NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
(1) Amaç: Parkinson hastalığının (PD), multipl sklerozun (MS) ve inme hastalarının (toplu olarak PMSS) sağlık durumunu sınıflandırmak için AI-ilk yaklaşımı kullanarak giyilebilir cihazlar ve hasta rapor edilen sonuçları (PRO) birleştiren yeni bir hasta veri akışının tahmin gücünü araştırıyoruz. (2) Arka plan: Son çalışmalar, nörolojik bozuklukların hastalar üzerindeki ve bunları yöneten sağlık sistemleri üzerindeki yükünü kabul eder. Bunu ele almak için, PMSS hastaları için sağlık tedarikinin dijital dönüşümüne çaba harcanmaktadır. (3) Yöntem: Mobil uygulamalar aracılığıyla bir yıl boyunca PRO verilerini sürekli olarak toplayan ve her kilometre taşında 1-2 hafta boyunca giyilen minimum girişken giyilebilir cihazlardan (akselerometre bileziği, IMU sensör kemeri, zemin kuvveti ölçüm tabanları ve uyku yatağı) gelen verilerle takviye eden ALAMEDA projesi dahilinde veri toplama yolculuğunu tanıtıyoruz. Veri toplama programını ve fizibilitesini, tıbbi tahminör değişkenlerinin giyilebilir cihaz yeteneklerine ve mobil uygulama işlevselliğine haritalandırılmasını sunuyoruz. (4) Sonuçlar: Motor, uyku, duygusal ve yaşam kalitesi sonuçlarının istenen analizi için gerekli olan giyilebilir cihazların ve akıllı telefon uygulamalarının yeni bir kombinasyonu tanıtıldı. Çeşitli uzunlamasına ve kesitsel kurulumların tahmin yeteneğini ortaya çıkarmayı amaçlayan AI-ilk analiz yöntemleri sunulmuştur (standart tıbbi test hedefleri açısından). Mobil uygulama geliştirme ve kullanım programı, hasta katılımının tutulmasını ve çalışma protokolüne uyumu kolaylaştırır.
Özgün kaynak özetini okuyun
(1) Objective: We explore the predictive power of a novel stream of patient data, combining wearable devices and patient reported outcomes (PROs), using an AI-first approach to classify the health status of Parkinson's disease (PD), multiple sclerosis (MS) and stroke patients (collectively named PMSS). (2) Background: Recent studies acknowledge the burden of neurological disorders on patients and on the healthcare systems managing them. To address this, effort is invested in the digital transformation of health provisioning for PMSS patients. (3) Methods: We introduce the data collection journey within the ALAMEDA project, which continuously collects PRO data for a year through mobile applications and supplements them with data from minimally intrusive wearable devices (accelerometer bracelet, IMU sensor belt, ground force measuring insoles, and sleep mattress) worn for 1-2 weeks at each milestone. We present the data collection schedule and its feasibility, the mapping of medical predictor variables to wearable device capabilities and mobile application functionality. (4) Results: A novel combination of wearable devices and smartphone applications required for the desired analysis of motor, sleep, emotional and quality-of-life outcomes is introduced. AI-first analysis methods are presented that aim to uncover the prediction capability of diverse longitudinal and cross-sectional setups (in terms of standard medical test targets). Mobile application development and usage schedule facilitates the retention of patient engagement and compliance with the study protocol.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.