NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Bu çalışma, MDS-Unified Parkinson's Disease Rating Scale (MDS-UPDRS) Bölüm III'ten uyarlanmış olanlar ve uzaktan Parkinson Hastalığı (PD) motor semptomları değerlendirmesi için yeni değerlendirmeler de dahil olmak üzere 11 dijital testten oluşan bir mobil uygulama olan PDMotion'u tanıtmaktadır. 50 PD hasta ve 29 sağlıklı kontrolden elde edilen verilerle makine öğrenme tekniklerini kullanan PDMotion, PD durum tahmini için 0.878 ve ciddiyet değerlendirmesi için 0.715'lik bir başarı elde eder. Tanı ve ciddiyet değerlendirmesinde özelliklerin ve görevlerin önemini değerlendirmek için bir post-hoc açıklama modeli kullanılır. Özellikle, daire çizimi, koordinasyon testi ve alternatif vuruş testi gibi MDS-UPDRS Bölüm III'ten uyarlanmayan yeni görevlerin, PD için dijital değerlendirmelerin mevcut testleri dijitalleştirmenin ötesine geçebileceğini öne süren son derece önemli olduğu bulunmuştur. Alternatif vuruş testi en önemli görev olarak ortaya çıkar. Özelliklerini tek başına kullanmak, tam görev setiyle karşılaştırılabilir tahmin accuracies'e ulaşır ve bağımsız bir tarama aracı olarak potansiyelinin altını çizer. Bu çalışma, yenileri de dahil olmak üzere çok çeşitli testleri dijitalleştirerek ve özelliklerinin ve görev önemlerinin karşılaştırmalı bir analizini yaparak dikkate değer bir araştırma boşluğunu ele almaktadır. Bu içgörüler, daha önce bu tür karşılaştırmalı çalışmalardan yoksun bir alan olan PD mobil değerlendirmelerinde görev seçimi ve gelecekteki gelişim için rehberlik sağlar.
Özgün kaynak özetini okuyun
This study introduces PDMotion, a mobile application comprising 11 digital tests, including those adapted from the MDS-Unified Parkinson's Disease Rating Scale (MDS-UPDRS) Part III and novel assessments, for remote Parkinson's Disease (PD) motor symptoms evaluation. Employing machine learning techniques on data from 50 PD patients and 29 healthy controls, PDMotion achieves accuracies of 0.878 for PD status prediction and 0.715 for severity assessment. A post-hoc explanation model is employed to assess the importance of features and tasks in diagnosis and severity evaluation. Notably, novel tasks that are not adapted from MDS-UPDRS Part III like the circle drawing, coordination test, and alternative tapping test are found to be highly important, suggesting digital assessments for PD can go beyond digitizing existing tests. The alternative tapping test emerges as the most significant task. Using its features alone achieves prediction accuracies comparable to the full task set, underscoring its potential as an independent screening tool. This study addresses a notable research gap by digitalizing a wide array of tests, including novel ones, and conducting a comparative analysis of their feature and task importance. These insights provide guidance for task selection and future development in PD mobile assessments, a field previously lacking such comparative studies.
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.