Smartphone-Based Hand Function Assessment: Systematic Review.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

BackgroundHand fonksiyon değerlendirmesi, belirli görev senaryolarına büyük ölçüde dayanır ve geçerlilik ve güvenilirliği sağlamayı zorlaştırır. Buna ek olarak, çok çeşitli değerlendirme araçları, sınırlı ve pahalı veri kaydı ve analiz sistemleri sorunu daha da ağırlaştırır. Bununla birlikte, akıllı telefonlar bu zorlukların üstesinden gelmek için umut verici bir fırsat sunuyor. Bu nedenle akıllı telefonlarda yerleşik, yüksek verimli sensörler el fonksiyonu değerlendirmesi için etkili araçlar olarak kullanılabilir.Bu inceleme akıllı telefonlar kullanılarak el fonksiyonu değerlendirmesi ile ilgili mevcut çalışmaları değerlendirmeyi amaçlamaktadır.MetodlarBilgi uzmanı 8 Haziran 2023'te 8 veritabanını aramıştır. Arama kriterleri iki ana kavramı içeriyordu: (1) akıllı telefon veya cep telefonu veya mHealth ve (2) el fonksiyonu veya işlev değerlendirmesi. Aramalar İngilizce dilinde insan çalışmaları ile sınırlıydı ve konferans işlemleri ve deneme kayıt kayıtlarını hariç tuttu. İki gözden geçiren bağımsız olarak tüm çalışmaları taradı, üçüncü bir gözden geçiren uyuşmazlıkların çözümünde yer aldı. Dahil edilen çalışmalar Karışık Yöntem Değerlendirme Aracına göre derecelendirilmiştir. Bir incelemeci, yayın, demografi, el fonksiyonu türleri, el fonksiyonu değerlendirmesi için kullanılan sensörler ve istatistiksel veya makine öğrenimi (ML) yöntemleri hakkında veri çıkardı. Doğruluk başka bir eleştirmen tarafından kontrol edildi. Veriler, araştırma sorularının her birine dayanarak sentezlendi ve tablolandı.SonuçlarToplam 46 çalışma dahil edildi. Genel olarak, Parkinson hastalığı, bilek yaralanması, inme ve el yaralanması gibi el fonksiyon bozukluğu ile ilgili 11 tür problem tespit edildi ve 6 tür el fonksiyon bozukluğu bulundu, yani anormal bir hareket aralığı, titreme, bradikinezi, ince motor becerilerin azalması, hipokinezi ve el artriti ile ilgili spesifik olmayan işlev bozukluğu. Tüm yerleşik akıllı telefon sensörleri arasında, ivmeölçer en çok kullanılan, ardından akıllı telefon kamerasıydı. Çoğu çalışmada veri işleme için istatistiksel yöntemler kullanılırken, hastalık tespiti, hastalık şiddeti değerlendirmesi, hastalık tahmini ve özellik agregasyonu için ML algoritmaları uygulandı.Bu sistematik inceleme akıllı telefon tabanlı el fonksiyonu değerlendirmesi potansiyelini vurgulamaktadır. İnceleme, bir akıllı telefonun el fonksiyonu değerlendirmesi için umut verici bir araç olduğunu öne sürüyor. ML, el fonksiyon bozukluğu seviyelerini sınıflandırmak için elverişli bir yöntemdir. Gelecekteki araştırmalar, (1) akıllı telefon tabanlı el fonksiyonu değerlendirmesi için altın bir standardı keşfedebilir ve (2) el işlevini kapsamlı bir şekilde değerlendirmek, toplanan akıllı telefon verilerini işlemek için ML yöntemleri geliştirmeye odaklanmak ve rehabilitasyon eğitimi sırasında gerçek zamanlı değerlendirmeye odaklanmak için akıllı telefonların çoklu yerleşik sensörlerinden yararlanabilir. Araştırmanın sınırlamaları 2 kattır. İlk olarak, akıllı telefon tabanlı el fonksiyonu değerlendirmesinin yeni ortaya çıkan doğası, kanıtların eksiksizliğini ve kapsamlılığını etkileyen sınırlı ilgili literatüre yol açtı. Bu, destekleyici bakış açılarını engelleyebilir ve sonuç çıkarabilir. İkinci olarak, literatür kalitesi konunun keşif niteliğinden, potansiyel tutarsızlıklardan ve yüksek kaliteli referans çalışmalarının ve meta-analizlerin eksikliğinden dolayı değişir.

Özgün kaynak özetini okuyun

BackgroundHand function assessment heavily relies on specific task scenarios, making it challenging to ensure validity and reliability. In addition, the wide range of assessment tools, limited and expensive data recording, and analysis systems further aggravate the issue. However, smartphones provide a promising opportunity to address these challenges. Thus, the built-in, high-efficiency sensors in smartphones can be used as effective tools for hand function assessment.ObjectiveThis review aims to evaluate existing studies on hand function evaluation using smartphones.MethodsAn information specialist searched 8 databases on June 8, 2023. The search criteria included two major concepts: (1) smartphone or mobile phone or mHealth and (2) hand function or function assessment. Searches were limited to human studies in the English language and excluded conference proceedings and trial register records. Two reviewers independently screened all studies, with a third reviewer involved in resolving discrepancies. The included studies were rated according to the Mixed Methods Appraisal Tool. One reviewer extracted data on publication, demographics, hand function types, sensors used for hand function assessment, and statistical or machine learning (ML) methods. Accuracy was checked by another reviewer. The data were synthesized and tabulated based on each of the research questions.ResultsIn total, 46 studies were included. Overall, 11 types of hand dysfunction-related problems were identified, such as Parkinson disease, wrist injury, stroke, and hand injury, and 6 types of hand dysfunctions were found, namely an abnormal range of motion, tremors, bradykinesia, the decline of fine motor skills, hypokinesia, and nonspecific dysfunction related to hand arthritis. Among all built-in smartphone sensors, the accelerometer was the most used, followed by the smartphone camera. Most studies used statistical methods for data processing, whereas ML algorithms were applied for disease detection, disease severity evaluation, disease prediction, and feature aggregation.ConclusionsThis systematic review highlights the potential of smartphone-based hand function assessment. The review suggests that a smartphone is a promising tool for hand function evaluation. ML is a conducive method to classify levels of hand dysfunction. Future research could (1) explore a gold standard for smartphone-based hand function assessment and (2) take advantage of smartphones' multiple built-in sensors to assess hand function comprehensively, focus on developing ML methods for processing collected smartphone data, and focus on real-time assessment during rehabilitation training. The limitations of the research are 2-fold. First, the nascent nature of smartphone-based hand function assessment led to limited relevant literature, affecting the evidence's completeness and comprehensiveness. This can hinder supporting viewpoints and drawing conclusions. Second, literature quality varies due to the exploratory nature of the topic, with potential inconsistencies and a lack of high-quality reference studies and meta-analyses.

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.