Gait analysis in the early stage of Parkinson's disease with a machine learning approach.

Araştırma özeti

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

BackgroundGait bozukluğu Parkinson hastalığında (PD) belirgin bir motor semptomdur, özellikle erken evrede PD'nin teşhisi ve tedavisi için yürüyüşün objektif ve kantitatif değerlendirmesi gereklidir.MetodlarBu çalışma, erken evre PD'ye odaklanarak, PD ve sağlıklı kontrolleri olan bireyler arasındaki yürüyüş özelliklerini araştırmak için temassız bir yürüyüş değerlendirme sistemi kullandı. Ek olarak, erken evre PD hastalarını kontrollerden ayırt etmek ve MDS-UPDRS III skorunu tahmin etmek için iki makine öğrenme modeli eğittik.SonuçlarErken evre PD hastaları, basamak uzunluğunun azaldığını, yürüyüş hızının azaldığını, daha yavaş adım ve salınım hızlarının azaldığını, dönüş süresinin uzatıldığını ve kontrollere kıyasla kadans azaldığını gösterdi. Modelimiz, yürüyüş parametrelerinin entegre bir analizinden sonra, erken evre PD hastalarını doğru bir şekilde tanımladı. Dahası, model, yürüyüş parametrelerinin MDS-UPDRS III skorunu bir makine öğrenme gerileme yaklaşımı kullanarak tahmin edebileceğini belirtti.ConclusionTemassız yürüyüş değerlendirme sistemi, PD hastalarında yürüyüş bozukluğunun objektif ve kantitatif değerlendirilmesini kolaylaştırır ve erken evredekileri sağlıklı bireylerden etkili bir şekilde ayırır. Sistem, PD'nin erken tespiti için önemli bir potansiyele sahiptir. Ayrıca, MDS-UPDRS III skorunun gerekçeli bir tahmini için yürüyüş parametrelerini kullanır, böylece hastalık şiddetini nicelleştirir. Genel olarak, yürüyüş değerlendirmesi, PD'nin erken tanımlanması ve devam eden izlenmesi için değerli bir yöntemdir.

Özgün kaynak özetini okuyun

BackgroundGait disorder is a prominent motor symptom in Parkinson's disease (PD), objective and quantitative assessment of gait is essential for diagnosing and treating PD, particularly in its early stage.MethodsThis study utilized a non-contact gait assessment system to investigate gait characteristics between individuals with PD and healthy controls, with a focus on early-stage PD. Additionally, we trained two machine learning models to differentiate early-stage PD patients from controls and to predict MDS-UPDRS III score.ResultsEarly-stage PD patients demonstrated reduced stride length, decreased gait speed, slower stride and swing speeds, extended turning time, and reduced cadence compared to controls. Our model, after an integrated analysis of gait parameters, accurately identified early-stage PD patients. Moreover, the model indicated that gait parameters could predict the MDS-UPDRS III score using a machine learning regression approach.ConclusionThe non-contact gait assessment system facilitates the objective and quantitative evaluation of gait disorder in PD patients, effectively distinguishing those in the early stage from healthy individuals. The system holds significant potential for the early detection of PD. It also harnesses gait parameters for a reasoned prediction of the MDS-UPDRS III score, thereby quantifying disease severity. Overall, gait assessment is a valuable method for the early identification and ongoing monitoring of PD.

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.