NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
BackgroundParkinson hastalığı (PD), küresel olarak en yaygın nörodejeneratif hastalıklar arasında yer almakta, devam eden zorlukları ve sağlık sistemleri üzerindeki yükü artırmaktadır. Bu tedavi edilemez durumu yönetmek için PD, bakıcıları ve daha geniş sağlık sektörü olan hastaları desteklemek amacıyla, odak geleneksel tedavilerden uzaklaşmaya başladı. En çağdaş tedavilerden biri, bağımsız yaşamı teşvik etmenin ve uzaktan bakım sağlamanın bir yolu olarak görülen yardımcı teknolojiler (AT'ler) yazmayı içerir. Bununla birlikte, bu AT'lerin alımı çeşitlidir, bazı kullanıcılar AT'nin tüm formlarını kabul etmeye hazır veya istekli değildir ve diğerleri sadece düşük teknoloji çözümleri benimsemeye isteklidir. Sonuç olarak, hem kaynaklardaki talepleri hem de AT'lerin konuşlandırıldığı verimliliği yönetmek için, bir kullanıcının belirli bir AT'yi reçete edilmeden önce kabul etme ve benimseme olasılığını otomatik olarak değerlendirmek veya tahmin etmek için yeni yaklaşımlara ihtiyaç vardır. Sınıflandırma algoritmaları, AT evlat edinme olasılığını etkileyen faktörlerin aralığını otomatik olarak değerlendirmek için kullanılabilir, böylece potansiyel olarak daha etkili AT tahsisini destekler. Hesaplamalı bir bakış açısıyla, farklı sınıflandırma algoritmaları ve seçim kriterleri bu ihtiyacı gidermek için çeşitli fırsatlar ve zorluklar sunar.ObjektifBu makale, PD'li hastaları içeren teknoloji benimseme süreçlerinde sınıflandırıcı seçimi desteklemek için yeni bir hibrit çok kriterli karar verme yaklaşımı sunmaktadır.MetodlarBirinci olarak, uzmanların bilgi ve belirsizliğini göz önünde bulundurarak kriterlerin ve altkriterlerin göreceli önceliklerini hesaplamak için sezgisel bulanık analitik hiyerarşi süreci (IF-AHP) uygulandı. İkinci olarak, sezgiye dayalı bulanık karar verme deneme ve değerlendirme laboratuvarı (IF-DEMATEL) kriterler/altkriterya arasındaki neden-sonuç ilişkilerini değerlendirmek için uygulanmıştır. Son olarak, birleşik uzlaşma çözümü (CoCoSo), aday sınıflandırıcıları teknoloji benimsemesini modelleme yeteneklerine göre sıralamak için kullanıldı.SonuçlarÖnerilen metodolojiyi doğrulamak için bir mobil akıllı telefon çözümü içeren bir çalışma yaptık. Yapı (F5) en yüksek göreceli önceliğe sahip faktör olarak tanımlanırken (genel ağırlık = 0.214), uyarlanabilirlik (F4) (D-R = 1.234) ise PD'li hastalarda teknoloji benimsemesi için sınıflandırıcıları seçerken en çok etkileyen unsur olarak bulundu. Bu durumda, PD'li hastalarda teknoloji benimsenmesini desteklemek için en uygun algoritma A3 - J48 karar ağacıydı (M3 = 2.5592). Önerilen yaklaşımda CoCoSo yönteminin 2 alternatif yöntemle (ideal çözüme benzerlik ile tercih sırası için basit katkı ağırlıklı ve teknik) karşılaştırılmasıyla elde edilen sonuçlar, önerilen metodolojinin doğruluğunu ve uygulanabilirliğini desteklemektedir. Her bir yöntemdeki algoritmaların son puanlarının yüksek oranda ilişkili olduğu gözlenmiştir (Pearson korelasyon katsayısı> 0.8).ConclusionsThe IF-AHP-IF-DEMATEL-CoSo yaklaşımı, Parkinson popülasyonu içindeki yardımcı teknolojilerin sadece iyi ve kötü benimseyenleri arasında ayrım yapmayan, aynı zamanda bu sınıflandırıcıları sağlık sistemindeki klinisyenler tarafından kolayca uygulanabilir hale getiren tasarım, kalite ve uyumluluk gibi teknolojiye özgü özellikleri de göz önünde bulunduran sınıflandırma algoritmalarının tanımlanmasına yardımcı olmuştur.
Özgün kaynak özetini okuyun
BackgroundParkinson disease (PD) is reported to be among the most prevalent neurodegenerative diseases globally, presenting ongoing challenges and increasing burden on health care systems. In an effort to support patients with PD, their carers, and the wider health care sector to manage this incurable condition, the focus has begun to shift away from traditional treatments. One of the most contemporary treatments includes prescribing assistive technologies (ATs), which are viewed as a way to promote independent living and deliver remote care. However, the uptake of these ATs is varied, with some users not ready or willing to accept all forms of AT and others only willing to adopt low-technology solutions. Consequently, to manage both the demands on resources and the efficiency with which ATs are deployed, new approaches are needed to automatically assess or predict a user's likelihood to accept and adopt a particular AT before it is prescribed. Classification algorithms can be used to automatically consider the range of factors impacting AT adoption likelihood, thereby potentially supporting more effective AT allocation. From a computational perspective, different classification algorithms and selection criteria offer various opportunities and challenges to address this need.ObjectiveThis paper presents a novel hybrid multicriteria decision-making approach to support classifier selection in technology adoption processes involving patients with PD.MethodsFirst, the intuitionistic fuzzy analytic hierarchy process (IF-AHP) was implemented to calculate the relative priorities of criteria and subcriteria considering experts' knowledge and uncertainty. Second, the intuitionistic fuzzy decision-making trial and evaluation laboratory (IF-DEMATEL) was applied to evaluate the cause-effect relationships among criteria/subcriteria. Finally, the combined compromise solution (CoCoSo) was used to rank the candidate classifiers based on their capability to model the technology adoption.ResultsWe conducted a study involving a mobile smartphone solution to validate the proposed methodology. Structure (F5) was identified as the factor with the highest relative priority (overall weight=0.214), while adaptability (F4) (D-R=1.234) was found to be the most influencing aspect when selecting classifiers for technology adoption in patients with PD. In this case, the most appropriate algorithm for supporting technology adoption in patients with PD was the A3 - J48 decision tree (M3=2.5592). The results obtained by comparing the CoCoSo method in the proposed approach with 2 alternative methods (simple additive weighting and technique for order of preference by similarity to ideal solution) support the accuracy and applicability of the proposed methodology. It was observed that the final scores of the algorithms in each method were highly correlated (Pearson correlation coefficient >0.8).ConclusionsThe IF-AHP-IF-DEMATEL-CoCoSo approach helped to identify classification algorithms that do not just discriminate between good and bad adopters of assistive technologies within the Parkinson population but also consider technology-specific features like design, quality, and compatibility that make these classifiers easily implementable by clinicians in the health care system.
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.