NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı motor ve bilişsel eksikliklerle karakterizedir. Önceki çalışmalar her ikisi arasında bir ilişki olduğunu öne sürerken, doğrudan ampirik kanıtlar kıt veya sonuçsuzdur. Bu nedenle, Parkinson hastalığı olan hastalarda yürüme özellikleri ile yönetici işleyişi arasındaki ilişkiyi son teknoloji makine öğrenimi yaklaşımları kullanarak inceledik. Tek görev yürüyüşüne ve ek motor ve bilişsel taleplere bağlı olarak değişen zorluk seviyelerine sahip dört yürüme koşulu gerçekleştiren 103 geriatrik Parkinson hastadan oluşan bir veri seti analiz edildi. Yürüme özellikleri hastanın alt sırtında konumlandırılmış bir atalet ölçüm ünitesi (IMU) sistemi kullanılarak ölçüldü. Analizler, Trail-Making Test (TMT) kullanılarak ölçüldüğü gibi, yürütme işleyişini tahmin etmek için beş imputation yöntemi ve dört regresyon yaklaşımı içeriyordu. Destek vektör regresyonu (SVR) ile kombinasyon halinde zincirli denklemler (MICE) tarafından çoklu imputation, ortalama mutlak hatayı taban çizgisine kıyasla yaklaşık %4,95 oranında azaltır. Önemli olarak, yalnızca destek vektör regresyonu ile elde edilen yürüme özelliklerine dayanan tahminler, hafif ancak Delta-TMT değerleriyle önemli ölçüde ilişkiliydi. Spesifik olarak, bu etki öncelikle adım zaman değişkenliği, çift uzuv destek zaman değişkenliği ve bilişsel taleplerle ikili görev koşulunda yürüyüş hızı ile yönlendirildi. Birlikte ele alındığında, verilerimiz Parkinson hastalığında yürütme işleyişi ve spesifik yürüme özellikleri arasında bir bağlantı için doğrudan kanıt sağlar.
Özgün kaynak özetini okuyun
Parkinson's disease is characterized by motor and cognitive deficits. While previous work suggests a relationship between both, direct empirical evidence is scarce or inconclusive. Therefore, we examined the relationship between walking features and executive functioning in patients with Parkinson's disease using state-of-the-art machine learning approaches. A dataset of 103 geriatric Parkinson inpatients, who performed four walking conditions with varying difficulty levels depending on single task walking and additional motor and cognitive demands, was analyzed. Walking features were quantified using an inertial measurement unit (IMU) system positioned at the patient's lower back. The analyses included five imputation methods and four regression approaches to predict executive functioning, as measured using the Trail-Making Test (TMT). Multiple imputation by chained equations (MICE) in combination with support vector regression (SVR) reduce the mean absolute error by about 4.95% compared to baseline. Importantly, predictions solely based on walking features obtained with support vector regression mildly but significantly correlated with Δ-TMT values. Specifically, this effect was primarily driven by step time variability, double limb support time variability, and gait speed in the dual task condition with cognitive demands. Taken together, our data provide direct evidence for a link between executive functioning and specific walking features in Parkinson's disease.
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.