NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
BackgroundParkinson hastalığı (PD), motor koordinasyonunu etkileyen, yürüyüş anormalliklerine yol açan progresif bir nörodejeneratif bozukluktur. PD'nin erken tespiti etkili yönetim ve tedavi için çok önemlidir. Geleneksel tanı yöntemleri genellikle invaziv prosedürler gerektirir veya hastalık önemli ölçüde ilerlediğinde gerçekleştirilir. Bu nedenle, erken motor semptomları, özellikle de yürüyüşle ilgili olanları tanımlayabilecek noninvaziv tekniklere ihtiyaç vardır.ObjektifÇalışma, model tabanlı yürüyüş özelliklerini analiz ederek PD'nin erken tespiti için noninvaziv bir yaklaşım geliştirmeyi amaçladı. Birincil odak kinematik özellikleri kullanarak PD ile ilişkili ince yürüyüş anormalliklerinin belirlenmesi üzerinedir.MetodsData, katılımcıların zamanlanmış yukarı ve yukarı (TUG) değerlendirmesini gerçekleştiren kontrollü video kayıtları aracılığıyla toplandı ve özellikle dönüm aşamasına vurgu yapıldı. Analiz edilen kinematik özellikler arasında omuz mesafesi, adım uzunluğu, adım uzunluğu, diz ve kalça açıları, bacak ve kol simetrisi ve gövde açıları bulunur. Bu özellikler gelişmiş filtreleme teknikleri kullanılarak işlendi ve normal ve PD'den etkilenen yürüyüş düzenlerini ayırt etmek için makine öğrenme yöntemleri ile analiz edildi.SonuçlarTÜG değerlendirmesinin dönüm aşamasında kinematik özelliklerin analizi, PD'li bireylerin yürüyüş donması, adım uzunluğunun azalması ve asimetrik hareketler gibi ince yürüyüş anormallikleri sergilediğini ortaya koydu. Model tabanlı özellikler, normal ve PD'den etkilenen yürüyüş arasında ayrım yapmada etkili olduğunu kanıtladı ve bu yaklaşımın potansiyelini erken tespitte gösterdi.Bu çalışma, TUG değerlendirmesinin dönüm aşamasında belirli yürüyüş özelliklerini analiz ederek PD'nin erken tespiti için umut verici bir noninvaziv yöntem sunmaktadır. Bulgular, bu yaklaşımın PD'nin teşhisi ve izlenmesi için hassas ve doğru bir araç olarak hizmet edebileceğini ve potansiyel olarak daha erken müdahaleye ve daha iyi hasta sonuçlarına yol açabileceğini göstermektedir.
Özgün kaynak özetini okuyun
BackgroundParkinson disease (PD) is a progressive neurodegenerative disorder that affects motor coordination, leading to gait abnormalities. Early detection of PD is crucial for effective management and treatment. Traditional diagnostic methods often require invasive procedures or are performed when the disease has significantly progressed. Therefore, there is a need for noninvasive techniques that can identify early motor symptoms, particularly those related to gait.ObjectiveThe study aimed to develop a noninvasive approach for the early detection of PD by analyzing model-based gait features. The primary focus is on identifying subtle gait abnormalities associated with PD using kinematic characteristics.MethodsData were collected through controlled video recordings of participants performing the timed up and go (TUG) assessment, with particular emphasis on the turning phase. The kinematic features analyzed include shoulder distance, step length, stride length, knee and hip angles, leg and arm symmetry, and trunk angles. These features were processed using advanced filtering techniques and analyzed through machine learning methods to distinguish between normal and PD-affected gait patterns.ResultsThe analysis of kinematic features during the turning phase of the TUG assessment revealed that individuals with PD exhibited subtle gait abnormalities, such as freezing of gait, reduced step length, and asymmetrical movements. The model-based features proved effective in differentiating between normal and PD-affected gait, demonstrating the potential of this approach in early detection.ConclusionsThis study presents a promising noninvasive method for the early detection of PD by analyzing specific gait features during the turning phase of the TUG assessment. The findings suggest that this approach could serve as a sensitive and accurate tool for diagnosing and monitoring PD, potentially leading to earlier intervention and improved patient outcomes.
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.