NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka plan / Objektifler: Motor fonksiyonların amacı, nicel değerlendirmesi için teknolojik yaklaşımlar Parkinson hastalığı (PwPD) olan kişilerin tıbbi yönetimini iyileştirme potansiyeline sahiptir ve tanı, izleme ve tedaviyi geliştirmek için daha kesin, veri odaklı bilgiler sunar. İşaretsiz hareket yakalama (MMC), biyomekanik analizin klinik uygulamaya entegrasyonu için umut verici bir yaklaşımdır. Bu projenin amacı, ticari olarak mevcut bir MMC sistemini değerlendirmek, özel bir MMC veri işleme algoritması geliştirmek ve doğrulamak ve algoritmanın PwPD ile sağlıklı kontroller (HC'ler) arasındaki ince motor performansını ayırt etmedeki etkinliğini değerlendirmekti. Yöntemler: Toplam 58 PwPD ve 25 HC, kendi kendine giyilen artırılmış gerçeklik kulaklığı tarafından yönetilen ve kaydedilen parmak vuruş değerlendirmelerini tamamladı. İnce motor performansı, kulaklığın yerleşik el izleme yazılımı (Native-MMC) ve özel bir algoritma (CART-MMC) kullanılarak değerlendirildi. Her birinden elde edilen sonuçlar, eşdeğerliği belirlemek için altın standart hareket yakalama sistemi (Geleneksel-MC) ile karşılaştırıldı. Bilinen grup geçerliliği CART-MMC kullanılarak değerlendirildi. Bulgular: Geleneksel-MC'ye karşı eşdeğerlik için toplam 82 deneme analiz edildi ve bilinen-grup geçerliliği için 152 deneme analiz edildi. CART-MMC sonuçları, tap sayısı, frekans, genlik ve açılış hızı ölçümleri için istatistiksel olarak Geleneksel-MC'ye (% 5 içinde) eşdeğerdi. Yerli-MMC, Geleneksel-MC ile eşdeğerliği karşılamadı ve tüm sonuçlarda ortalama %24 oranında sapma gösterdi. CART-MMC, genlik, genlik değişkenliği, frekans değişkenliği, parmak açma ve kapama hızları ve ilgili değişkenlikleri ve normalleştirilmiş yol uzunluğu için PwPD ve HC'ler arasında önemli farklılıklar yakaladı. Sonuç: Ticari olarak temin edilebilen bir artırılmış gerçeklik cihazı kullanılarak toplanan ve özel bir algoritma ile analiz edilen biyomekanik veriler, PwPD'deki ince motor performansını doğru bir şekilde karakterize eder.
Özgün kaynak özetini okuyun
Background/Objectives: Technological approaches for the objective, quantitative assessment of motor functions have the potential to improve the medical management of people with Parkinson's disease (PwPD), offering more precise, data-driven insights to enhance diagnosis, monitoring, and treatment. Markerless motion capture (MMC) is a promising approach for the integration of biomechanical analysis into clinical practice. The aims of this project were to evaluate a commercially available MMC system, develop and validate a custom MMC data processing algorithm, and evaluate the effectiveness of the algorithm in discriminating fine motor performance between PwPD and healthy controls (HCs). Methods: A total of 58 PwPD and 25 HCs completed finger-tapping assessments, administered and recorded by a self-worn augmented reality headset. Fine motor performance was evaluated using the headset's built-in hand tracking software (Native-MMC) and a custom algorithm (CART-MMC). Outcomes from each were compared against a gold-standard motion capture system (Traditional-MC) to determine the equivalence. Known-group validity was evaluated using CART-MMC. Results: A total of 82 trials were analyzed for equivalence against the Traditional-MC, and 152 trials were analyzed for known-group validity. The CART-MMC outcomes were statistically equivalent to Traditional-MC (within 5%) for tap count, frequency, amplitude, and opening velocity metrics. The Native-MMC did not meet equivalence with the Traditional-MC, deviating by an average of 24% across all outcomes. The CART-MMC captured significant differences between PwPD and HCs for tapping amplitude, amplitude variability, frequency variability, finger opening and closing velocities, and their respective variabilities, and normalized path length. Conclusions: The biomechanical data gathered using a commercially available augmented reality device and analyzed via a custom algorithm accurately characterize fine motor performance in PwPD.
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.