NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson Hastalığı'nda (PD) optimal semptom kontrolü için subtalamik çekirdeğin derin beyin stimülasyonunu (DBS) programlamak zaman ve eğitimli personel gerektirir. Yeni implante edilebilir nörostimülatörler, en uygun (kronik) uyarı temasını tanımlamak için kullanılabilecek yerel alan potansiyelleri (LFP) kaydına izin verir. Bununla birlikte, literatür, LFP özelliklerinin ve tahmin tekniklerinin en etkili olduğu kesin değildir.ObjectiveOptimal (kronik) uyarım temaslarını tahmin etmek için farklı LFP tabanlı fizyografların performansını değerlendirmek.MetodsA literatür araştırması dokuz veritabanlarında yapıldı ve 418 bireysel makale ile sonuçlandı. İki bağımsız eleştirmen makaleleri başlık, soyut ve tam metine göre taradı. Dahil edilen çalışmaların kalitesi, Vaka Serisi için değiştirilmiş bir Joanna Briggs Enstitüsü Kritik Değerlendirme Kontrol Listesi kullanılarak değerlendirildi. Sonuçlar a priori şansa göre tahmin performansına göre dört sınıfta kategorize edildi.SonuçlarYirmi beş çalışma dahil edildi. Tek özellikli beta bant tahminleri, sonuçların %94'ünde olumlu performans puanları gösterdi. Beta-frekans dışı tek bir özelliğe dayanan tahminler, sonuçların sadece % 25'inde pozitif puanlar verdi ve esas olarak yüksek frekanslı salınımlar için olumlu sonuçlar verdi. Çok özellikli tahminler (örneğin makine öğrenimi) iki en yüksek performans sınıfında tek beta tabanlı tahminlerden daha sık doğruluk puanları elde etti (yüzde 100 karşı yüzde 39). Tek beta bantlı tahminler, yalnızca beta-frekanslı olmayan özelliklerden daha umut verici sonuçlar gösterir, ancak çok özellikli tahminlerden daha iyi performans gösterir. Gelecekteki araştırmalar, optimal temas tanımlaması için çok özellikli tahminleri daha da araştırmalıdır.
Özgün kaynak özetini okuyun
BackgroundProgramming deep brain stimulation (DBS) of the subthalamic nucleus for optimal symptom control in Parkinson's Disease (PD) requires time and trained personnel. Novel implantable neurostimulators allow local field potentials (LFP) recording, which could be used to identify the optimal (chronic) stimulation contact. However, literature is inconclusive on which LFP features and prediction techniques are most effective.ObjectiveTo evaluate the performance of different LFP-based physiomarkers for predicting the optimal (chronic) stimulation contacts.MethodsA literature search was conducted across nine databases, resulting in 418 individual papers. Two independent reviewers screened the articles based on title, abstract, and full text. The quality of included studies was assessed using a modified Joanna Briggs Institute Critical Appraisal Checklist for Case Series. Results were categorised in four classes based on the predictive performance with respect to the a priori chance.ResultsTwenty-five studies were included. Single-feature beta-band predictions demonstrated positive performance scores in 94 % of the outcomes. Predictions based on single non-beta-frequency features yielded positive scores in only 25 % of the outcomes, with positive results mainly for high frequency oscillations. Multi-feature predictions (e.g. machine learning) achieved accuracy scores within the two highest performance classes more often than single beta-based predictions (100 % versus 39 %).ConclusionPredicting the optimal stimulation contact based on LFP recordings is feasible and can improve DBS programming efficiency in PD. Single beta-band predictions show more promising results than non-beta-frequency features alone, but are outperformed by multi-feature predictions. Future research should further explore multi-feature predictions for optimal contact identification.
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.