NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
BackgroundNeurodejeneratif hastalıklar (ND'ler) insan sağlığı için önemli bir tehdittir. Çok sayıda araştırma, ND'li hastaların, düşme riskinin artmasından sorumlu olan azalan denge ile ortaya çıkabileceğini göstermiştir. Gelişmekte olan bir teknoloji olarak, giyilebilir cihazlar düşmeleri tespit edebilir ve gizlilik ihlallerini önleyebilir.ObjektifTürev edilebilir cihazlardaki eğilimlerin ve teknolojinin evrimine erişmek, ND'li hastalar arasında düşmeleri tespit etmek için.MetodlarPubMed ve Web of Science'ı (Şubat 2023) tarayarak düşme algılama yolunu herhangi bir vücut-yıpranmış sensörle özetledik. Dahil edilen makalelerin tam metin olması ve İngilizce olarak yayınlanması gerekiyordu. Belgeler hariç tutulmuştur; (1) sadece sonbahar işaretleme için giyilebilir cihazlar kullanılmış, (2) veri çıkarma için yeterli bilgi sunmamış, (3) ND'li hastaları kullanmamış, (4) sadece giyilebilir olmayan sensörler veya cihazlar kullanılmıştır.SonuçlarDergi çıkarma prosedürünün sonunda 89 madde tespit edilmiştir. Katılımcı örneklem boyutu (1-131), sensör tipleri, yerleştirme ve algoritmalarda çok çeşitli var. Kağıtların %97,75'i (n = 87) Parkinson hastalığı olan hastaları deneysel denekler olarak kullanmıştır. Ayak bileğine bağlı cihazların %21.45'i (n = 19), birden fazla sensör türünü kullanmak için açık bir tercihle (çalışmaların %58.43'ü, n = 52). En yaygın kullanılan atalet ölçüm birimi (IMU) olarak, 21 madde, düşmeleri değerlendirmek için ivmeölçer ve jiroskop kullandı. Çalışmaların %39,33'ü (n = 35) algoritmalarının etkinliğini doğrulamak için veri setini seçer. Makine öğrenme algoritmaları 2019'dan bu yana yaygınlaştı ve en yaygın kullanılan algoritma destek vektör makinesi (SVM) (n = 17) idi.Bu sonuçlar, artan sayıda araştırmacının sistemlerinin gerçek zamanlı olmayan doğrulama performansını incelediğini göstermektedir. Bilek, araştırmacılar arasında tercih edilen yerdi ve doğruluğu ve aciliyeti artırmak için birden fazla sensör ve makine öğrenme algoritmasını kullanmak için açık bir tercih var. Gelecekteki çalışmalar Parkinson hastalığı ile sınırlamak yerine diğer ND'lere odaklanmalı ve yeterince çalışılmış bir popülasyonu düşünmelidir. Yürüyen görevler ve doğruluk ölçümleri konusunda acilen bir uzlaşmaya ihtiyaç vardır. Belirli bir zaman dilimi için simüle edilmiş bir serbest yaşam ortamında çalışmalar yapılması tavsiye edilir, sürekli gerçek zamanlı izleme ve değerlendirme ile.Sistematik inceleme kaydıPROSPERO, tanımlayıcı (CRD42023405952).
Özgün kaynak özetini okuyun
BackgroundNeurodegenerative diseases (NDs) are a significant threat to human health. Numerous research demonstrated that patients with NDs might present with decreased balance, which is responsible for an increased risk of falling. As an emerging technology, wearable devices can detect falls and prevent privacy breaches.ObjectiveTo access the evolution of trends and technology in wearable devices to detect falls among patients with NDs.MethodsWe screened PubMed and Web of Science (February 2023) to summarize the pathway of fall detection with any body-worn sensor. Included articles were required to be full-text and published in English. Documents were excluded if they; (1) only used wearable devices for fall cueing, (2) did not offer sufficient information for data extraction, (3) did not use patients with NDs, (4) only used non-wearable sensors or devices.ResultsThe review identified 89 articles at the end of the procedure for data extraction. A wide variety existed in participant sample size (1-131), sensor types, placement and algorithms. 97.75% of papers (n = 87) used patients with Parkinson's disease as experimental subjects. 21.45% of studies attached devices on the ankle (n = 19), with a clear preference for using multiple types of sensors (58.43% of studies, n = 52). As the most commonly used inertial measurement unit (IMU), 21 articles utilized accelerometers and gyroscopes to assess falls. 39.33% of studies (n = 35) choose data set to verify the effectiveness of their algorithm. Machine learning algorithms have become prevalent since 2019, and the most commonly used algorithm was support vector machine (SVM) (n = 17).ConclusionThese results show that an increasing number of researchers examine the validation performance of their systems in non-real-time. The ankle was the preferred location among researchers, and there is a clear preference to use multiple types of sensors and machine learning algorithms to improve accuracy and immediacy. Future work should focus on other NDs instead of limiting to Parkinson's disease and consider an adequately studied population. A consensus on walking tasks and accuracy measurements is urgently needed. Performing studies in a simulated free-living environment for a specified time frame is advisable, with continuous real-time monitoring and assessment.Systematic review registrationPROSPERO, identifier (CRD42023405952).
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.