NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka planDijital sağlık teknolojileri Parkinson hastalığı (PD) için yüksek frekanslı, objektif önlemler sunar, ancak bireysel katmanlaşma eksiktir. Bu çalışma, akıllı telefon motor testi ile uzunlamasına klinik değerlendirmeyi entegre ederek hızlı ve yavaş PD motor ilerlemecilerine karşı hızlı ve tahmin etmeyi amaçladı.MethodsExenatide-PD3 deneyindeki katılımcıların bu 96 haftalık alt grup analizinde, motor ilerlemesi Hareket Bozukluğu Toplumu-Birleşik Parkinson Hastalığı Değerlendirme Ölçeği Bölüm III OFF puanları ve akıllı telefon testi (temel, hafta 24, 48, 72, 96) kullanılarak ölçüldü. Hızlı ve yavaş ilerleme gösterenler veri güdümlü subtipleme kullanılarak belirlendi; doğrusal karışık etki modelleri uzunlamasına OFF puanlarını değerlendirdi. Temel klinik ve dijital özellikler (klinik ve evde) 96 haftalık motor ilerlemesini tahmin etmek için kullanılmıştır. Model performansı alıcı çalışma eğrisi (AUC) altındaki alan tarafından nicelleştirildi.ResultsData güdümlü kümeleme,% 26.5 (26/98) hızlı ilerlemeci olarak belirlendi, daha yüksek taban çizgisi OFF puanları (+18.16,% 95 CI 13.70 ila 22.62; ayarlanmış p96% gelecekteki klinik kullanımı destekliyor) ve bir dağıtım senaryosunda tahmin değeri (AUC 0.80,% 95 CI 0.79 ila 0.82). Akıllı telefon kaynaklı özellikleri klinik puanlarla entegre etmek temel motor tahminini geliştirdi. Yüksek kullanıcı kabul edilebilirliği, bireysel düzeyde PD tabakalaşması için bu yaklaşımı destekler, tedavi deneme etkilerini gizleyebilecek motor ilerlemesindeki heterojenliği ele alır.
Özgün kaynak özetini okuyun
BackgroundDigital health technologies offer high-frequency, objective measures for Parkinson's disease (PD) yet individual stratification is lacking. This study aimed to identify and predict fast versus slow PD motor progressors by integrating longitudinal clinical evaluation with smartphone motor testing.MethodsIn this 96-week subgroup analysis of participants in the Exenatide-PD3 trial, motor progression was measured using Movement Disorder Society-Unified Parkinson's Disease Rating Scale Part III OFF scores and smartphone testing (baseline, weeks 24, 48, 72, 96). Fast versus slow progressors were identified using data-driven subtyping; linear mixed-effects models assessed longitudinal OFF scores. Baseline clinical and digital features (in-clinic and at-home) were used to predict 96-week motor progression. Model performance was quantified by the area under the receiver operating curve (AUC).ResultsData-driven clustering identified 26.5% (26/98) as fast progressors, with higher baseline OFF scores (+18.16, 95% CI 13.70 to 22.62; adjusted p96% support future in-clinic use) and predictive value in a deployment scenario (AUC 0.80, 95% CI 0.79 to 0.82).ConclusionData-driven clustering identified one in four early-to-mid stage PD patients as fast motor progressors. Integrating smartphone-derived features with clinical scores improved baseline motor prediction. High user acceptability supports this approach for individual-level PD stratification, addressing heterogeneity in motor progression that may obscure treatment trial effects.
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.