NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka plan/objektiflerPostoral istikrarsızlık dengeden ödün verir ve Parkinson hastalığında (PD) yıllık düşme oranlarına %45-68 oranında katkıda bulunur. Postural istikrarsızlığın klinik değerlendirme ve tedavisinde temel bir boşluk, yetersiz zorlu postural kontrol testlerinin kullanılması ve öznel puanlamaya güvenmektir. Geleneksel 3D hareket yakalama (Geleneksel-MC), kesin ve objektif olmakla birlikte, klinik kullanım için uygun değildir. İşaretsiz hareket yakalama (MMC), postural kontrolü ölçmek için uygun bir adaydır, artırılmış gerçeklik (AR) kulaklıklarının gömülü kameralarıyla uygulanabilir. Bu proje, postural kontrolün nicelenmesinde MMC doğruluğunu değerlendirmeyi ve PD hastalarını ve sağlıklı kontrolleri (HC'leri) karşılaştırarak bir denge kaybı (LOB) tahmin modeli geliştirmeyi amaçladı.MetodsVideo verileri, katılımcılar aşamalı olarak zorlu üç postural kontrol duruşunu tamamladığında bir Microsoft HoloLens 2 AR kulaklığı giyen bir klinisyen tarafından elde edildi. Derinlik ve kırmızı-yeşil-mavi kamera verileri, özel inşa edilmiş insan poz tahmini yazılımımız (CART-MMC) ile analiz edildi. Geleneksel-MC ve CART-MMC arasındaki Kriter geçerliliği sonuçlar üzerinde tamamlandı, %95 elipsoit sallanma alanı (Sway alanı) ve %95 mediolateral ve anteroposterior (ML ve AP) 54 (HC = 28, PD = 26) katılımcı aralığındadır. Grup farklılıkları değerlendirildi ve hayatta kalma analizi 31 HC ve 68 PD hastada LOB olasılıklarını ölçmek için yapıldı. CART-MMC verilerinden PD grubundaki LOB'u tahmin etmek için rahat bir LASSO modeli kullanıldı.CART-MMC'den resultsSway alanı ve ML aralığı Traditional-MC'ye eşdeğerdi. Ayrıca, CART-MMC'den ML aralığı, PD hastalarını en yüksek tamamlama oranına sahip duruşta HC'lerden ayırt etti. Postural görev zorluğu arttıkça, daha az PD hastası HC'lere kıyasla tamamlayabildi, bu da Tandem-Firm-EO ve FT-Foam-EC duruşlarında PD grubunun hayatta kalma olasılıklarının daha düşük olmasına neden oldu. En az zorlu duruşta, ML aralığı, LOB'un daha zorlu duruşta (LOO-CV AUC = 0.78) ortaya çıkmasını öngördü.ConclusionsCART-MMC, gizli postural kontrol açıklarını tespit edebilen ve düşmeleri tahmin etmek için ölçeklenebilir, objektif bir klinik ve uzaktan izleme yaklaşımı gösteren objektif postural kontrol sonuçları elde etmek için geçerli bir yöntemdir.
Özgün kaynak özetini okuyun
Background/objectivesPostural instability compromises balance, contributing to annual fall rates of 45%-68% in Parkinson's disease (PD). A fundamental gap in clinical evaluation and treatment of postural instability is the use of insufficiently challenging postural control tests and reliance on subjective scoring. Traditional 3D motion capture (Traditional-MC), while precise and objective, is not feasible for clinical utilization. Markerless motion capture (MMC) is a viable candidate for quantifying postural control, feasible with embedded cameras of augmented reality (AR) headsets. This project aimed to assess MMC accuracy in quantifying postural control and to compare PD patients and healthy controls (HCs) to develop a loss-of-balance (LOB) prediction model.MethodsVideo data were acquired by a clinician wearing a Microsoft HoloLens 2 AR headset as participants completed three progressively challenging postural control stances. Depth and red-green-blue camera data were analyzed with our custom-built human pose estimation software (CART-MMC). Criterion validity between Traditional-MC and CART-MMC was completed on outcomes, 95% ellipsoid sway area (Sway area) and 95% mediolateral and anteroposterior (ML and AP) ranges in 54 (HC = 28, PD = 26) participants. Group differences were assessed, and survival analysis was conducted to quantify no LOB probabilities in 31 HCs and 68 PD patients. A relaxed LASSO model was used to predict LOB in the PD group from CART-MMC data.ResultsSway area and ML range from CART-MMC were equivalent to Traditional-MC. Furthermore, ML range from CART-MMC differentiated PD patients from HCs in the stance that had the highest completion rate. As postural task difficulty increased, fewer PD patients were able to complete compared to HCs, resulting in lower survival probabilities of the PD group in Tandem-Firm-EO and FT-Foam-EC stances. In the least challenging stance, ML range predicted the occurrence of LOB in the more challenging stance (LOO-CV AUC = 0.78).ConclusionsCART-MMC is a valid method of obtaining objective postural control outcomes, which can detect latent postural control deficits and demonstrates a scalable, objective clinical and remote monitoring approach for predicting falls.
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.