Inertial Sensing to Determine Movement Disorder Motion Present before and after Treatment
Notice bibliographique
Résumé
There has been a lot of interest in recent years in using inertial sensors (accelerometers and gyroscopes) to monitor movement disorder motion and monitor the efficacy of treatment options. Two of the most prominent movement disorders, which are under evaluation in this research paper, are essential tremor (ET) and Parkinson's disease (PD). These movement disorders are first evaluated to show that ET and PD motion often depict more (tremor) motion content in the 3-12 Hz frequency band of interest than control data and that such tremor motion can be characterized using inertial sensors. As well, coherence analysis is used to compare between pairs of many of the six degrees-of-freedom of motions under evaluation, to determine the similarity in tremor motion for the various degrees-of-freedom at different frequency bands of interest. It was quite surprising that this coherence analysis depicts that there is a statistically significant relationship using coherence analysis when differentiating between control and effectively medicated PD motion. The statistical analysis uncovers the novel finding that PD medication induced dyskinesia is depicted within coherence data from inertial signals. Dyskinesia is involuntary motion or the absence of intended motion, and it is a common side effect among medicated PD patients. The results show that inertial sensors can be used to differentiate between effectively medicated PD motion and control motion; such a differentiation can often be difficult to perform with the human eye because effectively medicated PD patients tend to not produce much tremor. As well, the finding that PD motion, when well medicated, does still differ significantly from control motion allows for researchers to quantify potential deficiencies in the use of medication. By using inertial sensors to spot such deficiencies, as outlined in this research paper, it is hoped that medications with even a larger degree of efficacy can be created in the future.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».