Validation of a Portable Device for Mapping Motor and Gait Disturbances in Parkinson’s Disease
Notice bibliographique
Résumé
BACKGROUND: Patients with severe idiopathic Parkinson's disease experience motor fluctuations, which are often difficult to control. Accurate mapping of such motor fluctuations could help improve patients' treatment. OBJECTIVE: The objective of the study was to focus on developing and validating an automatic detector of motor fluctuations. The device is small, wearable, and detects the motor phase while the patients walk in their daily activities. METHODS: Algorithms for detection of motor fluctuations were developed on the basis of experimental data from 20 patients who were asked to wear the detector while performing different daily life activities, both in controlled (laboratory) and noncontrolled environments. Patients with motor fluctuations completed the experimental protocol twice: (1) once in the ON, and (2) once in the OFF phase. The validity of the algorithms was tested on 15 different patients who were asked to wear the detector for several hours while performing daily activities in their habitual environments. In order to assess the validity of detector measurements, the results of the algorithms were compared with data collected by trained observers who were accompanying the patients all the time. RESULTS: The motor fluctuation detector showed a mean sensitivity of 0.96 (median 1; interquartile range, IQR, 0.93-1) and specificity of 0.94 (median 0.96; IQR, 0.90-1). CONCLUSIONS: ON/OFF motor fluctuations in Parkinson's patients can be detected with a single sensor, which can be worn in everyday life.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».