Robotic pilot study for analysing spasticity: clinical data versus healthy controls
Notice bibliographique
Résumé
BACKGROUND: Spasticity is a motor disorder that causes significant disability and impairs function. There are no definitive parameters that assess spasticity and there is no universally accepted definition. Spasticity evaluation is important in determining stages of recovery. It can determine treatment effectiveness as well as how treatment should proceed. This paper presents a novel cross sectional robotic pilot study for the primary purpose of assessment. The system collects force and position data to quantify spasticity through similar motions of the Modified Ashworth Scale (MAS) assessment in the Sagittal plane. Validity of the system is determined based on its ability to measure velocity dependent resistance. METHODS: Forty individuals with Acquired Brain Injury (ABI) and 45 healthy individuals participated in a robotic pilot study. A linear regression model was applied to determine the effect an ABI has on force data obtained through the robotic system in an effort to validate it. Parameters from the model were compared for both groups. Two techniques were performed in an attempt to classify between healthy and patients. Dynamic Time Warping (DTW) with k-nearest neighbour (KNN) classification is compared to a time-series algorithm using position and force data in a linear discriminant analysis (LDA). RESULTS: The system is capable of detecting a velocity dependent resistance (p<0.05). Differences were found between healthy individuals and those with MAS 0 who are considered to be healthy. DTW with KNN is shown to improve classification between healthy and patients by approximately 20 % compared to that of an LDA. CONCLUSIONS: Quantitative methods of spasticity evaluation demonstrate that differences can be observed between healthy individuals and those with MAS of 0 who are often clinically considered to be healthy. Exploiting the time-series nature of the collected data demonstrates that position and force together are an accurate predictor of patient health.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».