Dizziness Handicap Inventory Score Is Highly Correlated With Markers of Gait Disturbance
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the association between Dizziness Handicap Inventory-Screening version (DHI-S) score and spatiotemporal gait parameters using SoleSound, a newly developed, inexpensive, portable footwear-based gait analysis system. STUDY DESIGN: Cross-sectional. PATIENTS: One hundred eighteen patients recruited from otology clinic. INTERVENTION(S): Subjects completed the DHI-S survey and four uninterrupted walking laps wearing SoleSound instrumented footwear on a hard, flat surface for 100 m. MAIN OUTCOME MEASURE(S): For each subject, mean and coefficient of variation (CV) of stride length, cadence, walking speed, foot-ground clearance, double-support time, swing period, and stance-to-swing were computed by considering 40 strides of steady-state walking within each lap. Linear regression models were employed to study correlations between these variables and DHI-S scores after adjusting for age, sex, and race/ethnicity. RESULTS: Patients with higher DHI-S score took shorter steps and less steps per minute (-0.017 m and -1.1 steps/min per every four-point increase in DHI-S score, p < 0.05) than patients with a lower DHI-S score, with slower walking speed (-0.025 m/s per every four-point increase in DHI-S score, p < 0.01). Additionally, patients with higher DHI-S scores showed larger variability in all analyzed temporal parameters (+0.1% for CV of cadence, +0.5% for CV of double support period, +0.2% for CV of swing period, and +0.4% for CV of stance-to-swing, per every four-point increase in DHI-S score, p < 0.01). CONCLUSION: SoleSound was effective in measuring a wide range of gait parameters. Patients' self-perception of vestibular handicap, as assessed with DHI-S, is associated with deterioration in measurable gait parameters independent of age.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».