The feasibility of using robotic technology to quantify sensory, motor, and cognitive impairments associated with ALS
Notice bibliographique
Résumé
OBJECTIVE: We used the KINARM robot to quantify impairments in cognitive and upper-limb sensorimotor performance in a cohort of people with amyotrophic lateral sclerosis (ALS). We sought to study the feasibility of using this technology for ALS research, to quantify patterns of impairments in individuals living with ALS, and elucidate correlations between robotic and traditional clinical behavioral measures. METHODS: Participants completed robot-based behavioral tasks testing sensorimotor, cognitive, and proprioceptive performance. Performance on robotic tasks was normalized to a large healthy control cohort (no neurological impairments), adjusted for age. Task impairment was defined as performance outside the 95% range of controls. Traditional clinical tests included: Frontal Assessment Battery (FAB), ALS Functional Rating Scale-Revised (ALSFRS-R), and Montreal Cognitive Assessment (MoCA). RESULTS: Seventeen people with ALS were assessed. Two participants reported pain or discomfort from the robot's seat and 2 others reported discomfort from arm position during the assessment (both rectified and did not affect exam completion). Participants were able to perform the majority of the robotic tasks, although 9 participants were unable to complete 1 or more tasks. Between 20 and 69% of participants displayed sensorimotor impairments; 19 and 69% displayed cognitive task impairments; 25% displayed proprioceptive impairments. MoCA was impaired in 9/17 participants; 10/17 had impaired performance on FAB. MoCA and FAB correlated well with robot-based measures of cognition. CONCLUSION: Use of robotic assessment is generally feasible for people with ALS. Individuals with ALS have sensorimotor impairments as expected, and some demonstrate substantial cognitive impairments.
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 | 0,000 |
| 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 | 0,000 | 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 ».