Quantitative Assessment of Gait Characteristics in Degenerative Cervical Myelopathy: A Prospective Clinical Study
Notice bibliographique
Résumé
It is challenging to discriminate the early presentation of Degenerative Cervical Myelopathy (DCM) as well as sensitively and accurately distinguishing between mild, moderate, and severe levels of impairment. As gait dysfunction is one of the cardinal symptoms of DCM, we hypothesized that spatiotemporal gait parameters, including the enhanced gait variability index (eGVI), could be used to sensitively discriminate between different severities of DCM. A total of 153 patients recently diagnosed with DCM were recruited and stratified on the basis of DCM severity grades, as measured using the modified Japanese Orthopedic Association (mJOA) scale. Demographic information and neurological status were collected. Gait assessments were performed using an 8 m walkway. Spearman rank correlation was used to identify relationships between gait parameters and mJOA values as well as the mJOA lower extremity (LE) subscore. Kruskal–Wallis H test was performed to evaluate differences between severity groups, as defined by mJOA classification. A significant and relatively strong correlation was found between the mJOA score and eGVI, as well as between the LE subscore of the mJOA and eGVI. Significant differences in the eGVI (X2(2, N = 153) = 55.04, p < 0.0001, ε2 = 0.36) were found between all groups of DCM severity, with a significant increase in the eGVI as DCM progressed from mild to moderate. The eGVI was the most discriminative gait parameter, which facilitated objective differentiation between varying severities of DCM. Quantitative gait assessments show promise as an accurate and objective tool to diagnose and classify DCM, as well as to potentially evaluate the impact of therapeutic interventions.
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 | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».