MétaCan
Menu
Retour à la cohorte
Enregistrement W3126204981 · doi:10.1186/s12984-021-00807-5

Regularity of kinematic data between single and dual-task treadmill walking in people with Parkinson’s disease

2021· article· en· W3126204981 sur OpenAlexafffund
Samira Ahmadi, Tarique Siragy, Julie Nantel

Notice bibliographique

RevueJournal of NeuroEngineering and Rehabilitation · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Research, Innovation and Science
Mots-clésSample entropyKinematicsPhysical medicine and rehabilitationComplexity indexGaitTrunkTreadmillTask (project management)Computer scienceArtificial intelligenceMedicinePhysical therapyPattern recognition (psychology)AlgorithmEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Regularity, quantified by sample entropy (SampEn), has been extensively used as a gait stability measure. Yet, there is no consensus on the calculation process and variant approaches, e.g. single-scale SampEn with and without incorporating a time delay greater than one, multiscale SampEn, and complexity index, have been used to calculate the regularity of kinematic or kinetic signals. The aim of the present study was to test the discriminatory performance of the abovementioned approaches during single and dual-task walking in people with Parkinson's disease (PD). METHODS: Seventeen individuals with PD were included in this study. Participants completed two walking trials that included single and dual-task conditions. The secondary task was word searching with twelve words randomly appearing in the participants' visual field. Trunk linear acceleration at sternum level, linear acceleration of the center of gravity, and angular velocity of feet, shanks, and thighs, each in three planes of motion were collected. The regularity of signals was computed using approaches mentioned above for single and dual-task conditions. RESULTS: Incorporating a time delay greater than one and considering multiple scales helped better distinguish between single and dual-task walking. For all signals, the complexity index, defined as the summary of multiscale SampEn analysis, was the most efficient discriminatory index between single-task walking and dual-tasking in people with Parkinson's disease. Specifically, the complexity index of the trunk linear acceleration of the center of gravity distinguished between the two walking conditions in all three planes of motion. CONCLUSIONS: The significant results observed across the 24 signals studied in this study are illustrative examples of the complexity index's potential as a gait feature for classifying different walking conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,304
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroEngineering and RehabilitationMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207