Principal Components Analysis Using Data Collected From Healthy Individuals on Two Robotic Assessment Platforms Yields Similar Behavioral Patterns
Notice bibliographique
Résumé
BACKGROUND: Kinarm Standard Tests (KSTs) is a suite of upper limb tasks to assess sensory, motor, and cognitive functions, which produces granular performance data that reflect spatial and temporal aspects of behavior (>100 variables per individual). We have previously used principal component analysis (PCA) to reduce the dimensionality of multivariate data using the Kinarm End-Point Lab (EP). Here, we performed PCA using data from the Kinarm Exoskeleton Lab (EXO), and determined agreement of PCA results across EP and EXO platforms in healthy participants. We additionally examined whether further dimensionality reduction was possible by using PCA across behavioral tasks. METHODS: = 170-200). Four behavioral tasks (six assessments in total) were performed that quantified arm sensory and motor function, including position sense [Arm Position Matching (APM)] and three motor tasks [Visually Guided Reaching (VGR), Object Hit (OH), and Object Hit and Avoid (OHA)]. The number of components to include per task was determined from scree plots and parallel analysis, and rotation type (orthogonal vs. oblique) was decided on a per-task basis. To assess agreement, we compared principal components (PCs) across platforms using distance correlation. We additionally considered inter-task interactions in EXO data by performing PCA across all six behavioral assessments. RESULTS: By applying PCA on a per task basis to data collected using the EXO, the number of behavioral parameters were substantially reduced by 58-75% while accounting for 76-87% of the variance. These results compared well to the EP analysis, and we found good-to-excellent agreement values (0.75-0.99) between PCs from the EXO and those from the EP. Finally, we were able to reduce the dimensionality of the EXO data across tasks down to 16 components out of a total of 76 behavioral parameters, which represents a reduction of 79% while accounting for 73% of the total variance. CONCLUSION: PCA of Kinarm robotic assessment appears to capture similar relationships between kinematic features in healthy individuals and is agnostic to the robotic platform used for collection. Further work is needed to investigate the use of PCA-based data reduction for the characterization of neurological deficits in clinical populations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».