Hold that pose: capturing cervical dystonia's head deviation severity from video
Notice bibliographique
Résumé
OBJECTIVE: Deviated head posture is a defining characteristic of cervical dystonia (CD). Head posture severity is typically quantified with clinical rating scales such as the Toronto Western Spasmodic Torticollis Rating Scale (TWSTRS). Because clinical rating scales are inherently subjective, they are susceptible to variability that reduces their sensitivity as outcome measures. The variability could be circumvented with methods to measure CD head posture objectively. However, previously used objective methods require specialized equipment and have been limited to studies with a small number of cases. The objective of this study was to evaluate a novel software system-the Computational Motor Objective Rater (CMOR)-to quantify multi-axis directionality and severity of head posture in CD using only conventional video camera recordings. METHODS: CMOR is based on computer vision and machine learning technology that captures 3D head angle from video. We used CMOR to quantify the axial patterns and severity of predominant head posture in a retrospective, cross-sectional study of 185 patients with isolated CD recruited from 10 sites in the Dystonia Coalition. RESULTS: The predominant head posture involved more than one axis in 80.5% of patients and all three axes in 44.4%. CMOR's metrics for head posture severity correlated with severity ratings from movement disorders neurologists using both the TWSTRS-2 and an adapted version of the Global Dystonia Rating Scale (rho = 0.59-0.68, all p <0.001). CONCLUSIONS: CMOR's convergent validity with clinical rating scales and reliance upon only conventional video recordings supports its future potential for large scale multisite clinical trials.
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) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».