MétaCan
Menu
Retour à la cohorte
Enregistrement W4288732570 · doi:10.2196/40856

Upper Extremity Examination for Neuromuscular Diseases (U-EXTEND): Protocol for a Multimodal Feasibility Study

2022· article· en· W4288732570 sur OpenAlexvenueno aff
Robert Gutiérrez, Allison McCrady, Chelsea Masterson, Sarah Tolman, Mehdi Boukhechba, Laura E. Barnes, Silvia S. Blemker, Rebecca J. Scharf

Notice bibliographique

RevueJMIR Research Protocols · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurogenetic and Muscular Disorders Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Institute of General Medical Sciences
Mots-clésProtocol (science)Physical medicine and rehabilitationMedicineComputer sciencePhysical therapyAlternative medicinePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Neuromuscular diseases, such as spinal muscular atrophy (SMA) and Duchenne muscular dystrophy (DMD), may result in the loss of motor movements, respiratory failure, and early mortality in young children and in adulthood. With novel treatments now available, new evaluation methods are needed to assess progress that is not currently captured in existing motor scale tests. OBJECTIVE: With our feasibility study, our interdisciplinary team of investigators aims to develop a novel, multimodal paradigm of measuring motor function in children with neuromuscular diseases that will revolutionize the way that clinical trial end points are measured, thereby accelerating the pipeline of new treatments for childhood neuromuscular diseases. Through the Upper Extremity Examination for Neuromuscular Diseases (U-EXTEND) study, we hypothesize that the novel objective measures of upper extremity muscle structure and function proposed herein will be able to capture small changes and differences in function that cannot be measured with current clinical metrics. METHODS: U-EXTEND introduces a novel paradigm in which concrete, quantitative measures are used to assess motor function in patients with SMA and DMD. Aim 1 will focus on the use of ultrasound techniques to study muscle size, quality, and function, specifically isolating the biceps and pronator muscles of the upper extremities for follow-ups over time. To achieve this, clinical investigators will extract a set of measurements related to muscle structure, quality, and function by using ultrasound imaging and handheld dynamometry. Aim 2 will focus on leveraging wearable wireless sensor technology to capture motion data as participants perform activities of daily living. Measurement data will be examined and compared to those from a healthy cohort, and a motor function score will be calculated. RESULTS: Data collection for both aims began in January 2021. As of July 2022, we have enrolled 44 participants (9 with SMA, 20 with DMD, and 15 healthy participants). We expect the initial results to be published in summer 2022. CONCLUSIONS: We hypothesize that by applying the described tools and techniques for measuring muscle structure and upper extremity function, we will have created a system for the precise quantification of changes in motor function among patients with neuromuscular diseases. Our study will allow us to track the minimal clinically important difference over time to assess progress in novel treatments. By comparing the muscle scores and functional scores over multiple visits, we will be able to detect small changes in both the ability of the participants to perform the functional tasks and their intrinsic muscle properties. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/40856.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,373
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,351
Tête enseignante GPT0,588
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreProtocole

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

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetNeurogenetic and Muscular Disorders ResearchTravaux en français237 207