Using Theia Markerless Motion capture to measure the impact of adjusting deep brain stimulation parameters on gait in a Parkinson’s Disease case study
Notice bibliographique
Résumé
The way one swings their arms, turns their torso, and moves their feet, are gait parameters that are commonly disturbed in patients with Parkinson’s Disease (PD).1 Deep brain stimulation in the subthalamic nucleus (STN-DBS) has proven to be an effective long-term therapy for reducing cardinal motor symptoms and improving quality of life, compared to standard medical treatments like levodopa-based therapies.2-4 However, optimizing STN-DBS settings for individual needs can be a complex process, as standard clinical tools for PD progression, such as the Unified Parkinson's Disease Rating Scale, may be subjective and have limitations.5,6 This project aimed to explore markerless motion capture as a novel, objective measurement of gait progression in PD. The study used an n=1 case design to investigate how gait metrics change with adjustments to DBS settings. The participant, a PD patient with STN-DBS, underwent five randomized, double-blind trials in which their DBS frequency (Hz) and current strength (mA) were adjusted. The following combinations of left and right ventral electrode settings were used: Left: 179 Hz, 3.1 mA; Right: 179 Hz, 2.9mA (Baseline) Left: 149 Hz, 3.1 mA; Right: 149 Hz, 2.9mA (149 low) Left: 149 Hz, 3.4 mA; Right: 149 Hz, 3.2 mA (149 high) Left: 104 Hz, 3.1 mA; Right: 104 Hz, 2.9mA (104 low) Left: 104 Hz, 3.3 mA; Right: 104 Hz, 3.2 mA (104 high) During each 5-minute trial, the participant walked on a treadmill at a comfortable speed while being recorded using a Theia3D markerless motion capture system. The recordings were analyzed using Visual3D software, which quantified gait metrics including cadence, step length, stride length, posture, and arm swing. Notably, differences in the participant’s arm swing between the left and right sides were observed across the various DBS settings. This technology provided objective, measurable data on gait, offering a potential tool for future gait assessments in PD. Its applicability extends to long-term tracking of patient progress, with the potential for markerless motion capture to transform how clinicians evaluate the efficacy of DBS in patients with PD.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».