A framework to standardize gait study protocols in Parkinson's disease
Notice bibliographique
Résumé
BackgroundResearch over the past twenty years has shown that gait outcomes have a high sensitivity for diagnosing Parkinson's disease (PD), for detecting the effects of interventions, and for monitoring disease progression, even in early disease. However, the lack of standardization in protocols and reported gait measures is impeding data aggregation across study sites and contributes to heterogeneity in the results, thus limiting the adoption of gait outcomes in clinical trials.ObjectiveTo provide recommendations for a minimum set of gait measures to be adopted in projects evaluating people with PD to enhance standardization across the field.MethodsThe Gait Advisors Leading Outcomes for Parkinson's (GALOP) committee is an advisory committee for the MJFF. Based on a five-step approach, GALOP generated recommendations for standardizing protocols that assess quantitative gait measures, following expert consensus on best practices.ResultsBuilt on the literature and consensus amongst experts, we recommend a minimum set of meta-data to accompany gait protocols and a minimum gait assessment protocol to be performed at a comfortable speed. Suggestions on challenging testing are provided.ConclusionsTo support and empower the scientific community, we have generated recommendations to collect and share gait data gathered from people with PD using an open data repository. Standardizing gait protocols and outcomes in PD has the potential of accelerating research and clinical trials, harmonizing protocols across study sites, fostering collaborations, and in the long run, improving patient care and quality of life.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».