Generating Models of Human Gait in Patients with Parkinson’s Disease
Notice bibliographique
Résumé
Parkinson’s disease is an extremely debilitating condition where the brain is not producing enough dopamine to accurately coordinate movement. One symptom of Parkinson’s disease, freezing of gait, prevents the affected person from either starting to walk or continuing walking. It usually begins in the advanced stages of the disease. The primary medication for Parkinson’s disease, Levodopa, is only partially effective for the treatment of freezing of gait. The dataset studied in this thesis provides time-series gait data of individuals’ gait while performing four different tasks, each having increased complexity over the previous ones. This thesis looks at a time-series gait dataset and performs symbolic regression through genetic programming on that dataset to predict fall likelihood and to create models of the gait of people with and without Parkinson’s disease including people who may be experiencing freezing of gait while factoring in their medication status (ON or OFF). The fall prediction experiment suggests that the GP models can predict the likelihood of falling based on the individual’s gait. The models provide insights into how Parkinson’s disease and freezing of gait impact gait patterns in people who have the disease vs. those who do not and enables us to compare the gait of individuals in different groups. It was found that, as expected, gait was similar within groups and different between groups. We also found that for some individuals it was not possible to distinguish between ON and OFF medication states. Future work might include determining the best models for each individual or group, attempting to find a model that accurately represents the individual or group rather than the individual 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 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».