使用移动可穿戴设备和机器学习量化帕金森病的严重程度:ParkApp试点研究协议

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 数字健康数字健康

背景情况:

• 临床帕金森病 (PD) 评估面临着可靠性挑战和不频繁的监测 (每隔6个月).
• 在PD中经常出现的症状变化很难通过传统的临床访问来捕捉.
• 使用技术的客观,远程监控可以克服这些局限性.

研究的目的:

• 评估远程帕金森病症状测量的可行性,合规性和用户体验.
• 调查智能手机和可穿戴传感器在PD患者家中被动和主动数据收集的使用情况.
• 探索数字健康工具的潜力,以频繁客观地评估PD症状.

主要方法:

• 一项可行性研究,涉及PD患者使用Mobistudy智能手机应用程序进行2个月的每周活动测试 (例如,TUG,震,手指敲击).
• 使用GENEActiv手腕设备持续收集28天的动态图数据.
• 整合问卷 (例如NMSQuest,PDQ-8,睡眠尺度) 和临床评估 (MDS-UPDRS) 来获得综合数据.
• 信号处理和机器学习的应用,以分析传感器数据并与临床结果相关联.

主要成果:

• 数据收集正在进行中,参与者积极参与每周的远程评估.
• 用户体验和技术接受度正在通过专门的问卷进行评估.
• 计划对传感器衍生的指标和临床PD严重程度得分 (MDS-UPDRS) 进行相关性分析.

结论:

• 智能手机和可穿戴技术对帕金森病症状的频繁,远程和客观评估充满希望.
• 这种方法可以通过捕捉疾病波动来改善PD的管理.
• 进一步的分析将确定这个数字健康战略的长期可行性和临床实用性.