从帕金森病中的行走特征预测执行功能,使用机器学习

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 老年病的医生 老年病的医生

背景情况:

• 帕金森病 (PD) 呈现出运动和认知障碍.
• 现有的研究表明,在PD中,运动症状 (行走) 和认知缺陷之间存在联系,但经验证据有限.
• 了解这种关系对于全面的PD管理至关重要.

研究的目的:

• 研究帕金森病患者的特定步行特征与执行功能之间的关联.
• 应用先进的机器学习技术来分析步态数据和认知测试结果.
• 确定可能作为PD认知状态生物标志物的步态参数.

主要方法:

• 通过使用惯性测量单元 (IMU) 来分析103名老年帕金森病住院患者在四种行走条件下的步态数据.
• 使用了五种归算方法和四种回归方法,包括链式方程多重归算 (MICE) 和支向量回归 (SVR).
• 通过使用Trail-Making Test (TMT) 来评估执行职能.

主要成果:

• 支持向量回归 (SVR) 结合连锁方程多重推算 (MICE) 提高了预测准确度4.95%.
• 步行特征,特别是步行时间的变化,双肢支时间的变化,以及双任务行走时的步行速度与认知需求,与执行功能 (Δ-TMT) 的变化显著相关.
• 仅使用步行特征的机器学习模型显示了与执行功能结果的显著,尽管轻微的相关性.

结论:

• 这项研究提供了直接的经验证据,将特定的步态特征与帕金森病中的执行功能联系起来.
• 步行特征,特别是在认知要求高的条件下,可以提供对PD患者认知状态的见解.
• 这些发现强调了使用步态分析作为评估帕金森病认知功能的非侵入性工具的潜力.