在外围神经损伤和创伤的小鼠模型中,步态变化的多变量描述
Bilal A Naved1,2, Shuling Han2, Kyle M Koss2,3
1Department of Biomedical Engineering, McCormick School of Engineering, Northwestern University, Evanston, IL, United States of America.
PloS one
|January 8, 2025
概括
在神经损伤的动物模型中,多变量步态分析提供了与传统单变量分析相比,更准确的步态表型分类方法. 这种方法揭示了时空行走组件之间的生物相关关系,提高了诊断能力.
科学领域:
- 生物机械分析分析
- 神经科学是一个神经科学.
- 动物模型动物模型
背景情况:
- 在神经损伤的动物模型中,步态分析对于研究修复干预措施至关重要.
- 目前的方法主要使用单变量分析,限制了对多维步态数据的理解.
- 在外围神经损伤中时空步行组件之间的关系仍然不太清楚.
研究的目的:
- 调查多变量步态特征是否揭示了外围神经损伤中时空步态组件之间的生物学相关关系.
- 为了确定多变量分析是否与单变量分析相比,提高了不同步态表型的分类准确性.
主要方法:
- 收集了来自不同程度神经肌肉骨损伤的小鼠的DigiGait数据 (对照组,神经损伤,后肢移植).
- 采用探索性因素分析和前特征选择,以确定步态特征和潜伏因素.
- 训练了使用多变量特征的分类器模型,并将性能与使用单变量特征的模型进行比较.
主要成果:
- 确定了10-15个关键特征,用于描述外伤性外周神经损伤中的步态.
- 因子分析揭示了与生物差异相关的潜在因素,如解剖学变化和运动功能缺陷.
- 多变量模型在区分步态表型方面实现了高准确度 (>80%) 和统计显著性 (p < .001),优于单变量模型.
结论:
- 本研究首次对动物模型中的多变量步态分析进行性能评估,证明其优于单变量方法.
- 它是第一个利用多变量统计来描述和区分动物步行缺陷的分级.
- 开发的管道提供了一个全面的方法来研究病理,其中步态是一个转化结果.
