基于EIT衍生参数的量化评估和萨尔科佩尼亚肌肉功能诊断

科学领域:

• 生物医学工程 生物医学工程
• 老年学是一门学科.
• 肌肉骨研究 研究

背景情况:

• 在老年人群中,肉症对健康构成重大负担,需要准确的诊断工具.
• 目前评估肌肉功能的方法可能具有侵入性或缺乏可移植性.
• 对肌肉功能的定量评估对于缓解与年龄相关的衰退至关重要.

研究的目的:

• 开发和验证一种使用电阻断层扫描 (EIT) 来分类和评估肉类症和肌肉功能的方法.
• 探索EIT衍生参数与临床肌肉功能得分之间的相关性.
• 建立基于EIT数据的麻症诊断机器学习模型.

主要方法:

• 招募了31名参与者,分为三组:麻症,健康的老年人和健康的年轻人.
• 收集了临床肌肉健康评估得分和EIT衍生参数 (导电和阻抗).
• 使用K-最接近邻居 (KNN) 算法构建了萨科佩尼亚分类模型.

主要成果:

• 在各组中,EIT导电性 (σ) 显著不同 (p <0.05).
• 肌肉功能得分与 σ (r = 0.73) 有着强烈的正相关,与阻抗 (Z) (r = -0.55) 有着强烈的负相关.
• 该KNN模型实现了高准确度 (0.89) 和AUC (0.94) 萨科佩尼亚分类.

结论:

• 欧洲肌肉研究所是一个可行的,便携式工具,用于评估肌肉功能和分类肉症.
• EIT参数与已建立的肌肉强度和功能的临床测量有很好的相关性.
• 欧洲智能研究所具有早期 Sarcopenia 查,诊断和康复监测的潜力.