편마비 환자의 균형 상태 추정

참가자의 인구 통계 및 임상 정보가 기록되었습니다. 임상 정보는 환자를 위한 기본적인 의료 데이터로 구성됩니다. 참가자가 포함 기준을 충족하는 경우 참가자의 인지 상태를 평가하기 위해 Hodkinson Mental Test를 사용했습니다. 균형 평가 시스템 테스트는 참가자의 균형 상태를 평가하는 데 사용되었습니다.

이 연구에서는 Levenberg-Marquardt 학습 알고리즘을 사용하여 Feed-forward back-propagation ANN을 사용했습니다. 은닉층에는 탄젠트 쌍곡선 전달 함수가 사용되었습니다. Matlab(Version R2017b, Mathworks Inc, USA)은 ANN 모델링에 사용되었습니다. 참가자로부터 얻은 데이터의 70%(n=46), 15%(n=10) 및 15%(n=10)가 연구에서 훈련, 검증 및 테스트에 각각 사용되었습니다. 다중 선형 회귀(MLR) 모델도 ANN과 비교하는 데 사용되었습니다.

첫째, ANN은 연구의 첫 번째 목적을 위해 모델링되었습니다. 실제 값(타이밍 또는 거리)을 사용하지 않고 분류된 값(BESTest의 0-3점)만 사용하여 ANN을 교육하는 BESTest의 5가지 기존 밸런스 테스트 데이터를 사용했습니다. 5개의 균형 테스트는 기능 도달 테스트(cm), 좌우 한쪽 다리 서기 테스트(초), 6미터 시간 제한 걷기 테스트(초) 및 시간 초과 및 이동 테스트(초)였습니다. 그런 다음 수동 총 BESTest 점수를 ANN의 예측 점수와 비교합니다.

둘째, BESTest의 6개 섹션을 하나씩 제거하고 테스트의 나머지 5개 섹션으로 모델링하여 전체 BESTest 점수를 추정했습니다. 이 모델링 후 첫 번째 섹션에서 각 항목을 하나씩 제거하고 첫 번째 섹션 총점을 추정했습니다. BESTest의 모든 섹션에 대해 프로세스를 반복했습니다.

통계 분석