SCHATTING VAN DE BALANSSTATUS BIJ HEMIPARETIE

De demografische gegevens en klinische informatie van de deelnemers werden geregistreerd. Klinische informatie bestaat uit enkele medische basisgegevens voor de patiënten. Hodkinson Mental Test werd gebruikt om de cognitieve status van de deelnemers te beoordelen als ze aan de inclusiecriteria voldeden. Balance Evaluation Systems Test werd gebruikt om de balansstatus van de deelnemers te beoordelen.

Feed-forward back-propagation ANN's werden in deze studie gebruikt door gebruik te maken van het Levenberg-Marquardt-trainingsalgoritme. Tangent hyperbolische overdrachtsfuncties werden gebruikt in de verborgen laag. Matlab (versie R2017b, Mathworks Inc, VS) werd gebruikt bij het modelleren van ANN's. 70% (n=46), 15% (n=10) en 15% (n=10) van de gegevens verkregen van de deelnemers werden respectievelijk gebruikt voor training, validatie en test in het onderzoek. Er werden ook meerdere lineaire regressiemodellen (MLR) gebruikt om te vergelijken met ANN's.

Ten eerste werden de ANN's gemodelleerd voor het eerste doel van de studie. We gebruikten de gegevens van de vijf traditionele evenwichtstests in de BESTest die niet de echte waarden gebruikten (de timing of afstand), maar alleen de geclassificeerde waarden (0-3 punten in de BESTest) om ANN's te trainen. Vijf balanstesten waren functionele reikwijdtetest (cm), een been-statest voor rechter- en linkerzijde (sec), 6-meter getimede looptest (sec) en timed up and go-test (sec). Vervolgens vergelijken we de handmatige totale BESTest-scores met de voorspelde scores door de ANN's.

Ten tweede hebben we 6 secties van de BESTest één voor één verwijderd en gemodelleerd met de resterende 5 secties van de test om de totale BESTest-score te schatten. Na deze modellering hebben we elk item één voor één uit de eerste sectie verwijderd en de totale score van de eerste sectie geschat. We hebben het proces herhaald voor alle secties van de BESTest.

Statistische analyse