Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

ОЦЕНКА СОСТОЯНИЯ БАЛАНСА ПРИ ГЕМИПАРЕТИКАХ

5 июня 2020 г. обновлено: Güzin Kara, Pamukkale University

ОЦЕНКА СОСТОЯНИЯ БАЛАНСА У БОЛЬНЫХ С ГЕМИПАРЕСОМ: ИСКУССТВЕННАЯ НЕЙРОСЕТЕВАЯ РЕАЛИЗАЦИЯ

Хотя тест систем оценки баланса (BESTest) является важным инструментом оценки баланса для дифференциации дефицита баланса, он отнимает много времени и утомляет пациентов с гемипарезом. Использование искусственных нейронных сетей (ИНС) для оценки состояния баланса может быть практичным и полезным инструментом для клиницистов. Цель этого исследования состояла в том, чтобы сравнить ручные результаты BESTest и прогностические результаты ANN, а также определить наибольший вклад разделов BESTest с использованием прогностических результатов ANN для разделов BESTest. В исследование было включено 66 человек с гемипарезом. Состояние баланса оценивалось с помощью BESTest. 70% (n = 46) набора данных использовались для обучения, 15% (n = 10) для оценки и 15% (n = 10) для целей тестирования для моделирования ИНС. Модель множественной линейной регрессии (MLR) использовалась для сравнения с ANN.

Обзор исследования

Статус

Завершенный

Условия

Гемипарез

Вмешательство/лечение

Другой: Тест систем оценки баланса

Подробное описание

Были записаны демографические и клинические данные участников. Клиническая информация состоит из некоторых основных медицинских данных о пациентах. Умственный тест Ходкинсона использовался для оценки когнитивного статуса участников, если они соответствовали критериям включения. Тест систем оценки баланса использовался для оценки состояния баланса участников.

В этом исследовании использовались ИНС с прямой связью и обратным распространением с использованием алгоритма обучения Левенберга-Марквардта. В скрытом слое использовались тангенциальные гиперболические передаточные функции. Для моделирования ИНС использовался Matlab (версия R2017b, Mathworks Inc, США). 70% (n=46), 15% (n=10) и 15% (n=10) данных, полученных от участников, использовались для обучения, проверки и тестирования в исследовании соответственно. Модели множественной линейной регрессии (MLR) также использовались для сравнения с ANN.

Во-первых, ИНС были смоделированы для первой цели исследования. Мы использовали данные пяти традиционных тестов баланса в BESTest, которые не использовали реальные значения (время или расстояние), а только классифицированные значения (0-3 балла в BESTest) для обучения ИНС. Пять тестов на равновесие включали тест на функциональный охват (см), тест стояния на одной ноге для правой и левой стороны (сек), тест ходьбы на время на 6 метров (сек) и тест на время вверх и вперед (сек). Затем мы сравниваем полученные вручную общие оценки BESTest с прогнозируемыми оценками ANN.

Во-вторых, мы удалили 6 разделов BESTest один за другим и смоделировали оставшиеся 5 разделов теста, чтобы оценить общий балл BESTest. После этого моделирования мы удалили каждый элемент по одному в первом разделе и оценили общий балл первого раздела. Мы повторили процесс для всех разделов BESTest.

Статистический анализ

Тип исследования

Наблюдательный

Регистрация (Действительный)

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

От 31 год до 61 год (Взрослый, Пожилой взрослый)

Принимает здоровых добровольцев

Нет

Полы, имеющие право на обучение

Все

Метод выборки

Невероятностная выборка

Исследуемая популяция

В исследовании приняли участие 66 добровольцев с гемипарезом (23 женщины, 43 мужчины). Участники проинформированы о праве отозвать свое согласие в любое время. Перед тем, как дать подписанное согласие, все проинформированы об этом.

Описание

Критерии включения:

В возрасте от 35 до 65 лет,
Может ходить самостоятельно или с помощью ходунков,
Способен стоять не менее 1 минуты самостоятельно,
Имея однократный гемипарез,
Получение не менее 8 баллов по психологическому тесту Ходкинсона.

Критерий исключения:

Наличие сопутствующих заболеваний, влияющих на их баланс,
Наличие проблем с общением.
Пациенты, которые не могут понять данные им указания, исключались из исследования.

Учебный план

В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

Наблюдательные модели: Другой
Временные перспективы: Поперечный разрез

Что измеряет исследование?

Первичные показатели результатов

Мера результата	Мера Описание	Временное ограничение
Тест систем оценки баланса (BESTest) Временное ограничение: два года	Биомеханические ограничения, пределы стабильности/вертикальность, упреждающие постуральные корректировки, постуральные реакции, сенсорная ориентация и стабильность походки	два года
Моделирование искусственных нейронных сетей Временное ограничение: два года	сравнение итоговых оценок BESTest, полученных вручную, с прогнозируемыми оценками, полученными с помощью ANN.	два года
Моделирование искусственных нейронных сетей Временное ограничение: два года	определение наибольшего вклада подмножеств BESTest, чтобы найти прогнозирующие результаты ANN для подмножеств BESTest.	два года

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Спонсор

Pamukkale University

Следователи

Главный следователь: Güzin Kara, PhD, PT, Pamukkale University

Публикации и полезные ссылки

Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.

Общие публикации

Kaczmarczyk K, Wit A, Krawczyk M, Zaborski J, Gajewski J. Associations between gait patterns, brain lesion factors and functional recovery in stroke patients. Gait Posture. 2012 Feb;35(2):214-7. doi: 10.1016/j.gaitpost.2011.09.009. Epub 2011 Sep 19.
Demir U, Kocaoğlu S, Akdoğan E. Human impedance parameter estimation using artificial neural network for modelling physiotherapist motion. Biocybernetics and Biomedical Engineering. 2016; 36(2): 318-326

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (Действительный)

31 июля 2016 г.

Первичное завершение (Действительный)

31 мая 2018 г.

Завершение исследования (Действительный)

31 мая 2018 г.

Даты регистрации исследования

Первый отправленный

2 июня 2020 г.

Впервые представлено, что соответствует критериям контроля качества

5 июня 2020 г.

Первый опубликованный (Действительный)

9 июня 2020 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)