Teknologi ponsel pintar telah menangkap perbedaan nyata dalam gaya berjalan antara remaja penderita distrofi otot Duchenne (DMD) dan remaja yang biasanya berkembang (TD), menurut penyelidikan baru yang menggunakan tali telepon kebugaran NGN Sport yang dikenakan di pinggang untuk memegang Apple iPhone 11. — yang mencakup akselerometer tiga sumbu bawaan — dan aplikasi Walk4Me yang dikembangkan oleh para peneliti untuk mengumpulkan data tentang akselerasi vertikal, mediolateral, dan anterior-posterior.
Diterbitkan di Sensor (Basel)penyelidikan ini mencakup dua kelompok berpasangan yang masing-masing terdiri dari 15 anak laki-laki berusia 3 hingga 16 tahun (DMD atau TD) dengan pengalaman berjalan minimal 6 bulan, yang berpartisipasi dalam 8 aktivitas berjalan/berlari (berjalan) dengan urutan sebagai berikut:
- Kalibrasi Kecepatan Lebih Lambat 25m-L1 (SC-L1)
- Jalan lambat 25 meter (SC-L2)
- Kecepatan berjalan yang membatasi diri sejauh 25 meter (SC-L3)
- Jalan cepat 25 meter (SC-L4)
- Lari 25 meter atau jalan tercepat (SC-L5)
- Tes Jalan 6 Menit (6MWT)
- Jalan cepat/joging/lari 100m (100MRW)
- Jalan Gratis Melalui Penilaian Rawat Jalan Northstar (NSAA)
Pasien dalam kelompok DMD berusia lebih tua (rata-rata [SD] Usia 9,5 [3.9] vs.7.7 [3.0] tahun, berat badannya lebih tinggi (37,7 vs. 34,2 kg), dan lebih pendek (127,1 vs. 130,8 cm). Selain itu, rata-rata skor NSAA (dari maksimum 34) lebih rendah dibandingkan dengan kelompok TD: 20,5 (8,2) berbanding 33,8 (0,8) pada kelompok TD.
Secara umum, untuk gambaran klinis gaya berjalan spatiotemporal, untuk tes dengan kecepatan lebih lambat (SC-L1 dan SC-L2), ukuran panjang langkah (persentase tinggi berdiri) dan kecepatan berjalan (meter/detik dinormalisasi dengan tinggi badan dalam meter) secara signifikan lebih rendah, dan Akselerasi secara signifikan lebih tinggi pada anak-anak dengan DMD. Untuk tes dengan kecepatan lebih cepat (berjalan bebas, SC-L3, SC-L4, dan 6MWT), peserta dengan DMD memiliki akselerasi vertikal yang lebih sedikit. Dengan langkah joging/berlari yang lebih cepat (SC-L5 dan 100MRW), anak-anak dengan DMD memiliki frekuensi langkah yang jauh lebih rendah (langkah/detik):
- SK-L1:
- Panjang langkah: 0,23% vs 0,27%
- Kecepatan berjalan: 0,26% vs 0,35%
- SK-L2:
- Panjang langkah: 0,29% vs 0,34%
- Kecepatan berjalan: 0,46% vs 0,55%
- Jalan bebas: 32,87% vs 41,38%
- SC-L3: 30,16% vs 36,93%
- SC-L4: 29,07% vs 38,92%
- 6 MW: 31,61% vs. 41,68%
- SC-L5: 2,82 vs.3,61
- 100MRW: 2,57 vs.3,39
Penulis penelitian juga menggunakan metode pembelajaran mesin klasik (CML-CF) dan pembelajaran mendalam (DL-RAW) dalam datanya untuk membedakan antara anak-anak dengan DMD dan anak-anak tanpa DMD. Kedua pendekatan ini digunakan pada data dari delapan aktivitas berjalan kaki.
Akurasi tertinggi sebesar 100% terlihat ketika peneliti menggunakan pendekatan CML-CF untuk mengevaluasi data dari SC-L3 (kecepatan berjalan yang ditentukan sendiri sebesar 25 meter). Sebagai perbandingan, akurasi tertinggi untuk pendekatan DL-RAW adalah 86,67% untuk tes SC-L2 (jalan lambat 25 m) dan FW.
Berbicara tentang perbedaan yang terlihat dalam gaya belajar ini, penulis penelitian mencatat bahwa pendekatan CML-CF menggunakan data klinis peserta yang lebih komprehensif – kecepatan, panjang langkah, usia, tinggi badan, dan berat badan – sedangkan pendekatan DL-RAW hanya menggunakan akselerometer mentah. data dan tidak memiliki kemampuan untuk… Mengekstraksi kecepatan dan panjang langkah.
Analisis tambahan membandingkan panjang langkah, kecepatan berjalan, dan kemampuan fungsional antara kelompok DMD dan TD menggunakan NSAA untuk melihat bagaimana pengukuran panjang langkah berhubungan dengan gambaran klinis pasien. Anak-anak berkemampuan tinggi dengan DMD masih mengalami pengurangan panjang langkah yang signifikan dibandingkan dengan kelompok TD – dengan pengecualian pada anak-anak dengan kecepatan berjalan lambat yang paling rendah.
“Penggunaan perangkat seluler yang ada di mana-mana dan tersedia secara luas dengan akselerometer tunggal untuk mengukur perbedaan parameter gaya berjalan klinis umum dari jarak jauh merupakan peluang untuk memperluas studi tentang karakteristik gaya berjalan spatiotemporal di lingkungan komunitas,” para penulis penelitian menyimpulkan. “Memperluas pengukuran kapasitas rawat jalan ke dalam lingkungan komunitas akan memberikan dokter dan peneliti alat yang dapat mengevaluasi perubahan mobilitas pasien dalam kondisi dunia nyata dengan latar belakang aktivitas sehari-hari, perubahan musim, dan lingkungan yang dibangun.”
Namun, mereka menekankan pentingnya penelitian yang sedang berlangsung untuk meningkatkan akurasi prediksi dan mengidentifikasi parameter klinis tambahan (misalnya pertumbuhan, gangguan gaya berjalan, perkembangan penyakit) yang dapat membantu menjelaskan perjalanan penyakit neuromuskular.
referensi
Ramley RA, Liu X, Berndt K, dkk. Karakterisasi gaya berjalan pada distrofi otot Duchenne (DMD) menggunakan akselerometer sensor tunggal: pembelajaran mesin klasik dan pendekatan pembelajaran mendalam. Sensor (Basel). 2024;24(4):1123. doi:10.3390/s24041123
“Incredibly charming gamer. Web guru. TV scholar. Food addict. Avid social media ninja. Pioneer of hardcore music.”
More Stories
Transport for London mengeksplorasi penggunaan teknologi dan data untuk 'mencapai perubahan dalam perilaku penghindar tarif' – PublicTechnology
Para donor di Silicon Valley berperang demi Kamala Harris, Trump, dan diri mereka sendiri
WeRide telah berkembang secara global seiring dengan adopsi kecerdasan buatan oleh industri transportasi