跳到正文
原文
medRxiv 预印本· Moustaklis, A., Gerasimou, I., Sotirakis, C., Chairta, P., Kurtis, M. M., Del Campo, N., Feige, T., Schnalke, N., Almarcha Menargues, M.-L., Michailidou, K., Christodoulou, K., Fabbri, M., Falkenburger, B. H., Hadjileontiadis, L., Hadjidimitriou, S. ·· 3 天前精选AI 评分58

可穿戴睡眠与活动监测模型可识别帕金森病及多巴胺能缺陷与α-突触核蛋白病理

Wearable-based sleep and activity tracking detects Parkinson's disease and associated pathological hallmarks

AI 导读

研究团队基于美国队列的自由生活腕部加速度数据构建机器学习模型SAM-PD,区分帕金森病患者(n=133)与健康对照(n=26),AUROC为0.93、AUPRC为0.98,并在使用不同设备的独立欧洲队列(n=40,50%为帕金森病患者)中未经再训练即获得AUROC 0.95、AUPRC 0.95。

推荐理由

该预印本用可穿戴睡眠与活动数据识别帕金森病,并在独立欧洲队列中验证,为无创筛查提供可比较的量化结果。

来源:medRxiv 预印本 · medrxiv.org