論文の概要: Establishing the Minimal Clinically Important Difference (MCID) for Smartphone-Derived Gait Measures in Multiple Sclerosis
- arxiv url: http://arxiv.org/abs/2606.28449v1
- Date: Fri, 26 Jun 2026 09:24:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.562496
- Title: Establishing the Minimal Clinically Important Difference (MCID) for Smartphone-Derived Gait Measures in Multiple Sclerosis
- Title（参考訳）: 多発性硬化症におけるスマートフォン依存歩行測定のための最小臨床差(MCID)の確立
- Abstract要約: 多発性硬化症(MS)患者における遠隔歩行の頻繁なモニタリングを可能にするデジタルヘルス技術
デジタル歩行測定における臨床的重要な最小差 (MCID) を定義する文献は限られている。
これらのMCIDは、意味のある歩行変化を解釈し、デジタル測度をMS結果評価に組み込むためのフレームワークを提供する。
- 参考スコア（独自算出の注目度）: 0.052430676892456334
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Background: Digital health technologies allow for frequent, remote gait monitoring in people with multiple sclerosis (MS). However, to differentiate daily variability from actual disease progression in longitudinal data, established minimal clinically important differences (MCID) are required. Currently, there is limited literature defining these thresholds for digital gait metrics. Objective: To establish MCIDs for digital gait measures reflecting progression in MS. Methods: Digital gait measures were captured via daily, remote, smartphone-based Two-Minute Walk Tests in CONSONANCE (NCT03523858), a phase 3b study of ocrelizumab in progressive MS. Using an anchor-based approach, median changes from baseline at Week 96 on digital gait measures were computed for patients showing clinically meaningful worsening on either Timed 25-Foot Walk, Ambulation Score, Expanded Disability Status Scale, or 12-item Multiple Sclerosis Walking Scale. These changes were subsequently triangulated to derive the MCID estimates. Results: 243 patients with progressive MS (female: n=125 (51%); mean [SD] age: 49.3 [9.3]; mean [SD] EDSS: 4.8 [1.4]) had digital gait data available at baseline and Week 96. Median changes were generally consistent across anchors. Triangulated MCIDs are: Step Velocity = -0.16 m/s, Step Velocity Scaled to Walking Time = -0.18 m/s, Step Duration = 0.06 s, Step Length = -0.07 m, Total Number of Steps = -28, and Total Distance Walked = -24 m. Conclusion: These MCIDs provide a framework for interpreting meaningful gait changes and integrating digital measures into MS outcome evaluation. Beyond facilitating novel clinical trial endpoints to evaluate treatment efficacy, they enable objective, real-world monitoring to advance personalized patient care.
- Abstract（参考訳）: 背景: デジタルヘルス技術は多発性硬化症(MS)患者の頻繁な遠隔歩行モニタリングを可能にする。
しかし, 経時的データでは, 日々の変動と実際の疾患進行を区別するためには, 臨床的に重要な最小限の差 (MCID) が必要である。
現在、デジタル歩行メトリクスのしきい値を定義する文献は限られている。
目的: MSの進展を反映したデジタル歩行測定のためのMCIDを確立するための方法: デジタル歩行測定は、ConSONANCE (NCT03523858) の1日、遠隔、スマートフォンベースの2分間歩行テスト (NCT03523858) を用いて、進行MSのオクラリズマブのフェーズ3bで測定された。アンカーベースアプローチを用いて、96週目におけるデジタル歩行測定の基準値から中央値の変化を計算し、臨床的に有意な悪化を示す患者に対して、25-Foot Walk, Ambulation Score, Expanded Disability Status Scale, 12-item Multiple Sclerosis Walking Scale のいずれでも計算した。
これらの変化はその後、MCID推定の導出のために三角測量された。
結果: 進行性MS患者243例(女性: n=125 (51%), 平均[SD]年齢: 49.3 [9.3], 平均[SD] EDSS: 4.8 [1.4])は, ベースラインおよび週96。
メディアの変更は一般的にアンカー間で一貫していた。
Triangulated MCIDs: Step Velocity = -0.16 m/s, Step Velocity Scaled to Walking Time = -0.18 m/s, Step Duration = 0.06 s, Step Length = -0.07 m, Total Number of Steps = -28, Total Distance Walked = -24 m。
結論:これらのMCIDは,意味のある歩行変化を解釈し,デジタル測度をMS結果評価に統合するための枠組みを提供する。
治療効果を評価するための新しい臨床試験エンドポイントの促進に加えて、客観的な実世界のモニタリングによってパーソナライズされた患者のケアを前進させることができる。
関連論文リスト
- Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports [49.5225801722164]
既存のメトリクスは、医学的に根拠のないスカラーにレポートの品質を低下させることによって、この要件を曖昧にしている。
テストベッドとしてReEvalMedベンチマークを用いて,この境界について検討し,計量レベルの臨床的意義を評価する。
論文 参考訳（メタデータ） (2026-06-17T08:10:30Z) - STEP-PD: Stage-Aware and Explainable Parkinson's Disease Severity Classification Using Multimodal Clinical Assessments [1.5441222602475007]
本研究は,臨床的に解釈可能な境界を用いた重症度分類のための重症度対応機械学習フレームワークSTEP-PDを提案する。
病気の重症度は、HoehnとYahrのステージングを用いて定義され、Healthy、Mild PD(ステージ1-2)、Modrate-to-Severe PD(ステージ3-5)の3つの臨床的意義のあるカテゴリに分類される。
XGBoostは95.48% (Healthy vs. Mild)、99.44% (Healthy vs. Moderate-to-Severe)、96.78% (Mild vs. Moderate-to-Severe)という最強で最も安定したパフォーマンスを達成した。
論文 参考訳（メタデータ） (2026-04-19T20:53:59Z) - Longitudinal Missing Data Imputation for Predicting Disability Stage of Patients with Multiple Sclerosis [0.34473740271026115]
多発性硬化症(Multiple Sclerosis, MS)は、神経機能の進行的または交互な障害を特徴とする慢性疾患である。
MSの進行は、時間とともにMSの障害を定量化し監視するEDSS(Expanded Disability Status Scale)を通じて測定される。
論文 参考訳（メタデータ） (2025-01-22T14:56:19Z) - Optimizing Brain Tumor Segmentation with MedNeXt: BraTS 2024 SSA and Pediatrics [0.6820272276959313]
本研究は,MedNeXtを用いたBraTS-2024 SSAおよび小児腫瘍のセグメンテーション法について述べる。
提案手法は,BraTS-2024 SSAデータセットでは平均Dice similarity Coefficient(DSC)が0.896,BraTS小児腫瘍データセットでは平均DSCが0.830であった。
論文 参考訳（メタデータ） (2024-11-24T15:19:19Z) - Objective Features Extracted from Motor Activity Time Series for Food Addiction Analysis Using Machine Learning - A Pilot Study [0.0]
食品依存度(FA)と症状数(SC)の客観的基準として,アクティメトリと機械学習が有効かを検討した。
これらの知見は、FAのデジタルバイオマーカーとして手首のアクティメトリをサポートし、アンケートを補完し、プライバシ保護臨床翻訳を促進する可能性がある。
論文 参考訳（メタデータ） (2024-08-31T00:33:17Z) - AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳（メタデータ） (2024-07-02T16:44:00Z) - Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites:
A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。
我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。
また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文 参考訳（メタデータ） (2023-08-31T00:36:10Z) - Gait Event Detection and Travel Distance Using Waist-Worn Accelerometers
across a Range of Speeds: Automated Approach [4.826264675070211]
本稿ではウェアラブル加速度計の新しい校正法を提案する。
ステップを検出し、ストライドの長さを推定し、走行距離を決定することを目的としている。
このアプローチには、臨床観察、機械学習に基づくステップ検出、回帰に基づくストライド長予測の組み合わせが含まれる。
論文 参考訳（メタデータ） (2023-07-10T19:25:45Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z) - Joint Prediction and Time Estimation of COVID-19 Developing Severe
Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。
提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。
提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文 参考訳（メタデータ） (2020-05-07T12:16:37Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。