論文の概要: Selective Impairment of Motor Recovery from Typing Errors in Parkinson's Disease: A Survival Analysis

• arxiv url: http://arxiv.org/abs/2607.24796v1
• Date: Tue, 30 Jun 2026 17:29:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.070986
• Title: Selective Impairment of Motor Recovery from Typing Errors in Parkinson's Disease: A Survival Analysis
• Title（参考訳）: パーキンソン病におけるタイピングエラーからの運動回復の選択的障害 : 生存分析
• Authors: Navin Bondade,
• Abstract要約: 我々は、パッシブ・コレクトされたキーストローク・ダイナミクスがこれら2つのステージを区別できるかどうかを問う。 テロ前のキーストローク不安定が病気の重症度によって異なるという証拠は見つからない。 エラー後のリカバリ時間を示す強力な証拠は、継続的に加速された障害時間としてモデル化されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Parkinson's disease (PD) affects multiple, dissociable stages of motor and cognitive control. We ask whether passively-collected keystroke dynamics can distinguish two of these stages: noticing a self-generated error (error monitoring) versus recovering normal motor rhythm afterward (motor restart). Using backspace events as naturally-occurring error-correction episodes in the public neuroQWERTY MIT-CSXPD dataset (57 subjects with sufficient backspace data, 27 with PD and UPDRS-III scores), we find no evidence that pre-error keystroke instability differs by disease severity ($r=0.164$, $p=0.413$), but strong evidence that post-error recovery time does, modeled as a continuous accelerated failure time (AFT) survival outcome ($p<10^{-9}$ in each of two independent sub-cohorts; permutation $p<0.0033$; bootstrap 95% CI excluding zero). The two measures are uncorrelated with each other ($r=-0.065$), and in a joint model only post-error recovery remains significant, confirming a genuine dissociation rather than two redundant signals. The effect survives controlling for raw typing speed and replicates against an independent clinical motor test (alternating finger-tapping, $p=0.011$). An initial attempt to model recovery as a discretized time-to-event outcome (analogous to Kaplan-Meier survival curves) destroyed the signal regardless of threshold choice; switching to a continuous AFT formulation, which also fits the data's right-skewed distribution far better than ordinary regression, recovered it. We relate this behavioral dissociation to existing electrophysiological evidence that error detection and post-error motor adjustment in PD are mediated by distinct neural circuits, the former largely spared, the latter linked to subthalamic nucleus activity, and argue that this dissociation is detectable through everyday typing alone.
• Abstract（参考訳）: パーキンソン病(PD)は、運動と認知の複数の段階に影響を及ぼす。 我々は、受動的にコンパイルされたキーストロークダイナミクスが、自己生成エラー(エラー監視)と正常な運動リズムの回復(モータ再起動)の2つのステージを区別できるかどうかを問う。 バックスペースイベントを、公共の神経QWERTY MIT-CSXPDデータセット(57の被験者で十分なバックスペースデータ、PDとPDRS-IIIスコアを持つ27の被験者)で自然に発生するエラー訂正エピソードとして使用すると、プレエラーキーストローク不安定が病気の重大さによって異なるという証拠は見つからない(r=0.164$, $p=0.413$)。 2つの対策は互いに無関係であり(r=-0.065$)、共同モデルではエラー後の回復のみが重要であり、2つの冗長な信号ではなく、真の解離を確認している。 この効果は生のタイピング速度をコントロールし、独立した臨床モーターテスト(代替指タップ、$p=0.011$)に対して複製する。 カプラン・マイアーの生存曲線に類似した)離散化された時間-時間の結果としてリカバリをモデル化する最初の試みは、しきい値の選択に関係なく信号を破壊し、連続的なAFT定式化に切り替えた。 我々は、この行動解離を既存の電気生理学的な証拠と結びつけ、PDにおけるエラー検出とポストエラー運動調整は、異なる神経回路、前者、前者、後者は視床下核活動に関連付けられ、日常的なタイピングだけでこの解離が検出できると主張している。

関連論文リスト

• A Transdiagnostic Space of Disorder Like Phenotypes in Reinforcement Learning Agents [0.0]
  評価誘導型PPOエージェントにおける認知評価信号の線量制御可能な操作として,障害モデリングを再現する。 1万回以上の障害が発生し、コントロールが再現されないような、グレードのモノトン線量応答を示す。 また,3つの障害ノブ(抑うつ,依存,不安)が3次元の画素環境(MiniWorld)に転移し,標準的な畳み込み剤と評価的批判がないことを示した。
  論文  参考訳（メタデータ） (2026-07-08T12:20:19Z)
• Inverse Reinforcement Learning for Interpretable Keystroke Biomarkers in Parkinson's Disease [0.0]
  キーストローク力学はパーキンソン病(PD)の受動デジタルバイオマーカーとして広く研究されている。 逆強化学習(IRL)をキーストロークデータに適用し、各キーストロークをタイピング速度やリカバリよりも決定的な選択としてモデル化する。 我々の知る限り、これはIRLのキーストローク力学への最初の応用である。
  論文  参考訳（メタデータ） (2026-06-24T01:11:05Z)
• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• Conditional Neural ODE for Longitudinal Parkinson's Disease Progression Forecasting [51.906871559732245]
  パーキンソン病(PD)は異質で進化する脳形態計測パターンを示す。 これらの縦方向の軌跡をモデル化することで、機械的な洞察、治療の発展、そして個別化された「デジタルツイン」予測が可能になる。 連続的な個人化されたPD進行予測のための新しいフレームワークであるCNODEを提案する。
  論文  参考訳（メタデータ） (2025-11-06T20:16:33Z)
• LLMs Can Get "Brain Rot"! [68.08198331505695]
  ジャンクウェブテキストへの連続曝露は、大規模言語モデル(LLM)の持続的認知低下を誘導する 実Twitter/Xコーパスで制御された実験を行い、ジャンクと逆制御されたデータセットを構築します。 その結果、データ品質がLLM能力の崩壊の原因であることを示す重要な多視点的証拠が得られた。
  論文  参考訳（メタデータ） (2025-10-15T13:28:49Z)
• Predicting Parkinson's disease evolution using deep learning [1.4610685586329806]
  パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。 パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。 進行の段階を特定するために設計されたAIツールは存在しない。
  論文  参考訳（メタデータ） (2023-12-28T10:30:54Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)

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。