Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade do Porto | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Ferreira, Marta Isabel A.S.N | - |
Autor(es): dc.creator | Barbieri, Fabio Augusto | - |
Autor(es): dc.creator | Moreno, Vinícius Christianini | - |
Autor(es): dc.creator | Penedo, Tiago | - |
Autor(es): dc.creator | Tavares, João Manuel R.S. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T23:39:15Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T23:39:15Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2022-10-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.gaitpost.2022.08.014 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/240709 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/240709 | - |
Descrição: dc.description | Background: Parkinson's disease (PD) is a chronic and progressive neurodegenerative disease with no cure, presenting a challenging diagnosis and management. However, despite a significant number of criteria and guidelines have been proposed to improve the diagnosis of PD and to determine the PD stage, the gold standard for diagnosis and symptoms monitoring of PD is still mainly based on clinical evaluation, which includes several subjective factors. The use of machine learning (ML) algorithms in spatial-temporal gait parameters is an interesting advance with easy interpretation and objective factors that may assist in PD diagnostic and follow up. Research question: This article studies ML algorithms for: i) distinguish people with PD vs. matched-healthy individuals; and ii) to discriminate PD stages, based on selected spatial-temporal parameters, including variability and asymmetry. Methods: Gait data acquired from 63 people with PD with different levels of PD motor symptoms severity, and 63 matched-control group individuals, during self-selected walking speed, was study in the experiments. Results: In the PD diagnosis, a classification accuracy of 84.6 %, with a precision of 0.923 and a recall of 0.800, was achieved by the Naïve Bayes algorithm. We found four significant gait features in PD diagnosis: step length, velocity and width, and step width variability. As to the PD stage identification, the Random Forest outperformed the other studied ML algorithms, by reaching an Area Under the ROC curve of 0.786. We found two relevant gait features in identifying the PD stage: stride width variability and step double support time variability. Significance: The results showed that the studied ML algorithms have potential both to PD diagnosis and stage identification by analysing gait parameters. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Faculdade de Engenharia Universidade do Porto | - |
Descrição: dc.description | São Paulo State University (Unesp) Department of Physical Education Human Movement Research Laboratory (MOVI-LAB) | - |
Descrição: dc.description | Instituto de Ciência e Inovação em Engenharia Mecânica e Engenharia Industrial Departamento de Engenharia Mecânica Faculdade de Engenharia Universidade do Porto | - |
Descrição: dc.description | São Paulo State University (Unesp) Department of Physical Education Human Movement Research Laboratory (MOVI-LAB) | - |
Descrição: dc.description | FAPESP: #14/20549-0 | - |
Descrição: dc.description | FAPESP: #17/19516-8 | - |
Descrição: dc.description | FAPESP: #20/01250-4 | - |
Descrição: dc.description | CAPES: 001 | - |
Formato: dc.format | 49-55 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Gait and Posture | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Algorithm | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Classification | - |
Palavras-chave: dc.subject | Feature selection | - |
Palavras-chave: dc.subject | Parkinson's disease | - |
Palavras-chave: dc.subject | Progression | - |
Título: dc.title | Machine learning models for Parkinson's disease detection and stage classification based on spatial-temporal gait parameters | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: