文献

J-GLOBAL ID：202202270144704472   整理番号：22A0462072

脳性麻痺小児における総運動機能評価の投与効率を改善するための人工知能【JST・京大機械翻訳】

Artificial intelligence to improve efficiency of administration of gross motor function assessment in children with cerebral palsy

著者 (8件)： Duran Ibrahim (Center of Prevention and Rehabilitation, Medical Faculty and University Hospital, University of Cologne, Cologne) ,  Stark Christina (Department of Neurology, Medical Faculty and University Hospital, University of Cologne, Cologne, Germany) ,  Saglam Ahmet (Merzifon Vocational School Computer Technologies Department, University of Amasya, Amasya, Turkey) ,  Semmelweis Alexandra (Center of Prevention and Rehabilitation, Medical Faculty and University Hospital, University of Cologne, Cologne) ,  Lioba Wunram Heidrun (Department of Psychiatry, Psychosomatics and Psychotherapy for Children and Adolescents, Medical Faculty and University Hospital, University of Cologne, Cologne, Germany) ,  Spiess Karoline (Center of Prevention and Rehabilitation, Medical Faculty and University Hospital, University of Cologne, Cologne) ,  Schoenau Eckhard (Center of Prevention and Rehabilitation, Medical Faculty and University Hospital, University of Cologne, Cologne) ,  Schoenau Eckhard (Department of Pediatrics, Medical Faculty and University Hospital, University of Cologne, Cologne, Germany)
資料名： Developmental Medicine & Child Neurology  (Developmental Medicine & Child Neurology)
巻： 64  号： 2  ページ： 228-234  発行年： 2022年 
JST資料番号： H0169B  ISSN： 0012-1622  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 【目的】GMFM-66投与の効率を改善するために,革新的人工知能法を用いて66項目総運動機能測定(rGMFM-66)の縮小版を作成する。方法:本研究はリハビリテーションプログラムに参加した脳性麻痺児の既存データセットからの情報を用いて行われた。異なる自己学習アプローチ(ランダムフォレスト,サポートベクターマシン[SVM],および人工ニューラルネットワーク)を評価し,最も少ない試験項目でGMFM-66スコアを推定した。クラス内相関係数(ICC)により,試験一致を評価した。結果:全体で,1217のGMFM-66評価(509人の女性,平均年齢8y10mo[SD3y9mo])を,1年間,187GMFM-66評価と再評価(80人の女性,平均年齢8y5カ月[SD3y10mo])で評価した。SVMによるモデルはGMFM-66スコアを最も正確に予測した。rGMFM-66と完全GMFM-66のICCは,単一時間で0.997(95%信頼区間[CI]0.996-0.997)であり,時間変化の評価で0.993(95%CI 0.993-0.995)であった。INTERPETATION:研究は,完全GMFM-66評価の効率が機械学習(自己学習アルゴリズム)を用いて増加できることを示した。示したrGMFM-66スコアは,単一評価に適用した場合,および時間変化を評価する場合,完全なGMFM-66スコアと優れた一致を示した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  相関係数 ,  経時変化 ,  女性 ,  *人工知能 ,  子供 ,  *運動機能検査 ,  *脳性麻痺 ,  機械学習 ,  学習アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： 自己学習 ,  *運動機能 ,  ランダムフォレスト ,  GMFM , 【Automatic Indexing@JST】

分類 (1件)： リハビリテーション  (GB06000Z)

タイトルに関連する用語 (5件)： 脳性麻痺 ,  小児 ,  運動機能評価 ,  投与 ,  人工知能