卡塔尔世界杯8强波胆分析

摘要

背景:

脊髓型颈椎病(CM)会引起一些症状，如手部笨拙，通常需要手术治疗。CM的筛查和早期诊断很重要，因为有些患者不知道自己的早期症状，只有在病情变得严重后才去看外科医生。10秒握放(10-s)测试通常用于检查CM的存在。该检测方法简单，但如果能客观评价CM特有的运动变化，则对筛查更有帮助。此前，研究人员利用非接触式传感器Leap Motion分析了手指在10秒内的运动，并开发了利用机器学习诊断CM的系统，具有很高的灵敏度和特异性。然而，先前的研究存在局限性，系统记录的参数较少，并且没有将CM与其他手部疾病区分开来。

摘要目的:

目的:建立一种具有更高灵敏度和特异性的CM诊断系统，并将CM与一种常见的手部疾病腕管综合征(carpal tunnel syndrome, CTS)区分开来。然后，我们用改进的Leap Motion来验证系统，该系统可以记录每个手指的关节。

方法:

总共有31、27和29名参与者分别被招募到CM组、CTS组和对照组。我们使用Leap Motion开发了一个系统，记录了参与者在尽可能快地抓住和释放手指时手指运动的229个参数。采用支持向量机进行机器学习，建立二元分类模型，并计算灵敏度、特异度和曲线下面积(AUC)。我们建立了两个模型，一个用于诊断CM组和对照组之间的CM (CM/对照模型)，另一个用于诊断CM组和非CM组之间的CM (CM/非CM模型)。

结果:

CM/control模型指标如下:灵敏度为74.2%;特异性,89.7%;AUC, 0.82。CM/非CM模型指标如下:敏感性为71.0%;特异性,72.8.7%;AUC, 0.74。

结论:

我们开发了一种能够以更高的灵敏度和特异性诊断CM的筛选系统。该系统可以区分CM与CTS患者以及健康受试者，并有潜力在各种受试者中筛查CM。