{"id":13872,"date":"2025-05-22T10:32:46","date_gmt":"2025-05-22T08:32:46","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/analisi-dello-sway-di-breve-durata-per-la-classificazione-del-deterioramento-cognitivo-lieve-nel-morbo-di-parkinson\/"},"modified":"2025-06-04T14:23:41","modified_gmt":"2025-06-04T12:23:41","slug":"analisi-dello-sway-di-breve-durata-per-la-classificazione-del-deterioramento-cognitivo-lieve-nel-morbo-di-parkinson","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/analisi-dello-sway-di-breve-durata-per-la-classificazione-del-deterioramento-cognitivo-lieve-nel-morbo-di-parkinson\/","title":{"rendered":"ANALISI DELLO SWAY DI BREVE DURATA PER LA CLASSIFICAZIONE DEL DETERIORAMENTO COGNITIVO LIEVE NEL MORBO DI PARKINSON"},"content":{"rendered":"
\n
\n

\"\"\"\"<\/p>\n

AFFILIAZIONE<\/span><\/strong><\/p>\n

universit\u00e0 degli studi di napoli federico ii<\/p>\n


\nAUTORE PRINCIPALE<\/span><\/strong><\/p>\n

Dr. Diodati Giovanni<\/p>\n

VALUTA IL CHALLENGE
\n<\/span><\/strong><\/p>\n

Registrazione obbligatoria. Una valutazione consentita<\/em><\/div>\n
\t\t
\n\t\t\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tLogin<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tRegistrazione<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

login avvenuto<\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tLogout<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<\/div>\n
[ratingwidget]<\/div>\n<\/div>\n
\n

<\/a><\/p>\n

GRUPPO DI LAVORO<\/span><\/strong><\/p>\n

Dr. Diodati Giovanni<\/strong> universit\u00e0 degli studi di napoli federico ii
\nProf. Ricciardi Carlo<\/strong> universit\u00e0 degli studi di napoli federico ii
\nIng. Russo Michela<\/strong> universit\u00e0 degli studi di napoli federico ii
\nProf.ssa Romano Maria<\/strong> universit\u00e0 degli studi di napoli federico ii<\/p><\/div>\n

AREA TEMATICA<\/span><\/strong><\/p>\n

Applicazioni innovative di bioingegneria: idee dalle Universit\u00e0<\/div>\n

ABSTRACT<\/span><\/strong><\/p>\n

Il morbo di Parkinson \u00e8 una patologia neurodegenerativa e progressiva, caratterizzata da sintomi motori e non motori, tra cui il deterioramento cognitivo lieve (Mild Cognitive Impairment, MCI), che determina una diminuzione della memoria e delle funzioni esecutive. Questo studio si concentra sull\u2019analisi posturografica per valutare il controllo posturale in 87 pazienti, con e senza MCI, utilizzando un protocollo di standing breve della durata di circa 6,5 secondi.
\nL\u2019acquisizione dei dati \u00e8 stata effettuata presso il Laboratorio di Analisi del Movimento dell\u2019A.O.U. \u201cS. Giovanni di Dio e Ruggi d\u2019Aragona\u201d di Salerno, in collaborazione con l\u2019Unit\u00e0 di Ingegneria Biomedica dell\u2019Universit\u00e0 degli Studi di Napoli \u201cFederico II\u201d. Per individuare eventuali differenze statisticamente significative tra i due gruppi \u00e8 stata condotta un\u2019analisi statistica, che ha evidenziato differenze significative solo su alcune variabili clinico-demografiche, mentre nessun indice del segnale posturografico \u00e8 risultato significativo tramite l\u2019analisi statistica classica.
\nSuccessivamente, gli indici estratti dal segnale, relativi alle oscillazioni medio-laterali e antero-posteriori dello stabilogramma, insieme alle variabili dello statokinesigramma, sono stati utilizzati come input per cinque diversi classificatori: K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Decision Tree (DT), Naive Bayes (NB) e Random Forest (RF). I modelli hanno mostrato una buona capacit\u00e0 discriminatoria complessiva: il DT ha ottenuto l\u2019Accuratezza pi\u00f9 elevata (0,71), mentre SVM e RF hanno raggiunto il valore pi\u00f9 alto di AUCROC (0,68). Per quanto riguarda la capacit\u00e0 di identificare correttamente i casi positivi (Sensibilit\u00e0), il NB ha mostrato le migliori prestazioni (0,85), mentre il KNN si \u00e8 distinto per la riduzione dei falsi positivi, grazie alla all\u2019alta Specificit\u00e0 (0,89) e Precisione (0,76). Nel complesso, il Machine Learning si \u00e8 dimostrato pi\u00f9 efficace dell’analisi statistica, suggerendo un possibile legame tra MCI e una compromissione della stabilit\u00e0 posturale nei pazienti con morbo di Parkinson. Questi risultati indicano il potenziale del Machine Learning come strumento di supporto clinico nella valutazione neurologica, affiancandosi alle metodologie di valutazione tradizionali.<\/div>\n

 <\/p>\n

\n\n