{"id":13882,"date":"2025-05-22T10:32:46","date_gmt":"2025-05-22T08:32:46","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/impiego-della-gait-analysis-per-valutare-differenze-di-genere-nella-malattia-di-parkinson-un-approccio-di-classificazione-genere-specifico-sulle-variabili-del-cammino\/"},"modified":"2025-06-04T14:23:50","modified_gmt":"2025-06-04T12:23:50","slug":"impiego-della-gait-analysis-per-valutare-differenze-di-genere-nella-malattia-di-parkinson-un-approccio-di-classificazione-genere-specifico-sulle-variabili-del-cammino","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/impiego-della-gait-analysis-per-valutare-differenze-di-genere-nella-malattia-di-parkinson-un-approccio-di-classificazione-genere-specifico-sulle-variabili-del-cammino\/","title":{"rendered":"IMPIEGO DELLA GAIT ANALYSIS PER VALUTARE DIFFERENZE DI GENERE NELLA MALATTIA DI PARKINSON: UN APPROCCIO DI CLASSIFICAZIONE GENERE-SPECIFICO SULLE VARIABILI DEL CAMMINO"},"content":{"rendered":"
\n
\n

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

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

federico ii<\/p>\n


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

Conti Giusy<\/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

Conti Giusy<\/strong> federico ii
\n Ricciardi Carlo<\/strong> federico ii
\n Russo Michela<\/strong> 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 (PD) \u00e8 una patologia neurodegenerativa che comporta sintomi motori e non motori, incluso il lieve deterioramento cognitivo (MCI). Colpisce pi\u00f9 frequentemente gli uomini e mostra differenze di genere nel fenotipo, forse influenzate dagli estrogeni. Questo studio indaga tali differenze per migliorare la gestione personalizzata della malattia. L\u2019analisi si sviluppa su due fronti: (1) l\u2019indagine delle differenze di genere nei parametri spazio-temporali e cinematici del cammino in pazienti con PD tramite gait analysis e statistica; (2) lo sviluppo di modelli di Machine Learning (ML) genere-specifici per distinguere i pazienti con o senza MCI in base alle variabili del cammino. In questo secondo caso, in particolare, l\u2019obiettivo \u00e8 ottimizzare l\u2019accuratezza della classificazione e comprendere l\u2019impatto dell\u2019MCI sul cammino in relazione al genere. Sono stati coinvolti 105 pazienti (73 uomini, 32 donne); per i modelli di ML, 68 uomini (33 con MCI, 35 senza) e 31 donne (14 con MCI, 17 senza), avendo escluso i pazienti privi di informazioni su presenza o meno di MCI. L\u2019analisi del cammino si \u00e8 svolta presso l\u2019ospedale San Giovanni di Dio e Ruggi d\u2019Aragona, in tre condizioni: single task (GAIT), dual task motorio (MOT) e dual task cognitivo (COG). I parametri spazio-temporali sono risultati simili tra i sessi, tranne la larghezza del passo in GAIT, maggiore negli uomini; differenze significative sono emerse nella cinematica della caviglia, con maggiore plantarflessione nelle donne. Inoltre, l\u2019aumento della complessit\u00e0 del compito ha influito in modo diverso: le donne mostrano maggiore variazione biomeccanica nei dual task, indicando una possibile maggiore vulnerabilit\u00e0 al dual task. Nell\u2019analisi di ML, tra le strategie impiegate per la selezione delle features, la tecnica di Minima Ridondanza Massima Rilevanza (MRMR) \u00e8 risultata la migliore. Tra i modelli valutati con leave-one-out cross-validation, KNN e SVM sono risultati i pi\u00f9 performanti, soprattutto con variabili spazio-temporali (accuratezze >80%). Il modello migliore in assoluto \u00e8 stato KNN (GAIT, uomini), con accuratezza dell\u201988,24% e AUCROC 0,83. Nelle donne, COG \u00e8 risultato pi\u00f9 predittivo, mentre negli uomini, GAIT \u00e8 risultato pi\u00f9 efficace di COG con variabili spazio-temporali. La selezione delle variabili e l\u2019approccio genere-specifico si sono rivelati fondamentali per l\u2019efficacia dei modelli e per una maggiore comprensione dell\u2019impatto dell\u2019MCI sul cammino in relazione al genere.<\/div>\n

 <\/p>\n

\n\n