Bücher von Hugo Araujo Souza

Die Parkinson-Krankheit ist die zweithäufigste neurodegenerative Erkrankung bei älteren Menschen, wobei Prävalenz und Inzidenz je nach Alter, Geschlecht und Rasse/Ethnie variieren. Studien zeigen, dass die Prävalenz mit dem Alter ansteigt, wobei die Zahl der Fälle auf 5 bis 26 pro 100 000 Menschen und Jahr geschätzt wird, etwa 1 % bei den 65- bis 69-Jährigen und zwischen 3 % und 14,3 % bei den über 85-Jährigen. Zu den häufigsten klinischen Anzeichen des Entzündungsprozesses gehören Ruhetremor, Muskelstarre, Bradykinesie und Haltungsinstabilität. Die Diagnose der Krankheit ist nicht einfach, denn es ist bekannt, dass es beim Fortschreiten der Krankheit im menschlichen Körper ein Muster von Stadien gibt. Viele Patienten können diesen Verlauf jedoch aufgrund der Heterogenität der Erscheinungsformen, die auftreten können, nicht nachvollziehen. Die Ganganalyse ist zu einem attraktiven und nicht-invasiven quantitativen Mechanismus geworden, der bei der Erkennung und Überwachung von Parkinson-Patienten helfen kann. Die Merkmalsextraktion ist eine äußerst wichtige Aufgabe für die Qualität der Daten, die von ML-Algorithmen verwendet werden sollen, wobei das Hauptziel darin besteht, die Dimensionalität der Daten in einem Klassifizierungsprozess zu reduzieren.

La enfermedad de Parkinson es la segunda enfermedad neurodegenerativa más prevalente en los ancianos, aunque su prevalencia e incidencia varían en función de la edad, el sexo y la raza/etnia. Los estudios muestran que la prevalencia aumenta con la edad, con una estimación de entre 5 y 26 casos por cada 100.000 personas al año, aproximadamente el 1% entre las personas de 65 a 69 años y oscilando entre el 3% y el 14,3% entre los ancianos mayores de 85 años. Los signos clínicos más comunes del proceso inflamatorio incluyen la presencia de temblor en reposo, rigidez muscular, bradicinesia e inestabilidad postural. El diagnóstico de la enfermedad no es una tarea sencilla, ya que se sabe que existen patrones de etapas en la progresión de la enfermedad en el cuerpo humano. Sin embargo, muchos pacientes no siguen esta progresión debido a la heterogeneidad de manifestaciones que pueden surgir. El análisis de la marcha se ha convertido en un mecanismo cuantitativo atractivo y no invasivo que puede ayudar en la detección y seguimiento de los enfermos de EP. La extracción de características es una tarea extremadamente importante para la calidad de los datos que van a utilizar los algoritmos de ML, siendo el objetivo principal reducir la dimensionalidad de los datos en un proceso de clasificación.

Parkinson's disease is the second most prevalent neurodegenerative disease in the elderly, although its prevalence and incidence vary according to age, gender and race/ethnicity. Studies show that the prevalence increases with age, with an estimated 5 to 26 cases per 100,000 people per year, approximately 1% among individuals aged 65 to 69 and ranging from 3% to 14.3% among the elderly over 85. The most common clinical signs of the inflammatory process include the presence of resting tremor, muscle rigidity, bradykinesia and postural instability. Diagnosing the disease is not a simple task, as it is known that there are patterns of stages in the progression of the disease in the human body. However, many patients do not follow this progression due to the heterogeneity of manifestations that can arise. Gait analysis has become an attractive and non-invasive quantitative mechanism that can help in the detection and monitoring of PD sufferers. Feature extraction is an extremely important task for the quality of the data to be used by ML algorithms, with the main objective being to reduce the dimensionality of the data in a classification process.

La maladie de Parkinson est la deuxième maladie neurodégénérative la plus répandue chez les personnes âgées, bien que sa prévalence et son incidence varient en fonction de l'âge, du sexe et de la race/ethnie. Les études montrent que la prévalence augmente avec l'âge, avec une estimation de 5 à 26 cas pour 100 000 personnes par an, soit environ 1 % chez les personnes âgées de 65 à 69 ans et de 3 à 14,3 % chez les personnes âgées de plus de 85 ans. Les signes cliniques les plus courants du processus inflammatoire comprennent la présence de tremblements au repos, de rigidité musculaire, de bradykinésie et d'instabilité posturale. Le diagnostic de la maladie n'est pas simple, car on sait qu'il existe des schémas d'étapes dans la progression de la maladie dans le corps humain. Cependant, de nombreux patients ne suivent pas cette progression en raison de l'hétérogénéité des manifestations qui peuvent survenir. L'analyse de la démarche est devenue un mécanisme quantitatif attrayant et non invasif qui peut contribuer à la détection et au suivi des personnes atteintes de la maladie de Parkinson. L'extraction des caractéristiques est une tâche extrêmement importante pour la qualité des données à utiliser par les algorithmes de ML, l'objectif principal étant de réduire la dimensionnalité des données dans un processus de classification.

La malattia di Parkinson è la seconda malattia neurodegenerativa più diffusa negli anziani, anche se la sua prevalenza e incidenza variano a seconda dell'età, del sesso e della razza/etnia. Gli studi dimostrano che la prevalenza aumenta con l'età, con una stima di 5-26 casi per 100.000 persone all'anno, circa l'1% tra le persone di età compresa tra 65 e 69 anni e tra il 3% e il 14,3% tra gli anziani di età superiore a 85 anni. I segni clinici più comuni del processo infiammatorio includono la presenza di tremore a riposo, rigidità muscolare, bradicinesia e instabilità posturale. La diagnosi della malattia non è un compito semplice, poiché è noto che esistono schemi di fasi nella progressione della malattia nel corpo umano. Tuttavia, molti pazienti non seguono questa progressione a causa dell'eterogeneità delle manifestazioni che possono presentarsi. L'analisi dell'andatura è diventata un meccanismo quantitativo interessante e non invasivo che può aiutare a rilevare e monitorare i pazienti affetti da PD. L'estrazione delle caratteristiche è un compito estremamente importante per la qualità dei dati da utilizzare con gli algoritmi di ML, con l'obiettivo principale di ridurre la dimensionalità dei dati in un processo di classificazione.