Using Expert‐Cited Features to Detect Leg Dystonia in Cerebral Palsy
Rattachement africain : us, ph. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
OBJECTIVES: Leg dystonia in cerebral palsy (CP) is debilitating but remains underdiagnosed. Routine clinical evaluation has only 12% accuracy for leg dystonia diagnosis compared to gold-standard expert consensus assessment. We determined whether expert-cited leg dystonia features could be quantified to train machine learning (ML) models to detect leg dystonia in videos of children with CP. METHODS: Eight pediatric movement disorders physicians assessed 298 videos of children with CP performing a seated task at 2 CP centers. We extracted leg dystonia features cited by these experts during consensus-building discussions, quantified these features in videos, used these quantifications to train 4,664 ML models on 163 videos from one center, and tested the best performing models on a separate set of 135 videos from both centers. RESULTS: We identified 69 quantifiable features corresponding to 12 expert-cited leg dystonia features. ML models trained using these quantifications achieved 88% sensitivity, 74% specificity, 82% positive predictive value, 84% negative predictive value, and 82% accuracy for identifying leg dystonia across both centers. Of the 25 features contributing to the best performing ML models, 17 (68%) quantified leg movement variability. We used these ML models to develop DxTonia, open-source software that identifies leg dystonia in videos of children with CP. INTERPRETATION: DxTonia primarily leverages detection of leg movement variability to achieve 82% accuracy in identifying leg dystonia in children with CP, a significant improvement over routine clinical diagnostic accuracy of 12%. Observing or quantifying leg movement variability during a seated task can facilitate leg dystonia detection in CP. ANN NEUROL 2026;99:1001-1013.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Using Expert‐Cited Features to Detect Leg Dystonia in Cerebral Palsy
- Date Crossref
- 18/01/2026
- Éditeur
- Wiley
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Washington University in St. Louis pays non établi dans la noticeUniversité ou école supérieure
-
Northwestern University pays non établi dans la noticeUniversité ou école supérieure
-
Northwestern Medicine pays non établi dans la noticeÉtablissement de santé
-
University of Missouri–Kansas City pays non établi dans la noticeUniversité ou école supérieure
-
University of Phoenix pays non établi dans la noticeUniversité ou école supérieure
-
University of Arizona College of Medicine- Phoenix pays non établi dans la noticeUniversité ou école supérieure
-
Phoenix College pays non établi dans la noticeUniversité ou école supérieure
-
Seattle Children's Hospital pays non établi dans la noticeÉtablissement de santé
-
Palo Alto University pays non établi dans la noticeUniversité ou école supérieure
-
Stanford University pays non établi dans la noticeUniversité ou école supérieure
-
George Washington University pays non établi dans la noticeUniversité ou école supérieure
-
The University of Texas Southwestern Medical Center pays non établi dans la noticeÉtablissement de santé
Washington University in St. Louis, Northwestern University et Northwestern Medicine, avec 9 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.