PuSH - Publikationsserver des Helmholtz Zentrums München

Export: TXT Text RIS Endnote (RIS) BIB BibTeX
Sieberts, S.K.* ; Schaff, J.* ; Duda, M.* ; Pataki, B.Á.* ; Sun, M.* ; Snyder, P.* ; Daneault, J.F.* ; Parisi, F.* ; Costante, G.* ; Rubin, U.* ; Banda, P.* ; Chae, Y.* ; Chaibub Neto, E.* ; Dorsey, E.R.* ; Aydın, Z.* ; Chen, A.* ; Elo, L.L.* ; Espino, C.* ; Glaab, E.* ; Goan, E.* ; Golabchi, F.N.* ; Görmez, Y.* ; Jaakkola, M.K.* ; Jonnagaddala, J.* ; Klén, R.* ; Li, D.* ; McDaniel, C.* ; Perrin, D.* ; Perumal, T.M.* ; Rad, N.M.* ; Rainaldi, E.* ; Sapienza, S.* ; Schwab, P.* ; Shokhirev, N.* ; Venäläinen, M.S.* ; Vergara-Diaz, G.* ; Zhang, Y.* ; Abrami, A.* ; Adhikary, A.* ; Agurto, C.* ; Bhalla, S.* ; Bilgin, H.* ; Caggiano, V.* ; Cheng, J.* ; Deng, E.* ; Gan, Q.* ; Girsa, R.* ; Han, Z.* ; Heisig, S.* ; Huang, K.* ; Jahandideh, S.* ; Kopp, W.* ; Kurz, C.F. ; Lichtner, G.* ; Norel, R.* ; Raghava, G.P.S.* ; Sethi, T.* ; Shawen, N.* ; Tripathi, V.* ; Tsai, M.* ; Wang, T.* ; Wu, Y.* ; Zhang, J.* ; Zhang, X.* ; Wang, Y.* ; Guan, Y.* ; Brunner, D.* ; Bonato, P.* ; Mangravite, L.M.* ; Omberg, L.*

Crowdsourcing digital health measures to predict Parkinson’s disease severity: The Parkinson’s Disease Digital Biomarker DREAM Challenge.

NPJ Digit. Med. 4:53 (2021)
Postprint Forschungsdaten DOI PMC
Open Access Gold
Creative Commons Lizenzvertrag
Consumer wearables and sensors are a rich source of data about patients’ daily disease and symptom burden, particularly in the case of movement disorders like Parkinson’s disease (PD). However, interpreting these complex data into so-called digital biomarkers requires complicated analytical approaches, and validating these biomarkers requires sufficient data and unbiased evaluation methods. Here we describe the use of crowdsourcing to specifically evaluate and benchmark features derived from accelerometer and gyroscope data in two different datasets to predict the presence of PD and severity of three PD symptoms: tremor, dyskinesia, and bradykinesia. Forty teams from around the world submitted features, and achieved drastically improved predictive performance for PD status (best AUROC = 0.87), as well as tremor- (best AUPR = 0.75), dyskinesia- (best AUPR = 0.48) and bradykinesia-severity (best AUPR = 0.95).
Impact Factor
Scopus SNIP
Scopus
Cited By
Altmetric
11.653
4.974
6
Tags
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern

Zusatzinfos bearbeiten
Eigene Tags bearbeiten
Privat
Eigene Anmerkung bearbeiten
Privat
Auf Publikationslisten für
Homepage nicht anzeigen
Als besondere Publikation
markieren
Publikationstyp Artikel: Journalartikel
Dokumenttyp Wissenschaftlicher Artikel
Sprache englisch
Veröffentlichungsjahr 2021
HGF-Berichtsjahr 2021
ISSN (print) / ISBN 2398-6352
e-ISSN 2398-6352
Zeitschrift NPJ digital medicine
Quellenangaben Band: 4, Heft: 1, Seiten: , Artikelnummer: 53 Supplement: ,
Verlag Nature Publishing Group
Begutachtungsstatus Peer reviewed
Institut(e) Institute of Health Economics and Health Care Management (IGM)
POF Topic(s) 30202 - Environmental Health
Forschungsfeld(er) Genetics and Epidemiology
PSP-Element(e) G-505300-002
DOI 10.1038/s41746-021-00414-7
Scopus ID 85102919216
PubMed ID 33742069
Erfassungsdatum 2021-05-19
[➜Korrektur melden]