视频步态评估中的置信度过滤：测量误差与选择偏移

基于视频的步态评估通常只保留高置信度的姿态观测，这可以降低测量误差，但会改变所评估的运动。我们在一个帕金森相关队列（n = 96）和一个 NF2 相关重复队列（n = 18）中比较了置信度筛选与预算匹配的随机筛选。在帕金森相关队列中，置信度筛选使观测到的运动汇总指标产生小幅但一致的偏移（+0.05 SD，95% CI 0.03 至 0.07），而留出的 Mini-BESTest 误差保持平稳（-0.04 分，-0.13 至 0.05）；一种保持运动组比例的方案减小了该偏移，而 NF2 未显示偏移，其预测器也未能优于常数基线。由于该偏移混合了测量误差与选择偏移，我们在该队列的窗口结构上对二者进行分解与模拟。当误差依赖于置信度时，筛选会降低局部误差，但一旦置信度对运动的追踪强于对误差的追踪，就会使终点产生偏倚。在帕金森相关数据中，置信度与运动仅弱相关（rho = 0.14）。在那里，如果追踪良好的窗口是无偏的，筛选是无害的。反之，若系统性误差仅在参与者内部重新分配，筛选可增加多达 0.58 度。因此，此类小队列预测器下临床误差不变，并不能表明质量筛选保留了所评估的运动。

中文由 AI 翻译，仅供参考，以原文为准。