Video Experimental Relacionado
Updated: May 5, 2026
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.8K
Identificación de la colocación óptima del clasificador y del sensor para la clasificación del riesgo de caídas
Junwoo Park1, Kitaek Lim1, Seyoung Lee1
1Injury Prevention and Biomechanics Laboratory, Department of Physical Therapy, Yonsei University, Wonju, Gangwon-do, South Korea.
Gait & posture
|August 23, 2025
Resumen
La colocación óptima de los sensores de la unidad de medición inercial (IMU) en la parte inferior de la pierna mejora significativamente la precisión de la clasificación del riesgo de caídas en adultos mayores. Este hallazgo avanza en la tecnología de prevención de caídas mediante la identificación de la mejor estrategia de sensores IMU.
Área de la Ciencia:
- Ingeniería biomédica
- Gerontología
- Ciencias de la rehabilitación
Sus antecedentes:
- La evaluación del riesgo de caídas en adultos mayores es crucial para la prevención.
- El análisis de la marcha mediante unidades de medida inerciales (IMU) es prometedor para clasificar el riesgo de caídas.
- La colocación óptima de los sensores IMU y los algoritmos de clasificación para el riesgo de caídas siguen siendo poco explorados.
Objetivo del estudio:
- Determinar la estrategia de colocación óptima de los sensores IMU para maximizar la precisión de la clasificación del riesgo de caída durante la marcha.
- Comparar el rendimiento de varios algoritmos de aprendizaje automático para la clasificación del riesgo de caídas utilizando datos del IMU.
Principales métodos:
- Se evaluó el riesgo de caídas de noventa y tres adultos mayores (bajo versus alto).
- Se recogieron datos cinemáticos utilizando 10 UMI colocadas en varios segmentos del cuerpo durante una caminata de 10 m.
- Las características extraídas incluyeron la media y la varianza de la aceleración lineal y la velocidad angular.
- Se evaluaron los clasificadores de máquina vectorial de soporte (SVM), árbol de decisión (DT), bosque aleatorio (RF), vecinos K-más cercanos (KNN), XGBoost y LightGBM.
Principales resultados:
- La colocación del sensor tuvo un impacto significativo en el rendimiento de la clasificación (p < 0,001).
- La parte inferior de la pierna surgió como la colocación óptima del sensor, logrando la mayor precisión.
- El clasificador SVM que utiliza un sensor de la parte inferior izquierda de la pierna logró una precisión del 90,1%, una sensibilidad del 95,7% y una especificidad del 84,1%.
- No se encontraron efectos significativos para el algoritmo de clasificación o su interacción con la colocación del sensor (p > 0,05).
Conclusiones:
- La colocación del sensor IMU es un factor crítico en la precisión de la clasificación del riesgo de caídas.
- La colocación de sensores IMU en la parte inferior de la pierna proporciona la mayor precisión para la evaluación del riesgo de caída.
- Estos hallazgos ofrecen información valiosa para el desarrollo de tecnologías avanzadas de prevención de caídas para los ancianos.
