ディープラーニングは,センサーデータから老年者の手術後の移動,日常生活,退院先を予測します

科学分野:

• 高齢者医療
• 生物医学工学
• データサイエンス

背景:

• 人口の高齢化により 機能回復の評価が改善される必要があります
• 伝統的な方法は主観的で稀です
• ウェアラブルセンサーは 客観的で継続的な監視を可能にします

研究 の 目的:

• 老人における術後の結果を予測するために,慣性測定単位 (IMU) ベースのデータとディープラーニングを評価する.
• モビリティ,日常生活活動,出院先の予測を評価する.
• 手術後の自動機能評価の有用性を調査する.

主な方法:

• SURGE- Aheadプロジェクトから39人の老年手術患者 (平均年齢79.05歳) のデータを分析した.
• 術後5日間の間,腰部インスリン抵抗性のセンサーを使用した.
• 適用され,検証された深層学習モデル (TabPFN) で,交叉検証を1回行う.

主要な成果:

• チャリティー・モビリティ・インデックス (R2=0.65) とバーテル・インデックス (R2=0.70) の正確な予測
• 人間での評価と中等から強い一致 (加重カッパ ≥0. 80)
• 82%の精度で放出先を予測した. Zチャンネル IMUデータと歩行パラメータは重要な予測指標でした.

結論:

• IMUデータとディープラーニングの組み合わせは,高齢の手術患者の自動化された機能評価の有意な可能性を示しています.
• このアプローチは,放出計画のための臨床的意思決定を支援することができます.
• ウェアラブルセンサーによる 客観的な継続的なモニタリングは 術後の高齢者のケアを強化します