高齢者における脆弱性の流行と決定因子のデータベース,機能的移動性を定量化

科学分野:

• ゲリアトリック・メディシン (老年医学)
• バイオメディカルエンジニアリング
• データサイエンス データサイエンス

背景:

• 脆さは,高齢者の移動力と運動パターンに影響を及ぼす一般的な老年疾患です.
• 現存する研究では,脆弱性評価のための包括的でオープンな歩行データセットが不足しています.
• Time Up and Go (TUG) テストは,高齢者の移動性を評価するための一般的な臨床測定法です.

研究 の 目的:

• コミュニティに住む高齢者の歩行シグナルに関する新しいオープンアクセスデータセットであるFRAILPOLリポジトリを導入する.
• ウェアラブルセンサーデータを用いて脆弱性の検出と特徴化の研究を進めるためのリソースを提供すること.
• 脆弱性の状態を分類するための機械学習モデルの開発と検証を容易にする.

主な方法:

• タイムアップ&ゴーテストの際に,5つの身体に搭載された慣性センサー (足首,手首,サクラム) を使って歩行データを収集した.
• データを収集するために,コミュニティに住む668人の高齢者を募集しました.
• 人口統計,健康関連,認知健康に関する情報と,歩き方,空間時間的なパラメータが含まれています.
• 臨床的基準に基づいて,参加者を3つのグループに分類した. 頑丈,弱体化前,弱体化.

主要な成果:

• FRAILPOLのリポジトリには,668人の高齢者のための包括的な歩行信号と関連する臨床データが含まれています.
• 機械学習モデルは,参加者をバイナリ (堅固,脆弱) とマルチクラス (堅固,脆弱性前,脆弱性) のカテゴリーに分類する上で,許容可能な精度を達成しました.
• このデータセットは,異なる脆弱性レベルに関連した歩行障害の研究を可能にします.

結論:

• FRAILPOLのリポジトリは,脆弱性に関する高齢者の研究のための貴重なオープンアクセスリソースです.
• 機械学習のアプローチは,ウェアラブルセンサーベースの歩行分析を使用して客観的な脆弱性評価の有望性を示しています.
• このデータセットは,高齢者の脆弱性の早期発見と介入のためのツールの開発を加速させることができます.