相关实验视频
Updated: Jul 26, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.8K
用数字技术评估现实世界的步态? 来自Mobilise-D联盟的验证,见解和建议
M Encarna Micó-Amigo1, Tecla Bonci2, Anisoara Paraschiv-Ionescu3
1Translational and Clinical Research Institute, Faculty of Medical Sciences, Newcastle University, Newcastle upon Tyne, UK.
Journal of neuroengineering and rehabilitation
|June 14, 2023
概括
本研究验证了使用现实世界步态数据的数字移动结果 (DMO) 算法. 对于准确的步态序列检测和节奏估计,特别是对于有障碍的人来说,建议使用队列特定的算法.
科学领域:
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
- 步态分析 步态分析
背景情况:
- 数字移动成果 (DMOs) 可以从可穿戴设备数据计算出来,但需要技术验证.
- 从真实世界的步态数据来评估DMO对于临床应用至关重要.
研究的目的:
- 通过使用现实世界步行数据,比较评估和验证DMO (步行序列检测,初始接触检测 (ICD),节奏 (CAD) 和步伐长度 (SL)).
- 评估不同算法在不同患者队伍中估计DMO的性能.
主要方法:
- 从六个群体 (健康的老年人,帕金森病,多发性硬化症,股骨骨折,慢性肺炎,心力衰竭) 使用单个可穿戴设备收集的现实世界步态数据.
- 与结合惯性模块,距离传感器和压力内的参考系统进行比较.
- 验证用于步行序列检测,ICD,CAD和SL的多个算法,分析性能指标和步行速度和持续时间的影响.
主要成果:
- 确定了用于步态序列检测和CAD的队列特定的高性能算法,以及用于ICD和SL的单一最佳算法.
- 最好的算法表现出良好的到优秀的性能 (例如,灵敏度> 0.73,PPV> 0.75,特异性> 0.95,精度> 0.94,相对误差<11%).
- 在严重步行障碍,较短的步行时间和较慢的步行速度的队列中,算法性能下降.
结论:
- 该研究确定了用于估计关键DMO的强大算法,强调了对队列特定算法选择的需求.
- 算法性能受到步行长度和速度的影响,特别是对于行走障碍的人来说.
- 研究结果支持使用经过验证的DMO来监测不同临床群体的流动性.
