使用步态分析和智能内来评估萨尔科佩尼亚患者的身体能力,以开发数字生物标志物

科学领域:

• 老年学是指老年学的学科.
• 生物医学工程 生物医学工程
• 数据科学数据科学数据科学

背景情况:

• 萨科佩尼亚诊断依赖于传统方法,往往缺乏客观和敏感的措施.
• 数字技术为身体功能的新客观评估提供了潜力.
• 使用智能内和人工智能的步态分析可以捕获详细的生物力学数据.

研究的目的:

• 为了比较来自多个测量工具的变量重要性,用于评估肉症.
• 使用智能内和人工智能步态分析,开发萨尔科佩尼亚的预测和分类模型.
• 确定数字生物标志物,用于评估肉症患者的身体能力.

主要方法:

• 采集了83名参与者的足部压力数据,使用智能内 (23名肉,60名对照).
• 利用基于智能手机的姿势估计来进行步态分析和视频数据收集.
• 雇员曼 - 惠特尼U测试用于对萨科佩尼亚和对照组之间的统计比较.

主要成果:

• 在15个关节点行走变量中的12个组之间观察到显著差异 (p<0.05).
• 智能内和姿势估计有效地将肉类患者与对照患者区分开来.
• 数字生物标志物显示了提高萨尔科佩尼亚分类准确度的潜力.

结论:

• 智能内和人工智能驱动的步态分析提供了宝贵的数字生物标志物,用于sarcopenia.
• 这些技术可以提高萨科佩尼亚诊断的准确性,并将患者与健康个体区分开来.
• 将数字工具集成到临床实践中,有助于改善肉症管理.