基于健康老年人的步行模式预测与旅行相关的跌倒风险:一种机器学习方法

科学领域:

• 老年学是一门学科.
• 生物力学 生物力学
• 机器学习 机器学习

背景情况:

• 旅行干扰是老年人落的主要原因之一.
• 评估与旅行相关的跌倒风险和实施有针对性的干预措施对于预防至关重要.
• 识别有风险的个体需要基于常规步行模式的准确预测模型.

研究的目的:

• 开发机器学习模型,用于预测老年人与旅行相关的跌倒风险.
• 为了利用定期的步态模式作为跌倒风险评估的预测指标.
• 确定影响旅行结果的关键步态特征.

主要方法:

• 298名老年人 (≥60岁) 经历了障碍物诱导的旅行干扰.
• 从定期的行走试验中分析了40个步态特征.
• 集成分类模型使用特征选择算法和交叉验证进行训练.

主要成果:

• 模型的预测准确度在67%至94%之间.
• 最好的模型 (17个特征) 的AUC为0.96;最佳模型 (8个特征) 的AUC为0.93.
• 步行特征准确预测了与旅行相关的跌倒风险.

结论:

• 定期的步行步行模式可以有效地预测老年人与旅行相关的跌倒风险.
• 开发的机器学习模型是识别容易跌倒的个体的宝贵工具.
• 这种方法支持有针对性的干预措施,以减轻老年人群中跌倒风险.