使用从大型手腕传感器数据中提取的数字步行生物标志物预测老年人受伤性跌倒
Lloyd L Y Chan1,2, Carmen Herrera Arbona1,3, Matthew A Brodie4
1Neuroscience Research Australia, Sydney, Australia.
Age and ageing
|September 22, 2023
概括
来自手腕传感器的数字步行生物标志物可以预测老年人的伤害性跌倒. 步行速度,步数和步行质量是跌倒风险评估和预防策略的关键指标.
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
- 流行病学 流行病学
背景情况:
- 跌倒是老年人受伤和残疾的主要原因.
- 预测伤害性跌倒对于及时实施预防策略至关重要.
- 目前的秋季预测方法往往缺乏客观的,现实世界的数据.
研究的目的:
- 评估来自手腕穿戴设备的数字步行生物标志物,以预测老年人的伤害性跌倒.
- 利用这些生物标志物开发一个多变量模型来预测伤害性跌倒.
主要方法:
- 一项基于人口的纵向队列研究,对来自英国生物库的32,619名社区老年人 (≥65岁) 进行了研究.
- 步行参数 (速度,质量,数量,分布) 使用手腕加速度计在7天内被捕获.
- 考克斯的比例危险回归模型分析了9年随访期间与伤害性跌倒的关联.
主要成果:
- 5%的参与者经历了医疗护理下跌.
- 日常生活中的步行速度,步行质量,数量和分布与伤害性跌倒有显著的相关性 (P<0.05).
- 通常的步行速度,跑步时间和总步数独立预测下跌 (P<0.01) 经同变量调整后.
结论:
- 来自手腕传感器的数字步行生物标志物有效地预测了老年人受伤的跌倒.
- 这些生物标志物可以加强跌倒风险查,并为预防策略提供信息.
- 步行速度,数量和质量是跌倒风险的关键数字标记.
