现实世界的平衡评估,而站在老年人的秋天预测

科学领域:

• 老年学是一门学科.
• 生物力学 生物力学
• 数据科学数据科学数据科学

背景情况:

• 姿势控制随着年龄的增长而下降,老年人中跌倒风险增加.
• 临床平衡评估发现不稳定性,但往往缺乏现实世界的适用性.
• 在理解自然,日常环境中的平衡方面存在差距.

研究的目的:

• 评估现实世界平衡特征对跌倒风险的预测能力.
• 为了比较现实世界与基于实验室的平衡评估的有效性.
• 开发改进的方法来识别有高跌倒风险的老年人.

主要方法:

• 一种有限状态机器 (FSM) 模型被开发和验证,用于分类活动 (行走,转动,坐着,站立).
• FSM应用于168名社区老年人的数据,这些数据是在实验室和远程收集的.
• 机器学习模型被训练并使用现实世界的平衡特征进行测试,包括站立时的持续时间,距离和平均频率.

主要成果:

• 现实世界的站立特征 (持续时间,距离,平均频率) 与跌倒风险有显著的关系.
• 使用真实数据的最佳机器学习模型 (拉索回归) 与实验室评估 (0.57) 相比,实现了更高的AUC (0.76).
• 现实世界的平衡指标显示出优越的预测能力,用于识别高风险跌倒的个体.

结论:

• 现实世界的平衡评估比传统的实验室测试更准确地预测掉落风险.
• 从日常活动中获得的关键平衡特征对于识别容易摔倒的个体至关重要.
• 未来的防摔策略应该包括现实世界的平衡监测.