在老年人中潜在跌倒的关联与无处不在的基于步骤的跌倒风险参数,计算自走路惯性信号:二次数据分析

科学领域:

• 老年学是一门学科.
• 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:

• 传统的跌倒风险评估通常依赖于专门的,固定在身体上的惯性传感器,限制了用户的采用.
• 门诊步行监测越来越被认为是一种有价值的补充评估工具.
• 目前基于传感器的步态分析方法面临的挑战是传感器位置的变化.

研究的目的:

• 提出新的基于阶段的跌倒风险参数,独立于传感器位置.
• 评估这些传感器位置不可知参数与老年人潜在跌倒的关联.
• 为了利用无处不在的步骤检测方法进行步态分析.

主要方法:

• 重新分析301名社区老年人的门诊惯性数据 (StandingTall研究).
• 使用Smartstep方法进行传感器位置不可知步骤检测和步行参数计算 (变量,复杂性,强度,数量).
• 为了减小参数,采用逐步倒退淘汰和负二项式回归来评估落关联 (AUC指标).

主要成果:

• 一个预测模型实现了0.69的曲线下面积 (AUC),与固定传感器模型相比.
• 跌倒风险增加与更高的步态可变性 (步态时间变量系数),强度 (节奏) 和数量 (步数) 相相关.
• 较低的步态复杂性 (样本,分数指数) 也与较高的跌倒风险有关.

结论:

• 拟议的方法使得无论传感器的位置如何,都能准确评估落风险.
• 这种无传感器的方法对外行走和跌倒风险监测具有重大潜力.
• 调查结果支持使用消费级设备进行有效的跌倒风险评估.