相关实验视频
Updated: Jul 9, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.8K
可穿戴活动数据可以预测肌肉骨损伤后的功能恢复:机器学习方法的可行性
Benedikt J Braun1, Tina Histing1, Maximilian M Menger1
1University Hospital Tuebingen, Eberhard-Karls-University Tuebingen, BG Unfallklinik, Schnarrenbergstr. 95, Tuebingen 72076, Federal Republic of Germany.
Injury
|December 9, 2023
概括
使用可穿戴传感器数据的机器学习模型可以预测肌肉骨损伤的恢复. 这种方法可以识别患有长期康复风险的患者,使早期干预和最佳康复成为可能.
科学领域:
- 整形外科 整形外科 整形外科
- 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:
- 肌肉骨损伤后的功能恢复延迟带来了重大的个人和社会经济挑战.
- 早期识别患有长期康复风险的患者对于有效管理至关重要.
- 可穿戴技术为监控患者活动提供了一种持续且客观的方法.
研究的目的:
- 证明机器学习 (ML) 模型的可行性,该模型可以预测肌肉骨损伤后的功能恢复.
- 利用可穿戴系统的伤害前和伤害后活动数据进行预测.
- 确定可能受益于额外的后期护理和有针对性的干预措施的患者.
主要方法:
- 包括创伤患者的预先存在的可穿戴设备和至少7天的伤害前活动数据.
- 持续记录患者的人口统计数据,受伤细节,工作休息时间和步数 (活动数据).
- 应用物流回归ML模型来根据活动特征预测6周功能恢复状态.
主要成果:
- 一个预测模型在受伤后的第三周实现了超过80%的准确性 (F1=0.82,AUC=0.86,ACC=0.83).
- 该模型确定了在第6周之前达到至少50%的受伤前活动水平的可能性.
- 概念验证研究包括38名患有上肢,下肢或骨盆损伤的患者.
结论:
- 使用可穿戴活动数据的机器学习模型可用于预测更慢的恢复风险.
- 这种方法可以促进早期识别需要增强后期护理的患者.
- 需要进一步的数据来完善特定骨折类型和患者人口统计数据的模型.
