大规模手腕传感器数据的最大或通常步行速度是否更好地预测痴呆症,抑郁症和死亡?

科学领域:

• 老年学与公共卫生
• 生物医学工程和传感器技术
• 流行病学和预测建模预测模型

背景情况:

• 老年人面临痴呆和抑郁症的风险增加,给全球卫生系统带来压力.
• 为了预测健康结果,需要对每日步行速度进行准确,大规模的评估.
• 现有的步态分析方法可能很麻烦,或者不太适合远程监控.

研究的目的:

• 开发和验证使用手腕加速度计评估每日行走速度的算法.
• 为了调查最大每日步行速度是否与通常的每日步行速度相比,对不良健康结果的优越预测.
• 评估步行速度对老年人痴呆症,抑郁症和死亡率的预测能力.

主要方法:

• 开发和测试了步行速度评估算法,使用来自101名参与者 (19至91岁) 的AX3加速度计数据进行了测试.
• 用电子步道数据确定了行走速度的基本真相.
• 痴呆症,抑郁症和死亡的预测模型是使用来自47406名英国生物库参与者 (≥60岁) 的7天加速仪数据构建的,这些数据与电子健康记录相关联.

主要成果:

• 导出的步行速度显示出高准确度,根平均平方误差 (RMSE) 为3-4%.
• 在不变模型中,最大的每日步行速度在预测痴呆,抑郁和死亡的时间方面显著超过了通常的每日步行速度.
• 当已知的风险因素被纳入多变量模型时,最大步行速度与通常步行速度的预测优势会减少.

结论:

• 佩戴在手腕上的传感器可以准确且不引人注目地测量每天的步行速度.
• 与通常的步行速度相比,最大的每日步行速度显示出作为老年人不良健康结果的优越预测器的潜力.
• 每日最大步行速度是一个可修改的,易于理解的措施,需要进一步调查,以便将其纳入健康查和干预措施.