使用可穿戴传感器对中风后康复结果的早期预测

科学领域:

• 神经学 神经学
• 康复医学 康复医学 康复医学
• 生物医学工程 生物医学工程

背景情况:

• 住院康复对于中风恢复至关重要,旨在改善功能和社区重新融入.
• 预测个体患者中风后的后果是具有挑战性的,因为可变的损伤和恢复模式.

研究的目的:

• 评估早期可穿戴传感器数据在预测中风幸存者出院时的功能结果中的实用性.
• 评估行走,独立和跌倒风险的预测值.

主要方法:

• 包括55名住院中风康复参与者.
• 使用入院数据 (患者信息,功能分数,下肢惯性传感器数据) 训练监督机器学习模型,以预测出院结果.
• 使用传感器数据与没有传感器数据的传统方法比较模型性能.

主要成果:

• 对于门诊患者,传感器数据显著改善了行走 (19.6%的F1得分增加) 和跌倒风险 (23.4%的F1得分增加) 的预测.
• 基于传感器的模型在行走时获得了84.4%的准确率,在独立性方面达到68.8%,在跌倒风险方面达到65.9%.
• 传感器数据没有改善使用简单平衡任务的非行走患者的预测.

结论:

• 可穿戴式传感器显示出承诺,作为预测中风后功能恢复的可访问工具.
• 使用传感器进行准确的早期预测可以增强住院康复的个性化护理和出院规划.