相关实验视频
Updated: Jul 4, 2025

08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.7K
在社区生活的老年人中确定与跌倒风险相关的基于传感器的参数:对歧视性参数的调查和解释
Xuan Wang1, Junjie Cao1, Qizheng Zhao1
1Intelligent Sensing and Proactive Health Research Center, School of Public Health (Shenzhen), Sun Yat-sen University, Shenzhen, China.
BMC geriatrics
|February 1, 2024
概括
这项研究使用传感器确定了关键的步态参数,以区分高跌倒风险的老年人. 结合惯性测量单元和深度摄像机的数据,提高了跌倒风险评估的准确性.
科学领域:
- 老年学是指老年学的学科.
- 生物力学 生物力学
- 医疗工程 医疗工程
背景情况:
- 跌倒是全球老年人的一个主要健康问题.
- 识别与跌倒风险相关的步态和运动参数对于预防策略至关重要.
- 这项研究的重点是寻找临床查工具的歧视性参数.
研究的目的:
- 确定特定的步态和运动参数,区分高跌风险和低跌风险的老年人.
- 为制定有效的临床查工具的基础,以预防跌倒.
- 探索惯性测量单元 (IMU) 和深度摄像机在跌倒风险评估中的联合实用性.
主要方法:
- 根据BBS分数,41名老年人 (≥65岁) 被归类为高或低跌倒风险.
- 参与者在佩戴IMU并被深度摄像头记录时进行了定时启动和启动 (TUG) 测试.
- 用t测试/曼-惠特尼U测试和后勤回归提取和分析了142个参数;一个废弃实验评估了传感器互补性.
主要成果:
- 确定了17个重要参数 (p<0.05),用于区分跌倒风险水平.
- 诸如行走辅助器的使用,转向坐位时的最大转向角速度和步骤长度等参数显示出高的区分能力.
- 将IMU和深度摄像头数据结合起来,与单个传感器相比,在跌倒风险评估中,曲线下面面积 (AUC) 值为0.882的较高.
结论:
- 多传感器方法提供了全面的数据来识别跌倒风险.
- 对参数的生理学解释提供了对高跌倒风险个体的更深入的见解.
- 高跌倒风险的个体表现出谨慎的步行模式 (例如,更宽的步骤,更短的步骤) 和异常的转向机制 (例如,减少膝盖曲,前方的骨盆倾斜).
更多相关视频
04:13Using a Real-Time Locating System to Measure Walking Activity Associated with Wandering Behaviors Among Institutionalized Older Adults
Published on: February 8, 2019
6.8K
05:26Author Spotlight: Innovations in iTUG Test for Enhanced Risk Assessment and Cognitive Insights
Published on: October 25, 2024
1.0K