使用加速度计测量神经运动障碍儿童和青少年体力活动的新兴方法:叙述性综述

科学领域:

• 儿科康复儿童康复中心
• 生物医学工程 生物医学工程
• 运动科学运动科学

背景情况:

• 患有神经运动障碍的儿童和青少年需要持续的体力活动,以保持健康和独立.
• 准确的体力活动测量对于评估习惯性活动和干预效果至关重要.
• 可穿戴的加速度计被广泛使用,但标准的分析方法,特别是疾病特定的切断点,在概括性上有局限性.

研究的目的:

• 对儿科神经运动障碍的传统和客观体育活动措施进行审查.
• 讨论在这个人群中标准加速度计分析的局限性.
• 探索潜在的好处,并为在身体活动监测中使用机器学习 (ML) 提供建议.

主要方法:

• 对现有关于体力活动评估方法的文献进行叙述性审查.
• 讨论传统的测量方法 (问卷,加速度计) 和它们的局限性.
• 探索用于加速仪数据处理的机器学习技术.

主要成果:

• 对加速度计数据的标准切点分析在患有神经运动障碍的儿童中存在显著限制.
• 机器学习模型提供了一种更强大的方法来分析这个群体中的加速计数据.
• 与疾病特定的切断点相比,ML方法可以提高分类体育活动类型和强度的准确性.

结论:

• 机器学习提供了一种优越的方法来分析加速度计数据,用于监测儿科神经运动障碍的身体活动.
• 对于特定的子组,需要进一步开发ML分类器,包括严重运动障碍,学龄前儿童和住院儿童.
• 建议采用ML方法,以提高身体活动评估的准确性和通用性.