在中老年和老年人中,手腕穿戴的自由生活加速度计与手握力之间的关联
Colum Crowe1, John Barton1, Brendan O'Flynn1
1Tyndall National Institute, University College Cork, Lee Maltings, Prospect Row, Cork, T12R5CP, Ireland.
Aging clinical and experimental research
|May 8, 2024
概括
穿戴式活动监测器现在可以使用机器学习来预测老年人的手握力和脆弱性. 这促进了远程健康监测和早期疾病检测,以改善临床评估.
科学领域:
- 老年学是一门学科.
- 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:
- 手腕运动监测器很受欢迎,但对于老年人来说缺乏医学洞察力.
- 从可穿戴设备中推断临床信息是一个关键的研究领域.
研究的目的:
- 为了确定通过机器学习分析的手腕带的加速度计数据是否可以预测手握强度.
- 评估中年和老年人识别脆弱性相关疾病的能力.
主要方法:
- 在自由生活条件下使用消费者腕带收集了7天的加速度计数据.
- 应用数据驱动的机器学习算法来分析数据.
- 利用回归和分类模型来预测握力和脆弱状态.
主要成果:
- 开发的模型表现出优越的性能,而不是抓地力基本预测方法.
- 获得的平均绝对误差在可接受范围内的握力估计 (6.32公斤的男性,4.53公斤的女性).
- 分类模型在检测脆弱性/脆弱性前特征方面表现出中度至强度的能力 (AUC-ROC 0.70-0.87).
结论:
- 可穿戴设备可以作为老年人临床评估的有效工具.
- 这项技术可以增强综合护理,诊断和早期疾病查.
- 有助于改善多种健康状况的老年人健康监测.
