利用杆特征选择,以提高老年人的跌倒风险预测,使用步态分析

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:

• 在临床实践中,老年人缺乏有效的跌倒风险查.
• 目前的多传感器系统不容易被整合到初级保健中.
• 需要为老年人提供可访问,准确的跌倒预测工具.

研究的目的:

• 开发一个老年人下跌预测系统,使用单个传感器和短期活动.
• 识别加速信号的关键特征,以准确评估落风险.
• 为初级保健机构创建一个易于实施的工具.

主要方法:

• 分析了71名老年人的加速信号.
• 提取了168个时间和频率域特征.
• ReliefF算法对特征进行了加权,并使用前17个特征和K=20个最近邻居开发了一个人工神经网络模型.

主要成果:

• 开发的系统达到最高准确度为82.2% (82.9%的灵敏度,81.6%的特异性).
• 特征选择和人工神经网络模型在跌倒预测方面表现出有效性.
• 该研究确定了一种可行的方法,使用最小的数据来评估跌倒风险.

结论:

• 老年人的跌倒预测可以通过单个传感器和简单的活动来实现.
• 拟议的方法为在常规老年护理中早期发现跌倒提供了一个实际的解决方案.
• 该系统有可能在初级保健机构广泛临床应用.