预测老年人的身体功能状态:来自手腕加速度计传感器和物理活动的衍生数字生物标志物的见解

科学领域:

• 老年学是指老年学的学科.
• 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:

• 传统的体力活动 (PA) 度量可能无法完全捕捉与老年人体力功能障碍 (PFI) 相关的复杂运动模式.
• 可穿戴传感器数据为新型数字生物标志物提供了预测PFI的潜力.
• 现有的方法缺乏细节性,无法识别与功能衰退相关的PA的微妙变化.

研究的目的:

• 从手腕加速度计数据开发和验证新的数字生物标志物,用于预测老年人中的PFI及其亚型.
• 识别与PFI相关的身体活动的独特时间模式.
• 为了利用可解释的人工智能 (AI) 来解释预测模型.

主要方法:

• 利用了747名国家健康与衰老趋势研究 (NHATS) 参与者的手腕加速度计数据.
• 使用时间序列分析 (Tsfresh) 计算了231个PA特征.
• 开发并优化了6个机器学习 (ML) 模型,用SHapley增量扩展 (SHAP) 解释它们.

主要成果:

• 时间分析发现PFI和健康群体在上午9点至11点之间有明显的PA峰值差异.
• 渐变增强树模型,结合手腕加速度计数据 (WAPAS) 和人口统计数据,实现了85.93%的AUC.
• 性能指标包括81.52%的准确度,77.03%的灵敏度和87.50%的特异性.

结论:

• 新的数字生物标志物 (例如变化量,FFT系数,AGG线性趋势) 与传统的PA指标相比,显示PFI的预测能力更强.
• 捕捉PA模式的多维性质对于准确的PFI预测至关重要.
• 这些生物标志物可以增强老年人PFI远程监控系统.