在行走过程中使用棒子使用特征来预测身体脆弱性.

科学领域:

• 老年学是一门学科.
• 生物医学工程 生物医学工程
• 康复科学 康复科学 康复科学

背景情况:

• 身体虚弱是人口老龄化的一个重大问题,影响了流动性和独立性.
• 客观地评估社区老年人的身体脆弱性对于及时干预至关重要.
• 使用可穿戴传感器的步态分析为非侵入性脆弱性评估提供了一个有希望的途径.

研究的目的:

• 在有或没有身体虚弱的老年人中,用杆上的惯性测量单元 (IMU) 测量的步态参数 (加速,角速度) 的特征.
• 根据IMU数据,评估机器学习模型在区分脆弱和非脆弱老年人的有效性.
• 为了确定与身体虚弱相关的特定步行特征.

主要方法:

• 居住在社区的老年人带着装有IMU的杖走路.
• 使用Kihon检查清单中的与运动相关的项目来评估身体脆弱性.
• 训练和测试了五种机器学习模型,使用IMU衍生的步态指标来分类身体虚弱.

主要成果:

• 与非虚弱个体相比,身体虚弱的老年人表现出更小的垂直和前后方方向的平方根平均值,以及减少的前后方角速度.
• 脆弱的参与者在垂直方向上显示出更大的平均功率频率.
• 决策树模型实现了最高的分类性能,准确率为78.6%,F1得分为91.8%,AUC为0.81.

结论:

• 由IMU附着的杖捕捉到的步行特征在身体脆弱和非脆弱的老年人之间存在差异.
• 基于IMU的步态分析有可能在现实环境中对身体脆弱性进行有效和客观的评估.
• 机器学习,特别是决策树,可以使用基于甘的IMU数据准确识别身体脆弱性.