步行速度和膝盖曲的有效性和可靠性,通过基于视觉的智能手机应用程序进行估计

科学领域:

• 生物医学工程 生物医学工程
• 步态分析 步态分析
• 数字健康数字健康

背景情况:

• 膝关节关节炎 (KOA) 的特点是步行速度降低和膝关节曲.
• 慢步行速度是老年人跌倒的重要危险因素.
• 早期发现KOA和预防跌倒的策略对于保持流动性至关重要.

研究的目的:

• 验证和评估基于视觉的新型智能手机应用程序的可靠性,用于测量初始姿势阶段的步行速度和膝盖曲的峰值.
• 为了确定应用程序在早期KOA检测和跌倒预防方面的潜力.

主要方法:

• 20名成年人以自己选择的速度行走,同时使用反射传感器,Xsens运动追踪器和智能手机应用程序测量步行速度和膝盖曲.
• 使用皮尔森*r*相关性和布兰德-阿尔特曼图表来评估有效性.
• 通过测试重复测试测量和类内相关系数 (ICC) 评估可靠性.

主要成果:

• 该应用程序显示了与传感器测量步行速度 (*r* = 0.98) 和膝盖曲 (*r* = 0.91-0.92) 的非常高的相关性.
• 在应用程序的测量中没有发现任何显著的系统偏差.
• 该应用程序在步行速度和膝盖曲方面表现出良好的或出色的测试-重新测试可靠性 (ICC = 0.86-0.94).

结论:

• 基于视觉的智能手机应用程序是一个有效和可靠的工具,用于捕捉初始姿势阶段的步行速度和膝盖屈曲.
• 这项技术有望促进在社区环境中早期发现膝关节关节炎和预防跌倒.
• 该应用程序提供了一种方便且易于使用的方法,用于在临床环境之外进行步态分析.