相关实验视频
Updated: May 12, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.6K
对机器学习模型进行范围审查,以预测老年人跌倒风险,而不使用传感器数据
Angelo Capodici1,2, Claudio Fanconi3, Catherine Curtin4
1Department of Health Management (Direzione Sanitaria), IRCCS Istituto Ortopedico Rizzoli, Bologna, 40127, Italy.
Diagnostic and prognostic research
|May 5, 2025
概括
机器学习 (ML) 工具可以预测老年人的跌倒,只使用健康记录,而不是传感器. 适当的数据数量和质量是准确预测跌倒风险的关键,尽管需要进一步验证.
科学领域:
- 老年学是指老年学的学科.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 布对于老年人来说是一个重要的健康问题.
- 目前的防摔策略可以通过预测分析来增强.
- 机器学习为识别有高跌倒风险的个体提供了潜力.
研究的目的:
- 通过使用健康记录数据,对机器学习工具进行范围审查,以预测跌倒.
- 评估创新技术在防摔管理方面的证据.
- 评估 ML 模型,这些模型可以在不依赖传感器数据的情况下预测跌倒.
主要方法:
- 使用机器学习预测老年人群中跌倒风险的研究范围审查.
- 纳入标准:英语语言,专注于老年人跌倒预测的ML,使用健康记录数据.
- 提取的变量包括人口特征,ML模型中使用的特征的数量和类型.
主要成果:
- 在选了6331篇文章后,包括了19项研究.
- 机器学习模型在预测跌倒方面表现出高准确度 (通常>0.70).
- 模型中使用的关键特征包括心血管状况和移动性评估.
结论:
- 机器学习可以有效地利用电子健康记录预测落,只要数据的质量和数量足够.
- 报告和公平性评估的透明度需要改进目前用于秋季预测的ML模型.
- 进一步的研究是必要的,以验证这些预测模型在不同的人口.
