基于社区的轻度认知障碍辅助查,使用步态和手写的运动参数分析
Yin-Xia Ren1, Bei Wu2, Jian-Lin Lou3
1School of Medicine, Huzhou Key Laboratory of Precise Prevention and Control of Major Chronic Diseases, Huzhou University, Huzhou 313000, Zhejiang Province, China.
World journal of psychiatry
|September 11, 2025
概括
结合步态和手写分析,有效地选老年人的轻度认知障碍 (MCI). 这种多式联运方法对早期检测和大规模查有很大的希望,特别是在资源有限的环境中.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 老年学是一门学科.
背景情况:
- 轻度认知障碍 (MCI) 的老年人经常表现出运动缺陷,例如步行速度减慢和手写改变.
- 虽然步态和手写是个别认可的指标,但它们在区分MCI与正常认知方面的联合实用性仍在调查中.
研究的目的:
- 评估步态和手写特征的潜力,以选老年人MCI.
- 探索步态和手写数据对MCI检测的综合区分能力.
主要方法:
- 95名老年人 (34人患有MCI,61人为对照组) 参加了这项研究.
- 使用GAITRite®系统评估了步态,用点矩阵笔捕捉了手写.
- 用五种机器学习模型分析数据并评估MCI查潜力.
主要成果:
- 与对照组相比,患有MCI的个体表现出明显较慢的步行速度,较短的步伐/步骤长度,以及改变的步行时间.
- 手写分析显示,MCI组的压力降低,精度降低,以及明显的动力学差异 (例如速度,加速度).
- 综合步行和手写数据的多式方法在使用梯度增强分类器区分MCI时实现了74.4%的准确性.
结论:
- 步态和手写的动力学参数的整合提供了一种可行的方法来区分患有MCI的个体.
- 这种综合方法有可能支持大规模的MCI查,特别是在资源有限的环境中.
