穿戴设备衍生的步态参数的准确性和精度:这些如何影响老年人跌倒预测模型的性能
概括
使用可穿戴传感器进行准确的步态分析对于预测老年人跌倒至关重要. 改进的算法精度显著提高了跌倒风险预测性能,突出了对精细方法的需求.
科学领域:
- 生物力学 生物力学
- 老年学是指老年学的学科.
- 机器学习 机器学习
背景情况:
- 穿戴式传感器对于评估老年人的步态参数和可变性至关重要,以预测跌倒风险.
- 步态分析的准确性和精度对跌倒风险预测的影响尚未被彻底研究.
研究的目的:
- 评估不同步态分析算法对老年人跌倒风险预测准确性的影响.
- 为了比较传统和支向量回归 (SVR) 方法在估计步态参数及其可变性的性能.
主要方法:
- 采集了95名老年人的步态数据,这些数据是在6分钟的步行测试中使用仪器化的鞋子和仪器化的步道.
- 估计的步态参数和可变性使用传统的脚位移和两个SVR算法.
- 开发了使用后勤回归,决策树,支持矢量机器和人工神经网络分类器的跌倒风险预测模型.
主要成果:
- 步态分析算法的准确性和精度显著影响步态参数估计和跌倒风险预测性能.
- 与传统方法相比,支持向量回归 (SVR) 算法改善了接收器操作特征曲线 (AUC) 下的区域,用于降低预测 (例如,回顾性降低从0.79到0.85).
结论:
- 完善步态分析的准确性和精度对于使用可穿戴传感器改善老年人落风险评估至关重要.
- 步态分析算法的选择直接影响机器学习模型在预测跌倒方面的有效性.
