通过机器学习模型识别虚弱的认知运动双重任务步行的潜力
Jiani Wu1, Yurou He2, Xiaoqin Wang1
1Department of Geriatrics, Laboratory of Research and Translation for Geriatric Diseases, The First Affiliated Hospital of Chongqing Medical University, Chongqing 400016, China.
Gait & posture
|January 15, 2026
概括
分析步态参数的机器学习模型可以帮助诊断老年人的脆弱性. 定时启动和启动测试 (TUGT) 在识别认知脆弱方面显示出有前途.
科学领域:
- 老年学是指老年学的学科.
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 早期的虚弱诊断对于老年人的生活质量至关重要.
- 目前手动的脆弱性评估是耗时且具有挑战性的.
- 开发客观,高效的脆弱性选工具是一个优先事项.
研究的目的:
- 研究步行参数在诊断虚弱时的有用性.
- 开发和评估用于脆弱性分类的机器学习模型.
- 探索步态参数与认知脆弱之间的关系.
主要方法:
- 收集了220名参与者的步态数据 (单任务和双任务) 和TUGT.
- 利用机器学习,使用步态特征构建一个脆弱诊断模型.
- 通过修改的脆弱指数-11 (mFI-11) 和认知功能来评估脆弱性.
主要成果:
- SVM-Linear Kernel模型实现了64.09%的准确性和64.38%的F1分数,用于脆弱性分类.
- 定时启动和启动测试 (TUGT) 是认知虚弱的显著预测指标 (AUC = 0.8293).
- 该研究确定了步态参数和认知脆弱之间的相关性.
结论:
- 机器学习模型整合了双任务步行参数,显示了脆弱性诊断的潜力.
- 这种方法可能有助于社区查和对脆弱性的临床支持.
- 步行参数,特别是TUGT,与认知脆弱有很强的联系.
