相关实验视频
Updated: Feb 17, 2026
07:51
Video Movement Analysis Using Smartphones ViMAS: A Pilot Study
Published on: March 14, 2017
17.3K
基于智能手机的探索性分析作为ALS患者存活的数字生物标志物
Marcos Matabuena1, Marcin Straczkiewicz2, Narghes Calcagno3
1Department of Biostatistics, Harvard T.H. Chan School of Public Health, Boston, MA, United States.
Frontiers in digital health
|February 16, 2026
概括
智能手机的数字生物标志物可以跟踪肌缩侧面硬化症 (ALS) 患者的身体活动. 分析活动模式的高级指标可以改善ALS进展的生存预测模型.
科学领域:
- 神经科学是一个神经科学.
- 数字健康数字健康
- 生物统计学 生物统计学
背景情况:
- 肌缩侧面硬化症 (ALS) 是一种进展性神经退行性疾病.
- 实时监测ALS进展对于患者护理至关重要.
- 来自智能手机数据的数字生物标志物提供了一种可扩展和不引人注目的方法来跟踪身体活动 (PA).
研究的目的:
- 评估智能手机衍生PA测量对ALS生存预测模型的影响.
- 为了比较简单的PA指标与生存分析的分布式表示的有效性.
- 探索用于监测ALS疾病进展的先进数字生物标志物.
主要方法:
- 分析了31名ALS患者的数据,包括死亡率数据和长达9年的随访.
- 结合PA的生存预测模型的比较,总结为平均每日步数与分布式表示.
- 使用引导重抽样 (B=1,000) 进行模型性能评估 (C分) 和假设测试.
主要成果:
- 与简单的指标 (C-score 0.55) 相比,结合分布式PA表示的模型表现得更好 (C-score 0.68).
- 一个基于启动的假设测试表明,在90%的信心水平下,这两种模型之间存在统计学上显著的差异.
- 来自智能手机数据的高级PA指标提高了ALS生存预测的准确性.
结论:
- 使用先进的指标来总结PA时间序列可以产生更准确的数字生物标志物来监测ALS进展.
- 智能手机衍生出的体育活动数据对实时ALS监测具有前景.
- 需要进行更大规模的研究来验证这些发现,并确认先进的数字生物标志物在ALS中的实用性.
