在老年人中患病率和脆弱性决定因素的数据库,用量化功能性移动性的数据库

科学领域:

• 老年医学 老年医学
• 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:

• 虚弱是一种普遍的老年病症,影响老年人的移动性和运动模式.
• 现有的研究缺乏全面的,开放的步行数据集,用于脆弱性评估.
• 时间和行动 (TUG) 测试是评估老年人群移动性的常见临床措施.

研究的目的:

• 引入FRAILPOL存储库,这是一个新的开放访问数据集,来自社区老年人的步行信号.
• 为推进使用可穿戴传感器数据检测和表征脆弱性的研究提供资源.
• 促进机器学习模型的开发和验证,用于分类脆弱状态.

主要方法:

• 在Time Up and Go测试期间,使用五个体内穿戴的惯性传感器 (脚,手腕,圣骨) 收集了步态数据.
• 招募了668名居住在社区的老年人进行数据收集.
• 包括人口统计,健康相关和认知健康信息以及步态和时空参数.
• 根据临床标准将参与者分为三组:强壮,前脆弱和脆弱.

主要成果:

• FRAILPOL存储库包含了668名老年人的全面步行信号和相关临床数据.
• 机器学习模型在将参与者分为二进制 (坚固,脆弱) 和多类 (坚固,脆弱前,脆弱) 类别时取得了可接受的准确性.
• 该数据集使得与不同脆弱程度相关的步行障碍的研究成为可能.

结论:

• FRAILPOL存储库是一个有价值的开放访问资源,用于老年人对脆弱性的研究.
• 机器学习方法显示出客观脆弱性评估的希望,使用基于可穿戴传感器的步态分析.
• 这一数据集可以加速开发用于早期识别和干预老年人脆弱性的工具.