相关实验视频
Updated: Mar 15, 2026
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
11.2K
使用来自Heel2ToeTM可穿戴传感器的动态数据,区分掉落者和没有掉落者
Nancy E Mayo1,2,3, Ahmed Abou-Sharkh3, Helen Dawes3,4
1Department of Medicine, McGill University, Montreal, QC H3A 0G4, Canada.
Sensors (Basel, Switzerland)
|March 14, 2026
概括
步行时脚角速度 (AV) 可以预测跌倒风险. 这项研究发现,特定的AV指标有效地区分了摔倒的人与没有摔倒的人.
科学领域:
- 生物力学 生物力学
- 老年学是一门学科.
- 可穿戴技术可穿戴技术
背景情况:
- 跌倒是一个主要的健康问题,经常在行走时发生.
- 步行质量,特别是运动参数,是跌倒风险的一个关键因素.
- 脚动力学与常见的跌倒相关事件如和滑动密切相关.
研究的目的:
- 为了确定行走和跌倒史时脚角速度 (AV) 之间的关联.
- 开发基于脚AV指标的跌倒风险预测模型.
主要方法:
- 一项比较性研究分析了关节AV指标在有和没有下跌史的个体.
- 在各种设置中利用了Heel2ToeTM传感器的数据.
- 使用自然立方线的物流回归来确定有区别的AV参数.
主要成果:
- 脚跟撞击时的脚角速度被确定为落者和非落者之间的显著区分因素.
- 使用后勤回归参数开发了一种新的算法,以估计跌倒风险.
- 算法产生了从0.0480到0.7245的跌倒风险概率,受参与者的年龄的影响.
结论:
- 在行走过程中测量脚角速度显示出对跌倒风险评估的巨大潜力.
- 开发的算法为估计跌倒风险提供了一个有前途的工具,需要进一步验证.
- 脚动力学是预防跌倒策略的宝贵治疗和诊断目标.
