由澳大利亞神經科學研究所 (NeuRA) 和新南威爾士大學悉尼分校的研究人員編寫的一種新算法可以幫助促進老年人和高危人群的健康。通過與智能手表等可穿戴技術設備配對，Watch Walk 算法可提供對步行穩(wěn)定性和速度的準確測量，并可能在未來用于提供有關如何提高個人步行穩(wěn)定性以降低風險的實時反饋下降。
跌倒是澳大利亞最嚴重的健康和經濟問題之一，大約 30% 的 65 歲以上成年人每年至少經歷一次跌倒。2020 年，老年人跌倒損傷的治療費用為 23 億美元。
在一項由 NeuRA 和 UNSW Medicine & Health 的研究人員領導并發(fā)表在《科學報告》上的兩階段研究中，101 名年齡在 19 至 81 歲之間的參與者佩戴了手腕傳感器，并記錄了他們在家中除了走路和跑步之外的特定動作。實驗室環(huán)境。然后，研究人員使用生成的數據創(chuàng)建了一種數字步態(tài)生物標志物算法，該算法可以結合實驗室評估的數據和真實世界的數據，更準確地測量步態(tài)質量。
在研究的第二階段，數字步態(tài)生物標志物的有效性對來自英國生物銀行數據庫的 78,822 名參與者進行了測試。要求 46 至 77 歲的參與者在慣用手腕上佩戴設備 7 天，然后將總共 11,6 個 4 秒的運動記錄分類為“步行”、“跑步”、“靜止”或“未指定手臂”活動。Watch Walk 算法被發(fā)現可以高精度地測量這些活動(分別為 93%、98%、86% 和 74%)。
評估真實環(huán)境中的步態(tài)
數字步態(tài)生物標志物是對個體步態(tài)方面的定量測量，例如姿勢、節(jié)奏、步行速度和步幅長度，可提供對整體健康、功能衰退的洞察，并且通?？梢灶A測他們跌倒的可能性。然而，傳統(tǒng)數字步態(tài)生物標志物測量的局限性在于它們通常適用于在跑步機和固定長度的人行道上行走，并且不能準確評估現實環(huán)境中步行活動的步態(tài)。
勞埃德·陳博士NeuRA 和 UNSW Medicine & Health 的候選人，也是該論文的主要作者之一，他說這是測量步態(tài)質量的算法第一次在現實世界環(huán)境中得到廣泛測試，并將在商業(yè)上可用。
“我們知道人們走路的方式可以預測他們的健康狀況。例如，走得更慢、不頻繁、步幅更小或距離更短的人通常更容易跌倒。我們的目標是通過以下方式獲取這些數據研究個人在日常生活中的自然行走方式，然后在超過 70,000 人身上進行廣泛測試，”他說。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！