使用智能手机传感器进行步行测试可以对截肢者的跌倒风险进行分类

根据 8 月 18 日在线发表在PLOS Digital Health上的一项研究，在下肢截肢者中，6 分钟步行测试 (6MWT) 中的自动足部撞击可用于计算跌倒风险分类的基于步数的特征。

来自加拿大安大略省渥太华医院研究所的 Pascale Juneau 及其同事使用随机森林模型和最近开发的自动足部撞击检测方法评估了跌倒风险分类。共有 80 名下肢截肢者(27 名跌倒者和 53 名非跌倒者)在骨盆后部使用智能手机进行了 6MWT。一种新颖的长短期记忆方法被用来完成自动脚触检测。使用手动标记或自动踩踏，计算基于步骤的特征。

研究人员发现，对于 80 名参与者中的 64 名，手动标记的足部撞击正确分类了跌倒风险(准确度为 80%;敏感性为 55.6%;特异性为 92.5%)。80 名参与者中有 58 名被自动踩踏正确分类(准确率为 72.5%;敏感性为 55.6%;特异性为 81.1%)。两种方法都看到了等效的跌倒分类结果，但使用自动足部撞击发现了另外六个误报。

“这项研究表明，从身体上的单个智能手机传感器位置自动检测到的足部撞击可用于计算下肢截肢者在完成 6MWT 后的基于步数的特征，从而对跌倒风险进行初步分类，”作者写道。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！