算法通过智能手表测量步态质量 有助于减少跌倒

由澳大利亚神经科学研究所 (NeuRA) 和新南威尔士大学悉尼分校的研究人员编写的一种新算法可以帮助促进老年人和高危人群的健康。通过与智能手表等可穿戴技术设备配对，Watch Walk 算法可提供对步行稳定性和速度的准确测量，并可能在未来用于提供有关如何提高个人步行稳定性以降低风险的实时反馈下降。

跌倒是澳大利亚最严重的健康和经济问题之一，大约 30% 的 65 岁以上成年人每年至少经历一次跌倒。2020 年，老年人跌倒损伤的治疗费用为 23 亿美元。

在一项由 NeuRA 和 UNSW Medicine & Health 的研究人员领导并发表在《科学报告》上的两阶段研究中，101 名年龄在 19 至 81 岁之间的参与者佩戴了手腕传感器，并记录了他们在家中除了走路和跑步之外的特定动作。实验室环境。然后，研究人员使用生成的数据创建了一种数字步态生物标志物算法，该算法可以结合实验室评估的数据和真实世界的数据，更准确地测量步态质量。

在研究的第二阶段，数字步态生物标志物的有效性对来自英国生物银行数据库的 78,822 名参与者进行了测试。要求 46 至 77 岁的参与者在惯用手腕上佩戴设备 7 天，然后将总共 11,6 个 4 秒的运动记录分类为“步行”、“跑步”、“静止”或“未指定手臂”活动。Watch Walk 算法被发现可以高精度地测量这些活动(分别为 93%、98%、86% 和 74%)。

评估真实环境中的步态

数字步态生物标志物是对个体步态方面的定量测量，例如姿势、节奏、步行速度和步幅长度，可提供对整体健康、功能衰退的洞察，并且通常可以预测他们跌倒的可能性。然而，传统数字步态生物标志物测量的局限性在于它们通常适用于在跑步机和固定长度的人行道上行走，并且不能准确评估现实环境中步行活动的步态。

劳埃德·陈博士NeuRA 和 UNSW Medicine & Health 的候选人，也是该论文的主要作者之一，他说这是测量步态质量的算法第一次在现实世界环境中得到广泛测试，并将在商业上可用。

“我们知道人们走路的方式可以预测他们的健康状况。例如，走得更慢、不频繁、步幅更小或距离更短的人通常更容易跌倒。我们的目标是通过以下方式获取这些数据研究个人在日常生活中的自然行走方式，然后在超过 70,000 人身上进行广泛测试，”他说。

　　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！