使用智能手机传感器的步行测试可以将截肢者的跌倒风险分类

根据8月18日在线发布的研究PLOS数字健康。

来自加拿大安大略省渥太华医院研究所的Pascale Juneau，同事使用随机森林模型评估了秋季风险分类，并采用了最近开发的自动脚打击检测方法。总共80个下limb截肢者（27名堕落者和53名非坠落者）进行了6MWT手机在后骨盆上。一种新型的长期短期记忆方法用于完成自动脚打击检测。使用手动标记或自动脚打击，计算了基于步骤的功能。

研究人员发现，在80名参与者中有64位手动标记为脚罢工正确分类的跌倒风险（准确性为80％；灵敏度为55.6％；特异性为92.5％）。80名参与者中有58名通过自动脚打击（准确性为72.5％；灵敏度为55.6％；特异性为81.1％）。两种方法都可以看到同等的秋季分类结果，但是自动脚罢工又看到了六个假阳性。

作者写道：“这项研究表明，在完成6MWT后，可以使用人体单个智能手机传感器位置自动检测到的脚撞击，以计算下肢截肢者的基于步骤的特征，从而导致初步的秋季风险分类。”

---

---

版权所有©2022健康日。版权所有。