综述：嵌入式健康物联网（IoHT）老年人跌倒检测研究文章的文献计量分析（2006-2025年）

这篇综述通过文献计量学方法系统分析了2006-2025年嵌入式健康物联网（IoHT）在老年人跌倒检测领域的研究进展，揭示了从基础传感器集成到AI驱动系统的技术演变，并指出标准化数据集、隐私保护框架和人口统计学个性化等未来研究方向。

　　

嵌入式健康物联网（IoHT）老年人跌倒检测研究演进图谱

背景

跌倒已成为全球老年人伤害和死亡的主要原因，65岁以上人群年跌倒率高达30%，80岁以上更达50%。嵌入式IoHT技术通过整合传感器、微控制器和通信模块，为实现实时监测和快速响应提供了创新解决方案。该领域研究虽快速增长，但尚未形成系统的知识图谱分析。

方法

研究采用Scopus数据库2006-2025年的文献数据，运用VOSviewer进行科学知识图谱构建。检索策略融合嵌入式系统、IoHT、跌倒检测等关键词，提取文献类型、国家/地区、机构、作者、引文等多元指标，通过共现分析揭示研究热点演进。

研究趋势与地域特征

文献计量显示，79篇文献中会议论文占55.7%，期刊文章39.2%。2018年后研究呈爆发式增长，2024年达峰值12篇。印度、中国和美国贡献量领先，而西班牙和厄瓜多尔的研究最具影响力，其关于可穿戴设备和物联网解决方案的论文引用率最高。

技术演进路径

方法论层面呈现明显代际演进：

• 早期（2006-2014）：基于阈值的单传感器（加速度计）系统

• 中期（2015-2019）：引入物联网架构和机器学习（决策树、随机森林）

• 近期（2020-2025）：深度学习（RNN、DCNN）、传感器融合和边缘计算

最新系统准确率普遍超过94%，并整合临床工作流和智能家居环境。

研究热点聚类

关键词共现网络识别四大主题集群：

1. 1.

   环境智能（绿色）：智能家居、无设备监测

2. 2.

   惯性传感技术（红色）：加速度计设计、信号处理

3. 3.

   人口统计学因素（浅蓝）：性别、体重指数个性化

4. 4.

   网络化可穿戴设备（紫色）：远程医疗集成

现存挑战与未来方向

研究揭示三大关键缺口：

1. 1.

   缺乏标准化的跌倒数据集

2. 2.

   隐私保护机制尚不完善

3. 3.

   人口统计学代表性不均衡

   未来需重点发展：

   • 隐私保护的边缘AI系统

   • 多模态传感器融合方案

   • 临床验证与用户接受度研究

技术转化前景

从实验室原型到临床应用的转化需要：

1. 1.

   建立跨学科协作网络

2. 2.

   开发通用评估框架

3. 3.

   优化人机交互设计

   特别是需要针对不同体型、行动能力的老年人开发个性化算法。

该领域正从单纯的技术创新向"以人为中心"的系统设计转变，通过嵌入式IoHT技术与临床护理的深度整合，有望显著提升老年人群的生活质量和安全保障水平。