
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于肌电信号识别药物相关跌倒风险的探索性建模研究
《Scientific Reports》:Model-based identification of medication-associated fall-risk signals using EMG time-series analysis: an exploratory mechanistic approach in polypharmacy
【字体: 大 中 小 】 时间:2026年10月16日 来源:Scientific Reports 4.9
编辑推荐:
摘要跌倒是老年人功能下降的主要原因。现有的跌倒风险评估往往忽略了药物的影响,而新兴的基于传感器的方法虽然能预测谁可能跌倒,却很少解释原因。我们提出了一种基于模型的方法,利用高频时间序列肌电图(EMG)来识别与药物相关的跌倒风险信号。15 名年轻人和 15 名老年人完成了基于扰
跌倒是老年人功能下降的主要原因。现有的跌倒风险评估往往忽略了药物的影响,而新兴的基于传感器的方法虽然能预测谁可能跌倒,却很少解释原因。我们提出了一种基于模型的方法,利用高频时间序列肌电图(EMG)来识别与药物相关的跌倒风险信号。15 名年轻人和 15 名老年人完成了基于扰动的平衡任务,通过非线性混合效应建模和自举辅助的协变量选择,将七条下肢和躯干肌肉的肌电图反应与常见药物类别联系起来。模拟得出的共同收缩指数(CCI)作为结果指标,与源自 Falk 等人的基准值进行了比较。通过逐步协变量建模和基于自举的确认,保留了两类药物作为稳健协变量:抗凝药,与较高的共同收缩指数相关;以及他汀类药物,与较低的共同收缩指数相关。在基于模型的模拟中,抗凝药暴露对应着超过 CCI 基准值的几率显著升高,而他汀类药物尽管有一致的协变量信号,却未增加模拟的几率。这一探索性、信号生成框架重点在于从肌电图中识别药物相关的神经肌肉变化,并可能提供补充传统流行病学的机制背景。一个配套的 web 应用程序展示了这种方法,作为跌倒风险评估期间支持药物审查的补充工具。