《Developmental Medicine & Child Neurology》：Gross motor performance of infants with an at-home wearable measurement and the Alberta Infant Motor Scale: A concurrent validity study
编辑推荐：
本论文证实，利用多传感器可穿戴连体衣（MAIJU）居家评估婴儿大运动发育，其核心指标BIMS与全球广泛使用的AIMS评估结果高度一致（相关性rho=0.97， p<10-40），且能追踪超越AIMS评估上限的更高阶段运动技能。这一客观、可量化、可扩展的评估方法，为分散式医疗保健或临床试验中的运动发育监测提供了有前景的新工具。
研究背景与目标
评估婴儿的大运动发育，是监测典型发育婴儿和存在神经发育风险婴儿神经发育状况的关键环节。然而，传统评估方法面临诸多挑战，例如婴儿个体内和个体间的巨大变异性、难以在家庭环境中进行长期观察以提升生态学效度，以及当前方法多关注已实现的里程碑式运动技能而忽略了婴儿日常活动中典型的、丰富的运动行为谱。本研究的目的是评估一种新型居家多传感器可穿戴设备（Motor Assessment of Infants with a JUmpsuit, MAIJU）用于评估婴儿大运动表现的同期效度，并将其与全球广泛使用的阿尔伯塔婴儿运动量表进行对比。
研究方法
本研究采用观察性设计，对42名婴儿（60%为男性；平均年龄11.5个月）进行了总计67次居家MAIJU测量。参与者包括典型发育的规范队列（17名婴儿）和来自神经发育随访门诊的临床队列（25名婴儿）。所有婴儿均接受由经验丰富的儿科物理治疗师进行的AIMS评估，该评估在MAIJU测量后两周内完成，以确保情境独立性。
核心的可穿戴设备MAIJU是一件装有四个运动传感器的连体衣。婴儿在家中穿着该设备进行至少一小时的自由玩耍活动。传感器数据通过蓝牙传输至移动设备，随后上传至自动化分析云平台“Babacloud”。该平台能够以秒级分辨率自动检测婴儿的7种主要姿势（如仰卧、俯卧、坐、站等）和9种运动类别（如静止、翻滚、爬行、行走等）。基于这些数据，平台计算出一个综合性的运动发育评估指标——BABA婴儿运动评分（BIMS），该评分范围从0（以仰卧为主，无翻滚）到100（以流畅行走为主）。
数据分析主要包括以下几个方面：1）直接比较BIMS与AIMS总分之间的相关性；2）将MAIJU衍生的具体姿势+运动组合指标与AIMS分数进行对比，观察其发育轨迹；3）利用机器学习模型（高斯过程回归）基于MAIJU数据预测AIMS分数；4）比较AIMS和BIMS的百分位数，评估两者在识别低运动表现婴儿（如低于5%或10%分位线）方面的一致性。
研究结果
BIMS与AIMS的高度一致性
分析显示，BIMS与AIMS总分之间存在极强的正相关性（Spearman等级相关系数 rho = 0.97， p < 10-40）。值得注意的是，当AIMS总分达到其上限58分后，BIMS评分在某些评估中仍会继续上升，这表明BIMS能够追踪更高级别的运动技能，评估范围比AIMS更广。
MAIJU指标与AIMS的详细对应关系
将MAIJU检测到的具体姿势与运动组合的发生频率作为AIMS总分的函数进行分析，可以观察到清晰的发育轨迹。例如，仰卧姿势与翻滚的组合随AIMS分数增加而下降；俯卧、爬行、坐和摇晃站立等组合则呈现先上升后下降的“驼峰”形轨迹；而站立姿势与行走的组合则随AIMS分数增加呈现明显的上升趋势，在AIMS约50分时开始显著增加。这些轨迹直观地反映了婴儿大运动技能随发育阶段变化的典型模式。
基于MAIJU数据预测AIMS分数
利用MAIJU检测到的全部姿势和运动信息，通过机器学习模型预测的AIMS分数与专家评估的AIMS分数高度相关（rho = 0.96）。即使仅使用姿势检测信息（排除运动信息），预测的AIMS分数也与原始AIMS分数强相关（rho = 0.92），但结合姿势和运动信息的预测效果显著更优。
识别低运动表现婴儿
在临床实践中，常使用低于特定百分位数（如5%或10%）作为识别需要干预婴儿的阈值。本研究发现，使用BIMS百分位数来识别AIMS百分位数低于5%或10%的婴儿，准确率超过90%（Cohen‘s kappa = 0.81），显示出极高的一致性。
讨论与意义
本研究证明了利用多传感器可穿戴设备进行居家婴儿运动发育评估，其结果与广泛使用的临床评估量表AIMS具有高度的同期效度。MAIJU系统提供的BIMS指标源自对婴儿自发家庭活动的客观测量，而非对最大表现的观察，这为运动发育评估提供了新的视角。该方法的核心优势在于其客观性、可量化性、可扩展性以及对家庭生态环境的良好适应性，便于进行纵向、频繁的评估。
研究也指出了当前工作的局限性，如样本量较小、队列异质性以及AIMS评估采用了现场与视频混合的方式。未来需要在更大人群、不同环境和更多样化的婴儿群体中进行前瞻性研究以进一步验证。
总之，这种基于可穿戴设备的居家评估方法，为地理上分散的医疗保健服务、多中心临床试验以及需要客观、重复监测神经发育的领域，提供了极具潜力的补充或替代工具。它有望帮助建立标准化的运动发育基准，实现更便捷、高效的婴儿神经发育随访。
