基于足部惯性测量单元早期步态片段实现老年人跌倒史有效分类的双队列研究

《Journal of NeuroEngineering and Rehabilitation》：Early gait segments may be sufficient: fall risk assessment does not require steady-state walking

　　

摘要

跌倒仍是老年人面临的重大健康隐患，亟需高效且精准的跌倒风险筛查手段。尽管可穿戴惯性测量单元（IMU）提供了便捷的步态分析途径，但目前尚不清楚跌倒史分类是否必须依赖于完全稳定步态序列中计算的步态参数，或者在步态参数尚未收敛的步态序列早期阶段是否已经蕴含了判别信息。本研究分析了来自两个独立队列的足部佩戴IMU数据：公开的GSTRIDE数据集以及我们团队采集的私有数据集。经预处理后，分析样本包括147名GSTRIDE参与者（71名跌倒者和76名非跌倒者）以及95名来自我们数据集的参与者（16名跌倒者和79名非跌倒者），后者来自老年生活社区。跌倒者状态依据回顾性跌倒史标签进行定义。在累积与滑动窗口的特征提取策略下，基于变异性步态参数需要大量步幅才能实现稳定的可靠性，尤其在跌倒者群体中更为明显。尽管如此，在步态参数完全稳定之前获取的步态片段中，始终观察到强大的判别潜力。基于窗口的统计分析进一步表明，GSTRIDE数据集中存在显著的早期窗口变异性差异，而我们的数据集中则未观察到，尽管两者的分类趋势相似。这些发现表明，参数完全稳定并非有效跌倒史分类的先决条件。相反，步态序列早期阶段的步态片段即可提供有用的判别信息，为传统依赖于长时间稳态步态记录的方法提供了一种实用的替代方案。