Opracowanie narzędzia do przewidywania upadków z wykorzystaniem zarówno akcelerometru, jak i danych analizy chodu wideo u osób starszych (APDM system)

Ostatnie postępy w uczeniu maszynowym zakłóciły standardowe podejście do oceny rokowań medycznych. Nasza grupa, składająca się z akademickich klinicystów i inżynierów badawczych, dąży do stworzenia bazy danych pomiarów stabilności (dane z akcelerometrów, żyroskopów i czujników wysokości) u osób starszych monitoruje podłużnie. Ta baza danych Stability Measures (SM) pozwoli nam wykorzystywać nowe metody uczenia maszynowego do opracowywania i weryfikowania algorytmów, które przewidują przyszłe spadki, co pozwoli lepiej docierać do osób wrażliwych.

Chociaż podjęto liczne próby ilościowego określenia ryzyka upadków u osób starszych za pomocą wag przyłóżkowych 7-12, żadna wcześniejsza grupa nie próbowała użyć kombinacji zarówno akcelerometru, jak i pomiarów wideo do oceny stabilności chodu. Ponieważ pomiary te będą rejestrowane zarówno u pacjentów często, jak i rzadko upadających, będziemy dysponować danymi SM dla różnych okien czasowych (1, 2, 3 i 4 tygodnie) przed co najmniej 100 upadkami, zestaw danych, który nigdy nie był schwytany wcześniej.

HIPOTEZY:

1. Kombinacja akcelerometru, żyroskopu i danych wideo może być wykorzystana do przewidywania upadków w kierunku wzdłużnym, najpierw przy użyciu zestawu danych szkoleniowych, a następnie weryfikacji na zestawie danych walidacyjnych.
2. Wszystkie powyższe dane wejściowe oparte na czujnikach można połączyć w proste, zautomatyzowane narzędzie do przewidywania ryzyka upadków u osób starszych Obecne metody oceny ryzyka upadków: Obecne metody przewidywania upadków w gabinetach lekarskich w dużej mierze opierają się na prostych testach przyłóżkowych12-14. Chociaż przydatne, wszystkie te miary mają dość niską czułość i specyficzność, z polem pod krzywą (AUC) około 0,707-12.

W rzeczywistości ostatnia metaanaliza „nie mogła zidentyfikować żadnego narzędzia, które miałoby optymalną równowagę między czułością a specyficznością lub które byłoby wyraźnie lepsze niż prosta kliniczna ocena ryzyka upadku”

METODY:

a) Pacjenci: i) Pacjenci wysokiego ryzyka (n=50): Wszyscy pacjenci będą rekrutowani z klinik upadków i geriatrii w Szpitalu Ogólnym w Vancouver. Kliniki te przyjmują rocznie około 2500 pacjentów i są obecnie wykorzystywane do rekrutacji do badań. Każdy pacjent kliniki ma mierzoną prędkość chodu, co pozwoli na rekrutację zarówno osób wysokiego, jak i niskiego ryzyka upadku. Ten test pozwoli nam zrekrutować 50 osób z wyraźnym ryzykiem upadków, dostarczając nam prospektywnie zebranego zbioru danych obejmującego ponad 100 zdarzeń, pięć razy więcej niż jakiekolwiek inne badanie z użyciem czujników.

ii) Osoby niskiego ryzyka (n=50): Ponadto będziemy wykorzystywać ogłoszenia prasowe do rekrutacji, a następnie sprawdzania osób niskiego ryzyka. Wszyscy badani będą mieli prędkość chodu > 0,8 m/s i nie mieli upadków w ciągu ostatniego roku.

Wszyscy badani pacjenci przychodzą do laboratorium (Laboratorium Gerontologii i Diabetologii, Pawilon Badawczy VGH) na godzinną sesję. Każdy badany wykona 6-minutowy test marszu, podczas którego uzyskana zostanie ocena chodu z systemu APDM (Portland, OR). Ponadto będą cztery kamery wideo (z przodu, z tyłu i po bokach), które będą mierzyć surowe dane wideo do naszej analizy chodu. Kamera nie rejestruje żadnych danych twarzy (w rzeczywistości oprogramowanie „deepfake” w systemie usuwa wszystkie szczegóły twarzy), a ruchy pacjenta są konwertowane na „figurę” przed zapisaniem w systemie. Ponadto zestaw Xethru X4M03 będzie używany do zbierania danych radarowych w paśmie bocznym (UWB). Radar UWB działa w godzinach 5,9-10,3 GHz, zapewniając wysoką rozdzielczość przestrzenną. Radar jest umieszczony 1,5 m nad poziomem podłogi. Aby zebrać dane dotyczące czasu uderzenia piętą i palcami, podmiot będzie poruszał się po systemie GAITRite (CIR Systems Inc, Franklin, NJ), z chodnikiem o wymiarach 90 × 700 cm × 3, 2 mm.