Разработка инструмента прогнозирования падений с использованием данных акселерометра и видеоанализа походки у пожилых людей (APDM system)

Недавние достижения в области машинного обучения нарушили стандартный подход к оценке медицинского прогноза. Наша группа, состоящая из ученых-клиницистов и инженеров-исследователей, стремится создать базу данных измерений стабильности (данные акселерометров, гироскопов и датчиков высоты) в мониторах пожилых людей в продольном направлении. Эта база данных показателей стабильности (SM) позволит нам использовать новые методы машинного обучения для разработки и проверки алгоритмов, которые предсказывают будущие падения, что позволит лучше ориентироваться на уязвимых лиц.

Хотя были предприняты многочисленные попытки количественно оценить риск падения у пожилых людей с помощью прикроватных весов 7-12, ни одна из предыдущих групп не пыталась использовать комбинацию акселерометра и видеоизмерений для оценки стабильности походки. Поскольку эти измерения будут фиксироваться как у часто падающих, так и у редко падающих пациентов, у нас будут данные СМ для различных периодов времени (1, 2, 3 и 4 недели) до, по крайней мере, 100 событий падения, набор данных, который никогда не был захвачен раньше.

ГИПОТЕЗЫ:

1. Комбинация акселерометра, гироскопа и видеоданных может использоваться для прогнозирования падений в продольном направлении, сначала с использованием обучающего набора данных с последующей проверкой набора проверочных данных.
2. Все вышеперечисленные входные данные на основе датчиков могут быть объединены в простой автоматизированный инструмент прогнозирования для прогнозирования риска падения у пожилых людей. Текущие методы оценки риска падений. Современные методы прогнозирования падений в кабинетах врачей в значительной степени основаны на простых прикроватных тестах12-14. Несмотря на свою полезность, все эти меры имеют довольно низкую чувствительность и специфичность, с площадью под кривой (AUC) примерно 0,707–12.

Фактически, недавний метаанализ «не смог выявить ни одного инструмента, который имел бы оптимальный баланс между чувствительностью и специфичностью или был бы явно лучше, чем простое клиническое суждение о риске падения».

МЕТОДЫ:

а) Субъекты: i) Субъекты высокого риска (n = 50): Все субъекты будут набраны из клиник падений и гериатрии в Ванкуверской больнице общего профиля. Эти клиники обслуживают около 2500 пациентов в год и в настоящее время используются для набора участников исследований. У каждого пациента клиники измеряется скорость ходьбы, что позволит набирать людей как с высоким, так и с низким риском падения. Этот тест позволит нам набрать 50 субъектов с выраженным риском падений, предоставив нам проспективно собранный набор данных из более чем 100 событий, что в пять раз больше, чем в любом другом сенсорном исследовании.

ii) Субъекты с низким уровнем риска (n = 50): Кроме того, мы будем использовать объявления в газетах для набора и последующего отбора субъектов с низким уровнем риска. Все испытуемые будут иметь скорость ходьбы > 0,8 м/с и не имели падений за последний год.

Все пациенты исследования приходят в лабораторию (исследовательская лаборатория геронтологии и диабета, исследовательский павильон VGH) на одночасовое занятие. Каждый субъект будет выполнять 6-минутный тест ходьбы, во время которого оценка походки будет получена из системы APDM (Портленд, штат Орегон). Кроме того, будут четыре видеокамеры (спереди, сзади и по бокам), которые будут измерять необработанные видеоданные для нашего анализа походки. Камера не записывает никаких лицевых данных (на самом деле «дипфейковое» программное обеспечение в системе удаляет все детали лица), а движения пациента преобразуются в «фигурку» перед сохранением в системе. Кроме того, комплект Xethru X4M03 будет использоваться для сбора данных радара с ультрабоковой полосой (UWB). СШП радар работает в диапазоне 5.9-10.3 ГГц, обеспечивая высокое пространственное разрешение. Радар размещается на высоте 1,5 м над уровнем пола. Чтобы собрать данные о времени приземления с пятки на носок, субъект будет передвигаться с помощью системы GAITRite (CIR Systems Inc, Франклин, Нью-Джерси) с дорожкой размером 90 × 700 см × 3,2 мм.