老年人口步态和跌倒的远程监测和分析 (4279)

阶段 1 - 创建 在日常生活的刻板行为中创建测量数据库。

招募人群（P1 招募）患者根据历史跌倒风险数据完成人口统计调查问卷。

根据从招募时完成的人口调查问卷中获得的信息，招募的患者被分配到一个流动性/独立性亚组。

患者可能会被重新分类到不同的亚组，以根据其他因素（包括虚弱、运动耐量、平衡等）重新分配他们。

给予患者一组结构化的脚本化简单活动（例如走路、坐下和从地板上捡东西等），以涵盖尽可能多的日常生活活动。

他们的行为将通过每位患者 1-3 个惯性测量单元 (IMU) 进行监控（每个都是现成的欧洲合格 (CE) 认证产品，大小不超过现代智能手机）。

数据从 IMU 无线传输到研究人员的笔记本电脑，患者不会连接或固定在任何辅助设备或电缆上。 IMU 通过舒适的轻质腰带设计和/或非侵入性腿带连接到患者身上。

这些脚本会话将每个主题重复 5 到 10 次，以创建一个匿名数据库 (D1)。 这将为算法搜索的每个“真实”数据子组形成一个参考范围。

患者可识别数据将仅限于研究问卷，这些问卷将安全地存储在相应的研究地点。

第 2 阶段 - 验证 在未编写脚本的会话中观察先前记录和未记录的主题时数据库的验证。

人口患者包括来自第 1 阶段的所有患者，招募的新患者（P2 招募）

新招募的患者 (P2) 根据历史跌倒风险数据完成人口统计调查问卷。 这些患者不会立即分配到行动/独立子组，但标记为未知 (x)。

所有患者在无脚本会议的日常活动中单独观察。 患者佩戴单个 IMU 传感器捕获移动数据 (D2)。 受试者在 D2 期间进行的活动由观察员手动输入时间表以供以后交叉参考。

2.1 以前未记录且未分配到移动/独立子组的患者 (P2) 通过运动算法分析他们的未记录数据 (D2)，该算法根据他们的数据与存储的数据的相似性将他们分层到移动/独立子组在数据库 (D1) 中。 然后根据他们的问卷数据将他们分配到流动性/独立性子组，并且比较两个结果以查看它们是否匹配或不同。

- 算法能否预测“真相”

2.2 先前在第 1 阶段被记录并根据其问卷数据被分配到活动/独立子组的患者 (P1) 将通过运动算法分析来自第 2 阶段的无脚本数据 (D2)。 然后，根据他们的新数据 (D2) 与数据库 (D1) 中存储的数据的相似性，将他们再次分层为移动性/独立性子组。 看看他们的结果是相同还是不同。

- 算法能否证实“真相”

（有关第 1 阶段和第 2 阶段的图示，请参见附录 B。）在无脚本会议 (D2) 期间，任何跌倒或患者报告发生的失去平衡都将由观察员记录下来并加盖时间戳。 这些数据集将分别被标记为“Falls truth”或“Balance truth”数据，并添加到匿名数据库中以供交叉引用。