算法通过智能手表测量步态质量

澳大利亚神经科学研究(NeuRA)和悉尼新南威尔士大学的研究人员编写的新算法可以帮助促进老年人和高危人群的健康。通过与智能手表等可穿戴技术设备配对，Watch Walk 算法提供了步行稳定性和速度的准确测量，并可能在未来用于提供有关如何提高个人行走稳定性以降低跌倒风险的实时反馈。

跌倒是澳大利亚最重要的健康和经济问题之一，大约30%的65岁以上成年人每年至少经历一次跌倒。2020年，治疗老年人跌倒造成的伤害使经济损失了2亿美元。

在由NeuRA和UNSW Medicine & Health的研究人员领导并发表在《科学报告》上的一项两阶段研究中，101名年龄在19至81岁之间的参与者佩戴了手腕传感器。他们被记录在家中进行特定的运动，除了在实验室环境中行走和跑步。然后，研究人员使用生成的数据来创建一种数字步态生物标志物算法，该算法可以使用实验室评估和真实世界数据的组合来更准确地测量步态质量。

在研究的第二阶段，对来自英国生物银行数据库的78，822名参与者测试了数字步态生物标志物的有效性。46至77岁的参与者被指示在他们的惯用手腕上佩戴设备七天，然后总共11，646个四秒的运动记录被归类为“步行，跑步，静止或未指定的手臂”活动。发现Watch Walk算法可以高精度地测量这些活动(分别为93%;98%;86%和74%)。

评估现实环境中的步态

数字步态生物标志物是个体步态各方面的定量测量，例如姿势、节奏、步行速度和步幅，可以深入了解整体健康状况、功能下降，并通常可以预测他们跌倒的可能性。然而，传统数字步态生物标志物测量的局限性在于，它们通常适用于在跑步机和设定长度的人行道上行走，并且不能准确评估真实环境中步行活动的步态。

NeuRA和新南威尔士大学医学与健康博士候选人，该论文的主要作者之一Lloyd Chan表示，这是测量步态质量的算法首次在现实环境中进行广泛测试，并将商业化。

“我们知道人们走路的方式是他们健康的预测指标。例如，走得更慢、不经常、步步小或距离较短的人通常更容易跌倒。我们的目标是通过观察个人在日常生活中如何自然行走来获取这些数据 - 然后在超过70，000个人身上进行广泛测试，“他说。

Watch Walk的工作原理是使用智能手表的内置加速度计测量步态 - 与智能手机或手表移动时使屏幕打开的技术相同。

“我们的研究结果建立在腕戴式加速度计技术的进步之上，该技术以前更局限于测量步数和睡眠。作为一种测量工具，Watch Walk 有很多可能性。个人可以获得有关步态的可靠反馈，并随着时间的推移跟踪他们的改善。未来，我们希望能够分析人们如何行走，并预测他们患病或死亡的风险。

NeuRA和新南威尔士大学医学与健康高级首席研究员Stephen Lord教授说：“近年来可穿戴设备技术的发展为老年人预防跌倒提供了一种可访问且平易近人的方法。Watch Walk表明，这项技术在现实世界中也可以高度准确。