Vision-Based Assessment of Gait Features Associated With Falls in People With Dementia
Notice bibliographique
Résumé
BACKGROUND: Gait impairments contribute to falls in people with dementia. In this study, we used a vision-based system to record episodes of walking over a 2-week period as participants moved naturally around their environment, and from these calculated spatiotemporal, stability, symmetry, and acceleration gait features. The aim of this study was to determine whether features of gait extracted from a vision-based system are associated with falls, and which of these features are most strongly associated with falling. METHODS: Fifty-two people with dementia admitted to a specialized dementia unit participated in this study. Thirty different features describing baseline gait were extracted from Kinect recordings of natural gait over a 2-week period. Baseline clinical and demographic measures were collected, and falls were tracked throughout the participants' admission. RESULTS: A total of 1,744 gait episodes were recorded (mean 33.5 ± 23.0 per participant) over a 2-week baseline period. There were a total of 78 falls during the study period (range 0-10). In single variable analyses, the estimated lateral margin of stability, step width, and step time variability were significantly associated with the number of falls during admission. In a multivariate model controlling for clinical and demographic variables, the estimated lateral margin of stability (p = .01) was remained associated with number of falls. CONCLUSIONS: Information about gait can be extracted from vision-based recordings of natural walking. In particular, the lateral margin of stability, a measure of lateral gait stability, is an important marker of short-term falls risk.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».