Evaluating the Accuracy of Step Tracking and Fall Detection in the Starkey Livio Artificial Intelligence Hearing Aids: A Pilot Study
Notice bibliographique
Résumé
Purpose The primary purpose of this study was to examine the efficacy and the effectiveness of Starkey Livio Artificial Intelligence hearing aids in tracking step count. A secondary purpose was to investigate the accuracy of the fall detection and alert system of Livio hearing aids in detecting fall maneuvers. Method A participant wore Binaural Starkey Livio receiver-in-the-canal style hearing aids, a Sportline pedometer, and a Fitbit Charge 3 concurrently during both real-world and treadmill walking conditions. The real-world condition was conducted over a 5-day period. Step count for the treadmill protocol was assessed at six different treadmill speeds (2 mph, 2.5 mph, 3 mph, 3.5 mph, 4 mph, 4.5 mph, and 5 mph). The fall detection and alert system were assessed through falling maneuvers of activities of daily living. Results In the real-world condition, Livio, Sportline, and Fitbit recorded steps within 1 SD of each other. In addition, Livio recorded the most accurate steps compared to actual physical steps taken. In the treadmill condition, Livio recorded the least number of steps across all walking paces compared to the rest of the devices. Also, Livio hearing aids detected majority of the engaged falling maneuvers. Conclusions The Livio was found to be feasible, consistent, and sensitive in detecting steps and falls. Further research of higher sample size and recruitment of individuals with hearing loss are suggested.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».