Monitoring Age-Related Changes in Gait Complexity in the Wild with a Smartphone Accelerometer System
Notice bibliographique
Résumé
Stride-to-stride fluctuations during walking reflect age-related changes in gait adaptability and are estimated with nonlinear measures that confine data collection to controlled settings. Smartphones, with their embedded accelerometers, may provide accessible gait analysis throughout the day. This study investigated age-related differences in linear and nonlinear gait measures estimated from a smartphone accelerometer (SPAcc) in an unconstrained, free-living environment. Thirteen young adults (YA) and 11 older adults (OA) walked within a shopping mall with a SPAcc placed in their front right pants pocket. The inter-stride interval, calculated as the time difference between ipsilateral heel contacts, was used for dependent measures calculations. One-way repeated-measures analysis of variance revealed significant (p < 0.05) age-related differences (mean: YA, OA) for stride-time standard deviation (0.04 s, 0.05 s) and coefficient of variation (3.47%, 4.16%), sample entropy (SaEn) scale 1 (1.70, 1.86) and scale 3 (2.12, 1.80), and statistical persistence decay (31 strides, 23 strides). The fractal scaling index was not different between groups (0.93, 0.95), but exceeded those typically found in controlled settings, suggesting an upregulation in adaptive behaviour likely to accommodate the increased challenge of free-living walking. These findings support the SPAcc as a viable telehealth instrument for remote monitoring of gait dynamics, with implications for unsupervised fall-risk assessment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».