文摘
背景。周围神经病变被认为是致命的和非致命的下跌的主要原因之一。可穿戴传感器,由于其增加可用性和灵活性的设置和空间,广泛用于获得佩戴者的运动数据分析评估一个人的平衡能力下降的风险。尚未有一个回顾性研究关注的应用范围的可穿戴传感器周围神经病变患者的风险下降。目标。调查研究人员采用的方法来评估在周围神经病变患者和潜在的风险揭示未来的研究。方法。系统回顾设计用于识别文章下跌风险评估和平衡训练使用可穿戴传感器周围神经病变患者。这项研究的目的是提取以下信息:类型的传感器、信号和数据处理工作的类型,在这项研究中,使用的尺度和测试和应用程序的类型。结果。我们确定了351项研究,8是包括在内。平均35.6病人登记研究的样本量。加速度计是最常见的可穿戴传感器使用。10米走测试是更可取的过程的风险评估。结论。本文调查了几个关键部件研究评估和改善使用可穿戴传感器下降的风险。我们确定了首选功能测试(10米走测试),传感器技术(加速度计),地点(躯干和小腿),和下跌风险改进方法(接口)。然而,由于数量有限的文章专门从事这一领域的研究,一个病人样本大小和程序没有达到共识。我们建议未来研究检查更多的参数,采用融合传感器的设置。
1。介绍
周围神经病变(PN)是最常见的原因之一,神经病学门诊访问,1 - 12%的发病率在所有年龄组1,2]。它指的是一系列广泛的损害周围神经系统症状;影响远端运动、感觉和自主神经纤维(3];从而导致平衡受损,失去触觉,和异常性疼痛4]。常见的原因包括系统性疾病(即。,diabetes mellitus (DM)), genetic disorders (i.e., Charcot-Marie-Tooth disease), toxic exposure, and chemotherapy [5,6]。尤其是在DM达到世界上比例增加,糖尿病周围神经病变(DPN)的发生率较高人口近50% DM报道(7,8]。
PN被认为是一个主要危险因素下降(9]。Hindfoot反射损失,降低振动,损坏本体感受,和力量都导致更高的几率下降(10]。秋天是确定损伤的主要原因,残疾和死亡的疾病控制和预防中心(11),导致超过500亿美元的医疗费用仅在美国(12),造成财政负担的医疗体系和个人。因此下跌风险评估分析的关键风险因素和特征的人更容易下降。
传统上,下跌风险的评估依赖于步态和平衡监测在实验室设置使用动作捕捉或临床工具。尽管这些方法是准确的,他们有天生的限制,需要一个专用的测试空间,昂贵的设备,或者医疗专家进行数据解释的存在(13]。相比之下,可穿戴传感器设备利用加速度计和陀螺仪最常用来准确记录人体运动数据在一个相对紧凑的和无限的底盘14]。它们连接到病人身体上的不同位置(即。腰部,脚踝或小腿)和检索精确的运动数据。
不幸的是,研究人员尚未达成共识的方法评估的风险下降。大量的研究集中在健康个体探索下跌的风险评估或老年人15- - - - - -17]。但其中只有少数是专门针对PN人口。考虑到目前还没有评论文章关注的应用可穿戴在秋天PN患者的风险评估,我们的研究目的是执行一个系统回顾分析,为未来的研究提供洞察力。
2。方法
我们的研究采用依照棱镜系统回顾策略建议(18]。
2.1。数据库搜索策略
PubMed和Embase,斯高帕斯、IEEE Xplore和网络科学数据库选择包括工程和医学期刊在搜索过程。以下术语被用来搜索数据库3月23日,2022:神经病变或“周围神经病变”或“周围神经系统疾病”,设备或可穿戴或加速度计,风险或检测或预测或预防 ,和秋天或跌倒或失误。总结在表搜索查询1。
2.2。包含和排除标准
入选标准的搜索如下:(1)确定文章发表在英语;(2)使用便携式可穿戴设备探测、预测,或提高下跌风险;(3)研究对象与周围神经病变临床诊断。搜索的排除标准如下:(1)评论文章、会议摘要、书籍、专利,或者案例研究;(2)没有指定使用可穿戴设备;(3)发表在英语以外的其他语言。
2.3。数据分析
我们的研究设计数据提取前一个表。目标数据包括作者、利用可穿戴的康复,PN样本量,PN,可穿戴传感器类型,可穿戴的位置,数据获取过程和临床测量下跌风险分层或评估。
3所示。结果
3.1。选择过程
共有351条记录被确认的电子数据库,总结了图51。其中,我们确定了8篇文章满足我们的标准要包括在系统综述19- - - - - -26]。其中5可穿戴传感器应用于评估的风险下降,1利用可穿戴传感器改善步态和平衡努力降低风险的下降,和另一个2。
3.2。下跌的风险评估
3.2.1之上。传感器
三种类型的传感器是公认的6研究评估的风险下降。使用的所有研究加速度计。三个研究加速度计的结合使用,陀螺仪,磁力计(27]。一项研究使用加速度计和陀螺仪的组合。数量的传感器和传感器的位置也不同。四个研究使用多个传感器运动捕获数据。步态分析和平衡评价需要不同数量的传感器。平均3.2完成步态绩效评价所需要的传感器,和2.75资产评估所需的传感器。躯干和小腿是最常见的位置传感器。2研究只使用1传感器,他们两个都放在胸部的水平。下跌的风险评估的细节如表所示2。
3.2.2。样本
在研究中,共有214个PN受试者参加,平均35.6研究。受试者的平均年龄为74.2岁。只有DPN CIPN都包含在这些研究中,3 CIPN科目,2 DPN患者,另一个1都。
3.2.3。临床评估下降
我们试图确定的临床工具用来评估主体的恐惧下降或下降倾向。过去12个月内下降事件调查在5的研究中,其中3记录过去的召回数量下降,2是/否的答案。秋天功效Scale-International (FES-I)是用于4的研究。FES-I秋季评估问题是一个验证工具和下跌风险,具有良好的可靠性(28,29日]。FES-I分数PN学科在研究多种多样。迪奈蒂一项研究采用了分数。迪奈蒂的分数被设计作为一个快速规模评估步态和平衡具有良好的效度(30.,31日]。
3.2.4。程序
功能测试程序在这套可被应用于测量步态和平衡研究包括定时去(拉),走路不同长度或时间有或没有要求,48小时体育活动,30秒站平衡测试表3。
3.3。的风险下降改善
我们确定了3篇文章关注的使用可穿戴技术训练PN患者提高其步态和平衡功能,以减少风险。两人用一个可穿戴的感官的义肢,足底压力检测中心,并提供定向触觉振动刺激病人在小腿级信号。使用一个三轴加速度计、陀螺仪和磁力计来捕捉病人运动;然后,数据被用来协助同时平衡训练。培训时间变化表中描述4。
3.3.1。程序
总结在表3,这两项研究使用假肢步态功能评估,采用10米走测试(10 mwt),和四平衡测试;另外一个包括定时去测试。研究使用互动平衡训练策略包括30秒站平衡测试和10米走测试。
3.3.2。论文的摘要
Zahiri et al。19)分层患者根据临床诊断和可量化的震动感觉阈值(VPT)测试,发现脚踝左右和跨步时间与运动恶化显著相关。纳杰菲et al。22)提出,通过新颖的算法,一个加速度计可以监视三个主要姿势(坐、站、躺),评估的风险下降。Lalli et al。23)发现变化步长和速度是PN的识别参数。康等。25)评估之间的关系状态,有或没有视觉提示风险。在另一个研究中,康et al。26]监控日常身体活动在48小时内,建议走发作和总一步下跌风险评估有很强的关联。
Schwenk et al。20.]利用five-sensor设置进行传感器平衡训练来改善患者的平衡功能。经过4周的培训,主题显著提高影响力的脚踝,臀部,中间外侧的质心。因为感觉损失PN病人的主要症状,奥德松et al。21)进行感官假肢10周的病人在一段时间内。减少跌倒的风险因素和下降率为观察到病人。用相同的假肢Koehler-McNicholas et al。24)验证短期效果;超过半数的参与者报告改善步态的分数。
4所示。讨论
使用可穿戴传感器类型和位置显示一定程度的同质性,而是加速度计、陀螺仪、磁强计。只有1条(22]描述的具体算法在去噪和消除信号构件评估的风险下降。我们相信事实,许多研究人员使用这套从相同的商业公司可穿戴传感器,传感器已成为更多可用的和负担得起的发挥了重大作用。最常用的传感器验证传感器如PAMSys [32],LEGSys [33],BalanSens BioSensics来自同一个公司。总的来说,最常用的传感器是一个加速度计,这印证了与其他评论可穿戴传感器检测(13,34]。躯干和小腿是最常见的位置传感器固定。
只有DPN和CIPN患者已经招募了在这些研究中,虽然他们代表了多数患者PN, PN由于其他疾病或因素是否共享相同的步态和平衡的特征还有待检验。未来的研究还应该关注下跌风险的差异影响不同PN的原因因为机制各不相同。
使用FES-I和过去的回忆作为指标下滑风险评估存在于大多数的文章。记录的数量下降在过去的12个月里而不是二进制是/否的答案提供了更多的数据的准确估计病人的下跌风险。但病人的回忆可能出现偏差。所有的文章包括另一个池的PN患者验证传感器数据之间的相关性和下跌风险。这可能是由于志愿者招聘困难。未来的研究将会发现这套实际下降相关事件,以确保准确性。
10米走测试是首选步态分析程序,紧随其后的是30秒站测试资产评估。我们推测这在一定程度上是由于这样的事实,他们更容易执行以最小的安装准备。它们与高可靠性的研究和验证测试(35- - - - - -38]。一项研究必修科目记录日常身体活动的48小时。日常活动长期的时间可以准确地代表了自然的步态和姿态的测试对象。因为它是使用单一传感器的设置,只有数步,走发作,和姿势数据收集,使其难以准确评估到所有活动。这将是有趣的,看看多个传感器可以代表日常活动更精确。
下跌风险的改进研究,这两个使用感官替代方法应用相同的假肢。设备提供实时触觉反馈,并显著改善步态和平衡实现即使在10分钟的训练。互动平衡error-dependent培训,培训研究利用传感器数据显示的实时feedback-enabled恢复感觉映射可以改善步态和平衡。未来的研究应探讨理想的组合方法和原理训练技巧。
很小数量的文章都包含在我们的审查。我们的论文重点是文章,意味深长地选择患者周围神经病变(PN)作为他们的对象。我们事实上发现了相当大量的当前文章下降预测和干预对健康个体或老年人,或帕金森症患者。我们排除了那些文章,不包括临床诊断PN的病人。诚然,下跌的风险评估方法可能不同组之间共享某种程度的相似之处。因为PN的独特之处在于其病因和病理学,步态模式和下降的机制可能不同。因此,相应的评估工具的意义和阈值可能存在很大的不同。我们相信方法和阈值制定从收集的数据从其他群体(主要是健康成年人)将可怜的价值未来研究风险评估患者的PN下降。
作为一种相对新颖的领域风险评估和改进,研究方法和传感器类型用于一般风险研究可以迁移到PN的病人。多个小说可穿戴式传感器可以投入使用。例如,足底测斜仪,肌电图和压力传感器可以承诺(39]。自适应/动态阈值选择越来越提供个性化护理的关键(40]。利用智能手机集成传感器作为输入也证明实际(41]。研究人员还应计算精度,选择方法的特异性、准确性,F1-measure [42]。未来的研究还应该关注应用深度学习算法来推断PN患者的步态模式更高的下跌风险(43]。多个传感器的融合也抵消噪音的关键,提高鲁棒性下跌风险的实时分析步态分析(44]。我们也提倡APDM等更复杂的和验证传感器系统(45)是利用未来的研究。
5。结论
本文调查了几个关键部件研究评估和改善使用可穿戴传感器下降的风险。我们确定了首选功能测试(10米走测试),传感器技术(加速度计),地点(躯干和小腿),和下跌风险改进方法(接口)。然而,由于数量有限的文章专门从事这一领域的研究,一个病人样本大小和程序没有达到共识。我们建议未来研究检查更多的参数,采用融合传感器的设置。
数据可用性
数据可从PubMed、Embase斯高帕斯,IEEE Xplore和Web的科学。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
祁阳锅和云谷陈了同样的工作。