EEPW论坛

随机森林回归对预测有显着贡献的4个最重要的成分主要包括步幅时间、最大脚趾间隙、脚跟打击角和步幅。这表明疲劳和这些步态测量之间存在潜在关系。结果还表明，疲劳和扩展残疾状态量表之间只有中等程度的关联。

根据发表在《神经工程与康复杂志》上的研究结果，基于惯性测量单元（IMU）系统的时空步态测量，可以预测多发性硬化症（MS）患者的疲劳程度。

步态障碍往往是MS对全身功能影响的结果。然而，MS最常见的症状是疲劳。此前的数据已经表明了2者之间的关系，但提供步态数据的可穿戴生物传感器还没有在早期的研究中使用。

在目前的研究中，研究人员试图进一步确定患者报告的疲劳和从可穿戴式脚穿IMU传感器收集的时空步态测量之间的关系。他们还调查了6分钟步行测试（6MWT）中步态测量的变化，以及预测MS患者疲劳程度的最佳方法。

这项研究包括49名MS患者（女性，32人；平均年龄，41.6岁）。研究人员从德国埃尔兰根大学医院MS中心和神经康复中心Quellenhof收集数据。每位患者在每只脚的外侧脚踝上佩戴了一个IMU。然后，研究人员从6MWT中确定时空步态参数，并使用博格量表评估疲劳度。

然后，研究人员以疲劳为因变量，以归一化步态参数的组合为自变量进行了回归分析。为了最大限度地减少1型误差，他们对数据进行了主成分分析，将归一化步态参数转换为具有显着变化的成分。

使用的6个主成分解释了数据集中90%以上的方差。研究人员利用随机森林回归来预测疲劳。该模型通过10倍交叉验证（平均绝对误差，1.38±1.07分）得到证实。

随机森林回归对预测有显着贡献的4个最重要的成分主要包括步幅时间、最大脚趾间隙、脚跟打击角和步幅。这表明疲劳和这些步态测量之间存在潜在关系。结果还表明，疲劳和扩展残疾状态量表之间只有中等程度的关联。

这项研究的局限性包括数据集相对较小，未考虑影响疲劳的因素（如睡眠障碍、抑郁症和认知障碍），以及需要调查其他疲劳测量量表及其与Borg量表的关系。

最终，研究人员得出结论："可穿戴式传感器可以在无限制的、连续的和较长时间的地面行走阵痛中进行步态分析。我们观察到，在6MWT这样的详尽任务结束时，MS患者的自我感知疲劳和时空步态参数之间存在关联"。因此，"该系统可被临床医生用作其治疗和干预方案中的监测工具，以降低MS患者的疲劳程度。"