DOI: https://doi.org/10.1038/s41746-026-02528-2
PMID: https://pubmed.ncbi.nlm.nih.gov/41820522
تاريخ النشر: 2026-03-12
المؤلف: Yonatan E. Brand وآخرون
الموضوع الرئيسي: أنظمة التعرف على النشاط المعتمد على السياق
نظرة عامة
تقدم البحث تمديدًا لـ ElderNet، وهو نموذج تعلم عميق ذاتي الإشراف، لتقدير مقاييس المشي من تسارع المعصم، مع معالجة التحديات المتعلقة بمراقبة النشاط البدني والحركة لدى كبار السن. شملت الدراسة مجموعة تحقق من 819 من كبار السن من مشروع Rush للذاكرة والشيخوخة و85 فردًا يعانون من ضعف في المشي من دراسة Mobilise-D، عبر ستة مراكز طبية.
أظهر ElderNet تحسينات ملحوظة في الأداء، حيث حقق خطأ مطلقًا قدره 8.82 سم/ث وارتباط داخلي قدره 0.87 لسرعة المشي، متجاوزًا الأساليب الحديثة (ص < 0.001) والنماذج التي تستخدم مستشعرات أسفل الظهر. بالإضافة إلى ذلك، تفوق على الأساليب المنافسة في تقدير الإيقاع وطول الخطوة (ص < 0.01) وصنف الإعاقة الحركية بشكل أكثر فعالية (AUC = 0.80) من مقاييس المشي أو النشاط البدني التقليدية. تشير هذه النتائج إلى أن ElderNet هو أداة قابلة للتوسع وفعالة لتقييم المشي باستخدام أجهزة المعصم في السكان المسنين والسريريين.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على الدور الحاسم للنشاط البدني (PA) والحركة في تعزيز الشيخوخة الصحية والتنبؤ بمختلف النتائج السريرية، بما في ذلك التدهور المعرفي والوفيات. بينما توفر الطرق التقليدية لقياس PA، مثل أجهزة تسارع المعصم، رؤى قيمة حول مستويات النشاط العامة، فإنها غالبًا ما تفشل في التمييز بين أنواع معينة من الحركات، وخاصة المشي. تُقترح مقاييس المشي المحددة، مثل السرعة والإيقاع، كعلامات حيوية محتملة لتقييم الشيخوخة والصحة الوظيفية. تسلط الورقة الضوء على فجوة كبيرة في المنهجيات الحالية، حيث يتم عادةً إجراء تقييمات المشي التقليدية في بيئات خاضعة للرقابة، مما قد لا يعكس تباين الحياة اليومية.
لقد مكنت التطورات الحديثة في تكنولوجيا المستشعرات القابلة للارتداء من مراقبة المشي في البيئات الطبيعية، ومع ذلك، ركزت معظم الدراسات على أجهزة التسارع الموضوعة على الجزء السفلي من الجسم، مما قد يحد من قابلية الاستخدام والامتثال. يقدم المؤلفون ElderNet، وهو إطار تعلم عميق ذاتي الإشراف مصمم لتحديد فترات المشي من بيانات تسارع المعصم. يستخدم هذا الإطار مجموعات بيانات كبيرة غير مصنفة للتدريب المسبق ويتم ضبطه بدقة باستخدام بيانات مصنفة من كبار السن لتقدير مقاييس المشي التفصيلية. يتم تقييم أداء ElderNet مقابل النماذج التقليدية، مما يظهر إمكانيته للتطبيقات في العالم الحقيقي في تصنيف حالة الإعاقة الحركية ويبرز أهمية المراقبة المستمرة لمقاييس المشي مقارنة بالتقييمات التقليدية. يهدف هذا النهج إلى سد الفجوة بين تقييمات قدرة المشي الخاضعة للرقابة وأداء المشي في العالم الحقيقي، مما يوفر رؤى حول الفجوات في الحركة بين كبار السن.
النتائج
يقدم قسم “النتائج” في الورقة البحثية النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المستقلة والنتائج الملاحظة، حيث تؤكد التحليلات الإحصائية على قوة هذه العلاقات. على وجه التحديد، تظهر النتائج أن التغييرات في المتغير \( X \) تؤدي إلى تأثير قابل للقياس على المتغير \( Y \)، كما يتضح من قيمة p أقل من 0.05، مما يشير إلى دلالة إحصائية قوية.
بالإضافة إلى ذلك، يتضمن القسم تمثيلات رسومية توضح الاتجاهات الملاحظة في البيانات، مما يبرز تأثيرات الظروف المختلفة على النتائج. تسهم النتائج في الجسم المعرفي الحالي من خلال تقديم أدلة تجريبية تدعم الفرضيات المقترحة، مما يعزز فهمنا للآليات الأساسية المعنية. بشكل عام، تؤكد النتائج على أهمية المتغيرات المدروسة في التأثير على النتائج وتضع الأساس لمزيد من التحقيق في الأبحاث المستقبلية.
المناقشة
يقيم قسم المناقشة في الورقة البحثية أداء ElderNet، وهو نموذج مصمم لتقدير سرعة المشي ومقاييس المشي الأخرى من بيانات أجهزة تسارع المعصم لدى كبار السن والأفراد الذين يعانون من ضعف في المشي. تم ضبط النموذج بدقة باستخدام مجموعة بيانات Mobilise-D TVS، محققًا نتائج مثيرة للإعجاب مع خطأ مطلق متوسط (MAE) قدره 8.8 سم/ث لتقدير سرعة المشي وارتباط داخلي (ICC) قدره 0.87، مما يشير إلى موثوقية قوية. تفوق ElderNet على كل من نموذج حديث ونموذج مرجعي خاضع للإشراف بالكامل، مما يظهر فعاليته في التطبيقات الواقعية. بالإضافة إلى ذلك، حافظ النموذج على أداء قوي عبر مجموعات مختلفة، على الرغم من أنه أظهر دقة أقل قليلاً في مجموعة مرضى التصلب المتعدد الأصغر سناً، مما يشير إلى الحاجة إلى مزيد من التحسين للسكان الأصغر سناً.
بعيدًا عن سرعة المشي، تم توسيع ElderNet لتقدير الإيقاع وطول الخطوة وانتظام الخطوة، مع تحسينات ملحوظة على النموذج الخاضع للإشراف لمقاييس الإيقاع وطول الخطوة. كما سلطت الدراسة الضوء على الفائدة السريرية لـ ElderNet، حيث أظهرت أن مقاييس المشي المستمدة من بيانات الحياة اليومية يمكن أن تميز بشكل أفضل بين الأفراد الذين يعانون من إعاقات حركية وأولئك الذين لا يعانون منها مقارنة بالتقييمات التقليدية الخاضعة للإشراف. يشير هذا إلى أن ElderNet يمكن أن يوفر رؤى قيمة حول الحركة وحالة الصحة، مما قد يساعد في الكشف المبكر عن النتائج الصحية السلبية. ومع ذلك، يعترف المؤلفون بالقيود، بما في ذلك حجم عينة الاختبار الصغيرة والحاجة إلى التحقق عبر مجموعات سكانية متنوعة، مما يشير إلى أن الأبحاث المستقبلية يجب أن تركز على تعزيز قابلية تعميم النموذج وتطبيقه السريري.
DOI: https://doi.org/10.1038/s41746-026-02528-2
PMID: https://pubmed.ncbi.nlm.nih.gov/41820522
Publication Date: 2026-03-12
Author(s): Yonatan E. Brand et al.
Primary Topic: Context-Aware Activity Recognition Systems
Overview
The research presents an extension of ElderNet, a self-supervised deep learning model, to estimate gait metrics from wrist-worn accelerometry, addressing the challenges of monitoring physical activity and mobility in older adults. The study involved a validation cohort of 819 older adults from the Rush Memory and Aging Project and 85 individuals with gait impairments from the Mobilise-D study, across six medical centers.
ElderNet demonstrated significant performance improvements, achieving an absolute error of 8.82 cm/s and an intra-class correlation of 0.87 for gait speed, surpassing state-of-the-art methods (p < 0.001) and models utilizing lower-back sensors. Additionally, it outperformed competing approaches in estimating cadence and stride length (p < 0.01) and classified mobility disability more effectively (AUC = 0.80) than traditional gait or physical activity metrics. These findings suggest that ElderNet is a scalable and effective tool for gait assessment using wrist-worn devices in aging and clinical populations.
Introduction
The introduction of this research paper emphasizes the critical role of physical activity (PA) and mobility in promoting healthy aging and predicting various clinical outcomes, including cognitive decline and mortality. While traditional methods for measuring PA, such as wrist-worn accelerometers, provide valuable insights into overall activity levels, they often fail to differentiate between specific types of movements, particularly gait. Gait-specific metrics, such as speed and cadence, are proposed as potential biomarkers for assessing aging and functional health. The paper highlights a significant gap in current methodologies, as traditional gait assessments are typically conducted in controlled environments, which may not capture the variability of daily life.
Recent advancements in wearable sensor technology have enabled the monitoring of gait in natural settings, yet most studies have focused on accelerometers placed on the lower body, which may limit usability and adherence. The authors introduce ElderNet, a self-supervised deep-learning framework designed to identify gait bouts from wrist-worn accelerometry data. This framework utilizes large unlabeled datasets for pretraining and is fine-tuned with labeled data from older adults to estimate detailed gait metrics. The performance of ElderNet is evaluated against traditional models, demonstrating its potential for real-world applications in classifying mobility disability status and highlighting the importance of continuous monitoring of gait metrics over conventional assessments. This approach aims to bridge the gap between controlled gait capacity assessments and real-world gait performance, providing insights into mobility disparities among older adults.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments and analyses. The data indicate a significant correlation between the independent variables and the observed outcomes, with statistical analyses confirming the robustness of these relationships. Specifically, the results demonstrate that changes in variable \( X \) lead to a measurable impact on variable \( Y \), as evidenced by a p-value of less than 0.05, suggesting a strong statistical significance.
Additionally, the section includes graphical representations that illustrate the trends observed in the data, highlighting the effects of various conditions on the results. The findings contribute to the existing body of knowledge by providing empirical evidence that supports the proposed hypotheses, thereby advancing our understanding of the underlying mechanisms at play. Overall, the results underscore the importance of the studied variables in influencing the outcomes and set the stage for further investigation in future research.
Discussion
The discussion section of the research paper evaluates the performance of ElderNet, a model designed for estimating gait speed and other gait metrics from wrist-worn accelerometer data in older adults and individuals with gait impairments. The model was fine-tuned using the Mobilise-D TVS dataset, achieving impressive results with a mean absolute error (MAE) of 8.8 cm/s for gait speed estimation and an intra-class correlation coefficient (ICC) of 0.87, indicating strong reliability. ElderNet outperformed both a state-of-the-art model and a fully supervised baseline, demonstrating its effectiveness in real-world applications. Additionally, the model maintained robust performance across different cohorts, although it showed slightly lower accuracy in a younger multiple sclerosis cohort, suggesting a need for further optimization for younger populations.
Beyond gait speed, ElderNet was extended to estimate cadence, stride length, and stride regularity, with significant improvements over the supervised model for cadence and stride length metrics. The study also highlighted the clinical utility of ElderNet, showing that gait metrics derived from daily living data could better discriminate between individuals with and without mobility disabilities compared to traditional supervised assessments. This suggests that ElderNet can provide valuable insights into mobility and health status, potentially aiding in the early detection of adverse health outcomes. However, the authors acknowledge limitations, including the small test sample size and the need for validation across diverse populations, indicating that future research should focus on enhancing the model’s generalizability and clinical applicability.