DOI: https://doi.org/10.1038/s41597-025-04818-y
PMID: https://pubmed.ncbi.nlm.nih.gov/40157915
تاريخ النشر: 2025-03-29
المؤلف: Loreen Pogrzeba وآخرون
الموضوع الرئيسي: التوازن، والمشي، والوقاية من السقوط
نظرة عامة
مجموعة بيانات CeTI-Age-Kinematics تعالج فجوة كبيرة في بيانات التقاط الحركة (MoCap) من خلال توفير تسجيلات حركية شاملة لحركات الجسم بالكامل أثناء المهام اليومية عبر مجموعتين عمريتين: كبار السن (66-75 سنة) والبالغين الأصغر سناً (19-28 سنة). باستخدام بدلات وأقنعة مزودة بوحدات قياس قصور (IMUs)، تشمل مجموعة البيانات 30 مهمة يومية شائعة مصنفة إلى تسع مجموعات، بما في ذلك التفاعلات المحاكاة مع أشياء خيالية. تم جمع البيانات تحت ظروف مسيطر عليها، مما يضمن إمكانية التكرار والتوثيق الشامل لإجراءات المهام والتغيرات. بالإضافة إلى ذلك، تشمل القياسات الأنثروبومترية والمكانية لتسهيل تفسير بيانات IMU بالنسبة لخصائص الجسم الفردية والسياقات البيئية.
هذه المجموعة من البيانات مهيأة لتعزيز التقدم في التعلم الآلي، والواقع الافتراضي، والتطبيقات الطبية من خلال تمكين التحليلات التفصيلية للحركات الطبيعية وتنوعها عبر مجموعات عمرية مختلفة. يتم التأكيد على أهمية الحركة للحفاظ على الاستقلالية لدى كبار السن، حيث ترتبط القدرات الحركية بالوظائف الإدراكية وتقييم التدهور البدني والإدراكي. يمكن أن تدعم بيانات المجموعة الغنية التحليل والنمذجة الحركية في الوقت الحقيقي، وهو أمر حاسم لتطوير أنظمة تكيفية في التشخيص عن بعد، وإعادة التأهيل، وتخطيط الحركة الروبوتية. علاوة على ذلك، يبرز ضرورة دمج السكان المتنوعين في مجموعات بيانات الحركة، حيث تركز المجموعات الحالية بشكل أساسي على البالغين الأصغر سناً أو من هم في منتصف العمر الذين يؤدون مهام محددة، مما يحد من فهم الاختلافات المرتبطة بالعمر في خصائص الحركة.
الطرق
توضح قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في أسئلة البحث. استخدمت الدراسة نهجًا كميًا، يتضمن تحليلًا إحصائيًا لتقييم البيانات المجمعة من تجارب مختلفة. شملت المنهجيات المحددة تجارب محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لمراقبة تأثيراتها على النتائج ذات الصلة.
شملت جمع البيانات مصادر أولية وثانوية، مما يضمن مجموعة بيانات شاملة للتحليل. تضمنت الأدوات الإحصائية المستخدمة تحليل الانحدار واختبار الفرضيات، مما سهل تحديد العلاقات المهمة بين المتغيرات. كما يتناول القسم معايير اختيار المشاركين والاعتبارات الأخلاقية التي تم الالتزام بها طوال عملية البحث، مما يضمن نزاهة وموثوقية النتائج.
المناقشة
شملت الدراسة 32 مشاركًا (17 أنثى، 15 ذكر؛ متوسط العمر 52.0 ± 23.5 سنة) مقسمين إلى مجموعتين عمريتين: البالغين الأصغر سناً (19-28 سنة) وكبار السن (66-75 سنة). تم الحصول على الموافقة الأخلاقية من جامعة دريسدن التقنية، وقدم جميع المشاركين موافقة مستنيرة. استخدم جمع البيانات نظام جمع البيانات الإلكترونية البحثية (REDCap)، مما يضمن تقييمات ديموغرافية وأنثروبومترية شاملة، بما في ذلك تاريخ الألم العضلي الهيكلي عبر استبيان العضلات الهيكلية النوردي وتقييم اليد من خلال استبيان اليد في إدنبرة. كان مطلوبًا من المشاركين أن يكون لديهم رؤية طبيعية أو مصححة للرؤية والسمع، وهدفت الدراسة إلى تقييم حالتهم الصحية وقدراتهم البدنية.
تم التقاط البيانات الحركية باستخدام نظام التقاط الحركة القابل للارتداء (Smartsuit Pro وSmartgloves) بتردد 100 هرتز، مع 19 مستشعر IMU لتتبع مفصل لحركات الجسم. أظهر النظام دقة عالية في قياس زوايا المفاصل، مع أخطاء جذر متوسط المربعات (RMSE) قابلة للمقارنة مع الأنظمة الضوئية التقليدية. تضمنت مجموعة البيانات 30 مهمة حركة يومية تم تنفيذها في بيئات طبيعية، بما في ذلك أوضاع المعايرة، وتفاعلات مع الأجسام، ومهام المشي، مصممة لتعكس التغيرات في السرعة والظروف البيئية. تم تنفيذ كل مهمة عدة مرات لضمان الموثوقية، مع اهتمام خاص بالتعديلات الأنثروبومترية الفردية لتفاعلات الأجسام. كانت بروتوكولات جمع البيانات الشاملة تهدف إلى تسهيل الرؤى حول البيوميكانيكا للحركة عبر مجموعات عمرية مختلفة، مما يساهم في فهم التغيرات المرتبطة بالعمر في الأداء البدني.
DOI: https://doi.org/10.1038/s41597-025-04818-y
PMID: https://pubmed.ncbi.nlm.nih.gov/40157915
Publication Date: 2025-03-29
Author(s): Loreen Pogrzeba et al.
Primary Topic: Balance, Gait, and Falls Prevention
Overview
The CeTI-Age-Kinematics dataset addresses a significant gap in motion capture (MoCap) data by providing comprehensive kinematic recordings of full-body movements during daily tasks across two age groups: older adults (66-75 years) and younger adults (19-28 years). Utilizing sensor suits and gloves equipped with inertial measurement units (IMUs), the dataset encompasses 30 common daily tasks categorized into nine groups, including simulated interactions with imaginary objects. The data collection was conducted under controlled conditions, ensuring repeatability and thorough documentation of task procedures and variations. Additionally, it includes anthropometric and spatial measurements to facilitate the interpretation of IMU data in relation to individual body characteristics and environmental contexts.
This dataset is poised to enhance advancements in machine learning, virtual reality, and medical applications by enabling detailed analyses of naturalistic motions and their variability across different age groups. The importance of movement for maintaining autonomy in older adults is emphasized, as motor abilities are linked to cognitive functions and the assessment of physical and cognitive declines. The dataset’s rich data can support real-time movement analysis and modeling, which are critical for developing adaptive systems in telediagnostics, rehabilitation, and robotic motion planning. Furthermore, it highlights the necessity of incorporating diverse populations into motion datasets, as existing datasets predominantly focus on younger or middle-aged adults performing specific tasks, thereby limiting the understanding of age-related differences in motion characteristics.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research questions. The study utilized a quantitative approach, incorporating statistical analysis to evaluate the data collected from various experiments. Specific methodologies included controlled experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved both primary and secondary sources, ensuring a comprehensive dataset for analysis. The statistical tools applied included regression analysis and hypothesis testing, which facilitated the identification of significant relationships between variables. The section also details the criteria for participant selection and the ethical considerations adhered to throughout the research process, ensuring the integrity and reliability of the findings.
Discussion
The study involved 32 participants (17 females, 15 males; mean age 52.0 ± 23.5 years) divided into two age groups: younger adults (19-28 years) and older adults (66-75 years). Ethical approval was obtained from the Technische Universität Dresden, and all participants provided informed consent. Data collection utilized the Research Electronic Data Capture (REDCap) system, ensuring comprehensive demographic and anthropometric assessments, including musculoskeletal pain history via the Nordic Musculoskeletal Questionnaire and handedness evaluation through the Edinburgh Handedness Inventory. The participants were required to have normal or corrected-to-normal vision and hearing, and the study aimed to evaluate their health status and physical capabilities.
Kinematic data were captured using a wearable motion capture system (Smartsuit Pro and Smartgloves) at a frequency of 100 Hz, featuring 19 IMU sensors for detailed tracking of body movements. The system demonstrated high accuracy in measuring joint angles, with root mean square errors (RMSE) comparable to traditional optoelectronic systems. The dataset comprised 30 daily movement tasks performed in naturalistic settings, including calibration poses, object interactions, and walking tasks, designed to reflect variations in speed and environmental conditions. Each task was executed multiple times to ensure reliability, with specific attention to individual anthropometric adjustments for object interactions. The comprehensive data collection protocol aimed to facilitate insights into the biomechanics of movement across different age groups, contributing to understanding age-related changes in physical performance.