AI 步态分析对跌倒风险的提示

利用可穿戴或视频提取步态参数,机器学习模型可识别步速、步幅变异与跌倒史相关的高危人群,仍需前瞻验证。

📄 深度文章 1 分钟阅读 更新于 2026-10-18
🟡
证据等级:初步人体证据 有人体试验但样本小、无对照或结果不一致,尚待重复验证

研究说了什么

步态的细微异常(如步速变慢、左右不对称)与肌少及平衡能力下降相关。AI 可从传感器数据量化这些参数并分层风险。

为什么重要

跌倒是老年伤残主因。客观量化的步态标志物便于在社区筛查中早发现、早干预,降低意外损伤。

证据与边界

证据多为横断面与回顾建模,等级为初步。需强调:生物标志物是风险提示而非诊断,模型需在真实场景中验证预测价值。

参考来源 Hirsch et al. JAMA. 2016.
免责声明:本站内容为健康科普与信息汇总,不构成医疗建议。任何干预、补剂或训练计划开始前,请咨询执业医师。