运动模式的具体变化可能是几种健康问题的指标:例如，力量下降往往与摔倒的风险、轻度认知障碍、抑郁、睡眠问题、呼吸问题、心律失常以及心肌无力加剧或COVID-19感染的恶化有关。在老年人中，对这些变化的系统检测可以帮助在早期鉴别慢性疾病，如痴呆、帕金森病或心脏病。这些与年龄有关的健康问题往往发现较晚，其进展通常难以客观评估。
由ARTORG生物医学工程研究中心的Tobias Nef和伯尔尼大学和伯尔尼大学医院的心脏病学名誉教授Hugo Saner领导的跨学科研究团队现在展示了大规模的、基于传感器的健康监测如何解决这些问题。研究人员将各种日常活动和行为模式结合在一起，这些行为模式是由传感器在老年研究参与者的家中测量的，帮助他们创建了一幅总结图。
研究第一作者、博士后研究员纳拉杨博士解释说:“我们在家里使用非接触式传感器创建了广泛的数字测量收集，捕捉日常生活、行为和生理的大部分，以便在早期阶段识别老年人的健康风险。”这可能有利于早期发现，并促进个性化治疗的发展和新的治疗方法和药物的研究。这项研究发表在npj数字医学杂志上。
系统可靠，被前辈认可
研究人员最初使用专为老年人定制的非交互传感器收集了1268个健康参数。部署的系统由每个房间的简单的非接触式运动传感器、床垫下的床传感器、前门和冰箱上的门传感器组成。该系统与基站相连，分析记录的运动信号，并能在出现问题或紧急情况时通知亲属或报警中心，例如当一个人晚上不睡觉时。然后，研究人员使用机器学习方法评估了以这种方式收集的数据。
ARTORG中心的老人技术和康复教授、该研究的最后一名作者Tobias Nef说:“我们能够表明，这种系统方法——与常用的几种健康指标相比——能够很好地检测出与年龄相关的健康问题，如认知障碍、摔倒风险或虚弱。”
与可穿戴设备相比，这种基于传感器的家庭监测方法在老年人中很受欢迎。托拜厄斯·内夫(Tobias Nef)和雨果·萨纳(Hugo Saner)领导的跨学科研究小组能够在跨越十多年的计算机科学、行为研究和医学的科学合作中证明，瑞士较年长的测试对象发现移动设备的日常操作相当繁琐，一些人由于灵巧或认知问题根本无法操作。特别是80岁以上的老年人显然更喜欢零互动的系统，比如研究中使用的系统。
此外，数据保护和隐私是优先考虑的。Narayan Schütz表示:“为了确保隐私和数据在技术层面得到保护，我们采用了瑞士和欧洲最高的医疗数据安全标准。”为了保护隐私，部署的传感器也不记录声音或视频，它们的安装完全是自愿的——这两个方面的研究参与者都很欣赏。
巨大的潜力
对大量日常健康数据的评估和组合也提供了识别可能的新的与衰老相关的数字生物标志物的潜力:“例如，我们发现跌倒风险可能在很大程度上取决于某些睡眠参数，”Tobias Nef解释说。
雨果·萨纳(Hugo Saner)教授负责临床数据收集，也是这项研究的最后一位作者，他评估了研究结果的临床相关性:“这样的系统标志着一个里程碑，可以早期发现独居老年人的健康状况恶化。我们认为，它可以通过推迟入院和转到护理机构，或者在最好的情况下，甚至避免去护理机构，为让老年人尽可能长时间地住在家里做出重大贡献。”
根据研究人员的说法，更好的早期发现和对典型老年疾病的个性化治疗不仅可以帮助老年人获得更好的健康，还可以减少医疗保健费用。
