账号:
密码:
最新动态
产业快讯
CTIMES / 文章 /
藉由惯性感测器和机器学习评估老年人跌倒风险
 

【作者: Barry Greene】2020年09月21日 星期一

浏览人次:【8694】

每一年当中,几乎每三位65岁以上的成人就有一位曾经跌倒,使得跌倒成为这一个年龄族群致命以及非致命损伤的关键因素。光是在美国,老年人因为跌倒造成伤害所衍生的医疗成本即高达500亿美元[1]。


如何降低跌倒造成的相关性伤害?评估病患的跌倒风险,以及风险被辨识到有威胁性时采取适当行动是相当重要的。许多传统评估跌倒风险的方法,然而,这些方法仰赖于主观的评判,或者需要特定领域的临床医学专家。


在Kinesis Health Technologies的工程团队开发了一个客观、量化的方法来对跌倒风险、脆弱性(frailty)、活动性损耗(mobility impairment)进行筛检,这种方法的精确程度比起传统方法高出了15%至27%。
...
...

另一名雇主 限られたニュース 文章閱讀限制 出版品優惠
一般使用者 10/ごとに 30 日間 0/ごとに 30 日間 付费下载
VIP会员 无限制 25/ごとに 30 日間 付费下载

相关文章
智能设计:结合电脑模拟、数据驱动优化与 AI 的创新进程
生成式AI与PC革新
机器学习可以帮助未来的癌症诊断
Premium Radar SDK以演算技术改进汽车雷达应用
资料科学与机器学习协助改善颈部损伤评估
相关讨论
  相关新闻
» 医材业产值重回成长轨道 2024年前10月年增2.1%
» 西门子医疗收购先进加速器应用分子影像公司
» UPS收购医疗保健冷链物流供应商 强化端对端温控服务
» 偏乡医疗IDS再升级 启动全人整合照护
» 为生医新创提升商用价值 国家新创奖助攻募资逾50亿元


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2025 远播信息股份有限公司版权所有 Powered by O3  v3.20.1.HK91KA38WMUSTACUKJ
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 /  E-Mail: webmaster@ctimes.com.tw