Multimodal Sensor Dataset for Monitoring Older Adults Post Lower-Limb Fractures in Community Settings

要約

下肢骨折（LLF）は高齢者にとって大きな健康上の懸念であり、多くの場合、可動性の低下や回復の長期化につながり、日常生活の活動や自立を損なう可能性があります。
高齢者は回復中に社会的孤立や機能低下に直面することが多く、リハビリテーションが複雑になり、身体的および精神的健康に悪影響を及ぼします。
データを継続的に収集し、機械学習アルゴリズムを使用して分析するマルチモーダル センサー プラットフォームは、この集団をリモートで監視し、健康結果を推測できます。
また、孤立や衰退のリスクにさらされている個人について臨床医に警告することもできます。
この論文では、地域環境で LLF から回復している高齢者から収集された、公開されている新しいマルチモーダル センサー データセット MAISON-LLF を紹介します。
データセットには、スマートフォンやスマートウォッチのセンサー、動作検知器、睡眠追跡マットレス、孤立と衰弱に関する臨床アンケートからのデータが含まれています。
このデータセットは、自宅で一人暮らしをしている 10 人の高齢者から 8 週間ずつ収集され、合計 560 日分の 24 時間センサー データになります。
技術的な検証のために、センサーと臨床アンケートのデータを使用して教師あり機械学習モデルと深層学習モデルが開発され、研究コミュニティに基礎的な比較を提供しました。

要約(オリジナル)

Lower-Limb Fractures (LLF) are a major health concern for older adults, often leading to reduced mobility and prolonged recovery, potentially impairing daily activities and independence. During recovery, older adults frequently face social isolation and functional decline, complicating rehabilitation and adversely affecting physical and mental health. Multi-modal sensor platforms that continuously collect data and analyze it using machine-learning algorithms can remotely monitor this population and infer health outcomes. They can also alert clinicians to individuals at risk of isolation and decline. This paper presents a new publicly available multi-modal sensor dataset, MAISON-LLF, collected from older adults recovering from LLF in community settings. The dataset includes data from smartphone and smartwatch sensors, motion detectors, sleep-tracking mattresses, and clinical questionnaires on isolation and decline. The dataset was collected from ten older adults living alone at home for eight weeks each, totaling 560 days of 24-hour sensor data. For technical validation, supervised machine-learning and deep-learning models were developed using the sensor and clinical questionnaire data, providing a foundational comparison for the research community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google