可穿戴傳感器在老年人功能狀態評估中的應用及研究進展

梁 燕，梁 鴻

（1.復旦大學護理學院,上海 200032；2.復旦大學社會發展與公共政策學院）

隨著人口結構變化，老年人口增多，健康老齡化成為重要的社會目標之一。老齡化帶來的功能下降會導致老年人身體和精神功能喪失，而早期識別老年人功能狀態改變有利于護理人員采取有效干預手段，降低老年人跌倒風險，幫助老年人維持生活自理能力。在“在地老化（aging in place）”理念日益盛行的背景下，如何精準、高效地對社區居家老年人功能狀態進行評估，成為亟待解決的問題。傳統依靠人力進行的功能狀態評估的方法耗費時間較長，人力資源需求較大且客觀性不足，隨著信息技術發展，國外老年人功能狀態評估開始借助技術以達到擴展評估維度，增加評估頻次，實現長期、持續監測的目的。本研究圍繞可穿戴傳感器在老年人功能狀態評估中的應用及研究進行綜述，以期為臨床護理實踐和科學研究提供參考和借鑒。

1 老年人功能狀態評估的現狀和問題

老年人功能狀態評估是一個廣義概念，包括老年評估、老年人日常生活活動能力和工具性日常生活活動能力評估等。其中，老年評估（geriatric assessment）指利用設計良好的工具，明確與功能和認知下降相關的早期改變。其按照評估內容通常包括對老年人功能能力、身體健康狀況、認知和心理健康、社會環境的評估[1-2]；按照評估目的通常包括老年綜合評估[3]和老年人失能等級評估[4]，前者旨在確定老年人在醫學、精神心理、社會行為、環境及其功能狀態方面所具有的能力和存在的問題，進而為老年人制定一個綜合協調的、短期或長期的診療、康復和照護計劃，后者更注重給出評定等級。

1.1 老年綜合評估 多數老年綜合評估發生在醫院等醫療專業場所。但理想狀態下，評估應該發生在老年人家里甚至在日常生活中進行。這是由于醫護人員采取評估行動能力的標準化醫學測試時（如計時起立行走、30 s 椅子站立測試、4 階段平衡測試等），評估對象可能在醫護人員面前加倍努力，從而顯示出人為的夸張表現；也可能因測試焦慮或其他因素顯示出不如平時的表現[5]。其原理可依據海森堡不確定原則（the Heisenberg uncertainty principle）予以解釋，該理論認為系統的測量在不影響系統本身的情況下是無法做到的，用其來解釋老年人行動能力評估，則提示在實驗室或臨床環境下做出的測試無法完全反應日?，F實。

1.2 老年人失能等級評估 老年人失能等級評估正成為國內學者關注的熱點。2016 年6 月，國家人力資源和社會保障部下發《關于開展長期護理保險制度試點的指導意見》，探索建立社會保障五險之外的“第六大獨立險種”——長期護理保險。長期護理失能等級評估工具作為該制度設計的第一步[6-8]，不僅關系到長期護理保險受益人群的認定[9]，也關系到護理服務內容制定、基金財務規模及制度的長遠運行[10]。但就目前而言，對失能老年人的精準評估還是制約我國制度發展的重要瓶頸[4,7]，長期護理保險評估或失能老年人評估均包括了對老年人日常生活活動能力（ADL）的評估，尤其在國內長期護理保險試點城市，廣泛采用日常生活活動能力評估量表或巴氏量表（Barthel Index，BI）來評定失能老年人功能狀態[8]。這些量表雖然簡易成熟，但在操作過程中主觀性較強[7-8]，且受道德風險、社會文化因素和系統偏差影響，評估中一些基于詢問或提問的條目，如日常生活活動能力量表和巴氏量表中“您能否自己吃飯？能否自己穿衣？”等條目可能因為評估對象期望享受長期護理險待遇而產生道德風險。此外，受社會文化因素影響，一些老年人不愿意承認自己做不到，尤其在面臨“您大小便能否自己控制？”等問題時不能如實回答，也可能影響評估結果的客觀性，無法滿足老年人失能等級評估的質量要求。

2 可穿戴傳感器在老年人功能狀態評估中的具體應用

可穿戴設備為實現老年人居家及日常環境中的身體活動持續監測提供了可能，監測數據為老年精準評估提供了輔助信息。

2.1 評估身體衰弱情況 Zhong 等[11]選取50 名50 歲以上社區老年人，事先經過評估將其分為未衰弱組和衰弱前組，通過為其佩戴智能手環，研究者分析了兩組老年人步態參數差異。Lee 等[12]借助手環對醫院臥床病人進行20 s 手肘快速伸展測試，提出自動鑒別病人衰弱亞型的算法。Zhou 等[13]借助計算機任務追蹤平臺，讓不同衰弱類型的受試者踝關節佩戴傳感器后在電腦屏幕前站立，并通過旋轉踝關節完成電腦上的虛擬任務，其在進一步分析監測數據后實現了衰弱亞型的自動辨別。

2.2 評估行動/移動情況 老年人的生活質量與其行動/移動（mobility）密切相關。在行動能力方面，評估者常采用計時起立行走（time up and go，TUG）和簡易體能狀況表現量表（Short Physical Performance Battery，SPPB）進行評估，這2 個測試涉及的內容與跌倒風險、未來的失能、護理院入院、認知癥以及其他重要的健康結局相關。但研究對象的受試表現也會受到主觀因素影響，因此無法完全反映真實的日常生活活動能力。而借助傳感器監測，可以提高老年人行動狀態評估的準確性，并能與傳統評估量表之間建立聯系，方便在不同場景下選擇不同工具，并對結果進行比較。如Iluz 等[14]持續3 d 監測3 類人群（年輕人、普通老年人以及有跌倒史的老年人）在日常生活中“坐-走”“走-坐”轉換情況，對實時數據特征進行分析，并利用機器學習算法評估、區分3 類人群后，發現準確率高于傳統試驗室評估。Reiter 等[15]報道了借助傳感器和錄像對醫院重癥監護室臥床病人活動分析的結果，建立了傳感器數據和ICU 活動量表之間的聯系。Zhang 等[16]報道了通過傳感器數據分析椅子上升運動（chair rise）峰值功率和臨床測試結果之間的相關性。Regterschot等[17]調查基于傳感器的“坐到站（sit-to-stand，STS）”數據，分析了其與老年人臨床功能狀態測試結果之間的相關性。這些探索性研究為后續自動監測和評估，節約人力、提升效率帶來可能。

2.3 評估跌倒風險和跌倒行為 Aicha 等[18]利用老年人傳感器監測數據庫信息，比較了3 種深度學習模型[卷積神經網絡（convolutional neural network，CNN）、長短期記憶（long short-term memory，LSTM）以及這兩種混合模型（ConvLSTM）]同基準模型的差異，結果發現：深度學習模型，尤其是多任務學習，能有效地基于傳感器信息評估跌倒風險。Lee 等[19]對傳感器監測數據進行多維度信息熵分析（the multiscale entropy，MSE），對身體平衡狀態進行定量評價，并將評價結果同現有臨床評價方法進行比較，為利用監測數據自動判定跌倒行為提供了參考。Greene 等[20]將傳感器監測數據和臨床測試結果相結合，使跌倒風險分類準確率由單獨依靠傳感器監測數據或臨床測試時的73.6%和68.8%上升為76.0%。Sun 等[21]利用傳感器技術對老年人跌倒風險評估，結果顯示：傳感器技術可以提供準確、價格低廉、易操作的跌倒風險評估。但由于測量參數、評估工具、傳感器位置、移動任務以及模型技術的差異，在預測未來跌倒能力方面還需進一步研究。

2.4 評估日常生活活動情況 老年人日常生活活動測量的常用方法是利用老年身體活動量表（Physical Activity Scale for the Elderly，PASE）、國際身體活動問卷（the International Physical Activity Questionnaire，IPAQ）[22]進行自我報告，這種方法常因回憶偏差或社會期望而出現偏差。為此，有研究者使用項鏈式的傳感器監測衰弱和非衰弱老年人的日常身體活動情況，通過讓被試者執行標準化動作方案以及自由活動，比較了基于腿部活動時間（time-on-legs，TOL）和基于狀態分類時間（包括躺、坐、站、走）2 種算法在判斷衰弱和非衰弱老年人時的敏感度、具體性和一致率[23]，結果顯示：項鏈傳感器和基于腿部活動時間的算法，在判斷衰弱和非衰弱老年人的居家身體活動時是可接受的、有效的評估工具；而基于狀態分類對步態和姿勢的評估需要進一步研究。Ayachi 等[24]開發了基于傳感器信息和具體時間點事件的算法，針對日常生活活動相關任務進行自動分段，為進一步判斷老年人行動類型亞型奠定了基礎。

2.5 評估具體疾病中的行動情況 Ma 等[25]借助傳感器信息建立分類算法后發現：可穿戴傳感器對青光眼病人步態特征的分辨準確率高于10 m 步行測試。Ojeda 等[26]將傳感器放置在脊髓損傷病人上肢、手腕和輪椅底部不同位置，評估使用輪椅的人群上肢移動情況后認為，借助傳感器監測病人上肢對輪椅的推力，可以為監測輪椅使用者上肢疼痛和預防受傷提供參考。

3 傳感器監測、判斷老年人運動狀態的信效度

傳感器監測數據可以用來判斷老年人身體姿勢（如躺、坐或站）、姿勢轉換（例如從坐到站）以及其他有目的的活動（如移動或步行）狀態。為檢驗應用傳感器監測、判斷不同活動狀態的效度，研究者通常將基于傳感器監測的數據與觀察[27-28]、錄像[29]、其他傳感器數據[30]或研究對象的自我報告[17]進行比較，也有研究通過重復測量重癥病人的記步數來檢驗傳感器監測數據的信度[31]。

3.1 身體姿勢或姿勢轉換 研究顯示：在老年人或腦卒中病人大腿部位放置傳感器，基于傳感器數據判斷佩戴者靜坐（躺或坐）或站立的時間，同錄像中得出的結果一致[32]。當放置組合傳感器時，可以區別躺和坐[32]，其準確率分別為98.3%（區間為90.81%～100.00%）和96.9%（區間為95.28%～98.61%）[33]。而在大腿和胸骨部位同時放置傳感器，可以區分從躺到坐、從坐到站的姿勢轉換[33]。

3.2 活動強度 有研究者采用手環監測數據評價3種活動強度測量模式[過零檢測模式（zero crossing mode，ZCM）、時間閾值模式（time above threshold mode，TATM）、數字積分模式（proportional integrated mode，PIM）]之間是否存在差異，結果顯示：3 種模式在評價有認知癥的老年人的活動強度方面沒有差異；ZCM 和TATM 模式在評價腹部大手術后病人的活動強度時，跟病人自我報告結果的一致性為80%（標準差為12%）；PIM、ZCM 或TATM 模式在監測重癥監護室病人的活動頻率和持續時間時，與觀察得到的結果的一致性分別為76%（區間為40%～100%）和66%（區間為40%～80%）[34]。有研究者認為：基于單一傳感器監測到的活動強度數據判斷重癥監護室病人是否發生某項具體活動（如起床）存在困難，其主要原因是重癥監護室病人活動受限，被動的肢體運動和翻身較多，導致數據收集受限[35]。

3.3 計步 有研究者將商用傳感器，如Actigraph GT3X+，StepWatch 3.0 和AMP 331 佩戴在老年住院病人的踝關節處，通過與觀察得到的數據進行比較，發現傳感器在計步方面有很好的效果[28]。

4 小結

信息技術的發展為老年人功能狀態評估提供了新方法和手段。具體應用包括借助可穿戴傳感器評估身體衰弱情況、評估行動/移動情況、評估跌倒風險和跌倒行為、評估日常生活活動情況、評估具體疾病中的行動情況等；且其在身體姿勢或姿勢轉換、活動強度、計步等方面的監測、判斷信效度較好。而如何針對不同老年群體特點，在具體場景中開展可靠、有效的評估，形成評估算法體系以及如何將老年人功能狀態評估與后續護理服務相結合，是以后研究需要重點突破的地方。