10 米步行测试中下肢运动数据集：融合多传感器数据揭示步态与健康奥秘

《Scientific Data》：Lower Limb Movement during 10-Meter Walk Test: A Dataset with Inertial, Magnetic, and Temperature Sensors

为探究生理、生活方式和健康因素对步态和行动能力的影响，尤其是在易患行动障碍的老年人中，研究人员开展了 10 米步行测试（10MWT）下肢运动研究。他们利用集成传感器采集多维度数据，得出了丰富的数据集，对多领域研究及医疗技术创新意义重大。

　　在日常生活中，走路看似简单，却蕴含着许多健康信息。对于老年人而言，步态的变化往往与身体机能衰退、疾病发生发展密切相关。然而，过去的研究在探索各种因素如何影响步态时存在局限，现有数据集常常难以将丰富的传感器数据与详细的参与者健康档案有效结合。这使得我们对步态和行动能力受多种因素影响的机制了解不足，也限制了相关医疗技术的发展。为了填补这一空白，来自葡萄牙阿威罗大学、西班牙埃斯特雷马杜拉大学等多个机构的研究人员开展了一项关于 10 米步行测试（10MWT）中下肢运动的研究。
研究人员收集了 90 名年龄在 65 - 93 岁之间的参与者的数据，其中女性 62 人，男性 28 人。他们让参与者在进行 10 米步行测试时，佩戴集成了多种传感器的 SensorTileBox 设备，这些传感器可以记录 3D 加速度计数据（以毫重力单位，mg）、3D 陀螺仪数据（度 / 秒）、磁力计读数（毫高斯，mG）和温度（°C）。同时，研究人员还通过 YML 文件中的问卷收集了参与者的人口统计学信息、生活方式以及健康相关信息，包括年龄、性别、体重、身高、体育锻炼习惯、饮食习惯、睡眠模式和健康状况等。所有数据均进行了时间标记，并以 CSV 格式存储，参与者的数据通过数字标识符进行匿名化处理。
此次研究得出了一个丰富且全面的数据集，该数据集涵盖了参与者详细的运动数据和健康信息。这一成果意义重大，它为生物力学、康复医学、老年医学以及可穿戴技术开发等多个领域的研究提供了宝贵的资源。在生物力学研究中，有助于深入分析步态与生理因素的关系；在康复医学领域，可用于评估康复进展和制定个性化康复方案；对于老年医学，能帮助研究人员更好地理解老年人行动能力变化的原因；在可穿戴技术开发方面，则可为开发更精准的健康监测设备提供数据支持。该研究成果发表在《Scientific Data》上。
在研究方法上，主要运用了以下关键技术：一是使用集成多种高精度传感器的 SensorTileBox 设备（STEVAL - MKSBOX1V1）采集数据，其集成的传感器包括 LSM6DSOX（6 轴惯性测量单元）、LIS2DW12、LIS3DHH、LIS2MDL、STTS751 等，能精确获取多维度运动和环境数据；二是通过定制的 Android 应用程序控制数据采集过程，该应用程序可实现设备配对、数据记录启动与停止等功能；三是对原始传感器数据进行处理，包括将数据转换为合适单位、去除重力影响、滤波等操作，以提取关键特征，如总时间、步数、平均步长等。
研究结果主要包括以下方面：

• 传感器数据记录：详细记录了加速度计、陀螺仪、磁力计和温度传感器的数据。加速度计数据反映了参与者在 X、Y、Z 轴上的加速度，展示了运动过程中的速度变化；陀螺仪数据记录了下肢的旋转运动；磁力计数据捕捉了参与者与周围磁场的相互作用；温度数据确保测试环境条件稳定，部分测试中温度保持在约 23°C。
• 特征提取与分析：从原始传感器数据中提取了多种特征。通过转换单位、去除重力和滤波等操作后，利用欧拉积分计算速度和位置，通过计算加速度幅值检测步数，并进一步计算出总时间、步数、平均步长、平均速度、平均力、平均功率和倾斜度等特征。这些特征从不同角度描述了参与者的步态模式和行动能力。
• 健康状况与步行辅助分析：研究涉及多种健康状况的参与者，包括运动障碍、前庭障碍、神经系统疾病、代谢疾病、骨科或创伤相关疾病以及肌肉疾病等，分析了这些疾病对步态的影响。同时，也记录了参与者使用步行辅助工具的情况，发现使用步行辅助工具会显著影响步态模式。
  研究结论和讨论部分指出，该数据集整合了精确的传感器生物力学数据与详细的人口统计学和健康信息，为研究运动模式与生理、生活方式因素之间的关系提供了有价值的资源。然而，研究也存在一定局限性，如参与者性别和疾病分布不平衡。未来研究可收集更平衡的数据，以提高研究结果的准确性和普适性。总体而言，该研究成果为运动科学研究和医疗技术创新奠定了重要基础，有望推动相关领域的进一步发展，提高人们对步态与健康关系的理解，从而为改善老年人行动能力和生活质量提供有力支持。