شتاب سنج ها

شتاب سنج ها ابزارهایی هستند که شتاب، تغییر سرعت یک جسم در طول زمان را اندازه گیری می کنند (واحد SI: m. s-2). شتاب مستقیماً با نیروی وارد بر جسم برای حرکت دادن آن (همانطور که جرم جسم است) متناسب است.

فعالیت بدنی تغییر موقعیت بخش های بدن در نتیجه انقباضات ماهیچه های اسکلتی است. بنابراین می‌توان از معیار شتاب بدن یا بخش‌های آن برای استنباط شدت فعالیت بدنی در طول زمان استفاده کرد که امکان استخراج ابعاد فعالیت مانند مدت زمان، فرکانس و حجم کلی را فراهم می‌کند. اگر شتاب و جرم (شامل هر بار خارجی) تمام بخش‌های اصلی بدن اندازه‌گیری شود، مصرف انرژی کل بدن ناشی از فعالیت بدنی را می‌توان با استفاده از قضیه کار-انرژی تخمین زد. در عمل، ما شتاب کل بدن را اندازه گیری نمی کنیم و یا هیچ دانشی از بارگذاری خارجی نداریم. بنابراین این دانش ناقص یک منبع خطا در هنگام استنباط مصرف انرژی است. مانند بسیاری از روش های عینی دیگر، شتاب سنج ها اطلاعات زمینه ای را ارائه نمی دهند. روش‌هایی برای شناسایی نوع فعالیت از شتاب‌سنجی خام در حال حاضر در حال توسعه هستند [28].

اندازه گیری چگونه انجام می شود؟

پیشرفت‌های فناوری منجر به ابزارهایی شده است که می‌توانند شتاب را به طور دقیق، در بازه‌های زمانی طولانی (یک هفته یا بیشتر) اندازه‌گیری کنند و به اندازه کافی فشرده و مجزا برای استفاده افراد باشند. همه شتاب سنج ها دو بخش اساسی دارند: 1) مبدل یا حسگر که شتاب را حس می کند. و 2) یک سیستم جمع آوری داده که داده ها را پردازش و ذخیره می کند. گزینه های اجزای حسگر به دو نوع اصلی تقسیم می شوند:

1. سنسورهای پیزو الکتریک

• پدیده طبیعی اندازه گیری شده ولتاژ است
• مصرف برق کم
• قبل از استفاده باید کالیبره شود
• حساس به شتاب در موقعیت های پویا، اما نه در شرایط ایستا. بنابراین، شتاب گرانشی تنها زمانی در داده‌ها وجود دارد که مانیتور نسبت به گرانش بچرخد، بنابراین ارزیابی وضعیت بدن ممکن نیست.
• دیجیتالی کردن و فیلتر کردن برای منعکس کردن مولفه شتاب مربوطه
• خروجی اغلب به‌عنوان «شمارش» اختصاصی با وضوح زمان کاهش‌یافته ذخیره می‌شود، اما می‌تواند به‌عنوان شکل موج خام در واحدهای S. I. ذخیره شود.

1. سنسورهای لرزه ای یا اینرسی (معروف به MEMS)

• پدیده طبیعی اندازه گیری شده ظرفیت خازنی است
• در موقعیت های استاتیک و پویا به شتاب حساس است
• دیجیتالی شدن برای بازتاب شتاب (می توان با استفاده از گرانش در بخش های ثابت ، کالیبره شد)
• خروجی معمولاً به عنوان شکل موج خام در واحدهای S. I. اما همچنین می تواند به "شمارش" های اختصاصی کاهش یابد

شتاب سنج ها در مدل ها و مشخصات مختلف و از بسیاری از تولید کنندگان مختلف (مارک ها) ارائه می شود [51]. این مهم است که تأکید کنیم که اعتبار به روش کلی گره خورده است ، نه صرفاً در مورد شتاب سنج یا برند. ماهیت داده های ضبط شده به تعداد محورهای شتاب ، پیزو برقی یا مبتنی بر MEMS ، وضوح و دامنه پویا ، سایت پیوست آناتومیکی و درجه پردازش فیلتر / داده (در صورت وجود) قبل از ذخیره داده بستگی دارد. این روش شامل تمام این مؤلفه ها بلکه تصمیمات بعدی پردازش داده های استخراج ویژگی و استنتاج است.

توصیه نمی شود یک دستگاه را بر روی دیگری بدون اطلاع از اهداف خاص یک مطالعه خاص توصیه کند. با این حال ، پیوندها به اطلاعات بیشتر در مورد ابزارها در بخش مثال ابزار در زیر ارائه شده است. موارد زیر را باید هنگام انتخاب بین شتاب سنج در نظر گرفت:

• شتاب سنجی خام یا مبتنی بر شمارش (خام دستگاه Agnostic است)
• شواهد قابلیت اطمینان فنی
• استحکام برای استفاده در تنظیمات میدانی
• شواهدی از اعتبار روش استنتاج پیشنهادی
• امکان پردازش داده ها برای استخراج متغیرهای هدف
• هزینه و بودجه
• بار بر شرکت کنندگان ، به عنوان مثالاندازه ، مکان پوشیدن
• ظرفیت ذخیره داده ها
• تعداد روزهای نمونه برداری مورد نیاز است

شتاب سنج می تواند شتاب را در یک ، دو یا سه جهت اندازه گیری کند [8]. به طور طبیعی ، اندازه گیری هر سه محور ترجیح داده می شود (در غیر این صورت دستگاه برای حرکت در یک یا دو جهت "کور" است) ، و اکثر ابزارهای معاصر قادر به این کار هستند. استنباط مبتنی بر شتاب یک و دو محور به طور ضمنی به همبستگی های محور متکی متکی است تا حرکت فیزیکی کامل بخش بدن را که ابزار به آن وصل شده است ، ضبط کند. بنابراین شتاب سنج های سه محوره نسبت به انواع خاصی از فعالیت ها حساس تر هستند که در آن حرکات در فضای سه بعدی متغیر تر هستند ، مانند کوهنوردی ، پرش یا بازی خود به خود [30].

فرکانس نمونه برداری و ذخیره داده ها

شتاب سنج مدرن از ظرفیت ذخیره سازی کافی برای ذخیره سیگنال های شتاب تا 100 هرتز در طی چند روز برخوردار است. به عنوان مثال ، ابزار مورد استفاده در مطالعه Biobank انگلستان قادر به ذخیره شتاب سه محوره در 100 هرتز به مدت 14 روز است [1]. عمر باتری و ظرفیت ذخیره سازی مجاز ، فرکانس نمونه گیری ضبط باید تا حد امکان باشد.

با توجه به محدودیت های حافظه و باتری ، برخی از ابزارهای شتاب سنج قدیمی شتاب نمونه در فرکانس های بین 10-32 هرتز قبل از انجام پردازش داده های روی صفحه و استخراج ویژگی ها ، خلاصه سیگنال ها "از روی پرواز" به عنوان تعداد ذخیره شده در یک دوره تعریف شده کاربر. همانطور که در بالا ، کوتاهترین زمان ممکن ممکن است مطلوب باشد زیرا در صورت لزوم داده ها می توانند از آن خارج شوند. با این حال در برخی از ابزارها فقط وضوح دقیقه به دقیقه در دسترس است [45].

بخش بدنه ای که شتاب سنج به آن وصل شده است ، تعیین کننده قوی در مورد ضبط و ثبت داده های شتاب است. تفسیر سیگنال حاصل باید این اطلاعات را در نظر بگیرد ، زیرا مشخصات بیومکانیکی هر فعالیت رابطه بین یک بخش بدن و بقیه بدن را تعیین می کند.

مناسب ترین موقعیت شتاب سنج به سؤال مطالعه و ملاحظات امکان سنجی بستگی دارد. باسن یا کمر اجازه می دهد تا حرکت بزرگترین و مرکزی ترین قسمت بدن ، صندوق عقب را ردیابی کند. شتاب سنج لرزه ای متصل به ران ممکن است برای تخمین وضعیت از جهت آن با توجه به گرانش استفاده شود. به طور کلی مچ دست به عنوان قابل قبول ترین مکان سایش برای شرکت کنندگان در نظر گرفته می شود و بنابراین به طور فزاینده ای در سیستم های نظارتی مورد استفاده قرار می گیرد که نمایندگی نمونه یک نگرانی خاص است.

در طی برخی فعالیت ها ، شتاب یک بخش بدن ممکن است نماینده سایر بخش های بدن یا بدن به عنوان یک کل نباشد. یکی از این نمونه ها حرکت فوقانی بدن در حالی که دوچرخه سواری است ، که در آن اندازه گیری شتاب در مچ یا تنه احتمالاً منجر به تخمین هزینه انرژی می شود [19].

همانطور که در بالا نشان داده شد، اطلاعات محدودی در مورد فعالیت بدنی یک فرد وجود دارد که می تواند توسط یک شتاب سنج ثبت شود. اطلاعات بیشتر را می توان با اندازه گیری شتاب در دو یا چند مکان بدن به طور همزمان جمع آوری کرد، که اگر به شیوه ای مناسب تفسیر شود می تواند برای افزایش استنباط در مورد فعالیت بدنی استفاده شود. با این حال، اخیراً است که سخت‌افزار و قیمت شتاب‌سنج به نقطه‌ای رسیده است که اندازه‌گیری چند مانیتور ممکن است یک گزینه عملی در نظر گرفته شود، بنابراین هنوز در هیچ مطالعه‌ای در مقیاس بزرگ اجرا نشده است [56]. بر این اساس، توسعه روش برای تفسیر سیگنال های شتاب چندگانه به شیوه ای مکمل توجه کمتری را به خود جلب کرده است [32، 41].

با استفاده از داده‌های برچسب‌گذاری‌شده جمع‌آوری‌شده در آزمایشگاه، نشان داده شده است که رویکردهای یادگیری ماشینی می‌توانند از سیگنال‌های شتاب خام ثبت‌شده در مکان‌های مختلف بدن برای تمایز بهتر بین انواع فعالیت‌های مختلف استفاده کنند [2، 34]. مطالعه دیگری از تحلیل‌های رگرسیون خطی استفاده کرد تا نشان دهد که شدت شتاب اندازه‌گیری شده در هر دو لگن و مچ دست کمی بیشتر از هر یک از سیگنال‌ها به تنهایی، میزان مصرف انرژی فعالیت را پیش‌بینی می‌کند [44]. کار روش شناختی بیشتری برای درک بهترین نحوه پیاده سازی و تفسیر پیکربندی های مختلف مانیتور مورد نیاز است.

به طور طبیعی، افزایش جمع‌آوری داده‌های اطلاعاتی باید با افزایش بار شرکت‌کننده سنجیده شود، که می‌تواند باعث بروز مشکلاتی در واکنش‌پذیری و کاهش پایبندی پروتکل شود.

مدت زمان اندازه گیری

اگر قرار است در مورد فعالیت بدنی معمول استنباط شود (اعم از این که از نظر حجم، نوع، شدت و غیره باشد)، باید تعداد روزهای اندازه گیری مورد نیاز برای ثبت آن را در نظر گرفت، با توجه به روزانه درتنوع افراد در فعالیت بدنیحداقل معیارها را می توان بر اساس تنوع درون و بین فردی متغیر مورد علاقه، همانطور که در بخش تغییرپذیری فعالیت بدنی توضیح داده شد، اعمال کرد.

چه زمانی از این روش استفاده می شود؟

شتاب سنجی رایج ترین روش عینی مورد استفاده برای اندازه گیری فعالیت بدنی است. به طور گسترده در تنظیمات میدانی برای موارد زیر استفاده شده است:

• مطالعات کوهورت مشاهده ای در مقیاس بزرگ
• مطالعات انجام تجزیه و تحلیل ارتباط بین مواجهه(ها) و پیامد(ها)
• مداخلات و کارآزمایی‌های تصادفی‌سازی و کنترل‌شده برای بررسی اثربخشی مداخله یا درمان
• توصیف الگوهای زمانی شدت فیزیکی در طول روز

شتاب سنج در ابتدا به عنوان یک معیار نتیجه در مطالعات کوچک و یک معیار معیار برای مقایسه با داده های گزارش خود مورد استفاده قرار گرفت. از آنجا که شتاب سنج ارزان تر شده است ، آنها به طور فزاینده ای در مطالعات بزرگ مورد استفاده قرار می گیرند [56] ، از جمله هزاران شرکت کننده در بررسی ملی بهداشت و آزمایش تغذیه (NHANES) [45] ، گروه های تولد Pelotas [12] و Biobank انگلستان حاوی شتاب سنجی خام در بیشتربیش از 100K افراد [13]

تخمین فعالیت بدنی چگونه حاصل می شود؟

هنگامی که داده های شتاب خام در واحدهای SI (M. S-2) ارائه می شود ، پردازش داده ها و تخمین ابعاد فعالیت بدنی یک سری از مراحل تعریف شده توسط کاربر را دنبال می کند ، که همه آنها بر اعتبار استنباط نهایی تأثیر می گذارد.

مقدار اندازه گیری شده یک سیگنال شتاب خام شامل سه مؤلفه است:

1. شتاب در نتیجه حرکت انسان - مؤلفه مهم هنگام برآورد فعالیت بدنی
2. شتاب در نتیجه نیروی گرانشی - در موقعیت های استاتیک این به ما می گوید جهت گیری شتاب سنج (سه محوره)
3. سر و صدا

برای ارزیابی فعالیت بدنی ، لازم است که مؤلفه حرکت انسان سیگنال را جدا کنیم. تفسیر این سیگنال به روشی قابل اعتماد ، و روش انجام این کار هنوز در حال توسعه است. در حالی که هنوز هیچ اجماعی در مورد روشهای استاندارد برای انجام چنین استنتاج وجود ندارد ، یک خط لوله مثال در شکل D. 3. 3 خلاصه می شود ، که در زیر به تفصیل شرح داده شده است.

شکل D. 3. 3 نمونه ای از فرایند استخراج متغیرهای خلاصه فعالیت بدنی از داده های شتاب خام. اقتباس از: [47].

مراحل مقدماتی در پردازش داده های شتاب سنجی خام شامل [47] است:

1. کالیبراسیون سیگنال های شتاب به گرانش محلی ، برای جبران ناسازگاری های سخت افزاری و تبدیل شدن آنها به همان اندازه نسبت به حرکت در همه جهات.
2. خطاهای ضبط ، وقفه در سیگنال و مواردی که از محدوده پویا سنسور فراتر رفته است ، برجسته کنید.
3. استفاده مجدد از سیگنال اندازه گیری شده به نرخ انتخاب شده (گاهی اوقات میزان نمونه برداری می تواند در حدود یک نرخ مشخص نوسان داشته باشد).

پردازش بزرگی بردار

این مراحل به طور خلاصه مؤلفه حرکت شتاب سه محوره با فرکانس بالا به عنوان یک واحد واحد واحد در طول مدت زمان تعریف شده توسط محقق.

1. ترکیب محورهای X ، Y و Z برای محاسبه میزان بردار (VM) با استفاده از فرمول VM = ، به شکل P. 3. 4 مراجعه کنید. بنابراین VM نشان دهنده شدت شتاب دستگاهی است که بدون در نظر گرفتن جهت در هر نقطه زمانی قرار می گیرد.
2. حذف گرانش از VM با استفاده از یکی از دو روش (شکل P. 3. 5 را ببینید):
   • هنجار اقلیدسی منهای یک (ENMO): 1g (یک واحد گرانشی) را از قدر بردار کم کنید و مقادیر منفی حاصل را به صفر برسانید [39، 49].
   • ماشین مجازی با فیلتر بالا گذر (HPFVM): از فیلتر بالا گذر برای حذف اجزای فرکانس پایین سیگنال، از جمله گرانش استفاده کنید.
3. Removing noise using a low pass filter. Signal chances above a certain frequency are assumed not to be the result of bodily movement. This noise could be a result of external mechanical forces or the instrument itself. Human movement is typically in the range 0-15 Hz, so a low pass filter can remove the high frequency noise from the desired physical activity signals. To apply a low-pass filter with a cut-off of 15 Hz, the sampling frequency must be >30 هرتز (دوبرابر قطع).
4. (اختیاری) خلاصه کردن سیگنال شدت نهایی در طول زمان. میانگین تمام بزرگی های برداری در بازه زمانی تعریف شده محاسبه می شود (به عنوان مثال هر پنج ثانیه).

شکل D. 3. 4 محاسبه قدر برداری (VM) با استفاده از هنجار اقلیدسی محورهای x، y و z.

شکل D. 3. 5 استفاده از فیلتر بالا گذر (HPFVM) و تکنیک های هنجار اقلیدسی منهای یک (ENMO) برای حذف جزء گرانشی سیگنال شتاب خام.

1. شناسایی زمان عدم سایش با استفاده از یک الگوریتم تعریف شده توسط کاربر، به عنوان مثال 30 [49] یا 60 [55] دقیقه متوالی زمان ثابت. اپیزودهای ثابت را می توان با استفاده از انحراف معیار شتاب سه محور و مقدار آستانه شناسایی کرد (مثلاً
2. مانند سایر روش‌های عینی که شامل ابزارهای فرسوده بدن می‌شود، تصمیم‌گیری باید در مورد چگونگی رفع زمان عدم سایش پس از شناسایی اتخاذ شود. لطفا بخش اختصاصی این موضوع را ببینید.

شکل D. 3. 6 تفاوت بین عدم سایش واقعی (چپ) و شتاب مچ دست در هنگام خواب (راست). پانل ها x، y، z و قدر بردار فیلتر شده بالا گذر هستند.

توجه داشته باشید در مورد پردازش داده های شتاب سنج اختصاصی "شمارش".

شتاب‌سنج قدیمی‌تر داده‌ها را در قالب‌های اختصاصی (یعنی شمارش) ذخیره می‌کند و چندین مرحله پردازش روی دستگاه انجام می‌شود. جزئیات این مراحل پردازش روی برد اغلب فقط برای سازنده شناخته شده است و توسط کاربر تصمیم گیری نمی شود. مهم است که اذعان کنیم که این «تصمیمات» پردازش داده‌ای که توسط هر مانیتور گرفته می‌شود، اطلاعات ذخیره‌شده را اساساً با سیگنال شتاب اصلی متفاوت می‌کند. همچنین مهم است که اذعان کنیم که برخی از شتاب‌سنج‌های قدیمی‌تر مبتنی بر شمارش حرکت را فقط در یک یا دو جهت ثبت می‌کنند.

نرم افزار خاص برند موجود است که به کاربران امکان می دهد داده ها را پردازش کنند، همانطور که در بخش زیر توضیح داده شده است. در برخی موارد امکان صادرات داده ها و انجام مراحل فوق در نرم افزارهای رایگان موجود نیز وجود دارد.

خلاصه متغیرهای فعالیت بدنی

مراحل شکل D. 3. 3 به خلاصه ای از فعالیت بدنی به عنوان میانگین شتاب (گرم یا میلی گرم) در هر دوره تعریف شده توسط کاربر منجر می شود. برای شتاب‌سنج‌های مبتنی بر شمارش، واحد بر حسب دوره‌های تعریف‌شده توسط کاربر خواهد بود. متغیرهای اضافی مانند میانگین شتاب بر اساس روز و ساعت، یا زمان صرف شده در سطوح مختلف شتاب (به شکل D. 3. 7 مراجعه کنید) را می توان برای بررسی الگوهای فعالیت و مقایسه افراد به دست آورد.

شکل D. 3. 7 زمان تجمعی صرف شده در شدت های مختلف حرکتی بر اساس جنسیت برای افراد 45-54 ساله (زنان سفیدپوش، مردان در خاکستری). اقتباس از: [14].

مصرف انرژی فعالیت بدنی

شتاب‌سنج‌ها مستقیماً هزینه انرژی فعالیت را اندازه‌گیری نمی‌کنند، اما یک رابطه طبیعی بین حرکت بدن و مصرف انرژی وجود دارد که می‌تواند توسط مدل‌های پیش‌بینی مورد بهره‌برداری قرار گیرد. در عمل، توصیف این رابطه پیچیده است، زیرا بر اساس بخش بدنی که اندازه‌گیری می‌شود و فعالیتی که انجام می‌شود، متفاوت است.

رابطه بین ضبط‌های شتاب‌سنج و مصرف انرژی اغلب با جمع‌آوری داده‌ها در آزمایشگاه مورد مطالعه قرار می‌گیرد، جایی که شرکت‌کنندگان می‌توانند همزمان با معیار طلایی مصرف انرژی، مانند تجزیه و تحلیل گازهای تنفسی با استفاده از ماسک صورت/دهانی یا داخل یک کالری‌سنج، اندازه‌گیری شوند. در یک طرح مطالعه معمولی، اغلب از شرکت کنندگان خواسته می شود تا یک روال مجموعه ای از فعالیت ها را با شدت های مختلف انجام دهند [42، 44].

رابطه کلی بین مصرف انرژی فعالیت و شتاب تک محوری اندازه گیری شده در کمر در هنگام استراحت، راه رفتن و دویدن نسبتاً خطی است. با این حال، انحراف از خطی بودن برای دویدن با شدت بالا رخ می دهد [3، 7]، که برای آن حرکات با اندازه گیری اضافی محور شتاب قدامی-خلفی بهتر ثبت می شوند [5، 37]. روابط خطی به دست آمده برای استراحت و پیاده روی، اعتبار بسیار ضعیف تری را در فعالیت های متنوع بیومکانیکی، مانند دوچرخه سواری یا وزنه برداری نشان می دهد. مدل‌های آماری غیر خطی برای بهبود معادلات پیش‌بینی پیشنهاد شده‌اند. به عنوان مثال، نشان داده شده است که یک مدل رگرسیون 2 قسمتی در مقایسه با رگرسیون ساده، دقت تخمین های مصرف انرژی را بهبود می بخشد [11].

کسانی که قصد استفاده از مدل های به دست آمده توسط مطالعات آزمایشگاهی را دارند، باید جمعیت مورد مطالعه را به طور انتقادی ارزیابی کنند و قضاوت کنند که تعمیم از فعالیت هایی که انجام داده اند چقدر مناسب است. مطالعات آزمایشگاهی ممکن است روابط بین شتاب و مصرف انرژی در زندگی آزاد را منعکس نکنند، و معادلات پیش‌بینی آزمایشگاهی به طور قابل‌توجهی هزینه انرژی آزاد زندگی را بیش از حد تخمین می‌زنند [17].

اعتبار روش‌های مختلف شتاب‌سنج مورد بررسی قرار گرفته‌اند و تنوع زیادی را در میانگین بایاس و همبستگی با تخمین‌های مصرف انرژی با استفاده از روش آب با برچسب دوگانه (DLW) نشان می‌دهند [32]. مطالعات با استفاده از DLW نشان داده‌اند که در کودکان، شتاب‌سنج‌ها 13 درصد واریانس PAEE DLW و 31 درصد واریانس TEE را توضیح می‌دهند. در بزرگسالان، واریانس توضیح داده شده بالاتر، 29 و 44 درصد برای PAEE و TEE بود [41]. مطالعات همچنین تفاوت هایی را در مقادیر هم در درون و هم بین مدل ها نشان داده اند [4، 20، 33، 53، 54].

استفاده از «نقاط برش» برای تخمین زمان صرف شده در دسته‌های شدت مختلف

مدلی از رابطه بین بزرگی شتاب و نرخ مصرف انرژی (شدت) را می توان برای استخراج "نقاط برش" که با یک مقدار مصرف انرژی معین مطابقت دارند استفاده کرد. برای مثال، محققی که علاقه مند به تعیین کمیت زمان صرف شده در شدت «متوسط» یا بالاتر از آن است، ممکن است بخواهد نقطه برش شدت شتاب را پیدا کند که بهترین تمایز بین< 4 METs and >4 MET.

با این حال، نقاط برش برای تعریف سطوح شدت مختلف در شرایط متابولیک نسبی تا حدودی دلخواه هستند و استفاده از نقاط برش مختلف می‌تواند تأثیر عمیقی بر تخمین‌های فعالیت بدنی داشته باشد [21، 29]. محققی که از شتاب‌سنجی استفاده می‌کند باید استخراج معادلات پیش‌بینی از مطالعات کالیبراسیون و منطق و پیامدهای انتخاب یک مجموعه خاص از نقاط برش را درک کند [29، 36، 52]. به عنوان مثال، نقاط برش منتشر شده برای رفتار بی تحرک (SB) از یک شتاب سنج از 100 cpm تا 800 cpm متفاوت است. به طور مشابه، محدوده نقاط برش برای فعالیت با شدت متوسط بین 200 cpm تا 3000 cpm متغیر است.

به طور کلی، نقاط برش از جزئیات فراوانی که از داده‌های شتاب خام در دسترس است استفاده محدودی می‌کند، که اغلب فقط برای تقریب خام نتیجه مورد نظر کافی است [29] با توجه به ماهیت دلخواه برش‌های مبتنی بر شمارش، و تفاوت دربیان واحد در مدل‌های شتاب‌سنج، گزارش داده‌های شتاب‌سنجی در واحدهای استاندارد شتاب (m. s-2) توصیه می‌شود [3، 10، 20]. استخراج ویژگی‌ها و الگوهای سیگنال از داده‌های شتاب خام می‌تواند به طور قابل‌توجهی تخمین PAEE را بهبود بخشد [27]، و توانایی استنتاج در مورد وضعیت بدن را از زوایای اندام ارائه می‌دهد [37].

با استفاده از داده‌های شتاب‌سنج خام، می‌توان استنباط‌هایی در مورد وضعیت بدن افراد داشت. هنگامی که ابزار ثابت است، باید 1 گرم شتاب را در هر 3 محور اندازه گیری کند. نسبت X:Y:Z نشان دهنده جهتی است که گرانش بر روی دستگاه اثر می گذارد. از این نظر، گام و رول را می توان محاسبه کرد:

• گام = آتان ( X / √ (Y 2 ; + Z 2 ) ) x (180. 0 / Π)
• رول = آتان (Y / √(X 2 + Z 2 ) ) x (180. 0 / Π)

یکی از راه‌های فکر کردن به این موضوع، تشبیه شتاب‌سنج به سطح روح است. به عنوان مثال، قرار دادن شتاب سنج روی ران به ما این امکان را می دهد که گام آن، یعنی زاویه با افقی را اندازه گیری کنیم. این ویژگی برای تمایز بین نشستن و ایستادن استفاده شده است [16]. برخی دیگر از الگوهای جهت گیری مچ دست برای استنتاج دوره های خواب [50] یا توصیف رفتار بی تحرک [38] استفاده کرده اند.

تشخیص فعالیت [22، 25، 26]

یک رد شتاب ثبت شده توسط یک شتاب سنج خام مدرن به اندازه کافی وضوح بالا و جزئیات دقیق دارد که حرکات و حرکات فردی الگوها و امضاهای قابل تشخیصی را به جا می گذارند. شناسایی فعالیت فرآیند استفاده از این داده ها برای شناسایی خودکار انواع فعالیت ها، مانند راه رفتن یا دویدن است [24، 34].

شناسایی صحیح فعالیت‌ها از ردیابی‌های شتاب یک کار چالش برانگیز است و معمولاً با استفاده از تکنیک‌های یادگیری ماشین نظارت شده مانند شبکه‌های عصبی [40] و جنگل‌های تصادفی [2، 18] مورد بررسی قرار می‌گیرد، در حالی که دیگران یک رویکرد تجویزی و طبقه‌بندی‌کننده‌های طراحی را از اصول اولیه اتخاذ می‌کنند [43].، 48]. یادگیری تحت نظارت مستلزم آموزش مدل‌ها با داده‌های برچسب‌گذاری شده است که معمولاً با مشاهده مستقیم در یک محیط آزمایشگاهی به دست می‌آید و از نظر زمان، کار و تجهیزات گران است. این امر باعث کاوش روش‌های جایگزین برای جمع‌آوری داده‌ها مانند دوربین‌های پوشیدنی برای ثبت رفتارهای آزادانه شده است [15، 18].

تشخیص فعالیت اغلب به عنوان یک مشکل تصمیم کوتاه مدت تدوین می شود ، جایی که داده های شتاب در بسیاری از فریم های یک طول ثابت (معمولاً کمتر از یک دقیقه) خرد می شود و از یک مدل برای طبقه بندی آن دنباله کوتاه استفاده می شود [24]. یک فرآیند استخراج ویژگی برای توصیف داده ها در آن پنجره زمان استفاده می شود و از این بردار ویژگی به عنوان ورودی به مدل استفاده می شود. به عنوان مثال ، ویژگی های توصیف دامنه فرکانس یک انتخاب مشترک است زیرا آنها به طور طبیعی برای گرفتن حرکات تکراری معمولی برای فعالیت های انسانی همه جا مانند پیاده روی مناسب هستند [34 ، 35]. با این حال ، جدیدترین پیشرفت ها نشان می دهد که تکنیک های انقلابی یادگیری عمیق پتانسیل را برای برتری در رویکردهای یادگیری ماشین سنتی فعلی [22 ، 25] ، همانطور که در بسیاری از حوزه های دیگر وجود دارد [26].

به طور گسترده ای شناخته شده است که داده های سنسور جمع آوری شده در سایت های مختلف بدن برای طبقه بندی فعالیت آموزنده تر است [2 ، 34] ، با این حال ، مدل هایی که به بسیاری از سیگنال های ورودی متکی هستند ، نمی توانند توسط اکثر مطالعاتی که معمولاً فقط یک دستگاه را برای هر شرکت کننده اداره می کنند ، استفاده کنند.

پزشکانی که قصد دارند به خروجی یک طبقه بندی کننده فعالیت اعتماد کنند ، باید دقت گزارش شده آن را ارزیابی کنند و پیامدهای غلط طبقه بندی را با دقت در نظر بگیرند. لازم به ذکر است که در حالی که بسیاری از مطالعات آزمایشگاه گزارش های طبقه بندی بالا را گزارش می دهند [40] ، اعتبارسنجی در زندگی آزاد نسبتاً کمیاب است و به ویژه کمتر چشمگیر است [31] ، به همین دلیل است که تشخیص فعالیت هنوز به اتخاذ جریان اصلی نرسیده است.

نقاط قوت و محدودیت

ویژگی های شتاب سنج در جدول P. 3. 6 شرح داده شده است.

• جمع آوری داده های عینی تعصب فراخوان را از بین می برد.
• هیچ تعصب مطلوبیت اجتماعی (به جز احتمالاً به عنوان تعصب واکنش پذیری یا زمان عدم پوشیدن دیفرانسیل).
• بدون نیاز به سواد و تعداد ؛کیفیت داده ها نباید با دستیابی به تحصیلات ، قومیت یا وضعیت اقتصادی و اجتماعی ، به ویژه برای پروتکل های سایش و فراموشی ، متفاوت باشد.
• به طور مداوم حرکت را با جزئیات بسیار دقیق تر از حتی دقیق ترین دفتر خاطرات PA ضبط می کند.
• حساسیت بیشتر به تغییرات در رفتار در طول زمان ، بنابراین برای ارزیابی مداخلات مفید است.
• اجرای آسان (امکان جمع آوری از طریق پست ، بنابراین نیازی به تماس مستقیم با شرکت کنندگان نیست).
• داده های مهر و موم شده را ارائه می دهد ، مدت زمان PA و تعداد انتقال از یک سطح PA به سطح دیگر را نشان می دهد.
• مفید برای نظارت بر خود و ارائه بازخورد در زمان واقعی برای پوشنده در شرایطی که تغییر رفتار یک هدف مطلوب است-به عنوان مثالRCT ها ، مداخلات بهداشت جامعه.

داده های گمشده / زمان غیر لباس / عدم رعایت:

• داده های متنی: روشهای عینی در حال حاضر هیچ اطلاعاتی در مورد دامنه یا نوع رفتار ارائه نمی دهند (به عنوان مثال رانندگی ، کار ، استفاده از تلویزیون/رایانه).
• نمایندگی: دستگاه ها فقط برای دوره های کوتاه چند روز پوشیده می شوند و ممکن است فعالیت های نادر مانند مشارکت گاه به گاه در ورزش را ضبط نکنند.
• اثرات زیبایی شناسی منفی: برآمدگی های ناخوشایند زیر لباس نزدیک ، یا ارتباط با جرم و جنایت (به عنوان مثال دستگاه فرسوده مچ پا) ممکن است باعث کاهش زمان سایش شود.
• عوارض جانبی: اتصالات سخت افزاری و چسب ممکن است باعث تحریک پوست بویژه در کودکان شود.
• مقاومت در برابر آب: برخی از دستگاه ها ضد آب نیستند و قبل از شنا یا حمام کردن نیاز به برداشتن دارند و در نتیجه داده های غیر پوششی/از دست رفته وجود دارد.

هزینه و منابع:

• هزینه های خرید: شتاب سنج ها برای مدل های پیشرفته تر از 100 تا 150 پوند به نزدیک به 1000 پوند متغیر هستند.
• Losses: the cost of lost or damaged devices may be substantial. Although in an ideal situation a study should lose no more than 2-3% of their devices, studies in special populations (e.g. young children) may lose >25 ٪
• پردازش: اندازه گیری داده های شتاب خام ممکن است به روزهای پردازش داده در رایانه های رومیزی یا دسترسی به سخت افزار اختصاصی مانند ابر رایانه نیاز داشته باشد.

• مستعد واکنش پذیری ، به موجب آن دانش مبنی بر اینکه فرد تحت نظارت قرار می گیرد باعث انحراف از رفتار معمولی می شود.
• برخی از دستگاه ها یا موقعیت های سایش نسبت به فعالیت بدنی که در حالت های نشسته و نشسته انجام می شود بسیار حساس هستند ، به عنوان مثالدوچرخه سواری ، قایقرانی یا ویلچر.
• شتاب سنج ها قادر به تلاش برای تلاش اضافی برای کار در برابر مقاومت نیستند ، به عنوان مثالوزنهای بلند کردن یا دوچرخه سواری در برابر مقاومت در برابر باد.

• برخی از دستگاه های تجاری از الگوریتم های اختصاصی استفاده می کنند ، و در نتیجه عدم اطمینان در مورد روش دقیق استفاده شده در طول پردازش داده ها ، که مقایسه بین مطالعات با استفاده از دستگاه های مختلف یا نرم افزار را پیچیده می کند.
• شیوه های پردازش داده های بسیار متغیر منجر به مقایسه ضعیف بین مطالعات می شود - به عنوان مثالخط مشی های مختلف برای طبقه بندی داده های شمارش صفر به عنوان "غیر پوشیدن" ممکن است منجر به تفاوت های مشخص در برآورد PA / SB شود.

جمعیت

ملاحظات مربوط به استفاده از شتاب سنج ها برای ارزیابی فعالیت بدنی بر اساس جمعیت در جدول P. 3. 7 خلاصه شده است.

پیشنهاد شده است که ایجاد رابطه بین داده های شتاب و مصرف انرژی به ویژه در کودکان به دلیل رشد و تکامل آنها مشکل ساز است که بر تخمین میزان متابولیسم استراحت و انرژی مصرف شده (یعنی اقتصاد حرکت) در طول فعالیت تأثیر می گذارد. نرخ متابولیسم در حال استراحت کودکان که نسبت به وزن بدن بیان می‌شود با افزایش سن و بلوغ کاهش می‌یابد، و به طور مشابه انرژی مصرف شده نسبت به توده بدن در طول راه رفتن و دویدن نیز کاهش می‌یابد (اقتصاد حرکتی بهبود یافته) با افزایش سن [46].

ملاحظات بیشتر

مدیریت شتاب سنج ها

• اگر بین راه اندازی مانیتور و شرکت کننده ای که دستگاه را پوشیده است فاصله زمانی وجود داشته باشد، برنامه تجزیه و تحلیل داده ها باید این را در نظر بگیرد.
• مهم این است که شتاب‌سنج‌ها چگونه توزیع و بازگردانده شوند، به عنوان مثال. حضوری یا از طریق پست. این انتخاب پیامدهای هزینه/بار خواهد داشت.
• تأخیر یا عدم بازگشت بر تعداد ابزارهای موجود تأثیر می گذارد.
• می‌توان از شرکت‌کنندگان درخواست کرد که گزارش‌های فعالیت‌های همزمان را با جزئیات زمان‌های سایش و عدم سایش (و سایر زمان‌ها، به عنوان مثال، خواب) نگه دارند، اما این باعث افزایش بار می‌شود.

دستیابی به پایبندی کافی به لباس ممکن است در برخی از جمعیت ها، مانند نوجوانان، دشوار باشد. نکات زیر ممکن است انطباق را افزایش دهد:

• یک دستگاه بی نظیر مانند سنسور مچ دست را انتخاب کنید
• شرکت کنندگان نمایش داده های خروجی گرافیکی که شامل زمان غیر لباس است
• مشوق هایی را برای پیروی از پروتکل زمان سایش در طول دوره مورد نظر فراهم کنید (به عنوان مثال بازخورد)
• برخی از شتاب سنج ضد آب هستند و برخی دیگر باید برای استحمام ، دوش گرفتن و شنا از بین بروند. این ممکن است بر پایبندی و زمان سایش تأثیر بگذارد
• از طریق تماس های تلفنی ، پیام کوتاه یا پیام های ایمیل ، تشویق و پشتیبانی از شرکت کنندگان را ارائه دهید
• سیاههها ممکن است به نظارت بر خود کمک کنند
• در صورت امکان دستورالعمل های روشنی و روشی برای تماس با تیم مطالعه ارائه دهید
• حمایت از دیگران مانند معلمان ، والدین ، اعضای خانواده را ثبت کنید
• بررسی و کاهش هرگونه موانع پوشیدن ، به عنوان مثالکمربند کمر ممکن است در شرکت کنندگان چاق احساس ناراحتی کند

منابع مورد نیاز

• ابزارهای شتاب سنج.
• منابع محاسباتی کافی برای پردازش داده ها.
• ایستگاه های اتصال اضافی برای شارژ شتاب سنج.
• در تنظیم میدان ، باید به تدارکات توزیع و جمع آوری و توزیع مجدد شتاب سنج توجه شود.
• ذخیره داده ها: اندازه پرونده ها بر اساس فرمت ذخیره شده داده ها و میزان داده های جمع آوری شده متفاوت است. اندازه پرونده به مدت یک هفته 100 هرتز اندازه گیری حرکت سه محوره بر اساس دستگاه متفاوت است ، اما به طور معمول در محدوده است~0. 35 گیگابایت به~0. 7 گیگابایت

کتابخانه ساز

یک کتابخانه ابزار خاص برای این بخش در حال تهیه است. در ضمن ، لطفاً با کلیک روی اینجا برای باز کردن در یک صفحه جدید ، به صفحه کلی کتابخانه ابزار مراجعه کنید.