入院患者の身体活動の評価のための分類アルゴリズムの最適化と検証

入院患者では、身体活動の量が少ない（PA）、座りがちな活動の長期が一般的です。不活動の悪影響を防ぐためには、客観的なPAモニタリングが必要ですが、適切なアルゴリズムが不足しています。この研究の目的は、座りがち、地位、動的な活動を区別する分類アルゴリズムを最適化し、検証し、自由生活条件下で入院患者の姿勢移行を記録することです。ビデオ分析と比較した最適化と検証は、整形外科および急性の入院高齢患者で上肢に摩耗した加速度計で実施されました。データセグメンテーションウィンドウサイズ（WS）、PAしきい値（PA TH）、センサー方向のしきい値（SO TH）は25人の患者で最適化され、検証は別の25人で実行されました。アルゴリズムのパフォーマンスを評価するために使用されます。最適化により、パラメーター設定で最高のパフォーマンスが発生しました：WS 4 s、PA TH 4.3カウントあたり4.3カウント、したがってTH 0.8 g。検証により、すべてのアクティビティは、立位活動の分類を除き、許容可能な制限（> 80％の感度、特異性、精度、±10％エラー）内で分類されていることが示されました。患者はPAを増やし、座りがちな行動を中断する必要があるため、アルゴリズムは入院患者のPAの分類に適しています。

Low amounts of physical activity (PA) and prolonged periods of sedentary activity are common in hospitalized patients. Objective PA monitoring is needed to prevent the negative effects of inactivity, but a suitable algorithm is lacking. The aim of this study is to optimize and validate a classification algorithm that discriminates between sedentary, standing, and dynamic activities, and records postural transitions in hospitalized patients under free-living conditions. Optimization and validation in comparison to video analysis were performed in orthopedic and acutely hospitalized elderly patients with an accelerometer worn on the upper leg. Data segmentation window size (WS), amount of PA threshold (PA Th) and sensor orientation threshold (SO Th) were optimized in 25 patients, validation was performed in another 25. Sensitivity, specificity, accuracy, and (absolute) percentage error were used to assess the algorithm's performance. Optimization resulted in the best performance with parameter settings: WS 4 s, PA Th 4.3 counts per second, SO Th 0.8 g. Validation showed that all activities were classified within acceptable limits (>80% sensitivity, specificity and accuracy, ±10% error), except for the classification of standing activity. As patients need to increase their PA and interrupt sedentary behavior, the algorithm is suitable for classifying PA in hospitalized patients.