编辑推荐：
本文综述了2010-2022年间发表的89篇研究，系统分析了可穿戴传感器用于NDs（神经退行性疾病，如PD）患者跌倒检测的技术进展。文章揭示了传感器类型、身体位置、算法（如SVM、CNN）及验证方法的演变趋势，指出踝部是首选传感器位置，多传感器融合与机器学习（尤其是2019年后）成为提高准确性的主流。本文为未来开发更精准、实用的实时监测系统，并扩展应用于PD以外的NDs提供了重要参考。
神经退行性疾病（NDs）是威胁人类健康的重大疾病，其中帕金森病（PD）是研究最多的典型代表。NDs患者常表现出平衡能力下降、步态异常，从而导致跌倒风险显著增高。跌倒不仅会导致骨折、住院和功能依赖，还可能引发对跌倒的恐惧、活动能力下降等继发问题，加速功能衰退。因此，开发准确、实用的跌倒检测方案对于减少相关损伤、降低医疗成本具有重要的临床意义。
可穿戴传感作为一种新兴的跌倒检测方法，因其可连续佩戴、能在日常环境中捕捉运动信号，并且相比于环境监测设备更具隐私保护性而展现出巨大潜力。随着移动和嵌入式技术的发展，微型化、高能效的设备不断涌现，其具备的机载处理和无线连接能力有助于实现及时报警，减轻因跌倒后长时间“长卧不起”带来的不良后果。然而，NDs人群的跌倒检测研究在方法学上仍存在高度异质性，涉及不同的传感器模态、佩戴位置、算法和验证方案，这导致了证据的碎片化和研究间可比性有限。为此，研究人员开展了一项系统性综述，旨在追踪可穿戴传感器在NDs人群跌倒检测领域随时间的演变，比较不同技术和方法选择的验证性能，以明确现有证据、提高可比性，并为未来的研究重点提供参考。
回顾方法
本综述遵循PRISMA（系统综述和荟萃分析的首选报告项目）声明。研究团队于2023年2月检索了PubMed和Web of Science数据库，以总结在NDs患者中使用身体佩戴传感器进行跌倒检测的研究。纳入标准为：全文、以英文发表、经过同行评议的期刊文章，且研究聚焦于使用可穿戴传感器进行跌倒检测或跌倒风险评估。最终，从2336条初始记录中，经过筛选和全文评估，共纳入89篇相关文章。这些研究提取了包括作者、研究人群、传感器类型、设备位置、行走任务、方法类别、具体分类器/模型、报告的性能指标、评估模式、发表年份、实时实现情况以及数据来源在内的多个变量。
结果
研究选择与总体特征
在最终纳入的89篇文章中，绝大多数（97.75%，n=87）使用了PD患者作为实验对象。受试者样本量差异很大，范围从1到131人不等。值得注意的是，有35项研究（39.33%）利用公开数据集来评估其算法的性能，其中Bachlin等人2010年的数据集是最常用的，占这些研究的45.71%（n=16）。
传感器技术与类型
研究使用了多种传感器类型。在单传感器研究中，有33项仅使用了加速度计。而在多传感器研究中，有52项（58.43%）结合了多种传感器类型，其中21项结合了加速度计和陀螺仪（部分还结合了磁力计）。自2020年以来，使用多种设备收集人体活动数据的偏好越来越明显。传感器融合策略有助于从不同维度捕捉运动信息，提高检测的准确性和鲁棒性。
设备位置
传感器被佩戴在身体的不同区域。踝部是最受欢迎的单个位置，在19项研究（占总位置数N=157的12.10%）中被使用，其中4项研究将其作为唯一的佩戴位置。下背部和股部各有17项研究使用（各占10.83%），其中3项研究将下背部作为唯一位置。胫骨（小腿）和腰部也较为常见，分别出现在16项（10.19%）和15项（9.55%）研究中。多个位置佩戴（如踝、大腿、下背部等）的策略在近年也逐渐增多，以期从更多部位获取互补的运动学信息。
算法演变
在算法使用方面，研究呈现出清晰的演变轨迹。早期研究多采用基于阈值的简单方法。机器学习算法自2019年开始变得流行，其中最常用的算法是支持向量机（SVM）（n=17）。深度学习模型，如卷积神经网络（CNN）、长短期记忆网络（LSTM）和循环神经网络（RNN）等，在近年来的研究中应用也日益广泛，显示出处理复杂时间序列数据和非线性模式的潜力。这些高级算法能够自动提取特征，在特定条件下往往能达到比传统方法更高的灵敏度、特异性。
验证性能与评估模式
尽管性能指标因研究设计、任务和人群不同而存在差异，但许多研究报告了较高的准确性、灵敏度和特异性。例如，一些研究通过优化算法和传感器组合，在检测冻结步态（FOG）等特定跌倒前兆事件时，准确率可达90%以上，甚至超过95%。评估模式方面，研究可分为在线（实时）评估和离线（非实时）评估。越来越多的研究者开始关注在模拟自由生活环境中进行实时监测和评估，尽管目前许多验证仍是在非实时（离线）条件下进行的。
结论与未来展望
本综述系统梳理了可穿戴传感器在NDs人群跌倒检测领域的发展趋势。结果显示，踝部是研究者偏好的传感器位置，而使用多种类型的传感器结合机器学习算法，以提高准确性和实时性，正成为一种明确的趋势。然而，该领域也存在一些局限性。首先，研究人群高度集中于PD患者，未来工作应扩展至其他NDs。其次，行走任务和准确性测量标准尚未统一，亟需达成共识。此外，多数验证是在受控的实验室环境下进行的，未来应鼓励在特定的时间段内，在模拟的自由生活环境中进行研究，实现连续的实时监测和评估。
总而言之，可穿戴传感器在NDs患者跌倒检测中具有广阔的应用前景。技术的不断演进，特别是微型化、低功耗的硬件与强大的人工智能算法结合，为开发更加精准、个性化、用户友好且实用的跌倒预警和干预系统奠定了坚实基础。未来的研究需要在标准化、临床验证和跨病种应用等方面继续深入，以最终实现其在改善患者生活质量和安全方面的巨大潜力。
