用于监测下肢骨折后社区老年人的多模态传感器数据集

下肢骨折（LLF）是老年人健康的主要关注点，常导致活动受限和恢复期延长，可能影响日常活动和独立性。恢复期间，老年人常常面临社交孤立和功能下降，这会 complicate 康复并严重影响身体和心理健康。持续收集数据并使用机器学习算法进行分析的多模态传感器平台可以远程监测这一人群并推断健康结果。它们还可以警报给处于风险的个体。本文提出了一个新的公开的多模态传感器数据集 MAISON-LLF，来自于在社区环境中恢复 LLF 的老年人。该数据集包括来自智能手机和智能手表传感器、运动探测器、睡眠追踪床垫以及关于孤立和下降的临床问卷数据。该数据集来自 10 名独居老年人，每个人采集 8 周，总计 560 天的 24 小时传感器数据。为了进行技术验证，我们开发了使用传感器和临床问卷数据的监督机器学习和深度学习模型，为研究社区提供了基础的比较。