Aplicação das componentes principais e cluster no sinal de aceleração da marcha jovens e idosos

Authors

  • Jerusa Petróvna Resende Lara
  • Ana Carolina Passos de Oliveira
  • John Jairo Villarejo Mayor
  • André Luiz Félix Rodacki

DOI:

https://doi.org/10.54021/sesv4n1-005

Keywords:

principal components, cluster analysis, gait, elderly accelerometer

Abstract

O objetivo do presente trabalho foi aplicar a análise das componentes principais e cluster para descriminar jovens e idosos através do sinal de aceleração tridimensional durante a marcha. Participaram do estudo 5 jovens e 5 idosos. Foram analisados 20 ciclos de marcha do lado dominante de cada sujeito. Um acelerômetro triaxial DELSYSᵀᴹ foi fixado no maléolo lateral direito dos sujeitos. Os dados foram organizados em uma matriz M (20 repetições de 5 jovens, seguidas de 20 repetições de 5 idosos em linhas e o percentual do ciclo da marcha (0-100%) em colunas).A análise de componentes principais consistiu no cálculo de autovetores e autovalores da matriz de covariância de M. A análise de agrupamento por cluster foi aplicada para classificar o os dados em dois grupos, usando o método k-means.  Os resultados mostraram que, na direção de progressão da marcha, o método de classificação foi 100% eficaz, pois conseguiu separar todas as marchas dos sujeitos jovens das marchas dos sujeitos idosos. Na direção vertical foram encontrados 5% de erro de classificação dos jovens e apenas 1% de idosos. Na direção médio lateral da marcha 41% dos sujeitos jovens foram classificados erroneamente como sendo ciclos de marcha de sujeitos idosos. Desta forma pode-se concluir que apenas o sinal de aceleração na direção de progressão da marcha já é suficiente para descriminar sujeitos jovens de idosos utilizando o método de classificação por cluster.

References

ASTEPHEN JL, DELUZIO KJ, CALDWELL GE, DUNBAR MJ. Biomechanical changes at the hip, knee, and ankle joints during gait are associated with knee osteoarthritis severity. J Orthop Res. 2008;26(3):332-41. DOI: https://doi.org/10.1002/jor.20496

DELUZIO KJ, ASTEPHEN JL. Biomechanical features of gait waveform data associated with knee osteoarthritis: an application of principal component analysis. Gait Posture. 2007;25(1):86-93. DOI: https://doi.org/10.1016/j.gaitpost.2006.01.007

GAN, G., MA, C., & WU, J. Data clustering: Theory, algorithms, and applications. Philadelphia, PA: [s.n.]

KAUFMAN, L., & ROUSSEEUW, P. J. Finding groups in data: An introduction to cluster analysis. New York, NY: Wiley.: [s.n.].

WATELAIN, E., BARBIER, F., ALLARD, P., THEVENON, A., 2000. “Gait pattern classification of healthy elderly men based on biomechanical data”, Archives of Physical Medicine and Rehabilitation, v.81, p.579-586. DOI: https://doi.org/10.1016/S0003-9993(00)90038-8

Downloads

Published

2023-02-08

How to Cite

Lara, J. P. R., Oliveira, A. C. P. de, Mayor, J. J. V., & Rodacki, A. L. F. (2023). Aplicação das componentes principais e cluster no sinal de aceleração da marcha jovens e idosos. STUDIES IN ENGINEERING AND EXACT SCIENCES, 4(1), 67–74. https://doi.org/10.54021/sesv4n1-005