Enbentstest: Synkroniserad rörelsefångst, kraftplatta och radar-datamängd för fallrisk

Varför det spelar roll att stå på ett ben

För många äldre kan ett enkelt snedsteg leda till ett allvarligt fall, med konsekvenser som sträcker sig från benbrott till förlorad självständighet. Läkare använder ofta ett snabbt test—att stå på ett ben—för att bedöma balans och fallrisk. Denna artikel beskriver en omfattande ny databas byggd kring det välkända testet, som kombinerar precisa mätningar av kroppsrörelse, tryck under fötterna och radarsignaler. Målet är att ge forskare och ingenjörer det råmaterial som behövs för att utveckla bättre verktyg för att upptäcka balansproblem tidigt, helst långt innan ett farligt fall inträffar.

Ett enkelt test med dold djup

Enbentstestet ber personen att lyfta ena foten och hålla en stadig ställning på den andra. Kortare hållningstider har kopplats till högre risk för fall och även högre dödlighet. Men tiden ensam förklarar inte hur någon behåller balansen eller börjar förlora den. Forskarna bakom detta arbete fokuserade på att avslöja dessa dolda detaljer. De spelade in 32 friska frivilliga, uppdelade i en yngre grupp (18–32 år) och en äldre grupp (64 år och uppåt), medan de upprepade gånger utförde en yogaliknande enbent ställning. Genom att inte bara se till hur länge varje person kunde stå, utan också till varje liten svängning och justering, öppnar datamängden dörren till en mycket djupare förståelse av balans.

Tre sätt att betrakta samma rörelse

Teamet använde samtidigt tre olika instrument. För det första en rörelsefångstanläggning, liknande de som används i filmstudior, som spårade 18 reflekterande markörer på stora leder som anklar, knän, höfter, axlar och handleder. Detta skapade en tredimensionell redogörelse för hur varje del av kroppen rörde sig under testet. För det andra mättes kraften av två kraftplattor—en under varje fot—hur hårt och var fötterna tryckte mot marken, vilket fångade subtila viktförskjutningar och ställningsändringar. För det tredje skickade en liten radarenhet placerad flera meter bort radiovågor och mätte de reflekterade signalerna när personen svajade och rörde sig. Radar kan göra detta utan kameror eller kroppsburna enheter, vilket gör det attraktivt för privat övervakning i hemmet.

Att omvandla rå rörelsedata till meningsfulla händelser

För att göra datan användbar delade forskarna upp varje försök i nyckelögonblick: stående på båda benen, lyfta testfoten, nå en stabil enbentställning, börja förlora den stabiliteten och slutligen sätta ner foten igen. Kraftplattedata visade när den lyfta foten lämnade eller rörde marken. Rörelsefångstdata, särskilt vinkeln i det upplyfta knät, visade när en person verkligen hade stabiliserat sig i en stadig pose och när den stadigheten började brytas ner. Varje detekterad händelse kontrollerades för hand mot video för att säkerställa noggrannhet. Radarsignalerna bearbetades sedan till ”range–Doppler-kartor”, som visar var personen befinner sig och hur snabbt olika delar av kroppen rör sig, bildruta för bildruta. Alla tre datakanalerna tidsanpassades med hjälp av ett rörligt reflekterande mål, så att ett givet ögonblick i en sensor matchar samma ögonblick i de andra.

En offentlig resurs för framtida verktyg för fallförebyggande

Den färdiga datamängden, nu fritt tillgänglig på en offentlig forskningsplattform, är noggrant organiserad efter deltagare och försök. Den inkluderar råa och bearbetade filer, en tabell som listar varje enbentsförsök och dess nyckelögonblick, samt exempel på källkod för att hjälpa nya användare att komma igång. Även om det finns några begränsningar—såsom saknade försök för en deltagare och långtidsprov endast i den äldre gruppen—ger samlingen ändå en sällsynt, detaljerad bild av hur människor i olika åldrar klarar av att balansera på ett ben.

Från laboratoriemätningar till vardaglig säkerhet

I grunden handlar detta arbete om att förvandla ett enkelt kliniskt test till en språngbräda för smartare teknologier för fallförebyggande. Genom att para ihop laboratoriets guldstandardverktyg med radar som värnar om integriteten, låter datamängden forskare jämföra etablerade och nya metoder sida vid sida. Kort sagt hjälper den till att koppla vad som händer inne i ett biomekaniklaboratorium till vad som en dag kan ske i ett vardagsrum eller i ett äldreboende. Om forskare kan lära sig att läsa tidiga varningstecken på instabilitet i dessa rika signaler, skulle framtida system tyst kunna vaka över äldre och flagga för stigande fallrisk innan ett farligt fall inträffar.

Citering: Copeland, D., Zhang, X., Linton, E. et al. One-Legged Stand Test: Synchronized Motion Capture, Force Plate, and Radar Dataset for Fall-Risk. Sci Data 13, 518 (2026). https://doi.org/10.1038/s41597-026-06831-1

Nyckelord: fallrisk, balanstest, enbentstående, radarsensorer, rörelsefångst