使用单个可穿戴传感器生物标志物的疲劳发生时间联合建模框架

在疲劳来临前知晓为何重要

许多工厂和仓库的工作会在班次结束前很久悄悄消耗工人的体力。在人们感觉疲惫的时候，他们犯错和受伤的风险已经上升。本研究探讨是否可以通过佩戴在身体上、类似健身追踪器的单个可穿戴传感器来预测人在高强度工作中何时可能出现身体疲劳。如果能够可靠地预测疲劳发生时间，监督者便可以在工人进入危险状态之前调整任务或安排休息，从而提升安全性和生产效率。

从腕带到早期预警

研究者利用了两项先前的实验室研究，这些研究模拟了真实的制造工作。其中一项让志愿者持续最多三小时地抬举并移动重型容器，或进行行走、弯腰和拧紧螺栓等动作；另一项则让他们反复将加了重量的瓶子从肩高处提起并放入纸箱，持续最长45分钟。参与者在手腕、臀部和躯干等身体部位佩戴小型运动传感器，有时还佩戴心率带。这些设备记录了随时间变化的身体运动，同时工人定期评价自己的疲劳感，使研究团队能够定义每个人达到预设疲劳阈值的时刻。

关注单一信号而非众多指标

现代可穿戴设备可以从运动中跟踪数十个数值特征，但过多输入会让预测模型难以理解并难以在车间中应用。作者有意提出了一个更简单的问题：单个来自某个传感器的精心选择的特征，能否对疲劳发生时间给出有力预测？他们在多种可能信号中进行筛选，重点关注与手腕“加加速度”（jerk）相关的度量，这基本上反映了动作的平滑程度或抖动程度。先前研究已将加加速度与已有疲劳相关联；本研究的目标是检验它是否也能预测到达该疲劳点所需的时间。

把运动变化与时间联系起来

为了将这些变化中的传感器读数与疲劳发生的时间点联系起来，团队使用了一种称为联合建模的统计策略。通俗地说，它既追踪每个人的可穿戴信号如何随时间演变，又同时学习这种演变模式如何与最终疲劳时刻相关。模型会随着新的传感器数据到来而更新，有点像一天中不断改进的天气预报。在两项案例研究中，基于单一手腕加加速度特征构建的联合模型明显优于仅依赖固定任务描述（例如工作类型或举起的重量）的常规模型。新方法在区分谁会更早疲劳以及估计疲劳发生时间的误差上表现更好。

细微动作变化揭示的信息

结果还揭示了随着疲劳积累身体如何调整。在较长、搬运重物的任务中，最终出现疲劳的工人普遍表现出更高的手腕加加速度平均值，反映出动作更零碎、更难控制，这种模式预示着更高的风险会更早达到疲劳阈值。在较短的搬瓶任务中，另一个加加速度指标——反映最平滑那一部分动作行为的度量——最具指示性。当该度量随时间呈下降趋势时，表明身体可能在僵硬关节以维持动作精确度，这种策略有悖常理地使某些动作在表面上更平滑，即便潜在的疲劳在加深。

将预测性疲劳监测带入工作场所

对于非专业读者，关键结论是：单个、经过深思熟虑放置的可穿戴传感器不仅能标示工人已经疲劳，还能持续估计该人距离变得过度疲劳以致影响安全与效率还有多近。尽管这些发现来自控制良好的实验室环境且样本规模相对较小，但它们展示了走向实时预警系统的实用路径，这类系统在尊重隐私的同时支持安全。通过在真实工作场所进一步测试并谨慎关注伦理使用，这类模型可以帮助组织重新设计排班与任务，从而减少工人触及疲劳危险边缘的情况。

引用: Lu, L., Sedighi-Maman, Z. & Cavuoto, L. A joint modeling framework for time-to-fatigue prediction with a single wearable sensor biomarker. Sci Rep 16, 12437 (2026). https://doi.org/10.1038/s41598-026-41249-0

关键词: 可穿戴传感器, 工人疲劳, 疲劳发生时间预测, 职业安全, 联合建模