Classificação do Risco de Quedas em Idosos com Least Squares Support Vector Regression Utilizando Sinais Eletromiográficos e Dinamométricos

Abstract

A determinação do risco de cair é de suma importância na assistência à saúde do idoso, pois a ocorrência de quedas nessa população trazem consequências em vários aspectos. Ferramentas de aprendizado de máquinas têm sido cada vez mais empregadas com este fim. Portanto, o objetivo deste estudo foi investigar a viabilidade da utilização de sinais eletromiográficos e dinamométricos na classificação do risco de quedas em idosos via modelo least squares support vector regression (LSSVR). Trinta e um voluntários idosos foram avaliados com a Escala de Equilíbrio de Berg (EEB), eletromiografia e dinamometria do membro inferior dominante. Para o modelo LSSVR foram utilizados kernels do tipo linear, polinomial e radial basis function (RBF), além de validações cruzadas pelos métodos leave one out e K-fold. Ambos os sinais apresentaram erros médios baixos na maioria das execuções realizadas. Dessa forma, verificou-se que é possível classificar o risco de quedas em idosos por meio de sinais eletromiográficos e dinamométricos aplicados ao modelo LSSVR.