阅读说明：本技术 用于功能能力及跌倒风险的移动评估的消费者应用程序 (Consumer application for mobile assessment of functional ability and fall risk ) 是由 A·多尔曼 B·J·查斯科 D·W·基利 于 2019-03-11 设计创作，主要内容包括：本文中提供用于使用对用户的基于临床移动性的评估来监测移动能力的系统及方法。在实施例中,方法包含：使用包括惯性测量装置的移动装置来提供对用户的基于临床移动性的评估；及使用所述惯性测量装置来生成基于所述基于临床移动性的评估指示所述用户的移动能力的所述用户的惯性数据。实施例包含：将所述用户的所述惯性数据本地记录到所述移动装置,从而得到所述用户的本地记录的惯性数据；实时处理所述用户的所述本地记录的惯性数据以确定所述移动装置在所述基于临床移动性的评估期间的位置及定向；及使用所述移动装置在所述基于临床移动性的评估期间的所述位置及所述定向来确定与所述基于临床移动性的评估相关联的所述用户的身体移动评估。(Systems and methods for monitoring mobility using a clinical mobility-based assessment of a user are provided herein. In an embodiment, a method comprises: providing a clinical mobility-based assessment of a user using a mobile device comprising an inertial measurement device; and generating, using the inertial measurement device, inertial data for the user indicative of the user's mobility based on the clinical mobility-based assessment. The embodiment comprises the following steps: locally recording the inertial data of the user to the mobile device, thereby obtaining locally recorded inertial data of the user; processing the locally recorded inertial data of the user in real-time to determine a position and orientation of the mobile device during the clinical mobility-based assessment; and determining an assessment of body movement of the user associated with the clinical mobility-based assessment using the location and the orientation of the mobile device during the clinical mobility-based assessment.)

用于功能能力及跌倒风险的移动评估的消费者应用程序

相关申请案

本申请案主张2018年3月19日申请的标题为“用于功能能力及跌倒风险的移动评估的消费者应用程序(Consumer Application for Mobile Assessment of FunctionalCapacity and Falls Risk)”的第62/645,053号美国临时申请案的优先权权益，所述申请案的全文(包含其中所引用的所有附录及所有参考文献)由此以引用方式并入本文中。

技术领域

本技术涉及所连接装置的软件应用程序。本技术更具体来说但不限于涉及一种能够在安装到配备有惯性测量能力，具有互联网及/或蜂窝连接性及语音通信技术的市售移动装置上时评估用户的实时跌倒风险的应用程序。

背景技术

本节中所描述的方法可被采用，但未必是先前已设想或采用的方法。因此，除非另有指示，否则不应假设本节中所描述的任何方法仅仅由于其包含在本节中而有资格作为现有技术。

响应于与老龄化相关联的众多风险，及美国人口正在迅速老龄化的事实，维持独立性的努力导致开发专注于健康监测的各个方面的数个应用程序。这些应用程序中的大多数已以某种方式开发使得其包含监测生物因素的能力，例如；血压、心率、血糖水平及/或睡眠。虽然有证据表明这些生物信号与总体健康相关联且对例如这些参数的持续监测可有助于改善健康，但当前可用的健康应用程序无法提供持续地监测用户产生运动的能力的能力。另外，这些当前健康监测应用程序通常不是自含式的且许多时候需要除其上安装有所述应用程序的硬件以外的硬件。本技术提供一种评定用户的移动能力的自含式综合方法且提供用于直接监测及识别功能能力下降的非侵入性方法。这些关键运动评估的结果可由用户轻松存取且以各种格式显示在用户的移动装置上。

发明内容

在一些实施例中，本发明涉及一或多个计算机的系统，所述系统可经配置以凭借将软件、固件、硬件或其组合安装在所述系统上来执行特定操作或动作，所述软件、固件、硬件或其组合在操作中致使所述系统执行如本文中所描述的动作及/或方法步骤。

根据一些实施例，本技术涉及一种用于使用基于临床移动性的评估来监测用户的移动能力的方法，所述方法包括：(a)使用包括惯性测量装置的移动装置提供对用户的基于临床移动性的评估；(b)使用所述惯性测量装置来生成基于所述基于临床移动性的评估指示所述用户的移动能力的所述用户的惯性数据；(c)将所述用户的所述惯性数据本地记录到所述移动装置，从而得到所述用户的本地记录的惯性数据；(d)实时处理所述用户的所述本地记录的惯性数据以确定所述移动装置在所述基于临床移动性的评估期间的位置及定向；(e)使用所述移动装置在所述基于临床移动性的评估期间的所述位置及所述定向来确定与所述基于临床移动性的评估相关联的所述用户的身体移动评估；及(f)使用所述移动装置来显示对所述用户的所述身体移动评估的至少一部分。

在各个实施例中，所述方法包含经由由所述移动装置显示的交互式动画对话图形用户接口显示所述基于临床移动性评估的表示。

在一些实施例中，所述方法包含所述基于临床移动性的评估包含以下项中的一或多者：测试持续时间、转身持续时间、坐下到站立的持续时间、站立到坐下的持续时间、在预定时间段内完成的坐下到站立重复次数及在预定时间段内完成的站立到坐下重复次数。

在各个实施例中，基于所述基于临床移动性的评估指示所述用户的移动能力的所述用户的所述惯性数据包含使用陀螺仪生成的陀螺仪数据；及使用加速度计生成的加速度计数据。

在一些实施例中，实时处理所述用户的所述本地记录的惯性数据以确定所述移动装置在所述基于临床移动性的评估期间的位置及定向包括：对所述用户的所述本地记录的惯性数据进行分段及对准，从而得到所述用户的经分段及经对准的惯性数据；对所述用户的所述经分段及经对准的惯性数据进行重力加速度平衡，从而得到所述用户的经平衡惯性数据；使用所述用户的所述经平衡惯性数据来确定所述移动装置在所述基于临床移动性的评估期间的速度；对所述移动装置在所述基于临床移动性的评估期间的所述速度进行漂移补偿，从而得到经漂移补偿的速度数据；及使用所述经漂移补偿的速度数据来确定所述移动装置在所述基于临床移动性的评估期间的所述位置及所述定向。

在各个实施例中，实时处理所述用户的所述本地记录的惯性数据以确定所述移动装置在所述基于临床移动性的评估期间的位置及定向包括：对所述用户的所述本地记录的惯性数据进行分段及对准，从而得到所述用户的经分段及经对准的惯性数据；整合所述用户的所述经分段及经对准的惯性数据的角度定向，从而得到所述用户的经平衡惯性数据；使用所述用户的所述经平衡惯性数据来确定所述移动装置在所述基于临床移动性的评估期间的速度；对所述移动装置在所述基于临床移动性的评估期间的所述速度进行漂移补偿，从而得到经漂移补偿的速度数据；及使用所述经漂移补偿的速度数据来确定所述移动装置在所述基于临床移动性的评估期间的所述位置及所述定向。

在一些实施例中，所述方法进一步包括：基于所述移动装置在所述基于临床移动性的评估期间的所述位置及所述定向来确定所述用户的功能性移动特征，所述功能性移动特征包含以下项中的一或多者：完成任务的时间、完成任务的速率、在预定时间段内完成的任务的总重复、在预定时间段内完成的任务的重复的衰减、转身速率、前后摇摆、侧位摇摆、步态特性、总位移量值、垂直位移、侧位位移及合成位移。

在各个实施例中，所述方法、对所述用户的所述身体移动评估包含以下项中的一或多者：所述用户的静态稳定性、所述用户的动态稳定性、所述用户的姿势稳定性、所述用户的平衡、所述用户的移动性、所述用户的跌倒风险、所述用户的下半身肌肉力量、所述用户的下半身肌肉耐力、所述用户的下半身肌肉柔韧性、所述用户的上半身肌肉力量及所述用户的上半身肌肉耐力。

在一些实施例中，所述方法进一步包括：接收所述用户的所述本地记录的惯性数据及所述用户的所述身体移动评估；使用与所述基于临床移动性的评估相关联的所述用户的所述身体移动评估来进行经度身体移动评估分析；及显示对所述用户的所述经度身体移动评估分析的至少一部分。

附图说明

附图说明本技术的某些实施例。将理解，附图未必按比例绘制。将理解，所述技术未必限于本文中所说明的特定实施例。

图1展示根据本技术的实施例的用于使用基于临床移动性的评估来监测用户的移动能力的系统。

图2说明根据本技术的实施例的示范性惯性数据处理算法。

图3展示根据本技术的实施例的用于使用基于临床移动性的评估来监测用户的移动能力的系统与基于云的平台之间的通信系统。

图4A展示根据本技术的实施例的用于分析基于座椅站立临床移动性的评估的惯性数据处理算法的结果。

图4B描绘根据本技术的实施例的用于分析基于定时起立及行走临床移动性的评估的惯性数据处理算法的结果。

图5A描绘根据本技术的实施例的展示用于确定用户的功能性移动能力的移动评估的表。

图5B描绘根据本技术的实施例的展示在应用描述用户功能性移动能力的分析算法之后从用户的惯性数据提取的描述功能性移动的特征的表。

图6描绘展示根据本技术的实施例的用于使用基于临床移动性的评估来监测用户的移动能力的方法的过程流程图。

图7说明可用于实施本技术的实施例的示范性计算机系统。

具体实施方式

本文揭示本技术的详细实施例。应理解，所揭示实施例仅仅是可以多种形式体现的本发明的实例。本文中所揭示的那些细节不应以任何形式解释为限制性，而是作为权利要求书的基础。

在各个实施例中，本技术的目标是一种软件应用程序，其用于通过与配备有惯性测量单元的移动装置的简单交互来提供对用户的功能运动能力的监测及评估。因而，软件应用程序用于持续地评定用户的运动特性并报告那些运动特性与用户的实时功能能力之间的关系。软件应用程序还为用户提供评估在多种基本移动测试中的表现的能力。另外，软件应用程序利用基于云的存储及计算功能性的能力提供以某一方式快速存储、检索及评估多个测试的能力使得可识别及报告功能性移动能力的实时下降。从阐述本技术的实施例的详细实施例描述及附图，软件应用程序的额外优点是显而易见的。

图1展示根据本技术的实施例的用于使用基于临床移动性的评估来监测用户的移动能力的系统100。系统100展示可存取移动装置120的用户110。移动装置120包括惯性测量装置130。惯性测量装置130可为安装在移动装置120上的芯片等。惯性测量装置130包括陀螺仪140及加速度计150。移动装置120进一步包括应用程序155(例如，软件应用程序)。移动装置120使用通信网络160来与功能测试系统170、平衡/稳定性系统180及步态分析系统190进行通信。

在各个实施例中，应用程序155是能够监测用户110的移动能力的电子护理者开发的移动应用程序。在使用时，应用程序155体现收集、处理、存储及分析描述用户110在各种基于临床移动性的评估期间的运动特性的数据的能力。例如，基于临床移动性的评估可为运动任务。在各个实施例中，基于临床移动性的评估可为测试持续时间、转身持续时间、坐下到站立的持续时间、站立到坐下的持续时间、在预定时间段内完成的坐下到站立重复次数及在预定时间段内完成的站立到坐下重复次数。例如，在图5A及图5B中描述基于临床移动性的评估。示范性基于临床移动性的评估(例如，运动任务)包含使用与功能测试系统170、平衡/稳定性系统180及步态分析系统190进行通信的移动装置120进行的定时起立及行走测试、30秒座椅站立测试、四阶段平衡测试、步态分析、功能性伸展测试、坐姿体前弯测试、5座椅站立测试、10座椅站立测试、手臂弯曲测试及姿势稳定性。

在各个实施例中，用户110可通过经由由移动装置120显示的交互式动画对话图形用户接口存取基于临床移动性的评估的表示的显示来存取移动装置120。本技术的实施例包含提供使用包括惯性测量装置130的移动装置120来提供对用户的基于临床移动性的评估，及使用惯性测量装置130来生成基于所述基于临床移动性的评估指示用户110的移动能力的用户110的惯性数据。实施例包括将用户110的惯性数据本地记录到移动装置120，从而得到用户110的本地记录的惯性数据。在各个实施例中，基于所述基于临床移动性的评估指示用户110的移动能力的用户110的惯性数据包括使用陀螺仪140生成的陀螺仪数据；及使用加速度计150生成的加速度计数据。

图2说明根据本技术的实施例的示范性惯性数据处理算法200。惯性数据处理算法200可由处理逻辑来执行，所述处理逻辑可包括硬件(例如，专用逻辑、可编程逻辑及微代码)、软件(例如在通用计算机系统或专用机器上运行的软件)或其组合。在一或多个实例实施例中，处理逻辑驻留在移动装置120、惯性测量装置130、功能测试系统170、平衡/稳定性系统180及步态分析系统190或基于云的规范(normative)数据存储装置330或其组合处。惯性数据处理算法200从包括惯性测量装置130的移动装置120接收惯性数据。惯性测量装置130包括陀螺仪140及加速度计150。惯性数据处理算法200包括信号分段及对准210、重力加速度平衡220、角度定向整合230、速度估计240、漂移确定及补偿250、定向估计260以及位置估计270。

在各个实施例中，惯性数据处理算法200用于使用基于临床移动性的评估来监测用户110的移动能力。本技术的实施例包括实时处理用户110的本地记录的惯性数据以确定移动装置120在基于临床移动性的评估期间的位置及定向。在一些实施例中，实时处理用户110的本地记录的惯性数据以确定移动装置在基于临床移动性的评估期间的位置及定向的处理包括：对用户110的本地记录的惯性数据进行分段及对准，从得到用户10的经分段及经对准的惰性数据。例如，在图4A中展示对用户110的本地记录的惯性数据进行分段及对准。实施例进一步包含对用户110的经分段及经对准的惯性数据进行重力加速度平衡，从而得到用户110的经平衡惯性数据；使用用户110的经平衡惯性数据来确定移动装置在基于临床移动性的评估期间的速度；对移动装置在基于临床移动性的评估期间的速度进行漂移补偿，从而得到经漂移补偿的速度数据；使用经漂移补偿的速度数据来确定移动装置在基于临床移动性的评估期间的位置及定向。

本技术的实施例包含实时处理用户110的本地记录的惯性数据以确定移动装置120在基于临床移动性的评估期间的位置及定向。在一些实施例中，实时处理用户110的本地记录的惯性数据以确定移动装置在基于临床移动性的评估期间的位置及定向包括：对用户110的本地记录的惯性数据进行分段及对准，从而得到用户110的经分段及经对准的惯性数据；整合用户110的经分段及经对准的惯性数据的角度定向，从而得到用户110的经平衡惯性数据；使用用户110的经平衡惯性数据来确定移动装置在基于临床移动性的评估期间的速度；对移动装置在基于临床移动性的评估期间的速度进行漂移补偿，从而得到经漂移补偿的速度数据；及使用经漂移补偿的速度数据来确定移动装置在基于临床移动性的评估期间的位置及定向。

图3展示根据本技术的实施例的用于使用基于临床移动性的评估来监测用户的移动能力的系统与基于云的平台之间的通信系统300。通信系统300包括移动装置120，所述移动装置120包括应用程序155(例如，电子护理者应用程序)。通信系统300进一步包括云计算网络320、基于云的规范数据存储装置330及数据流340。在各个实施例中，应用程序155与云计算网络320进行通信。

一般来说，云计算网络320是基于云的计算环境，其是通常组合一大群处理器(例如在网络服务器内)的计算能力及/或组合一大群计算机存储器或存储装置的存储容量的资源。

云计算网络320可例如由包括多个计算装置(例如计算机系统700)的网络服务器的网络形成，其中每一服务器(或至少多个服务器)提供处理器及/或存储资源。这些服务器可管理由多个用户(例如，云资源客户或其它用户)提供的工作负荷。

图4A展示根据本技术的实施例的用于分析基于座椅站立临床移动性的评估400的惯性数据处理算法的结果。例如，用于处理基于所述基于临床移动性的评估指示用户的移动能力的用户的惯性数据的惯性数据处理算法可为图2中所展示的惯性数据处理算法200。更详细来说，图4A展示对用户110的本地记录的惯性数据进行分段及对准，从而得到用户110的经分段及经对准的惯性数据。例如，在图4A中展示多个信号分段中的信号分段405。更具体来说，图4A展示在实例1中更详细地描述的基于座椅站立临床移动性的评估的分析。

图4B描绘根据本技术的实施例的用于分析基于定时起立及行走临床移动性的评估410的惯性数据处理算法200的结果。更详细来说，图4B展示如实例2中更详细地描述的基于定时起立及行走临床移动性的评估410的分析。

图5A描绘根据本技术的实施例的展示用于确定用户110的功能性移动能力的移动评估的表500。例如，基于临床移动性的评估可为运动任务。在各个实施例中，基于临床移动性的评估可为测试持续时间、转身持续时间、坐下到站立的持续时间、站立到坐下的持续时间、在预定时间段内完成的坐下到站立重复次数及在预定时间段内完成的站立到坐下重复次数。示范性基于临床移动性的评估(例如，运动任务)包含定时起立及行走测试、30秒座椅站立测试、四阶段平衡测试、步态分析、功能性伸展测试、坐姿体前弯测试、5座椅站立测试、10座椅站立测试、手臂弯曲测试及姿势稳定性。表500进一步展示针对每一基于临床移动性的评估(例如，运动任务)评定的用户110的评估区域。

图5B描绘根据本技术的实施例的展示在应用描述用户功能性移动能力的分析算法之后从用户110的惯性数据提取的描述功能性移动的特征的表510。例如，基于移动装置120在基于临床移动性的评估期间的位置及定向来确定用户110的功能性移动特征，所述功能性移动特征包含以下项中的一或多者：完成任务的时间、完成任务的速率、在预定时间段内完成的任务的总重复、在预定时间段内完成的任务的重复的衰减、转身速率、前后摇摆、侧位摇摆、步态特性、总位移量值、垂直位移、侧位位移及合成位移。表510还展示针对每一基于临床移动性的评估(例如，运动任务)提取的用户110的特征。

图6描绘展示根据本技术的实施例的用于使用基于临床移动性的评估来监测用户的移动能力的方法600的过程流程图。方法600可由处理逻辑来执行，所述处理逻辑可包括硬件(例如，专用逻辑、可编程逻辑及微代码)、软件(例如在通用计算机系统或专用机器上运行的软件)或其组合。在一或多个实例实施例中，处理逻辑驻留在移动装置120、惯性测量装置130、功能测试系统170、平衡/稳定性系统180及步态分析系统190或基于云的规范数据存储装置330或其组合处。

如图6中所展示，用于使用基于临床移动性的评估来监测用户的移动能力的方法600包括使用包括惯性测量装置的移动装置来提供610对用户的基于临床移动性的评估。方法600可开始于使用惯性测量装置来生成620基于所述基于临床移动性的评估指示用户的移动能力的用户的惯性数据。方法600可以以下操作继续进行：将用户的惰性数据本地记录630到移动装置，从而得到用户的本地记录的惯性数据；及实时处理640用户的本地记录的惯性数据以确定移动装置在基于临床移动性的评估期间的位置及定向。方法600可以以下操作继续进行：使用移动装置在基于临床移动性的评估期间的位置及定向来确定650与基于临床移动性的评估相关联的用户的身体移动评估；及使用移动装置来显示660对用户的身体移动评估的至少一部分。

在各个实施例中，方法600任选地包含：接收670用户的本地记录的惯性数据及用户的身体移动评估；使用与基于临床移动性的评估相关联的用户的身体移动评估来进行680经度身体移动评估分析；显示690对用户的经度身体移动评估分析的至少一部分。

在各个实施例中，进行经度身体移动评估分析包括：从基于云的规范数据存储装置接收与域相关联的身体移动预定变化的阈值；比较用户的身体移动评估与身体移动变化的预定阈值；基于所述比较，确定身体移动评估超过身体移动变化的预定阈值；及如果身体移动评估超过身体移动变化的预定阈值，那么显示对用户的经度移动性评估。

实例1。

图4A展示根据本技术的实施例的用于分析基于座椅站立临床移动性的评估400的惯性数据处理算法200的结果。例如，功能测试可为用户110完成座椅站立的能力。这个特定测试区域提供对用户110的下肢肌肉力量的有价值洞察。一个特定测试，即30秒座椅站立，可由应用程序155进行远程评估。为实现这一点，用户110在标准座椅上采取坐姿，打开应用程序155(例如，电子护理者应用程序)且从下拉菜单选择对应测试(例如，基于座椅站立临床移动性的评估)。在测试选择后，移动装置120的惯性测量装置130被激活且开始收集用户110的惯性数据。在倒数5秒之后，用户110开始座椅站立测试且在规定时间内完成尽可能多的坐下到站立移动紧接着站立到坐下重复。如图4A中所描绘，垂直加速度信号可用于评估在测试期间完成的重复次数，其为在测试期间评估的标准临床变量。评估完成的重复次数是通过应用信号分段来实现，所述信号分段基于垂直加速度量值的可量化峰值及确定在处理期间导出的独立片段的数目的简单计数函数的应用来将信号分离成不同片段。例如，在图4A中展示多个信号分段中的信号分段405。

实例2。

图4B描绘根据本技术的实施例的用于分析基于定时起立及行走临床移动性的评估410的惯性数据处理算法200的结果。例如，在老年照护服务环境中利用的功能测试是定时起立及行走测试。定时起立及行走测试要求用户110在标准座椅上呈坐姿开始，起身到站姿，且步行3米距离。在3米标记处，用户110完成180°转弯，走回到起点，且接着坐在其开始的座椅上。当定时起立及行走测试完成时，临床医生通常会记录患者完成所述测试所需的时间。

在各个实施例中，本文中所描述的本技术的系统及方法能够在各个实施例中按需执行与临床医生相同的评估。因而，用户110在标准座椅上采取坐姿，打开应用程序155(例如，电子护理者应用程序)，且从移动装置120上的下拉菜单选择基于临床移动性的评估(即，基于定时起立及行走临床移动性的评估)。在测试选择后，惯性测量装置130被激活且开始收集用户110的惯性数据。在倒数5秒之后，用户110自始至终执行定时起立及行走测试。在返回到坐姿之后，用户选择结束测试图标以终止惯性数据的收集。随着定时起立及行走测试完成，信号分段算法将惯性数据分段成站立阶段415、出站阶段420(即，出站步行)、180°转弯阶段425(即，转弯)、入站阶段430(即，入站步行)及坐下阶段435。在对用户的本地记录的惯性数据进行分段及对准之后，使用多种特征(例如，测试完成的时间、站立期间垂直加速度的量值及坐下期间的垂直加速度的量值)来识别用户110的功能下降特性。例如，功能下降特性可包含完成定时起立及行走测试的时间增加、站立阶段415期间垂直加速度的峰值及/或总量值的下降、或坐下阶段435期间垂直加速度的峰值及/或总量值的增加。

实例3。

在老年照护服务环境中利用的另一常见功能测试是姿势稳定性测试。姿势稳定性测试要求用户110在收集姿势摇摆测量的一段时间内维持静态站姿。随着姿势稳定性测试完成，临床医生通常会记录用户110完成姿势稳定性测试的经观察稳定性以及指示姿势摇摆的各种加速度量值。而且，包含应用程序155(例如，电子护理者应用程序)的本技术的系统及方法能够按需执行与临床医生相同的评估。因而，用户110采取站姿，打开应用程序155(例如，电子护理者应用程序)且从下拉菜单选择姿势稳定性测试。在选择姿势稳定性测试后，移动装置120中的惯性测量装置130被激活且开始收集用户110的惯性数据。在倒数5秒之后，用户110在由应用程序155指定的时间段内执行姿势稳定性测试。随着姿势稳定性测试完成，处理用户110的惯性数据并将其转换成前后、侧位及合成量值(即，加速度计数据)以及围绕前后、侧位及横向轴的角度运动量值(即，陀螺仪数据)。分析加速度计数据及陀螺仪数据以量化沿着及围绕每一身体轴的摇摆量值，所述摇摆量值可用作用户110的总体静态稳定性及潜在跌倒风险的指标。

图7说明可用于实施本技术的实施例的示范性计算机系统。图7展示呈计算机系统700的实例电子形式的用于机器的计算装置的示意图，在计算机系统700内可执行用于致使机器执行本文中所论述的任何一或多种方法的一组指令。在实例实施例中，机器作为独立装置操作，或可经连接(例如，经联网)到其它机器。在联网部署中，机器可在服务器-客户端网络环境中以服务器、客户端机器的身份操作或在对等(或分布式)网络环境中作为对等机器操作。机器可为个人计算机(PC)、平板PC、游戏机、机顶盒(STB)、个人数字助理(PDA)、电视装置、蜂窝电话、便携式音乐播放器(例如，便携式硬盘驱动器音频装置)、网络设施或能够执行指定待由那个机器采取的动作的一组指令(循序或以其它方式)的任何机器。此外，虽然仅说明单个机器，但是术语“机器”也应被理解为包含单独地或共同地执行一组(或多组)指令以执行本文中所论述的任何一或多种方法的机器的任何集合。计算机系统700可为移动装置120、惯性测量装置130、功能测试系统170、平衡/稳定性系统180及步态分析系统190或基于云的规范数据存储装置330的实例。

实例计算机系统700包含经由总线720彼此进行通信的处理器或多个处理器705(例如，中央处理单元(CPU)、图形处理单元(GPU)或两者)以及主存储器710及静态存储器715。计算机系统700可进一步包含视频显示单元725(例如，液晶显示器(LCD)、有机发光二极管(OLED)显示器或阴极射线管(CRT))。计算机系统700还包含至少一个输入装置730，例如字母数字输入装置(例如，键盘)、光标控制装置(例如，鼠标)、麦克风、数码相机、摄像机等。计算机系统700还包含磁盘驱动器单元735、信号生成装置740(例如，扬声器)及网络接口装置745。

磁盘驱动器单元735(也被称为磁盘驱动器单元735)包含机器可读媒体750(也被称为计算机可读媒体750)，所述机器可读媒体750存储体现本文中所描述的任何一或多种方法或功能或由其利用的一或多组指令及数据结构(例如，指令755)。指令755还可在由计算机系统700执行期间完全或至少部分地驻留在主存储器710、静态存储器715及/或(若干)处理器705内。主存储器710、静态存储器715、(若干)处理器705也构成机器可读媒体。

可利用数种众所周知传输协议(例如，超文本传输协议(HTTP)、CAN、Serial及Modbus)经由网络接口装置745通过通信网络760进一步传送或接收指令755。通信网络760包含互联网、本地内联网、个域网(PAN)、局域网(LAN)、广域网(WAN)、城域网(MAN)、虚拟专用网(VPN)、存储区域网(SAN)、帧中继连接、高级智能网络(AIN)连接、同步光学网络(SONET)连接、数字T1、T3、E1或E3线、数字数据服务(DDS)连接、数字用户线(DSL)连接、以太网连接，集成服务数字网络(ISDN)线、电缆调制解调器、异步传输模式(ATM)连接或光纤分布式数据接口(FDDI)或铜缆分布式数据接口(CDDI)连接。此外，通信网络760还可包含到多种无线网络中的任一者的链路，包含无线应用协议(WAP)、通用分组无线业务(GPRS)、全球移动通信系统(GSM)、码分多址(CDMA)或时分多址(TDMA)、蜂窝电话网络、全球定位系统(GPS)、蜂窝数字分组数据(CDPD)、运动研究、有限(RIM)双工寻呼网络、蓝牙无线电或基于IEEE 802.11的射频网络。

虽然机器可读媒体750在实例实施例中被展示为单个媒体，但是术语“计算机可读媒体”应被理解为包含存储一或多组指令的单个媒体或多个媒体(例如，集中式或分布式数据库，及/或相关联高速缓冲存储器及服务器)。术语“计算机可读媒体”也应被理解为包含能够存储、编码或携载一组指令以供机器执行且引起机器执行本申请案的任何一或多种方法或能够存储、编码或携载由此组指令利用或与此组指令相关联的数据结构的任何媒体。因此，术语“计算机可读媒体”应被理解为包含但不限于固态存储器、光学及磁性媒体。此媒体还可包含但不限于硬盘、软盘、快闪存储卡、数字视盘、随机存取存储器(RAM)、只读存储器(ROM)等。

本文中所描述的实例实施例可在包括以硬件或以软件及硬件的组合安装在计算机上的计算机可执行指令(例如，软件)的操作环境中实施。计算机可执行指令可用计算机编程语言来编写或可以固件逻辑来体现。如果用符合公认标准的编程语言编写，那么此类指令可在多种硬件平台上执行且可对接到多种操作系统。尽管不限于此，但是用于实施本方法的计算机软件程序可用任何数目种合适编程语言来编写，例如举例来说超文本标记语言(HTML)、动态HTML、XML、可扩展样式表语言(XSL)、文档样式语义及规范语言(DSSSL)、级联样式表(CSS)、同步多媒体集成语言(SMIL)、无线标记语言(WML)、Java^TM、Jini^TM、C、C++、C#、.NET、Adobe Flash、Perl、UNIX Shell、Visual Basic或Visual Basic脚本、虚拟现实标记语言(VRML)、ColdFusion^TM或其它编译程序、汇编程序、解释程序或其它计算机语言或平台。

因此，揭示用于使用基于临床移动性的评估来监测用户的移动能力的技术。尽管已参考特定实例实施例描述实施例，但是将显而易见的是，可在不脱离本申请案的更广泛精神及范围的情况下对这些实例实施例进行各种修改及改变。因此，说明书及附图应被认为具说明性而非限制性意义。