In this study we describe an ambulatory system for estimation of spatio-temporal parameters during long periods of walking. This original method based on wavelet analysis is proposed to compute the values of temporal gait parameters from the angular velocity of lower limbs. Based on a mechanical model, the medio-lateral rotation of the lower limbs during stance and swing, the stride length and velocity are estimated by integration of the angular velocity. Measurement's accuracy was assessed using as a criterion standard the information provided by foot pressure sensors. To assess the accuracy of the method on a broad range of performance for each gait parameter, we gathered data from young and elderly subjects. No significant error was observed for toe-off detection, while a slight systematic delay (10 ms on average) existed between heelstrike obtained from gyroscopes and footswitch. There was no significant difference between actual spatial parameters (stride length and velocity) and their estimated values. Errors for velocity and stride length estimations were 0.06 m/s and 0.07 m, respectively. This system is light, portable, inexpensive and does not provoke any discomfort to subjects. It can be carried for long periods of time, thus providing new longitudinal information such as stride-to-stride variability of gait. Several clinical applications can be proposed such as outcome evaluation after total knee or hip replacement, external prosthesis adjustment for amputees, monitoring of rehabilitation progress, gait analysis in neurological diseases, and fall risk estimation in elderly.

A new method of physical activity monitoring is presented, which is able to detect body postures (sifting, standing, and lying) and periods of walking in elderly persons using only one kinematic sensor attached to the chest. The wavelet transform, in conjunction with a simple kinematics model, was used to detect different postural transitions (PTs) and walking periods during daily physical activity. To evaluate the system, three studies were performed. The method was first tested on 11 community-dwelling elderly subjects in a gait laboratory where an optical motion system (Vicon) was used as a reference system. In the second study, the system was tested for classifying PTs (i.e., lying-to-sitting, sitting-to-lying, and turning the body in bed) in 24 hospitalized elderly persons. Finally, in a third study monitoring was performed on nine elderly persons for 45-60 min during their daily physical activity. Moreover, the possibility-to-perform long-term monitoring over 12 h has been shown. The first study revealed a close concordance between the ambulatory and reference systems. Overall, subjects performed 349 PTs during this study. Compared with the reference system, the ambulatory system had an overall sensitivity of 99% for detection of the different PTs. Sensitivities and specificities were 93% and 82% in sit-to-stand, and 82% and 94% in stand-to-sit, respectively. In both first and second studies, the ambulatory system also showed a very high accuracy (> 99%) in identifying the 62 transfers or rolling out of bed, as well as 144 different posture changes to the back, ventral, right and left sides. Relatively high sensitivity (> 90%) was obtained for the classification of usual physical activities in the third study in comparison with visual observation. Sensitivities and specificities were, respectively, 90.2% and 93.4% in sitting, 92.2% and 92.1% in "standing + walking," and, finally, 98.4% and 99.7% in lying. Overall detection errors (as percent of range) were 3.9% for "standing + walking," 4.1% for sitting, and 0.3% for lying. Finally, overall symmetric mean average errors were 12% for "standing + walking." 8.2% for sifting, and 1.3% for lying.

The report contains a set of easy-to-program expressions for the calculation of the thermodynamic and transport properties of the five noble gases (He, Ne, Ar, Kr, Xe) and of the 26 binary and multicomponent mixtures that can be formed with them. The properties in question are second virial coefficient B, viscosity η, thermal conductivity λ, self-diffusion and binary diffusion coefficient D, and thermal diffusion factor αT. The calculation of properties is restricted to low densities ( ρ≪B/C) but covers the full range of compositions and a temperature interval extending from absolute zero to the onset of ionization. Owing to the careful theoretical basis on which the algorithm has been erected, all properties are thermodynamically consistent with each other. Reference to a selected set of critically evaluated measurements provides a basis for the estimation of uncertainties. The report contains 54 abbreviated tables of numerical data and 86 deviation plots. It is asserted that the results are comparable to the best measurements that could be performed at present.

A new method of evaluating the characteristics of postural transition (PT) and their correlation with falling risk in elderly people is described. The time of sit-to-stand and stand-to-sit transitions and their duration were measured using a miniature gyroscope attached to the chest and a portable recorder placed on the waist. Based on a simple model and the discrete wavelet transform, three parameters related to the PT were measured, namely, the average and standard deviation of transition duration and the occurrence of abnormal successive transitions (number of attempts to have a successful transition). The comparison between two groups of elderly subjects (with high and low fall-risk) showed that the computed parameters were significantly correlated with the falling risk as determined by the record of falls during the previous year, balance and gait disorders (Tinetti score), visual disorders, and cognitive and depressive disorders (p < 0.01). In this study, the wavelet transform has provided a powerful technique for enhancing the pattern of PT, which was mainly concentrated into the frequency range of 0.04-0.68 Hz. The system is especially adapted for long-term ambulatory monitoring of elderly people.

Artificial intelligence (AI) is increasingly being used to diagnose complications of diabetes. Artificial intelligence is technology that enables computers and machines to simulate human intelligence and solve complicated problems. In this article, we address current and likely future applications for AI to be applied to diabetes and its complications, including pharmacoadherence to therapy, diagnosis of hypoglycemia, diabetic eye disease, diabetic kidney diseases, diabetic neuropathy, diabetic foot ulcers, and heart failure in diabetes. Artificial intelligence is advantageous because it can handle large and complex datasets from a variety of sources. With each additional type of data incorporated into a clinical picture of a patient, the calculation becomes increasingly complex and specific. Artificial intelligence is the foundation of emerging medical technologies; it will power the future of diagnosing diabetes complications.

Abstract Post-Acute sequelae of SARS-CoV-2 (PASC) is a multisystem disorder causing persistent musculoskeletal deconditioning and reduced lower extremity strength. Electrical stimulation (E-Stim) to the gastrocnemius muscle can enhance strength outcomes by increasing the frequency of muscle fiber activation. We investigated its effect on individuals with PASC. Participants were randomized into intervention (IG) or control (CG) groups. The IG self-administered daily one-hour E-Stim to both their gastrocnemius muscles using a functional device over 4-week, while the CG used a sham device. Primary outcomes were ankle dorsiflexion strength assessed via dynamometry during maximum voluntary contractions, and gastrocnemius voluntary activation (GVA) via surface electromyography. The secondary outcome assessed activities of daily living (ADL), instrumental ADL, and mobility queries. Percentage improvement was calculated. Eighteen patients were analyzed (IG = 10; CG = 8). After 4 week, the IG showed a significantly higher improvement in ankle dorsiflexion strength (222.64%) compared to the CG (51.27%, p = 0.002). Additionally, the IG’s ankle dorsiflexion strength improvement significantly correlated with GVA improvement (rho = 0.782) at 4 week. The secondary outcomes did not reveal significant changes in neither group. Self-administered gastrocnemius E-Stim improves ankle dorsiflexion strength in individuals with PASC. However, larger sample sizes and longer interventions are needed to validate these findings.

Background: Cognitive impairment is prevalent but still poorly diagnosed in hemodialysis adults, mainly because of the impracticality of current tools. This study examined whether remotely monitoring mobility performance can help identifying digital measures of cognitive impairment in hemodialysis patients. Methods: Sixty-nine hemodialysis patients (age=64.1±8.1years, body mass index=31.7±7.6kg/m2) were recruited. According to the Mini-Mental State Exam, 44 (64%) were determined as cognitive-intact, and 25 (36%) as cognitive-impaired. Mobility performance, including cumulated posture duration (sitting, lying, standing, and walking), daily walking performance (step and unbroken walking bout), as well as postural-transition (daily number and average duration), were measured using a validated pendant-sensor for a continuous period of 24-hour during a non-dialysis day. Motor capacity was quantified by assessing standing balance and gait performance under single-task and dual-task conditions. Results: No between-group difference was observed for the motor capacity. However, the mobility performance was different between groups. The cognitive-impaired group spent significantly higher percentage of time in sitting and lying (Cohens effect size d=0.78, p=0.005) but took significantly less daily steps (d=0.69, p=0.015) than the cognitive-intact group. The largest effect of reduction in number of postural-transition was observed in walk-to-sit transition (d=0.65, p=0.020). Regression models based on demographics, addition of daily walking performance, and addition of other mobility performance metrics, led to area-under-curves of 0.76, 0.78, and 0.93, respectively, for discriminating cognitive-impaired cases. Conclusions: This study suggests that mobility performance metrics could be served as potential digital biomarkers of cognitive impairment among HD patients. It also highlights the additional value of measuring cumulated posture duration and postural-transition to improve the detection of cognitive impairment. Future studies need to examine potential benefits of mobility performance metrics for early diagnosis of cognitive impairment/dementia and timely intervention.