誰が、何で測っているか。
歩行・身体活動をセンサで測る研究で、実際に何が使われているかの一覧。記載はすべて一次文献または製造元の公式ページで確認したものに限る。数字はそのときの設定（サンプリング周波数、レンジ、装着部位)まで書く — 同じ機種でも設定が違えば別物になる。対象は歩容解析に限り、心拍・血圧などの循環器計測は範囲外とする。確認できていないものは載せない。
タスク別の到達水準
これはリーダーボードではない。同じ課題に見えても、参照系・コホート・測定条件が違えば別の問題を解いている。数値だけを縦に並べると必ず誤読するため、条件を数値と同じ重さで併記する。比較を壊す要因は3つ — 参照系（INDIP の1歩ごと正解／検者のストップウォッチ／歩数計の1日合計）、コホート（フレイル判別では有病率が変われば AUC も動く）、測定条件（監督下と自由行動、単発クリップと集約後）。
同一データで横並びにした例外が2件ある
この分野でリーダーボードに最も近いのはこの2つで、条件を揃えて手法間の差だけを測っている。
| 比較研究 | 揃えたもの | 分かったこと |
|---|---|---|
| Kluge 2024（JMIR Form Res 8:e50035） | 同一83名・6疾患、INDIP参照で歩行検知10手法 | 手首と腰の差が定量化された |
| Gao 2025（J Gerontol A 80:glaf034） | 同一1,282名で歩数5手法 | 1日歩数が 988〜23,607歩、24倍ばらつく |
1.1歩行検知
| 報告 | 装着 | コホート | 参照 | 到達値 |
|---|---|---|---|---|
| Kluge 2024 — 手首最良（Brand 2022） | 手首 | 83名・6疾患、自由行動 | INDIP | 感度 0.55–0.81 ／ 特異度 0.95–0.98 ／ 歩行時間誤差 8.9–32.7% |
| Kluge 2024 — 腰最良（Iluz 2014） | 腰 | 同上 | INDIP | 感度 0.71–0.91 ／ 特異度 0.96–0.99 ／ 歩行時間誤差 6.3–23.5% |
| ElderNet（検知）Brand 2024 | 手首 | 有ラベル83名 | — | F1 0.829 ± 0.134 |
| 本研究 | 手首 | 225名 | 検者の歩行区間ラベル | F1 0.922 |
手首は腰に負ける。Kluge 2024 が同一データで示したのはこれで、感度で 0.16 の差がある。腕は歩行と無関係に動くため原理的に不利。本研究の 0.922 は監督下の構造化歩行での値で、自由行動を扱う上の3件とは同じ土俵にない。
1.2歩数
| 報告 | コホート | 参照 | 到達値 |
|---|---|---|---|
| Small 2024（MSSE 56:1945） | 開発39名／外部検証30名 | 注釈付き自由行動データ | 自由行動 MAPE 12.5%（既存手法は 65–231%） |
| Watch Walk 2022 | 101名・1,487歩行 | 電子ウォークウェイ | MAPE 3.0–4.4%（監督下） |
| Gao 2025（ARIC 5手法） | 同一1,282名 | 手法間比較 | 1日歩数 988 – 23,607 |
| Bai 2021 — Apple Watch 2 | 48名・24時間 | Yamax 歩数計 | MAPE 20.3% |
| Bai 2021 — Fitbit Charge 2 | 同上 | 同上 | MAPE 17.1% |
| 本研究（配備条件） | 119名・4,179クリップ | 手動1歩ラベル | 10秒あたり MAE 1.684歩 |
| 本研究（窓を与えた場合） | 111名・216試行 | 同上 | MAE 1.421歩、接地 F1 0.898 |
自由行動と監督下で一桁違う。Watch Walk の 3.0–4.4% は歩行路、Small 2024 の 12.5% は自由行動で、後者が実運用に近い。市販機の 17〜20% は1日合計の比較で、1歩ごとに検証した報告は見当たらない。
1.3歩行速度
| 報告 | 装着 | コホート | 参照 | 到達値 |
|---|---|---|---|---|
| ElderNet 2026 | 手首 | Mobilise-D TVS 18名 | INDIP | MAE 8.82 cm/s、ICC 0.87 |
| Kirk 2024（Mobilise-D） | 腰 | 97名 | INDIP | 検査室 6–12 cm/s ／ 自由行動 9–13 cm/s |
| 本研究 | 手首 | 130名 | 検者ストップウォッチ | MAE 13.7 cm/s |
参照の粗さを勘定に入れる必要がある。上2件は INDIP の1歩ごと参照、本研究は検者のストップウォッチ。置き換える対象の4m歩行試験自体の再検査幅が 10.8–14.4 cm/s なので、13.7 はその内側にある。
1.4歩幅・ストライド長
| 報告 | 装着 | 量 | コホート | 到達値 |
|---|---|---|---|---|
| Zadka 2024（npj Digit Med） | 腰 | 1歩の長さ | 472名・8万歩超 | RMSE 6.08 cm（ICC 0.89）／10歩平均 4.79 cm |
| ElderNet 2026 | 手首 | ストライド長 | 18名 | MAE 11.61 cm、ICC 0.72 |
| 本研究 | 手首 | ストライド長 | 130名 | MAE 10.7 cm、r 0.756 |
1歩とストライドは別の量である（ストライド＝2歩）。Zadka の 6.08 cm と ElderNet の 11.61 cm を直接比べることはできない。装着部位も腰と手首で違う。
1.5歩調
| 報告 | コホート | 到達値 |
|---|---|---|
| ElderNet 2026 | 手首・18名 | MAE 3.11 steps/min |
| 本研究 | 手首・33名、1名あたり100クリップ集約 | MAE 2.13 steps/min、r 0.951 |
本研究の値は集約条件である。1クリップ単位では 8.08、被験者単位では 6.29 で、ElderNet とは条件が違うため直接比較できない。
1.6ステップ時間変動性
| 報告 | 計測 | コホート | 到達値 |
|---|---|---|---|
| Hausdorff 2001 | 足底圧インソール | 52名を1年追跡 | ストライド時間のばらつき 転倒群 106 ± 30 ms 対 非転倒群 49 ± 4 ms |
| 本研究 | 手首 | 94名 | 参照との r 0.633（参照の再現性 0.975 に対し 65%） |
手首装着での報告値が見つからない。探した範囲では、この量を手首から出して参照と突き合わせた研究に当たらなかった。比較対象があるのは臨床的な意義の側である。
1.7フレイル判別
| 報告 | 装着 | コホート | 有病率 | 到達値 |
|---|---|---|---|---|
| Zheng 2025（訂正記事あり） | — | 施設入所者 | — | AUC 0.92 |
| Song 2025（学会抄録） | 大腿 | 44名 | — | AUC 0.81 |
| Park 2021 | 胸部ペンダント48h | 259名 | 72% | AUC 0.769（項目別 0.60–0.74） |
| UK Biobank 2025 | 手首 | 10,156名 | — | 死亡 C 0.73（Fried 表現型は 0.72） |
| Cobo 2023 | 手首 | NHANES 1,279名 | — | AUC 0.69 |
| 本研究 | 手首・自由行動 | 213名 | 13.6% | 2値 AUC 0.726（歩容のみ）／0.754（＋人口統計）、3段階 κw 0.309 |
有病率72%での 0.769 と 13.6% での 0.726 は比べられない。また本研究では人口統計のみで 0.758 に達しており、Cobo の 0.69 を上回る。手首加速度の報告値を読むときは、年齢・性別・体格だけのベースラインと比べているかどうかを見る必要がある。
生データを記録する研究用装置
センサ出力をそのまま保存する装置。歩数などに加工せず raw で残すため、後から別のアルゴリズムを当て直せる。大規模コホートはほぼこの系統。
| 装着 | 製品 | メーカー | 装着 | センサ | 確認できた設定 | 使われている研究 |
|---|---|---|---|---|---|---|
| AX3 | Axivity (UK) | 手首 | 3軸加速度 | 100 Hz・±8 g（UK Biobank 設定） | UK Biobank 加速度計サブ研究（10万人）、CAPTURE-24 | |
| AX6 | Axivity (UK) | 手首・腰 | 6軸（加速度＋角速度） | — | Mobilise-D の自由行動記録の選択肢 | |
| GT9X Link | ActiGraph (US) | 手首 | 3軸加速度 | 80 Hz | ARIC（1,282名、平均83.4歳） | |
| MoveMonitor+ (MM+) | McRoberts (NL) | 腰（下背部） | IMU | — | Mobilise-D 技術検証研究（TVS） | |
| Opal V2R | APDM / Clario (US) | 全身各部 | 加速度・角速度・地磁気・気圧 | 128 Hz で12時間、1ネットワークに最大24台同期 | Mobility Lab。700本超の査読論文で使用と製造元が公表 | |
| activPAL | PAL Technologies (UK) | 大腿 | 加速度 | — | Song 2025（44名・10日）。大腿装着のため座位・立位・歩行の区別に強い |
装着部位で得意な量が変わる。腰は歩行速度、大腿は姿勢、手首は装着率が強み — 本研究が手首を選んでいるのは3番目の理由による。
正解（参照）を作る側の装置
ウェアラブルの出力を採点するための基準側。ここの精度が評価の上限を決める。参照が自由行動で1歩ごとに取れるかどうかが、この分野の難易度を分ける。
| 装着 | 系 | 構成 | 何の基準になるか | 出所 |
|---|---|---|---|---|
| INDIP | 足部 MIMU ×2、下背部 MIMU ×1、足圧インソール ×2、足首の距離センサ ×2 | Mobilise-D で自由行動下の唯一の参照。1歩ごとの接地が取れる | Mobilise-D TVS | |
| マーカー式モーションキャプチャ | 光学式 | Mobilise-D の室内参照 | 同上 | |
| GAITRite | 電子ウォークウェイ（圧力センサ床） | 歩行路での時間・距離パラメータ。MDC の算出元 | 参考文献7（Youdas 2010、24名） | |
| Yamax Digi-Walker SW-200 | 機械式歩数計 | 市販ウェアラブルの歩数を比べる基準 | 参考文献20（Bai 2021、48名） |
監督下の歩行路なら簡単で、自由行動の1歩ごと参照を持つのは Mobilise-D の INDIP など限られる。市販機の検証は歩数計との1日合計の比較にとどまっている。
検証対象としての市販ウェアラブル
市販機の数字は公表スペックではなく、独立検証の値を見る必要がある。Apple Watch は31研究中2研究でしか歩数が検証されていない（参考文献21）。
| 製品 | 確認できた精度 | 条件 | 出所 |
|---|---|---|---|
| Apple Watch Series 2 | 歩数 MAPE 20.3% | 48名・24時間の自由行動、歩数計参照 | 参考文献20 |
| Fitbit Charge 2 | 歩数 MAPE 17.1% | 同上 | 参考文献20 |
| Fitbit Alta | 歩数 MAPE 20.7% | 同上 | 参考文献20 |
| Fitbit Charge / Charge HR | 20研究で MAPE <25% | 系統的レビュー | 参考文献21（Germini 2022） |
公開されている解析アルゴリズム
装置と対で見るべきもの。同じ生データに別のアルゴリズムを当てると結果が変わる — 同じ1,282名で1日歩数が988〜23,607と24倍ばらつく（参考文献19）。
| 名称 | 内容 | 出所 |
|---|---|---|
| ADEPT / Oak / SDT / Verisense / Stepcount | 手首加速度からの歩数推定、いずれもオープンソース | 参考文献19 |
| ssl-wearables (OxWearables) | UK Biobank 70万人日で事前学習した重み | 参考文献22 |
| ElderNet | 手首自由行動データの自己教師あり学習。歩行検知と歩容指標の2系統 | 参考文献15・16 |
注目すべき研究室
歩行・身体活動のウェアラブル計測で、手法か検証基盤のどちらかを持っている群。所属・役職は公式ページで確認した。
OxWearables / Wearables Group
大規模コホートの加速度解析、自己教師あり学習。UK Biobank の身体活動指標と CAPTURE-24 の作り手
Center for the Study of Movement, Cognition and Mobility
歩行変動性、すくみ足、転倒。歩行のばらつきを転倒予測に使う枠組みの出所であり、ElderNet の共著でもある
Brain and Movement Research Group (BAM)
実世界歩行の規制当局に通る検証。34機関・13か国の Mobilise-D を統括
Wearable & Implantable Technology (WIT)
加速度データの統計手法とオープンソース実装。ARIC・NHANES の歩数アルゴリズム比較はここ
Falls, Balance and Injury Research Centre / UNSW
手首から歩容バイオマーカーを出す（Watch Walk）。UK Biobank 78,822名で検証し、転倒・抑うつの予測へ展開
iCAMP
ウェアラブルによるフレイル・転倒・糖尿病足。フレイル5項目を項目別にセンサで当てた先行研究はここ
Politecnico di Torino, DET
INDIP（Mobilise-D の自由行動参照系）。足部 MIMU＋足圧インソール＋距離センサの複合
老年学・社会科学研究センター／フレイル研究部
J-CHS の改訂（本研究の教師ラベルの定義）。日常歩行モニタリングとフレイル進行の関係も企業共同で報告
手法を持つ群（Oxford、Johns Hopkins）、検証基盤を持つ群（Newcastle／Mobilise-D、Politecnico di Torino）、臨床の問いを持つ群（Tel Aviv、Baylor、NCGG）に分かれる。手首装着で歩容を出そうとしているのは Oxford・Tel Aviv・UNSW/NeuRA の3系統で、本研究が直接比較すべき相手もこの3つである。
- 7Youdas JW, et al. Responsiveness of 2 procedures for measurement of temporal and spatial gait parameters in older adults. PM&R 2010;2(6):537–543.link
- 10Park C, Mishra R, Golledge J, Najafi B. Digital biomarkers of physical frailty and frailty phenotypes using sensor-based physical activity and machine learning. Sensors 2021;21(16):5289.link
- 15Continuous assessment of daily-living gait using self-supervised learning of wrist-worn accelerometer data. npj Digital Medicine (2026).link
- 16Brand YE, et al. Self-supervised learning of wrist-worn daily living accelerometer data improves the automated detection of gait in older adults. Scientific Reports 2024;14:20854.link
- 19Gao S, et al. Comparing step-counting algorithms for high-resolution wrist accelerometry data in older adults in the ARIC study. J Gerontol A 2025;80(6):glaf034.link
- 20Bai Y, et al. Comprehensive comparison of Apple Watch and Fitbit monitors in a free-living setting. PLoS One 2021;16(5):e0251975.link
- 21Germini F, et al. Accuracy and acceptability of wrist-wearable activity-tracking devices: systematic review. J Med Internet Res 2022;24(1):e30791.link
- 22Yuan H, et al. Self-supervised learning for human activity recognition using 700,000 person-days of wearable data. npj Digital Medicine 2024;7:91.link