<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>طول عمر</JournalTitle>
      <Issn></Issn>
      <Volume>3</Volume>
      <Issue>پیاپی 7</Issue>
      <PubDate PubStatus="epublish">
        <Year>1404</Year>
        <Month>03</Month>
        <Day>30</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>A Review of Balance Compensation Strategies Using Wearable Sensors in the Elderly</ArticleTitle>
    <VernacularTitle>بررسی استراتژی‌های جبران تعادل با استفاده از حسگرهای پوشیدنی در سالمندان</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>21</LastPage>
    <ELocationID EIdType="doi">10.61838/kman.longevity.56</ELocationID>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>رویا</FirstName>
        <LastName>خسروپور</LastName>
        <Affiliation>گروه تربیت بدنی و علوم ورزشی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>ساسان</FirstName>
        <LastName>بهره مند</LastName>
        <Affiliation>گروه تربیت بدنی و علوم ورزشی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1404/01/21</Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aims to examine balance compensation strategies in the elderly using wearable sensors and explore their application in motion monitoring, fall prediction, and intelligent interventions. This research is a narrative review using a descriptive analysis method. Articles published between 2020 and 2025 were retrieved from PubMed, Scopus, Google Scholar, and IEEE Xplore. Eligible studies were selected based on relevance to elderly populations, wearable sensor technologies, and their practical applications in balance-related interventions. The results indicate that wearable sensors are effective tools for biomechanical assessment, precise measurement of gait parameters, and detection of abnormal movement patterns. These devices have the potential to predict fall risks through machine learning algorithms and are applied in real-time feedback systems for posture correction. Augmented and virtual reality were also identified as innovative training platforms that can be integrated with sensor data for balance rehabilitation. The application of wearable sensors in elderly balance rehabilitation represents a novel and multidimensional approach that enables personalized interventions, accurate data collection, and real-life monitoring. This technology holds significant promise in fall prevention and enhancing the quality of life for older adults.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف این پژوهش بررسی استراتژی‌های جبران تعادل در سالمندان با استفاده از حسگرهای پوشیدنی و تحلیل کاربردهای آن‌ها در پایش حرکتی، پیش‌بینی سقوط و ارائه مداخلات هوشمند است. این مطالعه از نوع مرور روایی با روش تحلیل توصیفی بوده و با استفاده از منابع علمی منتشرشده در بازه زمانی ۲۰۲۰ تا ۲۰۲۵ انجام شده است. جستجوی مقالات در پایگاه‌های PubMed، Scopus، Google Scholar و IEEE Xplore صورت گرفت. مقالات منتخب بر اساس ارتباط با موضوع، جمعیت هدف (سالمندان)، نوع فناوری پوشیدنی و اهداف کاربردی آن‌ها انتخاب و تحلیل شدند. یافته‌ها نشان داد که حسگرهای پوشیدنی ابزارهایی مؤثر در ارزیابی بیومکانیکی حرکات بدن، اندازه‌گیری دقیق پارامترهای گام‌برداری و شناسایی ناهنجاری‌های حرکتی هستند. این حسگرها توانایی پیش‌بینی خطر سقوط را از طریق الگوریتم‌های یادگیری ماشین دارند و می‌توانند در مداخلات بازخوردی برای اصلاح سریع وضعیت بدن مورد استفاده قرار گیرند. واقعیت افزوده و مجازی نیز به‌عنوان بسترهای آموزشی نوین برای تمرین تعادل در ترکیب با داده‌های حسگر معرفی شدند. استفاده از حسگرهای پوشیدنی در حوزه توانبخشی تعادل سالمندان، رویکردی نوین و چندوجهی است که با ارائه داده‌های دقیق، مداخلات شخصی‌سازی‌شده و امکان پایش در محیط طبیعی زندگی، می‌تواند نقش مؤثری در پیشگیری از سقوط و ارتقای کیفیت زندگی سالمندان ایفا کند.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Elderly</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">wearable sensors</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">balance</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">fall</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">machine learning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">sensory feedback</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">augmented reality</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">سالمندان</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">حسگرهای پوشیدنی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تعادل</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">سقوط</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">یادگیری ماشین</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">بازخورد حسی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">واقعیت افزوده</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://www.quarterlylongevity.com/index.php/longevity/article/download/56/45</ArchiveCopySource>
  </Article>
</ArticleSet>
