Predictors of fall risk in older adults using the G-STRIDE inertial sensor: an observational multicenter case-control study. Álvarez MN, et al, BMC Geriatr 2023.

  • Proposé le : 01/04/2024 04:07:13
  • Par : Bot
  • Avec la version du site : v2021_01_12
  • Revu par :
    • Mettre votre nom d'utilisateur
    • Mettre votre nom d'utilisateur
Notes sur les tags :
  • Adopter cette revue :
    Si vous souhaitez prendre en charge cette revue d'article, merci de remplacer le tag Non_attribué par Attribué et ajoutez aussi votre nom d'utilisateur à l'emplacement prévu.
  • Réaliser des modifications :
    Pour modifier ce document, il est nécessaire d'être connecté au site. Pour cela, assurez-vous d'avoir des identifiants valides. Si vous n'en avez pas, contactez-nous. Pour vous connecter, cliquez sur l'icône dans la barre de navigation.
  • Demander la finalisation de la revue de l'article :
    Une fois revue et complétée, merci de remplacer l'étiquette Non_finalisé par A_finaliser. Un administrateur se chargera de valider la revue et de la publier avec le tag Finalisé.

Résumé et points clés

Background: There are a lot of tools to use for fall assessment, but there is not yet one that predicts the risk of falls in the elderly. This study aims to evaluate the use of the G-STRIDE prototype in the analysis of fall risk, defining the cut-off points to predict the risk of falling and developing a predictive model that allows discriminating between subjects with and without fall risks and those at risk of future falls.

Methods: An observational, multicenter case-control study was conducted with older people coming from two different public hospitals and three different nursing homes. We gathered clinical variables ( Short Physical Performance Battery (SPPB), Standardized Frailty Criteria, Speed 4 m walk, Falls Efficacy Scale-International (FES-I), Time-Up Go Test, and Global Deterioration Scale (GDS)) and measured gait kinematics using an inertial measure unit (IMU). We performed a logistic regression model using a training set of observations (70% of the participants) to predict the probability of falls.

Results: A total of 163 participants were included, 86 people with gait and balance disorders or falls and 77 without falls; 67,8% were females, with a mean age of 82,63 ± 6,01 years. G-STRIDE made it possible to measure gait parameters under normal living conditions. There are 46 cut-off values of conventional clinical parameters and those estimated with the G-STRIDE solution. A logistic regression mixed model, with four conventional and 2 kinematic variables allows us to identify people at risk of falls showing good predictive value with AUC of 77,6% (sensitivity 0,773 y specificity 0,780). In addition, we could predict the fallers in the test group (30% observations not in the model) with similar performance to conventional methods.

Conclusions: The G-STRIDE IMU device allows to predict the risk of falls using a mixed model with an accuracy of 0,776 with similar performance to conventional model. This approach allows better precision, low cost and less infrastructures for an early intervention and prevention of future falls.

Références de l'article


Discussion

  • Cette section peut être éditée par les relecteurs, les rédacteurs, les modérateurs et les administrateurs. Elle regroupe l'ensemble des échanges autours de la référence ci-dessus présentée.
  • Référez-vous à cette page pour connaître le rôle des utilisateurs et pour participer à la discussion.
  • Il n'y a, pour l'instant, aucune discussion en cours.

Éditer la discussion


Références


Gardez le contact

Suivez notre utilisateur Twitter : @AgingPapers
Nos rencontres visio