¿Estamos pasando por alto los factores ambientales en los modelos de riesgo de caídas basados en IA?: Una revisión...

Área de la Ciencia:

• Gerontología
• Ciencias de la computación
• Salud pública

Sus antecedentes:

• Las caídas son un riesgo importante para los adultos mayores, a menudo relacionadas con peligros ambientales en el hogar.
• Los factores ambientales son modificables y cruciales para las estrategias de prevención de caídas.
• Los modelos actuales de predicción de caídas de IA se centran principalmente en factores individuales, descuidando las influencias ambientales.

Objetivo del estudio:

• Revisar sistemáticamente la integración de factores ambientales en modelos de predicción de riesgo de caídas basados en IA.
• Resumir los enfoques de IA y el rendimiento en la predicción de caídas en adultos mayores que viven en la comunidad.
• Evaluar el papel de los datos ambientales en la mejora de los modelos de predicción de caídas de IA.

Principales métodos:

• Revisión sistemática que se adhiere a las pautas PRISMA.
• Se buscaron seis bases de datos electrónicas importantes desde su inicio hasta diciembre de 2025.
• Se incluyeron estudios que utilizan modelos de IA para predecir caídas en adultos mayores, incorporando factores ambientales.

Principales resultados:

• Nueve estudios cumplieron los criterios de inclusión, utilizando aprendizaje automático supervisado, visión por computadora o robótica.
• Los factores ambientales fueron diversos, desde listas de verificación hasta datos de sensores/visión.
• La inclusión de características ambientales mejoró la discriminación del modelo (AUC-ROC 0.67-0.76) e identificó peligros.

Conclusiones:

• Los factores ambientales están subrepresentados en los modelos actuales de predicción de caídas de IA.
• La integración estandarizada y consciente del contexto de los datos ambientales puede mejorar la relevancia y la utilidad preventiva de los modelos de IA.
• La investigación futura debe centrarse en la incorporación de datos ambientales integrales para una prevención de caídas más eficaz.