开发一种模型,预测老年急诊室患者使用智能手机的移动性措施的跌倒情况

科学领域:

• 老年学是指老年学的学科.
• 生物医学工程 生物医学工程
• 数字健康数字健康

背景情况:

• 紧急服务部门 (ED) 对于识别有跌倒风险的老年人至关重要.
• 目前在ED中使用的跌倒风险查措施往往缺乏准确性.
• 需要更精确的方法来预测退院后老年人群的下降.

研究的目的:

• 为了评估iPhone基于传感器的移动性措施,收集后ED放电,可以提高下降预测.
• 为了比较智能手机移动数据的预测准确度与传统的基于ED的查工具.
• 确定特定的移动性指标,这些指标是老年人跌倒的重要预测指标.

主要方法:

• 一项观察性队列研究,涉及60岁以上的患者,他们从急诊室出院,拥有iPhone.
• 参与者使用一个定制的应用程序收集移动性数据 (例如,步态不对称,步数) 释放后90天.
• 使用后勤回归和LASSO技术来识别预测因素,通过C统计评估模型歧视.

主要成果:

• 招募了149名参与者,76.5%提供了足够的退院后流动数据.
• 跌倒的个体随着时间的推移,每日步数显著增加 (p=0.002).
• 结合步态不对称和步数变化的增强模型显示,虽然在统计学上不显著,但降落预测得到了改善 (C-统计=0.84对比0.79).

结论:

• 在ED排放后采集的基于iPhone的移动性措施可以改善与传统方法相比,老年人的跌倒预测.
• 步态不对称和步数的变化成为最强大的移动性预测因素.
• 释放后的移动性监测显示出增强跌倒预防策略的前景,需要在不同人群中进一步验证.