Elderly fall risk prediction using static posturography
Notice bibliographique
Résumé
Maintaining and controlling postural balance is important for activities of daily living, with poor postural balance being predictive of future falls. This study investigated eyes open and eyes closed standing posturography with elderly adults to identify differences and determine appropriate outcome measure cut-off scores for prospective faller, single-faller, multi-faller, and non-faller classifications. 100 older adults (75.5 ± 6.7 years) stood quietly with eyes open and then eyes closed while Wii Balance Board data were collected. Range in anterior-posterior (AP) and medial-lateral (ML) center of pressure (CoP) motion; AP and ML CoP root mean square distance from mean (RMS); and AP, ML, and vector sum magnitude (VSM) CoP velocity were calculated. Romberg Quotients (RQ) were calculated for all parameters. Participants reported six-month fall history and six-month post-assessment fall occurrence. Groups were retrospective fallers (24), prospective all fallers (42), prospective fallers (22 single, 6 multiple), and prospective non-fallers (47). Non-faller RQ AP range and RQ AP RMS differed from prospective all fallers, fallers, and single fallers. Non-faller eyes closed AP velocity, eyes closed VSM velocity, RQ AP velocity, and RQ VSM velocity differed from multi-fallers. RQ calculations were particularly relevant for elderly fall risk assessments. Cut-off scores from Clinical Cut-off Score, ROC curves, and discriminant functions were clinically viable for multi-faller classification and provided better accuracy than single-faller classification. RQ AP range with cut-off score 1.64 could be used to screen for older people who may fall once. Prospective multi-faller classification with a discriminant function (-1.481 + 0.146 x Eyes Closed AP Velocity-0.114 x Eyes Closed Vector Sum Magnitude Velocity-2.027 x RQ AP Velocity + 2.877 x RQ Vector Sum Magnitude Velocity) and cut-off score 0.541 achieved an accuracy of 84.9% and is viable as a screening tool for older people at risk of multiple falls.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».