Improved Prediction of Falls in Community-Dwelling Older Adults Through Phase-Dependent Entropy of Daily-Life Walking
Notice bibliographique
Résumé
Age and age-related diseases have been suggested to decrease entropy of human gait kinematics, which is thought to make older adults more susceptible to falls. In this study we introduce a new entropy measure, called phase-dependent generalized multiscale entropy (PGME), and test whether this measure improves fall-risk prediction in community-dwelling older adults. PGME can assess phase-dependent changes in the stability of gait dynamics that result from kinematic changes in events such as heel strike and toe-off. PGME was assessed for trunk acceleration of 30 seconds walking epochs in a re-analysis of one week of daily-life activity data from the FARAO study, originally described by Van Schooten et al. (2016). The re-analysed data set contained inertial sensor data from 52 single- and 46 multiple-time prospective fallers in a six months follow-up period, and an equal number of non-falling controls matched by age, weight, height, gender, and the use of walking aids. The predictive ability of PGME for falls was assessed using a partial least squares regression. PGME had a superior predictive ability of falls among single-time prospective fallers when compared to the other gait features. The single-time fallers had a higher PGME (p < 0.0001) of their trunk acceleration at 60% of their step cycle when compared with non-fallers. No significant differences were found between PGME of multiple-time fallers and non-fallers, but PGME was found to improve the prediction model of multiple-time fallers when combined with other gait features. These findings suggest that taking into account phase-dependent changes in the stability of the gait dynamics has additional value for predicting falls in older people, especially for single-time prospective fallers.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».