Association of Prospective Falls in Older People With Ubiquitous Step-Based Fall Risk Parameters Calculated From Ambulatory Inertial Signals: Secondary Data Analysis
Notice bibliographique
Résumé
Background: In recent years, researchers have been advocating for the integration of ambulatory gait monitoring as a complementary approach to traditional fall risk assessments. However, current research relies on dedicated inertial sensors that are fixed on a specific body part. This limitation impacts the acceptance and adoption of such devices. Objective: Our study objective is twofold: (1) to propose a set of step-based fall risk parameters that can be obtained independently of the sensor placement by using a ubiquitous step detection method and (2) to evaluate their association with prospective falls. Methods: A reanalysis was conducted on the 1-week ambulatory inertial data from the StandingTall study, which was originally described by Delbaere et al. The data were from 301 community-dwelling older people and contained fall occurrences over a 12-month follow-up period. Using the ubiquitous and robust step detection method Smartstep, which is agnostic to sensor placement, a range of step-based fall risk parameters can be calculated based on walking bouts of 200 steps. These parameters are known to describe different dimensions of gait (ie, variability, complexity, intensity, and quantity). First, the correlation between parameters was studied. Then, the number of parameters was reduced through stepwise backward elimination. Finally, the association of parameters with prospective falls was assessed through a negative binomial regression model using the area under the curve metric. Results: The built model had an area under the curve of 0.69, which is comparable to models exclusively built on fixed sensor placement. A higher fall risk was noted with higher gait variability (coefficient of variance of stride time), intensity (cadence), and quantity (number of steps) and lower gait complexity (sample entropy and fractal exponent). Conclusions: These findings highlight the potential of our method for comprehensive and accurate fall risk assessments, independent of sensor placement. This approach has promising implications for ambulatory gait monitoring and fall risk monitoring using consumer-grade devices.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».