Use of the Brief-BESTest partially instrumented with accelerometry to detect balance deterioration in middle-age
Notice bibliographique
Résumé
BACKGROUND: Most standardized balance tests cannot detect subtle balance deterioration in middle age, or identify those at higher risk for accelerated balance decline due to a ceiling effect. AIMS: To determine whether the Brief Balance Evaluation Systems Test (Brief-BESTest), partially instrumented with accelerometry, can detect balance deterioration in middle age and identify individuals with poor balance. METHODS: We studied young (25.3 ± 2.3 years), early middle-aged (47.7 ± 2.6 years), and late middle-aged adults (60.6 ± 3.6 years), with 25 participants in each age group. Subjects wore an accelerometer on their lower back while performing the Brief-BESTest. Balance measurements included the Brief-BESTest total and sub-measures scores, and postural sway during the Brief-BESTest standing tasks, calculated by the 95% confidence ellipse trajectory of the center of mass (COM-95% ellipse). RESULTS: Compared to the two middle-aged groups, young adults had better total Brief-BESTest and sub-measures scores, apart from the Stability-in-Gait sub-measure, and less postural sway during the Sensory-Orientation sub-measure. The total Brief-BESTest scores as well as the Biomechanical-Constraints and Sensory-Orientation sub-measures differed also between early and late middle-aged adults. Both the Brief-BESTest total scores and the Sensory-Orientation postural sway values demonstrated increased variation with age, allowing to identify subjects with poor balance. A moderate negative correlation (r = -0.43) was found between the Brief-BESTest total score and the COM-95% ellipse size, and a moderate agreement (k = 0.56) in identifying subjects with poor performance in the early but not the late middle age group. CONCLUSIONS: The Brief-BESTest test combined with accelerometry could be a suitable screening tool to identify middle-aged people with early balance deterioration and potentially identify those with poor balance and a possible higher risk for falls. Clinicians and policymakers can use our findings to implement balance assessment programs in patients < 65 years, leading to preventive strategies before the risk increases.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 | 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 ».