Predictive Accuracy of the 3-m Backward Walk Test for Fall Risk in Older Adults
Notice bibliographique
Résumé
OBJECTIVES: Falls are a leading cause of injury in older adults, and accurate tools to predict fall risk are essential. This study evaluates the predictive accuracy of the 3-m Backward Walk Test (3 MBWT) for fall risk, comparing it with the Short Physical Performance Battery (SPPB), 10-m walk test (10 MWT), and fall-related questionnaires. DESIGN: Cross-sectional study. SETTING AND PARTICIPANTS: The study was conducted in 2 nursing homes in Vienna, Austria. A total of 217 participants (65.9% female, median age, 80 years) were included. METHODS: Fall history was recorded retrospectively over 12 months and prospectively over 4 months using interviews and a Cogvis 3D sensor system. Predictive accuracy was assessed with receiver operating characteristic curves and area under the curve (AUC) analyses, whereas Poisson regression was used to analyze fall incidence. RESULTS: Among participants, 86 (39.6%) reported a fall within the previous 12 months. For retrospective falls, the SPPB (AUC, 0.76), 3 MBWT (AUC, 0.75), and 10 MWT (AUC, 0.73) showed similar predictive accuracy. For prospective falls, the SPPB (AUC, 0.75) and 3 MBWT (AUC, 0.74) remained similarly accurate, whereas the 10 MWT had lower predictive power (AUC, 0.67). For the 3 MBWT, cutoff points were ≥9.31 seconds for retrospective falls (32% higher incidence; 95% CI, 1.05-1.95) and ≥8.15 seconds for prospective falls (27% higher incidence; 95% CI, 1.02-1.66). Each additional second in 3 MBWT performance increased fall incidence (retrospective, 7%; prospective, 5%). SPPB cutoffs of <7.02 and <8.00 were associated with 49% (95% CI, 1.06-2.21) and 30% (95% CI, 1.02-1.74) higher fall incidence, respectively. CONCLUSIONS AND IMPLICATIONS: The 3 MBWT shows comparable accuracy with the SPPB and moderately better performance than the 10 MWT for prospective falls. Its efficiency, predictive value, and time savings make it a practical and viable tool for clinical fall risk assessment in older adults.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».