Efficacy of a Waist-Mounted Sensor in Predicting Prospective Falls Among Older People Residing in Community Dwellings: A Prospective Cohort Study
Notice bibliographique
Résumé
Falls pose a significant health risk for older people, necessitating accurate predictive tools for fall prevention. This study evaluated the sensitivity of a wearable waist-belt sensor, the Booguu Aspire system, in predicting prospective fall incidents among 37 community-dwelling older people in Hong Kong. A prospective cohort design was employed, involving two analytical groups: the overall cohort and a subset with cognitive performance data available, measured using the Montreal Cognitive Assessment (MoCA). Participants were categorized into moderate- or high-risk groups for falls using the sensor and further assessed with physical function tests, including the Single Leg Stand Test (SLST), 6 Meter Walk Test (6MWT), and Five Times Sit to Stand Test (5STS). Fall incidents were monitored for 12 months through quarterly follow-up phone calls. Statistical analyses showed no significant differences in physical performance between high- and moderate-risk groups and no significant correlations between sensor-based fall risk ratings and physical function test outcomes. The SLST, 6MWT, 5STS, and MoCA tests classified sensor-determined fall risk ratings with accuracies of 51.4%, 64.9%, 59.5%, and 50%. The sensor showed low sensitivity, with 13.51% true positives for fallers and a 20% sensitivity for high-risk individuals. ROC analysis yielded an Area Under the Curve of 0.688. Our findings indicate that the wearable waist-belt Sensor System may not be a sensitive tool in predicting prospective fall incidents. The algorithm for fall risk classification in the wearable sensor merits further exploration.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 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 ».