Use of Wearable Sensors to Assess Fall Risk in Neurological Disorders: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Assessing fall risk, especially in individuals with neurological disorders, is essential to prevent hospitalization, hypomobility, and reduced functional independence. Wearable sensors are increasingly used in neurorehabilitation, as they enable unsupervised fall risk assessment by providing continuous monitoring during daily functional tasks, thereby offering a reflection of the individual's real-world fall risk. OBJECTIVE: We systematically reviewed the literature on reliable biomechanical gait parameters detected with wearable sensors to assess fall risk in neurological disorders, focusing on patients with Parkinson disease, multiple sclerosis, stroke, or Alzheimer disease. In addition, we examined the latest advancements in wearable sensor technology, including best practices for device placement as well as data processing and analysis. METHODS: We conducted a comprehensive systematic search for relevant peer-reviewed articles published up to April 18, 2025, using PubMed, Web of Science, Embase, and IEEE Xplore, which are the most used databases in the fields of health and bioengineering. RESULTS: The 19 included studies involved 2630 patients with neurological disorders, including 226 (8.59%) with multiple sclerosis (n=7, 37% studies), 2305 (87.64%) with Parkinson disease (n=8, 53% studies), 51 (1.94%) with stroke (n=3, 16% studies), and 48 (1.83%) with Alzheimer disease or cognitive impairment (n=1, 5% study). CONCLUSIONS: This review highlights the role of wearable technologies in assessing fall risk in patients with neurological disorders. Although the included studies showed variation in methods and a focus on technology over clinical context, the lack of standardization reflects ongoing advancements, which may be seen as a strength. TRIAL REGISTRATION: PROSPERO CRD42023463944; https://www.crd.york.ac.uk/PROSPERO/view/CRD42023463944.
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 | 0,006 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,011 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».