Daily-life gait quality as predictor of falls in older people: A 1-year prospect cohort study
Notice bibliographique
Résumé
Falls can have devastating consequences for older people. We determined the relationship between the likelihood of fall incidents and daily-life behavior. We used wearable sensors to assess habitual physical activity and daily-life gait quality (in terms of e.g. stability, variability, smoothness and symmetry), and determined their predictive ability for time-to-first-andsecond falls. 319 older people wore a trunk accelerometer (Dynaport MoveMonitor, McRoberts) during one week. Participants further completed questionnaires and performed grip strength and trail making tests to identify risk factors for falls. Their prospective fall incidence was followed up for six to twelve months. We determined interrelations between commonly used gait characteristics to gain insight in their interpretation and determined their associationwith time-to-falls. For all data -including questionnaires and tests- we determined the corresponding principal components and studied their predictive ability for falls. We showed that gait characteristics of walking speed, stride length, stride frequency, intensity, variability, smoothness, symmetry and complexity were often moderately to highly correlated (r > 0.4). We further showed that these characteristics were predictive of falls. Principal components dominated by history of falls, alcohol consumption, gait quality and muscle strength proved predictive for time-to-fall. The cross-validated prediction models had adequate to high accuracy (time dependent AUC of 0.66–0.72 for time-to-first-fall and 0.69–0.76 for-second-fall). Daily-life gait quality obtained from a single accelerometer on the trunk is predictive for falls. These findings confirm that ambulant measurements of daily behavior contribute substantially to the identification of elderly at (high) risk of falling.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».