Udvikling af et værktøj til forudsigelse af fald ved hjælp af både accelerometer- og videoganganalysedata hos ældre voksne (APDM system)

Nylige fremskridt inden for maskinlæring har forstyrret standardtilgangen til vurdering af medicinsk prognose. Vores gruppe, bestående af akademiske klinikere og forskningsingeniører, søger at skabe en database med stabilitetsmål (accelerometre, gyroskoper og højdesensordata) hos ældre voksne monitorer i længderetningen. Denne Stability Measures (SM)-database vil give os mulighed for at bruge nye maskinlæringsmetoder til at udvikle og validere algoritmer, der forudsiger fremtidige fald, hvilket giver mulighed for bedre målretning af sårbare individer.

Selvom der har været adskillige forsøg på at kvantificere faldrisiko hos ældre voksne ved brug af sengeskalaer 7-12, har ingen tidligere gruppe forsøgt at bruge en kombination af både accelerometer og videomålinger til at vurdere gangstabilitet. Da disse mål vil blive fanget i både hyppigt faldende og sjældent faldende patienter, vil vi have SM-data for forskellige tidsvinduer (1, 2, 3 og 4 uger) forud for mindst 100 faldhændelser, et datasæt, der aldrig har været fanget før.

HYPOTESER:

1. En kombination af accelerometer, gyroskop og videodata kan bruges til at forudsige fald i længderetningen, først ved brug af et træningsdatasæt efterfulgt af verifikation på et valideringsdatasæt.
2. Alle ovennævnte sensorbaserede input kan kombineres som et simpelt, automatiseret forudsigelsesværktøj til at forudsige faldrisiko hos ældre voksne. Nuværende metoder til faldrisikovurdering: Nuværende metoder til at forudsige fald i lægekontorer er stærkt afhængige af simple sengetests12-14. Selvom det er nyttigt, har alle disse mål ret lav sensitivitet og specificitet med et areal under kurven (AUC) på ca. 0,707-12.

Faktisk kunne en nylig meta-analyse "ikke identificere noget værktøj, som havde en optimal balance mellem sensitivitet og specificitet, eller som klart var bedre end en simpel klinisk vurdering af risikoen for at falde"

METODER:

a) Emner: i) Emner med høj risiko (n=50): Alle forsøgspersoner vil blive rekrutteret fra fald- og geriatriklinikker på Vancouver General Hospital. Disse klinikker ser omkring 2500 patienter om året og bruges i øjeblikket til forskningsrekruttering. Hver klinikpatient får målt ganghastighed, hvilket gør det muligt at rekruttere både høj- og lavrisikofaldere. Denne test vil give os mulighed for at rekruttere 50 forsøgspersoner med markant risiko for fald, hvilket giver os et prospektivt indsamlet datasæt med mere end 100 hændelser, fem gange højere end nogen anden sensorundersøgelse.

ii) Lavrisikoemner (n=50): Derudover vil vi bruge avisannoncer til at rekruttere og derefter screene lavrisikofag. Alle forsøgspersoner vil have en ganghastighed > 0,8 m/s og har ikke haft fald i det sidste år.

Alle undersøgelsespatienter med kommer til laboratoriet (Gerontology and Diabetes Research Laboratory, VGH Research Pavillion) for en times session. Hvert forsøgsperson vil udføre en 6-minutters gangtest, hvor gangbedømmelse vil blive indhentet fra APDM-systemet (Portland, OR). Derudover vil der være fire videokameraer (på forsiden, bagsiden og siderne), som vil måle rå videodata til vores ganganalyse. Kameraet optager ingen ansigtsdata (faktisk sletter 'deepfake'-software i systemet alle ansigtsdetaljer), og patientens bevægelser konverteres til en 'pindfigur', inden de gemmes i systemet. Derudover vil et Xethru X4M03-kit blive brugt til at indsamle ultrasidebåndsradardata (UWB). UWB-radaren fungerer i 5.9-10.3 GHz, hvilket giver høj rumlig opløsning. Radaren er placeret 1,5 m over gulvniveau. For at indsamle hæl-tå-angreb timing data, vil forsøgspersonen ambulere på GAITRite systemet (CIR Systems Inc, Franklin, NJ), med en 90 × 700 cm × 3,2 mm gangbro.