Fernüberwachung und Analyse von Gang und Stürzen bei einer älteren Bevölkerung (4279)

Phase 1 – Erstellung Die Erstellung einer Datenbank mit Messungen während stereotyper Handlungen des täglichen Lebens.

Rekrutierte Population (P1-Rekruten) Patienten zum Ausfüllen eines demografischen Fragebogens basierend auf historischen Sturzrisikodaten.

Rekrutierte Patienten, die basierend auf den Informationen aus dem zum Zeitpunkt der Rekrutierung ausgefüllten demografischen Fragebogen einer Mobilitäts-/Unabhängigkeits-Untergruppe zugeordnet wurden.

Patienten können in verschiedene Untergruppen umklassifiziert werden, um sie gemäß anderen Faktoren wie Gebrechlichkeit, Belastungstoleranz, Gleichgewicht usw. neu zu verteilen.

Den Patienten wird ein strukturiertes Skript mit einfachen Aktivitäten zur Verfügung gestellt (wie Gehen, Sitzen und etwas vom Boden aufheben usw.), um so viele Aktivitäten des täglichen Lebens wie möglich abzudecken.

Ihre Aktionen werden mit Trägheitsmesseinheiten (IMU) 1-3 pro Patient überwacht (jedes wird ein handelsübliches Produkt mit europäischer Konformitätszulassung (CE) sein, das nicht größer als ein modernes Smartphone ist).

Die Daten werden von den IMUs drahtlos an die Laptops der Untersucher übertragen, die Patienten werden nicht an sekundären Geräten oder Kabeln angeschlossen oder verankert. Die IMUs werden mit einem bequemen, leichten Gurtdesign und/oder nicht-invasiven Beinbändern an den Patienten befestigt.

Diese geskripteten Sitzungen werden 5 bis 10 Mal pro Proband wiederholt, um eine anonyme Datenbank zu erstellen (D1). Dies bildet einen Referenzbereich pro Untergruppe von "Wahrheits"-Daten für den zu durchsuchenden Algorithmus.

Patientenidentifizierbare Daten werden auf die Studienfragebögen beschränkt, die sicher am entsprechenden Studienstandort aufbewahrt werden.

Phase 2 – Validierung Die Validierung der Datenbank, während zuvor aufgezeichnete und nicht zuvor aufgezeichnete Personen in einer Sitzung ohne Drehbuch beobachtet werden.

Eingeschlossene Populationspatienten Alle Patienten aus Phase 1, neu rekrutierte Patienten (P2-Rekruten)

Neu rekrutierte Patienten (P2) zum Ausfüllen eines demografischen Fragebogens basierend auf historischen Sturzrisikodaten. Diese Patienten werden nicht sofort einer Mobilitäts-/Selbstständigkeitsuntergruppe zugeordnet, sondern als unbekannt (x) gekennzeichnet.

Alle Patienten wurden während der täglichen Aktivitäten in einer Sitzung ohne Drehbuch einzeln beobachtet. Der Patient trägt einen einzelnen IMU-Sensor, der Mobilitätsdaten erfasst (D2). Die Aktivitäten, die das Subjekt während D2 unternimmt, werden vom Beobachter manuell in den Stundenzettel eingetragen, um später Querverweise zu erhalten.

2.1 Bei Patienten (P2), die zuvor nicht erfasst wurden und die keiner Mobilitäts-/Unabhängigkeits-Untergruppe zugeordnet sind, werden ihre nicht geschriebenen Daten (D2) durch den Bewegungsalgorithmus analysiert, der sie basierend auf der Ähnlichkeit ihrer Daten mit den gespeicherten in eine Mobilitäts-/Unabhängigkeits-Untergruppe einordnet in der Datenbank (D1). Sie werden dann basierend auf ihren Fragebogendaten einer Mobilitäts-/Unabhängigkeitsuntergruppe zugeordnet und die beiden Ergebnisse werden verglichen, um zu sehen, ob sie übereinstimmen oder sich unterscheiden.

- Kann der Algorithmus die "Wahrheit" vorhersagen

2.2 Patienten (P1), die zuvor in Phase 1 erfasst wurden und die aufgrund ihrer Fragebogendaten einer Mobilitäts-/Selbstständigkeitssubgruppe zugeordnet werden, lassen ihre unscripted Daten (D2) aus Phase 2 durch den Bewegungsalgorithmus analysieren. Dies schichtet sie dann erneut in eine Mobilitäts-/Unabhängigkeits-Untergruppe ein, basierend auf der Ähnlichkeit ihrer neuen Daten (D2) mit den in der Datenbank (D1) gespeicherten. Um zu sehen, ob ihr Ergebnis gleich bleibt oder sich unterscheidet.

- Kann der Algorithmus die "Wahrheit" bestätigen

(Siehe Anhang B für eine schematische Darstellung von Phase 1 und Phase 2.) Während der Sitzung ohne Drehbuch (D2) werden alle Stürze oder vom Patienten gemeldeten Gleichgewichtsverluste aufgezeichnet und vom Beobachter mit einem Zeitstempel versehen. Diese Datensätze werden als „Falls Truth“- bzw. „Balance Truth“-Daten gekennzeichnet und zum Querverweis in die anonyme Datenbank aufgenommen.