Putoamisen ennustustyökalun kehittäminen sekä kiihtyvyysmittarin että videon kävelyn analyysitietojen avulla vanhemmille aikuisille (APDM system)

Viimeaikaiset edistysaskeleet koneoppimisessa ovat häirinneet lääketieteellisen ennusteen arvioinnissa käytettyä standardia. Akateemisista kliineistä ja tutkimusinsinööreistä koostuva ryhmämme pyrkii luomaan tietokannan vakausmittauksista (kiihtyvyysantureiden, gyroskooppien ja korkeusanturien tiedot) ikääntyneiden aikuisten monitoroinneista pituussuunnassa. Tämä Stability Measures (SM) -tietokanta antaa meille mahdollisuuden käyttää uusia koneoppimismenetelmiä sellaisten algoritmien kehittämiseen ja validoimiseen, jotka ennustavat tulevaa putoamista, mikä mahdollistaa haavoittuvien henkilöiden paremman kohdistamisen.

Vaikka iäkkäiden aikuisten kaatumisriskiä on yritetty kvantifioida lukuisia vuodevaa'oilla 7-12, mikään aikaisempi ryhmä ei ole yrittänyt käyttää sekä kiihtyvyysmittarin että videomittausten yhdistelmää kävelyvakauden arvioimiseen. Koska nämä mittaukset tallennetaan sekä usein kaatuville että harvoin kaatuville potilaille, meillä on SM-tietoja eri aikaikkunoista (1, 2, 3 ja 4 viikkoa) ennen vähintään 100 kaatumistapahtumaa. Tietojoukko ei ole koskaan ollut käytössä. vangittu ennen.

HYPOTEESIT:

1. Kiihtyvyysmittarin, gyroskoopin ja videodatan yhdistelmää voidaan käyttää putoamisen ennustamiseen pitkittäissuunnassa, ensin käyttämällä harjoitustietojoukkoa ja sen jälkeen validointitietojoukon varmentamista.
2. Kaikki edellä mainitut anturipohjaiset tulot voidaan yhdistää yksinkertaiseksi, automaattiseksi ennustetyökaluksi kaatumisriskin ennustamiseen iäkkäillä aikuisilla. Nykyiset kaatumisriskin arviointimenetelmät: Nykyiset menetelmät kaatumisten ennustamiseksi lääkärin vastaanotoilla perustuvat suuresti yksinkertaisiin vuodetesteihin12-14. Vaikka kaikki nämä mittaukset ovat hyödyllisiä, niillä on melko alhainen herkkyys ja spesifisyys, käyrän alla olevan alueen (AUC) ollessa noin 0,707-12.

Itse asiassa äskettäinen meta-analyysi "ei pystynyt tunnistamaan mitään työkalua, jolla olisi optimaalinen tasapaino herkkyyden ja spesifisyyden välillä tai joka olisi selvästi parempi kuin yksinkertainen kliininen arvio kaatumisriskistä".

MENETELMÄT:

a) Koehenkilöt: i) Korkean riskin kohteet (n=50): Kaikki koehenkilöt rekrytoidaan Vancouverin yleissairaalan kaatumis- ja geriatrian klinikoilta. Näillä klinikoilla käy noin 2500 potilasta vuodessa, ja niitä käytetään tällä hetkellä tutkimusrekrytointiin. Jokaiselle klinikan potilaalle on mitattu kävelynopeus, mikä mahdollistaa sekä korkean että matalan riskin putoajien rekrytoinnin. Tämän testin avulla voimme rekrytoida 50 koehenkilöä, joilla on huomattava kaatumisriski, ja se tarjoaa meille prospektiivisen kootun datajoukon yli 100 tapahtumasta, mikä on viisi kertaa enemmän kuin mikään muu anturitutkimus.

ii) Pienen riskin kohteet (n=50): Lisäksi käytämme sanomalehtiilmoituksia rekrytoimaan ja seulomaan matalariskisiä koehenkilöitä. Kaikkien koehenkilöiden kävelynopeus on > 0,8 m/s, eikä heillä ole ollut kaatumisia viimeisen vuoden aikana.

Kaikki tutkimuspotilaat tulevat laboratorioon (Gerontology and Diabetes Research Laboratory, VGH Research Pavilion) tunnin ajaksi. Jokainen koehenkilö suorittaa 6 minuutin kävelytestin, jonka aikana kävelyarvio saadaan APDM-järjestelmästä (Portland, OR). Lisäksi mukana tulee neljä videokameraa (edessä, takana ja sivuilla), jotka mittaavat raakavideodataa kävelyanalyysiämme varten. Kamera ei tallenna kasvotietoja (itse asiassa järjestelmän "deepfake" -ohjelmisto poistaa kaikki kasvojen tiedot) ja potilaan liikkeet muunnetaan "tiksuiksi" ennen kuin ne tallennetaan järjestelmään. Lisäksi Xethru X4M03 -sarjaa käytetään keräämään ultra-sivukaistatutkadataa (UWB). UWB-tutka toimii 5.9-10.3 GHz, joka tarjoaa korkean spatiaalisen resoluution. Tutka on sijoitettu 1,5 m lattiatason yläpuolelle. Kerääkseen kantapään ja varpaan iskemisen ajoitustietoja koehenkilö liikkuu GAITRIte-järjestelmässä (CIR Systems Inc, Franklin, NJ) 90 × 700 cm × 3,2 mm:n kävelyreitillä.