Utvikle et fallforutsigelsesverktøy ved å bruke både akselerometer og videoganganalysedata hos eldre voksne (APDM system)

Nylige fremskritt innen maskinlæring har forstyrret standardtilnærmingen til å vurdere medisinsk prognose. Vår gruppe, som består av akademiske klinikere og forskningsingeniører, søker å lage en database med stabilitetsmål (akselerometre, gyroskop og data fra høydesensorer) hos eldre voksne overvåking i lengderetningen. Denne Stability Measures (SM)-databasen vil tillate oss å bruke nye maskinlæringsmetoder for å utvikle og validere algoritmer som forutsier fremtidige fall, noe som muliggjør bedre målretting mot sårbare individer.

Selv om det har vært mange forsøk på å kvantifisere fallrisiko hos eldre voksne ved bruk av nattbordsskala 7-12, har ingen tidligere gruppe forsøkt å bruke en kombinasjon av både akselerometer og videomål for å vurdere gangstabilitet. Siden disse målene vil bli fanget opp hos både hyppig fallende og sjelden fallende pasienter, vil vi ha SM-data for ulike tidsvinduer (1, 2, 3 og 4 uker) før minst 100 fallhendelser, et datasett som aldri har vært fanget før.

HYPOTESER:

1. En kombinasjon av akselerometer, gyroskop og videodata kan brukes til å forutsi fall i lengderetningen, først ved bruk av et treningsdatasett etterfulgt av verifisering på et valideringsdatasett.
2. Alle de ovennevnte sensorbaserte inngangene kan kombineres som et enkelt, automatisert prediksjonsverktøy for å forutsi fallrisiko hos eldre voksne. Gjeldende metoder for fallrisikovurdering: Nåværende metoder for å forutsi fall i legekontorer er sterkt avhengige av enkle tester ved sengekanten12-14. Selv om de er nyttige, har alle disse målene ganske lav sensitivitet og spesifisitet, med et område under kurven (AUC) på omtrent 0,707-12.

Faktisk kunne en fersk metaanalyse "ikke identifisere noe verktøy som hadde en optimal balanse mellom sensitivitet og spesifisitet, eller som klart var bedre enn en enkel klinisk vurdering av risikoen for å falle"

METODER:

a) Emner: i) Høyrisiko-emner (n=50): Alle forsøkspersoner vil bli rekruttert fra fall- og geriatriklinikker ved Vancouver General Hospital. Disse klinikkene ser på ca 2500 pasienter per år og brukes i dag til forskningsrekruttering. Hver klinikkpasient får målt ganghastighet, noe som gjør det mulig å rekruttere både høy- og lavrisikofallere. Denne testen vil tillate oss å rekruttere 50 personer med markert risiko for fall, og gi oss et prospektivt samlet datasett med mer enn 100 hendelser, fem ganger høyere enn noen annen sensorstudie.

ii) Lavrisikofag (n=50): I tillegg vil vi bruke avisannonser for å rekruttere og deretter screene lavrisikofag. Alle forsøkspersoner vil ha en ganghastighet > 0,8 m/s og har ikke hatt fall det siste året.

Alle studiepasienter med kommer til laboratoriet (Gerontology and Diabetes Research Laboratory, VGH Research Pavilion) for en times økt. Hvert forsøksperson vil utføre en 6-minutters gangtest der gangevaluering vil bli innhentet fra APDM-systemet (Portland, OR). I tillegg vil det være fire videokameraer (på forsiden, baksiden og sidene) som vil måle rå videodata for ganganalysen vår. Kameraet registrerer ingen ansiktsdata (faktisk sletter "deepfake"-programvare i systemet alle ansiktsdetaljer) og pasientens bevegelser konverteres til en "pinnefigur" før de lagres i systemet. I tillegg vil et Xethru X4M03-sett bli brukt til å samle ultra-sidebånd radardata (UWB). UWB-radaren opererer i 5.9-10.3 GHz, som gir høy romlig oppløsning. Radaren er plassert 1,5 m over gulvnivå. For å samle inn hæl-tå-angrepstidsdata, vil forsøkspersonen ambulere på GAITRite-systemet (CIR Systems Inc, Franklin, NJ), med en 90 × 700 cm × 3,2 mm gangvei.