Utveckla ett fallförutsägelseverktyg med hjälp av både accelerometer och videogångsanalysdata hos äldre vuxna (APDM system)

De senaste framstegen inom maskininlärning har stört standardmetoden för att bedöma medicinsk prognos. Vår grupp, som består av akademiska kliniker och forskningsingenjörer, försöker skapa en databas med stabilitetsmått (accelerometrar, gyroskop och data från höjdsensorer) hos äldre vuxna övervakar longitudinellt. Denna Stability Measures (SM)-databas kommer att tillåta oss att använda nya maskininlärningsmetoder för att utveckla och validera algoritmer som förutsäger framtida fall, vilket möjliggör bättre inriktning på utsatta individer.

Även om det har gjorts många försök att kvantifiera fallrisken hos äldre vuxna med hjälp av skala 7-12 vid sängkanten, har ingen tidigare grupp försökt använda en kombination av både accelerometer och videomått för att bedöma gångstabilitet. Eftersom dessa mätningar kommer att fångas hos både ofta fallande och sällan fallande patienter, kommer vi att ha SM-data för olika tidsfönster (1, 2, 3 och 4 veckor) före minst 100 fallhändelser, en datauppsättning som aldrig har varit fångat tidigare.

HYPOTES:

1. En kombination av accelerometer, gyroskop och videodata kan användas för att förutsäga fall i längdriktningen, först genom användning av en träningsdatauppsättning följt av verifiering av en valideringsdatauppsättning.
2. Alla ovanstående sensorbaserade indata kan kombineras som ett enkelt, automatiserat förutsägelseverktyg för att förutsäga fallrisk hos äldre vuxna. Aktuella metoder för fallriskbedömning: Nuvarande metoder för att förutsäga fall i läkarmottagningar är mycket beroende av enkla tester vid sängkanten12-14. Även om de är användbara, har alla dessa mått ganska låg sensitivitet och specificitet, med en Area Under the Curve (AUC) på ungefär 0,707-12.

Faktum är att en färsk metaanalys "inte kunde identifiera något verktyg som hade en optimal balans mellan sensitivitet och specificitet, eller som var klart bättre än en enkel klinisk bedömning av risken att falla"

METODER:

a) Ämnen: i) Högriskämnen (n=50): Alla försökspersoner kommer att rekryteras från fall- och geriatriska kliniker vid Vancouver General Hospital. Dessa kliniker tar emot cirka 2500 patienter per år och används för närvarande för forskningsrekrytering. Varje klinikpatient har gånghastighet mätt, vilket gör det möjligt att rekrytera både hög- och lågriskfallare. Detta test kommer att tillåta oss att rekrytera 50 försökspersoner med markant risk för fall, vilket ger oss en prospektivt samlad datauppsättning med fler än 100 händelser, fem gånger högre än någon annan sensorstudie.

ii) Lågriskämnen (n=50): Dessutom kommer vi att använda tidningsannonser för att rekrytera och sedan screena ämnen med låg risk. Alla försökspersoner kommer att ha en gånghastighet > 0,8 m/s och har inte haft några fall under det senaste året.

Alla studiepatienter med kommer till laboratoriet (gerontologi- och diabetesforskningslaboratorium, VGH forskningspaviljong) för en timmes session. Varje försöksperson kommer att utföra ett 6-minuters gångtest under vilket gångbedömning kommer att erhållas från APDM-systemet (Portland, OR). Dessutom kommer det att finnas fyra videokameror (på framsidan, baksidan och sidorna) som kommer att mäta rå videodata för vår gånganalys. Kameran registrerar inga ansiktsdata (i själva verket raderar "deepfake"-programvaran i systemet alla ansiktsdetaljer) och patientens rörelser omvandlas till en "stick figure" innan de sparas i systemet. Dessutom kommer ett Xethru X4M03-kit att användas för att samla in ultrasidbandsradardata (UWB). UWB-radarn fungerar i 5.9-10.3 GHz, vilket ger hög rumslig upplösning. Radarn är placerad 1,5 m över golvnivån. För att samla in häl-tå anslagstidsdata kommer försökspersonen att gå på GAITRite-systemet (CIR Systems Inc, Franklin, NJ), med en 90 × 700 cm × 3,2 mm gångväg.