Download PDF
Nervenheilkunde 2022; 41(07/08): 492-496
DOI: 10.1055/a-1844-8089
Schwerpunkt

Aachener Sturzpass App

Aachen fall prevention app
Peter Rasche
1   Medizinische Fakultät, Abteilung für Allgemeinmedizin, Ruhr-Universität Bochum
,
Katharina Schäfer
2   Fakultät Maschinenwesen, Institut für Arbeitswissenschaft, RWTH Aachen University
,
Sabine Theis
2   Fakultät Maschinenwesen, Institut für Arbeitswissenschaft, RWTH Aachen University
,
Tobias Seinsch
2   Fakultät Maschinenwesen, Institut für Arbeitswissenschaft, RWTH Aachen University
,
Christina Bröhl
2   Fakultät Maschinenwesen, Institut für Arbeitswissenschaft, RWTH Aachen University
,
Matthias Wille
2   Fakultät Maschinenwesen, Institut für Arbeitswissenschaft, RWTH Aachen University
,
Matthias Knobe
3   Medizinische Fakultät, RWTH Universitätsklinik Aachen
4   Medizinische Fakultät, Universität Zürich
,
Horst Christian Vollmar
1   Medizinische Fakultät, Abteilung für Allgemeinmedizin, Ruhr-Universität Bochum
,
Alexander Mertens
2   Fakultät Maschinenwesen, Institut für Arbeitswissenschaft, RWTH Aachen University
› Author Affiliations
› Further Information
Also available at
    Permissions and Reprints

ZUSAMMENFASSUNG

Stürze sind eine große Herausforderung für Betroffene und das Gesundheitswesen. Die „Aachener Sturzpass App“ ist eine digitale Gesundheitsanwendung, die es älteren Patienten (Personen über 50 Jahre) ermöglicht, ihr individuelles Sturzrisiko selbstständig via Smartphone einzuschätzen und zu überwachen. Die Selbsteinschätzung basiert auf der „Aachener Sturzpräventionsskala“, die aus 3 Schritten besteht. Zunächst beantworten die Patienten 10 standardisierte Ja-Nein-Fragen (positives Kriterium ≥ 5 „Ja“-Antworten). Zweitens wird ein 10 Sekunden andauernder Test des freien Stehens ohne Ausgleichsbewegung durchgeführt (positives Kriterium: Ausgleichsbewegung). Im dritten Schritt schließlich bewerten die Patienten ihr subjektives Sturzrisiko auf einer 10-Punkte-Likert-Skala, ausgehend von einer Erläuterung der positiven Kriterien der Testschritte 1 und 2.

ABSTRACT

Fall incidents are a major problem for patients and the healthcare system. The “Aachen Fall Prevention App” (AFPA) represents a smartphone-based health application (app) empowering older patients (persons 50+ years) to self-assess and monitor their individual risk of falling. Self-assessment is based on the “Aachen Fall Prevention Scale,” which consists of 3 steps. First, patients answer 10 standardized yes-no questions (positive criterion ≥ 5 “Yes” responses). Second, a 10-second test of free standing without compensatory movement is performed (positive criterion: compensatory movement). Finally, during the third step, patients rate their subjective fall risk on a 10-point Likert scale, based on the results of steps 1 and 2.

Schlüsselwörter

Sturz - Sturzrisiko - Digitalisierung - Smartphone App - ältere Menschen

Key words

Ground level fall - risk of falling - digitalization - smartphone app - older people


Publication History

Article published online:
28 July 2022

© 2022. Thieme. All rights reserved.

© Georg Thieme Verlag KG Stuttgart · New York
Rüdigerstraße 14, 70469 Stuttgart, Germany

 

  • Literatur

  • 1 Gale CR, Cooper C, Aihie Sayer A. Prevalence and risk factors for falls in older men and women: The English Longitudinal Study of Ageing. Age and ageing 2016; 45: 789-794
    CrossrefPubMedSearch in Google Scholar
  • 2 Gillespie LD, Robertson MC, Gillespie WJ. et al Interventions for preventing falls in older people living in the community. Cochrane Reviews. 2012: CD007146
    PubMedSearch in Google Scholar
  • 3 Gillespie WJ, Gillespie LD, Handoll HHG. et al The Cochrane Musculoskeletal Injuries Group. Acta Orthopaedica Scandinavica 2002; 73: 15-19
    CrossrefPubMedSearch in Google Scholar
  • 4 Knobe M, Giesen M, Plate S. et al The Aachen Mobility and Balance Index to measure physiological falls risk: a comparison with the Tinetti POMA Scale. European journal of trauma and emergency surgery 2016; 42: 537-545
    CrossrefPubMedSearch in Google Scholar
  • 5 Meyer S. Technische Unterstützung im Alter – Was ist möglich, was ist sinnvoll. Expertise zum Siebten Altenbericht der Bundesregierung. In: Jenny Block. et al. (Hrsg.) Geschäftsstelle für die Altenberichte der Bundesregierung. Berlin: Hill 2016: 74-84
    PubMedSearch in Google Scholar
  • 6 Pape H-C, Schemmann U, Foerster J. et al The ‘Aachen Falls Prevention Scale’ – development of a tool for self-assessment of elderly patients at risk for ground level falls. Patient safety in surgery 2015; 09: 7
    CrossrefPubMedSearch in Google Scholar
  • 7 Pierobon A, Funk M. Phänomenologie des Sturzes und Sturzdefinition. Sprache Stimme Gehör 2013; 37: 89-91
    Thieme ConnectSearch in Google Scholar
  • 8 Rabe S, Azhand A, Pommer W. et al Descriptive Evaluation and Accuracy of a Mobile App to Assess Fall Risk in Seniors: Retrospective Case-Control Study. JMIR aging 2020; 03: e16131
    CrossrefPubMedSearch in Google Scholar
  • 9 Rasche P.. Aachener Sturzpass App – Smartphone Applikation zur Sturzprävention. Dissertation. Aachen 2018
    PubMedSearch in Google Scholar
  • 10 Rasche P, Mertens A, Bröhl C. et al The “Aachen fall prevention App” – a Smartphone application app for the self-assessment of elderly patients at risk for ground level falls. Patient safety in surgery 2017; 11: 14
    CrossrefPubMedSearch in Google Scholar
  • 11 Rasche P, Nitsch V, Rentemeister L. et al The Aachen Falls Prevention Scale: Multi-Study Evaluation and Comparison. JMIR aging 2019; 02: e12114
    CrossrefPubMedSearch in Google Scholar
  • 12 Strauss DH, Davoodi NM, Healy M. et al The Geriatric Acute and Post-Acute Fall Prevention Intervention (GAPcare) II to Assess the Use of the Apple Watch in Older Emergency Department Patients With Falls: Protocol for a Mixed Methods Study. JMIR research protocols 2021; 10: e24455
    CrossrefPubMedSearch in Google Scholar
  • 13 Weyler E-J, Gandjour A. Sozioökonomische Bedeutung von Hüftfrakturen in Deutschland. Das Gesundheitswesen 2007; 69: 601-606
    Thieme ConnectPubMedSearch in Google Scholar
  • 14 Xu T, Zhou Y, Zhu J. New Advances and Challenges of Fall Detection Systems: A Survey. Applied Sciences 2018; 08: 418
    CrossrefSearch in Google Scholar
  • 15 Zeitler H, Gulich M. Ältere Sturzpatienten: DEGAM-Leitlinie Nr. 4. Düsseldorf. 2004
    PubMedSearch in Google Scholar
  • 16 Zeyfang A, Hagg-Grün U, Nikolaus T. Basiswissen Medizin des Alterns und des alten Menschen. Heidelberg: Springer; 2012
    Search in Google Scholar
  • 17 Knobe M, Rasche P, Rentemeister L. et al Evaluation eines einfachen Testverfahrens in der ambulanten Sturzprävention. Der Unfallchirurg. 2018
    CrossrefPubMedSearch in Google Scholar