RSS-Feed abonnieren
DOI: 10.1055/a-2151-4709
„Fall Risk Scoring“ in der ambulanten Ganganalyse: Validierung eines neuen Sturzrisikoassessments bei Heimbewohnern
Artikel in mehreren Sprachen: deutsch | English
Zusammenfassung
Stürze von älteren Heimbewohnern sind häufig. Individuelle Prävention kann die Wahrscheinlichkeit zu stürzen senken. Um den Präventionsbedarf zu erkennen, bedarf es einer systematischen Erfassung des individuellen Sturzrisikos. In dieser Studie soll daher untersucht werden, inwiefern ein Sturzrisikoscore, gebildet aus mit einer erhöhten Sturzneigung assoziierten Gangparametern, zwischen einer hoch sturzgefährdeten Gruppe und einer jungen gesunden Kontrollgruppe unterscheiden kann. Ein bereits publizierter Sturzrisikoscore wurde bei über 75-jährigen, sturzgefährdeten Heimbewohnern sowie bei einer jungen, gesunden unter 40-jährigen Kontrollgruppe angewendet und ein individueller Score gebildet. Zusätzlich wurden die Sturzereignisse über einen Zeitraum von 12 Monaten erfasst. Nach Prüfung auf Normalverteilung wurde mittels Mittelwertvergleich und ROC-Analyse die Möglichkeit, Teilnehmer mithilfe des Scores zwischen älteren sturzgefährdeten Teilnehmern und jungen, gesunden Personen zu differenzieren, getestet. Es wurden 18 Heimbewohner und 9 junge, gesunde Teilnehmer in die Analyse einbezogen. Unter den Älteren stürzten 15 mindestens einmal, wobei insgesamt 37 Stürze innerhalb der 12 Monate erfasst wurden (2,06 ± 2,16; Range: 0–8). Unter den Jüngeren stürzte niemand. Dabei unterschied sich der Sturzrisikoscore der Heimbewohner von dem der Jüngeren signifikant (9,2 ± 3,2 vs. 5,7 ± 2,2). Ebenso unterschied sich der Score zwischen Gestürzten und nicht Gestürzten signifikant (10,3 ± 1,8 vs. 5,2 ± 2,5). Die Gestürzten und nicht Gestürzten konnte der Score mit einem Cut-off > 7,5 (AUC: 0,95) und einer Sensitivität von 86,7% differenzieren (Spezifität: 83,3%). Der gebildete Score erlaubt grundsätzlich die Differenzierung zwischen älterem und jüngerem Studienkollektiv, wie auch zwischen Gestürzten und nicht Gestürzten. Der gebildete Score basiert auf Bewegungsdaten, die außerhalb spezieller Ganglabore erhoben wurden, kann die Detektion von sturzrisikogefährdeten Heimbewohnern erleichtern und nun in prospektiven Studien weiter etabliert werden.
Publikationsverlauf
Eingereicht: 19. Mai 2022
Angenommen nach Revision: 27. Juli 2023
Artikel online veröffentlicht:
09. Oktober 2023
© 2023. Thieme. All rights reserved.
Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany
-
Literatur
- 1 Bergen G, Stevens MR, Burns ER. Falls and Fall Injuries Among Adults Aged ≥65 Years — United States, 2014. MMWR Morb Mortal Wkly Rep 2016; 65: 993-998 DOI: 10.15585/mmwr.mm6537a2. (PMID: 27656914)
- 2 Houry D, Florence C, Baldwin G. et al. The CDC Injury Center’s Response to the Growing Public Health Problem of Falls Among Older Adults. Am J Lifestyle Med 2016; 10: 74-77 DOI: 10.1177/1559827615600137. (PMID: 26688674)
- 3 Burns ER, Stevens JA, Lee R. The direct costs of fatal and non-fatal falls among older adults — United States. J Safety Res 2016; 58: 99-103 DOI: 10.1016/j.jsr.2016.05.001. (PMID: 27620939)
- 4 Saß AC, Varnaccia G, Rommel A. Robert Koch-Institut. Sturzunfälle in Deutschland. 2016 Zugriff am 14. August 2023 unter: https://edoc.rki.de/handle/176904/3064
- 5 Rubenstein LZ. Falls in older people: epidemiology, risk factors and strategies for prevention. Age Ageing 2006; 35 (02) ii37-ii41 DOI: 10.1093/ageing/afl084. (PMID: 16926202)
- 6 Morri M, Ambrosi E, Chiari P. et al. One-year mortality after hip fracture surgery and prognostic factors: a prospective cohort study. Sci Rep 2019; 9: 18718 DOI: 10.1038/s41598-019-55196-6. (PMID: 31822743)
- 7 Civinini R, Paoli T, Cianferotti L. et al. Functional outcomes and mortality in geriatric and fragility hip fractures—results of an integrated, multidisciplinary model experienced by the “Florence hip fracture unit”. Int Orthop 2019; 43: 187-192 DOI: 10.1007/s00264-018-4132-3. (PMID: 30159804)
- 8 Gillespie LD, Robertson MC, Gillespie WJ. et al. Interventions for preventing falls in older people living in the community. Cochrane Database Syst Rev 2012; (09) CD007146 DOI: 10.1002/14651858.CD007146.pub3. (PMID: 22972103)
- 9 Bet P, Castro PC, Ponti MA. Foreseeing future falls with accelerometer features in active community-dwelling older persons with no recent history of falls. Exp Gerontol 2021; 143: 111139 DOI: 10.1016/j.exger.2020.111139. (PMID: 33189837)
- 10 Park SH. Tools for assessing fall risk in the elderly: a systematic review and meta-analysis. Aging Clin Exp Res 2018; 30: 1-16 DOI: 10.1007/s40520-017-0749-0. (PMID: 28374345)
- 11 Bet P, Castro PC, Ponti MA. Fall detection and fall risk assessment in older person using wearable sensors: A systematic review. Int J Med Inform 2019; 130: 103946 DOI: 10.1016/j.ijmedinf.2019.08.006. (PMID: 31450081)
- 12 Tinetti ME, Williams TF, Mayewski R. Fall risk index for elderly patients based on number of chronic disabilities. Am J Med 1986; 80: 429-434 DOI: 10.1016/0002-9343(86)90717-5. (PMID: 3953620)
- 13 Senden R, Savelberg HHCM, Grimm B. et al. Accelerometry-based gait analysis, an additional objective approach to screen subjects at risk for falling. Gait Posture 2012; 36: 296-300 DOI: 10.1016/j.gaitpost.2012.03.015. (PMID: 22512847)
- 14 Bezold J, Krell-Roesch J, Eckert T. et al. Sensor-based fall risk assessment in older adults with or without cognitive impairment: a systematic review. Eur Rev Aging Phys Act 2021; 18: 15 DOI: 10.1186/s11556-021-00266-w. (PMID: 34243722)
- 15 Di Rosa M, Hausdorff JM, Stara V. et al. Concurrent validation of an index to estimate fall risk in community dwelling seniors through a wireless sensor insole system: A pilot study. Gait Posture 2017; 55: 6-11 DOI: 10.1016/j.gaitpost.2017.03.037. (PMID: 28407507)
- 16 Czech MD, Psaltos D, Zhang H. et al. Age and environment-related differences in gait in healthy adults using wearables. NPJ Digit Med 2020; 3: 127 DOI: 10.1038/s41746-020-00334-y. (PMID: 33083562)
- 17 Del Din S, Galna B, Godfrey A. et al. Analysis of Free-Living Gait in Older Adults With and Without Parkinson’s Disease and With and Without a History of Falls: Identifying Generic and Disease-Specific Characteristics. J Gerontol A Biol Sci Med Sci 2019; 74: 500-506 DOI: 10.1093/gerona/glx254. (PMID: 29300849)
- 18 van Schooten KS, Pijnappels M, Rispens SM. et al. Ambulatory Fall-Risk Assessment: Amount and Quality of Daily-Life Gait Predict Falls in Older Adults. J Gerontol A Biol Sci Med Sci 2015; 70: 608-615 DOI: 10.1093/gerona/glu225. (PMID: 25568095)
- 19 Unger EW, Histing T, Rollmann MF. et al. Development of a dynamic fall risk profile in elderly nursing home residents: A free field gait analysis based study. Arch Gerontol Geriatr 2021; 93: 104294 DOI: 10.1016/j.archger.2020.104294. (PMID: 33217640)
- 20 Montero-Odasso M, Sarquis-Adamson Y, Song HY. et al. Polypharmacy, Gait Performance, and Falls in Community-Dwelling Older Adults. Results from the Gait and Brain Study. J Am Geriatr Soc 2019; 67: 1182-1188 DOI: 10.1111/jgs.15774. (PMID: 30698285)
- 21 Ambrose AF, Paul G, Hausdorff JM. Risk factors for falls among older adults: A review of the literature. Maturitas 2013; 75: 51-61 DOI: 10.1016/j.maturitas.2013.02.009. (PMID: 23523272)
- 22 Weiss A, Herman T, Giladi N. et al. Objective Assessment of Fall Risk in Parkinson’s Disease Using a Body-Fixed Sensor Worn for 3 Days. PLoS One 2014; 9: e96675 DOI: 10.1371/journal.pone.0096675. (PMID: 24801889)
- 23 Rivolta MW, Aktaruzzaman Md, Rizzo G. et al. Evaluation of the Tinetti score and fall risk assessment via accelerometry-based movement analysis. Artif Intell Med 2019; 95: 38-47 DOI: 10.1016/j.artmed.2018.08.005. (PMID: 30195985)
- 24 Nithman RW, Vincenzo JL. How steady is the STEADI? Inferential analysis of the CDC fall risk toolkit. Arch Gerontol Geriatr 2019; 83: 185-194 DOI: 10.1016/j.archger.2019.02.018. (PMID: 31075677)
- 25 Johansson J, Nordström A, Gustafson Y. et al. Increased postural sway during quiet stance as a risk factor for prospective falls in community-dwelling elderly individuals. Age Ageing 2017; 46: 964-970 DOI: 10.1093/ageing/afx083. (PMID: 28531243)
- 26 Lycke C, Bork H, Feindt B. et al. Evaluation of the Fall Risk of Orthopedic Trauma Surgery Patients by Establishing a Fall Risk Score and a Procedure Instruction in Clinical Routine. Z Orthop Unfall 2019; 157: 440-444 DOI: 10.1055/a-0801-8683. (PMID: 30727007)
- 27 Bautmans I, Jansen B, Van Keymolen B. et al. Reliability and clinical correlates of 3D-accelerometry based gait analysis outcomes according to age and fall-risk. Gait Posture 2011; 33: 366-372 DOI: 10.1016/j.gaitpost.2010.12.003. (PMID: 21227697)
- 28 Ostrosky KM, VanSwearingen JM, Burdett RG. et al. A Comparison of Gait Characteristics in Young and Old Subjects. Phys Ther 1994; 74: 637-644 DOI: 10.1093/ptj/74.7.637. (PMID: 8016196)
- 29 Howcroft J, Kofman J, Lemaire ED. et al. Analysis of dual-task elderly gait in fallers and non-fallers using wearable sensors. J Biomech 2016; 49: 992-1001 DOI: 10.1016/j.jbiomech.2016.01.015. (PMID: 26994786)
- 30 Howcroft J, Kofman J, Lemaire ED. Prospective Fall-Risk Prediction Models for Older Adults Based on Wearable Sensors. IEEE Trans Neural Syst Rehabil Eng 2017; 25: 1812-1820 DOI: 10.1109/TNSRE.2017.2687100. (PMID: 28358689)
- 31 Kiprijanovska I, Gjoreski H, Gams M. Detection of Gait Abnormalities for Fall Risk Assessment Using Wrist-Worn Inertial Sensors and Deep Learning. Sensors 2020; 20: 5373 DOI: 10.3390/s20185373. (PMID: 32961750)
- 32 Howcroft J, Lemaire ED, Kofman J. Wearable-Sensor-Based Classification Models of Faller Status in Older Adults. PLoS ONE 2016; 11: e0153240 DOI: 10.1371/journal.pone.0153240. (PMID: 27054878)
- 33 Sun R, Sosnoff JJ. Novel sensing technology in fall risk assessment in older adults: a systematic review. BMC Geriatrics 2018; 18: 14 DOI: 10.1186/s12877-018-0706-6. (PMID: 29338695)
- 34 Grimm B, Bolink S. Evaluating physical function and activity in the elderly patient using wearable motion sensors. EFORT Open Rev 2016; 1: 112 DOI: 10.1302/2058-5241.1.160022. (PMID: 28461937)