Return List
Contact Author
Open URL Article

Author´s name

Álvarez, M. N., Rodríguez-Sánchez, C., Huertas-Hoyas, E., García-Villamil-Neira, G., Espinoza-Cerda, M. T., Pérez-Delgado, L., Reina-Robles, E., Martin, I. B., Del-Ama, A. J., Ruiz-Ruiz, L., y Jiménez-Ruiz, A. R.

Article title in Spanish

Predictores de riesgo de caídas en adultos mayores que utilizan el sensor inercial G-STRIDE: un estudio observacional multicéntrico de casos y controles

Article title in English

Predictors of fall risk in older adults using the G-STRIDE inertial sensor: an observational multicenter case–control study

Name of journal

BMC Geriatrics

Year of publication

2023

Volume of the journal

23

Pages of the journal

Keywords

Elderly, falls, frailty, Gait analysis, IMU, y Telemedicine

DOI

10.1186/s12877-023-04379-y

Summary in Spanish

Fondo Existen muchas herramientas para la evaluación de caídas, pero aún no existe ninguna que permita predecir el riesgo de caídas en personas mayores. Este estudio pretende evaluar el uso del prototipo G-STRIDE en el análisis del riesgo de caídas, definiendo los puntos de corte para predecir el riesgo de caídas y desarrollando un modelo predictivo que permita discriminar entre sujetos con y sin riesgo de caídas y aquellos con riesgo de caídas futuras. Métodos Se realizó un estudio observacional, multicéntrico de casos y controles con personas mayores provenientes de dos hospitales públicos diferentes y tres residencias de ancianos diferentes. Recopilamos variables clínicas (Batería corta de rendimiento físico [SPPB], Criterios estandarizados de fragilidad, Velocidad de marcha de 4 m, Escala internacional de eficacia de caídas [FES-I], Prueba Time-Up Go y Escala global de deterioro [GDS]) y medimos la cinemática de la marcha utilizando una unidad de medida inercial (IMU). Realizamos un modelo de regresión logística utilizando un conjunto de observaciones de entrenamiento (70% de los participantes) para predecir la probabilidad de caídas. Resultados Se incluyeron 163 participantes, 86 personas con trastornos de la marcha y el equilibrio o caídas y 77 sin caídas; el 67,8% eran mujeres, con una edad media de 82,63 ± 6,01 años. G-STRIDE permitió medir parámetros de la marcha en condiciones de vida normales. Hay 46 valores de corte de parámetros clínicos convencionales y los estimados con la solución G-STRIDE. Un modelo mixto de regresión logística, con cuatro variables convencionales y 2 cinemáticas, nos permite identificar personas con riesgo de caídas mostrando un buen valor predictivo con AUC del 77,6% (sensibilidad 0,773 y especificidad 0,780). Además, pudimos predecir los sujetos con caídas en el grupo de prueba (30% observaciones no incluidas en el modelo) con un rendimiento similar a los métodos convencionales. Conclusiones El dispositivo G-STRIDE IMU permite predecir el riesgo de caídas mediante un modelo mixto con una precisión de 0,776 con un rendimiento similar al modelo convencional. Este enfoque permite una mayor precisión, un menor coste y menos infraestructuras para una intervención temprana y la prevención de futuras caídas.

Summary in English

Background There are a lot of tools to use for fall assessment, but there is not yet one that predicts the risk of falls in the elderly. This study aims to evaluate the use of the G-STRIDE prototype in the analysis of fall risk, defining the cut-off points to predict the risk of falling and developing a predictive model that allows discriminating between subjects with and without fall risks and those at risk of future falls. Methods An observational, multicenter case–control study was conducted with older people coming from two different public hospitals and three different nursing homes. We gathered clinical variables ( Short Physical Performance Battery (SPPB), Standardized Frailty Criteria, Speed 4 m walk, Falls Efficacy Scale-International (FES-I), Time-Up Go Test, and Global Deterioration Scale (GDS)) and measured gait kinematics using an inertial measure unit (IMU). We performed a logistic regression model using a training set of observations (70% of the participants) to predict the probability of falls. Results A total of 163 participants were included, 86 people with gait and balance disorders or falls and 77 without falls; 67,8% were females, with a mean age of 82,63 ± 6,01 years. G-STRIDE made it possible to measure gait parameters under normal living conditions. There are 46 cut-off values of conventional clinical parameters and those estimated with the G-STRIDE solution. A logistic regression mixed model, with four conventional and 2 kinematic variables allows us to identify people at risk of falls showing good predictive value with AUC of 77,6% (sensitivity 0,773 y specificity 0,780). In addition, we could predict the fallers in the test group (30% observations not in the model) with similar performance to conventional methods. Conclusions The G-STRIDE IMU device allows to predict the risk of falls using a mixed model with an accuracy of 0,776 with similar performance to conventional model. This approach allows better precision, low cost and less infrastructures for an early intervention and prevention of future falls.

Bibliographic reference


Return List
Contact Author
Open URL Article

Author´s name

Álvarez, M. N., Rodríguez-Sánchez, C., Huertas-Hoyas, E., García-Villamil-Neira, G., Espinoza-Cerda, M. T., Pérez-Delgado, L., Reina-Robles, E., Martin, I. B., Del-Ama, A. J., Ruiz-Ruiz, L., y Jiménez-Ruiz, A. R.

Article title in Spanish

Predictores de riesgo de caídas en adultos mayores que utilizan el sensor inercial G-STRIDE: un estudio observacional multicéntrico de casos y controles

Article title in English

Predictors of fall risk in older adults using the G-STRIDE inertial sensor: an observational multicenter case–control study

Name of journal

BMC Geriatrics

Year of publication

2023

Volume of the journal

23

Pages of the journal

Keywords

Elderly, falls, frailty, Gait analysis, IMU, y Telemedicine

DOI

10.1186/s12877-023-04379-y

Summary in Spanish

Fondo Existen muchas herramientas para la evaluación de caídas, pero aún no existe ninguna que permita predecir el riesgo de caídas en personas mayores. Este estudio pretende evaluar el uso del prototipo G-STRIDE en el análisis del riesgo de caídas, definiendo los puntos de corte para predecir el riesgo de caídas y desarrollando un modelo predictivo que permita discriminar entre sujetos con y sin riesgo de caídas y aquellos con riesgo de caídas futuras. Métodos Se realizó un estudio observacional, multicéntrico de casos y controles con personas mayores provenientes de dos hospitales públicos diferentes y tres residencias de ancianos diferentes. Recopilamos variables clínicas (Batería corta de rendimiento físico [SPPB], Criterios estandarizados de fragilidad, Velocidad de marcha de 4 m, Escala internacional de eficacia de caídas [FES-I], Prueba Time-Up Go y Escala global de deterioro [GDS]) y medimos la cinemática de la marcha utilizando una unidad de medida inercial (IMU). Realizamos un modelo de regresión logística utilizando un conjunto de observaciones de entrenamiento (70% de los participantes) para predecir la probabilidad de caídas. Resultados Se incluyeron 163 participantes, 86 personas con trastornos de la marcha y el equilibrio o caídas y 77 sin caídas; el 67,8% eran mujeres, con una edad media de 82,63 ± 6,01 años. G-STRIDE permitió medir parámetros de la marcha en condiciones de vida normales. Hay 46 valores de corte de parámetros clínicos convencionales y los estimados con la solución G-STRIDE. Un modelo mixto de regresión logística, con cuatro variables convencionales y 2 cinemáticas, nos permite identificar personas con riesgo de caídas mostrando un buen valor predictivo con AUC del 77,6% (sensibilidad 0,773 y especificidad 0,780). Además, pudimos predecir los sujetos con caídas en el grupo de prueba (30% observaciones no incluidas en el modelo) con un rendimiento similar a los métodos convencionales. Conclusiones El dispositivo G-STRIDE IMU permite predecir el riesgo de caídas mediante un modelo mixto con una precisión de 0,776 con un rendimiento similar al modelo convencional. Este enfoque permite una mayor precisión, un menor coste y menos infraestructuras para una intervención temprana y la prevención de futuras caídas.

Summary in English

Background There are a lot of tools to use for fall assessment, but there is not yet one that predicts the risk of falls in the elderly. This study aims to evaluate the use of the G-STRIDE prototype in the analysis of fall risk, defining the cut-off points to predict the risk of falling and developing a predictive model that allows discriminating between subjects with and without fall risks and those at risk of future falls. Methods An observational, multicenter case–control study was conducted with older people coming from two different public hospitals and three different nursing homes. We gathered clinical variables ( Short Physical Performance Battery (SPPB), Standardized Frailty Criteria, Speed 4 m walk, Falls Efficacy Scale-International (FES-I), Time-Up Go Test, and Global Deterioration Scale (GDS)) and measured gait kinematics using an inertial measure unit (IMU). We performed a logistic regression model using a training set of observations (70% of the participants) to predict the probability of falls. Results A total of 163 participants were included, 86 people with gait and balance disorders or falls and 77 without falls; 67,8% were females, with a mean age of 82,63 ± 6,01 years. G-STRIDE made it possible to measure gait parameters under normal living conditions. There are 46 cut-off values of conventional clinical parameters and those estimated with the G-STRIDE solution. A logistic regression mixed model, with four conventional and 2 kinematic variables allows us to identify people at risk of falls showing good predictive value with AUC of 77,6% (sensitivity 0,773 y specificity 0,780). In addition, we could predict the fallers in the test group (30% observations not in the model) with similar performance to conventional methods. Conclusions The G-STRIDE IMU device allows to predict the risk of falls using a mixed model with an accuracy of 0,776 with similar performance to conventional model. This approach allows better precision, low cost and less infrastructures for an early intervention and prevention of future falls.

Bibliographic reference

Predictores de riesgo de caídas en adultos mayores que utilizan el sensor inercial G-STRIDE: un estudio observacional multicéntrico de casos y controles


Return List
Contact Author
Open URL Article

Author´s name

Álvarez, M. N., Rodríguez-Sánchez, C., Huertas-Hoyas, E., García-Villamil-Neira, G., Espinoza-Cerda, M. T., Pérez-Delgado, L., Reina-Robles, E., Martin, I. B., Del-Ama, A. J., Ruiz-Ruiz, L., y Jiménez-Ruiz, A. R.

Article title in Spanish

Predictores de riesgo de caídas en adultos mayores que utilizan el sensor inercial G-STRIDE: un estudio observacional multicéntrico de casos y controles

Article title in English

Predictors of fall risk in older adults using the G-STRIDE inertial sensor: an observational multicenter case–control study

Name of journal

BMC Geriatrics

Year of publication

2023

Volume of the journal

23

Pages of the journal

Keywords

Elderly, falls, frailty, Gait analysis, IMU, y Telemedicine

DOI

10.1186/s12877-023-04379-y

Summary in Spanish

Fondo Existen muchas herramientas para la evaluación de caídas, pero aún no existe ninguna que permita predecir el riesgo de caídas en personas mayores. Este estudio pretende evaluar el uso del prototipo G-STRIDE en el análisis del riesgo de caídas, definiendo los puntos de corte para predecir el riesgo de caídas y desarrollando un modelo predictivo que permita discriminar entre sujetos con y sin riesgo de caídas y aquellos con riesgo de caídas futuras. Métodos Se realizó un estudio observacional, multicéntrico de casos y controles con personas mayores provenientes de dos hospitales públicos diferentes y tres residencias de ancianos diferentes. Recopilamos variables clínicas (Batería corta de rendimiento físico [SPPB], Criterios estandarizados de fragilidad, Velocidad de marcha de 4 m, Escala internacional de eficacia de caídas [FES-I], Prueba Time-Up Go y Escala global de deterioro [GDS]) y medimos la cinemática de la marcha utilizando una unidad de medida inercial (IMU). Realizamos un modelo de regresión logística utilizando un conjunto de observaciones de entrenamiento (70% de los participantes) para predecir la probabilidad de caídas. Resultados Se incluyeron 163 participantes, 86 personas con trastornos de la marcha y el equilibrio o caídas y 77 sin caídas; el 67,8% eran mujeres, con una edad media de 82,63 ± 6,01 años. G-STRIDE permitió medir parámetros de la marcha en condiciones de vida normales. Hay 46 valores de corte de parámetros clínicos convencionales y los estimados con la solución G-STRIDE. Un modelo mixto de regresión logística, con cuatro variables convencionales y 2 cinemáticas, nos permite identificar personas con riesgo de caídas mostrando un buen valor predictivo con AUC del 77,6% (sensibilidad 0,773 y especificidad 0,780). Además, pudimos predecir los sujetos con caídas en el grupo de prueba (30% observaciones no incluidas en el modelo) con un rendimiento similar a los métodos convencionales. Conclusiones El dispositivo G-STRIDE IMU permite predecir el riesgo de caídas mediante un modelo mixto con una precisión de 0,776 con un rendimiento similar al modelo convencional. Este enfoque permite una mayor precisión, un menor coste y menos infraestructuras para una intervención temprana y la prevención de futuras caídas.

Summary in English

Background There are a lot of tools to use for fall assessment, but there is not yet one that predicts the risk of falls in the elderly. This study aims to evaluate the use of the G-STRIDE prototype in the analysis of fall risk, defining the cut-off points to predict the risk of falling and developing a predictive model that allows discriminating between subjects with and without fall risks and those at risk of future falls. Methods An observational, multicenter case–control study was conducted with older people coming from two different public hospitals and three different nursing homes. We gathered clinical variables ( Short Physical Performance Battery (SPPB), Standardized Frailty Criteria, Speed 4 m walk, Falls Efficacy Scale-International (FES-I), Time-Up Go Test, and Global Deterioration Scale (GDS)) and measured gait kinematics using an inertial measure unit (IMU). We performed a logistic regression model using a training set of observations (70% of the participants) to predict the probability of falls. Results A total of 163 participants were included, 86 people with gait and balance disorders or falls and 77 without falls; 67,8% were females, with a mean age of 82,63 ± 6,01 years. G-STRIDE made it possible to measure gait parameters under normal living conditions. There are 46 cut-off values of conventional clinical parameters and those estimated with the G-STRIDE solution. A logistic regression mixed model, with four conventional and 2 kinematic variables allows us to identify people at risk of falls showing good predictive value with AUC of 77,6% (sensitivity 0,773 y specificity 0,780). In addition, we could predict the fallers in the test group (30% observations not in the model) with similar performance to conventional methods. Conclusions The G-STRIDE IMU device allows to predict the risk of falls using a mixed model with an accuracy of 0,776 with similar performance to conventional model. This approach allows better precision, low cost and less infrastructures for an early intervention and prevention of future falls.

Bibliographic reference