In unserer retrospektiven Kohortenstudie wurde die prognostische Validität des Sturzgrades (Fall Risk Score, FRS), einer multifaktoriellen Sturzrisikoskala, der aus der mHealth-App LINDERA Mobilitätsanalyse generiert wird, untersucht. Die Studie umfasste 617 ältere Erwachsene (857 Beobachtungen) in deutschen Pflegeeinrichtungen.
Der FRS wurde bei der ersten Beurteilung (T1) erhoben und mit der Sturzhäufigkeit bei der Folgebeurteilung (T2) in Beziehung gesetzt. JMIR Aging, eine sehr renommierten wissenschaftlichen Fachzeitschrift, hat die Ergebnisse jetzt veröffentlicht.
Ergebnisse der Studie:
- Ein quadratisches Regressionsmodell zeigte die beste Anpassung an die Daten und ergab einen signifikant starken positiven Zusammenhang zwischen dem FRS bei T1 und der Sturzhäufigkeit bei T2 (Spearman-Korrelationskoeffizient = 0.960, P<.001).
- Schwellenwerte für den FRS wurden ermittelt: Ein FRS von 45%, 32% und 24% entsprach der Erwartung eines Sturzes innerhalb von 6, 12 bzw. 24 Monaten.
- Die minimal klinisch bedeutsamen Differenzen (Minimum Clinically Important Differences, MCID) für FRS-Veränderungen wurden berechnet, um die klinische Relevanz von Veränderungen im FRS zu quantifizieren.
- Subgruppenanalysen zeigten, dass der FRS bei Personen mit langsamerer Gehgeschwindigkeit (<0.6 m/s), Gehhilfegebrauch und einem Beurteilungsintervall von 120 Tagen eine besonders hohe prognostische Validität aufweist.
Besondere Merkmale der LINDERA Mobilitätsanalyse:
- Die App nutzt Computer Vision Algorithmen, um präzise Gangparameter aus Smartphone-Videos zu extrahieren, die von Pflegekräften aufgenommen werden.
- Ein standardisierter Fragebogen, der in die App integriert ist, erfasst zusätzliche Sturzrisikofaktoren.
- Der FRS berücksichtigt sowohl intrinsische als auch extrinsische Risikofaktoren und gewichtet bestimmte Faktoren (z. B. eingeschränkte Mobilität, Schwindel) stärker.
Einschränkungen der Studie:
- Die Studie konzentrierte sich auf eine spezifische Population älterer Erwachsener in stationären Pflegeeinrichtungen.
- Die prädiktive Aussagekraft des FRS variierte zwischen den Subgruppen, was darauf hindeutet, dass für bestimmte Populationen möglicherweise weitere Verfeinerungen erforderlich sind.
Unsere Studie untermauert den potenziellen Nutzen von KI-basierten mHealth-Anwendungen wie der LINDERA Mobilitätsanalyse für die Sturzrisikobewertung und -prävention bei älteren Erwachsenen. Der FRS erwies sich als vielversprechendes prognostisches Instrument, insbesondere für Personen mit spezifischen Risikofaktoren. Die Ergebnisse betonen die Bedeutung einer personalisierten Sturzprävention und die Notwendigkeit weiterer Forschung zur Validierung und Optimierung solcher mHealth-Tools.
Welche Relevanz die Ergebnisse in der Pflegepraxis haben, lesen Sie in unserer Pressemeldung. Mehr zu den Ergebnisse auch in unserem KI-Podcast.