Machine Learning für Sturz-Früherkennung: Test im Alltag älterer Menschen
Von KI ausgewählt und zusammengefasst
Worum es geht
Prospektive Validierungsstudie eines vortrainierten Convolutional-Neural-Network auf beschleunigungsmesser-Daten zur Erkennung von Gangstörungen und Sturzrisiko im täglichen Leben.
Ergebnis
202 Teilnehmer (Median 75 Jahre); 58% aller Trittfenster klassifiziert als Gangstörung; höheres Alter, niedrigere Kognition/Funktion, Sturzangst und Frailty assoziiert mit mehr klassifizierten Perturbationen. Algorithmus klassifizierte jedoch viele Fenster als Gangunregelmäßigkeiten (misclassifications), erfordert weitere Training/Validierung.
Übertragbarkeit auf Deutschland
Deutsche Notfallabteilungs-Population möglich; Altersdemographie und Fall-Epidemiologie ähnlich.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.