Machine Learning analysiert Bewegungsmuster beim Stuhl-Aufsteh-Test älteren Menschen
Von KI ausgewählt und zusammengefasst
Worum es geht
Eine prospektive Längsschnittstudie (172 ältere Erwachsene, 24 Monate) verwendete Sensoren und Dynamic Time Warping-Clustering, um Bewegungsmuster beim Five Times Chair Rise Test zu analysieren und deren Assoziation mit funktionaler Leistung zu bewerten.
Ergebnis
Zwei distinct Bewegungscluster wurden identifiziert. Cluster 1 zeigte durchgehend höhere Muskelkraft, Beinleistung und Gehgeschwindigkeit als Cluster 2 (alle p<0,01). Bei 24-Monats-Nachuntersuchung zeigten sich große Unterschiede zwischen Clustern in Timed Up and Go, 5CRT-Dauer, Gehgeschwindigkeit und 6-Minuten-Gehstrecke. ML-Clustering offenbarte funktionale Heterogenität, die reine Zeitmessungen nicht abbildeten.
Übertragbarkeit auf Deutschland
Deutschland: deutsche Altersforschungszentren, vergleichbare Versorgungsstrukturen
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.