歩行速度の変化によって転倒を予期できる?

介護予防
スポンサーリンク
スポンサーリンク

歩行速度の変化によって転倒を予期できる?

どういった病態を呈したクライアントにおいても,理学療法士・作業療法士が受傷前の歩行能力を把握することは重要です.

ただ受傷前の歩行能力を評価するのって難しいですよね.

今回は自宅に設置したセンサーで廊下歩行中の歩行速度を計測し,この廊下歩行中の歩行速度の変化と転倒との関連を調査した研究をご紹介させていただきます.

受傷前の歩行速度を測定するというのはなかなか難しいので本当に貴重なデータだと思います.

Beach, Coastline, Dawn, Girl, Human, Nature, Outdoor

 

 

 

 

 

 

今回ご紹介する論文

J Gerontol A Biol Sci Med Sci. 2020 Apr 17;75(5):968-973. doi: 10.1093/gerona/glz128.

When Will My Patient Fall? Sensor-Based In-Home Walking Speed Identifies Future Falls in Older Adults

Antoine Piau 1 2, Nora Mattek 1, Rachel Crissey 1, Zachary Beattie 1, Hiroko Dodge 1, Jeffrey Kaye 1

Affiliations expand

PMID: 31095283 PMCID: PMC7164533 DOI: 10.1093/gerona/glz128

今回ご紹介する論文は2020年に掲載されたばかりの論文です.

 

 

 

 

 

 

 

研究の背景

Background: Although there are known clinical measures that may be associated with risk of future falls in older adults, we are still unable to predict when the fall will happen. Our objective was to determine whether unobtrusive in-home assessment of walking speed can detect a future fall.

高齢者の転倒リスクに関連する臨床指標が多く報告されておりますが,いつ転倒が起こるかを予測することは容易ではありません.

この研究では家庭内でのセンサーによる歩行速度の評価によって,将来の転倒を予期できるかどうかを明らかにすることを目的としております.

 

 

 

 

 

 

 

研究の方法

Method: In both ISAAC and ORCATECH Living Laboratory studies, a sensor-based monitoring system has been deployed in the homes of older adults. Longitudinal mixed-effects regression models were used to explore trajectories of sensor-based walking speed metrics in those destined to fall versus controls over time. Falls were captured during a 3-year period.

ISAACとORCATECH Living Laboratoryの研究では,センサーを用いたモニタリングシステムが高齢者の自宅に配備されております.

縦断的な混合効果回帰モデルを用いて,転倒する運命にある人と対照者のセンサーベースの歩行速度指標の経時的な軌跡を調査しております.

なお転倒は3年間に渡って記録されております.

 

 

 

 

 

 

 

研究の結果

Results: We observed no major differences between those destined to fall (n = 55) and controls (n = 70) at baseline in clinical functional tests. There was a longitudinal decline in median daily walking speed over the 3 months before a fall in those destined to fall when compared with controls, p < .01 (ie, mean walking speed declined 0.1 cm s-1 per week). We also found prefall differences in sensor-based walking speed metrics in individuals who experienced a fall: walking speed variability was lower the month and the week just before the fall compared with 3 months before the fall, both p < .01.

転倒の危険性がある人(n=55)と対照者(n=70)の間には,臨床機能検査においてベースラインでの大きな違いは認められませんでした.

対照群と比較して,転倒予備軍では転倒前の3ヵ月間に1日の歩行速度の中央値が経時的に低下していた(すなわち平均歩行速度は1週間に0.1cm/s低下しておりました).

また転倒を経験した人では,センサーを用いた歩行速度の測定値に転倒前の違いが見られました.

転倒前の月と週では,転倒の3カ月前に比べて歩行速度の変動が小さい結果でありました.

 

 

 

 

 

 

 

研究の結論

Conclusions: While basic clinical tests were not able to differentiate who will prospectively fall, we found that significant variations in walking speed metrics before a fall were measurable. These results provide evidence of a potential sensor-based risk biomarker of prospective falls in community living older adults.

基本的な臨床検査では,将来的に転倒する人を判別することはできませんでしたが,転倒前の歩行速度メトリクスの有意な変動が測定可能であることが明らかとなりました.

今回の結果は地域で生活する高齢者において,センサーを用いた前向きな転倒のリスクバイオマーカーとなる可能性を示すものであります.

 

今回は自宅に設置したセンサーで廊下歩行中の歩行速度を計測し,この廊下歩行中の歩行速度の変化と転倒との関連を調査した研究をご紹介させていただきました.

こういった自然な形で歩行速度を計測し,転倒を予測できるというのは良い仕組みですね.

タイトルとURLをコピーしました