目次
TUGや片足立ちでは転倒は予測できない？
昔から理学療法士・作業療法士が運動機能評価の結果から転倒を予測する機会は多いと思います．
TUGや片足立ちを使用することは多いと思いますが，本当にTUGや片足立ちから転倒の予測って可能なのでしょうか？
今回はTUGや片足立ちから転倒を予測することが可能かどうかを考えるうえで参考になる論文をご紹介させていただきます．
今回ご紹介する論文
Age Ageing. 2022 May 1;51(5):afac095. doi: 10.1093/ageing/afac095.
Mobility screening for fall prediction in the Canadian Longitudinal Study on Aging (CLSA): implications for fall prevention in the decade of healthy ageing
Marla K Beauchamp 1, Ayse Kuspinar 1, Nazmul Sohel 2, Alexandra Mayhew 2, Cassandra D’Amore 1, Lauren E Griffith 2, Parminder Raina 2
Affiliations expand
PMID: 35522622 PMCID: PMC9075154 DOI: 10.1093/ageing/afac095
今回ご紹介する論文は2022年に掲載された論文です．
研究の背景
Background: Guidelines for fall prevention in older adults recommend mobility screening for fall risk assessment; however, there is no consensus on which test to use and at what cutoff. This study aimed to determine the accuracy and optimal cut-off values of commonly used mobility tests for predicting falls in the Canadian Longitudinal Study on Aging (CLSA).
高齢者の転倒予防のためのガイドラインでは転倒リスク評価のためのモビリティスクリーニングが推奨されておりますが，どのテストを使用し，どのカットオフ値で行うかについてはコンセンサスが得られておりません．
この研究ではCanadian Longitudinal Study on Aging（CLSA）において，転倒を予測するために一般的に用いられるモビリティテストの精度と最適なカットオフ値を明らかにすることを目的としております．
研究の方法
Methods: Mobility tests at baseline included the Timed Up and Go (TUG), Single Leg Stance (SLS), chair-rise and gait speed. Inclusion criteria were: age ≥ 65 years and meeting first-level fall screening criteria (i.e. history of a fall or mobility problem) at baseline. Accuracy of fall prediction at 18-months for each test was measured by the area under the receiver operating curve (AUC).
ベースライン時のモビリティテストはTimed Up and Go（TUG），Single Leg Stance（SLS），椅子立ち上がり，歩行速度としております．
対象者は年齢65歳以上で，ベースライン時に転倒スクリーニングの第一レベル基準（転倒歴または運動機能の問題）を満たす者でありました．
各検査における18ヶ月後の転倒予測の精度は，ROC曲線曲線下面積（AUC）により測定されました．
研究の結果
Results: Of 1,121 participants that met inclusion criteria (mean age 75.2 ± 5.9 years; 66.6% women), 218 (19.4%) reported ≥one fall at 18 months. None of the tests achieved acceptable accuracy for identifying individuals with ≥one fall at follow-up. Among women 65-74 and 75-85 years, the TUG identified recurrent fallers (≥two falls) with optimal cut-off scores of 14.1 and 12.9 s (both AUCs 0.70), respectively. Among men 65-74 years, only the SLS showed acceptable accuracy (AUC 0.85) for identifying recurrent fallers with an optimal cutoff of 3.6 s.
参加基準を満たした1,121例（平均年齢75.2±5.9歳，女性66.6%）のうち218例（19.4%）が18か月時点で1回以上の転倒を報告ておりました．
どのパフォーマンステストもフォローアップ時に1回以上転倒した人を識別するのに許容できる精度を達成しておりませんでした．
65～74歳および75～85歳の女性では，TUGはそれぞれ14.1秒および12.9秒の最適カットオフスコアで転倒再発者（2回以上の転倒）を識別しました（いずれもAUC0.70）．
65-74歳の男性では片足立ちのみが，3.6秒の最適なカットオフ値で転倒再発者を識別し許容できる精度を示しました（AUC 0.85）．
研究の結論
Conclusions: Our findings indicate that commonly used mobility tests do not have sufficient discriminability to identify fallers in a population-based sample of community-dwelling older adults. The TUG and SLS can identify recurrent fallers; however, their accuracy and cut-off values vary by age and sex.
この知見は一般的に使用されているパフォーマンステストは，地域在住高齢者の人口ベースのサンプルにおいて転倒者を特定するのに十分な識別能力を有していないことを示すものであります．
TUGとSLSは転倒再発者を識別することができますが，その精度とカットオフ値は年齢と性別によって異なることが明らかとなりました．
今回はTUGや片足立ちから転倒を予測することが可能かどうかを考えるうえで参考になる論文をご紹介させていただきました．
今回の結果から考えるとTUGや片足立ちだけで転倒を予測するのには限界がありそうですね．
運動機能以外の要因も含めて多面的に易転倒性を評価する必要があるでしょうね．
