目次
高齢者の転倒予測にはどの筋力が重要？
高齢者の転倒を予防するために重要なのが筋力です．
しかしながらどの部分の筋力が転倒を予測するうえで重要なのでしょうか？
今回は高齢者の転倒予測にはどの筋力が重要なの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
J Back Musculoskelet Rehabil. 2024 Sep 3. doi: 10.3233/BMR-240142. Online ahead of print.
Comparison of different maximal isometric strength of lower limb muscle groups in predicting fall-risk among older persons
Rutwa Pandya Kulinkumar 1, Faris Bani Yasin 2, Om Prakash Singh 3, Fuad A Abdulla 2, Murugananthan Balaganapathy 1, Jagannathan Madhanagopal 2
Affiliations Expand
PMID: 39670979 DOI: 10.3233/BMR-240142
今回ご紹介する論文は2024年に掲載された論文です．
研究の目的
Background: Many independent studies have investigated the role of normalized maximal voluntary isometric strength (MVIS) of lower limb muscle groups (MVISLLMG) by body weight and summed knee and ankle muscle strength in predicting the risk of falling among older persons. However, it is unknown which MVISLLMG is better at predicting the fall risk.
高齢者の転倒リスクを予測する上で体重別に正規化した下肢筋群の最大随意等尺性筋力（MVIS）（MVISLLMG）と膝関節と足関節の筋力の合計が果たす役割について，多くの独立した研究が調査されてきました．
しかしどちらのMVISLLMGが転倒リスクの予測に優れているかは不明であります．
研究の目的
Objective: This study aimed to compare different MVISLLMG in predicting fall-risk among older persons against the reference standard (history of falls).
この研究では高齢者の転倒リスク予測における異なるMVISLLMGを参照基準（転倒歴）と比較することを目的としております．
研究の方法
Methods: This study had a cross-sectional retrospective diagnostic research design. 47 fallers and 93 non-fallers were recruited from Anand district, Gujarat, India, using sequential sampling. The MVISLLMG was measured with a microFET®2 hand-held dynamometer. Following feature selection, four machine learning (ML) models (Random Forest (RF), k-Nearest Neighbors (KNN), Navie Bayes (NB), and Kernel Support Vector Machines (SVM)), were utilized to assess the diagnostic characteristics of every measured MVISLLMG in comparison to the reference standard. The best ML model was chosen based on the highest diagnostic performance in predicting fall-risk.
研究は横断的後方視的研究デザインを採用しております．
転倒群47例と非転倒群93例を順次サンプリングによりインドのグジャラート州アナンド地区からリクルートしております．
MVISLLMGはmicroFET®2ハンドヘルドダイナモメーターで測定しております．
特徴選択後4つの機械学習（ML）モデル（ランダムフォレスト（RF），k-最近傍（KNN），Navie Bayes（NB），カーネルサポートベクターマシン（SVM））を用いて，測定されたすべてのMVISLLMGの診断特性を基準標準と比較して評価しております．
転倒リスクの予測において最も高い診断性能に基づき最良のMLモデルが選択されております．
研究の結果
Results: Among the ML models, the NB revealed that the non-normalized summed MVIS of knee and ankle muscle (Sensitivity (Se)= 87%, Specificity (Sp)= 91%, Accuracy (Ac)= 90%, Precision (Pr)= 84%) has the best diagnostic characteristics in fall-risk prediction against the fall history, followed by non-normalized MVIS of hip abductor, knee extensor, plantar flexor, and dorsiflexor, normalized summed MVIS of hip sagittal and knee muscle, and normalized MVIS of hip sagittal and frontal, knee, and plantar flexor.
機械学習モデルの中でNBは膝関節と足関節の筋肉の非正規化合計MVIS（感度(Se)=87%，特異度(Sp)=91%，精度(Ac)=90%，精度(Pr)=84%）が転倒歴に対する転倒リスク予測において最も優れた診断特性を持つことを明らかにしました．
次いで股関節外転筋，膝関節伸展筋，足関節底屈筋，足関節背屈筋の非正規化MVIS，股関節伸展筋と膝関節伸展筋の正規化合計MVIS，股関節屈曲・伸展筋と内転・外転筋筋，膝関節筋，足関節底屈筋の正規化MVISとしております．
研究の結論
Conclusion: These results suggest that non-normalized summed MVIS of knee and ankle muscles is the better fall predictor in older persons compared to other index measures. This finding may assist clinicians in playing a better role in selecting suitable MVISLLMG data for fall risk assessment and predicting falls.
これらの結果は膝関節と足関節の筋肉の非正規化合計MVISが他の指標と比較して，高齢者の転倒予測因子として優れていることを示唆しております．
この結果は臨床医が転倒リスク評価や転倒予測のために適切なMVISLLMGデータを選択する際に，より良い役割を果たす助けとなるかもしれません．
今回は高齢者の転倒予測にはどの筋力が重要なの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．
今回の結果から膝関節と足関節の筋力が転倒予測に有効だということになりますね．
