Article de méthode

Utilisation de la technologie de capture de mouvement dans le test instrumenté Timed Up and Go pour détecter le risque de chute chez les adultes âgés

DOI :

10.3791/66025

⸱

25 octobre 2024

 ,  ,  ,  , 
1Department of Neurology, The Seventh Medical Center of Chinese PLA General Hospital, 27th Department of Health Cadre, The Second Medical Center of Chinese PLA General Hospital, 3Department of Neurology, NO 984 Hospital of PLA, 4Department of Emergency, General Hospital of Baoding First Central Hospital, 5Department of Hand and Foot Surgery, Beijing University of Chinese Medicine Third Affiliated Hospital

* These authors contributed equally

Dans cet article

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Le test instrumenté Timed Up and Go (iTUG) suscite de plus en plus d’attention dans l’analyse du balancement corporel et de la démarche avec le développement de nouvelles technologies. Nous présentons un protocole pour analyser les sous-composants de l’iTUG avec capture de mouvement.

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Malgré les efforts de la médecine et de la technologie, l’incidence des chutes chez les personnes âgées continue d’augmenter. Par conséquent, la détection précoce du risque de chute devient de plus en plus importante pour la prévention des chutes. Le test Timed Up and Go (TUG) est un outil bien accepté pour évaluer la mobilité et peut être utilisé pour prédire le risque de chute futur chez les adultes âgés. Dans la pratique clinique, le temps total nécessaire pour terminer le test est le principal critère de jugement du test TUG. En raison de sa simplicité et de sa généralité, le test TUG traditionnel a été considéré comme un test mondial pour l’analyse du mouvement. Cependant, récemment, les chercheurs ont tenté de diviser le test TUG en sous-composants et ont mis à jour son système de score pour des investigations plus approfondies. Le test instrumenté Time Up and Go (iTUG), qui est une nouvelle modification du test TUG traditionnel, est considéré comme un outil sensible pour prédire les troubles du mouvement et le risque de chute chez les personnes âgées. L’objectif de la présente étude était d’analyser les sous-composants de l’essai iTUG à l’aide de la technologie de capture de mouvement et de déterminer quelles sous-tâches de l’essai iTUG sont liées au risque potentiel de chutes futures.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La chute est l’un des syndromes gériatriques les plus courants et la deuxième cause de décès accidentels ou non intentionnels liés à des blessures dans le monde1. Chez les adultes de plus de 65 ans, les chutes peuvent entraîner une déficience fonctionnelle, une invalidité, une diminution de la qualité de vie, une augmentation de la durée de séjour à l’hôpital et même lamort2,3. Par conséquent, la prévention des chutes est de la plus haute importance.

Pour déterminer les prédicteurs des chutes, les chercheurs précédents se sont concentrés sur les analyses de la démarche, les tests d’équilibre, l’état mental, l’utilisation de sédatifs, ainsi que les antécédents de chute au cours de l’année précédente 4,5 Le test Timed Up and Go (TUG) est une mesure rapide de la mobilité basée sur la performance. Le test TUG a été largement étudié chez les personnes âgées et est recommandé comme test de dépistage simple du risque de chute6. Ce test largement utilisé consiste à se lever d’une chaise, à marcher 3 m à la vitesse souhaitée, à se retourner, à revenir et à s’asseoir. Le résultat clinique traditionnel de ce test dépend de sa durée totale7 et est évalué par un chronomètre.

Dans la pratique clinique, le test TUG conventionnel mesure le temps total nécessaire pour effectuer une série d’activités sans diviser la performance du sujet en sous-composants8. Récemment, certains chercheurs ont suggéré que différents composants du test TUG pourraient être particulièrement sensibles en tant que prédicteurs de chutes futures9. Lors de l’utilisation de l’essai TUG instrumenté numérisé (iTUG), les différents composants de l’essai TUG peuvent être analysés séparément. En utilisant l’iTUG, il est possible d’évaluer objectivement plusieurs caractéristiques de chaque sous-phase d’essai du TUG et d’obtenir des données quantitatives, telles que les durées, les vitesses et la vitesse angulaire pertinentes de chaque mouvement. Avec des données plus détaillées, le test iTUG a montré l’avantage de détecter des déficits spécifiques qui peuvent être plus révélateurs du risque de chute10.

En tant que référence en matière d’analyse du mouvement, les technologies de capture de mouvement ont été utilisées pour détecter les mouvements chez les patients atteints de la maladie de Parkinson (MP)11, de troubles cognitifs12 et d’arthrite de lacheville13, ainsi que chez les adultes en bonne santé14. Dans la présente étude, nous avons cherché à analyser les sous-composants du test iTUG à l’aide de la technologie de capture de mouvement et à déterminer la corrélation entre les sous-tâches du test iTUG et le risque potentiel de chutes futures.

Protocole

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Cette étude a été approuvée par le Comité d’éthique académique du septième centre médical de l’hôpital général chinois de l’APL à Pékin, en Chine.

1. Critères d’inclusion/exclusion des participants

  1. Recruter des participants âgés de 65 ans ou plus et obtenir leur consentement éclairé.
  2. Exclure les participants qui présentent une incapacité visuelle et une incapacité évidente des membres inférieurs, comme l’arthrite du genou, la thromboangéite oblitérante et la goutte.

2. Préparation de la zone d’essai

  1. Configurez la zone d’essai iTUG normalisée de 5 m x 8 m ou plus large (voir Figure 1) avec 12 caméras réparties dans la pièce. Installez les configurations traditionnelles du TUG dans la zone d’essai : une chaise et un panneau pour rappeler au participant de faire demi-tour.
    REMARQUE : Les panneaux indiquant les lignes d’itinéraire sont facultatifs.
  2. Assurez-vous que la zone de capture de mouvement est limitée à la portée de toutes les caméras et que toutes les configurations de test TUG ne réfléchissent pas la lumière.

3. Préparation logicielle des procédures avant l’essai

  1. Installez le logiciel de capture de mouvement sur l’ordinateur qui sera utilisé dans la pièce.
  2. Cliquez sur le bouton Seeker pour démarrer le logiciel de capture de mouvement. Après avoir démarré le logiciel, pour la configuration générale de Camara, choisissez le mode par défaut (fréquence d’images = 60 images/s, vitesse d’obturation = 1/1 000 s), qui est acceptable dans la plupart des situations. Définissez les paramètres de l’appareil photo sélectionnés et les paramètres de configuration de l’appareil photo également dans le mode par défaut.
  3. Sélectionnez le mode Live pour définir les paramètres en temps réel.
    REMARQUE : Le mode POST est utilisé pour analyser les données capturées.
  4. Cliquez sur Marqueurs pour configurer les paramètres du marqueur.
  5. Sélectionnez l’axe XY dans l’étalonnage de l’axe du sol et les millimètres dans les unités d’étalonnage.
  6. Cliquez sur Calibrer pour sélectionner la variante d’étalonnage.
  7. Sélectionnez Étalonnage initial et cliquez sur le bouton en forme de « L ». Dans le même temps, emmenez le calibrateur en forme de « L » sur le terrain et placez-le au centre du champ pour vous assurer qu’il peut être capturé par toutes les caméras.
    REMARQUE : Le calibrateur en forme de « L » contient quatre marqueurs réfléchissant la lumière.
  8. Vérifiez à l’écran si les 12 caméras peuvent détecter quatre marqueurs réfléchissants. Si une caméra détecte ≤3 marqueurs, réduisez la luminosité et le seuil à gauche de l’écran. Si une caméra détecte ≥5 marqueurs, vérifiez le terrain et nettoyez ou couvrez les marqueurs réfléchissants indésirables.
    REMARQUE : Certains petits effets personnels de l’ancien participant peuvent être détectés par la caméra.
  9. Retirez le calibrateur en forme de « L » du champ.
  10. Cliquez sur le bouton en forme de « T ». En même temps, apportez le calibrateur en forme de « T » sur le terrain et agitez-le pour vous assurer qu’il peut être capturé par toutes les caméras.
  11. Sélectionnez l’axe Z dans l’étalonnage de l’axe vers le haut et les millimètres dans les unités d’étalonnage.
  12. Demandez aux médecins de vérifier si toutes les caméras peuvent capturer les marqueurs. Agitez les marqueurs dans chaque coin du terrain, en couvrant particulièrement l’espace possible du test TUG.
  13. Vérifiez à l’écran si les 12 caméras peuvent détecter le calibrateur en forme de « T ». Si une caméra ne peut pas le détecter, changez la direction de la caméra.
    REMARQUE : Il existe deux formes de marqueurs qui doivent être calibrés ; En forme de « L » et en forme de « T ». Le calibrateur en forme de « L » dispose de quatre points réfléchissants pour calibrer l’axe XY, et le calibrateur en forme de « T » a quatre points réfléchissants pour calibrer l’axe Z. La durée de l’étalonnage durera 60 s ou plus. Une capture efficace rendra la couleur de l’écran verte.
  14. Cliquez sur Terminer pour terminer l’étalonnage.
  15. Cliquez sur Enregistrer l’étalonnage pour enregistrer le mode d’étalonnage effectif.
    REMARQUE : L’étalonnage est effectué dans un modèle 2D ; un modèle 3D est souvent utilisé lors du test.

4. Test iTUG

REMARQUE : Les participants doivent porter des vêtements et des chaussures moulants mais confortables.

  1. Fixez les points réfléchissants sur les repères anatomiques : apophyse épineuse cervicale 7 et apophyse épineuse thoracique 10, acromion gauche et acromion droit.
    REMARQUE : Chaque participant peut avoir jusqu’à 17 points de réflexion attachés. Plus il y a de points de réflexion attachés, plus les données collectées sont précises, mais aussi moins les participants se sentent à l’aise.
  2. Cliquez avec le bouton droit de la souris sur les points réfléchissants sur la ligne droite de l’écran et désignez-les comme C7, T10, épaule gauche et épaule droite.
  3. Montrez les instructions aux participants. L’instruction est la suivante : « Veuillez vous lever de la chaise, marcher 3 m à la vitesse souhaitée, faire demi-tour, revenir et vous asseoir. »
  4. Demandez aux participants d’effectuer le test iTUG à l’avance pour s’assurer qu’ils sont familiers avec l’instruction.
    REMARQUE : Assurez-vous que chaque participant est à l’aise une fois les points réfléchissants fixés.
  5. Demandez au participant d’effectuer le test iTUG.
    REMARQUE : Les participants doivent marcher pour accomplir la tâche iTUG.
  6. Pendant que le participant effectue le test iTUG, cliquez sur les boutons de démarrage et d’arrêt sur l’écran de l’ordinateur.
    REMARQUE : Pendant le test iTUG, le système de capture de mouvement échantillonne les données de tous les points attachés à une fréquence de 60 Hz ; une vidéo est formée en conséquence (voir Vidéo 1).

5. Collecte de données et définition des variables d’essai iTUG

  1. Cliquez sur le bouton Paramètres d’enregistrement .
    REMARQUE : Les données sont stockées et trouvées dans une feuille de calcul.
  2. Sélectionnez Données brutes de l’appareil photo |ASCTI sur chenilles | Binaire suivi. La durée de capture est de 20 s.
  3. Tapez le nom du participant.
  4. Cliquez sur le bouton Enregistrer pour lancer la collecte de données.
  5. Identifiez les sous-phases du test iTUG en visionnant la vidéo et calculez les variables en fonction des données.
    1. Définissez les variables suivantes : temps total de l’essai TUG traditionnel, temps de la phase 1 (se lever de la chaise), temps de la phase 1 du balancement du corps (se lever de la chaise), temps de la phase 2 (marcher 3 m à la vitesse souhaitée), balancement du corps de la phase 2 (marcher 3 m à la vitesse souhaitée), temps de la phase 3 (se retourner), balancement du corps de la phase 3 (se retourner), Vitesse angulaire de la phase 3 (retour), du temps de la phase 4 (retour), du balancement du corps de la phase 4 (retour) et du temps de la phase 5 (assise).
      REMARQUE : Les détails sont similaires à ceux décrits par Caronni et ses collègues15.

6. Indice de risque de chute de Downton (DFRI)

  1. Évaluez le risque de chute à l’aide de l’indice de risque de chute Downton (DFRI).
    REMARQUE : Le DFRI (tableau 1) comprend 11 éléments de risque, qui sont notés un point chacun. Les scores sont additionnés à un score total de l’indice, compris entre 0 et 11. Un score de ≥3 est considéré comme indiquant un risque élevé de chutes. Pour évaluer le risque de chute, le DFRI est généralement utilisé pour les participants admis à l’hôpital, et l’outil de dépistage des chutes et accidents à domicile (HOME FAST) est plus adapté aux habitants de la communauté.

7. Analyse statistique

  1. Utiliser un progiciel statistique disponible dans le commerce pour effectuer toutes les analyses statistiques. Utilisez le test t de Student pour évaluer les différences entre les groupes et choisissez le coefficient de corrélation de Pearson pour évaluer la relation entre les sous-composantes de l’iTUG et le score DFRI sur l’échantillon total, avec un P < 0,05 indiquant une différence statistiquement significative.
  2. Utilisez les procédures de Bland-Altman pour évaluer la concordance pour la durée de la phase 1, la vitesse angulaire de la phase 3 et la durée de la phase 4 entre notre méthode et le capteur McRoberts (voir le tableau des matériaux). Calculer la différence moyenne entre les deux méthodes de mesure et la limite de concordance de 95 % pour la différence moyenne calculée.

Résultats

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Treize participants âgés présentant un risque élevé de chute (score DFRI : 3-11) et 11 sujets âgés présentant un risque faible de chute (score DFRI : 0-2) ont été recrutés. Le DFRI est détaillé dans le tableau 1. Comme nous l’avons mentionné précédemment, un score de 3 ou plus est considéré comme indiquant un risque élevé de chute pour les patients pendant l’hospitalisation16.

Les données démographiques sont présentées dans le tableau 1, qui comprend le sexe, l’âge, le score au test TUG et les variables du test iTUG. Comme le montre le tableau 2, il n’y avait pas de différences significatives entre les groupes en ce qui concerne le sexe et l’âge. Une différence marginale existait entre les groupes dans le score du test TUG (15,4 ± 5,3 s vs 11,2 ± 5,5 s, P = 0,056). Le score du test TUG a été basé sur la méthode traditionnelle (temps d’achèvement). Les personnes présentant un risque élevé de chute présentaient une durée de phase 3 significativement plus élevée (2,8 ± 1,5 s vs 2,0 ± 0,9 s, P = 0,023) et une durée de phase 4 (2,9 ± 1,6 s vs 2,1 ± 1,0 s, P = 0,024), ainsi qu’une vitesse angulaire de phase 3 plus faible (1,2 ± 0,4 º/s vs 1,7 ± 0,4 º/s, P = 0,021), par rapport aux personnes à faible risque de chute. Les variables liées au balancement corporel n’étaient pas significativement différentes entre les groupes.

Comme le montre le tableau 3, il existait une corrélation significative entre le score DFRI et la durée de la phase 1, la durée de la phase 3, la vitesse angulaire de la phase 3, la durée de la phase 4 et la durée de la phase 5. Cependant, nous n’avons pas trouvé de tendances similaires entre les DFRI et les variables d’oscillation de chaque phase d’iTUG.

Comme le montre la figure 2, les graphiques de Bland-Altman suggèrent que la concordance entre iTUG et le capteur d’accéléromètre Dynaport est acceptable pour la durée de la phase 1, la vitesse angulaire de la phase 3 et la durée de la phase 4. Il y avait une (5 %), zéro (0 %) et une (5 %) valeurs aberrantes par rapport à la valeur de l’écart-type de 1,96 pour la durée de la phase 1, la vitesse angulaire de la phase 3 et la durée de la phase 4, respectivement.

figure-results-1
Figure 1 : Les sous-composants du test instrumenté Time Up and Go. (A) Avant la phase 1 : personne assise sur la chaise. (B) Pendant la phase 2 : en route vers le spectateur. (C) Pendant la phase 3 : faire le tour de la chaise à l’avant. (D) Au cours de la phase 4 : retour vers le fauteuil d’origine. Abréviation : iTUG = instrumented Time Up and Go. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-2
Figure 2 : Graphique de Bland-Altman pour comparer l’iTUG et le capteur d’accéléromètre Dynaport. (A) Graphique de Bland-Altman pour la durée de la phase 1 à l’aide de l’iTUG et du capteur d’accéléromètre Dynaport. (B) Graphique de Bland-Altman pour la vitesse angulaire de la phase 3 à l’aide de l’iTUG et du capteur d’accéléromètre Dynaport. (C) Graphique de Bland-Altman pour la durée de la phase 4 à l’aide d’iTUG et du capteur d’accéléromètre Dynaport. Veuillez cliquer ici pour voir une version agrandie de cette figure.

ArticlesScore
Chutes antérieures connues
Oui1
Non0
Médicaments
Tranquillisants/sédatifs1
Diurétiques1
Antihypertenseurs (autres que les diurétiques)1
Médicaments antiparkinsoniens1
Antidépresseurs1
Autres médicaments1
Aucun0
Déficits sensoriels
Déficience visuelle1
Auditif1
Déficience des membres1
Aucun0
État mental
Confus (troubles cognitifs)1
Orientée0
Démarche
Dangereux (avec/sans aides à la marche)1
En sécurité avec des aides à la marche0
Normal (sûr sans aide à la marche)0
Incapable0

Tableau 1 : Les éléments de l’indice de risque de chute de Downton et le système de notation. Un score DFRI supérieur à 3 points indique un risque élevé de chute. Abréviation : DFRI = Indice de risque de chute de Downton.

Risque élevé de chuteFaible risque de chuteValeur P
(n=13)(n = 11)
Sexe, H/F“3/10”“4/7”0.08
Âge, années74.29 (6.61)70.40 (9.23)0.077
Score TUG (pointage TUG : s)15.4 (5.3)11.2 (5.5)0.056
Durée de la phase 1, par1.4 (0.4)1.2 (0.2)0.56
Phase 1 balancement, °123.3 (68.9)110.3 (57.7)0.684
Durée de la phase 2, s2.9 (1.0)2.8 (1.4)0.924
Phase 2 balancement, °141.3 (72.6)132.2 (48.6)0.082
Durée de la phase 3, par2.8 (1.5)2.0 (0.9)0.023*
Vitesse angulaire de la phase 3, °/s1.2 (0.4)1.7 (0.4)0.021*
Durée de la phase 4, s2.9 (1.6)2.1 (1.0)0.024*
Phase 4 balancement, °119.8 (64.1)113.5 (55.7)0.936
Durée de la phase 5, s4.6 (1.7)3.5 (1.5)0.063
Valeur = Moyenne (Écart-type)

Tableau 2 : Données démographiques et variables de test Time Up and Go instrumentées des participants. Des différences significatives dans la durée de la phase 3, la durée de la phase 4 et la vitesse angulaire de la phase 3 ont été observées entre les groupes.

DFRIvaleur rValeur P
Durée de la phase 1, par0.3470.007*
Phase 1 balancement, °0.0610.804
Durée de la phase 2, s-0.0260.898
Phase 2 balancement, °0.2870.174
Durée de la phase 3, par0.4620.020*
Vitesse angulaire de la phase 3, °/s-0.4030.003*
Durée de la phase 4, s0.4870.000*
Phase 4 balancement, °0.3120.137
Durée de la phase 5, s0.5680.000*
Une valeur r plus élevée représente une relation étroite
DFRI = Indice de risque de chute de Downton

Tableau 3 : Corrélations entre le score DFRI et les sous-composantes de l’iTUG. Corrélation significative entre le score DFRI et la durée de la phase 1, la durée de la phase 3, la vitesse angulaire de la phase 3, la durée de la phase 4 et la durée de la phase 5. Abréviations : iTUG = instrumenté Time Up and Go ; DFRI = Indice de risque de chute de Downton.

Vidéo 1 : Un exemple de tâche iTUG. Veuillez cliquer ici pour voir cette vidéo.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les étapes critiques du protocole consistent à fixer les points réfléchissants avec précision aux repères anatomiques afin d’éviter les biais. En outre, l’identification de chaque sous-composant de l’essai iTUG est également une étape critique ; Une révision vidéo est utile pour l’identification.

Une différence marginale existait entre les groupes dans les scores du test TUG, ce qui signifie que les scores TUG traditionnels pourraient ne pas être assez sensibles pour discriminer le risque de chute. Nous n’avons pas trouvé de différences évidentes entre les groupes dans la durée de la phase 1 et de la phase 5, ce qui pourrait s’expliquer par le fait que tous les participants n’ont pas montré d’anomalies dans la force des membres inférieurs. La durée de la phase 1 est associée à la force des membres inférieurs chez les personnes âgées présentant un risque élevé de chute17,18. La vitesse angulaire de la phase 3 signalée comme un point clé associé à l’hypofonction vestibulaire, ainsi que la durée de la phase 3, se sont avérées corrélées avec le score DFRI19. Le risque élevé de chute chez les personnes âgées peut être causé par une sensation d’étourdissement liée à l’hypofonction vestibulaire.

Cette méthode présente quatre limites. Tout d’abord, le système de capture de mouvement est actuellement coûteux ; Cependant, ce système deviendra de plus en plus économique avec le développement des technologies. Deuxièmement, la salle d’essai spécifique est également un défi potentiel. Comme on l’a mentionné précédemment, certains effets personnels des participants perdus sur le sol peuvent être détectés comme un point de réflexion ; Par conséquent, la pièce doit être nettoyée avec soin. De plus, ce test iTUG basé sur un système de capture de mouvement nécessite beaucoup plus d’espace que le test TUG traditionnel. Le test TUG traditionnel n’a besoin que de 3 m x 2 m et peut donc être effectué dans de nombreux endroits (par exemple, couloir, salle d’essai, service). Alors que la salle pour le test iTUG doit être plus grande que 32 m2 car les caméras sont installées autour de la pièce. Troisièmement, les points de réflexion peuvent impacter la conformité des participants. Plus il y a de points réfléchissants, plus le niveau de confort signalé peut être faible. Les chercheurs doivent confirmer si les points réfléchissants influencent la mobilité des participants. Quatrièmement, le test iTUG est une mesure coûteuse par rapport au test TUG traditionnel.

Le test TUG est un moyen couramment utilisé pour évaluer le mouvement et le risque de chute20. Cependant, à l’exception du temps de traitement, les médecins peuvent difficilement obtenir plus d’informations à partir de la version traditionnelle. Alors qu’iTUG a mis en évidence des points pour montrer plus de détails. L’importance de cette méthode est qu’elle subdivise l’essai TUG traditionnel avec un système de capture de mouvement, fournissant de nouvelles variables concernant le temps et le balancement du corps. Nos résultats ont démontré que certaines variables temporelles de sous-composantes, plutôt que les variables de balancement du corps, différaient entre les groupes. Le système de capture de mouvement peut également être utilisé dans la marche en tandem et le test de Romberg pour mettre en évidence le déséquilibre chez les patients atteints de MP, d’ataxie cérébelleuse et de commotions cérébralessportives 21,22,23. Comme des études récentes ont démontré que les sous-composants du test TUG sont associés à la fonction cognitive6,24, cette méthode peut également être utilisée dans le dépistage des troubles cognitifs.

Déclarations de divulgation

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les auteurs n’ont aucun conflit d’intérêts à divulguer.

Remerciements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les auteurs remercient le Dr Honghua Zhou pour son soutien en matière de technologie numérique. Cette étude a été soutenue par les Fonds de Capital pour l’amélioration de la santé et la recherche de la Chine (ID :2024-2-7031).

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Bande noireDeli60 mm x 20 m
CalibrateurMarqueur réflecteur NOKOV1Marqueur
réflecteurCalibrateur NOKOV2Chaise en forme
de T YUANSHENGYUANDAI" 10076062317820 »
OrdinateurHUAWEIHONOR
McRoberts capteur  ;DynaPort Hybrid, McRoberts, La Haye, Pays-Bas
Caméra de capture de mouvementNOKOVMars2H
Logiciel de capture de mouvementNOKOVDG-01
Marqueur réfléchissantNOKOVpetit marqueurpour calibrateurs
Marqueur réfléchissantNOKOVgrand marqueurpour participants

Références

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Dokuzlar, O., et al. Assessment of factors that increase risk of falling in older women by four different clinical methods. Aging Clin Exp Res. 32 (3), 483-490 (2020).
  2. King, B., Pecanac, K., Krupp, A., Liebzeit, D., Mahoney, J. Impact of fall prevention on nurses and care of fall risk patients. The Gerontologist. 58 (2), 331-340 (2018).
  3. Mazur, K., Wilczyński, K., Szewieczek, J. Geriatric falls in the context of a hospital fall prevention program: delirium, low body mass index, and other risk factors. Clin Interv Aging. 11, 1253-1261 (2016).
  4. Beck Jepsen, D., et al. Predicting falls in older adults: an umbrella review of instruments assessing gait, balance, and functional mobility. BMC Geriatrics. 22 (1), 615(2022).
  5. Meekes, W. M., Korevaar, J. C., Leemrijse, C. J., Van de Goor, I. A. Practical and validated tool to assess falls risk in the primary care setting: a systematic review. BMJ Open. 11 (9), 045431(2021).
  6. Mirelman, A., et al. Association between performance on Timed Up and Go subtasks and mild cognitive impairment: further insights into the links between cognitive and motor function. J Am Geriatr Soc. 62 (4), 673-678 (2014).
  7. Palmerini, L., Mellone, S., Avanzolini, G., Valzania, F., Chiari, L. Quantification of motor impairment in Parkinson's disease using an instrumented timed up and go test. IEEE Trans Neural Syst Rehabil Eng. 21 (4), 664-673 (2013).
  8. Cimolin, V., et al. Do wearable sensors add meaningful information to the Timed Up and Go test? A study on obese women. J Electromyogr Kinesiol. 44, 78-85 (2019).
  9. Ayena, J. C., Chioukh, L., Otis, M. J., Deslandes, D. Risk of falling in a timed up and go test using an UWB Radar and an instrumented insole. Sensors. 21 (3), 722(2021).
  10. Sample, R. B., Kinney, A. L., Jackson, K., Diestelkamp, W., Bigelow, K. E. Identification of key outcome measures when using the instrumented timed up and go and/or posturography for fall screening. Gait Posture. 57, 168-171 (2017).
  11. Beyea, J., McGibbon, C. A., Sexton, A., Noble, J., O'Connell, C. Convergent validity of a wearable sensor system for measuring sub-task performance during the timed up-and-go test. Sensors. 17 (4), 934(2017).
  12. McGough, E. L., Gries, M., Teri, L., Kelly, V. E. Validity of instrumented 360° turn test in older adults with cognitive impairment. Phys Occup Ther Geriatr. 38 (2), 170-184 (2020).
  13. Wang, H., Brown, S. R. The effects of total ankle replacement on ankle joint mechanics during walking. J Sport Health Sci. 6 (3), 340-345 (2017).
  14. Mehdizadeh, S., et al. The Toronto older adults gait archive: video and 3D inertial motion capture data of older adults' walking. Sci Data. 9 (1), 398(2022).
  15. Caronni, A., et al. Criterion validity of the instrumented Timed Up and Go test: A partial least square regression study. Gait Posture. 61, 287-293 (2018).
  16. Mojtaba, M., Alinaghizadeh, H., Rydwik, E. Downton Fall Risk Index during hospitalisation is associated with fall-related injuries after discharge: a longitudinal observational study. J Physiother. 64 (3), 172-177 (2018).
  17. Hershkovitz, L., Malcay, O., Grinberg, Y., Berkowitz, S., Kalron, A. The contribution of the instrumented Timed-Up-and-Go test to detect falls and fear of falling in people with multiple sclerosis. Mult Scler Relat Disord. 27, 226-231 (2019).
  18. Zarzeczny, R., et al. Aging effect on the instrumented Timed-Up-and-Go test variables in nursing home women aged 80-93 years. Biogerontology. 18 (4), 651-663 (2017).
  19. Kim, K. J., et al. The instrumented timed "Up & Go" test distinguishes turning characteristics in vestibular hypofunction. Phys Ther. 101 (7), 103(2021).
  20. Montero-Odasso, M., et al. World guidelines for falls prevention and management for older adults: a global initiative. Age Ageing. 51 (9), (2023).
  21. Rocchi, L., Palmerini, L., Weiss, A., Herman, T., Hausdorff, J. M. Balance testing with inertial sensors in patients with Parkinson's disease: assessment of motor subtypes. IEEE Trans Neural Syst Rehabil Eng. 22 (5), 1064-1071 (2014).
  22. Ngo, T., et al. A comparative severity assessment of impaired balance due to cerebellar ataxia using regression models. Annu Int Conf IEEE Eng Med Biol Soc. 2020, 4571-4574 (2020).
  23. Celik, Y., Powell, D., Woo, W. L., Stuart, S., Godfrey, A. A feasibility study towards instrumentation of the Sport Concussion Assessment Tool (iSCAT). Annu Int Conf IEEE Eng Med Biol Soc. 2020, 4624-4627 (2020).
  24. Coni, A., et al. Comparison of standard clinical and instrumented physical performance tests in discriminating functional status of high-functioning people aged 6170 years old. Sensors. 19 (3), 449(2019).

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Fall Risk DetectionInstrumented TUG TestMobility AssessmentOlder AdultsBody Sway AnalysisReflective MarkersDownton Fall Risk IndexMovement Disorders

Articles connexes