{{{sourceTextContent.title}}}

Wissen Sie, wie Sie das Sturzrisiko einschätzen können?

{{{sourceTextContent.subTitle}}}

Sturzgefahr

{{{sourceTextContent.description}}}

Ein Blick auf das Sturzrisikoprotokoll

Stürze sind eine der Hauptursachen für schwerwiegende Gesundheitsprobleme bei älteren Erwachsenen und machen mehr als 50 % der Krankenhausaufenthalte aufgrund von Verletzungen in dieser Altersgruppe aus [1]. Stürze haben einen multifaktoriellen Ursprung, zu dem Mobilitätsprobleme, Gleichgewichtsstörungen, chronische Krankheiten und Sehstörungen gehören. Daher ist es wichtig, das Screening des Sturzrisikos in die Routine der Gesundheitsüberwachung älterer Menschen aufzunehmen.

Die PhysioSensing Balance Software verfügt über ein Protokoll namens Sturzrisiko, mit dem sich potenziell sturzgefährdete ältere Menschen identifizieren lassen. Dieses Tool hilft dem Gesundheitspersonal, das Sturzrisiko des Patienten in niedrig, mittel oder hoch einzustufen.

Wie wird es durchgeführt?

Mit diesem Protokoll wird das statische Gleichgewicht mit einer Druck-/Kraftplatte unter vier Bedingungen gemessen:

1. Bequeme Haltung mit offenen Augen (Blick nach vorn auf einen Punkt in Augenhöhe);

2. Bequemer Stand mit geschlossenen Augen;

3. Enge Haltung mit geöffneten Augen (Blick nach vorn auf einen Punkt in Augenhöhe);

4. Enge Haltung mit geschlossenen Augen.

Abbildung 1 - Schnittstelle des Sturzrisikoprotokolls, für bequeme und enge Haltung.

Jede Bedingung ist ein Versuch von 45 Sekunden. Der Patient sollte während der Bewertung stillhalten und die Hände auf die Hüften legen

Berechnete Maßnahmen

Nach Durchführung aller Bedingungen des Protokolls wird der Wert des Schwankgeschwindigkeitsindex (SVI) für jede der Bedingungen angezeigt. Dieser Index basiert auf der mediolateralen Geschwindigkeit geteilt durch die Körpergröße des Patienten und wird dann mit der natürlichen Logarithmusfunktion normalisiert. Die mediolaterale Geschwindigkeit ist die Verschiebung des Druckzentrums während des Versuchs geteilt durch die Zeit (mm/s). Dieses Konzept ist in der Abbildung 2 oben links zu sehen, in der die Software für jeden Versuch die Pendelverschiebung in mediolateraler Richtung während jeder Erfassung (100 Erfassungen pro Sekunde) berechnet und am Ende das mittlere Ergebnis präsentiert.

Abbildung 2: Darstellung des Schwerpunkts (CoG) und der Pendelverschiebung in mediolateraler und anteroposteriorer Richtung. Das Schwanken des Körpers kann in Werte für den Druckmittelpunkt in mediolateraler und anteroposteriorer Richtung (Statokinesigramm) umgerechnet werden, und die Software analysiert anschließend die COP-Verschiebung während der Studie (Stabilogramm), um die mittlere mediolaterale Geschwindigkeit zu berechnen.

Anschließend werden die SVI-Ergebnisse mit altersabhängigen normativen Daten verglichen, wie in Abbildung 3 dargestellt. Die normativen Werte beziehen sich auf Personen über 50 Jahre.

Abbildung 3 - Beispiel für das Diagramm des Ergebnisbereichs. Die normativen Werte für jede Bedingung werden neben den Ergebnissen dargestellt. Die Farbe der Balken ist je nach Ergebnis grün, gelb oder rot.

Die Software zeigt auch die mediolaterale Geschwindigkeit des Druckmittelpunkts, die Ellipsenfläche, die 95 % der COP-Werte enthält, und den Z-Score (Standardabweichungen des SVI vom in den normativen Werten angegebenen Mittelwert) an.

Darüber hinaus können die Druckmittelpunktspur für jede Bedingung sowie die Darstellung der berechneten Ellipse beobachtet werden (Abbildung 4).

Abbildung 4 - Beispiel einer Druckmittelpunktkurve für eine enge Haltung mit Darstellung der Ellipse.

All diese Informationen können schnell in einen PDF-Bericht exportiert werden, und auch der Fortschritt zwischen den Auswertungen kann angezeigt werden. Dies ermöglicht eine objektivere und quantitativere Betrachtung des Sturzrisikos anhand der SVI-Ergebnisse auf wöchentlicher oder monatlicher Basis.

Signifikanz

Das Protokoll des Sturzrisikotests basiert auf Forschungsergebnissen der Universität von Dayton [2] und der Universität von Jyväskylä in Finnland [3]. Ergebnisse, die innerhalb der normativen Werte liegen, deuten auf ein geringes Sturzrisiko hin. Dieses Protokoll kann ein vorläufiges Screening-Instrument für das Sturzrisiko sein, da die mediolaterale Schwankgeschwindigkeit als ein Parameter identifiziert wurde, der in jeder Testbedingung am besten zwischen wiederholten Stürzen und nicht wiederholten Stürzen unterscheidet

Schwankgeschwindigkeitsindexwerte, die über den normativen Werten liegen, deuten auf Defizite bei der Haltungskontrolle hin. In diesem Fall sollte das medizinische Fachpersonal eine eingehendere Risikobewertung vornehmen (z. B. Sturzanamnese, Sturzangst, Medikation, Kraft der unteren Gliedmaßen, Propriozeption und vestibuläre oder visuelle Defizite) und Strategien zur Sturzvermeidung und Verringerung des Verletzungsrisikos empfehlen.

Es hat sich jedoch gezeigt, dass mehrere aus den Daten des Druckzentrums extrahierte Schwankungsparameter mit dem Sturzrisiko korrelieren. In einer kürzlich erschienenen systematischen Übersichtsarbeit von F. Quijoux et al. [4] wird darauf hingewiesen, dass die Schwankungsfläche und die radiale Durchschnittsgeschwindigkeit (Kombination aus ML- und AP-Geschwindigkeit) eine Unterscheidung zwischen Sturzgefährdeten und Nicht-Sturzgefährdeten ermöglichen können

Es ist wichtig, darauf hinzuweisen, dass die instrumentelle Bewertung des Schwankens auch ein nützliches Instrument sein kann, um das Gesundheitspersonal dabei zu unterstützen, die Effektivität und Effizienz von Rehabilitationsprogrammen zur Verringerung des Sturzrisikos ihrer Patienten und zur Verhinderung von Stürzen zu steuern und zu bewerten.

Sturzprävention

Sensing Future hat zusammen mit Fraunhofer AICOS und der Coimbra Health School FallSensing entwickelt, eine Lösung für das Screening des Sturzrisikos und die Durchführung von Übungen zur Sturzprävention, die gleichzeitig Biofeedback während der Ausführung der Übungen liefern (Abbildung 5). Die Übungen werden mit zwei tragbaren Trägheitssensoren und der PhysioSensing-Druckplattform zur Bewertung von Mobilität, Kraft und Gleichgewicht überwacht. Drei Jahre lang ermöglichte das FallSensing-Screening-Tool die Bewertung des Sturzrisikos von 537 in der Gemeinde lebenden Erwachsenen im Alter von 50 Jahren. Die FallSensing-Interventionsinstrumente wurden bei 69 älteren Menschen eingesetzt, in die verschiedene Übungen aus dem Otago-Programm integriert wurden. Die Projektergebnisse wiesen darauf hin, dass die verwendete Technologie für die Bewegungsverfolgung bei Übungen zur Sturzprävention geeignet war, wobei Bewegungsumfang, Gewichtsverteilung und -verlagerung, Gleichgewicht und Zykluserkennung bei allen Übungen erfolgreich überwacht wurden [5]-[7].

Abbildung 5 - Beispiel einer FallSensing-Übung. Der Patient steht über einer PhysioSensing-Druckplattform mit zwei Inertialsensoren in den Beinen, die dem Patienten während der Sturzpräventionsübungen ein Biofeedback geben

Das könnte Ihnen auch gefallen: 12 Protokolle für die Gleichgewichtsbeurteilung mit Kraft/Druckplatte

>>> Fordern Sie jetzt ein Angebot für Sturzrisiko-Protokoll an

Cláudia Tonelo

Sensing Zukunftstechnologien

Literaturverzeichnis

[1] Weltgesundheitsorganisation, Hrsg., WHO global report on falls prevention in older age, 2007, https://www.who.int/ageing/publications/Falls_prevention7March.pdf?ua=1.

[2] K. Edginton Bigelow und N. Berme, "Development of a Protocol for Improving the Clinical Utility of Posturography as a Fall-Risk Screening Tool", The Journals of Gerontology Series A: Biological Sciences and Medical Sciences, Bd. 66A, Nr. 2, S. 228-233, Feb. 2011, doi: 10.1093/gerona/glq202.

[3] S. Pajala, P. Era, M. Koskenvuo, J. Kaprio, T. Tormakangas, and T. Rantanen, "Force Platform Balance Measures as Predictors of Indoor and Outdoor Falls in Community-Dwelling Women Aged 63-76 Years," The Journals of Gerontology Series A: Biological Sciences and Medical Sciences, vol. 63, no. 2, pp. 171-178, Feb. 2008, doi: 10.1093/gerona/63.2.171.

[4] F. Quijoux et al., "Center of pressure displacement characteristics differentiate fall risk in older people: A systematic review with meta-analysis," Ageing Research Reviews, vol. 62, p. 101117, Sep. 2020, doi: 10.1016/j.arr.2020.101117.

[5] J. Silva, I. Sousa, and J. S. Cardoso, "Fusion of Clinical, Self-Reported, and Multisensor Data for Predicting Falls," IEEE J Biomed Health Inform, vol. 24, no. 1, pp. 50-56, Jan. 2020, doi: 10.1109/JBHI.2019.2951230.

[6] J. Silva et al. "Comparing Machine Learning Approaches for Fall Risk Assessment:", in Proceedings of the 10th International Joint Conference on Biomedical Engineering Systems and Technologies, Porto, Portugal, 2017, pp. 223-230. doi: 10.5220/0006227802230230.

[7] J. Silva, D. Moreira, J. Madureira, E. Pereira, A. Dias, and I. Sousa, "A Technological Solution for Supporting Fall Prevention Exercises at the Physiotherapy Clinic," in 2018 IEEE International Symposium on Medical Measurements and Applications (MeMeA), Rome, Italy, Jun. 2018, pp. 1-6. doi: 10.1109/MeMeA.2018.8438811.