За даними недавніх досліджень, люди з ампутованими кінцівками частіше падають, ніж люди, що належать до здорової геріатричної популяції. При цьому люди з ампутованими кінцівками довго взагалі не враховувалися у дослідженнях ризику падінь та потенційних можливостей розв’язання цієї проблеми.
Випадкові падіння є другою причиною смертності від травм населення світу
При цьому падіння посідають перше місце серед людей віком від 65 років та старших. Згідно з даними Центрів з контролю та профілактики захворювань, рівень смертності в цій групі з 2009 по 2018 зріс на 30%.
Для боротьби з зростаючою небезпекою почалася розробка та впровадження продуктів, які розробляються для того, щоб виявляти падіння та викликати медиків, або для прогнозування падіння перед падінням.
Принцип роботи програми
Алгоритм програм розробляється не тільки для людей похилого віку, а й для пацієнтів з ампутованими кінцівками. Згідно з даними дослідників, ця група схильна до падінь частіше (до 80%), ніж здорова геріатрична популяція.
Нова програма, розроблена в колаборації дослідників з Канади та Словенії, спробує заповнити цю прогалину. Програма на смартфон враховує зміни ходи, які відбуваються після ампутації нижніх кінцівок, внаслідок чого можна спрогнозувати ризик падіння.
Журнал PLOS Digital Health опублікував результати дослідження, в яких йдеться про те, що алгоритм машинного навчання вбудований у додаток для смартфона. Смартфон надягають на поперек пацієнта під час стандартного шестихвилинного тесту ходьби – 6MWT. Після того, як тест 6MWT завершений, до роботи починає штучний інтелект: кожен удар ногою автоматично фіксується. Як правило, це доводиться робити в ході трудомісткого ручного процесу, оскільки, за словами авторів дослідження, більшість інших алгоритмів оцінки ризику падіння не були запрограмовані для аналізу мінливості та нестабільності ходи людей з ампутованими кінцівками.
У тесті ходьби брали участь 80 осіб, 27 з яких пережили падіння протягом попередніх шести місяців і, таким чином, були класифіковані як такі, що мають більш високий ризик у майбутньому. Кожен тест аналізувався з використанням як ручного маркування ударів ногою, так і автоматичного маркування нової програми.
Ручне маркування виявилося більш точним при класифікації ризику падіння всіх пацієнтів, при цьому програма виявилася однаково здатною ідентифікувати пацієнтів з вищим ризиком падіння, причому обидва методи досягли чутливості близько 56%.
Загалом, точність ручного підходу до маркування досягла 80% порівняно з 72% для програми, яка була знижена через шість додаткових помилкових спрацьовувань, які він зробив
В цілому, дослідники дійшли висновку, що ці результати свідчать про те, що алгоритм є життєздатним варіантом, що допомагає розрахувати ризик падіння для людей з ампутованими кінцівками, і тому його можна інтегрувати у додаток для смартфона, щоб забезпечити клінічну оцінку одразу після 6MWT.
