El aprendizaje automático predice el riesgo de caídas de los pacientes con artroplastia total de cadera según las pruebas de rendimiento instrumentadas con sensores portátiles
La prevalencia de caídas afecta el bienestar de los adultos mayores y supone una carga económica para el sistema sanitario. La integración de sensores portátiles en las herramientas de evaluación del riesgo de caídas existentes permite la recopilación de datos objetivos que describen la capacidad funcional de los pacientes. En este estudio, se aplicó el aprendizaje automático supervisado a métricas derivadas de sensores para predecir el riesgo de caídas de los pacientes después de una artroplastia total de cadera.
La alta precisión de los modelos de predicción del riesgo de caídas es valiosa para los pacientes, los médicos y el sistema sanitario. Los pacientes de alto riesgo pueden implementar medidas preventivas y los pacientes de bajo riesgo pueden dirigirse a programas mejorados de atención de recuperación.
https://pubmed.ncbi.nlm.nih.gov/32928593/
https://www.arthroplastyjournal.org/article/S0883-5403(20)30920-7/fulltext
Polus JS, Bloomfield RA, Vasarhelyi EM, Lanting BA, Teeter MG. Machine Learning Predicts the Fall Risk of Total Hip Arthroplasty Patients Based on Wearable Sensor Instrumented Performance Tests. J Arthroplasty. 2021 Feb;36(2):573-578. doi: 10.1016/j.arth.2020.08.034. Epub 2020 Aug 19. PMID: 32928593.
Copyright © 2020 Elsevier Inc. All rights reserved.
