gms | German Medical Science

German Congress of Orthopaedics and Traumatology (DKOU 2022)

25. - 28.10.2022, Berlin

KI basierte Erkennung des Sturzrisikos mittels einer sohlenbasierten Ganganalyse bei orthogeriatrischen Patienten

Meeting Abstract

  • presenting/speaker Moritz Kraus - Muskuloskelettales Universitätszentrum München, LMU Klinikum, München, Germany
  • Maximilian Saller - Muskuloskelettales Universitätszentrum München, LMU Klinikum, München, Germany
  • Richard Zaccharia - Muskuloskelettales Universitätszentrum München, LMU Klinikum, München, Germany
  • Ulla Stumpf - Muskuloskelettales Universitätszentrum München, LMU Klinikum, München, Germany
  • Harald Böhm - Orthopädisches Behandlungszentrum, Aschau, Aschau im Chiemgau, Germany
  • Carl Neuerburg - Muskuloskelettales Universitätszentrum München, LMU Klinikum, München, Germany
  • Wolfgang Böcker - Muskuloskelettales Universitätszentrum München, LMU Klinikum, München, Germany
  • Alexander M. Keppler - Muskuloskelettales Universitätszentrum München, LMU Klinikum, München, Germany

Deutscher Kongress für Orthopädie und Unfallchirurgie (DKOU 2022). Berlin, 25.-28.10.2022. Düsseldorf: German Medical Science GMS Publishing House; 2022. DocAB37-968

doi: 10.3205/22dkou242, urn:nbn:de:0183-22dkou2421

Published: October 25, 2022

© 2022 Kraus et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Fragestellung: Zur Sturzrisikoermittlung bei orthogeriatrischen Patienten werden im klinischen Alltag meist Performance-Tests herangezogen, bei denen lediglich die benötigte Zeit für bestimmte Aufgaben gemessen wird. Darüber hinaus liefert der geschulte klinische Blick einen relevanten Eindruck, wie sicher das Gangbild eines Patienten ist. Diesen subjektiven Blick durch eine spezielle Analysemethode des Abrollvorgangs nachzubilden und die Patienten automatisch hinsichtlich ihres individuellen Sturzrisikos im Vergleich zu etablierten Scores zu stratifizieren ist das Ziel dieser Studie.

Methodik: Bei 38 orthogeriatrischen Patienten wurden mit einer mobilen Sensorsohle (Sience3, Moticon®) während des Timed-up-and-Go-Tests (TUG-TEST) Ganganalysen im Rahmen eines klinischen Sturzassessments durchgeführt. Dabei wurde über 16 Einzelsensoren je das „Center of Pressure“ während des Gehens für beide Füße individuell aufgezeichnet. Die so erhobenen Verläufe wurden dann mittels einer multivariaten funktionalen Hauptkomponentenanalyse clusterbasiert verglichen und eine Korrelation mittels etablierten klinischen Scores durchgeführt.

Ergebnisse und Schlussfolgerung: Der Clustering-Algorithmus hat drei Gruppen mit in sich kohärenten Verläufen in der Gait-Line erkannt. Diese Gruppen unterschieden sich signifikant im Alter (68 ± 5,75 ± 7, und 79 ± 7 Jahre), in der Länge der Gait-Line, wobei die jüngste Gruppe die kürzeste Gait-line und die älteste Gruppe die längste Gait-Line aufwies. Im Verlauf zeigen sich vor allem Unterschiede in der medial-lateral Amplitude, sowie dem letzten Teil der Abrollphase und des Abdrucks vom Vorfuß.

Die für den TUG-Test benötigte Zeit (9,56 ± 2,32 s, 12,3 ± 563 s, 11,0 ± 3,62s und die beim SPPB erzielten Werte (8.07 ± 2,94, 9.78 ± 2,33, 9,60 ± 2,55) unterschieden sich nicht signifikant. Allerdings wies die durch den EQ 5D 5L bestimmte gesundheitsbezogene Lebensqualität in den Gruppen signifikant verschieden Werte auf (66,5 ± 10,1, 56,7 ± 30,6, 83,5 ± 6,12, p< 0,05). Die vorliegende Analyse der Gait line zeigte eine hohe klinische Korrelation mit bisher genutzten Risikovariablen hinsichtlich eines Sturzes. Durch die einfache und objektivierbare Messung der Gait Line könnte ein klinisches Sturzassessment wesentlich vereinfacht werden. Perspektivisch könnte dieser Parameter auch zu funktionalen Einschätzungen bei neurologischen Erkrankungen oder Verletzungen und endoprothetischen Operationen der unteren Extremität dienen.