創新性老年人跌倒預防及護理技術研究

沈青青 高雅婷

南昌大學第二附屬醫院 江西南昌 330008

據人口普查數據結果顯示,我國已經處于人口老齡化不斷加深時期[1]。隨著老齡化人口數量的不斷增多,相應的老齡人口醫療需求也不斷增加,老齡人口的保健、護理問題也需要日益引起重視。

老年人跌倒事件對老年人健康具有重大威脅,嚴重影響老年人晚年身心健康水平;老年人每年跌倒發生率超過25%[2],因跌倒而產生的死亡人數占比超四成,直接和間接產生的醫療成本巨大[3-4]。

跌倒事件的發生不僅會嚴重威脅老年人晚年養老幸福,也會給家庭帶來經濟負擔、增加醫療系統負荷,因此對老年人跌倒事件的干預研究、技術應用,對降低老年人跌倒事件發生率、跌倒事件嚴重程度具有重要意義,其中創新性監測技術和護理手段的綜合運用對減少跌倒事件發生率和跌倒事件嚴重程度具有重要的實際意義。

1 老年人跌倒特征

老年跌倒發生率具有顯著的性別差異,屈莎的問卷調查結果顯示,在有效調查樣本中,老年人多次跌倒發生率達到66.21%,并且跌倒發生率具有較為顯著的性別差異,女性跌倒發生率較男性跌倒發生率約高20%[5];馬亞萍對上海塘橋社區老人跌倒發生率進行單因素和多因素分析,結果證明兩種因素分析方式都顯示女性老年人跌倒發生率較男性更高[6]。

不同居住類型的老年人跌倒發生率也有所差異,張鍇婷的研究顯示汕頭市內居住在城中村的老年跌倒發生率較居住在農村的老年跌倒發生率高3%,居住在城市的老年人跌倒發生率較居住在城中村的老年跌倒發生率高約7%[7]。

涂嘉欣等調查南昌市城區老年人跌倒分析結果顯示老年人跌倒發生率還具有時空特征,在空間分布上室外跌倒發生率較室內跌倒發生率高約30%[8];其中6～10月跌倒總發生率為58.57%,明顯高于其他月份總跌倒發生率,與馮濃萍等于深圳市龍崗區調查結果有所不同,其調查的老年人跌倒高發月份為2～5月[9],這主要和地區氣候環境有關。

跌倒還具有重復性。多次跌倒指的是在較短時期內跌倒次數大于一次的跌倒,相較于單次跌倒而言,多次跌倒后果往往更為嚴重,并且有跌倒史的老年人大部分在短期內會出現再次跌倒,包含跌倒史的老年人在內,多次跌倒更具導向性。

2 老年人跌倒致因

關于老年人跌倒致因可大致分為兩類,即內部因素和外部因素。內部因素主要為跌倒人最終表征為生理、心理因素或由于年齡及藥物引起的生理心理綜合變化;外部因素主要為環境及環境變化引起的偶然的、突發的因素。多數相關研究表明,老年人跌倒致因往往不是單獨作用的,而是相互影響相互關聯的。因此對于致因多樣性、復雜性,進行干預的措施也具有針對性和多樣化。

在司建華等關于80歲及以上老年人跌倒危險因素分析過程中,其中外在危險因素居首,占總調查病例的54%;主要是居住環境和自然環境,內在因素次之,主要為生理病理因素,占比25%;多元化危險因素導致的跌倒最少占比14%[10]。

在排除患者居住地影響因素情況下,神經系統疾病同樣會增加跌倒發生率,其中中風型神經系統疾病對跌倒影響最大,帕金森、癡呆和癲癇的影響依次減小[11];冀艷虎等人通過對北京社區老年人跌倒情況調查發現不同性別老年人跌倒發生率和年齡都具有顯著相關性,并且隨著年齡增長跌倒的可能性就越大,該現象通常可解釋為老年人隨著年齡增長,身體機能呈現不同水平下降,跌倒發生的可能性也會增大[12];除了老年人身體狀況會對跌倒發生率產生影響,老人用藥情況、飲酒情況、文化程度、家屬防范意識等也會對跌倒發生率產生不同程度影響[13]。

3 跌倒預防及護理措施

3.1 跌倒風險評估

老年人跌倒是可以進行預防的。可以提前進行老年人跌倒風險評估,進行可預見性護理,并且跌倒干預的前提是所有老年人都需要進行跌倒風險的評估,對處于跌倒低風險狀態的老年人進行簡要評估,對處于跌倒高風險狀態的老年人進行全面而詳細的評估,尤其是具有跌倒史的老年人越具有跌倒風險評估的必要性[14]。

對老年人跌倒風險評估的方法多為量表計分的形式,通過對特殊問題進行測試評分快速完成老年人跌倒風險水平,該方法具有一定效果,但仍存在弊端,目前跌倒風險評估量表多為漢化版或者部分漢化、仍存在量表問題特異性、無法滿足各生活環境下的老年人使用,同時問題數量和調查時間也存在準確率和效率的平衡取舍問題。

創新性老年人跌倒風險評估體系能對當前評估量表起到加強和補充作用。如張慶來結合BP神經網絡在跌倒與姿勢控制能力指標間進行融合挖掘,深層次進行了老年人跌倒評估體系的量化,并構建了功能導向性的老年人跌倒風險預測模型,該模型具有較高的跌倒風險預測準確率,可運用于老年人跌倒精細化預防[15]。王國旗采用機器學習原理對農村地區老年人跌倒調查數據進行分組訓練和學習,分別采用Logistic回歸模型、Cox比例風險模型、隨機森林模型進行數據回歸并形成回歸模型對比,結果顯示Cox比例風險模型準確度最優為70.96%,該農村地區老年人跌倒風險評估模型的建立對農村地區老年人跌倒預防工作具有積極作用[16]。李梓龍通過采集老年人行走過程中足底壓力及力矩變化數據并將其樣本熵值進行解釋變量和回歸,完成老年人跌倒風險評估模型建立,該模型與傳感器信號下建立的隱馬爾可夫跌倒檢測模型匹配在訓練樣本識別中,精確度高達94.91%,但該模型來源的訓練樣本容量太小,性能和精度還存在較大改進空間[17]。

3.2 跌倒監測

對老年人跌倒發生事件的監測同樣可以最大限度減少跌倒危害,因此跌倒監測的輔助設備同樣具有跌倒預防價值。目前跌倒監測設備根據作用原理可分為三類,其中包括便攜式佩戴檢測跌倒裝置、跌倒環境檢測裝置、機器視覺檢測裝置。

便攜式輔助跌倒監測設備主要原理為對跌倒過程中跌倒人關鍵部位加速度的監測,根據相關研究,在跌倒發生過程中,人體關鍵部位加速度會發生明顯變化;張杰通過九軸加速度傳感器采集佩戴者腰部運動的數據,通過傳統閾值法完成了可高精度定位、高質量數據傳輸的跌倒檢測設備,其算法跌倒測試正確率達100%,實際跌倒測試準確率可達97%[18];王嵐通過一款融合了加速度、角速度、壓力數據的智能鞋墊使用卷積神經網絡進行跌倒數據特征檢測,與傳統機器學習算法相比,一維卷積具有更高的特異度和準確性[19],多源卷積神經網絡進行不同傳感器特征組合映射具有較好的跌倒方向預測能力,對跌倒預防技術具有突破意義。

除了便攜式佩戴跌倒檢測方法,基于跌倒環境檢測的跌倒檢測方法也比較豐富,Torres通過射頻識別技術實現地毯嵌入傳感器進行環境信息提取,并對跌落于地毯的人體姿勢進行識別,從而達到良好的跌倒檢測及報警作用[20];薛毅松通過毫米波雷達的生命體征檢測方式,實現信號建模完成非接觸式室內老人健康監測系統,實測平均跌倒檢測成功率達95.5%[21]。

隨著深度學習理論的發展,機器視覺技術也得到了巨大提升,通過不同深度的卷積網絡能夠快速識別和處理視覺目標,從而達到高速、高精確度、非侵入的跌倒檢測功能。吳佳寶設計了一種結合計算機視覺和傳感器的多模態跌倒檢測系統,并針對性提出基于聯合統計量和熵的多特征融合跌倒檢測算法,有效降低了跌倒誤報率[22]。

3.3 綜合干預

綜合干預是針對老年人多因素跌倒現狀的綜合性預防措施,廖曉春采用對比實驗方法,分別對九江市養老機構老年人進行干預組和對照組研究,干預方法包括知識講座、強化教育、環境管理、身體鍛煉、飲食保證等進行綜合干預,結果顯示在經過一年時間的干預實施后,干預組的跌倒發生率及受傷率較對照組更低[23];姜彩肖等采用綜合干預方法,在對石家莊社區老年人開展多因素綜合干預進行研究,干預時間長達4年,結果顯示,該社區干預項目具有明顯效果,社區老年人跌倒發生率降低了5.9%,該結果驗證了綜合干預及健康教育對老年人跌倒預防的積極性[24]。

類似的,夏慶華等在上海市長寧某地社區進行長達18個月的社區綜合干預,結果顯示干預后老年人跌倒發生率和二次跌倒發生率分別降低了10.5%和6.1%[25],綜合干預措施可以增加老年人的心理防范意識,并降低居住環境危險因素。綜合干預在多部門、多角色、多區位聯合實現安全社區建設,并可形成長效干預機制,對老年人跌倒預防具有重要意義。

4 展望

隨著深度學習理論的發展與運用,一些創新性跌倒預防技術也逐漸普及,針對老年人跌倒特征及跌倒風險進行機器學習及分類處理能夠提高防跌效率;采用機器視覺技術和多傳感器輔助監測能夠實現非侵入性老年人姿勢預判和跌倒監測,提高跌倒檢測精度;通過多信息通道遠程傳輸及融合,實現老年人“智慧養老”平臺一體化,能夠提高老年人生活質量,對老年人跌倒預防、護理具有積極作用。