创新性老年人跌倒预防及护理技术研究

沈青青 高雅婷

南昌大学第二附属医院 江西南昌 330008

据人口普查数据结果显示,我国已经处于人口老龄化不断加深时期[1]。随着老龄化人口数量的不断增多,相应的老龄人口医疗需求也不断增加,老龄人口的保健、护理问题也需要日益引起重视。

老年人跌倒事件对老年人健康具有重大威胁,严重影响老年人晚年身心健康水平;老年人每年跌倒发生率超过25%[2],因跌倒而产生的死亡人数占比超四成,直接和间接产生的医疗成本巨大[3-4]。

跌倒事件的发生不仅会严重威胁老年人晚年养老幸福,也会给家庭带来经济负担、增加医疗系统负荷,因此对老年人跌倒事件的干预研究、技术应用,对降低老年人跌倒事件发生率、跌倒事件严重程度具有重要意义,其中创新性监测技术和护理手段的综合运用对减少跌倒事件发生率和跌倒事件严重程度具有重要的实际意义。

1 老年人跌倒特征

老年跌倒发生率具有显著的性别差异,屈莎的问卷调查结果显示,在有效调查样本中,老年人多次跌倒发生率达到66.21%,并且跌倒发生率具有较为显著的性别差异,女性跌倒发生率较男性跌倒发生率约高20%[5];马亚萍对上海塘桥社区老人跌倒发生率进行单因素和多因素分析,结果证明两种因素分析方式都显示女性老年人跌倒发生率较男性更高[6]。

不同居住类型的老年人跌倒发生率也有所差异,张锴婷的研究显示汕头市内居住在城中村的老年跌倒发生率较居住在农村的老年跌倒发生率高3%,居住在城市的老年人跌倒发生率较居住在城中村的老年跌倒发生率高约7%[7]。

涂嘉欣等调查南昌市城区老年人跌倒分析结果显示老年人跌倒发生率还具有时空特征,在空间分布上室外跌倒发生率较室内跌倒发生率高约30%[8];其中6～10月跌倒总发生率为58.57%,明显高于其他月份总跌倒发生率,与冯浓萍等于深圳市龙岗区调查结果有所不同,其调查的老年人跌倒高发月份为2～5月[9],这主要和地区气候环境有关。

跌倒还具有重复性。多次跌倒指的是在较短时期内跌倒次数大于一次的跌倒,相较于单次跌倒而言,多次跌倒后果往往更为严重,并且有跌倒史的老年人大部分在短期内会出现再次跌倒,包含跌倒史的老年人在内,多次跌倒更具导向性。

2 老年人跌倒致因

关于老年人跌倒致因可大致分为两类,即内部因素和外部因素。内部因素主要为跌倒人最终表征为生理、心理因素或由于年龄及药物引起的生理心理综合变化;外部因素主要为环境及环境变化引起的偶然的、突发的因素。多数相关研究表明,老年人跌倒致因往往不是单独作用的,而是相互影响相互关联的。因此对于致因多样性、复杂性,进行干预的措施也具有针对性和多样化。

在司建华等关于80岁及以上老年人跌倒危险因素分析过程中,其中外在危险因素居首,占总调查病例的54%;主要是居住环境和自然环境,内在因素次之,主要为生理病理因素,占比25%;多元化危险因素导致的跌倒最少占比14%[10]。

在排除患者居住地影响因素情况下,神经系统疾病同样会增加跌倒发生率,其中中风型神经系统疾病对跌倒影响最大,帕金森、痴呆和癫痫的影响依次减小[11];冀艳虎等人通过对北京社区老年人跌倒情况调查发现不同性别老年人跌倒发生率和年龄都具有显著相关性,并且随着年龄增长跌倒的可能性就越大,该现象通常可解释为老年人随着年龄增长,身体机能呈现不同水平下降,跌倒发生的可能性也会增大[12];除了老年人身体状况会对跌倒发生率产生影响,老人用药情况、饮酒情况、文化程度、家属防范意识等也会对跌倒发生率产生不同程度影响[13]。

3 跌倒预防及护理措施

3.1 跌倒风险评估

老年人跌倒是可以进行预防的。可以提前进行老年人跌倒风险评估,进行可预见性护理,并且跌倒干预的前提是所有老年人都需要进行跌倒风险的评估,对处于跌倒低风险状态的老年人进行简要评估,对处于跌倒高风险状态的老年人进行全面而详细的评估,尤其是具有跌倒史的老年人越具有跌倒风险评估的必要性[14]。

对老年人跌倒风险评估的方法多为量表计分的形式,通过对特殊问题进行测试评分快速完成老年人跌倒风险水平,该方法具有一定效果,但仍存在弊端,目前跌倒风险评估量表多为汉化版或者部分汉化、仍存在量表问题特异性、无法满足各生活环境下的老年人使用,同时问题数量和调查时间也存在准确率和效率的平衡取舍问题。

创新性老年人跌倒风险评估体系能对当前评估量表起到加强和补充作用。如张庆来结合BP神经网络在跌倒与姿势控制能力指标间进行融合挖掘,深层次进行了老年人跌倒评估体系的量化,并构建了功能导向性的老年人跌倒风险预测模型,该模型具有较高的跌倒风险预测准确率,可运用于老年人跌倒精细化预防[15]。王国旗采用机器学习原理对农村地区老年人跌倒调查数据进行分组训练和学习,分别采用Logistic回归模型、Cox比例风险模型、随机森林模型进行数据回归并形成回归模型对比,结果显示Cox比例风险模型准确度最优为70.96%,该农村地区老年人跌倒风险评估模型的建立对农村地区老年人跌倒预防工作具有积极作用[16]。李梓龙通过采集老年人行走过程中足底压力及力矩变化数据并将其样本熵值进行解释变量和回归,完成老年人跌倒风险评估模型建立,该模型与传感器信号下建立的隐马尔可夫跌倒检测模型匹配在训练样本识别中,精确度高达94.91%,但该模型来源的训练样本容量太小,性能和精度还存在较大改进空间[17]。

3.2 跌倒监测

对老年人跌倒发生事件的监测同样可以最大限度减少跌倒危害,因此跌倒监测的辅助设备同样具有跌倒预防价值。目前跌倒监测设备根据作用原理可分为三类,其中包括便携式佩戴检测跌倒装置、跌倒环境检测装置、机器视觉检测装置。

便携式辅助跌倒监测设备主要原理为对跌倒过程中跌倒人关键部位加速度的监测,根据相关研究,在跌倒发生过程中,人体关键部位加速度会发生明显变化;张杰通过九轴加速度传感器采集佩戴者腰部运动的数据,通过传统阈值法完成了可高精度定位、高质量数据传输的跌倒检测设备,其算法跌倒测试正确率达100%,实际跌倒测试准确率可达97%[18];王岚通过一款融合了加速度、角速度、压力数据的智能鞋垫使用卷积神经网络进行跌倒数据特征检测,与传统机器学习算法相比,一维卷积具有更高的特异度和准确性[19],多源卷积神经网络进行不同传感器特征组合映射具有较好的跌倒方向预测能力,对跌倒预防技术具有突破意义。

除了便携式佩戴跌倒检测方法,基于跌倒环境检测的跌倒检测方法也比较丰富,Torres通过射频识别技术实现地毯嵌入传感器进行环境信息提取,并对跌落于地毯的人体姿势进行识别,从而达到良好的跌倒检测及报警作用[20];薛毅松通过毫米波雷达的生命体征检测方式,实现信号建模完成非接触式室内老人健康监测系统,实测平均跌倒检测成功率达95.5%[21]。

随着深度学习理论的发展,机器视觉技术也得到了巨大提升,通过不同深度的卷积网络能够快速识别和处理视觉目标,从而达到高速、高精确度、非侵入的跌倒检测功能。吴佳宝设计了一种结合计算机视觉和传感器的多模态跌倒检测系统,并针对性提出基于联合统计量和熵的多特征融合跌倒检测算法,有效降低了跌倒误报率[22]。

3.3 综合干预

综合干预是针对老年人多因素跌倒现状的综合性预防措施,廖晓春采用对比实验方法,分别对九江市养老机构老年人进行干预组和对照组研究,干预方法包括知识讲座、强化教育、环境管理、身体锻炼、饮食保证等进行综合干预,结果显示在经过一年时间的干预实施后,干预组的跌倒发生率及受伤率较对照组更低[23];姜彩肖等采用综合干预方法,在对石家庄社区老年人开展多因素综合干预进行研究,干预时间长达4年,结果显示,该社区干预项目具有明显效果,社区老年人跌倒发生率降低了5.9%,该结果验证了综合干预及健康教育对老年人跌倒预防的积极性[24]。

类似的,夏庆华等在上海市长宁某地社区进行长达18个月的社区综合干预,结果显示干预后老年人跌倒发生率和二次跌倒发生率分别降低了10.5%和6.1%[25],综合干预措施可以增加老年人的心理防范意识,并降低居住环境危险因素。综合干预在多部门、多角色、多区位联合实现安全社区建设,并可形成长效干预机制,对老年人跌倒预防具有重要意义。

4 展望

随着深度学习理论的发展与运用,一些创新性跌倒预防技术也逐渐普及,针对老年人跌倒特征及跌倒风险进行机器学习及分类处理能够提高防跌效率;采用机器视觉技术和多传感器辅助监测能够实现非侵入性老年人姿势预判和跌倒监测,提高跌倒检测精度;通过多信息通道远程传输及融合,实现老年人“智慧养老”平台一体化,能够提高老年人生活质量,对老年人跌倒预防、护理具有积极作用。