StaBLE: digital metrics capture balance performance across a wide spectrum of balance tasks and abilities
De Stanford Balance Level Evaluation (StaBLE) is een gevalideerde digitale beoordeling bestaande uit 18 op video gebaseerde taken die effectief een breed spectrum aan balansvaardigheden kwantificeert, waarbij de beperkingen van bestaande klinische schalen wordt overwonnen door sterke correlaties met standaardmaten en het vermogen om valrisico te onderscheiden over diverse populaties heen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Balans is de stille motor van de menselijke beweging, de onzichtbare vaardigheid die ons in staat stelt om te lopen, te reiken en te draaien zonder om te vallen. Het is zo fundamenteel dat we het zelden opmerken totdat het faalt, waarna de gevolgen ernstig kunnen zijn, vooral voor ouderen. Wanneer stabiliteit verloren gaat, is het resultaat vaak een val, een belangrijke oorzaak van letsel en overlijden bij ouderen. Hoewel artsen al lang vertrouwen op eenvoudige vragen over eerdere vallen of basis fysieke tests om de stabiliteit van een persoon te peilen, schieten deze methoden vaak tekort in het begrijpen van de nuances van hoe iemand daadwerkelijk beweegt. Ze hebben moeite om het onderscheid te maken tussen iemand die slechts stabiel is en iemand die uitzonderlijk wendbaar is, en ze stuiten vaak op een "plafond" waarbij zelfs de meest bekwame individuen dezelfde topscore krijgen als zij die slechts adequaat zijn. Om voorbij deze beperkingen te gaan, hebben onderzoekers een manier nodig om balans te meten die even precies als toegankelijk is, waarbij het volledige spectrum van menselijke stabiliteit wordt vastgelegd, van de beperkte tot de elite.
Een team onderzoekers aan de Stanford University heeft een nieuwe aanpak ontwikkeld genaamd de Stanford Balance Level Evaluation, of StaBLE, ontworpen om balans met digitale precisie te meten met niets meer dan een smartphone. In plaats van te vertrouwen op het subjectieve oordeel van een clinicus of een grof scoresysteem, legt deze methode vast hoe een persoon een reeks uitdagende fysieke taken uitvoert en gebruikt computer vision om hun bewegingen in detail te analysen. Het team rekruteerde 180 deelnemers met zeer uiteenlopende vermogens, variërend van individuen met medische aandoeningen die hun balans beïnvloeden tot professionele ballerina's en gymnasten. Zij vroegen deze deelnemers om 18 verschillende taken uit te voeren, zoals op één been staan met gesloten ogen, springen en achteruit lopen, terwijl ze werden gefilmd door drie smartphones die om hen heen waren geplaatst. Het systeem zet de videobeelden vervolgens om in een enkele, continue score die reflecteert hoe goed de persoon elke opdracht voltooide, van de snelheid van hun beweging tot de stevigheid van hun houding.
De resultaten van deze nieuwe evaluatie laten zien dat het een veel breder bereik aan vermogens kan vastleggen dan traditionele klinische tests. Wanneer de onderzoekers de nieuwe digitale score vergeleken met bestaande methoden, ontdekten ze dat de oude tests vaak faalden in het onderscheiden van hoogpresteerders. Zo ontving bijna alle elite-atleten in de studie in standaard beoordelingen de maximale score, wat het onmogelijk maakte om te zien wie er werkelijk het meest gebalanceerd was. In tegenstelling hiertoe spreidde de StaBLE-score deze atleten uit, waardoor subtiele verschillen in hun prestaties werden onthuld die de oudere tests misten. De nieuwe score correleerde ook sterk met leeftijd, waarbij een duidelijke afname van het evenwichtsvermogen zichtbaar werd naarmate mensen ouder worden, en het sloot goed aan bij hoe zelfverzekerd mensen zich voelden over hun eigen balans. Cruciaal was dat de digitale score in staat was om mensen die een risico liepen op vallen te scheiden van zij die dat niet deden, een onderscheid dat sommige traditionele tests niet konden maken bij mensen met een geschiedenis van vallen.
Om deze beoordeling praktisch bruikbaar te maken voor dagelijks gebruik, onderzochten de onderzoekers of ze de testtijd konden verkorten zonder aan nauwkeurigheid in te boeten. Ze gebruikten statistische methoden om te identificeren welke specifieke taken de meest waardevolle informatie boden. Ze ontdekten dat een kleine subset van vijf taken, waaronder een dynamische balans test waarbij een persoon in verschillende richtingen reikt terwijl hij op één been staat, de volledige score met hoge nauwkeurigheid kon voorspellen. Deze kortere versie kon in minder dan tien minuten worden voltooid, wat het geschikt maakt voor gebruik in klinieken of gemeenschapscentra. De studie toont aan dat door een diverse set fysieke uitdagingen te combineren met digitale analyse, het mogelijk is om een balansbeoordeling te creëren die zowel objectief als gevoelig genoeg is om verbeteringen of achteruitgangen in prestaties te detecteren. Dit werk suggereert dat de toekomst van balansmeting kan liggen in toegankelijke, video-gebaseerde tools die menselijke beweging kunnen meten met een helderheid die voorheen alleen mogelijk was in dure, gespecialiseerde laboratoria.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.