XiaoMi-AI文件搜索系统
World File Search System跌倒
探讨上肢骨折老年人中增加跌倒风险的药物的流行情况和类型
摘要 目的 药物，特别是增加跌倒风险的药物 (FRID) 与跌倒风险增加有关：减少其处方可能会降低这种风险。本研究探讨了与 FRID 使用相关的患者特征、FRID 的患病率和类型以及 6 个月内手臂骨折的老年人的处方变化。方法 在英国的三家骨折诊所进行观察性前瞻性研究。招募了年龄 ≥ 65 岁且单侧上肢脆性骨折的患者。STOPPFall 工具确定了基线、3 个月和 6 个月随访时开出的 FRID 的数量和类型。FRID 处方的变化分为停用、新开或更换。主要发现 招募了 100 名患者（中位年龄 73 岁；80% 为女性）。基线时，73% 的患者每天使用 ≥1 种 FRID（中位数 = 2），3 个月和 6 个月时分别降至 64% 和 59%。那些拥有 >1 种 FRID 处方的患者的合并症和药物数量明显较多，并且男性、多重用药、虚弱和肌肉减少症的发生率较高。最常用的 FRID 是抗高血压药、阿片类药物和抗抑郁药。在 0 至 3 个月之间，44 名 (60%) 参与者的 FRID 处方发生了变化：20 名停止使用（阿片类药物和抗组胺药），13 名开始使用（抗抑郁药），11 名换成另一种。在 6 个月时也观察到了类似的趋势。结论 上肢脆性骨折的老年人中 FRID 的使用率很高。虽然总体使用率随着时间的推移而减少，但在 6 个月的随访中，59% 的人仍在使用≥1 种 FRID，并且趋势是停止使用阿片类药物并开始使用抗抑郁药。出现上肢骨折的老年人应接受结构化的药物审查，以确定需要有针对性地减少处方的 FRID。关键词：FRID；停药；跌倒；骨折；老年人
药物评价和停用作为跌倒预防的单一干预措施：系统评价和荟萃分析
1 阿姆斯特丹 UMC 所在地 阿姆斯特丹大学内科、老年医学科、Meibergdreef 9、阿姆斯特丹、荷兰 2 阿姆斯特丹公共卫生研究所、阿姆斯特丹、荷兰 3 步态与大脑实验室、劳森研究健康研究所、帕克伍德医院、加拿大安大略省伦敦 4 西安大略大学流行病学与生物统计学系、加拿大安大略省伦敦 5 奥登斯大学医院老年医学系、丹麦奥登斯 6 南丹麦大学临床研究系老年医学研究组、丹麦奥登斯 7 研究支持、医学图书馆、阿姆斯特丹 UMC、阿姆斯特丹大学、Meibergdreef 9、1105AZ 阿姆斯特丹、荷兰 8 ODIN（奥登斯处方减少计划）、丹麦 9 诺丁汉大学医院 NHS 信托、英国诺丁汉 10 舒立克医学与牙科学院、加拿大安大略省伦敦 11加拿大安大略省伦敦西安大略大学 12 芬兰库奥皮奥东芬兰大学药学院 13 比利时根特大学内科和儿科系（老年医学科）
使用遗传编程进行跌倒检测的脑电图小波分类
自主检测身体跌倒的能力是实现更好独立生活的众多支持技术之一。这项工作探索了如何利用遗传编程来开发机器学习管道，以通过 EEG 脑波活动对跌倒进行分类。11 种身体活动（5 种跌倒类型和 6 种非跌倒活动）被聚类为是否发生跌倒的二元分类问题。在探索机器学习模型并对其进行调整以获得更好的 k 倍分类准确度、精确度、召回率和 F1 分数之前，先从脑波中提取小波特征。结果表明，仅从 EEG 脑波数据中，通过遗传编程发现的解决方案就可以检测到跌倒，平均准确度为 89.34%，精确度为 0.883，召回率为 0.908，F1 分数为 0.895。所有三种遗传编程解决方案都选择了主成分分析的进一步步骤，以便从计算出的小波特征中提取额外的特征，每个步骤的迭代次数分别为 6、3 和 7，并且都采用随机奇异值分解方法。最终通过接收者操作特性和精确度-召回率曲线分析最佳模型。提供了每个遗传编程管道的 Python 代码。
案例研究：Larksfield Place 利用人工智能将跌倒受伤率降低 80%
实施 VSTAlert 后面临的挑战之一是培训新员工如何在所有部门使用该系统。护理部门有一位负责人参与了新员工的入职培训过程，但其他辅助部门，如饮食、家政和活动部门也需要接受培训。我们必须向他们展示系统的功能，并教会他们在进入和离开房间时如何以及何时暂停系统的重要性。这种教育是获得认同和保持合规性的关键。这也减少了发送给护理人员的错误警报数量，以最大限度地减少警报疲劳。部门之间需要进行大量沟通，以确保每个人都知道何时有新员工，并且需要安排培训。
案例研究：利用人工智能和机器视觉技术预防专业护理人员跌倒
VSTAlert 结合人工智能、机器视觉和物联网 (IoT) 设备，为专业护理机构创建全面的远程监控平台。物联网传感器安装在住院者的房间里，用于监控患者是否离开病床，并方便进行双向视频通话。当住院者试图起床时，会通过智能手机应用程序向分配到该房间的护士发送警报 - 适用于 iOS 和 Android 设备。离开病床后发送警报不够快。这就是为什么 VSTAlert 使用人工智能和 150 万小时的机器学习数据来识别与离开病床相关的肢体语言和动作，有效地预测意图，让您的员工有更多时间在患者跌倒之前处理离开病床的问题。警报还会发送到中央监控仪表板，在那里可以监控整个病房的状态。
计算创伤性跌倒中脑白质和灰质损伤的严重程度
摘要：在现实世界中，创伤的严重程度是使用简略损伤量表 (AIS) 来衡量的。然而，目前无法使用有限元人机模型的输出来计算 AIS 量表，有限元人机模型目前依靠最大主应变 (MPS) 来捕捉严重和致命的伤害。为了克服这些限制，引入了一种独特的器官创伤模型 (OTM)，该模型能够计算所有 AIS 级别对大脑模型生命的威胁。OTM 使用一种名为峰值虚拟功率 (PVP) 的功率法，并将大脑白质和灰质创伤反应定义为撞击位置和撞击速度的函数。这项研究在损伤严重程度计算中考虑了衰老，包括软组织材料降解以及由于衰老导致的脑容量变化。此外，为了解释大脑模型的拉格朗日公式在表示出血方面的局限性，提出了一种包括硬膜下血肿影响的方法，并将其作为预测的一部分。 OTM 模型已针对两次真实跌倒进行了测试，并被证明能够正确预测死后结果。本文是一个概念验证，等待更多测试，可以支持法医研究。
艾气疗法用于平衡治疗和预防跌倒
穆尔西亚健康服务摘要背景：平衡障碍降低了人们的身体活动能力和日常生活活动的自主性，增加了跌倒的风险。爱气是一种水疗法技术，由于该技术的动作的特殊性，并且得益于水提供的物理原理，它被认为是改善平衡的有用工具。目的：评估爱气技术对老年人平衡能力的影响。方法：我们参考了 PubMed、Isi Web of Knowledge、OVID、EBSCOHost 和 Teseo 等信息源进行了系统评价。搜索策略中使用的术语是“ai chi”和“balance”，单独使用或与布尔运算符 AND 组合使用。此外，我们还对所选文章的参考书目进行了手动搜索。使用Jadad量表对科学证据水平进行定性分析。结果：删除重复文章并应用选择标准后，获得了八个结果。这些研究的方法学证据水平普遍较低。结论：采用爱气技术治疗可以改善练习者的平衡能力。此外，它还能对疼痛、生活质量和功能能力产生积极的治疗变化。关键词：爱驰、平衡、水疗和跌倒。
摘要“老年人跌倒预防计划的经济评估：系统评价”
实施预防跌倒干预措施的成本是公共卫生决策中的一个重要考虑因素。经济评估使用增量成本效益比 (ICER) 对实施干预措施相对于比较器的相对成本进行分析，增量成本效益比是增量成本（干预 A 的成本 - 干预 B 的成本）与增量效果（干预 A 的有效性 - 干预 B 的有效性）的比率。6 成本效益以低于或高于支付意愿阈值的 ICER 表示。在文献中，有两个常见的支付意愿阈值 - 50,000 美元和 100,000 美元。鉴于 50,000 美元的阈值作为下限自 1980 年代以来一直被使用，100,000 美元是更常用的阈值，可根据通货膨胀进行调整。7
社区药剂师老年人跌倒预防指南
体位性低血压体位性（直立性）低血压是指因姿势变化（即从躺着变为坐起或从坐着变为站立）而导致的血压下降。血压突然下降会导致身体器官和肌肉的血流不足，从而增加跌倒的风险。常见症状包括头晕、头昏眼花、虚弱、头痛、视力模糊、肩颈后部有压力以及恶心。为了检测是否存在体位性低血压，应在躺着、坐着和站立时测量血压。从躺着变为坐起或从坐着变为站立后 3 分钟内，收缩压下降 20 mmHg 或舒张压下降 10 mmHg 表明存在体位性低血压。