支持老年人虚弱评估的移动和无处不在的方法

介绍

老年人的抵抗力和生理储备下降，导致累积磨损和不良健康影响的风险增加;这会导致脆弱的状态。然而，虚弱是一个难以概念化的术语，在大多数情况下，它与衰老、残疾和合并症有关。在20世纪70年代，这个概念首次被用来形容一群以不稳定的方式保持独立的老年人。如今，有许多关于脆弱的定义和模型。伍德豪斯将体弱长者定义为“年龄超过65岁，需要依靠他人来满足其基本需求的长者”[1]，而Gillick(1989)则将虚弱的老年人描述为“年老衰弱的个体，没有他人的帮助就无法生存”[2]。最近，布罗克赫斯特将脆弱定义为“失去在社区中生活能力的风险”[3.]。同时，布希纳和瓦格纳[4从生物学的角度提出了一个定义。当然，脆弱状态是由多个领域组成的，正如Rockwood所描述的[5]。因此，虚弱的临床证候是由不同的症状和体征决定的，从而产生了Fried [6]。这位作者列出了确定一个人是否虚弱的五个标准。

值得注意的是，Hamerman描述了处理脆弱性概念的困难，因为需要考虑大量参数[7]。事实上，虚弱的检测和诊断必须在以下领域进行研究:医学、功能、社会经济、认知和制度。功能领域通常被认为是一个人的独立水平。这包括进行日常生活活动[8，9]。在这种情况下，虚弱通常等同于这些活动中的功能依赖，尽管虚弱的老年人有时主要用医学术语来描述。然而，在考虑到这一广泛的观点时，很难对脆弱性的操作定义进行标准化。

目前，虚弱检测和诊断的结果是基于医生完成的标准问卷的整体得分;对长者及其生活环境的概述;医疗器械措施;还有对老年病人化验报告的分析。

此外，医生在最后的评估中并没有考虑到所有之前的项目，他们的决定只是基于项目的一个子集。此外，前两项取决于医生的观点，从而影响最终结果。例如，对步态和平衡的评估——虚弱诊断的两个主要指标——是通过几份问卷得到的。然而，目前的技术提供了以更合适的方式获得结果的机制。例如，在步态和平衡活动中使用内置加速度计的移动电话作为医疗工具，结合其他因素，可以成功地产生更准确和集中的虚弱结果，提供比目前测试更多的信息。在过去的十年中，由于考虑的因素很多，许多研究人员在他们的工作中加入了新的技术和标准化的方法。为此，Martin概述了研究人员在脆弱性领域使用的相关工具(测试和量表)，研究了每种工具的重要性及其提供的信息[10]。Jones提出了一种从详细的老年评估中确定虚弱指数的方法，该方法侧重于研究一系列变量，包括平衡、沟通、认知状态、营养、自制、日常生活活动和合并症等[11]。然而，他提到，衡量脆弱的最佳方法仍未得到解决。Rockwood在另一篇论文中提出了一种基于量表结果和统计研究的方法来建立与特定人群相关的脆弱指数[12]。以同样的方式，Searle等人提出了一种从变量数据集创建脆弱性指数的量化程序[13]。在这种情况下，非数值变量被编码。此外，Gobbens等人定义了一个概念框架，将实验检测到的与脆弱相关的最重要因素进行分组[14]。这些因素包括认知因素、力量、平衡、营养、体育活动和流动性，而社会和心理因素则不太重要。

近年来，移动计算范例和移动设备在医疗保健系统中的使用有了显著的增长，尽管集成和部署仍然是一个挑战[15]。在本文中，我们提出了一个系统，并配有相应的用户友好的移动应用程序，通过研究个体之间的相似性，重点分析衰弱的主要参数，提供衰弱评估，以支持医生和老年病医生的衰弱决策和后续治疗。

方法

概述

在这项工作中，脆弱状态的检测和诊断包括两个基本方面。第一种方法是通过加速度计传感器收集和处理步态信息，这是虚弱检测的重要组成部分。二是研究患者记录中发现的所有衰弱危险因素(包括步态分析信息)，提供有效的结果，并以准确客观的方式查看衰弱和衰弱前期的检测和诊断，供医生在手机等移动设备上进行解释。

鉴定脆弱因素

脆弱因素的识别包括识别与脆弱有关的相关因素。这些因素必须作为脆弱变量包含在系统中。当医生进行虚弱评估时，需要考虑一系列相关因素。埃斯皮诺萨从脆弱表型和系统回顾中确定了一组可能的风险因素[16]。此外，虚弱的身体特征也被考虑在内;然而，没有指出每一种的重要性，至少没有以定量的方式指出。

如前所述，与虚弱相关的临床变量来自患者记录。测试和量表的得分、实验室报告的结果和一般信息等都由医生储存起来，以便在需要时进行研究。同时，由于社会和心理指标与患者记录没有直接关系，因此不考虑这些指标。最常见的指标与临床组有关表1［17(所有这些项目都很容易量化)。

功能评估是确定衰弱最重要的领域，也是最先被研究的领域。为此，医生使用步态和平衡测试来评估几个特征，主要基于Tinetti测试[18]。在这些活动中，使用一个连接在老年人腰部的加速度计来收集步态和平衡的相关数据。Fontecha等人从运动分析中确定了以下指标作为加速度测量指标(对于三个轴)[19:算术平均值、标准差、绝对均值差、加速度平均值、方差、振幅、Pearson变异系数。这组新的参数也被认为是脆弱性评估的一部分。我们建议使用手机收集和分析这些运动参数。（图1显示移动设备在老人腰部的正确位置。)除了这些因素外，还可以确定新的参数，以有助于最后的评估。

‎ 查看此图

虚弱诊断模型

开发的系统是基于先前工作[20.]，它支持开发移动工具来分析已确定的脆弱风险因素。

该模型分为概念和功能两部分。概念部分定义了构成模型的一组实体(即，哪些元素是脆弱性评估所必需的)。在这种情况下，手机是模型的关键和最重要的实体。这些实体分为以下五类:(1)设备，指的是环境中必要的设备，即移动电话、加速度计和服务器;(2)用户，指的是医生和老年患者，(3)人工制品，包括测量虚弱相关方面的问卷和医疗仪器，(4)程序，对应于临床数据(来自患者记录和虚弱评估系统)存储相关元素，(5)服务，对应于数据采集、数据处理、数据存储和结果创建的内部服务。

此外，每个实体负责一个或多个操作(称为实体角色)。中给出了关于实体及其关系的更详细信息多媒体附录1．

另外，功能部分描述了前面的项根据它们的角色“如何”工作。因此，功能将通过一种面向服务的方法来提供，在这种方法中已经确定了两种服务(移动服务和Web服务)。第一个包括可由移动设备或智能手机部署的内部服务。第二个与作为Web服务托管在服务器上的服务有关。对于第二种服务，需要在移动设备和服务器之间建立网络连接(通过无线网络)。

在实际场景中，服务按照以下顺序运行表2，包含输入和输出。输入表示运行服务所需的元素或流程，而输出是服务提供的结果。

如果对一个病人进行了不止一次的研究，这就意味着需要收集虚弱变量的新值。因此，考虑到上述所有因素，我们可以使用患者实例的集合而不是患者的集合，其中一个实例由给定时刻与患者相关的一组完整的脆弱变量组成，如Fontecha定义的[19]。

脆弱性评估过程

该工具的主要目的涉及到脆弱性评估，对脆弱性产生更准确和集中的结果，重点是对主要参数的分析和相似度算法的应用。此外，我们建议使用树状图等分层结构[21]将最终结果显示在移动设备上。树图是一种使用嵌套的彩色矩形以紧凑的方式显示分层信息的方法，最大化可用空间(在本例中是移动设备的显示)，有利于对结果的解释。

脆弱性评估过程的实施使用聚类分析特征和相似算法，为特定老年人群中与相对脆弱性评估相关的每位老年人提供一个系数。这个过程包括三个阶段。首先是相关变量的选取，选取之前详述的脆弱风险因素进行研究。第二个是变量的归一化，这是一个必要的过程，因为选择的变量可能有不同的类型(定量的、定性的或二元的)和单位。因此，在相似性计算之前，所有被识别的变量都被归一化或标准化。这意味着一个变量(如重量)的不同实例必须用相同的单位(如公斤)来测量。第三阶段是计算相似性度量。相似性度量表明两个对象之间关系的强度。在我们的例子中，每个对象都指的是一个老年病人。

聚类的主要特征之一是计算个体之间的相似度。计算相似矩阵、不相似矩阵和距离矩阵的方法有几种[22在种群中的个体之间。此时，当存在具有不同数据类型的变量时，高尔通用相似系数是最常用的接近性或相似性度量之一[23]。高尔系数可厘定两个个人或个案之间的相似程度(我,我)，呈现二进制、定性和定量数据。其他算法不允许这些优点。在多媒体附录2，详细介绍了基于高尔系数计算相似值的数学公式。

在我们的例子中，从脆弱因素计算相似性系数涉及到我们上面提到的混合变量(定性、定量和二元)，甚至根据情况创建诊断;因此，在这种情况下应用高尔算法是非常合适的。通过使用这个系数，可以根据医生当时确定的重要性，独立地对脆弱变量进行加权。因此，医生可以对特定领域进行脆弱性评估，如身体、营养、认知和人体测量等。

结果

总结

图2根据本文描述的规范，展示了开发系统的概述。该模型集成了所有组件，并允许移动应用程序的开发来确定最终的脆弱性评估。该系统的体系结构被划分为与所描述的每个部分相对应的层和块。从这个意义上说，该模型确保了其余元素之间的互操作性，从而导致移动电话上用于数据采集、处理和脆弱结果可视化的服务。

在这种方法中，已经开发了一个移动应用程序，通过考虑以前研究过的一组老年人的数据，为每个新入院的老年患者提供虚弱评估。该应用程序允许我们显示来自患者记录的每个虚弱变量的值，从步态运动中提取离散度量，调整变量权重，并可视化相似性结果。图3显示移动应用程序流以及用户要选择的选项，和图4和5显示与这些选项对应的屏幕截图。

结果以树状图的形式呈现(参见图5)，为医生提供视觉支持，以便为选定的患者做出最终诊断。在我们的示例中，这个树状图由节点组成，其中每个节点(用矩形表示)是一个动态对象，用户可以通过该对象访问由该特定节点表示的患者实例的完整信息，包括脆弱变量的所有值。具体来说，节点对象包含以下属性:父实例ID，对应于父节点的患者实例标识符;实例ID，指与节点关联的当前患者实例(待研究实例)的标识符;年龄，指该淋巴结所代表的患者年龄;和Similarity Coefficient，表示父节点与当前节点之间的相似系数值。

显然，如果有大量的患者实例，系统将需要更多的处理能力、更多的存储资源、更好的内存管理和更多的时间来生成相似度结果。然而，除了优化这些系统特征之外，我们建议减少树图的深度(最多三层)和每个父节点的子节点的最大数量(到三个)。之所以提出这些建议，是因为如果有更多的树级别和子节点，虚弱评估服务将需要更长的处理时间(取决于存储的患者实例)，并且最终结果对医生也不那么有用(因为与所研究的实例相比，每个树级别的相似系数值较低，对应于根节点)。在我们的案例中，在移动屏幕上生成完整树状图的最长时间是2.55秒，处理来自20个不同患者的64个实例(参见下一节)。虽然计算了四个节点列表(根节点和第二个树级别的三个子节点)，但根据它们的相似性系数，只显示最具代表性的节点。

‎ 查看此图

‎ 查看此图

‎ 查看此图

‎ 查看此图

研究1:衰弱评估

该系统对20例平均年龄为83.58岁(SD 3.98)的老年患者进行评价，其中女性10例(平均年龄85.43岁，SD 3.22)，男性10例(平均年龄81.80岁，SD 4.74)。在1年的时间里，对每位患者的信息进行了三次收集。收集的信息包括患者记录中所有可能的虚弱变量值以及与步态运动相关的变量值。在表3和4，我们提出了考虑六个不同领域的所有研究实例(参见“衰弱因素的识别”部分):人体测量(9个变量)、功能(6个变量)、营养(13个变量)、认知(2个变量)、老年综合征(11个变量)和离散度测量(20个变量)。

考虑到每组之前的所有变量(见表标题)表3和4)，我们观察到由于两个不同的原因，有些变量没有值。首先，当一个变量被测量并且它的值在一个范围内(在正常的临床范围内)，这个因变量不被测量(例如，“如果总蛋白在一个正常的范围内，血清白蛋白不能给出”);这包括一个临床决定。其次，某些值根本不会出现。表5的现有值总数的摘要表3和4．

根据与变量关联的值，第一次迭代(从实例1到实例20)呈现更多给定的值。因此，我们选择这个迭代作为脆弱性评估的代表性示例，因为更多的值意味着更高的准确性。假设脆弱性评估是从实例1开始的(所有变量的最大重要性为100%)。通过相似性处理，将该实例与其他19个实例进行比较。然后，根据节点的相似系数，从当前实例计算节点列表。对每个子节点重复此过程(每个树级别最多有三个节点，每个树级别最多有两个节点)。多媒体附录3给出了这些结果，这些结果以树状图结构形式化，它们的相似系数排序，并可在移动设备上显示。

在本例中，实例1与实例12(对应患者12)的相似度为73.4%，与实例16的相似度为72%，与实例2的相似度为71.6%。用同样的方法计算最后这些实例的相似系数。最后一个节点的实例呈现较低的相似性值，这是从它们的父节点计算出来的。在本例中，第二层的第三个节点(实例ID=2，对应患者2)的相似系数最差，其子节点的相似度分别为71.9%、71.6%和69.9%。这表明相对于其他节点的相似性程度较低。这种情况可以外推到任何其他生成的树。对于老年病专家来说，计算更多的子节点会导致混乱的解释和无用的结果。

然而，考虑到整个组实例，生成的结果对应于有限年龄范围内的患者。在这种情况下，没有结果显示研究实例与那些小于80岁或大于90岁的患者之间的相似性。在我们的实验中，我们有一个92岁的女人和4个年龄在80岁以下的人。这表明在进行相似性计算之前，根据性别和年龄设置集群的重要性，优化系统的结果(目前不提供此功能)。

这些结果有助于医生确定与老年人群中其他患者相关的特定患者的虚弱状况。此外，根据这些结果，医生可以根据他们的相似程度对老年人进行分组，从而影响他们的护理和治疗。

研究2:关注营养方面的体弱老年人的进化

在第二项研究中，根据老年病专家的标准，使用衰弱评估移动应用程序对初始组20名老年患者中的10名营养缺乏的老年患者(5男5女)进行评估。在这种情况下，我们只考虑营养和人体测量领域的一些脆弱变量，具体如下:体重、体重指数、脂肪质量、瘦质量、总水、总蛋白、血红蛋白、血清白蛋白和淋巴细胞。在移动应用程序中，这些变量的权重设置为1(重要性为100%)，其余变量的权重设置为0(重要性为0%)。

以下三个阶段是用来评估每位长者的。阶段1是初始评估，指的是从系统中存储的每个患者的第一个实例中获取先前的虚弱参数。第2阶段是自发进化，对应于对患者考虑的全组参数的第二次评估。9个月后，创建了第二个患者实例，并研究了他们的脆弱变量值。最后，第三阶段是补充蛋白质后的评估，参照老年患者组的最后一次评估。在这种情况下，老年患者服用220毫升蛋白质补充剂，每天两次，持续2个月。之后，创建第三个患者实例，并再次分析新实例的脆弱变量的值。

从第一阶段开始，我们对小组进行了总体描述。我们观察到雄性的平均体重更高，瘦质量和总水量也更高。然而，女性的身体质量指数和脂肪量更高。根据世界卫生组织确定的身体质量指数标准限值，两名男性和一名女性有营养不良的危险。此外，总蛋白和淋巴细胞值过低。表6，第一阶段，显示了研究变量值的平均值，男性和女性，最初。表6其中，第2和第3阶段为自发进化评估和补充蛋白质后评估中相同变量的对应值。

从第一阶段到第二阶段，大多数价值在男性和女性中都有所下降。这表明老年患者的虚弱状态有所增加。此外，在临床自发进化中，老年病专家确定生化参数的影响早于人体测量。

另一方面，从阶段2到阶段3，大多数变量保持其值，甚至其中一些值增加。这是由于补充。在这种情况下，女性在更多变量的值上比男性表现出更大的增长。图6显示了几个关于男性和女性脆弱变量值的图表，涉及第二和第三阶段。

在本研究中，从营养角度出发，考虑到变量子集(从应用程序修改其权重)，脆弱移动应用程序对于执行进化分析很有用。此外，我们观察到补充后生化和人体测量值的改善。在男性中，生化变量的值有所提高。在妇女中，人体测量学和生物化学领域的价值增加，观察到，从营养的角度来看，在某些情况下，补充蛋白质可能有助于延缓虚弱。

‎ 查看此图

讨论

主要研究结果

创建一个确定老年患者虚弱状况的绝对指数仍然是一个未解决的问题。然而，正如我们在一些相关工作中看到的那样，一些建议提供了接近这一目标的方法。在这项工作中，我们提出了一个具有几个特征的模型，以开发用于脆弱性评估的移动工具。此外，我们实施了一个基于该模型的移动系统，以支持医疗保健环境中的老年人虚弱诊断。建议的系统由一个模型组成，该模型定义了用于脆弱性评估的所有所需元素、关系和功能(使用面向服务的方法)。

如今，许多医生强调缺乏一种基于现有测试结果和临床信息的集中方法来提供虚弱评估。为此，我们可以利用移动设备的特性，如加速度计传感器、无线通信能力和处理能力等，来开发新的方法和机制，从而对脆弱性进行客观评估。此外，该系统可以部署在其他设备上，特别是为了更好的结果可视化(例如，宽屏);然而，由于临床环境的异质性和移动性，移动设备也被用于这项任务，随时(当医生需要时)获得评估。

在一种互补的方式中，我们考虑使用相似算法，该算法考虑了患者记录中所有相关的虚弱变量，以支持与老年人相比老年人虚弱状态的临床决策。在本例中，由于所研究变量的性质(定量、定性和二元)，Gower算法为我们提供了从一组患者实例中获得相似值的最合适方法。然后，将得到的结果转换成称为节点的对象，根据每个节点的相似度值表示为树状图结构。随着更多的患者实例和与脆弱变量相关的现有值的增加，系统结果将提高准确性和可靠性。

文献中缺乏类似的系统，这意味着我们无法将我们的建议与其他系统进行比较。然而，移动计算在医疗保健领域的发展，以及由于发达国家老年人口的增长而对衰弱研究的兴趣，是开发采用类似方法的新系统的主要原因。

在进行的两项研究中，我们检查了移动应用程序对支持虚弱诊断以及其他类型的相关研究的有用性。在这种情况下，我们还介绍了使用移动应用程序来执行基于营养参数和老年患者子集的进化分析。

限制

最后，我们可以进一步评估系统中聚类技术的整合，作为对深入研究的补充，考虑到不同人群的成年人和老年患者。为此，有必要有一大批年龄范围广的患者实例。虽然这一特征可以应用于我们的老年人评估组，但由于样本太小，难以建立基于年龄的广义截止点，结果不可靠。此外，为了处理相应的大量数据，可能需要进行与处理和性能相关的优化。