这是一篇开放获取的文章,根据创作共用署名许可(http://creativecommons.org/licenses/by/2.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
虚弱是一种与衰老和依赖有关的健康状况。减少或延缓衰弱状态可提高老年人的生活质量。然而,提供脆弱性评估可能很困难,因为必须考虑许多因素。通常,这些因素的测量是以非集中的方式进行的。此外,定量分析方法的缺乏使得诊断不可能像它应该的那样完整或客观。
开发一套中央流动系统,利用流动电话的功能,准确客观地评估长者的体弱状况。
虚弱的诊断包括两个基本方面:分析步态活动作为功能障碍的主要预测因素,以及从患者记录中研究一组虚弱的危险因素。因此,我们的系统有几个阶段,包括使用支持加速度计的移动设备收集步态信息,收集脆弱因素值,通过与之前数据的相似性比较进行分析,并以形式化的方式在移动设备上显示脆弱结果。
我们开发了一种通用机制,以移动设备为辅助工具,评估一组老年人的虚弱状态。在与老年病专家的合作下,研究人员对20名老年患者(10男10女)进行了两项研究,这些患者以前是从养老院挑选出来的。在一年的时间里,在三个不同的时间收集了每位患者的虚弱风险因素。在第一项研究中,来自该组患者的数据被用于确定新入院患者的虚弱状态。结果是有价值的,以确定衰弱程度的特定患者的关系,其他患者在老年人口。最具代表性的相似度在73.4%和71.6%之间,考虑64例患者的61个虚弱因素。此外,根据提供的结果,医生可以根据影响他们护理和治疗的相似程度对老年人进行分组。在第二项研究中,使用相同的移动工具从营养角度对初始组的10例患者进行了1年的虚弱综合征分析。数据在三个不同的时间获得,对应于三个评估:初始、自发和补充蛋白质后。随后的分析显示,从最初的评估到自发评估,老年人的亚群普遍恶化,而且从自发评估到给予蛋白质补充后的评估,男性和女性的生化和人体测量参数都有所改善。
创建一个普遍的脆弱性指数的问题仍然没有解决。然而,近年来,关于这一主题的研究数量有所增加。我们的研究利用移动设备的特性(加速度计传感器、无线通信能力和处理能力等)开发了一种新的方法,可以根据老年人的相似度结果实现虚弱的客观评估,为医生提供了必要的支持。
老年人抵抗力和生理储备下降,导致累积磨损和对健康不利影响的风险增加;这导致了一种脆弱的状态。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、残疾和共病有关。在20世纪70年代,这个概念第一次被用来描述一群老年人,他们以一种不稳定的方式保持他们的独立性。如今,有很多关于脆弱的定义和模型。伍德豪斯将体弱老人定义为"年龄超过65岁,需要依靠他人满足基本需要的人" [
值得注意的是,Hamerman描述了处理脆弱概念的困难,因为需要考虑大量的参数[
如今,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;长者及其所处环境概览;来自医疗器械的措施;还有老年病人的化验报告分析。
此外,医生在最终评估时并没有考虑到所有前面的项目,他们的决定只是基于项目的一个子集。另外,前两项取决于医生的观点,从而影响最终的结果。例如,步态和平衡的评估-虚弱诊断的两个主要指标-是通过几份问卷获得的。然而,目前的技术提供了以更适当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仪器,结合其他因素,可以成功地生成更准确和集中的虚弱结果,提供比当前测试更多的信息。在过去的十年中,由于考虑到大量的因素,许多研究人员在他们的工作中加入了新技术和标准化的方法。为此目的,Martin概述了研究人员在脆弱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和所提供的信息[
近年来,移动计算范式和移动设备在医疗保健系统中的使用已显著增长,尽管集成和部署仍然是一个挑战[
在这项工作中,脆弱状态的检测和诊断包括两个基本方面。第一个涉及通过加速度计传感器收集和处理步态信息,这是虚弱检测的一个重要元素。第二是研究患者记录中发现的所有虚弱风险因素(包括步态分析信息),提供有效的结果,并以准确客观的方式观察虚弱和前期虚弱的检测和诊断,供医生在移动设备上(如手机)进行解释。
脆弱性因素的识别包括识别与脆弱性相关的相关因素。这些因素必须作为脆弱性变量包含在系统中。当医生进行虚弱评估时,需要考虑一系列相关因素。埃斯皮诺萨从虚弱表型和系统回顾中确定了一组可能的风险因素[
如前所述,与虚弱相关的临床变量来自患者记录。测试和量表的分数、实验室报告的结果以及一般信息等都由医生存储,以便在需要时进行研究。同时,由于社会和心理指标与患者的记录没有直接关系,因此没有考虑这些指标。最常见的指标与中提出的临床分组有关
功能评估是确定虚弱最重要的领域,也是首先要研究的。为此,医生应用步态和平衡测试来评估几个特征,主要基于Tinetti测试[
病人病历中的虚弱危险因素[
人体测量和一般数据 | 性别、年龄、体型、体重、身体质量指数、体重、瘦体重、脂肪体重、总水量、药物用量。 |
功能评估 | Tinetti步态平衡评分,Barthel指数,Lawton & Brody评分,Get-Up and Go评分,需要体育活动帮助。 |
在日常生活活动中独立 | 老年人可以是独立的、轻度依赖的、中度依赖的、严重依赖的或严重依赖的。 |
老年综合症 | 检查痴呆,抑郁,失禁,行动不便,反复跌倒,多药治疗,共病,感觉剥夺,压疮,营养不良,绝症。 |
营养评估 | 总蛋白、血清白蛋白、胆固醇水平、甘油三酯、血铁、铁蛋白、维生素B12、血清叶酸、血清转铁蛋白、白细胞、淋巴细胞、血红蛋白、钙。 |
认知能力评估 | 迷你精神状态评分,“Cruz Roja”[ |
病理与疾病 | 慢性疾病可以分为几类:心血管、神经、呼吸、消化、内分泌、骨科、骨肌肉、眼睛、“耳鼻喉”疾病和皮肤疾病。 |
手机位置表现期间的Tinetti步态测试及实际应用。
所开发的系统是基于以前工作中提出的模型[
该模型分为两部分:概念和功能。概念部分定义了构成模型的实体集(即,哪些元素对于脆弱性评估是必要的)。在这种情况下,手机是模型的关键,也是最重要的实体。这些实体被分为以下五类:(1)设备,指环境中必要的设备,如手机、加速度计和服务器;(2)用户
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
另外,功能部分描述了前面的项目如何根据它们的角色工作。因此,功能将通过面向服务的方法来提供,其中确定了两种服务(移动服务和Web服务)。第一种包括可以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,需要移动设备和服务器之间的网络连接(通过无线网络)。
在实际场景中,服务按照顺序运行
如果一个病人被研究了不止一次,这就意味着脆弱变量的新值的收集。因此,考虑到以上所有情况,我们可以使用患者实例的集合而不是患者的集合,其中一个实例由与给定时刻的患者相关的完整的脆弱性变量集组成,正如Fontecha定义的[
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,侧重于主要参数的分析和相似算法的应用。此外,我们建议使用层次结构,如树图[
脆弱性评估过程的实现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个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择,选取前面详细的脆弱风险因素进行研究。第二步是变量的归一化,这是一个必要的过程,因为所选变量可能有不同的类型(定量的、定性的或二进制的)和单位。因此,在相似性计算之前,所有识别的变量都被归一化或标准化。这意味着一个变量的不同实例(如重量)必须用相同的单位(如千克)来测量。第三个阶段是计算相似度。相似度度量表明了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位老年病人。
聚类的主要特征之一是计算个体之间的相似度。有几种方法可以计算相似度、不相似度和距离矩阵[
在我们的例子中,根据脆弱因素计算相似系数涉及我们上面提到的混合变量(定性、定量和二进制),甚至根据情况创建诊断;因此,Gower算法的应用在这种情况下是非常合适的。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,医生可以针对特定领域进行虚弱评估,如身体、营养、认知和人体测量等。
已识别服务的输入和输出(服务是移动的或Web的,取决于正在运行的设备,它们的输出通常是下一个服务的输入)。
服务 | 类型 | 描述 | 输入 | 输出 |
加速度计数据采集 | 移动 | 负责老年人在运行时进行特定步态和平衡测试时加速度计数据的收集和存储。这也包括智能手机和加速度计传感器之间的移动通信。 | 加速度计信号 | x,y,z轴上的加速度计值 |
加速度计数据处理 | 移动 | 负责加速度计数据的处理,通过数据过滤和分割,计算加速度计指标。 | 加速度计值(x,y,z轴) | 加速度测量指标(色散测量) |
患者记录提取 | 网络 | 定义从患者记录中获取虚弱风险因素的机制。使用临床标准可能是必要的。 | 病人记录,加速度测量指标 | 脆弱的危险因素 |
脆弱性研究程序 | 网络 | 负责将研究的老年患者的虚弱风险因素与数据库中存储的每个患者(称为患者堆栈)进行比较。 | 虚弱的危险因素,病人堆积 | 弱点评估 |
设置一个构建的结果 | 网络 | 用正式语言解析比较结果,便于移动电话阅读。 | 弱点评估 | 虚弱评估正式确定 |
脆弱性评估的可视化 | 移动 | 定义从服务器接收数据后在智能手机屏幕上进行脆弱结果准备和可视化的方法。 | 虚弱评估正式确定 | 给医生的信息、提示和图表 |
存储到患者堆栈 | 网络 | 将新的患者数据存储在患者堆栈结构中,增加患者堆栈大小并提高未来脆弱性评估的准确性。 | 来自新病人的危险因素 | 病人和新病人叠在一起 |
在这种方法中,已经开发了一个移动应用程序,通过考虑以前研究的一组老年人的数据,为每个新入行的老年患者提供衰弱评估。这个应用程序允许我们从患者记录中显示每个虚弱变量的值,从步态运动中提取离散度测量值,调整变量权重,并可视化相似结果。
结果显示在树图视图中(参见
显然,如果有大量的患者实例,系统将需要更大的处理能力、更多的存储资源、更好的内存管理以及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,我们还建议减少树图的深度(最多三层)和每个父节点的最大子节点数量(最多三层)。提出这些建议的原因是,随着树级别和子节点数量的增加,脆弱性评估服务将需要更多的处理时间(取决于存储的患者实例),并且最终结果对医生也没有多大用处(因为与根节点对应的研究实例相比,每个树级别上的相似系数值都较低)。在我们的例子中,在来自20个不同患者的64个实例上生成一个完整的树图的最大时间是2.55秒(请参阅下一节)。虽然计算了四个节点列表(对于根节点和第二个树级别的三个子节点),但根据它们的相似系数,只显示了最具代表性的节点。
所开发系统体系结构的总体概述。
应用程序仪表板的流程图和屏幕截图。
来自移动应用程序流程的功能截图:特定患者的虚弱变量值;针对特定患者活动选择和开始前的运动分析任务;并针对特定患者进行活动选择(步态)后和开始前的运动分析任务。
来自移动应用流程的功能截图:特定患者的每组虚弱变量的总权重;对特定组变量和患者的衰弱变量权重进行编辑;以及为特定病人计算的树状图的例子。
该系统对20例老年患者进行了评估,平均年龄83.58岁(SD 3.98),其中女性10例(平均年龄85.43岁,SD 3.22岁),男性10例(平均年龄81.80岁,SD 4.74岁)。在一年的时间里,每名患者的信息被收集了三次。收集的信息包括患者记录中所有可能的虚弱变量值和与步态运动相关的变量值。在
考虑每个组的所有前面的变量(见表标题)
根据与变量相关的值,第一次迭代(从实例1到20)给出了更多给定值。因此,我们选择这个迭代作为脆弱性评估的代表示例,因为更多的值意味着更高的准确性。假设从实例1开始进行脆弱性评估(所有变量的最大重要性为100%)。通过相似性过程,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,从当前实例计算出一个节点列表。对每个子节点重复此过程(每个树级别最多三个节点,两个级别)。
在本例中,实例1与实例12(对应患者12)相似度为73.4%,与实例16相似度为72%,与实例2相似度为71.6%。以同样的方式,从这些最后的实例计算相似系数。最后一个节点的实例的相似性值较低,这是从它们的父节点计算出来的。在这种情况下,第二级的第三个节点(实例ID=2,对应患者2)相似系数最差,其子节点相似度分别为71.9%、71.6%和69.9%。这表明与其他节点相比,相似度较低。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淆的解释和无用的结果。
然而,考虑到整个实例组,生成结果中的那些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,我们有一名92岁的妇女和4名年龄在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聚类的重要性,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特定患者的虚弱状况与老年人群中其他患者的关系。此外,根据这些结果,医生可以根据影响他们护理和治疗的相似程度对老年人进行分组。
所有研究患者病例的虚弱变量(人体测量、功能和营养)的值;第一次迭代给出了更多具有现有值的变量(k=保留值,0=未记录值)。
病人 | 性 | 实例ID |
人体测量(max。9) | 功能(max。6) | 营养(max。13) | ||||||||
1 | 米 | 1 | 22 | 47 | 9 | 8 | 8 | 4 | k | 0 | 11 | 9 | 8 |
2 | 米 | 2 | 23 | 48 | 9 | 8 | 8 | 5 | k | 0 | 11 | 8 | 8 |
3. | 米 | 3. | 24 | 49 | 9 | 8 | 8 | 4 | k | 0 | 0 | 7 | 0 |
4 | 米 | 4 | 25 | 50 | 9 | 8 | 8 | 5 | k | 0 | 12 | 8 | 8 |
5 | 米 | 5 | 26 | 51 | 8 | 8 | 8 | 4 | k | 0 | 11 | 8 | 9 |
6 | F | 6 | 27 | - | 9 | 8 | - | 4 | k | - | 11 | 10 | - |
7 | F | 7 | 28 | 52 | 8 | 8 | 8 | 5 | k | 0 | 12 | 7 | 8 |
8 | F | 8 | 29 | 53 | 8 | 8 | 8 | 4 | k | 0 | 12 | 9 | 8 |
9 | F | 9 | 30. | 54 | 9 | 8 | 8 | 4 | k | 0 | 12 | 8 | 8 |
10 | F | 10 | 31 | 55 | 8 | 8 | 8 | 5 | k | 0 | 12 | 8 | 8 |
11 | F | 11 | 32 | 56 | 9 | 8 | 8 | 4 | k | 0 | 11 | 10 | 9 |
12 | F | 12 | 33 | 57 | 9 | 8 | 8 | 4 | k | 0 | 11 | 10 | 9 |
13 | F | 13 | 34 | 58 | 9 | 8 | 8 | 4 | k | 0 | 11 | 9 | 9 |
14 | F | 14 | 35 | - | 2 | 8 | - | 4 | k | - | 10 | 10 | - |
15 | F | 15 | 36 | 59 | 9 | 8 | 8 | 4 | k | 0 | 11 | 12 | 10 |
16 | 米 | 16 | 37 | 60 | 9 | 8 | 8 | 4 | k | 0 | 12 | 10 | 10 |
17 | 米 | 17 | 38 | 61 | 9 | 8 | 8 | 4 | k | 0 | 12 | 10 | 9 |
18 | 米 | 18 | 39 | 62 | 9 | 8 | 8 | 4 | k | 0 | 12 | 9 | 10 |
19 | 米 | 19 | 40 | 63 | 9 | 8 | 8 | 4 | k | 0 | 12 | 9 | 9 |
20. | 米 | 20. | 41 | 64 | 9 | 8 | 8 | 4 | k | 0 | 11 | 9 | 9 |
所有研究患者病例的虚弱变量(认知、产后综合征和离散度测量)的值;第一次迭代呈现了更多具有现有值的变量(k=保留值,0=未记录值)。
病人 | 性 | 实例ID (It. 1/It. 1)。2 / t。3) | 认知(max。2) | 老年综合征(最大。11) | 分散措施(最大。20) | ||||||||
1 | 米 | 1 | 22 | 47 | 2 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
2 | 米 | 2 | 23 | 48 | 1 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
3. | 米 | 3. | 24 | 49 | 0 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
4 | 米 | 4 | 25 | 50 | 1 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
5 | 米 | 5 | 26 | 51 | 0 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
6 | F | 6 | 27 | - | 1 | 0 | 0 | 11 | - | k | 17 | 0 | - |
7 | F | 7 | 28 | 52 | 1 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
8 | F | 8 | 29 | 53 | 1 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
9 | F | 9 | 30. | 54 | 0 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
10 | F | 10 | 31 | 55 | 1 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
11 | F | 11 | 32 | 56 | 2 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
12 | F | 12 | 33 | 57 | 2 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
13 | F | 13 | 34 | 58 | 2 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
14 | F | 14 | 35 | - | 2 | 0 | 0 | 11 | k | - | 17 | 0 | - |
15 | F | 15 | 36 | 59 | 2 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
16 | 米 | 16 | 37 | 60 | 2 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
17 | 米 | 17 | 38 | 61 | 2 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
18 | 米 | 18 | 39 | 62 | 2 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
19 | 米 | 19 | 40 | 63 | 2 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
20. | 米 | 20. | 41 | 64 | 1 | 0 | 0 | 11 | k | k | 17 | 0 | 20. |
现有值(这表示每个迭代项的变量总数)。
现有值 | |
1圣迭代(实例1-20) | 1057 |
2nd迭代(实例22-41) | 644 |
3.理查德·道金斯迭代(实例47-64) | 913 |
在第二项研究中,使用虚弱评估移动应用程序,从最初的20名老年患者中,根据老年医生的标准,对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、总蛋白质、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(重要性的100%),其余变量的权重设置为0(重要性的0%)。
我们建立了以下三个阶段来评估每位长者。阶段1是初始评估,指从存储在系统中的每个患者的第一个实例中获取先前的虚弱参数。阶段2是自发进化,对应于对患者考虑的整个组参数的第二次评估。9个月后,创建了患者的第二个实例,并研究了他们的虚弱变量的值。第三阶段是补充蛋白质后的评估,参考老年患者组的最后一次评估。在本例中,老年患者服用220毫升蛋白质补充剂,每天两次,持续2个月。在此之后,创建第三个患者实例,并再次分析新实例的脆弱变量值。
从第一阶段开始,我们对小组进行了大致的描述。我们观察到男性的平均体重更高,瘦质量和总水的值也更高。而女性的体重指数和脂肪含量较高。根据世界卫生组织确定的体重指数标准,2名男性和1名女性有营养不良的危险。总蛋白、淋巴细胞均过低。
从第一阶段到第二阶段,男性和女性的大多数价值观都下降了。提示老年患者衰弱状态的增加。此外,在临床自发进化中,老年病专家确定生化参数比人体测量参数更早受到影响。
另一方面,从阶段2到阶段3,大多数变量保持其值,甚至其中一些值是增加的。这是由于补充。在这种情况下,女性比男性在更多变量的值上表现出更大的增长。
在这项研究中,脆弱移动应用程序从营养的角度进行进化分析,考虑到变量的子集(从应用程序中修改它们的权重)。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,生化变量的值得到了改善。在女性中,人体测量和生化领域的值增加,从营养的角度观察,在某些情况下,蛋白质补充剂的管理可能有助于延缓虚弱。
5名男性和5名女性(先前选择的)所选脆弱因子平均值的演变。
|
|
人体测量 | 营养 | |||||||
|
性 | 身体质量指数 | 体重(公斤) | 脂肪量(%) | 瘦质量(kg) | 总水量(kg) | 总蛋白(g/dl) | 白蛋白(g / dl) | 淋巴细胞(千/制程) | 血红蛋白(g / dl) |
|
||||||||||
|
男性 | 26.19 | 67.78 | 27.61 | 48.29 | 35.35 | 6.88 | 3.95 | 1.9 | 14.57 |
|
女 | 28.14 | 65.45 | 36.37 | 40.93 | 31.11 | 6.95 | 4.18 | 1.71 | 12.92 |
|
||||||||||
|
男性 | 24.58 | 62.42 | 23.99 | 47.23 | 34.58 | 6.48 | 3.83 | 1.58 | 14.64 |
|
女 | 27.2 | 62.2 | 35 | 39.68 | 29.04 | 6.3 | 3.83 | 1.86 | 13 |
|
||||||||||
|
男性 | 23.97 | 61.38 | 23.87 | 46.35 | 33.93 | 6.97 | 4 | 2.08 | 12.76 |
|
女 | 27.28 | 62.38 | 33.37 | 40.86 | 29.92 | 6.86 | 没有数据一个 | 2.36 | 13.36 |
一个没有足够的数据来计算平均值。
男性和女性在各个阶段选择的虚弱变量的值:自发进化和补充蛋白质后的评估。
如何建立一个确定老年患者衰弱程度的绝对指标,仍然是一个未解决的问题。然而,正如我们在一些相关的工作中所看到的,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,我们实现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。所提议的系统由一个模型组成,该模型定义了用于脆弱性评估所需的所有元素、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集中的方法来提供基于现有测试结果和临床信息的虚弱评估。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,移动设备也用于这项任务,在任何时候(当医生需要时)获得评估。
以一种补充的方式,我们考虑使用相似算法,它考虑了患者记录中所有相关的虚弱变量,以支持关于老年人与老年人群的虚弱状态的临床决策。在这种情况下,由于研究变量的性质(定量、定性和二进制),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的方法。此外,将得到的结果转换为称为节点的对象,并根据每个节点的相似值以树图结构表示。有了更多的患者实例和与脆弱变量相关的现有值,系统结果将提高准确性和可靠性。
在文献中缺乏类似的系统意味着我们不能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虚弱研究的兴趣,是开发具有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在支持虚弱诊断方面的有用性以及其他类型的相关研究。在本例中,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。
最后,考虑到成人和老年患者的不同人群,我们可以进一步评估系统中聚类技术的集成,作为全面研究的补充。为此,有必要拥有大量年龄范围广泛的患者实例。虽然这一特征可以应用于我们的老年人评估组,但结果并不可靠,因为样本太小,很难建立基于年龄的广义界限。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。
建模实体和角色以开发脆弱性评估工具。
高尔系数方程。
表格式的树图节点的值。
这项工作得到了西班牙Ministerio de Ciencia e Innovación的TIN2010-20510-C04-04项目的部分资助。此外,我们衷心感谢西班牙雷亚尔城(Ciudad Real)阿斯斯蒂达·安奇亚诺斯(Residencia Asistida de Ancianos)老年服务部的临床支持。
没有宣布。