Key points are not available for this paper at this time.
Introduction : Les chutes sont un problème de santé majeur dans le monde entier chez les personnes âgées. Plusieurs programmes de réhabilitation physique utilisant des technologies à domicile, tels que la plateforme en ligne DigiRehab, ont été effectués avec succès. Le projet PRECISE combine une formation personnalisée délivrée par l'application avec un modèle prédictif basé sur l'intelligence artificielle (plateforme AI-DSS) pour l'évaluation du risque de chute. Ce nouveau système, appelé DigiRehab, permettra une identification précoce des facteurs de risque significatifs de chute et proposera un plan d'entraînement physique individualisé pour répondre à ces domaines critiques. Méthodes : L'étude testera la convivialité de la plateforme DigiRehab pour générer des programmes de réhabilitation physique personnalisés à domicile. Cinquante participants âgés seront impliqués, dont 20 testeront le prototype de la version bêta, et 30 participants testeront ensuite la version mise à jour. Les critères d'inclusion seront : âge ≥65, ambulation indépendante, risque de chute (test de Tinetti), Évaluation de l'état mental minimal ≥24, résidents à domicile, familiarité avec les applications web, capacité et volonté de signer le consentement éclairé. Les critères d'exclusion incluront une condition clinique instable, une déficience visuelle et/ou auditive sévère, une déficience sévère dans les Activités de la Vie Quotidienne et l'absence de soignant principal. Discussion : La première partie du dépistage consiste en un questionnaire structuré de 10 questions concernant les limitations de l'utilisateur, y compris le risque de chute, tandis que la deuxième partie consiste en 10 tests physiques pour évaluer l'état fonctionnel. Sur la base des résultats, le programme aidera à définir le profil individuel de l'utilisateur sur lequel la plateforme DSS évaluera le risque de chute et concevra le programme d'exercices personnalisé à réaliser à domicile. Toutes les mesures du dépistage initial seront répétées et les résultats seront utilisés pour optimiser les algorithmes prédictifs afin de préparer l'outil dans sa version finale. Pour l'évaluation de la convivialité, l'échelle de convivialité du système sera administrée. Le suivi aura lieu après l'intervention de 12 semaines à domicile. Un questionnaire semi-structuré de satisfaction sera également administré pour vérifier si le projet répondra aux besoins des personnes âgées et de leur soignant. Conclusion : Nous espérons que l'entraînement personnalisé prescrit par la plateforme DigiRehab pourrait aider à réduire le besoin de soins chez les sujets âgés et la charge de soins. Enregistrement de l'essai clinique : https://clinicaltrials.gov/, identifiant NCT05846776.
D’Ambrosio et al. (Fri,) ont étudié cette question.