ضیاء فلاح محمدی

مقدمه: تعادل و سقوط در سالمندان رابطه تنگاتنگی با یکدیگر دارند. کاهش تعادل و ناپایداری در ایستادن و راه رفتن، یکی از عوامل اصلی افزایش خطر سقوط در سالمندان است. باتوجه به روند افزایش خطر سقوط و عوارض آن هدف از پژوهش حاضر پیش بینی سقوط در سالمندان به وسیله هوش مصنوعی ویادگیری ماشین با تاکید بر شاخص های دامنه حرکتی مفاصل بود. روش: پژوهش حاضر یک مطالعه توسعه‌ای با داده‌های کمی است که بر روی 153 نفر از سالمندان بالای 60 سال در شهر بابلسر انجام شد. شرکت‌کنندگان از طریق فراخوان در فضای مجازی و مراکز درمانی به صورت داوطلبانه در فرایند پژوهش شرکت داده شدند. برای اطمینان از همسان بودن شرکت کنندگان، معیارهای ورود در رابطه با سقوط با پرسشنامه‌ سابقه سقوط و سابقه پزشکی توسط آن‌ها تکمیل شد تا افرادی با بیماری‌های زمینه‌ای مانند اختلالات حرکتی و شناختی از مطالعه حذف شوند. معیارهای ورود شامل سن بالای 60 سال، توانایی انجام آزمون‌های حرکتی بود، در حالی که معیارهای خروج شامل انصراف از رضایت، آسیب حین ارزیابی و وجود عارضه‌های شناختی و حرکتی که مانع انجام آزمون میشدند، بود. در نهایت، 153 نفر واجد شرایط برای شرکت در پژوهش انتخاب شدند. پس از توضیح مراحل کلی پژوهش برای شرکت‌کنندگان، ارزیابی‌های مربوطه انجام گردید. سپس ترکیب بدن، انعطاف-پذیری ستون فقرات، قدرت عضلانی ایزومتریک دست ، قدرت عضلانی ایزومتریک پایین تنه و تست دامنه حرکتی مفاصل پایین تنه مورد ارزیابی قرار گرفت. پس از جمع‌آوری و طبقه‌بندی داده‌ها در مرکز تندرستی دانشگاه مازندران، از الگوریتم سه لایه به روش‌MLP یادگیری ماشینی به منظور تجزیه و تحلیل به جهت پیش‌بینی سقوط استفاده شد. یافته‌ها: بر اساس خروجی الگوریتم MLP 3لایه ، محدودیت دامنه حرکتی، آسیب ستون فقرات، چربی شکمی، درد و خستگی عضلانی، و فشار خون بالا و سابقه سقوط بر خطر سقوط در سالمندان تأثیرگذار هستند و پیش بینی میشود که با افزایش مقادیر این متغیرها ، ریسک سقوط نیز افزایش می‌یابد. سابقه سقوط نیز به عنوان یک عامل مهم در افزایش خطر سقوط سالمندان شناسایی شده است. با توجه به خروجی‌نتایج یادگیری ماشینی دقت پیش‌بینی سقوط با میانگین 0844/0± 3467/0،حساسیت 1976/0± 5823/0، ویژگی 0929/0± 7882/0، و صحت08223244/0± 6831/0 نشان داده شد. به طورکلی الگوریتم‌های یادگیری ماشین در پیش‌بینی سقوط سالمندان بر اساس شاخص‌های دامنه حرکتی مفاصل دارای دقت، صحت، حساسیت و ویژگی‌ قابل قبولی هستند. نتیجه گیری: با توجه به نتایج یادگیری ماشینی میتوان با دقت ، صحت ، حساسیت و ویژگی قابل قبولی سقوط سالمندان با تاکید بر دامنه حرکتی مفاصل را پیش بینی کرد. این یافته‌ها ضرورت توجه به ارزیابی دقیق عوامل خطر و استفاده از روش‌های پیشرفته مانند یادگیری ماشین را برای بهبود سلامت و ایمنی سالمندان برجسته می‌کند. توسعه برنامه‌های مداخله‌ای مبتنی بر این نتایج می‌تواند به کاهش سقوط و بهبود کیفیت زندگی سالمندان کمک کند.