OBJECTIVE: This scoping review aimed to gather current knowledge on accurately identifying and distinguishing between non-frail, pre-frail, and frail older adults using gait and daily physical activity (DPA) parameters and/or models that combine gait with DPA parameters in both controlled and daily life environments.METHODS: Following PRISMA-ScR guidelines, a systematic search was conducted across seven databases using key terms: "frail", "gait or walk", "IMU", and "age". Studies were included if they focused on gait analysis using Inertial Measurement Units (IMUs) for walking distances greater than 10 meters. Extracted data included study design, gait and DPA outcomes, walking conditions, and classification model performance. Gait parameters were grouped into four domains: spatio-temporal, frequency, amplitude, and dynamic gait. DPA parameters were synthesized into three categories: postural and transition, variability, and physical activity pattern.RESULTS: A total of 15 cross-sectional studies involving 2,366 participants met the inclusion criteria. Gait analysis showed (pre)frail individuals had slower, shorter steps with longer stride times compared to non-frail individuals. Pre-frail individuals showed distinct gait patterns in periodicity, magnitude range, and variability. In daily activities, (pre)frail individuals displayed shorter, fragmented walking periods and longer transitions between positions. Walking variation identified pre-frail status, showing progressive decreases from non-frail to frail states. Combined gait and daily physical activity models achieved over 97% accuracy, sensitivity and specificity in distinguishing between groups.DISCUSSION: This review provides an updated synthesis of the relationship between various gait and/or DPA parameters and physical frailty, highlighting gaps in pre-frailty detection and the variability in measurement protocols. It underscores the potential of long-term, sensor-based monitoring of daily physical activity for advancing pre-frailty screening and guiding future clinical trials. Structured Abstract BACKGROUND: Changes in gait and physical activity are critical indicators of frailty. With advancements in wearable sensor technology, long-term gait analysis using acceleration data has become more feasible. However, the contribution of parameters beyond gait speed, such as gait dynamics and daily physical activity (DPA), in identifying frail and pre-frail individuals remains unclear.OBJECTIVE: This scoping review aimed to gather knowledge on accurately identifying and differentiating physical pre-frail and frail individuals from non-frail individuals using gait parameters alone or models that combine gait and DPA parameters, both in controlled settings and daily life environments.METHODS: The review followed PRISMA-ScR guidelines. A search strategy incorporating key terms-"frail", "gait or walk", "IMU", and "age"-was applied across seven databases from inception to March 1, 2024. Studies were included if they focused on gait analysis in controlled or daily environments using Inertial Measurement Units (IMUs) and involved walking distances longer than 10 meters. Data on walking conditions, gait outcomes, classification methods, and results were extracted. Gait parameters were categorized into four domains: spatio-temporal, frequency, amplitude, and dynamic gait. DPA parameters were synthesized into three categories: postural and transition, variability, physical activity pattern.RESULTS: A total of 15 cross-sectional observational studies met the eligibility criteria, covering 2,366 participants, with females representing 27%-80% of the sample and ages ranging from 60 to 92 years. Regarding gait parameters, (pre)frail individuals exhibited longer stride times, slower walking speeds, shorter steps, and reduced cadence compared to non-frail individuals. In three studies, pre-frail could be distinguished from the non-frail and frail group through gait periodicity, range of magnitude, and gait variability. DPA patterns differed between groups, with (pre)frail individuals showing shorter and more fragmented walking periods, brief walking bouts and longer postural transitions. Walking bout variation (CoV) effectively identified pre-frail status, decreasing 53.73% from non-frail to pre-frail, and another 30.87% from pre-frail to frail. Models combining both gait and DPA parameters achieved the highest accuracy (97.25%), sensitivity (98.25%), and specificity (98.25%) in distinguishing between groups.DISCUSSION: This scoping review provides an updated overview of the current knowledge and gaps in understanding the relationship between gait parameters across different domains and DPA parameters along with physical frailty. Significant variability in gait measurement methods and protocols complicates direct comparisons between studies. The review emphasizes the need for further research, particularly in pre-frailty screening, and underscores the potential of inertial sensor-based long-term monitoring of daily physical activity for future clinical trials.
DOCUMENT
Deze vier artikelen uit verschillende hoeken van de HU illustreren uiteenlopende ervaringen met de koppeling tussen onderwijs, onderzoek en beroepspraktijk. Uit hun verhalen blijkt dat deze verbindingen steeds meer vorm krijgen en dat de ervaringen met de HU als kennisinstelling vooral positief zin. Uitgegeven op het HU onderwijscongres 2008 als Passie & Precisie deel 02.
DOCUMENT
Project BAMBAM, BAby Motor development monitored By A Multisensor wearable, richt zich op het begin, namelijk bij de zorg voor kinderen van 0-2 jaar. In het bijzonder op het optimaliseren van de ontwikkeling van de motoriek wanneer dit niet vanzelf gaat. Kinderfysiotherapeuten begeleiden veel baby’s waarbij er zorgen zijn over de motorische ontwikkeling. Een goed ontwikkelde motoriek is de basis voor andere ontwikkelingsdomeinen,en een voorwaarde voor een fysiek actieve leefstijl op latere leeftijd. Het inzetten van technologie bij het analyseren van bewegingsproblemen bij het jonge kind kan een waardevolle aanvulling zijn voor de kinderfysiotherapeut, die nu eigen observaties gebruikt. Op dit moment is er nog geen geschikt systeem voor het observeren van de motorische ontwikkeling voor kinderfysiotherapeuten. Daarom werken we in project BAMBAM aan een meetinstrument voor het objectiveren van bewegingsgedrag van baby’s, dat verantwoord ingezet kan worden in de kinderfysiotherapeutische praktijk en interventiestudies. Uitgangspunt is een bestaande smartsuit, een ‘slimme' romper, met sensortechnologie en Artificiële Intelligentie die doorontwikkeld wordt in co creatie met kinderfysiotherapeuten, ouders en experts. Ook onderzoeken we hoe de uitkomsten van het systeem waarde toevoegen als beslissingsondersteuning voor de kinderfysiotherapeut. Hierbij richten we ons vooral op de bewegingsparameters die belangrijk zijn voor het kinderfysiotherapeutisch onderzoek en behandeling en hoe we die duidelijk kunnen weergeven. Het systeem moet valide en betrouwbare metingen verzorgen in de thuissituatie voor de kinderfysiotherapeut in praktijk en ziekenhuis. De impact van deze toepassing op ouders en kinderfysiotherapeuten is een belangrijk onderdeel bij het ontwikkelen van deze technologie, zodat het op een verantwoorde manier gebruikt kan worden. De gezondheidszorg vraagt om evidence-based diagnostiek en interventies. Met de schaarste van zorg, wordt het zorgvuldig signaleren van de baby’s die de zorg echt nodig hebben steeds belangrijker, net als de inzet van effectieve interventies. Technologie kan bijdragen aan toegankelijkheid en duurzame borging hiervan.
Er is momenteel een enorme groei op het gebied van consumentenproducten om activiteiten en bewegingen te meten; zowel voor de fitnessindustrie (bv. Fitbit, Jawbone) als in de gaming wereld (bv Kinect, Wii). Bedrijven op het gebied van zorgtechnologie vragen zich af of zij producten en diensten kunnen ontwikkelen op basis van deze technologie. In dit project richten we ons specifiek op de vraag van de bedrijven of met deze producten het valrisico van ouderen kan worden ingeschat. De incidentele metingen in een klinische omgeving kunnen dan worden vervangen door continue metingen in het dagelijks leven. Het onderzoek dat wordt uitgevoerd betreft het bepalen van de nauwkeurigheid, robuustheid en acceptatie van technologie om in realistische omgevingen (hier: woonomgeving en ziekenhuisom-geving) de bewegingskenmerken van ouderen te meten. Het onderzoek wordt ingericht rond de onderzoeksvraag: Hoe kunnen technologieën voor bewegingsregistratie die zich hebben bewezen in een labsetting worden ingezet in de woonomgeving en in het ziekenhuis, ten behoeve van het inschatten van val-risico bij ouderen? Het onderzoek zal worden uitgevoerd in twee parallel lopende cases: valrisico meten in de woon-omgeving en valrisico meten in het ziekenhuis. In beide gevallen wordt een living lab aanpak ge-volgd: de technologische oplossingen van de MKB worden op iteratieve wijze, in de praktijk , be-studeerd en verder ontwikkeld. Ook de inbedding van de technologie in het zorgproces wordt in het onderzoek meegenomen. De kennis die wordt opgedaan zal worden gebruikt door de participerende MKB in nieuwe pro-ducten en diensten. Het onderzoek wordt uitgevoerd door een multidisciplinair team bestaande uit de Hogeschool van Amsterdam (Domein Digitale Media en Creatieve Industrie en Domein Gezond-heid), de Vrije Universiteit (Bewegingswetenschappen), het AMC (Geriatrie), zorgaanbieders Cor-daan en Amsta en de participerende MKB. De resultaten zullen worden gepresenteerd op twee publieke seminars, in vakbladen en op we-tenschappelijke conferenties.
Trainers/coaches van sporttalenten hebben een complexe taak. Sporttalenten moeten hard trainen om de volgende stap te maken in hun sportcarrière of om de aansluiting bij de top te halen. Complexe taken waarmee de trainer te maken krijgt zijn onder andere: het vinden van de juiste balans tussen techniek, tactiek, mentale en andere trainbare factoren; stellen van grenzen aan fysieke en mentale vermogen van sporters; afstemmen op pieken in groei, lichamelijke en mentale ontwikkeling; bepalen van trainingsbelasting in relatie tot (individuele) belastbaarheid; afstemmingsproblemen tussen studie, sport en privéleven. Het risico van een disbalans tussen belasting en belastbaarheid is continu aanwezig met alle negatieve gevolgen van dien. Hierbij valt te denken aan sportblessures, niet optimaal presteren als gevolg van over- of ondertraining of drop out. Om goede sturing te kunnen geven aan dit proces, monitoren veel trainers de individuele belasting en belastbaarheid van hun sporters. Echter ontbreekt het hen aan de kennis, knowhow en tijd om de verzamelde data te verwerken, te interpreteren en om te zetten naar onderbouwde trainingsaanpassingen. Deze handelingsverlegenheid van trainers/coaches is vertaald naar de volgende onderzoeksvraag die centraal staat in het huidige RAAK-project: Hoe kunnen trainers/coaches beter toegerust worden om een optimale balans tussen individuele belasting en belastbaarheid van sporttalenten te realiseren met gebruikmaking van feedback van trainingsdata en trainingssturing. In dit project gaan we, mede op basis van input van trainers/coaches, een scholing ontwikkelen ter bevordering van trainingssturing. Parallel hieraan wordt een feedback dashboard ontwikkeld (Coach in Control dashboard) dat data van individuele sporter geautomatiseerd en betekenisvol rapporteert, visualiseert en beschikbaar maakt voor trainers/coaches. Dit gebeurt in de context van de cyclische sporten waarbij de casus plaatsvindt binnen het langebaanschaatsen en shorttrack. De trainers/coaches worden doorlopend actief betrokken bij de ontwikkeling en het testen van prototypes van de scholing (blended) en het feedback dashboard.
