EUVIMEDEUVIMED entdecken
Systematische ÜbersichtOpen Access · CC BY 4.0

Wearable- and Vision-Based Gait Models for Predicting Future Falls in Older Adults: A Systematic Review of Performance, Validation, and Clinical Readiness

Wearable- und visionbasierte Gait-Modelle zur Vorhersage künftiger Stürze bei älteren Erwachsenen: systematische Übersichtsarbeit zu Leistung, Validierung und klinischer Einsatzbereitschaft

Majed S. Alsanea, Yosef Hasan Jbara, Alshimaa Hamdy Ismail, Farha Mujeeb Ahmed Shaikh, Mohammed Gh. Alzahrani

Diagnostics · 12.11.2026 · 16 (22) · 3752

DOI: 10.3390/diagnostics16223752 ↗

Auf einen Blick

47 Berichte zu 37 Kohortenfamilien: Die AUCs reichten von 0,51 bis 0,99. Die einzige unabhängige Kohortenbewertung ergab AUCs von 0,49 bis 0,59.

Fragestellung

Wie gut sagen wearable- und visionbasierte Modelle künftige Stürze bei älteren Erwachsenen vorher, wie sind sie validiert und wie klinisch einsatzbereit sind sie?

Methode

Systematische Übersichtsarbeit; Suche in 9 Datenbanken und Zusatzquellen bis 20. Juli 2026; PROBAST+AI-Bewertung nur für vollständige Artikel; keine Metaanalyse.

Ergebnisse

47 Berichte, 37 Kohortenfamilien, 15–1705 Teilnehmende, Horizonte 7 Tage–5 Jahre. AUCs 0,51–0,99 über 26 Familien; 24 Schätzungen intern validiert oder ohne Validierungsangabe. 37 vollständige Bewertungen: hohes Bias-Risiko.

Einschränkungen

10 von 47 Berichten ohne vollständigen Artikelzugang; Screening, Extraktion und Bewertung mit Einzelprüfer und Zweitprüfer-Verifikation; Kalibrierung nur in einem Bericht.

Schlussfolgerung der Autor:innen

Die Interpretierbarkeit ist durch hohes Bias-Risiko, wenige Ereignisse, begrenzte unabhängige Validierung und fehlende Kalibrierung limitiert. Die Evidenz stützt keinen routinemäßigen Einsatz.

Kernaussagen

  • AUCs reichten von 0,51 bis 0,99
  • Nur eine unabhängige Kohortenbewertung lag vor
  • Keine Evidenz für routinemäßigen klinischen Einsatz

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Systematische Übersicht in der Zeitschrift Diagnostics, online erschienen am 12.11.2026. Verfasst von Majed S. Alsanea und 4 weiteren Autor:innen. Die Arbeit nennt 76 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: King Salman Center for Disability Research.

Auf einen BlickAbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Background/Objectives: We reviewed the performance, validation and clinical readiness of wearable- and vision-based models predicting future falls.

Methods

Nine databases and supplementary sources were searched for reports published in 2000–20 July 2026 (retrospective PROSPERO registration: CRD420261502037). Eligible populations had a minimum, mean or median age ≥60 years or separable older-adult results. Screening, extraction and appraisal used single-reviewer assessment with second-reviewer verification, rather than independent duplication. Ten of 47 reports (21.28%) lacked complete-article access. Cohort families were synthesized without meta-analysis; PROBAST+AI appraisal was restricted to complete articles.

Results

The 47 reports represented 37 cohort families (15–1705 participants; horizons 7 days–5 years). Representative AUCs ranged from 0.51 to 0.99 across 26 families; 24 estimates were apparent, internally validated or validation-unverified. The only independent-cohort evaluation of published models yielded AUCs of 0.49–0.59. Retained domain-level appraisals classified all 37 complete-article evaluations as high risk of bias. Calibration intercept and slope appeared in one report (2.13%); none reported decision curve analysis, net benefit or clinical impact.

Conclusions

Interpretability is limited by high risk of bias, sparse events, limited independent validation and missing calibration. The evidence does not support routine deployment; this concerns evidentiary readiness rather than technical potential. Funding: King Salman Center for Disability Research.

Förderung

  • King Salman Center for Disability Research

Zitieren

APA

Alsanea, M. S., Jbara, Y. H., Ismail, A. H., Shaikh, F. M. A., & Alzahrani, M. G. (2026). Wearable- and Vision-Based Gait Models for Predicting Future Falls in Older Adults: A Systematic Review of Performance, Validation, and Clinical Readiness. Diagnostics, 16(22), 3752. https://doi.org/10.3390/diagnostics16223752

Vancouver

Alsanea MS, Jbara YH, Ismail AH, Shaikh FMA, Alzahrani MG. Wearable- and Vision-Based Gait Models for Predicting Future Falls in Older Adults: A Systematic Review of Performance, Validation, and Clinical Readiness. Diagnostics. 2026;16(22):3752. doi:10.3390/diagnostics16223752

BibTeX
@article{Alsanea2026,
  author = {Alsanea, Majed S. and Jbara, Yosef Hasan and Ismail, Alshimaa Hamdy and Shaikh, Farha Mujeeb Ahmed and Alzahrani, Mohammed Gh.},
  title = {Wearable- and Vision-Based Gait Models for Predicting Future Falls in Older Adults: A Systematic Review of Performance, Validation, and Clinical Readiness},
  journal = {Diagnostics},
  year = {2026},
  volume = {16},
  number = {22},
  pages = {3752},
  doi = {10.3390/diagnostics16223752}
}
Kostenlos starten →