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
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.
Themen: Gerontologische Pflege, Sturzprophylaxe
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}
}
EUVIMED