数字预测发病率、住院和老年人的死亡率:系统回顾和荟萃分析

介绍

增长的数字健康证明,数字技术领域日益融为一体与人类健康和医疗服务的交付。在过去的十年中,广泛采用,其中,分享服务的移动应用程序,可穿戴活动追踪器,和物联网(物联网)系统,刺激了社会技术趋势称为量化自我,即。,使用数字技术(广义)用于自我跟踪(1)。跟踪参数与人类健康相关,针对改善健康状况(健康)总之,跟踪是一个自我跟踪的主要理由。第一代可穿戴设备和移动工具可以收集数据,并提供相关见解只有一小部分人类健康和生理机能,主要是流动性报告(如日常步骤,物理位置)。新颖应用扩大了他们的数据来源和现在可以记录一个更广泛的各种与健康有关的参数和基本流程。这是由于技术改造三倍。首先,self-quantification技术扩大品种,包括数据源之前只能收集专门通过医疗设备如心跳率和脑电图(2)。第二,smartphone-sensing方法在质量和可靠性改进,现在允许细粒度的、连续的和不引人注目的收藏的小说与健康有关的数据,如睡眠模式和语音记录(3)。第三,人工智能(AI)技术的发展简况软件,特别是深度学习(4),越来越使生成的见解从数字化测量数据对人类健康。例如,智能手机应用程序可以用来预测一个人的认知状态从他们的反应gamified认知任务,如3 d虚拟导航(5)。

利用数字健康跟踪参数与人体健康有关,尤其重要的老年人口年龄相关multimorbidity(6)和更高的保健需求。给定的快速侵蚀老年抚养比率(减少工作年龄的人占比老年人)和表达愿望的老年人年龄,这些数字技术可以使小说连续autonomy-preserving工具健康监测,预防和远程医疗。像意大利这样的国家(34.3%)、瑞士(33.3%)和德国(32%)这种抚养比率已经缩小到只有三个工作年龄每个人年龄在65岁及以上的人(7)。个人数字技术实现连续和环境敏感性的临床相关数据可以用来改善预防,诊断和治疗结果。例如,高血压、收缩压和舒张压可以衡量数字sphygmodynamometers和血压监视器。手持echo-cardiography可用于评估不同的血流动力学参数,如左、右心室维度和功能,左心室射血分数(LVEF)、valvulopathies、肺高血压和心律失常。心律失常也可以检测到使用脉搏血氧仪,smartwatches,传感器,或联系免费电传感器。ABI也可以使用便携式或数字ABI系统测量,或自动血压监视器。糖尿病可以测量使用各种数字形式的无线监控血糖米,可穿戴传感器,或移动应用程序。数码BMI的测量包括数码电子天平、重量显示器、脂肪或智能计算器。呼吸参数如呼吸速率、肺通气量,或血氧饱和度可以测量脉搏血氧计、压力传感器肺活量计,麦克风,湿度传感器、加速度计、电阻传感器。最后,体育运动和其他运动和心血管因素可以评估使用补丁或项链等传感器,加速度计,计步器、心率监视器,或者臂章。 Balance parameters such as standing, lying, and sitting can be assessed using a variety of sensors, sensitive to capture a wide range of movements in a specific time range. Handgrip strength and muscle strength can be measured using a digital dynamometer. Handgrip strength is also a marker for frailty. Also, a variety of sensors are being used for the diagnosis of fatigue. They are sensitive in detecting circadian variations, electrodermal activity and cardiovascular parameters in fatigue. Furthermore, digital pressure algometers and other devices such as dolorimeters are being used to measure the pressure pain threshold in humans. Finally, for the measurement of fever, new technologies such as wearable thermometers and/or non-contact thermometers have also emerged.

为了评估潜在的这些数字医疗技术改善健康结果,最重要的是地面分析坚实的科学证据(8)。特别是,它是必要的调查数字衡量parameters-defined作为参数可以测量测量或使用个人数字设备可以有效改善老年人口健康状况。目前,缺乏系统的关于这一主题的证据由于固有的异构数字医疗领域和缺乏临床验证的小说原型和销售设备。我们的研究旨在生产系统和可归纳的知识的数字化测量未来的数字医疗设备收集的数据可以有效地改善健康结果在某些病人组。使用修改后的PICO过程和棱镜(首选项报告系统评价和荟萃分析)框架(9),我们提供的系统回顾和随后的荟萃分析结果数字衡量预测的发病率,住院和65岁以上老年人的死亡率。这些发现可以通知技术开发人员和临床医生参与的设计、开发、和临床实施数字医疗技术为老年公民。

方法

选择搜索策略和研究

我们搜查了MEDLINE / Pubmed、Embase,网络科学PsycInfo 2020年3月30日。我们在数据库中搜寻合格的同行评议的文章数字住院治疗的可测量的参数,发病率,死亡率和发表在四大语言之一的作者,即英语、意大利语、希腊语、或德国。经过广泛的测试和验证的搜索字符串,我们搜查了标题、文摘、关键词使用修改后的皮科从1995年到2020年发表的过程研究(见附件1)。我们设置的局限性有关研究类型不包括二次研究(例如,评论),没有概念证明的理论研究和研究。一个完整描述可用的搜索词补充材料。总共有4266个条目检索使用这个字符串。系统的搜索是由第一作者(SD)和检查验证的最后作者(MI)。适应每个搜索数据库查询逻辑优化检索。以下的建议(10),选择过程进行了研究,提出使用首选项报告系统评价和荟萃分析(http://prisma-statement.org/(参见)作为指南图1)。棱镜的研究选择过程包括四个阶段:识别、筛选、资格,最终合成。

在筛选阶段,重复使用尾注工具都被自动手动重复检测和基于抽象的筛查。共343篇文章被删除了。剩下的2187个条目筛选手动删除条目可以发现通过抽象无被选资格的评估。千八百八十八条记录在这个阶段被排除在外。随后,全文筛选进行剩余的299条记录。不确定性和包容不同选择之间的两个评论家研究小组之间的讨论记录原因,重新评估,直到达成共识。研究包括在合成中描述的功能表1。

数据提取和编码

我们创建了三个不同的电子表格在微软。Excel,每个结果的报道。每个电子表格包括信息研究和结果特征(补充材料)。特征包括出版年、研究类型、样本大小、比例的男性参与者,人口平均年龄,年龄范围,诊断。对于死亡事件,我们提取数字可衡量的指标,用于这些测量的设备和后续时期死亡率的时间测量。发病率的事件,包括所有数字衡量预测的信息,所有数字设备用于这些测量和观察到的不良健康状况调查后时期。住院事件,包括编码信息,除了数字衡量预测和使用的设备,重新接纳和住院率。估计的结果我们收集所有的风险比率(小时),优势比(ORs),和95%置信区间(CI)报告死亡率、发病率和住院事件。口服补液盐的情况下,小时,独联体没有提供主要数据的研究中,我们为每个预测中提取出来的结果患者的数量和病人的总数为每个预测分配给每个学习小组(11)。出于一致性的原因,原油价值优先于调整。我们结合小时和口服补液盐分别在每个性别研究,每个年龄段的老年人或每个四分位数相同的预测研究,因为其目的是全面评估结果没有子群的分化(12- - - - - -17)。我们还为特定的比较(逆小时计算18- - - - - -21)。

数据分析

随机分析了使用Knapp-Hartung-Sidik-Jonkman估计量(22,23)。汇集估计提出了使用优势比或风险比率。异质性是评估使用tau2,它定义了真正的效应的方差大小和决定分配给每个的重量包括荟萃分析的研究模型。此外,我²统计描述的大小异质性研究来自各地的真正差异结果而不是机会或抽样误差也检查(23)。异质性可以解释为低,当我²温和,当= 0 - 40%我²= 30 - 60%,实质,我²= 50 - 90%,时相当大我²= 75 - 100% (24)。多元回归进行检查是否基于不同参与者的诊断结果。存在发表偏倚评估使用漏斗图(23,25)。所有分析使用占据16.1(美国TX StataCorp)。

偏见的风险

对于相关的我们使用修改后的Cochrane工具(RoB 2)随机试验来评估风险的偏见。(26)这个工具包括七项覆盖六偏见域;(我)选择性偏差(2项);(2)性能偏差;(3)检测偏差;(iv)磨损的偏见;(v)报告的偏见;和其他(vi)的偏见。这个工具有三个等级水平:(i)低,适中的(2),(3)偏差的风险很高。个别项目最严重的分级定义偏差对于每一个单一的整体风险研究。我们使用的队列研究Cochrane偏见的风险非随机性的研究干预措施(ROBINS-I工具)(27)和Newcastle-Ottawa质量评估量表(NOS)队列研究。(28)的主要风险领域ROBINS-I偏差评估以下:(i)偏见由于混杂;(ii)偏见在选择参与者的研究中,(iii)偏见在干预措施,分类(iv)偏见由于偏离预期的干预措施,(v)偏见由于缺失的数据,(vi)偏差测量的结果,(七)选择偏见的报道结果。这种规模的分级包括四个层次:(i)低,(2)温和,(iii)严重,(iv)至关重要。再一次,这些最严重的评分项定义偏差的整体风险对于每个单独的研究。渥太华规模包括9个项目,覆盖三个维度:(i)患者选择(4项);(2)可比性的军团(2项);和(iii)的评估结果(3项)。一个点被分配给每个项目所满足的研究。因此,总分范围从0到9,得分越高表明更高的质量。总分≥7代表高质量。

结果

一个棱镜流程图本文总结提出了选择过程图1。在最初的数据库搜索,43个研究根据入选标准被认为是相关的,包括在分析中。

一个完整的描述包括研究描述了表2,2 b。包括研究的两个相关的(41,46),28个未来(10,13- - - - - -20.,30.,31日,34- - - - - -40,43- - - - - -45,47,48,50,53,58- - - - - -60(13)和回顾性队列研究12,21,29日,32,33,42,49,51,52,54- - - - - -57)。年长的参与者的总数(≥65岁)包含在分析92994年,其中,48% (n男性和52% (= 44461)n= 48533)女性。的43个研究,18个研究包括心血管病人,13个研究包括其他患者的诊断,在12个研究参与者没有特定的诊断。29对死亡事件包括研究报告结果,18对发病率和五项研究报告结果对住院和再入院。这些43项研究,一项研究(46)回顾性分析数据来自两个独立的团体,包括两次分析。数字测量是在15个研究报告为范围广泛的物理和生理功能。可穿戴传感器和秒表被用于测量步行速度和其他运动的因素,如平衡参数。平衡参数,比如站姿和交换机之间坐着和站着也衡量身体固定传感器和秒表。另外,戴传感器和可植入除颤器被用于评估的身体活动。三轴可穿戴陀螺仪传感器用于测量动脉硬化和虚弱的老年人。数字站规模用于测量身体质量指数(BMI)和一个inhome多导睡眠图对呼吸速率的测量。其他设备,由一个自动装置用于踝臂指数(ABI),电子肺活量肺量测定法,电子计数器的开发率和数字反应性充血外周动脉张力测定法(RH-PAT)反应性充血周边动脉张力测定法的评估指数。其余28日收集的研究涉及的测量,没有使用个人数字设备,但可能是获得使用商用数码设备(如高血压、收缩压和舒张压,可以通过测量和心律失常,分别数字sphygmodynamometers血压监视器、和脉搏血氧仪或smartwatches。

偏见的风险评估

由两位作者独立执行偏差的风险评估(表3- - - - - -5)。分歧是通过讨论和解决重新评估不同的评估点,直到达成共识。根据抢劫和ROBINS-I尺度,17项研究进行了评估的严重风险的偏见,16个研究评估了温和的偏见和只有10研究风险评估作为低风险的偏见。根据纽卡斯尔渥太华规模,只有六个研究总分≥7。

结果

死亡率

荟萃分析的所有数字衡量预测死亡率被搜索,显示六个显著预测(图2)。其中包括糖尿病(HR 1.70;可信区间1.37,2.10;8研究;或1.64;可信区间1.06,2.51;6研究),降低BMI (HR 1.24;可信区间1.06,1.45;6研究)、心律失常(HR 1.77;可信区间1.33,2.35; 5 studies), slow walking speed (HR 1.69; CI 1.32, 2.16; 4 studies), not being physically active (HR 1.97; CI 1.20, 3.24; 3 studies) and LVEF <40 (OR 2.17; CI 1.63, 2.90; 3 studies). Hypertension results were marginally insignificant for mortality (HR 1.22; CI: 0.94, 1.58; 5 studies; OR 1.49; CI: 0.89, 2.50; 4 studies). Being physically active, having increased BMI and obesity were significantly associated with survival (HR 0.42; CI 0.20, 0.88; 2 studies, HR 0.77; CI 0.61, 0.96; 5 studies and OR 0.71; CI 0.50, 0.99; 6 studies, respectively), whereas the results related to systolic blood pressure ≤90 (HR 1.91; CI 0.88, 4.13; 2 studies) were neither for mortality nor for survival statistically significant.

四个平衡参数的描述是基于两个研究站的姿势(HR 1.23;可信区间1.11,1.36;(18)和(17)]和sit-to-stand能力(HR 1.06;可信区间0.72,1.56;(18)和(17)在其他两个变量的测量报告只有在一项研究(18)。因为这些多个平衡测量来自相同的样品,我们没有估计一个常见的效应大小的平衡参数避免单元分析错误(23)。相比之下,我们创建了一个森林图可视化表示的结果表明,唯一重要的预测死亡率汇集站的姿势(HR 1.23;可信区间1.11,1.36;2研究)。

表3总结了额外的预测因子包括死亡率只确认一次的研究。根据这些结果,呼吸率≥16次·分钟⁻¹(HR 1.44;CI 1.29, 1.62),动脉硬化(HR 2.98;可信区间2.08,4.27),ABI > 90 (HR 2.33;CI 1.24, 4.39)严重的左心室功能障碍(HR 2.12;CI 1.75;2.57)显著的左心室肥大(HR 1.96;CI 1.49;2.57),左心室扩大(HR 1.79;CI 1.3;2.47),左心室充盈压力(HR 1.17; CI 1.09; 1.24), moderate or severe mitral valve regurgitation (HR 1.47; CI 1.14; 1.9), pulmonary hypertension (HR 1.88; CI 1.48; 2.39), left atrial dilatation (HR 1.24; CI 1.14; 1.35) right ventricular dysfunction (HR 1.22; CI 1.1; 1.36), moderate or severe tricuspid regurgitation (HR 1.65; CI 1.29; 2.1), and low handgrip strength (HR 1.47; CI 1.18, 1.83) were significantly associated to mortality. Vital capacity (HR 0.07; CI 0.03, 0.19), high tapping rate (HR 0.04; CI 0.77, 0.91), and muscle strength (HR 0.73; CI 0.58, 0.92), were significant predictors of longer survival.

目前分析是一种合成的数字化测量的预测死亡率。分析表明,各种各样的至关重要的生存与健康有关的参数,如血流动力学、呼吸系统,动态测量,BMI和糖尿病,可以测量和远程管理。数字技术如血压监视器、脉搏血氧计,和传感器的测量心率和呼吸率、糖尿病血糖米,身高-体重监控BMI,运动传感器、加速度计、电子计步器的运动参数,为肌肉力量测,肺活量计,和手持超声心动图可以有效地纳入日常保健的老年人,因为它们与生存或死亡,分别。

子群分析比较参与者与那些没有心血管诊断心血管疾病进行的三个死亡率的显著预测因子。糖尿病亚组分析(HR 1.69;可信区间1.43 2.00 1.62心血管和人力资源;CI 0.95, 2.75为其他诊断)和降低BMI (HR 1.24;CI 1.08, 1.42对心血管病人与人力资源1.24;可信区间0.96,1.61为其他诊断)表明,糖尿病和降低BMI只对心血管病人死亡率的重要预测因子,而心律失常(HR 1.61;可信区间1.35 1.93 2.63心血管和人力资源;可信区间1.46,4.74为其他诊断)没有区分在诊断与死亡率之间的关系。

我们没有进行亚组分析行走速度慢,不锻炼身体和LVEF < 40岁以后,在第一种情况下的研究包括心血管病人,最后在两个情况下,许多研究包括亚组分析是不够的。

一些之前的分析是基于少量的研究,应该考虑这些结果的不稳定性。

包括研究的95%置信区间很窄,虽然估计接近对方暗示同质性,我²是相对较高(23,24)。高血压与非均质性测试在口服补液盐(我²= 59,p= 0.06)和收缩压(我²= 92,p= 0.11)可能发生由于低功率,由于研究的数量包括在这些分析是小(23)。

发病率

发病率的预测中描述图3。高血压(或1.32;可信区间1.06,1.64;13个研究),降低BMI(或1.50;可信区间1.11,2.01;3研究)被确定为发病的重要预测因子。荟萃分析的结果报告结果为心律失常(或1.44;可信区间0.73,2.84;3研究)、LVEF < 45(或1.04;可信区间0.71,1.52; 4 studies) and diastolic blood pressure (OR 1.45; CI 0.60, 3.47; 2 studies) did not provide any statistically significant result, whereas results regarding diabetes (OR; CI 1.26 0.96, 1.65; 13 studies), slow walking speed (OR 1.57; CI 0.91, 2.68; 3 studies) increased BMI (OR 1.03; CI 0.89, 1.19; 5 studies) and systolic blood pressure (OR 1.06; CI 0.97, 1.16; 3 studies) were marginally insignificant.

图3还提供了一个可视化的贡献的四个平衡参数的发病率,基于两个独立的团体的组合结果源自相同的研究(18)。结果表明,没有一个有关痴呆和/或轻度认知障碍或身体健康。

其他统计的重要预测因子发病率只确认一次通过文献检索(表4),缓慢的步行速度报道作为痴呆的人力资源(HR 1.62;1.23,2.14),发病率比IRR (IRR 1.28;1.12,1.47)。其他统计的重要预测因子发病率减少体力活动(或5.56;CI 2.45, 12.64)和异常ABI < 90(或2.48;可信区间1.22,5.07)。

亚组分析显示,高血压是一个重要的预测心血管病人的发病率,而人与其他诊断(或1.55;CI 1.19, 2.00和1.12;CI 0.88, 1.43),而糖尿病发病率的一个重要预测只有non-cardiovascular患者(或1.23;可信区间0.95,1.59;对心血管和或1.57;CI 1.22, 2.00为其他诊断)。

异质性是中度高血压(我²= 45,p= 0.006)和糖尿病(我²= 47岁p= 0.004),无明显异质性降低BMI研究(我²= 0p= 0.006)。剩下的少数研究中分析,可以解释与异构性值,表明限制功率估计真实的效果(23)。

住院治疗

两个研究报道结果的预测住院,三个预测再次住院,一项研究提供了一个比率为重症监护室(ICU)录取。提出了确定预测因子包括的研究表5。住院的几率高地面摔伤的人诊断为虚弱的相比,那些没有被诊断为虚弱(或4.14;可信区间1.63,10.51)。肥胖(或2.69;CI 1.0, 7.19)和肺的问题(或3.43;CI 1.12, 10.5)住院患者结直肠癌的重要预测因子。弱点(或2.37;CI 1.05, 5.33)报道的一个重要预测60天重新接纳的人受伤,而疲劳(或3.04;CI 1.15, 8.03)和体重(或3.83;CI 1.30, 11.27)报告了30天的重要预测因子再入院患者住院治疗的历史后30天随访最后住院。 Finally, supraventricular tachydysrhythmias seem to be an important predictor of ICU admission (OR 18.9; CI 4.59, 77.87) for people that have undergone esophageal operation. Although hospitalization outcomes did not provide us with an adequate number of studies to proceed to an analysis with multiple predictors, we succeeded however to find associations between additional technologies and health management of older people. These technologies include digital dynamometers for the assessment of frailty and weakness in older people, sensors, sensitive in identifying fatigue symptoms and, digital pressure algometers and dolorimeters for the measurement of pain.

限制

本研究提出了一些局限性主要是由于人口的高异质性研究。第一个限制是相对较少的研究包括在综合考虑到大量的变量检查。我们的分析是基于一个小(< 5)许多研究,通常被认为是最小阈值随机荟萃分析维护以保持统计能力。特别是,无法继续住院的量化,因为荟萃分析表明,太少的研究揭示的主题“住院”量化具有统计学意义。其次,没有审查协议发表开始之前我们的分析。第三,我们只包括在合成研究用的语言研究团队之一。这种限制没有影响最终合成作为检索的研究都是用英语写的。最后,我们分析的一些研究似乎受到偏见的风险。这种风险降到最低,我们实现了几个偏差评估,特别是偏见和发表偏倚的风险评估。结果表明,大多数研究评论》(下39)被评为高和中等风险的偏见,而10研究评估有一个低风险的偏见。发表偏倚评估是评估进行的小型研究影响通过漏斗图(61年,62年)。发表偏倚,较小规模的研究结果是广泛传播,由于精度低,和不对称平均预期相比更大规模的研究的结果。这种不对称是缺少研究的暗示。没有发表偏倚,个人研究结果汇集估计(分布更均匀23,62年,63年)。然而,解释时应该小心谨慎漏斗图尤其是小于10(包括研究的数量25)。在我们的情况下,糖尿病相关的死亡率和发病率的漏斗图(图4,5)是很难解释的。

尽管这些限制,我们的研究提供了一个系统的综合数字测量,可以预测死亡率、发病率和住院老年人。我们的研究结果确定一个数量的数字可测量的生理参数,可以作为代理为老年人的健康恶化。这是信息是至关重要的评估当前的承诺的数字医疗技术和挑战老年人的保健和健康有前途的,特别是在远程医疗和辅助生活的背景下。此外,这些信息可以通知循证决策的数字化健康和gerontechnology。

讨论

我们的研究结果发现以下预测死亡率:糖尿病,降低BMI,心律失常,行走速度慢,体力活动不足。高血压、糖尿病和体重指数下降也确定为发病的重要预测因子,虽然虚弱,肺疾病、肥胖、疼痛、疲劳、和热被确定为住院或重新接纳的重要预测因子。总的来说,我们的结果表明,个人数字卫生技术,可以充分测量上述参数有可能改善老年人的健康状况。这个调查是一个先决条件的设计、开发和部署个人数字卫生技术,可以有效地测量最丰富的参数,从而利用这些信息来提高老年人口段内的健康结果。我们的分析表明,各种各样的健康参数,如血流动力学、呼吸系统,动力学参数,BMI和糖尿病,可能收藏价值使用个人数字技术可以有效地用来预测和改善老年人的健康状况享年65岁或更老。此外,数字技术如血压监视器、脉搏血氧计和传感器的测量心率和呼吸率、糖尿病血糖米,身高-体重监控BMI,运动传感器、加速度计、电子计步器的运动参数,为肌肉力量测,肺活量计和手持超声心动图可以有效地整合在老年人日常保健,因为它们与生存或死亡,分别。所有发病率开门的数字可衡量的指标参数,可以使用个人数字医疗技术远程管理。我们的研究结果表明,将血压监视器、血糖监测、数字身高-体重监控目标的运动传感器和秒表测量身体活动和步态速度以及公司日常保健的手持式超声心动图老年人可以有效地促进健康维护和保护从不良健康状况。从当前研究的目的是提供一个合成的新技术,可用于测量发病的危险因素,我们没有区分病态条件关于他们的发病机理。

这些结果与以前的研究一致显示积极的特定技术和健康结果之间的相关性。例如,使用远程数字心律失常监控已经观察到影响医疗住院率和对发病率和死亡率的影响(64年,65年)。系统和整合性的研究,然而,允许中将这些证据对更广泛的技术和医学背景下,比较不同数据源,从而实现更可靠的和可归纳的知识。的一些关联揭示了我们的研究可能会出现初步反直觉的。其中一个是肥胖是积极与生存相关的事实(或0.70;可信区间0.56,0.87;在老年人6研究)。然而,这种所谓的“肥胖矛盾”似乎是众所周知的。其中,阿布拉莫维茨et al。66年)。报告说,在过去的二十年里开展的多项研究都表明体重指数(BMI)在正常范围内与死亡的风险最低。其他大型队列研究在不同的人口已达到不同的结论,证明超重甚至肥胖的生存利益,已被许多解释为因果关系(66年)。尽管肥胖与心血管和周围疾病的风险更高,也为不同类型的癌症,先前的研究已经发现,在急性呼吸困难或慢性高血压病、2型糖尿病、慢性肾脏疾病、或转移性癌,肥胖的人在老人口段往往活得更久67年- - - - - -69年),这表明obesity-induced健康状况取决于变量如年龄(68年)。尽管对年轻患者死亡率高,肥胖是一个风险因素在老年患者可以成为保护由于储备更多的对抗疾病。在老年人中,最近的研究表明,肥胖相关的死亡风险较低(70年,71年)。这些发现可能可以解释这样的事实,许多先前的研究是回顾性分析没有检查肥胖作为主要结果并没有控制潜在的混杂因素,可能会影响结果,如特定慢性病(的存在69年,72年)。此外,当前数据兼容的观点不是肥胖但BMI变化的主要因素需要持续的监控在老年减肥随着年龄的增长通常与较差的预后相关。尽管如此,这种“肥胖矛盾”的可能性仍然是讨论在文学和公共卫生的重要性,尤其是因为消息传达给公众的(66年)。另一个反直觉的结果是,高血压似乎没有死亡率的一个重要预测的65岁以上人口+。然而,小的血压值对死亡率的影响并不奇怪。作为治疗中风和冠心病的一部分,许多人与代理人接受治疗,降低甘油三酸酯或脂质水平。可能包含分类诊断信息的高血压和脂质治疗可以改善预测模型。不幸的是,这些数据目前不提供给我们。然而,我们将注意高血压产生致命影响冠心病和中风,所以有可能是一些如果不是最重要的方差对死亡被捕捉到这些变量(49)。

结论

我们的荟萃分析43回顾并比较系统地研究。我们的研究结果发现以下预测死亡的人都是65岁或以上的老人:糖尿病,降低BMI,心律失常,行走速度慢,体力活动不足。高血压、糖尿病和体重指数下降也确定为发病的重要预测因子。总的来说,我们的研究结果表明,数字医疗技术,可以充分测量上述参数有可能改善老年人的健康状况。这些信息是至关重要的为老年人发展数字医疗技术,可以提高他们的整体健康和幸福。

数据可用性声明

最初的贡献提出了研究中都包含在这篇文章/补充材料,进一步的调查可以直接到通讯作者/ s。

作者的贡献

SD开发方法,收集和分析数据,起草了手稿。ARa构想的研究,回顾了数据,导致了手稿。CH和兆瓦回顾了数据和促成了手稿。阿鲁获得资助,研究构思,促成了手稿。和NP分析数据和促成了手稿。RK导致了研究设计和手稿。MI获得资助,研究的构思,开发方法,回顾了数据,起草了手稿。所有作者批准这个手稿的最终版本。

资金

这项研究由瑞士创新机构(Innosuisse)项目数量40158.1 INNO-ICT。

的利益冲突

ARa,阿鲁,MW受雇于聪明。保健AG)。作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。这项研究是由Innosuisse——瑞士创新机构,授予数量:40158.1 INNO-ICT。这个资助计划是有目的的,旨在促进和推动学术界和私营企业之间的合作。

补充材料

本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fdgth.2020.602093/full补充材料

引用