Riesgo de Caídas y Parámetros de Marcha en Personas Mayores de la Comunidad: ¿Cuáles son los Indicadores de Función y Disfunción del Movimiento? / Risk of Falls and Gait Parameters in Community Elderly: What Are the Indicators of Movement Function and Dysfunction?

RESUMEN

Introducción. La población de personas mayores (PM) en Chile presenta un incremento sostenido con importantes tasas de fragilidad y riesgo de caídas (RC). El desempeño de marcha permite valorarlo mediante parámetros mecánicos y fisiológicos. Nos preguntamos, ¿cuáles podrían ser los más relevantes para estimar RC en condiciones de marcha confortable (MC) y máxima (MM)? Objetivo. Identificar los principales parámetros de marcha que podrían explicar RC en PM autovalentes de la comunidad. Métodos. Estudio observacional y transversal en el cual participaron 53 PM autovalentes de la comuna de Talca, Chile (edad 71±7años; IMC 29,1±3,4 kg/m2). Se solicitó a los participantes la ejecución de MC (n=53) y posteriormente MM (n=36). Ambas modalidades fueron desarrolladas en un circuito elíptico de 40m durante 3min. El RC se categorizó como: "sin riesgo", "riesgo dinámico" según prueba timed up and go (TUG) positiva, "riesgo estático" según estación unipodal (EUP) positiva y "riesgo mixto" con ambas pruebas positivas. Para la visualización de la variación gráfica en el morfoespacio de los individuos según RC, se realizó un análisis de componentes principales (ACP) mediante el Programa RStudio, utilizando 6 variables cinemáticas: i) velocidad promedio de marcha (VPM), ii) cadencia, iii) máximo despeje del pie (MDP), iv) coeficiente de variación (%CV) del MDP, v) longitud de zancada (LZ) y vi) %CV de la LZ. Además de 2 variables fisiológicas: i) % frecuencia cardiaca de reserva utilizada (%FCRu) y ii) el índice de costo fisiológico según la relación entre FC y VM (latidos/metros). Resultados. Para MC las dimensiones del ACP explican el 56% de la variabilidad de los datos, siendo los indicadores de seguridad de RC la VM, cadencia, LZ y MDP. La variabilidad de marcha explica RC mixto y el ICF junto al %FCRu se asocian a RC dinámico. En condiciones de MM, el ACP explica 60% de la variabilidad de datos, donde las PM sin RC se asocian con VM, LZ y MDP. Por su parte, la variabilidad del MDP se vincula con RC dinámico y las variables fisiológicas con el RC mixto. Conclusiones. Los parámetros de marcha que mejor explican una marcha segura y eficiente son cinemáticos de la fase de balanceo, mientras que la variabilidad y el costo fisiológico se asocian como indicadores de RC dinámico y mixto.

ABSTRACT

Background. Introduction: The elderly population (EP) in Chile is experiencing a sustained increase with significant rates of frailty and risk of falls (RF). Gait performance can be assessed using mechanical and physiological parameters. We wonder, which ones could be the most relevant to estimate RF in self-selected walking speed (SSWS) and maximum walking speed (MWS) conditions? Objective. Identify the main gait parameters that could explain RF in self-sufficient elderly individuals from the community. Methods. This observational and cross-sectional study included 53 self-sufficient elderly individuals from the commune of Talca, Chile (age 71±7 years; BMI 29.1±3.4 kg/m2). Participants were asked to perform SSWS (n=53) and subsequently MWS (n=36). Both modalities were conducted on a 40m elliptical circuit for 3 minutes. RF was categorized as: "no risk," "dynamic risk" based on a positive timed up and go test, "static risk" based on a positive one-legged stance test, and "mixed risk" with both tests positive. To visualize the graphical variation in the morphospace of individuals according to RF, a principal component analysis (PCA) was conducted using RStudio, utilizing 6 kinematic variables: i) walking speed (WS), ii) cadence, iii) maximum foot clearance (MFC), iv) coefficient of variation (%CV) of MFC, v) stride length (SL), and vi) %CV of SL. In addition to 2 physiological variables: i) % of reserve heart rate used (%RHRu) and ii) the physiological cost index based on the relationship between heart rate and WS (heartbeats/meters). Results. For SSWS, the PCA dimensions explained 56% of the data variability, with gait safety indicators such as WS, cadence, SL, and MFC explaining RF. Gait variability explains mixed RF, while the physiological cost index and %RHRu are associated with dynamic RF. In MWS conditions, PCA explains 60% of the data variability, where the elderly persons without RF are associated with WS, SL, and MFC. On the other hand, MFC variability is related to dynamic RF, and physiological variables are associated with mixed RF. Conclusions. The gait parameters that best explain safe and efficient walking are kinematic parameters of the swing phase, while variability and physiological cost are indicators of dynamic and mixed RF.