Modelos de predicción de caídas en personas mayores con demencia: una revisión rápida

Resumen

Introducción

Las caídas en personas mayores con demencia son eventos frecuentes con consecuencias graves para su salud y calidad de vida. La predicción de caídas puede permitir el desarrollo de intervenciones para prevenirlas, especialmente en entornos institucionales.

Objetivos

Identificar y describir los modelos existentes de predicción de caídas en personas mayores con demencia, tanto los de carácter clínico como los basados en soluciones tecnológicas.

Métodos

Se realizó una revisión exploratoria rápida de la literatura en las bases de datos Scopus, Ovid Medline y PubMed, incluyendo estudios publicados hasta el año 2024. Se incluyeron estudios primarios que desarrollaron modelos de predicción de caídas en población mayor con demencia. Se excluyeron revisiones, estudios sobre otras poblaciones o sin modelos predictivos explícitos.

Resultados

Se identificaron 2.293 registros y, tras eliminar duplicados y aplicar los criterios de inclusión y exclusión, se incluyeron 22 estudios. El 54,5% se realizaron en Europa, 18,2% en Japón, 18,2% en América del Norte y 9,1% en otros contextos. Los modelos se desarrollaron en contextos residenciales, domiciliarios y hospitalarios, y utilizaron predictores sociodemográficos, clínicos, funcionales, cognitivos y relacionados con la movilidad. Un 22,7% usó algoritmos de inteligencia artificial. Solo tres estudios aplicaron métodos de validación interna.

Conclusiones

Existen múltiples modelos para predecir caídas en personas mayores con demencia, pero su aplicabilidad clínica es limitada por la escasa validación y heterogeneidad de los predictores. Se requieren estudios adicionales que desarrollen y validen modelos robustos y aplicables en la práctica clínica.

Abstract

Introduction

Falls in older adults with dementia are common and have multiple consequences for their health and quality of life. Fall prediction models are the core of the development of interventions to prevent falls, especially in institutional settings.

Objectives

To identify and describe existing clinical and technology-based models to predict falls in older adults with dementia.

Methods

A rapid literature review was conducted in Scopus, Ovid Medline and Pubmed. Included studies developed fall prediction models in older adults with dementia and were published up to 2024. Excluded studies consisted of reviews, studies conducted in other populations or without explicit predictive models.

Results

2.293 references were identified, and, after the full-text review, 22 studies were included. Of these, 54.5% were conducted in Europe, 18.2% in Japan, 18.2% in North America, and 9.1% in other contexts. The developed models recruited participants from residential, home, and hospital settings and used sociodemographic, clinical, functional, cognitive, and mobility-related predictors. 22.7% of the identified models used artificial intelligence algorithms. Only three studies used internal validation m

ethods.

Conclusions

Many prediction models are available to predict falls in older adults with dementia, but their clinical use is limited due to poor validation and predictor heterogeneity. Future studies should develop robust and valid fall prediction models tailored to support clinicians in providing adequate patient-centered care.