Qual é a acurácia dos dispositivos vestíveis na predição de quedas em idosos, segundo uma revisão sistemática e meta-análise?
Resposta curta: Em meta-análise de 20 estudos, os dispositivos vestíveis mostraram boa capacidade discriminativa para predizer quedas futuras em idosos, com especificidade alta e sensibilidade moderada (sensibilidade agrupada de 0,55 e especificidade de 0,89; AUC de 0,85). O desempenho foi melhor nos estudos com modelagem por aprendizado de máquina (AUC de 0,90).
Resposta
A revisão sistemática com meta-análise reuniu evidências quantitativas sobre a acurácia de dispositivos vestíveis na predição de quedas futuras em idosos. Os autores buscaram estudos em bases de dados desde a criação até outubro de 2025 e agruparam sensibilidade, especificidade, razões de verossimilhança e a área sob a curva ROC sumária, além de explorar fontes de heterogeneidade por subgrupos e meta-regressão.
Os resultados agrupados indicam especificidade alta e sensibilidade moderada: sensibilidade de 0,55 (IC 95%: 0,42-0,67), especificidade de 0,89 (IC 95%: 0,84-0,93), razão de verossimilhança positiva de 5,2, razão de verossimilhança negativa de 0,50 e razão de chances diagnóstica de 10,39. A área sob a curva SROC foi de 0,85 (IC 95%: 0,81-0,88), compatível com boa capacidade discriminativa.
As análises de subgrupo e de regressão apontaram que os estudos que empregaram modelagem por aprendizado de máquina tiveram melhor capacidade discriminativa global (AUC de 0,90). O desempenho preditivo também pode ser influenciado por características como estrutura etária da população, tamanho da amostra e local de posicionamento do sensor.
Os autores concluem que os dispositivos vestíveis apresentam boa capacidade discriminativa para predizer quedas futuras em idosos, com perfil de alta especificidade e sensibilidade moderada. Por isso, seriam mais adequados como ferramentas de triagem precoce e estratificação de risco em contextos comunitários e institucionais, apoiando a decisão sobre prioridades de intervenção.
Para o médico, o achado central é que esses dispositivos funcionam melhor para identificar quem tem baixo risco (alta especificidade) do que para detectar todos os que cairão (sensibilidade moderada). O resumo não informa detalhes sobre os dispositivos específicos avaliados nem sobre os protocolos de acompanhamento.
O que o estudo mostrou
Trata-se de revisão sistemática e meta-análise com 20 estudos incluídos, com busca em PubMed, Embase, Web of Science e Cochrane Library até outubro de 2025. O modelo bivariado de efeitos aleatórios gerou sensibilidade de 0,55 (IC 95%: 0,42-0,67), especificidade de 0,89 (IC 95%: 0,84-0,93), razão de verossimilhança positiva de 5,2, negativa de 0,50, razão de chances diagnóstica de 10,39 e AUC da curva SROC de 0,85 (IC 95%: 0,81-0,88). Estudos com aprendizado de máquina mostraram AUC de 0,90.
Limitações
O resumo não detalha as limitações individuais dos estudos incluídos nem a distribuição do risco de viés avaliado pelo PROBAST. A heterogeneidade foi explorada por subgrupo e meta-regressão, mas o resumo não informa quais variáveis explicaram de forma consistente essa variabilidade. Também não são descritos os dispositivos, os algoritmos ou os horizontes de seguimento, o que limita a generalização dos valores agrupados para populações e contextos específicos.
Aplicação no consultório
Na prática clínica e na gestão do consultório, os dispositivos vestíveis podem ser considerados ferramentas de triagem precoce e estratificação de risco de quedas em idosos, sobretudo em contextos comunitários e institucionais. A alta especificidade favorece confirmar risco elevado e priorizar intervenções, enquanto a sensibilidade moderada indica que um resultado negativo não exclui o risco. O médico pode usar esses dados para organizar fluxos de avaliação e alocar recursos de prevenção, sem substituir a avaliação clínica individual.
Estudo citado
Accuracy of wearable devices in predicting falls in older adults: a systematic review and meta-analysis. Frontiers in public health, 2026.
Autores: Mou C, Yan X, Miao X, Zhu L.
DOI: 10.3389/fpubh.2026.1778750 · PubMed: PMID 41889634
Perguntas para aprofundar
- Como o aprendizado de máquina melhora a acurácia dos dispositivos vestíveis na predição de quedas em idosos?
- Qual é o papel da sensibilidade moderada e da alta especificidade na triagem de risco de quedas?
- O local de posicionamento do sensor influencia o desempenho preditivo dos dispositivos vestíveis?
Mais sobre IA e wearables
- Modelos de inteligência artificial aplicados a dados de dispositivos vestíveis são acurados para detectar depressão e prever episódios depressivos?
- Como tecnologias emergentes e intervenções podem melhorar a termorregulação e prevenir insolação em idosos?
- Sensores vestíveis e aprendizado profundo na detecção de quedas em idosos: qual o desempenho segundo uma revisão sistemática?
- Sensores vestíveis são confiáveis para avaliar o risco de queda em doenças neurológicas?
- Como a inteligência artificial e as tecnologias emergentes podem ser usadas na avaliação de riscos ergonômicos no ambiente de trabalho?
Todas as perguntas sobre IA e wearables · Todos os temas · Versão em markdown