Contact

    LINDERA SCIENTIFIC APPROACH TO CARE

    1. Background – Relevance fall prevention 
    • A third of all accidents is due to falls [4] 
    • 28-32% of people aged 65+ and up to 42% of people aged 70+ fall each year 
    • Older people in nursing homes fall more often than those living at home 
    • Falls are one of the major causes of mortality and morbidity in adults aged 65+ 
    • Falls have a big negative impact on the quality of life 

     According to the World Health Organization (WHO), approximately 28-35% of people aged 65 and over fall each year increasing to 32-42% for those over 70 years of age (World Health Organization, 2007). The frequency of falls increases with age and frailty level.  

    According to the German Robert Koch-Institut, almost a third of all accidents (29.8%) is due to falls (Varnaccia et al., 2013). In the age population of 60 years and older, more than half of the accidents (53.7%) is due to falls. With an increasing age, the probability of fractures increases. For 47.2% of elderly aged 60 years or older falls cause fractures.  

    Older people who are living in nursing homes fall more often than community dwelling elderly. Elderly living at home have a risk of 27 % to fall at least one time in the next year. The risk of multiple falls in this time window is 10% (Balzer et al., 2012). The WHO reports that approximately 30-50% of people living in long-term care institutions fall each year, and 40% of them experienced recurrent falls (World Health Organization, 2007). Other studies even report 50-66% of residents falling each year (Kehinde et al., 2011).  

    Unintentional injuries are the fifth leading cause of death in adults aged 65 years or older (after cardiovascular diseases, cancer, stroke and respiratory causes), and falls cause two thirds of these deaths (Deandrea et al., 2013; Kehinde et al., 2011). The death rate from unintentional falls is substantially higher in people aged 75 years and older compared with the 65 to 74 years age group (McClure et al., 2005). Falls among older adults in care facilities and hospitals are a major cause, if not the most common external cause of mortality and morbidity (Cameron et al., 2018; Kehinde et al., 2011; Kim et al., 2017; Pfortmueller et al., 2014). Falls in nursing homes often lead to fractures, subdural hematoma and soft-tissue injuries. Often these injuries cause death or disability.  

    Currently, up to 5 million cases of unintentional falls of elderly people occur in Germany every year. Up to 250,000 people suffer from fractures each year and are hospitalized as a result. Fracture of the femur neck is the most common diagnosis in older people for the underlying cause of fall-related deaths. Hip fractures are the most serious fall-related injury in this age group, with 15% of these patients dying in hospital and 25%-33% not surviving beyond one year after fracturing their hip and 12% incur a new fracture (McClure et al., 2005; Neyens et al., 2011; Vlaeyen et al., 2015). In general, older people who sustain a hip fracture while in hospital have been shown to have poor outcomes compared with people sustaining similar fractures in the community.  

     Apart from the physical consequences, falls also have psychological burden. Falls and fall-related injuries have a negative effect on independence, confidence, and quality of life (Child et al., 2012; Kim et al., 2017). Nursing home residents who have fallen may have different levels of fear of falling. They might lose confidence in social interactions and perceive a poor quality of life (Child et al., 2012).  

    Conclusion 

    Adults aged 60 or older have a high risk of falling. The risk of falling increases for elderly living in nursing homes or older adults being hospitalized. The consequences of falls for this population are very serious and often lead to a reduced quality of life, disability or death. The medical and personal costs associated with the increased number of falls for adults aged 60 or older is enormous and growing with an aging population. Therefore, reducing the fall risk can promote mobility resulting in a longer and healthier life. Fall risk assessment and fall risk prevention programs therefore gain a lot of attention of governments worldwide.  

    2. Fall assessment 

    Caregivers in nursing in Germany are obliged to assess the fall-risk. Assessing the fall risk and the fall risk factors is essential for selecting the appropriate interventions for each individual. 

     The multi-factorial nature of falls can only be captures by a multifactorial fall risk assessment consisting of at least, but not only, a mobility analysis. Therefore, the fall-risk-score resulting from the Lindera Mobility Analysis is the result of: 

    1. A gait analysis 
    2. A multi-disciplinary questionnaire  

     The gait analysis consists of a test inspired by the Tinetti Performance Oriented Mobility Assessment (POMA-G)(Tinetti, 1986). The participant is filmed while standing up from a chair, walking 3 meters, turning 180° in order to walk 3 meters back and sitting down again. From this video, the high accuracy, artificial intelligence-based algorithm analyzes parameters such as the angle of upper body inclination to the front and to the left, as well as other parameters of the gait pattern (step length, step time, step speed, step height and cadence) to determine potential risk factors. 

     In addition to these gait parameters, the Lindera Mobility Analysis considers information from a multidisciplinary questionnaire following different categories to identify further evidence-based risk factors for fall-risk prevention (Expertenstandard Sturzprophylaxe in Der Pflege, 2013):  

    • impaired mobility and gait   
    • sensory deficits and cognitive impairments  
    • illnesses and medication that can lead to fainting   
    • continence  
    • extrinsic risk factors (i.e., environmental hazards, footwear, (inappropriate) walking aids/assistive devices)  
    • fear of falling  
    • fall history  
    • personality  

     The multi-disciplinary questionnaire focuses on extrinsic and intrinsic risk factors. The questionnaire combines multiple screening instruments to better evaluate the multifactorial characteristics of falls and maximize the advantages of each instrument for assessing the fall-risk.  

     Risk factors from the following instruments are combined: 

    • STRATIFY Fall Risk Assessment Tool (Oliver et al., 1997) 
    • Hendrich-Fall risk model II (Hendrich et al., 2003) 
    • Downton Fall Risk Assessment (Downton, 1993) 

    Each determined risk factor from the video and questionnaire will be analyzed. The detected risk factors are weighed and summarized by the Lindera Mobility Analysis, resulting in an overall fall-risk score. This fall-risk score ranges from 0 to 100%. The more high-risk factors have been identified, the higher the value of the fall-risk score is. This fall score is only intended to visualize the personal risk of falling. The fall-risk score cannot make a prediction of the occurrence of a fall event.  

    1. Fall risk prevention

    The risk factors are explained to the patient and/or health care professional within a provided fall risk report. This individualized report will include multifactorial recommendations corresponding to the identified risk factors. The recommendations are based on guidelines and scientific literature in order to reduce fall risks and support fall prevention. Multifactorial fall prevention programs including physical exercises, and other components such as hazard assessments and modifications, surgeries, management of urinary incontinence, psychological interventions, environment/assistive technology, as well as interventions to increase knowledge are effective in reducing fall risks, number of falls, fear of falling, and improving the quality of life (Billington et al., 2012). 

    By tracking the implementation of recommendations, and by regular assessments of the fall-risk score and the risk factors, the Lindera Mobility Analysis adapts to changes in the physical and psychological wellbeing of users, as well as changes in the environment of the user. With an adaptive fall risk prevention, the Lindera Mobility Analysis aims to reduce the fall risk.  

    Multifactorial assessments can guide the allocation of particular interventions such as physiotherapy, occupational therapy and interventions to target inappropriate medication use (Billington et al., 2012). 

    1.  Eigene Studien und Ergebnisse 

    Bereits während der Entwicklungsphase wurden ausführliche Expert*innenworkshops, Pilotprojekte und Beta-Tests durchgeführt, um die intuitive Handhabung sowie eine praxisnahe Entwicklung des Produkts zu gewährleisten. Seit der Markteinführung werden kontinuierlich Feedback von Anwender*innen und anonyme Nutzungsdaten ausgewertet. Zudem arbeiten wir zur Evaluation der Lindera Mobilitätsanalyse deutschlandweit mit unabhängigen Forschungseinrichtungen zusammen. Im Rahmen dieser Kooperationen werden folgende Themenfelder untersucht:  

    1. Vergleich der diagnostischen Güte der Lindera Mobilitätsanalyse im Vergleich mit herkömmlichen Verfahren  
    2. Patient*innenzentrierter Nutzen  
    3. Verbesserung der Pflege- und Betreuungspraxis  
    4. Usability und Akzeptanz  

     
    Die zentralen Ergebnisse im Hinblick auf diese Fragen werden in den folgenden Abschnitten zusammengefasst. Eine Übersicht über abgeschlossene, laufende und geplante Evaluationsstudien findet sich weiter unten.  

    1. Vergleich der diagnostischen Güte der Lindera Mobilitätsanalyse im Vergleich mit herkömmlichen Verfahren  

    Diagnostische Güte der Gangparameter: Die Messgenauigkeit der Gangparameter wurde im Rahmen einer klinischen Studie in Zusammenarbeit mit der Charité Berlin belegt und zeigt eine exzellente Übereinstimmung mit dem Goldstandard. Im Rahmen der Studie mit 44 Proband*innen wurden die mit einem Smartphone erfassten Gangparameter mit den Ergebnissen eines validen Referenzsystems (GAITRite System, GS) verglichen. Hierbei handelt es sich um einen „Ganganalyseteppich“ mit Drucksensoren, der Auskunft über räumliche und zeitliche Gangparameter wie der Schrittlänge und der Ganggeschwindigkeit gibt. In der Studie wurde die Übereinstimmung der GAITRite Parameter mit den Ergebnissen des videobasierten Algorithmus untersucht, der der Lindera Mobilitätsanalyse zugrunde liegt. Für die videobasierte Mobilitätsanalyse wurden die Daten sowohl mittels eines in der Hand gehaltenen Smartphones (SCA Hand) als auch über ein im Stativ befestigten Smartphones erhoben (SCA Stand). Tabelle 1 zeigt Mittelwerte und Standardabweichungen beider Systeme (GS und SCA) für alle gemessenen Gangparameter unter beiden Bedingungen (Hand und Stand). Die Messungen unter den verschiedenen Bedingungen stimmen in einem hohen Ausmaß überein. Die Mittelwerte und Standardabweichungen (Maß für die Streuung der Werte) unterscheiden sich nicht signifikant vom Referenzsystem. Das bedeutet: Die Lindera Gangbildanalyse per Video eignet sich genauso gut zur Erfassung des Gangbildes wie das bewährte GAITRite System.  

    Tabelle 1. Statistische Vergleiche zwischen GS und SCA (Hand und Stand). Mittelwert und Standardabweichungen werden zusammen mit den Inter-Class-Correlation-Koeffizienten, ICC (2, k), für mehrere Gangparameter angegeben 

     GS SCA Hand SCA Stand 
     Mean ± Std ICC (2, k) Mean ± Std ICC (2, k) Mean ± Std 
    Gait speed (m/s) 1.42 ± 0.32 0.972 1.41 ± 0.32 0.984 1.38 ± 0.32 
    Step length left (cm) 69.58 ± 10.34 0.915 71.07 ± 11.67 0.938 66.14 ± 10.48 
    Step length right (cm) 68.85 ± 10.28 0.922 66.88 ± 10.91 0.938 69.05 ± 11.46 
    Step time left (s) 0.501 ± 0.063 0.955 0.516 ± 0.063 0.959 0.491 ± 0.063 
    Step time right (s) 0.498 ± 0.062 0.955 0.486 ± 0.060 0.941 0.511 ± 0.059 
    Cadence (steps/min) 121.8 ± 14.6 0.989 121.3 ± 13.8 0.987 121.4 ± 13.9 

    Eine Zusammenfassung der Ergebnisse ist bereits im Rahmen eines Tagungsbandes erschienen (Azhand et al., 2020). Eine vollständige Publikation der Studienergebnisse befindet sich in Vorbereitung.1 

    Validität des Sturzgrades als Gesamtrisikoindex: Die Validität des Sturzgrades konnte im Rahmen einer retrospektiven Fall-Kontroll-Studie mit der Charité belegt werden, welche bereits in einem wissenschaftlichen Fachjournal publiziert wurde (Rabe et al., 2020). Im Rahmen der Studie wurde analysiert, mit welcher Güte der Sturzgrad zwischen Personen differenziert, die in den letzten 12 Monaten vor der Analyse mindestens einmal gestürzt oder nicht gestürzt sind. Hierbei zeigte sich eine aus 5 statistischen Klassifikationsmodellen gemittelte hohe Sensitivität von 93% des Sturzgrades. Das bedeutet: Anhand des Sturzgrades ließ sich in 93% der Fälle korrekt bestimmen, dass eine Person in den letzten 12 Monaten gestürzt war. Die Spezifität liegt bei 58%. Das heißt, in 58% der Fälle wurden Personen, die in den letzten 12 Monaten nicht gestürzt waren, anhand des Sturzgrades korrekt als „Nicht-Stürzer“ klassifiziert. Der gemittelte AUC Wert, der die Qualität des Assessments bemisst, liegt bei 0.86. Folglich zeigt der Sturzgrad eine gute Trennschärfe. Die Werte zur Sensitivität, Spezifität und AUC sind vergleichbar zu bisherigen als valide geltenden Messinstrumenten zum Sturzrisiko (Deandrea et al., 2010). Zusammenfassend, lässt sich festhalten, dass der Sturzgrad ein valides Instrument zur Beurteilung des Sturzrisikos darstellt.  

    1. Patient*innenzentrierter Nutzen 

    Reduktion des Sturzrisikos: Die Lindera Mobilitätsanalyse ist seit August 2018 im App Store verfügbar. Seitdem kam die App bereits in über 70 stationären sowie ambulanten Pflegeeinrichtungen und Pflegeberatungsstellen zum Einsatz. Im Rahmen dieser routinemäßigen Anwendung ist ein Datensatz mit Mobilitätsdaten von 223 Patient*innen zwischen 65 und 100 entstanden, für die eine Erst- sowie mindestens eine Folgeanalyse vorliegt. Zwischen Erst- und Folgeanalyse lagen durchschnittlich drei Monate.  

     Anhand dieser Anwendungsdaten lässt sich der Nutzen nach wiederholtem Einsatz der App beurteilen. Die gegenwärtige Auswertung bezieht Daten aus der Zeitspanne von Februar 2019 bis Dezember 2020 mit ein. Im Zentrum der Auswertung steht die Veränderung des Sturzgrades von Erst- zu Folgeanalyse.  

    Der Sturzgrad wird durch die App berechnet und kombiniert zwei Komponenten: Der videobasierten, KI-gestützten Gangbildanalyse sowie einem Zusatzfragebogen zu individuellen Sturzrisikofaktoren. Der so entstehende Sturzgrad bildet auf einer Skala zwischen 0 und 100 ab, wie viele Sturzrisikofaktoren bei einer Person vorliegen. Wie oben beschrieben, stellt der Sturzgrad einen validen Indikator für das tatsächliche Sturzrisiko einer Person dar. Stürze gehen häufig mit erheblichen Verletzungsfolgen einher und können somit zu einem Verlust der Selbständigkeit, Lebensqualität und sozialen Teilhabe führen.  Somit kann der Sturzgrad zugleich als wichtiger Indikator für den Gesundheitszustand einer Person interpretiert werden.  

    Von Erst- zu Folgeanalyse zeigte sich eine signifikante Reduktion des Sturzrisikos in Höhe von 11.95 % (von 29.45 auf 25.93 aus 100 möglichen Punkten; vgl. Abbildung 1). Diese Verringerung wurde mittels einer einfaktoriellen within-person Varianzanalyse auf statistisch Signifikanz untersucht. Dadurch zeigte sich, dass es sich bei der Sturzgradreduktion um einen hochsignifikanten Effekt handelt (F (1,222) = 10.34, p < .01).  

    Abbildung 1:  Reduktion des Sturzgrades zwischen Erstanalyse (rot) und Folgeanalyse (grün)  

    In weiterführenden Analysen wurde untersucht, ob die Effekte gleichermaßen unter stationär und ambulant gepflegten Patient*innen bestehen. Wie Tabelle 2 zu entnehmen ist war dies der Fall – in beiden Gruppen konnte eine signifikante Reduktion des Sturzgrades festgestellt werden.  

    Tabelle 1. Subgruppenanalyse der Sturzgradreduktion von Erst- zu Folgeanalyse  

     N Fall Score First Analysis Fall Score Follow-Up Reduction in % p 
    Stationary Care 119 29.22 25.86 – 11.5  < . 001  
    Ambulatory Care 104 29.72 26.01 – 12.49  < .05 

    Die Analyse des Sturzgrades weist darauf hin, dass die Lindera Mobilitätsanalyse signifikant zur Reduktion des Sturzrisikos beiträgt und somit einen wichtigen Beitrag zum Erhalt der Gesundheit leistet. Diese gesundheitsfördernden Auswirkungen der Lindera Mobilitätsanalyse werden aktuell in zwei großangelegten randomisiert-kontrollierten Längsschnittstudien untersucht. Auf diese Weise lassen sich kausale Schlussfolgerungen über die positiven Effekte der Lindera Mobilitätsanalyse ziehen.  

     Befragungsergebnisse zu patient*innenzentriertem Nutzen. Neben der Auswertung von Appdaten werden in Kooperationsprojekten zwischen Lindera und Krankenkassen fortlaufend Befragungsdaten von Lindera Anwender*innen ausgewertet. Im Folgenden werden zusammenfassend Befragungsergebnisse aus dem Jahr 2019 vorgestellt. In die Auswertung fließen die Angaben von 93 Patient*innen in stationären und ambulanten Pflegeeinrichtungen sowie 51 Pflegekräften ein. Die Auswertung der Fragebogendaten zeichnen ein klares Bild: Die Anwendung der App scheint nicht nur das Sturzrisiko zu senken, sondern birgt auch das Potential, die Gesundheitskompetenz und Patientensouveränität der Anwender*innen zu steigern und Sturzrisikobehandlung stärker auf die individuellen Bedürfnisse auszurichten. Diese Variablen schaffen die Grundlage für eine selbstbestimmte, partizipierende Mobilitätsförderung.  

    Ergebnisse der Befragung vom 93 Patient*innen: 

    • Sturzwissen und Gesundheitskompetenz: 97 % der Befragten gaben an, durch die Lindera Mobilitätsanalyse neue Erkenntnisse zu ihrer Sturzgefahr gewonnen zu haben.  
    • Ausrichtung auf individuelle Bedürfnisse: 96 % erkannten sich in den Ergebnissen der Analyse wieder. 78 % hielten die Ergebnisse der Mobilitätsanalyse für verständlich und umsetzbar. 94 % konnten den Verlauf des durch die App ermittelten Sturzgrades nachvollziehen.  
    • Wirksamkeit: Unter 72 % der Befragten wurde bereits mit der Umsetzung der von Lindera empfohlenen Maßnahmen begonnen, 88 % gaben an, die Umsetzung weiterer Maßnahmen sei geplant. 86 % berichteten, nach Umsetzung der Maßnahmen Veränderungen erlebt zu haben, 82 % fühlten sich durch die wiederholte Mobilitätsanalyse sicherer. Dies deckt sich mit den Angaben der Pflegekräfte, unter denen 87 % direkte, präventive Auswirkungen der Lindera Empfehlungen auf die Häufigkeit von Stürzen und sturzbedingte Verletzungen berichteten.  
    1. Verbesserung der Pflege- und Betreuungspraxis  

     Die Lindera Mobilitätsanalyse wurde ursprünglich für geriatrische Settings entwickelt. Die Erfahrungen von Pflegekräften mit der App zeigen, dass die Lindera Mobilitätsanalyse zur Optimierung der Pflege- und Betreuungspraxis beitragen kann. Zur Illustration werden im Folgenden einige Befragungsergebnisse aus dem oben beschriebenen Kooperationsprojekt mit der AOK Nordost exemplarisch dargestellt. Studien zur Übertragbarkeit dieser Effekte auf andere Settings und Leistungserbringende sind in Planung.  

    Ergebnisse der Befragung vom 51 Pflegekräften:  

    • Effektivität: 80 % der befragten Pflegekräfte hielten die regelmäßige Überprüfung des Sturzrisikos mittels Lindera Mobilitätsanalyse für effektiv bzw. sehr effektiv.  
    • Umsetzung des Expertenstandards Sturzprophylaxe: 79 % der Befragten Pflegekräfte fühlte sich nach Anwendung der Lindera Mobilitätsanalyse sicher und unterstützt bei der Anwendung des Expertenstandards Sturzprophylaxe.  
    • Vereinfachung des Pflegealltags: 71 % der Pflegekräfte gaben an, die Lindera Mobilitätsanalyse vereinfache die Pflegedokumentation.  
    1. Akzeptanz und Usability  

    Sowohl bei Pflegekräften als auch bei Patient*innen trifft die App auf eine hohe Akzeptanz (vgl. auch Rabe et al., 2020).  

    Ergebnisse der Befragung vom 93 Patient*innen: 

    • Verständlichkeit: 88 % der Patient*innen gab an, den Appfragebogen problemlos bearbeiten zu können.  
    • Zufriedenheit: 90 % der Patient*innen würden die Mobilitätsanalyse noch einmal durchführen.  

    Ergebnisse der Befragung vom 51 Pflegekräften: 

    • Umsetzbarkeit im Pflegealltag: 74 % der befragten Pflegekräfte beurteilt die Handhabung der App als einfach.  
    1.  Fazit und Ausblick auf geplante Studien   

     Die oben beschriebenen Auswertungen bisheriger Daten zeichnen ein positives Bild in den Bereichen Validität, Nutzen/ Wirksamkeit, sowie Verbesserung der Behandlungspraxis.  

    Aktuell laufen mehr als zehn Studien mit verschiedenen Kliniken, Pflegeeinrichtungen, Krankenkassen und wissenschaftlichen Instituten. Diese Studien umfassen sowohl randomisierte kontrollierte Studien als auch Validierungsstudien sowie Akzeptanz- und Wirksamkeitsstudien. Als wissenschaftliche Partner*innen unterstützen die Charité und die Wilhelm Löhe Hochschule Lindera bei der Studienkonzeption und Datenauswertung. Im Rahmen zukünftiger Studien wird die Übertragbarkeit bisheriger Befunde, die vornehmlich aus geriatrischen Settings stammen, auf häusliche Settings untersucht. Zudem werden weiterführende Anwendungsfelder für den Appeinsatz erschlossen (Sport, Klinik). 

    References 

    Balzer, K., Bremer, M., Schramm, S., Lühmann, D., & Raspe, H. (2012). Sturzprophylaxe bei älteren Menschen in ihrer persönlichen Wohnumgebung. 

    Billington, J., Fahey, T., & Galvin, R. (2012). Diagnostic accuracy of the STRATIFY clinical prediction rule for falls: a systematic review and meta-analysis. BMC Family Practice, 13, 76. https://doi.org/10.1186/1471-2296-13-76 PM  – 22870921 

    Cameron, I. D., Dyer, S. M., Panagoda, C. E., Murray, G. R., Hill, K. D., Cumming, R. G., & Kerse, N. (2018). Interventions for preventing falls in older people in care facilities and hospitals. Cochrane Database of Systematic Reviews. https://doi.org/10.1002/14651858.CD005465.pub4 

    Child, S., Goodwin, V., Garside, R., Jones-Hughes, T., Boddy, K., & Stein, K. (2012). Factors influencing the implementation of fall-prevention programmes: a systematic review and synthesis of qualitative studies. Implementation Science : IS, 7, 91. https://doi.org/10.1186/1748-5908-7-91 PM  – 22978693 

    Deandrea, S., Bravi, F., Turati, F., Lucenteforte, E., la Vecchia, C., & Negri, E. (2013). Risk factors for falls in older people in nursing homes and hospitals. A systematic review and meta-analysis. Archives of Gerontology and Geriatrics, 56(3), 407–415. https://doi.org/10.1016/j.archger.2012.12.006 PM  – 23294998 

    Deandrea, S., Lucenteforte, E., Bravi, F., Foschi, R., la Vecchia, C., & Negri, E. (2010). Risk factors for falls in community-dwelling older people: a systematic review and meta-analysis. Epidemiology (Cambridge, Mass.), 21(5), 658–668. https://doi.org/10.1097/EDE.0b013e3181e89905 PM  – 20585256 

    Downton, J. (1993). Falls in the elderly. E. Arnold. 

    Expertenstandard Sturzprophylaxe in der Pflege (1. Aktualisierung). (2013). Deutsches Netzwerk für Qualitätsentwicklung in der Pflege (DNQP). 

    Hendrich, A. L., Bender, P. S., & Nyhuis, A. (2003). Validation of the Hendrich II Fall Risk Model: A large concurrent case/control study of hospitalized patients. Applied Nursing Research, 16(1), 9–21. https://doi.org/10.1053/apnr.2003.016009 

    Kehinde, J. O., Pope, C., & Amella, E. J. (2011). Methodological issues in fall prevention research involving older adults in long-term care facilities. Research in Gerontological Nursing, 4(4), 294–304. https://doi.org/10.3928/19404921-20110503-02 PM  – 21598864 

    Kim, K.-I., Jung, H.-K., Kim, C. O., Kim, S.-K., Cho, H.-H., Kim, D. Y., Ha, Y.-C., Hwang, S.-H., Won, C. W., Lim, J.-Y., Kim, H. J., & Kim, J. G. (2017). Evidence-based guidelines for fall prevention in Korea. The Korean Journal of Internal Medicine, 32(1), 199–210. https://doi.org/10.3904/kjim.2016.218 PM  – 28049285 

    McClure, R. J., Turner, C., Peel, N., Spinks, A., Eakin, E., & Hughes, K. (2005). Population‐based interventions for the prevention of fall‐related injuries in older people. Cochrane Database of Systematic Reviews, 1. https://doi.org/10.1002/14651858.CD004441.pub2 

    Neyens, J. C., van Haastregt, J. C., Dijcks, B. P., Martens, M., van den Heuvel, W. J., Witte, L. P., & Schols, J. M. (2011). Effectiveness and implementation aspects of interventions for preventing falls in elderly people in long-term care facilities: a systematic review of RCTs. Journal of the American Medical Directors Association, 12(6), 410–425. https://doi.org/10.1016/j.jamda.2010.07.018 PM  – 21450201 

    Oliver, D., Britton, M., Seed, P., Martin, F. C., & Hopper, A. H. (1997). Development and evaluation of evidence based risk assessment tool (STRATIFY) to predict which elderly inpatients will fall: Case-control and cohort studies. British Medical Journal, 315(7115), 1049–1053. https://doi.org/10.1136/bmj.315.7115.1049 

    Pfortmueller, C. A., Lindner, G., & Exadaktylos, A. K. (2014). Reducing fall risk in the elderly: risk factors and fall prevention, a systematic review. Minerva Medica, 105(4), 275–281. 

    Rabe, S., Azhand, A., Pommer, W., Müller, S., & Steinert, A. (2020). Descriptive Evaluation and Accuracy of a Mobile App to Assess Fall Risk in Seniors: Retrospective Case-Control Study. JMIR Aging, 3(1), e16131. https://doi.org/10.2196/16131 

    Tinetti, M. E. (1986). Performance‐Oriented Assessment of Mobility Problems in Elderly Patients. Journal of the American Geriatrics Society, 34(2), 119–126. https://doi.org/10.1111/j.1532-5415.1986.tb05480.x 

    Varnaccia, G., Rommel, A., & Saß, A.-C. (2013). Das Unfallgeschehen bei Erwachsenen in Deutschland. https://www.rki.de/DE/Content/Gesundheitsmonitoring/Gesundheitsberichterstattung/GBEDownloadsB/unfallbericht_geda.pdf%3F__blob%3DpublicationFile 

    Vlaeyen, E., Coussement, J., Leysens, G., van der Elst, E., Delbaere, K., Cambier, D., Denhaerynck, K., Goemaere, S., Wertelaers, A., Dobbels, F., Dejaeger, E., & Milisen, K. (2015). Characteristics and effectiveness of fall prevention programs in nursing homes: a systematic review and meta-analysis of randomized controlled trials. Journal of the American Geriatrics Society, 63(2), 211–221. https://doi.org/10.1111/jgs.13254 PM  – 25641225 

    World Health Organization. (2007). WHO Global report on falls Prevention in older Age.