Introducción
El ictus lo define la Organización Mundial de la Salud (OMS) como un trastorno neurológico focal (o a veces global) de aparición repentina y que dura más de 24 horas (o que conduce a la muerte), de presunto origen vascular [1]. El 50% de los pacientes que han padecido un ictus sufre una caída durante el primer año [2,3], lo que afecta directamente a la recuperación y al grado de funcionalidad tras el ictus [4,5].
Los factores asociados a las caídas en pacientes con ictus suelen ser depresión [6,7], déficits cognitivos, edad avanzada, incontinencia urinaria, bajo nivel de funcionalidad, deterioro en la orientación espacial y afasia, así como la presencia de alteraciones en el equilibrio [2,7-13]. Generalmente, las caídas suelen producirse durante la realización de tareas relacionadas con cambios posturales, como caminar, girar o realizar transferencias [4,11,14]. Este hecho, sumado a la importancia de poder predecir y, por tanto, prevenir las caídas en pacientes con ictus, ha llevado a numerosos autores a estudiar la relación entre diferentes escalas con el riesgo de caídas. Escalas como la prueba de apoyo monopodal [15], el Mean Functional Reach [16], el Performance-Oriented Mobility Assessment-Tinetti [17] o el Dynamic Gait Index [18] son ejemplos en los que se ha estudiado dicha relación.
La Berg Balance Scale (BBS) es una escala ampliamente difundida y clínicamente aceptada para evaluar el equilibrio a través de 14 ítems sencillos y fácilmente interpretables [19]. Se ha validado para evaluar a pacientes con ictus y, además, ha demostrado ser un instrumento eficaz para predecir el riesgo de caídas [13]. La clasificación más aceptada basada en la puntuación en la BBS es: a) riesgo bajo de caídas (41-56); b) riesgo medio de caídas (21-40), y c) riesgo alto de caídas (0-20) [19]. La BBS ya se ha utilizado como referencia en trabajos previos para clasificar a los pacientes en los que tienen un riesgo alto, moderado y bajo de caídas, correlacionando estos datos con los de otras escalas [20,21]. Por todo ello, existe un amplio consenso en considerar la BBS como el método de referencia para predecir el riesgo de caídas [13,19,22,23].
Diferentes parámetros de la marcha se han relacionado con un mayor riesgo de caídas. Según algunos autores, una velocidad de marcha confortable por debajo de lo normal podría predecir un mayor riesgo de caídas [24,25]. Sin embargo, existen discrepancias en considerar el parámetro de velocidad de la marcha como un factor predictivo fiable para determinar el riesgo de caídas [26]. Por tanto, las escalas que evalúan el patrón de la marcha podrían establecer una relación más directa entre sus puntuaciones y el riesgo de caídas.
La Wisconsin Gait Scale (WGS) consta de 14 ítems y fue diseñada en 1996 para analizar la marcha de pacientes con ictus [27,28]. Valora, mediante la observación, los movimientos articulares de la extremidad inferior y el grado de coordinación de la extremidad inferior durante los períodos de apoyo y de oscilación durante la marcha [29]. La WGS ha demostrado su validez de constructo convergente con escalas de equilibrio, funcionalidad e independencia para la marcha en diferentes momentos temporales tras el ictus [30]. Sin embargo, en nuestro conocimiento, no existen trabajos previos que hayan analizado su validez para predecir el riesgo de caídas en pacientes con ictus a lo largo de su evolución. Por tanto, el presente trabajo tiene como objetivo establecer la validez de la WGS para predecir el riesgo de caídas en pacientes con ictus.
Pacientes y métodos
Diseño
Se presenta un estudio observacional retrospectivo de pacientes con ictus de la Unidad de Rehabilitación de Daño Cerebral del Hospital Los Madroños (Brunete, Madrid). Se siguieron las pautas marcadas por Strengthening the Reporting of Observational Studies in Epidemiology para garantizar la calidad metodológica del presente trabajo [31].
Participantes
Los datos fueron recopilados retrospectivamente por un único investigador de entre los pacientes ingresados en el centro entre mayo de 2010 y octubre de 2016. Se seleccionó a los pacientes de entre todos los ingresados en la Unidad de Daño Cerebral en este período que cumplieron con los siguientes criterios de inclusión: a) pacientes con diagnóstico de ictus con menos de ocho semanas de evolución; b) diagnóstico de ictus confirmado por resonancia magnética o tomografía axial computarizada; c) pacientes en los que se incluyera la puntuación de la escala Functional Ambulatoy Categories para establecer la independencia para la marcha de los sujetos; d) pacientes en los que el tratamiento de la marcha y el equilibrio hubiera sido identificado por ellos y por el equipo de rehabilitación de acuerdo con los objetivos del tratamiento [32], y e) todos los pacientes debían recibir un tratamiento rehabilitador individual multidisciplinar en el contexto de una unidad de neurorrehabilitación.
Se excluyó a los sujetos según los siguientes criterios: a) pacientes cuya situación cardiovascular era inestable; b) pacientes que tuvieran alteraciones musculoesqueléticas o neurológicas relevantes durante su tratamiento rehabilitador; c) pacientes que no pudieran comprender las instrucciones, y d) pacientes en los que no se hubieran recogido en la historia las puntuaciones requeridas de la BBS o de la WGS en cada momento temporal.
Se obtuvo la aprobación del comité de ética de la investigación de la Universidad Rey Juan Carlos para la realización del presente trabajo.
Procedimiento
Se recopilaron las puntuaciones de la WGS de los participantes que cumplieron los criterios de inclusión después de la admisión al centro hospitalario y tras su estabilización (fase aguda), a los tres meses (fase subaguda), a los seis y a los 12 meses de su estancia (fase crónica) [30]. Además, se recopiló la puntuación de la BBS que se utilizó como variable de desenlace o de resultado para calcular la capacidad predictiva de la WGS.
La WGS consta de 14 ítems, divididos en diferentes subapartados que evalúan los movimientos articulares de la extremidad inferior, la coordinación entre la cinemática de los diferentes segmentos de la extremidad inferior, el equilibrio y la asimetría entre los dos hemicuerpos [27-29]. Analiza, por tanto, la cinemática de la cadera, la rodilla y el tobillo, la simetría entre los dos hemicuerpos, el equilibrio o inseguridad, la necesidad de asistencia de ayudas técnicas y otros parámetros de la marcha, como la longitud de paso o la duración de la fase de apoyo en el lado más afecto [29]. La puntuación máxima de las escala es de 42 puntos y se correlaciona con la mayor alteración en el patrón de la marcha, y la puntuación mínima es de 13,35, para los pacientes sin alteraciones significativas en el patrón de la marcha [28].
Se determinó la capacidad de la WGS para predecir el riesgo de caídas, utilizando como variable de estado la BBS. A través de sus 14 ítems, evaluados por un sistema ordinal entre 0 (nivel más bajo respecto a la función) y 4 puntos (nivel más alto), la puntuación total posible en la BBS es de 56 [33]. Presenta la ventaja, respecto a otros instrumentos, de que puede aplicarse tanto a pacientes con muy baja funcionalidad como a pacientes altamente funcionales [34,35]. Diversos autores han empleado la BBS para clasificar a los pacientes según su riesgo de caídas [20,21]. En el presente trabajo, se estableció un punto de corte de 40 puntos en la BBS para discriminar entre riesgo bajo de caídas (≥ 41 puntos) y riesgo moderado/alto de caídas (≤ 40) [19].
La WGS ha demostrado tener un alto grado de correlación con la BBS tanto en la fase aguda como en las fases subaguda y crónica (a los seis meses y a los 12 meses) [30], por lo que está justificado poder identificar el punto de corte de la WGS en relación con la BBS en los cuatro momentos temporales descritos –tras el ingreso (fase aguda), a los tres meses (fase subaguda), a los seis meses y crónico a los 12 meses (fase crónica)– [36].
Cálculo del tamaño muestral
El tamaño de la muestra se calculó con el software G*Power (Versión G*Power 3.1.9.2). Retrospectivamente, se establecieron los siguientes parámetros para obtener el tamaño muestral usando el coeficiente de correlación intraclase: dos colas, un error α de 0,05 [37] y una potencia estadística de 0,95 [38], con lo que resultó un tamaño de la muestra de 46 participantes.
Análisis estadístico
El análisis estadístico se realizó con el software estadístico SPSS (versión 20.0). El cálculo de la validez predictiva se llevó a cabo mediante la construcción de curvas receiver operating characteristics (ROC). La curva ROC se construye sobre la base de la unión de distintos puntos de corte, correspondiendo el eje y a la sensibilidad (proporción de verdaderos positivos) y el eje x al complementario de la especificidad (1-especificidad) de cada uno de ellos (proporción de falsos negativos). La diagonal de referencia o línea de no discriminación describe lo que sería la curva ROC de una escala incapaz de discriminar sujetos de acuerdo con el evento establecido y se traza desde el punto 0,0 al punto 1,1. La capacidad discriminativa de la WGS para distinguir sujetos con riesgo bajo de caídas frente a riesgo moderado se estimó calculando el área bajo la curva (AUC), de manera que unos valores de AUC de 0,9 y superiores indican una alta precisión, de 0,7 a 0,9 indican exactitud moderada, de 0,5 a 0,7 indican baja precisión e inferior a 0,5 indican que el resultado no es significativo [36].
Por otro lado, se analizó cuál era el punto de corte de la WGS (escala continua) que determina la sensibilidad y la especificidad más alta para clasificar a los sujetos conforme al evento establecido (riesgo de caídas). Para ello se calculó el índice de Youden calculado según la fórmula (sensibilidad + especificidad – 1) [39].
Resultados
Se analizó a un total de 375 sujetos ingresados en la unidad de rehabilitación entre mayo de 2010 y octubre de 2016. Finalmente, se recopilaron los datos de 61 pacientes que cumplieron los criterios de inclusión. De esos 61 pacientes evaluados en la fase aguda, se mantuvo a 61 pacientes en la fase subaguda, 58 en la fase crónica a los seis meses y 42 después de 12 meses. El motivo principal de la pérdida de pacientes fue el alta de la unidad de daño cerebral. Estos datos aparecen representados en el diagrama de flujo (Fig. 1).
Figura 1. Diagrama de flujo.
Las características relevantes de los pacientes están especificadas en la tabla. Se calculó el gráfico de la curva ROC para la WGS en las fases aguda, subaguda y crónica (a los seis meses y a los 12 meses). La figura 2 muestra la curva ROC para la WGS en la fase aguda, la figura 3 muestra la curva ROC para la WGS en la fase subaguda, la figura 4 muestra la curva ROC para la WGS a los seis meses y la figura 5 muestra la curva ROC para la WGS a los 12 meses.
Tabla. Datos sociodemográficos.
|
| |
Datos
|
Edad (años)
|
62,75 (13,31)
|
NIHSS inmediatamente después de la admisión
|
13,48 (6,185)
|
Sexo (hombres o mujeres), n
|
40/21
|
Tipo de ictus (isquémico o hemorrágico), n
|
47/14
|
Hemisferio afectado (derecho/izquierdo/bilateral/subcortical), n
|
34/21/3/3
|
Territorio vascular afectado (basilar/arteria cerebral media/arteria cerebral anterior/arteria carótida interna/arteria comunicante anterior/territorio difuso), n
|
8/38/3/1/1/10
|
NIHSS: National Institute Health Stroke Scale. La edad y la NIHSS están expresadas en media y desviación estándar. El sexo, el tipo de ictus, el hemisferio afectado y el territorio vascular afectado están expresados en frecuencias.
|
Figura 2. Curva receiver operating characteristics para la Wisconsin Gait Scale en fase aguda.
Figura 3. Curva receiver operating characteristics para la Wisconsin Gait Scale en fase subaguda.
Figura 4. Curva receiver operating characteristics para la Wisconsin Gait Scale a los seis meses del ingreso.
Figura 5. Curva receiver operating characteristics para la Wisconsin Gait Scale a los 12 meses desde el ingreso.
En todas las fases analizadas, el AUC fue significativamente amplia. En las fases aguda y subaguda, el AUC fue de 0,95, en la fase crónica (a los seis meses del ingreso) fue de 0,968 y en la fase crónica (a los 12 meses del ingreso) fue de 0,937. Es decir, en todos los casos, el AUC fue mayor de 0,9 y esto, por tanto, se confirma el hecho de que la WGS puede ser válida para identificar a pacientes que han sufrido un ictus y que tienen un riesgo moderado de sufrir una caída y a los que tienen un riesgo bajo de sufrir una caída.
Se calculó el mejor punto de corte para poder establecer el riesgo de caídas según la puntuación de la WGS a través del índice de Youden. Los puntos de corte hallados fueron: una puntuación de 23,425 de la WGS en la fase aguda, una puntuación de 26,275 de la WGS en la fase subaguda, una puntuación de 24,975 de la WGS a los seis meses del ingreso y una puntuación de 21,65 a los 12 meses, de manera que un valor de la WGS por encima de estos puntos en cada fase se identificaría con un moderado riesgo de caídas y un valor de la WGS por debajo de estos puntos se identificaría con un bajo riesgo de caídas.
Discusión
Los resultados del presente trabajo muestran que la WGS es un instrumento válido para predecir el riesgo de caídas en pacientes que han sufrido un ictus en relación con el punto de corte establecido en la BBS. El valor de la WGS establecido en la fase aguda como punto de corte fue de 23,425 puntos; 26,275 puntos en la fase subaguda; 24,975 puntos a los seis meses; y 21,65 a los 12 meses. Estos puntos de corte permiten predecir el riesgo de caídas que presenta un paciente que ha sufrido un ictus a través de la puntuación de la WGS.
Recuperar la marcha es un objetivo prioritario de la rehabilitación tras un ictus [40]. Este hecho se asocia con una mejora del equilibrio, la funcionalidad y la calidad de vida [41,42]. Si bien entre un 65 y un 85% recuperan la marcha en los seis primeros meses tras el evento agudo, la mayoría de las personas que han sufrido un ictus presenta alteraciones en el patrón de marcha que condicionan su funcionalidad [43] y que pueden derivar en un aumento de las caídas. Predecir y prevenir las complicaciones que las caídas pueden provocar en los pacientes que han sufrido un ictus es de gran interés para los profesionales sanitarios, puesto que, aproximadamente, la mitad de los pacientes sufrirá una caída durante el primer año [2,44]. Algunas decisiones terapéuticas, como la utilización de determinados productos de apoyo, la adaptación domiciliaria o la incorporación del paciente a determinadas actividades funcionales fuera y dentro del domicilio, pueden apoyarse en estas predicciones [45].
La WGS es una escala muy utilizada en la práctica clínica, puesto que ha demostrado ser válida, sensible y, al mismo tiempo, sencilla, pues no requiere un excesivo tiempo de administración [27,29,46,47]. Además, ha demostrado estar correlacionada con escalas de independencia para la marcha, el equilibrio y la funcionalidad [30]. Por todo ello, establecer un punto de corte que permita predecir el riesgo de caídas en función de la puntuación de la WGS es un hallazgo relevante, pues, en nuestro conocimiento, ninguna escala observacional de la marcha en sujetos con ictus cuenta con un punto de corte para predecir el riesgo de caídas, a excepción de la Tinetti Gait Scale, que es una subescala del Performance-Oriented Mobility Assessment-Tinetti [17].
Nuestros resultados muestran variaciones en el punto de corte según el momento evolutivo del paciente (agudo, subagudo o crónico). La WGS ha demostrado ser válida en la valoración de pacientes con ictus en todos sus momentos evolutivos [30]. Sin embargo, es necesario tener en cuenta que, si bien la velocidad de la marcha suele mejorar con el tiempo, la asimetría de los pacientes al caminar puede continuar presente a largo plazo [48]. Por ello, es necesario evaluar el riesgo de caída de manera precisa en cada momento temporal, atendiendo a sus características concretas.
El presente trabajo no está exento de limitaciones. Nuestra investigación establece la validez predictiva de la WGS mediante una investigación retrospectiva. Esto implica que algunos pacientes fueron excluidos del análisis al no disponer de sus datos en la historia clínica. El tamaño de la muestra no fue lo suficientemente grande como para realizar el análisis de los datos según el tipo o la gravedad del ictus, así como la localización de la lesión. Por otro lado, no se pudo comprobar posteriormente si, efectivamente, los pacientes sufrieron algún episodio de caída. Por último, la versión de la WGS utilizada en este trabajo fue la original en inglés. No se pudo emplear la versión española recientemente publicada [49]. Futuros estudios deberían corroborar estos puntos de corte establecidos para la WGS sobre episodios de caídas registrados en pacientes con ictus en sus diferentes fases descritas.
Conclusiones
La escala observacional de la marcha WGS es un instrumento válido para predecir el riesgo de caídas en pacientes que han sufrido un ictus en relación con el punto de corte establecido en la BBS. El valor de la WGS establecido en la fase aguda como punto de corte para determinar el riesgo de caídas es de 23,425 en la fase aguda; de 26,275 puntos en la fase subaguda, y de 24,975 puntos a los seis meses y de 21,65 puntos a los 12 meses en la fase crónica. Los presentes valores permiten predecir el riesgo de caídas que presenta un paciente que ha sufrido un ictus a través de la puntuación de la WGS.
Bibliografía
↵ 1. World Health Organization. WHO STEPS stroke manual: the WHO STEPwise approach to stroke surveillance. 2005. Disponible en: https: //apps.who.int/iris/handle/10665/43420. Fecha última consulta: 04.03.2020.
↵ 2. Gustafson Y. Falls and injuries after stroke: time for action! Stroke 2003; 34: 494-501.
↵ 3. Langhorne P, Stott DJ, Robertson L, MacDonald J, Jones L, McAlpine C, et al. Medical complications after stroke: a multicenter study. Stroke 2000; 31: 1223-9.
↵ 4. Hyndman D, Ashburn A, Stack E. Fall events among people with stroke living in the community: circumstances of falls and characteristics of fallers. Arch Phys Med Rehabil 2002; 83: 165-70.
↵ 5. Cox R, Buckholtz B, Bradas C, Bowden V, Kerber K, McNett MM. Risk factors for falls among hospitalized acute post-ischemic stroke patients. J Neurosci Nurs J Am Assoc Neurosci Nurses 2017; 49: 355-60.
↵ 6. Jørgensen L, Engstad T, Jacobsen BK. Higher incidence of falls in long-term stroke survivors than in population controls: depressive symptoms predict falls after stroke. Stroke 2002; 33: 542-7.
↵ 7. Ugur C, Gücüyener D, Uzuner N, Ozkan S, Ozdemir G. Characteristics of falling in patients with stroke. J Neurol Neurosurg Psychiatry 2000; 69: 649-51.
↵ 8. Tutuarima JA, van der Meulen JH, de Haan RJ, van Straten A, Limburg M. Risk factors for falls of hospitalized stroke patients. Stroke 1997; 28: 297-301.
↵ 9. Sinanovic O, Raicevic B, Brkic M, Hajdarbegovic E, Zukic S, Kojic B, et al. Falls in hospitalized acute stroke patients. Med Arh 2012; 66: 33-4.
↵ 10. Tsur A, Segal Z. Falls in stroke patients: risk factors and risk management. Isr Med Assoc J IMAJ 2010; 12: 216-9.
↵ 11. Mackintosh SFH, Goldie P, Hill K. Falls incidence and factors associated with falling in older, community-dwelling, chronic stroke survivors (> 1 year after stroke) and matched controls. Aging Clin Exp Res 2005; 17: 74-81.
↵ 12. Maeda N, Urabe Y, Murakami M, Itotani K, Kato J. Discriminant analysis for predictor of falls in stroke patients by using the Berg Balance Scale. Singapore Med J 2015; 56: 280-3.
↵ 13. Simpson LA, Miller WC, Eng JJ. Effect of stroke on fall rate, location and predictors: a prospective comparison of older adults with and without stroke. PLoS One 2011; 6: e19431.
↵ 14. Harris JE, Eng JJ, Marigold DS, Tokuno CD, Louis CL. Relationship of balance and mobility to fall incidence in people with chronic stroke. Phys Ther 2005; 85: 150-8.
↵ 15. Yoshimoto Y, Oyama Y, Tanaka M, Sakamoto A. One-leg standing time of the affected side moderately predicts for postdischarge falls in community stroke patients. J Stroke Cerebrovasc Dis Off J Natl Stroke Assoc 2016; 25: 1907-13.
↵ 16. Ashburn A, Hyndman D, Pickering R, Yardley L, Harris S. Predicting people with stroke at risk of falls. Age Ageing 2008; 37: 270-6.
↵ 17. An S, Lee Y, Lee G. Validity of the performance-oriented mobility assessment in predicting fall of stroke survivors: a retrospective cohort study. Tohoku J Exp Med 2014; 233: 79-87.
↵ 18. An SH, Jee YJ, Shin HH, Lee GC. Validity of the original and short versions of the Dynamic Gait Index in predicting falls in stroke survivors. Rehabil Nurs Off J Assoc Rehabil Nurses 2017; 42: 325-32.
↵ 19. Berg KO, Maki BE, Williams JI, Holliday PJ, Wood-Dauphinee SL. Clinical and laboratory measures of postural balance in an elderly population. Arch Phys Med Rehabil 1992; 73: 1073-80.
↵ 20. Timar B, Timar R, Gaiță L, Oancea C, Levai C, Lungeanu D. The impact of diabetic neuropathy on balance and on the risk of falls in patients with type 2 diabetes mellitus: a cross-sectional study. PLoS One 2016; 11: e0154654.
↵ 21. Hofheinz M, Schusterschitz C. Dual task interference in estimating the risk of falls and measuring change: a comparative, psychometric study of four measurements. Clin Rehabil 2010; 24: 831-42.
↵ 22. Bogle Thorbahn LD, Newton RA. Use of the Berg Balance Test to predict falls in elderly persons. Phys Ther 1996; 76: 576-83.
↵ 23. Shumway-Cook A, Baldwin M, Polissar NL, Gruber W. Predicting the probability for falls in community-dwelling older adults. Phys Ther 1997; 77: 812-9.
↵ 24. Andersson AG, Kamwendo K, Seiger A, Appelros P. How to identify potential fallers in a stroke unit: validity indexes of 4 test methods. J Rehabil Med 2006; 38: 186-91.
↵ 25. Tilson JK, Wu SS, Cen SY, Feng Q, Rose DR, Behrman AL, et al. Characterizing and identifying risk for falls in the LEAPS study: a randomized clinical trial of interventions to improve walking poststroke. Stroke 2012; 43: 446-52.
↵ 26. Morone G, Iosa M, Pratesi L, Paolucci S. Can overestimation of walking ability increase the risk of falls in people in the subacute stage after stroke on their return home? Gait Posture 2014; 39: 965-70.
↵ 27. Lu X, Hu N, Deng S, Li J, Qi S, Bi S. The reliability, validity and correlation of two observational gait scales assessed by video tape for Chinese subjects with hemiplegia. J Phys Ther Sci 2015; 27: 3717-21.
↵ 28. Rodriquez AA, Black PO, Kile KA, Sherman J, Stellberg B, McCormick J, et al. Gait training efficacy using a home-based practice model in chronic hemiplegia. Arch Phys Med Rehabil 1996; 77: 801-5.
↵ 29. Pizzi A, Carlucci G, Falsini C, Lunghi F, Verdesca S, Grippo A. Gait in hemiplegia: evaluation of clinical features with the Wisconsin Gait Scale. J Rehabil Med 2007; 39: 170-4.
↵ 30. Estrada-Barranco C, Cano-de-la-Cuerda R, Molina-Rueda F. Construct validity of the Wisconsin Gait Scale in acute, subacute and chronic stroke. Gait Posture 2018; 68: 363-8.
↵ 31. von Elm E, Altman DG, Egger M, Pocock SJ, C. PG, Vandenbroucke JP. Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: guidelines for reporting observational studies. Int J Surg 2014; 12: 1495-9.
↵ 32. Barnes MP. Principles of neurological rehabilitation. J Neurol Neurosurg Psychiatry 2003; 74 (Suppl 4): S3-7.
↵ 33. Berg K, Wood-Dauphine S, Williams JI, Gayton D. Measuring balance in the elderly: preliminary development of an instrument. Physiother Canada 1989; 41: 304-11.
↵ 34. Blum L, Korner-Bitensky N. Usefulness of the Berg Balance Scale in stroke rehabilitation: a systematic review. Phys Ther 2008; 88: 559-66.
↵ 35. Louie DR, Eng JJ. Berg Balance Scale score at admission can predict walking suitable for community ambulation at discharge from inpatient stroke rehabilitation. J Rehabil Med 2018; 50: 37-44.
↵ 36. Kiran S. What is the nature of poststroke language recovery and reorganization? ISRN Neurol 2012; 2012: 786872.
↵ 37. Fleiss JL, Levin B, Paik MC. Statistical methods for rates and proportions. Hoboken: John Wiley & Sons; 2013.
↵ 38. Hintze JL. Power analysis and sample size system (PASS) for windows User’s Guide I. Kaysville: NCSSUSA; 2008.
↵ 39. Cerda J, Cifuentes L. [Using ROC curves in clinical investigation: theoretical and practical issues]. Rev Chilena Infectol 2012; 29: 138-41.
↵ 40. Bohannon RW, Andrews AW, Smith MB. Rehabilitation goals of patients with hemiplegia. Int J Rehabil Res 1988; 11: 181-4.
↵ 41. Daviet J-C, Borie MJ, Salle JY, Popielarz S, Verdié C, Munoz M, et al. Epidemiology and prognostic significance of bladder sphincter disorders after an initial cerebralhemisphere vascular accident. Ann Readapt Med Phys 2004; 47: 531-6.
↵ 42. Duarte E, Marco E, Muniesa JM, Belmonte R, Aguilar JJ, Escalada F. Early detection of non-ambulatory survivors six months after stroke. NeuroRehabilitation 2010; 26: 317-23.
↵ 43. Eng JJ, Tang P-F. Gait training strategies to optimize walking ability in people with stroke: a synthesis of the evidence. Expert Rev Neurother. 2007; 7: 1417-36.
↵ 44. Langhorne P, de Villiers L, Pandian JD. Applicability of stroke-unit care to low-income and middle-income countries. Lancet Neurol 2012; 11: 341-8.
↵ 45. Goljar N, Globokar D, Puzic N, Kopitar N, Vrabic M, Ivanovski M, et al. Effectiveness of a fall-risk reduction programme for inpatient rehabilitation after stroke. Disabil Rehabil. 2016; 38: 1811-9.
↵ 46. Guzik A, Druzbicki M, Przysada G, Kwolek A, Brzozowska-Magon A, Wolan-Nieroda A. Analysis of consistency between temporospatial gait parameters and gait assessment with the use of Wisconsin Gait Scale in post-stroke patients. Neurol Neurochir Pol 2017; 51: 60-5.
↵ 47. Yaliman A, Kesiktas N, Ozkaya M, Eskiyurt N, Erkan O, Yilmaz E. Evaluation of intrarater and interrater reliability of the Wisconsin Gait Scale with using the video taped stroke patients in a Turkish sample. NeuroRehabilitation 2014; 34: 253-8.
↵ 48. Patterson KK, Gage WH, Brooks D, Black SE, McIlroy WE. Changes in gait symmetry and velocity after stroke: a cross-sectional study from weeks to years after stroke. Neurorehabil Neural Repair 2010; 24: 783-90.
↵ 49. Murciano Casas MP, Zarco Periñán MJ, Corral López I, Álamo Vera V, Ferrand Ferri P, Barrera Chacón JM. Development of the Spanish version of the Wisconsin Gait Scale. Reliability and consistency analysis of spatial and temporal parameters with gait assessment in stroke patients. Rehabilitacion (Madr) 2020: S0048-7120(20)30121-3.
Validity of the Wisconsin Gait Scale to predict the risk of falls in stroke patients
Introduction. Approximately, half of the stroke patients suffered a fall during the first year after the injury, affecting its functionality. Gait evaluation scales could evaluate to predict the risk of falls.
Objective. To study the ability of the Wisconsin Gait Scale (WGS) to predict the risk of falls in stroke subjects.
Patients and methods. Retrospective observational study that included stroke patients between May 2010 and October 2016. Data from the WGS and the Berg Balance Scale (BBS) were collected after hospitalization (acute phase), at 3 months (subacute phase) and at 6 and 12 months (chronic phases). BBS was used as the outcome variable to determine the ability of the WGS to predict the risk of falls. The calculation of the predictive validity was carried out using the ROC (Receiver Operating Characteristics) curves and the analysis of the area under the curve (AUC, area under the curve).
Results. Data were collected from 61 patients who met the inclusion criteria (after admission: 61; 3 months: 61; 6 months: 58; 12 months: 42). In all measurements, the AUC was greater than 0.9, so the WGS distinguishes stroke patients with moderate risk of falling from those with low risk.
Conclusions. The WGS scale is a valid instrument to predict the risk of falls in patients with a criterion in relation to the cut-off points established in the BBS.
Key words. Balance. Movement disorders. Predictive validity. Risk of falls. Stroke. Visual gait analysis.
|
© 2021 Revista de Neurología
OPEN ACCESS
