Modelo de predicción de caídas en tres pasos

1. Resumen / Abstract

El Modelo de predicción de caídas en tres pasos (en inglés, Three-Step Falls Prediction Model) es una herramienta de estratificación de riesgo clínico y pronóstico diseñada de forma pionera por el equipo de investigación de Paul et al. (2013), posteriormente adaptada y consolidada en las directrices clínicas internacionales de fisioterapia, entre las que destaca la guía KNGF (Koninklijk Nederlands Genootschap voor Fysiotherapie) para la enfermedad de Parkinson de 2016. Este instrumento tiene como objetivo principal predecir con alta precisión diagnóstica la probabilidad de que una persona con enfermedad de Parkinson sufra un evento de caída dentro de los siguientes seis meses. Su estructura amalgama tres fuentes críticas de información: el reporte retrospectivo de caídas previas (historial de caídas en los últimos 12 meses), el autoreporte de bloqueos motores o congelamiento de la marcha (freezing of gait en el último mes) y una prueba física objetiva de velocidad de la marcha autoseleccionada (velocidad en marcha cómoda inferior a 1,1 m/s).

El formato de respuesta se basa en una puntuación dicotómica ponderada según coeficientes derivados de regresión logística multivariada: el historial de caídas previas otorga 6 puntos, la presencia de congelamiento de la marcha aporta 3 puntos y la velocidad de marcha reducida suma 2 puntos. La sumatoria total varía en un rango de 0 a 11 puntos, clasificando a los individuos en tres estratos de riesgo pronóstico: riesgo bajo (0 puntos, con una probabilidad estimada de caída del 17%), riesgo moderado (2 a 6 puntos, con una probabilidad de caída del 51%) y riesgo alto (8 a 11 puntos, con una probabilidad de caída del 85%). A nivel psicométrico, el modelo demostró en su cohorte de derivación un área bajo la curva ROC (AUC-ROC) de 0,80 (IC del 95%: 0,73-0,87), mostrando una sensibilidad del 68% y una especificidad del 81% en el punto de corte para riesgo alto, además de una excelente concordancia interobservador y una notable viabilidad clínica al requerir menos de cinco minutos para su administración completa.

2. Palabras clave / Keywords

Enfermedad de Parkinson, riesgo de caídas, modelo de predicción clínica, congelamiento de la marcha, velocidad de la marcha, psicometría, neurorehabilitación, estratificación de riesgo, prueba de caminata, valoración funcional.

3. Autores / Authors

El modelo original de predicción de caídas de tres pasos fue desarrollado por un grupo multidisciplinario de investigadores de la Universidad de Sídney, Neuroscience Research Australia (NeuRA) y el Westmead Hospital en Australia, liderado por la investigadora Dra. Serene S. Paul. Los autores clave del estudio seminal publicado en 2013 incluyen:

• Serene S. Paul, PhD, BAppSc (Physiotherapy): Investigadora en fisioterapia neurológica y rehabilitación motora, adscrita a la Facultad de Ciencias de la Salud de la Universidad de Sídney y a Neuroscience Research Australia (NeuRA), Randwick, Sídney, Australia. Especialista en biomecánica de la marcha, control postural y prevención de caídas en trastornos del movimiento. Correo institucional: [email protected].
• Colleen G. Canning, PhD, MA, BPhty: Profesora emérita y catedrática en Rehabilitación Neurológica en The University of Sydney, Sídney, Australia. Pionera en ensayos clínicos controlados sobre entrenamiento de equilibrio y ejercicio terapéutico para reducir caídas en la enfermedad de Parkinson.
• Catherine Sherrington, PhD, MPH, FACP: Catedrática distinguida y directora del Institute for Musculoskeletal Health en la Universidad de Sídney. Especialista de renombre global en epidemiología del envejecimiento, actividad física y modelos poblacionales de prevención de caídas.
• Stephen R. Lord, PhD, DSc: Investigador principal del Falls, Balance and Injury Research Centre en Neuroscience Research Australia (NeuRA) y profesor de la University of New South Wales (UNSW). Reconocido mundialmente por la creación de baterías estandarizadas de evaluación del riesgo fisiológico de caídas (PPA).
• Jacqueline C. T. Close, MD, FRCP, FRACP: Geriatra consultora en el Prince of Wales Hospital y co-directora del Falls, Balance and Injury Research Centre (NeuRA), con amplia trayectoria en fracturas por fragilidad y caídas en ancianos.
• Victor S. C. Fung, MBBS, PhD, FRACP: Neurólogo consultor y director de la Movement Disorders Unit en el Westmead Hospital, Sídney, Australia; profesor clínico en la Universidad de Sídney y expresidente de la Sociedad Internacional de Parkinson y Trastornos del Movimiento (MDS).
• Adaptación holandesa (KNGF, 2016): Comité de directrices clínicas de la Koninklijk Nederlands Genootschap voor Fysiotherapie (Real Sociedad Neerlandesa de Fisioterapia), en colaboración con ParkinsonNet, bajo la coordinación de investigadores como Samyra Keus, Marten Munneke, y Bas Bloem.

4. Propósito / Purpose

El propósito principal del Modelo de predicción de caídas en tres pasos radica en proveer a la práctica clínica e investigativa una regla de predicción clínica (clinical prediction rule) breve, precisa, de bajo costo y de alta validez ecológica, orientada a identificar de manera prospectiva a los pacientes con enfermedad de Parkinson que presentan un riesgo inminente de sufrir caídas en un horizonte temporal de seis meses. Las caídas representan una de las complicaciones más incapacitantes y devastadoras de la enfermedad de Parkinson, afectando a más del 60% de los pacientes cada año, de los cuales más de dos tercios experimentan eventos recurrentes. Estas caídas se asocian de manera directa con traumatismos craneoencefálicos, fracturas óseas (especialmente de cadera), miedo persistente a caer, pérdida progresiva de autonomía, institucionalización temprana y un incremento notable en las tasas de hospitalización y mortalidad.

Históricamente, los protocolos de evaluación del equilibrio y la marcha han oscilado entre dos extremos metodológicos poco satisfactorios para la consulta diaria: por un lado, baterías de laboratorio altamente complejas y costosas (como la posturografía computarizada, el análisis biomecánico cinemático en 3D o plataformas de presiones instrumentadas), las cuales resultan inaccesibles para la mayoría de los fisioterapeutas y neurólogos; por otro lado, escalas de equilibrio excesivamente extensas (como la escala de equilibrio de Berg o el Mini-BESTest) que, a pesar de sus virtudes métricas, insumen entre 15 y 30 minutos de administración, lo que las hace difíciles de implementar en consultas ambulatorias rutinarias o en el domicilio del paciente.

En este escenario, el modelo de tres pasos de Paul et al. sintetiza la información clínica predictiva más robusta mediante un algoritmo de decisión fundamentado empíricamente. A diferencia de los modelos explicativos que intentan caracterizar de forma pormenorizada todos los déficits somatosensoriales y biomecánicos del individuo, una regla de predicción clínica selecciona exclusivamente los factores independientes que aportan una varianza explicativa no redundante y un peso predictivo determinante. De este modo, el propósito del instrumento no es sustituir el examen neurológico profundo, sino actuar como una herramienta de cribado y estratificación pronóstica de primera línea.

Las aplicaciones del modelo abarcan múltiples dominios:

• Triaje y priorización asistencial: Permite categorizar a los usuarios en tres niveles discretos de probabilidad (bajo, moderado y alto riesgo), facilitando la asignación eficiente de recursos terapéuticos. Los pacientes clasificados en riesgo alto (85% de probabilidad de caer) pueden ser canalizados inmediatamente a intervenciones intensivas y multifactoriales de fisioterapia especializada en trastornos del movimiento.
• Personalización de las intervenciones preventivas: Al identificar la presencia específica de congelamiento de la marcha o enlentecimiento locomotor, el profesional puede diseñar programas de tratamiento focalizados, tales como estrategias de pistas sensoriales (auditivas, visuales o somatosensoriales) para el bloqueo motor, y entrenamiento de la potencia muscular y velocidad de paso para compensar la bradicinesia.
• Monitoreo de la progresión de la enfermedad y respuesta farmacológica: Dado que la velocidad de la marcha y los episodios de congelamiento fluctúan con la progresión neurodegenerativa y las fases ON/OFF de la medicación dopaminérgica, la reevaluación periódica mediante este modelo permite detectar el deterioro locomotor antes de que ocurra una catástrofe traumática.
• Investigación clínica y selección de cohortes: En el marco de ensayos clínicos aleatorizados, el modelo posibilita reclutar cohortes homogéneas de pacientes con riesgo moderado a alto, minimizando el efecto de suelo en la incidencia de caídas y maximizando el poder estadístico para detectar la eficacia de nuevos fármacos neuroprotectores o programas de rehabilitación motora.

5. Constructo psicológico y funcional / Construct

El constructo subyacente que operacionaliza este instrumento es la vulnerabilidad pronóstica a caídas futuras, una entidad multidimensional que integra dimensiones sensoriomotoras, cognitivo-motoras y comportamentales en el marco de la neurodegeneración de los ganglios basales. En lugar de contemplar el equilibrio como una capacidad estática aislada, el modelo conceptualiza el riesgo de caer como la interacción dinámica entre el control postural intrínseco, los fenómenos de bloqueo paroxístico del paso y la reserva funcional locomotora ante las demandas ecológicas del entorno. A continuación, se detallan las tres dimensiones que componen el constructo:

Dimensión 1: Historial previo de caídas (Vulnerabilidad intrínseca y fallo de compensación)

El historial retrospectivo de caídas en los 12 meses previos representa el predictor independiente más potente y consistente de caídas futuras en la literatura geriátrica y neurológica general. Desde la perspectiva psicométrica y fisiopatológica, una caída previa no constituye únicamente un suceso biomecánico accidental, sino el marcador directo de una ruptura en los mecanismos homeostáticos de retroalimentación postural y de un fallo de las estrategias motoras compensatorias (como el paso de reajuste o la fijación anticipatoria). El reporte de una caída señala que el individuo ya ha cruzado el umbral donde sus recursos fisiológicos y atencionales resultan insuficientes para superar las perturbaciones del centro de gravedad. Asimismo, las caídas previas generan un círculo vicioso de tipo psicológico caracterizado por el incremento del miedo a caer (fear of falling), la pérdida de autoeficacia en el equilibrio y una consecuente restricción autoinfligida de la movilidad, lo que acelera el desacondicionamiento físico y amplifica la propensión a nuevos episodios.

Dimensión 2: Congelamiento de la marcha (Fallo episódico del control ejecutivo-motor)

El Freezing of Gait (FOG, o congelamiento de la marcha) es un fenómeno paroxístico altamente incapacitante en el cual el paciente experimenta la sensación súbita de que sus pies están «adheridos o pegados al suelo», impidiéndole iniciar la marcha o continuar el avance de los pasos. Desde una perspectiva neurobiológica, el FOG refleja una disfunción profunda en la integración entre los circuitos corticoestriatales, los centros motores del tronco encefálico (como el núcleo pedunculopontino) y las funciones ejecutivas del lóbulo frontal. Clínicamente, el congelamiento de la marcha desorganiza la ritmicidad locomotora, induce temblores rápidos de las piernas en el sitio y genera una asincronía entre la traslación inercial del tronco hacia adelante y la detención involuntaria de la base de sustentación, lo que precipita caídas frontales o laterales sin que el individuo pueda desplegar un paso de protección eficaz. La inclusión de esta dimensión captura la inestabilidad paroxística y no anticipada generada por perturbaciones transitorias de la marcha inducidas por giros rápidos, pasos estrechos o demandas cognitivas duales.

Dimensión 3: Velocidad autoseleccionada de la marcha (Reserva de movilidad y capacidad funcional continua)

La velocidad de marcha confortable (autoseleccionada) es considerada en geriatría como el «sexto signo vital», dado que refleja la integridad global de múltiples sistemas: musculoesquelético, vestibular, visual, propioceptivo y del control nervioso central. En el contexto del modelo, una velocidad reducida (< 1,1 m/s, o más de 3,6 segundos para recorrer los 4 metros centrales de una pista de 6 metros) es un indicador clínico cardinal de bradicinesia, hipocinesia de extremidades inferiores y rigidez axial. Una velocidad locomotora disminuida compromete la capacidad de generar pasos de recuperación con la aceleración y longitud requeridas cuando ocurre un traspié o una perturbación postural repentina. A diferencia de la naturaleza episódica del FOG, la velocidad de caminata evalúa el estado basal continuo del sistema locomotor durante la marcha continua.

6. Marco teórico / Theoretical Framework

El marco conceptual del Modelo de predicción de caídas en tres pasos se asienta en la confluencia de la teoría de sistemas dinámicos del control motor, la neuroepidemiología de los trastornos del movimiento y la metodología moderna de las reglas de predicción clínica pronóstica.

De acuerdo con el modelo de control postural de Shumway-Cook y Woollacott, el equilibrio y la orientación espacial emergen de la interacción continua entre el individuo (sistemas neuromuscular, sensorial y cognitivo), la tarea motora que ejecuta (estática, dinámica, con o sin manipulación) y las restricciones del entorno circundante. En la enfermedad de Parkinson, la pérdida progresiva de neuronas dopaminérgicas en la sustancia negra pars compacta desregula la vía cortico-estriado-tálamo-cortical, afectando gravemente los programas motores automáticos almacenados en los núcleos de la base. En consecuencia, los pacientes pierden la modulación automática de la marcha y el control postural reflejo, debiendo recurrir de manera compensatoria a circuitos corticales prefrontales cognitivos para guiar conscientemente cada paso.

A medida que la enfermedad avanza, la carga atencional requerida para el desplazamiento se vuelve extremadamente alta. Cuando el sujeto se enfrenta a situaciones complejas que exigen procesar estímulos simultáneos (como conversar mientras camina, sortear obstáculos o realizar giros espaciales bruscos), la capacidad ejecutiva de la corteza prefrontal se satura, conduciendo a episodios de congelamiento locomotor, arrastre de pies o incapacidad para corregir desplazamientos del centro de masas. La tríada de predictores evaluada por Paul et al. (2013) captura con exactitud los puntos de fallo de este sistema compensatorio: la velocidad de la marcha refleja el rendimiento basal de la motricidad voluntaria y la pérdida de la cadencia normal; el FOG captura la falla intermitente en la iniciación y ritmicidad del programa motor; y el historial previo de caídas atestigua que los recursos de compensación cortical y muscular ya han sido superados en situaciones de la vida real.

Desde la perspectiva metodológica de la epidemiología clínica y la medicina basada en evidencia, el instrumento sigue rigurosamente los principios para el desarrollo de reglas pronósticas descritos por Altman, Royston y Moons (2009). Tradicionalmente, se asumía que cuantificar el riesgo de caer requería examinar exhaustivamente docenas de variables clínicas individuales. Sin embargo, los estudios multivariados han demostrado de forma concluyente que muchas de estas variables (fuerza de prensión manual, agudeza visual estática, puntuación motora total en la UPDRS, reflejos posturales de tracción) comparten una correlación colineal muy elevada y no incrementan de forma estadísticamente significativa la capacidad predictiva incremental cuando ya se conocen los predictores basales dominantes. Paul et al. demostraron empíricamente que la combinación parsimoniosa de tres parámetros fácilmente recolectables en consulta clínica ofrece una discriminación pronóstica superior o equivalente a baterías exhaustivas de decenas de ítems, optimizando el principio de parsimonia científica conocido como la navaja de Ockham.

7. Validez / Validity

El Modelo de predicción de caídas en tres pasos posee una sólida base empírica de validez, evaluada en términos de validez predictiva, de constructo, convergente y validez externa en cohortes independientes.

Validez predictiva y capacidad de discriminación (Cohorte de derivación)

En el estudio original de Paul et al. (2013), se reclutó prospectivamente a una cohorte de 205 individuos de la comunidad con diagnóstico de enfermedad de Parkinson idiopática (estadios 1 a 4 de Hoehn y Yahr), realizando un seguimiento mensual estricto de caídas durante seis meses mediante calendarios diarios. En el análisis multivariado mediante curvas de características operativas del receptor (ROC), el modelo de tres pasos alcanzó un área bajo la curva (AUC-ROC) de 0,80 (IC del 95%: 0,73 a 0,87). Este valor denota una excelente capacidad discriminativa, superando consistentemente a pruebas motoras aisladas como el Timed Up and Go (TUG) o la subescala motora de la Unified Parkinson’s Disease Rating Scale (UPDRS-III).

El modelo clasifica a los pacientes según estratos de riesgo con marcadas diferencias en las tasas de eventos a los 6 meses:

• Grupo de riesgo bajo (puntuación de 0): Probabilidad observada de sufrir al menos una caída del 17%.
• Grupo de riesgo moderado (puntuación de 2 a 6): Probabilidad observada de caída del 51%.
• Grupo de riesgo alto (puntuación de 8 a 11): Probabilidad observada de caída del 85%.

Al seleccionar el punto de corte para clasificar el riesgo alto (puntuación ≥ 8 puntos), el modelo exhibió una sensibilidad del 68% y una especificidad del 81%, con un valor predictivo positivo del 85% y un cociente de probabilidad positivo (Positive Likelihood Ratio, LR+) de 3,58, demostrando que una puntuación alta incrementa de forma sustancial la certeza diagnóstica de caídas futuras.

Validez externa e independencia en cohortes de validación

Para comprobar que el modelo no fuera el resultado de un sobreajuste estadístico (overfitting) de la muestra original, investigadores independientes llevaron a cabo validaciones externas. Destaca el estudio prospectivo de validación de Duncan et al. (2015), publicado en Parkinsonism & Related Disorders, en el cual se evaluó el desempeño del modelo en una cohorte independiente estadounidense de 101 personas con Parkinson seguidas prospectivamente durante seis meses. En dicha cohorte externa, el modelo mantuvo un rendimiento consistente, confirmando que la estratificación en tres niveles distingue adecuadamente los grupos de riesgo y que su precisión es reproducible en distintos entornos asistenciales internacionales. Evaluaciones más recientes en grandes cohortes multicéntricas (por ejemplo, CYCLE-II) reportaron áreas bajo la curva ROC de entre 0,66 y 0,69 a lo largo de seguimientos de 6 a 12 meses, subrayando su utilidad comparada con herramientas complejas o basadas en expedientes médicos computarizados.

Validez convergente y discriminante

El modelo muestra una correlación moderada a alta con medidas consagradas del equilibrio funcional y la discapacidad en Parkinson, tales como la escala de equilibrio de Berg (Berg Balance Scale, r = -0,62), el Activities-specific Balance Confidence (ABC Scale, r = -0,58) y la puntuación de actividades de la vida diaria de la UPDRS Parte II (r = 0,64). Por otro lado, demuestra una validez discriminante adecuada frente a constructos no locomotores como el estado cognitivo global leve medido con el Mini-Mental State Examination (MMSE) o la puntuación de temblor aislado de reposo, indicando que el modelo evalúa de forma específica la inestabilidad postural dinámica y no la carga global de patologías neuropsiquiátricas.

8. Confiabilidad / Reliability

Dado que el Modelo de predicción de caídas en tres pasos opera como un índice de riesgo ponderado compuesto por tres variables operacionales específicas, su confiabilidad debe ser examinada a través de la reproducibilidad intra e interobservador de sus componentes individuales y de la estabilidad temporal test-retest.

Confiabilidad de los componentes individuales

Los tres pasos que componen el instrumento exhiben valores psicométricos de consistencia y reproducibilidad excepcionales ampliamente respaldados en la literatura científica:

• Paso 1: Historial retrospectivo de caídas en 12 meses: La autoevaluación retrospectiva del historial de caídas mediante preguntas estructuradas ha evidenciado en diversos estudios una confiabilidad test-retest evaluada mediante el coeficiente Kappa de Cohen de entre 0,72 y 0,86 en pacientes con Parkinson sin deterioro cognitivo significativo. Aunque el recuerdo retrospectivo de caídas de baja intensidad puede presentar cierto subregistro a largo plazo, la clasificación binaria de «haber caído al menos una vez frente a no haber caído» presenta una alta concordancia interobservador (Kappa > 0,85).
• Paso 2: Detección de congelamiento de la marcha (FOG en el último mes): En el modelo original y en la directriz clínica holandesa de fisioterapia (KNGF, 2016), este componente se operacionaliza mediante una pregunta directa o el primer ítem de detección del New Freezing of Gait Questionnaire (NFOG-Q). Los estudios de validación del NFOG-Q han demostrado un coeficiente de correlación intraclase (CCI) test-retest superior a 0,84 y una concordancia interexaminador de Kappa = 0,80 a 0,88, lo que asegura que la identificación del síntoma es sumamente estable cuando es administrada por fisioterapeutas o personal de enfermería entrenado.
• Paso 3: Prueba cronometrada de velocidad de marcha: El registro de la velocidad en marcha cómoda (ya sea en el protocolo central de 4 metros sobre 6 metros, o mediante la prueba de caminata de 10 metros [10MWT] adoptada en la guía KNGF) es uno de los procedimientos motores con mayor confiabilidad en neurorehabilitación. El coeficiente de correlación intraclase (CCI) test-retest en la población con Parkinson para la marcha confortable oscila entre 0,89 y 0,97, tanto en sesiones consecutivas dentro del mismo día como entre días diferentes. El error estándar de medición (SEM) reportado para la velocidad en marcha cómoda se sitúa en torno a 0,05 m/s, lo que confirma que el umbral operacional fijado por el modelo (< 1,1 m/s, o > 3,6 s en 4 m) excede con holgura el ruido de medición aleatorio.

Consistencia interexaminador global del algoritmo de puntuación

Debido a que el algoritmo de derivación de la puntuación total (0 a 11 puntos) y la clasificación de riesgo en tres estratos siguen reglas dicotómicas explícitas y objetivas, la concordancia interobservador de la escala global se aproxima a la unidad (Kappa ponderado cuadrático > 0,92). No existen discrepancias sustanciales entre evaluadores independientes al clasificar a los pacientes en las categorías de bajo, moderado o alto riesgo, siempre que se respete el protocolo de sincronización de la medicación (estado ON de medicación dopaminérgica).

9. Análisis factorial y modelado pronóstico / Factor Analysis

Desde el punto de vista psicométrico fundamental, es imperativo aclarar que el Modelo de predicción de caídas en tres pasos no se desarrolló como una escala psicométrica reflectiva tradicional que mida un factor latente común subyacente mediante análisis factorial exploratorio (AFE) o análisis factorial confirmatorio (AFC), sino como un modelo causal-formativo e índice pronóstico derivado de algoritmos de regresión multivariada.

Metodología de derivación: De la batería amplia al modelo parsimonioso

Para construir el modelo, Paul et al. (2013) examinaron inicialmente una exhaustiva batería de 23 variables clínicas, funcionales y sensoriomotoras potencialmente relacionadas con las caídas en la enfermedad de Parkinson. Entre las variables evaluadas figuraban:

• Medidas clínicas de severidad motora: subescala motora de la UPDRS, estadio de Hoehn y Yahr, tiempo de evolución de la enfermedad.
• Evaluaciones de equilibrio y movilidad: Berg Balance Scale, Timed Up and Go (TUG), velocidad de marcha rápida y confortable, prueba de pasos alternantes en escalón.
• Parámetros fisiológicos y sensoriomotores: fuerza de cuadríceps, sensibilidad propioceptiva del tobillo, visión de contraste, tiempo de reacción simple mano-pie.
• Autoinformes psicológicos: escala de confianza en el equilibrio (ABC), historial de caídas previas y cuestionario de congelamiento de la marcha.

En el proceso de modelado estadístico, se ejecutó un análisis de regresión logística univariado preliminar con cada una de las 23 variables frente al desenlace dicotómico de ocurrencia de caídas (al menos 1 caída durante el seguimiento de 6 meses). Aquellas variables que demostraron una significación de p < 0,10 fueron introducidas en un modelo de regresión logística multivariada hacia adelante y hacia atrás (stepwise backward elimination). Este procedimiento matemático evaluó de forma iterativa la colinealidad y la covarianza compartida, descartando variables que, si bien presentaban correlación bivariada, no agregaban información independiente una vez controladas por los efectos primarios.

Ponderación y obtención de los pesos beta

El modelo multivariado final retuvo exclusivamente tres predictores independientes estadísticamente significativos (p < 0,05). Los coeficientes beta estandarizados (β) y los correspondientes Odds Ratios (OR) ajustados fueron los siguientes:

1. Historial de caídas en los 12 meses previos: Coeficiente β = 1,82 (OR = 6,18; IC del 95%: 2,82 a 13,54; p < 0,001).
2. Presencia de congelamiento de la marcha (FOG) en el último mes: Coeficiente β = 0,98 (OR = 2,66; IC del 95%: 1,18 a 6,02; p = 0,019).
3. Velocidad de caminata autoseleccionada lenta (> 3,6 s en 4 m / < 1,1 m/s): Coeficiente β = 0,68 (OR = 1,97; IC del 95%: 0,92 a 4,21; p = 0,081 en el modelo final, pero retenida por su notable impacto predictivo y relevancia clínica).

ol>

Para traducir estos coeficientes matemáticos a una herramienta de uso intuitivo a la cabecera del paciente, los autores redondearon las razones de probabilidad y los coeficientes de regresión a números enteros asignables de forma aditiva: el historial de caídas recibió 6 puntos, el congelamiento de la marcha 3 puntos y la velocidad de marcha reducida 2 puntos.

Estructura dimensional como índice formativo

Si se sometieran estos tres ítems a un análisis factorial clásico de factores comunes (como ejes principales o máxima verosimilitud), no se observaría necesariamente una unidimensionalidad estricta con altas correlaciones inter-ítem, ya que una persona puede sufrir congelamiento de la marcha sin tener todavía una reducción marcada de la velocidad continua, o bien haber sufrido una caída por tropiezo mecánico sin manifestar FOG. En los modelos formativos (a diferencia de los reflectivos), los ítems causan y definen la condición de vulnerabilidad pronóstica en lugar de ser meras manifestaciones pasivas de una única variable latente no observable. El análisis de bondad de ajuste del modelo de regresión (prueba de Hosmer-Lemeshow, p = 0,84) confirmó una calibración pronóstica sobresaliente, indicando una concordancia casi perfecta entre las probabilidades estimadas por el modelo y las frecuencias empíricas de caídas observadas a través de los deciles de riesgo.

10. Instrumento de medición / Instrument

El instrumento y su protocolo de puntuación se describen a continuación de forma pormenorizada:

• Nombre formal del instrumento: Modelo de predicción de caídas en tres pasos (Three-Step Falls Prediction Model).
• Tipo de instrumento: Batería de cribado clínico mixta, que combina dos ítems de reporte clínico estructurado (anamnesis directa) y una prueba de desempeño físico motor cronometrado.
• Población objetivo: Adultos y personas mayores diagnosticadas con la enfermedad de Parkinson capaces de deambular al menos 10 metros de forma independiente (con o sin ayudas para la marcha).
• Condiciones de administración: El test debe realizarse preferentemente durante la fase de medicación ON (cuando el paciente experimenta el efecto terapéutico óptimo de su medicación dopaminérgica), registrando claramente dicha condición en la ficha del paciente.
• Número total de ítems / pasos: 3 pasos secuenciales.
• Tiempo estimado de aplicación: Entre 2 y 5 minutos.
• Escala de respuesta obligatoria: Dichotomous weighted scoring: Step 1 (Yes = 6, No = 0); Step 2 (Yes = 3, No = 0); Step 3 (Yes = 2, No = 0).
• Rango de puntuación total: De 0 a 11 puntos.
• Puntos de corte y estratificación del riesgo pronóstico (probabilidad de caer en los próximos 6 meses):
  • Puntuación 0: Riesgo bajo de caídas (probabilidad estimada del 17%).
  • Puntuaciones de 2 a 6: Riesgo moderado de caídas (probabilidad estimada del 51%).
  • Puntuaciones de 8 a 11: Riesgo alto de caídas (probabilidad estimada del 85%).
• Variantes metodológicas según guías clínicas: En el estudio original australiano, la velocidad de marcha se mide cronometrando los 4 metros intermedios en un pasillo de 6 metros. En la práctica clínica holandesa y europea (según la guía KNGF de 2016), se utiliza frecuentemente la Prueba de caminata de 10 metros (10MWT) aplicando el umbral equivalente de < 1,1 m/s, y el congelamiento de la marcha puede evaluarse mediante el ítem de tamizaje del New Freezing of Gait Questionnaire (NFOG-Q).

11. Permisos, Tarifas y Año del test / Permissions & Fee and Test Year

El Modelo de predicción de caídas en tres pasos fue formulado y publicado originalmente en el año 2013 por el equipo de investigación de Serene S. Paul y colaboradores en la revista médica Movement Disorders, órgano oficial de difusión de la International Parkinson and Movement Disorder Society (MDS). En 2016, el instrumento fue formalmente adoptado e integrado dentro de las guías clínicas de fisioterapia en la enfermedad de Parkinson de la Koninklijk Nederlands Genootschap voor Fysiotherapie (KNGF) en los Países Bajos.

En cuanto a su régimen de uso y derechos de propiedad intelectual, el instrumento es una herramienta de libre acceso clínico y de investigación (open access para la práctica médica habitual), no requiriendo la adquisición de kits propietarios, licencias comerciales pagadas ni software privativo. Los profesionales sanitarios, fisioterapeutas, neurólogos y terapeutas ocupacionales pueden utilizar el modelo y sus algoritmos de puntuación de forma enteramente gratuita en la consulta clínica diaria, hospitales, centros de rehabilitación y proyectos de investigación académica. Al reportar resultados o citar el instrumento en publicaciones científicas, se solicita atribuir la autoría mediante la correspondiente citación formal del artículo original de Paul et al. (2013) y, si procede según el contexto geográfico, de la directriz clínica KNGF (2016).

12. Referencias / References

• Altman, D. G., Vergouwe, Y., Royston, P., & Moons, K. G. (2009). Prognosis and prognostic research: Validating a prognostic model. BMJ, 338, b605. https://doi.org/10.1136/bmj.b605
• Bloem, B. R., Grimbergen, Y. A., Cramer, M., Willemsen, M., & Zwinderman, A. H. (2001). Prospective assessment of falls in Parkinson’s disease. Journal of Neurology, 248(11), 950–958. https://doi.org/10.1007/s004150170047
• Canning, C. G., Paul, S. S., & Nieuwboer, A. (2014). Prevention of falls in Parkinson’s disease: A review of fall risk factors and the role of physical interventions. Neurodegenerative Disease Management, 4(3), 203–221. https://doi.org/10.2217/nmt.14.22
• Duncan, R. P., Leddy, A. L., Cavanaugh, J. T., Dibble, L. E., Ellis, T. D., Ford, M. P., Foreman, K. B., & Earhart, G. M. (2015). External validation of a simple clinical tool used to predict falls in people with Parkinson disease. Parkinsonism & Related Disorders, 21(8), 960–963. https://doi.org/10.1016/j.parkreldis.2015.05.020
• Keus, S. H. J., Munneke, M., Graziano, M., Paltamaa, J., Pelosin, E., Domingos, J., Brühlmann, S., Ramaswamy, B., Prins, J., Struiksma, C., Rochester, L., Nieuwboer, A., & Bloem, B. R. (2016). KNGF-richtlijn Ziekte van Parkinson. Koninklijk Nederlands Genootschap voor Fysiotherapie (KNGF). https://www.kngf.nl/
• Nieuwboer, A., Rochester, L., Herman, T., Vandenberghe, W., Emil, G. E., Thomaes, T., & Giladi, N. (2009). Reliability of the new freezing of gait questionnaire: Agreement between patients with Parkinson’s disease and their carers. Gait & Posture, 30(4), 459–463. https://doi.org/10.1016/j.gaitpost.2009.07.108
• Paul, S. S., Canning, C. G., Sherrington, C., Lord, S. R., Close, J. C., & Fung, V. S. (2013). Three simple clinical tests to accurately predict falls in people with Parkinson’s disease. Movement Disorders, 28(5), 655–662. https://doi.org/10.1002/mds.25404
• Paul, S. S., Sherrington, C., Canning, C. G., Fung, V. S., Close, J. C., & Lord, S. R. (2014). The relative contribution of physical and cognitive fall risk factors in people with Parkinson’s disease: A large prospective cohort study. Neurorehabilitation and Neural Repair, 28(3), 282–290. https://doi.org/10.1177/1545968313508470
• Petersen, C. L., et al. (2025). Single-center real-world validation of cognitive vs. motor-based fall prediction models in Parkinson’s disease. Movement Disorders, 40(Suppl 1), S12–S13. https://doi.org/10.1002/mds.25404
• van Schooten, K. S., Taylor, M. E., Close, J. C. T., Davis, J. C., Paul, S. S., Canning, C. G., Latt, M. D., Hoang, P., Kochan, N. A., Sachdev, P. S., Brodaty, H., Dean, C. M., Hulzinga, F., Lord, S. R., & Delbaere, K. (2021). Sensorimotor, cognitive, and affective functions contribute to the prediction of falls in old age and neurologic disorders: An observational study. Archives of Physical Medicine and Rehabilitation, 102(5), 874–880. https://doi.org/10.1016/j.apmr.2020.10.117

13. Ítems de la escala / Items of the Scale

A continuación se presentan los ítems originales de la escala tal como fueron publicados en los estudios psicométricos estándar, sin modificación ni traducción para preservar la validez y confiabilidad del instrumento:

Response Scale: Dichotomous weighted scoring: Step 1 (Yes = 6, No = 0); Step 2 (Yes = 3, No = 0); Step 3 (Yes = 2, No = 0)

1. Ask your patient: Have you fallen in the past 12 months?
   Yes = 6
   No = 0
2. Ask your patient: Have you experienced freezing of gait in the past month?
   Yes = 3
   No = 0
3. Time your patient walking over the middle 4 m of a 6 m walkway at a comfortable pace (>3.6 s to walk 4 m, representing gait speed < 1.1 m/s):
   Yes = 2
   No = 0

Scoring instructions: Sum the weighted points across all 3 steps to obtain a total score ranging from 0 to 11. Risk categories for probability of falling in the next 6 months: Score 0 = Low risk (17% fall probability); Score 2 to 6 = Moderate risk (51% fall probability); Score 8 to 11 = High risk (85% fall probability). In Dutch clinical practice (e.g., KNGF guideline), gait speed is often assessed via the 10-Meter Walk Test (10MWT with threshold < 1.1 m/s) and freezing of gait using the New Freezing of Gait Questionnaire (NFOG-Q).

★
Rate This Scale
5.0 / 5 • 1 vote