Résumé
Les chutes représentent un enjeu majeur de santé publique chez les personnes âgées, causant plus de 100 000 hospitalisations annuelles en France et 646 000 décès mondiaux. Les outils numériques de prédiction, prévention et détection des chutes connaissent un développement rapide, intégrant capteurs portables, intelligence artificielle et plateformes de téléassistance. Cette revue présente une classification des principales technologies disponibles, analysant leur efficacité clinique et leurs modalités d’implémentation. Les dispositifs portables, notamment les montres connectées et bracelets détecteurs, montrent des performances satisfaisantes de détection des chutes avec une sensibilité moyenne supérieure à 93 % et une spécificité de 86 %. Les systèmes environnementaux, incluant caméras intelligentes et capteurs radar, offrent une surveillance continue sans contrainte de port. L’intelligence artificielle, via l’analyse du comportement des personnes, permet désormais une approche prédictive, identifiant les facteurs de risque jusqu’à 14jours avant l’événement. Malgré ces avancées technologiques prometteuses, les défis d’acceptabilité, d’interopérabilité et de validation clinique en conditions réelles demeurent.
Falls represent a major public health issue among older persons, causing more than 100,000 hospitalizations annually in France and 646,000 deaths worldwide. Digital tools for fall prediction, prevention, and detection are rapidly developing, integrating wearable sensors, artificial intelligence, and teleassistance platforms. This review presents a classification of the main available technologies, analyzing their clinical effectiveness and implementation methods. Wearable devices, including smartwatches and detector bracelets, demonstrate satisfactory fall detection performance, with an average sensitivity greater than 93% and a specificity of 86%. Environmental systems, including smart cameras and radar sensors, offer continuous monitoring without the need to wear them. Through the analysis of people's behavior, artificial intelligence now allows for a predictive approach, identifying risk factors up to 14 days before the event. Despite these promising technological advances, challenges of acceptability, interoperability, and clinical validation remain for a use in real-life conditions.