An enhanced sensor-based approach for evaluation of a geriatric fall risk in non-ambulatory environments

Jedes Jahr stürzt rund ein Drittel der über 65 Jährigen. Stürze sind die Hauptursache für mittlere bis schwere Verletzungen und damit eine enorme Belastung für das Gesundheitssystem. Eine zeitlich akkurate Sturzrisikobewertung in einer breit akzeptierten und nicht-stigmatisierenden Art und Weise kann zu signifikanten Veränderungen in der Strategie der Sturzprävention führen und damit dazu beitragen, die Anzahl der stürzenden Personen, sowie die Sturzrate zu reduzieren.
Die gegenwärtige klinische Evaluierung des Sturzrisikos ist zeitaufwendig und subjektiv. Folglich sind Bewertungen in stationärem Umfeld obstruktiv, oder fokussieren sich ausschließlich auf einmalige, periodische Merkmale der menschlichen Bewegung. ... mehrDer Fokus dieser Arbeit liegt in der Erforschung und Definition neuer Konzepte zur Beurteilung der Koordination der Extremitäten, der Art des Gehens und der Aufstehvorgänge anhand von Signalen von am Handgelenk getragener Inertial- und Umgebungssensorik. Merkmale im Zeit- und Frequenzraum wurden händisch entwickelt, um daraus Support Vector Maschine -Modelle abzuleiten. Die Modelle beschreiben die physikalische Leistungsfähigkeit einer Person in Form einer objektiven (quantitativen) Sturzrisikobewertung in einem störungsanfälligen häuslichen Umfeld.
Für erste Untersuchungszwecke wurde eine Forschungsstudie mit 28 älteren Teilnehmern in einem kontrollierten Umfeld durchgeführt. Darauf aufsetzend wurde eine große Querschnittsstudie mit einer Kohorte von 180 Probanden durchgeführt. Eine sich der Messwoche anschließende sechsmonatige Nachverfolgungsphase wurde zur Validierung der Modelle in die Studie inkludiert. Die Ergebnisse haben einen neuen Prädiktor für akutes Sturzrisiko hervorgebracht. Zusätzlich konnte aufgezeigt werden, dass die Kenntnis der Umgebungsbedingungen relevant sind, um die menschlichen Bewegungen richtig bewerten zu können.
Ein innovativer Echtzeitalgorithmus wurde entwickelt, in dem Multi-Sensor-Ansätze fusioniert, sowie auf Bewegung basierende Filter integriert sind. Die Einflüsse der Hand-Abhängigkeit auf die Leistungsfähigkeit des Algorithmus konnten im Rahmen dieser Arbeit untersucht werden. Die Validierung der entwickelten Modelle in allen drei Domänen gegen die Grundwahrheit zeigt eine klinisch relevante Genauigkeit oder zumindest teilweise bessere Ergebnisse gegenüber dem Stand der Technik.
Die Studie zeigt die Möglichkeit auf, Einschränkungen klinischer Tests zu bewältigen, sowie in Armbändern integrierte Sensorik sowohl für eine akute, wie auch eine konventionelle Sechsmontasbewertung des Sturzrisikos verlässlich anzuwenden.

One third of population aged over 65 experience falls each year. Falls are major cause of middle to severe injuries becoming an enormous burden for the healthcare system. Timely accurate assessment of the fall risk in a widely accepted and non-stigmatized manner has the ability to provide crucial changes in the fall prevention strategies, thus possibly reducing the number of fallers, as well as their fall rate. Current clinical evaluation of the fall risk is time consuming and subjective, whereas assessments in non-ambulatory settings are obtrusive or focused on singular periodical aspects of human movement.
... mehr
The focus of this thesis is on investigation and definition of novel concepts targeting assessment of inter-limb coordination, gait and sit-to-stand transitions by means of inertial and environmental wrist-attached sensors. Time- and frequency-domain hand-crafted features were used for deriving support vector machine based models de-scribing one’s physical performance in terms of an objective (quantitative) fall risk assessment in noisy perturbation-prone home settings.
An exploratory study on 28 elderly participants in a controlled setting was conducted for observational purposes. On top of that, a large cross-sectional study on a cohort of 180 participants with a six months follow-up phase was performed for the validation of developed models.
The results have yielded a novel acute fall risk predictor. Additionally, the importance of an environmental context for understanding of one’s motor performance was presented. An innovative real-time algorithm for fusion of a multi-sensor approach and movement-based filters was proposed and influence of the hand-side-dependence on its performance was investigated. Validation of developed models for all three domains against the ground truth has shown clinically relevant accuracy comparable, or even partially better than obtrusive state-of-the-art.
The study overcomes limitations of clinical tests and shows a reliable application of wrist bands in terms of both, highly acute and conventional six-months based fall risk assessment. Moreover, it reveals wrist as a potential assessment source in the geriatric population.