آلية تقييم مخاطر السقوط لدى كبار السن من خلال تحليل بيانات شبكة أجهزة الاستشعار لمنطقة الجسم الخاصة بمستوى إجهاد العضلات.
Title A Fall Risk Assessment Mechanism for Elderly people through Muscle Fatigue Analysis on data from Body Area Sensor Network
الباحث الرئيس عدنان نديم مبارك الحسن
الباحثون المشاركون
التخصص: تقنية المعلومات
التخصص الدقيق: Information Technology
المستخلص: موضوع البحث الذي نعتبره هو قضية الرعاية الصحية للسقوط لدى كبار السن، فالسقوط هو أحد الأسباب الرئيسية للوفاة لدى كبار السن المبلغ عنها في جميع أنحاء العالم ، وعلاجه له تكلفة عالية. الفجوة العملية هي أن معظم المقترحات ذات الصلة في الأدبيات تفاعلية وتعتمد على اكتشاف السقوط بعد حدوثه. الفجوة العملية هي أن معظم المقترحات والدراسات السابقة ذات الصلة في الأدبيات تفاعلية وتعتمد على اكتشاف السقوط بعد حدوثه. ولسد الفجوة فإننا في هذه الورقة، نقترح آلية استباقية لتقييم مخاطر السقوط لكبار السن من خلال إجراء تحليل إجهاد العضلات على البيانات التي تم جمعها باستخدام BASN التي تتكون من أجهزة استشعار يمكن ارتداؤها.
قمنا أولاً بتطوير تطبيق Android الذي يتصل بأجهزة استشعار EMG القابلة للارتداء الموضوعة على جسم الإنسان لجمع بيانات عن أربعة أنشطة بما في ذلك المشي والجلوس والنهوض من الكرسي وتمدد الكاحل في بيئة محكومة. ثم نقدم خوارزمية تقييم مخاطر السقوط التي تحسب درجة تقييم مخاطر السقوط بناءً على مستويات مختلفة من إجهاد العضلات. اختبرنا الخوارزمية الخاصة بنا باستخدام أربع ميزات لتحديد إجهاد العضلات في عضلتين من الأطراف السفلية، عضلتي الساق (Tibilias - TM) و (Gastrocnemius - GM). تظهر نتائج تنفيذ السيناريوهات المختلفة على Matlab فعالية تقدير مخاطر السقوط والوقاية منها. نتائج تقييمنا لسلوك عضلات الأطراف السفلية تبرر فرضيتنا بأن التعب العضلي في هاتين العضلتين يمكن أن يؤدي إلى الوقوع في شخص مسن.
ينتج عن هذا البحث نموذج أولي لتطبيق Android لتقدير مخاطر السقوط والوقاية لكبار السن. سيتم توصيل النموذج الأولي بجهاز استشعار يمكن ارتداؤه لمراقبة إجهاد العضلات. في المستقبل ، سيتم تقديم نموذج العمل الخاص بهذا التطبيق إلى وزارة الصحة لتطويره واستخدامه كمنتج.
Abstract: The research topic we consider is the healthcare issue of falls in the elderly, Fall is one of the main causes of death in older people reported worldwide, and its treatment has a higher cost. The practical gap is that most of the related proposals in the literature are reactive and based on the detection of fall after it happens. To fill the gap, in this paper, we propose a proactive Fall Risk Assessment mechanism for the elderly by performing Muscle Fatigue Analysis on data collected using BASN consisting of wearable sensors.
We first developed android application that connects with the wearable EMG sensors placed on the human body to collect data of four activities including walking, sitting and getting up from a chair, and ankle stretch (Dorsiflexion and planter flexion) in a controlled environment. Then we present our Fall Risk Assessment algorithm that computes the Fall Risk Assessment score based on various levels of muscle fatigue. We tested our algorithm using four features to determine muscle fatigue in two lower limb muscles i.e. Tibilias (TM) and Gastrocnemius (GM) muscles. The implementation results of various scenarios on Matlab shows the effectiveness of fall risk estimation and prevention solution. Our evaluation results of two lower limb muscles behavior justify our claim that muscle fatigue in these two muscles could lead to falling in an elderly person.
This research results in an android application prototype for fall risk estimation and prevention for elderly people. The prototype will be connected with a wearable sensor to monitor muscle fatigue. In the future, the working model of this app will be presented to the Ministry of Health for the development and use of the product.