[go: up one dir, main page]

ES2381712T3 - Sistema de detección de caídas - Google Patents

Sistema de detección de caídas Download PDF

Info

Publication number
ES2381712T3
ES2381712T3 ES09787373T ES09787373T ES2381712T3 ES 2381712 T3 ES2381712 T3 ES 2381712T3 ES 09787373 T ES09787373 T ES 09787373T ES 09787373 T ES09787373 T ES 09787373T ES 2381712 T3 ES2381712 T3 ES 2381712T3
Authority
ES
Spain
Prior art keywords
user
fall
detection system
fall detection
threshold
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES09787373T
Other languages
English (en)
Inventor
Ingrid C. M. Flinsenberg
Warner R. T. Ten Kate
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Application granted granted Critical
Publication of ES2381712T3 publication Critical patent/ES2381712T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1116Determining posture transitions
    • A61B5/1117Fall detection
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/68Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813Specially adapted to be attached to a specific body part
    • A61B5/6822Neck
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/68Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/683Means for maintaining contact with the body
    • A61B5/6831Straps, bands or harnesses
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/04Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/04Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438Sensor means for detecting
    • G08B21/0446Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/68Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813Specially adapted to be attached to a specific body part
    • A61B5/6824Arm or wrist

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Emergency Management (AREA)
  • Physiology (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Emergency Alarm Devices (AREA)
  • Alarm Systems (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

Sistema (2) de detección de caídas, que comprende: - uno o más sensores (8, 16) para monitorizar el movimiento de un usuario (4) del sistema de detección de caídas y para generar las señales correspondientes; - medios para determinar un umbral a partir de una o más mediciones del estado físico del usuario (4), - un procesador (10) adaptado para: - analizar las señales para identificar una caída del usuario (4), - analizar las señales para identificar un periodo de inactividad del usuario (4) tras la caída; y - comparar la duración del periodo de inactividad del usuario con el umbral para determinar la gravedad de la caída.

Description

Sistema de detección de caídas
Campo técnico de la invención
La invención se refiere a un sistema de detección de caídas y un método de funcionamiento de un sistema de detección de caídas, y en particular a un sistema de detección de caídas y un método de funcionamiento de un sistema de detección de caídas que proporciona una indicación de la gravedad de una caída.
Antecedentes de la invención
Caerse es un problema significativo en el cuidado de los ancianos que puede llevar a la morbimortalidad. Desde una perspectiva física, las caídas provocan lesiones, mientras que desde la perspectiva mental, las caídas provocan miedo a caerse, que a su vez lleva al aislamiento social y depresión.
Se están desarrollando sistemas de detección de caídas que pueden proporcionar un medio automatizado y fiable para detectar cuando se ha caído un usuario. Si se detecta una caída, el sistema emite una alarma que pide ayuda para el usuario. Esto garantiza al usuario que se tomarán medidas adecuadas en caso de que se produzca una caída.
Normalmente, los sistemas de detección de caídas automatizados se basan en un acelerómetro que debe unirse al cuerpo del usuario. El sistema de detección de caídas realiza un seguimiento de las señales del acelerómetro y determina que ha tenido lugar una caída si se identifica un patrón característico. Un patrón típico es una combinación de un valor de alto impacto en el que la señal de aceleración supera un umbral preconfigurado, seguido de un periodo de inactividad relativa o real caracterizado por una aceleración relativamente constante, por ejemplo sólo gravedad (o sin aceleración dependiendo del tipo de acelerómetro usado), debido a que el usuario se encuentra inmóvil en el suelo. El patrón puede continuar mostrando actividad, desviándose del periodo relativamente constante de aceleración, cuando el usuario vuelve a ponerse de pie.
Algunos sistemas de detección de caídas pueden determinar una incapacidad del usuario para levantarse tras una caída (que se representa por un periodo extendido de inactividad), y usan esta determinación para activar o emitir una señal de alarma. Un sistema de este tipo se describe en el documento WO 2005/016143.
El documento GB-A-2323196 da a conocer un sistema de detección de caídas, que comprende:
-
uno o más acelerómetros para monitorizar el movimiento de un usuario del sistema de detección de caídas y para generar las señales correspondientes;
-
medios para determinar un umbral a partir de una o más mediciones del estado físico del usuario;
-
un procesador adaptado para:
-
analizar las señales para identificar una caída del usuario;
-
analizar las señales para identificar un periodo de inactividad del usuario tras la caída; y
-
comparar la duración del periodo de inactividad del usuario con un umbral para determinar la gravedad de la caída.
Sumario de la invención
En los sistemas conocidos, hay un único periodo de tiempo fijo para medir la incapacidad del usuario para levantarse tras una caída, lo que significa que este periodo de tiempo es el mismo para cada posible usuario del sistema de detección de caídas. Por tanto, este periodo de tiempo se ajusta en algún valor, independientemente del estado físico del usuario y su capacidad personal para ponerse de pie desde el suelo. El tiempo típico requerido para que un usuario se levante puede oscilar desde unos cuantos segundos (por ejemplo, de 2 a 3) para usuarios que son jóvenes y están sanos hasta decenas de segundos (por ejemplo, de 15 a 45) para usuarios que son ancianos y débiles.
Por tanto, para el ajuste de un único periodo de tiempo para el sistema de detección de caídas, hay que llegar a un equilibrio entre elegir un valor conservador que podría dar como resultado la caída de un usuario, que no puede levantarse y que tiene que esperar decenas de segundos antes de que se emita una alarma o se pida ayuda, y un periodo más corto que da como resultado la emisión de una alarma antes de que el usuario haya tenido la oportunidad de levantarse por sí mismo (a su propio ritmo).
Por tanto, es un objeto de la invención proporcionar un sistema de detección de caídas y un método de funcionamiento de un sistema de detección de caídas que supere las desventajas de los sistemas de la técnica anterior descritos anteriormente.
Según un primer aspecto de la invención, se proporciona un sistema de detección de caídas, que comprende uno o más sensores para monitorizar el movimiento de un usuario del sistema de detección de caídas y para generar las señales correspondientes; medios para determinar un umbral a partir de una o más mediciones del estado físico del usuario; un procesador para analizar las señales para identificar una caída del usuario; analizar las señales para identificar un periodo de inactividad del usuario tras la caída; y comparar la duración del periodo de inactividad del usuario con el umbral para determinar la gravedad de la caída.
Preferiblemente, el procesador está adaptado para determinar que la caída es grave en caso de que la duración del periodo de inactividad del usuario supere el umbral.
Preferiblemente, el procesador está adaptado para activar una alarma y/o pedir ayuda para el usuario si la caída es grave.
En realizaciones preferidas, el procesador está adaptado para analizar las señales para identificar el final del periodo de inactividad cuando el usuario se pone de pie.
En algunas realizaciones, el procesador está adaptado para determinar que la caída no es grave en caso de que la duración del periodo de inactividad del usuario sea inferior al umbral.
En realizaciones alternativas, el procesador está adaptado para clasificar la gravedad de la caída en caso de que la duración del periodo de inactividad del usuario sea inferior al umbral usando una relación de la duración del periodo de inactividad con respecto al umbral. El procesador puede entonces activar una alarma y/o pedir ayuda para el usuario basándose en el grado de gravedad determinado.
Preferiblemente, el uno o más sensores comprenden un acelerómetro para medir la aceleración del sistema de detección de caídas.
En algunas realizaciones, el procesador está adaptado para identificar una caída identificando un impacto que es característico de una caída. El procesador puede identificar un impacto identificando uno o más picos en las mediciones de la aceleración. El procesador puede adaptarse además para determinar la gravedad de la caída determinando la magnitud de la aceleración en el impacto.
Preferiblemente, la una o más mediciones del estado físico del usuario comprenden mediciones de un movimiento o serie de movimientos predeterminados por el usuario.
En realizaciones específicas, el movimiento o serie de movimientos predeterminados comprenden uno o más de una transferencia de sentado a bipedestación, movimiento de levantarse y andar cronometrado, levantarse de una cama y levantarse del suelo.
En algunas realizaciones, la una o más mediciones comprenden mediciones del tiempo que requiere el usuario para completar el movimiento o serie de movimientos predeterminados.
En una realización preferida, el procesador comprende los medios para determinar el umbral; y el procesador está adaptado para determinar la una o más mediciones del estado físico del usuario mientras que el sistema de detección de caídas está en uso por el usuario.
Según un segundo aspecto de la invención, se proporciona un método de funcionamiento de un sistema de detección de caídas, comprendiendo el método determinar un umbral a partir de una o más mediciones del estado físico de un usuario del sistema de detección de caídas; detectar una caída del usuario; y monitorizar la duración de un periodo de inactividad del usuario tras la caída con respecto al umbral para determinar la gravedad de la caída.
Según un tercer aspecto de la invención, se proporciona un producto de programa informático para su uso en un sistema de detección de caídas, comprendiendo el producto de programa informático un código de programa informático que, cuando se ejecuta en un procesador u ordenador, está adaptado para determinar un umbral a partir de una o más mediciones del estado físico de un usuario del sistema de detección de caídas; detectar una caída del usuario; y monitorizar la duración de un periodo de inactividad del usuario tras la caída con respecto al primer umbral para determinar la gravedad de la caída.
Breve descripción de los dibujos
La invención se describirá a continuación, sólo a modo de ejemplo, con referencia a los siguientes dibujos, en los que:
la figura 1 muestra un sistema de detección de caídas unido a un usuario;
la figura 2 es un diagrama de bloques del sistema de detección de caídas;
la figura 3 es un diagrama de flujo que ilustra un método según la invención; y
la figura 4 es un diagrama de flujo que ilustra otro método según la invención.
Descripción detallada de las realizaciones preferidas
La figura 1 muestra un sistema 2 de detección de caídas unido a un usuario 4 a través de una banda u otros medios 6 de unión. El sistema 2 de detección de caídas se une preferiblemente a la parte superior del cuerpo 4 del usuario, tal como alrededor de la cintura, en la muñeca, o como un colgante alrededor del cuello.
Si el sistema 2 de detección de caídas detecta una caída del usuario 4, puede emitirse una señal de alarma (por ejemplo de forma audible) desde el sistema 2 de detección de caídas o puede transmitirse (por ejemplo de forma inalámbrica) a un centro de llamadas u otra unidad de asistencia, a no ser que el usuario 4 se ponga de pie desde el suelo rápidamente.
La figura 2 es un diagrama de bloques de un sistema 2 de detección de caídas según la invención.
El sistema 2 comprende un acelerómetro 8 que mide la aceleración experimentada por el sistema 2 de detección de caídas (y por tanto el usuario 4 cuando el sistema 2 de detección de caídas está unido a su cuerpo) y genera señales indicativas de la aceleración medida, un procesador 10 para procesar las señales del acelerómetro 8 para determinar si el usuario 4 se ha caído, y una alarma 12 (y/o conjunto de circuitos transmisores/transceptores) para pedir ayuda en caso de que el usuario 4 se haya caído.
El sistema 2 comprende además una interfaz 14, que puede ser en forma de un puerto de entrada/salida para recibir señales electrónicas de otro dispositivo, o puede comprender uno o más botones o conmutadores con indicación de retroalimentación al usuario apropiada que permitan a un usuario 4 o profesional de la salud interactuar con el sistema 2 de detección de caídas. El fin de la interfaz 14 se describirá más abajo.
En algunas realizaciones, el sistema 2 de detección de caídas puede comprender además uno o más sensores 16 diferentes que detectan características de movimiento del usuario 4 (distintas a la aceleración) y que generan las señales correspondientes. Estas señales pueden usarse entonces por el procesador 10 en combinación con las señales del acelerómetro 8 para determinar si el usuario se ha caído. El uno o más sensores 16 pueden comprender un magnetómetro, giroscopio, altímetro y/o cualquier otro sensor adecuado.
Tal como se describió anteriormente, el procesador 10 monitoriza las señales del acelerómetro 8 para determinar si ha tenido lugar una caída. Las caídas a menudo se caracterizan por un gran impacto (cuando el usuario 4 golpea el suelo) representado por una aceleración relativamente grande y repentina (es decir, de duración corta) en la dirección vertical, seguido de un periodo de poca o ninguna actividad mientras que el usuario 4 está tendido en el suelo, representado por un periodo de aceleración relativamente constante (esta aceleración constante será habitualmente cero o la de la gravedad, dependiendo del tipo de acelerómetro usado). El procesador 10 monitoriza la duración del periodo de inactividad, y determina que la caída es grave si la duración del periodo supera un umbral, y se emite una alarma.
Se apreciará también que ciertos tipos de caídas pueden tener impactos menos claros, y el algoritmo usado en el procesador 10 puede reconocerlas también disminuyendo el requisito de una característica de aceleración grande pero corta.
Un diagrama de flujo que ilustra un método según la invención se muestra en la figura 3. A diferencia de los sistemas de la técnica anterior en los que hay un único valor de umbral para todos los usuarios 4, la invención prevé que el umbral se determine a partir de mediciones del estado físico del usuario 4 (etapa 101). Una vez que se ha detectado una caída (etapa 103), el umbral se compara con el periodo de inactividad tras la caída para determinar si la caída fue grave (etapa 105).
En una realización, el umbral puede ajustarse manualmente antes del primer uso del sistema 2 de detección de caídas por el usuario 4, y volver a evaluarse en intervalos regulares (del orden de días, semanas o meses) para asegurarse de que el umbral se adapta al estado físico del usuario 4 con el paso del tiempo.
Como alternativa para ajustar el umbral manualmente, una realización preferida prevé que el propio sistema 2 de detección de caídas se use para medir el tiempo que lleva al usuario 4 realizar ciertos movimientos o actividades representativos, tal como una transferencia de sentado a bipedestación (STS), o levantarse de la cama, durante el uso del sistema 2 de detección de caídas. Por ejemplo, el sistema 2 de detección de caídas puede evaluar las señales del acelerómetro 8 y otros sensores 16 (si están presentes) para detectar cuándo tienen lugar los movimientos o actividades representativos.
Estos movimientos se llevan a cabo regularmente durante el transcurso de un día normal y el tiempo que se requiere para realizar estos movimientos puede usarse para estimar el tiempo (y por tanto el umbral del periodo de inactividad) que llevaría al usuario 4 levantarse tras una caída. En particular, el sistema 2 de detección de caídas puede determinar que una caída es grave si el usuario 4 no puede levantarse de nuevo dentro de un múltiplo de este periodo de tiempo. Si el usuario 4 no se ha levantado, la caída puede considerarse grave.
El sistema 2 puede considerar también el tiempo que el usuario 4 puede estar confundido por la caída, lo que extiende el tiempo que estarán tendidos en el suelo. En la primera orden, este tiempo es proporcional al tiempo requerido por las actividades observadas, aunque pueden usarse otras medidas.
En realizaciones preferidas adicionales, si el usuario 4 sí se levanta tras una caída, la gravedad de la caída puede clasificarse evaluando la relación del tiempo estimado necesario para levantarse de nuevo (es decir el umbral del periodo de inactividad) y el tiempo medido requerido para levantarse.
Esta relación, o el tiempo medido requerido para levantarse, también puede usarse para refinar el umbral del periodo de inactividad, según se describe más abajo.
El umbral puede ajustarse (manualmente de manera eficaz) evaluando los resultados de ciertas pruebas de movimiento que indican el estado físico del usuario 4, tal como la transferencia STS mencionada (Buatois et al., J. Am. Geriatr. Soc. 56 (2008) 1575-1577), la prueba de levantarse y andar (TUG) cronometrada (Podsiadlo et al, J. Am. Geriatr. Soc. 39 (1991) 142-148), o cualquier otra prueba de riesgo de caída convencional, tal como el tiempo para levantarse de una silla o cama, o una combinación de varias pruebas.
La prueba TUG es un método convencional para determinar si un usuario 4 está en riesgo de caerse midiendo el tiempo que requiere el usuario 4 para levantarse de una silla, andar tres metros, darse la vuelta, caminar de vuelta a la silla y sentarse. Si este ejercicio lleva al usuario 4 más de 30 segundos, por ejemplo, pueden considerarse que tienen un alto riesgo de caída. Si lleva menos de 20 segundos, por ejemplo, puede considerarse que el usuario 4 tiene un bajo riesgo de caída. El intervalo entre 20 y 30 segundos se considera que es una fase de transición. El umbral del periodo de inactividad puede ajustarse basándose en el resultado de la prueba TUG. En el caso de un resultado de TUG de menos de 20 segundos, el umbral puede ajustarse a un valor relativamente bajo, del orden de 5 a 8 segundos, mientras que para un resultado de TUG de más de 30 segundos, el umbral puede ajustarse a un valor relativamente alto, del orden de 15 a 20 segundos. Para resultados de TUG entre 20 y 30 segundos, tanto los valores altos como los bajos pueden usarse para el umbral, pero también es posible que el umbral aumente linealmente desde el valor bajo hasta el valor alto.
Una prueba alternativa es medir el tiempo que lleva al usuario 4 levantarse de una silla, que se denomina la duración de transferencia de sentado a bipedestación (STS). El umbral puede ajustarse a la duración de STS más 3 segundos, por ejemplo. Alternativamente, es posible medir el tiempo que lleva al usuario 4 levantarse tras estar tumbado en una cama. El umbral puede ajustarse al tiempo medido más 1 segundo, por ejemplo. Alternativamente, es posible medir el tiempo que lleva al usuario 4 levantarse tras estar tendido en el suelo. El umbral puede ajustarse al tiempo medido, por ejemplo. Llevando a cabo más de una prueba, el umbral puede determinarse de manera más fiable tomando el máximo de los periodos de tiempo resultantes de cada una de las pruebas, o tomando una media ponderada de los periodos de tiempo.
El umbral determinado puede proporcionarse al procesador 10 del sistema 2 de detección de caídas usando la interfaz 14. Alternativamente, los resultados de las pruebas (ya sean las pruebas individuales o un resultado combinado) pueden proporcionarse al procesador 10, y el procesador 10 puede determinar el umbral a partir de los resultados (tal vez usando una tabla de consulta o similar). En particular, si la interfaz 14 es un puerto de entrada/salida, el umbral o los resultados de las pruebas pueden proporcionarse desde otro dispositivo electrónico, mientras que si la interfaz 14 es un teclado o similar, los resultados de las pruebas pueden introducirse manualmente por el usuario 4 o profesional de la salud.
Como una alternativa al ajuste manual del umbral, una realización preferida prevé que el propio sistema 2 de detección de caídas se use para medir el tiempo que lleva al usuario 4 realizar ciertos movimientos o actividades representativos, tal como una transferencia STS, o levantarse de la cama, durante el uso del sistema 2 de detección de caídas. Por ejemplo, el sistema 2 de detección de caídas puede evaluar las señales del acelerómetro 8 y otros sensores 16 (si están presentes) para detectar cuándo tienen lugar los movimientos o actividades representativos, medir su duración y determinar el umbral.
Estos movimientos se llevan a cabo regularmente durante el transcurso de un día normal y el tiempo que se requiere para realizar estos movimientos puede usarse para estimar el tiempo (y por tanto el umbral del periodo de inactividad) que llevaría al usuario 4 levantarse tras una caída. En particular, el sistema 2 de detección de caídas puede determinar que una caída es grave si el usuario 4 no puede levantarse de nuevo dentro de un múltiplo de este periodo de tiempo. Si el usuario 4 no se ha levantado, la caída puede considerarse grave.
En realizaciones preferidas adicionales, si el usuario 4 sí se levanta tras una caída, la gravedad de la caída puede clasificarse evaluando la relación del tiempo estimado necesario para levantarse de nuevo (es decir el umbral del periodo de inactividad) y el tiempo medido requerido para levantarse.
Esta relación, o el tiempo medido requerido para levantarse, también puede usarse para refinar el umbral del periodo de inactividad, según se describe más abajo.
La figura 4 proporciona un diagrama de flujo que ilustra el funcionamiento del sistema de detección de caídas en la realización preferida de la invención, en la que el umbral, p, se determina a partir de datos recopilados por el detector de caídas durante su funcionamiento normal.
El proceso comienza monitorizando las mediciones, a, del acelerómetro 8, y las mediciones de cualquier otro sensor 16 en el sistema 2 de detección de caídas (etapa 201).
Estas mediciones se analizan para detectar caídas (etapa 203) o para detectar la duración de actividades específicas (etapa 205), tal como una transferencia STS, levantarse de una cama, etc. Cada una de estas actividades tiene un perfil característico específico que puede detectarse del acelerómetro 8 y mediciones de sensor.
Una vez que se ha detectado una actividad, se usa la duración, d, para estimar el tiempo requerido por el usuario 4 para levantarse de una caída (etapa 207). Tal como se describió anteriormente, el tiempo para levantarse de una caída puede determinarse como un múltiplo de la duración d, dependiendo el valor del múltiplo de la actividad específica detectada. Por ejemplo, el tiempo t podría ajustarse a d+3 segundos. Alternativamente, t podría ajustarse a, por ejemplo, 2d-1 segundos. También son posibles dependencias no lineales, en particular dadas por una tabla de consulta o recortando los valores máximos y mínimos.
Una opción alternativa es mantener una lista de las últimas n duraciones de actividad detectadas. Cuando se determina una nueva duración d de actividad, la lista puede actualizarse, y el tiempo puede ajustarse a, por ejemplo, la duración media o máxima de las actividades en la lista más 3 segundos.
Una alternativa adicional es usar la suma de (por ejemplo) dos veces la desviación estándar en el intervalo de duraciones. Esto arrojará una probabilidad de aproximadamente el 2,5% de clasificar erróneamente una caída como grave.
Si hay múltiples tipos de actividad que pueden detectarse, la media o el máximo pueden tomarse para cada actividad por separado, y el tiempo t puede ajustarse basándose en los resultados para cada tipo de actividad. Por ejemplo, supóngase que hay dos actividades cada una con duraciones respectivas d1 y d2. El tiempo t puede ajustarse entonces a, por ejemplo, el máximo de d1+3 y d2+1. La duración medida de cada actividad se ajusta a escala (normaliza) hasta la duración para levantarse del nivel del suelo.
Una vez que se determina el tiempo t, se determina el umbral, p, (etapa 209) que indica cuánto tiempo el usuario 4 tiene que estar tendido tras una caída, antes de que la caída se clasifique como grave. Es posible ajustar p igual a t, pero es preferible proporcionar al usuario 4 un tiempo adicional para levantarse (puesto que se acaba de caer), de modo que p puede ajustarse igual a, por ejemplo, t+2 segundos.
Para asegurar que el sistema 2 de detección de caídas puede dar una clasificación de gravedad a partir de la primera activación (es decir antes de que el usuario 4 haya realizado una de las actividades monitorizadas), p puede tener un valor por defecto, determinado posiblemente a partir de una de las pruebas de realización manual descritas anteriormente, tal como una prueba TUG, que se usa hasta que las actividades se han detectado (etapa 211).
El umbral p se usa mediante un bloque 213 para evaluar si el usuario 4 se levanta dentro del periodo p tras una caída (como se detecta en la etapa 203). Las mediciones del acelerómetro 8 y otros sensores 16 (si hay) se proporcionan al bloque 213 para determinar cuándo se levanta el usuario 4 (esto puede indicarse mediante una aceleración ascendente (compensada por la gravedad), un cambio de orientación, un desplazamiento descendente, etc.). Por tanto, se monitorizan las mediciones para determinar el periodo de tiempo que el usuario 4 permanece en el suelo tras la caída.
Si el usuario 4 se levanta antes del tiempo transcurrido debido a que la caída alcanza el umbral p, se determina el tiempo tlevantarse que llevó al usuario 4 levantarse (etapa 215) y se usa para valorar la gravedad s (etapa 217). En algunas realizaciones, la gravedad s se clasifica simplemente como no grave, ya que el usuario se ha levantado dentro del tiempo permitido por el umbral.
En realizaciones alternativas, la gravedad s puede clasificarse desde no grave cuando el usuario 4 se pone de pie de manera relativamente rápida, hasta, por ejemplo, moderadamente grave cuando el usuario 4 se pone de pie de manera relativamente lenta (es decir el usuario 4 ha usado la mayor parte del tiempo permitido por el umbral para levantarse). La clasificación puede determinarse evaluando la relación tlevantarse/p o la relación tlevantarse/t. Por ejemplo, si la relación se encuentra entre 0,5 y 1, la gravedad se fija en media, y si la relación se encuentra entre 0 y 0,5, la gravedad se fija en baja.
Por supuesto, se apreciará que en lugar de determinar una relación, es posible ajustar uno o más umbrales adicionales entre 0 y p que definen cuándo la caída es menos grave, moderadamente grave, etc.
Si el usuario 4 no se levanta dentro del tiempo permitido por el umbral p tras la caída, la gravedad de la caída s se fija en alta (etapa 219).
Basándose en la gravedad s de la caída determinada, pueden iniciarse diferentes servicios. Por ejemplo, para una caída de gravedad alta, se emite una alarma en un centro de llamadas o servicios y posiblemente puede pedirse ayuda a los servicios de emergencia. Para una caída de gravedad más baja, la información de caída puede grabarse y/o enviarse a miembros de la familia para su información o puede usarse por los médicos para comprender mejor el historial de caídas del usuario 4 y posiblemente mejorar el tratamiento médico. Por supuesto, estas etapas también pueden utilizarse para una caída de gravedad alta. Una reaparición frecuente de caídas de gravedad baja puede ser otro activador para alertar a un profesional de la salud de que el usuario 4 puede necesitar asistencia.
En algunas realizaciones, el tiempo tlevantarse determinado en la etapa 215 puede proporcionarse también a la etapa 207 para refinar y/o actualizar los valores de t y p.
En algunas realizaciones, el tiempo estimado para levantarse de una caída, t, se usa también para determinar la gravedad de la caída (etapa 217).
En realizaciones adicionales de la invención, es posible mejorar la estimación de la gravedad haciendo uso de otros parámetros o características de las señales del acelerómetro 8 y otros sensores 16. Por ejemplo, puede tenerse en cuenta la magnitud del impacto (es decir la magnitud del principal pico de aceleración, o la suma de los valores absolutos de tres a cinco de los picos más grandes dentro de la duración del impacto). Claramente, un gran impacto indica una caída más grave. Los índices de gravedad, como los derivados de la duración del impacto y la inactividad, pueden combinarse para determinar la gravedad global y la acción de alarma necesaria.
Aunque la invención se describe para su uso en un sistema que se pone un usuario 4, se apreciará que la invención puede implementarse en forma de un sistema de vigilancia operado por un profesional de la salud, tal como en residencias de cuidado de ancianos y de personas mayores, o en instalaciones de vida independiente.
Se proporciona por tanto un sistema de detección de caídas y un método de funcionamiento de un sistema de detección de caídas que permite determinar la gravedad de una caída.
Aunque la invención se ha ilustrado y descrito en detalle en los dibujos y en la descripción anterior, tal ilustración y tal descripción deben considerarse ilustrativas o ejemplares y no restrictivas; la invención no se limita a las realizaciones descritas.
Los expertos en la técnica pueden entender y efectuar variaciones de las realizaciones dadas a conocer al poner en práctica la invención reivindicada, a partir de un estudio de los dibujos, la descripción, y las reivindicaciones adjuntas. En las reivindicaciones, la palabra “comprender” no excluye otros elementos o etapas, y el artículo indefinido “un/una” no excluye a una pluralidad. Un único procesador u otra unidad puede llevar a cabo las funciones de varios elementos mencionados en las reivindicaciones. El mero hecho de que ciertas medidas se mencionen en reivindicaciones dependientes mutuamente diferentes no indica que no pueda usarse una combinación de estas medidas de manera ventajosa. Un programa informático puede almacenarse/distribuirse en un medio adecuado, tal como un medio de almacenamiento óptico o medio en estado sólido suministrado junto con o como parte de otro hardware, pero puede distribuirse también de otras formas, tal como a través de Internet u otros sistemas de telecomunicaciones por cable o inalámbricos. Ningún signo de referencia en las reivindicaciones debe interpretarse como limitativo del alcance.

Claims (17)

  1. REIVINDICACIONES
    1. Sistema (2) de detección de caídas, que comprende:
    -
    uno o más sensores (8, 16) para monitorizar el movimiento de un usuario (4) del sistema de detección de caídas y para generar las señales correspondientes;
    -
    medios para determinar un umbral a partir de una o más mediciones del estado físico del usuario (4),
    -
    un procesador (10) adaptado para:
    -
    analizar las señales para identificar una caída del usuario (4),
    -
    analizar las señales para identificar un periodo de inactividad del usuario (4) tras la caída; y
    -
    comparar la duración del periodo de inactividad del usuario con el umbral para determinar la gravedad de la caída.
  2. 2.
    Sistema de detección de caídas según la reivindicación 1, en el que el procesador (10) está adaptado para determinar que la caída es grave en caso de que la duración del periodo de inactividad del usuario (4) supere el umbral.
  3. 3.
    Sistema de detección de caídas según la reivindicación 2, en el que el procesador (10) está adaptado para activar una alarma y/o pedir ayuda para el usuario (4) si la caída es grave.
  4. 4.
    Sistema de detección de caídas según la reivindicación 1, 2 ó 3, en el que el procesador (10) está adaptado para analizar las señales para identificar el final del periodo de inactividad cuando el usuario (4) se pone de pie.
  5. 5.
    Sistema de detección de caídas según la reivindicación 4, en el que el procesador (10) está adaptado para determinar que la caída no es grave en caso de que la duración del periodo de inactividad del usuario (4) sea inferior al umbral.
  6. 6.
    Sistema de detección de caídas según la reivindicación 4, en el que el procesador (10) está adaptado para clasificar la gravedad de la caída en caso de que la duración del periodo de inactividad del usuario (4) sea inferior al umbral usando una relación de la duración del periodo de inactividad con respecto al umbral.
  7. 7.
    Sistema de detección de caídas según la reivindicación 6, en el que el procesador (10) está adaptado para activar una alarma y/o pedir ayuda para el usuario (4) en respuesta al grado de gravedad determinado.
  8. 8.
    Sistema de detección de caídas según cualquier reivindicación anterior, en el que el uno o más sensores (8, 16) comprende un acelerómetro (8) para medir la aceleración del sistema de detección de caídas.
  9. 9.
    Sistema de detección de caídas según la reivindicación 8, en el que el procesador (10) está adaptado para identificar una caída identificando un impacto que es característico de una caída.
  10. 10.
    Sistema de detección de caídas según la reivindicación 9, en el que el procesador (10) está adaptado para identificar un impacto identificando uno o más picos en las mediciones de la aceleración.
  11. 11.
    Sistema de detección de caídas según la reivindicación 10, en el que el procesador (10) está adaptado adicionalmente para determinar la gravedad de la caída determinando la magnitud de la aceleración en el impacto.
  12. 12.
    Sistema de detección de caídas según cualquier reivindicación anterior, en el que la una o más mediciones del estado físico del usuario (4) comprende mediciones de un movimiento o serie de movimientos predeterminados por el usuario (4).
  13. 13.
    Sistema de detección de caídas según la reivindicación 12, en el que el movimiento o serie de movimientos predeterminados comprende uno o más de una transferencia de sentado a bipedestación, movimiento de levantarse y andar cronometrado, levantarse de una cama y levantarse del suelo.
  14. 14.
    Sistema de detección de caídas según la reivindicación 12 ó 13, en el que la una o más mediciones comprenden mediciones del tiempo que requiere el usuario (4) para completar el movimiento o serie de movimientos predeterminados.
  15. 15.
    Sistema de detección de caídas según la reivindicación 12, 13 ó 14, en el que el procesador (10) comprende los medios para determinar el umbral y el procesador (10) está adaptado para determinar la una o más mediciones del estado físico del usuario (4) mientras que el sistema de detección de caídas está en uso por el usuario.
  16. 16.
    Método de funcionamiento de un sistema de detección de caídas, comprendiendo el método:
    -
    determinar (10) un umbral a partir de una o más mediciones del estado físico de un usuario (4) del sistema de 5 detección de caídas;
    - detectar (103) una caída del usuario; y
    -
    monitorizar (105) la duración de un periodo de inactividad del usuario tras la caída con respecto al umbral para 10 determinar la gravedad de la caída.
  17. 17. Producto de programa informático para su uso en un sistema de detección de caídas, comprendiendo el producto de programa informático un código de programa informático que, cuando se ejecuta en un procesador (10) u ordenador, está adaptado para:
    -
    determinar (101) un umbral a partir de una o más mediciones del estado físico de un usuario del sistema de detección de caídas;
    -
    detectar (103) una caída del usuario; y monitorizar (105) la duración de un periodo de inactividad del usuario 20 tras la caída con respecto al primer umbral para determinar la gravedad de la caída.
ES09787373T 2008-10-16 2009-10-07 Sistema de detección de caídas Active ES2381712T3 (es)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP08166745 2008-10-16
EP08166745 2008-10-16
PCT/IB2009/054391 WO2010044013A1 (en) 2008-10-16 2009-10-07 Fall detection system

Publications (1)

Publication Number Publication Date
ES2381712T3 true ES2381712T3 (es) 2012-05-30

Family

ID=41287958

Family Applications (1)

Application Number Title Priority Date Filing Date
ES09787373T Active ES2381712T3 (es) 2008-10-16 2009-10-07 Sistema de detección de caídas

Country Status (9)

Country Link
US (1) US8749391B2 (es)
EP (1) EP2348997B1 (es)
JP (1) JP5587328B2 (es)
CN (1) CN102186420B (es)
AT (1) ATE543435T1 (es)
AU (1) AU2009305056B2 (es)
BR (1) BRPI0914089A2 (es)
ES (1) ES2381712T3 (es)
WO (1) WO2010044013A1 (es)

Families Citing this family (63)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8843101B2 (en) 2010-10-04 2014-09-23 Numera, Inc. Fall detection system using a combination of accelerometer, audio input and magnetometer
US10292445B2 (en) 2011-02-24 2019-05-21 Rochester Institute Of Technology Event monitoring dosimetry apparatuses and methods thereof
US9339224B2 (en) 2011-02-24 2016-05-17 Rochester Institute Of Technology Event dosimeter devices and methods thereof
US9138172B2 (en) 2011-02-24 2015-09-22 Rochester Institute Of Technology Method for monitoring exposure to an event and device thereof
CA3177719A1 (en) * 2011-04-04 2012-10-04 Alarm.Com Incorporated Fall detection and reporting technology
US9128521B2 (en) 2011-07-13 2015-09-08 Lumo Bodytech, Inc. System and method of biomechanical posture detection and feedback including sensor normalization
US8928484B2 (en) 2011-07-13 2015-01-06 Lumo Bodytech, Inc. System and method of biomechanical posture detection and feedback
CN104244821B (zh) * 2011-09-02 2016-10-26 皇家飞利浦有限公司 离床监测装置
US9588135B1 (en) 2011-11-14 2017-03-07 Vital Connect, Inc. Method and system for fall detection of a user
US9818281B2 (en) 2011-11-14 2017-11-14 Vital Connect, Inc. Method and system for fall detection of a user
US8614630B2 (en) 2011-11-14 2013-12-24 Vital Connect, Inc. Fall detection using sensor fusion
TWI507067B (zh) 2012-04-23 2015-11-01 Accton Technology Corp 可攜式電子裝置及其所處狀態之偵測方法
WO2014011106A2 (en) * 2012-07-13 2014-01-16 Qure Ab Emergency notification within an alarm community
CN103593944B (zh) * 2012-08-16 2016-01-27 天行动力科技有限公司 意外监测及报警系统
US8929853B2 (en) * 2012-09-05 2015-01-06 Apple Inc. Mobile emergency attack and failsafe detection
EP2909765A2 (en) * 2012-10-22 2015-08-26 Koninklijke Philips N.V. Healthcare system and method
CN102982653B (zh) * 2012-11-07 2014-10-15 中南大学 基于加速度和高度信息的人体跌倒监测方法及装置
US11020023B2 (en) 2012-11-30 2021-06-01 Koninklijke Philips N.V. Method and apparatus for estimating the fall risk of a user
CN103799990A (zh) * 2012-12-25 2014-05-21 常州先进制造技术研究所 科技社区老人健康远程监护系统
US20140276238A1 (en) * 2013-03-15 2014-09-18 Ivan Osorio Method, system and apparatus for fall detection
CN103198615B (zh) * 2013-03-21 2015-05-20 浙江畅志科技有限公司 基于多传感器协同的人体跌倒检测预警装置
TWI540541B (zh) * 2013-05-14 2016-07-01 緯創資通股份有限公司 用於行動裝置之緊急狀況偵測方法
JP6448626B2 (ja) * 2013-06-06 2019-01-09 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 転倒検出システム及び方法
US9591996B2 (en) 2013-06-07 2017-03-14 Lumo BodyTech, Inc System and method for detecting transitions between sitting and standing states
US10422814B2 (en) 2013-07-18 2019-09-24 Vital Connect, Inc. Fall detection using machine learning
ITTV20130130A1 (it) 2013-08-06 2015-02-07 Alpinestars Res Srl Indumento con un dispositivo di emergenza e metodo di emergenza associato
US9380961B2 (en) 2013-08-08 2016-07-05 BlackBox Biometrics, Inc. Devices, systems and methods for detecting and evaluating impact events
EP3084656B1 (en) * 2013-12-20 2021-10-27 Koninklijke Philips N.V. Method for responding to a detected fall and apparatus for implementing the same
USD743822S1 (en) 2013-12-26 2015-11-24 BlackBox Biometrics, Inc. Device for detecting an impact event
US9603527B2 (en) * 2014-07-31 2017-03-28 Chung Hua University Person positioning and health care monitoring system
US9462949B2 (en) * 2014-07-31 2016-10-11 Chung Hua University Method for biomedical system
CN104408877A (zh) * 2014-12-01 2015-03-11 湖北心源科技有限公司 用于检测人体摔倒的报警系统
JP6563220B2 (ja) * 2015-03-19 2019-08-21 セコム株式会社 転倒検知端末およびプログラム
CN105212941B (zh) * 2015-08-25 2017-12-29 武汉理工大学 一种人体活动状态识别方法及系统
US10314520B2 (en) 2015-10-02 2019-06-11 Seismic Holdings, Inc. System and method for characterizing biomechanical activity
CN105869353A (zh) * 2015-12-08 2016-08-17 乐视移动智能信息技术(北京)有限公司 人体跌倒事件的检测方法、装置及移动终端
US10463909B2 (en) 2015-12-27 2019-11-05 Seismic Holdings, Inc. System and method for using performance signatures
US10959647B2 (en) 2015-12-30 2021-03-30 Seismic Holdings, Inc. System and method for sensing and responding to fatigue during a physical activity
CN105534501A (zh) * 2016-01-30 2016-05-04 深圳市易特科信息技术有限公司 基于智能腕表的伤病员救护系统及方法
US20170270462A1 (en) * 2016-03-16 2017-09-21 Triax Technologies, Inc. System and interfaces for managing workplace events
US10769562B2 (en) 2016-03-16 2020-09-08 Triax Technologies, Inc. Sensor based system and method for authorizing operation of worksite equipment using a locally stored access control list
US11170616B2 (en) 2016-03-16 2021-11-09 Triax Technologies, Inc. System and interfaces for managing workplace events
US11810032B2 (en) 2016-03-16 2023-11-07 Triax Technologies, Inc. Systems and methods for low-energy wireless applications using networked wearable sensors
FI126922B (fi) * 2016-03-29 2017-08-15 Maricare Oy Menetelmä ja järjestelmä valvontaan
TWM537280U (zh) * 2016-07-06 2017-02-21 Idesyn Semiconductor Corp 分析跌倒嚴重程度的跌倒偵測系統及其穿戴式裝置
CN106228753A (zh) * 2016-09-30 2016-12-14 福建工程学院 一种意外摔倒监控方法、系统及终端
CN106408873A (zh) * 2016-11-18 2017-02-15 北京小米移动软件有限公司 报警方法及装置
US20180293359A1 (en) 2017-04-10 2018-10-11 International Business Machines Corporation Monitoring an individual's condition based on models generated from e-textile based clothing
US10629048B2 (en) 2017-09-29 2020-04-21 Apple Inc. Detecting falls using a mobile device
US11527140B2 (en) 2017-09-29 2022-12-13 Apple Inc. Detecting falls using a mobile device
CN108021888B (zh) * 2017-12-05 2021-09-24 电子科技大学 一种跌倒检测方法
CN108614989B (zh) * 2017-12-20 2019-11-26 深圳大学 一种基于WiFi的老人智能监护方法、系统及介质
US11445986B2 (en) * 2018-01-30 2022-09-20 Gaia Connect Inc. Health monitor wearable device
CN108446733A (zh) * 2018-03-19 2018-08-24 上海玺翎智能科技有限公司 一种基于多传感器数据的人体行为监测及智能识别方法
EP3545824B1 (en) * 2018-03-26 2022-07-20 Sony Group Corporation Method for supporting a user and user device
US10692346B2 (en) * 2018-10-22 2020-06-23 Tidi Products, Llc Electronic fall monitoring system
US11210922B2 (en) 2018-10-22 2021-12-28 Tidi Products, Llc Electronic fall monitoring system
US11308783B2 (en) * 2019-05-29 2022-04-19 Medtronic, Inc. Medical device for fall detection
CN113936420B (zh) * 2020-07-14 2023-06-16 苹果公司 使用移动设备检测跌倒
CN113450538A (zh) * 2021-06-28 2021-09-28 杭州电子科技大学 基于痛苦表情识别及跌倒行为检测的警示系统
CN114333237A (zh) * 2021-12-28 2022-04-12 昆明学院 跌倒场景识别并主动发出紧急求救的腕部穿戴设备及方法
WO2023224839A1 (en) * 2022-05-16 2023-11-23 One Million Metrics Corp. System and method for evaluating risk for workers
CN115024717B (zh) * 2022-08-09 2022-10-25 广东百年医疗健康科技发展有限公司 一种跌倒检测方法、装置、设备及存储介质

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09305875A (ja) * 1996-05-10 1997-11-28 Omron Corp 転倒検出装置、受信装置およびそれらを用いた通報システム
FR2757981B1 (fr) * 1996-12-31 1999-02-19 Cadet Pierre Henri Systeme de surveillance et d'assistance pour personnes a domicile et dispositif pour la mise en oeuvre de ce systeme
GB2323196B (en) * 1997-03-11 2001-02-14 Keith Henderson Cameron Automatic fall alarm
US6160478A (en) * 1998-10-27 2000-12-12 Sarcos Lc Wireless health monitoring system
JP2002328134A (ja) * 2001-04-27 2002-11-15 Nec Tokin Corp 姿勢状態及び方位の検出装置
JP2002360522A (ja) * 2001-06-13 2002-12-17 Japan Science & Technology Corp 独居老人安全生活支援装置
US20030058111A1 (en) * 2001-09-27 2003-03-27 Koninklijke Philips Electronics N.V. Computer vision based elderly care monitoring system
US7202791B2 (en) * 2001-09-27 2007-04-10 Koninklijke Philips N.V. Method and apparatus for modeling behavior using a probability distrubution function
AU2003904336A0 (en) * 2003-08-15 2003-08-28 Medcare Systems Pty Ltd An automated personal alarm monitor
JP2005237576A (ja) * 2004-02-25 2005-09-08 Kansai Electric Power Co Inc:The 転倒判定装置
JP2006026092A (ja) * 2004-07-15 2006-02-02 Matsushita Electric Ind Co Ltd 加速度情報送信装置、身体運動解析装置および身体運動解析方法
JP4592360B2 (ja) * 2004-09-02 2010-12-01 公立大学法人会津大学 身体状態監視装置
CA2486949A1 (fr) * 2004-12-09 2006-06-09 Christian Cloutier Systeme et methode pour la detection des chutes et du suivi des niveaux d'activite a distance chez des personnes en perte d'autonomie
JP4116004B2 (ja) * 2005-02-15 2008-07-09 関西電力株式会社 転倒判定方法および転倒判定装置
US7248172B2 (en) * 2005-03-22 2007-07-24 Freescale Semiconductor, Inc. System and method for human body fall detection
FR2886532B1 (fr) * 2005-06-07 2008-03-28 Commissariat Energie Atomique Procede et systeme de detection de chute d'une personne
JP4663503B2 (ja) * 2005-12-07 2011-04-06 関西電力株式会社 転倒判定方法及びその装置
CA2604214A1 (en) 2005-12-09 2007-07-19 Valence Broadband, Inc. Methods and systems for monitoring quality and performance at a healthcare facility
ATE447359T1 (de) 2006-06-19 2009-11-15 Univ Bari Vorrichtung und verfahren zur erkennung von stürzen und unbeweglichkeit
US7961109B2 (en) * 2006-12-04 2011-06-14 Electronics And Telecommunications Research Institute Fall detecting apparatus and method, and emergency aid system and method using the same
US8217795B2 (en) * 2006-12-05 2012-07-10 John Carlton-Foss Method and system for fall detection
US8206325B1 (en) * 2007-10-12 2012-06-26 Biosensics, L.L.C. Ambulatory system for measuring and monitoring physical activity and risk of falling and for automatic fall detection

Also Published As

Publication number Publication date
CN102186420A (zh) 2011-09-14
WO2010044013A1 (en) 2010-04-22
EP2348997A1 (en) 2011-08-03
ATE543435T1 (de) 2012-02-15
EP2348997B1 (en) 2012-02-01
JP5587328B2 (ja) 2014-09-10
AU2009305056A1 (en) 2010-04-22
CN102186420B (zh) 2013-07-17
AU2009305056B2 (en) 2015-10-22
US8749391B2 (en) 2014-06-10
JP2012505683A (ja) 2012-03-08
US20110199216A1 (en) 2011-08-18
BRPI0914089A2 (pt) 2015-10-27

Similar Documents

Publication Publication Date Title
ES2381712T3 (es) Sistema de detección de caídas
JP6448626B2 (ja) 転倒検出システム及び方法
US20240382107A1 (en) Method and apparatus for determining a fall risk
Schwenk et al. Wearable sensor-based in-home assessment of gait, balance, and physical activity for discrimination of frailty status: baseline results of the Arizona frailty cohort study
US7612681B2 (en) System and method for predicting fall risk for a resident
Korpan et al. Effect of ActiGraph GT3X+ position and algorithm choice on step count accuracy in older adults
Gietzelt et al. Measurement of Accelerometry-based Gait Parameters in People with and without Dementia in the Field
Marschollek et al. Assessing elderly persons' fall risk using spectral analysis on accelerometric data-a clinical evaluation study
Chen et al. A reliable fall detection system based on wearable sensor and signal magnitude area for elderly residents
Haescher et al. Mobile assisted living: Smartwatch-based fall risk assessment for elderly people
Jämsä et al. Fall detection in the older people: From laboratory to real-life
Rahme et al. Evaluating the accuracy of step tracking and fall detection in the Starkey Livio artificial intelligence hearing aids: a pilot study
Dumitrache et al. Fall detection algorithm based on triaxial accelerometer data
Ferrari et al. A pilot study testing a fall prevention intervention for older adults: determining the feasibility of a five-sensor motion detection system
WO2023283834A1 (zh) 室内对象的信息检测方法及装置、存储介质和处理器
Chen et al. Fall detection and risk of falling assessment with wearable sensors
Teixeira et al. Mover–activity monitor and fall detector for android
Kadeeja et al. IoT-Based Fall Detection and Airbag Deployment System for Enhanced Elderly Care Using NodeMCU ESP8266 and MPU6050 Sensor
Keeffe Wrist-based device accelerometer analysis for establishing thresholds of various violent attacks
CA3165305A1 (en) System and method for automated ambient mobility testing
BE et al. Smart Carpet
Rahme et al. Evaluating the Accuracy of Step Tracking and Fall Detection in the Starkey Livio AI Hearing 2 Aids: A Pilot Study. 3