JP2015530890A - 動きを決定するためのシステム、方法、ソフトウエアアプリケーションおよびデータ信号 - Google Patents

Abstract

ひとつの態様において、本願発明は、動きを決定するためのシステムを与える。当該システムは、動きを示す動きデータを遠隔デバイスから受信するように構成された、少なくともひとつの受信モジュールと、動きのタイプを決定するために、動きデータを処理するように構成された処理モジュールと、動きのタイプが、動きの所定のタイプの少なくともひとつに該当する場合に、警告を与えるように構成された警告モジュールとを有する。

Description

本願発明は、動きを決定するためのシステム、方法、ソフトウエアアプリケーションおよびデータ信号に関する。装置、システム、方法、ソフトウエアアプリケーションおよびデータ信号は、特に、病院での患者および対象物のモニタリング、高齢者ケア、または他の管理者環境において使用される。それは、位置を追跡するだけではなく、患者または対象物の動きおよび位置の変化を追跡するのに重要である。

怪我をし、弱った人（発作などの病気で）または高齢者は、アクシデントまたは転倒しやすい傾向がある。このアクシデントまたは転倒は怪我を生じさせ、入院または継続的なモニタリングおよび治療が必要となる。より重要なのは、アクシデントまたは転倒は、自立性の喪失、健康状態の損失および心配、うつ状態、および自信喪失などの心理的結果をもたらすことである。

また、転倒により影響を受けるのは、転倒した本人のみではない。病院内の患者または高齢者施設内の人が怪我をすると、スタッフおよび家族が、恐怖、罪悪感および心配を感じる。これらの感情はスタッフまたは家族に対して防御的アクションを取らせる。それによりケアが低質となるか、争いおよび不満が生じ、紛争および訴訟の原因となる。

オーストラリア国内の病院だけで転倒事故は、総病床数に対して、毎年８８６，０００件だけ増加傾向にある。

第１の態様において、本願発明は、動きを示す動きデータを遠隔デバイスから受信するように構成された、少なくともひとつの受信モジュールと、動きのタイプを決定するために、動きデータを処理するように構成された処理モジュールと、動きのタイプが、動きの所定のタイプの少なくともひとつに該当する場合に、警告を与えるように構成された警告モジュールとを備えた動きを決定するためのシステムを提供する。

動きデータは、加速度データを有し、それは、動きデバイスの動きを示す動きベクトルを計算するために使用される。

ひとつの実施形態において、動きのタイプは、ある時間間隔にわたって、動きベクトルの変化を解析することによって決定される。

ひとつの実施形態において、受信モジュールは、複数の遠隔デバイスから動きデータを受信するように構成され、高周波信号として動きデータを受信する。

ひとつの実施形態において、受信モジュールは活性化信号を、遠隔デバイスに送信するように構成された高周波信号エミッタを有する。ここで、遠隔デバイスは受動高周波デバイスであり、遠隔デバイスは、活性化信号に曝させたときに動きデータを符号化する高周波信号を放出する。

動きのタイプは人または物体の動きを含む。所定のタイプの動きが人による動きである場合、それらは、怪我を生じさせやすい動き、および、実行されると怪我の恐れが大きい動きを含む。

ひとつの実施形態において、少なくともひとつの遠隔デバイスが人に着用可能なように構成される。遠隔デバイスは、接着され、取付けられ、または、衣服などの着用可能アイテムに一体化されてよい。

ひとつの実施形態において、処理モジュールは、ドアを通過して歩くこと、座ること、立つこと、寝そべること、寝た状態から立つこと、および歩行補助器無しで歩くことを含む集合から動きのタイプを選択する。しかし、処理モジュールは他のタイプの動きを識別するようにプログラム可能であることが理解されよう。

ひとつの実施形態において、処理モジュールは、所定の時間間隔にわたって、少なくともひとつの遠隔デバイスの径方向速度を計算するように構成され、かつ、所定の時間間隔にわたって径方向速度の方向が変化したか否かを決定するように構成される。

ひとつの実施形態において、処理モジュールは、径方向速度が所定の時間間隔にわたって変化したときに、ドアを通じて歩いているとして、動きのタイプを分類するように構成される。

ひとつの実施形態において、処理モジュールは、所定の時間間隔にわたって、ひとつの所定の軸線の方向の加速度成分を計算するように構成される。所定の軸線方向は、地面に対して実質的に垂直な軸線方向であってよい。

処理モジュールは、さらに、パターンが存在するか否かを決定するよう、所定の時間間隔にわたって加速度成分を解析するように構成される。

処理モジュールは、第１デバイスのパターンが第２デバイスのパターンと対応しない場合、歩行補助器無しで歩いているとして、動きのタイプを分類するように構成される。

処理モジュールは、加速度成分がほぼゼロであるときに寝そべっているとして動きのタイプを分類するように構成される。付加的に処理モジュールは、所定の時間間隔にわたって、所定の軸線方向に対して少なくともひとつの遠隔デバイスの角度変位を計算するように構成される。

処理モジュールはまた、少なくともひとつの遠隔デバイスの角度変位がベースレベルから最大値に増加し、続いてベースレベルまで戻るか否かを決定するように構成されてもよい。

処理モジュールは、所定の時間間隔にわたって角度変位が最大状態まで増加し、続いてベースレベルに戻るように変化したときに、座っているとして動きのタイプを分類するように構成されてよい。

警告モジュールは、人に対して警告を送るように構成されてよい。警告は人が基準を満足するような時間まで人に所定のインターバルで送られる。システムは、人に対して警告を送った時刻と、人が基準を満足した時刻との間で経過した時間の記録を保持する。

ひとつの実施形態において、受信モジュールは遠隔デバイスから識別データを受信する。また付加的に、警告モジュールは、部分的に、警告状態を決定するために識別データを使用する。

第２の態様において、本願発明は、動きを示す動きデータを、少なくともひとつの遠隔デバイスから受信する段階と、動きのタイプを決定するために動きデータを処理する段階と、動きのタイプが少なくともひとつの所定の動きのタイプに対応する場合に、警告を与える段階とを備える動きを決定するための方法を提供する。

第３の態様において、本願発明は、コンピュータシステム上で実行されたとき、コンピュータシステムに、本願発明の第３の態様に従う方法ステップを実行させる少なくともひとつの命令を含むコンピュータプログラムを提供する。

第４の態様において、本願発明は、本願発明の第３の態様に従うコンピュータプログラムを組み込むコンピュータ読み取り可能媒体を提供する。

第５の態様において、本願発明は、本願発明の第２の態様に従う方法のステップを実行するべく、コンピュータシステムによって受信可能でかつ翻訳可能な、少なくともひとつの命令を含むデータ信号を提供する。

他の形態が本願発明の態様内に含まれるが、図面を参照して好適実施形態が以下で説明される。それは、例示にすぎない。

図１は、本願発明の実施形態に従うシステムの概略図である。 図２は、本願発明の実施形態に従う速度ベクトルの計算の略示図である。 図３Ａは、本願発明の実施形態に従う移動（ドアの通過）を計算するのに利用されるＲＦＩＤリーダの相対的ポジショニングを示す図である。 図３Ｂは、本願発明の実施形態に従う、ドアを通じて歩く人を示すパターンを表す収集および処理データのグラフである。 図４は、本願発明の実施形態に従う、着席／起立動作を通じて移動する人を示すパターンを表す収集および処理データのグラフである。 図５は、本願発明の実施形態に従う、歩行補助器なしで歩く人を示す収集および処理データのグラフである。 図６は、本願発明の実施形態に従う、コンピュータシステムの概略図である。 図７は、本願発明の実施形態に従う、システムの概略図である。 図８は、本願発明の実施形態に従い開発されたアルゴリズムを示す図である。 図９は、本願発明の実施形態の効果を示すべく収集された監視結果の略示図である。 図１０は、本願発明の実施形態の効果を示すべく収集された監視結果の略示図である。 図１１は、本願発明の実施形態に従う部屋内でのアンテナの試験レイアウトを示す図である。 図１２は、本願発明の実施形態に従うＨＩＴツールを使用して自動的に生成された視覚的合図（ベッドサイドのポスター）である。 図１３は、本願発明の実施形態に従うシステムを示す図である。 図１４は、本願発明の実施形態に従う処理フローを示すフローチャートである。 図１５Ａは、本願発明の実施形態に従うユーザインターフェースを示すスクリーンショットである。 図１５Ｂは、本願発明の実施形態に従うユーザインターフェースを示すスクリーンショットである。

実施形態の概要
以下の説明において、図に示される同一（同等）の機能および／または構造のコンポーネントまたは特徴は同じ符号で示す。

広く、ここで説明する実施形態は、動作を決定するためのシステム、方法およびソフトウエアアプリケーションである。システムは、遠隔デバイスから動きを示す動きデータを受信するように構成された少なくともひとつの受信機モジュールと、動きのタイプを決定するために動きデータを処理するように構成された処理モジュールと、動きのタイプが所定のタイプの少なくともひとつである場合に、警告を与えるように構成された警告モジュールとを有する。

図１は、本願発明の実施形態に従う、動きを決定するためのシステム１００（すなわち、患者の動きのリアルタイムモニタリング）を形成するコンポーネントの概略図である。ここで説明するシステムは、病院または高齢者ケア施設を例にとって説明される。それはＡｍｂｉＧＥＭ（商標）システムと呼ばれる。

当該システムは危険性の高い動作をモニターすることが所望される任意の適当な環境内で使用可能であることが理解されよう。本例では病院または高齢者ケア施設について言及するが、当該システムは、独居の認知症患者に対して個人宅で使用することも可能である。

また、当該システムは、労働衛生および安全上の法律および規則を遵守することが要求される危険性が高い動作に従事している労働者をモニターすることで、産業または商業的アプリケーションとして使用することも可能である。さらに他の例では、当該システムは、スポーツアクティビティの参加者が、怪我の危険がある動作またはアクションに従事する場合に、危険性が高いリクレーションアクティビティで使用することも可能である。

本実施形態において当該システムは、複数の高周波識別（ＲＦＩＤ）リーダ１０２および、ワイヤレスローカルエリアネットワーク（ＷＬＡＮ）１０６を介して接続された付属アンテナ１０４を有する受信モジュールを含む。ＲＦＩＤリーダ１０２はデータベース１１０を含むコンピュータシステム１０８と通信する。コンピュータシステム１０８は、ワイヤレスローカルエリア（ＷＬＡＮ）インターフェース１０６を介してデータ（情報）を受信するモニタリングソフトウエアを実行するように構成された処理モジュールを含む。コンピュータシステムは、モニタリングソフトウエアと直接的に相互接続することができる（図示しない）適当なインターフェースを有する。モニタリングソフトウエアは以下で詳細に説明する。

施設（例えば、高齢者ケア施設または病院）のケアを受けている患者（すなわち、人）１１２および施設の領域内に物理的に位置する人（すなわち、施設の環境内にいる人）には、着用可能ワイヤレス検出および識別（ＷＩＳＰ）デバイス１１４の形式で遠隔デバイスが取り付けられている。

介護人１１６はページャ１１８または他のモバイルデバイス（携帯電話など）を保持している。それは、コンピュータシステムと関連づけられるか、その内部に組み込まれる警告モジュールによって生成される警告を受信するように構成されている。

処理モジュールはモニタリングソフトウエア（インターフェースエンジンを含む）を実行して、危険性が高い動作または転倒のような所定のタイプの動きの発生を検出すると、警告が生成される。すなわち、モニタリングソフトウエアはインターフェースエンジンを使用し、それは、多くのタイプのうちのひとつに動作を分類するような一連のアルゴリズムを有する。検出したタイプが所定の数の高リスク動作（以下で詳述する）のひとつに分類されると、警告モジュールが一人以上の介護人１１６に警告を発するように構成されている。

また、ひとつの実施形態において、介護人はＲＦＩＤ名のバッジを付けており、介入が管理されていることをモニターするべく、介護人の自動識別および位置決めが容易になる。または、介護人の監督者がすでにその場所にいる際に警告のアクティブ化を防止する。

ＷＩＳＰデバイス
より詳細には、遠隔（ＷＩＳＰ）デバイス１４はワイヤレス識別および検出デバイスであり、それは受動（すなわち、バッテリー無し）高周波識別（ＲＦＩＤ）技術および３軸加速度メータのようなモーションセンサを有する。ＷＩＳＰデバイスは、口語的にタグと呼ばれる。

周知のＷＩＳＰデバイスは、約２０ｍｍ×２０ｍｍのサイズで、約２ｍｍの厚さを有する。高周波信号を送受信するためのアンテナを有する。ＷＩＳＰデバイスの重さは約２グラムである。

ＷＩＳＰデバイスは軽量かつ小さいので、バッジ、ステッカー、衣服、および／または靴またはベルトなどの異なる多くのアイテム内に容易にわからないように組み込むことができる。また、歩行補助器、車いす等を含む任意のタイプの対象物に取付けまたは組み込むことも可能である。

ＷＩＳＰはＲＦＩＤリーダから送信される高周波から採取したエネルギーによって付勢される。採取したエネルギーは１６ビットのマイクロコントローラ（ＭＳＰ４３０Ｆ２１３２）および３軸加速器メータ（ＡＤＸＬ３３０）を動作させる。マイクロコントローラは、検出データを収集（サンプリング）し、センサデータを遠隔配置された、ＲＦＩＤリーダのような受信モジュールに報告するようなさまざまなコンピュータタスクを実行する。

ＲＦＩＤリーダからＷＩＳＰデバイスへ電力を転送するための２つの異なる方法、すなわち、ＲＦＩＤリーダによって送信された電磁波とのカップリングおよび磁気誘導が存在する。付勢方法は、ＷＩＳＰデバイスからＲＦＩＤリーダアンテナまでの距離に依存する。近い場所（エネルギー格納場）と遠い場所（電磁波伝搬が支配的）との間に区別がなされる。さまざまな修正技術を通じて、データはリーダからＷＩＳＰデバイスへの同じ送信信号上およびＷＩＳＰデバイスからＲＦＩＤリーダへの受信信号上で符号化される。ここに説明する実施形態およびより広い発明のコンセプトは、両方の方法で同様に実行することが可能である。

患者の胸骨に取り付けたＷＩＳＰ
本願発明のひとつの実施形態において、ＷＩＳＰタグは衣服の上の位置で患者の胸骨の上に配置される。ＷＩＳＰタグは衣服に組み込まれてもよく、ユーザに安全に他の方法で取り付けられてもよい。

マットレスが取り付けられたＷＩＳＰ方法
他の実施形態において、ＷＩＳＰは、ベッドに上がり降りする患者によって頻繁に使用されるベッドサイドと反対側のベッドサイドに取り付けられる。これは、デバイスへのダメージまたは患者の体の閉塞を防止するために為される。興味の対象は、Ｚ軸方向（Ｚｐ）の加速度読み取りに対応し、重力およびマットレスの側面の両方に対して垂直であり、パーセント値（５０％が０ｇと等価である）およびその微分値Ｚ’ｐである。患者がマットレスに寝そべるか座っている場合、動作中のマットレスの変形の結果としてセンサのアライメントの変化がＺｐに変化を生じさせる。患者がベッドで静的姿勢を保っていれば、または、マットレスが空いていれば、Ｚｐの微分（Ｚ’ｐ）は定義された範囲の値のままである。アルゴリズムは、静的状態から脱したＰＴまたは静的状態のままである患者によって為される大きな動きとして、ＺｐとＺ’ｐとの変化を考慮して、ベッドでの大きな動きを識別するために開発された。

受信モジュール（ＲＦＩＤリーダ）
より詳細には、受信モジュール（ＲＦＩＤリーダ形式）は、ＷＩＳＰデバイスを組み込む対象物を検出するように配置されたそのアンテナとともに固定位置に配置されている。受信モジュールはさらに電磁場を放出するように構成されたモジュールを組み込み、その結果、ＲＦＩＤリーダの周囲の特定領域内で電力がＷＩＳＰデバイスに転送される。ＲＦＩＤリーダは複数の一緒に配置されたＷＩＳＰデバイスを同時に読み取ることができる（毎秒数百個のＷＩＳＰデバイスが多くの周知のＲＦＩＤシステムによって読み取り可能である）。読み取り距離の範囲は、ＷＩＳＰデバイスのタイプ、ＲＦＩＤリーダの転送パワー、アンテナ利得、および、他の高周波電波からの干渉に応じて、数センチから１０メートル以上である。

極超短波（ＵＨＦ）ＲＦＩＤリーダは、オーストラリアでは、９２０ＭＨｚと９２６ＭＨｚとの間で動作する。現在使用可能な研究に基づいて、ペースメーカー、または、インプラント可能な心臓除細動器、医学的モニター（心電図モニターなど）および、静脈ポンプに対して、ＵＨＦ領域において動作するＲＦＩＤリーダからの逆効果は知られていない。したがって、このＲＦＩＤリーダは高齢者ケアまたは病院環境での使用に適している。

上述した実施形態において、使用されるリーダアンテナの構成は従来のＲＦＩＤタグ（１０メートルまでの範囲）およびＷＩＳＰデバイス（３メートルまでの範囲）と通信することができる。しかし、より長い距離で動作するように構成された異なる装置が当業者には理解されよう。ここで説明した例は、発明のコンセプトを限定するものではない。

プロセスモジュールによる高リスク動作の解析および識別
転倒は、患者または住人のベッドの周囲、バスルームおよび／またはトイレで通常は発生する。結果的に、転倒につながる高齢者ケア施設または病院のような環境内での高リスク動作は、これに限定しないが、以下を含む。
１ ドアを通過して部屋またはバスルームまたはトイレに入ること、
２ 椅子から立ち上がるまたは椅子へ座ること、
３ ベッドから起き上がること、または、ベッドに入ること、
４ 必要な補助器具なしで歩くこと

受信モジュール（ＷＩＳＰデバイスからデータを受信した）からコンピュータシステムによって受信された加速度データおよび／または速度ベクトルは、患者によって実行される動きのタイプを決定するのに使用される。

特に、動きデータは定義された時間間隔にわたって収集され、かつ、多くの技術および／またはアルゴリズムを使って解析される。各動きのタイプは定義された時間間隔にわたって動きデータ中のあるパターンの存在（または不存在）を決定することにより検出される。ここで説明する実施形態において、上述した４つの特定の動きのタイプを決定するのに使用されるアルゴリズムは以下で説明される。しかし、他の関連した動きのタイプがコンピュータシステムによって検出されるか、検出可能であることは、理解されよう。

動きタイプを検出するためのアルゴリズム
ドアを通過して部屋に入ること
ひとつの領域から他の領域への動き（ドアを通過して）を検出するために、ＷＩＳＰによって与えられる加速度データから速度ベクトルを抽出することが必要である、ＷＩＳＰとリーダとの間の見通し線上へのＷＩＳＰ速度ベクトルの射影を推定する。

図２に示すように、ＷＩＳＰおよびＲＦＩＤリーダとの間の見通し線上へのＷＩＳＰ速度の射影は、同じ周波数において異なる時刻の位相を測定しながら時間ドメイン信号到達位相差（ＴＤ−ＰＤＯＡ）によって推定することができる。異なる時刻における位相差（φ２−φ１）が測定され、経路差（ｄ２−ｄ１）の要因となる。ＲＦＩＤタグの半径方向の速度は以下の方程式（数１）により与えられる。

ここで、λ＝ｃ／ｆ（ｃは光速であり、ｆはリーダから送信された波の周波数）である。負の記号は、時刻ｔ１およびｔ２においてタグの距離の変化に対向するとして、半径方向速度の偏向の方向を定義する。

２つのオーバーヘッドアンテナでの時刻にわたって、半径方向速度を解析し、かつ、負から正へ半径方向の速度の方向が変わるポイントを決定することにより、第１と第２アンテナとの間の仮想中心線を人が横切るときを決定することができる。これは、図３Ａに示されている。したがって、ドアの入口または他の移動ポイントのいずれかに配置された２つのオーバーヘッドアンテナを使用することによって（図３Ａに示すように）、人の横切る方向は、両方のアンテナによって評価される中心線交差を解析しかつ比較することにより、図３Ｂに示すように識別可能である。

実際に、正確かつ予測可能な結果を得るために、２つのＲＦＩＤリーダのアンテナは、概して天井（または、頭上の高さの面）から吊り下げられており、各ＲＦＩＤリーダのアンテナは、垂直から約５０°の角度まで傾いている。

椅子から立ち上がるかまたは椅子へ座ること
座るかまたは立つ（座った位置から）動きを識別するために、自然に座る／立つ動作において、立っている状態から座る状態へ遷移（ＳｔＳｉ）と、座っている状態から立つ状態への遷移（ＳｉＳｔ）の２つの相が存在することを認識すべきである。
（ｉ）最初に前方に傾き、
（ｉｉ）続いて後方に傾く（ＳｉＳｔの場合はこの逆）

ＳｔＳｉ遷移およびＳｉＳｔ遷移の両方において、θの変位（胴体と垂直軸線との間の傾斜角度）は最大値に近づき、その後回復する。同様の傾向は、図３に示すように、ｓｉｎθの変化でも生じる。ｓｉｎθを使用することにより、非線形スケールでの結果感度増加をもたらす。

すなわち、ＳｔＳｉおよびＳｉＳｔの姿勢遷移（ＰＴ）はｓｉｎθのパターンを分析することにより検出される。図３は、ＳｔＳｉまたはＳｉＳｔが生じる推定時刻（すなわち、ｓｉｎθの最大値に対応する時刻）をプロットしたグラフである。遷移間隔（ＴＤ）は前方に傾く相（Ｐ１）の開始から後方へ傾く相（Ｐ２）の終わりまでの推定時間間隔である。したがって、ＴＤ＝ｔｐ１−ｔｐ２、ここで、ｔｐ１およびｔｐ２はＰ１およびＰ２に関連した時間であり、それらは、２つの最小値に対応する時間としてそれぞれ推定される。角度θを正確に決定する必要はなく、遷移を識別するのに十分な推定値でよい。姿勢の遷移から加速度成分の寄与が重力の場合に比べて無視できると仮定できるため、θの値は推定可能である。

したがって、角度θは（数２）に示すようになる。

遷移が、座った状態から立つ遷移であるか、立った状態から座る遷移であるかを決定するために、受信信号強度インジケータ（ＲＳＳＩ）が使用される。それは、ＷＩＳＰから反射された信号の強度であり、アンテナで検出される。人からアンテナまでの距離を推定する方法として、つまり、人がＰＴの端部で立っているか座っているかを推定する方法として使用される。ＲＳＳＩはＷＩＳＰからの各受信信号に対して０．５ｄＢｍのステップでリーダにより報告される。所定の時刻でのＷＩＳＰは異なるアンテナによって報告された異なるＲＳＳＩ読み取り値を有する。したがって、各アンテナはＷＩＳＰの位置および変位に対する基準ポイントである。

より詳細には、０．０４および０．７Ｈｚでのカットオフ周波数を有するバンドパスダイレクト形式ＩＩ第２オーダのバターワースフィルタを使って、ノイズを除去するためにフィルタリングした後、上述した３つの成分が評価される。

最初に、ｔＰＴにおいて、実際のＰＴは１．７２５秒上のＴＤを有し、０．２７５より大きいｓｉｎθを有する。第２に、ＲＳＳＩ（距離の自乗に反比例する）は、人体の変位によるアンテナから距離の変化が、人に対するアンテナの位置に応じてＲＳＳＩ読み取りを減少（または増加）させることを示す。結果として、立っているとき、ＷＩＳＰからアンテナまでの距離は座っているときよりも短く、ＳｔＳｉ遷移中は負の傾斜が生じ、ＳｉＳｔ遷移中は正の傾斜が生じる（図４参照）。

部屋の中のような短距離範囲での測定において、ＲＳＳＩはＳｉＳｔ遷移とＳｔＳｉ遷移とを差別するのに有効に使用することができる。図４に示す、ドット線はＲＳＳＩ値を示す。

ベッドに出入りすること
寝そべった状態は、前後方向軸線（ｘｇ）からの加速度の読み取り値を分析することにより決定される。ここで、約０および１ｇの読み取り値は、寝そべっていることおよび、立つ／座ることにそれぞれ対応する。実際に、ノイズを消去し、かつ、歩行のような成分を減少させるかまたは除去するために、信号は０．１６Ｈｚのカットオフ周波数を有するダイレクト方式ＩＩ第２オーダのバターワースローパスフィルタによりフィルタリングされる。

座っている状態から寝そべるか、または、寝そべった状態から座ることのＰＴは、事象の前後での閾値に基づいて検出される。座っている状態から寝そべる状態へのＰＴはｘｇの微分のパターンを使って検出される。これは、座っている状態から寝そべる状態が生じる推定時刻であり、ｘｇの導関数の最小値に対応する。ｔＰＴ前後でのｘｇの導関数の２つの最大値に対応する時刻でもある。ＰＴは、ｔＰＴ前後でのｘｇの平均が０．７ｇより上かまたは０．４より下であるようにそれぞれ分類される。

歩行補助器無しでの移動
５秒ごとに垂直方向加速度成分を解析することにより歩行が検出される。信号は０．６２と５Ｈｚとの間で信号を分離することによりステッピングパターンを区別するためにフィルタリングされる。０．２５から２．２５秒のピークの間の間隔で２つ以上の連続ステップが生じる場合には、歩行間隔を検出するために、−０．０５ｇの閾値より下の負のピークが考慮される。

自分の歩行補助器無しで部屋に出入りするか場所を離れることが発見された場合に、歩行補助器無しで歩行する患者の動作が検出される。人が閾値以下で動いていることが識別され、同時に、歩行補助器が閾値信号を横切って移動することが検出されなければ、歩行補助器無しの対象物の移動がポジティブとして識別される。歩行補助具に取り付けられたＷＩＳＰによって報告された移動方向および補助具が使用されているか否かを示す結果加速度ａＲを示すタグ方向アルゴリズムを使って、推定が達成される。約１ｇ（重力）の値は、歩行補助器が使用されていないことを確認する（図５に示すように）。ここで、ａＲは以下の式（数３）によって与えられる。

結果
上述したアルゴリズムの平均感度および特異性を決定するのに、多くのボランティアを使って、研究がなされた。ボランティアは、全体で、１９７個の患者遷移（ＰＴ）を実行した。それには、立っている状態から座る状態の遷移、座っている状態から寝そべる状態の遷移、座っている状態から立っている状態への遷移、並びに、仰向け状態、うつぶせ状態、左右横寝を含む９９の寝そべった状態が含まれている。重要なことは、偽のポジティブが非常に少なかったことである。

以下に示す表１は、１９７個のＰＴ実行からの最終結果である。

上記表からわかるように、上述したすべてのアルゴリズムおよび技術の感度および特異性は非常に高く、アルゴリズムおよび技術がさまざまな動きのタイプの正確な決定に非常に適している。

データ収集
各対象者は、姿勢遷移の所定の台本ルーチンが与えられる。それは、ベッドに入ること、寝そべること、ベッドから出ること、歩行（例えば、ベッドから椅子までの歩行またはその逆）、および、椅子に座ることまたは椅子から立ち上がることを含む。

各対象者は、ランダムな順序３つの姿勢遷移を有する所定の３つの別々の台本が付与される。アルゴリズムは、各対象者に対してカスタム化されなかった。遷移は、患者モニタリングソフトウエアによって記録され、データ収集プロセス中に受信者によって、ソフトウエアシステム中で同時に注釈が付される。

統計的分析
真のポジティブは、正しく識別されたベッドから出る事象であった（胸骨アルゴリズムでのＷＩＳＰの場合、寝そべった状態から座った状態への遷移、それに続く、座った状態から立った状態への遷移が正しく識別された）。真のネガティブはベッドから出る事象でない（例えば、ベッドに入る）として正しく識別された関心のない事象であった。偽のネガティブは識別されなかった（すなわち、ミスした）ベッドから出る事象であった。偽のポジティブはベッドから出る事象として識別された他の動きである。ベッドへの出入りを識別する感度および特異性は２つの方法のパフォーマンスを比較するために推定された。受信機動作特性（ＲＯＣ）曲線もまた評価された。

結果
ＷＩＳＰが取り付けられたボディトランクアルゴリズムに対する１８０ＰＴにわたって実行された対象は、立っている状態から座る状態への遷移、座っている状態から寝そべる状態への遷移、寝そべる状態から座る状態への遷移、座っている状態から立っている状態への遷移を含む。マットレスに取り付けられたＷＩＳＰセンサに基づくアルゴリズムに対する１００ＰＴは、座ること、立つこと（ベッドに入ること）および寝そべることを含む。結果（表１）は、胸骨方法に対するＷＩＳＰは、マットレス方法でのＷＩＳＰに比べ、ベッドへの出入りを検出する際により高い感度を示すということを示唆している。ベッドに入ることを検出することにより、両方の方法は同様の特異性を記録し、マットレス方法に対するＷＩＳＰは、ベッドから出る事象の識別による特異性よりも、わずかに良い（９７．４％対９３．８％）特異性を有した。

両方の方法は、低い偽のポジティブ（すなわち、偽のアラーム）を示すグラフの左側近くに散らばったデータのほとんどを有する（図９）。ＲＯＣ曲線（ＡＵＣ）の下側の領域はデータの台形積分によって計算された。ＷＩＳＰを着用した人体のＡＵＣ値は、ベッドに入るおよび出ることに対して、それぞれ０．９３１および０．８５９であった。ベッドアルゴリズムに対するセンサは、ＡＵＣ値で、それぞれ０．８８２および０．８５５であった。胸骨方法に対するＷＩＳＰは、最適なパフォーマンス（上部左端）に近くアライメントされて示された曲線としてよりよいレスポンスを示した。マットレス方法に対するＷＩＳＰに比べベッドの出入りの両方に対してより大きいＡＵＣ値を示す。

ゆるくフィットした病院の衣服はセンサに対して人体の動きに沿って従うことを許さず、ベッドから出る姿勢の遷移を検出するのに体に密着したＷＩＳＰアルゴリズムの効果に影響を与える。しかし、アルゴリズムは閾値に基づいているので、患者はＷＩＳＰ内において自分の電子ＩＤにより自動的かつユニークに識別される。スタッフは各患者に対する閾値レベルを調節することができる。

ベッドから出ることを認識するアルゴリズム
アルゴリズム（図８）は、機械学習における条件付き確率場（ＣＲＦ）ラーニングに基づいて開発された。図８に記載のＣＲＦ分類器は、観察者の入力シーケンスを考慮し、そのシーケンスにおける複数のアクティビティを認識する。条件モデルは、アクティブレベルの所定セット（寝そべっていること、ベッドに座っていること、ベッドから出ること）からアクティブレベル８００を選択する。それは、所与のセットの観察者から与えられた入力データを最適に表している（条件付き確率を最大化する）。ＣＲＦ分類器は、収集されたセンサデータ観測を使ってトレーニングされ、その結果ＣＦＲ分類器の試験中の所定の入力のアクティブレベルを予測することができる（入力についての真実はＣＲＦ分類器にとって不明であるため）。

センサから抽出された生センサデータは、任意の前処理（デジタルフィルタリングのような）なしでアルゴリズムに入力される。アルゴリズムに対する各センサ観測入力は、加速器読み取り値ａｆ、ａｖおよびａｌ（センサによって参照される前線、垂直、および横軸線）、センサから受信された信号の強度、アンテナ識別子、ｓｉｎθによって与えられる垂直方向に対する胴体の傾斜角度、ここで、θ＝ａｒｃｔａｎ（ａｆ／ａｖ）および連続観測値の間の時間差である。ＣＲＦ分離器は以下を利用する。
（ｉ）センサから送られた信号およびＲＦＩＤアンテナによって受信された信号の強度は、アンテナ（アンテナがベッドの近くに配置されていればベッド）に対する患者の相対距離または位置のインジケータとなり、したがって、弱い信号は所定のアンテナから人が離れることを示す（すなわち、ベッドから離れる）
（ｉｉ）胴体の角度は、人のアクティビティについての情報のソースである。

アクティビティモデルは、以下のアクティビティラベルを考慮している。
（ｉ）寝そべっていること、
（ｉｉ）ベッドに座ること、
（ｉｉｉ）ベッドからでること

これらのラベルは、ＣＲＦ分類器によってデータ入力された各センサに対する予測（ラベリング）されたアクティビティと対応する（図８参照）。ベッドから出ることを認識するアルゴリズムは、現在のセンサデータに対して、ベッドから出る事象２を、ＣＲＦ分類器によるベッドから出るラベルの予測８０２であるように認識する。警告信号８０４は一度のみトリガーされることが要求される。すなわち、ＣＲＦ分類器によって以前予測された状態が寝そべっているかまたはベッドに座っていることであれば、シーケンスの最初のベッドから出ることが信号をトリガーする。

研究例
女性に対する男性の比率は２．５で、年齢が６６から８６歳の１４人の健康な年配ボランティアに対してパイロット研究が実行された。この研究に対して、参加者は６５歳以上であり、家で暮らしており、研究に同意することができ、かつ、独立して動くことができる。対象者は、老年病研究者および他の研究者からのボランティアリストから募集された。研究は２ヶ月にわたって実行され、各ボランティアについて各試験が６０分から９０分続けられた。

パフォーマンス研究
参加者が実行したアクティビティは以下を含む。
（ｉ）ベッドに寝そべること、
（ｉｉ）ベッドに座ること、
（ｉｉｉ）ベッドから出ること、
（ｉｖ）椅子に座ること
（ｖ）椅子から立ち上がること
（ｖｉ）研究中にＡからＢに移動すること（ここで、ＡおよびＢは、ベッド、椅子、または、ドアを表す）。

各参加者は、２つの台本どおりのアクティビティリストのアクティビティを実行した（表２参照）。台本を選択するのに特別の順番は使用されなかった。試験中に使用された台本ルーチンの数（ルーチンはひとつの選択された台本でアクティビティを実行する）は以下に基づいて決定された。
（ｉ）参加者の疲労レベル、および
（ｉｉ）各試験期間が９０分を超えずに続く試験時間間隔。

参加者は、身体的ストレスを最小化するために自分自身のペースで台本のアクティビティを行うように言われた。また、ボランティアは各試験の前に、最も自然かつ快適な方法でベッドに寝そべるように命令された（すなわち、寝そべる位置に関する特別の指示は受けず、試験中、多くの参加者は背中または横腹を下に寝そべり、うつぶせで寝そべる者はいなかった）。すべてのアクティビティはリアルタイムで、各試験中に研究者によって記録された。研究者の試験した２つの実際のハードウエアは、２つの異なる部屋のセッティング（図９に示すルームセット１およびルームセット２）であり、それらは部屋のレイアウトが異なる（アンテナ位置および使用されるアンテナの数）。

受容性研究
２つの監視が設けられた。第１監視（試験の前後に管理される）は、試験前の人の期待値および試験後の知覚の変化の指標を与える。失敗を防止するべく、システムの患者の知覚、イクイップメントの使用に対する理解、および、試験の結果における認識の変化を含む問題が測定された。この調査に対して高い関心を有する参加者はユーザ受容性に影響するので、第１監視はまた参加者のモチベーションのレベルを測定した。

第２監視は、ユーザによって認識された個人的心配および受容性を測定するべく、試験が終了した後に実行された。質問は、ポジティブまたはネガティブな文書で記載され、１１ポイントのセマンティックディファレンシャルスケール（０−１０）を使用した。それは、完全に同意から不同意、または、問題なしから問題ありの範囲に対応する。両方の監視は図９および１０に示されている。質問Ｑ１、Ｐ１、Ｅ１、Ｅ２およびＶ１に対する応答は標準的な意味とは逆にされた。つまり、１０のスコアはシステムに対する完全な満足または快適性を示す。

統計的解析
本研究において、以下の２つのパラメータが評価された。
（ｉ）感度＝真のポジティブ／（真のポジティブ＋偽のネガティブ）
（ｉｉ）特異性＝真のネガティブ／（真のネガティブ＋偽のポジティブ）

真のポジティブ（ＴＰ）は、分離アルゴリズムにより、ベッドから出ることを正しく認識された。真のネガティブは、ベッドを出る事象ではない（ベッドに入ることおよびベッドに寝そべること）として正しく認識された関心のないアクティビティであった。偽のネガティブはベッドから出ることが認識されなかった（見過ごした）ことを知らせた。偽のポジティブはベッドから出ることを間違って認識したものである。ここで、人はまだベッドの中にいた（ベッドに寝そべっているか、または座っていること）。

センサデータを１０個の相互に排他的なサブセットに設定された区画と、他のサブセットでのトレーニングの後にパフォーマンスを評価するためにひとつのサブセットに対して、ベッドから出ることを認識するアルゴリズムを有効化することを含む、１０フォールドクロスバリデーションが使用された。特定のサブセットがパフォーマンスを評価するために正確に一度だけ使用されるところの処理が１０回実行され、感度および特異性の平均が１０個のバリデーションサブセットの結果を平均した後に決定された。使用されたデータのサブセットは、単一の対象者または試験ごとに区画することにより得られず、ルームセットごとの研究のすべての参加者の台本に書かれたルーチンに対するランダムな順序のデータセットの後に構成されたすべての参加者に対するデータセットから得られた。このプロセスは、ベッドから出ることを認識するアルゴリズムのパフォーマンスの一般性および無偏見評価を保証する。統計的有意性がｐ＜０．０５であった単独の片側ｔテストを使って、２つのデータセット（ルームセット２から、またはルームセット１からルームセット２へ）の間の感度および特異性が比較された。

結果
両方のデータベースからのトータルで７５１０８個のセンサ観測（読み取り）を収集した。データベースは１４人の参加者ごとに実行された１３０のベッドから出ることを含む。上記表３は２つのデータベースに対する感度および特異性を示す。ルームセット２でパフォーマンスはより高い平均感度値を有し、また、ルームセット２の感度値は統計的有意性がより高かった（ｐ＝０．０１６）。しかし、両方の部屋の特異性の平均値は比較可能である。すなわち、ルームセット２の特異性は、統計的有意性がより高くなかった（ｐ＝０．６２９）。結果として、ルームセット２はよりよい構成であると考えられる。

図９において、試験前の応答（破線９０２）に比べ試験後の応答（実線９００）において知覚がポジティブにシフトしていることが示されている。実際に、全体のスコアは、すべての質問に対してシステムを使用した後に、≧９．７まで改善された。特に、システムパフォーマンス全体における自信および満足度に対応する２つの質問（図１０に示すＱ１およびＱ６）に対して参加者が試験後に最大スコアを獲得した。概して、男性参加者は女性参加者に比べ、男性参加者による認識の知覚の変化をのぞき、試験開始時において比較的低いスコアを示すが、試験後の女性および男性参加者の両方がすべての質問に対して圧倒的にポジティブに感じて同様に高いスコアを示した。

図１０に示す第２監視の解析は、センサアクセプタンスモデルの４つすべてのファクタ（物理的アクティビティ、心理的不安、イクイップメントおよびプライバシー）に対して記録された高いスコア（全体で≧９．５）に基づいて着用可能センサの高いレベルの受容性が確立された。最低のスコアはＰ２に与えられ、寝そべっている間にわずかに不快であることを示している。特に、女性参加者にとって顕著であった。しかし、女性参加者による応答および全体のスコアは高いままであった（＞９．２）。

ソフトウエア解析
図１のコンピュータシステム１００は、図６を参照して詳細に説明する。図６は、処理モジュールとして使用するのに適したコンピュータシステム６００（図１のコンピュータシステム１０８と同等）を概略的に示したものである。コンピュータシステム６００は、本願発明の実施形態に従うモニタリングソフトウエアのようなアプリケーションおよび／またはシステムサービスを実行するのに使用可能である。

コンピュータシステム６００は、好適には、プロセッサ６０２、読み取り専用メモリ（ＲＯＭ）６０４、ランダムアクセスメモリ（ＲＡＭ）６０６、および、キーボード、マウスのような入出力デバイス、ディスプレイおよび／またはプリンタ６１０を有する。コンピュータシステム６００は、一つ以上の通信リンク６１２を有する。コンピュータはＲＡＭ６０６、ＲＯＭ６０４またはディスクデバイス６０８に格納されたプログラムを有し、プロセッサ６０２によって実行される。通信リンク６１２は、インターネットなどのコンピュータネットワークに接続されるが、電話線、アンテナ、ゲートウエイまたはその他のタイプの通信リンクと接続されてもよい。ディスクデバイス６０８はフロッピー（登録商標）ディスク、ハードディスクドライブ、ＣＤ−ＲＯＭ、ＤＶＤドライブまたは磁気テープドライブのような任意の適当な格納媒体を有してもよい。コンピュータシステム６００は単一のディスクドライブまたは複数のディスクドライブを使用することができる。コンピュータシステム６００は、Ｗｉｎｄｏｗｓ（登録商標）またはＵＮＩＸ（登録商標）などの適当なオペレーティングシステムを使用できる。

上述したコンピュータシステムは例示に過ぎず、本願発明の実施形態は、他の適当なハードウエアおよび／またはソフトウエアを有する任意の適当なコンピュータシステム上で実行することができる。

ひとつの実施形態において、本願発明はコンピュータシステム６００で実行可能であるように構成されたデータベース６１４と相互作用するソフトウエアアプリケーションとして実行される。

図７を参照して、ソフトウエアアプリケーション６１２は、イベントドリブンパラダイムに基づくアーキテクチャーを構成し、ここではＷＩＳＰデバイス（受動センサ７０２）から受信モジュールを介して受信したデータが動きのタイプに分類され、最終的に高リスクイベントおよび非高リスクイベントに分類される。その後、高リスクイベントは処理モジュール７０６によって分析される。動作を保証する高リスクイベントはその後警告モジュールに送られる。

推定エンジンは、リアルタイムで、患者の動作を識別するよう、ＷＩＳＰから受信されかつＲＦＩＤリーダによって収集されたデータを処理する。推定エンジンとＲＦＩＤリーダとの間のインターフェースは、ローレベルリーダプロトコル（http://www.gs1.org/gsmo/kc/epcflobal/llrpから入手可能なEPCGlobal, Low level reader protocol (LLRP), version 1.0.1）である。センサデータは、ＬＬＲＰインターフェースを使ってＲＦＩＤリーダの分布ネットワークから収集される。

複数のデータストリーム（加速度読み取り、位置情報、動作または速度方向、タグからの受信信号強度、イベント時刻）が解析され、推定エンジンを使って高リスクアクティビティを検出するのに使用される。モニタリングアプリケーションは、イベントコンディションアクション（ＥＣＡ）タイプのルールを使って、動作のコースを決定し、推定エンジンにより報告された所定の高リスクアクティビティを取得する。ＥＣＡルールは振る舞いを特定するためのパラダイムであり、例えば、
ルール１：歩行補助器を使わずかつ監督者がいない場合に、患者が部屋を出たとき警告を送る。（Rule1:On patient leaving room IF (no walking aid AND unsupervised) DO send alarm）

より詳細には、複数レベルの応答システムが、図６に示すような転倒管理システムにおいて採用される。警告モジュール（モニタリングアプリケーション７０８）は、患者の特定の高リスクアクティビティの評価、介護人がいるかいないか、および、病院に入った時刻に記録した転倒リスクの個々の評価に基づいて、介護人に警告を送るかどうかを決定する責任がある。

警告モジュールはまた警告が管理される方法を監督する一連のルールを有する。偽のポジティブおよびネガティブは最小化される。例えば、警告モジュールは、リスク動作のタイプを決定した後に所定の時間内で介護人に警告を送るように構成される。

また、手動で警告をスイッチオフするか、患者の近くまでくるような、介護人が基準を満足するようになる時間まで、警告が介護人に対して所定のインターバルで送られるように、警告モジュールは介護人をモニターしてもよい。もし最初の介護人が所定の時間内に応答しなければ、警告モジュールは第２の介護人に対して警告するように構成されてもよい。

警告モジュールは最も近い介護人を決定し、かつ、たとえ通常に反しても、転倒事故を防止するために最速の応答時間を与えるよう、その介護人に対して警告してもよい。

転倒が発生したことを検出したとき、警告モジュールはその領域内のすべての介護人に対して緊急応答をトリガーしてもよい。他の実施形態において、警告モジュールは、ロボットのような自動機械に命令してもよく、それは、患者の位置まで行って、患者が補助を必要としているか否かを決定してもよい。代替的に、建物にカメラが取り付けられている場合、警告モジュールは患者の映像の記録を開始し、介護人に対して、警告が偽のポジティブであるか否かの決定をするようにチェックまたはレビューさせる。

重要なのは、警告モジュールが当該エリアに、および、エンドユーザの要求に一致するようにカスタマイズ可能である点である。ひとつの実施形態において、ＷＩＳＰを着用している人を識別するべく、システムはＷＩＳＰから識別情報を収集する。警告モジュールは各人に対して予めプログラムされた警告プロフィールを有する。

例えば、よりアクティブでかつ深刻な怪我をしそうにない人は、少ない警告プロフィールを有し、ある動きのタイプは自動的に警告状態をトリガーしない。これに対して、非常に転びやすくかつ深刻な怪我を負う、特に病弱な人は、高い警告プロフィールを有し、任意の高リスクタイプの動きは自動的に警告状態をトリガーしてもよい。すなわち、各人の警告プロフィールはカスタマイズ可能であり、各人の要求に対して個別に作成される。

より詳細には、ある動作をモニターするのに使用される上述したアルゴリズムは、定義により、警告状態をトリガーしない。アルゴリズムから導出された情報は、他の情報、または、個人および周囲環境に関連する予測されるかまたは周知のふるまいに関する知識と組み合わせて使用され、警告状態をトリガーすることを満足するのに必要なより複雑かつ意味合いの条件セットが与えられる。例えば、
１．座った状態から立つ状態に遷移するときよりも、立った状態から座った状態に遷移するときの方が人は転倒しにくい。したがって、警告モジュールは、座ろうとしているときのすべての状況を除いて、人が立とうとしているときにのみ警告音を発するように構成されてよい。
２．同様に、すでにベッドに座っていれば、寝そべっている人は警告状態を自動的にトリガーしない。
３．地面上の固定位置にあるときは有意であり（すなわち、その状態は転倒を示す）、自動的に警告状態をトリガーする。
４．歩行補助器から遠い位置にいる人は警告を発動させる。
５．バスルームなど特定の部屋へのドアを通じて移動する人が、ベッドルームから座っている部屋まで移動する人より高いリスクを有すると考えられ、したがって、人の位置または移動方向は警告状態をトリガーするか否かに影響を与える。
６．補助器なしで所定の時間の間歩いているか留まっている人もまた有意であり、警告状態をトリガーする。
７．また、システムは日中警告を与えず、夜間に自動的に警告を与えるように構成されてもよい。

他の実施形態−健康情報技術（ＨＩＴ）ツール
上述したシステムは、形態健康情報技術（ＨＩＴ）ツールと一体化されてもよい。それは、患者の動きおよび転倒または事故の履歴に関するデータを利用し、ベッドサイドのポスターを自動的に生成する。

健康情報ツール
使用が単純かつ容易なユーザインターフェース設計は、本願発明の実施形態に従うＨＩＴツールによって生成されるベッドサイドポスターの所望の出力である。単純化された合図（図１２において、１２０２、１２０４、１２０６等で示す）が与えられ、かつ、転倒リスクに関連するアイコンのみを示すことによってアイコンの数が削減される。これは、ポスターの最終的なデザインを単純にし、ポスターを見ることにより処理に必要な情報の量を削減する。また、アイコンは転倒のリスクを増加させるかもしれないアクティビティに基づいて選択された。

ＨＩＴツールと相互作用するシステムが図１３に示されている。患者の転倒危険評価はデータベース内に格納されており、検索されかつ更新される。ＨＩＴツール１３０２は視覚的合図（ポスター）を自動的に生成し、かつ、指定されたプリンタ１３０４で印刷する。ツールの詳細な記述が統一モデリング言語（ＵＭＬ）のワークフロー図として図１３に示されている。図１５Ａおよび図１５Ｂは、iPad-mini上で使用されたＨＩＴツールのスクリーンキャプチャ図である。ＨＩＴツールへのリスクプロフィールのエントリーに従い、ベッドサイドに表示するためのポスターが印刷される（図１２）。手で貼る必要がなく、毎日のベッドの移動作業にこの作業を組み込むことができるので、ベッドナーシングの移動が不要である。また、ベッドサイドのコンピュータが利用可能である場合、ベッドサイドのポスターを生成する代わりに、転倒リスク情報がベッドサイドのコンピュータ上に直接カラー表示されてもよい。

ＨＩＴツール内部ロジック
図１４を参照して、上述したＨＩＴツールの実施形態に従う処理フローが示されている。１４００において、ユーザが異なる病院間で切り替えることができるページ構成が示されている。１４０２において、ユーザが基本的情報を入力し、新しい患者または新しい患者に対して有効なベッドを割り当てることができる新しい患者ページが示されている。１４０４において、ユーザが選択した病棟のベッドを与え、ベッドから患者を送り出し、または、患者を移送することができる病棟ページが示されている。１４０６において、ユーザが選択した病院内で病棟を与えることができる病院ページが示されている。１４０８において、ユーザが選択した患者の基本情報を与え／修正することができる患者情報ページが示されている。１４１０、１４１２および１４１４において、患者がある情報にタグ付けされ得る、それぞれのタグが示されている。例えば、１４１０において、もし患者が歩行補助器を要求すれば患者は歩行補助タグをタグ付けされる。もし、患者が日中にリスクを与えれば、患者はデイリスク１４１２としてタグ付けされる。同様に、もし患者が夜間にリスクを与えれば、当該患者はナイトリスク１４１４としてタグ付けされる。図１４の矢印からわかるように、ユーザは、さまざまなオプションを通じてネガティブであってよく、患者を加え、除去し、特定の病棟または病院に割り当てることもできる。また、ある要求を有するように患者にタグ付けしてもよい。これらの要求は、後に翻訳されかつ図１２で示すラベルに自動的に印刷される。印刷は、図１４において１４１６で示すポップアップメニューにより達成される。

監視
携帯健康情報技術（ＨＩＴ）ツールの使用可能性および看護スタッフ推定を評価するために、主観的満足度の質問票（ＱＵＩＳ）が６個の質問（Ｑ１９からＱ２４）を加えることによってこの研究における使用に対して修正され、ＨＩＴツールの使用可能性に加えて技術のステアリングナックルタップ推定を評価した。スタッフは、０と９との間のスコアを有するリッカート尺度に対してレスポンスを与え、この研究において、研究者は０−３がネガティブレスポンスであり、７−９がポジティブレスポンスと考えるように選択した。その間のスコアはアンビバレンスとして分類された。スコアは、平均および平均の標準誤差（ＳＥＭ）として与えられる。

研究参加者
オーストラリアの３００床の病院であるクイーン・エリザベス病院において、監視を行った。２つの医療病棟からの看護スタッフメンバー（高齢者評価および管理ユニットおよび緊急医療ユニット）が、２０１３年１月の２日間にわたって、９００と１７００時間の間で参加した。

結果
修正したＱＵＩＳ監視に対するレスポンスは、平均年齢４０．９歳（標準偏差１１．８）で、かつ、平均経験年数１４．９年（標準偏差１０．９）の２５人の看護婦から得られた。監視結果はパーセンテージまたは平均および標準偏差（ＳＤ）として与えられている。監視質問に対するポジティブな応答の比率が表４に記載されている。

すべての質問に対して、平均スコアは７以上であった。大部分の看護スタッフはツールの他の見地に対してポジティブに応答した（７８％から９４．７％）。ひとつの重要な発見は、監視された看護者の圧倒的多数がＨＩＴツールは有効であると同意したことである（Ｑ２４にたいして９４．７％の最高のポジティブ応答）。看護スタッフはまた、ツールが医療ベッド移動プロセスに組み込む可能であり、自分たちの仕事を助け、患者に対してより安全かつ質の高いケアを与えることができることを確認した（Ｑ１４およびＱ２１＞９４％）。

研究は、看護スタッフがＨＩＴツールについてポジティブに感じていること確認し、ツールを使用すること、および、毎日の医療ベッドからベッドへの移動プロセスに組み込むことが非常に多いことを確認した。

標準化された転倒リスク評価ツールを使った転倒リスク評価は存在するが、従来の医療関係者は、転倒リスク状態を互いおよび患者またその家族に対して有効に通信することは困難であると報告した。この場合、視覚的合図が潜在的な役割を果たす。ＨＩＴツールは、病院内でのベッドサイドポスターの完成度および正確性を改善し、システム方法、およびソフトウエアアプリケーション、上述した動きを決定するためのデータ信号とともに、シームレスに一体化することが可能である。

利点
ここで説明した実施形態は、既知のデバイスおよび技術に対して多くの利点をもたらす。実施形態は任意のタイプの動きを伴う人のリアルタイムのモニタリングを単純化するが、自分自身を傷つける危険がある人を監視する際の特定のアプリケーションを発見する。

言い換えれば、上述したシステム、方法およびソフトウエアアプリケーション、並びに、特許請求の範囲に記載されたより広い発明の概念は、患者の動きを監視するための技術的治療介入をもたらす。したがって、病院および高齢者ケア施設のような多くの高リスク環境における転倒を防止する。

有利なことに、上述したシステムは受動、つまり、バッテリの無いＷＩＳＰデバイスを使用する。それは、製造単価が安く、患者に負担または重さを感じさせない（サイズが小さく、かつ、軽いため）。また、上述したように非常に高い感度および特異性を有する。

システム、方法およびソフトウエアアプリケーションは、従来のセンサベースのシステムより改善されている。従来のシステムは、バッテリパワーを必要とするため重く、高価であり、失敗する傾向が高く、かつ、本実施形態よりも正確性が劣る。

付加的に、システムは個々の患者およびケア環境に対してカスタマイズされており、各患者に必要なケアおよびモニタリングのレベルを医療従事者または介護人の専門的知識に基づいて自動的に決定する。

また、システムは、杖、歩行ステッキ、歩行フレーム等のような無生物物質の存在および／または動きを検出するのに使用することが可能である。人および対象物の両方に対しデバイスを組み合わせて使用することにより、高度かつ複雑な動作（人が歩行補助器を使用しているか否か）が簡単かつ正確に検出可能である。

上述した本願発明の思想および態様から離れることなく、発明の詳細な説明において示した特定の実施形態に対してさまざまな修正または変更が可能であることは当業者の知るところである。よって、上述した実施形態のあらゆる意味で、例示でありかつ限定するものではない。

明細書および特許請求の範囲を通じて、“有するまたは含む”の用語は、記載した数値または数値の集合以外の数値または数値の集合を排除するものではないことが理解されるべきである。

Claims (65)

1. 動きを示す動きデータを少なくともひとつの遠隔デバイスから受信するように構成された、少なくともひとつの受信モジュールと、
   前記動きのタイプを決定するために、前記動きデータを処理するように構成された処理モジュールと、
   前記動きのタイプが、動きの所定のタイプの少なくともひとつに該当する場合に、警告を与えるように構成された警告モジュールと
   を備えた動きを決定するためのシステム。
2. 前記動きデータは、加速度データを含む請求項１に記載のシステム。
3. 前記動きデータは、前記遠隔デバイスの動きを示す動きベクトルを計算するのに使用される、請求項１または２に記載のシステム。
4. 前記動きのタイプは、時間間隔にわたって、前記動きベクトルの変化を解析することにより部分的に決定される、請求項３に記載のシステム。
5. 前記受信モジュールは、複数の前記遠隔モジュールから前記動きデータを受信するように配置されている、請求項１から４のいずれか一項に記載のシステム。
6. 前記少なくともひとつの受信モジュールは、高周波信号として前記動きデータを受信するように構成されている、請求項１から５のいずれか一項に記載のシステム。
7. 前記少なくともひとつの受信モジュールは、前記遠隔デバイスに活性化信号を送信するように構成された高周波信号エミッタを含む、請求項５に記載のシステム。
8. 前記遠隔デバイスは、前記アクティブ信号に曝されたときに、前記動きデータを符号化する前記高周波信号を放出するように構成された受動高周波デバイスである、請求項６に記載のシステム。
9. 前記動きのタイプは、人または物体の動きを含む請求項１から８のいずれか一項に記載のシステム。
10. 前記動きの所定のタイプは、怪我を生じさせるようなひとつの動きおよび実行した時に怪我を生じさせる危険性が高い動きである、請求項９に記載のシステム。
11. 前記遠隔デバイスは、ユーザによって着用可能である、請求項１から１０のいずれか一項に記載のシステム。
12. 前記処理モジュールは、前記動きのタイプが前記動きの所定のタイプのひとつに対応するか否かを決定するように構成されている、請求項９から１１のいずれか一項に記載のシステム。
13. 前記処理モジュールは、ドアを通過して歩くこと、座ること、立つこと、寝そべること、寝た状態から立つこと、および歩行補助器無しで歩くことを含む集合から動きのタイプを選択する、請求項１２に記載のシステム。
14. 前記処理モジュールは、前記遠隔デバイスの径方向速度を所定の時間間隔にわたって計算するように構成されている、請求項１３に記載のシステム。
15. 前記処理モジュールは、前記径方向速度の方向が前記所定の時間間隔にわたって変化したか否かを決定するようにさらに構成されている、請求項１４に記載のシステム。
16. 前記処理モジュールは、前記径方向速度が前記所定の時間間隔にわたって変化したとき、ドアを通過して歩くこととして、動きのタイプを分類するようにさらに構成されている、請求項１５に記載のシステム。
17. 前記処理モジュールは、前記所定の時間間隔にわたって、ひとつの所定の軸線方向の加速度成分を計算するように構成されている、請求項１２に記載のシステム。
18. 前記所定の軸線は、地面に対して垂直である、請求項１７に記載のシステム。
19. 前記処理モジュールは、前記所定の時間間隔にわたって、パターンが存在するか否かを決定するべく前記加速度成分を分析するようにさらに構成されている、請求項１８に記載のシステム。
20. 前記処理モジュールは、第１デバイスのパターンが第２デバイスのパターンと対応しない場合に、歩行補助器無しで歩いているとして、動きのタイプを分類するようにさらに構成されている、請求項１９に記載のシステム。
21. 前記所定の軸線方向は地面に対して平行である、請求項１７に記載のシステム。
22. 前記処理モジュールは、前記加速度成分が約ゼロである場合に、寝そべっているとして、動きのタイプを分類するようにさらに構成されている、請求項２１に記載のシステム。
23. 前記処理モジュールは、所定の時間間隔にわたって、所定の軸線方向に対する前記遠隔デバイスの角度変位を計算するように構成されている、請求項１２に記載のシステム。
24. 前記処理モジュールは、前記遠隔デバイスの前記角度方向の変位が、ベースレベルから最大値まで増加し、引き続き、前記ベースレベルに戻るか否かを決定するように構成されている、請求項２３に記載のシステム。
25. 前記処理モジュールは、前記角度変位が所定の時間間隔にわたって、最大の状態に続いて前記ベースレベルに戻る場合に、座っているとして、動きのタイプを分類するように構成されている、請求項２４に記載のシステム。
26. 前記警告モジュールは、動きのタイプを決定した後に所定の時間以内に、警告を送信する、請求項１から２５のいずれか一項に記載のシステム。
27. 前記警告モジュールは人に警告を送り、前記警告は前記人が基準を満たすような時間まで、前記人に対して所定の間隔で送信される、請求項１から２６のいずれか一項に記載のシステム。
28. 前記システムは、前記人に前記警告を送った時と、前記人が前記基準を満たした時との間で経過した時間の記録を保持する、請求項２７に記載のシステム。
29. 前記基準は、第１の遠隔デバイスを、第２の遠隔デバイスの近くで見つけることである、請求項２７または２８に記載のシステム。
30. 前記受信モジュールは、前記遠隔デバイスから識別データを受信する、請求項１から２９のいずれか一項に記載のシステム。
31. 前記警告モジュールは前記警告状態を決定するために、前記識別データを使用する、請求項３０に記載のシステム。
32. 動きを示す動きデータを、少なくともひとつの遠隔デバイスから受信する段階と、
    前記動きのタイプを決定するために前記動きデータを処理する段階と、
    前記動きのタイプが少なくともひとつの所定の動きのタイプに対応する場合に、警告を与える段階と、
    を備える動きを決定するための方法。
33. 前記動きデータは、加速度データを含む、請求項３２に記載の方法。
34. 前記動きデータは、前記少なくともひとつの遠隔デバイスの動きを示す動きベクトルを計算するのに使用される、請求項３２または３３に記載の方法。
35. 前記動きのタイプは、時間間隔にわたって、前記動きベクトルの変化を解析することにより部分的に決定される、請求項３４に記載の方法。
36. 複数の遠隔デバイスから動きデータを受信する段階をさらに備える、請求項３２から３５のいずれか一項に記載の方法。
37. 高周波信号として、動きデータを受信する段階をさらに備える、請求項３２から３６のいずれか一項に記載の方法。
38. 前記受信モジュールは、活性化信号を前記遠隔デバイスに送信するように構成された高周波信号エミッタを有する、請求項３７に記載の方法。
39. 前記遠隔デバイスは、前記活性化信号を受信したとき、前記動きデータを符号化する高周波信号を放出するように構成されている、請求項３８に記載の方法。
40. 前記動きのタイプは、人または物体の動きを含む、請求項３２から３９のいずれか一項に記載の方法。
41. 前記動きの所定のタイプは、怪我を生じさせるようなひとつの動きおよび実行した時に怪我を生じさせる危険性が高い動きである、請求項４０に記載の方法。
42. 前記少なくともひとつの遠隔デバイスは、ユーザによって着用可能である、請求項３２から４１のいずれか一項に記載の方法。
43. 前記動きのタイプが前記動きの所定のタイプのひとつに対応するか否かを決定する段階をさらに備える、請求項４０から４２のいずれか一項に記載の方法。
44. ドアを通過して歩くこと、座ること、立つこと、寝そべること、寝た状態から立つこと、および歩行補助器無しで歩くことを含む集合から動きのタイプを選択する段階をさらに備える、請求項４３に記載の方法。
45. 前記少なくともひとつの遠隔デバイスの径方向速度を所定の時間間隔にわたって解析する段階をさらに備える、請求項４４に記載の方法。
46. 前記径方向速度の方向が前記所定の時間間隔にわたって変化したか否かを決定する段階をさらに備える、請求項４５に記載の方法。
47. 前記径方向速度が前記所定の時間間隔にわたって変化したとき、ドアを通過して歩くこととして、動きのタイプを分類する段階をさらに備える、請求項４６に記載の方法。
48. 前記所定の時間間隔にわたって、ひとつの所定の軸線方向の加速度成分を計算する段階をさらに備える、請求項４７に記載の方法。
49. 前記所定の軸線は、地面に対して垂直である、請求項４８に記載の方法。
50. 前記所定の時間間隔にわたって、パターンが存在するか否かを決定するべく前記加速度成分を分析する段階をさらに備える、請求項４９に記載の方法。
51. 第１デバイスのパターンが第２デバイスのパターンと対応しない場合に、歩行補助器無しで歩いているとして、動きのタイプを分類する段階をさらに備える、請求項５０に記載の方法。
52. 前記所定の軸線方向は地面に対して実質的に平行である、請求項５１に記載の方法。
53. 前記加速度成分が略ゼロである場合に、寝そべっているとして、動きのタイプを分類する段階をさらに備える、請求項５２に記載の方法。
54. 所定の時間間隔にわたって、所定の軸線方向に対する前記少なくともひとつの遠隔デバイスの角度変位を計算する段階をさらに備える、請求項４５に記載の方法。
55. 前記少なくともひとつの遠隔デバイスの前記角度方向の変位が、ベースレベルから最大値まで増加し、引き続き、前記ベースレベルに戻るか否かを決定する段階をさらに備える、請求項５４に記載の方法。
56. 前記角度変位が所定の時間間隔にわたって、最大の状態に続いて前記ベースレベルに戻る場合に、座っているとして、動きのタイプを分類する段階をさらに備える、請求項５５に記載の方法。
57. 前記警告モジュールは動きのタイプを決定した後に所定の時間以内に、警告を送信する段階をさらに備える、請求項３２から５６のいずれか一項に記載の方法。
58. 前記警告モジュールは人に警告を送り、前記警告は前記人が基準を満たすような時間まで、前記人に対して所定の間隔で送信される段階をさらに備える、請求項３２から５７のいずれか一項に記載の方法。
59. 前記人に前記警告を送った時と、前記人が前記基準を満たした時との間で経過した時間の記録を保持する段階をさらに備える、請求項５８に記載の方法。
60. 前記基準は、第１の遠隔デバイスを、第２の遠隔デバイスの近くで見つけることである、請求項５８または５９に記載の方法。
61. 前記受信モジュールは、前記遠隔デバイスから識別データを受信する段階をさらに備える、請求項３２から６０のいずれか一項に記載の方法。
62. 前記警告モジュールは前記警告状態を決定するために、部分的に前記識別データを使用する段階をさらに備える、請求項６１に記載の方法。
63. コンピュータに、請求項３２から６２のいずれか一項に記載の方法の手順を実行させる、コンピュータプログラム。
64. コンピュータに、請求項３２から６２のいずれか一項に記載の方法の手順を実行させる、コンピュータプログラムを記録したコンピュータ読み取り可能媒体。
65. コンピュータに、請求項３２から６２のいずれか一項に記載の方法の手順を実行させる、コンピュータシステムによって受信されかつ解読可能なデータ信号。