Een op de vier ouderen valt elk jaar in de Verenigde Staten. Met meer dan 37 miljoen ziekenhuisopnames per jaar, ongeveer een miljoen valincidenten in ziekenhuizen kunnen leiden tot ernstig letsel en zelfs de dood. Patiënten vallen vaak wanneer ze proberen uit bed te komen of wanneer ze langer lopen dan ze kunnen. Verpleegkundigen kunnen individuele patiënten niet constant in de gaten houden vanwege het aantal patiënten dat ze behandelen. Sensoren kunnen patiënten continu monitoren, maar velen detecteren de val pas op het moment dat deze plaatsvindt zonder voldoende tijd te laten voor een verpleegster om in te grijpen.

Carnegie Mellon University civiel- en milieutechniek Professor Hae Young Noh ontwikkelt sensoren die voorspellen wanneer een persoon op het punt staat te vallen door de trillingen van de beweging van een persoon te voelen. Met behulp van signaalverwerking en machine learning, haar sensoren detecteren de beweging van een persoon en karakteriseren wat die bewegingen betekenen:als ze het bed verlaten, als ze nog een stap zetten, en of ze vallen.

In tegenstelling tot andere sensoren die de bewegingen van de patiënt of vitale functies bewaken, De sensoren van Noh identificeren de intentie van de bewegingen van een persoon - of ze zich nu voorbereiden om het bed te verlaten of gewoon omrollen en gaan zitten. Deze sensoren, geplaatst op het bedframe, zal dan de verpleegkundige waarschuwen wanneer het voorspelt dat een patiënt kan opstaan, zodat de verpleegkundige op tijd bij de patiënt kan zijn.

Net zoals een kiezelsteen golven veroorzaakt als hij in het water valt, onze beweging en contact met objecten creëren ook golven die een sensor kan detecteren. De sensoren bevatten versnellingsmeters die golfsignalen detecteren die zich door het bedframe voortplanten. Ze gebruiken signaalverwerkingsmethoden en machine learning-technieken om de trillingen te classificeren, bepalen of de patiënt de intentie heeft om te vertrekken of niet.

Zeer nauwkeurig en zeer gevoelig, de sensoren worden ook op de vloer geplaatst om te detecteren wanneer een persoon loopt, of manier van lopen, verslechtert.

"Sommige mensen kunnen maar ongeveer 10 stappen lopen, "zei Noh. "En vroeger waren ze gezond, dus ze gaan proberen om de 11e stap te zetten. Omdat het hun limiet overschrijdt, het risico op vallen neemt toe, en het is te zien aan het verslechteringspatroon van het looppatroon voordat het daadwerkelijk gebeurt. We proberen dat patroon te ontdekken."

De sensoren kunnen elke voetstap lokaliseren met een fout van minder dan 0,34 meter, ongeveer de grootte van een voet, waarmee ze de loopsnelheid kunnen detecteren, paslengte, en stapfrequentie-factoren die verband houden met het voorspellen van valrisico. Het systeem kan ook individuele voetstapkrachten en links-rechts balans van voetstapkrachten schatten binnen een fout van 5% van het lichaamsgewicht. De sensoren kunnen zelfs de trillingssignalen gebruiken om stemming te detecteren, omdat gedragspatronen aangeven hoe mensen zich voelen.

Het team gaat de sensoren binnenkort inzetten in ziekenhuizen om te testen. In de toekomst, de sensoren kunnen voor verschillende toepassingen worden gebruikt, zoals het waarnemen van dieren en het bestuderen van achteruitgang van het looppatroon bij verschillende populaties, waaronder kinderen en mensen met genetische ziekten die hun spierfunctie en loopvermogen beïnvloeden. doctoraat studenten Mostafa Mirshekari, Jonathon Fagert, en Shijia Pan, evenals professor Pei Zhang op het gebied van elektrotechniek en computertechniek werken ook samen aan het project voor ziekenhuisbedsensoren.

"Patiënten zijn misschien te verlegen en willen anderen niet ongerust maken, " zegt nee, "Maar informatie over hun symptomen is soms van cruciaal belang. Dus, of een sensor ze kan oppikken en de zorgverleners kan waarschuwen, gezinnen, of dokters, het kan helpen bij preventie en behandeling."