iAssessment : Aspekte eines instrumentierten Sturzrisikoassessments basierend auf einer extramuralen Gang- und Bewegungsanalyse - im Hinblick auf eine Anwendung im Bereich des Ambient Assisted Living

Abstract

Medizinische Experten betonen den Sturz im Alter als schwerwiegendes geriatrisches Problem. Im Forschungsbereich des Ambient Assisted Livings (AAL) - des umgebungsunterstützten Lebens - werden verschiedene Strategien der Sturzprävention verfolgt, wobei eine richtige Einschätzung des Sturzrisikos (Assessment) der älteren Menschen, auch außerhalb einer klinischen Umgebung (extramural), von besonderer Bedeutung ist, aber bis dato nur bedingt umgesetzt wurde. In diesem Sinne beschreibt die vorliegende Arbeit einen Ansatz zur Instrumentierung eines extramuralen Sturzrisikoassessments, mit dem Ziel einer zukünftigen Quantifizierung von Assessmenttests und einer erweiterten Definition von nichtsynkopalen, intrinsischen Sturzrisikoparametern. Aufbauend auf diesem Ansatz werden verschiedene Möglichkeiten zur automatisierten Extraktion von etablierten (klassischen), medizinischen Gang- und Assessmentparametern, sowie teils neu eingeführte Ansätze zur Quantifizierung von definierten Assessment Bewegungen dargestellt und diskutiert.<br />Im Rahmen der Arbeit wurde von uns ein als Einlagesohle konstruiertes und somit an beiden Füßen tragbares Messsystem (eSHOE System) entwickelt, das speziell auf zentrale AAL Bedürfnisse (unauffällig in die Umgebung integriert, intuitiv benutzbar, für verschiedene Benutzer und Applikationen adaptierbar) abgestimmt ist und die extramurale Messung kinetischer und kinematischer Gang- und Bewegungsparameter ermöglicht.<br />Auf Basis dieses Messsystems wurde ein Ansatz zur instrumentierten Messung von Bewegungsparametern während der Durchführung verschiedener geführter (d.h. vordefinierter) Bewegungen (Lokomotionen), die auch im klinischen Alltag im Sturzrisiko Assessment eingesetzt werden, entwickelt. Zur automatisierten Extraktion von (sturzrisikosignifikanten) Einzelmerkmalen, aus den mit dem eSHOE System gemessenen Bewegungsdaten, wurde das Konzept einer "Locomotion Language", für den genannten Ansatz adaptiert. Die Methoden zur Merkmalsextraktion wurden in der explorativen Kleinstudie "iAssessment" auf zwei Probandenkollektive (n=29 Personen) angewendet und die damit extrahierten Parameter (Einzelmerkmale) mit einer Signifikanzanalyse hin auf eine mögliche Klassifizierbarkeit, bezogen auf das Sturzrisiko, untersucht. Weiters wurde ein initiales, regel- und scorebasiertes Sturzrisikomodell erarbeitet.<br />Die Untersuchungen haben gezeigt, dass eine extramurale Erfassung von spatiotemporalen Gang- und Bewegungsparametern mit dem eSHOE System möglich ist und die Ergebnisse mit im klinischen Alltag eingesetzten intramuralen Messsystemen vergleichbar sind. Der verwendete Ansatz einer "Locomotion Language" zur automatisierten Lokomotionsdatenanalyse und Extraktion von Sturzrisikoparametern (Einzelmerkmalen, Bewegungs-Indices) zeigte durchwegs stabile Extraktionsraten und konnte im Hinblick auf seine Anwendbarkeit auf verschiedene Messobjekte evaluiert werden. Aufbauend auf der vorgeschlagenen Messmethodik konnten im Rahmen der Forschungsarbeit neben der automatisierten Extraktion von etablierten medizinischen Sturzrisikoparametern im Zeitbereich, noch weitere signifikante - für verschiedene Assessmenttests spezifische - Lokomotionsindices (basierend auf Spektralanalysen und Non-Linearen Methoden) eingeführt werden. Auf Basis der gemessenen Bewegungsdaten der beiden Probandenkollektive und konsekutiver Merkmalsextraktion konnte eine computergestützte Sturzrisikoklassifikation umgesetzt und das regel- und scorebasierte Sturzrisikomodell verifiziert werden. Die Ergebnisse der Arbeit zeigen die Möglichkeiten und Einschränkungen des postulierten Ansatzes auf und sollen weiterführenden klinischen Studien als Basis dienen, sowie Ansätze für technisch, wissenschaftliche Erweiterungen in den verschiedenen Ebenen der vorgeschlagenen Klassifikationskette bieten.<br />

Medical experts emphasize that falls in older people are a severe geriatric problem. In the area of Ambient Assisted Living (AAL) several strategies for fall prevention are researched, whereupon a meaningful estimation of older people's fall risk (assessment), also outside clinical circumstances (extramural), is of great importance - however it is realised only to some extent up to now. In this spirit, this thesis deals with an approach for instrumenting an extramural fall risk assessment, with the future aim of an expanded quantification of assessment tests and a definition of non-syncopal, intrinsic fall risk parameters. Based on this approach, possibilities for an automated extraction of established (classical), medical gait- and assessmentparameters, as well as newly introduced approaches for quantification of pre-defined assessment movements, will be presented and discussed.<br />Within the scope of this thesis a wearable measurement system (eSHOE system), integrated in two insoles, was developed, which was designed to meet pivotal AAL requirements (unobstrousive and integrated in the environment, adaptive - concerning different users and applications, intuitively useable) and offers the opportunity for measuring kinetic and kinematic gait- and locomotion parameters. Based on this measurement system an approach of instrumenting a number of guided (viz.<br />pre-defined) locomotions, which are also used for assessments in clinical circumstances, was developed. The concept of a "locomotion language" was adapted and applied, with the purpose of an automated extraction of fall risk relevant single features from the measured locomotion data. The implemented methods of feature extraction and index generation were used to analyze the data from two collectives of trial participants (n=29), which were collected during the explorative study "iAssessment". In this context the extracted parameters (single features) were analyzed by applying a significance analysis - with the aim of showing the possibility of a fall risk classification. In addition an initial, rule- and scorebased fall risk modell was worked out. This research has shown, that it is possible to measure spatiotemporal gait- and locomotion parameters extramuraly, using the eSHOE system, and that these measurements are comparable to intramural measurement systems used in clinical daily life. The used approach of a "locomotion language" for automated locomotion data analysis and extraction of fall risk parameters (single features, locomotion indices) offered reasonable extraction results and could be evaluated concerning the applicability towards several measurement objects. Based on the proposed measurement methods, beside the extraction of established (classical), medical fall risk parameters in the time domain, also other significant locomotion indices - specific for the different assessment tests - could be introduced, which are based on spectral analysis and non-linear methods.<br />On the basis of the gathered locomotion data of the two collectives of trial participants and the consecutively performed feature extraction, an automated fall risk classification could be performed and the rule- and scorebased fall risk modell could be verified.<br />The described results show the possibilities and limitations of the postulated approach and should also be seen as a base for ongoing clinical trials as well as groundwork for new approaches in the different layers of the proposed classification chain.<br />