IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-33597-7_43.html
   My bibliography  Save this book chapter

Klinische Evaluation eines Rollatormoduls zur sensorgestützten Haltungs- und Gangmustererkennung

In: Künstliche Intelligenz im Gesundheitswesen

Author

Listed:
  • Amit Choudhury

    (Klinik für Geriatrie und Frührehabilitation am Klinikum Bremen-Nord)

  • Christian Mandel

    (Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI), Cyber-Physical Systems Cartesium)

  • Karin Hochbaum

    (Geschäftsbereich Unternehmensentwicklung und Medizinstrategie der Gesundheit Nord GmbH, Klinikverbund)

  • Serge Autexier

    (Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI), Cyber-Physical Systems Cartesium)

  • Christoph Budelmann

    (Budelmann Elektronik GmbH)

Abstract

Zusammenfassung Vorgestellt wird die Entwicklung eines Rollatormoduls zur sensorgestützten Haltungs- und Gangmustererkennung sowie zur Sturzprävention. Mit dem Ziel der Sturzprävention werden bei geriatrischen Patienten pathologische Gangmuster erfasst und durch ein geeignetes Interface an den Patienten rückgemeldet, sodass eine Haltungskorrektur erfolgen kann. Der Klassifikationsansatz zeigt eine gute Übereinstimmung mit der klinischen Ganganalyse. Die Evaluation möglicher Benutzerinterfaces zeigt, dass sich ein Rückmeldungssystem basierend auf einfachen Leuchtdioden, die in den Rollatorhandgriffen integriert werden, als praktikabel erweist. In einer klinischen Interventionsstudie wurde die Praktikabilität und Benutzerfreundlichkeit des Gesamtsystems überprüft. Dabei stand die Benutzerfreundlichkeit, erfasst durch den System Usability Score SUS für Patienten und Therapeuten im Vordergrund. Darüber hinaus wurden die Veränderungen der Gangparameterklassifikationen im Verlauf der Therapie geprüft sowie die Qualität der Korrekturrückmeldung des Systems durch die zuständigen Therapeuten bewertet. Insgesamt zeigt der Ansatz gutes Potenzial, das Gangbild von Rollatornutzern im Alltag zu verbessern.

Suggested Citation

  • Amit Choudhury & Christian Mandel & Karin Hochbaum & Serge Autexier & Christoph Budelmann, 2022. "Klinische Evaluation eines Rollatormoduls zur sensorgestützten Haltungs- und Gangmustererkennung," Springer Books, in: Mario A. Pfannstiel (ed.), Künstliche Intelligenz im Gesundheitswesen, chapter 0, pages 881-905, Springer.
  • Handle: RePEc:spr:sprchp:978-3-658-33597-7_43
    DOI: 10.1007/978-3-658-33597-7_43
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a search for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-33597-7_43. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.