JP2016512777A - 転倒を検出する方法及び転倒検出器 - Google Patents

Abstract

ユーザによる転倒を検出する方法が提供される。当該方法は、ユーザの動きの測定値から、前記ユーザが転倒イベントを経験した可能性があるかどうかを検出するステップと、転倒可能性イベントを検出した場合、前記転倒可能性イベントに関連付けられている前記ユーザのための、前記ユーザの活動レベル及び自律神経系（ＡＮＳ）応答の尺度を決定するステップと、前記の決定された活動レベル及び前記の決定されたＡＮＳ応答の尺度を、前記ユーザに関する活動レベル及びＡＮＳ応答を関連付けるユーザ・プロファイルと比較するステップと、前記比較の結果に基づいて、前記転倒可能性イベントが転倒であるかどうかを判定するステップと、を含む。

Description

本発明は、ユーザによる転倒を検出する方法及び同方法を実装する転倒検出器に関し、詳細には、増大した転倒検出信頼性を提供する、転倒を検出する方法及び転倒検出器に関する。

転倒は、毎年数百万人もの人々が経験するものであり、特に高齢者の間に重大な怪我をもたらしている。実際、転倒は、高齢者における死因の上位３つのうちの１つであると推定されている。転倒は、地面に対する体の突然で制御できない不測の下向きの動きであって、その後に衝突が続き、その後に体が地面に倒れ続けるものとして定義される。

緊急の際に助けを呼ぶためにユーザがボタンを押すことを要するパーソナル・ヘルプ・ボタン（ＰＨＢ：personal help button）が利用可能である。しかしながら、ユーザが、激しく転倒した場合（例えば、ユーザが強打して意識を失った場合）、ユーザは、ボタンを押すことができないであろう。これは、特にユーザが独りで生活している場合、相当な時間期間の間助けが来ないことを意味し得る。

１以上の動きセンサの出力を処理してユーザが転倒したかどうかを判定する転倒検出器も利用可能である。既存の体装着型転倒検出器のほとんどは、加速度計（通常は３次元における加速度を測定する加速度計）を利用して、加速度計により生成された時系列を処理することにより、転倒の発生を推定しようと試みる。いくつかの転倒検出器はまた、例えば、特許文献１に記載されているような空気圧センサも含み得る。転倒を検出すると、アラームが転倒検出器によりトリガされる。

一部の転倒検出器は、ユーザの首の周りにペンダントとして装着されるよう設計されているのに対し、他の転倒検出器は、例えば手首といった、ユーザの胴部又は手足に装着されるよう設計されている。しかしながら、手首は、複雑な動きパターンが可能であり、広範な動きを行う。これは、加速度計からの測定値の解析に基づく既存の転倒検出方法が、このタイプの転倒検出器に関して誤アラームの回数を最小限にしつつも十分高い検出率を提供するものではないことを意味する。

非特許文献１において、転倒はユーザの自律神経系において測定可能な応答を生じさせること、及び、皮膚抵抗及び心拍数の測定値を用いてユーザが転倒したかどうかを分類できることが示されている。

国際公開第２００４／１１４２４５号

"A new approach to improve the fall detection in elderly: monitoring of the autonomic nervous system activation" by R. Nocua, N. Noury, C. Gehin, A. Dittmar and E. McAdams; WC 2009, IFMBE Proceedings 25/VII, pp. 681-684, 2009

しかしながら、ストレスに対する心拍数及び皮膚抵抗等の生理的特性の応答又は身体的活動レベルの増大は、非常にユーザ固有なものであるため、心拍数及び皮膚抵抗の測定値を用いた転倒に対する自律神経系応答の評価は、いまだ許容可能な誤アラーム率を提供しないことが見出されている。

したがって、自律神経系応答（及び、時として特に交感神経系応答）を示し得る測定値を利用し、且つ、低減された誤アラーム率を提供する、転倒を検出する方法が必要とされている。

したがって、本発明の第１の態様に従うと、ユーザによる転倒を検出する方法が提供される。当該方法は、ユーザの動きの測定値から、ユーザが転倒イベントを経験した可能性があるかどうかを検出するステップと、転倒可能性イベントを検出した場合、転倒可能性イベントに関連付けられているユーザのための、ユーザの活動レベル及び自律神経系（ＡＮＳ）応答の尺度（measure）を決定するステップと、決定された活動レベル及び決定されたＡＮＳ応答の尺度を、ユーザに関する活動レベル及びＡＮＳ応答を関連付けるユーザ・プロファイルと比較するステップと、比較の結果に基づいて、転倒可能性イベントが転倒であるかどうかを判定するステップと、を含む。

いくつかの実施形態において、決定された活動レベル及び決定されたＡＮＳ応答の尺度をユーザ・プロファイルと比較するステップは、ユーザ・プロファイルを用いて、ユーザが決定された活動レベル及び決定されたＡＮＳ応答の尺度を有している尤度を決定することを含み、転倒可能性イベントが転倒であるかどうかを判定するステップは、決定された尤度を用いる。

いくつかの実施形態において、ユーザ・プロファイルは、ユーザに関する通常の活動レベル及び通常のＡＮＳ応答を関連付けるものであり、転倒可能性イベントが転倒であるかどうかを判定するステップは、決定された尤度が閾値未満である場合、転倒可能性イベントは転倒であると判定することと、決定された尤度が閾値以上である場合、転倒可能性イベントは転倒でないと判定することと、を含む。

いくつかの実施形態において、転倒可能性イベントは転倒であると判定され、転倒イベントは転倒ではなかったというインジケーションがその後に受信される場合、当該方法は、閾値を調整するステップをさらに含む。転倒イベントは転倒ではなかったというインジケーションは、ユーザによる転倒検出器への入力であってもよいし、転倒検出器に関連付けられたリモート・コンピュータから受信される信号であってもよい。

ユーザ・プロファイルは、活動レベル及びＡＮＳ応答の結合確率分布とすることができる。

当該方法は、（ｉ）複数の時間期間に関してユーザに関する活動レベル及びＡＮＳ応答の測定値のペアを取得するステップと、（ｉｉ）取得された測定値のペアから、ユーザに関する活動レベル及びＡＮＳ応答の結合分布を決定するステップと、により、ユーザに関する活動レベル及びＡＮＳ応答を関連付けるユーザ・プロファイルを決定するステップをさらに含む。

ユーザに関する活動レベル及びＡＮＳ応答を関連付けるユーザ・プロファイルを決定するステップは、ユーザに関する活動レベル及びＡＮＳ応答を関連付ける複数のユーザ・プロファイルを決定することを含んでもよく、複数のユーザ・プロファイルの各ユーザ・プロファイルは、１日の間の特定の時間期間に関する活動レベル及びＡＮＳ応答を関連付ける。

ユーザに関する活動レベル及びＡＮＳ応答を関連付けるユーザ・プロファイルを決定するステップは、ユーザの測定された活動レベルに応じて、ユーザの活動レベル及びＡＮＳ応答の測定値のペアを取得するステップを含んでもよい。

ユーザに関する活動レベル及びＡＮＳ応答の測定値のペアを取得するステップは、ユーザによる転倒可能性が検出される時間期間の間に取得される全ての測定値のペアを破棄することを含んでもよい。

ユーザに関する活動レベル及びＡＮＳ応答の測定値のペアを取得するステップはまた、測定されたＡＮＳ応答が交感神経系（ＳＮＳ）応答に対応しない場合、取得される全ての測定値のペアを破棄することを含んでもよい。

結合分布は、結合確率密度関数又は結合確率質量関数とすることができる。

いくつかの実施形態において、活動レベル及びＡＮＳ応答の尺度を決定するステップは、ユーザの動きの測定値から、活動レベル及び／又はＡＮＳ応答の尺度を決定することを含む。

他の実施形態において、活動レベル及びＡＮＳ応答の尺度を決定するステップは、ユーザの動きの測定値から、活動レベルを決定し、生理的特性センサによるユーザの生理的特性の測定値から、ＡＮＳ応答の尺度を決定することを含む。

好ましくは、ＡＮＳ応答の尺度は、ユーザの皮膚温度、皮膚伝導率、心拍数、及び任意の他の心臓に関連する特性のうちの１以上である。

さらに、ＡＮＳ応答は、心拍数の増加、血管の収縮、並びに、汗分泌の増加及び／又は活性化も測定されるかどうかに従って、ＳＮＳ応答として分類することができる。

好ましい実施形態において、ユーザが転倒イベントを経験した可能性があるかどうかを検出するステップは、ユーザの動きを測定することと、ユーザの動きの測定値を解析して、転倒に関連付けられている１以上の特徴を特定することと、を含む。

好ましくは、転倒に関連付けられている１以上の特徴は、（ｉ）高さ変化、（ｉｉ）衝突、（ｉｉｉ）自由落下、（ｉｖ）直立状態から水平状態への向きの変化、及び（ｖ）活動的でない期間から選択される。

本発明の第２の態様に従うと、コンピュータ・プログラム製品であって、当該コンピュータ・プログラム製品内に具現化されているコンピュータ読み取り可能コードを含むコンピュータ・プログラム製品が提供される。コンピュータ読み取り可能コードは、適切なコンピュータ又はプロセッサにより実行されたときにコンピュータ又はプロセッサが上述した方法を実行するように構成されている。

本発明の第３の態様に従うと、ユーザによる転倒を検出するための転倒検出器が提供される。当該転倒検出器は、ユーザの動きを測定するための動きセンサと、動きセンサからのユーザの動きの測定値から、ユーザが転倒イベントを経験した可能性があるかどうかを検出し、転倒可能性イベントを検出した場合、転倒可能性イベントに関連付けられているユーザのための、ユーザの活動レベル及び自律神経系（ＡＮＳ）応答の尺度を決定し、決定された活動レベル及び決定されたＡＮＳ応答の尺度を、ユーザに関する活動レベル及びＡＮＳ応答を関連付けるプロファイルと比較し、比較の結果に基づいて、転倒可能性イベントが転倒であるかどうかを判定するよう構成されているプロセッサと、を備える。

いくつかの実施形態において、プロセッサは、決定された活動レベル及び決定されたＡＮＳ応答の尺度をユーザ・プロファイルと比較して、ユーザが決定された活動レベル及び決定されたＡＮＳ応答の尺度を有している尤度を決定し、決定された尤度を用いて転倒可能性イベントが転倒であるかどうかを判定するよう構成されている。

いくつかの実施形態において、ユーザ・プロファイルが、ユーザに関する通常の活動レベル及び通常のＡＮＳ応答を関連付ける場合、プロセッサは、決定された尤度が閾値未満である場合、転倒可能性イベントは転倒であると判定し、決定された尤度が閾値以上である場合、転倒可能性イベントは転倒でないと判定するよう構成されている。

いくつかの実施形態において、プロセッサは、さらに、（ｉ）複数の時間期間に関してユーザに関する活動レベル及びＡＮＳ応答の測定値のペアを決定し、（ｉｉ）取得された測定値のペアから、ユーザに関する活動レベル及びＡＮＳ応答の結合分布を決定することにより、ユーザに関する活動レベル及びＡＮＳ応答を関連付けるユーザ・プロファイルを決定するよう構成されている。

いくつかの実施形態において、プロセッサは、さらに、ユーザに関する活動レベル及びＡＮＳ応答を関連付ける複数のユーザ・プロファイルを決定するよう構成されており、複数のユーザ・プロファイルの各ユーザ・プロファイルは、１日の間の特定の時間期間に関する活動レベル及びＡＮＳ応答を関連付ける。

プロセッサは、プロセッサがユーザによる転倒可能性を検出する時間期間の間に取得される、ユーザに関する活動レベル及びＡＮＳ応答の測定値のペアを破棄するよう構成されていてもよい。

いくつかの実施形態において、プロセッサは、ユーザの動きの測定値から、活動レベル及びＡＮＳ応答の尺度を決定するよう構成されている。

代替実施形態において、当該転倒検出器は、ユーザの生理的特性を測定するための生理的特性センサをさらに備え、プロセッサは、ユーザの動きの測定値から、活動レベルを決定し、生理的特性センサによる生理的特性の測定値から、ＡＮＳ応答の尺度を決定するよう構成されている。

好ましくは、ＡＮＳ応答の尺度は、ユーザの皮膚温度、皮膚伝導率、心拍数、及び任意の他の心臓に関連する特性のうちの１以上である。

好ましくは、プロセッサは、ユーザの動きの測定値を解析して、転倒に関連付けられている１以上の特徴を特定することにより、ユーザが転倒イベントを経験した可能性があるかどうかを検出するよう構成されている。

好ましくは、転倒に関連付けられている１以上の特徴は、（ｉ）高さ変化、（ｉｉ）衝突、（ｉｉｉ）自由落下、（ｉｖ）直立状態から水平状態への向きの変化、及び（ｖ）活動的でない期間から選択される。

図面を参照して、ほんの一例として本発明の例示的な実施形態について説明する。
本発明に従った転倒検出器のブロック図。 光電脈波センサからの例示的な信号を示すグラフ。 ユーザ・コンディショニング・プロファイルを生成する方法を示すフローチャート。 本発明の一実施形態に従った、転倒を検出する方法を示すフローチャート。 心拍数及び活動レベルの例示的な結合分布の等高線図。

背景技術のセクションで上述したように、手首装着型転倒検出器内の動きセンサからの測定値の解析に基づく既存の転倒検出方法は、本明細書において「日常生活活動（ＡＤＬ）」と呼ばれる、歩行、着座等の日常の活動中に発生する、ユーザによる転倒に関連付けられないユーザの手首の通常の動きである手首の動きに起因する誤アラームの回数を制限しつつも十分高い検出率を提供するものではないことが見出されている。

人が偶発的に転倒する場合、バランスを失ってから、地面と衝突し、転倒後に（おそらくは）立ち上がることができない間の転倒の過程は、ユーザのＡＮＳにおいて応答を生じさせる。この応答は、受けたストレスの結果として、ユーザの皮膚伝導率、皮膚温度、及び／又は心拍数の変化として測定することができる。しかしながら、動きセンサ測定値のみの解析からは転倒のように見えるかもしれない、着座すること又は椅子の上に意図的に「転倒する」こと等の動きは、このストレス応答を生じさせない。

したがって、自律神経系応答のインジケータとして心拍数及び皮膚伝導率等の生理的特性の測定値を用いることは、このような誤った転倒検出の一部を取り除くのを助け得る。というのは、例えば心拍数の大きな変化は、転倒中の体の「闘争・逃走（flight-or-fight）」反応又は結果として生じる外傷のいずれかに起因して、転倒イベントの周囲でしばしば生じ得るからである。

しかしながら、（例えば）心拍数は、非常にユーザ依存の尺度であり、安静時心拍数レベル及び高心拍数レベルは、例えば、人の健康、フィットネス・レベル、及び年齢等の多くのファクタに依存し得る。より良いコンディショニングを有する（例えば、より健康な）ユーザは、高レベルの身体的活動中、より悪いコンディショニングを有する、同様の活動に対してより高い心拍数を有するユーザよりも、低い心拍数を有する傾向がある。

したがって、本発明は、自律神経系（ＡＮＳ）応答を示す生理的特性の測定値を用いて転倒を検出するための改善された技術を提供する。詳細には、本発明は、ユーザの一般的コンディションを表すユーザのプロファイルであって、日常活動レベルをＡＮＳ応答の１つの尺度（又は、複数の尺度）に関連付けるユーザのプロファイルが規定され、次いで、転倒可能性イベントが検出されたときに（例えば、衝突がその後に続く自由落下が検出されたときに）、そのイベントが転倒であるか「ＡＤＬ」、すなわち、非転倒であるかを判定するために、現在の活動レベル及びＡＮＳ応答の１以上の尺度が上記プロファイルと比較されることを提供する。

図１において、本発明の一実施形態に従った転倒検出器２が示されている。本発明の好ましい実施形態において、転倒検出器２は、ユーザによりユーザの手首に装着されるよう設計されるが、本発明は、このような使用に限定されるものではなく、転倒検出器２は、代わりに、ユーザの腰部に装着されるよう設計されてもよいし、ユーザの胸部又は背中に装着されるよう設計されてもよいし、ユーザの首の周りにペンダントとして装着されるよう設計されてもよいし、ユーザのポケットに入れられて運ばれるよう設計されてもよいことが理解されよう。

この例示的な実施形態において、転倒検出器２は、プロセッサ８に接続される２つの動きセンサ−加速度計４及び圧力センサ６−を備える。プロセッサ８は、動きセンサ４、６から測定値を受信し、この測定値を処理して転倒検出器２のユーザが転倒した可能性があるかどうかを判定する。この実施形態において、２つの動きセンサが示されているが、代替実施形態に従った転倒検出器は、１つの動きセンサのみ（例えば、圧力センサ６は除去され加速度計４のみ）を備えてもよいことが理解されよう。さらなる実施形態において、転倒検出器２は、圧力センサ６に加えて、あるいは圧力センサ６の代わりに、ジャイロスコープ及び／又は１以上の筋電図（ＥＭＧ）センサを備えてもよい。

転倒検出器２はまた、転倒が検出された場合に、転倒検出器２が、アラーム信号を、転倒検出器２に関連付けられたベース・ステーション（ベース・ステーションは、次いで、アラームを発することができる、あるいはヘルスケア・プロバイダ又は緊急サービスから助けを呼ぶことができる）又は直接リモート・ステーション（例えば、ヘルスケア・プロバイダのコール・センタ内に配置されている）に送信することを可能にする送信機ユニット１０を備えるので、ユーザのために助けを呼ぶことができる。いくつかの実施形態において、転倒検出器２内のプロセッサ８は、ユーザが転倒した可能性があるかどうかを判定するためのアルゴリズムをセンサ４、６からのデータに対して実行しなくてもよい。代わりに、プロセッサ８及び送信機ユニット１０は、センサ４、６からの生データをベース・ステーションに提供することができ、ベース・ステーション内のプロセッサは、ユーザが転倒した可能性があるかどうかを判定するためのアルゴリズムをセンサ４、６からのデータに対して実行することができる。

転倒検出器２はまた、プロセッサ８に接続されるメモリ・モジュール１４であって、動きセンサ４、６からの測定データ、プロセッサ８により使用されるコンピュータ読み取り可能コード、及び／又は以下でより詳細に説明するユーザ・コンディショニング・プロファイルのためのデータを記憶することができるメモリ・モジュール１４を備える。

メモリ・モジュール１４は、最新の測定データのみを記憶してもよく、測定データはまた、送信機ユニット１０を用いて、記憶のために、ベース・ステーション上のリモート・サーバに送信されてもよいし、ベース・ステーションを介してリモート・サーバに送信されてもよいことが理解されよう。

転倒検出器２は、ユーザの１以上の生理的特性を測定するための１以上のセンサ１６をさらに備える。生理的特性は、皮膚温度、皮膚伝導率、心拍数、他の心臓に関連する特性、又は、イベントに対するユーザの自律神経系による応答を示し得る任意の他の生理的特性のうちのいずれかを含み得る。

センサ１６が皮膚伝導率を測定する手首装着型転倒検出器２において、センサ１６は、好ましくは、ユーザの手首の掌側でユーザの皮膚と接触するよう設けられる。いくつかの実施形態において、転倒検出器２は、ユーザの体の異なる位置に配置されるべき複数の皮膚伝導率センサ１６を備える。この場合、これら複数の皮膚伝導率センサ１６のうちの少なくとも１つは、転倒検出器２の残りのコンポーネントとは別のハウジングに一体化され得る。

当業者により理解されるように、心拍数及び他の心臓に関連する特性を測定するための適切なセンサ１６は、心電図（ＥＣＧ）デバイス又は光電脈波（ＰＰＧ）デバイスを含む。

ＥＣＧは、心臓の電気的活動を測定するのに対し、ＰＰＧは、心臓の心拍間隔（beat-to-beat interval）と相関性がある血液量の変化を測定する。また、ＰＰＧを使用して、血液の酸素飽和度を測定することもできる。ＡＮＳ応答と関連する、あるいはＡＮＳ応答を示す、ＰＰＧセンサにより生成される信号の別の有用な特徴は、動脈の伸展性と関連し、交感神経系の緊張のインジケータである、結果として生じる脈波の振幅である。

いくつかの実施形態において、例えば、測定される生理的特性が心拍数であり、転倒検出器２がユーザの手首に装着される場合、ユーザの腕において動脈を介する血液の脈動（pulsing）が、加速度計４からの信号において、心拍として検出可能であり得、この場合、その信号を処理してユーザの心拍数を抽出することができ、別の生理的特性センサ１６は必要とされないことが、当業者により理解されよう。

以下において、信号がユーザのＡＮＳ応答の有用な特徴を示し、ウェアラブル・デバイス２内に実装しやすい、ＰＰＧセンサ１６を備える本発明の一実施形態が提示される。知られているように、ＰＰＧセンサ１６は、通常、例えば９４０ｎｍといった所定の波長の光を人間の組織に送る、例えばＬＥＤといった光源と、透過光又は反射光に反応するフォトダイオード等の感光性センサと、から構成される。両センサが組織の同じ領域に適用される場合、反射光が測定される。光センサが、例えば、指先等の光源と反対の体の別の部分に配置される場合、透過光が測定される。血液量の増加は、反射光の量を増大させるともに、透過光の量を減少させるので、この２つの構成は、逆振幅関係（inverse amplitude relationship）を有する波形を生成する。

手首において測定された反射光の量を示す例示的なフィルタリングされた（ＤＣが除去された）ＰＰＧ波形が、図２に示されている。２つの連続するピーク（例えば、Ｐ_１及びＰ_２）の間の距離は、心拍間隔に対応するものであり、その逆数は、心拍数である。心拍数は、本明細書においてｒ（ｎ）で表され、毎分心拍数（ｂｐｍ）として測定される。

図１の実施形態には示されていないが、転倒検出器２は、ユーザが転倒したとプロセッサ８が判定した場合にプロセッサ８によりアクティブ化され得る可聴アラーム・ユニットをさらに備えてもよい。転倒検出器２はまた、ユーザが助けを必要とする場合にユーザが手動で可聴アラーム・ユニットをアクティブ化することを可能にする（あるいは、助けを必要としない場合に手動で可聴アラーム・ユニットを非アクティブ化することを可能にする）ボタン（図１には示されていない）を備えてもよい。

図示した実施形態において、転倒検出器２のコンポーネントの全ては、ユーザの皮膚と接触するように配置されることになる単一のハウジングに一体化される。例えば、転倒検出器の一部がユーザの首の周りに装着されるペンダントの形態である（したがって、常にユーザの皮膚と接触するわけではない）代替実施形態において、生理的特性センサ１６が、使用中ユーザの皮膚と接触し得るように、生理的特性センサ１６は、（１以上の動きセンサ（例えば、加速度計４及び圧力センサ６）を含む）ペンダントとは別個のハウジング内に設けられてもよい。

上述したように、転倒検出器２のユーザが転倒したかどうかを判定することの一部として、日常活動レベルをＡＮＳ応答の１つの尺度（又は、複数の尺度）に関連付けるユーザのプロファイルが必要とされる。図３は、ユーザ・コンディショニング・プロファイルを生成する方法を示している。この例示する実施形態において、ＡＮＳ応答の尺度として使用される生理的特性は、ｒ（ｎ）で表されるユーザの心拍数である。

最初のステップであるステップ１０１において、ユーザの活動レベル及びユーザのＡＮＳ応答の尺度（すなわち、この実施形態では心拍数）が、予め定められた間隔にわたって測定される。この間隔が、活動レベル及びＡＮＳ応答尺度のデータ・サンプルが計算されて利用可能である時間期間として定められる場合、予め定められた間隔の長さは、３０秒から１分の範囲を取り得る。しかしながら、重要なことは、十分多くの数のデータ点を収集するために、およそ５〜１０分の期間Ｐが定められ、Ｐは、連続的な間隔又は重なり合う間隔を含むことに留意することである。

活動レベルは、上記間隔にわたるユーザの活動（例えば、動き）のレベル及び／又はタイプの尺度であり、複数の方法により決定され得る。好ましい実施形態において、活動レベルは、転倒検出器２内の動きセンサ４、６からの信号から、プロセッサ８により決定される。他の実施形態において、ユーザが装着する、あるいは運ぶために、加速度計、ジャイロスコープ等といった１以上の動きセンサを含む別のデバイスが提供されてもよい。

活動レベルが、加速度計測定値から決定される場合、加速度計４からの信号は、一定間隔でサンプリングされ得る、３つの直交軸に沿った加速度値を表す。結果として生じる信号は、ｘ（ｎ）、ｙ（ｎ）、及びｚ（ｎ）で表され、ｎは、離散時間インデックスである。サンプリング周波数は、例えば、５０〜１５０Ｈｚの間に設定され得る。

１つの単純な実施形態において、瞬間活動レベルα（ｎ）は、加速度ベクトルの大きさ、すなわち、

により与えられ得る。

予め定められた間隔の活動レベルは、その間隔にわたって得られる複数の瞬間活動レベル測定値の平均値とすることができる。この場合、予め定められた間隔の活動レベルは、

で表され、１≦ｉ≦Ｎであり、Ｎは、それぞれが長さＴの加速度サンプルを有する予め定められた間隔の数である。心拍数も同様に、予め定められた間隔にわたって複数回サンプリングされ、予め定められた間隔の心拍数を

として与えるために平均化され得る。いくつかの実施形態において、

及び

は、

及び

により与えられる。ここで、ｍは、間隔ｉ内のサンプル・インデックスであり、これらの値を使用して、予め定められた間隔（１≦ｍ≦Ｔ）の活動レベル−心拍数ペア

を形成する。心拍数測定値は、加速度とは異なるサンプリング周波数でサンプリングされてよく、したがって、同じ時間間隔にわたる異なる数のサンプルに基づく。

予め定められた間隔の間の心拍数の別の尺度は、以下の式により定められ得る心拍数の平均変化率であってよい。

この尺度はまた、Ｔ個のサンプルにわたって測定されたＡＮＳ応答がＳＮＳ応答に対応するかどうか、すなわち、

であるかどうかを示し得る。

生３Ｄ加速度信号のノルムに基づく瞬間活動レベルに加えて、所定の時間期間（例えば１秒間）にわたるノルムの積分に基づくよりロバストな計算が用いられてもよい。上記のように、上記間隔をまたがる複数の時間期間に関する値の平均値が、活動レベル及びＡＮＳ応答の尺度として使用されてもよい。

活動レベルのよりロバストな推定を提供するために、ローパス・フィルタ、メディアン・フィルタ、又は移動平均フィルタを用いて生３Ｄ加速度信号のノルム（すなわち、式（１）に従ったノルム）をさらに処理することにより、活動レベルの他の尺度が、取得され得る。

上記で提供した活動レベルの尺度の代わりに、あるいは上記で提供した活動レベルの尺度に加えて、プロセッサ８は、動きセンサ４、６からの信号を処理して、活動中のユーザの姿勢（例えば、立っている、あるいは横たわっている）を判定することができる。この場合、α（ｎ）の値は、姿勢識別アルゴリズムの出力により与えられ、バイナリ値、すなわち、α（ｎ）＝（０，１）を取る。ここで、０は、横たわっていることに対応し、１は、立っていることに対応し得る。他の実施形態において、例えば、歩行、ランニング、着座等の複数のタイプの活動を分類することができるより複雑な姿勢／活動識別アルゴリズムが使用されてもよい。この場合、α（ｎ）は、複数の離散値を取り得る。動きセンサ信号からこうした姿勢及び／又は活動を判定するための適切なアルゴリズムは、当業者に知られるものであり、本明細書でさらに詳細に説明しない。

転倒検出器２により使用される活動レベルの尺度は、ロバスト性と計算複雑性及び電力消費とのトレードオフの観点で選択され得る。

ユーザ・コンディショニング・プロファイルを、転倒可能性イベントを転倒として分類することを支援するのに有用なものにするために、あるいは転倒のようなイベントをユーザの通常の活動として却下するのに有用なものにするために、図３における方法に従って生成されるユーザ・コンディショニング・プロファイルは、ユーザが通常の日常活動を行っているときに収集される活動レベル及び心拍数測定値から生成されるべきである。したがって、ステップ１０１において、活動レベル−心拍数ペア（α（ｎ），ｒ（ｎ））又は

が、予め定められた間隔に関して決定されると、ステップ１０３において、転倒可能性イベントが、予め定められた間隔の間に検出されたかどうかが判定される。転倒可能性イベントの検出については、ステップ２０３に関連して以下でより詳細に説明する。

転倒イベントが、活動レベル−心拍数ペア（α（ｎ），ｒ（ｎ））又は

が決定された予め定められた間隔内で検出された場合、そのペアは破棄され（ステップ１０５）、その測定値は、ユーザ・コンディショニング・プロファイルを生成する際に使用されない。したがって、方法はステップ１０１に戻り、活動レベル及びＡＮＳ応答の尺度が、次の予め定められた間隔に関して決定される。データは、１日に複数回、長さＰの期間の間（例えば、２時間おきに５〜１０分間）、収集され得るが、データが収集される頻度は、転倒検出器２の電力量（power budget）に依存し得る。

いくつかの実施形態において、長さＰのデータ収集期間は、ユーザのより代表的なプロファイルが維持されるように、ユーザの活動レベルに応じてトリガされ得る。例えば、システムが、ユーザの活動レベルが低い期間の間に、十分な活動レベル−心拍数ペア（α（ｎ），ｒ（ｎ））又は

を収集した場合、システムは、データを収集するのを開始してユーザのプロファイルを更新するためにユーザの活動レベルがより高くなる期間を待つ。このような実施形態は、ユーザが眠っている、あるいは活動的でないときにはユーザ・プロファイルは更新されないという利点を提供する。

予め定められた間隔の間に転倒イベントが検出されなかった場合、方法はステップ１０７に移り、活動レベル−心拍数ペア（α（ｎ），ｒ（ｎ））又は

が、以前に収集された活動レベル−心拍数ペアのセット（すなわち、以前の予め定められた間隔の間に収集されたペア）に追加される。

次いで、ステップ１０９において、活動レベル及びＡＮＳ応答（心拍数）の結合確率関数（これがユーザ・コンディショニング・プロファイルを表す）が、セット内の測定値から決定される。

いくつかの実施形態において、結合確率関数は、ｐ（α，ｒ）で表される結合確率密度関数（ｐｄｆ）であり、これは、セット内の活動レベル−心拍数ペアから推定され得る。

結合確率関数を決定するための例示的な技術は、Ｍ個の混合を含むガウス混合モデルを用い、以下の式により与えられる。

ここで、β_ｉは、混合要素ｉからα及びｒを得る（draw）確率を表し、すなわち、

であり、Θ＝｛θ１，θ２，．．．，θＭ｝である。

パラメータθ_ｉは、平均及び共分散により特徴付けられる基礎となるガウス密度関数を特徴付ける（describe）ものであり、すなわち、

であり、ここで、μｉは、２次元平均ベクトルであり、

は、混合要素ｉの２行２列の共分散行列であり、これらにより、

との結果になる。ここで、ｘ＝［α，ｒ］^Ｔである。

観測された活動レベル及び心拍数値に対する混合モデルの最大尤度を増加させるパラメータΘ及びβ_ｉは、当業者に知られている期待値最大化（ＥＭ）アルゴリズム等のアルゴリズムを用いて推定され得る。

一実施形態において、混合モデルは、最初にα及びｒの全ての観測された値を記憶することにより更新され、次いで、確率密度関数が、ＥＭアルゴリズムを用いて決定される。

別の実施形態において、これらの値は記憶されず、確率密度関数推定アルゴリズムの一バージョン（例えば、オンライン・バージョン）が、ｐ（α，ｒ｜Θ）を更新するために使用される。

確率密度関数の推定のために、他のアルゴリズム及びモデルが使用されてもよく、そのようなアルゴリズム及びモデルは、当業者に知られていることが理解されよう。

さらなる実施形態において、混合のＭ個の要素は、１日の異なる部分に割り当てられ、独立して更新され得る。ユーザの典型的な活動レベルは、１日を通じて変わり得るものであり（例えば、ユーザは、朝に定期的に散歩に出かけるが、午後はあまり活動的でないことがある）、したがって、１日の異なる部分についてそれぞれの関数（プロファイル）が存在し得るので、この実施形態は有用である。

メモリ・サイズに対する制約が存在し得るさらなる実施形態において、確率密度関数は、Ｘ個の新たな（α，ｒ）データ点を用いて更新する前に、最初にＸ個の最も古い（α，ｒ）データ点を破棄することにより更新される。いくつかの実装において、この再サンプリングは、それらデータ点のタイムスタンプに基づかなくてもよいが、代わりに、データ・セット内のその時点での最近傍値（the nearest neighbour）を置換することに基づく。

本発明のさらに別の実施形態において、心拍数測定値が、間隔ごとの平均心拍数に対応する場合、結果として生じる心拍数値は、最も近い５ごとの毎分心拍数に量子化され得（例えば、８７は８５になる）、活動レベルに対する別々の確率密度関数が、量子化された各値について推定される。

実際、確率関数は、離散データを用いて推定されるので、確率密度関数は、（離散的）確率質量関数により近似される。上述した方法以外の確率質量関数を推定する他の方法も存在し、効率化の目的のために、この推定の単純化された形態が実行されてもよいことが理解されよう。

ステップ１０９において、結合確率関数が決定されると、方法はステップ１０１に戻り、次の予め定められた間隔を待つ。

図４におけるフローチャートは、上述したプロファイルを利用する、本発明に従った、ユーザによる転倒を検出する方法を示している。ステップ２０１及びステップ２０３において、転倒検出器２は、ユーザの動きの測定値から、ユーザが転倒した可能性があるかどうかを判定する。

転倒検出器２内のプロセッサ８（又は、上述した代替実施形態ではベース・ステーション内のプロセッサ）は、動きセンサ測定値から、転倒に関連付けられる１つの特徴又は様々な特徴に関する値を抽出することにより、ユーザが転倒した可能性があるかどうかを判定する。したがって、ステップ２０１において、転倒検出器２により認識される加速度及び空気圧変化が、加速度計４及び空気圧センサ６を用いて測定され、ユーザが転倒した可能性があるかどうかを判定するために、これらの測定値がプロセッサ８により解析される。

転倒は、例えば、結果として大きな衝突をもたらしその後にユーザがあまり動けない期間が続く、約０．５〜１．５メートル（この範囲は、転倒検出器２が装着されることになる体の部分及びユーザの身長に応じて異なり得る）の高さの変化により、概して特徴付けられ得る。したがって、従来のように、転倒が発生したかどうかを判定するために、プロセッサ８は、センサ測定値を処理して、高さの変化（これは、通常は圧力センサ６からの測定値から導出されるが、圧力センサ６からの測定値とともに加速度計４からの測定値から導出されてもよいし、例えば、圧力センサ６が含まれない場合、代わりに加速度計４からの測定値から導出されてもよい）、高さの変化が生じる時間の周囲の最大活動レベル（すなわち、衝突）（これは、通常は加速度計４からの測定値から導出される）、及び衝突後のユーザが相対的に活動的でない期間（これも、通常は加速度計４からの測定値から導出される）を含む特徴に関する値を抽出する必要がある。他の特徴が検出アルゴリズムをさらに向上させ得ることが理解されよう。例えば、転倒時の向きの変化の検出は、信号が転倒に起因するものであるという尤度を高めることができる。

ユーザによる転倒可能性は、上記特徴のサブセット又は全てが測定値において特定される場合に特定され得る。すなわち、転倒可能性は、必要とされる高さ変化、衝突、及び活動的でない期間のうちの任意の１以上が測定値において検出される場合に特定され得る。

ステップ２０１においてプロセッサ８により実行される解析については、本明細書でさらに詳細に説明しないが、当業者は、加速度計測定値及び／又は圧力センサ測定値からユーザが転倒した可能性があるかどうかを判定するために適用できる様々なアルゴリズム及び技術を認識するであろう。

ステップ２０１において、転倒可能性が検出されなかった場合（すなわち、転倒の特徴が、加速度計４及び／又は圧力センサ６からの測定値から明らかでない場合、又は転倒可能性が検出されるために、転倒の不十分な特徴が存在する場合）、方法はステップ２０１に戻り、測定値の次のセットに対して繰り返す。

ステップ２０１／ステップ２０３において、転倒可能性が検出された場合、方法はステップ２０５に移り、プロセッサ８は、転倒可能性イベントに関連付けられているユーザの活動レベル及びユーザのＡＮＳ応答（例えば、心拍数）の尺度を決定する。活動レベル及びＡＮＳ応答の尺度は、転倒可能性イベントが発生する直前及び／又は転倒可能性イベントが発生した直後に収集される、適切なセンサ（例えば、加速度計４及び生理的特性センサ１６）からの測定値から決定され得る。適切なセンサからの測定値が処理される、転倒可能性イベントの前及び／又は後の時間の長さ（したがって、処理されるべき、センサからの測定データの量）は、転倒検出器２の電力量に依存し得る。いくつかの実施形態において、転倒可能性イベントの前の２分間における測定値及び／又は転倒可能性イベントの後の２分間における測定値が処理される。

活動レベル及びＡＮＳ応答の尺度は、図３のステップ１０１を参照して上述したように決定され得る。したがって、瞬間活動レベル及び瞬間的なＡＮＳ応答の尺度が決定され得るか、あるいは、予め定められた時間期間の活動レベルの平均値及びＡＮＳ応答の平均値が取得され得る。いくつかの実施形態において、プロセッサ８は、イベントをまたがる活動レベル及びＡＮＳ応答の変化の尺度を決定することができる、すなわち、プロセッサ８は、イベント前の活動レベル／心拍数尺度と、イベント後の活動レベル／心拍数尺度と、を決定して、その差を計算することができる。

いくつかの実施形態において、転倒可能性が、加速度計４の測定値及び／又は圧力センサ６の測定値の解析から検出されたときのみ（又は、単に少なくとも０．５メートルの高さの変化が圧力センサ６からの測定値において検出されたときのみ）、生理的特性センサ１６はアクティブ化されるので、転倒検出器２の電力消費を低減させることができる。ステップ２０１における解析は、プロセッサ８により、実質的にリアルタイムに、あるいはほんの少しの遅延をもって実行されるので、生理的特性センサ１６は、転倒イベントが発生した直後にアクティブ化される。加速度計４とは別のセンサを使用して活動レベルを決定する場合、その別のセンサは、上述した生理的特性センサと同じように、転倒可能性の検出後にアクティブ化される。

代替実施形態において、生理的特性センサ１６は、転倒検出器２が使用中であるときはいつでも（すなわち、転倒可能性がまだ検出されていないときでも）、絶えず又は頻繁に生理的特性を測定してもよい。このようにして、転倒可能性が検出されるとすぐに、プロセッサ８は、生理的特性測定値を利用することができる。再度、加速度計４とは別のセンサを使用して活動レベルを決定する場合、その別のセンサは、上述した生理的特性センサと同じように、転倒検出器２が使用中であるときはいつでも、絶えず又は頻繁にアクティブ化され得る。

ステップ２０７において、プロセッサ８は、決定された活動レベル及びＡＮＳ応答（例えば、心拍数）を、図３における方法に従って決定された、通常の日常活動を表すプロファイルと比較して、決定された活動レベル及びＡＮＳ応答がそのプロファイルと整合するかどうかを判定する。

いくつかの実施形態において、ステップ２０７は、プロファイルを用いて、ユーザが決定された活動レベル及びＡＮＳ応答を有して行動している尤度を決定することを含み得る。このような実施形態において、尤度値ｐ（ｘ_ｅ｜Θ）が計算され得る。ここで、ｘ_ｅ＝［α_ｅ，ｒ_ｅ］^Ｔは、ステップ２０５において決定される転倒可能性イベントを特徴付ける活動レベル及びＡＮＳ応答（例えば、心拍数）を表す。

他の実施形態において、対数尤度を計算して、例えば、ガウス・モデルが使用される場合の計算を単純化してもよい。

図５は、Ｍ＝３であるガウス混合モデルを用いた、ユーザの活動レベル及び心拍数（α_ｉ，ｒ_ｉ）の例示的な結合分布の等高線図である。この例において、活動レベルは、上記の式（１）を用いて計算され、値は、平均値を取り除いた後に１２８個のサンプルごとに平均化されている。一般に、最も外側の等高曲線の外側にあるデータ点（すなわち、活動レベル及び心拍数のペア（α_ｉ，ｒ_ｉ））は、低い尤度を有する。ユーザが所与の活動レベル及びＡＮＳ応答を有して行動している尤度は、この曲線からデータ点までの距離が増すとさらに低下する。

ステップ２０９において、プロセッサ８は、ステップ２０７の結果を用いて、ステップ２０１において検出された転倒可能性が、ユーザによる実際の転倒であるかどうかを判定する。

ステップ２０７において、決定された活動レベル及びＡＮＳ応答が、ユーザのコンディショニング及び通常の日常活動を表すプロファイルと整合すると判定された場合（例えば、決定された行動の尤度が高い場合）、その行動は、ユーザによる日常活動に関連している可能性が高く、転倒可能性イベントが「非転倒」として分類される。

しかしながら、ステップ２０７において、決定された活動レベル及びＡＮＳ応答が、プロファイルと整合しない（おそらくは活動レベルが低くＡＮＳ応答が異常である）と判定された場合、例えば、行動の尤度が低い場合、その行動は、ユーザによる通常の日常活動に関連していない可能性が高く、ステップ２０１において特定された転倒可能性イベントが、ユーザによる実際の転倒として分類される。

尤度ｐ（ｘ_ｅ｜Θ）が決定される上述したステップ２０７の実施形態において、実際の転倒は、外傷を生じさせていることがあり、しばしば、より高い心拍数を伴うがほとんど動きを伴わないので、ｐ（ｘ_ｅ｜Θ）の値は、転倒イベントに関して非常に低い。したがって、このような実施形態において、転倒可能性が実際の転倒であるかどうかを判定するために、ステップ２０７において計算された尤度関数ｐ（ｘ_ｅ｜Θ）の値が、閾値η_{ｔｈｒｅｓ}と比較される。ｐ（ｘ_ｅ｜Θ）の値が、閾値η_{ｔｈｒｅｓ}未満である場合、ステップ２０１において検出された転倒可能性イベントは、転倒として分類され得る。ｐ（ｘ_ｅ｜Θ）の値が、閾値η_{ｔｈｒｅｓ}以上である場合、ステップ２０１において検出された転倒可能性イベントは非転倒として分類される。

η_{ｔｈｒｅｓ}の値は、データに依存するものであり、現在の確率密度関数の広がり、又は、例えばガウス混合モデルが使用される場合には混合モデルの個々の成分に応じて設定され得る。閾値はまた、多数のユーザから収集された以前のデータに基づいてもよい。

閾値は、全般的なパフォーマンスを決定付け得るものであり、誤アラームの回数と実際の転倒の見逃された検出との間のトレードオフをしばしば伴う。閾値は、アプリケーションに必要とされる所与のレベルのパフォーマンスに達するよう設定されるべきである。

別の実施形態において、システムは、最初は、固定された閾値と、多数のユーザから収集された以前のトレーニング・データに基づく初期確率密度関数推定と、を用いてよいし、閾値は、最初は、年齢、運動性（mobility）、及びサブスクリプション時の全般的な心臓健康状態等のユーザの個人データを用いて設定されてよい。ユーザが、転倒検出器２上の別のプッシュ・ボタンを使用すること等のユーザ入力を介して、あるいは、例えば、転倒検出器２上の２以上のボタンを押下することにより、検出された転倒（すなわち、アラームがトリガされる場合）が実際には誤アラームであったかどうかを転倒検出器２に通知する転倒除去オプション（fall rejection option）に基づいて、閾値はその後更新され得る。このようにして、より個人向けにされた閾値が設定され得る。所定の動き特徴は、しばしば、ＡＤＬと実際の転倒とを依然として識別できないので、デバイスを補正するためにユーザ・フィードバックを使用する手法は、生理的データを使用しないシステムにおいて、あまり信頼性の高いものではないであろう。この場合、そのようなユーザ・フィードバック手法を使用することは、実際には、見逃される実際の転倒の増大をもたらす可能性がある。別の実施形態において、転倒検出器２に関連付けられている、コール・センタ内のコンピュータが、誤アラーム中に収集された活動レベル及び心拍数データに基づいて閾値を調整するために、転倒検出器２に信号を送信してもよい。

ユーザが転倒したと判定された場合、プロセッサ８は、ユーザのための助けを得るためにアラームをトリガすることができる。アラームをトリガした後、方法はステップ２０１に戻りユーザのモニタリングを続けることができる。ステップ２０９において、ユーザは転倒していないと判定された場合、アラーム又はアラートはトリガされず、方法はステップ２０１に戻りユーザのモニタリングを続ける。

したがって、従来の技術と比較して増大した転倒検出信頼性を提供する、転倒を検出する方法及び転倒検出器が提供される。

図面及び上記記載において、本発明を詳細に図示及び説明したが、このような図及び記載は、限定的なものではなく、例示的なものと考えられるべきである。本発明は、開示した実施形態に限定されるものではない。

開示した実施形態に対する他の変形が、図面、本開示、及び請求項を検討することから、特許請求される発明を実施する際に、当業者により理解され、もたらされ得る。請求項において、用語「備える（comprising）」は、他の要素又はステップを排除せず、不定冠詞「ａ」又は「ａｎ」は、複数を排除しない。単一のプロセッサ又は他のユニットが、請求項中に記載されたいくつかのアイテムの機能を満たしてもよい。所定の手段が相互に異なる従属請求項に記載されるという単なる事実は、これらの手段の組合せが有利に使用され得ないことを示すものではない。コンピュータ・プログラムは、他のハードウェアとともに提供される、あるいは他のハードウェアの一部として提供される光記憶媒体又はソリッドステート媒体等の適切な媒体上に記憶／配布され得るが、コンピュータ・プログラムはまた、インターネット又は他の有線通信システム若しくは無線通信システムを介して等、他の形態で配布されてもよい。請求項中のいかなる参照符号も、範囲を限定するものとして解釈されるべきではない。

Claims (20)

1. ユーザによる転倒を検出する方法であって、
   ユーザの動きの測定値から、前記ユーザが転倒イベントを経験した可能性があるかどうかを検出するステップと、
   転倒可能性イベントを検出した場合、前記転倒可能性イベントに関連付けられている前記ユーザのための、前記ユーザの活動レベル及び自律神経系（ＡＮＳ）応答の尺度を決定するステップと、
   前記の決定された活動レベル及び前記の決定されたＡＮＳ応答の尺度を、前記ユーザに関する活動レベル及びＡＮＳ応答を関連付けるユーザ・プロファイルと比較するステップと、
   前記比較の結果に基づいて、前記転倒可能性イベントが転倒であるかどうかを判定するステップと、
   を含む、方法。
2. 前記の決定された活動レベル及び前記の決定されたＡＮＳ応答の尺度をユーザ・プロファイルと比較する前記ステップは、前記ユーザ・プロファイルを用いて、前記ユーザが前記の決定された活動レベル及び前記の決定されたＡＮＳ応答の尺度を有している尤度を決定することを含み、前記転倒可能性イベントが転倒であるかどうかを判定する前記ステップは、前記の決定された尤度を用いる、請求項１記載の方法。
3. 前記ユーザ・プロファイルは、前記ユーザに関する通常の活動レベル及び通常のＡＮＳ応答を関連付けるものであり、前記転倒可能性イベントが転倒であるかどうかを判定する前記ステップは、前記の決定された尤度が閾値未満である場合、前記転倒可能性イベントは転倒であると判定することと、前記の決定された尤度が閾値以上である場合、前記転倒可能性イベントは転倒でないと判定することと、を含む、請求項２記載の方法。
4. 前記転倒可能性イベントは転倒であると判定され、前記転倒イベントは転倒ではなかったというインジケーションがその後に受信される場合、当該方法は、前記閾値を調整するステップをさらに含む、請求項３記載の方法。
5. 前記転倒イベントは転倒ではなかったという前記インジケーションは、前記ユーザによる転倒検出器への入力であるか、又は前記転倒検出器に関連付けられたリモート・コンピュータから受信される信号である、請求項４記載の方法。
6. （ｉ）複数の時間期間に関して前記ユーザに関する活動レベル及びＡＮＳ応答の測定値のペアを取得するステップと、
   （ｉｉ）前記の取得された測定値のペアから、前記ユーザに関する活動レベル及びＡＮＳ応答の結合分布を決定するステップと、
   により、前記ユーザに関する前記活動レベル及び前記ＡＮＳ応答を関連付ける前記ユーザ・プロファイルを決定するステップをさらに含む、請求項１乃至５いずれか一項記載の方法。
7. 前記ユーザに関する前記活動レベル及び前記ＡＮＳ応答を関連付ける前記ユーザ・プロファイルを決定する前記ステップは、前記ユーザに関する活動レベル及びＡＮＳ応答を関連付ける複数のユーザ・プロファイルを決定することを含み、前記複数のユーザ・プロファイルの各ユーザ・プロファイルは、１日の間の特定の時間期間に関する前記活動レベル及び前記ＡＮＳ応答を関連付ける、請求項６記載の方法。
8. 前記ユーザに関する活動レベル及びＡＮＳ応答の測定値のペアを取得する前記ステップは、前記ユーザによる転倒可能性が検出される時間期間の間に取得される全ての測定値のペアを破棄することを含む、請求項６又は７記載の方法。
9. 活動レベル及びＡＮＳ応答の尺度を決定する前記ステップは、前記ユーザの前記動きの前記測定値から、前記活動レベル及び／又は前記ＡＮＳ応答の尺度を決定することを含む、請求項１乃至８いずれか一項記載の方法。
10. 活動レベル及びＡＮＳ応答の尺度を決定する前記ステップは、前記ユーザの前記動きの前記測定値から、前記活動レベルを決定し、生理的特性センサによる前記ユーザの生理的特性の測定値から、前記ＡＮＳ応答の尺度を決定することを含む、請求項１乃至８いずれか一項記載の方法。
11. 前記ＡＮＳ応答の尺度は、前記ユーザの皮膚温度、皮膚伝導率、筋電図、心拍数、及び任意の他の心臓に関連する特性のうちの１以上である、請求項１乃至１０いずれか一項記載の方法。
12. 前記ユーザが転倒イベントを経験した可能性があるかどうかを検出する前記ステップは、
    前記ユーザの前記動きを測定することと、
    前記ユーザの前記動きの前記測定値を解析して、転倒に関連付けられている１以上の特徴を特定することと、
    を含む、請求項１乃至１１いずれか一項記載の方法。
13. 転倒に関連付けられている前記１以上の特徴は、（ｉ）高さ変化、（ｉｉ）衝突、（ｉｉｉ）自由落下、（ｉｖ）直立状態から水平状態への向きの変化、及び（ｖ）活動的でない期間から選択される、請求項１２記載の方法。
14. 適切なコンピュータ又はプロセッサにより実行されたときに前記コンピュータ又は前記プロセッサが請求項１乃至１３いずれか一項記載の方法を実行するように構成されているコンピュータ読み取り可能コードを含むコンピュータ・プログラム。
15. ユーザによる転倒を検出するための転倒検出器であって、
    前記ユーザの動きを測定するための動きセンサと、
    前記動きセンサからの前記ユーザの前記動きの測定値から、前記ユーザが転倒イベントを経験した可能性があるかどうかを検出し、
    転倒可能性イベントを検出した場合、前記転倒可能性イベントに関連付けられている前記ユーザのための、前記ユーザの活動レベル及び自律神経系（ＡＮＳ）応答の尺度を決定し、
    前記の決定された活動レベル及び前記の決定されたＡＮＳ応答の尺度を、前記ユーザに関する活動レベル及びＡＮＳ応答を関連付けるプロファイルと比較し、
    前記比較の結果に基づいて、前記転倒可能性イベントが転倒であるかどうかを判定する
    よう構成されているプロセッサと、
    を備える、転倒検出器。
16. 前記動きセンサは、加速度計又は空気圧センサである、請求項１５記載の転倒検出器。
17. 前記ＡＮＳ応答の尺度は、前記加速度計又は前記空気圧センサの測定値に基づく、請求項１６記載の転倒検出器。
18. 前記ＡＮＳ応答の尺度を決定するための、皮膚伝導率センサ、皮膚温度センサ、又は心拍数センサをさらに備える、請求項１５又は１６記載の転倒検出器。
19. 前記比較の結果に基づいて判定された前記転倒が誤アラームであったかどうかを前記ユーザが当該転倒検出器に通知することを可能にするユーザ・インタフェースを備える、請求項１５乃至１８いずれか一項記載の転倒検出器。
20. 前記の決定された活動レベル及び前記の決定されたＡＮＳ応答の尺度と、前記ユーザに関する活動レベル及びＡＮＳ応答を関連付けるプロファイルと、の前記比較の結果は、閾値に依存し、前記プロセッサは、前記の判定された転倒が誤アラームであったと前記ユーザが当該転倒検出器に通知したことに応じて、前記閾値を調整するよう構成されている、請求項１９記載の転倒検出器。

Images