JP2020120807A - 転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム - Google Patents
転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム Download PDFInfo
- Publication number
- JP2020120807A JP2020120807A JP2019013483A JP2019013483A JP2020120807A JP 2020120807 A JP2020120807 A JP 2020120807A JP 2019013483 A JP2019013483 A JP 2019013483A JP 2019013483 A JP2019013483 A JP 2019013483A JP 2020120807 A JP2020120807 A JP 2020120807A
- Authority
- JP
- Japan
- Prior art keywords
- user
- risk
- value
- fall risk
- fall
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
【課題】簡易的な構成により転倒可能性を判断する際の予測の精度を向上させる。【解決手段】転倒リスク評価装置は、使用者に装着されるセンサから、加速度、速度、角速度又は変位に関するデータを取得すると共に、記憶装置から使用者の運動習慣に関するデータを取得するデータ取得部と、加速度、速度又は変位に関するデータに基づいて、変位の左右差を表す値を算出すると共に、左右差を表す値および運動習慣に関するデータを用いて使用者の転倒リスクを表す指標値を算出する指標算出部と、指標値に基づいて、使用者の転倒リスクを決定するリスク判定部とを備える。【選択図】図2
Description
本技術は、転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラムに関する。
従来、対象者が歩行中に転倒するのを予防するためのシステムが提案されていた(例えば、特許文献1)。本システムは、対象者の足に装着された検出装置であって、加速度及び角速度の少なくとも一方を検出する検出装置が検出した加速度及び角速度の少なくとも一方に関する情報を取得する取得手段と、取得した情報に基づいて、対象者が転倒可能性のある歩行状態にあるか否かを判別する判別手段と、対象者が転倒可能性のある歩行状態にあると判別した場合に、所定の情報を提供する提供手段とを備える。
歩行時のセンシングデータから対象者の転倒可能性を判断するのは容易ではなく、その精度の向上が望まれる。そこで、本発明は、簡易的な構成により転倒可能性を判断する際の予測の精度を向上させることを目的とする。
本発明に係る転倒リスク評価装置は、使用者に装着されるセンサから、加速度、速度、角速度又は変位に関するデータを取得すると共に、記憶装置から使用者の運動習慣に関するデータを取得するデータ取得部と、加速度、速度又は変位に関するデータに基づいて、使用者の動作の左右差を表す値を算出すると共に、左右差を表す値および運動習慣に関するデータを用いて使用者の転倒リスクを表す指標値を算出する指標算出部と、指標値に基づいて、使用者の転倒リスクを決定するリスク判定部とを備える。
このようにすれば、使用者にセンサを装着するという簡易的な構成により転倒のリスクを評価できる。また、動作の左右差および運動習慣という、転倒リスクの評価に有効な評価値を利用することで、評価の精度を向上させることができる。すなわち、簡易的な構成により転倒可能性を判断する際の予測の精度を向上させることができる。
また、具体的には、動作の左右差を表す値は、時間的な左右差と空間的な左右差を含むものであってもよい。単に歩幅の左右差等からは把握できない時間的かつ空間的な特徴を用いることで、リスクを評価の精度を向上させることができる。
また、左右差を表す値は、左右の足のステップで使用者の体幹部にかかる力の差に基づく値であってもよい。このようにすれば、使用者の例えば腰部(体幹部)にセンサを装着するという簡易的な構成により、動作の左右差を測定でき、転倒のリスクを評価できる。
また、左右差を表す値は、歩行周期の遊脚期における左右の足の高さの極小値の差に基づく値であってもよい。このような値も、転倒リスクの評価に有効な評価値であり、評価の精度を向上させることができる。
なお、課題を解決するための手段に記載の内容は、本発明の課題や技術的思想を逸脱しない範囲で可能な限り組み合わせることができる。また、課題を解決するための手段の内容は、コンピュータ等の装置若しくは複数の装置を含むシステム、コンピュータが実行する方法、又はコンピュータに実行させるプログラムとして提供することができる。該プログラムはネットワーク上で実行されるようにすることも可能である。なお、当該プログラムを保持する記録媒体を提供するようにしてもよい。
本発明によれば、簡易的な構成により転倒可能性を判断する際の予測の精度を向上させることができる。
以下、図面を参照しつつ本発明に係る実施形態の一例を説明する。
<実施形態1>
図1は、実施の形態に係る転倒リスク評価装置の一例を模式的に示す図である。転倒リスク評価装置1は、例えばベルトやズボンのウエスト等のような使用者の腰部に装着され、当該装置の変位に応じたセンシングデータを出力すると共に、センシングデータに基づいて使用者が転倒するリスクを評価する。具体的には、例えば加速度を測定すると共に、これを用いて使用者が転倒するリスクを評価する。また、リスクが所定の基準を超える場合は、転倒リスク評価装置1が備える出力装置または使用者が所持する他の装置等へ、警告を出力させるようにしてもよい。
図1は、実施の形態に係る転倒リスク評価装置の一例を模式的に示す図である。転倒リスク評価装置1は、例えばベルトやズボンのウエスト等のような使用者の腰部に装着され、当該装置の変位に応じたセンシングデータを出力すると共に、センシングデータに基づいて使用者が転倒するリスクを評価する。具体的には、例えば加速度を測定すると共に、これを用いて使用者が転倒するリスクを評価する。また、リスクが所定の基準を超える場合は、転倒リスク評価装置1が備える出力装置または使用者が所持する他の装置等へ、警告を出力させるようにしてもよい。
図2は、転倒リスク評価装置の一例を示す機能ブロック図である。転倒リスク評価装置1は、加速度センサ11と、記憶装置12と、出力装置13と、プロセッサ14とを備え、これらの構成要素が信号線15を介して接続されている。
加速度センサ11は、例えば3軸方向の加速度を測定するセンサ素子を備え、測定した加速度を示すデータを出力する。
記憶装置12は、例えば、RAM(Random Access Memory)、ROM(Read Only Memo
ry)等の主記憶装置、又はHDD(Hard-disk Drive)、SSD(Solid State Drive)、eMMC(embedded Multi-Media Card)、フラッシュメモリ等の補助記憶装置であり、
マイクロコントローラのようなプロセッサ14が備えるメモリであってもよい。また、主記憶装置は、センシングデータや後述する処理において中間的に生成されるデータをキャッシュしたり、プロセッサ14の作業領域を確保したりする。また、補助記憶装置は、本実施形態に係るプログラムやセンシングデータのログ、その他のデータを記憶する。
ry)等の主記憶装置、又はHDD(Hard-disk Drive)、SSD(Solid State Drive)、eMMC(embedded Multi-Media Card)、フラッシュメモリ等の補助記憶装置であり、
マイクロコントローラのようなプロセッサ14が備えるメモリであってもよい。また、主記憶装置は、センシングデータや後述する処理において中間的に生成されるデータをキャッシュしたり、プロセッサ14の作業領域を確保したりする。また、補助記憶装置は、本実施形態に係るプログラムやセンシングデータのログ、その他のデータを記憶する。
出力装置13は、転倒リスク評価装置1の使用者に警告を出力するための装置である。例えば、出力装置13は、音声を出力するスピーカー、光を出力するLED(Light Emitting Diode)、振動するバイブレーター等であってもよいし、使用者が所持するスマートフォンや携帯電話、その他の電子機器に対して警告を出力させるための信号を送信する通信モジュールであってもよい。
プロセッサ14は、CPU(Central Processing Unit)やマイクロコントローラ等の
演算処理装置であり、本実施形態に係るプログラムを実行することにより後述する処理を行う。図2の例では、プロセッサ14の中に機能ブロックを記載している。すなわち、プロセッサ14は、所定のプログラムを実行することにより、データ取得部141、指標算出部142及びリスク判定部143として機能する。データ取得部141は、加速度センサ11が出力する、加速度を示すセンシングデータを取得する。また、データ取得部141は、使用者の運動習慣に関するデータを取得する。運動習慣に関するデータは、例えば、予め記憶装置12に保持しておくようにしてもよいし、図示していない活動量計から取得するようにしてもよい。活動量計は、外部の装置であってもよいし、転倒リスク評価装置1のプロセッサ14が所定のプログラムに従って動作することで使用者の活動量を算出する機能部であってもよい。指標算出部142は、センシングデータを用いて、例えば加速度を二重積分し、使用者の動作に伴う自装置の変位を算出する。また、指標算出部142は、左右の足の動作に対応する体幹部の変位の差(「左右差指標」とも呼ぶものとする)を求める。リスク判定部143は、算出された左右差指標および取得された運動習慣に関するデータを用いて、使用者が転倒するリスクを表すスコアを算出し、例えば、スコアが所定の閾値を超える場合に出力装置13を介して警告を出力させる。
演算処理装置であり、本実施形態に係るプログラムを実行することにより後述する処理を行う。図2の例では、プロセッサ14の中に機能ブロックを記載している。すなわち、プロセッサ14は、所定のプログラムを実行することにより、データ取得部141、指標算出部142及びリスク判定部143として機能する。データ取得部141は、加速度センサ11が出力する、加速度を示すセンシングデータを取得する。また、データ取得部141は、使用者の運動習慣に関するデータを取得する。運動習慣に関するデータは、例えば、予め記憶装置12に保持しておくようにしてもよいし、図示していない活動量計から取得するようにしてもよい。活動量計は、外部の装置であってもよいし、転倒リスク評価装置1のプロセッサ14が所定のプログラムに従って動作することで使用者の活動量を算出する機能部であってもよい。指標算出部142は、センシングデータを用いて、例えば加速度を二重積分し、使用者の動作に伴う自装置の変位を算出する。また、指標算出部142は、左右の足の動作に対応する体幹部の変位の差(「左右差指標」とも呼ぶものとする)を求める。リスク判定部143は、算出された左右差指標および取得された運動習慣に関するデータを用いて、使用者が転倒するリスクを表すスコアを算出し、例えば、スコアが所定の閾値を超える場合に出力装置13を介して警告を出力させる。
<リスク評価の基準>
過去一年以内に転倒した経験を持つ被験者を含む高齢者にアンケートと健康計測を行って得たデータをもとに、重回帰分析を用いて転倒リスク評価モデルを作成した。その際、オーバーフィッティングを防止するため情報量規準を用いて説明変数の絞り込みを行った。説明変数としては、日常生活動作に関する不安感の有無や歩行速度等の歩行関連指標(歩行速度、歩幅、安定性、左右差、リズム感、姿勢等)、BMIや推定骨量等の体組成指標、歩行以外の運動能力(30秒間椅子立ち上がりテストや片足立ち等)、持病や服薬数、ふくらはぎ周囲長、握力、認知機能等を網羅的に評価した。
過去一年以内に転倒した経験を持つ被験者を含む高齢者にアンケートと健康計測を行って得たデータをもとに、重回帰分析を用いて転倒リスク評価モデルを作成した。その際、オーバーフィッティングを防止するため情報量規準を用いて説明変数の絞り込みを行った。説明変数としては、日常生活動作に関する不安感の有無や歩行速度等の歩行関連指標(歩行速度、歩幅、安定性、左右差、リズム感、姿勢等)、BMIや推定骨量等の体組成指標、歩行以外の運動能力(30秒間椅子立ち上がりテストや片足立ち等)、持病や服薬数、ふくらはぎ周囲長、握力、認知機能等を網羅的に評価した。
図3は、運動習慣および速歩における左右差指標を説明変数とした回帰モデルのROC(Receiver Operating Characteristic)曲線を示す図である。また、図4は、転倒履歴
の有無と、陰性または陽性と判断された件数を示す。図5は、分割表(混同行列)を示す。また、図3のAUC(Area under the curve:ROC曲線下の面積)は、分類器の性能の良さを表している。図3〜5からもわかる通り、本願の発明者は、身体的側面から転倒するリスクを評価するために、「左右差指標」と「運動習慣の有無」とが特に重要であることを見出した。本実施形態における「左右差指標」は、二足歩行が安定的に行われているかを表す指標であり、具体的には「空間的左右差」と「時間的左右差」を合計して提示するものであってもよい。
の有無と、陰性または陽性と判断された件数を示す。図5は、分割表(混同行列)を示す。また、図3のAUC(Area under the curve:ROC曲線下の面積)は、分類器の性能の良さを表している。図3〜5からもわかる通り、本願の発明者は、身体的側面から転倒するリスクを評価するために、「左右差指標」と「運動習慣の有無」とが特に重要であることを見出した。本実施形態における「左右差指標」は、二足歩行が安定的に行われているかを表す指標であり、具体的には「空間的左右差」と「時間的左右差」を合計して提示するものであってもよい。
図6は、ユーザの歩行における進行方向を前として、左右方向の変位をX軸に、上下方
向の変位をY軸にプロットした図である。図7は、同様のユーザの左右方向の変位をX軸に、前後方向の変位から歩行により前進したぶんの平均変位を除いたものをZ軸にプロットした図である。平均変位は、例えば、測定時点を基準とした所定期間における変位の移動平均である。「空間的左右差」は、歩行動作に伴って発生する体幹部の動揺に左右差がどの程度あるかを表す指標値であり、左右の足の使い方がどの程度異なっているかを把握するための指標の一例といえる。例えば、図7に示す、平面視において8の字を描く腰部の加速度センサの運動軌道が、水平面に対してどれだけ傾いているかを計算して「空間的左右差」指標とする。ただし、空間的左右差はこのような例には限られず、左右の足が描く軌道が描く領域の面積を算出し、左右の比を「空間的左右差」指標としてもよい。一般的には左右差がなければこの指標が0になり、左右差が大きくなるほど値が大きくなるように設定する。
向の変位をY軸にプロットした図である。図7は、同様のユーザの左右方向の変位をX軸に、前後方向の変位から歩行により前進したぶんの平均変位を除いたものをZ軸にプロットした図である。平均変位は、例えば、測定時点を基準とした所定期間における変位の移動平均である。「空間的左右差」は、歩行動作に伴って発生する体幹部の動揺に左右差がどの程度あるかを表す指標値であり、左右の足の使い方がどの程度異なっているかを把握するための指標の一例といえる。例えば、図7に示す、平面視において8の字を描く腰部の加速度センサの運動軌道が、水平面に対してどれだけ傾いているかを計算して「空間的左右差」指標とする。ただし、空間的左右差はこのような例には限られず、左右の足が描く軌道が描く領域の面積を算出し、左右の比を「空間的左右差」指標としてもよい。一般的には左右差がなければこの指標が0になり、左右差が大きくなるほど値が大きくなるように設定する。
「時間的左右差」は、例えば、左右の一方の足が着地してから次に同じ足が着地するまでに要した時間を分母、上記の一方の足が着地してから他方の足が着地するまでに要した時間を分子として比で表す指標とする。すなわち、左右差がない歩き方をしている場合の期待値は0.5になる。期待値からの乖離の程度を指標とすることも考えられる。
そして、「空間的左右差」と「時間的左右差」とを用いて「左右差指標」を求める。「左右指標値」の算出は既存の技術を利用して行うことができ、例えば以下の文献に記載されているような手法を利用してもよい。
”A study of gait acceleration and synchronization in healthy adult subjects” Mitsuru Yoneyama, Computer Methods in Biomechanics and Biomedical Engineering, Pages 1542-1552 | Received 11 Sep 2012, Accepted 22 Nov 2012, Published online: 23
Jan 2013
“Visualising gait symmetry/asymmetry from acceleration data” Mitsuru Yoneyama,
Computer Methods in Biomechanics and Biomedical Engineering, Pages 923-930 | Received 12 Sep 2013, Accepted 15 Oct 2013, Published online: 25 Nov 2013
”A study of gait acceleration and synchronization in healthy adult subjects” Mitsuru Yoneyama, Computer Methods in Biomechanics and Biomedical Engineering, Pages 1542-1552 | Received 11 Sep 2012, Accepted 22 Nov 2012, Published online: 23
Jan 2013
“Visualising gait symmetry/asymmetry from acceleration data” Mitsuru Yoneyama,
Computer Methods in Biomechanics and Biomedical Engineering, Pages 923-930 | Received 12 Sep 2013, Accepted 15 Oct 2013, Published online: 25 Nov 2013
このような左右差は、ユーザの日常の動作中にウェアラブルデバイスやモバイルデバイスで変位を求めることで容易に算出できる。また、単に歩幅の左右差等からは把握できない時間的かつ空間的な特徴を用いてリスクを評価できる。
「運動習慣の有無」は、ユーザが所定の運動を定期的に行っているか否かを表すデータである。具体的には、日常生活動作よりも強度的に大きい身体活動を行っているか否かを表すデータである。すなわち、運動機能における予備能(何かあった時にリカバーする力)の多寡を把握する指標といえる。例えば、「1週間に2回以上、1回に30分以上の運動を1年間以上継続しているか否か」を表すデータとしてもよい。
運動習慣の有無は、例えば質問調査(アンケート)により取得するようにしてもよい。
また、例えば国民健康・栄養調査の定義に倣い、4メッツ・時/週程度以上の運動をしている場合に運動習慣ありとしてもよい。この場合は、質問調査を行うことなく、メッツ推算機能の付いた歩数計や活動量計を利用して運動習慣の有無を把握するようにしてもよい。したがって、左右差指標と運動習慣の有無とをウェアラブルデバイスやモバイルデバイスを用いて求めることもできる。
<処理フロー>
図8は、本実施形態に係るリスク評価処理の一例を示す処理フロー図である。転倒リスク評価装置1のデータ取得部141は、加速度センサ11から加速度信号を取得する(図8:S1)。本ステップでは、例えば3軸方向の加速度を示す情報を取得し、例えば記憶
装置12に一時的に記憶させる。
図8は、本実施形態に係るリスク評価処理の一例を示す処理フロー図である。転倒リスク評価装置1のデータ取得部141は、加速度センサ11から加速度信号を取得する(図8:S1)。本ステップでは、例えば3軸方向の加速度を示す情報を取得し、例えば記憶
装置12に一時的に記憶させる。
また、データ取得部141は、所定の前処理を行う(図8:S2)。本ステップでは、被験者が正立した状態において転倒リスク評価装置1が鉛直方向からどの程度傾いているかを検出し、データの補正を行う。これにより、被験者の歩行姿勢を考慮した解析が可能になる。また、装置の誤装着を検出してデータの置換を行う。適宜ローパスフィルタやハイパスフィルタを用い、後の工程での精度の高い解析を容易にする。また、3軸の加速度センサから取得されるデータを、ユーザの進行方向や鉛直方向を基準とした値に補正するための回転行列を求めるようにしてもよい。
指標算出部142は、被験者の体幹部の軌道を算出する(図8:S3)。既存の技術により、例えば加速度を二重積分することにより変位を求めることができる。本ステップでは、まず、上述のユーザの姿勢を基準としたX、Y、Z軸方向の加速度信号から、それぞれの軸方向の時間平均値を減じ、ベースラインをゼロとする。そして、2軸上に変位の時間変化をプロットすることにより図6及び図7に示したような運動軌道を求める。
被験者の歩行動作に左右差があると運動軌道の左右対称性が崩れる。この結果、運動軌道から求める左右方向と、水平面上で移動方向に直交する軸として定義される左右方向に乖離が生じることがある。この乖離を運動軌道の回転角として求める。具体的な例は上述の文献に挙げられているが、歩行動作に伴い発生する体の動きが周期性を持つこと、及び通常の歩行動作においては上下方向や前後方向の動きに対して左右方向の動きが倍周期であること、を利用して2次元自己相関スペクトルを評価することで回転角の算出が可能である。なお、左右差がない場合の回転角の期待値はゼロである。
そして、指標算出部142は、歩行同調性の計算を行う(図8:S4)。歩行同調性は、左右の脚をリズムよく振っているかを表す指標であり、リズムが悪いと大きな値となるスコアを算出するものとする。図9は、歩行同調性を説明するための図である。上段の波形は、上下方向の位相信号の一例を示す。また、下段の波形は、下方への太線の矢印で数式を示すように位相シフトさせたものである。なお、Δt1は歩行動作が一周期行われるまでに要する時間であり、Δt2は、例えば右足が着地してから左足が着地するまでに要する時間である。
歩行同調性の評価において、“リズムが悪い”という表現に該当する指標は2つ考えられる。ひとつは同調性の乱れ、あるいは同調性の消失というべき指標であり、歩行リズムの再現性が悪く、動きに左右差があるというよりも、毎回同じような動作ができていない状況に該当する。
“リズムが悪い”ことを表すもう一つの指標が同調性のインバランスであり、「時間的左右差」に該当する。上記△t1と△t2の関係性で表現するなら、その比が再現性よく0.3になるような状況を説明する。図9下段の位相シフトにおける標準偏差であり、歩行の跛行度を表す。この例における「時間的左右差」指標は0〜0.5の値をとり、跛行がない(すなわち左右のバランスが正常)場合にゼロになる。
また、指標算出部142は、転倒リスクを示す評価値を算出する(図8:S5)。本ステップでは、上述した運動軌道の回転角と、歩行同調性のインバランスとに基づいて、左右差指標を求める。具体的には、回転角を度数単位に変換したものの絶対値に所定の係数を乗じた値と、インバランスASに所定の係数を乗じた値との和を左右バランスとする。
そして、左右バランスと上述した運動習慣の有無を示す情報とを説明変数として、例えば転倒リスクとの相関のある重回帰分析モデルを予め求めておき、S5においては、当該
モデルを用いて転倒リスクの大きさを表す指標値を算出する。
モデルを用いて転倒リスクの大きさを表す指標値を算出する。
また、リスク判定部143は、転倒リスクの有無を示す所定の条件を満たすか判断する(図8:S6)。本ステップでは、例えば、上記モデルを用いて算出した評価値が、所定の閾値を超える場合に、転倒リスクがあると判断する。
また、リスク判定部143は、転倒リスクがあると判断された場合(S6:YES)、ユーザに対して警告を出力する(図8:S7)。本ステップでは、例えば出力装置13を介してユーザに転倒リスクがあることを通知する。S7の後、又はS6において転倒リスクがないと判断された場合(S6:NO)、処理を終了する。なお、図8の処理は、継続的に繰り返し実行される。
<効果>
本実施形態によれば、使用者が装着することでその歩行状態を測定することができ、簡易的な構成により転倒のリスクを評価できる。また、特に左右差と運動習慣という、転倒リスクの評価に有効な評価値を利用することで、評価の精度を向上させることができる。すなわち、簡易的な構成により転倒可能性を判断する際の予測の精度を向上させることができる。
本実施形態によれば、使用者が装着することでその歩行状態を測定することができ、簡易的な構成により転倒のリスクを評価できる。また、特に左右差と運動習慣という、転倒リスクの評価に有効な評価値を利用することで、評価の精度を向上させることができる。すなわち、簡易的な構成により転倒可能性を判断する際の予測の精度を向上させることができる。
<実施形態2>
「左右差指標」は、上述のような指標値及び評価値には限定されない。図10は、第2の実施の形態に係る転倒リスク評価装置の一例を示す図である。転倒リスク評価装置2は、例えば使用者の靴の内部又は外部に装着され、足の動きに応じたセンシングデータを出力すると共に、センシングデータに基づいて使用者が転倒するリスクを評価する。具体的には、例えば加速度を測定すると共に、これを用いて使用者が転倒するリスクを評価する。また、リスクが所定の基準を超える場合は、転倒リスク評価装置2が備える出力装置または使用者が所持する他の装置等へ、警告を出力させるようにしてもよい。
「左右差指標」は、上述のような指標値及び評価値には限定されない。図10は、第2の実施の形態に係る転倒リスク評価装置の一例を示す図である。転倒リスク評価装置2は、例えば使用者の靴の内部又は外部に装着され、足の動きに応じたセンシングデータを出力すると共に、センシングデータに基づいて使用者が転倒するリスクを評価する。具体的には、例えば加速度を測定すると共に、これを用いて使用者が転倒するリスクを評価する。また、リスクが所定の基準を超える場合は、転倒リスク評価装置2が備える出力装置または使用者が所持する他の装置等へ、警告を出力させるようにしてもよい。
図11は、転倒リスク評価装置の一例を示す機能ブロック図である。転倒リスク評価装置2は、加速度センサ11と、記憶装置12と、出力装置13と、プロセッサ14とを備え、これらの構成要素が信号線15を介して接続されている。
加速度センサ11は、例えば3軸方向の加速度を測定するセンサ素子を備え、測定した加速度を示すデータを出力する。
記憶装置12は、例えば、RAM(Random Access Memory)、ROM(Read Only Memory)等の主記憶装置、又はHDD(Hard-disk Drive)、SSD(Solid State Drive)、eMMC(embedded Multi-Media Card)、フラッシュメモリ等の補助記憶装置であり、
マイクロコントローラのようなプロセッサ14が備えるメモリであってもよい。また、主記憶装置は、センシングデータや後述する処理において中間的に生成されるデータをキャッシュしたり、プロセッサ14の作業領域を確保したりする。また、補助記憶装置は、本実施形態に係るプログラムやセンシングデータのログ、その他のデータを記憶する。
マイクロコントローラのようなプロセッサ14が備えるメモリであってもよい。また、主記憶装置は、センシングデータや後述する処理において中間的に生成されるデータをキャッシュしたり、プロセッサ14の作業領域を確保したりする。また、補助記憶装置は、本実施形態に係るプログラムやセンシングデータのログ、その他のデータを記憶する。
出力装置13は、転倒リスク評価装置2の使用者に警告を出力するための装置である。例えば、出力装置13は、音声を出力するスピーカー、光を出力するLED(Light Emitting Diode)、振動するバイブレーター等であってもよいし、使用者が所持するスマートフォンや携帯電話、その他の電子機器に対して警告を出力させるための信号を送信する通信モジュールであってもよい。
プロセッサ14は、CPU(Central Processing Unit)やマイクロコントローラ等の
演算処理装置であり、本実施形態に係るプログラムを実行することにより後述する処理を行う。図11の例では、プロセッサ14の中に機能ブロックを記載している。すなわち、プロセッサ14は、所定のプログラムを実行することにより、データ取得部141、変位量算出部144及びリスク判定部143として機能する。データ取得部141は、加速度センサ11が出力する、加速度を示すセンシングデータを取得する。変位量算出部144は、センシングデータを用いて、例えば加速度を二重積分し、使用者の動作に伴う足先の変位を算出する。リスク判定部143は、算出された変位を用いて、使用者が転倒するリスクを判定し、例えば、所定の評価値が所定の閾値を超える場合に出力装置13を介して警告を出力させる。
演算処理装置であり、本実施形態に係るプログラムを実行することにより後述する処理を行う。図11の例では、プロセッサ14の中に機能ブロックを記載している。すなわち、プロセッサ14は、所定のプログラムを実行することにより、データ取得部141、変位量算出部144及びリスク判定部143として機能する。データ取得部141は、加速度センサ11が出力する、加速度を示すセンシングデータを取得する。変位量算出部144は、センシングデータを用いて、例えば加速度を二重積分し、使用者の動作に伴う足先の変位を算出する。リスク判定部143は、算出された変位を用いて、使用者が転倒するリスクを判定し、例えば、所定の評価値が所定の閾値を超える場合に出力装置13を介して警告を出力させる。
<リスク評価の基準>
図12は、人間の歩行周期について説明するための図である。図12は、ランチョ・ロス・アミーゴ方式における歩行周期を表しており、初期接地(1)、荷重応答期(2)、立脚中期(3)、立脚終期(4)、前遊脚期(5)、遊脚初期(6)、遊脚中期(7)、遊脚周期(8)からなる。初期接地(1)では、一方の脚が床面(又は地面)に接触する。荷重応答期(2)は、その後、他方の脚の足先が床面から離れるまでをいう。立脚中期(3)は、その後、一方の脚のかかとが床面から離れるまでをいう。立脚終期(4)は、その後、他方の脚が床面に接触するまでをいう。前遊脚期(5)は、その後、一方の脚の足先が床面から離れるまでをいう。遊脚初期(6)は、その後、側面視において両下腿が交差するまでをいう。遊脚中期(7)は、その後、一方の脚の下腿が床面に対して垂直になるまでをいう。遊脚後期(8)は、その後、一方の脚が床面に接触するまでをいう。その後は初期接地(1)に戻り、動作が繰り返される。
図12は、人間の歩行周期について説明するための図である。図12は、ランチョ・ロス・アミーゴ方式における歩行周期を表しており、初期接地(1)、荷重応答期(2)、立脚中期(3)、立脚終期(4)、前遊脚期(5)、遊脚初期(6)、遊脚中期(7)、遊脚周期(8)からなる。初期接地(1)では、一方の脚が床面(又は地面)に接触する。荷重応答期(2)は、その後、他方の脚の足先が床面から離れるまでをいう。立脚中期(3)は、その後、一方の脚のかかとが床面から離れるまでをいう。立脚終期(4)は、その後、他方の脚が床面に接触するまでをいう。前遊脚期(5)は、その後、一方の脚の足先が床面から離れるまでをいう。遊脚初期(6)は、その後、側面視において両下腿が交差するまでをいう。遊脚中期(7)は、その後、一方の脚の下腿が床面に対して垂直になるまでをいう。遊脚後期(8)は、その後、一方の脚が床面に接触するまでをいう。その後は初期接地(1)に戻り、動作が繰り返される。
本実施形態では、例えば、歩行中における使用者の足部の高さに基づいて転倒のリスクを評価する。具体的には、歩行周期の遊脚期(遊脚初期(6)から遊脚後期(8)まで)における使用者の足部の高さを用いて判断する。本実施形態では、特に遊脚期における足部の高さの極小値を、足先と床面との「クリアランス」又は「MFC(Minimum Foot Clearance)」とも呼ぶものとする。
図13は、遊脚期における足部の変位の一例を示す図である。図13の上部に示すグラフは、横軸が進行方向(X軸方向)の変位を表し、縦軸が鉛直方向(Z軸方向)の変位を表している。また、図13の下部に示す図は、グラフが表す足部の動作を模式的に表している。図13からわかるように、1つの遊脚期における足部の高さのグラフは、2つの極大値と、これらの間の極小値を含む。図13においては、矢印で極小値の大きさを示している。本実施形態では、この極小値の左右差を左右差指標として転倒リスクを評価する。左右差指標は、例えば、クリアランスの左右の平均値のうち高い方の値を低い方の値で除した値で表される、左右のクリアランスの比であってもよい。また、左右差指標は、クリアランスの左右の平均値のうち低い方の値に対する、左右の平均値の差の絶対値の割合であってもよい。なお、センサの出力から足の軌道を求める手法は、既存の技術を利用することができる。例えば、以下の文献に記載されているような手法を利用してもよい。
” Estimation of IMU and MARG orientation using agradient descent algorithm” Sebastian O.H. Madgwick, Andrew J.L. Harrison, Ravi Vaidyanathan, IEEE International Conference on Rehabilitation Robotics, Pages 179-185, June 29 - July 1, 2011
” Estimation of IMU and MARG orientation using agradient descent algorithm” Sebastian O.H. Madgwick, Andrew J.L. Harrison, Ravi Vaidyanathan, IEEE International Conference on Rehabilitation Robotics, Pages 179-185, June 29 - July 1, 2011
また、本実施形態では、リスク評価の基準として所定の閾値を設け、歩行中の足部のクリアランスの左右差指標が閾値を超える場合には転倒リスクが高いと判断する。
<処理フロー>
図14は、転倒リスク評価処理の一例を示す処理フロー図である。転倒リスク評価装置2のプロセッサ14は、図14に示すような処理を行う。なお、記憶装置12には、予め
リスク評価の基準となる所定の閾値が記憶されているものとする。
図14は、転倒リスク評価処理の一例を示す処理フロー図である。転倒リスク評価装置2のプロセッサ14は、図14に示すような処理を行う。なお、記憶装置12には、予め
リスク評価の基準となる所定の閾値が記憶されているものとする。
転倒リスク評価装置2のデータ取得部141は、加速度センサ11が測定した加速度を示すデータを取得する(図14:S11)。本ステップでは、少なくとも鉛直方向の加速度データを取得する。また、使用者の進行方向、使用者の左右方向の加速度データも取得するようにしてもよい。取得されたデータは、記憶装置12に保持される。
また、転倒リスク評価装置2の変位量算出部144は、取得された加速度を示すデータを用いて、使用者の足部の変位量を算出する(S12)。本ステップでは、変位量算出部144は、加速度を二重積分することにより移動距離を求める。また、本ステップでは、少なくとも鉛直方向の変位を算出するものとする。算出されたデータは、記憶装置12に保持される。
そして、転倒リスク評価装置2のリスク判定部143は、算出された変位量から、所定の評価値を求める(S13)。本ステップでは、リスク判定部143は、例えば、クリアランスの左右差指標を算出する。具体的には、左右差指標は、左右の平均値のうち高い方の値を低い方の値で除した値で表される、左右のクリアランスの比であってもよく、クリアランスの左右の平均値のうち低い方の値に対する、左右の平均値の差の絶対値の割合であってもよい。
その後、リスク判定部143は、評価値が所定の条件を満たすか判断する(S14)。本ステップでは、左右差指標が所定の基準よりも大きいか判断する。具体的には、リスク判定部143は、例えば、評価値が所定の閾値を超えるか判断する。所定の閾値は、例えば統計に基づいて決定された値であり、所定の基準に基づいて転倒のリスクが高いと判断される被験者に顕著な特徴と認められる基準値である。
評価値が所定の条件を満たすと判断された場合(S14:YES)、リスク判定部143は、出力装置13に警告を出力させる(S15)。本ステップでは、出力装置13を介して、音声、光、振動等を出力し、使用者に注意を促す。また、出力装置13は、使用者が所持するスマートフォンや携帯電話、その他の電子機器に対して無線信号等を出力し、これらの外部機器に警告を出力させるようにしてもよい。
S15の後、又はS14において評価値が所定の条件を満たさないと判断された場合(S14:NO)、リスク評価処理を終了する。なお、図14に示す転倒リスク評価処理は、転倒リスク評価装置2の稼動中において繰り返し実行される。
<効果>
本実施形態に係るリスク評価処理によれば、使用者が装着することでその歩行状態を測定することができ、簡易的な構成により転倒のリスクを評価できる。また、遊脚期における前記足部の高さの極小値(クリアランス)の左右差という、転倒リスクの評価に有効な評価値を利用することで、評価の精度を向上させることができる。すなわち、簡易的な構成により転倒可能性を判断する際の予測の精度を向上させることができる。
本実施形態に係るリスク評価処理によれば、使用者が装着することでその歩行状態を測定することができ、簡易的な構成により転倒のリスクを評価できる。また、遊脚期における前記足部の高さの極小値(クリアランス)の左右差という、転倒リスクの評価に有効な評価値を利用することで、評価の精度を向上させることができる。すなわち、簡易的な構成により転倒可能性を判断する際の予測の精度を向上させることができる。
<変形例>
転倒リスク評価装置1や転倒リスク評価装置2は、使用者の将来的な転倒リスクの程度を出力するようにしてもよい。本変形例においては、所定の運動を行った後における歩行中の足部のクリアランスに基づいて、例えば数年後の使用者の転倒のリスクの大きさを出力する。なお、所定の運動を行った後における歩行中の足部のクリアランスと、将来的な使用者の転倒のリスクの大きさとの関係は、予め統計に基づいて決定する。そして、例えば、所定の運動を行った後における歩行中の足部のクリアランスと、将来的なクリアラン
スの予測値又は使用者の転倒のリスクの大きさとの関係を、テーブルに保持させておく。なお、所定の運動を行った後における歩行中の足部のクリアランスを用いて、将来的なクリアランスの予測値を算出するための変換式を定義しておくようにしてもよい。このようなテーブルや変換式は、使用者の年齢又は年齢層ごとに定義しておき、使用者の年齢又は年齢層に応じたテーブルや変換式を用いるようにしてもよい。
転倒リスク評価装置1や転倒リスク評価装置2は、使用者の将来的な転倒リスクの程度を出力するようにしてもよい。本変形例においては、所定の運動を行った後における歩行中の足部のクリアランスに基づいて、例えば数年後の使用者の転倒のリスクの大きさを出力する。なお、所定の運動を行った後における歩行中の足部のクリアランスと、将来的な使用者の転倒のリスクの大きさとの関係は、予め統計に基づいて決定する。そして、例えば、所定の運動を行った後における歩行中の足部のクリアランスと、将来的なクリアラン
スの予測値又は使用者の転倒のリスクの大きさとの関係を、テーブルに保持させておく。なお、所定の運動を行った後における歩行中の足部のクリアランスを用いて、将来的なクリアランスの予測値を算出するための変換式を定義しておくようにしてもよい。このようなテーブルや変換式は、使用者の年齢又は年齢層ごとに定義しておき、使用者の年齢又は年齢層に応じたテーブルや変換式を用いるようにしてもよい。
このようにすれば、現状のリスクだけでなく将来的なリスクを評価することができ、予防医療に用いることができる。
また、左右差は、例えば歩行時の左右のバランスを表す指標であり、上述の例には限定されない。例えば、歩行時の腰部の回転の左右差を指標としてもよい。具体的には、使用者の体幹部に装着した角速度センサで角速度を測定し、角速度の最大値や平均値等を用いて定義される左右差指標を用いるようにしてもよい。
また、使用者が、日常的な歩行よりも速い速度で歩き、この速足の状態における測定値をセンサから取得するようにしてもよい。速足の状態における測定値の方が、転倒リスクとの相関が強く表れる。
なお、上述した実施形態の加速度センサに代えて、速度センサや変位センサを利用してもよい。上述した評価値は、加速度、速度又は変位に関する情報等に基づいて求めることができる。
上述の実施形態および変形例は例示であり、本発明は上述した構成には限定されない。また、実施形態および変形例に記載した内容は、本発明の課題や技術的思想を逸脱しない範囲で可能な限り組み合わせることができる。
また、本発明は、上述した処理を実行する方法やコンピュータプログラム、当該プログラムを記録した、コンピュータ読み取り可能な記録媒体を含む。当該プログラムが記録された記録媒体は、プログラムをコンピュータに実行させることにより、上述の処理が可能となる。
ここで、コンピュータ読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータから読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータから取り外し可能なものとしては、フレキシブルディスク、光磁気ディスク、光ディスク、磁気テープ、メモリカード等がある。また、コンピュータに固定された記録媒体としては、HDDやSSD(Solid State Drive)、ROM等がある。
1、2 :転倒リスク評価装置
141 :データ取得部
142 :指標算出部
143 :リスク判定部
144 :変位量算出部
141 :データ取得部
142 :指標算出部
143 :リスク判定部
144 :変位量算出部
Claims (6)
- 使用者に装着されるセンサから、加速度、速度、角速度又は変位に関するデータを取得すると共に、記憶装置から前記使用者の運動習慣に関するデータを取得するデータ取得部と、
前記加速度、速度、角速度又は変位に関するデータに基づいて、前記使用者の動作の左右差を表す値を算出すると共に、前記左右差を表す値および前記運動習慣に関するデータを用いて前記使用者の転倒リスクを表す指標値を算出する指標算出部と、
前記指標値に基づいて、前記使用者の転倒リスクを決定するリスク判定部と、
を備える転倒リスク評価装置。 - 前記左右差を表す値は、前記使用者の動作の時間的な左右差と空間的な左右差を含む
請求項1に記載の転倒リスク評価装置。 - 前記左右差を表す値は、左右の足のステップで前記使用者の体幹部にかかる力の差に基づく値である
請求項1又は2に記載の転倒リスク評価装置。 - 前記左右差を表す値は、歩行周期の遊脚期における左右の足の高さの極小値の差に基づく値である
請求項1に記載の転倒リスク評価装置。 - 使用者に装着されるセンサから、加速度、速度、角速度又は変位に関するデータを取得すると共に、記憶装置から前記使用者の運動習慣に関するデータを取得するデータ取得工程と、
前記加速度、速度、角速度又は変位に関するデータに基づいて、前記使用者の動作の左右差を表す値を算出すると共に、前記左右差を表す値および前記運動習慣に関するデータを用いて前記使用者の転倒リスクを表す指標値を算出する指標算出工程と、
前記指標値に基づいて、前記使用者の転倒リスクを決定するリスク判定工程と、
をコンピュータが実行する転倒リスク評価方法。 - 使用者に装着されるセンサから、加速度、速度、角速度又は変位に関するデータを取得すると共に、記憶装置から前記使用者の運動習慣に関するデータを取得するデータ取得工程と、
前記加速度、速度、角速度又は変位に関するデータに基づいて、前記使用者の動作の左右差を表す値を算出すると共に、前記左右差を表す値および前記運動習慣に関するデータを用いて前記使用者の転倒リスクを表す指標値を算出する指標算出工程と、
前記指標値に基づいて、前記使用者の転倒リスクを決定するリスク判定工程と、
をコンピュータに実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019013483A JP2020120807A (ja) | 2019-01-29 | 2019-01-29 | 転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019013483A JP2020120807A (ja) | 2019-01-29 | 2019-01-29 | 転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020120807A true JP2020120807A (ja) | 2020-08-13 |
Family
ID=71991489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019013483A Pending JP2020120807A (ja) | 2019-01-29 | 2019-01-29 | 転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2020120807A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114271578A (zh) * | 2021-12-24 | 2022-04-05 | 杭州电子科技大学 | 一种可检测脚步混乱的智能鞋及检测方法 |
WO2022133601A1 (en) * | 2020-12-22 | 2022-06-30 | B-Temia Inc. | Method and system for the generation and analysis of biomechanical data |
WO2023286106A1 (ja) * | 2021-07-12 | 2023-01-19 | 日本電気株式会社 | 歩容評価装置、歩容評価方法、歩容計測システム、および記録媒体 |
-
2019
- 2019-01-29 JP JP2019013483A patent/JP2020120807A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022133601A1 (en) * | 2020-12-22 | 2022-06-30 | B-Temia Inc. | Method and system for the generation and analysis of biomechanical data |
WO2023286106A1 (ja) * | 2021-07-12 | 2023-01-19 | 日本電気株式会社 | 歩容評価装置、歩容評価方法、歩容計測システム、および記録媒体 |
CN114271578A (zh) * | 2021-12-24 | 2022-04-05 | 杭州电子科技大学 | 一种可检测脚步混乱的智能鞋及检测方法 |
CN114271578B (zh) * | 2021-12-24 | 2024-03-26 | 杭州电子科技大学 | 一种可检测脚步混乱的智能鞋及检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6183906B2 (ja) | 歩容推定装置とそのプログラム、転倒危険度算出装置とそのプログラム | |
Yoneyama et al. | Accelerometry-based gait analysis and its application to Parkinson's disease assessment—part 1: detection of stride event | |
US20180264320A1 (en) | System and method for automatic location detection for wearable sensors | |
US11318035B2 (en) | Instrumented orthotic | |
US20130023798A1 (en) | Method for body-worn sensor based prospective evaluation of falls risk in community-dwelling elderly adults | |
CN109069066A (zh) | 可穿戴和连接的步态分析系统 | |
KR102010898B1 (ko) | 관성센서를 이용한 보행 분석 시스템 및 방법 | |
JP6881451B2 (ja) | 歩行状態判定装置、歩行状態判定システム、歩行状態判定方法及びプログラム | |
CN105992932A (zh) | 对在用户运动的测量结果中检测步行的改进 | |
US9659150B2 (en) | Method for assessing cognitive function and predicting cognitive decline through quantitative assessment of the TUG test | |
Hemmatpour et al. | A review on fall prediction and prevention system for personal devices: evaluation and experimental results | |
Majumder et al. | A multi-sensor approach for fall risk prediction and prevention in elderly | |
JP2020120807A (ja) | 転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム | |
KR101125672B1 (ko) | 운동패턴 분석방법 및 이를 이용한 운동량 산출장치 | |
Yodpijit et al. | The use of smartphone for gait analysis | |
JP2014033739A (ja) | 歩容測定装置、方法及びプログラム | |
JPWO2017065087A1 (ja) | 歩行状態検出装置及び歩行状態検出プログラム | |
JP2017148287A (ja) | つまずきリスクの評価方法 | |
JP6638860B2 (ja) | 情報処理システム、情報処理装置、および情報処理方法 | |
KR101553236B1 (ko) | 3축 가속도 센서를 이용한 실시간 운동측정장치 및 방법 | |
US20200107750A1 (en) | Method and system for assessing human movements | |
Lin et al. | An accelerometer-based festinating gait detection algorithm and its application to Parkinson's Disease development | |
JP6738249B2 (ja) | 歩行分析方法及び歩行分析装置 | |
US20230397841A1 (en) | Harmonic index estimation device, estimation system, harmonic index estimation method, and recording medium | |
WO2023127013A1 (ja) | 静的バランス推定装置、静的バランス推定システム、静的バランス推定方法、および記録媒体 |