KR101974831B1 - 낙상위험 평가방법 및 이를 위한 사용자 단말기 - Google Patents

Abstract

낙상위험 평가방법 및 이를 위한 사용자 단말기를 개시한다.
본 발명의 실시예에 의하면, 낙상위험을 평가함에 있어, 휴대 가능한 관성센서 및 사용자 단말기를 이용하여 장소의 제약 없이 저비용으로 사용자가 용이하게 자가 진단을 할 수 있는 방법을 제공하는 데 주된 목적이 있다.

Description

낙상위험 평가방법 및 이를 위한 사용자 단말기{Method for Assessing Fall Risk and User Terminal therefor}

본 실시예는 낙상위험을 평가하기 위한 사용자 단말기 및 사용자 단말기를 이용한 낙상위험 평가방법에 관한 것이다.

이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.

낙상은 의식의 손실이나 손상 없이 갑자기 낮은 높이 혹은 바닥으로 넘어지는 사건으로 정의할 수 있다. 낙상을 증가시키는 요인으로는 생리학적 요인, 내재성 요인, 외재성 요인으로 다양하며, 치매, 뇌졸중, 파킨슨병과 같은 신경계질환을 포함하여 하지근력약화, 골밀도 감소, 균형능력이나 보행능력 감소, 시력감퇴, 심혈관계 질환, 심리적인 문제, 약물 복용 등의 다양하고 복합적인 원인에 의한다.

65세 이상의 노인의 약 1/3이 매년 한 번 이상의 낙상을 경험하는데, 청장년층의 낙상과는 달리 골절, 탈구, 관절염 등의 심각한 합병증을 초래하며 심한 경우에는 사망까지 초래할 수도 있다. 낙상으로 인해 외적인 손상이 없다고 하더라도 낙상 경험에서 나온 두려움과 공포를 기억하는 노인은 일상생활 동작을 수행하는 데에 큰 어려움을 겪는다.

노인의 낙상으로 인한 외적 손상 및 심리적 공포를 줄이기 위해서 미리 낙상 가능성을 판단하기 위한 의료장비들이 존재한다. 예를 들어, 균형능력을 정량적으로 평가할 수 있는 힘판(Force Plate) 등을 포함한 압력센서 기반의 장치/시스템이 존재한다. 그러나, 압력센서 기반 장치/시스템은 대부분 고가의 장비이고 크기가 커서 사용하기 번거로우며, 연구실 등 일정 장소에 고정되어 사용된다. 이러한 점에서 기존의 장비들은 일상생활 속에서 손쉽게 이용될 수 없다는 단점이 있다. 또한, 기존 장비들의 대다수는 검사자가 낙상위험군에 속하는 지 여부를 판단하는데 그쳐 다양한 낙상위험요인을 파악함으로써 근본적인 낙상예방 효과를 제공하는 데에는 충분치 못한 점이 있다.

본 발명의 실시예들은 낙상위험을 평가함에 있어, 휴대 가능한 관성센서 및 사용자 단말기를 이용하여 장소의 제약 없이 저비용으로 사용자가 용이하게 자가 진단을 할 수 있는 방법을 제공하는 데 주된 목적이 있다.

본 발명의 실시예에 의하면, 낙상위험을 평가하기 위한 사용자 단말기에 있어서, 사용자가 낙상위험평가를 위한 하나 이상의 테스트들을 수행하는 동안 사용자의 신체에 부착된 하나 이상의 관성센서들로부터 센서데이터 및 일부 테스트에 대한 사용자의 입력데이터를 수집하는 데이터 수집부, 센서데이터를 기반으로 낙상위험평가의 근거가 되는 하나 이상의 낙상위험척도들을 도출하는 낙상위험척도 도출부, 및 낙상위험척도들을 미리 구성된 하나 이상의 낙상위험 평가모델들에 적용하여 사용자의 낙상 가능성 및 사용자에 내재하는 하나 이상의 낙상위험요인을 판단하는 낙상위험 평가부를 포함하는 사용자 단말기를 제공한다.

본 발명의 실시예에 의하면, 사용자 단말기를 이용하여 낙상위험을 평가하는 방법에 있어서, 사용자가 낙상위험평가를 위한 하나 이상의 테스트들을 수행하는 동안 사용자의 신체에 부착된 하나 이상의 관성센서들로부터 센서데이터 및 일부 테스트에 대한 사용자의 입력데이터를 수집하는 과정, 센서데이터를 기반으로 낙상위험평가의 근거가 되는 하나 이상의 낙상위험척도들을 도출하는 과정, 및 낙상위험척도들을 미리 구성된 하나 이상의 낙상위험 평가모델들에 적용하여 사용자의 낙상 가능성 및 사용자에 내재하는 하나 이상의 낙상위험요인을 판단하는 과정을 포함하는 낙상위험 평가방법을 제공한다.

이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, 낙상위험을 평가함에 있어, 휴대 가능한 관성센서 및 사용자 단말기를 이용하여 장소의 제약 없이 저비용으로 사용자가 용이하게 자가 진단을 할 수 있는 효과가 있다.

본 발명의 실시예에 따르면, 낙상의 위험이 높은 환자들(예: 뇌졸중 환자 등) 및 노인들도 일상 생활에서 용이하게 낙상 위험에 대한 자가 평가/진단을 가능하게 함으로써 사전에 낙상을 예방하고 지속적으로 낙상위험을 관리할 수 있는 효과가 있다.

본 발명의 실시예에 따르면, 낙상 가능성뿐만 아니라 검사자에 내재하는 낙상위험요인까지도 진단하므로 낙상위험을 근본적으로 예방하고, 낙상 고위험군에 속하는 자들의 삶의 질을 향상시키는 효과가 있다.

본 발명의 실시예에 따르면, 모바일 단말기 등과 같은 사용자 단말기를 이용하여 저비용으로 간단히 낙상위험을 평가함으로써 헬스 케어 시스템에 투입되는 비용을 절감하는 효과가 있다.

도 1은 본 발명의 실시예에 따른 낙상위험 평가시스템의 개략적인 구성도이다.
도 2는 본 발명의 실시예에 따른 사용자 단말기의 구성도이다.
도 3은 본 발명의 실시예와 관련된 낙상위험요인, 테스트 프로토콜 및 낙상위험척도의 예시도이다.
도 4는 본 발명의 실시예와 관련된 센서데이터 및 특징점을 나타내는 예시도이다.
도 5는 본 발명의 실시예에 따른 사용자 단말기에 표시되는 낙상위험 평가결과 화면의 예시도이다.
도 6은 본 발명의 실시예에 따른 낙상위험 평가방법을 나타내는 흐름도이다.

이하, 본 발명의 일부 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 본 발명을 설명함에 있어, '…부', '모듈' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

본 발명의 실시예는 낙상위험을 평가함에 있어, 휴대 가능한 관성센서 및 사용자 단말기를 이용하여 장소의 제약 없이 저비용으로 사용자가 용이하게 자가 진단을 할 수 있는 방법 및 그 방법을 수행하는 사용자 단말기를 제안한다.

도 1은 본 발명의 실시예에 따른 낙상위험 평가시스템의 개략적인 구성도이다.

도 1을 참조하면, 본 발명의 실시예에 따른 낙상위험 평가시스템(100)은 하나 이상의 관성센서(110), 통신 네트워크(120) 및 사용자 단말기(130)를 포함한다.

관성센서들(Inertial Sensors, 110)은 사용자의 신체에 부착되어 가속도, 각속도 및 자속 등을 측정하여 센서데이터를 생성한다. 예를 들어, 하지 각속도를 측정하기 위해 관성센서들은 사용자의 골반, 하지(legs)의 좌우 및 상하부 부착되어 센서데이터를 생성할 수 있다.

관성센서(110)에는 예컨대, 가속도센서, 자이로스코프 및 지자기센서 등이 포함될 수 있다. 다만, 반드시 이에 한정되는 것은 아니며 측정대상인 이동 물체의 가속도, 각속도, 방향, 중력 등을 측정할 수 있는 다양한 형태의 센서가 포함될 수 있다.

통신 네트워크(120)는 하나 이상의 관성센서들(110)과 사용자 단말기(130)를 연결하여 센서데이터를 포함한 여러 정보의 교환을 가능하게 하는 유무선 통신 네트워크이다. 무선통신은 예를 들어, LTE(Long-Term Evolution), LTE-A(LTE Advance), CDMA(Code Division Multiple Access), WCDMA(Wideband CDMA), UMTS(Universal Mobile Telecommunications System), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 포함할 수 있다. 무선통신은 근거리 통신도 포함할 수 있다. 근거리 통신은 예를 들어, WiFi(Wireless Fidelity), 블루투스(Bluetooth), NFC(Near Field Communication), 또는 GNSS(Global Navigation Satellite System) 등 중 적어도 하나를 포함할 수 있다. 유선통신은 예를 들어, USB(Universal Serial Bus), HDMI(High Definition Multimedia Interface), RS-232(Recommended Standard 232), 또는 POTS(Plain Old Telephone Service) 등 중 적어도 하나를 포함할 수 있다.

사용자 단말기(130)는 통신 네트워크(120)를 경유하여 하나 이상의 관성센서들(110)로부터 센서데이터를 수신하고 하나 이상의 관성센서들(110)로 제어신호를 송신할 수 있는 전자 장치이다. 사용자 단말기(10)는 태블릿 PC(Tablet PC), 랩톱(Laptop), 개인용 컴퓨터(PC: Personal Computer), 스마트폰(Smart Phone), 개인휴대용 정보단말기(PDA: Personal Digital Assistant) 및 이동통신 단말기(Mobile Communication Terminal) 등 중 어느 하나일 수 있다.

사용자 단말기(130)는 사용자가 낙상위험평가를 위한 테스트를 수행하는 동안 하나 이상의 관성센서들(110)로부터 센서데이터 및 사용자의 입력데이터를 수집하여 관성센서들(110)을 착용한 사용자의 낙상위험을 평가하기 위한 척도들(measures)을 도출하고, 도출한 척도들을 이용하여 낙상 가능성 및 낙상위험요인을 판단하는 애플리케이션(132)을 탑재한 단말장치이다.

여기서, 애플리케이션(132)의 탑재 형태는 임베디드(Embedded) 형태는 물론, 사용자의 조작 또는 명령에 의해 사용자 단말기(130) 내의 OS에 인스톨되는 형태를 모두 포함한다.

본 실시예에 따른 사용자 단말기(130)는 탑재된 애플리케이션(132)을 이용하여 사용자의 낙상위험을 평가하는 동작을 수행한다.

이하, 도 2를 참조하여 본 발명의 실시예에 따른 사용자 단말기(130)의 구성을 설명한다. 도 2는 본 발명의 실시예에 따른 사용자 단말기의 구성도이다.

사용자 단말기(130)는 프로세서(210), 메모리(220), 버스(260), 입출력 인터페이스(230), 디스플레이부(240) 및 통신 인터페이스(250)를 포함할 수 있다. 도 2에 도시된 구성요소 모두가 필수적인 것은 아니며 도시된 것보다 많거나 적은 구성요소 또는 상이한 구성요소의 구성(Configuration)으로 사용자 단말기(130)가 구현될 수 있다.

도 2에 도시한 여러 구성요소는 하나 이상의 신호 처리 또는 애플리케이션 전용 집적 회로(Application Specific Integrated Circuit)를 포함하여, 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다.

이하 상기 구성요소들에 대해 차례로 살펴본다.

버스(260)는 도 2에 도시된 여러 구성요소들을 서로 연결하고 구성요소들 간의 통신 신호(예: 제어 메시지)를 전달하는 회로일 수 있다.

프로세서(210)는 버스(260)를 통해 다른 구성요소들로부터 명령을 수신하여 수신된 명령을 해독하고, 해독된 명령에 따른 연산이나 데이터 처리를 실행할 수 있다. 프로세서(210)는 사용자 단말기(130)에 적어도 하나 이상 포함되어 사용자 단말기(130)의 지정된 기능을 수행할 수 있다. 프로세서(210)는 다양한 소프트웨어 프로그램 또는 메모리(220)에 저장되어 있는 명령어 세트를 실행하여 사용자 단말기(130)를 위한 다양한 기능을 수행하고 데이터를 처리할 수 있다.

예를 들어, 프로세서(210)는 하나 이상의 애플리케이션 프로세서(AP: Application Processor) 및 하나 이상의 마이크로 컨트롤러(MCU: Micro Controller Unit)를 포함할 수 있다. 다른 예로, 프로세서(210)는 애플리케이션으로서 하나 이상의 마이크로 컨트롤러를 포함하거나, 하나 이상의 마이크로 컨트롤러와 기능적으로 연결될 수 있다. 애플리케이션 프로세서와 마이크로 컨트롤러는 하나의 집적 회로(IC: Integrated Circuit) 패키지에 포함될 수 있고, 별도로 구성되어 서로 다른 집적 회로 패키지에 포함될 수도 있다.

입출력 인터페이스(230)는 입력 장치(예: 가속도 센서, 자이로스코프와 같은 다양한 센서들, 키보드 또는 터치 스크린)에 의하여 사용자로부터 입력된 명령 또는 데이터를 버스(260)를 통해 프로세서(210), 메모리(220), 또는 통신 인터페이스(250)에 전달할 수 있다. 입출력 인터페이스(230)는 버스(260)를 통해 프로세서(210), 메모리(220), 또는 통신 인터페이스(250)로부터 수신된 명령 또는 데이터를 출력 장치(예: 스피커, 터치 스크린)를 통하여 출력할 수 있다.

디스플레이부(240)는 사용자에게 각종 정보(예: 멀티미디어 데이터 또는 텍스트 데이터 등)를 표시할 수 있다. 디스플레이부(240)는 사용자의 터치 또는 근접 터치에 의해 명령을 입력받는 터치 스크린으로 구현될 수도 있다.

통신 인터페이스(250)는 사용자 단말기(130)와 관성센서(110)와 같은 외부 장치 간의 통신을 연결할 수 있다. 예를 들어, 통신 인터페이스(250)는 유무선 통신을 통해 통신 네트워크(120)에 연결되어 관성센서들(110)과 통신할 수 있다.

메모리(220)는 프로세서(210) 또는 다른 구성요소들로부터 수신되거나 생성된 명령 및 데이터를 저장할 수 있다. 메모리(220)는 고속 랜덤 액세스 메모리를 포함할 수 있다. 또한, 메모리(220)는 하나 이상의 자기 디스크 저장 장치, 플래시 메모리 장치와 같은 비휘발성 메모리 또는 다른 비휘발성 반도체 메모리 장치를 포함할 수 있다.

메모리(220)는 애플리케이션(132), 애플리케이션 프로그래밍 인터페이스(API: Application Programming Interface, 134), 미들웨어(136) 및 커널(138) 등의 프로그래밍 모듈들을 포함할 수 있다. 각각의 프로그래밍 모듈들은 소프트웨어, 펌웨어, 하드웨어 또는 이들 중 적어도 둘 이상의 조합으로 구현될 수 있다.

커널(138)은 나머지 다른 프로그래밍 모듈들(예: 애플리케이션(132), API(134), 미들웨어(136) 등)에 구현된 동작 또는 기능을 실행하는 데 사용되는 시스템 리소스들(예: 프로세서(210), 메모리(220), 버스(260) 등)을 제어/관리할 수 있다. 커널(138)은 애플리케이션(132), 미들웨어(136) 또는 API(134)가 사용자 단말기(130)의 개별 구성요소에 접근하여 제어/관리할 수 있는 인터페이스를 제공할 수 있다.

미들웨어(136)는 API(134) 또는 애플리케이션(132)이 커널(138)과 통신하여 데이터를 주고받을 수 있도록 중개 역할을 수행할 수 있다. 미들웨어(136)는 애플리케이션(132)로부터 수신한 작업 요청에 대한 제어(예: 스케쥴링, 로드 밸런싱 등)를 수행할 수 있다.

API(134)는 애플리케이션(132)이 커널(138) 또는 미들웨어(136)에서 제공하는 기능을 제어하기 위한 인터페이스이다. 예를 들어, 파일 제어, 창 제어, 화상 처리 또는 문자 제어 등을 위한 적어도 하나의 인터페이스 또는 함수(예: 명령어)를 포함할 수 있다.

애플리케이션(132)은 브라우저, 주소록(Address Book) 관리, 접촉 리스트, 이메일, 즉석 메시지, 워드 프로세싱(Word Processing), 키보드 에뮬레이션(Keyboard Emulation), 위젯(Widget), JAVA 인에이블 애플리케이션, 부호화, 디지털 저작권 관리, 음성 인식, 음성 복제, 위치 결정 기능(GPS에 의하여 제공되는 것과 같은), 음악 플레이어 기능을 제한없이 포함하는 임의의 하나 이상의 애플리케이션일 수 있다.

본 실시예에서, 애플리케이션(132)은 사용자가 낙상위험평가를 위한 테스트들을 수행하는 동안 하나 이상의 관성센서들(110)로부터 센서데이터 및 사용자의 입력데이터를 수집하여 낙상 가능성 및 낙상위험요인을 판단하는 기능을 포함한다. 이러한 기능을 위하여 애플리케이션(132)은 데이터 수집부(222), 낙상위험척도 도출부(224) 및 낙상위험 평가부(226)를 포함할 수 있고, 테스트 제공부(228)를 더 포함할 수도 있다.

데이터 수집부(222)는 사용자가 낙상위험평가를 위한 하나 이상의 테스트들을 수행하는 동안 사용자의 신체에 부착된 하나 이상의 관성센서들(110)로부터 센서데이터(예: 가속도, 각속도, 자속 등) 및 일부 테스트에 대한 사용자의 입력데이터를 수집한다.

낙상위험평가를 위한 하나 이상의 테스트들은 낙상위험요인과 관련된 사용자의 생리적 기능(Physiological Functions), 정신적 기능(Psychological Functions) 및 감각통합 기능(Sensory Integrated Functions)을 평가하기 위한 테스트들을 의미한다. 하나 이상의 테스트들 중 일부는 사용자가 착용한 관성센서를 이용하여 사용자의 동작을 측정하기 위한 테스트들이고, 나머지 테스트들은 사용자 단말기(130)의 입출력 인터페이스(230)를 통해 사용자의 입력데이터(예: 문항에 대한 답변 선택, 시각적 자극에 대한 반응으로서 데이터 입력)를 획득하기 위한 테스트들이다.

감각통합 기능이란 신체와 주위 환경으로부터의 감각들을 조직화하고, 그 환경 속에서 신체를 효과적으로 사용하도록 감각 자극들을 처리하고 통합하는 기능을 의미한다.

낙상을 증가시키는 원인은 단순히 신체기능 저하만이 아닌 감각신경계와 운동신경계의 여러 기관이 조화를 이루는 복합적인 기능(예: 보행기능, 균형기능 등)의 저하와 관련되어 있고, 나아가 심리적인 요인까지 낙상에 영향을 미친다. 따라서, 보다 신뢰도 높은 평가결과를 획득하기 위해서는 생리적 기능, 정신적 기능 및 감각통합 기능을 모두 평가할 수 있는 다양한 테스트들이 필요하다.

이를 위하여, 본 발명의 실시예에 따른 테스트 제공부(228)는 사용자의 생리적 기능, 정신적 기능 및 감각통합 기능을 평가하도록 구성된 하나 이상의 테스트들에 대한 정보를 제공할 수 있다. 예를 들어, 테스트 제공부(228)는 사용자가 수행할 수 있도록 하나 이상의 테스트들에 대한 동영상, 정지영상, 지시문 등과 같은 정보가 사용자 단말기(130)의 디스플레이부(240) 또는 외부에 별도로 구성된 디스플레이 장치(미도시)에 표시되도록 할 수 있다. 사용자는 테스트 제공부(228)에서 제공하는 정보에 따라 간단하고 용이하게 낙상위험평가를 위한 테스트들을 수행할 수 있다.

테스트 제공부(228)에서 제공하는 낙상위험평가 테스트들은 공간의 제약 없이 가정에서도 용이하게 실시할 수 있는 간단한 테스트들로 구성될 수 있다. 특히, 노인들도 스스로 본 발명의 실시예에 따른 사용자 단말기(130)를 이용하여 테스트를 수행함으로써 자가진단을 할 수 있다. 구체적인 테스트들에 대한 예시는 다른 도면을 참조하여 후술한다.

낙상위험척도 도출부(224)는 센서데이터 및 입력데이터를 기반으로 낙상위험평가의 근거가 되는 하나 이상의 낙상위험척도들(Fall Risk Measures)을 도출한다. 낙상위험척도들은 낙상 가능성을 높이는 여러 가지 위험요인들(Risk Factors)을 분석하기 위해 기준이 되는 인자들을 의미한다.

도 3을 참조하여 인체 시스템의 기능과 관련된 낙상위험요인과 이를 판단하기 위한 테스트 프로토콜 및 테스트 프로토콜로부터 획득되는 낙상위험척도에 대하여 구체적으로 설명한다.

도 3은 본 발명의 실시예와 관련된 낙상위험요인, 테스트 프로토콜 및 낙상위험척도의 예시도이다.

낙상과 관련된 인체 시스템의 기능(310)을 크게 3가지로 구분하면 생리적 기능, 정신적 기능 그리고 통합 기능(감각통합 기능)으로 나눌 수 있다. 각 기능과 연관되는 낙상위험요인(서브 시스템, 320)들은 다음과 같다.

생리적 기능과 관련된 낙상위험요인은 시각계(Vision System: VIS), 전정계(Vestibular System: VES), 체성감각계(Somatosensory System: SOM), 중추신경계(Central Nervous System) 및 운동신경계(Motor System)의 기능저하에 의해 유발될 수 있다. 정신적 기능과 관련된 낙상위험요인은 낙상에 대한 두려움(Fear of Falling), 인지장애(Cognitive Impairment) 및 기타요인에 의해 유발될 수 있다. 통합 기능과 관련된 낙상위험요인은 생체역학적 제약(Biomechanical Constraints), 지남력(Sensory Orientation), 안정성 한계(Stability Limits), 선행적 자세조절(Anticipatory Postural Adjustments), 자세 응답(Postural Response) 및 보행 안정성(Gait Stability)의 기능저하에 의해 유발될 수 있다.

전술한 낙상위험요인들을 평가하기 위한 테스트 프로토콜(330) 및 각 테스트로부터 획득되는 낙상위험척도(340)는 다음과 같다.

시각계, 전정계 및 체성감각계의 기능을 평가하기 위해서는 감각통합 테스트(Sensory Integration Test: SIT)를 이용할 수 있다. 예를 들어, 감각통합 테스트는 사용자의 시각을 제한하지 않고 단단한 지지면에 서있게 하거나, 시각을 제한하고 단단한 지지면에 서있게 하거나, 시각을 제한하지 않고 폼(foam)에 서있게 하거나, 시각을 제한하고 폼(foam)에 서있게 하는 방식으로 이루어질 수 있다.

감각통합 테스트(SIT)를 통해서는 낙상위험척도로서 자세동요 속도(Postural Sway Velocity), 전후 자세동요 거리(Anterior-Posterior Sway Length) 및 좌우 자세동요 거리(Medio-Lateral Sway Length)를 획득할 수 있다. 감각통합 테스트(SIT)를 통해서는 또 다른 낙상위험척도로서 각 감각계에 대한 기능을 수치화한 VIS 점수, VES 점수 및 SOM 점수를 획득하고, 종합 평형기능에 대한 점수인 CES 점수 등을 획득할 수 있다.

중추신경계의 기능을 평가하기 위해서는 선택 반응 테스트(Choice Reaction Test)를 이용할 수 있다. 예를 들어, 두 개 이상의 자극이 주어지고, 자극의 변화에 따라 사용자가 제시된 자극에 맞는 적절한 반응을 선택하도록 하는 방식으로 이루어질 수 있다. 선택 반응 테스트를 통해서는 낙상위험척도로서 단순 반응 시간(Simple Reaction Time) 및 정보 처리 속도(Information Processing Speed) 등을 획득할 수 있다. 이 경우에는 사용자가 테스트를 수행하는 동안 사용자 단말기(130)의 입출력 인터페이스(230)를 통해 선택한 입력데이터를 이용하여 낙상위험척도를 도출하게 된다.

운동신경계의 기능을 평가하기 위해서는 하지 운동기능 테스트(Lower Extremity Motor Function Test)를 이용할 수 있다. 하지 운동기능 테스트는 예를 들어, 무릎관절이나 발목관절 등을 이용하는 동작을 수행하도록 하는 방식으로 이루어질 수 있다. 하지 운동기능 테스트를 통해서는 낙상위험척도로서 무릎관절 운동범위(Range of Knee Motion), 무릎관절 굴곡 각속도(Knee Flexion Angular Velocity), 무릎관절 신전 각속도(Knee Extension Angular Velocity), 및 발목관절 배굴 각속도(Ankle Dorsiflexion Angular Velocity) 등을 획득할 수 있다.

정신적 기능과 관련된 낙상위험요인으로 낙상의 두려움, 인지장애를 포함한 기타요인들을 평가하기 위해서는 낙상 효능감 평가(Fall Efficacy Assessment)를 이용할 수 있다. 예를 들어, 낙상 효능감 평가는 일상생활에 필요한 여러 가지 행동을 수행하는데 따르는 두려움을 점수화하여 특정 활동을 수행하는 동안 낙상하지 않을 확신의 정도를 측정할 수 있다. 낙상 효능감 평가를 통해서는 낙상위험척도로서 FES-I(Fall Efficacy Scale-International) 점수를 획득할 수 있다.

생체역학적 제약을 평가하기 위해서는 감각 통합 테스트(Sensory Integration Test)를 이용할 수 있고, 이를 통해서 선형 가속도의 RMS 및 각속도 등을 획득할 수 있다. 지남력의 기능을 평가하기 위해서도 역시 감각 통합 테스트를 이용할 수 있고, 이를 통해서 종합 평형 점수(CES: Composited Equilibrium Score)를 획득할 수 있다.

안정성 한계를 평가하기 위해서는 다방향 기능적 팔 뻗기 테스트(Multi-Directional Functional Reach Test: MFR)를 이용할 수 있다. 예를 들어, 선 자세에서 여러 방향으로 사용자의 팔을 뻗도록 하여 최대 경사각(Maximal lean angles) 및 각속도 등의 낙상위험척도들을 획득함으로써 안정성을 유지할 수 있는 최대 한계를 측정할 수 있다.

선행적 자세조절 및 자세응답을 평가하기 위해서는 앉고 일어서기 5회 반복 테스트(Sit-To-Stand Five Times Test: STS5)를 이용할 수 있다. 예를 들어, 사용자가 앉고 일어나는 동작을 5회 반복하는데 소요되는 시간을 측정하여 앉은 자세에서 선 자세로의 전환 시간 및 상이지수(Dissimilarity Index) 등의 낙상위험척도들을 획득할 수 있다.

보행 안정성을 평가하기 위해서는 일어나 걷기 테스트(Timed Up and Go Test: TUG)를 이용할 수 있다. 예를 들어, 사용자가 의자에 앉은 상태에서 일정 거리를 걷고 특정 지점을 돌아 의자로 다시 돌아와 앉도록 하여 수행 시간 동안의 최대 각속도, 보행속도(Gait Speed), 큰 걸음시간(Stride Time) 및 대칭지수(Symmetric Index) 등의 낙상위험척도들을 획득할 수 있다.

도 3에서 도시하는 인체의 시스템 기능(310), 낙상위험요인(320), 테스트 프로토콜(330) 및 낙상위험척도(340)는 예시에 불과하며 반드시 이에 한정되는 것은 아니다. 도 3에 예시된 것 외에도 낙상위험과 밀접한 관련이 있는 낙상위험요인과 이를 평가하기 위한 다양한 테스트들 및 이로부터 획득되는 다양한 낙상위험척도들이 이용될 수 있다.

낙상위험척도 도출부(224)는 낙상위험평가를 위한 하나 이상의 테스트들 각각에 대하여 수집된 센서데이터로부터 각 테스트에 대한 사용자의 수행결과를 나타내는 하나 이상의 특징점들을 추출하고, 추출한 특징점들을 기반으로 낙상위험척도들을 도출할 수 있다. 낙상위험척도 도출부(224)는 인간의 생체역학(Human Biomechanics)을 기반으로 하는 소정의 알고리즘을 이용하여 특징점들을 추출할 수 있다. 도 4를 참조하여 예를 들어 설명한다.

도 4는 본 발명의 실시예와 관련된 센서데이터 및 특징점을 나타내는 예시도이다. 도 4의 (a)는 사용자가 일어나 걷기 테스트(TUG)를 수행하는 동안에 관성센서들로부터 수신한 센서데이터를 나타내고, 도 4의 (b)는 센서데이터로부터 사용자의 테스트 수행능력을 분석하기 위한 특징점들을 추출한 결과를 나타낸다.

구체적으로, 도 4의 (a)는 일어나 걷기 테스트(TUG)를 수행하는 사용자의 시간 당 각속도를 나타낸다. 낙상위험척도 도출부(224)는 소정의 알고리즘을 이용하여 일어나 걷기 테스트(TUG)에 대한 센서데이터로부터 보행주기(Gait Cycle) 동안의 중간 유각(Mid-swing), 발가락 들기(Toe Off) 및 뒤꿈치 접지(Heel Strike) 등을 나타내는 특징점들을 추출할 수 있다. 이에 대한 예시는 도 4의 (b)와 같다.

낙상위험 평가부(226)는 낙상위험척도들을 미리 구성된 하나 이상의 낙상위험 평가모델들에 적용하여 사용자의 낙상 가능성 및 사용자에 내재하는 하나 이상의 낙상위험요인을 판단한다. 본 실시예에 따르면, 사용자의 낙상 가능성을 분석하여 낙상위험군에 속하는지 여부를 판단함으로써 낙상위험군으로 분류된 사용자의 주의를 환기시킬 수 있다. 이로써, 낙상예방의 효과를 제공할 수 있다. 나아가, 본 실시예에서는 사용자에 내재하는 낙상위험요인도 진단하므로 낙상의 가능성을 높이는 원인에 대한 근본적인 치료가 가능해져 더욱 효과적으로 낙상을 예방할 수 있다.

미리 구성된 하나 이상의 낙상위험 평가모델들은 서로 다른 유형의 수학적 모델일 수 있다. 예를 들어, 로지스틱 회귀 모델(Logistic Regression Model), 결정 트리 모델(Decision Tree Model), 랜덤 포레스트 모델(Random Forest Model) 및 서포트 벡터 머신 모델(Support Vector Machine Model) 중 적어도 하나를 포함할 수 있다.

서로 다른 유형의 낙상위험 평가모델들은 각 모델 별로 고유의 특징을 갖는다. 예를 들어, 일부 모델들은 독립변수들과 종속변수들 사이의 명확한 관계를 확립하여 변수 별 기여율 및 변수들 간의 연관관계를 용이하게 파악할 수 있는 특징을 가질 수 있다. 이러한 특징을 갖는 모델들은 통계적 추론(Statistical Inference)에 유용하여 낙상위험요인들을 식별하는데 이용될 수 있다. 다른 예로, 또 다른 일부 모델들은 독립변수들과 종속변수들 사이의 관계보다는 최종 낙상가능성을 보다 정확하게 판단할 수 있는 특징을 가질 수 있다. 이러한 모델들은 사용자가 낙상 위험자 및 낙상 비위험자 중 어디에 속하는지를 판단하는 데 이용될 수 있다.

본 실시예에 따른 낙상위험 평가부(226)는 낙상 가능성 및 낙상위험요인 별로 서로 다른 유형의 낙상위험 평가모델을 선택하여 낙상위험척도들을 선택된 낙상위험 평가모델에 적용할 수 있다. 즉, 낙상 가능성을 판단하는 데 더 적합한 평가모델과 낙상위험요인을 판단하는 데 더 적합한 평가모델을 선택하여 적용함으로써 낙상위험에 대한 전반적인 평가를 더욱 정확하게 수행할 수 있다.

낙상위험 평가부(226)는 낙상 가능성을 판단하기 위하여 선택된 낙상위험 평가모델에 낙상위험척도들을 적용한 값과 기 설정된 임계값을 비교하여 비교 결과에 따라 사용자를 낙상 위험자 및 낙상 비위험자로 구분할 수 있다. 낙상위험 평가부(226)는 낙상 가능성에 대하여 확률의 형태로 분석할 수도 있다.

낙상위험 평가부(226)는 낙상위험척도 도출부(224)에서 도출된 하나 이상의 낙상위험척도들과 낙상위험척도들 각각에 대해 기 설정된 비교값들을 비교하여 사용자에 내재하는 하나 이상의 낙상위험요인을 판단할 수 있다. 예를 들어, 낙상에 영향을 미치는 정도에 따라 낙상위험요인들을 구분하여 각각의 낙상위험요인들이 사용자에 내재하는 지를 트리 구조로 판단할 수 있다.

낙상위험 평가부(226)는 낙상 가능성 및 낙상위험요인에 대한 판단결과를 디스플레이부(240)에 제공하고, 디스플레이부(240)는 사용자 단말기(130)의 화면에 낙상 가능성 및 낙상위험요인에 대한 판단결과를 표시할 수 있다. 예를 들어, 디스플레이부(240)는 낙상 가능성을 확률로 표시할 수 있고, 하나 이상의 낙상위험요인을 트리 구조 형태로 표시할 수 있다. 본 실시예에서는 낙상 가능성 및 낙상위험요인에 대한 판단결과가 사용자 단말기(130)의 디스플레이부(240)에 표시되는 것을 예시하였으나, 반드시 이에 한정되는 것은 아니고 본 실시예의 사용자 단말기(130)와는 별도로 구성된 디스플레이 장치(미도시)에도 표시될 수 있다.

도 5는 본 발명의 실시예에 따른 사용자 단말기에 표시되는 낙상위험 평가결과 화면의 예시도이다. 도 5에서는 본 발명의 실시예에 따른 사용자 단말기(130)가 이동통신 단말기인 경우를 예시한다.

하나 이상의 관성센서들을 착용한 사용자는 낙상위험을 평가하기 위한 테스트들을 모두 수행한 뒤에 사용자 단말기(130)를 통해 낙상위험평가 결과를 제공받을 수 있다. 예를 들어, 사용자는 모든 테스트를 수행한 후 사용자 단말기(130)에 표시된 그래픽 사용자 인터페이스에서 '향후 낙상 평가'로 표시된 부분을 선택하여 낙상위험평가결과를 제공받을 수 있다. 또한, 사용자는 본 실시예에 따른 사용자 단말기(130)에 저장된 과거에 수행한 낙상위험평가결과에 대한 이력(예: '낙상 이력')을 제공받을 수도 있다.

낙상 가능성에 대한 판단 결과(510)로서, 낙상위험척도들이 입력된 낙상위험 평가모델(예: Logistic Regression, Decision Tree, Random Forest, SVM Radial Basic Function) 별로 결과값(모델값)이 표시될 수 있다. 모델값은 예를 들어, 낙상위험평가 테스트를 수행한 사용자가 낙상 위험자로 판단되는 경우에는 '낙상자', 낙상 비위험자로 판단되는 경우에는 '비낙상자'로 설정될 수 있다.

낙상 가능성은 낙상위험 평가모델 별로 예측된 확률로도 표시될 수 있다. 예를 들어, Logistic Regression을 적용한 경우에는 86 %, Decision Tree를 적용한 경우에는 78 %, Random Forest를 적용한 경우에는 79 %, SVM Radial Basic Function을 적용한 경우에는 100 %로 표시될 수 있다. 다른 실시예로, 각각의 낙상위험 평가모델 별 특성을 고려하여 낙상 가능성에 대한 하나의 최종 확률 값이 표시될 수도 있다.

사용자에 내재하는 낙상위험요인에 대한 판단 결과(520)로서, 사용자의 낙상위험 평가테스트 수행결과로부터 도출된 낙상위험척도들을 기 설정된 비교값들과 비교한 트리 구조 형태의 판단 결과가 표시될 수 있다. 예를 들어, 여러 낙상위험요인들 중에서 해당 사용자에 대한 낙상위험요인으로 판단되는 부분은 실선으로, 그렇지 않은 나머지 낙상위험요인들은 점선으로 표시될 수 있다. 도 5에서 예시하는 사용자의 경우, short FES-I score가 13.0을 초과하므로 '낙상의 두려움(Fear of falling)'의 위험요인을 가지고, 정보처리속도(information processing speed)가 6.4를 초과하므로 '중추신경계(Central neural system)'의 위험요인을 가지며, STS5 수행 시 sit-stand angular velocity가 76.81 이하이므로 '하지 운동능력'의 위험요인을 가지는 것으로 판단할 수 있다.

이하, 도 6을 참조하여 본 발명의 실시예에 따른 사용자 단말기(130)를 이용하여 낙상위험 평가방법에 대하여 구체적으로 설명한다.

도 6은 본 발명의 실시예에 따른 낙상위험 평가방법을 나타내는 흐름도이다.

본 실시예에 따르면, 낙상위험평가를 위한 하나 이상의 테스트들에 대한 정보를 사용자 단말기(130)의 화면에 표시할 수 있다(S610). 구체적으로, 사용자의 생리적 기능(Physiological Functions), 정신적 기능(Psychological Functions) 및 감각통합 기능(Sensory Integrated Functions)을 평가하도록 구성된 하나 이상의 테스트들에 대한 정보를 제공할 수 있다. 예를 들어, 과정 S610에서는 사용자가 수행할 수 있도록 하나 이상의 테스트들에 대한 동영상, 정지영상, 지시문 등과 같은 정보가 사용자 단말기(130)의 디스플레이부(240) 또는 외부에 별도로 구성된 디스플레이 장치(미도시)에 표시되도록 할 수 있다. 사용자는 제공된 테스트 정보에 따라 간단하고 용이하게 낙상위험평가를 위한 테스트들을 수행할 수 있다.

낙상위험평가를 위한 하나 이상의 테스트들 중 일부는 사용자가 착용한 관성센서를 이용하여 사용자의 동작을 측정하기 위한 테스트들이고, 나머지 테스트들은 사용자 단말기(130)의 입출력 인터페이스(230)를 통해 사용자의 입력데이터(예: 문항에 대한 답변 선택, 시각적 자극에 대한 반응으로서 데이터 입력)를 획득하기 위한 테스트들이다.

본 실시예에 따른 낙상위험평가 테스트들은 공간의 제약 없이 가정에서도 용이하게 실시할 수 있는 간단한 테스트들로 구성될 수 있다. 특히, 노인들도 스스로 본 발명의 실시예에 따른 사용자 단말기(130)를 이용하여 테스트를 수행함으로써 자가진단을 할 수 있다. 구체적인 테스트들에 대한 예시는 도 3을 참조하여 전술한 것과 같다.

본 실시예에 따르면, 사용자가 낙상위험평가를 위한 하나 이상의 테스트들을 수행하는 동안 사용자의 신체에 부착된 하나 이상의 관성센서들(110)로부터 센서데이터(예: 가속도, 각속도, 자속 등) 및 일부 테스트에 대한 사용자의 입력데이터를 수집한다(S620).

과정 S620 이후, 센서데이터 및 입력데이터를 기반으로 낙상위험평가의 근거가 되는 하나 이상의 낙상위험척도들(Fall Risk Measures)을 도출한다(S630). 낙상위험척도들은 낙상 가능성을 높이는 여러 가지 위험요인들(Risk Factors)을 분석하기 위해 기준이 되는 인자들을 의미한다.

과정 S630은 낙상위험평가를 위한 하나 이상의 테스트들 각각에 대하여 수집된 센서데이터로부터 각 테스트에 대한 사용자의 수행결과를 나타내는 하나 이상의 특징점들을 추출하고, 추출한 특징점들을 기반으로 낙상위험척도들을 도출하는 과정을 포함할 수 있다. 예를 들어, 인간의 생체역학(Human Biomechanics)을 기반으로 하는 소정의 알고리즘을 이용하여 특징점들을 추출할 수 있다. 구체적인 예시는 도 4를 참조하여 전술한 것과 같다.

본 실시예에 따르면, 낙상위험척도들을 미리 구성된 하나 이상의 낙상위험 평가모델들에 적용하여 사용자의 낙상 가능성 및 사용자에 내재하는 하나 이상의 낙상위험요인을 판단한다(S640). 본 실시예에 따르면, 사용자의 낙상 가능성을 분석하여 낙상위험군에 속하는지 여부를 판단함으로써 낙상위험군으로 분류된 사용자의 주의를 환기시킬 수 있다. 이로써, 낙상예방의 효과를 제공할 수 있다. 나아가, 본 실시예에서는 사용자에 내재하는 낙상위험요인도 진단하므로 낙상의 가능성을 높이는 원인에 대한 근본적인 치료가 가능해져 더욱 효과적으로 낙상을 예방할 수 있다.

미리 구성된 하나 이상의 낙상위험 평가모델들은 서로 다른 유형의 수학적 모델일 수 있다. 예를 들어, 로지스틱 회귀 모델(Logistic Regression Model), 결정 트리 모델(Decision Tree Model), 랜덤 포레스트 모델(Random Forest Model) 및 서포트 벡터 머신 모델(Support Vector Machine Model) 중 적어도 하나를 포함할 수 있다.

서로 다른 유형의 낙상위험 평가모델들은 각 모델 별로 고유의 특징을 갖는다. 예를 들어, 일부 모델들은 독립변수들과 종속변수들 사이의 명확한 관계를 확립하여 변수 별 기여율 및 변수들 간의 연관관계를 용이하게 파악할 수 있는 특징을 가질 수 있다. 이러한 특징을 갖는 모델들은 통계적 추론(Statistical Inference)에 유용하여 낙상위험요인들을 식별하는데 이용될 수 있다. 다른 예로, 또 다른 일부 모델들은 독립변수들과 종속변수들 사이의 관계보다는 최종 낙상가능성을 보다 정확하게 판단할 수 있는 특징을 가질 수 있다. 이러한 모델들은 사용자가 낙상 위험자 및 낙상 비위험자 중 어디에 속하는지를 판단하는 데 이용될 수 있다.

과정 S640에서는 낙상 가능성 및 낙상위험요인 별로 서로 다른 유형의 낙상위험 평가모델을 선택하여 낙상위험척도들을 선택된 낙상위험 평가모델에 적용할 수 있다. 즉, 낙상 가능성을 판단하는 데 더 적합한 평가모델과 낙상위험요인을 판단하는 데 더 적합한 평가모델을 선택하여 적용함으로써 낙상위험에 대한 전반적인 평가를 더욱 정확하게 수행할 수 있다.

과정 S640에서는 낙상 가능성을 판단하기 위하여 선택된 낙상위험 평가모델에 낙상위험척도들을 적용한 값과 기 설정된 임계값을 비교하여 비교 결과에 따라 사용자를 낙상 위험자 및 낙상 비위험자로 구분할 수 있다. 또한, 낙상 가능성에 대하여 확률의 형태로 분석할 수도 있다.

과정 S640에서는 과정 S630에서 도출된 하나 이상의 낙상위험척도들과 낙상위험척도들 각각에 대해 기 설정된 비교값들을 비교하여 사용자에 내재하는 하나 이상의 낙상위험요인을 판단할 수 있다. 예를 들어, 낙상에 영향을 미치는 정도에 따라 낙상위험요인들을 구분하여 각각의 낙상위험요인들이 사용자에 내재하는 지를 트리 구조로 판단할 수 있다.

과정 S640에서는 낙상 가능성 및 낙상위험요인에 대한 판단결과를 사용자 단말기(130)의 디스플레이부(240)에 제공한다. 디스플레이부(240)는 사용자 단말기(130)의 화면에 낙상 가능성 및 낙상위험요인에 대한 판단결과를 표시한다(S650). 예를 들어, 디스플레이부(240)는 낙상 가능성을 확률로 표시할 수 있고, 하나 이상의 낙상위험요인을 트리 구조 형태로 표시할 수 있다. 디스플레이부(240)에 표시되는 낙상 가능성 및 낙상위험요인에 대한 판단결과의 예시는 도 5를 참조하여 전술한 바와 같다.

본 실시예에서는 낙상 가능성 및 낙상위험요인에 대한 판단결과가 사용자 단말기(130)의 디스플레이부(240)에 표시되는 것을 예시하였으나, 반드시 이에 한정되는 것은 아니고 본 실시예의 사용자 단말기(130)와는 별도로 구성된 디스플레이 장치(미도시)에도 표시될 수 있다.

도 6에서는 각 과정을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 6에 기재된 과정을 변경하여 실행하거나 하나 이상의 과정을 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 6은 시계열적인 순서로 한정되는 것은 아니다.

도 6에 기재된 본 실시예에 따른 낙상위험 평가방법은 애플리케이션(또는 프로그램)으로 구현되고 사용자 단말기(또는 컴퓨터)로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 낙상위험 평가방법을 구현하기 위한 애플리케이션(또는 프로그램)이 기록되고 사용자 단말기(또는 컴퓨터)가 읽을 수 있는 기록매체는 컴퓨팅 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.

이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100: 낙상위험평가 시스템 110: 관성센서
120: 통신 네트워크 130: 사용자 단말기
132: 애플리케이션 210: 프로세서
220: 메모리 222: 데이터 수집부
224: 낙상위험척도 도출부 226: 낙상위험 평가부
228: 테스트 제공부 230: 입출력 인터페이스
240: 디스플레이 250: 통신 인터페이스
260: 버스

Claims (20)

1. 낙상위험을 평가하기 위한 사용자 단말기에 있어서,
   사용자가 낙상위험평가를 위한 하나 이상의 테스트들을 수행하는 동안 상기 사용자의 신체에 부착된 하나 이상의 관성센서들로부터 센서데이터 및 일부 테스트에 대한 상기 사용자의 입력데이터를 수집하는 데이터 수집부;
   상기 센서데이터 및 상기 입력데이터를 기반으로 낙상위험평가의 근거가 되는 하나 이상의 낙상위험척도들을 도출하는 낙상위험척도 도출부;
   상기 낙상위험척도들을 미리 구성된 하나 이상의 낙상위험 평가모델들에 적용하여 상기 사용자의 낙상 가능성 및 상기 사용자에 내재하는 하나 이상의 낙상위험요인을 판단하는 낙상위험 평가부; 및
   상기 낙상 가능성 및 상기 낙상위험요인에 대한 판단결과를 사용자 단말기의 화면에 표시하는 디스플레이부를 포함하되,
   상기 하나 이상의 테스트들은,
   상기 낙상위험요인과 관련된 상기 사용자의 생리적 기능을 평가하기 위한 감각통합 테스트, 선택반응 테스트 및 하지 운동기능 테스트,
   상기 사용자의 정신적 기능을 평가하기 위한 낙상 효능감 평가, 및
   상기 사용자의 통합 기능을 평가하기 위한 감각 통합 테스트, 다방향 기능적 팔 뻗기 테스트, 앉고 일어서기 5회 반복 테스트 및 일어나 걷기 테스트를 포함하고,
   상기 미리 구성된 하나 이상의 낙상위험 평가모델들은 서로 다른 유형의 수학적 모델이고, 상기 낙상위험 평가부는 상기 낙상 가능성 및 상기 낙상위험요인 별로 서로 다른 유형의 낙상위험 평가모델을 선택하여 상기 낙상위험척도들을 상기 선택된 낙상위험 평가모델에 적용하며,
   상기 디스플레이부는 상기 하나 이상의 낙상위험요인을 트리 구조 형태로 표시하는 것을 특징으로 하는 사용자 단말기.
2. 제1항에 있어서,
   상기 낙상위험척도 도출부는,
   상기 하나 이상의 테스트들 각각에 대하여 수집된 센서데이터로부터 각 테스트에 대한 상기 사용자의 수행결과를 나타내는 하나 이상의 특징점들을 추출하고, 상기 특징점들을 기반으로 상기 낙상위험척도들을 도출하는 것을 특징으로 하는 사용자 단말기.
3. 삭제
4. 제1항에 있어서,
   상기 낙상위험 평가부는,
   상기 낙상 가능성을 판단하기 위하여 선택된 낙상위험 평가모델에 상기 낙상위험척도들을 적용한 값과 기 설정된 임계값을 비교하여 비교 결과에 따라 상기 사용자를 낙상 위험자 및 낙상 비위험자로 구분하는 것을 특징으로 하는 사용자 단말기.
5. 제1항에 있어서,
   상기 하나 이상의 낙상위험 평가모델들은,
   로지스틱 회귀 모델(Logistic Regression Model), 결정 트리 모델(Decision Tree Model), 랜덤 포레스트 모델(Random Forest Model), 및 서포트 벡터 머신 모델(Support Vector Machine Model) 중 적어도 하나를 포함하는 것을 특징으로 하는 사용자 단말기.
6. 제1항에 있어서,
   상기 낙상위험 평가부는,
   상기 낙상위험척도 도출부에서 도출된 상기 하나 이상의 낙상위험척도들과 상기 낙상위험척도들 각각에 대해 기 설정된 비교값들을 비교하여 상기 사용자에 내재하는 하나 이상의 낙상위험요인을 판단하는 것을 특징으로 하는 사용자 단말기.
7. 삭제
8. 삭제
9. 제1항에 있어서,
   상기 사용자가 수행할 수 있도록 상기 낙상위험평가를 위한 하나 이상의 테스트들에 대한 정보가 상기 사용자 단말기의 화면에 표시되도록 하는 테스트 제공부를 더 포함하는 것을 특징으로 하는 사용자 단말기.
10. 삭제
11. 사용자 단말기를 이용하여 낙상위험을 평가하는 방법에 있어서,
    사용자가 낙상위험평가를 위한 하나 이상의 테스트들을 수행하는 동안 상기 사용자의 신체에 부착된 하나 이상의 관성센서들로부터 센서데이터 및 일부 테스트에 대한 상기 사용자의 입력데이터를 수집하는 과정;
    상기 센서데이터 및 상기 입력데이터를 기반으로 낙상위험평가의 근거가 되는 하나 이상의 낙상위험척도들을 도출하는 과정;
    상기 낙상위험척도들을 미리 구성된 하나 이상의 낙상위험 평가모델들에 적용하여 상기 사용자의 낙상 가능성 및 상기 사용자에 내재하는 하나 이상의 낙상위험요인을 판단하는 과정; 및
    상기 낙상 가능성 및 상기 낙상위험요인에 대한 판단결과를 상기 사용자 단말기의 화면에 표시하는 과정을 포함하되,
    상기 하나 이상의 테스트들은,
    상기 낙상위험요인과 관련된 상기 사용자의 생리적 기능을 평가하기 위한 감각통합 테스트, 선택반응 테스트 및 하지 운동기능 테스트,
    상기 사용자의 정신적 기능을 평가하기 위한 낙상 효능감 평가, 및
    상기 사용자의 통합 기능을 평가하기 위한 감각 통합 테스트, 다방향 기능적 팔 뻗기 테스트, 앉고 일어서기 5회 반복 테스트 및 일어나 걷기 테스트를 포함하고,
    상기 미리 구성된 하나 이상의 낙상위험 평가모델들은 서로 다른 유형의 수학적 모델이고, 상기 낙상 가능성 및 상기 낙상위험요인을 판단하는 과정은 상기 낙상 가능성 및 상기 낙상위험요인 별로 서로 다른 유형의 낙상위험 평가모델을 선택하여 상기 낙상위험척도들을 상기 선택된 낙상위험 평가모델에 적용하며,
    상기 사용자 단말기에 표시하는 과정은 상기 하나 이상의 낙상위험요인을 트리 구조 형태로 표시하는 것을 특징으로 하는 낙상위험 평가방법.
12. 제11항에 있어서,
    상기 낙상위험척도들을 도출하는 과정은,
    상기 하나 이상의 테스트들 각각에 대하여 수집된 센서데이터로부터 각 테스트에 대한 상기 사용자의 수행결과를 나타내는 하나 이상의 특징점들을 추출하고, 상기 특징점들을 기반으로 상기 낙상위험척도들을 도출하는 것을 특징으로 하는 낙상위험 평가방법.
13. 삭제
14. 제11항에 있어서,
    상기 낙상 가능성 및 상기 낙상위험요인을 판단하는 과정은,
    상기 낙상 가능성을 판단하기 위하여 선택된 낙상위험 평가모델에 상기 낙상위험척도들을 적용한 값과 기 설정된 임계값을 비교하여 비교 결과에 따라 상기 사용자를 낙상 위험자 및 낙상 비위험자로 구분하는 것을 특징으로 하는 낙상위험 평가방법.
15. 제11항에 있어서,
    상기 하나 이상의 낙상위험 평가모델들은,
    로지스틱 회귀 모델(Logistic Regression Model), 결정 트리 모델(Decision Tree Model), 랜덤 포레스트 모델(Random Forest Model), 및 서포트 벡터 머신 모델(Support Vector Machine Model) 중 적어도 하나를 포함하는 것을 특징으로 하는 낙상위험 평가방법.
16. 제11항에 있어서,
    상기 낙상 가능성 및 상기 낙상위험요인을 판단하는 과정은,
    상기 도출된 하나 이상의 낙상위험척도들과 상기 낙상위험척도들 각각에 대해 기 설정된 비교값들을 비교하여 상기 사용자에 내재하는 하나 이상의 낙상위험요인을 판단하는 것을 특징으로 하는 낙상위험 평가방법.
17. 삭제
18. 삭제
19. 제11항에 있어서,
    상기 사용자가 수행할 수 있도록 상기 낙상위험평가를 위한 하나 이상의 테스트들에 대한 정보를 상기 사용자 단말기 화면에 표시하는 과정을 더 포함하는 것을 특징으로 하는 낙상위험 평가방법.
20. 삭제

Images