KR20200064948A - 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법 및 시스템 - Google Patents

노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법 및 시스템 Download PDF

Info

Publication number
KR20200064948A
KR20200064948A KR1020190157103A KR20190157103A KR20200064948A KR 20200064948 A KR20200064948 A KR 20200064948A KR 1020190157103 A KR1020190157103 A KR 1020190157103A KR 20190157103 A KR20190157103 A KR 20190157103A KR 20200064948 A KR20200064948 A KR 20200064948A
Authority
KR
South Korea
Prior art keywords
dementia
elderly
fall
big data
falling
Prior art date
Application number
KR1020190157103A
Other languages
English (en)
Other versions
KR102239671B1 (ko
Inventor
조동현
유정기
Original Assignee
주식회사 더열림
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 주식회사 더열림 filed Critical 주식회사 더열림
Publication of KR20200064948A publication Critical patent/KR20200064948A/ko
Application granted granted Critical
Publication of KR102239671B1 publication Critical patent/KR102239671B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A61B5/6815—Ear
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Otolaryngology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Alarm Systems (AREA)

Abstract

노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법 및 시스템이 제공된다. 본 발명에 의한 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법은, 낙상 및 치매 빅데이터 데이터베이스가, 낙상 사고 및 치매 환자에 대한 데이터를 분석하여 구축된 낙상 및 치매 빅데이터를 저장하는 단계; 노인이 착용한 웨어러블 디바이스에 장착된 신체 정보 수집부가, 노인의 보폭 및 이동 속도를 포함하는 신체 정보를 수집하는 단계; 낙상 및 치매 예측 서버가, 네트워크를 통해 상기 낙상 및 치매 빅데이터 및 상기 신체 정보를 수신하고, 수신된 낙상 및 치매 빅데이터 및 신체 정보에 기초하여 노인의 낙상 가능성을 판정하는 단계; 상기 낙상 및 치매 예측 서버가, 상기 낙상 및 치매 빅데이터에 기반하여, 판정된 낙상 가능성에 상응하는 치매 발병 가능성을 판정하는 단계; 및 판정된 낙상 가능성 및 치매 발병 가능성을 표시하는 단계를 포함한다. 고령자 노인에게 더욱 치명적인 낙상 사고가 발생할 수 있는 낙상 가능성을 빅데이터를 사용하여 구축된 빅데이터 데이터베이스를 참조하여 수치화하고, 수치화한 데이터를 사전에 가족 및 보호자가 공유하여 실시간으로 조치를 할 수 있게 하는 것이 가능하다.

Description

노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법 및 시스템{Method and system of predicting risk of falling down and dementia through gait information of the aged}
본 발명은 고령자의 낙상 및 치매 가능성을 사전 감지하는 위험 감시 및 관리 시스템에 관한 것으로서, 특히, IoT 무선 통신 및 센서 기술을 이용하여 고령자 보폭을 포함한 다양한 신체 정보를 측정하고, 측정된 신체 정보와 낙상 가능성 및 치매 발병 가능성간의 상관 관계를 빅데이터화한 데이터베이스를 참조하여 낙상 가능성 및 치매 발병 가능성을 사전에 예측하여 부상을 방지하기 위한 낙상 및 치매 위험성 예측 방법 및 시스템에 관한 것이다.
전세계 고령자의 사망원인 1위가 낙상(落傷)으로 인한 2차 질병의 발병 및 활동력 저하로 인한 신체능력 감퇴가 주요 원인으로 밝혀지고 있다. 또한 도시화, 핵가족화로 인한 나홀로 거주하는 고령 독거노인의 경우 낙상 사고 발생시 즉각적인 대응 곤란 및 낙상 이후 심각한 후유 장애를 유발하고 있다.
특히 낙상은 한국인에게 암보다 더 부담이 되는 질병이 될 만큼 위협적이다. 한국인 질병 부담 순위에서 낙상은 7위에 올랐고 간암과 위암은 10위권 밖으로 밀려났다. 낙상의 피해가 큰 이유는 나이가 들면 근육과 뼈가 약해져 낙상으로 인한 후유증이 오래가기 때문이다. 65세 이상 인구의 3분의 1이 매년 한 번 이상 낙상을 겪는다. 노인에게 낙상은 단순히 '넘어짐'이 아니다. 우리나라에서 한 해 낙상으로 사망하는 65세 이상 노인은 83만여명에 달하며, 이것은 교통사고에 이어 노인 사고 사망원인 2위를 차지할 정도이다. 가장 많이 다치는 부위는 무릎, 허리, 엉덩이(고관절), 어깨, 발목, 머리 순이며, 어느 부위를 다쳤으냐에 따라 사망에 이어지는 정도가 다르다.
특히, 젊었을 때와 달리 하루만 누워 있어도 근육 손실이 매우 크기 때문에 하지를 다쳤을 땐 상황이 심각해진다. 근육이 소실되면 혈액과 수분이 몸통으로 집중돼 기관에 과부하가 걸려서 이내 혈관과 내장기관, 면역기능이 크게 약화한다. 작은 감염에도 속수무책으로 당하기 쉽다. 대한노인재활의학회에 따르면 고관절 골절을 당한 65세 이상 노인 3명 중 1명은 1년 내에 사망했다. 80세 이상은 절반이 두 달 내에 사망했다.
대부분의 낙상은 운이 나빠서 발생하는 것이 아니라, 예방을 위한 노력이 부족해서 생기는 경우가 많다. 따라서, 노인들에게 치명적인 낙상 사고를 방지하기 위한 여러 기술들이 소개되고 있다.
2018 년 8월 30일에 공개된 대한민국 특허출원 번호 제 10-2013-0006462 호(발명의 명칭: 보행자의 낙상 사고를 방지하는 보행 보조장치)에 따르면, 보행자가 파지하는 손잡이부를 구비하고, 손잡이부 하단에 연결되는 몸체부를 포함하는 보행 보조장치가 소개된다. 이러한 기술을 사용하면 보행자가 넘어져서 발생하는 사고를 방지하고, 부상에 대한 빠른 대처 방안을 제시하여 보행자 및 보행자의 보호자로 하여금 불시에 발생할 수 있는 사고에 안전하게 대처하는 효과를 제공할 수 있다.
또한, 종래의 고령자 낙상 방지 장치는 물리적인 도구(지팡이, 이동용 보행기, 실버카 등)로 구성되어 있다. 그러므로 고령자의 낙상 가능성에 대한 빅데이터(Big Data)의 축적 및 체계적인 분석을 통한 사전 예방 기능이 매우 부족한 현실이다. 그리고 고령자의 언어습관, 기억력 등 인지적인 변화에 치중된 치매전조 증후 발견방식은 대부분 치매가 상당히 진행된 이후에 알 수 있는 한계가 있다. 고령자의 신체적인 건강상태의 저하 빅데이터를 추적하여 고령자가 치매가능성이 증가하고 있는 지를 발견하고 조치하는 것이 필요하다.
현재 대부분의 고령자 낙상방지 시스템은 물리적인 도구(자팡이, 이동용 보행기, 실버카 등)로 구성되어 있어 고령자의 낙상 가능성에 대한 빅데이터의 축적 및 체계적인 분석을 통한 사전 예방기능은 매우 부족한 현실이다. 그리고 고령자의 언어습관, 기억력 등 인지적인 변화에 치중된 치매전조 증후 발견방식은 대부분 치매가 상당히 진행된 이후에 알 수 있는 한계가 있다. 고령자의 신체적인 건강상태의 저하 빅데이터를 추적하여 고령자가 치매가능성이 증가하고 있는지를 발견하고 조치하는 것이 필요하다.
대한민국 특허출원 번호 제 10-2013-0006462 호(발명의 명칭: 보행자의 낙상 사고를 방지하는 보행 보조장치; 공개 번호 10-2013-0130618)
본 발명의 목적은 본 발명은 상기한 바와 같은 점을 감안하여 창안된 것으로서, 고령 노인의 낙상 사고 발생가능성을 사전에 스마트폰 앱(app)으로 가족 및 보호자들이 보폭의 넓이 및 보폭의 이동속도를 분석한 자료를 공유하여 빅데이터를 구축함으로써, 예를 들어 일정 비율 이하로 보폭의 넓이 및 이동 속도가 감소된 경우 사전에 치료 및 케어를 할 수 있는 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법을 제공하는 것이다.
또한, 본 발명의 다른 목적은 빅데이터를 가지고 통하여 치매 발병 가능성을 파악하여 약물 치료, 병원 건강 진단 등의 조치를 취할 수 있도록 하는, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템을 제공하는 것이다.
상기와 같은 목적들을 달성하기 위한 본 발명의 일면은, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법에 관한 것이다. 본 발명에 의한 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법은, 낙상 및 치매 빅데이터 데이터베이스가, 낙상 사고 및 치매 환자에 대한 데이터를 분석하여 구축된 낙상 및 치매 빅데이터를 저장하는 단계; 노인이 착용한 웨어러블 디바이스에 장착된 신체 정보 수집부가, 노인의 보폭 및 이동 속도를 포함하는 신체 정보를 수집하는 단계; 낙상 및 치매 예측 서버가, 네트워크를 통해 상기 낙상 및 치매 빅데이터 및 상기 신체 정보를 수신하고, 수신된 낙상 및 치매 빅데이터 및 신체 정보에 기초하여 노인의 낙상 가능성을 판정하는 단계; 상기 낙상 및 치매 예측 서버가, 상기 낙상 및 치매 빅데이터에 기반하여, 판정된 낙상 가능성에 상응하는 치매 발병 가능성을 판정하는 단계; 및 판정된 낙상 가능성 및 치매 발병 가능성을 표시하는 단계를 포함한다. 특히, 상기 신체 정보는, 보행 패턴, 보행 시의 3축 가속도, 상기 노인이 앓고 있는 질병, 복용하는 약물, 상기 노인의 시력 및 근력, 및 상기 노인의 혈압 및 심박 중 적어도 하나를 더 포함하고, 상기 빅데이터 데이터베이스는, 상기 노인의 낙상 위험 요소를, 적어도 신체적 위험 요소, 환경적 위험 요소, 및 잠재적인 위험 요소로 분류하여 저장하고, 상기 낙상 위험 요소 각각과 상기 낙상 가능성 및 상기 치매 발병 가능성 사이의 상관관계를 빅데이터로서 저장한다. 더 나아가, 상기 빅데이터 데이터베이스는, 보폭의 변화, 보행 패턴의 변화, 3축 가속도의 변화, 혈압의 변화, 심박의 변화, 근력의 변화, 시력 및 신경계 변화를 상기 신체적 위험 요소로서 저장하고, 상기 웨어러블 디바이스는, 노인의 귀에 착용되고, 음파를 증폭하여 전달하는 보청기일 수 있다.
상기와 같은 목적들을 달성하기 위한 본 발명의 다른 면은, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템에 관한 것이다. 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템은, 낙상 사고 및 치매 환자에 대한 데이터를 분석하여 구축된 낙상 및 치매 빅데이터를 저장하는 낙상 및 치매 빅데이터 데이터베이스; 노인에 의하여 착용되고, 노인의 보폭 및 이동 속도를 포함하는 신체 정보를 수집하는 신체 정보 수집부를 포함하는 웨어러블 디바이스; 및 네트워크를 통해 상기 낙상 및 치매 빅데이터 및 상기 신체 정보를 수신하고, 수신된 낙상 및 치매 빅데이터 및 신체 정보에 기초하여 노인의 낙상 가능성을 판정하는 낙상 및 치매 예측 서버를 포함하고, 상기 낙상 및 치매 예측 서버는, 상기 낙상 및 치매 빅데이터에 기반하여, 판정된 낙상 가능성에 상응하는 치매 발병 가능성을 판정하고, 판정된 낙상 가능성 및 치매 발병 가능성을 표시하도록 구성된다. 특히, 상기 신체 정보는, 보행 패턴, 보행 시의 3축 가속도, 상기 노인이 앓고 있는 질병, 복용하는 약물, 상기 노인의 시력 및 근력, 및 상기 노인의 혈압 및 심박 중 적어도 하나를 더 포함하고, 상기 빅데이터 데이터베이스는, 상기 노인의 낙상 위험 요소를, 적어도 신체적 위험 요소, 환경적 위험 요소, 및 잠재적인 위험 요소로 분류하여 저장하고, 상기 낙상 위험 요소 각각과 상기 낙상 가능성 및 상기 치매 발병 가능성 사이의 상관관계를 빅데이터로서 저장한다. 더 나아가, 상기 빅데이터 데이터베이스는, 보폭의 변화, 보행 패턴의 변화, 3축 가속도의 변화, 혈압의 변화, 심박의 변화, 근력의 변화, 시력 및 신경계 변화를 상기 신체적 위험 요소로서 저장하고, 상기 웨어러블 디바이스는, 노인의 귀에 착용되고, 음파를 증폭하여 전달하는 보청기일 수 있다.
본 발명에 의하여, 고령자 노인에게 더욱 치명적인 낙상 사고가 발생할 수 있는 낙상 가능성을 빅데이터를 사용하여 구축된 빅데이터 데이터베이스를 참조하여 수치화하고, 수치화한 데이터를 사전에 가족 및 보호자가 공유하여 실시간으로 조치를 할 수 있게 하는 것이 가능하다.
또한, 본 발명에 의하여 축적된 빅데이터를 낙상 사고 예방뿐만 아니라 치매 발병 가능성의 추정 근거로 활용하여 치매 조기발견 및 신속한 조치를 할 수 있고 가족 및 보호자의 불안감을 해소할 수 있는 상시 위험 관리가 가능해진다.
더 나아가, 본 발명에 의하여 낙상 사고로 인한 고령자의 사망 및 중증질병의 예방이 가능하고, 사고 발생 시 초래될 수 있는 막대한 가족 및 사회적 비용을 절감할 수 있다.
또한, 고령자의 낙상과 치매로 인한 보호자 및 사회의 불안감을 해소하고 사전에 조치를 취할 수 있어서 추가적인 즉각적인 적절한 사후조치가 가능하다.
도 1은 본 발명의 일면에 의한 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법을 개략적으로 나타내는 흐름도이다.
도 2 는 본 발명의 다른 면에 의한 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템의 일 실시예를 개략적으로 나타내는 블록도이다.
도 3 은 도 2 에 도시된 웨어러블 디바이스와 낙상 및 치매 예측 서버의 동작을 상세하게 설명하는 블록도이다.
도 4 는 본 발명의 다른 면에 의한 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템의 다른 실시예를 개략적으로 나타내는 블록도이다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로서, 본 발명을 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 설명하는 실시예에 한정되는 것이 아니다. 그리고, 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략되며, 도면의 동일한 참조부호는 동일한 부재임을 나타낸다.
도 1은 본 발명의 일면에 의한 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법을 개략적으로 나타내는 흐름도이다.
도 1을 참조하면, 우선, 낙상 및 치매 빅데이터 데이터베이스가, 낙상 사고 및 치매 환자에 대한 데이터를 분석하여 구축된 낙상 및 치매 빅데이터를 저장한다(S110). 즉, 본 발명에서는 IoT 무선 통신 및 센서 기술을 이용하여 고령자인 노인들이 실내, 실외에서 이동할 경우 이동하는 시간(밀리세컨드 ~ 나노세컨드 단위)당 속도 및 보폭을 측정하여 고령자 낙상의 위험 가능성 증감 여부 및 치매 유발 가능성을 판단할 수 있는 빅데이터를 구축한다. 구축된 빅데이터는 낙상 및 치매 발병 가능성을 수치화하여 사전에 알려주기 위하여 사용될 수 있다.
빅데이터가 구축되면, 노인이 착용한 웨어러블 디바이스에 장착된 신체 정보 수집부가, 노인의 보폭 및 이동 속도를 포함하는 신체 정보를 수집한다(S120).
신체 정보 수집부는, 예를 들어 고령자 노인의 보폭 및 보행 속도를 측정하는 센서(가속도 센서, 운동량 센서, 거리측정 센서 등)을 포함할 수 있고, 이러한 신체 정보 수집부는 초소형 스마트 모듈 및 디바이스(밴드, 목걸이, 벨트, 노인화, 기타 악세사리 등과 같은 웨어러블 디바이스에 장착될 수 있다. 신체 정보 수집이 웨어러블 디바이스에 의해서 이루어지므로, 고령자의 보행과 신체에 대한 다양한 정보가 실시간으로 측정되어 전송될 수 있고, 전송된 정보는 관련 빅데이터로서 데이터베이스에 저장될 수 있다.
즉, 보폭데이터 취득부는 가속도 센서 등으로 구성될 수 있으며, 초소형 스마트 모듈 및 디바이스에 내장될 수 있다. 이 초소형 스마트 모듈의 예로서, 스마트 보청기가 있다. 이와 같이 취득된 고령장의 보폭 정보는 무선 통신을 통하여, 가족 및 보호자의 개인 단말 또는 서버를 통하여 관계 기관에 제공될 수 있다.
그러면, 낙상 및 치매 예측 서버가, 네트워크를 통해 낙상 및 치매 빅데이터 및 신체 정보를 수신하고, 수신된 낙상 및 치매 빅데이터 및 신체 정보에 기초하여 노인의 낙상 가능성을 판정한다(S140). 이러한 판정에는, 예를 들어 고령자 보폭 측정, 보행 속도를 포함한 다양한 신체 정보와 낙상 가능성 간의 상관 관계가 고려된다. 이러한 상관 관계를 나타내는 빅데이터는 노인전문 의료기관, 연구소의 논문 등에 분석툴을 적용하여 하여 사고 및 발명가능성을 %로 비율화하여 구현할 수 있게 한다.
낙상 가능성이 판정되면, 낙상 및 치매 예측 서버가, 낙상 및 치매 빅데이터에 기반하여, 판정된 낙상 가능성에 상응하는 치매 발병 가능성을 판정한다(S150). 낙상 가능성과 치매 발병 가능성을 함께 판정하는 이유는, 낙상 가능성과 치매 발병 가능성 사이에 관련성이 존재하기 때문이다. 즉, 낙상 가능성을 높이는 데에는 신체 능력 뿐만 아니라 인지 능력의 저하가 하나의 인자로서 작용하기 때문에, 낙상 가능성이 높아지면 치매 발병 가능성도 높아질 것이 일정한 기댓값을 가지고 기대된다. 마찬가지로, 치매 발병 가능성이 높다는 것은 낙상 가능성도 따라서 높아지는 결과를 초래할 수 있다.
이와 같이, 본 발명에서는 빅데이터에 기반하여 낙상 가능성과 치매 발병 가능성을 모두 판정하고, 각 가능성을 수치화하여 제공하기 때문에, 보호자나 가족들이 노인에게 큰 위험이 발생되기 전에 사전에 조치를 취할 수 있다.
이와 같이 낙상 가능성과 치매 발병 가능성을 판단한 후에는, 판정된 낙상 가능성 및 치매 발병 가능성을 표시한다(S170). 낙상 가능성과 치매 발병 가능성은 사용자의 단말기로 실시간으로 전송될 수 있다.
그리고, 이러한 과정을 반복한다(S190).
도 2 는 본 발명의 다른 면에 의한 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템의 일 실시예를 개략적으로 나타내는 블록도이다.
도 2 의 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템은 웨어러블 디바이스(210), 낙상 및 치매 예측 서버(250), 빅데이터 데이터베이스(290), 및 개인용 단말기(270, 280)를 포함한다. 이들 구성 요소들은 네트워크(240)를 통하여 서로 연결된다.
웨어러블 디바이스(210)는 노인에 의하여 착용되고, 노인의 보폭 및 이동 속도를 포함하는 신체 정보를 수집하는 신체 정보 수집부(220)를 포함한다. 신체 정보는, 보행 패턴, 보행 시의 3축 가속도, 노인이 앓고 있는 질병, 복용하는 약물, 노인의 시력 및 근력, 및 노인의 혈압 및 심박 등을 포함할 수 있다. 신체 정보 수집부(220)에 의해 수집된 신체 정보는 웨어러블 디바이스(210)에 내장된 송수신부에 의해서 네트워크(240)를 거쳐 송수신된다.
빅데이터 데이터베이스(290)는 낙상 사고 및 치매 환자에 대한 데이터를 분석하여 구축된 낙상 및 치매 빅데이터를 저장한다. 특히, 빅데이터 데이터베이스(290)는 노인의 낙상 위험 요소를, 적어도 신체적 위험 요소, 환경적 위험 요소, 및 잠재적인 위험 요소로 분류하여 저장하고, 낙상 위험 요소 각각과 낙상 가능성 및 치매 발병 가능성 사이의 상관관계를 빅데이터로서 저장한다. 또한, 빅데이터 데이터베이스(290)는 보폭의 변화, 보행 패턴의 변화, 3축 가속도의 변화, 혈압의 변화, 심박의 변화, 근력의 변화, 시력 및 신경계 변화를 신체적 위험 요소로서 저장할 수 있다. 빅데이터 데이터베이스(290)에 대해서는 도 4 를 이용하여 상세히 후술된다.
낙상 및 치매 예측 서버(250)는 네트워크(240)를 통해 낙상 및 치매 빅데이터 및 신체 정보를 수신하고, 수신된 낙상 및 치매 빅데이터 및 신체 정보에 기초하여 노인의 낙상 가능성을 판정한다. 또한, 낙상 및 치매 예측 서버(250)는 낙상 및 치매 빅데이터에 기반하여, 판정된 낙상 가능성에 상응하는 치매 발병 가능성을 판정하고, 판정된 낙상 가능성 및 치매 발병 가능성을 표시하도록 구성된다.
그러면, 판정 결과를 바탕으로 낙상과 치매 발병을 피하기 위한 다음과 같은 활동이 지시될 수 있다.
- 평평한 바닥 보행에 지팡이를 사용
- 규칙적인 운동: 웨이트 트레이닝이나 저항 운동은 약한 다리를 강화시킬 수 있으므로 보행 중 안전성을 향상시킬 수 있다. 태극권 및 한 다리로 서있는 것과 같은 균형 운동은 균형의 개선을 도울 수 있다. 운동 프로그램은 개인의 필요에 따라 맞춤식으로 진행되어야 한다.
- 적절한 신발을 신는 것: 단단하고, 밑창에 미끄럼 방지 처리가 되어 있고, 발목을 어느 정도 지지해 주며 굽이 낮은 신발이 가장 좋다.
- 앉거나 누운 후 천천히 일어서는 것과 움직이기 이전에 시간을 갖는 것: 이런 전략은 신체에게 자세의 변화에 적응하는 시간을 주기 때문에 어지러움을 예방할 수 있다.
- 간단한 두부 교정술의 학습: 위치 교정술( 위치교정술: 현기증의 일반적인 원인을 위한 간단한 치료법)이라는 간단한 두부 교정술은 움직일 때 어지러움을 느끼는 일부 고령자에게 도움이 될 수 있다. 이는 특정 방법으로 머리를 돌리는 것을 포함한다. 의사들이 보통 최초로 이런 교정술을 시행하지만, 사람들은 어떻게 스스로 이를 수행하는지 학습하고 필요할 시 반복할 수 있다.
- 복용하는 약물의 검토: 사람들은 의사나 다른 보건의료인에게 약물 중 낙상의 위험을 증가하는 것이 있는지 보기 위해 복용하는 모든 처방 및 비처방 약물을 검토하도록 요청할 수 있다. 만일 이런 약물이 사용되고 있다면, 의사들은 용량을 줄이거나 해당 환자에서 그 약물을 중단시킬 수 있다.
- 정기적으로 시력 검사를 하는 것: 알맞은 안경을 구하고 착용하는 것은 낙상 예방에 도움이 될 수 있다. 시력을 제한하는 녹내장이나 백내장의 치료 또한 도움이 될 수 있다.
잠재적인 위험 상황에서 어떻게 안전하게 대처하는지 학습하는 것은 환경적 위험 요소를 제거하는 것보다 더 중요할 수 있다. 때때로 사람들은 잠재적인 위험 상황에 더 주의를 기울이고 일상 작업을 더 안전하게 마칠 수 있는 방법들을 강구할 필요가 있다. 특히, 골다공증과 같이 고관절 골절의 가능성이 높을 경우 적절한 칼슘과 비타민 D를 섭취하고 골 손실을 늦추기 위한 추가 처방약을 복용하여 뼈의 강도를 극대화해야 한다. 일부 사람들은 정기적으로 착용하면 고관절 골절을 예방할 수 있는 고관절 부위에 두르는 플라스틱과 폼 패드로 이루어진 속옷인 고관절 보호대를 착용하는 것을 고려할 수 있다.
만일 낙상이 발생하면 무엇을 할지 아는 것은 고령자들이 낙상에 대하여 덜 두려워하도록 도울 수 있다. 만일 그들이 넘어져서 일어서지 못하면, 그들은 배로 엎드려서 가구(또는 그들의 몸무게를 지탱할 수 있는 다른 구조) 쪽으로 기어간 후 자신을 일으킬 수 있다
도 3 은 도 2 에 도시된 웨어러블 디바이스와 낙상 및 치매 예측 서버의 동작을 상세하게 설명하는 블록도이다.
도 3 을 참조하면 웨어러블 디바이스(310)는 보폭 측정부(320), 가속도 측정부(325), 신호 처리부(330), 및 송수신부(340)를 포함하고, 낙상 및 치매 예측 서버(350)는 낙상 가능성 판정부(360), 치매 발병 가능성 판정부(365), 빅데이터 처리부(370), 및 송수신부(390)를 포함한다.
우선, 보폭 측정부(320)는 보행 속도와 발걸음의 높이를 측정하고, 신호 처리부(330)는 측정된 신호를 디지털 데이터로 변환한다. 가속도 측정부(325)는 노인이 착용한 웨어러블 디바이스(310)의 3축 가속도 변화를 측정하여 신호 처리부(330)로 제공한다. 신호 처리부(330)는 가속도 신호도 디지털 데이터로 변환하여 송수신부(340)로 제공한다.
그러면, 신호 처리부(330)에서 출력된 신후는 다양한 데이터 통신 프로토콜을 통해 낙상 및 치매 예측 서버(350)에 포함된 송수신부(390)로 전달된다.
낙상 및 치매 예측 서버(350)는 여러 가지 신체 정보와 낙상 가능성 그리고 치매 발병 가능성 간의 상관 관계를 나타내는 빅데이터로 구축하기 위해서 빅데이터 처리부(370)를 활용한다. 그러면, 낙상 가능성 판정부(360)와 치매 발병 가능성 판정부(365)는 빅데이터 처리부(370)에 의해 처리된 빅데이터에 기반하여 노인의 낙상 가능성과 치매 발병 가능성을 판정한다.
빅데이터 처리부(370)는 측정된 데이터를 누적된 빅데이터와 비교하여 분석할 수도 있고, 다양한 측정 조건을 반영하여 측정된 데이터에 대해 가중치를 부여할 수도 있다. 즉, 빅데이터 처리부(370)는 고령자의 낙상의 위험 가능성 증감여부 및 치매 유발 가능성의 여부를 판단할 수 있는 빅데이터를 축적한 후 낙상 및 치매 발병 가능성을 수치화하기 위하여 활용할 수 있다. 낙상 및 치매 예측 서버(350)는 판정 결과를 보호자 등의 단말기로 제공할 수 있다.
신체 정보에는 보행 패턴, 보행 시의 3축 가속도, 노인이 앓고 있는 질병, 복용하는 약물, 노인의 시력 및 근력, 및 노인의 혈압 및 심박 등이 포함될 수 있고, 이 경우, 보폭의 변화, 보행 패턴의 변화, 3축 가속도의 변화, 혈압의 변화, 심박의 변화, 근력의 변화, 시력 및 신경계 변화가 낙상 가능성을 판정하기 위하여 고려될 수 있다.
빅데이터 처리부(370)는 노인의 낙상 위험 요소를, 적어도 신체적 위험 요소, 환경적 위험 요소, 및 잠재적인 위험 요소로 분류하여 저장할 수 있다. 이와 같이 낙상 위험 요소를 세분화함으로써 낙상 가능성을 더 정밀하게 판정할 수 있게 된다.
도 3 의 송수신부(340) 및 송수신부(390)는 무선 비티이(BTE), 와이파이(WIFI), Z웨이브(ZWAVE), 지그비(Zigbee) 등의 다양한 통신 방식으로 구현될 수 있다.
또한, 도 3 의 웨어러블 디바이스(310)는 고령자 보폭 측정을 통하여, 치매징후 및 낙상징후를 트래킹하는 스마트 보청기일 수도 있다. 스마트 보청기는 고령자의 귀에 착용하는 것으로, 일반적인 스마트 보청기의 구성요소 이외에 보폭데이터 취득 센서와, 보폭 데이터 처리부를 포함할 수 있다. 물론, 보폭 데이터 처리부는 웨어러블 디바이스(310)가 아니라 낙상 및 치매 예측 서버(350)에 내장되어 웨어러블 디바이스(310)의 연산 부담을 줄일 수 있다.
보폭 데이터 취득 센서는 스마트 보청기를 사용하는 고령자의 움직임 시, 보폭데이터를 취득한다. 취득된 보폭 데이터는 신호 처리부(330)에 의하여 송신 가능한 데이터로 변환되고, 변환된 데이터가 송수신부(340)를 통해 송신된다. 송수신부(340)는 통신 방식에 따라 WiFi 송신부, BTE 송신부, Zigbee 송신부 및 ZWAVE 송신부 중 적어도 어느 하나의 방식으로 보폭 데이터를 송신할 수 있다. 그러면, 송수신부(390)는 송수신부(340)에 대응되는 구성으로서, WiFi 수신부, BTE 수신부, Zigbee 수신부 및 ZWAVE 수신부 중 적어도 어느 하나의 수신부로 구성될 수 있다.
낙상 및 치매 예측 서버(350)는 수신된 데이터를 기초로 치매징후와 낙상징후를 예측하고 그 결과를 표시한다. 개인 단말기의 예시로서 스마트폰이 있으며, 스마트폰에 설치되는 앱(App) 프로그램으로 구현될 수 있다. 즉, 개인 단말기는 일체화된 표시부를 포함할 수 있고, 이러한 표시부에 치매/낙상 예측 결과가 표시될 수 있다.
도 4 는 본 발명의 다른 면에 의한 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템의 다른 실시예를 개략적으로 나타내는 블록도이다.
도 4 에 도시된 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템에 포함된 웨어러블 디바이스(410), 낙상 및 치매 예측 서버(450), 빅데이터 데이터베이스(490), 및 개인용 단말기(470, 480)는 도 2 의 웨어러블 디바이스(210), 낙상 및 치매 예측 서버(250), 빅데이터 데이터베이스(290), 및 개인용 단말기(270, 280)에 각각 대응된다. 따라서 그러므로, 명세서의 간략화를 위하여 반복적인 설명이 생략된다.
도 4 의 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템은 외부 센서(430)를 추가적으로 포함한다. 외부 센서(430)는 노인의 보행을 촬영하여 보행 패턴 등의 정보를 추출하는 카메라, 적외선을 통한 거리 측정을 통해 노인의 움직임을 추적하는 키넥트와 같은 시스템, 그 외에 웨어러블 디바이스에 내장되기에 적합하지 않거나 더 정밀한 측정을 위해 웨어러블 디바이스와 별개로 제공되는 신체 정보 측정 센서를 포함할 수 있다.
도 2 와 달리, 도 4 에 도시된 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템은 외부 센서(430)를 포함함으로써, 노인의 보폭과 보행 속도 등의 신체 정보를 더욱 정밀하게 측정할 수 있고, 따라서, 낙상 가능성과 치매 발병 가능성을 더욱 정밀하게 판정할 수 있게 된다.
전술된 바와 같이, 빅데이터 데이터베이스(490)는 낙상의 위험 요인을 신체 상태, 환경적 위험, 및 잠재적인 위험 상황으로 분류하여 저장할 수 있다. 그 이유는 낙상이 이동성이나 균형을 손상시키는 신체 상태, 환경적 위험, 또는 잠재적인 위험 상황으로 인해 발생하기 때문이다. 예를 들어, 파킨슨병이 있고 시력이 손상된 경우(신체 상태) 급히 전화를 받으러 가는 도중에(잠재적인 위험 상황) 연장 코드(환경적 위험)에 걸려 넘어질 수 있다.
신체 상태를 먼저 살펴보면, 사람의 신체 상태는 노화 자체, 체력, 현재 질병 및 사용 약물에 의한 변화의 영향을 받게 되고, 이러한 신체 상태는 아마도 환경적 위험과 위험 상황보다 낙상의 위험에 더 큰 영향을 준다. 허약한 또는 손상된 신체 상태는 낙상의 위험을 증가시킬 뿐만 아니라 사람들이 어떻게 위험과 위험 상황에 반응하는지에도 영향을 주게 된다.
낙상의 위험을 증가하는 신체 손상은 다음을 포함한다.
- 균형 또는 보행
- 시력
- 감각, 특히 발 부위
- 근력
- 인지 기능
- 혈압 또는 심장박동
마찬가지로, 주의력에 영향을 미치는 약물(예: 아편계 진통제, 항불안제 및 일부 항우울제) 또는 혈압을 낮추는 약물(예: 항고혈압제, 심장 및 이뇨제 약물)을 사용해도 낙상 위험이 커질 수 있다.
두 번째로, 환경의 위험 요소를 살펴보면, 환경적 위험 요소 역시 낙상과 많이 관련되어 있다. 낙상은 사람들이 위험 요소를 알아차리지 못하거나 위험 요소를 알아차려도 충분히 재빨리 반응하지 않을 때 발생할 수 있기 때문이다.
낙상의 위험을 높이는 환경적 위험 요소에는 다음이 포함된다.
- 부적절한 조명
- 작은 융단
- 미끄러운 바닥
- 전기나 연장 코드 또는 걷는 길에 있는 물건들
- 고르지 못한 보도 및 깨진 연석
- 주변에 익숙하지 않음
대부분의 낙상은 침대나 의자로 들어가거나 일어나거나, 변기에 앉거나 변기에서 일어나거나, 걷거나 계단을 오르내리는 등, 움직일 때 발생하는데, 움직이는 동안 사람들은 발을 헛디디거나 걸리거나 또는 균형을 잃을 수 있다. 따라서, 환경적 위험 요소를 고려하는 것이 중요하다.
마지막으로, 잠재적인 위험 상황에 대해서 살펴보면, 사람들이 서두르거나 만일 그들의 주의력이 분산되는 경우가 이에 해당될 수 있다. 예를 들어 완전히 잠에서 깨지 않은 상태에서, 또는 조명이 침침한 야간에 화장실로 급하게 가거나, 전화를 받으러 급하게 가는 경우가 잠재적인 위험 요인이 될 수 있다.
이러한 신체 상태, 환경적 위험, 또는 잠재적인 위험 상황은 외부 센서(430)를 사용하여 측정되고, 측정된 정보가 빅데이터 데이터베이스(490)에 저장될 수 있다.
또한, 외부 센서(430)는 외부 전문 기관에 의한 측정을 나타낼 수도 있다. 예를 들어, 낙상의 원인을 확인하기 위한 의사들의 문진 결과도 외부 센서(430)와 측정 결과로서 빅데이터 데이터베이스(490)에 저장될 수 있다. 이 경우, 의사들은 낙상 직전에 겪은 증상(흉통, 현기증 및 숨가쁨)과 낙상을 유발했을 만한 활동을 포함하여 낙상 시 상황에 대한 질문을 하고, 그에 대한 응답을 저장한다. 마찬가지로, 낙상에 영향을 미쳤을 만한 처방약과 비처방약의 사용에 대한 문진 결과도 저장할 수 있다.
신체 정보 수집부(420)에 의해 저장되는 신체 정보도 의사 등의 전문가에 의해 측정될 수 있다. 예를 들어, 의사들은 우선 부상을 확인하고 낙상의 가능한 원인들에 대한 정보를 얻기 위해 신체 검사를 시행한다. 예를 들어, 다음과 같은 신체 검사가 수행될 수 있다.
- 혈압 측정: 기립 시 혈압이 감소할 경우, 낙상은 기립성 저혈압에 의한 것일 수 있다( 기립 시 어지러움 또는 현기증).
- 심장 소리: 의사들은 청진기로 심장 소리를 듣고 느린 심박수, 비정상 박동, 심장 판막 문제, 심부전의 증거가 있는지 확인할 수 있다.
- 근력 및 운동 범위 평가: 의사들은 등과 다리를 평가하고 발에서 문제를 확인한다.
- 시력과 신경계 평가: 의사들은 근력, 협동, 위치와 균형 감각과 같은 신경계 기능을 확인한다.
만일 낙상이 환경적 위험으로 인한 것이며 큰 부상이 발생하지 않았다면 아무런 검사도 실시하지 않을 수 있으나, 신체 상태가 낙상에 기여할 수 있었다면 정밀 검사가 요구될 수도 있다. 예를 들어, 신체 검사가 심장 문제의 증거를 감지하면 심박수 및 박동을 심전도법(Electrocardiography, ECG)이 수행될 수 있다. 필요에 따라서는, 신경계 기능부전으로 나타날 시 두부의 컴퓨터 단층촬영(computed tomography, CT) 또는 자기공명영상(magnetic resonance imaging, MRI)이 유용하게 사용될 수도 있다.
이와 같이, 도 4 의 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템은 외부 센서(430)를 도입함으로써 낙상 가능성과 치매 발병 가능성을 더 정확하게 판정할 수 있도록 도울 수 있다.
본 발명에 의하여, 고령자 노인 사망률 1위인 낙상 사고의 발생 가능성을 수치화한 판정 결과를 사전에 가족 및 보호자가 공유할 수 있으므로, 실시간으로 조치를 취할 수 있다.
또한, 본 발명에 의하여 축적된 빅데이터를 낙상 사고 예방뿐만 아니라 치매 발병 가능성의 추정근거로 활용하여 치매 조기발견 및 신속한 조치를 할 수 있고 가족 및 보호자의 불안감을 해소할 수 있다. 즉, 본 발명에 의하여 낙상 사고로 인한 고령자의 사망 및 중증질병의 예방이 가능하고, 사고 발생이후 막대한 가족 및 사회적 비용을 절감할 수 있다. 또한, 고령자 치매로 인한 보호자 및 사회의 불안감을 해소하고 사전에 조치를 취할 수 있어서 추가적인 즉각적인 적절한 사후조치 및 비용을 절감할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.
또한, 본 발명에 따르는 방법은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 분산 컴퓨터 시스템에 의하여 분산 방식으로 실행될 수 있는 컴퓨터가 읽을 수 있는 코드를 저장할 수 있다.
본 명세서에서 사용되는 용어에서 단수의 표현은 문맥상 명백하게 다르게 해석되지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함한다" 등의 용어는 설시된 특징, 수, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 의미하는 것이지, 하나 또는 그 이상의 다른 특징들이나 개수, 단계 동작 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다. 그리고, 명세서에 기재된 "...부", "...기", "모듈", "블록" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
따라서, 본 실시예 및 본 명세서에 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 명확하게 나타내고 있는 것에 불과하며, 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형 예와 구체적인 실시예는 모두 본 발명의 권리범위에 포함되는 것이 자명하다고 할 것이다.
본 발명의 노인의 낙상 가능성 및 치매 발병 가능성을 산출하여 노인 건강과 복지를 증진하기 위해 사용될 수 있다.
210, 310, 410 : 웨어러블 디바이스
220, 420 : 신체 정보 측정부
250, 350, 450 : 낙상 및 치매 예측 서버
260, 370, 460 : 빅데이터 처리부
270, 280, 470, 480 : 개인용 단말기
290, 490, 빅데이터 데이터베이스
360 : 낙상 가능성 판정부
365 : 치매 발병 가능성 판정부

Claims (10)

  1. 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법으로서,
    낙상 및 치매 빅데이터 데이터베이스가, 낙상 사고 및 치매 환자에 대한 데이터를 분석하여 구축된 낙상 및 치매 빅데이터를 저장하는 단계;
    노인이 착용한 웨어러블 디바이스에 장착된 신체 정보 수집부가, 노인의 보폭 및 이동 속도를 포함하는 신체 정보를 수집하는 단계;
    낙상 및 치매 예측 서버가, 네트워크를 통해 상기 낙상 및 치매 빅데이터 및 상기 신체 정보를 수신하고, 수신된 낙상 및 치매 빅데이터 및 신체 정보에 기초하여 노인의 낙상 가능성을 판정하는 단계;
    상기 낙상 및 치매 예측 서버가, 상기 낙상 및 치매 빅데이터에 기반하여, 판정된 낙상 가능성에 상응하는 치매 발병 가능성을 판정하는 단계; 및
    판정된 낙상 가능성 및 치매 발병 가능성을 표시하는 단계를 포함하는, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법.
  2. 제1항에 있어서,
    상기 신체 정보는, 보행 패턴, 보행 시의 3축 가속도, 상기 노인이 앓고 있는 질병, 복용하는 약물, 상기 노인의 시력 및 근력, 및 상기 노인의 혈압 및 심박 중 적어도 하나를 더 포함하는, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법.
  3. 제2항에 있어서,
    상기 빅데이터 데이터베이스는, 상기 노인의 낙상 위험 요소를, 적어도 신체적 위험 요소, 환경적 위험 요소, 및 잠재적인 위험 요소로 분류하여 저장하고, 상기 낙상 위험 요소 각각과 상기 낙상 가능성 및 상기 치매 발병 가능성 사이의 상관관계를 빅데이터로서 저장하는, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법.
  4. 제3항에 있어서,
    상기 빅데이터 데이터베이스는, 보폭의 변화, 보행 패턴의 변화, 3축 가속도의 변화, 혈압의 변화, 심박의 변화, 근력의 변화, 시력 및 신경계 변화를 상기 신체적 위험 요소로서 저장하는, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법.
  5. 제4항에 있어서,
    상기 웨어러블 디바이스는, 노인의 귀에 착용되고, 음파를 증폭하여 전달하는 보청기인, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법.
  6. 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템으로서,
    낙상 사고 및 치매 환자에 대한 데이터를 분석하여 구축된 낙상 및 치매 빅데이터를 저장하는 낙상 및 치매 빅데이터 데이터베이스;
    노인에 의하여 착용되고, 노인의 보폭 및 이동 속도를 포함하는 신체 정보를 수집하는 신체 정보 수집부를 포함하는 웨어러블 디바이스; 및
    네트워크를 통해 상기 낙상 및 치매 빅데이터 및 상기 신체 정보를 수신하고, 수신된 낙상 및 치매 빅데이터 및 신체 정보에 기초하여 노인의 낙상 가능성을 판정하는 낙상 및 치매 예측 서버를 포함하고,
    상기 낙상 및 치매 예측 서버는, 상기 낙상 및 치매 빅데이터에 기반하여, 판정된 낙상 가능성에 상응하는 치매 발병 가능성을 판정하고,
    판정된 낙상 가능성 및 치매 발병 가능성을 표시하도록 구성되는, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템.
  7. 제6항에 있어서,
    상기 신체 정보는, 보행 패턴, 보행 시의 3축 가속도, 상기 노인이 앓고 있는 질병, 복용하는 약물, 상기 노인의 시력 및 근력, 및 상기 노인의 혈압 및 심박 중 적어도 하나를 더 포함하는, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템.
  8. 제7항에 있어서,
    상기 빅데이터 데이터베이스는, 상기 노인의 낙상 위험 요소를, 적어도 신체적 위험 요소, 환경적 위험 요소, 및 잠재적인 위험 요소로 분류하여 저장하고, 상기 낙상 위험 요소 각각과 상기 낙상 가능성 및 상기 치매 발병 가능성 사이의 상관관계를 빅데이터로서 저장하는, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템.
  9. 제8항에 있어서,
    상기 빅데이터 데이터베이스는, 보폭의 변화, 보행 패턴의 변화, 3축 가속도의 변화, 혈압의 변화, 심박의 변화, 근력의 변화, 시력 및 신경계 변화를 상기 신체적 위험 요소로서 저장하는, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템.
  10. 제9항에 있어서,
    상기 웨어러블 디바이스는, 노인의 귀에 착용되고, 음파를 증폭하여 전달하는 보청기인, 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 시스템.
KR1020190157103A 2018-11-29 2019-11-29 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법 및 시스템 KR102239671B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20180150470 2018-11-29
KR1020180150470 2018-11-29

Publications (2)

Publication Number Publication Date
KR20200064948A true KR20200064948A (ko) 2020-06-08
KR102239671B1 KR102239671B1 (ko) 2021-04-16

Family

ID=71089715

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190157103A KR102239671B1 (ko) 2018-11-29 2019-11-29 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102239671B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210155335A (ko) * 2020-06-15 2021-12-22 한국과학기술정보연구원 일상생활 능력정보 기반 치매 예측 방법 및 그 장치
KR20210157526A (ko) * 2020-06-19 2021-12-29 고려대학교 산학협력단 의료용 건강관리 서비스 플랫폼
CN117672449A (zh) * 2023-12-04 2024-03-08 启康保(北京)健康科技有限公司 一种基于物联网的药品管理系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102671066B1 (ko) 2021-11-03 2024-06-03 주식회사 에이텍 보행을 이용한 고령자 건강관리장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120036033A (ko) * 2010-10-07 2012-04-17 엘지전자 주식회사 보행 패턴을 이용한 건강 이상 진단 방법 및 진단 시스템
KR20130006462A (ko) 2010-03-03 2013-01-16 레르 리키드 쏘시에떼 아노님 뿌르 레？드 에렉스뿔라따시옹 데 프로세데 조르즈 클로드 금속 화합물에 대한 세정 용매 및 세정 방법
KR20140070064A (ko) * 2012-11-30 2014-06-10 경희대학교 산학협력단 가속도 센서를 이용한 환자분석 장치 및 방법
KR20180051280A (ko) * 2016-11-08 2018-05-16 을지대학교 산학협력단 낙상 방지용 웨어러블 디바이스 및 이를 이용한 낙상 위험 관리 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130006462A (ko) 2010-03-03 2013-01-16 레르 리키드 쏘시에떼 아노님 뿌르 레？드 에렉스뿔라따시옹 데 프로세데 조르즈 클로드 금속 화합물에 대한 세정 용매 및 세정 방법
KR20120036033A (ko) * 2010-10-07 2012-04-17 엘지전자 주식회사 보행 패턴을 이용한 건강 이상 진단 방법 및 진단 시스템
KR20140070064A (ko) * 2012-11-30 2014-06-10 경희대학교 산학협력단 가속도 센서를 이용한 환자분석 장치 및 방법
KR20180051280A (ko) * 2016-11-08 2018-05-16 을지대학교 산학협력단 낙상 방지용 웨어러블 디바이스 및 이를 이용한 낙상 위험 관리 시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210155335A (ko) * 2020-06-15 2021-12-22 한국과학기술정보연구원 일상생활 능력정보 기반 치매 예측 방법 및 그 장치
KR20210157526A (ko) * 2020-06-19 2021-12-29 고려대학교 산학협력단 의료용 건강관리 서비스 플랫폼
CN117672449A (zh) * 2023-12-04 2024-03-08 启康保(北京)健康科技有限公司 一种基于物联网的药品管理系统
CN117672449B (zh) * 2023-12-04 2024-05-17 启康保(北京)健康科技有限公司 一种基于物联网的药品管理系统

Also Published As

Publication number Publication date
KR102239671B1 (ko) 2021-04-16

Similar Documents

Publication Publication Date Title
KR102239671B1 (ko) 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법 및 시스템
US20180177436A1 (en) System and method for remote monitoring for elderly fall prediction, detection, and prevention
Shany et al. Sensors-based wearable systems for monitoring of human movement and falls
Witchel et al. Thigh-derived inertial sensor metrics to assess the sit-to-stand and stand-to-sit transitions in the timed up and go (TUG) task for quantifying mobility impairment in multiple sclerosis
Lockhart et al. Wavelet based automated postural event detection and activity classification with single IMU (TEMPO)
Silva et al. Comparing machine learning approaches for fall risk assessment
Haescher et al. Mobile assisted living: Smartwatch-based fall risk assessment for elderly people
AU2022203004A1 (en) System for recording, analyzing risk(s) of accident(s) or need of assistance and providing real-time warning(s) based on continuous sensor signals
US20230298760A1 (en) Systems, devices, and methods for determining movement variability, illness and injury prediction and recovery readiness
Rahme et al. Evaluating the accuracy of step tracking and fall detection in the Starkey Livio artificial intelligence hearing aids: a pilot study
Olson et al. Predicting fall risk through automatic wearable monitoring: A systematic review
CN111387990B (zh) 一种脑卒中偏瘫患者用离床预警系统
Greene et al. A comparison of cross-sectional and prospective algorithms for falls risk assessment
Wall et al. Vibrotactile feedback of mediolateral trunk tilt or foot pressure increases locomotor performance in healthy older adults-A pilot study
Sant'Anna et al. A wearable gait analysis system using inertial sensors part ii-evaluation in a clinical setting
Bernardino et al. A dataset for the automatic assessment of functional senior fitness tests using kinect and physiological sensors
Daunoraviciene et al. Quantitative body symmetry assessment during neurological examination
Bayan et al. Inexpensive virtual assisted rehabilitation system (VARS) for lower part injuries
Carcreff Gait analysis in children with cerebral palsy: bridging the gap between the laboratory and real life
CN113100789B (zh) 一种膝关节内外侧受力实时分析系统
US20240203228A1 (en) System and method for predicting a fall
Rast Measuring Everyday Life Motor Activities in Children and Adolescents with Neuromotor Impairments
Park et al. Application of Decision Tree to Classify Fall Risk Using Inertial Measurement Unit Sensor Data and Clinical Measurements
Chakraborty Wireless Body Area Sensor Network in Healthcare Applications
Jovanov et al. Assessment of fall risks in older females and males using an automated smartphone mobility suite

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right