Resumen

Las caídas son sucesos críticos para la salud humana debido al riesgo asociado de lesiones físicas y psicológicas. Se han desarrollado varios sistemas relacionados con las caídas para reducir las lesiones. Entre ellos, los sistemas de predicción del riesgo de caídas son uno de los enfoques más prometedores, ya que tratan de predecir una caída antes de que se produzca. Una categoría de sistemas de predicción del riesgo de caídas evalúa el equilibrio y la fuerza muscular mediante algunas pruebas clínicas de evaluación funcional, mientras que otros sistemas de predicción investigan el reconocimiento de patrones de marcha anormales para predecir una caída en tiempo real. La principal aportación de este trabajo es un modelo no lineal de la marcha del usuario en combinación con una clasificación basada en umbrales para reconocer patrones de marcha anómalos con baja complejidad y alta precisión. Además, se prepara un conjunto de datos con parámetros realistas para simular andares anormales y evaluar los métodos de predicción de caídas. Para crear el conjunto de datos se han explotado los sensores acelerómetro y giroscopio disponibles en un smartphone. El enfoque propuesto se ha implementado y comparado con los enfoques del estado de la técnica, mostrando que es capaz de predecir una caminata anormal con una mayor precisión (93,5%) y una mayor eficiencia (hasta 3,5 más rápido) que otros enfoques viables.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:patrones de marcha anormales, sistemas de predicción de riesgo, caída, pruebas de evaluación funcional clínica, métodos de predicción de caídas, otros enfoques viables, otros sistemas de predicción, conjunto de datos, orden, Varias caídas
• Keywords:abnormal gait patterns, risk prediction systems, fall, clinical functional assessment tests, fall prediction methods, other feasible approaches, other prediction systems, dataset, order, Several fall