Sistema electrónico
experimental para la medición de variables de parámetros de marcha en ancianos
Experimental electronic system for
the measurement of gait parameter variables in elderly people
Menéndez Álvarez, Jaime1*;
Arencibia Castellanos, Gianna1; Hernández Montero, Fidel E.1;
Rodríguez Suárez, Juan R.2, Pérez Molinet, Ailén1
1-
Universidad
Tecnológica de La Habana “José Antonio
Echeverría” (CUJAE), Cuba
2-
Universidad de
Pinar del Río, Cuba
* E-mail: jaimemenendezalvarez@gmail.com
Recibido
el 10 de Diciembre de 2019, Aprobado el 28 de Abril de 2020.
Resumen
En
el estudio actual que se realiza en Cuba sobre el monitoreo de indicadores del
desempeño físico en ancianos, los parámetros medidos son afectados por la
subjetividad del especialista que realiza las mediciones y no se tiene en
cuenta la variabilidad que puede existir en estos. Desarrollar y evaluar en un
entorno de laboratorio un sistema electrónico, de bajo costo, capaz de medir de
forma inalámbrica estas variables físicas brinda la posibilidad de obtener
parámetros de la marcha de manera automática. El sistema diseñado está basado
en una Unidad de Medición Inercial (IMU) por tanto es capaz de medir la
aceleración lineal y la velocidad angular en los tres ejes coordenados, así
como la temperatura. El sistema transmite los datos de forma inalámbrica vía
Bluetooth hacia una PC donde se implementa la etapa de procesamiento. Se evalúa
el sistema de medición diseñado con diferentes pruebas que demuestran un
comportamiento satisfactorio. También se muestran los resultados obtenidos al
usar el dispositivo, en una prueba de equilibrio dinámico; en la cual las
variables físicas obtenidas del IMU son procesadas con el fin de obtener el
ángulo de inclinación del sensor.
Palabras
claves: IMU; Sistema de Adquisición,
Arduino, indicadores de desempeño físico.
Abstract
This research, which
is carried out in Cuba, is about the monitoring of physical performance
indicators on elderly people. The parameters under measurement are affected by
the specialist subjectivity who measures the parameters without carefully
considering the variability that may exist among them. Developing and
evaluating, within a laboratory environment, a low-cost electronic system
capable of wirelessly measuring these physical variables, allows the
possibility to automatically obtain gear parameters. This system is based on an
Inertial Measurement Unit (IMU) that is able to measure not only the linear
acceleration and angular speed in the three coordinate axes but also the
temperature. At the same time, the system transmits data, via Bluetooth, to a
PC where signal processing techniques are implemented. The designed measurement
system is evaluated through different proofs which demonstrate a satisfying
behavior. The obtained results are also
shown when using this system in a dynamic equilibrium test in which the physical
variables obtained by the IMU are processed to get the sensor angle inclination.
Keywords: IMU; Acquisition System, Arduino, physical performance
indicators.
Introducción
El
envejecimiento es un fenómeno irreversible, común a todas las especies (Guerra
et al., 2018). Estudios demográficos
recientes estiman que la población actual de más de 65 años se duplicará en el
año 2030, por tanto el cuidado y monitoreo de la salud del adulto mayor se hace
cada vez más necesario (Rodríguez
et al., 2017).
Los indicadores de Desempeño Físico reflejan la capacidad para realizar
movimientos o actividades específicas tales como: Velocidad de la Marcha,
Fuerza de Agarre y Equilibrio. Estos contribuyen
a medir el grado de funcionalidad en los ancianos y entre los indicadores más
utilizados está la marcha, sus parámetros se muestran en la Tabla 1 (
Best et L., 2017, Jerome ET AL., 2015, Aboutorabi et al., 2016). En
Cuba se han realizado estudios sobre los indicadores del desempeño físico en
ancianos (
Agustín & Capote, 2010, Agustín et al., 2013, Agustín et al., 2018). Esto
ha permitido la correcta caracterización de los mismos y la identificación de
adultos mayores frágiles. Los procedimientos para medir estos indicadores se
realizan mediante inspección visual por tanto, los resultados pueden verse
afectados por la subjetividad del especialista que realiza las mediciones.
Para
mejorar la calidad de estas pruebas y obtener mediciones más objetivas de los
indicadores, es necesario automatizar las pruebas de desempeño físico. En la
actualidad existen equipos basados en sensores inerciales que pueden ser usados
para medir estos indicadores, es el caso del modelo MTi-10-series del
fabricante Xsens el cual está formado por: IMU (Unidad de Medición Inercial),
VRU (Unidad de Recuperación de Vapor) y AHRS (Sistema de Referencia de Actitud
y Rumbo), con un costo de 800 euros. También del mismo fabricante existe el
modelo MTi-100 basado en INS (Sistema de Navegación Inercial), IMU, VRU y AHRS,
este provee datos con gran precisión como son: la posición, velocidad,
aceleración y orientación, con un costo de 1850 euros. Ambos sensores vienen
acompañados por un software que
permite graficar los datos obtenidos y la comunicación entre el sensor y la
computadora se hace mediante la interfaz RS232.
En
este trabajo se desarrolla y evalúa un sistema electrónico que permite la
medición inalámbrica de variables físicas necesarias para el monitoreo de la
marcha humana, con un costo reducido en relación con desarrollos similares.
Tabla 1: Parámetros de la marcha.
|
Cantidad de pasos |
|
Longitud del paso |
|
Cadencia (Cantidad de
pasos/Tiempo) |
|
Velocidad |
|
Duración del paso |
|
Contacto inicial (inicio del
paso) |
|
Contacto
final (fin del paso) |
Materiales y métodos
El
diseño del sistema se ha realizado en base a los siguientes requerimientos:
·
Dispositivo capaz de registrar
señales inerciales con una frecuencia de muestreo estable de hasta 200 Hz.
·
Posibilidad de almacenamiento
de la información en una tarjeta micro SD.
·
Transmisión de datos en tiempo
real de manera inalámbrica empleando el protocolo Bluetooth.
·
Visualización de datos en
tiempo real en un ordenador.
·
Interfaz sencilla, con
posibilidad de definir parámetros como frecuencia de muestreo, modo de
operación, rango de operación y el almacenamiento de los datos a un archivo.
·
Sensor pequeño y portable.
Para
las aplicaciones de monitorización de movimiento humano y de acuerdo con los
requerimientos de usabilidad se requiere que el sensor sea pequeño y portable.
El dispositivo debe poseer un acelerómetro y un giroscopio triaxial de bajo
consumo y alta precisión. La frecuencia de muestreo aconsejable para poder
medir el movimiento humano es de 40 Hz. Sin embargo, es apropiado que el IMU
tenga una frecuencia de muestreo de hasta 200 Hz, ajustable por el usuario,
abriendo la posibilidad de mejorar la precisión y de ampliar el abanico de
aplicaciones para el dispositivo (
Ribeiro & Santos, 2017).
Los
módulos de transmisión y almacenamiento de datos deben tener la posibilidad de
inhabilitarse en función del modo de operación del sistema, ya sea para un
comportamiento “online” u “offline”. Se indica un comportamiento “online” a la transmisión continua de
todos los datos obtenidos hacia una PC, vía Bluetooth, y su captura en tiempo
real por una aplicación desarrollada en el ordenador. Un comportamiento “offline” solo incluiría la captura de
datos y su almacenamiento en una tarjeta micro SD.
A
continuación, se describe la arquitectura en bloques del hardware diseñado, así como los sensores inerciales incluidos. Se
detallan las características del firmware
desarrollado y el funcionamiento del programa.
Hardware
Desarrollado
En
la Figura
1 se muestra un diagrama de
bloques del diseño propuesto.
Figura 1: Diagrama en
bloques del sistema de adquisición de datos.
El
módulo de adquisición es el bloque que contiene los sensores inerciales y que envía
los datos a una PC para su procesamiento y visualización, o bien almacenarlos
en una tarjeta micro SD para su análisis posterior. Este módulo es el corazón
del sistema y está formado por un Arduino Nano, la unidad de
medición inercial MPU-6050, un módulo
Bluetooth utilizado para la transmisión inalámbrica de datos, un adaptador micro SD para el
almacenamiento y una batería de 9 V.
El
Arduino Nano es una tarjeta pequeña, perteneciente a la gran familia Arduino,
ideal para proyectos donde el tamaño es una limitante. El Arduino está
controlado por el ATMEGA328P, un microcontrolador de bajo consumo de 8 bits de
Atmel basado en RISC. La tensión de funcionamiento del dispositivo se encuentra
entre 1.8-5.5V.
El
MPU-6050 es el sensor seleccionado para
el diseño debido a su precisión, bajo costo y amplio uso en la literatura para
el estudio de la marcha (
Kodappully et al., 2017, Dinh et al., 2017, Ibarra et al., 2018, Xu et al.,
2016, Kardos et al., 2017, Wang et al.,
2015, Shiao et al. 2017).
Posee un acelerómetro y un giroscopio en los tres ejes con una alta precisión,
así como un sensor de temperatura.
De acuerdo con los
requerimientos, el dispositivo se debe comunicar inalámbricamente con el ordenador
para proporcionar los datos de los sensores en tiempo real mediante Bluetooth. El
módulo Bluetooth seleccionado para el diseño es el HC-05, ya que es compatible
con la mayoría de los dispositivos por implementar Bluetooth 2.0, es de bajo
costo y es ampliamente utilizado en la literatura para el desarrollo de sistemas
utilizando microcontroladores (
Kodappully et al., 2017, Dinh et al., 2017, Kardos et al., 2017, Caliskan et
al., 2018, Ma et al., 2018, Lee et al., 2018, Mazumder & Vashista, 2017, Shandilya
et al., 2015, Mathur et al.,2016). Ha
sido configurado a una velocidad de transferencia de 115200 baudios en modo
esclavo y posee un consumo de 31.5 mA de acuerdo con sus especificaciones. Es
un dispositivo clase 2 por lo que permite un rango de alcance de unos 10 m,
pudiendo ser mayor en espacios cerrados por la presencia de reflexiones. La
tensión de alimentación es de desde 3.5 hasta 6 V, ya que posee un regulador de
3.3 V integrado.
Dado
que el dispositivo debe comportarse también como un sistema de almacenamiento
de datos, es requerido que incluya una unidad de almacenamiento. Para ello, se
incorpora un conector para tarjeta micro SD. La tensión de alimentación de los
módulos es de 3.3 V, pero en la mayoría de los módulos se incorpora un
regulador que permite alimentarlo directamente a 5 V.
El
sistema está alimentado por una batería de 9 V y 1000 mAh. La autonomía se
calcula de 20 horas aproximadamente cuando las condiciones son las siguientes:
el sistema trabaja a una frecuencia de muestreo de 200 Hz mientras se almacenan
los datos continuamente en la tarjeta micro SD de todos los sensores. Es
posible enviar los datos en tiempo real a través del módulo Bluetooth a la
frecuencia de muestreo seleccionada, pero esto hace que el rendimiento del
dispositivo disminuya. Cuando se envían los datos a 200 Hz, vía Bluetooth, se
estima que la autonomía decrece de 20 horas a 10 horas, ya que el consumo de
dicho módulo es más alto que el consumo exigido por la tarjeta micro SD en el
proceso de almacenaje de datos.
El
dispositivo diseñado posee dos modos principales de operación: “online” y “offline”. Si se selecciona el modo “online”, el microcontrolador leerá los datos del sensor y los
transmitirá de manera continua vía Bluetooth hacia una PC. La aplicación es
capaz de graficar las siete señales medidas por el sensor, que incluyen la
aceleración en los tres ejes, la velocidad angular en los tres ejes y la
temperatura del dispositivo en grados Celsius. En el modo de operación “offline”, los datos serán continuamente
almacenados en una tarjeta micro SD conectada al módulo de adquisición para su
posterior análisis, permitiendo la utilización del dispositivo sin
restricciones de distancias y elevando la autonomía del dispositivo.
Las
conexiones del módulo de adquisición de datos se muestran en las Figuras
2 y 3.
Figura 2: Diagramas de
conexiones del Módulo de Adquisición.
Figura 3:
Diagrama en
Bloques del Módulo de Adquisición.
Firmware
Desarrollado
El
firmware es el encargado de gobernar
los periféricos que intervienen en el sistema. La principal prioridad del
dispositivo es garantizar una frecuencia de muestreo estable y precisa. El
módulo de Bluetooth realiza dos funciones principales en el dispositivo. La
primera es recibir instrucciones de configuración del ordenador para establecer
los parámetros del dispositivo. La segunda es enviar los paquetes de datos en
tiempo real con el fin de que se puedan procesar o almacenar en un sistema
externo. En la Tabla 2 se muestran los modos de operación del dispositivo. La tarjeta
micro SD que se empleó en el dispositivo tiene una capacidad de 8 GB y funciona
a través de un sistema de archivos FAT32. Puesto que las tarjetas micro SD son
dispositivos de memoria flash, los procesos para escribir bloques de datos a
través de la SPI hacia la tarjeta SD pueden tardar más de 250 ms.
Tabla
2: Modos de
operación del dispositivo.
|
Modo de Operación |
Acción |
|
0 |
Establece en el dispositivo el modo “offline” e inicia el proceso de
captura almacenando los datos en la memoria micro SD. |
|
1 |
Establece en el dispositivo el modo “online” e inicia el proceso de captura
transmitiendo continuamente todos los datos mediante Bluetooth. |
|
2 |
Detiene el proceso de captura de datos y pone
al dispositivo en espera de una nueva configuración. |
Para
hacer más eficiente la escritura en micro SD y evitar latencias innecesarias,
la escritura en esta se realiza cuando hay 512 bytes de datos listos para
escribir, es decir, cuando se han capturado 32 muestras de cada sensor.
Para
el desarrollo de la aplicación en el ordenador se utilizó el lenguaje de
programación Python en su versión 3.5 y como ambiente de desarrollo o IDE (Integrated Development Environment), el
Spyder. Los módulos utilizados en Python para la implementación del programa
son: Numpy, paquete que provee a
Python con arreglos multidimensionales de alta eficiencia y diseñados para
cálculo científico. PyQt5 y PyQtgraph, módulos utilizados para graficar en tiempo
real la señal, así como para implementar la interfaz gráfica de la aplicación. PySerial, módulo utilizado para el
manejo del puerto serial. Se utilizó la librería PyQt5 para el desarrollo de la
interfaz gráfica. La aplicación tiene una interfaz conformada por una ventana
de visualización, en la que se pueden observar los datos en tiempo real adquiridos
por el sensor. La interfaz gráfica se muestra en la Figura
4.
Figura 4: Interfaz gráfica de la
aplicación.
Al
abrir el programa, se realiza una búsqueda de todos los puertos seriales
disponibles en el PC, por lo que es fundamental conectar el módulo de
adquisición, o emparejarlo vía Bluetooth con el ordenador antes de iniciar la
aplicación y seleccionar el puerto correcto. Al seleccionar el puerto, la
frecuencia de muestreo, los rangos del sensor, el modo de trabajo y luego
presionar el botón de inicio, automáticamente la aplicación abrirá el puerto
seleccionado y enviará un paquete de configuración al módulo de adquisición vía
Bluetooth con los parámetros seleccionados en la interfaz de usuario. Al
detener la adquisición de datos con el botón de Parar, se envía al módulo de
adquisición un paquete de configuración con la orden de detener estableciendo
el campo modo de operación seleccionado. Se ofrece además la opción de guardar
los datos recopilados en la ubicación y con el nombre deseado.
Cada
paquete de datos recibido por el programa es almacenado en el buffer de entrada
del puerto serie. Cada 50 ms todos los datos en el buffer de entrada del puerto
serial es procesado, agregando los nuevos valores a las gráficas y guardando
los datos en un buffer de datos. Luego, cada 10 segundos, todos los valores
disponibles en el buffer de datos son salvados a un archivo temporal y el
buffer se vacía.
Resultados y Discusión
Fue
construido un prototipo de prueba con la finalidad de evaluar su funcionamiento
y desempeño usable en las investigaciones que sobre desempeño físico en
ancianos se llevan a cabo. Las evaluaciones del sistema se realizaron sobre el
proceso de construcción en diferentes fases, y luego fueron integrados cada uno
de los resultados al unificar los módulos. En la Figura
5 se muestra el prototipo
diseñado sin el adaptador micro SD y en la Tabla 3, el costo de sus
componentes, para lo cual los precios de estos fueron consultados en el año
2019 en la página web de Digi-Key.
Figura 5: Prototipo del Sistema propuesto.
Tabla 3: Costo del prototipo desarrollado.
|
|
CANTIDAD |
PRECIO (USD) |
|
Arduino
Nano - ATmega328P |
1 |
3.99 |
|
MPU-6050 |
1 |
2.80 |
|
Bluetooth
HC-05 ZS-040 |
1 |
4.99 |
|
Batería
de 9V |
1 |
7.99 |
|
Lector de Tarjetas micro SD Arduino |
1 |
1.55 |
|
Costo de los componentes |
|
21.32
USD |
|
Pruebas técnicas |
|
50 |
|
Honorarios por el trabajo de los diseñadores |
|
100 |
|
Costo total |
|
171.32
USD |
La
primera fase de pruebas inició con la puesta en marcha del sensor y la
evaluación de la máxima frecuencia de muestreo del sistema. La frecuencia
máxima de la Unidad de Medición Inercial MPU-6050 es de 1 kHz para el
acelerómetro, y 8 kHz para el giroscopio.
El
objetivo del experimento es comprobar la máxima frecuencia de muestreo a la
cual la tarjeta Arduino Nano, trabajando a 16 MHz, es capaz de obtener los siete
datos de 16 bits del sensor y transmitirlos vía serie hacia el ordenador. Para
ello, fue utilizado cable mini USB para conectar el Arduino Nano con el
ordenador. Para las pruebas se configuró el puerto serial del Arduino a 115200
baudios.
Se
encontró que no era posible la transmisión de los datos a la velocidad de
115200 baudios si se utiliza una frecuencia de muestreo de 1 kHz. Cada paquete
tiene un tamaño de 16 bytes y cada byte se transmite mediante el puerto serial
acompañado de un bit de parada. Teniendo en cuenta esto, para cada paquete es
necesario transmitir 16 bytes * 9 bits =144 bits. Si se divide la frecuencia
del puerto serial 115200 baudios entre 144 bits se encontró que la máxima
frecuencia de muestreo que se puede utilizar a 115200 baudios es 800 Hz. Para
comprobarlo, se configuró una frecuencia de muestreo de 1 kHz en el sensor, y
se comprobó mediante análisis visual que la señal obtenida y graficada en el
ordenador estaba completamente distorsionada y no respondía a los movimientos
del sensor, como se muestra en la Figura
6. Esto ocurre por el “cuello
de botella” que se produce al muestrear tan rápido y no poder transmitir todos
los datos obtenidos.
Se
realizaron pruebas a diferentes frecuencias de muestreo procediéndose de la
siguiente manera: Se configuró la frecuencia de muestreo en el sensor y se
habilitó un contador para la transmisión de 200000 muestras. En la PC, y a
través del puerto serial se recibían estas muestras y se guardaban, además de
graficarlas en tiempo real. La evaluación se realizó mediante inspección visual
y el análisis de los datos obtenidos. A medida que se obtienen los datos en
tiempo real, es posible apreciar el comportamiento de la señal con la
observación de las gráficas en el programa diseñado. Si el sensor está en
reposo, los ejes de las velocidades angulares deberán estar con valor nulo, y
solo se medirá, según la posición del sensor, la aceleración de la gravedad de
9,8 m/s2 en el eje perpendicular a la superficie terrestre. Además,
mientras funciona el sensor, se puede apreciar de manera visual como responde a
las vibraciones y movimientos del dispositivo. En el ordenador también se
analiza la integridad de los datos. Para ello se verifica que el fichero
guardado contenga las 200000 muestras que se transmiten con los 16 bytes cada
uno.
Figura 6: Señal
distorsionada obtenida al establecer 1 kHz de muestreo.
Los
resultados arrojaron que la máxima frecuencia a la que es posible trabajar con
el dispositivo, configurando el puerto serial a 115200 baudios, es de 727.3 Hz.
A esta frecuencia se obtuvieron los 200000 datos transmitidos en el ordenador
sin errores, además de que el análisis visual reflejó la correcta obtención de
las muestras. Se realizaron los mismos experimentos a la velocidad de 666,6 Hz
y 615.4 Hz con los mismos resultados.
Se
probó la velocidad del puerto serial a 230400 baudios y se realizaron las
pruebas descritas con frecuencias de muestreo de hasta un 1 kHz, sin distorsión
en la señal y obteniéndose todos los datos transmitidos sin errores. Debido a
que algunas versiones del módulo Bluetooth HC-06 no soportan velocidades por
encima de 115200 baudios, y a que algunos sistemas operativos pueden dar
problemas con estas velocidades, se decidió establecer el baudrate del puerto
serial a 115200 baudios. No es necesario para los fines del dispositivo tomar
muestras a valores mayores que 115200 baudios, ya que la frecuencia recomendada
para medir los movimientos del ser humano es de 40 Hz y el requisito de diseño
propuesto es de 200 Hz.
Se
realizaron pruebas en cuatro entornos: dos al aire libre y dos en espacios
cerrados, como se describe en la Tabla 4. Se utilizó una PC del fabricante
DELL, modelo Inspiron 15, serie 3000 con adaptador Bluetooth modelo 1705 del
fabricante Qualcomm Atheros. El módulo Bluetooth HC-05 fue configurado a una
velocidad de transmisión de 115200 baudios con un bit de parada y ningún bit de
paridad. El programa implementado en el Arduino configuró la frecuencia de
muestreo a 200 Hz.
Se
procedió de la siguiente manera: a partir de 8 m y aumentando progresivamente
la distancia en intervalos de 0,5 m se ubicó el dispositivo, se intentó
establecer la conexión y en caso de ser exitosa, se tomaron muestras durante 5
minutos configurando el sensor a una frecuencia de 200 Hz. Las muestras fueron
adquiridas por un programa desarrollado en Python, que comprobaba que el número
de secuencia del paquete que se obtenía era el correcto y que no se perdieran
paquetes. Los resultados de las pruebas se muestran en la Tabla 4, donde se
detallan el porciento de paquetes perdidos en la comunicación. Se comprobó,
mediante el análisis de los números de secuencias incluidos en cada uno de los
paquetes de datos, el porciento de paquetes que se perdieron durante la
comunicación, los resultados obtenidos son esperados ya que se está trabajando
con dispositivos Bluetooth de clase 2.
Tabla
4: Porcentaje
de paquetes perdidos a diferentes distancias.
|
Entorno |
Distancia |
||||||
|
8 m |
9 m |
10 m |
11 m |
12 m |
13 m |
14 m |
|
|
Espacio Abierto. |
0 |
0 |
0 |
0 |
12% |
34% |
60% |
|
Espacio Abierto con
obstáculos |
0 |
0 |
0 |
17% |
31% |
60% |
- |
|
Espacio cerrado en la
misma habitación. |
0 |
0 |
0 |
7% |
25% |
63% |
- |
|
Espacio cerrado en
habitaciones adyacentes. |
0 |
0 |
21% |
48% |
60% |
- |
- |
Entre
los requerimientos del diseño está la inclusión de un adaptador para tarjetas
de memoria micro SD, ya que el dispositivo podría ser utilizado para el
monitoreo prolongado de la actividad física en entornos abiertos. Debido a que
la lectura y escritura en estos dispositivos traen demoras en los procesos del
sistema, se decidió evaluar cuál era la máxima frecuencia de muestreo a la que
se puede trabajar en el dispositivo con micro SD sin que se pierdan datos.
Para
minimizar el tiempo de escritura en micro SD se decidió grabar los datos en
bloques de 512 bytes. En un bloque se pueden guardar 32 paquetes de 16 bytes.
Si la escritura se realizara cada vez que se guarda un paquete, el proceso
sería 16 veces más lento, por lo tanto, la escritura en bloques es una buena
práctica para optimizar la velocidad del sistema.
Utilizando
la función de biblioteca de Arduino micros(),
que mide el tiempo en microsegundos desde que se inició el sistema, se
implementó un programa que transmite, mediante el puerto serial, el tiempo que
demora la escritura en la tarjeta SD. Para el manejo de la tarjeta se utilizó
la librería SD, incluida en el entorno de desarrollo de Arduino. Al escribir
más de 512 bytes, automáticamente se escribirá el bloque en la tarjeta y se
cargará el próximo bloque. Se configuró el sensor a una frecuencia de 200 Hz y
se utilizó una tarjeta micro SD de 8 GB clase 4 del fabricante japonés ADATA
con sistema de archivos FAT32.
Los
resultados de las pruebas arrojaron demoras variables de hasta 221 ms en la
tarjeta micro SD. Este resultado limita la frecuencia de muestreo del
dispositivo al utilizar la tarjeta como modo de operación. Teniendo en cuenta
que el buffer FIFO puede almacenar unos 32 valores de lectura de todos los
sensores, la frecuencia máxima a la que se puede muestrear con esta latencia es
de 144 Hz. Por ello, el funcionamiento utilizando la tarjeta micro SD se ha
limitado a 125 Hz como frecuencia máxima de trabajo (modo “offline”).
Aplicación Real del Sistema
El
sistema fue aplicado en las pruebas de evaluación de equilibrio clínico que se
desarrollan en el Hospital "General Calixto García", en particular,
en el Centro de Investigación sobre Longevidad, Envejecimiento y Salud. Una de estas pruebas es la de equilibrio
dinámico, la cual consiste en contar cuántas veces un adulto mayor cambia desde
la posición de sentado a parado en un tiempo de 12 s. Para esto, se colocó el
sistema electrónico en la forma que se muestra en la Figura
7, con el objetivo de usar la
estimación del ángulo de orientación del IMU, en el plano transversal del
cuerpo humano. Para estimar este ángulo se utilizó el algoritmo de filtro
complementario, el cual fusiona los datos del acelerómetro y del giroscopio con
el propósito de obtener una medida más exacta de los ángulos de inclinación del
sensor (Peña,
2013).
Luego, se contarán las subidas consideradas como válidas. Una subida será
considerada como válida cuando la señal de ángulo estimado supere un umbral,
que en este caso se establece de manera empírica, con valor de 75, dentro de un
intervalo de 12 s.
Figura 7: Sujeto realizando pruebas de
equilibrio con el sistema propuesto.
Como
resultado, y a modo de ejemplo, en la Figura
8 se muestra la estimación del
ángulo obtenida al realizar una prueba, en la cual el cambio de posición se
realiza de forma válida tres veces en 12 s. Se aprecia que se opera de manera
efectiva.
Figura 8: Señal de Ángulo, Plano
Transversal.
Conclusiones
Se
ha diseñado a través de un sistema basado en microcontrolador, con interfaz
Bluetooth, una herramienta capaz de medir inalámbricamente las variables
físicas necesarias para determinar parámetros correspondientes a indicadores de
desempeño físico en ancianos. El dispositivo puede trabajar enviando los datos
en tiempo real vía Bluetooth o bien guardando los datos en una tarjeta micro
SD. Los datos recibidos inalámbricamente se grafican en tiempo real; y luego
son procesados para determinar el ángulo de elevación que alcanzan los
pacientes al realizar la prueba de equilibrio dinámico.
Se
logró desarrollar un sistema electrónico a un costo más bajo que los sistemas
que actualmente se comercializan, como son los casos del MTi-10 con un costo de
800 euros y el MTi-100 con un costo de 1850 euros. El perfeccionamiento de este
sistema puede permitir en un futuro cercano realizar el diagnóstico y seguimiento
de diversas enfermedades relacionadas con el deterioro cognitivo como por
ejemplo la demencia. Así como la detección de ancianos frágiles y con riesgo de
caídas. Esto se debe a que existe una estrecha relación entre los parámetros de
la marcha y el estado cognitivo de una persona. En futuros trabajos también se
propone comparar el sistema electrónico propuesto con otros que existen en el
mercado en cuanto a precisión, robustez, confiabilidad, nivel de aplicación,
entre otros aspectos, que nos permitan determinar la calidad de nuestro sistema
así como su perfeccionamiento.
Referencias
[1] Guerra JJ.L, Marante JP.D, Salgado AM. R, Peñalver
AI, Guerrero EP.G, Mola E. R & Palls, MT. E .
(2018). Determinants of the health status of the population and its influence
on the development of cognitive disorders. Revista Cubana de Salud Pública ; 44(1):141–152.
[2] Rodríguez
JJ. L, Cepero A. V, Medina AM. L, Fernández L. N, Álvarez R. P, Hernández MA. G,
et al. (2017). Cuba’s aging and Alzheimer longitudinal study. MEDICC Rev.
2017;19:31–35.
[3] Best JR, Ambrose T.
L, Boudreau RM, Ayonayon HN, Satterfield S, Simonsick EM, et al. (2016). An
evaluation of the longitudinal, bidirectional associations between gait speed
and cognition in older women and men. J Gerontol Ser Biomed Sci Med Sci.
2016;71(12):1616–1623.
[4] Jerome GJ, Ko S,
Kauffman D, Studenski SA, Ferrucci L, Simonsick EM. (2015) Gait characteristics
associated with walking speed decline in older adults: results from the Baltimore
Longitudinal Study of Aging. Arch Gerontol Geriatr. 2015;60(2):239–243.
[5] Aboutorabi A,
Arazpour M, Bahramizadeh M, Hutchins SW, Fadayevatan R. (2016). The effect of
aging on gait parameters in able-bodied older subjects: a literature review. Aging Clin Exp Res. 2016;28(3):393–405.
[6] Agustín
DG, Capote CB. (2010). Desempeño Físico en adultos mayores sanos, del municipio
Plaza de la Revolución. GeroInfo. Vol.5. No.1. 2010. ISSN 1816-8450.
[7] Agustín
DG, García JFP, de la Torre JAP, Orihuela MG, Osores RM, González AG.(2013).
Comorbilidad y Desempeño en personas adultos mayores de La Habana, Cuba. Horiz
Méd. 2013;13(2):19–27.
[8] Agustín D. G, Morejón S. C, Pérez Z. R.
(2018). Las pruebas de desempeño físico en el pronóstico de desenlaces adversos
en los ancianos. MediSan. 2018;22(6):466–470.
[9] Ribeiro NF, Santos
CP. (2017). Inertial measurement units: A brief state of the art on gait
analysis. En: IEEE 5th Portuguese Meeting on Bioengineering (ENBENG). 2017. p.
1–4.
[10] Kodappully M,
Kumar D, Lahiri U. (2017). A step towards smart health: A pelvic wearable
device for gait health quantification. En: 2017 IEEE Region 10 Symposium
(TENSYMP). IEEE; 2017. p. 1–5.
[11] Dinh A, Bayati M,
Bhatti M, Yepez J, Zhexin J. (2017). Design and implementation of a wireless
wearable band for gait analysis. En: International Conference on the
Development of Biomedical Engineering in Vietnam. Springer; 2017. p. 693–698.
[12] Ibarra JC. P, Williams H, Siqueira AA, Krebs
HI. (2018). Real-Time Identification of Impaired Gait Phases Using a Single
Foot-Mounted Inertial Sensor: Review and Feasibility Study. En: 2018 7th IEEE
International Conference on Biomedical Robotics and Biomechatronics (Biorob).
IEEE; 2018. p. 1157–1162.
[13] Xu H, Gu L, Tu B.
(2016). Gait authentication based on partial cyclic rotation metric. En: 2016
Chinese Control and Decision Conference (CCDC). IEEE; 2016. p. 1143–1148.
[14] Kardos S, Balog P,
Slosarcik S. (2017). Gait dynamics sensing using IMU sensor array system. Adv
Electr Electron Eng. 2017;15(1):71–76.
[15] Wang B, Rajput KS,
Tam W-K, Tung AK, Yang Z. (2015). FreeWalker: A smart insole for longitudinal
gait analysis. En: 2015 37th Annual International Conference of the IEEE Engineering
in Medicine and Biology Society (EMBC). IEEE; 2015. p. 3723–3726.
[16] Shiao Y, Chang
T-Y, Lai C-H. (2017). Gait identification using inertial sensors for control of
adaptive knee orthosis device. Sens Mater. 2017;29(11):1657–1665.
[17] Caliskan M, Tumer
AE, Sengul SB. (2018). Development of a Prototype Using the Internet of Things
for Kinetic Gait Analysis. Int J Intell Syst Appl Eng. 2018;6(3):242–247.
[18] Ma CZ. H, Zheng Y.
P, Lee WC. C. (2018). Changes in gait and plantar foot loading upon using
vibrotactile wearable biofeedback system in patients with stroke. Top Stroke
Rehabil. 2018;25(1):20–27.
[19] Lee C. N, Fong V. H,
Chu Y. T, Cheng L, Chuang H. W, Lo C. Y. (2018). A Wearable Device Of Gait
Tracking For Parkinson’S Disease Patients. En: 2018 International Conference on
Machine Learning and Cybernetics (ICMLC). IEEE; 2018. p. 462–466.
[20] Mazumder A,
Vashista V. (2017). Development of an Adaptive Gait Characterizer. En:
Proceedings of the Advances in Robotics. ACM; 2017. p. 49.
[21] Shandilya S, Meena
MK, Kumar N. (2015). A low cost wireless sensor development for assessing
ground reaction force in gait analysis. En: 2015 Annual IEEE India Conference
(INDICON). IEEE; 2015. p. 1–3.
[22] Mathur N, Glesk I,
Davidson A, Paul G, Banford J, Irvine J, et al. (2016). Wearable mobile
sensor and communication platform for the in-situ monitoring of lower limb
health in amputees. En: 2016 IEEE International Symposium on Circuits and
Systems (ISCAS). IEEE; 2016. p. 1366–1369.
[23]
Peña, R. V. (2013). Sistema de detección de movimientos basado en sensores
inerciales integrados. Tesis para optar por el título de Maestro en Tecnología
Avanzada, Instituto Politécnico Nacional, México. https://tesis.ipn.mx › Tesis
Maestria Roberto Vela Peña