Sistema electrónico experimental para la medición de variables de parámetros de marcha en ancianos

Barra lateral del artículo

PDF HTML
Publicado: Jun 25, 2020
DOI: https://doi.org/10.36995/j.recyt.2020.33.014
Palabras clave:
IMU, Sistema de Adquisición, Arduino, indicadores de desempeño físico

Contenido principal del artículo

Jaime Menéndez Álvarez
Facultad de Telecomunicaciones y Electrónica, CUJAE. Cuba.
Gianna Arencibia Castellanos
Facultad de Telecomunicaciones y Electrónica, CUJAE. Cuba.
Fidel Ernesto Hernández Montero
Facultad de Telecomunicaciones y Electrónica, CUJAE. Cuba.
Juan R. Rodríguez Suárez
Facultad de Ciencias Técnicas, Universidad de Pinar del Río. Cuba.
Ailén Pérez Molinet
Facultad de Telecomunicaciones y Electrónica, CUJAE. Cuba.

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.

Descargas

La descarga de datos todavía no está disponible.

Detalles del artículo

Cómo citar
Menéndez Álvarez, J., Arencibia Castellanos, G., Hernández Montero, F. E., Rodríguez Suárez, J. R., & Pérez Molinet, A. (2020). Sistema electrónico experimental para la medición de variables de parámetros de marcha en ancianos. Revista De Ciencia Y Tecnología, 33(1), 108-115. https://doi.org/10.36995/j.recyt.2020.33.014
Número
Vol. 33 Núm. 1 (2020)
Sección
Ingeniería, Tecnología e Informática
Derechos de autor 2020 Revista de Ciencia y Tecnología

La Revista de Ciencia y Tecnología sostiene su compromiso con las políticas de Acceso Abierto a la información científica, al considerar que tanto las publicaciones científicas como las investigaciones financiadas con fondos públicos deben circular en Internet en forma libre y gratuita. Los trabajos publicados en la Revista de Ciencia y Tecnología están bajo la licencia Creative Commons Atribución-NoComercial 2.5 Argentina.

Citas

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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
Kardos S, Balog P, Slosarcik S. (2017). Gait dynamics sensing using IMU sensor array system. Adv Electr Electron Eng. 2017;15(1):71–76.
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.
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.
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.
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.
Mazumder A, Vashista V. (2017). Development of an Adaptive Gait Characterizer. En: Proceedings of the Advances in Robotics. ACM; 2017. p. 49.
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
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.
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.
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.
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.
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.
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.