Wireless sensor networks are becoming popular in the field of ambient assisted living. In this paper we report our study on the relationship between a functional health metric and features derived from the sensor data. Sensor systems are installed in the houses of nine people who are also quarterly visited by an occupational therapist for functional health assessments. Different features are extracted and these are correlated with a metric of functional health (the AMPS). Though the sample is small, the results indicate that some features are better in describing the functional health in the population, but individual differences should also be taken into account when developing a sensor system for functional health assessment.
DOCUMENT
Ambient monitoring systems offer great possibilities for health trend analysis in addition to anomaly detection. Health trend analysis helps care professionals to evaluate someones functional health and direct or evaluate the choice of interventions. This paper presents one case study of a person that was followed with an ambient monitoring system for almost three years and another of a person that was followed for over a year. A simple algorithm is applied to make a location based data representation. This data is visualized for care professionals, and used for inspecting the regularity of the pattern with means of principal component analysis (PCA). This paper provides a set of tools for analyzing longitudinal behavioral data for health assessments. We advocate a standardized data collection procedure, particularly the health metrics that could be used to validate health focused sensor data analyses.
DOCUMENT
Ambient activity monitoring systems produce large amounts of data, which can be used for health monitoring. The problem is that patterns in this data reflecting health status are not identified yet. In this paper the possibility is explored of predicting the functional health status (the motor score of AMPS = Assessment of Motor and Process Skills) of a person from data of binary ambient sensors. Data is collected of five independently living elderly people. Based on expert knowledge, features are extracted from the sensor data and several subsets are selected. We use standard linear regression and Gaussian processes for mapping the features to the functional status and predict the status of a test person using a leave-oneperson-out cross validation. The results show that Gaussian processes perform better than the linear regression model, and that both models perform better with the basic feature set than with location or transition based features. Some suggestions are provided for better feature extraction and selection for the purpose of health monitoring. These results indicate that automated functional health assessment is possible, but some challenges lie ahead. The most important challenge is eliciting expert knowledge and translating that into quantifiable features.
DOCUMENT
Brandweermensen lopen het meeste gevaar als ze onder tijdsdruk een gebouw moeten verkennen, of een brand moeten blussen terwijl de situatie nog niet goed kan worden overzien. Omvallende muren, instortende plafonds of gewoon gestruikeld over door de rook onzichtbare brokstukken leiden tot vermijdbare letsels of zelfs slachtoffers. Met name de inzet bij branden in stedelijke parkeergarages onder woontorens vormen een enorm risico. Het inzetten van onbemande, op afstand bestuurbare voertuigen voor verkenning en bluswerk is een oplossing die binnen de brandweer breed wordt gedragen. De brandweer moet deze innovatieve technologie echter zien te omarmen. Zij werken nu vanuit hun intuïtie en weten direct hoe te acteren op basis van wat zij waarnemen. Praktijkgericht onderzoek heeft echter uitgewezen dat scepsis over de inzet van blusplatforms bij incidenten plaats heeft gemaakt voor zeker vertrouwen. Een blusplatform, voorzien van juiste sensoren kan de Officier van Dienst (OVD) ondersteunen bij het nemen van een beslissing om al dan niet tot een ‘aanval’ over te gaan. Praktijktesten hebben echter laten zien dat de huidige blusplatforms nog niet optimaal functioneren om als volwaardig ‘teamlid’ te kunnen worden ingezet. Dit heeft enerzijds met technologische ontwikkelingen (sensoren en communicatieverbindingen) te maken, maar anderzijds moet de informatievoorziening (human-machine interfacing) naar de brandweer beter worden afgestemd. In dit project gaan Saxion, het instituut fysieke veiligheid, de universiteit Twente, het bedrijfsleven en vijf veiligheidsregio’s onderzoeken hoe en wanneer innovatieve blusplatforms op een intuïtieve manier kunnen worden ingezet door training én (kleine) productaanpassing zodat deze een volwaardig onderdeel kunnen zijn van het brandweerkorps. Een blusplatform kan letselschade en slachtoffers voorkomen, mits goed ingezet en vertrouwd door de mensen die daarvan afhankelijk zijn. Het vak van brandweer, als beroeps of vrijwilliger, is een van de gevaarlijkste die er is. Laten we er samen voor zorgen dat het iets veiliger kan worden.
