//Logo Image
作者:李亦陞(2012-09-20);推薦:徐業良(2012-09-20)
附註:本文為一百學年度元智大學機械工程研究所李亦陞碩士論文「居家環境下遠距日常生活活動監測系統之開發」第一章。

第一章 研究背景與目的

本章首先敘述日常生活活動之定義與健康狀況之關連性,接下來則整理居家環境中日常生活活動監測之相關文獻,並歸納出本研究的目的。

1.1 日常生活活動

人們每天必須進行的基本自我照顧以維持生活的活動,稱作日常生活活動(Activity of Daily Life, ADL),由Katz等人[Katz. et al, 1963]提出的「基本的日常生活活動(basic ADL)」包括吃飯、換衣服、起身、行走、沐浴洗澡及如廁等。除了上述的六種基本的ADLs之外,Lawton等人於1969年更定義了需要與他人溝通互動或使用工具物品等能力的「工具性日常生活活動(Instrumental ADL, IADL)」,包含電話使用、購物、食物準備、打掃、洗衣、交通工具使用、服藥以及財務管理等[Lawton. et al, 1969]

近年來有許多相關研究顯示,一個人的ADL表現能力和其健康狀況密切相關,如Skumlien等人[2005]指出較低能量的ADL表現,代表某一病徵的潛在可能或身體機能的衰退;Tu等人[2005]的研究認為ADL表現是健康狀況上的判讀與評估生活品質(quality of life, QoL)的重要指標。傳統是利用巴氏量表作為老人的行動能力與生活功能狀態或日常生活功能的評估量表,將進食、個人衛生、如廁、洗澡、穿脫衣服、移位…等評分,但以此量表只能以主觀的方式去評估個人身體之健康狀況。

使用科技的輔助可提供更多面向的資訊,以客觀的方式評估。最早在1995年澳洲新南威爾斯大學的Celler等學者[Celler et al., 1995],曾經發表一項以預判高齡者健康狀況變化為目的之遠端監測研究計畫,他們認為高齡者從健康、獨立到功能退化、需要被照顧的轉移過程,細微而不易為照顧者、醫護人員甚至高齡者本身所察覺。因此他們嘗試利用一些簡單的監測,如高齡者的活動力、睡眠模式、乃至於使用廚具、盥洗、如廁等基本生活處理模式,預先判知高齡者健康狀態與生理功能的改變,從而發出及時的警示並進行處理,以減低高齡者的罹病率,並維持其獨立、良好的生活品質。

1.2 居家環境中的ADL監測

高齡者的日常生活作息通常較其他年齡層的人更為規律且穩定[Franco et al., 2008],因此高齡者是否起床、準備餐食、定時服藥等日常生活活動狀況,是高齡者照護非常基本且重要的資訊;一旦高齡者健康狀況發生變化,基本日常生活活動也會發生直接影響。Celler等人的研究計畫[1994]提出以各式的開關與被動式人體紅外線(passive infrared, PIR)等感測器來監測特定的居家活動行為,包含進出家門、睡眠、藥品取用、廚房與浴廁設施的使用等,並透過居家電源網路(mains wiring)整合傳輸監測資料,再透過電話線路傳送至外部資料庫儲存甚至加以分析。

Tamura等人[1998]曾提出居家自動化健康監測的概念,將健康監測電子儀器裝置於居家環境中如圖1-1,且對每個成員的健康資料作個別區分(personal identification),利用有線的方式傳送生理訊號至家中電腦儲存,藉以分析每個家庭成員生理健康狀態。

1-1. 居家健康監測裝置平面配置圖[Tamura et. al, 1998]

其他居家環境之ADL監測的研究還有如圖1-2所示,由Bhattacharya[2002]建構的“Smart Room”,利用居家環境中各種不同的極限開關與紅外線感測器等裝置,監測居家環境中受測者的ADL模式。Ogawa等人[2002]亦設計了類似的裝置,如圖1-3所示,記錄ADL與居家設施的使用情形。

1-2. Smart Room [Bhattacharya, 2002]

1-3. 居家生活模式的監測[Ogawa et. al, 2002]

LeBellego等人[2006]也提出在居家環境下,設置人體紅外線及各式極限開關監測日常生活活動情形,感測資訊透過無線傳輸方式傳輸至家中的電腦如圖1-4,監測受測者在家中各區域的活動頻率,並建置診斷系統用以分析長期蒐集的資料,判斷受測者日常行為是否異常。

1-4. 居家活動頻率監測[LeBellego et. al, 2006]

此外,許多日常生活活動監測之研究也著重在演算法的開發,從感測資料中分析並更準確地判讀受測者ADL表現。麻省理工學院建築系和媒體實驗室合作設立了“PlaceLab”,研究在居家環境中健康照護、能源使用、溝通、商務、娛樂、工作等狀況。在PlaceLab的架構下,研發了數種可攜式感測工具(Portable Place-Based Research Tools),並配合固定式感測器用來擷取人類的各種情境訊號,而發展了人類活動力分析的演算法。如圖1-5所示,在一個普通造型的衣櫃中,建立了包含微處理機、光感測器、溫濕度感測器、濃煙感測器、紅外線感測器、二氧化碳感測器、喇叭、麥克風、影像擷取等眾多感測器。

 

1-5. 衣櫃中的感測器[http://architecture.mit.edu/house_n/]

Vacher等人[2010]則強調聲音的感測,在實驗環境Smart Room各區域加入麥克風為感測器來監測聲音的變化(如圖1-6),搭配其他感測器以判斷受測者在各空間日常生活活動狀況,此外麥克風還可提供使用者回饋的效果。

1-6. 將麥克風做為感測器放置Smart Room[Vacher et al., 2010]

1.3研究回顧

元智大學老人福祉科技研究中心以家庭使用者為思考對象,提出了「分散式遠距居家照護系統(Decentralized Home Telehealth System)」的創新架構[Hsu et al., 2007],以分散式資料伺服器(Distributed Data Server, DDS)」為核心,每個家庭(或照護機構、單位)只要擁有無線網路環境,都可以在家中自行建立家庭專屬的系統。監測資料儲存在家中的DDS內,遠端的家人、照護者、家庭醫師皆可使用個人電腦、智慧型手機等裝置,經由網際網路直接讀取家中DDS儲存的長期生理訊號量測紀錄和健康照護資訊,系統並能以電子郵件(E-mail)或手機簡訊方式提供定期報告及緊急事件通報等服務。

如圖1-7的資訊架構,將DDS搭配不同的感測器即可產生各種應用,另外感測器可經由有線或無線方式將感測訊號傳送至DDS;感測器的選擇與設計,以非侵入性(non-invasive)、非察覺式(non-conscious)及不改變使用者之居住環境與生活作息之簡易監測方式為原則。

1-7. 居家環境下之分散式資料伺服器架構圖

本研究中心曾以此資訊架構為基礎,以一個家為單位,發展出居家環境的監測系統,搭配人體紅外線感測器及電流感測器,搜集居家環境下的日常生活活動監測資料,並歸納出的五項指標,分析出受測者的居家活動力變化[Yang and Hsu, 2012]。研究中以10分鐘為單位,將一天分成144個區段,每區段i的活動量為Ci,最高可接收Ci=100筆活動資料,並定義有活動數值的區段稱為Tact(活動期),沒有活動數值的區段則稱為Tina(非活動期)。這五項居家活動力變化敘述如下:

(1)  Active time ratio(活動時間比)

                                                                  (1)

此數值範圍為0~1,表示有活動時間佔總時間的比例,數值越高代表一天內的有活動時間越長。

(2)  Activity rate(活動率)

                                                      (2)

此數值範圍為0~1(0%~100%),表示有活動時間中的活動頻率,數值越高代表在活動時間內的活動強度越高。

(3)  Daily activity rate(每日活動率)

                                                                                (3)

此數值範圍為0~1(0%~100%),表示在一天內的活動頻率,數值越高代表在一天內的活動強度越高。

(4)  Coefficient of variance of daily activities(日常生活活動之變異係數)

                                                            (4)

此數值將當日每區段活動量的變異係數與每日活動率比較,數值越大代表與當日活動量不平均。

(5)  Correlation coefficient of activity profile(活動量曲線之相關係數)

此係數將當日活動量曲線與長期活動量平均曲線作相關係數r的計算,-1<r<1r越接近1代表當日活動量曲線越趨近長期資料;而r越接近-1代表當日活動量曲線與長期資料相反;當相關係數r0則代表當日活動量曲線與長期資料完全無關。

1.4 本研究目的

前述研究文獻大多以多種不同類型(modality)感測器(例如感測溫度、濕度、紅外線、電流、壓力、聲音、影像等),大量布置在實驗環境中,目的在準確判讀、監測受測者正在進行哪一項ADL。但感測器類型過多,也使系統整合複雜度提高,較難實際布置在真實的居家環境中,且不同類型的感測資料也較難用簡單易懂的介面或指標來表達。

元智大學老人福祉科技研究中心建立之居家環境的監測系統,僅以人體紅外線及電流兩項感測器,搜集居家環境下的日常生活活動監測資料,目的不在準確判讀受測者正在進行哪一項ADL,而在監測受測者的活動頻率和活動模式,期望從而反應出受測者的活動力。

本研究持續元智大學老人福祉科技研究中心先前研究,開發適於居家環境下之遠距日常生活活動監測系統,主要目的有三:

(1)     將遠距日常生活活動監測系統完整建立於一般居家環境中,並整合網際網路、智慧型手機應用程式等工具,實際完成自動化監測功能;

(2)     撰寫智慧型手機應用程式,將日常生活活動監測資料簡單、清晰地表達給一般使用者,包含即時監測資料、歷史資料、以及先前發展之日常生活活動監測指標;

(3)     將遠距日常生活活動監測系統實際建置於兩個家庭中,長期測試、蒐集資料,以測試其系統穩定性、介面可用性(usability),並進行成效分析。

本論文以下的章節中將分別針對本系統相關的技術與概念,依序做進一步的詳細說明,在第二章將敘述遠距日常生活活動監測系統的基本架構,第三章將敘述Arduino分散式資料伺服器之開發,第四章敘述智慧型手機日常生活活動監測應用程式之開發,第五章以在兩個家庭近兩個月實際蒐集之資料為例,說明本系統在日常生活活動監測系統之測試與評估,最後在第六章提出本論文結論

參考資料

Bhattacharya, S.S., 2002, “Intelligent monitoring systems: smart room for patient's suffering from somnambulism,” Microtechnologies in Medicine & Biology 2nd Annual International IEEE-EMB Special Topic Conference, pp. 326-331.

Celler, B.G., Earnshaw, W., Ilsar, E.D., Betbeder-Matibet, L., Harris, M.F., Clark, R., Hesketh, T., Lovell, N. H., 1995, “Remote monitoring of health status if the elderly at home. A multidisciplinary project on aging at the University of New South Wales,” International Journal of Bio-medical Computing, Vol. 40, pp. 147-155.

Celler, B. G., Hesketh, T., Earnshaw, W., Ilsar, E., 1994, “An instrumentation system for the remote monitoring of changes in functional status of the elderly at home,” Proceedings of the 16th Annual International Conference of the IEEE EMBS, Vol. 2, pp. 908-909.

Franco, G.C., Gallay, F., Berenguer, M., Mourrain, C., Couturier, P., 2008, “Non-invasive monitoring of activities of daily living of elderly people at home-a pilot study of the usage of domestic appliances,” Journal of Telemedicine and Telecare, Vol. 14, pp. 231-235.

Gael LeBellego, Norbert Noury, Gilles Virone, Mireille Mousseau, and Jacques Demongeot, 2006, “A Model for the Measurement of Patient Activityin a Hospital Suite,” IEEE Transactions on Information Technology in Biomedicine, Vol. 10. No. 1.

Korhonen, I., Parkka, J., Van Gils, M., 2003, “Health monitoring in the home of the future,” Engineering in Medicine and Biology Magazine, IEEE, pp. 66-73.

Lawton, M. P., Brody, E. M., 1969, “Assessment of older people: Self-maintaining and instrumental activities of daily living,” The Gerontologist, Vol. 9, no. 3, pp. 179-186.

Ogawa, M., Suzuki, R. Otake, S., Izutsu, T., Iwaya, T., Togawa, T., 2002, “Long term remote behavioral monitoring of elderly by using sensors installed in ordinary houses,” Microtechnologies in Medicine & Biology 2nd Annual International IEEE-EMB Special Topic Conference, pp. 322-325.

S. Katz et al., 1963, “Studies of illness in the aged. The index of ADL. A standardized measure of biological and physiological function,” J. Amer.Med. Assoc., Vol. 185, pp. 914-919.

Skumlien, S., Hagelund, T., Bjørtuft, Ø., Ryg, M.S., 2005, “A field test of functional status as performance of activities of daily living in COPD patients,” Respiratory Medicine, Vol. 100, Iss. 2, pp. 316-323.

Tamura, T., Togawa, T., Ogawa, M., Yoda, M., 1998, “Fully automated health monitoring system in the home,” Medical Engineering & Physics, Vol. 20, Iss. 8, pp. 573-579.

Vacher, M., Fleury, A., Portet, F., Serignat, J.F., Noury, N., 2010, “Complete Sound and Speech Recognition System for Health Smart Homes: Application to the Recognition of Activities of Daily Living,” New Developments in Biomedical Engineering, pp. 645-673.

Yang C.C., Hsu Y.L., 2012, “Remote monitoring and assessment of daily activities in the home environment,” Journal of Clinical Gerontology and Geriatrics.

House_n Research Group Department of Architecture Massachusetts Institute of Technology, http://architecture.mit.edu/house_n/index.html

徐業良、盧俊銘,老人福祉科技與遠距居家照護技術,民101,滄海書局。