wat2

WAT

Met behulp van sensoren en Artificial Intelligence of Machine Learning monitoren we en brengen we het reguliere gedrag van ouderen in kaart. Zo kunnen we incidentele of graduele wijzigingen detecteren en melden aan de zorgdragers. 

doel2

DOEL

Het doel van het onderzoek is het ontwikkelen van een methode om de evaluatie van de zelfredzaamheid van alleenwonende ouderen op een continue, automatische en niet-intrusieve manier uit te voeren. 

Niet-intrusief onderzoek wil zeggen dat de onderzoeker niet tussenkomt. Hij gebruikt sensoren om bepaald gedrag vast te leggen zonder enige interventie van zijn of haar kant.

relevantie2

RELEVANTIE

Alleenwonende ouderen zijn voor hun Activiteiten van het Dagelijks Leven (ADL: koken, hygiëne, onderhoud van de woning, …)  meestal op zichzelf aangewezen. Het is echter niet steeds duidelijk voor zorgverleners, mantelzorgers, familie, … of deze ADL-taken juist uitgevoerd kunnen worden en of de oudere op een veilige manier functioneert (bijv. vergeten uitzetten van gasvuur, dwaalgedrag,…). 

Er bestaan weliswaar (bevragings)tools die dit screenen, maar daar zijn enkele nadelen aan verbonden: 

  • Het kost tijd om ze uit te voeren. 
  • Ouderen vergeten dikwijls negatieve gebeurtenissen of hindernissen bij het uitvoeren van de ADL te vermelden of antwoorden sociaal wenselijk. 
  • Het overzicht is slechts een momentopname. 

Om hieraan tegemoet te komen, wil het onderzoek komen tot een monitoring en het in kaart brengen van het reguliere gedrag van de ouderen om daarna incidentele of graduele wijzigingen te detecteren en te melden aan de formele en informele zorgdragers. De monitoring gebeurt door niet-intrusief aangebrachte sensoren in de woning (beweging, elektriciteits-, water- en gasgebruik), het typeren van regulier gedrag en afwijkingen hierop gebeurt door Machine Learning en Artificial Intelligence technieken. 

onze rol2

ONZE ROL

Het project kadert in een doctoraatsstudie uitgevoerd in Mobilab (Thomas More Kempen) en het departement computerwetenschappen van de KU Leuven. 

onderzoekers2

ONDERZOEKERS

duur2

DUUR

Einddatum: 2021

publicaties2

PUBLICATIES

Use Of Wearable Technology To Quantify Fall Risk In Psychogeriatric Environments: A Feasability Study.  Mertens M. , Raepsaet J., Debard G., Mondelaers M., Vanrumste B. and Davis J. (2019)  In 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Berlin, 2019  

Explorative Study On Using Classification Of Electrical Appliances In Monitoring Systems: A Comparison Of Classifiers. Marc Mertens, Bart Vanrumste, Glen Debard and Jesse Davis, Presented at 7th Dutch Conference for Biomedical Engineering (2019)  

Types of sensor Technologies: Functionalities and measurements. Mertens, Marc; Demaesschalck, Lieven in “Handbook of Smart Homes, Health Care and Well-Being”: Springer, Feb, 2013 Author of Chapter “Types of sensor Technologies: Functionalities and measurements” 

Contact

Marc Mertens

marc.mertens@thomasmore.be

 +32 14 74 06 85