gms | German Medical Science

54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

07. bis 10.09.2009, Essen

MS Nurses: Aktivitätsmonitoring mit Beschleunigungssensoren zur Bewertung der Bewegungsfähigkeit bei chronischen Erkrankungen

Meeting Abstract

  • Asarnusch Rashid - FZI Forschungszentrum Informatik, Karlsruhe, Karlsruhe
  • Tom Zentek - FZI Forschungszentrum Informatik, Karlsruhe, Karlsruhe
  • Stefan Schlesinger - Neurologische Klinik Bad Neustadt/Saale, Bad Neustadt/Saale
  • Martin Daumer - SLCMSR, München
  • Bernd Griewing - Neurologische Klinik Bad Neustadt/Saale, Bad Neustadt/Saale

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Essen, 07.-10.09.2009. Düsseldorf: German Medical Science GMS Publishing House; 2009. Doc09gmds246

doi: 10.3205/09gmds246, urn:nbn:de:0183-09gmds2465

Veröffentlicht: 2. September 2009

© 2009 Rashid et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Bei chronischen Erkrankungen wie MS spielt die Bewegungsfähigkeit des Patienten eine große Rolle. Die Therapieform und Medikation basiert u.a. auf dem Expanded Disability Status Scale (EDSS) [1], der neurologische Behinderungsgrad des Patienten. Der Arzt bestimmt den EDSS im Rahmen von Kontrolluntersuchungen, wobei nur eine Momentaufnahme möglich ist. Eine Einschätzung über die vergangenen Monate kann der Arzt lediglich vom Patienten erfragen, welche laut Studien [2] rein subjektiv sind und oft nicht stimmen.

Im Projekt "MS Nurses" wurde untersucht, ob Beschleunigungssensoren für Diagnose und Therapie einen wertvollen Beitrag leisten können. Ziel der Studie war es:

  • Bewertungsparameter zu entwickeln, mit denen die Bewegungsfähigkeit eines Menschen anhand eines Beschleunigungssensors bestimmt werden kann,
  • Korrelationen zwischen Bewegungsfähigkeit und Krankheit zu identifizieren und
  • die Benutzerakzeptanz eines Aktivitätsmonitoring im Alltag zu bewerten.

Als Technologie kam der "actibelt"-Gürtel [3] zum Einsatz, in dessen Schnalle ein Beschleunigungssensor eingebettet ist und der eine Datenaufzeichnung von einer Woche erlaubt.

An der Neurologischen Klinik Bad Neustadt/Saale wurden MS Patienten gebeten, einen actibelt [3] zu Hause für eine Woche zu tragen und ihre täglichen Bewegungsaktivitäten aufzuzeichnen. Von Mai 2007 bis Dezember 2008 nahmen 20 MS Patienten mit einem EDSS zwischen 2 und 5.5 teil. Mehrere Patienten trugen den actibelt erneut, so dass insgesamt 29 Messungen vorlagen. Als Kontrollgruppe trugen 27 gesunde Menschen einen actibelt.

Als Bewertungsparameter wurde der "active speed" entwickelt. Dieser bewertet die durchschnittliche Geschwindigkeit der aktiven Bewegung (z.B. Laufen, Gehen). Sie beträgt bei der Kontrollgruppe 1.24 [1.19, 1.27] m/s (Median, [Quartilsabstand]) und bei der Patientengruppe 0.66 [0.64, 0.76] m/s. Damit könnte anhand eines Beschleunigungssensors eindeutig zwischen gesunden und kranken Menschen unterschieden werden. Eine Unterscheidung der Krankheitsgrade anhand der Aktivitätsdaten ist nicht möglich. Dies bedarf weiterer Untersuchungen mit deutlich höheren Patientenzahlen.

Die Benutzerakzeptanz wurde in Befragungen [4] von 20 Ärzten und Patienten untersucht und als akzeptabel bewertet.


Literatur

1.
Kurtzke JF. Rating neurologic impairment in multiple sclerosis: an expanded disability status scale. Neurology. 1983;33(11):1444-52.
2.
Thompson AJ, Hobart JC. Multiple sclerosis: assessment of disability and disability scales. Journal of Neurology. 1998;245(4):189-96.
3.
Daumer M, Thaler K, Kruis E, Feneberg W, Staude G, Scholz M. Steps towards a miniaturized, robust and autonomous measurement device for the long-term monitoring of patient activity: ActiBelt. Biomedizinische Technik Biomedical Engineering. 2007;52(1):149-55.
4.
Wölk M, Scheermesser M, Kosow H, NV. Pervasive Computing als Zukunftsmodell? Chancen und Risiken aus Sicht von Ärzten und Patienten. Technikfolgenabschätzung – Theorie und Praxis. 2008;17(1):34-41.