Herkenning en segmentatie van algemene dagelijkse levensverrichtingen bij oudere volwassenen met sensortechnologie en algoritmen voor machinaal leren

In Europa en in China blijft de fractie oudere personen stijgen in vergelijking met de fractie van de actieve bevolking. Deze groeiende groep oudere mensen heeft een geïndividualiseerd en adaptief zorgplan nodig. Het niveau van zelfvertrouwen is een van de sterkste bijdragende factoren in het zorgplan. Door de ontwikkeling van draagbare sensoren en IOT-sensoren wordt het mogelijk om de gezondheids- en gezondheidsgerelateerde parameters langdurig te controleren in een thuis situatie, buiten gecontroleerde omgevingen zoals o.a. een ziekenhuis. Dit zorgt ervoor dat zorgverleners inzicht krijgen in het gedrag en de levensstijl van de oudere persoon. Identificatie van de veranderingen van zelfredzaamheid zal een aanpassing van het zorgplan mogelijk maken. Deze preventieve maatregel zal ouderen in staat stellen hun onafhankelijkheid voor een langere periode te handhaven.. De zelfredzaamheid wordt typisch gemeten met een pen-en-papier INTERRAI screening tool die een 1 uur en 30min duurt om af te nemen door een zorgkundige. Deze schaal wordt typisch ingevuld na ernstige gebeurtenissen (val) of met een tussenpose van 3 maanden. Het doel van het PhD-project is dus om zelfredsaamheid van ouderen te controleren op basis van gegevens van draagbare en IOT-sensoren, waardoor de interraI-schaal gedeeltelijk wordt vervangen (vooral de items die verband houden met instrumentele activiteiten van het dagelijks leven). De systemen kunnen voortdurend de zelfredzaamheid monitoren, zodat het zorgplan onmiddellijk kan worden aangepast. Belangrijkste technologische uitdagingen van dit project zijn: de heterogene aard van de sensor data en de inter-persoon variabiliteit van de data.