Hintergrund 

Mit steigendem Alter geht oft ein sinkendes Aktivitätsniveau einher und daraus folgend ein Verlust der Selbstständigkeit. Damit ältere Menschen langfristig aktiv bleiben können sind unterstützende Maßnahmen notwendig. Die körperlichen Veränderungen im Rahmen des Alterungsprozesses können auch das Gangbild eines Menschen entscheidend beeinflussen, wodurch in weiterer Folge Stürze begünstigt werden.  Daher ist es wichtig, dass Auffälligkeiten im Gangbild frühzeitig erkannt werden und Betroffene entsprechende präventiv-therapeutische Maßnahmen zur Gangschulung erhalten. Dazu benötigtes Feedback wird üblicherweise durch TherapeutInnen oder durch den Einsatz spezieller Messverfahren bereitgestellt. Dies ist allerdings nur in limitierter Form verfügbar. Um Betroffenen auch im Alltag ohne Beisein von Therapeut*innen oder hohem apparativem Aufwand Feedback zu ermöglichen, werden einfache, auf die Bedürfnisse älterer Menschen ausgelegte technische Systeme benötigt, die selbstständig eingesetzt werden können und einfach umsetzbare Rückmeldungen bereitstellen. 

Projektziel

SONIGAIT II knüpft inhaltlich an abgeschlossene und laufende Forschungsprojekte an und legt die Grundlagen für weiterführende Forschungs- und Entwicklungsprojekte im Bereich Digital Healthcare. Langfristiges Ziel ist die Entwicklung eines auf akustischer Rückmeldung beruhenden und auf die Gegebenheiten und Bedürfnisse älterer Menschen ausgelegten mobilen Biofeedbacksystems für einen präventiv-therapeutischen Einsatz im Alltag. 

Projektinhalt

Die von der Partnerfirma stAPPtronics GmbH entwickelte sensorbestückte Einlegesohle „stapp one“ zeichnet pedobarographische Daten, d.h. die Druckverteilung im Schuh, auf und analysiert mittels einer mitgelieferten App das individuelle Bewegungsverhalten. Im Rahmen von SONIGAIT II wird zunächst eine Schnittstelle für die Echtzeitübertragung dieser Daten von der Sohle auf einen PC entwickelt, um diese Daten dann für Reliabilitäts- und Validitätsprüfungen nutzen zu können. Als Referenz werden State-of-the-Art Messsysteme aus der klinischen Ganganalyse genutzt. Ein Meilenstein dieses Sondierungsprojektes stellt der Einsatz von Machine Learning Verfahren dar, um aus den Druck- und Beschleunigungsdaten der Sohle die Scherkräfte der Bodenreaktion zu bestimmen. Aufgrund der Eigenschaften der genutzten Sensorik in der Sohle können diese Scherkräfte nicht direkt quantifiziert werden. All diese Aktivitäten bilden die Basis für das übergeordnete Ziel im Rahmen dieses Projektes: die Entwicklung akustischer Feedbackmodelle („Sonifikation“), die auf die erhobenen Spezifika des Gangverhaltens älterer Mitmenschen abgestimmt sind. Abschließend wird ein Produktkonzept unter Berücksichtigung eines User Centered Design Ansatzes entwickelt. 

Links 

CARMA