With the rapid population aging, falls in older people have become a major public health concern due to their high prevalence and serious adverse effects. Accurate fall risk assessment and effective fall intervention are essential to reduce fall risks and prevent falls. This dissertation aims to develop a low-cost, accurate, and effective fall-care system for older people by integrating multifactorial fall risk assessment and tailored fall interventions utilizing a marker-less Microsoft Kinect. First, a Kinect-based, low-cost multifactorial fall risk assessment system was developed to comprehensively assess major fall risk factors on physiological, psychological, and integrated functions. This system was further tested on 106 Korean older women to examine significant outcome measures and build machine learning-based classification models for predicting prospective fall risk. The system can predict prospective fallers with 84.7% accuracy and the individual's performance was computed as the percentile value of a normative database so that deficiencies can be clearly visualized and targeted for intervention. Second, modularized exergame programs with different difficulty levels were developed to provide tailored fall interventions for the older individuals based on their fall risk assessment results and intervention progress. By seamlessly integrating multifactorial fall risk assessment and tailored fall interventions, a total Kinect-based fall care system was newly developed. A follow-up experiment on 30 new community-dwelling older women was conducted to examine the effectiveness and usability of this developed system for fall prevention. Results showed that the Kinect-based 8-week tailored interactive fall interventions effectively improved older people’s physical and cognitive abilities. The system usability was also excellent regardless of older individuals’ computer skills. Therefore, the developed fall care system can not only accurately screen out older people at fall risk and identify their potential risk factors, but also effectively prevent falls with tailored interventions with a convenient setup for older people.
인구 고령화 시대에 노인 낙상은 발생의 빈번함과 그로 인한 상해 때문에 주요 건강문제로 자리잡았다. 정확한 낙상 위험 평가와 적절한 예방프로그램은 낙상 예방에 필수적이다. 본 논문은 키넥트 기반, 다인자 낙상 위험 평가와 맞춤 예방을 통합한 효과적인 저비용 낙상 케어 시스템 개발을 목표로 한다. 첫째로, 주요 낙상 위험 요인의 복합적 평가를 위해 키넥트 기반 다인자 낙상 위험 평가 시스템을 개발했다. 핵심 결과 지표 도출 및 향후 낙상 예측을 위한 기계학습 기반 분류 모델을 개발하여 한국 여성 노인 106명을 평가한 결과, 84.7%의 정확도로 향후 낙상 위험을 예측했고, 데이터베이스 백분위 값 기반으로 개개인의 부족한 기능을 시각화 했다. 둘째로, 사용자의 낙상 위험 평가 결과와 프로그램 진척에 따라 맞춤 프로그램을 제공하는 다양한 난이도의 모듈화된 운동게임을 개발, 이를 낙상 위험 평가 시스템과 결합하여 새로운 통합 낙상 케어 시스템을 완성했다. 재가여성노인 30명을 대상으로 시스템의 낙상 예방 효과성과 사용성을 검증하는 8주간 실험을 통해 신체/인지기능의 유의미한 향상과 컴퓨터 사용 능력과 무관한 높은 시스템 사용성을 발견했다. 따라서, 본 연구의 낙상 케어 시스템은 정확한 낙상 위험 평가 및 잠재 요인 진단, 맞춤 예방을 통해 노인 낙상을 효과적으로 예방할 것이다.
