Surveillance des activités quotidiennes pour une vie autonome chez les seniors

En vieillissant, beaucoup de gens préfèrent vivre de manière autonome chez eux. Mais cette indépendance peut parfois les exposer à des risques, surtout s'ils ont des difficultés à accomplir les tâches quotidiennes. Les chercheurs travaillent sur des moyens de surveiller ces activités quotidiennes, en particulier pour les personnes âgées, afin d'assurer leur sécurité et leur bien-être. Une des approches a été d'utiliser des capteurs à domicile qui peuvent détecter automatiquement les activités quotidiennes.

#Le rôle des capteurs

Ces dernières années, l'utilisation de capteurs à la maison a énormément augmenté. Ces capteurs peuvent suivre diverses activités sans être intrusifs. En équipant les maisons de capteurs, les aidants ou les membres de la famille peuvent vérifier si une personne âgée se porte bien. Par exemple, les capteurs peuvent détecter quand la bouilloire est allumée, ce qui indique que quelqu'un prépare une boisson chaude.

L'objectif principal est de s'assurer que la personne participe à des routines quotidiennes comme manger, nettoyer ou socialiser. Si les capteurs détectent par exemple quelqu'un qui ouvre le frigo puis le placard, ça peut signifier qu'ils préparent un repas.

#Activités de la vie quotidienne (AVQ)

Les AVQ désignent les activités de base que la plupart des gens effectuent chaque jour. Cela inclut des tâches comme manger, s'habiller, se laver et se déplacer. C'est essentiel de surveiller ces activités parce que si quelqu'un ne peut pas les accomplir, cela peut indiquer qu'il a besoin d'aide ou qu'il fait face à des problèmes de santé potentiels.

Surveiller les AVQ aide les aidants et les membres de la famille à identifier si quelqu'un a des difficultés dans sa vie quotidienne. Par exemple, si quelqu'un a du mal à s'habiller, il pourrait avoir besoin d'un coup de main supplémentaire ou d'une réévaluation de sa situation de vie.

#Technologies actuelles

La technologie actuelle combine capteurs et analyse de données pour suivre ces activités quotidiennes sans être intrusif. En utilisant une technologie appelée Internet des objets (IoT), différents appareils dans la maison peuvent communiquer entre eux pour suivre efficacement les activités.

Cette technologie ne nécessite pas que les participants portent des capteurs, mais continue de surveiller les comportements grâce à des dispositifs placés autour de leur domicile. Un dispositif typique peut inclure des capteurs de mouvement, des capteurs de contact pour les portes et des prises intelligentes pour mesurer l'utilisation des appareils électriques.

#Étude utilisateur

Pour déterminer à quel point cette technologie fonctionne, les chercheurs ont mené une étude avec des personnes âgées vivant de manière autonome chez elles. Ils ont installé environ 20 capteurs dans les maisons des participants et ont surveillé leurs activités sur une longue période.

Les chercheurs ont également organisé des réunions avec les participants pour expliquer comment la technologie fonctionnait. Ils ont recueilli des retours pour évaluer l'exactitude des activités détectées. Les participants ont donné leur avis sur si les capteurs identifiaient correctement leurs actions.

#L'importance des données d'entraînement

Pour que les capteurs identifient correctement les activités quotidiennes, les chercheurs avaient besoin de données d'entraînement. Ces données sont vitales car elles aident à créer des motifs et des règles que le système peut utiliser pour identifier les activités à l'avenir.

Durant l'étude, les chercheurs ont collecté des informations basées sur les retours des participants pendant les briefings. Ces données d'entraînement permettent également au système de s'améliorer avec le temps. Plus il Collecte de données, mieux il devient pour reconnaître les motifs d'activité.

#Analyse des données des capteurs

Après avoir collecté suffisamment de données, les chercheurs les ont analysées en utilisant une méthode appelée extraction de règles d'association. Cette technique aide à trouver des relations dans les données, comme quelles activations de capteurs se produisent généralement ensemble lorsque quelqu'un accomplit des activités spécifiques.

Par exemple, si la lumière de la cuisine s'allume et que la bouilloire est utilisée, le système peut déterminer que la personne est probablement en train de préparer du thé. L'idée est d'utiliser ces combinaisons comme moyen de déduire des activités de niveau supérieur à partir de simples lectures de capteurs.

#Défis dans l'interprétation des données

Bien que la technologie montre des promesses, interpréter les données brutes des capteurs peut être compliqué. Un observateur doit chercher des motifs dans les données pour comprendre les activités de niveau supérieur qui sont effectuées. Par exemple, si le capteur de la porte d'entrée se déclenche, cela ne signifie pas nécessairement que l'occupant a quitté la maison. Cela pourrait indiquer que quelqu'un a frappé à la porte ou a livré un colis.

Le défi réside dans la distinction d'informations significatives du bruit dans les données. Parfois, plusieurs capteurs peuvent s'activer sans lien clair avec les activités quotidiennes, ce qui peut mener à de la confusion.

#La nécessité de l'automatisation

L'interprétation manuelle des données des capteurs peut être un fardeau pour les aidants. Idéalement, le système devrait gérer cela automatiquement. En perfectionnant les méthodes de détection des activités grâce à l'analyse de données, les chercheurs visent à réduire la charge de travail des aidants.

Cette automatisation pourrait permettre des interventions plus rapides lorsque quelqu'un montre des signes de difficulté avec les activités. Par exemple, si les capteurs indiquent un manque d'activité pendant quelques jours, les membres de la famille pourraient être alertés.

#Expérience utilisateur et retours

Tout au long de l'étude, les chercheurs ont fait en sorte de minimiser le contact physique avec les participants, surtout pendant la pandémie de COVID-19. La plupart des interactions se sont faites via des appels vidéo. Les participants ont donné leur avis sur leur expérience utilisateur et la facilité d'utilisation du système.

Les retours reçus ont été essentiels pour améliorer la technologie et s'assurer qu'elle répondait aux besoins des participants. Comprendre leur point de vue a aidé les chercheurs à affiner le système, le rendant plus convivial et efficace.

#Activités sélectionnées pour la surveillance

Pendant l'étude, les chercheurs se sont concentrés sur la surveillance de quatre AVQ spécifiques, choisies en raison de leur importance dans la vie quotidienne. Ces activités ont été sélectionnées en fonction des caractéristiques des participants et de la faisabilité d'utiliser les capteurs pour les détecter avec précision.

Les activités sélectionnées comprenaient s'habiller, manger/boire, se doucher et sortir de la maison. Étant donné les limites des capteurs, les chercheurs visaient à équilibrer le nombre d'activités avec la capacité de les surveiller efficacement.

#Mise en place de la technologie

Pour garantir le déploiement réussi de la technologie, les chercheurs ont effectué des évaluations de configuration à domicile. Ils ont rencontré les participants pour discuter de l'agencement de leur maison et de leur routine, ce qui a aidé à déterminer le placement optimal des capteurs.

Les visites d'installation ont été réalisées en suivant des protocoles de santé stricts. Les chercheurs et les techniciens ont veillé à ce que tout soit installé correctement tout en respectant les mesures de sécurité.

#Collecte de données

Les données collectées à partir des capteurs ont été traitées sur plusieurs semaines pour établir des motifs de comportement quotidien. Ces informations ont ensuite été utilisées pour créer des règles de détection des AVQ. Les chercheurs ont formé le système à reconnaître des activités spécifiques en se basant sur les lectures des capteurs et les retours recueillis.

#Utilisation de l'extraction de règles d'association

L'équipe a appliqué l'extraction de règles d'association pour analyser les données des capteurs. Cette approche permet de découvrir des motifs et des associations entre les différentes activités détectées. Par exemple, l'extraction de règles pourrait montrer que lorsque la lumière de la cuisine et les capteurs de mouvement interagissent, cela indique souvent la préparation d'un repas.

Les chercheurs ont établi une série de règles dérivées des données pour améliorer la capacité du système à reconnaître automatiquement les activités. Ces règles aident à prédire les activités futures en se basant sur les observations passées.

#Conclusion et orientations futures

Le travail effectué met en lumière des avancées prometteuses dans l'utilisation de la technologie pour surveiller les activités quotidiennes des personnes âgées vivant à domicile. En utilisant les données des capteurs et en les analysant à l'aide de méthodes sophistiquées, les aidants et les membres de la famille peuvent obtenir des informations sur la façon dont une personne gère ses tâches quotidiennes.

La capacité d'automatiser la détection des AVQ contribuera probablement à un meilleur soutien à la vie autonome des personnes âgées. Les efforts futurs se concentreront sur l'élargissement du nombre d'activités surveillées et le perfectionnement de l'exactitude du système.

De plus, recueillir davantage de retours des utilisateurs peut aider à améliorer continuellement la technologie. L'objectif est de créer un système fiable qui non seulement suit les activités, mais améliore également la qualité de vie des personnes âgées, leur permettant de vivre de manière autonome tout en recevant le soutien nécessaire.