การวิเคราะห์ประสิทธิภาพการตอบสนองของเข็มขัดแจ้งเตือน การล้มของผู้ป่วยผ่านแอปพลิเคชันไลน์
คำสำคัญ:
ผู้ป่วย, ประสิทธิภาพ, แอปพลิเคชันไลน์บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์ประสิทธิภาพการตอบสนองของระบบตรวจจับการหกล้มสำหรับผู้ป่วยที่ใช้เข็มขัดช่วยเดิน โดยมีการแจ้งเตือนผ่านแอปพลิเคชัน Line ระบบถูกออกแบบมาเพื่อแจ้งเตือนผู้ดูแลแบบเรียลไทม์เมื่อเกิดการหกล้ม เพื่อเพิ่มความปลอดภัยให้กับผู้ป่วย ในขั้นตอนการพัฒนา ได้มีการสร้างต้นแบบเข็มขัดช่วยเดินที่ติดตั้งเซ็นเซอร์ตรวจจับการหกล้มและโมดูล GPS เพื่อให้สามารถระบุตำแหน่งผู้ป่วยได้อย่างแม่นยำ ระบบถูกทดสอบในสภาพแวดล้อมจำลองที่มีหลายชั้น เพื่อประเมินความไวและความแม่นยำในการตรวจจับการหกล้มและการระบุตำแหน่ง ผลการวิจัยพบว่า ระบบสามารถตรวจจับการหกล้มได้อย่างเชื่อถือได้ และส่งการแจ้งเตือนถึงผู้ดูแลผ่านแอปพลิเคชัน Line ได้ทันเวลา นอกจากนี้ ระบบ GPS ยังสามารถระบุตำแหน่งของผู้ป่วยได้อย่างแม่นยำ โดยช่วงการตรวจจับที่ดีที่สุดคือ 3 เมตร ซึ่งเป็นผลที่แสดงถึงประสิทธิภาพของเทคโนโลยีนี้ในการเพิ่มความปลอดภัยให้แก่ผู้ป่วยและผู้ดูแล งานวิจัยในอนาคตควรขยาย
การทดสอบไปยังสถานการณ์จริง และพิจารณาการผนวกระบบเข้ากับอุปกรณ์ดูแลสุขภาพอื่นๆ เพื่อเพิ่มประสิทธิภาพให้ดียิ่งขึ้น
Downloads
เอกสารอ้างอิง
Artronshop. (2021). ESP32 Basics. https://www.artronshop.co.th/b/51
Bagala, F., Becker, C., Cappello, A., Chiari, L., Aminian, K., Hausdorff, J. M., Zijlstra, W., & Klenk, J. (2012). Evaluation of accelerometer-based fall detection algorithms on real-world falls. PloS One, 7(5), e37062.
Chalong, W., Pomoon, B.-O., & Petchamnan, W. (2018). Instant messenger for elderly people by using Line system [Master's thesis]. Department of Electrical Engineering, Faculty of Engineering, Burapha University.
Harari, Y., Shawen, N., Mummidisetty, C. K., Albert, M. V., Kording, K. P., & Jayaraman, A. (2021). A smartphone-based online system for fall detection with alert notifications and contextual information of real-life falls. Journal of neuroengineering and rehabilitation, 18(1), 124.
Inoue, S., & Kinoshita, T. (2017). Blue Light Regulation of Stomatal Opening and the Plasma Membrane H+-ATPase. Plant Physiology, 174(2), 531–538.
Krejcie, R.V., & Morgan, D.W. (1970). Determining sample size for research activities. Educational and Psychological Measurement, 30(3), 607-610. https://doi.org/10.1177/001316447003000308
Mubashir, M., Shao, L., & Seed, L. (2013). A survey on fall detection: Principles and approaches. Neurocomputing, 100(1), 144-152. https://doi.org/10.1016/j.neucom.2011.09.037
Mukhopadhyay, S. C. (2015). Wearable sensors for human activity monitoring: A review. IEEE Sensors Journal, 15(3), 1321-1330. https://doi.org/10.1109/JSEN.2014.2371979
Nguyen, T. H., Pham, T. H., & Duong, N. K. (2021). An IoT-based fall detection and notification system for elderly people. Journal of Sensors, 2021, 1-10. https://doi.org/10.1155/2021/5529764
Sitlaothaworn, W. (2016). The design of a gait-assisted machine with partial weight support system [Master's thesis]. Department of Mechanical Engineering, Faculty of Engineering, Thammasat University.
Songsree, P., Choonprawat, S., & Vitsahamuni, T. (2023). Effective of fall detection and notification system for patient and elderly walking aid via Line Application. Journal of Energy and Environment Technology of Graduate School Siam Technology College, 10(1), 86-96.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารสถาบันราชสุดาเพื่อการวิจัยและพัฒนาคนพิการ
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของวารสารสถาบันราชสุดาเพื่อการวิจัยและพัฒนาคนพิการ
