Beschreibung
Dreißig Prozent der über 65-Jährigen stürzen mindestens einmal im Jahr. Stürze sind multifaktorielle Ereignisse, die den Gesundheitszustand eines Menschen akut verschlechtern und die eigenständige Mobilität stark einschränken können. Sie können zu Verletzungen, zu Frakturen oder im schlimmsten Fall sogar zum Tod führen. Im Kontext der Sturzgefahr nimmt die Demenz einen besonderen Platz ein, da demente Menschen ein erhöhtes Risiko haben zu stürzen. Könnte man Stürze mit geeigneten Sensortechnologien alltagsbegleitend, unaufdringlich und objektiv vorhersagen, ließe sich das Risiko mithilfe von physiotherapeutischen Maßnahmen senken. Diese Dissertation beschäftigt sich mit der Konzeption und Evaluation einer Methode, die in der Lage ist, alltagsbegleitend, unaufdringlich und objektiv das Sturzrisiko von älteren, dementen Menschen zu bestimmen. Die Methode wird in einer Feldstudie evaluiert, da erwartet wird, dass der Effekt der Beobachtung weniger stark ausgeprägt ist, wie z.B. in klinischen Studien bei der Vermessung in einer beobachteten Situation. Die Vermessung des menschlichen Ganges hat sich zur Sturzvorhersage bereits in klinischen Studien als Erfolg versprechend erwiesen und ist zudem mit Accelerometern im Alltag von Menschen relativ leicht identifizierbar. Die prospektive Kohortenstudie zur Evaluation des Systems wird multizentrisch angelegt. Die Probanden werden über ein Jahr hinweg begleitet und in Abständen von 3 Monaten jeweils über eine Woche hinweg vermessen.
Autorenporträt
Matthias Gietzelt, geboren 1979, studierte von 2002 bis 2008 Informatik mit Schwerpunkt Medizinische Informatik an der Technischen Universität Carolo Wilhelmina zu Braunschweig. 2013 hat er seine Promotion am Peter L. Reichertz Institut für Medizinische Informatik der Technischen Universität Braunschweig und der Medizinischen Hochschule Hannover abgeschlossen.
