ความตรงของการใช้สมาร์ตโฟนในการประเมินตัวแปรด้านระยะทางและเวลาการเดินและระยะเคลื่อนที่ของจุดศูนย์กลางมวลขณะเดินเพียงอย่างเดียวและเดินพร้อมกับทำกิจกรรมอื่นร่วมด้วย

Main Article Content

Paphawee Prupetkaew
Vipul Lugade
Teerawat Kamnardsiri
Patima Silsupadol

บทคัดย่อ

            ที่มาและความสำคัญ: การพัฒนาเทคโนโลยีเพื่อประเมินการเดินในสิ่งแวดล้อมอิสระมีความจำเป็นอย่างยิ่ง โดยในปัจจุบันได้มีการนำสมาร์ตโฟนมาใช้ทางการแพทย์กันอย่างแพร่หลาย เนื่องจากราคาไม่แพง พกพาสะดวกและมีเซนเซอร์ที่สามารถนำมาใช้ทางการแพทย์ได้


             วัตถุประสงค์: เพื่อศึกษาความตรงของเซนเซอร์วัดความเร่งบนสมาร์ตโฟนในการประเมินตัวแปรด้านระยะทางและระยะเวลาในการเดินและระยะเคลื่อนที่ของจุดศูนย์กลางมวลขณะเดินเพียงอย่างเดียวและเดินร่วมกับทำกิจกรรมต่างๆร่วมด้วย โดยอ้างอิงกับเครื่อง motion capture system


            วิธีการวิจัย: คนหนุ่มสาวและผู้สูงอายุสุขภาพดี จำนวน 24 คน ได้รับการประเมินการเดินเป็นระยะทาง 10 เมตร ภายใต้เงื่อนไขเดินเพียงอย่างเดียวและเดินพร้อมกับทำกิจกรรมอื่นๆ ร่วมด้วยอีก 4 เงื่อนไข โดยประเมินความตรงจากตัวแปรการเดิน (เวลาก้าวเท้า ระยะก้าวเท้า  ความเร็วในการเดิน อัตราการก้าวเท้าต่อนาที และระยะเคลื่อนที่ของจุดศูนย์กลางมวล) ที่คำนวณได้จากสมาร์ตโฟนและ motion capture system โดยใช้สถิติสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สัน


                ผลการวิจัย: เซนเซอร์วัดความเร่งบนสมาร์ตโฟนมีความตรงอยู่ในระดับสูงถึงสูงมากในการประเมินตัวแปรด้านการเดินทั้งขณะเดินเพียงอย่างเดียว (r = 0.789 - 0.990, p < 0.001)  และเดินพร้อมกับทำกิจกรรมอื่นร่วมด้วย (r = 0.811 - 0.990, p < 0.001) และยังพบว่ามีความตรงอยู่ในระดับปานกลางเมื่อประเมินระยะเคลื่อนที่ของจุดศูนย์กลางมวลในแนวดิ่งขณะเดินเพียงอย่างเดียว (r = 0.563, p < 0.001) และอยู่ในระดับปานกลางถึงสูง (r = 0.588 -0.745, p < 0.001) ขณะเดินพร้อมกับทำกิจกรรมอื่นร่วมด้วย


                สรุปผล: เครื่องวัดความเร่งบนสมาร์ตโฟนมีความตรงในการประเมินการเดินทั้งขณะเดินเพียงอย่างเดียวและเดินพร้อมกับทำกิจกรรมอย่างอื่นร่วมด้วย ดังนั้นอาจนำสมาร์ตโฟนมาใช้เพื่อประเมินการเดินในรูปแบบต่างๆ ทั้งในคลินิกและชุมชนได้ต่อไป

Downloads

Download data is not yet available.

Article Details

บท
บทความวิจัย

References

1. Lord S, Galna B, Verghese J, Coleman S, Burn D, Rochester L, Independent domains of gait in older adults and associated motor and nonmotor attributes: validation of a factor analysis approach, J. Gerontol. A. Biol. Sci. Med. Sci. 2013; 68:820–827.

2. Verghese J, Wang C, Lipton RB, Holtzer R, Xue X. Quantitative gait dysfunction and risk of cognitive decline and dementia. J Neurol Neurosurg Psychiatry. 2007;78:929-35.

3. Hirvensalo M, Rantanen T, Heikkinen E. Mobility difficulties and physical activity as predictors of mortality and loss of independence in the community-living older population. J Am Geriatr SO. 2000;48:493-8.

4. Maki BE. Gait changes in older adults: predictors of falls or indicators of fear. J Am Geriatr Soc. 1997;45:313-20.

5. Hardy SE, Perera S, Roumani YF, Chandler JM, Studenski SA. Improvement in usual gait speed predicts better survival in older adults. J Am Geriatr Soc. 2007;55:1727-34.

6. Studenski S, Perera S, Patel K, et al. Gait Speed and Survival in Older Adults. JAMA.2011;305:50-8.

7. Chou LS, Kaufman KR, Hahn ME, Brey RH. Medio-lateral motion of the center of mass during obstacle crossing distinguishes elderly individuals with imbalance. Gait Posture 2003;18:125–33.

8. Gutierrez EM, Bartonek A, Haglund-A kerlind V, Saraste H. Centre of mass motion during gait in persons with myelomeningocele. Gait Posture. 2003;18:37-46.

9. Furrer M, Bichsel L, Niederer M, Baur H, Schmid S. Validation of a smartphone-based measurement tool for the quantification of level walking. Gait Posture. 2015;42:289-94.

10. Kim A, Kim J, Rietdyk S, Ziaie B. A wearable smartphone-enabled camera-based system for gait assessment. Gait Posture. 2015;42:138-44.

11. Silsupadol P, Teja K, Lugade V. Reliability and validity of a smartphone-based assessment of gait parameters across walking speed and smartphone locations: Body, bag, belt, hand, and pocket. Gait Posture. 2017;58:516-22.

12. Hartmann A, Murer K, de Bie RA, de Bruin ED. Reproducibility of spatio-temporal gait parameters under different conditions in older adults using a trunk tri-axial accelerometer system. Gait Posture. 2009;30:351-55.

13. Kavanagh JJ, Menz HB. Accelerometry: a technique for quantifying movement patterns during walking. Gait Posture. 2008;28:1-15.

14. Agostini V, Lo Fermo F, Massazza G, Knaflitz M. Does texting while walking really affect gait in young adults? J Neuroeng Rehabil. 2015;12:86.

15. Lugade V, Lin V, Chou L. Center of mass and base of support interaction during gait. Gait Posture.2011;33:406-11.

16. Mukaka M. A guide to appropriate use of correlation coefficient in medical research. Malawi Med J.2012;24:69–71.

17. Lamberg EM, Muratori LM. Cell phones change the way we walk. Gait Posture. 2012;35:688-90.

Most read articles by the same author(s)