Resumen:
Esta tesis presenta un sistema de apoyo para personas en silla de ruedas con discapacidad
severa. El sistema consiste de varios sensores no–invasivos instalados en una silla
de ruedas eléctrica, capaces de capturar los hábitos del paciente para aliviar presión, su
nivel de actividad, sus signos vitales y las condiciones ambientales a las que se expone. Los
sensores seleccionados son capaces de capturar los cambios de presión en el asiento y en el
respaldo de la silla de ruedas, el ángulo de la silla de ruedas producido por la función de
inclinación, la actividad respiratoria y cardiaca a partir del balistocardiograma (BCG), la
temperatura ambiente (TAMB) y la humedad relativa (RH).
Se implementaron diversas etapas de procesamiento para extraer parámetros relevantes
a partir de los datos adquiridos. Se implementó un algoritmo para detectar los alivios
de presión producidos por la función de inclinación (PRT) y estimar la actividad del sujeto
usando los sensores de presión y el accelerómetro. Usando filtros basados en wavelets y
algoritmos para detectar peaks se obtuvo la frecuencia cardiaca (HR) y la frecuencia respiratoria
(RR) a partir del BCG sin procesar. Por último, índices térmicos tales como el heat
index y el punto de rocío fueron calculados usando TAMB y RH para estimar exposiciones
peligrosas al calor.
Durante 2 semanas, 6 pacientes con Esclerosis Múltiple usuarios de sillas de ruedas
eléctricas, fueron monitoreados usando los protipos implementados. Los resultados muestran
que el sistema es capaz de capturar cuan a menudo los pacientes alivian presión usando la
función de inclinación. También es capaz de proporcionar información relevante como por
ejemplo el tiempo de ocupación de la silla de ruedas, el tiempo que el paciente pasa en una
posición inclinada, la cantidad de PRT por día, los intervalos sin realizar PRT y la actividad
del sujeto. El análisis de los datos muestra que ningún participante cumplió plenamente con
las recomendaciones para aliviar presión. También muestra variados niveles de actividad
por paciente y entre pacientes, lo que indica el grado de interacción de ellos durante las
actividades diarias. El sistema es capaz de estimar HR y RR durante actividades pasivas (p.
ej., tomar una siesta, ver televisión, descansar). Un hallazgo inesperado fueron las apneas
detectadas mientras los sujetos tomaban una siesta, las cuales hubiesen sido muy difíciles
de detectar sin el sistema. También, altas temperaturas fueron monitoreadas por el sistema
cuando los sujetos estaban al aire libre durante el verano, lo cual puede producir efectos
peligrosos en este tipo de pacientes.
Los datos adquiridos por el sistema durante la vida diaria del paciente, proporcionan
información objetiva para evaluar y mejorar tratamientos y terapias de rehabilitación.
Además, esta información permite implementar alarmas y recomendaciones personalizadas
para notificar a los pacientes o a los cuidadores acerca de peligros y complicaciones en la salud del paciente mejorando de esta manera su cuidado y aumentando su calidad de vida.