Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register. Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Rojas Sandoval, Loreto Valentina"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    Evaluación crítica de Algoritmos de segmentación del test Timed Up and Go (TUG) basados en IMU.
    (Universidad de Concepción, 2025) Rojas Sandoval, Loreto Valentina; Aqueveque Navarro, Pablo Esteban
    El Timed Up and Go (TUG) es una prueba funcional ampliamente utilizada para evaluar movilidad y riesgo de caídas, especialmente en adultos mayores y personas con patologías neurológicas. Sin embargo, su enfoque tradicional basado únicamente en el tiempo total presenta limitaciones al no considerar aspectos cualitativos del movimiento. La integración de sensores inerciales (IMU) y algoritmos ha permitido segmentar el TUG en subetapas, mejorando la detección de deficiencias motoras. Este trabajo valida y desarrolla un algoritmo automático de segmentación del TUG, utilizando datos inerciales en personas de distintos rangos etarios. Se revisaron algoritmos existentes, se evaluó un modelo basado en reglas y se propuso una optimización mediante votación de jurados, comparando resultados con el sistema OptiTrack, estándar de referencia para este trabajo. El algoritmo se evaluó por precisión, sensibilidad, error promedio y correlación con segmentación manual. Se espera aportar herramientas más precisas para la evaluación clínica, facilitando la integración del TUG automatizado en entornos de salud. En la validación con 75 participantes de diversos rangos etarios, el algoritmo alcanzó sensibilidad y precisión de hasta 0.97, con MAE menor a un segundo en la mayoría de las subetapas. Se observó alta correlación (r > 0.90) con la segmentación manual en la duración total y fases estables, confirmando su robustez. Además, el análisis por grupo etario mostró un aumento progresivo en los tiempos de ejecución del TUG, subrayando el potencial de la herramienta para identificar variaciones funcionales asociadas a la edad. Estos resultados demuestran que la segmentación automática con IMU complementa y potencia la evaluación clínica, proporcionando métricas objetivas para el monitoreo y prevención del riesgo de caídas.
Síguenos en...