ดูแลสุขภาพผู้สูงอายุ จากการตรวจจับมุมการลุกนั่ง ด้วยสมาร์ทโฟน
Digital healthcare for the elderly: Smartphone-based joint angle analysis during sit-to-stand
การพัฒนาพัฒนาแอปพลิเคชันบนสมาร์ทโฟนเพื่อใช้วิเคราะห์ท่าลุกขึ้นยืนของผู้สูงอายุ เป็นวิธีประเมินความแข็งแรงของร่างกายแบบง่ายๆ และได้นำไปทดสอบเปรียบเทียบกับเครื่องมือจับการเคลื่อนไหวราคาแพงที่ใช้ในห้องแลป ผลการทดลองพบว่าแอปบนมือถือนี้สามารถวัดมุมของลำตัว สะโพก หัวเข่า และจับเวลาได้อย่างแม่นยำและน่าเชื่อถือ เทียบเท่ากับเครื่องมือราคาแพงทุกอย่าง
นี่จึงเป็นข่าวดีเพราะในอนาคต แพทย์หรือนักกายภาพบำบัดอาจใช้เพียงสมาร์ทโฟนในการตรวจวัดสมรรถภาพของผู้สูงอายุได้ง่าย สะดวก และประหยัดค่าใช้จ่ายกว่าเดิมมาก โดยไม่ต้องพึ่งพาอุปกรณ์ขนาดใหญ่ในห้องแลปอีกต่อไป
This study validates a new smartphone application for analyzing sit-to-stand (STS) movements in the elderly, comparing its accuracy and reliability against traditional optical motion capture systems (OMCs).
Using data from 57 trials, the app employed Linear Regression to refine its measurement algorithms, resulting in high predictive accuracy (R² values of 0.92–0.96) for trunk, hip, and knee joint angles. Statistical analysis showed no significant differences between the app and OMCs, with strong agreement indicated by low MAE and RMSE values.
The research concludes that the STS app is a cost-effective, practical, and reliable alternative for kinematic analysis, with significant potential for use in clinical and community health assessments.
การวิเคราะห์การเคลื่อนไหวในท่ายืน-นั่ง (sit-to-stand หรือ STS) ของผู้สูงอายุอย่างแม่นยำ นับเป็นหัวใจสำคัญของการประเมินความสามารถในการเคลื่อนที่และสมรรถภาพทางกาย ล่าสุด ผลการศึกษาใหม่ได้เปรียบเทียบความถูกต้องและความน่าเชื่อถือของแอปพลิเคชันบนสมาร์ทโฟนที่พัฒนาขึ้นล่าสุด สำหรับการวิเคราะห์การเคลื่อนไหว (kinematic analysis) ในระหว่างการทดสอบ STS กับระบบจับการเคลื่อนไหวแบบออปติคัล (Optical Motion Capture Systems หรือ OMCs) ซึ่งเป็นมาตรฐานในปัจจุบัน
งานวิจัยนี้ได้ทำการวิเคราะห์ข้อมูลจากการทดลอง 57 ครั้งในกลุ่มผู้สูงอายุ โดยใช้ทั้งสองระบบควบคู่กันไป แอปพลิเคชัน STS บนสมาร์ทโฟนใช้เทคนิคการถดถอยเชิงเส้น (Linear Regression หรือ LR) เพื่อปรับแก้สมการพหุนาม (polynomial equations) ให้มีความแม่นยำยิ่งขึ้น โดยมีเป้าหมายเพื่อลดความคลาดเคลื่อนในการวัดมุมของข้อต่อบริเวณลำตัว, สะโพก และหัวเข่า เมื่อเทียบกับผลที่ได้จากระบบ OMCs
ผลการวิเคราะห์พบว่า แบบจำลองการพยากรณ์ของแอปพลิเคชันมีความแม่นยำสูง โดยค่าสัมประสิทธิ์การตัดสินใจ (R2) อยู่ในช่วง 0.92–0.96 ในทุกข้อต่อที่ทำการวัด ขณะที่ค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error หรือ MAE) และค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error หรือ RMSE) แสดงให้เห็นถึงความสอดคล้องกันอย่างมีนัยสำคัญระหว่างข้อมูลจากแอปพลิเคชัน STS และระบบ OMCs ซึ่งบ่งชี้ถึงประสิทธิภาพในการปรับค่าสัมประสิทธิ์ของสมการพหุนาม
ที่สำคัญคือ ไม่พบความแตกต่างอย่างมีนัยสำคัญทางสถิติระหว่างค่าพารามิเตอร์ต่างๆ ที่วัดได้จากแอปพลิเคชัน STS และระบบ OMCs นอกจากนี้ คุณสมบัติการทำงานแบบอัตโนมัติของแอปพลิเคชันยังช่วยเพิ่มประสิทธิภาพในการเก็บข้อมูลและเพิ่มความแม่นยำ โดยช่วยลดอคติที่อาจเกิดจากการจับเวลาด้วยตนเอง การเปรียบเทียบระยะเวลาที่ใช้ในการทดสอบระหว่างสองระบบก็ไม่พบความแตกต่างอย่างมีนัยสำคัญเช่นกัน ซึ่งเป็นการยืนยันถึงความสามารถในการนำแอปพลิเคชัน STS ไปใช้งานได้จริงในสถานการณ์ต่างๆ
ซึ่งการพัฒนาในอนาคตควรมุ่งเน้นไปที่การปรับปรุงแนวทางนี้ให้ดียิ่งขึ้น เพื่อเป็นทางเลือกที่มีประสิทธิภาพ คุ้มค่า และนำไปปฏิบัติได้จริงสำหรับการวิเคราะห์การเคลื่อนไหว ซึ่งมีศักยภาพสูงในการนำไปประยุกต์ใช้ในทางการแพทย์และในระดับชุมชนต่อไป
อ่านฉบับเต็มได้ที่ https://doi.org/10.1016/j.dte.2025.10005
Keywords: Smartphone application; ElderlySit-to-stand; Pose estimation; Linear regression
SeniorFit โดยวิทยาลัยวิทยาศาสตร์และเทคโนโลยีการกีฬา มหิดล
มาติดตามผลงานรางวัลจากความมือด้านวิทยาศาสตร์การกีฬาและเทคโนโลยีสารสนเทศ การประกวดด้านนวัตกรรมด้านวิทยาศาสตร์การกีฬา และ ลิขสิทธิ์โปรแกรมคอมพิวเตอร์
ติดต่อ Application SeniorFit https://ss.mahidol.ac.th/th/index.php/th/about-us-th/ai-app
MVIT Awards
บทความ ที่เกี่ยวข้อง “ม.มหิดลสร้าง ‘แอปดูแลสุขภาวะสูงวัย’ผ่านท่าออกกำลังกาย สู่รายวิชาฝึกนศ.วิทย์กีฬาเป็น นวัตกรครั้งแรก”
- 1
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2025 Blockdit
