In this study we describe an ambulatory system for estimation of spatio-temporal parameters during long periods of walking. This original method based on wavelet analysis is proposed to compute the values of temporal gait parameters from the angular velocity of lower limbs. Based on a mechanical model, the medio-lateral rotation of the lower limbs during stance and swing, the stride length and velocity are estimated by integration of the angular velocity. Measurement's accuracy was assessed using as a criterion standard the information provided by foot pressure sensors. To assess the accuracy of the method on a broad range of performance for each gait parameter, we gathered data from young and elderly subjects. No significant error was observed for toe-off detection, while a slight systematic delay (10 ms on average) existed between heelstrike obtained from gyroscopes and footswitch. There was no significant difference between actual spatial parameters (stride length and velocity) and their estimated values. Errors for velocity and stride length estimations were 0.06 m/s and 0.07 m, respectively. This system is light, portable, inexpensive and does not provoke any discomfort to subjects. It can be carried for long periods of time, thus providing new longitudinal information such as stride-to-stride variability of gait. Several clinical applications can be proposed such as outcome evaluation after total knee or hip replacement, external prosthesis adjustment for amputees, monitoring of rehabilitation progress, gait analysis in neurological diseases, and fall risk estimation in elderly.

A new method of physical activity monitoring is presented, which is able to detect body postures (sifting, standing, and lying) and periods of walking in elderly persons using only one kinematic sensor attached to the chest. The wavelet transform, in conjunction with a simple kinematics model, was used to detect different postural transitions (PTs) and walking periods during daily physical activity. To evaluate the system, three studies were performed. The method was first tested on 11 community-dwelling elderly subjects in a gait laboratory where an optical motion system (Vicon) was used as a reference system. In the second study, the system was tested for classifying PTs (i.e., lying-to-sitting, sitting-to-lying, and turning the body in bed) in 24 hospitalized elderly persons. Finally, in a third study monitoring was performed on nine elderly persons for 45-60 min during their daily physical activity. Moreover, the possibility-to-perform long-term monitoring over 12 h has been shown. The first study revealed a close concordance between the ambulatory and reference systems. Overall, subjects performed 349 PTs during this study. Compared with the reference system, the ambulatory system had an overall sensitivity of 99% for detection of the different PTs. Sensitivities and specificities were 93% and 82% in sit-to-stand, and 82% and 94% in stand-to-sit, respectively. In both first and second studies, the ambulatory system also showed a very high accuracy (> 99%) in identifying the 62 transfers or rolling out of bed, as well as 144 different posture changes to the back, ventral, right and left sides. Relatively high sensitivity (> 90%) was obtained for the classification of usual physical activities in the third study in comparison with visual observation. Sensitivities and specificities were, respectively, 90.2% and 93.4% in sitting, 92.2% and 92.1% in "standing + walking," and, finally, 98.4% and 99.7% in lying. Overall detection errors (as percent of range) were 3.9% for "standing + walking," 4.1% for sitting, and 0.3% for lying. Finally, overall symmetric mean average errors were 12% for "standing + walking." 8.2% for sifting, and 1.3% for lying.

An ambulatory gait analysis method using body-attached gyroscopes to estimate spatio-temporal parameters of gait has been proposed and validated against a reference system for normal and pathologic gait. Later, ten Parkinson's disease (PD) patients with subthalamic nucleus deep brain stimulation (STN-DBS) implantation participated in gait measurements using our device. They walked one to three times on a 20-m walkway. Patients did the test twice: once STN-DBS was ON and once 180 min after turning it OFF. A group of ten age-matched normal subjects were also measured as controls. For each gait cycle, spatio-temporal parameters such as stride length (SL), stride velocity (SV), stance (ST), double support (DS), and gait cycle time (GC) were calculated. We found that PD patients had significantly different gait parameters comparing to controls. They had 52% less SV, 60% less SL, and 40% longer GC. Also they had significantly longer ST and DS (11% and 59% more, respectively) than controls. STN-DBS significantly improved gait parameters. During the stim ON period, PD patients had 31% faster SV, 26% longer SL, 6% shorter ST, and 26% shorter DS. GC, however, was not significantly different. Some of the gait parameters had high correlation with Unified Parkinson's Disease Rating Scale (UPDRS) subscores including SL with a significant correlation (r=-0.90) with UPDRS gait subscore. We concluded that our method provides a simple yet effective way of ambulatory gait analysis in PD patients with results confirming those obtained from much more complex and expensive methods used in gait labs.

Timed Up and Go (TUG) test is a widely used clinical paradigm to evaluate balance and mobility. Although TUG includes several complex subcomponents, namely: sit-to-stand, gait, 180° turn, and turn-to-sit; the only outcome is the total time to perform the task. We have proposed an instrumented TUG, called iTUG, using portable inertial sensors to improve TUG in several ways: automatic detection and separation of subcomponents, detailed analysis of each one of them and a higher sensitivity than TUG. Twelve subjects in early stages of Parkinson's disease (PD) and 12 age matched control subjects were enrolled. Stopwatch measurements did not show a significant difference between the two groups. The iTUG, however, showed a significant difference in cadence between early PD and control subjects (111.1 ± 6.2 versus 120.4 ± 7.6 step/min, p <; 0.006) as well as in angular velocity of arm-swing (123 ± 32.0 versus 174.0 ± 50.4°/s, p <; 0.005), turning duration (2.18 ± 0.43 versus 1.79 ± 0.27 s, p <; 0.023), and time to perform turn-to-sits (2.96 ± 0.68 versus 2.40 ± 0.33 s, p <; 0.023). By repeating the tests for a second time, the test-retest reliability of iTUG was also evaluated. Among the subcomponents of iTUG, gait, turning, and turn-to-sit were the most reliable and sit-to-stand was the least reliable.

A new method of evaluating the characteristics of postural transition (PT) and their correlation with falling risk in elderly people is described. The time of sit-to-stand and stand-to-sit transitions and their duration were measured using a miniature gyroscope attached to the chest and a portable recorder placed on the waist. Based on a simple model and the discrete wavelet transform, three parameters related to the PT were measured, namely, the average and standard deviation of transition duration and the occurrence of abnormal successive transitions (number of attempts to have a successful transition). The comparison between two groups of elderly subjects (with high and low fall-risk) showed that the computed parameters were significantly correlated with the falling risk as determined by the record of falls during the previous year, balance and gait disorders (Tinetti score), visual disorders, and cognitive and depressive disorders (p < 0.01). In this study, the wavelet transform has provided a powerful technique for enhancing the pattern of PT, which was mainly concentrated into the frequency range of 0.04-0.68 Hz. The system is especially adapted for long-term ambulatory monitoring of elderly people.

Despite extensive preventive efforts, falls continue to be a major source of morbidity and mortality among elderly. Real-time detection of falls and their urgent communication to a telecare center may enable rapid medical assistance, thus increasing the sense of security of the elderly and reducing some of the negative consequences of falls. Many different approaches have been explored to automatically detect a fall using inertial sensors. Although previously published algorithms report high sensitivity (SE) and high specificity (SP), they have usually been tested on simulated falls performed by healthy volunteers. We recently collected acceleration data during a number of real-world falls among a patient population with a high-fall-risk as part of the SensAction-AAL European project. The aim of the present study is to benchmark the performance of thirteen published fall-detection algorithms when they are applied to the database of 29 real-world falls. To the best of our knowledge, this is the first systematic comparison of fall detection algorithms tested on real-world falls. We found that the SP average of the thirteen algorithms, was (mean±std) 83.0%±30.3% (maximum value = 98%). The SE was considerably lower (SE = 57.0%±27.3%, maximum value = 82.8%), much lower than the values obtained on simulated falls. The number of false alarms generated by the algorithms during 1-day monitoring of three representative fallers ranged from 3 to 85. The factors that affect the performance of the published algorithms, when they are applied to the real-world falls, are also discussed. These findings indicate the importance of testing fall-detection algorithms in real-life conditions in order to produce more effective automated alarm systems with higher acceptance. Further, the present results support the idea that a large, shared real-world fall database could, potentially, provide an enhanced understanding of the fall process and the information needed to design and evaluate a high-performance fall detector.

An ambulatory system for quantification of tremor and bradykinesia in patients with Parkinson's disease (PD) is presented. To record movements of the upper extremities, a sensing units which included miniature gyroscopes, has been fixed to each of the forearms. An algorithm to detect and quantify tremor and another algorithm to quantify bradykinesia have been proposed and validated. Two clinical studies have been performed. In the first study, 10 PD patients and 10 control subjects participated in a 45-min protocol of 17 typical daily activities. The algorithm for tremor detection showed an overall sensitivity of 99.5% and a specificity of 94.2% in comparison to a video reference. The estimated tremor amplitude showed a high correlation to the Unified Parkinson's Disease Rating Scale (UPDRS) tremor subscore (e.g., r=0.87, p<0.001 for the roll axis). There was a high and significant correlation between the estimated bradykinesia related parameters estimated for the whole period of measurement and respective UPDRS subscore (e.g., r=-0.83, p<0.001 for the roll axis). In the second study, movements of upper extremities of 11 PD patients were recorded for periods of 3-5 hr. The patients were moving freely during the measurements. The effects of selection of window size used to calculate tremor and bradykinesia related parameters on the correlation between UPDRS and these parameters were studied. By selecting a window similar to the period of the first study, similar correlations were obtained. Moreover, one of the bradykinesia related parameters showed significant correlation (r=-0.74, p<0.01) to UPDRS with window sizes as short as 5 min. Our study provides evidence that objective, accurate and simultaneous assessment of tremor and bradykinesia can be achieved in free moving PD patients during their daily activities

This study describes the validation of a new wearable system for assessment of 3D spatial parameters of gait. The new method is based on the detection of temporal parameters, coupled to optimized fusion and de-drifted integration of inertial signals. Composed of two wirelesses inertial modules attached on feet, the system provides stride length, stride velocity, foot clearance, and turning angle parameters at each gait cycle, based on the computation of 3D foot kinematics. Accuracy and precision of the proposed system were compared to an optical motion capture system as reference. Its repeatability across measurements (test-retest reliability) was also evaluated. Measurements were performed in 10 young (mean age 26.1±2.8 years) and 10 elderly volunteers (mean age 71.6±4.6 years) who were asked to perform U-shaped and 8-shaped walking trials, and then a 6-min walking test (6 MWT). A total of 974 gait cycles were used to compare gait parameters with the reference system. Mean accuracy±precision was 1.5±6.8 cm for stride length, 1.4±5.6 cm/s for stride velocity, 1.9±2.0 cm for foot clearance, and 1.6±6.1° for turning angle. Difference in gait performance was observed between young and elderly volunteers during the 6 MWT particularly in foot clearance. The proposed method allows to analyze various aspects of gait, including turns, gait initiation and termination, or inter-cycle variability. The system is lightweight, easy to wear and use, and suitable for clinical application requiring objective evaluation of gait outside of the lab environment.

The Timed Up and Go (TUG) test has been used to assess balance and mobility in Parkinson's Disease (PD). However, it is not known if this test is sensitive to subtle abnormalities present in early stages of the disease, when balance and gait problems are not clinically evident but may be detected with instrumented analysis of movement. We hypothesise that postural transitions and arm swing during gait will be the most sensitive characteristics of the TUG for early PD. In the present study, we instrumented the TUG test (iTUG) using portable inertial sensors, and extended the walking distance from 3 m (traditional TUG) to 7 m. Twelve subjects with early-to-moderate, untreated PD and 12 healthy individuals participated. Our findings show that although the stopwatch measure of TUG duration did not detect any abnormalities in early-to-mid-stage PD, the peak arm swing velocity on the more affected side, average turning velocity, cadence and peak trunk rotation velocity were significantly slower. These iTUG parameters were also correlated with the Unified Parkinson's Disease Rating Motor Scale. Thus, the iTUG test is sensitive to untreated PD and could potentially detect progression of PD and response to symptomatic and disease-modifying treatments.