Ubiquitous HealthCare for the Elderly

泛在老年人医疗保健研究项目

研究背景与目的

随着人口老龄化的加剧，老年人群体的医疗保健需求不断增加。居家养老与养老院养老是两种常见的养老方式。居家养老提供了舒适、熟悉的环境，养老院则为需要额外护理的老人提供专业支持。居家养老与养老院养老可以通过灵活搭配与切换，满足老年人不同阶段的照护需求。这种互补性有助于形成一个更综合、灵活的养老系统，提升老年人的生活质量。

居家养老不仅包括基本的生活照料，还涉及老年人的健康维护。例如，远程健康监测设备、智能家居、和远程医疗服务可以在居家养老中广泛使用，确保老年人得到及时的健康管理和医疗护理支持。如果老年人需要更多护理时，养老院可以作为居家养老的补充提供短期或长期服务。

本研究旨在开展泛在老年人医疗保健项目，通过标准化生物信息采集、边缘云物联网数据集成、个人信息的去中心化云保存等技术手段，实现健康监测数据共享。养老院与居家养老的照护者可以通过共享数据实现协同合作，确保老年人在不同照护环境中得到连续性的健康管理。

研究内容与方法

生物信息采集：利用生物传感器、智能穿戴设备等技术，对老年人的生理参数（如心率、血压、血糖等）进行实时监测和采集。

边缘云物联网数据集成：建立边缘计算节点，将采集到的生物信息数据传输至云端，并与其他医疗数据进行集成，实现数据的统一管理和分析。

个人信息的去中心化云保存：采用区块链等技术手段，实现老年人个人健康数据的去中心化存储，确保数据安全性和隐私保护。

老年人云数据在线健康状态分析：借助人工智能和大数据分析技术，对老年人的健康数据进行实时分析和评估，发现潜在健康风险并提供个性化的健康管理建议。

紧急状况报警：设定预警机制，当监测到老年人健康状况异常或出现紧急情况时，及时向老年人本人、家属或医护人员发送报警信息，以便及时处理。

预期成果与意义

通过本研究项目，预期实现以下目标：

提高老年人的健康管理水平，延长健康寿命。

减轻医疗系统的负担，提高医疗资源利用效率。

推动医疗信息化和智慧健康产业发展。

为老年人提供更加便捷、个性化的医疗保健服务。

研究计划与实施

阶段一：项目立项与团队组建，明确研究目标和方向。

阶段二：技术方案设计与系统搭建，包括硬件设备采购、软件开发等。

阶段三：实地调研与数据采集，招募老年人志愿者参与实验。

阶段四：数据分析与算法优化，开展健康管理模型的建立和验证。

阶段五：项目总结与成果推广，撰写研究报告和论文，组织学术交流与成果展示。

研究项目的背景研究

生体识别信息的获取和传输

我们研究了腕戴式生体传感器、室内开关状态、用电量变化、WiFi信号变化、放置在房间内的超声波传感器、压电传感器数据等生物识别信息的采集和云端传输，并正在开发医疗保健系统。

Abstract

In recent years, the global aging population has intensified, leading to a sharp increase in social security benefits and caregiving costs. The elderly face heightened health risks, and their behaviors often indicate potential crises or illnesses. The rapid development of IoT technology offers new solutions for detecting abnormal signs, thereby promoting healthy aging, independent living, and social participation for the elderly. However, the diversity of IoT devices has led to the phenomenon of personal data silos. When the elderly leave their usual IoT environment, the continuity of healthcare services becomes more difficult to maintain. To address this issue, this study proposes a decentralized Ubi-Care framework. The framework aims to achieve complete separation of data and applications. It is based on the ActivityPub protocol and integrates various data from wearable devices, smart home sensors, and social networks, storing this data in a ubiquitous personal online data store (UPOD) and assigning different roles based on data type. UPOD applications support bidirectional following, allowing users to access data associated with relevant roles, addressing issues related to data categorization, sharing, privacy, and security. Additionally, this study proposes a method for utilizing complete UPOD data to perform anomaly detection based on the hidden Markov model (HMM). By effectively integrating IoT data into UPOD and enhancing data interoperability. The data-sharing model proposed in this study also facilitates elderly individuals and their family members in sharing relevant data as needed, while ensuring privacy protection. The methods proposed in this study will help prevent accidental injuries and enable early diagnosis of diseases, providing strong technical support for elderly healthcare.