Langer zelfstandig thuis wonen met zorgrobot Florence

Kosten besparen door ongezond leven?
In de Volkskrant van 13 maart stuitte ik op een ogenschijnlijk interessante, maar op het tweede gezicht toch vreemde discussie: moeten mensen met een ongezonde leefstijl meer betalen dan mensen die gezond leven?

Volgens één van de critici, Arnoud Verhoeff (hoogleraar Grotestadgeneeskunde aan de UvA), speelt de sociale omgeving een belangrijke rol: “Als je eenmaal een levensstijl hebt, is het moeilijk die te veranderen, zeker als je omgeving daar het nut niet zo van inziet. Kijk maar eens hoe moeilijk het is om af te vallen, ook voor hogeropgeleiden.”

Maar waarom zouden deze ongezonde mensen extra moeten betalen? Het gevolg van gezond leven is namelijk dat mensen steeds ouder worden en daarmee dus langer een beroep doen op sociale voorzieningen en medische zorg. De extra uitgaven voor nieuwe ouderdomsaandoeningen, zoals dementie, overtreffen ruimschoots de besparingen. Gezien deze ontwikkelingen, zouden gezonde mensen daarom niet meer moeten betalen, in plaats van ongezonde mensen?

Volgens mij is het niet de juiste insteek van de discussie. De huidige trend in de zorg is een groeiende vraag naar zorg in combinatie met minder capaciteit van zorgprofessionals. We moeten ons inspannen om de gehele zorg efficiënter en effectiever te maken: mensen bewust maken van hun leefstijl en coaching bieden bij het volgen van een gezonde leefstijl (‘preventie’) én ondersteuning bieden bij zorg gerelateerde aspecten (‘care’ en ‘cure’).

De hoop is gericht op de inzet van ICT. Bij Novay werken we aan verschillende projecten om dit te onderzoeken. In één van de projecten hebben we de afgelopen drie jaar onderzoek gedaan naar de toepassing van robots in het aanbieden van nieuwe innovatieve applicaties voor ouderen, om ze langer zelfstandig te laten blijven wonen en leven, het project Florence.

Florence de zorgrobot
In een samenwerking heeft Novay met o.a. Philips, NEC en OFFIS inFlorence onderzoek gedaan naar de toepassing van robots in het aanbieden van nieuwe innovatieve AAL (Ambient Assisted Living) applicaties voor ouderen, hun sociale omgeving en de zorgverleners. De primaire doelstelling was het welzijn van ouderen te vergroten en de efficiëntie van de (ouderen)zorg te verbeteren.

Wat kan Florence?
De focus was om met de huidige technologie een goedkoop en schaalbaar robot platform te creëren, waaraan derden extra diensten of uitbreidingen toe kunnen voegen.

In dit traject zijn er verschillende diensten ontwikkeld en geëvalueerd:

  • coaching: advies en ondersteuning bij dagelijkse activiteiten, o.a. lichaamsbeweging en medicijngebruik.
  • communicatie: mogelijkheid om te beeldbellen met vrienden en familie (via Skype).
  • zorgondersteuning: automatisch noteren van zorg-gerelateerde activiteiten thuis en deze delen met zorgverleners, o.a. bloeddruk meten.
  • veiligheid: de robot gebruiken als extra oren en ogen, o.a. bij persoonlijk alarm/valdetectie.

Ouderen en ICT: Gaat dat wel samen?
Een belangrijk aspect is de acceptatie van de robot door ouderen. Vooral bij ouderen is ICT vaak nog een ‘ver-van-mijn-bed-show’. Om de ouderen beter kennis te laten maken met de mogelijkheden van ICT en om de concepten beter aan te laten sluiten bij hun wensen en mogelijkheden, zijn ouderen van het begin af aan nauw betrokken bij het ontwikkelproces en hebben ze gedurende het proces hun feedback kunnen geven over de richting van de ontwikkelingen.

Een ontwikkelmethode waarbij de technologie niet het doel maar het middel is en waarbij er altijd ontworpen wordt vanuit het perspectief van de gebruiker. Om de acceptatie van (robot) applicaties verder te verbeteren, bieden de applicaties zowel ondersteuning als vermaak.

Living Lab experiment
Als een laatste stap in het Florence traject hebben we, in samenwerking met Carint Reggeland, een Living Lab experiment uitgevoerd: waarbij de robot in  de huizen van de ouderen is neergezet en de ontwikkelde diensten zijn getest.

Door de test bij de mensen thuis uit te voeren, kunnen ze een betere voorstelling maken van wat dit voor hen betekent en hoe dit hun leven beïnvloed. Naast feedback over de ervaringen van eindgebruikers, leverde deze test ook praktische inzichten op. Wat vinden ouderen ervan dat een robot in hun huis rondrijdt? Reageert de robot zoals de ouderen zouden verwachten? Hoe gedraagt een robot zich in een reële situatie? Welke obstakels ziet hij wel en niet?

Resultaten
Mede doordat ouderen tijdens het hele traject betrokken, sloten de diensten goed aan bij het dagelijks leven van de ouderen. De robot werd met veel enthousiasme ontvangen en werd gezien als een toegevoegde waarde in hun leven.

Interessant om te zien is dat tijdens de eerdere experimenten welzijns- diensten (b.v. beeldbellen met familie) als meest belangrijk werden gezien, maar tijdens het Living Lab experiment vooral de zorg ondersteunende diensten als belangrijk werden beoordeeld. Vooral de valdetectie applicatie werd als meest waardevol gewaardeerd: Hierbij werd een beeldverbinding gelegd met de alarmcentrale, waarna zorgprofessionals de robot op afstand konden bedienen om zo de situatie beter in te kunnen schatten en zo de zorg beter aan te laten sluiten bij de situatie. Het vergroten van het gevoel van veiligheid was voor velen de belangrijkste meerwaarde.

De beeldverbinding kon ook gebruikt worden om vrienden en familie te spreken. Dit werd door de vrienden en familie als zeer waardevol ervaren. Op deze manier konden ze ‘een oogje in het zeil houden’.

Agenda herinneringen – van bijvoorbeeld het innemen van medicijnen en het doen van fysieke activiteiten – werden gemengd gewaardeerd; de één vond het een handig geheugensteuntje, de ander voelt zich daar nog  veel te jong voor en heeft dit dus niet nodig.

Een belangrijke les is dat de gebruikers verschillende voorkeuren hebben. Het ‘one-size-fits-all’ principe blijkt niet te werken. Om de robot en bijbehorende diensten beter aan te laten sluiten bij de ouderen, moet de gebruiker zijn of haar voorkeuren in kunnen stellen en zou de robot daarnaast ook nog moeten leren tijdens het gebruik.

Dit zijn echter zaken die in verder onderzoek uitgezocht moeten worden en die nog enkele jaren in beslag nemen. Ik ben nu 27 en hopelijk als ik ‘oud’ ben, rijdt er een robot in mijn huis, die mij kan helpen bij mijn dagelijkse activiteiten, die mij begrijpt en zorgt dat ik nog vele jaren thuis kan blijven wonen.

hApps

It is neither a secret nor a surprise that our healthcare system is facing major challenges in the near future. Costs are rapidly increasing due to aging population and widespread chronic diseases. The current care delivery models are unsustainable over the long run. Therefore, the care system must shift from a cure to preventive and self-management care system.

In order to achieve this shift, ICT could play an important role; from at least 1999 this is known as ‘eHealth’. During the years, several technological developments came across, together with the upcoming mobile (smart)phone. This would then be a next step in the evolution of the shift towards a preventative and self-management model: more personal, fits better in the lifestyle of the user and would be more cost-effective; so called ‘mHealth’. mHealth opened up a new world of measuring (e.g. continuous) and providing feedback (e.g. context- and personal specific) to the user.

While smartphones became more popular and mobile internet became more common, the market of applications was booming. Today there are over 23,000 mobile health apps, from symptom reference guides to calorie counters to programs for tracking blood glucose and blood pressure levels. Health related apps contribute up to 10 percent of the 10 billion apps in total (medical – 1.61%, healthcare & fit – 2.32% and lifestyle – 6.98%).

However most mobile health apps available today do not help you track or manage your health. Most only provide reference information about health issues. Moreover, personalization possibilities are superficial; adaptation is based on static profile information which is restricted to rough personal characteristics like name, age and gender. Therefore, the coaching can’t be adapted to the intrinsic needs, motivation and self-image of the user. In existing apps, coaching is often directive (the app imposes the user what to do). All these aspects could lead to resistance. In order to help you really track or manage your health, e.g. tailored feedback (given on the right moment and at the right place) is needed.

Besides the technological developments, there are still a lot of interesting points to discuss and research before we have made the shift. How could these healthcare apps be used in a healthcare environment? What are new possibilities do provide healthcare apps to patients, health professionals and care providers?  What are the drawbacks?

Looking at the market, there are some developments going on real health apps that make use of the functionalities a smartphone provides. Although we are not there yet, I believe these apps could contribute to a new preventative care and self-management healthcare system. So we slowly reach a new era in the eHealth evolution: hApps (health applications).

Vital Signs Camera: magical measurements

Measuring hart rate using your mobile phone or iPad is nothing new. At the end of last year Instant Heart Rate was released which measures your heart rate using the camera to detect pulse on your fingertip. iPhone Heart Monitor uses the inbuilt microphone to hear and detect your heart rate. If you think these are stunning solutions, Philips however, made some magical technological solution!

Just a week ago (November 16), Philips launched a new app: Vital Signs Camera. This app measures your heart rate and breathing rate remotely, using the iPad 2 camera. This breakthrough technology allows you to measure your vital signs in an easy and unobtrusive way. Philips has been developing this camera technology for three years. Although the concept is simple, measuring from real time video images is a major technical challenge.

The app looks for subtle color changes in your face called micro-blushes caused by the blood rushing in and out, and simply counts them to calculate your heart rate. Likewise, the camera tracks the movements of your chest to measure your breathing rate.

I tried it out and it seems to be an accurate measurement; even small movements and changes in respiration, affected the results. I do understand measuring the breathing rate, by analyzing the increase and decrease of the chest surface. However, it’s a kind of magic how the micro-blushes are measured, because the picture is not very clear.

Although this technology opens up new doors, the challenge, however, will be to give added value to such technology. Knowing what your heart beat and your breathing rate is, is one part, but giving meaning to the results will be the next opportunity.

SmartCoaching

Technology is being designed to change what we think and do.  We face it every day, everywhere. Whether you browse on the internet, playing computer games or use your mobile devices, triggers and cues are all around us.

As the design discipline gets better at the basics of understanding and enabling behavior, trends shows the move towards creating meaningful impacts by influencing behavior.

At Novay we’re doing research on Persuasive Technology through ICT in several domains. In the field of health and well-being, the project SmartCoaching has just been started. In this project we try to figure out how mobile technology could combine self management and coaching in order to support people to acquire a healthier lifestyle.

There are already plenty of devices and services that try to seduce people to live a healthier life. Think about the pedometers, DirectLife, Nike+, FitBit and all kinds of mobile apps & websites. Analyzing these systems carefully and understanding the strong points and their shortcomings could help us in finding the right direction.

As I see it now, they all support people during their activities and feedback the results. But how do we seduce people to seduce people to get off the coach and actually become more active? I believe the missing part in current systems is in the time before the actual activity: suggestions, triggers, cues and feedforward.

In the next 9 months we will explore the possibilities of a new system to make a step forward in changing people’s habits to create a more active lifestyle.

Welcome!