Das Projekt "Analyse der Funktionalitäten der Systeme Mobility Lab und VertiGuard" zielte darauf ab, die beiden Systeme miteinander zu vergleichen. VertiGuard und Mobility Lab sind Sensorgürtel, mit denen Körperschwankungsanalysen durchgeführt werden können und Menschen die Probleme mit dem Gleichgewicht haben beim Training unterstützen. Menschen die beispielsweise an Parkinson oder Multipler Sklerose (MS) erkrankt sind, können mit VertiGuard therapiert und trainiert werden.

Beide Systeme sind mit unterschiedlichen Parametern bestückt. Während Mobility Lab 5 unterschiedliche Parameter für die Standtests besitzt, also Eigenschaften wie z.B. Schwankungsfläche oder - geschwindigkeit, hat VertiGuard nur einen Parameter. Gemessen wird bei VertiGuard mit der Winkelgeschwindigkeit (rad/s) und bei Mobility Lab mit der Beschleunigung (m/s2). Nun stellte sich die Frage: Lassen sich die beiden Systeme miteinander vergleichen? Wie wird bei solch einem Vergleich vorgegangen?

Zu aller erst haben wir uns in der Gruppe zusammengesetzt und überlegt, wie die beiden Systeme funktionieren und wie aufgenommene Werte bei einem Standtest gespeichert und bewertet werden. Natürlich wurden hier auch einige andere Tests durchgeführt. Tests wie "Zweibeinstand mit Augen zu" oder eben auch einbeinig... gar nicht so einfach wie man denkt. Vorallem nicht, wenn es auf weichem Untergrund geschieht. Da gehört schon ein wenig Übung zu. Der erste Test mit MobilityLab war erschreckend, da die Normwerte die in der Software hinterlegt sind, für unsere Messzwecke eindeutig zu sensibel eingestellt waren. Dieses wurde im Laufe des Projekts weiter beobachtet. Als wir dann mit beiden Systemen ein wenig hantiert haben und uns aufgefallen ist, dass die Systeme ganz unterschiedlich eingestellt sind, mussten wir überlegen welche Daten wir auswerten wollen bzw. können. Das Interessante kam jetzt. Bei VertiGuard wird nur ein Parameter ausgegeben, wobei MobilityLab viele Parameter aufzeichnen kann. Mit Visualisierungen der aufgenommenen Werte, wurde versucht ein Vergleich darzustellen. Hierzu wurden die in Python geschriebenen Quellcodes verarbeitet, um Grafiken erstellen zu können. Des Weiteren wurde die Korrelation berechnet, um zu überprüfen, ob Merkmale der Systeme in Verbindung stehen und vergleichbar sind. Es wurden Vermutungen angestellt und Ausblicke für weitere Projekte getroffen.

Die Abbildung zeigt auf der linken Seite den Bauchsensor von Mobility Lab und wie er angebracht wird. Auf der rechten Seite stellt die Abbildung ein Stabilogramm von zwei aufgenommenen Versuchen dar. Die graue Fläche ist die Kontrollzone und die beiden farblich markierten Ringe die jeweiligen Tests. Der erste Versuch ist besser als der Zweite.