Mahasiswa Unpad Rancang Alat Deteksi Jatuh Kejang Pasien Epilepsi dan Lansia

Keunggulan signifikan dari sistem ini, katanya, terletak pada kemampuannya membedakan secara presisi antara pola gerakan jatuh dan aktivitas normal sehari-hari, seperti berjalan, berlari, maupun gerakan ibadah seperti rukuk dan sujud.

Dengan pendekatan algoritmik yang cermat, aplikasi tersebut diklaim tidak hanya responsif dalam mengenali insiden jatuh, tetapi juga meminimalkan kesalahan deteksi, sehingga menghasilkan akurasi tinggi dan kecepatan respons yang krusial dalam situasi darurat.

“Inovasi menggunakan metode klasifikasi berbasis pohon keputusan yang mampu mengelompokkan data gerakan tubuh secara sistematis ke dalam empat kategori utama: jatuh ke depan, ke belakang, ke kanan, dan ke kiri,” jelasnya.

Ketersediaan alat ini dinilai penting mengingat pasien epilepsi berisiko 57 persen lebih tinggi untuk mengalami jatuh akibat kejang dan kematian. Meskipun prevalensinya tinggi, saat ini diaku belum ada alat deteksi jatuh yang efektif dan cepat untuk pasien epilepsi.

“Safeguard adir untuk memberikan solusi dengan mendeteksi kejang dan jatuh, serta memberikan peringatan segera kepada keluarga atau pengasuh pasien,” dikutip dari siaran pers.