Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Multiple Sclerosis merupakan penyakit kronis, progresif, dan degenerative yang ditandai dengan adanya demielinasi atau peradangan dan kerusakan pada selubung mielin di sistem saraf pusat. Manifestasi klinis pada Multiple Sclerosis tergantung pada lokasi keterlibatan pada sistem saraf pusat. Namun manifestasi klinis yang paling umum terjadi pada pasien dengan Multiple Sclerosis adalah tremor, kelemahan otot, gangguan penglihatan (sulit fokus, buram), dan masalah pada eliminasi (konstipasi). Analisis dilakukan pada pasien perempuan berusia 18 tahun yang diduga mengalami Multiple Sclerosis. Masalah keperawatan yang muncul adalah gangguan mobilitas fisik, konstipasi, risiko jatuh, dan risiko infeksi. Tujuan penulisan ini yaitu memaparkan hasil analisis asuhan keperawatan dengan menggunakan latihan Motor Imagery (MI) yang dikombinasikan dengan latihan Range of Motion (ROM) untuk meningkatkan kekuatan otot pada pasien. Latihan dilakukan selama tiga hari (15, 17-18 April 2023) dengan setiap latihan berdurasi 15-20 menit pada pagi hari. Intervensi keperawatan menghasilkan bahwa tidak ada perubahan dalam kekuatan otot, namun tremor saat duduk berkurang dan pasien melaporkan peningkatan motivasi untuk sembuh secara subjektif. Kesimpulannya, latihan Motor Imagery dan Range of Motion merupakan latihan yang mudah, murah, dan tidak ada efek samping, namun mungkin akan lebih efektif apabila dilakukan dengan waktu dan frekuensi yang lebih lama. ...... Multiple Sclerosis is a chronic, progressive and degenerative disease characterized by demyelination or inflammation and damage to the myelin sheath in the central nervous system. Clinical manifestations in Multiple Sclerosis depend on the location of involvement in the central nervous system. However, the most common clinical manifestations in patients with Multiple Sclerosis are tremor, muscle weakness, visual disturbances (difficulty focusing, blurring), and problems with elimination (constipation). The analysis was performed on an 18-year-old female patient suspected of having Multiple Sclerosis. Nursing problems that arise are impaired physical mobility, constipation, the risk of falling, and the risk of infection. The purpose of this writing is to present the results of an analysis of nursing care using Motor Imagery (MI) exercises combined with Range of Motion (ROM) exercises to increase muscle strength in patients. The exercises were carried out over three days (15, 17-18 April 2023) with each exercise lasting 15-20 minutes in the morning. The nursing intervention resulted in no change in muscle strength, but the tremor while sitting was reduced and the patient reported subjectively increased motivation to recover. In conclusion, Motor Imagery and Range of Motion exercises are easy, inexpensive, and have no side effects, but may be more effective if done with a longer time and frequency.

Abstrak :
Peralatan Kesehatan yang ada di Indonesia masih mengandalkan teknologi yang di impor ataupun belum ada barangnya sama sekali. Sebagai contoh, pada masalah Parkinson, belum ada teknologi yang mampu untuk mendeteksi dan getaraan yang ada pada pasien. Sebagian besar penanganan medis untuk Parkinson Untuk itulah penulis ingin mengembangkan jam tangan untuk dapat mendeteksi Parkinson serta mampu untuk meredam gejala Parkinson dengan menggunakan motor DC Vibrator sebagai Aktuator untuk peredam. Penelitian yang dilakukan adalah mengambil data accelerometer dan gyroscope tangan getar kencang dan lambat dari penulis yang kemudian di proses data tersebut dengan deep learning pada keras beserta dengan perubahan-perubahan parameter. Setelahnya hasil dari pelatihan diinstall ke Arduino BLE 33. Setelah terinstall divais diuji coba apakah bisa mendeteksi getaran pada tangan.Dengan menggunakan jumblah data sebanyak 4800 menggunakan 3 layer dengan fungsi aktivasi ReLU, Training loss adalah 2,537 × dan Validation Loss 1,7315 × . Dari perbandingan data hasil training dan data testing untuk Train Accuracy dan validation accuracy pada Keras memiliki tingkat akurasi 1.0, yang bisa dianggap tinggi. Pada saat diuji coba kepada penulis, disaat penulis menggetarkan tangan dengan cukup kencang, divais mampu untuk mendeteksi getaran dan menggetarkan motor pada tangan.

---

Health instruments in Indonesia are currently still using either imported technology or are not yet available locally. As for example, Parkinson's disease does not yet have the solution for detecting and supressing the tremor that happens in the patient's hand. For that reason, the writer intend to invent a device that could detect and suppress tremor called NASA-S.Research is conducted by taking the accelerometer and Gyriscope data of heavy and light vibration from the writer's hand and then being processed using deep learning by keras with changing and testing it's parameter variation. After the training, the result of the training will be installed in Arduino BLE 33. After the Installation, the device will be teste wether it can or not to perform the detection of arm vibration type. With using total 4800 number of data wiht 3 layer and activation function of ReLU, The result shows that The training loss of the model resulter 2.536e-04 and Validation loss 1.7315e-06. From the comparison of the training data and the testing data the Train accuracy and validation accuracy at Keras gived the Accuracy value of 1.0, which consideribly high. When tested at the hand of the writer, when the writer vibrate hand with enough vibration strength, the device could detect vibraton and vibrate the motor on writer's hand

Abstrak :
This book provides a far-sighted perspective on the role of wearable and wireless systems for movement disorder evaluation, such as Parkinsons disease and Essential tremor. These observations are brought together in the application of quantified feedback for deep brain stimulation systems using the wireless accelerometer and gyroscope of a smartphone to determine tuning efficacy. The perspective of the book ranges from the pioneering application of these devices, such as the smartphone, for quantifying Parkinsons disease and Essential tremor characteristics, to the current state of the art. Dr. LeMoyne has published multiple first-of-their-kind applications using smartphones to quantify movement disorder, with associated extrapolation to portable media devices.

Abstrak :

Parkinson menyerang 1% dari populasi orang berusia di atas 65 tahun di dunia, dengan salah satu gejala utama kondisi resting tremor pada bagian tangan pasien. Akuisisi informasi mengenai status kesehatan dari pasien parkinson hingga saat ini masih hanya dapat dilakukan ketika pasien menemui dokter dengan menghampiri klinik atau rumah sakit, saat aspek-aspek dari penyakit dapat menunjukkan fluktuasi pada periode di antara kunjungan tersebut. Pada penelitian ini, dirancang sistem monitoring alat EMG nirkabel yang dapat digunakan sebagai alat home monitoring, sehingga pasien dapat diperiksa setiap saat dan dengan frekuensi lebih sering agar perkembangan terhadap kesehatan pasien dapat selalu diperbarui. Sistem monitoring berikut memanfaatkan web server dan NodeMCU yang dilengkapi dengan ESP8266. Data yang berhasil terakuisisi tersebut kemudian diproses dengan transformasi wavelet diskrit (DWT) dan ekstraksi fitur RMS, logRMS, MAV, dan RES Index pada enam jenis gerakan yang berbeda untuk dibandingkan satu dengan lainnya. Melalui analisa yang telah dilakukan, didapatkan bahwa fitur yang memiliki pola penyebaran terbaik adalah standar deviasi dengan nilai RES Index sebesar 2,4. Selain itu, didapatkan pula bahwa setiap gerakan baik normal maupun dalam kondisi bergetar memiliki pola gelombang serta nilai fitur ekstraksi yang berbeda-beda. Dengan demikian, pola gerakan pasien Parkinson dapat dibedakan satu dengan lainnya melalui pembacaan sinyal EMG.

 

---

Parkinson's disease attacking 1% of the elder population in this world, with one of the main symptoms of this disease being resting tremor. Until now, Parkinsons disease information acquisition can only be done through patients' visits to clinics or hospitals, whereas the aspects of the disease are also shown during in-between those visits.  Therefore, an EMG device that could be used as a remote-monitoring device is designed in this research. This is so that patients can be checked more frequently and hopefully results in an always-renewed information of the patients' developments. This monitoring system utilizes NodeMCU with ESP8266 and web server. The data acquired are then processed through discrete wavelet transform (DWT) method. To compare six kind of gestures, features like RMS, logRMS, MAV, standard deviation, and RES Index are extracted from the reconstructed EMG signal. The results show that standard deviations plot has the best pattern separation with an RES Index score of 2.4 and every movement or gesture, whether its in normal or vibrating condition, have its own pattern of signal and different values of extracted features. Conclusively, the movement pattern of Parkinsons disease patients can be interpreted from one another using EMG signal reading.