La prevención de caídas se ha vuelto crucial en el ámbito de la salud moderna y en la sociedad para mejorar el envejecimiento y apoyar las actividades diarias de las personas mayores. Caer está principalmente relacionado con la edad y problemas de salud como debilidad muscular, cardiovascular y síndrome locomotor, etc. Entre las personas mayores, el número de caídas aumenta cada año y pueden ser potencialmente mortales si se detectan demasiado tarde. La mayoría de las veces, las personas mayores consumen medicamentos recetados después de una caída y, en la comunidad japonesa, la prevención de intentos de suicidio debido a una sobredosis es urgente. Muchos investigadores han estado trabajando en el desarrollo de sistemas de detección de caídas para observar y notificar sobre caídas en tiempo real utilizando características hechas a mano y enfoques de aprendizaje automático. Los métodos existentes pueden enfrentar dificultades para lograr un rendimiento satisfactorio, como una robustez y generalidad limitadas, una complejidad computacional alta, iluminaciones ligeras, orientación de datos y problemas de vista de cámara. Propusimos una red neuronal convolucional y de atención basada en grafos espaciales-temporales (GSTCAN) con un modelo de atención para superar los desafíos actuales y desarrollar un sistema avanzado de tecnología médica. El sistema convolucional espacial-temporal ha demostrado recientemente el poder de su eficiencia y efectividad en diversos campos como el reconocimiento de actividades humanas y tareas de reconocimiento de texto. En el procedimiento, primero calculamos el movimiento a lo largo del fotograma consecutivo, luego construimos un grafo y aplicamos una red neuronal convolucional espacial y temporal basada en grafos para extraer relaciones contextuales espaciales y temporales entre las articulaciones. Luego, un módulo de atención seleccionó características efectivas por canal. En el mismo procedimiento, lo repetimos seis veces como GSTCAN y luego alimentamos las características espacio-temporales a la red. Finalmente, aplicamos una función softmax como clasificador y logramos altas precisiónes del 99.93%, 99.74% y 99.12% para los conjuntos de datos ImViA, UR-Fall y FDD, respectivamente. La alta precisión de rendimiento con tres conjuntos de datos demostró la superioridad, eficiencia y generalidad del sistema propuesto.