Sturzerkennung und -prävention für die Gedächtnispflege durch künstliche Echtzeit-Intelligenz, die auf Video angewendet wird

Dieser Prozess ermöglicht es den Mitarbeitern, über Stürze Bescheid zu wissen, ohne dass die Bewohner ein Gerät tragen müssen, und zu sehen, wie Stürze bei Bewohnern auftreten, die sich nicht für sich selbst einsetzen können, während sie gleichzeitig die Privatsphäre der Bewohner schützen, indem Videos nur hochgeladen werden, wenn sicherheitskritische Ereignisse erkannt werden. Zu sehen, wie der Bewohner zu Boden gegangen ist (1) verhindert die Notwendigkeit von Notaufnahmen, wenn Bewohner absichtlich ohne Risiko zu Boden gegangen sind, und (2) ermöglicht es dem Pflegeteam festzustellen, was ein Ereignis wie einen Sturz verursacht hat und welche Änderungen vorgenommen werden können um das Risiko zu reduzieren.

VORLÄUFIGE BEWEISE. Die vorgeschlagene Studie folgt einer Reihe von Pilotprojekten. In Pilot 1 zeigten wir die technische Machbarkeit der Erkennung von Stürzen aus Videos mit 200 Stürzen, die von gesunden Probanden gespielt wurden. In Pilotprojekt 2 haben wir in einer Einrichtung mit 40 Einwohnern die Akzeptanz von Kompromissen zwischen Datenschutz und Sicherheit demonstriert und eine Reduzierung der gesamten Stürze der Einrichtung um 80 % gezeigt, indem wir das System für 10 wiederholte Stürze bereitgestellt haben. In Pilotprojekt 3 befassten wir uns mit der Wiederholbarkeit der Sturzreduktion in einer Kohorte von 87 Bewohnern mit ADRD in 11 Einrichtungen von drei Partnernetzwerken. In Pilot 4 (NIH SBIR Phase I) haben wir gezeigt, dass Stürze innerhalb der Partnereinrichtungen zuverlässig in Echtzeit erkannt werden können. Wir haben 93 % der Stürze entdeckt; reduzierte die Zeit am Boden um 42 %; zeigten, dass bei Verfügbarkeit von Video die Wahrscheinlichkeit eines Notarztbesuchs um 50 % reduziert wurde; und die reduzierte Gesamteinrichtung fällt um 38 %.