Detección y Prevención de Caídas para el Cuidado de la Memoria Mediante Inteligencia Artificial en Tiempo Real Aplicada a Video

Este proceso permite que el personal conozca las caídas sin requerir que los residentes usen un dispositivo y ver cómo ocurren las caídas de los residentes que no pueden defenderse por sí mismos mientras protegen la privacidad de los residentes al cargar videos solo cuando se detectan eventos críticos para la seguridad. Ver cómo el residente cayó al suelo (1) evita la necesidad de visitas a la sala de emergencias cuando los residentes se movieron al suelo intencionalmente sin riesgo y (2) permite que el equipo de atención determine qué causó un evento como una caída y qué cambios se pueden hacer para reducir el riesgo.

PRUEBA PRELIMINAR. El estudio propuesto sigue una serie de pilotos. En el piloto 1 mostramos la viabilidad técnica de detectar caídas a partir de un vídeo con 200 caídas representadas por sujetos sanos. En el piloto 2, en un centro de 40 residentes, demostramos la aceptación de las compensaciones de privacidad y seguridad y mostramos una reducción del 80 % en las caídas totales del centro al proporcionar el sistema para 10 personas que caen repetidamente. En el piloto 3, abordamos la repetibilidad de la reducción de caídas en una cohorte de 87 residentes con ADRD en 11 instalaciones de tres redes asociadas. En el piloto 4 (NIH SBIR Fase I), demostramos que las caídas se pueden detectar de manera confiable en tiempo real dentro de las instalaciones asociadas. Detectamos el 93% de las caídas; redujo el tiempo en tierra en un 42%; mostró que cuando el video estaba disponible, la probabilidad de visita de EMS se redujo en un 50%; y redujo las caídas totales de las instalaciones en un 38%.