Vídeos analíticos ayudan a monitorizar a los pacientes en sus camas
Por el equipo editorial de HospiMedica en español Actualizado el 20 Jun 2014 |
Imagen: Una tecnología de video reconoce el estado del paciente (Fotografía cortesía de Laboratorios Fujitsu).
Una nueva tecnología usa una cámara de vídeo para reconocer, con exactitud, el estado de los pacientes hospitalarios, detecta actividades como sentarse en la cama, salir de la cama o moverse en ésta.
Desarrollado por Fujitsu Laboratories (Kawasaki, Japón), la tecnología se basa en dos modalidades. La primera reconoce la cabeza del paciente y la sigue para identificar cuando el paciente se sienta o se levanta de la cama, acciones que pueden ser precursoras de comportamientos como errar, deslizarse, o caerse. La segunda detecta y visualiza las condiciones tales como la inquietud o la falta de sueño, que exigen una mayor atención. El estado del paciente en la cama se clasifica, luego, en cinco categorías en función de la postura, y define un diagrama de transición de estados que las relaciona entre sí.
El proceso de reconocimiento también utiliza datos aprendidos, en el que estados cercanos probables están limitados por el estado actual, con base en el diagrama de transición de estados. La selección de datos aprendidos en el proceso de reconocimiento ayuda en determinar con exactitud el estado de posición de la cabeza del paciente. Pero incluso con la selección de datos aprendidos basado en el estado del paciente, se mantiene el potencial de reconocer incorrectamente a las almohadas como cabezas. Para corregir esto, la tecnología observa puntos que siempre se van a mover cuando el paciente se sienta o se pone de pie y va a identificar varias regiones de la imagen que podrían ser la cabeza para confirmar si realmente es la cabeza del paciente, o no.
Con la colaboración del Hospital Tamagawa (Tokio, Japón), Laboratorios Fujitsu llevó a cabo un ensayo de campo para ensayar la detección de sentarse y levantarse de la cama en varios pacientes. Se encontró que la visualización de los comportamientos de los pacientes se llevaba a cabo con un 91% de exactitud. Los comportamientos que exigen la atención fueron exhibidos en la estación de enfermería, permitiendo que las enfermeras supervisaran fácilmente los movimientos del paciente sin tener que hacer rondas, lo que resulta en un alto nivel de protección de los pacientes para el hospital o centro de atención, y al mismo tiempo aligeran la carga de trabajo de las enfermeras.
Las técnicas existentes para detectar cuando un paciente se ha sentado o levantado de la cama se basan en sensores de presión que detectan el peso corporal; pero este método tiene algunos problemas. A veces los pacientes evitarán intencionalmente el sensor para que no reaccione cuando se levantan de la cama. Además, el sensor no puede diferenciar cuando el paciente está dando vueltas mientras duerme, o cuando los movimientos de la enfermera los están desencadenando, originando falsas alarmas. E, incluso con los sensores, las enfermeras tienen que hacer controles frecuentes y, en todo caso, su carga de trabajo puede ser mayor.
Enlaces relacionados:
Fujitsu Laboratories
Tamagawa Hospital
Desarrollado por Fujitsu Laboratories (Kawasaki, Japón), la tecnología se basa en dos modalidades. La primera reconoce la cabeza del paciente y la sigue para identificar cuando el paciente se sienta o se levanta de la cama, acciones que pueden ser precursoras de comportamientos como errar, deslizarse, o caerse. La segunda detecta y visualiza las condiciones tales como la inquietud o la falta de sueño, que exigen una mayor atención. El estado del paciente en la cama se clasifica, luego, en cinco categorías en función de la postura, y define un diagrama de transición de estados que las relaciona entre sí.
El proceso de reconocimiento también utiliza datos aprendidos, en el que estados cercanos probables están limitados por el estado actual, con base en el diagrama de transición de estados. La selección de datos aprendidos en el proceso de reconocimiento ayuda en determinar con exactitud el estado de posición de la cabeza del paciente. Pero incluso con la selección de datos aprendidos basado en el estado del paciente, se mantiene el potencial de reconocer incorrectamente a las almohadas como cabezas. Para corregir esto, la tecnología observa puntos que siempre se van a mover cuando el paciente se sienta o se pone de pie y va a identificar varias regiones de la imagen que podrían ser la cabeza para confirmar si realmente es la cabeza del paciente, o no.
Con la colaboración del Hospital Tamagawa (Tokio, Japón), Laboratorios Fujitsu llevó a cabo un ensayo de campo para ensayar la detección de sentarse y levantarse de la cama en varios pacientes. Se encontró que la visualización de los comportamientos de los pacientes se llevaba a cabo con un 91% de exactitud. Los comportamientos que exigen la atención fueron exhibidos en la estación de enfermería, permitiendo que las enfermeras supervisaran fácilmente los movimientos del paciente sin tener que hacer rondas, lo que resulta en un alto nivel de protección de los pacientes para el hospital o centro de atención, y al mismo tiempo aligeran la carga de trabajo de las enfermeras.
Las técnicas existentes para detectar cuando un paciente se ha sentado o levantado de la cama se basan en sensores de presión que detectan el peso corporal; pero este método tiene algunos problemas. A veces los pacientes evitarán intencionalmente el sensor para que no reaccione cuando se levantan de la cama. Además, el sensor no puede diferenciar cuando el paciente está dando vueltas mientras duerme, o cuando los movimientos de la enfermera los están desencadenando, originando falsas alarmas. E, incluso con los sensores, las enfermeras tienen que hacer controles frecuentes y, en todo caso, su carga de trabajo puede ser mayor.
Enlaces relacionados:
Fujitsu Laboratories
Tamagawa Hospital
Últimas Cuidados Criticos noticias
- Tecnología innovadora combina detección y tratamiento de trastornos del sistema nervioso en un solo procedimiento.
- Irradiación de plasma promueve una cicatrización ósea más rápida
- Nuevo dispositivo trata la lesión renal aguda por sepsis
- La revascularización mejora la calidad de vida de pacientes con isquemia crónica que amenaza las extremidades
- Modelos de predicción basados en IA predicen con precisión el deterioro de pacientes en cuidados críticos
- PCI preventiva para placas coronarias de alto riesgo reduce los eventos cardíacos
- Herramienta de IA guía el diagnóstico rápido y la predicción de sepsis
- Primer sistema de alerta de sepsis impulsado por IA del mundo detecta sepsis en un minuto
- Nueva tecnología podría revolucionar atención de valvulopatías cardíacas
- Dispositivo electrónico portátil súper permeable permite monitorear bioseñales a largo plazo
- Nuevo hidrogel con capacidades mejoradas para tratar aneurismas y detener su progresión
- Nueva herramienta de IA predice eventos médicos para respaldar toma de decisiones clínicas en entornos de atención médica
- El magnetómetro de un teléfono inteligente utiliza hidrogel magnetizado para medir biomarcadores para el diagnóstico de enfermedades
- Malla bioelectrónica crece con tejidos cardíacos para monitorización cardíaca integral
- Procedimiento mínimamente invasivo ofrece última esperanza para pacientes que enfrentan amputación debido a enfermedad vascular grave
- Cápsula tragable podría transformar detección de enfermedades gastrointestinales