ДалееСледующее руководство
Прогноз повторной госпитализации AI
Отрасли
РУКОВОДСТВО ПО Отраслям
Прогноз риска падения с помощью искусственного интеллекта использует данные электронных медицинских записей, а иногда и видео в палате, чтобы оценить, какие пациенты больницы могут упасть, и заранее предупредить персонал.
Прослушайте это руководствоОзвучено ИИ · ~3 min
Целью проекта является улучшение показателей периодических показателей, таких как шкала падения Морса. Падения приводят к травмам, длительному пребыванию и затратам, которые больницы не могут компенсировать, но предупреждение помогает только в том случае, если медсестры могут отреагировать на него, не утонув в тревогах.
Шкала падения Морса, опубликованная Дженис Морс в 1989 году, оценивает шесть пунктов: история падения, вторичный диагноз, амбулаторная помощь, внутривенный или физиологический раствор, походка и психическое состояние. Итоговые значения варьируются от 0 до 125, и многие больницы рассматривают показатели около 45 и выше как высокий риск, хотя пороговые значения различаются. Другие инструменты включают Модель риска падения Хендриха II и Инструмент оценки риска падения Джонса Хопкинса. Эти шкалы быстрые, но медсестры обычно оценивают их только один раз в смену, они пропускают изменения между оценками и относят так много стационарных пациентов к группе риска, что этот ярлык теряет смысл. Прогнозирующие модели пересчитывают риск на основе данных EHR по мере их изменения. Входные данные могут включать седативные средства, опиоиды, диуретики и лекарства от артериального давления, уровень натрия, ортостатические показатели жизнедеятельности, тесты на делирий, необходимость посещения туалета, недавние процедуры и время суток. Поставщики электронных медицинских карт, включая Epic, предлагают модели риска падения, а некоторые больницы создают свои собственные. Видео — это отдельный слой. Непрерывное виртуальное наблюдение, предлагаемое такими компаниями, как AvaSure, позволяет обученному персоналу наблюдать за многими палатами одновременно и разговаривать с пациентами через динамик. В новые системы добавлено компьютерное зрение, которое распознает изменения позы, например, когда человек садится или приближается к краю кровати. Это дает более раннее предупреждение, чем сигнализация кровати с нажимной подушкой, которая срабатывает только тогда, когда вес сбрасывается с матраса. Ключевое заблуждение заключается в том, что больше предупреждений означает меньшее количество падений. Крупное рандомизированное исследование более частого использования прикроватных будильников не выявило снижения частоты падений. Оценка риска говорит о том, кто может упасть, а не о том, что делать. Падения снижаются, когда тревога приводит к действию: плановому посещению туалета, низким кроватям, нескользящей обуви, ремням для ходьбы, физиотерапии, проверке лекарств и пребыванию с пациентами в ванной комнате. С 2008 года CMS не выплачивает больницам дополнительную плату за падения с травмами, произошедшие во время пребывания в больнице, что дает больницам финансовую причину для их предотвращения.
Прогностическая модель выявляет пожилого пациента после начала приема нового седативного средства поверх диуретика. Медсестра начинает плановый обход туалета и просит аптеку проверить комбинацию.
Система компьютерного зрения в контролируемой комнате видит, как пациент садится и свешивает ноги с края кровати. Он предупреждает виртуального наблюдателя, который разговаривает с пациентом через динамик, пока медсестра входит в палату.
Отделение просматривает предупреждения своих моделей и обнаруживает, что большинство помеченных пациентов никогда не падают. Он повышает порог уведомлений о ночной смене, чтобы снизить утомляемость от тревоги.
Медсестра видит высокую оценку Морзе, но низкую модельную оценку у пациента, который устойчив, но пользуется ходунками. Она полагается на свою собственную оценку и документально подтверждает, почему.
Больницы, скорее всего, будут объединять оценки риска EHR с данными видеомониторинга и вызовами медсестер, чтобы оповещения отражали как тех, кто находится в группе риска, так и того, что происходит в палате. Вопрос о том, снизит ли это количество травмирующих падений, а не только зарегистрированные падения, требует более тщательного исследования, чем опубликовано большинством поставщиков. Ожидания конфиденциальности, согласие пациентов на использование камер и усталость от сигналов тревоги будут ограничивать широкое распространение непрерывного мониторинга. Подход, который остается верным, заключается в использовании прогнозов для определения известных мер профилактики, при этом медсестры сохраняют за собой право игнорировать оценки.
Бесплатная рассылка
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
Прогноз риска падения с помощью искусственного интеллекта использует данные электронных медицинских записей, а иногда и видео в палате, чтобы оценить, какие пациенты больницы могут упасть, и заранее предупредить персонал. Целью проекта является улучшение показателей периодических показателей, таких как шкала падения Морса. Падения приводят к травмам, длительному пребыванию и затратам, которые больницы не могут компенсировать, но предупреждение помогает только в том случае, если медсестры могут отреагировать на него, не утонув в тревогах.
Шкала падения Морса оценивает шесть пунктов: история падения, вторичный диагноз, амбулаторная помощь, внутривенный или физиологический раствор, походка и психическое состояние.
Когда исход редкий, большинство помеченных пациентов не попадают в группу, даже если модель ранжирует их хорошо. Вот почему руководство рекомендует сообщать о точности и предупреждать о каждом истинном падении.
Нажимные подушки срабатывают, когда вес сбрасывается с матраса. Системы технического зрения могут раньше заметить, что пациент садится или приближается к краю кровати, что дает персоналу больше времени.
Исследование не показало меньшего количества падений при большем количестве будильников. Это подтверждает точку зрения руководства о том, что оповещения должны привести к профилактическим действиям.
Падения с травмами относятся к числу госпитальных состояний, за которые CMS не платит дополнительную плату. Это дает больницам финансовую причину для их предотвращения.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
Прогноз повторной госпитализации AI
Отрасли