这是一篇开放获取的文章,根据创作共用署名许可(http://creativecommons.org/licenses/by/2.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
在美国,住院患者的死亡率为2.6 - 17.1 / 1000个患者-天,其中大多数发生在患者在床上移动、离开或围绕床移动时。每次摔伤的平均费用为1.4万美元。
目的是对基于医疗传感器的物联网(IoT)系统进行技术评估,包括可行性、可用性和用户体验,以促进急性护理医院的病床出口护理响应。
患者年龄在18岁及以上,Morse下降评分为45或更大,从马萨诸塞州一所拥有317个床位的教学医院的35个床位的医疗外科病房招募。符合条件的患者在2015年8月4日至2016年7月31日期间被招募。参与者在他们的床垫顶部和床单之间放置了一个传感器垫。传感器垫的位置用于监测患者从肩部到大腿的运动。对SensableCare系统进行了评估,用于监测患者的运动,并在出现试图离开病床的情况时通过移动设备及时向护理人员发送警报。传感器垫数据自动从系统中采集。主要结果包括跌倒次数、关闭床下警报的时间以及尝试床下事件的次数。患者跌倒的数据由临床研究助理收集,并与单位护士经理确认。解释变量包括房间位置(1-3区)、星期几、护理班次和莫尔斯跌倒量表(即,阳性跌倒史、阳性二次诊断、阳性门诊辅助、弱受损步态/转移、阳性静脉注射/盐水锁定、精神遗忘限制)。我们还通过护士焦点小组评估了用户体验。 Qualitative data regarding staff interactions with the system were collected during two focus groups with 25 total nurses, each lasting approximately 1.5 hours.
共有91名患者使用该系统234.0个患者日,在研究期间没有发生床摔。平均而言,患者在警报系统触发后46秒被协助/送回床上。夜班护理班的反应时间较白班长(
医疗物联网系统可以集成到现有的护理工作流程中,并可能降低急症护理医院的病床坠落风险,这是一个高度优先考虑的问题,但也是一个难以实现的患者安全挑战。通过使用直接向护士的移动设备发送通知的警报系统,无论病人在病房的哪个位置,护士都可以在无人帮助的情况下做出反应。需要进一步的研究,包括全动力随机对照试验,以评估整个医院环境的有效性。
在美国,每年有70万到100万住院病人
使用创新医疗技术的跌倒预防策略可能会改善医疗保健服务和患者安全[
尽管警报技术可以帮助护士,但不准确或错误的警报会对护理人员和患者产生相反的影响。研究表明,80%至99%的监测报警是错误的或临床意义不大[
我们报告了一个医疗物联网(IoT)系统的使用,以评估护士在急症护理医院环境下对病床出口的反应速度,其中一个自动床传感器垫系统用于分析实时患者移动数据,并向护理人员提供及时的警报,最终有可能减少床摔(见
SensableCare系统的组件。
这项研究于2015年8月4日至2016年7月31日在马萨诸塞州郊区一家拥有317张床位的教学医院进行,为期12个月。患者来自一个有35张病床的外科病房。18岁及以上且被认为跌倒风险高(Morse跌倒量表评分≥45分)的患者符合纳入研究的条件[
临床研究助理在符合条件的患者第一次入住病房时与他们谈论这项研究。有兴趣参与的患者需签署书面同意书。对于无法自行同意的患者,家庭成员和法定代理人可以代表患者同意
招聘方法。
该研究测试了SensableCare系统减少床摔的情况。在床垫表面和床单之间放置一个压力感应垫(
senablecare系统可以让护士直观地看到病人在发出警报时是如何躺在床上的,从哪个病房号发出警报,并在病人得到帮助时通知其他护士。使用预测算法,该系统还可以识别患者在床上的活动(例如,患者是否开始在床上活动,是否在床上坐起来),在患者试图离开床之前,或者已经下了床。
护士可以自定义每个病人的警报设置。当系统检测到病人试图离开床或已经离开床时,护士就会收到离床警报。护士还可以选择更早地接收警报,当患者静止超过20分钟后开始活动时和/或当患者在床上坐起来时。负责登记病人的护士和护士助理都将直接通过他们的手机通过实时推送通知收到警报。护理站的主管护士还将通过仪表盘上的SensableCare应用程序收到警报。护士通过轻敲病人房间的控制框或让病人回到床上来响应警报,以关闭仪表盘和其他护士的手机上的警报(例如,在这次试验中,苹果iPhone)。
作为试验的一个条件,医院现有的床报警器(Stryker Secure II医院床与床出口系统)被保留,并与SensableCare系统同时使用,供同意研究的患者使用。那些不同意这项研究的人只使用了现有的Stryker床报警器。当病人离开床时,Stryker床通过声音警报发出信号。尖锐的声音表示病人要离开或下床了。病房外的走廊灯与声音警报一起闪烁。护士们会听着声音,走到有闪烁的走廊灯的房间去帮助病人。没有参与这项研究的患者继续只使用医院现有的床摔警报器。
SensableCare系统的物联网架构。传感器垫通过电缆将数据发送到位于患者床边的控制盒。控制盒将这些数据无线传输到整个病房的蓝牙路由器。然后,这些信息通过医院网络传输到仪表板和对接服务器,在那里对数据进行分析。当警报通过护士手机上的应用程序发送给护士时,它会通过医院的Wi-Fi网络进行无线传输。
传感器垫数据自动从系统中采集。这些数据包括患者的位置数据、警报发送给护理人员的时间、关闭床下警报的时间、患者返回床上的时间以及患者离开床的时间。患者跌倒的数据由临床研究助理收集,并与该单位的护士经理确认。
在之前的一项工程验证研究中,使用低分辨率摄像机将捕捉到的运动与传感器垫数据相匹配,PPV为78.5%(未发表数据)。在这个系统中,系统特异性很难计算,因为它指的是病人没有下床而系统没有产生警报的真实负率。在本研究中,我们计算了在Lahey医院和医疗中心实施的PPV。由于这是一项为期1年的试点研究,旨在了解医疗技术与医院工作流程的整合,因此在研究之前没有进行样本量计算。然而,使用SensableCare系统的下降率可以与试验前12个月期间研究单元与现有床报警器的历史下降率进行比较。研究前12个月的历史单位跌倒率为2.4 / 1000患者-天。
本研究的主要因变量为护士对警报的反应时间。计算护士在5分钟内对警报作出反应时所有事件的反应时间数据;5分钟后关闭的警报被排除在外,因为观察到这些情况是在护士没有先关闭警报的情况下帮助患者的情况。
为了评估可能预测护士对警报反应时间的可能因素,本研究包括以下自变量:患者的人口统计学特征(性别、年龄、体重和跌倒风险因素)和警报的特征(警报室、警报日和警报时间)。警戒室分为:1区,距离护理站最近(距离护理站40英尺以内);第2区,距离护理站较远的房间(41-85英尺);第三区,离护理站最远的房间(86-110英尺远)。警报日分为“工作日”和“周末”。警报时间分为白班、晚班和夜班三组。
我们进行了描述性分析,以提供患者的社会人口学概况以及警报特征和护士对警报的响应时间之间的相关性。在描述性分析的基础上,采用广义估计方程线性回归(GEE)方法考察了各因素与预警响应时间的关系。所有
关于工作人员与系统互动的定性数据是在共25名护士参加的两个焦点小组会议期间收集的,每次会议持续约1.5小时。焦点小组连续几天举行,让护士有单独的机会参加。两名研究人员进行了焦点小组,其中一人担任主持人,另一人担任记录员。护士经理邀请所有在病房工作的医院工作人员自愿参加,没有金钱补偿。研究人员使用IRB批准的问题清单,以促进焦点小组讨论。详细的转录分析了与将系统集成到护士临床工作流程中的障碍和促进因素相关的主题。
在研究期间,91名患者使用了该系统234.0个患者日,没有发生过跌倒。不同年龄、体重和Morse fall评分的男性和女性患者都参加了试验(
患者资料(N=91)。
特征 | 参与者 | |||
|
|
|||
|
男性 | 44 (48) | ||
|
女 | 47 (52) | ||
|
||||
|
< 65 | 20 (22) | ||
|
65 - 74 | 22日(24) | ||
|
≥75 | 49 (54) | ||
|
|
|||
|
< 150 | 24 (26) | ||
|
150 - 199 | 37 (41) | ||
|
≥200 | 26日(29) | ||
|
失踪一个 | 4 (4) | ||
|
|
|||
|
45 - 60 | 41 (45) | ||
|
65 - 80 | 20 (22) | ||
|
85 - 125 | 30 (33) | ||
|
|
|||
|
区1 | 29 (32) | ||
|
区2 | 29 (32) | ||
|
区3 | 33 (36) | ||
|
|
|||
|
总n | 234.0 | ||
|
每位患者,平均值(SD) | 2.6 (2.1) | ||
|
|
|||
|
|
|
||
|
|
无(0) | 39 (43) | |
|
|
是的(25) | 52 (57) | |
|
|
|
||
|
|
无(0) | 2 (2) | |
|
|
是的(15) | 89 (98) | |
|
|
|
||
|
|
卧床休息/护士助理(0) | 43 (47) | |
|
|
拐杖/甘蔗/沃克(15) | 48 (53) | |
|
|
家具(30) | 0 (0) | |
|
|
|
||
|
|
无(0) | 2 (2) | |
|
|
是的(20) | 89 (98) | |
|
|
|
||
|
|
正常/床靠背/固定(0) | 13 (14) | |
|
|
弱(10) | 74 (81) | |
|
|
受损(20) | 4 (4) | |
|
|
|
||
|
|
以自身能力为导向(0) | 74 (81) | |
|
|
忘记限制(15) | 17 (19) |
一个电子健康记录中未记录体重。
b1区:离护理站最近(距离护理站40英尺以内);第2区:距离护士站较远的房间(距离护士站41-85英尺);第三区:距离护理站最远的房间(距离护理站86-110英尺)。
护理人员对警报作出反应的平均时间为45.9秒(标准差为64.7秒)(
警报特征和响应。
警报特征 | 事件,n | 警报重置(5分钟内),一个n | 关闭警报时间(秒),平均值(SD) |
|
|
事件总数(下床/下床) | 1645 | 1416 | 45.9 (64.7) |
|
|
|
|
|
|
.002 | |
|
区1 | 710 | 628 | 41.3 (58.3) |
|
|
区2 | 413 | 363 | 42.8 (61.1) |
|
|
区3 | 522 | 425 | 55.2 (75.0) |
|
|
|
|
|
。 | |
|
工作日 | 1200 | 1040 | 47.2 (66.3) |
|
|
周末 | 445 | 376 | 42.1 (59.9) |
|
|
|
|
|
04 | |
|
日班 | 703 | 581 | 42.3 (62.4) |
|
|
夜班 | 612 | 543 | 43.7 (61.2) |
|
|
通宵班 | 330 | 292 | 57.1 (74.0) |
|
一个如果警报重置或患者返回床上是>5分钟,则视为未处理警报,不包括在此表中。
b使用
c1区:距离护理站40英尺以内;2区:距离护理站40-85英尺以内;第三区:护理站85-110英尺范围内。
d白班:07:00-14:59;晚班:15:00-22:59;夜班:23:00-06:59 #
在多元线性回归中使用GEE (
预测反应时间的因素:使用GEE的多元线性回归。
响应时间因素 | β(SE) |
|
||||
|
|
|
||||
|
|
|
|
|||
|
|
男性 | -5.07 (6.44) | 点 | ||
|
|
|
|
|||
|
|
65 - 74 | 7.58 (10.10) | 。45 | ||
|
|
≥75 | 6.63 (8.34) | 点 | ||
|
|
|
|
|||
|
|
< 150 | -11.88 (6.45) | 07 | ||
|
|
≥200 | 13.01 (9.52) | 。 | ||
|
|
|
|
|||
|
|
是的 | 8.93 (5.07) | 。08 | ||
|
|
|
|
|||
|
|
拐杖/甘蔗/沃克 | -4.69 (5.39) | 38 | ||
|
|
|
|
|||
|
|
弱/受损 | -5.05 (8.79) | .57 | ||
|
|
|
|
|||
|
|
忘记的局限性 | -1.77 (5.94) | .77点 | ||
|
|
|
||||
|
|
|
|
|||
|
|
区1 | -0.62 (4.76) | .90 | ||
|
|
|
|
|||
|
|
工作日 | 0.99 (3.84) | .80 | ||
|
|
|
|
|||
|
|
夜班 | 0.65 (4.00) | .87点 | ||
|
|
通宵班 | 14.22 (5.08) | .005 |
焦点小组参与者发现SensableCare系统易于使用,并将其视为减少床摔的有效技术:“它对非常虚弱和不稳定的患者很有帮助,”一位参与者报告说。参与者总体上对用户界面、系统设计和手机通知感到满意:“……不用浏览,你可以看到哪个房间(闹钟)响了……手机上的通知,而不是在走廊上浏览……我觉得这是积极的,能减少你的时间。”关于患者状态的特定警报(例如,搅动、坐起来、离开、下床)在了解患者行为和舒适度方面提供了信息:“我想知道[患者]在床上动了,我的患者试图下床,等等”和“搅动表明患者在床上有点不舒服,所以无论如何都要检查他们。”有一些护士在自我报告的情况下没有对警报做出回应(即,护士没有携带手机,当他们在照顾另一个病人时,或者当他们很忙而无法查看手机时):“有时我不能放下我正在做的事情去查看手机。”护士普遍认为当前的SensableCare系统很有用,并很好地集成到他们的护理工作流程中。参与者表示,他们可以想象该系统在多家医院的设置。
当出现错误警报时,护士表示,当病人回到床上时,系统有时会发出声音。当护士在病人床边时,通过轻敲控制盒,很快就解决了这个问题。翻身到床边的病人也会触发离开警报。然而,在这些情况下,护士们表示,能够防止病人从床上摔下来只是一个小小的不便。
据我们所知,这是第一个使用从传感器收集数据的预测算法来主动降低急性护理环境中摔倒风险的研究。通过向护士提供无人辅助的床位出口警报,该研究观察了护士是否使用该系统快速做出反应。这种床警报系统的能力,以帮助防止无人帮助下的床下事件可能取决于至少三个关键技术因素:增加护理/护理人员的反应时间,使护士能够在任何地方作出反应,并引发一个特定的反应,以防止床下。
平均而言,护士会在警报被触发约46秒后重置警报。由于该系统的软件算法可以在患者准备离开病床时直接向护理人员的移动设备发出警报,因此他们有更多的时间做出反应,从而降低了摔床的可能性。此外,护士可以选择接收更早的通知(例如,病人在走动,坐起来),从而创建一个潜在的床位退出通知的分级序列。给护士更多的时间来应对潜在的床位出口,可以让他们以适当和及时的方式做出反应。由于护士必须平衡多个病人护理责任,可能需要一段时间才能放弃他们目前正在做的工作来解决迫在眉睫的病人安全风险。此外,一旦护士到达床边,他们可能会在关掉警报器之前先帮助病人。这一系列事件可能会增加系统记录的观察响应时间。
目前,高跌倒风险患者被安置在离护理站最近的区域,以便更好地监测和响应离床事件。我们的研究发现,病人在病房的位置和护理反应时间之间没有显著的相关性。这可能表明,通过使用一种直接向护士的移动设备发送通知的警报系统,护士可以同样地响应病房中任何病人所在的无辅助病床出口。护士可能不再需要把病人转移到离护理站更近的房间。
本研究中使用SensableCare系统的PPV为62.1%。一项多中心研究发现,典型生理监测仪的报警ppv为27% [
医疗物联网系统可以提供有助于改善医院运营的信息。将单位警报响应时间与掉床率进行比较,可以为管理员提供潜在减少床掉床的指标。护士可以使用特定轮班期间产生的警报数量来考虑人员配备水平,以及他们是否足以及时处理潜在的床摔事件。此外,当警报发送给特定的护士时,病房的噪音会减少,患者的体验也会改善。
总之,我们已经证明了SensableCare系统是可行的,可以集成到急症护理医院。护士对系统的病床警报做出了快速反应,在参与试点研究的患者中没有出现摔倒的情况。进一步了解运营医疗物联网的总拥有成本,可以帮助医院管理人员计算使用此类系统的成本效益。如果医院使用SensableCare系统来优化护士人员配备,或者使用专门的工作人员携带移动设备来快速响应和帮助病房中的患者,这些成本就可以确定。
这项初步研究存在一些局限性,包括患者数量较少,仅招募了高跌倒风险患者,并且数据来自单一医院单位。此外,当研究在相同的床上进行时,防止床摔的护理标准(即医院现有的床警报)被打开。如果单独使用,这可能会低估系统的效果。此外,由于护士意识到跌倒风险和SensableCare系统正在被研究,他们可能在使用系统时更加警惕(即霍桑效应)。
总之,初步证据表明,使用物联网的技术解决方案可能会减轻急症护理医院长期存在的患者安全下降风险,同时为医院提供提高质量的基线信息,包括从报警到协助的响应时间。需要进一步的研究来充分评估这种系统在医院环境中的有效性。
广义估计方程
物联网
院校检讨委员会
阳性预测值
MSM、Lahey医院和医疗中心的Rosemary Tin提供了医院数据进行比较。Mark Anderson博士,MedicusTek USA,对传感器数据的分析做出了贡献,并审查了手稿。保罗·怀斯,医学博士,公共卫生硕士,斯坦福大学,斯坦福,加州,严格审查了手稿。
美国MedicusTek公司是这项研究的发起人和资金来源。主办单位审查并批准稿件出版。
基于医疗传感器的物联网制造商MedicusTek是Lahey医院和医疗中心这项研究的赞助商。几位作者隶属于MedicusTek: Diana Wise, Chun Yin Ng, Han-Wen Tso和Wan-Lin Chiang受雇于MedicusTek。C Jason Wang, Lee Hilborne和Chi-Cheng Huang博士是MedicusTek的科学顾问。