Monitoring the relief of pressure points for pressure ulcer prevention: A subject dependent approach
Notice bibliographique
Résumé
Pressure ulcers are of great cost to both the patient and the healthcare system. Devices have been developed with the goal of pressure ulcer prevention, but many available technically complex devices have been shown to be no more effective than low pressure overlays or mattresses. This paper proposes a subject dependent algorithm capable of automatically detecting when and where pressure points have been relieved from underneath a supine subject, without any user inputs or assumptions. Pressure sensitive mats, associated software, a laptop and a video camera were used to measure and collect pressure signals generated by a supine subject performing 3 movements: the subject rolling to one side of the body, then to the other side, and the subject attempting to roll without lifting any pressure points off the mattress. The data was zeroed, baseline values were found, differences in sensor score from baseline were calculated, and instances during which a valley on one side coincided with a peak on the other, were recorded. Examination of these results indicated that the algorithm was capable of determining when and where pressure points underneath the sacrum and foot regions were lifted off the bed, but not capable of determining if a scapula pressure point was relieved. These results suggest that the proposed algorithm is effective for some, but not all regions of the body. Future work will therefore focus on detection of all pressure points, and the adjustment of the algorithm for subject independence.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».