Automated Fall Detection Technology in Inpatient Geriatric Psychiatry: Nurses’ Perceptions and Lessons Learned
Notice bibliographique
Résumé
RÉSUMÉ Les personnes âgées hospitalisées présentent un haut risque de chute. Le système HELPER est un système de détection des chutes fixé au plafond qui envoie une alerte à un téléphone intelligent lorsqu’une chute est détectée. Cet article décrit la performance du système HELPER, qui a été testé dans un projet pilote mené dans un centre de santé mentale gériatrique. La précision du système pour la détection des chutes a été comparée aux données de l’hôpital liées à la documentation des chutes. Au terme du projet pilote, le personnel infirmier a été interviewé afin de documenter comment cette technologie était perçue. Dans cette étude, le système HELPER n’a pas permis de détecter une chute qui a été documentée par le personnel, mais en a détecté 4 autres qui n’avaient pas été documentées. Bien que la sensibilité du système soit élevée (0.80), les fausses alarmes qu’il génère diminuent sa valeur prédictive (0.01). Les entrevues avec le personnel infirmier ont permis de recueillir plusieurs informations utiles liées au fonctionnement de cette technologie dans un environnement réel; ces données seront utiles aux ingénieurs travaillant sur de tels systèmes et sur des technologies associées aux soins de santé et aux services sociaux.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».