Detecting Patient Position Using Bed-Reaction Forces and Monitoring Skin-Bed Interface Forces for Pressure Injury Prevention and Management
Notice bibliographique
Résumé
Abstract Pressure injuries are largely preventable, yet they affect one in four Canadians across all healthcare settings. A key best practice to prevent and treat pressure injuries is to minimize prolonged tissue deformation by ensuring at-risk individuals are repositioned regularly (typically every 2 hours). However, adherence to repositioning is poor in clinical settings and expected to be even worse in homecare settings. Our team has designed a position detection system for home use that uses machine learning approaches to predict a patient’s position in bed using data from load cells under the bed legs. The system predicts the patient’s position as one of three position categories: left-side lying, right-side lying, or supine. The objectives of this project were to: i) determine if measuring ground truth patient position with an inertial measurement unit can improve our system accuracy (predicting left-side lying, right-side lying, or supine) ii) to determine the range of transverse pelvis angles (TPA) that fully offloaded each of the great trochanters and sacrum and iii) evaluate the potential benefit of being able to predict the individual’s position with higher precision (classifying position into more than three categories) by taking into account a potential drop in prediction accuracy as well as the range of TPA for which the greater trochanters and sacrum were fully offloaded. Data from 18 participants was combined with previous data sets to train and evaluate classifiers to predict the participants’ TPA using four different position bin sizes (∼70°, 45°, ∼30°, and 15°) and the effects of increasing precision on performance, where patients are left side-lying at -90°, right side-lying at 90° and supine at 0°). A leave-one-participant-out cross validation approach was used to select the best performing classifier, which was found to have an accuracy of 84.03% with an F1 score of 0.8399. Skin-bed interface forces were measured using force sensitive resistors placed on the greater trochanters and sacrum. Complete offloading for the sacrum was only achieved for the positions with TPA angles <-90° or >90°, indicating there was no benefit to predicting with greater precision than with three categories: left, right, and supine.
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 | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».