Earticle

본 연구는 침상의 인체 위치와 생체신호를 검출할 수 있는 스마트 침상제어시스템의 개발에 관한 것이다. 침상제어 시스템의 메인 제어보드는 인체 감지부, 모터 구동부, MCU로 구성된다. 여기서, 침상의 인체존재 확인의 신뢰성을 높이기 위해 맴브레인 센서에 의한 인체위치 검출부와 EMFI 센서의 생체신호 검출부를 인체감지부로 결합하였다. 또한 검출된 두 신호를 원격으로 앱 모드의 응용 프로그램에 연결하여, 침상위 인체정보를 모니터링할 수 있는 앱모드의 활용이 가능하도록 하였다. 본 연구에서 블루투스 통신에 의해 침상 인체 정보를 모니터링하는 원격 기능은 병원 및 요양기관의 낙상 및 침상부재사고 예방기법으로 활용될 수 있을 것이다.

This study is about the development of a smart bed control system to be able to detect the human position and body signal on bed. The main control board in the bed control system consists of the human sensing part, motor driving part and MCU. Here, to increase the credibility to check the human presence on bed, the human sensing part is combined with the human position part by membrane sensor and the body-signal detecting part of EMFI sensor. Also, remotely connecting the two detected signal to the application program of the app mode makes it possible to monitor human information on bed. In this paper, the remote function monitoring of the on-bed human information by bluetooth communication will be abe to make it applicable to the technical prevention method of the bed fall and absence accident in hospital and care facilities.

본 논문에서는 환자의 자세를 기반으로 행동을 예측하여, 의료진에 의해 입력된 개인의 병력 중심의 프로파일과 신체정보, 침상의 기본 정보를 모두 조합하여 침대에서의 낙상 위험을 예측하는 모델을 설계하고, 위험의 수준을 판단할 수 있는 알고리즘을 제시한다. 낙상 위험 예측은 크게 환자의 프로파일을 활용한 정성적 낙상 위험 노출도 평가와 실시 간 낙상 위험 측정 단계로 구분된다. 정성적 낙상 위험 노출도는 의료진이 낙상 위험과 관련된 환자의 건강 상태를 점검 하여 위험 노출도를 평가함으로써 위험 등급이 결정된다. 실시간 낙상 위험 측정 단계에서는 환자의 침대에서의 자세를 인식하고 환자의 정성적 위험등급 정보가 고려된 낙상 위험 측정을 위한 규칙 기반 정보를 추출한다. 인식된 환자 자세 정보와 정성적 위험평가 정보를 모두 조합하여 시그모이드 함수를 활용하여 최종 낙상 위험 수준을 예측한다. 본 연구에서 제시된 절차와 예측 모델은 입원 환자를 위한 낙상 사고 예방과 환자 안전을 위한 개인화 서비스에 크게 기여할 것으로 기대된다.

This study suggests a design of predictive modeling for a hospital fall risk based on inpatients' posture. Inpatient's profile, medical history, and body measurement data along with basic information about a bed they use, were used to predict a fall risk and suggest an algorithm to determine the level of risk. Fall risk prediction is largely divided into two parts: a real-time fall risk evaluation and a qualitative fall risk exposure assessment, which is mostly based on the inpatient's profile. The former is carried out by recognizing an inpatient’s posture in bed and extracting rule-based information to measure fall risk while the latter is conducted by medical staff who examines an inpatient’s health status related to hospital fall risk and assesses the level of risk exposure. The inpatient fall risk is determined using a sigmoid function with recognized inpatient posture information, body measurement data and qualitative risk assessment results combined. The procedure and prediction model suggested in this study is expected to significantly contribute to tailored services for inpatients and help ensure hospital fall prevention and inpatient safety.

In this paper, we investigate the patient fall prevention system to prevent the patient from falling out of the bed unintentionally on the bed of the bed. Patients stay in bed for many hours of hospitalization. During the hospitalization period, patients have low controllability of the body, as compared with normal persons, and fall due to intentional movements, resulting in a fall of the patient, can be a fatal threat to the patient. Therefore, an efficient fall prevention system is required. In this paper, the distance map to the patient is generated by the distance measuring sensor on the bed of the patient, and the risk is determined by estimating the position of the patient based on the distance map. As a result, when the distance map of the dangerous area is 150 mm or more, it is determined to be dangerous, and good results are obtained.