Libro blanco sobre la evaluación de cómo la inteligencia artificial desplegada en centros de atención a largo plazo mejora la seguridad de los residentes y la productividad del personal de enfermería

Autores: dr. Ran Tao y dr. Harro Stokman

Fecha: 19 de mayo de 2021

1.Introducción

1.1 Antecedentes

El trabajo de los cuidadores es intensivo. De los enfermeros de residencias que prestan cuidados directos, un asombroso 37% afirma sentirse quemado [10]. Esta cifra no ha hecho sino aumentar con el reciente brote de Covid19.

Se han introducido diversos sistemas técnicos de control en los centros asistenciales para intentar ayudar al personal asistencial en su trabajo. Por ejemplo, en las residencias de ancianos se han generalizado todo tipo de sensores de movimiento, como imanes para captar la apertura de puertas o sensores de movimiento infrarrojos pasivos. Sin embargo, estos sistemas son incapaces de articular la diferencia entre un residente que necesita ayuda urgente y otro que sólo mueve un poco las piernas mientras duerme. Como las personas dan vueltas en la cama durante la noche, este tipo de sensores suelen dar lugar a un elevado número de falsas alarmas. Los sensores de cama para detectar salidas de la misma y los sensores de presión de las sillas también son habituales en las residencias de ancianos para ayudar a detectar y prevenir caídas [6]. Una vez más, estos sensores se activan fácilmente con un ligero movimiento, lo que conduce de nuevo a un número significativo de falsas alarmas.

Debido a las numerosas falsas alarmas, los cuidadores se distraen con frecuencia de sus tareas, lo que aumenta los niveles de estrés y reduce la calidad de la asistencia prestada. Además, los controles innecesarios que realizan los cuidadores en respuesta a falsas alarmas perturban a los residentes, lo que repercute negativamente en sus patrones de sueño y, en consecuencia, en su calidad de vida e incluso en su estado de salud. Cuando están expuestos a un número excesivo de alarmas, los cuidadores se cansan de ellas, lo que se conoce como fatiga por alarmas [4, 5, 6], que resulta peligrosa para los residentes. La desensibilización a las alarmas conduce a respuestas retardadas a las alarmas e incluso a la ignorancia de las alarmas verdaderas [6]. El Emergency Care Research Institute enumeró la sobrecarga de alarmas, alertas y notificaciones como uno de los diez principales peligros de la tecnología sanitaria para 2020 [11, 12].

1.2 Combinación de inteligencia artificial y sensores ópticos para ayudar a cuidadores y residentes

En Kepler Vision Technologiesempleamos el Kepler Night Nurse en lugar de utilizar sensores de movimiento. Este software analiza mediante inteligencia artificial las secuencias de vídeo en directo de sensores ópticos como las cámaras de ojo de pez. La aplicación reconoce automáticamente si un residente necesita atención y cuándo, pero sin crear falsas alarmas. Por ejemplo, el Kepler Night Nurse reconoce cuando un residente se ha caído o tiene dificultades para levantarse de la cama. Si un residente no duerme en la cama por la noche, o un residente ha abandonado la habitación, el Kepler Night Nurse también lo reconoce. Sólo en estas situaciones, Kepler Night Nurse envía una alarma en forma de mensaje de texto a la enfermera de guardia.

En este artículo, cuantificamos en primer lugar el rendimiento de reconocimiento de la Enfermera Nocturna Kepler. En segundo lugar, la comparamos con otras soluciones del mercado. Por último, presentamos las ventajas que el Kepler Night Nurse aporta tanto a los cuidadores como a los residentes.

2. Resultados clínicos Cuantificación de falsas alarmas y fiabilidad

Para realizar una comparación objetiva, mencionamos en primer lugar un estudio de interés [1], donde un detector de caídas basado en acelerometría registra una tasa de falsas alarmas de 1 falsa alarma por cada 40 horas de uso. En otro estudio [2], un detector de caídas que utiliza señales de radar genera 2 falsas alarmas al día. Un sistema que utiliza Microsoft Kinect informa de 1 falsa alarma al mes con una fiabilidad modesta (98%, 70% y 71% para caídas de pie, sentado y tumbado, respectivamente) [3]. Sin embargo, debido a la limitación de su sensor de profundidad, el rendimiento del sistema disminuye mucho cuando un objeto bloquea la visión del sensor de profundidad o cuando las caídas se producen lejos del sensor (a más de 4 metros) [3]. En los centros asistenciales de nuestros clientes, el tamaño de las habitaciones suele ser de 4 por 5 metros. Además, nuestros clientes exigen una fiabilidad para la detección de caídas cercana al 100%. Ambos factores suponen un reto para el uso de dispositivos de detección de la profundidad.

Para comparar estas tecnologías con la Enfermera Nocturna Kepler, informamos sobre dos estudios realizados en los Países Bajos, cuantificando la tasa de falsas alarmas y la fiabilidad. En la bibliografía, el término «recuerdo» es mucho más frecuente que el de «fiabilidad». Sin embargo, utilizamos «fiabilidad» porque nuestros clientes relacionan más fácilmente este término con su práctica diaria.

En el primer programa de evaluación exhaustiva con una organización asistencial neerlandesa, la enfermera nocturna Kepler se encargó de velar por el bienestar de los ancianos residentes en 12 habitaciones diferentes. Cada habitación tiene una cámara ojo de pez de 6 MP montada en el techo. En este caso, el periodo de evaluación fue de tres semanas, a partir del 10 de enero de 2020. La atención se centró en la funcionalidad de detección de caídas. Por razones de comparación, un sistema alternativo de detección de movimiento que utilizaba entonces la organización asistencial funcionaba en paralelo. Los resultados figuran en el cuadro 1. Como muestran los experimentos, la Enfermera Nocturna Kepler detectó el único incidente de caída real y generó 9 falsas alarmas. El sistema de detección de movimiento no detectó la caída real, sino que generó 2195 falsas alarmas. El uso de Kepler Night Nurse redujo las falsas alarmas en más de un 99%.

Cuadro 1. Comparación cuantitativa entre el Kepler Night Nurse y el otro sistema utilizado por el cliente. El Kepler Night Nurse reduce el número de falsas alarmas hasta en un 99%.

	¿Real caída detectada?	Número de falsas alarmas
Kepler Night Nurse	Sí	9
El otro sistema utilizado por el cliente	No	2195

El Kepler Night Nurse ya está implantado en varios centros asistenciales pertenecientes a la misma organización asistencial. La Tabla 2 resume los resultados del reconocimiento. La fiabilidad observada se acerca al 100% pero, en el momento de redactar este informe, estamos esperando a que nuestro cliente lo cuantifique mejor.

Tabla 2. El rendimiento de reconocimiento del software Kepler Night Nurse con cámaras ojo de pez de 6 MP montadas en el techo.

Periodo	#Habitaciones	#días	#alarmas	#falsas alarmas	Tasa de falsas alarmas	Fiabilidad
Del9 de mayo de 2020 al19 de marzo de 2021	32 ~ 53	315	382	314	1 falsa alarma por habitación cada 34 días	Cerca del 100

En el segundo proyecto de evaluación con otra organización asistencial neerlandesa, el Kepler Night Nurse se utiliza no sólo para reconocer caídas, sino que también se encarga de cuidar las actividades diarias de los ancianos residentes en 14 habitaciones. Cada habitación tiene una cámara domo de 4 MP con objetivo de 2,8 mm instalada en una esquina de la habitación. En este caso, el periodo de evaluación es de nueve meses, del 20 de junio de 2020 al 19 de marzo de 2021. No existe ningún sistema de detección alternativo con el que comparar. Los resultados sobre la detección de caídas figuran en el cuadro 3. Como se muestra, el Kepler Night Nurse genera 1 falsa alarma de detección de caída por habitación cada 96 días. Además, según los comentarios de los cuidadores, siempre recibían una alarma en caso de caídas reales, lo que supone una fiabilidad del 100%.

Tabla 3. El rendimiento de reconocimiento de la Kepler Night Nurse con cámaras domo de 4 MP.

Periodo	#Habitaciones	#días	#alarmas	#falsas alarmas	Tasa de falsas alarmas	Fiabilidad
Del20 de junio de 2020 al19 de marzo de 2021	14	273	55	40	1 falsa alarma por habitación cada 96 días	100%

En resumen, la Kepler Night Nurse genera muchas menos falsas alarmas que las soluciones existentes sin comprometer la fiabilidad.

Con el Kepler Night Nurse, las enfermeras ya no tienen que entrar innecesariamente en la habitación del residente para comprobar su bienestar físico. Durante el día, y especialmente por la noche, la enfermera nocturna Kepler proporciona una considerable reducción de trabajo. Gracias a su bajo índice de falsas alarmas, el Kepler Night Nurse libera a los cuidadores para que puedan centrarse en prestar los cuidados reales, mejorando también la satisfacción laboral.

Los residentes ya no sufren interrupciones innecesarias y, en consecuencia, reciben una atención de mayor calidad. Además, el Kepler Night Nurse también aumenta la seguridad de los residentes, ya que reduce la posibilidad de que se retrase la respuesta a las alarmas y de que se ignoren las alarmas verdaderas. Esto se cuantificará con más detalle en la siguiente sección.

3.Resultados clínicos Cuantificación del impacto en la seguridad del paciente

Levantarse del suelo tras una caída es un reto para las personas mayores. Según el estudio [8], incluso cuando no están lesionados, el 47% no puede levantarse sin ayuda. La permanencia prolongada en el suelo tras una caída aumenta las tasas de morbilidad y mortalidad. Un estudio anterior [9] descubrió que la mitad de las personas que permanecían en el suelo tras una caída durante una hora o más fallecían en un plazo de 6 meses. Otro estudio [7] demostró que el 60% de las personas que permanecieron en el suelo tras una caída durante más de una hora ingresaron en el hospital al año siguiente. El estudio de [7] muestra que en 5 de cada 6 casos de caída la ayuda no llegó en 5 minutos.

Para cuantificar los efectos del Kepler Night Nurse, medimos, una vez implantada la solución Kepler Night Nurse, cuánto tardan las enfermeras en llegar al lugar y ayudar a los residentes a levantarse. Los resultados detallados se muestran en la Tabla 4 y se comparan con los de la bibliografía en la Tabla 5.

Tabla 4: ¿Cuánto tarda en llegar una enfermera en caso de caída? En 2 de cada 14 casos, tarda más de 5 minutos. A veces, las enfermeras tienen otras prioridades que atender.

¿Cuándo se envió la alarma?	¿Cuándo llegó la enfermera?	Diferencia horaria	¿En 5 minutos?
2020-10-04 21:28:33	21:28:53	20 segundos	Sí
2020-08-31 05:40:15	05:41:50	95 segundos	Sí
2021-02-15 23:11:12	23:11:22	10 segundos	Sí
2021-02-10 22:57:48	22:59:59	131 segundos	Sí
2020-12-31 03:53:00	04:20:10	27 minutos	No
2021-02-03 21:53:33	21:54:41	68 segundos	Sí
2020-12-10 05:29:16	05:29:36	20 segundos	Sí
2020-10-17 19:48:24	19:53:09	4 minutos y 45 segundos	Sí
2020-09-21 04:09:51	04:18:26	8 minutos	No
2020-08-31 02:36:57	02:37:02	5 segundos	Sí
2020-08-20 23:57:10	23:58:39	89 segundos	Sí
2020-08-14 21:05:14	21:07:39	145 segundos	Sí
2020-06-26 14:04:04	14:05:06	62 segundos	Sí
2020-06-17 18:52:48	18:56:00	3 minutos y 12 segundos	Sí

La tabla 5 muestra que en 5 de cada 6 casos, utilizando el Kepler Night Nurse la asistencia llega en los 5 minutos siguientes a una caída, frente a 1 de cada 6 casos en los que los clientes no utilizan el Kepler Night Nurse. Por lo tanto, la Enfermera Nocturna Kepler reduce significativamente las posibilidades de estar en el suelo durante un periodo de tiempo prolongado y, por lo tanto, aumenta la seguridad de los residentes.

Cuadro 5. En caso de caída, el Kepler Night Nurse envía siempre una alarma en un plazo de 60 segundos. Esto mejora considerablemente las posibilidades de que el personal llegue a tiempo, como muestra el cuadro. Por tanto, el software aumenta la seguridad de los residentes.

	La asistencia llega 5 minutos después de la caída
Con Kepler Night Nurse	5 de 6 caídas
Sin Kepler Enfermera de noche	1 de cada 6 caídas [7]

4. Resultados clínicos que cuantifican el impacto en el ahorro de tiempo de los cuidadores

Además de funcionar como sistema de alarma, Kepler Night Nurse también genera informes de las actividades diarias (véase la figura 1). Los informes de actividad sustituyen a los informes de turno que el personal asistencial redacta para sus compañeros con el fin de proporcionarles información actualizada sobre el estado del paciente. La automatización de los informes ahorra tiempo al personal sanitario y hace que los informes sean objetivos y más detallados.

Tras consultar con enfermeras sobre el terreno, hemos calculado que los informes automáticos del Kepler Night Nurse ahorran tres minutos por residente y turno. Como una enfermera típica atiende a 20 residentes en una residencia, y como hay tres turnos al día, esto ahorra un total de tres horas de tiempo de trabajo cada día por cada 20 residentes.

5. Conclusión

En este estudio se demostró clínicamente que la Kepler Night Nurse actúa como un sistema de alarma preciso con un número muy bajo de falsas alarmas sin sacrificar la fiabilidad. En resumen:

• La tasa de falsas alarmas de la cámara ojo de pez de 6 MP es de 1 falsa alarma cada 34 días.
• La tasa de falsas alarmas de una cámara domo de 4 MP es de 1 falsa alarma cada 96 días.

En ambos casos, la fiabilidad es casi del 100%.

Sin el software instalado, en 1 de cada 6 casos la asistencia a una caída llega en menos de cinco minutos. Con el Kepler Night Nurse, se envía un mensaje a las enfermeras en 60 segundos. Esto reduce en gran medida el tiempo que se pasa en el suelo. El informe muestra que la asistencia llega en menos de 5 minutos en 5 de cada 6 casos. Por último, el programa ahorra un total de tres horas diarias de trabajo por cada 20 residentes.

Como tal, aporta varios beneficios a los cuidadores y a los residentes:

• Los cuidadores que utilizan el Kepler Night Nurse ya no tienen que entrar innecesariamente en la habitación de un residente para ver cómo está. Durante el día, pero sobre todo por la noche, la enfermera nocturna Kepler reduce considerablemente el trabajo. Gracias a su bajo índice de falsas alarmas, el Kepler Night Nurse libera a los cuidadores para que puedan centrarse en prestar los cuidados reales.
• Los residentes ya no sufren interrupciones innecesarias y reciben una atención de mayor calidad. Aumenta su seguridad porque reduce la posibilidad de que se retrase la respuesta a la alarma y de que se ignoren las alarmas verdaderas.

Eche un vistazo a la página de inicio de Kepler Vision Technologies.

[1 .] Kangas, Maarit, et al. «Sensibilidad y tasa de falsas alarmas de un sensor de caídas en la detección a largo plazo de caídas en ancianos». Gerontología 61.1 (2015): 61-68.
[2 .] Su, Bo Yu, et al. «Detección de actividad de caídas por radar Doppler usando la transformada wavelet». IEEE Transactions on Biomedical Engineering 62.3 (2014): 865-875.
[3 .] Stone, Erik E., y Marjorie Skubic. «Detección de caídas en domicilios de personas mayores mediante Microsoft Kinect». Revista IEEE de informática biomédica y sanitaria 19.1 (2014): 290-301.
[4 .] https://en.wikipedia.org/wiki/Alarm_fatigue
[5 .] Cvach, Maria. «Fatiga por alarmas de monitor: una revisión integradora». Instrumentación y tecnología biomédicas 46.4 (2012): 268-277.
[6 .] Nguyen, James, et al. «Combatir la fatiga por alarmas: La búsqueda de equipos de monitorización clínica más precisos y seguros». Viñetas sobre la seguridad del paciente-Volumen 4. IntechOpen, 2019.
[7 .] Fleming, Jane, y Carol Brayne. «Incapacidad para levantarse tras una caída, tiempo posterior en el suelo y petición de ayuda: estudio prospectivo de cohortes en mayores de 90 años». Bmj 337 (2008).
[8 .] Tinetti, Mary E., Wen-Liang Liu y Elizabeth B. Claus. «Predictores y pronóstico de la incapacidad para levantarse tras caídas en ancianos». Jama 269.1 (1993): 65-70.
[9 .] Wild, Deidre, U. S. Nayak y B. Isaacs. «¿Hasta qué punto son peligrosas las caídas de ancianos en casa?». Br Med J (Clin Res Ed) 282.6260 (1981): 266-268.
[10 .] McHugh, Matthew D., et al. «La insatisfacción laboral generalizada de las enfermeras, su agotamiento y su frustración con las prestaciones sanitarias señalan problemas para la atención al paciente». Health Affairs 30.2 (2011): 202-210.
[11 .] https://halohealth.com/blog/why-alarm-fatigue-is-real-danger/
[12 .] https://www.ecri.org/landing-2020-top-ten-health-technology-hazards