Livre blanc sur l’évaluation de la manière dont l’intelligence artificielle déployée dans les établissements de soins de longue durée améliore la sécurité des résidents et la productivité du personnel infirmier

Auteurs : Dr. Ran Tao et Dr. Harro Stokman

Date d’entrée en vigueur : 19 mai 2021

1.Introduction

1.1 Contexte

Le travail des soignants est intensif. Parmi les infirmières des foyers de soins qui fournissent des soins directs, 37 % déclarent se sentir épuisées [10]. Ce nombre n’a fait qu’augmenter avec l’apparition récente de Covid19.

Divers systèmes de contrôle technique ont été introduits dans les établissements de soins pour tenter d’aider le personnel soignant dans son travail. Par exemple, toutes sortes de détecteurs de mouvement sont devenus courants dans les maisons de retraite, tels que les aimants qui détectent l’ouverture des portes ou les détecteurs de mouvement à infrarouge passif. Toutefois, ces systèmes sont incapables de faire la différence entre un résident qui a besoin d’une aide urgente et un résident qui bouge simplement un peu les jambes dans son sommeil. Comme les gens se retournent pendant la nuit, ces types de détecteurs donnent souvent lieu à un grand nombre de fausses alarmes. Les capteurs de lit pour détecter les sorties de lit et les capteurs de pression des fauteuils sont également courants dans les maisons de soins pour aider à détecter et à prévenir les chutes [6]. Là encore, ces capteurs sont facilement déclenchés par un léger mouvement, ce qui entraîne un nombre important de fausses alarmes.

En raison des nombreuses fausses alarmes, le personnel soignant est souvent distrait de ses tâches, ce qui augmente le niveau de stress et réduit la qualité des soins prodigués. En outre, les contrôles inutiles effectués par le personnel soignant en réponse à de fausses alarmes perturbent les résidents, ce qui a un impact négatif sur leur sommeil et, par conséquent, sur leur qualité de vie, voire sur leur état de santé. Lorsqu’ils sont exposés à un nombre excessif d’alarmes, les soignants se lassent des alarmes, ce que l’on appelle la fatigue des alarmes [4, 5, 6], ce qui s’avère dangereux pour les résidents. La désensibilisation aux alarmes entraîne des réactions retardées aux alarmes et même l’ignorance des vraies alarmes [6]. L’Emergency Care Research Institute a classé les surcharges d’alarmes, d’alertes et de notifications parmi les dix principaux risques liés aux technologies de la santé à l’horizon 2020 [11, 12].

1.2 Combiner l’intelligence artificielle et les capteurs optiques pour aider les soignants et les résidents

À Kepler Vision Technologies nous employons l’infirmière de nuit de Kepler Night Nurse au lieu de nous appuyer sur des capteurs de mouvement. Ce logiciel analyse les flux vidéo en direct de capteurs optiques tels que les caméras fisheye à l’aide de l’intelligence artificielle. L’application reconnaît automatiquement si et quand un résident a besoin de soins, mais sans créer de fausses alertes. Par exemple, l’infirmière de nuit Kepler reconnaît qu’un résident est tombé ou a des difficultés à quitter son lit. Si un résident ne dort pas dans son lit la nuit ou s’il a quitté la chambre, l’infirmière de nuit du Kepler s’en aperçoit également. Ce n’est que dans ces situations que Kepler Night Nurse envoie une alarme sous la forme d’un message texte à l’infirmière de garde.

Dans cet article, nous commençons par quantifier les performances de reconnaissance de l’infirmière de nuit Kepler. Ensuite, nous la comparons à d’autres solutions sur le marché. Enfin, nous présentons les avantages que l’infirmière de nuit Kepler apporte au personnel soignant et aux résidents.

2. Résultats cliniques quantifiant les fausses alarmes et la fiabilité

Pour établir une comparaison objective, nous mentionnons tout d’abord une étude intéressante [1], où un détecteur de chute basé sur l’accélérométrie enregistre un taux de fausses alarmes de 1 fausse alarme pour 40 heures d’utilisation. Dans une autre étude [2], un détecteur de chute utilisant des signaux radar génère deux fausses alarmes par jour. Un système utilisant Microsoft Kinect signale une fausse alarme par mois avec une fiabilité modeste (98 %, 70 % et 71 % pour les chutes en position debout, assise et couchée respectivement) [3]. Cependant, en raison des limites de son capteur de profondeur, les performances du système diminuent considérablement lorsqu’un objet bloque la vue du capteur de profondeur ou lorsque les chutes ont lieu loin du capteur (plus de 4 mètres) [3]. Dans les établissements de soins de nos clients, la taille des chambres est généralement de 4 mètres sur 5. En outre, nos clients exigent une fiabilité de la détection des chutes proche de 100 %. Ces deux facteurs rendent difficile l’utilisation de dispositifs de détection de la profondeur.

Pour comparer ces technologies à Kepler Night Nurse nous présentons deux études menées aux Pays-Bas, qui quantifient le taux de fausses alarmes et la fiabilité. Dans la littérature, le terme « rappel » est beaucoup plus souvent utilisé que le terme « fiabilité ». Cependant, nous utilisons le terme « fiabilité » parce que nos clients l’associent plus facilement à leur pratique quotidienne.

Dans le cadre du premier programme d’évaluation à grande échelle avec une organisation de soins néerlandaise, Kepler Night Nurse a été déployée pour veiller au bien-être des résidents âgés dans 12 chambres différentes. Chaque chambre est équipée d’une caméra fisheye 6MP fixée au plafond. Ici, la période d’évaluation était de trois semaines, à partir du 10 janvier 2020. L’accent a été mis sur la fonctionnalité de détection des chutes. Pour des raisons de comparaison, un autre système de détection de mouvement, utilisé à l’époque par l’organisation de soins, a fonctionné en parallèle. Les résultats sont présentés dans le tableau 1. Comme le montrent les expériences, l’infirmière de nuit Kepler a détecté la seule chute réelle et a généré 9 fausses alertes. Le système de détection de mouvement n’a pas détecté la chute réelle, mais a généré 2195 fausses alarmes. L’utilisation de Kepler Night Nurse a permis de réduire les fausses alertes de plus de 99 %.

Tableau 1. Comparaison quantitative entre le Kepler Night Nurse et l’autre système utilisé par le client. L’infirmière de nuit Kepler réduit le nombre de fausses alarmes jusqu’à 99 %.

	Véritable chute détectée ?	Nombre de fausses alarmes
Infirmière de nuit de Kepler	Oui	9
L’autre système utilisé par le client	Non	2195

L’infirmière de nuit Kepler est désormais déployée dans plusieurs centres de soins appartenant à la même organisation de soins. Le tableau 2 résume les performances en matière de reconnaissance. La fiabilité observée est proche de 100 % mais, au moment de la rédaction de ce document, nous attendons que notre client la quantifie davantage.

Tableau 2. Les performances de reconnaissance du logiciel Kepler Night Nurse avec des caméras fisheye de 6 MP montées au plafond.

Période	#Chambres	#jours	#alarmes	#fausses alarmes	Taux de fausses alarmes	Fiabilité
Du9 mai 2020 au19 mars 2021	32 ~ 53	315	382	314	1 fausse alarme par chambre et par 34 jours	Près de 100

Dans le deuxième projet d’évaluation mené avec une autre organisation de soins néerlandaise,Kepler Night Nurse est utilisée non seulement pour détecter les chutes, mais aussi pour s’occuper des activités quotidiennes des personnes âgées résidant dans 14 chambres. Chaque pièce est équipée d’une caméra dôme de 4MP avec un objectif de 2,8 mm installée dans un coin de la pièce. Ici, la période d’évaluation est de neuf mois, du 20 juin 2020 au 19 mars 2021. Il n’y a pas d’autre système de détection en place avec lequel comparer. Les résultats de la détection des chutes sont présentés dans le tableau 3. Comme le montre le graphique, le système Kepler Night Nurse génère une fausse alarme de détection de chute par chambre pendant 96 jours. En outre, le personnel soignant a indiqué qu’il recevait toujours une alarme en cas de chute réelle, ce qui représente une fiabilité de 100 %.

Tableau 3. La performance de reconnaissance du Kepler Night Nurse avec des caméras dômes de 4MP.

Période	#Chambres	#jours	#alarmes	#fausses alarmes	Taux de fausses alarmes	Fiabilité
20 juin 2020 jusqu’au19 mars 2021	14	273	55	40	1 fausse alarme par chambre et par période de 96 jours	100%

En résumé, le Kepler Night Nurse génère beaucoup moins de fausses alarmes que les solutions existantes, sans compromettre la fiabilité.

Avec le Kepler Night Nurse, les infirmières n’ont plus besoin d’entrer inutilement dans la chambre du résident pour s’assurer de son bien-être physique. Pendant la journée, et surtout la nuit, Kepler Night Nurse permet une réduction considérable du travail. Grâce à son faible taux de fausses alarmes, l’infirmière de nuit Kepler permet au personnel soignant de se concentrer sur les soins proprement dits, ce qui améliore également la satisfaction au travail.

Les résidents ne sont plus dérangés inutilement et bénéficient ainsi d’une meilleure qualité de soins. En outre, le Kepler Night Nurse accroît également la sécurité des résidents, car il réduit le risque de réaction tardive aux alarmes et d’ignorance des vraies alarmes. Ce point sera quantifié plus en détail dans la section suivante.

3.Résultats cliniques quantifiant l’impact sur la sécurité des patients

Se relever du sol après une chute est un défi pour les personnes âgées. Selon l’étude [8], même en l’absence de blessure, 47 % des personnes ne peuvent pas se lever sans aide. Rester au sol après une chute pendant une période prolongée augmente les taux de morbidité et de mortalité. Une étude antérieure [9] a montré que la moitié des personnes restées au sol après une chute pendant une heure ou plus décèdent dans les 6 mois. Une autre étude [7] a montré que 60 % des personnes qui sont restées plus d’une heure au sol après une chute ont été admises à l’hôpital l’année suivante. L’étude [7] montre que dans 5 cas de chute sur 6, les secours ne sont pas arrivés dans les 5 minutes.

Pour quantifier les effets du Kepler Night Nurse, nous mesurons, une fois la solution Kepler Night Nurse en place, le temps qu’il faut aux infirmières pour arriver sur les lieux et aider les résidents à se lever. Les résultats détaillés sont présentés dans le tableau 4 et comparés à la littérature dans le tableau 5.

Tableau 4 : Combien de temps faut-il pour qu’une infirmière arrive en cas de chute ? Dans 2 cas sur 14, cela prend plus de 5 minutes. Les infirmières ont parfois d’autres priorités.

Quand l’alarme a-t-elle été envoyée ?	Quand l’infirmière est-elle arrivée ?	Décalage horaire	Dans les 5 minutes ?
2020-10-04 21:28:33	21:28:53	20 secondes	Oui
2020-08-31 05:40:15	05:41:50	95 secondes	Oui
2021-02-15 23:11:12	23:11:22	10 secondes	Oui
2021-02-10 22:57:48	22:59:59	131 secondes	Oui
2020-12-31 03:53:00	04:20:10	27 minutes	Non
2021-02-03 21:53:33	21:54:41	68 secondes	Oui
2020-12-10 05:29:16	05:29:36	20 secondes	Oui
2020-10-17 19:48:24	19:53:09	4 minutes et 45 secondes	Oui
2020-09-21 04:09:51	04:18:26	8 minutes	Non
2020-08-31 02:36:57	02:37:02	5 secondes	Oui
2020-08-20 23:57:10	23:58:39	89 secondes	Oui
2020-08-14 21:05:14	21:07:39	145 secondes	Oui
2020-06-26 14:04:04	14:05:06	62 secondes	Oui
2020-06-17 18:52:48	18:56:00	3 minutes et 12 secondes	Oui

Le tableau 5 montre que dans 5 cas sur 6, l’aide apportée par l’infirmière de nuit du Kepler arrive dans les 5 minutes suivant la chute, contre 1 cas sur 6 lorsque les clients ne déploient pas Kepler Night Nurse. Le Kepler Night Nurse réduit donc considérablement les risques de rester à l’étage pendant une période prolongée et accroît donc la sécurité des résidents.

Tableau 5. En cas de chute, le Kepler Night Nurse envoie toujours une alarme dans les 60 secondes. Cela améliore considérablement les chances du personnel d’arriver à temps, comme le montre le tableau. Le logiciel augmente donc la sécurité des résidents.

	L’assistance arrive dans les 5 minutes suivant la chute
Avec l’infirmière de nuit Kepler	5 sur 6 chutes
Sans Kepler Infirmière de nuit	1 chute sur 6 [7]

4. Résultats cliniques quantifiant l’impact sur le gain de temps du personnel soignant

En plus de fonctionner comme un système d’alarme, Kepler Night Nurse génère également des rapports sur les activités quotidiennes (voir figure 1). Les rapports d’activité remplacent les rapports d’équipe que le personnel soignant rédige à l’intention de ses collègues pour les informer de l’état de santé du patient. L’automatisation des rapports fait gagner du temps au personnel soignant et rend les rapports objectifs et plus détaillés.

Après avoir consulté des infirmières sur le terrain, nous avons calculé que le rapport automatique du Kepler Night Nurse permet de gagner trois minutes par résident et par équipe. Étant donné qu’une infirmière s’occupe généralement de 20 résidents dans une maison de soins et qu’il y a trois équipes par jour, cela permet d’économiser un total de trois heures de travail chaque jour pour 20 résidents.

5. Conclusion

Dans cette étude, il a été cliniquement démontré que la Kepler Night Nurse agit comme un système d’alarme précis avec un très faible nombre de fausses alarmes sans sacrifier la fiabilité. En résumé :

• Le taux de fausses alarmes pour les caméras fisheye 6MP est de 1 fausse alarme par 34 jours.
• Le taux de fausses alarmes pour une caméra dôme 4MP est de 1 fausse alarme par 96 jours.

Dans les deux cas, la fiabilité est proche de 100 %.

Sans ce logiciel, dans un cas sur six, l’aide à la chute arrive dans les cinq minutes. Avec l’infirmière de nuit Kepler, un message est envoyé aux infirmières dans les 60 secondes. Cela réduit considérablement le temps passé sur le sol. Le rapport montre que l’assistance arrive dans les 5 minutes dans 5 cas sur 6. Enfin, le logiciel permet d’économiser au total trois heures de travail par jour pour 20 résidents.

En tant que tel, il apporte plusieurs avantages au personnel soignant et aux résidents :

• Le personnel soignant qui utilise le Kepler Night Nurse n’a plus besoin d’entrer inutilement dans la chambre d’un résident pour le surveiller. Pendant la journée, mais surtout pendant la nuit, l’infirmière de nuit Kepler permet une réduction considérable du travail. Grâce à son faible taux de fausses alarmes, le Kepler Night Nurse permet au personnel soignant de se concentrer sur les soins proprement dits.
• Les résidents ne sont plus dérangés inutilement et bénéficient d’une meilleure qualité de soins. Elle accroît leur sécurité car elle réduit les risques de retard dans la réaction aux alarmes et d’ignorance des vraies alarmes.

Jetez un coup d’œil à la page d’accueil de Kepler Vision Technologies !

[1 .] Kangas, Maarit, et al. « Sensibilité et taux de fausse alarme d’un capteur de chute dans la détection à long terme des chutes chez les personnes âgées. Gerontology 61.1 (2015) : 61-68.
[2 .] Su, Bo Yu, et al. « Détection de l’activité de chute par radar Doppler à l’aide de la transformée en ondelettes ». IEEE Transactions on Biomedical Engineering 62.3 (2014) : 865-875.
[3 .] Stone, Erik E., et Marjorie Skubic. « Détection des chutes au domicile des personnes âgées à l’aide de Microsoft Kinect ». IEEE journal of biomedical and health informatics 19.1 (2014) : 290-301.
[4 .] https://en.wikipedia.org/wiki/Alarm_fatigue
[5 .] Cvach, Maria. « La fatigue due aux alarmes du moniteur : une revue intégrative ». Biomedical instrumentation & technology 46.4 (2012) : 268-277.
[6 .] Nguyen, James, et al. « Combattre la fatigue des alarmes : La quête d’un équipement de surveillance clinique plus précis et plus sûr ». Vignettes sur la sécurité des patients – Volume 4. IntechOpen, 2019.
[7 .] Fleming, Jane, et Carol Brayne. « Incapacité à se relever après une chute, temps ultérieur passé au sol et appel à l’aide : étude de cohorte prospective chez des personnes âgées de plus de 90 ans. Bmj 337 (2008).
[8 .] Tinetti, Mary E., Wen-Liang Liu et Elizabeth B. Claus. « Predictors and prognosis of inability to get up after falls among elderly persons (Prédicteurs et pronostic de l’incapacité à se relever après une chute chez les personnes âgées). Jama 269.1 (1993) : 65-70.
[9 .] Wild, Deidre, U. S. Nayak, et B. Isaacs. « Quel est le degré de dangerosité des chutes chez les personnes âgées à domicile ? Br Med J (Clin Res Ed) 282.6260 (1981) : 266-268.
[10 .] McHugh, Matthew D., et al. « L’insatisfaction professionnelle généralisée, l’épuisement professionnel et la frustration des infirmières à l’égard des prestations de santé sont des signes de problèmes pour les soins aux patients. 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