Hvitbok om vurdering av hvordan kunstig intelligens som tas i bruk ved langtidspleieinstitusjoner forbedrer beboernes sikkerhet og sykepleiernes produktivitet

Forfattere: dr. Ran Tao og dr. Harro Stokman

Dato: 19. mai 2021

1. Innledning

1.1 Bakgrunn

Arbeidet til omsorgspersonell er krevende. Av sykepleierne ved sykehjem som yter direkte omsorg, oppgir hele 37 % at de føler seg utbrent [10]. Dette tallet har bare økt med det nylige utbruddet av Covid-19.

Det er innført ulike tekniske overvåkingssystemer i omsorgsinstitusjoner for å prøve å hjelpe omsorgspersonalet i arbeidet deres. For eksempel har alle slags bevegelsessensorer blitt vanlige på sykehjem, for eksempel magneter som registrerer når dører åpnes, eller passive infrarøde bevegelsessensorer. Disse systemene er imidlertid ikke i stand til å skille mellom en beboer som trenger akutt hjelp og en beboer som bare beveger beina litt i søvne. Siden folk snur og vender seg om natten, fører denne typen sensorer ofte til et høyt antall falske alarmer. Sengsensorer som registrerer når noen står opp av sengen, og trykksensorer i stoler, er også vanlige på sykehjem for å oppdage og forebygge fall [6]. Også disse sensorene utløses lett av en liten bevegelse, noe som igjen fører til et betydelig antall falske alarmer.

På grunn av de mange falske alarmene blir pleiepersonalet ofte distrahert fra oppgavene sine, noe som fører til økt stressnivå og redusert kvalitet på pleietjenestene. I tillegg forstyrrer de unødvendige kontrollene som pleiepersonalet utfører når de reagerer på falske alarmer beboerne, noe som påvirker søvnmønstrene deres negativt og dermed også livskvaliteten og til og med helsetilstanden deres. Når pleiepersonalet utsettes for et for stort antall alarmer, blir de lei av dem – såkalt alarmtretthet [4, 5, 6] – noe som viser seg å være farlig for beboerne. Desensibilisering overfor alarmer fører til forsinkede reaksjoner på alarmer og til og med at ekte alarmer blir ignorert [6]. Emergency Care Research Institute har oppført overbelastning av alarmer, varsler og meldinger som en av de ti største farene innen helseteknologi for 2020 [11, 12].

1.2 Kombinering av kunstig intelligens og optiske sensorer for å hjelpe omsorgspersonell og beboere

Hos Kepler Vision Technologiesbruker vi Kepler Night Nurse i stedet for å stole på bevegelsessensorer. Denne programvaren analyserer live videostrømmer fra optiske sensorer, for eksempel fiskeøye-kameraer, ved hjelp av kunstig intelligens. Applikasjonen gjenkjenner automatisk om og når en beboer trenger omsorg, uten å utløse falske alarmer. For eksempel gjenkjenner Kepler Night Nurse når en beboer har falt eller har vanskeligheter med å komme seg ut av sengen. Hvis en beboer ikke sover i sengen om natten, eller har forlatt rommet, registrerer Kepler Night Nurse også dette. Kun i slike situasjoner sender Kepler Night Nurse en alarm i form av en tekstmelding til sykepleieren på vakt.

I denne artikkelen kvantifiserer vi først gjenkjenningsytelsen til Kepler Night Nurse. Deretter sammenligner vi den med andre løsninger på markedet. Til slutt presenterer vi fordelene som Kepler Night Nurse gir både omsorgspersonell og beboere.

2. Kliniske resultater som kvantifiserer falske alarmer og pålitelighet

For å kunne foreta en objektiv sammenligning, nevner vi først en interessant studie [1], der en falldetektor basert på akselerometri registrerer en falsk alarmfrekvens på 1 falsk alarm per 40 brukstimer. I en annen studie [ 2] viser at en falldetektor som bruker radarsignaler genererer to falske alarmer per dag. Et system som bruker Microsoft Kinect rapporterer én falsk alarm per måned, med en moderat pålitelighet (henholdsvis 98 %, 70 % og 71 % for fall i stående, sittende og liggende stilling) [3]. På grunn av begrensningene ved dybdesensoren synker imidlertid systemets ytelse betydelig når et objekt blokkerer utsikten til dybdesensoren eller når fallene skjer langt unna sensoren (mer enn 4 meter) [3]. I våre kunders omsorgsinstitusjoner er rommene vanligvis 4 x 5 meter store. I tillegg krever kundene våre en pålitelighet for fallregistrering på nær 100 %. Begge disse faktorene utgjør en utfordring for bruken av dybdesensorer.

For å sammenligne disse teknologiene med Kepler Night Nurse, presenterer vi to studier gjennomført i Nederland, der vi har målt andelen falske alarmer og påliteligheten. I faglitteraturen forekommer begrepet «recall» langt oftere enn «pålitelighet». Vi bruker imidlertid «pålitelighet» fordi våre kunder lettere kan knytte dette begrepet til sin daglige praksis.

I det første omfattende evalueringsprogrammet med en nederlandsk omsorgsorganisasjon ble Kepler Night Nurse tatt i bruk for å overvåke velferden til eldre beboere i 12 forskjellige rom. Hvert rom har et takmontert 6 MP fiskeøye-kamera. Evalueringsperioden varte i tre uker, fra og med 10. januar 2020. Fokuset var på funksjonaliteten for fallregistrering. For sammenlignings skyld ble et alternativt bevegelsessensorsystem, som omsorgsorganisasjonen brukte på den tiden, kjørt parallelt. Resultatene er oppført i tabell 1. Som eksperimentene viser, registrerte Kepler Night Nurse den ene reelle fallhendelsen og genererte 9 falske alarmer. Bevegelsessensorsystemet overså det reelle fallet, men genererte i stedet 2195 falske alarmer. Bruken av Kepler Night Nurse reduserte antallet falske alarmer med mer enn 99 %.

Tabell 1. Kvantitativ sammenligning mellom Kepler Night Nurse og det andre systemet som kunden bruker. Kepler Night Nurse reduserer antallet falske alarmer med opptil 99 %.

Kepler Night Nurse er nå tatt i bruk ved flere omsorgssentre som tilhører samme omsorgsorganisasjon. Tabell 2 oppsummerer gjenkjenningsytelsen. Den observerte påliteligheten ligger nær 100 %, men i skrivende stund venter vi på at kunden vår skal kvantifisere dette nærmere.

Tabell 2. Gjenkjenningsytelsen til Kepler Night Nurse-programvaren med takmonterte 6 MP fiskeøye-kameraer.

I det andre evalueringsprosjektet med en annen nederlandsk omsorgsorganisasjon brukes Kepler Night Nurse ikke bare til å oppdage fall, men har også ansvar for å følge med på de daglige aktivitetene til de eldre beboerne i 14 rom. Hvert rom har et 4 MP kuppelkamera med 2,8 mm objektiv installert i et hjørne av rommet. Her er evalueringsperioden ni måneder, fra 20. juni 2020 til 19. mars 2021. Det finnes ikke noe alternativt sensorsystem å sammenligne med. Resultatene for fallregistrering er oppført i tabell 3. Som det fremgår, genererer Kepler Night Nurse én falsk alarm for fallregistrering per rom per 96 dager. I tillegg viser tilbakemeldingene fra pleiepersonalet at de alltid mottok alarm ved reelle fall, det vil si 100 % pålitelighet.

Tabell 3. Gjenkjenningsytelsen til Kepler Night Nurse med 4 MP-kuppelkameraer.

Oppsummert gir Kepler Night Nurse langt færre falske alarmer enn eksisterende løsninger, uten at det går på bekostning av påliteligheten.

Med Kepler Night Nurse trenger sykepleierne ikke lenger å gå unødvendig inn på beboerens rom for å sjekke hvordan de har det fysisk. Både om dagen og spesielt om natten bidrar Kepler Night Nurse til en betydelig reduksjon i arbeidsbelastningen. Takket være den lave andelen falske alarmer frigjør Kepler Night Nurse pleiepersonalet, slik at de kan konsentrere seg om selve pleiearbeidet, noe som også øker arbeidsgleden.

Beboerne blir ikke lenger forstyrret unødvendig og får dermed bedre omsorgskvalitet. Videre øker Kepler Night Nurse også sikkerheten for beboerne, da den reduserer risikoen for forsinket alarmrespons og at reelle alarmer blir oversett. Dette vil bli nærmere kvantifisert i neste avsnitt.

3. Kliniske resultater som kvantifiserer virkningen på pasientsikkerheten

Å reise seg fra gulvet etter et fall er en utfordring for eldre. Ifølge studien [8] klarer 47 % ikke å reise seg uten hjelp, selv om de ikke er skadet. Å ligge på gulvet i lengre tid etter et fall øker sykeligheten og dødeligheten. En tidligere studie [9] viste at halvparten av dem som lå på gulvet etter et fall i en time eller lenger, døde innen 6 måneder. En annen studie [7] viste at 60 % av dem som lå på gulvet etter et fall i mer enn en time, ble innlagt på sykehus i løpet av det påfølgende året. Studien i [7] viser at i 5 av 6 falltilfeller kom ikke hjelpen innen 5 minutter.

For å kvantifisere effektene av Kepler Night Nurse måler vi, når Kepler Night Nurse-løsningen er på plass, hvor lang tid det tar før sykepleierne ankommer stedet og hjelper beboerne med å reise seg. De detaljerte resultatene fremgår av tabell 4 og sammenlignes med litteraturen i tabell 5.

Tabell 4: Hvor lang tid tar det før en sykepleier kommer frem ved et fall? I 2 av 14 tilfeller tar det mer enn 5 minutter. Sykepleiere har noen ganger andre oppgaver de må ta seg av.

Tabell 5 viser at i 5 av 6 tilfeller ankommer hjelp fra Kepler Night Nurse innen 5 minutter etter et fall, sammenlignet med 1 av 6 tilfeller der kundene ikke tar i bruk Kepler Night Nurse. Kepler Night Nurse reduserer dermed risikoen for å ligge på gulvet i lengre tid betydelig og øker dermed beboernes sikkerhet.

Tabell 5. Ved et fall sender Kepler Night Nurse alltid en alarm innen 60 sekunder. Dette øker sjansene for at personalet kommer frem i tide betydelig, som tabellen viser. Dermed bidrar programvaren til å øke beboernes sikkerhet.

4. Kliniske resultater som kvantifiserer effekten på tidsbesparelsen for helsepersonell

I tillegg til å fungere som et alarmsystem, genererer Kepler Night Nurse også rapporter om daglige aktiviteter (se figur 1). Aktivitetsrapportene erstatter skiftrapportene som pleiepersonalet skriver til kollegene sine for å gi dem en oppdatering om pasientens tilstand. Automatisering av rapporteringen sparer pleiepersonalet tid og gjør rapportene objektive og mer detaljerte.

Etter å ha rådført oss med sykepleiere i feltet, har vi beregnet at den automatiske rapporteringen fra Kepler Night Nurse sparer tre minutter per beboer per skift. Siden en sykepleier vanligvis har ansvar for 20 beboere på et sykehjem, og det er tre skift per dag, sparer dette totalt tre timer arbeidstid hver dag per 20 beboere.

5. Konklusjon

I denne studien ble det klinisk påvist at Kepler Night Nurse fungerer som et nøyaktig alarmsystem med svært få falske alarmer uten at det går på bekostning av påliteligheten. Oppsummert:

• Feilalarmfrekvensen for et 6 MP fiskeøye-kamera er én feilalarm per 34 dager.
• Feilalarmfrekvensen for et 4 MP-kuppelkamera er 1 feilalarm per 96 dager.

I begge tilfeller er påliteligheten nesten 100 %.

Uten programvaren på plass kommer hjelp til en person som har falt innen fem minutter i 1 av 6 tilfeller. Med Kepler Night Nurse sendes det en melding til sykepleierne innen 60 sekunder. Dette reduserer tiden som brukes på avdelingen betydelig. Rapporten viser at hjelp ankommer innen 5 minutter i 5 av 6 tilfeller. Til slutt sparer programvaren totalt tre timers arbeidstid hver dag per 20 beboere.

Dette gir dermed flere fordeler for pleiepersonalet og beboerne:

• Pleiepersonell som bruker Kepler Night Nurse, trenger ikke lenger å gå inn på beboerens rom unødvendig for å se til dem. Om dagen, men spesielt om natten, bidrar Kepler Night Nurse til en betydelig reduksjon i arbeidsbelastningen. Takket være den lave andelen falske alarmer gir Kepler Night Nurse pleiepersonellet mer tid til å fokusere på selve pleiearbeidet.
• Beboerne blir ikke lenger unødvendig forstyrret og får bedre pleie. Det øker deres sikkerhet, fordi det reduserer risikoen for forsinket alarmrespons og at ekte alarmer blir oversett.

Ta en titt på hjemmesiden til Kepler Vision Technologies!

[1.] Kangas, Maarit, m.fl. «Sensitivitet og andel falske alarmer hos en fallsensor ved langvarig falldeteksjon hos eldre.» Gerontology 61.1 (2015): 61–68.
[2.] Su, Bo Yu, m.fl. «Doppler-radarbasert deteksjon av fall ved hjelp av wavelet-transformasjon.» IEEE Transactions on Biomedical Engineering 62.3 (2014): 865–875.
[3.] Stone, Erik E., og Marjorie Skubic. «Fall detection in homes of older adults using the 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. «Monitor alarm fatigue: an integrative review.» Biomedical instrumentation & technology 46.4 (2012): 268–277.
[6.] Nguyen, James, m.fl. «Combating Alarm Fatigue: The Quest for More Accurate and Safer Clinical Monitoring Equipment.» Vignettes in Patient Safety-Volume 4. IntechOpen, 2019.
[7.] Fleming, Jane, og Carol Brayne. «Inability to get up after falling, subsequent time on floor, and summoning help: prospective cohort study in people over 90.» Bmj 337 (2008).
[8.] Tinetti, Mary E., Wen-Liang Liu og Elizabeth B. Claus. «Predictors and prognosis of inability to get up after falls among elderly persons.» Jama 269.1 (1993): 65–70.
[9.] Wild, Deidre, U. S. Nayak og B. Isaacs. «Hvor farlige er fallulykker hos eldre i hjemmet?» Br Med J (Clin Res Ed) 282.6260 (1981): 266–268.
[10.] McHugh, Matthew D. m.fl. «Nurses’ widespread job dissatisfaction, burnout, and frustration with health benefits signal problems for patient care.» 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