Bewegingsregistratie en Analyse voor Valrisicoschatting bij Ouderen: WP2: Valrisico Inschatten in het Ziekenhuis

Vallen bij ouderen die in het ziekenhuis zijn opgenomen is een groot probleem,
ook in het AMC. De betrouwbaarheid van het detecteren van vallen wordt steeds
beter door de ontwikkelingen op het gebied van monitoring technologie met
omgevingssensoren en algoritmes voor machine leren.
Maar er is een grote vraag voor betrouwbare valpreventie-systemen: om
verpleegkundigen te waarschuwen als een patient op het punt staat om te vallen.
Als zo een systeem gebruikt wordt, kunnen verwondingen en andere negatieve
effecten die optreden als gevolg van de val, worden voorkomen
Door de bewegingspatronen te analyseren in de periode valk voor een val, kunnen
de parameters die relevant zijn voor het maken van een valrisico-assessment
worden geidentificeerd. Deze parameters, die uit een eerdere observationele
pilot studie in het BRAVO project komen, kunnen rechtsstreeks gebruikt worden
voor valpreventie.

Het doel van deze pilot studie is het testen van de accuraatheid van de
valpreventiemodule van de BRAVO-EagleEye. Dit wordt gedaan door de alerts die
door het systeem gegenereerd worden te vergelijken met de observaties van de
verpleegkundigen op de betreffende afdeling.

In deze interventie pilot studie, wordt de effectiviteit van de
valpreventiemodule van de BRAVO-EagleEye getest. Deze sensor kan verschillende
types ruwe data genereren, maar heeft ook een valdetectie- en
valpreventie-module (ontwikkeld in een eerdere BRAVO-pilot).

De belasting van de deelnemers is erg laag. Het afnemen van de
valrisicovragenlijst duurt ongeveer 10 minuten, maar dat is al onderdeel van de
huidige klinische praktijk in het AMC bij patienten waar een verhoogd valrisico
wordt verwacht.

Deelnemers dienen ook toestemming te geven om hun data om te slaan en te
gebruiken. De EagleEye optische sensor genereert video data, en verschillende
datatypes die daarvan zijn afgeleid (zoals de locatie of de postuur van een
persoon). Deze data wordt onafhankelijk van de persoonlijke data opgeslagen en
verwerkt, om anonimisatie te faciliteren. De ruwe video data zal 3 maanden na
het einde van het project worden vernietigd.
Er zijn geen risico's verbonden bij deelname aan deze studie. Deelnemers zouden
kunnen profiteren van de studie als een potentiele val voorkomen is door het
systeem.