Você está visualizando atualmente Sensor de monitoramento de saúde e serviço em nuvem para gerenciar os dados dos pacientes
Para processar e exibir os dados dos pacientes, a Macnica desenvolveu o AttentiveConnect, que é um serviço baseado em nuvem que gerencia os dados dos residentes, coletados pelos sensores Noomi.

Sensor de monitoramento de saúde e serviço em nuvem para gerenciar os dados dos pacientes

Compartilhe

O sistema permite o monitoramento de saúde e o gerenciamento de dados do paciente.

O Noomi da EarlySense destina-se a monitorar a saúde geral e o bem-estar, acompanhando de forma contínua a frequência cardíaca respiratória, bem como, o movimento por meio de um sensor colocado sob o colchão da cama.

Desta forma, o sistema permite a coleta e análise de todos os dados em um único lugar, minimiza o custo de hardware e fornece um ambiente para aprender e prever as tendências de saúde dos residentes ao longo do tempo e saídas de leito para prevenção de quedas.

Qualquer dispositivo com um navegador da web pode ser usado para operar todo o sistema de qualquer local.

Uma vez que esta solução acumula dados independentemente da localização das casas de saúde, grandes quantidades de dados podem ser acumuladas e processadas para aprendizado profundo (deep learning) para melhorar a precisão da previsão para saídas de leito e possível deterioração das condições de saúde, o que pode exigir serviços clínicos de instituições médicas externas .

Diante disso, para processar e exibir os dados dos pacientes, a Macnica desenvolveu o AttentiveConnect, que é um serviço baseado em nuvem que gerencia os dados dos residentes, coletados pelos sensores Noomi.

Este sensores fornecem uma interface com o usuário intuitiva para os cuidadores coletarem e exibirem os dados dos residentes em um painel, bem como, registrar o suporte fornecido aos residentes.

A Unimat Retirement Community (URC), uma empresa líder em serviços de enfermagem que opera 310 casas em todo o Japão, participou ativamente neste projeto com a Macnica e a EarlySense.

Foram especificados os requisitos para identificar rapidamente os residentes que precisam de ajuda ou apoio de cuidadores, especialmente durante os turnos noturnos.

A URC ofereceu suas instalações para testes de campo assim que o primeiro protótipo do Noomi e AttentiveConnect tornou-se disponível no início deste ano.

A empresa já está utilizando a tecnologia de detecção baseada em IoT, e desta forma, está automatizando e/ou eliminando muitos processos de serviço de enfermagem quanto possível, como: verificações noturnas regulares dos quartos dos residentes e serviços de gravação feitos, para ajudar a resolver a escassez de cuidadores que foi abruptamente exacerbada este ano pela COVID 19.

Como funciona o Sistema:

Componentes do sistema:

O Noomi é composto por sensor sem contato que monitora a frequência cardíaca, a frequência respiratória e a movimentação do paciente:

Uma unidade de cabeceira gerencia os sinais vitais coletados pelo sensor e os envia à nuvem.

Instalação e Funcionamento:
O sensor deve ser conectado a unidade de cabeceira e conectada a tomada de energia.

O sensor é posicionado embaixo do colchão, próximo ao peito do residente/paciente.

O dispositivo procura automaticamente pelo roteador Wi-Fi mais próximo e estabelece uma conexão com a nuvem.

Os dados vitais e alertas são enviados para a nuvem, na qual o AttentiveConnect trata e mostra o status dos residentes/pacientes.

Os cuidadores podem interagir/acessar o AttentiveConnect com qualquer dispositivo que tenha um navegador web.

Enquanto que os alertas podem ser enviados via aplicativo e/ou SMS diretamente aos cuidadores.

Configuração do sistema:

1 – Prevenção de Queda (Fall Prevention)

O alerta para prevenção de quedas pode ser configurado entre 6 níveis de sensibilidade, sendo o nível 1 o mais baixo e o nível 6 o mais alto.

No nível 6 é enviado um alerta de ‘Prevenção de Queda’ ao menor sinal de movimentação do residente para sair da cama, possibilitando que o cuidador possa chegar rapidamente ao quarto e evitar uma queda do residente.

2 – Frequência Cardíaca e Respiratória (Heart and Breath Rate)

Limites de batimento cardíaco e respiração também podem ser definidos para atender às condições de saúde de cada residente.

O sistema utiliza os dados das primeiras 24 horas de uso para criar um perfil de base para cada residente.

3 – Saúde (Health)

Condições de saúde anormais e agudas são relatadas aos cuidadores, independentemente das configurações de alerta.

Visualização das informações:

Dashboard:

A cor e a posição do resumo dos residentes mudam com base na importância do alerta ativo.

Os alertas podem ser anunciados de forma audível em dispositivos que executam AttentiveConnect.

Exemplo de Alerta:

1) Noomi identifica uma pessoa saindo da cama e envia um alerta de prevenção de queda de alta prioridade.

2) O cuidador vai até o paciente e identifica a situação, prestando os cuidados necessários.

3) Após, o cuidador é solicitado a resolver o alerta e registrar o tipo de ajuda fornecida no sistema.

Relatório (Report)

O relatório mostra um resumo dos hábitos de sono dos residentes e calcula uma pontuação geral do sono.

O relatório do sono pode ser usado para identificar quaisquer problemas relacionados à qualidade do sono.

Saiba mais sobre a EarlySense:

EarlySense® é líder global em soluções de monitoramento contínuo e sem contato para o setor de saúde.

Usado em todo o mundo em hospitais e instalações de tratamento pós-agudo, os produtos médicos do sistema EarlySense auxiliam os cuidadores na detecção precoce de eventos adversos potenciais do paciente, incluindo eventos de código azul resultantes de parada cardíaca ou respiratória, quedas de pacientes, úlceras de pressão, transferências evitáveis de UTI e hospitais readmissões.

O sistema EarlySense captura informações críticas do paciente, alertando os cuidadores sobre eventos potencialmente adversos desde o início.

A empresa fez parceria com empresas líderes de tecnologia global, incluindo Hillrom, Philips, Welch Allyn, Mitsui e Beurer.

A EarlySense está sediada em Ramat Gan, Israel, e Woburn, Massachusetts.

Assista o vídeo da attentiveconnect

Compartilhe

Franciele Nornberg

Mestre em Engenharia Elétrica pela UFSC (2019), graduada em Engenharia Elétrica pelo IFSul em 2017. Trabalha na Macnica DHW desde 2019. Seu conhecimento técnico somado a utilização das boas práticas de copywriter são responsáveis pelos excelentes conteúdos divulgados no blog da Macnica. Franciele é também Instrutora Autorizada FPGA Intel e portanto, responsável pelo Treinamento FPGA Intel.