earticle

영어

This study suggests a design of predictive modeling for a hospital fall risk based on inpatients' posture. Inpatient's profile, medical history, and body measurement data along with basic information about a bed they use, were used to predict a fall risk and suggest an algorithm to determine the level of risk. Fall risk prediction is largely divided into two parts: a real-time fall risk evaluation and a qualitative fall risk exposure assessment, which is mostly based on the inpatient's profile. The former is carried out by recognizing an inpatient’s posture in bed and extracting rule-based information to measure fall risk while the latter is conducted by medical staff who examines an inpatient’s health status related to hospital fall risk and assesses the level of risk exposure. The inpatient fall risk is determined using a sigmoid function with recognized inpatient posture information, body measurement data and qualitative risk assessment results combined. The procedure and prediction model suggested in this study is expected to significantly contribute to tailored services for inpatients and help ensure hospital fall prevention and inpatient safety.

한국어

본 논문에서는 환자의 자세를 기반으로 행동을 예측하여, 의료진에 의해 입력된 개인의 병력 중심의 프로파일과 신체정보, 침상의 기본 정보를 모두 조합하여 침대에서의 낙상 위험을 예측하는 모델을 설계하고, 위험의 수준을 판단할 수 있는 알고리즘을 제시한다. 낙상 위험 예측은 크게 환자의 프로파일을 활용한 정성적 낙상 위험 노출도 평가와 실시 간 낙상 위험 측정 단계로 구분된다. 정성적 낙상 위험 노출도는 의료진이 낙상 위험과 관련된 환자의 건강 상태를 점검 하여 위험 노출도를 평가함으로써 위험 등급이 결정된다. 실시간 낙상 위험 측정 단계에서는 환자의 침대에서의 자세를 인식하고 환자의 정성적 위험등급 정보가 고려된 낙상 위험 측정을 위한 규칙 기반 정보를 추출한다. 인식된 환자 자세 정보와 정성적 위험평가 정보를 모두 조합하여 시그모이드 함수를 활용하여 최종 낙상 위험 수준을 예측한다. 본 연구에서 제시된 절차와 예측 모델은 입원 환자를 위한 낙상 사고 예방과 환자 안전을 위한 개인화 서비스에 크게 기여할 것으로 기대된다.