http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
간호간병통합병동 EMR 데이터를 활용한 낙상 위험 사정 도구 개발
김초명(Chomyong Kim),김중연(Jung-Yeon Kim),전섭(Seob Jeon),길효욱(Hyo-Wook Gil),유익동(Ik-Dong Yu),류지원(Ji-Won Lyu),정의현(Euy Hyun Chung),남윤영(Yunyoung Nam) 한국정보기술학회 2022 Proceedings of KIIT Conference Vol.2022 No.12
환자 낙상은 병원에서 쉽게 발생하는 일종의 사고로써 환자의 신체적, 정신적 부작용을 일으킬 뿐만 아니라 의료비 및 재원일 수 증가를 넘어 의료사고 및 법정소송을 발생시킬 수 있어 사전예방이 가장 우선시 되어야 한다. 낙상 위험군 환자를 분리하기 위해 Morse Fall Scale(MFS), Hendrick Ⅱ, STRATIFY 및 다양한 낙상 위험 사정 도구를 사용하지만 낮은 예측률을 보이며, 주로 빈번하게 사용되는 MFS의 경우 순천향대학교 부속병원을 기준으로 약 73%의 예측률을 보인다. 본 연구는 이미 사용하고 있는 MFS 사정 도구의 변수와 간호간병 통합병동에서 EMR로 관리하는 여러 도구의 변수를 모아 로지스틱 회귀분석(Logistic Regression)을 통해 분류모델을 개발함과 동시에 표준화된 가중치를 구해 새로운 점수를 산출한다. 본 연구의 예측률은 83%로 증가했으며, 가중치를 활용해 낙상 위험도를 재산출한 결과 낙상 중간위험군으로 분류된 환자가 낙상 고위험군으로 분류되면서 낙상 예방 교육 및 집중 간호를 받을 수 있게 한다. Patient falls are a type of accident that easily occurs in hospitals, and not only cause physical and mental side effects to the patient but also cause medical accidents and legal litigation beyond the increase in medical expenses and hospital stays. Morse Fall Scale (MFS), Hendrick II, STRATIFY, and various fall risk assessment tools are used to isolate patients at risk for falls, but with low predictive rates. MFS, which is mainly used frequently, shows a prediction rate of about 73% based on Soonchunhyang University Hospital. In this study, we developed a classification model through logistic regression by collecting the variables of the MFS assessment tool already used and the variables of various tools managed by EMR(Electric Medical Record) in the nursing care integrated ward, and at the same time obtaining standardized weights to obtain new Calculate the score. As a result of the study, the prediction rate for falls of this research model increased to 83%, and as a result of recalculating the fall risk using weights, patients classified as the intermediate risk for falls are classified as high risk for falls, allowing them to receive fall prevention education and intensive care.
2개의 3축 관성센서를 이용한 입원환자 보행 모니터링 기반 낙상위험 평가방법 개발 사전연구
김중연(Jung-Yeon Kim),김초명(Chomyong Kim),전섭(Seob-Jeon),길효욱(Hyo-Wook Gil),유익동(Ik-Dong Yu),류지원(Ji-Won Lyu),정의현(Euy-Hyun Chung),남윤영(Yunyoung Nam) 한국정보기술학회 2022 Proceedings of KIIT Conference Vol.2022 No.12
각종 센서를 활용하여 건강과 관련된 정보를 수집하고 분석하여 웨어러블 센서의 효용성을 파악하려는 연구들이 많이 진행되고 있다. 본 연구에서 제안하는 시스템은 입원환자들의 보행 및 균형 기능을 단편적으로 평가하여 낙상위험을 가늠해 보는 기존 방법의 제한점을 보완하기 위한 시스템으로, 입원환자들이 병원에서 생활할 때 발생하는 행동데이터를 퇴원 시 까지 지속적으로 수집하여 보행이 발생된 관성센서 신호를 검출하고 낙상위험이 발생할 가능성을 평가하기 위한 특징적 지표를 계산하는 방법을 포함한다. There are increasing numbers of studies to identify efficacy of wearable sensors on collecting health-related data. This study proposes a machine-learning based method to detect gait pattern from long-term behavior monitoring data and compute gait parameters, which can be used to investigate patients’ gait and balance, to assess fall risk while they are staying at a hospital. The result of gait patterns detection and gait parameters computed from the part of long-term monitoring data.