DISCUSSIONDuring the first 8 months

DISCUSSION
During the first 8 months of data
collection in the actual hospital set
-
ting, it has been demonstrated that
falls can be detected with an accept
-
able false alarm rate that supports
ongoing deployment of the Kinect
for fall detection. As the feasibility
study was conducted, engineering
staff worked with clinical staff to
develop a “rewind” method, allowing
them to see what happened before
and during a fall that occurred in a pa
-
tient room. Using the rewind method,
clinicians have access to those rarely
seen events that lead to the fall and
can use the information in a post-fall
quality improvement analysis process.
Actually viewing images from the Ki
-
nect will provide a way to determine
what body parts may or may not have
struck equipment or the floor during
the fall. There is potential to reduce
unnecessary procedures for the pa
-
tient (ruling out harm) by examining
the actual fall event.
Preliminary data from this fea
-
sibility study provide detection of
falls, fall risks, and quality improve
-
ment post-falls in real hospital
environments unobtrusively, while
taking into account patient privacy.
An explanation with a picture of the
ghost-like images from the Kinect
was posted in all patient rooms, and
patients could decline to participate
in the study. No concerns were
raised by patients or families, al
-
though one patient did put tape over
the front of the Kinect lens during
this patient’s stay. As in our other
sensor research, residents living in
senior housing have been accepting
of technology that could potentially
help them and, importantly, does
not require them to “do” something
(Skubic, Alexander, Popescu, Rantz,
& Keller, 2009). They verbalize
actually feeling safer because the
technology is there so people can
help them if they need it.
Findings from this research study
using the Kinect inside real hospital
rooms offer a viable, cost-efficient
solution in an unobtrusive man
-
ner to prevent and detect falls. This
technological approach enables
conducting quality improvement
root-cause analysis of patient falls
to “see” what happened leading up
to the actual fall. It also offers future
research opportunities for real-time
Figure 3. Depth (a, d), extracted foreground (b, e), and three-dimensional point clouds
(c, f ) of a person falling (a, b, c) and a hospitalized patient on the bed (d, e, f ).
16
Copyright © SLACK Incorporated
staff notification of potential falls
or increasing fall risk. Probably the
most telling result of this feasibility
study is that the staff recommended
the deployment be expanded to an
entire unit of 24 beds to test the
rewind feature indefinitely. Clini
-
cal staff recommended the sensors
be placed in a unit with primarily
older adults who have a high risk for
falls. Planning for deployment is in
process at this time.

Hasil (Bahasa Indonesia) 1:

DISKUSISelama 8 bulan pertama dataKoleksi dalam kumpulan sebenarnya hospital-Ting, telah menunjukkan bahwaair terjun dapat dideteksi dengan menerima-tingkat dapat alarm palsu yang mendukungberkelanjutan penggunaan Kinectuntuk jatuh deteksi. Sebagai kelayakanPenelitian dilakukan, teknikstaf yang bekerja dengan staf klinis untukmengembangkan metode "mundur", memungkinkanmereka untuk melihat apa yang terjadi sebelumdan selama musim gugur yang terjadi di pa-tient kamar. Menggunakan metode mundur,dokter memiliki akses kepada mereka jarangmelihat peristiwa-peristiwa yang mengarah musim gugur dandapat menggunakan informasi dalam jatuh pascaproses analisis perbaikan kualitas.Benar-benar melihat gambar dari Ki-nect akan memberikan cara untuk menentukanapa bagian tubuh mungkin atau mungkin tidak memilikisambaran peralatan atau lantai selamamusim gugur. Ada potensi untuk mengurangiprosedur yang tidak perlu untuk pa-tient (penguasa keluar kerugian) dengan memeriksaacara musim gugur yang sebenarnya.Data awal dari fea ini-sibility studi menyediakan deteksiFalls, risiko jatuh, dan kualitas meningkatkan-ment pasca jatuh di rumah sakit nyatalingkungan diam-diam, sementaramengambil ke account privasi pasien.Penjelasan dengan gambargambar seperti hantu dari Kinectdiposting di semua kamar pasien, danpasien bisa menolak untuk berpartisipasidalam studi. Tidak ada kekhawatirandibesarkan oleh pasien atau keluarga, al-Meskipun satu pasien Apakah meletakkan pita atasdepan lensa Kinect selamapasien ini tinggal. Seperti kami yang lainpenelitian sensor, penduduk yang tinggal disenior perumahan telah menerimateknologi yang berpotensimembantu mereka dan, penting, Apakahmengharuskan mereka untuk "melakukan" sesuatu(Skubic, Alexander, Popescu, Rantz,& Keller, 2009). Mereka verbalisasibenar-benar merasa lebih aman karenateknologinya ada sehingga orang dapatmembantu mereka jika mereka membutuhkannya.Temuan dari penelitian inimenggunakan Kinect di dalam rumah sakit betulanKamar-kamar menawarkan yang layak, hemat biayasolusi dalam laki-laki mengganggu-ner untuk mencegah dan mendeteksi jatuh. Inipendekatan teknologi memungkinkanmelakukan peningkatan mutuAnalisis akar penyebab pasien jatuhuntuk "melihat" apa yang terjadi menjelangjatuhnya sebenarnya. Hotel ini juga menawarkan masa depanpenelitian peluang untuk real-timeGambar 3. Kedalaman (d,), latar depan diekstraksi (b, e), dan awan titik tiga dimensi(c, f) seseorang jatuh (a, b, c) dan pasien dirawat di rumah sakit di tempat tidur (d, e, f).16Hak cipta © KENDUR dimasukkanStaf pemberitahuan jatuh potensialatau meningkatkan risiko jatuh. Mungkinpaling jelas hasil dari kelayakan iniStudi adalah bahwa staf direkomendasikanpenyebaran diperluas untukseluruh unit tempat tidur 24 untuk mengujimundur fitur tanpa batas. Clini-Staf Cal direkomendasikan sensorditempatkan di unit dengan terutamaOlder orang dewasa yang memiliki risiko tinggi untukjatuh. Perencanaan untuk penyebaran diproses saat ini.