Détection de chute par radar pour les établissements pour personnes âgées

Un détecteur de chute naïf détecte chaque chute dans cette démo. Il a également déclenché sept fausses alertes durant le même quart de nuit, et un panneau mis en sourdine ne détecte rien.

La sensibilité n'a jamais été le goulot d'étranglement. Vigil est la couche d'intelligence entre un capteur radar et le système d'appel infirmière : une cascade en cinq étapes qui renvoie ALERT, SUPPRESS ou ROUTE TO HUMAN et journalise la valeur de la caractéristique derrière chacune de ces décisions. Ce que vous pouvez observer ici est une démo exécutable sur un flux synthétique de caractéristiques radar, et non un déploiement.

0 vs 7

fausses alertes sur le quart de démo

Moteur par rapport à la base de référence naïve, un quart synthétique unique avec graine fixe

1,0 vs 0,167

spécificité des facteurs confondants

Ensemble de référence synthétique fixe de 360 événements, pas la précision en production

1 sur 2

vraies chutes alertées

La deuxième, dans un espace à occupation multiple, a été acheminée vers une vérification par le personnel

La présentation rejoue un quart de nuit synthétique unique avec graine fixe dans une unité de soins pour troubles de la mémoire. Pas de matériel radar réel, pas d'établissement réel, pas de résidents, pas de PHI.

Un système en lequel personne n'a confiance est mis en sourdine, et un système en sourdine ne détecte rien.

La fatigue des alarmes est la principale raison de l'échec des déploiements de détection de chute. Un Directeur des soins infirmiers qui choisit entre une salle de bain non surveillée et un panneau qui se déclenche sur le ventilateur de plafond choisit entre deux façons de manquer une chute avec blessure, dont le coût moyen est d'environ $30,000.

La salle de bain est la lacune

C'est l'espace à risque le plus élevé et le seul endroit où une caméra n'est pas une option utilisable. Dix-neuf États américains ont adopté des lois régissant les caméras dans les chambres de maisons de retraite, les autorisant généralement dans la chambre d'un résident avec consentement, tandis que les salles de bain restent exclues en pratique pour des raisons de respect de la vie privée.

La longue gisance est la blessure

La moitié des personnes âgées qui restent allongées sur le sol pendant plus d'une heure décèdent dans les six mois. Une chute découverte lors de la ronde de 4 heures du matin est un événement clinique différent d'une chute prise en charge alors que le résident est encore au sol.

Le dispositif existant échoue par refus

Les capteurs de mouvement et les tapis de lit disponibles sur le marché génèrent de 5 à 15 fausses alertes par chambre par jour. Ce qu'ils ne peuvent pas faire, c'est distinguer un assis brusque sur les toilettes d'une chute, alors le personnel de nuit met le panneau en sourdine et le système ne détecte plus rien du tout.

Cinq étapes en cascade, puis dispatch et preuves.

Vigil exécute sa cascade sur un flux de caractéristiques radar par trame et transmet le résultat à une porte de politique qui se situe en dehors de tout modèle. Les modèles conseillent, le code décide : les conditions narratives déterministes doivent d'abord être satisfaites, et ce n'est qu'ensuite que la confiance du classificateur est consultée, par rapport à un seuil fixe que le modèle ne définit pas. Un modèle ne peut jamais générer une alerte par lui-même.

01 / EXTRACTION DE CARACTÉRISTIQUES

Cinématique, impact, respiration, classe cible

À partir du flux synthétique de caractéristiques radar, le moteur dérive la cinématique de descente (hauteur initiale, vitesse de pointe, hauteur finale du centroïde), un marqueur d'impact d'énergie à large bande, le résidu de mouvement post-impact, l'énergie de la bande de respiration, et une section efficace radar et un proxy de rapport d'aspect pour la classe cible. Aucune image et aucune vidéo n'existent à aucun point du pipeline.

02 / CARTE D'ENCOMBREMENT PAR SALLE

Le voxel du ventilateur est connu et masqué

Chaque espace dispose de sa propre carte. Ce que cette version consomme, ce sont les masques Doppler à emplacement fixe pour les entrées ventilateur de plafond et climatiseur de fenêtre, masqués à leur voxel connu. Les hauteurs de siège et de lit par salle figurent dans le fichier de salle comme données de calibration, mais ne sont lues par aucun chemin de code V1 — ce qui donne une image fidèle de l'ampleur du travail d'intégration encore nécessaire pour la calibration par salle.

03 / CLASSIFICATEUR DOUBLE FLUX

Quatre caractéristiques, un score calibré

Un modèle logistique appris lit exactement quatre caractéristiques (proximité au sol, énergie d'impact, hauteur de descente et section efficace radar) et les fusionne en un P(fall) calibré. L'étape de fusion est du code numpy lisible de bout en bout. Le remplacement en production par un CNN, PointNet et une fusion par attention est documenté, et la sémantique des caractéristiques ne change pas avec lui.

04 / VÉRIFICATEUR DE NARRATION TEMPORELLE

Quatre conditions dans une fenêtre de 8 secondes

Le code déterministe exige que les quatre conditions soient satisfaites dans la même fenêtre de 8 secondes, avec la station debout établie dans son cinquième initial : un centroïde médian au-dessus de 1,2 m, une descente de plus de 0,6 m associée à une vitesse de pointe supérieure à 1,8 m/s, un impact à large bande soutenu (une moyenne mobile sur 3 trames supérieure à 0,50, de sorte qu'un pic sur une seule trame ne peut pas le satisfaire), et un centroïde qui atteint effectivement le niveau du sol en dessous de 0,30 m.

05 / PORTE DE POLITIQUE DÉTERMINISTE

Seuils fixes, trois verdicts

Le chemin de décision en dehors de tout modèle est du code simple avec des seuils fixes et documentés : niveau du sol en dessous de 0,30 m, un seuil de respiration de 0,20, et un seuil de confiance de chute de 0,70. La porte émet ALERT, SUPPRESS ou ROUTE TO HUMAN et arme l'escalade (CNA à 0 s, Charge Nurse à 90 s, DON à 180 s). Un seuil de confiance séparé codé en dur dans la porte envoie un événement à occupation multiple vers une vérification humaine.

06 / DISPATCH ET PREUVES

Deux formats d'appel infirmière et un dossier archivable

L'adaptateur émet un signal relais à contact sec Rauland hérité (opto-isolé, isolation UL 1069/2560 maintenue) et une charge utile MQTT et REST JSON Ascom ou Austco moderne. C'est un adaptateur stub journalisé, pas du matériel connecté. Le JSON d'audit de quart couvre chaque alerte, acheminement et suppression avec sa caractéristique de décision ; une note d'incident clinique est composée séparément à partir de cette preuve structurée.

Un quart de nuit unique avec graine fixe, douze événements, chaque décision consignée.

La démo rejoue une unité de soins pour troubles de la mémoire de 02:00 à 06:00 sur douze espaces surveillés, en évaluant la cascade à côté d'une base de référence naïve existante qui traite tout mouvement rapide ou bas comme une chute. Les douze événements sont des scénarios synthétiques, étiquetés et physiquement fondés sur une graine fixe, et les douze tuiles correspondent à douze événements, dont deux revisitent un espace déjà présent sur la grille, soit dix espaces distincts au total. La grille du tableau de bord et le Registre de décisions étiquettent ces espaces Cam 1 à Cam 12 ; les identifiants de salle sous-jacents n'apparaissent que dans le détail d'incident, la charge utile de dispatch et le dossier d'audit.

Vue en direct du sol Vigil pendant le quart de démo. La tuile Cam 3 Salle de bain est encadrée en rouge et étiquetée Chute Longue Gisance 99 pour cent, la tuile Cam 2 indique Faible confiance — Vérification humaine, et le Registre de décisions à droite répertorie les suppressions pour Cam 5 et Cam 1 avec la valeur de la caractéristique derrière chacune.
ALERT. Cam 3 (Salle de bain) confirme la narration complète de chute au niveau du sol avec présence de respiration et absence de récupération, de sorte que le moteur émet une alerte à 0,99 de confiance pour une longue gisance. Autour d'elle, le registre refuse déjà : Cam 1 sur un voxel de ventilateur de plafond masqué, Cam 5 sur un pic de vitesse qui s'est stabilisé à 0,46 m de hauteur de siège sans impact fort.
Panneau de détail d'incident Vigil pour Cam 3 Salle de bain montrant le texte du badge d'appel infirmière pour la Chambre 118B, une figure impact vers alerte de 7 secondes, les transports MQTT Ascom et Austco et relais à contact sec Rauland, l'escalade CNA, Charge Nurse et DON, la charge utile JSON de dispatch avec une confiance de 0,99 et 4,8 secondes de temps au sol, et la note d'incident clinique.
Le dossier derrière l'alerte. Ouvrez n'importe quelle tuile ou ligne du registre et le panneau de détails affiche ce qui a été dispatché : le texte du badge d'appel infirmière pour la Chambre 118B Salle de bain dans le dossier d'audit, la charge utile JSON portant une confiance de 0,99 et 4,8 s de temps au sol, les deux transports, l'escalade armée, et une note d'incident clinique composée à partir des preuves d'audit structurées pour un classeur QAPI. La figure de 7 s impact vers alerte du panneau est une valeur affichée que la porte calcule à partir de son minuteur de maintien plus une constante, donc lisez-la comme ce que l'application rapporte, et non comme une vitesse système mesurée en référence.

Cam 2 : une vraie chute que le moteur a refusé d'affirmer

Cam 2 est une vraie chute dans la vérité terrain, et P(fall) atteint 0,99. L'espace contient deux cibles, et le suivi d'une seule personne est en dehors de la couverture V1, donc la porte renvoie ROUTE TO HUMAN à faible confiance et n'affirme pas une chute. La base de référence naïve se déclenche automatiquement dessus. Deux vraies chutes se sont produites pendant ce quart : l'une alertée, l'autre acheminée vers une vérification par le personnel. Dans le benchmark fixe, 40 sur 40 chutes à occupation multiple sont acheminées de la même façon, sans sur-alertes et aucune manquée.

Le Registre de décisions Vigil complété listant les suppressions pour Cam 12 à Cam 5, chacune avec une raison telle qu'un mouvement descendant retournant à la station debout, un mouvement ambiant sans descente jusqu'au sol, un pic de vitesse se stabilisant à 0,44 m de hauteur de siège, une ligne de zone fenêtre et climatiseur affichant une confiance sous-seuil sans descente au sol, et une cible non humaine à section efficace radar de 0,27.
SUPPRESS, dix fois, avec raisons. Les suppressions sont aussi des preuves, parce qu'une inspection de l'État demande pourquoi rien ne s'est passé. Chaque ligne ici nomme la raison, et la plupart nomment la valeur de la caractéristique décisive : la flexion qui est retournée à la station debout (Cam 12 et Cam 7), l'assis brusque qui s'est stabilisé à 0,44 m dans une salle de bain (Cam 10), la visite du chien de thérapie à une section efficace radar de 0,27 contre le minimum humain de 0,55 (Cam 6).
Vigil Résultats du quart modal montrant une projection de 0,0 fausses alertes par chambre par jour pour le moteur contre 25 pour le dispositif existant sur l'ensemble de référence synthétique fixe, 0 contre 7 fausses alertes sur ce quart, 1 sur 2 vraies chutes détectées, 1 acheminée vers un humain à faible confiance, et 100 pour cent de spécificité des facteurs confondants sur 360 événements étiquetés.
Le tableau de bord, avec sa portée précisée. Moteur : 1 alerte, 1 acheminée, 10 supprimées, 0 fausses alertes. Base de référence naïve : 9 alertes, 7 fausses. Les 0,0 et 25,0 par chambre par jour sont des projections à partir d'un ensemble de référence synthétique fixe de 360 événements, en supposant 30 déclenchements bénins par chambre par jour. Un vrai pilote vise moins de 2 fausses alertes par chambre par jour après une calibration en mode ombre.

Ce que la démo prouve, et là où elle s'arrête.

La cascade et la base de référence naïve obtiennent toutes les deux une sensibilité de 1,0 aux chutes sur un ensemble fixe de 360 événements synthétiques bruités et étiquetés. Ce qui les distingue est la spécificité des facteurs confondants : 1,0 pour la cascade contre 0,167 pour la base de référence. Les poids de fusion ont été ajustés sur les propres générateurs de scénarios de la démo, les mêmes générateurs qui produisent cet ensemble de référence, ce qui est la première objection qu'un lecteur technique devrait soulever. La séparation est néanmoins méritée plutôt que plantée : chaque facteur confondant est généré pour chevaucher une vraie chute sur des caractéristiques individuelles, ce qui explique exactement pourquoi le détecteur naïf est véritablement trompé.

QuestionCe que Vigil fait dans cette démoCe qui reste en dehors de la démo
Rejet des facteurs confondantsExécute la cascade en cinq étapes et journalise la valeur de la caractéristique décisive pour chacune des dix suppressions du quart.L'ajustement par rapport aux encombrements propres à un établissement, aux patterns de marche et aux meubles, qui est un travail de calibration par salle.
Espaces à occupation multipleAchemine vers une vérification humaine à faible confiance plutôt que d'affirmer une chute, 40 sur 40 dans le benchmark fixe.Le suivi d'une seule personne et la désambiguïsation à occupation multiple, différés à une version ultérieure.
Preuves pour inspection et QAPIExporte un JSON d'audit de quart avec chaque alerte, acheminement et suppression, ses valeurs de caractéristiques décisives et sa raison de politique.Toute écriture dans un dossier EHR ou MDS, et toute interface de requête interactive sur l'audit.
Dispatch d'appel infirmièreÉmet à la fois un signal à contact sec Rauland et une charge utile MQTT et REST Ascom ou Austco, journalisée.Le matériel d'appel infirmière connecté, la mise en service en direct, et la certification du chemin déployé.

Ce que cette démo ne fait PAS

Elle n'utilise pas de matériel radar réel, de vrais chirps 60 GHz, ni de capteur déployé : le front-end RF est un flux synthétique de caractéristiques. Le chemin d'appel infirmière est un adaptateur stub journalisé sans rien de connecté. Il n'y a aucune écriture EHR ou MDS d'aucune sorte, et aucune requête en langage naturel interactive sur l'audit. L'analytique prédictive de la démarche, la détection Wi-Fi pour les espaces communs, la désambiguïsation à occupation multiple et le port edge vers le silicium embarqué sont tous des travaux futurs. L'unité de soins pour troubles de la mémoire, ses espaces, ses événements et le chien de thérapie sont synthétiques ; il n'y a pas de résidents, pas de clients, pas de pilote et pas de PHI. Vigil n'est pas un dispositif médical et ne bénéficie d'aucune autorisation FDA, ni de 510(k), ni de validation clinique, ni de certification CMS ou UL en tant que tel ; l'adaptateur maintient l'isolation UL 1069/2560 sur le chemin de dispatch. Rien ici ne remplace le personnel, le jugement clinique ou l'évaluation d'un médecin.

Questions que les responsables cliniques et opérationnels posent avant de faire confiance à une couche de détection.

Combien de fausses alertes mon personnel de nuit recevra-t-il réellement ?

Personne ne peut répondre honnêtement à cela depuis une démo, alors jugez l'hypothèse derrière le chiffre. Le chiffre de 0,0 par chambre par jour suppose 30 déclenchements de mouvement bénins par chambre par jour, ce qui est au-dessus des 5 à 15 par chambre par jour rapportés dans la littérature pour les capteurs existants, et il provient d'un ensemble de référence synthétique fixe plutôt que d'un vrai service. Un vrai pilote vise moins de 2 fausses alertes par chambre par jour après une calibration en mode ombre, et c'est le chiffre auquel nous tenir.

Pouvez-vous vraiment installer cela dans la salle de bain d'un résident ?

Les caractéristiques radar ne contiennent aucune image et aucune vidéo à aucun point, donc il n'y a rien de reconnaissable à capturer, et c'est ce qui rend l'espace accessible. 19 États américains ont adopté des lois sur les caméras couvrant les chambres de maisons de retraite, qui permettent généralement une caméra dans la chambre d'un résident avec consentement et laissent les salles de bain exclues en pratique pour des raisons de respect de la vie privée. Tout déploiement nécessite encore votre propre processus de révision de la confidentialité et de consentement des résidents.

A-t-il détecté chaque chute pendant le quart ?

Non. Deux vraies chutes se sont produites pendant le quart de démo. Le moteur a émis une alerte pour la longue gisance en salle de bain Cam 3 à 0,99 de confiance et a acheminé l'événement Cam 2 vers une vérification par le personnel à faible confiance, parce que cet espace contenait deux cibles et que le suivi d'une seule personne est en dehors de la couverture V1. Une affirmation de chute confiante sur une scène à deux cibles est exactement l'erreur qui apprend au personnel de nuit à ne plus croire au panneau, donc l'ambiguïté est transmise à une personne.

Que puis-je montrer à un inspecteur qui demande pourquoi aucune alerte n'a été émise ?

Le JSON d'audit de quart exporté contient chaque alerte, acheminement et suppression avec ses valeurs de caractéristiques décisives et sa raison de politique, sous les clés de premier niveau engine, facility, shift, metrics, events et _note. La note d'incident clinique est composée séparément à partir de ces preuves structurées pour un classeur QAPI ou un dossier CMS F689 et ne se trouve pas dans l'export. Un détail à connaître avant de le remettre à quelqu'un : l'export estampille son nom de build interne sur le champ engine, pas le nom du produit.

Est-ce qu'un modèle d'IA décide d'appeler mes infirmières ?

Non. Un modèle ne peut jamais générer une alerte par lui-même. Les conditions narratives déterministes — station debout, descente, impact soutenu et niveau du sol — doivent toutes être satisfaites dans la même fenêtre de 8 secondes avant que le P(fall) du classificateur soit consulté, et il est ensuite vérifié par rapport à un seuil fixe de 0,70 que le modèle ne définit pas. Une confiance plus faible peut encore transformer une alerte en suppression, donc le modèle contraint la décision vers le bas et jamais vers le haut.

Devons-nous remplacer notre système d'appel infirmière pour utiliser ceci ?

L'adaptateur de dispatch émet les deux formats, il peut donc se placer devant l'une ou l'autre génération de système d'appel infirmière : un signal relais à contact sec Rauland hérité, opto-isolé avec isolation UL 1069/2560 maintenue, et une charge utile MQTT et REST JSON Ascom ou Austco moderne. Dans cette démo, c'est un adaptateur stub journalisé sans matériel d'appel infirmière connecté. Vigil est la couche entre le capteur et le système que vous utilisez déjà, pas un remplacement pour l'un ou l'autre.

Recherche technique

La recherche derrière cette démo — l'architecture, la conception de la vérification, et le plan directeur d'entreprise.

Réseaux sociaux

Également publié sur

Commencez par les espaces que vous ne pouvez pas surveiller aujourd'hui.

Nous ne vendons pas de capteurs. Nous construisons la couche d'intelligence qui rend les capteurs utiles, et nous l'avons construite pour les opérateurs d'établissements pour personnes âgées et les équipes de technologie clinique qui savent déjà que détecter la chute est la moitié facile.

Avec 63 % des établissements signalant un manque de personnel, un panneau qui crie au loup est la première chose qu'un service de nuit éteint. Une première conversation utile couvre les encombrements fixes de votre plan d'étage, les chambres qui ne sont pas surveillées maintenant, et ce que votre dernière inspection de l'État vous a effectivement demandé de produire. Nous pouvons travailler sur la calibration et le plan en mode ombre aux côtés de votre équipe clinique.

Conception de la couche de détection

  • ✓ Conception de la cascade et des caractéristiques
  • ✓ Calibration des encombrements par salle
  • ✓ Seuils de la porte déterministe
  • ✓ Définition de l'ensemble de facteurs confondants

Preuves et intégration

  • ✓ Schéma d'audit de quart
  • ✓ Mappage de l'adaptateur d'appel infirmière
  • ✓ Conception de l'escalade
  • ✓ Plan de calibration en mode ombre