AgeTech · Omgevingsmonitoring · Valpreventie
Passieve, privacybeschermende valdetectie en omgevingsmonitoring voor begeleid wonen en gespecialiseerde verpleeginstellingen. mmWave-radar voor hoogrisicokamers. Wi-Fi-sensing voor dekking in het hele gebouw. Geïntegreerd met uw zusteroproepsysteem. Geen wearables. Geen camera's. Geen blinde vlekken.
$30.000
Gemiddelde kosten per val met letsel
CDC / PMC, gegevens van opgenomen patiënten
63%
van de instellingen kampt met personeelstekort
Senior Housing News, 2025
50%
sterfte binnen 6 maanden bij >1 uur op de vloer
BMC Geriatrics / Physiopedia
Valdetectie in de ouderenzorg kent drie opties. Alle drie falen op het moment dat het er het meest toe doet.
Het PERS-model gaat ervan uit dat uw 85-jarige bewoner met MCI eraan zal denken om tijdens een crisis een knop te dragen, op te laden en in te drukken. De gegevens zeggen iets anders.
Het apparaat wordt afgedaan voor het baden, slapen en opladen. De badkamer is de kamer met het hoogste risico. De alarmknop ligt op de toilettafel.
AI-gestuurde camera's zoals SafelyYou leveren sterke klinische resultaten: 40% minder valpartijen, 80% minder SEH-bezoeken. Maar camera's kunnen niet komen waar valpartijen het gevaarlijkst zijn.
Een camerasysteem dat slaapkamers maar geen badkamers dekt, beschermt de op één na gevaarlijkste kamer terwijl het de gevaarlijkste negeert.
Drukmatten en bedalarmen detecteren het verlaten van het bed, geen valpartijen. Ze melden u dat de bewoner het bed heeft verlaten. Ze melden u niet dat de bewoner 30 seconden later viel op weg naar de badkamer.
Wanneer elk alarm hetzelfde klinkt, betekent geen enkele iets. Alarmmoeheid is de belangrijkste reden waarom instellingen valdetectietechnologie opgeven.
Mevrouw Hernandez, 84, dementiezorg, komt om 2:14 uur 's nachts uit bed. Haar alarmknop ligt op het nachtkastje. Het bedalarm gaat af. De verzorgende, halverwege een medicatieronde op de tegenoverliggende vleugel, bevestigt de melding. Mevrouw Hernandez loopt naar de badkamer. Dertien seconden later blijft ze met haar voet achter het badmatje haken en valt, waarbij ze haar heup stoot op de tegelvloer. Ze kan het trekkoord niet bereiken. Ze kan niet opstaan. De radarsensor aan het badkamerplafond detecteert de valsignatuur: plotselinge versnelling (Doppler-burst), impact, daarna een puntenwolk op vloerniveau met micro-Doppler-ademhaling maar zonder grofmotorisch herstel. Om 2:14:23 toont het zusteroproepstation "Kamer 118 Badkamer: Val gedetecteerd, hoge betrouwbaarheid, bewoner op de grond." De verzorgende bereikt haar binnen 4 minuten. Zonder de sensor zou mevrouw Hernandez pas tijdens de volgende ronde om 4:00 uur zijn aangetroffen. Dat langdurig liggen van 106 minuten brengt een sterfterisico van 50% binnen zes maanden met zich mee. De radar verandert de uitkomst omdat hij niets van de bewoner vergt en de kamer dekt waar geen camera mag komen.
Een referentie voor het beoordelen van leveranciers en benaderingen. Pak dit erbij wanneer uw beheerder vraagt "wat zijn onze opties?"
| Benadering | Representatieve leveranciers | Nauwkeurigheid | Kosten per kamer | Sterke punten | Eerlijke tekortkomingen |
|---|---|---|---|---|---|
| mmWave-radar (60 GHz) | Vayyar Care, Milesight VS373, AKM AK5816 | 95-99% | $150-400 hardware + installatie | 4D-gegevens (afstand, snelheid, hoeken). Werkt door douchegordijnen heen. Veilig voor de badkamer. Detecteert ademhaling. Commercieel volwassen. | Toegewijde sensor per kamer. Kan gangen niet efficiënt dekken. Alleen detectie bij eenpersoonsbezetting (detectie van meerdere personen is in opkomst). Omgevingsspecifieke kalibratie nodig. |
| Wi-Fi CSI-sensing | Origin Wireless, Cognitive Systems, ESP32 (open source) | 85-92% | $0-60 als de APs compatibel zijn | Maakt gebruik van bestaande Wi-Fi-infrastructuur. Dekking in het hele gebouw. 802.11bf geratificeerd in sept. 2025. Sensing door muren heen. | Lagere nauwkeurigheid dan radar. Gevoelig voor RF-interferentie. De meeste bestaande SNF-APs ondersteunen geen CSI. Verizon stopte met Home Awareness (15-4-2026). Omgevingsadaptatie (DANN) onbewezen op grote schaal. |
| AI-camera (gebeurtenisgebaseerd) | SafelyYou, KamiCare | 94-97% | $100-300 + maandelijkse SaaS | Bewezen resultaten: 40% minder valpartijen, 80% minder SEH-bezoeken (SafelyYou). Videobeoordeling voor oorzaakanalyse. Sterk klinisch bewijs. | Kan badkamers niet monitoren. 19 staten reguleren camera's. Privacyzorgen blokkeren de adoptie in veel instellingen. Vereist voldoende verlichting. |
| Infrarood / LiDAR | VirtuSense VSTAlert | ~95% | Aangepaste prijsstelling | Voorspelt het verlaten van het bed 30-65 seconden voordat het gebeurt. 85% valreductie geclaimd. 100.000+ valpartijen voorkomen in honderden instellingen. | Vereist zichtlijn. Voornamelijk voorspelling van bed-/stoeluitstap, geen algemene valdetectie. Dekt geen badkamers of gemeenschappelijke ruimtes. |
| Voorspellende AI (radiogolven) | Helpany "Paul" | N.v.t. (preventief) | Niet bekendgemaakt | 66% gemiddelde valreductie in 14 gemeenschappen in Arizona. Voorspelt risico 3 weken vooruit via gang- en slaapanalyse. | Beperkte geografische implementatie (alleen Arizona). De voorspellende focus kan acute gebeurtenissen missen. Beperkte integratiedocumentatie. |
| Draagbare PERS | Medical Guardian, Philips Lifeline, Bay Alarm | Varieert | $20-50/maand | Lage kosten. Gevestigde workflows. Bekend bij personeel en families. | 24% draagt het nooit. 14% therapietrouw gedurende 24 uur. Afgedaan voor het baden. Oplaadmoeheid. Stigma van kwetsbaarheid leidt tot weigering. |
| Big 4 / Grote SI's | Deloitte, Accenture, professionele diensten van leveranciers | N.v.t. | $500K-5M+ opdrachten | Enterprise-referenties. Brede ervaring in zorgconsultancy. Kunnen grote teams mobiliseren. | Ze implementeren platforms, ze bouwen geen sensor-AI. Opdrachten zijn opgezet voor zorgstelsels, niet voor begeleid-wonenfaciliteiten met 100 bedden. Minimale projectomvang sluit de meeste exploitanten van begeleid wonen uit. Ze zullen een leverancier aanbevelen, geen maatwerkintegratie bouwen. |
Nauwkeurigheidscijfers afkomstig van claims van leveranciers en gepubliceerd onderzoek. Prestaties in de praktijk variëren per omgeving, installatiekwaliteit en kalibratie. Wij valideren claims tijdens pilotimplementaties.
Wij verkopen geen sensoren. Wij bouwen de intelligentielaag die sensoren nuttig maakt en integreren ze in uw zorgworkflow.
Wij beoordelen uw instelling kamer voor kamer. Badkamers en dementiezorgkamers krijgen mmWave-radar (TI IWR6843- of Infineon BGT60TR13C-modules, afhankelijk van uw vormfactorvereisten). Gemeenschappelijke ruimtes en gangen krijgen Wi-Fi CSI-sensing als uw APs dit ondersteunen, of ESP32-meshknooppunten ($5-10/stuk) als dat niet zo is. Voorspelling van het verlaten van het bed krijgt een infrarood-overlay waar klinisch geïndiceerd.
De output is een sensorkaart met specifieke hardwarespecificaties, montageposities en dekkingszones. Geen generieke aanbeveling om "sensoren te implementeren."
Kant-en-klare sensoren worden geleverd met generieke modellen. Uw instelling heeft plafondventilatoren in elke kamer, een therapiehond in de dementiezorgvleugel en gordijnen bij het airco-rooster in Kamer 214. Wij bouwen omgevingsspecifieke clutter-kaarten: de ventilator op plafondcoördinaat (x,y,z) krijgt Doppler-maskering op vaste locatie. De labrador van 18 kg wordt gefilterd via drempelwaarden voor de radardoorsnede en horizontale begrenzingsvakgeometrie. Vensterzones krijgen aanpassingen van de betrouwbaarheidsdrempel via Extended Kalman Filtering.
Vervolgens leggen we een hiërarchische classificatiecascade aan: lichtgewicht aanwezigheidsdetectie loopt continu, het volledige dual-stream-model (CNN op micro-Doppler-spectrogrammen + PointNet op 3D-puntenwolken, gefuseerd via een attentielaag) activeert alleen bij bewegingstriggers, en temporele consistentiecontroles (LSTM-sequentiegeheugen) vereisen het volledige verhaal van versnelling-impact-immobiliteit voordat een alarm wordt gegenereerd.
Dit is het onderdeel dat bepaalt of het systeem daadwerkelijk wordt gebruikt. Wij koppelen de sensoroutput aan uw specifieke NCS: Rauland Responder (droogcontactrelais naar hulpingang), Ascom Telligence (REST API naar Unite-platform), Austco Tacera (MQTT met gestructureerde JSON-payloads), Hill-Rom Connexall (HL7- of API-brug). Oudere systemen krijgen opto-geïsoleerde solid-state-relais. Moderne platforms krijgen contextuele meldingen.
We configureren ook escalatielogica: een onbevestigd valalarm escaleert na 90 seconden van verzorgende naar dienstdoende verpleegkundige, en na 3 minuten naar de DON. UL 1069/UL 2560-naleving wordt overal gehandhaafd, inclusief de documentatie over elektrische isolatie waar uw staatsinspecteur naar zal vragen.
Detectie is reactief. Preventie is het doel. Wij bouwen longitudinale analyses vanuit dezelfde sensorinfrastructuur: trending van loopsnelheid (een daling van 20% over 2-3 weken is de sterkste voorspeller van een aanstaande val), beoordeling van slaapkwaliteit (rusteloosheid in bed, frequentie en duur van badkamerbezoeken) en indexering van het dagelijkse activiteitsniveau.
De analyses voeden uw EPD- en MDS-documentatie. Wanneer de loopsnelheid van mevrouw Hernandez over 10 dagen met 18% daalt, signaleert het systeem haar voor een fysiotherapieconsult, niet pas nadat ze valt. Dit ondersteunt rechtstreeks de naleving van CMS F689 en versterkt uw QAPI-valpreventieprogramma.
IEEE 802.11bf werd in september 2025 geratificeerd. Toekomstige Wi-Fi-toegangspunten zullen bewegingsdetectie native ondersteunen. Als uw instelling in de komende 12-18 maanden zijn draadloze infrastructuur upgradet, helpen wij u bij het selecteren van sensing-capabele APs (Qualcomm Networking Pro met Hexagon NPU, of Broadcom BroadStream-chipsets) en bij het ontwerpen van de edge-computinglaag, zodat uw Wi-Fi-netwerk tegelijk als sensingweefsel fungeert.
Voor instellingen die niet kunnen wachten op AP-upgrades, implementeren wij ESP32-gebaseerde sensingmeshes ($5-10 per knooppunt) als tussenoplossing. De open-source ESP-CSI-toolkit biedt vandaag al CSI-extractie, en onze DANN-gebaseerde omgevingsadaptatiemodellen handelen de kamer-tot-kamer-kalibratie-uitdaging af.
Een stapsgewijs overzicht van de detectiepijplijn, van radarchirp tot melding aan de verpleegkundige.
De 60 GHz FMCW-radar aan het badkamerplafond zendt frequentie-gesweepte chirps uit met 20 frames per seconde. Elke chirp weerkaatst op oppervlakken in de kamer. De zwevingsfrequentie codeert de afstand tot elke reflector. Een reeks van Range-FFT-, Doppler-FFT- en Angle-FFT-transformaties produceert een 4D-gegevenskubus: afstand, snelheid, azimut en elevatie voor elke voxel in de kamer. Dit loopt continu op minder dan 500 mW.
Statische objecten (muren, toilet, beugels) worden verwijderd via adaptieve filtering die "levende statische" doelen behoudt. Het systeem gebruikt fasestabiliteit om een bewusteloos mens (micro-Doppler van de borstwand bij 0,3-0,5 Hz) te onderscheiden van een handdoekenrek (nul fasemodulatie). OS-CFAR-detectie past de ruisdrempel dynamisch aan, zodat een metalen beugel de zwakkere menselijke reflectie ernaast niet maskeert.
Stream A verwerkt het micro-Doppler-spectrogram via een lichtgewicht CNN. Een val produceert een breedbandige snelheidsburst (rompflits bij lage frequenties, ledemaatflitsen bij hoge frequenties) gevolgd door nulsnelheid. Stream B verwerkt de 3D-puntenwolk via een PointNet-variant en volgt het verticale zwaartepunt. Wanneer het zwaartepunt daalt van stahoogte (~1,5 m) naar vloerniveau (~0,1 m), bevestigt dit de ruimtelijke afdaling. Een op attentie gebaseerde fusielaag combineert beide streams. Het cruciale onderscheid: een harde zit op het toilet vertoont de snelheidspiek, maar het zwaartepunt komt tot rust op 0,45 m (zithoogte), niet op vloerniveau. Het systeem onderdrukt het alarm.
Het LSTM-sequentiemodel vereist het volledige verhaal: staan (normaal looppatroon), instabiliteit (onregelmatige micro-Doppler), versnelling (zwaartekrachtgedreven afdaling), impact (stopzetting van breedbandenergie) en immobiliteit na de impact met bevestigde ademhaling. Een vasthoudtimer van 3-5 seconden zorgt ervoor dat de classificatie stabiel is voordat er alarm wordt geslagen. Dit voorkomt valse triggers wanneer een bewoner bukt om een gevallen handdoek op te rapen.
Alle inferentie draait op de edge-processor van de sensor (TI AM62A met DNN-accelerator of gelijkwaardig). Geen ruwe radargegevens verlaten de kamer. De sensor stuurt een gestructureerde payload naar het zusteroproepsysteem: {"event": "FALL", "room": "118B", "location": "bathroom", "confidence": 0.96, "floor_time_sec": 8, "breathing": true}. Op de Vocera-badge van de verpleegkundige: "Kamer 118 Badkamer: Val gedetecteerd. Bewoner op de grond. Ademhaling bevestigd." Totale latentie van impact tot alarm: 6-10 seconden.
Vier fasen. Elke fase heeft een resultaat dat uw beheerder kan beoordelen voordat er wordt doorgegaan.
2-3 weken. Wij lopen door uw instelling samen met uw technisch beheerder. Risicoscoring kamer voor kamer: badkamerindeling, kamerafmetingen, meubeldichtheid, plafondhoogte (beïnvloedt het radargezichtsveld). Audit van de IT-infrastructuur: AP-inventaris (merk, model, firmware, CSI-capaciteit), netwerktopologie, VLAN-segmentatie, model en softwareversie van het zusteroproepsysteem.
Resultaat: Sensorarchitectuurdocument met specifieke hardware-aanbevelingen, montageposities, netwerkvereisten en de aanpak voor zusteroproep-integratie. Kostenraming voor de pilot en de volledige implementatie.
8-10 weken, 10-15 kamers. Installeer sensoren in representatieve kamers. Draai 4 weken in shadow-modus (alarmen worden gelogd maar niet doorgestuurd naar het personeel). Vergelijk detecties met uw incidentrapporten. Kalibreer clutter-kaarten en valse-alarmdrempels per kamer. Schakel voor de laatste 4 weken over naar de live-modus waarbij het personeel alarmen ontvangt.
Resultaat: Pilotresultatenrapport met harde gegevens: detectiegraad, valse-alarmgraad per kamer per dag, verschil in reactietijd van het personeel, vergelijking met uw valincidentgegevens van de afgelopen 6 maanden. ROI-projectie voor de volledige implementatie.
6-10 weken voor 100 kamers. Uitrol naar de resterende kamers in golven (20-25 kamers per golf). Elke golf omvat kamerspecifieke kalibratie, testen van de zusteroproep-integratie en personeelstraining. Het dashboard voor voorspellende analyse gaat live na voldoende basisgegevens (doorgaans 30 dagen continue monitoring).
Resultaat: Volledig operationeel systeem met een geïntegreerd dashboard, NCS-integratie, geconfigureerde escalatieprotocollen, getraind personeel en een basislijn van 30 dagen voor voorspellende analyse.
Doorlopend. Maandelijkse modelupdates op basis van de gegevens van uw instelling. Valse-alarmpatronen die seizoensgebonden optreden (ramen open in de zomer, verwarmingen die in de winter aan- en uitslaan) worden aangepakt via updates van de clutter-kaarten. Voorspellende risicodrempels worden verfijnd naarmate het systeem longitudinale gang- en activiteitsgegevens verzamelt.
Resultaat: Driemaandelijkse analyserapporten voor uw QAPI-commissie en de voorbereiding op de CMS-inspectie. Trendgegevens over valpercentages, succespercentages van voorspellende interventies en metrieken over systeemuptime.
Beantwoord zes vragen over uw instelling. Ontvang een gereedheidsscore met specifieke vervolgstappen waar u vandaag mee aan de slag kunt.
Het verminderen van valse alarmen vereist een gelaagde aanpak die de meeste kant-en-klare sensoren niet standaard kunnen bieden. Wij bouwen tijdens de installatie omgevingsspecifieke clutter-kaarten: plafondventilatoren krijgen maskering op vaste coördinaten omdat hun hoge Doppler-signatuur op een bekende (x,y,z)-positie voorspelbaar is. Huisdieren worden gefilterd via drempelwaarden voor de radardoorsnede en aspectverhoudingen van begrenzingsvakken, aangezien een hond een horizontaal volume inneemt (aspectverhouding groter dan 1) terwijl een mens een verticale kolom inneemt. Gordijnen bij ramen krijgen zonegebaseerde betrouwbaarheidsdrempels via Extended Kalman Filtering.
Naast ruimtelijke filtering implementeren wij hiërarchische classificatiecascades. Het systeem draait continu een lichtgewicht aanwezigheidsdetector en activeert pas het volledige dual-stream CNN+LSTM-model wanneer grove beweging het triggert. Het diepe model vereist temporele consistentie: een valsignatuur moet de versnellingsfase, impact en immobiliteit na de impact in volgorde tonen voordat er een alarm wordt gegenereerd. Een harde zit op een bank triggert de snelheidspiek, maar de hoogte van het zwaartepunt stabiliseert op 0,5 m, niet op vloerniveau, dus het systeem onderdrukt het correct.
Het streven is minder dan 2 valse alarmen per kamer per dag, tegenover de 5-15 die in de meeste implementaties alarmmoeheid veroorzaken. Wij valideren dit tijdens de pilotfase door het systeem 30 dagen in shadow-modus naast uw bestaande monitoring te laten draaien en de alarmnauwkeurigheid te vergelijken voordat we live gaan.
Ja, en deze integratie is vaak het lastigste onderdeel van elke valdetectie-implementatie. De aanpak hangt af van uw zusteroproepplatform. Voor oudere systemen zoals oudere Rauland Responder-installaties gebruiken wij droogcontact-solid-state-relais. Het relais van de sensor sluit wanneer een val is bevestigd, en wordt aangesloten op de hulpingang van het zusteroproepstation van de kamer. Dit triggert de standaard oproeplamp- en pieper-workflow zonder softwarewijzigingen aan het NCS. Het werkt met ongeveer 90% van de geïnstalleerde zusteroproepinfrastructuur.
Voor moderne IP-gebaseerde platforms zoals Ascom Telligence, Austco Tacera of Hill-Rom Connexall sturen wij gestructureerde JSON-payloads via MQTT of REST API. In plaats van een generiek alarm ziet de verpleegkundige "Kamer 302: Val gedetecteerd, hoge betrouwbaarheid, bewoner 45 seconden op de grond" op hun Vocera-badge of smartphone. Deze contextuele informatie verandert het reactiegedrag omdat het personeel het alarm vertrouwt.
Wij integreren ook met de escalatielogica van het NCS: als er binnen 90 seconden geen reactie is, escaleert het alarm van de toegewezen verzorgende naar de dienstdoende verpleegkundige, en vervolgens naar de DON. Eén technisch detail dat de meeste integraties parten speelt, is UL-naleving. Als het NCS van uw instelling gecertificeerd is volgens UL 1069 of de nieuwere UL 2560, mag het toevoegen van een hulpingangsapparaat de certificering niet doorbreken. Wij regelen de elektrische isolatie (opto-gekoppelde relais) en de documentatie die nodig is om de instelling tijdens staatsinspecties conform te houden.
Dit zijn complementaire technologieën, geen concurrenten, en de juiste keuze hangt af van de kamer en de use case. mmWave-radar (60 GHz FMCW) is een toegewijde sensor die 4D-gegevens genereert: afstand, snelheid, azimut en elevatie voor elk gedetecteerd punt. Hij ziet door douchegordijnen heen, werkt in volledige duisternis en onderscheidt een ademend mens van een statische stoel via micro-Doppler-signaturen. De nauwkeurigheid voor valdetectie ligt in gecontroleerde studies consistent boven de 95%, en praktijkimplementaties zoals Vayyar Care in het VK hebben ziekenhuisopnames teruggedrongen.
Wi-Fi-sensing gebruikt Channel State Information (CSI) van bestaande Wi-Fi-signalen om beweging en aanwezigheid te detecteren. Nu IEEE 802.11bf in september 2025 is geratificeerd, zullen toekomstige toegangspunten sensing native ondersteunen. Het voordeel is hergebruik van infrastructuur: als uw instelling al compatibele APs heeft (chipsets van Qualcomm of Broadcom), voegt u sensing toe via een software-update. De dekking is breder omdat signalen door muren dringen. Het nadeel is een lagere nauwkeurigheid (85-90% voor valdetectie versus 95%+ voor radar) en gevoeligheid voor RF-interferentie van magnetrons, Bluetooth-apparaten en naburige netwerken.
Wij raden doorgaans radar aan voor hoogrisicokamers (badkamers, slaapkamers, dementiezorg) waar nauwkeurigheid cruciaal is, en Wi-Fi-sensing voor gemeenschappelijke ruimtes, gangen en aanwezigheidsmonitoring in het hele gebouw, waar dekking belangrijker is dan precisie. De systemen delen een gemeenschappelijk analysedashboard, zodat uw personeel één geïntegreerd overzicht ziet.
mmWave-radar is architectonisch privacyvriendelijker dan enig camera-gebaseerd alternatief. De sensor zendt 60 GHz radiogolven uit en verwerkt de reflecties als puntenwolken en Doppler-signaturen. Het kan fysiek geen beeld van iemands gezicht of lichaam produceren. Zelfs als iemand de ruwe gegevensstroom zou onderscheppen, zouden ze coördinaattupels en snelheidswaarden zien, geen visuele informatie.
Onder HIPAA kwalificeren de gedragspatronen die uit radar worden afgeleid (badkamerfrequentie, slaapkwaliteit, loopsnelheid) wel als Beschermde Gezondheidsinformatie, omdat ze de gezondheidstoestand van een individu beschrijven. Wij gaan hiermee om via edge-verwerking: ruwe radargegevens worden verwerkt op de ingebedde processor van de sensor en verlaten het apparaat nooit. Alleen geabstraheerde gebeurtenissen ("Val gedetecteerd, Kamer 302, Betrouwbaarheid 0,98") worden naar uw netwerk verzonden, versleuteld met TLS 1.2+ tijdens transport en AES-256 in rust.
Wi-Fi CSI-gegevens hebben een iets complexer regelgevingsprofiel. Onder GDPR Artikel 9 kunnen looppatronen die uit CSI worden geëxtraheerd in theorie individuen identificeren, waardoor de ruwe gegevens als biometrisch worden geclassificeerd. Onze architectuur pakt dit aan via dezelfde edge-verwerkingsstrategie: CSI wordt lokaal geanalyseerd, onmiddellijk na inferentie weggegooid, en alleen gegevens op gebeurtenisniveau worden verzonden.
Wat betreft privacywetten van staten staan 19 staten nu expliciet camera's toe in kamers van verpleeghuizen, mits met toestemming. Radar en Wi-Fi-sensing omzeilen dit debat volledig omdat het geen bewakingsapparaten zijn. Geen enkele staat reguleert momenteel niet-visuele RF-sensing. Dat gezegd hebbende, raden wij toch aan om de monitoring te documenteren in uw opnameovereenkomst voor bewoners, omdat transparantie vertrouwen bij families opbouwt.
Het langdurig liggen is waar het echte gevaar schuilt. De helft van de ouderen die langer dan een uur op de grond blijven liggen, overlijdt binnen zes maanden, zelfs zonder direct letsel door de val zelf. Complicaties zijn onder meer rabdomyolyse door aanhoudende spiercompressie, onderkoeling door koude vloeren, uitdroging en acuut nierfalen.
Standaard accelerometer-gebaseerde wearables kunnen langdurig liggen niet betrouwbaar detecteren, omdat het apparaat mogelijk is afgedaan, of de aanvankelijke valgebeurtenis de drempel mogelijk niet heeft getriggerd. mmWave-radar handelt de detectie van langdurig liggen af via een specifieke mogelijkheid die eenvoudigere sensoren missen: micro-Doppler-ademhalingsdetectie. Zelfs wanneer een persoon volledig roerloos op de grond ligt, verplaatst hun borstwand 4-12 mm tijdens de ademhaling. Bij 60 GHz vertegenwoordigt deze verplaatsing een significant deel van de golflengte van 5 mm, wat een detecteerbare fasemodulatie in het gereflecteerde signaal creëert.
Het systeem bevestigt: het zwaartepunt van de puntenwolk van de persoon bevindt zich op vloerniveau (z ongeveer 0 m), de grofmotorische beweging is gestopt, maar micro-Doppler bevestigt de ademhaling. Deze toestand triggert een alarm voor "val met onvermogen om op te staan". Wij configureren de escalatietimers op basis van uw klinische protocollen. Doorgaans alarmeert het systeem de toegewezen verzorgende als de grove beweging niet binnen 3 minuten na de val hervat. Als er binnen 90 seconden geen bevestiging van het personeel is, escaleert het. Als de ademhalingssignatuur ook verzwakt of stopt, triggert het systeem een noodrespons.
De temporele modellering (LSTM-netwerken die het sequentiegeheugen vasthouden) is wat dit onderscheidt van eenvoudige bewegingsmelders. Het systeem begrijpt het verhaal: staan, dan versnelling, dan impact, dan stilte met ademhaling. Die volgorde is ondubbelzinnig.
Wij beginnen met 10-15 kamers, geselecteerd om de reeks uitdagingen van uw instelling te vertegenwoordigen: enkele standaard eenpersoonskamers, ten minste 2 badkamers (de ruimte met het hoogste risico), een dementiezorgkamer indien van toepassing, en één gemeenschappelijke ruimte. De pilot loopt 60 dagen en kent drie fasen.
Fase 1 (week 1-2) is de locatiebeoordeling en installatie. Wij auditen uw IT-infrastructuur: welke toegangspunten zijn geïnstalleerd, welk zusteroproepsysteem u draait, of uw netwerk VLAN-segmentatie voor IoT-verkeer ondersteunt. Veel instellingen draaien op 10 jaar oude Ruckus- of Aruba-APs die geen extra sensorverkeer aankunnen zonder de prestaties van het oproeplampsysteem aan te tasten. Wij installeren radarsensoren in hoogrisicokamers en configureren Wi-Fi-sensing in gemeenschappelijke ruimtes als uw APs CSI-extractie ondersteunen.
Fase 2 (week 3-6) is de shadow-modus. Het systeem draait naast uw bestaande monitoring. Elk alarm wordt gelogd maar niet doorgestuurd naar het personeel. Wij vergelijken onze detecties met uw incidentrapporten, kalibreren de valse-alarmdrempels per kamer (de kamer met de plafondventilator heeft andere parameters nodig dan de kamer zonder) en stemmen de clutter-kaarten af.
Fase 3 (week 7-8) is de live-modus met meting. Het personeel ontvangt alarmen. Wij volgen de verbetering van de reactietijd, de valse-alarmgraad per kamer per dag, en alle valpartijen die het systeem opvangt en die uw vorige aanpak miste.
De pilot kost $15.000-25.000 voor een instelling met 100 bedden (10-15 kamers uitgerust). Aan het einde beschikt u over harde gegevens: hoeveel valpartijen het systeem heeft gedetecteerd, hoeveel valse alarmen per dag, het verschil in reactietijd van het personeel, en een duidelijke ROI-projectie voor de volledige implementatie. Volledige implementatie voor 100 kamers kost doorgaans $150.000-250.000 inclusief hardware, integratie en het eerste jaar analyse, wat neerkomt op $125-210 per kamer per maand. Aangezien een enkele val met letsel gemiddeld $30.000 kost, betaalt het systeem zichzelf terug als het 5-8 letselvalpartijen per jaar voorkomt.
De interactieve whitepapers achter deze oplossingspagina. Deze gaan dieper in op de signaalverwerking, neurale-netwerkarchitecturen en sensorfysica.
Fysica van 60 GHz FMCW-radar, dual-stream AI-architecturen (CNN + PointNet + LSTM), edge-inferentie op Cortex-M/A-processors, CFAR-detectie en UL 1069-zusteroproep-integratie.
Analyse van Channel State Information (CSI), micro-bewegingsdetectie in de Fresnel-zone, domain adversarial neural networks (DANN) voor omgevingsadaptatie, en implementatiearchitectuur voor IEEE 802.11bf.
Een instelling met 100 bedden die gemiddeld 40 valpartijen per jaar telt, absorbeert $120K-240K aan directe kosten vóór juridische blootstelling.
Begin met een instellingsbeoordeling. Wij auditen uw kamers, infrastructuur en zusteroproepsysteem en leveren vervolgens een sensorarchitectuurdocument met specifieke aanbevelingen en kostenprojecties. Geen verplichting buiten de beoordeling.