Detecção de quedas por radar para moradias assistidas

Um detector de quedas ingênuo detecta todas as quedas nesta demonstração. Ele também gerou sete alarmes falsos no mesmo turno noturno, e um painel silenciado não detecta nada.

A sensibilidade nunca foi o gargalo. O Vigil é a camada de inteligência entre o sensor radar e o sistema de chamada de enfermagem: uma cascata de cinco estágios que retorna ALERT, SUPPRESS ou ROUTE TO HUMAN e registra o valor de característica por trás de cada uma dessas decisões. O que você pode observar aqui é uma demonstração executável sobre um fluxo sintético de características de radar, não uma implantação.

0 vs 7

alarmes falsos no turno de demonstração

Motor versus a linha de base ingênua, um turno sintético semeado

1,0 vs 0,167

especificidade de confusores

Conjunto sintético golden fixo de 360 eventos, não é precisão de produção

1 de 2

quedas reais alertadas

A segunda, em um espaço com múltiplas ocupações, foi encaminhada para uma verificação de equipe

O passo a passo reproduz um turno noturno sintético semeado em uma ala de cuidados com memória. Sem hardware de radar real, sem instalação real, sem residentes, sem PHI.

Um sistema em que ninguém confia é silenciado, e um sistema silenciado não detecta nada.

A fadiga de alarme é a principal razão pela qual as implantações de detecção de quedas falham. Uma Diretora de Enfermagem escolhendo entre um banheiro não monitorado e um painel que dispara no ventilador de teto está escolhendo entre duas formas de perder uma queda com lesão, que em média custa cerca de $30.000.

O banheiro é a lacuna

É o espaço de maior risco e o único lugar onde uma câmera não é uma opção utilizável. Dezenove estados dos EUA promulgaram leis que regem câmeras em quartos de casas de repouso, geralmente permitindo-as no quarto de um residente com consentimento, enquanto os banheiros permanecem excluídos na prática por razões de privacidade.

A longa permanência no chão é a lesão

Metade das pessoas idosas que ficam no chão por mais de uma hora morre em seis meses. Uma queda encontrada na ronda das 4h é um evento clínico diferente daquele despachado enquanto o residente ainda está no chão.

O sistema convencional falha na recusa

Sensores de movimento e tapetes de cama prontos para uso funcionam com 5 a 15 alarmes falsos por quarto por dia. O que eles não conseguem fazer é distinguir uma sentada firme no vaso sanitário de uma queda, então a equipe noturna silencia o painel e o sistema não detecta absolutamente nada.

Cinco estágios em cascata, depois despacho e evidências.

O Vigil executa sua cascata sobre um fluxo de características de radar por quadro e entrega o resultado a um portão de política que fica fora de cada modelo. Os modelos aconselham, o código decide: as condições narrativas determinísticas devem ser satisfeitas primeiro, e somente então a confiança do classificador é consultada, contra um piso fixo que o modelo não define. Um modelo nunca pode fabricar um alerta por conta própria.

01 / EXTRAÇÃO DE CARACTERÍSTICAS

Cinemática, impacto, respiração, classe de alvo

A partir do fluxo sintético de características de radar, o motor deriva a cinemática de descida (altura inicial, velocidade de pico, altura final do centroide), um marcador de impacto de energia de banda larga, resíduo de movimento pós-impacto, energia de banda de respiração e uma seção transversal de radar e proxy de proporção de aspecto para classe de alvo. Nenhuma imagem e nenhum vídeo existem em qualquer ponto do pipeline.

02 / MAPA DE DESORDEM POR SALA

O voxel do ventilador é conhecido e mascarado

Cada espaço possui seu próprio mapa. O que esta versão consome são as máscaras Doppler de localização fixa para entradas de ventilador de teto e ar-condicionado de janela, mascaradas em seu voxel conhecido. As alturas de assento e cama por sala ficam no arquivo de sala como dados de calibração, mas não são lidas por nenhum caminho de código V1, o que é um retrato fiel de quanto da calibração por sala ainda é trabalho de integração.

03 / CLASSIFICADOR DE DUPLO FLUXO

Quatro características, uma pontuação calibrada

Um modelo logístico aprendido lê exatamente quatro características (proximidade ao chão, energia de impacto, queda de descida e seção transversal de radar) e as funde em um P(fall) calibrado. A etapa de fusão é código numpy que você pode ler de ponta a ponta. A troca de produção para CNN, PointNet e fusão de atenção está documentada, e a semântica das características não muda sob ela.

04 / VERIFICADOR NARRATIVO TEMPORAL

Quatro condições em uma janela de 8 segundos

O código determinístico requer que todas as quatro condições sejam satisfeitas dentro da mesma janela de 8 segundos, com a posição de pé estabelecida em seu quinto inicial: uma mediana do centroide acima de 1,2 m, uma descida de mais de 0,6 m juntamente com uma velocidade de pico acima de 1,8 m/s, um impacto de banda larga sustentado (uma média móvel de 3 quadros acima de 0,50, portanto um único pico de quadro não pode satisfazê-la) e um centroide que realmente atinge o nível do chão abaixo de 0,30 m.

05 / PORTÃO DE POLÍTICA DETERMINÍSTICO

Limites fixos, três vereditos

O caminho de decisão fora de cada modelo é código simples com limites fixos e documentados: nível do chão abaixo de 0,30 m, um piso de respiração de 0,20 e um piso de confiança de queda de 0,70. O portão emite ALERT, SUPPRESS ou ROUTE TO HUMAN e ativa a escada de escalada (CNA em 0 s, Charge Nurse em 90 s, DON em 180 s). Um limite de confiança codificado separado no portão envia um evento de múltiplas ocupações para uma verificação humana.

06 / DESPACHO E EVIDÊNCIAS

Duas formas de chamada de enfermagem e um registro arquivável

O adaptador emite um sinal de relé de contato seco Rauland legado (isolado opticamente, isolamento UL 1069/2560 mantido) e uma carga JSON MQTT e REST Ascom ou Austco moderna. É um stub de adaptador registrado, sem hardware conectado. O JSON de auditoria de turno cobre todos os alertas, encaminhamentos e supressões com sua característica de decisão; uma nota clínica de incidente é composta separadamente a partir dessas evidências estruturadas.

Um turno noturno semeado, doze eventos, cada decisão no registro.

A demonstração reproduz uma ala de cuidados com memória das 02h00 às 06h00 em doze espaços monitorados, pontuando a cascata ao lado de uma linha de base ingênua do sistema convencional que trata qualquer movimento rápido ou baixo como uma queda. Todos os doze eventos são cenários sintéticos rotulados, fisicamente fundamentados em uma semente fixa, e os doze blocos são doze eventos, dois dos quais revisitam um espaço já no grid, portanto dez espaços distintos no total. O grid do painel e o Ledger de Decisões rotulam esses espaços de Cam 1 a Cam 12; os IDs de sala subjacentes aparecem apenas no detalhe do incidente, na carga de despacho e no registro de auditoria.

Visualização do Vigil ao vivo durante o turno de demonstração. O bloco Cam 3 Banheiro está contornado em vermelho e rotulado Queda Longa Permanência 99 por cento, o bloco Cam 2 exibe Baixa Confiança para Verificação Humana, e o Ledger de Decisões à direita lista supressões para Cam 5 e Cam 1 com o valor de característica por trás de cada uma. — ALERT. Cam 3 (Banheiro) confirma a narrativa completa de queda no nível do chão com respiração presente e sem recuperação, então o motor alerta com confiança de 0,99 em uma longa permanência. Ao redor, o ledger já está recusando: Cam 1 em um voxel de ventilador de teto mascarado, Cam 5 em uma rajada de velocidade que se estabilizou na altura de assento de 0,46 m sem impacto forte.

Painel de detalhes do incidente do Vigil para Cam 3 Banheiro mostrando o texto do crachá de chamada de enfermagem para o Quarto 118B, uma figura de impacto para alerta de 7 segundos, os transportes MQTT Ascom e Austco e relé de contato seco Rauland, a escada de escalada CNA, Charge Nurse e DON, a carga de despacho JSON com confiança de 0,99 e 4,8 segundos de tempo no chão, e a nota clínica de incidente. — O registro por trás do alerta. Abra qualquer bloco ou linha do ledger e o painel de detalhes mostra o que foi despachado: o texto do crachá de chamada de enfermagem para o Quarto 118B Banheiro no registro de auditoria, a carga JSON carregando confiança de 0,99 e 4,8 s de tempo no chão, ambos os transportes, a escada de escalada ativa e uma nota clínica de incidente composta a partir da evidência de auditoria estruturada para um fichário QAPI. A figura de 7 s de impacto-para-alerta do painel é um valor exibido que o portão calcula a partir de seu temporizador de espera mais uma constante, portanto leia-o como o que o aplicativo reporta, não como velocidade de sistema medida.

Cam 2: uma queda real que o motor se recusou a afirmar

Cam 2 é uma queda real no ground truth, e P(fall) atinge 0,99. O espaço comporta dois alvos, e o rastreamento de pessoa única está fora da cobertura V1, então o portão retorna ROUTE TO HUMAN com baixa confiança e não afirma uma queda. A linha de base ingênua dispara automaticamente nela. Duas quedas reais ocorreram neste turno: uma alertada, uma encaminhada para uma verificação de equipe. No benchmark fixo, 40 de 40 quedas em múltiplas ocupações são encaminhadas da mesma forma, sem super-alertas e nenhuma perdida.

O Ledger de Decisões do Vigil completo listando supressões para Cam 12 a Cam 5, cada uma com um motivo, como movimento descendente retornando à posição de pé, movimento ambiente sem descida ao chão, uma rajada de velocidade se estabilizando na altura de assento de 0,44 m, uma linha de zona de janela e ar-condicionado lendo confiança abaixo do limite sem descida ao chão, e um alvo não humano na seção transversal de radar de 0,27. — SUPPRESS, dez vezes, com motivos. As supressões também são evidências, porque o que uma vistoria estadual pergunta é por que nada aconteceu. Cada linha aqui nomeia o motivo, e a maioria nomeia o valor da característica de decisão: a flexão que retornou à posição de pé (Cam 12 e Cam 7), a sentada firme que se estabilizou em 0,44 m em um banheiro (Cam 10), a visita do cão de terapia com seção transversal de radar de 0,27 contra o mínimo humano de 0,55 (Cam 6).

Modal de Resultados do Turno do Vigil mostrando uma projeção de 0,0 alarmes falsos por quarto por dia para o motor contra 25 para o sistema convencional no conjunto sintético golden fixo, 0 versus 7 alarmes falsos neste turno, 1 de 2 quedas reais detectadas, 1 encaminhada a um humano com baixa confiança, e 100 por cento de especificidade de confusores em 360 eventos rotulados. — O placar, com seu escopo anexado. Motor: 1 alerta, 1 encaminhado, 10 suprimidos, 0 alarmes falsos. Linha de base ingênua: 9 alertas, 7 deles falsos. Os 0,0 e 25,0 por quarto por dia são projeções de um conjunto sintético golden fixo de 360 eventos com uma hipótese de 30 acionamentos benignos por quarto por dia. Um piloto real tem como alvo menos de 2 alarmes falsos por quarto por dia após calibração em modo sombra.

O que a demonstração prova, e onde ela para.

A cascata e a linha de base ingênua ambas pontuam 1,0 de sensibilidade de queda em um conjunto fixo de 360 eventos sintéticos rotulados e ruidosos. O que as separa é a especificidade de confusores: 1,0 para a cascata contra 0,167 da linha de base. Os pesos de fusão foram ajustados nos próprios geradores de cenário da demonstração, os mesmos geradores que produzem esse conjunto golden, que é a primeira objeção que um leitor técnico deve levantar. A separação ainda é conquistada e não plantada: cada confusor é gerado para sobrepor uma queda real em características individuais, o que é exatamente por que o detector ingênuo é genuinamente enganado.

Pergunta	O que o Vigil faz nesta demonstração	O que permanece fora da demonstração
Rejeição de confusores	Executa a cascata de cinco estágios e registra o valor de característica de decisão para cada uma das dez supressões do turno.	Ajuste em relação à desordem, padrões de marcha e mobiliário próprios de uma instalação, que é trabalho de calibração por sala.
Espaços com múltiplas ocupações	Encaminha para uma verificação humana com baixa confiança em vez de afirmar uma queda, 40 de 40 no benchmark fixo.	Rastreamento de pessoa única e desambiguação de múltiplas ocupações, adiados para uma versão posterior.
Evidências de vistoria e QAPI	Exporta um JSON de auditoria de turno com todos os alertas, encaminhamentos e supressões, seus valores de características de decisão e seu motivo de política.	Qualquer gravação em um registro EHR ou MDS, e qualquer interface de consulta interativa sobre a auditoria.
Despacho de chamada de enfermagem	Emite tanto um sinal de contato seco Rauland quanto uma carga MQTT e REST Ascom ou Austco, registrado.	Hardware de chamada de enfermagem conectado, comissionamento ao vivo e certificação do caminho implantado.

O que esta demonstração NÃO faz

Ela não usa hardware de radar real, chirps de 60 GHz reais ou um sensor implantado: o front-end de RF é um fluxo sintético de características. O caminho de chamada de enfermagem é um stub de adaptador registrado sem nada conectado. Não há nenhuma gravação em EHR ou MDS de qualquer tipo, e nenhuma consulta em linguagem natural interativa sobre a auditoria. Análise preditiva de marcha, detecção Wi-Fi para áreas comuns, desambiguação de múltiplas ocupações e a porta de borda para silício embarcado são todos trabalhos futuros. A ala de cuidados com memória, seus espaços, seus eventos e o cão de terapia são sintéticos; não há residentes, nenhum cliente, nenhum piloto e nenhum PHI. O Vigil não é um dispositivo médico e não possui aprovação da FDA, nenhum 510(k), nenhuma validação clínica e nenhuma certificação CMS ou UL de si mesmo; o adaptador mantém o isolamento UL 1069/2560 no caminho de despacho. Nada aqui substitui a equipe, o julgamento clínico ou a avaliação de um médico.

Perguntas que líderes clínicos e operacionais fazem antes de confiar em uma camada de detecção.

Quantos alarmes falsos minha equipe noturna realmente receberá?

Ninguém pode responder isso honestamente a partir de uma demonstração, então avalie a hipótese por trás do número. A figura de 0,0 por quarto por dia pressupõe 30 acionamentos de movimento benigno por quarto por dia, o que está acima dos 5 a 15 por quarto por dia que a literatura reporta para sensores convencionais, e vem de um conjunto sintético golden fixo em vez de uma ala real. Um piloto real tem como alvo menos de 2 alarmes falsos por quarto por dia após calibração em modo sombra, e esse é o número pelo qual nos responsabilizamos.

Você pode realmente instalar isso no banheiro de um residente?

As características de radar não carregam nenhuma imagem e nenhum vídeo em nenhum ponto, portanto não há nada reconhecível a capturar, e é isso que torna o espaço acessível. 19 estados dos EUA promulgaram leis de câmera cobrindo quartos de casas de repouso, que geralmente permitem uma câmera no quarto de um residente com consentimento e deixam os banheiros excluídos na prática por razões de privacidade. Qualquer implantação ainda precisa de sua própria revisão de privacidade e processo de consentimento do residente.

Ele detectou todas as quedas no turno?

Não. Duas quedas reais ocorreram no turno de demonstração. O motor alertou sobre a longa permanência no banheiro da Cam 3 com confiança de 0,99 e encaminhou o evento da Cam 2 para uma verificação de equipe com baixa confiança, porque esse espaço comportava dois alvos e o rastreamento de pessoa única está fora da cobertura V1. Uma afirmação confiante de queda em uma cena de dois alvos é exatamente o erro que ensina a equipe noturna a parar de acreditar no painel, então a ambiguidade vai para uma pessoa.

O que mostro a um fiscal que pergunta por que nenhum alerta foi emitido?

O JSON de auditoria de turno exportado carrega todos os alertas, encaminhamentos e supressões com seus valores de características de decisão e motivo de política, sob chaves de nível superior engine, facility, shift, metrics, events e _note. A nota clínica de incidente é composta separadamente a partir dessa evidência estruturada para um fichário QAPI ou arquivo CMS F689 e não está dentro da exportação. Um detalhe importante a saber antes de entregá-la a alguém: a exportação carimba seu nome de build interno no campo engine, não o nome do produto.

Um modelo de IA está decidindo se deve chamar minha equipe de enfermagem?

Não. Um modelo nunca pode fabricar um alerta por conta própria. As condições narrativas determinísticas — posição de pé, descida, impacto sustentado e nível do chão — devem ser todas satisfeitas dentro da mesma janela de 8 segundos antes que o P(fall) do classificador seja consultado, e é então verificado contra um piso fixo de 0,70 que o modelo não define. Uma confiança mais baixa ainda pode transformar um alerta em uma supressão, portanto o modelo restringe a decisão para baixo e nunca para cima.

Precisamos substituir nosso sistema de chamada de enfermagem para usar isso?

O adaptador de despacho emite ambas as formas, então pode ficar na frente de qualquer geração de sistema de chamada de enfermagem: um sinal de relé de contato seco Rauland legado, isolado opticamente com isolamento UL 1069/2560 mantido, e uma carga JSON MQTT e REST Ascom ou Austco moderna. Nesta demonstração, é um stub de adaptador registrado sem hardware de chamada de enfermagem conectado. O Vigil é a camada entre o sensor e o sistema que você já executa, não um substituto para nenhum dos dois.

Pesquisa Técnica

A pesquisa por trás desta demonstração — a arquitetura, o design de verificação e o blueprint empresarial.

Solução completa

Explore a solução de Detecção de Quedas em Instalações Inteligentes →

Comece pelos espaços que você não consegue monitorar hoje.

Não vendemos sensores. Desenvolvemos a camada de inteligência que torna os sensores úteis, e a desenvolvemos para operadores de moradias assistidas e equipes de tecnologia clínica que já sabem que detectar a queda é a metade fácil.

Com 63% das instalações relatando falta de pessoal, um painel que dá falso alarme é a primeira coisa que um turno noturno desliga. Uma primeira conversa útil cobre a desordem fixa do seu planta baixa, os quartos que ficam sem monitoramento agora e o que sua última vistoria estadual realmente pediu que você produzisse. Podemos trabalhar na calibração e no plano de modo sombra junto com sua equipe clínica.

Design da camada de detecção

✓ Design de cascata e características
✓ Calibração de desordem por sala
✓ Limites do portão determinístico
✓ Definição do conjunto de confusores

Evidências e integração

✓ Schema de auditoria de turno
✓ Mapeamento do adaptador de chamada de enfermagem
✓ Design da escada de escalada
✓ Plano de calibração em modo sombra

Conecte-se via WhatsApp Envie um e-mail para nossa equipe