AgeTech · Monitoramento Ambiental · Prevenção de Quedas
Detecção de quedas e monitoramento ambiente passivos e preservadores de privacidade para instituições de moradia assistida e enfermagem especializada. Radar mmWave para quartos de alto risco. Sensoriamento Wi-Fi para cobertura de todo o edifício. Integrado ao seu sistema de chamada de enfermagem. Sem dispositivos vestíveis. Sem câmeras. Sem pontos cegos.
US$ 30.000
Custo médio por queda com lesão
CDC / PMC, dados de internação
63%
das instituições com falta de pessoal
Senior Housing News, 2025
50%
de mortalidade em até 6 meses se ficar no chão por >1 hora
BMC Geriatrics / Physiopedia
A detecção de quedas no cuidado a idosos tem três opções. Todas as três falham no momento em que mais importam.
O modelo PERS pressupõe que seu morador de 85 anos com comprometimento cognitivo leve vá se lembrar de usar, carregar e apertar um botão durante uma crise. Os dados dizem o contrário.
O dispositivo é removido para o banho, o sono e o carregamento. O banheiro é o cômodo de maior risco. O pingente fica na bancada do banheiro.
Câmeras com IA como a SafelyYou entregam resultados clínicos sólidos: 40% menos quedas, 80% menos idas ao pronto-socorro. Mas as câmeras não podem ir aonde as quedas são mais perigosas.
Um sistema de câmera que cobre os quartos, mas não os banheiros, cobre o segundo cômodo mais perigoso enquanto ignora o primeiro.
Tapetes de pressão e alarmes de cama detectam a saída da cama, não as quedas. Eles avisam que o morador deixou a cama. Não avisam que o morador caiu ao caminhar até o banheiro 30 segundos depois.
Quando todo alarme soa igual, nenhum deles significa nada. A fadiga de alarme é o motivo nº 1 pelo qual as instituições abandonam a tecnologia de detecção de quedas.
A Sra. Hernandez, 84 anos, cuidados de memória, sai da cama às 2h14. Seu pingente está na mesinha de cabeceira. O alarme de cama dispara. A técnica de enfermagem, em meio a uma distribuição de medicamentos na ala oposta, reconhece o alerta. A Sra. Hernandez caminha até o banheiro. Treze segundos depois, ela prende o pé no tapete e cai, batendo o quadril no piso de azulejo. Ela não consegue alcançar o cordão de emergência. Ela não consegue se levantar. O sensor de radar instalado no teto do banheiro detecta a assinatura da queda: aceleração súbita (rajada Doppler), impacto e, em seguida, uma nuvem de pontos ao nível do chão com micro-Doppler de respiração, mas sem recuperação motora grosseira. Às 2h14m23s, a estação de chamada de enfermagem exibe "Quarto 118 Banheiro: Queda Detectada, Alta Confiança, Morador no Chão." A técnica de enfermagem chega até ela em menos de 4 minutos. Sem o sensor, a Sra. Hernandez teria sido encontrada na próxima ronda, às 4h. Essa queda prolongada de 106 minutos no chão acarreta um risco de mortalidade de 50% em seis meses. O radar muda o desfecho porque não exige nada do morador e cobre o cômodo onde nenhuma câmera pode entrar.
Uma referência para avaliar fornecedores e abordagens. Tenha isto à mão quando seu administrador perguntar "quais são nossas opções?"
| Abordagem | Fornecedores Representativos | Precisão | Custo por Quarto | Pontos Fortes | Lacunas Honestas |
|---|---|---|---|---|---|
| Radar mmWave (60 GHz) | Vayyar Care, Milesight VS373, AKM AK5816 | 95 a 99% | US$ 150-400 em hardware + instalação | Dados 4D (alcance, velocidade, ângulos). Funciona através de cortinas de box. Seguro para banheiros. Detecta respiração. Maduro comercialmente. | Sensor dedicado por quarto. Não cobre corredores com eficiência. Detecção apenas de ocupação individual (multipessoa está surgindo). Requer calibração específica do ambiente. |
| Sensoriamento Wi-Fi CSI | Origin Wireless, Cognitive Systems, ESP32 (código aberto) | 85 a 92% | US$ 0-60 se os APs forem compatíveis | Usa a infraestrutura Wi-Fi existente. Cobertura de todo o edifício. 802.11bf ratificado em set/2025. Sensoriamento através de paredes. | Precisão menor que a do radar. Sensível a interferência de RF. A maioria dos APs de instituições de enfermagem existentes não tem suporte a CSI. A Verizon descontinuou o Home Awareness (15/04/2026). Adaptação ao ambiente (DANN) não comprovada em escala. |
| Câmera com IA (Baseada em Eventos) | SafelyYou, KamiCare | 94 a 97% | US$ 100-300 + SaaS mensal | Resultados comprovados: 40% menos quedas, 80% menos idas ao pronto-socorro (SafelyYou). Revisão de vídeo para análise de causa raiz. Forte evidência clínica. | Não consegue monitorar banheiros. 19 estados regulamentam câmeras. Preocupações com privacidade bloqueiam a adoção em muitas instituições. Requer iluminação adequada. |
| Infravermelho / LiDAR | VirtuSense VSTAlert | ~95% | Preço sob consulta | Prevê a saída da cama 30 a 65 segundos antes que aconteça. 85% de redução de quedas alegada. Mais de 100.000 quedas evitadas em centenas de instituições. | Requer linha de visão. Principalmente previsão de saída de cama/cadeira, não detecção geral de quedas. Não cobre banheiros nem áreas comuns. |
| IA Preditiva (Ondas de Rádio) | Helpany "Paul" | N/D (preventiva) | Não divulgado | 66% de redução média de quedas em 14 comunidades do Arizona. Prevê o risco 3 semanas antes por meio de análise de marcha e sono. | Implantação geográfica limitada (somente Arizona). O foco preditivo pode deixar passar eventos agudos. Documentação de integração limitada. |
| PERS Vestível | Medical Guardian, Philips Lifeline, Bay Alarm | Varia | US$ 20-50/mês | Baixo custo. Fluxos de trabalho estabelecidos. Familiar à equipe e às famílias. | 24% nunca usados. 14% de adesão de 24 horas. Removidos para o banho. Fadiga de carregamento. O estigma da fragilidade leva à rejeição. |
| Big 4 / Grandes SIs | Deloitte, Accenture, serviços profissionais de fornecedores | N/D | Projetos de US$ 500 mil a 5 milhões+ | Credenciais corporativas. Ampla experiência em consultoria de saúde. Capacidade de mobilizar grandes equipes. | Eles implantam plataformas, não constroem IA de sensores. Os projetos são dimensionados para sistemas de saúde, não para instituições de moradia assistida de 100 leitos. Os tamanhos mínimos de projeto excluem a maioria dos operadores de moradia assistida. Eles recomendarão um fornecedor, não construirão integração personalizada. |
Números de precisão provenientes de alegações de fornecedores e pesquisas publicadas. O desempenho no mundo real varia conforme o ambiente, a qualidade da instalação e a calibração. Validamos as alegações durante as implantações piloto.
Não vendemos sensores. Construímos a camada de inteligência que torna os sensores úteis e os integramos ao seu fluxo de trabalho de cuidados.
Avaliamos sua instalação cômodo por cômodo. Banheiros e quartos de cuidados de memória recebem radar mmWave (módulos TI IWR6843 ou Infineon BGT60TR13C, dependendo dos seus requisitos de formato). Áreas comuns e corredores recebem sensoriamento Wi-Fi CSI se seus APs suportarem, ou nós de malha ESP32 (US$ 5-10/unidade) se não suportarem. A previsão de saída da cama recebe sobreposição de infravermelho onde clinicamente indicado.
O resultado é um mapa de sensores com especificações de hardware concretas, posições de montagem e zonas de cobertura. Não uma recomendação genérica para "implantar sensores."
Sensores de prateleira vêm com modelos genéricos. Sua instalação tem ventiladores de teto em todos os quartos, um cão de terapia na ala de cuidados de memória e cortinas perto da saída de ar-condicionado no Quarto 214. Construímos mapas de ruído (clutter) específicos do ambiente: o ventilador na coordenada de teto (x,y,z) recebe mascaramento Doppler de localização fixa. O Labrador de 18 kg é filtrado por meio de limiares de seção transversal de radar e geometria de caixa delimitadora horizontal. As zonas de janela recebem ajustes de limiar de confiança via Filtragem de Kalman Estendida.
Em seguida, sobrepomos uma cascata de classificação hierárquica: a detecção leve de presença roda continuamente, o modelo completo de fluxo duplo (CNN em espectrogramas de micro-Doppler + PointNet em nuvens de pontos 3D, fundidos por uma camada de atenção) ativa-se somente em gatilhos de movimento, e verificações de consistência temporal (memória de sequência LSTM) exigem a narrativa completa de aceleração-impacto-imobilidade antes de gerar um alerta.
Esta é a parte que determina se o sistema é de fato utilizado. Conectamos a saída do sensor ao seu NCS específico: Rauland Responder (relé de contato seco para entrada auxiliar), Ascom Telligence (API REST para a plataforma Unite), Austco Tacera (MQTT com cargas JSON estruturadas), Hill-Rom Connexall (ponte HL7 ou API). Sistemas legados recebem relés de estado sólido opto-isolados. Plataformas modernas recebem alertas contextuais.
Também configuramos a lógica de escalonamento: um alerta de queda não reconhecido escalona da técnica de enfermagem para a enfermeira responsável aos 90 segundos, e para o diretor de enfermagem (DON) aos 3 minutos. A conformidade com UL 1069/UL 2560 é mantida em todo o processo, incluindo a documentação de isolamento elétrico que seu fiscal estadual irá solicitar.
A detecção é reativa. A prevenção é o objetivo. Construímos análises longitudinais a partir da mesma infraestrutura de sensores: tendência da velocidade da marcha (um declínio de 20% ao longo de 2 a 3 semanas é o preditor mais forte de uma queda iminente), pontuação da qualidade do sono (inquietação na cama, frequência e duração das idas ao banheiro) e indexação do nível diário de atividade.
As análises alimentam seu prontuário eletrônico (EHR) e a documentação MDS. Quando a velocidade da marcha da Sra. Hernandez cai 18% ao longo de 10 dias, o sistema a sinaliza para uma consulta de fisioterapia, e não depois que ela cai. Isso apoia diretamente a conformidade com o CMS F689 e fortalece seu programa de prevenção de quedas QAPI.
O IEEE 802.11bf foi ratificado em setembro de 2025. Os futuros pontos de acesso Wi-Fi suportarão nativamente o sensoriamento de movimento. Se sua instalação for atualizar sua infraestrutura sem fio nos próximos 12 a 18 meses, ajudamos você a selecionar APs com capacidade de sensoriamento (Qualcomm Networking Pro com NPU Hexagon, ou chipsets Broadcom BroadStream) e a arquitetar a camada de computação de borda para que sua rede Wi-Fi funcione também como uma malha de sensoriamento.
Para instituições que não podem esperar pelas atualizações de AP, implantamos malhas de sensoriamento baseadas em ESP32 (US$ 5-10 por nó) como solução provisória. O kit de código aberto ESP-CSI fornece extração de CSI hoje, e nossos modelos de adaptação de ambiente baseados em DANN lidam com o desafio de calibração de cômodo a cômodo.
Uma visão passo a passo do pipeline de detecção, do chirp do radar à notificação da enfermagem.
O radar FMCW de 60 GHz no teto do banheiro transmite chirps de frequência varrida a 20 quadros por segundo. Cada chirp reflete nas superfícies do cômodo. A frequência de batimento codifica a distância até cada refletor. Uma sequência de transformadas FFT de Alcance, FFT Doppler e FFT de Ângulo produz um cubo de dados 4D: alcance, velocidade, azimute e elevação para cada voxel do cômodo. Isso roda continuamente com menos de 500 mW.
Objetos estáticos (paredes, vaso sanitário, barras de apoio) são removidos via filtragem adaptativa que preserva os alvos "estáticos vivos". O sistema usa a estabilidade de fase para distinguir um humano inconsciente (micro-Doppler da parede torácica a 0,3-0,5 Hz) de um suporte de toalhas (modulação de fase zero). A detecção OS-CFAR ajusta dinamicamente o limiar de ruído para que uma barra de apoio metálica não mascare a reflexão humana mais fraca ao seu lado.
O Fluxo A processa o espectrograma de micro-Doppler por meio de uma CNN leve. Uma queda produz uma rajada de velocidade de banda larga (flash do tronco em baixas frequências, flashes dos membros em altas frequências) seguida de velocidade zero. O Fluxo B processa a nuvem de pontos 3D por meio de uma variante de PointNet, rastreando o centroide vertical. A queda do centroide da altura em pé (~1,5 m) para o nível do chão (~0,1 m) confirma a descida espacial. Uma camada de fusão baseada em atenção combina os dois fluxos. O diferencial crítico: sentar-se com força no vaso sanitário mostra o pico de velocidade, mas o centroide se estabiliza a 0,45 m (altura do assento), não ao nível do chão. O sistema suprime o alarme.
O modelo de sequência LSTM exige a narrativa completa: em pé (padrão de marcha normal), instabilidade (micro-Doppler irregular), aceleração (descida impulsionada pela gravidade), impacto (cessação de energia de banda larga) e imobilidade pós-impacto com respiração confirmada. Um temporizador de espera de 3 a 5 segundos garante que a classificação esteja estável antes de alertar. Isso evita disparos falsos de um morador se abaixando para pegar uma toalha que caiu.
Toda a inferência roda no processador de borda do sensor (TI AM62A com acelerador DNN ou equivalente). Nenhum dado bruto de radar deixa o cômodo. O sensor envia uma carga estruturada ao sistema de chamada de enfermagem: {"event": "FALL", "room": "118B", "location": "bathroom", "confidence": 0.96, "floor_time_sec": 8, "breathing": true}. No crachá Vocera da enfermeira: "Quarto 118 Banheiro: Queda Detectada. Morador no chão. Respiração confirmada." Latência total do impacto ao alerta: 6 a 10 segundos.
Quatro fases. Cada uma tem uma entrega que seu administrador pode revisar antes de prosseguir.
2 a 3 semanas. Percorremos sua instalação com seu diretor de manutenção. Pontuação de risco cômodo por cômodo: layout do banheiro, dimensões do quarto, densidade de mobília, altura do teto (afeta o campo de visão do radar). Auditoria da infraestrutura de TI: inventário de APs (marca, modelo, firmware, capacidade de CSI), topologia da rede, segmentação de VLAN, modelo e versão de software do sistema de chamada de enfermagem.
Entrega: Documento de arquitetura de sensores com recomendações de hardware concretas, posições de montagem, requisitos de rede e abordagem de integração com a chamada de enfermagem. Estimativa de custo para o piloto e para a implantação completa.
8 a 10 semanas, 10 a 15 quartos. Instalar sensores em quartos representativos. Rodar 4 semanas em modo sombra (alertas registrados, mas não encaminhados à equipe). Comparar as detecções com seus relatórios de incidentes. Calibrar os mapas de ruído e os limiares de alarme falso por quarto. Transicionar para o modo ativo nas 4 semanas finais, com a equipe recebendo os alertas.
Entrega: Relatório de resultados do piloto com dados concretos: taxa de detecção, taxa de alarmes falsos por quarto por dia, variação no tempo de resposta da equipe, comparação com seus 6 meses anteriores de dados de incidentes de quedas. Projeção de ROI para a implantação completa.
6 a 10 semanas para 100 quartos. Implantar nos quartos restantes em ondas (20 a 25 quartos por onda). Cada onda inclui calibração específica do quarto, teste de integração com a chamada de enfermagem e treinamento da equipe. O painel de análise preditiva entra em funcionamento após dados de linha de base suficientes (normalmente 30 dias de monitoramento contínuo).
Entrega: Sistema totalmente operacional com painel unificado, integração com NCS, protocolos de escalonamento configurados, equipe treinada e linha de base de 30 dias para a análise preditiva.
Contínuo. Atualizações mensais do modelo com base nos dados da sua instalação. Padrões de alarmes falsos que surgem sazonalmente (janelas abertas no verão, aquecedores ligando no inverno) são tratados por meio de atualizações dos mapas de ruído. Os limiares preditivos de risco são refinados à medida que o sistema acumula dados longitudinais de marcha e atividade.
Entrega: Relatórios analíticos trimestrais para seu comitê QAPI e preparação para a inspeção do CMS. Dados de tendência da taxa de quedas, taxas de sucesso de intervenções preditivas e métricas de tempo de atividade do sistema.
Responda seis perguntas sobre sua instalação. Receba uma pontuação de prontidão com próximos passos concretos que você pode executar hoje.
A redução de alarmes falsos exige uma abordagem em camadas que a maioria dos sensores de prateleira não consegue fornecer prontamente. Construímos mapas de ruído (clutter) específicos do ambiente durante a instalação: ventiladores de teto recebem mascaramento de coordenada fixa porque sua alta assinatura Doppler em uma posição (x,y,z) conhecida é previsível. Animais de estimação são filtrados por meio de limiares de seção transversal de radar e proporções de caixa delimitadora, já que um cão ocupa um volume horizontal (proporção maior que 1) enquanto um humano ocupa uma coluna vertical. Cortinas perto de janelas recebem limiares de confiança baseados em zonas via Filtragem de Kalman Estendida.
Além da filtragem espacial, implementamos cascatas de classificação hierárquica. O sistema roda um detector leve de presença continuamente e, em seguida, ativa o modelo completo de fluxo duplo CNN+LSTM somente quando um movimento grosseiro o aciona. O modelo profundo exige consistência temporal: a assinatura de uma queda deve apresentar a fase de aceleração, o impacto e a imobilidade pós-impacto em sequência antes de gerar um alerta. Sentar-se com força em um sofá aciona o pico de velocidade, mas a altura do centroide se estabiliza a 0,5 m, não ao nível do chão, então o sistema corretamente o suprime.
A meta é menos de 2 alarmes falsos por quarto por dia, em comparação com os 5 a 15 que causam fadiga de alarme na maioria das implantações. Validamos isso durante a fase piloto, rodando o sistema em modo sombra junto ao seu monitoramento existente por 30 dias, comparando a precisão dos alertas antes de entrar em operação.
Sim, e essa integração costuma ser a parte mais difícil de qualquer implantação de detecção de quedas. A abordagem depende da sua plataforma de chamada de enfermagem. Para sistemas legados, como instalações mais antigas do Rauland Responder, usamos relés de estado sólido de contato seco. O relé do sensor fecha quando uma queda é confirmada, conectando-se à entrada auxiliar na estação de chamada de enfermagem do quarto. Isso aciona o fluxo padrão de luz de chamada e pager, sem alterações de software no NCS. Funciona com cerca de 90% da infraestrutura de chamada de enfermagem instalada.
Para plataformas modernas baseadas em IP, como Ascom Telligence, Austco Tacera ou Hill-Rom Connexall, enviamos cargas JSON estruturadas via MQTT ou API REST. Em vez de um alarme genérico, a enfermeira vê "Quarto 302: Queda Detectada, Alta Confiança, Morador no chão há 45 segundos" em seu crachá Vocera ou smartphone. Essa informação contextual muda o comportamento de resposta porque a equipe confia no alerta.
Também nos integramos à lógica de escalonamento do NCS: se não houver resposta em 90 segundos, o alerta escalona da técnica de enfermagem designada para a enfermeira responsável e, em seguida, para o diretor de enfermagem (DON). Um detalhe técnico que atrapalha a maioria das integrações é a conformidade com UL. Se o NCS da sua instalação for certificado conforme UL 1069 ou o mais recente UL 2560, adicionar um dispositivo de entrada auxiliar não pode quebrar a certificação. Cuidamos do isolamento elétrico (relés opto-acoplados) e da documentação exigida para que a instalação mantenha a conformidade durante as inspeções estaduais.
Essas são tecnologias complementares, não concorrentes, e a escolha certa depende do cômodo e do caso de uso. O radar mmWave (FMCW de 60 GHz) é um sensor dedicado que gera dados 4D: alcance, velocidade, azimute e elevação para cada ponto detectado. Ele enxerga através de cortinas de box, funciona na escuridão completa e distingue um humano respirando de uma cadeira estática por meio de assinaturas de micro-Doppler. A precisão para detecção de quedas fica consistentemente acima de 95% em estudos controlados, e implantações no mundo real, como a Vayyar Care no Reino Unido, reduziram internações hospitalares.
O sensoriamento Wi-Fi usa a Informação de Estado de Canal (CSI) dos sinais Wi-Fi existentes para detectar movimento e presença. Com o IEEE 802.11bf ratificado em setembro de 2025, os futuros pontos de acesso suportarão nativamente o sensoriamento. A vantagem é o reaproveitamento da infraestrutura: se sua instalação já tem APs compatíveis (chipsets Qualcomm ou Broadcom), você adiciona o sensoriamento por meio de uma atualização de software. A cobertura é mais ampla, já que os sinais penetram as paredes. A contrapartida é a precisão menor (85 a 90% para detecção de quedas contra mais de 95% do radar) e a sensibilidade à interferência de RF de micro-ondas, dispositivos Bluetooth e redes vizinhas.
Normalmente recomendamos o radar para quartos de alto risco (banheiros, quartos de dormir, cuidados de memória) onde a precisão é crítica, e o sensoriamento Wi-Fi para áreas comuns, corredores e monitoramento de presença em todo o edifício, onde a cobertura importa mais que a precisão. Os sistemas compartilham um painel de análise comum, de modo que sua equipe vê uma visão única e unificada.
O radar mmWave é arquiteturalmente mais amigável à privacidade do que qualquer alternativa baseada em câmera. O sensor emite ondas de rádio de 60 GHz e processa as reflexões como nuvens de pontos e assinaturas Doppler. Ele fisicamente não consegue produzir uma imagem do rosto ou do corpo de uma pessoa. Mesmo que alguém interceptasse o fluxo de dados brutos, veria tuplas de coordenadas e valores de velocidade, não informações visuais.
Sob a HIPAA, os padrões comportamentais derivados do radar (frequência de idas ao banheiro, qualidade do sono, velocidade da marcha) de fato se qualificam como Informações de Saúde Protegidas porque descrevem o estado de saúde de um indivíduo. Lidamos com isso por meio do processamento de borda: os dados brutos de radar são processados no processador embarcado do sensor e nunca deixam o dispositivo. Somente eventos abstraídos ("Queda Detectada, Quarto 302, Confiança 0,98") são transmitidos à sua rede, criptografados com TLS 1.2+ em trânsito e AES-256 em repouso.
Os dados de Wi-Fi CSI têm um perfil regulatório ligeiramente mais complexo. Sob o Artigo 9 do GDPR, os padrões de marcha extraídos do CSI podem teoricamente identificar indivíduos, o que classifica os dados brutos como biométricos. Nossa arquitetura aborda isso por meio da mesma estratégia de processamento de borda: o CSI é analisado localmente, descartado imediatamente após a inferência, e apenas dados em nível de evento são transmitidos.
Quanto às leis estaduais de privacidade, 19 estados agora permitem explicitamente câmeras em quartos de casas de repouso mediante consentimento. O radar e o sensoriamento Wi-Fi contornam esse debate por completo, porque não são dispositivos de vigilância. Nenhum estado atualmente regulamenta o sensoriamento por RF não visual. Dito isso, ainda recomendamos documentar o monitoramento em seu contrato de admissão de moradores, porque a transparência constrói confiança com as famílias.
A queda prolongada no chão é onde mora o verdadeiro perigo. Metade dos idosos que permanecem no chão por mais de uma hora morre em até seis meses, mesmo sem uma lesão direta da própria queda. As complicações incluem rabdomiólise por compressão muscular prolongada, hipotermia por pisos frios, desidratação e insuficiência renal aguda.
Os dispositivos vestíveis baseados em acelerômetro padrão não conseguem detectar com confiabilidade as quedas prolongadas no chão, porque o dispositivo pode ter sido removido, ou o evento de queda inicial pode não ter atingido o limiar. O radar mmWave lida com a detecção de queda prolongada no chão por meio de uma capacidade específica que falta aos sensores mais simples: a detecção de respiração por micro-Doppler. Mesmo quando uma pessoa está completamente imóvel no chão, sua parede torácica se desloca de 4 a 12 mm durante a respiração. Em 60 GHz, esse deslocamento representa uma fração significativa do comprimento de onda de 5 mm, criando uma modulação de fase detectável no sinal refletido.
O sistema confirma: o centroide da nuvem de pontos da pessoa está ao nível do chão (z aproximadamente 0 m), o movimento motor grosseiro cessou, mas o micro-Doppler confirma a respiração. Esse estado aciona um alerta de "queda com incapacidade de recuperação". Configuramos os temporizadores de escalonamento com base nos seus protocolos clínicos. Normalmente, se o movimento grosseiro não retornar em 3 minutos após a queda, o sistema alerta a técnica de enfermagem designada. Se não houver reconhecimento da equipe em 90 segundos, ele escalona. Se a assinatura de respiração também degradar ou parar, o sistema aciona uma resposta de emergência.
A modelagem temporal (redes LSTM mantendo memória de sequência) é o que separa isso de simples detectores de movimento. O sistema compreende a narrativa: em pé, depois aceleração, depois impacto, depois imobilidade com respiração. Essa sequência é inequívoca.
Começamos com 10 a 15 quartos, selecionados para representar a gama de desafios da sua instalação: alguns quartos privativos padrão, ao menos 2 banheiros (o espaço de maior risco), um quarto de cuidados de memória se aplicável e uma área comum. O piloto roda por 60 dias e tem três fases.
Fase 1 (Semanas 1-2) é a avaliação do local e a instalação. Auditamos sua infraestrutura de TI: quais pontos de acesso estão instalados, qual sistema de chamada de enfermagem você opera, se sua rede suporta segmentação de VLAN para tráfego de IoT. Muitas instituições operam com APs Ruckus ou Aruba de 10 anos de idade, que não conseguem lidar com tráfego adicional de sensores sem degradar o desempenho do sistema de luz de chamada. Instalamos sensores de radar em quartos de alto risco e configuramos o sensoriamento Wi-Fi em áreas comuns se seus APs suportarem extração de CSI.
Fase 2 (Semanas 3-6) é o modo sombra. O sistema roda junto ao seu monitoramento existente. Cada alerta é registrado, mas não encaminhado à equipe. Comparamos nossas detecções com seus relatórios de incidentes, calibramos os limiares de alarme falso por quarto (o quarto com o ventilador de teto precisa de parâmetros diferentes do quarto sem ele) e ajustamos os mapas de ruído.
Fase 3 (Semanas 7-8) é o modo ativo com medição. A equipe recebe os alertas. Acompanhamos a melhora no tempo de resposta, a taxa de alarmes falsos por quarto por dia e quaisquer quedas que o sistema capture e que sua abordagem anterior deixava passar.
O piloto custa US$ 15.000-25.000 para uma instalação de 100 leitos (10 a 15 quartos instrumentados). Ao final, você tem dados concretos: quantas quedas o sistema detectou, quantos alarmes falsos por dia, a variação no tempo de resposta da equipe e uma projeção clara de ROI para a implantação completa. A implantação completa para 100 quartos normalmente custa US$ 150.000-250.000, incluindo hardware, integração e o primeiro ano de análises, o que resulta em US$ 125-210 por quarto por mês. Considerando que uma única queda com lesão custa US$ 30.000 em média, o sistema se paga se evitar de 5 a 8 quedas com lesão por ano.
Os whitepapers interativos por trás desta página de solução. Eles aprofundam o processamento de sinais, as arquiteturas de redes neurais e a física dos sensores.
Física do radar FMCW de 60 GHz, arquiteturas de IA de fluxo duplo (CNN + PointNet + LSTM), inferência de borda em processadores Cortex-M/A, detecção CFAR e integração com chamada de enfermagem UL 1069.
Análise da Informação de Estado de Canal (CSI), detecção de micromovimento na zona de Fresnel, redes neurais adversariais de domínio (DANN) para adaptação ao ambiente e arquitetura de implementação do IEEE 802.11bf.
Uma instalação de 100 leitos com média de 40 quedas por ano absorve de US$ 120 mil a 240 mil em custos diretos, antes da exposição jurídica.
Comece com uma avaliação da instalação. Auditamos seus quartos, sua infraestrutura e seu sistema de chamada de enfermagem, e então entregamos um documento de arquitetura de sensores com recomendações concretas e projeções de custo. Sem compromisso além da avaliação.