iStoppFalls – Innovative Sturzprävention

Stürze stellen ein erhebliches Sicherheitsproblem im Gesundheitswesen dar, insbesondere für ältere Menschen und Menschen mit kognitiven Einschränkungen, die aufgrund der prognostizierten höheren Lebenserwartung einem erhöhten Risiko ausgesetzt sind (1).

Statistiken zeigen, dass 35 % der Menschen im Alter von 65 Jahren und älter mindestens einen Sturz pro Jahr erleiden, und weltweit enden jedes Jahr etwa 600.000 Stürze tödlich (2). Die Sturzrate in Krankenhäusern liegt zwischen 3,5 und 18 Stürzen pro 1.000 belegten Bettentagen, wobei 3 bis 37 % der Patient*innen während des Krankenhausaufenthalts einen Sturz erleiden (3).

Der Einsatz von Sprachassistenten zur Sturzprävention bei älteren Menschen stellt ein Forschungsgebiet dar, das noch einige Lücken aufweist und wozu wenig Literatur verfügbar ist (4). Die Implementierung eines Bed-Exit-Sensors in Kombination mit einem intelligenten Lautsprecher soll dieses Problem aufgreifen und die ältere Bevölkerung sowie Menschen mit kognitiven Einschränkungen bei der Sturzprävention unterstützen. Balaguera et al. (2017) verringerten die Häufigkeit von Bettstürzen bei Patient*innen in Gesundheitseinrichtungen durch den Einsatz eines Bed-Exit-Sensors in Kombination mit einem akustischen Signal.

Ziel

Mit dem Projekt wird versucht, das große Problem der Stürze im Gesundheitswesen, insbesondere bei älteren Menschen und Personen mit kognitiven Einschränkungen, durch den Einsatz eines Bed-Exit-Sensors und eines intelligenten Lautsprechers in Angriff zu nehmen. Ziel ist es, den potenziellen Einsatz von Sprachassistenten als Instrument zur Sturzprävention zu untersuchen und festzustellen, ob sie als Unterstützung für Pflegekräfte eingesetzt werden können, um ihnen mehr Zeit zu verschaffen. Gleichzeitig sollen die Sprache und die Aussagen der Sprachassistenten an die kognitiven Fähigkeiten der Patient*innen angepasst werden. Im Rahmen des Projekts soll auch ein geeigneter Bed-Exit-Sensor festgelegt werden, wobei der Schwerpunkt aufgrund der begrenzten Ressourcen auf kostengünstigen Optionen liegen soll.

Bibliographie:

1. Usmani S, Saboor A, Haris M, Khan MA, Park H. Latest Research Trends in Fall Detection and Prevention Using Machine Learning: A Systematic Review. Sensors (Basel). 2021;21(15).
2. Schoberer D, Breimaier HE, Zuschnegg J, Findling T, Schaffer S, Archan T. Fall prevention in hospitals and nursing homes: Clinical practice guideline. Worldviews Evid Based Nurs. 2022;19(2):86-93.
3. Cooper K, Pavlova A, Greig L, Swinton P, Kirkpatrick P, Mitchelhill F, et al. Health technologies for the prevention and detection of falls in adult hospital inpatients: a scoping review. JBI Evid Synth. 2021;19(10):2478-658.
4. Kosse NM, Brands K, Bauer JM, Hortobagyi T, Lamoth CJ. Sensor technologies aiming at fall prevention in institutionalized old adults: a synthesis of current knowledge. Int J Med Inform. 2013;82(9):743-52.