Medicare OASIS-c Fall Risk Assessment

Depuis plus d’une décennie, les Centers for Medicare and Medicaid Services (CMS) exigent que les agences de santé à domicile certifiées par Medicare recueillent et transmettent des données sur les résultats et L’ensemble D’informations D’évaluation (OASIS) pour tous les patients adultes de 18 ans et plus recevant des services qualifiés, dont les soins sont remboursés par Medicare et Medicaid, à l’exception des patients recevant uniquement des services Pré ou postnatals (CMS, 2010).,

L’OASIS demande aux agences de santé à domicile d’évaluer le risque de chute chez tous les patients de plus de 65 ans. L’évaluation multifactorielle comprend des éléments tels que les antécédents de chutes, l’utilisation de médicaments multiples, la déficience mentale, la fréquence des toilettes, la mobilité générale/la déficience transférable et les dangers environnementaux (CMS, 2010).,

Au cours de l’évaluation multifactorielle des risques de chute, l’agence:

• peut utiliser l’outil unique d’évaluation complète des risques de chute multifactorielle normalisé et validé
• peut intégrer plusieurs outils à condition que l’un d’eux soit normalisé et validé

le but est de promouvoir l’évaluation des risques de chute chez les disciples et dans,

évaluation du risque de chute dans les maisons de soins infirmiers

environ 1 800 personnes âgées vivant dans les maisons de soins infirmiers meurent chaque année de blessures liées à une chute et celles qui survivent aux chutes souffrent fréquemment de fractures de la hanche et de blessures à la tête qui entraînent une invalidité permanente

dans les maisons de soins infirmiers, les infirmières évaluent le risque de chute des résidents lors de l’admission à l’établissement et sur une base régulière après l’admission. Pour évaluer le risque de chute, les infirmières peuvent choisir parmi une variété d’outils d’évaluation du risque de chute, qui ne sont généralement pas normalisés ou réglementés., La plupart des outils d’évaluation contiennent un système de notation qui évalue l’effet cumulatif des facteurs de risque dans le but d’identifier les personnes les plus à risque de tomber ou de subir une blessure liée à une chute (Wagner, 2011).

Une étude canadienne portant sur 137 maisons de soins infirmiers de la province de l’Ontario a demandé quels outils d’évaluation des risques de chute étaient utilisés et a tenté d’identifier les points communs entre les outils d’évaluation (Wagner, 2011). Les outils d’évaluation des risques de chute les plus couramment utilisés étaient L’échelle de chute Morse et L’échelle de mobilité axée sur le rendement., Dans toutes les installations, les domaines communs évalués comprenaient:

• facteurs intrinsèques
• facteurs liés au traitement ou extrinsèques
• État de mobilité
• état cognitif
• État sensoriel
• histoire des chutes
• comportements et attitudes (Wagner, 2011)

dans cette étude, les chercheurs ont noté la nécessité d’un outil fondé sur des preuves pour échelle de Braden universellement exceptée pour prédire le risque d’ulcère de pression., Ils soulignent que des outils d’évaluation mal conçus entravent l’élaboration d’un programme de réduction des risques de chute et ne répondent pas aux besoins individuels des patients (Wagner, 2011).

un obstacle particulier aux programmes d’amélioration de la qualité est que bon nombre d’entre eux n’abordent pas entièrement la façon dont les tâches du personnel se chevauchent lorsqu’ils tentent de traiter le risque de chute chez leurs patients. Les syndromes complexes tels que le risque de chute résultent de multiples facteurs de risque et nécessitent des interventions multifactorielles et interdisciplinaires pour améliorer les résultats., Il peut être difficile de réduire de multiples facteurs de risque parce que de nombreux membres du personnel doivent avoir des liens solides qui permettent une circulation efficace de l’information et la résolution de problèmes sous divers angles; par conséquent, une intervention est nécessaire pour aider le personnel à établir une relation de travail et à améliorer la communication afin d’appuyer les nouvelles pratiques introduites par les programmes de réduction des chutes (Anderson et coll., 2012).,

classification des chutes à l’aide d’un téléphone Mobile

Une nouvelle façon de documenter les chutes des patients est l’utilisation de téléphones mobiles; la plupart des téléphones intelligents sont équipés d’accéléromètres qui peuvent être utilisés pour détecter les chutes des patients avec une précision exceptionnellement élevée. Les chutes sont généralement des événements à fort impact, ce qui rend la détection plus simple que l’identification d’autres activités quotidiennes. La détection automatique des chutes peut permettre une intervention rapide en cas d’urgence potentielle; en outre, connaître la cause ou la manière d’une chute peut être bénéfique pour des études de prévention ou une intervention d’urgence plus adaptée.,

Une étude du Rehabilitation Institute of Chicago a cherché à démontrer des techniques qui non seulement détectent de manière fiable une chute, mais classent également automatiquement le type. Quinze sujets ont simulé quatre types différents de chutes—latérales gauche et droite, des voyages vers l’avant et des glissades vers l’arrière—tout en portant des téléphones mobiles et des accéléromètres. Neuf sujets ont également porté les appareils pendant dix jours, afin de fournir des données de comparaison avec les chutes simulées. Les chercheurs ont pu identifier une chute avec une précision de 98% et classer le type de chute avec une précision de 99% (Albert, 2012).,

(A) Quatre différents types de simulation de chutes, positionnés en fonction de la direction de la chute. (B) le téléphone mobile android G1 qui a été utilisé pour l’enregistrement, et le placement du téléphone sur le dos des sujets. C) les axes de l & apos; accéléromètre. Le téléphone a été placé à l’arrière du sujet de sorte que les trois axes pointaient vers le haut, vers la gauche et vers l’arrière du sujet., Source: Albert, 2012. Utilisé avec permission.

Ce travail démontre comment les approches actuelles d’apprentissage automatique peuvent simplifier la collecte de données et améliorer la réponse rapide aux blessures potentielles dues aux chutes (Albert, 2012).

précédent Suivant