ATrain 교육

메디시-C 떨어질 위험 평가

For over a decade,the Centers for Medicare 및 Medicaid Services(CMS)가 필요한 Medicare-certified 가정 건강 관리 기관이 수집하고 전송하는 결과가 평가 설정 정보(OASIS)데이터에 대한 모든 성인이 집에 건강을 환자에서 18 세 이상을 받은 숙련 된 서비스의 관리는 환급 메디 메디케이드, 와 예외를 받는 환자의 사전 또는 출생 후 서비스(CMS,2010).,

OASIS 는 가정 보건 기관에 65 세 이상의 모든 환자의 낙상 위험을 평가하도록 지시합니다. 은 인성 평가를 포함하는 품목과 같은 폭포 역사를 사용하여 여러 약물 정신 장애,화장실 주파수,일반적인 이동/전송 장애 및 환경 위험을(CMS,2010).,

동안 다단계 위험 평가,기관:

  • 사용할 수 있는 단일 표준화,검증하는 포괄적인 다단계 위험 평가 도구
  • 을 통합할 수 있습니다 몇 가지 도구가 너무 오래 하나의 표준화 하고 검증된

목적을 촉진하는 폭포 위험 평가에 걸쳐 제자들하고 의료 설정합니다.,

가을에서 위험 평가 요양원

1,800 세 이상의 성인에서 요양원에서 매년 죽어 가을이 관련 부상하고 살아남고자 하는 사람들을 자주 폭포 지지하는 엉덩이 골절과 머리 부상하는 결과에 영구 장애와 삶의 질(CDC,2012b).

요양원에서 간호사는 시설 입원 시 및 입원 후 정기적으로 낙상 위험에 대한 거주자를 평가합니다. 을 평가하기 위험,간호사에서 선택할 수 있는 다양한 위험 평가 도구하는 일반적으로 표준 또는 규제된다., 대부분의 평가 도구를 포함하는 평가 시스템을 평가하는 누적 효과 위험 요소에 대한 목적의 식별하는 사람들의 가장 큰 위험에 떨어지거나 유지하는 가을을 관련 부상(Wagner,2011).

캐나다에 관련된 연구 137 가정 간호 온타리오의 지방에서 요청에 대해 어떤 가을 위험 평가 도구를 사용되고 있던 시도를 식별하는 공통점에서 평가 도구(Wagner,2011). 가장 일반적으로 사용되는 낙하 위험 평가 도구는 모스 낙하 척도와 성능 지향 이동성 척도였습니다., 모든 시설이 일반적인 도메인 평가를 포함:

  • 본질적인 요소
  • 처리-관련 또는 외부 요소
  • 이동성 상태
  • 인지 상태
  • 감각 상태
  • 역사의포
  • 행동과 태도(Wagner,2011 년)

이 연구에서는 연구의 필요성을 언급한 증거 기반의 도구에 대한 평가의 위험과 유사한 보편적으로 제외 브레이든 규모 예측압 궤양 위험이 있습니다., 그들은 가난하게 디자인 평가 도구의 개발을 방해는 가을을-위험 감소 프로그램과 실패의 개별 환자(Wagner,2011).

는 특정 장벽한 품질 개선 프로그램으로는 그렇게 많지 않을 완전히 해결 방법으로는 직원의 직무를 경우 중복을 해결하고 빠질 위험이 그들의 환자입니다. 복잡한 증후군 같은 위험 결과에서 여러 위험 요인 및 필요한 인성,학제적인 개입을 개선하는 결과입니다., 을 감소는 여러 위험 요인이 어려울 수 있습니다 필요하기 때문에 많은 직원들에게 강한 연결을 허용하는 효과적인 정보의 흐름과 문제 해결에서 다양한 관점을 따라서,개입이 필요한 도움이 직원 협력 관계를 설정하고 개선 된 통신을 지원하는 새로운 방법에 의해 도입되는 가을 감소 프로그램(앤더슨 et al., 2012).,

가을 분류하는 휴대 전화를 사용하여

새로운 방법을 문서화하는 환자는 사용을 통해 이동 전화의 대부분은 스마트 폰을 갖추고 있으로 가속도계를 감지하는 데 사용할 수 있다면 환자가 가을과 매우 높은 정확도를 제공한다. 폭포는 일반적으로 영향이 큰 사건이므로 다른 일상 활동을 식별하는 것보다 탐지가 간단 해집니다. 자동으로 검출할 수 있는 신속하게 대응할 수 있는 잠재적 비상사태 또는 알고,원인이나 방식으로의 가을 도움이 될 수 있는 방지를 위한 연구 또는 맞춤형 응급 응답입니다.,

재활의 연구소 시카고 연구한 노력을 입증하는 기술을 뿐만 아니라 안정적으로 감지 하락 하지만 또한 자동으로 분류하는 유형입니다. 열 다섯 주제 시뮬레이션 네 개의 서로 다른 유형의 왼쪽과 오른쪽 측면,앞으로 여행,그리고 뒤로 미끄러짐—를 입고있는 동안은 휴대폰과 가속도계. 9 명의 피험자는 또한 시뮬레이션 된 폭포와의 비교를위한 데이터를 제공하기 위해 10 일 동안 장치를 착용했습니다. 연구자들은 98%의 정확도로 가을을 식별하고 99%의 정확도로 가을의 유형을 분류 할 수있었습니다(Albert,2012).,

유형의 측정하고의 축 측정

(A) 네 개의 서로 다른 유형의 시뮬레이션 폭포,위치에 따라 방향으로의 가을이다. (B)녹음에 사용 된 g1 안드로이드 휴대 전화,과목의 뒷면에 휴대 전화의 배치. (C)가속도계의 축. 전화는 피사체의 뒷면에 배치되어 3 개의 축이 위로,왼쪽으로,그리고 피사체의 뒤쪽으로 향하게했습니다., 출처:알버트,2012. 허가와 함께 사용됩니다.

이 작품는 방법을 보여 줍니다 현재 컴퓨터 학습 방법을 간소화할 수 있는 데이터 컬렉션뿐만 아니라 향상을 신속한 대응을 잠재적인 부상으로 인해 폭포(앨버트,2012).

뒤로 다음

답글 남기기

이메일 주소를 발행하지 않을 것입니다. 필수 항목은 *(으)로 표시합니다