Analýza dat získaných softwarem a senzory monitorování polohy: studie na jednotce intenzivní péče

Úvod

Dekubity (proleženiny) jsou nežádoucí události, které mohou postihnout rizikové pacienty na jednotkách intenzivní péče (JIP). Dlouhodobá imobilizace prodlužuje hospitalizaci a zvyšuje náklady na léčbu. Pravidelná změna polohy je v prevenci dekubitů zásadní. Senzory internetu věcí (IoT) umožňují sledovat polohu pacienta v reálném čase a usnadňují ošetřujícímu týmu cílené zásahy. Cílem tohoto sdělení je ukázat analýzu dat získaných z monitorovacích senzorů při nepřetržitém sledování pacientů na JIP. 

Cíle

Analyzovat reporty generované monitorovacím systémem, které podrobně popisují četnost polohování i to, jak dlouho a v jaké poloze pacient setrval, a najít tak prostor pro zlepšení prevence dekubitů. Záměrem je vyhodnotit využití senzorů monitorování polohy u kriticky nemocných pacientů na JIP a posoudit jejich dopad na prevenci dekubitů. Studie rovněž zkoumá dobu setrvání pacientů v jednotlivých polohách s cílem optimalizovat hospodaření s nemocničními zdroji.

Metodika

Byla provedena průřezová retrospektivní studie na vzorku 10 pacientů přijatých na JIP terciární nemocnice v období od 31. 1. 2023 do 17. 3. 2023, celkem 45 dní. Účastníci byli sledováni senzory monitorování polohy, které zachycovaly změny polohy, pohybu a úhlů náklonu a identifikovaly období nehybnosti i provedené polohování. Předem vyškolený zdravotnický tým využíval data ze senzorů k cíleným zásahům při polohování pacientů podle potřeby. Analýzu schválila etická komise instituce.

Výsledky

Automatizovaný záznam

Použití monitorovacích senzorů umožnilo automatizovaný záznam polohy pacientů: zachycovalo dobu a četnost setrvání v poloze na zádech, na pravém boku a na levém boku. Na příkladu jednoho pacienta bylo v období od 31. ledna do 27. února 2023 zaznamenáno celkem 27 dní, 7 hodin a 7 minut monitorování bez pozastavených upozornění. Rozhraní systému fungovalo po celou dobu monitorování, zobrazovalo data v reálném čase bez přerušení a poskytovalo ošetřujícímu týmu ucelený a nepřetržitý přehled o stavu pacientů.

Celkový čas v jednotlivých polohách

Podle následujícího grafu byla nejčastější polohou poloha na zádech s celkovým časem 12 dní, 10 hodin a 39 minut. Polohy na levém a pravém boku byly rozloženy rovnoměrně: 7 dní, 5 hodin a 54 minut, respektive 7 dní, 8 hodin a 56 minut. To svědčí o správné praxi polohování, která je pro prevenci dekubitů zásadní.

Ošetřovatelský plán vs. monitorování

Srovnání předepsané doby setrvání v jednotlivých polohách s dobou skutečně naměřenou senzorem ukázalo, že poloha na zádech předepsaný čas překročila. Polohy na levém a pravém boku se naměřenými časy blížily předpisu, což svědčí o dobrém dodržování ošetřovatelského protokolu.

Zdravotnický tým hodnotil technologii kladně z hlediska přínosu pro motivaci, nasměrování a zapojení týmu.

Závěr

Studie ukazuje potenciál senzorů monitorování polohy pro analýzu polohy pacientů v reálném čase, což významně přispívá k prevenci dekubitů v prostředí kritické péče. Tyto senzory dodávají automatizovaná data o poloze pacientů přes internet a umožňují tak dynamičtější a individualizovanější přístup. To zvyšuje kvalitu péče a odpovídá doporučeným postupům: zdůrazňuje význam pravidelného a kontrolovaného polohování a podporuje kulturu péče zaměřenou na prevenci a bezpečnost pacienta. Zavedení této technologie na JIP je účinná a inovativní strategie — zvukovými a vizuálními upozorněními pomáhá týmům provádět včasné a individualizované zásahy, které dekubitům předejdou. Analýza dat umožňuje revidovat a zlepšovat protokoly polohování a je cenným nástrojem pro optimalizaci nemocničních zdrojů, zlepšení klinických výsledků, ověření dosaženého zlepšení procesů i hledání příležitostí pro cílené akční plány. Přijetí takových technologických řešení odráží širší trend ve zdravotnictví: propojovat inovace se zvládáním složitých klinických výzev a budovat bezpečnější, efektivnější a kvalitnější prostředí péče zaměřené na pacienta.

Autoři

Bruno Shoiti Ullrich Rondem, Camila Rinco Alves Maia, Elaine Cristina Ferreira Ianni, Jessica Sayuri Kojima a Sirlene Maria de Melo