Ubieralne czujniki poprawiają monitorowanie pacjentów wymagających szczególnej opieki
Nieodpowiednie monitorowanie pacjentów wymagających szczególnej opieki może uniemożliwiać odpowiednio wczesne podjęcie interwencji i prowadzić do zgonów, których można było uniknąć. Aby rozwiązać ten problem, pacjenci są coraz częściej angażowani we własną opiekę zdrowotną, w tym w monitorowanie własnych parametrów życiowych. Zespół finansowanego przez UE projektu NIGHTINGALE(odnośnik otworzy się w nowym oknie) opracował inteligentny, bezprzewodowy system monitorowania pacjentów, który rozpoznaje sygnały wskazujące na pogarszający się stan zdrowia. Rozwiązanie umożliwia zdalną obserwację pacjentów, zarówno na oddziałach szpitalnych, jak i po wypisie do domu. Konsorcjum projektu NIGHTINGALE, w którego skład weszli partnerzy z sektora medycznego i przemysłowego, opracowało i przetestowało system zwany Checkpoint Cardio, który rejestruje kompletny zestaw parametrów życiowych, na przykład tych mierzonych przez pielęgniarki na oddziale szpitalnym, oraz zapewnia łatwą metodę komunikacji pomiędzy opiekunem a pacjentem. „Wyniki naszych badań wskazują, że ubieralne bezprzewodowe rozwiązanie do monitorowania może wykrywać pogarszający się stan zdrowia pacjenta już na wczesnym etapie”, mówi Cor Kalkman(odnośnik otworzy się w nowym oknie), profesor emeritus w dziedzinie anestezjologii z Uniwersyteckiego Centrum Medycznego w Utrechcie(odnośnik otworzy się w nowym oknie).
Rozwój systemu z pomocą partnerów przemysłowych
W ramach unijnej strategii zamówień przedkomercyjnych(odnośnik otworzy się w nowym oknie) zespół NIGHTINGALE zwrócił się do przedstawicieli przemysłu z prośbą o opracowanie nowej technologii ubieralnej, która mogłaby pomóc w monitorowaniu pacjentów wymagających szczególnej opieki. Spośród 125 firm, które podjęły się tego zadania, twórcy projektu wybrali cztery prototypy, a następnie przetestowali system, który uznali za gotowy do wykorzystania, u hospitalizowanych pacjentów wysokiego ryzyka poddanych zabiegom chirurgicznym. Nowo opracowany system Checkpoint Cardio to zestaw bezprzewodowych ubieralnych czujników, które precyzyjnie mierzą tętno, EKG(odnośnik otworzy się w nowym oknie) (rejestrujące elektryczną czynność mięśnia sercowego), częstotliwość oddechów i temperaturę ciała. Algorytmy przetwarzają ogromne ilości danych zebranych za pomocą czujników, aby rozpoznawać wzorce i sygnały ostrzegawcze przed powiadomieniem personelu medycznego.
Lekcje wyciągnięte ze szpitalnych badań klinicznych
Większą część zespołu NIGHTINGALE tworzą pielęgniarki i pracownicy medyczni, którzy w trakcie pandemii musieli brać dodatkowe zmiany na oddziałach intensywnej terapii. „Pomimo opóźnień wywołanych pandemią COVID-19 udało nam się ukończyć badanie kliniczne systemu Checkpoint Cardio w pięciu szpitalach w Europie”, dodaje Kalkman, koordynator projektu NIGHTINGALE. Zespół przeprowadził testy systemu z udziałem 25 pacjentów wysokiego ryzyka z każdego z pięciu szpitali. Następnie porównał go ze zwykłymi rozwiązaniami do monitorowania w szpitalach, potwierdzając, że ten pierwszy znacznie lepiej rozpoznaje wzorce dotyczące parametrów życiowych i dokonuje oceny pogarszającego się stanu zdrowia. Zespół nie tylko uzyskał obiecujące wyniki, ale także ustalił, że tego rodzaju system nie może być wdrożony w środowisku klinicznym bez zmiany organizacji pracy pielęgniarek na oddziałach.
Ambicje związane z większym projektem wywołane pandemią
Pandemia COVID-19 uświadomiła zespołowi, że system ten może umożliwić wcześniejszy wypis ze szpitala także pacjentów z innych oddziałów, którzy byliby dalej monitorowani zdalnie. Pozwoliłoby to odciążyć oddziały szpitalne, w tym oddziały intensywnej terapii, szczególnie, że wiele szpitali w Europie w ciągu ostatnich kilku lat znalazło się pod podobną presją. Zespół projektu NIGHTINGALE aktywnie bada możliwości realizacji większego projektu, obejmującego większą liczbę szpitali europejskich. „Wdrożymy te nowatorskie systemy w praktyce klinicznej, przeprowadzając między innymi wstępne testy wbudowanych systemów wspomagania decyzji klinicznych oraz dostarczając dużą ilość danych klinicznych potrzebnych do stworzenia systemów samouczących się”, wyjaśnia Kalkman.
