Abstract:
|
[CA] En les darreres dècades, el nombre de persones majors ha crescut significativament a la nostra societat, fet que ha incrementat la demanda de serveis geriàtrics i d'atenció especialitzada. Amb l'envelliment, les ...[+]
[CA] En les darreres dècades, el nombre de persones majors ha crescut significativament a la nostra societat, fet que ha incrementat la demanda de serveis geriàtrics i d'atenció especialitzada. Amb l'envelliment, les persones són més susceptibles a patir problemes de salut, caigudes i altres incidents que poden posar en risc la seua vida. Aquestes situacions moltes voltes no es detecten a temps, sobretot durant la nit o quan hi ha menys personal disponible als centres geriàtrics, fet que augmenta el risc de complicacions greus o fins i tot de mort. Per resoldre aquesta problemàtica, es proposa el desenvolupament d'un sistema pràctic, econòmic i aplicable a qualsevol tipus de geriàtric, que permeta la detecció immediata de situacions de risc per als pacients. La solució plantejada consisteix en la instal·lació d'un sistema de sensors basat en Arduino i l entrenament d alguns d ells mitjançant Machine Learning per a diferenciar patrons que puguen suposar algún risc per al pacient. Aquest conjunt de sensors es connectarà a un programa central destinat al personal sanitari, que comptarà amb una interfície gràfica fàcil d'utilitzar. El programa permetrà visualitzar l'estat de totes les habitacions del geriàtric en temps real, alertant el personal de manera immediata si es detecta alguna anomalia, i facilitant així una resposta ràpida i eficient davant de qualsevol situació de risc.
[-]
[EN] In recent decades, the number of elderly people in our society has significantly increased, which
has led to a growing demand for geriatric services and specialized care. As people age, they
become more susceptible ...[+]
[EN] In recent decades, the number of elderly people in our society has significantly increased, which
has led to a growing demand for geriatric services and specialized care. As people age, they
become more susceptible to health issues, falls, and other incidents that may endanger their lives.
These situations often go undetected, especially at night or when there is less staff available in
nursing homes, increasing the risk of severe complications or even death.
To address this issue, we propose the development of a practical, cost-effective system applicable
to any type of nursing home, capable of enabling the immediate detection of risk situations for
patients. The proposed solution involves the installation of a sensor system based on Arduino
and the training of some of these sensors using Machine Learning to distinguish patterns that
might indicate potential risks for the patient.
This set of sensors will be connected to a central program designed for healthcare personnel,
featuring an easy-to-use graphical interface. The program will allow real-time visualization of
the status of all rooms in the nursing home, immediately alerting staff if an anomaly is detected,
thus enabling a quick and efficient response to any risky situation.
[-]
|