Sistema de Alarmas Inteligentes CruzFusion

Traducción realizada sobre el documento: CrozFusion Clinical Information Leaflet 20200702

Enfrentando los peligros de las alarmas

El impacto de los peligros de alarma

El propósito de las alarmas clínicas en medicina dispositivos es mejorar la seguridad del paciente. Al alertar a los cuidadores sobre los cambios en la condición de un paciente, las alarmas resaltan que la acción puede ser necesarias para evitar el deterioro del paciente.

Por diseño, las alarmas son muy sensibles, por lo que los eventos importantes no se pierden. Sin embargo, esta alta sensibilidad puede causar muchas falsas alarmas, lo que a su vez conduce a la fatiga de alarmas en cuidadores.

Cuando las alarmas están configuradas correctamente y bien gestionadas, se reducen las falsas alarmas y se mejora la atención al paciente. Cuando las alarmas son mal administrado sucede lo contrario. Los cuidadores se sienten abrumados y desensibilizados por la cantidad de alarmas, que pueden dar lugar a alarmas perdidas y respuestas retrasadas. Las alarmas que se ignoran pueden y han resultado en la muerte de pacientes [1].

En 2012, el Instituto ECRI enumeró los peligros de alarma como el peligro de tecnología de salud número 1 [2].Todavía en 2020, sobrecarga cognitiva por alarmas
permanece entre los 10 principales peligros tecnológicos para la salud según ECRI [3].

Entre 2005 y 2010, al menos 216 muertes en los Estados Unidos estaban vinculados a
alarmas no escuchadas o disfuncionales [4]. También, entre el 49 % y el 96 % de las alarmas clínicas se activan anulado [5]. Fatiga de alarma provocada por demasiado
muchas alarmas que son irrelevantes, no graves, o repetido es una de las principales razones por qué los cuidadores los anulan. Otro probable contribuyente a la fatiga de alarma es la sobrecarga cognitiva, donde las alertas son complejas, repetidas y recibida sin los recursos necesarios para tratar con ellos [5].

Los 10 peligros principales votado como uno de los 10 mejores en salud Riesgos tecnológicos de 2020 por ECRI

942 alarmas cada día en una unidad típica de 15 camas

216 muertes ocurrido durante 2005 y 2010 en los EE. UU. relacionado con la fatiga de alarma, según la base de datos de la FDA

Falsa alarma innovadora

1. Datos de alta resolución:

La potente plataforma de hardware de Mindray proporciona a los cuidadores una monitorización avanzada parámetros de precisión refinada y datos de alta fidelidad.

Para un análisis de ECG de mayor precisión, Los monitores de pacientes de Mindray utilizan el mismo tecnología de adquisición y procesamiento de datos
utilizado en un carro de ECG independiente y especializado
dispositivos, proporcionando una tasa de muestreo más alta para
detección de ritmo, mayor resolución y una mayor
gama dinámica.

2. Análisis del algoritmo de fusión:

El ECG y la SpO₂ generalmente se miden de forma independiente en diferentes partes del cuerpo. Tejo se realizan interferencias, ruidos o ajustes, a menudo sucede en un área localizada y normalmente sólo afectan a la SpO₂ o al ECG.

La tecnología Mindray CrozFusionTM utiliza un algoritmo único para reconocer la señal fuerza de ECG y SpO₂, los clasifica en diferentes niveles de intensidad de la señal (SQI: Índice de calidad de la señal) y suprime falsos alarmas causadas por ruido de señal [6,7].

3. Toma de decisiones informada:

Con datos sin procesar de alta resolución y CrozFusion algoritmo, el monitor filtra una gran cantidad de falsas alarmas y ayuda a los cuidadores a concentrarse en la información más significativa. de mindray arritmia simultánea única de ECG de 4 derivaciones algoritmo de análisis, también ayuda a suprimir aún más las alarmas innecesarias [8].

Estos resultados se basan en una evaluación clínica multicéntrica de Mindray estudio en el que participaron más de 2800 pacientes, incluidos adultos, bebés y recién nacidos en entornos de CCU, PICU y NICU.

Soluciones más simples e inteligentes

Después de muchos años de investigación y más de 4300 pruebas clínicas, Mindray ha desarrollado con éxito CrozFusion, que es capaz de aumentar la inmunidad al ruido del análisis de arritmia de ECG por fusionando su decisión con las mediciones de saturación de oxígeno en sangre (SpO₂), por lo tanto, efectivamente supresión de falsas alarmas. De acuerdo con la relación de homólogos fisiológicos (ECG y SpO₂), el análisis exhaustivo de estas señales identifica las falsas alarmas y mejora el rendimiento.

Cuando se activa CrozFusion, la calidad de la señal Los indicadores de índice (SQI) para ECG y SpO₂ son se muestra en el monitor del paciente. Debajo están algunos escenarios de cómo funciona Crozfusion: [6,7].

Si ambos SQI para ECG y SpO₂ son altos, Crozfusion no intervendrá.
En el caso 1 a continuación, el ECG SQI es pobre y la frecuencia cardíaca (FC, tomada del ECG) parece ser mayor que la frecuencia del pulso (PR – tomado de SpO₂). Crozfusion identifica el falso HR, causado por el ruido de la señal, y combina la ECG con SpO₂ para contar la FC precisa. En este caso, el verdadero valor de recursos humanos en realidad viene de PR
En el caso 2 vemos lo contrario: la SpO₂ SQI es pobre y el PR es muy bajo. El algoritmo detecta la PR sospechosa, causada por movimiento del paciente y responde combinando la SpO₂ con el ECG para contar la PR. En esto caso, el verdadero valor PR en el monitor en realidad proviene de RRHH.

Menos falsas alarmas con

Precisión sin concesiones

Gracias al sofisticado CrozFusion de Mindray algoritmo, los monitores de pacientes de Mindray pueden reducir eficazmente las falsas alarmas y, al mismo tiempo, garantizar que no se pasen por alto las arritmias reales.

Por ejemplo, en los casos a continuación, tanto ECG formas de onda parecen que se produce una taquicardia ventricular. Echemos un vistazo a cómo Crozfusion se comporta:

Nota: En las siguientes situaciones, CrozFusion debe ser discapacitados: realizar terapia de CPR, CPB, ECMO y IABP.

En el caso 3, aunque la forma de onda del ECG no se correlaciona completamente con la forma de onda del pulso – solo cada segunda contracción ventricular prematura (PVC) se empareja con una onda de pulso (otras CVP marcadas con * dan como resultado pulsos indetectables), el ECG se identifica con buena calidad de la señal Después del análisis, Crozfusion activa una alarma de TV cuando la forma de onda del ECG ha sido validada como una señal confiable.
En el caso 4, el ECG se identifica con mala la calidad de la señal y los PVC no se pueden coincide con la forma de onda del pulso. Esta vez, CrozFusion reconoce el artefacto (ruido) por cotejar el ECG con la SpO₂ y evita la activación de una falsa alarma de TV

CrozFusion, la exclusiva solución de gestión de alarmas de Mindray, forma una parte central de BeneVision N Soluciones de monitoreo de series y ePM. Al reducir las falsas alarmas, CrozFusion está ayudando a reducir alarmar la fatiga, mejorar la eficiencia del personal y mejorar la seguridad del paciente

Referencias:

[1] Cvach, M., 2012. Monitor alarm fatigue: An integrative review. Biomedical Instrumentation and Technology, 46(4), pp.268–277.

[2] Biomedical Safety & Standards, 2012. ECRI’s Top 10 Health Technology Hazards for 2012. Biomedical Safety & Standards, 42(2), pp.9-10.

[3] ECRI, 2019. 2020 Top 10 Health Technology Hazards Executive Brief [Online]. ECRI Institute. Available at: https://www.ecri.org/Resources/Whitepapers_and_reports/Haz_19.pdf (Accessed: 4 September 2019) [4] Kowalczyk, L., 2011. Patient alarms often unheard, unheeded [Online]. The Boston Globe. Available at: http://archive.boston.com/lifestyle/health/articles/2011/02/13/patient_alarms_often_unheard_unheeded/ (Accessed: 4 September 2019).

[5] Ancker, J. et al., 2017. Effects of workload, work complexity, and repeated alerts on alert fatigue in a clinical decision support system. BMC Medical Informatics and Decision Making, 17(1), pp.1–9. [6] Sun, Z. et al., 2014. Reducing ECG alarm fatigue based on SQI analysis. Computing in Cardiology, 41, pp.345–348.

[7] Rajagopalan, C. et al., 2014. A machine learning approach to multi-level ECG signal quality classification. Computer Methods and Programs in Biomedicine, 117, pp.435–447.

[8] Su, J. et al., 2017. A four-lead real time arrhythmia analysis algorithm. Computing in Cardiology, 44, pp.1-4.