基于持续 AI 监控的床位和椅子暴露时间正态化下落率
计算机视觉与模式识别
2026-03-25 v1 人工智能
机器学习
摘要
本回顾性队列研究使用持续 AI 监控估计按暴露时间而非占用床天数计算的下落率。从 2024 年 8 月到 2025 年 12 月，3980 个合格监控单元贡献了 292,914 条每小时数据，产生了 17.8 falls/1000 chair exposure-hours 和 4.3/1000 bed exposure-hours 的概率加权下落率。在研究窗口内，43 例核实下的下落事件与监控管道匹配，40 例与合格暴露小时数相关，用于主要泊松模型，产生了 2.35 的调整椅子-床率比（95% 置信区间 0.87至6.33；p=0.0907）。在另一个更广泛的观察队列中（n=32 去重事件），6/7 直接椅子下落事件涉及脚靠位置失误。由于本为单一健康系统中的观察性研究，这些发现仍具有假设生成性，支持测试更安全的椅子设置而非减少使用椅子。
引用
@article{arxiv.2603.22785,
title = {Exposure-Normalized Bed and Chair Fall Rates via Continuous AI Monitoring},
author = {Paolo Gabriel and Peter Rehani and Zack Drumm and Tyler Troy and Tiffany Wyatt and Narinder Singh},
journal= {arXiv preprint arXiv:2603.22785},
year = {2026}
}
备注
23 pages, 6 figures