谵妄患者急性老年病房中基于红外与三维雷达的离床监测系统接受度：技术比较及三年纵向追踪

《Sensors》：Long-Term Staff Acceptance of an AI-Supported Radar-Based Bed-Exit Surveillance System After Clinical Implementation

　　

摘要

背景： 非接触式离床监测可能有助于跌倒预防，但目前关于医护人员在技术实施后长期接受程度的了解仍然有限。本研究比较了工作人员对两种人工智能支持的离床监测技术——基于红外摄像头的系统（Cogvis）和基于三维雷达的系统（QUMEA）——在技术选择阶段的接受度，并评估了所选QUMEA系统在三年的常规临床使用中的接受度。方法： 于2021年、2022年和2024年在专治谵妄患者的急性老年病房进行重复横断面问卷调查，共回收52份问卷。14项常见接受度条目采用四级量表评分并进行二分类处理。配对检验用于比较2021年Cogvis与QUMEA的表现，混合效应Logistic回归用于评估QUMEA接受度随时间的变化。结果： 2021年，QUMEA在几乎所有条目上的正面评价均高于Cogvis。QUMEA获得正面反馈的调整后概率在2021年为95.4%，2022年为73.6%，2024年为86.4%（总体p = 0.003）。2024年的接受度仍低于2021年（p = 0.021）。结论： 工作人员接受度始终保持在较高水平，但在技术选择后有所下降，且仅部分恢复到原有水平。长期使用中发现的挑战主要集中在误报和感知负担方面，凸显了技术性能和流程适配的重要性。