Bahkan jika seseorang jatuh sendirian di malam hari,
staf akan mengetahuinya dalam waktu kurang dari satu menit.
Baik mereka jatuh pada malam hari maupun di lorong.
MoniCare mengirimkan peringatan dalam hitungan detik untuk menghilangkan keterlambatan penemuan, sementara catatan perawatan mengurangi beban dalam mendokumentasikan respons Anda.
Pada malam hari, satu caregiver mungkin bertanggung jawab atas lebih dari 20 penghuni
Hingga 71% shift malam beroperasi tanpa perawat. Di berbagai fasilitas perawatan, penghuni yang jatuh dapat tidak ditemukan selama berjam-jam.
beroperasi tanpa perawat
satu pengasuh malam
Insiden jatuh dapat menjadi sengketa hukum
Pengadilan telah memberikan ganti rugi lebih dari KRW 200 juta dalam kasus jatuh yang menyebabkan kematian. Tanpa bukti objektif bahwa staf segera merespons, fasilitas dapat menanggung seluruh beban tanggung jawab hukum.
Proporsi insiden keselamatan pasien yang disebabkan oleh jatuh di rumah sakit perawatan jangka panjang
Jatuh yang dilaporkan oleh institusi medis pada tahun 2023
Potensi kerugian dalam insiden fatal
Sensor dan CCTV yang dipantau secara manual
keduanya melewatkan momen-momen penting
Setiap pendekatan konvensional menyisakan celah kritis. MoniCare menggunakan AI untuk menutup celah tersebut.
Penghuni mungkin menolak atau kehilangan perangkat tersebut. Perangkat tersebut tidak dapat mendeteksi jatuh dari tempat tidur atau insiden saat seseorang bergerak melewati lorong.
Perangkat hanya mendeteksi di lokasi pemasangan, sehingga kamar mandi dan lorong menjadi area yang tidak terpantau.
Hanya berguna setelah kejadian. Tim malam tidak memiliki cukup staf untuk memantau setiap layar secara real time.
AI tanpa kontak memantau sepanjang waktu, memperingatkan staf segera setelah mendeteksi jatuh, dan membuat catatan secara otomatis.
Jatuh pada malam hari terdeteksi — 02:30
Gerakan tidak biasa terdeteksi di Ruang 302 di lantai tiga saat caregiver yang ditugaskan sedang membantu penghuni lain.
Deteksi kamera
Pemantauan AI 24/7 di seluruh kamar, lorong, dan area umum
T+0 detikAnalisis AI
Klasifikasi jatuh dengan delapan algoritme dan verifikasi VLM sekunder
T+3–5 detikPemberitahuan kepada staf
Pengiriman secara bersamaan ke perangkat seluler, PC, papan tampilan, dan LED
Dalam T+8 detikRespons di lokasi
Staf tiba dan mulai memberikan perawatan; waktu penerimaan notifikasi dicatat secara otomatis
T+1–3 mntPencatatan otomatis
Menyimpan snapshot, analisis VLM, dan linimasa perawatan secara otomatis
Diselesaikan secara otomatisAplikasi seluler
Terima peringatan saat bergerak di dalam fasilitas
Dasbor web PC
Pop-up di pos perawat dan peringatan suara
Papan tampilan
Peringatan di layar besar di lorong dan pos perawat
Indikator LED
Lampu berkedip di pintu masuk ruangan langsung mengidentifikasi lokasinya
Keluar dari tempat tidur dan postur berdiri yang tidak stabil terdeteksi
AI menganalisis koordinat kerangka tubuh untuk mendeteksi posisi berdiri yang tidak stabil, membandingkannya dengan tolok ukur risiko pribadi penghuni, dan menentukan bahwa tingkat risikonya meningkat.
Jatuh terkonfirmasi dan analisis VLM segera dimulai
Setelah algoritme utama mendeteksi kejadian, model vision-language memeriksa ulang snapshot dan menghasilkan probabilitas jatuh, penilaian tingkat keparahan, serta tindakan yang direkomendasikan.
Staf diberi peringatan melalui empat saluran sekaligus
Ponsel pengasuh yang ditugaskan, PC ruang perawat, layar lorong, dan indikator LED aktif secara bersamaan—dalam waktu delapan detik setelah terdeteksi.
Staf tiba dan mulai memberikan perawatan
Waktu kedatangan dan dimulainya perawatan dicatat secara otomatis, sehingga melengkapi linimasa mulai dari penerimaan peringatan hingga respons di lokasi.
Catatan perawatan dan bukti respons dibuat secara otomatis
Snapshot sebelum dan sesudah kejadian, analisis VLM, riwayat peringatan, dan catatan perawatan disimpan bersama dalam satu laporan audit.
Penemuan tertunda — berpotensi hingga berjam-jam
Jatuh tersebut mungkin tidak diketahui hingga pemeriksaan berikutnya, sehingga meningkatkan risiko patah tulang atau pendarahan otak. Tanpa catatan sejak waktu insiden, fasilitas tidak dapat membuktikan responsnya.
Deteksi → Respons — dalam 3 menit
Peringatan segera dikirim, staf tiba dalam waktu tiga menit, dan setiap langkah diberi stempel waktu secara otomatis.
Sebelum MoniCare
Jatuh terdeteksi hanya selama pemeriksaan malam
Jatuh yang terjadi selama pemeriksaan setiap 30 menit hingga 1 jam tidak dapat ditemukan sampai pemeriksaan berikutnya
Ketergantungan pada serah terima secara lisan dan tulisan tangan
Kejadian pada malam hari dapat terlewat saat serah terima atau didokumentasikan berdasarkan ingatan
Catatan perawatan yang ditulis secara manual setelah kejadian
Catatan yang direkonstruksi dari ingatan dapat berisi waktu dan detail yang tidak konsisten, sehingga melemahkan bukti respons
Tidak ada bukti objektif dalam suatu sengketa
Tanpa bukti objektif atas tindakan segera, fasilitas dapat menanggung tanggung jawab hukum
Dengan MoniCare
Pemantauan AI berkelanjutan 24/7
AI menganalisis setiap kali kamera menyala, tanpa jeda semalaman di antara putaran pemeriksaan
Peringatan otomatis + log kejadian langsung
Pengiriman, penerimaan, dan konfirmasi peringatan disimpan secara otomatis dengan stempel waktu hingga hitungan detik
Catatan perawatan otomatis
Deteksi, peringatan, respons, dan perawatan secara otomatis ditautkan dalam satu catatan
Paket bukti respons instan
Ekspor cuplikan, analisis VLM, linimasa peristiwa, dan catatan perawatan dalam satu laporan
Profil penghuni terpadu
Kamar 302, Lantai 3 · 3 kamera terhubung
Cuplikan
Urutan gambar sebelum dan sesudah insiden
Analisis VLM
Bukti tingkat keparahan dan tindakan yang direkomendasikan
Linimasa
Peristiwa yang tercatat hingga tingkat detik
MoniCare secara otomatis mengemas materi untuk inspeksi pemerintah daerah, sengketa keluarga, dan proses hukum. Gambar snapshot, analisis VLM, linimasa per detik, dan catatan perawatan diekspor dalam satu PDF.
Akurasi deteksi dengan verifikasi ganda
Target akurasi spesifik lokasi yang didukung oleh algoritme AI utama dan pemeriksaan VLM sekunder
Algoritme deteksi gabungan
Analisis postur, rangkaian waktu, keterisian tempat tidur, dan pola dasar individu secara bersamaan untuk mengurangi positif palsu
Pelacakan penghuni secara individual
Kenali orang yang sama di berbagai kamera dan lacak risiko melalui lorong serta ruangan lain
Data dikirim ke luar
AI pada perangkat memastikan informasi pribadi tidak dikirim ke server eksternal
Konsultasi lokasi
Menilai tata letak, posisi kamera, dan cakupan penerapan
2–5 hariPemasangan kamera
Hubungkan CCTV yang ada atau pasang kamera baru
1–2 mingguPenyiapan dan kalibrasi AI
Mengoptimalkan baseline personal dan ambang batas peringatan untuk lokasi
1–2 mingguPelatihan staf
Melatih staf menggunakan dasbor dan prosedur respons terhadap peringatan
2–3 hariOperasional dan pemeliharaan
Pembaruan rutin, dukungan jarak jauh, dan pelatihan ulang
BerlangsungMoniCare telah diterapkan di rumah sakit perawatan jangka panjang, panti jompo, pusat rehabilitasi, pusat perawatan siang dan malam, serta fasilitas pemerintah daerah. Deployment lokal dan cloud didukung, sehingga setiap fasilitas dapat memilih model yang sesuai dengan kebijakan keamanan dan lingkungan jaringannya.
Setelah meninjau resolusi, sudut, dan penempatan kamera di lokasi, kami mengonfirmasi kamera mana yang dapat diintegrasikan.
Kami merekomendasikan kamera baru hanya jika integrasi tidak memungkinkan.
Proses verifikasi ganda menggabungkan deteksi AI utama dengan pemeriksaan sekunder oleh model vision-language untuk meminimalkan peringatan palsu.
MoniCare juga mempelajari pola dasar pribadi setiap penghuni dan hanya merespons gerakan yang menyimpang dari kebiasaan tersebut.
Selama penerapan, kami menyesuaikan ambang peringatan dengan kondisi operasional fasilitas.
Video asli tidak pernah dikirim ke server cloud eksternal.
Snapshot dan data rekaman tetap berada di dalam fasilitas, dengan akses berbasis peran yang dipisahkan untuk peran viewer, perawat, admin, dan super.
Caregiver yang ditugaskan hanya perlu menerima peringatan seluler dan mengetuk untuk mengonfirmasinya.
Dasbor web PC berjalan di browser tanpa instalasi terpisah.
Materi pelatihan dan manual di lokasi dirancang berdasarkan pekerjaan berbasis shift.
Sistem ini dapat mengidentifikasi postur berjalan yang tidak aman di pusat rehabilitasi serta risiko berkeliaran atau mengakses tangga di pusat perawatan siang dan malam.
Kategori deteksi disesuaikan dengan jenis setiap fasilitas.
Catatan perawatan MoniCare dirancang sejak awal untuk dokumentasi audit dan respons.
Jejak audit yang tidak dapat diubah atas pengeditan dan pembatalan, stempel waktu hingga detik, urutan snapshot, dan bukti VLM dapat diekspor bersama sebagai satu paket bukti respons.
Format laporan yang disesuaikan dengan persyaratan inspeksi pemerintah daerah juga didukung.
Bangun sistem keselamatan yang paling sesuai dengan fasilitas Anda.
Produk ini bukan perangkat medis dan tidak menggantikan diagnosis atau resep medis. Akurasi deteksi jatuh dapat bervariasi tergantung lingkungan dan kondisi pemasangan. Statistik dan angka mengikuti standar atribusi sumber dalam dokumentasi yang disediakan.