रात्री एखादी व्यक्ती एकटी पडली तरी,
कर्मचाऱ्यांना एका मिनिटाच्या आत माहिती मिळेल.
ते रात्री कोसळले किंवा कॉरिडॉरमध्ये पडले तरी.
MoniCare पाठवते काही सेकंदांत अलर्ट उशिरा होणारा शोध टाळण्यासाठी, तर देखभाल नोंदी तुमच्या प्रतिसादाचे दस्तऐवजीकरण करण्याचा भार कमी करा.
रात्री एका काळजीवाहकावर 20 पेक्षा जास्त रहिवाशांची जबाबदारी असू शकते
रात्रपाळ्यांपैकी तब्बल 71% पाळ्या परिचारिकेशिवाय चालतात. काळजी सुविधांमध्ये पडलेले रहिवासी अनेक तास शोधले न जाता राहू शकतात.
नर्सशिवाय कार्यरत
रात्रपाळीतील एक काळजीवाहक
पडण्याची घटना कायदेशीर वादात बदलू शकते
प्राणघातक पडण्याच्या घटनांमध्ये न्यायालयांनी २० कोटी KRW पेक्षा जास्त नुकसानभरपाई दिली आहे. कर्मचारी त्वरित प्रतिसाद दिल्याचा वस्तुनिष्ठ पुरावा नसल्यास, दायित्वाचा संपूर्ण भार संस्थेवर येऊ शकतो.
दीर्घकालीन काळजी रुग्णालयांमध्ये पडल्यामुळे झालेल्या रुग्ण-सुरक्षा घटनांचे प्रमाण
2023 मध्ये वैद्यकीय संस्थांनी नोंदवलेली पडण्याची प्रकरणे
प्राणघातक घटनेतील संभाव्य नुकसान
सेन्सर आणि व्यक्तीद्वारे निरीक्षण केले जाणारे CCTV
दोन्ही महत्त्वाचे क्षण चुकवतात
प्रत्येक पारंपरिक पद्धतीत एक महत्त्वाची उणीव राहते. MoniCare ही उणीव भरून काढण्यासाठी AI वापरते.
रहिवासी नकार देऊ शकतात किंवा ते गमावू शकतात. ते पलंगावरून पडणे किंवा कॉरिडॉरमधून जाताना घडलेली घटना शोधू शकत नाहीत.
ते फक्त जिथे बसवले आहेत तिथेच शोध घेतात, त्यामुळे बाथरूम आणि कॉरिडॉर हे निरीक्षणाबाहेरील भाग राहतात.
घटना घडल्यानंतरच उपयुक्त. रात्रपाळीच्या पथकाकडे प्रत्येक स्क्रीनवर रिअल-टाइममध्ये लक्ष ठेवण्यासाठी पुरेसे कर्मचारी नसतात.
संपर्करहित AI चोवीस तास निरीक्षण करते, पडणे आढळताच कर्मचाऱ्यांना अलर्ट पाठवते आणि नोंद आपोआप तयार करते.
रात्री पडणे ओळखले — 02:30
तिसऱ्या मजल्यावरील खोली 302 मध्ये असामान्य हालचाल आढळते, त्या वेळी नियुक्त काळजीवाहक दुसऱ्या रहिवाशाची मदत करत असतो.
कॅमेरा शोध
खोल्या, मार्गिका आणि सामायिक भागांमध्ये 24/7 AI निरीक्षण
T+0 secAI विश्लेषण
आठ अल्गोरिदम आणि दुय्यम VLM पडताळणीसह पडण्याचे वर्गीकरण
T+3–5 सेकंदकर्मचाऱ्यांना सूचना
मोबाइल, PC, डिस्प्ले बोर्ड आणि LED वर एकाच वेळी वितरण
T+8 सेकंदांच्या आतस्थळावरील प्रतिसाद
कर्मचारी पोहोचतात आणि काळजी सुरू करतात; सूचना प्राप्तीची वेळ आपोआप नोंदवली जाते
T+1–3 मिनिटेस्वयंचलित नोंद
स्नॅपशॉट्स, VLM विश्लेषण आणि काळजीची कालरेषा आपोआप साठवा
आपोआप पूर्णमोबाइल अॅप
सुविधेतून फिरताना अलर्ट प्राप्त करा
PC वेब डॅशबोर्ड
नर्स स्टेशनवरील पॉप-अप आणि श्राव्य सूचना
डिस्प्ले बोर्ड
कॉरिडॉर आणि परिचारिका केंद्रात मोठ्या स्क्रीनवरील सूचना
LED निर्देशक
खोलीच्या प्रवेशद्वाराजवळील चमकणारा दिवा स्थान त्वरित ओळखण्यास मदत करतो
बेडमधून बाहेर पडणे आणि अस्थिर उभे राहण्याची स्थिती ओळखली
अस्थिर उभे राहणे शोधण्यासाठी AI सांगाड्याच्या निर्देशांकांचे विश्लेषण करते, त्याची रहिवाशाच्या वैयक्तिक जोखीम-आधाररेषेशी तुलना करते आणि जोखीम पातळी वाढल्याचे निर्धारित करते.
पडण्याची पुष्टी झाली आणि VLM विश्लेषण त्वरित सुरू झाले
प्राथमिक अल्गोरिदमने घटना शोधल्यानंतर, व्हिजन-लँग्वेज मॉडेल स्नॅपशॉटची पुन्हा तपासणी करते आणि पडण्याची शक्यता, तीव्रतेचे मूल्यांकन आणि शिफारस केलेली कृती तयार करते.
कर्मचाऱ्यांना एकाच वेळी चार माध्यमांद्वारे अलर्ट
नेमून दिलेल्या काळजीवाहकाचा फोन, परिचारिकांचे स्टेशन PC, मार्गिकेतील डिस्प्ले आणि LED निर्देशक एकाच वेळी सक्रिय होतात—शोध लागल्यापासून आठ सेकंदांच्या आत.
कर्मचारी येतात आणि काळजी घेण्यास सुरुवात करतात
आगमनाची आणि उपचार सुरू होण्याची वेळ आपोआप नोंदवली जाते, ज्यामुळे सूचना मिळाल्यापासून स्थळावरील प्रतिसादापर्यंतची कालरेषा पूर्ण होते.
काळजीची नोंद आणि प्रतिसादाचा पुरावा आपोआप तयार होतो
पडण्यापूर्वीचे आणि पडल्यानंतरचे स्नॅपशॉट, VLM विश्लेषण, अलर्ट इतिहास आणि काळजीविषयक नोंदी एका ऑडिट अहवालात एकत्रितपणे साठवल्या जातात.
उशिरा शोध — संभाव्यतः काही तासांनी
पुढील फेरीपर्यंत पडल्याचे लक्षात न येण्याची शक्यता असते, ज्यामुळे फ्रॅक्चर किंवा मेंदूतील रक्तस्रावाचा धोका वाढतो. घटनेच्या वेळेची कोणतीही नोंद नसल्याने, सुविधा प्रशासन आपल्या प्रतिसादाचे प्रदर्शन करू शकत नाही.
शोध → प्रतिसाद — 3 मिनिटांच्या आत
अलर्ट त्वरित पाठवला जातो, कर्मचारी तीन मिनिटांच्या आत पोहोचतात आणि प्रत्येक टप्प्याची टाइमस्टॅम्पसह स्वयंचलितपणे नोंद केली जाते.
MoniCare पूर्वी
फक्त रात्रीच्या फेऱ्यांदरम्यान आढळलेल्या पडण्याच्या घटना
दर 30 मिनिटांनी ते 1 तासाने होणाऱ्या फेऱ्यांदरम्यान पडलेली व्यक्ती पुढील फेरीपर्यंत आढळू शकत नाही
तोंडी आणि हस्तलिखित हस्तांतरणांवर अवलंबित्व
रात्रीच्या घटना हस्तांतरणादरम्यान वगळल्या जाऊ शकतात किंवा आठवणीवरून नोंदवल्या जाऊ शकतात
घटनेनंतर हाताने लिहिलेल्या काळजी नोंदी
स्मरणशक्तीवरून पुन्हा तयार केलेल्या नोंदींमध्ये वेळा आणि तपशील विसंगत असू शकतात, ज्यामुळे प्रतिसादाचा पुरावा कमकुवत होतो
वादाच्या परिस्थितीत कोणताही वस्तुनिष्ठ पुरावा नाही
त्वरित कारवाईचा वस्तुनिष्ठ पुरावा नसल्यास, सुविधेवर कायदेशीर जबाबदारी येऊ शकते
MoniCare सह
सतत 24/7 AI निरीक्षण
कॅमेरा सुरू असताना AI प्रत्येक वेळी विश्लेषण करते; फेऱ्यांदरम्यान रात्री कोणतेही अंतर राहत नाही
स्वयंचलित अलर्ट + थेट घटना नोंद
अलर्ट पाठवणे, प्राप्ती आणि पुष्टीकरण सेकंद-स्तरीय टाइमस्टॅम्पसह आपोआप संग्रहित केले जाते
स्वयंचलित काळजी नोंदी
शोध, सूचना, प्रतिसाद आणि काळजी हे सर्व एकाच नोंदीत आपोआप जोडले जातात
त्वरित प्रतिसाद-पुरावा पॅकेज
स्नॅपशॉट्स, VLM विश्लेषण, घटनाक्रम आणि केअर रेकॉर्ड एकाच अहवालात एक्सपोर्ट करा
एकत्रित रहिवासी प्रोफाइल
खोली 302, 3रा मजला · 3 जोडलेले कॅमेरे
स्नॅपशॉट्स
घटनेपूर्वी आणि घटनेनंतरच्या प्रतिमांची मालिका
VLM विश्लेषण
तीव्रता आणि शिफारस केलेल्या कृतीसाठी पुरावा
कालरेषा
सेकंदापर्यंत नोंदवलेल्या घटना
MoniCare नगरपालिका तपासण्या, कौटुंबिक वाद आणि कायदेशीर कार्यवाहीसाठी सामग्री आपोआप पॅकेज करते. स्नॅपशॉट प्रतिमा, VLM विश्लेषण, सेकंदानुसार टाइमलाइन आणि काळजीच्या नोंदी एका PDF मध्ये निर्यात केल्या जातात.
दुहेरी पडताळणीसह शोध अचूकता
प्राथमिक AI अल्गोरिदम आणि दुय्यम VLM तपासणीद्वारे समर्थित स्थळ-विशिष्ट अचूकतेची उद्दिष्टे
संयुक्त शोध अल्गोरिदम
खोटे सकारात्मक परिणाम कमी करण्यासाठी स्थिती, कालानुक्रमिक माहिती, पलंगावरील उपस्थिती आणि वैयक्तिक आधाररेषांचे एकत्रित विश्लेषण करा
वैयक्तिक रहिवाशांचा मागोवा
कॅमेऱ्यांमधून त्याच व्यक्तीला ओळखा आणि मार्गिका व इतर खोल्यांमधील जोखमीचा मागोवा घ्या
बाहेर पाठवलेला डेटा
डिव्हाइसवरील AI वैयक्तिक माहिती बाह्य सर्व्हरवर पाठवली जाण्यापासून रोखते
स्थळ सल्लामसलत
मांडणी, कॅमेऱ्यांची ठिकाणे आणि अंमलबजावणीची व्याप्ती यांचे मूल्यांकन करा
२–५ दिवसकॅमेरा बसवणे
विद्यमान CCTV जोडा किंवा नवीन कॅमेरे बसवा
1–2 आठवडेAI सेटअप आणि कॅलिब्रेशन
साइटसाठी वैयक्तिक मूलभूत मापदंड आणि अलर्ट मर्यादा अनुकूलित करा
1–2 आठवडेकर्मचारी प्रशिक्षण
डॅशबोर्ड आणि अलर्टला प्रतिसाद देण्याच्या प्रक्रियेबाबत कर्मचाऱ्यांना प्रशिक्षण द्या
२–३ दिवसऑपरेशन्स आणि देखभाल
नियमित अद्यतने, दूरस्थ सहाय्य आणि पुनर्प्रशिक्षण
सुरू आहेMoniCare दीर्घकालीन काळजी रुग्णालये, नर्सिंग होम्स, पुनर्वसन केंद्रे, दिवस आणि रात्र काळजी केंद्रे तसेच नगरपालिका सुविधांमध्ये तैनात केले गेले आहे. ऑन-प्रिमायसेस आणि क्लाउड, दोन्ही प्रकारच्या तैनातींना समर्थन आहे, त्यामुळे प्रत्येक सुविधा आपल्या सुरक्षा धोरणाला आणि नेटवर्क वातावरणाला अनुरूप असे मॉडेल निवडू शकते.
कॅमेरा रिझोल्यूशन, कोन आणि स्थान यांचा साइटवर आढावा घेतल्यानंतर, कोणते कॅमेरे समाकलित करता येतील याची आम्ही खात्री करतो.
एकत्रीकरण शक्य नसलेल्या ठिकाणीच नवीन कॅमेऱ्यांची शिफारस करतो.
खोट्या अलर्टचे प्रमाण कमी करण्यासाठी दुहेरी पडताळणी प्रक्रियेत प्राथमिक AI शोध आणि दुय्यम व्हिजन-लँग्वेज मॉडेल तपासणी एकत्र केली जाते.
MoniCare प्रत्येक रहिवाशासाठी वैयक्तिक मूलभूत पॅटर्नही शिकते आणि नेहमीच्या पॅटर्नपासून वेगळ्या हालचालींनाच प्रतिसाद देते.
अंमलबजावणीदरम्यान, आम्ही सुविधेच्या कार्यपद्धतीनुसार अलर्टची मर्यादा समायोजित करतो.
मूळ व्हिडिओ कधीही बाह्य क्लाउड सर्व्हरवर पाठवला जात नाही.
स्नॅपशॉट आणि नोंदवलेला डेटा सुविधेच्या आतच राहतो; viewer, nurse, admin आणि super भूमिकांसाठी भूमिका-आधारित प्रवेश स्वतंत्र ठेवला जातो.
नियुक्त काळजीवाहकांना फक्त मोबाइल अलर्ट मिळाल्यावर त्यावर टॅप करून पुष्टी करायची असते.
PC वेब डॅशबोर्ड स्वतंत्र इंस्टॉलेशनशिवाय ब्राउझरमध्ये चालतो.
प्रशिक्षण साहित्य आणि स्थळावरील मार्गदर्शिका शिफ्ट-आधारित कामकाज लक्षात घेऊन तयार केल्या आहेत.
पुनर्वसन केंद्रांमध्ये चालण्याची असुरक्षित स्थिती तसेच दिवस आणि रात्र काळजी केंद्रांमध्ये भरकटणे किंवा जिन्यांपर्यंत पोहोचण्याचा धोका ओळखता येतो.
शोध श्रेणी प्रत्येक संस्थेच्या प्रकारानुसार अनुकूलित केल्या जातात.
MoniCare च्या काळजी नोंदी सुरुवातीपासूनच ऑडिट आणि प्रतिसादाच्या दस्तऐवजीकरणासाठी तयार केल्या आहेत.
संपादन आणि रद्दीकरणांचा अपरिवर्तनीय ऑडिट ट्रेल, सेकंद-स्तरीय टाइमस्टॅम्प, स्नॅपशॉट क्रम आणि VLM पुरावे एकाच प्रतिसाद-पुरावा पॅकेजच्या रूपात एकत्रितपणे निर्यात करता येतात.
महानगरपालिका तपासणीच्या आवश्यकतांनुसार तयार केलेल्या अहवालाच्या स्वरूपांनाही समर्थन दिले जाते.
तुमच्या सुविधेला सर्वाधिक अनुरूप अशी सुरक्षा प्रणाली तयार करा.
हे उत्पादन वैद्यकीय उपकरण नाही आणि वैद्यकीय निदान किंवा प्रिस्क्रिप्शनची जागा घेत नाही. वातावरण आणि स्थापनेच्या परिस्थितीनुसार पडणे ओळखण्याची अचूकता बदलू शकते. आकडेवारी आणि आकडेवारीतील मोजमापे पुरवलेल्या दस्तऐवजीकरणातील स्रोत-श्रेय मानकांनुसार आहेत.
