連続的なAI監視による、曝露（Exposure）で正規化したベッドおよび椅子の転倒率の推定
arXiv cs.CV / 2026/3/25
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 後ろ向きコホート研究において、従来の入院ベッド日数ではなく、曝露時間（例：椅子の曝露時間、ベッドの曝露時間）に基づいてベッドおよび椅子の転倒率を推定するため、連続的なAI監視を用いた。
- 2024年8月から2025年12月にかけて、データセット（監視ユニット3,980、時間別行292,914行）から、確率で重み付けした転倒率として、椅子の曝露時間1,000時間あたり17.8件、ベッドの曝露時間1,000時間あたり4.3件が得られた。
- 主なポアソンモデルでは、40件の判定済み転倒を対象となる曝露時間に関連づけ、調整後の「椅子対ベッド」の率比は2.35となったが、有意差は認められなかった（p=0.0907；信頼区間が広い）。
- 別のより広範な観察コホートは、安全性に関連しうるメカニズムを示唆した。すなわち、直接的な椅子転倒7件のうち6件が、フットレストの位置決め失敗に関連していた。
- 本研究は観察研究であり、かつ1つの医療システムに限定されているため、著者らはこれらの知見を仮説生成的なものとして扱い、椅子を全面的に避けるのではなく、より安全な椅子の設置（セットアップ）実践のさらなる検証を推奨している。
