KR20210136056A - 요실금 관리를 위한 사물 인터넷(iot) 솔루션 - Google Patents

요실금 관리를 위한 사물 인터넷(iot) 솔루션 Download PDF

Info

Publication number
KR20210136056A
KR20210136056A KR1020217031710A KR20217031710A KR20210136056A KR 20210136056 A KR20210136056 A KR 20210136056A KR 1020217031710 A KR1020217031710 A KR 1020217031710A KR 20217031710 A KR20217031710 A KR 20217031710A KR 20210136056 A KR20210136056 A KR 20210136056A
Authority
KR
South Korea
Prior art keywords
energy level
sensor
data
determining
subject
Prior art date
Application number
KR1020217031710A
Other languages
English (en)
Inventor
그레고리 딘
바실레이오스 나시스
Original Assignee
드리크 헬스 인크.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 드리크 헬스 인크. filed Critical 드리크 헬스 인크.
Publication of KR20210136056A publication Critical patent/KR20210136056A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F13/00—Bandages or dressings; Absorbent pads
    • A61F13/15—Absorbent pads, e.g. sanitary towels, swabs or tampons for external or internal application to the body; Supporting or fastening means therefor; Tampon applicators
    • A61F13/42—Absorbent pads, e.g. sanitary towels, swabs or tampons for external or internal application to the body; Supporting or fastening means therefor; Tampon applicators with wetness indicator or alarm
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
    • A61B5/202—Assessing bladder functions, e.g. incontinence assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6808—Diapers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F13/00—Bandages or dressings; Absorbent pads
    • A61F13/15—Absorbent pads, e.g. sanitary towels, swabs or tampons for external or internal application to the body; Supporting or fastening means therefor; Tampon applicators
    • A61F13/44—Absorbent pads, e.g. sanitary towels, swabs or tampons for external or internal application to the body; Supporting or fastening means therefor; Tampon applicators with radio-opaque material or signalling means for residual material
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F13/00—Bandages or dressings; Absorbent pads
    • A61F13/15—Absorbent pads, e.g. sanitary towels, swabs or tampons for external or internal application to the body; Supporting or fastening means therefor; Tampon applicators
    • A61F13/84—Accessories, not otherwise provided for, for absorbent pads
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
    • A61B5/207—Sensing devices adapted to collect urine
    • A61B5/208—Sensing devices adapted to collect urine adapted to determine urine quantity, e.g. flow, volume
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F13/00—Bandages or dressings; Absorbent pads
    • A61F13/15—Absorbent pads, e.g. sanitary towels, swabs or tampons for external or internal application to the body; Supporting or fastening means therefor; Tampon applicators
    • A61F13/42—Absorbent pads, e.g. sanitary towels, swabs or tampons for external or internal application to the body; Supporting or fastening means therefor; Tampon applicators with wetness indicator or alarm
    • A61F2013/424—Absorbent pads, e.g. sanitary towels, swabs or tampons for external or internal application to the body; Supporting or fastening means therefor; Tampon applicators with wetness indicator or alarm having an electronic device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F13/00—Bandages or dressings; Absorbent pads
    • A61F13/15—Absorbent pads, e.g. sanitary towels, swabs or tampons for external or internal application to the body; Supporting or fastening means therefor; Tampon applicators
    • A61F13/84—Accessories, not otherwise provided for, for absorbent pads
    • A61F2013/8476—Accessories, not otherwise provided for, for absorbent pads with various devices or method
    • A61F2013/8479—Accessories, not otherwise provided for, for absorbent pads with various devices or method including electric or magnetic devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36007—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation of urogenital or gastrointestinal organs, e.g. for incontinence control
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/60—Healthcare; Welfare
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Primary Health Care (AREA)
  • Vascular Medicine (AREA)
  • Physiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Urology & Nephrology (AREA)
  • Signal Processing (AREA)
  • Orthopedics, Nursing, And Contraception (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 개시는 지능형 사물 인터넷(IoT) 모니터링 시스템, 상세하게는 요실금을 관리하는 IoT 솔루션의 구현을 위한 기술들(예를 들면, 시스템들, 방법들, 하나 이상의 프로세서에 의해 실행 가능한 코드 또는 명령어들을 저장하는 컴퓨터 프로그램 제품들)에 관한 것이다. 일부 양태들은 건강 관리 제공자들, 간병인들 또는 의료 인력과 같은 최종 사용자들이 센서들과 IoT 디바이스들의 네트워크를 사용하여 하나 이상의 클라이언트 디바이스를 통해 하나 이상의 피험자를 관리하고 모니터링할 수 있게 하는 관리 플랫폼의 개념에 관한 것이다. 다른 양태들은 하나 이상의 피험자에 대한 건강 또는 웰빙의 메트릭을 분석하고 추적하기 위해 하나 이상의 예측 모델을 트레이닝시키고 배포하도록 구성된 데이터 분석 시스템의 개념에 관한 것이다.

Description

요실금 관리를 위한 사물 인터넷(IOT) 솔루션
관련 출원에 대한 상호 참조
본 출원은 2020년 2월 23일자로 출원되고 발명의 명칭이 “INTERNET OF THINGS (IOT) SOLUTION FOR MANAGEMENT OF URINARY INCONTINENCE”인 미국 가출원 제62/980,416호, 2019년 10월 25일자로 출원되고 발명의 명칭이 “REMOTE VOLUME MEASUREMENT USING A PASSIVE LINEAR RFID TAG ARRAY IN CONJUNCTION WITH A UHF RFID TRANSCEIVER AND IOT GATEWAY”인 미국 가출원 제62/926,054호 및 2019년 3월 4일자로 출원되고 발명의 명칭이 “INTERNET OF THINGS ENABLED BED-WETTING AND MOBILITY ALARM”인 미국 가출원 제62/813,318호에 대한 우선권의 이익을 주장하고, 이들 미국 가출원의 전체 내용은 모든 목적들을 위해 본 명세서에 참고로 포함된다.
기술 분야
본 개시는 지능형 사물 인터넷(IoT) 모니터링 시스템, 상세하게는 요실금을 관리하는 IoT 솔루션의 구현을 위한 기술들(예를 들면, 시스템들, 방법들, 하나 이상의 프로세서에 의해 실행 가능한 코드 또는 명령어들을 저장하는 컴퓨터 프로그램 제품들)에 관한 것이다.
요실금은 일반적으로 방광 제어력 상실 및 결과적인 비자발적 소변 누출로서 정의될 수 있다. 비뇨기과적 장애, 부인과적 장애, 신경계 장애와, 치매 및 이동성 부족(침대 구속을 포함함)과 같은 기능 장애를 포함한 수많은 신체 장애들이 요실금의 원인이 된다. 상세하게는, 절박성 실금, 복압성 실금, 혼합성 실금, 일류성 실금, 및 기능성 실금을 포함한 여러 상이한 유형의 요실금이 있다. 절박성 실금은 요절박(urgency)을 동반하거나 요절박에 의해 즉각 진행되는 비자발적 누출이며, 배뇨근 과활동성을 나타낸다. 복압성 실금은 복압 증가(effort or exertion), 재채기 또는 기침으로 인한 비자발적 누출이며, 보통 요도 운동성 증가, 내인성 괄약근 기능 저하 또는 골반저근 약화에 관련이 있다. 혼합성 실금은 절박성 실금과 복압성 실금의 조합이다. 일류성 실금은 폐색(예를 들면, 전립선 비대) 또는 신경학적 상태(예를 들면, 척수 손상)로 야기된 방광의 과팽창과 연관되어 있다. 기능성 실금은 하부 요로계가 온전한 상태에서의 누출이며, 이동성 감소, 인지 장애 또는 착의 실행증과 같은 기능 제한으로 인한 것이다.
요실금은 요양원 거주자에게 흔히 발생하고(예를 들면, 요양원 거주자의 50% 초과에 영향을 미침), 상당한 이환율 및 의료 자원의 활용과 연관되어 있다. 요양원 거주자는 전형적으로 만성 질환, 인지 장애 및 기능 제한을 포함한 다양한 상태를 겪고 있다. 장기 요양 거주자에서의 요실금의 병인은 보통 다인성이지만, 치매 및 부동성을 포함한 기능 장애가 주된 위험 요인이다. 부동성은 요양원 거주자가 화장실에 가는 것을 방지하여 요양원 거주자 중에 실금할 가능성이 증가시키는 반면; 치매는 그렇게 하려는 동기를 감소시킨다. 다른 잠재적으로 조절 가능한 위험 요인은 골반저근 수축 저하, 변비, 잘 조절되지 않는 당뇨병, 섬망, 수축기 고혈압, 파킨슨병, 관절염, 허리 문제, 청각 및 시각 장애, 재발성 요로 감염, 약물(예를 들면, 벤조디아제핀, 진정제, 항우울제, 최면제, 및 이뇨제), 고 카페인 섭취, 흡연, 및 비만을 포함한다.
요실금 관리는 전형적으로, 배뇨근 불안정성, 요로 감염, 식이 또는 약물 유발성 설사, 변비 및 숙변과 같은, 근본 원인을 식별하고 치료하는 데 중점을 둔다. 적절한 관리에도 불구하고, 거주자는 치매 및 건강 또는 구속 관련 부동성으로 인해 실금 상태를 유지할 수 있다. 전형적으로 요양원은 거주자에게 충분히 빈번한 용변(toileting) 지원(자극 배뇨를 포함함)을 제공할 수 있는 직원과 재원이 부족하다. 특수 속옷과 흡수 패드의 사용이 요실금 관리를 위한 일반적인 관행이다. 실행 지침은 거주자의 더러워진 의복을 교체하고 피부를 적시에 세정해야 한다고 명시하고 있다. 그렇지만, 실금 관리 활동을 실행하는 데 필요한 시간을 기술하는 데이터는 거의 없으며, 피부 세정이 결과를 얼마나 더 잘 개선시킬 수 있는지에 관한 데이터도 훨씬 더 적다. 그럼에도 불구하고, 빈번하지 않은 거주자 속옷 및 흡수 패드 교체로 인한 소변에의 피부 노출은 피부 젖음의 상당한 증가를 야기하여, 마찰과 찰과상이 증가되고, 회음부에 피부 자극을 일으켜 욕창의 치유 과정을 손상시킬 수 있다. 그에 따라, 요실금을 관리하는 개선된 기술이 필요하다.
하나 이상의 컴퓨터의 시스템은 작동 중에 시스템으로 하여금 액션들을 수행하게 하는 소프트웨어, 펌웨어, 하드웨어 또는 이들의 조합이 시스템 상에 설치되는 것에 의해 특정 동작들 또는 액션들을 수행하도록 구성될 수 있다. 하나 이상의 컴퓨터 프로그램은, 데이터 프로세싱 장치에 의해 실행될 때, 장치로 하여금 액션들을 수행하게 하는 명령어들을 포함하는 것에 의해 특정 동작들 또는 액션들을 수행하도록 구성될 수 있다. 하나의 일반 양태는 방법을 포함하며, 이 방법은: 데이터 프로세싱 시스템에 의해, 입력 데이터를 획득하는 단계; 데이터 프로세싱 시스템에 의해, 센서로부터의 센서 데이터를 식별하기 위해 입력 데이터를 파싱하는 단계; 및 데이터 프로세싱 시스템에 의해, 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 센서가 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 단계를 포함하며, 여기서 제1 에너지 레벨은 제1 시간에 획득되고 제2 에너지 레벨은 제1 시간 이후인 제2 시간에 획득된다. 이 방법은, 데이터 프로세싱 시스템에 의해, 비교에 기초하여 제1 에너지 레벨이 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 단계; 데이터 프로세싱 시스템에 의해, 비교에 기초하여 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 단계; 및 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 데이터 프로세싱 시스템에 의해, 센서와 연관된 피험자가 실금 이벤트를 겪었다고 결정하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 센서 데이터가 제2 시간에서의 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함하지 않는다고 결정하는 단계; 센서 데이터가 제3 에너지 레벨을 포함하지 않는다고 결정하는 것에 응답하여, 데이터 프로세싱 시스템에 의해, 피험자와 연관된 속옷 또는 흡수 패드가 포화되었다고 결정하는 단계; 및 데이터 프로세싱 시스템에 의해, 실금 이벤트 및 피험자와 연관된 속옷 또는 흡수 패드가 포화되었다는 것에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 단계를 또한 포함한다. 이 양태의 다른 실시예들은, 방법들의 액션들을 수행하도록 각각 구성된, 대응하는 컴퓨터 시스템들, 장치들, 및 하나 이상의 컴퓨터 저장 디바이스 상에 기록된 컴퓨터 프로그램들을 포함한다.
구현들은 이하의 특징들 중 하나 이상을 포함할 수 있다. 파싱하는 단계가 센서와 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 센서로부터의 센서 데이터를 그룹화하는 단계를 포함하는 방법. 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 단계가 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화가 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하거나 제2 에너지 레벨이 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과한다고 결정하는 단계를 포함하는 방법. 제1 에너지 레벨이 제1 임피던스 값이고 제2 에너지 레벨이 제1 임피던스 값과 상이한 제2 임피던스 값인 방법. 설명된 기술들의 구현들은 하드웨어, 방법 또는 프로세스, 또는 컴퓨터 액세스 가능 매체 상의 컴퓨터 소프트웨어를 포함할 수 있다.
하나의 일반 양태는 방법을 포함하며, 이 방법은: 데이터 프로세싱 시스템에 의해, 입력 데이터를 획득하는 단계; 데이터 프로세싱 시스템에 의해, 센서로부터의 센서 데이터를 식별하기 위해 입력 데이터를 파싱하는 단계; 및 데이터 프로세싱 시스템에 의해, 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 센서가 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 단계를 포함하며, 여기서 제1 에너지 레벨은 제1 시간에 획득되고 제2 에너지 레벨은 제1 시간 이후인 제2 시간에 획득된다. 이 방법은, 데이터 프로세싱 시스템에 의해, 제1 에너지 레벨과 제2 에너지 레벨의 비교에 기초하여 제1 에너지 레벨이 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 단계; 데이터 프로세싱 시스템에 의해, 비교에 기초하여 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 단계; 및 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 데이터 프로세싱 시스템에 의해, 센서와 연관된 피험자가 실금 이벤트를 겪었다고 결정하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 센서 데이터가 제2 시간에서의 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함한다고 결정하는 단계; 센서 데이터가 제3 에너지 레벨을 포함한다고 결정하는 것에 응답하여, 데이터 프로세싱 시스템에 의해, 제3 에너지 레벨을 제2 에너지 레벨과 비교하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 제3 에너지 레벨과 제2 에너지 레벨의 비교에 기초하여 제3 에너지 레벨이 건조 이벤트와 연관되어 있다고 결정하는 단계; 제3 에너지 레벨이 건조 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 데이터 프로세싱 시스템에 의해, 피험자와 연관된 속옷 또는 흡수 패드가 포화되어 있지 않다고 결정하는 단계; 및 데이터 프로세싱 시스템에 의해, 실금 이벤트 및 피험자와 연관된 속옷 또는 흡수 패드가 포화되어 있지 않다는 것에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 단계를 또한 포함한다. 이 양태의 다른 실시예들은, 방법들의 액션들을 수행하도록 각각 구성된, 대응하는 컴퓨터 시스템들, 장치들, 및 하나 이상의 컴퓨터 저장 디바이스 상에 기록된 컴퓨터 프로그램들을 포함한다.
구현들은 이하의 특징들 중 하나 이상을 포함할 수 있다. 파싱하는 단계가 센서와 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 센서로부터의 센서 데이터를 그룹화하는 단계를 포함하는 방법. 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 단계가 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화가 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하거나 제2 에너지 레벨이 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과한다고 결정하는 단계를 포함하는 방법. 제3 에너지 레벨이 건조 이벤트와 연관되어 있다고 결정하는 단계가 제2 에너지 레벨과 제3 에너지 레벨 사이의 변화가 건조 이벤트와 연관된 미리 결정된 건조 임계치를 초과하거나 제3 에너지 레벨이 건조 이벤트와 연관된 미리 결정된 건조 임계치를 초과한다고 결정하는 단계를 포함하는 방법. 제1 에너지 레벨이 제1 임피던스 값이고, 제2 에너지 레벨이 제1 임피던스 값과 상이한 제2 임피던스 값이며, 제3 에너지 레벨이 제1 임피던스 값 및 제2 임피던스 값과 상이한 제3 임피던스 값인 방법. 설명된 기술들의 구현들은 하드웨어, 방법 또는 프로세스, 또는 컴퓨터 액세스 가능 매체 상의 컴퓨터 소프트웨어를 포함할 수 있다.
하나의 일반 양태는 방법을 포함하며, 이 방법은: 데이터 프로세싱 시스템에 의해, 입력 데이터를 획득하는 단계; 데이터 프로세싱 시스템에 의해, 센서로부터의 센서 데이터를 식별하기 위해 입력 데이터를 파싱하는 단계; 및 데이터 프로세싱 시스템에 의해, 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 정지 위치와 연관된 하나 이상의 에너지 레벨과 비교하는 단계를 포함하며, 여기서 제1 에너지 레벨은 제1 시간에 획득되고 제2 에너지 레벨은 제1 시간 이후인 제2 시간에 획득된다. 이 방법은, 데이터 프로세싱 시스템에 의해, 비교에 기초하여 제1 에너지 레벨이 정지 위치와 연관되어 있다고 결정하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 비교에 기초하여 제2 에너지 레벨이 움직임 이벤트와 연관되어 있다고 결정하는 단계를 또한 포함한다. 이 방법은, 제2 에너지 레벨이 움직임 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 데이터 프로세싱 시스템에 의해, 센서와 연관된 피험자가 움직였다고 결정하는 단계; 및 데이터 프로세싱 시스템에 의해, 센서 데이터가 제2 시간에서의 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함한다고 결정하는 단계를 또한 포함한다. 이 방법은, 센서 데이터가 제3 에너지 레벨을 포함한다고 결정하는 것에 응답하여, 데이터 프로세싱 시스템에 의해, 제3 에너지 레벨이 제2 에너지 레벨과 상이하고 제3 에너지 레벨이 활동과 연관된 미리 결정된 활동 임계치를 초과한다고 결정하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템의 예측 모델에 의해, 센서 데이터의 패턴, 움직임 이벤트의 결정, 및 제3 에너지 레벨이 제2 에너지 레벨과 상이하고 제3 에너지 레벨이 미리 결정된 활동 임계치를 초과한다는 결정에 기초하여 활동이 피험자가 침대에서 뒤척이거나 침대에서 일어나는 것이라고 예측하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 피험자가 침대에서 뒤척였거나 침대에서 일어났다는 예측을 기록하는 단계를 또한 포함한다. 이 양태의 다른 실시예들은, 방법들의 액션들을 수행하도록 각각 구성된, 대응하는 컴퓨터 시스템들, 장치들, 및 하나 이상의 컴퓨터 저장 디바이스 상에 기록된 컴퓨터 프로그램들을 포함한다.
구현들은 이하의 특징들 중 하나 이상을 포함할 수 있다. 파싱하는 단계가 센서와 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 센서로부터의 센서 데이터를 그룹화하는 단계를 포함하는 방법. 제2 에너지 레벨이 움직임 이벤트와 연관되어 있다고 결정하는 단계가 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화가 움직임 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하거나 제2 에너지 레벨이 움직임 이벤트와 연관된 미리 결정된 에너지 임계치를 초과한다고 결정하는 단계를 포함하는 방법. 제1 에너지 레벨이 제1 임피던스 값이고, 제2 에너지 레벨이 제1 임피던스 값과 상이한 제2 임피던스 값이며, 제3 에너지 레벨이 제1 임피던스 값 및 제2 임피던스 값과 상이한 제3 임피던스 값인 방법. 설명된 기술들의 구현들은 하드웨어, 방법 또는 프로세스, 또는 컴퓨터 액세스 가능 매체 상의 컴퓨터 소프트웨어를 포함할 수 있다.
하나의 일반 양태는 액체 투과성 상부 시트를 포함하는 흡수 용품을 포함한다. 흡수 용품은 액체 투과성 상부 시트 아래에 배치된 흡수성 재료를 또한 포함한다. 흡수 용품은 액체 투과성 상부 시트 또는 흡수성 재료의 적어도 일 부분에 인접하게 배치된 비흡수성 재료를 또한 포함한다. 흡수 용품은 흡수성 재료가 액체 투과성 상부 시트와 액체 불투과성 후면 시트 사이에 배치되도록 흡수성 재료 위에 배치된 액체 불투과성 후면 시트를 또한 포함한다. 흡수 용품은 액체 불투과성 후면 시트에 부착된 하나 이상의 부착 구조를 또한 포함하고, 여기서 하나 이상의 부착 구조는 하나 이상의 센서를 유지하도록 구조화되어 있다.
구현들은 이하의 특징들 중 하나 이상을 포함할 수 있다. 하나 이상의 부착 구조가 하나 이상의 슬리브 구조인 흡수 용품. 하나 이상의 부착 구조 중 제1 부착 구조가 아래에 놓인 흡수성 재료와 비흡수성 재료 사이의 계면에 걸쳐 액체 불투과성 후면 시트의 전방 측에서 액체 불투과성 후면 시트에 부착되는 흡수 용품. 하나 이상의 부착 구조 중 제2 부착 구조가 비흡수성 재료의 외연(outer margin)에 걸쳐 액체 불투과성 후면 시트에 부착되는 흡수 용품. 하나 이상의 부착 구조 중 제4 부착 구조가 아래에 놓인 흡수성 재료와 비흡수성 재료 사이의 계면에 걸쳐 액체 불투과성 후면 시트의 후방 측에서 액체 불투과성 후면 시트에 부착되는 흡수 용품. 하나 이상의 부착 구조 중 제3 부착 구조가 아래에 놓인 흡수성 재료에 걸쳐 액체 불투과성 후면 시트의 전방 측에서 액체 불투과성 후면 시트에 부착되는 흡수 용품. 하나 이상의 부착 구조가 자성 구조인 흡수 용품. 하나 이상의 센서를 더 포함하는 흡수 용품, 여기서 하나 이상의 센서의 각각의 센서는 하나 이상의 부착 구조의 각자의 부착 구조에 배치된다. 하나 이상의 센서가 하나 이상의 RFID(radio frequency identification) 센서인 흡수 용품.
하나의 일반 양태는 액체 투과성 상부 시트를 포함하는 흡수 용품을 포함한다. 흡수 용품은 액체 투과성 상부 시트 아래에 배치된 흡수성 재료를 또한 포함한다. 흡수 용품은 액체 투과성 상부 시트 또는 흡수성 재료의 적어도 일 부분에 인접하게 배치된 비흡수성 재료를 또한 포함한다. 흡수 용품은 흡수성 재료가 액체 투과성 상부 시트와 액체 불투과성 후면 시트 사이에 배치되도록 흡수성 재료 위에 배치된 액체 불투과성 후면 시트를 또한 포함한다. 흡수 용품은 액체 불투과성 후면 시트에 부착된 하나 이상의 센서를 또한 포함한다.
구현들은 이하의 특징들 중 하나 이상을 포함할 수 있다. 하나 이상의 센서가 하나 이상의 RFID(radio frequency identification) 센서인 흡수 용품. 하나 이상의 센서 중 제1 센서가 아래에 놓인 흡수성 재료와 비흡수성 재료 사이의 계면에 걸쳐 액체 불투과성 후면 시트의 전방 측에서 액체 불투과성 후면 시트에 부착되는 흡수 용품. 하나 이상의 센서 중 제2 센서가 비흡수성 재료의 외연에 걸쳐 액체 불투과성 후면 시트에 부착되는 흡수 용품. 하나 이상의 센서 중 제3 센서가 아래에 놓인 흡수성 재료에 걸쳐 액체 불투과성 후면 시트의 전방 측에서 액체 불투과성 후면 시트에 부착되는 흡수 용품. 하나 이상의 센서 중 제4 센서가 아래에 놓인 흡수성 재료와 비흡수성 재료 사이의 계면에 걸쳐 액체 불투과성 후면 시트의 후방 측에서 액체 불투과성 후면 시트에 부착되는 흡수 용품.
하나의 일반 양태는 흡수 용품을 포함하는 시스템을 포함하며, 이 흡수 용품은: 액체 투과성 상부 시트, 액체 투과성 상부 시트 아래에 배치된 흡수성 재료, 액체 투과성 상부 시트 또는 흡수성 재료의 적어도 일 부분에 인접하게 배치된 비흡수성 재료, 흡수성 재료가 액체 투과성 상부 시트와 액체 불투과성 후면 시트 사이에 배치되도록 흡수성 재료 위에 배치된 액체 불투과성 후면 시트, 및 액체 불투과성 후면 시트에 부착된 하나 이상의 센서를 포함한다. 이 시스템은 하나 이상의 센서와 무선 통신하는 사물 인터넷(IoT) 디바이스를 또한 포함한다.
구현들은 이하의 특징들 중 하나 이상을 포함할 수 있다. 하나 이상의 센서가 하나 이상의 RFID(radio frequency identification) 센서인 시스템. IoT 디바이스가 RFID 판독기 및 제어기를 포함하는 시스템. 하나 이상의 센서 중 제1 센서가 아래에 놓인 흡수성 재료와 비흡수성 재료 사이의 계면에 걸쳐 액체 불투과성 후면 시트의 전방 측에서 액체 불투과성 후면 시트에 부착되는 시스템. 하나 이상의 센서 중 제2 센서가 비흡수성 재료의 외연에 걸쳐 액체 불투과성 후면 시트에 부착되는 시스템. 하나 이상의 센서 중 제3 센서가 아래에 놓인 흡수성 재료에 걸쳐 액체 불투과성 후면 시트의 전방 측에서 액체 불투과성 후면 시트에 부착되는 시스템. 하나 이상의 센서 중 제4 센서가 아래에 놓인 흡수성 재료와 비흡수성 재료 사이의 계면에 걸쳐 액체 불투과성 후면 시트의 후방 측에서 액체 불투과성 후면 시트에 부착되는 시스템. IoT 디바이스에 부착된 제1 단부 및 IoT 디바이스에 연결된 외부 안테나에 부착된 제2 단부를 포함하는 각진 브래킷을 더 포함하는 시스템.
하나의 일반 양태는 용기를 포함하는 측정 시스템을 포함한다. 측정 시스템은 용기에 부착된 선형 센서 어레이를 또한 포함하며, 여기서 센서 어레이의 각각의 센서는 각자의 액체 부피 표시기에 대해 용기 상에 위치된다. 측정 시스템은 프로세서 및 메모리 저장 디바이스를 포함하는 컴퓨팅 디바이스를 또한 포함하며, 여기서 데이터 테이블은 메모리 저장 디바이스에 저장되고 테이블은 센서 어레이의 각각의 센서에 대한 고유 식별자 및 고유 식별자로 인덱싱된 각자의 액체 부피를 포함한다.
하나의 일반 양태는 방법을 포함하며, 이 방법은: (i) 데이터 프로세싱 시스템에 의해, 입력 데이터를 획득하는 단계를 포함한다. 이 방법은, (ii) 데이터 프로세싱 시스템에 의해, 수집 디바이스 상에 배치된 복수의 센서들로부터 사물 인터넷(IoT) 디바이스에 의해 수집된 모든 센서 데이터를 식별하기 위해 입력 데이터를 파싱하는 단계를 또한 포함하고, 여기서 파싱하는 단계는 센서 데이터를 센서들 각각과 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 복수의 센서들의 각각의 센서로부터 수신된 센서 데이터 서브세트들로 그룹화하는 단계를 포함하며, 여기서 복수의 센서들 중 한 센서로부터 수신된 적어도 하나의 센서 데이터 서브세트는 제1 시간에 획득된 제1 에너지 레벨 및 제1 시간 이후의 또는 제1 시간보다 늦은 제2 시간에 획득된 제2 에너지 레벨을 포함한다. 이 방법은, (iii) 데이터 프로세싱 시스템에 의해, 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 복수의 센서들이 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 단계를 또한 포함한다. 이 방법은, (iv) 데이터 프로세싱 시스템에 의해, 비교에 기초하여 제1 에너지 레벨이 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 단계를 또한 포함한다. 이 방법은, (v) 데이터 프로세싱 시스템에 의해, 비교에 기초하여 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 단계를 또한 포함한다. 이 방법은, (vi) 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 데이터 프로세싱 시스템에 의해, 적어도 하나의 센서 데이터 서브세트와 연관되어 있는 센서와 연관된 액체 부피를 식별하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 복수의 센서들 중 다른 센서들과 연관된 모든 다른 센서 데이터 서브세트들에 대해 단계 (iii) 내지 단계 (vi)를 반복하여 다른 센서들과 연관된 추가적인 액체 부피들을 식별하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 센서와 연관된 액체 부피 및 다른 센서들과 연관된 추가적인 액체 부피들을 분석하여 수집 디바이스의 총 액체 부피를 결정하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 수집 디바이스의 총 액체 부피를 디스플레이하는 사용자 인터페이스를 제공하는 단계를 또한 포함한다. 이 양태의 다른 실시예들은, 방법들의 액션들을 수행하도록 각각 구성된, 대응하는 컴퓨터 시스템들, 장치들, 및 하나 이상의 컴퓨터 저장 디바이스 상에 기록된 컴퓨터 프로그램들을 포함한다.
하나의 일반 양태는 방법을 포함하며, 이 방법은: 데이터 프로세싱 시스템에 의해, 피험자와 연관된 복수의 RFID(radio frequency identification) 센서들로부터 센서 데이터를 획득하는 단계를 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 센서 데이터를 사용하여 일정 시간 기간에 걸쳐 복수의 실금 이벤트들을 결정하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 결정된 복수의 실금 이벤트들을 사용하여 피험자에 대한 평균 배뇨간 간격(mean intervoiding interval)을 결정하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 평균 배뇨간 간격에 기초하여 결정된 복수의 실금 이벤트들에서의 통계적 이상(statistical aberration)을 결정하는 단계를 또한 포함한다. 이 방법은, 예측 모델에 의해, 센서 데이터 및 통계적 이상에 기초하여 피험자가 요로 감염이 생기거나 발병할 위험을 예측하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 피험자가 요로 감염이 생기거나 발병할 예측된 위험에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 단계를 또한 포함한다. 이 양태의 다른 실시예들은, 방법들의 액션들을 수행하도록 각각 구성된, 대응하는 컴퓨터 시스템들, 장치들, 및 하나 이상의 컴퓨터 저장 디바이스 상에 기록된 컴퓨터 프로그램들을 포함한다.
구현들은 이하의 특징들 중 하나 이상을 포함할 수 있다. 통계적 이상을 결정하는 것에 응답하여, 데이터 프로세싱 시스템에 의해, 피험자에 대해 수행될 소변 검사 및 소변 배양에 대한 요청을 트리거하는 단계를 더 포함하는 방법. 데이터 프로세싱 시스템에 의해, 소변 검사 및 소변 배양의 결과들을 획득하는 단계를 더 포함하는 방법, 여기서 피험자가 요로 감염이 생기거나 발병할 위험을 예측하는 단계는 센서 데이터, 통계적 이상, 및 소변 검사 및 소변 배양의 결과들에 기초한다. 데이터 프로세싱 시스템에 의해, 식사들의 시간 간격, iv 속도들, g 튜브 공급 속도들, 또는 이들의 조합을 포함한 추가적인 데이터를 획득하는 단계를 더 포함하는 방법, 여기서 피험자가 요로 감염이 생기거나 발병할 위험을 예측하는 단계는 센서 데이터, 통계적 이상, 소변 검사 및 소변 배양의 결과들, 및 추가적인 데이터에 기초한다. 설명된 기술들의 구현들은 하드웨어, 방법 또는 프로세스, 또는 컴퓨터 액세스 가능 매체 상의 컴퓨터 소프트웨어를 포함할 수 있다.
하나의 일반 양태는 방법을 포함하며, 이 방법은: 데이터 프로세싱 시스템에 의해, 피험자와 연관된 복수의 RFID(radio frequency identification) 센서들로부터 센서 데이터를 획득하는 단계를 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 센서 데이터를 사용하여 일정 시간 기간에 걸쳐 복수의 움직임 이벤트들을 결정하는 단계를 또한 포함한다. 이 방법은, 제1 예측 모델에 의해, 결정된 복수의 움직임 이벤트들을 사용하여 움직임 활동의 패턴을 결정하는 단계를 또한 포함한다. 이 방법은, 제2 예측 모델에 의해, 센서 데이터 및 움직임 활동의 패턴에 기초하여 피험자가 욕창이 생기거나 발병할 위험을 예측하는 단계를 또한 포함한다. 이 방법은, 데이터 프로세싱 시스템에 의해, 피험자가 욕창이 생기거나 발병할 예측된 위험에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 단계를 또한 포함한다. 이 양태의 다른 실시예들은, 방법들의 액션들을 수행하도록 각각 구성된, 대응하는 컴퓨터 시스템들, 장치들, 및 하나 이상의 컴퓨터 저장 디바이스 상에 기록된 컴퓨터 프로그램들을 포함한다.
구현들은 이하의 특징들 중 하나 이상을 포함할 수 있다. 데이터 프로세싱 시스템에 의해, 피험자에 대한 직원 관여 빈도를 포함하는 추가적인 데이터를 획득하는 단계를 더 포함하는 방법, 여기서 피험자가 욕창이 생기거나 발병할 위험을 예측하는 단계는 센서 데이터, 움직임 활동의 패턴, 및 추가적인 데이터에 기초한다. 설명된 기술들의 구현들은 하드웨어, 방법 또는 프로세스, 또는 컴퓨터 액세스 가능 매체 상의 컴퓨터 소프트웨어를 포함할 수 있다.
일부 실시예들에서, 하나 이상의 데이터 프로세서, 및, 하나 이상의 데이터 프로세서 상에서 실행될 때, 하나 이상의 데이터 프로세서로 하여금 본 명세서에 개시된 하나 이상의 방법의 일부 또는 전부를 수행하게 하는 명령어들을 포함하는 비일시적 컴퓨터 판독 가능 저장 매체를 포함하는 시스템이 제공된다.
일부 실시예들에서, 비일시적 머신 판독 가능 저장 매체에 유형적으로 구체화되고 하나 이상의 데이터 프로세서로 하여금 본 명세서에 개시된 하나 이상의 방법의 일부 또는 전부를 수행하게 하도록 구성된 명령어들을 포함하는 컴퓨터 프로그램 제품이 제공된다.
본 개시의 일부 실시예들은 하나 이상의 데이터 프로세서를 포함하는 시스템을 포함한다. 일부 실시예들에서, 이 시스템은, 하나 이상의 데이터 프로세서 상에서 실행될 때, 하나 이상의 데이터 프로세서로 하여금 본 명세서에 개시된 하나 이상의 방법의 일부 또는 전부 및/또는 하나 이상의 프로세스의 일부 또는 전부를 수행하게 하는 명령어들을 포함하는 비일시적 컴퓨터 판독 가능 저장 매체를 포함한다. 본 개시의 일부 실시예들은, 하나 이상의 데이터 프로세서로 하여금 본 명세서에 개시된 하나 이상의 방법의 일부 또는 전부 및/또는 하나 이상의 프로세스의 일부 또는 전부를 수행하게 하도록 구성된 명령어들을 포함하는, 비일시적 머신 판독 가능 저장 매체에 유형적으로 구체화된 컴퓨터 프로그램 제품을 포함한다.
이용된 용어들 및 표현들은 제한이 아니라 설명으로서 사용되며, 그러한 용어들 및 표현들의 사용에서, 도시되고 설명된 특징들의 임의의 등가물들 또는 그의 부분들을 배제하려는 의도는 없으며, 청구된 발명의 범위 내에서 다양한 수정들이 가능하다는 것이 인식된다. 따라서, 청구된 바와 같은 본 발명이 실시예들 및 선택적인 특징들에 의해 구체적으로 개시되었지만, 본 명세서에 개시된 개념들의 수정 및 변형이 본 기술 분야의 통상의 기술자에 의해 의지될 수 있고 그러한 수정들 및 변형들이 첨부된 청구항들에 의해 한정된 바와 같은 본 발명의 범위 내에 있는 것으로 간주된다는 것을 이해해야 한다.
도 1은 다양한 실시예들에 따른 관리 플랫폼을 도시한다.
도 2는 다양한 실시예들에 따른 관리 시스템을 예시하는 단순화된 블록 다이어그램을 도시한다.
도 3a 내지 도 3e는 다양한 실시예들에 따른 의료 디바이스 및 다양한 센서 배열들을 도시한다.
도 4a는 다양한 실시예들에 따른 무선 솔루션을 예시하는 단순화된 블록 다이어그램을 도시한다.
도 4b 및 도 4c는 다양한 실시예들에 따른 IoT 디바이스 및 피험자의 침대 상의 IoT 디바이스의 예시적인 배치를 도시한다.
도 5a 내지 도 5f는 다양한 실시예들에 따른 의료 디바이스에 대한 무선 솔루션 및 센서 배열을 도시한다.
도 6a 내지 도 6e는 다양한 실시예들에 따른 의료 디바이스에 대한 다른 무선 솔루션 및 센서 배열을 도시한다.
도 7은 다양한 실시예들에 따른 건강 및 웰빙의 메트릭들을 분석하고 추적하기 위해 머신 러닝 네트워크를 트레이닝시키고 실행하기 위한 분석 시스템을 도시한다.
도 8은 일부 실시예들에 따른 습기 감지 이벤트를 결정하고 식별된 피험자의 활동을 예측하기 위한 프로세스를 예시하는 플로차트를 도시한다.
도 9는 일부 실시예들에 따른 습기 감지 이벤트를 결정하고 활동을 예측하기 위한 프로세스를 예시하는 플로차트를 도시한다.
도 10은 다양한 실시예들에 따른 피험자의 건강 또는 웰빙을 예측하기 위한 프로세스를 예시하는 플로차트를 도시한다.
도 11은 일부 실시예들에 따른 피험자가 요로 감염이 생기거나 발병할 위험을 예측하기 위한 프로세스를 예시하는 플로차트를 도시한다.
도 12는 다양한 실시예들에 따른 움직임 이벤트를 결정하고 식별된 피험자의 활동을 예측하기 위한 프로세스를 예시하는 플로차트를 도시한다.
도 13은 다양한 실시예들에 따른 피험자가 욕창이 생기거나 발병할 위험을 예측하기 위한 프로세스를 예시하는 플로차트를 도시한다.
도 14는 다양한 실시예들에 따른 인력을 예측하고 인력 관리를 최적화하기 위한 프로세스를 예시하는 플로차트를 도시한다.
도 15는 다양한 실시예들에 따른 재고를 예측하고 재고 관리(inventory control management)를 최적화하기 위한 프로세스를 예시하는 플로차트를 도시한다.
도 16은 다양한 실시예들에 따른 예시적인 컴퓨팅 디바이스를 도시한다.
도 17은 다양한 실시예들에 따른 IoT 솔루션 시각화 시스템의 기능 컴포넌트들 중 일부를 예시하는 블록 다이어그램을 도시한다.
도 18a 및 도 18b는 다양한 실시예들에 따른 다양한 피험자들에 대한 센서 및 IoT 디바이스 데이터에 대한 통합 그래픽 사용자 인터페이스를 도시한다.
도 19a 및 도 19b는 다양한 실시예들에 따른 피험자에 대한 센서 및 IoT 디바이스 데이터에 대한 통합 그래픽 사용자 인터페이스를 도시한다.
도 20은 다양한 실시예들에 따른 다양한 피험자들에 대한 센서 및 IoT 디바이스 데이터에 대한 통합 그래픽 사용자 인터페이스를 도시한다.
도 21은 다양한 실시예들에 따른 복수의 피험자들에 대한 실금 이벤트들의 통합 뷰를 제공하기 위한 프로세스를 예시하는 플로차트를 도시한다.
I. 서론
본 개시는 IoT 모니터링 시스템, 상세하게는 요실금을 관리하는 IoT 솔루션의 구현을 위한 기술들(예를 들면, 시스템들, 방법들, 하나 이상의 프로세서에 의해 실행 가능한 코드 또는 명령어들을 저장하는 컴퓨터 프로그램 제품들)에 관한 것이다. 보다 구체적으로, 본 개시의 일부 실시예들은 요실금, 배뇨 패턴, 피험자의 움직임(예를 들면, 욕창을 완화시키기 위한 침대에서의 피험자의 움직임 또는 잠재적인 낙상 분석을 위한 침대로부터의 피험자의 움직임)의 분석, 인력(예를 들면, 건강 관리 제공자) 관리 및 재고 관리를 위한 물류 목적, 및 의료 디바이스 관리(예를 들면, 폴리 백 관리(Foley bag care))를 위해 다양한 전자 디바이스들(예를 들면, 습도 센서, 온도 센서 등)로부터 데이터를 수신하는 중앙 집중식 계산 및 저장 시스템을 제공한다.
종래의 실금 모니터링 시스템들은 전형적으로 액체 및 대변 이벤트를 검출하고, 액체 및 대변 이벤트에 대한 감지된 데이터를 컴퓨팅 디바이스(예를 들면, 서버)로 전송할 수 있는 센서를 가지며, 컴퓨팅 디바이스는 전송된 데이터를 실행 가능한 정보로 프로세싱하여(예를 들면, 거주자가 교체를 필요로 할 때 건강 관리 제공자에게 통보함), 전송된 데이터를 안전한 서버 환경에 저장한다. 센서는 전형적으로 피험자(예를 들면, 환자 또는 요양원 거주자)가 사용하는 속옷 또는 흡수 패드에 통합되며, 수신기는 전형적으로 건강 관리 제공자가 점유하는 위치에 있는 피험자의 환경으로부터 원격지에 위치해 있다. 그로부터, 센서는 습기 데이터 및, 일부 경우에, 지오로케이션 데이터를 캡처하고, 대표 데이터를 수신기로 전송하며, 이 수신기에서 데이터가 실행 가능한 정보를 위해 분석된다. 이러한 방식으로, 건강 관리 제공자는 이 시스템을 사용하여 피험자의 습기 및 위치를 모니터링할 수 있다. 일부 경우에, 요실금 모니터링 시스템은 데이터를 프로세싱하여 피험자가 속옷 또는 흡수 패드를 적셨다는 통지를 건강 관리 제공자에게 제공할 수 있다. 원격 위치로부터 속옷 또는 흡수 패드의 젖음을 모니터링하는 데 일반적으로 효과적이지만, 현재 사용 중인 대부분의 종래의 요실금 모니터링 시스템들은 수많은 단점들이 있다. 이러한 단점들은: (i) 단일 전자 디바이스(예를 들면, 습기 센서)로부터의 데이터 입력만을 캡처하는 것, (ii) 건강 관리 제공자가 배뇨 빈도와 같은 임의의 관찰을 직접 관찰하고 수동으로 분석할 필요성, (iii) 습기 센서가 습기 검출을 위해 복잡한 제조 기술 및 전기 전도도 또는 저항에 의존하는 것, (iv) 센서와 전기적으로 연결된 판독 디바이스를 활용하는 것, (v) 속옷 또는 흡수 패드와 통합된 전원, 프로세서 및/또는 도킹 스테이션을 필요로 하는 것 및/또는 (vi) 속옷 또는 흡수 패드를 교체하기 위한 분석이 전형적으로 젖음 여부의 이진 결정에 기초하는 것을 포함한다.
이러한 문제들을 해결하기 위해, 다양한 실시예들은 요실금을 관리하기 위한 IoT 솔루션의 구현을 위한 기술들에 관한 것이다. 예를 들어, 본 개시의 하나의 예시적인 실시예는 입력 데이터를 획득하는 단계; 센서 데이터를 식별하기 위해 입력 데이터를 파싱하는 단계; 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 하나 이상의 에너지 레벨과 비교하는 단계; 비교에 기초하여 제1 에너지 레벨이 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 단계; 비교에 기초하여 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 단계; 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 센서 데이터가 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함하지 않는다고 결정하는 단계; 및 센서 데이터가 제3 에너지 레벨을 포함하지 않는다고 결정하는 것에 응답하여, 예측 모델에 의해, 센서 데이터와 연관된 피험자가 실금 이벤트를 겪었고 피험자와 연관된 속옷 또는 흡수 패드가 포화되었다고 예측하는 단계를 포함한다.
본 개시의 다른 예시적인 실시예는 입력 데이터를 획득하는 단계; 센서 데이터를 식별하기 위해 입력 데이터를 파싱하는 단계; 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 하나 이상의 에너지 레벨과 비교하는 단계; 비교에 기초하여 제1 에너지 레벨이 움직임의 부재와 연관되어 있다고 결정하는 단계; 비교에 기초하여 제2 에너지 레벨이 움직임 이벤트와 연관되어 있다고 결정하는 단계; 제2 에너지 레벨이 움직임 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 센서 데이터가 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함하지 않는다고 결정하는 단계; 및 센서 데이터가 제3 에너지 레벨을 포함하지 않는다고 결정하는 것에 응답하여, 예측 모델에 의해, 센서 데이터와 연관된 피험자가 침대에서 뒤척였다고 예측하는 단계를 포함한다.
본 개시의 다른 예시적인 실시예는 입력 데이터를 획득하는 단계; 센서 데이터를 식별하기 위해 입력 데이터를 파싱하는 단계; 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 하나 이상의 에너지 레벨과 비교하는 단계; 비교에 기초하여 제1 에너지 레벨이 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 단계; 비교에 기초하여 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 단계; 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 센서 데이터가 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함한다고 결정하는 단계; 및 센서 데이터가 제3 에너지 레벨을 포함한다고 결정하는 것에 응답하여, 예측 모델에 의해, 센서 데이터와 연관된 피험자가 실금 이벤트를 겪었고 피험자와 연관된 속옷 또는 흡수 패드가 포화되어 있지 않다고 예측하는 단계를 포함한다.
II. 관리 시스템
도 1은 건강 관리 제공자들, 간병인들 또는 의료 인력과 같은 최종 사용자들이 센서들(110)과 IoT 디바이스들(115)의 네트워크를 사용하여 하나 이상의 클라이언트 디바이스(105)를 통해 하나 이상의 피험자를 관리하고 모니터링할 수 있게 하는 관리 플랫폼(100)을 도시한다. 다수의 클라이언트 디바이스들(105), 센서들(110), 및 IoT 디바이스들(115)이 도 1에 도시되어 있지만, 본 기술 분야의 통상의 기술자는 임의의 수의 클라이언트 디바이스들(105), 센서들(110), 및 IoT 디바이스들(115)이 관리 플랫폼(100) 내에 존재할 수 있음을 이해할 것이다. 클라이언트 디바이스들(105)은 센서들(110)과 IoT 디바이스들(115)의 네트워크와의 통신을 위해 통신 네트워크(120)에 대한 액세스를 가능하게 하는 네트워크 연결 능력을 갖는 임의의 인간 대 머신 인터페이스를 포함한다. 예를 들어, 클라이언트 디바이스들(105)은 독립형 인터페이스(예를 들면, 셀룰러 전화, 스마트폰, 홈 컴퓨터, 랩톱 컴퓨터, 태블릿, PDA(personal digital assistant), 컴퓨팅 디바이스, 스마트 워치와 같은 웨어러블 디바이스, 월 패널(wall panel), 키패드 등), 가전 제품 또는 다른 디바이스(예를 들면, 텔레비전, 냉장고, 보안 시스템, 게임 콘솔, 브라우저 등)에 내장된 인터페이스, 음성 또는 제스처 인터페이스(예를 들면, Kinect™ 센서, Wiimote™ 등), IoT 디바이스 인터페이스(예를 들면, 의료 디바이스와 같은 인터넷 가능 기기, 제어 인터페이스, 또는 다른 적합한 인터페이스) 등을 포함할 수 있다. 일부 경우에, 사용자는 애플리케이션(예를 들면, 관리 애플리케이션), 웹 브라우저, 독점 프로그램, 또는 클라이언트 디바이스(105)에 의해 실행되고 작동되는 임의의 다른 프로그램을 사용하여 IoT 디바이스들(115)과 상호작용할 수 있다.
일부 실시예들에서, 클라이언트 디바이스들(105)은 셀룰러 또는 다른 광대역 네트워크 트랜시버 라디오 또는 인터페이스를 포함하고, 셀룰러 또는 광대역 네트워크 트랜시버 라디오를 사용하여 셀룰러 또는 다른 광대역 통신 네트워크(120)와 통신하도록 구성된다. 일부 실시예들에서, 클라이언트 디바이스들(105)은 WiFi 또는 다른 무선 네트워크 트랜시버 라디오 또는 인터페이스를 포함하고, WiFi 또는 무선 네트워크 트랜시버 라디오를 사용하여 LAN(local area network) 또는 다른 무선 통신 네트워크(120)와 통신하도록 구성된다. 일부 실시예들에서, 클라이언트 디바이스들(105)은 셀룰러 또는 다른 광대역 통신 트랜시버 라디오 또는 인터페이스 및 WiFi 또는 다른 무선 네트워크 트랜시버 라디오 또는 인터페이스를 포함하고, 셀룰러 또는 광대역 통신 트랜시버 라디오를 사용하여 셀룰러 또는 다른 광대역 통신 네트워크(120)와 통신하고 WiFi 또는 무선 네트워크 트랜시버 라디오를 사용하여 LAN 또는 다른 무선 통신 네트워크(120)와 통신하도록 구성된다. 예를 들어, 클라이언트 디바이스들(105)은 Zigbee™ 신호, Bluetooth™ 신호, WiFi 신호, 적외선(IR) 신호, UWB(Ultra-Wideband) 신호, WiFi-Direct 신호, Bluetooth™ BLE(Low Energy) 신호, 음향 주파수 신호, 셀룰러 데이터 신호 등을 사용하여 센서들(110)과 IoT 디바이스들(115)의 네트워크와 통신할 수 있다.
본 명세서에서 사용되는 바와 같이, 센서(110)는 그의 환경에서의 이벤트들(예를 들면, 물리적 속성들) 또는 변화들을 검출하고 이 정보를 다른 전자 디바이스들(예를 들면, IoT 디바이스)로 송신하는 것을 목적으로 하는 디바이스, 모듈, 머신 또는 서브시스템이다. 센서들(110)은 환경에서의 임의의 수 및 유형의 이벤트 또는 변화를 감지하기 위한 임의의 수 및 유형의 센서들을 포함할 수 있고, 환경에서의 이벤트 또는 변화에 관한 데이터를 IoT 디바이스(115)로 통신하도록 구성된다. 일부 경우에, 센서들은 하나 이상의 습기 센서를 포함한다. 하나 이상의 습기 센서는 속옷 또는 흡수 패드에 부착될 수 있고 습기 데이터를 IoT 디바이스(115)로 통신하도록 구성될 수 있다. 다른 경우에, 센서들은 하나 이상의 습기 센서 및 선택적인 압력 센서를 포함한다. 하나 이상의 습기 센서 및 선택적인 압력 센서는 속옷, 흡수 패드 또는 이들의 조합에 부착될 수 있고, 습기 데이터 및 선택적인 압력 데이터를 IoT 디바이스(115)로 통신하도록 구성될 수 있다. IoT 디바이스(115)는 습기 데이터 및 선택적인 압력 데이터를 수신하고 이 데이터를 통신 네트워크(120)를 통해 게이트웨이(125), 클라우드 네트워크(130), 및/또는 클라이언트 디바이스(105)로 전송할 것이다.
본 명세서에서 사용되는 바와 같이, IoT 디바이스(115)는 감지, 제어 및/또는 분석 기능은 물론 WiFi™ 트랜시버 라디오 또는 인터페이스, Bluetooth™ 트랜시버 라디오 또는 인터페이스, Zigbee™ 트랜시버 라디오 또는 인터페이스, UWB 트랜시버 라디오 또는 인터페이스, WiFi-Direct 트랜시버 라디오 또는 인터페이스, BLE 트랜시버 라디오 또는 인터페이스, RFID(radio frequency identification) 또는 인터페이스, 셀룰러 라디오 또는 인터페이스 및/또는 IoT 디바이스(115)가 LAN, WAN(wide area network), 셀룰러 네트워크 등과 통신하고/하거나 하나 이상의 다른 디바이스(예를 들면, 센서 또는 다른 IoT 디바이스)와 통신할 수 있게 하는 임의의 다른 무선 네트워크 트랜시버 라디오 또는 인터페이스를 포함하는 디바이스이다. 일부 실시예들에서, IoT 디바이스(115)는 셀룰러 트랜시버 라디오를 포함하고, 셀룰러 네트워크 트랜시버 라디오를 사용하여 셀룰러 네트워크와 통신하도록 구성된다. 일부 실시예들에서, IoT 디바이스(115)는 무선 트랜시버 라디오를 포함하고, 무선 네트워크 트랜시버 라디오를 사용하여 무선 네트워크와 통신하도록 구성된다. IoT 디바이스(115)는 RFID 판독기를 포함하고, RFID 신호 브로드캐스트 또는 인터페이스를 이용하여 RFID 센서와 통신하도록 구성된다. 일부 실시예들에서, IoT 디바이스(115)는 셀룰러 트랜시버 라디오, 무선 트랜시버 라디오, 및 RFID 판독기를 포함한다. IoT 디바이스(115)는, 응답 시간을 개선시키고 대역폭을 절감하기 위해, 계산 및 데이터 저장을 이를 필요로 하는 위치에 보다 가깝게(데이터의 소스, 예를 들면, 센서들에 또는 그 근처로) 가져오는 에지 컴퓨팅과 같은 분석을 위해 구성된 하나 이상의 프로세서를 더 포함한다.
일부 예에서, IoT 디바이스(115)는 사용자가 다양한 의료 디바이스들, 센서들(110), 또는 환경 또는 장소 내에 위치하는 도구들(예를 들면, 센서, 가습기, 호흡기, 병원 침대, 욕실 리프트, 이동성 스쿠터, 프린터, 컴퓨터 등), 또는 환경 또는 장소 외부에 위치하는 도구들(예를 들면, 움직임 센서, 운송 시스템 등)에 액세스하고, 이와 통신하며, 이를 제어 및/또는 구성할 수 있게 하는 자동화 네트워크 디바이스들을 포함할 수 있다. 예를 들어, IoT 디바이스(115)는 피험자를 통신 네트워크(120), 게이트웨이(125) 및/또는 클라우드 네트워크(130)에 "연결"시키는 하나 이상의 센서(110)(예를 들면, RFID 습기 센서)와 통신하는 허브 디바이스일 수 있다. 일부 실시예들에서, IoT 디바이스들(115)은, 병원, 요양원, 시설, 개인 요양원, 피험자의 집, 또는 IoT 디바이스들(115)과의 통신을 가능하게 하도록 관리 플랫폼(100)을 지원할 수 있는 임의의 장소와 같은, 다양한 환경들 또는 장소들에서 사용될 수 있다. 예를 들어, IoT 디바이스들(115)은 사용자가, 의료 디바이스들(예를 들면, 골반저 자극기, 폴리 백, 주입 펌프, 실금 제어 디바이스, 습기 센서 등), 컴퓨팅 디바이스들(예를 들면, 개인용 컴퓨터, 랩톱 컴퓨터, 태블릿, PDA(personal digital assistant), 컴퓨팅 디바이스, 웨어러블 디바이스 등), 조명 디바이스들(예를 들면, 램프, 매입형 조명 등), 보안 시스템과 연관된 디바이스들, 경보 시스템과 연관된 디바이스들 등과 같은, 디바이스들에 액세스하고, 이와 통신하며, 이를 제어 및/또는 구성할 수 있게 할 수 있다. 일부 예에서, IoT 디바이스들(115)은 수신된 센서 데이터(예를 들면, 습기 데이터 및 선택적인 압력 데이터)로부터 결정되는 미리 결정된 이벤트들에 응답하여 가청 경보가 방출될 수 있게 하고 가청 경보, 미리 결정된 이벤트, 또는 미리 결정된 이벤트에 대한 피험자 또는 건강 관리 제공자의 응답이 접촉 센서, 기계적 인터페이스 버튼, 그래픽 사용자 인터페이스 버튼 등에 의해 확인응답될 수 있게 하는 하드웨어, 소프트웨어, 또는 이들의 조합을 포함한다.
통신 네트워크(120)는 무선 네트워크, 유선 네트워크, 또는 유선 네트워크와 무선 네트워크의 조합일 수 있다. 무선 네트워크는 임의의 무선 인터페이스 또는 무선 인터페이스들의 조합(예를 들면, Zigbee™, Bluetooth™, WiFi™, IR, UWB, WiFi-Direct, BLE, 셀룰러, LTE(Long-Term Evolution), WiMax™ 등)을 포함할 수 있다. 유선 네트워크는 임의의 유선 인터페이스(예를 들면, 파이버, 이더넷, 전력선 이더넷, 동축 케이블을 통한 이더넷, DSL(digital signal line) 등)를 포함할 수 있다. 통신 네트워크(120)는 관리 플랫폼(100) 내의 디바이스들을 연결시키기 위해 다양한 라우터들, 액세스 포인트들, 브리지들, 게이트웨이들 등을 사용하여 구현될 수 있다. 예를 들어, 통신 네트워크(120)는 클라이언트 디바이스들(105), 센서들(110), IoT 디바이스들(115), 게이트웨이들(125), 및 클라우드 네트워크(130)를 연결시킬 수 있다.
일부 경우에, 하나 이상의 게이트웨이(125)는 단일 디바이스로서 IoT 디바이스들(115)과 통합된다. 다른 경우에, 하나 이상의 게이트웨이(125)는 IoT 디바이스들(115)과 별개이다. 어느 경우든, 하나의 또는 선택적인 게이트웨이(125)는 IoT 디바이스들(115)에 통신, 위치 및/또는 다른 서비스들을 제공하기 위해 무선 신호들을 통해 IoT 디바이스들(115) 및/또는 클라이언트 디바이스들(105)에 통신 능력을 제공할 수 있다. 게이트웨이들(125)에 의해 제공되는 네트워크 액세스는 다양한 상업적으로 이용 가능한 프로토콜들 중 임의의 것을 사용하여 데이터 통신을 지원할 수 있는 본 기술 분야의 통상의 기술자에게 친숙한 임의의 유형의 네트워크일 수 있다. 예를 들어, 게이트웨이들(125)은, WiFi™, Zigbee™, Bluetooth™, 적외선(IR), RFID, 셀룰러, LTE(Long-Term Evolution), WiMax™, 또는 다른 무선 통신 기술들, 또는 이들의 임의의 조합과 같은, 특정 통신 프로토콜들을 사용하여 통신 네트워크(120)에 대한 무선 통신 능력을 제공할 수 있다. 일부 경우에, 게이트웨이들(125)은, 클라우드 네트워크(130), 인터넷, 및/또는 다른 광역 네트워크들과 같은, 하나 이상의 외부 네트워크에 대한 액세스를 클라이언트 디바이스들(105) 및 IoT 디바이스들(115)에 제공할 수 있다. 단일 게이트웨이(125)가 도 1에 도시되어 있지만, 본 기술 분야의 통상의 기술자는 임의의 수의 게이트웨이들이 관리 플랫폼(100) 내에 존재할 수 있음을 이해할 것이다.
클라우드 네트워크(130)는 클라우드 서비스들을 제공하는 클라우드 인프라스트럭처 시스템을 포함할 수 있다. 특정 실시예들에서, 클라우드 네트워크(130)에 의해 제공되는 서비스들은, 등록, IoT 디바이스들(115)의 액세스 제어, 및 분석과 같은, 요구 시에 클라우드 인프라스트럭처 시스템의 사용자들에게 이용 가능하게 되는 다수의 서비스들을 포함한다. 클라우드 인프라스트럭처 시스템에 의해 제공되는 서비스들은 그의 사용자들의 욕구를 충족시키기 위해 동적으로 스케일링될 수 있다. 클라우드 네트워크(130)는 하나 이상의 컴퓨터, 서버, 및/또는 시스템을 포함할 수 있다. 일부 실시예들에서, 클라우드 네트워크(130)를 구성하는 컴퓨터들, 서버들, 및/또는 시스템들은 사용자 자신의 온프레미스(on-premises) 컴퓨터들, 서버들 및/또는 시스템들과 상이하다. 예를 들어, 클라우드 네트워크(130)는 애플리케이션을 호스팅할 수 있고, 사용자는, 인터넷과 같은 통신 네트워크(120)를 통해, 온 디맨드로(on demand), 애플리케이션을 주문하여 사용할 수 있다.
일부 실시예들에서, 클라우드 네트워크(130)는 클라우드 네트워크(130)와 IoT 디바이스들(115) 중 하나 이상 사이의 보안 연결을 확립하기 위해 게이트웨이들 또는 디바이스들에 걸쳐 인터넷 프로토콜 연결을 확립하고 유지하기 위한 기술(예를 들면, NAT(Network Address Translation) 횡단 애플리케이션)을 구현할 수 있다. 예를 들어, IoT 디바이스들(115) 각각과 클라우드 네트워크(130) 사이의 통신을 위해 IoT 디바이스들(115) 각각에 의해 별도의 보안 TCP(Transmission Control Protocol) 연결이 확립될 수 있다. 일부 실시예들에서, 클라우드 네트워크(130)가 언제라도 각각의 각자의 IoT 디바이스(115)와의 통신을 개시할 수 있도록 각각의 보안 연결은 무기한의 시간 기간 동안 열린 상태로 유지될 수 있다. 일부 경우에, 클라우드 네트워크(130)와 IoT 디바이스들(115) 및/또는 클라이언트 디바이스들(105) 사이의 다른 유형의 통신은, HTTP(Hypertext Transfer Protocol) 프로토콜, HTTPS(Hypertext Transfer Protocol Secure) 프로토콜 등과 같은, 다른 유형의 통신 프로토콜들을 사용하여 지원될 수 있다. 일부 실시예들에서, 클라우드 네트워크(130)에 의해 개시되는 통신은 TCP 연결을 통해 수행될 수 있고, 네트워크 디바이스에 의해 개시되는 통신은 HTTP 또는 HTTPS 연결을 통해 수행될 수 있다. 특정 실시예들에서, 클라우드 네트워크(130)는, 셀프 서비스이고, 가입 기반이며, 탄력적으로 확장 가능하고, 신뢰할 수 있으며, 고가용성이고, 안전한 방식으로, 고객에게 전달되는 애플리케이션, 미들웨어 및 데이터베이스 서비스 오퍼링 스위트를 포함할 수 있다.
본 명세서에서 상세히 설명되는 바와 같이, 센서들(110)과 IoT 디바이스들(115)의 네트워크를 사용하여 클라이언트 디바이스들(105)을 통해 하나 이상의 피험자를 관리 및 모니터링하는 것은, (i) RFID 신호들(예를 들면, 임피던스 값)과 같은 스트리밍 또는 배치(batch) 센서 데이터, 및 (ii) 과거의 RFID 신호들 및 의료 이력 데이터와 같은 로컬로 또는 원격으로 저장된 센서 데이터 또는 의료 데이터를 포함한, 다양한 형태의 데이터를 분석하고 보는 것을 포함할 수 있다. 센서들(110) 및 IoT 디바이스들(115)은 전형적으로 요양원 거주자 방, 병실, 침실, 또는 하나 이상의 피험자에 의해 점유되는 다른 환경에 위치한다. 일부 경우에, 센서들(110) 및/또는 IoT 디바이스들(115) 중 하나 이상은 하나 이상의 피험자의 방에 위치할 수 있고, 클라이언트 디바이스들(105) 중 하나 이상은, 예를 들어, 간호사실 또는 건강 관리 제공자의 시설에와 같이, 그 방으로부터 멀리 떨어져 있을 수 있다. 어느 경우든, 센서들(110) 및/또는 IoT 디바이스들(115)이 하나 이상의 피험자의 건강과 웰빙(피험자들의 의학적 상태(예를 들면, 요실금)를 포함함)을 연속적으로, 반연속적으로, 또는 주기적으로 모니터링하기 위해 하나 이상의 피험자가 존재하는 어디에나 배치될 수 있다.
클라이언트 디바이스들(105)은 디스플레이(예를 들면, 모니터 스크린, LCD 또는 LED 디스플레이, 프로젝터 등) 상에 제공되는 그래픽 사용자 인터페이스(GUI) 또는 브라우저 애플리케이션을 포함할 수 있다. 클라이언트 디바이스들(105)을 작동시키는 최종 사용자는 최종 사용자가 통신 네트워크(120)를 통해 관리 플랫폼(100)과 상호작용할 수 있게 하는 입력을 수용하는 이러한 인터페이스들 중 하나 이상을 제시받을 수 있다. 클라이언트 디바이스들(105) 상에서 실행되는 하나 이상의 인터페이스는 관리 애플리케이션을 사용하여 액세스 가능할 수 있다. 하나 이상의 인터페이스 및 관리 애플리케이션은 클라이언트 디바이스들(105), 센서들(110)과 IoT 디바이스들(115)의 네트워크, 및 원격 서버(들)(145) 사이에서, 예를 들어, 텍스트 콘텐츠, 멀티미디어 콘텐츠(예를 들면, 이미지들) 등과 같은 콘텐츠 데이터를 통신하도록 구현될 수 있다. 일부 경우에, 관리 애플리케이션은 센서들(110)과 IoT 디바이스들(115)의 네트워크로부터 데이터를 수집하는 것, 데이터를 디스플레이하는 것, 및 데이터를 분석 및 추적하는 것을 위해 클라이언트 디바이스들(105) 상에서 독립적으로 동작 가능하다(대부분의 그의 기능을 위해 원격 서버(들)(140)에 연결할 필요가 없음). 다른 경우에, 관리 애플리케이션은 센서들(110)과 IoT 디바이스들(115)의 네트워크로부터 데이터를 수집하는 것, 데이터를 디스플레이하는 것, 및 데이터를 분석 및 추적하는 것을 위해 클라이언트 디바이스들(105) 상에서 종속적으로 동작 가능하다(그의 기능의 적어도 일부를 위해 원격 서버(들)(140)에 연결할 필요가 있음).
하나 이상의 인터페이스 및 관리 애플리케이션은 센서들(110)과 IoT 디바이스들(115)의 네트워크에 액세스하도록, 예컨대, 라이브 데이터 피드에 액세스하고 하나 이상의 피험자를 모니터링하도록 최종 사용자에 의해 구현될 수 있다. 추가적으로 또는 대안적으로, 최종 사용자는 원격 서버들(140)에 액세스하기 위해, 예컨대, 클라이언트 디바이스들(105) 또는 IoT 디바이스들(115)에 의해 획득되어 데이터 저장소(145)에서 저장된 데이터를 검토하기 위해, 하나 이상의 인터페이스 및 관리 애플리케이션을 사용할 수 있다. 예를 들어, 모니터링 동안, IoT 디바이스들(115)은 데이터(예를 들면, 하나 이상의 피험자로부터의 센서 데이터)를 캡처하고 이 데이터를 하나 이상의 클라이언트 디바이스(105) 및/또는 원격 서버들(140)로 전송한다. 하나 이상의 클라이언트 디바이스(105)는 데이터를 프로세싱하여, 클라이언트 디바이스(105)에 있는 디스플레이와 같은 하나 이상의 디스플레이, 또는 클라이언트 디바이스(105)와 같은 다른 위치에 출력한다. 클라이언트 디바이스(105)가 획득되어 데이터 저장소(145)에서 저장된 데이터를 검토하기 위해 원격 서버들(140)에 액세스할 수 있도록, 원격 서버들(140)은 데이터를 프로세싱하여 데이터 저장소(145)에 저장한다.
하나 이상의 클라이언트 디바이스(105) 및/또는 원격 서버들(140)에서, 분석 시스템은 요실금을 포함한 피험자의 웰빙의 메트릭과 같은 건강 관리 데이터를 식별, 분석 및 추적하기 위해 하나 이상의 트레이닝된 머신 러닝(ML) 기술을 사용하여 들어오는 콘텐츠 데이터를 프로세싱할 수 있다. 일부 예에서, 들어오는 데이터는 실시간 또는 거의 실시간으로 프로세싱된다. 대안적으로, 프로세싱이 실시간(또는 거의 실시간)으로 수행되지 않을 수 있고, 그 대신에 보다 넓은 범위의 데이터를 수집하고 어쩌면 분석을 개선시키기 위해 분석에 대한 요청 이후 또는 모니터링 세션의 시간 기간 이후에 프로세싱될 수 있다. 일부 예에서, 하나 이상의 인터페이스 및 관리 애플리케이션은 (하나 이상의 피험자의 모니터링을 넘어), (i) 콘텐츠 데이터를 검색 및 브라우징하는 것, (ii) 건강 관리 데이터를 분석 및 검토하는 것, (iii) 재고 관리, 및 (iv) 인력 관리와 같은, 다양한 추가적인 작업들을 수행하도록 최종 사용자에 의해 구현될 수 있다.
도 2는 하나 이상의 피험자의 요실금을 포함한 건강 관리를 관리하는 IoT 솔루션의 구현을 위한 관리 시스템(200)(예를 들면, 도 1과 관련하여 설명된 관리 플랫폼(100) 내에 구현된 컴퓨팅 시스템)을 도시한다. 일부 경우에, 관리 시스템(200)은 IoT 디바이스들(210)과 센서들(215)의 네트워크와 통신하는 하나 이상의 클라이언트 디바이스(205)를 포함한다. 클라이언트 디바이스들(205)은 IoT 디바이스들(210)에 액세스하기 위해 인터페이스(220)(예를 들면, GUI) 및 제어기(225)를 통해 최종 사용자에 의해 작동될 수 있다. 일부 경우에, 최종 사용자는 API(application program interface)(240)를 통해 대응하는 제어 신호들(230)을 IoT 디바이스 제어기(235)로 송신하는 것에 의해 IoT 디바이스들(210)을 제어하기 위해 인터페이스(220)를 사용하여 제어기(225)에 액세스한다. IoT 디바이스들(210)은 하나 이상의 피험자(245)의 건강 및 웰빙을 모니터링하기 위해 제어기(225)로 제어될 수 있다. 예를 들어, 최종 사용자는 센서들(215)로부터의 데이터(250)를 획득하기 시작하도록 IoT 디바이스들(210)을 턴 온시키거나, 구성하거나, 작동시키거나 그에 지시할 수 있다. 다른 경우에, 최종 사용자는 클라이언트 디바이스들(205) 및/또는 원격 서버들(260)의 수집기(255)를 구성하기 위해 인터페이스(220)를 사용하여 제어기(225)에 액세스한다. 수집기(255)는 IoT 디바이스들(210)을 자동으로 턴 온, 구성 또는 작동시키도록(예를 들면, 스케줄에 따라 또는 유사한 방식으로 IoT 디바이스들(210)에 데이터(250)(예를 들면, 센서 데이터)를 획득하기 시작하게 지시하도록) 최종 사용자에 의해 구성될 수 있다. 수집기(255)는 API(240)를 통해 대응하는 제어 신호들(230)을 IoT 디바이스 제어기(235)로 송신하는 것에 의해 IoT 디바이스들(210)을 제어할 수 있다. 제어기(225) 및 수집기(255)는 IoT 디바이스들(210)에 액세스하기 위해, 예컨대, 라이브 데이터 피드에 액세스하고, 하나 이상의 피험자(245)를 모니터링하며, 분석 또는 메트릭(260)을 획득하기 위해, 최종 사용자에 의해 구현된 관리 애플리케이션의 일부일 수 있다.
클라이언트 디바이스들(205) 및/또는 원격 서버들(265)의 수집기(255)는 (애플리케이션으로서 또는 웹 인터페이스에 대한 웹 브라우저 연결을 통해) 센서 데이터를 클라이언트 디바이스들(205)로 스트리밍하기 위해 라이브 스트리밍 프로토콜을 통해 실시간으로 데이터(250)를 수집 및 프로세싱할 수 있다. 일부 경우에, 원격 서버들(265)은 클라우드 네트워크(예를 들면, 도 1과 관련하여 설명된 바와 같은 클라우드 네트워크(130))와 같은 분산 환경 내에서 구현된다. 라이브 스트리밍은 수집기(255)에 수신되는 데이터(250)로부터 최종 사용자가 다운로드할 라이브 스트리밍 데이터를 생성하는 포맷팅 능력을 제공한다. 클라이언트 디바이스들(205)에서 최종 사용자에 의해 수신되는 라이브 스트리밍 데이터는 센서들(215)로부터의 판독치들을 포함하는 실시간 센서 스트림을 포함할 수 있다. 실시간 센서 스트림은 하나 이상의 인터페이스(220)를 통해 이벤트들의 실시간 또는 타임 랩스(time-lapsed) 스트림으로서 관찰, 기록, 일시 중지되고 보일 수 있다. 대안적으로, 클라이언트 디바이스들(205) 또는 원격 서버들(265) 시스템의 수집기(255)는 (애플리케이션으로서 또는 웹 인터페이스에 대한 웹 브라우저 연결을 통해) 센서 데이터를 클라이언트 디바이스들(205)에 제공하기 위해 배치 데이터 프로세싱을 통해 일정 시간 기간에 걸쳐 데이터(245)를 수집 및 프로세싱할 수 있다. 일부 경우에, 배치 데이터는 하나 이상의 메모리 디바이스 또는 데이터 저장소(270)에 저장될 수 있다. 배치 데이터 프로세싱은 수집기(255)에 수신되는 데이터(250)로부터 최종 사용자가 다운로드할 배치형 데이터(batched data)를 생성하는 포맷팅 능력을 제공한다. 클라이언트 디바이스들(205)에서 최종 사용자에 의해 획득되는 배치형 데이터는 기록된 센서 판독치들을 포함할 수 있다. 기록된 센서 판독치들은 하나 이상의 인터페이스(220)를 통해 온라인 또는 오프라인으로 관찰, 기록, 일시 중지되고 보일 수 있다.
수집기(255)는 데이터(250)를 프로세싱하여 건강 관리 또는 웰빙의 분석 및 메트릭(260)을 제공하기 위해 데이터(250)를 클라이언트 디바이스들(205) 및/또는 원격 서버들(265)의 분석 시스템(275)으로 송신할 수 있다. 데이터(250)는 IoT 디바이스들(210)로부터 수집기(255)로 송신될 수 있으며, 여기서 센서 판독치들의 전부 또는 일부가 프로세싱되고, 데이터 저장소들(270)에 트레이닝 데이터 세트들 또는 입력 데이터 세트들로서 저장되며, 독립형 데이터로서 또는 건강 관리 제공자들 또는 의료 디바이스들로부터의 건강 관리 데이터와 같은 다른 데이터 및/또는 이미지 또는 비디오와 같은 미디어 데이터에 대한 보완으로서 분석 시스템(275)을 사용하여 분석된다. 의료 디바이스 측정치들과 같은 다른 데이터(250)가 또한 IoT 디바이스들(210)로부터 수집기(255)로 송신될 수 있으며, 여기서 측정치들의 전부 또는 일부가 프로세싱되고, 데이터 저장소들(270)에 저장되며, 독립형 데이터로서 또는 건강 관리 제공자들 또는 의료 디바이스들로부터의 건강 관리 데이터와 같은 다른 데이터 및/또는 이미지 또는 비디오와 같은 미디어 데이터에 대한 보완으로서 분석 시스템(275)을 사용하여 분석된다. 일부 경우에, IoT 디바이스들(210)의 제어기(235)는 데이터(250)를 프리프로세싱하거나, 부분적으로 프로세싱하거나 완전히 프로세싱하고 선택적으로 하나 이상의 피험자에 대한 건강 관리 또는 웰빙의 분석 및 메트릭(260)을 제공하는 논리, 메모리, 및 프로세싱 컴포넌트들을 포함한다. 예를 들어, IoT 디바이스들(210)의 제어기(235)는 센서 판독치들을 파싱하고, 패턴 인식에 따라 센서 판독치들을 빈들(bins)에 배치하며, 선택적으로 패턴 인식에 기초하여 기저귀 포화와 같은 실금 이벤트들을 식별하도록 구성될 수 있다.
분석 시스템(275)은 논리, 메모리, 및 하나 이상의 머신 러닝 모델 및 서비스 모듈과 같은 프로세싱 컴포넌트들을 포함한다. 분석 시스템(275)은 데이터(250)는 물론 임의의 다른 관련 정보(예를 들면, 사용자 입력, 계정 또는 제3자 소스들로부터의 피험자 프로파일, 제품 재고, 인력 데이터, 또는 의료 데이터)를 수신하고, 논리 및/또는 하나 이상의 머신 러닝 모델을 사용하여 데이터(250)를 프로세싱하며, 프로세싱된 데이터(250)를 분석하고, 출력 데이터를 생성하도록 구성될 수 있다. 일부 경우에, 출력 데이터는 서비스 모듈들에 의해 제공되는 서비스들을 제공하는 데 사용될 수 있다. 일부 경우에, 출력 데이터는 하나 이상의 피험자(245)의 실금 패턴들을 검출하는 것, 속옷 및 흡수 패드의 사용 패턴들을 검출하는 것, 하나 이상의 피험자(245)에 관한 위치 또는 자세 정보를 획득하거나 결정하는 것, 하나 이상의 피험자(245)의 웰빙을 예측하는 것, 및 인력 상태 및 잠재적인 인력 배치(staffing) 문제를 결정 및 예측하는 것을 위한 하나 이상의 동작에서 사용될 수 있다. 하나 이상의 동작의 결과들은 서비스 모듈들에 의해 제공되는 서비스들을 제공하기 위해 개별적으로 사용되거나 다른 모델들 또는 소스들의 출력과 결합될 수 있다.
예를 들어, 논리 및 머신 러닝 모델들에 의한 분석(온라인(실시간) 또는 오프라인)의 결과들은 경고, 통지, 활동 요약 및 피험자 프로파일 정보와 같은 최종 사용자에 의해 요청된 서비스들을 제공하는 데 사용될 수 있다. 서비스 모듈들에 의해 제공될 수 있는 예시적인 서비스들은 시간 경과에 따른 피험자에 대한 요실금의 요약, 시간 경과에 따른 하나 이상의 피험자에 대한 속옷 및 흡수 패드 사용의 요약, 시간 경과에 따른 하나 이상의 피험자의 움직임 또는 위치의 요약, 특정 실금 이벤트들이 발생할 때(예를 들면, 속옷 및 흡수 패드 젖음 또는 포화)의 요청에 따른 통지, 특정 활동이 검출될 때(예를 들면, 피험자가 침대에서 일어나거나 방에서 나가는 것)의 요청에 따른 통지, 특정 레벨의 제품 재고가 발생할 때(예를 들면, 속옷, 흡수 패드 또는 일회용 센서의 수가 미리 결정된 임계치에 도달함)의 요청에 따른 통지, 및 과거 시간 기간에 걸친 피험자의 건강 상태의 요약을 포함할 수 있다. 다른 서비스들은 사용자가 데이터 및/또는 요약들을 보고 다른 사용자들, 건강 관리 제공자들, 간병인들, 가족 또는 의료 인력과 공유할 수 있게 하는 것을 포함할 수 있다. 다른 서비스는 사용자가 공유 데이터 및/또는 요약들에 대한 댓글을 작성할 수 있게 할 수 있다.
서비스 모듈들은 머신 대 머신 상호작용을 제공할 수 있고, 클라이언트 디바이스들(205)과 원격 서버들(255) 사이에서 데이터(250) 및 서비스 데이터(280)를 통신하도록 동작 가능하다. 사용자는 인터페이스(220)를 사용하고 프로파일 또는 계정을 식별하는 것에 의해 서비스 모듈들에 로그인할 수 있다. 일부 경우에, 프로파일 또는 계정에 로그인하고 서비스 모듈들을 사용하기 위해 사용자의 인증 및/또는 인가가 요청될 수 있다. 클라이언트 디바이스들(205)은 서비스 모듈들에 서비스 데이터(280)를 요청할 수 있다. 서비스 모듈들은 요청을 프로세싱하고 요청하는 클라이언트 디바이스들(205)에 서비스 데이터(280)를 제공할 수 있다. 서비스 데이터(280)는 메시지, 경보, 통계, 차트 및 원격 기능을 포함할 수 있다. 일부 경우에, 서비스 데이터(280)는 IoT 디바이스(210)로부터의 데이터(250)와 함께 또는 이와 독립적으로 전송될 수 있다. 예를 들어, 클라이언트 디바이스들(205)은 LAN 연결을 통해 라우터를 거쳐 IoT 디바이스들(210)로부터 데이터(250)를 수신하고 클라이언트 디바이스들(205) 상에서 실행되는 관리 애플리케이션으로부터 또는 원격 서버들(265)로부터 WAN을 통해 서비스 데이터(280)를 수신할 수 있다. 대안적으로, 클라이언트 디바이스들(205)은 원격 서버들(265)로부터 WAN을 통해 단일 데이터 스트림으로서 데이터(250) 및 서비스 데이터(280) 둘 모두를 수신할 수 있다. 다양한 실시예들에 따른 데이터 전송 구성들은 설명된 예들로 제한되지 않고, 데이터(250) 및 서비스 데이터(280)가 클라이언트 디바이스들(205)에 의해 수신될 수 있게 하는 다른 구성들을 포함할 수 있다.
데이터 저장소들(270)(예를 들면, 데이터베이스들)은 프로파일 또는 의료 데이터(예를 들면, 피험자의 나이, 체온, 체중 등), 데이터(250), 서비스 데이터(280), 임의의 주어진 시간 기간에 걸친 하나 이상의 피험자에 대한 건강 관리 또는 웰빙의 메트릭을 포함한 분석 데이터를 포함할 수 있다. 예를 들어, 측정 당시의 다른 건강 또는 의료 관련 데이터(예를 들면, 주입 온도 파라미터들)와 함께 각각의 피험자에 대한 실금 차트. 분석 데이터는 한 피험자와 다른 피험자의 서비스 데이터(270) 또는 메트릭을 비교하는 통계 또는 하나 이상의 피험자와 피험자 집단(예를 들면, 동일한 나이 범위 및/또는 성별 내의 집단)의 비교를 또한 포함할 수 있다. 예를 들어, 이러한 통계는 특정 근무 교대 동안의 실금 이벤트들, 속옷 및 흡수 패드의 교체 이전의 실금 이벤트들 및 시간 길이, 또는 실금 이벤트들의 패턴들의 비교를 포함할 수 있다. 분석 데이터는 프로파일 또는 의료 데이터 간의 상관을 디스플레이하는 데 사용할 수 있다.
도 2가 관리 시스템(200)의 맥락에서 하나 이상의 피험자의 요실금을 포함한 건강 관리를 모니터링하는 기술을 예시하지만, 이는 다른 유형의 시스템들 및 설정들에서 구현될 수 있음을 이해해야 한다. 예를 들어, 이 기술은 관리 시스템(200)과 별개인 컴퓨팅 디바이스에서 구현될 수 있고/있거나 모니터링이 완료된 후 또는 피험자의 비활동 기간 동안 오프라인으로 수행될 수 있다. 또한 도 2가 센서 기록들을 사용하여 하나 이상의 피험자의 요실금을 포함한 건강 관리를 모니터링하는 기술을 예시하지만, 하나 이상의 의료 디바이스로부터의 추가적인 또는 대안적인 데이터, 예를 들어, 심전도(EKG) 또는 주입 펌프 파라미터들을 사용하여 구현될 수 있음을 이해해야 한다.
III. 흡수 용품, 센서 및 IoT 디바이스
도 3a는 본 개시의 적어도 하나의 실시예에 따른 흡수 용품(300)(예를 들면, 속옷 또는 흡수 패드)(기저귀와 같은 속옷이 도시되어 있지만, 유사한 특징들이 흡수 패드 또는 다른 흡수 용품에서 사용될 수 있음을 이해해야 함)을 묘사한다. 본 명세서에서 사용되는 바와 같이, "속옷"이라는 용어는 다리 사이에 배치되어 액체를 흡수 및 보유할 수 있는, 실금이 있는 사람이 일반적으로 착용하는 의복을 지칭한다. 일부 실시예들에서, 흡수 용품(300)은 액체 투과성 상부 시트(305)(예를 들면, 친수성 폴리프로필렌 부직포), 흡수성 재료(310), 비흡수성 재료(312), 액체 불투과성 후면 시트(315), 및 패스너(fastener)(320)를 포함한다. 상부 시트(305), 흡수성 재료(310), 비흡수성 재료(312), 액체 불투과성 후면 시트(315), 및 패스너(320)는 다양한 잘 알려진 구성들로 조립될 수 있다. 예를 들어, 도시된 바와 같이, 흡수성 재료(310)는 액체 투과성 상부 시트(315) 아래에 배치될 수 있고, 비흡수성 재료(312)는 액체 투과성 상부 시트(315) 또는 흡수성 재료(310)의 적어도 일 부분에 인접하게 배치될 수 있다. 흡수성 재료(310)가 액체 투과성 상부 시트(305)와 액체 불투과성 후면 시트(315) 사이에 배치되도록 액체 불투과성 후면 시트(315)는 흡수성 재료(310) 위에 배치된다.
흡수성 재료(310)는 일반적으로 압축 가능하고, 정합 가능하며, 착용자의 피부에 자극적이지 않고 액체를 흡수 및 보유할 수 있는 임의의 재료일 수 있다. 흡수성 재료(310)는 매우 다양한 크기 및 형상(예를 들면, 직사각형, 모래시계 등)으로 그리고, 에어펠트(airfelt)라고 일반적으로 지칭되는 분쇄 목재 펄프와 같은, 일회용 기저귀에 통상적으로 사용되는 매우 다양한 액체 흡수성 재료로 제조될 수 있다. 여러 겹의 크레이프된 셀룰로스 와딩(creped cellulose wadding), 중합체 겔화제, 흡수성 발포체 또는 스폰지, 또는 임의의 동등한 재료 또는 재료들의 조합과 같은 다른 액체 흡수성 재료들이 또한 흡수성 재료(310)의 제조에 사용될 수 있다. 그렇지만, 흡수성 재료(310)의 총 흡수 용량은 흡수 용품(300)의 의도된 용도에서의 설계 액체 부하량(design liquid loading)과 호환되어야 한다. 게다가, 흡수성 재료(310)의 크기 및 흡수 용량은 유아부터 성인에 이르는 착용자들을 수용하도록 다양할 수 있다.
다양한 실시예들에서, 하나 이상의 센서(325)(예를 들면, 수동 또는 능동 RFID 센서 등)가 흡수 용품(300) 상에 배치된다. 일부 실시예들에서, 하나 이상의 센서(325)는 (예를 들면, 접착제, 자석과 같은 커넥터, 또는 슬리브와 같은 부착 구조로) 흡수 용품(300)에 부착될 수 있는 재사용 가능 및/또는 일회용 태그로서 형성된다. 다른 실시예들에서, 하나 이상의 센서(325)는 흡수 용품(300) 상에 직접 프린팅된다(예를 들면, 전도성 중합체 또는 금속으로 3D 프린팅됨). 하나 이상의 센서(325)는 하나 이상의 기능을 달성하도록 설계된 임의의 배열 또는 패턴으로 부착되거나 프린팅될 수 있다. 예를 들어, 실금 이벤트를 결정하기 위해, 하나 이상의 센서(325)는 (단면 투시도로부터) 수직 평면(A)에서 흡수성 재료(310) 또는 비흡수성 재료(312)와 정렬된 영역에서(즉, 단면 투시도로부터 흡수성 재료(310) 또는 비흡수성 재료(312) 위 또는 아래에서) 액체 불투과성 후면 시트(315) 상에 흡수 용품(300)의 후방 측면에 부착되거나 직접 프린팅될 수 있다. 이러한 배열은 센서들(325)이 실금 이벤트를 나타내는 습기를 검출하는 기능을 유지하면서 피험자의 피부와 접촉하는 것을 방지한다. 다른 경우에, 피험자의 습기 및 움직임을 검출하기 위해, 제1 센서 서브세트(325)는 (단면 투시도로부터) 수직 평면(A)에서 흡수성 재료(310)와 정렬된 영역에서 흡수 용품(300)의 후방 측면에 부착되거나 직접 프린팅될 수 있고, 제2 센서 서브세트는 (단면 투시도로부터) 수직 평면(A)에서 흡수성 재료(310)와 정렬되지 않는 영역에서 흡수 용품(300)의 후방 측면(예를 들면, 도 3a에 도시된 바와 같이, 수직 평면(A)에서 비흡수성 재료(312)와 정렬된 허리 라인 상의 기저귀의 배면)에 부착되거나 직접 프린팅될 수 있다. 이러한 배열은 센서들(325)이 실금 이벤트를 나타내는 습기를 검출하고 피험자의 움직임을 검출하는 기능을 유지하면서(흡수성 재료 내의 습기가 제1 센서 서브세트(325)로 하여금 비활성으로 되게 하거나 움직임과 부합하는 신뢰할 수 있는 데이터를 보고할 수 없게 할지라도) 피험자의 피부와 접촉하는 것을 방지한다.
하나 이상의 센서(325)는 2 개의 디바이스(예를 들면, 센서와 IoT 디바이스) 사이에서 신호들을 전송 및/또는 수신하는 데 사용되는 트랜시버 또는 무선 통신 모듈을 갖는 집적 회로(330)를 포함할 수 있다. 집적 회로(330)는 검출기(335)에서 감지된 전기적 상태(예를 들면, 임피던스) 및/또는 해당 전기적 상태의 변화를 검출하고 전기적 상태 또는 전기적 상태의 변화를 양자화하도록 구성된 검출 회로, 및 전기적 상태 또는 전기적 상태의 변화에 대한 정량화된 값(예를 들면, 임피던스 값)과 같은 센서 기록들을 저장하기 위한 메모리 저장 디바이스를 더 가질 수 있다. 하나 이상의 센서(325)는 파라미터, 신호, 센서 기록 또는 정량화된 값을 포함한 정보를 집적 회로 및/또는 안테나(345)에 전달하기 위한 전송 라인들(340)을 더 포함할 수 있다. 일부 실시예들에서, 안테나는 다이폴 설계이고, 검출기(335)는 전송 라인들(340)을 사용하여 전기적 상태를 안테나(345)에 통신하며, 따라서 안테나(345)의 전기적 상태에 직접 영향을 미친다. 검출 회로는 안테나(345)에서의 전기적 상태 또는 전기적 상태의 임의의 결과적인 변화를 검출하고 해당 전기적 상태 또는 전기적 상태의 변화를 양자화할 것이다.
일부 실시예들에서, 슬리브 또는 스트랩과 같은 하나 이상의 부착 구조(350)는 하나 이상의 센서(325)를 흡수 용품(300)에 부착시키기 위해 흡수 용품(300)의 일 부분 상에 형성되거나 그와 통합된다. 흡수 용품(300)이 미리 구성된 배열로 하나 이상의 센서(325)를 유지하게 설계되도록, 흡수 용품(300)은 하나 이상의 부착 구조(350)와 함께 제조될 수 있다. 사용 이전에, 하나 이상의 센서(325)가 미리 구성된 배열로 구현되도록, 하나 이상의 센서(325)는 하나 이상의 부착 구조(350)를 사용하여 흡수 용품(300)에 부착될 수 있다. 일부 경우에, 하나 이상의 부착 구조(350)는 하나 이상의 센서(325)를 미리 구성된 배열로 위치시키기 위해 제조 레벨에서 사용될 수 있다. 하나 이상의 부착 구조(350)는 특정 흡수 용품(300) 유형 및 크기 정보를 나타내는 센서(325)에 대응하는 특정 크기의 센서(325)만을 수용하는 크기로 되어 있을 수 있다. 예를 들어, 센서(325)가 흡수 용품(300) 정보와 매칭하는 기본 EPC(Electronic Product Code) 정보를 사용하여 상이한 크기들로 제조될 수 있다. 하나 이상의 부착 구조(350)의 위치는 이상적인 센서 위치가 달성되도록 보장할 것이다. 이 위치는 최대 안테나 응답을 위해 주변 습기 마진과 건조 구역의 접합부에 있을 수 있다. 단일 배뇨 이벤트를 최대 감도로 검출하는 흡수 용품(300)을 위해, 그 위치는 중앙 전방 흡수성 재료(310)에 걸쳐 있을 수 있다. 변실금(fecal incontinence) 측정의 경우, 그 위치는 중앙 후방 흡수성 재료(310)에 걸쳐 있을 수 있다. 최대 용량 측정을 추적하는 것은 물론 지오펜싱 또는 움직임 검출 능력을 갖는 흡수 용품(300)의 경우, 신호 열화를 방지하기 위해 추가적인 슬리브가 비흡수성 재료(312) 위에 위치될 수 있다.
흡수 용품(300)은 또한 하나 이상의 부착 구조(350)의 부착과 비교하여 하나 이상의 센서(325)에 대한 이상적인 사이트(site) 또는 미리 구성된 배열이 이미 미리 결정되거나 하나 이상의 프린팅된 윤곽 또는 로케이터로 표시되어 있는 "RFID 태그 준비" 상태로 제조 및 판매될 수 있다. 그 후에, 하나 이상의 센서(325)는 이상적인 배치를 위해 또는 미리 구성된 배열로 접착제 등을 통해 하나 이상의 프린팅된 윤곽 또는 로케이터에 직접 부착될 수 있다. 대안적으로, 흡수 용품(300)이 하나 이상의 부착 구조(350) 없이 제조될 수 있다. 사용 이전에, 하나 이상의 부착 구조(350)가 원하는 배열로 (예를 들면, 테이프와 같은 접착제 등으로) 흡수 용품에 부착될 수 있다. 일부 경우에, 하나 이상의 센서(325)는 자석 또는 벨크로 시스템(예를 들면, 철 함유(ferrous) 흡수 용품 요소 및 RFID 연관 자기 요소가 사용될 수 있음)과 같은 커넥터로 부착될 수 있다. 다른 경우에, 하나 이상의 센서(325)는 전술한 해결책들 중 하나 이상을 통해 흡수 용품(300)에 부착 가능한 영구 플라스틱 또는 중합체 구조 내부에 배치될 수 있으며, 따라서 하나 이상의 센서(325)의 재사용 및 세척을 가능하게 한다.
도 3b는 본 개시의 적어도 하나의 실시예에 따른 흡수 용품(300)의 평면도를 묘사한다. 센서(325a)는 액체 불투과성 후면 시트(315)의 전방(전향) 측에서 아래에 놓인 흡수성 재료(310)와 비흡수성 재료(312) 사이의 계면(355)(수직 평면(A)에서 계면(355)과 정렬되는 용품(300)의 영역) 위에, 그 근처에 또는 그에 인접하여 배치되고, 센서(325b)는 비흡수성 재료(312)의 외연(수직 평면(A)에서 비흡수성 재료(312)와 정렬되는 용품(300)의 영역)에 걸쳐 액체 불투과성 후면 시트 상에 배치된다. 이와 관련하여, 계면 근처 또는 그에 인접하다는 것은 아래에 놓인 흡수성 재료(310)의 에지로부터 1 내지 5 cm 이내를 의미한다. 외연에 있는 센서(325b)에 의한 측정은 최대 용량의 선행 지표일 것이고, 포화 상태에서, 정상 상태에 도달할 것인 반면; 흡수성 재료 계면에 있는 센서(325a)에 의한 측정은 젖음 이벤트, 건조 이벤트 및/또는 포화되지 않은 흡수성 재료의 시작의 선행 지표일 것이다. 시간 경과에 따른 에너지 상태의 변화는 모세관 모델을 사용하여 젖음 및 건조 속도를 나타낸다. 이 에너지 상태가 균형수(equilibrium number)에 도달할 때, 이는 디바이스 포화와 상관될 것이다. 일단 전체 용량에 도달하면, 포화가 발생하고, 흡수 용품(300)은 누출될 위험이 있다. 이것은 속옷 또는 흡수 패드의 주변에 있는 센서(325b)에 의해 측정된 정적 에너지 상태 또는 전체 주변 기저귀 용량에 따라 액체 전면(liquid front)이 RFID 안테나를 차단할 때 센서(325a)로부터의 RFID 신호의 완전한 손실에 의해 나타난다.
도 3c는 본 개시의 대안적인 실시예에 따른 흡수 용품(300)의 평면도를 묘사한다. 센서(325a)는 액체 불투과성 후면 시트(315)의 전방(전향) 측에서 아래에 놓인 흡수성 재료(310)와 비흡수성 재료(312) 사이의 계면(355)을 가로질러 배치된다. 이것은 RFID 판독기와의 무선 통신을 최대화하기 위해 센서 안테나의 일 부분이 비흡수성 재료(312) 위에 배치될 수 있게 하면서 흡수성 재료(310)에 걸친 습기 감지를 달성하는 능력을 제공한다. 계면(355)에 있는 센서(325a)에 의한 측정은 최대 용량의 선행 지표일 것이고, 포화 상태에서, 정상 상태에 도달할 것이다. 시간 경과에 따른 에너지 상태의 변화는 모세관 모델을 사용하여 젖음 및 건조 속도를 나타낸다. 이 에너지 상태가 균형수에 도달할 때, 이는 디바이스 포화와 상관될 것이다. 일단 전체 용량에 도달하면, 포화가 발생하고, 흡수 용품(300)은 누출될 위험이 있다. 이것은 속옷 또는 흡수 패드의 주변에 있는 센서(325b)에 의해 측정된 정적 에너지 상태에 의해 나타난다.
도 3d는 본 개시의 대안적인 실시예에 따른 흡수 용품(300)의 평면도를 묘사한다. 센서(325a)는 액체 불투과성 후면 시트(315) 상에서 아래에 놓인 흡수성 재료(310)와 비흡수성 재료(312) 사이의 계면(355)을 가로질러 배치된다. 이 경우에, 센서(325a)는 습기 검출 컴포넌트(360)가 습기 전면(moisture front)의 임의의 지점(수직 평면(A)에서 아래에 놓인 흡수성 재료(310)와 정렬된 용품(300)의 영역)에 배치되고 연관된 확장된 안테나(365)가 습기 흡수성의 영역 외부의 영역에 위치되는, 예를 들면, 수직 평면(A)에서 비흡수성 재료(312)와 정렬되는 것으로 수정되었다. 이것은 RFID 판독기와의 무선 통신을 최대화하기 위해 센서 안테나의 일 부분이 비흡수성 재료(312) 위에 배치될 수 있게 하면서 흡수성 재료(310)에 걸친 습기 감지를 달성하는 능력을 제공한다. 계면(355)에 있는 센서(325a)에 의한 측정은 최대 용량의 선행 지표일 것이고, 포화 상태에서, 정상 상태에 도달할 것이다. 시간 경과에 따른 에너지 상태의 변화는 모세관 모델을 사용하여 젖음 및 건조 속도를 나타낸다. 이 에너지 상태가 균형수에 도달할 때, 이는 디바이스 포화와 상관될 것이다. 일단 전체 용량에 도달하면, 포화가 발생하고, 흡수 용품(300)은 누출될 위험이 있다. 이것은 속옷 또는 흡수 패드의 주변에 있는 센서(325b)에 의해 측정된 정적 에너지 상태에 의해 나타난다.
도 3e는 요실금과 변실금을 구별하도록 설계된, 본 개시의 대안적인 실시예에 따른 흡수 용품(300)의 평면도를 묘사한다. 요실금의 검출은 액체 불투과성 후면 시트(315)의 전방(전향) 측에서의 센서(325a)의 배치에 의존하는 반면; 변실금 검출은 액체 불투과성 후면 시트(315)의 후방(후향) 측에서의 센서(325b)의 배치에 의존한다. 센서들(325a 및 325b)는 비흡수성 재료(312)(수직 평면(A)에서 비흡수성 재료(312)와 정렬된 용품(300)의 영역)에 걸쳐 외연에 배치되거나 아래에 놓인 흡수성 재료(310)와 비흡수성 재료(312) 사이의 계면(355)을 가로질러 배치될 수 있다. 센서(325a)에 의한 측정은 최대 용량의 선행 지표일 것이고, 요 포화 상태에서, 액체 전면이 RFID 안테나를 차단할 때 센서(325a)로부터의 RFID 신호의 완전한 손실 또는 정상 상태에 도달할 것이다. 시간 경과에 따른 에너지 상태의 변화는 모세관 모델을 사용하여 젖음 및 건조 속도를 나타낸다.
센서(325b)에 의한 측정은 변실금 이벤트의 선행 지표일 것이고, 대변이 RFID 안테나를 차단할 때 센서(325a)로부터의 RFID 신호의 완전한 손실 또는 정상 상태에 도달할 것이다. 시간 경과에 따른 에너지 상태의 변화는 변실금 이벤트를 나타낸다. 대변 이벤트(실금 또는 자제)는 전형적으로 규칙적인 일중 패턴(diurnal pattern)을 따른다. 데이터 로깅 및 이에 뒤이은 에지/클라우드 플랫폼에 기초한 데이터 분석이 미래의 대변 이벤트의 예측 모델을 생성하는 데 사용될 수 있다. 예측 모델은 이어서 변실금 이벤트 이전에 개입 가능성에 관해 건강 관리 제공자 또는 간병인에게 통보하는 데 사용될 수 있다. 피험자가 흡수 용품(300)에 배변하기보다는 화장실 시설을 사용하도록 도와주는 것에 의해 대변 이벤트의 관리가 크게 단순화될 수 있다. 추가적으로, 미래의 대변 이벤트 및 용변 시간의 예측을 최적화하기 위해 급식 간격 및 부피 또는 양을 포함한 데이터가 예측 모델에 입력으로서 제공될 수 있다.
도 4a는 본 개시의 적어도 하나의 실시예에 따른 무선 솔루션(400)의 블록 다이어그램을 묘사한다. 요실금을 위한 종래의 습기 센서 시스템들에서, 센서는 습기를 끌어당기는 흡습성(습기 흡수성) 재료의 커패시턴스 측정 또는 저항 측정을 통해 습기 또는 습도를 측정하도록 구성되며, 습기가 금속 플레이트 또는 전도성 경로와 접촉할 때, 습기는 전압 변화 또는 저항 변화를 생성한다. 이러한 종래의 시스템들은 전형적으로 덩치가 크고 커패시턴스 측정 또는 저항 측정을 달성하기 위해 센서의 금속 플레이트 또는 전도성 경로에 연결하는 도킹 요소에 부착된 판독 디바이스를 필요로 한다. 판독 디바이스는 이어서 센서로부터 언도킹(undock)되고 후속하여 분석 시스템에 플러깅되거나 센서 데이터를 분석 시스템으로 무선으로 전송할 수 있다. 이에 반해, 본 개시의 무선 솔루션(400)은 하나 이상의 RFID 센서(405)(예를 들면, 도 3a 및 도 3b와 관련하여 설명된 센서들(325)) 및 하나 이상의 RFID 센서(405)와 무선으로 통신할 수 있는 RFID 판독기(415) 및 제어 유닛(420)을 포함하는 별도의 IoT 디바이스(410)를 포함한다. 비록 단지 하나의 IoT 디바이스(410)가 도시되어 있지만, 제2 또는 다수의 IoT 디바이스(410)가 하나 이상의 RFID 센서(405)와 무선으로 통신하는 데 사용될 수 있다는 것을 이해해야 한다. 하나 이상의 RFID 센서(405) 및 IoT 디바이스(410)는 디바이스들을 식별, 결정 및 추적하기 위해 전파를 사용하는 무선 통신 형태를 사용한다. 하나 이상의 RFID 센서(405) 및 IoT 디바이스(410)는 저주파(LF), 고주파(HF), 초고주파(UHF), 또는 이들의 조합을 갖는 전파를 사용할 수 있다. IoT 디바이스(410)는 하나 초과의 RFID 센서(405)와 동시에 무선으로 통신할 수 있다. IoT 디바이스(410)의 RFID 판독기(415) 및 제어 유닛(420)은 하나 이상의 RFID 센서(405)로부터의 센서 데이터를 검색하며, 센서 데이터를 프로세싱하고/하거나 센서 데이터를 분석 시스템으로 무선으로 통신할 수 있다. 그에 따라, IoT 디바이스(410)는 하나 이상의 RFID 센서와 직접 도킹될 필요가 없고, 그 대신에 IoT 디바이스(410)는 하나 이상의 RFID 센서(405)로부터의 센서 데이터를 능동적으로 또는 수동적으로 검색할 수 있다.
IoT 디바이스(410)의 제어 유닛(420)은 RFID 판독기(415)를 통해 신호(전파)를 전송할 수 있으며, 이 신호는 편파 안테나를 사용하여 하나 이상의 RFID 센서(405)로 지향된다. 일부 경우에, 제어 유닛(420) 및/또는 RFID 판독기(415)는 RFID 노출을 제한하기 위해 동적 전력 변동을 통합한다. 최대 법적 전력 출력을 갖는 RFID 시스템은 단순성의 이점이 있지만, RFID에 대한 과도한 피험자 노출은 물론 과도한 후방 산란으로 인한 잠재적인 판독 범위 손상의 단점이 있다. IoT 디바이스(410)는 이산적인 판독 간격들 및 이에 뒤이은 비판독의 기간들을 포함하는 전력 전략을 이용할 수 있다. 이러한 이산적인 판독 간격들 동안, 전력은 판독이 달성될 때까지 최저 레벨로부터 변화된다. 판독기 전력은 이어서 판독이 발생하거나 타임아웃 이벤트가 발생할 때까지 증가된다. 전력 레벨은 FCC 법적 제한을 결코 초과하지 않는다. 별도의 손목 밴드를 착용하는 경우, 연결 전력 레벨은 종종 보다 높은 전력 레벨을 요구할 수 있는 마지막 비판독 센서(기저귀)에 의해 구동된다.
하나 이상의 RFID 센서(405) 각각은 메모리 저장 디바이스(430) 및 무선 통신 모듈(440)을 갖는 제어기(435), 및 안테나(450)를 포함하는 검출기(445)를 갖는 집적 회로(425)를 포함한다. 하나 이상의 RFID 센서(405)는 RFID 판독기(415)에 의해 전송되는 신호로부터 에너지를 하베스팅할 것이며, 이는 하나 이상의 RFID 센서(405) 각각에 에너지를 공급할 것이다. 일단 에너지를 공급받으면, 집적 회로(425)는 안테나(450)와 연관된 에너지 상태 변화(예를 들면, 임피던스 변화)를 통해 검출기(445)에 근접한 환경 주변에서의 변화(예를 들면, 습기 변화)를 감지할 수 있다. 일부 실시예들에서, 하나 이상의 RFID 센서(405)는 안테나(450)와 연관된 에너지 상태 변화(예를 들면, 임피던스 변화)를 통해 RFID 판독기(415)에 대한 RFID 센서(405)의 근접성을 추가로 감지할 수 있다. 예를 들어, 주어진 RFID 센서(405)가 습기 또는 RFID 판독기(415)에 매우 근접해 있을 때, RFID 센서(405)는 습기가 RFID 센서(405)에 매우 근접하지 않거나 RFID 센서(405)가 RFID 센서(405)로부터 멀어질 때와 비교하여 상이한 에너지 상태를 달성할 것이다. 메모리 저장 디바이스(430)는 제어기(435), 무선 통신 모듈(440), 및 검출기(445)와 결합된다. 메모리 저장 디바이스(430)는 검출기에 의해 수집되는 정보 및 센서 데이터를 저장할 수 있고 무선 통신 모듈(440)을 통해 RFID 판독기(415)와 센서 데이터를 통신할 수 있다. 예를 들어, RFID 센서(405)의 에너지 상태는 RFID 판독기(415)에 의해 수신되는 반사 에너지의 변화와 함께 RFID 판독기(415)에 다시 보고될 수 있다. RFID 센서(405)와 그의 연관된 상태의 관계가 IoT 디바이스(410)에 의해 식별되고 유지되도록, 각각의 RFID 센서(405)는 고유 식별자를 갖는다. 게다가, 무선 통신 모듈(440) 및 검출기(445)는 IoT 디바이스(410)와의 무선 방법을 통해 완전히 프로그래밍 가능하다.
일부 실시예들에서, 집적 회로(425)는 검출기(445)에 의해 검출되는 에너지 상태의 디지털 표현(예를 들면, 메모리 저장 디바이스(430)에 저장된 정량적 임피던스 값)과 같은 센서 데이터를 포함하고, RFID 태그가 노출되는 상대 환경 정보(예를 들면, 건조 또는 습한 상태)를 구분하기 위해, 센서 데이터가 RFID 센서들(405)에 의해 내부적으로 사용되거나, 또는 RFID 판독기(415)에 의해 판독되어 사용될 수 있다. 예를 들어, RFID 판독기(415)는 집적 회로(425) 및/또는 검출기(445)를 활성화시키라는 커맨드를 RFID 센서들(405)에 발행하고, 집적 회로(425) 및/또는 검출기(445)의 각자의 동작들에 후속하여, 에너지 상태의 디지털 표현(예를 들면, 정량적 임피던스 값)을 수신할 수 있다. RFID 센서들(405)이 노출되는 상대 환경 정보를 구분하기 위해, 에너지 상태의 디지털 표현이 RFID 센서들(405)에 의해 내부적으로 사용되거나, 제어 유닛(420)에 의해 판독되어 사용될 수 있다. 일부 경우에, RFID 센서들(405)은 관련 환경 정보를 결정하기 위해 액세스될 수 있는, 집적 회로(425)의 메모리 저장 디바이스(430) 내에 교정된 룩업 테이블을 포함할 수 있다. 추가적으로 또는 대안적으로, RFID 판독기(415)는 집적 회로(425)에 포함된 에너지 상태의 디지털 표현(예를 들면, 메모리 저장 디바이스(430)에 저장된 정량적 임피던스 값)을 검색하라는 커맨드를 발행할 수 있고, 제어 유닛(420)은 RFID 센서들(405)이 노출되는 환경을 평가하기 위해 검색된 디지털 표현을 사용할 수 있다. 평가는 이미 저장 및 교정된 메모리 내의 고정 데이터를 참조하는 것만큼 간단할 수 있거나, 해석적 평가를 수행하기 위해 판독기 또는 그의 연결된 시스템 상에서 실행되는 소프트웨어 애플리케이션만큼 복잡할 수 있다. 따라서, 기술들의 결합은 사용자가 RFID 센서들(405)이 노출되는 환경을 감지할 수 있게 하는 것은 물론 해당 동일한 환경에 대한 변화를 감지할 수 있게 한다.
일부 경우에, 도 4a의 RFID 센서들(405)은 IoT 디바이스(410)로 다시 송신될 수 있는 데이터를 수집하기 위해 스마트 센서들 또는 에이전트들의 어레이로서 배포될 수 있다. 예를 들어, 일련의 RFID 센서들(405)이 배포될 수 있고 여기서 각각의 센서(405)는 내부 무선 통신 모듈(440)을 통해 IoT 디바이스(410)의 제어 유닛(420)으로 통신될 수 있는 메모리 저장 디바이스(430) 내에 저장된 고유 식별 번호를 갖는다. RFID 판독기(415)는 집적 회로(425) 및/또는 검출기(445)를 활성화시키라는 커맨드를 RFID 센서들(405)에 발행하고, 집적 회로(425) 및/또는 검출기(445)의 각자의 동작들에 후속하여, 고유 식별 번호 및 에너지 상태의 디지털 표현(예를 들면, 정량적 임피던스 값)을 수신할 수 있다. IoT 디바이스(410)의 제어 유닛(420)은 이어서 추가의 프로세싱 또는 분석을 위해 고유 식별 번호, 에너지 상태의 디지털 표현, 및 임의의 평가 결과들을 원격 데이터 프로세싱 유닛(455)(예를 들면, 도 1과 관련하여 설명된 바와 같은 클라우드 네트워크(140) 또는 클라이언트 디바이스(105))로 통신할 수 있다. 따라서, 센서 어레이는 정보가 감지되어 RFID 판독기(415)로 통신될 수 있게 할 수 있고, 이 정보는 시스템 요구에 따라 RFID 센서(415)에서 프리프로세싱될 수 있고/있거나 IoT 디바이스(410)의 제어 유닛(420) 및/또는 원격 데이터 프로세싱 유닛(450)에서 원격으로 프로세싱될 수 있다.
이해할 것인 바와 같이, IoT 디바이스(410)는 무선 통신을 용이하게 하고 유지하기 위해 RFID 센서들(405)로부터 미리 결정된 거리 내에 배치되어야 한다. IoT 디바이스(410)와 RFID 센서들(405) 사이의 달성 가능한 최대 거리는 IoT 디바이스(410)의 동작 주파수, 설정 또는 파라미터, IoT 디바이스(410) 및 RFID 센서들(405)의 안테나, RFID 센서들(405)의 특성들, RFID 센서를 부착시키는 데 사용되는 재료, RFID 솔루션이 사용되고 있는 환경 등을 포함한 다수의 요인들에 의해 영향을 받는다. 일반적으로, 저주파(LF) 수동 RFID 태그는 30 cm(1 피트) 이하의 최대 판독 거리를 갖고, 고주파(HF) 수동 RFID 태그는 1.5 미터(4 피트 11 인치)의 최대 판독 거리를 가지며, 초고주파(UHF) 수동 RFID 태그는 16 미터 또는 52 피트 초과의 최대 판독 거리를 갖는다.
다양한 경우에, IoT 디바이스(410)가 RFID 센서들(405)로부터 미리 결정된 거리 내에 있도록, IoT 디바이스(410)는 RFID 센서들(405)이 주로 사용될 동일한 방(예를 들면, 침실 또는 병실)에 배치된다. IoT 디바이스(410)는 환자 아래의 침대 스프링 또는 프레임, 침대 아래의 바닥, 침실용 스탠드, 화장대 또는 천장을 포함하여 방 내의 다수의 위치들에 배치될 수 있다. 도 4b 및 도 4c는 다양한 실시예들에 따른 IoT 디바이스(410) 및 피험자의 침대(460) 상의 IoT 디바이스(410)의 예시적인 배치를 도시한다. 예를 들어, IoT 디바이스(410)는 침대(460)의 발판 위에 있는 각진 브래킷(465)의 제1 단부에 부착될 수 있다. 이것은 IoT 디바이스(410)와 연결된 외부 안테나(470)가 각진 브래킷(465)의 제2 단부에 부착될 수 있게 하며, 외부 안테나(470)는 그러면 RFID 센서들(405)을 향해 최적으로 지향될 수 있다. 각진 브래킷(460)은 외부 안테나(470)와 RFID 센서들(405) 계면 각도의 커스터마이제이션을 용이하게 하기 위해 조정 가능한 구스넥(goose neck) 또는 다각도 구조를 갖는다.
다른 경우에는, 피험자가 환경을 통해 이동할 때 IoT 디바이스(410)가 RFID 센서들(405)로부터 미리 결정된 거리 내에 유지되도록, RFID 센서들(405) 및 IoT 디바이스(410)는 웨어러블(wearable)을 생성하도록 구성된다. 이러한 배열은 RFID 판독기(415) 및 제어 유닛(420)을 포함하는 적층형 또는 단일 데이터 보드(즉, 인쇄 회로 보드)를 포함할 수 있다. (예를 들면, 다수의 프로세싱 칩들을 위한 보다 큰 풋프린트가 IoT 디바이스(410) 내에서 이용 가능한 방 또는 침대 실시예에서) RFID 판독기(415) 및 제어 유닛(420)이 별도의 칩들을 사용하는 대안적인 솔루션과 비교하여 제어 유닛(420)이 RFID 판독기(415)를 위한 프로세싱을 제공하는 데 사용될 수 있다. 웨어러블을 위한 전력 공급 장치는 재충전 가능 리튬 배터리를 기반으로 할 수 있지만, 다른 전원들은 태양열, 신체 움직임(마찰 전기 충전 및 압전 충전)을 포함할 수 있다. 다른 대안들은 온보드 배터리 또는 커패시터 축전 디바이스를 충전하기 위해 정류기를 갖거나 갖지 않는 다이나모(dynamo) 또는 마그네토(magneto)에 동력을 공급하는 바퀴의 회전으로 휠체어 움직임으로부터 충전하는 것을 포함할 수 있다.
일부 실시예들에서, 무선 솔루션(400)은 하나 이상의 유형의 활동, 이벤트, 또는 속옷 또는 흡수 패드 용량과 같은 파라미터들을 결정하기 위해 RFID 센서 데이터의 절대 에너지 상태가 아니라 시간 경과에 따른 RFID 센서 데이터의 에너지 상태 변화를 사용한다. 속옷 및 흡수 패드 기술은, 초기에 젖음 단계 및 이에 뒤이은 위킹(wicking) 단계를 거치는 것에 의해 습기에 반응하는, 부직포 흡수 코어 및 SAP(superabsorbent polymer)를 포함하는 흡수성 재료의 존재에 의존한다. 이 위킹 단계는 부직포 재료의 모세관 작용 및 액체가 SAP에 의해 흡수되는 것에 의해 나타난다. 표준 부피의 젖음에 대한 초기 반응은 시간당 거의 선형인 중량 변화율의 흡수성 및 이에 뒤이은 평형 및 최대 용량에 도달함에 따른 기울기의 감소이다. 이러한 용량 표시는 기울기의 어깨(shoulder)에서 발생한다. 속옷 또는 흡수 패드 용량에 있지 않은 젖음 이벤트가 발생하는 경우, 액체의 흡수가 발생하고 선형 변화율을 따르며, 기저귀에서의 젖음 위치에 따라, 모세관 이동이 속옷 또는 흡수 패드 전체에 걸쳐 습기를 분산시킴에 따라 건조가 발생한다. 즉, 속옷 또는 흡수 패드 전체에 걸쳐 습기의 이동 및 재분산이 있다. 무선 솔루션(400)은 속옷 또는 흡수 패드의 용량을 결정하기 위해 시간 경과에 따른 흡수도의 이러한 동적 변화를 활용할 수 있다. 구체적으로, RFID 센서가 검출하는 변화하는 에너지 상태는 전체 용량에 도달할 때까지 발생하는 속옷 또는 흡수 패드 내의 액체의 동적 이동 및 재분산과 상관된다. 일단 전체 용량에 도달하면, 포화가 발생하고, 속옷 또는 흡수 패드는 누출될 위험이 있다. 이것은 속옷 또는 흡수 패드의 주변에서 측정된 정적 에너지 상태 또는 전체 주변 기저귀 용량에 따라 액체 전면이 RFID 안테나를 차단할 때 RFID 신호의 완전한 손실에 의해 나타난다. 무선 솔루션(400)은 RFID 센서가 검출하는 변화하는 에너지 상태 및 감소된 신호 변동 또는 신호 손실을 측정할 수 있고 이를 속옷 또는 흡수 패드 용량에 대한 이벤트 표시(예를 들면, 포화되지 않음 또는 포화됨)로서 기록한다.
도 5a 내지 도 5f는 다양한 에너지 상태들을 검출하기 위한 무선 시스템(500)을 예시하며, 여기서 하나 이상의 센서(505a 내지 505n)(예를 들면, 도 3 및 도 4와 관련하여 논의된 UHF 센서, 수동 또는 능동 RFID 센서 등)는 관련 환경 정보를 획득하기 위해 다양한 배열들/패턴들로 개별적으로 또는 어레이로서 디바이스(510)(예를 들면, 속옷 또는 흡수 패드) 상에 배치된다. 일부 실시예들에서, 무선 시스템(500)은 아래에 놓인 흡수성 재료(512)와 비흡수성 재료(514) 사이의 계면에서 액체 불투과성 후면 시트 상에 배치된 적어도 하나의 센서(505a), 및 비흡수성 재료(514)의 외연(흡수성 재료(512) 위에 있지 않은 디바이스(510)의 영역)에서 액체 불투과성 후면 시트 상에 배치된 적어도 하나 센서(505b)를 포함한다. 외연에 있는 센서(505b)에 의한 측정은 최대 용량의 선행 지표일 것이고, 포화 상태에서, 정상 상태에 도달할 것인 반면; 흡수성 재료 계면에 있는 센서(505a)에 의한 측정은 젖음 이벤트, 건조 이벤트 및/또는 포화되지 않은 흡수성 재료의 시작의 선행 지표일 것이다. 시간 경과에 따른 에너지 상태의 변화는 모세관 모델을 사용하여 젖음 및 건조 속도를 나타낸다. 이 에너지 상태가 균형수에 도달할 때, 이는 디바이스 포화와 상관될 것이다. 무선 시스템(500)은 단일 실금 에피소드 또는 다수의 실금 에피소드들을 검출하도록 조정될 수 있다. 더욱이, 무선 시스템(500)은 단일 젖음 에피소드는 물론 하나 이상의 젖음 에피소드에 따른 디바이스 포화 상태를 검출할 수 있다. 특정 경우에, 시스템(500)을 통해 피험자의 수화 상태를 평가하는 것으로부터 획득되는 분석에 응답하여 IV 펌프 또는 g 튜브 펌프와 같은 다른 의료 디바이스의 능동 제어가 활성화될 수 있다.
본 명세서에 논의된 바와 같이, 하나 이상의 센서(505a 내지 505n)는 환경에 존재하는 습기의 양에 따라 다양한 에너지 상태들을 취할 수 있다. 도 5a에 도시된 바와 같이, 환경에 대한 건조 상태 또는 정규화된 상태(시간(T) = 0)에서, 센서들(505a 내지 505n)은 평형에 있는 제1 에너지 상태(디지털 표현 값 = A)를 검출할 수 있다. 도 5b에 도시된 바와 같이, 제1 습기 이벤트(515)(T = 1) 시에, 습기 전면(520)이 디바이스(510) 상의 초기 접촉(525) 지점으로부터 센서들(505a 및 505b)을 향해 이동함에 따라, 센서(505a)는 환경에서의 초기 습기 변화를 나타내는 제2 에너지 상태(디지털 표현 = B, 여기서 B는 A와 상이함)를 검출할 수 있다. 에너지 상태 A로부터 에너지 상태 B로의 변화는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 관련 환경 정보를 획득하기 위해 센서(505a) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 A로부터 에너지 상태 B로의 변화가 미리 결정된 임계치 초과인 경우, 이 변화는 실금 이벤트에 대한 시작 시간을 나타내는 것으로 결정될 수 있다. 대안적으로, 에너지 상태 B가 미리 결정된 임계치 초과인 경우, 에너지 상태 B는 실금 이벤트에 대한 시작 시간을 나타내는 것으로 결정될 수 있다.
도 5c에 도시된 바와 같이, 습기 전면(520)이 초기 접촉(525) 지점으로부터 센서(505a)를 가로질러 이동함에 따라, 센서(505a)는 환경에서의 점진적인 습기 변화를 나타내는 제3 에너지 상태(디지털 표현 = C, 여기서 C는 A 및 B와 상이함)를 검출할 수 있다. 에너지 상태 B로부터 에너지 상태 C로의 변화는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 추가의 관련 환경 정보를 획득하기 위해 센서(505a) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 B로부터 에너지 상태 C로의 변화가 미리 결정된 임계치 초과인 경우, 이 변화는 실금 이벤트의 지속을 나타내는 것으로 결정될 수 있다. 대안적으로, 에너지 상태 C가 미리 결정된 임계치 초과인 경우, 에너지 상태 C는 실금 이벤트의 지속을 나타내는 것으로 결정될 수 있다. 일부 경우에, 제각기, T=0에서의 에너지 상태 A, T=1에서의 에너지 상태 B 및 T=2에서의 에너지 상태 C는 피험자로부터 배설된 액체(예를 들면, 소변)의 부피를 근사화하는 데 사용될 수 있다.
도 5d에 도시된 바와 같이, 습기 전면(520)이 초기 접촉(525) 지점으로부터 센서(505a)를 가로질러 센서(505b)를 향해 이동함에 따라, 센서(505a)는 환경에서의 점진적인 습기 변화를 나타내는 제4 에너지 상태(디지털 표현 = D, 여기서 D는 A, B 및 C와 상이함)를 검출할 수 있다. 에너지 상태 C로부터 에너지 상태 D로의 변화는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 추가의 관련 환경 정보를 획득하기 위해 센서(505a) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 C로부터 에너지 상태 D로의 변화가 미리 결정된 임계치 초과인 경우, 이 변화는 실금 이벤트의 지속을 나타내는 것으로 결정될 수 있다. 대안적으로, 에너지 상태 D가 미리 결정된 임계치 초과인 경우, 에너지 상태 D는 실금 이벤트의 지속을 나타내는 것으로 결정될 수 있다. 일부 경우에, 제각기, T=0에서의 에너지 상태 A, T=1에서의 에너지 상태 B, T=2에서의 에너지 상태 C 및 T=3에서의 에너지 상태 D는 피험자로부터 배설된 액체(예를 들면, 소변)의 부피를 근사화하는 데 사용될 수 있다. 추가적으로, 습기 전면(520)이 센서(505b)를 향해 이동함에 따라, 센서(505b)는 환경에서의 초기 습기 변화를 나타내는 제2 에너지 상태(디지털 표현 = B, 여기서 B는 A와 상이함)를 검출할 수 있다. 에너지 상태 A로부터 에너지 상태 B로의 변화는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 관련 환경 정보를 획득하기 위해 센서(505b) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 A로부터 에너지 상태 B로의 변화가 미리 결정된 임계치 초과인 경우, 이 변화는 (센서(505a) 및 초기 접촉(525) 지점에 대한 센서(505b)의 위치 및 아이덴티티(identity)가 주어지면) 환경에서의 점진적인 습기 변화를 나타내는 것으로 결정될 수 있다. 대안적으로, 에너지 상태 B가 미리 결정된 임계치 초과인 경우, 에너지 상태 B는 (센서(505a) 및 초기 접촉(525) 지점에 대한 센서(505b)의 위치 및 아이덴티티가 주어지면) 환경에서의 점진적인 습기 변화를 나타내는 것으로 결정될 수 있다. 일부 경우에, 제각기, T=2에서 센서(505b)로부터의 에너지 상태 A와 에너지 상태 B 및 T=3에서 센서(505b)로부터의 에너지 상태 C와 에너지 상태 D는 피험자로부터 배설된 액체(예를 들면, 소변)의 부피를 근사화하는 데 사용될 수 있다.
대안적으로, 습기 전면(520)이 초기 접촉(525) 지점으로부터 센서(505a)를 가로질러 센서(505b)를 향해 이동함에 따라, 센서(505a)는 에너지 상태들을 보고하는 것을 중단할 수 있다(단일 또는 에너지 상태의 손실 *). 일부 경우에, 습기 전면(520)이 안테나(530)를 넘어설 때 센서들(505a 내지 505n)은 에너지 상태들을 보고하는 것을 중단할 수 있다(액체 전면이 RFID 안테나를 차단하고 센서 데이터의 통신을 방해함에 따라 본질적으로 RFID 신호의 완전한 손실). 통신 가능한 센서 데이터의 손실은 IoT 디바이스(도시되지 않음)에 의해 인식될 수 있고 추가의 관련 환경 정보를 획득하기 위해 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 통신 가능한 센서 데이터의 손실은 실금 이벤트의 지속을 나타내는 것으로 결정될 수 있다. 일부 경우에, 제각기, T=0에서의 에너지 상태 A, T=1에서의 에너지 상태 B, T=2에서의 에너지 상태 C, 및 T=3에서의 통신 가능한 센서 데이터의 손실은 피험자로부터 배설된 액체(예를 들면, 소변)의 부피를 근사화하는 데 사용될 수 있다. 추가적으로, 습기 전면(520)이 센서(505b)를 향해 이동함에 따라, 센서(505b)는 환경에서의 초기 습기 변화를 나타내는 제2 에너지 상태(디지털 표현 = B, 여기서 B는 A와 상이함)를 검출할 수 있다. 에너지 상태 A로부터 에너지 상태 B로의 변화는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 관련 환경 정보를 획득하기 위해 센서(505b) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 A로부터 에너지 상태 B로의 변화가 미리 결정된 임계치 초과인 경우, 이 변화는 (센서(505a)로부터의 센서 데이터의 손실 및 센서(505a) 및 초기 접촉(525) 지점에 대한 센서(505b)의 위치 및 아이덴티티가 주어지면) 환경에서의 점진적인 습기 변화를 나타내는 것으로 결정될 수 있다. 대안적으로, 에너지 상태 B가 미리 결정된 임계치 초과인 경우, 에너지 상태 B는 (센서(505a)로부터의 센서 데이터의 손실 및 센서(505a) 및 초기 접촉(525) 지점에 대한 센서(505b)의 위치 및 아이덴티티가 주어지면) 환경에서의 점진적인 습기 변화를 나타내는 것으로 결정될 수 있다. 일부 경우에, 센서(505b)로부터의 에너지 상태 A와 에너지 상태 B 및, 제각기, T=0에서의 에너지 상태 A, T=1에서의 에너지 상태 B, T=2에서의 에너지 상태 C 및 T=3에서의 센서(505a)로부터의 통신 가능한 센서 데이터의 손실은 피험자로부터 배설된 액체(예를 들면, 소변)의 부피를 근사화하는 데 사용될 수 있다.
도 5e에 도시된 바와 같이, 특정 경우에, 특정 양의 시간 이후(T=4), 습기 전면(520)은 센서(505a)를 가로질러 초기 접촉 지점을 향해 뒤로 후퇴할 수 있고, 여기서 센서(505a)는 환경에서의 건조 또는 흡수 이벤트를 나타내는 제3 에너지 상태(디지털 표현 = C) 또는 제5 에너지 상태(디지털 표현 = E, 여기서 E는 A, B 및 D와 상이하고 C와 상이함)로의 복귀를 검출할 수 있다. 에너지 상태 D로부터 에너지 상태 C 또는 E로의 변화는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 추가의 관련 환경 정보를 획득하기 위해 센서(505a) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 D로부터 에너지 상태 C 또는 E로의 변화가 미리 결정된 임계치 미만인 경우, 이 변화는 실금 이벤트의 종료 및 후속하는 습기의 건조 또는 흡수를 나타내는 것으로 결정될 수 있다. 대안적으로, 에너지 상태 C 또는 E가 미리 결정된 임계치 미만인 경우, 에너지 상태 C 또는 E는 실금 이벤트의 종료 및 후속하는 습기의 건조 또는 흡수를 나타내는 것으로 결정될 수 있다. 일부 경우에, 후속하는 습기의 건조 또는 흡수를 결정하기 위해 에너지 상태 또는 에너지 상태의 변화와 함께 시간 성분이 사용될 수 있다. 예를 들어, 에너지 상태 D로부터 에너지 상태 C 또는 E로의 변화가 미리 결정된 임계치 미만이고 미리 결정된 시간 임계치를 초과하지 않는 시간 기간 내에 발생하는 경우, 이 변화는 실금 이벤트의 종료 및 후속하는 습기의 건조 또는 흡수를 나타내는 것으로 결정될 수 있다. 대안적으로, 에너지 상태 C 또는 E가 미리 결정된 임계치 미만이고 미리 결정된 시간 임계치를 초과하지 않는 시간 기간 내에 발생하는 경우, 에너지 상태 C 또는 E는 실금 이벤트의 종료 및 후속하는 습기의 건조 또는 흡수를 나타내는 것으로 결정될 수 있다. 일부 경우에, 제각기, T=3에서의 에너지 상태 D의 변동 및 T=4에서의 에너지 상태 (C 또는 E)의 변동은 흡수성 재료가 포화되지 않았다고(즉, 보다 많은 습기를 보유할 수 있다고) 결정하는 데 사용될 수 있다.
추가적으로, 습기 전면(520)이 센서(505b)로부터 멀어질 때, 센서(505b)는 환경에 대한 건조 상태 또는 정규화된 상태를 나타내는 제1 에너지 상태(디지털 표현 = A)로의 복귀를 검출할 수 있다. 에너지 상태 B로부터 에너지 상태 A로의 변화는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 관련 환경 정보를 획득하기 위해 센서(505b) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 B로부터 에너지 상태 A로의 변화가 미리 결정된 임계치 미만인 경우, 이 변화는 실금 이벤트의 종료 및 후속하는 습기의 건조 또는 흡수를 나타내는 것으로 결정될 수 있다. 대안적으로, 에너지 상태 A가 미리 결정된 임계치 미만인 경우, 에너지 상태 A는 실금 이벤트의 종료 및 후속하는 습기의 건조 또는 흡수를 나타내는 것으로 결정될 수 있다. 일부 경우에, 제각기, (선택적으로 시간 성분에 따라) T=3에서 센서(505b)로부터의 에너지 상태 A 및 에너지 상태 B의 변동 및 T=4에서 센서(505b)로부터의 에너지 상태 D 및 에너지 상태 (C 또는 E)의 변동은 흡수성 재료가 포화되지 않았다고(즉, 보다 많은 습기를 보유할 수 있다고) 결정하는 데 사용될 수 있다.
대안적으로, 습기 전면(520)이 센서(505a)를 가로질러 초기 접촉 지점을 향해 뒤로 후퇴함에 따라, 센서(505a)는 습기 전면(520)이 안테나(530)와 접촉하는 것으로부터 후퇴할 때 에너지 상태들을 보고하는 것을 재시작할 수 있다(본질적으로 센서 데이터의 안테나 통신을 가능하게 함). 통신 가능한 센서 데이터의 재시작(예를 들면, 제3 에너지 상태(디지털 표현 = C) 또는 제5 에너지 상태(디지털 표현 = E, 여기서 E는 A, B 및 D와 상이하고 C와 상이함)로의 복귀)는 IoT 디바이스(도시되지 않음)에 의해 인식될 수 있고 추가의 관련 환경 정보를 획득하기 위해 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 통신 가능한 센서 데이터의 재시작은 환경에서의 건조 또는 흡수 이벤트를 나타내는 것으로 결정될 수 있다. 일부 경우에, 후속하는 습기의 건조 또는 흡수를 결정하기 위해 통신 가능한 센서 데이터의 재시작과 함께 시간 성분이 사용될 수 있다. 예를 들어, 통신 가능한 센서 데이터의 재시작이 미리 결정된 시간 임계치를 초과하지 않는 시간 기간 내에 발생하는 경우, 이 변화는 실금 이벤트의 종료 및 후속하는 습기의 건조 또는 흡수를 나타내는 것으로 결정될 수 있다. 일부 경우에, 흡수성 재료가 포화되지 않았다고(즉, 보다 많은 습기를 보유할 수 있다고) 결정하기 위해, 제각기, T=3에서의 에너지 상태 D 및 (C 또는 E) 및 T=4에서의 통신 가능한 센서 데이터의 재시작이 사용될 수 있다.
추가적으로, 습기 전면(520)이 센서(505b)로부터 멀어질 때, 센서(505b)는 환경에 대한 건조 상태 또는 정규화된 상태를 나타내는 제1 에너지 상태(디지털 표현 = A)로의 복귀를 검출할 수 있다. 에너지 상태 B로부터 에너지 상태 A로의 변화는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 관련 환경 정보를 획득하기 위해 센서(505b) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 B로부터 에너지 상태 A로의 변화가 미리 결정된 임계치 미만인 경우, 이 변화는 실금 이벤트의 종료 및 후속하는 습기의 건조 또는 흡수를 나타내는 것으로 결정될 수 있다. 대안적으로, 에너지 상태 A가 미리 결정된 임계치 미만인 경우, 에너지 상태 A는 실금 이벤트의 종료 및 후속하는 습기의 건조 또는 흡수를 나타내는 것으로 결정될 수 있다. 일부 경우에, 제각기, (선택적으로 시간 성분에 따라) T=3에서 센서(505b)로부터의 에너지 상태 A와 에너지 상태 B 및 T=4에서 센서(505b)로부터의 에너지 상태 D와 에너지 상태 (C 또는 E) 및 통신 가능한 센서 데이터의 재시작은 흡수성 재료가 포화되지 않았다고(즉, 보다 많은 습기를 보유할 수 있다고) 결정하는 데 사용될 수 있다.
도 5f에 도시된 바와 같이, 특정 경우에, 특정 양의 시간 이후(T=4), 습기 전면(520)은 동일하게 유지될 수 있고(예를 들면, 평형에 도달함), 여기서 센서(505a)는 환경에서의 습기의 정상 상태를 나타내는 제4 에너지 상태(디지털 표현 = D)를 계속 검출한다. 정상 에너지 상태 D는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 추가의 관련 환경 정보를 획득하기 위해 센서(505a) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 D가 미리 결정된 임계치 초과인 시간 기간(T=4) 동안 변하지 않은 경우, 에너지 상태의 변화의 부재는 환경에서의 습기의 정상 상태를 나타내는 것으로 결정될 수 있다. 일부 경우에, 제각기, (선택적으로 시간 성분에 따라) T=2, T=3 및 T=4에서의 에너지 상태 C 및 에너지 상태 D는 흡수성 재료가 포화되었다고(즉, 더 이상 습기를 보유할 수 없다고) 결정하는 데 사용될 수 있다. 추가적으로, 습기 전면(520)이 동일하게 유지될 때, 센서(505b)는 환경에서의 습기의 정상 상태를 나타내는 제2 에너지 상태(디지털 표현 = B)를 계속 검출할 수 있다. 정상 에너지 상태 B는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 추가의 관련 환경 정보를 획득하기 위해 센서(505b) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 B 및 에너지 상태 D가 미리 결정된 임계치 초과인 시간 기간(T=4) 동안 변하지 않은 경우, 에너지 상태의 변화의 부재는 환경에서의 습기의 정상 상태를 나타내는 것으로 결정될 수 있다. 일부 경우에, 제각기, (선택적으로 시간 성분에 따라) T=2, T=3 및 T=4에서의 에너지 상태 B, 에너지 상태 C 및 에너지 상태 D는 흡수성 재료가 포화되었다고(즉, 더 이상 습기를 보유할 수 없다고) 결정하는 데 사용될 수 있다.
대안적으로, 특정 경우에 특정 양의 시간 이후(T=4), 습기 전면(520)은 동일하게 유지될 수 있고(예를 들면, 평형에 도달함), 여기서 센서(505a)는 에너지 상태들을 계속 보고하지 않는다(에너지 상태 *). 일정 시간 기간 동안의 통신 가능한 센서 데이터의 손실은 IoT 디바이스(도시되지 않음)에 의해 인식될 수 있고 추가의 관련 환경 정보를 획득하기 위해 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 통신 가능한 센서 데이터의 손실이 미리 결정된 임계치 초과인 시간 기간(T=4) 동안 계속된 경우, 통신 가능한 센서 데이터의 손실은 환경에서의 습기의 정상 상태를 나타내는 것으로 결정될 수 있다. 일부 경우에, 제각기, (선택적으로 시간 성분에 따라) T=2, T=3 및 T=4에서의 에너지 상태 C 및 에너지 상태 *는 흡수성 재료가 포화되었다고(즉, 더 이상 습기를 보유할 수 없다고) 결정하는 데 사용될 수 있다. 추가적으로, 습기 전면(520)이 동일하게 유지될 때, 센서(505b)는 환경에서의 습기의 정상 상태를 나타내는 제2 에너지 상태(디지털 표현 = B)를 계속 검출할 수 있다. 정상 에너지 상태 B는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 추가의 관련 환경 정보를 획득하기 위해 센서(505b) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 B 및 에너지 상태 *가 미리 결정된 임계치 초과인 시간 기간(T=4) 동안 변하지 않은 경우, 에너지 상태의 변화의 부재는 환경에서의 습기의 정상 상태를 나타내는 것으로 결정될 수 있다. 일부 경우에, 제각기, (선택적으로 시간 성분에 따라) T=2, T=3 및 T=4에서의 에너지 상태 B, 에너지 상태 C 및 에너지 상태 *는 흡수성 재료가 포화되었다고(즉, 더 이상 습기를 보유할 수 없다고) 결정하는 데 사용될 수 있다.
도 5a 내지 도 5f가 2 개의 센서의 배열을 사용하여 하나 이상의 피험자의 요실금을 모니터링하는 기술을 예시하지만, 이 기술이 임의의 수 및 배열의 센서들을 사용하여 구현될 수 있음을 이해해야 한다. 예를 들어, 이 기술은 다수의 센서들이 아래에 놓인 흡수 패드에 걸쳐 액체 불투과성 후면 시트 상에 어레이로 배치되는 경우에 구현될 수 있다. 이 배열은 다양한 에너지 상태들의 검출(예를 들면, 단일 디바이스에 의해 흡수되는 수많은 실금 이벤트들로부터의 패턴들의 검출)에서 보다 미세한 세부 입도가 필요한 경우에 유용할 수 있다. 추가적으로 또는 대안적으로, 센서가 젖고 잠재적으로 에너지 상태들을 보고하는 것을 중지(에너지 상태 *)할 가능성이 없도록 다수의 센서들이 비흡수성 재료의 외연에서 액체 불투과성 후면 시트 상에 배치된다. 이 배열은 피험자의 움직임이 지속적으로 모니터링되어야 하는 경우에 유용할 수 있다.
도 6a 내지 도 6e는 다양한 에너지 상태들을 검출하기 위한 다른 무선 시스템(600)을 예시하며, 여기서 하나 이상의 센서(605a 내지 605n)(예를 들면, 도 3 및 도 4와 관련하여 논의된 수동 또는 능동 RFID 센서 등)는 관련 유체 부피 정보를 획득하기 위해 선형 어레이로서 디바이스(610)(예를 들면, 폴리 백) 상에 배치된다. 일부 경우에, 유체 배출량(예를 들면, 소변 배출량)은 콘돔 카테터(남성), 위킹 디바이스(여성) 또는 카테터를 통해 피험자에 부착되는 유체 수집 디바이스 또는 벽면 흡인 유닛과 같은 디바이스(610)를 통해 기록될 수 있다. 이 디바이스(610)는 정렬된 RFID 센서들의 시퀀스를 통해 시간 경과에 따른 유체 부피를 기록하는 데 사용될 수 있다. RFID 센서들은 액체와 밀접하게 연관되어 있을 때 태그의 에너지 상태의 변화에 의존하는 특정 습기 감지 태그들이거나 액체가 밀접한 관계에 있거나 안테나를 차단할 때 신호를 손실하는 표준 태그일 수 있다. 이러한 신호의 변화 또는 신호의 손실은 이어서 시간 경과에 따른 부피 정보를 결정하는 데 사용될 수 있다. 특정 경우에, 시스템(600)을 통해 피험자의 수화 상태를 평가하는 것으로부터 획득되는 분석에 응답하여 IoT 디바이스에 연결된 IV 펌프 또는 g 튜브 펌프와 같은 다른 의료 디바이스의 능동 제어가 활성화될 수 있다.
도 6a에 도시된 바와 같이, 하나 이상의 센서(605a 내지 605n)는 디바이스(610)에 대한 부착을 위한 접착제 또는 다른 부착 매체 또는 구조로 기판(615)(예를 들면, 중합체 또는 종이 제품) 상에 배치된다. 본 명세서에 논의된 바와 같이, 하나 이상의 센서(605a 내지 505n)는 환경에 존재하는 습기의 양에 따라 다양한 에너지 상태들을 취할 수 있다. 하나 이상의 센서(605a 내지 605n)의 외부 부착(external application)은 기존의 디바이스(610)의 개장(retrofitting)을 가능하게 할 것이다. 다른 실시예들에서, 하나 이상의 센서(605a 내지 605n)는 접착 외부 기판이 필요하지 않도록 디바이스(610)의 제조에 직접 통합된다. 어느 경우든, 센서들(605a 내지 605n)은 각자의 디바이스 부피 간격(625)과 매칭하도록 일정한 간격(620)으로 디바이스(610) 상에 배치된다. 추가적으로, 하나 이상의 센서(605a 내지 605n)의 다수의 선형 어레이들이 디바이스(610)에 부착될 수 있다. 예를 들어, 하나 이상의 센서(605a 내지 605n)의 2 개 이상의 선형 어레이는 오프셋 평행 패턴으로 디바이스(610)에 부착될 수 있다(예를 들면, 도 6b 참조). 이것은 센서들(605a 내지 605n)의 별도의 고밀도 선형 어레이를 필요로 하지 않고 필요할 때 부피 측정의 증가된 정밀도를 달성할 것이다. 이 솔루션에 적합한 예시적인 의료 부피 측정은 소변 부피, 비위 배출 부피, 흉관 부피, 정맥 내 유체 배출량 및 위관 공급 배출량을 포함할 것이다.
도 6c에 도시된 바와 같이, 환경에 대한 건조 상태 또는 정규화된 상태(시간(T) = 0)에서, 센서들(605a 내지 605n)은 제1 에너지 상태(디지털 표현 값 = A)를 검출할 수 있다. 도 6d에 도시된 바와 같이, 제1 습기 이벤트(630)(T = 1) 시에, 습기 전면(635)이 디바이스(610) 내의 초기 보유(640) 지점으로부터 센서들(605a 및 605b)을 향해 이동함에 따라, 센서(605a)는 환경에서의 초기 습기 변화를 나타내는 제2 에너지 상태(디지털 표현 = B, 여기서 B는 A와 상이함)를 검출할 수 있다. 에너지 상태 A로부터 에너지 상태 B로의 변화는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 관련 환경 정보를 획득하기 위해 센서(605a) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 에너지 상태 A로부터 에너지 상태 B로의 변화가 미리 결정된 임계치 초과인 경우, 이 변화는 실금 이벤트에 대한 시작 시간을 나타내는 것으로 결정될 수 있다. 추가적으로 또는 대안적으로, 부피 측정은 센서(605a)의 고유 식별자, A로부터 B로의 그의 대응하는 에너지 상태의 변화, 및 센서들(605a 내지 605n) 각각에 대응하는 디바이스 부피 간격(625)에 대한 지식(예를 들면, 디바이스 부피 간격은 메모리 저장 디바이스의 테이블에 저장될 수 있음)은 물론 시간 경과에 따른 부피 측정 및 kg당 부피 측정에 기초하여 계산될 수 있다. 일부 경우에, 환자의 의료 기록에 환자 경보를 생성하기 위해 (소변 부피 데이터의 경우) 환자의 수화 상태에 관한 데이터 분석이 논리 또는 하나 이상의 예측 모델을 통해 자동화될 수 있다.
도 6e에 도시된 바와 같이, 제1 습기 이벤트(615) 또는 후속하는 습기 이벤트들(T = 2, 3, 4 등)의 지속 시에, 습기 전면(630)이 디바이스(610) 내의 초기 보유(635) 지점으로부터 센서들(605b 내지 605n)을 향해 이동함에 따라, 센서들(605b 내지 605n)(예를 들어, 센서(605c) 및 센서(605f))은 환경에서의 초기 습기 변화를 나타내는 제1 에너지 상태(디지털 표현 = B, 여기서 B는 A와 상이함)를 검출할 수 있다. 에너지 상태 A로부터 에너지 상태 B로의 변화는 IoT 디바이스(도시되지 않음)로 통신될 수 있고 관련 환경 정보를 획득하기 위해 센서들(605b 내지 605n) 또는 IoT 디바이스에 의해 사용될 수 있다. 예를 들어, 센서(605f)에 대한 에너지 상태 A로부터 에너지 상태 B로의 변화가 미리 결정된 임계치 초과인 경우, 이 변화는 디바이스(610)를 비우거나 교체할 필요성을 나타내는 것으로 결정될 수 있다. 추가적으로 또는 대안적으로, 추가의 부피 측정은 센서들(605b 내지 605n)의 고유 식별자, A로부터 B로의 그의 대응하는 에너지 상태의 변화, 및 센서들(605b 내지 605n) 각각에 대응하는 디바이스 부피 간격(625)에 대한 지식(예를 들면, 디바이스 부피 간격은 메모리 저장 디바이스의 테이블에 저장될 수 있음)은 물론 시간 경과에 따른 부피 측정 및 kg당 부피 측정에 기초하여 계산될 수 있다. 일부 경우에, 환자의 의료 기록에 환자 경보를 생성하기 위해 (소변 부피 데이터의 경우) 환자의 수화 상태에 관한 추가의 데이터 분석이 논리 또는 하나 이상의 예측 모델을 통해 자동화될 수 있다.
도 6a 내지 도 6e가 다수의 센서들의 선형 배열을 사용하여 하나 이상의 피험자의 소변 배설 및 부피를 모니터링하는 기술들을 예시하지만, 이 기술들이 비위관 및 흉관 배액 배출량을 포함한 임의의 다른 유형의 건강 관리 솔루션을 위한 임의의 수 및 배열의 센서들 및/또는 IoT 디바이스들을 사용하여 구현될 수 있음을 이해해야 한다. 예를 들어, 폴리 백과 같은 디바이스가 가득 찼거나 또는 비우거나 교체될 필요가 있을 때를 보다 간단하게 결정하기 위해 단일 RFID 센서가 사용될 수 있다. 직접적인 RFID 측정에 대한 대안으로서, 부피를 결정하기 위해 디바이스 내에 제조된 컨덕턴스 능력을 갖는 습기 감지 스트립이 사용될 수 있다. 외부 전원은 이어서 부착된 IoT 디바이스로 또는 무선 연결을 통해 IoT 디바이스로 보내지는 결과적인 정보와 함께 사용될 것이다. 다른 실시예는 IoT 디바이스에 직접 부착되거나 무선 연결을 통해 부착된 스트레인 게이지(strain gauge)를 이용할 수 있으며, 무선 연결은 이어서 이러한 측정들을 클라우드 네트워크에 업로드하는 데 사용될 것이다. 에지 컴퓨팅 또는 클라우드 네트워크를 통해, 이 중량으로부터 백의 중량이 차감되어 액체 부피 측정치를 산출할 것이다. 이 정보는 또한, 환자의 전자 의료 기록에 업로드될 수 있는, 부피 대 시간 측정치를 생성하는 데 사용될 수 있다.
도 6a 내지 도 6e가 건강 관리 솔루션들에 관한 기술들을 예시하지만, 이 기술들이 다른 산업들에서 구현될 수 있음을 또한 이해해야 한다. 예를 들어, 탱크 또는 다른 격납 유닛 내의 액체(예를 들면, 연료 레벨)의 산업적 측정을 위한 다수의 센서들의 배열(예를 들면, 선형)이 임의의 수 및 배열의 센서 및/또는 IoT 디바이스 솔루션을 사용하여 구현될 수 있다. 이 기술들은 탱크가 불투명할 때 또는 탱크가 직접적인 물리적 검사로 모니터링되지 않을 때 이용될 수 있다. 본 명세서에 설명된 기술들에 대한 다른 응용 분야들은 격납 파이프(예를 들면, HVAC 응축 또는 드립(drip) 파이프)와 같은 격납 시스템 내에서 또는 직접적으로 주변 토양 내로 또는 배수구를 갖는 운송 시스템 또는 파이프를 통해 주변 환경 내로 직접 침투하는 액체 누출의 모니터링을 포함할 수 있다.
IV. 피험자의 건강 또는 웰빙의 메트릭을 측정 및 추적하기 위한 논리 및 머신 러닝 기반 기술
다양한 실시예들에서, 센서들 및 IoT 디바이스들로부터 획득된 데이터에 기초하여 피험자의 건강 또는 웰빙의 메트릭을 측정 및 추적하는 기술들이 제공된다. 도 1 및 도 2와 관련하여 설명된 바와 같이, 데이터가 관리 플랫폼 및 시스템을 사용하여 수집 및 분석될 수 있다. 따라서, 인간의 눈에 의존하는 관찰에 비해 다수의 센서들 및 IoT 디바이스들로부터 보다 빈번히 그리고 보다 정확하게 데이터가 캡처될 수 있다. 게다가, 습기 센서, 압력 센서, 중량 또는 온도 센서, IoT 디바이스와 통신하는 의료 디바이스, 보안 카메라, 웹 카메라 및/또는 건강 관리 시설에서 사용되는 검사실 기기와 같은 의료 디바이스 센서를 포함한, 많은 상이한 유형의 센서들 및 IoT 디바이스들이 데이터를 제공하는 데 사용될 수 있다. 본 명세서에 개시된 기술들이 다양한 소스들로부터의 데이터를 활용하기 때문에, 주어진 피험자 및/또는 디바이스에 대해 특정적인 분석이 제공되고 일부 경우에 데이터 내에서 또한 식별된 다른 피험자들 및/또는 디바이스들과 비교하여 분석이 제공될 수 있도록, 본 명세서에 제공된 기술들은 데이터로부터 주어진 피험자 및/또는 디바이스를 식별하는 것을 가능하게 한다. 이러한 기술들은 하나 이상의 피험자의 현재 실금 상태와 함께 하나 이상의 피험자에 대한 배뇨 간격을 보여주는 차트와 같은 건강 또는 웰빙 정보를 디스플레이할 수 있고 그와의 상호작용을 가능하게 하는 대시보드 또는 인터페이스와 같은 소모성 제품을, 서비스로서, 제공할 수 있다.
도 7은 데이터(705)(예를 들면, 센서 및/또는 IoT 디바이스 데이터)에 기초하여 피험자의 건강 또는 웰빙의 메트릭을 측정 및 추적하도록 구성된 데이터 분석 시스템(700)(예를 들면, 도 2와 관련하여 설명된 데이터 분석 모듈(275))의 양태들을 예시하는 블록 다이어그램을 도시한다. 도 7에 도시된 바와 같이, 이 예에서 데이터 분석 시스템(700)에 의해 수행되는 건강 또는 웰빙 검출 및 분석은 여러 스테이지들, 즉 예측 모델 트레이닝 스테이지(710), 피험자 및/또는 디바이스 식별 스테이지(715), 활동 식별 스테이지(720), 측정치 결정 스테이지(725), 선택적인 검증 스테이지(730), 건강 또는 웰빙 상태 결정 스테이지(735), 인력 관리 평가 스테이지(740), 재고 관리 스테이지(745) 및 최적화 예측 스테이지(750)를 포함한다. 예측 모델 트레이닝 스테이지(710)는 다른 스테이지들에 의해 사용될 하나 이상의 예측 모델(750a 내지 750n)('n'은 임의의 자연수를 나타냄)(본 명세서에서 개별적으로 예측 모델(750)이라고 지칭되거나 집합적으로 예측 모델들(750)이라고 지칭될 수 있음)을 구축하고 트레이닝시킨다. 예를 들어, 예측 모델들(750)은 다른 피험자들 또는 디바이스들로부터, 메트릭을 측정 및 추적하기 위한 관심 피험자 또는 디바이스와 같은, 특정 피험자 또는 디바이스를 인식하거나 식별하기 위한 모델을 포함할 수 있다. 예측 모델들(750)은, 소변 배설, 침대에서 일어나는 것, 화장실에 가는 것, 지오펜스 영역에 들어가는 것 또는 침대에서 몸을 뒤집는 것과 같은, 하나 이상의 피험자의 액션들을 인식하거나 식별하기 위한 모델을 또한 포함할 수 있다. 예측 모델들(750)은 피험자의 건강 또는 웰빙을 예측하기 위한 모델을 또한 포함할 수 있다. 또 다른 유형의 예측 모델들이 본 개시에 따른 다른 예들에서 구현될 수 있다.
예측 모델(750)은, 콘볼루션 신경 네트워크("CNN"), 예를 들면, 인셉션 신경 네트워크, 캘리포니아주 마운틴뷰 소재의 GOOGLE LLC에 의해 제공되는 잔차 신경 네트워크("Resnet") 또는 NASNET, 순환 신경 네트워크, 예를 들면, 장단기 기억("LSTM") 모델, 게이트 순환 유닛("GRU") 모델 등과 같은 머신 러닝(ML) 모델일 수 있다. 예측 모델(750)은 또한, 나이브 베이즈(Naive Bayes) 모델, 로지스틱 회귀 모델, 랜덤 포레스트 모델, 3차원 CNN("3DCNN"), 동적 시간 워핑("DTW") 기술, 은닉 마르코프 모델("HMM") 등, 또는 그러한 기술들 중 하나 이상의 기술의 조합 - 예를 들면, CNN-HMM 또는 MCNN(Multi-Scale Convolutional Neural Network) - 과 같은, 센서 또는 IoT 디바이스 데이터로부터 피험자 존재, 피험자 또는 디바이스의 아이덴티티, 또는 활동들을 예측하도록 트레이닝된 임의의 다른 적합한 ML 모델일 수 있다. 데이터 분석 시스템(700)은 아이덴티티, 활동 및 최적화 예측들을 위해 동일 유형의 예측 모델 또는 상이한 유형의 예측 모델들을 이용할 수 있다.
이 예에서 다양한 예측 모델들(750)을 트레이닝시키기 위해, 각각의 예측 모델(750)에 대한 트레이닝 샘플들(755)이 생성된다. 특정 예측 모델(750)에 대한 트레이닝 샘플들(755)은 입력 센서 또는 IoT 디바이스 데이터(또는 센서 또는 IoT 디바이스 데이터의 입력 특징들) 및 입력 센서 또는 IoT 디바이스 데이터(또는 입력 특징들)에 대응하는 라벨들(757)을 포함할 수 있다. 예를 들어, 예측 모델(750)이 초기 요로 감염의 위험이 있는 피험자를 예측하는 데 활용되기 위해, 입력은 습기 센서들 또는 IoT 디바이스들로부터의 데이터, 시간 경과에 따라 배설된 소변의 부피와 같은 결정된 측정치들, 또는 실금 이벤트에 대한 검출과 같은 센서 또는 IoT 디바이스 데이터로부터 결정된 특징들을 포함할 수 있고, 라벨들(757)은 요로 감염의 존재를 나타내는 데이터 또는 데이터가 요로 감염을 나타내는 확률을 나타내는 벡터로부터 추출된 배뇨 빈도 및/또는 소변의 부피를 포함할 수 있다. 유사하게, 예측 모델(750)이 센서 또는 IoT 디바이스 데이터에 기초하여 피험자가 침대에서 몸을 뒤집거나 뒤척이는 것과 같은 활동을 식별하는 데 활용되기 위해, 입력은 센서 또는 IoT 디바이스 데이터 자체 또는 센서 또는 IoT 디바이스 데이터로부터 추출된 특징들일 수 있고, 라벨들(757)은 센서 또는 IoT 디바이스 데이터에서 활동이 발생했는지 여부를 보여주는 에너지 상태들을 포함할 수 있다.
일부 경우에, 트레이닝 프로세스는 예측 모델들(750)에 대한 손실 함수를 최소화하는 예측 모델(750)에 대한 파라미터 세트를 찾는 반복 동작들을 포함한다. 각각의 반복은, 파라미터 세트를 사용한 손실 함수의 값이 이전 반복에서 다른 파라미터 세트를 사용한 손실 함수의 값보다 작도록, 예측 모델(750)에 대한 파라미터 세트를 찾는 것을 포함할 수 있다. 손실 함수는 예측 모델들(750)과 트레이닝 샘플들(755)에 포함된 라벨들(757)을 사용하여 예측된 출력들 사이의 차이를 측정하도록 구성될 수 있다. 일단 파라미터 세트가 식별되면, 예측 모델(750)이 트레이닝되었고 설계된 대로 예측을 위해 활용될 수 있다.
트레이닝 샘플들(755) 외에도, 다른 정보가 또한 예측 모델들(745)의 트레이닝 프로세스를 개선시키기 위해 이용될 수 있다. 예를 들어, 센서 또는 IoT 디바이스 정보(예를 들면, 센서 또는 IoT 디바이스의 위치), 프로파일 정보(예를 들면, 피험자의 특징들 또는 의료 디바이스의 동작 파라미터들) 또는 의료 기록(예를 들면, 측정된 체중)은 피험자의 건강 또는 웰빙과 같은 예측들을 위한 단서들을 제공할 수 있다. 예를 들어, 알려진 IoT 디바이스가 피험자의 방에 배치될 수 있다. 그 영역에서의 인간 활동을 보여주는 IoT 디바이스에 의해 수신된 센서 데이터는 활동이 방과 연관된 것으로 이전에 식별된 피험자로부터 것일 가능성이 있음을 나타낼 수 있다. 다른 예에서, 건강 관리 제공자가 취한 피험자의 신체 측정을 포함하는 의료 기록은 피험자의 예측된 건강 및 웰빙을 확인하는 데 사용될 수 있다. 또 다른 예에서, 특정 건강 관리 작업(예를 들면, RFID 태그 팔찌를 사용한 건강 관리 작업)의 존재가 또한 특정 활동의 지표일 수 있다. 예를 들어, 건강 관리 종사자가 IoT 디바이스 데이터로부터 검출된 것은 건강 관리 종사자가 피험자의 방에 들어갔다는 것을 나타낼 수 있으며, 습기 센서 데이터와 조합하여, 속옷 또는 흡수 패드가 교체 또는 검사될 것이라는 예측자로서 사용될 수 있다.
대표 센서 또는 IoT 디바이스 데이터는 그의 대표성을 나타내는 추가적인 라벨들로 표시될 수 있다. 아이덴티티, 활동 및 최적화 예측 모델들(750)의 트레이닝 동안, 이 대표 데이터에 대응하는 손실 함수의 항에 보다 높은 가중치가 할당될 수 있다. 그 결과, 트레이닝된 예측 모델들(750)은 아이덴티티, 활동 및 최적화를 예측할 때 대표 데이터와 유사한 입력 데이터에 보다 많은 가중치를 부여할 수 있다. 추가적으로, 예측 모델(750)에 의해 예측된 활동 또는 최적화가 활동 또는 최적화 논리(760)를 위반하지 않도록 보장하기 위해 발달 논리(760)가 예측 모델 트레이닝 스테이지(710)에 통합될 수 있다. 피험자의 건강 또는 웰빙은 일반적으로 고유한 논리를 갖는다. 예를 들어, 속옷 또는 흡수 패드를 교체할 필요성은 전형적으로 피험자가 하나 이상의 실금 이벤트를 겪은 후에만 발생한다. 이러한 이벤트들 사이의 고유한 논리적 관계는 활동 또는 최적화 예측을 용이하게 하기 위해 활용될 수 있다.
본 명세서에 제시된 본 개시의 일부 양태들에 따르면, 논리적 관계는 예측 모델들(750)을 트레이닝시키는 것에 대해 위에서 논의된 최적화 문제에 대한 하나 이상의 제약으로서 공식화될 수 있다. 트레이닝이 관계 논리 제약을 고려할 수 있도록, 제약의 위반에 불이익을 주는 트레이닝 손실 함수가 구축될 수 있다. 대안적으로 또는 추가적으로, 예측 모델들(750)의 특징들 및 예측들을 조정하거나 개선시키기 위해 예측 출력의 현재 특징들 및 시간적 종속성들을 설명하는, 방향 그래프와 같은, 구조가 사용될 수 있다. 예시적인 구현에서, 특징들은 현재 습기 센서 데이터로부터 추출되고 방향 그래프에 표시된 바와 같이 이전 습기 센서 데이터 및 추후 습기 센서로부터의 특징들과 결합된다. 이러한 방식으로 생성된 특징들은 트레이닝 샘플들(755)에서 센서와 IoT 디바이스 데이터 사이의 시간적, 따라서 논리적 관계를 본질적으로 통합할 수 있다. 그에 따라, 이러한 특징들을 사용하여 트레이닝된 예측 모델들(750)은 다양한 메트릭과 피험자의 건강 또는 웰빙 간의 논리적 관계를 캡처할 수 있다.
이해될 것인 바와 같이, 습기 데이터와 같은 센서 및 IoT 디바이스 데이터는 전형적으로 방대하며 몇 시간 이상을 커버할 수 있다. 트레이닝 샘플들(755)에서 라벨들(757)을 획득하는 것은 이 데이터를 수동으로 검토하는 것을 요구할 수 있고, 따라서 시간 소모적인 작업일 수 있다. 그 결과, 모든 센서 및 IoT 디바이스 데이터를 라벨링하는 것은 비실용적일 수 있으며, 따라서 많은 양의 데이터가 라벨링되지 않은 상태로 남아 있을 수 있다. 라벨링된 데이터보다 저렴하게 획득할 수 있는 이러한 라벨링되지 않은 데이터가 또한 예측 모델들(750)을 트레이닝시키는 데 사용될 수 있다. 예를 들어, 라벨링되지 않은 트레이닝 센서 또는 IoT 디바이스 데이터의 경우, 활동 및/또는 최적화를 예측하기 위해 예측 모델(750)이 적용될 수 있다. 예측된 활동 또는 최적화가 피험자의 건강 또는 웰빙의 고유한 논리를 위반하는 경우, 이 라벨링되지 않은 데이터는 손실 함수에 항을 도입하는 것에 의해 불이익을 받을 수 있다. 즉, 예측된 활동 및/또는 최적화가 피험자의 건강 또는 웰빙의 고유한 논리를 위반하는 라벨링되지 않은 트레이닝 데이터가 트레이닝 손실 함수를 재정의하는 데 활용될 수 있다. 그 결과, 어떤 경우에, 트레이닝 손실 함수는, 위에서 논의한 바와 같은, 라벨링된 데이터와 라벨링되지 않은 데이터에 기초한 발달 논리 손실의 조합일 수 있다.
반면에, 예측 모델(750)을 사용하는 라벨링되지 않은 데이터에 대한 예측된 활동 및/또는 발달 레벨이 피험자의 건강 및 웰빙의 고유한 논리를 위반하지 않는 경우, 손실 함수는 변경되지 않은 상태로 유지될 수 있다. 그 결과, 라벨링되지 않은 데이터는 피험자의 건강 및 웰빙의 고유한 논리가 위반될 때에만 손실 함수에 영향을 미칠 수 있다. 대조적으로, 라벨링된 데이터는 피험자의 건강 및 웰빙의 고유한 논리의 위반에 관계없이 손실 함수에 영향을 미칠 수 있다. 위의 예가 단지 예시적인 것임을 이해해야 한다. 라벨링되지 않은 데이터는 예측 모델 트레이닝 스테이지(710) 동안 다양한 다른 방식들로 활용될 수 있다. 예를 들어, 라벨링되지 않은 데이터는, 예를 들어, 예측의 평활도와 같은 비지도 손실을 포함하기 위해서는 물론 피험자의 건강 및 웰빙의 고유한 논리를 시행하기 위해 트레이닝 샘플들(755)로서 활용될 수 있다. 이러한 방식으로, 예측 단계가 피험자의 건강 및 웰빙의 고유한 논리를 위반하지 않더라도 라벨링되지 않은 데이터는 손실 함수에 대응하는 항을 가질 수 있다.
유사하게, 보조 정보가 아이덴티티 및 활동 예측 모델들(750)의 트레이닝 동안 활용될 수 있다. 트레이닝 샘플들(755)을 준비하는 것은 식별될 활동들의 유형들에 대한 입력 데이터에 수동으로 라벨링하는 것을 포함할 수 있다. 데이터에서 피험자의 존재, 아이덴티티 또는 활동의 모든 단일 발생에 라벨링하는 것은 어렵고 힘든 일이다. 예를 들어, 피험자가 침대에서 뒤척이는 일이 한 번에 몇 초에서 몇 분까지 지속될 수 있으며, 야간 또는 모니터링 세션 전체에 걸쳐 여러 번 발생할 수 있다. 본 명세서에 설명된 트레이닝 메커니즘은 개발자 또는 최종 사용자가 관리 가능한 발생 횟수의 이러한 유형의 액션들에 라벨링하고 나머지는 "알 수 없음"으로 표시할 수 있게 한다. 예측 모델들(750)의 트레이닝 동안, "알 수 없는" 라벨들은 사용되지 않고 이러한 특정 라벨들에 대해 트레이닝 손실 함수의 일부로서 제외된다. 이렇게 하면 라벨링되지 않은 데이터가 부정적인 예로서 취급되는 것을 방지할 수 있으며, 예를 들면, 목표 활동들은 입력 비디오 프레임들에 없는 것으로 식별되지만, 이러한 "알 수 없는" 라벨들은 나중에 분석을 위해 트레이닝된 모델에 데이터를 제공하는 것에 의해 결정될 수 있다. 대안적으로 또는 추가적으로, 긍정적인 예 및 부정적인 예의 선택된 세트들이 생성될 수 있고, 이러한 긍정적인 예 및 부정적인 예를 사용하여 모델이 미세 조정될 수 있다.
추가적으로, 본 명세서에 설명된 트레이닝 메커니즘들은 또한 계층적 또는 다중 라벨링을 가능하게 한다. 다수의 피험자들 및 다수의 활동들이 중첩할 수 있으며, 하나의 활동이 다수의 활동들을 포함할 수 있다. 그 결과, 동일한 데이터 세트에 대해 다수의 라벨들이 표시될 수 있다. 예를 들어, 다수의 IoT 디바이스들이 다수의 RFID 태그들의 존재를 검출할 수 있고, 다수의 활동들이 동일한 데이터 세트에 나타날 수 있다. 이에 따라, 다수의 피험자들 또는 활동들이, 가능한 동반 이벤트들과 함께, 동일한 데이터 세트에 동시에 발생할 수 있다. 주어진 데이터 세트에 다수의 라벨들을 가능하게 하는 것에 의해, 데이터 트레이닝 세트에 포함된 잠재적인 지식이 예측 모델들(750)을 트레이닝시키기 위해 콘텐츠 데이터 분석 시스템(700)에 의해 완전히 활용될 수 있다.
본 명세서에 설명된 트레이닝 메커니즘들이 주로 예측 모델(750)을 트레이닝시키는 것에 중점을 두지만, 이러한 트레이닝 메커니즘들은 또한 다른 데이터 세트들로부터 트레이닝된 기존의 예측 모델들(750)을 미세 조정하는 데 활용될 수 있다. 예를 들어, 일부 경우에, 예측 모델(750)이 비-피험자 모니터링 데이터를 사용하여 사전 트레이닝되었을 수 있다. 이러한 경우에, 예측 모델들(750)은 본 명세서에서 논의된 피험자 모니터링 데이터 및 다른 보조 정보를 포함하는 트레이닝 샘플들(755)을 사용하여 재트레이닝될 수 있다.
예측 모델 트레이닝 스테이지(710)는 트레이닝된 피험자 및/또는 디바이스 식별 모델(765), 활동 식별 모델(770), 건강 및 웰빙 결정 모델(775), 인력 관리 모델(780), 재고 관리 모델(785), 및 최적화 모델(787)을 포함하는 트레이닝된 예측 모델들(750)을 출력한다. 트레이닝된 피험자 및/또는 디바이스 식별 모델(765)은 입력 데이터(705)에 대한 피험자 또는 디바이스 식별 예측들을 생성하기 위해 피험자 및/또는 디바이스 식별 예측 스테이지(715)에서 사용될 수 있다. 트레이닝된 활동 식별 모델들(770)은 피험자 또는 디바이스 식별 예측들과 조합하여 입력 데이터(705)로부터 하나 이상의 식별된 피험자 또는 디바이스의 활동을 식별하기 위해 활동 식별 스테이지(720)에서 사용될 수 있다. 측정치 결정 스테이지(725)를 사용하여 식별된 피험자들, 디바이스들 및/또는 활동들에 대한 측정치들이 결정될 수 있다. 결정된 측정치들은 검증 스테이지(730)에서 하나 이상의 식별된 피험자, 디바이스 또는 활동에 대한 알려진 또는 논리적 측정치들에 따라 검증될 수 있다. 트레이닝된 건강 및 웰빙 결정 모델(775)은 피험자 및 활동 식별 스테이지들(715/720)에 따라 콘텐츠 데이터(705)에서 식별된 하나 이상의 피험자, 디바이스 및/또는 활동에 대한 건강 및 웰빙(790)을 예측하거나 결정하기 위해 측정치 결정 스테이지(725)(및 선택적인 검증 스테이지(730))로부터의 측정치들과 조합하여 건강 및 웰빙 결정 스테이지(735)에서 사용될 수 있다.
트레이닝된 인력 관리 모델(780)은 인력 관리 요구사항들(795)을 예측하기 위해 입력 데이터(705) 및 다른 스테이지들, 예를 들어, 건강 및 웰빙 스테이지(735)의 결과들과 조합하여 인력 관리 스테이지(740)에서 사용될 수 있다. 예를 들어, 간호 보조원에 대한 피크 시간 요구사항은 피크 시간 이벤트를 수용하기 위해 인력 배치 비율을 최적화하도록 결정될 수 있다. 재고 관리 모델(785)은 재고 요구사항들(797)을 예측하기 위해 입력 데이터(705) 및 다른 스테이지들, 예를 들어, 활동 식별 스테이지(720)의 결과들과 조합하여 재고 관리 스테이지(780)에서 사용될 수 있다. 예를 들어, 시설 내에서의 누적 젖음 이벤트에 관련된 센서 및 IoT 디바이스 데이터의 분석은, 상업적 파트너들을 통한 직접 주문을 포함하여, 속옷 또는 흡수 패드 재고의 관리를 위한 물류 목적으로 사용될 수 있다. 최적화 모델(787)은 최적의 상태를 예측하기 위해 입력 데이터(705) 및 다른 스테이지들, 예를 들어, 측정 스테이지(725)와 건강 및 웰빙 결정 스테이지(735)의 결과들과 조합하여 최적화 스테이지(780)에서 사용될 수 있다. 예를 들어, 센서 및 IoT 디바이스 데이터의 분석은 인력에 의해 속옷 또는 흡수 패드를 교체하기 위한 허용 가능한 기간 동안 최상의 실행을 결정하는 데 사용될 수 있다. 완화시킬 목표들로서 최적화를 위해 사용될 수 있는 임상적인 종점은 요로 감염률, 욕창 비율, 낙상률 및 환자 만족도를 포함할 수 있다.
도 8a는 습기 감지 이벤트를 결정하고 식별된 피험자의 활동을 예측하기 위한 방법(800)을 예시한다. 단계(805)에서, 입력 데이터가 획득된다. 예를 들어, 도 1, 도 2, 도 3a 내지 도 3e, 도 4a 내지 도 4c, 도 5a 내지 도 5f, 및 도 6a 내지 도 6e와 관련하여 논의된 바와 같이, 데이터는 IoT 디바이스로부터 획득된다. 단계(810)에서, 시간 윈도에 걸쳐 피험자와 연관된 센서로부터 IoT 디바이스에 의해 수집된 모든 센서 데이터를 식별하기 위해 입력 데이터가 파싱된다. 센서로부터의 센서 데이터는 제1 시간에 획득된 제1 에너지 레벨 및 제1 시간 이후의 또는 제1 시간보다 늦은 제2 시간에 획득된 제2 에너지 레벨을 포함한다. 파싱하는 단계는 센서와 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 센서로부터의 모든 센서 데이터를 그룹화하는 단계를 포함할 수 있다. 고유 식별자는 센서에 의해 센서 데이터와 연관된 메타데이터로서 제공될 수 있다. 단계(815)에서, 제1 에너지 레벨 및 제2 에너지 레벨이 센서가 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨의 테이블과 비교된다. 단계(820)에서, 비교에 기초하여 제1 에너지 레벨이 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 매칭한다는 결정이 이루어진다. 본 명세서에서 사용되는 바와 같이, 액션이 무언가에 "기초"할 때, 이는 액션이 무언가의 적어도 일부에 적어도 부분적으로 기초한다는 것을 의미한다.
단계(825)에서, 비교에 기초하여 제2 에너지 레벨이 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 매칭하지 않는다는 결정이 이루어진다. 제2 에너지 레벨이 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 매칭하지 않는다고 결정하는 것에 응답하여, 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화가 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하는지 여부 또는 제2 에너지 레벨이 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하는지 여부를 결정한다. 미리 결정된 에너지 임계치가 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화에 의해 초과되거나 또는 미리 결정된 에너지 임계치가 제2 에너지 레벨에 의해 초과될 때, 센서와 연관된 피험자에 대해 습기 이벤트가 식별되고 프로세싱은 단계(830)에서 계속된다. 미리 결정된 에너지 임계치가 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화에 의해 초과되지 않거나 또는 미리 결정된 에너지 임계치가 제2 에너지 레벨에 의해 초과되지 않을 때, 센서와 연관된 피험자에 대해 습기 이벤트가 발생하지 않은 것으로 결정되고, 프로세싱은 남아 있는 센서 데이터에 대해 단계(810)에서 계속되고; 대안적으로 남아 있는 센서 데이터가 없는 경우 단계(845)에서 계속된다.
단계(830)에서, 센서로부터의 센서 데이터가 제2 시간 이후 미리 정의된 시간 기간 내에 IoT 디바이스에 의해 수집된 프로세싱을 위한 제3 에너지 레벨(제1 및 제2 에너지 레벨들과 동일하거나 상이한 에너지 레벨, 그러나 제1 및 제2 에너지 레벨들에 대한 기록과 비교하여 에너지 레벨의 별도의 기록으로서 식별됨)을 포함하는지 여부에 대한 결정이 이루어진다. 일부 실시예들에서, 미리 정의된 시간 기간은 3 분, 5 분, 10 분, 15 분, 또는 30 분이다. 센서로부터의 센서 데이터가 프로세싱을 위한 제3 에너지 레벨을 포함할 때, 프로세싱은 단계(835)에서 계속된다. 센서로부터의 센서 데이터가 프로세싱을 위한 제3 에너지 레벨을 포함하지 않을 때, 프로세싱은 단계(845)에서 계속된다.
단계(835)에서, 제3 에너지 레벨이 제2 에너지 레벨과 비교된다. 단계(840)에서, 비교에 기초하여 제3 에너지 레벨이 제2 에너지 레벨과 매칭하지 않는다는 결정이 이루어진다. 제3 에너지 레벨이 제2 에너지 레벨과 매칭하지 않는다고 결정하는 것에 응답하여, 제2 에너지 레벨과 제3 에너지 레벨 사이의 변화가 건조 이벤트와 연관된 미리 결정된 건조 임계치를 초과하는지 여부 또는 제3 에너지 레벨이 건조 이벤트와 연관된 미리 결정된 건조 임계치를 초과하는지 여부를 결정한다. 미리 결정된 건조 임계치가 제2 에너지 레벨과 제3 에너지 레벨 사이의 변화에 의해 초과되지 않거나 또는 미리 결정된 건조 임계치가 제3 에너지 레벨에 의해 초과되지 않을 때, 센서와 연관된 피험자에 대해 습기 이벤트의 지속이 식별되고, 프로세싱은 미리 정의된 기간 내에서 제4, 제5, 제6 등의 에너지 레벨들을 찾으면서 남아 있는 센서 데이터에 대해 단계(830)에서 계속되며; 대안적으로 미리 정의된 기간 내에 남아 있는 센서 데이터가 없는 경우 단계(845)에서 계속된다. 미리 결정된 건조 임계치가 제2 에너지 레벨과 제3 에너지 레벨 사이의 변화에 의해 초과되거나 또는 미리 결정된 건조 임계치가 제3 에너지 레벨에 의해 초과될 때, 센서와 연관된 피험자에 대해 건조 이벤트가 발생한 것으로 결정되고, 프로세싱은 남아 있는 센서 데이터에 대해 단계(810)에서 계속되고; 대안적으로 남아 있는 센서 데이터가 없는 경우 단계(845)에서 계속된다.
단계(845)에서, 단계(815) 내지 단계(840)로부터의 논리 결과들에 기초하여 (1) 이벤트 없음, (2) 실금 이벤트, (3) 포화된 속옷 또는 흡수 패드, 및 (4) 포화되지 않은 속옷 또는 흡수 패드 중 하나 이상이 결정된다. 단계(815) 내지 단계(840)의 논리는 습기 이벤트의 부재, 습기 이벤트의 존재, 센서에 의한 추가의 기록들의 부재, 및/또는 건조 이벤트의 존재의 결정이다. 일부 경우에(예를 들면, 2 개 또는 3 개 초과의 에너지 레벨을 갖는 복잡한 에너지 레벨 패턴들이 있는 경우에), 센서 데이터 및 단계(815) 내지 단계(840)로부터의 논리 결과들의 패턴에 기초하여 예측 모델(예를 들면, 도 7과 관련하여 설명된 활동 식별 스테이지(720)에서 사용되는 트레이닝된 활동 식별 모델들(770))에 의해 (1) 이벤트 없음, (2) 실금 이벤트, (3) 포화된 속옷 또는 흡수 패드, 및 (4) 포화되지 않은 속옷 또는 흡수 패드 중 하나 이상이 결정된다. 단계(850)에서, 관리 프로그램의 서비스의 일부로서 다음과 같은 활동들: (1) 이벤트 없음, (2) 실금 이벤트, (3) 포화된 속옷 또는 흡수 패드, 및 (4) 포화되지 않은 속옷 또는 흡수 패드 중 하나 이상에 관한 정보를 디스플레이하는 사용자 인터페이스가 제공된다. 단계(855)에서, 관리 프로그램의 서비스의 추가적인 부분으로서 결정된 활동의 결과로서 통지가 최종 사용자에게 제공될 수 있다.
일부 경우에, 비교에 기초하여 제1 에너지 레벨이 건조 또는 정규화된 상태와 연관되고 비교에 기초하여 제2 에너지 레벨이 습기 이벤트와 연관되어 있지 않을 때, 논리 또는 예측 모델에 의해 이벤트 없음이 결정될 수 있다. 일부 경우에, 비교에 기초하여 제1 에너지 레벨이 건조 또는 정규화된 상태와 연관되고 비교에 기초하여 제2 에너지 레벨이 습기 이벤트와 연관되어 있을 때, 논리 또는 예측 모델에 의해 실금 이벤트가 결정될 수 있다. 일부 경우에, 비교에 기초하여 제1 에너지 레벨이 건조 또는 정규화된 상태와 연관되고, 비교에 기초하여 제2 에너지 레벨이 습기 이벤트와 연관되며, 제2 시간에서의 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 센서 데이터가 제3 에너지 레벨을 포함하지 않을 때, 논리 또는 예측 모델에 의해 포화된 속옷 또는 흡수 패드가 결정될 수 있다. 일부 경우에, 비교에 기초하여 제1 에너지 레벨이 건조 또는 정규화된 상태와 연관되고, 비교에 기초하여 제2 에너지 레벨이 습기 이벤트와 연관되며, 제2 시간에서의 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 센서 데이터가 제3 에너지 레벨을 포함하고, 건조 이벤트가 발생한 것으로 결정될 때, 논리 또는 예측 모델에 의해 포화되지 않은 속옷 또는 흡수 패드가 결정될 수 있다.
예시적인 사용 사례에서, 방법(800) 및 임상적인 종점에서 이루어진 예측들에 기초하여 임상 직원이 속옷 또는 흡수 패드를 교체하기 위한 허용 가능한 기간 동안의 최상의 실행을 결정하기 위해 하나 이상의 추가적인 예측된 모델이 또한 이용될 수 있다. 완화시킬 목표들로서 최적화를 위해 사용될 수 있는 임상적인 종점은 요로 감염률, 욕창 비율, 낙상률 및 환자 만족도를 포함할 수 있다. 실내 IoT 디바이스들에 의해 판독될, 임상 직원이 착용한 추가적인 RFID 센서의 사용에 대한 데이터 분석은 임상 직원이 젖음 이벤트를 지원하는 것을 문서화하는 데 사용될 수 있다. 이것은 임상 직원이 속옷 또는 흡수 패드를 교체하는 것에 대한 임상 직원 추적 및 확인을 제공하는 데 사용될 수 있다.
도 9는 습기 감지 이벤트를 결정하고 활동을 예측하기 위한 방법(900)을 예시한다. 단계(905)에서, 입력 데이터가 획득된다. 예를 들어, 도 1, 도 2, 도 3a 내지 도 3e, 도 4a 내지 도 4c, 도 5a 내지 도 5f, 및 도 6a 내지 도 6e와 관련하여 논의된 바와 같이, 데이터는 IoT 디바이스로부터 획득된다. 단계(910)에서, 시간 윈도에 걸쳐 수집 디바이스(예를 들면, 피험자와 연관된 폴리 백) 상에 배치된 복수의 센서들로부터 IoT 디바이스에 의해 수집된 모든 센서 데이터를 식별하기 위해 입력 데이터가 파싱된다. 파싱하는 단계는 센서 데이터를 센서들 각각과 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 복수의 센서들의 각각의 센서로부터 수신된 센서 데이터 서브세트들로 그룹화하는 단계를 포함할 수 있다. 고유 식별자는 복수의 센서들에 의해 센서 데이터와 연관된 메타데이터로서 제공될 수 있다. 한 센서로부터 수신된 적어도 하나의 센서 데이터 서브세트는 제1 시간에 획득된 제1 에너지 레벨 및 제1 시간 이후의 또는 제1 시간보다 늦은 제2 시간에 획득된 제2 에너지 레벨을 포함한다. 단계(915)에서, 제1 에너지 레벨 및 제2 에너지 레벨이 복수의 센서들이 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨의 테이블과 비교된다. 단계(920)에서, 비교에 기초하여 제1 에너지 레벨이 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 매칭한다는 결정이 이루어진다.
단계(925)에서, 비교에 기초하여 제2 에너지 레벨이 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 매칭하지 않는다는 결정이 이루어진다. 제2 에너지 레벨이 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 매칭하지 않는다고 결정하는 것에 응답하여, 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화가 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하는지 여부 또는 제2 에너지 레벨이 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하는지 여부를 결정한다. 미리 결정된 에너지 임계치가 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화에 의해 초과되거나 또는 미리 결정된 에너지 임계치가 제2 에너지 레벨에 의해 초과될 때, 센서 데이터 서브세트와 연관된 센서에 대해 습기 이벤트가 식별되고 프로세싱은 단계(930)에서 계속된다. 미리 결정된 에너지 임계치가 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화에 의해 초과되지 않거나 또는 미리 결정된 에너지 임계치가 제2 에너지 레벨에 의해 초과되지 않을 때, 적어도 하나의 센서 데이터 서브세트와 연관된 센서에 대해 습기 이벤트가 발생하지 않은 것으로 결정되고, 프로세싱은 남아 있는 센서 데이터 서브세트들에 대해 단계(910)에서 계속되고; 대안적으로 남아 있는 센서 데이터가 없는 경우 단계(935)에서 계속된다.
단계(930)에서, 적어도 하나의 센서 데이터 서브세트와 연관되는 센서와 연관된 액체 부피가 식별된다. 일부 경우에, 습기 이벤트를 기록하는 것으로 식별되는 센서의 고유 식별자는 복수의 센서들의 각각의 센서에 대한 고유 식별자들로 인덱싱되는 증분적 액체 부피들을 제공하는 테이블에서 조회된다. 증분적 액체 부피들은 수집 디바이스 상의 각각의 센서의 위치에 기초하여 복수의 센서들의 각각의 센서와 연관되어 있다. 남아 있는 센서 데이터 서브세트들에 대해 프로세싱이 단계(910)에서 계속되고; 대안적으로 남아 있는 센서 데이터가 없는 경우 단계(935)에서 계속된다.
단계(935)에서, 수집 디바이스에 대한 총 액체 부피를 결정하기 위해 단계(930)에서 식별되는 액체 부피들이 분석된다. 예를 들어, 단계(930)에서 식별되는 가장 큰 액체 부피는 수집 디바이스에 대한 총 액체 부피를 나타내는 것으로 결정될 수 있다. 대안적으로, 단계(930)에서 식별되는 모든 액체 부피들의 합이 수집 디바이스에 대한 총 액체 부피를 나타내는 것으로 결정될 수 있다.
단계(940)에서, (1) 전체 수집 디바이스, (2) 탈수된 피험자, (3) 시간 경과에 따른 비정상 액체 부피, 및 (4) 시간 경과에 따른 정상 부피 중 하나 이상이 단계(915) 내지 단계(935)로부터의 논리 결과들에 기초하여 결정된다. 단계(915) 내지 단계(935)의 논리는 습기 이벤트의 부재, 습기 이벤트의 존재, 각각의 센서와 연관된 액체 부피, 및 수집 디바이스에 대한 총 액체 부피의 결정이다. 일부 경우에(예를 들면, 2 개 또는 3 개 초과의 에너지 레벨을 갖는 복잡한 에너지 레벨 패턴들이 있는 경우에), 센서 데이터 및 단계(915) 내지 단계(935)로부터의 논리 결과들의 패턴에 기초하여 예측 모델(예를 들면, 도 7과 관련하여 설명된 활동 식별 스테이지(720)에서 사용되는 트레이닝된 활동 식별 모델들(770))에 의해 (1) 전체 수집 디바이스, (2) 탈수된 피험자, (3) 시간 경과에 따른 비정상 액체 부피, 및 (4) 시간 경과에 따른 정상 부피 중 하나 이상이 결정된다. 단계(945)에서, 관리 프로그램의 서비스의 일부로서 다음과 같은 활동들: (1) 습기 이벤트, (2) 수집 디바이스에 대한 총 액체 부피, (3) 전체 수집 디바이스, (4) 탈수된 피험자, (5) 시간 경과에 따른 비정상 액체 부피, 및 (6) 시간 경과에 따른 정상 부피 중 하나 이상에 관한 정보를 디스플레이하는 사용자 인터페이스가 제공된다. 단계(950)에서, 관리 프로그램의 서비스의 추가적인 부분으로서 결정된 활동의 결과로서 통지가 최종 사용자에게 제공될 수 있다.
도 10은 피험자의 건강 또는 웰빙을 예측하기 위한 방법(1000)을 예시한다. 단계(1005)에서, 입력 데이터가 획득된다. 예를 들어, 도 1, 도 2, 도 3a 내지 도 3e, 도 4a 내지 도 4c, 도 5a 내지 도 5f, 및 도 6a 내지 도 6e와 관련하여 논의된 바와 같이, 데이터는 IoT 디바이스로부터 획득된다. 일부 경우에, 입력 데이터는 예측 모델들에 의해 이루어진 예측(들)을 또한 포함한다. 예를 들어, 도 8과 관련하여 설명되고 피험자에 대해 일정 시간 기간에 걸쳐 획득되는 바와 같은 (1) 이벤트 없음, (2) 실금 이벤트, (3) 포화된 속옷 또는 흡수 패드, 및 (4) 포화되지 않은 속옷 또는 흡수 패드 중 하나 이상에 관한 예측들이 입력 데이터의 일부로서 사용될 수 있다. 단계(1010)에서, 예측 모델(예를 들면, 도 7과 관련하여 설명된 활동 식별 스테이지(720)에서 사용되는 트레이닝된 활동 식별 모델들(770))에 의해 입력 데이터 내에서 활동 패턴(예를 들면, 배뇨 또는 실금 이벤트)이 식별된다. 단계(1015)에서, 배뇨 패턴으로부터의 특징들이 추출되고 예측 모델(예를 들면, 도 7과 관련하여 설명된 건강 또는 웰빙 결정 스테이지(735)에서 사용되는 트레이닝된 건강 또는 웰빙 예측 모델들(775))에 의해 피험자의 건강 또는 웰빙에 관한 예측을 하는 데 사용된다. 단계(1020)에서, 예측 모델들에 의한 예측들에 기초하여 관리 프로그램의 서비스의 일부로서 피험자의 건강 또는 웰빙의 예측을 디스플레이하는 사용자 인터페이스가 제공된다. 단계(1025)에서, 관리 프로그램의 서비스의 추가적인 부분으로서 피험자의 건강 또는 웰빙의 예측의 결과로서 통지가 최종 사용자에게 제공될 수 있다.
예시적인 사용 사례에서, 습기 감지 이벤트에 대한 데이터 분석은 초기 요로 감염의 위험이 있는 개인을 식별하는 프로세스를 이용할 수 있다. 예를 들어, 과거 데이터를 통해 주어진 환자에 대해 정상 배뇨 패턴 간격이 결정된다. 빈뇨(urinary frequency) 시작으로 패턴에 새로운 변화가 있는 경우, 소변 분석 및 소변 배양을 실시하고 뒤이어서 적절한 경우 항생제 치료를 실시하기 위해 IoT 디바이스를 통해 시설의 임상 직원에게 통지가 제공될 것이다. 새로운 빈도 패턴의 식별은 처음에 90분 미만 내에 2 개 이상의 배뇨 간격의 새로운 시작과 같은 정해진 규칙을 기반으로 한다. 후속하여, 도 7과 관련하여 설명된 바와 같이 트레이닝을 사용하는 예측 모델 접근법이 이용될 것이다. 예를 들어, 임상적으로 문서화된 요로 감염 에피소드들이 RFID 소싱된 데이터 분석을 사용하여 선행 배뇨 빈도와 상관될 것이다. 이러한 패턴들은 이어서 미래 예측 능력과 임상 직원 통지를 개선시키는 데 사용될 수 있다.
도 11은 피험자가 요로 감염이 생기거나 발병할 위험을 예측하기 위한 방법(1100)을 예시한다. 단계(1105)에서, 입력 데이터가 획득된다. 예를 들어, 도 1, 도 2, 도 3a 내지 도 3e, 도 4a 내지 도 4c, 도 5a 내지 도 5f, 및 도 6a 내지 도 6e와 관련하여 논의된 바와 같이, 데이터는 IoT 디바이스로부터 획득된다. 일부 경우에, 입력 데이터는 예측 모델들에 의해 이루어진 예측(들)을 또한 포함한다. 예를 들어, 도 8 및 도 9와 관련하여 설명되고 피험자에 대해 일정 시간 기간에 걸쳐 획득되는 바와 같은 (1) 이벤트 없음, (2) 실금 이벤트, (3) 포화된 속옷 또는 흡수 패드, (4) 포화되지 않은 속옷 또는 흡수 패드, (5) 습기 이벤트, (6) 수집 디바이스에 대한 총 액체 부피, (7) 전체 수집 디바이스, (8) 탈수된 피험자, (9) 시간 경과에 따른 비정상 액체 부피, 및 (10) 시간 경과에 따른 정상 부피 중 하나 이상에 관한 예측들이 입력 데이터의 일부로서 사용될 수 있다. 단계(1110)에서, 입력 데이터를 사용하여 시간 윈도에 걸쳐 피험자에 대한 평균 배뇨간 간격이 결정된다. 배뇨간 간격은 각각의 배뇨 인스턴스 사이의 시간, 예를 들면, RFID 센서들에 의한 제1 실금 이벤트와 제2 실금 이벤트의 인식 사이의 시간이다. 예를 들어, 피험자의 배뇨간 간격이 5 일 간격에 걸쳐 1 시간 내지 4 시간인 경우, 평균 배뇨간 간격은 3 시간(예를 들면, (2+2+3+3+4+4)/6)으로 결정될 수 있다. 단계(1115)에서, 결정된 평균 배뇨간 간격에 통계적 이상이 있는지 여부에 관한 결정이 이루어진다. 예를 들어, 환자의 평균 배뇨간 간격이 5 일 간격에 걸쳐 1 시간 내지 4 시간인 경우, 분석은 이 간격으로부터 통계적 이상을 찾을 것이다. 예로서, 1 시간 기간 내에 3 개의 별개의 배뇨를 가진 환자는 통계적 이상을 트리거할 수 있다. 일부 경우에, 통계적 이상은 표준 편차 또는 클러스터링 알고리즘에 기초하여 결정될 수 있다.
선택적인 단계(1120)에서, 검사실에서 소변 검사 및 소변 배양이 수행되도록 권장하는 통지가 트리거되거나 생성될 수 있다. 사용자 인터페이스 대시보드는 사용자가 소변 검사 및 소변 배양(감염/비감염)으로부터 결과적인 임상 상태의 데이터 입력을 입력할 수 있게 할 수 있다. 이 데이터 입력은 수동 입력을 통해 또는 전자 의료 기록의 직접 통합을 통해 수행될 수 있다. 데이터 포인트들은 소변 검사, 소변 배양 또는 감염의 유전적 특징(genetic signature)의 직접 검출(PCR 분석 등)을 사용한 방법론을 포함할 수 있다. 선택적인 단계(1125)에서, 하나 이상의 예측 모델에 대한 입력을 위해 소변 검사 및 소변 배양의 결과들 및 추가적인 데이터가 획득될 수 있다. 요로 감염 위험을 결정하는 데 사용될 수 있는 추가적인 데이터 입력들은 식사 시간 간격은 물론 IV 속도 및 g 튜브 공급을 포함한다. 예를 들어, g 튜브 공급이 특정 시간에 발생한 경우, 이 시스템은 감소된 시간 기간 이후에 배뇨 간격이 발생할 것으로 예상하여, 경보 이벤트를 피할 수 있다. 평가될 수 있는 다른 파라미터들은 탈수와 잠재적으로 일치하는 연장된 배뇨간 간격을 포함한다.
단계(1130)에서, 입력 데이터, 피험자에 대한 평균 배뇨간 간격, 및 선택적으로 소변 검사 및 소변 배양의 결과들 및 추가적인 데이터로부터의 특징들이 추출되고 예측 모델(예를 들면, 도 7과 관련하여 설명된 건강 또는 웰빙 결정 스테이지(735)에서 사용되는 트레이닝된 건강 또는 웰빙 예측 모델들(775))에 의해 피험자의 건강 또는 웰빙에 관한 예측을 하는 데 사용된다. 일부 경우에, 건강 또는 웰빙에 관한 예측은 피험자가 요로 감염이 생기거나 요로 감염이 발병하는 것을 나타내는 요로 감염 위험 점수를 포함한다. 단계(1135)에서, 예측 모델들에 의한 예측들에 기초하여 관리 프로그램의 서비스의 일부로서 피험자의 건강 또는 웰빙의 예측을 디스플레이하는 사용자 인터페이스가 제공된다. 단계(1140)에서, 관리 프로그램의 서비스의 추가적인 부분으로서 피험자의 건강 또는 웰빙의 예측의 결과로서 통지가 최종 사용자에게 제공될 수 있다.
도 12는 움직임 이벤트를 결정하고 식별된 피험자의 활동을 예측하기 위한 방법(1200)을 예시한다. 단계(1205)에서, 입력 데이터가 획득된다. 예를 들어, 도 1, 도 2, 도 3a 내지 도 3e, 도 4a 내지 도 4c, 도 5a 내지 도 5f, 및 도 6a 내지 도 6e와 관련하여 논의된 바와 같이, 데이터는 IoT 디바이스로부터 획득된다. 단계(1210)에서, 시간 윈도에 걸쳐 피험자와 연관된 센서로부터 IoT 디바이스에 의해 수집된 모든 센서 데이터를 식별하기 위해 입력 데이터가 파싱된다. 센서로부터의 센서 데이터는 제1 시간에 획득된 제1 에너지 레벨 및 제1 시간 이후인 제2 시간에 결정된 제2 에너지 레벨을 포함한다. 파싱하는 단계는 센서와 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 센서로부터의 모든 센서 데이터를 그룹화하는 단계를 포함할 수 있다. 고유 식별자는 센서에 의해 센서 데이터와 연관된 메타데이터로서 제공될 수 있다. 단계(1215)에서, 제1 에너지 레벨 및 제2 에너지 레벨이 센서가 배포되는 환경 내에서의 정지 위치와 연관된 하나 이상의 에너지 레벨의 테이블과 비교된다(즉, 센서가 IoT 디바이스에 보다 가깝게 그리고 그로부터 보다 멀리 이동할 때, 에너지 상태의 변화가 있지만; 에너지 레벨들은 정지해 있는 동안 평형을 달성할 것이다). 단계(1220)에서, 비교에 기초하여 제1 에너지 레벨이 환경 내에서의 정지 위치와 연관된 하나 이상의 에너지 레벨과 매칭한다는 결정이 이루어진다.
단계(1225)에서, 비교에 기초하여 제2 에너지 레벨이 환경 내에서의 정지 위치와 연관된 하나 이상의 에너지 레벨과 매칭하지 않는다는 결정이 이루어진다. 제2 에너지 레벨이 환경 내에서의 정지 위치와 연관된 하나 이상의 에너지 레벨과 매칭하지 않는다고 결정하는 것에 응답하여, 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화가 움직임 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하는지 여부 또는 제2 에너지 레벨이 움직임 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하는지 여부를 결정한다. 미리 결정된 에너지 임계치가 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화에 의해 초과되거나 또는 미리 결정된 에너지 임계치가 제2 에너지 레벨에 의해 초과될 때, 센서와 연관된 피험자에 대해 움직임 이벤트가 식별되고 프로세싱은 단계(1230)에서 계속된다. 미리 결정된 에너지 임계치가 제1 에너지 레벨과 제2 에너지 레벨 사이의 변화에 의해 초과되지 않거나 또는 미리 결정된 에너지 임계치가 제2 에너지 레벨에 의해 초과되지 않을 때, 센서와 연관된 피험자에 대해 움직임 이벤트가 발생하지 않은 것으로 결정되고, 프로세싱은 남아 있는 센서 데이터에 대해 단계(1210)에서 계속되고; 대안적으로 남아 있는 센서 데이터가 없는 경우 단계(1245)에서 계속된다.
단계(1230)에서, 제1 센서로부터의 센서 데이터가 제2 시간 이후 미리 정의된 시간 기간 내에 IoT 디바이스에 의해 수집된 프로세싱을 위한 제3 에너지 레벨(제1 및 제2 에너지 레벨들과 동일하거나 상이한 에너지 레벨, 그러나 제1 및 제2 에너지 레벨들에 대한 기록과 비교하여 에너지 레벨의 별도의 기록으로서 식별됨)을 포함하는지 여부에 대한 결정이 이루어진다. 일부 실시예들에서, 미리 정의된 시간 기간은 3 분, 5 분, 10 분, 15 분, 또는 30 분이다. 제1 센서로부터의 센서 데이터가 프로세싱을 위한 제3 에너지 레벨을 포함할 때, 프로세싱은 단계(1235)에서 계속된다. 제1 센서로부터의 센서 데이터가 프로세싱을 위한 제3 에너지 레벨을 포함하지 않을 때, 프로세싱은 단계(1245)에서 계속된다.
단계(1235)에서, 제3 에너지 레벨이 제2 에너지 레벨과 비교된다. 단계(1240)에서, 비교에 기초하여 제3 에너지 레벨이 제2 에너지 레벨과 매칭하지 않는다는 결정이 이루어진다. 제3 에너지 레벨이 제2 에너지 레벨과 매칭하지 않는다고 결정하는 것에 응답하여, 제2 에너지 레벨과 제3 에너지 레벨 사이의 변화가 침대에서 뒤척이거나 침대에서 일어나는 것과 같은 활동과 연관된 미리 결정된 활동 임계치를 초과하는지 여부 또는 제3 에너지 레벨이 활동과 연관된 미리 결정된 활동 임계치를 초과하는지 여부를 결정한다. 미리 결정된 활동 임계치가 제2 에너지 레벨과 제3 에너지 레벨 사이의 변화에 의해 초과되지 않거나 또는 미리 결정된 활동 임계치가 제3 에너지 레벨에 의해 초과되지 않을 때, 센서와 연관된 피험자에 대해 활동의 부재가 식별되고, 프로세싱은 미리 정의된 기간 내에서 제4, 제5, 제6 등의 에너지 레벨들을 찾으면서 남아 있는 센서 데이터에 대해 단계(1230)에서 계속되며; 대안적으로 미리 정의된 기간 내에 남아 있는 센서 데이터가 없는 경우 단계(1245)에서 계속된다. 미리 결정된 활동 임계치가 제2 에너지 레벨과 제3 에너지 레벨 사이의 변화에 의해 초과되거나 또는 미리 결정된 에너지 임계치가 제3 에너지 레벨에 의해 초과될 때, 센서와 연관된 피험자에 대해 활동 이벤트가 발생한 것으로 결정되고, 프로세싱은 남아 있는 센서 데이터에 대해 단계(1210)에서 계속되고; 대안적으로 남아 있는 센서 데이터가 없는 경우 단계(1245)에서 계속된다.
단계(1245)에서, 센서 데이터 및 단계(1215) 내지 단계(1240)의 논리 결과들에 기초하여 (1) 활동의 부재, (2) 침대에서 뒤척이는 활동, (3) 침대에서 일어나는 활동, (4) 바닥에 넘어지는 활동, 및 (5) 화장실에 들어가는 활동 중 하나 이상(예를 들면, 도 7과 관련하여 설명된 활동 식별 스테이지(720)에서 사용되는 트레이닝된 활동 식별 모델들(770)). 단계(1215) 내지 단계(1240)의 논리 결과들은 움직임 또는 활동 이벤트의 부재, 활동 이벤트의 존재, 및/또는 지속된 활동 이벤트의 결정이다. 단계(1250)에서, 다음과 같은 활동들: (1) 활동의 부재, (2) 침대에서 뒤척이는 활동, (3) 침대에서 일어나는 활동, (4) 바닥에 넘어지는 활동, 및 (5) 화장실에 들어가는 활동 중 하나 이상을 디스플레이하는 사용자 인터페이스가 제공된다. 단계(1255)에서, 관리 프로그램의 서비스의 추가적인 부분으로서 결정된 활동의 결과로서 통지가 최종 사용자에게 제공될 수 있다.
예시적인 사용 사례에서, 낙상 위험에 대한 데이터 분석은 RFID 센서들 및 하나 이상의 IoT 디바이스를 이용할 수 있다. 예를 들어, RFID는 무선 주파수, 트랜시버의 전력, 트랜시버와 센서 태그 사이의 거리를 포함한, 여러 요인들에 의해 결정되는 최적의 신호 범위를 갖는다. 트랜시버의 범위 제한은 속옷에 또는 개인 식별 시스템의 일부로서 존재하는 RFID 태그를 갖는 환자가 더 이상 특정 트랜시버(예를 들면, IoT 디바이스)의 범위 내에 있지 않을 때 간호 직원에게 통지할 한 형태의 지오펜싱을 제공하는 데 활용될 수 있다. 이 정보는 이어서 침대 또는 병실에서 멀어지는 것 또는 진행을 경고하기 위해 IoT 디바이스를 통해 임상 직원에게 전송될 수 있다. 이것은 또한 일반 원칙으로서 사용될 수 있으며, 젖음 분석을 포함할 필요는 없다. 이 정보는 낙상 위험에 처한 환자에 개입하여 돕기 위해 사용될 수 있다. 이것은 또한 환자가 젖음 이벤트를 겪었고, 침대에서 나왔으며, 화장실로 걸어가려고 시도하는 동안 넘어질 위험이 있다는 직원의 확신을 증가시키기 위해 젖음 이벤트에 대한 최근의 통지와 결합될 수 있다. 이는 이어서 도움을 주라는 직원에 대한 중앙 통지를 트리거할 것이다.
다른 예시적인 사용 사례에서, 침대에서의 피험자의 움직임(예를 들면, 뒤척임)을 추적하기 위한 데이터 분석은 RFID 센서들 및 하나 이상의 IoT 디바이스를 이용할 수 있다. 트랜시버 RFID 센서 위상 시프팅 데이터의 사용 또는, 센서들의 배향의 변동을 포함한, 피험자 또는 속옷 상의 하나 초과의 RFID 센서의 사용. 피험자가 침대에서 이동할 때 센서들 사이의 신호의 변동이 발생할 것이다. 이것은 침대에서의 피험자 움직임을 추적하는 데 사용될 것이다. 이 데이터는 침대 앓이(욕창) 위험을 완화시키는 데 사용될 수 있다. 해당 피험자들이 특정 움직임 임계치 아래로 떨어질 때, 압박 궤양(pressure sore)을 최소화하도록 뒤척이거나 위치 변경하는 것을 용이하게 하기 위해 임상 직원이 개입할 수 있다. 침대에서의 피험자의 움직임에 대한 안전하고 정상적인 범위를 예측하고 (예를 들면, 욕창의 위험이 있는) 피험자의 전반적인 건강 또는 웰니스(wellness)를 예측하기 위해 욕창이 있거나 없는 사람의 과거 움직임 데이터와 함께 예측 모델이 이용될 수 있다. 실내 IoT 디바이스들에 의해 판독될, 임상 직원이 착용한 추가적인 RFID 센서의 사용에 대한 데이터 분석은 임상 직원이 피험자의 낙상 이벤트 또는 움직임을 지원하는 것을 문서화하는 데 사용될 수 있다. 이것은 낙상 이벤트 또는 욕창을 피하기 위한 움직임을 지원하기 위한 임상 직원 추적 및 확인을 제공하는 데 사용될 수 있다.
도 13은 피험자가 욕창이 생기거나 발병할 위험을 예측하기 위한 방법(1300)을 예시한다. 단계(1305)에서, 입력 데이터가 획득된다. 예를 들어, 도 1, 도 2, 도 3a 내지 도 3e, 도 4a 내지 도 4c, 도 5a 내지 도 5f, 및 도 6a 내지 도 6e와 관련하여 논의된 바와 같이, 데이터는 IoT 디바이스로부터 획득된다. 일부 경우에, 입력 데이터는 예측 모델들에 의해 이루어진 예측(들)을 또한 포함한다. 예를 들어, 도 8, 도 9 및 도 12와 관련하여 설명되고 피험자에 대해 일정 시간 기간에 걸쳐 획득되는 바와 같은 (1) 이벤트 없음, (2) 실금 이벤트, (3) 포화된 속옷 또는 흡수 패드, (4) 포화되지 않은 속옷 또는 흡수 패드, (5) 습기 이벤트, (6) 수집 디바이스에 대한 총 액체 부피, (7) 전체 수집 디바이스, (8) 탈수된 피험자, (9) 시간 경과에 따른 비정상 액체 부피, (10) 시간 경과에 따른 정상 부피, (11) 활동의 부재, (12) 침대에서 뒤척이는 활동, (13) 침대에서 일어나는 활동, (14) 바닥에 넘어지는 활동, 및 (15) 화장실에 들어가는 것 중 하나 이상에 관한 예측들이 입력 데이터의 일부로서 사용될 수 있다. 단계(1310)에서, 예측 모델(예를 들면, 도 7과 관련하여 설명된 활동 식별 스테이지(720)에서 사용되는 트레이닝된 활동 식별 모델들(770))에 의해 입력 데이터 내에서 활동 패턴(예를 들면, 배뇨 또는 실금 이벤트)이 식별될 수 있다. 일부 경우에, 예측된 활동 패턴은: 요실금 이벤트의 빈도, 실금 이벤트의 지속기간(지속기간은 피험자가 오염된 속옷 또는 흡수 패드를 착용한 채로 얼마나 오랫동안 있었는지임), 시간 윈도에 걸친 침대에서의 평균 환자 움직임, 변실금 이벤트의 빈도, 및 변실금 이벤트의 지속기간(지속기간은 피험자가 오염된 속옷 또는 흡수 패드를 착용한 채로 얼마나 오랫동안 있었는지임) 중 하나 이상이다.
선택적인 단계(1315)에서, 하나 이상의 예측 모델에 대한 입력을 위해 추가적인 데이터가 획득될 수 있다. 욕창 위험을 결정하는 데 사용될 수 있는 추가적인 데이터 입력은 직원 관여 빈도(직원 RFID/Bluetooth 근접 데이터에 의해 측정됨)를 포함한다. 일부 경우에, 실금이 발생하지 않고 환자가 침대에서 돌아눕거나 위치 변경되었음을 나타내는지에 따라 직원 관여가 상이하게 가중될 수 있다.
단계(1330)에서, 예측된 활동 및 선택적으로 추가적인 데이터로부터의 특징들이 추출되고 예측 모델(예를 들면, 도 7과 관련하여 설명된 건강 또는 웰빙 결정 스테이지(735)에서 사용되는 트레이닝된 건강 또는 웰빙 예측 모델들(775))에 의해 피험자의 건강 또는 웰빙에 관한 예측을 하는 데 사용된다. 일부 경우에, 건강 또는 웰빙에 관한 예측은 피험자가 요로 감염이 생기거나 요로 감염이 발병하는 것을 나타내는 욕창 위험 점수를 포함한다. 예를 들어, 환자가 침대에서 돌아눕거나 위치 변경되었음(위험 점수를 감소시키는 특징일 수 있음)을 나타내는 직원 관여 빈도(직원 RFID/Bluetooth 근접 데이터에 의해 측정됨), 요실금 이벤트의 빈도(보다 많은 이벤트 및 소변을 본 채로 앉아 있거나 누워 있는 일이 보다 많은 것은 위험 점수를 증가시키는 특징일 수 있음), 실금 이벤트의 지속기간(소변을 본 채로 앉아 있거나 누워있는 지속기간이 보다 긴 것은 위험 점수를 증가시키는 특징일 수 있음), 시간 윈도에 걸친 침대에서의 평균 환자 움직임(보다 많은 움직임은 위험 점수를 감소시키는 특징일 수 있음), 변실금 이벤트의 빈도(보다 많은 이벤트 및 대변을 본 채로 앉아 있거나 누워 있는 일이 보다 많은 것은 위험 점수를 증가시키는 특징일 수 있음), 및 변실금 이벤트의 지속기간(대변을 본 채로 앉아 있거나 누워 있는 지속기간이 보다 긴 것은 위험 점수를 증가시키는 특징일 수 있음). 단계(1335)에서, 예측 모델들에 의한 예측들에 기초하여 관리 프로그램의 서비스의 일부로서 피험자의 건강 또는 웰빙의 예측을 디스플레이하는 사용자 인터페이스가 제공된다. 단계(1340)에서, 관리 프로그램의 서비스의 추가적인 부분으로서 피험자의 건강 또는 웰빙의 예측의 결과로서 통지가 최종 사용자에게 제공될 수 있다.
도 14는 인력을 예측하고 인력 관리를 최적화하기 위한 방법(1400)을 예시한다. 단계(1405)에서, 입력 데이터가 획득된다. 예를 들어, 도 1, 도 2, 도 3a 내지 도 3e, 도 4a 내지 도 4c, 도 5a 내지 도 5f, 및 도 6a 내지 도 6e와 관련하여 논의된 바와 같이, 데이터는 IoT 디바이스로부터 획득된다. 일부 경우에, 입력 데이터는 예측 모델들에 의해 이루어진 예측(들)을 또한 포함한다. 예를 들어, 도 8, 도 9 및 도 10과 관련하여 설명되고 하나 이상의 피험자에 대해 일정 시간 기간에 걸쳐 획득되는 바와 같은 (1) 이벤트 없음, (2) 실금 이벤트, (3) 포화된 속옷 또는 흡수 패드, (4) 포화되지 않은 속옷 또는 흡수 패드, (5) 활동의 부재, (6) 침대에서 뒤척이는 활동, (7) 침대에서 일어나는 활동, (8) 바닥에 넘어지는 활동, (9) 화장실에 들어가는 활동, 및 (10) 피험자의 건강 또는 웰빙 중 하나 이상에 관한 예측들이 입력 데이터의 일부로서 사용될 수 있다. 단계(1410)에서, 예측 모델(예를 들면, 도 7과 관련하여 설명된 활동 식별 스테이지(720)에서 사용되는 트레이닝된 활동 식별 모델들(770))에 의해 입력 데이터 내에서 활동 패턴(예를 들면, 오전 6시와 오전 9시 사이에 실금을 포함한 피험자의 활동 증가)이 식별된다. 단계(1415)에서, 활동 패턴으로부터의 특징들이 추출되고 예측 모델(예를 들면, 도 7과 관련하여 설명된 인력 관리 스테이지(740)에서 사용되는 트레이닝된 인력 관리 모델들(780))에 의해 인력에 관해 예측하고/하거나 인력 관리를 최적화하는 데 사용된다. 단계(1420)에서, 예측 모델들에 의한 예측들에 기초하여 관리 프로그램의 서비스의 일부로서 인력의 예측 및/또는 인력 관리의 최적화를 디스플레이하는 사용자 인터페이스가 제공된다. 단계(1425)에서, 관리 프로그램의 서비스의 추가적인 부분으로서 인력의 예측 및/또는 인력 관리의 최적화의 결과로서 통지가 최종 사용자에게 제공될 수 있다.
예시적인 사용 사례에서, 시설 내에서의 누적 젖음 이벤트에 관련된 습기 감지 이벤트에 대한 데이터 분석은 인력 관리를 위한 물류 목적으로 사용될 수 있다. 간호 보조원에 대한 피크 시간 요구사항은 이러한 이벤트를 수용하기 위해 인력 배치 비율을 최적화하도록 결정될 수 있다. 실내 IoT 디바이스들에 의해 판독될, 임상 직원이 착용한 추가적인 RFID 센서의 사용에 대한 데이터 분석은 임상 직원이 젖음 이벤트를 지원하는 것을 문서화하는 데 사용될 수 있다. 이것은 인력 관리를 위한 물류 목적으로 임상 직원 추적 및 보다 큰 효율성을 제공하는 데 사용될 수 있다.
도 15는 재고를 예측하고 재고 관리를 최적화하기 위한 방법(1500)을 예시한다. 단계(1505)에서, 입력 데이터가 획득된다. 예를 들어, 도 1, 도 2, 도 3a 내지 도 3e, 도 4a 내지 도 4c, 도 5a 내지 도 5f, 및 도 6a 내지 도 6e와 관련하여 논의된 바와 같이, 데이터는 IoT 디바이스로부터 획득된다. 일부 경우에, 입력 데이터는 예측 모델들에 의해 이루어진 예측(들)을 또한 포함한다. 예를 들어, 도 8, 도 9, 도 10 및 도 11과 관련하여 설명되고 하나 이상의 피험자에 대해 일정 시간 기간에 걸쳐 획득되는 바와 같은 (1) 이벤트 없음, (2) 실금 이벤트, (3) 포화된 속옷 또는 흡수 패드, (4) 포화되지 않은 속옷 또는 흡수 패드, (5) 활동의 부재, (6) 침대에서 뒤척이는 활동, (7) 침대에서 일어나는 활동, (8) 바닥에 넘어지는 활동, (9) 화장실에 들어가는 활동, (10) 피험자의 건강 또는 웰빙, 및 (11) 인력 중 하나 이상에 관한 예측들이 입력 데이터의 일부로서 사용될 수 있다. 단계(1510)에서, 예측 모델(예를 들면, 도 7과 관련하여 설명된 활동 식별 스테이지(720)에서 사용되는 트레이닝된 활동 식별 모델들(770))에 의해 입력 데이터 내에서 활동 패턴(예를 들면, 여름 동안의 흡수 패드의 사용 증가)이 식별된다. 단계(1515)에서, 활동 패턴으로부터의 특징들이 추출되고 예측 모델(예를 들면, 도 7과 관련하여 설명된 재고 관리 스테이지(745)에서 사용되는 트레이닝된 재고 관리 모델들(785))에 의해 재고에 관해 예측하고 재고 관리를 최적화하는 데 사용된다. 단계(1520)에서, 예측 모델들에 의한 예측들에 기초하여 관리 프로그램의 서비스의 일부로서 재고의 예측 및 재고 관리의 최적화를 디스플레이하는 사용자 인터페이스가 제공된다. 단계(1525)에서, 관리 프로그램의 서비스의 추가적인 부분으로서 재고의 예측 및 재고 관리의 최적화의 결과로서 통지가 최종 사용자에게 제공될 수 있다.
예시적인 사용 사례에서, 시설 내에서의 누적 젖음 이벤트에 관련된 습기 감지 이벤트에 대한 데이터 분석은, 상업적 파트너를 통한 직접 주문을 포함하여, 속옷 또는 흡수 패드 재고의 관리를 위한 물류 목적으로 사용될 수 있다. 속옷 또는 흡수 패드에 대한 피크 시간 요구사항은 이러한 이벤트를 수용하기 위해 재고를 최적화하도록 결정될 수 있다.
도 16은 본 개시에 따른 하나 이상의 피험자의 건강 및 웰빙의 메트릭을 분석 및 추적하기 위한 시스템들 및 방법들과 함께 사용하기에 적합한 예시적인 컴퓨팅 디바이스(1600)(예를 들면, 도 1과 관련하여 설명된 클라이언트 디바이스(105))를 예시한다. 예시적인 컴퓨팅 디바이스(1600)는 하나 이상의 통신 버스(1615)를 사용하여 컴퓨팅 디바이스(1600)의 메모리(1610) 및 다른 컴포넌트들과 통신하는 프로세서(1605)를 포함한다. 프로세서(1605)는, 도 8과 관련하여 위에서 설명된 예시적인 방법(800)의 일부 또는 전부와 같은, 상이한 예들에 따른 하나 이상의 피험자의 건강 및 웰빙의 메트릭을 분석 및 추적하기 위한 하나 이상의 방법을 수행하기 위해 메모리(1610)에 저장된 프로세서 실행 가능 명령어들을 실행하도록 구성된다. 이 예에서, 메모리(1610)는, 도 1, 도 2, 도 3a 내지 도 3e, 도 4a 내지 도 4c, 도 5a 내지 도 5f, 도 6a 내지 도 6e 및 도 8 내지 도 15와 관련하여 위에서 논의된 바와 같이, 콘텐츠 데이터 분석(1620)과 메트릭 및 최적화 예측(1625)을 제공하는 프로세서 실행 가능 명령어들을 저장한다. 컴퓨팅 디바이스(1600)는, 이 예에서, 사용자 입력을 수용하기 위해, 키보드, 마우스, 터치스크린, 마이크로폰 등과 같은, 하나 이상의 사용자 입력 디바이스(1630)를 또한 포함한다. 컴퓨팅 디바이스(1600)는 사용자 인터페이스와 같은 시각적 출력을 사용자에게 제공하기 위한 디스플레이(1635)를 또한 포함한다.
컴퓨팅 디바이스(1600)는 통신 인터페이스(1640)를 또한 포함한다. 일부 예에서, 통신 인터페이스(1640)는, 로컬 영역 네트워크("LAN"); 인터넷과 같은, 광역 네트워크("WAN"); 도시권 네트워크("MAN"); 포인트 투 포인트 또는 피어 투 피어 연결; 등을 포함한, 하나 이상의 네트워크를 사용하여 통신을 가능하게 할 수 있다. 다른 디바이스들과의 통신은 임의의 적합한 네트워킹 프로토콜을 사용하여 달성될 수 있다. 예를 들어, 하나의 적합한 네트워킹 프로토콜은 인터넷 프로토콜("IP"), 전송 제어 프로토콜("TCP"), 사용자 데이터그램 프로토콜("UDP"), 또는, TCP/IP 또는 UDP/IP와 같은, 이들의 조합들을 포함할 수 있다.
본 명세서에서의 방법들 및 시스템들의 일부 예가 다양한 머신들 상에서 실행되는 소프트웨어와 관련하여 설명되지만, 방법들 및 시스템들은 또한, 특별히 본 개시에 따른 다양한 방법들을 실행하기 위한 FPGA(field-programmable gate array)와 같은, 특별하게 구성된 하드웨어로서 구현될 수 있다. 예를 들어, 예들은 디지털 전자 회로로, 또는 컴퓨터 하드웨어, 펌웨어, 소프트웨어로, 또는 이들의 조합으로 구현될 수 있다. 일 예에서, 디바이스는 프로세서 또는 프로세서들을 포함할 수 있다. 프로세서는, 프로세서에 결합된 RAM(random access memory)과 같은, 컴퓨터 판독 가능 매체를 포함한다. 프로세서는, 하나 이상의 컴퓨터 프로그램을 실행하는 것과 같이, 메모리에 저장된 컴퓨터 실행 가능 프로그램 명령어들을 실행한다. 그러한 프로세서들은 마이크로프로세서, DSP(digital signal processor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array), 및 상태 머신을 포함할 수 있다. 그러한 프로세서들은, PLC, PIC(programmable interrupt controller), PLD(programmable logic device), PROM(programmable read-only memory), 전기적 프로그램가능 판독 전용 메모리(EPROM 또는 EEPROM), 또는 다른 유사한 디바이스와 같은, 프로그래밍 가능 전자 디바이스들을 더 포함할 수 있다.
그러한 프로세서들은, 프로세서에 의해 실행될 때, 프로세서로 하여금 프로세서에 의해 수행되거나 지원되는 바와 같은 본 개시에 따른 방법들을 수행하게 할 수 있는 프로세서 실행 가능 명령어들을 저장할 수 있는 매체, 예를 들어, 하나 이상의 비일시적 컴퓨터 판독 가능 매체를 포함할 수 있거나 그와 통신할 수 있다. 비일시적 컴퓨터 판독 가능 매체의 예들은, 웹 서버 내의 프로세서와 같은, 프로세서에 프로세서 실행 가능 명령어들을 제공할 수 있는 전자, 광학, 자기 또는 다른 저장 디바이스를 포함할 수 있지만, 이에 제한되지 않는다. 비일시적 컴퓨터 판독 가능 매체의 다른 예들은 컴퓨터 프로세서가 판독할 수 있는 플로피 디스크, CD-ROM, 자기 디스크, 메모리 칩, ROM, RAM, ASIC, 구성된 프로세서, 모든 광학 매체, 모든 자기 테이프 또는 다른 자기 매체, 또는 임의의 다른 매체를 포함하지만, 이에 제한되지 않는다. 설명된 프로세서 및 프로세싱은 하나 이상의 구조에 있을 수 있고, 하나 이상의 구조를 통해 분산될 수 있다. 프로세서는 본 개시에 따른 방법들(또는 방법들의 일부)을 수행하기 위한 코드를 포함할 수 있다.
V. 통합 사용자 인터페이스
도 17은 다양한 실시예들에 따른 IoT 솔루션 시각화 시스템(1700)의 기능 컴포넌트들 중 일부를 예시하는 블록 다이어그램이다. 예시된 시스템은 3 개의 계층: 프레젠테이션 계층(1705), 애플리케이션 계층(1710) 및 데이터베이스 계층(1715)을 포함한다. 프레젠테이션 계층(1705)은 사용자(예를 들면, 고객 또는 관리자)가 피험자의 활동 및 이벤트를 실시간 기반으로 검출하기 위해 센서들 및 IoT 디바이스들의 네트워크를 사용하여 피험자 활동을 모니터링하는 복수의 사용자 인터페이스들(예를 들면, 그래픽 사용자 인터페이스들(GUI들))을 포함한다. 이들은 복수의 UI들(1720, 1725, 1730 및 1735)(예를 들면, 통합 사용자 인터페이스)을 포함한다. 일부 실시예들에서, UI들(1720, 1725, 1730 및 1735)은 하나 이상의 워크스테이션 또는 클라이언트 디바이스에 존재한다. 다른 실시예들에서, UI들(1720, 1725, 1730 및 1735)은 하나 이상의 개인용 컴퓨터에 존재한다. 일반적으로, UI들(1720, 1725, 1730 및 1735)은 임의의 계산 시스템에 존재할 수 있고, 4 개의 UI가 도 17에 도시되어 있지만, 본 명세서에 설명된 양태들에 따라 임의의 수의 UI들이 개발 및 제공될 수 있음을 이해해야 한다.
UI들(1720, 1725, 1730 및 1735)은 애플리케이션 계층(1710) 내의 하나 이상의 애플리케이션 서버(1740 및 1745)(예를 들면, 도 2와 관련하여 설명된 바와 같은 데이터 분석 모듈(275) 및 원격 서버들(265))에 결합된다. 애플리케이션 서버들(1740 및 1745)은 기본 통신 네트워크를 통해 실시간으로 피험자 활동의 모니터링 및 평가를 용이하게 하는 동작들을 구현하며, 그렇게 할 때, UI들(1720, 1725, 1730 및 1735)과 통신 네트워크 사이에서 정보를 통신하고 프로세싱한다. 다양한 실시예들에서, 애플리케이션 서버들(1740 및 1745)은 본 명세서에 설명된 메커니즘 세트를 통해 피험자 활동의 모니터링 및 평가를 용이하게 한다. 애플리케이션 서버들(1740 및 1745)은, 계산 서버 또는 데이터베이스 서버를 포함한, 분산 컴퓨팅 시스템에서의 다수의 위치들에 위치할 수 있고, 프레젠테이션 계층에 있는 UI들 중 임의의 것과 통신할 수 있다.
애플리케이션 서버들(1740 및 1745)은 데이터베이스 계층(1715) 내의 데이터베이스 관리 시스템(1750)(예를 들면, 도 2와 관련하여 설명된 바와 같은 데이터 저장소(270))에 결합된다. 데이터베이스 관리 시스템(1750)은 데이터의 저장 및 검색을 관리하기 위한 임의의 유형의 주문 제작 또는 상업적으로 이용 가능한 데이터베이스 시스템일 수 있다. 일부 실시예들에서, 데이터베이스 관리 시스템(1750)은 데이터베이스 서버들 등을 포함한다. 예시적인 데이터베이스 서버들은 Oracle, Microsoft, Sybase, IBM 등으로부터 상업적으로 이용 가능한 것을 제한 없이 포함한다. 데이터베이스 관리 시스템(1750)은 캐시 및 데이터베이스(1755)(예를 들면, 도 2와 관련하여 설명된 바와 같은 데이터 저장소(270))와 결합된다. 캐시 및 데이터베이스(1755)는 데이터가 저장 및 검색될 수 있는 임의의 유형의 캐시 또는 데이터베이스일 수 있다. 이것은 계층형 데이터베이스 및 관계형 데이터베이스를 포함하지만 이에 제한되지 않는다.
다양한 실시예들에서, 프레젠테이션 계층(1705), 애플리케이션 계층(1710) 및 데이터베이스 계층(1715)은 피험자 식별자, 원시 센서 및 IoT 디바이스 데이터, 결정되거나 예측된 활동, 디바이스 온라인 상태, 연관된 동향 등을 포함하는 UI들(1720, 1725, 1730 및 1735)을 제공하도록 동작한다. 도 18a 및 도 18b에 도시된 바와 같이, 일부 실시예들은 센서 및 IoT 디바이스 데이터 및 시간 데이터에 기초하여 다양한 피험자들(1810)에 대한 임상 직원 응답(1805)의 통합된 UI(1800)를 제공할 수 있다. 본 명세서에서 논의되는 바와 같이, 센서 및 IoT 디바이스 데이터 및 시간 데이터는 예측을 하기 위해 분류되거나 사용될 수 있다. 예를 들어, 데이터 분석 모듈(275) 및 데이터 분석 시스템(700)은 실금, 습기 검출의 지속기간, 실금 이벤트에 대한 직원 반응을 동적으로 결정하고 실금 이벤트에 대한 직원 반응의 패턴에 기초하여 피험자의 건강 또는 웰빙을 예측할 수 있다. 이러한 실금의 결정, 습기 검출의 지속기간, 실금 이벤트에 대한 직원 반응의 결정, 및 피험자의 건강 또는 웰빙의 예측은 센서의 현재 습기 상태(1815), IoT 디바이스의 온라인 상태(1820), 습기 이벤트의 지속기간(1825), 및 시간 간격을 기반으로 한 직원 반응의 분류(1830)를 포함하는 다양한 정보를 갖는 통합 UI(1800)의 대시보드(1702)를 디스플레이하기 위해 애플리케이션 계층(1710)에 의해 사용될 수 있다. 일부 실시예들은 피험자의 건강 또는 웰빙에 대한 결정을 하는 데 예측 모델을 또한 포함할 수 있다. 게다가, 단순히 피험자가 젖어 있음을 나타내는 데이터를 제공하는 것과 대조적으로 연관된 직원 반응 시간과 함께 이벤트에 대한 현재 지속기간 및 센서의 현재 상태의 통합 UI(1800)를 제공하는 것은 환자가 젖어 있다는 것을 임상 직원에게 단순히 통보하는 것보다는 반응 시간을 개선시키고 젖음의 지속기간을 낮추기 위해 분류 및 연관된 반응 시간에 기초하여 임상 직원이 식별된 이벤트 및 피험자에 집중하는 데 도움을 줄 수 있다.
도 19a 및 도 19b에 도시된 바와 같이, 일부 실시예들은 센서 및 IoT 디바이스 데이터 및 시간 데이터에 기초하여 피험자에 대한 젖음 및 배뇨 간격의 통합 UI(1900)를 제공할 수 있다. 본 명세서에서 논의되는 바와 같이, 센서 및 IoT 디바이스 데이터 및 시간 데이터는 예측을 하기 위해 분류되거나 사용될 수 있다. 예를 들어, 데이터 분석 모듈(275) 및 데이터 분석 시스템(700)은 실금, 습기 검출의 지속기간, 실금 이벤트의 패턴을 동적으로 결정하고 실금 이벤트의 패턴에 기초하여 피험자의 건강 또는 웰빙을 예측할 수 있다. 이러한 실금의 결정, 습기 검출의 지속기간, 실금 이벤트의 패턴, 및 피험자의 건강 또는 웰빙의 예측은 시간 경과에 따른 피험자의 습기 상태(1905) 대 시간 경과에 따른 피험자의 건조 상태(1910), 및 배뇨들 사이의 시간(1920)에 기초하여 플로팅된 배뇨 이벤트(1915)를 포함하는 다양한 정보를 갖는 통합 UI(1900)의 대시보드(1702)를 디스플레이하기 위해 애플리케이션 계층(1710)에 의해 사용될 수 있다. 일부 실시예들은 피험자의 건강 또는 웰빙에 대한 결정을 하는 데 예측 모델을 또한 포함할 수 있다. 게다가, 피험자가 젖어 있음을 나타내는 데이터를 단순히 제공하는 것과 대조적으로 습기 상태 및 배뇨 간격의 통합 UI(1900)를 제공하는 것은 환자가 젖어 있다는 것을 임상 직원에게 단순히 알리는 것보다는 요로 감염에 따른 배뇨 간격의 감소와 같은 가능한 건강 우려의 식별 및 젖음 시간을 개선시키기 위해 전형적인 배뇨 시간 및 배뇨 빈도에 기초하여 임상 직원이 식별된 피험자에 집중하는 데 도움을 줄 수 있다.
도 20에 도시된 바와 같이, 일부 실시예들은 센서 및 IoT 디바이스 데이터 및 시간 데이터에 기초하여 시간적 제약으로 오버레이된 피험자의 현재 상태의 통합 UI(2000)를 제공할 수 있다. 본 명세서에서 논의되는 바와 같이, 센서 및 IoT 디바이스 데이터 및 시간 데이터는 예측을 하기 위해 분류되거나 사용될 수 있다. 예를 들어, 데이터 분석 모듈(275) 및 데이터 분석 시스템(700)은 실금, 습기 검출의 지속기간, 및 건강 및 웰빙을 유지하기 위해 피험자를 젖음으로부터 벗어나게 하기 위한 최적의 반응 시간을 동적으로 결정하고 실금 이벤트의 패턴에 기초하여 피험자의 건강 또는 웰빙을 예측할 수 있다. 이러한 실금의 결정, 습기 검출의 지속기간, 피험자를 젖음으로부터 벗어나게 하기 위한 최적의 반응 시간, 및 피험자의 건강 또는 웰빙의 예측은 시간적 제약(2010)으로 오버레이된 다수의 피험자들의 습기 상태(2005)를 포함하는 다양한 정보를 갖는 통합 UI(2000)의 대시보드(1702)를 디스플레이하기 위해 애플리케이션 계층(1710)에 의해 사용될 수 있다. 예를 들어, 예측 모델은 실금 이벤트에 대한 최적의 반응 시간이 15 분이라고 결정하고, 이 예측된 시간을 임계치로서 사용하여 다양한 피험자들의 실금 이벤트들을, 즉각적인 조치 필요(immediate action required)(2015)(>15분), 주의 필요(requires attention)(2020)(<15분), 및 조치 필요 없음 또는 오프라인 디바이스(offline devices)(2025)를 포함한, 버킷들에 배치할 수 있다. 일부 실시예들은 피험자의 건강 또는 웰빙에 대한 결정을 하는 데 예측 모델을 또한 포함할 수 있다. 게다가, 피험자가 젖어 있음을 나타내는 데이터를 단순히 제공하는 것과 대조적으로 시간적 제약과 함께 습기 상태의 통합 UI(2000)를 제공하는 것은 환자가 젖어 있다는 것을 임상 직원에게 단순히 통보하는 것보다는 반응 시간을 개선시키고 젖음의 지속기간을 낮추기 위해 분류 및 연관된 필요 조치 레벨에 기초하여 임상 직원이 식별된 이벤트 및 피험자에 집중하는 데 도움을 줄 수 있다.
도 21은 복수의 피험자들에 대한 실금 이벤트의 통합 뷰를 제공하기 위한 프로세스를 예시하는 플로차트(21)를 도시한다. 일부 실시예들에서, 플로차트(2100)에 묘사된 프로세스들은 도 1과 관련하여 논의된 관리 플랫폼(100)에 의해 구현될 수 있다. 단계(2105)에서, 사용자 디바이스, 복수의 센서들, 및 하나 이상의 IoT 디바이스를 포함하는 분산 환경이 제공되거나 인스턴스화된다. 일부 실시예에서, 분산 환경은 분석 서버 및 예측 모델 컴포넌트, 및 분석 서버 및 예측 모델 컴포넌트에 의해 생성되는 트레이닝된 모델들을 더 포함한다. 특정 실시예들에서, 분산 환경은 하나 이상의 라이브 정보 흐름에서 수신된 센서 및 IoT 데이터, 분석 및 예측 결과, 및 과거 데이터를 저장하기 위한 메모리를 더 포함한다.
단계(2110)에서, 복수의 센서들 및 하나 이상의 IoT 디바이스를 사용하여 실금 이벤트를 포함하는 활동에 대해 하나 이상의 피험자가 모니터링될 수 있다. 단계(2115)에서, 복수의 버킷들을 포함하는 사용자 인터페이스가 제공될 수 있다. 각각의 버킷은 주의 레벨과 연관될 수 있으며, 각각의 버킷은 현재 실시간으로 트리거되는 실금 이벤트를 포함한 활동을 디스플레이한다. 본질적으로, 버킷은 활동(예를 들면, 실금 이벤트, 낙상 이벤트 등)에 대한 최적의 반응 시간의 예측 모델의 예측에 기초하여 정의된 방식에 따라 분류된 활동의 그래픽 사일로(graphical silo)이다. 활동을 단순히 디스플레이하는 것과 대조적으로 주의 레벨 버킷들에 기초한 활동의 통합 UI를 제공하는 것은 환자가 젖어 있다는 것을 임상 직원에게 단순히 통보하는 것보다는 반응 시간을 개선시키고 젖음의 지속기간을 낮추기 위해 분류 및 연관된 필요 조치 레벨에 기초하여 임상 직원이 식별된 이벤트 및 피험자에 집중하는 데 도움을 줄 수 있다.
단계(2120)에서, 분석 서버 또는 예측 모델들로부터의 결정에 기초하여 하나 이상의 라이브 정보 흐름 내에서 활동의 발생이 결정된다. 단계(2125)에서, 활동에 필요한 주의 레벨과 연관된 버킷을 복수의 버킷들로부터 식별하고 결정된 활동을 버킷에 할당하는 것에 의해 활동의 발생을 반영하도록 사용자 인터페이스가 업데이트될 수 있다. 선택적으로, 단계(2130)에서, 복수의 버킷들으로부터의 버킷의 선택에 대응하는 사용자 입력이 수신될 수 있다. 일부 실시예들에서, 선택에 응답하여, 활동에 관한 세부 사항, 예를 들면, 속옷 또는 흡수 패드의 포화 레벨을 보여주는 확장된 UI가 디스플레이될 수 있다.
VI. 추가 고려 사항
구체적인 세부사항은 실시예들의 완전한 이해를 제공하기 위해 위의 설명에 주어져 있다. 그렇지만, 이러한 구체적인 세부 사항들이 없어도 실시예들이 실시될 수 있다는 것이 이해된다. 예를 들어, 실시예들을 불필요한 세부 사항으로 모호하게 하지 않기 위해 회로가 블록 다이어그램으로 도시될 수 있다. 다른 경우에, 잘 알려진 회로들, 프로세스들, 알고리즘들, 구조들 및 기술들은 실시예들을 모호하게 하는 것을 피하기 위해 불필요한 세부 사항 없이 도시될 수 있다.
위에서 설명된 기술들, 블록들, 단계들 및 수단들의 구현은 다양한 방식들로 수행될 수 있다. 예를 들어, 이러한 기술들, 블록들, 단계들 및 수단들은 하드웨어, 소프트웨어 또는 이들의 조합으로 구현될 수 있다. 하드웨어 구현의 경우, 프로세싱 유닛은 하나 이상의 ASIC(application specific integrated circuit), DSP(digital signal processor), DSPD(digital signal processing device), PLD(programmable logic device), FPGA(field programmable gate array), 프로세서, 제어기, 마이크로컨트롤러, 마이크로프로세서, 위에서 설명된 기능들을 수행하도록 설계된 다른 전자 유닛, 및/또는 이들의 조합 내에서 구현될 수 있다.
또한, 실시예들이 플로차트, 흐름 다이어그램, 데이터 흐름 다이어그램, 구조 다이어그램, 또는 블록 다이어그램으로서 묘사된 프로세스로서 설명될 수 있음에 유의한다. 플로차트가 동작들을 순차적인 프로세스로서 설명할 수 있지만, 동작들 중 다수가 병렬로 또는 동시에 수행될 수 있다. 추가적으로, 동작들의 순서가 재배열될 수 있다. 프로세스는 그의 동작들이 완료될 때 종료되지만, 도면에 포함되지 않은 추가적인 단계들을 가질 수 있다. 프로세스는 메소드, 함수, 프로시저, 서브루틴, 서브프로그램 등에 대응할 수 있다. 프로세스가 함수에 대응할 때, 그의 종료는 호출 함수(calling function) 또는 메인 함수(main function)로의 함수의 리턴(return)에 대응할 수 있다.
게다가, 실시예들은 하드웨어, 소프트웨어, 스크립팅 언어, 펌웨어, 미들웨어, 마이크로코드, 하드웨어 기술 언어, 및/또는 이들의 임의의 조합에 의해 구현될 수 있다. 소프트웨어, 펌웨어, 미들웨어, 스크립팅 언어 및/또는 마이크로코드로 구현될 때, 필요한 작업들을 수행하기 위한 프로그램 코드 또는 코드 세그먼트는 저장 매체와 같은 머신 판독 가능 매체에 저장될 수 있다. 코드 세그먼트 또는 머신 실행 가능 명령어는 프로시저, 함수, 서브프로그램, 프로그램, 루틴, 서브루틴, 모듈, 소프트웨어 패키지, 스크립트, 클래스 또는 명령어, 데이터 구조 및/또는 프로그램 명령문의 임의의 조합을 나타낼 수 있다. 코드 세그먼트는 정보, 데이터, 인수, 파라미터 및/또는 메모리 내용을 전달 및/또는 수신하는 것에 의해 다른 코드 세그먼트 또는 하드웨어 회로에 결합될 수 있다. 정보, 인수, 파라미터, 데이터 등은 메모리 공유, 메시지 전달, 티켓 전달, 네트워크 전송 등을 포함한 임의의 적합한 수단을 통해 전달, 포워딩 또는 전송될 수 있다.
펌웨어 및/또는 소프트웨어 구현의 경우, 방법론은 본 명세서에 설명된 기능을 수행하는 모듈(예를 들면, 프로시저, 함수 등)로 구현될 수 있다. 명령어들을 유형적으로 구체화하는 임의의 머신 판독 가능 매체가 본 명세서에 설명된 방법론을 구현하는 데 사용될 수 있다. 예를 들어, 소프트웨어 코드는 메모리에 저장될 수 있다. 메모리는 프로세서 내부에 또는 프로세서 외부에 구현될 수 있다. 본 명세서에서 사용되는 바와 같이 "메모리"라는 용어는 임의의 유형의 장기, 단기, 휘발성, 비휘발성 또는 다른 저장 매체를 지칭하며, 임의의 특정 유형의 메모리 또는 임의의 특정 수의 메모리들, 또는 메모리가 저장되는 임의의 특정 유형의 매체로 제한되지 않는다.
더욱이, 본 명세서에 개시된 바와 같이, "저장 매체", "스토리지" 또는 "메모리"라는 용어는, ROM(read only memory), RAM(random access memory), 자기 RAM, 코어 메모리, 자기 디스크 저장 매체, 광학 저장 매체, 플래시 메모리 디바이스 및/또는 정보를 저장하기 위한 다른 머신 판독 가능 매체를 포함한, 데이터를 저장하기 위한 하나 이상의 메모리를 나타낼 수 있다. "머신 판독 가능 매체"라는 용어는 휴대용 또는 고정식 저장 디바이스, 광학 저장 디바이스, 무선 채널 및/또는 명령어(들) 및/또는 데이터를 포함하거나 운반할 수 있는 다양한 다른 저장 매체를 포함하지만 이에 제한되지 않는다.
본 개시의 원리가 특정 장치들 및 방법들과 관련하여 위에서 설명되었지만, 이러한 설명이 본 개시의 범위에 대한 제한으로서가 아니라 단지 예로서 이루어진 것임을 분명히 이해해야 한다.

Claims (56)

  1. 방법으로서,
    데이터 프로세싱 시스템에 의해, 입력 데이터를 획득하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 센서로부터의 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 상기 센서가 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 단계 - 상기 제1 에너지 레벨은 제1 시간에 획득되고 상기 제2 에너지 레벨은 상기 제1 시간 이후인 제2 시간에 획득됨 -;
    상기 데이터 프로세싱 시스템에 의해, 상기 비교에 기초하여 상기 제1 에너지 레벨이 상기 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 비교에 기초하여 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 단계;
    상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 데이터 프로세싱 시스템에 의해, 상기 센서와 연관된 피험자가 실금 이벤트를 겪었다고 결정하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 센서 데이터가 상기 제2 시간에서의 상기 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함하지 않는다고 결정하는 단계;
    상기 센서 데이터가 상기 제3 에너지 레벨을 포함하지 않는다고 결정하는 것에 응답하여, 상기 데이터 프로세싱 시스템에 의해, 상기 피험자와 연관된 속옷 또는 흡수 패드가 포화되었다고 결정하는 단계; 및
    상기 데이터 프로세싱 시스템에 의해, 상기 실금 이벤트 및 상기 피험자와 연관된 상기 속옷 또는 흡수 패드가 포화되었다는 것에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 단계
    를 포함하는, 방법.
  2. 제1항에 있어서, 상기 파싱하는 단계는 상기 센서와 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 상기 센서로부터의 상기 센서 데이터를 그룹화하는 단계를 포함하는, 방법.
  3. 제1항 또는 제2항에 있어서, 상기 제2 에너지 레벨이 상기 습기 이벤트와 연관되어 있다고 결정하는 상기 단계는 상기 제1 에너지 레벨과 상기 제2 에너지 레벨 사이의 변화가 상기 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하거나 상기 제2 에너지 레벨이 상기 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과한다고 결정하는 단계를 포함하는, 방법.
  4. 제1항, 제2항 또는 제3항 중 어느 한 항에 있어서, 상기 제1 에너지 레벨은 제1 임피던스 값이고 상기 제2 에너지 레벨은 상기 제1 임피던스 값과 상이한 제2 임피던스 값인, 방법.
  5. 시스템으로서,
    하나 이상의 데이터 프로세서; 및
    상기 하나 이상의 데이터 프로세서 상에서 실행될 때, 상기 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하는 명령어들을 포함하는 비일시적 컴퓨터 판독 가능 저장 매체
    를 포함하며, 상기 동작들은:
    입력 데이터를 획득하는 동작;
    센서로부터의 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 동작;
    상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 상기 센서가 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 동작 - 상기 제1 에너지 레벨은 제1 시간에 획득되고 상기 제2 에너지 레벨은 상기 제1 시간 이후인 제2 시간에 획득됨 -;
    상기 비교에 기초하여 상기 제1 에너지 레벨이 상기 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 동작;
    상기 비교에 기초하여 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 동작;
    상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 센서와 연관된 피험자가 실금 이벤트를 겪었다고 결정하는 동작;
    상기 센서 데이터가 상기 제2 시간에서의 상기 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함하지 않는다고 결정하는 동작;
    상기 센서 데이터가 상기 제3 에너지 레벨을 포함하지 않는다고 결정하는 것에 응답하여, 상기 피험자와 연관된 속옷 또는 흡수 패드가 포화되었다고 결정하는 동작; 및
    상기 실금 이벤트 및 상기 피험자와 연관된 상기 속옷 또는 흡수 패드가 포화되었다는 것에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 동작을 포함하는, 시스템.
  6. 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하도록 구성된 명령어들을 포함하는 비일시적 머신 판독 가능 저장 매체에 유형적으로 구체화된 컴퓨터 프로그램 제품으로서, 상기 동작들은:
    입력 데이터를 획득하는 동작;
    센서로부터의 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 동작;
    상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 상기 센서가 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 동작 - 상기 제1 에너지 레벨은 제1 시간에 획득되고 상기 제2 에너지 레벨은 상기 제1 시간 이후인 제2 시간에 획득됨 -;
    상기 비교에 기초하여 상기 제1 에너지 레벨이 상기 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 동작;
    상기 비교에 기초하여 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 동작;
    상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 센서와 연관된 피험자가 실금 이벤트를 겪었다고 결정하는 동작;
    상기 센서 데이터가 상기 제2 시간에서의 상기 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함하지 않는다고 결정하는 동작;
    상기 센서 데이터가 상기 제3 에너지 레벨을 포함하지 않는다고 결정하는 것에 응답하여, 상기 피험자와 연관된 속옷 또는 흡수 패드가 포화되었다고 결정하는 동작; 및
    상기 실금 이벤트 및 상기 피험자와 연관된 상기 속옷 또는 흡수 패드가 포화되었다는 것에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 동작을 포함하는, 컴퓨터 프로그램 제품.
  7. 방법으로서,
    데이터 프로세싱 시스템에 의해, 입력 데이터를 획득하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 센서로부터의 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 상기 센서가 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 단계 - 상기 제1 에너지 레벨은 제1 시간에 획득되고 상기 제2 에너지 레벨은 상기 제1 시간 이후인 제2 시간에 획득됨 -;
    상기 데이터 프로세싱 시스템에 의해, 상기 제1 에너지 레벨과 상기 제2 에너지 레벨의 비교에 기초하여 상기 제1 에너지 레벨이 상기 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 비교에 기초하여 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 단계;
    상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 데이터 프로세싱 시스템에 의해, 상기 센서와 연관된 피험자가 실금 이벤트를 겪었다고 결정하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 센서 데이터가 상기 제2 시간에서의 상기 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함한다고 결정하는 단계;
    상기 센서 데이터가 상기 제3 에너지 레벨을 포함한다고 결정하는 것에 응답하여, 상기 데이터 프로세싱 시스템에 의해, 상기 제3 에너지 레벨을 상기 제2 에너지 레벨과 비교하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 제3 에너지 레벨과 상기 제2 에너지 레벨의 비교에 기초하여 상기 제3 에너지 레벨이 건조 이벤트와 연관되어 있다고 결정하는 단계;
    상기 제3 에너지 레벨이 건조 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 데이터 프로세싱 시스템에 의해, 상기 피험자와 연관된 속옷 또는 흡수 패드가 포화되어 있지 않다고 결정하는 단계; 및
    상기 데이터 프로세싱 시스템에 의해, 상기 실금 이벤트 및 상기 피험자와 연관된 상기 속옷 또는 흡수 패드가 포화되어 있지 않다는 것에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 단계
    를 포함하는, 방법.
  8. 제7항에 있어서, 상기 파싱하는 단계는 상기 센서와 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 상기 센서로부터의 상기 센서 데이터를 그룹화하는 단계를 포함하는, 방법.
  9. 제7항 또는 제8항에 있어서, 상기 제2 에너지 레벨이 상기 습기 이벤트와 연관되어 있다고 결정하는 상기 단계는 상기 제1 에너지 레벨과 상기 제2 에너지 레벨 사이의 변화가 상기 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하거나 상기 제2 에너지 레벨이 상기 습기 이벤트와 연관된 미리 결정된 에너지 임계치를 초과한다고 결정하는 단계를 포함하는, 방법.
  10. 제7항, 제8항 또는 제9항 중 어느 한 항에 있어서, 상기 제3 에너지 레벨이 건조 이벤트와 연관되어 있다고 결정하는 상기 단계는 상기 제2 에너지 레벨과 상기 제3 에너지 레벨 사이의 변화가 건조 이벤트와 연관된 미리 결정된 건조 임계치를 초과하거나 상기 제3 에너지 레벨이 건조 이벤트와 연관된 미리 결정된 건조 임계치를 초과한다고 결정하는 단계를 포함하는, 방법.
  11. 제7항, 제8항, 제9항 또는 제10항 중 어느 한 항에 있어서, 상기 제1 에너지 레벨은 제1 임피던스 값이고, 상기 제2 에너지 레벨은 상기 제1 임피던스 값과 상이한 제2 임피던스 값이며, 상기 제3 에너지 레벨은 상기 제1 임피던스 값 및 상기 제2 임피던스 값과 상이한 제3 임피던스 값인, 방법.
  12. 시스템으로서,
    하나 이상의 데이터 프로세서; 및
    상기 하나 이상의 데이터 프로세서 상에서 실행될 때, 상기 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하는 명령어들을 포함하는 비일시적 컴퓨터 판독 가능 저장 매체
    를 포함하며, 상기 동작들은:
    입력 데이터를 획득하는 동작;
    센서로부터의 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 동작;
    상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 상기 센서가 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 동작 - 상기 제1 에너지 레벨은 제1 시간에 획득되고 상기 제2 에너지 레벨은 상기 제1 시간 이후인 제2 시간에 획득됨 -;
    상기 제1 에너지 레벨과 상기 제2 에너지 레벨의 비교에 기초하여 상기 제1 에너지 레벨이 상기 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 동작;
    상기 비교에 기초하여 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 동작;
    상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 센서와 연관된 피험자가 실금 이벤트를 겪었다고 결정하는 동작;
    상기 센서 데이터가 상기 제2 시간에서의 상기 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함한다고 결정하는 동작;
    상기 센서 데이터가 상기 제3 에너지 레벨을 포함한다고 결정하는 것에 응답하여, 상기 제3 에너지 레벨을 상기 제2 에너지 레벨과 비교하는 동작;
    상기 제3 에너지 레벨과 상기 제2 에너지 레벨의 비교에 기초하여 상기 제3 에너지 레벨이 건조 이벤트와 연관되어 있다고 결정하는 동작;
    상기 제3 에너지 레벨이 건조 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 피험자와 연관된 속옷 또는 흡수 패드가 포화되어 있지 않다고 결정하는 동작; 및
    상기 실금 이벤트 및 상기 피험자와 연관된 상기 속옷 또는 흡수 패드가 포화되어 있지 않다는 것에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 동작을 포함하는, 시스템.
  13. 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하도록 구성된 명령어들을 포함하는 비일시적 머신 판독 가능 저장 매체에 유형적으로 구체화된 컴퓨터 프로그램 제품으로서, 상기 동작들은:
    입력 데이터를 획득하는 동작;
    센서로부터의 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 동작;
    상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 상기 센서가 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 동작 - 상기 제1 에너지 레벨은 제1 시간에 획득되고 상기 제2 에너지 레벨은 상기 제1 시간 이후인 제2 시간에 획득됨 -;
    상기 제1 에너지 레벨과 상기 제2 에너지 레벨의 비교에 기초하여 상기 제1 에너지 레벨이 상기 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 동작;
    상기 비교에 기초하여 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 동작;
    상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 센서와 연관된 피험자가 실금 이벤트를 겪었다고 결정하는 동작;
    상기 센서 데이터가 상기 제2 시간에서의 상기 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함한다고 결정하는 동작;
    상기 센서 데이터가 상기 제3 에너지 레벨을 포함한다고 결정하는 것에 응답하여, 상기 제3 에너지 레벨을 상기 제2 에너지 레벨과 비교하는 동작;
    상기 제3 에너지 레벨과 상기 제2 에너지 레벨의 비교에 기초하여 상기 제3 에너지 레벨이 건조 이벤트와 연관되어 있다고 결정하는 동작;
    상기 제3 에너지 레벨이 건조 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 피험자와 연관된 속옷 또는 흡수 패드가 포화되어 있지 않다고 결정하는 동작; 및
    상기 실금 이벤트 및 상기 피험자와 연관된 상기 속옷 또는 흡수 패드가 포화되어 있지 않다는 것에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 동작을 포함하는, 컴퓨터 프로그램 제품.
  14. 방법으로서,
    데이터 프로세싱 시스템에 의해, 입력 데이터를 획득하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 센서로부터의 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 정지 위치와 연관된 하나 이상의 에너지 레벨과 비교하는 단계 - 상기 제1 에너지 레벨은 제1 시간에 획득되고 상기 제2 에너지 레벨은 상기 제1 시간 이후인 제2 시간에 획득됨 -;
    상기 데이터 프로세싱 시스템에 의해, 상기 비교에 기초하여 상기 제1 에너지 레벨이 상기 정지 위치와 연관되어 있다고 결정하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 비교에 기초하여 상기 제2 에너지 레벨이 움직임 이벤트와 연관되어 있다고 결정하는 단계;
    상기 제2 에너지 레벨이 움직임 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 데이터 프로세싱 시스템에 의해, 상기 센서와 연관된 피험자가 움직였다고 결정하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 센서 데이터가 상기 제2 시간에서의 상기 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함한다고 결정하는 단계;
    상기 센서 데이터가 상기 제3 에너지 레벨을 포함한다고 결정하는 것에 응답하여, 상기 데이터 프로세싱 시스템에 의해, 상기 제3 에너지 레벨이 상기 제2 에너지 레벨과 상이하고 상기 제3 에너지 레벨이 활동과 연관된 미리 결정된 활동 임계치를 초과한다고 결정하는 단계;
    상기 데이터 프로세싱 시스템의 예측 모델에 의해, 상기 센서 데이터의 패턴, 상기 움직임 이벤트의 상기 결정, 및 상기 제3 에너지 레벨이 상기 제2 에너지 레벨과 상이하고 상기 제3 에너지 레벨이 상기 미리 결정된 활동 임계치를 초과한다는 상기 결정에 기초하여 활동이 피험자가 침대에서 뒤척이거나 침대에서 일어나는 것이라고 예측하는 단계; 및
    상기 데이터 프로세싱 시스템에 의해, 상기 피험자가 침대에서 뒤척였거나 침대에서 일어났다는 상기 예측을 기록하는 단계
    를 포함하는, 방법.
  15. 제14항에 있어서, 상기 파싱하는 단계는 상기 센서와 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 상기 센서로부터의 상기 센서 데이터를 그룹화하는 단계를 포함하는, 방법.
  16. 제14항 또는 제15항에 있어서, 상기 제2 에너지 레벨이 상기 움직임 이벤트와 연관되어 있다고 결정하는 상기 단계는 상기 제1 에너지 레벨과 상기 제2 에너지 레벨 사이의 변화가 상기 움직임 이벤트와 연관된 미리 결정된 에너지 임계치를 초과하거나 상기 제2 에너지 레벨이 상기 움직임 이벤트와 연관된 미리 결정된 에너지 임계치를 초과한다고 결정하는 단계를 포함하는, 방법.
  17. 제14항, 제15항 또는 제16항 중 어느 한 항에 있어서, 상기 제1 에너지 레벨은 제1 임피던스 값이고, 상기 제2 에너지 레벨은 상기 제1 임피던스 값과 상이한 제2 임피던스 값이며, 상기 제3 에너지 레벨은 상기 제1 임피던스 값 및 상기 제2 임피던스 값과 상이한 제3 임피던스 값인, 방법.
  18. 시스템으로서,
    하나 이상의 데이터 프로세서; 및
    상기 하나 이상의 데이터 프로세서 상에서 실행될 때, 상기 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하는 명령어들을 포함하는 비일시적 컴퓨터 판독 가능 저장 매체
    를 포함하며, 상기 동작들은:
    입력 데이터를 획득하는 동작;
    센서로부터의 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 동작;
    상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 정지 위치와 연관된 하나 이상의 에너지 레벨과 비교하는 동작 - 상기 제1 에너지 레벨은 제1 시간에 획득되고 상기 제2 에너지 레벨은 상기 제1 시간 이후인 제2 시간에 획득됨 -;
    상기 비교에 기초하여 상기 제1 에너지 레벨이 상기 정지 위치와 연관되어 있다고 결정하는 동작;
    상기 비교에 기초하여 상기 제2 에너지 레벨이 움직임 이벤트와 연관되어 있다고 결정하는 동작;
    상기 제2 에너지 레벨이 움직임 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 센서와 연관된 피험자가 움직였다고 결정하는 동작;
    상기 센서 데이터가 상기 제2 시간에서의 상기 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함한다고 결정하는 동작;
    상기 센서 데이터가 상기 제3 에너지 레벨을 포함한다고 결정하는 것에 응답하여, 상기 제3 에너지 레벨이 상기 제2 에너지 레벨과 상이하고 상기 제3 에너지 레벨이 활동과 연관된 미리 결정된 활동 임계치를 초과한다고 결정하는 동작;
    예측 모델에 의해, 상기 센서 데이터의 패턴, 상기 움직임 이벤트의 상기 결정, 및 상기 제3 에너지 레벨이 상기 제2 에너지 레벨과 상이하고 상기 제3 에너지 레벨이 상기 미리 결정된 활동 임계치를 초과한다는 상기 결정에 기초하여 활동이 피험자가 침대에서 뒤척이거나 침대에서 일어나는 것이라고 예측하는 동작; 및
    상기 피험자가 침대에서 뒤척였거나 침대에서 일어났다는 상기 예측을 기록하는 동작을 포함하는, 시스템.
  19. 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하도록 구성된 명령어들을 포함하는 비일시적 머신 판독 가능 저장 매체에 유형적으로 구체화된 컴퓨터 프로그램 제품으로서, 상기 동작들은:
    입력 데이터를 획득하는 동작;
    센서로부터의 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 동작;
    상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 정지 위치와 연관된 하나 이상의 에너지 레벨과 비교하는 동작 - 상기 제1 에너지 레벨은 제1 시간에 획득되고 상기 제2 에너지 레벨은 상기 제1 시간 이후인 제2 시간에 획득됨 -;
    상기 비교에 기초하여 상기 제1 에너지 레벨이 상기 정지 위치와 연관되어 있다고 결정하는 동작;
    상기 비교에 기초하여 상기 제2 에너지 레벨이 움직임 이벤트와 연관되어 있다고 결정하는 동작;
    상기 제2 에너지 레벨이 움직임 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 센서와 연관된 피험자가 움직였다고 결정하는 동작;
    상기 센서 데이터가 상기 제2 시간에서의 상기 제2 에너지 레벨의 수신 이후 미리 정의된 시간 기간 내에 제3 에너지 레벨을 포함한다고 결정하는 동작;
    상기 센서 데이터가 상기 제3 에너지 레벨을 포함한다고 결정하는 것에 응답하여, 상기 제3 에너지 레벨이 상기 제2 에너지 레벨과 상이하고 상기 제3 에너지 레벨이 활동과 연관된 미리 결정된 활동 임계치를 초과한다고 결정하는 동작;
    예측 모델에 의해, 상기 센서 데이터의 패턴, 상기 움직임 이벤트의 상기 결정, 및 상기 제3 에너지 레벨이 상기 제2 에너지 레벨과 상이하고 상기 제3 에너지 레벨이 상기 미리 결정된 활동 임계치를 초과한다는 상기 결정에 기초하여 활동이 피험자가 침대에서 뒤척이거나 침대에서 일어나는 것이라고 예측하는 동작; 및
    상기 피험자가 침대에서 뒤척였거나 침대에서 일어났다는 상기 예측을 기록하는 동작을 포함하는, 컴퓨터 프로그램 제품.
  20. 흡수 용품으로서,
    액체 투과성 상부 시트;
    상기 액체 투과성 상부 시트 아래에 배치된 흡수성 재료;
    상기 액체 투과성 상부 시트 또는 상기 흡수성 재료의 적어도 일 부분에 인접하게 배치된 비흡수성 재료;
    상기 흡수성 재료가 상기 액체 투과성 상부 시트와 상기 액체 불투과성 후면 시트 사이에 배치되도록 상기 흡수성 재료 위에 배치된 액체 불투과성 후면 시트; 및
    상기 액체 불투과성 후면 시트에 부착된 하나 이상의 부착 구조 - 상기 하나 이상의 부착 구조는 하나 이상의 센서를 유지하도록 구조화되어 있음 -
    를 포함하는, 흡수 용품.
  21. 제20항에 있어서, 상기 하나 이상의 부착 구조는 하나 이상의 슬리브 구조인, 흡수 용품.
  22. 제20항 또는 제21항에 있어서, 상기 하나 이상의 부착 구조 중 제1 부착 구조는 상기 아래에 놓인 흡수성 재료와 상기 비흡수성 재료 사이의 계면에 걸쳐 상기 액체 불투과성 후면 시트의 전방 측에서 상기 액체 불투과성 후면 시트에 부착되는, 흡수 용품.
  23. 제20항, 제21항 또는 제22항 중 어느 한 항에 있어서, 상기 하나 이상의 부착 구조 중 제2 부착 구조는 상기 비흡수성 재료의 외연(outer margin)에 걸쳐 상기 액체 불투과성 후면 시트에 부착되는, 흡수 용품.
  24. 제20항, 제21항 또는 제22항 중 어느 한 항에 있어서, 상기 하나 이상의 부착 구조 중 제3 부착 구조는 상기 아래에 놓인 흡수성 재료에 걸쳐 상기 액체 불투과성 후면 시트의 전방 측에서 상기 액체 불투과성 후면 시트에 부착되는, 흡수 용품.
  25. 제20항, 제21항, 제22항, 제23항 또는 제24항 중 어느 한 항에 있어서, 상기 하나 이상의 부착 구조 중 제4 부착 구조는 상기 아래에 놓인 흡수성 재료와 상기 비흡수성 재료 사이의 계면에 걸쳐 상기 액체 불투과성 후면 시트의 후방 측에서 상기 액체 불투과성 후면 시트에 부착되는, 흡수 용품.
  26. 제20항에 있어서, 상기 하나 이상의 부착 구조는 자성 구조인, 흡수 용품.
  27. 제20항에 있어서, 상기 하나 이상의 센서
    를 더 포함하며, 상기 하나 이상의 센서의 각각의 센서는 상기 하나 이상의 부착 구조의 각자의 부착 구조에 배치되는, 흡수 용품.
  28. 제27항에 있어서, 상기 하나 이상의 센서는 하나 이상의 RFID(radio frequency identification) 센서인, 흡수 용품.
  29. 흡수 용품으로서,
    액체 투과성 상부 시트;
    상기 액체 투과성 상부 시트 아래에 배치된 흡수성 재료;
    상기 액체 투과성 상부 시트 또는 상기 흡수성 재료의 적어도 일 부분에 인접하게 배치된 비흡수성 재료;
    상기 흡수성 재료가 상기 액체 투과성 상부 시트와 상기 액체 불투과성 후면 시트 사이에 배치되도록 상기 흡수성 재료 위에 배치된 액체 불투과성 후면 시트; 및
    상기 액체 불투과성 후면 시트에 부착된 하나 이상의 센서
    를 포함하는, 흡수 용품.
  30. 제29항에 있어서, 상기 하나 이상의 센서는 하나 이상의 RFID(radio frequency identification) 센서인, 흡수 용품.
  31. 제29항 또는 제30항에 있어서, 상기 하나 이상의 센서 중 제1 센서는 상기 아래에 놓인 흡수성 재료와 상기 비흡수성 재료 사이의 계면에 걸쳐 상기 액체 불투과성 후면 시트의 전방 측에서 상기 액체 불투과성 후면 시트에 부착되는, 흡수 용품.
  32. 제29항, 제30항 또는 제31항 중 어느 한 항에 있어서, 상기 하나 이상의 센서 중 제2 센서는 상기 비흡수성 재료의 외연에 걸쳐 상기 액체 불투과성 후면 시트에 부착되는, 흡수 용품.
  33. 제29항, 제30항, 제31항 또는 제32항 중 어느 한 항에 있어서, 상기 하나 이상의 센서 중 제3 센서는 상기 아래에 놓인 흡수성 재료에 걸쳐 상기 액체 불투과성 후면 시트의 전방 측에서 상기 액체 불투과성 후면 시트에 부착되는, 흡수 용품.
  34. 제29항, 제30항, 제31항, 제32항 또는 제33항 중 어느 한 항에 있어서, 상기 하나 이상의 센서 중 제4 센서는 상기 아래에 놓인 흡수성 재료와 상기 비흡수성 재료 사이의 계면에 걸쳐 상기 액체 불투과성 후면 시트의 후방 측에서 상기 액체 불투과성 후면 시트에 부착되는, 흡수 용품.
  35. 시스템으로서,
    흡수 용품 - 상기 흡수 용품은:
    액체 투과성 상부 시트;
    상기 액체 투과성 상부 시트 아래에 배치된 흡수성 재료;
    상기 액체 투과성 상부 시트 또는 상기 흡수성 재료의 적어도 일 부분에 인접하게 배치된 비흡수성 재료;
    상기 흡수성 재료가 상기 액체 투과성 상부 시트와 상기 액체 불투과성 후면 시트 사이에 배치되도록 상기 흡수성 재료 위에 배치된 액체 불투과성 후면 시트; 및
    상기 액체 불투과성 후면 시트에 부착된 하나 이상의 센서를 포함함 -; 및
    상기 하나 이상의 센서와 무선 통신하는 사물 인터넷(IoT) 디바이스
    를 포함하는, 시스템.
  36. 제35항에 있어서, 상기 하나 이상의 센서는 하나 이상의 RFID(radio frequency identification) 센서인, 시스템.
  37. 제36항에 있어서, 상기 IoT 디바이스는 RFID 판독기 및 제어기를 포함하는, 시스템.
  38. 제35항 또는 제36항에 있어서, 상기 하나 이상의 센서 중 제1 센서는 상기 아래에 놓인 흡수성 재료와 상기 비흡수성 재료 사이의 계면에 걸쳐 상기 액체 불투과성 후면 시트의 전방 측에서 상기 액체 불투과성 후면 시트에 부착되는, 시스템.
  39. 제35항, 제36항 또는 제38항 중 어느 한 항에 있어서, 상기 하나 이상의 센서 중 제2 센서는 상기 비흡수성 재료의 외연에 걸쳐 상기 액체 불투과성 후면 시트에 부착되는, 시스템.
  40. 제35항, 제36항, 제38항 또는 제39항 중 어느 한 항에 있어서, 상기 하나 이상의 센서 중 제3 센서는 상기 아래에 놓인 흡수성 재료에 걸쳐 상기 액체 불투과성 후면 시트의 전방 측에서 상기 액체 불투과성 후면 시트에 부착되는, 시스템.
  41. 제35항, 제36항, 제38항, 제39항 또는 제40항 중 어느 한 항에 있어서, 상기 하나 이상의 센서 중 제4 센서는 상기 아래에 놓인 흡수성 재료와 상기 비흡수성 재료 사이의 계면에 걸쳐 상기 액체 불투과성 후면 시트의 후방 측에서 상기 액체 불투과성 후면 시트에 부착되는, 시스템.
  42. 제35항에 있어서, 상기 IoT 디바이스에 부착된 제1 단부 및 상기 IoT 디바이스에 연결된 외부 안테나에 부착된 제2 단부를 포함하는 각진 브래킷
    을 더 포함하는, 시스템.
  43. 측정 시스템으로서,
    용기;
    상기 용기에 부착된 선형 센서 어레이 - 상기 센서 어레이의 각각의 센서는 각자의 액체 부피 표시기에 대해 상기 용기 상에 위치됨 -; 및
    프로세서 및 메모리 저장 디바이스를 포함하는 컴퓨팅 디바이스 - 데이터 테이블은 상기 메모리 저장 디바이스에 저장되고 상기 테이블은 상기 센서 어레이의 각각의 센서에 대한 고유 식별자 및 상기 고유 식별자로 인덱싱된 각자의 액체 부피를 포함함 -
    를 포함하는, 측정 시스템.
  44. 방법으로서,
    (i) 데이터 프로세싱 시스템에 의해, 입력 데이터를 획득하는 단계;
    (ii) 상기 데이터 프로세싱 시스템에 의해, 수집 디바이스 상에 배치된 복수의 센서들로부터 사물 인터넷(IoT) 디바이스에 의해 수집된 모든 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 단계 - 상기 파싱하는 단계는 상기 센서 데이터를 상기 센서들 각각과 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 상기 복수의 센서들의 각각의 센서로부터 수신된 센서 데이터 서브세트들로 그룹화하는 단계를 포함하며, 상기 복수의 센서들 중 한 센서로부터 수신된 적어도 하나의 센서 데이터 서브세트는 제1 시간에 획득된 제1 에너지 레벨 및 상기 제1 시간 이후의 또는 상기 제1 시간보다 늦은 제2 시간에 획득된 제2 에너지 레벨을 포함함 -;
    (iii) 상기 데이터 프로세싱 시스템에 의해, 상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 상기 복수의 센서들이 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 단계;
    (iv) 상기 데이터 프로세싱 시스템에 의해, 상기 비교에 기초하여 상기 제1 에너지 레벨이 상기 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 단계;
    (v) 상기 데이터 프로세싱 시스템에 의해, 상기 비교에 기초하여 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 단계;
    (vi) 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 데이터 프로세싱 시스템에 의해, 상기 적어도 하나의 센서 데이터 서브세트와 연관되어 있는 상기 센서와 연관된 액체 부피를 식별하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 복수의 센서들 중 다른 센서들과 연관된 모든 다른 센서 데이터 서브세트들에 대해 단계 (iii) 내지 단계 (vi)를 반복하여 상기 다른 센서들과 연관된 추가적인 액체 부피들을 식별하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 센서와 연관된 상기 액체 부피 및 상기 다른 센서들과 연관된 상기 추가적인 액체 부피들을 분석하여 상기 수집 디바이스의 총 액체 부피를 결정하는 단계; 및
    상기 데이터 프로세싱 시스템에 의해, 상기 수집 디바이스의 상기 총 액체 부피를 디스플레이하는 사용자 인터페이스를 제공하는 단계
    를 포함하는, 방법.
  45. 시스템으로서,
    하나 이상의 데이터 프로세서; 및
    상기 하나 이상의 데이터 프로세서 상에서 실행될 때, 상기 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하는 명령어들을 포함하는 비일시적 컴퓨터 판독 가능 저장 매체
    를 포함하며, 상기 동작들은:
    (i) 입력 데이터를 획득하는 동작;
    (ii) 수집 디바이스 상에 배치된 복수의 센서들로부터 사물 인터넷(IoT) 디바이스에 의해 수집된 모든 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 동작 - 상기 파싱하는 동작은 상기 센서 데이터를 상기 센서들 각각과 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 상기 복수의 센서들의 각각의 센서로부터 수신된 센서 데이터 서브세트들로 그룹화하는 동작을 포함하며, 상기 복수의 센서들 중 한 센서로부터 수신된 적어도 하나의 센서 데이터 서브세트는 제1 시간에 획득된 제1 에너지 레벨 및 상기 제1 시간 이후의 또는 상기 제1 시간보다 늦은 제2 시간에 획득된 제2 에너지 레벨을 포함함 -;
    (iii) 상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 상기 복수의 센서들이 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 동작;
    (iv) 상기 비교에 기초하여 상기 제1 에너지 레벨이 상기 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 동작;
    (v) 상기 비교에 기초하여 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 동작;
    (vi) 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 적어도 하나의 센서 데이터 서브세트와 연관되어 있는 상기 센서와 연관된 액체 부피를 식별하는 동작;
    상기 복수의 센서들 중 다른 센서들과 연관된 모든 다른 센서 데이터 서브세트들에 대해 단계 (iii) 내지 단계 (vi)를 반복하여 상기 다른 센서들과 연관된 추가적인 액체 부피들을 식별하는 동작;
    상기 센서와 연관된 상기 액체 부피 및 상기 다른 센서들과 연관된 상기 추가적인 액체 부피들을 분석하여 상기 수집 디바이스의 총 액체 부피를 결정하는 동작; 및
    상기 수집 디바이스의 상기 총 액체 부피를 디스플레이하는 사용자 인터페이스를 제공하는 동작을 포함하는, 시스템.
  46. 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하도록 구성된 명령어들을 포함하는 비일시적 머신 판독 가능 저장 매체에 유형적으로 구체화된 컴퓨터 프로그램 제품으로서, 상기 동작들은:
    (i) 입력 데이터를 획득하는 동작;
    (ii) 수집 디바이스 상에 배치된 복수의 센서들로부터 사물 인터넷(IoT) 디바이스에 의해 수집된 모든 센서 데이터를 식별하기 위해 상기 입력 데이터를 파싱하는 동작 - 상기 파싱하는 동작은 상기 센서 데이터를 상기 센서들 각각과 연관된 고유 식별자에 기초하여 시간 윈도에 걸쳐 상기 복수의 센서들의 각각의 센서로부터 수신된 센서 데이터 서브세트들로 그룹화하는 동작을 포함하며, 상기 복수의 센서들 중 한 센서로부터 수신된 적어도 하나의 센서 데이터 서브세트는 제1 시간에 획득된 제1 에너지 레벨 및 상기 제1 시간 이후의 또는 상기 제1 시간보다 늦은 제2 시간에 획득된 제2 에너지 레벨을 포함함 -;
    (iii) 상기 센서 데이터로부터의 제1 에너지 레벨 및 제2 에너지 레벨을 상기 복수의 센서들이 배포되는 환경에 대한 건조 또는 정규화된 상태와 연관된 하나 이상의 에너지 레벨과 비교하는 동작;
    (iv) 상기 비교에 기초하여 상기 제1 에너지 레벨이 상기 건조 또는 정규화된 상태와 연관되어 있다고 결정하는 동작;
    (v) 상기 비교에 기초하여 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 동작;
    (vi) 상기 제2 에너지 레벨이 습기 이벤트와 연관되어 있다고 결정하는 것에 응답하여, 상기 적어도 하나의 센서 데이터 서브세트와 연관되어 있는 상기 센서와 연관된 액체 부피를 식별하는 동작;
    상기 복수의 센서들 중 다른 센서들과 연관된 모든 다른 센서 데이터 서브세트들에 대해 단계 (iii) 내지 단계 (vi)를 반복하여 상기 다른 센서들과 연관된 추가적인 액체 부피들을 식별하는 동작;
    상기 센서와 연관된 상기 액체 부피 및 상기 다른 센서들과 연관된 상기 추가적인 액체 부피들을 분석하여 상기 수집 디바이스의 총 액체 부피를 결정하는 동작; 및
    상기 수집 디바이스의 상기 총 액체 부피를 디스플레이하는 사용자 인터페이스를 제공하는 동작을 포함하는, 컴퓨터 프로그램 제품.
  47. 방법으로서,
    데이터 프로세싱 시스템에 의해, 피험자와 연관된 복수의 RFID(radio frequency identification) 센서들로부터 센서 데이터를 획득하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 센서 데이터를 사용하여 일정 시간 기간에 걸쳐 복수의 실금 이벤트들을 결정하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 결정된 복수의 실금 이벤트들을 사용하여 상기 피험자에 대한 평균 배뇨간 간격(mean intervoiding interval)을 결정하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 평균 배뇨간 간격에 기초하여 상기 결정된 복수의 실금 이벤트들에서의 통계적 이상(statistical aberration)을 결정하는 단계;
    예측 모델에 의해, 상기 센서 데이터 및 상기 통계적 이상에 기초하여 피험자가 요로 감염이 생기거나 발병할 위험을 예측하는 단계; 및
    상기 데이터 프로세싱 시스템에 의해, 상기 피험자가 상기 요로 감염이 생기거나 발병할 상기 예측된 위험에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 단계
    를 포함하는, 방법.
  48. 제47항에 있어서, 상기 통계적 이상을 결정하는 것에 응답하여, 상기 데이터 프로세싱 시스템에 의해, 상기 피험자에 대해 수행될 소변 검사 및 소변 배양에 대한 요청을 트리거하는 단계
    를 더 포함하는, 방법.
  49. 제47항에 있어서, 상기 데이터 프로세싱 시스템에 의해, 상기 소변 검사 및 소변 배양의 결과들을 획득하는 단계
    를 더 포함하며, 상기 피험자가 상기 요로 감염이 생기거나 발병할 상기 위험을 예측하는 상기 단계는 상기 센서 데이터, 상기 통계적 이상, 및 상기 소변 검사 및 소변 배양의 상기 결과들에 기초하는, 방법.
  50. 제49항에 있어서, 상기 데이터 프로세싱 시스템에 의해, 식사들의 시간 간격, IV 속도들, g 튜브 공급 속도들, 또는 이들의 조합을 포함한 추가적인 데이터를 획득하는 단계
    를 더 포함하며, 상기 피험자가 상기 요로 감염이 생기거나 발병할 상기 위험을 예측하는 상기 단계는 상기 센서 데이터, 상기 통계적 이상, 상기 소변 검사 및 소변 배양의 상기 결과들, 및 상기 추가적인 데이터에 기초하는, 방법.
  51. 시스템으로서,
    하나 이상의 데이터 프로세서; 및
    상기 하나 이상의 데이터 프로세서 상에서 실행될 때, 상기 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하는 명령어들을 포함하는 비일시적 컴퓨터 판독 가능 저장 매체
    를 포함하며, 상기 동작들은:
    피험자와 연관된 복수의 RFID(radio frequency identification) 센서들로부터 센서 데이터를 획득하는 동작;
    상기 센서 데이터를 사용하여 일정 시간 기간에 걸쳐 복수의 실금 이벤트들을 결정하는 동작;
    상기 결정된 복수의 실금 이벤트들을 사용하여 상기 피험자에 대한 평균 배뇨간 간격을 결정하는 동작;
    상기 평균 배뇨간 간격에 기초하여 상기 결정된 복수의 실금 이벤트들에서의 통계적 이상을 결정하는 동작;
    예측 모델에 의해, 상기 센서 데이터 및 상기 통계적 이상에 기초하여 피험자가 요로 감염이 생기거나 발병할 위험을 예측하는 동작; 및
    상기 피험자가 상기 요로 감염이 생기거나 발병할 상기 예측된 위험에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 동작을 포함하는, 시스템.
  52. 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하도록 구성된 명령어들을 포함하는 비일시적 머신 판독 가능 저장 매체에 유형적으로 구체화된 컴퓨터 프로그램 제품으로서, 상기 동작들은:
    피험자와 연관된 복수의 RFID(radio frequency identification) 센서들로부터 센서 데이터를 획득하는 동작;
    상기 센서 데이터를 사용하여 일정 시간 기간에 걸쳐 복수의 실금 이벤트들을 결정하는 동작;
    상기 결정된 복수의 실금 이벤트들을 사용하여 상기 피험자에 대한 평균 배뇨간 간격을 결정하는 동작;
    상기 평균 배뇨간 간격에 기초하여 상기 결정된 복수의 실금 이벤트들에서의 통계적 이상을 결정하는 동작;
    예측 모델에 의해, 상기 센서 데이터 및 상기 통계적 이상에 기초하여 피험자가 요로 감염이 생기거나 발병할 위험을 예측하는 동작; 및
    상기 피험자가 상기 요로 감염이 생기거나 발병할 상기 예측된 위험에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 동작을 포함하는, 컴퓨터 프로그램 제품.
  53. 방법으로서,
    데이터 프로세싱 시스템에 의해, 피험자와 연관된 복수의 RFID(radio frequency identification) 센서들로부터 센서 데이터를 획득하는 단계;
    상기 데이터 프로세싱 시스템에 의해, 상기 센서 데이터를 사용하여 일정 시간 기간에 걸쳐 복수의 움직임 이벤트들을 결정하는 단계;
    제1 예측 모델에 의해, 상기 결정된 복수의 움직임 이벤트들을 사용하여 움직임 활동의 패턴을 결정하는 단계;
    제2 예측 모델에 의해, 상기 센서 데이터 및 상기 움직임 활동의 패턴에 기초하여 피험자가 욕창이 생기거나 발병할 위험을 예측하는 단계; 및
    상기 데이터 프로세싱 시스템에 의해, 상기 피험자가 상기 욕창이 생기거나 발병할 상기 예측된 위험에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 단계
    를 포함하는, 방법.
  54. 제53항에 있어서, 상기 데이터 프로세싱 시스템에 의해, 상기 피험자에 대한 직원 관여 빈도를 포함하는 추가적인 데이터를 획득하는 단계
    를 더 포함하며, 상기 피험자가 상기 욕창이 생기거나 발병할 상기 위험을 예측하는 상기 단계는 상기 센서 데이터, 상기 움직임 활동의 패턴, 및 상기 추가적인 데이터에 기초하는, 방법.
  55. 시스템으로서,
    하나 이상의 데이터 프로세서; 및
    상기 하나 이상의 데이터 프로세서 상에서 실행될 때, 상기 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하는 명령어들을 포함하는 비일시적 컴퓨터 판독 가능 저장 매체
    를 포함하며, 상기 동작들은:
    피험자와 연관된 복수의 RFID(radio frequency identification) 센서들로부터 센서 데이터를 획득하는 동작;
    상기 센서 데이터를 사용하여 일정 시간 기간에 걸쳐 복수의 움직임 이벤트들을 결정하는 동작;
    제1 예측 모델에 의해, 상기 결정된 복수의 움직임 이벤트들을 사용하여 움직임 활동의 패턴을 결정하는 동작;
    제2 예측 모델에 의해, 상기 센서 데이터 및 상기 움직임 활동의 패턴에 기초하여 피험자가 욕창이 생기거나 발병할 위험을 예측하는 동작; 및
    상기 피험자가 상기 욕창이 생기거나 발병할 상기 예측된 위험에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 동작을 포함하는, 시스템.
  56. 하나 이상의 데이터 프로세서로 하여금 동작들을 수행하게 하도록 구성된 명령어들을 포함하는 비일시적 머신 판독 가능 저장 매체에 유형적으로 구체화된 컴퓨터 프로그램 제품으로서, 상기 동작들은:
    피험자와 연관된 복수의 RFID(radio frequency identification) 센서들로부터 센서 데이터를 획득하는 동작;
    상기 센서 데이터를 사용하여 일정 시간 기간에 걸쳐 복수의 움직임 이벤트들을 결정하는 동작;
    제1 예측 모델에 의해, 상기 결정된 복수의 움직임 이벤트들을 사용하여 움직임 활동의 패턴을 결정하는 동작;
    제2 예측 모델에 의해, 상기 센서 데이터 및 상기 움직임 활동의 패턴에 기초하여 피험자가 욕창이 생기거나 발병할 위험을 예측하는 동작; 및
    상기 피험자가 상기 욕창이 생기거나 발병할 상기 예측된 위험에 관한 정보를 디스플레이하는 사용자 인터페이스를 제공하는 동작을 포함하는, 컴퓨터 프로그램 제품.
KR1020217031710A 2019-03-04 2020-03-04 요실금 관리를 위한 사물 인터넷(iot) 솔루션 KR20210136056A (ko)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201962813318P 2019-03-04 2019-03-04
US62/813,318 2019-03-04
US201962926054P 2019-10-25 2019-10-25
US62/926,054 2019-10-25
US202062980416P 2020-02-23 2020-02-23
US62/980,416 2020-02-23
PCT/US2020/021034 WO2020181010A1 (en) 2019-03-04 2020-03-04 Internet of things (iot) solution for management of urinary incontinence

Publications (1)

Publication Number Publication Date
KR20210136056A true KR20210136056A (ko) 2021-11-16

Family

ID=72338754

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217031710A KR20210136056A (ko) 2019-03-04 2020-03-04 요실금 관리를 위한 사물 인터넷(iot) 솔루션

Country Status (7)

Country Link
US (1) US20220168154A1 (ko)
EP (1) EP3934744A4 (ko)
JP (1) JP2022524080A (ko)
KR (1) KR20210136056A (ko)
CN (1) CN114096305A (ko)
SG (1) SG11202109681VA (ko)
WO (1) WO2020181010A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230108114A (ko) 2022-01-10 2023-07-18 주식회사하이제라네트웍스 스마트 요실금 팬티 및 그것을 포함하는 요실금 관리시스템

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11645605B2 (en) * 2019-08-22 2023-05-09 Sap Se Contextual IoT with blockchain
US20210186399A1 (en) * 2019-12-19 2021-06-24 Medtronic, Inc. Urinary tract infection determination
US20220223021A1 (en) * 2021-01-14 2022-07-14 VieConnect US Systems and methods for remotely monitoring a wearable device used for senior care
EP4094738A1 (en) * 2021-05-26 2022-11-30 AssistMe GmbH System and method for detecting an incontinence event in an absorbent article
DE102021211114A1 (de) 2021-10-01 2023-04-06 Vitesco Technologies GmbH Sendeeinheit und Vorrichtung zum Ermitteln des Füllstands einer elektrisch leitfähigen Flüssigkeit
CN115330281B (zh) * 2022-10-14 2023-01-24 成都秦川物联网科技股份有限公司 智慧城市新能源汽车充电服务方法、系统、装置和介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7977529B2 (en) * 2004-11-03 2011-07-12 Fred Bergman Healthcare Pty Ltd. Incontinence management system and diaper
EP2207590A1 (en) * 2007-09-26 2010-07-21 Medtronic, INC. Therapy program selection
EP2496197B1 (en) * 2009-11-06 2015-08-26 Fred Bergman Healthcare Pty Ltd System for incontinence monitoring and assessment
US10322282B2 (en) * 2014-06-06 2019-06-18 Medtronic, Inc. External stimulation therapy for dorsal genital nerve stimulation
WO2016090492A1 (en) * 2014-12-11 2016-06-16 Sensassure Impedance sensors for detecting and monitoring moisture in absorbent articles
WO2016187568A1 (en) * 2015-05-21 2016-11-24 Wave Sensor, Inc. Monitoring incontinence events
US20170224253A1 (en) * 2016-02-10 2017-08-10 Covidien Lp Patient bed-exit prediction and detection
CA3044837A1 (en) * 2016-11-23 2018-05-31 G2I Incorporated Monitoring device, system, and method for incontinence sensor pad and transmitter

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230108114A (ko) 2022-01-10 2023-07-18 주식회사하이제라네트웍스 스마트 요실금 팬티 및 그것을 포함하는 요실금 관리시스템

Also Published As

Publication number Publication date
EP3934744A1 (en) 2022-01-12
JP2022524080A (ja) 2022-04-27
CN114096305A (zh) 2022-02-25
EP3934744A4 (en) 2022-12-21
SG11202109681VA (en) 2021-10-28
US20220168154A1 (en) 2022-06-02
WO2020181010A1 (en) 2020-09-10

Similar Documents

Publication Publication Date Title
KR20210136056A (ko) 요실금 관리를 위한 사물 인터넷(iot) 솔루션
EP3668384B1 (en) Patient monitoring system
JP2019071895A (ja) ペットの個体識別システム
DK2019659T3 (en) moisture Monitoring
US10950340B2 (en) Process and arrangement for collecting and storing data related to a condition of an absorbent product
US11173073B2 (en) Monitoring incontinence events
US20150206151A1 (en) Method and mobile applications using cross-sharing database for monitoring use of hygiene products
KR101962308B1 (ko) 무선 데이터 통신 모듈과 스마트폰을 사용한 반려동물의 건강상태 확인 시스템
US11717450B2 (en) System for managing incontinence
MX2014007328A (es) Metodo y programa de computadora para monitorear el uso de un producto absorbente.
US20230329613A1 (en) Patient support apparatus as communication intermediary for incontinence detection pad and patient diagnostic patch
CN104224185B (zh) 一种用于病房的起床监控系统及方法
JP2019520964A (ja) おむつセンサ装置およびおむつ監視システム
CN104746618A (zh) 一种尿检监控微电脑控制坐便器
KR20220103728A (ko) 요실금을 관리하기 위한 사물 인터넷(iot) 솔루션
US20210205151A1 (en) Incontinence detection system
Deny et al. IoT-based Sweat Glucose Monitoring System
US20230277162A1 (en) System, Method and Apparatus for Forming Machine Learning Sessions
EP4056156A1 (en) Incontinence detection system
CN113616427A (zh) 信息处理装置、信息处理方法以及计算机可读存储介质
JP2022072769A (ja) 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム
JP2022072766A (ja) 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム
JP2022072768A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
KR20160050354A (ko) 기저귀 용변 감지 시스템
WO2023183660A1 (en) System, method and apparatus for forming machine learning sessions