DEVELOPMENT OF A VIDEO-BASED PERSONAL PROTECTIVE EQUIPMENT MONITORING SYSTEM

基于视频的个人防护装备监控系统的开发

基本信息

  • 批准号:
    10644164
  • 负责人:
  • 金额:
    $ 65.72万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
  • 财政年份:
    2022
  • 资助国家:
    美国
  • 起止时间:
    2022-09-01 至 2024-08-31
  • 项目状态:
    已结题

项目摘要

PROJECT SUMMARY During the COVID-19 pandemic, healthcare workers (HCWs) have had a more than 11-fold higher infection risk than the general population. Several risk factors for COVID-19 infection among HCWs have been identified, including the lack of personal protective equipment (PPE) and inadequate PPE use. Among these factors, the inadequate use of PPE has been associated with a one-third higher risk of infection. Given the high incidence of infection, there is a critical need to address the challenges of monitoring and promoting adherence with appropriate PPE use among HCWs. The long-term goal of this research is to reduce workplace-acquired infections in HCWs by improving adherence to appropriate PPE use in settings at high risk of transmission. The overall objectives of this proposal are to design, implement, and test a system (Computer-Aided PPE Nonadherence Monitoring and Detection—CAPPED) that (1) tracks the team’s PPE adherence using computer vision and (2) highlights episodes of potential PPE nonadherence on a video-monitoring system. Our central hypothesis is that continuous monitoring of PPE use by multiple HCWs is a complex, cognitively demanding, and error-prone task unaddressed by current methods for monitoring PPE adherence. The rationale for this proposal is that enhanced recognition of PPE nonadherence is a requirement for reducing transmissible infections in HCWs. Guided by preliminary data, the central hypothesis will be tested by pursuing two specific aims: (1) design and implement a computer vision system (CAPPED) for recognizing PPE nonadherence in a dynamic, team-based setting, and (2) compare human performance during simulated resuscitations using direct observation, basic video surveillance, and computer-aided monitoring (CAPPED system). For the first Aim, machine learning approaches will be applied to recognize the type of nonadherent PPE (headwear, eyewear, mask, gown, gloves) and the category of nonadherence (absent or inadequate). Under the second Aim, a visual interface will be designed and evaluated for monitoring and spotlighting PPE nonadherence with a human-in-the-loop. The proposed research is innovative because it addresses the challenges of simultaneously identifying nonadherence with several types of PPE used by multiple individuals in a dynamic setting. This proposed research is significant because it is expected to reduce infection transmission to HCWs by tracking and eventually alerting them to nonadherent PPE use. The results of this research are expected to positively impact the workplace safety of HCWs by addressing the limitations of current approaches to PPE monitoring.
项目摘要 在Covid-19大流行期间,医护人员(HCW)感染了11倍以上 风险比普通人群。 HCW之间的Covid-19感染的几个危险因素已经是 确定的,包括缺乏个人保护设备(PPE)和PPE使用不足。其中 因素,PPE的使用不足与感染风险高三分之一有关。给定高 感染的发病率,至关重要的需要解决监测和促进依从性的挑战 在HCW中使用适当的PPE。这项研究的长期目标是减少工作场所的获得性 HCW中的感染是通过改善对具有高传输风险的设置中适当使用的依从性。 该建议的总体目标是设计,实施和测试系统(计算机辅助PPE) (1)使用计算机跟踪团队的PPE依从性的不遵守监控和检测 视觉和(2)突出显示了视频监测系统上潜在的不遵守发作的发作。我们的中心 假设是,多个HCWS对PPE使用的连续监测是一个复杂的,认知要求的, 和容易出错的任务不受当前用于监视PPE依从性的方法。理由 建议是增强对PPE不遵守的认识是减少可传播的要求 HCWS感染。在初步数据的指导下,将通过追求两个特定的特定假设来检验中心假设 目的:(1)设计和实施计算机视觉系统(盖帽),以识别ppe不遵守 动态,基于团队的设置和(2)使用模拟复苏期间的人类绩效 直接观察,基本视频监视和计算机辅助监视(封顶系统)。第一个 AIM,将采用机器学习方法来识别非贴心PPE的类型(头饰, 眼镜,面具,礼服,手套)和不遵守的类别(不存在或不足)。第二 AIM,将设计和评估视觉界面,以监视和聚焦PPE不遵守 人类。拟议的研究具有创新性,因为它解决了 简单地识别多种类型的PPE的不牢固性,由多个个体在动态中使用 环境。这项拟议的研究很重要,因为预计它将减少感染向HCW的传播 通过跟踪并有时提醒他们使用非保护PPE的使用。这项研究的结果有望 通过解决当前方法的局限性,对HCWS的工作场所安全性产生积极影响 监视。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

RANDALL S. BURD其他文献

RANDALL S. BURD的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('RANDALL S. BURD', 18)}}的其他基金

Development of a Video-based Personal Protective Equipment Monitoring System
基于视频的个人防护装备监控系统的开发
  • 批准号:
    10585548
  • 财政年份:
    2023
  • 资助金额:
    $ 65.72万
  • 项目类别:
Automatic Workflow Capture & Analysis for Improving Trauma Resuscitation Outcomes
自动工作流程捕获
  • 批准号:
    8761390
  • 财政年份:
    2014
  • 资助金额:
    $ 65.72万
  • 项目类别:
Intention-aware Recommender System for Improving Trauma Resuscitation Outcomes
用于改善创伤复苏结果的意图感知推荐系统
  • 批准号:
    10629162
  • 财政年份:
    2014
  • 资助金额:
    $ 65.72万
  • 项目类别:
Intention-aware Recommender System for Improving Trauma Resuscitation Outcomes
用于改善创伤复苏结果的意图感知推荐系统
  • 批准号:
    10386911
  • 财政年份:
    2014
  • 资助金额:
    $ 65.72万
  • 项目类别:
Intention-aware Recommender System for Improving Trauma Resuscitation Outcomes
用于改善创伤复苏结果的意图感知推荐系统
  • 批准号:
    10163257
  • 财政年份:
    2014
  • 资助金额:
    $ 65.72万
  • 项目类别:
Automatic Workflow Capture & Analysis for Improving Trauma Resuscitation Outcomes
自动工作流程捕获
  • 批准号:
    8902267
  • 财政年份:
    2014
  • 资助金额:
    $ 65.72万
  • 项目类别:
Automatic Workflow Capture & Analysis for Improving Trauma Resuscitation Outcomes
自动工作流程捕获
  • 批准号:
    9113070
  • 财政年份:
    2014
  • 资助金额:
    $ 65.72万
  • 项目类别:
A Paper-Digital Interface for Time-Critical Information Management
用于时间关键信息管理的纸质数字接口
  • 批准号:
    8386105
  • 财政年份:
    2012
  • 资助金额:
    $ 65.72万
  • 项目类别:
Improving Pediatric Trauma Triage Using High Dimensional Data Analysis
使用高维数据分析改进儿科创伤分诊
  • 批准号:
    8111093
  • 财政年份:
    2010
  • 资助金额:
    $ 65.72万
  • 项目类别:
Improving Pediatric Trauma Triage Using High Dimensional Data Analysis
使用高维数据分析改进儿科创伤分诊
  • 批准号:
    7642839
  • 财政年份:
    2010
  • 资助金额:
    $ 65.72万
  • 项目类别:

相似国自然基金

时空序列驱动的神经形态视觉目标识别算法研究
  • 批准号:
    61906126
  • 批准年份:
    2019
  • 资助金额:
    24.0 万元
  • 项目类别:
    青年科学基金项目
本体驱动的地址数据空间语义建模与地址匹配方法
  • 批准号:
    41901325
  • 批准年份:
    2019
  • 资助金额:
    22.0 万元
  • 项目类别:
    青年科学基金项目
大容量固态硬盘地址映射表优化设计与访存优化研究
  • 批准号:
    61802133
  • 批准年份:
    2018
  • 资助金额:
    23.0 万元
  • 项目类别:
    青年科学基金项目
IP地址驱动的多径路由及流量传输控制研究
  • 批准号:
    61872252
  • 批准年份:
    2018
  • 资助金额:
    64.0 万元
  • 项目类别:
    面上项目
针对内存攻击对象的内存安全防御技术研究
  • 批准号:
    61802432
  • 批准年份:
    2018
  • 资助金额:
    25.0 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

Michigan Emergency Department Improvement Collaborative AltERnaTives to admission for Pulmonary Embolism (MEDIC ALERT PE) Study
密歇根急诊科改进合作入院肺栓塞 (MEDIC ALERT PE) 研究
  • 批准号:
    10584217
  • 财政年份:
    2023
  • 资助金额:
    $ 65.72万
  • 项目类别:
Development of a Video-based Personal Protective Equipment Monitoring System
基于视频的个人防护装备监控系统的开发
  • 批准号:
    10585548
  • 财政年份:
    2023
  • 资助金额:
    $ 65.72万
  • 项目类别:
Screen Smart: Using Digital Health to Improve HIV Screening and Prevention for Adolescents in the Emergency Department
智能屏幕:利用数字健康改善急诊科青少年的艾滋病毒筛查和预防
  • 批准号:
    10711679
  • 财政年份:
    2023
  • 资助金额:
    $ 65.72万
  • 项目类别:
Optimizing the use of noninvasive respiratory support in the Emergency Department
优化急诊科无创呼吸支持的使用
  • 批准号:
    10591839
  • 财政年份:
    2023
  • 资助金额:
    $ 65.72万
  • 项目类别:
Telehealth-Enhanced Asthma Care for Home after the Emergency Room (TEACH-ER)
急诊室后的远程医疗增强哮喘家庭护理 (TEACH-ER)
  • 批准号:
    10716458
  • 财政年份:
    2023
  • 资助金额:
    $ 65.72万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了