Article
Digital gestützte Vermittlung der Atemstimulierenden Einreibung – prototypische Entwicklung einer smarten Weste
Search Medline for
Authors
Published: | September 15, 2023 |
---|---|
Published with erratum: | October 25, 2023 |
Outline
Text
Einleitung: Pflegestudierende durchlaufen im Rahmen ihrer Ausbildung praktische Lehreinheiten in sogenannten Skills Labs. In diesen Einheiten werden praktische Fähigkeiten vermittelt, welche die Studierenden im späteren Berufsalltag beherrschen müssen [1]. Eine beispielhafte Lehreinheit ist die Atemstimulierende Einreibung (ASE). Die Technik der ASE wird zur Schmerzlinderung bei älteren Patient*innen angewandt [2]. Die Übung der Behandlung wird in Kleingruppen durchgeführt. Ein*e ausführende*r Studierende*r simuliert dabei die ASE auf dem Rücken einer/s Simulationspatient*in und wird bei Unsicherheiten auf Nachfrage von Dozierenden oder Tutor*innen unterstützt. Diese beobachten und korrigieren bei Bedarf die Handhabungen der ausführenden Person [3]. Um neben der reinen Beobachtung weiteres datenfundiertes Feedback zu geben, wird in dieser Arbeit eine prototypische Weste vorgestellt, welche ausgeübten Druck und die Position der Einreibung anzeigt.
Stand der Technik: Bewegungsdaten mittels Sensoren zu erfassen und Muster zu erkennen, um Bewegungen zu analysieren, fällt in den Bereich des Motiontrackings. Beispielsweise kann eine Silhouette mithilfe von Lichtsensoren aus dem räumlichen Umfeld extrahiert und die Gelenkposition erfasst werden [4]. Zur Erkennung von Druck können dilektrische Elastomersensoren verwendet werden. Diese multimodalen Sensoren können mehrere physikalische Größen gleichzeitig sowie ortsaufgelöste Signale erfassen. Das die Sensoren umgebende Material ist dehnbar und flexibel, weshalb es für smarte Textilien geeignet ist [5].
Konzept: Die Weste erfasst sowohl die Position als auch die Druckintensität der ASE. Dazu sind 24 Kontaktflächen auf dem Rücken der Weste angebracht, wobei 20 drucksensitiv sind. Das Feedback über Berührung und Druck wird in einem Graphical User Interface (GUI) dargestellt. Außerdem gibt es einen Übungsmodus, der die Schritte zur ASE anleitet und einem Timer, der Überblick über die Dauer der Durchführung gibt. Der Druck wird mit Hilfe eines Farbbalkens in vier Itensitätsstufen dargestellt. Die Position wird durch die anatomische Abbildung des Rückens und der Verfärbung einzelner Teilflächen, sobald Kontakt besteht, dargestellt.
Implementierung: Der erste Prototyp der Weste ist durch eine Schwitzweste realisiert. Die Kontaktflächen sind mit elektrisch leitender Farbe auf einer Fläche von 35cm auf 20cm angebracht. Jede Kontaktfläche ist mit Silberfaden und Kabel mit einem AD-Wandler verbunden, der an einen Raspberry Pi Zero angebracht ist. Unterhalb der oberen zehn Flächen sind acht Dünnfilm-Drucksensoren angebracht, welche ebenfalls über einen AD-Wandler mit dem Raspberry Pi Zero verbunden sind. Die Hardware ist durch ein Steckbrett miteinander verbunden und kann in einer Bauchtasche verstaut werden, welche, wie die Weste selbst, von der/dem Simulationspatient*in getragen wird. Der Raspberry Pi Zero dient als Server für eine Python Flask Anwendung. Hier wird die GUI bereitgestellt und kann mittels Browser aufgerufen werden.
Gewonnene Erkenntnisse: Die entwickelte Weste stellt während der Durchführung Informationen über die ASE bereit, welche nicht durch reine Beobachtung der Dozierenden gewonnen werden können. Der Prototyp kann einfach von Simulationspatient*innen angezogen werden und überträgt zuverlässig Daten an eine GUI. Die für die Kontakterkennung verwendete Farbe sowie der eingesetzte Faden sind äußerst empfindlich, weshalb es zur Fehlanzeige berührter Kontaktflächen in der GUI kommen kann. Für die weitere Erprobung der Weste mittels einer geplanten Evaluation mit Pflegestudierenden müssen Fäden und Drähte besser isoliert und teilweise erneut vernäht werden.
Die Autoren geben an, dass kein Interessenkonflikt besteht.
Die Autoren geben an, dass kein Ethikvotum erforderlich ist.
Literatur
- 1.
- Fichtner A. Lernen für die Praxis: Das Skills-Lab. In: St. Pierre M, Breuer G, editors. Simulation in der Medizin. Berlin, Heidelberg: Springer; 2013. DOI: 10.1007/978-3-642-29436-5_10
- 2.
- Romic S, Dolhaniuk I, Moser-Siegmeth V, et al. Schmerzlinderung durch eine pflegerische Intervention in einem geriatrischen Pflegekrankenhaus. HBScience. 2017;8:39–43. DOI: 10.1007/s16024-016-0283-6
- 3.
- Bugaj TJ, Blohm M, Schmid C, et al. Peer-assisted learning (PAL): skills lab tutors’ experiences and motivation. BMC Med Educ. 2019;19:353. DOI: 10.1186/s12909-019-1760-2
- 4.
- Rosenhahn B, Kersting U, Smith A, Gurney J, Brox T, Klette R. A System for Marker-Less Human Motion Estimation. Lecture Notes in Computer Science. 2005;3663:230-237. DOI: 10.1007/11550518_29
- 5.
- Stier S, Boese H. Electroplating and Ablative Laser Structuring of Elastomer Composites for Stretchable Multi-Layer and Multi-Material Electronic and Sensor Systems. Micromachines. 2021;12:255. DOI: 10.3390/mi12030255