CareTrack
Patienten-Monitoring vom Sensorarmband bis zum Pflege-Dashboard.
Ein vernetztes System: Sensorarmbänder messen die Herzfrequenz, die Daten laufen per MQTT in ein Backend, und ein Dashboard zeigt dem Pflegepersonal alle Patientinnen und Patienten auf einen Blick – kritische Werte werden hervorgehoben.
- Kontext
- Teamprojekt (2 Personen), HfG Schwäbisch Gmünd
- Rolle
- UX/UI, Sensorik, Backend, Frontend
- Werkzeuge
- ESP8266, MAX30105, C/C++ (Arduino), MQTT, MongoDB, Figma
- Jahr
- 2024
Leitfrage
„Wie erkennt Pflegepersonal kritische Herzfrequenzen früher – ohne mehr Zeit in die Überwachung zu investieren?“
Vorgehen
Die Case Studies sind nach dem Double Diamond gegliedert: erst das Problem verstehen und schärfen, dann Lösungen entwickeln und umsetzen.
Discover
Verstehen
- Recherche zum Pflegealltag
- Problemdefinition
Kritische Veränderungen werden zu spät erkannt.
Define
Definieren
- Anforderungen an ein Pflege-Dashboard
- Nutzungskontext Klinik
Überblick, klare Warnsignale, Detail pro Patient.
Develop
Entwickeln
- Low-Fidelity-Prototyp
- Struktur und Navigation des Dashboards
Dashboard-Konzept vor der technischen Umsetzung.
Deliver
Umsetzen
- ESP8266 + MAX30105
- MQTT und MongoDB
- Dashboard-Interface
Ein durchgängiges System vom Sensor bis zum Interface.
Discover
Verstehen
Ausgangslage
Kritische Werte werden zu spät gesehen.
Patientenüberwachung in Kliniken ist zeitaufwendig und oft nur teilweise automatisiert. Unregelmäßige Herzfrequenzen können übersehen oder zu spät erkannt werden.
Define
Definieren
Anforderungen
Was ein Pflege-Dashboard leisten muss.
Überblick
Alle Patientinnen und Patienten auf einen Blick.
Klare Warnsignale
Kritische Werte fallen sofort auf.
Detail pro Patient
Verlauf, Puls und Durchschnitt bei Bedarf.
Einfache Verwaltung
Patientinnen, Patienten und Sensorarmbänder effizient verwalten.
Develop
Entwickeln
Ideation
Erst die Struktur, dann die Technik.
Bevor Sensor und Backend entstanden, wurde ein Low-Fidelity-Prototyp des Dashboards erstellt, um Struktur und Navigation festzulegen: Was steht in der Übersicht, was erst im Detail, wie wird ein kritischer Wert sichtbar?
Deliver
Umsetzen
Umsetzung
Sensor, Backend und Interface als ein System.
Sensor
Ein ESP8266 mit Pulssensor misst die Herzfrequenz und sendet sie per WLAN und MQTT in Echtzeit.
Backend
MongoDB speichert Sensor- und Patientendaten als Basis für das Dashboard.
Dashboard
Vom Low-Fidelity-Prototyp zum Interface mit BPM, Durchschnitt und farbigen Statussignalen.
Code
Vom Herzschlag zur MQTT-Nachricht.
void loop() {
long irValue = analogRead(A0);
if (checkForBeat(irValue) == true) {
long delta = millis() - lastBeat;
lastBeat = millis();
beatsPerMinute = 60 / (delta / 1000.0);
// Unplausible Werte verwerfen
if (beatsPerMinute < 255 && beatsPerMinute > 20) {
rates[rateSpot++] = (byte)beatsPerMinute;
rateSpot %= RATE_SIZE;
beatAvg = 0;
for (byte x = 0; x < RATE_SIZE; x++)
beatAvg += rates[x];
beatAvg /= RATE_SIZE;
char heartRateMessage[50];
snprintf(heartRateMessage, sizeof(heartRateMessage), "%.2f", beatsPerMinute);
client.publish("dp2/Maxime/Herzfrequenz", heartRateMessage);
}
}
delay(2000);
}- Aus dem Abstand zwischen zwei erkannten Herzschlägen wird die Herzfrequenz in Schlägen pro Minute berechnet.
- Werte unter 20 oder über 255 BPM werden als Messfehler verworfen; ein gleitender Durchschnitt über mehrere Schläge glättet die Anzeige.
- Jeder gültige Wert geht per MQTT an ein eigenes Topic. Das Backend abonniert es, speichert die Werte in MongoDB und versorgt das Dashboard.
Reflect
Reflexion
Reflexion
Vom Sensor zum vernetzten System.
Hier habe ich Sensor, Funkübertragung und Backend zu einem vernetzten System verbunden. Die größte Lektion: Echtzeitdaten verständlich darzustellen ist mindestens so schwer, wie sie zuverlässig zu übertragen.
Mit Pflegekräften haben wir nicht gesprochen; die Anforderungen beruhen auf Recherche. Der nächste Schritt wäre, das Dashboard mit Pflegepersonal zu testen.