CN101573073A - 用于危险分层的患者间比较 - Google Patents
用于危险分层的患者间比较 Download PDFInfo
- Publication number
- CN101573073A CN101573073A CNA2007800488704A CN200780048870A CN101573073A CN 101573073 A CN101573073 A CN 101573073A CN A2007800488704 A CNA2007800488704 A CN A2007800488704A CN 200780048870 A CN200780048870 A CN 200780048870A CN 101573073 A CN101573073 A CN 101573073A
- Authority
- CN
- China
- Prior art keywords
- patient
- reference group
- data
- value
- probability
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Images
Classifications
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- A61B5/0031—Implanted circuitry
-
- 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
- A61N1/372—Arrangements in connection with the implantation of stimulators
- A61N1/37211—Means for communicating with stimulators
- A61N1/37252—Details of algorithms or data aspects of communication system, e.g. handshaking, transmitting specific data or segmenting data
- A61N1/37282—Details of algorithms or data aspects of communication system, e.g. handshaking, transmitting specific data or segmenting data characterised by communication with experts in remote locations using a network
-
- 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
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Abstract
一种包含患者装置的系统,所述患者装置包括:适于接收与患者相关的患者数据的通信模块;适于选择并存储对应于所述患者的参照组数据的参照组模块;和分析模块,所述分析模块适于:产生所述参照组数据的模型;和将所述患者数据与所述模型比较,以计算关于所述患者的指数。
Description
优先权要求
在此要求于2006年12月27日提交的美国专利申请序列号11/616,430的优先权的益处,所述优先权申请通过引用而结合于此。
版权提示
本专利文件的公开内容的一部分含有受版权保护的材料。版权所有者对于该专利文件或专利公开内容中的任何一项的摹写复制没有异议,然而在别的方面却无论如何也保留版权权利。下列提示适用于如以下以及在形成本文件的一部分的附图中描述的软件和数据:版权2006,心脏起搏器有限公司(Cardiac Pacemakers,Inc.)。保留所有的权利。
技术领域
本专利文件主要涉及可植入医疗装置,并且更具体地但是并非限制性地,涉及用于未来心力衰竭代偿失调的危险分层的患者间比较的系统和方法。
背景
包括心律管理装置如起搏器和可植入心复律器/去纤颤器的可植入医疗装置(IMD),典型具有经由无线遥测如射频(RF)或其它遥测链接与外部装置如外部程序器通信的能力。尽管外部程序器典型提供用于编程和更改IMD的操作参数,但是现代IMD还包括双向通信的能力,从而可以将信息如生理数据传输到程序器。家庭卫生保健远程监视系统还可以与IMD通信并且收集患者和与患者相关的数据。另外,一些监视系统还可以使用另外的外部传感器如血压袖带、体重秤或专门装置收集其它客观或主观的数据,所述专门装置提示患者关于它们的健康状态的问题。一些家庭卫生保健监视系统可以例如直接地或使用网络系统与集中或其它远程系统通信。包括医疗实践系统的集中系统为医师和其它医疗从事者提供了管理患者相关的数据的有效率的模式。
概述
实施例1描述了一种方法,所述方法包括:接收当前患者的患者数据,所述患者数据通过患者监视装置收集;确定与所述患者相关的参照组;确定选自参照组的参照组数据集,其中所述数据集包括具有与从所述患者监视装置接收的类似类型的患者数据;产生参照组数据集的模型;和自动将接收的生理数据与所述模型比较,以得到关于患者的指数。
在实施例2中,任选进行实施例1的方法,以使所述参照组选自与集中患者管理系统关联的患者。
在实施例3中,任选进行实施例1或2中任一项或多项的方法,使用一项或多项标准,以使所述参照组选自与所述当前患者类似的患者,其中所述标准包括年龄、性别、种族划分、左心室射血分数(LVEF)、纽约心脏协会(NYHA)心力衰竭分级、6分钟步行试验(6MW)结果、生活质量、心力衰竭病因、体重指数(BMI)、血压、药物治疗、复合病变(co-morbidity)、心律失常史、植入物史、治疗顺应性、健康护理系统、昼夜节律、地理位置、已经存活具体时限的患者、或在具体时限内没有代偿失调的患者。
在实施例4中,任选进行实施例1-3中任一项或多项的方法,所述方法包括检测所述标准中的一项或多项的改变;和使用所述改变的标准更新所述参照组。
在实施例5中,任选进行实施例1-4中任一项或多项的方法,使用一项或多项标准,以使所述参照组包括被认为病症稳定的一个或多个患者,其中所述标准包括在具体时期期间没有死亡、代偿失调或经历生活质量(quality life)降低的患者。
在实施例6中,任选进行实施例1-5中任一项或多项的方法,以使所述模型的产生包括使用概率函数以产生所述参照组数据集的模型。
在实施例7中,任选进行实施例1-6中任一项或多项的方法,以使所述概率函数包括一个或多个累积分布函数。
在实施例8中,任选进行实施例1-7中任一项或多项的方法,以使所述概率函数包括一个或多个概率分布函数。
在实施例9中,任选进行实施例1-8中任一项或多项的方法,所述方法包括使用所述指数来确定所述患者与所述参照组的相似性。
在实施例10中,任选进行实施例1-9中任一项或多项的方法,所述方法包括使用所述指数来确定:与参照组在一个时限内的心力衰竭代偿失调的可能性相比,所述患者在所述时限内代偿失调的可能性有多大。
在实施例11中,任选进行实施例1-10中任一项或多项的方法,所述方法包括使用所述指数来确定:与参照组在一个时限内死亡的可能性相比,所述患者在所述时限内死亡的可能性有多大。
在实施例12中,任选进行实施例1-11中任一项或多项的方法,所述方法包括使用所述指数来确定:与参照组在一个时限内的生活质量改变的可能性相比,所述患者的生活质量在一个时限内改变的可能性有多大。
在实施例13中,任选进行实施例1-12中任一项或多项的方法,所述方法包括使用所述指数将所述患者分层为与一个或多个危险水平相关的一个或多个离散的组。
在实施例14中,任选进行实施例1-13中任一项或多项的方法,以使所述危险水平指示在具体时限内的心力衰竭代偿失调的可能性。
在实施例15中,任选进行实施例1-14中任一项或多项的方法,以使所述指数的使用包括将所述指数与一个或多个阈值比较,以将所述患者分类到危险水平中。
在实施例16中,任选进行实施例1-15中任一项或多项的方法,所述方法包括自动调节所述阈值。
在实施例17中,任选进行实施例1-16中任一项或多项的方法,所述方法包括在循环或周期基础上调节所述阈值。
在实施例18中,任选进行实施例1-17中任一项或多项的方法,以使所述患者监视装置包括可植入医疗装置。
在实施例19中,任选进行实施例1-18中任一项或多项的方法,以使所述患者数据包括患者顺应性数据。
在实施例20中,任选进行实施例1-19中任一项或多项的方法,以使所述患者数据包括生理数据。
在实施例21中,任选进行实施例1-20中任一项或多项的方法,所述生理数据包括心电图、活动水平、心率变异性、心率、心音、血压、阻抗、体重或O2饱和度中的一项或多项。
在实施例22中,任选进行实施例1-21中任一项或多项的方法,所述方法包括:检测触发事件;并且在检测到所述触发事件时更新所述参照组。
在实施例23中,任选进行实施例1-22中任一项或多项的方法,以使所述触发事件包括以下中的一个或多个:所述患者监视装置的询问、新的患者装置的植入、新的患者装置的引入、修改的参照组的核准、周期或循环的时间间隔、一个或多个患者的健康状态变化、用户命令或对访问所述参照组的请求。
实施例24描述了一种包含患者装置的系统,所述系统包括:通信模块,所述通信模块适于接收与患者有关的患者数据;参照组模块,所述参照组模块适于选择并存储对应于所述患者的参照组数据;以及分析模块,所述分析模块适于产生所述参照组数据的模型,并且将所述患者数据与所述模型比较以计算关于所述患者的指数。
在实施例25中,实施例24的所述系统任选配置,包含集中患者管理系统。
在实施例26中,实施例24或25中任一项或多项的系统任选配置,使得所述分析模块适于使用概率函数产生所述参照组的所述模型。
在实施例27中,实施例24-26中任一项或多项的系统任选配置,使得所述分析模块适于使用一个或多个累积分布函数产生所述参照组的所述模型。
在实施例28中,实施例24-27中任一项或多项的系统任选配置,使得所述分析模块适于使用一个或多个概率分布函数产生所述参照组的所述模型。
在实施例29中,实施例24-28中任一项或多项的系统任选配置,使得所述分析模块适于使用所述指数来确定所述患者与所述参照组的相似性。
在实施例30中,实施例28-29中任一项或多项的系统任选配置,使得所述分析模块适于使用所述指数来确定:与参照组在一个时限内的代偿失调的可能性相比,所述患者在所述时限内代偿失调的可能性有多大。
在实施例31中,实施例28-30中任一项或多项的系统任选配置,使得所述分析模块适于使用所述指数将所述患者分层为一个或多个危险水平,其中所述危险水平指示具体时限内的心力衰竭代偿失调的可能性。
在实施例32中,实施例28-31中任一项或多项的系统任选配置,使得所述患者装置包括可植入医疗装置。
在实施例33中,实施例28-32中任一项或多项的系统任选配置,使得所述患者数据包括患者顺应性数据。
在实施例34中,实施例28-33中任一项或多项的系统任选配置,使得所述患者数据包括生理数据。
实施例35描述了一种设备,所述设备包括:用于接收当前患者的患者数据的装置,所述患者数据由患者监视装置收集;用于确定与所述患者相关的参照组的装置;用于确定选自参照组的参照组数据集的装置,其中所述数据集包括具有与从所述患者监视装置接收的类似类型的患者数据;用于产生参照组数据集的模型的装置;和用于将接收的生理数据与所述模型比较以得到关于患者的指数的装置。
该概述意在提供本专利申请的主题的概述。它不意在提供本发明的排他性或详尽的解释。所包括的详细描述用于提供关于本专利申请的主题的进一步的信息。
附图简述
在不一定按比例绘制的附图中,贯穿几个图示,相似的附图标记描述基本上类似的部件。具有不同字母下标的相似的附图标记表示基本上类似的部件的不同情况。该附图通过实例但是并非限制性地大体上示例了本文件中讨论的各种实施方案。
图1示例了实现医师-患者通信的系统部分。
图2是示例系统部分的详细示意图,所述系统测量并检测与患者相关的数据中的改变,以识别可以指示生理病症的发作的急性变化。
图3示例了使用复合警报分数检测疾病状态增加的可能性或生理病症发作的方法。
图4-6是示例警报值、警报分数和复合警报分数之间的关系的实例的图。
图7示例了使用感应的患者行为确定患者顺应性水平的方法的实例。
图8示例了在两个以上的不同患者响应上确定顺应性指数的方法的实例。
图9A-9F是示例响应于至少一个特定请求的记录患者行为的实例的图表。
图10示例了基于将具体患者与患者人群相比,获得概率指数的方法的实例。
图11A-C示例了身体活动累积分布函数(CDF)图表、SDANN CDF图表和足迹%CDF图表的实例。
图12是示例参照组患者的身体活动水平的概率分布函数图表的实例。
图13和14是示例患者分析步骤之间的控制和数据流的实例的图。
图15示例了患者分析步骤的交叉反馈构造。
图16是示例医师反馈步骤的实例的数据流图。
图17示例了集中式系统和医师之间的反馈回路的实例。
图18是示例使用医师反馈来更改患者分析程序执行的方法的实例的流程图。
图19是允许医疗专家将输入内容或反馈提交给控制系统的用户界面的实例。
图20是示例根据图19中所示例的用户-界面的用户界面系统和控制系统之间的相互作用的实例的控制流程图。
图21是允许医疗专家将输入内容或反馈提交给控制系统的用户-界面的实例。
图22是示例根据图21中所示例的用户-界面的用户界面系统和控制系统之间的相互作用的实例的控制流程图。
图23是允许医疗专家将反馈提交给控制系统的用户-界面的另一个实例。
图24是示例根据图23中所示例的用户-界面的用户界面系统和控制系统之间的相互作用的实例的控制流程图。
图25是用户-界面的另一个实例。
图26是示例根据图25中所示例的用户-界面的用户界面系统和控制系统之间的相互作用的实例的控制流程图。
图27是用于控制一个或多个传感器的用户-界面的另一个实例。
图28是示例根据图27中所示例的用户-界面的用户-界面系统和控制系统之间的相互作用的实例的控制流程图。
详细描述
下列详细描述包括对形成详细描述的一部分的附图的参考。所示例的附图显示了其中可以实施本发明的具体实施方案。在本文中也称为“实施例”的这些实施方案被充分详细地描述,以使本领域的技术人员能够实施本发明。在不背离本发明的范围的情况下,可以组合所述实施方案、可以利用其它的实施方案,或可以进行结构、逻辑和电学上的变化。因此,下列详细描述没有采用限制的意义,并且本发明的范围由后附权利要求和它们的等价物限定。
在本文件中,如在专利文件中普通的术语“一个(a)”或“一个(an)”用于包括除一个以外的一个或多个。在本文件中,除非另外指出,术语“或”用于表示非排他性的或者。此外,在本文件中提及的全部的出版物、专利和专利文件都通过引用而将它们完整地结合在此,就像通过引用而单独结合一样。在此文件和通过引用所结合的那些文件之间出现用法不一致的情形中,则应当将结合的文献中的用法理解为是对本文件的用法的增补;对于矛盾的不一致之处,本文件中的用法起支配作用。
概述
图1示例了实现医师-患者通信的系统部分。在图1的实施例中,患者100提供有可植入治疗装置(IMD)102。可植入医疗装置的实例包括起搏器、可植入心复律器去纤颤器(ICD)、心脏再同步化治疗起搏器(CRT-P)、心脏再同步化治疗去纤颤器(CRT-D)、神经刺激装置、深部脑刺激装置、耳蜗植入物或视网膜植入物。在一些实施例中,IMD102能够感应生理数据并且存储这种数据用于随后的通信。生理数据的实例包括可植入电描记图、表面心电图、心率间隔(例如,AA、VV、AV或VA间隔)、例如用于快速性心律失常分辨的电描记图模板、压力(例如,心内或系统压力)、氧饱和度、活动、心率变异性、心音、阻抗、呼吸、固有去极化幅度等。
IMD 102能够与外部收发机104双向通信103。在各种实施例中,IMD102从收发机104接收命令,并且还可以将一条或多条患者指征传达给收发机104。患者指征的实例可以包括例如以下事项:心率、心率变异性、与快速性心律失常事件相关的数据、血液动力学稳定性、活动、治疗史、自主平衡运动趋向、用于快速性心律失常分辨的电描记图模板、心率变异性趋向或模板、或由感应的生理数据衍生的趋向、模板或抽象物(abstractions)。在一些实施例中,患者指征包括一项或多项生理指征,例如以上所述的生理数据。在另一个实施例中,IMD 102还可以将一项或多项装置指标传达到收发机104。装置指标的实例包括引线/电击阻抗、起搏幅度、起搏阈值或其它装置度量标准。在某些实施例中,IMD 102可以将感应的生理信号数据传达到收发机104,所述收发机104然后将所述信号数据传达到例如用于处理的远程装置。
典型地,收发机104紧密接近患者100安置。收发机104可以被包括在个人计算机或专门装置例如医疗装置程序器以内或或附着其上。在一个实施例中,收发机104是能够连接到本地计算机106的手持式装置。典型地,可以使用硬接线连接(例如,串行、USB、火线(Firewire))或无线连接(例如,RF、IR)构成连接105。在一些实施例中,本地计算机106是专门装置或个人计算机。在某些实施例中,本地计算机106适于与远程服务器系统108通信。本地计算机106和远程服务器系统108之间的通信线路典型通过计算机或电信网络110构成。在各种实施例中,网络110可以包括一个或多个有线或无线网络,例如因特网、卫星遥测、蜂窝式遥测、微波遥测,或其它的远程通信网络。
在一个实施例中,一个或多个外部传感器107适于与收发机104通信,并且可以传输和接收信息例如感应的数据。外部传感器107可以用于测量患者生理数据,例如温度(例如,温度计)、血压(例如,血压计)、血液特征(例如,葡萄糖水平)、体重、体力、精神敏度、饮食或心脏特征。外部传感器107还可以包括一个或多个环境传感器。外部传感器107可以被放置在多种地理场所中(与患者紧密接近或在整个人群中分布),并且例如可以记录非患者的具体特征如温度、空气质量、湿度、一氧化碳水平、氧水平、大气压力、光强度和声音。
外部传感器107还可以包括测量来自患者的主观数据的装置。与客观生理数据相反,主观数据包括与患者感觉、知觉和/或意见相关的信息。例如,“主观的”装置可以测量患者对例如“你感觉怎样?”、“你有多疼痛?”和“这味道好吗?”的询问的响应。这种装置还可以适于提出与观察数据有关的询问问题,例如“天空是什么颜色的?”或“外面有阳光吗?”该装置可以使用看得见的和/或听得见的暗示敦促患者并且记录响应数据。例如,患者可以按压编码的响应按键或在键盘上键入适当响应。备选地,通过让患者向麦克风讲话并且使用语音识别软件处理该响应,可以收集响应数据。
在一些实施例中,远程服务器系统108包含一个或多个计算机,例如数据库服务器114、网络服务器116、文件服务器118、应用服务器120和网页服务器122。在某些实施例中,一个或多个终端112A、112B、...、112N在本地或远程地经由网络110连接到远程服务器系统108。终端112使用有线124或无线连接126通信连接至远程服务器系统108。终端112的实例可以包括个人计算机、专用终端控制台、手持式装置(例如,个人数字助理(PDA)或蜂窝式电话)或其它专门装置。在各种实施例中,一个或多个用户可以使用终端112访问远程服务器系统108。例如,顾客服务专家可以使用终端112访问存储在远程服务器系统108中的记录,以更新患者记录。作为另一个实施例,医师或临床医生可以使用终端112接收或提供与患者相关的数据,例如关于患者访问的意见、来自测试或通过传感器或监视器接收的生理数据、治疗史(例如,IMD休克或起搏治疗)或其它的医师观察资料。
在一些实施例中,IMD 102适于存储患者数据并且使用该数据提供个体化治疗(tailored therapy)。例如,使用历史生理数据,IMD 102就能够区别致命的和非致命的心律并且提供适当的治疗。然而,经常期望的是,通过在IMD 120中收集足量的数据来建立适当的历史数据基线。在一些实施例中,将经过若干时间的“学习时期(learning period)”(例如,30天)用于建立关于一个或多个生理信号的基线。在一个实施例中,IMD 102可以存储操作数据的移动窗口,例如与学习时期相等的时期,并且可以将该信息用作患者的生物节律或生物事件的基线指示。
一旦建立基线,就可以通过概率确定急性和长期的患者病症。该基线可以通过使用历史患者记录或通过将患者与患者的人群进行比较来建立。在一个实施例中,诊断技术使用基于患者的基线检测患者病症随着时间的变化。在以下部分中描述了使用患者-导出的基线的诊断技术的实例。
在一个实施例中,患者诊断由植入装置102自动收集并存储。这些值可以基于一段时期(例如,24小时的时期)内的患者的心率或身体活动,并且每一个诊断参数被作为该时期的函数而保存。在一个实施例中,基于心率的诊断仅利用正常的固有心搏。对于心率变异性(HRV)患者诊断,在例如24小时过程中出现的288个5分钟间隔中的每一个的时期内的每一个间隔,可以发现平均心率。从这些间隔值,可以计算并存储最小心率(MinHR)、平均心率(AvgHR),最大心率(MaxHR)和平均正常-至-正常的标准偏差(SDANN)值。在一个实施例中,植入装置102计算HRV足患者诊断,所述HRV足迹患者诊断可以包括计数在心率(连续搏动之间的间隔)和逐搏变异性(连续间隔之间的绝对差别)的各个组合出现的每日心搏的数量的2维柱形图。每一个柱形图库含有该组合的每日总和。每天可以将含有一个或多个计数的柱形图库的百分数作为足迹百分比(足迹%)存储。植入装置102还可以提供活动患者诊断(活动%),所述活动性患者诊断结果(活动性%)可以包括患者活动的一般测量,并且可以被作为在基于装置的加速度计信号高于阈值期间的每一个时期的百分数报告。
患者内诊断
在某些实施例中,患者内诊断技术测量一个或多个与患者相关的生理参数的短期变化,以检测生理传感器值中的急性改变。可以将测量的生理参数与基线值比较,以检测超过阙值的变化。这些变化可以在患者经历生理病症的发作之前的短时期内出现,并且同样地,在变化超过阙值时产生警报。
图2是示例系统200的部分的详细示意图,所述系统200测量并检测与患者相关的数据中的改变以识别可能指示生理病症的发作的急性变化。在系统200中,两个以上的检测器202A、202B、...、202N连接至一个或多个传感器204。传感器204可以包括植入的或外部的传感器,例如以上所述的那些。传感器204可以配置用于自动收集与患者相关的数据(例如,心率监视器),或可以配置用于由用户命令操作(例如,具有显示器的询问装置,或体重秤)。与患者相关的数据可以包括感应的生理数据、感应的环境数据,或响应于询问或要求而从患者收集的数据。传感器204的实例包括但不限于心电图、加速度计、压力传感器、心输出量(CO)检测器、心率监视器、询问装置、体重秤和扩音器。感应的值的实例包括但不限于平均正常-至-正常的标准偏差(SDANN)心脏去极化间隔趋向、心率最小值(HRMin)、身体活动,或患者顺应性指数(如以下所述)。每一个检测器202可以包括用于评价来自一个或多个传感器204的一种或多种输入信号的硬件或软件,从而确定与传感器-检测器对关联的警报状态的值。
检测器202可以配置用于在检测到一种或多种病症时提供警报状态。在一个实施例中,警报状态是基于将一个或多个参数(例如,感应的值)与一个或多个阙值比较,从而确定所述一个或多个参数是否超过其相应的阙值或落在其相应的阙值之下。阙值可以被配置作为绝对值(例如,最小或最大可接受安全值),或基于从基线或其它已知值的差别或变化。例如,阙值可以被配置作为从一个值(例如,基线值)的最大(或最小)百分比变化;作为从一个值的标准偏差值;或从一个值(例如,5个点的增长)的绝对变化。在一个实施例中,通过使用基线值计算最大百分比变化阙值,使得如果感应的值(或感应的值的每日平均值)超过从基线值的百分比变化阙值,则发现警报状态。使用集中趋势(例如,平均值、平均数、中值、众数等)或在具体时期(例如,天、星期、月、培训时期等)内的两种以上的感应的值的其它组合,可以计算基线值。使用在培训或学习时期(例如,新装置运行的头30天)内的患者内诊断技术的执行,可以确定初始阙值。在其后的执行期间,可以从初始阙值自动或手动调节一个或多个阙值。
在一些实施例中,警报状态反映了是否发生事件。例如,如果患者被要求实施行为(例如,每日吃药或锻炼)和未能实施所要求的行为,则可以产生警报。在各种实施例中,可以将警报状态表示为二元值、基本上连续的值或不连续的值。二元值可以例如表示是否检测到患者行为(例如,是/否)或是否存在两种状态的条件(例如,开/关、热/冷)。另外,二元值可以指示患者是否可能或多或少经历健康变化,例如生活质量的变化、疾病状态(例如,心力衰竭代偿失调)的发作或死亡。不连续的值可以例如指示多状态条件(例如,低/中/高)或数值范围的值,例如在1至5的数值范围上对疼痛的主观评级。基本上连续的值可以例如指示标准化数值范围,例如零至1的数值范围,然而,该值可以通过模拟数字转换器量化。
每一个警报状态通过使用相应的数据路径206A、206B、 ...、206N传达至融合机(fusion machine)208。取决于检测器202和融合机208的构造,所述相应的数据路径206中的一个或多个可以是有线或无线的。例如,在某些实施例中,检测器202和融合机208被集成到IMD中。在其它的实施例中,可以将一个或多个检测器202从IMD分离设置,并且可能地彼此分离。在此情况下,融合机208可以被集成到一个或多个检测器202中,或它可以包含分离的机器。
而且,尽管图2中所示例的实施例描述了与警报状态值联系(在数据路径206上传达)的检测器202,但是可以以各种方式将传感器204、检测器203和数据路径206组合或多路复用。例如,检测器202可以使用一个或多个传感器204以确定警报状态值。作为另一个实施例,可以将两个以上的检测器202组合使用,以确定具体的警报状态值。在另一个实施例中,可以将传感器204或检测器202以多重组合或排列的形式与其它传感器204或检测器202再使用,以得到警报状态值。传感器204或检测器202的这种组合或排列对于提供反映更复杂的判断或决定的警报状态值可以是有利的。
该两个以上的检测器202可以将它们的警报状态值传达到第一融合模块210。第一融合模块使用来自一个或多个检测器202的警报状态计算警报分数。在一个实施例中,第一融合模块210使用加权函数计算警报分数。例如通过基于可疑患者病症的现有知识以及所使用的传感器的类型和数量来调节权重,可以使加权函数中的权重适于具体患者或具体患者人群。例如,处于心力衰竭代偿失调高危险的患者可能显示不同寻常地低的身体活动或心率变异性(HRV)。通过增加这些传感器的灵敏度(例如降低阙值),可以较早检测到较低的身体活动值或较低的HRV值。
在另一个实施例中,加权函数中的权重可以是基于时间、传感器的数量或类型、或与传感器204或检测器202相关的置信值。例如,较近的警报值可以比较前的警报值更重要;特定类型的传感器可以被认为更可靠,并且被赋予比被认为较不可靠的传感器相对更高的权重。作为另一个实施例,在使用多于一个传感器确定警报值的情况下,可以将用于确定这种警报状态的传感器的数量用于分配权重,使得可以认为使用更多传感器计算的警报值更可靠,从而比使用较少传感器计算的警报值具有更高的权重。在又一个实施例中,可以使用价值函数分配权重。例如,可以根据它们的可靠性权衡单个的决定,使得可以将权重认作是单个检测的失误的可能性或错误警报的可能性的函数。
另外,可以例如在警报分数计算之间更改权重,以适应性地调节变化条件。警报分数可以周期地或循环地计算,例如每小时、每天或每星期计算。在一个实施例中,在计算警报分数以后,第一融合模块210将警报分数存储在警报分数存储器212中。如以下所述,警报分数的历史可以用于追踪变化或进一步处理。警报分数存储器212可以包括数据库、文件、随机存取存储器或其它存储单元。
可以将警报分数从第一融合模块210传达到第二融合模块214。在另一个实施例中,第二融合模块214访问存储单元如警报分数数据库212以得到当前警报分数。第二融合模块214还访问同一或不同的存储单元以得到一个或多个历史警报分数。在一个实施例中,从存储单元得到固定数量的历史警报分数,从而得到最近历史警报分数数据的“移动窗口”。例如,当每周地计算并存储警报分数时,则可以与当前警报分数一起得到三个在前计算的警报分数,以有效地观看一个月的警报分数数据的值(worth)。第二融合模块214将一个或多个历史警报分数与当前警报分数组合使用,以计算组合的警报分数(CAS)。在一个实施例中,CAS是警报分数的加权函数。在各种实施例中,加权函数中的权重可以相等、不相等,基于一种或多种患者特征或基于时间而改变的(例如,对较近的警报分数给予较高的权重并且认为其更相关,而对较早的警报分数给予较低的权重)。
在一个实施例中,第二融合模块214将CAS传达至比较器模块216。比较器模块216将CAS与CAS阙值比较。在各种实施例中,CAS阙值是绝对值,或可以基于从基线或其它标准值的百分比变化。在其它实施例中,CAS阙值是动态的或静态的。例如,可以由用户手动地设置阙值。用户可以以循环或周期的间隔改变所述值。例如,用户可以将CAS阙值设置到一些任意高的值,然后动态地或手动地调节CAS阙值,从而微调假阳性(false positive)或假阴性(false negative)率(例如,特异性或灵敏度)。
灵敏度通常是指检测方案有效检测具体结果的能力。灵敏度可以表示为下式:灵敏度=(真阳性)(真阳性+假阴性)。因而,较高的灵敏度通常表示分析正确地表征更多的真阳性或消除假阴性。
特异性通常是指检测方案避免不适当分类的能力。特异性可以表示为以下函数:特异性=(真阴性)/真阴性+假阳性)。因而,较高的特异性通常反映真阴性的更加精确的分类或假阳性的减少。
在其它实施例中,自动确定CAS阙值。在一个实施例中,阙值更新器模块224使用一个或多个输入参数配置或更新CAS阙值。输入参数可以包括下列事物,例如,时间、传感器或检测器的数量、一个或多个患者特征、医师或临床医生偏好、在前的CAS阙值或CAS。阙值更新器模块224可以将当前阙值传达到用于比较的比较器模块216。在某些实施例中,使用恒定虚警率(constant false alarm rate)(CFAR)技术建立了CAS阙值,所述恒定虚警率(CFAR)技术例如描述于在2006年3月13日提交的Siejko等的题为生理事件检测系统和方法(PHYSIOLOGICAL EVENT DETECTIONSYSTEMS AND METHODS)的美国专利申请号11/276,735中,所述美国专利申请11/276,735被转让给本专利申请的受让人并且其通过引用而完整地结合在此,包括它对CFAR事件检测技术的描述。
当CAS超过CAS阙值时,比较器模块216将此状态的指示提供给警报模块220。在一些实施例中,警报模块220可以将产生的警报的一个或多个方面例如记录在警报历史数据库222中。警报模块220可以将该警报状态传达到用于与用户(例如,医师或临床医生)通信的通信模块226。
尽管图2示例了在融合机208中执行融合逻辑的系统200的实例,但是部分的处理可以在传感器204、检测器202处发生,或分布在几个处理机器中。例如,传感器204或检测器202可以包括用于记录一个或几个随着时间的过去而感应的值的存储器,并且可以仅将集中趋势(例如,平均值、中值或众数)传输至第一融合模块210用于进一步处理。作为另一个实施例,融合机208可以位于中央服务器、程序器或患者装置处。
图3示例了使用复合警报分数检测疾病状态的增加可能性或生理病症发作的方法300。在302,检测一个或多个警报状态值。警报状态值可以是二元的(例如,开/关、是/否、高/低)、基本上连续的(例如,1.4、2.9、9.34)或不连续的(5个中的1个、4个中的2个)。在304,使用警报状态值计算警报分数。在一个实施例中,警报分数是加权函数,使得:
警报分数(AS)=警报1*w1+警报2*w2+...+警报mwm
其中可以更改权重w1、w2、wm,以基于例如患者特征或传感器置信水平的因素而权衡一个警报值高于或低于另一个警报值。在一个实施例中,警报可以暂时地相关。例如,可以在例如每天的周期或循环的基础上,从具体传感器检测警报状态。在另一个实施例中,警报可以以别的方式相关。例如,可以从一个或多个相似类型的传感器(例如,植入或外部心率监视器)检测警报状态,使得如果由一个传感器检测到警报,则可以认为该警报对所有相关或联系的传感器起作用。在另一个实施例中,对所有相关或联系的传感器进行轮询,并且在某一大多数或所有同时发生警报状态时,检测警报。
在306,将两个以上的警报分数组合成复合警报分数(CAS)。在一个实施例中,CAS是警报分数的加权函数,使得:
复合警报分数(CAS)=ASi*wi+ASi-1*wi-1+...+ASn*wn
其中可以更改权重wi、wi-1、...、wn,以基于例如时间、随着时间的过去的患者变化等的因素而权衡一个警报分数高于或低于另一个警报分数。在一个实施例中,ASi是当前时期的警报分数,并且ASi-1使前一时期的警报分数等。时期可以是天、星期、月,或一些其它的规则时间间隔。在308,将CAS与阙值比较。在一个实施例中,阙值固定,然而在其它的实施例中可以使得它适于例如具体患者或随着时间的过去。如果CAS超过此实施例中的阙值,则在310设置警报状态。如果CAS没有超过此实施例中的阙值,则在312不设置警报状态。在各种实施例中,警报状态可以指示一种或多种生理病症发作、生理病症的变化,或这种生理病症发作可能性的预测测量。例如,警报状态可以用于辅助预测生理的或与患者相关的事件,例如HF代偿失调、导线断裂(lead fracture)、心脏性猝死(SCD)或急性心肌梗死(MI)。另外,警报状态可以指示或用于确定在具体的时期或期限内患者生活质量改变的可能性或患者死亡的可能性。部分的或全部的方法300可以在不同的处理机器上执行,例如方法300可以通过中央处理器、程序器或患者装置执行。
图4是示例警报值、警报分数和复合警报分数之间的关系的实施例的图。在一个实施例中,随着时间的过去,警报值400被感应或检测并且与具体传感器402关联。首先可以将警报值400关于具体传感器402组合,例如ASi、ASj、...、ASz 404。然后可以将关于每一个传感器组合的警报分数组合,以形成复合警报分数,CAS406。备选地,首先可以将警报值400关于具体的时间片段组合,例如AS1、AS2、...、ASN408。同样地,然后可以将关于具体时间片段组合的警报分数组合成复合警报分数406。如上所述,关于具体传感器或关于具体时间片段的警报分数的计算可以包括加权函数的使用。另外,组合的警报分数406的计算可以包括加权函数。
在其它实施例中,如图5-6中所示例的,可以使用警报值的各种组合计算警报分数。图5是示例警报值、警报分数和符合警报分数之间的关系的图。在图5中,以各种组合使用警报值500以确定警报分数502A、502B、502C。例如,警报分数AS 502A由警报值Ai和Aj组成,警报分数AS′502B由警报值Ay和Az组成,并且警报分数AS″502C由警报值Aj和Ay组成。可以将警报分数502A、502B、502C组合形成符合警报分数504。警报值500可以随着时间的过去而从同一传感器得到,或从两个以上的传感器得到。在一个实施例中,当从同一传感器得到警报值500时,可以在周期的或循环时间间隔例如天、小时等确定警报值500。在另一个实施例中,当从两个以上的传感器得到警报值500时,可以在几乎相同的时间得到值500。
图6示例了警报值、警报分数和复合警报分数之间的关系。在提供警报值600的阵列或矩阵的情况下,可以将警报值600的各种子集组合以形成警报分数,如AS1602和AS2604。警报分数602,604可以组合以形成复合警报分数606。如上关于其它实施例所述,图5和6中示例的关系可以包括加权函数。
患者顺应性的替代测量
患者顺应性测量可以提供患者遵循医师或临床医生的指导或指示接近到怎样的程度。在例如涉及饮食、锻炼或医药的一种或多种情况中非顺应的患者也可能对其它医疗建议或指示不顺应。非顺应患者可以受益于他们的医师或临床医生的紧密观察或跟踪。该观察或跟踪可以帮助医师或临床医生处理归因于非顺应性的医疗危险并且增加患者的整体顺应性。另外,非顺应患者可以受益于再评估、更改、停止或执行新的治疗。
在一些实施例中,通过检测患者是否进行一个或多个要求的行为而测量患者顺应性。可以使用例如关于频率、时间或技术等的一个或多个指数分析表现。例如,如果被要求每天在9:00 AM称量其脱衣体重的患者连续每天称量自己,则他可以具有高的频率顺应性分数。然而,如果该体重称量零星地计时,例如从8:30 AM至11:00 AM,则可以将该患者与相对低的时间顺应性分数关联。另外,如果在体重称量期间测量的患者的体重差别超过被认为是每日正常体重变化的几磅,则可以推断,患者在一些体重称量期间穿着衣服并且因而可以与相对低的技术顺应性分数相关。
因而,频率顺应性可以通过频率顺应性指数分数测量,并且可以被概念化为所要求的行为多么经常地被记录。在一个实施例中,将频率顺应性分数作为具体时期内错过测量的比率而测量。在这种配置中,较高的频率顺应性分数可以指示较低的患者顺应性。在另一个实施例中,使用相反的比率,即,在具体时期内成功测量的数量,其中较高的顺应性分数可以指示较大的患者顺应性。
另外,时间顺应性可以被概念化为进行或记录行为的时候,例如一天的哪个时间或一星期的那天。时间顺应性可以通过时间顺应性指数分数测量。在一个实施例中,在一个时期内计算相对于所要求的时间的表现时间的变异性的变化或标准偏差或其它量度。在这种配置中,较高的变异性分数可以指示较小的患者顺应性。时间顺应性指数分数可以是这种变异性分数的函数,例如变异性分数的标准化倒数,使得较高的时间顺应性指数分数指示通常更多顺应性患者。
技术顺应性可以被认为是患者实施或进行所要求的行为有多正确或有多完全。通过使用一个或多个客观辅助测量,可以得到技术顺应性分数。不是全部的所要求的患者行为都可以测试技术顺应性,因为一些行为过于简单并且其它的没有提供用于测量技术的客观量度。
患者行为可以使用交互式或询问装置(例如,患者监视器或个人计算机)、一个或多个外部装置(例如,体重秤或血压袖带)、一个或多个植入装置(例如,心律管理(CRM)装置、加速度计或心脏监视器)或它们的任何组合。外部传感器的另外的实施例包括但不限于:峰流速监视器、葡萄糖监视器、氧饱和度监视器或心电图监视器。
所要求的患者行为可以包括与正在进行的健康保健或治疗相关的一种或多种行为。例如,可以要求患者以规则的间隔测量它们的血压或体重。所要求的患者行为还包括与非健康保健或非治疗相关的行为。例如,可以要求患者在具体时间报告每日外部温度。这样的行为与患者的健康保健或治疗不直接相关,但是可以被用作顺应性的替代或间接测量。通常更顺应于任意指示的患者可能还更顺应于健康保健指令。
对一种或多种患者顺应性指数分数的监视可以提供对生理或心理疾病状态上的变化的指示。可以将患者与患者人群比较,以确定他们是否落在顺应性的具体水平或顺应性指数分数(例如,患者人群的中值或众数)的范围之外。可以使用患者的具体特征如年龄、体重、性别、疾病危险、当前医疗状态等中的一种或多种来选择患者人群。另外,患者顺应性分数可以用于辅助方法,例如如上所述的患者内诊断。作为一个示意性实施例,患者顺应性随着时间的过去的急性变化可以指示生理或心理病症或疾病状态如心力衰竭代偿失调的发作。在其它的实施例中,患者的顺应性的变化可以指示或用于确定在具体时期或期限内患者的生活质量改变的可能性或患者死亡的可能性。
可以将患者根据特征分成顺应性的等级。将通常更顺应的患者和通常较不顺应的患者分组可以用于确定哪些患者可能需要更多的观察、更清楚的指示或不同的治疗。
患者顺应性的替代测量的另一个用途是识别或标注作为异常值的数据。换言之,如果患者的患者顺应性替代测量在阙值可接受水平之下,则可以包括主观响应数据、测量的生理数据或其它的检测、测量或感应的与患者相关的数据的收集的患者数据可以被认为令人怀疑或被视为较不置信。在一个实施例中,标记在患者顺应性分数低于阙值的几乎相同时候记录的患者数据(例如,电描记图、身体活动水平、HRV、心音等)。标记可以用作对测量的患者数据的质量的量度。例如,患者顺应性指数分数可以基于使用外部体重秤的即时和连续的患者体重称量。当顺应性指数分数落到阙值之下时,获得的患者体重值可以被认为是令人怀疑的并且可以在患者内或患者间分析中较少权衡。在另一个实施例中,当顺应性指数分数落到阙值之下时,此时可以对生理传感器给于增加的权重,因为差的顺应性可以推论性地指示患者可能不感觉良好。例如当具体的生理传感器数据据认为相对独立于所使用的具体患者顺应性评估技术时,这可以是有用的。
图7和8中示例了分析的几种模式。图7示例了使用感应的患者行为确定患者顺应性的水平的方法700的实例。图7中示例的方法700检测并监视响应于要求的患者行为。在702,检测到一个或多个患者行为的发生。患者行为可以响应于由临床医生、治疗专家或医师要求的行为。例如,可能要求患者每天登陆网站并且回答不必与患者健康或当前治疗相关的一个或多个问题。当临床医生询问与患者健康无关的问题如“外面多云吗?”时,与患者响应是否正确相比,临床医生可能更感兴趣的是患者是否响应,和患者何时相应。在另一个实施例中,可能要求患者每天测量并报告他们的血压。这种要求可能与患者的当前治疗或健康监视相关,但是为了测量并确定患者顺应性,血压读数的值是不相关的-提出要求的医师或临床医生可能更感兴趣的是患者行为的规律性或适当表现。一些要求的行为可能相对简单,例如每天在具体的时间按压用户-界面显示器上的按键。其它的请求行为可能更复杂,例如,访问并且与具体的网站相互交流。
在704,计算患者顺应性指数。在一个实施例中,使用频率顺应性值、时间顺应性值或技术顺应性值中的一个或多个来计算患者顺应性指数。在一个实施例中,将患者顺应性指数标准化,从而提供从零(最小顺应)至1(最大顺应)的值的范围。在一些实施例中,使用加权函数中的两个以上的值计算患者顺应性指数。在一个实施例中,加权函数是检测到的响应患者行为的一个方面的函数。例如,加权函数可以集中在一个时期内的患者行为的时间顺应性。与较前出现相比,加权函数可以更多地衡量最近的发生。在另一个实施例中,加权函数是检测到的响应患者行为的两个以上的方面的函数。例如,在提供患者行为的情况下,时间顺应性可以被认为更重要并且因而在加权函数中被给于了比技术顺应性更高的权重。在另一个实施例中,不同的权重被分配于检测到的患者行为的时间方面以及跨越不同的方面。在各种实施例中,权重因子还可以涉及使用的传感器的数量或类型、一种或多种患者特征(例如,健康趋向或危险分层),或患者人群。
在706,将患者指数与一个或多个阙值比较。在各种实施例中,阙值可以是绝对值、趋向值、基于人群的值,或阙值可以例如由用户如医师手动选择。阙值可以定义最小或最大期望值,使得当患者落到最小阙值之下或超过最大阙值时,可以出现导致的具体行为或状态(例如警报或警告)。阙值还可以用于定义期望或接受值的内部或外部范围。例如,
在708,如果患者指数违犯阙值或条件,例如当值在与一个或多个阙值约束的范围以外,则产生警报。该警报可以被传达到用户如医师,或被用于进一步的处理,如确定警报分数或复合警报分数,如上所述。
指数分数和关于警报状态的一个或多个细节,例如是否产生警报、如果存在警报则警报传达给谁等,也可以存储在710。顺应性指数或警报可以被提供给例如用于记录并保持患者历史或用于系统的质量保证评价的一个或多个其它系统、过程或装置。在一定时期内的患者顺应性指数分数的记录对于分析或评价患者顺应性活动中的一个或多个趋向是有利的。
尽管图7示例了强调检测并监视单一类型的所要求的患者响应的方法700,但是图8示例了检测在两个以上的不同患者响应上的顺应性指数的方法800的实例。除作为患者顺应性的指示以外,多于1个患者响应的监视可以有利于例如确定二级身体、生理或心理病症。例如,可以要求患者每天称量他们自己并且还使用手持询问装置(例如患者监视装置)报告室外温度。当患者没能在几天内称量他们自己,但是继续使用手持询问装置报告室外温度时,主治医师可以推断,患者可能在身体上不能到达浴室称量自己。由推想的事实支持的推论是,患者仍能够使用例如在患者床边更方便地设置的手持患者监视装置报告温度。在这种情况下,医师可能希望追踪以保证患者在身体上稳定。对数据的存在或不存在以及其他趋向的检测对于确定或预测患者问题如心力衰竭代偿失调、认知功能的丧失或身体能力的丧失有用。
在802,检测两个以上的不同患者响应的发生。检测可以是自动或手动的。自动检测的患者响应的实例包括使用软件程序或其它可编程的装置在每天具体的时间给患者打电话或发电子邮件并且检测患者响应。其它的实例包括用于检测下列事项的植入的传感器或外部装置:例如患者的身体活动水平、患者的身体定位(例如,使用GPS装置检测是否患者已经在具体的时期离开了他们的房子)等。手动检测的实例包括要求患者每天例如使用连接到集中患者管理系统的能连接网络的体重秤测量他们自己,或让活的话务员或其它人员每天呼叫或访问患者以确定患者在该天是否是顺应的。
在804,对于检测到的患者响应的发生(occurence),在806分析该患者响应的发生。患者响应的发生的分析可以与关于图7中的方法700的分析类似。例如,可以分析患者响应的发生的一个或多个方面,例如时间规律性、频率规律性或技术正确性。
在808,对于具体的患者响应的发生确定顺应性分数。顺应性分数可以是患者响应的发生的一个或多个方面的加权函数。顺应性分数还可以是随着时间的过去的加权函数,例如衡量在具体时期中的几个连续的患者响应的发生。
在810,将不同患者响应的两个以上的患者响应的发生的顺应性分数组合成复合顺应性指数。复合顺应性指数可以使用加权函数计算。加权函数中的权重可以是静态的或动态的。复合顺应性指数可以被存储并提供给其它的系统、过程或装置。
图9A-9F是示例响应于至少一个特定要求的所记录的患者行为的实例的图表。在示例的实例中,对于患者的特定要求是每天在7:30 AM称量其脱衣体重。图9A中的第一图900示例了概念化(非真实的)数据,其示例响应于特定要求而检测的一系列体重测量值。如所示例的,患者的正常体重在约114kg至117kg的范围内。在一个实施例中,提供了允许的每天体重变化以说明自然体重变化。
图9B中的第二个图902示例了每一次体重测量的记录时间。在一个实施例中,提供了允许的时间变化以顾及在患者响应行为的计时中的灵活性。在另一个实施例中,背离精确的规定时间的任何变化都可能导致较低的顺应性分数。
图9C-9E中示例的第三、第四和第五个图904、906、908分别示例了趋向时间顺应性分数、趋向频率顺应性分数和趋向质量顺应性分数(技术顺应性)。在一个实施例中,使用在前星期所记录的患者行为的值计算如在第三个图904中示例的趋向时间顺应性分数。在一个实施例中,将趋向时间顺应性分数标准化,例如从零至1的分数。在本文中,进行行为的规定时间是7:30 AM。在此实施例中使用±30分钟的允许时间变化的情况下,当患者在7:00 AM和8:00 AM之间的任何时候进行所要求的行为(体重测量),就认为患者关于时间处于完全的顺应性。在使用之前7天的数据的情况下,趋向时间顺应性的第一个值910为1.0,原因在于之前7天的体重测量的每一个都在7:00 AM和8:00 AM的允许时间范围内。当患者没能在允许范围内进行所要求的行为,例如在912,则相应的趋向时间顺应性分数下降,例如在组914。
图9D中的第四个图906示例了基于第一个图900中的数据的趋向频率顺应性分数。在一个实施例中,与时间顺应性分数类似,趋向顺应性分数基于之前星期的数据的值。在本文中,当患者进行行为时,相应的每日频率顺应性分数为1,并且当患者没能进行行为时,相应的每日频率分数为零。趋向频率顺应性可以作为之前星期的每日频率顺应性分数的线性函数计算,例如其中fcj是每日频率顺应性分数(如果患者进行所要求的行为,则为1,如果患者没有进行所要求的行为,则为0)。如所示例的,当检测不到患者行为时,例如在918,趋向频率适应性分数下降,参见组916,直至患者在整个星期的时间内已经有规律性地进行所要求的行为。然后将趋向频率顺应性分数调节至值920以指示完全的顺应性。
图9E中的第五个图908示例了趋向质量顺应性分数。质量顺应性还可以称为技术顺应性。可以使用测量值或所要求的患者行为的其它方面分析关于这种顺应性的一些患者行为,以推断或推论质量水平或患者在实施所要求的行为时所使用的正确技术。与趋向时间顺应性分数和趋向频率顺应性分数类似,趋向质量顺应性分数可以基于在前的患者的响应行为的发生。在此实施例中,将用于计算趋向质量顺应性分数的患者响应的发生的窗口或数量示例为5天。在本文中,具体的指示包括让患者测量他们的脱衣体重的指示。在意识到例如在922的那些数据异常值的情况下,所述数据异常值与在第一个图900中的其它数据点相比高度异常,可以推断或推论的是,患者在体重测量时不适本地穿有衣物。因而,每日质量或技术顺应性分数较低并且相应的趋向质量顺应性分数下降,例如在924。
趋向时间顺应性分数、趋向频率顺应性分数或趋向质量顺应性分数中的一个或多个可以具有关联的阙值,使得如果趋向阙值分数落到该阙值以下,则发出警告。该阙值在第三、第四和第五个图904、906、908中分别作为虚线示例。该阙值可以基于统计的或概率的模式(例如,使用人群数据库或来自具体患者的之前测量)或可以由用户(例如,医师或临床医生)维持。例如,在一些情况下,用户可能想要对顺应性的不同测量中的变化的较高或较低的灵敏度。手动地升高或降低趋向顺应性分数中的一个或多个的阙值可以允许用户管理顺应性警报的假阳性或假阴性(例如,特异性或灵敏度)。如以上讨论并结合的,还可以使用CFAR技术。
在一些实施例中,如在图9F中的第六个图932中所示例的,可以计算组合的顺应性分数。组合的顺应性分数可以是趋向时间顺应性分数、趋向频率顺应性分数或趋向质量顺应性分数中的一个或多个的加权函数。在所示例的实施例中,组合的顺应性分数是各自具有相等的权重的趋向时间顺应性分数、趋向频率顺应性分数和趋向质量顺应性分数的加权线性函数。在一个实施例中,组合的顺应性分数还可以关于时间具有趋向。还可以提供阙值(示例为虚线934),使得如果组合的顺应性分数据计算小于该阙值,则发出警告。
作为图9A-9F中示例的实施例的外延,可以记录和分析两种以上的所要求的患者行为。如第六个图932中所示的组合的顺应性分数可以是来自两种以上的所要求的患者行为中的每一种的时间、频率或质量顺应性分数的一个或多个的函数。可以在组合的顺应性分数中彼此不同地衡量所要求的患者行为中的一种或多种。另外,组合的顺应性分数(例如时间、频率或质量)的每一个因素还可以具有可以彼此不同的有关联的权重。
患者间诊断
尽管对随着时间的过去的患者的生理或其它与健康相关的指标的监视可以提供与患者健康相关的趋向的一些了解,但是通过包括患者间诊断技术可以更完全地进行分析。为了当前患者的利益,患者间诊断补充(leverage)之前记录和整理的患者数据。通过将当前患者与类似境况的患者的组比较,可以进行概率确定。例如,基于与患者的参照组或对照组的比较,可以说具体的患者较多类似于或较少类似于参照组。作为另一个实施例,在使用与参照组的一个或多个其它的比较的情况下,与参照组相比,可以概率地认为具体患者或多或少地可能在给定量的时间(例如,规定的“预计时间间隔”)内经历健康事件。在使用一个或多个这样的概率测量的情况下,医师可以改变诊断,或调节或更改治疗,以提高具体患者的生活质量。例如,医师可以增加跟踪访问的数量或缩短连续跟踪访问之间的时间长度,调整关于一个或多个警报方法的一个或多个阙值,或将药物治疗改变得更强烈或较不强烈。
在一个实施例中,根据患者在具体期限(例如,3个月)内的健康条件(例如,心力衰竭代偿失调)的危险,患者间技术提供了基于人群的患者分层(stratification)。例如,当与参照患者人群比较时,可以将给定患者分类为“高”、“中”或“低”危险。该技术可以包括将患者的一个或多个心率变异性(HRV)诊断与参照人群的一个或多个类似的诊断的模型相比较。参照人群可以包括一个或更典型地多个患者,所述患者与当前患者类似,例如被指定了类似的医疗装置或与类似的治疗相关。患者间技术导致指标值,所述指标值可以指示是否(或达到何种程度)患者与参照人群类似。
在一个实施例中,一个或多个阙值被用于将患者分类或收储到与危险水平或等级关联的具体的组中。例如,可以使用四分位数、十分位数、五分位数等建立阙值。在其它的实施例中,可以将对数、指数或其它分布函数(例如,Bell曲线)将患者人群分层为两个以上的危险等级或水平。例如可以周期地或循环地调节阙值。在各种实施例中,可以自动或手动进行调节。例如,当改变或替换参照患者人群时,例如当将新的患者添加到现有参照组时,可以更改一个或多个阙值以保持适当的人群分布。在由已经确认修改的患者人群参照组的使用的用户(例如医师)引发时,可以发生这种调节。例如当系统检测到可用性或修改的患者人群参照组的使用时,可以自动发生对一个或多个阙值的调节。
尽管描述了示例使用HRV诊断值的实施例,但是可以将其它的生理、心理或其它患者指征用于将具体患者与参照组比较。例如,可以将心率(HR)、身体活动、血压、心音、心内或胸的或其它阻抗,或其它度量标准用于分类或比较。
适当的参照组的构造可以对基于患者和参照组之间的比较的任何预测性计算的准确度或值产生影响。同样地,参照组可以基于所讨论的患者的一个或多个类似之处进行选择。类似的患者可以包括:
-参与相同的控制研究的患者;
-由相同或类似的健康提供者如相同的植入提供者或相同的治疗提供者管理的患者;
-被认为稳定的患者(例如,在具体时间内没有死亡、在具体时间内没有代偿失调、在他们的药物治疗或其它处方中顺应、报告高的生活质量、或在具体时期内还没有使用保健系统);
-具有相似的年龄、性别、种族划分、地域、临床、左心室射血分数(LVEF)、纽约心脏协会(NYHA)心力衰竭分级、HF病因、体重指数(BMI)、血压、6分钟步行试验(6MW)、生活质量(QoL)的患者;
-存活具体期限(例如,在植入以后5年或在治疗改变以后6个月)的患者,在具体期限(例如,在最近9个月)中没有代偿失调的患者
-使用相同或类似药物治疗的患者;
-具有一个或多个类似的复合病变或心律失常史的患者;
-具有类似装置植入物或装置植入史的患者。
相似性特征的罗列不意欲是排他的或完全的,而是仅是可以用作用于将患者分组或加入到参照组中的参数的一些特征的示意性实例。
参照组患者可以选自公共或私人数据库。例如,患者可以选自与远程患者管理系统相关的数据库,所述远程患者管理系统例如为由明尼苏达圣保罗的波士顿科学组织(Boston Scientific Corporation)的心律管理(CRM)组(Cardiac Rhythm Management(CRM)group)提供的另外,参照组可以是静态或动态的。静态参照组可以由在当前患者登记或进入数据库或系统时存在于数据库或系统中的具有记录的患者组成。因而,静态参照组可以表示在具体时间,例如在新的患者登记的时候存在于系统中的患者的快照。静态参照组可以不更新。例如,对于具体的诊断技术,患者的快照静态参照组用于满足在具体诊断技术的分析中所作的假定。静态参照组中的改变可能使这种严格的诊断技术的结果无效。
动态参照组可以包括动态地更新静态参照组或真实的动态参照组。动态更新的静态参照组可以被例如每星期、每月、每季度或每年地循环或周期地更新。这种更新可以产生新的静态参照组以用于一段时期。动态更新的静态参照组还可以在触发事件时更新。触发事件的实例包括:当前患者的可植入装置的询问、新的患者装置的植入、新的患者装置的引入(例如,新的模型、固件、软件或其它患者装置的部件的发布)、新的药物的引入、或在由权威机构例如食品和药品管理局(FDA)(Food and DrugAdministration(FDA))批准参照组的新的修改时。触发事件的另外实例包括:检测到的患者健康条件中的改变、护理标准的改变、人群统计量(例如,生活方式、饮食习惯、教育、出生率、死亡率或习惯)的变化等。触发事件还可以包括一个或多个用于更新参照组的用户命令。用户命令可以包括一个或多个参数,例如患者年龄;性别;共发病率;植入物类型;或其它的生理、环境、文化或与患者相关的数据。在一个实施例中,该参数起规定患者亚群(subpopulation)的过滤器的作用,所述患者亚群被用作动态更新的患者参照组。在各种实施例中,可以使用逻辑关联、析取或所述两者结合所述参数。
真实的动态参照组典型地包括例如以接近实时的方式自动更改其内容的患者参照组。例如,可以使用例如以上所述的那些的一个或多个参数定义真实的动态参照组,以表征并选择患者的亚群。当患者经历生理、环境或其它与患者相关的特征的改变时,可以将患者自动地从真实的动态参照组添加或移去。实际上,在一个实施例中,可以认为真实的动态参照组是在要求或访问参照组统计(例如,分布)时更新的动态更新的静态参照组。在另一个实施例中,真实的动态参照组可以被看作是这样的动态更新的静态参照组,所述动态更新的静态参照组以小的时间增量、例如每秒钟触发更新,以使得该参照组看来是近似实时的、动态的患者亚群的图。
图10示例了基于具体患者与患者人群相比,获得概率指数的方法1000的实例。在1002,接收一个或多个生理指征。生理指征的实例包括感应的心脏信号、身体活动水平和SDANN或足迹%指数。足迹%指数可以包括在患者的心率变异性的2-D柱形图下面积的测量。生理指征可以由植入的或外部的患者监视装置检测或提供。例如,植入的心律管理装置可以包括电子装置、存储器、或用于检测或存储以下的其它部件:心率间隔、可植入的电描记图、用于快速性心律失常检测或节律分辨的电描记图模板、压力(例如,心内或系统压力)、氧饱和度、身体活动、心率变异性、心音、心内或胸的或其它阻抗、呼吸、固有去极化幅度、心率、与快速性心律失常事件相关的数据、血液动力学稳定性、治疗史、自主平衡、心率变异性趋向或模板、或由感应的生理数据衍生的趋向、模板或抽象物。
在1004,确定患者对照组或将其以其它方式映射到当前患者。如上所述,患者参照组可以包括来自与当前患者共有一个或多个类似之处的患者库的患者。参照组和当前患者之间共有的类似之处的数量的增加可以增加预测性计算的质量或准确度。相关的参照组的确定可以包括考虑例如以上所述的那些的一个或多个因素,例如年龄、性别、药物治疗、药物史等。
在1006,确定参照组数据集。在一个实施例中,参照组数据集包括参照组中的患者的患者数据,其中所述患者数据基本上与在1002接收到的生理指征类似。例如,如果在1002,通过内部或外部患者装置监视并报告患者的身体活动水平,则在1006,将与来自患者参照组的身体活动水平关联的患者数据选为参照组数据集。
在1008,确定参照组数据集的模型。在一个实施例中,该模型是概率模型并且使用概率函数计算。在另一个实施例中,概率函数包括累积分布函数(CDF)。例如,该模型可以包括参照组的每周平均活动、SDANN和足迹%值的一系列1维(1D)经验累积分布函数。作为另一个实施例,CDF可以包括具有对角线或完全协方差矩阵的单联合多变量CDF。在另一个实施例中,该概率函数包括概率分布函数(PDF)。在一个实施例中,概率模型可以包括其中具体的PDF模拟离散参数的一系列1-D概率分布函数(PDF)。在另一个实施例中,该模型可以包括其中每一个维度模拟离散参数的单联合多维度PDF。例如,PDF可以包括具有对角线或完全协方差的联合多变量PDF,并且可以在参照组患者的每周平均活动、SDANN和足迹%值上估计。可以将其它的生理参数用于模拟和比较,例如平均心率、最大心率、最小心率、呼吸率、S3心音的幅度或肺动脉压力。
在1010,可以将当前患者的接收生理值用于确定基于参照组数据集的模型的指标值。例如通过使用关于周期或循环时间间隔的平均值,可以例如每日、每星期或每月地周期或循环地计算指标值。在一个实施例中,可以将1维CDF用作“查询表(look up tables)”,以确定多少百分比的参照组患者的身体活动水平小于或等于当前患者的身体活动水平。可以将类似的方法用于SDANN和足迹%值。对于每一个百分点,接近0.5的值可以指示患者处于参照组的第50个百分点(例如,该患者与参照组类似),而接近0或1的值指示患者与参照组不类似。例如通过相乘、加和或以其它方式在数学上组合单独的指标,例如可以将单独的指标组合成复合指标。
在另一个实施例中,可以将概率分布函数(PDF)用于将参照组数据集建模。例如,可以使用参照患者的活动、SDANN和足迹%值构造PDF。可以将当前患者的生理值与估计的PDF比较,以确定患者指标值。该指标值可以包括当前患者的活动、SDANN和足迹%值的集合属于PDF的可能性的负log。在某些实施例中,该指标值还可以是在等概率的曲线包围(或外部)的PDF下面积,所述等概率的曲线表示当前患者的值的集合属于估计的PDF的概率。在任一种情况下,低(或高)的指标值表示当前患者与参照组相比有多大类似(或不同)。
指标值可以有利于提供患者间的更容易的比较,提供易于解释的参照值,提供对任何异常值的更容易的识别,或提供对在患者生理指征和概率诊断之间的一个或多个相互关系的更多了解。在一些实施例中,指标值可以指示患者在具体的时间量内进入疾病状态或从疾病状态恢复有多大可能性。作为示例,可以将指标值解释为指示例如与患者参照组中的其它患者相比,患者在接下来的6个月内经历心力衰竭代偿失调的可能性。例如,可以将危险率(Hazard ratios)或Cox比例模型(Cox Proportional Models)用于确定这种可能性。在其它的实施例中,可以将该指标用于指示患者经历健康变化、例如生活质量的提高或降低有多大可能性,或在具体时限内死亡的可能性。
图11A-11C示例了在图11A中的身体活动累积分布函数(CDF)图表1100,在图11B中的SDANN CDF图表1102,以及在图11C中的足迹%CDF图表1104的实例。在图11A中,活动CDF图表1100包括沿x-轴的活动值1106和沿y-轴的活动指数1108。在一个实施例中,活动性值1106表示使用阙值而认为患者活跃的时间百分数,所述阙值可以是基于心率、血压、加速度计或一个或多个其它身体活动指示。活动指数1108表示具有具体活动值1106的具体患者的百分点。例如,活动值1106为10的患者具有约0.62的相应的活动指数1108,这表示该患者处于活跃患者的第62个百分点,例如,所述活跃患者为比62%的所表示的患者更活跃的患者。
同样地,在图11B中,SDANN CDF 1102包括沿x-轴1110的标准偏差值和沿y-轴的SDANN指数1112。在一个实施例中,SDANN指数1112表示SDANN值等于或小于相应的标准偏差值1110的患者的百分数。
在图11C中,足迹%CDF 1104将足迹百分数1114映射到足迹指数1116。在一个实施例中,足迹指数1116表示足迹百分数值等于或小于相应的足迹百分数1114的患者的百分点。
图12是示例参照组患者的身体活动水平的概率分布函数图表1200的实例。图表1200包括在x-轴上的活动值以及在y-轴上的具有相应活动的患者的百分数。为了确定具体患者的活动指数,计算概率分数函数(PDF)下面积。在所示例的实施例中,通过使用描述概率分数函数图表1200的等式,可以计算活动水平为14的患者相应于曲线上的点1202。图12中所示的1-D活动PDF识别了具有相等的概率密度的一对点,所述概率密度定义积分间隔。通过类比,2-D密度将产生具有将限定积分面积的相等的概率密度或轮廓的点的组。在图12中所示例的实例中,点1202和点1204共有共同的概率密度。使用两个点1202、1204,限定PDF下面积1206。在一个实施例中,活动指数等于PDF下面积1206。计算的活动指数的使用可以提供多个益处,包括更容易在几个患者之间比较或更容易将患者状态传达到患者或其它医疗专家的益处。
患者内诊断和患者间诊断之间的相互关系
患者间分析可以提供与人群相比的患者危险的较长期指示。相反,患者内分析可以提供患者健康中的急性变化的较短期指示。因而,可以有利的是使用一个分析调整另一个分析的性能。例如,关于具体生理病症的发生,包括大量处于人群中的患者的患者间分析可以提供患者处于高或低危险的充分的置信度。如果患者被认为高危险,则可以更改患者内分析的一个或多个参数。例如,可以缩短取样计时间隔以更快地检测急性变化,可以修改阙值,或可以在基于人群的危险的类型或严重性的基础上选择概率分布模型。相反,如果患者被认为低危险或较低危险,则不必考虑患者内分析。备选地,可以修改处于这种情形的患者内分析,使其较小侵入性,或具有降低的灵敏度或增加的特异性(例如,为了减少错误警报)。这种系统可以允许医师使用患者间技术,根据患者的长期危险将他们分层,并且使用患者内技术对具有较高危险的患者中的急性变化保持更紧密的观察。
在一个实施例中,当从患者间危险分层技术返回一个低或高的指标值时,可以启用或禁用患者内代偿失调检测技术。图13是示例患者分析步骤之间的控制和数据流的实例的图1300。通过如以上所述的患者间诊断技术1304,接收和分析传感器数据1302。患者间诊断技术1304输出指数1306,所述指数1306指示患者经历疾病或其它的健康问题的危险或可能性,所述疾病或其它的健康问题与患者间诊断技术1304中使用的人群的那些类似。控制模块1308接收指数1306并且将它与危险阙值比较。在一个实施例中,危险比较导致3状态输出,例如与阙值或阙值范围相比较的“低”、“中”和“高”危险。当指数1306与低危险相关时,则禁用相应的患者内警报(WPA)技术1308。当指数1306与中等危险相关时,则不进行变化-如果WPA技术启用,则保持它启用,而如果WPA技术禁用,则保持它禁用。当指数1306与高危险相关时,则启用WPA技术。在一个实施例中,WPA技术自动启用或禁用。在另一个实施例中,用户(例如主治医师)可以得到建议的WPA状态变化的通知,并且然后可以手动地或半自动地启用或禁用WPA技术。
实施例:在住院以后,由于药物治疗的效果,心脏诊断可以稳定,从而导致较低的指标值(患者间诊断技术的结果)。根据较低的指标值,可以不再必须考虑患者内技术。因而,可以自动地禁用患者内技术或手动地减少可能由患者数据的急性变化所产生的虚警。
实施例:在植入程序以后,如果来自患者间技术的指标值足够高(例如,高于阙值),则它暗示患者充分不同于包括稳定的CRT-D患者的参照组,从而医师可以选择对患者保持更紧密的观察。为此,医师可以启用患者内技术来提醒医师诊断参数中的急性变化。
在一个实施例中,可以使患者内技术的一个或多个参数启用、禁用或基于患者间技术的结果更改。例如,可以基于一个或多个基于人群的危险评估来调节急性检测阙值。作为另一个实施例,可以在基于人群的结果的基础上选择测量概率分布函数(PDF)模型(例如,使用高斯或对数正态PDF模型)。
图14是示例患者分析步骤之间的控制和数据流的实例的图1400。与图13中所描述的系统类似,基于指标值1402,可以用3状态的输出评估危险。在此示例中,当认为危险低时,则更改患者内技术中的一个或多个参数,以使得该技术更具体并且较不敏感1404。当认为危险高时,则通过调节一个或多个参数,使得该技术更敏感并且较不特异1406。最后,当认为危险为中等时,则将一个或多个参数保持在它们的当前值1408。参数可以包括加权函数的权重(权重因数)、用于患者比较的模型、一个或多个阙值等。参数还可以包括控制条件状态的变量(例如,控制流量)、试样解析(计时)、评估的频率、评估的方式(例如,一天的时间、多重评估的顺序)等。例如,一个或多个参数可以自动确定或由用户(例如医师或临床医生)提供,以指示评价一种或多种分析方法中的哪种以及在之前的分析以后以什么顺序完成。对于改进分析结果或减少处理错误(例如,假阳性或假阴性指示),控制分析步骤的选择和排列是有利的。
通过自动或手动地调节患者内技术的参数,可以将错误警报减少或最小化,这可以允许对患者的更有效管理。在一个实施例中,自动调节一些参数。在另一个实施例中,对用户如主治医师提出一个或多个对于参数的变化建议,所述用户然后可以许可或否决对参数的改变。
实施例:如果患者间分层(stratifier)技术表明SDANN与最小心率(HRMin)相比具有较高的对于具体患者的灵敏度,则可以对患者内技术进行更改,以对加权函数中的SDANN参数分配较高的权重。
在某些实施例中,可以调节第一技术如患者间分层的一个或多个性能参数,以影响第二技术如患者内技术的假阳性、假阴性、特异性、灵敏度、正的预测性值、负的预测性值、每年的假阳性的数量。
如上所述,灵敏度通常是指检测方案有效检测具体结果的能力。灵敏度可以表示为下式:灵敏度=(真阳性)/(真阳性+假阴性)。因而,较高的灵敏度通常表示分析正确地表征更多的真阳性或消除假阴性。
特异性通常是指检测方案避免不适当分类的能力。特异性可以表示为以下函数:特异性=(真阴性)/(真阴性+假阳性)。因而,较高的特异性通常反映真阴性的更加精确的分类或假阳性的减小。
正预测性值(PPV)通常是指检测方案准确产生正确的正结果的能力。PPV可以表示为以下函数:PPV=(真阳性)/(真阳性+假阳性)。因而,PPV显示了正确的阳性指示的比率。
负预测性值(NPV)通常是指检测方案准确产生正确的负结果的能力。NPV可以表示为以下函数:NPV=(真阴性)/(真阴性+假阳性)。因而,NPV显示了正确的阴性指示的比率。
每年的假阴性(FP)是一年或多年内的假阳性指示的比率。每年的假阳性(FP)可以表示为以下函数:FP/yr=(在一年或多年内的FP)/(年数)。
在一个实施例中,可以将患者内技术用于影响患者间技术。例如,可以使患者间技术启用、禁用,或基于患者内技术的结果将一个或多个参数更改或使其启用。
图15示例了患者分析步骤的交叉反馈构造。在分析系统1502接收患者数据1500。在一个实施例中,该分析系统包括远程患者管理系统,例如患者间指数技术1504或患者内技术1506可以分别使用接收的患者数据1500计算指数1508或警报1510。在一个实施例中,指数1508指示了患者与患者人群(例如参照组)有多类似。在一个实施例中,警报1510指示了患者生理参数中的急性变化。在控制系统1516接收指数1508和警报1510。在一个实施例中,控制系统1516是与分析系统1502相同的系统的部分,例如在其它的实施例中,控制系统1516和分析系统1502是分开的装置。例如,分析系统1502可以被设置在程序器中,而控制系统1516可以被设置在集中患者管理服务器。控制系统1516中的第一模块1512确定是否基于计算的指数1508更改患者内技术1506。控制系统1516中的第二模块1514确定是否基于警报1510更改患者间指数技术1504。在任一种情况下,更改的实例都可以包括启用、禁用、初始化,或更改相应技术的一个或多个参数。
在另一个实施例中,3种以上的诊断技术被配置为相互作用。例如,可以将第一患者间技术配置为集中在身体活动水平上,可以将第二患者间指数配置为集中在心率变异性上,并且第三患者内诊断技术也是可用的。患者内诊断技术(第三技术)的结果可以影响患者间技术(第一或第二)之一或两者。在其它的实施例中,可以将所述技术中的两种配置为影响第三种。在其它的实施例中,可以将一种技术用于确定使用哪种随后的技术或以什么顺序进行随后的技术。在这样的构造中,可以将技术的集合视为状态机。产生患者间或患者内诊断技术的一个或多个排列或组合的矩阵或“网络(web)”,可以提供较高的诊断效率或较少的假阳性或假阴性指示。
医师反馈
在一些情况下,例如本文中描述的那些诊断技术可能导致假阳性或假阴性指示。例如,当在将技术关于具体患者而修改或调整之前就首先初始化的技术,可能出现错误指示。为了减少错误指示的数量并且改善准确度,可以有利的是允许医疗专家监视并控制这种诊断技术。
图16是示例医师反馈步骤的实例的数据流图。患者数据1600被传达到控制系统1602。在各种实施例中,患者数据1600可以包括生理数据、环境数据或主观患者响应。在一个实施例中,控制系统1602包括108(图1)中描述的部件的一些或全部。在图16所示例的实例中,控制系统包括存储装置1604和操作装置1606。存储装置1604可以被配置成数据库、文件结构或其它的存储工具。存储装置1604典型包括患者数据文件1608、医师数据文件1610和患者程序文件1612。
患者数据文件1608可以包括例如以未加工或概括形式的历史生理数据、历史主观响应患者数据、从一种或多种患者检测技术产生的一种或多种警报、趋向数据、外推数据(例如,关于具体时限的与患者相关的最小、最大或中间值),或其它的与患者相关的信息(例如,患者识别信息、住院信息、历史自动或医师诊断等)。
医师数据文件1610可以包括与具体患者相关的医师笔记或注释、医师输入(如在以下进一步详述的)、处方治疗,或其它的与医师相关的信息。
患者诊断程序文件1612可以包括控制或实现自动化患者评价的决定过程的程序编码或其它结构。患者诊断程序文件1612还可以包括变量如阙值、权重因数,或在患者诊断程序的执行中使用的其它参数。
操作装置1606可以包括用于控制患者诊断程序1614的执行的一台或多台计算机或其它程序装置。在一个实施例中,操作装置1606可以访问来自患者数据储存库1608的患者数据,使用存储在患者数据文件1608或患者诊断程序文件1612中的参数初始化一个或多个患者诊断程序1614,执行患者诊断程序1614,并且在患者数据文件1610或患者诊断程序文件1612中存储结果。
在一些时候,医师或其它医疗专家可以访问控制系统1602并且接收与患者相关的数据1616。与患者相关的数据1616可以包括存储在患者数据文件1608或患者诊断程序文件1612中的生理数据、测试结果、概要数据、患者诊断参数、患者治疗法或其它的患者数据。医师可以有机会例如在患者访问1618期间会见或检查患者。使用观察、会见或其它信息,医师可以对控制系统1602提供反馈1620。在一个实施例中,医师可以使用观察、会见、检查或对患者或与患者相关的数据的评价对控制系统1602提供医师输入(例如,反馈1620)。这样的输入可以独立于在控制系统1602产生的同时期的结果,使得医师可以不回顾测试结果或不提供有在与患者相关的数据1616中的测试结果。不由控制系统1602产生的结果而导致偏见的独立的患者评价可以有利地提供“黄金标准(gold standard)”或真理标准,在与医师的评估比较时,控制系统1602通过所述“黄金标准”或真理标准可以将它的方法或步骤调整得更正确。
在一些实施例中,医师或临床医生可以使用例如在112(图1)所示例的终端提供输入或反馈。在一些实施例中,医师或临床医生可以对电子医疗记录系统1622提供输入。存储在电子医疗记录系统1622的电子医疗记录1624(EMR)的一些或全部然后可以被输入到控制系统1602。医师反馈1620的部分或全部可以被存储在医师数据文件1610中。在一个实施例中,操作装置1606可以使用医师反馈1620改变或调节一个或多个患者诊断程序1614的执行。
图17示例了集中式系统和医师之间的反馈回路的实例。在一个时候,患者数据被接收1700。该患者数据通过一个或多个患者诊断程序分析1702。分析的结果被存储1704。医师或临床医生可以访问并回顾存储的结果1706。医师或临床医生可以提供反馈1708。在各种实施例中,反馈可以是验证(例如,正确或不正确的结果)或一个或多个命令(例如,增加特异性或降低具体患者诊断程序的阙值)的形式。在一个实施例中,反馈可以是患者的独立评估。在一些实施例中,反馈消息可以以一种或多种标准化语言(例如,可延伸性标示语言(eXtensible Markup Language(XML)))或标准化格式(例如,逗号分隔文件(comma-separated file(.csv)))的形式。使用医师或临床医生的反馈,更改分析的一个或多个参数1710,这可以影响随后的执行。
图18是示例使用医师反馈更改实行患者分析程序的方法1800的实例的流程图。在1802,接收患者数据。患者数据可以源自一个或多个来源,包括来自一个或多个植入的或外部的监视装置的感应的生理数据、来自交互式或询问装置的患者响应数据,或在办公室访问或与医疗专家的其它检查或会见期间得到的健康数据。患者数据还可以从外部数据源如电子医疗记录数据库获得或接收。
在1804,通过例如以上所述的一种或多种患者诊断分析(例如,患者内技术或患者间技术)分析患者数据。在1806,将分析的结果提供给用户。在一个实施例中,在某些条件存在下,例如在已经产生警报时,结果被自动发送给用户。在另一个实施例中,将结果存储用于用户的随后访问。
在1808,从用户接收响应。在一个实施例中,响应可以包括验证消息。基于例如由用户的进一步研究,该验证消息可以指示分析结果正确或不正确。在另一个实施例中,响应可以包括一个或多个用户指示。用户指示可以单独出现或与验证消息组合出现。用户指示可以包括增加或减小分析灵敏度或特异性;升高、降级或提供对于阙值或其它参数的具体值;或增加、减少或提供用于传感器或测量的重要性或等级的具体值。以下描述用户指示的其它实施例。
在1810,可以使用响应,更改或调节患者诊断分析的一个或多个方面。更改可以包括使分析启用或禁用、增加或减小与分析关联的加权函数中的一个或多个权重、或更改警报检测技术(例如,通过升高或降低阙值)。可以执行其它的更改,例如选择优于另一种的一种预测性或分辨技术,或选择共同使用的技术。例如,在快速性心律失常分辨或检测的情形中,医师可以决定优于基于间隔的分辨算法(例如,一键式检测增强(one-buttondetection enhancement(OBDE)))而使用基于形态的分辨算法(例如,节律ID(Rhythm ID))。作为另一个实施例,在心力衰竭代偿失调检测或预测的情形中,医师可以选择将肺水肿检测与电不同步收缩(electricaldysynchrony)的结果结合。
图19是允许医疗专家将输入或反馈提交给控制系统的用户-界面的实例。在所示例的实施例中,医疗专家可以提供是否心力衰竭患者代谢失调的指示。这种指示的提供独立于由控制系统计算的任何结果。例如,医师可以独立地检查或会见患者并获得诊断,而没有参考由控制系统产生的诊断。该指示不需要依赖于具体的诊断分析。例如,医师可以提供可以与一种或多种患者内诊断技术和/或一种或多种患者间诊断技术相关的指示。在各种实施例中,医疗专家可以提出输入,以提供一个或多个健康特征(例如,代偿失调、心律失常、重量增加、血压的方面),所述一个或多个健康特征的一些可以被控制系统(例如,图16中的1602)用于更改患者诊断技术的参数或其它方面,或传感器检测方法。
图20是示例根据图19中所示例的用户-界面的用户界面系统2002和控制系统2004之间的相互作用的实例的控制流程图。在一个实施例中,将用户-界面系统2002结合到例如图1中在112所示例的用户终端中。在一个实施例中,控制系统2004被结合到例如图1中的108的远程服务器系统中。在图20中所示例的实施例中,数据2006被控制系统2004接收并且由患者内分析2008分析,例如本文中所述的分析。评价复合警报分数并且将其与阙值(Th)比较。如果复合警报分数大于阙值(Th),则该状态被提供给医师界面2010,例如用于显示。在一些实施例中,医师界面2010可以包括计算机终端、电子医疗记录系统或其它输入机构。例如在办公室访问期间或用电话传送的患者会见期间,医师可以对患者状态进行独立决定。然后医师可以使用界面提供该独立决定,所述界面例如为在图19中示例的界面。该独立决定可以与由控制系统2004或其它系统所进行的同时期的评价不同时地进行,使得例如可以在已经评价具体患者内分析2008之前、过程中或之后产生该独立决定。该独立评价可以至少部分地依赖于与通过控制系统2004接收的数据、如数据2006类似的数据,或可以独立地使用得到的数据,或可以使用数据源的组合,所述得到的数据例如为在患者检测期间得到的数据。无论怎样的数据源,也在典型地不参考自动确定的结果如患者内分析2008的结果的情况下进行独立评价。在一个实施例中,将独立评价存储在电子医疗记录存储器中,并且随后以评估消息的形式传达至控制系统2004。
独立决定可以采取评估消息2012的形式。一个或多个评估消息2012被传达到控制系统2004中的验证模块2014中。在各种实施例中,可以使用标准化界面语言如XML,或以标准文件格式如逗号分隔值(csv)或制表符界定格式(tab delimited format)将评估消息2012格式化。验证模块2014还访问或提供有分析2008的一个或多个方面,例如当前阙值、当前使用的传感器或当前CAS值。验证模块2014可以包括一个或多个程序模块例如软件程序,以将医师评估消息2012与分析2008的输出比较。例如,在医师表示患者代偿失调时,如果分析2008的结果表示患者更可能代偿失调,则验证模块2014产生表示分析的结果正确的验证消息2016。在各种实施例中,可以使用标准化界面语言如XML,或以标准文件格式如逗号分隔值(csv)或制表符界定格式将验证消息2016格式化。然而,如果医师表示患者非代偿失调,则验证模块2014产生表示分析的结果不正确的验证消息2018。
验证消息2016、2018由控制信息模块2020接收。控制信息模块2020还访问或提供有分析2008的一个或多个方面。控制信息模块2020可以包括一个或多个程序单元如软件、硬件或两者的组合,含有用于确定存在任何更改的情况下的更改的什么类型的指示,所述指示被传达到分析2008。例如,当患者内分析2008表示警报状态而验证消息2018显示该结果不正确时,则在一个实施例中,控制信息模块2020产生控制消息2022以降低分析的灵敏度,并且控制系统2004然后可以增加阙值2014,以使得分析2008在后来的评价中更特异。通过增加阈值和使得分析更具备特异性,医师可以影响分析以减少之后评价种的假阳性。在某些实施例中,控制信息模块2020可以访问或提供有一个或多个影响在具体情况下产生控制消息的参数。例如,如果分析不正确并且阙值已经增加几倍,则控制信息模块2020可以产生指示维持当前阙值的控制消息2024。
以类似的方式,如果复合警报分数没有超过阙值,则也可以将该结果提供给医师界面2010。医师可以对患者状态进行类似的独立评价,并且将评估消息2012提交给控制系统2004中的验证模块2014。验证模块2014然后将包含在评估消息2012中的医师的独立评价与分析的结果的一个或多个方面比较,并且产生验证消息2026。验证消息2026然后被传达到控制信息模块2020并且产生控制消息2028、2030。在某些实施例中,控制系统2004可以使用控制消息2028、2030增加阙值2032或保持相同的阙值2034。例如,如果医师表示患者没有代偿失调,则验证模块2014确认医师的诊断与分析2008的结果一致,并且不对阙值进行改变2034。然而,如果医师确定患者代偿失调,则验证模块2014会传达指示分析不正确并且可以降低阙值2032的验证消息2026,以增加在后来的评价中的分析的灵敏度。通过增加阙值并且使得分析更灵敏,医师可以影响分析以减少在后来的评价中的假阴性。如通过之前描述的情况,控制信息模块2020可以确定增加阙值是不可能(例如,由于分析技术的下限或传感器的具体能力)或不可行的,并且在这样的情况下,控制信息模块2020可以产生“不改变(No Change)”的消息2030。
图21是允许医疗专家将输入内容或反馈提交给控制系统的用户-界面的实例。在所示例的实施例中,医疗专家可以提供诊断分析的具体结果是否正确的指示。在一个实施例中,将具体分析的结果(例如,心力衰竭代偿失调危险)与一个或多个患者生理指证(例如,心率间隔、可植入电描记图、用于快速性心律失常检测或节律分辨的电描记图模板、压力(例如,心内或系统压力)、氧饱和度、身体活动、心率变异性、心音、心内或胸的或其它阻抗、呼吸、固有去极化幅度、心率、与快速性心律失常事件相关的数据、血液动力学稳定性、治疗史、自主平衡、心率变异性趋向或模板、或由感应的生理数据衍生的趋向、模板或抽象物)一起提供给用户。用户然后可以评价患者病症并且确定分析的结果是否正确。在一个实施例中,在概念上,用户代替了图20中的验证模块2014。
图22是示例根据图21中所示例的用户-界面的用户界面系统2202和控制系统2204之间的相互作用的实例的控制流程图。在一个实施例中,将用户-界面系统2202结合到例如在图1中在112所示例的用户终端中。在一个实施例中,控制系统2204被结合到例如在图1中的108的远程服务器系统中。在图22所示例的实施例中,数据2206被控制系统2204接收,并且由患者内分析2208分析,所述患者内分析2208例如为本文中所述的患者内分析。评价复合警报分数并且将其与阙值(Th)比较。如果复合警报分数大于阙值(Th),则该状态被提供给医师界面2210,例如用于显示。在一些实施例中,医师界面2210可以包括计算机终端、电子医疗记录系统或其它输入机构。医师可以使用提供的信息确认分析的结果。与图20中所示例的情况不同,医师预先知道自动化分析的结果,从而响应于该结果而进行患者评价,并且进而确认该结果。医师然后可以使用界面提供确认决定,所述界面例如为图21中所示例的界面。在一些实施例中,使用验证消息2112传达医师的决定。在各种实施例中,可以使用标准化界面语言如XML,或以标准文件格式如逗号分隔值(csv)或制表符界定格式将验证消息2012格式化。与图20中示例的操作类似,控制系统2204可以使用验证消息2212产生一个或多个控制消息2214,所述控制消息2214可以指导控制系统2204更改分析2208的执行。
图23是允许医疗专家将反馈提交给控制系统的用户-界面2300的另一个实例。在图23中,医师被提供有控制2302、2304、2306以调节患者分析的灵敏度。在一个实施例中,当医师激活控制2302、2304、2306中的一个时,控制消息产生并被传达到控制系统。例如,在其中医师已经进行了患者状态的独立决定的患者评价期间,可以访问用户-界面。如果医师同意自动化患者分析,则医师可以激活“不改变”控制2306。如果医师认为患者分析不正确并且表示假阳性,则医师可以决定降低分析的灵敏度并且激活“较不灵敏”控制2302。另一方面,如果医师认为患者分析不正确并且表示假阴性,则医师可以希望增加分析的灵敏度并且激活“更灵敏”控制2304。在其中使用多种患者分析技术的其它的实施例中,分开的控制组可以与每一种患者分析技术相关并且提供给医师。在这样的构造中,医师于是可以具有对每一种分析的控制。在其它的实施例中,提供了如所示例的那些的单个组的控制并且其可以控制以集合构造的多种患者分析技术。另外,尽管在图23中示例了可以用于更改算法灵敏度的控制,但是在其它的实施例中,可以对用户提供其它的控制以控制性能测量的方面,例如假阳性率、正的预测值、负的预测值等。
图24是示例根据图23中所示例的用户-界面的用户-界面系统2402和控制系统2404之间的相互作用的实例的控制流程图。基于患者内分析2406的结果,医师可以确定结果不正确,并且基于该不正确的结果被认为是假阳性还是假阴性而分别降低灵敏度2408或升高灵敏度2410。如果医师同意患者内分析,则例如在控制消息2412和2414中,不指示改变。可以使用标准化界面语言如XML,或以标准文件格式如逗号分隔值(csv)或制表符界定格式将控制消息2412、2414格式化。
图25是用户-界面2500的另一个实施例。在图25中,用户被提供有一个或多个控制2504,以激活或无效一个或多个与患者分析技术关联的传感器。在所示例的实施例中,一个或多个传感器与心力衰竭代偿失调评价相关。用户(例如,医师或临床医生)可以使用控制2504管理是否将每一个传感器结果用于患者分析(例如,患者内分析)。对于患者评价的这样的方面的控制对于希望不理会对于具体患者特别不利的传感器或强调对于具体患者特别有利的传感器的医师可以是有利的。例如,医师在他们的实践中可能已经确定,具体的传感器在用于具体患者评价时较少起决定性作用或较不准确的。图25中示例的控制的使用将允许医师从这种患者状态的演算中移去这种传感器。
另外,通过操作重要性控制2502,可以由用户提供每一个传感器的重要性或权重。重要性控制2502可以作为含有指示重要性值的允许范围的下拉控制(dropdown control)提供。在一个实施例中,每一个传感器可以与可以在重要性控制2502中指示的默认控制相关。
图26是示例根据图25中所示例的用户-界面的用户-界面系统2602和控制系统2604之间的相互作用的实例的控制流程图。用户可以发送一个或多个控制消息2606A、2606B,以改变传感器权重,或激活或无效与患者分析相关的具体传感器。
图27是用于控制一个或多个传感器的用户-界面2700的另一个实施例。例如,可以提供一个或多个控制,以更改阙值,使用普通标签(例如,“更灵敏”或“较不灵敏”)更改灵敏度,改变使用的阙值计算的类型(例如,从基线的绝对值或百分比变化),或改变由具体传感器使用的检测技术。在图27所示例的实施例中,对用户提供阙值控制2702以设置阙值,例如从具体值(例如,基线值或任意初始值)的百分比变化的函数。另外,提供灵敏度控制2704,使得用户可以通常将具体传感器设置得更灵敏或较不灵敏。灵敏度控制2704可以配置用于对用户指示当前设置,例如使用粗体、着色,或对用户显示当前设置的其它绘图或文本细节。在所示的实施例中,当用户将阙值改变得高于当前设置,从而降低灵敏度时,与改变的阙值控制2702相关的一般灵敏度控制2704使其表现形式变化为反映降低的灵敏度。类似地,当用户选择一般灵敏度控制2704时,可以在相关的阙值控制2702中指示相应的阙值。
图28是示例根据图27中所示例的用户-界面的用户界面系统2802和控制系统2804之间的相互作用的实例的控制流程图。用户-界面系统2802的用户可以向控制系统2804发送一个或多个控制消息2806,以改变与一个或多个传感器相关的一个或多个阙值,改变一个或多个传感器的灵敏度,管理在一个或多个传感器上使用的检测技术,或进行如关于图27中的用户-界面所述的其它管理工作。在一个实施例中,控制系统2804可以从一个或多个传感器2810接收未更改的、感应的数据2808。控制系统2804然后可以使用更改的阙值、灵敏度水平或其它的由用户提供的输入分析数据2808并且设置一个或多个警报,以及最终获得复合警报分数。换言之,控制系统2804可以保持由用户提供的信息并且管理控制系统2804本地的警报。在另一个实施例中,控制系统2804可以将阙值、灵敏度水平或其它的由用户提供的信息传达至一个或多个传感器2810,所述一个或多个传感器2810相应于存在于例如在图27中的用户-界面中的传感器。在这样的实施例中,例如,每一个传感器2810然后可以更改其本身的内部检测算法并且使用新的阙值提供适当的警报。
图19、21、23、25、27中所述的用户-界面的一些或全部可以以各种组合或排列结合,以给予用户不同的控制范围。因此,可以对用户提供没有示例的其它用户-界面,以控制患者分析技术的其它方面,例如分析混合、传感器混合、随着时间的过去的传感器融合的计时间隔、传感器设置、检测阙值、选择的群组等。
如上所述,集中的数据由于几个原因是有利的。例如,在其中患者见到不是相同的医疗从业人员的成员的几个卫生保健提供者的情况下,医师能够较容易地分享数据,而不必访问彼此的EMR数据库。另外,在使用如本文中所述的系统和方法时,集中的数据能够提供对患者健康趋向的更深了解。
应当理解的是,以上描述意在示例性的,而非限制性的。例如,上述实施方案(和/或它们的方面)可以彼此组合使用。在回顾以上描述时,许多其它的实施方案对于本领域技术人员将是显然的。例如,尽管所述描述内容描述了其中将信息提供给医疗实践的具体实施例,但是在其它的实施例中,一个或多个其它的用户使用本系统和方法得到这种信息。因此,应当参考后附权利要求以及这样的权利要求有权要求的等价物的全部范围而确定本发明的范围。在后附权利要求中,将术语“包括(including)”和“其中(in which)”用作相应术语“包含(comprising)”和“其中(wherein)”的普通英文等价物。而且,在随后的权利要求中,术语“包括(including)”和“包含(comprising)”是开放式的,即,包括除权利要求中的这样的术语以后所列出的那些以外的要素的系统、装置、制品或方法仍被认为落入该权利要求的范围之内。而且,在随后的权利要求中,术语“第一(first)”、“第二(second)”和“第三(third)”等仅作为标记使用,并且不对它们的目标强加编号要求。
对于本说明书的目的,应当认为术语“机器-可读介质”或“计算机-可读介质”包括任何介质,所述介质能够将由机器执行的指令的序列存储或编码,并且引起该机器进行本发明主题的方法中的任何一种。因此,应当认为术语“机器-可读介质”或“计算机-可读介质”包括但不限于固态存储器、光盘和磁盘,以及其它的暂时、短暂或永久存储工具,例如可执行流动可下载程序(executable streaming downloadable program)。另外,将意识到的是,可以跨越多台机器或存储介质分配软件,所述存储介质可以包括机器-可读介质。
本文中所述的方法实施方案可以由计算机执行。一些实施方案可以包括用计算机程序(例如,软件)编码的计算机-可读介质,其包括可引起电子装置进行各种实施方案的方法的指令。软件执行(或由计算机执行的方法)可以包括微码、汇编语言编码或高级语言编码,其进一步可以包括用于进行各种方法的计算机可读指示。编码可以形成计算机程序产品的一部分。另外,在执行过程中或在其它的时候,可以将编码可触知地存储在一个或多个非永久性或永久性的计算机-可读介质上。这些计算机-可读介质可以包括但不限于硬盘、可移动磁盘、可移动光盘(例如,光盘和数字视频盘)、盒式磁带、记忆卡或记忆棒、随机存取存储器(RAM)、只读存储器(ROM)等。
为了符合37 C.F.R.§1.72(b)而提供了摘要,37 C.F.R.§1.72(b)要求摘要允许读者快速地确定技术公开内容的属性。它是在它将不被用于解释或限制权利要求的范围或意义的条件下提交的。而且,在以上详细描述中,可以将各种特征聚集在一起以使本公开内容简化并更有效率。不应将这解释为意指未要求保护的公开的特征对于任何权利要求是必要的。更合适的是,本发明的主题可以以比具体公开的实施方案的全部特征少的形式展现。因而,由此将下列权利要求结合到详细描述中,并且每一项权利要求都像分开的实施方案一样独立。
Claims (35)
1.一种包含患者装置的系统,所述患者装置包含:
通信模块,所述通信模块适于接收与患者相关的患者数据;
参照组模块,所述参照组模块适于选择并存储对应于所述患者的参照组数据;和
分析模块,所述分析模块适于:
产生所述参照组数据的模型;和
将所述患者数据与所述模型比较,以计算关于所述患者的指数。
2.根据权利要求1所述的系统,所述系统包含集中患者管理系统。
3.根据权利要求1所述的系统,其中所述分析模块适于使用概率函数产生所述参照组的模型。
4.根据权利要求1或3所述的系统,其中所述分析模块适于使用一个或多个累积分布函数产生所述参照组的模型。
5.根据权利要求1或3所述的系统,其中所述分析模块适于使用一个或多个概率分布函数产生所述参照组的模型。
6.根据权利要求1所述的系统,其中所述分析模块适于使用所述指数来确定所述患者与所述参照组的相似性。
7.根据权利要求1所述的系统,其中所述分析模块适于使用所述指数来确定:相对于参照组在时限内的代偿失调的可能性,所述患者有多大可能在所述时限内代偿失调。
8.根据权利要求1所述的系统,所述分析模块适于使用所述指数将所述患者分层为一个或多个危险水平,其中所述危险水平指示在具体时限内心力衰竭代偿失调的可能性。
9.根据权利要求1所述的系统,其中所述患者装置包括可植入医疗装置。
10.根据权利要求1所述的系统,其中所述患者数据包括患者顺应性数据。
11.根据权利要求1所述的系统,其中所述患者数据包括生理数据。
12.一种设备,包含:
用于接收当前患者的患者数据的工具,所述患者数据由患者监视装置收集;
用于确定与所述患者相关的参照组的工具;
用于确定选自所述参照组的参照组数据集的工具,其中所述数据集包括从所述患者监视装置接收的相似类型的患者数据;
用于产生所述参照组数据集的模型的工具;和
用于将所述接收的生理数据与模型自动比较以得到关于所述患者的指数的工具。
13.一种方法,该方法包括:
接收当前患者的患者数据,所述患者数据由患者监视装置收集;
确定与所述患者相关的参照组;
确定选自所述参照组的参照组数据集,其中所述数据集包括从所述患者监视装置接收的相似类型的患者数据;
产生所述参照组数据集的模型;和
将所述接收的生理数据与模型自动比较,以得到关于所述患者的指数。
14.根据权利要求13所述的方法,其中所述参照组选自与集中患者管理系统相关的患者。
15.根据权利要求13所述的方法,其中使用一项或多项标准,所述参照组选自与所述当前患者类似的患者,其中所述标准包括年龄、性别、种族划分、临床、左心室射血分数(LVEF)、纽约心脏协会(NYHA)心力衰竭分级、6分钟步行试验(6MW)结果、生活质量、心力衰竭病因、体重指数(BMI)、血压、药物治疗、复合病变、心律失常史、植入物史、治疗顺应性、健康护理系统、昼夜节律、地理位置、已经存活具体时限的患者、或在具体时限内没有代偿失调的患者。
16.根据权利要求13或15所述的方法,所述方法包括:
检测所述标准中的一项或多项的改变;和
使用所述改变的标准更新所述参照组。
17.根据权利要求13所述的方法,其中所述参照组包括在使用一项或多项标准的情况下被认为病症稳定的一个或多个患者,其中所述标准包括在具体时期期间内没有死亡、代偿失调或经历生活质量降低的患者。
18.根据权利要求13所述的方法,其中所述模型的产生包括使用概率函数产生所述参照组数据集的所述模型。
19.根据权利要求18所述的方法,其中所述概率函数包括一个或多个累积分布函数。
20.根据权利要求18所述的方法,其中所述概率函数包括一个或多个概率分布函数。
21.根据权利要求13所述的方法,所述方法包括使用所述指数来确定所述患者与所述参照组的相似性。
22.根据权利要求13所述的方法,所述方法包括使用所述指数来确定:相对于参照组在时限内的心力衰竭代偿失调的可能性,所述患者有多大可能在所述时限内代偿失调。
23.根据权利要求13所述的方法,所述方法包括使用所述指数来确定:与参照组在时限内死亡的可能性相比,所述患者在所述时限内死亡的可能性有多大。
24.根据权利要求13所述的方法,所述方法包括使用所述指数来确定:与参照组在时限内的生活质量改变的可能性相比,所述患者的生活质量在所述时限内改变的可能性有多大。
25.根据权利要求13所述的方法,所述方法包括使用所述指数将所述患者分层为与一个或多个危险水平相关的一个或多个离散的组。
26.根据权利要求25所述的方法,其中所述危险水平指示在具体时限内心力衰竭代偿失调的可能性。
27.根据权利要求25所述的方法,其中所述指数的使用包括将所述指数与一个或多个阈值比较,以将所述患者分类到危险水平中。
28.根据权利要求27所述的方法,所述方法包括自动调节所述阈值。
29.根据权利要求27所述的方法,所述方法包括在循环或周期基础上调节所述阈值。
30.根据权利要求13所述的方法,其中接收所述当前患者的患者数据包括在可植入医疗装置接收患者数据。
31.根据权利要求13所述的方法,其中所述患者数据包括患者顺应性数据。
32.根据权利要求13所述的方法,其中所述患者数据包括生理数据。
33.根据权利要求32所述的方法,其中所述生理数据包括心电图、活动水平、心率变异性、心率、心音、血压、阻抗、体重或O2饱和度中的一项或多项。
34.根据权利要求13所述的方法,包括:
检测触发事件;和
在检测到所述触发事件时更新所述参照组。
35.根据权利要求34所述的方法,其中所述触发事件包括所述患者监视装置的询问、新的患者装置的植入、新的患者装置的引入、修改的参照组的核准、周期或循环的时间间隔、一个或多个患者的健康状态的变化、用户命令、或对访问所述参照组的请求中的一个或多个。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/616,430 US8768718B2 (en) | 2006-12-27 | 2006-12-27 | Between-patient comparisons for risk stratification of future heart failure decompensation |
US11/616,430 | 2006-12-27 | ||
PCT/US2007/025666 WO2008085308A1 (en) | 2006-12-27 | 2007-12-17 | Between-patient comparisons for risk stratification |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101573073A true CN101573073A (zh) | 2009-11-04 |
CN101573073B CN101573073B (zh) | 2011-04-20 |
Family
ID=39469462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007800488704A Expired - Fee Related CN101573073B (zh) | 2006-12-27 | 2007-12-17 | 用于危险分层的患者间比较 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8768718B2 (zh) |
EP (1) | EP2096993A1 (zh) |
JP (1) | JP4981925B2 (zh) |
CN (1) | CN101573073B (zh) |
AU (1) | AU2007342523B2 (zh) |
WO (1) | WO2008085308A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530528A (zh) * | 2013-10-29 | 2014-01-22 | 华为技术有限公司 | 评估方法及装置 |
CN105683977A (zh) * | 2013-11-01 | 2016-06-15 | 皇家飞利浦有限公司 | 治疗设备的使用的患者反馈 |
CN105873499A (zh) * | 2013-11-04 | 2016-08-17 | 心脏起搏器股份公司 | 心力衰竭检测和风险分层系统 |
CN106725343A (zh) * | 2012-07-27 | 2017-05-31 | 心脏起搏器股份公司 | 心力衰竭患者分层 |
CN109069060A (zh) * | 2016-04-01 | 2018-12-21 | 心脏起搏器股份公司 | 用于检测恶化的心力衰竭的系统和方法 |
CN111312402A (zh) * | 2020-01-21 | 2020-06-19 | 重庆亚德科技股份有限公司 | 一种卫生应急风险评估和早期预警系统 |
CN112244786A (zh) * | 2019-07-05 | 2021-01-22 | 希尔-罗姆服务公司 | 用于住院内科病房的生命体征监测仪 |
JP7477884B2 (ja) | 2019-03-28 | 2024-05-02 | 国立大学法人山形大学 | 生体検知装置 |
Families Citing this family (127)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060033065A (ko) * | 2004-10-14 | 2006-04-19 | 엘지전자 주식회사 | 응축식 건조기 및 그 제어방법 |
US7613620B2 (en) * | 2005-06-07 | 2009-11-03 | Angadbir Singh Salwan | Physician to patient network system for real-time electronic communications and transfer of patient health information |
US9351658B2 (en) * | 2005-09-02 | 2016-05-31 | The Nielsen Company (Us), Llc | Device and method for sensing electrical activity in tissue |
US7662105B2 (en) | 2005-12-14 | 2010-02-16 | Cardiac Pacemakers, Inc. | Systems and methods for determining respiration metrics |
US7713213B2 (en) * | 2006-03-13 | 2010-05-11 | Cardiac Pacemakers, Inc. | Physiological event detection systems and methods |
US8005543B2 (en) | 2006-05-08 | 2011-08-23 | Cardiac Pacemakers, Inc. | Heart failure management system |
US7629889B2 (en) | 2006-12-27 | 2009-12-08 | Cardiac Pacemakers, Inc. | Within-patient algorithm to predict heart failure decompensation |
US9968266B2 (en) * | 2006-12-27 | 2018-05-15 | Cardiac Pacemakers, Inc. | Risk stratification based heart failure detection algorithm |
US8768718B2 (en) | 2006-12-27 | 2014-07-01 | Cardiac Pacemakers, Inc. | Between-patient comparisons for risk stratification of future heart failure decompensation |
US9022930B2 (en) * | 2006-12-27 | 2015-05-05 | Cardiac Pacemakers, Inc. | Inter-relation between within-patient decompensation detection algorithm and between-patient stratifier to manage HF patients in a more efficient manner |
WO2009063443A2 (en) * | 2007-11-13 | 2009-05-22 | Oridion Medical (1987) Ltd. | Medical system, apparatus and method |
US8275635B2 (en) * | 2007-02-16 | 2012-09-25 | Bodymedia, Inc. | Integration of lifeotypes with devices and systems |
US8230457B2 (en) | 2007-03-07 | 2012-07-24 | The Nielsen Company (Us), Llc. | Method and system for using coherence of biological responses as a measure of performance of a media |
US20090253996A1 (en) * | 2007-03-02 | 2009-10-08 | Lee Michael J | Integrated Sensor Headset |
US9215996B2 (en) * | 2007-03-02 | 2015-12-22 | The Nielsen Company (Us), Llc | Apparatus and method for objectively determining human response to media |
US20080221969A1 (en) * | 2007-03-07 | 2008-09-11 | Emsense Corporation | Method And System For Measuring And Ranking A "Thought" Response To Audiovisual Or Interactive Media, Products Or Activities Using Physiological Signals |
US8473044B2 (en) * | 2007-03-07 | 2013-06-25 | The Nielsen Company (Us), Llc | Method and system for measuring and ranking a positive or negative response to audiovisual or interactive media, products or activities using physiological signals |
US8764652B2 (en) * | 2007-03-08 | 2014-07-01 | The Nielson Company (US), LLC. | Method and system for measuring and ranking an “engagement” response to audiovisual or interactive media, products, or activities using physiological signals |
US8782681B2 (en) | 2007-03-08 | 2014-07-15 | The Nielsen Company (Us), Llc | Method and system for rating media and events in media based on physiological data |
US8052611B2 (en) | 2007-03-14 | 2011-11-08 | Cardiac Pacemakers, Inc. | Method and apparatus for management of heart failure hospitalization |
US20090030717A1 (en) | 2007-03-29 | 2009-01-29 | Neurofocus, Inc. | Intra-modality synthesis of central nervous system, autonomic nervous system, and effector data |
WO2008137581A1 (en) | 2007-05-01 | 2008-11-13 | Neurofocus, Inc. | Neuro-feedback based stimulus compression device |
US8392253B2 (en) | 2007-05-16 | 2013-03-05 | The Nielsen Company (Us), Llc | Neuro-physiology and neuro-behavioral based stimulus targeting system |
JP5542051B2 (ja) | 2007-07-30 | 2014-07-09 | ニューロフォーカス・インコーポレーテッド | 神経応答刺激及び刺激属性共鳴推定を行うシステム、方法、及び、装置 |
US8043215B2 (en) * | 2007-08-07 | 2011-10-25 | Cardiac Pacemakers, Inc. | Drug titration utilizing an implantable medical device |
US8386313B2 (en) | 2007-08-28 | 2013-02-26 | The Nielsen Company (Us), Llc | Stimulus placement system using subject neuro-response measurements |
US8392255B2 (en) | 2007-08-29 | 2013-03-05 | The Nielsen Company (Us), Llc | Content based selection and meta tagging of advertisement breaks |
US20090083129A1 (en) | 2007-09-20 | 2009-03-26 | Neurofocus, Inc. | Personalized content delivery using neuro-response priming data |
US8151292B2 (en) | 2007-10-02 | 2012-04-03 | Emsense Corporation | System for remote access to media, and reaction and survey data from viewers of the media |
WO2009059246A1 (en) | 2007-10-31 | 2009-05-07 | Emsense Corporation | Systems and methods providing en mass collection and centralized processing of physiological responses from viewers |
US9079033B2 (en) * | 2008-01-22 | 2015-07-14 | Cardiac Pacemakers, Inc. | Respiration as a trigger for therapy optimization |
US20090187434A1 (en) * | 2008-01-23 | 2009-07-23 | Benemax, Inc | System and method for a health insurance risk evaluator |
US9706965B2 (en) | 2008-05-28 | 2017-07-18 | Oridion Medical 1987 Ltd. | Methods, apparatus and systems for monitoring CO2 |
US20090326339A1 (en) * | 2008-06-26 | 2009-12-31 | Microsoft Corporation | Connected healthcare devices with real-time and proactive capture and relay of contextual information |
US8340746B2 (en) * | 2008-07-17 | 2012-12-25 | Massachusetts Institute Of Technology | Motif discovery in physiological datasets: a methodology for inferring predictive elements |
US9713701B2 (en) | 2008-07-31 | 2017-07-25 | Medtronic, Inc. | Using multiple diagnostic parameters for predicting heart failure events |
JP5343130B2 (ja) * | 2008-08-01 | 2013-11-13 | カーディアック ペースメイカーズ, インコーポレイテッド | 労作時の心筋虚血の検出のためのシステム |
WO2010033699A1 (en) | 2008-09-19 | 2010-03-25 | Cardiac Pacemakers, Inc. | Indication-based worsening hf alert |
CN102203783A (zh) | 2008-10-22 | 2011-09-28 | 皇家飞利浦电子股份有限公司 | 执行受检者测量 |
US8062227B2 (en) * | 2008-10-30 | 2011-11-22 | Medtronic, Inc. | Heart failure decompensation determination |
US8777850B2 (en) * | 2008-10-31 | 2014-07-15 | Medtronic, Inc. | Heart failure patient management using an implantable monitoring system |
US10853900B2 (en) * | 2009-02-09 | 2020-12-01 | Fair Isaac Corporation | Method and system for predicting adherence to a treatment |
US20100250325A1 (en) | 2009-03-24 | 2010-09-30 | Neurofocus, Inc. | Neurological profiles for market matching and stimulus presentation |
US8608656B2 (en) * | 2009-04-01 | 2013-12-17 | Covidien Lp | System and method for integrating clinical information to provide real-time alerts for improving patient outcomes |
EP2278510A1 (en) * | 2009-07-16 | 2011-01-26 | Statlife | Method for determining a risk score |
US10987015B2 (en) | 2009-08-24 | 2021-04-27 | Nielsen Consumer Llc | Dry electrodes for electroencephalography |
US20110077972A1 (en) * | 2009-09-24 | 2011-03-31 | Agneta Breitenstein | Systems and methods of clinical tracking |
WO2011042829A1 (en) * | 2009-10-07 | 2011-04-14 | Koninklijke Philips Electronics N.V. | Method of evaluating toxicity level of a patient undergoing a cancer treatment |
US20110106750A1 (en) | 2009-10-29 | 2011-05-05 | Neurofocus, Inc. | Generating ratings predictions using neuro-response data |
US9560984B2 (en) | 2009-10-29 | 2017-02-07 | The Nielsen Company (Us), Llc | Analysis of controlled and automatic attention for introduction of stimulus material |
WO2011072177A2 (en) * | 2009-12-09 | 2011-06-16 | Aviir, Inc. | Biomarker assay for diagnosis and classification of cardiovascular disease |
US20120239435A1 (en) * | 2009-12-10 | 2012-09-20 | Koninklijke Philips Electronics N.V. | Automated annotation of clinical data |
DE112011100761T5 (de) * | 2010-03-01 | 2013-01-03 | Masimo Corporation | Adaptives Alarmsystem |
US20110246217A1 (en) * | 2010-04-05 | 2011-10-06 | MobiSante Inc. | Sampling Patient Data |
WO2011133548A2 (en) | 2010-04-19 | 2011-10-27 | Innerscope Research, Inc. | Short imagery task (sit) research method |
US8655428B2 (en) | 2010-05-12 | 2014-02-18 | The Nielsen Company (Us), Llc | Neuro-response data synchronization |
WO2012005023A1 (ja) * | 2010-07-07 | 2012-01-12 | コニカミノルタエムジー株式会社 | 医用画像表示システム及びプログラム |
US9232915B2 (en) * | 2011-01-20 | 2016-01-12 | Nitto Denko Corporation | Method and apparatus for deriving a health index for determining cardiovascular health |
US20120265549A1 (en) * | 2011-04-12 | 2012-10-18 | General Electric Company | System and Computer Readable Medium for Predicting Patient Outcomes |
CN102891909B (zh) * | 2011-07-22 | 2017-03-29 | 富泰华工业(深圳)有限公司 | 手机及健康检测方法 |
RU2650586C2 (ru) * | 2011-11-28 | 2018-04-16 | Конинклейке Филипс Н.В. | Система мониторинга состояния здоровья для вычисления общей оценки риска |
US9292858B2 (en) | 2012-02-27 | 2016-03-22 | The Nielsen Company (Us), Llc | Data collection system for aggregating biologically based measures in asynchronous geographically distributed public environments |
US9569986B2 (en) | 2012-02-27 | 2017-02-14 | The Nielsen Company (Us), Llc | System and method for gathering and analyzing biometric user feedback for use in social media and advertising applications |
US9451303B2 (en) | 2012-02-27 | 2016-09-20 | The Nielsen Company (Us), Llc | Method and system for gathering and computing an audience's neurologically-based reactions in a distributed framework involving remote storage and computing |
US10172562B2 (en) * | 2012-05-21 | 2019-01-08 | Lg Electronics Inc. | Mobile terminal with health care function and method of controlling the mobile terminal |
KR101371705B1 (ko) | 2012-06-01 | 2014-03-12 | 한철민 | 의료기기 안전 제어장치 및 그 방법 |
US20140156297A1 (en) * | 2012-08-03 | 2014-06-05 | Axelacare Holdings, Inc. | Computer program, method, and system for pharmacist-assisted treatment of patients |
US20140039907A1 (en) * | 2012-08-03 | 2014-02-06 | AxelaCare Health Solutions, Inc. | Computer program, method, and system for collecting patient data with a portable electronic device |
US10068670B2 (en) | 2012-08-16 | 2018-09-04 | Ginger.io, Inc. | Method for modeling behavior and depression state |
US10068060B2 (en) | 2012-08-16 | 2018-09-04 | Ginger.io, Inc. | Method for modeling behavior and psychotic disorders |
CN109785972B (zh) | 2012-08-16 | 2023-09-26 | 橙点公司 | 用于对行为和健康变化进行建模的方法 |
US10102341B2 (en) | 2012-08-16 | 2018-10-16 | Ginger.io, Inc. | Method for managing patient quality of life |
US10265028B2 (en) | 2012-08-16 | 2019-04-23 | Ginger.io, Inc. | Method and system for modeling behavior and heart disease state |
US10276260B2 (en) | 2012-08-16 | 2019-04-30 | Ginger.io, Inc. | Method for providing therapy to an individual |
US10650920B2 (en) | 2012-08-16 | 2020-05-12 | Ginger.io, Inc. | Method and system for improving care determination |
US10748645B2 (en) | 2012-08-16 | 2020-08-18 | Ginger.io, Inc. | Method for providing patient indications to an entity |
US10741285B2 (en) | 2012-08-16 | 2020-08-11 | Ginger.io, Inc. | Method and system for providing automated conversations |
US10740438B2 (en) | 2012-08-16 | 2020-08-11 | Ginger.io, Inc. | Method and system for characterizing and/or treating poor sleep behavior |
US9060671B2 (en) | 2012-08-17 | 2015-06-23 | The Nielsen Company (Us), Llc | Systems and methods to gather and analyze electroencephalographic data |
WO2014099969A1 (en) | 2012-12-19 | 2014-06-26 | Elwha Llc | Controlling acquisition of sensor information |
US10141073B2 (en) | 2012-12-19 | 2018-11-27 | Elwha Llc | Systems and methods for controlling acquisition of sensor information |
US20220265219A1 (en) * | 2012-12-26 | 2022-08-25 | Cardiac Pacemakers, Inc. | Neural network based worsening heart failure detection |
US20140257852A1 (en) * | 2013-03-05 | 2014-09-11 | Clinton Colin Graham Walker | Automated interactive health care application for patient care |
US9320450B2 (en) | 2013-03-14 | 2016-04-26 | The Nielsen Company (Us), Llc | Methods and apparatus to gather and analyze electroencephalographic data |
EP2999396B1 (en) * | 2013-05-20 | 2023-11-08 | Cardiac Pacemakers, Inc. | Apparatus for heart failure risk stratification |
EP2999395A1 (en) | 2013-05-20 | 2016-03-30 | Cardiac Pacemakers, Inc. | Methods and apparatus for detecting heart failure |
JP6534192B2 (ja) * | 2013-09-30 | 2019-06-26 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 患者健康状態複合スコア分布及び/又はこれに基づく代表複合スコア |
US10037821B2 (en) * | 2013-12-27 | 2018-07-31 | General Electric Company | System for integrated protocol and decision support |
US9622702B2 (en) | 2014-04-03 | 2017-04-18 | The Nielsen Company (Us), Llc | Methods and apparatus to gather and analyze electroencephalographic data |
US10573415B2 (en) * | 2014-04-21 | 2020-02-25 | Medtronic, Inc. | System for using patient data combined with database data to predict and report outcomes |
FR3021872B1 (fr) * | 2014-06-05 | 2018-07-13 | Koninklijke Philips N.V. | Procede et dispositif de detection au sein d'un dispositif d'assistance respiratoire de l'aggravation de l'etat cardio-respiratoire d'un patient |
CN106793946A (zh) * | 2014-06-05 | 2017-05-31 | 心脏起搏器股份公司 | 用于心衰风险风层化的绝对胸阻抗 |
US10172568B2 (en) | 2014-07-14 | 2019-01-08 | Medtronic, Inc. | Determining prospective risk of heart failure hospitalization |
US11367023B2 (en) | 2014-08-01 | 2022-06-21 | Resmed Inc. | Patient management system |
US10912520B2 (en) | 2014-08-05 | 2021-02-09 | Cardiac Pacemakers, Inc. | Activity level determination for risk stratification |
WO2016060180A1 (ja) * | 2014-10-15 | 2016-04-21 | オムロン株式会社 | 特性評価装置、特性評価システム、特性評価方法、および特性評価プログラム |
JP6727774B2 (ja) * | 2014-10-15 | 2020-07-22 | オムロン株式会社 | 特性評価装置、特性評価システム、特性評価方法、および特性評価プログラム |
US20160232320A1 (en) | 2015-02-11 | 2016-08-11 | Aetna, Inc. | Systems and methods for patient health assessment |
US9936250B2 (en) | 2015-05-19 | 2018-04-03 | The Nielsen Company (Us), Llc | Methods and apparatus to adjust content presented to an individual |
WO2017142861A1 (en) * | 2016-02-17 | 2017-08-24 | The Cleveland Clinic Foundation | Systems and methods for remote monitoring of non-critically ill hospitalized patients |
US11127505B2 (en) * | 2016-03-08 | 2021-09-21 | International Business Machines Corporation | Evidence analysis and presentation to indicate reasons for membership in populations |
US11120915B2 (en) * | 2016-03-08 | 2021-09-14 | International Business Machines Corporation | Evidence analysis and presentation to indicate reasons for membership in populations |
US10431343B2 (en) | 2016-05-23 | 2019-10-01 | Koninklijke Philips N.V. | System and method for interpreting patient risk score using the risk scores and medical events from existing and matching patients |
US10124170B2 (en) | 2016-06-13 | 2018-11-13 | Cyberonics, Inc. | Neurostimulator with titration assist |
CN110036448A (zh) * | 2016-06-30 | 2019-07-19 | 诺和诺德股份有限公司 | 用于分析胰岛素方案依从数据的系统和方法 |
JP2018023459A (ja) * | 2016-08-08 | 2018-02-15 | セイコーエプソン株式会社 | 体内時計時刻算出装置および体内時計時刻算出方法 |
US10602964B2 (en) * | 2016-08-17 | 2020-03-31 | Koninklijke Philips N.V. | Location, activity, and health compliance monitoring using multidimensional context analysis |
JP7073763B2 (ja) * | 2017-03-16 | 2022-05-24 | 株式会社リコー | 情報処理システム、情報処理方法、電子機器、サーバ装置及び情報処理プログラム |
EP3613060A1 (en) | 2017-04-20 | 2020-02-26 | Koninklijke Philips N.V. | Learning and applying contextual similarities between entities |
US11615891B2 (en) | 2017-04-29 | 2023-03-28 | Cardiac Pacemakers, Inc. | Heart failure event rate assessment |
EP3684463A4 (en) | 2017-09-19 | 2021-06-23 | Neuroenhancement Lab, LLC | NEURO-ACTIVATION PROCESS AND APPARATUS |
US10424410B2 (en) | 2017-11-10 | 2019-09-24 | Verily Life Sciences Llc | Tiered time-in-range guiding interfaces for diabetes management |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
US11318277B2 (en) | 2017-12-31 | 2022-05-03 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
WO2019174695A1 (en) * | 2018-03-15 | 2019-09-19 | Coloplast A/S | Ostomy system, server device, and accessory device for ostomy appliance base plate monitoring based on user types |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
JP7197111B2 (ja) * | 2018-06-14 | 2022-12-27 | 株式会社OPExPARK | 機器監視システム、及び機器監視装置 |
US11864900B2 (en) | 2018-08-21 | 2024-01-09 | The Cleveland Clinic Foundation | Advanced cardiac waveform analytics |
WO2020056418A1 (en) | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
TWI709188B (zh) | 2018-09-27 | 2020-11-01 | 財團法人工業技術研究院 | 基於機率融合的分類器、分類方法及分類系統 |
US11361082B2 (en) | 2019-02-27 | 2022-06-14 | Optum Services (Ireland) Limited | Anomalous activity detection in multi-provider transactional environments |
US11925474B2 (en) * | 2019-08-22 | 2024-03-12 | Koninklijke Philips N.V. | Methods and systems for patient baseline estimation |
JP6893002B1 (ja) | 2020-08-31 | 2021-06-23 | 国立大学法人 東京大学 | 情報処理システム及びプログラム |
US11710576B2 (en) | 2021-05-24 | 2023-07-25 | OrangeDot, Inc. | Method and system for computer-aided escalation in a digital health platform |
FR3125215A1 (fr) * | 2021-07-16 | 2023-01-20 | L'Air Liquide Société Anonyme pour l'Etude et l'Exploitation des Procédés Georges Claude | Détection d’un risque de décompensation cardiaque chez un patient souffrant d’une insuffisance cardiaque |
US20230034970A1 (en) * | 2021-07-28 | 2023-02-02 | Medtronic, Inc. | Filter-based arrhythmia detection |
US11868384B2 (en) | 2022-03-25 | 2024-01-09 | OrangeDot, Inc. | Method and system for automatically determining responses in a messaging platform |
Family Cites Families (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6039688A (en) * | 1996-11-01 | 2000-03-21 | Salus Media Inc. | Therapeutic behavior modification program, compliance monitoring and feedback system |
US6059724A (en) * | 1997-02-14 | 2000-05-09 | Biosignal, Inc. | System for predicting future health |
US6539249B1 (en) * | 1998-05-11 | 2003-03-25 | Cardiac Pacemakers, Inc. | Method and apparatus for assessing patient well-being |
US20060030890A1 (en) * | 1999-04-16 | 2006-02-09 | Cosentino Daniel L | System, method, and apparatus for automated interactive verification of an alert generated by a patient monitoring device |
US6270457B1 (en) * | 1999-06-03 | 2001-08-07 | Cardiac Intelligence Corp. | System and method for automated collection and analysis of regularly retrieved patient information for remote patient care |
US7127290B2 (en) * | 1999-10-01 | 2006-10-24 | Cardiac Pacemakers, Inc. | Cardiac rhythm management systems and methods predicting congestive heart failure status |
US6272377B1 (en) * | 1999-10-01 | 2001-08-07 | Cardiac Pacemakers, Inc. | Cardiac rhythm management system with arrhythmia prediction and prevention |
US6275727B1 (en) * | 1999-11-04 | 2001-08-14 | Cardiac Pacemakers, Inc. | Implantable cardiac rhythm management device for assessing status of CHF patients |
US6459929B1 (en) * | 1999-11-04 | 2002-10-01 | Cardiac Pacemakers, Inc. | Implantable cardiac rhythm management device for assessing status of CHF patients |
US6336903B1 (en) * | 1999-11-16 | 2002-01-08 | Cardiac Intelligence Corp. | Automated collection and analysis patient care system and method for diagnosing and monitoring congestive heart failure and outcomes thereof |
US6411840B1 (en) * | 1999-11-16 | 2002-06-25 | Cardiac Intelligence Corporation | Automated collection and analysis patient care system and method for diagnosing and monitoring the outcomes of atrial fibrillation |
US6643548B1 (en) * | 2000-04-06 | 2003-11-04 | Pacesetter, Inc. | Implantable cardiac stimulation device for monitoring heart sounds to detect progression and regression of heart disease and method thereof |
US6473646B2 (en) * | 2000-04-18 | 2002-10-29 | Cardiac Pacemakers, Inc. | Method and apparatus for assessing cardiac functional status |
US6748261B1 (en) * | 2000-05-08 | 2004-06-08 | Pacesetter, Inc. | Implantable cardiac stimulation device for and method of monitoring progression or regression of heart disease by monitoring interchamber conduction delays |
US20020046002A1 (en) * | 2000-06-10 | 2002-04-18 | Chao Tang | Method to evaluate the quality of database search results and the performance of database search algorithms |
WO2001097909A2 (en) | 2000-06-14 | 2001-12-27 | Medtronic, Inc. | Deep computing applications in medical device systems |
US6473647B1 (en) * | 2000-10-18 | 2002-10-29 | Pacesetter, Inc. | Implantable cardiac stimulation device for and method of monitoring progression or regression of heart disease by monitoring evoked response features |
US6741885B1 (en) * | 2000-12-07 | 2004-05-25 | Pacesetter, Inc. | Implantable cardiac device for managing the progression of heart disease and method |
US6438408B1 (en) * | 2000-12-28 | 2002-08-20 | Medtronic, Inc. | Implantable medical device for monitoring congestive heart failure |
US6766189B2 (en) * | 2001-03-30 | 2004-07-20 | Cardiac Pacemakers, Inc. | Method and apparatus for predicting acute response to cardiac resynchronization therapy |
AU2002312565A1 (en) * | 2001-06-19 | 2003-01-02 | University Of Southern California | Therapeutic decisions systems and method using stochastic techniques |
US6561984B1 (en) * | 2001-10-16 | 2003-05-13 | Pacesetter, Inc. | Assessing heart failure status using morphology of a signal representative of arterial pulse pressure |
US6980851B2 (en) * | 2001-11-15 | 2005-12-27 | Cardiac Pacemakers, Inc. | Method and apparatus for determining changes in heart failure status |
US6993377B2 (en) * | 2002-02-22 | 2006-01-31 | The Board Of Trustees Of The University Of Arkansas | Method for diagnosing heart disease, predicting sudden death, and analyzing treatment response using multifractal analysis |
US7983759B2 (en) * | 2002-12-18 | 2011-07-19 | Cardiac Pacemakers, Inc. | Advanced patient management for reporting multiple health-related parameters |
US7146206B2 (en) * | 2002-03-20 | 2006-12-05 | Medtronic, Inc. | Detection of cardiac arrhythmia using mathematical representation of standard ΔRR probability density histograms |
US20040103001A1 (en) * | 2002-11-26 | 2004-05-27 | Mazar Scott Thomas | System and method for automatic diagnosis of patient health |
US7009511B2 (en) | 2002-12-17 | 2006-03-07 | Cardiac Pacemakers, Inc. | Repeater device for communications with an implantable medical device |
US20040128161A1 (en) * | 2002-12-27 | 2004-07-01 | Mazar Scott T. | System and method for ad hoc communications with an implantable medical device |
US7378955B2 (en) * | 2003-01-03 | 2008-05-27 | Cardiac Pacemakers, Inc. | System and method for correlating biometric trends with a related temporal event |
US20050010098A1 (en) * | 2003-04-11 | 2005-01-13 | Sigmund Frigstad | Method and apparatus for knowledge based diagnostic imaging |
US20040236188A1 (en) * | 2003-05-19 | 2004-11-25 | Ge Medical Systems Information | Method and apparatus for monitoring using a mathematical model |
JP4690641B2 (ja) * | 2003-07-28 | 2011-06-01 | 株式会社日立ハイテクノロジーズ | 質量分析計 |
US20050033369A1 (en) | 2003-08-08 | 2005-02-10 | Badelt Steven W. | Data Feedback loop for medical therapy adjustment |
US7010347B2 (en) * | 2004-02-14 | 2006-03-07 | Pacesetter, Inc. | Optimization of impedance signals for closed loop programming of cardiac resynchronization therapy devices |
US20050142591A1 (en) * | 2003-10-29 | 2005-06-30 | Ackerman Michael J. | Method of genetic testing in heritable arrhythmia syndrome patients |
US8515774B2 (en) * | 2004-02-18 | 2013-08-20 | Siemens Aktiengesellschaft | Method and system for measuring quality of performance and/or compliance with protocol of a clinical study |
US7272443B2 (en) * | 2004-03-26 | 2007-09-18 | Pacesetter, Inc. | System and method for predicting a heart condition based on impedance values using an implantable medical device |
US20050251051A1 (en) | 2004-05-10 | 2005-11-10 | Medpond, Llc | Method and apparatus for assessing autonomic function |
US7433853B2 (en) * | 2004-07-12 | 2008-10-07 | Cardiac Pacemakers, Inc. | Expert system for patient medical information analysis |
US20060017575A1 (en) * | 2004-07-20 | 2006-01-26 | Medtronic, Inc. | Alert system and method for an implantable medical device |
US20080172214A1 (en) | 2004-08-26 | 2008-07-17 | Strategic Health Decisions, Inc. | System For Optimizing Treatment Strategies Using a Patient-Specific Rating System |
US20060058966A1 (en) * | 2004-09-15 | 2006-03-16 | Bruckner Howard W | Methods and systems for guiding selection of chemotherapeutic agents |
US20060064136A1 (en) * | 2004-09-23 | 2006-03-23 | Medtronic, Inc. | Method and apparatus for facilitating patient alert in implantable medical devices |
US7840275B2 (en) * | 2004-10-01 | 2010-11-23 | Medtronic, Inc. | In-home remote monitor with smart repeater, memory and emergency event management |
US7308309B1 (en) * | 2005-01-11 | 2007-12-11 | Pacesetter, Inc. | Diagnosing cardiac health utilizing parameter trend analysis |
AU2006210430B2 (en) | 2005-02-04 | 2012-06-14 | Entelos Holding Corp. | Method for defining virtual patient populations |
US8740789B2 (en) * | 2005-03-03 | 2014-06-03 | Cardiac Pacemakers, Inc. | Automatic etiology sequencing system and method |
US8900154B2 (en) * | 2005-05-24 | 2014-12-02 | Cardiac Pacemakers, Inc. | Prediction of thoracic fluid accumulation |
US7761158B2 (en) * | 2005-12-20 | 2010-07-20 | Cardiac Pacemakers, Inc. | Detection of heart failure decompensation based on cumulative changes in sensor signals |
US7713213B2 (en) * | 2006-03-13 | 2010-05-11 | Cardiac Pacemakers, Inc. | Physiological event detection systems and methods |
US8005543B2 (en) * | 2006-05-08 | 2011-08-23 | Cardiac Pacemakers, Inc. | Heart failure management system |
US8337408B2 (en) * | 2006-07-13 | 2012-12-25 | Cardiac Pacemakers, Inc. | Remote monitoring of patient cognitive function using implanted CRM devices and a patient management system |
US20080103406A1 (en) * | 2006-10-26 | 2008-05-01 | Nader Kameli | Integrated system for managing patients with heart failure |
US7629889B2 (en) * | 2006-12-27 | 2009-12-08 | Cardiac Pacemakers, Inc. | Within-patient algorithm to predict heart failure decompensation |
US8768718B2 (en) | 2006-12-27 | 2014-07-01 | Cardiac Pacemakers, Inc. | Between-patient comparisons for risk stratification of future heart failure decompensation |
US9022930B2 (en) * | 2006-12-27 | 2015-05-05 | Cardiac Pacemakers, Inc. | Inter-relation between within-patient decompensation detection algorithm and between-patient stratifier to manage HF patients in a more efficient manner |
-
2006
- 2006-12-27 US US11/616,430 patent/US8768718B2/en active Active
-
2007
- 2007-12-17 WO PCT/US2007/025666 patent/WO2008085308A1/en active Application Filing
- 2007-12-17 EP EP07862948A patent/EP2096993A1/en not_active Withdrawn
- 2007-12-17 JP JP2009544022A patent/JP4981925B2/ja not_active Expired - Fee Related
- 2007-12-17 CN CN2007800488704A patent/CN101573073B/zh not_active Expired - Fee Related
- 2007-12-17 AU AU2007342523A patent/AU2007342523B2/en not_active Ceased
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106725343B (zh) * | 2012-07-27 | 2021-01-19 | 心脏起搏器股份公司 | 心力衰竭患者分层 |
CN106725343A (zh) * | 2012-07-27 | 2017-05-31 | 心脏起搏器股份公司 | 心力衰竭患者分层 |
CN103530528A (zh) * | 2013-10-29 | 2014-01-22 | 华为技术有限公司 | 评估方法及装置 |
CN105683977A (zh) * | 2013-11-01 | 2016-06-15 | 皇家飞利浦有限公司 | 治疗设备的使用的患者反馈 |
CN105683977B (zh) * | 2013-11-01 | 2019-04-05 | 皇家飞利浦有限公司 | 治疗设备的使用的患者反馈系统、方法和计算机存储介质 |
CN105873499A (zh) * | 2013-11-04 | 2016-08-17 | 心脏起搏器股份公司 | 心力衰竭检测和风险分层系统 |
CN109069060B (zh) * | 2016-04-01 | 2021-04-27 | 心脏起搏器股份公司 | 用于检测恶化的心力衰竭的系统和方法 |
CN109069060A (zh) * | 2016-04-01 | 2018-12-21 | 心脏起搏器股份公司 | 用于检测恶化的心力衰竭的系统和方法 |
US11523778B2 (en) | 2016-04-01 | 2022-12-13 | Cardiac Pacemakers, Inc. | Systems and methods for detecting worsening heart failure |
US11883209B2 (en) | 2016-04-01 | 2024-01-30 | Cardiac Pacemakers, Inc. | Systems and methods for detecting worsening heart failure |
US11890116B2 (en) | 2016-04-01 | 2024-02-06 | Cardiac Pacemakers, Inc. | Systems and methods for detecting worsening heart failure |
JP7477884B2 (ja) | 2019-03-28 | 2024-05-02 | 国立大学法人山形大学 | 生体検知装置 |
CN112244786A (zh) * | 2019-07-05 | 2021-01-22 | 希尔-罗姆服务公司 | 用于住院内科病房的生命体征监测仪 |
CN111312402A (zh) * | 2020-01-21 | 2020-06-19 | 重庆亚德科技股份有限公司 | 一种卫生应急风险评估和早期预警系统 |
Also Published As
Publication number | Publication date |
---|---|
US8768718B2 (en) | 2014-07-01 |
JP2010514497A (ja) | 2010-05-06 |
CN101573073B (zh) | 2011-04-20 |
AU2007342523B2 (en) | 2011-07-14 |
US20080162182A1 (en) | 2008-07-03 |
EP2096993A1 (en) | 2009-09-09 |
AU2007342523A1 (en) | 2008-07-17 |
WO2008085308A1 (en) | 2008-07-17 |
JP4981925B2 (ja) | 2012-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101573073B (zh) | 用于危险分层的患者间比较 | |
JP5422392B2 (ja) | 代償不全を管理する患者内アルゴリズム | |
US20180192894A1 (en) | Risk stratification based heart failure detection algorithm | |
US9022930B2 (en) | Inter-relation between within-patient decompensation detection algorithm and between-patient stratifier to manage HF patients in a more efficient manner | |
US10311533B2 (en) | Method and system to enable physician labels on a remote server and use labels to verify and improve algorithm results | |
US7606617B2 (en) | Urinalysis for the early detection of and recovery from worsening heart failure | |
US20080161651A1 (en) | Surrogate measure of patient compliance | |
US8740789B2 (en) | Automatic etiology sequencing system and method | |
US20070106129A1 (en) | Dietary monitoring system for comprehensive patient management | |
US20060122863A1 (en) | Patient management network | |
US20060122864A1 (en) | Patient management network | |
US20220265219A1 (en) | Neural network based worsening heart failure detection | |
CN114388089A (zh) | 一种基于人工智能的个人健康管理方法及系统 | |
US20240013910A1 (en) | Method for Supporting a Patient's Health Control and Respective System | |
De Lazzari et al. | Telecardiology in Italy: Current realizations and future prospects |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110420 Termination date: 20171217 |