CN102687152A - Copd恶化预测系统和方法 - Google Patents

Copd恶化预测系统和方法 Download PDF

Info

Publication number
CN102687152A
CN102687152A CN2010800579777A CN201080057977A CN102687152A CN 102687152 A CN102687152 A CN 102687152A CN 2010800579777 A CN2010800579777 A CN 2010800579777A CN 201080057977 A CN201080057977 A CN 201080057977A CN 102687152 A CN102687152 A CN 102687152A
Authority
CN
China
Prior art keywords
data
patient
variation
body movement
preassigned
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
Application number
CN2010800579777A
Other languages
English (en)
Other versions
CN102687152B (zh
Inventor
A·O·M·昌
M·阿塔克胡拉米
G·G·G·莫伦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN102687152A publication Critical patent/CN102687152A/zh
Application granted granted Critical
Publication of CN102687152B publication Critical patent/CN102687152B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H50/20—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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

提供了一种用于预测COPD患者的恶化的发作的计算机实施的方法。该方法包括在一时间段期间测量患者的身体活动以收集身体活动数据；在该时间段期间测量患者的呼吸特征以收集呼吸数据；以及在一个或多个计算机处理器上执行一个或多个计算机程序模块以基于预定标准检测恶化的发作，其中该预定标准包括将呼吸数据的变化和身体活动数据的变化进行比较。

Description

COPD恶化预测系统和方法
本专利申请依据35U.S.C.§119（e）要求享有2009年12月19日提交的美国临时申请No.61/288271的优先权，在此通过引用将其内容并入本文。
技术领域
本发明涉及一种用于预测患有COPD的患者的恶化的发作的方法和系统。
背景技术
慢性阻塞性肺病（COPD）是以气道炎症为特征的呼吸疾病。COPD的特征在于不完全可逆的气流限制。气流限制既是渐进性的，又与肺部对有毒颗粒或气体的异常炎症性响应相关联。COPD的症状可以包括咳嗽、哮喘和产生粘液，可以按照分泌物的体积和颜色来以某种程度观察严重程度。
恶化（exacerbation）是COPD症状的加重。恶化可能与不同程度的生理退化相关联。恶化可能被测量为一秒内测量的用力呼气容积（FEV1）的减小。恶化的特征可以在于增加的咳嗽、呼吸困难（即气短）和产生痰液。恶化的主要症状是呼吸困难（即气短）加重，而主要反应是缺少能量，这转而可以转化成身体活动水平的减小。
恶化通常是由病毒或细菌感染引起的，并且常常可能导致COPD患者住院治疗。在冬季，由于患者身体的冷应力，恶化的频率增加。这可能是由于如下因素的组合所致：a）面部皮肤和气道降温，导致支气管收缩，和b）体温调节系统随着年龄变得更没有效率，从而使得COPD患者更易受呼吸感染影响。恶化不仅限制日常活动的执行，而且显著降低COPD患者的与健康相关的生活质量。高频率的恶化与存活的不良预后链接。而且，恶化常常可能导致住院治疗，这是COPD患者的总体健康护理花费的主要决定因素。
由于发生恶化时造成的损伤，希望预测恶化的可能发作，并且发起防止恶化发生和/或在早期治疗症状的治疗，由此减小恶化引起的损伤。此外，减少并最重要地防止恶化可以帮助COPD患者过上改善的生活质量，可以降低COPD患者的健康护理成本。
在临床试验中使用问卷以确认恶化的发生。用于确认恶化的问卷可以包括每周的问卷。每周的问卷被设计地更加全面，不过，症状的跟踪较不频繁，于是使用这些每周的问卷存在对识别恶化的延迟。典型地，全科医生或住院医生将确认患者是否恶化。
发明内容
本发明的一个方面提供了一种用于预测COPD患者的恶化的发作的计算机实施的方法。该方法包括测量患者在一时间段期间的身体活动以收集身体活动数据；测量患者在该时间段期间的呼吸特征以收集呼吸数据；以及在一个或多个计算机处理器上执行一个或多个计算机程序模块以基于预定标准检测恶化的发作。该预定标准包括将呼吸数据的变化和身体活动数据的变化进行比较。
本发明的另一个方面提供了一种用于预测COPD患者的恶化的发作的系统。该系统包括至少一个传感器和至少一个处理器。该传感器被配置为a）测量患者在一时间段期间的身体活动以收集身体活动数据，b）测量患者在该时间段期间的呼吸特征以收集呼吸数据。该处理器被配置成基于预定标准检测恶化的发作。该预定标准包括将呼吸数据的变化和身体活动数据的变化进行比较。
本发明的另一个方面提供了一种用于预测COPD患者的恶化的发作的计算机实施的方法。该方法包括测量患者在一时间段期间的身体活动以收集身体活动数据；测量患者在该时间段期间的呼吸特征以收集呼吸数据；测量患者在该时间段期间的心率以收集心率数据；以及在一个或多个计算机处理器上执行一个或多个计算机程序模块以基于预定标准检测恶化的发作。预定标准包括呼吸数据的变化和心率的变化与身体活动数据的变化进行比较。
本发明的另一个方面提供了一种用于预测COPD患者的恶化的发作的系统。该系统包括至少一个传感器和至少一个处理器处理设备。该传感器被配置成a）测量患者在一时间段期间的身体活动以收集身体活动数据；b）测量患者在该时间段期间的呼吸特征以收集呼吸数据；以及c）测量患者在该时间段期间的心率以收集心率数据。该处理器被配置成基于预定标准检测恶化的发作。该预定标准包括将呼吸数据的变化和心率的变化与身体活动数据的变化进行比较。
本发明的另一个方面提供了一种用于预测COPD患者的恶化的发作的系统。该系统包括用于测量患者在一时间段期间的身体活动以收集身体活动数据的模块；用于测量患者在该时间段期间的呼吸特征以收集呼吸数据的模块；以及用于基于预定标准检测恶化的发作的模块，其中该预定标准包括将呼吸数据的变化和身体活动数据的变化进行比较。
本发明的另一个方面提供了一种用于预测COPD患者的恶化的发作的系统。该系统包括用于测量患者在一时间段期间的身体活动以收集身体活动数据的模块；用于测量患者在该时间段期间的呼吸特征以收集呼吸数据的模块；用于测量患者在该时间段期间的心率以收集心率数据的模块；以及用于基于预定标准检测恶化的发作的模块，其中预定标准包括对呼吸数据的变化和心率的变化与身体活动数据的变化进行比较。
附图说明
参考附图考虑以下描述和所附权利要求之后，本发明的这些和其他方面、以及相关结构元件的操作方法和功能、以及各部分的组合和制造的经济性将变得更加清楚，所有附图都形成本说明书的一部分，其中类似的附图标记表示各幅图中的对应部分。然而，应当清楚地理解，附图仅仅用于例示和描述，并非意在作为对本发明限度的定义。还应当认识到，可以在本文公开的其他实施例中使用本文公开的一个实施例的特征。如在说明书和权利要求中所使用的那样，单数形式的“一个”“一种”和“该”包括多个指示物，除非上文明确地另外声明。
图1是示出了根据本发明的实施例的一种用于预测患者的恶化的发作的方法的流程图；
图2示出了根据本发明的实施例的一种用于预测患者的恶化的发作的系统；
图3示出了根据本发明的另一实施例的一种用于预测患者的恶化的发作的系统；
图4示出了图形表示，该图形表示提供了根据本发明实施例的在身体活动和呼吸特征（例如呼吸率）之间的示例性相关性；
图5示出了根据本发明的另一实施例的对加速度计的放置；以及
图6示出了根据本发明的另一实施例的一种使用单个传感器来预测患者的恶化的发作的系统。
具体实施方式
图1是示出了根据本发明的实施例的一种用于预测COPD患者的恶化的发作的计算机实施的方法100的流程图。在包括一个或多个处理器206（如图2中所示出并且关于图2所解释的那样）、306（如图3中所示出并且关于图3所解释的那样）或606（如图6中所示出并且关于图6所解释的那样）的计算机系统中实施方法100，该一个或多个处理器206、306或606被配置成执行一个或多个计算机程序模块。在一个实施例中处理器206（如图2中所示出并且关于图2所解释的那样）、306（如图3中所示出并且关于图3所解释的那样）或606（如图6中所示出并且关于图6所解释的那样）每个中均可以包括一个或多个处理器。
方法100开始于步骤102。在步骤104，在一时间段期间测量患者的身体活动以收集身体活动数据。使用活动监测器在一时间段期间测量患者的身体活动，该活动监测器例如是传感器202（如图2中所示出并且关于图2所解释的那样）、传感器302（如图3中所示出并且关于图3所解释的那样）或传感器602（如图6中所示出并且关于图6所解释的那样）。该时间段可以包括一天、一周、一个月或其他任何希望的时间段。
在步骤106，在该时间段期间测量患者的呼吸特征以收集呼吸数据。患者的呼吸特征可以包括呼吸率或呼吸模式。使用呼吸传感器在该时间段期间测量患者的呼吸率，该呼吸传感器例如是传感器204（如图2中所示出并且关于图2所解释的那样）、传感器304（如图3中所示出并且关于图3所解释的那样）或传感器602（如图6中所示出并且关于图6所解释的那样）。呼吸率通常表示患者每分钟进行呼吸的次数。
在步骤108，在该时间段期间测量患者的心率以收集心率数据。使用心率传感器在该时间段期间测量患者的心率，该心率传感器例如是传感器602（如图6中所示并参考其解释）。
在一个实施例中，可以使用独立的传感器来测量（即，在该时间段期间）患者的身体活动、呼吸特征和心率中的每个。在另一个实施例中，如图6所示，可以使用单个传感器（例如传感器602）测量（即在该时间段期间）患者的身体活动、呼吸特征和心率。
在步骤110，将处理器206（如图2中所示并且关于图2所解释的那样）、306（如图3中所示出并且关于图3所解释的那样）或606（如图6中所示出并且关于图6所解释的那样）配置为以基于预定标准来检测恶化的发作。
在一个实施例中，如关于图2和图3所解释的那样，预定标准包括在该时间段期间将呼吸数据的变化和身体活动数据的变化进行比较。呼吸数据的变化指示呼吸率的增加，并且身体活动数据的变化指示身体活动的减少。
在另一个实施例中，如关于图6所解释的那样，预定标准包括在该时间段期间将呼吸数据的变化和心率数据的变化与身体活动数据的变化进行比较。呼吸数据的变化指示呼吸率的增加，心率数据的变化指示心率数据的增加，并且身体活动数据的变化指示身体活动的减少。
呼吸特征（例如呼吸率模式）可以提供对呼吸困难（即气短）加重的指示，因为由于呼吸困难增加，呼吸困难增加常常随后是快速的呼吸率。在一个实施例中，方法100被配置成对身体活动数据的趋势和患者的呼吸率的趋势进行监测和分析，以检测活动水平的减小连同呼吸率的增加，来用于预测恶化的发作。换言之，呼吸率随着时间增加与活动水平的减小结合在一起可以指示呼吸困难的加重和活动的缺乏，呼吸困难的加重和活动的缺乏两者都是针对恶化发作的有力预测器。
在另一个实施例中，方法100被配置成对身体活动数据的趋势和患者呼吸率的趋势进行监测和分析以检测在恒定活动水平或活动水平减小的情况下呼吸率的增加，以用于预测恶化的发作。换言之，呼吸率随着时间的增加与恒定的活动水平或活动水平的减小结合在一起可以指示呼吸困难的加重，呼吸困难的加重是针对恶化发作的有力预测器。
在另一个实施例中，方法100被配置成检测在恒定的活动水平或者活动水平从基准活动水平值的减小的情况下呼吸率从基准呼吸率值的增加，来用于预测恶化的发作。在一个实施例中，基准呼吸率值是针对低、中和高活动水平来测量的呼吸率值。
在另一个实施例中，方法100被配置成对身体活动数据的趋势、心率数据的趋势和患者呼吸率的趋势进行监测和分析，以检测身体活动的减少连同呼吸率和心率的增加，来用于预测恶化的发作。换言之，呼吸率和心率随着时间的增加与身体活动的减少结合在一起可以指示呼吸困难的加重和活动的缺乏，呼吸困难的加重和活动的缺乏两者都是针对恶化发作的有力预测器。
在另一个实施例中，方法100被配置成监测和分析患者身体活动数据趋势、心率数据的趋势和患者呼吸率趋势以检测在恒定的活动水平的情况下的呼吸率和心率的增加，来用于预测恶化的发作。换言之，呼吸率和心率随着时间的增加与恒定的活动水平或活动水平的减小结合在一起可以指示呼吸困难的加重，呼吸困难的加重是针对恶化发作的有力预测器。
在另一个实施例中，方法100被配置成检测在恒定的活动水平或活动水平从基准活动水平减小的情况下呼吸率从基准呼吸率值的增加或心率从基准心率值的增加，来用于预测恶化的发作。在一个实施例中，如上所述，基准呼吸率值是针对低、中和高活动水平测量的呼吸率值。在一个实施例中，基准心率值是针对低、中和高活动水平测量的心率值。
当满足预定标准时，然后方法100前进到步骤112。如果不满足预定标准，那么方法100返回到步骤104，其中继续对患者的身体活动的测量以在该时间段期间收集身体活动数据。
在步骤112，可以由警报设备产生警报指示或警告，该警报设备例如是警报设备208（如图2所示）、警报设备308和警报设备310（如图3所示）或警报设备608（如图6所示）。可以产生警报指示以指示检测到恶化的发作。然后可以将在步骤112产生的警报指示发送给患者（如图2的系统200所示）和/或健康护理提供者（如图3的系统300所示）。产生的警报指示可以提示患者采取适当的行动，例如采取药物处理步骤或介入步骤。在一个实施例中，介入步骤可以包括肺康复（包括戒烟）。方法100在步骤114结束。
在一个实施例中，可以由一个或多个计算机程序模块执行步骤102-114，可以由一个或多个处理器206（如图2中所示并且关于图2所解释的那样）、306（如图3中所示并且关于图3所解释的那样）或606（如图6中所示并且关于图6所解释的那样）执行该一个或多个计算机程序模块。
图2中示出了根据本发明的实施例的用于预测患者的恶化的发作的系统200。在一个实施例中，可以由患者在患者的家庭环境中使用本发明的系统200。
系统200可以包括活动监测器202、呼吸传感器204、处理器206和警报设备208。在一个实施例中，基于获得的测量结果（即来自呼吸传感器204的所监测的呼吸率和/或来自活动监测器202的所监测的活动水平），使用记分卡将患者划分到安全类别、危险类别或需要行动类别。
在一个实施例中，处理器206中可以包括一个或多个处理器。在一个实施例中，处理器206可以是计算机系统的一部分或形成计算机系统。
活动监测器202被配置成检测患者的身体运动，使得来自活动监测器的信号与患者的身体活动水平相关。在一个实施例中，活动监测器202可以包括加速度计。在一个实施例中，加速度计可以是三轴加速度计。这样的加速度计可以包括感测元件，感测元件被配置成确定至少三个轴中的加速度数据。例如，在一个实施例中，三轴加速度计可以是从STMicroelectronics可获得的三轴加速度计（即，制造商零件号：LIS3L02AQ）。
在一个实施例中，可以以每分钟任意加速度单位（AAU）来表示加速度计的输出。AAU可以与总能量消耗（TEE）、活动相关的能量消耗（AEE）和身体活动水平（PAL）相关。
在另一个实施例中，活动监测器202可以是压电传感器。压电传感器可以包括对患者身体运动敏感的压电元件。
在一个实施例中，可以将活动监测器202放置在例如患者的胸廓或患者的腹部。在一个实施例中，活动监测器202可以是可佩戴绑带（例如，可以佩戴在手腕、腰、手臂或患者身体的任何其他部分上）的一部分或者可以是患者佩戴的可佩戴衣服的一部分。
在一个实施例中，被配置成测量患者的呼吸模式的呼吸率传感器204可以包括加速度计或麦克风。在一个实施例中，加速度计可以是三轴加速度计。例如，在一个实施例中，三轴加速度计可以是从STMicroelectronics可获得的三轴加速度计。
在一个实施例中，将麦克风构造并且布置为接收患者吸气的声音，以便确定患者的呼吸率。在一个实施例中，呼吸率传感器204可以是从Ardsley，NY的Ambulatory Monitoring,Inc.获得的RespibandTM。在一个实施例中，RespibandTM使用电感来测量呼吸率。
在一个实施例中，呼吸率传感器可以包括胸带和麦克风，如在美国专利No.6159147中所描述的，在此通过引用将该美国专利的内容并入本文。在这样的实施例中，例如，胸带可以放在患者胸部周围，以测量患者的呼吸率。胸带上的传感器可以测量患者胸部的运动。将来自胸带上的传感器的数据输入到应变仪并且接下来由放大器进行放大。
处理器206被配置成a）从活动监测器202接收身体活动数据，b）从呼吸监测器204接收呼吸数据，以及c）基于预定标准来分析身体活动数据和呼吸数据以检测患者的恶化的发作。如上所述，预定标准包括在一时间段期间对呼吸数据的变化和身体活动数据的变化进行比较。呼吸数据的变化指示呼吸率的增加，并且身体活动数据的变化指示身体活动的减少。
在一个实施例中，通过将患者的当前呼吸率与患者的先前呼吸率（例如一时间段之前）进行比较来确定呼吸率的增加。如上所述，该时间段可以包括一天、一周、一个月或其他任何希望的时间。
在一个实施例中，通过比较患者的当前呼吸率与基准呼吸率来确定呼吸率的增加。在一个实施例中，如上所述，针对低、中和高活动水平来测量基准呼吸率以提供基准。
在另一个实施例中，通过比较患者的当前呼吸率与患者的平均呼吸率来确定呼吸率的增加。在一个实施例中，通过计算在过去一时间段期间获取的呼吸率数据的平均值或中值来确定患者的平均呼吸率。
在一个实施例中，通过比较患者的当前身体活动与一时间段之前的患者身体活动来确定身体活动的减少。如上所述，该时间段可以包括一天、一周、一个月或其他任何希望的时间。
在另一个实施例中，通过比较患者的当前身体活动与患者的平均身体活动来确定身体活动的减少。在一个实施例中，通过计算在过去一时间段期间获取的身体活动数据的平均值或中值来确定患者的平均身体活动。
在一个实施例中，患者静止时的平均呼吸率是每分钟12-18次呼吸。在一个实施例中，当患者静止时的呼吸率增加到大于每分钟25次呼吸时检测到急性恶化。
在一个实施例中，静止时的平均心率是每分钟60-100次心跳。在一个实施例中，当心率增加到大于每分钟110次心跳时检测到急性恶化。
在一个实施例中，处理器206可以包括数据存储单元或存储器（未示出），该数据存储单元或存储器被构造和布置成存储一时间段的身体活动数据和呼吸数据。所存储的数据可以被用于进一步处理，例如，用于趋势分析和/或显示。
在预定标准被满足时，处理器206被配置成向警报设备208发送信号以产生警报指示。可以产生警报指示以指示检测到恶化的发作。
警报设备208可以包括声音产生设备和/或可视指示器。声音产生设备（如果提供了）被构造并且布置为对患者的恶化发作的检测进行响应来产生音频警报指示。可视指示器（如果提供了）被构造并且布置为对患者的恶化发作的检测进行响应来产生可视警报指示。
在一个实施例中，声音产生装置可以包括扬声器。在一个实施例中，音频警报指示可以包括，但不限于乐音、嗡嗡声、嘟嘟声、声音（例如喇叭或钟声）和/或预录制的语音消息。在一个实施例中，音频警报指示可以包括具有改变的频率或音量的乐音。在一个实施例中，音频警报指示可以包括客户可定制的乐音和警报。
在一个实施例中，可视指示器可以包括一个或多个灯、灯泡、发光二极管和/或液晶显示器。在实施例中，可以由例如连续或闪烁的灯产生可视警报指示。
在一个实施例中，警报设备208可以是活动监测器和/或呼吸传感器的一部分。在一个实施例中，警报设备208可以被放置在例如患者上以向患者提供警报指示。在另一个实施例中，警报设备208例如可以是患者家庭环境中的独立设备，以向患者提供警报指示。在这样的实施例中，可以通过网络将警报设备208连接到处理器206。而且，在这样的实施例中，警报设备208可以被配置成通过有线网络或无线网络向患者的个人手持装置发送信号或警报指示，该个人手持装置例如是蜂窝电话、PDA或其他个人电子设备。
产生的警报指示可以提示患者采取适当的行动，例如采取药物处理步骤或介入步骤（例如戒烟）。在一个实施例中，还可以预期的是，也可以将系统200配置成通过网络（例如有线的或无线的）向健康护理提供者发送警报指示，使得健康护理提供者例如可以规定患者需要采取的适当药物处理或行动。
图3示出了根据本发明的另一实施例的用于预测患者的恶化的发作的系统300。系统300包括活动监测器302、呼吸传感器304、处理器306、数据存储设备312、第一警报设备308和第二警报设备310。除了以下方面之外，系统300与图2所描述的系统200类似。
在一个实施例中，处理器306中可以包括一个或多个处理器。在一个实施例中，处理器306可以是计算机系统的一部分或形成计算机系统。
活动监测器302和呼吸传感器304可以包括发射单元（未示出），发射单元被配置成经由网络314向位于远程位置的数据存储设备312发送身体活动数据和呼吸数据。例如，网络314可以包括有线连接或无线连接。
在一个实施例中，数据存储单元中存储的身体活动数据和呼吸数据可以被用于进一步处理，例如，用于趋势分析和/或显示。在这样的实施例中，可以自动地（例如以周期性间隔）或根据命令下载数据存储单元中存储的身体活动数据和呼吸数据并且将其呈现给健康护理提供者以提供患者在一时间段期间的身体活动数据和呼吸数据的趋势。在这样的实施例中，系统300可以包括用户接口，用户接口与处理器306通信。用户接口被配置成发送（并且显示）系统300的输出。
处理器306被配置成a）从数据存储设备312接收身体活动数据，b）从数据存储设备312接收呼吸数据；以及c）基于预定标准分析身体活动数据和呼吸数据以检测患者的恶化的发作。如上所述，预定标准包括比较在一时间段期间呼吸数据的变化和身体活动数据的变化。呼吸数据的变化指示呼吸率的增加，并且身体活动数据的变化指示身体活动的减少。
在所示出的实施例中，数据存储设备312和处理单元306位于远程位置。在另一个实施例中，预期的是，系统300的处理器306和数据存储设备312可以位于健康护理提供者的位置而不是远程位置。
在预定标准被满足时，处理器306通过网络314向位于患者家庭环境中的第一警报设备308和/或向位于健康护理提供者位置的第二警报设备310发送信号。第一警报设备308和第二警报设备310被配置成产生警报指示以指示检测到恶化的发作。
第一警报设备308产生的警报指示可以提示患者采取适当的行动，例如采取适当的药物处理步骤或介入步骤（例如戒烟）。此外，第二警报设备310产生的警报指示可以提示健康护理提供者采取适当的行动，例如提供适当的药物处理步骤或介入步骤。
图4示出了图形表示，该图形表示提供了根据本发明的实施例的身体活动与呼吸特征（例如呼吸率）之间的示例性相关性。可以由处理器206、处理器306或处理器606使用这样的相关性来检测恶化的发作。
例如，为期一天采集身体活动与呼吸特征（例如呼吸率）之间的示例性相关性。该图在水平的x轴上示出了以任意单位表示的身体活动。在垂直的y轴上，该图示出了以呼吸/分钟表示的呼吸率。
该图形表示包括针对稳定患者的身体活动数据和呼吸数据，以及针对具有即将发生的恶化的患者的身体活动数据和呼吸数据。曲率A是从对针对稳定患者的身体活动数据和呼吸数据的多项式拟合获得的，并且曲率B是从对针对具有即将发生的恶化的患者的身体活动数据和呼吸数据的多项式拟合获得的。使用多项式拟合函数（即，本领域公知的）来获得曲率A和曲率B。参考曲率B，可以看到在恶化的早期身体活动水平减小并且呼吸率增加。
图6示出了根据本发明的另一实施例的使用单个传感器来用于预测患者的恶化的发作的系统600。在一个实施例中，系统600的处理器606中可以包括一个或多个处理器。在一个实施例中，处理器606可以是计算机系统的一部分或形成计算机系统。
系统600被配置成通过分析一时间段期间（例如一天的时间内）所客观评估的身体活动、呼吸特征和心率以及这些生理参数之间的相关性来预测患者的恶化的发作。在一个实施例中，使用加速度计（或上述其他传感器之一）实现该客观评估。
如上所述，图4中的图形表示提供了身体活动与呼吸特征（例如呼吸率）之间的示例性相关性。在一个实施例中，可以以几种方式分析数据（如图4所示）以检测恶化。在一个实施例中，明确地分析呼吸率与活动水平之间的相关性（如图4所示）。换言之，呼吸率与活动水平之间的相关性将对应于图4中曲线的斜率（其最终限于活动水平的预定范围）。可以预期，可以在心率与身体活动之间或呼吸率与心率之间做出与图4中所示的相关性分析相类似的相关性分析。处理器606可以使用这样的相关性来检测恶化的发作。
在一个实施例中，其他参数可以使能对恶化的检测（即，除上面讨论的相关性之外）。这些参数可以包括在诸如睡眠之类的低活动时间段期间测量的静息心率（HR）或呼吸率（RR）；和/或白天时间期间的中值活动水平/平均活动水平/最大活动水平。
系统600可以包括传感器602、处理器606、警报设备608。在一个实施例中，传感器602可以是加速度计。在一个实施例中，加速度计可以是三轴加速度计。这样的加速度计可以包括感测元件，感测元件被配置成确定至少三个轴中的加速度数据。例如，在一个实施例中，三轴加速度计可以是从STMicroelectronics可获得的三轴加速度计（即，制造商零件号：LIS3L02AQ）。
在一个实施例中，可以将传感器602放置在例如患者的胸廓或患者的腹部。在一个实施例中，如图5所示，将加速度计放置在较低肋骨处，大致在中央位置和侧卧位之间的一半。图5中所示的加速度计的放置允许监测呼吸特征和心率两者以及身体活动。在另一个实施例中，可以放置传感器602，使得该传感器密切接近患者身体的至少一部分。在一个实施例中，传感器602可以是可佩戴绑带（例如，可以佩戴在手腕、腰、手臂或患者身体的任何其他部分上）的一部分或者可以是患者佩戴的可佩戴衣服的一部分。
处理器606被配置成1）在一时间段期间连续接收至少该轴中的加速度数据，2）根据加速度计数据确定呼吸率数据和心率数据，3）确定与呼吸率数据和心率数据中的每个相关联的身体活动数据，以及4）基于预定标准分析身体活动数据、心率数据和呼吸数据以检测患者的恶化的发作。
在一个实施例中，预定标准包括将在一时间段期间的呼吸数据和心率数据的变化与身体活动数据的变化进行比较。呼吸数据的变化指示呼吸率的增加，心率数据的变化指示心率数据增加，而身体活动数据的变化指示身体活动的减少。
在一个实施例中，该时间段可以是一天时间。如上所述，该时间段可以包括一天、一周、一个月或其他任何希望的时间。在一个实施例中，如在系统200中所述的那样确定呼吸率的增加和身体活动的减少。在一个实施例中，通过比较患者的当前心率与患者的先前心率（例如一时间段之前）来确定心率的增加。如上所述，该时间段可以包括一天、一周、一个月或其他任何希望的时间。
在另一个实施例中，通过比较患者的当前心率与患者的平均心率来确定心率的增加。在一个实施例中，通过计算在过去一时间段期间采集的心率数据的平均值或中值来确定患者的平均心率。
在一个实施例中，通过将患者的当前心率与根据活动水平的基准心率进行比较来确定心率的增加。如上所述，在一个实施例中，可以针对低、中和高活动水平来测量基准心率以提供参照。
在一个实施例中，可以在一时间段（即一天期间）内间歇性地确定呼吸率。在一个实施例中，在静止和预定活动水平期间（例如超过2分钟的适度步行）测量呼吸率。
在一个实施例中，可以使用分割算法来根据加速度计数据确定呼吸率和心率。将分割算法配置成选择可以确定呼吸率和心率的时间段。
在一个实施例中，数据的分割可能是必要的，因为不可能总是能够利用加速度计（和/或其他传感器）在身体活动期间可靠地确定呼吸率和/或心率。在一个实施例中，分割算法用于自动识别能够可靠地确定呼吸率和/或心率的时间段。在一个实施例中，因为呼吸率和/或心率在活动之后并不立即返回基准值，所以这不是该方法的问题。
在一个实施例中，大约20-30秒的良好呼吸率数据足以可靠地确定呼吸率。在一个实施例中，大约20-30秒的良好心率数据足以可靠地确定心率。
在一个实施例中，然后可以将与该呼吸率和/或该心率值相关联的身体活动在最后5分钟或15分钟时间段进行平均，而不是仅仅在计算呼吸率和/或心率期间的20-30秒。在一个实施例中，已经可靠地确定了呼吸率和心率的时刻前的15分钟内的身体活动。
在一个实施例中，处理器606可以包括数据存储单元或存储器（未示出），该数据存储单元或存储器被构造和布置成存储一时间段期间的身体活动数据、心率和呼吸数据。存储的数据可用于进一步处理，例如，用于趋势分析和/或显示。
在预定标准被满足时，处理器606被配置成向警报设备608发送信号以产生警报指示。可以产生警报指示以指示检测到恶化的发作。警报设备608类似于警报设备208（如图2所示）或警报设备308和警报设备310（如图3所示），并且因此这里将不详细解释警报设备608。
除了预测患者的恶化的发作之外，可以将系统600用于其他环境中，其中，同时评估身体活动、呼吸率和心率可以提供对患者疾病状态的更好诊断，例如，针对哮喘患者。
在一个实施例中，仅使用活动监测器通过活动水平随时间的减少来预料恶化。在这样的实施例中，使用问卷来评估呼吸困难。换言之，除了活动监测之外还使用问卷，因为活动水平的减小（或恒定的活动水平）与呼吸困难的增加相结合，提供了关于恶化发作的信息。
在一个实施例中，仅使用呼吸率监测器通过呼吸率随时间的增加来预料恶化。在一个实施例中，将呼吸率的趋势与基准呼吸率测量值进行比较，以提供对构成呼吸率显著增加并且因此气喘增加的内容的指示。在这样的实施例中，该增加也应该在预定长度时间内保持相对恒定。
在一个实施例中，可以使用采集的测量值（即一时间段期间的身体活动数据、一时间段期间的心率数据和/或一时间段期间的呼吸数据）来计算诸如恶化风险分数之类的单个值。可以在早期警告评分系统（例如由快速响应团队使用的）中使用恶化风险分数。例如，可以在早期警报系统中连同其他已知的针对恶化的风险因素（例如脉搏率）一起，使用恶化风险分数。
在一个实施例中，系统200、300和600均可以包括单个处理器，以基于预定标准检测恶化的发作，其中预定标准包括比较呼吸数据的变化和身体活动数据的变化。在另一个实施例中，系统200、300和600均可以包括多个处理器，其中每个处理器都被配置成执行特定功能或操作。在这样的实施例中，多个处理器可以被配置成基于预定标准来检测恶化的发作，其中预定标准包括比较呼吸数据的变化和身体活动数据的变化。
在一个实施例中，提供了一种用于预测患者的恶化的发作的系统。该系统包括：用于测量患者在一时间段期间的身体活动以收集身体活动数据的模块；用于测量患者在该时间段期间的呼吸特征以收集呼吸数据的模块；以及用于基于预定标准检测恶化的发作的模块，其中该预定标准包括比较呼吸数据的变化和身体活动数据的变化。
在一个实施例中，提供了一种用于预测患者的恶化的发作的系统。该系统包括：用于测量患者在一时间段期间的身体活动以收集身体活动数据的模块；用于测量患者在该时间段期间的呼吸特征以收集呼吸数据的模块；用于测量患者在该时间段期间的心率以收集心率数据的模块；以及用于基于预定标准检测恶化的发作的模块，其中该预定标准包括将呼吸数据的变化和心率的变化与身体活动数据的变化进行比较。
本发明的实施例，例如处理器可以实现于硬件、固件、软件或其各种组合中。也可以将本发明实施为机器可读介质上存储的指令，可以使用一个或多个处理器读取并执行该指令。在一个实施例中，机器可读介质可以包括用于以可以由机器（例如计算设备）读取的形式存储和/或传输信息的各种机构。例如，机器可读存储介质可以包括只读存储器、随机存取存储器、磁盘存储介质、光存储介质、闪速存储设备和用于存储信息的其他介质，并且机器可读传输介质可以包括传播信号的形式，包括载波、红外信号、数字信号和用于传输信息的其他介质。尽管可能在执行特定动作的具体示例性方面和实施例的方面的以上公开中描述了固件、软件、例程或指令，但应当清楚的是，这样的描述仅仅是为了方便，这样的动作实际上来自执行固件、软件、例程或指令的计算设备、处理设备、处理器、控制器或其他设备或机器。
尽管已经出于例示的目的详细描述了本发明，但要理解，这样的细节仅仅是为了该目的，并且本发明不限于公开的实施例，而是相反，意在涵盖在所附权利要求的精神和范围之内的修改和等价布置。此外，要理解，本发明预期了，尽可能地，可以将任何实施例的一个或多个特征与任何其他实施例的一个或多个特征进行组合。

Claims (45)

1.一种用于预测COPD患者的恶化的发作的计算机实施的方法，所述方法包括：
测量所述患者在一时间段期间的身体活动以收集身体活动数据；
测量所述患者在所述时间段期间的呼吸特征以收集呼吸数据；以及
在计算机处理器（206、306或606）上执行计算机程序模块以基于预定标准检测所述恶化的所述发作，其中所述预定标准包括将所述呼吸数据的变化与所述身体活动数据的变化进行比较。
2.根据权利要求1所述的方法，其中，所述预定标准包括在一时间段期间将所述呼吸数据的所述变化与所述身体活动数据的所述变化进行比较。
3.根据权利要求1所述的方法，其中，所述呼吸数据的所述变化指示所述呼吸率的增加。
4.根据权利要求1所述的方法，其中，所述身体活动数据的所述变化指示所述身体活动的减少。
5.根据权利要求1所述的方法，还包括在所述预定标准被满足时向所述患者产生警报指示。
6.根据权利要求1所述的方法，其中，使用加速度计或压电传感器来测量所述患者的所述身体活动。
7.根据权利要求1所述的方法，其中，所述患者的所述呼吸特征是呼吸率或呼吸模式。
8.根据权利要求7所述的方法，其中，使用加速度计或麦克风来测量所述患者的所述呼吸率。
9.一种用于预测COPD患者的恶化的发作的系统（200、300和600），所述系统包括：
(a)传感器（202，204，302，304，602），其被配置为
(1)测量所述患者在一时间段期间的身体活动以收集身体活动数据，并且
(2)测量所述患者在所述时间段期间的呼吸特征以收集呼吸数据；以及
(b)处理器（206、306或606），其被配置为基于预定标准来检测所述恶化的所述发作，其中所述预定标准包括将所述呼吸数据的变化与所述身体活动数据的变化进行比较。
10.根据权利要求9所述的系统，其中，所述预定标准包括在所述时间段期间将所述呼吸数据的所述变化与所述身体活动数据的所述变化进行比较。
11.根据权利要求9所述的系统，其中，所述呼吸数据的所述变化指示所述呼吸率的增加。
12.根据权利要求9所述的系统，其中，所述身体活动数据的所述变化指示所述身体活动的减少。
13.根据权利要求9所述的系统，还包括警报，所述警报被配置为当所述预定标准被满足时向所述患者产生警报指示。
14.根据权利要求9所述的系统，其中，使用加速度计或压电传感器来测量所述患者的所述身体活动。
15.根据权利要求9所述的系统，其中，所述患者的所述呼吸特征是呼吸率或呼吸模式。
16.根据权利要求15所述的系统，其中，使用加速度计或麦克风来测量所述患者的所述呼吸率。
17.一种用于预测COPD患者的恶化的发作的计算机实施的方法，所述方法包括：
测量所述患者在一时间段期间的身体活动以收集身体活动数据；
测量所述患者在所述时间段期间的呼吸特征以收集呼吸数据；
测量所述患者在所述时间段期间的心率以收集心率数据；并且
在计算机处理器上执行计算机程序模块以基于预定标准检测所述恶化的所述发作，其中所述预定标准包括将所述呼吸数据的变化和所述心率数据的变化与所述身体活动数据的变化进行比较。
18.根据权利要求17所述的方法，其中，所述预定标准包括在一时间段期间将所述呼吸数据的所述变化和所述心率数据的所述变化与所述身体活动数据的所述变化进行比较。
19.根据权利要求17所述的方法，其中，所述呼吸数据的所述变化指示所述呼吸率的增加。
20.根据权利要求17所述的方法，其中，所述身体活动数据的所述变化指示所述身体活动的减少。
21.根据权利要求17所述的方法，其中，所述心率数据的所述变化指示所述心率的增加。
22.根据权利要求17所述的方法，还包括当所述预定标准被满足时向所述患者产生警报指示。
23.根据权利要求17所述的方法，其中，使用加速度计来测量所述患者的所述身体活动、所述患者的所述呼吸特征和所述患者的所述心率。
24.一种用于预测患者的恶化的发作的系统（200、300和600），所述系统包括：
(a)传感器（202、204、302、304、602），其被配置为
(1)测量所述患者在一时间段期间的身体活动以收集身体活动数据；
(2)测量所述患者在所述时间段期间的呼吸特征以收集呼吸数据；并且
(3)测量所述患者在所述时间段期间的心率以收集心率数据；以及
(b)处理器（206、306或606），其被配置为基于预定标准检测所述恶化的所述发作，其中所述预定标准包括将所述呼吸数据的变化和所述心率数据的变化与所述身体活动数据的变化进行比较。
25.根据权利要求24所述的系统，其中，所述预定标准包括在所述时间段期间将所述呼吸数据的所述变化和所述心率数据的所述变化与所述身体活动数据的所述变化进行比较。
26.根据权利要求24所述的系统，其中，所述呼吸数据的所述变化指示所述呼吸率的增加。
27.根据权利要求24所述的系统，其中，所述身体活动数据的所述变化指示所述身体活动的减少。
28.根据权利要求24所述的系统，其中，所述心率数据的变化指示所述心率的增加。
29.根据权利要求24所述的系统，还包括当所述预定标准被满足时向所述患者产生警报指示。
30.根据权利要求24所述的系统，其中，使用加速度计来测量所述患者的所述身体活动、所述患者的所述呼吸特征和所述患者的所述心率。
31.一种用于预测患者的恶化的发作的系统（200、300和600），所述系统包括：
用于测量所述患者在一时间段期间的身体活动以收集身体活动数据的模块；
用于测量所述患者在所述时间段期间的呼吸特征以收集呼吸数据的模块；以及
用于基于预定标准检测所述恶化的所述发作的模块，其中所述预定标准包括将所述呼吸数据的变化与所述身体活动数据的变化进行比较。
32.根据权利要求31所述的系统，其中，所述预定标准包括在所述时间段期间将所述呼吸数据的所述变化与所述身体活动数据的所述变化进行比较。
33.根据权利要求31所述的系统，其中，所述呼吸数据的所述变化指示所述呼吸率的增加。
34.根据权利要求31所述的系统，其中，所述身体活动数据的所述变化指示所述身体活动的减少。
35.根据权利要求31所述的系统，还包括用于当所述预定标准被满足时向所述患者产生警报指示的模块。
36.根据权利要求31所述的系统，其中，使用加速度计或压电传感器来测量所述患者的所述身体活动。
37.根据权利要求31所述的系统，其中，所述患者的所述呼吸特征是呼吸率或呼吸模式。
38.根据权利要求31所述的系统，其中，使用加速度计或麦克风来测量所述患者的所述呼吸率。
39.一种用于预测患者的恶化的发作的系统（200、300和600），所述系统包括：
用于测量所述患者在一时间段期间的身体活动以收集身体活动数据的模块；
用于测量所述患者在所述时间段期间的呼吸特征以收集呼吸数据的模块；
用于测量所述患者在一时间段期间的心率以收集心率数据的模块；以及
用于基于预定标准检测所述恶化的所述发作的模块，其中所述预定标准包括将所述呼吸数据的变化和所述心率的变化与所述身体活动数据的变化进行比较。
40.根据权利要求39所述的系统，其中，所述预定标准包括在所述时间段期间将所述呼吸数据的所述变化和所述心率数据的所述变化与所述身体活动数据的所述变化进行比较。
41.根据权利要求39所述的系统，其中，所述呼吸数据的所述变化指示所述呼吸率的增加。
42.根据权利要求39所述的系统，其中，所述身体活动数据的所述变化指示所述身体活动的减少。
43.根据权利要求39所述的系统，其中，所述心率数据的所述变化指示所述心率的增加。
44.根据权利要求39所述的系统，还包括用于当所述预定标准被满足时向所述患者产生警报指示的模块。
45.根据权利要求39所述的系统，其中，使用加速度计来测量所述患者的所述身体活动、所述患者的所述呼吸特征和所述患者的所述心率。
CN201080057977.7A 2009-12-19 2010-11-17 Copd恶化预测系统 Expired - Fee Related CN102687152B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US28827109P 2009-12-19 2009-12-19
US61/288,271 2009-12-19
PCT/IB2010/055220 WO2011073815A2 (en) 2009-12-19 2010-11-17 Copd exacerbation prediction system and method

Publications (2)

Publication Number Publication Date
CN102687152A true CN102687152A (zh) 2012-09-19
CN102687152B CN102687152B (zh) 2017-03-22

Family

ID=44012625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080057977.7A Expired - Fee Related CN102687152B (zh) 2009-12-19 2010-11-17 Copd恶化预测系统

Country Status (5)

Country Link
US (1) US20130030258A1 (zh)
EP (1) EP2513826A2 (zh)
JP (1) JP5916618B2 (zh)
CN (1) CN102687152B (zh)
WO (1) WO2011073815A2 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104838382A (zh) * 2012-12-03 2015-08-12 皇家飞利浦有限公司 用于对数据收集的频率和针对恶化检测算法的阈值进行优化的系统及方法
CN106714682A (zh) * 2014-06-27 2017-05-24 皇家飞利浦有限公司 用于评估加重和/或入院的风险的装置、系统、方法和计算机程序
CN106999097A (zh) * 2014-11-12 2017-08-01 皇家飞利浦有限公司 用于评估受试者中的慢性阻塞性肺疾病copd严重度的装置和方法
CN107690687A (zh) * 2015-06-03 2018-02-13 约瑟夫卡帕索应用信息实验室 慢性阻塞性支气管炎患者接近发作时的探测和早期预测系统
CN108135487A (zh) * 2015-10-08 2018-06-08 皇家飞利浦有限公司 用于获得对象的生命体征信息的设备、系统和方法
CN114007673A (zh) * 2019-04-30 2022-02-01 诺顿（沃特福特）有限公司 吸入器系统

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9629566B2 (en) * 2011-03-11 2017-04-25 Spacelabs Healthcare Llc Methods and systems to determine multi-parameter managed alarm hierarchy during patient monitoring
RU2484770C2 (ru) * 2011-08-23 2013-06-20 Государственное образовательное учреждение высшего профессионального образования "Воронежская государственная медицинская академия им. Н.Н. Бурденко" Министерства здравоохранения и социального развития Российской Федерации Способ прогнозирования частоты обострения хронической обструктивной болезни легких
US10987026B2 (en) 2013-05-30 2021-04-27 Spacelabs Healthcare Llc Capnography module with automatic switching between mainstream and sidestream monitoring
US9868495B2 (en) * 2013-12-11 2018-01-16 Safe Swim Ltd. Controllable water floatation garment
JP2017522951A (ja) 2014-06-27 2017-08-17 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 増悪及び／又は入院の危険性を評価するための装置、システム、方法及びコンピュータプログラム
JP6318047B2 (ja) * 2014-08-13 2018-04-25 日本光電工業株式会社 疾病予測装置、及びプログラム
US20180303413A1 (en) * 2015-10-20 2018-10-25 Healthymize Ltd System and method for monitoring and determining a medical condition of a user
FR3044788B1 (fr) 2015-12-03 2018-05-25 L'air Liquide, Societe Anonyme Pour L'etude Et L'exploitation Des Procedes Georges Claude Systeme de traitement de donnees pour la detection d'une crise d'exacerbation chez un patient souffrant d'une maladie respiratoire chronique traite par oxygenotherapie
CN108471988B (zh) 2016-01-14 2021-12-31 皇家飞利浦有限公司 用于监测对象内的疾病进展的装置和方法
EP3435846A1 (en) * 2016-04-01 2019-02-06 Cardiac Pacemakers, Inc. Multi-disease patient management
FR3055052B1 (fr) 2016-08-10 2020-02-21 L'air Liquide, Societe Anonyme Pour L'etude Et L'exploitation Des Procedes Georges Claude Systeme de traitement de donnees pour predire une crise d’exacerbation d’un patient atteint d’une maladie respiratoire chronique
WO2018045173A1 (en) 2016-08-31 2018-03-08 Alivecor, Inc. Devices, systems, and methods for physiology monitoring
EP3626295A4 (en) * 2017-05-18 2021-01-27 Teijin Pharma Limited EXACERBATION PREDICTION DEVICE, OXYGEN CONCENTRATION DEVICE AND EXACERBATION PREDICTION SYSTEM
GB2563205A (en) * 2017-06-01 2018-12-12 Linde Ag System and method for predicting an acute exacerbation of a patient's health condition
RU2681272C1 (ru) * 2018-10-12 2019-03-05 федеральное государственное бюджетное образовательное учреждение высшего образования "Воронежский государственный медицинский университет имени Н.Н. Бурденко" Министерства здравоохранения Российской Федерации (ФГБОУ ВО ВГМУ им. Н.Н. Бурденко Минздрава России) Способ прогнозирования обострений хронической обструктивной болезни легких у пациентов с нарушением сна
US11523766B2 (en) 2020-06-25 2022-12-13 Spacelabs Healthcare L.L.C. Systems and methods of analyzing and displaying ambulatory ECG data
US11789837B1 (en) * 2021-02-03 2023-10-17 Vignet Incorporated Adaptive data collection in clinical trials to increase the likelihood of on-time completion of a trial
US11586524B1 (en) * 2021-04-16 2023-02-21 Vignet Incorporated Assisting researchers to identify opportunities for new sub-studies in digital health research and decentralized clinical trials
US11281553B1 (en) 2021-04-16 2022-03-22 Vignet Incorporated Digital systems for enrolling participants in health research and decentralized clinical trials
USD1014517S1 (en) 2021-05-05 2024-02-13 Fisher & Paykel Healthcare Limited Display screen or portion thereof with graphical user interface
JP7368767B2 (ja) 2022-03-04 2023-10-25 ダイキン工業株式会社 増悪リスク予測システム
WO2024088785A1 (en) * 2022-10-24 2024-05-02 Biotronik Se & Co. Kg Chronic obstructive pulmonary disease and/or heart failure monitoring based on respiratory information

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006102086A1 (en) * 2005-03-17 2006-09-28 Coifman Robert E Apparatus and method for intelligent electronic peak flow meters
WO2007052108A2 (en) * 2005-11-01 2007-05-10 Earlysense, Ltd. Methods and systems for monitoring patients for clinical episodes
US20070276270A1 (en) * 2006-05-24 2007-11-29 Bao Tran Mesh network stroke monitoring appliance

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6159147A (en) 1997-02-28 2000-12-12 Qrs Diagnostics, Llc Personal computer card for collection of real-time biological data
JP2001236583A (ja) * 2000-12-19 2001-08-31 Matsushita Electric Ind Co Ltd 安否確認システム
EP1388114A2 (en) * 2001-03-08 2004-02-11 Framtidartaekni Ehf. On-line health monitoring
EP1622512B1 (en) * 2003-04-10 2013-02-27 Adidas AG Systems and methods for respiratory event detection
US7396333B2 (en) * 2003-08-18 2008-07-08 Cardiac Pacemakers, Inc. Prediction of disordered breathing
EP2420185A3 (en) * 2005-04-14 2012-09-05 Hidalgo Limited Apparatus and system for monitoring
ATE492208T1 (de) * 2005-06-22 2011-01-15 Koninkl Philips Electronics Nv Vorrichtung zum messen von momentanen wahrnehmungsfähigkeitswerten eines patienten
EP1949279A1 (en) * 2005-11-08 2008-07-30 Koninklijke Philips Electronics N.V. Method for detecting critical trends in multi-parameter patient monitoring and clinical data using clustering
JP2007151617A (ja) * 2005-11-30 2007-06-21 Medical Electronic Science Inst Co Ltd 生体情報モニタシステム
US8762733B2 (en) * 2006-01-30 2014-06-24 Adidas Ag System and method for identity confirmation using physiologic biometrics to determine a physiologic fingerprint
JP4754447B2 (ja) * 2006-09-14 2011-08-24 シャープ株式会社 生体解析装置及びプログラム
AU2007308078A1 (en) * 2006-10-13 2008-04-17 PeraHealth, Inc System and method for providing a health score for a patient
WO2009063443A2 (en) * 2007-11-13 2009-05-22 Oridion Medical (1987) Ltd. Medical system, apparatus and method
US8014863B2 (en) * 2007-01-19 2011-09-06 Cardiac Pacemakers, Inc. Heart attack or ischemia detector
EP2180823A4 (en) * 2007-07-27 2010-11-24 Hospital For Sick Children MEDICAL TOOL, SYSTEM AND METHOD FOR DISPLAYING VITAL SIGNS
US20090093686A1 (en) * 2007-10-08 2009-04-09 Xiao Hu Multi Automated Severity Scoring
US8412655B2 (en) * 2007-11-13 2013-04-02 Oridion Medical 1987 Ltd. Medical system, apparatus and method
US8510126B2 (en) * 2008-02-24 2013-08-13 The Regents Of The University Of California Patient monitoring
AU2009244058B2 (en) * 2008-05-09 2015-07-02 Nuvaira, Inc Systems, assemblies, and methods for treating a bronchial tree
US10252020B2 (en) * 2008-10-01 2019-04-09 Breathe Technologies, Inc. Ventilator with biofeedback monitoring and control for improving patient activity and health
AU2010201032B2 (en) * 2009-04-29 2014-11-20 Resmed Limited Methods and Apparatus for Detecting and Treating Respiratory Insufficiency

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006102086A1 (en) * 2005-03-17 2006-09-28 Coifman Robert E Apparatus and method for intelligent electronic peak flow meters
WO2007052108A2 (en) * 2005-11-01 2007-05-10 Earlysense, Ltd. Methods and systems for monitoring patients for clinical episodes
US20070276270A1 (en) * 2006-05-24 2007-11-29 Bao Tran Mesh network stroke monitoring appliance

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104838382A (zh) * 2012-12-03 2015-08-12 皇家飞利浦有限公司 用于对数据收集的频率和针对恶化检测算法的阈值进行优化的系统及方法
CN104838382B (zh) * 2012-12-03 2019-03-01 皇家飞利浦有限公司 用于优化数据收集频率的方法、系统、介质及监测站
CN106714682A (zh) * 2014-06-27 2017-05-24 皇家飞利浦有限公司 用于评估加重和/或入院的风险的装置、系统、方法和计算机程序
CN106999097A (zh) * 2014-11-12 2017-08-01 皇家飞利浦有限公司 用于评估受试者中的慢性阻塞性肺疾病copd严重度的装置和方法
CN107690687A (zh) * 2015-06-03 2018-02-13 约瑟夫卡帕索应用信息实验室 慢性阻塞性支气管炎患者接近发作时的探测和早期预测系统
CN107690687B (zh) * 2015-06-03 2021-08-13 约瑟夫卡帕索应用信息实验室 慢性阻塞性支气管炎患者接近发作时的探测和早期预测系统
CN108135487A (zh) * 2015-10-08 2018-06-08 皇家飞利浦有限公司 用于获得对象的生命体征信息的设备、系统和方法
CN114007673A (zh) * 2019-04-30 2022-02-01 诺顿（沃特福特）有限公司 吸入器系统
CN114007673B (zh) * 2019-04-30 2024-04-26 诺顿（沃特福特）有限公司 吸入器系统

Also Published As

Publication number Publication date
JP5916618B2 (ja) 2016-05-11
WO2011073815A2 (en) 2011-06-23
EP2513826A2 (en) 2012-10-24
CN102687152B (zh) 2017-03-22
JP2013514822A (ja) 2013-05-02
WO2011073815A3 (en) 2011-09-29
US20130030258A1 (en) 2013-01-31

Similar Documents

Publication Publication Date Title
CN102687152A (zh) Copd恶化预测系统和方法
JP4809779B2 (ja) 呼吸に現れる臨床的発症の予測及びモニタリング技術
JP6987042B2 (ja) 慢性疾患の監視および管理のためのシステムおよび方法
EP3668396B1 (en) Automated detection of breathing disturbances
EP3217874B1 (en) Apparatus and method for assessing the severity of chronic obstructive pulmonary disease, copd, in a subject
JP5961235B2 (ja) 睡眠／覚醒状態評価方法及びシステム
Rofouei et al. A non-invasive wearable neck-cuff system for real-time sleep monitoring
US7621871B2 (en) Systems and methods for monitoring and evaluating individual performance
US9216262B2 (en) Device for detecting the observance by a patient of an oxygen-therapy treatment
CN104838382B (zh) 用于优化数据收集频率的方法、系统、介质及监测站
US20140180036A1 (en) Device and method for predicting and preventing obstructive sleep apnea (osa) episodes
US10945699B2 (en) Respiratory sound analysis for lung health assessment
WO2011121464A2 (en) Method and system for optimizing questionnaires
WO2021022222A1 (en) System and method for continuous monitoring of respiratory ailments
US20220167856A1 (en) Lung function monitoring from heart signals
US11141096B2 (en) Method for predicting future change in physical condition of person from sleep-state history
CN102687154B (zh) 一种用于预测患者的症状加重的开始的系统
KR20130015476A (ko) 디지털 문진표 생성 장치 및 방법
Le et al. Prediction of sleep apnea episodes from a wireless wearable multisensor suite
Kalkbrenner et al. Validation of a new system using tracheal body sound and movement data for automated apnea-hypopnea index estimation
JP6705902B2 (ja) 被験者における疾病の進行をモニタリングする装置およびプログラム
CN113164101A (zh) 一种呼吸中止检测系统、方法、计算设备和储存介质
WO2019092674A1 (en) Asthma warning/prevention system and device
US20220151582A1 (en) System and method for assessing pulmonary health
Bonini The Current and Future Role of Technology in Respiratory Care

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: 20170322

Termination date: 20181117