CN102802511B - 医学治疗假设检验的系统和方法 - Google Patents

医学治疗假设检验的系统和方法 Download PDF

Info

Publication number
CN102802511B
CN102802511B CN201080034502.6A CN201080034502A CN102802511B CN 102802511 B CN102802511 B CN 102802511B CN 201080034502 A CN201080034502 A CN 201080034502A CN 102802511 B CN102802511 B CN 102802511B
Authority
CN
China
Prior art keywords
patient
data
treatment
group
determined
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.)
Expired - Fee Related
Application number
CN201080034502.6A
Other languages
English (en)
Other versions
CN102802511A (zh
Inventor
格雷戈里·K·里奇韦
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.)
CONSOLIDATED RESEARCH Inc
Original Assignee
CONSOLIDATED RESEARCH Inc
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 CONSOLIDATED RESEARCH Inc filed Critical CONSOLIDATED RESEARCH Inc
Publication of CN102802511A publication Critical patent/CN102802511A/zh
Application granted granted Critical
Publication of CN102802511B publication Critical patent/CN102802511B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • 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
    • G16H50/70—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种评价医学治疗效应的计算机执行系统和方法，所述方法包括接收患者的病史数据；确定评价的相关特征；确定第一治疗方法；确定第二治疗方法；对每位患者的情况赋予权重；使用赋予的权重决定当与第二个确定的治疗比较时确定的治疗将产生确定的结果的相对似然性；并且输出这种评价的相对似然性。

Description

医学治疗假设检验的系统和方法
技术领域
本发明一般地涉及一种回顾性医学数据的统计分析的方法和系统，更特别地涉及一种评价医学治疗效果的方法和系统。
背景技术
现有的一种使用群组研究分析医学治疗效果的系统和方法。这些系统和方法大多数基于特殊治疗的随机对照试验。给定足够数量的受验者经过足够长的一段时间，随机对照试验具有通过均匀分布混杂因素（或者组之间存在差异）覆盖接收治疗组和对照组以简化这种分析。这些系统和方法是有限制的，因为进行随机对照试验是昂贵的，它们依赖它们在大数量的受验者上的部分的精确性，且它们在确定第二个由于治疗候选者之间的特别的状况导致的相互作用时不是非常的有效。另外，前瞻性的群组研究的随机对照试验不能利用现有患者病史档案主要的组中可获得的大量信息，而用与回顾性群组研究同样的方法。
其它现有的系统和方法分析历来患者的病史档案数据以评价特殊治疗的效果。这些系统也是有限制的，因为它们很大程度上使用手工模拟方法去控制混杂因素和患者特征，而它们不是均匀分地布在覆盖治疗组和非治疗组的历史数据中。因为在这些手工混杂因素控制进程中有高偏离的风险，所以由现有的系统产生的结果的质量很大程度上依赖于操作者的专业水平。另外，在大量现有的数据组中与大数量的潜在混杂因素混淆相关联的主要和相互作用效果使得模型对时间非常敏感，且易遭受人为错误。
发明内容
本发明涉及一种当使用确定的治疗方法治疗时，为了评价患者体验确定的疗效的相对似然性，对患者病史档案进行统计分析的软件成分系统和方法。在医学领域的决策者能依赖于这种分析产生的结果来评价确定治疗的效力和风险，以决定批准、使用和资助哪种治疗方法。
在一些实施方案中，系统评价两种治疗方法以决定与患者接受第二种治疗相比患者接受第一种治疗将体验的确定疗效的相对似然性。在其它实施方案中，治疗方法相比的实际上是同样治疗方法的配药量。同样在其它的实施方案中，相比第一治疗方法，系统通过执行几个独立的比较的几个不同的第二治疗方法以产生几个不同的率比比率，每位代表患者将体验作为第一治疗方法和另一治疗方法之间的确定疗效的相对似然性。
本发明的一个实施方案提出了一种评价医学治疗效果的计算机执行系统和方法，该方法包括接受患者病例档案数据，确定相关的评价特征，确定第一治疗方法，确定第二治疗方法；对每位患者的情况赋予权重，使用赋予的权重决定当与第二个确定的治疗比较时确定的治疗将产生确定的结果的相对似然性，输出这种评价的相对似然性。
在另一实施方案中，本发明涉及一种评价医学治疗效果的系统，其包括：网络接口，保存在服务器上可通过网络访问的患者病例数据库，以及分析服务器，其中该分析服务器构建为接受患者病史档案数据，确定评价的相关特征，确定第一治疗方法，确定第二治疗方法，基于患者是显露的组中的成员的似然性，针对每位患者的情况赋予权重，使用赋予的权重确定当与第二个确定的治疗方法相比较时所确定的治疗方法将产生确定的疗效的相对似然性，输出这种评价的相对似然性。
在另一实施方案中，本发明涉及评价医学治疗效果的服务器，该服务器包括：处理器，以及操作上耦合于处理器的存储编程指令于其中的存储器，处理器可操作以执行编程指令，编程指令包括：基于患者是显露的组中的成员的似然性针对每位患者的情况赋予权重，使用赋予的权重确定当与第二个确定的治疗方法相比较时所确定的治疗方法将产生确定的疗效的相对似然性，输出这种评价的相对似然性。
附图说明
图1是根据本发明的实施方案构建的为了基于回顾性观察数据比较医学治疗效果的医学治疗假设检验系统的简要结构图；
图2是通过根据附图1的本发明的实施方案的医学治疗假设检验系统的数据选择组件试验步骤的高级流程图。
图3是通过根据附图1的本发明的实施方案的医学治疗假设检验系统的倾向计分组件试验步骤的高级流程图；
图4是通过根据附图3的本发明实施方案的倾向计分组件的表组分中预备的数据试验步骤的流程图；
图5A是根据附图4的本发明的实施方案进行中在表中预备数据开始时示例性患者数据表的图解；
图5B是根据附图4的本发明的实施方案进行中在表中预备数据一个点的示例性患者数据表的图解；
图5C是根据附图4的本发明的实施方案进行中在表中预备数据一个点的示例性患者数据表的图解；
图5D是根据附图4的本发明的实施方案的进行中在表中预备数据一个点的示例性患者数据表的图解；
图5E是根据附图4的本发明的实施方案的进行中在表中预备数据一个点的示例性患者数据表的图解；
图6是根据本发明的实施方案的比较在治疗患者群组中非赋予权重的患者的数据与不在治疗患者群组中赋予权重的患者的数据的示例性表的图解；
图7是使用在图1的回归模型118中的示例性患者病史档案数据表的图解。该图示出了图3的回归步骤312格式化数据期间实际上格式化的数据。
本发明附图的描述实施方案仅仅是为了说明的目的。本领域技术人员很容易从下面的讨论中得出结构和方法变化的实施方案，且在此处应用也没有脱离本发明的原理。
具体实施例
现在转到本发明的附图，实施方案，其包括示出患者数据选择，倾向计分，逆概率加权和率比比率的双倍强化评价。操作员从基于两个研究的确定的治疗方法和治疗效果的患者档案数据库中选择回顾性观察病史数据。每一位没有接受第一确定治疗方法的患者被赋予代表似然性的倾向计分，基于患者的个体特征，在群组中的患者接受第一确定的治疗。赋予的倾向计分用于加权每位患者的数据，如此使得不接受第一确定治疗的群组（也就是接受第二确定治疗的群组）的加权的数据接近地类似于接受第一治疗群组的未加权的数据。加权的数据用于执行回归以评价与接受第二治疗的患者相比接受第一治疗的患者将体验确定的疗效的相对似然性。这种评价值称为率比比率。通过在执行回归中使用加权的数据，率比比率的评价值双倍地加强。
图1是根据本发明的实施方案构建的为了基于回顾性观察数据比较医学治疗效果的医学治疗假设检验系统的简要结构图。如图1所述，该系统包括供操作员进入的操作员终端102，越过网络104到分析机器106和患者数据机器108。患者数据机器108使操作员进入患者病例数据库110和辅助数据库112。分析机器106可包括处理器和操作上耦合于处理器用于存储编程指令和其中的其它数据的存储器，处理器可操作以执行编程指令，网络连接允许分析机器从患者数据机器108和其它源接收输入并输出结果到操作员终端102和其它目的单元。
患者病例数据库110存储来源于患者病史档案的回顾性观察患者数据，如患者标识号、生日、性别、医学测试结果、由保健服务提供者记录的观察数据和由患者提供给保健服务提供者的信息。辅助数据库112存储关于系统操作的信息，如关于从患者病史数据库检索到的记录信息和它们得到的时间、系统数据格式化规则，以及与患者病史数据分析相关的其它数据。
分析机器106为操作员进入几个软件组件提供入口，该组件包括数据选择组件114、倾向计分组件116、回归模型组件118和数据输出组件120。这些软件组件可以计算机指令的形式存储在计算机存储器中，并通过计算机处理器执行。数据选择组件114呈现给操作员一个从患者病史数据库110选择相关患者数据和属性的接口，同时检索和格式化所选择的数据以用于倾向计分组件116中。
倾向计分组件116确定并赋予倾向性的分数给每位患者记录，该患者记录代表在接受确定的治疗的患者群组中（在治疗群组中）的患者似然性。倾向计分组件116进一步应用倾向计分于患者数据以加权患者病史数据，从而使得对于不在治疗群组中的患者群组被加权的数据接近类似于在治疗群组中的患者群组的被加权的数据。
回归模型组件118为操作者提供接口以建立和测试评价与患者接受第二确定治疗（也就是患者不在治疗群组中）相比患者接受第一确定治疗将体验的确定的疗效的相对似然性的模型。回归模型组件118接收通过倾向计分组件116加权的加权后的数据。
数据输出组件120提供接口以允许操作者选择表示分析机器结果的格式和方式。在一些实施方案中，数据输出组件120包括用于选择和格式化由分析机器产生的数据的工具。在其它实施方案中，在数据输出组件120中的该工具允许操作者选择和控制各种可视化的工具，例如图和表，以帮助分析机器结果的解释和理解。
图2是通过根据图1的本发明的实施方案的医学治疗假设检验系统的数据选择组件114试验步骤的高级流程图。如图2所示，数据选择组件114初始与患者病史数据库202建立连接以为操作者对患者数据提供使用权。根据本发明的一个实施方案，该组件利用ODBC驱动器穿过网络104连接数据选择组件114到在患者数据机器108上的患者病史数据库110。接着该组件提供为操作者204提供数据选择接口以允许操作者为了接下来在分析机器上的分析选择恰当的患者病史数据。根据本发明的一个实施方案，数据选择接口以通过网页浏览器申请查看的HTML网页方式提供给操作者。在操作员选择了想要的数据之后，系统接收该选择206并从患者病史数据库110中检索选择的数据208。然后为了在分析机器中的使用通过倾向计分组件格式化数据210，并存储格式化的数据212于分析机器106的存储器中。
图3是通过根据图1的本发明的实施方案的医学治疗假设检验系统的倾向计分组件116试验步骤的高级流程图。如图3描述的，倾向计分组件116执行初始数据准备步骤302（在图4中有更详细的描述）。在该数据准备步骤302中，分析机器准备患者病史数据于表中，并确定初始“播下”的倾向分数和与每位患者病史数据关联的余量，为在选择的数据中表述的每位患者的特征创建列，并评价在选择的数据中表述的每位患者的特征的每一个指标函数和指标函数的乘积。在数据准备步骤302之后，分析机器确定任何指标函数列或指标函数列乘积和余量列之间的最大的绝对相关性304。下面的公式，f表示患者i接受第一确定治疗的0/1指标，Pi表述患者i接受第一确定治疗的估计概率，Ij表述jth指标函数，n表述患者的数量。确定任何相关的两列的范围，为了确定最大的绝对相关性，应用下面的公式：rj=Sumi((ti-p)(Iji-mean(Ij))/((n-1)sd(t-p)sd(Ij))。在确定了与残余列最相关的列之后，分析机器基于确定的列为所有患者360调整倾向计分。在调整倾向计分中，应用下面的公式：pi/(1-pi)=pi/(1-pi)×exp(δ×sign(rj2)×(Iji-1,其中δ是设定小数量如0.001的调节参数)。使用来自调整过程的新的倾向计分，然后分析机器确定权重以应用于每一个非治疗患者记录308。该权重使用下面的公式从倾向计分中计算出来：wi= pi/(1-pi)。
分析机器比较患者不在治疗群组中的总的加权数据与患者在治疗群组309中的总的数据以决定两个数据组是否是足够的相似（“最佳平衡”）310。如果数据组不是最佳平衡，分析机器返回数据表，其包含重新赋值倾向计分、在调整过程306中赋值并重新计算余量（通过改变倾向计分而调整的）。分析机器然后用新的余量重复确定最大绝对相关性304，调整患者倾向分数306，确定基于新的倾向分数308的新的患者数据加权，并比较加权的未治疗数据与未加权的治疗数据309以确定两个数据组现在是否是最佳平衡310。重复该过程直到数据组足够的相似为止，在一个点上分析机器格式化数据为以用于回归步骤312。
图4是通过根据图3的本发明实施方案的倾向计分组件的于表格中预备的数据的组件试验步骤的流程图。在图4中描述的数据准备步骤在某种意义上解释和安排了选择的患者数据，使得通过在包括相关性304的倾向计分过程中的后续的步骤而得到解释。先前在图4中详细描述的数据准备步骤也在图5A-图5E中以示例性的表描述。如图4所示，系统初始地检索存储在数据选择组件程序114中的患者情况数据402，其在图2中也进行了详细的描述。在图5A中表示包括五个示例的患者的患者情况数据的示例性表。图5A的描述示出了每位患者在初始状态的记录，可包括至少一个患者的ID号，确定患者是否为治疗群组成员的治疗指标和与类属特征相关的数据，例如种族以及数值测量，如血压。图4中，进行的下一个步骤是初始“播下”倾向分数赋值给每位患者404。在本发明的一个实施方案中，这种播下倾向分数通过分析机器用治疗群组中患者的数量除以患者记录的总数量进行计算。在数据准备过程中的下一个步骤是每位患者记录余量的计算。在本发明的一个实施方案中，该余量通过从每位患者的治疗指标中减去倾向分数而计算出来。示例性的表格包括图5B和图5C中分别表示的五个示例患者中的每一个的倾向分数和余量数据。回到图4，在一个实施方案中，分析机器然后定义并评价在数据中描述的每位患者特征的指标函数。在图5D的示例性表格中描述所述指标函数的定义和相关列的创建，图5D示出了每种情况的新的列，它们必须被定义以允许分析机器以布尔项描述类属特征和数值测量两者。在另一实施方案中，所有指标函数的评价通过使用公开的算法快捷方式来消除。在这种情况下，定义和评价仅仅被选择的指标函数。指标函数通过判断包含在指标函数中的情况相对于每位患者的记录是否是正确的或是错误的而进行评价，置于列中的1或0表示同样的。在图4的过程中的下一个步骤是对每一个指标函数与每一个其它指标函数410的乘积的定义和估计。作为指标函数的定义，系统为每一种情况创建新的列，用0或1评价在相关列中的每一种情况以表明在那一列中确定的患者是否满足在指标函数中确定的情况，在这种情况下，一个或多个指标函数的乘积在每一列的顶部。列通过这个步骤和在图5E中表示的患者记录的评价而创建。
图6是根据本发明的实施方案的比较在治疗患者群组中非赋予权重的患者的数据与不在治疗患者群组中赋予权重的患者的数据的示例性表的图解。图6表明图3的比较步骤309中考虑的数据，在决定是否该数据已经达到最佳平衡310。在图6的示例性表格中的数据示出了为回顾312使用的加权准备数据足够平衡的数据组。
图7是使用在图1的回归模型118中的示例性患者病史档案数据表的图解。该图示出了为图3的回归步骤312格式化数据期间实际上格式化的数据。在这个例子中，来自图5A的原始数据用在确定疗效中观察到的数据补充。图7的表格示出了每位患者的两个记录，一个是“治疗前阶段”，一个是“治疗后阶段”。图7的“阶段”列包含1或0以表明记录是否分别表述了“治疗后”或“治疗前”阶段。图7的表格也包含了列/指标“Y”，其表明在观察期间患者是否体验到了确定的疗效，并且列/指标“E”表示对每位患者的观察周期的长度。图7的表格也包括倾向计分权重列/指标“W”，如在图3和上面描述的通过系统308来进行计算。
与患者接受第二治疗相比，患者接受第一治疗体验的确定疗效的相对似然性通过率比比率的估计而进行计算。率比比率（“RRR”）对于治疗（第一治疗）和非治疗（第二治疗）群组比较在治疗前阶段与治疗后阶段的确定的结果。计算RRR的公式是：（比率（后，治疗）/比率（前，治疗））/（比率（后，非治疗）/比率（前，非治疗））。计算之后，分析机器输出这个估计的RRR给操作终端或另一个位置，该位置可用于估计第一和第二确定治疗的相对效力和风险。在医学领域的决策者可使用从分析机器估计输出的RRR以决定是否认可或为患者和医疗组织推荐特殊的治疗。
为了潜在的混杂进行调整，系统通过估计图1中示出的泊松回归模型118获得双倍加强的调整的率比比率。估计来自于最大化方程L(b,β)=SumiWi(Yifi-exp(fi)),其中fi=log(Ei)+b0+b1Ti+b2Periodi+b3Ti ﹡Periodi+β′X。exp(b3)最终的值是双倍加强调整的率比比率。
计算之后，分析机器输出双倍加强的率比比率给操作终端以使操作者进行审阅，或者到另一个位置，该位置可用于估计第一和第二确定治疗的相对效力和风险。在医学领域的决策者可使用从分析机器估计输出的双倍加强的率比比率以决定是否认可或为患者和医疗组织推荐特殊的治疗。
尽管本发明已经描述了示例性实施方案的使用，但是本领域技术人员可以确定的是，可以对实施例进行的各种修改都落入本发明的范围和精神内，如被权利要求和它们的等价附加描述的。

Claims (4)

1.一种评价医学治疗效果的系统，包括：
网络接口；
保存在服务器上可通过网络访问的患者病例数据库；
以及分析服务器，其中所述分析服务器构建为接受患者病史档案数据；确定评价的相关特征；确定第一治疗方法；确定第二治疗方法；确定显露的组；基于患者是显露的组中的成员的似然性，针对每位患者的情况赋予权重；使用加权的数据来执行回归，以确定当与第二个确定的治疗方法相比较时所确定的治疗方法将产生确定的疗效的相对似然性；并且输出这种评价的相对似然性，
其中，将接受第二确定治疗的群组的加权的数据和接受第一确定治疗的群组的未加权的数据平衡，
其中，如果没有达到平衡，则基于患者接受第一确定治疗的估计概率，调整权重。
2.如权利要求1所述的系统，其中赋予给每位患者的情况的权重是通过匹配患者特征和特征的结合于目标人群而进行计算的。
3.如权利要求2所述的系统，其中执行泊松回归。
4.如权利要求3所述的系统，其中至少一些匹配的特征被用作回归协变量。
CN201080034502.6A 2009-06-12 2010-06-14 医学治疗假设检验的系统和方法 Expired - Fee Related CN102802511B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US18675909P 2009-06-12 2009-06-12
US61/186,759 2009-06-12
PCT/US2010/038561 WO2011014308A1 (en) 2009-06-12 2010-06-14 System and method for medical treatment hypothesis testing
US12/815,356 2010-06-14
US12/815,356 US8538906B2 (en) 2009-06-12 2010-06-14 System and method for medical treatment hypothesis testing using relative likelihood of treatment results

Publications (2)

Publication Number Publication Date
CN102802511A CN102802511A (zh) 2012-11-28
CN102802511B true CN102802511B (zh) 2015-06-24

Family

ID=43529637

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080034502.6A Expired - Fee Related CN102802511B (zh) 2009-06-12 2010-06-14 医学治疗假设检验的系统和方法

Country Status (6)

Country Link
US (2) US8538906B2 (zh)
JP (1) JP2012530300A (zh)
KR (1) KR20120031223A (zh)
CN (1) CN102802511B (zh)
CA (1) CA2764922A1 (zh)
WO (1) WO2011014308A1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136440B (zh) 2011-11-30 2016-05-18 国际商业机器公司 数据处理方法和装置
US20130218593A1 (en) * 2012-02-19 2013-08-22 International Business Machines Corporation Usage of assigned treatment in clinical decision support systems
US9202066B2 (en) 2012-12-07 2015-12-01 Betterpath, Inc. Integrated health care systems and methods
CN104956390A (zh) * 2012-12-07 2015-09-30 德迪控股有限公司 综合保健系统及方法
EP2775412A1 (en) * 2013-03-07 2014-09-10 Medesso GmbH Method of generating a medical suggestion as a support in medical decision making
US20140278472A1 (en) * 2013-03-15 2014-09-18 Archimedes, Inc. Interactive healthcare modeling with continuous convergence
US10395766B2 (en) * 2013-06-28 2019-08-27 Hitachi, Ltd. Diagnostic process analysis system
US11935630B2 (en) * 2014-12-29 2024-03-19 Cerner Innovation, Inc. System assisted data blending
US10185513B1 (en) 2015-06-05 2019-01-22 Life365, Inc. Device configured for dynamic software change
US10560135B1 (en) 2015-06-05 2020-02-11 Life365, Inc. Health, wellness and activity monitor
US9974492B1 (en) 2015-06-05 2018-05-22 Life365, Inc. Health monitoring and communications device
US11329683B1 (en) 2015-06-05 2022-05-10 Life365, Inc. Device configured for functional diagnosis and updates
US11887736B1 (en) * 2020-04-01 2024-01-30 Elevance Health, Inc. Methods for evaluating clinical comparative efficacy using real-world health data and artificial intelligence
CN112863622B (zh) * 2021-01-18 2024-03-22 北京大学 利用历史对照数据的双稳健临床试验数据处理方法及系统
CN117312881B (zh) * 2023-11-28 2024-03-22 北京大学 临床试验治疗效果评估方法、装置、设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040203083A1 (en) * 2001-04-13 2004-10-14 Biosite, Inc. Use of thrombus precursor protein and monocyte chemoattractant protein as diagnostic and prognostic indicators in vascular diseases
US20040122704A1 (en) * 2002-12-18 2004-06-24 Sabol John M. Integrated medical knowledge base interface system and method
CN1559345A (zh) * 2004-02-20 2005-01-05 无锡贝尔森影像技术有限公司 脑血管血液动力学检测方法和仪器
US20060025931A1 (en) 2004-07-30 2006-02-02 Richard Rosen Method and apparatus for real time predictive modeling for chronically ill patients
WO2007041443A2 (en) * 2005-10-03 2007-04-12 Health Dialog Services Corporation Systems and methods for analysis of healthcare provider performance
WO2008012362A2 (en) * 2006-07-27 2008-01-31 Oxford Genome Sciences (Uk) Ltd New protein isoforms and uses thereof
US20080109484A1 (en) * 2006-09-29 2008-05-08 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Computational systems for biomedical data
WO2008086043A2 (en) * 2007-01-10 2008-07-17 Wyeth Methods and compositions for assessment and treatment of asthma

Also Published As

Publication number Publication date
US8719210B2 (en) 2014-05-06
US20110099140A1 (en) 2011-04-28
CN102802511A (zh) 2012-11-28
JP2012530300A (ja) 2012-11-29
WO2011014308A1 (en) 2011-02-03
US20140025398A1 (en) 2014-01-23
KR20120031223A (ko) 2012-03-30
US8538906B2 (en) 2013-09-17
CA2764922A1 (en) 2011-02-03

Similar Documents

Publication Publication Date Title
CN102802511B (zh) 医学治疗假设检验的系统和方法
US12124519B2 (en) Auditing the coding and abstracting of documents
US20190267128A1 (en) Determining an Optimal Wellness Regime
US20120253771A1 (en) Syetem for Optimizing Treatment Strategies Using a Patient-Specific Rating System
CA2833779A1 (en) Predictive modeling
CN112970069A (zh) 开发临床试验方案的方法和系统
Isa Kansei engineering approach in software interface design
CN111602202A (zh) 用于患者数据可用性分析的装置
US11645362B2 (en) Data analyzing device
KR102136604B1 (ko) 대화형 인터페이스를 이용한 통계 분석 시스템과 통계분석 방법
US20130110479A1 (en) Auto-Calibration for Agent-Based Purchase Modeling Systems
Bettinger et al. A domain-specific dataset of difficulty ratings for German noun compounds in the domains DIY, Cooking and Automotive
EP4182929A1 (en) Method for a predictive prognosis of the onset of a cardiovascular disease
JP6932570B2 (ja) 保険設計支援システム及び保険設計支援方法
US20220115140A1 (en) Health support apparatus, health support method, and recording medium recording health support program
WO2022124065A1 (ja) 予測器作成装置、および予測器作成方法
KR102721601B1 (ko) 건강검진 데이터 처리 방법 및 장치
Codex The Role of Keyworker Attachment Style in Staff Burnout: A Review of the Impact on Residential Child Care Settings
EP2440121A1 (en) System and method for medical treatment hypothesis testing
Abery Methodological aspects of multi-arm adaptive clinical trials
Erceg-Hurn et al. Statistical Analysis Plan for “Imagery-enhanced versus verbally-based group cognitive behavioural therapy for social anxiety disorder: A randomised controlled trial”
EP4022646A1 (en) A prioritization and scoring method
JP2021507331A (ja) 患者データ有効性解析のための装置
Despotis et al. Experimental evaluation of a multiobjective linear programming software
Wijayaweera Discovery of data models using genetic programming

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: 20150624