CN103988222A - 用于急性期后护理安排的出院决策支持系统 - Google Patents

用于急性期后护理安排的出院决策支持系统 Download PDF

Info

Publication number
CN103988222A
CN103988222A CN201280061950.4A CN201280061950A CN103988222A CN 103988222 A CN103988222 A CN 103988222A CN 201280061950 A CN201280061950 A CN 201280061950A CN 103988222 A CN103988222 A CN 103988222A
Authority
CN
China
Prior art keywords
patient
inquiry
patients
hospital
nursing
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.)
Pending
Application number
CN201280061950.4A
Other languages
English (en)
Inventor
K·H·博文勒斯
M·D·纳英罗瑞
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.)
University of Pennsylvania Penn
Original Assignee
University of Pennsylvania Penn
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 University of Pennsylvania Penn filed Critical University of Pennsylvania Penn
Publication of CN103988222A publication Critical patent/CN103988222A/zh
Pending legal-status Critical Current

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
    • 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
    • G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

描述了向患者推荐急性期后护理服务的系统和方法。系统和方法包括如下步骤：提供多个涉及患者的询问，其中每一询问具有至少两个可选答案，并且其中每一可选答案与相应得分关联，接收多个询问中每一个询问的可选答案之一，计算对应于每一个所选答案的得分总和的总得分，并在总得分满足预定的阈值时产生急性期后护理安排。

Description

用于急性期后护理安排的出院决策支持系统
相关申请的交叉参考
本申请要求2011年10月14日提交的美国临时申请号61/547,521的优先权权益，其全部公开内容通过引用以其整体被并入本文。
发明背景
出院规划是每年针对多于1300万的医疗保险受益人进行的频繁发生的和昂贵的医院护理程序(Department of Health and Human Services.(2006).A profile of olderAmericans:2006Health and health care)。该程序具有多个步骤，其要求仔细、全面的评估，以充分确定患者的当前需要，并预期将来的需要、做出适当的安排决策并调整随访服务。这些因素导致脆弱的老年人出院，这些老年人在没有随访护理的情况下可能继续经历昂贵的、差的健康结果。
在出院时，临床医生被迫做出是否要指示患者进行急性期后护理服务的决策，急性期后护理服务使得他们能够安全且顺利地呆在自己的家里。短暂住院、不一致的评估标准和不同的专业技能水平以及决策制定中的风险容忍度常常干扰出院规划。结果，老年患者在未满足要求的情况下出院(Mamon,等,1992,Health ServRes27:155-175)，其中多达26％的需要家庭护理的患者回到家而没有得到家里护理(Prescott等,1995,Res Nurs Health18:85-95)。另外，若干研究显示医院临床医生没有认识到哪些患者适于进行家庭护理(Arenth等,1985,Nurs Manage16:20-24；Castro等,1998,J Emerg Nurs24:127-132；Clemens等,1997,Home HealthCare Serv Q16:3-20；Magilvy等,1991,Home Health Care Serv Quart12:59-70；Reilly等,1996,J Nurs Scholarsh.28:143-159；Thomas等,1998,Home Health CareServ Q17:1-20)。老年患者的能力和需要常常被忽略，尤其针对生活安排、家庭环境、自我护理能力和护理者的可用性和技能(Arenth等,1985,Nurs Manage16:20-24)。护士一向低估患者的功能障碍和高估其对治疗计划的理解(Reilly等,1996,J Nurs Scholarsh.28:143-159)。因为由医疗保险所限定的医学模式——致力于患者的功能受限、要求居家状态并没有考虑患者及其家庭的更大的背景——引导的程序，也发生错过安排(Pohl等,1995,Home Health Care Serv Q15:33-47)。
若干研究描述安排决策制定中的不一致并指出标准化和对该重要功能的决策支持的重要性。与配偶一起生活的患者求助于熟练的家庭护理的可能性比那些与非配偶护理者一起生活的患者的一半还小(Diwan等,1997,Gerontologist,37:169-181)。独居确保94％的患者被出院计划者访问，而与人一起生活的那些患者仅有40％被访问(Furstenberg,等,1987,Comprehensive Gerontology,B1(2):80-85)。由于种族和性别也存在不一致。与白人相比，非裔美国人接受明显更少时间的家庭护理服务(Chadiha等,1995,Gerontologist,35,233-239)、更少进入疗养院(Morrow-Howell,等,1996,Health and Social Work,21:131-139)和心脏病康复安排(Gregory,等,2006,Am J Phys Med Rehabil.,85:705-710)。具有与男性相同的功能受限的女性求助于家庭护理的可能性仅是男性的四分之一(Pohl&Given,1995,Home Health Care Services Quarterly15(4):33-47)。高风险患者和未满足需要的患者不像预期的那样求助于家庭护理(Bowles,等,2002,Journal of theAmerican Geriatrics Society,50:336-342；Bowles,等,2008,Medical Care,46:158-166)。出院规划、过渡和护理协调是护理主题的重要性质(National QualityForum.(2006).Safe practices for better Healthcare2006)，因此，非常需要这样的研究：其阐明该问题和测试干预以进行改善。
尽管针对住院成人的这样的决策的量(volume)是高的，但不存在举国一致认可的因素，或者由经验得出的决策支持工具来帮助出院计划者和其它人制定这些重要的决策。例如，名称为Discharge Planning for the Older Adult(Zwicker D,Picariello G.(2003).Discharge Planning for the older adult.引自M.Mezey,T.FulmerAbraham,D.A.Zwicker(Eds).Geriatric nursing protocols for best practice.第二版(pp.292-316).New York(NY):Springer Publishing Company,Inc.)的文献提供了应该被评估的因素的清单。然而，该文献作为决策支持工具是没有用的，因为其长度和缺乏综合或直接的建议给使用者。护理中的决策支持是未被研究而新发展的科学领域。因此，存在高比率的出院差异，这导致针对可能已经受益于急性期后护理的那些的错过的安排。
因此，对于使住院患者出院的系统和方法存在需要，其包括用于确定是否推荐急性期后护理安排的机制。本发明满足该需要。
发明内容
描述了确定患者对急性期后护理服务安排的需要的方法。方法包括如下步骤：提供多个涉及患者的询问，其中每一询问至少具有两个可选答案，并且其中每一可选答案与其相应得分关联、接收多个询问中每一个询问的可选答案之一、计算对应于每一个所选答案的得分总和的总得分、并基于总得分是否达到阈值来确定对急性期后护理安排的需要，其中总得分高于所述阈值指示需要急性期后护理安排而总得分处于或低于所述阈值指示不需要急性期后护理安排。
在一个实施方式中，多个涉及患者的询问选自患者的行走能力、自测健康评估、停留时间、年龄、共病状况的数目和抑郁等级。在另外的实施方式中，多个涉及患者的询问包括患者的行走能力、自测健康评估、停留时间、年龄、共病状况的数目和抑郁等级中的每一个。在进一步的实施方式中，患者认知完好或仅轻度语言认知受损。在另外的实施方式中，多个涉及患者的询问选自患者多久可以得到护理者的护理、行走能力、自测健康评估、停留时间、共病状况的数目和患者收入。在另外的实施方式中，多个涉及患者的询问包括患者多久可以得到护理者的护理、行走能力、自测健康评估、停留时间、共病状况的数目和患者收入中的每一个。在进一步的实施方式中，患者严重认知受损或不能说话。在另外的实施方式中，方法可在计算设备上执行。
还描述向患者推荐急性期后护理服务的系统。系统包括提供多个涉及患者的询问，其中每一询问至少具有两个可选答案，并且其中每一可选答案与其相应得分关联、接收多个询问中每一个询问的可选答案之一、计算对应于每一个所选答案的得分总和的总得分，并在总得分满足预定的阈值时产生急性期后护理安排。
还描述向患者推荐急性期后护理服务的自动化系统。该自动化系统包括其中具有计算机可执行推荐引擎的计算设备，其中推荐引擎向所述计算设备的用户呈现多个涉及患者的询问，其中每一询问至少具有两个可选答案，并且其中每一可选答案与其相应得分关联，使得当所述多个询问中的每一个询问的答案被选择时，得以计算对应于每一个答案的得分总和的总得分，并在总得分满足预定的阈值时向患者推荐急性期后护理安排。
还描述降低患者再次进入健康护理机构的比率的方法。方法包括如下步骤：提供多个涉及被健康护理机构接纳的患者的询问，其中每一询问具有至少两个可选答案，并且其中每一可选答案与其相应得分关联、接收多个询问中每一个询问的可选答案之一、计算对应于每一个所选答案的得分总和的总得分、并基于总得分是否达到阈值确定对急性期后护理安排的需要，其中总得分高于阈值指示需要急性期后护理安排，而总得分处于或低于所述阈值指示不需要急性期后护理安排，其中对急性期后护理安排的需要的确定警告高风险患者出院组，以启动更好的出院规划，并在一些情况下随后降低患者再次进入健康护理机构的比率。
附图简介
为了阐明本发明，在附图中描述了本发明的一些实施方式。然而，本发明不限于附图中所述实施方式的精确安排和手段。
图1是本发明示例性方法的流程图。询问组的确定是基于患者在有代表帮助或没有代表帮助下答复询问的能力。
图2是示例性方法的流程图，其中患者认知完好或轻度认知受损。每一询问的可选答案均具有典型的得分值，并且阈值被设置与得分值相当。
图3是示例性方法的流程图，其中患者严重认知受损或不能说话。每一询问的可选答案均具有典型的得分值，并且阈值被设置与得分值相当。
图4是这样的图，其描述在常规护理阶段中通过实施例3所描述的D2S2安排状态再次进入的时间。
图5是这样的图，其描述在试验阶段中通过实施例3所描述的D2S2安排状态再次进入的时间。
详细描述
应该理解，本发明的附图和说明书已经被简化，以阐明相关的要素，从而清楚地理解本发明，同时，为了清楚的目的，消除在出院决策系统和方法中发现的许多其它要素。本领域的普通技术人员可以认识到其它要素和/或步骤在实施本发明过程中是期望的和/或必需的。然而，由于这样的要素和步骤在本领域中是众所周知的，并且由于它们并不促进更好地理解本发明，对于这样的要素和步骤的论述则没有提供在本文中。本文的公开内容涉及本领域技术人员已知的这样的要素和方法的所有变型和修饰。
除非另外说明，本文所使用的所有技术和科学术语均具有与本发明所属领域的普通技术人员通常理解的一样的含义。尽管类似于或相当于本文所述的那些方法和材料的任何方法和材料均可用于实践或测试本发明，但仅优选方法和材料被描述。
如本文所使用的，以下术语在本部分中各具有与其相关的含义。
冠词“一个”(“a”和“an”)在本文中用于指一个或多于一个(即，指至少一个)该冠词的语法对象。举例来说，“一个要素”意为一个要素或多于一个要素。
如本文所使用的，在指代可测量的值诸如量、时间期限等的时候，“大约”意为包括指定的值的±20％或±10％、更优选±5％，甚至更优选±1％并且仍然更优选±0.1％的变化，因为这样的变化适于执行公开的方法。
如本文所使用的，“急性期后服务”意为患者服务诸如熟练的家庭护理、门诊病人康复或进入疗养院或康复/专业护理机构。
如本文所使用的，“急性期后安排”是临床医生或其它健康护理专业人士推荐使患者诉诸于急性期后服务。
如本文所使用的，“停留时间”意为患者入住医院或健康护理机构的时间量。
如本文所使用的，“共病状况”意为与主要状况一起发生的一种或多种疾病或状况。
如本文所使用的，“患者”是在医院或其它健康护理机构接受护理的人。
如本文所使用的，“患者代表”是经纪人、家族成员、代理人或除患者以外的人，其可为患者或代表患者发言或回答。
如本文所使用的，“对象”意为患者或患者代表。
如本文所使用的，“认知完好”意为患者对人、位置和时间是有意识的、警惕的和正确判断的(oriented)。能够在认知筛选测验诸如迷你认知或心理状态检验上获得通过得分。
如本文所使用的，“轻度认知受损”意为患者在认知筛选测验上可具有一些记忆缺陷或轻度损伤，但可适当交谈和回答询问。
如本文所使用的，“严重认知受损”意为患者是非语言的或受损太重而不能理解交谈或适当回答询问。
遍及本公开内容，本发明的各个方面均可以范围方式呈现。应该理解，范围形式的描述仅是为了方便和简洁，而不应该被理解为对本发明范围的固定限制。因此，对范围的描述应该被看成已经具体公开了所有可能的亚范围以及该范围内的单个数值。例如，对范围诸如从1至6的描述应该被看成已经具体公开了亚范围诸如1至3、1至4、1至5、2至4、2至6、3至6等以及该范围内的单个数字，例如1、2、2.7、3、4、5、5.3、6和其间的任何整数和部分增量。无论范围多宽这都适用。
本发明涉及确定是否推荐急性期后护理安排的机制。本发明利用以证据为基础的决策支持工具来降低出院差异和鉴别适于急性期后服务的老年人。本发明包括多步骤数据收集机制，其基于从患者收集的信息项目表达出院安排推荐。本发明输入该信息至评分算法中，该评分算法导致推荐是否使患者诉诸于急性期后护理服务。在一个实施方式中，本发明包括急性期后护理推荐引擎，作为完全自动化的软件平台操作，其可通过任何固定式、便携式、网络或独立计算设备执行。在其它实施方式中，本发明可在软件平台中被部分地具体化，同时选定的程序步骤可手动执行。本发明也可整合到其它医院系统数据库中，以便医院系统内选定的患者记录或其它信息项目可被收集和用于确定，或可用于增加和报告给系统数据库，均以适应HIPAA规则的方式。
如前所述，本发明包括多步骤数据收集系统，其为制定出院计划的临床医生或确定是否使患者诉诸于急性期后服务的临床医生提供决策支持——基于收集自患者、患者代表或代理人、医院或健康护理机构，或收集自现有数据或其它记录的数据库的信息项目。例如并且不受限制，信息项目可对应于患者的年龄、行走能力、停留时间、共病状况的数目、抑郁等级、自测健康评估、患者多久可得到护理者、和甚至患者收入。应该理解，其它因素——如本领域技术人员会理解的——可被结合到收集的信息项目中而不背离本发明的精神。应该理解，在确定出院计划和/或推荐急性期后护理服务中，本发明不限于因素的任何具体组合或因素加权。
例如信息项目可涉及患者的行走能力。在一些实施方式中，该信息项目可被分解成描述性类别的患者行走能力。这样的类别可包括、但不限于：无限制；较小限制或变化；在装置的帮助下行走；较大限制；来自其它人的日常帮助；或者不行走，要不然不能迈步。
在另外的实施例中，信息项目可涉及患者的年龄。在一些实施方式中，该信息项目可被分解成描述性类别的患者的年龄(以年计)。这样的类别可包括、但不限于：<90；<85；<80；<70；<65；<60；<55；<50；50+；55+；60+；65+；70+；80+；85+；和90+。
在另外的实施例中，信息项目可涉及患者的停留时间。在一些实施方式中，该信息项目可被分解成描述性类别的患者的停留时间(以日计)。这样的类别可包括、但不限于：0-1；0-2；0-3；0-4；0-5；0-6；0-7；0-8；0-9；0-10；2-4；3-5；4-7；0；1；2+；3+；4+；5+；6+；7+；8+；9+；10+；和11+。
在另外的实施例中，信息项目可涉及患者的共病状况的数目。在一些实施方式中，该信息项目可被分解成描述性类别的患者的共病状况的数目。这样的类别可包括、但不限于：0；0-1；2-3；3-5；1+；2+；3+；4+；和5+。
在另外的实施例中，信息项目可涉及患者的抑郁等级。在一些实施方式中，该信息项目可被分解成描述性类别的患者的抑郁等级(对询问的是/否回答)。这样的类别可包括、但不限于：“在上个月中，你因情绪低落、沮丧或绝望而经常烦恼吗？”(是/否)；和“在上个月中，你因做事情时兴趣或乐趣不大而经常烦恼吗？”(是/否)。
在另外的实施例中，信息项目可涉及患者的自测健康评估。在一些实施方式中，该信息项目可被分解成描述性类别的患者的自测健康评估。这样的类别可包括、但不限于：极好；良好；一般；普通；和差。
在另外的实施例中，信息项目可涉及患者多久可以得到护理者的护理。在一些实施方式中，该信息项目可被分解成描述性类别的护理者的可用性。这样的类别可包括、但不限于：从来没有；很少；偶尔；经常；在需要时；2小时/日；4；小时/日；6小时/日；8小时/日；全天；1天/周；2天/周；3天/周；4天/周；5天/周；6天/周；和7天/周。
在另外的实施例中，信息项目可涉及患者的收入。在一些实施方式中，该信息项目可被分解成描述性类别的患者的收入(年收入)。这样的类别可包括、但不限于：<$15,000；<$20,000；<$25,000；<$30,000；<$35,000；<$40,000；<$45,000；<$50,000；$15,000+；$20,000+；$25,000+；$30,000+；$35,000+；$40,000+；$45,000+；$50,000+。
在某些实施方式中，系统被设计用于认知完好或保持语言能力的轻度认知受损患者。在这样的实施方式中，系统可从患者直接收集信息项目——诸如通过来自患者的口头或书面答案，或间接地——诸如通过患者的代表。由于某些因素，信息项目可收集自现有数据库或收集自医院或健康护理机构。在其它实施方式中，系统被设计用于严重认知受损患者或用于不能有效说话或交流的患者。在这些实施方式中，系统只能间接收集信息项目——诸如通过患者代表的口头或书面答案、现有数据库或医院或健康护理机构。
本发明系统还可包括得分度量标准或算法，通过该得分度量标准或算法来加权系统中每一种信息项目类别并计算决定推荐急性期后护理服务的值。应该理解，针对每一信息项目类别指定的值可根据待被推荐急性期后护理服务的目标患者群而变化。进一步，信息项目类别的数目或组合也会影响被指定的值。进一步，系统最终得分可被设置为阈值，其中等于或高于指定值的得分指示急性期后护理服务应该被推荐给该患者。可选地，最终得分范围可用于指定类别诸如：不推荐急性期后护理；由专家或临床医生进行第二次评论；和推荐急性期后护理。应该理解，本发明系统不限于任何预定的值、数或其它专门名称。
例如在一个实施方式中，信息项目可涉及患者的行走能力，其中描述性类别的患者的行走能力是如下类别和具有相应的原始得分：
行走能力 得分
无限制 0
较小限制或变化 0.5
在装置的帮助下行走 2
较大限制/来自其它人的日常帮助 2
不行走，要不然不能迈步 2
在另外的实施例中，信息项目可涉及患者的年龄，其中描述性类别的患者的年龄是如下类别和具有相应的原始得分：
以年计的年龄 得分
小于80岁 0
80岁或更大 1.5
在另外的实施例中，信息项目可涉及患者的停留时间，其中描述性类别的患者的停留时间是如下类别和具有相应的原始得分：
以日计的停留时间 得分
0-7 0
8+ 3
在另外的实施例中，信息项目可涉及患者的共病状况的数目，其中描述性类别的患者的共病状况的数目是如下类别和具有相应的原始得分：
共病状况的数目 得分
0-1 0
2-3 0.5
4+ 1
在另外的实施例中，信息项目可涉及患者的抑郁等级，其中描述性类别的患者的抑郁等级是如下类别和具有相应的原始得分：
在另外的实施例中，信息项目可涉及患者的自测健康评估，其中描述性类别的患者的自测健康评估是如下类别和具有相应的原始得分：
自测健康评估 得分
极好 0
良好 1
普通或差 1.5
如前所阐释，指定的总得分值可用作是否推荐急性期后护理服务的临界值。例如，在针对认知完好患者或轻度认知受损患者(然而是口头上的)的系统中，其中上述原始得分值对应于信息项目中的上述类别：行走能力；自测健康评估；停留时间；年龄；共病状况的数目；和抑郁症筛查，大于3的总得分决定应该推荐急性期后护理服务。
在再其它的实施例中，在针对严重认知受损患者或不能说话患者的系统中，可利用如下信息项目类别和相应原始得分：
患者多久可以得到护理者的护理 得分
从不 1
很少 1
偶尔 1
常常 1
在需要时 0
患者年收入 得分
少于$20,000 1
$20,000或更多 0
行走能力 得分
无限制 0
较小限制或变化 0.5
在装置的帮助下行走 2
较大限制/来自其它人的日常帮助 2
不行走，要不然不能迈步 2
以日计的停留时间 得分
0-7 0
8+ 3
共病状况的数目 得分
0-1 0
2-3 0.5
4+ 1
自测健康评估 得分
极好 0
良好 1
普通或差 1.5
在此，指定的总得分值可用作是否推荐急性期后护理服务的临界值，其中上述原始得分值对应于信息项目中的上述类别，其为：患者多久可以得到护理者的护理；患者收入；行走能力；自测健康评估；停留时间；和共病状况的数目，大于或等于3的总得分决定应该推荐急性期后护理服务。
现在参考图1，其显示本发明示例性方法100的流程图。在步骤105，首先确定患者是否认知完好或至少轻度认知受损和有语言能力。如果患者认知完好或至少轻度认知受损和有语言能力，则选择框110、115、120、125、130和135(可选答案和相关得分值未显示)中一般描述的询问组的答案。如果患者不是认知完好或至少轻度认知受损和有语言能力，则患者代表可辅助选择答案140，并选择框145、150、155、160、165和170(可选答案和相关得分值未显示)中一般描述的询问组的答案。在任一情况下，选自询问组的答案的总得分被计算175，并与询问组的预定阈值进行比较180。如果总得分满足阈值，则向患者推荐急性期后护理安排185。如果总得分不满足阈值，则不向患者推荐急性期后护理安排190。
现在参考图2，其显示示例性询问组和得分机制200的流程图，其中患者认知完好或轻度认知受损。在210，患者的行走能力被评估，其中提供五个可选答案，并且每一答案与其得分值关联。在220，患者的总体健康被评估，其中提供三个可选答案，并且每一答案与其得分值关联。在230，患者在健康护理机构中的停留时间被确定，其中提供两个可选答案，并且每一答案与其得分值关联。在240，患者的年龄被确定，其中提供两个可选答案，并且每一答案与其得分值关联。在250，患者的共病状况的数目被确定，其中提供三个可选答案，并且每一答案与其得分值关联。在260，患者的抑郁症水平被评估，其中询问两个询问，其要求是或否答案，并且根据提供给两个询问的答案来确定得分值。在270，对各模块210、220、230、240、250和260的总得分求和，并在280将该总得分与预定的阈值(在该情况下，预定的阈值是3)进行比较。如果总得分小于或等于3，则不向患者推荐急性期后护理安排。如果总得分大于3，则做出急性期后护理安排推荐。
现在参考图3，其显示示例性询问组和得分机制300的流程图，其中患者不是认知完好或轻度认知受损。在该实施例中，患者可实际上严重认知受损或不能说话，因而代表可用于辅助选择询问组中每一询问的答案。在310，护理者对患者的可用性被评估，其中提供五个可选答案，并且每一答案与其得分值关联。在320，患者的行走能力被评估，其中提供五个可选答案，并且每一答案与其得分值关联。在330，患者的总体健康被评估，其中提供三个可选答案，并且每一答案与其得分值关联。在340，患者在健康护理机构的停留时间被确定，其中提供两个可选答案，并且每一答案与其得分值关联。在350，患者的共病状况的数目被确定，其中提供三个可选答案，并且每一答案与其得分值关联。在360，患者的年收入被确定，其中提供两个可选答案，并且每一答案与其得分值关联。在370，对各模块310、320、330、340、350和360的总得分求和，并在380将该总得分与预定的阈值(在该情况下，预定的阈值是3)进行比较。如果总得分小于3，不向患者推荐急性期后护理安排。如果总得分大于或等于3，则做出急性期后护理安排推荐。
在某些实施方式中，另外的询问或询问组可在应用工具后被利用。例如，这样的询问，“你同意或不同意工具？”可被问及患者、患者代表或健康护理提供者中的一个或多个。这样的应用后询问可辅助确定工具的有效性和提供反馈，所述反馈可后来用于改变工具或使工具适于随后用于相同或不同患者。
如本文所考虑的，本发明的系统和方法可在患者停留在健康护理机构期间的任意点，以整体或部分被施展或以其它方式利用。例如，系统可在患者进入时或在形成健康护理机构的进入方案的部分时被利用。在一些实施方式中，工具的所有询问组均可在进入时被解答，或在其它实施方式中，仅选择的工具询问组在进入时被解答。在其它实施方式中，系统可在患者的进入后停留过程中的任意点被利用。在其它实施方式中，系统可在患者离开时或在形成患者离开方案的部分时被利用。应该理解，在患者停留在健康护理机构的过程中，对工具的所有或任意部分施展的时机没有限制。
应该理解，本发明的系统和方法不仅确定对急性期后护理服务安排的需要，而且通过延长患者再次进入健康护理机构的时间进一步减少再次进入事件的数目。例如，本发明可通过降低再次进入的相对比率至少10％，并更优选降低至少15％、降低至少20％或甚至降低至少25％，延长患者，包括高风险患者再次进入的时间。这种再次进入比率的降低最终导致在每名患者的基础上总的、全部数目再次进入的降低。
根据本发明的方面，本发明系统可在计算机平台上操作，诸如本地或远程可执行软件平台或作为主因特网(hosted internet)或网络程序或端口。在某些实施方式中，仅部分系统可经计算机操作，或在其它实施方式中，整个系统均可经计算机操作。如本文所考虑的，任意“计算机平台”均可通过任意计算设备操作，所述任意计算设备——如本领域技术人员会理解的——包括桌面或移动设备、便携式电脑、台式机、平板电脑、智能手机、或其它无线数字/手机、电视机或其它薄型终端设备。
例如，系统的计算机可操作组件(一个或多个)可整体位于单一计算设备上，或可位于中央服务器上并在任意数目的终端用户设备上通过通信网络运行。计算设备可包括至少一个处理器、标准输入和输出设备以及通常在计算设备上发现的所有硬件和软件，所述计算设备用于存储数据和运行程序，以及用于在网络上发送和接收数据——如果需要的话。如果使用中央服务器，则其可是一个服务器，或者更优选可扩展服务器的组合，其提供作为网络主机服务器、网页服务器、邮件服务器和中央数据库服务器的功能，这些均由系统管理员或操作者维护和管理。计算设备(一个或多个)还可直接或经网络连接至远程数据库，诸如用于另外的备份存储，并允许两个或更多个计算设备之间的文件、电子邮件、软件和任意其它数据格式的交流。通信网络可以是广域网和可以是本领域的普通技术人员所理解的任意合适的网络化系统诸如，例如开放的广域网(例如，互联网)、电子网络、光学网络、无线网络、物理上安全的网络或虚拟专用网络及其任意组合。通信网络还可包括任意中间节点诸如网关、路由器、网桥、互联网服务供应商网络、公用交换电话网/代理服务器、防火墙等等，以便通信网络可适于通过系统传输信息项目和其它数据。
进一步，通信网络还可利用本领域技术人员所理解的标准体系结构和协议如，例如分组交换网络，用于根据标准传输控制协议/因特网协议(“TCP/IP”)运输信息和包。任意计算设备均可通过例如传统电话业务连接通信连接到通信网络中，所述传统电话业务连接利用常规调制解调器、综合业务数字网络(“SDN”)、电缆连接——包括有线电缆数据服务接口规范(“DOCSIS”)电缆调制解调器、数字专线(“DSL”)、T1线路或本领域技术人员理解的任意其它机构。另外，系统可利用任意常规操作平台或平台组合(Windows、Mac OS、Unix、Linux、Android等)并可利用任意常规联网和通信软件，如本领域技术人员会理解的。
为保护数据和有助于符合HIPAA规则，加密标准可用于保护文件免于通过网络被非授权获取。本领域的普通技术人员所理解的任意加密标准或身份验证方法均可在本发明系统中的任意点使用。例如，可通过利用具有双密钥加密的SecureSocket Layer(SSL)加密输出文件来完成加密。另外，系统可限制数据操纵或信息访问。例如，系统管理员可允许以一个或多个水平进行管理，诸如以个体用户(患者)水平、健康护理专业人士水平或以系统水平。系统管理员还可以任意水平对用于实施访问和应用限制。这样的限制可包括，例如指定允许利用本发明的用户名和口令，或选择允许从属用户查看或操纵的一个或多个数据类型。
如前所述，系统可作为应用软件操作，其可由本地或远程计算设备管理。软件可包括软件框架或体系结构，其优化至少一个现有软件平台的易用性并且还可延伸至少一个现有软件平台的能力。应用体系结构可接近用于组织和管理电子文件的实际方式，因而可以自然连贯的方式组织用途活动同时通过简单的相容、直觉界面在每一应用中和应用间输送用途活动。体系结构还可被再次利用，提供插入能力至任意数目的应用，而不进行广泛的程序重调，这可使系统外面的一方(parties)能够产生插入到体系结构中的组件。因此，体系结构中的软件或端口是可延展的，并且任意一方产生均可产生新的软件或端口用于体系结构。
系统软件可提供例如应用，诸如上述出院决策支持和急性期后护理服务安排推荐，其可被一个或多个用户用于执行一个或多个功能。这样的应用可在用户所在位置或在远离用户的位置得到。每一应用均可提供图形用户界面(GUI)，以易于用户和系统中存在的信息交互作用。GUI对于用户、用户组或用户类型可以是专用的，或者对于所有用户或选择的用户亚组可以是相同的。系统软件还可提供主GUI组，其允许用户选择或交互作用于一个或多个其它应用的GUI，或允许用户同时访问通过任意系统部分以另外方式可得的各种信息。
系统软件还可以是端口，其通过GUI提供对本发明系统的远程访问和从其进行访问。软件可包括例如网络浏览器以及其它标准应用。软件还可包括自动基于其它应用中的用户请求或通过用户请求从一个或多个远程点诸如因特网上的点搜索或以其它方式检索特定数据的能力。软件可根据用户类型而变化或可仅用于特定用户类型，这取决于系统的要求。例如，用户可具有本地计算设备上的部分或所有应用软件或可仅具有本领域技术人员所理解的连接机构，以通过通信网络连接计算设备至中央服务器上运行的软件。因此，任意具有软件或能够访问软件的设备可能够上传或下载任意信息项目或数据收集项目或与这样的文件相关的信息文件。
通过软件进行的数据显示可以是任意类别和数目的可选格式。例如，可利用多层格式，其中通过连续查看呈现的较低层的信息可获得另外的信息。通过利用下拉菜单、伪马尼拉标签(tabbed pseudo manila)文件夹或本领域技术人员理解的其它分层技术可获得这样的层。格式还可包括自动填充程序功能，其中数据可响应特定域中部分数据的进入而被用于填充。所有格式均可是标准可读格式诸如XML。软件可进一步结合通常在应用中发现的标准特征诸如，例如，前或“主”页，以向用户显示各种可选选项，以利用或组织信息项目收集域。
系统软件还可包括标准报告机构诸如产生可印刷的结果报告或可传输至任意通信连接的计算设备的电子结果报告，诸如产生的电子邮件信息或文件附件。类似的，上述出院决策和急性期后安排的特定结果可触发警告信号，诸如产生警告电子邮件、文本或电话，以警告专家、临床医生或其它健康护理专业人士特定结果。
试验实施例
现在通过参考以下实施例描述本发明。这些实施例仅被提供用于说明目的，并且本发明决不应该被解释为受这些实施例限制，而是应该被解释为包括任意和所有变化，所述变化由于本文所提供的教导而变得显而易见。
无需进一步描述，可以相信，本领域的普通技术人员利用在前的描述和如下说明性实施例能够获得和利用本发明和实践要求保护的方法。因此，如下工作实施例具体指出本发明的优选实施方式，而不应该被解释为以任意方式限制本公开内容的其它部分。
实施例1：处于不良出院结果风险的患者的鉴定
检查入院老年人的安排决策和12-周结果，以通过有效鉴定需要后出院安排的患者阐明提高质量和成本结果的时机。将专家组的出院安排决策与相同老年患者组的医院临床医生的安排决策进行比较。进一步，将专家鉴别需要安排但医院临床医生没有指示的患者与专家和临床医生均同意指示或不指示的患者的12周结果进行比较。
实施例1方法
利用针对355名入院患者的现有和预期收集的数据进行比较、描述性研究。源于医院和研究记录的病例研究由8个专家的组进行判断，以得出其对后出院安排的需要的决策。将专家的决策与这些相同患者的医院临床医生的安排决策进行比较。将专家说指示但医院临床医生不指示的老年患者(是/否)中出院后12周的结果与其中专家和临床医生的决策一致(是/是或否/否)的那些患者的进行比较。
为了该研究目的，后出院护理的安排被定义为由评估专家或医院临床医生(例如护士、理疗师、社会工作者或医师)做出的患者求助于熟练的家庭护理、出院或住院康复或进入疗养院的推荐。
专家
为获得全国性和当地的看法，4名全国公认的学者和在体现护理、社会工作、理疗和医学修养的出院规划方面有经验的4名受尊敬的医院临床医生作为专家参与该研究。全国性学者的选择是基于其发表的在出院规划方面的学术性作品的记录和结果研究。临床医生根据管理人员或等同人的推荐和在该领域至少5年经验进行选择。决策分析组通常由6-12个成员组成(Golden BL,Wasil EA,Harker PT.The Analytic Hierarchy Process.New York:Springer-Verlag Berlin Heidelberg；1989)。
数据源
数据来自3个之前完成的研究中的对照组(N＝208)和参加该研究的对象(N＝147)。使用之前的研究，因为它们提供描述入院患者特征、他们停留的过程、其结果以及他们体现的一般护理的一致信息的丰富的数据库。
从3个完成的研究中产生对照组对象的名单(N＝443)，所述研究在代表城市、郊区和农村环境的6家医院中的一家进行：研究1-“针对老年人的全面出院规划，#1RO1-NR02095、研究2-“针对老年人的全面出院规划，#1RO1-NR02095、研究3-“家庭随访患有心力衰竭的老年患者”，#1RO1-NR04315。针对每一个对象制备包含基线和12-周随访数据的纸质医学记录和研究记录。
利用随机数字目录选择记录，直到获得245条记录。该分析要求的病例的最小数目利用与曲线下面积(AUC)统计量相关的标准误差计算为100。假定预期的一致性为.80，则对于标准误差为0.045，总病例数应该为100(50安排+50非安排)(Hanley等,1982,Radiology143:29-36)。然而，基于之前的工作(Bowles等,2002,J Am Geriatr Soc50:336-342)，其中大部分患者被专家指引，提取比计划大的样本以确保足够的非安排类型。去除37条记录，原因如下：缺失关于术后过程或12周随访的数据(N＝21)；对象退出(N＝5)或被去除(N＝1)；数据不可读(N＝3)；病例没有增加任何新的东西(N＝5)；用于训练医学记录摘要记录者(N＝5)。主研究员和护理研究生研究助理通读每一随机选择的记录。包括的记录包含对医院事件过程、出院计划、入院和出院药物治疗以及12-周随访信息的描述。
研究样本
研究对象为65岁及以上、说英语并在Short Portable Mental Status Questionnaire上得分6或或更高(Purser等,2006,J Am Geriatr Soc54:335-338)。研究1中的对象患有心力衰竭、心绞痛、心肌梗塞、瓣膜置换或冠状动脉搭桥术。研究2对象患有心绞痛、心肌梗塞、充血性心力衰竭、呼吸道感染、冠状动脉旁路搭桥术、心瓣膜置换、主要小肠或大肠外科手术或下肢矫形外科手术。另外，参加研究2的患者至少满足如下与不良出院结果有关的标准之一：年龄80或更大；社会支持系统不足；多种活跃的慢性健康问题；抑郁症史；中度至严重功能限制；在前6个月中多次入院；以前的任何入院；普通或不良健康自测；或不遵守治疗方案的历史(Naylor等,1999,JAMA281:613-620)。研究3对象满足与研究2中相同的标准，并均被确认患有心力衰竭。
另外147名患者参加和作为目的便利样本——来自农村社区医院(N＝97)和城市AMC三级医疗中心(N＝50)，两个点均在之前的临床试验中被利用——被随访12周。这些对象满足除了诊断以外的同样的纳入标准，并且他们不需要满足与不良出院结果有关的标准。这些另外的病例根据专家的建议被找到，以探索诊断和敏度中更多的多样性。预期的病例具有包括癌症、糖尿病、感染、生殖泌尿道状况和外伤的诊断。排除心力衰竭和心绞痛，因为这些诊断类别充分体现在现有数据组中。加入新病例与其它病例混合，然后将它们呈现给专家。
数据收集程序
如下基线数据一致地收集自所有在先研究和住院期间的预期对象：社会人口统计因素(年龄、种族、性别、收入、教育水平、生活安排、健康保险)；医学诊断；共病状况；住院期间不良事件；入院和出院药物治疗；之前的家庭护理使用或在前6个月或30天中住院；利用辅助设备；和患者对辅助设备或后出院服务的需要的理解。在基线和出院后12周收集自测健康状态和功能状态。出院安排数据——包括医院临床医生和专家的推荐和安排的场所——以及资源利用数据——包括重新入院时机和原因、急诊科(ED)访问和对医师的急性护理访问——通过患者记录和出院后多达12周的电话采访而收集。这些数据由患者的医师以及医院和家庭健康机构记录确认。RA’s收集所有数据。选择12-周数据点，因为其是所有3个研究中的共同数据收集点，并且其落入出院规划失败变得明显的阶段中(PotthoffSJ,Kane RL,Franco SJ.Hospital Discharge Planning for elderly patients:ImprovingDecisions,aligning incentives.1985(Master Contract500-92-0048))。
结果测量
安排决策，包括医院临床医生和专家的是或否推荐和安排场所通过患者记录收集。这些数据由患者的医师以及医院和家庭健康机构记录确认。
自测健康状态是患者对其总体健康的理解。其通过询问“你现在总体健康如何？它是极好、良好、普通或不良？”来测量(Maddox等,1973,J Health SocBehav14:87-93)
功能状态通过被迫性社会依赖量表(ESDS)(Benoliel等,1980,Res NursHealth3:3-10)来测量。被迫性社会依赖意为在执行成年人通常可独立完成的活动或任务时需要来自他人的帮助或辅助。该手段测量：1)个人能力，包括患者涉及食、衣、行、出行、沐浴和如厕的功能，其均在6-点量表上评价；2)社会能力，包括家庭、工作和娱乐活动，其均在4点量表上评价，和3)交流，其在3-点量表上评价。得分范围为10-51，其中较高得分指示更依赖。心脏病患者的总的量表可靠性系数为0.8，和1月测试-再测信度为0.62(McCorkle R,Benoliel J.Cancer patientresponses to psychosocial variables.Final report of project supported by grant#NU00730,Department of Health and Human Services.University of Washington；1981)。Chronbach’sα为0.92随同ESDS和疾病影响量表之间的高相关性被报告(Fink A.Social dependence and self-care agency:A descriptive-correlation study ofALS patients.Thesis.University of Washington；1985)。
资源利用包括未计划的再入院数目、急性护理诊所或临床访问和标准出院访问后ED利用。
病例研究的数据收集
病例研究发展自患者的记录并用于引出专家对于安排的需要的观点。医学记录包括病程记录、出院计划和出院总结。研究记录包括之前记录的获自采访和上述手段的数据。发送给专家的病例不包括由医院临床医生制定的安排决策。
利用Orem的自理理论罗列的10个制约因素(Orem,D.E。Nursing：Conceptsof practice,3rded。New York：McGraw-Hill；1985:36)发展和组织数据提取形式。这些包括：年龄、性别、发育状态(心理状态、功能)、健康状况(诊断、抑郁症、药物治疗、自测健康)、社会文化因素(说的语言，患者价值观和喜好)、健康护理系统因素(之前的住院或家庭护理使用)、家庭系统因素(护理者的可用性，能力和意愿)，生活模式(物质使用、习惯、坚持)、环境因素(家庭中的阶梯、运输)和社会经济因素(收入、保险)。
制作摘要者评论医学记录，用于评估和干预——由出院计划者、全体护士、医师、社会工作者或理疗师提供，并将这样的信息包括在病例研究中。PI每周对RAs’提取进行评价。病例研究实施例提供在表1中。
表1.样本病例研究
安排决策制定
病例研究以50个一批公布在安全网站上。8名专家匿名且独立地评估每一病例，并针对安排提供是/否推荐。他们被指示使其决策基于临床需要并忽略潜在的障碍(例如，居家状态或保险类型)。如果推荐安排，则专家确定理由和期望的随访服务：家庭护理、住院病人或门诊病人康复或疗养院。如可以预期地，专家对于推荐指引和/或场所不一致。第二网页被用于促进对于具有不一致决策的病例的一致意见。利用改进的Delphi技术，专家了解病例，每一专家均制定决策和同意或反对安排的理由。他们对彼此的身份均不知情，但能够将他们的推荐与其它人的进行比较，并被要求考虑其它人的推理和再次投票，试图达到一致；然而，不强迫他们改变主意。投票-反馈-投票的过程被重复上至3次直到获得大部分一致同意(Burns N,Grove SK.The Practice of Nursing Research:Conduct,critique,andutilization,5thedition.St Louis,MO:Elsevier Saunders；2005)。在3轮后还有12个病例未达成一致。在亲自到场讨论中都有病例均达到一致同意。
数据分析
频率和列联表比较专家与医院临床医生的出院安排比率。作为分析中的初始步骤，总结了医院临床医生和专家评级之间的一致性。两个病例因疏忽未送至专家进行评论。三个其它病例缺失医院临床医生的决策。因此，最终的数据组——同时具有医院临床医生和专家的决策——从355降至350。McNemar’s测试(Munro,BH Statistical Methods for Health Care Research,5thedition,Philadelphia:LippincottWilliam’s&Wilkins；2005:122-123)比较专家的安排比率对比医院临床医生的安排比率。产生新变量(refergp)，以比较组之间的差异(refergrp＝否/否、是/否和是/是)。接下来，与refergp进行二元比较，其利用单因素ANOVA(如果变量正态分布)、Kruskal-Walis测试(非正态连续分别)、卡平方测试(分类变量)和比值比(odds ratios)——在适当的时候(Hosmer DW,Lemeshow S.Applied LogisticRegression.New York,NY:John Wiley&Sons,Inc.；1989)。另外，如果3组明显不同，则利用适当调整对多重比较进行成对检验，以确定明显不同的组。考虑到安排决策是基于患者基线特征，对这些差异在12周结果分析中没有进行调整，因为那会消除专家和医院临床医生的决策的基础。相反，决策组被认为是源自其基线特征的患者群。
实施例1结果
专家对病例中的282例(81％)推荐安排和对68例(19％)不推荐安排。医院临床医生推荐101安排(29％)和对剩余249例(71％)不推荐安排。样本特征显示于表2。
表2：专家和医院临床医生对于指引或不指引的决策。
*样本量从355降至350，由于两个病例由于疏忽没有送至专家和其它3个病例缺失医院临床医生决策。
对于165个病例，出现专家和医院临床医生之间决策的一致(47％，66不指引+99指引)。专家指引患者进行后出院服务的可能性比医院临床医生高18倍(OR＝17.8，95％CI＝4.3-74.4，p<0.001)。尽管在安排决策中有很大的不一致，但同时由专家和临床医生进行指引的患者(是/是)与仅由专家指引的患者(是/否)仅有少数特征不同。相比仅由专家指引的患者，医院临床医生更可能指引年长(平均年龄76.2对比74，p<.001)、有手术史(OR＝1.9，95％CI＝1.1-3.2，p＝.025)、停留时间较长(平均9.3对比6.8天，p.<.001)的患者或在需要时可获得的帮助比率较低的患者(56.6％对比81.6％,p<.001)(见表3)。相比于仅由专家进行的安排组，他们还更可能报告普通或不良健康、需要和利用更多资源，包括家庭护理看护和具有较差沐浴和工作角色功能。
表3.样本的总体社会人口学统计和健康特征——通过专家/医院决策。
13个决策组之间任意差异的检验。
2被列为亚裔或太平洋岛民的两个对象从统计学分析中排除。
a与否/否组差异显著
b与是/否组差异显著
c与是/是组差异显著
理想地，对于接受和没接受实际安排的那些，专家安排和无安排的结果可独立进行比较。然而，在101个接受实际安排的当中，仅有2个从仅专家的组接收无安排等级(表2第二栏)。因此，分析比较仅专家安排组的12周结果(是/否)与专家和临床医生达成一致的组的12周结果(是/是和否/否)。
表4总结12周时仅专家安排和其它安排组的资源利用结果之间的差异。
表4：十二周总体资源利用、健康等级和功能结果——通过专家/医院决策。
13个决策组之间任意差异的检验。
2被列为亚裔或太平洋岛民的两个对象从统计学分析中排除。
a与否/否组差异显著
b与是/否组差异显著
c与是/是组差异显著
与无安排组(否/否)相比，在12周随访期间仅专家安排组(是/否)中的对象显示几乎5倍的随后再入院风险(OR＝4.7，95％CI＝1.6-13.6，p<0.009)。与无安排组的6.2％相比，接近24％的仅专家(是/否)安排组经历再入院，并且，占得到出院后服务的对象的20.2％。与专家和临床医生同意不指引的那些相比，得到服务的对象(是/是)还明显更可能再入院(OR＝3.9，95％CI＝1.3-11.9，p＝.009)，但与没有得到出院后服务的是/否组相比，在统计学上再入院的可能性差异不大(23.5％对比20.2％)。
仅专家安排组中的患者在12周期间比无安排组具有更多的急性MD访问，但这在统计学上不显著(0.9对比0.5，p＝.083)。与得到安排的患者相比时，发现结果类似(0.9与1.1，p＝0.83)。另外，与是/是和否/否组各自12.2％或7.7％相比，是/否组中14.2％的患者在该相同阶段使用ED，尽管这些差异在统计学上不显著(p＝0.392)。
表4还总结自测健康和功能状态结果。对于自测健康状态，是/是和是/否组将其健康定级为差于否/否组(p＝0.001)。对于总功能得分，所有3组均发现彼此间明显差异。是/是组(平均值＝21.5，SD＝3.0)的功能状态差于是/否组(平均值＝18.2，SD＝7.3)(p＝0.011)和否/否组(平均值＝12.3，SD＝3.0)(p<.001)。
该研究揭示，针对出院决策制定质量中的较大差距和这些差距造成的结果。评论出院的住院患者的病例研究的专家针对183名在实际生活中没有接受医院临床医生的安排的患者推荐后出院护理。专家成功鉴别在12周后具有较差结果的患者，所述较差结果包括更多ED和医生诊所使用，明显高比率的再入院和较低的自测健康和功能。被专家推荐安排但没有接受安排的患者经历再入院的可能性是被鉴定为不需要安排的患者的5倍，表明需要改进对需要服务的患者的鉴别。
专家鉴别同龄组的患者，所述患者尽管他们在基线具有比未被指引进行后出院服务的患者明显较差的健康特征但也未被指引。他们在所有功能方面具有较高得分(较差)。他们报告需要更多资源，具有较高的普通/差级别健康发生率和之前利用过医院、较低的生活质量得分、较少的教育、更多的共病状况、较高(较差抑郁症得分、较长停留时间和较低心理状态得分。
被医院临床医生指引的患者具有少数明显不同于仅专家安排组的特征。然而，这些特征趋于是十分明显的特征。例如，医院临床医生推荐这样的患者，所述患者年长、有手术史、停留时间较长、报告不能得到帮助、在过去使用较大数目的资源和出院后服务、沐浴功能不足和较少被雇佣。研究发现补充，病例研究中较高质量信息的可用性造成专家和临床医生在鉴别处于风险的患者之间的差别。例如，专家可基于住院期间未被常规评估和证明的信息——包括抑郁症、心理状态和生活质量——向患者推荐安排。对于医院临床医生，信息散布于整个医学记录中，如果所有均被记录。对于专家，其呈现在概括性的病例研究格式中。专家在制定其决策时也没有时间压力，并被告知使其决策基于患者需要而不是保险规则。因而，研究发现表明，在较高质量信息和行使其判断的自由的情况下，临床医生在识别在出院时具有未满足的需要的老年人的需要方面做得更好。
相比于临床医生和专家同意不指引的患者，被专家推荐但未接受安排的患者在12周时具有较低自测健康和较差功能。尽管到12周时不像得到安排的那些患者在功能上受到损害，但他们的功能状态得分仍被消弱，从而增加其再入院风险。Wilber、Blanda和Gerson(Wilber等,2006,Acad Emerg Med13:680-682)证明，由于日常生活中的仪器和身体活动减少，分别65％和75％的患者使用ED。对于该后面的组的88％，穿衣、移动和行走能力的降低导致ED使用，表明提供出院后服务以防止下降的重要性。
这些发现表明，与接受它相比，更多患者可需要或得益于出院后安排。但是，存在若干障碍阻止老年人接收他们需要的护理。这些包括缺乏时间、技术、程序和支持精确出院安排决策制定的患者评估信息(Bowles等,2002,J Am Geriatr Soc50:336-342；Potthoff SJ,Kane RL,Franco SJ.Hospital Discharge Planning for elderlypatients:Improving Decisions,aligning incentives.1985(Master Contract500-92-0048)；Bowles等,2003,Appl Nurs Res.16:134-43)。Baker和Wellman(Baker等,2005,J Amer Diet Assoc105:603-607)发现，在11家医院中，98％的负责出院规划的病例管理人员报告过多患者载荷和作为工作障碍的职责。与提供给医院临床医生的时间和环境相比，专家具有更多时间和较小环境压力来制定其决策(Prescott等,1995,Res Nurs Health18:85-95；Potthoff SJ,Kane RL,Franco SJ.Hospital Discharge Planning for elderly patients:Improving Decisions,aligningincentives.1985(Master Contract500-92-0048)。而且，专家被指示基于需要而不考虑报销或医疗保险合格标准诸如处于居家的来制定其安排决策。
这些发现还受到各种学科的专家小组的影响。多重研究表明，对老年人的综合需要的各学科间管理导致改进的健康护理方法和患者结果(GeriatricsInterdisciplinary Advisory Group.2006,J Amer Geriatr Soc.54:849-852)。小组更精确鉴别将患者置于不良结果风险的因素。医院临床医生使用的出院规划模型不总是包括各学科间小组，而是依赖于个别护士、社会工作者或医师输入以各种水平的风险容忍度、评估和决策制定技能和出院后护理益处的知识。
实施例2：六因素模型的发展
实施例2解决两个特定目标：得出关于对安排决策制定重要的因素的专业知识，和鉴别需要急性期后安排的入院患者的特征。
实施例2方法
对组合的追溯和预期样本执行混合方法——对入院老年人的特征和专家指引他们进行急性期后护理的决策比较和探索性分析。独立变量通过各种知识引出方法，包括病例研究分析、Delphi轮、焦点小组和数据挖掘导出。这些方法到细节中下面描述。因变量是专家的是/否安排决策。
Orem的自理缺陷理论指导鉴别和组织影响患者照顾其自身的能力的因素。看护护理在人不能进行自理时是合适的(Orem,D.E.(1985).Nursing:Concepts ofpractice(3rded.).New York:McGraw-Hill)。Orem注意到基本的制约因素是影响个体进行自理的能力或影响所需自理的量的内因或外因。这些基本制约因素属于10类：年龄；性别；发展状态；健康状态；社会文化定位；健康护理系统因素；家庭系统因素；生活模式；环境因素；和社会经济因素(Orem,D.E.(1985)。Nursing：Concepts of practice(3rded.).New York:McGraw-Hill)。Orem制约因素提供框架，以分类从患者的记录提炼的信息，和在专家焦点小组期间组织本体论和论述。
研究样本
样本包含355名老年人，其入住在六家医院(城市、郊区和农村)之一。数据来自两个源：现有记录和方便样本。最初计划是仅分析现有记录，但专家要求另外的病例以增加所呈现诊断的类型的多样性。数据组被组合，因为它们包含对相同变量的测量并且分析实现两个数据组的相同的目标。它们的追溯或预期性质不影响研究设计。
现有记录
现有记录在三个完成的随机化临床试验中取自参加的对照组患者(Naylor,等,1994,Annals of Internal Medicine,120:999-1006；Naylor,等,1999,Journal of theAmerican Medical Association,281:613-620；Naylor,等,2004,Journal of the AmericanGeriatric Society,52:675-84)。这些记录均被利用，因为它们具有描述入院和出院后12周时老年人特征的变量的全面数据库。在所有三个研究中收集相同变量，并且利用对照组，以便RCT干预的作用不影响12周结果。对象ID(N＝443)名单产生自三个完成的研究的对照组。利用与曲线下面积(AUC)统计量相关的标准误差——0.045和假定预期的和谐性为.80，权(power)分析计算最小病例数为100(50安排+50非安排)(Hanley&McNeil,1982,Radiology,143:29-36)。然而，基于试验工作——其中大部分患者被专家指引，提取较大样本，以确保足够的非安排类型。因此，利用随机数字表随机选择245名对象。在评论这些记录之后，37名未被使用，因为缺失数据(N＝21)；退出或离开(N＝6)；不可读(N＝3)；病例太类似N＝2)或病例用于训练摘要记录者(N＝5)。剩余的208个记录被用于该研究。预期从学术医学中心(N＝50)和农村社区医院(N＝97)——两个场所均在之前的研究中被用到——参加的方便样本收集147名老年人的数据。
所有对象均为65岁及以上、讲英语、认知完好并预期出院回家。另外，参加研究2和3的患者满足与差的出院结果相关的至少一个标准(Naylor,等,1999,Journal of the American Medical Association,281:613-620；Naylor,等,2004,Journalof the American Geriatric Society,52:675-84)。研究1中的对象因心力衰竭、心绞痛克冠酸钠、心肌梗塞、瓣膜置换或冠状动脉搭桥术而入院(Naylor,等,1994,Annalsof Internal Medicine,120:999-1006)。研究2患者具有这些诊断和呼吸道感染、主要小肠和大肠手术或下肢矫形手术(Naylor,等,1999,Journal of the American MedicalAssociation,281:613-620)。研究3患者均因心力衰竭入院(Naylor,等,2004,Journalof the American Geriatric Society,52:675-84)。
预期参加的对象满足相同的纳入标准，除了诊断和与差结果相关的标准之外。因为专家要求在诊断和严重性中具有更多多样性的病例而找到他们。这些病例代表癌症、糖尿病、感染、生殖泌尿道状况和外伤，并在呈现给专家之前与其它的混合。所有患者均具有关于其可用于分析的特征信息的相同数据库(即，功能、状况数目、护理者可用性)。
数据收集
病例研究发展自患者的医学记录和在标准住院期间进行的采访。数据针对以下进行收集：年龄、种族、性别、收入、教育、生活安排、保险、医学诊断、共病、不良事件、入院和出院药物治疗、停留时间(LOS)、之前的家庭护理或前6各月中住院、辅助设备或服务的使用和出院后患者对设备或服务的感知需要。对自测健康、认知、功能状态和抑郁症的测量利用标准手段获得。出院安排被记录，以直到患者是否接受急性期后服务安排和急性期后护理出院上至12周的随后再入院和急诊科利用。所有急性期后服务均通过随后的医学记录评论进行核实。受训练的护理研究生研究助理在住院期间亲自收集所有数据和在12周时通过电话收集数据。
手段
自测健康状态是患者对总体健康的感知，所述总体健康利用单一询问——“你如何评定你当前的总体健康？极好、良好、普通或差？”来测量(Maddox等,1973,Journal of Health and Social Behavior14:87-93)。
短便携式心理状况问卷(SPMSQ)被用于测量智力损害的存在和程度。它是对老年人心理状态的有效和可靠的测量(Roccaforte,Burke,Bayer,&Wengel,1994)。为了结构效度，SMPSQ显示与简易智力状态检验的良好相关性，并且报告对于检测痴呆，再测信度k值为.45、敏感度为.74和特异度为.91(Roccaforte,等,1994,Journal of Geriatric Psychiatry and Neurology,7:33-38)。
功能状态利用被迫性社会依赖量表(Moinpour,C.,McCorkle,R.,&Saunders,J.(1981).Measuring functional status.In M.Frank-Stromborg(Ed.),Instruments forclinical nursing research(pp.385-401).Boston,MA:Jones and Bartlett)测量。被迫性社会依赖被定义为需要辅助来进行活动或执行成年人通常可独立完成的任务。手段描述患者涉及如下的功能：食、衣、行、出行、沐浴、如厕；家庭、工作和娱乐活动；和交流。得分范围从10-51，其中较高得分指示更依赖。McCorkle和Benoliel(McCorkle,R.,&Benoliel,J.(1981).Cancer patient responses topsychosocial variables.Final report of project supported by grant#NU00730,DHHS.University of Washington)报告心脏病患者的总的量表可靠性系数为0.8，和修订量表的再测信度为0.62。
利用流行病学研究中心抑郁量表(CES-D)(Radloff,1977,AppliedPsychological Measurement1:385-401)测量抑郁症。不在研究1和部分研究3患者中测量抑郁症。对象评定上周中20个项目的发生，得分≥16指示抑郁症状。量表具有高的内部一致性(0.85)和充分的再测信度(对于不同样本，包括老年人，一般为0.53)(Callahan等,1994,Journal of the American Geriatrics Society,42(8):833-838)。随后，利用CES-D以及本文所述双项目抑郁症询问针对100名患者收集抑郁症得分。实现足够的相关性，从而允许替换本文所述较短的抑郁症询问。
病例研究的发展
主研究员利用五个记录来训练两个RA从每一患者的研究和医学记录中提炼信息。摘要记录者阅读整个病例，以熟悉内容和背景。在第二次阅读期间，记录在病程记录、出院计划和总结中的关于评估和干预的信息被收集和总结到病例研究中，如表5所示。10Orem基本制约因素提供组织框架，以标准化病例研究的格式。PI评论所有355个病例的完整性、语法和医学准确性，然后送至专家。
表5：送至专家的病例研究的实例
专家
四名全国公认的学者和四名当地临床医生被选择作为专家。四名全国性学者的选择是基于其发表的在出院规划和老年人护理方面的学术性作品的记录。他们持有PhD或MD学位。四名临床专家由其急性护理管理人员因其出院规划技能而被推荐，并在针对老年人的出院决策制定方面具有至少五年的经验。他们至少持有MS或MD学位。该多学科的组包含出院规划中涉及的主要学科中各学科的两人：医师、护士、社会工作者和理疗师。他们被付给$55.00/小时和每一病例花费15-30分钟来评论。
专家判断和数据管理
病例被在线公布，其中专家匿名且独立评价每一病例并提供是或否安排决策、鉴别哪种患者特征(因素)影响其决策，并且，如果建议安排，建议哪种急性期后服务。他们的发现(记录在网站上)自动输入有关数据库用于分析。病例以50个的批量对专家公布。当所有八名专家均输入其判断时，该轮被认为是完整的。对于是/否安排决策未达成一致的所有病例和场所均被公布用于Delphi轮。三个Delphi轮使得专家能够再次评论和判断病例。目标是追求一致意见。专家可以看到其他人的决策和理由，而不是他们的身份。在该随后的评论中，专家考虑其同事的各种观点，并且，如果他们改变注意，则指示其新的决策及其理由。三轮之后，如果为达到全部同意，则接受大多数决策(得自至少五名专家)。该发生于病例中的91例(26％)中。有12个病例存在平局(四个是，四个否)，其在最后亲临现场会议中被讨论并得到解决。不考虑学科，专家在其决策中达到统计学上显著的相关性(r＝.291-.517，p＝.01)。
协同专家发展本体论，以标准化安排的理由。本体论是其领域内一组观念和这些观念之间关系的正式表示。其被用于定义领域。通过系统地编码每一个因素，专家所用的术语被标准化成描述安排或不安排的理由和制备定性数据用于更有力的分析。例如，一个专家可能由于患者行走有困难而表示指引，另外的可能由于活动性减弱而表示指引。这些两个术语均用本体论中相同的编码进行编码，以便它们可以被分类和计数。研究的研究人员利用Orem自理缺陷理论的领域标题产生本体论，并在它们下面产生描述被专家使用的术语的亚类。使用的技术由Castro(Castro,等,2006,Bioinformatics,7:267)进一步描述。例如，发展状态的Orem类别包含本体论编码1.0功能状态，其中亚类为1.1行走能力、1.2沐浴能力等是该领域内的亚类。在编码安排的理由之前，研究小组向专家展示本体论类别以得到认可。专家和研究的研究人员一起编码若干病例，并且专家确认本体论领域和子码充分抓住他们的意思。PI是主要编码者，其中由专家对每一第50病例进行成员检查，并且，实现评分者间信度为92％，其中随机样本上的共同研究人员MDN为编码的10％。当编码者不一致或不清楚时，他们与专家进行讨论。这些数据利用数据挖掘技术、递归划分和决策树算法进行分析(Witten,I.,&Frank,E.(2005).Data mining:Practical machine learning tools and techniques(2nded.).San Francisco,CA:Morgan Kaufmann)。这些探索性分析帮助鉴别与决策有关的最普通的因素。结果在下面描述的焦点小组中进行讨论。
焦点小组
在研究过程中，当地专家进行7次亲临现场的会议，其中全国性专家通过电子邮件、电话和一人会议参加。在这些会议期间，确认本体论、评论病例并讨论通过数据挖掘鉴别的因素。八名专家评论由数据挖掘产生的规则，并系统考虑与推荐或否的决策相关的每一因素。由专家鉴定为重要的因素包括在逻辑回归分析中(表6)。
表6：逻辑回归中考虑的变量
统计学分析
描述统计学揭示变量的分布。两个病例偶然没有向专家公布，所以数据组包含353个病例。由于在研究1中没有评估抑郁症，和在研究3中部分评估抑郁症，所以27.0％的对象没有抑郁症得分。缺失抑郁症得分通过EM方法利用多重估算被估算(Schafer,J.L.(1997).Analysis of incomplete multivariate data.In Chapman&Hall,Book No.72,Chapman&Hall series Monographs on Statistics and AppliedProbability.Boca Raton:Chapman and Hall)。估算的变量的产生是基于基线处的已知对象人口统计学和功能信息，包括年龄、种族、性别、婚姻状态、自测健康、共病数目和功能状态变量。在必要时，分类变量坍缩以确保任一类别中足够的数目(>5％)。由于待考虑的变量数目，利用前向选择增加术语，增加其加入引起模型拟合明显变化的那些因素。在最终模型中选择的变量被评论，以确保没有混淆。最终模型含有能够维持统计学显著性(P<.05)的所有独立变量或其去除影响对另外的明显变量的评估达10％以上的那些变量(Hosmer,D.W.,&Lemeshow,S.(2000).Applied logistic regression(2nded.).New York:John Wiley and Sons)。接受者操作特征(ROC)曲线被用于通过回归模型确定分类/预测的最佳割点(Hanley&McNeil,1982,Radiology,143:29-36)。最后，进行蒙特卡洛交叉验证，以获得整体预测值，其利用500次重复和20％的数据作为验证组(Efron,B.,&Tibshirani,R.J.(1993).An introduction to the bootstrap.New York:Chapman andHall)。
实施例2结果
样本特征如下：54％为女性、74％白人、26％黑人、一般年龄74(范围为65-90)、50％已婚、36％丧偶、30％具有中学以下的教育、43％年收入<$20,000、52％在前6个月中至少住院一次。
与医院临床医生实际指引的患者相比，专家推荐安排给183名额外的患者。虽然专家的安排推荐主要是针对熟练的家庭护理服务(88％)，但少数患者还被指引进行出院(8％)和住院康复(4％)。该分别排除由场所独立进行检验；然而，在不考虑场所的情况下对于谁应该被标记为进行安排的鉴定在临床上仍然是重要的。因此，不考虑场所，出院安排的存在或不存在仍然是因变量。
发现20个变量中的六个在统计学上是显著的(P<.05)(表7)，并且，患者的年龄是有效的修饰成分。其改变对自测健康的评估达>10％。专家更可能推荐如下患者：没有或得到断续帮助：OR＝3.0，P＝.018、95％CI＝1.2,7.3；较大行走限制：OR＝6.5、P＝.002、95％CI＝2.0,20.9；比极好差的自测健康(良好健康：OR＝3.1、P＝.017、95％CI＝1.2,7.7；普通/不良健康：OR＝4.0、P＝.005、95％CI＝1.5,10.5)；停留时间较长：OR＝1.2/天、P＝.004、95％CI＝1.0,1.3；较高抑郁症得分：OR＝1.1、P＝.011、95％CI＝1.0,1.1；或更多的共病：OR＝1.2、P＝.010、95％CI＝1.1,1.5。
表7：专家的安排决策的最终逻辑回归模型
1因为缺失抑郁症得分，样本降至255
2(ref)＝模型中使用的参考组
在将具有估算抑郁症得分的对象从模型中排出时得到类似的结果，除了年龄得到统计学上的显著性之外(OR＝1.1、P＝.037、95％CI＝1.0,1.2)。由专家鉴别的组合因素(交互作用)被检验。然而，它们不以足够的量发生以至于不能包括在模型中，或者不是统计学上显著的。
ROC曲线被用于确定分类的最佳割点。最佳割点为0.69。这对应于灵敏度和特异度分别为87.6％和65.2％。曲线下面积(AUC)为86.3％。通常，AUC大于80％表示用于分类具有感兴趣的结果对比没有该结果的对象的良好模型(Hanley&McNeil,1982)。模型的整体预测值为83.2％，其中交叉验证的预测值为80.1％。
这些发现解决护理配合的重要部分，其是医学院和国家质量论坛优先(Adams,K.,&Corrigan,J.M.(2003).Priority areas for national action:Transforming healthcare quality.Committee on Identifying Priority Areas for Quality Improvement,Boardof Health Care Services,Institute of Medicine of the National Academies.Washington,DC:National Academies Press)。出院这段时间是涉及多学科的忙碌的时间，常常几乎没有时间进行协作和仔细商量(Shepperd,S.,Parkes,J.,McClaren,J.,&Phillips,C.(2004).Discharge planning from hospital to home.Cochrane Database SystematicReviews,1,CD000313)。在该研究中，出院规划中的专家提供知识以建立分类模型。提供专家以来自临床病例的全面、高质量信息和仔细考虑其决策的时间有助于鉴别可能受益于安排的另外的患者。注意到这点是重要的，即，23％的被专家鉴别、但未被医院临床医生推荐的另外的患者在12周再次入院(Bowles等,2008,Medical Care,46:158-166)。
所产生的六因素模型提供指导——关于与专家进行指引的决策有关的一些关键患者特征——给忙碌的临床医生。例如，模型建议慎重评价行走能力，因为具有较大行走限制的那些患者被指引的可能性多6.5倍。多个源均同意包括行走的身体功能是急性期后护理需要和结果的重要预示物。(Cornette等,2006,EuropeanJournal of Public Health,16(2):203-208；Nsameluh,等,2007,Clinical Nurse Specialist.21(4):214-219)。
停留时间(LOS)被鉴定为安排的预示物。平均LOS为七天，其对应于其中大部分研究数据被收集的时间内的平均LOS(在1995，平均6.8天)。到2005年，平均停留时间降至5.4天(Medicare Payment Advisory Commission.(2007).Acuteinpatient services:Short-term hospitals,specialty psychiatric facilities.Section7June2007Databook.Retrieved August1,2008fromhttp://www.medpac.gov/chapters/Jun07DataBookSec7.pdf)。然而，即使专家知道当前的LOS可能较低，但他们仍将停留时间鉴定为重要的因素，因为停留时间常常是疾病严重性或复杂的住院过程的指标(Fogel,等,2000,Journal of the AmericanMedical Directors Association,1:202-210)或不良结果的预示物(Cornette,等,2005,Aging-Clincial&Experimental Research,17(4):322-328)。
高龄(Holland,等,2006,Nursing Research,55(1):62-71)和共病数目(Naylor,等,1999,Journal of the American Medical Association,281:613-620；Naylor,等,2004,Journal of the American Geriatric Society,52:675-84)通常与不良结果风险有关。这些因素通常被记录并在医学记录中容易获得。然而，其它因素诸如抑郁症和自测健康在急性护理中不被常规测量。另外，通常注意到患者是否具有护理者。但这些发现表明，进一步探索他们的可得性是重要的。
模型十分精通(87.6％精确度)于预测谁应该被指引，但它不是最适于(65.2％)对不需要安排的那些进行分类。与在实际生活中被指引的患者相比，专家指引183名额外的患者。值得注意的是，在12周结果分析中，这些患者以23％的比率再次入院(Bowles,等,2008,Medical Care,46:158-166)。以如此高的再入院比率，为更多患者提供急性期后服务可以是有成本效益的，如果这些服务导致将来的成本降低。若干研究暗示正确鉴别患者和确保适当的随访护理的临床和效益值。(Naylor,等,1994,Annals of Internal Medicine,120:999-1006；Naylor,等,1999,Journal of theAmerican Medical Association,281:613-620；Naylor,等,2004,Journal of the AmericanGeriatric Society,52:675-84；Bowles,等,2008,Medical Care,46:158-166；Steeman,等,2006,Int J Qual Health Care18(5):352-358)。这仍是未来研究的重要领域。
实施例3：出院决策支持系统的应用
进行如下研究，以测试本发明以证据为基础的筛查工具的作用，其在整个该研究中被确定为出院决策支持系统(D2S2)，该系统通过鉴定需要PAC安排的高风险患者支持临床医生的出院安排决策制定(Bowles等,2009,Nursing Research。58(2):115-122；Bowles等,2008,Medical Care46(2):158-166)。研究检验针对高风险患者警告医院临床医生是否导致更好的出院计划，如通过第一次入院的时间所证明的。
实施例3方法
设计
在一个城市大学医疗中心对医疗单元进行准实验、两阶段研究。常规护理阶段研究8个月。常规护理包括以单元为基础的出院计划者对DP需要的评估和通过医师和全体护士进行的每日出院巡视。其评估由自开发的评估表指导，并且，安排决策制定未被构造，其由个体制作。D2S2由研究团队收集，以显示患者如何在D2S2上得分，但结果不与临床医生共享。该阶段之后是关于工具对职员进行教育和实施1年试验阶段，此时来自D2S2工具的建议被共享给出院计划者，以警告他们风险状态(高-指引和低风险-不指引)和研究对在再次进入的时间的影响。预期的、患者水平随机化的临床试验是不可能的，因为出院计划者被分配至单元和护理相同单元的多个患者。
样本
每日将年龄为55岁及以上的入院患者名单提供给经训练的看护学生或注册护士研究助理(RAs)。RAs去除这样的患者，其不说英语、处于透析、善终服务(hospice)或从公共机构(institution)进入(其PAC是预先确定的)。剩余的患者利用动物回忆试验(Animal Recall Test)(Sebaldt等,2009,Canadian Journal ofNeurological Sciences36(5):599-604)针对认知受损(CI)被分析和筛选。认知完好的那些患者同意参与。具有CI病史或动物回忆试验失败的那些患者同意，并且其负责的护理者提供同意和研究信息。
在常规护理阶段，319名患者参加。然而，38名在最终分析中被排除，原因如下：17名的最终诊断为具有不需要决策支持的简单出院计划的短暂停留，团队将这些加至阶段2的排除标准(经皮手术而不用支架，心脏去纤颤器植入而不用导管插入术)；17名患者缺失用于严重性判断的全部患者精确诊断相关组(AllPatient Refined Diagnostic Related Group)(APR-DRG)得分；和四名在出院前死亡。用于分析的最终样本为281个。
在试验阶段，282名患者参加。三十名在最终分析中被排除：10名接收排除诊断为最终诊断，五名在出院前死亡，四名缺失APR-DRG得分和11名没有正确分享其得分(即，缺失或出院后分享太晚)。用于分析的最终样本为252个。
D2S2
利用D2S2进行干预。如上文所述，工具鉴别需要安排和回归建模和确认的患者特征，从而提供与专家PAC安排决策有关的预测性六因素模型：年龄、行走能力、停留时间、共病状况的数目、抑郁症和自测健康评估(Bowles等,2009,NursingResearch.58(2):115-122；Bowles等,2008,Medical Care46(2):158-166)。最佳截止得分基于最佳灵敏度和特异度(AUC为.86)将患者分成两组：不指引或指引。同样如上所述，对于能自报告的患者(认知完好)存在一种形式，和对于不能的患者存在另外的形式，其收集自护理者。
APR-DRG
利用四个APR-DRG亚类(较轻、中等、较重、严重)测量疾病严重性。得分产生自诊断和程序编码、年龄、性别、出院日期、出院状态和机械呼吸器的天数(Treo Solutions.Webinar:All patient refined DRGs(APR-DRGs):An overview Website.http://www.bcbst.com/providers/webinar/APRDRG.pdf.Accessed8/2012,2012)。APR-DRG严重性等级被用作控制变量。
数据收集
RAs收集住院24-48小时内的研究数据。在常规护理阶段，收集社会-人口统计学、临床信息和D2S2，但不与临床医生共享。在试验阶段收集相同信息，并且，D2S2建议与出院计划者共享。在标准出院后上至60天收集随后对健康系统的再次住院(三家医院)。
试验阶段程序
在研究的试验阶段之前，出院计划者和全体护士针对如下被教育：D2S2、其如何被开发，得分意味着什么和将信息带给DP轮。每一个参加的患者的决策支持建议(D2S2得分和指引是或否)通过电子记录与临床医生分享。每一例信息转移均被检查准确性，以包含在数据分析中。
数据分析
每一阶段的对象均被分成两个得分组：得分为“不指引”(低风险)的那些对象和得分为“指引”(高风险)的那些对象。进行阶段间和阶段内比较。假设在常规护理阶段内，结果的差异根据得分组而明显，并且在试验阶段内，任意差异均会变小，这是由于改进的决策制定。与决策工具效力相关的推论统计分析依赖于产生自多元Cox比例风险模型的“组x阶段”交互项参数估计的显著性。
对象特征被描述——利用连续变量的平均和标准偏差和类别变量的频率和百分比。通过D2S2安排状态的组内比较以及控制D2S2安排状态的组间比较利用分别用于连续和类别测量的双样本t-检验和Fisher精确检验完成。调整的存活曲线和Cox比例风险模型参数评估被用于通过D2S2安排分别评价第一次再次入院的时间。在每一研究阶段利用Cox比例风险建模用APR-DRG种类的对照多元分析结果，在医疗单元水平和根据患者差异进行聚类。因为多重共线性，结合到D2S2因素(诸如年龄和共病状况的数目)和APR-DRG得分(年龄、性别)的变量不被包括作为控制变量。最后，为检验根据研究阶段的再次入院模式的差异，产生全面的Cox回归模型，其具有根据D2S2安排交互项的组、具有针对APR-DRG的调节、如上所述的明显控制变量并在医疗单元水平进行聚类。
实施例3结果
常规护理阶段内比较
最通常的诊断是心力衰竭、由于心导管插入术的循环障碍(具有和不具有并发症)和由于主要CV诊断的经皮心血管(CV)手术。与得分为不指引的那些患者相比(平均值67.3，SD＝7.7)，鉴别进行安排的患者平均年龄明显较大——平均年龄69.7(SD＝10.1)，p＝.037。与不指引患者相比，他们还具有明显更多的药物治疗(平均10.4对比8.4p＝.001)、更多共病状况(6.8对比5.7，p＝.003)、更经常看医师(p＝.038)并在前六个月中更频繁地住院(p<.001)。另外，在鉴别为需要安排的那些之中，APR-DRG严重性水平明显更高(p<.001)。D2S2推荐安排为61％和不安排为39％。
试验阶段内比较
类似于常规护理阶段患者，最通常的诊断是心力衰竭、由于心导管插入术的循环障碍(具有和不具有并发症)和由于主要CV诊断的经皮心血管(CV)手术。再次，与不指引患者相比，被D2S2鉴别进行安排患者平均年龄明显较大，其中平均年龄70.7对65.5岁，p<.001)、具有更多的共病状况(平均7.6对6.5，p＝.039)、在前六个月中更频繁地住院(p＝.030)和更高的APR-DRG严重性水平(p<.001)。D2S2推荐安排为69％和不安排为31％。
阶段间比较：不指引(低风险患者)
与在试验阶段的不指引患者相比，在常规护理中的不指引患者之间没有明显差异(表8)。
表8：根据研究阶段的(常规护理阶段相比于试验的)D2S2 不指引组的特征
缩写：SD，标准偏差；APR-DRG，全部患者精确诊断相关组。
阶段间比较：指引患者(高风险患者)
与在常规护理阶段中相比，在研究试验阶段中具有D2S2指引状态的患者具有明显更多的共病状况(平均7.6对6.8,p＝.024)和更高比例的紧急进入(72％对54％，p<.001)。然而，与试验阶段患者相比，常规护理阶段中的患者具有更高频率的医师访问(52％对39％多于六次)和早先住院(36％对28％具有2或更多次)(表9)。
表9：根据研究阶段的(常规护理阶段相比于试验的)D2S2 指引组的特征
缩写：SD，标准偏差；APR-DRG，全部患者精确诊断相关组。
常规护理阶段再次进入的时间
推荐进行安排的常规护理组再次进入的时间表明，相比于不指引患者，再次进入的数目随时间增加。这些患者的再进入比率在30天为23％和在60天为34％。不指引或低风险组30和60天再次进入分别达到18％和27％(图4)。安排和非安排患者再次进入的时间之间调整的差异是显著的，其中p＝.021。
决策支持后再次进入的时间
推荐进行安排的试验阶段患者的再次进入的时间显示，再进入比率在30和60天分别为17％和25％。低风险或非安排组30和60天再次进入分别达到16％和24％(图5)。指引和不指引患者再次进入的时间之间调整的差异不再是显著的(p＝.495)。
根据阶段的再次进入结果
在决策支持后，截止到30和60天再次进入的指引或高风险患者的百分比分别降低6％和9％，表示两个时间阶段26％相对降低。另外，通过研究阶段根据D2S2安排评估再次入院模式之间差异的Cox比例风险模型表明，在调整APR-DRG种类、进入类型、医师诊所访问、早先过夜住院和在医疗单元水平进行聚类之后，比率随着时间的差异明显(p<.0001)。
上述试验的结果表明，在共享D2S2的决策支持之后，高风险患者再次进入的时间延长，在30和60天时间点降低再次进入比率26％。D2S2提供标准方式来评估患者通常与不能提供自理和再次进入风险有关的特征。针对工具的因素诸如活动性(Cornette等,2006,Eur J Public Health16(2):203-208；Callen等,2004,MedsurgNurs13(3):156-63；Preyde等,2011,J Evidence-Based Social Work8:445-468)、抑郁症(Preyde等,2011,J Evidence-Based Social Work8:445-468；Rosati等,2003,Journal for Healthcare Quality25(2):4-10；Mitchell等,2010,Journal of HospitalMedicine5(7):378-384；Hasan等,2010,Journal of General Internal Medicine25(3):211-9；Blaylock等,1992,Journal of Gerontological Nursing18(7):5-10)、共病状况的数目(Preyde等,2011,J Evidence-Based Social Work8:445-468；Rosati等,2003,Journal for Healthcare Quality25(2):4-10；García-Pérez等,2011,QJM104(8):639-651；Shalchi等,2009,Clinical Medicine9(5):426-430)、年龄(Preyde等,2011,J Evidence-Based Social Work8:445-468；Anderson等,2005,Journal ofNursing Scholarship37(1):73-79；van Walraven等,2010,Canadian MedicalAssociation Journal182(6):551-557)、停留时间(Preyde等,2011,J Evidence-BasedSocial Work8:445-468；Shalchi等,2009,Clinical Medicine9(5):426-430；García-Pérez等,2011,QJM104(8):639-651)和自测健康(Boult等,1993,Journalof the American Geriatrics Society41(8):811-817；Pacala等,1997,J Am Geriatr Soc45(5):614-617)频频显示与再次进入风险有关。基于患者或护理者如何回答D2S2询问，因素组合相当于对急性期后支持的需要，以减小再次进入风险。在低和高风险患者之间观察到的社会人口学统计和临床特征的显著差异确定工具如预期地进行区分患者。
以证据为基础的工具更多地被需要，因为全国中在关于安排决策的风险容忍度和决策制定中存在大的变化性；一些地方过度指引，浪费宝贵的资源，而其它指引不足，使患者得不到所需服务。进一步，以证据为基础的团队诸如Coleman’s护理过渡(Coleman’s Care Transitions)(Coleman等,2006,Archives of InternalMedicine166(17):1822-1828)、规划(project)RED(Jack等,2009,Ann Intern Med150(3):178-187)、BOOSTing护理过渡(BOOSTing Care Transitions Resource RoomProject Team.The society of hospital medicine care transitions implementation guide:Project BOOST:Better Outcomes for Older adults through SafeTransitions.http://www.hospitalmedicine.org/ResourceRoomRedesign/RR_CareTransitions/html_CC/Implementation.cfm#.Updated2008.Accessed August/28,2012)检验和公布策略来解决出院规划和过渡中的缺点，但其均没有认识到出院安排决策制定的重要性。随着研究者和临床医生试图改进护理配合和过渡，D2S2在该过程的关键点有帮助。
在试验阶段，当DPs利用决策支持时，高风险患者达到类似于低风险患者的再次进入比率，并且高风险和低风险患者比率之间的差异不再显著。工具帮助出院计划者在医院停留早期鉴别高风险患者并通过更多目标性教导、病例管理和适当安排促使他们满足PAC需要。考虑到这是两阶段研究；另外的解释可以是，随着时间实施另外的干预，该干预影响再次进入比率。然而，在常规护理阶段之间，全医院的过度护理干预就已就位，并在整个试验阶段保持稳定。D2S2帮助临床医生更好地以这些干预的正确患者为目标。进一步，统计学模型随后被调节，以说明任意差异和在单位水平的聚类被结合到Cox建模中。
BOOSTing护理过渡计划认识到，外面没有有效的工具来风险-分级从医院过渡来的老年患者。他们编译了具有七个变量的‘用户友好的’风险工具(BOOSTingCare Transitions Resource Room Project Team.The society of hospital medicine caretransitions implementation guide:Project BOOST:Better Outcomes for Older adultsthrough SafeTransitions.http://www.hospitalmedicine.org/ResourceRoomRedesign/RR_CareTransitions/html_CC/Implementation.cfm#.Updated2008.AccessedAugust/28,2012)。BOOST协议建议，如果这些变量中任意一个存在，就应该考虑风险专用干预。然而，大部分入院患者可能筛查。如在当前研究中可见，D2S2区别高和低风险患者。D2S2与另外的筛查工具——出院规划的早期筛查(Early Screenfor Discharge Planning)(ESDP)互补(Holland and Hemann,2011,Joint CommissionJournal on Quality&Patient Safety37(1):29-36)。ESDP鉴别需要由出院专家进行全面评估的患者对比由临床护士管理的那些。ESDP的利用引起出院专家的兴趣，而D2S2帮助另外的关键决策点，指引谁进行PAC。
根据本发明系统和方法，基于标准化证据的DP决策支持将改善如何进行安排决策制定。该研究试图标准化DP过程中的普通和重要的步骤，并通过在整个D2S2工具中应用本发明，显示对再次进入的时间的影响。
本文所引用的各个和每一专利、专利申请和出版物的公开内容均通过引用以其整体在此并入本文。
虽然已经通过参考特定实施方式公开了本发明，但显而易见的是，本发明的其他实施方式和变型可被本领域的其他技术人员想到而不背离本发明的真实精神和范围。所附权利要求意图被解释为包括所有这样的实施方式和等同变型。

Claims (41)

1.确定患者对急性期后护理服务安排的需要的方法，包括：
提供多个涉及患者的询问，其中每一询问具有至少两个可选答案，并且其中每一可选答案与相应得分关联；
接收所述多个询问中每一个询问的可选答案之一；
计算对应于每一个所选答案的得分总和的总得分；和
基于所述总得分是否达到阈值来确定对急性期后护理安排的需要，其中总得分高于所述阈值指示需要所述急性期后护理安排，和总得分处于或低于所述阈值指示不需要急性期后护理安排。
2.权利要求1所述的方法，其中所述多个涉及患者的询问选自所述患者的：行走能力、自测健康评估、停留时间、年龄、共病状况的数目和抑郁等级。
3.权利要求2所述的方法，其中所述多个涉及患者的询问包括所述患者的：行走能力、自测健康评估、停留时间、年龄、共病状况的数目和抑郁等级中的每一个。
4.权利要求2所述的方法，其中所述患者认知完好或轻度语言认知受损。
5.权利要求3所述的方法，其中所述患者认知完好或轻度语言认知受损。
6.权利要求1所述的方法，其中所述多个涉及患者的询问选自：护理者多久可以护理所述患者、行走能力、自测健康评估、停留时间、共病状况的数目和患者收入。
7.权利要求6所述的方法，其中所述多个涉及患者的询问包括：护理者多久可以护理所述患者、行走能力、自测健康评估、停留时间、共病状况的数目和患者收入中的每一个。
8.权利要求7所述的方法，其中所述患者严重认知受损或不能说话。
9.权利要求8所述的方法，其中所述患者严重认知受损或不能说话。
10.权利要求1所述的方法，其中所述方法可在计算设备上执行。
11.权利要求1所述的方法，其中所述方法在允许患者进入健康护理机构时执行。
12.权利要求1所述的方法，进一步包括在已经做出需要急性期后护理安排的所述确定后提供至少一次随访询问。
13.向患者推荐急性期后护理服务的系统，包括：
提供多个涉及患者的询问，其中每一询问具至少有两个可选答案，并且其中每一可选答案与相应得分关联；
接收所述多个询问中每一个询问的可选答案之一；
计算对应于每一个所选答案的得分总和的总得分；和
在所述总得分满足预定的阈值时，产生急性期后护理安排。
14.权利要求13所述的系统，其中所述系统可在计算设备上执行。
15.权利要求13所述的系统，其中所述多个涉及患者的询问选自所述患者的：行走能力、自测健康评估、停留时间、年龄、共病状况的数目和抑郁等级。
16.权利要求15所述的系统，其中所述多个涉及患者的询问包括所述患者的：行走能力、自测健康评估、停留时间、年龄、共病状况的数目和抑郁等级中的每一个。
17.权利要求15所述的系统，其中所述患者认知完好或轻度语言认知受损。
18.权利要求16所述的系统，其中所述患者认知完好或轻度语言认知受损。
19.权利要求13所述的系统，其中所述多个涉及患者的询问选自：护理者多久可以护理所述患者、行走能力、自测健康评估、停留时间、共病状况的数目和患者收入。
20.权利要求19所述的系统，其中所述多个涉及患者的询问包括：护理者多久可以护理所述患者、行走能力、自测健康评估、停留时间、共病状况的数目和患者收入中的每一个。
21.权利要求19所述的系统，其中所述患者严重认知受损或不能说话。
22.权利要求20所述的系统，其中所述患者严重认知受损或不能说话。
23.权利要求13所述的系统，其中所述系统在允许患者进入健康护理机构时执行。
24.权利要求13所述的系统，进一步包括在确定产生急性期后护理安排是否必要后，提供至少一次随访询问。
25.向患者推荐急性期后护理服务的自动化系统，包括其中具有计算机可执行推荐引擎的计算设备，其中所述推荐引擎向所述计算设备的用户呈现多个涉及患者的询问，其中每一询问具有至少两个可选答案，并且其中每一可选答案与相应得分关联，使得当针对所述多个询问中的每一个询问选择答案时，计算对应于每一个所述答案的得分总和的总得分，并在所述总得分满足预定的阈值时向所述患者推荐急性期后护理安排。
26.降低患者再次进入健康护理机构的比率的方法，包括：
提供多个涉及被健康护理机构接纳的患者的询问，其中每一询问至少具有两个可选答案，并且其中每一可选答案与相应得分关联；
接收所述多个询问中每一个询问的可选答案之一；
计算对应于每一个所选答案的得分总和的总得分；和
基于所述总得分是否达到阈值确定对急性期后护理安排的需要，其中总得分高于所述阈值指示需要所述急性期后护理安排，而总得分处于或低于所述阈值指示不需要急性期后护理安排；
其中对急性期后护理安排的需要的确定降低所述患者再次进入健康护理机构的比率。
27.权利要求26所述的方法，其中所述多个涉及患者的询问选自所述患者的：行走能力、自测健康评估、停留时间、年龄、共病状况的数目和抑郁等级。
28.权利要求27所述的方法，其中所述多个涉及患者的询问包括所述患者的：行走能力、自测健康评估、停留时间、年龄、共病状况的数目和抑郁等级中的每一个。
29.权利要求27所述的方法，其中所述患者认知完好或轻度语言认知受损。
30.权利要求28所述的方法，其中所述患者认知完好或轻度语言认知受损。
31.权利要求26所述的方法，其中所述多个涉及患者的询问选自：护理者多久可以护理所述患者、行走能力、自测健康评估、停留时间、共病状况的数目和患者收入。
32.权利要求31所述的方法，其中所述多个涉及患者的询问包括：护理者多久可以护理所述患者、行走能力、自测健康评估、停留时间、共病状况的数目和患者收入中的每一个。
33.权利要求32所述的方法，其中所述患者严重认知受损或不能说话。
34.权利要求33所述的方法，其中所述患者严重认知受损或不能说话。
35.权利要求26所述的方法，其中所述方法可在计算设备上执行。
36.权利要求26所述的方法，其中所述方法在允许患者进入健康护理机构时执行。
37.权利要求26所述的方法，进一步包括在已经做出需要急性期后护理安排的所述确定后，提供至少一次随访询问。
38.权利要求26所述的方法，其中所述患者再次进入健康护理机构的相对比率被降低至少10％。
39.权利要求26所述的方法，其中所述患者再次进入健康护理机构的相对比率被降低至少15％。
40.权利要求26所述的方法，其中所述患者再次进入健康护理机构的相对比率被降低至少20％。
41.权利要求26所述的方法，其中所述患者再次进入健康护理机构的相对比率被降低至少25％。
CN201280061950.4A 2011-10-14 2012-10-15 用于急性期后护理安排的出院决策支持系统 Pending CN103988222A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201161547521P 2011-10-14 2011-10-14
US61/547,521 2011-10-14
PCT/US2012/060260 WO2013056230A1 (en) 2011-10-14 2012-10-15 Discharge decision support system for post acute care referral

Publications (1)

Publication Number Publication Date
CN103988222A true CN103988222A (zh) 2014-08-13

Family

ID=48082578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280061950.4A Pending CN103988222A (zh) 2011-10-14 2012-10-15 用于急性期后护理安排的出院决策支持系统

Country Status (9)

Country Link
US (1) US20130096942A1 (zh)
EP (1) EP2766866A4 (zh)
JP (1) JP2015501027A (zh)
CN (1) CN103988222A (zh)
AU (1) AU2012323846A1 (zh)
CA (1) CA2851853A1 (zh)
HK (1) HK1201363A1 (zh)
RU (1) RU2014119241A (zh)
WO (1) WO2013056230A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111710413A (zh) * 2020-06-17 2020-09-25 安徽科大讯飞医疗信息技术有限公司 一种患者对比方法、装置、设备及存储介质

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013084105A1 (en) * 2011-12-09 2013-06-13 Koninklijke Philips Electronics N.V. Clinical decision support system for quality evaluation and improvement of discharge planning
US20140129257A1 (en) * 2012-11-07 2014-05-08 DuPage Medical Group Diagnostic selection, triage, monitoring, and patient care management of critical care patients using computer-driven assessment
US20140136223A1 (en) 2012-11-15 2014-05-15 Rachel Phillips Systems and methods for automated repatriation of a patient from an out-of-network admitting hospital to an in-network destination hospital
JP5843978B2 (ja) * 2012-12-21 2016-01-13 株式会社日立製作所 地域医療連携システム
US20160063202A1 (en) * 2013-04-30 2016-03-03 Bioxcel Corporation Systems and methods to classify and rank health information
WO2014179712A1 (en) * 2013-05-03 2014-11-06 Georgia State University Research Foundation, Inc. Systems and methods for supporting hospital discharge decision making
US11894143B2 (en) 2013-08-27 2024-02-06 Whiskers Worldwide, LLC System and methods for integrating animal health records
US10629304B2 (en) * 2013-08-27 2020-04-21 Whiskers Worldwide, LLC Systems and methods for decision support for animal health queries
US10572631B2 (en) 2014-08-01 2020-02-25 Bioxcel Corporation Methods for reformulating and repositioning pharmaceutical data and devices thereof
US10510265B2 (en) * 2014-11-14 2019-12-17 Hi.Q, Inc. System and method for determining and using knowledge about human health
US10930378B2 (en) 2014-11-14 2021-02-23 Hi.Q, Inc. Remote health assertion verification and health prediction system
US10636525B2 (en) 2014-11-14 2020-04-28 Hi.Q, Inc. Automated determination of user health profile
US10672519B2 (en) 2014-11-14 2020-06-02 Hi.Q, Inc. System and method for making a human health prediction for a person through determination of health knowledge
US10580531B2 (en) 2014-11-14 2020-03-03 Hi.Q, Inc. System and method for predicting mortality amongst a user base
US10629293B2 (en) 2014-11-14 2020-04-21 Hi.Q, Inc. System and method for providing a health determination service based on user knowledge and activity
US10546339B2 (en) 2014-11-14 2020-01-28 Hi.Q, Inc. System and method for providing a health service benefit based on a knowledge-based prediction of a person's health
US10650474B2 (en) 2014-11-14 2020-05-12 Hi.Q, Inc. System and method for using social network content to determine a lifestyle category of users
US20180225419A9 (en) * 2015-10-13 2018-08-09 Medtronic Remote Patient Monitoring System
US20170255750A1 (en) * 2016-03-04 2017-09-07 Koninklijke Philips N.V. System and method for recommending a discharge moment
US20200143922A1 (en) * 2016-06-03 2020-05-07 Yale University Methods and apparatus for predicting depression treatment outcomes
EP3522100A4 (en) * 2016-09-28 2020-03-18 Foundation for Biomedical Research and Innovation at Kobe DEVICE FOR DETERMINING THE IMPACT DEGREE OF CARE OF DEMENTIA PATIENTS, METHOD FOR DETERMINING THE IMPACT DEGREE OF CARE OF DEMENTIA PATIENTS PROGRAM FOR DETERMINING THE IMPACT DEGREE OF CARE OF DEMENTIA PATIENTS DEMENTIA TREATMENT EFFECT DETERMINATION DEVICE, DEMENTIA TREATMENT EFFECT DETERMINATION PROCESS AND DEMENTIA TREATMENT EFFECT DETERMINING PROGRAM
CN109844866B (zh) * 2016-11-01 2023-05-30 中林美惠子 医疗支援系统及医疗支援方法
SG10201609191RA (en) * 2016-11-02 2018-06-28 Nec Asia Pacific Pte Ltd Optimization of healthcare institution resource utilisation
US20180349558A1 (en) * 2017-06-05 2018-12-06 Cerner Innovation, Inc. Systems and methods for autonomous discharge queue management
US20190035040A1 (en) * 2017-07-31 2019-01-31 Eldermatics Inc. Method, Apparatus and System for Dynamic Analysis and Recommendations of Options and Choices based on User Provided Inputs
US20200350061A1 (en) * 2017-08-30 2020-11-05 Nec Corporation Medical information processing system
AU2018342443A1 (en) * 2017-09-27 2020-04-16 Rehabilitation Institute Of Chicago Assessment and management system for rehabilitative conditions and related methods
US11189364B1 (en) * 2018-03-07 2021-11-30 Iqvia Inc. Computing platform for establishing referrals
US10978180B1 (en) 2018-07-30 2021-04-13 Iqvia Inc. Enabling data flow in an electronic referral network
CN111326242B (zh) * 2018-12-14 2024-06-18 松下电器（美国）知识产权公司 信息处理方法、装置以及存储信息处理程序的记录介质
US11514339B2 (en) 2019-04-24 2022-11-29 Optum, Inc. Machine-learning based recommendation engine providing transparency in generation of recommendations
US11645344B2 (en) 2019-08-26 2023-05-09 Experian Health, Inc. Entity mapping based on incongruent entity data
JP7354955B2 (ja) * 2020-07-28 2023-10-03 トヨタ自動車株式会社 提示システム、提示方法およびプログラム
RU2766664C1 (ru) * 2021-06-09 2022-03-15 Федеральное государственное бюджетное учреждение "Национальный медицинский исследовательский центр онкологии имени Н.Н. Петрова" Министерства здравоохранения Российской Федерации Способ оценки функционального состояния больных злокачественными новообразованиями пожилого и старческого возраста для выбора тактики лечения
WO2023046649A1 (en) * 2021-09-22 2023-03-30 Koninklijke Philips N.V. Methods and systems to track in-patient mobility for optimized discharge planning
WO2023174779A1 (en) * 2022-03-16 2023-09-21 Koninklijke Philips N.V. Methods and systems utilizing objective transfer criteria for improving acute care transitions

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1252877A (zh) * 1997-03-13 2000-05-10 第一咨询公司 疾病处理系统
US20060167721A1 (en) * 2004-12-30 2006-07-27 Betty Bernard Methods for patient care using acuity templates
US20060276727A1 (en) * 2005-06-01 2006-12-07 Tim Terrio Software for continued evaluation, diagnosis and monitoring of patients on physical therapy

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8924236B2 (en) * 2000-07-20 2014-12-30 Marfly 1, LP Record system
CA2368992A1 (en) * 2002-01-22 2003-07-22 Van Mierlo Communications Consulting Inc. Method of collecting data on anxiety disorders and related research
US20030182163A1 (en) * 2002-02-25 2003-09-25 Tice Bradley P. System for patient intervention assistance and evaluation
US7904315B2 (en) * 2004-01-16 2011-03-08 Sullivan Robert J Rules-based health care referral method and system
AU2006218889A1 (en) * 2005-02-28 2006-09-08 Rothman Healthcare Corporation A system and method for improving hospital patient care by providing a continual measurement of health
US20100114604A1 (en) * 2008-10-31 2010-05-06 Joseph Bernstein Authorization Process for High Intensity Medical Interventions
RU2011134040A (ru) * 2009-01-15 2013-02-20 Нестек С.А. Способы диагностики и лечения дисфагии
US20120226507A1 (en) * 2010-09-28 2012-09-06 Wendt Kendra E System and method for providing an integrated health network

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1252877A (zh) * 1997-03-13 2000-05-10 第一咨询公司 疾病处理系统
US20060167721A1 (en) * 2004-12-30 2006-07-27 Betty Bernard Methods for patient care using acuity templates
US20060276727A1 (en) * 2005-06-01 2006-12-07 Tim Terrio Software for continued evaluation, diagnosis and monitoring of patients on physical therapy

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
聂莉 等: "《康复护理学 第1版》", 31 July 2008 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111710413A (zh) * 2020-06-17 2020-09-25 安徽科大讯飞医疗信息技术有限公司 一种患者对比方法、装置、设备及存储介质
CN111710413B (zh) * 2020-06-17 2023-12-22 讯飞医疗科技股份有限公司 一种患者对比方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2013056230A1 (en) 2013-04-18
JP2015501027A (ja) 2015-01-08
EP2766866A1 (en) 2014-08-20
US20130096942A1 (en) 2013-04-18
AU2012323846A1 (en) 2014-05-01
CA2851853A1 (en) 2013-04-18
HK1201363A1 (zh) 2015-08-28
EP2766866A4 (en) 2015-06-17
RU2014119241A (ru) 2015-11-20

Similar Documents

Publication Publication Date Title
CN103988222A (zh) 用于急性期后护理安排的出院决策支持系统
Kato et al. Building primary care in Japan: literature review
Saliba et al. Making the investment count: revision of the Minimum Data Set for nursing homes, MDS 3.0
De Maeseneer et al. Provider continuity in family medicine: does it make a difference for total health care costs?
Hovick Understanding family health information seeking: A test of the theory of motivated information management
Tiruneh et al. The effect of implementation strength of basic emergency obstetric and newborn care (BEmONC) on facility deliveries and the met need for BEmONC at the primary health care level in Ethiopia
Olsen et al. Interpretation of ecological theory for physical activity with the Omaha System
Kalibala et al. Protecting hope: situation analysis of vulnerable children in Uganda 2009
Freedman et al. Using a mailed survey to predict hospital admission among patients older than 80
Olsen et al. Using Omaha System documentation to understand physical activity among rural women
Monnot et al. Screening for dementia: family caregiver questionnaires reliably predict dementia
Setia et al. Stakeholders’ perspective on issues and challenges associated with care and treatment of aging-related cognitive impairment disorders in Singapore
Ewbank et al. Who cares?: the future of general practice
Richmond Socioeconomic predictors of 30-day hospital readmission of elderly patients with initial discharge destination of home health care
Donelle et al. Caring near and far by connecting community-based clients and family member/friend caregivers using passive remote monitoring: protocol for a pragmatic randomized controlled trial
Lee et al. Factors associated with nursing needs and nursing hours in acute care hospital settings: A cross‐sectional study
Sansoni et al. Final project report on the validation and field trials of the assessment framework and tool for aged care
Skopyk et al. Patient Complexity in Nurse Practitioner-Led Clinics in Ontario
Ercia Improving health care access for low-income patients in a mixed insurance market: investigating the impact of the US’s Affordable Care Act on Federally Qualified Health Centers
Muradova Development of conceptual foundations of medico-statistical data mining
Le Assessing the effect of household survey designs on the accuracy of out-of-pocket health expenditures measurement in Vietnam
Andrews A study of health inequality between Indigenous and non-Indigenous Australians
MOUSSANE et al. Analysis of the effects of cost-sharing on health status based on social health protection status in Morocco
Cohen The impact of interpersonal and intersubjective factors on engagement with psychological services in individuals who repeatedly display deliberate self-harm (DSH) behaviour
SHARON EQUITY IN UTILISATION OF HEALTH CARE SERVICES IN KENYA

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1201363

Country of ref document: HK

WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140813

WD01 Invention patent application deemed withdrawn after publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1201363

Country of ref document: HK