CN104025098B - 用于减少早期再入院的方法与系统 - Google Patents
用于减少早期再入院的方法与系统 Download PDFInfo
- Publication number
- CN104025098B CN104025098B CN201280065339.9A CN201280065339A CN104025098B CN 104025098 B CN104025098 B CN 104025098B CN 201280065339 A CN201280065339 A CN 201280065339A CN 104025098 B CN104025098 B CN 104025098B
- Authority
- CN
- China
- Prior art keywords
- assumptions
- risks
- risk
- patient
- renewal
- 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
Links
- 238000000034 method Methods 0.000 title abstract description 26
- 230000006399 behavior Effects 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 2
- 230000036541 health Effects 0.000 description 8
- 239000003814 drug Substances 0.000 description 5
- 230000003862 health status Effects 0.000 description 5
- 206010019280 Heart failures Diseases 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000037213 diet Effects 0.000 description 4
- 235000005911 diet Nutrition 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 238000009227 behaviour therapy Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000006883 memory enhancing effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000006187 pill Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000005586 smoking cessation Effects 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
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
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Accommodation For Nursing Or Treatment Tables (AREA)
Abstract
示范性实施例涉及用于根据本文描述的示范性实施例减少早期再入院的系统与方法。一个实施例涉及一种方法，包括：接收针对患者的患者数据；基于所述患者数据创建针对所述患者的个人化风险模型，所述个人化风险模型包括基于多个风险因子的总体风险水平；选择所述风险因子中的一个；施予与所选择低风险因子相关的处置；在施予处置之后，更新所述个人化风险模型，所述更新包括确定更新的风险水平；确定所述更新的风险水平是否在阈值水平之上；并且如果所述风险水平在所述阈值水平之上，则重复所述选择、施予、更新和确定的步骤。
Description
技术领域
本发明总体上涉及用于减少早期再入院的方法与系统，并且特别涉及用于对患者进行处置的系统和装置。
背景技术
住院的心力衰竭(“HF”)患者典型地具有高的早期再入院风险。HF患者的再入院率可以高达出院30日内的三分之一以及一年内的二分之一。为了减小再入院的可能性，健康护理提供者典型地评估所述患者的再入院风险并相应地规划他们的处置。
可能在患者的留院期间，或在入院时或在出院时，仅评估一次所述患者的再入院风险，并将所述患者归类为高、中或低的再入院风险。入院时的评估可以使健康护理专业人员能够在住院期间处置所述患者，以在所述患者留院期间，用药物和治疗解决有贡献的医学风险因子。相反，出院时的评估可以在治疗后门诊病人环境中，为处置所述患者的健康护理专业人员提供指引。这些方法可能存在缺陷，因为在住院期间仅可以解决医学风险，而错过了解决社会心理学风险以及进一步减小再入院风险的机会。
发明内容
本发明的示范性实施例涉及用于根据本文描述的示范性实施例减少早期再入院的系统与方法。一个实施例涉及一种方法，包括：接收针对患者的患者数据；基于所述患者数据创建针对所述患者的个人化风险模型，所述个人化风险模型包括基于多个风险因子的总体风险水平；选择所述风险因子中的一个；施予与所选择的风险因子相关的处置；在施予处置之后更新所述个人化风险模型，所述更新包括确定更新的风险水平；确定所述更新的风险水平是否在阈值水平之上；并且如果所述风险水平在所述阈值水平之上，则重复所述选择、施予、更新和确定的步骤。
本发明的另一示范性实施例涉及所述系统，所述系统包括：存储器，其存储多个验证风险模型；以及处理器，其接收针对患者的患者数据，基于所述患者数据创建针对所述患者的个人化风险模型，所述个人化风险模型包括基于多个风险因子的总体风险水平，选择所述风险因子中的一个用于处置；接收与所选择的风险因子相关的处置结果，基于所述处置结果更新所述个人化风险模型，所述更新包括确定更新的风险水平，确定所述更新的风险水平是否在阈值水平之上，并且如果所述风险水平在所述阈值水平之上，则选择所述风险因子中另外的一个用于处置。
附图说明
图1示出了根据示范性实施例的、用于评估患者的再入院风险的第一示范性风险模型。
图2示出了根据示范性实施例的、用于评估患者的再入院风险的第二示范性风险模型。
图3示出根据示范性实施例的、用于评估和减小患者的再入院风险的示范性方法。
图4示出了根据示范性实施例的、用于实施用于评估和减小患者的再入院风险的方法(例如图3的方法)的示范性系统。
具体实施方式
可以参考以下对示范性实施例的描述和相关附图进一步理解本发明的示范性实施例，附图中为相似的元件提供相同的附图标记。具体地，所述示范性实施例涉及用于评估和减小针对心力衰竭住院患者的再入院风险的方法与系统。然而，本领域技术人员将理解，尽管示范性实施例具体参考心力衰竭(“HF”)患者，但本文描述的原理也可以应用于减小患任意其他类型疾病或受伤的患者的再入院风险。这可以包括，例如罹患糖尿病、肺病或者可能将患者置于再入院风险的任意其他病况的患者。
由于HF已住院的患者具有高的早期再入院率。三分之一的住院HF患者在出院之后30天内再入院，并且大概50％在一年内再入院。为了对抗该风险，每位住院HF患者的个体风险均已在住院期间得到评估，以使医学专业人员可以解决与所述患者相关的特定风险因子。存在多种已被医学专业人员设计用于评估针对特定患者的再入院风险的验证风险模型。所述模型接收大量患者相关的风险因子/参数作为输入，并输出再入院的概率。一种风险模型为Krumholtz等人的(2000)模型，其被示于图1中。另一种风险模型为Philbin等人的(1999)模型，其被示于图2中。
本领域技术人员将理解，上文讨论的这两个风险模型仅为示范性的，并且可以使用其他可替换的风险模型。风险因子可以被分成医学风险(例如，症状、病史、共病、生命体征、处置，等等)和社会心理学风险(例如，抑郁、财务状况、支撑结构的存在，等等)。重要的是在住院期间解决患者的医学风险，以确保所述患者在出院之前病情稳定。然而，社会心理学风险因子可能更难解决，并且还可能对患者的再入院风险有影响，因为社会心理学风险因子的存在可能降低患者遵守出院后自我管理行为(例如，对钠和酒精摄取的限制、管理体力活动、监测体征与症状、戒烟、保持随访约定)的可能性。对自我管理行为的遵守可能是至关重要的，因为已证明，这种遵守降低了再入院风险，并且因此，社会心理学风险因子的存在增大了再入院风险。
社会心理学风险因子被分成(在住院期间)可修正的那些和不可修正的那些。可修正风险因子的范例为抑郁以及依从自我管理行为的低自我效能。这样的风险可以例如通过咨询，在住院期间被直接解决并修正。不可修正风险因子的范例为家庭组成、收入、保险类型，以及健康素养。这些是不能在住院期间直接解决的风险。
当前的模型典型地涉及在医院中仅一次风险评估，或在入院时或在出院时，例如使用上述风险模型中的一个或使用某种其他的风险评估方法。基于这样的分类，所述患者可以然后被归类为高、中或低再入院风险。入院时的评估可以揭示可以在留院期间，可以用药物和治疗处置的有贡献的医学风险因子。相反，出院时的评估可以在出院后的门诊病人环境中，为提供处置的医学专业人员提供指引。这种类型的风险评估的价值是有限的，因为仅可以解决医学风险，而错过了在留院期间解决社会心理学风险并由此减少再入院的机会。
所述示范性实施例提供对与社会心理学风险因子相关的再入院风险的减小。图3图示了用于评估和减小针对住院HF患者的风险的示范性方法300。在步骤310中，选择针对所述患者的风险模型。所述风险模型可以选自一组可用模型，其可以包括但不限于上述的那些。可以例如由患者的医师或其他医学专业人员，手动执行选择，或者可以例如使用算法自动执行。在另一实施例中，可以针对所有患者使用相同模型，并且不发生选择。
在步骤320中，将在步骤310中选择的风险模型用于评估对所述患者适用的风险因子，并在那些风险的基础上确定所述患者的再入院风险。该步骤可以基本上以本领域已知的用于应用风险模型的方式进行。在步骤330中，将被确定为与所述患者相关的每个风险因子归类为医学或社会心理学风险因子。在这一点，可以使用本领域已知的技术将医学风险因子提供给处置所述患者的所述医学专业人员，以用药物和/或治疗处置所述患者。通过方法300将所述医学风险因子排除考虑，方法300如上文所讨论的，聚焦在社会心理学风险因子上。
在步骤340中，基于在步骤320和330中确定的社会心理学风险，创建针对所述患者的个人化风险模型。这涉及基于各种社会心理学风险因子对患者维护行为的影响，来对它们的归类，并将在下文更详细地讨论。
首先应指出，每种不可修正社会心理学风险因子均可以有几种潜在的方式，其以所述方式影响患者依从维护行为的能力，并由此影响再入院风险。例如，具有不可修正社会心理学风险“单身”的患者将在出院时保持单身。这可能影响几种维护行为。例如这可能导致所述患者没有去往约定或从约定回来的交通方式；这一点可以通过建议所述患者可选的交通工具得到弥补。进一步地，这可能导致所述患者没有来自家庭成员的对适当健康行为的提醒，这一点可以通过建议对所述患者的记忆增强策略得到弥补。额外的，所述患者的“单身”状态可能导致难以选择并准备合适的饮食，这一点可以通过为所述患者提供烹饪技巧和合适产品列表得到弥补。而且，这可能导致所述患者难以对药物的摄取计时；这一点可以通过为所述患者提供如何使用解决方案(例如药丸计数器)以恰当地对摄取进行计时的指示而得到弥补。
也应指出，一些社会心理学风险因子可以是可由医学专业人员直接修正的。例如，可以用认知行为干预来处置具有消极情感的患者。可以通过技能建立来解决低水平的自我效能。可以通过提供对关于依从自我管理行为的能力的负面信念有说服力的反驳，来处置具有所述负面信念的患者。
额外地，每个不可修正风险因子都可以由潜在的可修正因子构成；可以使用数据库存储与每个不可修正因子相关的所述可修正因子。例如，家庭组成为“单身”的不可修正社会心理学风险因子可以被分解成可修正因子“缺乏随访约定的交通方式”、“缺乏用药提醒”，以及“难以选择/准备健康饮食”。可以然后为所述患者提供与合适的可修正因子相关的指示。
因此，在步骤340中，分析不可修正风险因子，以确定相关的潜在可修正因子，以告知对所述患者的处置。咨询所述患者的电子病历(“EHR”)以获取针对与所述患者相关的任意因子的现有值。例如，针对使用“单身”作为风险因子的风险模型，所获取的值可以为“是”或“否”；针对使用“住户结构”作为风险因子的风险模型，所获取的值可以为“独居”、“与伴侣一起”、“与子女一起”，等等。针对在所述HER中未发现值的或未定义数据字段的风险因子，评估所述患者；这可以通过由医学专业人员的评价，或通过给所述患者的调查问卷，得以完成。当所述数据已被收集时，在所述因子值上运行风险模型(例如，上文讨论的所述风险模型)，得到对所述患者的风险的初步评估，以及对所述社会心理学风险因子的总览。本领域技术人员将理解，这些可以如上所述被分解成可修正社会心理学风险因子和不可修正社会心理学风险因子。
接下来，为所述患者提供一组调查问卷，以评估与不可修正社会心理学风险因子相关的可修正风险因子。典型地，针对每个不可修正社会心理学风险因子施予一份调查问卷，并且可以在相同的数据库中维护所述调查问卷，所述数据库可以存储与每个不可修正风险因子相关的所述可修正风险因子。这得到成为与所述患者有关的可修正风险因子的个人化分解。在一个范例中，如上所述，患者可以具有风险因子“单身”。这可以被分解成“难以管理到约定的交通方式”、“难以遵守用药程序”、“难以准备有益心脏健康的饮食”，以及“难以监测健康状况”，本领域技术人员将理解所有这些都是直接可修正的。通过测量所有已知潜在因子的适用性和相关性，来评估该分解。例如，给定患者可以有日常家庭护理援助，并且因此可以有每天监测的健康状况。针对这样的患者，“难以监测健康状况”可能是不适用的，并且仅其他三个因子可能是相关的。
额外地，对于每个可修正风险因子，所述调查问卷得到预测评分，其评估针对所述患者针对所述因子的预期干预成功。可以使用涉及所述患者的能力和变化能动性的调查问卷的组合，来评估所述预测评分。以上结果组合提供患者的个人化风险模型。所述个人化风险模型包括全部医学因子、全部不可修正社会心理学风险因子以及全部潜在可修正因子。每个因子均与重要性评分相关联，其可以为由医学专业人员等基于本领域的知识(例如基于技术文献或临床指南)手动确定的所述验证风险模型的参数。所述重要性评分被用于评估所述潜在风险因子对所述原始模型中的所述风险因子的相对贡献。例如，以上述的“单身”范例继续，可以加权四个潜在因子为“难以管理到约定的交通方式”：4；“难以遵守用药程序”：3；“难以准备有益心脏健康的饮食”：2；以及“难以监测健康状态”：4。由于所述因子“难以监测健康状态”与所述患者不相关，可以将所述评分为所述风险因子“单身”在所述验证风险模型中的重要性加权为(4+3+2)/(4+3+2+4)＝0.69倍。如果所述患者随后具有针对因子“难以管理到约定的交通方式”的干预，并且所述因子因此被判定为要被解决的，则可以在对所述患者的风险的后续评价中，将所述评分为所述风险因子在所述验证风险模型中的重要性加权为(3+2)/(4+3+2+4)＝0.38倍。
在步骤350中，从所述可修正社会心理学风险因子和所述不可修正社会心理学风险因子(如被分解成它们的构成潜在因子)中选择影响最大的风险因子。这借助于评分得以完成，所述评分将所述因子对所述总体风险评估的贡献以及所述患者改变所涉及的自我管理行为的能力两者相组合。被选择的所述因子为具有影响和改变能力两者的最高组合的一个。在步骤360中，以本领域已知的方式，选择与所选的风险因子相关的干预程序，并在住院期间将其提供给所述患者。
在步骤370中，在已将合适的干预程序施予所述患者之后，通过再次施予所述调查问卷以及参考步骤340描述的其他过程，来评估所述患者的风险；在该步骤中再次考虑医学风险因子，作为对所述患者的风险的所述总体评价的部分。在步骤380中，将所述患者的更新的，并且理想地，改善的风险评分与阈值进行比较，所述阈值可以由医学专业人员确定以表示出院的安全病况。如果所述更新的风险评分保留为在所述阈值以上，则所述方法返回到步骤350，在这里基于所述更新的风险预测选择新的影响最大的风险因子，并且所述方法再次继续通过步骤350通过步骤380。如果所述更新的风险评分在所述阈值以下，则所述方法继续到步骤390，在步骤390中所述患者被视为具有足够低的再入院风险以出院。在步骤390之后，所述方法结束。
可以以各种方式实施示范性方法300。在一个范例中，可以由计算机通过示范性系统400实施示范性方法300。在图4中示意性地图示了系统400。用户接口410能够操作为接收各种类型的用户输入，例如对风险模型的选择、患者诊断数据、调查问卷回答，等等。本领域技术人员将理解，尽管示范性系统400被示为包括单个用户接口410，但其他系统可以使用多个用户接口，例如提供一个针对医学专业人员的用户接口，以及另一个针对患者的用户接口用于输入调查问卷回答。用户接口210也被用作输出设备，例如其可以输出调查问卷、结果等等。
用户接口410将数据提供到处理器420，处理器420可以运行使实现示范性方法300的程序。涉及该任务的数据可以被存储在存储器430中。存储器430可以为硬盘驱动器、固态驱动器、分布式存储器，等等，并且可以存储用于如上述使用的任意格式的数据。存储器430除了存储执行方法300需要的指令以外，还可以存储涉及在放置系统400的医院中的患者的病历。可选地，可以远程存储患者记录，例如在用于存储这种记录的集中系统中。
所述示范性实施例提供一种机制，通过该机制，可以在住院期间，与医学因子同时处置影响HF患者的再入院率的社会心理学因子。进一步地，基于所述患者的个体风险因子、所述因子的比较性权重，以及所述患者改变相应行为的能力，将对社会心理学因子的处置对每个个体患者个人化。因此，为患者提供适合于他们个体的情况的处置，并且降低了他们的再入院风险。
如上文所讨论，本领域技术人员将理解，尽管已具体参考因心力衰竭已住院的患者描述了所述示范性实施例，本文描述的原理也可以被应用于减小患有其他类型疾病或受伤的患者的再入院风险。这可以包括，例如，罹患糖尿病、肺炎或可以将患者置于再入院风险的任意其他病况的患者。
可以在不偏离本发明的精神和范围的情况下，对本发明中进行各种修改，这对于本领域技术人员而言将是显而易见的。因此，本发明旨覆盖对本发明的修改和变型，只要它们落入权利要求书及其等价方案的范围之内。
Claims (10)
1.一种用于对患者进行处置的系统(400)，包括：
存储器(430)，其存储多个验证风险模型；以及
处理器(420)，其接收针对所述患者的患者数据，基于所述患者数据创建针对所述患者的个人化风险模型，所述个人化风险模型包括基于多个风险因子的总体风险水平，选择所述多个风险因子中的一个来进行处置；接收与所选择的风险因子相关的处置结果，基于所述处置结果更新所述个人化风险模型，所述更新包括确定更新的风险水平，确定所述更新的风险水平是否在阈值水平之上，并且如果所述风险水平在所述阈值水平之上，则选择所述多个风险因子中的另外一个来进行处置，其中所述多个风险因子包括医学风险因子和社会心理学风险因子。
2.如权利要求1所述的系统，其中，所述多个风险因子中所选择的一个是所述多个风险因子中影响最大的一个。
3.如权利要求1所述的系统，其中，在创建所述个人化风险模型时，所述处理器(420)选择所述验证风险模型中的一个，将所选择的验证风险模型应用到所述患者数据以确定所述多个风险因子，基于所选择的验证风险模型和所述多个风险因子来确定所述总体风险水平，评估所述多个风险因子中的每个的重要性，并且评估所述多个风险因子中的每个的预期干预成功可能性，其中，所述个人化风险模型包括所述多个风险因子、所述总体风险水平、所述多个风险因子中的每个的所述重要性以及所述多个风险因子中的每个的所述预期干预成功可能性。
4.如权利要求3所述的系统，其中，所选择的验证风险模型为Krumholz风险模型和Philbin风险模型中的一个。
5.如权利要求3所述的系统，其中，所述多个风险因子中的每个的所述预期干预成功可能性是基于给予所述患者的调查问卷的结果来确定的，所述调查问卷涉及所述多个风险因子中的每个。
6.如权利要求3所述的系统，其中，所述多个风险因子中的每个的所述重要性都基于所选择的验证风险模型。
7.如权利要求3所述的系统，其中，在创建所述验证风险模型时，所述处理器(420)还将所述多个风险因子中的每个归类为医学风险因子、不可修正社会心理学风险因子和可修正社会心理学风险因子中的一种，将所述多个风险因子中已被归类为医学风险因子的每个从所述多个风险因子中移除，确定与所述不可修正社会心理学风险因子中的每个相关的一个或多个可修正社会心理学风险因子，并且用一个或多个相关的所述可修正社会心理学风险因子代替所述不可修正社会心理学风险因子中的每个。
8.如权利要求3所述的系统，其中，所述处置涉及与所选择的风险因子相关的患者维护行为。
9.一种用于对患者进行处置的装置，包括：
用于接收与所述患者相关的患者数据的模块；
用于基于所述患者数据创建针对所述患者的个人化风险模型的模块，所述个人化风险模型包括基于多个风险因子的总体风险水平；
用于选择所述多个风险因子中的一个来进行处置的模块；
用于接收所述处置的结果的模块；
用于基于所述处置的所述结果来更新所述个人化风险模型的模块，所述更新包括确定更新的风险水平；
用于确定所述更新的风险水平是否在阈值水平之上的模块；以及
用于如果所述风险水平在所述阈值水平之上，则重复所述选择、接收、更新和确定的模块，其中所述多个风险因子包括医学风险因子和社会心理学风险因子。
10.一种存储有能够由处理器(420)运行的一组指令的永久性计算机可读存储介质，所述一组指令能够操作为：
接收与患者相关的患者数据；
基于所述患者数据创建针对所述患者的个人化风险模型，所述个人化风险模型包括基于多个风险因子的总体风险水平；
选择所述多个风险因子中的一个来进行处置；
接收所述处置的结果；
基于所述处置的所述结果来更新所述个人化风险模型，所述更新包括确定更新的风险水平；
确定所述更新的风险水平是否在阈值水平之上；以及
如果所述风险水平在所述阈值水平之上，则重复所述选择、接收、更新和确定，其中所述多个风险因子包括医学风险因子和社会心理学风险因子。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201161580520P | 2011-12-27 | 2011-12-27 | |
| US61/580,520 | 2011-12-27 | ||
| PCT/IB2012/057599 WO2013098740A2 (en) | 2011-12-27 | 2012-12-21 | Method and system for reducing early readmission |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104025098A CN104025098A (zh) | 2014-09-03 |
| CN104025098B true CN104025098B (zh) | 2018-01-19 |
Family
ID=47790268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201280065339.9A Expired - Fee Related CN104025098B (zh) | 2011-12-27 | 2012-12-21 | 用于减少早期再入院的方法与系统 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20140350957A1 (zh) |
| EP (1) | EP2798551A2 (zh) |
| JP (1) | JP6148255B2 (zh) |
| CN (1) | CN104025098B (zh) |
| BR (1) | BR112014015498A8 (zh) |
| RU (1) | RU2014130779A (zh) |
| WO (1) | WO2013098740A2 (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BR112014015654A8 (pt) * | 2011-12-27 | 2017-07-04 | Koninklijke Philips Nv | método; sistema; e meio de armazenamento não transitório informático que armazena um conjunto de instruções executáveis por um processador |
| US20160188814A1 (en) * | 2013-08-14 | 2016-06-30 | Koninklijke Philips N.V. | Modeling of patient risk factors at discharge |
| US9256645B2 (en) | 2013-08-15 | 2016-02-09 | Universal Research Solutions, Llc | Patient-to-patient communities |
| US10354347B2 (en) | 2013-09-13 | 2019-07-16 | Universal Research Solutions, Llc | Generating and processing medical alerts for re-admission reductions |
| US10726097B2 (en) * | 2015-10-16 | 2020-07-28 | Carefusion 303, Inc. | Readmission risk scores |
| WO2017214586A1 (en) * | 2016-06-10 | 2017-12-14 | Cardiac Pacemakers, Inc. | Patient risk scoring & evaluation system |
| US11017903B2 (en) * | 2017-05-12 | 2021-05-25 | University Of Central Florida Research Foundation, Inc. | Heart failure readmission evaluation and prevention systems and methods |
| WO2019010266A1 (en) * | 2017-07-05 | 2019-01-10 | Avixena Population Health Solutions, Llc | READMISSION PREVENTION MANAGEMENT AND ASSOCIATED METHOD AND SYSTEM |
| US11694810B2 (en) * | 2020-02-12 | 2023-07-04 | MDI Health Technologies Ltd | Systems and methods for computing risk of predicted medical outcomes in patients treated with multiple medications |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102149376A (zh) * | 2008-08-07 | 2011-08-10 | Spa抗菌素产品公司 | 症状性心力衰竭的长期治疗 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4132839B2 (ja) * | 2002-01-29 | 2008-08-13 | 株式会社日立ハイテクノロジーズ | 感染症システム |
| US20070244375A1 (en) * | 2004-09-30 | 2007-10-18 | Transeuronix, Inc. | Method for Screening and Treating Patients at Risk of Medical Disorders |
| AU2005321925A1 (en) * | 2004-12-30 | 2006-07-06 | Proventys, Inc. | Methods, systems, and computer program products for developing and using predictive models for predicting a plurality of medical outcomes, for evaluating intervention strategies, and for simultaneously validating biomarker causality |
| JP5279071B2 (ja) * | 2008-06-18 | 2013-09-04 | 医療法人 慈恵会 | 退院評価プログラム |
| JP5185785B2 (ja) * | 2008-11-19 | 2013-04-17 | オムロンヘルスケア株式会社 | 健康状態判断装置 |
| EP2441041A4 (en) * | 2009-06-10 | 2013-08-21 | Prm Llc | SYSTEM AND METHOD FOR LONG-TERM DISEASE MEASUREMENT |
| US20110125038A1 (en) * | 2009-11-20 | 2011-05-26 | Momentum Research Inc. | System and method for heart failure prediction |
| US8751257B2 (en) * | 2010-06-17 | 2014-06-10 | Cerner Innovation, Inc. | Readmission risk assessment |
-
2012
- 2012-12-21 CN CN201280065339.9A patent/CN104025098B/zh not_active Expired - Fee Related
- 2012-12-21 US US14/368,368 patent/US20140350957A1/en not_active Abandoned
- 2012-12-21 BR BR112014015498A patent/BR112014015498A8/pt not_active IP Right Cessation
- 2012-12-21 JP JP2014549600A patent/JP6148255B2/ja not_active Expired - Fee Related
- 2012-12-21 WO PCT/IB2012/057599 patent/WO2013098740A2/en active Application Filing
- 2012-12-21 RU RU2014130779A patent/RU2014130779A/ru unknown
- 2012-12-21 EP EP12829160.6A patent/EP2798551A2/en active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102149376A (zh) * | 2008-08-07 | 2011-08-10 | Spa抗菌素产品公司 | 症状性心力衰竭的长期治疗 |
Non-Patent Citations (2)
| Title |
|---|
| Prediction of hospital readmission for heart failure:development of a simple risk score based on administrative data;Edward F.Philbin et al.;《Journal of the American College of Cardiology》;19990531;第33卷(第6期);1560-1566 * |
| 再住院糖尿病患者依从性及其影响因素的调查研究;陈亚梅;《中国优秀硕士学位论文全文数据库医药卫生科技辑》;20071215(第6期);摘要、正文第1-3页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2798551A2 (en) | 2014-11-05 |
| JP6148255B2 (ja) | 2017-06-14 |
| WO2013098740A2 (en) | 2013-07-04 |
| BR112014015498A8 (pt) | 2017-07-04 |
| CN104025098A (zh) | 2014-09-03 |
| RU2014130779A (ru) | 2016-02-20 |
| US20140350957A1 (en) | 2014-11-27 |
| JP2015507265A (ja) | 2015-03-05 |
| WO2013098740A3 (en) | 2013-12-19 |
| BR112014015498A2 (pt) | 2017-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104025098B (zh) | 用于减少早期再入院的方法与系统 | |
| Ludikhuize et al. | Measuring adherence among nurses one year after training in applying the Modified Early Warning Score and Situation-Background-Assessment-Recommendation instruments | |
| JP6466422B2 (ja) | 医療支援システム及び方法 | |
| Levett-Jones et al. | The ‘five rights’ of clinical reasoning: An educational model to enhance nursing students’ ability to identify and manage clinically ‘at risk’patients | |
| US8100829B2 (en) | System and method for providing a health score for a patient | |
| US8355925B2 (en) | Methods of assessing risk based on medical data and uses thereof | |
| US20170124279A1 (en) | Adaptive Complimentary Self-Assessment And Automated Health Scoring For Improved Patient Care | |
| Aitken et al. | Effect of a 2-tier rapid response system on patient outcome and staff satisfaction | |
| Kenner | Asthma on the move: how mobile apps remediate risk for disease management | |
| Stotts et al. | Nursing surveillance for deterioration in pediatric patients: an integrative review | |
| JP2019091397A (ja) | ソフトウェア、健康状態判定装置及び健康状態判定方法 | |
| Jain et al. | Employability implications of artificial intelligence in healthcare ecosystem: responding with readiness | |
| Rosero et al. | Failure to rescue: a quality indicator for postoperative care | |
| Van Der Heijden et al. | Managing COPD exacerbations with telemedicine | |
| Qi et al. | Towards knowledge driven decision support for personalized home-based self-management of chronic diseases | |
| Pape et al. | Predicting levels of independence with expressing needs and ideas 1 year after severe brain injury. | |
| Lin et al. | Development of a telehealthcare decision support system for patients discharged from the hospital | |
| Sisley et al. | A conceptual model of workplace stress: The issue of accumulation and recovery and the health professional | |
| Kapur et al. | Cohort monitoring–as a tool to improve diabetes care services | |
| Thran | Documentation of Vital Signs During the Post-Operative Phase | |
| Adderley | Community nurses' judgement and decision making for the management of venous leg ulceration | |
| Borlawsky et al. | Evaluation of an automated pressure ulcer risk assessment model | |
| Eigner et al. | An intelligent clinical decision support system to determine the optimal time of patient discharge in hospitals | |
| Benyamin et al. | Identification of Heart Disease in Patients Using the Long Short-Term Memory (LSTM) Method | |
| Chaturvedi et al. | Artificial intelligence in healthcare-a revolution to social healthcare system. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180119 Termination date: 20201221 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |