CN104487975A - 表现血液动力学不稳定性指数指标信息的方法 - Google Patents

表现血液动力学不稳定性指数指标信息的方法 Download PDF

Info

Publication number
CN104487975A
CN104487975A CN201380037955.8A CN201380037955A CN104487975A CN 104487975 A CN104487975 A CN 104487975A CN 201380037955 A CN201380037955 A CN 201380037955A CN 104487975 A CN104487975 A CN 104487975A
Authority
CN
China
Prior art keywords
vix
value
patient
lix
ubiquity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201380037955.8A
Other languages
English (en)
Other versions
CN104487975B (zh
Inventor
L·J·埃谢曼
A·A·弗劳尔
B·D·格罗斯
J·J·弗拉西卡
L·尼尔森
M·赛义德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN104487975A publication Critical patent/CN104487975A/zh
Application granted granted Critical
Publication of CN104487975B publication Critical patent/CN104487975B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7425—Displaying combinations of multiple images regardless of image source, e.g. displaying a reference anatomical image with a live image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • 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
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—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
    • G16H50/30—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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physiology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种监测患者的医学系统(10)和方法。接收所述患者的患者数据。所述患者数据包括生命体征测量结果和实验室结果。根据接收到的生命体征测量结果来计算有关所述患者的生理状况的生命体征不稳定性指数(VIX)。根据接收到的实验室结果来计算有关所述生理状况的实验室不稳定性指数(LIX)。将所述VIX和所述LIX整合成患者恶化的指标。

Description

表现血液动力学不稳定性指数指标信息的方法
技术领域
本申请涉及临床决策支持。本申请具体与对生理和临床状态变化的预测相结合而应用，并且将特别参考对生理和临床状态变化的预测来描述本申请。然而应当理解，本申请还适用于其他使用场景，并且不必限于前述的应用。
背景技术
当护理患者时，临床医生越快地了解到患者的恶化，就可以越快地采取校正行动。这进而降低了最终的器官损伤的可能性，尤其是在血液动力学恶化的情况下，并且大体上改进患者结果。检测恶化典型地需要临床医生人工检查诸如收缩血压的多个生理参数的生理数据和/或实验室数据。然而，临床医生护理大量的患者，并且预计患者与临床医生比率只会升高。另外，生成生理数据的频率是高的。因而，临床医生经常延误检测恶化。
为了对此进行缓解，对患者的自动监测正在变得越来越普遍。然而，自动监测的主要难题在于警告疲劳(alert fatigue)。警告疲劳是这样的状况，即由于警告不具有实际临床意义的概率很高，因此临床医生变得对临床警告不敏感。一种简单的解决方案是提高警告阈值。然而，这降低了灵敏度并且提高了未能检测到患者恶化的可能性。
另一种解决方案是设定发出警告之后的禁止期，因此直到满足重新进入工作状态(rearming)条件为止不再发出类似的警告。在这样的方法中，重新进入工作状态条件对于减少警告是至关重要的。典型的重新进入工作状态条件是从触发禁止期的警告开始经过预定的时间量，并且接着在经过了该周期之后对生理数据进行重新评估。这是基于这样的概念，即第一警告之后的任何警告都可能是基于类似的生理数据的，并且因此不向临床医生提供任何额外的信息。如果临床医生同意警告，则他/她已经正在规划采取行动以处置患者；或者怀疑警告的有效性；并且在任何一种情况下都会发现另一警告是不必要的。因此，禁止另外的警告是合理的。
这种警告解决方案的一个缺点是，如果患者的状况在禁止期内恶化，则不发出额外的警告。另一个缺点是所述预定的时间量典型地是固定的。因此，所述预定的时间量不是针对任何具体患者定制的。另外，所述预定的时间量不适于个体的生理动态或介入。
自动监测系统的其他难题来自典型地由自动监测系统采用的预测模型。这样的预测模型典型地是在群体数据的大型数据库上训练的，由此，使用这样的预测模型的决策是基于大的群体的一般特征的。另外，典型地不考虑个体与一般训练群体之间的差异。以这种方式训练可能导致不必要的警告和/或不能针对具有与一般训练群体的标准不同的生理标准的特定患者生成警告。
为了减轻这一问题，可以将来自临床医生的关于发出的警告的有效性的直接反馈用于学习。然而，这样的方法对于不具有这种直接反馈学习的益处的系统是不可能的。另外，如果提前数小时就响应于预测事件发出了警告，那么来自临床医生的关于警告的有效性的立即反馈是没有意义的。
本申请提供了克服以上提及的问题和其他问题的新的经改进的方法和系统。
发明内容
根据一个方面，提供了一种用于监测患者的医学系统。所述医学系统包括被编程为接收所述患者的患者数据的至少一个处理器。所述患者数据包括生命体征测量结果和实验室结果。所述至少一个处理器还被编程为根据接收到的生命体征测量结果来计算有关所述患者的生理状况的生命体征不稳定性指数(VIX)。另外，所述至少一个处理器被编程为根据接收到的实验室结果来计算有关所述生理状况的实验室不稳定性指数(LIX)。此外，所述至少一个处理器被编程为将所述VIX和所述LIX整合为对患者恶化的指示。
根据另一方面，提供了一种用于监测患者的医学方法。接收所述患者的患者数据。所述患者数据包括生命体征测量结果和实验室结果。根据接收到的生命体征测量结果来计算有关所述患者的生理状况的生命体征不稳定性指数(VIX)。根据接收到的实验室结果来计算有关所述生理状况的实验室不稳定性指数(LIX)。将所述VIX和所述LIX整合为对患者恶化的指示。
根据另一方面，提供了一种用于监测患者的图形用户接口(GUI)。所述GUI包括对所述患者的恶化指示的显示。所述恶化指示将生命体征不稳定性指数(VIX)与实验室不稳定性指数(LIX)进行整合。所述VIX和所述LIX指示所述患者的生理状况的不稳定性。所述VIX是根据生命体征测量结果计算得来的，并且所述LIX是根据实验室结果计算得来的。
一个优势在于考虑了多个生理参数的不稳定性指数。
另一个优势在于减少了警告。
另一个优势作用使临床医生的注意力集中在需要额外的警觉的患者上。
另一个优势在于独立于等待时间长的数据来处理等待时间短的数据。
另一个优势在于增高的对异常患者状况的敏感性。
另一个优势在于对可用数据的适应性。
另一个优势在于降低了无关的值触发警告的可能性。
另一个优势在于针对患者的状况不是平均群体的典型状况的情况来进行调节。
本领域普通技术人员在阅读和理解了以下详细说明之后，将意识到本发明的其他优势。
本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安排的形式。附图仅出于图示优选实施例的目的，而不应被解释为对本发明做出限制。
附图说明
图1是患者护理环境的信息技术(IT)基础设施的方框图。
图2是临床决策支持系统的方框图。
图3是针对血液动力学稳定性的生命体征不稳定性指数(VIX)和对应的输入的图形表示。
图4是基线VIX和生命体征不稳定性指数的图形表示。
图5是针对血液动力学稳定性的VIX和对应的输入的图形表示。
图6是临床决策支持系统的流程图。
图7是对使用生命体征不稳定性指数和实验室不稳定性指数的普遍值的查找的图形说明。
图8是显示多个病床的恶化指示值的图形用户接口(GUI)。
图9是显示有关恶化指示值的详细信息的GUI。
图10是图示对图1的CDSS的备选实施例的操作的流程图。
具体实施方式
参考图1和图2，提供了护理一个或多个患者的患者监测环境(例如重症监护室(ICU))的信息技术(IT)基础设施10。IT基础设施10包括一个或多个患者数据发生器12、任选的患者信息系统14、临床决策支持系统(CDSS)16、一个或多个患者数据使用者(consumer)18等。适当地，IT基础设施10的部件经由诸如因特网、局域网、广域网、无线网或虚拟私人网等的通信网络20互连。
患者数据发生器12生成在患者监测环境中被护理的对应患者的患者数据。患者的患者数据包括以下中的一个或多个：生理数据；入院、出院和转院(ADT)数据；实验室数据；临床数据；结果数据和警告数据。生理数据包括以下中的一个或多个：生理参数波形、典型地以预定的采样频率(例如1秒)或者在参数变化时生成的生理参数的测量结果、观察到的生理参数和计算出的生理参数。这样的生理参数的范例包括收缩血压(SBP)、心率(HR)、SpO2等。ADT数据包括诸如年龄、国籍等的人口统计数据的值、以及护理偏好，例如拒绝复苏(DNR)、仅进行舒适的措施(CMO)、允许自然死亡(AND)、入院或者收入监护室的原因等。ADT数据典型地是在患者被收入和/或离开医学机构和/或在诸如ICU和/或普通病房的医学机构的患者护理环境之间转移时生成的。实验室数据包括实验室测试结果，并且实验室数据典型地是在事件发生(例如临床医生安排实验室测试)时零星生成的。临床数据包括指示用来提高患者健康的措施的数据以及其他的观察，例如意识水平、介入措施、透析、施用的药物、患者的社会历史和先前病史、当前疾病的病史、患者具有的其他社会或风险因素(例如基因组)等。结果数据包括指示患者在医学机构中的处置和/或停留的结果的数据，例如患者的状况恶化还是改善、患者是否死亡等。典型地，在采取医学介入之后，在患者在医学机构处的停留期间生成结果数据。警告数据是指示警告(例如患者的恶化)的数据，并且警告数据典型地是响应于对恶化的检测而生成的。
典型地取决于患者数据的类型来人工地和/或自动地生成患者数据。对于前者，可以采用用户输入22。任选地，患者数据发生器12包括为用户提供用户接口的显示设备24，在所述用户接口内人工地输入患者数据，和/或所述用户接口用于向临床医生显示患者数据。对于后者，可以采用例如测量生理参数和/或实验室结果的传感器26(例如SpO2传感器)和/或监测和/或处理诸如患者数据的数据的处理器28。患者数据发生器的范例包括但不限于生理监测器、移动通信设备、实验室系统、定点照护(point of care)系统、临床信息系统等。
患者信息系统14将来自IT基础设施10(例如来自患者数据发生器12和/或CDSS 16)的患者数据存储在IT基础设施10的一个或多个数据库30中。例如，患者信息系统14可以存储来自患者数据发生器12中的一个的患者的SBP。患者信息系统14能被配置为将来自用户输入设备32的患者数据存储在数据库30中和/或允许在显示设备34上查看存储的患者数据。显示设备34也可以被用来帮助从用户输入设备32接收数据。适合地，患者信息系统14人工地存储针对预定的时间量(例如一年)的患者数据，从而允许IT基础设施10的其他部件(例如CDSS16)访问历史患者数据。患者信息系统的范例包括但不限于电子医学记录系统、科室系统等。
CDSS 16接收来自IT基础设施10(例如来自患者数据发生器12和/或患者信息系统14)的患者的患者数据。CDSS可以备选地被配置为还从其他源(例如用户输入设备36)接收患者数据，CDSS任选地被配置有为用户提供用户接口的显示设备38，在所述用户接口内输入患者数据、和/或被配置有诸如数据库的在IT基础设施10的外部的源。例如，患者数据包括当前患者数据(例如生理参数的当前测量结果)和/或历史患者数据(例如生理参数的先前测量结果)。CDSS 16使用接收到的患者数据来监测患者的健康。例如，监测包括在患者的状况看上去正在恶化时生成警告；所述监测对汇总患者的状态、生命体征不稳定性指数(VIX)值等进行报告。
CDSS 16任选地还包括过滤器40。接收到的患者数据中的至少一些经过将患者数据整理成标准化格式和/或过滤不适合监测患者的健康的患者数据的过滤器40。有利地，对患者数据的整理允许在各种主机内采用CDSS16，并且允许CDSS使用来自各种主机的具有原本格式的数据。所述过滤可以包括以下中的一个或多个：将患者数据与常态的预定范围进行比较、确保患者数据满足可用性的时间准则、以及对数据进行交叉检验。例如，典型地过滤生理数据以去除不在预定的界限(例如指示可能的值的界限)内的测量结果和/或在其他方式上非常不可能的测量结果。作为另一范例，典型地过滤ADT数据以去除不属于目标人口统计(例如年龄、种族等)的患者的ADT。例如，未达到预定的年龄(例如成年年龄，例如，在美国通常为18岁)和/或超过预定的年龄(例如不可能或不太可能的年龄)的患者的ADT数据。作为又一范例，典型地过滤实验室结果以去除不在预定的界限(例如指示可能的值的界限)内和/或超过了预定的时期(例如24小时)的结果。有利地，这去除了陈旧的和/或可能无关的数据，由此降低了错误警告的可能性。
CDSS 16的VIX模块42根据接收到的(在相关情况下经过滤的)患者数据来计算VIX值。VIX典型地将多个生理参数的等待时间短的数据(例如当前生理参数)任选地与静态数据(例如人口统计数据)组合成反映诸如患者的血液动力学状态、肺稳定性、营养稳定性等的患者的生理状况的稳定性的量度。CDSS 16可以被配置为在显示设备38上显示患者的VIX值。可以连续地和/或在诸如计时器事件、用户输入事件、新数据的可用性等的事件发生时计算VIX值。例如，临床医生可以人工地触发针对患者的VIX计算，从而确定患者的血液动力学稳定性。CDSS 16还可以被配置为典型地将VIX值保存在患者信息系统14中以用于历史分析。
通过向基于预测变量来生成VIX值的选定的VIX模型提供预测变量的值来计算针对生理状况的稳定性的VIX值。预测变量是以下中的一个或多个：生理参数、从静态数据提取的特征(例如种族)和与确定生理状况的稳定性相关的类似项。适合地，基于生理状况和/或数据可用性来从VIX模型数据库44中的多个VIX模型中选择VIX模型。例如，第一VIX模型是针对第一生理状况的稳定性而选择的，并且第二VIX模型是针对第二生理状况的稳定性而选择的。作为另一范例，在HR和无创SBP的测量结果可用时选择第一VIX模型，并且在HR和有创SBP可用时选择第二VIX模型。另外，由模型产生的VIX值的范围典型地是0和1之间，其中，所述值越接近1，患者就越可能不稳定。可以使用诸如逻辑回归、多项式逻辑回归、线性回归和支持向量机学习的任何预测模型方法来开发VIX模型。
通用VIX模型包括比如具有以下形式的针对血液动力学不稳定性的逻辑回归模型：
VIX = 1 1 + e - z - - - ( 1 )
其中：
z＝γ+β1*SBP+β2*SI+...   (2)
具体的VIX模型是从不同的患者子群体(心原性休克、失血性休克、脓毒性休克等)导出的，并且是基于不同源参数(有创SBP、无创SBP等)的。所述模型考虑了在确定血液动力学稳定性中很重要的预测变量SBP和休克指数(SI)，并且所述模型返回零和一之间的VIX。SI是心率除以SBP的比率。VIX越高，患者就越不稳定。在一些实例中，SBP的系数β1是负的。随着SBP变低，VIX趋向于增大，反映患者正在接近更不稳定的状态。另外，SI的系数β2是正的。随着SI变高，VIX也趋向于增大，也反映稳定性的降低。下文讨论用于确定所述系数的方法。
参考图3，图示了作为时间函数的针对血液动力学稳定性的典型VIX输出和对应的输入。输入是根据真实患者数据绘制的。曲线图的第一图块46和第二图块48分别示出了患者的HR和SBP。如以上指出的，HR和SBP是在确定血液动力学稳定性中很重要的预测变量。在第三图块50中显示了计算出的VIX值。可以看出，到11.75小时为止，患者的VIX就相当高了(将近0.8)，指示患者在血液动力学方面不稳定。尽管没有图示出，但是在14小时时，患者被施予血管加压药，指示临床医生认识到血液动力学不稳定性。
返回参考图1和图2，VIX模块42还可以被配置为根据历史患者数据来生成和/或更新VIX模型。历史患者数据包括多个患者的记录，其中，每个记录包括多个变量的值以及指示针对正在被更新和/或生成的预测模型的生理状况患者是否稳定的对应的结果数据，所述多个变量包括预测变量。使用所述记录，尤其是所述变量和所述结果之间的关联性以及预测模型方法(例如逻辑回归、多项式逻辑回归、线性回归以及支持向量机学习)，来识别用于预测结果的预测变量和/或一个或多个规则。例如，可以采用多变量逻辑回归来识别预测变量和以上描述的逻辑回归模型的系数。在采用VIX模块42来更新VIX模型时，典型地响应于事件(例如周期性计时器事件、用户输入事件、新的历史患者数据的可用性等)来更新VIX模型。
CDSS 16的规则模块52确定指示患者的不稳定性的VIX阈值。基于对应的生理状况以及任选的背景数据(例如实验室数据和/或人口统计数据)来针对确定患者的VIX阈值。背景数据是描述以下中的一个或多个的数据：在护理过程中患者在哪里、患者问题列表、介入、人口统计、实验室测试等。背景数据不直接与VIX相关，但提供有关针对具体患者应当将阈值设定在哪里的指示。例如，具有0.9mg/dL的肌氨酸酐值的患者在VIX值为0.5的情况下可以被认为是稳定的，而具有3.2mg/dL的肌氨酸酐的患者则不可以这样认为。当有关患者的背景数据不可用时，针对患者采用通用阈值。否则，典型地采用基于提供的背景数据的阈值。例如，如果生成了诸如指示低血球比容或白蛋白水平的血液实验室结果的背景数据，那么VIX阈值可以被调整到较低的值。
VIX阈值是由适合地根据VIX分类器数据库54的一个或多个VIX分类器的规则来确定VIX阈值，所述规则在给定了包括VIX和任选的背景数据的一个或多个变量(例如实验室测试)的多个变量的值的情况下区分稳定性和不稳定性。规则模块52可以任选地包括针对输入变量的每个可能的集合的VIX分类器。例如，规则模块52可以包括针对仅由VIX值构成的输入的VIX分类器以及针对由VIX值和第一背景值(例如针对具体实验室测试的实验室结果)构成的输入的VIX分类器。可以使用任何机器学习法(例如决策树算法)来生成和/或更新VIX分类器。有利地，用于使用决策树分析来区分稳定患者和不稳定患者的任何规则集合都将具有在缺少任何背景数据的情况下指示VIX的阈值的背景规则(background rule)。例如，如果VIX大于0.6，那么患者是不稳定的。除了该背景规则，规则集合还包括并入诸如实验室数据的背景数据并且取决于背景增高或降低VIX阈值的规则。例如，如果VIX大于0.33并且肌氨酸酐大于1.6，那么患者是不稳定的。
在一些实例中，作为具有基于实验室结果的独立条件的规则的替代，在规则中使用的各种实验室结果可以被整合为单个实验室不稳定性指数(LIX)。接着LIX的值可以被用来设定VIX阈值。以下将对LIX做进一步的讨论。
规则模块52也可以根据历史患者数据生成和/或更新VIX分类器。历史患者数据包括多个患者的记录，其中，每个记录包括输入变量的值和指示患者是否不稳定的结果数据，所述输入变量包括VIX和任选的对患者的监测灵敏度具有影响的背景数据(例如实验室测试)的变量。使用记录，尤其是输入变量与结果之间的关联性，以及诸如决策树算法的机器学习算法来确定用于确定结果的一个或多个规则。当规则模块52被用来更新分类器时，典型地响应于事件(例如周期性计时器事件、用户输入事件、新的历史患者数据的可用性等)来更新VIX分类器。
规则监督器和选择器模块56确定将用于待监测的每个患者的一个或多个监测规则和/或一个或多个VIX模型的集合。监测规则采取一个或多个变量(例如生理参数)的输入值，并且提供有关患者是否正在恶化的指示。为了确定一个或多个监测规则和/或一个或多个VIX模型的集合，采用选择规则数据库58的一个或多个选择规则。选择规则从规则监测数据库60中的多个监测规则选择一个或多个监测规则，和/或从VIX数据库44选择一个或多个VIX模型。例如，适合地由临床专家人工地和/或使用机器学习算法自动地生成监测规则。
选择规则可以基于以下中的一个或多个：可用患者数据、患者背景和/或患者数据源。然而典型地，选择规则是基于背景数据的，例如实验室数据和/或人口统计数据。在背景数据可用的情况下，选择规则确定针对可用的背景数据定制的监测规则和/或VIX模型的集合。在背景数据不可用的情况下，选择规则返回监测规则的通用集合和/或通用VIX模型选择。以这种方式，规则监督器和选择器模块56对于可用患者数据是自适应的。尽管基于背景数据的选择规则是典型的，但是也预期其他选择方案。例如，预期规则监督器和选择器模块56简单地针对每个患者返回一组监测规则，而不管背景数据的可用性。与监测规则类似，例如，适合地由临床专家人工地和/或使用机器学习算法自动地生成选择规则。
监测规则可以是基于VIX值的。然而，采用VIX值的一个难点是高VIX值可能是例如源于被错误地放置的监测引线或患者的手臂位置的突然改变或从卧姿到坐姿或站姿的运动的无关生理数据的结果。尤其在采用自动患者监测的情况下，这样的数据可能导致错误警告。为了降低这些错误警告的可能性，由CDSS 16的bVIX模块62来计算指示VIX如何运转的基线VIX(bVIX)。bVIX模块62根据历史患者数据来计算bVIX值。很多方法可以被用来估计一系列VIX值中的趋势。一些方法比其他的方法更加完善。在一个范例中，bVIX值是过去的预定的时间量(例如三小时)内的最大VIX值或90百分位值。
当采用bVIX时，只有在bVIX指示VIX中的升高趋势的情况下，才指示超过触发阈值的警告。接着，当前的高VIX值更可能反映生理状况的真实状态。否则更可能是错误警告。在一个范例中，在当前VIX值高于预定的阈值并且bVIX是阈值的至少一些部分(例如，3/4或者2/3)时，检测到升高趋势。这意味着当前VIX高到足以引发警报，并且早先的VIX值已经很高了。这时并且仅在这时发出警告。如果bVIX太低，那么当前VIX虽然高，但也更可能是偏差，并且不发出警报。这种具体实现方式具有简单并且有效率的优势，并且被证明在减少源于数据离群值的警告方面是有效的。
参考图4，提供了患者在患者护理环境中停留的一部分期间针对患者计算的作为从入院开始的时间的函数的VIX值64和对应的bVIX值66的范例。参考大约308小时，患者的VIX值达到高到足以触发警告的值。然而，由于这一时间点处的bVIX值(～0.22)太低，因此没有警报作为VIX中的该尖峰的结果而被触发。以这种方式，bVIX的实现方式使得不可能由于该非常可能是偏差的数据而触发警告。稍后在患者停留期间，大约314.5小时，患者的VIX再次变得高到足以越过不稳定性阈值。然而，这次bVIX也高到足以允许触发警告(～0.4)。实质上，bVIX对数据中的趋势敏感，VIX值逐渐增高导致的高VIX远比突然增高的VIX更可能是实际重要的生理变化的结果。
返回参考图1和图2，警告监督器模块68监测患者的患者数据，并且在检测到恶化时生成警告。为了确定患者何时恶化，警告监督器模块68采用由规则监督器和选择器模块56确定的针对患者的监测规则的集合。如以上注意到的，监测规则采取典型地接收自IT基础设施10的一个或多个变量(例如生理参数)的输入值。另外，输入变量可以包括VIX。例如VIX值接收自VIX模块42，并且是根据例如由规则监督器和选择器模块56做出的VIX模型选择来生成的。另外，从规则模块52接收针对VIX值的监测规则的阈值。
当确定了患者正在恶化时，生成对于该影响的警告。根据警告规则数据库70中的一项或多项规则来适合地生成警告并且将警告呈送给临床医生。规则可以考虑以下中的一个或多个：医院政策、临床医生工作表、临床医生的待命状态、临床医生偏好等。例如，假设医院政策指定响应于特定类型的警告向监督患者的待命的内科医生发出警告。另外，假设待命的内科医生希望以特定的方式(例如文本消息)被联系。规则可以被用来生成并且发送满足这些要求的警告。还预期警告逐步升级。警告逐步升级是通过在满足条件(例如经过了预定的时间量而没有接收到确认)之后向同一临床医生或者不同的临床医生重新发送警告来使警告逐步升级的想法。
除了发送警告，解除(即禁止被触发)针对同一恶化的警告，直到满足重新进入工作状态条件为止。例如，重新进入工作状态条件可以包括经过预定的时间量。另外，可以例如通过自适应重新进入工作状态方法来确定重新进入工作状态条件。自适应方法推测对由临床医生响应于与被解除的警告相对应的生理状况的恶化而采取的典型介入措施的熟悉程度、以及指示由临床医生采取的介入的临床数据的可用性。另外，自适应方法推测反映患者的关于生理状况的稳定性的指数或参数。例如，当生理状况是血液动力学稳定性时，所述指数或参数可以是VIX，并且典型的介入措施包括施予流体、血管加压药或者浓缩红血球。
根据自适应方法，如果发出了针对生理状况恶化的警告，那么在预定的时间量(例如三小时)内禁止发出针对同一恶化的警告。预定的时间量与对将发生的恶化的预测的超前时间相对应，并且预定的时间量典型地取决于生理状况而改变。在经过了预定的时间量之后，基于典型地接收自IT基础设施10的临床数据和对针对生理状况的典型介入措施的了解来做出关于是否已经采取介入措施来解决恶化的确定。
如果没有施予过介入或者没有正在施予介入，那么解除针对同一恶化的警告，除非和/或直到所述指数或参数与初始警告时的指数或参数值相比恶化了一定的阈值量。所述阈值量可以是固定的或可变的，例如是到先前的指数或参数值的距离的一半。通过以这种方式来重新进入工作状态，将经过了显著的时间之后缺乏临床医生的介入解释为这样的指示，即第一次警告时的患者状况对于该具体患者是可接受的。因此，尽管根据群体标准所述指数或参数不正常或者不稳定，但是自适应方法学习到它是正常的。如果正在施予介入，那么这可以被识别为临床医生的确认，并且另外的警告是不必要的。在介入结束之后，在经过了预定的时间量之后对针对生理状况的恶化的警告进行重新进入工作状态。
参考图5，图示了在几个小时的过程中患者的VIX和对应的输入SBP 72和HR 74的曲线图。在214.5小时处生成警告，这是因为患者的VIX值跨越了警告阈值。在第一警告之后的三个小时的过程器件没有采取介入。这被解释为在第一警告时患者的动态对于该具体患者是可接受的。因此，在经过了三个小时后，由于患者的VIX并不比它在第一警告时高很多，所以不生成警告。然而，在达到222.5小时之前，VIX显著增大，并且因此发出了针对患者的另一个警告。应当注意到，在226小时处，临床医生施予了血管加压药，表示患者确实经历了在临床上值得注意的血液动力学不稳定性事件。
返回参考图1和图2，患者数据使用者18使用来自IT基础设施10(例如患者数据发生器12、CDSS 16、患者信息系统14等)的患者的患者数据。例如，患者数据使用者18可以从接收来自CDSS 16的VIX值。作为另一个范例，患者数据使用者18可以接收来自患者数据发生器12的呼吸率和心率。作为又一个范例，患者数据使用者18可以接收来自CDSS 16的警告。任选地，患者数据使用者18还接收来自用户输入设备76的患者数据，任选地具有为用户提供用户接口的显示设备78，在所述用户接口内输入患者数据。患者数据使用者的范例包括但不限于患者监视器、抽查患者监视器、移动通信设备、患者信息系统、临床决策支持系统等。
使用可以包括处理接收到的患者数据以生成额外的患者数据和/或将患者数据合并成报告。报告是以诸如PDF、DOCX、DOC等格式的计算机文件。任选地，将新生成的患者数据和/或新生成的报告保存在IT基础设施10中，例如保存在患者信息系统14中。另外，任选地，例如使用电子邮件来将新生成的报告以电子的形式传送给临床医生，和/或例如使用激光打印机、喷墨打印机等将新生成的报告打印出来。使用还可以包括经由显示设备78在呈现给临床医生的用户接口上显示至少一个患者的接收到的患者数据(例如警告或VIX值)。典型地随着患者数据被接收到而连续地更新用户接口。有利地，这允许临床医生接近实时地监测患者。
当显示患者数据和/或生成报告时，报告和/或显示至少适合地包括至少一个患者的患者姓名和VIX值。在接收到的患者数据包括多个患者的患者数据的情况下，以具有与所述患者相对应的多个行的表格结构来适合地对接收到的患者数据进行格式化。可以任选将所述行分类，和/或可以根据VIX的严重性来将所述行分类。例如，临床医生可以采用用户输入设备76基于VIX来将患者数据的表格分类。另外，任选地，临床医生可以选择性地查看VIX的细节。例如，临床医生可以采用用户输入设备76来选择患者的VIX，并且查看产生VIX的变量和相应值，任选地基于贡献来将所述变量和相应值排序。此外，可以任选地基于类似的VIX来将患者数据分组。例如，组包括以下中的一个或多个：极低风险、低风险、中等风险、高风险等。
在用户接口和/或报告中VIX可以被表示为以下中的一个或多个：文本值(例如分值、概率等)、图标(例如基于严重性的形状、颜色、背景等中的一个或多个)、前述内容的组合等。例如，VIX可以被表示为具有取决于严重性的背景颜色的圆，例如，红色针对高风险、黄色针对中等风险并且绿色针对低风险。任选地取决于严重性，图标还可以包括叠加在其上的文本值。例如，当严重性为中等时，图标可以包括叠加在其上的概率。也可以在将VIX作为基于患者将在预先配置的或者连续的时间范围中发生不稳定性事件的绝对概率的离散消息(例如，警告、文本页、电子邮件、SMS等)或者参数呈现给用户，或者作为基于VIX算法和针对患者而运行的其他CDSS算法的不稳定性的总体预测的归一化比例呈现给用户。
IT基础设施10的部件适合地包括执行实施上述功能的计算机可执行指令的处理器28、80、82、84，其中，所述计算机可执行指令被存储在与处理器28、80、82、84相关联的存储器86、88、90、92上。例如，CDSS 16的(一个或多个)处理器84执行CDSS 16的一个或多个存储器92上的计算机指令，所述指令实施以下中的一个或多个的功能：过滤器40、VIX模块42、警告模块68、规则模块52、规则监督器和选择器模块56和bVIX模块62。然而，预期可以在不采用处理器的情况下以硬件实现上述功能中的至少一些。例如，可以采用模拟电路。另外，IT基础设施10的部件包括为处理器28、80、82、84提供接口的通信单元94、96、98、100，从所述接口在通信网络20上进行通信。甚至虽然IT基础设施10的上述部件被以离散的方式描述，但是应当意识到可以对所述部件进行组合。例如，患者数据使用者12和患者数据发生器18可以是相同的和/或具有重叠。作为另一个范例，可以将CDSS 16与患者数据使用者18和/或患者数据发生器12整合。作为又一个范例，可以将CDSS 16、患者数据使用者18和患者数据发生器12组合成独立于通信网络20的单独设备。
参考图6，流程图根据CDSS 16的一个实施例图示了CDSS 16的操作。CDSS 16接收来自生理数据馈送102、ADT数据馈送104、实验室数据馈送106和临床数据馈送108的患者数据。如图所示，生理馈送102提供针对HR、SBP(有创和/或无创)、平均血压(MBP)(有创和/或无创)和心律状态的测量结果；ADT数据馈送104提供患者的年龄、患者是否想要被复苏、患者是否只想要舒适措施以及患者是否想要允许自然死亡；实验室数据馈送106提供血液测试的实验室结果，包括针对肌氨酸酐(Cr)、血脲氮(BUN)、白蛋白(Alb)、血细胞比容(HCT)、血红蛋白(HB)、白细胞(WBC)计数、碳酸氢盐(HCO3)和凝血酶原时间(PT)的测试；并且临床数据馈送108描述提供给患者的药物(Meds)、是否对患者施予透析、患者是否具有主动脉内球囊反博(IABP)、向患者施予的任何其他药物等以及从患者提取的任何样本。典型地，数据馈送102、104、106、108是患者数据发生器12。
包括生理数据、ADT数据和实验室数据的患者数据中的至少一些经过过滤器40。过滤器40将数据的格式标准化和/或确保HR和SBP在可能的范围内，例如，无创MBP低于无创SBP，并且无创MBP的下降是相关联的无创SBP的下降的50％。另外，过滤器40确保患者年龄合理并且超过预定年龄，例如成年年龄(例如在美国一般为18岁)。此外，过滤器40确保Cr、BUN、Alb、HCT、HB、WBC、HCO3和PT在可能的范围内，并且在24小时内执行测试(即实验室测试的存活时间(time to live,TTL)仅为24小时)。
经过滤的患者数据传递到规则监督器和选择器模块56，其中，由规则监督器和选择器模块56使用所述经过滤的患者数据来确定针对待监测的每一个患者采用的一个或多个监测规则和/或一个或多个VIX模型的集合。如图所示，可用的VIX模型包括无创模型和有创模型。患者数据被用来为患者提供背景，并且基于该背景来选择适当的监测规则和(一个或多个)VIX模型。VIX模型的确定传递到VIX模块42，VIX模块42使用选定的(一个或多个)VIX模型根据经过滤的患者数据来计算VIX值。由VIX模块42计算的VIX值传递到bVIX模块62，bVIX模块62使用三小时移动窗口根据VIX值来计算bVIX值。所确定的监测规则的集合传递到确定针对VIX值的阈值的规则模块52。
警告监督模块68接收规则和阈值以及VIX值和bVIX值，并且通过应用规则集合来监测患者恶化。一旦确定恶化，警告监督器68将患者恶化通知用户，并且解除针对同一恶化的警告。如图所示，在经过12小时之后，或者如果VIX恶化在3小时之后将警告重新进入工作状态。另外，如果患者选择DNR、CMO或AND则监测规则不发出警告，和/或如果患者正在透析则抑制CR和BUN规则。警告监督器模块68还能够经由CDSS 16从用户接收有关用户期望的警告状态的反馈。在这种情况下，将CDSS 16部署为其中不存在与患者信息系统14中绘制的介入的连接，用户能够指示规划了介入，因此抑制新的警告，直到用户指示介入完成或者状况恶化到新的阈值，所述新的阈值是基于第一警告和用户指示的介入的类型的。
以上涉及基于VIX的指示患者恶化的警告的生成。然而，警告的一个难题是警告并不总是用户友好的。可以证明警告对护理患者的临床医生构成烦扰，并且可以给临床医生提供超负荷的信息。为了缓解警告的这些难题，可以使用指示患者恶化的指标来替代警告。
恶化指标是由VIX、nVIX和iVIX的两个版本中的一个驱动的。VIX的具体版本取决于它是以无创方式计算的还是以有创方式计算的。例如，当VIX被用于血液动力学稳定性时，nVIX可以是使用无创BP来确定的VIX，并且iVIX可以是使用有创BP来确定的VIX。可以如以上结合图2的VIX模块42描述地来确定VIX。恶化指标的一个难题是不可以像利用恶化警告那样使用实验室值来设定针对警告的VIX阈值。作为替代，实验室值被用来创建仅基于实验室值的生理状况的不稳定性指数，在下文中被称为实验室不稳定性指数(LIX)。这样的生理状况可以包括患者的血液动力学状态、肺稳定性、营养稳定性等。
以与VIX值相同的方式来适合地确定LIX值，除了LIX值是仅根据实验室数据计算的。即通过向选定的LIX模型提供预测变量的值来计算LIX值，其中，所述选定的LIX模型基于预测变量来生成LIX值。预测变量是从实验室数据提取的一个或多个特征，并且所述预测变量预测生理状况的不稳定性。LIX典型地是基于逻辑回归(例如具有与方程1的模型相同的形式的模型)的，但是也预期其他模型。
与VIX类似，LIX包括两个版本：nLIX和iLIX。被用来确定恶化指标的LIX的版本取决于被用来确定恶化指标的VIX的版本。在使用nVIX的情况下使用nLIX，并且在使用iVIX的情况下使用iLIX。例如，在LIX表示血液动力学不稳定性的情况下，nLIX用于具有无创BP的患者，并且iLIX用于具有有创BP的患者。LIX的全部两种版本只采用实验室值，但是对于取决于正在使用的LIX版本的患者事件，发挥最佳作用的实验室值和模型参数(例如逻辑回归系数)是有些不同的。例如，在LIX表示血液动力学不稳定性并且被与逻辑回归模型一起使用的情况下，发挥最佳作用的实验室值和加权取决于BP是以有创方式测得的还是无创方式测得的。继续这一个范例，对于被以无创方式监测的患者，LIX典型地取决于白蛋白、BUN和白细胞计数；对于被以有创方式监测的患者，LIX典型地取决于额外具有HCO3的实验室数据的相同集合。
如果参与LIX计算的实验室参数的值缺失，则假设患者具有该实验室参数的平均值，所述平均值由该患者所属的患者群体所共享。例如，由于实验室参数的值还没有被测得而可能缺失该实验室参数的值。另外，典型地使用采样保持方案，而不对由LIX计算使用的实验室参数进行时间限制。在采样保持方案中，典型地使用实验室参数的值直到该值被较新的值替代。在一些实例中，可以依据实验室参数来使用变化的方案。例如，可以采样保持方案可以只被用于HCO3，只要最近的值不比预定的时间段(例如3小时)更陈旧。否则，可以使用由该患者所属的患者群体所共享的平均值。对于大多数实验室参数，可以将采样保持方案用于参数，只要当前值不比12小时与36小时之间的时间更陈旧。因此，对于患者一直存在nLIX值和iLIX值。
nLIX和iLIX两者都被分成多个带，典型地被分为三带，即低风险带、中等风险带和高风险带。在任何时间点上，患者的恶化指标都是基于患者的VIX值以及对应的LIX值所落入的LIX带的。通过使用VIX-普遍性(prevalence)表格来确定恶化指标，所述VIX-普遍性表格具有与VIX值相对应的行以及与nVIX和iVIX两者的多个带相对应的列。例如，VIX-普遍性表格可以包括与100个具有0.01增量的可能的VIX值相对应的100个行以及与六个LIX带相对应的6个列，所述六个LIX带包括针对nLIX和iLIX中的每个的低风险带、中等风险带和高风险带。
为了查找普遍性值，通过使VIX值与VIX-普遍性表格的对应行匹配来确定VIX-普遍性表格中的行。例如，从以上范例推断出，这可以通过确定识别VIX-普遍性表格的行的指数而被执行。可以根据一下方程来确定该指数：舍入(100*VIX+0.5)，其中，所述舍入函数向上或向下取整。应当意识到，VIX值的范围从0到1。参考图7，以图形的方式示出了查找，其中，纵轴与普遍性相对应，横轴与VIX相对应，并且每条线与LIX带相对应。如图所示，具有0.4的VIX值以及中等风险范围中的nLIX值的无创监测患者被示为具有大约0.54的普遍性。
可以使用具有稳定VIX分割和接收影响稳定性的药物的一小时之前的不稳定VIX分割的群体来确定所述VIX-普遍性表格。例如，当VIX与血液动力学稳定性相对应时，药物可以与加压药物和/或心肌变力(intropic)药物相对应。稳定分割和不稳定分割与预定的时间段(典型地是3小时)上的VIX趋势相对应。所述群体可以被分成与LIX带相对应的子群体。对于所述子群体(例如根据以上范例的六个子群体)中的每个，针对不同的VIX范围(例如以0.01的增量)来计算不稳定分割占所有分割(即，普遍性)的部分。在一些平滑处理之后，可以将这些普遍性值添加到VIX-普遍性表格。
应当注意到，表格中表示的普遍性值是基于被用来计算所述普遍性值的特定群体的，并且不需要表示目标群体的普遍性值。当然，群体的目的是将不同情况下的各VIX值(即，无创LIX值对有创LIX值以及不同的LIX值范围)映射到统一的指数。
可以经由以下方程将普遍性值映射到典型地在0和100之间的最终指标值：
其中，β是VIX-普遍性表格中的最大普遍性值，并且α是VIX-普遍性表格中的最小普遍性值。根据用于图7的VIX-普遍性表格，β为0.8500，并且α为0.0422。因此，可以通过对普遍性值进行线性调节来将普遍性值映射成最终指标，从而它们在期望的范围上缩放。
在确定最终指标之后，可以将最终指标显示给临床医生。最终指标指示患者恶化的风险，其中，越高的值指示越高的患者恶化的风险。可以将最终指标直接或间接地显示给临床医生。对于前者，例如可以使用文本、条形图等来将最终值显示给临床医生。对于后者，例如可以将指标值的范围分成与患者恶化的风险相对应的带。例如，可以将指标值的范围分成与患者恶化的低风险、中等风险和高风险相对应的三档。接着可以将最终指标映射到这些带中的一个，并且可以为临床医生识别所述带。典型地使用颜色来为临床医生识别所述带。例如，根据前述范例推断，红色可以指示患者恶化的高风险，黄色可以指示患者恶化的中等风险，并且绿色可以指示患者恶化的低风险。
有关恶化指标的两种复杂化是基线过滤和重新进入工作状态。恶化警告使用在先周期上的最大VIX值的基线来过滤VIX离群值。这些被并入设定VIX阈值的规则中。然而，恶化指标是针对每个VIX值而被计算的，因此必须对所有VIX值进行该过滤。换言之，根据基线来对VIX-普遍性表格中使用的VIX值进行过滤。
可以通过计算nVIX和iVIX两者的基线VIX、bVIX来进行基线过滤，以生成nbVIX和ibVIX。bVIX可以是先前的时间段(例如在先的三个小时)上的最大VIX值或百分位数值，例如百分之90。在计算bVIX值之后，将每个VIX值与它的对应的bVIX进行比较，并且如果它超过bVIX指定比例，则对它进行抑制。然而，被抑制的VIX值进入对接下来的VIX值的bVIX的计算。例如，如果满足以下方程，则可以对VIX值进行抑制：bVIX<＝0.7*VIX(即，VIX>＝(10/7)*bVIX)。如果VIX值不被抑制，则所述VIX值被用来确定恶化指标。
当VIX仅被用于恶化警告时，不考虑在所述范围的低端处的离群值。然而，当VIX被用于恶化指标时，考虑这样的离群值。为了处理这些离群值，计算第二基线VIX，即lo_bVIX。lo_bVIX可以是先前的时间段(例如在先的三小时)上的最小VIX值或百分位，例如10百分位。将每个新VIX值与它的对应的lo_bVIX进行比较，并且如果它小于lo_bVIX指定比例，则对它进行抑制。被抑制的VIX值进入对接下来的VIX值的lo_bVIX的计算。例如，如果满足以下方程，则可以对VIX值进行抑制：VIX<＝0.8*lo_bVIX。从前述来看，存在两条被用来过滤可能的VIX离群值的基线，即上基线和下基线。下文提到的所有VIX值都是经过滤的VIX值。
关于重新进入工作状态，严格地说这不是问题，这是因为重新进入工作状态考虑了警告。然而，如果将要在临床设定中测试恶化指标，则需要诸如阳性预测值(PPV)的性能统计、以及定义何时将恶化指标值计为阳性的标准。确定恶化指标值是否为阳性的一种方式是生成警告。生成警告的一种方式是在恶化指标值超过警告阈值时生成警告。然而，在利用恶化警告的情况下，对于这中方法，警告将针对一些患者连续地响。如果患者是稳定的，则这将对临床医生构成烦扰。另外，如果患者不稳定，这也会构成烦扰，这是因为一旦临床医生已经被警告，那么后续的警告可能让人感到烦扰。
恶化警告使用动态重新进入工作状态机制，以使得除非患者的状况严重恶化，否则不重发警告。可以针对与恶化指标一起使用来调整被用于恶化警告的重新进入工作状态方案。期望它将不仅用于测量临床研究中的性能，而且还用于在患者状况恶化时加亮恶化指标。例如，当患者的恶化指标已经显著恶化时，可以加亮(例如利用对比边界或框)表示该恶化指标的图标进行突出显示。以下方法集中在警告的重新进入工作状态上，但是可以被用来进行加亮。
在设计重新进入工作状态方法中，确定重新进入工作状态方法将应用于VIX还是应用于恶化指标。最初，将重新进入工作状态方法应用于恶化指标而不是进入恶化指标的一些分量(例如VIX)看起来是自然的。然而，考虑涉及血液动力学不稳定性的以下情景。临床医生将患者从无创BP切换到有创BP。由于正在被以有创方式测量BP的患者倾向于更不稳定，因此恶化指标几乎肯定将恶化。然而，很可能临床医生由于关心该患者而对患者进行动脉插管(即A管)，并且想要更密切的监测。因此，基于正在恶化的恶化指标的警告并不告诉临床医生任何新的东西。更一般地，由于进入恶化指标的很多元素(由VIX-普遍性表格的六个列来表示)缓慢变化，因此重要的是基于恶化指标的任何警告都引起对下层VIX值的快速变化的注意。再呈现另一个情景，由于刚刚进来了比先前的实验室值更好的的新实验室值，因此改善了患者的恶化指标，使患者进入较低风险的LIX带，但是同时VIX评分可能正在恶化。通过使警告以VIX为基础，将使得临床医生注意到该恶化状况。
恶化指标使用的重新进入工作状态方法与恶化警告使用的重新进入工作状态方法类似。即静态重新进入工作状态是相同的。如果介入信息是可用的，那么在介入以及随后的禁止周期期间抑制重新进入工作状态，并且接着进行重置。动态重新进入工作状态也是类似的。
在恶化警告的情况下，典型地只有在患者的VIX自上一警告显著恶化的情况下才发出后续警告。在恶化指标的情况下，由于没有警告，因此存储最大VIX值(即max_vix)。这是针对nVIX和iVIX而分别完成的。最初，max_vix是初始VIX值。如果VIX超过了两个阈值中的任何一个，那么将max_vix设定为当前VIX值，并且将VIX标记为潜在恶化指标警告值。这两个阈值包括：(1)max_vix+vix_thr；以及(2)(max_vix+1.0)/2，其中，vix_thr是表示高于指示潜在恶化的max_vix的量的常数，典型地是0.2。第二阈值等于是说VIX大于max_vix与最大可能VIX 1.0之间的中值。一旦1.0-max_vix小于2*vix_thr，第二条件就会变得起作用。
有效地，前述过程返回可能变为警告的潜在VIX值的列表，该列表典型地具有增大的顺序。如果当前VIX值小于lo_vix_thr*max_vix，那么max_vix也可以被设定为当前VIX值，其中，lo_vix_thr是指示潜在恶化的阈值。例如，通过将lo_vix_thr设定为(例如)0.05，可以在VIX降至max_vix的5％以下的情况下将max_vix重置为当前VIX值。如果介入信息不可用，那么应当使用这种设定max_vix的额外方法，这是因为如果患者受到介入然后重新稳定则应当将恶化指标重新进入工作状态。
去除潜在VIX值的列表的相互过于接近的列表项。换言之，对所述列表项应用不应期(例如3小时)以移除处于彼此的不应期内的项。在去除过于接近的项之后，列表项至少由不应期相隔。接着这些剩余值可以被用于发出警告(至少用于评估目的)，给出了它们在指示何时应当生成警告的指定阈值以上。如上文所指出的，假设这些剩余值处于指定阈值以上，那么也可以将其用于通过(例如)加框对所显示的恶化指标突出显示。
如可以看出的，通过max_vix来控制重新进入工作状态方法，标记出高于max_vix(一定阈值)的VIX值，并且将max_vix重新设定为VIX的当前值。如果第二机制被使能，那么在当前VIX降至max_vix的指定分数的情况下将max_vix重新设定为当前VIX。应当强调，一旦VIX值已经经由VIX-普遍性表格而被转化成了恶化指标，则重新进入工作状态方法用于将VIX值标记为潜在警告(或经加亮的恶化指标值)。
参考图8，图形用户接口(GUI)向临床医生(例如在护理站)显示多个病床的恶化指标值。例如，可以利用以下中的一个或多个来显示恶化指标：0与100之间的表示值的文本值、指示低风险、中等风险、高风险的颜色以及表示值的条形图体积。可以利用绿色背景来显示0到33.33的值(即低风险)，可以利用黄色背景来显示33.33和66.66之间的值(即中等风险)，可以利用红色背景来显示所有大于66.66的值(即高风险)。接近恶化指标的标签例如通过患者姓名和患者身份(PID)中的一个或多个来识别对应的患者。也可以显示诸如性别的其他信息。如图所示，针对血液动力学不稳定性来显示恶化指标，但GUI也可服务于针对其他生理状况的恶化指标。
参考图9，当例如利用用户输入设备来选择恶化指标时，GUI显示有关选定的恶化指标的额外信息。该额外信息可以包括预定的周期(例如三个小时或六个小时)上的患者恶化指标的历史。如图所示，所述历史可以被显示为恶化指标值的趋势线。可以基于该时间点处的值的风险区域来将趋势线颜色编码。如以上提到的，可以利用绿色背景来显示0到33.33的值(即低风险)，可以利用黄色背景来显示33.33和66.66之间的值(即中等风险)，可以利用红色背景来显示所有大于66.66的值(即高风险)。
在临床医生选择恶化指标值(例如通过在趋势线上拖动鼠标光标)时，针对选定的恶化指标值示出工具提示(tool-tip)，在该情况下是78。工具提示显示以下中的一个或多个：生理参数、实验室参数和恶化指标值的其他相关数据。例如，这样的相关数据可以包括以下中的一个或多个：血压、BUN、血细胞比容以及其他重要的实验室和生命体征值。另外，这样的相关数据可以包括显示出的值何时被测量。可以以红色或黄色来加亮超出范围的任何值，从而将临床医生的注意力吸引到可能出现的重要病理生理问题上。
还可以典型地以图8所示的相同的方式来将当前恶化指标值显示在历史显示旁边。例如，当前恶化指标值可以被表示为具有反映风险程度的体积和颜色的条形图和被定位在条形图上的数字，在该情况下是76。
可以在图1的IT基础设施10的部件12、14、16、18内，典型地在CDSS16内实现以上描述的有关恶化指标的功能。参考图10，图示了说明图1的CDSS 16的备选实施例的操作的流程图。与结合图1描述的实施例对比，该实施例涉及对以上描述的恶化指标的确定和使用。图1的CDSS 16的部件是如以上描述的，除了对处理器84进行了重新编程。
根据所述流程图，CDSS 16接收来自生理数据馈送152、ADT数据馈送154、实验室数据馈送156和临床数据馈送158的患者数据。如图所示，生理馈送152提供针对HR、心律状态、BP(有创和/或无创)和模式(即正在使用无创模式还是有创模式)的测量结果；ADT数据馈送154提供患者年龄、患者是否想要复苏、患者是否只想要舒适措施以及患者是否想要允许自然死亡；实验室数据馈送156提供血液测试的实验室结果，包括针对Cr、BUN、Alb、HCT、HB、WBC、HCO3和PT的测试；并且临床数据馈送158描述提供给患者的药物(Meds)、是否对患者施予透析、患者是否具有IABP、向患者施予的任何其他药物等以及从患者提取的任何样本。典型地，数据馈送152、154、156、158是图1所示的患者数据发生器12。
典型地，包括生理数据、ADT数据和实验室数据的患者数据中的至少一些经过过滤器160。过滤器160将数据的格式标准化和/或确保正在被过滤的数据的参数在似乎合理的范围内。例如，过滤器160确保患者年龄是合理的，并且超过预定的年龄，例如成年年龄(例如在美国一般为18岁)。典型地，过滤器160通常与图1的过滤器40相同或者以其他的方式包括图1的过滤器40。
VIX模块162和LIX模块164分别根据接收到的、任选地经过滤的患者数据来生成VIX值(即iVIX和/或nVIX)和LIX值(即iLIX和/或nLIX)。如以上描述的，结合生成恶化指标来确定VIX值和LIX值。典型地，VIX模块162与图2的VIX模块42相同或者以其他的方式包括图2的VIX模块42。另外，LIX模块164典型地是被增强以仅使用实验室值来生成生理状况的不稳定性指数的VIX模块162的变型。典型地，VIX模块162和/或LIX模块164使用逻辑回归模型。然而，也可以采用其他模型。
虽然未被示出，但是预期可以由规则监督器和选择器模块来选择由VIX模块162和/或LIX模块164使用的模型。规则监督器和选择器模块使用接收到、任选地经过滤的患者数据来确定用于待监测的患者的一个或多个VIX模型和/或一个或多个LIX模型。典型地，对于而言，可用模型包括针对LIX和VIX两者的无创变量和有创变量，这是因为模型基于有创还是无创而变化。规则监督器和选择器模块使用接收到的患者数据来为患者提供背景，并且基于该背景选择适当的模型。规则监督器和选择器模块典型地是图1的规则监督器和选择器模块56的变型，图1的规则监督器和选择器模块56针对LIX模型进行了扩展。
信息整合模块166接收来自LIX模块162和VIX模块164的LIX值和VIX值，并且如以上描述地生成恶化指标值。对于后者，LIX值和VIX值被用来使用VIX-普遍性表格来生成普遍性值。最终，使用方程3来将普遍性值映射到恶化指标值。
典型地，如以上描述的，在生成恶化指标值之前，信息整合模块166使用VIX基线值来过滤VIX值以去除离群值。典型地使用存储由VIX模块162生成的VIX值的VIX历史数据库168来确定VIX基线值。VIX基线值典型地包括上bVIX值和下bVIX值。如以上描述的，上bVIX值是先前的时间段(例如在先的三个小时)上的最大VIX值或者百分位，例如90百分位。另外，下bVIX是先前的时间段(例如在先的三小时)上的最小VIX值或者百分位，例如10百分位。
如以上描述的，在确定恶化指标值之后，可以显示所述恶化指标值。例如，可以例如使用图1的患者数据使用者18来将恶化指标直接地或间接地显示给临床医生。对于前者，例如可以使用文本、条形图等来将最终值显示给临床医生。对于后者，例如可以将指标值的范围分成与患者恶化风险相对应的带。接着可以将最终指标映射到这些带中的一个，并且可以为临床医生识别所述带。典型地使用颜色来为临床医生识别所述带。例如，可以图8和图9的GUI可以被用来显示恶化指标值。
任选的指标监督器170接收分别来自信息整合器166和VIX历史数据库168的恶化指标值和对应的VIX数据。指标监督器170可以使用接收到的VIX数据来监测VIX趋势，并且使用以上描述的重新进入工作状态方法来标记可能发出警告的VIX值。如以上提到的，根据max_vix来控制重新进入工作状态方法，标记高于max_vix(一定阈值)的VIX值，并且将max_vix重新设定为当前的VIX值。另外，如果当前VIX下降到max_vix的指定分数，那么将max_vix重新设定为当前VIX。
当标记出的VIX值超过警告阈值时，可以在显示时加亮对应的恶化指标。例如，可以如以上描述地使用图8和图9的GUI来显示恶化指标。如图所示，将恶化指标值和对应的趋势的显示172与颜色编码一起使用。作为补充或替代，当标记出的VIX值超过了警告阈值时，例如可以生成警告来通知临床医生。
图1的处理器28、80、82、84中的至少一个，典型地为CDSS 16的处理器84，执行实施前述功能的处理器可执行指令，包括过滤器160、VIX模块162、LIX模块164、信息聚合器166和指标监督器170的功能。由处理器28、80、82、84的对应的存储器86、88、90、92来适合地实施处理器可执行指令。存储器86、88、90、92中的至少一个，典型地为CDSS 16的处理器92，包括VIX历史数据库168。
如本文中使用的，存储器包括以下中的一个或多个：非瞬态计算机可读介质；磁盘或其他磁性存储介质；光盘或其他光学存储介质；随机存取存储器(RAM)、只读存储器(ROM)或者其他电子存储设备或芯片或或能够互连的芯片的集合；可以经由互联网/内联网或局域网从其中检索存储的指令的互联网/内联网服务器等。另外，如本文中使用的，处理器包括以下中的一个或多个：微处理器、微控制器、图形处理单元(GPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等；用户输入设备包括以下中的一个或多个：鼠标、键盘、触摸屏显示器、一个或多个按钮、一个或多个开关、一个或多个操纵杆等；显示设备包括以下中的一个或多个：液晶(LCD)显示器、发光二极管(LED)显示器、等离子显示器、投影显示器、触摸屏显示器等；并且数据库包括一个或多个存储器。
已经参考优选实施例描述了本发明。他人在阅读和理解前述详细说明之后可以想到修改和变型。例如，尽管将VIX作为检测不稳定的患者的手段加以讨论，但是VIX也可以被用来确定哪些患者在安全的稳定状态中，以便于使他/她的时间优先，或者例如由于因为长期的非常低的VIX值指示患者非常稳定而决定可以将谁从ICU移到普通病房。本发明旨在被解释为包括所有这样的修改和变型，只要它们落入权利要求或其等价方案的范围内。

Claims (20)

1.一种用于监测患者的医学系统(10)，所述系统(10)包括：
一个或多个处理器(84)，其被编程为：
接收所述患者的患者数据，所述患者数据包括生命体征测量结果和实验室结果；
根据接收到的生命体征测量结果来计算有关所述患者的生理状况的生命体征不稳定性指数(VIX)；
根据接收到的实验室结果来计算有关所述生理状况的实验室不稳定性指数(LIX)；并且
将所述VIX和所述LIX整合成患者恶化的指标。
2.根据权利要求1所述的医学系统(10)，其中，所述生理状况是血液动力学稳定性。
3.根据权利要求1和2中的任一项所述的医学系统(10)，其中，所述LIX是使用模拟所述生理状况的不稳定性和与接收到的实验室结果相对应的实验室测试之间的关系的模型而被计算的。
4.根据权利要求1-3中的任一项所述的医学系统(10)，其中，所述整合包括：
使用所述VIX和所述LIX来查找VIX-普遍性表格中的普遍性值，所述普遍性值指示针对不同的VIX范围和LIX带的训练群体中的不稳定VIX分割的普遍性，所述VIX范围以预定的增量跨越所述VIX的可能值的范围，所述LIX带表示所述生理状况的风险的不同程度并且包括所述LIX的可能值的范围，其中，所述训练群体的所述VIX分割与预定的时间段上的VIX趋势相对应；并且
通过对所述普遍性值进行线性调节来将所述普遍性值映射到所述指标的值，从而它在所述VIX-普遍性表格中的普遍性值的范围上缩放。
5.根据权利要求1-4中的任一项所述的医学系统(10)，其中，所述至少一个处理器(84)还被编程为：
使用上基线和下基线来过滤VIX以去除离群值，上基线值是先前的时间段上的最大VIX值，并且下基线值是先前的时间段上的最小VIX值。
6.根据权利要求5所述的医学系统(10)，其中，如果VIX值超过对应的上基线值的预定的分数或者小于对应的下基线值的预定的分数，则对所述VIX值进行抑制。
7.根据权利要求1-6中的任一项所述的医学系统(10)，其中，所述至少一个处理器(84)还被编程为：
使用以下中的一个或多个来显示所述指标：文本、颜色编码和条形图，所述颜色编码识别患者恶化的风险的不同程度。
8.根据权利要求7所述的医学系统(10)，其中，所述至少一个处理器(84)还被配置为：
独立于所述指标，响应于使用所述VIX检测显著患者恶化而加亮对所述指标的所述显示。
9.根据权利要求1-8中的任一项所述的医学系统(10)，其中，所述至少一个处理器(84)还被编程为：
显示所述指标的可选择值的趋势线；并且
在选择所述可选择值中的一个之后显示包括以下中的一个或多个的工具提示：生命体征测量结果、实验室结果以及选定值的其他相关数据。
10.一种用于监测患者的方法，所述方法包括：
接收所述患者的患者数据，所述患者数据包括生命体征测量结果和实验室结果；
根据接收到的生命体征测量结果来计算有关所述患者的生理状况的生命体征不稳定性指数(VIX)；
根据接收到的实验室结果来计算有关所述生理状况的实验室不稳定性指数(LIX)；并且
将所述VIX和所述LIX整合成患者恶化的指标。
11.根据权利要求10所述的医学方法，其中，所述生理状况是血液动力学稳定性。
12.根据权利要求10和11的中任一项所述的医学方法，其中，所述LIX是使用模拟所述生理状况的不稳定性和与接收到的实验室结果相对应的实验室测试之间的关系的模型而被计算的。
13.根据权利要求10-12中的任一项所述的医学方法，其中，所述整合包括：
使用所述VIX和所述LIX来查找VIX-普遍性表格中的普遍性值，所述普遍性值指示针对不同的VIX范围和LIX带的训练群体中的不稳定VIX分割的普遍性，所述VIX范围以预定的增量跨越所述VIX的可能值的范围，所述LIX带表示所述生理状况的风险的不同程度并且包括所述LIX的可能值的范围，其中，所述训练群体的所述VIX分割与预定的时间段上的VIX趋势相对应；并且
通过对所述普遍性值进行线性调节来将所述普遍性值映射到所述指标的值，从而它在所述VIX-普遍性表格中的普遍性值的范围上缩放。
14.根据权利要求10-13中的任一项所述的医学方法，还包括：
使用上基线和下基线来过滤VIX以去除离群值，上基线值是先前的时间段上的最大VIX值，并且下基线值是先前的时间段上的最小VIX值。
15.根据权利要求10-14中的任一项所述的医学方法，其中，所述至少一个处理器(84)还被编程为：
使用以下中的一个或多个来显示所述指标：文本、颜色编码和条形图，所述颜色编码识别患者恶化的风险的不同程度。
16.根据权利要求15所述的医学方法，其中，所述至少一个处理器(84)还被配置为：
独立于所述指标，响应于使用所述VIX检测显著患者恶化而加亮对所述指标的所述显示。
17.根据权利要求10-16中的任一项所述的医学方法，还包括：
显示所述指标的可选择值的趋势线；并且
在选择所述可选择值中的一个之后显示包括以下中的一个或多个的工具提示：生命体征测量结果、实验室结果以及选定值的其他相关数据。
18.至少一个处理器(84)，其被编程为执行根据权利要求10-17中的任一项所述的方法。
19.一种承载软件的非瞬态计算机可读介质(92)，所述软件控制一个或多个处理器(84)来执行根据权利要求10-17中的任一项所述的方法。
20.一种用于监测患者的图形用户接口(GUI)，所述GUI包括：
对所述患者的恶化指标的显示，所述恶化指标整合了生命体征不稳定性指数(VIX)和实验室不稳定性指数(LIX)，所述VIX和LIX指示所述患者的生理状况的不稳定性，所述VIX是根据生命体征测量结果而被计算的，并且所述LIX是根据实验室结果而被计算的。
CN201380037955.8A 2012-05-18 2013-05-06 表现血液动力学不稳定性指数指标信息的系统和方法 Active CN104487975B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261648838P 2012-05-18 2012-05-18
US61/648,838 2012-05-18
PCT/IB2013/053612 WO2013171620A1 (en) 2012-05-18 2013-05-06 Method of rendering hemodynamic instability index indicator information

Publications (2)

Publication Number Publication Date
CN104487975A true CN104487975A (zh) 2015-04-01
CN104487975B CN104487975B (zh) 2017-06-27

Family

ID=48670627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380037955.8A Active CN104487975B (zh) 2012-05-18 2013-05-06 表现血液动力学不稳定性指数指标信息的系统和方法

Country Status (7)

Country Link
US (1) US9433348B2 (zh)
EP (1) EP2850550B1 (zh)
JP (1) JP6298454B2 (zh)
CN (1) CN104487975B (zh)
BR (1) BR112014028599A2 (zh)
RU (1) RU2629797C2 (zh)
WO (1) WO2013171620A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108986419A (zh) * 2018-10-17 2018-12-11 暨南大学 一种用于血液透析的数据报警方法
CN109300543A (zh) * 2018-10-17 2019-02-01 暨南大学 一种用于血液透析的数据监控方法
CN110140180A (zh) * 2016-11-11 2019-08-16 皇家飞利浦有限公司 患者监测系统和方法
CN111430038A (zh) * 2020-04-21 2020-07-17 南京品生医学检验实验室有限公司 一种基于逻辑回归对临床大样本因素危险性评估系统
CN111938607A (zh) * 2020-08-20 2020-11-17 中国人民解放军总医院 基于多元参数融合的智能监护报警方法及其系统

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10490049B2 (en) 2013-12-10 2019-11-26 General Electric Company Systems and methods for identifying patient distress
US20150186608A1 (en) * 2013-12-30 2015-07-02 General Electric Company Method and system for determining the clinical relevancy of alarm events
EP3110317B1 (en) 2014-02-25 2023-05-03 ICU Medical, Inc. Patient monitoring system with gatekeeper signal and corresponding method
US10176032B2 (en) * 2014-12-01 2019-01-08 Uptake Technologies, Inc. Subsystem health score
WO2016128866A1 (en) * 2015-02-12 2016-08-18 Koninklijke Philips N.V. Robust classifier
AU2016341195B2 (en) 2015-10-19 2019-03-14 Icu Medical, Inc. Hemodynamic monitoring system with detachable display unit
US20190029533A1 (en) * 2016-02-19 2019-01-31 Koninklijke Philips N.V. System and method for determining a hemodynamic instability risk score for pediatric subjects
US20170354382A1 (en) * 2016-06-13 2017-12-14 Medical Informatics Corporation User interface for displaying predictive cardio information
RU2703174C2 (ru) * 2018-02-08 2019-10-15 Общество с ограниченной ответственностью "МНОГОМЕРНАЯ АНАЛИТИКА" Устройство для регистрации данных изменяющейся многообъектной многопараметрической системы (динамический паспорт)
US11504071B2 (en) 2018-04-10 2022-11-22 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
US11908581B2 (en) 2018-04-10 2024-02-20 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
EP3834208A1 (en) * 2018-08-09 2021-06-16 Koninklijke Philips N.V. Method and system for assessing emergency risk for patients
US11462322B1 (en) 2018-12-07 2022-10-04 C/Hca, Inc. Methods of determining a state of a dependent user
US11666288B2 (en) * 2019-08-30 2023-06-06 GE Precision Healthcare LLC Systems and methods for graphical user interfaces for medical device trends
US20210313028A1 (en) * 2020-04-01 2021-10-07 Medtronic, Inc. Physiological monitoring system
WO2022122517A1 (en) * 2020-12-08 2022-06-16 Koninklijke Philips N.V. Hemodynamic instability index indicator
EP4012721A1 (en) 2020-12-08 2022-06-15 Koninklijke Philips N.V. Hemodynamic instability index indicator
EP4181156A1 (en) 2021-11-10 2023-05-17 Koninklijke Philips N.V. Classification of shock type of a subject

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5357976A (en) * 1989-10-30 1994-10-25 Genquan Feng Method of and arrangement for diagnosing brain disease
CN101203172A (zh) * 2005-06-22 2008-06-18 皇家飞利浦电子股份有限公司 测量瞬时患者急性值的设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7904822B2 (en) * 2002-04-23 2011-03-08 Draeger Medical Systems, Inc. System and user interface for configuring and presenting a trend indicative display of patient medical parameters
DK1718196T3 (da) * 2004-02-26 2009-07-13 Diabetes Tools Sweden Ab Metabolisk overvågning, fremgangsmåde og apparat til indikation af en sundhedsrelateret tilstand hos et individ
JP2006263384A (ja) * 2005-03-25 2006-10-05 Toshiba Corp 警告報知システム
WO2007060559A2 (en) * 2005-11-23 2007-05-31 Koninklijke Philips Electronics N.V. Patient monitor with user-defined monitored parameters
WO2007148259A2 (en) * 2006-06-22 2007-12-27 Koninklijke Philips Electronics N. V. Method of collecting data
US8585607B2 (en) * 2007-05-02 2013-11-19 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US8275553B2 (en) * 2008-02-19 2012-09-25 Nellcor Puritan Bennett Llc System and method for evaluating physiological parameter data
JP5243375B2 (ja) * 2009-09-09 2013-07-24 日本光電工業株式会社 生体信号処理装置及び医療装置制御方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5357976A (en) * 1989-10-30 1994-10-25 Genquan Feng Method of and arrangement for diagnosing brain disease
CN101203172A (zh) * 2005-06-22 2008-06-18 皇家飞利浦电子股份有限公司 测量瞬时患者急性值的设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HANQING CAO等: "Predicting ICU hemodynamic instability using continuous multiparameter trends", 《ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY,2008》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110140180A (zh) * 2016-11-11 2019-08-16 皇家飞利浦有限公司 患者监测系统和方法
CN108986419A (zh) * 2018-10-17 2018-12-11 暨南大学 一种用于血液透析的数据报警方法
CN109300543A (zh) * 2018-10-17 2019-02-01 暨南大学 一种用于血液透析的数据监控方法
CN111430038A (zh) * 2020-04-21 2020-07-17 南京品生医学检验实验室有限公司 一种基于逻辑回归对临床大样本因素危险性评估系统
CN111938607A (zh) * 2020-08-20 2020-11-17 中国人民解放军总医院 基于多元参数融合的智能监护报警方法及其系统

Also Published As

Publication number Publication date
BR112014028599A2 (pt) 2017-06-27
US20150145691A1 (en) 2015-05-28
JP2015519941A (ja) 2015-07-16
RU2629797C2 (ru) 2017-09-04
JP6298454B2 (ja) 2018-03-20
EP2850550B1 (en) 2018-08-01
EP2850550A1 (en) 2015-03-25
WO2013171620A1 (en) 2013-11-21
RU2014151237A (ru) 2016-07-10
CN104487975B (zh) 2017-06-27
US9433348B2 (en) 2016-09-06

Similar Documents

Publication Publication Date Title
CN104487975A (zh) 表现血液动力学不稳定性指数指标信息的方法
EP2795495B1 (en) Method and system to predict physiologic and clinical status changes
US11961621B2 (en) Predicting intensive care transfers and other unforeseen events using machine learning
CN110504035B (zh) 医疗资料库及系统
US9113778B2 (en) Predicting near-term deterioration of hospital patients
JP6072021B2 (ja) 評価システム及び評価方法
US20150227710A1 (en) Clinical support systems and methods
US20090216556A1 (en) Patient Monitoring
US20190311809A1 (en) Patient status monitor and method of monitoring patient status
US20130325515A1 (en) Clinical decision support system for predictive discharge planning
US20140350967A1 (en) System and method for prioritizing risk models and suggesting services based on a patient profile
EP4107754A1 (en) Medical machine learning system and method
US20230068453A1 (en) Methods and systems for determining and displaying dynamic patient readmission risk and intervention recommendation
EP4012721A1 (en) Hemodynamic instability index indicator
WO2022122517A1 (en) Hemodynamic instability index indicator
CN115312207A (zh) 一种基于智能健康终端的慢性病监测管理方法
WO2013098748A2 (en) System and method for prioritizing risk models and suggesting services based on a patient profile
CN103476328A (zh) 用于患者监测器的阶梯式警报方法

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