CN104737171A - 健康护理系统和方法 - Google Patents

健康护理系统和方法 Download PDF

Info

Publication number
CN104737171A
CN104737171A CN201380055246.2A CN201380055246A CN104737171A CN 104737171 A CN104737171 A CN 104737171A CN 201380055246 A CN201380055246 A CN 201380055246A CN 104737171 A CN104737171 A CN 104737171A
Authority
CN
China
Prior art keywords
patient
data
social
nursing
activity
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
CN201380055246.2A
Other languages
English (en)
Other versions
CN104737171B (zh
Inventor
G·格莱杰塞
A·泰沙诺维奇
J·J·G·德弗里斯
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 CN104737171A publication Critical patent/CN104737171A/zh
Application granted granted Critical
Publication of CN104737171B publication Critical patent/CN104737171B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • 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
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • 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
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1115—Monitoring leaving of a patient support, e.g. a bed or a wheelchair
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • G16H40/63—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 local 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Epidemiology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及一种健康护理系统以及相应的健康护理方法。所述系统包括处理器和计算机可读存储介质，其中，所述计算机可读存储介质包括用于由处理器运行的指令，其中，所述指令令处理器执行以下步骤：获得描述患者的身体活动的患者活动数据，针对所述患者，要提供对护理计划的推荐；获得描述患者的社交网络与所述患者的互动的水平的社交支持活动数据；并且基于患者活动数据和社交支持活动数据来计算对患者的护理计划的推荐。另外，本发明涉及一种计算机可读非暂态存储介质和一种计算机程序。

Description

健康护理系统和方法
技术领域
本发明涉及一种包括处理器和计算机可读存储介质的健康护理系统，其中，所述计算机可读存储介质包括用于由处理器运行的指令。此外，本发明涉及一种健康护理方法、一种计算机可读存储介质、以及一种计算机程序。
背景技术
使用临床决策支持(CDS)工具的健康护理IT系统己成为对提升基于标准的护理递送的增长的需要的首要响应。CDS工具是临床信息技术(IT)系统的重要组成，并且可以直接改进患者护理结果和健康护理组织的性能。
在这一方面，确定针对患者的需要和能力定制的护理的恰当水平是至关重要的。对于能够由患者自己正确管理的护理元素，不需要布置昂贵的设施和服务。然而，在患者特异性的护理计划中，应当为患者提供帮助减少不利事件和高花费的再入院的可能性的任何护理帮助。
例如，从医院到家中的平稳过渡对于减少可避免的再入院的量是至关重要的。为此，患者需要，(1)在处于稳定状况的正确时刻出院，(2)被教导，以及其家人也要被教导，以及(3)接收定制的出院计划。出院计划是在患者住院结束时制定的护理计划。出院计划包括生活方式建议、随诊预约、用药、以及诸如家庭护士访问和远程健康监测的特定服务。患者的护理水平应该适合他的状况。显而易见，护理水平越高，相关联的费用越高。然而，太低的护理水平增加了再入院的风险，这最终导致处置的总体费用更高并且降低患者的生活质量。
出院计划的定制当前是这样的领域，责任医师使用他们的经验和他们对患者的印象。通过估计患者的自我护理能力的水平，评估对护理安排的需要，例如，正式健康护理的水平，例如，护士访问、随诊预约的频率、以及诸如饮食支持服务的专业支持。存在对于基于证据的方法的需要，其中，关于合适的个人化的计划的决策或针对合适的个人化的计划的推荐是基于客观的、可测量的标准的。
WO 2011/095949 A1公开了一种用于基于指南的患者从设施的出院计划的系统和方法。所述系统确定患者是否符合预定出院标准以从设施出院并且基于该分析来生成护理计划。
但是，存在进一步改进所生成的护理计划以及针对患者的需要和能力定制推荐服务的需要。
发明内容
本发明的目的是提供一种更好地辅助医师或护理者来计划资源和定制对患者的护理的健康护理系统和健康护理方法。
在本发明的第一方面中，提出了一种健康护理系统，所述健康护理系统包括处理器和计算机可读存储介质，其中，所述计算机可读存储介质包括用于由处理器运行的指令，其中，所述指令令处理器执行以下步骤：
-获得描述患者的身体活动的患者活动数据，针对所述患者，要提供对护理计划的推荐，
-获得描述患者的社交网络与所述患者的互动的水平的社交支持活动数据，并且
-基于所述患者活动数据和所述社交支持活动数据来计算对患者的护理计划的推荐。
在本发明的另一方面中，提出了一种相应的健康护理方法。
在本发明的再另一方面中，提供一种包括程序代码单元的计算机程序，当所述计算机程序在计算机上运行时，所述程序代码单元用于令所述计算机执行所述健康护理方法的步骤，并且提供一种计算机可读存储介质，所述计算机可读存储介质包括用于由处理器运行的指令，其中，所述指令令处理器执行请求保护的健康护理方法的步骤。
从属权利要求中定义了本发明的优选实施例。应当理解，请求保护的方法、计算机程序、以及计算机可读非暂态存储介质具有与请求保护的系统和与在从属权利要求中所定义的相似的和/或等同的优选实施例。
护理计划的目的是支持患者达到、保持或恢复最佳健康和生活质量。一种特殊类型的护理计划是出院计划，其是在患者入住诸如医院的专业护理设施的结束时制定的。最优计划针对患者的需要和能力来定制的。在该方面，正确的护理计划解决护理中不能由患者自己管理的问题，诸如饮食支持或者用药的向上滴定和向下滴定。对于能够由患者自己正确管理的元素，例如个人卫生，不需要假定需要安排昂贵的设施或服务。如上所述，定制出院计划的当前方法是，责任医师使用他们的经验和他们对患者的印象，然而，存在对于基于证据的方法的需要，其中，决策是基于客观的、可测量的标准的。
在已知的健康护理系统中，这样的可测量数据通常是由测量患者的生命体征的患者监测器(遍及其他测量设备和测量结果)来获得的。在现代医院IT解决方案中，所采集的数据能与来自医师或其他医学人员的报告一起被存储在电子健康记录(EHR)中。
与根据现有技术(其专注于仅获得个体患者的数据)的系统和方法不同，根据本发明的系统和方法获得与患者有关的数据以及与患者的社交网络有关的额外数据。患者的社交网络对患者的健康具有重要作用。然而，现有技术的系统无法获得描述患者的社交网络与所述患者的互动的水平的可测量数据。
除了由正式护理提供者(诸如医师、护士和其他医学人员)提供的专业护理之外，患者的自我护理能力对于患者的恢复和健康保持是至关重要的。除了患者的个人健康状况之外，自我护理能力很大程度上依赖于患者的社交网络。
术语“专业护理”或“正式护理”是指由专业护理人员提供的护理。术语“自我护理”或“非正式护理”在本上下文中是指由患者自己或由他们的社交网络中的非专业、非正式护理者提供的护理。术语“患者的自我护理”是指患者无需任何帮助而自己能够进行的护理。术语“社交网络的自我护理”是指由诸如家庭成员、朋友和邻居等非专业、非正式护理者提供的护理。
尽管药物依赖经常难于监测，并且问题只有在出院之后才出现，本发明关注两个不同的可测量方面来确定自我护理的能力：患者的身体活动以及患者的社交网络与患者的互动的水平。这能够爱医院中或者在家中或者在整个医院到家庭护理周期中(既在家中又在医院中)测量。应当注意，家中和医院中是两个示范性环境，其不排除备选的或额外的设施，诸如中间护理、照护设施等等。
患者的自我护理能力受到例如他的虚弱状况、精神状态和行动的一般能力的影响。由于这样元素的性质不同并且这样难于以不突兀的方式进行测量，本发明使用患者的身体活动的量作为对患者自己的自我护理能力的近似。类似地，由患者的社交网络提供的自我护理能力是通过测量他们的活动水平或他们与患者的互动的水平来估计的。
所获得的患者活动数据描述患者的身体活动。例如，患者活动数据指示是否整天呆在床上、患者能否自己移动到邻近床的椅子上、能否在房间中移动或者甚至离开房间。此外，患者活动数据能够指示患者的身体活动的持续时间和/或患者的身体活动的强度。
所获得的社交支持活动数据描述患者的社交网络与患者的互动的水平。患者的社交网络与患者的互动水平能够例如通过测量医院中的访问和/或出院之后患者家中的活动来获得。由于患者的自我护理水平也依赖于他的心理健康，因而患者的社交网络与患者的任何类型的互动都能够有所贡献。例如，所获得的社交支持活动数据能够包括关于通讯的信息，诸如与不能亲自访问的朋友或家人的电话或网上通讯。具有活跃的社交联系的人更不容易遭受抑郁或焦虑，并且因而需要降低的这方面护理的水平。相应地，与家人一起居住的患者很可能不需要高的正式护理的水平。
根据本发明，所获得的患者活动数据和所获得的社交支持活动数据被用于评估自我护理能力。基于自我护理能力，评估所需的专业护理的水平，这进一步用于计算对护理计划的推荐。护理计划能够是医院中的护理计划、出院计划和/或家庭护理情况下的护理计划。护理计划能够基于通过健康护理系统获得的新的患者活动数据和/或社交支持活动数据来连续地更新。因而，根据本发明的健康护理系统也估计能够期待的针对患者的来自非专业护理者的支持的量。能够基于其来计算针对患者的护理计划的推荐。
例如，在医院设定中，一般卧床不起的具有有限的社交支持活动的患者将接受非常多的护理。他们在家中将也需要额外的服务，诸如饮食支持。对于具有极好的社交支持活动的患者，将计算出具有较少正式护理设施的出院计划或护理计划(并且因而降低的花费)。
在一个方面中，本发明提供一种健康护理系统。本文中使用的健康护理系统涵盖便于患者护理计划的管理的自动系统。所述健康护理系统包括处理器和计算机可读存储介质。
本文中使用的“计算机可读存储介质”涵盖可以存储能够由计算设备的处理器运行的指令的任何存储介质。计算机可读存储介质可以指代计算机可读非暂态存储介质。计算机可读存储介质也可以指代有形计算机可读介质。在一些实施例中，计算机可读存储介质也可以能够存储能够由计算设备的处理器访问的数据。计算机可读存储介质的范例包括但不限于：软盘、磁硬盘驱动器、固态硬盘、闪速存储器、USB拇指驱动器、随机存取存储器(RAM)存储设备、只读存储器(ROM)存储设备、光盘、磁光盘、以及处理器的寄存器文件。光盘的范例包括压缩盘(CD)以及数字通用盘(DVD)，例如CD-ROM、CD-RW、CD-R、DVD-ROM、DVD-RW、DVD-R，或蓝光盘。术语“计算机可读存储介质”也指代能够由计算机设备经由网络或通信链路访问的各种类型的记录介质。例如，数据可以通过调制解调器、通过因特网或者通过局域网来检索。
本文中使用的“处理器”涵盖能够运行程序或机器可执行指令的电子部件。对包括“处理器”的计算设备的引用应被解释为可能包括多于一个处理器。术语“计算设备”应被解释为可能指代每个均包括处理器的计算设备的集合或网络。多个程序可以使它们的指令由多个处理器执行，所述多个处理器可以处于相同的计算设备或者可能甚至分布多个计算设备间。
总体而言，患者的社交网络与患者的互动的水平，包括患者的社交网络中的至少一个人的身体活动或非身体活动。换言之，患者与该社交网络的互动(其影响自我护理水平)也包括诸如社交互动的非身体活动。社交互动对于患者的健康是重要的。例如，来自居住于远程位置的家庭成员的定期的电话或电子邮件能够对患者的自我护理具有积极影响，尽管此人不以物理方式提供护理而是以心理方式提供护理。
然而，在根据本发明的健康护理系统的优选实施例中，患者的社交网络与患者的互动水平包括患者的社交网络中的至少一个人的身体活动。例如，能够期望在其住院期间频繁地接受家人或朋友的访问的患者具有活跃的社交背景，所述社交背景也能够在患者从医院出院时为其提供护理。因此，患者将需要饮食支持并且将很可能需要个人来将其带到医院或全科医师的下一个预约的可能性是低的。
在有利的实施例中，所述健康护理系统还包括用于监测患者和患者的环境的至少一个传感器。所述至少一个传感器能够被安装在医院中和/或家中。备选地，患者能够携带所述传感器，例如，以具有加速度计的手环、胸带、或者被集成到诸如移动电话的电子设备中的形式。传感器的备选类型包括运动或移动传感器、基于IR的传感器、雷达传感器或在光谱的可见部分或红外部分工作的相机。此外，能够安装多个相同或不同的传感器来监测患者和患者的环境。能够从所述传感器获得患者活动数据。备选地或除患者活动数据之外，能够从所述至少一个传感器获得社交支持活动数据。在一个实施例中，所述传感器根据患者的社交网络与患者的通信来提供关于患者的社交网络与患者的非身体互动的信息。
在备选的实施例中，所述健康护理系统还包括用于从所述至少一个传感器的输出信号中提取患者活动数据和社交支持活动数据的信号处理单元。例如，所述传感器是视频相机。该视频相机观察医院中的患者的病房。因此，患者以及访问者两者都由相同的传感器来监测。信号处理单元分析视频流并且识别患者，例如识别为躺在床上的人。患者的运动能够由信号处理单元来分析以确定患者的身体活动。该数据被提供到健康护理系统作为患者活动数据以供进一步处理。除检验患者的运动外，可以追踪额外的人。因此，可能获得描述患者的社交网络与患者的互动的水平的社交支持活动数据，例如，通过分析访问者的身体活动。
在实施例中，所述指令还令处理器基于患者的日程表来校正和/或增强患者活动数据和/或社交支持活动数据。关于上面的范例，不一定所有已经被追踪的人都是患者的社交网络的一部分。例如，医生的访问或与医务人员的预约不计入患者的社交网络的活动。此外，患者的日程表还可以包括设施的访问时间。由于只有在访问时间期间才允许访问，因而与患者的社交网络的互动的水平能够针对不允许访问的时间而被校正。此外，能够针对患者离开以进行医学过程等等的时间而应用校正。例如，物理治疗的预约能够计入患者身体活动。
在实施例中，所述指令还令处理器可以通过将患者活动数据和/或患者的社交支持活动数据与来自其他患者的患者活动数据和/或社交支持活动进行比较来计算相对患者活动和/或相对社交支持活动。当前活动数据和过往活动数据能够用于比较。这一特征对于将患者和活动水平、与历史数据和/或来自其他设施的数据一起进行相互比较是特别有用的。
在再另一实施例中，所述指令还令处理器动态地更新针对所述护理计划的所述推荐。计算的护理计划不是静态的而是基于患者的状态的变化而提供连续的修正。护理计划能够在获得新的患者活动数据和/或新的社交支持活动数据时被调整。为了针对患者的实际状况来定制护理计划，所提出的健康护理系统基于客观的患者活动数据和社交支持活动数据来计算对护理计划的推荐。这在患者的自我护理能力和/或社交网络的自我护理能力随时间变化的情况下是特别有帮助的。
在所述健康护理系统的另外的实施例中，所述指令还令处理器基于获得的患者活动数据和/或社交支持活动随时间的趋势来计算对所述护理计划的推荐。
在另一实施例中，所述指令还令处理器在患者活动数据指示患者活动降低和/或社交支持活动数据指示社交支持活动降低的情况下增加推荐的患者护理水平。例如，如果获得的社交支持活动数据指示患者的社交网络与患者的互动降低，则这指示社交网络的自我护理能力降低。因此，能够提高由专业护理提供者提供的专业护理的水平以补偿降低的社交网络的自我护理能力。备选地，如果患者活动降低，则能够增加专业护理的水平。当然，如果患者活动和/或社交支持活动增加，则能够降低专业护理的水平。由此，能够在患者护理周期内确保最优护理水平，这继而降低不利事件的可能性并且降低再入院的可能性。
在实施例中，所述指令还令处理器推荐将医学随访会见安排在己知患者具有能够用于他的社交支持水平在阈值之上或阈值之下的时间。代替基于刚性的日程表而简单地为随访预约安排，这些预约能够被布置为使得也考虑患者的社交网络的需要。这避免了，例如，家庭成员必须请一天假以带患者去见医生。替代的是，至少可以在非正式护理提供者通常有时间时为患者自动地安排预约。
在另外的实施例中，所述指令还令处理器使用描述患者出院的准备的出院准备模型。除获得患者活动数据和社交支持活动数据并为患者计算对护理计划的推荐之外，还考虑出院准备模型。由此，能够在护理计划中包括考虑到患者及其社交网络的自我护理能力的针对患者出院的最优时刻。具有强的自我护理能力的患者例如可以比具有较低自我护理能力的个人在更早的时间出院，因为具有高的自我护理能力的患者的再入院风险更低。
在该实施例的变型中，所述指令还令处理器使用风险模型，所述风险模型考虑患者的自我护理能及其社交网络的自我护理能力而描述不利事件的风险和/或描述患者状况的恶化的风险。
在根据本发明的健康护理系统的再另一实施例中，所述指令还令处理器使用来自电子健康记录的患者数据。患者信息经常以电子健康记录的形式被存储。对于进一步细化的护理计划，除患者活动数据和社交支持活动数据之外能够考虑来自电子健康记录的信息用于基于证据的决策支持。
附图说明
参考下文中描述的实施例，本发明的这些和其他方面将是显而易见的并将得以阐明。在以下附图中
图1示出了所提出的健康护理系统的第一实施例的示意图，
图2示出了所提出的健康护理方法的第一实施例的流程图，
图3示出了所提出的临床环境下的健康护理系统的示范性实施例，
图4示出了所提出的针对临床环境的健康护理系统的第二实施例的示意图，
图5示出了根据现有技术的再入院风险模型的屏幕视图，
图6示出了所提出的健康护理系统的针对家庭环境的实施例的示意图。
具体实施方式
所提出的健康护理系统利用患者活动数据和社交支持活动数据两者来计算对护理计划的推荐。这是关于仅依赖于患者数据的现有技术实现方式的显著差别。该方法实现了对患者的自我护理能力以及社交网络的自我护理能力的基于证据的评估。根据本发明的健康护理系统的输出是基于所获得的客观数据的护理计划。
图1示出了根据本发明的健康护理系统10的第一实施例的示意图。其包括处理器11和计算机可读存储介质12。计算机可读存储介质12包括用于由处理器11运行的指令。这些指令令处理器11执行如在图2中示出的流程图中所图示的临床支持方法100的步骤。
在第一步骤S10中，获得描述患者的身体活动的患者活动数据1，针对所述患者要提供对护理计划的推荐。在第二步骤S11中，获得描述患者的社交网络与所述患者的互动的水平的社交支持活动数据2。该数据指示患者能够从他们的社交网络接收的支持和护理。在第三步骤S12中，基于患者活动数据1和社交支持活动数据2来计算对患者的护理计划的推荐。备选地，可以切换步骤S10和S11的顺序。
在实施例中，护理计划连续地被更新并且针对患者的当前需要和能力而被调节。因而，所述护理计划不是静态护理计划。因此，能够重复步骤S10、S11、S12的序列。备选地，如果新的患者活动数据1和新的社交支持活动数据2中的至少一个是可用的，则能够更新护理计划。
患者活动数据描述患者的身体活动，针对所述患者要提供对护理计划的推荐。优选地，患者活动数据是从传感器(诸如运动传感器、GPS传感器、加速度传感器、雷达传感器、或在光谱的可见部分或红外部分工作的相机)获得的。然而，用于获得患者活动数据的来源不被限定为任何特定类型的传感器。备选地，能够在检查中提供患者的身体活动数据，其也可以包括诸如流水线(thread mill)上的压力测试的运动或者来自其他健康设备的数据。
社交支持活动数据描述患者的社交网络与患者的互动的水平。在优选实施例中，互动的水平描述身体互动的水平或者患者的社交网络中的至少一个人的身体活动。基于所述患者活动数据和所述社交支持活动数据，能够估计患者的总体个人护理能力和患者的社交网络的个人护理能力。这些估计被考虑用于计算对患者的定制的护理计划的推荐。
患者活动以及搭档、家人、朋友和其他社交支持的存在对于适当的个人护理是重要的。患者的护理计划和出院指导中经常包括足够的身体活动。因此，测得的活动水平对患者的健康状态的概括有所贡献。另一方面，检测到较低的活动水平可以发出更加重要的方面的信号，诸如，增加的虚弱、抑郁或总体减少的自我护理能力。具有减少的自我护理能力的患者可能在食物准备、进食、洗漱、和其他家居任务以及身体卫生上有困难，并且需要来自专业护理提供者的额外支持。
在医院中，减少的患者活动或者缺少患者的运动可能标志着不稳定、虚弱、焦虑或者抑郁。在医院中，降低的社交支持活动或缺少来自与患者互动的人的运动信号可能标志着患者的社交网络的受限的机动性、患者的社交孤立或者甚至缺少非正式护理提供者。
在家中，减少的患者活动或者缺少患者的运动可能标志着健康的恶化、受限的身体活动、抑郁、虚弱或者受限或者减少的总体自我护理能力。在家中，降低的社交支持活动或缺少来自与患者互动的人的运动信号可能标志着患者的社交孤立或者受限的护理支持。因此，根据本发明的健康护理系统提供针对患者的需求定制并且还考虑了他们的社交网络的活动的对护理计划的推荐。
在一定程度上，受限的患者活动能够由强大的社交支持网络的活动补偿，并且同样地己经检测到高水平的身体活动的患者不需要高水平的社交支持活动，因为他能够照顾自己。
图3示出了在临床环境中的健康护理系统的示范性实施例。在该实施例中，健康护理系统20通过以下实现：具有处理器和计算机可读存储介质的患者监测器21、由患者30穿戴的加速度计22、相机23和运动传感器24。因此，病房配备有传感器23、24，传感器23、24能够测量房间中床周围的总体活动并且能够测量患者30在床上和/或在床边的椅子上的存在。传感器22、23、24有线地或无线地被连接到患者监视器21。描述患者的身体活动的患者活动数据从由患者在其手腕上穿戴的加速度计22获得。在图3中，患者30卧床不起，使得获得的患者活动数据指示患者30的低水平的身体活动。除患者30之外，护士31以及访问者32存在于房间中。
在非临床环境中(例如，患者的家中)的健康护理系统20的实施例能够包括相似和/或等同的传感器22、23、24或者至少一个备选传感器。
在具有患者特异性的传感器(诸如，加速度传感器22、以及一般的环境传感器，诸如运动传感器24或相机23)的实施例中，测得的环境数据能够与身体上的或患者特异性的传感器匹配以区分患者活动数据和来自他人的活动。再次，能够使用患者的日程表来对活动进行校正。
患者监测器21还包括用于有线或无线连接到医院网络的接口25。经由该接口，健康护理系统20可以访问患者日程表。因为患者日程表指示护士在病房中的存在，因而能够校正社交支持活动数据。在示出的范例中，相机23识别除患者30外的两个人31、32。然而，社交支持活动数据应该被校正，因为只有一个访问者32。护士31，作为专业护理提供者的一部分，不计入患者的社交网络与患者30的互动。因此，社交支持活动数据能够针对一个访问者的活动而被校正。
参考图4对针对医院情形的健康护理系统400的操作进行了更详细的描述。
在第一步骤中，计算患者41a的自我护理能力。利用环境传感器40b，通过测量患者不在床上或者在房间中的椅子上的时间来估计患者的活动分钟的数量。基于包括患者日程表40c的医院电子系统的数据，利用花费在离开房间的过程(如回波或导管过程(其反映诸如在动脉中放置支架的诊断和介入过程))上的时间来校正这些测量结果。任选地使用由对等组数据40d表示的历史测量结果将测得的活动分钟与对等组比较。通过对患者的活动数据与来自类似患者的数据进行比较，基于患者的身体活动来计算关于患者的自我护理能力的相对评分。
患者的自我护理能力能够任选地包括来自患者传感器40a(诸如像加速度计22的在体传感器)的测量结果。该患者传感器40a测量患者在住院期间的身体活动。这得到绝对活动水平，例如，用花费在身体活动上的千卡表示，高水平的身体活动指示患者的高水平的自我护理能力。此外，在周期性基础上，例如每天，任选地将活动水平与处于住院中的相同周期的对等组40d中的患者进行比较。能够将患者的自我护理能力评分与医院中的(特别是处于相同情形的患者的)平均水平活动进行相关。
在41b中确定患者的社交网络的自我护理能力，在本上下文中表示为访问者的自我护理能力。环境传感器40b(诸如相机23或运动传感器24)能够检测房间中访问者的存在。优选地，访问者的数量例如借助于信号处理单元来检测，所述信号处理单元分析来自相机23的视频流。备选地，能够分析房间的红外图像。使用该分析，检测房间中与患者互动的人的存在。患者日程表40c指示访问时间，使得能够校正和/或增强社交支持活动。在周期性基础上，计算访问者分钟的数量。例如，两个人访问半个小时表示60个访问者分钟。该访问者分钟的数量能够被相关到从对等组数据40d导出的平均访问者分钟数量。高的访问者分钟数量指示活跃的社交网络并且因此指示强的社交网络的自我护理能力。能够根据获得的数据而预期来自社交网络的自我护理能力的绝对量和相对量。
在护理评估43中评估总体护理水平。护理评估43基于患者41a的自我护理能力、访问者41b的自我护理能力并且任选地包括患者的电子健康记录(EHR)42。
健康护理系统400能够还评估出院准备48。出院准备48从出院指南45导出，出院指南45被创建为定义安全让病人出院时的状态。这些出院指南45中的标准是否被满足基于电子健康记录(EHR)42中出现的元素并且能够被看作让病人出院的最低要求。然而，对确切出院日期的推荐是通过包括根据护理评估43计算的自我护理能力来确定的，护理评估43包括患者的社交网络41b的自我护理能力中的患者41a的自我护理能力。患者和他的社交网络的自我护理能力的组合量降低在满足出院的最低要求和出院的推荐时刻之间的时间段。在实施例中，被存储在计算机可读存储介质中的指令令处理器执行计算，其中，在患者41a的自我护理能力和访问者41b的护理能力两个因素降低时，增加到达出院的时间段。当计算的到达出院的时间段超过预定的阈值时，例如，患者在符合最低出院要求之后不能在医院中保持超过72小时，对出院计划47的推荐伴随有发出对需要适当过渡的信号的警告，例如，中间熟练护士设施，因为仅在出院的时刻预期不足的自我护理能力。
任选地，健康护理系统400能够基于风险模型44来执行风险评估46。为计算不利事件或早期再入院的风险，己经进行了若干观察和研究。存在可以使用的各种已知模型，例如，入院风险模型(例如，家庭风险模型，如，例如在Murata GH、Gorby MS、Kapsner CO、Chick TW、Halperin AK,“A multivariate model for predicting hospital admissions for patients withdecompensated chronic obstructive pulmonary disease”,Arch Intern Med.(1992年1月)；152(1)：82-6中所描述)，疾病严重性/诊断模型(如，例如，在Richard W Troughton、Christopher M Frampton、Timothy G Yandle、Eric A Espine、M Gary Nicholls、A Mark Richards,“Treatment of heart failureguided by plasma aminoterminal brain natriuretic peptide{(N-BNP)}concentrations”,The Lancet,第355页,第9210期,第1126-1130页(2000年4月1日)中所描述)，或者关于HF发展的模型，诸如HFSS(心率衰竭严重性评分)或Framingham心率衰竭模型，如，例如在Kannel WB,D'Agostino RB,Silbershatz H,Belanger AJ,Wilson PW,Levy D,“Profile forestimating risk of heart failure”,Arch Intern Med.(1999年6月14日)；159(11)：1197-204中所描述。另外，能够使用预测再入院和/或道德风险的模型，包括但不限于在以下文献中描述的那些：Keenan PS,Normand SL,LinZ,Drye EE,Bhat KR,Ross JS,Schuur JD,Stauffer BD,Bernheim SM,EpsteinAJ,Wang Y,Herrin J,Chen J,Federer JJ,Mattera JA,Wang Y,Krumholz HM,“An administrative claims measure suitable for profiling hospital performanceon the basis of 30-day all-cause readmission rates among patients with heartfailure”,Circ Cardiovasc Qual Outcomes.(2008年9月)；1(1)：29-37；Amarasingham R,Moore BJ,Tabak YP,Drazner MH,Clark CA,Zhang S,ReedWG,Swanson TS,Ma Y,Halm EA,“An automated model to identify heartfailure patients at risk for 30-day readmission or death using electronic medicalrecord data”,Med Care.(2010年11月)；48(11)：981-8；或者Tabak YP,JohannesRS,Silber JH,“Using automated clinical data for risk adjustment:developmentand validation of six disease-specific mortality predictive models forpay-for-performance”,Med Care.(2007年8月)；45(8)：789-805。在此通过引用将引用的文献中的对这些模型的描述并入。
这些模型将能够在医院环境中获得的若干患者参数进行组合。过去这些模型的焦点在于诸如生物标记物和生命体征的临床参数。然而，社交心理学参数也示出对早期不利事件的预测有贡献。关于抑郁、焦虑、护理提供者焦虑、护理提供者压力和其他社交心理学预测物的问题在于它们难于用不突兀和客观的方式来测量。作为范例，图5示出了由Amarasingham等人在以上引用的文献中公开的对30天再入院风险的估计。
在根据本发明的健康护理系统400中，能够采用Amarasingham的模型作为风险模型44。由于本发明的目标是基于可测量的数据进行推荐，因而能够由如下基于证据的测量结果来代替社交心理学参数：首先，与患者自己有关的社交心理学参数由计算的患者的自我护理能力来代替，患者的自我护理能力是基于所获得的描述患者的身体活动的患者活动数据。其次，与患者的护理提供者、搭档或社交联系有关的社交心理学参数由患者的社交网络的自我护理能力来代替。例如，图5中的项“单身”能够由社交支持活动来代替。单身者更容易遭受社交孤立。然而，单身者也能够具有非常活跃的社交生活。根据本发明的健康护理系统以社交支持活动数据的形式提供可测量证据。根据风险模型44确定的风险能够由临床医师用于风险评估46并且还能够在计算对患者的出院计划47的推荐中被包括在内。
最后，健康护理系统400提供对出院计划47的推荐。对出院计划47的推荐是基于以下的组合来计算的：来自电子健康记录42的患者数据、根据风险模型44的计算的风险评分、出院指南45以及患者41a的自我护理能力和患者的社交网络41b的自我护理能力。
出院计划47能够使用基于规则的算法来创建，其中，前面提及的元素被组合以生成对出院计划的推荐。出院计划包括以下的组合：与医学专业人员的随访预约、家庭访问、诸如心脏修复和戒烟课程的项目、以及诸如远程健康监测和餐饮服务的家庭服务。换言之，通过形成规则来推荐出院计划元素，所述规则描述例如患者的风险评分、社交网络的自我护理能力和患者本身的自我护理能力的组合。因此，护理计划是基于事实证据来生成的。
作为范例，不能做饭且单身并具有来自他的社交网络的有限支持的中等风险患者被分配以餐饮支持作为不能由他的社交网络提供的专业服务。另一方面，具有非常活跃的社交背景的患者能够被分配以降低的专业护理的水平，因为非正式护理提供者己经很好地照顾他。
在备选的实施例中，出院计划47是使用学习算法来创建的，其中，基于从电子健康记录42提取的患者的简介、根据风险模型44的风险评分、自我护理能力水平41a、41b的组合来建议出院计划47的元素。使用过去的简介和出院计划的组合，针对将来的患者的对应的出院计划元素作为决策支持而被提供给责任医师。
尽管图3已经示出了医院环境中的健康护理系统20，但是所述系统也能够在家中实现。例如，起居室和/或厨房能够配备有运动传感器24。备选地，能够使用额外的传感器来监测活动，所述额外的传感器包括可穿戴传感器，例如由患者穿戴的加速度计。能够并入其他类型的传感器，例如来自报警系统的门传感器。
图6示出了针对家庭情形的健康护理系统600的实施例。当然，所述系统的几个方面也能够被应用于医院场景，并且反之亦然。
所述系统包括可穿戴传感器60a，可穿戴传感器60a能够由患者穿戴以获得描述患者的身体活动或活动水平61a的患者活动数据。所述系统还包括运动传感器60b，例如，相机或动作传感器。运动传感器60b能够被安装在例如患者的家庭的起居室中，用于测量起居室中的总体活动。任选地，患者的活动水平61a能够用于校正总体活动水平61b。具体而言，能够从总体活动水平61b减去患者的活动水平61a以分离出患者的环境的活动水平，所述环境的活动水平然后指示患者的社交网络的社交支持活动。
在该实施例的修改中，家庭中的健康护理系统600仅包括运动传感器60b以测量活动，并且因而，还有家中所有人一起的自我护理能力。在该实施例中，不需要区分同居者和访问者。
患者的活动水平61a用于确定患者的自我护理能力。患者的社交网络中的人的活动水平61b用于确定患者的社交网络62b的自我护理能力。除计算患者及其护理者的自我护理能力水平，也计算62a、62b中随时间的趋势。这些趋势能够用于检测患者和/或社交网络的活动模式的恶化、或者来自患者本身或其社交网络的自我护理能力的缺失/减少。
患者需要的护理在护理评估63中被评估。备选地，该步骤能够被理解为护理再评估63，其对在步骤43中已经在医院环境中被评估的护理水平进行更新和细化并且将其以出院计划47的形式提供给患者。所需要或推荐的护理基于患者的自我护理能力62a、社交网络的自我护理能力62b、以及患者数据65和风险模型64而被评估。患者数据65可以包括关于与电子健康档案42形式类似的患者的数据。风险评估66能够使用如在医院情形下描述的类似的风险模型44或针对在家庭情形下的测量而定制的风险模型来定期地执行。除了所示出的风险评估模型，能够使用非正式护理者自我护理能力62b和患者自我护理能力62水平的趋势来计算风险评分。如果反映出这些水平随时间的降低，则这造成不利事件的较高风险评分。
一般而言，风险模型和出院指南是任选的，但是需要数据源来反映患者的状况。E.H.R.是这样的信息的载体的显著范例。
护理计划67能够定期被更新。患者的自我护理能力的水平62a和非正式护理提供者的自我护理能力的水平62b以及计算机风险评分66被周期性地使用来为患者更新护理计划67。该护理计划67在从医院的上次出院之后已经以出院计划47的形式开始。备选地，能够由健康护理系统600针对家庭环境来生成新的护理计划67。
基于对患者和社交支持活动的测量结果61a、61b，能够在风险增加时和/或患者活动和/或社交支持活动降低时增加由专业护理提供者(诸如全科医师、社区护士和医学专业人员)提供的护理，并且反之亦然。
额外地，能够选择与专业护理提供者会见的合适的日期或时刻。对于患者的家外的会见，能够选择一周中可提供给患者的社交支持在阈值之上时的时刻。对于对患者的访问，识别患者通常缺少支持的时刻。
类似于在医院中的情形，能够使用基于规则的、数据驱动的或者自我学习的方法来导出建议的更新的护理计划。
尽管在附图中和前述说明中图示和描述了本发明，这样的图示和说明应被认为是说明性和示例性的而非限制性的；本发明不限于所公开的实施例。本领域技术人员通过研究附图、公开和权利要求，在实践请求保护的本发明时，可以理解和实现对所公开的实施例的其他变型。
在权利要求书中，词语“包括”不排除其他元件和步骤，并且词语“一”或“一个”不排除多个。单个元件或其他单元可以完成权利要求书中记载的若干项目的功能。尽管在多个不同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。
计算机程序可以被存储/分布在合适的介质上，例如与其他硬件一起提供或者作为其他硬件的部分提供的光学存储介质或固态存储介质，但是也可以以其他形式分布，例如经由互联网或其他有线或无线电信系统。
权利要求中的任何附图标记都不应被解释为对范围的限制。

Claims (17)

1.一种健康护理系统，包括处理器和计算机可读存储介质，其中，所述计算机可读存储介质包括用于由所述处理器运行的指令，其中，所述指令令所述处理器执行以下步骤：
-获得描述患者的身体活动的患者活动数据，针对所述患者，要提供对护理计划的推荐，
-获得描述所述患者的社交网络与所述患者的互动的水平的社交支持活动数据，并且
-基于所述患者活动数据和所述社交支持活动数据来计算对所述患者的护理计划的推荐。
2.根据权利要求1所述的健康护理系统，其中，所述患者的社交网络与所述患者的互动的所述水平描述所述患者的社交网络中的至少一个人的身体活动。
3.根据权利要求1所述的系统，还包括用于监测所述患者和/或监测所述患者的环境的至少一个传感器。
4.根据权利要求3所述的健康护理系统，还包括信号处理单元，所述信号处理单元用于从所述至少一个传感器的输出信号提取患者活动数据和社交支持活动数据。
5.根据权利要求1所述的健康护理系统，其中，所述指令还令所述处理器基于所述患者的日程表来校正和/或增强所述患者活动数据和/或所述患者支持活动数据。
6.根据权利要求1所述的健康护理系统，所述指令还令所述处理器通过将所述患者的所述患者活动数据和/或社交支持活动数据与来自其他患者的患者活动数据和/或社交支持活动数据进行比较来计算相对患者活动和/或相对社交支持活动。
7.根据权利要求1所述的健康护理系统，其中，所述指令还令所述处理器基于所获得的患者活动数据和/或社交支持活动数据来动态地更新对所述护理计划的所述推荐。
8.根据权利要求1所述的健康护理系统，其中，所述指令还令所述处理器基于所获得的患者活动数据和/或社交支持活动数据随时间的趋势来计算对所述护理计划的所述推荐。
9.根据权利要求1所述的健康护理系统，其中，所述指令还令所述处理器在所述患者活动数据指示患者活动降低的情况下和/或在所述社交支持活动数据指示社交支持活动降低的情况下增加对所述患者所推荐的护理的水平。
10.根据权利要求1所述的健康护理系统，其中，所述指令还令所述处理器推荐将医学随访会见安排在己知所述患者具有能够用于他的社交支持水平在阈值之上的时间。
11.根据权利要求1所述的健康护理系统，其中，所述指令还令所述处理器使用出院准备模型，所述出院准备模型描述所述患者对于出院的准备。
12.根据权利要求1所述的健康护理系统，其中，所述指令还令所述处理器使用风险模型，所述风险模型描述不利事件的风险和/或描述所述患者的状况恶化的风险。
13.根据权利要求1所述的健康护理系统，其中，所述指令还令所述处理器使用来自电子健康记录的患者数据。
14.一种健康护理方法，包括以下步骤：
-获得描述患者的身体活动的患者活动数据，针对所述患者，要提供对护理计划的推荐，
-获得描述所述患者能够从他们的社交网络接收的支持的水平的社交支持活动数据，并且
-基于所述患者活动数据和所述社交支持活动数据来计算对所述患者的护理计划的推荐。
15.一种计算机可读非暂态存储介质，其包括用于由处理器运行的指令，其中，所述指令令所述处理器执行以下步骤：
-获得描述患者的身体活动的患者活动数据，针对所述患者，要提供对护理计划的推荐，
-获得描述所述患者能够从他的社交网络接收的支持的水平的社交支持活动数据，并且
-基于所述患者活动数据和所述社交支持活动数据来计算对所述患者的护理计划的推荐。
16.一种包括程序代码单元的计算机程序，当所述计算机程序在计算机上执行时，所述程序代码单元用于令计算机执行根据权利要求14所述的方法的步骤。
17.一种健康护理系统，包括：
-用于获得描述患者的身体活动的患者活动数据的单元，针对所述患者，要提供对护理计划的推荐，
-用于获得描述所述患者能够从他们的社交网络接收的支持的水平的社交支持活动数据的单元，以及
-用于基于所述患者活动数据和所述社交支持活动数据来计算对所述患者的护理计划的推荐的单元。
CN201380055246.2A 2012-10-22 2013-10-21 健康护理系统和方法 Expired - Fee Related CN104737171B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP12189439 2012-10-22
EP12189439.8 2012-10-22
PCT/EP2013/071980 WO2014064053A2 (en) 2012-10-22 2013-10-21 Healthcare system and method

Publications (2)

Publication Number Publication Date
CN104737171A true CN104737171A (zh) 2015-06-24
CN104737171B CN104737171B (zh) 2019-01-22

Family

ID=47178494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380055246.2A Expired - Fee Related CN104737171B (zh) 2012-10-22 2013-10-21 健康护理系统和方法

Country Status (7)

Country Link
US (1) US20150261924A1 (zh)
EP (1) EP2909765A2 (zh)
JP (1) JP6297578B2 (zh)
CN (1) CN104737171B (zh)
BR (1) BR112015008751A2 (zh)
RU (1) RU2015119240A (zh)
WO (1) WO2014064053A2 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105769147A (zh) * 2016-03-28 2016-07-20 南京邮电大学 一种生命体征监测装置及生命体征监测方法
CN106611095A (zh) * 2015-10-16 2017-05-03 完全优诊所 可进行健康分类的装置
CN111066091A (zh) * 2017-07-25 2020-04-24 皇家飞利浦有限公司 预测评分信息的背景化患者特异性呈现
CN113393923A (zh) * 2020-03-11 2021-09-14 希尔-罗姆服务公司 基于患者行为方式的离床预测
CN113425271A (zh) * 2021-05-20 2021-09-24 上海小芃科技有限公司 日间手术出院判断方法、装置、设备及存储介质

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150104758A1 (en) * 2013-10-14 2015-04-16 Abbott Cardiovascular Systems System And Interface For Patient Discharge
CN108697330B (zh) * 2016-02-12 2022-07-15 心脏起搏器股份公司 用于患者监视的系统和方法
US11516617B2 (en) * 2016-03-14 2022-11-29 Koninklijke Philips N.V. System and method for facilitating a user interface via device-on premise detection and event generation based thereon
JP6896441B2 (ja) * 2016-07-14 2021-06-30 株式会社東芝 地域包括ケア事業システム
US11600366B2 (en) 2017-02-03 2023-03-07 Koninklijke Philips N.V. System and method for facilitating configuration modifications for a patient interface computer system based on risk of readmission of a patient
EP3372162A1 (en) * 2017-03-10 2018-09-12 Koninklijke Philips N.V. A method, apparatus and system for monitoring a subject in an environment of interest
US20200066384A1 (en) * 2017-04-28 2020-02-27 Koninklijke Philips N.V. Clinical report with an actionable recommendation
US11017903B2 (en) * 2017-05-12 2021-05-25 University Of Central Florida Research Foundation, Inc. Heart failure readmission evaluation and prevention systems and methods
DE102017006529A1 (de) * 2017-07-11 2019-01-17 Drägerwerk AG & Co. KGaA Verfahren, Vorrichtung und Computerprogramm zur Erfassung von optischen Bilddaten einer Patientenumgebung und zur Erkennung einer Patientenüberprüfung
US11158427B2 (en) 2017-07-21 2021-10-26 International Business Machines Corporation Machine learning for medical screening recommendations based on patient activity information in social media
JP7011339B2 (ja) * 2017-09-08 2022-02-10 日本電気株式会社 医療情報処理システム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0830692A (ja) * 1994-07-15 1996-02-02 Kansai Herusukea Syst Kk 在宅介護サービスのための情報処理システム及び方法
US20080091472A1 (en) * 2006-10-11 2008-04-17 Steven Hoppe Treatment monitoring tool
US20110184250A1 (en) * 2010-01-21 2011-07-28 Asthma Signals, Inc. Early warning method and system for chronic disease management
CN102186420A (zh) * 2008-10-16 2011-09-14 皇家飞利浦电子股份有限公司 跌倒检测系统
US20120130196A1 (en) * 2010-11-24 2012-05-24 Fujitsu Limited Mood Sensor

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3057079B2 (ja) * 1999-03-24 2000-06-26 株式会社エヌ・ティ・ティ・データ ケアマネジメント支援システム
JP2007140607A (ja) * 2005-11-14 2007-06-07 Noriaki Aoki 医療マネジメント支援装置、医療マネジメント支援方法、及び医療マネジメント支援プログラム、並びに医療マネジメント支援システム
US8838513B2 (en) * 2011-03-24 2014-09-16 WellDoc, Inc. Adaptive analytical behavioral and health assistant system and related method of use

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0830692A (ja) * 1994-07-15 1996-02-02 Kansai Herusukea Syst Kk 在宅介護サービスのための情報処理システム及び方法
US20080091472A1 (en) * 2006-10-11 2008-04-17 Steven Hoppe Treatment monitoring tool
CN102186420A (zh) * 2008-10-16 2011-09-14 皇家飞利浦电子股份有限公司 跌倒检测系统
US20110184250A1 (en) * 2010-01-21 2011-07-28 Asthma Signals, Inc. Early warning method and system for chronic disease management
US20120130196A1 (en) * 2010-11-24 2012-05-24 Fujitsu Limited Mood Sensor

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106611095A (zh) * 2015-10-16 2017-05-03 完全优诊所 可进行健康分类的装置
CN105769147A (zh) * 2016-03-28 2016-07-20 南京邮电大学 一种生命体征监测装置及生命体征监测方法
CN111066091A (zh) * 2017-07-25 2020-04-24 皇家飞利浦有限公司 预测评分信息的背景化患者特异性呈现
CN113393923A (zh) * 2020-03-11 2021-09-14 希尔-罗姆服务公司 基于患者行为方式的离床预测
CN113425271A (zh) * 2021-05-20 2021-09-24 上海小芃科技有限公司 日间手术出院判断方法、装置、设备及存储介质
CN113425271B (zh) * 2021-05-20 2024-02-06 上海小芃科技有限公司 日间手术出院判断方法、装置、设备及存储介质

Also Published As

Publication number Publication date
RU2015119240A (ru) 2016-12-10
WO2014064053A3 (en) 2014-08-14
WO2014064053A2 (en) 2014-05-01
CN104737171B (zh) 2019-01-22
JP2015533433A (ja) 2015-11-24
JP6297578B2 (ja) 2018-03-20
BR112015008751A2 (pt) 2017-07-04
US20150261924A1 (en) 2015-09-17
EP2909765A2 (en) 2015-08-26

Similar Documents

Publication Publication Date Title
CN104737171A (zh) 健康护理系统和方法
US20180268507A1 (en) Methods and systems for managing performance based sleep patient care protocols
van der Heijden et al. An autonomous mobile system for the management of COPD
JP6360479B2 (ja) 臨床支援システム及び方法
JP6466422B2 (ja) 医療支援システム及び方法
CA2838232C (en) Methods and systems for remotely determining levels of healthcare interventions
REIS MIRANDA et al. Monitoring costs in the ICU: a search for a pertinent methodology
JP5926517B2 (ja) 個人の健康およびウェルネスの管理のためのシステムおよび、その命令を含むコンピュータプログラムを格納した非一時的コンピュータ可読記憶媒体
US20170068792A1 (en) System and method for medical device security, data tracking and outcomes analysis
Paré et al. Home telemonitoring for chronic disease management: an economic assessment
US20160117469A1 (en) Healthcare support system and method
US20110201901A1 (en) Systems and Methods for Predicting Patient Health Problems and Providing Timely Intervention
US20140379363A1 (en) Patient readmission risk assessment
KR102028674B1 (ko) 단말을 이용한 진료 예약, 접수 방법, 서버 및 프로그램
US7711582B2 (en) Remote health application for the optimization of remote site visit frequency
JP2010088890A (ja) 患者を管理する方法及び装置
US20140358571A1 (en) Healthcare support system and method for scheduling a clinical visit
Colantonio et al. Decision making concepts for the remote, personalized evaluation of COPD patients’ health status
Mohktar et al. A guideline-based decision support system for generating referral recommendations from routinely recorded home telehealth measurement data
Fritz et al. Nurse-in-the-loop smart home detection of health events associated with diagnosed chronic conditions: A case-event series
JP6373641B2 (ja) 医療情報処理システム、医療情報処理方法、および医療情報処理プログラム
Van Der Heijden et al. Managing COPD exacerbations with telemedicine
US20140172459A1 (en) Clinical support system and method
KR101626834B1 (ko) 사용자 정보 기반 우울감 모니터링 시스템 및 방법
Lewy Wearable devices-from healthy lifestyle to active ageing

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190122

Termination date: 20201021