CN107438399A - 心血管恶化预警评分 - Google Patents
心血管恶化预警评分 Download PDFInfo
- Publication number
- CN107438399A CN107438399A CN201680020327.2A CN201680020327A CN107438399A CN 107438399 A CN107438399 A CN 107438399A CN 201680020327 A CN201680020327 A CN 201680020327A CN 107438399 A CN107438399 A CN 107438399A
- Authority
- CN
- China
- Prior art keywords
- scoring
- cardiovascular
- myocardial ischemia
- grader
- patient monitor
- 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
Links
- 230000002526 effect on cardiovascular system Effects 0.000 claims abstract description 69
- 208000031225 myocardial ischemia Diseases 0.000 claims abstract description 57
- 230000006866 deterioration Effects 0.000 claims abstract description 26
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000002542 deteriorative effect Effects 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 30
- 210000004369 blood Anatomy 0.000 claims description 17
- 239000008280 blood Substances 0.000 claims description 17
- 239000007789 gas Substances 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 7
- 238000004868 gas analysis Methods 0.000 claims description 7
- 210000004165 myocardium Anatomy 0.000 claims description 7
- 230000007850 degeneration Effects 0.000 claims description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 230000002792 vascular Effects 0.000 claims description 3
- 206010007559 Cardiac failure congestive Diseases 0.000 claims description 2
- 208000003037 Diastolic Heart Failure Diseases 0.000 claims description 2
- 208000007177 Left Ventricular Hypertrophy Diseases 0.000 claims description 2
- 208000008253 Systolic Heart Failure Diseases 0.000 claims description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 2
- 239000001569 carbon dioxide Substances 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 239000003814 drug Substances 0.000 claims description 2
- 210000001367 artery Anatomy 0.000 claims 1
- 210000004204 blood vessel Anatomy 0.000 claims 1
- 210000005259 peripheral blood Anatomy 0.000 claims 1
- 239000011886 peripheral blood Substances 0.000 claims 1
- 210000003462 vein Anatomy 0.000 claims 1
- 230000000302 ischemic effect Effects 0.000 abstract description 27
- 208000028867 ischemia Diseases 0.000 description 23
- 238000001514 detection method Methods 0.000 description 19
- 230000036772 blood pressure Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000000747 cardiac effect Effects 0.000 description 6
- 230000036387 respiratory rate Effects 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000035479 physiological effects, processes and functions Effects 0.000 description 5
- 230000001154 acute effect Effects 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000035487 diastolic blood pressure Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000010247 heart contraction Effects 0.000 description 3
- 208000019622 heart disease Diseases 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000006116 polymerization reaction Methods 0.000 description 3
- 238000002106 pulse oximetry Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000002861 ventricular Effects 0.000 description 3
- 206010003658 Atrial Fibrillation Diseases 0.000 description 2
- 208000010496 Heart Arrest Diseases 0.000 description 2
- 208000003734 Supraventricular Tachycardia Diseases 0.000 description 2
- 210000000748 cardiovascular system Anatomy 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 230000003205 diastolic effect Effects 0.000 description 2
- 238000013399 early diagnosis Methods 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 206010007556 Cardiac failure acute Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010061216 Infarction Diseases 0.000 description 1
- 206010027336 Menstruation delayed Diseases 0.000 description 1
- 208000001871 Tachycardia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 230000002253 anti-ischaemic effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002802 cardiorespiratory effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 210000003709 heart valve Anatomy 0.000 description 1
- 230000007574 infarction Effects 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 238000013150 knee replacement Methods 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005399 mechanical ventilation Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005195 poor health Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000006794 tachycardia Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- 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
-
- 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
-
- 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
- A61B5/02405—Determining heart rate variability
-
- 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
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- 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
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/082—Evaluation by breath analysis, e.g. determination of the chemical composition of exhaled breath
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/091—Measuring volume of inspired or expired gases, e.g. to determine lung capacity
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)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Pulmonology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种患者监测器(12)包括显示器(14)和读取人类对象的生命体征的传感器(20、22、24)。在心血管早期预警评分(cEWS)方法中,使用多个心血管恶化分类器(52、152、54、56、58)来对人类对象进行分类,所述多个心血管恶化分类器每个关于不同的类型的心血管恶化而被训练。所述心血管恶化分类器对表征所述人类对象的一组输入进行操作,所述一组输入包括至少一个心血管参数(42)和诸如由空气流量传感器(24)读取的潮气量的至少一个呼吸参数(44)。在患者监测器的显示器上输出针对不同类型的心血管恶化的心血管早期预警评分。可以将经验性心肌缺血分类器(52)与通过应用一组规则(160)或生理模型(162)生成的至少一个额外的缺血评分进行组合。
Description
技术领域
以下总体涉及心脏护理技术、医学紧急响应技术等。
背景技术
可能许多临床状况,其可能指示或者可能不指示心脏恶化的发生,诸如患者具有以下症状中的一种或多种:头晕;身体虚弱;快速或不规律的心跳;呼吸急促;胸部不适;等等。这样的症状是患者的常见心血管疾病症状,在症状严重时具有心脏骤停、急性心脏病发作、或者急性心力衰竭的潜在风险,或在症状不严重时具有不规律心律或冠状动脉疾病的潜在风险。心脏恶化的典型情况很可能表现为包括患者被救护车运送,或被送往医院的急诊科,或住院患者在膝关节置换外科手术或其他外科手术或其他有压力的医学程序之后。
心脏恶化的早期检测和诊断对心脏护理的最终成功或失败有显著影响。与心肌直接相关联的心脏恶化机制包括例如:心肌缺血(心脏的血液/供氧量的减少)、左心室肥大(左心室壁积聚的肌肉,通常是由于慢性过度心脏努力引起的高血压或另一种情况)、收缩性心力衰竭(收缩性泵送动作期间的心室功能的恶化,通常与低射血分数相关)和舒张性心力衰竭(舒张性松弛期间心室功能的恶化,通常与低搏出量相关)。其他心脏恶化机制与服务于心脏的脉管系统有关,诸如瓣膜退化或能够导致狭窄的斑块积聚。合适的处置取决于出现的是这些各种心脏恶化机制(或机制的组合)中的哪一种。如果不被处置,这些心脏恶化机制中的许多能够导致急性衰弱或危及生命的医学事件,诸如心脏骤停、急性心脏病、急性心力衰竭、不规则的心律、冠状动脉疾病等。
已经开发了许多专门的医学测试来诊断心脏恶化。然而,在实践中,通常直到心脏恶化已经达到晚期并且已经变得有明显症状,才针对给定患者对其进行预约。此外,对各种心脏测试的解读是困难的,并且在心脏恶化的早期阶段,看到患者的医师通常不是训练有素的心脏病专家,而是全科(GP)医师和/或专长于某个其他领域的医师。
以下公开了解决上面提及的问题和其他问题的新的且改进的系统和方法。
发明内容
在一个公开的方面中,公开了一种患者监测器,所述患者监测器包括显示部件、多个传感器、以及微处理器或微控制器,所述多个传感器读取人类对象的生命体征,所述生命体征包括至少一个心血管参数和至少一个呼吸参数,所述微处理器或微控制器被编程为执行心血管早期预警评分(cEWS)方法。所述cEWS方法包括以下操作:(i)使用多个心血管恶化分类器对所述人类对象进行分类,所述多个心血管恶化分类器每个被训练为关于不同类型的心血管恶化对所述人类对象进行分类以生成针对所述不同类型的心血管恶化的心血管早期预警评分,所述多个心血管恶化分类器对表征所述人类对象的一组输入进行操作,所述一组输入包括由所述多个传感器读取的所述至少一个心血管参数和所述至少一个呼吸参数;并且(ii)在所述患者监测器的所述显示部件上输出针对所述不同类型的心血管恶化的所述心血管早期预警评分。所述一组输入可以包括:由心电图电极读取的所述至少一个心血管参数以及包括由空气流量传感器读取的潮气量的所述至少一个呼吸参数。
在另一公开的方面中,一种非瞬态存储介质存储有可由患者监测器读取和执行的指令以执行心肌缺血早期预警方法如下,所述患者监测器包括多个传感器、显示部件和微处理器或微控制器。使用所述多个传感器采集针对人类对象的生命体征数据。对所述人类对象进行分类以使用经验性心肌缺血分类器来生成经验性心肌缺血评分,所述经验性心肌缺血分类器在表示训练对象的标记的数据集上进行训练,其中每个训练对象i由所述训练对象i的特征的向量和表示所述训练对象i中的心肌缺血的状态的标记yi来表示。所述分类包括将向量输入到所述经验性心肌缺血分类器,所述经验性心肌缺血分类器包括根据所采集的针对所述人类对象的生命体征数据生成的特征。通过将一组规则或生理模型应用于表征所述人类对象的一组输入来生成至少一个额外的心肌缺血评分,所述一组输入包括根据所采集的针对所述人类对象的生命体征数据生成的输入。生成组合的心肌缺血评分,所述组合的心肌缺血评分包括所述经验性心肌缺血评分和所述至少一个额外的心肌缺血评分的加权组合。在所述患者监测器的所述显示部件上显示所述组合的心肌缺血评分的表示。
一个优点在于促进心血管恶化的早期诊断,并且促进心血管恶化的类型的早期识别。
另一优点在于提供心肌缺血的早期诊断。
另一优点在于提供前述内容,同时利用并提供本质上是启发式的基于规则的诊断的背景。
另一优点在于协同地组合多个自动路径以提供对心血管恶化的更准确诊断。
给定实施例可以提供前述优点中的零个、一个、两个、更多个或全部,和/或可以提供对于本领域技术人员而言在阅读并理解本公开后将会变得显而易见的其他优点。
附图说明
本发明可以采取各种部件和部件的布置,以及各种步骤和步骤的安排的形式。附图仅出于图示优选实施例的目的,并且不应被解释为对本发明的限制。
图1图解地图示了包括心血管恶化早期预警系统的医学监测系统。
图2示出了针对男性和女性的静息心率表。
图3绘制了根据年龄的心脏收缩和心脏舒张血压的最大、平均和最小值。
图4图解地图示了图1的心血管恶化早期预警系统的组合性变体,用于提供心肌缺血的早期预警的图示性范例。
具体实施方式
参考图1,由患者监测器12来对人类对象10(诸如被被医院收容的住院患者、或护理中心住客、或门诊患者等)进行监测,所述患者监测器12包括显示设备或部件14、微处理器或微控制器(未示出,但是通常被容纳在监测器壳体16中)和多个生理(即生命体征)传感器20、22、24(诸如图示性的一组心电图电极20)、脉搏血氧计传感器22(在图示中未被连接,但是通常被夹到对象10的手指或耳垂上)和空气流量传感器24。在图示性图1中,空气流量传感器24被安装在用于机械通气、睡眠呼吸暂停处置、一般呼吸监测等的全脸面罩26中。在其他实施例中,空气流量传感器24可以结合鼻罩或鼻套管等进行安装。一般来说,患者监测器12可以是多种典型设置中的一种,诸如被安装在医院的病房中(如果对象10是住院患者,可以是专门的医院区域,诸如外科楼、麻醉恢复室、重症监护室等)、或在护理中心房间中(如果对象10是护理中心住客)、在救护车或其他紧急响应系统(EMS)车辆中(如果对象10是EMS呼叫的对象)等。
传感器20、22、24实时(即连续地或通过以相对快速的采样速率进行采样)采集生命体征数据,其中,生命体征数据通过在患者监测器12的微处理器或微控制器上运行的算法任选地被处理。例如,患者监测器12可以运行算法以根据测量到的ECG电极20的电压生成ECG导联迹线,并且从ECG导联迹线提取诸如心率和相关联的速率异常(例如心动过速、心搏徐缓,可以使用年龄和/或性别特异的限制)的存在或不存在、心率变异性、QT间隔、各种心律失常(诸如心房纤颤(AFib)、室上性心动过速(SVT)、增加的QT间隔(长QTc)等)的存在或不存在的信息。患者监测器12可以执行算法以处理由空气流量传感器24采集的空气流量数据,以便提取诸如呼吸率和潮气量的信息。作为另一范例,患者监测器12可以运行算法以处理由脉搏血氧计采集的外围体积描记波形,以便导出血氧饱和度(SpO2)和心率数据。
生命体征传感器20、22、24仅仅是图示性的,并且预期额外的或其他生命体征传感器,诸如血压套袖、血压计、或其他血压传感器或传感器。患者监测器12可以处理血压数据以提取心脏收缩和心脏舒张血压,其中,定义了可以再次是年龄和/或性别特异性的高或低血压极限。此外,如果图示性面罩26是机械呼吸系统的一部分(即,患者10被机械地通气),那么除了之前提到的呼吸率和潮气量外的其他呼吸机数据可以是可用的并且被合适地输入到患者监测器12。
简略参考图2和3,图示了人口统计学数据对生命体征的影响。图2示出了男性和女性的静息心率表,通过年龄和健康水平被进一步分类。图3根据年龄绘制了心脏收缩和心脏舒张血压(最大、平均和最小值)。
回来参考图1,患者监测器12还能够接收并存储通过实验室测试等采集的患者生理数据。例如,可以接收血气分析测试结果,提供诸如氧分压(PaO2)和/或二氧化碳分压(PaCO2)的信息。另一考虑到的实验室结果是血液中的肌钙蛋白水平。这类数据可以被手动过地录入到患者监测器12内,例如使用显示器14上的物理键盘30或软键32(如果显示器14是触敏显示器,则软键32是可实施的)。在一个实施例中,呼吸率例如由护士视觉地评价呼吸率而被手动地确定,并且手动地确定的呼吸率使用(一个或多个)输入30、32而被录入到患者监测器12内。其他患者数据(诸如人口统计学数据(例如年龄、性别)、医学历史、术前状况数据等)可以被类似地提供给患者监测器12。代替经由患者监测器12的用户接口30、32而被手动地录入,如果患者监测器12与电子健康记录(EHR)、电子医学记录(EMR)等34和通信基础设施34、36连接,这样的信息可以从这样的患者记录存储设备经由医院数据网络或其他电子数据网路36被输入到患者监测器12。
图示性患者监测器12还包括心血管恶化早期预警评分(cEWS)(子)系统40,在图1中通过由患者监测器12的微处理器或微控制器合适地执行的功能方框概略地描绘了所述心血管恶化早期预警评分(cEWS)(子)系统40。图示性cEWS系统40接收用于心血管参数(诸如ECG导出的数据、来自脉搏血氧计22的心率)的患者值(即生命体征读数或传感器值,可能被处理)、血压数据等作为输入。这样的参数(或至少它们的子集)被容易地辨识为与评价心血管恶化有关。
此外,cEWS系统40接收至少一个呼吸参数44,诸如呼吸率、潮气量等。图示性cEWS系统40还接收至少一个气体交换参数46,诸如来自脉搏血氧计22的SpO2、或来自血气分析的PaO2和/或PaCO2值等。在本文中认识到,这些额外的参数44、46尽管不直接表征心血管系统,但是在评价心血管恶化中有价值,因为呼吸和气体交换系统表征肺系统,其与心血管系统一起形成集成的心肺系统。
cEWS系统40包括多个心血管恶化分类器(即推测引擎)50,一个心血管恶化分类器针对每种类型的感兴趣的心血管恶化。图示性cEWS系统40包括心肌缺血分类器52、左心室肥大分类器54、收缩性心力衰竭分类器56和舒张性心力衰竭分类器58。这些仅仅是图示性的,额外地或替代性地预期被训练为检测其他类型的心血管恶化(诸如心脏瓣膜退化、低心脏输出、心脏动脉狭窄等)的分类器。每个分类器52、54、56、58可以例如是神经网络、支持向量机、非线形回归模型(例如逻辑或多项式回归)、或其他类型的分类器。应认识到,分类器52、54、56、58一般可以是不同的类型的分类器。
一般来说,每个分类器52、54、56、58使用包括N个过去(训练)患者的标记的数据集i=1,…,N来训练,其中每个训练患者i由患者数据(例如生命体征、人口数据、患者历史)的向量和标记yi来表示。训练患者数据向量的元素在本文中被称为根据分类器训练技术中的通常使用的“特征”。标记yi表示训练患者i是否被诊断有分类器正在针对其进行训练的心脏恶化。例如,在训练中,缺血分类器52标记yi可以是指示训练患者i是否被诊断有心脏缺血的二元值。替代地,标记可以是信息更多的,例如用于训练缺血分类器52的标记yi可以是在0与5之间的范围内的整数值,其中0的值指示训练患者未被诊断有可检测到的心脏缺血,5的值指示训练患者被诊断有最高严重性的缺血,并且值1,..,4指示处于中间严重性水平的训练患者中的缺血。连续的输出也被考虑到,例如在范围[0,1]内,其中0指示没有可检测到的缺血,并且1指示最高严重性缺血。分类器被训练为使针对输入训练患者数据集的其输出(即,“预测”)与对应的实际(先验知晓的)标记yi之间的误差指标最小化。例如,形式的简单最小二乘误差可以被使用。训练的分类器输出一般可以对于不同分类器52、54、56、58中的每一个不同的格式(二元、多水平等)的预测
训练的分类器52、54、56、58被应用于患者10,患者10不是训练患者中的一个,并且心脏恶化(如果有的话)的状况对于患者10来说不是先验已知的。在将分类器52、54、56、58应用于患者10中,患者数据42、44、46以与训练患者数据向量相同的方式用公式表示。应当注意,向量的格式和/或内容可以对于每个不同的分类器52、54、56、58是不同的。例如,一些训练方法采用特征减少操作,或不预期在训练下与心脏恶化的模式相关的一些特征可以被省略,使得针对该分类器的向量是可用的患者数据42、44、46的某一子集。每个类型特异性分类器52、54、56、58的输出是对象10是否具有该类型的心脏恶化的预测或如果输出是多水平或连续的,则预测包含对象10中的该类型的心脏恶化的严重性的水平。应当注意,预测可以具有与标记yi不同的格式–例如,标记可以是二元值(0=患者未被诊断为具有这种类型的心脏恶化;1=患者被如此诊断),但是预测可以是范围[0,1]内的连续值。范围[0,1]内的连续值预测可以被有利地解读为概率,并且例如被写为0-100%范围内的百分比。
在一些实施例中,预测输出可以被束缚于由ER、EMS或其他医学提供者使用的临床指南。例如,在EMS呼叫设置中,如果心肌缺血评分足够高,则输出可以(除了识别可能的缺血状况外)呈现针对处置缺血的临床指南所要求的的缺血治疗。
预期分类器52、54、56、58可以不时地被重新训练以更准确地反映当前患者人口统计学。
在cEWS系统40中的使用多个分类器52、54、56、58,每个针对一种类型的感兴趣的心脏恶化,识别尽管在有些互相关但是不同类型的心脏恶化,具有区别的特性,使得单个分类器将不可能是有效的。该一组分类器52、54、56、58的输出预测可以被各种组合和/或被呈现为一个或多个心血管早期预警评分60。在一种方法中,仅最高(即最严重的)预测(评分)被呈现,并且然后只有最高预测高于一定的阈值。该方法在诸如医学人员正在处理分诊状况并且需要仅注意最严重状况的急诊室(ER)或紧急医疗服务(EMS)呼叫的设置中是特别有利的。在也适合于分诊状况的变体方法中,每个分类器评分被单独呈现,但是仅在其值(即严重性)大于一定的(可能的类型特异性)阈值的情况下。为了减少需要由紧急医学人员处理的信息,进一步考虑到以一定离散的方式的方式呈现预测(评分),例如依据评分的“高”或“中等”的值。预期其他容易感知的格式,诸如将每个预测显示为滑动条或比例运行(例如),其中被标记的低的一端指示该类型的心脏恶化的不可能,而被标记的高的一端指示该类型的心脏恶化的高可能性。颜色编码也可以被使用,例如以红色显示高评分,以黄色显示中等评分,并且以绿色显示低评分。评分被合适地显示在患者监测器12的显示器14上,但是预期其他输出,诸如在非常高的评分的情况下的听得见的警报。在适合于非紧急状况的实施例中,预期将所有cEWS值例如呈现为百分比概率或其他数值。更一般地,cEWS值能够在救护车或其他移动紧急响应设置中、在医院房间床旁出、在护士站处等用于连续的监测,例如被显示为趋势线、实时更新的数值等。
在图1中图解地示出的CEWS系统40是依赖于经验地训练的推测引擎52、54、56、58以提供各种类型的心脏恶化的预测(即早期预警评分)的数据驱动的系统。该方法提供了针对不同类型的心脏恶化的评分,由此使得没有心脏专业的医学人员能够进行初始心脏退化的早期评价,使得更详细的心脏评价能够被执行。应当注意,心脏恶化评分不是医学诊断,而是可以连同诸如物理检查、各种实验室测试结果等的其他信息一起被医师考虑的早期预警指标,以指南初始的治疗分诊和/或在心血管恶化的早期检测方面帮助医师。一般来说,预期更详细的心脏评价将会由cEWS系统40提供的早期预警触发以便获得实际存在于患者10中的任何心脏恶化的诊断。
图1的cEWS系统40的一种可能的困难是,作为纯经验系统,其操作不像例如医师通常依赖的启发式诊断规则一样透明。经验方法也会难以与基础生理学相关联。这能够引入特定困难。与启发式诊断规则和基础生理学的明显相关的缺乏会使医学人员抗拒依赖于由cEWS系统40生成的早期预警评分。而且,用cEWS系统40代替现有的启发式诊断规则或第一性原理生理分析会有缺点。例如,如果训练数据集太小,推测引擎会遭受过多随机误差,或如果训练数据中存在系统缺陷,则会遭受系统误差,诸如对具体类型的心脏恶化的过度诊断(或过低诊断)的系统性倾向,其在针对该类型的标注的标记yi中被捕获。经验训练还会采集伪相关。
参考图4,这些困难在心血管恶化类型特异性分类器52、54、56、58的变体实施例中得以解决。在图示性图4中,描述了图1的心肌缺血分类器52的变体实施例152;然而,对在本文中参考图4描述的心肌缺血分类器52的延伸容易应用于其他心血管恶化类型特异性分类器54、56、58中的任一个。如在图4中看出的,变体心肌缺血分类器152并入了心肌缺血分类器52作为一部件,并且该部件(如在图1中)接收心血管参数42、至少一个呼吸参数44和任选地至少一个气体交换参数46作为输入。心脏缺血分类器152进一步并入了额外的心脏缺血检测部件:基于编码规则的心脏缺血检测器160和数学地建模心脏缺血162的生理学和进展的生理模型部件。评分组合器164例如使用其输出的加权和来组合分支的心肌缺血检测器52、160、162的输出,以生成缺血评分166,所述缺血评分166可以被心肌缺血检测器本身输出,或可以图1的cEWS系统40中被采用来代替经验性心肌缺血分类器52的输出。(换言之,图4的修改的缺血检测器152可以代替图1的缺血分类器52)。
在图4的方法中,基于规则的缺血检测器160为医师提供熟悉的部件。各种启发式规则被不同的心脏病专家、不同医院等采用。由具体心脏病专家使用的规则可以是标准规则集,诸如在关于心血管风险的评价的2013ACC/AHA指南中发布的规则:a report of theAmerican College of Cardiology/American Heart Association Task Force onPractice Guidelines.http://circ.ahajournals.org/content/early/2013/11/11/01.cir.0000437741.48606.98)。另一方面,给定的心脏病专家或医院可能采用标准规则的变体,或可能更偏好采用由不同权威机构发布的标准规则集。为了容纳这样的个体和/或机构偏好,以及向心脏病专家确保关于哪一个规则正在被采用,图示性基于规则的缺血检测器160包括规则选择图形用户接口(GUI)168,用户能够经由所述规则选择图形用户接口(GUI)168来从一个、两个、三个或更多个标准规则集(例如2013ACC/AHA2013指南、ACC/AHA指南的更早版本、和/或由另一心血管护理权威机构发出的指南)中进行选择。GUI 168被患者监测器12的微处理器或微控制器合适地实施,所述微处理器或微控制器被编程为使用显示设备或部件14和(一个或多个)用户输入设备30、32来实施GUI 168。
在图4的心肌缺血检测器的一个图示性实施方式中,所述一组输入42、44、46包括肌钙蛋白水平、血压、病史、性别、年龄、以及他人口统计学信息(如体重指数(BMI)和其他),等等。任选地,采用回归类型模型的自动特征选择算法用来识别针对检测缺血的最提供证据的特征,所述自动特征选择算法将其匹配结果与训练数据进行比较。匹配指标(诸如相关系数或变化系数)能够用来判断匹配的质量。被包括在最佳匹配模型中的特征然后将会充当对缺血检测器部件52、160、162的特征或指南,这继而在下面进行描述。
已经参考图1描述的缺血分类器52是数据驱动的部件。基于数据的算法能够例如是用于缺血检测的数据挖掘、机器学习或统计相关类型模型。这样的算法的范例包括神经网络或逻辑回归分类器。
基于规则的缺血检测器160是由执行缺血检测的医师的启发式规则的编码化。规则能够使用模糊推测引擎来进行编码,其中启发式规则被转换为给出要被选择的清晰(crisp)特征的数学公式。可以经由基于规则的缺血检测器160被实施的一些合适的规则包括前面提到的2013ACC/AHA指南、和/或AHA/ACCF/HRS Recommendations for theStandardization and Interpretation of the Electrocardiogram Part VI:AcuteIschemia/Infarction(Circulation.2009;119:e262-e27)。在针对心血管恶化的典型指南中,指南依赖于心血管参数,但是通常不依赖于呼吸或气体交换参数。因此,图示性基于规则的缺血检测器160接收心血管参数42作为输入,但是不接收至少一个呼吸参数44也不接收至少一个气体交换参数46。(然而,还预期基于规则的缺血检测器采用额外地对(一个或多个)呼吸和/或气体交换参数进行操作的规则)。
生理模型部件162包括接合心肌的缺血恶化的静态(代数)和/或动态(微分)方程式。这种知识根据心肌缺血的病理理解来获得。该知识然后被数学地表示。心血管恶化的典型生理模型依赖于心血管参数,但是通常不依赖于呼吸或气体交换参数。因此,图示性基于生理模型的检测器162接收心血管参数42作为输入,但是不接收至少一个呼吸参数44也不接收至少一个气体交换参数46。(然而,还预期基于生理模型检测器采用额外地对(一个或多个)呼吸和/或气体交换参数进行操作的规则)。
三个检测器52、160、162的输出在患者数据记录被呈现/被更新的情况下被更新。每个检测器52、160、162输出估计缺血的开始的评价(即评分)。三个输出然后经由评分组合器164被聚合以生成缺血评分值166。在一些实施例中,评分组合器164对输入和输出进行归一化,以产生在范围[0%,100%]内的缺血评分166,其中0%的评分指示估计的心脏缺血的最低可能性/严重性,而100%表示的评分心脏缺血的最高可能性/严重性。一般来说,缺血评分166可以随着时间发展,因为诸如心率、呼吸率、潮气量、血压等的参数通过传感器20、22、24的读数被更新和/或因为诸如血气分析结果的其他输入被输入到系统。
针对由各检测器52、160、162输出的评分的权重在训练阶段期间通过优化输出166和与心脏缺血有关的注释标记yi之间的匹配而被合适地匹配(或微调)。评分组合器164可以采用分支的缺血检测器52、160、162的输出的简单的加权平均值和加权和。在其他实施例中,评分组合器164使用更复杂的技术(诸如线性判别分析(LDA))执行加权聚合,以提供缺血检测的单一值166。
如已经提到的,输出166可以在图1的cEWS系统40的背景下被采用,代替该cEWS系统40中的缺血分类器52的输出。在其他实施例中,图4的系统作为独立的心肌缺血检测器进行操作,并且检测到的缺血严重性的水平能够被显示为二元值(例如如果聚合评分166在某一阈值之上,则指示可能的心脏缺血),或被量化为多于两个水平(多水平离散输出)中的一个,例如被表示为“交通灯”,其中绿色指示低缺血可能性/严重性,黄色指示中等缺血可能性/严重性,并且红色指示高缺血可能性/严重性。额外地或替代地,缺血评分166可以被表示为数值(被实时更新)或被表示为趋势线。
虽然预期聚合评分166比相应的缺血检测器部件52、160、162的个体输出更准确,但是也考虑到例如使用上面提到的二元、颜色编码、数值和/或趋势线表示来显示个体缺血检测器部件52、160、162的输出。
虽然图示性图4组合了经验缺血分类器52、基于规则的缺血检测器160和基于生理模型的检测器162,但是替代地考虑到仅包括这些部件52、160、162中的两个。例如,基于生理模型的检测器162被可选地省略。此外,如已经提到的,应认识到其他图示性心血管恶化模态分类器54、56、58中的任一个可以被类似地修改以进一步并入基于规则的检测器部件和/或a基于生理模型的检测器部件。
应认识到,公开的心血管恶化早期预警系统cEWS系统40、和/或分支的分类器52、54、56、58、152或独立的模态检测器152也可以被实现为存储了可由患者监测器12的微处理器或微控制器或由另一电子数据处理设备读取和执行以执行公开的心血管恶化检测操作的指令的非瞬态存储介质。这样的非瞬态存储介质可以例如包括:硬盘驱动器或其他磁性存储介质;光盘或其他光学存储介质;只读存储器(ROM)、电子可编程只读存储器(PROM)、闪烁存储器或其他电子存储介质;其各种组合;等等。
已经参考优选的实施例描述了本发明。他人在阅读和理解以上具体实施方式的情况下可能想到修改或替代。本文旨在将本发明解释为包括所有这种修改和替代,只要它们落入权利要求书及其等价方案的范围之内。
Claims (20)
1.一种患者监测器,包括:
显示部件(14);
多个传感器(20、22、24),其读取人类对象的生命体征,所述生命体征包括至少一个心血管参数和至少一个呼吸参数;以及
微处理器或微控制器,其被编程为执行心血管早期预警评分(cEWS)方法,所述方法包括以下操作:
(i)使用多个心血管恶化分类器(52、152、54、56、58)来对所述人类对象进行分类,所述多个心血管恶化分类器每个被训练为关于不同类型的心血管恶化来对所述人类对象进行分类以生成针对所述不同类型的心血管恶化的心血管早期预警评分,所述多个心血管恶化分类器对表征所述人类对象的一组输入进行操作,所述一组输入包括由所述多个传感器读取的所述至少一个心血管参数(42)和所述至少一个呼吸参数(44),并且
(ii)在所述患者监测器的所述显示部件上输出针对所述不同类型的心血管恶化的所述心血管早期预警评分。
2.根据权利要求1所述的患者监测器,其中,所述多个心血管恶化分类器对所述一组输入进行操作,所述一组输入包括:由心电图电极(20)读取的所述至少一个心血管参数(42)以及包括由空气流量传感器(24)读取的潮气量的所述至少一个呼吸参数(44)。
3.根据权利要求2所述的患者监测器,其中,所述至少一个呼吸参数(44)还包括呼吸率。
4.根据权利要求1-3中的任一项所述的患者监测器,其中,表征所述人类对象的所述一组输入还包括由所述多个传感器(20、22、24)读取的至少一个气体交换参数(46)。
5.根据权利要求4所述的患者监测器,其中,所述多个心血管恶化分类器对包括所述至少一个气体交换参数(46)的所述一组输入进行操作,所述至少一个气体交换参数包括由脉搏血氧计传感器(22)读取的外围血氧饱和度(SpO2)。
6.根据权利要求1-5中的任一项所述的患者监测器,其中,所述多个心血管恶化分类器(52、152、54、56、58)对表征所述人类对象的所述一组输入进行操作,所述一组输入还包括血气分析测试结果,所述血气分析测试结果包括氧分压(PaO2)和二氧化碳分压(PaCO2)中的至少一个,
其中,所述血气分析测试结果通过用户输入设备(30、32)和经由电子数据网络(36)读取电子健康记录(EHR)或电子医学记录(EMR)(34)中的一种被输入到所述患者监测器。
7.根据权利要求6所述的患者监测器,其中,所述多个心血管恶化分类器(52、152、54、56、58)对包括所述血气分析测试结果的所述一组输入进行操作,所述血气分析测试结果还包括血液中的肌钙蛋白水平。
8.根据权利要求1-7中的任一项所述的患者监测器,其中,所述多个心血管恶化分类器(52、152、54、56、58)包括心血管恶化分类器的组中的至少两个分类器,所述心血管恶化分类器的组包括心肌缺血分类器(52、152)、左心室肥大分类器(54)、收缩性心力衰竭分类器(56)和舒张性心力衰竭分类器(58)。
9.根据权利要求1-8中的任一项所述的患者监测器,其中,所述多个心血管恶化分类器包括第一心血管恶化分类器(152),所述第一心血管恶化分类器(152)关于第一类型的心血管恶化对所述人类对象进行分类以生成针对所述第一类型的心血管恶化的心血管早期预警评分,其中,所述第一心血管恶化分类器包括:
经验分类器(52),其使用标记的训练数据来进行训练以生成针对所述第一类型的心血管恶化的经验评分;
基于规则的心血管恶化检测器(160),其应用一组规则以生成针对所述第一类型的心血管恶化的基于规则的评分;以及
评分组合器,其生成至少包括所述经验评分和所述基于规则的评分的针对所述第一类型的心血管恶化的评分的加权组合。
10.根据权利要求9所述的患者监测器,其中,所述cEWS方法还包括以下操作:
经由图形用户接口(GUI)接收对所述一组输入的选择,所述图形用户接口(GUI)包括所述显示部件(14)和至少一个用户输入设备(30、32)。
11.根据权利要求9-10中的任一项所述的患者监测器,其中,所述第一心血管恶化分类器还包括:
基于生理模型的检测器(162),其使用代数或微分方程来对所述第一类型的心血管恶化进行建模以生成针对所述第一类型的心血管恶化的基于模型的评分;
其中,所述评分组合器生成包括所述经验评分、所述基于规则的评分和所述基于模型的评分的针对所述第一类型的心血管恶化的评分的加权组合。
12.一种存储有指令的非瞬态存储介质,所述指令能够由包括多个传感器(20、22、24)、显示部件(14)和微处理器或微控制器的患者监测器(12)读取和运行以执行心肌缺血早期预警方法,所述方法包括以下操作:
使用所述多个传感器(20、22、24)采集针对人类对象的生命体征数据;
对所述人类对象进行分类以使用经验性心肌缺血分类器(52)生成经验性心肌缺血评分,所述经验性心肌缺血分类器在表示训练对象的标记的数据集上进行训练,其中,每个训练对象i由所述训练对象i的特征的向量和表示所述训练对象i中的心肌缺血的状态的标记yi来表示,所述分类包括将向量输入到所述经验性心肌缺血分类器,所述向量包括根据所采集的针对所述人类对象的生命体征数据生成的特征;
通过将一组规则或生理模型应用于表征所述人类对象的一组输入来生成至少一个额外的心肌缺血评分,所述一组输入包括根据所采集的针对所述人类对象的生命体征数据生成的输入;
生成组合的心肌缺血评分,所述组合的心肌缺血评分包括所述经验性心肌缺血评分和所述至少一个额外的心肌缺血评分的加权组合;并且
在所述患者监测器的所述显示部件上显示所述组合的心肌缺血评分的表示。
13.根据权利要求12所述的非瞬态存储介质,其中,生成至少一个额外的心肌缺血评分的所述操作包括:
通过将一组规则应用于表征所述人类对象的所述一组输入来生成基于规则的心肌缺血评分。
14.根据权利要求13所述的非瞬态存储介质,其中,所述心肌缺血早期预警方法还包括以下操作:
经由图形用户接口(GUI)来从用户接收所述一组规则,所述图形用户接口(GUI)使用所述患者监测器(12)的所述显示部件(14)和所述患者监测器的至少一个用户输入设备(30、32)来实施。
15.根据权利要求14所述的非瞬态存储介质,其中,接收所述一组规则的所述操作包括经由所述GUI接收对用于诊断心肌缺血的一组标准规则集的选择,所述选择来自用于诊断心肌缺血的两个或更多个标准规则集的列表。
16.根据权利要求12-15中的任一项所述的非瞬态存储介质,其中,生成至少一个额外的心肌缺血评分的所述操作包括:
使用对表征所述人类对象的所述一组输入进行操作的心肌缺血的生理模型来生成基于生理模型的心肌缺血评分。
17.根据权利要求12-16中的任一项所述的非瞬态存储介质,其中,生成组合的心肌缺血评分的所述操作包括:
使用线性判别分析(LDA)来生成所述组合的心肌缺血评分,所述组合的心肌缺血评分组合所述经验性心肌缺血评分和所述至少一个额外的心肌缺血评分。
18.根据权利要求12-17中的任一项所述的非瞬态存储介质,其中,在所述患者监测器的所述显示部件上显示所述组合的心肌缺血评分的表示的所述操作包括:
对所述组合的心肌缺血评分进行离散化以生成离散化的组合的心肌缺血评分;并且
在所述患者监测器(12)的所述显示部件(14)上显示所述离散化的组合的心肌缺血评分的表示。
19.根据权利要求18所述的非瞬态存储介质,其中,在所述患者监测器(12)的所述显示部件(14)上显示所述离散化的组合的心肌缺血评分的表示的所述操作包括:
在所述患者监测器(12)的所述显示部件(14)上显示表示所述离散化的组合的心肌缺血评分的颜色。
20.一种装置,包括:
根据权利要求12-19中的任一项所述的非瞬态存储介质;以及
患者监测器(12),其包括多个传感器(20、22、24)、显示部件(14)和微处理器或微控制器,所述微处理器或微控制器被配置为读取和运行被存储在所述非瞬态存储介质上的指令以执行所述心肌缺血早期预警方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562144372P | 2015-04-08 | 2015-04-08 | |
US62/144,372 | 2015-04-08 | ||
PCT/IB2016/051997 WO2016162838A1 (en) | 2015-04-08 | 2016-04-08 | Cardiovascular deterioration warning score |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107438399A true CN107438399A (zh) | 2017-12-05 |
CN107438399B CN107438399B (zh) | 2021-07-20 |
Family
ID=55854761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680020327.2A Active CN107438399B (zh) | 2015-04-08 | 2016-04-08 | 心血管恶化预警评分 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20180064400A1 (zh) |
EP (1) | EP3280319A1 (zh) |
JP (1) | JP6857612B2 (zh) |
CN (1) | CN107438399B (zh) |
BR (1) | BR112017021322A2 (zh) |
MX (1) | MX2017012734A (zh) |
RU (1) | RU2728855C9 (zh) |
WO (1) | WO2016162838A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110090012A (zh) * | 2019-03-15 | 2019-08-06 | 上海图灵医疗科技有限公司 | 一种基于机器学习的人体疾病检测方法及检测产品 |
CN110495872A (zh) * | 2019-08-27 | 2019-11-26 | 中科麦迪人工智能研究院(苏州)有限公司 | 基于图片及心搏信息的心电分析方法、装置、设备及介质 |
CN111317440A (zh) * | 2018-12-13 | 2020-06-23 | 通用电气公司 | 患者的预警方法、使用该方法的监护设备及可读存储介质 |
WO2020133432A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳迈瑞生物医疗电子股份有限公司 | 早期预警评分的显示方法、监护设备及系统 |
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 |
CN112703562A (zh) * | 2018-09-18 | 2021-04-23 | 皇家飞利浦有限公司 | 一般和个人患者风险预测 |
WO2022206641A1 (zh) * | 2021-03-31 | 2022-10-06 | 华为技术有限公司 | 高血压风险检测方法及相关装置 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK2603138T3 (en) * | 2010-08-13 | 2018-02-05 | Respiratory Motion Inc | DEVICES AND METHODS FOR MONITORING RESPIRATION VARIATION IN MEASURING RESPIRATION VOLUMES, MOVEMENT AND VARIABILITY |
MX2019005195A (es) * | 2016-11-02 | 2019-09-19 | Respiratory Motion Inc | Sistemas y metodos de asignación de escala respiratoria de alerta temprana. |
EP3363351B1 (en) * | 2017-02-16 | 2023-08-16 | Tata Consultancy Services Limited | System for detection of coronary artery disease in a person using a fusion approach |
GB2560339B (en) | 2017-03-07 | 2020-06-03 | Transf Ai Ltd | Prediction of cardiac events |
WO2018219809A1 (en) * | 2017-05-30 | 2018-12-06 | Koninklijke Philips N.V. | System and method for providing a layer-based presentation of a model-generated patient-related prediction |
JP7052379B2 (ja) * | 2018-01-29 | 2022-04-12 | 日本電信電話株式会社 | 筋電信号推定装置、筋電信号推定方法、およびプログラム |
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 |
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 |
US10602940B1 (en) | 2018-11-20 | 2020-03-31 | Genetesis, Inc. | Systems, devices, software, and methods for diagnosis of cardiac ischemia and coronary artery disease |
CN113316412A (zh) * | 2018-11-20 | 2021-08-27 | 吉尼泰西斯公司 | 用于诊断心脏缺血和冠状动脉疾病的系统、设备、软件和方法 |
JP7480601B2 (ja) | 2020-06-16 | 2024-05-10 | コニカミノルタ株式会社 | 医療診断支援装置、医療診断支援装置の制御方法、およびプログラム |
US20230127355A1 (en) * | 2021-08-23 | 2023-04-27 | Analytics For Life Inc. | Methods and Systems for Engineering Respiration Rate-Related Features From Biophysical Signals for Use in Characterizing Physiological Systems |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1376078A (zh) * | 1999-08-20 | 2002-10-23 | 卡迪奥雷斯特国际有限公司 | 治疗活体以减轻心脏负荷的方法及执行该方法的装置 |
CN1887223A (zh) * | 2006-07-17 | 2007-01-03 | 浙江大学 | 心脏状态的实时趋势动力学特征分析方法 |
US20070094048A1 (en) * | 2005-10-25 | 2007-04-26 | Caterpillar Inc. | Expert knowledge combination process based medical risk stratifying method and system |
CN101163443A (zh) * | 2005-02-15 | 2008-04-16 | 明尼苏达大学董事会 | 采用会聚生物电导线场进行阻抗测量从而实现的病理评估 |
US20080157980A1 (en) * | 2006-12-27 | 2008-07-03 | Cardiac Pacemakers, Inc. | Within-patient algorithm to predict heart failure decompensation |
CN103578239A (zh) * | 2012-07-24 | 2014-02-12 | 北京大学人民医院 | 严重创伤救治远程信息联动院内预警呼叫系统 |
US20140257122A1 (en) * | 2013-03-08 | 2014-09-11 | Singapore Health Services Pte Ltd | System and method of determining a risk score for triage |
CN105792741A (zh) * | 2013-12-06 | 2016-07-20 | 心脏起搏器股份公司 | 使用分类器融合的心力衰竭事件预测 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070191697A1 (en) * | 2006-02-10 | 2007-08-16 | Lynn Lawrence A | System and method for SPO2 instability detection and quantification |
US9820658B2 (en) * | 2006-06-30 | 2017-11-21 | Bao Q. Tran | Systems and methods for providing interoperability among healthcare devices |
WO2009005734A2 (en) * | 2007-06-28 | 2009-01-08 | Cardiosoft L.P. | Diagnostic and predictive system and methodology using multiple parameter electrocardiography superscores |
US20090093686A1 (en) * | 2007-10-08 | 2009-04-09 | Xiao Hu | Multi Automated Severity Scoring |
WO2010053743A1 (en) * | 2008-10-29 | 2010-05-14 | The Regents Of The University Of Colorado | Long term active learning from large continually changing data sets |
EP2534597B1 (en) * | 2010-03-15 | 2018-10-17 | Singapore Health Services Pte Ltd | Method of predicting the survivability of a patient |
US10893824B2 (en) * | 2010-12-20 | 2021-01-19 | Cardiac Pacemakers, Inc. | Heart failure detection with a sequential classifier |
EP2896015A4 (en) * | 2012-09-13 | 2016-04-20 | Parkland Ct For Clinical Innovation | SYSTEM AND METHOD OF USER INTERFACE FOR CLINICAL DASHBOARD |
CN202976084U (zh) * | 2012-10-17 | 2013-06-05 | 黄金龙 | 健康管理系统及其健康管理装置 |
-
2016
- 2016-04-08 WO PCT/IB2016/051997 patent/WO2016162838A1/en active Application Filing
- 2016-04-08 JP JP2017550688A patent/JP6857612B2/ja active Active
- 2016-04-08 MX MX2017012734A patent/MX2017012734A/es unknown
- 2016-04-08 BR BR112017021322A patent/BR112017021322A2/pt not_active Application Discontinuation
- 2016-04-08 US US15/559,608 patent/US20180064400A1/en active Pending
- 2016-04-08 RU RU2017138868A patent/RU2728855C9/ru active
- 2016-04-08 CN CN201680020327.2A patent/CN107438399B/zh active Active
- 2016-04-08 EP EP16718911.7A patent/EP3280319A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1376078A (zh) * | 1999-08-20 | 2002-10-23 | 卡迪奥雷斯特国际有限公司 | 治疗活体以减轻心脏负荷的方法及执行该方法的装置 |
CN101163443A (zh) * | 2005-02-15 | 2008-04-16 | 明尼苏达大学董事会 | 采用会聚生物电导线场进行阻抗测量从而实现的病理评估 |
US20070094048A1 (en) * | 2005-10-25 | 2007-04-26 | Caterpillar Inc. | Expert knowledge combination process based medical risk stratifying method and system |
CN1887223A (zh) * | 2006-07-17 | 2007-01-03 | 浙江大学 | 心脏状态的实时趋势动力学特征分析方法 |
US20080157980A1 (en) * | 2006-12-27 | 2008-07-03 | Cardiac Pacemakers, Inc. | Within-patient algorithm to predict heart failure decompensation |
CN103578239A (zh) * | 2012-07-24 | 2014-02-12 | 北京大学人民医院 | 严重创伤救治远程信息联动院内预警呼叫系统 |
US20140257122A1 (en) * | 2013-03-08 | 2014-09-11 | Singapore Health Services Pte Ltd | System and method of determining a risk score for triage |
CN105792741A (zh) * | 2013-12-06 | 2016-07-20 | 心脏起搏器股份公司 | 使用分类器融合的心力衰竭事件预测 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112703562A (zh) * | 2018-09-18 | 2021-04-23 | 皇家飞利浦有限公司 | 一般和个人患者风险预测 |
CN111317440A (zh) * | 2018-12-13 | 2020-06-23 | 通用电气公司 | 患者的预警方法、使用该方法的监护设备及可读存储介质 |
WO2020133432A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳迈瑞生物医疗电子股份有限公司 | 早期预警评分的显示方法、监护设备及系统 |
CN113226154A (zh) * | 2018-12-29 | 2021-08-06 | 深圳迈瑞生物医疗电子股份有限公司 | 早期预警评分的显示方法、监护设备及系统 |
CN113226154B (zh) * | 2018-12-29 | 2024-04-19 | 深圳迈瑞生物医疗电子股份有限公司 | 早期预警评分的显示方法、监护设备及系统 |
CN110090012A (zh) * | 2019-03-15 | 2019-08-06 | 上海图灵医疗科技有限公司 | 一种基于机器学习的人体疾病检测方法及检测产品 |
CN110495872A (zh) * | 2019-08-27 | 2019-11-26 | 中科麦迪人工智能研究院(苏州)有限公司 | 基于图片及心搏信息的心电分析方法、装置、设备及介质 |
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 |
WO2022206641A1 (zh) * | 2021-03-31 | 2022-10-06 | 华为技术有限公司 | 高血压风险检测方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
RU2017138868A (ru) | 2019-05-08 |
EP3280319A1 (en) | 2018-02-14 |
CN107438399B (zh) | 2021-07-20 |
MX2017012734A (es) | 2017-11-30 |
BR112017021322A2 (pt) | 2018-06-26 |
JP2018513727A (ja) | 2018-05-31 |
US20180064400A1 (en) | 2018-03-08 |
WO2016162838A1 (en) | 2016-10-13 |
JP6857612B2 (ja) | 2021-04-14 |
RU2017138868A3 (zh) | 2019-09-16 |
RU2728855C9 (ru) | 2020-10-15 |
RU2728855C2 (ru) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107438399A (zh) | 心血管恶化预警评分 | |
JP6541738B2 (ja) | 急性肺損傷(ali)について患者をモニタする装置及びその作動方法 | |
JP5584413B2 (ja) | 患者監視システム及び監視する方法 | |
JP5841196B2 (ja) | ヒトの健康に関する残差ベースの管理 | |
CN105228508B (zh) | 一种测定用于分类的危险评分的系统 | |
US9785745B2 (en) | System and method for providing multi-organ variability decision support for extubation management | |
JP7217289B2 (ja) | 医療介入制御システム | |
JP2018512237A (ja) | 急性呼吸促迫症候群(ards)のリスクスコアによって導かれる換気治療推薦のためのツール | |
WO2021225744A1 (en) | Heart rate variability monitoring and analysis | |
CN114469022A (zh) | 报警事件的回顾方法、装置及可读存储介质 | |
US7542955B2 (en) | Exercise test interpretation | |
Gu | AI in Cardiology and Cardiac Surgery | |
Abirami | AI Clinical Decision Support System (AI-CDSS) for Cardiovascular Diseases | |
Caruccio et al. | Enhancing IoT-based critical diagnosis in emergency rooms through intelligent video surveillance | |
Khalid | Data fusion models for detection of vital-sign deterioration in acutely ill patients | |
WO2023214957A1 (en) | Machine learning models for estimating physiological biomarkers | |
WO2023214956A1 (en) | Systems, devices, and methods for biomarker detection and tracking | |
Hudson et al. | Multidimensional medical decision making | |
Pyke | Analysis of inpatient surveillance data for automated classification of deterioration | |
CN117835896A (zh) | 用于对生物传感器数据的质量进行分类的方法 | |
Chen et al. | Health status detection for patients in physiological monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |