CN109952082A - 用于动态压力损害风险评估和响应的系统、方法和计算机可读介质 - Google Patents
用于动态压力损害风险评估和响应的系统、方法和计算机可读介质 Download PDFInfo
- Publication number
- CN109952082A CN109952082A CN201780063957.2A CN201780063957A CN109952082A CN 109952082 A CN109952082 A CN 109952082A CN 201780063957 A CN201780063957 A CN 201780063957A CN 109952082 A CN109952082 A CN 109952082A
- Authority
- CN
- China
- Prior art keywords
- pressure
- risk
- data
- sensing data
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/447—Skin evaluation, e.g. for skin disorder diagnosis specially adapted for aiding the prevention of ulcer or pressure sore development, i.e. before the ulcer or sore has developed
-
- 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
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
- A61B5/015—By temperature mapping of body part
-
- 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
- A61B5/1036—Measuring load distribution, e.g. podologic studies
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- 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
- A61B5/6892—Mats
-
- 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
-
- 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
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G7/00—Beds specially adapted for nursing; Devices for lifting patients or disabled persons
- A61G7/05—Parts, details or accessories of beds
- A61G7/057—Arrangements for preventing bed-sores or for supporting patients with burns, e.g. mattresses specially adapted therefor
- A61G7/05769—Arrangements for preventing bed-sores or for supporting patients with burns, e.g. mattresses specially adapted therefor with inflatable chambers
- A61G7/05776—Arrangements for preventing bed-sores or for supporting patients with burns, e.g. mattresses specially adapted therefor with inflatable chambers with at least two groups of alternately inflated chambers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L1/00—Measuring force or stress, in general
- G01L1/20—Measuring force or stress, in general by measuring variations in ohmic resistance of solid materials or of electrically-conductive fluids; by making use of electrokinetic cells, i.e. liquid-containing cells wherein an electrical potential is produced or varied upon the application of stress
- G01L1/205—Measuring force or stress, in general by measuring variations in ohmic resistance of solid materials or of electrically-conductive fluids; by making use of electrokinetic cells, i.e. liquid-containing cells wherein an electrical potential is produced or varied upon the application of stress using distributed sensing elements
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
- G06N5/047—Pattern matching networks; Rete networks
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0247—Pressure sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/029—Humidity sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/04—Arrangements of multiple sensors of the same type
- A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
-
- 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
- A61B5/145—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
- A61B5/1495—Calibrating or testing of in-vivo probes
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/10—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering
- A61G2203/20—Displays or monitors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/30—General characteristics of devices characterised by sensor means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/30—General characteristics of devices characterised by sensor means
- A61G2203/34—General characteristics of devices characterised by sensor means for pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/30—General characteristics of devices characterised by sensor means
- A61G2203/46—General characteristics of devices characterised by sensor means for temperature
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Nursing (AREA)
- Fuzzy Systems (AREA)
- Dermatology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Computational Linguistics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Business, Economics & Management (AREA)
Abstract
本公开总体上涉及时间和空间风险映射及风险响应的领域。更具体地,本公开涉及通过使用来自多个历史和流数据源的数据的空间和时间数据映射的人工智能驱动的工作流增强获得的结果的空间和时间映射、风险分析以及响应性和预防性措施。
Description
技术领域
本公开总体上涉及时间和空间风险映射及风险响应的领域。更具体地,本公开涉及通过使用来自多个历史和流数据源的数据的空间和时间数据映射的人工智能驱动的工作流增强获得的结果的空间和时间映射、风险分析和响应性和预防性措施。
交叉引用
本申请要求于2016年8月19日提交的具有相同发明名称的美国临时申请62/377,529的权益,所述申请以引用的方式整体并入本文。
前言
如果不注意,长时间或不适当的压力可能损害个体或物体。例如,预防压力损伤(通俗地称为褥疮和皮肤溃疡)已成为医疗机构、健康改善团体以及认证机构的主要目标。压力损伤强加了极大的经济负担并且是严重的不良事件,因此其预防是对医疗提供者的重要挑战。
压力损伤与健康欠佳和移动性差有关,并且对患者的生活质量产生不利影响(Gorecki等人,2009,2012)。根据美国国家压疮咨询委员会(NPUAP),压疮或压力损伤是通常由于压力、或压力与剪切力和/或摩擦力组合而在骨性突出上发生的对皮肤和/或下面的组织的限定的、局部的损伤。压力损伤是根据压力损伤的严重程度和所涉及的组织层进行数字分类的(美国国家压疮咨询委员会,2014)。
发明内容
根据一个方面,提供了用于压力损伤管理和预防的系统、设备和方法,所述系统、设备和方法包括自动化控制和无线通知并且可以以紧密结合方式将云服务、大数据分析、物联网(IoT)和移动计算集成。一些实施例可以提供压力损伤治疗和预防方法,所述方法在当前解决方案的有效性方面占优势。
热量、压力和湿度可能与压力损伤的形成直接相关。一些实施例可以测量所有这三个因素,并且可以作为响应动态地或自动地调整压力,以便调节、维持或改变床垫中的空气压力。这可以实现患者与床垫之间特定接触点的调节,同时收集、存储和处理由传感器(例如,压力传感器、气候传感器等)产生的数据,以便呈现对见解、事实、历史数据以及统计学支持和行业验证的研究数据的综合评估。
根据一个方面,提供了一种用于监测经受与表面长时间接触的实体的传感器数据的系统,所述系统包括:第一类型的一个或多个传感器,其用于从所述实体中检测第一类型的特性,所述第一类型的所述一个或多个传感器靠近所述实体与所述表面之间的触点;第二类型的一个或多个传感器,其用于从所述实体中检测第二类型的特性,所述第二类型的所述一个或多个传感器靠近所述实体与所述表面之间的所述触点;处理器,其可操作地连接到所述第一类型的所述一个或多个传感器和所述第二类型的所述一个或多个传感器,所述处理器被配置成:从所述第一类型的所述一个或多个传感器接收传感器数据;从所述第二类型的所述一个或多个传感器接收传感器数据;组合所接收的传感器数据以产生组合的传感器数据;生成对应于所述表面的一个或多个维度的风险栅格,所述风险栅格基于存储在存储器中的历史风险数据集;将所述风险栅格的一部分指定为空值区域,条件是从所述传感器数据接收到与由所述风险栅格的所述部分表示的所述表面的一部分有关的空值传感器读数;通过根据AI模型和所述风险栅格处理所述组合的传感器数据来检测至少一个风险特征;基于所述至少一个风险特征确定压力风险分数;基于所述压力风险分数和所述至少一个风险特征中的一个或多个生成压力再分配计划;以及并且将所述压力再分配计划、所述至少一个风险特征和所述组合的传感器数据中的一个或多个传输到计算机。
根据另一个方面,提供了一种系统,其包括:至少一个压力再分配器,其用于再分配施加在表面上的压力,压力释放系统被配置成从处理器接收指令,所述处理器被配置成:将压力再分配计划作为压力释放指令集传输到所述压力释放系统。
根据另一个方面,提供了一种系统,其中在从处理器接收到压力指令集时,压力释放系统自动执行压力再分配计划以再分配施加在表面上的压力。
本文所描述的实施例的实例应用包括例如:压力损伤-收集与压力损伤的指标相关的数据(所述数据在皮肤上难以测量和识别),使风险模型局部化并且然后将这些模型映射到实际的身体位置以便为决策者提供更加精细且富有洞察力的观点;船体损坏-传感器网格可以监测船体的损坏情况。使用局部预测分析,操作者可以产生视觉结果和适当的动作位置;康复监测-了解肌肉和肌腱的疲劳和健康对于许多康复专家来说是一项艰巨的任务。利用本公开,可以部署传感器网格以监测如贯穿整个身体的氧化作用、血流、热量和力分布等变量,以通过预测分析实现期望的结果并映射适当的动作。例如,左腿发生的补偿可以指示发生疲劳,其中发送通知以警告左腿可能出现疲劳并且基于输入的工作流程推荐动作的替代性过程;通过增强现实在空间上映射动作-如果用户想要查看需要在实体上进行的动作的位置。这些动作的范围可以从精确干预到识别需要在大范围内采取动作的位置。例如,通过应用本文公开的实施例,可以向外科医生呈现在手术期间发生易出血的位置的视图。
在各种另外的方面,本公开提供了相应的系统和装置以及逻辑结构,如用于实施这种系统、装置和方法的机器可执行编码指令集。
在这方面,在详细解释至少一个实施例之前,应该理解,实施例在应用方面不局限于构造的细节和在以下说明书中所阐明的或在附图中所示出的部件的布置。而且,应该理解,本文采用的措辞和术语是为了说明的目的,并且不应该被认为是限制性的。
在阅读本公开之后,本领域技术人员将明白本文描述的涉及实施例的许多另外特征及其组合。
附图说明
在附图中,通过举例的方式示出了实施例。应明确理解的是,描述和附图仅用于说明性目的,并且作为对理解的帮助。
现在将参考附图仅通过举例的方式描述实施例,其中在附图中:
图1是描绘根据一些实施例的压力缓解层和两个空气单元层的框图;
图2是描绘根据一些实施例的空气单元层的俯视图的框图;
图3A是描绘根据一些实施例的阀倍增器的顶部部分的俯视图的示意图;
图3B是描绘根据一些实施例的阀倍增器的顶部部分的等距视图的示意图;
图4A是描绘根据一些实施例的阀倍增器的底部部分的俯视图的示意图;
图4B是描绘根据一些实施例的阀倍增器的底部部分的等距视图的示意图;
图5是根据一些实施例的阀倍增器系统的部件的等距视图;
图6是根据一些实施例的阀倍增器的等距视图的效果图(rendering);
图7是描绘根据一些实施例的压力损伤管理系统的部件的横截面侧视图的框图;
图8是示出根据一些实施例的压力感测层的部件的框图;
图9是示出根据一些实施的压力损伤管理系统的床垫实施方式的部件的框图;
图10A是根据一些实施例的空气单元垫的顶层构型的平面图;
图10B是根据一些实施例的空气单元垫的底层构型的平面图;
图10C是根据一些实施例的用于气候传感器层的柔性印刷电路板(FPCB)构型的平面图;
图10D是根据一些实施例的压力感测层下方的压力空气单元的FPCB构型的平面图;
图11描绘了根据一些实施例的实例调度用户界面;
图12描绘了根据一些实施例的实例患者信息用户界面;
图13描绘了根据一些实施例的实例患者管理器用户界面;
图14描绘了根据一些实施例的实例风险评估问卷用户界面;
图15描绘了根据一些实施例的实例风险通知用户界面;
图16是描绘根据一些实施例的从传感器数据收集到风险图生成的数据收集和处理方法的概述的框图;
图17是描绘根据一些实施例的人工智能驱动的处理方法的框图;
图18是根据一些实施例的促进在压力损伤管理系统的硬件部件与软件部件之间通信的方法的流程图;
图19是根据一些实施例的促进在压力损伤管理系统的硬件部件与软件部件之间通信的另一种方法的流程图;
图20是根据一些实施例的实例软件实施方式的概述的流程图;
图21A、图21B和图21C是根据一些实施例的实例主控制器软件逻辑方法的流程图;
图22是示出根据一些实施例的用于提供传感器网络的实例方法的框图;
图23A和图23B示出了根据一些实施例的风险评估方法的流程图;
图24是根据一些实施例的实例传感器和压力微控制器布局的平面图;
图25是根据一些实施例的用于气候传感器层中的气候传感器FPCB的实例总线布置的平面图;
图26是根据一些实施例的用于气候感测层的控制印刷电路板(PCB)的示意图;
图27A、图27B和图27C示出了描绘根据一些实施例的压力损伤管理系统的框图;
图28是示出根据一些实施例的压力损伤预防方法的流程图。
具体实施方式
本文包括的讨论提供了发明性主题的许多实例示例性实施例。尽管每个实施例代表发明性元件的单一组合,但是认为发明性主题包括所公开元件的所有可能组合。因此,如果一个实施例包括元件A、B以及C,并且第二实施例包括元件B和D,则即使没有明确公开,也认为发明性主题包括A、B、C或D的其它剩余组合。
本文所描述的装置、系统和方法的实施例可以以硬件和软件的组合来实施。这些实施例可以在可编程计算机上实施,每个计算机包括至少一个处理器、数据存储系统(包括易失性存储器或非易失性存储器或其它数据存储元件或其组合)、以及至少一个通信接口。
预防压力损伤已经成为医疗机构、健康改善团体以及认证机构的主要目标。压力损伤强加了极大的经济负担并且是严重的不良事件,因此其预防是对医疗提供者的重要挑战。
压力损伤与健康欠佳和移动性差有关,并且对患者的生活质量产生不利影响(Gorecki等人,2009,2012)。根据美国国家压疮咨询委员会(NPUAP),压疮或压力损伤是通常由于压力、或压力与剪切力和/或摩擦力组合而在骨性突出上发生的对皮肤和/或下面的组织的限定的、局部的损伤。压力损伤是根据压力损伤的严重程度和所涉及的组织层进行数字分类的(美国国家压疮咨询委员会,2014)。
那些病情严重和/或神经受损的人(例如,脊髓损伤的个体)更有可能遭受压力损伤(Elliott TR等人,1999)。通常,压力损伤在骨性突出的区域中发展;像骶骨、臀部、脚踝、髋、背部、肘部以及头部。大多数患有这种损伤的患者由于躺在同一个位置延长的时间段而感觉不到疼痛,或无法移动自己来缓解压力。由此导致的持续压迫和组织负荷造成组织血流受损和局部缺血,这可能最终导致压力损伤的形成(C.Brundige等人,2001)。
已知压力损伤风险高的群体包括卧床和坐轮椅的个体、不能移动或移动受限的体弱老人、以及患有糖尿病、营养不良和慢性血流疾病的个体(美国卫生与公众服务部,1992)。
目前,对于护理者(特别是护士)而言,用于防止固定患者的压力损伤的最常见的做法和最有效的护理是大约每隔两个小时手动将患者从一侧转翻到另一侧(D.Smith,1995)。这种外部负载管理允许患者与床之间的接触力施加到其它地方,从而允许适当地分配重量以防止在一些关键负载区域中的压力峰值。同样地,还希望监测皮肤状况,因为通过颜色和暖度对受损皮肤区域的早期皮肤检测指示潜在的皮肤破裂。这种方法依赖于医护工作者,主要是护士。通过动作的组合进行诊断。入院时,进行体检并记录病史,重点是身心问题。
皮肤完整性检查和对患者的重新定位通常是预防压力损伤的第一步也是最重要的一步(N.Callum等人,2000)。临床医生定期观察患者的皮肤,以识别任何指示潜在的皮肤破裂的变色或暖度。然而,皮下组织可能会在皮肤真正打开时受损。由于较高的患者敏锐度和不断增加的护理需求,手动重新定位有风险的患者和视觉检查患者皮肤的完整性是不切实际的或不可扩展的。
根据美国卫生部的数据,护士的预计供需情况反映出2015年护士短缺20%,并且如果不加以解决,这种短缺将在2020年增长到29%。护理人员的这种日益增长的需求和短缺使得向所有患者提供相同水平的服务变得越来越困难。与一项研究发现相联接的这一点将指示对通过护士不断重新定位患者的替代方案存在需求,所述研究发现还示出翻转患者是卫生工作者下背痛的重要原因。所述研究表明,事实上,每年有12%的护士离职表明背部受伤是离职的一个原因,并且目前有52%的护士患有慢性背痛(J.Martino,2012)。短缺和压力的这种联接效应增加了来自另一项研究的发现,所述研究示出,只有约66%的有发生压力损伤风险的患者定期接受视觉和手动分配治疗,这展示了医护人员全天多次检查其患者的困难(S.Rich等人,2011)。
更严重的是,对软组织身体部位上的机械负载的手动分配也存在一些局限性,因为翻转过程无意中会对皮肤造成变形和剪应力,这导致使医护人员越来越难以预防压力损伤的损害(S.Rithalia等人,2000)。在更高的患者敏锐度和与对护士日俱增的需求(A.Hofman、R.Geelkerken、J.Wille、J.Hamming、J.Hermans、P.Breslau,《褥疮和减压型床垫:临床对照试验(Pressure sores and pressure-decreasing mattresses:controlledclinical trial)》Lancet,第343卷,第568到571页,1994)的情况下,医护人员难以全天多次检查其患者的皮肤并手动再分配患者,如果并非不可能的话。因此,重要的是找到更好地利用护理人员同时提供相同质量或甚至更好的护理标准的方法。
已发现技术有可能扩大和补充护理者的能力,以提高护理者在压力损伤方面有效和成功监测和护理患者的能力(K.Drayton,2012)。存在若干张执行各种功能以辅助护理和预防压疮的医院病床。目前可用的技术揭示了市场上部署或在研发过程中的大量抗压力损伤装置,所述装置执行各种功能以辅助护理和预防压力损伤(G.Bardsley,1999)。这种压力损伤预防装置的目标是预防措施并且侧重于管理身体软组织上重复或持续的外部负荷。
目前可用的压力损伤预防装置主要采用寝具系统的形式。这些寝具系统的范围在无源类压力释放支撑装置与有源类压力释放支撑装置之间变化并且已经使用了40年。在这40年期间,压力释放装置保持相对不变。五项研究报告,这些压力释放装置的有效性没有统计学差异,这些装置的相对益处尚不清楚(T.Conine等人,1990)(D.Daechsel等人,1985)(S.Sideranko等人,1992)(KE.Anderson,1982)(P.Price等人,1999)。
在风险评估和皮肤评估的临床实践中压力损伤的治疗被视为两个独立的过程。这造成的限制是,在其临床评估中护士可能会忽视作为促成因素的现有压力损伤的存在,这可能导致护士无法启动适当的二级预防和治疗干预措施(L.Pinkney等人,2014)。显然需要简化评估过程,以并入将允许迅速识别那些‘无风险’的人的筛选阶段,从而防止对更详细的全面评估的需要。除了正在进行的对当前标准实践效率低下的研究之外,正在进行的研究揭示出,剪切力、摩擦力和微气候也起着重要的作用,并且压力损伤形成的所有外在因素之间存在显著且复杂的关系(根据最近公布在国际压疮预防指南中的共识文件(《国际压疮预防指南》,2009))。由于近来可以用于以非妨碍性方式测量关键身体参数的感测技术的进步,这已获得了极大关注(例如,接合部压力测量)。还对如在床上睡觉的人的心率和移动模式等额外测量进行了测试。
目前,研究人员已经提出了若干种装置作为解决方案的可能部件来测量压力损伤形成中的外在因素所涉及的身体参数。这种装置包括压电传感器薄膜、压力感测垫和基于应变仪的力传感器。研究还提出了各种潜在的诊断传感器构型,如能够测量肤色和血液灌注以及血氧含量的构型(A.Lima等人,2008)(D.B.Murray等人,2008)。
这导致智能监测系统的发展以通过使用压力垫检测各种肢体来记录姿势,例如在(C.Hsia等人,2008)中。这使医疗保健临床医生能够评估每个肢体上的压力损伤形成的潜在风险,因为不同的姿势使肢体暴露于不同的压力负荷量,所述压力负荷量会在患者移动时发生变化。这允许当在设定的时间间隔内手动重新定位患者时进行有针对性的且基于洞察力的压力再分配。尽管如此,临床医生仍然依赖于通过在设定间隔内翻转患者对皮肤进行的常规目视检查和手动再分配两者。
最近的发展包括将智能监测系统整合集成到医院的病床中,以便提供对患者的自动再分配。在这种情况下的自动再分配可以响应于患者的实时生物数据来执行,包括对压力损伤形成中涉及的关键参数的测量。由于接合部压力(寝具)与医院病床和患者相互作用是压力损伤的关键原因,因此智能床可以提供防止压力损伤的第一道防线。考虑到这一目标,医院病床可以被视为生物信号数据收集源,可以在基于传感器的工程方法中利用所述生物信号数据收集源,以再分配压力负荷和其它外在因素。
这一新观点催生了若干种类型的侧重于压力损伤预防的智能床床垫的开发(S.Nageswaran等人,2012)。例如,威斯康星大学开发的IANSiS(智能自适应表面)床使用了5724个塑料可编程引脚,所述塑料可编程引脚可以将寝具区域离散化为较小的子区域并且操纵引脚的位置以基于实时接合部压力数据使接合部压力移位,希望总体上降低最大/平均压力负荷(G.Fiedler等人,2009)。然而,通过这种方法,由于引脚紧密结合在一起,它们可以增加皮肤上的剪切力,因此有可能发展成更严重的压力损伤阶段。
作者K.S Jaichandar和E.Garcia开发了“智能感测”智能床系统,所述智能床系统(K.S.Jaichandar,2011)使用一种使用连接到气流控制模块的温度传感器阵列聚焦于皮肤温度的参数的不同的方法,所述气流控制模块在患者下方提供气流,从而导致局部微气候的变化(温度和润湿度)。这种方法的缺点是,没有将压力这一参与压力损伤形成的重要身体参数考虑在内,使得系统易受早发性压力损伤形成的影响。这些装置是必要的,但还不够。现成的传感器阵列可以用于捕获压力图,但是由于智能床应用所需的处理水平,由专利提供的水平和准确性在智能监测系统中使用的误差范围太高而在商业上不可用。
特别是,压力损伤形成中涉及的所有环境因素的时间戳分布图像可以被构建成促进检测/分类(身体移动分析)、局部风险识别以及相关数据的潜在可视化,所述相关数据可以用来驱动闭环系统以自动化和简化压力损伤管理的整个过程。
当前的解决方案不提供预防性措施,而在压力损伤一旦形成时专注于分析。此外,研究阐明,压力不是用于确定压力损伤的唯一度量标准。湿度和温度在压力损伤的形成中同样重要。压力损伤治疗产品市场也见证了用于治疗的创新性床垫和床的引入。向基于家庭的护理的趋势的转变也推动了对此类产品的需求。
一些实施例可以使用适当的假设和方法论集产生前瞻性规划。这种规划可以涉及伤口呈现、个体用户(例如,患者)风险因素、以及可用响应动作的特征和类别。人工智能可以收集这些数据、规划、风险因素以及可用响应动作的特征和类别,以便产生可能呈现(例如,呈现给临床医生)的推荐响应动作。
在一些实施例中,一旦产生了推荐响应动作,它也可以被执行(例如,床自动再分配压力)。进一步,可以(例如,通过推送通知消息或电子邮件消息)通知终端用户(例如,临床医生)。
在一些实施例中,为了支持正在进行的治疗和/或证明改变合理性,在持续的基础上评估推荐的响应动作和已执行的响应动作的需求可能是持续的过程。因此,随着时间的推移在收集更多数据时,所述过程可能会变得更加有效(例如,与单个患者有关的数据)。
本文所描述的实施例可以公开一种智能压力损伤预防系统,所述系统可以监测患者的皮肤以收集与压力、温度、和润湿度有关的数据。这种数据可以由具有高精度的多个传感器收集(1×1英寸,1×1cm等)。然后可以通过人工智能引擎(AI引擎)处理收集的数据以确定患者皮肤的脆弱性并且如果需要的话,使用多个压力可调空气单元对压力进行再分配(在某些情况下,这可能是144个单元)。应该理解,包括在本公开的实施方式中的可调空气单元的数量可以基于适合性而增加或减少。
在一些实施例中,压力缓解层可以包括在传感器垫层与空气单元层之间以增加患者的舒适度。这可以减少患者感觉到的移动,同时仍然允许压力调整以调整压力缓解层的坚度。
在一些实施例中,多个传感器可以检测压力、温度和润湿度,并且多个传感器的输出可以用于创建三个映射系统。学术研究表明,恰当实施的压力映射允许准确预测可能存在压力损伤风险的身体部位(例如,护士可能会被告知潜在褥疮的区域)。通过将由传感器检测到的区域指示为经受更高的压力,本文描述的系统、方法和设备可以传达何时(以及何种类型)压力再分配是必要的。热映射可以使用多个热传感器来检测皮肤表现出的炎症反应。湿度映射可以采用多个润湿度传感器(其可以包括但不必限于能够检测湿度的传感器)以提供关于具有潜在体液存在的检测到的润湿度与压力损伤之间的关系的信息。
在一些实施例中,软件平台可以分析来自压力传感器、润湿度传感器和热传感器的数据,并且可以向医护专业人员(HCP)提供通知以及提供动态时间表(例如,针对患者再分配),从而使负责伤口管理的HCP知情并且提高其有效性。当前,缺少通知和动态调度功能可能会给护士和护理者带来压力,因为他们不知道在任何给定时间患者的状态。
参考图1,提供了各自描绘根据一些实施例的压力缓解层和空气单元的部分的框图。提供了控制模块104、106和泡沫缓解102层以及实例双空气单元层110到114的描绘。双层空气单元110到114的目的可以是确保由用户(例如,医院患者的)身体的压力损伤风险高的解剖区域施加在表面上的压力的有效再分配(根据再分配计划)。控制模块104、106可以调节从形成各种感觉层的部分的传感器收集的信息和数据,当用户躺在泡沫缓解层102的顶上时,所述感觉层可以测量由空气单元110到114表现出的性能。泡沫缓解层102可以确保用户的舒适度,并且可以由被设计成为用户提供舒适性同时保护系统100的部件免于过度潮湿的材料构造而成。
在一些实施例中,使用双层垂直空气单元110到114设计可以允许通过控制空气层110到114中的空气压力来有针对性地控制施加在用户身体的特定区域上的压力。作为非限制性实例,它们的系统可以通过使用户身体的特定区域下方的一个或多个空气单元110到114放气来允许用户身体的特定区域处的低压。
图2可以描绘俯视图,其描绘了压力缓解层中的空气单元210a到210……n的阵列。所包括的框图可以描绘由阀倍增器控制的空气单元210a到210……n的顶层。空气单元的表面可以配备有一个或多个气候传感器,同时一个或多个压力传感器可以包括在210a到210……n中每个空气单元内。
在一些实施例中,可以利用一个或多个阀倍增器以使能够单独控制由系统100中的空气单元210a到210……n中的每个或其子集施加的气压(例如,仅选择性地控制用户身体下方的那些空气单元210a到210……n)。在所描绘的空气单元210a到210……n的顶层之下,可能存在附加的空气单元层,所述附加的空气单元层可以关于所描绘的空气单元210a到210……n的阵列以垂直布置排列。如上文所描述的,每层中的空气单元210a到210……n可以是独立可控的。在一些实施例中,一个或多个阀倍增器可以联接到每个空气单元210a到210……n,并且空气单元210a到210……n可以通过可收缩管道或织物连接到所述阀倍增器。
参考图3A和图3B,提供了各自分别描绘根据一些实施例的阀倍增器的顶部部分的俯视图和等距视图的示意图。凹槽304可以是阀倍增器的一部分中的圆形通道。由凹槽304创建的圆形通道可以作用于来自压力泵的流过阀倍增器的顶部并到达孔306的空气。
参考图4A和图4B,提供了各自分别描绘根据一些实施例的阀倍增器的底部部分的俯视图和等距视图的示意图。阀倍增器的底部部分可以包括一个或多个电机安装点404、多个出口402、至少一个轴插入件406和至少一个入口408。电机安装点404可以用于使电机能够附接和/或联接到阀倍增器的底部部分。多个出口可以是阀倍增器的底部部分的主体中的圆形通道。多个出口可以包括阀倍增器的底部部分中的通道的离去点,所述通道的入口可以是入口408。轴插入件406可以用于使电机的驱动轴可旋转地联接到阀倍增器的底部部分。所述电机的操作可以进而导致驱动轴的底部部分绕轴线旋转(例如,驱动轴联接到轴插入件406)。阀倍增器的底部部分相对于阀倍增器的顶部部分的旋转可以使出口402与阀倍增器的顶部部分的孔306对准。结果,底部部分旋转到特定角度可能导致从压力泵排出的空气从阀倍增器的底部部分中的特定出口402排出。
参考图5和图6,提供了根据一些实施例的阀倍增器系统的部件的等距视图。在一些实施例中,阀倍增器可以是有源部件,所述有源部件可以用于根据由单个电机控制的特定旋转移动将气流从至少一个入口(例如,入口408)分配到多个出口(例如,出口204),所述单个电机通过电机安装件506可旋转地联接到阀倍增器。
在一些实施例中,电机可以对准倍增器的两个盘504、502(例如,底部部分和顶部部分)以打开至少一个空气单元516与压力泵之间的直线。控制系统可以发出可以使电机将电机臂旋转到特定角度的电子指令-联接到电机孔506的所述电机臂可以使倍增器进入特定的对准,所述对准可以使得来自压力泵的空气能够流过阀倍增器的某些入口和出口,以填充特定的空气单元516A到516C。这可以包括将至少一个特定度转弯消息传送给联接到倍增器的电机。这个设计可以考虑到低轮廓设计,并且通过使能够从单个电机控制多个空气单元516A到516C来降低系统的部件成本。
在一些实施例中,顶盘502可以包括单个入口和围绕盘形主体的周边的多个出口。可以使用中心位置的洞(508)将电机轴传递到底部阀盘504。
在一些实施例中,电机安装件可以使至少一个电机(例如,步进电机)连接到阀倍增器上。电机轴到底盘504的附接可以使能够旋转控制倍增器。
在一些实施例中,底盘504可以包括具有至少一个单个突出凹槽的至少一个环形凹槽。这个环形凹槽可以沿着不与路径顶盘502出口(例如,402)相交的路径。顶盘402可以具有至少一个入口,所述入口可以定位在环形凹槽上方,以便维持到凹槽的恒定气流。当启动电机时,可以旋转突出凹槽(例如,306)以对准期望出口(例如,402)。
在一些实施例中,可以包括至少一个三通阀508,所述三通阀可以具有用于控制3条管线之间的流动的螺线管。三通阀可以用于控制哪些歧管510A到510B向倍增器供应空气。
在一些实施例中,可以包括多个歧管510A到510B,以便复用从压力泵打开的管线。止回阀可以在歧管内使用或在将歧管连接到倍增器的管子中使用,以便限制空气流向单一方向。歧管510A到510B可以连接到如压力泵和/或真空等流动源。
在一些实施例中,这种设计可能导致空气压力传输到单个空气单元516A到516C的速度变慢。优化可能是阀倍增器有效和无缝工作的关键。利用最后一英里优化算法结合传感器和用户反馈,可以确定最佳的压力调节模式。这种最佳压力调节模式可以被解释为步进电机在正确的时间执行适当的转弯的命令。强化学习建模可以允许通过基于用户对模型的特定性能反馈优化倍增器来定制最佳的压力释放阀的配置。
参考图7,提供了描绘根据一些实施例的压力损伤管理系统的部件的横截面侧视图的框图。可以包括覆盖物702。在一些实施例中,使用适合的覆盖物702的系统100的适当功能可能是至关重要的,所述覆盖物介接在系统100与外部环境之间。可能需要覆盖物702可透水蒸气并且所述覆盖物702是低型面的,以便防止由压力感测层(例如,708到710)和气候感测层(例如,702到704、722,或参见图27A、图27B和图27C中的2724)的部件所记录的温度读数和压力读数变形。对覆盖物702的构造材料的选择的另一主要限制因素可能是这种材料可能需要防水以防止流体进入系统100。在非限制性例子中,聚四氟乙烯织物膜可以用于满足这些要求,并且可以允许适当地测量来自气候感测层(例如,702到704、722,或参见图27A、图27B和图27C中的2724)的环境信号和来自压力感测层(例如,708到710,或参见图27A、图27B和图27C中的2726)的压力信号,同时保护系统100免受由于流体与电子部件之间的接触而造成的损坏。
在一些实施例中,气候板704和气候电缆722可以在覆盖物702的下面。气候板704可以包括多个气候传感器(例如,参见图27A、图27B和图27C、图2724)。这些部件可以促进测量和监测用户身体的各种特征。这些特征可以包括用户身体的温度和湿度。为了实现这一点,气候板704中的气候传感器可以通过气候电缆706、722(例如,图27A、图27B和图27CC中气候微控制器(气候MCU)2756)连接到微控制器,并且可以使用数字数据输送协议从这种微控制器传输和接收数据。
在一些实施例中,压力板708和压力电缆710可以定位在气候板704和气候电缆706、722下方。压力板708和压力电缆710可以是压力感测层的部件(参见图27A、图27B和图27C,2726)并且可以含有多个传感器,所述传感器可以产生系统100使用的用于测量和监测用户位置的数据、评估用于指示患者舒适度水平的数据、识别有患压力损伤风险的用户身体上的各个点(例如,风险区域)、识别压力是否正在或已经施加于风险区域上、测量其它应用中用于各种保健目的的用户位置(例如,睡眠监测、损伤监测)。
在一些实施例中,压力感测层2726可以适合于健康和保健行业中用于寝具或座椅应用的产品开发。非限制性例子可以包括:测量和监测用户位置;评估患者舒适度;识别风险区域上的压力;出于保健目的测量用户的位置(例如,睡眠监测)以及其它应用。
在一些实施例中,压力缓解层750可以定位于压力电缆710下方,并且可以缓解空气单元714相对于用户移动的移动。这可以允许用用户和/或系统100的部件的最小移动来分配施加在用户的某些身体区域上的压力。
在一些实施例中,可以包括一个或多个空气单元714。每个空气单元可以包括用于检测空气单元714内的空气压力的一个或多个压力感测层。在一些实施例中,可以提供多个空气单元714。空气单元714可以形成压力释放系统的一部分(例如,参见图27A、图27B和图27C,2702)以根据生成的压力再分配计划对压力进行再分配,并且在非限制性例子中,可以采用多个立方体聚氯乙烯(PVC)单元的形式,其中至少一个管子适配器716通过至少一个可以提供气流的管道718连接到空气单元714(例如,通过一个或多个空气泵和一个或多个倍增器724)。空气单元704可以是本公开的传感器垫的构造的基本单元,并且可以用于响应于由系统100捕获和处理的各种传感器数据(例如,压力、温度、湿度等)再分配施加在用户身体各部分与覆盖物702之间的压力。在一些实施例中,倍增器724可以用于将气流从单个入口(例如,经由管子连接到空气泵的进气口)分配到多个出口,所述多个出口可以连接到空气单元714(所述入口和出口形成倍增器724的一部分)。
参考图8,提供了示出根据一些实施例的压力感测层的部件的框图。可以包括顶层808。在一些实施例中,将适合的覆盖物用于顶层808的系统的适当功能可能是至关重要的,所述覆盖物介接在系统与外部环境之间。可能需要顶层808可透水蒸气并且所述顶层808是低型面的,以便防止由压力感测垫802(例如,空气单元804A、传感器810)和气候感测层(例如,参见图27A、图27B和图27C中的2724)的部件记录压力读数和温度读数变形。对覆盖物808的构造材料的选择的另一主要限制因素可能是这种材料可能需要防水以防止流体进入系统。在非限制性例子中,聚四氟乙烯织物膜可以用于满足这些要求,并且可以允许适当地测量来自气候感测层(例如,参见图27A、27B和27C中的2724)的环境信号和来自压力感测层(例如,708到710,或参见图27A、27B和27C中的2726)的压力信号,同时保护系统免受由于流体与电子部件之间的接触而造成的损坏。
参考图9,提供了示出根据一些实施例的压力损伤管理系统的床垫实施方式的元件的广泛概述。这个实例实施方式包括具有防腐覆盖物902的顶表面,用户可以躺在所述防腐覆盖物顶上。这种防腐覆盖物可以帮助确保外来物质(例如,体液)不进入本公开的所描述的实施方式900中。含有各种传感器(例如,压力传感器和气候传感器)的传感器垫904可以放置在防腐覆盖物902的下方。传感器垫904可以检测用户的各种属性(例如,用户身体各部位对防腐覆盖物902以及然后对各种传感器垫904中的各种传感器施加的压力、湿度、温度等),并且可能导致表示所述检测到的属性的数据传输到一个或多个计算器件中以进行处理。传感器垫904内的部件还可以从计算器件接收指令,所述指令可以改变传感器垫904内的传感器的功能。压力缓解物质906可以放置在传感器垫904下方和压力分配系统908上方。压力缓解物质可以用于抑制由压力分配系统在用户身体上产生的力,反之亦然。压力分配系统908可以包括在压力缓解物质906的下方。压力分配系统908可以采用各种压力产生或减小装置以增加或减少施加于在防腐覆盖物902顶上的用户的各个身体部位上的压力。
参考图10A,提供了根据一些实施例的空气单元垫的顶层构型的平面图。非限制性实施例描绘了包括六十四个空气单元(1004a、1004b、1004c等)的空气单元垫1002a的顶层。在空气单元(1004a、1004b、1004c等)中的每个内描绘的黑色正方形示出了根据实施例的每个空气单元(1004a、1004b、1004c等)的凹形顶部部分。所述凹形部分可以通过热成型产生。竖直和水平栅格线可以表示空气单元(1004a、1004b、1004c)之间的射频焊接(RF焊接)线(1008a、1008b、1008c等)。RF焊接(也被称为高频(HF)焊接或电介质焊接)可以是一种连结极性热塑性材料薄片的方法。
参考图10B,可以提供根据一些实施例的空气单元垫的底层FPCB构型1002b的非限制性例子平面图。所描绘的每个圆形部分可以表示管子连接器(1010a、1010b、1010c等)的位置。椭圆形部分可以表示传感器下沉销(1012a、1012b、1012c等)的位置,所述下沉销可以连接到一个或多个FPCB。
现在参考图10C,可以提供根据一些实施例的用于气候传感器层的FPCB构型1002c的非限制性例子平面图。所述实例可以描绘位于压力传感器空气单元(例如,1004a、1004b、1004c等)之间的气候传感器层的FPCB的构型,以允许两个层(例如,气候传感器层和压力传感器层)的可映射构型。
现在参考图10D,可以提供用于位于压力感测层下方的压力空气单元的FPCB构型1002d的非限制性例子平面图。如所描述的,每个FPCB可以垫在四个压力下沉销的下面,以便在空气单元传感器与通信系统之间提供安全、灵活的连接。
参考图14,提供了根据一些实施例的实例调度用户界面的图示。
参考图15,提供了根据一些实施例的实例患者信息用户界面的图示。
参考图16,提供了描绘根据一些实施例的数据收集和处理传感器数据收集到风险图生成的实例方法的框图。根据一些实施例,本文描述的各种软件和硬件元件可以串联工作,以提供可以帮助防止压力损伤的解决方案。图16中描绘的示例性实施例包括针对其软件元件的四个主要部件:1.调度;2.可视化;3.数据分析;以及4风险映射和/或压力再分配。
在示例性实施例中,一旦本公开的系统100的硬件部件(例如,硬件1602)已经收集了各种传感器数据且将其传输到计算器件,则可以过滤所接收的数据。“清理”数据1606可以摆脱不需要的或不适当的值,并且对实现有益的数据分析和后续动作可能是至关重要的。清理所接受的数据的第一步可能是对其进行过滤1604。
在一些实施例中,可能首先需要硬件1604与软件之间握手以完成数据过滤1604。握手是用于描述计算机(例如,机载计算机)与硬件1602的各个部件之间的双向通信的术语。双向通信可能需要:a)出于数据分析目的,允许计算机接收数据;b)请求任何必要的数据(例如,引导形成硬件1602的部分的传感器记录值);以及c)控制硬件1602的各个元件(例如,使特定的空气单元充气/放气,以便在用户身体的特定区域处提供有针对性的压力释放)。
在一些实施例中,过滤1604可以开始于首先将数据从形成硬件1602的部分(例如,并入本公开的床垫)的一个或多个传感器(例如,压力感测层中的压力传感器)传输到计算机以及将所有所接收的数据点聚合在所述计算机的存储器中。接下来,计算机可以处理数据点并且可以识别没有表现出压力(例如,从传感器接收到“零”值的位置)的一个或多个数据点。由于可以循序地并且以相同的顺序接收数据,所以计算机能够创建风险栅格模型并且将每个传感器与在其上的坐标相关联。识别没有接收到的压力数据的位置可能很重要,因为此类值可能反映在某个区域处没有肢体存在(例如,床垫上的某些区域上)。然后,这可以帮助识别需要读取哪些其它传感器值(例如,湿度和温度传感器值)(例如,在没有从压力传感器接收到数据的情况下,可以不处理危险栅格坐标处的相应传感器的其它传感器值)。这还可以优化本公开的软件元件的操作。
在一些实施例中,在读取压力传感器后,机载计算机可以在压力数据不等于零或存在空值的情况下继续请求坐标处的湿度和温度传感器值。这可能是第二个握手步骤。通过根据压力传感器接收的数据接收其它传感器值(例如湿度和温度值),系统可以维持传感器度量(在位置方面)之间的对齐,这可能是完成恰当数据处理和肢体识别步骤所必需的。在所有传感器度量的数据已经聚合后,可能会发生清理数据1606和提高其分辨率。
在一些实施例中,由于传感器和/或计算机技术的当前状态,可能需要某些优化和/或再优先化以提供本公开的更经济的实施例。再优先化的实例可能会影响本文描述的软件流程:仅仅依赖于传感器数据和位置可能只能达到目前的可视化分辨率。作为非限制性例子,如果仅仅基于接收到的位置和传感器数据创建正方形栅格,那么取决于传感器的数量,分辨率可能非常低。为了提高分辨率,本公开的实施例可以采用K-最近邻(KNN)聚类非参数分类和回归技术以推断传感器阵列空间中的值,以便提供高分辨率和精确的可视化。KNN聚类通过考虑特定点处的已知相邻值并求这些值的平均值来推断那个点上的值进行工作。
在一些实施例中,除了提高可视化的分辨率外,还可以使用KNN聚类来推断可能出现故障并返回NaN(不是数字)或超出范围值的传感器的值。当传感器发生故障时,通常会产生NaN值或严重超出范围的值(例如,要么是正数要么是负数)。在任一种情况下,这些值不能发送到数据分析和处理阶段,因为它们可能对预测机器学习模型的精确性产生负面影响。因此,KNN聚类可以用于推断可能值,并将清理数据发送到数据分析引擎。
在一些实施例中,清理数据后,下一步可能是身体映射1608。身体映射1608可以开始于根据身体区域(例如,四肢)分割传感器数据,这可以帮忙产生更好的输出以及因此更好且更精确的护理。例如,身体可以被分割成许多区段(例如,包括:头部、腹部、左臂和右臂、左腿和右腿、以及两个脚踝的8个区段)。传感器阵列(例如,参见图2)可以由传感器阵列的最可能从身体的区段接收数据的某个区域或某些区域来限定。作为非限制性例子,中间区段为顶部4in×10in。实现身体映射1608的实例方法可能包括以下步骤(图28所详细描绘的):
让患者躺在床垫上30秒以校准传感器;
基于传感器位置创建初始可视化,并且显示初始肢体映射(肢体映射可以通过处理传感器位置和历史数据两者来完成);
通过数据聚类和卷积神经网络方法获得历史数据,其中参考过去的数据来识别这些所获得的历史数据是正确的肢体和实际的肢体的可能性(而不是将另一个物体放在床垫上);
提示护士或其它操作者接受或拒绝肢体分割-这样做可能有两个原因:第一,当分割的数据被发送到分析引擎时,保持精确性;第二,通过概述在对应于正确肢体分割的现有数据中的值来训练系统;
如果护士说可以,则前进到将数据发送到云以进行处理;
如果护士说不可以,那么护士可以在热图上识别(例如,经由用户界面-参见图12、图15)肢体所在的位置,并且与数据一起发送这种识别以训练模型正确识别肢体。
当数据被发送到数据库时,每个肢体的数据可以包括在单独的表格中。这对于允许数据聚类提供关于特定肢体区域的更好分析和推荐动作可能是至关重要的。数据分析功能的这种改进可能是聚合特定肢体上的历史数据并且然后运行特定于每个肢体的分析的结果。
在一些实施例中,在完成身体映射1608之后,下一步可以是用于处理和分析数据的机器学习和人工智能模型,以产生可以包括使与某些肢体或身体区域相关联的某些空气单元充气和/或放气的指令的指令集。
参考图17,提供了描绘根据一些实施例的人工智能驱动的处理方法(AI模型)的框图。所述实例方法可以用于使用传感器数据的时间和空间依赖性映射通过人工智能提供基于结果的通知和监测。
在一些实施例中,数据过滤1702方法可以通过确定相互依赖的数据和相互依赖的因素之间的一个或多个空间关系来过滤AI模型不重要的数据(例如,AI模型功能不需要的数据)。可以导出一个或多个过滤算法(例如,通过强化学习过程),并将其提取到数据处理流水线的开头。
在一些实施例中,在1704,数据收集方法可以通过API或经由传感器多路复用节点(即,允许无限扩展连接的传感器而不会造成性能或可靠性显著损失的解码器嵌入式架构)连接或采用一个或多个类型的数据流(例如,传感器、视频、音频、用户输入、历史等),并且可以通过参考系统、主题或目的将所述数据记录在存储器中。
在一些实施例中,在1706,数据处理可以发生。数据处理1706可以按顺序包括多个步骤(例如,过滤->存储原始数据->清理处理数据->在空间上朝向数据->数据流)。数据建模中的步骤中的一个或多个可以使某些已处理的数据返回到数据过滤1702。例如,可以将在空间上和在时间上朝向的数据返回到数据过滤,以便产生更优化的数据集以进行处理。
在一些实施例中,数据整理(例如,将数据从一个“原始”数据的形式转换和映射为另一种格式,其目的是使其更适合和更有价值的用于如分析等各种下游目的)可以包括在硬件故障的情况下的高容差(在某些情况下,这可能是完全容差)。在这种情况下,AI模型可以辅助数据插补。作为非限制性例子,插补可以包括:在一些数据丢失的情况下,应用KNN聚类以提高分辨率和测量平均值以及邻域值,其中K等于邻域数。
在一些实施例中,本公开可以通过足够灵活的传感器垫来实施,所述传感器垫可以被调整以适应多种空间-本公开的软件元件可以用于响应于所接收的数据产生其本身的坐标栅格和肢体映射(智能协调)。
在一些实施例中,智能协调可以通过以下方法提供并入本公开的传感器垫的区域的映射:
步骤1:根据总体特征(分割身体)使实体聚类(K平均值)。根据总体身体分段使传感器垫聚类以便使与一个或多个肢体相关的传感器收集数据被识别为表示所述肢体的位置。
步骤2:捕获传感器到相关分段传感器并且应用AI(KNN)进行映射。KNN证实在所述位置处读取传感器数据,
步骤3:通过处理身体位置值的聚类和压力传感器的压力值来证实肢体位置。得到双重证实。
在一些实施例中,传感器位置可以通过以下方法映射到身体分段或肢体位置:
分阶段应用机器学习:将床垫聚类成分段,每个分段代表总体身体位置;应用AI(KNN)以将每个传感器映射到身体分段或肢体,而不会重叠或干扰其它聚类。这可以提高分辨率。
使用压力作为指示器来精确地将身体分段映射到传感器。
结束数据:传感器ID、xyz坐标数据、时间数据、以及读数可以写入存储器。
在一些实施例中,数据建模1708可以运行多代理、多模型方法,从而组合当前最精确的模型和最新的数据流(MAMM)组合,利用转移知识。这可能包括对输出进行排序或加权,以确定给定应用中最可靠的模型。接下来,可以应用模型以便在空间上映射在时间段期间记录的值1712。
在一些实施例中,可以基于两种类型的数据建立数据模型:历史数据(用户概况,EMR),和实时(例如,由传感器收集而不是从历史数据库中读取的数据)数据。历史模型可以与从将由用户产生的值记录为加强模型的基线的传感器接收的数据进行比较。然而,模型的重要特征(例如,最常返回可靠值的特征)可以始终保持为模型的最可靠影响因素。当建立新的模型时,可以对其中的某些值取平均值,并且可以保持精确度最高的加权模型。学习模型可以基于由此产生的预测的精确性来保持。
在一些实施例中,在建立新模型之前(例如,当1710返回到1702时),将保留产生高精确度的特征,通过保留这些特征,模型将不会失去精确度。可能需要充足的数据来执行特征检测和选择步骤。如果没有足够的数据来检测特征,模型就不能采用新的模型。
在一些实施例中,模型的分层输出和输入的一个或多个数据可视化1712可以在空间和时间上定向、与用户(例如患者)相关联,并且可以被显示。可视化可以通过多种界面显示,包括但不限于移动装置、基于web的用户界面、可穿戴装置、移动装置警报等。
在一些实施例中,虽然AI模型可以预测和推荐关于患者最佳再分配(例如,再分配计划)的某些动作,但可能需要/允许操作者(例如,护士)做出最终决定。为此,可以提供肢体位置传感器的实时视觉表示。
在一些实施例中,在1714,可以提供可执行的见解,并且其可以采用基于时间的通知形式,所述通知在结果风险图顶上在空间上叠加(参见例如图12、图15)。这可能允许操作者(例如,医生)验证由本公开产生的再分配计划中的再分配建议。基于时间的通知可能允许用户利用业务流程建模引擎进行可执行的见解,以允许操作者在发送/接收通知时轻松自定义。自定义可以采用但不限于智能阈值、条件语句、信号等形式,并且自定义可以允许将动作合并到特定用户的工作流中。最终,AI模型可以允许自主使用(例如,当由此产生的建议通过某个性能度量时)。
参考图18和图19,提供了根据一些实施例的促进压力损伤管理系统的硬件部件与软件部件之间通信的实例方法的流程图。
根据一些实施例,硬件部件(1808到1814)可以参考系统的物理IoT启用部件。这些硬件部件1808到1814可以能够从其中包括的各种传感器收集感觉数据,并且可以能够对计算装置提供的命令作出反应。
根据一些实施例,感觉垫1808可以是以限定图案或已知路线分布的多个传感器的布置,以允许感觉映射。
根据一些实施例,指示器可以允许以物理方式介接系统1800和用户1802(例如,用户界面装置)。当系统100需要用户1802采取行动时,指示器可能被激活。作为非限制性例子,这可以通过包括LED灯、触觉反馈或声音警报的指示器来完成。
根据一些实施例,控制箱1814可以是允许系统的硬件部件1808到1814和软件部件100介接的IoT启用的控制单元。控制箱1814可以含有一个或多个能够进行局部处理的计算装置。这可能允许系统100与外部硬件和应用独立地和协作地工作。这可能允许利用雾计算方法(也被称为雾联网或成雾)来控制和限制数据源之间的数据流。系统100可以基于隐私问题来使数据本地化(例如,存储在具体定位的数据存储中,以便遵守与健康数据相关的法律和法规),同时利用外部服务器来处理电能力。
根据一些实施例,可以包括区块链应用水平,以允许安全的分散化分类账,以便保护系统的隐私和安全包括区块链分类账还可以允许通过分散化分类账进行控制和追究责任,从而减少数据修饰。
根据一些实施例,API接口1816可以包括可以允许系统100与包括数据库、应用和硬件的其它系统之间介接(握手)的固件或软件。
根据一些实施例,数据仓库1818可以指一个或多个数据库,其中所有已收集和已处理的数据都被标准化和存储(这可以是本地的和/或场外的)。包括个人识别信息(PII)的私人用户数据可能被屏蔽以便混淆身份,并且可能在外部、场外、备份期间被排除。
根据一些实施例,数据整理和情境化1820可以是这样的过程,通过所述过程,所收集的原始数据(例如,来自如传感器垫1808中的传感器等硬件部件)通过一组优化的代理和过程来运行以进行清理和准备以用于如分析、建模和可视化等各种用途。整理和情境化中可能涉及各种步骤(例如,参见图16和图17)。
在一些实施例中,数据整理和情境化1820在硬件故障的情况下可能具有完全容差;AI系统可以辅助数据插补(例如,如果丢失一些数据,则可以应用KNN来增强分辨率并测量平均值和邻域值。K=邻域的数量)
根据一些实施例,数据摄取可以包括从各种API中捕获数据。系统100可以为预处理阶段输入、转移和/或加载多种数据类型。进入处理阶段的数据的控制可以是优化系统100以近乎实时处理结果的关键因素。这可以通过经由AI推荐者代理识别主数据类型和相关数据类型来完成,以便基于系统100可用的数据类型控制进入处理的数据流,以从整个数据源识别高质量数据集。
根据一些实施例,预处理可以包括使数据适合于通过用于分析、建模和可视化的体积、种类和速度满足定量和定性标准。可能需要对各种数据进行扩充和聚合,可能需要所述数据具有经识别的所述数据的重要特征(特征选择),可能需要对数据类型进行识别,可能需要适当的大小调整,并且可能需要数据清理如插补、归一化、平衡、无偏、索引和元数据指配。
根据一些实施例,在数据预处理完成后,可以执行区域分割、识别和跟踪。可以基于传感器位置相对于先前识别的各种实体/身体区域(例如,头、肢体、躯干、附器)的预限定分区来增加数据。作为实例,床垫的中心可能与含有用户臀部的身体区域/身体分段相关联。可以理解,用户包括实体,所述实体可以是可以在空间上监测以通过本公开建模的人类、有机体、物体或环境。
根据一些实施例,然后可以将如K均值等聚类算法应用于主要实体跟踪变量,以相对于彼此分割高发病率区域。例如,对于身体跟踪,压力可以用作每个预限定区域的k均值质心。这可以通过聚类质心来实现。如果所有的质心都相对于预限定的区域正确地聚类,则可以启动区域识别过程。如果预限定的区域质心丢失,则可以应用关联规则来预测丢失区域质心的位置和特征。
根据一些实施例,跟踪变量可以指主要用于在空间上映射期望实体的变量。例如,对于身体,它可以是压力,而对于热源,它可以是温度。
根据一些实施例,区域识别可以通过K均值建模和预限定分区来执行以预测区域位置和关联(区域或从属区域之间的关系)。可以通过与历史数据分区数据进行比较来验证区域识别(除了关联规则之外),以识别是否存在与针对性实体无关的缺失区域、数据异常或外来物体,以便进行过滤和扩充。例如,如果在区域上/区域处检测到异常,则可以在没有异常数据的情况下重新处理数据,并且可以再次执行区域分割过程。未知区域的跟踪可以在关联规则和历史数据的组合上进行预测。一旦区域识别得到验证。K均值跟踪变量可以与适当区域数据表中的其适当区域位置相关联。例如,对于身体跟踪,压力可以是跟踪变量,压力读数可以映射到与其传感器相关联的区域。这可以考虑到在一段时间跨度内与所跟踪区域介接的所有数据的时间线视图。
然后将与跟踪变量在空间上相关联的变量映射到与其到跟踪变量的位置相关的区域,以便给出跟踪和相关变量到区域的相对空间映射。
根据一些实施例,数据可视化1826可以包括与系统100交互的实体的映射。例如,作为第一步,使用聚类(k均值),传感器垫1808可以分为已知可能对应于与系统100交互的用户1802的各个部分的传感器聚类。接下来,它们的系统100可以捕获针对相关分段的传感器数据,并且应用AI模型(例如KNN)来映射。KNN可以用于确认读数在所述位置。
根据一些实施例,肢体/实体部分位置的确认可以包括使用两个基线值:身体位置聚类;以及床垫上传感器的压力值。这可能允许对区域分段进行两个独立的确认。为了精确映射,可以将AI(例如,KNN)应用于映射每个传感器,而不会重叠或干扰其它聚类。这可以提高分辨率。
一些实施例可以使用压力作为指示器来通过关联压力与其它传感器之间的关系精确地将身体映射到传感器(例如湿度与温度)。
根据一些实施例,数据整理和情境化1820可以包括生物度量认证和验证。每个实体和系统可以具有与数据库内的数据相关联的自身的唯一ID,以便验证记录数据和系统将验证的唯一实体的正确关联。可以使用相似函数和模糊逻辑来将记录的数据与期望实体历史数据进行比较以验证相似性。例如,使用压力曲线、睡眠模式和物理特性的组合,除了正常的认证协议外,还可以验证系统上的所记录的数据集以验证针对性用户的相似性。可以处理结果以证实数据的相似性,以便在相似性得分低于设定阈值时继续对实体进行相关数据记录或停止数据记录。
根据一些实施例,数据整理和情境化1820可以包括可以在实体进入系统100时执行的认证和验证。在操作期间也可以定期进行验证以确认适当实体的存在。
根据一些实施例,一旦数据整理和情境化1820完成,就可以应用多代理、多模型强化学习方法1822。然后可以利用数据来应用两种类型的建模,全实体集成建模和基于区域的建模。
根据一些实施例,可以利用强化学习来优化来自先前系统经验的学习知识以建立知识库。系统可以利用先前学习的模型来通过新实体与先前学习的模型实体的关联(例如,通过相似性)启动针对新实体的新的个性化模型。例如,具有与先前患者相似的内在和外在因素的新患者可以使用先前患者的学习模型作为新患者的初始学习模型的基础,从而允许利用先前的知识库。新学习的模型可以通过强化学习方法核心奖励和惩罚过程进行个性化。
根据一些实施例,当通过RL模型(通过系统或用户反馈)评估预测时,可以正面或负面地(例如,通过基于点的排序系统)评估所预测的实例。可以将评估的实例添加到知识库中。可以对已评估实例的类似实例进行升级或降级。这可以允许通过基于来自系统的反馈对实例进行排序来使模型个性化;使实例的重要性降级,这可能导致不准确的建议并且可能提高准确推荐实例的重要性排名。
在一些实施例中,通常基于属性的数量,可以相对地或绝对地对强化学习进行排序。强化学习算法任务可以是积极地强化准确预测并且消极地强化不准确的预测。每个建议都可能成为给定数据集中建立知识库的另一个实例。可以基于通过操作者(例如护士)或系统管理员1806)对系统性能的评级来周期性地更新模型。
在一些实施例中,全实体集成建模1822可以应用监督机器学习流水线过程来基于集成建模方法建立模型。可以对已选算法进行投票以选择用于期望结果的最精确算法。集成是一组机器学习算法(随机森林、SVM、深度学习、xg推进),所述算法通过投票选出其中精确度最高的算法。
根据一些实施例,由于多个实体区域,多代理区域建模1822可以使系统100应用多代理系统方法来指配学习代理以对期望结果进行建模。在多代理系统中,每个代理可以例如对身体的一个分段进行建模。每个身体数据分段可以具有用于将那个数据集应用于集成的唯一代理。
根据一些实施例,模型推荐者可以将多代理输出与全实体集成模型进行比较以进行验证和精确度确定。推荐者可以为每个区域选择多代理模型或全实体集成模型,以便为期望结果选择最精确的模型。推荐者模型输出可以保存到数据库中的其相关区域表中以用于分析和在空间上可视化。
根据一些实施例,历史数据1822可以由归因用户数据和结果组成;系统100可以收集关于模型输出的每个用户的行为。可以通过用户1802或系统反馈来增强建模数据。可以将每个推荐作为新实例输入到历史数据集1822中。
根据一些实施例,嵌入式BPMN引擎1824可以集成业务流程建模符号引擎以增强用于过程优化的工作流程。这可以允许系统100无缝集成到操作者的工作流程中,并且可以减少操作者改变以适应系统100的功能的需要。在一些实施例中,引擎消耗提供的工作流、规则和参数,以允许对执行工作流所涉及的自动化的和手动的步骤进行建模。
根据一些实施例,用户交互1830可以指应用程序的前端,用户通过所述前端将数据输入回到系统100中以进行处理(例如,用户界面装置)。系统100可以使用所述数据来校准、学习和将数据转换成消耗的期望格式。
例如,在混合式自主系统中,自动化代理可以向用户/操作者提供推荐,但最终决定可以由人做出。基本动作可以由人执行,而非必要动作可以由系统100执行。系统100的控制水平可以基于用户的模型性能、风险和行动授权进行调整。
根据一些实施例,空间指示器映射1830可以允许用户在空间上映射指示器的位置或关于建模实体的反馈。通过利用空间指示器映射,可以更好地训练模型以预测整个实体及其区域的结果。在一些实施例中,这对于跨实体构建本地化模型可能是至关重要的。
根据一些实施例,通过用户注册1830,用户可以注册到系统中并提供精确建模和有效工作流程建模所需的关键属性。这可以包括操作者完成一个或多个风险评估问卷(参见图14),这可能要求操作者将某些信息输入到系统100中。
根据一些实施例,报告生成器1830可以执行由用户1802通过系统100输入的数据的数字化。这可能允许通过增加IoT收集数据并通过建模进行转换的数据的有效信息共享和处理以产生新的见解。可以通过系统100生成报告以报告重要的相关信息。
根据一些实施例,数据可视化1826可以包括提供在空间和时间上定向的模型的分层输出和输入的可视化(例如,参见图12)。可视化可以通过多种界面显示,包括但不限于移动、基于web、可穿戴、装置警报、以及增强现实。
根据一些实施例,统计分析1826可以包括与建模结果相关联的变量的统计显著性分析。这可以包括平均、求和、方差、过滤和提取。
根据一些实施例,空间风险和结果映射1826包括将模型结果映射到建模实体的物理结构。这可以通过模型结果与建模数据的关联性完成,以确定后果结果和建模实体的空间关系。
根据一些实施例,空间IoT数据映射(参见图19,1902)可以包括由系统100收集的数据的映射。通过可视化工具将跟踪变量或空间限定的传感器映射到空间上表示映射的实体。没有限定空间参考的变量可以与已知空间变量在空间上相关联以便在实体上映射。
根据一些实施例,数据视图1828可以包括由系统100输出以供用户1802消耗的数据的表示。
根据一些实施例,通过活动流1828,通知可以由系统100生成,并且经由用户界面传输到与建模实体相关联的用户1802。通知可以填充活动流,以便以易于消耗(参见图11到图13、图15)的方式集中所有通知。
根据一些实施例,日历1828可以使能够查看系统100预测的需要用户在特定时间执行的通知和动作。这可以允许动作的时间关联和可用性的反馈响应系统100以将信息升级到适当的用户1802。
根据一些实施例,风险栅格1828可以提供“栅格”上的建模实体的视图。风险栅格视图可能含有用于监测的关键属性。可以部署栅格的条件格式化以将某些用户界面元素(例如,颜色改变、闪烁等)与来自系统100的输出相关联。
参考图23A和图23B,提供了根据一些实施例的风险评估方法的流程图。压力损伤风险评估量表具有过度预测的问题。从财政立场来看,这代表了医疗保健系统的主要问题。此外,这些量表并不像它们需要的那样全面。这是由卫生保健病房中较差的心理测量性能所表明的,在这些病房中,较高比例的患者携带额外的发病率。压力损伤风险评估量表本质上是其衰败的定性过程。我们承认“现有技术”压力损伤风险评估量表旨在从经验上捕获相同潜在构造的基本方面(移动/活动、皮肤/压力状态等领域)。我们也承认,压力损伤风险评估尺度上的每一个单一问题都不太可能代表压力损伤形成涉及的因素复杂相互作用的广泛范围。此外,它们确实是不严密的,因为它们不能在属性的不同级别(易于发生随机错误)之间区分精细程度。更具预测性的量表使用多个项来克服单个项的限制,以实现更好的精密度(如,优于Braden的InterRai)。
许多基于可靠性和有效性(根据用于提供标准化的Streiner和Norman)验证的研究提供了可以使用的结果(来自多个压力损伤风险评估量表的多个问题),以进行对患者的敏感性很重要的因素的更可靠的综合评估。换句话说,需要解决涉及“现有技术”评估量表所涉及的所有潜在构造-验证压力损伤风险形成中涉及的核心风险因素集。如果这些曾经不可观察的(潜在的)变量可以使用如生物传感器等定量测量工具来解决和量化,则可以解决潜在构造(压力损伤形成所涉及的主要领域),但具有精确性和可靠性。
进一步,视觉评估不是压力损伤风险评估领域的充分评估手段。这是由于如“湿度”和“移动性”等领域的性质根据定义需要更精确的方法来进行真正的测量。当前生物传感器和机器学习进展在压力损伤预防领域显示出了良好的前景。需要一种综合性自动化压力损伤风险评估系统,所述系统通过使用生物传感器取代视觉评估和压力损伤风险评估问卷,并且使用机器学习算法。
这种风险模型的总体目标可能是开发一种建模系统,所述系统基于环境参数经由生物传感器系统利用患者的历史数据和实时环境数据以在早期预测深部组织损伤并发送后续信号以启动动作(推荐或目标压力再分配)。在起作用的这种数据的情况下,监测系统就可以集成到医院病床上以根据生成的再分配计划基于患者的实时生物学数据为压力损伤形成中涉及的关键参数提供患者的自动再分配。由于接合部压力(寝具)与医院病床和患者的相互作用是压力损伤的关键原因,因此实时进行风险建模的智能床可以提供防止压力损伤的第一道防线。
有两个会导致压力损伤风险发生的主要原因。这些原因是内部风险因素和外部风险因素:
内部风险因素:
·种族和性别
·年龄
·移动性
·身体质量指数
·精神状态
·失禁
·重量
·姿势
·发病机理
·遗传因素
·体温
·关联病理学
·营养状态
·感觉
外部风险因素
·环境温度
·环境湿度
·护理营养
·重新定位
·接触表面
·压力
·剪切力
·摩擦力
目前,外部风险因素和内部风险因素的记录由医疗保健专业人员手动完成。本公开的方面可以能够通过使风险评估量表文书工作数字化来提取与这些风险因素有关的患者数据以及从EMR(电子医疗记录)或EHR(电子健康记录)提取所述患者数据。为了补充已提取的数据,配备的生物传感器可能能够识别患者的肢体,从而接近最可能发生压力损伤的位置。这些位置被称为身体的骨性突出,并且包括肩胛骨、肘部、骶骨、坐骨、转子、踝、脚跟、枕骨和脚/踝关节。
此外,这些生物传感器提供压力、温度和湿度数据的实时测量,所有这三项都包括在压力损伤的风险因素中。对这种数据的分析可以提供具有临床意义的有意义的信息,如:
·局部机械负载的大小
·皮肤温度和局部湿度的大小
·机械负载、温度和湿度的时长
·负载的类型(摩擦力、剪切力、接合部压力)
·组织的机械特性
·组织和骨骼的几何形状
以下提供了本公开如何应用这种风险模型的非限制实例,并且在图23A和图23B的流程图中描述了所述实例。列举出了一些身体骨性突出的温度数据。基线数据表明在特定个体的脚踝处存在27.8℃的温度。如前所述,0<V<Vmin表示低脆弱性区域。因此,在高达28.3℃的温度下,本公开可能无法识别对这个个体的脚踝组织的威胁。然而,从Vmin<V<Vmax或28.3℃<V<30℃开始,脚踝组织处于脆弱状态,这可能会提示释放警报通知。
身体部位 | 基线温度(℃) | Dmin | Dmax |
1.脚踝/足 | 27.8 | +0.5℃ | +2.2℃ |
2.骶区/驱干 | 31.3 | +0.5℃ | +2.2℃ |
3.头和颈 | 32.9 | +0.5℃ | +2.2℃ |
4.上臂和后背 | 24.6 | +0.5℃ | +2.2℃ |
5.下臂/肘部 | 27.7 | +0.5℃ | +2.2℃ |
6.小腿/膝盖之间 | 25.8 | +0.5℃ | +2.2℃ |
7.踝关节之间 | 27.8 | +0.5℃ | +2.2℃ |
本发明可以针对压力和湿度应用此相同原理。这种信息连同提取的患者数据可以提供“敏感性矩阵”,通过所述“敏感性矩阵”可以在个体组织水平上评估损伤。
根据一些实施例,本公开可以使用全身颜色编码的风险可视化来提供增强的风险评估方法。基于实时生物传感器数据和这种全身可视化,可以生成根本原因分析报告,从而向护理者提供关于身体的每个位置处的压力损伤风险背后的促成因素的信息。如果需要采取紧急动作来防止压力损伤发生,则可以通过本公开向操作者(例如,护士、护理者、医生等)提供通知,并且可以执行有针对性的压力自动化重新调整(例如,通过压力释放-参见图27A、图27B和图27C中的2702)。
1.3脆弱性模型
研究表明,由于某些机械负荷在每个个体内产生的损伤量不同,因此一些个体比其它个体更容易受到压力损伤。这可以进一步分解为两个原理:
组织的内部机械状态取决于两个方面,即患者组织的机械和/或几何特性的变化
其它因素在这个过程中发挥作用,例如缺乏组织修复、坏组织灌注和新陈代谢改变
让‘V’测量基于由模型提供的数据和信息产生压力损伤的脆弱性。让‘t’表示关于系统激活的时间。0<V<Vmin表示系统未识别对压力损伤形成直接威胁的区域并且指示低脆弱性。区域Vmin<V<Vmax表示可动作区域,其中表皮完整性处于脆弱状态。将生成关于脆弱性的警报通知。超过Vmax,当前数据实现预知区域,其最有可能呈现压力损伤的发展。仍会生成警报通知。曲线a和b表示系统记录较低脆弱状态的时间,其指示已产生的预防性措施。
这使系统能够评估每个肢体上的压力损伤形成的潜在风险,因为不同的姿势使肢体暴露于不同量的压力负荷,当病人移动时所述压力负荷会发生变化。当在设定的时间间隔内自动重新定位患者并且以颜色编码区域的形式在视觉上表示风险/向其它系统发送一系列请求时,这允许进行有针对性且基于洞察力的压力再分配。
现在参考图24和图25,这些附图可以分别提供了根据一些实施例的压力传感器FPCB和气候垫FPCB(例如,压力传感器层2726和气候感测层2724中的压力垫2748和气候FPCB 2742)的实例总线布置的平面图。
现在具体参考图25,在一些实施例中,气候传感器(例如,2502到2532)可以通过两个数字协议连接:SPI和I2C。I2C协议是非常常见的实例并且可能需要仅2根导线来实现连接(时钟线(SCL)和数据线(SDA)),但是对于有效结合到系统100中可能太慢(即400KHz),图22中描绘了所述协议的实例。I2C可能具有的另外的限制在于,其可以支持最多127个传感器。此外,I2C的抗噪声阈值可能不合需要地低,因为总线可以携带所有传感器的所有地址和数据。
相比之下,另一方面,串行外围接口(SPI)协议可能比I2C(即10MHz)更快、因为没有寻址可能支持无限量的传感器、并且因为其具有用于所发送数据的专用线和用于所选装置的专用线可能不受噪声影响。然而,SPI可能需要4根导线(串行时钟(SCK)、主输出从输入(MOSI)、主输入从输出(MISO)和芯片选择(CS)),因此硬件结构可能更复杂,尤其是因为每个传感器都需要独特的CS信号。
可以有为每个传感器(例如,2502到2532)生成独特的CS的两种方式:移位寄存器;以及解码器/多路分解器。有源低解码器可能比移位寄存器更合适,因为逻辑是直接TTL而不需要时钟同步,所以传播延迟可能小于15ns。此外,在没有解码器的情况下,可以同时选择两个传感器,这可能是由来自两个级联寄存器的同时信号引起的。虽然解码器可以确保给定输入只有一个有效输出并且可以确保所有其它输出都是无效的。使用解码器的问题可能是输入的数量,所述输入的数量应该根据以下公式确定:X=Log2(Y);其中X是输入数量,Y是输出数量。例如,在512个传感器(输出)的情况下,可能需要具有9个输入的解码器来解码以对传感器进行解码,因为可以通过使用微控制器的数字输出来解决这个问题。因此,在考虑传感器的数量(例如,2502到2532)之后,微控制器应该具有一些自由数字输出;这可能是使用控制器的优势之一。
连接到解码逻辑:
地址可以通过微控制器的数字输出传送到解码器(例如,2534到2542),所述微控制器的数字输出将与解码器(例如,2410到2418、2534到2542)的输入共享。然而,由于扇出问题,这种配置可能无法通过简单的直接连接实施。每个I/O引脚的DC电流可以是40mA并且每个解码器(例如,2534到2542)输入的DC电流可以是20mA。结果,可能的情况是,单个微控制器引脚可能最多连接到两个相应的解码器(例如,2534到2542)的输入。例如,如果四个解码器连接在一起,它们将吸收4×20mA=80mA,而解码器(例如,2534到2542)仅可以提供40mA,这将导致故障。
在一些实施例中,可以使用一个或多个线缓冲器2546来解决这个问题并且可以维持寻址线的稳定性。线缓冲器2546可以在正逻辑中执行布尔函数Y=A。缓冲器输入的DC电流可能仅为1mA,而其DC输出为40mA。因此,40个缓冲器线缓冲器2546可以连接到单个微控制器引脚并且它们中的每一个可以供应两个解码器输入。本公开的一些实施例实施两组4个线缓冲器2546,所述线缓冲器中的每一个可以连接到微控制器输入并且可以馈送两个解码器(例如,2534到2542)。可以将一个或多个上拉电阻器添加到线缓冲器2546的输出,因为它们是(开路集电极)OC输出。
读取程序:
在一些实施例中,微控制器可以检查SPI总线的就绪状态并且可以在出错的情况下返回相应的错误消息。如果没有错误发生,则读取循环可以从传感器编号1(例如,2502)开始并且可以以最后一个传感器结束(例如,2532)并且可以再次重复所述循环。循环计数器可以等于传感器编号并且可以在微控制器输出上转换为二进制数作为地址。
在非限制性示例实施例中,每个传感器的地址位可以具有(xxxx,xxxx)的格式。最高有效位(MSB)可以能够选择解码器之一(例如,2534到2542),并且最低有效位(LSB)可以能够选择连接到特定解码器的十六个传感器(例如,2502到2532)中的一个。可以激活所选传感器(例如,2502到2532),并且如果激活的话,所选传感器将占用由所有传感器共享的SPI总线。在此占用期间,传感器(例如,2502到2532)可以经由MOSI线从微控制器接收命令并且然后可以经由MISO线将结果发送到微控制器(例如,2756、2580),这可以通过SCK线同步。此时,微控制器(例如,2756)可能已经完成了读取程序并且循环计数器可以递增1以选择下一个传感器(例如,2502到2532)。下一个传感器编号可以被转换为(xxxx,xxxx)格式并且可以再次发送到解码逻辑(2766),所述解码逻辑可以取消激活先前的传感器(例如,2502到2532)并且激活下一个传感器。这可以允许恰当使用SPI总线并且与微控制器进行可靠通信(例如,2756、2580)。
在一些实施例中,除了循环程序过程之外,可以实施轮询/读取程序。根据轮询读取程序的示例实施例,当主控制器2762指示应该在不等待整个完整循环完成的情况下读取来自特定传感器的值时,主控制器2762可以将与特定期望传感器相关联的数字发送到一个或多个微控制器。作为响应,微控制器可以将与传感器相关联的数字转换为二进制并且随后可以执行用于从传感器检索值的过程。此过程的优点可以是可以为系统100提供更大的灵活性并且可以在特殊情况下进一步减少时间和功耗,其中来自一个或多个特定传感器的数据比循环允许立即或更频繁地需要(例如,操作者指示如果患者中出现压力损伤,则患者的特定身体区域会出现并发症的高风险)。
在一些实施例中,可以使用一种以上类型的PCB来实施本文概述的设计方法。根据上述设计方法,可以利用两种类型的PCB:含有解码器2766和缓冲器2766的数字接口(例如,2754、2490、2590)可以使用刚性PCB来实施,而可以使用柔性PCB来实施各种传感器和附属的电子部件。气候FPCB(例如,2742)可以使用柔性PCB构造,因为它们可以被设计成安装为气候感测层2724的一部分,所述气候感测层形成传感器垫2704的一部分,所述传感器垫进而可以被设计成形成床垫的一部分或与所述床垫联接。数字接口2754可以是刚性的,并且可以位于含有主控制器2762和微控制器的同一控制盒2708中。作为非限制性例子,这种刚性板可以是屏蔽板。此类构造可以节省控制箱内的空间,因为屏蔽板可能不需要导线。
现在参考图26,可以提供根据一些实施例的用于气候感测层的控制印刷电路板(控制PCB 2600)的非限制性例子示意图。控制PCB 2600的实例示意图可以证明通过解码器与缓冲器堆叠到连接器到控制器的多个连接器之间的追踪。控制PCB 2600可以包括一个或多个层刚性PCB,其可以含有所需的逻辑电路(例如,解码器、缓冲器上拉电阻器等)以及可以向控制PCB 2600馈送信号数据信号和/或电力的端子(例如,寻址线、SPI线、供应线等)。控制PCB 2600还可以包括扁平柔性电缆(FFC)连接器,其可以将传输的CS信号传输到一个或多个所包括的柔性PCB、PCB和/或将SPI+供应线传输到柔性PCB。
在一些实施例中,控制PCB 2600可以连接到一个或多个压力PCB,其可以在来自耦合到一个或多个空气单元(例如,空气单元2710)的一个或多个压力传感器的一个或多个DIP连接器之间提供连接。压力PCB可以进一步包括到一个或多个压力传感器(例如,经由FFC)的连接。
气候PCB:证明表面安装的MEM传感器与用于扁平柔性电缆的连接器之间的追踪
现在参考图27A、图27B和图27C,可以提供非限制性框图,其描绘了根据一些实施例的压力损伤管理系统的部件。
在一些实施例中,线束2706可以是无源介质,所述无源介质可以用于连接控制箱2708和压力损伤管理系统100。线束2706的主要功能可以是含有和保护所有电缆和管子。
在一些实施例中,气候电缆2752可以是一个或多个电子电缆,其功能是将气候感测层2724的电子部件连接到控制箱2708。气候电缆2752还可以将数字接口2754与气候柔性PCB(气候FPCB)2742连接并且还可以将多个气候柔性PCB 2742互相连接以便将数字信号、电力等传输到它们和/或使数字信号、电力等通过其中。
在一些实施例中,压力电缆2750可以指代可以将压力感测层2726连接到控制箱2708的一个或多个电缆(例如,电子电缆)。
在一些实施例中,传感器垫2704可以指用户(例如,医院患者)可以躺在顶上的物理垫。传感器垫2704可以包括气候感测层2724、压力感测层2726、覆盖物2722以及本文所述的其它部件,并且可以采用所述部件以便从患者收集测量各种生物信号的数据(例如,通过从皮肤读取水分、温度和/或感测由患者身体施加在传感器垫2704内的部件上的压力)。可以实时读取和处理所收集的数据。
在一些实施例中,传感器垫2704可以包括两个单独的层,每个层具有其自己的部件。这些层中的第一层可以是气候感测层2724,并且第二层可以是压力感测层2726。传感器垫可以进一步包括一个或多个发光二极管(LED)指示器,其可以形成气候感测层2724或压力感测层2726的一部分并且可以用于提供系统100的部件的各种操作状态的视觉指示。在一些实施例中,传感器垫可以进一步包括具有提供睡眠跟踪器2720功能的部件。睡眠跟踪器可以利用经由压力感测层2726、气候感测层2724以及其它传感器(例如,麦克风)收集的数据以收集和分析数据,以便在睡眠时测量用户的各种特征。
在一些实施例中,压力感测层2726可以测量和监测用户的位置、评估指示患者舒适度水平的数据、识别有患压力损伤风险的用户身体上的各个点(例如,风险区域)、识别压力是否正在或已经施加在风险区域上、测量其它应用中用于各种保健目的的用户位置(例如,睡眠监测、损伤监测)。压力传感层2726可以包括模块化系统,所述模块化系统适用于涉及身体压力和生物信号测量的多种应用。
在一些实施例中,压力感测层2726可以适合于健康和保健行业中用于寝具或座椅应用的产品开发。非限制性例子可以包括:测量和监测用户位置;评估患者舒适度;识别风险区域上的压力;出于保健目的测量用户的位置(例如,睡眠监测)以及其它应用。
在一些实施例中,压力感测层2726可以允许检测施加在表面上的可能增加在用户身体上形成皮肤溃疡的风险的不均匀的压力。对由用户身体施加在表面上的压力(如可以由压力感测层2726提供)的准确监测可以允许系统100生成警报、通知、报告、用户再分配(例如,将患者身体重新定位在医院病床上)时间表、或与用户的可以降低损伤风险的其它建议的相互左右(包括但不限于压力损伤和皮肤溃疡)。
在一些实施例中,气候感测层2724可以测量和监测用户身体的各种特征。这些特征可以包括用户身体的温度和湿度。为了实现这一点,气候感测层2724可以采用一个或多个气候传感器2746,所述一个或多个气候传感器可以连接到微控制器(例如,气候微控制器(气候MCU)2756)并且可以使用数字数据输送协议从这种微控制器传输和接收数据。
在一些实施例中,气候感测层2724可以包括多个气候传感器2746,所述气候传感器可以直接安装在一个或多个柔性PCB(例如,气候FPCB 2742)上。柔性PCB可以经由扁平柔性电缆(例如,气候电缆2752)彼此连接,所述扁平柔性电缆可以用于向和/或从气候感测层2724及其部件传输数据和电力。
在一些实施例中,气候FPCB 2742可以包括直接位于传感器垫2704顶上的两层柔性PCB。这种构型可以确保形成气候感测层2724的一部分的温度传感器保持靠近系统100顶上的用户的身体。在一些实施例中,气候感测层2724中的气候传感器2746可能需要保持足够接近用户的身体以确保准确的读数。
在一些实施例中,除了任何所需的SMD电阻器、电容器和/或LED之外,气候FPCB2742可以具有直接安装到其上的气候传感器(其可以是表面安装设计或“SMD”气候传感器)。在一些实施例中,气候FPCB 2742可以进一步包括数据连接器,所述数据连接器可以用于提供协议输入线和输出线以及用于转移由气候传感器2746记录的测量的数据输送线。在一些实施例中,气候FPCB 2742可以是单侧的。这种单侧设计可以使气候FPCB 2742更具灵活性和可靠性。气候FPCB的尺寸可以是均匀的,因此板将处理更多的弯曲和压力。
在一些实施例中,气候FPCB 2742可以容纳一个或多个气候传感器2746。在非限制性例子中,气候传感器2746可以是3.5V、0.5C精度、数字串行外围接口(SPI)/内部集成电路(I2C)SMD传感器。气候传感器2746可以直接安装在气候柔性PCB上。
在一些实施例中,气候传感器2746可以包括基于经验证的感测原理的组合的数字湿度和温度传感器。在非限制性例子中,气候传感器2746传感器模块可以容纳在极其紧凑的金属盖接地栅格阵列(LGA)封装体中,占用面积仅为2.5×2.5mm2,高度为0.93mm。在一些实施例中,气候传感器2746可以在需要湿度和温度测量的所有应用中实现高性能。系统100的多个使用情况可能同时需要高精度和低TCO(例如,家庭自动化控制、室内导航、医疗保健以及GPS细化)。气候传感器2746的配置可以导致适用于快速环境感知应用的快速响应时间和在宽温度范围内的高整体精度。气候传感器2746还可以针对低噪声和高分辨率进行优化。
在一些实施例中,气候感测层2724可以包括一个或多个SMD LED指示器2744,所述指示器可以用于在用户(例如,医院患者)离开系统100的传感器垫2704之后指示一个或多个关键位置。系统100的LED指示器2744操作者(例如,护士)确定在身体中可能发生损伤(例如,压力损伤、皮肤溃疡)的高风险的区域。
在一些实施例中,泡沫薄层可以包括在气候感测层2724上的气候传感器2746上面以防止用户的身体(例如,医院患者)直接接触气候FPCB上的SMD部件(例如,气候传感器2746、LED指示器2744)。
在一些实施例中,覆盖物2704可以包括在传感器垫2704的顶上。在一些实施例中,使用适合的覆盖物2704的系统100的适当功能可能是至关重要的,所述覆盖物介接在系统100与外部环境之间。可能需要覆盖物2704可渗透水蒸气并且覆盖物2704是低型面的以便防止由压力感测层2726和气候感测层2724的部件记录的压力和温度读数变形。对覆盖物2704的构造材料的选择的另一主要限制因素可能是这种材料可能需要防水以防止流体进入系统100。在非限制性例子中,聚四氟乙烯织物膜可以用于满足这些要求,并且可以允许对来自气候感测层2724的环境信号和来自压力感测层2726的压力信号进行适当的测量,同时保护系统免受由于流体与电子部件之间的接触而造成的损坏。
在一些实施例中,睡眠跟踪器2720可以利用嵌入传感器垫2704中的低型面睡眠跟踪传感器,所述睡眠跟踪传感器可以使系统100能够监测用户睡眠习惯中可能的异常-这些异常可以指示可能的并发症或健康风险。利用睡眠跟踪器2720可以允许系统检测用户何时处于睡眠状态,这可以实现针对操作者(例如,护士)的定制通知和定制的技术系统动作(例如,自动再分配)。作为非限制性例子,睡眠跟踪器2720可以检测用户何时醒着或睡着并且相应地安排手动或自动再分配,以便减少睡眠期间对用户的干扰(包括深度睡眠)。
在一些实施例中,控制盒2708可以含有形成系统100的一部分的有源部件。作为非限制性例子,有源部件可以包括:控制器(例如,气候MCU 2756、压力MCU 2758、主控制器2762)、供应单元(例如,供电单元(PSU)2730、气动装置2736(例如,泵)和接口(例如,数字接口2754)。
在一些实施例中,控制盒2708可以物理地位于传感器垫2704的主体外部,并且可以容纳将电气、气动和电子信号发送到传感器垫2704内的部件和/或从所述部件接收所述电气、气动和电子信号的部件。由于控制盒2708可能仅需要插入电力(例如,墙上的插座),因此这种构型可以增加操作者(例如,护士、提供家庭护理的家庭成员等)的便利性。
在一些实施例中,电力2728可以包括系统100的电气部件,所述电气部件以合适的电力馈送和/或维持电源电压。电力2728还可以包括应该插入电源的主电源电缆(例如,110V插座)以便供应传感器垫2704、控制盒2708和/或压力释放系统2702的各种部件所需的电力。
在一些实施例中,供电单元(PSU)2730可以向所有系统部件提供合适的电源供应:例如,传感器、微控制器、逻辑电路泵2738、倍增器2716等。不间断电源(UPS)2732可以与PSU2730一起操作以便维持进入系统100的电源的各种特性的稳定性。
在一些实施例中,气动装置2736可以包括形成系统100的气动部件的机械部件。气动装置2736的部件可以包括压力泵2738和压力调节器2740。
在一些实施例中,压力泵2738可以执行两个主要功能。首先,压力泵2738可以补偿压力释放2702中空气单元2710可能的空气泄漏以便在正常操作情况下维持恒定或接近恒定的正常压力。其次,如果由系统100引导,压力泵2738可以引入空气和/或从空气单元2710中移除空气以便增加和/或减少其中的压力,其中适用的空气单元2710位于靠近用户身体的某些点(例如,医院患者)的位置处。作为非限制性例子,压力泵2738可以增加与被认为没有压力损伤风险的身体部位相邻的一组空气单元2710中的空气压力,压力泵2738还可以降低与被认为有患压力损伤高风险的身体部位相邻的一组空气单元2710中的空气压力。
在一些实施例中,压力调节器2740可以定位在、连接在压力泵2738的输出端处以便维持流出压力泵2738的气流的规则性,从而使其适合于管道2712和空气单元2710。
在一些实施例中,系统100可以包括压力释放2702。压力释放2702可以是系统100的特征的重要部分,所述系统可以被设计成确保用户安全和舒适。在非限制性例子中,压力释放2702可以包括系统100的部分,其中含有空气单元2710、倍增器2710和管道2712。除了这个非限制性例子之外,人工智能算法可以确定应该改变传感器垫2704顶上的用户的身体状况,并且可以将信号从主控制器2762发送到压力泵2738和倍增器2710,这可能导致压力泵2738和倍增器2710以可能导致一个或多个指定的空气单元2710的空气体积改变的方式工作。
在一些实施例中,可以提供多个空气单元2710。空气单元2710可以形成压力释放2702的一部分,并且在非限制性例子中,可以采用多个立方体聚氯乙烯(PVC)单元的形式,其中至少一个管子适配器通过至少一个可以提供气流的管道2710连接到至少一个空气单元2710。空气单元2710可以是传感器垫2704的构造的基本单元,并且可以用于响应于由系统100捕获和处理的各种传感器数据(例如,压力、温度、湿度等)再分配施加在用户身体各部分与传感器垫2704之间的压力。
在一些实施例中,倍增器2716可以是活跃的、电机驱动的部件,所述部件可以用于将气流从单个入口分配到多个出口(所述入口和出口形成倍增器2716的一部分)。例如,电机2718可以使倍增器2716的两个盘部分以产生空气可以通过的从压力泵2738行进到通过倍增器2716到一个或多个空气单元2710的路径的方式对齐。在一些实施例中,主控制器2762可以发出可以使倍增器2716执行特定的度数转动的控制命令,从而以使倍增器2716上的出口与连接到特定空气单元2710的特定管道2712对齐的方式布置倍增器2716的两个盘部分-这可能导致压力泵2738用空气填充特定的空气单元2710。倍增器2716的这种特殊设计可以通过使能够从单个电机2718控制多个空气单元2710中的空气压力来实现型面和/或成本的降低。
在一些实施例中,电机2718可以是可由主控制器2762控制的一个或多个步进电机。通过旋转电机臂,电机2718可能导致一个或多个倍增器2716部件旋转,这可能导致通过倍增器2716输出的气流通过特定的管道2712行进到如由主控制器2762确定的一个或多个所需的空气单元2710。
在一些实施例中,管道2712可以包括位于空气单元2710的底侧处的多个管子。管道2712的功能可能是运送压力泵2738可能导致的经分配的空气输送通过如由主控制器2762指定的倍增器2716的具体选择的输出,所述分布式空气最终到达一个或多个空气单元2710。管道2712可以通过一个或多个弯式连接器连接到倍增器2716,并且通过一个或多个管子适配器连接到空气单元2710以确保气密连接并且防止漏气。
在一些实施例中,电子器件2734可以包括系统100的低电压、逻辑、智能部件,所述部件可以执行读取、传输和分析由各种传感器(例如,气候传感器2742、压力传感器等)收集的数据的方法。
在一些实施例中,主控制器2762可以包括例如信用卡大小的单板计算机RaspberyPC或PLC。主控制器2762可以接收、处理和管理来自微控制器(例如,气候MCU2756、压力MCU 2758)的导入数据,所述数据可以包括压力气候值的测量。一些实施例可能需要连接到气候MCU 2756、压力MCU 2758上的单个主控制器2762。
在一些实施例中,气候MCU 2756可以充当主控制器2762与气候传感器2746之间的从控制器或关联装置。气候MCU 2756可以通过总线(例如,通用串行总线(USB)端口)连接到主控制器2762并且可以通过数字协议(SPI/I2C)连接到传感器。气候MCU2756可以处理和执行计算机代码以组织来自各种传感器的读取程序并且可以将从各种传感器读取的所有数据发送到主控制器2762。
在一些实施例中,气候MCU 2756还可以通过一个或多个3.3V输出向传感器(例如气候传感器2746)提供电源电压并且可以进一步通过一个或多个5V输出向逻辑装置(例如,数字接口2754)提供电源电压。在一些实施例中,气候MCU 2756可以是控制器,所述控制器可以提供许多功能,包括大容量存储器、快速时钟速度、C++可编程架构以及可以提供串行连接和电源两者的USB接口。向逻辑装置和传感器供应不同电压、各种通信接口以及各种和大量输入和输出的能力可能有助于选择气候MCU 2756。
在一些实施例中,压力MCU 2758可以充当主控制器2762与压力感测层2726(例如,压力垫2748)中的各种部件之间的从控制器或关联装置。压力MCU 2758可以通过总线(例如,USB端口)连接到主控制器2762并且可以通过数字协议(例如,SPI/I2C)连接到压力感测层2726中的传感器。
在一些实施例中,压力MCU 2758可以执行计算机代码,所述计算机代码可以管理来自传感器(例如,压力垫2748内的传感器)的读取程序并且可以使所产生的数据传输到主控制器2762。压力MCU 2758还可以向传感器(例如,通过一个或多个3.3V输出)和逻辑装置(例如,通过5V输出)提供电源电压。压力MCU 2758可以是控制器,所述控制器可以提供许多特征,包括大存储器、快速时钟速度、C++可编程架构和可以提供串行连接和电源两者的USB接口。向逻辑装置和传感器供应不同电压、各种通信接口以及各种和大量输入和输出的能力可能有助于选择压力MCU 2758。
在一些实施例中,扩展板2760可以是附加介接板,所述介接板可以允许主控制器2762管理附接到系统100的附加部件。例如,主控制器2762可以记录由附加装置检测的生物信号并且将所产生的数据写入数据库。扩展板2760可以确保系统100的灵活性、可扩展性并且可以促进未来的升级。
在一些实施例中,数字接口2754可以包括两层PCB,其可以含有逻辑电路如解码器、缓冲器、上拉电阻器和耦合电容器、以及可以向数字接口2754提供信号如寻址线、SPI线、I2C线和(电源)电源线的终端。数字接口2754还可以含有到总线的连接器,所述总线可以使供应信号和数字信号能够传输到柔性PCB。在非限制性例子中,数字接口2754可以采用单独的PCB或屏蔽PCB的形式。
在一些实施例中,数字接口2754可以包括一个或多个解码器2766。例如,可以包括2×4和4×16解码器/多路分解器的组合,所述组合用于根据由特定微控制器(例如,气候MCU 2756或压力MCU 2758)指定的给定地址为SPI传感器生成芯片选择(CS)信号。在一些实施例中,使能输入上所接收的“高”可以强迫至少一个相应的输出进入高状态。
在一些实施例中,数字接口2754可以通过使用输入线来选择输出线和使用至少一个使能作为数据输入同时维持另一个使能为低来执行解复用功能。使用解码器/多路分解器的方法对于SPI协议可能非常有效,因为它可以确保在给定时间仅激活一个传感器。这可能防止传感器数据冲突并且可能避免产生无用的读数。数字接口2754提供的另一个重要特征可能是解码器的高抗噪性和高速性能,因为它们可能是没有时钟信号的直接晶体管-晶体管逻辑(TTL)装置,因此可能不需要同步并且延迟可能只有几纳秒。
在一些实施例中,可以包括一个或多个缓冲器2764。例如,一个或多个行缓冲器可以包括在微控制器的输出与相关解码器的输入之间以便维持寻址信号。这些缓冲器2764和驱动器可以具有高压开路集电极输出,所述高压开路集电极输出可以适合于高电平电路之间的介接或适合于驱动高电流负载。缓冲器2764还可以适合于用作驱动TTL输入的缓冲器。这些电路可以与大多数TTL族高度兼容。缓冲器2764的输入可以被二极管钳位以最小化传输线效应,这还可以简化设计。功耗可能很低,并且平均传播延迟时间还可能为几纳秒。使用缓冲器2764可以通过使给定微控制器的所有地址线能够与所有缓冲区共享而不会引起“扇出问题”来改善系统100的功能,因为其输入消耗低电流而其输出供应高电流以便馈送更多量的TTL输入。
现在参照图28,提供了根据一些实施例的实例压力损伤预防方法。近几十年来压力损伤知识和预防已经大大增加,多个指南指导针对其预防并且提供可用治疗。然而,研究表明将可用知识转化为床边临床决策因许多因素而变得复杂,包括难以实施冗长、耗时的护理指南;沟通不良;有限的教育;以及标准化差。
本文提供的一些实施例可以增强护士和临床医生在患者护理环境(例如,急性、长期护理、家庭护理)中护理压力损伤的能力,同时支持最佳实践和指南。
根据一些实施例,图28可以描绘这样的过程,通过所述过程,本文公开的系统、方法和装置可以帮助将更大量的信息捕获到更容易适用的治疗过程中。这种过程可以呈现具有基于实时患者生物传感器数据自动更新的内置患者安全策略的多部件PU预防,并且可以允许结合临床医生和护理者做出的决策。
根据一些实施例,这个过程可以:1)识别有压力损伤风险的个体;2)在发生组织损伤之前识别局部风险区域;3)通过让关键利益相关者参与预防策略和智能机器来启动早期预防计划、协议、建议和干预措施;4)识别位置、时间和所采取的步骤以识别压力损伤来源的部位;5)提供实时深度可视化以进行持续监测;6)允许疗养院、急症护理、长期护理和其它设施监测所获得的、入院获得的以及压力损伤阶段;7)实施适当的策略/计划以a.达到/维持完整的皮肤、b.预防并发症、c.及时识别和管理并发症、d.让患者和护理者参与自我管理;并且8)实施有成本效益的压力损伤的预防和治疗的策略/计划。
根据一些实施例,在2801,当用户躺在装置上时,程序启动可能发生。在2802,护理者遵循标准压力损伤协议,首先评估个体发展PU的风险。在2803,临床医生/护理者回答由系统100的软件元件(例如,经由网络门户)生成的调查问卷(装置可以是移动装置、平板电脑、台式机等)。调查问卷可能与患者的临床病史有关。问题可能针对主要和次要风险因素,如手术和可能影响血流的药物。在2804,系统的软件元件可以将问卷响应数据馈送给患者、与患者相关联的个性化护理计划。在2805,临床医生/护理者可以对皮肤损伤或压疮进行视觉检查(从头到脚),尤其是所有骨性突出。视觉皮肤检查必须每天进行。应该除去特殊服装、鞋子、脚后跟和肘部保护器、矫形装置、束缚装置和防护服以进行皮肤检查。
在2806,护理者/临床医生可以选择压力损伤“是”/“否”存在。在2807,如果“是”,则可以显示完整的解剖学身体映射并且用户可以选择压力损伤或受损皮肤的位置。临床医生/护理者将指针保持在一个点上的时间越长,可以向地图指示的严重性越高。此输入可以自动填充风险评估量表(基于2811处的数字)。入院医生指出,存在压力损伤,并且相关联可以自动产生。
在2808,可以基于最新的临床指南和最佳实践经由PMIP生成个性化护理计划。护理计划可以包括基于机构的当前可用资源的实施指南。还可以包括最关键和高风险患者的清单,包括已采取和未采取的干预措施清单。
在2809,仅发送突出点可以以事实表的形式递送给用户(例如,疗养院工作人员、临床医生/主要护理者和机构)。在2810,可以保存最新的跟踪和版本化。
在2811,作为每日评估的一部分,临床医生/护理者可以执行每日风险评估。系统可以基于已经临床验证的一个或多个“现有技术”风险评估工具(例如,用于急性护理的Braden和用于LTC的interRAI)自动填充问卷模板。在患者设置中安装系统时可以配置此项。
在2812,系统可以对压力损伤风险评估的风险因素进行每日整体评估。使用输入,系统可以在时间表的基础上(例如,每15分钟)在本地和整体上生成患者的风险概况。
在2813,可以保存任何干预和非干预以及数据输入并且将其填充到个性化护理计划中以保持最新报告,所述报告可以每天和每周向各个用户发送。
在2814,可以显示患者身上的“安全、需要干预、严重损伤”区域的全身可视化(例如,使用颜色编码)。
在2815,随着风险区域的发展,可以显示风险通知和警报或将其递送给一个或多个装置。
在2816,系统可以遵循升级协议并且可以针对发展或变得进一步受损的高风险区域以消息、床边系统警报和/或颜色区域等的形式增加通知升级。系统可以自动监测是否已进行手动再分配。
在2817,如果在分配的和可接受的范围内没有发生手动再分配,则系统可以使有针对性的接合部压力释放启动以防止组织损伤。系统可以记录和更新那个局部区域处的患者的风险概况以注意到系统自身改变的压力再分配。
在2818,在实例场景中,临床医生/护理者手动重新定位患者X。系统基于检测到的患者移动模式自动记录发生的这个动作。系统相应地更新了风险概况。
程序代码应用于输入数据以执行本文描述的功能并且生成输出信息。输出信息应用于一个或多个输出装置。在一些实施例中,通信接口可以是网络通信接口。在可以组合元件的实施例中,通信接口可以是软件通信接口,如用于进程间通信的那些接口。在仍其它实施例中,通信接口的组合可以实施为硬件、软件及其组合。
在本文的整个讨论中,关于服务器、服务、接口、门户、平台或由计算装置形成的其它系统进行了许多参考。应该理解,此类术语的使用被认为代表具有至少一个处理器的一个或多个计算装置,所述至少一个处理器被配置成执行存储在计算机可读有形、非暂态介质上的软件指令。例如,服务器可以包括一个或多个作为web服务器、数据库服务器或其它类型的计算机服务器以满足所描述的角色、职责或功能的形式运行的计算机。
实施例的技术方案可以采用软件产品的形式。软件产品可以存储在非易失性或非暂态存储介质中,所述存储介质可以是压缩盘只读存储器(CD-ROM)、USB闪存盘或可移动硬盘。软件产品包括许多指令,所述指令使计算机装置(个人计算机、服务器或网络装置)能够执行由实施例提供的方法。
本文所描述的实施例由物理计算机硬件实施,包括计算装置、服务器、接收器、发射器、处理器、存储器、显示器和网络。本文所描述的实施例提供有用的物理机器和具体配置的计算机硬件布置。
尽管已经详细描述了实施例,但是应理解的是可以在本文进行各种改变、替代和更改。
此外,本申请的范围并不旨在限于本说明书中描述的过程、机器、制造、物质组成、装置、方法和步骤的具体实施例。
可以理解的是,本文所描述、示出的实例旨在仅是示例性的。
Claims (27)
1.一种用于监测经受与表面长时间接触的实体的传感器数据的系统,所述系统包括:
第一类型的一个或多个传感器,其用于从所述实体中检测第一类型的特性,所述第一类型的所述一个或多个传感器靠近所述实体与所述表面之间的触点;
第二类型的一个或多个传感器,其用于从所述实体中检测第二类型的特性,所述第二类型的所述一个或多个传感器靠近所述实体与所述表面之间的所述触点;
处理器,其可操作地连接到所述第一类型的所述一个或多个传感器和所述第二类型的所述一个或多个传感器,所述处理器被配置成:
从所述第一类型的所述一个或多个传感器接收传感器数据;
从所述第二类型的所述一个或多个传感器接收传感器数据;
组合所接收的传感器数据以产生组合的传感器数据;
生成对应于所述表面的一个或多个维度的风险栅格,所述风险栅格基于存储在存储器中的历史风险数据集;
将所述风险栅格的一部分指定为空值区域,条件是从所述传感器数据接收到与由所述风险栅格的所述部分表示的所述表面的一部分有关的空值传感器读数;
通过根据AI模型和所述风险栅格处理所述组合的传感器数据来检测至少一个风险特征;
基于所述至少一个风险特征确定压力风险分数;
基于所述压力风险分数和所述至少一个风险特征中的一个或多个生成压力再分配计划;以及
将所述压力再分配计划、所述至少一个风险特征和所述组合的传感器数据中的一个或多个传输到计算机。
2.根据权利要求1所述的系统,其包括:
压力释放系统,其包括:
至少一个压力再分配器,其用于再分配施加在所述表面上的压力。
所述压力释放系统被配置成从所述处理器接收指令。
a.所述处理器被配置成:
将所述压力再分配计划作为压力释放指令集传输到所述压力释放系统。
3.根据权利要求2所述的系统,其中在从所述处理器接收到所述压力指令集时,所述压力释放系统自动执行所述压力再分配计划以再分配施加在所述表面上的压力。
4.根据权利要求3所述的系统,其中在从用户接收到接受命令时,所述接受命令引导所述系统执行所述压力再分配计划,所述处理器将所述压力再分配计划传输到所述压力释放系统。
5.根据权利要求1所述的系统,其中所述第一类型的所述一个或多个传感器是至少一个压阻式压力传感器。
6.根据权利要求1所述的系统,其中所述第二类型的所述一个或多个传感器是至少一个组合的数字湿度和温度传感器。
7.根据权利要求2所述的系统,其中所述压力释放系统包括:
空气泵,其被配置成从所述处理器接收指令;
多个压力可调空气单元,其连接到所述空气泵;并且
其中,所述空气泵被配置成将空气输送到所述多个压力可调空气单元或从所述多个压力可调空气单元输送空气。
8.根据权利要求8所述的系统,其中所述压力释放系统包括:
至少一个阀倍增器,其被配置成从所述处理器接收所述指令集,所述至少一个阀倍增器包括:
多个出口,其可连接到所述多个压力可调空气单元;
至少一个入口,其用于从所述压力泵接收空气;
其中所述阀倍增器被配置成使来自所述多个压力可调空气单元中的一个或多个所选空气单元的空气压力由所述泵根据所述所接收的指令集调整。
9.根据权利要求1所述的系统,其中所述AI模型应用K最近邻聚类模式识别方法以增加所述组合的传感器数据的分辨率。
10.根据权利要求1所述的系统,其中所述AI模型应用特征检测方法以便从所述组合的传感器数据中检测所述至少一个特征。
11.根据权利要求1所述的系统,其中所述AI模型应用数据过滤方法以便从所述组合的传感器数据中移除一个或多个不重要的数据值。
12.根据权利要求1所述的系统,其中所述AI模型应用敏感度矩阵方法以产生所述压力风险分数。
13.根据权利要求1所述的系统,其中所述历史风险数据集包括一个或多个先前收集的组合的数据集。
14.根据权利要求1所述的系统,其中从所述组合的传感器数据中截断与指定为所述空值区域的所述风险栅格的所述部分相关的所述传感器数据作为优化步骤。
15.根据权利要求1所述的系统,其中所述AI模型执行全实体集成建模方法,所述全实体集成建模方法包括:
应用受监督的机器学习流水线方法以建立一个或多个集成模型,由此所述一个或多个集成模型执行一个或多个投票轮次以选择特别关于所述组合的传感器数据的最准确的AI方法。
16.一种用于监测经受与表面长时间接触的实体的传感器数据的方法,所述方法包括:
从第一类型的一个或多个传感器接收传感器数据;
从第二类型的一个或多个传感器接收传感器数据;
组合所接收的传感器数据以产生组合的传感器数据;
生成对应于所述表面的一个或多个维度的风险栅格,所述风险栅格基于存储在存储器中的历史风险数据集;
将所述风险栅格的一部分指定为空值区域,条件是从所述传感器数据接收到与由所述风险栅格的所述部分表示的所述表面的一部分有关的空值传感器读数;
通过根据AI模型和所述风险栅格处理所述组合的传感器数据来检测至少一个风险特征;
基于所述至少一个风险特征确定压力风险分数;
基于所述压力风险分数和所述至少一个风险特征中的一个或多个生成压力再分配计划;以及
将所述压力再分配计划、所述至少一个风险特征和所述组合的传感器数据中的一个或多个传输到计算机。
17.根据权利要求16所述的方法,其包括:
从处理器接收指令;以及
根据来自所述处理器的所述所接收的指令通过压力释放系统再分配施加在所述表面上的压力。
18.根据权利要求16所述的方法,其包括自动执行所述压力再分配计划以在从所述处理器接收到所述压力指令集时再分配施加在所述表面上的压力。
19.根据权利要求16所述的方法,其包括在从用户接收到接受命令时将所述压力再分配计划传输到所述压力释放系统,所述接受命令含有用于执行所述压力再分配计划的指令。
20.根据权利要求16所述的方法,其包括所述AI模型应用K最近邻聚类模式识别方法以增加所述组合的传感器数据的分辨率。
21.根据权利要求16所述的方法,其包括所述AI模型应用特征检测方法以从所述组合的传感器数据中检测所述至少一个特征。
22.根据权利要求16所述的方法,其包括所述AI模型应用数据过滤方法以从所述组合的传感器数据中移除一个或多个不重要的数据值。
23.根据权利要求16所述的方法,其包括所述AI模型应用敏感度矩阵方法以产生所述压力风险分数。
24.根据权利要求16所述的方法,其中所述历史风险数据集包括一个或多个先前收集的组合的数据集。
25.根据权利要求16所述的方法,其中从所述组合的传感器数据中截断与指定为所述空值区域的所述风险栅格的所述部分相关的所述传感器数据作为优化步骤。
26.一种存储计算机指令的计算机可读介质,所述计算机指令用于通过执行以下步骤监测经受与表面长时间接触的实体的传感器数据:
从第一类型的一个或多个传感器接收传感器数据;
从第二类型的一个或多个传感器接收传感器数据;
组合所接收的传感器数据以产生组合的传感器数据;
生成对应于所述表面的一个或多个维度的风险栅格,所述风险栅格基于存储在存储器中的历史风险数据集;
将所述风险栅格的一部分指定为空值区域,条件是从所述传感器数据接收到与由所述风险栅格的所述部分表示的所述表面的一部分有关的空值传感器读数;
通过根据AI模型和所述风险栅格处理所述组合的传感器数据来检测至少一个风险特征;
基于所述至少一个风险特征确定压力风险分数;
基于所述压力风险分数和所述至少一个风险特征中的一个或多个生成压力再分配计划;以及
将所述压力再分配计划、所述至少一个风险特征和所述组合的传感器数据中的一个或多个传输到计算机。
27.根据权利要求26所述的方法,其包括:
从处理器接收指令;以及
根据来自所述处理器的所述所接收的指令通过压力释放系统再分配施加在所述表面上的压力。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662377529P | 2016-08-19 | 2016-08-19 | |
US62/377,529 | 2016-08-19 | ||
PCT/CA2017/000194 WO2018032089A1 (en) | 2016-08-19 | 2017-08-21 | System, method, and computer readable medium for dynamic pressure damage risk assessment and response |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109952082A true CN109952082A (zh) | 2019-06-28 |
Family
ID=61195940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780063957.2A Pending CN109952082A (zh) | 2016-08-19 | 2017-08-21 | 用于动态压力损害风险评估和响应的系统、方法和计算机可读介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11259742B2 (zh) |
EP (1) | EP3500224A4 (zh) |
CN (1) | CN109952082A (zh) |
CA (1) | CA3073285A1 (zh) |
WO (1) | WO2018032089A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110931134A (zh) * | 2019-12-03 | 2020-03-27 | 南通大学 | 一种基于大数据挖掘模型预测住院压力性损伤愈合的方法 |
CN112101939A (zh) * | 2020-09-14 | 2020-12-18 | 邢文超 | 基于区块链的节点管理方法及系统 |
CN112289452A (zh) * | 2020-10-30 | 2021-01-29 | 甘肃省人民医院 | 一种通过测量压力数据评估压力性损伤的方法 |
CN112315428A (zh) * | 2020-11-03 | 2021-02-05 | 兰州大学 | 一种用于测量人体压力性损伤的光学传感装置 |
CN113244068A (zh) * | 2021-04-20 | 2021-08-13 | 南京卫生高等职业技术学校 | 一种老年人防坠床及压疮的压力感应系统 |
CN115331796A (zh) * | 2022-10-17 | 2022-11-11 | 中科厚立信息技术(成都)有限公司 | 基于强化学习的病床资源配置优化方法、系统及终端 |
CN117056686A (zh) * | 2023-08-14 | 2023-11-14 | 嘉兴市安得特种设备科技有限公司 | 一种检测压力容器表面缺陷的告警方法及系统 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10813572B2 (en) | 2015-12-11 | 2020-10-27 | Electronic Caregiver, Inc. | Intelligent system for multi-function electronic caregiving to facilitate advanced health diagnosis, health monitoring, fall and injury prediction, health maintenance and support, and emergency response |
JP6474449B2 (ja) * | 2017-04-07 | 2019-02-27 | ファナック株式会社 | 調整装置及び調整方法 |
GB201800120D0 (en) * | 2018-01-04 | 2018-02-21 | Essential Healthcare Solutions Uk Ltd | Patient monitoring system and apparatus |
US10925410B2 (en) * | 2018-01-26 | 2021-02-23 | MedicusTek, Inc. | Mattress with sensor module for patient care |
US11213224B2 (en) | 2018-03-19 | 2022-01-04 | Electronic Caregiver, Inc. | Consumer application for mobile assessment of functional capacity and falls risk |
US11200502B2 (en) * | 2018-03-23 | 2021-12-14 | International Business Machines Corporation | Streaming atomic link learning based on socialization and system accuracy |
US11923058B2 (en) | 2018-04-10 | 2024-03-05 | Electronic Caregiver, Inc. | Mobile system for the assessment of consumer medication compliance and provision of mobile caregiving |
US11488724B2 (en) | 2018-06-18 | 2022-11-01 | Electronic Caregiver, Inc. | Systems and methods for a virtual, intelligent and customizable personal medical assistant |
US11574270B1 (en) * | 2018-08-08 | 2023-02-07 | Lifebooster Inc. | Methods and systems for workplace risk assessment |
SG11202102376UA (en) * | 2018-09-11 | 2021-04-29 | Beta Medtech Pte Ltd | Device for preventing pressure ulcers |
US11360442B2 (en) * | 2019-01-31 | 2022-06-14 | Morgan Stanley Services Group Inc. | Exposure minimization response by artificial intelligence |
KR20210133228A (ko) * | 2019-02-05 | 2021-11-05 | 일렉트로닉 케어기버, 아이앤씨. | 강화 학습을 이용한 3d 환경 위험 식별 |
WO2020161722A1 (en) * | 2019-02-07 | 2020-08-13 | Pixmat Ltd | Smart dynamic mattress for prevention and treatment of pressure wounds |
CA3074156A1 (en) * | 2019-03-01 | 2020-09-01 | Royal Bank Of Canada | System and method for multi-type mean field reinforcement machine learning |
JP6737416B1 (ja) * | 2019-03-15 | 2020-08-12 | ダイキン工業株式会社 | 環境制御システム |
US11113943B2 (en) | 2019-05-07 | 2021-09-07 | Electronic Caregiver, Inc. | Systems and methods for predictive environmental fall risk identification |
TWI694796B (zh) * | 2019-06-27 | 2020-06-01 | 比理恩設計有限公司 | 充氣床墊控制系統 |
US20210295661A1 (en) * | 2019-09-19 | 2021-09-23 | Apple Inc. | Pneumatic Haptic Device Having Actuation Cells for Producing a Haptic Output Over a Bed Mattress |
US20210098133A1 (en) * | 2019-09-27 | 2021-04-01 | Parkland Center For Clinical Innovation | Secure Scalable Real-Time Machine Learning Platform for Healthcare |
KR20210040626A (ko) * | 2019-10-04 | 2021-04-14 | 엘지전자 주식회사 | 인공 지능을 이용한 자세 감지 장치 및 방법 |
EP3828804A1 (en) | 2019-11-27 | 2021-06-02 | Tata Consultancy Services Limited | Method and system for recommender model selection |
CN111521216A (zh) * | 2020-04-13 | 2020-08-11 | 西南石油大学 | 一种便携式pvt测试装置 |
CN115515478A (zh) * | 2020-05-07 | 2022-12-23 | 菲利普莫里斯生产公司 | 检测床垫组件的周围的第一气体的方法和系统 |
CN112370271B (zh) * | 2020-10-30 | 2021-10-08 | 甘肃省人民医院 | 一种基于压力传感器对压力性损伤实时动态预防检测系统 |
TWI805014B (zh) * | 2021-10-06 | 2023-06-11 | 維思感創股份有限公司 | 床墊下壓力偵測系統 |
US20230381040A1 (en) * | 2022-05-27 | 2023-11-30 | Ebio Technology Inc | Method for redistribution of body pressure distribution by a support device and the system thereof |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000024353A1 (en) * | 1998-10-28 | 2000-05-04 | Hill-Rom, Inc. | Force optimization surface apparatus and method |
CN1655718A (zh) * | 2002-03-25 | 2005-08-17 | 株式会社莫尔顿 | 褥疮要因测定装置 |
CN1741782A (zh) * | 2003-02-04 | 2006-03-01 | 希尔丁安德森国际股份有限公司 | 控制床的物理特性的装置和方法 |
WO2007016054A2 (en) * | 2005-07-26 | 2007-02-08 | Hill-Rom Services, Inc. | System and method of controlling an air mattress |
EP2165691A2 (en) * | 2008-09-19 | 2010-03-24 | Hill-Rom Services, Inc. | System and method for reporting status of a bed |
WO2012122002A1 (en) * | 2011-03-04 | 2012-09-13 | Stryker Corporation | Sensing system for patient supports |
US20130090571A1 (en) * | 2011-10-06 | 2013-04-11 | The Board Of Regents Of The University Of Texas System | Methods and systems for monitoring and preventing pressure ulcers |
US20140243709A1 (en) * | 2013-02-28 | 2014-08-28 | Hill-Rom Services, Inc. | Pressure Sensing Pad, Method of Making the Same, Pressure Sensing System, and Pressure Map Display |
US20150371522A1 (en) * | 2013-01-28 | 2015-12-24 | Sensimat Systems Inc. | Multi-Station System for Pressure Ulcer Monitoring and Analysis |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060293613A1 (en) * | 2005-06-27 | 2006-12-28 | Concept Development Group | Method and Apparatus for Automated Monitoring and Tracking of the Trajectory of Patients' Center of Gravity Movements |
CA2786917A1 (en) * | 2010-01-27 | 2011-08-04 | Robert Miller | Risk modeling for pressure ulcer formation |
WO2015002546A1 (en) * | 2013-07-05 | 2015-01-08 | Dynamic Controls | A body monitoring system and method of monitoring |
-
2017
- 2017-08-21 US US16/326,584 patent/US11259742B2/en active Active
- 2017-08-21 WO PCT/CA2017/000194 patent/WO2018032089A1/en unknown
- 2017-08-21 EP EP17840654.2A patent/EP3500224A4/en not_active Withdrawn
- 2017-08-21 CN CN201780063957.2A patent/CN109952082A/zh active Pending
- 2017-08-21 CA CA3073285A patent/CA3073285A1/en not_active Abandoned
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000024353A1 (en) * | 1998-10-28 | 2000-05-04 | Hill-Rom, Inc. | Force optimization surface apparatus and method |
CN1655718A (zh) * | 2002-03-25 | 2005-08-17 | 株式会社莫尔顿 | 褥疮要因测定装置 |
CN1741782A (zh) * | 2003-02-04 | 2006-03-01 | 希尔丁安德森国际股份有限公司 | 控制床的物理特性的装置和方法 |
WO2007016054A2 (en) * | 2005-07-26 | 2007-02-08 | Hill-Rom Services, Inc. | System and method of controlling an air mattress |
EP2165691A2 (en) * | 2008-09-19 | 2010-03-24 | Hill-Rom Services, Inc. | System and method for reporting status of a bed |
WO2012122002A1 (en) * | 2011-03-04 | 2012-09-13 | Stryker Corporation | Sensing system for patient supports |
US20130090571A1 (en) * | 2011-10-06 | 2013-04-11 | The Board Of Regents Of The University Of Texas System | Methods and systems for monitoring and preventing pressure ulcers |
US20150371522A1 (en) * | 2013-01-28 | 2015-12-24 | Sensimat Systems Inc. | Multi-Station System for Pressure Ulcer Monitoring and Analysis |
US20140243709A1 (en) * | 2013-02-28 | 2014-08-28 | Hill-Rom Services, Inc. | Pressure Sensing Pad, Method of Making the Same, Pressure Sensing System, and Pressure Map Display |
Non-Patent Citations (4)
Title |
---|
YOUSEFI ET AL.: "A Smart Bed Platform for Monitoring & Ulcer Prevention", 《2011 4TH INTERNATIONAL CONFERENCE ON BIOMEDICAL ENGINEERING AND INFORMATICS (BMEI)》 * |
屈云波: "《高级数据库营销 互联网时代持续提高客户终身价值的全新方法与实践》", 31 October 2014, 企业管理出版社 * |
石来德等编著: "《机械量测与分析》", 31 December 2011, 上海科学技术出版社 * |
肖智等编著: "《ArcGIS软件应用·实验指导书》", 31 August 2015, 西南交通大学出版社 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110931134A (zh) * | 2019-12-03 | 2020-03-27 | 南通大学 | 一种基于大数据挖掘模型预测住院压力性损伤愈合的方法 |
CN112101939A (zh) * | 2020-09-14 | 2020-12-18 | 邢文超 | 基于区块链的节点管理方法及系统 |
CN112289452A (zh) * | 2020-10-30 | 2021-01-29 | 甘肃省人民医院 | 一种通过测量压力数据评估压力性损伤的方法 |
CN112289452B (zh) * | 2020-10-30 | 2023-12-15 | 甘肃省人民医院 | 一种通过测量压力数据评估压力性损伤的方法 |
CN112315428A (zh) * | 2020-11-03 | 2021-02-05 | 兰州大学 | 一种用于测量人体压力性损伤的光学传感装置 |
CN112315428B (zh) * | 2020-11-03 | 2021-12-28 | 兰州大学 | 一种用于测量人体压力性损伤的光学传感装置 |
CN113244068A (zh) * | 2021-04-20 | 2021-08-13 | 南京卫生高等职业技术学校 | 一种老年人防坠床及压疮的压力感应系统 |
CN115331796A (zh) * | 2022-10-17 | 2022-11-11 | 中科厚立信息技术(成都)有限公司 | 基于强化学习的病床资源配置优化方法、系统及终端 |
CN117056686A (zh) * | 2023-08-14 | 2023-11-14 | 嘉兴市安得特种设备科技有限公司 | 一种检测压力容器表面缺陷的告警方法及系统 |
CN117056686B (zh) * | 2023-08-14 | 2024-02-02 | 嘉兴市安得特种设备科技有限公司 | 一种检测压力容器表面缺陷的告警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CA3073285A1 (en) | 2018-02-22 |
US11259742B2 (en) | 2022-03-01 |
EP3500224A4 (en) | 2020-03-25 |
EP3500224A1 (en) | 2019-06-26 |
US20190175100A1 (en) | 2019-06-13 |
WO2018032089A1 (en) | 2018-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109952082A (zh) | 用于动态压力损害风险评估和响应的系统、方法和计算机可读介质 | |
US10327697B1 (en) | Digital platform to identify health conditions and therapeutic interventions using an automatic and distributed artificial intelligence system | |
US10891785B2 (en) | Systems and methods for fitting product | |
US10293565B1 (en) | Systems and methods for mass customization | |
US10299722B1 (en) | Systems and methods for mass customization | |
US9721384B1 (en) | Systems and methods for fitting products to users | |
US20130090571A1 (en) | Methods and systems for monitoring and preventing pressure ulcers | |
US20210125405A1 (en) | Reality systems | |
CN108573752A (zh) | 一种基于健康大数据的健康信息处理的方法及系统 | |
CN108243620A (zh) | 用于检测压力的柔性导电装置及系统 | |
Tang et al. | CNN-based smart sleep posture recognition system | |
CN113241196B (zh) | 基于云-终端协同的远程医疗与分级监控系统 | |
Salles et al. | Delivering personalised insoles to the high street using additive manufacturing | |
CN106793957A (zh) | 用于预测患者护理未来结果的医疗系统和方法 | |
Jung et al. | Decision supporting method for chronic disease patients based on mining frequent pattern tree | |
CN202776267U (zh) | 中医体质养生调理系统 | |
CN117196349A (zh) | 一种住院床位信息智能管理系统 | |
JP3994773B2 (ja) | 在宅者健康状態遠隔診断装置 | |
Kulon et al. | Rule-based algorithm for the classification of sitting postures in the sagittal plane from the Cardiff Body Match measurement system | |
Friesen et al. | An mHealth technology for chronic wound management | |
CN109192301A (zh) | 通过互联网智能医疗健康设备进行患者诊断工作方法 | |
Tang et al. | CNN-Based Smart Sleep Posture Recognition System. IoT 2021, 2, 119–139 | |
Haas et al. | Intelligent and adaptive systems in medicine | |
Chalmers | Toward Intelligent Optimization of Brace Treatment for Adolescent Idiopathic Scoliosis | |
Unucka et al. | Auto-ID Technology and the Internet of Things to Enhance the Quality of Health Services U-Health Concept |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |