CN111247593A - 使用实时定位系统和下一代测序在健康护理机构中预测、预防和控制感染传播 - Google Patents

使用实时定位系统和下一代测序在健康护理机构中预测、预防和控制感染传播 Download PDF

Info

Publication number
CN111247593A
CN111247593A CN201880068419.7A CN201880068419A CN111247593A CN 111247593 A CN111247593 A CN 111247593A CN 201880068419 A CN201880068419 A CN 201880068419A CN 111247593 A CN111247593 A CN 111247593A
Authority
CN
China
Prior art keywords
node
infection
infected
nodes
pathogen
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201880068419.7A
Other languages
English (en)
Other versions
CN111247593B (zh
Inventor
S·查特吉
E·J·范勒嫩
A·查特吉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN111247593A publication Critical patent/CN111247593A/zh
Application granted granted Critical
Publication of CN111247593B publication Critical patent/CN111247593B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10366—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves the interrogation device being adapted for miscellaneous applications
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G16H40/40—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 management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Toxicology (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Electromagnetism (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Alarm Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

一种系统(10)包括：实时定位系统(RTLS)(12)，其被配置为跟踪标签(14、15)在监视区域中的位置。非瞬态存储介质存储：所述监视区域的地图(30)；节点数据库(32)，其存储关于节点(18)的信息；以及病原体数据库(34)，其存储感染传播信息。所述非瞬态存储介质包括由电子处理器可读且可执行以执行传染病传播跟踪方法(100)的指令，所述传染病传播跟踪方法包括：使用所述标签的位置来计算至少一个感染节点在所述地图上的路径(35)，其中，感染节点具有非零感染可能性；计算沿着所述路径在所述地图上的感染区(36)；针对接触所述感染区的每个节点，调整所述接触节点的感染可能性，并且当所述接触节点的更新后的感染可能性满足感染准则时，将所述接触节点指定为感染节点。

Description

使用实时定位系统和下一代测序在健康护理机构中预测、预 防和控制感染传播
技术领域
下文总体上涉及患者监视技术、患者处置机构监视技术、感染控制技术、跟踪系统技术以及相关技术。
背景技术
感染控制是与医院获得感染或健康保健相关感染(HAI)作斗争的学科。HAI是一种感染，其发展受到医院环境、疗养院、康复机构、诊所或其他临床设置的青睐。这种感染在临床设置中通过多种方式扩散给患者。健康护理工作人员可以扩散感染、受污染的设备、床上用品或空气飞沫。感染可能源自另一受感染的患者或医院工作人员，或者在一些情况下，无法确定感染的来源。
根据美国疾病预防控制中心，2011年在美国急诊医院估计有722,000例HAI事件。约有75,000例HAI住院患者在他们住院期间死亡。在所有HAI中，一半以上发生在重症监护室之外(例如，参见http://www.cdc.gov/HAI/surveillance/)。仅在美国，预防HAI可以节省250-320亿美元(参见例如Scott RD II，“The direct medical costs of healthcare-associated infections in U.S.hospitals andthe benefits of prevention”，inDiseases CCfI,ed.:Centers for Disease Control and Prevention:1-13)。
大多数国家缺乏针对健康护理相关感染的监督系统。确实具有系统的那些国家通常会与复杂性以及缺乏用于诊断感染的标准化准则进行斗争。虽然这使得很难收集关于健康护理相关感染的可靠全球信息，但是研究结果清楚地表明，全世界每年有数亿患者受到健康护理相关感染的影响(参见，例如http：//www.who.int/gpsc/country_work/gpsc_ccisc_fact_sheet_en.pdf)。此外，近期爆发的诸如Ebola、MERS、SARS和H1N1的传染病也突显了健康护理机构遵循适当的感染控制协议的需要。
预防感染的扩散可以采用双管齐下的方法，该方法不仅可以解决更好的控制感染，而且还可以解决预防感染。换句话说，虽然遵循描述在发生感染爆发时应采取什么步骤的严格协议很重要，但是从一开始就预防感染扩散发生也很重要。预防感染扩散的解决方案包括监视在进入或退出受监视场所时是否使用了洗手液。下一代测序(NGS)产品和服务也可以用于跟踪感染的扩散。然而，虽然基于NGS的解决方案有助于确定感染者是否实际上为将感染扩散给另一感染个体负责，但NGS无法立即提供关于健康护理机构内感染传播的确切途径的精确反馈。因此，在已经使用NGS系统确认感染爆发后，存在跟踪传播途径可能需要长达6周的情况。这种方法的明显缺点是，在正在进行耗时的流行病学调查时，感染可能继续扩散。
世界卫生组织(WHO)对于需要遵循的协议具有严格的指导方针，以最小化感染扩散的风险(参见，例如http://www.wpro.who.int/publications/docs/practical_guidelines_infection_control.pdf；以及http://www.who.int/csr/resources/publications/WHO_CDS_EPR_2007_6c.pdf)。虽然一些指导方针易于实施和遵循，但是还存在其他的指导方针难以实施。例如，有些协议要求在工作人员与感染患者之间的距离小于1米时健康护理工作人员要遵循不同集合的协议。除了遵守基于视觉观察的这种距离约束之外，当今的医院还没有使用任何监视系统来确保严格实施推荐的协议。此外，在传染病爆发事件中，跟踪可能已经与感染患者接触的所有个体的移动的常见方法纯粹是基于记忆的。实时定位系统(RTLS)可以用于跟踪个体患者和健康护理工作人员，以用于感染控制。关于这种合规性的各方面已经做出了先前的努力(参见，例如美国专利公开No.2012/0112883)。
以下公开了新的且改进的系统和方法。
发明内容
在一个公开的方面中，一种传染病传播跟踪系统包括：实时定位系统(RTLS)，其被配置为跟踪标签在监视区域中的位置。至少一个电子处理器与所述RTLS操作性地通信以接收标签在所述监视区域中的位置。非瞬态存储介质存储：所述监视区域的地图；节点数据库，其存储关于节点的信息，其中，每个节点是人、移动物体或地图区，并且所述节点数据库存储关于所述节点的信息，关于所述节点的所述信息至少包括：(i)每个节点作为人、移动物体或地图区的标识，(ii)与被识别为人或移动物体的每个节点相关联的标签的标识，(iii)被识别为地图区的每个节点在所述地图上的位置信息，以及(iv)针对每个节点的关于被跟踪病原体的感染可能性；以及病原体数据库，其存储针对至少所述被跟踪病原体的感染传播信息，所述感染传播信息包括针对所述被跟踪病原体的一种或多种传播模式以及针对所述被跟踪病原体的至少一个节点驻留时间。所述非瞬态存储介质包括由所述至少一个电子处理器可读且可执行以执行传染病传播跟踪方法的指令，所述传染病传播跟踪方法包括：使用从所述RTLS接收到的与至少一个感染节点相关联的标签的位置来计算所述感染节点在所述地图上的路径，其中，感染节点具有满足感染准则的关于所述被跟踪病原体的非零感染可能性；使用存储在所述病原体数据库中的所述感染传播信息来计算沿着所述路径在所述地图上的感染区；针对接触所述感染区的每个节点，至少基于所述被跟踪病原体的所述感染传播信息来调整所述节点数据库中的所述接触节点的所述感染可能性，并且在所述接触节点的更新后的感染可能性满足述感染准则的情况下，将所述接触节点指定为感染节点。
在另一公开的方面中，一种非瞬态计算机可读存储介质包括：地图数据库，其存储监视区域的地图。节点数据库存储关于节点的信息，其中，每个节点是人、移动物体或地图区，并且所述节点数据库存储关于所述节点的信息，关于所述节点的所述信息至少包括：(i)每个节点作为人、移动物体或地图区的标识，(ii)与被识别为人或移动物体的每个节点相关联的标签的标识，(iii)被识别为地图区的每个节点在所述地图上的位置信息，以及(iv)针对每个节点的关于被跟踪病原体的感染可能性。病原体数据库存储针对至少所述被跟踪病原体的感染传播信息，所述感染传播信息包括针对所述被跟踪病原体的一种或多种传播模式以及针对所述被跟踪病原体的至少一个节点驻留时间。所述存储介质还包括由至少一个电子处理器可读且可执行以执行传染病传播跟踪方法的指令，所述传染病传播跟踪方法包括：从实时定位系统(RTLS)的一个或多个标签读取器接收所述RTLS的一个或多个标签在所述监视区域中的位置；使用从所述RTLS接收到的与至少一个感染节点相关联的标签的位置来计算所述感染节点在所述地图上的路径，其中，感染节点具有满足感染准则的关于所述被跟踪病原体的非零感染可能性；使用存储在所述病原体数据库中的所述感染传播信息来计算沿着所述路径在所述地图上的感染区；针对接触所述感染区的每个节点，至少基于针对所述被跟踪病原体的所述感染传播信息来调整所述节点数据库中的所述接触节点的所述感染可能性，并且在所述接触节点的更新后的感染可能性满足所述感染准则的情况下，将所述接触节点指定为感染节点。
在另一公开的方面中，一种传染病传播跟踪系统包括：实时定位系统(RTLS)，其包括标签和标签读取器，其中，所述标签读取器被分布在监视区域中，并被配置为跟踪所述标签在所述监视区域中的位置。至少一个电子处理器与所述RTLS操作性地通信以接收标签在所述监视区域中的位置。非瞬态存储介质存储所述监视区域的地图。节点数据库存储关于节点的信息，其中，每个节点是人、移动物体或地图区，并且所述节点数据库存储关于所述节点的信息，关于所述节点的所述信息至少包括：(i)每个节点作为人、移动物体或地图区的标识，(ii)与被识别为人或移动物体的每个节点相关联的标签的标识，(iii)被识别为地图区的每个节点在所述地图上的位置信息，以及(iv)针对每个节点的关于被跟踪病原体的感染可能性。病原体数据库存储针对至少所述被跟踪病原体的感染传播信息，所述感染传播信息包括针对所述被跟踪病原体的一种或多种传播模式以及针对所述被跟踪病原体的至少一个节点驻留时间。所述存储介质包括由所述至少一个电子处理器可读且可执行以执行传染病传播跟踪方法的指令，所述传染病传播跟踪方法包括：使用从所述RTLS接收到的与至少一个感染节点相关联的标签的位置来计算所述感染节点在所述地图上的路径，其中，感染节点具有满足感染准则的关于所述被跟踪病原体的非零感染可能性；使用存储在所述病原体数据库中的所述感染传播信息来计算沿着所述路径在所述地图上的感染区；针对接触所述感染区的每个节点，至少基于针对所述被跟踪病原体的所述感染传播信息来调整所述节点数据库中的所述接触节点的所述感染可能性，并且在所述接触节点的更新后的感染可能性满足所述感染准则的情况下，将所述接触节点指定为感染节点；对所述节点数据库中的所述接触节点的所述感染可能性由以下方程确定：p＝f(d,a,t,s,T,H,o,i,h)，其中，d是两个节点之间的距离；a是所述两个节点之间的空气流特性；t是自所述节点中的一个节点最后与感兴趣的病原体接触以来经过的时间；s是所述节点的表面的类型；T是所述节点附近的温度；H是所述节点附近的湿度值；o是从被认为是感染的原始来源的节点起的节点次序；I是自第一次被感染以来所述节点彼此相遇的次数；并且h是卫生制度的执行。
一个优点在于提供一种改进的基于RTLS的传染病传播跟踪或监视系统，该系统解决了传染病管理的空间和时间方面的问题。
另一优点在于提供一种基于RTLS的传染病传播跟踪或监视系统，其具有改善的保真度以符合感染控制的WHO指南。
另一优点在于提供一种基于RTLS的传染病传播跟踪或监视系统，该系统生成关于感染扩散的可量化数据，而不是来自医院工作人员的口口相传。
另一优点在于提供一种基于RTLS的传染病传播跟踪或监视系统，该系统为RTLS系统提供接触跟踪感染数据，而不是病历数据。
另一优点在于提供一种基于RTLS的传染病传播跟踪或监视系统，以通过实时计算感染风险来跟踪感染的扩散，包括考虑具有不同空间范围的不同疾病传播路径。
另一优点在于提供一种基于RTLS的传染病传播跟踪或监视系统，以通过实时计算感染风险来动态地跟踪感染的扩散，包括考虑在疾病传播媒介具有有限病原体生存寿命的情况下降低感染传播的可能性。
另一优点在于提供一种系统，以通过利用RTLS数据和关于特定感兴趣病原体的潜伏期的数据来识别可能具有感染性但尚没有症状的个体而预防感染扩散。
另一优点在于为系统提供一种选择策略，该选择策略指示需要对哪些高风险个体(例如，患者和医护人员等)使用NGS进行感染测试。
另一优点在于为系统提供一种选择策略，该选择策略指示需要对哪些高风险房间或区域(例如，医院的区域等)使用NGS进行感染测试。
另一优点在于提供一种系统，其使用电子病历(EMR)、人口统计数据、实验室数据和NGS数据的组合以构建能够预测哪些患者处于在医院获得感染的较高风险的模型。随后，RTLS确保根据协议/工作流程的不同集合对高风险患者进行不同的管理。
另一优点在于提供一种系统，其使用机器学习算法，基于RTLS、NGS、EMR、实验室数据等的组合，来自动学习随着时间识别健康护理机构的工作流程中的薄弱点，并基于医院自身的情况来调整警报阈值。
另一优点在于提供一种系统，该系统不仅可以基于医院的数据源，而且还可以基于从显示具有相似设置的另一医院提取的数据，来自动学习识别健康护理机构的薄弱点。
给定的实施例可以不提供前述优点中的任何、提供前述优点中的一个、两个、更多个或全部，和/或可以提供其他优点，如对于本领域的普通技术人员在阅读和理解本公开后将变得显而易见的。
附图说明
本公开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。附图仅出于说明优选实施例的目的，并且不应被解释为限制本公开。
图1图解性地示出了根据一个方面的基于实时定位系统(RTLS)的传染病跟踪系统；
图2示出了描绘图1的系统的操作的各方面的示例性流程图；
图3说明性地示出了图1的跟踪系统的示例使用；
图4说明性地示出了图1的跟踪系统的另一示例使用；
图5示出了与由图1的跟踪系统跟踪的病原体有关的数据的图；以及
图6示出了示出具有由图1的跟踪系统跟踪的病原体的节点的概率的数据的图。
图7示出了根据图6的概率示出处于疾病风险的个体的表。
具体实施方式
以下描述了一种方法，该方法通过利用RTLS数据和关于特定感兴趣病原体的潜伏期的数据来识别可能具有感染性但尚没有症状的个体而预防感染的扩散。感染管理分为四个阶段。在第一阶段，个体与感染性病原体接触(即，通过与感染个体或受污染的资产直接/间接接触)。这是病原体进入个体的血流的时间点。在第二阶段，病原体已经在宿主体内(即，被感染的个体)扎根，并且该个体变得具有感染性。然而，感染个体没有显示出任何症状。换句话说，这是感染个体成为隐性携带者并具有感染性的时间点。该阶段特别危险，因为没有可见的感染迹象。这使感染个体可以容易地将感染扩散给他人。在第三阶段，感染个体开始出现症状。感染的最初迹象可以触发识别症状原因所需的必要调查。在第四阶段，一旦测试结果确认观察到的症状是由感兴趣的病原体引起的，则能够立即实施必要的卫生协议，例如，相关个体可以被送去做进一步测试或隔离，或者感染的房间可以被消毒。
当前，当谈到在健康护理设置中管理感染的问题时，行业中存在两种方法。第一种方法与感染控制有关，即，它是指在已经检测到感染爆发的情况下所需的步骤。例如，NGS允许人们识别特定的个体X是否已经被另一个体Y感染。然而，它不能帮助识别感染扩散的精确轨迹，即，感染沿着哪个路径从个体X扩散到个体Y？
第二种方法与感染预防有关。例如，监视系统可以提供检查是否遵循手部卫生协议。
在本文公开的改进中，RTLS与风险模型组合，该风险模型连续地识别哪些个体可能处于被感染的高风险；识别应当使用NGS测试进一步评估哪些个体；和/或在感染管理协议方面识别健康护理机构的薄弱点，以帮助预防措施。
以下公开了用于跟踪或监视医院(或健康护理机构)获得感染(HA1)的传播的方法。所公开的方法采用实时定位系统(RTLS)来在空间和时间上映射接触路径。
以下更具体地涉及使用RTLS跟踪医院中感染者的接触以跟踪感染(或可能被感染)的人。当前，在一些医院中部署了RTLS，用于例如跟踪患者，监视医学资源(例如移动资产(例如，移动X射线设备、病床))的部署等。原则上，可以使用RTLS来跟踪感染患者并识别感染患者所接触的其他人。然后跟踪那些个体所接触的人，等等，以便跟踪在感染爆发期间病原体的感染传播路径。
然而，为该目的使用RTLS存在一定困难。首先，RTLS的空间分辨率有限，可能会因位置而异。例如，RTLS可以在患者病房中以高空间分辨率识别患者的位置，但是在走廊中以较粗糙的分辨率识别患者的位置。感染传播的范围也可能取决于传播路径(接触、空气传播或飞沫)而变化，并且传播的可能性可能取决于暴露时间。其次，对感染个体的RTLS跟踪没有考虑到时间延迟传播的可能性。例如，如果感染者在某个时间间隔内占据候诊室然后离开，然后护士打扫该候诊室，则该护士可能会被感染，例如通过病原体污染候诊室的表面。但是，感染者和护士从未接触或甚至彼此之间没有近距离接触。
所公开的方法克服了这些困难和其他困难。所公开的跟踪估计患者最可能的路径，例如，在RTLS提供有限跟踪的走廊中。沿着该路径定义感染区，例如在飞沫传播的情况下，距离路径的两边各一米。可以基于额外信息来调整感染区。例如，如果患者在单个位置停留一段时间，则可以基于扩展的占用范围来扩展该区，或者该区可以被扩展以填充整个房间。
所公开的跟踪方法还扩展了“传播”的概念，以更广泛地涵盖“节点”的对之间的传播，其中，节点可以是人，也可以是位置(即空间“区”)或资产或其他移动物体(例如移动X射线设备、病床等)。因此，当患者占用候诊室时，将存在从患者到候诊室的传播可能性；当护士稍后打扫候诊室时，将存在从候诊室到护士的传播可能性。基于已知的传播时间约束，传播跟踪也是动态的。因此，例如，如果已知的病原体可能污染表面，然后该表面保持感染性两个小时，则候诊室可能会在两个小时后将其感染可能性重置为零(并且可选地可以根据时间将其感染可能性设置为衰减至零，以更准确地表示随时间的实际传播概率)。
在动态跟踪感染性接触路径时，也可以考虑其他可用信息。例如，一些RTLS具有监视对卫生设备(例如卫生皂液器)的使用的能力。如果这是可用的，则如果护士在医院病房中与患者互动，并且未使用患者医院病房中的卫生设备，则来自RTLS的该信息可以用于增大对护士的感染性传播的可能性。可以自动监视温度和/或湿度，并且在估计传播可能性时可以考虑该信息(例如，如果已知病原体在表面上的驻留是湿度相关的话)。作为另一示例，如果两个节点通过不具有能够过滤掉病原体的HEPA过滤器的HVAC回路连接，则可以基于该信息来增大这些节点之间的感染可能性。
所公开的感染性接触跟踪系统的实施例包括各种部件。RTLS可以由采用RFID、WiFi、红外、超声或其他标签读取技术的标签/读取器系统来体现。提供了医院的地图，包括对由RTLS监视的空间区以及其他显著信息(例如辅助监视站(例如温度传感器、湿度传感器、卫生设备使用传感器)，房间中的表面的类型(与表面介导传输相关)，HVAC回路路径等)的描绘。通过存储在非瞬态存储介质(例如，硬盘、光盘、FLASH存储器或其他电子存储介质等)上并由计算机可读且可执行的指令对计算机进行编程，以使用来自这些设备的数据来执行上述感染性接触跟踪。例如，输出可以是具有感染可能性的节点(人员、位置和资产)的列表，该列表可能是时间相关的。为了促进对最可能被感染的节点的快速评估，可以应用感染准则，通过该准则，仅列出满足感染准则的那些节点。应当注意，在这种方法中，不应将感染准则视为确定地识别出被感染的节点，而应视为识别其感染可能性足够高以至于应当执行后续测试的节点(例如，对个体进行感染测试；滑擦移动物体的表面以测试病原体污染，在满足感染准则的空间区内对空气执行测试，等等)。有利地，使用这种感染准则提供了最可能被感染的人、物体和/或地点的标识，由此为有限测试资源的有效分配提供了原理基础。
现在更详细地描述以下的RTLS系统。RTLS系统提供对医学设备、工作人员和患者的即时或实时跟踪和管理。该类型的解决方案使健康护理机构能够捕获工作流程的低效率，降低成本并提高临床质量。RTLS系统由以下项构成：各种标签(其可以通过其他命名被称为例如徽章)，平台(Wi-Fi、红外、超声以及其他)，硬件基础设施(在必须被外部激励的无源标签的情况下为标签读取器和标签激励器)和其他部件(例如，服务器计算机和存储由(一个或多个)服务器可读且可执行以执行RTLS操作(例如跟踪带标签的实体)的软件的非瞬态存储介质)。通常，RTLS由以下项构成：专用的固定位置传感器(即，标签读取器)，其从附着到设备或人的小ID徽章或其他类型的标签接收无线信号；或固定信标(即，RF、红外或超声信标)，其向附着到设备或人的其他类型的ID徽章或标签提供位置信息。每个标签实时传输它自己的唯一ID，并且取决于所选的技术，系统定位标签，并因此定位带标签的实体的位置。取决于解决方案，可以实现不同程度的空间粒度。基本的RTLS解决方案可以使得能够在医院的单位或楼层中进行跟踪，而临床级系统可以在房间、床、隔区水平以及甚至架子水平跟踪上实现更精细的空间粒度。此外，空间粒度可以针对不同位置而变化，这取决于标签读取器的类型和分布/密度。例如，如果在每个患者房间中安装一个或多个标签读取器或信标，其具有相对较小的空间范围，则患者房间中的跟踪精度可以很高。相反，可以沿着医院走廊部署较小密度的标签读取器或信标，从而在走廊中提供更粗糙的空间分辨率。
在公开的基于RTLS的传染病传播跟踪或监视系统中，RTLS系统用于跟踪疾病传播，其保真度与WHO关于传染病控制的条例接近。WHO概述了通过以下三种不同的传播路径预防感染扩散的协议：直接接触；空气传播；以及通过飞沫传播。接触预防措施被设计用于减少通过直接患者接触以及间接接触患者环境中的物品而造成的传播。空气预防措施被设计用于减少通过空气途径扩散的疾病的传播，其中，当具有大小小于5微米的核的飞沫散布到空气中时，就会发生传播。这些颗粒可以保持长时间悬浮在空气中。飞沫预防措施被设计用于减少通过易感人群与大颗粒飞沫(即大于5微米)之间的充分接触的疾病传播。这些飞沫通常是在咳嗽或打喷嚏期间由感染者生成的。大颗粒通常会在空气中保持悬浮有限的时间，并在距源1m的范围内沉降。
当考虑这些预防措施时，很明显感染可以通过以下方式扩散：(1)与感染患者直接身体接触；(2)由于紧密靠近而通过空气直接接触(房间之间也可能共享通风)；(3)延迟接触已经被感染患者感染的空气；(4)与感染患者已经直接身体接触的个体间接身体接触；以及(5)与感染患者直接身体接触的物体间接身体接触。除了传播感染的前两种模式(即瞬间发生)外，其余方法都涉及在延长持续时间内感染的扩散。例如，由感染患者已经触摸的物体可能在接下来的五个小时内仍保持感染性。还应注意，给定的病原体可能仅能经由这些路径的子集传播，例如，一些病原体不能通过空气传播进行传播；此外，给定延迟路径的感染寿命取决于病原体的类型和病原体所暴露的环境条件的类型。
如果感染扩散或传染病爆发，则医院管理者了解若干因素是非常重要的，这些因素包括感染源、感染扩散方式、负责扩散感染的个体、当前被感染(或极有可能被感染)的个体、特定个体被感染的时间、需要消毒的医院部分等。为了确定这些因素，大多数医院管理员都依赖于他们对医院内各种工作流程/过程的预先了解。他们还可能参考医院记录，其包含关于患者以及照顾感染个体中所涉及的临床/非临床工作人员的信息。还对过去在某个时间点可能已经彼此互动的所有患者和护理人员进行了采访，以便跟踪感染可能扩散的所有可能的接触点。
这种方法存在若干问题。首先，接触跟踪基于高度粗粒度的数据(例如，从采访中收集的信息完全基于记忆)。其次，从病历中收集的信息也不够精细，以至于无法提供足够准确而轻松跟踪感染如何扩散或医院中哪个房间需要消毒的接触跟踪数据。第三，病原体可以在体外长时间存活。这意味着在感染源已经离开房间后很长时间房间仍可以保持被感染。这使得基于从采访(即记忆)导出的信息进行接触跟踪变得非常困难。第四，不可能实时跟踪感染的扩散或计算感染扩散的风险。
以下提供了在可能开始感染爆发的情况下的警报通知和/或通过提供对感染节点(人、资产或位置)的筛选以有效部署补救资源。例如，下一代基因测序(NGS)是用于跟踪病原体扩散的强大工具。现代的NGS系统能够提供足以识别特定于人的病原体菌株的精细粒度的基因信息。例如，如果人A感染了人B，然后人B感染了人C，则感染人B的病原体菌株将是感染人A的具有NGS可检测到的某些突变的菌株，而感染人C的病原体菌株将是感染人B的具有NGS再次检测到的某些进一步突变的病原体菌株。通过评估序列及其差异(突变)，可以确定感染路径A→B→C。
其他更常规的补救资源包括对潜在感染者的隔离以及对污染地点或资产的消毒。
然而，这些补救资源的分配是时间关键的，并且在实践中，对所有可能的感染者进行NGS或隔离每个可能的感染者、进行全面消毒等通常是不切实际的。
以下利用所公开的感染接触跟踪来提供补救资源分配的指导。基于RTLS的跟踪的输出提供可以用于这样的指导的节点感染可能性。可以通过改善感染概率的动态(时间)更新来提供额外指导。例如，如果病原体在症状出现前有12小时的潜伏期，则可以将被识别为感染的但在12小时后无症状的任何人重新分类为未感染，并且可以通过移除依赖于此人作为初始传播媒介的分支来更新感染接触路径。作为另一示例，如果先前未被识别出的病原体被识别为仅通过接触或飞沫传播(但不通过空气传播)的病原体，则可以移除仅依赖于空气传播的任何感染接触路径分支。
在警报模式下，如果跟踪检测到传播给未接受隔离的人的高可能性，或者传播给尚未经过消毒的位置或资产的高可能性，则可以发出警报，以识别潜在的(一个或多个)传播和可疑节点，以及这些节点的感染可能性。当将新信息输入系统时，该信息可以被动态更新(例如，病原体识别，经过潜伏期而没有症状的可疑人员等)。
参考图1，示出了说明性的传染病传播跟踪系统10。跟踪系统10包括具有射频识别(RFID)标签14和RFID标签读取器16的实时定位系统(RTLS)12。标签读取器16被分布在监视区域A中，并被配置为跟踪标签14在监视区域中的位置。例如，标签14被附着或以其他方式固定到一个或多个节点18(例如，患者、医学专业人员、诸如一件医学设备的移动物体、监视区域A中的区等)。标签14可以通过其他术语来指代，例如，徽章、跟踪芯片等，如本文所使用的，术语“标签”旨在涵盖这样的备选命名。标签读取器16被分布在整个监视区域A中，待跟踪的人或移动物体可以在该监视区域中穿过(例如，在患者房间中，在走廊中，在医学专业人员的工作站处等等)。在一些示例中，监视区域A可以是二维区域(即，医院的单个楼层)，而在其他示例中，监视区域可以是三维区域(即，医院的多个楼层)。标签读取器16被配置为从对应的标签14接收位置数据，由此允许标签读取器跟踪对应的节点18。在最简单的设计中，标签读取器可以具有例如五米的操作范围，并且由该标签读取器检测到的任何标签都已知位于标签读取器的五米半径内。在其他设计中，具有交叠的操作范围的两个或三个或更多个标签读取器可以协同操作以更精确地定位标签，例如，使用三角测量等。在其他设计中，单个标签读取器可以使用相控阵换能器、旋转换能器等来提供方向信息。这些仅仅是RTLS测距和成角度技术的说明性示例，并且更一般地，RTLS 12可以使用任何合适的跟踪技术来为监视区域A中存在的标签提供实时位置信息。此外，标签读取器16被配置为从对应的标签14接收标签识别信息，以便确定正在跟踪的特定标签14(并因此确定对应的节点18)。
标签识别信息可以采用各种形式，例如在有源标签设计中，标签14包括机载电池供电的微处理器或微控制器以及相关联的非瞬态存储器(例如，FLASH、PROM或其他电子存储器芯片)，其存储标签14发送到标签读取器16的标签标识符号等。在无源标签设计中，由标签读取器16发送到标签14的射频能量为标签供电，以驱动标签来发送标签标识符。在较不复杂的设计中，每个标签可以以不同的频率发送，并且标签通过其响应频率而被识别。这些仅仅是标签识别技术的说明性示例，并且更一般地，RTLS 12可以使用任何合适的标签识别技术来向标签读取器16提供检测到的/跟踪的标签的实时识别。可选地，RTLS 12可以符合行业定义的RTLS标准，例如ISO/IEC 24730-1或其变型。
在其他实施例中，RTLS 12可以包括红外识别(IRID)系统，该红外识别系统包括：一个或多个标签15；信标或标签读取器17；射频跟踪通信站19；以及服务器21。标签15被配置为由医院工作人员或患者佩戴或附着到节点18。标签15包括IR接收器和RF收发器(未示出)。信标17被配置为附着到监视区域A的天花板，并且通过广播IR信号来覆盖监视区域中的特定区。信标17被配置为广播具有表示特定区的唯一ID的IR信号。标识(ID)被映射到监视区域A中的特定区。通信站19被配置为经由RF信号与标签15通信。在使用中，信标17被配置为广播表示监视区域A中的区的唯一IR ID。该区中的对应标签15经由IR接收器从信标17接收IR ID。标签15被配置为经由RF信号向通信站19报告感测到的IR ID。星形19被配置为向服务器21报告IR ID，该服务器被配置为将IR ID映射到对应的区(其可以由RTLS 12的安装者设置)。在其他实施例中，RTLS 12可以包括任何其他位置识别系统，例如使用RF、超声、红外或视觉技术。
说明性传染病传播跟踪系统10还包括具有典型部件的计算机或成像工作站或其他电子数据处理设备20，所述部件例如是至少一个电子处理器22、至少一个用户输入设备(例如，鼠标、键盘、跟踪球、具有嵌入式屏幕的设备(例如平板计算机、智能手机、智能手表、备选的现实/虚拟现实头戴件或护目镜等)24以及显示设备26，在该显示设备上可以显示交互式异常/病变插入图形用户界面(GUI)(未示出)。在一些实施例中，显示设备26可以是与计算机20分离的部件。在其他实施例中，工作站20与下一代基因测序(NGS)设备40通信。
至少一个电子处理器22与非瞬态存储介质(未示出)可操作地连接，该非瞬态存储介质存储由至少一个电子处理器16可读且可执行以执行传染病传播跟踪方法或过程100并且执行其他适当的操作(例如，从RTLS 12获取数据)的指令。非瞬态存储介质可以例如包括：硬盘驱动器，RAID或其他磁性存储介质；固态驱动器，闪速驱动器，电子可擦除只读存储器(EEROM)或其他电子存储器；光盘或其他光学存储设备；其各种组合；等等。在一些示例中，传染病传播跟踪方法或过程100可以通过云处理来执行。
非瞬态存储介质可以包括一个或多个数据库。例如，非瞬态存储介质存储包含监视区域A的地图30的地图数据库28。地图30可以包括医院的平面布局图，并且还可以包括诸如空间区之间的HVAC链接的信息、卫生分配器监视器上(如果受RTLS 12监视)的信息等。
非瞬态存储介质还存储节点数据库32，该节点数据库包含与节点18有关的信息。在说明性实施例中，节点18可以具有三种类型：患者和工作人员节点，移动物体节点(例如一件医学设备)，以及对应于在监视区域A中(或在该区A的地图30中)定义的空间区或区域的地图区节点。有利地，并且如本文中进一步详述的，提供这三种类型的节点使得能够跟踪经由直接接触(通过跟踪代表感染者和接触者的节点的相交)、经由表面介导(通过跟踪感染者与移动物体节点的接触以及移动物体节点与第二人的后续接触)或经由空气或飞沫路径(通过跟踪感染者与地图区节点的接触以及第二人与该地图区节点的后续接触)的感染病原体传播。如本文所使用的，术语“移动单元”或“移动物体”(及其变型)是指预期例如通过由人携带而偶尔从一个空间区移动到另一空间区的物体。移动物体的示例包括各种医学资产，例如移动X射线单元、移动超声机器、可以预期偶尔从一个患者房间移动到另一患者房间的血管内输送系统、供给泵、输液泵等。另外，节点数据库32可以存储与移动物体的类型有关的信息，以便估计病原体在表面上的驻留。例如，具有光亮金属表面的物体可能比具有多孔表面的物体具有短得多的病原体驻留。另外，如本文所使用的，监视区域A中的区(即，地图区)是指整个房间或医院的房间的一部分，或者可以是诸如走廊的一些其他空间区。此外，可以根据监视区域A中的位置对这些区进行分类。出于病原体传播跟踪的目的，地图区的选择或描绘取决于各种因素，例如RTLS 12的空间分辨率，由建筑限定的自然空间描绘(例如，可以将小型房间合理地选择为单个地图区)或用途(例如，在候诊室中，将包含患者椅子的等候区域定义为一个地图区，而将接待员区域定义为不同的地图区可能是有意义的)，等等。
节点数据库32存储与节点18有关的信息。在一个示例中，节点数据库32存储与每个节点18作为人、移动物体或地图区的标识有关的信息。在另一示例中，节点数据库32存储与和被识别为人或移动物体的每个节点18相关联的标签14的标识有关的信息。在另一示例中，节点数据库32存储针对被识别为地图区的每个节点18的在地图30上的位置信息。在又一示例中，节点数据库32存储与每个节点关于被跟踪病原体的感染可能性有关的信息。在一些实施例中，感染可能性可以是在零与一之间的连续值或步进值，其中，值一表示接近确定的感染，而值零表示接近没有感染的确定性，并且中间值(例如0.7)表示感染的中等可能性。在其他实施例中，感染可能性可以是零(未感染)或一(感染)的二进制值。
在另一示例中，非瞬态存储介质可以包括病原体数据库34，该病原体数据库被配置为存储至少被跟踪病原体的传播信息。传播信息可以包括针对被跟踪病原体的一种或多种传输模式(例如，接触、空气、飞沫等)。如本文所使用的，术语“病原体”(及其变体)是指单个病原体、一类病原体或未知病原体，其被分配了病原体数据库34中的传播信息的保守估计值(即，保守可能高估感染可能性)。如果给定的病原体不能通过特定路径传播(例如，不能通过空气路径传播)，则病原体数据库34适当地存储该信息。另外，病原体数据库34被配置为存储针对被跟踪病原体的至少一个节点驻留时间。在一些示例中，驻留时间可以是传输模式的函数。例如，病原体可能具有(通常更长的)空气污染物驻留时间以及(通常更短的)飞沫污染驻留时间，并且可能具有针对表面污染的某种其他驻留时间(其可以基于表面类型进一步划分)。在其他示例中，驻留时间可以取决于关于存储在节点数据库32中的节点18的其他信息。在其他示例中，驻留时间可以是温度和湿度(以及其他因素)以及自然具有不同驻留时间的节点18(即，人、物体或区)的不同类型的函数。存储在病原体数据库34中的关于病原体的信息优选地从专业流行病学文献导出，并且可以偶尔更新以反映最新的医学知识。在一些示例中，病原体信息可以输入到病原体数据库34中。例如，如果用户怀疑在医院之前没有经历过特定病原体问题并且第一次经历该病原体的情况下存在感染爆发，则用户可以输入该病原体信息。
应当理解，工作站20可以与一个或多个其他数据库(未示出)(例如，电子病历(EMR)数据库、图片存档和通信系统(PACS)数据库等)进行电子通信，等等。另外，这些数据库30、32、34可以是单个数据库或一对数据库。
如图1所示，电子处理器22被编程为执行基于RTLS的传染病传播跟踪。例如，电子处理器22与RTLS 12可操作地通信以从RTLS的标签读取器16接收标签14在监视区域A中的位置。非瞬态介质包括由至少一个电子处理器22可读且可执行以执行传染病传播跟踪方法100的指令。在一些实施例中，同一电子处理器22还执行对RTLS 12的软件部件的实施；而在其他实施例中，RTLS 12的软件部件被实施在不同的计算设备或系统(未示出)上。
现在参考图2，并继续参考图1，将传染病传播跟踪方法100的说明性实施例图解性地示出为流程图。在102处，使用从RTLS 12接收到的与感染节点相关联的标签14的位置来在至少一个感染节点18的地图30上计算路径。例如，感染节点18具有满足感染准则的关于被跟踪病原体的非零感染可能性。在一些示例中，感染准则可以涉及用户(例如，医学专业人员)经由用户输入设备24在节点数据库32中选择感染节点18，并且将感染节点标记为具有感染可能性的百分比(例如，25％、50％、100％等)。如图4所示，一旦所有感染节点18已经被标记，就可以确定通过感染节点中的每个感染节点的路径30。
图3示出了地图30的示例(或者在多层地图的情况下，地图30的一层)。地图30示出了标签读取器16或信标17可以位于的若干区Z(由虚线描绘)。每个区Z表示在其之内标签14可以由RTLS 12检测和定位的空间区域。换句话说，RTLS 12可以在任何给定时间识别给定标签位于哪个区Z内。如图3所示，标签读取器16跟踪在第一区中的第一位置1处的对应节点18的位置到第二区中的第二位置2。然后确定路径35并将其映射在第一位置与第二位置之间。通常，基于对应于被跟踪节点18的标签14的位置的时间序列来确定路径35。然而，可以采用额外的路径近似处理，例如，如果节点18穿过RTLS 12未覆盖的区域，则可以采用处理在RTLS 12未覆盖的区域中内插路径35，例如，假设节点18通过未覆盖区域的平均速度。在其他示例中，可以对路径35进行平滑以更接近地表示人的运动。
在104处，使用存储在病原体数据库34中的感染传播信息，沿着路径35在地图30上计算感染区36。如图3所示，在路径35的任意尺寸上标出大约1m的感染区36。1m边界基于由WHO定义的预防感染扩散的准则。可以基于各种因素来调整路径35周围的感染区36的宽度，例如感染节点18在每个地图区中花费的时间(如果感染节点18在给定的地图区中花费更多时间，则感染区36可以被加宽)，或者基于其传播正被跟踪的特定病原体的空气驻留(例如，如果病原体具有较长的空气驻留，则感染区36可以被加宽，或者如果病原体具有较短的空气驻留或不能通过空气路径传播，则该感染区可以变窄)。
该调整可以补偿某些感染区域将被遗漏的可能性。为了预防这种情况，用户可以指定比由WHO指定的1m更大的安全裕度。这将减少或消除遗漏已经感染的个体的机会，由此导致降低的假阴性。(另一方面，该动作增加了将不受影响的个体识别为感染个体的机会，由此增加了假阳性)。RTLS 12还允许使用不同的危险区阈值对先前收集到的位置数据进行后处理，以便计算不同的风险模型，该模型识别哪些个体可能被感染或负责扩散感染。
在106处，针对接触感染区36的每个节点18，至少基于针对被跟踪病原体的感染传播信息来调整节点数据库28中接触节点的感染可能性，并在接触节点的更新后的感染可能性满足感染准则的情况下，将接触节点指定为感染节点。“接触节点”是这样的节点：其位置在感染区36被认为由被跟踪病原体污染的时间间隔内与感染区36相交。用于病原体传播的时间间隔取决于病原体污染在移动物体的表面上的驻留(对于移动物体节点)或在地图区节点的情况下取决于病原体污染在空气中或表面上的驻留。同样，在节点表示人的情况下，通常会存在无症状的潜伏期，在此期间此人已经被感染，具有感染性，但没展示出任何症状。如果在该潜伏期过后此人没有显示出症状，则可以得出断定此人未被感染，并且节点感染可能性可以被重置为零。
为了考虑病原体污染驻留时间，在一些实施例中，针对节点的列表中的每个节点18，确定时间相关的感染可能性值，其中，对应的节点被确定为具有随着时间降低到零的感染可能性，其中针对人节点，在潜伏期结束时(假设此人保持无症状)可能性到达零，或者针对移动物体或地图区节点，在病原体污染寿命结束时可能性到达零。在人节点的情况下，如果此人有症状，则针对此人节点的感染可能性可以被重置为一(一定被感染)，并且这种统一的感染可能性可以被及时传播回到此人节点获得感染的时间点(例如，与感染区36接触)。节点18的感染可能性随时间降低，并最终可以以零结束。在其他示例中，在接收到对应节点18不再具有感染性的指示后(例如，在经过潜伏期且此人保持无症状之后，或在经过病原体在表面上或作为空气污染的驻留时间之后)，将时间相关值设置为零。
在另外的实施例中，在从标签读取器16之一接收到在由标签读取器跟踪的对应节点中的两个对应节点之间的路径32保持不变的多个测量之后，节点18中的至少一个节点的时间相关值增加。换句话说，当节点18已经停止移动时(例如，当该节点是正在移动通过医院的患者以及正在移动患者的医学专业人员停下来一会儿时)，在对应标签14(或15)与标签读取器16(或信标17和通信系统19)之间的距离是相同的。当这种情况发生时，时间相关值增加，以确保RTLS 12知道节点18(即，患者)何时再次移动。这在图4中示出。当RTLS 12检测到节点18在(即，针对该特定区指定的)特定预定义时间内没有从区中出现时，感染区36被扩展以覆盖整个区域，如由放大的区Y所示。
在其他实施例中，RTLS 12包括监视被设置在监视区域A中的卫生站38的使用，并且地图30包括由RTLS监视的卫生站的位置。在该实施例中，对节点数据库32中的接触节点18的感染可能性的调整还基于监视到的与感染区36接触的卫生站38的使用。
在其他实施例中，在节点数据库32中对接触节点18的感染可能性的调整在功能上取决于若干因素，这些因素至少包括：两个节点之间的距离；两个节点之间的空气流特性；自节点中的一个节点最后与感兴趣的病原体接触以来经过的时间；节点的表面的类型，节点附近的温度；节点附近的湿度值；从被认为是感染的原始来源的节点起的节点次序；自第一次被感染以来节点彼此相遇的次数；以及卫生制度的执行。
例如，当RTLS 12实时监视所有节点18的位置时，它连续计算检查以查看哪对节点应当通过一条边连接，并且如果是这样的话，则至少一个电子处理器22被编程为将权重分配给该边。分配给节点18的权重对应于一个节点可以感染另一节点的概率。如果两个节点18都处于感染彼此的位置中，则为该边分配较高的概率，即权重。如果一个节点感染另一节点的概率高于特定阈值p，则在两个节点之间分配一条边，其中p(分配给该边的权重)被计算如下：
p＝f(d,a,t,s,T,H,o,i,h), (1)
其中，d是两个节点之间的距离(即，节点之间最接近的可能距离)；a是当两个节点通过共同的HVAC系统连接时它们之间的空气流特性(例如，空气速度/压力/等)；t是自节点最后接触感兴趣的病原体以来经过的时间；s是主要定义节点的表面的类型(例如，无孔/纺织/等)；T是节点附近的温度；H是节点附近的湿度；o是从被认为是感染的原始来源的节点起的节点次序；i是自第一次被感染以来节点彼此相遇的次数；并且h是卫生制度的执行(例如，当护士使用洗手液时，房间已消毒等时)。图5示出了说明在给定d、a、s、T、H、o、i和h的特定值的情况下，p对于不同病原体如何随时间(t)变化的图。如图5所示，“顶部”曲线是针对第一病原体A的数据，而“底部”曲线是针对第二病原体B的数据。
一旦权重已经被分配给每条边，系统10就会生成加权有向图，描述每个节点N可以感染另一节点的概率P，如图6所示。系统10连续计算权重作为来自RTLS 12安装中的实时数据流。在一些情况下，两个节点之间的边可能会消失(例如，当感染病原体在体外的时间超过特定持续时间时，当感染实体执行卫生协议时，例如当护士通过用洗手液洗手接触感染而被感染时，等等)。这些概率可以用来识别哪些个体处于最大感染风险，如图7所示。虽然图7关注于个体，但是可以对资产(例如，病床、卫生站等)和区(例如，病房、走廊等)进行相同的构思。
在108处，具有感染区域的可能性的节点18的列表可以被显示在显示设备26上，以供医学专业人员查看。在一些示例中，节点的列表包括具有满足感染准则的感染可能性的节点18。
在110处，筛选满足感染准则的每个节点18，以确定针对节点中的每个节点的下一代基因测序(NGS)资源的分配。为此，根据存储在病原体数据库34中的信息来计算满足感染准则的节点18中的每个节点的感染概率。基于更新后的感染概率来确定NGS资源的分配。在一些示例中，检测针对已经与路径35接触的每个节点18的传播的可能性。当检测到的传播可能性超过预定阈值时，生成指示节点18被感染的警报(例如，被显示在显示设备26上)。为具有生成的警报的节点18确定NGS资源的分配。NGS设备40是被配置为对个体的基因组进行测序的测量设备，其用于确定是否对感染节点18施予NGS治疗。
为了确定资源的分配，确定关于感兴趣的病原体的潜伏期的信息。在一个示例中，如果RTLS系统12检测到医学专业人员(即，护士)与已知的感染患者接触并且没有遵循适当的卫生协议(例如，在与患者互动之后没有洗手)，则该系统记录该违规发生的时间。然后，其启动计数器以跟踪自该违规发生以来已经经过的时间。病原体的潜伏期一过去，系统就(例如，在显示设备26上或通过安装在监视区域A中的扬声器系统(未示出))生成警报。例如，如果病原体的潜伏期为30小时，则系统在检测到第一次违规后30小时生成警报。在该示例中，如果护士已经被感染，则护士在该阶段将是隐性携带者，即将不存在任何症状。
一旦生成警报，可以要求可疑感染个体(在这种情况下为护士)进行必要的测试，以检查他/她是否确实已经由于由RTLS系统检测到的30小时前对卫生协议的违规而被感染。测试可以是NGS(下一代基因测序)测试。通常，部门可能不得不派遣大量个体进行测试，以检查谁被感染了，因为缺乏关于哪些个体处于获得感染的高风险的知识。这可能导致高成本，并且也是非常费力且耗时的任务。传染病传播跟踪系统10允许健康护理机构仅派送被认为处于最大风险的那些个体以被派送进行进一步的健康检查/测试(例如NGS测试)。
在其他示例中，传染病传播跟踪系统10使用机器学习分类算法(例如，可以由电子处理器22实施的逻辑回归、神经网络、决策树等)可以用于分析历史电子医学记录(EMR)、实验室数据和人口统计数据的组合，以预测哪些患者在他们在特定医院住院期间更容易获得HAI。例如，分析可能指示免疫系统较弱的患者可能更容易获得感染。分析还可以指示免疫系统较弱且特定侵入性程序的组合可能具有导致感染的更高几率。无论发现如何，重要的是要突出它们将特定于待分析其数据的特定健康护理机构。例如，与在温和且较干燥气候下的医院相比，温暖且潮湿气候下的医院关于HAI可能有不同的结果。
一旦算法已经突出了哪种类型的患者处于感染HAI的较高风险，则可以使用RTLS12来确保针对高风险患者遵循工作流程的不同集合。例如，可以要求由机器学习算法识别为处于获得HAI的较高风险的入院患者遵循限制招呼该患者的护士数量的护理流程的不同集合。可以通过RTLS 12实时监视与该专门工作流程的符合性，任何偏差都会导致生成警报。不仅可以使用RTLS数据，而且可以将其与医学护理机构中存在的其他数据源(例如，EMR、护理信息系统数据、实验室数据、放射学数据和来自成像系统(例如CT/iXR/等机器)的机器日志)组合来监视该信息。
有利地，通过使用机器学习算法对RTLS、EMR、实验室数据、护理信息系统数据进行回顾性分析，预见到自动识别大大增加患者获得HAI的几率的条件。这种分析可以帮助识别健康护理机构的护理路径中的“薄弱点”，以实现更好的护理质量。
在其他示例中，当未严格遵守手部卫生协议卫生站38时，RTLS 12可以用于生成实时警报，传染病传播跟踪系统10冒生成太多警报的风险，尤其是在手部卫生遵守性水平较低时。生成太多警报实际上可能具有相反的效果，例如人们对系统感到恼火，并开始完全忽略警报。为了预防这种情况的发生，可以分析数据以检查最终导致HAI的最小手部卫生率。例如，数据可能指示当对手部卫生协议的符合性降至82％以下时，HAI会突然增加。类似地，也可能指示，当符合率超过93％时，基于历史数据，HAI的比率通常会降至几乎可忽略的比率。基于这些发现，警报阈值可以被调整以确保它们不那么敏感。通过考虑个体的表现，敏感性也可以相应地进行调整。例如，当人的符合率较低时，敏感性可能在一开始就较低。但是随着符合率开始增加，敏感性率也可能增加。这可以帮助个体逐渐改善他/她的表现。NGS数据可以用于检查卫生协议中是否存在任何漏洞。如果RTLS12数据显示符合率略低，但NGS数据显示没有病原体扩散，则该信息也可以用于决定可以如何调整卫生控制应用的警报。
有利地，为了加快识别健康护理机构内的薄弱点的学习过程，传染病传播跟踪系统10可以利用来自其他医院的数据/发现，这些数据/发现被认为与感兴趣的医院具有类似的状况。因此，当传染病传播跟踪系统10了解医院内的状况时，它首先使用来自具有相似特性的一个或多个其他医院的数据来设置警报阈值。随着从医院本身收集更多数据，警报将适应医院的特定需求。
在112处，可选地将NGS筛选反馈给传染病传播跟踪系统10，以适当地更新感染节点18的列表。例如，如果节点18是由NGS或针对被跟踪病原体的其他测试筛选出的人，则在此人已知感染被跟踪病原体的情况下，此人可以测试为阳性，或者在此人已知未感染被跟踪病原体的情况下，此人可以测试为阴性。如果此人已经针对被跟踪病原体测试为阴性，则系统10通过将此人重新指定为未感染来做出响应。此外，针对此人以及针对仅由于与已经针对被跟踪病原体测试为阴性的人的感染区接触而具有非零感染可能性的任何节点，将感染可能性设置为零。这反映了由NGS提供的确定的知识，即此人未被感染。
相反，如果节点18是由NGS或针对被跟踪病原体的另一测试筛选出的人，并且此人测试为阳性，则系统10通过将此人的感染可能性设置为最大值来做出响应，以便指示此人已经被感染的确定的知识，并向上调整节点数据库32中已经与已经针对被跟踪的病原体测试为阳性的人的感染区接触的任何接触节点的感染可能性。
虽然描述了NGS测试(由于其具有很高的可靠性)，但是取决于被跟踪病原体的性质，可以使用其他测试来检测此人实际上是否被感染。
在114处，还可以将信息提供给传染病传播跟踪系统10，该信息更具体地识别被跟踪病原体。例如，可以接收识别被跟踪病原体菌株的NGS数据。作为另一示例，如果先前不知道被跟踪的病原体，则NGS和/或实验室测试可以肯定地识别该病原体。在这样的情况下，例如通过从病原体数据库34加载针对现在肯定识别的病原体的特定菌株或类型的感染传播信息，来适当地修改针对被跟踪病原体的感染传播信息。利用该改进的感染传播信息，使用修改后的感染传播信息来重新计算沿路径的在地图上的感染区，并且基于修改后的感染传播信息来(进一步)调整接触节点的感染可能性。作为说明性的示例，假设识别出的病原体的特定菌株不易通过空气传播。在这种情况下，感染区可能会变窄，以反映出这种可能的传播路径的消除。同样，可以调整表面等上的病原体寿命，可以调整潜伏期，等等。这些反过来可能会导致对感染可能性的调整，例如由于修改后的感染传播信息已经排除了空气传播媒介，因此可以将只可能通过空气传播感染的节点调整为具有零感染可能性。
示例
以下是在电子处理器22上实施以执行所公开的操作的两个示例算法：示例1(对于接触和飞沫预防)：
护士N1进入房间R1，与躺在床B1上的患者P1会面。
N1负责照顾P1
P1患有目前未检测出的感染医学状况，M1涉及病原体PG1。
PG1只能经由接触传播，即，不经由飞沫传播或空气传播。
PG在某些条件(例如，某些温度、湿度等)下在人体外的已知寿命为5天。
N1将P1在轮椅W1中推到另一部门进行一些测试。
系统监视位于P1、N1和W1的相同区或1m之内的所有实体，并在服务器上存储医院中所有带标签的实体的位置信息。
在N1和P1已经离开R1之后的30分钟内，护士N2进入房间，恰好与B1短暂地进行了身体接触，并离开R1。
P1不是N2的职责。
1天后，P1出现与状况M1相对应的症状。
3天后，发现N1和N2患有与状况M1相对应的症状
虽然对于感染控制管理器I1而言，显然N1是从P1那里获得感染，但是不清楚N2如何也获得了感染。
参数被输入到系统中。系统形成有向图。
有向图示出在B1与N2之间存在边。
也存在包含B1、P1、N1、W1和N2的边
与B1、P1、N1、W1和N2共享边的所有资产均被消毒。
与B1、P1、N1、W1和N2共享边的所有人都将被隔离和/或采取适当的处置。
示例2(对于空气预防)：
患者P1躺在房间R1中的床B1上。
P1患有目前未检测出的感染医学状况，M1涉及病原体PG1。
PG1可以经由空气传播来扩散。
PG1在人体外部的寿命为5小时。
在P1已经被放置在R1中之后的1小时，护士N2进入房间R2取一些物资。
房间R1和R2共享通风
护士N2在R2中吸入PG1
N2在24小时后出现M1。
参数被输入到系统中。系统形成有向图。
有向图显示，由于在R1与R2之间共享通风，所以在P1与N2之间存在边。
将P1移动到独立通风的房间，并隔离N2。
已经参考优选实施例描述了本公开。在阅读并理解了前面的详细描述之后，其他人可能会想到修改和变更。意图将本发明解释为包括所有这样的修改和变更，只要它们落入所附权利要求或其等同物的范围内。

Claims (20)

1.一种传染病传播跟踪系统(10)，包括：
实时定位系统(RTLS)(12)，其被配置为跟踪标签(14、15)在监视区域中的位置；
至少一个电子处理器(22)，其与所述RTLS操作性地通信以接收标签在所述监视区域中的位置；以及
非瞬态存储介质，其存储：
所述监视区域的地图(30)；
节点数据库(32)，其存储关于节点(18)的信息，其中，每个节点是人、移动物体或地图区，并且所述节点数据库存储关于所述节点的信息，关于所述节点的所述信息至少包括：(i)每个节点作为人、移动物体或地图区的标识，(ii)与被识别为人或移动物体的每个节点相关联的标签的标识，(iii)被识别为地图区的每个节点在所述地图上的位置信息，以及(iv)针对每个节点的关于被跟踪病原体的感染可能性；
病原体数据库(34)，其存储针对至少所述被跟踪病原体的感染传播信息，所述感染传播信息包括针对所述被跟踪病原体的一种或多种传播模式以及针对所述被跟踪病原体的至少一个节点驻留时间；以及
由至少一个电子处理器可读且可执行以执行传染病传播跟踪方法(100)的指令，所述传染病传播跟踪方法包括：
使用从所述RTLS接收到的与至少一个感染节点相关联的标签的位置来计算所述感染节点在所述地图上的路径(35)，其中，感染节点具有满足感染准则的关于所述被跟踪病原体的非零感染可能性；
使用存储在所述病原体数据库中的所述感染传播信息来计算沿着所述路径在所述地图上的感染区(36)；
针对接触所述感染区的每个节点，至少基于所述被跟踪病原体的所述感染传播信息来调整所述节点数据库中的所述接触节点的所述感染可能性，并且在所述接触节点的更新后的感染可能性满足所述感染准则的情况下，将所述接触节点指定为感染节点；以及
针对满足所述感染准则的每个节点，筛选每个节点以确定针对所述节点中的每个节点的下一代基因测序(NGS)资源的分配。
2.根据权利要求1所述的系统(10)，其中，所述至少一个电子处理器(22)还被编程为：
在显示设备(24)上显示具有满足所述感染准则的感染可能性的节点(18)的列表。
3.根据权利要求2所述的系统(10)，其中，所述至少一个电子处理器(22)还被编程为：
针对节点的所述列表中的每个节点(18)，确定其中对应节点被确定为具有零感染可能性的时间相关值。
4.根据权利要求3所述的系统(10)，其中，所述至少一个电子处理器(22)还被编程为：
在接收到所述对应节点(18)不再具有感染性的指示时，将所述时间相关值设置为零。
5.根据权利要求1-4中的任一项所述的系统(10)，其中，所述RTLS(12)包括以下项中的一项：
(1)射频识别(RFID)标签(14)和RFID标签读取器(16)；或者
(2)包括红外(IR)接收器和射频(RF)收发器的标签(15)；监视器(17)，其被配置为在整个所述监视区域中发送IR信号，并输出具有由所述标签感测到的唯一ID的IR信号；以及RF跟踪通信站(19)，其能用于读取由所述标签感测到的IRID。
6.根据权利要求2-5中的任一项所述的系统(10)，其中：
所述RTLS(12)包括对分布在所述监视区域中的卫生站(38)的使用的监视；
所述地图(30)包括由所述RTLS监视的所述卫生站的位置；并且
对所述节点数据库中的所述接触节点的所述感染可能性的所述调整还基于对与所述感染区接触的卫生站的监视的使用。
7.根据权利要求1-6中的任一项所述的系统(10)，其中，对所述节点数据库(32)中的所述接触节点(18)的所述感染可能性的所述调整在功能上取决于以下项中的至少一项：在所述感染节点与所述接触节点之间的距离，自所述感染节点与所述被跟踪病原体接触以来经过的时间，所述感染节点的表面的类型，其中，所述感染节点是移动物体或地图区，所述节点附近的温度；所述节点附近的湿度值，从被认为是感染的原始来源的节点起的节点次序；自第一次感染以来所述节点彼此相遇的次数；以及卫生制度的执行。
8.根据权利要求7所述的系统(10)，其中，对所述节点数据库(32)中的所述接触节点(18)的所述感染可能性的所述调整由以下方程确定：
p＝f(d,a,t,s,T,H,o,i,h)，
其中，d是两个节点之间的距离；a是所述两个节点之间的空气流特性；t是自所述节点中的一个节点最后与感兴趣的病原体接触以来经过的时间；s是所述节点的表面的类型；T是所述节点附近的温度；H是所述节点附近的湿度值；o是从被认为是感染的原始来源的节点起的节点次序；I是自第一次被感染以来所述节点彼此相遇的次数；并且h是卫生制度的执行。
9.根据权利要求1-8中的任一项所述的系统(10)，其中，筛选每个节点(18)以确定针对所述节点中的每个节点的下一代基因测序(NGS)资源的分配包括：
更新满足所述感染准则的所述节点中的每个节点的感染概率；以及
基于更新后的感染概率来确定NGS资源的所述分配。
10.根据权利要求1-9中的任一项所述的系统(10)，其中，筛选每个节点(18)以确定针对所述节点中的每个节点的下一代基因测序(NGS)资源的分配包括：
检测针对已经与所述路径(35)接触的每个节点的传播可能性；
当检测到的传播可能性超过预定阈值时，生成所述节点被感染的警报；以及
确定针对具有生成的警报的节点的NGS资源的所述分配。
11.一种非瞬态计算机可读存储介质，包括：
地图数据库(28)，其存储监视区域的地图(30)；
节点数据库(32)，其存储关于节点(18)的信息，其中，每个节点是人、移动物体或地图区，并且所述节点数据库存储关于所述节点的信息，关于所述节点的所述信息至少包括：(i)每个节点作为人、移动物体或地图区的标识，(ii)与被识别为人或移动物体的每个节点相关联的标签的标识，(iii)被识别为地图区的每个节点在所述地图上的位置信息，以及(iv)针对每个节点的关于被跟踪病原体的感染可能性；
病原体数据库(34)，其存储针对至少所述被跟踪病原体的感染传播信息，所述感染传播信息包括针对所述被跟踪病原体的一种或多种传播模式以及针对所述被跟踪病原体的至少一个节点驻留时间；以及
由至少一个电子处理器(22)可读且可执行以执行传染病传播跟踪方法(100)的指令，所述传染病传播跟踪方法包括：
从实时定位系统(RTLS)(12)的一个或多个标签读取器(16、17、19)接收所述RTLS的一个或多个标签(14、15)在所述监视区域中的位置；
使用从所述RTLS接收到的与至少一个感染节点相关联的标签的位置来计算所述感染节点在所述地图上的路径(35)，其中，所述感染节点具有满足感染准则的关于所述被跟踪病原体的非零感染可能性；
使用存储在所述病原体数据库中的所述感染传播信息来计算沿着所述路径在所述地图上的感染区(36)；
针对接触所述感染区的每个节点，至少基于针对所述被跟踪病原体的所述感染传播信息来调整所述节点数据库中的所述接触节点的所述感染可能性，并且在所述接触节点的更新后的感染可能性满足所述感染准则的情况下，将所述接触节点指定为感染节点；
接收所述至少一个感染节点已经针对所述被跟踪病原体测试为阴性的信息，并且作为响应将所述至少一个感染节点重新指定为未感染，并将所述至少一个感染节点和仅由于与已经针对所述被跟踪病原体测试为阴性的所述至少一个感染节点的所述感染区接触而具有非零感染可能性的任何节点的感染可能性设置为零。
12.根据权利要求11所述的非瞬态计算机可读存储介质，其中，所述传染病传播跟踪方法(100)还包括：
利用所述至少一个电子处理器(22)控制显示设备(24)以显示具有满足所述感染准则的感染可能性的节点(18)的列表。
13.根据权利要求12所述的非瞬态计算机可读存储介质，其中，所述传染病传播跟踪方法(100)还包括：
针对节点的所述列表中的每个节点(18)，确定其中对应节点被确定为具有零感染可能性的时间相关值。
14.根据权利要求13所述的非瞬态计算机可读存储介质，其中，所述传染病传播跟踪方法(100)还包括：
在接收到所述对应节点(18)不再具有感染性的指示时，将所述时间相关值设置为零。
15.根据权利要求11-14中的任一项所述的非瞬态计算机可读存储介质，其中，所述RTLS(12)包括以下项中的一项：
(1)射频识别(RFID)标签(14)和RFID标签读取器(16)；或者
(2)包括红外(IR)接收器和射频(RF)收发器的标签(15)；监视器(17)，其被配置为在整个所述监视区域中发送IR信号，并输出具有由所述标签感测到的唯一ID的IR信号；以及RF跟踪站(19)，其能用于读取由所述标签感测到的IRID。
16.根据权利要求12-15中的任一项所述的非瞬态计算机可读存储介质，其中，所述传染病传播跟踪方法(100)还包括：
接收所述至少一个感染节点已经针对所述被跟踪病原体测试为阳性的信息，并且作为响应将所述感染节点的所述感染可能性设置为最大值，并向上调整所述节点数据库(32)中已经与已经针对所述被跟踪病原体测试为阳性的所述至少一个感染节点的所述感染区接触的任何接触节点的感染可能性。
17.根据权利要求11-16中的任一项所述的非瞬态计算机可读存储介质，其中，所述传染病传播跟踪方法(100)还包括：
至少基于在所述感染节点与所述接触节点之间的距离以及自所述感染节点与所述被跟踪病原体接触以来经过的时间以及以下项中的至少一项对所述节点数据库(32)中的所述接触节点(18)的所述感染可能性的调整：
所述感染节点的表面的类型，其中，所述感染节点是移动物体或地图区，所述节点附近的温度；以及所述节点附近的湿度值。
18.根据权利要求16-17中的任一项所述的非瞬态计算机可读存储介质，其中，所述传染病传播跟踪方法(100)还包括：
基于以下方程对所述节点数据库(32)中的所述接触节点(18)的所述感染可能性的调整：
p＝f(d,a,t,s,T,H,o,i,h)，
其中，d是两个节点之间的距离；a是所述两个节点之间的空气流特性；t是自所述节点中的一个节点最后与感兴趣的病原体接触以来经过的时间；s是所述节点的表面的类型；T是所述节点附近的温度；H是所述节点附近的湿度值；o是从被认为是感染的原始来源的节点起的节点次序；I是自第一次被感染以来所述节点彼此相遇的次数；并且h是卫生制度的执行。
19.一种传染病传播跟踪系统(10)，包括：
实时定位系统(RTLS)(12)，其包括标签(14、15)和标签读取器(16、17、19)，其中，所述标签读取器被分布在监视区域中，并被配置为跟踪所述标签在所述监视区域中的位置；
至少一个电子处理器(22)，其与所述RTLS操作性地通信以接收所述标签在所述监视区域中的位置；以及
非瞬态存储介质，其存储：
所述监视区域的地图(30)；
节点数据库(32)，其存储关于节点(18)的信息，其中，每个节点是人、移动物体或地图区，并且所述节点数据库存储关于所述节点的信息，关于所述节点的所述信息至少包括：(i)每个节点作为人、移动物体或地图区的标识，(ii)与被识别为人或移动物体的每个节点相关联的标签的标识，(iii)被识别为地图区的每个节点在所述地图上的位置信息，以及(iv)针对每个节点的关于被跟踪病原体的感染可能性；
病原体数据库(34)，其存储针对至少所述被跟踪病原体的感染传播信息，所述感染传播信息包括针对所述被跟踪病原体的一种或多种传播模式以及针对所述被跟踪病原体的至少一个节点驻留时间；以及
由至少一个电子处理器可读且可执行以执行传染病传播跟踪方法(100)的指令，所述传染病传播跟踪方法包括：
使用从所述RTLS接收到的与至少一个感染节点相关联的标签的位置来计算所述感染节点在所述地图上的路径(35)，其中，感染节点具有满足感染准则的关于所述被跟踪病原体的非零感染可能性；
使用存储在所述病原体数据库中的所述感染传播信息来计算沿着所述路径在所述地图上的感染区(36)；
针对接触所述感染区的每个节点，至少基于所述被跟踪病原体的所述感染传播信息来调整所述节点数据库中的所述接触节点的所述感染可能性，并且在所述接触节点的更新后的感染可能性满足所述感染准则的情况下，将所述接触节点指定为感染节点；
更具体地识别所述被跟踪病原体，由此修改所述被跟踪病原体的所述感染传播信息；以及
使用修改后的感染传播信息来重新计算沿着所述路径在所述地图上的所述感染区，并基于修改后的感染传播信息来进一步调整所述接触节点的所述感染可能性。
20.根据权利要求19所述的传染病传播跟踪系统(10)，其中，更具体地识别所述被跟踪病原体的操作包括：接收识别被跟踪病原体菌株的下一代测序(NGS)数据。
CN201880068419.7A 2017-08-21 2018-08-21 使用实时定位系统和下一代测序在健康护理机构中预测、预防和控制感染传播 Active CN111247593B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762548190P 2017-08-21 2017-08-21
US62/548,190 2017-08-21
PCT/EP2018/072534 WO2019038271A1 (en) 2017-08-21 2018-08-21 PREDICTION, PREVENTION AND CONTROL OF INFECTIOUS TRANSMISSION IN A HEALTH CARE FACILITY USING A REAL-TIME LOCALIZATION SYSTEM AND A NEW GENERATION SEQUENCING

Publications (2)

Publication Number Publication Date
CN111247593A true CN111247593A (zh) 2020-06-05
CN111247593B CN111247593B (zh) 2023-05-30

Family

ID=63449439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880068419.7A Active CN111247593B (zh) 2017-08-21 2018-08-21 使用实时定位系统和下一代测序在健康护理机构中预测、预防和控制感染传播

Country Status (6)

Country Link
US (1) US11476006B2 (zh)
EP (1) EP3673492B1 (zh)
JP (1) JP7256171B2 (zh)
CN (1) CN111247593B (zh)
RU (1) RU2020111714A (zh)
WO (1) WO2019038271A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111629340A (zh) * 2020-07-30 2020-09-04 北京大学第三医院（北京大学第三临床医学院） 一种可保护隐私的人员接触状况追踪方法和系统
CN111933297A (zh) * 2020-08-05 2020-11-13 河南牧业经济学院 一种基于近场通信的人员密接情况调查方法
CN113470835A (zh) * 2021-07-21 2021-10-01 医渡云（北京）技术有限公司 传染病的传播路径确定方法、装置、存储介质与电子设备

Families Citing this family (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8600556B2 (en) 2009-06-22 2013-12-03 Johnson Controls Technology Company Smart building manager
US10303035B2 (en) 2009-12-22 2019-05-28 View, Inc. Self-contained EC IGU
US11743071B2 (en) 2018-05-02 2023-08-29 View, Inc. Sensing and communications unit for optically switchable window systems
US10691081B2 (en) 2017-04-13 2020-06-23 Johnson Controls Technology Company Building management system with space and place utilization
US10742441B2 (en) 2017-04-13 2020-08-11 Johnson Controls Technology Company Unified building management system
US11025563B2 (en) 2017-04-13 2021-06-01 Johnson Controls Technology Company Space-aware network switch
JP7043215B2 (ja) * 2017-10-20 2022-03-29 シスメックス株式会社 施設内監視システム、施設内監視装置、およびコンピュータプログラム
US11069070B2 (en) * 2018-07-16 2021-07-20 Accel Robotics Corporation Self-cleaning autonomous store
US10909694B2 (en) 2018-07-16 2021-02-02 Accel Robotics Corporation Sensor bar shelf monitor
US12007732B2 (en) 2019-07-12 2024-06-11 Johnson Controls Tyco IP Holdings LLP HVAC system with building infection control
US11131473B2 (en) 2019-07-12 2021-09-28 Johnson Controls Tyco IP Holdings LLP HVAC system design and operational tool for building infection control
US11960261B2 (en) 2019-07-12 2024-04-16 Johnson Controls Tyco IP Holdings LLP HVAC system with sustainability and emissions controls
US11087886B1 (en) * 2018-11-16 2021-08-10 Allscripts Software, Llc Computing system for notifying persons of exposure to an infectious disease in a healthcare facility
US11761660B2 (en) 2019-01-30 2023-09-19 Johnson Controls Tyco IP Holdings LLP Building control system with feedback and feedforward total energy flow compensation
WO2020208219A1 (en) * 2019-04-12 2020-10-15 Koninklijke Philips N.V. Method and system for identifying infection hotspots in hospitals
US11714393B2 (en) 2019-07-12 2023-08-01 Johnson Controls Tyco IP Holdings LLP Building control system with load curtailment optimization
US11274842B2 (en) 2019-07-12 2022-03-15 Johnson Controls Tyco IP Holdings LLP Systems and methods for optimizing ventilation, filtration, and conditioning schemes for buildings
US11513486B2 (en) * 2019-07-18 2022-11-29 Siemens Industry, Inc. Systems and methods for intelligent disinfection of susceptible environments based on occupant density
CN110929914A (zh) * 2019-10-10 2020-03-27 重庆特斯联智慧科技股份有限公司 一种利用轨迹大数据预测的区域精准布控方法和系统
US11183047B2 (en) 2019-11-18 2021-11-23 International Business Machines Corporation Identifying and containing contaminants using IoT devices
US20210264301A1 (en) * 2020-02-21 2021-08-26 OnSolve, LLC Critical Event Intelligence Platform
TW202206925A (zh) 2020-03-26 2022-02-16 美商視野公司 多用戶端網路中之存取及傳訊
CN111430042A (zh) * 2020-03-31 2020-07-17 南方科技大学 预测传染病传播的方法、装置、计算机设备和存储介质
US11367534B2 (en) 2020-04-02 2022-06-21 Johnson Controls Tyco IP Holdings LLP Systems and methods for contagious disease risk management
US11783240B2 (en) 2020-04-02 2023-10-10 Johnson Controls Tyco IP Holdings LLP Building management system with dynamic workspace assignment
US11536476B2 (en) * 2020-05-12 2022-12-27 Johnson Controls Tyco IP Holdings LLP Building system with flexible facility operation
CN111863270B (zh) * 2020-05-20 2024-06-18 京东城市(北京)数字科技有限公司 疾病传染概率确定方法、装置、系统及存储介质
US11631493B2 (en) 2020-05-27 2023-04-18 View Operating Corporation Systems and methods for managing building wellness
US11164269B1 (en) 2020-06-25 2021-11-02 Johnson Controls Tyco IP Holdings LLP Systems and methods for dynamic travel planning
JP7032597B2 (ja) * 2020-07-09 2022-03-08 株式会社シグマクシス・ホールディングス 感染症対策システム
JP7553275B2 (ja) 2020-07-21 2024-09-18 合同会社Ｈ．Ｕ．グループ中央研究所 プログラム、情報処理装置、情報処理方法及び学習モデルの生成方法
US20220028557A1 (en) * 2020-07-22 2022-01-27 Pandemic Insights, Inc. Natural-language text generation with pandemic-bio-surveillance multi pathogen systems
US11740353B2 (en) * 2020-08-13 2023-08-29 Hand Held Products, Inc. Systems, methods, and apparatuses for alerting users to maintain physical distancing
JP7373692B2 (ja) * 2020-08-26 2023-11-02 シグニファイ ホールディング ビー ヴィ 感染症状を示す個人を検出及び追跡するためのシステム及び方法
US11664130B2 (en) 2020-09-01 2023-05-30 International Business Machines Corporation Predicting infection risk using heterogeneous temporal graphs
CN112216387B (zh) * 2020-09-02 2024-04-09 成都大汇智联科技有限公司 基于云数据平台的复工复产管理方法及系统
WO2022054249A1 (ja) * 2020-09-11 2022-03-17 日本電気株式会社 情報管理装置、方法及びプログラムが格納された非一時的なコンピュータ可読媒体
US20220093275A1 (en) * 2020-09-18 2022-03-24 Arizona Board Of Regents On Behalf Of The University Of Arizona Systems and methods for a multi-modal geographic information system (gis) dashboard for real-time mapping of perceived stress, health and safety behaviors, facilities design and operations, and movement
US20220093274A1 (en) * 2020-09-23 2022-03-24 Dav Acquisition Corp. Integrated contact tracing platform
US11328823B2 (en) 2020-10-13 2022-05-10 Steven W. Goldstein Wearable device for reducing exposure to pathogens of possible contagion
JP7196890B2 (ja) * 2020-10-19 2022-12-27 日本電気株式会社 画像分析装置、画像分析方法、およびプログラム
CN112242201A (zh) * 2020-10-28 2021-01-19 中国人民解放军国防科技大学 一种基于图计算的病毒传播风险预警方法、装置及设备
WO2022091681A1 (ja) * 2020-10-28 2022-05-05 富士フイルム株式会社 情報処理装置、情報処理方法、情報処理プログラム、及び記憶装置
JP6931954B6 (ja) * 2020-11-02 2021-10-20 治幸 岩田 感染者特定・絞り込みシステム、方法及びプログラム
CN112037930B (zh) * 2020-11-02 2021-02-05 平安科技（深圳）有限公司 一种传染病预测设备、方法、装置及存储介质
US11818624B1 (en) 2020-11-19 2023-11-14 Wells Fargo Bank, N.A. System and methods for passive contact tracing
US11990245B2 (en) * 2020-12-22 2024-05-21 International Business Machines Corporation Dynamic infection map
GB2603132B (en) * 2021-01-26 2024-04-10 Ethersec Ind Ltd Monitoring system
US20220254509A1 (en) * 2021-02-05 2022-08-11 Cisco Technology, Inc. Systems and methods for detecting and tracking infectious diseases using sensor data
US20220293281A1 (en) * 2021-03-10 2022-09-15 Ricoh Company, Ltd. Multi-source health-based safety information aggregation in a graphical user interface
AU2022261886A1 (en) * 2021-04-20 2023-10-19 Baxter Healthcare Sa Case sift and cluster sift for outbreak tracking and management
US20220359089A1 (en) * 2021-05-04 2022-11-10 International Business Machines Corporation Pandemic Community Tokenzation Tracing
CN113205890A (zh) * 2021-05-21 2021-08-03 中国人民大学 一种基于传染性疾病传播路径的控制方法和系统
WO2022251239A1 (en) * 2021-05-24 2022-12-01 View Operating Corporation Systems and methods for managing building wellness
US11729577B2 (en) 2021-07-08 2023-08-15 Johnson Controls Tyco IP Holdings LLP Building management system with geofenced configuration templates
CN113658716B (zh) * 2021-07-27 2024-02-23 之江实验室 基于约束子图计算的新冠肺炎感染人群分析方法及系统
CN114786133B (zh) * 2022-06-20 2022-09-13 中国联合网络通信集团有限公司 数据处理方法、装置、设备及存储介质
CN118692644A (zh) * 2024-08-29 2024-09-24 万链指数(青岛)信息科技有限公司 一种适用于医药大数据云服务平台的数据处理方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060031110A1 (en) * 2000-10-03 2006-02-09 Moshe Benbassat Method and system for assigning human resources to provide services
US20120112883A1 (en) * 2008-12-08 2012-05-10 Infonaut, Inc. Disease Mapping and Infection Control System and Method
CN105408479A (zh) * 2013-06-13 2016-03-16 贝拉医疗私人贸易有限公司 改进的ngs工作流程

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7598854B2 (en) * 2005-03-01 2009-10-06 Chon Meng Wong System and method for creating a proximity map of plurality of living beings and objects
US9746985B1 (en) * 2008-02-25 2017-08-29 Georgetown University System and method for detecting, collecting, analyzing, and communicating event-related information
EP2368202A1 (en) * 2008-12-18 2011-09-28 Clean Contact Aps Hand hygiene system
JP2016085649A (ja) 2014-10-28 2016-05-19 泰章 岩井 更新システム、更新方法、携帯端末装置、プログラム
US20160132652A1 (en) 2014-11-11 2016-05-12 Ebay Inc. Communicable disease tracking
JP2016184196A (ja) * 2015-03-25 2016-10-20 テルモ株式会社 院内感染影響範囲閲覧システムおよび院内感染影響範囲表示方法
JP6589125B2 (ja) 2015-05-18 2019-10-16 パナソニックＩｐマネジメント株式会社 感染拡大防止システム、感染拡大防止システムの制御方法、およびそのプログラム
US20170024531A1 (en) * 2015-07-22 2017-01-26 Radicalogic Technologies, Inc. Dba Rl Solutions Systems and methods for near-real or real-time contact tracing
BR112018008541A2 (pt) * 2015-10-30 2018-10-30 Koninklijke Philips Nv método implementado por computador para determinar uma rota de transmissão de patógenos relacionados, mídia de armazenamento não transitório legível por computador e sistema implementado por computador para pré-formar uma análise de genoma
US11875904B2 (en) * 2017-04-27 2024-01-16 Koninklijke Philips N.V. Identification of epidemiology transmission hot spots in a medical facility
US20190148023A1 (en) * 2017-11-16 2019-05-16 Google Llc Machine-Learned Epidemiology

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060031110A1 (en) * 2000-10-03 2006-02-09 Moshe Benbassat Method and system for assigning human resources to provide services
US20120112883A1 (en) * 2008-12-08 2012-05-10 Infonaut, Inc. Disease Mapping and Infection Control System and Method
CN105408479A (zh) * 2013-06-13 2016-03-16 贝拉医疗私人贸易有限公司 改进的ngs工作流程

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111629340A (zh) * 2020-07-30 2020-09-04 北京大学第三医院（北京大学第三临床医学院） 一种可保护隐私的人员接触状况追踪方法和系统
CN111629340B (zh) * 2020-07-30 2020-10-30 北京大学第三医院（北京大学第三临床医学院） 一种可保护隐私的人员接触状况追踪方法和系统
CN111933297A (zh) * 2020-08-05 2020-11-13 河南牧业经济学院 一种基于近场通信的人员密接情况调查方法
CN111933297B (zh) * 2020-08-05 2024-02-06 河南牧业经济学院 一种基于近场通信的人员密接情况调查方法
CN113470835A (zh) * 2021-07-21 2021-10-01 医渡云（北京）技术有限公司 传染病的传播路径确定方法、装置、存储介质与电子设备
CN113470835B (zh) * 2021-07-21 2023-01-24 医渡云（北京）技术有限公司 传染病的传播路径确定方法、装置、存储介质与电子设备

Also Published As

Publication number Publication date
CN111247593B (zh) 2023-05-30
RU2020111714A3 (zh) 2021-12-10
WO2019038271A1 (en) 2019-02-28
JP7256171B2 (ja) 2023-04-11
EP3673492B1 (en) 2024-04-03
JP2020531945A (ja) 2020-11-05
US11476006B2 (en) 2022-10-18
EP3673492A1 (en) 2020-07-01
RU2020111714A (ru) 2021-09-23
US20200176125A1 (en) 2020-06-04

Similar Documents

Publication Publication Date Title
CN111247593B (zh) 使用实时定位系统和下一代测序在健康护理机构中预测、预防和控制感染传播
US11087888B2 (en) Monitoring direct and indirect transmission of infections in a healthcare facility using a real-time locating system
US11626004B2 (en) Methods and systems for improving infection control in a facility
US10361000B2 (en) System and method for protocol adherence
US20140167917A2 (en) Disease Mapping and Infection Control System and Method
US20170024531A1 (en) Systems and methods for near-real or real-time contact tracing
US20220399105A1 (en) Monitoring and enforcing infection safety procedures in operating rooms
US20160117912A1 (en) System and method for monitoring hospital workflow compliance with a hand hygiene network
US20120310664A1 (en) System and Method for Monitoring Hospital Workflow Compliance with a Hand Hygiene Network
US20220293276A1 (en) Systems and methods for preventing viral transmission
Wang et al. Electronic monitoring systems for hand hygiene: systematic review of technology
Radhakrishna et al. Real-time feedback for improving compliance to hand sanitization among healthcare workers in an open layout ICU using radiofrequency identification
US20200357510A1 (en) Proximity Based Systems For Contact Tracing
Khamis et al. AI and robotics in the fight against COVID-19 pandemic
CN109074479A (zh) 基于视线遮挡监测医学协议的依从性
Chen et al. Using computer vision and depth sensing to measure healthcare worker-patient contacts and personal protective equipment adherence within hospital rooms
Baslyman et al. Towards an RTLS-based hand hygiene notification system
Giri et al. A real time epidemic alert generation system for rural areas using WBANs and kiosks
Huang et al. The construction of a hospital disease tracking and control system with a disease infection probability model
Fadzil et al. Recent Development of Crowd Monitoring Technology Solution for Covid-19 Prevention at Airport Terminal.
Gambo et al. Impact of IoT towards Achieving Smart Primary Healthcare Building Facilities in Gauteng, South Africa
Al Ajaleen et al. The Importance Of Artificial Intelligence In Managing The Activities OfGovernment Institutions During The Period Of Corona 19
JP2022163297A (ja) データ評価のための装置、方法、及びシステム
CN117941009A (zh) 用于使用实时Wi-Fi定位将医疗资产指派给房间的系统和方法
CN113823415A (zh) 提高环境中人员抵抗传染病的健康安全性的系统和应用

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