CN111902080B - 支援系统、支援方法、支援程序及记录有支援程序的记录介质 - Google Patents

支援系统、支援方法、支援程序及记录有支援程序的记录介质 Download PDF

Info

Publication number
CN111902080B
CN111902080B CN201980021784.7A CN201980021784A CN111902080B CN 111902080 B CN111902080 B CN 111902080B CN 201980021784 A CN201980021784 A CN 201980021784A CN 111902080 B CN111902080 B CN 111902080B
Authority
CN
China
Prior art keywords
evaluation value
time
time series
series data
blood flow
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.)
Active
Application number
CN201980021784.7A
Other languages
English (en)
Other versions
CN111902080A (zh
Inventor
牧伸
上村朋子
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.)
Terumo Corp
Original Assignee
Terumo Corp
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 Terumo Corp filed Critical Terumo Corp
Publication of CN111902080A publication Critical patent/CN111902080A/zh
Application granted granted Critical
Publication of CN111902080B publication Critical patent/CN111902080B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • 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
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Vascular Medicine (AREA)
  • Pulmonology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Hematology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

提供一种能够基于Nohria‑Stevenson分类支援心力衰竭的恶化预测的支援系统。支援系统(10)是支援心力衰竭的恶化预测的支援系统。支援系统具有：数据获取部(211)，其获取患者(P)的身体的至少一部分的淤血量的时序数据(D1)及患者的肢体的血流量的时序数据(D2)；评估部(214)，其使用淤血量的时序数据及血流量的时序数据，以时序计算出与淤血量及肢体的血流量的程度相应的综合评估值(V1、V2)；和预测部(215)，其使用时序下的综合评估值，预测综合评估值的推移。

Description

支援系统、支援方法、支援程序及记录有支援程序的记录介质
技术领域
本发明涉及支援心力衰竭的恶化预测的支援系统、支援方法、支援程序及记录有支援程序的记录介质。
背景技术
心力衰竭是指心脏的泵血功能降低而引起心输出量降低、肺和身体静脉系统的淤血等的病状。患上心力衰竭的患者即使好转过一次，也多会逐渐恶化而反复再次入院。
作为这样的心力衰竭的诊断方法之一，已知将心力衰竭的病状分类成四种的Nohria-Stevenson分类(参照下述非专利文献1)。在使用了Nohria-Stevenson分类的诊断方法中，医生根据身体观察结果，对患者的身体有无淤血以及有无低灌注(是否成功将血液充分地输出到身体)进行判断，将患者的病状分类。
现有技术文献
专利文献
非专利文献1：“2013ACCF/AHA Guideline for THE Management of HeartFailure”、〔online〕、美国心脏病学会基金会(ACCF)、美国心脏协会(AHA)、[平成30年2月20日检索]、因特网<URL：http：//circ.ahajournals.org/content/128/16/e240>
发明内容
使用了Nohria-Stevenson分类的诊断是基于各医生的观察结果进行的，受医生的经验等所左右。因此，列举一例进行说明，在诊所的普通内科医生对接受了心力衰竭的专科医生的治疗而好转的患者进行后续观察的情况下，存在普通内科医生没能进行恰当的诊断而在患者的病情恶化后才转入专科医生所属的医疗机构的情况。像这样，医生等难以基于Nohria-Stevenson分类进行心力衰竭的恶化预测。
本发明是鉴于上述情况而做出的，其目的在于提供一种能够基于Nohria-Stevenson分类支援心力衰竭的恶化预测的支援系统、支援方法、支援程序及记录有支援程序的记录介质。
实现上述目的的本发明的支援系统是支援心力衰竭的恶化预测的支援系统，具有：数据获取部，其获取患者的身体的至少一部分的淤血量的时序数据及上述患者的肢体的血流量的时序数据；评估部，其使用上述淤血量的时序数据及上述血流量的时序数据，以时序计算出与上述淤血量及上述肢体的上述血流量的程度相应的综合评估值；和预测部，其使用时序下的上述综合评估值，预测上述综合评估值的推移。
另外，实现上述目的的本发明的支援方法是支援心力衰竭的恶化预测的支援方法，获取患者的身体的至少一部分的淤血量的时序数据及上述患者的肢体的血流量的时序数据，使用上述淤血量的时序数据及上述血流量的时序数据，以时序计算出与上述淤血量及上述肢体的上述血流量的程度相应的综合评估值，使用时序下的上述综合评估值，预测上述综合评估值的推移。
另外，实现上述目的的本发明的支援程序是支援心力衰竭的恶化预测的支援程序，执行以下步骤：获取患者的身体的至少一部分的淤血量的时序数据及上述患者的肢体的血流量的时序数据的步骤；使用上述淤血量的时序数据及上述血流量的时序数据，以时序计算出与上述淤血量及上述肢体的上述血流量的程度相应的综合评估值的步骤；和使用时序下的上述综合评估值来预测上述综合评估值的推移的步骤。
另外，实现上述目的的本发明的记录介质是记录有上述支援程序的计算机可读的记录介质。
发明效果
根据本发明，能够基于Nohria-Stevenson分类，支援心力衰竭的恶化预测。
附图说明
图1是表示本发明的实施方式的支援系统的概要的图。
图2是表示Nohria-Stevenson的分类表的图。
图3是表示本发明的实施方式的支援系统所具备的服务器的硬件结构的框图。
图4是表示本发明的实施方式的支援系统所具备的服务器的CPU的功能结构的框图。
图5A是供说明本发明的实施方式的支援系统所处理的数据的图。
图5B是供说明本发明的实施方式的支援系统的数据处理的图。
图6是供说明本发明的实施方式的支援系统对心力衰竭的恶化预测的图。
图7是表示本发明的实施方式的支援方法的流程图。
具体实施方式
以下参照附图说明本发明的实施方式。此外，在附图的说明中，对相同的要素标注相同的附图标记，并省略重复的说明。另外，为了便于说明而夸大了附图的尺寸比例，存在与实际比例不同的情况。
图1是供说明本实施方式的支援系统10的整体结构的图。图2是供说明Nohria-Stevenson分类的图。图3、图4是供说明支援系统10的各部分的图。图5A～图6是供说明支援系统10所处理的数据的图。
如图1所示，在本实施方式中，支援系统10构成为结合Nohria-Stevenson分类进行心力衰竭的恶化预测从而支援作为使用者的患者P、医生A、B等的系统。支援系统10并没有特别限定，例如在诊所的普通内科医生B对接受了心力衰竭的专科医生A的治疗而好转的患者P进行后续观察、并根据患者P的病情使患者P到专科医生A处适当接受治疗时等使用。
如图2所示，Nohria-Stevenson分类是基于患者P的身体有无淤血以及有无低灌注(是否成功向身体输出血液)而将心力衰竭的病状分类成四种。第一种病状是无淤血及低灌注的Warm&Dry(图2的左上)。第二种病状是有淤血且无低灌注的Warm&Wet(图2的右上)。第三种病状是无淤血且有低灌注的Cold&Dry(图2的左下)。第四种病状是有淤血及低灌注的Cold&Wet(图2的右下)。Warm&Dry是患者P的病情良好的状态，Warm&Wet、Cold&Dry、Cold&Wet(尤其是Cold&Wet)是患者P的病情恶化的状态。像这样，通过综合性地判断患者P的淤血程度和低灌注程度来进行Nohria-Stevenson分类。
参照图1进行概述，支援系统10具有：测定单元100，其测定患者P的身体的至少一部分的淤血量及肢体的血流量；和服务器200，其经由网络(在图中以虚线示出)与测定单元100及医生A、B的操作终端310、320连接，在测定单元100及操作终端310、320之间进行数据的收发。以下详细叙述支援系统10的各部分。
(测定单元)
测定单元100具有：能够测定患者的身体的至少一部分的淤血量的淤血测定部110；能够测定患者的肢体的血流量的血流量测定部120；和控制淤血测定部110及血流量测定部120的动作的控制部130。以下，详细叙述测定单元100的各部分。
在本实施方式中，各测定部110、120均由可穿戴设备构成，被安装于患者P的身体而在规定时刻进行测定。各测定部110、120进行测定的时刻并没有特别限定，例如能够在患者P安装了各测定部110、120的状态下每隔一分钟到每隔一小时进行测定。另外，也可以是能够根据患者的病情适当设定测定时刻。此外，各测定部110、120也可以不由可穿戴设备构成。
在本实施方式中，淤血测定部110具备能够测定患者P的肺淤血量的肺淤血测定部111及能够测定患者P的体淤血量的体淤血测定部112。肺淤血测定部111只要能够测定患者P的肺淤血量就没有特别限定，例如能够由可使用胸部阻抗、超声波、麦克风、经皮动脉血氧饱和度、局部组织氧饱和度等来测定患者P的肺的水分量的公知设备构成。体淤血测定部112只要能够测定患者P的体淤血量就没有特别限定，例如能够由可通过测定患者P的肢体(在图中为腿)的周长或患者P的肢体的生物阻抗来测定肢体的浮肿量的公知设备构成。
在本实施方式中，血流量测定部120由能够对伴随着患者P的肢体(腿)的血流量变化产生的体表温度变化(四肢冷感)进行测定的公知的温度传感器构成。但是，血流量测定部120只要能够直接或间接地测定患者P的肢体中的血流量就没有特别限定。例如，血流量测定部120也可以由能够对伴随着患者P的肢体的氧量变化(血流量变化)产生的颜色变化进行测定的相机等公知设备构成。另外，血流量测定部120也可以测定患者P的肢体的温度及颜色双方。
控制部130经由无线通信网络(在图中以虚线示出)与各测定部110、120连接，控制各测定部110、120的测定动作，并且从各测定部110、120获取测定数据，并将该测定数据向服务器200发送。
(服务器)
如图3所示，服务器200具备CPU(Central Processing Unit，中央处理器)210、存储部220、输入输出I/F230、通信部240及读取部250。CPU210、存储部220、输入输出I/F230、通信部240及读取部250与总线260连接，经由总线260而相互交换数据等。以下，说明各部分。
CPU210遵照存储于存储部220的各种程序，执行各部分的控制和各种运算处理等。
存储部220由存储各种程序和各种数据的ROM(Read Only Memory，只读存储器)、作为工作区域而暂时存储程序和数据的RAM(Randam Access Memory，随机存取存储器)、存储包含操作系统在内的各种程序和各种数据的硬盘等构成。存储部220存储支援程序等各种程序及各种数据。
通信部240是用于与测定单元100及医生A、B的操作终端310、320等进行通信的接口。
读取部250读取计算机可读的记录介质MD(参照图1)中记录的支援程序等。计算机可读的记录介质MD没有特别限定，例如能够由CD-ROM、DVD-ROM等光盘、USB存储器、SD存储卡等构成。读取部250没有特别限定，例如能够由CD-ROM驱动器、DVD-ROM驱动器等构成。
接下来，说明CPU210的主要功能。
CPU210通过执行存储于存储部220的支援程序，而如图4所示那样作为数据获取部211、初始值设定部212、数据处理部213、评估部214、预测部215、报知部216(相当于“结果报知部”及“精度报知部”)发挥功能。以下说明各部分。
首先，说明数据获取部211。
在本实施方式中，如图5A所示，数据获取部211从测定单元100，获取患者P的身体的至少一部分的淤血量的时序数据D1(以下简称为“淤血量的时序数据D1”)、和患者P的肢体的血流量的时序数据D2。
在本实施方式中，淤血量的时序数据D1包含肺淤血量的时序数据D11及体淤血量的时序数据D12。
在本实施方式中，肢体的血流量的时序数据D2包含肢体的温度的时序数据。
如图5A所示，获取到的淤血量的时序数据D1及肢体的血流量的时序数据D2在与每个测定时刻建立了关联的状态下，存储于存储部220。
接下来，说明初始值设定部212。
在本实施方式中，初始值设定部212根据测定单元100开始测定的那一天的患者P的淤血程度，对使用者指示指定淤血量的初始值。初始值设定部212对使用者所指示的值设定淤血量的初始值。
具体地说，例如在测定单元100从患者P从心力衰竭的专科医生A所属的医疗机构出院的那一天(以下简称为“出院日”)开始进行测定的情况下，若在出院日患者P的肺淤血及体淤血痊愈，则作为使用者的医生A将肺淤血量及体淤血量的初始值指定为0(零)。另外，例如在出院日患者P的肺淤血及体淤血没有充分治愈的情况下，作为使用者的医生A将与出院日的患者P的肺淤血及体淤血的程度相应的规定值指定为肺淤血量及体淤血量的初始值。
接下来说明数据处理部213。
数据处理部213在后述的评估部214计算出淤血评估值C1及血流评估值C2之前，进行各时序数据D1、D2的前处理。
如图5B所示，数据处理部213在测定单元100开始测定的那一天(出院日)，计算出以规定时刻(例如从每隔一分钟到每隔一小时)测定的淤血量的时序数据D1的平均值。以下，将所计算出的值简称为“淤血量的时序数据D1的初次平均值”。
接着，数据处理部213计算出从测定单元100开始测定的那一天之后(出院后)测定的淤血量的时序数据D1减去淤血量的时序数据D1的初次平均值、且加上初始值设定部212所设定的淤血量的初始值得到的值。以下，将所计算出的值简称为“淤血量的时序数据D1的偏差值”。
接着，数据处理部213按每个规定期间(例如一天)，计算出将淤血量的时序数据D1的偏差值平均后的平均值。以下，将所计算出的值称为“淤血量的时序数据D1的平均值”。此外，在淤血量的时序数据D1的平均值中包含肺淤血量的时序数据D11的平均值及体淤血量的时序数据D12的平均值。像这样，淤血量的时序数据D1的平均值示出相对于医生所指定的淤血量的初始值的变化量。
数据处理部213计算出按每个规定期间(例如一天)测定的肢体的血流量的时序数据D2的平均值。以下将所计算出的值简称为“肢体的血流量的时序数据D2的平均值”。
此外，基于数据处理部213进行的各时序数据D1、D2的前处理方法并不限定于上述。例如，数据处理部213也可以不计算出按每个规定期间测定的各时序数据D1、D2的平均值，而是计算出按每个规定期间测定的各时序数据D1、D2的中间值、最小值、最大值等。并且，后述的评估部214也可以使用时序数据D1、D2的中间值、最小值、最大值等，计算出淤血评估值C1及血流评估值C2。
接下来，说明评估部214。
评估部214使用肺淤血量的时序数据D11的平均值及肢体的血流量的时序数据D2的平均值，以时序计算出与患者P的肺淤血量及肢体的血流量的程度相应的第1综合评估值V1。另外，评估部214使用体淤血量的时序数据D12的平均值及肢体的血流量的时序数据D2的平均值，以时序计算出与患者P的体淤血量及肢体的血流量的程度相应的第2综合评估值V2。第1综合评估值表示左心力衰竭的恶化程度，第2综合评估值V2表示右心力衰竭的恶化程度。以下，详细叙述第1综合评估值V1及第2综合评估值V2的计算方法。
评估部214使用肺淤血量的时序数据D11的平均值，以时序计算出与肺淤血的程度相应的肺淤血评估值C11。在本实施方式中，如下述表1那样，评估部214事先将肺淤血量(作为例子示出了胸部的生物阻抗的值)分成多个等级，根据各等级确定肺淤血评估值C11的分数。在本实施方式中，评估部214将肺淤血量分成11个等级，根据各等级，肺淤血评估值C11为0～10分。肺淤血量越大，则肺淤血评估值C11越大。例如，在某天的肺淤血量(胸部的生物阻抗)的时序数据D11的平均值为45Ω的情况下，肺淤血评估值C11为9分。此外，表1的各值是例示，肺淤血评估值C11的值并不限定于表1的值。
【表1】
此外，评估部214也可以不使用上述表1来计算出肺淤血评估值C11，而是例如使用将肺淤血量的时序数据D11的平均值换算成肺淤血评估值C11的换算式，计算出肺淤血评估值C11。
评估部214使用体淤血量的时序数据D12的平均值，以时序计算出与体淤血的程度相应的体淤血评估值C12。在本实施方式中，如下述表2所示那样，评估部214事先将体淤血量(作为例子示出了肢体的周长值)分成多个等级，根据各等级确定体淤血评估值C12的分数。在本实施方式中，评估部214将体淤血量分成11个等级，根据各等级，体淤血评估值C12为0～10分。体淤血量越大，则体淤血评估值C12越大。例如，在某天的体淤血量(肢体的周长)的时序数据D12的平均值为45mm的情况下，体淤血评估值C12为9分。此外，表2的各值是例示，体淤血评估值C12的值并不限定于表2的值。
【表2】
此外，评估部214也可以不使用上述表2来计算出体淤血评估值C12，而是例如使用下述算式1所示那样的、将体淤血量的时序数据D12的平均值换算成体淤血评估值C12的换算式，计算出体淤血评估值C12。
【数1】
体淤血评估值C12＝体淤血量(肢体的周长[mm])的时序数据D12的平均值÷5 (算式1)
评估部214使用肢体的血流量的时序数据D2的平均值，以时序计算出与肢体的血流量程度相应的血流评估值。在本实施方式中，如下述表3所示那样，评估部214事先将肢体的血流量(作为例子而示出了肢体的温度值)分成多个等级，根据各等级确定血流评估值C2的分数。在本实施方式中，评估部214将肢体的血流量分成11个等级，根据各等级，血流评估值C2为0～10分。肢体的血流量越小，则血流评估值C2越大。例如，在某天的肢体的血流量的时序数据D2的平均值为24℃的情况下，血流评估值C2为9分。此外，表3的各值是例示，血流评估值C2的值并不限定于表3的值。
【表3】
此外，评估部214也可以不使用上述表3来计算出血流评估值C2，而是例如使用下述算式2所示那样的、将血流量的时序数据D2的平均值换算成血流评估值C2的换算式，计算出血流评估值C2。
【数2】
血流评估值C2＝33-血流量(肢体的温度[℃])的时序数据D2的平均值 (算式2)
评估部214将计算出的肺淤血评估值C11及血流评估值C2代入下述算式3，计算出与肺淤血量及肢体的血流量的程度相应的第1综合评估值V1。在本实施方式中，第1综合评估值V1的最大值是20分，且最小值是0分。第1综合评估值V1越大，则左心力衰竭越具有恶化的倾向。
【数3】
第1综合评估值V1＝W11×肺淤血评估值C11+W12×血流评估值C2 (算式3)
W11：肺淤血评估值的权重系数
W12：血流评估值的权重系数
各权重系数W11、W12的值并没有特别限定，例如能够在合计为2的范围内，根据各患者的肺淤血和低灌注的症状的显现容易度进行设定。例如，对于与肢体的血流量降低相比肺淤血的症状更容易显现的患者，能够将权重系数W11设为比权重系数W12大的值。例如，对于与肺淤血相比肢体的血流量降低的症状更容易显现的患者，能够将权重系数W12设为比权重系数W11大的值。例如，对于在肺淤血和肢体的血流量降低中症状的显现容易度没有差异的患者，能够将权重系数的值W11、W12设定为1。权重系数W11、W12的值可以由作为使用者的医生A、B指定，也可以根据肺淤血量的时序数据D11及肢体的血流量的时序数据D2的值和/或电子病历等由评估部214自动地设定。
评估部214将计算出的体淤血评估值C12及血流评估值C2代入下述算式4，计算出与体淤血量及肢体的血流量的程度相应的第2综合评估值V2。在本实施方式中，第2综合评估值V2的最大值为20分，且最小值为0分。第2综合评估值V2越大，则右心力衰竭越具有恶化的倾向。
【数4】
第2综合评估值V2＝W21×体淤血评估值C12+W22×血流评估值C2 (算式4)
W21：体淤血评估值的权重系数
W22：血流评估值的权重系数
各权重系数W21、W22的值并没有特别限定，能够在合计为2的范围内，根据患者P的体淤血和低灌注的症状的显现容易度进行设定。例如，对于与肢体的血流量降低相比体淤血的症状更容易显现的患者，能够将权重系数W21设为比权重系数W22大的值。例如，对于与体淤血相比肢体的血流量降低的症状更容易显现的患者P，能够将权重系数W22设为比权重系数W21大的值。例如，对于在体淤血和肢体的血流量降低中症状的显现容易度没有差异的患者，能够将权重系数的值W21、W22设定为1。权重系数W21、W22的值可以由作为使用者的医生A、B指定，也可以根据体淤血量的时序数据D12及肢体的血流量的时序数据D2的值和/或电子病历等由评估部214自动地设定。
接下来，说明预测部215。
预测部215使用时序下的第1综合评估值V1及第2综合评估值V2，预测第1综合评估值V1及第2综合评估值V2的推移。以下，详细叙述第1综合评估值V1及第2综合评估值V2的推移的预测方法。
在本实施方式中，如图6所示，预测部215求出将从时序数据D1、D2的最新测定时刻t2追溯了规定期间Δt的期间(t1～t2)下的第1综合评估值V1(在图中以涂黑的圆点表示)的时间变化近似得到的第1近似表达式F1。另外，预测部215求出将从时序数据D1、D2的最新测定时刻t2追溯了规定期间Δt的期间(t1～t2)下的第2综合评估值V2(在图中以涂黑的方块表示)的时间变化近似得到的第2近似表达式F2。此外，在图6中，作为例子，示出了第1近似表达式F1及第2近似表达式F2为一次函数的情况。但是，第1近似表达式F1及第2近似表达式F2并不限定于一次函数，也可以为包含二次函数等在内的n次函数或指数函数等。另外，例如预测部215也可以对第1综合评估值V1的时序数据及第2综合评估值V2的时序数据适用多种近似表达式，并采用近似精度最高的近似表达式。
预测部215求出近似表达式F1、F2的方法并没有特别限定，例如能够使用最小二乘法等公知的回归分析手法。另外，预测部215也可以作为求出的近似表达式的精度而计算出决定系数。另外，在近似表达式F1、F2为一次函数的情况下，预测部215在图6的曲线图中，分别计算出期间t1～t2之间的相邻两点的斜率，将计算出的斜率的平均值计算为近似表达式F1、F2的斜率。
如图6所示，预测部215使用第1近似表达式F1，预测第1综合评估值V1达到阈值Vth的第1时刻t3。预测部215使用第2近似表达式F2，预测第2综合评估值V2达到阈值Vth的第2时刻t4。能够将阈值Vth设定为心力衰竭(左心力衰竭及右心力衰竭)的恶化达到了规定级别的值。在本实施方式中，阈值Vth设定为需要入院治疗的级别。但是，能够将阈值Vth设定为例如需要接受普通内科医生的诊断的级别、需要接受专科医生的诊断的级别等需要接受各种医疗机构的诊断的级别。另外，预测部215也可以设定与需要接受普通内科医生的诊断的级别、需要接受专科医生的诊断的级别、需要入院的级别等多个级别相对应的多个阈值Vth，并预测达到各阈值Vth的时刻。此外，在图6中，示出了第1综合评估值V1的阈值Vth和第2综合评估值V2的阈值Vth为相同值(15分)的情况，但第1综合评估值V1的阈值Vth和第2综合评估值V2的阈值Vth也可以为不同值。
此外，预测部215也可以在近似表达式F1、F2的斜率为负值的情况下(即在心力衰竭没有恶化倾向的情况下)，不计算第1综合评估值V1及第2综合评估值V2达到阈值Vth的时刻。
接下来说明报知部216。
报知部216向作为使用者的患者P、医生A、B报知与预测部215对综合评估值V1、V2的推移的预测结果相应的信息。在本实施方式中，报知部216根据使用者改变报知的内容。
报知部在使用者为患者P的情况下，报知第1时刻t3及第2时刻t4中的至少较早一方的时刻。另外，报知部216根据从进行报知时起到第1时刻t3及第2时刻t4中的较早一方的时刻为止的期间，向患者P报知推荐的行动。例如，报知部216在从进行报知时起到较早一方的时刻为止的天数为一天以内的情况下(即在风险高的情况下)，对患者P报知应该立即到心力衰竭的专科医生A所属的医疗机构就诊这一主旨。另外，例如报知部216在从进行报知时起到较早一方的时刻为止的天数为三天以内的情况下，对患者P报知应该在第二天之前到经常就诊的医生B所属的医疗机构就诊这一主旨。另外，例如报知部216在从进行报知时起到较早一方的时刻为止的天数为七天以内的情况下，对患者P报知应该在一周内到经常就诊的医生B所属的医疗机构就诊这一主旨。另外，例如报知部216在从进行报知时起到较早一方的时刻为止的天数超过了七天、且较早一方的时刻为来院预定日以后的情况下，对患者P报知应该按照预定计划去经常就诊的医生B所属的医疗机构这一主旨。
报知部216在使用者为普通内科医生B的情况下，报知第1时刻t3及第2时刻t4中的至少较早一方的时刻。另外报知部216也可以向普通内科医生B提供第1综合评估值V1的时序数据、第2综合评估值V2的时序数据、以及描绘基于近似表达式F1、F2的近似曲线等得到的曲线图(图6的曲线图)和近似精度等。
报知部216也可以在使用者为心力衰竭的专科医生A的情况下，提供描绘时序数据D1、D2(实测数据)得到的曲线图等。
报知部216进行报知的方法并没有特别限定，例如能够列举显示于测定单元100的控制部130的显示部和/或医生A、B的310、320的显示部的方法、以语音传递的方法、向作为使用者的患者P、医生A、B以邮件进行发送的方法等。
此外，报知部216也可以不根据使用者改变报知的内容。例如，报知部216也可以向患者P、医生A、B全员报知第1时刻t3、第2时刻t4中的至少较早一方的时刻。另外，例如报知部216也可以向患者P、医生A、B全员提供第1综合评估值V1的时序数据、第2综合评估值V2的时序数据、以及描绘基于近似表达式F1、F2的近似曲线等得到的曲线图(图6的曲线图)和近似精度等。另外，报知部216也可以不仅对患者P、还对医生A、B报知推荐的行动。
(支援方法)
接下来，说明本实施方式的支援方法。图7是表示本发明的实施方式的支援方法的流程图。在此，以患者P从专科医生A所属的医疗机构出院、诊所的普通内科医生B对出院后的患者P进行后续观察、且根据患者P的病情使患者P到专科医生A处适当接受治疗的情况为例进行说明。
参照图7进行概述，本实施方式的支援方法如下：设定淤血量的初始值(设定步骤S1)，获取患者P的身体的至少一部分的淤血量的时序数据D1及肢体的血流量的时序数据D2(数据获取步骤S2)，对获取到的时序数据D1、D2进行前处理(数据处理步骤S3)，计算出综合评估值V1、V2(评估步骤S4)，预测综合评估值V1、V2的推移(预测步骤S5)，将与预测结果相应的信息报知给使用者(报知步骤S6)。以下详细叙述各步骤。
首先，说明设定步骤S1。例如在患者P从专科医生A所属的医疗机构出院的那一天执行设定步骤S1。
患者P在出院日将测定单元100的各测定部110、120安装于身体。此外，以后测定单元100在规定时刻(例如每隔一分钟～每隔一小时)，测定肺淤血量、体淤血量、肢体的血流量。但是，测定单元100也可以在各测定部110、120被从患者P的身体取下的情况下中断测定。
初始值设定部212向专科医生A指示指定淤血量的初始值的值。专科医生A例如在患者P的体淤血及肺淤血痊愈的情况下，作为淤血量的初始值而指定0(零)。另外，专科医生A例如在患者P的体淤血及肺淤血没有被充分治愈的情况下，将与淤血量的程度相应的规定值指定为淤血量的初始值。初始值设定部212基于所指定的值，设定淤血量的初始值。
接下来，说明数据获取步骤S2～提供步骤S5。例如在出院后执行数据获取步骤S2～提供步骤S5。
首先，说明数据获取步骤S2。
数据获取部211在规定时刻从测定单元100获取各时序数据D1、D2。数据获取部211从测定单元100获取各时序数据D1、D2的时刻并没有特别限定，例如数据获取部211能够一天一次、或在从作为使用者的患者P、医生A、B中的至少某一人发出了对综合评估值V1、V2的推移的预测要求的时刻等，从测定单元100获取各时序数据D1、D2。
接下来，说明数据处理步骤S3。
在数据处理步骤S3中，进行各时序数据D1、D2的前处理。
首先，如图5B所示，数据处理部213计算出在出院日获取到的淤血量的时序数据D1的平均值(淤血量的时序数据D1的初次平均值)。接着，数据处理部213计算出从出院后获取到的淤血量的时序数据D1减去淤血量的时序数据D1的初次平均值、且加上初始值设定部212所设定的淤血量的初始值得到的值(淤血量的时序数据D1的偏差值)。接着，数据处理部213计算出在每个规定期间(例如一天)获取到的淤血量的时序数据D1的偏差值的平均值(淤血量的时序数据D1的平均值)。
接着，数据处理部213计算出在每个规定期间(例如一天)获取到的肢体的温度的时序数据D2的平均值。
此外，数据处理步骤S3可以在规定时刻(例如一天一次)实施，也可以在从作为使用者的患者P、医生A、B发出了对综合评估值V1、V2的预测要求的时刻实施。另外，进行各时序数据D1、D2的前处理的顺序并不限定于上述。例如，也可以最先进行肢体的血流量的时序数据D2的前处理。另外，也可以同时并行地进行各时序数据D1、D2的前处理。
接下来，说明评估步骤S4。
首先，评估部214使用肺淤血量的时序数据D11的平均值，以时序计算出与肺淤血的程度相应的肺淤血评估值C11。
接着，评估部214使用体淤血量的时序数据D12的平均值，以时序计算出与体淤血的程度相应的体淤血评估值C12。
接着，评估部214使用肢体的血流量的时序数据D2的平均值，以时序计算出与肢体的血流量的程度相应的血流评估值C2。
接着，评估部214将计算出的肺淤血评估值C11、体淤血评估值C12、血流评估值C2代入上述算式3及算式4，计算出与肺淤血量及肢体的血流量的程度相应的第1综合评估值V1以及与体淤血量及肢体的血流量的程度相应的第2综合评估值V2。
此外，评估步骤S4可以在规定时刻(例如一天一次)实施，也可以在从作为使用者的患者P、医生A、B中的至少一人发出了对综合评估值V1、V2的预测要求的时刻实施。另外，计算出第1综合评估值V1及第2综合评估值V2的顺序并不限定于上述。例如，也可以最先进行第2综合评估值V2的计算。另外，第1综合评估值V1的计算及第2综合评估值V2的计算也可以同时并行地进行。
接下来，说明预测步骤S5。
首先，如图6所示，预测部215求出将从时序数据D1、D2的最新测定时刻t2追溯了规定期间Δt的期间(t1～t2)下的第1综合评估值V1的时序数据近似得到的第1近似表达式F1。此时，预测部215计算所求出的第1近似表达式F1的精度。
接着，预测部215求出将在从时序数据D1、D2的最新测定时刻t2追溯了规定期间Δt的期间(t1～t2)内获取到的第2综合评估值V2的时序数据近似得到的第2近似表达式F2。此时，预测部215计算所求出的第2近似表达式F2的精度。
接着，预测部215使用第1近似表达式F1及第2近似表达式F2，计算出第1综合评估值V1达到阈值的第1时刻t3及第2综合评估值V2达到阈值的第2时刻t4。
此外，预测步骤S5可以在规定时刻(例如四天一次)实施，也可以在从作为使用者的患者P、医生A、B中的至少一人发出了对综合评估值V1、V2的预测要求的时刻实施。另外，求出第1近似表达式F1及第2近似表达式F2的顺序并不限定于上述。例如，也可以先求出第2近似表达式F2。另外，第1近似表达式F1及第2近似表达式F2也可以同时并行地求出。
接下来，说明报知步骤S6。
报知部216在使用者为患者P的情况下，报知第1时刻t3及第2时刻t4中的至少较早一方的时刻、以及根据从进行报知时起到较早一方的时刻为止的期间所推荐的行动。因此，患者P能够根据预测的将来的心力衰竭的恶化而采取恰当的行动。
报知部216在使用者为普通内科医生B的情况下，报知第1时刻t3及第2时刻t4中的至少较早一方的时刻，并且报知描绘基于第1综合评估值V1的时序数据、第2综合评估值V2的时序数据、近似表达式F1、F2的近似曲线等得到的曲线图、近似精度等。像这样，根据支援系统10，能够向与心力衰竭的专科医生A相比较心力衰竭的诊察经验少的普通内科医生B提供对患者P的心力衰竭的恶化预测有效的信息。因此，普通内科医生B能够在比患者P的心力衰竭大幅恶化早的阶段，进行患者P的治疗，或使患者P接受专科医生A的治疗。
报知部216在使用者为心力衰竭的专科医生A的情况下，能够提供描绘时序下的各时序数据D1、D2(实测数据)得到的曲线图。因此，心力衰竭的专科医生A能够容易掌握患者P的病状，例如容易判断是否使患者P入院、应该优先治疗左心力衰竭和右心力衰竭中的哪一个等。
此外，报知步骤S6可以在规定时刻(例如四天一次)实施，也可以在从作为使用者的患者P、医生A、B中的至少一人发出了对综合评估值V1、V2的预测要求的时刻实施。
以上，说明了本实施方式的支援方法，但支援方法并不限定于上述。例如，测定单元100也可以不从患者P从专科医生A所属的医疗机构出院的出院日开始测定。测定单元100也可以从患者P到医生B所属的诊所就诊的那一天开始测定。在该情况下，能够将就诊日作为测定单元100开始测定的那一日，而执行各步骤S1～S6。另外，也可以在规定时刻反复执行步骤S1～S6。
以上，上述实施方式的支援系统10是支援心力衰竭的恶化预测的支援系统。支援系统10具有：数据获取部211，其获取患者P的身体的至少一部分的淤血量的时序数据D1及上述患者的肢体的血流量的时序数据D2；评估部214，其使用淤血量的时序数据D1及血流量的时序数据D2，以时序计算出与淤血量及肢体的血流量的程度相应的综合评估值V1、V2；和预测部215，其使用时序下的综合评估值V1、V2，预测综合评估值V1、V2的推移。
根据上述支援系统10，结合Nohria-Stevenson分类，计算出对患者的淤血程度和血流量程度进行了综合评估的综合评估值V1、V2，使用所计算出的综合评估值，预测综合评估值V1、V2的推移。因此，根据上述支援系统10，能够基于Nohria-Stevenson分类支援心力衰竭的恶化预测。
另外，淤血量的时序数据D1包含患者的肺淤血量的时序数据D11及患者的体淤血量的时序数据D12。评估部214以时序计算出与肺淤血量及肢体的血流量的程度相应的第1综合评估值V1、和与体淤血量及肢体的血流量的程度相应的第2综合评估值V2。预测部215使用时序下的第1综合评估值V1及第2综合评估值V2，预测第1综合评估值V1及第2综合评估值V2的推移。因此，支援系统10能够支援对左心力衰竭的恶化及右心力衰竭的恶化双方的预测。
另外，预测部215预测综合评估值V1、V2达到阈值的时刻t3、t4。支援系统10具有将综合评估值V1、V2达到阈值Vth的时刻t3、t4报知给使用者的报知部216。因此，使用者能够掌握综合评估值V1、V2达到阈值Vth的时刻T1、T2。
另外，预测部215对第1综合评估值V1达到阈值Vth的第1时刻t3及第2综合评估值V2达到阈值Vth的第2时刻t4进行预测。支援系统10具有将第1时刻t3或第2时刻t4中的较早一方的时刻报知给使用者的报知部216。因此，使用者能够掌握第1时刻t3和第2时刻t4中的较早一方的时刻，而容易掌握应该优先治疗左心力衰竭和右心力衰竭中的哪一个。
另外，报知部216根据从向使用者报知时刻t3、t4时起到时刻t31、t4为止的期间，向使用者报知所推荐的行动。因此，使用者能够采取与到时刻t31、t4为止的期间相应的恰当行动。
另外，预测部215求出将时序下的综合评估值V1、V2近似得到的近似表达式F1、F2。由此，支援系统10能够简便地预测综合评估值V1、V2的推移。
另外，支援系统10具有将近似表达式F1、F2的近似精度的程度报知给使用者的报知部216。因此，使用者能够掌握支援系统10的预测结果的妥当性。
另外，评估部214使用淤血量的时序数据D1计算出与淤血量的程度相应的淤血评估值C1，并且使用肢体的血流量的时序数据D2计算出与肢体的血流量的程度相应的血流评估值C2。预测部215计算出将淤血评估值C1及血流评估值C2相加得到的值来作为综合评估值V1、V2。因此，支援系统10能够结合Nohria-Stevenson分类并使用对淤血量和血流量综合性地进行了评估的综合评估值V1、V2，来支援将来的心力衰竭恶化的预测。
另外，血流量的时序数据D2包含患者P的肢体的温度的时序数据及/或患者的肢体的颜色的时序数据。因此，支援系统10能够基于患者P的肢体的温度的时序数据及/或患者的肢体的颜色的时序数据，掌握患者P的肢体的血流量。
另外，上述实施方式的支援方法是支援心力衰竭的恶化预测的支援方法。支援方法中，获取患者P的身体的至少一部分的淤血量的时序数据D1及患者的肢体的血流量的时序数据D2，使用淤血量的时序数据D1及血流量的时序数据D2，以时序计算出与淤血量及肢体的血流量的程度相应的综合评估值V1、V2，并使用时序下的综合评估值V1、V2，预测将来的综合评估值V1、V2的推移。
另外，上述实施方式的支援程序是支援心力衰竭的恶化预测的支援程序。支援程序执行以下步骤：获取患者P的身体的至少一部分的淤血量的时序数据D1及患者的肢体的血流量的时序数据D2的步骤；使用淤血量的时序数据D1及血流量的时序数据D2，以时序计算出与淤血量及肢体的血流量的程度相应的综合评估值V1、V2的步骤；和使用时序下的综合评估值V1、V2来预测将来的综合评估值V1、V2的推移的步骤。
另外，上述实施方式的记录介质MD是记录有上述支援程序的计算机可读的记录介质。
根据上述支援方法、支援程序及记录介质MD，能够基于Nohria-Stevenson分类，进行心力衰竭的恶化预测。
以上通过实施方式说明了本发明，但本发明并不仅限定于所说明的各结构，能够基于权利要求书的记载而适当变更。
例如，进行支援系统中的各种处理的手段及方法也可以通过专用的硬件电路或被编程后的计算机中的任一个实现。另外，支援程序也可以经由因特网等网络在线提供。
另外，支援系统也可以仅由上述实施方式的服务器200构成，与能够测定与患者的身体的至少一部分的淤血量及患者的肢体的血流量关联的参数的其他测定装置组合使用(即支援系统也可以不具备测定单元100)。
另外，在上述实施方式中，说明了服务器200的各结构分别作为一个装置而实现的情况，但设备的结构并不限定于此。例如，服务器200可以由多个服务器构成，也可以作为云服务器而由设置于分离的地方的多个服务器虚拟地构成。
另外，测定单元的控制部的CPU也可以作为数据获取部、评估部、预测部、报知部等发挥功能。另外，例如，也可以将支援程序安装于使用者的操作终端而使用者的操作终端的CPU作为数据获取部、评估部、预测部、报知部等发挥功能。
另外，支援系统也可以仅获取肺淤血量和体淤血量中的某一方的时序数据，且仅计算出第1综合评估值和第2综合评估值中的某一方。另外，支援系统还可以获取肺淤血量及体淤血量双方的时序数据，且仅计算出第1综合评估值和第2综合评估值中的某一方。
另外，例如综合评估值的计算方法并不限定于上述。例如，综合评估值也可以为将肺淤血评估值、体淤血评估值及血流评估值相加得到的值。即，综合评估值也可以为对肺淤血量、体淤血量及肢体的血流量的程度综合性地进行了评估的值。
另外，也可以在计算出综合评估值之前不对时序数据进行前处理。
另外，例如预测部也可以不计算出综合评估值达到阈值的时刻而仅求出综合评估值的近似表达式。在该情况下，也能够使用预测部计算出的近似表达式，预测将来的综合评估值的推移。
另外，支援系统也可以不直接向使用者报知预测结果。例如，支援系统也可以将与预测结果相关的信息保存于使用者能够访问的数据库，而能够供各使用者阅览。
另外，支援系统的使用者只要是需要进行心力衰竭的恶化预测的人员即可，并不限定于患者及医生。例如，在支援系统的使用者中也可以包含护士、药剂师等。
另外，支援系统并不限定于如上述实施方式那样用于供心力衰竭的专科医生和诊所的普通内科医生联合诊察患者。例如，支援系统也可以用于供属于同一医疗机构的多个专科医生(例如循环器官的专科医生和心力衰竭的专科医生)联合诊察一个患者。在该情况下，例如循环器官的专科医生也可以根据综合评估值的推移的预测结果，决定患者的出院时期等。另外，支援系统并不限定于用于患上了一次心力衰竭的患者的出院后的后续观察(预后管理)。例如，支援系统也可以适用于患心力衰竭的可能性高的患者。
本申请基于2018年3月26日提出申请的日本国专利申请第2018-058065号，其公开内容通过参照而整体被引用。
附图标记说明
10 支援系统、
100 测定单元、
211 数据获取部、
214 评估部、
215 推测部、
216 报知部、
A、B 医生(支援系统的使用者)、
D1 淤血量的时序数据、
D11 肺淤血的时序数据、
D12 体淤血的时序数据、
D2 肢体的血流量的时序数据、
V1 第1综合评估值、
V2 第2综合评估值、
t3 第1时刻、
t4 第2时刻、
MD 记录介质、
P 患者(支援系统的使用者)。

Claims (10)

1.一种支援系统，基于Nohria-Stevenson分类支援心力衰竭的恶化预测，其特征在于，具有：
数据获取部，其获取患者的身体的至少一部分的淤血量的时序数据及所述患者的肢体的血流量的时序数据；
评估部，其使用所述淤血量的时序数据及所述血流量的时序数据，以时序计算出与所述淤血量及所述肢体的所述血流量的程度相应的综合评估值；和
预测部，其使用时序下的所述综合评估值，预测所述综合评估值的推移，
所述预测部预测所述综合评估值达到阈值的时刻，
具有将所述时刻报知给使用者的结果报知部。
2.如权利要求1所述的支援系统，其特征在于，
所述淤血量的时序数据包含所述患者的肺淤血量的时序数据及所述患者的体淤血量的时序数据，
所述评估部以时序计算出与所述肺淤血量及所述肢体的所述血流量的程度相应的第1综合评估值、和与所述体淤血量及所述肢体的所述血流量的程度相应的第2综合评估值，
所述预测部使用时序下的所述第1综合评估值及所述第2综合评估值，预测将来的所述第1综合评估值及所述第2综合评估值的推移。
3.如权利要求2所述的支援系统，其特征在于，
所述预测部对所述第1综合评估值达到阈值的第1时刻及所述第2综合评估值达到阈值的第2时刻进行预测，
所述结果报知部将所述第1时刻和所述第2时刻中的、较早一方的时刻报知给使用者。
4.如权利要求1～3中任一项所述的支援系统，其特征在于，
所述结果报知部根据从向所述使用者报知所述时刻时起到所述时刻为止的期间，向所述患者报知推荐的行动。
5.如权利要求1～4中任一项所述的支援系统，其特征在于，
所述预测部求出将时序下的所述综合评估值近似得到的近似表达式。
6.如权利要求5所述的支援系统，其特征在于，
具有将与所述近似表达式的近似精度相关的信息报知给使用者的精度报知部。
7.如权利要求1～6中任一项所述的支援系统，其特征在于，
所述评估部使用所述淤血量的时序数据及所述肢体的所述血流量的时序数据，计算出与所述淤血量的程度相应的淤血评估值和与所述肢体的所述血流量的程度相应的血流评估值，
计算出将所述淤血评估值及所述血流评估值相加得到的值来作为所述综合评估值。
8.如权利要求1～7中任一项所述的支援系统，其特征在于，
所述血流量的时序数据包含所述患者的所述肢体的温度的时序数据、及/或所述患者的所述肢体的颜色的时序数据。
9.一种支援方法，基于Nohria-Stevenson分类支援心力衰竭的恶化预测，其特征在于，
获取患者的身体的至少一部分的淤血量的时序数据及所述患者的肢体的血流量的时序数据，
使用所述淤血量的时序数据及所述血流量的时序数据，以时序计算出与所述淤血量及所述肢体的所述血流量的程度相应的综合评估值，
使用时序下的所述综合评估值，预测所述综合评估值的推移，
预测所述综合评估值达到阈值的时刻，
将所述时刻报知给使用者。
10.一种记录有支援程序的记录介质，所述支援程序基于Nohria-Stevenson分类支援心力衰竭的恶化预测，其特征在于，所述支援程序执行以下步骤：
获取患者的身体的至少一部分的淤血量的时序数据及所述患者的肢体的血流量的时序数据的步骤；
使用所述淤血量的时序数据及所述血流量的时序数据，以时序计算出与所述淤血量及所述肢体的所述血流量的程度相应的综合评估值的步骤；
使用时序下的所述综合评估值来预测所述综合评估值的推移的步骤；
预测所述综合评估值达到阈值的时刻的步骤；和
将所述时刻报知给使用者的步骤。
CN201980021784.7A 2018-03-26 2019-03-26 支援系统、支援方法、支援程序及记录有支援程序的记录介质 Active CN111902080B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018-058065 2018-03-26
JP2018058065 2018-03-26
PCT/JP2019/012814 WO2019189153A1 (ja) 2018-03-26 2019-03-26 支援システム、支援方法、支援プログラム、および支援プログラムを記録した記録媒体

Publications (2)

Publication Number Publication Date
CN111902080A CN111902080A (zh) 2020-11-06
CN111902080B true CN111902080B (zh) 2024-04-12

Family

ID=68062100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980021784.7A Active CN111902080B (zh) 2018-03-26 2019-03-26 支援系统、支援方法、支援程序及记录有支援程序的记录介质

Country Status (4)

Country Link
US (1) US20210007612A1 (zh)
JP (1) JP7167132B2 (zh)
CN (1) CN111902080B (zh)
WO (1) WO2019189153A1 (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101790348A (zh) * 2007-08-28 2010-07-28 欧姆龙健康医疗事业株式会社 健康管理方针建议装置
JP2016509505A (ja) * 2013-01-28 2016-03-31 オスロ ユニヴェルジテットサイケフス ホーエフ 循環不全の評価
CN105792741A (zh) * 2013-12-06 2016-07-20 心脏起搏器股份公司 使用分类器融合的心力衰竭事件预测
CN106659481A (zh) * 2014-07-22 2017-05-10 帝人制药株式会社 心力衰竭的评价方法和诊断装置
CN106659403A (zh) * 2014-07-14 2017-05-10 美敦力公司 确定预期心力衰竭住院风险

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8423113B2 (en) * 2003-07-25 2013-04-16 Dexcom, Inc. Systems and methods for processing sensor data
US8467876B2 (en) * 2003-10-15 2013-06-18 Rmx, Llc Breathing disorder detection and therapy delivery device and method
WO2010006265A2 (en) * 2008-07-10 2010-01-14 Texas Heart Institute Method and system for temperature analysis to provide an early marker of congestive heart failure progress that precedes a patient's symptoms
JP2017023457A (ja) * 2015-07-23 2017-02-02 東芝メディカルシステムズ株式会社 医用画像処理装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101790348A (zh) * 2007-08-28 2010-07-28 欧姆龙健康医疗事业株式会社 健康管理方针建议装置
JP2016509505A (ja) * 2013-01-28 2016-03-31 オスロ ユニヴェルジテットサイケフス ホーエフ 循環不全の評価
CN105792741A (zh) * 2013-12-06 2016-07-20 心脏起搏器股份公司 使用分类器融合的心力衰竭事件预测
CN106659403A (zh) * 2014-07-14 2017-05-10 美敦力公司 确定预期心力衰竭住院风险
CN106659481A (zh) * 2014-07-22 2017-05-10 帝人制药株式会社 心力衰竭的评价方法和诊断装置

Also Published As

Publication number Publication date
JPWO2019189153A1 (ja) 2021-04-08
WO2019189153A1 (ja) 2019-10-03
JP7167132B2 (ja) 2022-11-08
CN111902080A (zh) 2020-11-06
US20210007612A1 (en) 2021-01-14

Similar Documents

Publication Publication Date Title
RU2630122C2 (ru) Способ непрерывного прогнозирования тяжести заболевания у пациента, летального исхода и длительности госпитализации
EP2437189A2 (en) Healthcare information system
TW201402059A (zh) 健康狀態判定方法及健康狀態判定系統
CN112040849B (zh) 用于确定对象血压的系统和方法
JP2018534697A (ja) 個人化された予測モデルに基づいて健康モニタリングを容易化するシステム及び方法
US20240008813A1 (en) Smart wearable device and method for estimating traditional medicine system parameters
CN111295716B (zh) 健康管理辅助装置、方法及程序
CN111902080B (zh) 支援系统、支援方法、支援程序及记录有支援程序的记录介质
US20220277839A1 (en) Model to dynamically predict patient&#39;s discharge readiness in general ward
JP7204740B2 (ja) 診断支援システム、診断支援方法、および診断支援プログラム
WO2019225577A1 (ja) リスク管理装置、リスク管理方法及びリスク管理プログラム
JP2021125130A (ja) 健康状態推定システム
CN111432712A (zh) 数据处理装置、数据处理方法以及数据处理程序
WO2022202360A1 (ja) 情報処理装置、情報処理方法およびプログラム
US11984209B2 (en) Drug management device, drug management method, and non-transitory recording medium storing program for drug management
RU2285928C1 (ru) Способ прогнозирования течения острой общей холодовой травмы (замерзания)
US20230270362A1 (en) Continuous health monitoring system
Pervez et al. Comparison of Sprint Trial Blood Pressure Methodology Versus Common Office Practice
Pisaruk et al. Impact of COVID-19 on the signs of human ageing
Pein et al. P014. Assessing the kidney's function in ICU-comparing baseline parameters and impact of peri-and postoperative fluid management.
JP2023107617A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
WO2024118949A1 (en) Non-invasive apparatus, system and methods for monitoring blood flow and coagulation
CN116665894A (zh) 骨龄监测系统、方法、电子设备及存储介质
RU2006107041A (ru) Способ слежения за состоянием здоровья человека - способ амиранов
UA50568A (uk) Спосіб контролю та поліпшення здоров&#39;я людини

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