CN112151172A - 基于来自医疗机构中多种来源的数据的患者风险评估 - Google Patents
基于来自医疗机构中多种来源的数据的患者风险评估 Download PDFInfo
- Publication number
- CN112151172A CN112151172A CN202010593276.0A CN202010593276A CN112151172A CN 112151172 A CN112151172 A CN 112151172A CN 202010593276 A CN202010593276 A CN 202010593276A CN 112151172 A CN112151172 A CN 112151172A
- Authority
- CN
- China
- Prior art keywords
- patient
- score
- risk
- data
- analysis engine
- 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
- 238000012502 risk assessment Methods 0.000 title description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 205
- 206010040047 Sepsis Diseases 0.000 claims abstract description 130
- 238000001514 detection method Methods 0.000 claims description 54
- 206010051379 Systemic Inflammatory Response Syndrome Diseases 0.000 claims description 53
- 206010021639 Incontinence Diseases 0.000 claims description 49
- 230000009471 action Effects 0.000 claims description 36
- 230000004044 response Effects 0.000 claims description 35
- 229940079593 drug Drugs 0.000 claims description 20
- 239000003814 drug Substances 0.000 claims description 20
- 238000009528 vital sign measurement Methods 0.000 claims description 15
- 208000004210 Pressure Ulcer Diseases 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 14
- 206010011985 Decubitus ulcer Diseases 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 11
- 230000003247 decreasing effect Effects 0.000 claims description 9
- 206010053159 Organ failure Diseases 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000002483 medication Methods 0.000 claims description 5
- 208000027418 Wounds and injury Diseases 0.000 abstract description 89
- 208000014674 injury Diseases 0.000 abstract description 74
- 230000006378 damage Effects 0.000 abstract description 73
- 238000000034 method Methods 0.000 description 77
- 210000002216 heart Anatomy 0.000 description 32
- 230000033001 locomotion Effects 0.000 description 24
- 230000035882 stress Effects 0.000 description 21
- 206010052428 Wound Diseases 0.000 description 19
- 238000004891 communication Methods 0.000 description 19
- 230000006854 communication Effects 0.000 description 19
- 230000005713 exacerbation Effects 0.000 description 19
- 238000012544 monitoring process Methods 0.000 description 18
- 230000036387 respiratory rate Effects 0.000 description 18
- 230000029058 respiratory gaseous exchange Effects 0.000 description 17
- 230000036772 blood pressure Effects 0.000 description 15
- 238000001356 surgical procedure Methods 0.000 description 15
- 238000005259 measurement Methods 0.000 description 14
- 238000012360 testing method Methods 0.000 description 14
- 206010013975 Dyspnoeas Diseases 0.000 description 12
- 210000004369 blood Anatomy 0.000 description 12
- 239000008280 blood Substances 0.000 description 12
- 208000000059 Dyspnea Diseases 0.000 description 11
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 11
- 230000036760 body temperature Effects 0.000 description 11
- 230000000747 cardiac effect Effects 0.000 description 11
- 239000001301 oxygen Substances 0.000 description 11
- 229910052760 oxygen Inorganic materials 0.000 description 11
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 10
- 206010028980 Neoplasm Diseases 0.000 description 10
- 230000007423 decrease Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000036541 health Effects 0.000 description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 201000011510 cancer Diseases 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 239000012530 fluid Substances 0.000 description 8
- 230000036961 partial effect Effects 0.000 description 8
- 230000003068 static effect Effects 0.000 description 8
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 7
- 206010038687 Respiratory distress Diseases 0.000 description 7
- 210000001772 blood platelet Anatomy 0.000 description 7
- 206010011703 Cyanosis Diseases 0.000 description 6
- 206010012218 Delirium Diseases 0.000 description 6
- 230000001154 acute effect Effects 0.000 description 6
- 206010069351 acute lung injury Diseases 0.000 description 6
- 208000006673 asthma Diseases 0.000 description 6
- 238000004820 blood count Methods 0.000 description 6
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 6
- -1 hematocrit Chemical compound 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- 208000001953 Hypotension Diseases 0.000 description 5
- 239000003242 anti bacterial agent Substances 0.000 description 5
- 229940088710 antibiotic agent Drugs 0.000 description 5
- 230000004872 arterial blood pressure Effects 0.000 description 5
- 230000002526 effect on cardiovascular system Effects 0.000 description 5
- 210000004072 lung Anatomy 0.000 description 5
- 210000003205 muscle Anatomy 0.000 description 5
- 229940005483 opioid analgesics Drugs 0.000 description 5
- 238000013186 photoplethysmography Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000002106 pulse oximetry Methods 0.000 description 5
- 208000030507 AIDS Diseases 0.000 description 4
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 4
- 208000014644 Brain disease Diseases 0.000 description 4
- 101800000407 Brain natriuretic peptide 32 Proteins 0.000 description 4
- 102400000667 Brain natriuretic peptide 32 Human genes 0.000 description 4
- 101800002247 Brain natriuretic peptide 45 Proteins 0.000 description 4
- 206010007559 Cardiac failure congestive Diseases 0.000 description 4
- 206010008479 Chest Pain Diseases 0.000 description 4
- 206010011224 Cough Diseases 0.000 description 4
- 208000032274 Encephalopathy Diseases 0.000 description 4
- 206010019280 Heart failures Diseases 0.000 description 4
- 208000000616 Hemoptysis Diseases 0.000 description 4
- HTTJABKRGRZYRN-UHFFFAOYSA-N Heparin Chemical compound OC1C(NC(=O)C)C(O)OC(COS(O)(=O)=O)C1OC1C(OS(O)(=O)=O)C(O)C(OC2C(C(OS(O)(=O)=O)C(OC3C(C(O)C(O)C(O3)C(O)=O)OS(O)(=O)=O)C(CO)O2)NS(O)(=O)=O)C(C(O)=O)O1 HTTJABKRGRZYRN-UHFFFAOYSA-N 0.000 description 4
- 206010036790 Productive cough Diseases 0.000 description 4
- 208000010378 Pulmonary Embolism Diseases 0.000 description 4
- 206010037660 Pyrexia Diseases 0.000 description 4
- 208000006011 Stroke Diseases 0.000 description 4
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000003339 best practice Methods 0.000 description 4
- 238000009534 blood test Methods 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 206010015037 epilepsy Diseases 0.000 description 4
- 230000036543 hypotension Effects 0.000 description 4
- 208000015181 infectious disease Diseases 0.000 description 4
- 238000001990 intravenous administration Methods 0.000 description 4
- 208000017169 kidney disease Diseases 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000037230 mobility Effects 0.000 description 4
- HPNRHPKXQZSDFX-OAQDCNSJSA-N nesiritide Chemical compound C([C@H]1C(=O)NCC(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@H](C(N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)NCC(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CSSC[C@@H](C(=O)N1)NC(=O)CNC(=O)[C@H](CO)NC(=O)CNC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CCSC)NC(=O)[C@H](CCCCN)NC(=O)[C@H]1N(CCC1)C(=O)[C@@H](N)CO)C(C)C)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1N=CNC=1)C(O)=O)=O)[C@@H](C)CC)C1=CC=CC=C1 HPNRHPKXQZSDFX-OAQDCNSJSA-N 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000001172 regenerating effect Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 208000024794 sputum Diseases 0.000 description 4
- 210000003802 sputum Anatomy 0.000 description 4
- 230000035488 systolic blood pressure Effects 0.000 description 4
- 238000002560 therapeutic procedure Methods 0.000 description 4
- 230000008733 trauma Effects 0.000 description 4
- 210000002700 urine Anatomy 0.000 description 4
- 208000019901 Anxiety disease Diseases 0.000 description 3
- 206010003011 Appendicitis Diseases 0.000 description 3
- 206010010071 Coma Diseases 0.000 description 3
- 206010016803 Fluid overload Diseases 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 3
- 108010054147 Hemoglobins Proteins 0.000 description 3
- 206010035664 Pneumonia Diseases 0.000 description 3
- 208000037656 Respiratory Sounds Diseases 0.000 description 3
- 229910003798 SPO2 Inorganic materials 0.000 description 3
- 101100478210 Schizosaccharomyces pombe (strain 972 / ATCC 24843) spo2 gene Proteins 0.000 description 3
- 230000036506 anxiety Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 230000015271 coagulation Effects 0.000 description 3
- 238000005345 coagulation Methods 0.000 description 3
- 229940109239 creatinine Drugs 0.000 description 3
- 230000006735 deficit Effects 0.000 description 3
- 208000018578 heart valve disease Diseases 0.000 description 3
- 238000011540 hip replacement Methods 0.000 description 3
- 238000001802 infusion Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000004310 lactic acid Substances 0.000 description 3
- 235000014655 lactic acid Nutrition 0.000 description 3
- 210000000265 leukocyte Anatomy 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000010412 perfusion Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 210000001525 retina Anatomy 0.000 description 3
- 239000000932 sedative agent Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 208000019206 urinary tract infection Diseases 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- PGOHTUIFYSHAQG-LJSDBVFPSA-N (2S)-6-amino-2-[[(2S)-5-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-4-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-5-amino-2-[[(2S)-5-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S,3R)-2-[[(2S)-5-amino-2-[[(2S)-2-[[(2S)-2-[[(2S,3R)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-5-amino-2-[[(2S)-1-[(2S,3R)-2-[[(2S)-2-[[(2S)-2-[[(2R)-2-[[(2S)-2-[[(2S)-2-[[2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-1-[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-amino-4-methylsulfanylbutanoyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-5-carbamimidamidopentanoyl]amino]propanoyl]pyrrolidine-2-carbonyl]amino]-3-methylbutanoyl]amino]-4-methylpentanoyl]amino]-4-methylpentanoyl]amino]acetyl]amino]-3-hydroxypropanoyl]amino]-4-methylpentanoyl]amino]-3-sulfanylpropanoyl]amino]-4-methylsulfanylbutanoyl]amino]-5-carbamimidamidopentanoyl]amino]-3-hydroxybutanoyl]pyrrolidine-2-carbonyl]amino]-5-oxopentanoyl]amino]-3-hydroxypropanoyl]amino]-3-hydroxypropanoyl]amino]-3-(1H-imidazol-5-yl)propanoyl]amino]-4-methylpentanoyl]amino]-3-hydroxybutanoyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-5-carbamimidamidopentanoyl]amino]-5-oxopentanoyl]amino]-3-hydroxybutanoyl]amino]-3-hydroxypropanoyl]amino]-3-carboxypropanoyl]amino]-3-hydroxypropanoyl]amino]-5-oxopentanoyl]amino]-5-oxopentanoyl]amino]-3-phenylpropanoyl]amino]-5-carbamimidamidopentanoyl]amino]-3-methylbutanoyl]amino]-4-methylpentanoyl]amino]-4-oxobutanoyl]amino]-5-carbamimidamidopentanoyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-4-carboxybutanoyl]amino]-5-oxopentanoyl]amino]hexanoic acid Chemical compound CSCC[C@H](N)C(=O)N[C@@H](Cc1c[nH]c2ccccc12)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C)C(=O)N1CCC[C@H]1C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CO)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CS)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H]([C@@H](C)O)C(=O)N1CCC[C@H]1C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](Cc1cnc[nH]1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](Cc1c[nH]c2ccccc12)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CO)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CO)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](Cc1ccccc1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](Cc1c[nH]c2ccccc12)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CCCCN)C(O)=O PGOHTUIFYSHAQG-LJSDBVFPSA-N 0.000 description 2
- 208000004998 Abdominal Pain Diseases 0.000 description 2
- 206010000097 Abdominal tenderness Diseases 0.000 description 2
- 208000010444 Acidosis Diseases 0.000 description 2
- 206010001497 Agitation Diseases 0.000 description 2
- 108010088751 Albumins Proteins 0.000 description 2
- 102000009027 Albumins Human genes 0.000 description 2
- 208000007848 Alcoholism Diseases 0.000 description 2
- 206010003504 Aspiration Diseases 0.000 description 2
- 206010003598 Atelectasis Diseases 0.000 description 2
- 208000031729 Bacteremia Diseases 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 description 2
- 108010074051 C-Reactive Protein Proteins 0.000 description 2
- 102100032752 C-reactive protein Human genes 0.000 description 2
- 108060001064 Calcitonin Proteins 0.000 description 2
- 102000055006 Calcitonin Human genes 0.000 description 2
- 241001631457 Cannula Species 0.000 description 2
- 206010007882 Cellulitis Diseases 0.000 description 2
- 206010008469 Chest discomfort Diseases 0.000 description 2
- 201000003883 Cystic fibrosis Diseases 0.000 description 2
- 239000003154 D dimer Substances 0.000 description 2
- 206010051055 Deep vein thrombosis Diseases 0.000 description 2
- 208000005156 Dehydration Diseases 0.000 description 2
- 206010012289 Dementia Diseases 0.000 description 2
- 229940097420 Diuretic Drugs 0.000 description 2
- 208000012258 Diverticular disease Diseases 0.000 description 2
- 206010013554 Diverticulum Diseases 0.000 description 2
- 208000003870 Drug Overdose Diseases 0.000 description 2
- 206010013654 Drug abuse Diseases 0.000 description 2
- 108091005515 EGF module-containing mucin-like hormone receptors Proteins 0.000 description 2
- 206010014080 Ecchymosis Diseases 0.000 description 2
- 206010014561 Emphysema Diseases 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 208000037194 Fever of Unknown Origin Diseases 0.000 description 2
- 206010016654 Fibrosis Diseases 0.000 description 2
- 208000005577 Gastroenteritis Diseases 0.000 description 2
- 208000012671 Gastrointestinal haemorrhages Diseases 0.000 description 2
- 206010017964 Gastrointestinal infection Diseases 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 2
- 206010067660 Heart valve incompetence Diseases 0.000 description 2
- 208000008454 Hyperhidrosis Diseases 0.000 description 2
- 206010021113 Hypothermia Diseases 0.000 description 2
- 208000004575 Infectious Arthritis Diseases 0.000 description 2
- 208000022559 Inflammatory bowel disease Diseases 0.000 description 2
- 101710196709 Inosamine-phosphate amidinotransferase 1 Proteins 0.000 description 2
- 208000029523 Interstitial Lung disease Diseases 0.000 description 2
- 206010023126 Jaundice Diseases 0.000 description 2
- 206010024264 Lethargy Diseases 0.000 description 2
- 201000009906 Meningitis Diseases 0.000 description 2
- 206010052904 Musculoskeletal stiffness Diseases 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 2
- 206010030124 Oedema peripheral Diseases 0.000 description 2
- 206010030302 Oliguria Diseases 0.000 description 2
- 206010031123 Orthopnoea Diseases 0.000 description 2
- 206010031252 Osteomyelitis Diseases 0.000 description 2
- 206010033296 Overdoses Diseases 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 2
- 206010033645 Pancreatitis Diseases 0.000 description 2
- 206010033647 Pancreatitis acute Diseases 0.000 description 2
- 208000000450 Pelvic Pain Diseases 0.000 description 2
- 208000018262 Peripheral vascular disease Diseases 0.000 description 2
- 208000001431 Psychomotor Agitation Diseases 0.000 description 2
- 208000007123 Pulmonary Atelectasis Diseases 0.000 description 2
- 206010064911 Pulmonary arterial hypertension Diseases 0.000 description 2
- 206010068513 Pulmonary renal syndrome Diseases 0.000 description 2
- 101710141119 Putative inosamine-phosphate amidinotransferase 2 Proteins 0.000 description 2
- 206010037596 Pyelonephritis Diseases 0.000 description 2
- 208000001647 Renal Insufficiency Diseases 0.000 description 2
- 206010057190 Respiratory tract infections Diseases 0.000 description 2
- 206010038743 Restlessness Diseases 0.000 description 2
- 208000032140 Sleepiness Diseases 0.000 description 2
- 208000008475 Smoke Inhalation Injury Diseases 0.000 description 2
- 206010062255 Soft tissue infection Diseases 0.000 description 2
- 206010041349 Somnolence Diseases 0.000 description 2
- 208000001871 Tachycardia Diseases 0.000 description 2
- 102000002262 Thromboplastin Human genes 0.000 description 2
- 108010000499 Thromboplastin Proteins 0.000 description 2
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 2
- 206010047249 Venous thrombosis Diseases 0.000 description 2
- 208000002223 abdominal aortic aneurysm Diseases 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- 206010000210 abortion Diseases 0.000 description 2
- 231100000176 abortion Toxicity 0.000 description 2
- 206010000269 abscess Diseases 0.000 description 2
- 230000007950 acidosis Effects 0.000 description 2
- 208000026545 acidosis disease Diseases 0.000 description 2
- 201000003229 acute pancreatitis Diseases 0.000 description 2
- 238000013019 agitation Methods 0.000 description 2
- 206010001584 alcohol abuse Diseases 0.000 description 2
- 208000025746 alcohol use disease Diseases 0.000 description 2
- 238000009167 androgen deprivation therapy Methods 0.000 description 2
- 208000007502 anemia Diseases 0.000 description 2
- 239000003146 anticoagulant agent Substances 0.000 description 2
- 229940127219 anticoagulant drug Drugs 0.000 description 2
- 208000007474 aortic aneurysm Diseases 0.000 description 2
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 2
- 230000003115 biocidal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010322 bone marrow transplantation Methods 0.000 description 2
- 201000009267 bronchiectasis Diseases 0.000 description 2
- 206010006451 bronchitis Diseases 0.000 description 2
- 229940124630 bronchodilator Drugs 0.000 description 2
- 239000000168 bronchodilator agent Substances 0.000 description 2
- BBBFJLBPOGFECG-VJVYQDLKSA-N calcitonin Chemical compound N([C@H](C(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CO)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC=1NC=NC=1)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC=1C=CC(O)=CC=1)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)NCC(=O)N[C@@H](CO)C(=O)NCC(=O)N[C@@H]([C@@H](C)O)C(=O)N1[C@@H](CCC1)C(N)=O)C(C)C)C(=O)[C@@H]1CSSC[C@H](N)C(=O)N[C@@H](CO)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CO)C(=O)N[C@@H]([C@@H](C)O)C(=O)N1 BBBFJLBPOGFECG-VJVYQDLKSA-N 0.000 description 2
- 229960004015 calcitonin Drugs 0.000 description 2
- 208000035269 cancer or benign tumor Diseases 0.000 description 2
- 238000002512 chemotherapy Methods 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000011976 chest X-ray Methods 0.000 description 2
- 230000035606 childbirth Effects 0.000 description 2
- 208000003167 cholangitis Diseases 0.000 description 2
- 201000001352 cholecystitis Diseases 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 230000007882 cirrhosis Effects 0.000 description 2
- 208000019425 cirrhosis of liver Diseases 0.000 description 2
- 206010009887 colitis Diseases 0.000 description 2
- 208000012696 congenital leptin deficiency Diseases 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 239000003246 corticosteroid Substances 0.000 description 2
- 229960001334 corticosteroids Drugs 0.000 description 2
- 201000003146 cystitis Diseases 0.000 description 2
- 230000018044 dehydration Effects 0.000 description 2
- 238000006297 dehydration reaction Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000000502 dialysis Methods 0.000 description 2
- 239000002934 diuretic Substances 0.000 description 2
- 230000001882 diuretic effect Effects 0.000 description 2
- 208000007784 diverticulitis Diseases 0.000 description 2
- 231100000725 drug overdose Toxicity 0.000 description 2
- 238000002079 electron magnetic resonance spectroscopy Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000002297 emergency surgery Methods 0.000 description 2
- 206010014599 encephalitis Diseases 0.000 description 2
- 206010014665 endocarditis Diseases 0.000 description 2
- 229960000610 enoxaparin Drugs 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 206010016256 fatigue Diseases 0.000 description 2
- 108010052295 fibrin fragment D Proteins 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 208000030304 gastrointestinal bleeding Diseases 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 231100000869 headache Toxicity 0.000 description 2
- 238000005534 hematocrit Methods 0.000 description 2
- 229960002897 heparin Drugs 0.000 description 2
- 229920000669 heparin Polymers 0.000 description 2
- 230000013632 homeostatic process Effects 0.000 description 2
- 239000003326 hypnotic agent Substances 0.000 description 2
- 230000000147 hypnotic effect Effects 0.000 description 2
- 230000002631 hypothermal effect Effects 0.000 description 2
- 229960003444 immunosuppressant agent Drugs 0.000 description 2
- 239000003018 immunosuppressive agent Substances 0.000 description 2
- 230000002458 infectious effect Effects 0.000 description 2
- 208000000509 infertility Diseases 0.000 description 2
- 230000036512 infertility Effects 0.000 description 2
- 231100000535 infertility Toxicity 0.000 description 2
- 208000003243 intestinal obstruction Diseases 0.000 description 2
- 201000006370 kidney failure Diseases 0.000 description 2
- 201000002364 leukopenia Diseases 0.000 description 2
- 231100001022 leukopenia Toxicity 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 201000003453 lung abscess Diseases 0.000 description 2
- 230000004199 lung function Effects 0.000 description 2
- 230000036210 malignancy Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000005399 mechanical ventilation Methods 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 208000001022 morbid obesity Diseases 0.000 description 2
- 229940035363 muscle relaxants Drugs 0.000 description 2
- 208000031225 myocardial ischemia Diseases 0.000 description 2
- 239000003158 myorelaxant agent Substances 0.000 description 2
- 208000018360 neuromuscular disease Diseases 0.000 description 2
- 210000000440 neutrophil Anatomy 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 208000012144 orthopnea Diseases 0.000 description 2
- 238000006213 oxygenation reaction Methods 0.000 description 2
- 201000003144 pneumothorax Diseases 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000009613 pulmonary function test Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 238000002644 respiratory therapy Methods 0.000 description 2
- 210000001210 retinal vessel Anatomy 0.000 description 2
- 206010039722 scoliosis Diseases 0.000 description 2
- 229940125723 sedative agent Drugs 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 208000007056 sickle cell anemia Diseases 0.000 description 2
- 201000002859 sleep apnea Diseases 0.000 description 2
- 208000011117 substance-related disease Diseases 0.000 description 2
- 230000035900 sweating Effects 0.000 description 2
- 230000006794 tachycardia Effects 0.000 description 2
- 208000008203 tachypnea Diseases 0.000 description 2
- 206010043089 tachypnoea Diseases 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 238000002054 transplantation Methods 0.000 description 2
- 238000007631 vascular surgery Methods 0.000 description 2
- 230000024883 vasodilation Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 208000000197 Acute Cholecystitis Diseases 0.000 description 1
- 206010001052 Acute respiratory distress syndrome Diseases 0.000 description 1
- 208000015121 Cardiac valve disease Diseases 0.000 description 1
- 206010008614 Cholecystitis acute Diseases 0.000 description 1
- 201000004624 Dermatitis Diseases 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 208000010496 Heart Arrest Diseases 0.000 description 1
- 206010020660 Hyperlactacidaemia Diseases 0.000 description 1
- 208000005018 Hyperlactatemia Diseases 0.000 description 1
- 206010058558 Hypoperfusion Diseases 0.000 description 1
- 206010025421 Macule Diseases 0.000 description 1
- 208000010718 Multiple Organ Failure Diseases 0.000 description 1
- 206010033892 Paraplegia Diseases 0.000 description 1
- 206010037549 Purpura Diseases 0.000 description 1
- 208000013616 Respiratory Distress Syndrome Diseases 0.000 description 1
- 206010038669 Respiratory arrest Diseases 0.000 description 1
- 206010047571 Visual impairment Diseases 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 208000012871 acute dyspnea Diseases 0.000 description 1
- 201000000028 adult respiratory distress syndrome Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 229940124572 antihypotensive agent Drugs 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 238000009640 blood culture Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 210000003161 choroid Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000002074 deregulated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000003511 endothelial effect Effects 0.000 description 1
- 238000002637 fluid replacement therapy Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002615 hemofiltration Methods 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 208000021822 hypotensive Diseases 0.000 description 1
- 230000001077 hypotensive effect Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 208000006443 lactic acidosis Diseases 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 230000010060 microvascular dysfunction Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 208000029744 multiple organ dysfunction syndrome Diseases 0.000 description 1
- 239000006199 nebulizer Substances 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 230000004768 organ dysfunction Effects 0.000 description 1
- 238000001441 oximetry spectrum Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 208000012327 purpuric rash Diseases 0.000 description 1
- 230000003016 quadriplegic effect Effects 0.000 description 1
- 206010037833 rales Diseases 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 210000000954 sacrococcygeal region Anatomy 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 210000001991 scapula Anatomy 0.000 description 1
- 230000001624 sedative effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 208000024470 urgency of urination Diseases 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
- 239000005526 vasoconstrictor agent Substances 0.000 description 1
- 230000006498 vasomotor response Effects 0.000 description 1
- 208000029257 vision disease Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000004393 visual impairment Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—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
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
- A61B5/1115—Monitoring leaving of a patient support, e.g. a bed or a wheelchair
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
-
- 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
- A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
-
- 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
-
- 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
-
- 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
Abstract
用于评估患者医疗风险的设备，其包括分析引擎和向该分析引擎提供数据的装置。分析引擎分析来自装置的数据，以确定败血症风险分数、跌倒风险分数和压力损伤分数。该设备还包括显示器，该显示器通信地联接至分析引擎，并显示败血症风险分数、跌倒风险分数和压力损伤风险分数。这些显示器包括位于主护士站的状态板显示器、由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器以及分配给患者的护理人员的移动设备的移动设备显示器。
Description
技术领域
本公开涉及在医疗机构中评估患者风险，并且尤其涉及基于从医疗设备获得的数据评估患者风险。更具体地，本公开涉及评估医疗机构中的患者的多种风险，并向护理人员通知患者的多种风险。
背景技术
在医疗机构中的患者在住院期间容易遭受多种风险。例如，存在发展为败血症的风险、发展为例如压疮或褥疮溃疡的压力损伤的风险，以及在离开床时或离开床后跌倒的风险。患者的风险评估通常是零星进行的，评估之间的间隔时间较长。例如，每个班次会将生命体征绘制到患者的电子病历(EMR)中一次或两次，因此生命图表之间可能需要花费4至8个小时或更长时间。此外，有时只能在医疗机构中有限数量的位置(例如，在EMR计算机或主护士站的计算机上)获得风险评估的结果。因此，在医疗保健领域中关于患者的风险评估需要更及时的信息，并且需要风险评估信息对于护理人员而言更容易获得。
发明内容
一种设备、系统或方法可以包括所附权利要求中所述的一个或多个特征和/或以下特征，这些特征可以单独地或以任何组合地包括可以取得专利的主题：
根据本公开的第一方面，可以提供一种用于医疗机构的系统。该系统可以包括分析引擎和可以向该分析引擎提供数据的多个装置。该数据可能与医疗机构中的患者有关。多个装置可以包括以下至少之一：患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位系统的定位计算机以及失禁检测垫。分析引擎可以分析来自多个装置的数据，以基本实时地确定以下至少一项：与患者发展为败血症的风险有关的第一分数、与患者跌倒的风险有关的第二分数，以及与患者发生压力损伤的风险有关的第三分数。该系统可以进一步包括计算机，该计算机可以联接到分析引擎并且可以协调护理人员查房间隔(roundinginterval)，在该间隔处可以要求至少一名护理人员被分配给患者来检查患者。计算机可以响应于第一分数、第二分数或第三分数中的至少一个从第一值增加到第二值而自动减小护理人员查房间隔，并且计算机可以响应于第一分数、第二分数或第三分数中的至少一个从第二值增加到第一值而自动增加护理人员查房间隔。
在一些实施例中，第一方面的系统可以进一步包括多个显示器，该多个显示器可以通信地联接至分析引擎并且可以操作以显示第一分数、第二分数和第三分数中的至少两个。例如，多个显示器可以包括以下至少两个：可以位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器，以及可以分配给患者的护理人员的移动设备的移动设备显示器。
如果需要，第一方面的多个装置可以包括以下至少三个：患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫。备选地，第一方面的多个装置可以包括以下至少四个：患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫。进一步备选地，第一方面的多个装置可以包括以下至少五个：患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫。更进一步备选地，第一方面的多个装置可以包括以下全部六个：患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫。
可选地，可以由分析引擎对第一方面的第一分数、第二分数和第三分数中的每一个进行归一化，以便具有对于其他第一分数、第二分数、第三分数中的每一个共同的最小值和最大值。例如，对于第一分数、第二分数和第三分数的每个，最小值可以是0。备选地，对于第一分数、第二分数和第三分数中的每一个，最小值可以是1。同样，对于第一分数、第二分数和第三分数中的每一个，最大值可以是5。结合第一分数、第二分数和第三分数使用的小于0(例如负数)且大于5的其他最小值也在本公开的范围内。
在第一方面的一些实施例中，分析引擎还可以从国际压迫溃疡患病率(IPUP)调查中为患者接收附加数据，并且可以分析与确定第一分数、第二分数和第三分数中的至少一个相关的附加数据。分析引擎可以将至少两个第一分数、第二分数和第三分数传达给多个装置中的至少一个装置。可选地，多个装置中的至少一个装置可以包括设备显示器，并且如果需要的话，可以在设备显示器上显示用于降低第一分数、第二分数和第三分数中的至少一个的步骤。
根据第一方面的系统，来自患者支撑设备的数据可以包括至少一个患者生命体征，该患者生命体征可以由至少一个可以集成到患者支撑设备中的生命体征传感器来感测。例如，可以由至少一个生命体征传感器感测到的至少一个患者生命体征可以包括心率或呼吸速率。来自患者支撑设备的数据还可包括患者体重。备选地或附加地，来自患者支撑设备的数据可以包括患者体重和患者在患者支撑设备上的位置。进一步备选地或附加地，来自患者支撑设备的数据可以包括指示当患者被支撑在患者支撑设备上时患者的运动量的数据。
在第一方面的一些实施例中，来自生理监测器的数据可包括以下一项或多项：心率数据、心电图仪(EKG)数据、呼吸速率数据、患者体温数据、脉搏血氧测量数据和血压数据。第一方面的系统可以配置成使得如果存在以下条件，则第一分数可以处于最大值或接近最大值：i)患者的体温大于大约38.3摄氏度(℃)(大约101华氏度(F))或低于约35.6℃(约96F)；ii)患者的心率大于每分钟90次；iii)患者的呼吸速率大于每分钟20次呼吸。
如果需要，如果第一分数、第二分数或第三分数从先前值增加，则第一方面的分析引擎可以向分配给患者的至少一个护理人员的移动设备发起消息。备选地或附加地，如果第一分数、第二分数或第三分数达到阈值，则第一方面的分析引擎可以向分配给患者的至少一个护理人员的移动设备发起消息。可选地，该分析引擎还可以接收与患者的至少一处伤口有关的附加数据，并且可以分析与确定第一分数、第二分数和第三分数中的至少一个相关的附加数据。例如，与至少一处伤口相关的附加数据可以包括至少一处伤口的图像。
在一些实施例中，第一方面的患者支撑设备可包括病床或担架。分析引擎还可以接收与以下至少一项有关的附加数据：液体输入和输出、心输出量、合并症和血液检查，并且其中分析引擎可以分析与确定第一分数、第二分数和第三分数中的至少一项相关的附加数据。第一方面的生理监测器可以包括以下至少一项：可以附接到患者的无线贴片传感器、非固定式心脏监测器、心电图仪(EKG)、呼吸速率监测器、血压监测器、脉搏血氧仪和温度计。第一方面的多个装置可以进一步包括椅子监测器，以在患者坐在椅子上时监测患者的运动。备选地或附加地，第一方面的多个装置可以进一步包括马桶监视器，以在患者坐在马桶上时监测患者的运动。
根据本公开的第二方面，用于评估患者的医疗风险的设备可以包括分析引擎和可以向该分析引擎提供数据的多个装置。多个装置可以包括以下至少两个：患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位系统的定位计算机以及失禁检测垫。分析引擎可以分析来自多个装置的数据以确定以下项中至少两项：与患者发展为败血症的风险可能有关的第一分数，与患者跌倒的风险可能有关的第二分数，与患者发生压力损伤的风险可能有关的第三分数。所述设备可以进一步包括多个显示器，所述多个显示器可以通信地联接到分析引擎，并且可以操作以显示第一分数、第二分数和第三分数中的至少两个。多个显示器可以包括以下项中的至少两项：可以位于主护士站的状态板显示器，可以由护士呼叫系统的房间站提供的室内显示器，EMR计算机的电子病历(EMR)显示器，以及可以分配给患者的护理人员的移动设备的移动设备显示器。
在一些实施例中，多个设备可以包括患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫中的至少三个。在进一步的实施例中，多个设备可以包括患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫中的至少四个。在另外的实施例中，多个设备可以包括患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫中的至少五个。在其他实施方式中，多个设备包括患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫中的全部六个。
可选地，可以将第一分数、第二分数和第三分数中的每一个归一化，以具有对于其他第一分数、第二分数和第三分数中的每一个共同的最小值和最大值。例如，对于第一分数、第二分数和第三分数的每一个，最小值可以是0。备选地，对于第一分数、第二分数和第三分数中的每一个，最小值可以是1。类似地，对于第一分数、第二分数和第三分数中的每一个，最大值可以是5。结合第一分数、第二分数和第三分数使用的小于0(例如负数)且大于5的其他最小值也在本公开的范围内。
通过本公开可以预期，可以基于第一分数、第二分数和第三分数中的至少一个来调整与护理人员查房有关的查房规程。例如，可以被调整的查房规程包括与何时可能需要护理人员检查患者相关的查房时间间隔。
如果需要，分析引擎还可以从国际压迫溃疡患病率(IPUP)调查中为患者接收附加数据，并可以分析与确定第一分数、第二分数和第三分数中的至少一个相关的附加数据。
在一些实施例中，分析引擎可以将第一分数、第二分数和第三分数的至少两个传递给多个装置。多个装置中的至少一个装置可以包括设备显示器，并且可以在设备显示器上显示用于降低第一分数、第二分数和第三分数中的至少一个的步骤。
来自患者支撑设备的数据可以包括至少一个患者生命体征，该至少一个患者生命体征可以由可集成到患者支撑设备中的至少一个生命体征传感器来感测。例如，可以由至少一个生命体征传感器感测到的至少一个患者生命体征可以包括心率或呼吸速率。备选地或附加地，来自患者支撑设备的数据可以包括患者体重。进一步备选地或附加地，来自患者支撑设备的数据可以包括患者体重和患者在患者支撑设备上的位置。可选地，来自患者支撑设备的数据可以包括指示当患者被支撑在患者支撑设备上时的运动量的数据。
分析引擎可以基本实时地分析来自多个装置的数据，并且可以基本实时地更新第一分数、第二分数和第三分数中的至少两个。通过本公开可以预期，来自生理监测器的数据可以包括以下一项或多项：心率数据、心电图仪(EKG)数据、呼吸速率数据、患者体温数据、脉搏血氧测量数据和血压数据。
在一些实施例中，如果存在以下条件，则第一分数可以为最大值或接近最大值：i)患者的体温大于大约38.3摄氏度(℃)(大约101华氏度(F))或低于约35.6℃(约96F)；ii)患者的心率大于每分钟90次；iii)患者的呼吸速率大于每分钟20次呼吸。
可选地，如果第一分数，第二分数或第三分数从先前的值增加，则分析引擎可以向分配给患者的护理人员的移动设备发起消息。备选地或附加地，如果第一分数、第二分数或第三分数达到阈值，则分析引擎可以向分配给患者的护理人员的移动设备发起消息。
在一些实施例中，分析引擎还可以接收与患者的至少一处伤口有关的附加数据，并且可以分析与确定第一分数、第二分数和第三分数中的至少一个相关的附加数据。与至少一处伤口有关的附加数据例如可以包括至少一处伤口的图像。
患者支撑装置可包括例如病床或担架。如果需要，分析引擎还可以接收与以下至少一项有关的附加数据：液体输入和输出、心输出量、合并症和血液检查。分析引擎可以分析与确定第一分数、第二分数和第三分数中的至少一项相关的附加数据。
在一些实施例中，生理监测器可以包括以下项中的至少一项：可以附接到患者的无线贴片传感器、非固定式心脏监测器、EKG、呼吸速率监测器、血压监测器、脉搏血氧仪和温度计。备选地或附加地，多个装置还可以包括椅子监视器，以在患者坐在椅子上时监测患者的运动。进一步备选地或附加地，所述多个装置还可包括马桶监视器，以在患者坐在马桶上时监测患者的运动。
根据本公开的第三方面，用于评估患者的医疗风险的设备可以包括分析引擎和可以向该分析引擎提供数据的多个装置。多个装置可以包括以下项中的至少两个：患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位系统的定位计算机以及失禁检测垫。分析引擎可以分析来自多个装置的数据，以确定以下各项：与患者发展为败血症的风险可能有关的第一分数、与患者跌倒的风险可能有关的第二分数以及与患者发生压力损伤的风险可能有关的第三分数。该设备可以进一步包括可以通信地联接到分析引擎的多个显示器。多个显示器中的至少一个显示器能够操作以显示第一分数、第二分数和第三分数。
在一些实施例中，至少一个显示器可以包括以下至少之一：可以位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在另外的实施例中，至少一个显示器可以包括以下项中的至少两个：可以位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在另外的实施例中，至少一个显示器可以包括以下项中的至少三个：可以位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在其他实施例中，至少一个显示器可以包括以下项中的所有四个：可以位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器以及分配给患者的护理人员的移动设备的移动设备显示器。
在一些实施例中，以上阐述的第三方面的设备可以结合以上阐述的任何一个或多个特征来提供。
根据本公开的第四方面，一种用于评估患者的医疗风险的方法可以包括在分析引擎处接收来自多个装置的数据。多个装置可以包括以下项中的至少两个：患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位系统的定位计算机以及失禁检测垫。该方法可以进一步包括利用分析引擎分析来自多个装置的数据，以确定以下项中的至少两个：可以与患者发展为败血症的风险有关的第一分数、可以与患者跌倒的风险有关的第二分数和可能与患者发生压力损伤的风险有关的第三分数。该方法还可以包括在多个显示器上显示第一分数、第二分数和第三分数中的至少两个，这些显示器可以通信地联接到分析引擎。多个显示器可以包括以下项中的至少两个：可以位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器，以及分配给患者的护理人员的移动设备的移动设备显示器。
在一些实施例中，多个装置可以包括患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫中的至少三个。在进一步的实施例中，多个装置可以包括患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫中的至少四个。在另外的实施例中，多个装置可以包括患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫中的至少五个。在其他实施例中，多个装置可以包括患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位计算机和失禁检测垫中的全部六个。
可选地，该方法可以进一步包括：利用分析引擎，对第一分数、第二分数和第三分数中的每一个进行归一化，以具有与其他第一分数、第二分数和第三分数中的每一个共同的最小值和最大值。例如，对于第一分数、第二分数和第三分数的每一个，最小值可以是0。备选地，对于第一分数、第二分数和第三分数中的每一个，最小值可以是1。如果需要，第一分数、第二分数和第三分数的最大值可以是5。结合第一分数、第二分数和第三分数使用的小于0(例如负数)且大于5的其他最小值也在本公开的范围内。
在一些实施例中，该方法可以进一步包括基于第一分数、第二分数和第三分数中的至少一个来调整可以与护理人员查房有关的查房规程。例如，可以调整的查房规程可以包括查房时间间隔，该时间间隔可以与何时需要护理人员检查患者有关。
如果需要，该方法可以进一步包括在分析引擎处从国际压迫溃疡患病率(IPUP)调查中为患者接收附加数据，并利用分析引擎分析与确定第一分数、第二分数和第三分数的至少一个有关的附加数据。该方法还可以包括将第一分数、第二分数和第三分数中的至少两个从分析引擎传送到多个装置。多个装置中的至少一个设备可以包括设备显示器，并且该方法可以进一步包括在设备上显示用于降低第一分数、第二分数和第三分数中的至少一个的步骤。
在该方法的一些实施例中，来自患者支持设备的数据可以包括至少一个患者生命体征，该患者生命体征可以由可以集成到患者支持装置中的至少一个生命体征传感器来感测。例如，可以由至少一个生命体征传感器感测到的至少一个患者生命体征可以包括心率或呼吸速率。备选地或附加地，来自患者支撑设备的数据还可包括患者体重。进一步备选地或附加地，来自患者支撑设备的数据可以包括患者体重和患者在患者支撑设备上的位置。更进一步备选地或附加地，来自患者支撑设备的数据可以包括指示当患者被支撑在患者支撑设备上时的运动量的数据。
在一些实施例中，利用分析引擎分析数据可以包括基本实时地分析数据，并且该方法还可以包括基本实时地更新第一分数、第二分数和第三分数中的至少两个。来自生理监测器的数据可以包括以下一项或多项：心率数据、心电图(EKG)数据、呼吸速率数据、患者体温数据、脉搏血氧测量数据和血压数据。通过本公开可以预期，如果存在以下条件，则第一分数可以处于最大值或接近最大值：i)患者的温度大于大约38.3摄氏度(℃)(大约101华氏度(F))或低于约35.6℃(约96F)；ii)患者的心率大于每分钟90次；iii)患者的呼吸速率大于每分钟20次呼吸。
可选地，该方法还可以包括：如果第一分数、第二分数或第三分数从先前值增加，则利用分析引擎向分配给患者的护理人员的移动设备发起消息。备选地或附加地，该方法还可以包括：如果第一分数、第二分数或第三分数达到阈值，则利用分析引擎向分配给患者的护理人员的移动设备发起消息。
如果需要，该方法还可以包括：在分析引擎处接收可能与患者的至少一处伤口有关的附加数据，并利用分析引擎分析与确定第一分数、第二分数和第三分数中的至少一个相关的附加数据。例如，与至少一处伤口相关的附加数据可以包括至少一处伤口的图像。
患者支撑装置可包括病床或担架。可选地，该方法还可以包括在分析引擎处接收与以下至少一项有关的附加数据：液体输入和输出、心输出量、合并症和血液检查，以及利用分析引擎分析与确定第一分数、第二分数和第三分数中的至少一项相关的附加数据。
在该方法的一些实施例中，生理监测器可以包括以下项中的至少一项：可以附接到患者的无线贴片传感器、非固定式心脏监测器、EKG、呼吸速率监测器、血压监测器、脉搏血氧仪和温度计。备选地或附加地，该方法的多个装置还可以包括椅子监测器，以在患者坐在椅子上时监测患者的运动。进一步备选地或附加地，该方法的多个装置还可以包括马桶监视器，以在患者坐在马桶上时监测患者的运动。
根据本公开的第五方面，一种用于评估患者的医疗风险的方法可以包括在分析引擎处接收来自多个装置的数据。多个装置可以包括以下项中的至少两个：患者支撑设备、护士呼叫计算机、生理监测器、患者举升机、定位系统的定位计算机以及失禁检测垫。该方法还可以包括：利用分析引擎分析来自多个装置的数据，以确定以下各项中的每一个：与患者发展为败血症的风险可能有关的第一分数、与患者跌倒的风险可能有关的第二分数，以及与患者发生压力损伤的风险可能有关的第三分数。该方法还可以包括在通信地联接到分析引擎的多个显示器中的至少一个显示器上显示第一分数、第二分数和第三分数。
在所述方法的一些实施例中，所述至少一个显示器可以包括以下项中的至少一项：可以位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在该方法的其他实施例中，至少一个显示器可以包括以下项中的至少两个：可以位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在该方法的另外的实施例中，至少一个显示器可以包括以下项中的至少三个：可以位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在该方法的其他实施例中，至少一个显示器可以包括以下所有四个：可以位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器以及分配给患者的护理人员的移动设备的移动设备显示器。
在一些实施例中，在阐述的第五方面的方法可以结合以上阐述的特征中的任何一个或多个来提供。
根据本公开的第六方面，一种评估患者的医疗风险的方法可以包括在分析引擎处接收患者的人口统计数据，该患者的人口统计数据包括年龄、种族和体重中的至少一个。第六方面的方法还可以包括在分析引擎处接收患者的合并症数据，该合并症数据包括指示患者患有以下医疗状况中的至少一种的数据：获得性免疫缺陷综合症(AIDS)、贫血、慢性充血性心力衰竭、哮喘、癌症、慢性阻塞性肺疾病(COPD)，冠状动脉疾病、囊性纤维化、痴呆、肺气肿、酒精或药物滥用、中风、肺栓塞、败血症病史、1型糖尿病、病态肥胖、神经肌肉疾病、早期插管、脊柱侧弯、吸烟者、谵妄、无脾、骨髓移植、肝硬化、透析、憩室病、心脏瓣膜疾病、炎症性肠病、关节置换、白细胞减少症、恶性肿瘤、赘生物、器官移植、周围性血管疾病、肾脏疾病、压力损伤、近期流产、近期分娩、癫痫，镰状细胞性贫血或绝症。第六方面的方法可以进一步包括在分析引擎处接收生理数据，该生理数据可以由生理监测器测量，该生理监测器可以具有联接至患者或与患者通信的至少一个传感器。生理数据可以是动态的，并且在通过生理监测器监测患者时随时间变化。更进一步，第六方面的方法可以包括：使用分析引擎基于患者人口统计数据、合并症数据和生理数据基本实时地计算患者的风险分数。
在一些实施例中，第六方面的方法还可以包括：在分析引擎处接收患者的实验室数据，并使用与计算风险分数有关的实验室数据。可选地，实验室数据可以包括与以下一项或多项有关的数据：白蛋白、氧气的动脉分压(动脉PaO2)、二氧化碳的动脉分压(PCO2)、动脉pH、酸中毒、脑钠肽、血尿素氮、心脏射血分数、肌酸酐、血红蛋白、血细胞比容、乳酸、肺功能测试、肌钙蛋白、胆红素、C反应蛋白、D-二聚体、葡萄糖、碳酸氢盐(HCO3)、高乳酸盐血症、凝血国际标准化比值(INR)、中性粒细胞大于10％的正常白血球数(WBC)、二氧化碳的动脉分压(PaCO2)、体液超量、Ph、血小板、降钙素、尿液中的蛋白质、部分凝血活酶时间(PTT)或白细胞计数。
备选地或附加地，第六方面的方法还可以包括：在分析引擎处接收患者的患者症状数据，并使用与计算风险分数相关的患者症状数据。可选地，患者症状数据可以包括与以下一项或多项有关的数据：辅助肌肉使用、精神状态改变、混乱、焦虑、胸痛、咳嗽、发绀、发汗、呼吸困难、咯血、疲劳、躁动、痰液产生、心动过速、呼吸急促或嗜睡。
进一步备选地或附加地，第六方面的方法还可以包括：在分析引擎处接收临床检查数据，并使用与计算风险分数相关的临床检查数据。可选地，临床检查数据可以包括与以下一项或多项有关的数据：腹部呼吸、异常肺音、辅助肌肉使用、毛细血管充盈、胸压或疼痛、异常心电图(ECG)、咳嗽、发绀、意识水平下降(LOC)、躁动、脑病、斑点状阴影、协助进行日常生活活动的需要(ADLS)、端坐呼吸、外周性水肿、痰液产生、谵妄、体液超量、心输出量、早期状态为红润皮肤且晚期状态为冷淡苍白有斑点状阴影的皮肤、发烧、头痛、脖子僵硬、体温过低、肠梗阻、黄疸、脑膜炎、少尿、外周性发绀、瘀斑性皮疹、体液正平衡、癫痫、昏迷或血容量损耗。
进一步备选地或附加地，第六方面的方法还可以包括：在分析引擎处接收图表化的医嘱医生，并使用与计算风险分数有关的图表化的医嘱数据。可选地，图表化的医嘱数据可能包括与以下一项或多项有关的数据：除了使用包括文丘里管、再生式氧气系统、非再生式氧气系统、持续气道正压机(CPAP)以及双水平气道正压机(bi-PAP)以外的插管的呼吸空气的输送；动脉血气测试；脑钠肽测试；呼吸治疗；胸部X光；多普勒超声心动图；高流率或高流量(输入和输出(I&O))；肺部会诊；肺功能测试；换气灌注(VQ)扫描；或胸部计算机断层显像扫描(CT)扫描。
在一些实施例中，第六方面的方法可以进一步包括：在分析引擎处接收患者的入院数据，并且使用与计算风险分数有关的入院数据。可选地，入院数据可以包括与以下一项或多项有关的数据：腹主动脉瘤手术、急性心肌缺血、急性胰腺炎、误吸、哮喘、支气管扩张、肺不张、支气管炎、烧伤、癌症、心脏或胸外科手术、心脏瓣膜紊乱或瓣膜功能不全、化疗、充血性心力衰竭、COPD恶化、深静脉血栓形成、药物过量、静时呼吸困难、急诊手术、咯血、间质性肺病、肺脓肿、颈部手术、神经外科、上腹部手术、外周性血管外科手术、肺炎、气胸、肺栓塞、肺动脉高血压、肺肾综合征、肾功能衰竭、败血症、休克、睡眠呼吸暂停、烟雾吸入损伤、外科手术、胸腔穿刺术、创伤、嗜睡、谵妄、脓肿、腹痛、腹部压痛、急性肺损伤、阑尾炎、菌血症、蜂窝组织炎、胆管炎、胆囊炎、结肠炎、膀胱炎、脱水、憩室炎、脑炎、脑病、心内膜炎、不明原因的发烧、肠胃炎、胃肠道出血、胃肠道感染、低血压、感染过程、不适、骨髓炎、造口术、骨盆痛、肾病、肾盂肾炎、呼吸道感染、化脓性关节炎、软组织感染、外科手术入院、创伤或急性呼吸窘迫综合征。
备选地或附加地，第六方面的方法还可以包括：在分析引擎处接收患者的药物数据，并使用与计算风险分数有关的药物数据。可选地，药物数据可以包括可能与以下一项或多项有关的数据：包括可以静脉内(IV)或皮下(SC)给药的肝素或依诺肝素(levenox)在内的抗凝剂、支气管扩张剂、皮质类固醇、利尿剂使用、高流率或高流量或高渗液、阿片类药物、镇静剂、安眠药、肌肉松弛剂、体液超量、抗生素或免疫抑制剂。
在一些实施例中，第六方面的方法可以进一步包括如果患者是70岁或以上并且患有COPD，则通过分析引擎确定该患者可能处于发生呼吸窘迫的风险中。备选地或附加地，第六方面的方法还可以包括：如果患者患有COPD并且已经开了阿片类药物处方，则通过分析引擎确定患者可能处于发生呼吸窘迫的风险中。进一步备选地或附加地，第六方面的方法还可以包括：如果患者是70岁或更大并且已经开出了阿片类药物处方，则用分析引擎确定该患者可能有发生呼吸窘迫的风险。仍进一步备选地或附加地，第六方面的方法还可以包括：如果患者是70岁或以上，患有哮喘并且具有每100毫升(ml)血液中的尿素氮(BUN)大于或等于30毫克(mg)的血尿素氮(BUN)，则使用分析引擎确定患者可能有发生呼吸窘迫的风险。
如果需要，第六方面的方法还可以包括：如果患者是65岁或以上且患有癌症，则通过分析引擎确定该患者可能处于发展为败血症的风险中。备选地或另外，第六方面的方法还可以包括：如果患者具有败血症的病史，则通过分析引擎确定该患者可能处于发展为败血症的风险中。进一步备选地或附加地，第六种方法的生理数据可以包括以下一项或多项：心率、呼吸频率、体温、平均动脉压、收缩压或包括周围毛细血管氧饱和度(SpO2)的脉搏血氧测量数据。
根据本公开的第七方面，在至少一个计算机上实现的方法可以包括：接收患者的动态临床变量和生命体征信息，使用生命体征信息来发展先前的生命体征模式和当前的生命体征模式，并将先前的生命体征模式与当前的生命体征模式进行比较。第七方面的方法可以进一步包括接收以下一项或多项：患者的静态变量、患者的主观投诉、患者的先前医疗保健利用模式或患者的健康数据的社会决定因素。第七方面的方法还可以包括在算法中使用动态临床变量、生命体征信息、先前的生命体征模式与当前的生命体征模式的比较结果，以及静态变量、主观投诉、医疗保健利用模式或健康数据的社会决定因素中的一个或多个，以检测或预测患者患有败血症或可能发展为败血症。
在第七方面的方法的一些实施例中，动态临床变量可以包括即时检验(point-of-care)实验室数据。可选地，静态变量可以包括合并症。备选地或附加地，静态变量可以包括患者的护理设置是急性前护理设置、急性护理设置还是急性后护理设置。如果需要，第七方面的方法还可以包括接收患者的历史数据。
在本公开的范围内，第七方面的方法还可以包括向患者的一个或多个临床医生输出一个或多个推荐动作。例如，一个或多个推荐动作可以包括将患者送往急诊室(ED)。备选地或附加地，一个或多个推荐动作可以包括增加一个或多个临床医生对患者进行监测。进一步备选地或附加地，一个或多个推荐动作可以包括为患者安排一套化验。
在一些实施例中，第七方面的方法还可以包括对医疗机构的临床医生进行排名。例如，对医疗机构的临床医生进行排名可以包括根据经验对临床医生进行排名。备选地或附加地，对医疗机构的临床医生进行排名可以包括通过先前采取的动作对临床医生进行排名。进一步备选地或附加地，对医疗机构的临床医生进行排名可以包括通过先前的患者结果对临床医生进行排名。因此，如果需要，对医疗机构的临床医生进行排名可以包括根据经验、先前采取的行动以及先前的患者结果对临床医生进行排名。可选地，可能对结果有最大影响的动作可以被至少一台计算机用来通知新的或经验不足的临床医生经验丰富的临床医生如何照顾患者。
在第一方面的系统的一些实施例中，可以基于下表11中列出的一个或多个数据元素来进行风险确定或可以计算第一风险分数、第二分风险值或第三风险分数中的一个或多个。
在第二方面或第三方面的设备的一些实施例中，可以基于下表11中列出的一个或多个数据元素来进行风险确定或可以计算第一风险分数、第二风险分数或第三风险分数中的一个或多个。
在第四方面或第五方面的方法的一些实施例中，该方法可以进一步包括基于下表11中列出的一个或多个数据元素来进行风险确定或可以计算第一风险分数、第二风险分数或第三风险分数中的一个或多个。
在第六方面的方法的一些实施例中，该方法可以进一步包括基于下表11中列出的一个或多个数据元素来计算风险分数或做出风险确定。
在第七方面的方法的一些实施例中，该方法可以进一步包括基于下表11中列出的一个或多个数据元素来计算风险分数或做出风险确定。
单独的附加特征或与任何其他特征组合的附加特征(例如以上列出的那些和权利要求中列出的那些)可以包括可取得专利的主题，并且对于本领域技术人员而言，在考虑了各种实施例的以下详细说明后将变得显而易见，这些实施例举例说明了实施目前所知的实施例的最佳模式。
附图说明
详细描述特别地参考附图，其中：
图1是系统的示意图，其示出了床数据、失禁检测系统数据、生命体征数据以及来自国际压疮患病率(IPUP)调查的数据，这些数据已提供给分析引擎，并显示了分析引擎根据对接收到的数据的分析发起与护理人员进行实时临床沟通；
图2是类似于图1的系统的示意图，在顶行中，从左到右显示了被支撑在病床上的患者、从病床接收数据的分析引擎(在图2中标记为“DSN平台”)，分析引擎将风险评估消息传递回病床和生命体征监测器，并示在第二行中从右至左显示了病床监测患者的位置，以及护理人员拍下患者的压力损伤照片；
图3是类似于图1和图2的系统的示意图，示出了位于视图中心的路由器，从位于路由器左侧的多个数据源装置接收数据，并且与位于路由器右侧的多个数据接收装置通信，该数据源装置包括患者病床、护士呼叫系统的图形化房间工作站、生命体征监测器、患者举升机、定位系统和失禁检测系统，数据接收装置包括状态板、室内显示器、分析引擎、电子病历(EMR)或健康信息系统(HIS)服务器以及一组移动设备；
图4A-4C形成了流程图，示出了患者通过急诊室(ED)、重症监护室(ICU)和医疗/外科(MED/SURG)单元，然后经过家庭或长期护理(LTC)机构的行程的示例，并显示了在患者流程中分析引擎运行以确定患者患败血症或发展为败血症风险的位置；
图5A和图5B形成流程图，示出了患者的入院和在医疗机构住院的示例，包括使用患者房间中的装置将患者移至椅子或浴室，并示出了在患者流程中分析引擎运行以对患者进行风险评估的位置；
图6是类似于图3的另一种系统的示意图，显示了页面左侧的医院内部部署装置，包括室内设备、设备网关和状态板；页面中心的云设备包括企业网关(HL7)、临床数据存储库、风险引擎和分析人工智能(AI)平台；页面右侧的另外的内部部署设备，包括移动设备和第三方解决方案，包括EMR，ADT和Labs服务器；
图7是图3和图6的移动设备的移动应用程序的患者屏幕(Patent scree)的屏幕快照示例，显示了该患者屏幕包括分配给携带移动设备的护理人员的患者姓名列表，每个患者姓名左侧的房间号以及位于每个患者姓名下方的风险分数，该风险分数适用时包括系统炎症反应综合征(SIRS)值和改良的预警分数(MEWS)值；
图8是风险详细信息屏幕(Risk Details screen)的屏幕快照示例，在患者姓名下方包括具有与MEWS值有关的附加信息的MEWS窗口，具有与SOFA分数有关的附加信息的败血症相关器官衰竭评估(SOFA)窗口，以及具有与MORSE跌落量表(MFS)值有关的附加信息的MORSE窗口，还包括一对风险贡献者(Risk Contributors)窗口，其中包括呼吸窘迫窗口和败血症窗口，呼吸窘迫窗口列出了导致患者遭受呼吸窘迫风险的因素，败血症窗口列出了导致患者发生败血症风险的因素；
图9是备选的风险详细信息屏幕(Risk Details screen)的屏幕快照示例，该屏幕在患者姓名下包括MEWS窗口、SIRS窗口和SOFA窗口，这些窗口具有对总分有所贡献的子分数信息(如适用)，并且还包括与图8相似的一对风险贡献者窗口；和
图10是MEWS详细信息屏幕(MEWS Details screen)的屏幕快照示例，该屏幕提供了与MEWS值有关的更多详细信息，包括显示哪些生命体征或其他与有助于总MEWS值的每个子分数相对应的信息，响应于图8和图9的风险详细信息屏幕上的MEWS窗口的选择，在护理人员的移动设备上出现MEWS详细信息屏幕。
图11是患者屏幕的示例，其包括分配给护理机构内的护理人员的患者姓名列表。
图12是从图11的示例患者屏幕中选择的患者的示例风险详细信息屏幕。
图13是从图11的示例患者屏幕中选择的患者的另一个示例风险详细信息屏幕。
图14是从图11的示例患者屏幕中选择的患者的另一个示例风险详细信息屏幕。
图15是从图11的示例患者屏幕中选择的患者的另一个示例风险详细信息屏幕。
图16是从图11的示例患者屏幕中选择的患者的另一个示例风险详细信息屏幕。
图17是从图11的示例患者屏幕中选择的患者的另一个示例风险详细信息屏幕。
图18是从图11的示例患者屏幕中选择的患者的另一个示例风险详细信息屏幕。
图19是当从图16的风险详细信息屏幕中选择SIRS窗口时生成的示例SIRS屏幕。
图20是当从图16的风险详细信息屏幕中选择qSOFA窗口时生成的示例qSOFA屏幕。
图21是当从图16的风险详细信息屏幕中选择MORSE窗口时生成的示例MORSE屏幕。
图22是另一个示例MORSE屏幕。
图23是当从图18的风险详细信息屏幕中选择败血症风险框时生成的示例败血症风险屏幕。
图24是当从图18的风险详细信息屏幕中选择跌倒风险框时生成的示例跌倒风险屏幕。
图25是另一个示例跌倒风险屏幕。
图26是从风险详细信息屏幕中选择SBAR图标时生成的情况、背景、评估、推荐(SBAR)屏幕(Situation,Background,Assessment,Recommendation screen)。
图27是示例生命体征屏幕，其用于显示生命体征测量值随时间的趋势。
图28是另一示例生命体征屏幕。
图29是另一示例生命体征屏幕。
具体实施方式
设备或系统10包括患者数据源12，该患者数据源与分析引擎20进行大致实时通信以进行实时临床数据聚合，如图1所示。在图1的说明性示例中，患者数据源12包括病床14、失禁检测系统16、生命体征监测器18和国际压迫溃疡患病率(IPUP)调查22。来自病床14的床数据包括例如指示床的侧栏是上升或下降的数据、指示是否设置了脚轮制动器的数据、指示床垫支撑平台的头部升高的角度的数据、指示病床14的上框架是否处于相对于床14的底架的最低高度的数据，以及本领域技术人员已知的其他床数据。床数据的其他示例参见美国专利申请公开号2012/0316892A1，在此通过引用将其并入本文，特别是关于表1。
病床14的一些实施例具有称重系统，该系统感测患者的体重，并且在一些实施例中，还监控着被支撑在床14上的患者的位置。例如，参见美国专利号7,253,366，因此，在不与本公开内容相抵触的范围内，通过引用将其全部内容整体并入本文，任何不一致之处以本公开内容为准。病床14的一些实施例还包括集成的生命体征传感器，以感测患者的心率或呼吸速率。例如，参见美国专利申请公开号2018/0184984A1，在不与本公开内容相抵触的范围内，通过引用将其全部内容整体并入本文，任何不一致以本公开为准。因此，在一些实施例中，由一个或多个床上传感器感测的患者体重数据、患者位置数据和生命体征数据也在床14传输至分析引擎20的数据之中。
在一些实施例中，失禁检测系统16是可从Hill-Rom有限公司购买的WATCHCARETM失禁检测系统。合适的失禁检测系统16的其他细节可以在美国专利申请公开号2017/0065464A1、2017/0246063A1、2018/0021184A1、2018/0325744A1和2019/0060137A1中找到，在不与本公开内容相抵触的范围内将其全部内容通过引用整体并入本文，任何不一致之处以本公开为准。失禁检测系统16将指示放置在患者下方的系统16的失禁检测垫是湿还是干的数据传送至分析引擎20。
在一些实施例中，系统16的失禁检测垫具有无源RFID标签，该无源RFID标签由从一个或多个天线发射的能量激活，该天线位于病床14的床垫下方并且在病床14的床垫支撑平台的顶部。由一个或多个相同天线读取来自无源RFID标签的反向散射数据。提供读取器以在任何给定情况下控制多个天线中的哪个天线是发送天线，其余天线是接收天线。由读取器经由接收天线接收的反向散射数据经由读取器(例如经由从读取器到医疗机构的以太网的无线接入点的无线传输)被传送至分析引擎20，或在读取器例如经由有线连接可通信地联接到床电路的那些实施例中，经由床14的电路传送。
生命体征监测器18包括例如心电图仪(ECG或EKG)、脑电图仪(EEG)、心率监测器、呼吸速率监测器、体温监测器、脉搏血氧仪、血压监测器等。在一些实施例中，监测器18是与床14分开的独立设备。在一些实施例中，生命体征监测器18中的至少一个是可从纽约Skaneateles Falls的Welch Allyn，Inc购买的
Spot Monitor。如上所述，在一些实施例中，床14包括其自身集成的生命体征传感器。因此，从生命体征监测器18或床14提供给分析引擎20的生命体征数据包括以下任意一项或多项：心率数据、呼吸频率数据、体温数据、脉搏血氧测量数据、血压数据等。
IPUP调查22包括诸如以下的信息：1)患者所在的单元，2)患者的年龄，3)患者的性别，4)患者是否失禁，5)患者是否患有失禁相关性皮炎,6)是否正在使用系统16的失禁检测垫,7)自从进入医疗机构以来患者的住院时间；8)患者病床14的表面(例如床垫)类型，9)患者与支撑表面之间的亚麻布层数(包括尿布和内裤)，10)所用亚麻布的类型，11)患者的活动状态(例如，完全不能动，做一些轻量移动但无法转向一侧，可以自行转向一侧但需要帮助以站立，或独立自主的)，12)观察到的位置(例如，背部、侧面、俯卧、椅子或站立)，13)在患者住院期间是否使用过患者举升机，14)患者躺在床上时脚跟是否升高，15)患者的身高(或婴儿的体长)，16)患者的体重，17)新生儿体重(以克为单位)，18)在急诊室(ER)花费的时间，19)在手术室(OR)中花费的时间，20)入院24小时内是否对患者的皮肤进行了评估；21)入院24小时内是否记录了压力损伤评估；22)入院时使用的风险方法；23)入院期间确定的风险分数；24)使用的最近的或当前的风险方法，25)最近或当前的风险分数，26)最近一次风险评估的文档(例如，自当前调查之前，上次压迫溃疡/损伤风险评估以来的时间以及是否已记录了最后一次风险评估)，27)是否已确定患者有遭受压力损伤的风险，28)对于有风险的患者，过去24小时是否已实施压力损伤预防规程，29)过去24小时内是否已记录皮肤评估，30)在过去的24小时内是否使用压力重新分配表面，31)在过去的24小时内是否发生过按规定重新定位患者位置的情况，32)在过去的24小时内是否接受过营养支持，33)在过去的24小时内对患者进行了水分管理(例如，使用低空气损失特征或表面的微气候管理特征)，34)是否使用了患者约束装置，35)所使用约束装置的类型，36)所使用约束装置的类别，37)使用约束装置的理由；38)患者是否使用了连续静脉-静脉血液滤过(CVVH)/连续静脉-血液透析滤过(CVHD)/股骨管(Femoral Lines)；39)患者是否患有糖尿病；40)患者是否正在使用体外膜肺氧合(ECMO)，41)患者是否患有败血症，42)患者是否患有血管疾病，43)患者是否正在使用血管加压药或患者是否具有较低的平均动脉压(MAP)，44)是否使患者通风，45)患者是否有压力损伤，46)压力损伤的细节(例如伤口位置，如右或左脚跟、骶骨、肩胛骨等；每处伤口的阶段；入院时是否有伤口；到达单元时是否有伤口；和伤口记录)，47)任何压力损伤是否与设备有关，48)设备的类型(如果对47的回答为“是”)，以及49)从入院到记录有压力损伤的天数(如果压力损伤使在机构内获得的)。来自IPUP调查的数据是在传递给分析引擎20的数据之中的。应该理解，IPUP调查数据是由护理人员使用PC或平板计算机或某些其他计算机设备输入的。
根据本公开，分析引擎20处理从源12接收到的数据，并对相关专利进行风险评估。如下面进一步详细讨论的，风险评估包括确定患者发展为败血症的风险、患者发生压力损伤(例如压疮或褥疮性溃疡)的风险以及患者可能跌倒的风险。这些在本文中称为败血症风险评估、压力损伤风险评估和跌倒风险评估。本公开设想的是，分析引擎20能够基于从源12接收的数据对患者进行其他风险评估。这样的风险评估取决于提供数据的源12的类型以及对来自多个源12的数据与特定的患者风险之间相对紧密相关性的识别。
仍然参考图1，将风险评估提供给可以基于临床见解24调整或重载风险评估的护理人员或临床医生。术语“护理人员”和“临床医生”在本文中可互换使用。基于临床见解24对风险评估的调整或重载是使用计算机(未显示)(例如工作站上的个人计算机、主护士站上的主护士计算机、移动设备(例如护理人员携带的智能手机或平板计算机等)等实现的。在一些实施例中，每次风险评估会导致数值分数在上限(包括上限)和下限(包括下限)之间的数值范围内。因此，如果基于护理人员关于患者的信息和护理人员的经验，护理人员能够改变从分析引擎20输出的风险评估分数，那么这样的调整是必要的或期望的。
基于分析引擎20进行的风险评估以及由护理人员由于临床见解24(如果有的话)而进行的调整，该风险评估用于确定临床服务和措施26，如图1所示。由分析引擎20进行的风险评估以及所实施的临床服务和措施26的最终目标是改善患者的恢复结果，如图1的突破性结果框28所示。例如，如果患者患有败血症或针对败血症的高风险评估，那么临床医生可以实施以下一项或多项服务和措施26(又称败血症规程)：向患者提供高流量氧气，抽血以进行实验室测试(例如测试乳酸和血红蛋白的水平)，静脉注射(IV)抗生素，提供静脉输液并每小时进行一次尿量测量。
如果患者患有压力损伤或针对压力损伤的高风险评估，则临床医生可以实施以下一项或多项服务和措施26(又称压力损伤规程)：患者支撑表面疗法，例如连续侧方旋转疗法(CLRT)或交替压力疗法，将真空伤口绷带应用于患者的任何压疮或伤口，捕获伤口图像以进行单独的伤口评估，并监视患者的活动以确保患者在床14上以适当地频率重新定位自己。
如果患者有跌倒风险或具有针对跌倒的高风险评估，则临床医生可以实施以下一项或多项服务和措施26(又名跌倒规程)：在床14上启用跌倒风险规程，致使床电路和/或远程计算机(例如病床状态计算机或护士呼叫计算机)监控患者在床14上的位置，监控侧栏的位置以确认指定的侧栏处于其抬起位置，监控脚轮刹车的状态以确认脚轮为制动状态，并监视床14的上框架的位置以确认其相对于床14的底框架处于较低的位置；在患者和床14的床垫之间提供失禁检测系统16的失禁检测垫；在床旁提供助行器；并在患者附近提供足够的食物和/或水。
现在参考图2，该示意图示出了发生在病床14周围的各种活动，并且还公开了基于这些活动的数字安全网(DSN)平台30的各个方面，该DSN平台包括分析引擎20。DSN平台还包括以太网供电(PoE)交换机、路由器或网关32(这些术语在本文中可互换使用)，可从包括床14在内的多个源12接收数据，并将风险评估信息路由到多个输出设备34，输出设备34包括护士呼叫系统的图形显示器36和指示器38(又名圆顶灯)，该护士呼叫系统提供关于由分析引擎20执行的风险评估的视觉信息。
在图2的左上方图像中，这些圆点表明床14中有一名入院患者，并且已经对该患者进行了初步评估。与初步评估一起地，记录了患者的病史，获取了患者的初始生命体征和体重，评估了基线压力损伤风险，并使用照相机40(例如可向澳大利亚阿德莱德的LBTInnovations Ltd.购买的WOUNDVUETM摄像机40)拍摄疑似压力损伤的照片，并被上传到分析引擎20以进行伤口评估。位于图2的左上图像和上部居中图像之间的箭头42表明与右上图像下方的圆点相关联的数据被传送到上部居中图像的DSN平台30的分析引擎。
在图2的上部居中图像的下方，这些圆圆点表明DSN平台30的分析引擎20已进行了与评估患者发展为败血症的风险相关的败血症规程；患者的败血症风险已分级或标准化为1～5的分数范围；监视患者的状况，包括监视患者的体温，患者的运动以及床14的患者支撑表面(也称为床垫)的表面状态。根据本公开，DSN平台30还进行了与评估患者的跌倒风险相关的跌倒规程，并进行了与评估患者的压力损伤风险相关的压力损伤规程。在说明性示例中，跌倒风险和压力损伤风险也被分析引擎20分级或标准化为1～5的分数范围。在其他实施例中，败血症、跌倒和压力损伤风险中每个的风险范围都是0～5。因此，败血症、跌倒和压力损伤风险中每个都具有相同的最大值(例如在说明性示例中为5)和相同的最小值(在说明性示例中为0或1)。在其他实施例中，使用不同的风险范围，例如上限大于5，包括10、20、25、30等。
同样在图2的上部居中图像的下方是圆点，这些圆圆点表明在DSN平台30上的输出设备34上(即在整个医疗机构的多个位置)显示由DSN平台30的分析引擎20确定的风险级别或分数，并根据确定的患者败血症、跌倒和压伤风险的风险分数中的一个或多个来调整查房规程。关于图形显示器36，在一些实施例中显示分数的实际值，而对于圆顶灯38，基于风险分数以特定方式照亮一部分圆顶灯。例如，如果风险分数中的任一个是4或5，则可以在圆顶灯38上点亮红灯，但是如果风险分数中的每个仅是2或3，则可以在圆顶灯38上点亮黄色或琥珀色灯。如果所有风险分数都处于较低水平(例如，视情况可能为0或1)，则圆顶灯中与患者风险有关的部分将保持不亮状态。作为一个说明性示例给出了对于圆顶灯38的照明方案，并且其他照明方案在本公开的范围内，包括将圆顶灯38的一部分或分区分配给每个风险分数，使得圆顶灯38存在对应于败血症，跌倒和压力损伤风险的三个风险点亮区域，对于相关联风险的不同风险等级分数，每个风险点亮区域以红色、黄色/琥珀色或未点亮的方式点亮。顶灯上的其他区域指示，例如，房间中是否有护理人员，房间中的患者是否打过护士电话，或者房间(包括半私人房间)中的设备警报是否处于活动状态，两名患者中有一名呼叫护士或哪个患者与正在报警的设备相关。具有以红色和黄色/琥珀色以外的颜色照明的部分(例如白色、绿色、蓝色、紫色等)的圆顶灯在本公开的范围内。
关于调整查房规程，在一些实施例中，如果风险分数中的一个或多个风险分数高(例如4或5级)或风险分数从一个级别增加到下一个级别(例如从2级增加到3级)，则查房间隔或护理人员查房之间的时间(即需要指派护理人员进行检查时的时间之间)被缩短。通过本公开可以预期，风险分数越高，查房间隔将越短。查房间隔时间与风险分数水平之间的相关性(包括将两个或三个风险分数加在一起以确定查房间隔)由系统程序员或管理员决定。位于图2的上部居中图像和右上部图像之间的箭头44表示，在DSN平台30执行了与上部居中图像下方的圆圆点相关的活动之后，病床14和生命体征装置18(以及本文公开的其他装置)继续向分析引擎20提供数据，以进行动态、实时的风险评估。
在一些实施例中，随着风险分数的增加和减少，动态地、自动地并且基本上实时地进行查房间隔的调整。因此，如果风险分数从例如3级提高到4级，则查房间隔会从4小时自动减少到2小时；仅举一个例子说明这一概念，例如，如果风险分数从4级降低到3级，则查房间隔会从2小时增加到4小时。在一些实施例中，查房间隔由EMR计算机或服务器或护士呼叫计算机或服务器追踪和改变。在一些实施例中，查房间隔调整是在控制查房间隔的计算机或服务器的参与下进行的，而无需人工输入或参与。在其他实施例中，护理人员或临床医生或其他管理员在查房计算机上提供输入以批准查房间隔更改。不论是哪种情况，在一些实施例中，查房间隔变更通知被发送到一个或多个受影响的护理人员的一个或多个移动设备。
如本文所用，短语“基本上实时的”是指接收和处理促成风险分数的数据测量值或数值以重新计算风险分数的时间量。仅任意举一些的例子，一些装置12可以仅每分钟或每秒提供一次读数，而其他设备可以每秒提供100次读数。本公开预期的是，每当接收到新的数据点时，分析引擎20重新计算风险分数，并且根据本公开，这被认为是“基本上实时的”。本公开还预期，仅当接收到的测量值或数值与先前的测量值或数值改变时，分析引擎20才重新计算风险分数。因此，如果反复不断地发送一个恒定值，则分析引擎将不会重新计算风险分数，直到有贡献的测量值或数值之一发生变化，并且根据本公开，这也被认为是“基本实时的”。
在图2的右上方图像的下方，圆点圆点表明分析引擎20进行的动态患者风险评估包括持续监控患者支撑表面状态是否与降低的压力损伤风险一致，或者是否患者支撑表面的状态已经改变，从而产生增加的压力损伤风险。例如，如果床14的床垫的气囊存在泄漏并且损失了足够的空气，则气囊压力可能降低到足以允许患者通过床垫触底，从而被支撑在下面的床垫支架板上而不是由气囊支撑。这种情况增加了患者可能遭受压力损伤的风险。根据本公开，由分析引擎20进行的动态风险评估还包括监视由监测器18或由床上的生命体征传感器感测到的患者的生命体征是否一致并且在期望的范围内，或者生命体征是否正在以表明患者健康状况下降的方式变化。如果检测到后一种情况，则会增加患者的败血症风险分数。进一步根据本公开，由分析引擎20进行的动态风险评估还包括确定患者是否在房间里睡觉，在这种情况下，患者跌倒的风险分数降低，或者患者是否在移动、焦虑不安或疼痛，在这种情况下，患者跌倒的风险分数会增加。随着患者风险分数增加或减少，将以适当的方式调整患者的临床规程，以适应不断变化的风险级别。
位于图2的右上方图像和右下方图像之间的箭头46表明在一段时间之后，可以检测患者在床14上的其他状况。如图2右下方图像下方的圆点所表明的，如果床14检测到患者变化，例如长时间内缺少患者运动或患者运动低于阈值，和/或如果检测到有问题的表面变化，则由分析引擎20执行的压力损伤算法确定存在增加的压力损伤风险，并且患者的压力损伤分数增加。而且，响应于增加的压力损伤分数，分析引擎20向增加的压力损伤风险的一个或多个护理人员发起一个或多个警报，并且在一些实施例中，自动激活压力损伤预防规程(诸如自动减少查房时间)和/或实施表面治疗规程(例如向护理人员发送提醒消息)以使患者翻身，以固定间隔(例如，每小时或每两个小时)激活床14的翻辅助功能，以激活床14的床垫的交替压力治疗或激活床14的床垫的CLRT治疗。
如果分析引擎20从床14或生命体征监测器18接收会导致跌倒风险分数或败血症风险分数增加的数据，则DSN平台30以类似的方式作出反应，以向护理人员警告分数增加。例如，增加的患者心率与增加的患者运动可以表明患者正准备离开床14，并且跌倒风险分数会相应地增加。作为另一示例，如果患者的心率或呼吸增加，但是缺少患者运动或患者运动低于阈值，从而表明患者嗜睡，则这可能表示败血症风险增加，并且败血症风险分数可能相应增加。
在风险分数增加的这些情况中的每种情况下，在一些实施例中，分析引擎20向分配给患者的一个或多个护理人员发起警报。这样的警报可以被发送到由相应的一个或多个护理人员携带的移动设备(例如，寻呼机，个人数字助理(PDA)，智能电话或平板计算机)。这样的警报也可以被显示在系统10的图形显示器36和圆顶灯38上。如压力损伤分数增加的情况一样，跌倒风险规程或败血症规程可以由分析引擎20分别响应于增加跌倒风险分数或增加败血症风险分数而自动启动。
根据本公开，分析引擎20还将风险分数数据或消息提供给源12，例如配备有通信电路的床14和监测器18，该通信电路被配置为与分析引擎20进行双向通信。因此，在一些实施例中，由一个或多个源12从分析引擎20接收到的消息会导致实施风险降低规程或源12的功能被自动激活(例如，床垫的交替压迫功能自动打开，或用于静脉注射抗生素的输送的输液泵会自动打开，或床的出床/床的患者位置监控功能会自动打开)。在一些实施例中，从分析引擎20接收这些消息的源12(例如，床14和监测器18)的图形显示器显示这样的消息，该消息表明压力损伤、跌倒和败血症风险分数中的一个或多个已经增加并且在在适当的情况下，源12的风险降低规程或功能已自动打开或激活。
位于图2的右下图像和左下图像之间的箭头48表示已将护理人员分派到风险分数已增加的患者的病房。因此，如图2的左下图像下方的圆点所指示的，响应于增加的压力损伤分数、跌倒风险分数或败血症风险分数，分析引擎20向被分配的一个或多个护理人员发起警报或通知，以使得护理人员立即去患者的房间并与患者接触。当护理人员到达病房时，此时可能会解决导致风险分数增加的某些风险因素。例如，护理员可以响应于跌倒风险分数的增加而协助患者去洗手间，或者护理人员可以为压力损伤风险分数增加的患者开启床垫翻转辅助功能或治疗功能，或者护理人员可以开始为败血症风险分数增加的患者提供静脉抗生素输液。
在护理人员解决患者跌倒风险、压力损伤和/或败血症需求之后，在某些情况下，提供给分析引擎20的数据将导致相应的风险分数自动降低。然而，在某些情况下，护理人员向分析引擎20提供临床见解24，这导致在护理人员满足患者需求之后风险分数降低。在压力损伤分数增加的情况下，在一些实施例中，可能需要被分派到患者房间的护理人员使用相机40拍摄患者的任何压力损伤的照片，以上传到分析引擎20，以便使用与确定患者的压力损伤分数有关的最新压力损伤数据。
现在参考图3，示出了系统10的另外的源12，其经由路由器或PoE交换机32向分析引擎20提供数据。图3的其他源12包括图形房间站50，患者举升机52和定位系统54。图形房间站50作为护士呼叫系统(例如可向位于印第安那州贝茨维尔的Hill-Rom有限公司购买的
护士呼叫系统)的一部分而包括在内。包括房间站50的合适的护士呼叫系统的其他细节可以在美国专利号7,746,218、7,538,659、7,319,386、7,242,308、6,897,780、6,362,725、6,147,592、5,838,223、5,699,038和5,561,412以及美国专利申请公开号2009/0217080A1、2009/0214009A1、2009/0212956A1和2009/0212925A1中找到，在不与本公开内容相抵触的范围内，将其每个的全部内容通过引用整体并入本文，任何不一致之处以本公开为准。房间站50是护理人员用来向系统10提供临床见解24以供分析引擎20进行分析的源12中的一个。
患者举升机52响应于被用于将患者从床12中升起以转移到例如担架、椅子或轮椅上，经由路由器32向分析引擎20提供数据。需要使用患者举升机52将患者移至床14或从床14移出的事实表明该患者有跌倒的风险，因为该患者不能从床14中离开并独自行走或独自返回到床14。因此，响应于患者举升52被用于移动患者，分析引擎20增加了跌倒风险分数。此外，使用患者举升机52将患者移至床14或从床14移出也可以指示该患者比走动患者更容易遭受压力损伤。例如，举升机52通常用于转移截瘫或四肢瘫痪患者，并且这些患者在床上时，移动体重以减少发生压力损伤的机会的能力有限。而且，与患者举升机一起使用的吊索有时会在患者的某些部位(例如患者的臀部或骶区)产生较高的界面压力，这也可能增加发生压力损伤的风险。因此，在一些实施例中，使用举升机52不仅导致患者跌倒风险分数的增加，而且导致患者压力损伤分数的增加。
图3中的患者举升机52的说明性图像是高架举升机52，其连接到安装在病房中的框架上。其他类型的患者举升机52包括可移动的患者举升机，其被推入病房以供使用。在图3中包括一组无线通信图标56，以表示网络10的一些源12例如经由一个或多个无线接入点(未示出)与网关32无线通信。特别地，图3的图标56指示病床14、监测器18、患者举升机52、定位系统54的部件和失禁检测系统16的部件与网关32无线通信。图3中的从源12延伸到网关32的线表示除了无线通信之外或代替无线通信，源可以经由有线连接与网关32通信。
在一些实施例中，能够进行无线通信的源12具有用于该目的的专用电路。备选地或附加地，定位系统54的定位标签被附接到源12，例如床14、监测器18、患者举升机52和失禁检测系统16的部件。在一些实施例中，系统54的定位标签也被附接到护理人员和/或患者。定位标签包括发射器以用于将无线信号传输到安装在整个医疗机构各个固定位置的接收器或收发器。在一些实施例中，标签具有从固定收发器接收无线信号的接收器或收发器。例如，为了节省电池电量，定位标签可以仅响应于已经从固定收发器之一接收到无线信号而发送包括标签标识(ID)数据的信息。固定接收器或收发器将位置ID(或与医疗机构的位置相关联的固定接收器/收发器ID)传送到远离各种固定收发器的定位服务器。基于定位服务器接收到的标签ID和位置ID，由定位服务器确定源12的各种加标签装置的位置，正佩戴标签的护理人员和正佩戴标签的患者。
考虑到前述讨论，在一些实施例中，如果定位系统54确定移动患者举升机52在患者房间内，则分析引擎会增加患者的压力损伤风险分数和/或跌倒风险分数。如果通过定位系统54确定某些设备在患者房间中，则分析引擎20可以对败血症风险分数进行类似的增加。例如，在一些实施例中，如果心率监测器、呼吸速率监测器和血压监测器都在患者房间中放置了阈值时间段，则分析引擎20增加败血症风险分数。在一些实施例中，如果患者房间中的一袋或一瓶静脉注射抗生素附有定位标签，则分析引擎20会增加败血症风险分数。
如果失禁检测系统16的失禁检测垫被确定为位于患者房间中，由于通过定位系统54检测到附着在该垫上的定位标签，或者由于床14的电路检测到失禁检测垫，或者由于失禁检测系统16的读取器可能将数据提供给分析引擎20(在一些实施例中，可能是通过护士呼叫系统进行的)，则在一些实施例中，患者的跌倒风险分数和/或患者的压力损伤分数被分析引擎提高了。患者使用失禁检测垫表明患者没有足够的走动能力以独自从床14下来并去洗手间，因此，患者是有跌倒风险的患者。此外，患者使用失禁检测垫表示患者可能被限制在其床14上，这增加了发生压力损伤的风险。在一些实施例中，响应于失禁检测系统16检测到患者已经弄脏了失禁检测垫，并且该垫子在被未污染的垫子更换之前在患者下方保持了阈值时间段，分析引擎会提高压力损伤风险分数，因为长时间暴露在湿气或者湿润环境中会增加患者遭受压力损伤的机会。
在一些实施例中，定位系统54用作高精度定位系统54，其能够确定与在其实际位置的一英尺(30.48cm)或更短范围内的至少三个固定收发器通信的每个定位标签的位置。本公开预期的高精度定位系统54的一个示例是超带宽(UWB)定位系统。UWB定位系统在3.1GHz至10.6GHz的频率范围内运行。在这方面，合适的固定收发器包括WISER网状天线节点(WISER Mesh AntennaNodes)，在这方面合适的定位标签包括Mini追踪标签，所有这些都可以向北卡罗来纳州罗利的Wiser Systems，Inc.购买，并以WISER LOCATORTM系统出售。也可以使用其他制造商提供的UWB定位系统。在一些实施例中，高精度定位系统54使用双向测距、时钟同步和到达时间差(TDoA)技术来确定定位标签的位置。例如，参见国际公开号WO2017/083353A1，其在不与本公开内容相抵触的范围内全文以引用的方式并入本文，任何不一致之处以该本公开内容为准，以详细地讨论在UWB定位系统中使用这些技术。
在定位系统54是高精度定位系统54的那些实施例中，可以由分析引擎20实施用于确定是增加还是减少特定风险分数的更精细的规则集。只有在举升机52或失禁检测垫和病床14之间的相对位置满足某些标准时，才增加特定的风险分数，而不是响应于在房间中检测到患者举升机52或在房间中检测到失禁检测垫而增加跌倒风险分数和/或压力损伤分数。例如，跌倒风险和/或压力损伤风险分数不会增加，直到确定高架举升机52的电动举升机壳体和/或吊杆位于医院病床14的覆盖区(footprint)上方。如果高架举升机52不用于特定患者，而是简单地存放在床14的侧面或房间的角落，这会防止风险分数增加或减少。以类似的方式，跌倒风险和/或压力损伤风险分数不会增加，直到确定移动式举升机52在阈值距离之内，例如床14或患者的1或2英尺以仅为了给一对任意例子。进一步类似地，在确定失禁检测垫在医院病床14的覆盖范围内之前，跌倒风险和/或压力损伤风险分数不会增加。
仍然参考图3，输出设备34的图形显示器36包括状态板58、图形房间站50和护理人员的移动设备60。图3的说明性移动设备60是智能电话，但是如上所述，移动设备60还包括寻呼机、PDA、平板计算机等。状态板58通常位于医疗机构中的主护士站，但如果需要，可以将它们放置在其他地方，例如员工休息室、走廊等。在一些实施例中，状态板58作为为护士呼叫系统的一部分被包括在内。在这方面，例如参见美国专利号8,779,924，其在不与本公开内容相抵触的范围内，通过引用以其整体并入本文，任何不一致性应以本公开内容为准。本公开设想的是，状态板具有用于显示状态板上每个列出患者的跌倒风险、压力损伤风险和败血症风险分数的附加字段。
如图3所示，图形房间站50既用作向分析引擎20提供数据的源12，又用作用于显示来自分析引擎20的数据的输出设备34。因此，图形房间站50也具有显示屏幕，其具有用于显示位于具有房间站50的房间中的患者的跌倒风险、压力损伤风险和败血症风险分数的字段。在一些实施例中，站50可操作来获得并显示位于其他房间中的患者的风险分数。因此，使用一个房间内的房间站50的可以关于另外房间中的患者与另外的护理人员(例如主护士站的护士)进行通信，并且可以获取与正在被讨论的其他患者有关的信息，包括风险分数。
移动设备60还具有带有用于显示患者风险分数的字段的屏幕。在一些实施例中，在护理人员的移动设备60上提供移动软件应用程序，并且该移动软件应用程序用于限制护理人员访问信息的能力，例如仅能够查看为其分配的患者而不是其他护理人员的患者的风险分数。此外，通过本公开内容可以预期，每当护理人员的任何分配患者的风险分数改变时，弹出窗口都可能出现在护理人员的移动设备上。下面结合图7至图10讨论在一些实施例中出现在移动设备60上的屏幕的示例。
电子病历(EMR)或健康信息系统(HIS)服务器62也通过PoE交换机32通信联接到分析引擎20，如图3的说明性的示例所示。服务器62联接到一个或多个更多具有显示屏幕的EMR或HIS计算机(未显示)，显示屏幕用于显示医疗机构各个患者的风险分数。在一些实施例中，服务器62还是分析引擎20用于确定各种患者的风险分数的数据源12。如图3所示，分析引擎20还通过网关32通信地联接到物联网(IoT)网络或平台64。平台64从多个医疗机构接收信息，并且操作以分析输入的信息以识别风险降低规程的最佳实践。这些规程又可以与其他医疗机构共享，这些医疗机构可以订阅以接收此类最佳实践信息。最佳实践信息可包括例如在风险评估算法中使用的相关阈值，在护理标准中实施的将患者风险降至最低的步骤，以及针对患者风险分数升高而采取的纠正措施。平台64还可以例如实施用于预测患者结果的分析，并且将预测传达给订购的医疗机构。
如图3所示，分析引擎20与源12、输出设备34、服务器62和平台64中的一些或全部双向通信。分析引擎20包括一个或多个服务器或其他计算机，这些服务器或其他计算机实现了根据以上讨论的各种算法和规则来配置的分析软件。应当理解的是，图1至图3在本质上是示意性的，并且在实现系统或设备10的每个医疗机构中，其他网络基础设施将上文讨论的系统10的每个设备通信地互连。下面结合图6讨论网络基础设施的另一个图解示例。
现在参考图4A-4C，流程图70显示了患者行程的示例，该行程从块72所表示的急诊科(ED)或块74所表示的外科病房开始，然后进入块76表示的重症监护病房(ICU)或医疗/外科手术(MED/SURG)病房，然后到达如块78表示的家或长期护理(LTC)机构或特殊护理机构(SNF)。流程图70示出了患者流中的位置，在这些位置，DSN平台30的分析引擎20操作以确定患者患有败血症或发展为败血症的风险。在流程图70中的任何地方，调用DSN平台30进行败血症的患者风险评估时，都会显示DSN平台块80。
现在参考图4A，如块82所示，患者在ED 72处到达医院中，并如块84所示对患者进行分类和筛查败血症。这种初始筛查的目的是及早发现败血症，如在ED 72上方的早期检测云86所示。如相关联的块80所示，在块84处将来自筛选的信息提供给DSN平台30，然后确定是否怀疑患者患有败血症。如块88上方的通信云90所表示的，由分析引擎20基于从DSN 30传送的信息做出块88处的确定。
如果在块88中确定怀疑患有败血症，则按照块92的所表示的，患者进行乳酸培养(LAC)和全血细胞计数(CBC)测试。血液中的乳酸(又称乳酸盐)大于每升2毫摩尔(mmol/L)是患者患有败血症的指标之一。根据某些败血症确定规程，血液中的乳酸盐水平应结合包括以下一项或多项的其他败血症风险因素考虑：i)收缩压低于90毫米汞柱(mmHg)或平均动脉压血压低于65毫米汞柱；ii)心率大于每分钟130次，iii)呼吸速率大于每分钟25次呼吸，iv)氧饱和度(例如SpO2)小于91％，v)患者无反应或仅对语音或疼痛反应，和/或vi)出现紫癜性皮疹。根据其他败血症确定规程，如果满足以下标准，则可能确定败血症：i)患者的体温高于大约38.3摄氏度(℃)(大约101华氏度(F))或小于大约35.6℃大约96°F)，ii)患者的心率大于每分钟90次；以及iii)患者的呼吸速率大于每分钟20次呼吸。因此，不同的医疗机构具有不同的败血症确定规程，并且所有这样的规程都在本公开的范围内。
在块92的血液测试之后，如块94所示，确定患者是否患有败血症。如块94所确定地，如果患者患有败血症，则如块96所示启动3小时(Hr)束。例如，3Hr束包括广谱抗生素给药和每公斤(mL/kg)晶体30毫升用于低血压或乳酸盐的大于或等于4mmol/L。3Hr束还可以包括在某些医疗机构中测量乳酸盐水平并获得血液培养，但是在图4A中，这些操作是在块96进行3Hr束开始之前在块92进行的。在块96上方的是正确计费代码云(Correct BillingCode cloud)97和捆绑遵从性云(Bundle Compliance Cloud)98，在某些实施例中，捆绑遵从性云98可以通过DSN平台30或HIS服务器62调用监视和反馈给护理人员。
在图4A的顶部的框100包括表示与图4A所示的流程图70的部分结合使用的设备和系统的圆点。特别地，框100列出了多参数生命设备、身体评估设备、床、ECG推车和临床工作流程(护士呼叫)系统。在一些实施例中，这些系统和设备是DSN平台30的分析引擎20的源12。图4A底部的框102包括表示与图4A所示的流程图70的部分结合使用的DSN平台30的各方面的圆点。具体而言，框102列出高级分析以增强临床决策和并在早期检测状况(例如，分析引擎20)、智能感测床或担架(例如，具有生命体征传感器或集成的失禁检测系统16的床14)、可穿戴或无接触参数感测(例如，监测器18的一些实施例)、来自多个公司的源(例如，各个公司的生命监测器18)的参数的集成以及用于优化工作流程的移动通信平台(例如，护理人员移动设备60)。
如果在图4A的块88处没有疑似败血症，或者如果在图4A的块94处确定患者没有败血症，则将患者送入医疗机构，并送至如图4B(续)的块76所示的Med/Surg单元。在一些实施例中，在块88、94处的关于阴性的败血症疑似或确定的信息，可以被传递到DSN平台30的分析引擎20，同时患者被送到Med/Surg单元。因此，如图4B(续)的块76所示，从图4A的右手侧流出的三个流动路径中的两个导致患者被接收并被送到Med/Surg单元。如图4B所示，设想的是，患者到达医院的手术室74进行手术，而不是到达急诊室，如手术室74内的块104所示。此后，患者如块106所示进行手术。在手术期间或之后，测量患者的生命体征(即，生命征象)，并且在手术室74中时，对患者进行败血症筛查，如图4B的块108所示。就这一点而言，早期检测云86示出在图4B中手术室74上方。
手术后，将来自块108的患者生命信息和败血症筛查信息提供给DSN平台80的分析引擎20，然后将患者送入医疗机构，并按照指示将其送到Med/Surg单元，如图4B(续)的块76所示。在块76处将患者接收在Med/Surg单元后，如块110所示实施对于败血症的Q4生命体征和最佳实践警报(BPA)，并且如块100旁边的块80所示地，将相关数据提供给DSN平台的分析引擎20。Q4生命体征是间隔4小时采集的生命体征，例如，上午8点，中午，下午4点，晚上8点，午夜，凌晨4点，等等。早期检测云86示出在图4B中的块110上方，数据频率云112也是如此。因此，块110上方的云112表示护理人员可以基于临床见解24将采取患者生命体征的频率改变为Q1，Q2或Q8(即分别间隔一小时，两小时或八小时)，而不是相隔四个小时)。
如块114所示，基于结合块110获得的数据确定是否怀疑患者患有败血症。如果在块114处确定非疑似败血症，则工作流程70返回块110并从块110继续。如果在块114确定怀疑有败血症，则如块116所示，患者被命令进行LAC和CBC测试。上文结合图4A的块92对LAC和CBC测试进行了讨论，并且相同的讨论适用于图4B(续)的块116。如图4B(续)中的块116上方的块80所示，LAC和CBC的结果被传送到DSN平台30的分析引擎20。
于块116处的LAC和CBS测试的结果，如块118所示确定患者是否患有败血症。如果在块118处确定患者未患有败血症，则工作流程70返回块110并从块110继续。如果患者如块118所确定的患有败血症，则如块120所示启动3Hr束。以上结合图4A的块96讨论了3Hr束，相同的描述适用于图4B(续)的块120。块120上方是正确计费代码云97和捆绑遵从性云98，在一些实施例中，它们可以由如块120右边的块80所示，由DSN平台30或者由HIS服务器62调用监视和反馈给护理人员。在图4B的块120中开始3Hr束之后，如图4B(续)所示对患者进行评估。
在图4B顶部的框124包括指示与在图4B和4B(续)所示的流程图70的部分结合使用的设备和系统的圆点。特别地，框124列出了多参数生命体征设备、身体评估设备、病床、临床工作流程(护士呼叫)系统，实时定位解决方案(RTLS’s)、患者监测解决方案、临床咨询服务、ECG推车和患者移动性解决方案。在一些实施例中，块124的这些系统(或解决方案)和装置是DSN平台30的分析引擎20的源12。在图4B(续)的底部的框126包括指示与图4B和4B(续)所示的流程图70的部分结合使用的DSN平台30的各方面的圆点。特别地，框126列出了高级分析以增强临床决策和早期地检测患者恶化(例如，分析引擎20)、可穿戴或无接触参数感测(例如，监测器18的一些实施例)、智能感测床(例如，具有生命体征传感器或集成失禁检测系统16的14床)、来自多个公司源的参数的集成(例如，各个公司的输出生命体征的生命体征监测器18，包括心输出量)，以及移动通信平台(例如护理人员移动设备60)。
在开始图4A的块96的3Hr束之后，在如图4B的块128对患者进行评估，并将有关3Hr束的数据提供给DSN平台30的分析引擎20，如图4B中的位于块128左侧的块80所示。在块128的患者评估期间获得的数据被提供给DSN平台的分析引擎20，如块128右侧的块80所示。在示例性示例中，在DSN平台的分析引擎20对块128的来自患者评估的数据进行了分析之后，如块130所示，启动了6Hr束。在一些实施例中，6Hr束包括施用升压药以维持MAP大于或等于65mmHg、测量中心静脉压(CVP)、测量中心静脉血氧饱和度(SCVO2)，以及如果初始乳酸盐水平升高，则重新测量乳酸盐。6Hr束可能因医疗机构而异。在块130的6Hr束之后，如块132所示，再次对患者进行评估，并且来自评估的数据(包括关于块130的6Hr束的步骤的信息)被提供给DSN平台30的分析引擎20，如图4B中的块132右侧的块80所示。
如果在块122或块132处进行的患者评估(视情况而定)表明患者不再患有败血症(如流程图70的说明性示例所示)，则使患者出院回家或者返回LTC机构或SNF，如图4C的块78处所示。家庭监测再入院云(Home Monitoring Readmission cloud)134位于块78上方，以表示预期在家中继续监视患者的状况。在这方面，图4C顶部的框136包括表示与图4C所示的流程图70的部分结合使用的设备和系统的圆点。特别是，框136列出了家庭健康监测(血压和体重秤)、动态心脏监测(包括生命监测装置18，例如动态血压监测器(ABPM)，霍尔特式心电动态监测器(Holter monitor)和/或TAGecg设备)，以及气道清除设备。在一些实施例中，块136的这些家用设备和装置也是DSN平台30的分析引擎20的源12。因此，在一些实施例中，这样的家庭源12经由互联网与分析引擎20通信。
在图4C的底部的块138包括表示与图4C所示的流程图70的一部分结合使用的DSN平台30的各个方面的圆点。特别地，块138列出用于在家中的患者状况的早期检测的高级分析(例如，分析引擎20)，多个参数和相关通信平台的远程患者监视，可穿戴或无接触参数感测(例如，监测器18的一些实施例)、智能感测床(例如，具有生命体征传感器或集成的失禁检测系统16的病床14)以及来自多个公司(例如，输出生命体征的各个公司的生命体征监测器18)源的参数的集成。
现在参照图5A和图5B，提供了流程图140，其示出了患者的入院和在医疗机构住院的示例，包括使用患者房间中的装置来移动患者，并示出了患者流中分析引擎20进行操作以对患者进行风险评估的位置。在流程图140的图5A的块142处，将患者在担架上被运送到患者室。此后，如块144所示，将患者从担架转移到房间中的病床14。在这一点上，如块146所示，患者被送入医疗机构。在一些实施例中，患者在被运送到病房之前入院。
一旦进入房间，护士就如图5A的块148所示评估患者。如块148所示，如果实时定位系统(RTLS)确定护理人员位于患者房间中，则显示板上的信息、移动设备60的显示器、护士呼叫系统的显示器50和状态板58被更新以表示护理人员在房间中。块148还表示护士评估床状况(例如，侧栏处于适当位置，设置了脚轮制动器等)、评估患者、进行监测器18评估、检查患者体温、记录患者的焦虑水平以及心率评估、激活患者安全应用程序(PSA)(例如，启用或配备离开病床/患者位置监视(PPM)系统)以及配备病床扶手(例如，表示在与离开床/PPM系统连接时，应将哪些侧栏保持在升高的位置)。
如块148右边的块150所示，医疗机构的护士呼叫系统会接收来自入院/出院/转诊(ADT)系统的输入，如果ADT输入表明患者是处于跌倒风险中的患者，则护士呼叫系统会向与患者关联的床14发送消息，以配备床14上的系统(例如，配备离开床/PPM系统并监控床侧栏的位置、脚轮制动状态等)，如块152所示。在图5A的说明性示例中，床压力传感器用于监测患者的移动，如块152右侧的块154所示。备选地或另外地，床14的体重秤系统的称重传感器监测患者移动。
如图5A的块154下方的块156所示，在块148的护士评估中获得的一些或全部信息显示在一个或多个显示设备上，例如上文所述的输出设备34。此外，如块156的下侧和左侧的块158所示，床14为显示器发送患者安全状态信息，显示器例如为在床的脚端处的显示器、显示板(例如状态板58)、一个或多个患者检测设备18以及移动设备60(块158中列出的“Clarion应用程序”是移动设备60用于护理人员之间的通信以及警报(也就是警告)和设备数据的通信的软件)。在一些实施例中，“Clarion应用程序”是可向Hill-Rom有限公司购买的LINQTM移动应用程序。
如块158左侧的块160所示，还由DSN平台的分析引擎20捕获与块148、150、152、154、156、158相关联的数据以用于预测分析。在这一点上，如块160左侧的块162所示，分析引擎20接收由床14的称重传感器监测的患者移动数据，然后如块164所示，传送表示患者离开床的可能性的消息并向一个或多个临床医生通知该可能性。如如图5A的块164下方的块166所示，如果临床医生进入病房，则PSA禁用与由PSA监测的特征相关的任何警报。
在图5A的流程图140的说明性示例中，如块168所示，临床医生使用患者举升机将患者从床14移动到轮椅上。此后，如块170所示，临床医生将患者例如运输到厕所，例如包含为病房的一部分中的浴室的厕所。块170还表示马桶座圈识别患者存在(例如，坐在马桶座圈上)，这导致输出设备34的一个或多个显示器上的状态改变为患者的厕所状态，并且还在显示器上表示护理人员在房间里。
在患者完成使用浴室之后，临床医生使用轮椅将患者运送到房间中的椅子，如图5B的块172所示。块172还表示椅子识别出患者存在(例如，坐在椅子上)，这导致输出设备34的一个或多个显示器上的状态改变为患者在椅子上(Patient-in-Chair)的状态，并且这些显示中的一个或多个也继续表示护理人员在房间中。块172进一步表示椅子感测患者的移动。因此，本公开内容设想椅子具有称重传感器、压力传感器、力敏电阻器(FSR's)等以及相关联的电路，以感测患者在椅子上的位置并将患者在椅子上的位置传送给分析引擎20。如块172左侧的块174所示，在流程图140的说明性示例中，临床医生向患者提供了护士呼叫通信设备(例如，枕头扬声器单元)，如果患者坐在椅子上时，护理人员离开患者房间后需要帮助，患者可以使用该通信设备呼叫护士。
当患者坐在椅子上时，DSN平台30的分析引擎20捕获来自椅子的数据，以对离开椅子进行预测分析，如图5B中的块174左侧所示。在给定的示例中，如块176左侧的块178所示，通过椅垫压力传感器监测患者的移动。如示例性流程图140中块176、178下方的块180所示，临床医生离开房间，在床14的显示器、监测器18、输出设备34的显示板50、58和移动设备60的显示器上更新护理人员的状态为不再存在于房间中，但是患者坐在椅子上的状态仍然保留在这些显示器上。
如图5B中位于块180的右侧和块174下方的块182中所表示的，系统10指示患者离开椅子的可能性，并将该可能性通知给一个或多个临床医生。此后，如块184所示，护士进入房间。响应于护理人员进入房间，PSA从定位系统接收到护理人员在房间中的信息，使床14上的警报静音，并发送消息，使得在床14、监测器18、输出设备34的显示板50，58以及移动设备60的显示器的一个或多个被更新以表示护理人员在房间中。
在流程图140的说明性示例中，在块18处，在护理人员进入房间之后，如块186所示，护理人员将患者运送回床14。此后，如块188所示，抬起床侧栏，并且护理人员离开房间。同样如块188所示，PSA从定位系统接收护理人员已离开房间的信息，并发送条消息，使得床14、监测器18、输出设备34的显示板50、58以及移动设备60的显示器的一个或多个被更新以表示护理人员不在房间内并且患者在床上。此后，如图5B的块190所示，从床14捕获到与患者移动有关的数据，并且在DSN平台30的分析引擎20处再次开始离开床的预测分析。
基于前述内容，很明显，数据是由如上所述的多个设备14、16、18和其他源12生成的，并且被发送到DSN平台30的分析引擎20。分基于给定医疗机构建立的规程，分析引擎的算法针对每个患者建立风险状况(例如，风险分数)。利用该风险状况信息对设备14、16、18和其他源12中的一些或全部进行更新。在一些实施例中，源12具有显示器，该显示器向护理人员提供指导步骤，护理人员可以在护理点采取该指导步骤以减少或减轻风险状况。随着输入数据的变化，分析引擎将基本上实时更新每个患者的风险状况。在一些实施例中，分析引擎20还将数据发送到其他系统，例如IoT平台64，以进行进一步分析。
现在参考图6，提供了类似于图3的另一个系统10的示意图，该系统在页面的左侧示出了医院内部装置，该医院内部设备包括室内设备12、设备网关32以及状态板58。图6的示例性室内设备12包括病床14、失禁检测系统16，生命体征监测器18和房间站50。然而，图6的系统10的设备12可以包括本文讨论的任何其他类型的设备12。在一些实施例中，图6的系统10还包括位于页面中央的云设备200，其包括企业网关(HL7)202、临床数据存储库204、风险引擎206以及实施人工智能(AI)处理数据的分析平台20。页面右侧显示了图6系统10的其他内部设备，包括一个或多个移动设备60和第三方解决方案208，该第三方解决方案208包括EMR服务器62、ADT服务器210和实验室服务器212。
如图6所示，经由网关32从设备12以及从临床数据存储库204、风险引擎206和分析平台20发送到第三方解决方案208的消息和/或数据通过企业网关(HL7)202。因此，网关202将各种消息和数据转换成健康等级7(HL7)格式，以便随后传送到第三方设备208(例如EMR，ADT和实验室服务器62、210、212)。在图6中的系统10的实施例中，风险引擎206基于来自设备12的输入数据来管理压力损伤风险分数、跌倒风险分数和败血症风险分数的风险等级，并且分析平台(也称为分析引擎)20分析来自设备12的输入数据以确定与各种患者风险分数的相关性。
根据本公开，多个设备12向分析引擎20提供多种类型的数据(例如，患者数据、生命体征数据、生理数据、设备数据等)，分析引擎20处理数据并根据该数据确定一个或多个风险分数。当分析引擎20接收到新数据时，风险分数基本上被实时地调整。在以上的讨论中，给出了与压力损伤、跌倒和败血症有关的风险分数作为风险分数示例。但是，本公开内容设想的是，可以由系统10的设计者或编程人员自行决定建立与其他患者风险有关的其他风险分数。在这方面，下表是数据类型的列表(称为“风险因素”，其会促成根据本公开的风险分数，包括促成与压力损伤、跌倒和败血症有关的风险分数)：
表1
应注意，表1中的某些风险因素出现两次，但在单独的栏中指定为风险因素识别(rfid)类型(rfid_type)1或rfid_type 2，其他风险因素具有rfid_type0。两者不同风险因素的类型意味着，例如，有多个可以从中获取该风险因素的源，或者在某些情况下，该风险因素基于性别(例如，男性或女性)。可以在电子数据表格中选择表1中的一个或多个风险因素以设置由系统10中的分析引擎20实施的风险规则。可以建立的此类风险规则的示例包括如果满足以下任何条件，则利用分析引擎20确定患者可能有呼吸窘迫的风险：(1)患者年龄在70岁或以上且患有慢性阻塞性肺病(COPD)；(2)患者患有COPD并已服用阿片类药物；(3)患者年龄在70岁以上，并且已开过阿片类药物；(4)患者年龄在70岁或以上，患有哮喘并且每100毫升(ml)血液中的尿素氮(BUN)大于或等于30毫克(mg)；或者(5)出现表1中列出的任何四种患者状况。可以建立的此类风险规则的其他示例包括：如果满足以下任何条件，则可以利用分析引擎20确定患者可能有败血症的风险：(1)患者年龄在65岁或65岁以上并患有癌症；或者(2)患者有败血症病史。
在本公开的范围内，针对基于表1中列出的任何数量的风险因素并且关于与诸如患者生理参数之类的可动态测量的参数有关的那些风险因素而建立的风险规则(例如，表1的“类型”列中“致命的”(Vistals)处表示的那些)，风险规则可以基于高于或低于阈值标准的特定可测量参数。因此，本公开预期，评估患者的医疗风险包括在分析引擎20处接收患者的患者统计数据，该患者统计数据包括例如年龄、种族和体重中的至少一项，如表1所示。在一些实施例中，分析引擎20还接收患者的合并症数据，包括表明患者患有以下医学状况或特征中的至少一种的数据：获得性免疫缺陷综合症(AIDS)、贫血、慢性充血性心力衰竭、哮喘、癌症、慢性阻塞性肺疾病(COPD)、冠状动脉疾病、囊性纤维化、痴呆、肺气肿、酒精或药物滥用、中风、肺栓塞、败血症病史、1型糖尿病、病态肥胖、神经肌肉疾病、早期插管、脊柱侧弯、吸烟者、谵妄、无脾，骨髓移植、肝硬化、透析、憩室病、心脏瓣膜疾病、炎症性肠病、关节置换、白细胞减少症、恶性肿瘤、赘生物、器官移植、周围性血管疾病、肾脏疾病、压力损伤、近期流产、近期分娩、癫痫、镰状细胞性贫血或绝症。
在一些实施例中，分析引擎20还接收可以由生理监测器测量的生理数据，该生理监测器可以具有联接至患者或与患者通信的至少一个传感器。生理数据包括在患者由生理监测器监测患者时动态且随时间变化的数据。例如，生理数据包括以下一项或多项：心率、呼吸频率、体温、平均动脉压、收缩压或脉搏血氧饱测量数据，包括外周性毛细血管血氧饱和度(SpO2)。在一些实施例中，分析引擎20基于患者人口统计数据，合并症数据和生理数据中的一个或多个，实时地计算患者的风险分数或对患者进行风险评估。
在一些实施例中，分析引擎20还接收患者的实验室数据，并使用与计算风险分数相关的实验室数据。如表1所示，实验室数据的示例包括与以下一项或多项有关的数据：白蛋白、氧气的动脉分压(动脉PaO2)、二氧化碳的动脉分压(PCO2)、动脉pH、酸中毒、脑钠肽、血尿素氮、心脏射血分数、肌酸酐、血红蛋白、血细胞比容、乳酸、肺功能测试、肌钙蛋白、胆红素、C反应蛋白、D-二聚体、葡萄糖、碳酸氢盐(HCO3)、高乳酸盐血症、凝血国际标准化比值(INR)、中性粒细胞大于10％的正常白血球计数(WBC)、二氧化碳的动脉分压(PaCO2)、体液超量、Ph、血小板、降钙素、尿液中的蛋白、部分凝血活酶时间(PTT)或白细胞计数。备选地或附加地，分析引擎20接收患者的患者症状数据，并结合计算风险分数使用患者症状数据。如表1所示，患者症状数据的示例包括与以下一项或多项有关的数据：辅助肌肉使用、精神状态改变、混乱、焦虑、胸痛、咳嗽、发绀、发汗、呼吸困难、咯血、疲劳、躁动、痰液产生、心动过速、呼吸急促或嗜睡。
进一步备选地或附加地，分析引擎20接收临床检查数据，并结合计算风险分数使用临床检查数据。如表1所示，临床检查数据的示例包括与以下一项或多项有关的数据：腹部呼吸、异常肺音、辅助肌肉使用、毛细血管再充盈、胸压或胸痛、异常心电图(ECG或EKG)、咳嗽、发绀、意识水平下降(LOC)、躁动、脑病、斑点状阴影、协助进行日常生活活动的需要(ADLS)、端坐呼吸、外周性水肿、痰液产生、谵妄、体液超量，心输出量、早期状态为红润皮肤且晚期状态为冷淡苍白有斑点状阴影的皮肤、发烧、头痛、脖子僵硬、体温过低、肠梗阻、黄疸、脑膜炎、少尿、外周性发绀、瘀斑性皮疹、体液正平衡、癫痫、昏迷或血容量损耗。
仍然备选地或附加地，分析引擎20接收图表化的医嘱数据，并结合计算风险分数使用图表化的医嘱数据。如表1所示，图表化的医嘱数据的示例包括与以下一项或多项有关的数据：除使用包括文丘里管、再生式氧气系统、非再生式氧气系统、持续气道正压机(CPAP)以及双水平气道正压机(bi-PAP)以外的插管的呼吸空气的输送；动脉血气测试；脑钠肽测试；呼吸治疗；胸部X光；多普勒超声心动图；高流率或高流量(输入和输出(I&O))；肺部会诊；肺功能测试；换气灌注(VQ)扫描；或胸部计算机断层显像(CT)扫描。
在一些实施例中，分析引擎20还接收患者的入院数据，并结合计算风险分数使用入院数据。如表1所示，入院数据的示例包括与以下一项或多项有关的数据：腹主动脉瘤手术、急性心肌缺血、急性胰腺炎、误吸、哮喘、支气管扩张、肺不张、支气管炎、烧伤、癌症、心脏或胸外科手术、心脏瓣膜疾病或瓣膜功能不全、化疗、充血性心力衰竭、COPD恶化、深静脉血栓形成、药物过量、静息呼吸困难、急诊手术、咯血、间质性肺病、肺脓肿、颈部手术、神经外科手术、上腹部手术、外周性血管外科手术、肺炎、气胸、肺栓塞、肺动脉高血压、肺肾综合征、肾功能衰竭、败血症、休克、睡眠呼吸暂停、烟雾吸入损伤、外科手术、胸腔穿刺术、创伤、嗜睡、谵妄、脓肿、腹痛、腹部压痛、急性肺损伤、阑尾炎、菌血症、蜂窝组织炎、胆管炎、胆囊炎、结肠炎、膀胱炎、脱水、憩室炎、脑炎、脑病、心内膜炎、不明原因的发烧、肠胃炎、胃肠道出血、胃肠道感染、低血压、感染过程、不适、骨髓炎、造口术、骨盆痛、肾病、肾盂肾炎、呼吸道感染、化脓性关节炎、软组织感染、手术入院、创伤或急性呼吸困难综合征。
备选地或附加地，分析引擎20接收患者的药物数据并结合计算风险分数使用药物数据。如表1所示，药物数据的示例包括与以下一项或多项有关的数据：包括肝素或依诺肝素(levenox)在内的抗凝血剂，可以通过静脉(IV)或皮下(SC)输送、支气管扩张剂、皮质类固醇、利尿剂使用、高流率或高流量或高渗液、阿片类药物、镇静剂、安眠药、肌肉松弛剂、体液超量、抗生素或免疫抑制剂。
基于前述内容，应当理解，本公开预期了一种方法，该方法在例如一个或多个分析引擎20以及例如服务器62、210、212、206的其他服务器中的至少一个计算机上实施。在下文中，将假设分析引擎20实现各种算法和功能。根据本方法，分析引擎20接收患者的动态临床变量和生命体征信息。分析引擎20使用生命体征信息来发展先前的生命体征模式和当前的生命体征模式，然后将先前的生命体征模式与当前的生命体征模式进行比较。分析引擎20还接收以下的一项或多项：患者的静态变量、患者的主观投诉、患者的先前医疗保健利用模式或患者的健康数据的社会决定因素。分析引擎20使用动态临床变量、生命体征信息、先前的生命体征模式与当前生命体征模式的比较结果、以及静态变量、主观投诉、医疗保健利用模式或算法中健康数据的社会决定因素中的一个或多个，以检测或预测患者患有败血症或可能发展为败血症。
在一些实施例中，由分析引擎20接收的动态临床变量包括即时检验实验室数据。可选地，由分析引擎20接收的静态变量包括合并症。备选地或附加地，由分析引擎20接收的静态变量包括患者的护理设置是急性前护理设置、急性护理设置还是急性后护理设置。如果需要，分析引擎20还接收患者的历史数据。
分析引擎20向被监测的每个患者的一位或多位临床医生输出一个或多个推荐动作在本公开的范围内。一种或多种推荐动作的示例包括，例如，将患者送往急诊室(ED)，增加一位或多位临床医生对患者进行监测或为患者安排一套化验。
在一些实施例中，分析引擎20对医疗机构的临床医生进行排名。例如，分析引擎20通过经验、先前采取的动作以及先前的患者结果中的其中之一对医疗机构的临床医生进行排名。可选地，对结果具有最大影响的动作可以由分析引擎20用于通知新的或经验不足的临床医生经验丰富的临床医生如何照顾患者。
本公开预期分析引擎20使用人工智能(AI)和机器学习来分析表1中所列类型的风险因素数据，并确定一个或多个风险因素之间的相关性以及特定的风险，例如压力损伤、跌倒和败血症，以及患者的其他风险。然后，将与特定风险高度相关的风险因素用于基于两个或多个高度相关的风险因素建立风险规则。
如以上结合图3和图6的讨论，护理人员的移动设备60在输出设备34之间，在其上示出了风险分数和风险数据。图7-10示出了在护理人员的移动设备60上显示的信息类型的屏幕截图示例。在一些实施例中，图7-10的示例预期为是由可从Hill-Rom有限公司获得的LINQTM移动应用程序的附加软件功能提供的。LINQTM移动应用程序的附加详细信息可以在2018年9月27日提交的美国申请号16/143,971标题为“护理人员信息系统”中找到，该申请已作为美国专利申请公开号2019/0108908A1公开，其通过引用并入本文。
现在参考图7，显示在图3和图6的移动设备60的触摸屏显示器上的移动应用程序的患者屏幕220的示例，在屏幕220的顶部附近包括“我的患者”按钮或图标222和“我的单元”按钮或图标224。在说明性示例中，“我的患者”图标222已被选择，因此，屏幕220包括分配给移动设备60的护理人员的患者的列表226，所述移动设备60上显示有屏幕220。在列表224的单独行中示出了每个护理人员分配到的患者，其中包括患者姓名和已分配给患者的医疗机构中的房间。在适用的情况下，在每个患者的房间编号和名称下方显示一个或多个风险分数和相关信息。如果选择了“我的单元”按钮224，对于分配了护理人员的医疗机构单元中的所有患者，包括分配给该单元其他护理人员的患者，则在移动设备60的显示屏上显示类似的信息。
在图7中的屏幕220的说明性示例中，列表226的第一行中的文本“2160HILL，LARRY”下方，第一风险分数框228显示全身炎症反应综合征(SIRS)分数的数值为4，并且第二风险分数框230显示修改后的预警分数(MEWS)评分的数值为5。同样，在说明性示例中，向上箭头图标232在列表226的第一行位于框228、230中的每个框的左侧，指示SIRS和MEWS分数与其先前的读数相比都增加了。在说明性示例中，“@9:20”出现在列表的第一行中文本“MEWS”的右侧，以指示MEWS分数最近被更新的时间。在列表226的说明性示例的第二行至第四行中，仅示出了针对各个患者的MEWS分数的框230。列表226的第五行具有文本“2159 NOPATIENT”，以指示房间2159当前没有分配任何患者，但是如果有患者分配到房间2159，则该患者将位于分配给在其上显示屏幕220的移动设备60的护理人员的患者之间。屏幕220还具有图标或按钮的菜单234(这些术语在本文中可互换使用)，其在列表226下方，并且包括主页图标236、联系人图标238、消息图标240、患者图标242和电话图标244。与图标236、238、240、242、244关联的屏幕和功能的其他详细信息可以在2018年9月27日提交的美国专利申请16/143,971中找到，该申请已作为美国专利申请公开号2019/0108908A1公开，其通过引用并入本文。
现在参考图8，响应于在列表226的每一行的右侧选择屏幕220的向右箭头图标252中的其中一个，示出了出现在护理人员的移动设备60的触摸屏显示器上的风险详细信息屏幕250的示例。在图8的说明性示例中，屏幕250示出了患者拉里·希尔(Larry Hill)的风险详细信息，如屏幕250的顶部所示。在屏幕250的顶部的文本“PATIENTS 2160 HILL,L.”的左侧提供了向左箭头图标254，并且可以选择向左箭头图标254以使护理人员后退到屏幕220。在屏幕250的说明性示例中，电话图标244不再出现在菜单234中，而是出现在屏幕250的右上方。其他图标236、238、240、242保留在屏幕250底部的菜单234中。
仍然在屏幕250的顶部附近，在字段256中显示患者的病历号(MRN)，并且在字段258中显示患者的年龄。在说明性示例中，患者的MRN为176290，并且患者为76岁。在屏幕250的字段256下方，示出了三个状态图标。具体地，示出了跌倒风险图标260、肺部风险图标262和压力损伤图标264。如果确定患者有跌倒的风险，则图标260将高亮显示。如果确定患者有呼吸困难的风险，则图标262高亮显示。如果确定患者有发展为压力损伤的风险，则图标264高亮显示。如果确定相应的患者没有相关的风险，则图标260、262、264变灰或不显示。
继续参考图8，MEWS窗口266显示在图标260、262、264下方，并具有与出现在框230中的MEWS分数有关的附加信息。框230和向上箭头图标232出现在窗口266的左侧。在窗口266的框230和图标232的右侧，示出了与MEWS分数有关或对MEWS分数有贡献的各种生命体征信息。在屏幕250的说明性示例中，患者拉里·希尔(Larry Hill)的体温为100.6华氏度(F)，SPO2为92％，无创血压(NIBP)为200/96mmHg，心率(HR)为每分钟118次(BPM)，呼吸频率(RR)为每分钟26次呼吸(BPM)。任何生命体征自从先前的读数以来增加了，则向上箭头图标267出现在窗口266中生命体征的右侧。
根据本公开，计算MEWS所需的数据是从包括在医疗设备12(例如病床14和生命体征监视器18)的一部分中的传感器中获得的，和/或基于护理人员的临床见解24而作为手动用户输入接收的，和/或从EMR服务器62的人员的EMR获得。MEWS是基于下表计算的已知分数：
表2
在表2中，基于与表的行相对应的数据的人的各种读数，将列标题中的各种整数加在一起。5分或更高分数指示死亡的可能性。关于MEWS的收缩压、心率、呼吸频率和温度部分，那些信息是使用病床14的传感器和/或使用其他方式获得人员的生理数据来获得的，如上所述。MEWS的AVPU部分指示人员是处于警觉状态(A)、响应语音(V)、响应疼痛(P)还是不响应(U)。护理人员为每个患者选择合适的AVPU字母，然后将其输入计算机，例如房间站50、他们的移动设备60或系统10的另一台计算机，例如护士呼叫计算机、EMR计算机、ADT计算机等等。
仍然参考图8的屏幕250，在窗口266下方示出了败血症相关器官衰竭评估(SOFA)窗口268，该窗口268具有与SOFA分数有关的信息。在窗口268的左侧，风险分数框270示出了SOFA分数值，在说明性示例中为2，并且向上箭头图标272指示与先前分数相比，SOFA分数已经增加。在窗口268的框270和图标272的右侧，示出了对SOFA分数有贡献或与SOFA分数有关的患者生理参数。在说明性示例中，患者的血小板为145每微升(μL)，每天的输出/输入为800毫升，并且心血管(CV)为58平均动脉压(MAP)。
图8中，在窗口268下方的屏幕250上示出了具有与MORSE跌落量表(MFS)分数或数值有关的信息的MORSE窗口274。在窗口274的左侧，风险分数框276示出了MORSE或MFS分数值，在说明性示例中为3。在框276旁边没有显示向上箭头图标或向下箭头图标，从而指示自从上一次读数以来，MORSE分数没有变化。在框276的右侧是对MORSE分数有贡献或与MORSE分数有关的风险因素。在说明性示例中，患者的活动性风险因素包括患者有视力受损和髋关节置换，而患者的药物风险因素包括为患者开具镇静剂。在窗口266、268、274的每个窗口中，相应的风险分数框230、270、276中的分数最近被更新的时间指示在相应的框230、270、276下方。
如图8所示，屏幕250包括一对风险贡献者窗口，其包括呼吸困难窗口278，列出了对患者将经历呼吸困难的风险有贡献或与患者将经历呼吸困难的风险有关的因素，以及败血症窗口280列出了对患者发展为败血症的风险有贡献或与患者发展为败血症的风险相关的因素。在说明性示例中，呼吸困难窗口278中的风险因素包括患者患有慢性阻塞性肺疾病(COPD)，患者年龄超过65岁以及患者是烟民，以及败血症窗口280中的风险因素包括患者患有尿路感染(UTI)并且患者年龄超过65岁。图8的示例表明可以将患者风险因素与多个风险分数或风险分数的风险贡献者或风险确定因素结合使用。
关于窗口266、268、274，在一些实施例中对这些窗口中的一些或全部进行颜色编码，以指示特定风险分数的严重级别或与风险分数或确定因素有关的特定风险因素。例如，如果框230中的风险值是5或更高以指示患者处于高风险水平，则窗口266的框230周围的区域和窗口266的边界颜色编码为红色。类似地，如果框270、276中的风险值指示中等风险，则窗口268、274的框270、276周围的区域分别颜色编码为黄色，如说明性示例中的情况。在一些实施例中，箭头232、267、272也被颜色编码，视情况而定，通常具有较深的红色或黄色。如果针对任何特定风险因素的风险分数指示较低的风险水平，则屏幕250上的关联窗口将颜色编码为绿色或其他某种颜色，例如蓝色或黑色。在一些实施例中，取决于特定患者存在的风险因素的数量或严重性，风险贡献者窗口278、280被类似地用颜色编码(例如，红色、黄色、绿色)。在一些实施例中，窗口266、268、274中的单个数值数据或风险因素也用颜色编码。
现在参考图9，响应于选择在图7的列表226的每一行的右侧的屏幕220的向右箭头图标252中的一个，示出了替代性的“风险详细信息”屏幕250’出现在护理人员移动设备60的触摸屏显示器上的示例。与屏幕250的相似部分基本相同的屏幕250’的部分由相似的附图标记指示，并且屏幕250的这些部分的上述描述同样适用于屏幕250’。在图9的说明性示例中，屏幕250’示出了患者拉里·希尔(Larry Hill)的风险详细信息，如屏幕250’的顶部所示。在屏幕250’的MRN数据256和年龄数据258下方是MEWS窗口282。在窗口282的右侧，示出了MEWS分数框230和向上箭头图标232。
窗口282包括体温分数框284、呼吸频率(RR)分数框286、意识水平(LOC)分数框288，第一自定义分数框290和第二自定义分数框292，如图9所示。在说明性示例中，框284、286分别具有的分数为2，并且框288具有来自上表2中所示的AVPU分数的字母P。说明性MEWS框230在图9中的屏幕250’的说明性示例中具有的分数为5，但实际上，假设框288中的P对应于表2中所示的分数为2，则分数应显示为6。在屏幕250’的说明性示例中，向上箭头图标294显示在框284、288的下方，以指示自从用于计算先前MEWS的先前数值以来，MEWS的温度部分和LOC部分分别已经增加。在窗口282中的框286下方显示破折号图标296，以指示自从先前MEWS计算以来，MEWS的患者RR部分未发生变化。
窗口282的自定义分数框290、292指示改进的MEWS或修改的MEWS在本公开的范围内。因此，用于任何给定医疗机构的系统10的设计者或程序员能够选择其他风险因素，例如上表1中所示的风险因素，其对这种改进或修改的MEWS有贡献。仅举一个示例，年龄可以是被选择为与框290、292之一相对应的风险因素。基于年龄范围的分数值也由系统设计者或程序员决定。因此，可以将0到3之间的整数分配到不同的年龄范围，仅举一个任意示例(例如20岁或以下＝0；21-40岁＝1；41-60岁＝2；61岁或以上＝3)。可选地，可以使用针对某些年龄范围的负数。例如，假设与窗口282相关的患者年龄为20岁或以下(即，框284、286、288的总和为6，并且年龄分数为-1，则修改的MEWS总共为5)，则20岁或以下可以被分配年龄分数-1，其将导致这种修改的MEWS分数为示例性的分数5。此外，这仅仅是一个任意示例，并且应该理解，实际上表1和数值分数场景中风险因素存在无限可能性，可以结合窗口282的自定义框290、292进行选择，以创建改进或修改的MEWS。
仍参考图9的屏幕250’，在窗口282下方示出了全身炎症反应综合征(SIRS)窗口298。在窗口298的右侧示出了SIRS分数框300，并且在框300中出现了复选标记302，以指示患者的SIRS呈阳性。如果患者的SIRS呈阴性，则框300是空白的。在窗口298的左侧，示出了对患者的阳性SIRS确定因素有贡献或与患者的阳性SIRS确定因素有关的风险因素和相关数据。在屏幕250’的说明性示例中，窗口298包括每分钟118次的心率(HR)数据和小于4,000的白血球计数(WBC)。在某些实施例中，基于下表确定患者是否为SIRS阳性：
表3
在通常的实施例中，如果满足表3的行中指示的任意两个或多个条件，则认为患者的SIRS为阳性。在其他实施例中，在系统设计者或程序员的决定下，在将患者视为SIRS阳性之前，需要满足表3中指示的两个、三个或全部四个条件。本公开还预期与评估患者SIRS结合使用的附加的患者风险因素，例如上表1中列出的那些。应当理解，实际上表1和数值分数场景中的风险因素存在无限可能性，可以结合在表3中添加的附加行或替换表3中的一个或多个当前行来创建用于改进或修改的SIRS评估的标准。
通常与SIRS确定因素结合使用的其他一些因素包括可疑的或当前的感染源(SIRS+感染源)、由乳酸酸中毒或在正常情况下SBP<90或SBP下降≥40mmHg指示的严重的败血症标准(器官功能障碍、低血压或血流灌注过少)、以及≥2个器官衰竭的证据(多器官功能障碍综合征标准)，仅举几例。在任何情况下，SIRS数值有时都在移动设备60上显示为数值分数，指示满足了SIRS风险因素的数量，并且有时显示为复选标记，指示患者被认为是SIRS阳性。
继续参考图9的屏幕250’，在窗口298下方示出了败血症相关器官衰竭评估(SOFA)窗口304。在窗口304的右侧，示出了SOFA分数框270和向上箭头图标272。这些基本上与图8的窗口268中所示的相同，因此使用相同的附图标记。但是，与屏幕250的窗口268显示对SOFA分数有贡献的风险因素的数值数据不同，屏幕250’的窗口304具有针对每个贡献风险因素的风险分数框。在说明性示例中，在窗口304中示出了血小板风险分数框306和心血管风险分数框308，并且每个框306、308的分数为1，当加在一起时，导致在窗口304的框270中示出的SOFA风险分数总共为2。
在系统10的某些实施例中，还确定了快速SOFA(qSOFA)分数并且显示在护理人员的移动设备60上。qSOFA分数可以代替SOFA分数或除SOFA分数外显示。在一些实施例中，下表4与计算qSOFA分数结合使用：
表4
| 评估 | qSOFA分数 |
| 低血压(SBP≤100mmHg) | 1 |
| 高呼吸频率(≥22breaths/min) | 1 |
| 改变心理状态(GCS≤14) | 1 |
在一些实施例中，结合计算SOFA分数使用以下一个或多个表：
表5-呼吸系统
| PaO<sub>2</sub>/FiO<sub>2</sub>(mmHg) | SOFA分数 |
| ≥400 | 0 |
| <400 | +1 |
| <300 | +2 |
| <200且机械通风 | +3 |
| <100且机械通风 | +4 |
表6-神经系统
| 格拉斯哥昏迷量表 | SOFA分数 |
| 15 | 0 |
| 13-14 | +1 |
| 10-12 | +2 |
| 6-9 | +3 |
| <6 | +4 |
表7-心血管系统
表8-肝脏
表9-凝血
| 血小板<sup>x</sup>10<sup>3</sup>/μl | SOFA分数 |
| ≥150 | 0 |
| <150 | +1 |
| <100 | +2 |
| <50 | +3 |
| <20 | +4 |
表10-肾脏
| 肌酸酐(mg/dl)[μmol/L](或尿量) | SOFA分数 |
| <1.2[<110] | 0 |
| 1.2–1.9[110-170] | +1 |
| 2.0–3.4[171-299] | +2 |
| 3.5–4.9[300-440](or<500ml/d) | +3 |
| >5.0[>440](or<200ml/d) | +4 |
为了计算总体qSOFA分数，将表4右列的分数值、或者关于SOFA分数、与SOFA分数结合使用的表5-10中任一个的右列加在一起。在窗口304的说明性示例中，在框306下方示出了向上箭头图标310以指示自从先前的血小板读数以来患者的血小板已经增加，而在框308下方示出了破折号图标312以指示自从先前的心血管读数以来患者的心血管读数没有变化。
图9的屏幕250’还具有呼吸困难窗口278和败血症窗口280，它们与图8的屏幕250的窗口278、280基本相同，因此使用相同的附图标记。然而，除了指示患者患有COPD，年龄大于65岁并且是烟民的文本之外，图9的窗口278还指示患者的呼吸速率小于每分钟15次呼吸。另外，除了指示患者患有UTI并且年龄大于65岁的文本之外，图9的窗口280还指示患者具有小于4,000的WBC。类似于以上结合图8的屏幕250的窗口266、268、274、278、280及其中的信息所讨论的颜色编码，图9的屏幕250’的窗口278、280、282、298、304在一些实施例中可以类似地用颜色编码。
现在参考图10，示出了“MEWS详细信息”屏幕320的示例，该示例提供了与图8和9的屏幕250、250’的MEWS相关的更多详细信息。因此，如果护理人员触摸、轻击或滑动屏幕250的MEWS窗口230或屏幕250’的MEWS窗口282，则屏幕320出现在护理人员的移动设备60的触摸屏显示器上。屏幕320的部分分别与图7-图9的屏幕220、250、250’的相同部分基本相同，以相同的附图标记指示，并且对于相同的部分，以上描述同样适用于屏幕320。
屏幕320在MRN数据256和年龄数据258下方具有扩展的MEWS数据窗口322。在说明性示例中，图9的屏幕250’的SIRS窗口298和SOFA304分别在扩展的MEWS数据窗口322下方最小化为较小的窗口298’、304’。窗口298’、304’省略了例如在窗口298、304中显示的风险因素数据。然而，窗口298’、304’仍显示框272、300，连同相应的SOFA分数和SIRS复选标记图标302。向上箭头图标272还仍然显示在窗口304’中。扩展的MEWS数据窗口322包括在窗口282中显示的框230、284、286、288，但是这些框的位置已被重新布置，并且在窗口322中还示出了其他几个框以及数字数据。向上箭头图标232、294也分别在框230、284右侧的窗口322中示出。在屏幕320的说明性示例中，在窗口322中，在框286的右侧示出了向上箭头图标324，并且在框288的右侧示出了破折号图标326。
窗口322还包括无创血压(NIBP)–心脏收缩压风险分数框328、SPO2风险分数框330、NIBP-心脏舒张风险分数框332和脉搏率风险框334。在说明性示例中，框328、330、332中的每个框均具有“X”以指示相关联的患者生理参数的数值对患者的总体MEWS没有贡献。在其他实施例中，当相关的风险因素对患者的MEWS无贡献时，在相应的框中出现“0”。在说明性示例中，框334中出现风险分数值2。在框328、339、332、334中的每个框的右侧示出了破折号图标326，以指示自先前的读数以来各个读数没有改变。窗口322的框284、286、288、328、330、332、334中的数值是分项分数(sub-scores)，当将它们加在一起时，为患者提供总体MEWS分数。如上所述，可以使用表1中的风险因素来创建改进或修改的MEWS(又名自定义MEWS)，并且在这种情况下，从表1中选择的风险因素在窗口322中具有关联的风险分数框和风险数据。类似地，如果在护理人员的移动设备60上而不是在屏幕250的窗口266上或屏幕250’的窗口282上选择了图8的屏幕250的窗口268、264或图9的屏幕250’的窗口298、304，则还示出了相关的风险分数框和数据。
根据本公开，在一些实施例中，在系统10中提供了软件模块形式的EMR插件。医院管理员和护理人员使用EMR插件查看患者的病情恶化(例如败血症的发展、呼吸困难、压力损伤等)并降低风险，从而为用户提供动态风险监控，从而可以更早、更一致地识别患者风险。该插件可提供除常规预警分数(EWS’s)之外的其他环境，以查看风险分数，并通过提供风险分数背后的标准和理由来建立护理人员的信任。EMR插件还可以持续指示患者的病情恶化风险分数中是否缺少参数，以便告知护理人员哪些风险参数仍需要评估和输入。
在一些实施例中，通过与EMR服务器62通信的EMR计算机中的导航来访问EMR插件。EMR计算机启动由EMR插件提供的网页。EMR插件配置为在升级事件或交接过程中帮助减少/消除护理人员/团队之间的延迟和通信缺陷。EMR插件中提供了情境、背景、评估、推荐(SBAR)功能，并确保在交接或升级事件发生时将患者的病情恶化风险及时传达给适当的护理人员，以便有效地传播有关患者病情恶化风险的知识。
在另一个实施例中，EMR插件基本上自动实时地为医疗机构中的患者计算预警分数。在一个示例中，EMR插件从EMR服务器62提取数据输入以自动计算预警分数。在另一示例中，EMR插件直接从患者数据的一个或多个源12提取数据输入，并使用分析引擎20基本上自动实时地计算预警分数。由EMR插件计算出的预警分数可能包括修改后的预警分数(MEWS)、国家预警分数(NEWS)、修改后的产科预警分数(MEOWS)、儿科预警分数(PEWS)、全身炎症响应综合征(SIRS)等。
EMR插件指示用于计算预警分数的数据输入是否丢失，以及用于计算预警分数的数据输入多久之前已被获取。在一个示例中，数据输入包括从诸如患者病床14、失禁检测系统16、生命体征监测器18和国际压力性溃疡患病率(IPUP)调查22之类的患者数据源12(参见图1)获得的一个或多个生命体征测量值。
EMR插件提供了护理人员默认设置，其指示根据通常的照护协议，数据输入的子集是否陈旧(例如“失效”)。数据输入的失效根据所计算的预警分数而改变，因此较高的预警分数会减少将数据输入确定为失效时间。这是因为较高的预警分数需要更频繁地更新信息，因此较高的预警分数的默认失效时间小于较低的预警分数。同样，EMR插件提供了有关是否缺少用于计算预警分数的数据输入的指示。
在一些实施例中，当缺少一个或多个数据输入(例如，生命体征测量值)时，EMR插件利用可用的数据输入来计算预警分数，并指示缺少哪些数据输入。如果缺少所有数据输入，则EMR插件不会计算预警分数。
另外，在一些实施例中，EMR插件基于所计算的预警分数来产生干预。例如，EMR插件可能推荐护理人员每小时(而不是每四个小时一次)进行生命体征测量，以使国家预警分数(NEWS)为5或6。由EMR插件生成的干预是可配置的，并且可根据患者和护理人员所在的护理机构的需要和/或目标进行调整。
在一些实施例中，基于临床知识和研究提供默认失效时间。例如，生命体征测量值通常是在外科手术楼层上每四个小时进行一次，因此生命体征会在四个小时后变得失效。在某些示例中，某些数据输入不具有失效时间。
如上所述，可通过诸如网页之类的图形用户界面从EMR计算机访问EMR插件。在一些示例中，在图形用户界面上用改变颜色的时间戳来指示某些数据输入的失效时间，该时间戳例如从指示最近获得的数据输入的蓝色或绿色变为指示失效或过期的数据输入的红色或黄色。在其他示例中，某些数据输入在图形用户界面上用图标(例如时钟或箭头)标记，以指示数据输入已失效或过期。
在一些实施例中，失效时间取决于预警分数阈值。例如，当预警分数增加时，EMR插件会更改失效时间以反映最近推荐的干预率。在一个示例中，当NEWS分数在1-4之间时，EMR插件推荐每四个小时进行一次生命体征测量。当NEWS分数从4增加到5时，生命体征测量的失效时间从每4小时减少到1小时。如上所述，可根据护理设施的需要和/或目标来配置失效时间，因此，前述示例仅出于说明性目的。
在一些实施例中，当未将更新的数据输入值图表化或未获得超过过期时间阈值的更新的数据输入值时，EMR插件利用过期时间从计算的预警分数中移除数据输入的子集。例如，将呼吸收缩和使用辅助肌肉作为数据输入进行输入，以计算儿科预警分数(PEWS)。但是，这些症状可以用喷雾器进行药物治疗。因此，当确定未将该数据输入值图表化或未获得超过过期时间阈值的数据输入值时，EMR插件可从PEWS的计算中移除该数据输入。此外，EMR插件可以在EMR计算机上的图形用户界面中指示该数据输入已从PEWS的计算中移除。
在一些实施例中，EMR插件对计算出的患者预警分数做出随时间的变化趋势。在某些示例中，趋势显示在EMR计算机上的图形用户界面中，以便在交接或升级事件发生时有效地传播有关患者病情恶化风险的知识。
在另一个实施例中，EMR插件在EMR计算机和/或移动设备60上生成由图1所示的系统10聚合的临床数据的多个图形用户界面作为输出。图形用户界面向护理人员提供患者状态的整体视角，使护理人员能够尽早意识到潜在的患者病情恶化，例如败血症。为了清楚起见，下面将由EMR插件生成的图形用户界面称为“屏幕”。
图11-图29是由系统10聚合的临床数据的示例屏幕。该屏幕提供潜在的患者病情恶化风险的通知。另外，屏幕显示并组织患者临床数据，以快速将有问题的数据输入传递给护理人员，并根据护理机构的协议采取行动以解决有问题的数据输入。此外，这些屏幕能够使护理人员动态选择他们希望将哪些数据集进行比较，以作为随时间推移进行监视的趋势。
屏幕是在与EMR服务器62进行通信的EMR计算机上生成的。此外，屏幕可以是在图3和6的移动设备60的触摸屏显示器上显示的移动应用程序的一部分。屏幕与以上参照图7-图10描述的屏幕共享特征。
现在参考图11，示例患者屏幕400包括“我的患者”图标402和“我的单元”图标404。在说明性示例中，选择了“我的患者”图标402，因此，患者屏幕400包括被分配给移动设备60的护理人员的患者列表406，移动设备60上示出了患者屏幕400。在列表406的单独行中示出了每个护理人员分配的患者，其中包括患者的姓名和已分配给患者的医疗机构中的房间。病情恶化图标408显示在文本“2160HILL，LARRY”旁边，以指示该患者有病情恶化的风险。
当选择“我的单元”图标404(而不是“我的患者”图标402)时，针对医疗机构中该单元的所有患者在患者屏幕400上显示类似的信息，包括分配给该单元的其他护理人员的患者。
现在参考图12-图18，响应于在图11的患者屏幕400中的每一行的右侧处选择其中一个向右箭头图标410，出现风险详细信息屏幕401。在说明性示例中，风险详细信息屏幕401如屏幕顶部所示，显示患者“拉里·希尔(Larry Hill)”的风险详细信息。
在风险详细信息屏幕401的左上角提供了箭头图标412。可以选择箭头图标412以返回到患者屏幕400。
电话图标414出现在风险详细信息屏幕401的右上角。可以选择电话图标414以使用移动设备60进行电话呼叫。
在图12-图18中，风险详细信息屏幕401包括患者数据416，例如患者的病历号(MRN)、出生日期、年龄、性别等。在说明性示例中，患者数据416显示在屏幕401的顶部。
患者数据416的旁边是向右箭头图标418。响应于向右箭头图标418的选择，生成了显示随时间变化趋势的患者的生命体征测量值的屏幕。下面将更详细地描述响应于向右箭头图标418的选择而生成的屏幕。
在患者数据416下方，示出了三个状态图标。具体地，示出了跌倒风险图标420、肺部风险图标422和压力损伤图标424。如果确定患者存在跌倒的风险，则跌倒风险图标420高亮显示。如果确定患者有呼吸困难的风险，则肺部风险图标422高亮显示。如果确定患者有遭受压力损伤的风险，则压力损伤图标424高亮显示。如果确定相应的患者没有相关的风险，则图标420、422、424变灰或不显示。
图标420、422、424旁边是情况、背景、评估、推荐(SBAR)图标426。如上所述，EMR插件中提供SBAR特征，其可确保降低患者的病情恶化风险在交接或升级事件发生时立即与适当的护理人员进行通信，以便有效地传播患者病情恶化风险的知识。下面将更详细地描述响应于SBAR图标426的选择而生成的屏幕。
在图标420、422、424下方是主要诊断字段428。在说明性示例中，主要诊断字段428显示“肺炎”。
EWS窗口430显示在主要诊断字段428的下方。虽然以下说明描述了与修改的预警分数(MEWS)相关的EWS窗口430，但是可以预期EWS窗口430可配置用于多种除MEWS之外的预警分数，包括例如国家预警分数(NEWS)、修改的产科预警分数(MEOWS)、儿科预警分数(PEWS)等。另外，EWS窗口430可配置为示出机构特定的预警分数。
在说明性示例中，EWS窗口430包括评分部分432，其包括在框434中显示的MEWS分数。如上所述，各种预警分数，例如NEWS、MEOWS、PEWS等可以在框434中显示。在框434中显示的分数驱动患者屏幕400上的患者病情恶化图标408(见图11)。该分数确定是否存在病情恶化图标408以及病情恶化图标408是如何显示的。例如，分数确定病情恶化图标408是黄色(例如中等风险)还是红色(例如高风险)。可以预期，用于显示病情恶化图标408的颜色是可配置的。
在框434旁边的评分部分432中包括箭头图标436，以指示自从先前的读数以来框434中的分数是否增加(例如，向上箭头图标)或分数是否已经减少(例如，向下箭头图标)。另外，在评分部分432中的框434的下方是时间字段438，其指示最后一次计算分数的时间。在一些情况下，如果最后一次计算分数的时间在阈值时间限制内，使的分数是最近的和/或当前的，则时间字段436变灰或不显示。在另一个示例中，如果最后一次计算分数的时间超过阈值时间限制，使得分数失效，则时间字段436被加粗或着色。
在一些示例中，根据在框434中显示的分数，以不同的颜色高亮显示评分部分432。另外，也可以根据分数，以不同的颜色高亮显示框434内的背景色。例如，对于MEWS分数为1-4，分数部分432和框434未高亮显示(见图12和图13)，对于MEWS分数为5或6，分数部分432和框434以黄色高亮显示(见图14和15)，并且对于MEWS分数为7或更高，分数部分432和框434以红色高亮显示(请参见图16-图18)。在一些示例中，高亮显示的框434中的颜色色调比高亮显示的分数部分432中的颜色色调更深。
在EWS窗口430中的评分部分432的右侧是与框434中显示的预警分数相关或对预警分数有贡献的各种生命体征信息。在说明性示例中，无创血压(NIBP)、SPO2、呼吸速率(RR)、心率(HR)、体温和意识水平(LOC)包括在评分部分432旁边，其中在框434中显示MEWS分数。在一些示例性实施例中，在自从先前的读数以来已经增加的生命体征旁边显示箭头图标。
在一些实施例中，在EWS窗口430下方是全身炎症反应综合征(SIRS)窗口440(参见图12、图14和图16)。SIRS窗口440包括SIRS分数442，使用上述风险因素和相关数据来计算SIRS分数442(例如，参见表3)。在一些示例中，SIRS分数442在0到4的范围内。在一些示例中，当SIRS分数442大于或等于阈值分数(例如，2或更高)时，高亮显示SIRS窗口440和SIRS分数442(例如，以红色高亮显示)，如图16的说明性示例所示。当SIRS分数442小于阈值分数时，SIRS窗口440和SIRS分数442未高亮显示(参见图12)。
在一些实施例中，在EWS窗口430下方是快速的败血症相关器官衰竭评估(qSOFA)窗口444(参见图12、14和16)。qSOFA窗口444包括qSOFA分数446。qSOFA分数446使用上述风险因素和相关数据(例如，参见表4)来计算。在一些示例性实施例中，qSOFA分数446在0-3的范围内。
在其他实施例中，在EWS窗口430下方显示败血症风险框460，而不是qSOFA窗口444。败血症风险框460不显示评分。相反，当确定患者处于败血症风险中时，败血症风险框460显示败血症风险图标462(见图17和18)。在一些示例中，除了显示图标462之外，败血症风险框460可以高亮显示(例如，以黄色或红色高亮显示)以提供患者处于败血症风险的进一步可视化。
在一些实施例中，在EWS窗口430下方是跌倒风险窗口448(参见图12、图14和图16)。跌倒风险窗口448包括图标450，其在高亮显示或着色时指示患者可能跌倒。确定患者是否可能跌倒是基于MORSE跌倒量表(MFS)分数，其是使用上述风险因素和相关数据计算的。
在其他实施例中，在EWS窗口430下方显示的是跌倒风险框464，而不是跌倒风险窗口448。跌倒风险框464不显示分数。相反，当确定患者处于跌倒的风险中时，跌倒风险框464显示图标466(见图18)。在一些示例中，除了显示图标466之外，跌倒风险框464高亮显示(例如，以黄色或红色高亮显示)，以提供患者处于跌倒风险中的进一步可视化。
仍参考图12-图18，风险详细信息屏幕401包括护理团队框452。响应于对护理团队框452的选择，生成了屏幕，其显示在护理机构中负责照顾患者的护理人员。
风险详细信息屏幕401包括实验室结果框454。响应于对实验室结果框454的选择，生成了屏幕，其显示针对患者的实验室结果。在一些示例中，实验室结果框454包括字段455，其指示是否已经为患者接收到任何新的、先前未见过的实验室结果。
风险详细信息屏幕401还包括提醒框456。响应于对提醒框456的选择，生成了屏幕，其显示与患者的护理有关的提醒，例如提供药物、进行生命体征测量、检查是否有压力溃疡等的提醒。
风险详细信息屏幕401还包括警报框458。响应于对警报框458的选择，生成了屏幕，其显示患者警报。
图19是当从风险详细信息屏幕401中选择SIRS窗口440时生成的示例SIRS屏幕500(例如，参见图16)。SIRS屏幕500包括返回图标502，当选择返回图标502时，返回到图12-图18的风险详细信息屏幕401。SIRS屏幕还包括SBAR图标504，当选择SBAR图标504时生成将在下面更详细描述的SBAR屏幕。
SIRS屏幕500还包括分数块505和风险环境块507。分数块505包括SIRS分数506和生命体征测量值的子集508，其对SIRS分数506的计算有贡献。SIRS块还包括所需动作面板510，其包括发给护理人员以基于SIRS分数506的严重性执行一个或多个动作的消息。在说明性示例中，所需动作块510包括消息“呼叫MD以便在床头立即评估”。
风险环境块507提供与SIRS分数506有关的进一步详细信息，SIRS分数506提供了患者状态的整体视角，使护理人员能够意识到患者对败血症的潜在易感性。风险环境块507包括可能有问题的附加生命体征测量值512，因此护理人员应对其进行更密切的监视。另外，风险环境块507包括合并症514，以向护理人员提供额外的情况感知。
图20是当从风险详细信息屏幕401中选择qSOFA窗口444时生成的示例qSOFA屏幕520(例如，参见图16)。qSOFA屏幕520包括上述的返回图标502和SBAR图标504。
qSOFA屏幕520包括qSOFA块522，其包括qSOFA分数524和生命体征测量值的子集526，其可以对qSOFA分数524的计算有贡献。另外，qSOFA屏幕520包括败血症风险环境块528，其包括消息块530，消息块530包括与特定患者的败血症风险的环境有关的消息。在说明性示例中，败血症风险环境块528包括消息“未检测到潜在风险环境”。另外，败血症风险环境块528包括合并症532，以向护理人员提供额外的情况感知。
图21和22是当从风险详细信息屏幕401中选择跌倒风险窗口448时生成的示例跌倒风险屏幕540(例如，参见图16)。跌倒风险屏幕540包括上述的返回图标502和SBAR图标504。跌倒风险屏幕540进一步包括风险环境块542，其包括MORSE图标544和MORSE分数546。环境块542还包括移动性块548，其列出了对MORSE分数546有贡献的患者状况，以及药物块550，其列出了对MORSE分数546有贡献的患者服用的药物。跌倒风险屏幕540还包括所需动作块552，其包括护理人员基于MORSE分数546的严重性执行的一项或多项动作。
在图21中，MORSE分数546显示为“45”，并且MORSE图标544和所需动作块552高亮显示某种颜色(例如，黄色)以反映MORSE分数546的严重性。在图21的说明性示例中，移动性块548将视力障碍和髋关节置换列为对所计算的MORSE分数546的严重性有贡献的因素。在所需动作块552中列出的一个或多个动作根据MORSE分数546的严重性而改变。在说明性示例中，所需动作块552列出了诸如“设置病床警报和椅子警报”和“每两小时消除回合的时间表”之类的动作。
在图22中，MORSE分数546显示为“60”，并且MORSE分数544和所需动作块552相应地以不同的颜色(例如红色)高亮显示，以反映MORSE分数546的严重性升高。在图22的说明性示例中，移动性块548列出了视力障碍和髋关节置换，并且药物块550列出了给予患者的镇静剂，作为对计算的MORSE分数546的严重性有贡献的因素。在说明性示例中，所需动作块552列出了诸如“考虑将患者移近护士站”、“考虑最敏感的并床警报设置”和“药物检查”之类的动作。
图23是当从风险详细信息屏幕401中选择败血症风险框460时生成的示例败血症风险屏幕560(例如，参见图18)。败血症风险屏幕560包括上述的返回图标502和SBAR图标504。败血症风险屏幕560包括所需动作块562，其包括护理人员基于计算的败血症风险的严重性将要执行的一个或多个所需动作564。在说明性示例中，一个或多个所需动作564包括“呼叫MD以便在床边立即评估”。败血症风险屏幕560包括败血症风险环境块566，其包括上文描述的败血症风险图标462、SIRS分数442、生命体征测量值512和合并症514。
图24和25是当从风险详细信息屏幕401中选择跌倒风险框464时生成的示例跌倒风险屏幕580(例如，见图18)。跌倒风险屏幕580包括上述的返回图标502和SBAR图标504。另外，跌倒风险屏幕580包括所需动作块582，其包括护理人员基于计算的跌倒风险的严重性而执行的一个或多个所需动作584。在图24的说明性示例中，所需动作584包括“设置病床警报和椅子警报”和“每两小时消除回合的时间表”。在图25的说明性示例中，所需动作584包括“考虑将患者移近护士站”、“考虑最灵敏的病床警报设置”和“药物检查”。考虑采取额外的所需动作。
跌倒风险屏幕580还包括MORSE风险环境块586，其包括MORSE图标544、MORSE分数546、列出对MORSE分数546有贡献的患者状况的移动块548，以及列出对MORSE分数546有贡献的由患者服用的药物的药物块550，上面参考图21和22进行了描述。
图26是当选择SBAR图标426、504时生成的情况、背景、评估、推荐(SBAR)屏幕600。如上所述，SBAR特征确保在交接或升级事件发生时将患者的病情恶化风险及时传达给适当的护理人员，以便有效传播患者的病情恶化风险的知识。
现在参考图26，SBAR屏幕600包括返回图标502，当其被选择时返回到图12-图18的风险详细信息屏幕401。SBAR屏幕600还包括情况块602、背景块604、评估块606和推荐块608。护理人员可以使用情况块602来描述先前的患者事件。先前的患者事件的示例可以包括跌倒、受伤、诊断、病情恶化等。在说明性示例中，情况块602包括日期和时间字段614以指示事件何时发生。
护理人员可以使用背景块604来描述背景信息，以解释事件之前患者的病史或状况。护理人员可以使用评估块606来提供他们对事件的评估，并且护理人员可以使用推荐块608来提供他们的推荐。因此，当发生交接事件时(例如，一个护理人员的轮班结束而另一护理人员的轮班开始)，SBAR屏幕600可以促进对患者状况和病情恶化风险的知识的有效传递。
SBAR屏幕600还包括呼叫图标610，护理人员可以选择该呼叫图标610以呼叫完成了SBAR屏幕600的护理人员以进行跟进。此外，SBAR屏幕600包括呼叫RRT图标612，护理人员可以选择该呼叫RRT图标612以呼叫快速反应小组(RRT)，也称为医疗急救小组(MET)和高灵敏反应小组(HART)，以便该小组可以利用病情恶化的早期迹象响应患者，以防止呼吸或心脏骤停。
图27-图29是示例生命体征屏幕700，其用于显示生命体征测量值随时间的趋势。如上所述，在一些示例中，响应于在图12-图18的风险详细信息屏幕401上对患者数据416旁边的箭头图标418的选择，生成了生命体征屏幕700。在其他示例中，响应于图11的患者屏幕400上对箭头图标410的选择，生成了生命体征屏幕700。生命体征屏幕700包括箭头图标702，当其被选择时返回到风险详细信息屏幕401或患者屏幕400中的任一个。
在图27中，生命体征屏幕700包括生命面板704，其显示各种生命体征测量值。在一些生命体征旁边，包括箭头图标706以指示该生命体征与先前的读数相比已经增加(例如，向上箭头图标)，或是与先前的读数相比已经减少(例如，向下箭头图标)。当该信息缺失时，在一些生命体征旁边显示破折号图标708，并且当该信息失效时，在一些生命体征旁边显示时间戳图标710。而且，如果该信息缺失(例如，图27中的心率)或失效(例如，图27中的体温)，则一些生命体征变灰。
在图27中，生命体征屏幕700还包括测量面板712，其列出了一个或多个生命体征714。每个列出的生命体征714均包括日期和时间字段716，以指示生命体征测量值最后一次更新的时间。而且，一些生命体征714包括曲线图718，该曲线图718示出了监测到的生命体征随时间的变化趋势。另外，每个生命体征714均包括箭头图标720，可以选择该箭头图标以更详细地显示所选择的生命体征以进行可视化。例如，对箭头图标720的选择可以导致生命体征随着更长时间段的变化趋势的显示。可以考虑采取其他配置。
在图28中，另一个生命体征屏幕700包括箭头图标702，当其被选择时返回到风险详细信息屏幕401或患者屏幕400中的任一个，还包括SBAR图标504，当其被选择时会生成SBAR屏幕600(参见图26)。在图28中，显示了生命体征714的列表。每个生命体征714均包括曲线图718，其显示监测到的生命体征随时间的变化趋势。
在图29中，另一个生命体征屏幕700包括上述的箭头图标702和SBAR图标504。在图29中，显示了生命体征714的列表。每个生命体征714均包括正标记722，当其被选择时扩展了生命体征以显示曲线图718；以及负标记724，当其被选择时浓缩了生命体征以隐藏曲线图718，而是示出了生命体征的当前测量值726。在图29的说明性示例中，一次可以看到多达生命体征714的四个曲线图。可以考虑采取其他配置。
根据本公开关于计算跌倒风险分数，可以在2019年3月15日提交的标题为“患者跌倒可能性”的美国临时专利申请号62/818,828和同样在2019年3月15日提交的标题为“患者跌倒可能性和严重性”的美国临时专利申请第62/818,836中找到更多详细信息，并且二者在不与本公开相抵触的范围内将其全部内容通过引用并入本文，任何不一致之处应以本公开为准。根据这两项临时专利申请，根据以下公式确定跌倒风险分数(或仅仅是跌倒分数)：
跌倒分数＝立即风险模型分数+属性风险模型分数
立即风险模型分数基于以下公式：
立即风险模型分数＝数据1×权重1+数据2×权重2+…数据N×权重N
其中，数据可包括给定时间段内的活动(例如，在睡觉期间上厕所)、更换药物、为患者检测到的剧烈运动等。因此，立即风险模型评分是对立即跌倒的可能性进行数字量化，将每个相关数据进行加权，并添加创建分数。例如，患者的剧烈运动可能比改变药物的权重更大。
属性风险模型分数基于以下公式：
属性风险模型分数＝数据1×权重1+数据2×权重2+…数据N×权重N
其中，数据可包括与患者相关的书目/人口统计信息，例如跌倒的历史、年龄、排尿的频率或紧急程度、服用药物的类型、患者所经历的程序、步态分析等。因此，属性风险模型分数是基于随时间收集的患者属性的跌倒可能性的数字量化，并对每个相关数据进行加权并添加以创建分数。例如，患者的步态不佳可能比患者在床上随时间的运动的权重更大。
关于根据本公开的用于检测和监测败血症的特定设备，可以在2019年3月29日提交的标题为“败血症检测和监测”的美国临时专利申请No.62/825,844(“‘844申请”)中找到更多详细信息，在不与本公开相抵触的范围内将其全部内容通过引用并入本文，任何不一致之处应以本公开为准。‘844申请中公开的设备提供了向分析引擎20提供数据的系统10的医疗设备14的类型的更多示例。例如，‘844申请预期ECG或利用光电容积描记(PPG)或雷达发射器/接收器可以检测患者的心率变异性，如果心脏变异性降低(这是败血症发作的指标)，则获取生命体征数据的速率就会提高。‘844申请通过引用并入2019年1月29日提交的美国临时专利申请号62/798,124，以公开使用雷达信号的监测设备。因此，出于相同目的，2019年1月29日提交的美国临时专利申请号62/798,124全文也通过引用并入本文。
进一步根据‘844申请，包括照相机的眼底成像系统用于在全心搏周期过程中捕获患者的眼底图像(例如，视网膜、视神经、黄斑、玻璃体、眼脉络膜和后极)。分析图像以确定患者是否患有微血管失调，这是患者败血症的发作或存在的另一个指标。眼底成像系统还可以配置为通过以下方式测量患者的闪烁反应：将患者的视网膜暴露于闪光灯下，然后测量视网膜血管的反应性，由于神经血管脱钩而导致败血症患者的视网膜血管反应性降低。更进一步，眼底成像系统可以被配置为结合确定患者是否患有败血症来测量视网膜的局部充氧。眼底成像系统还可以配置为测量血流速度的变化，以检测出患者是否患有败血症，因为血管壁变得“发粘”并且血细胞变得僵硬，导致败血症患者的血流缓慢。眼底成像系统还可被配置为测量败血症患者的血管直径和管腔与壁的厚度比率，其响应于失调的血管舒缩反应而变化。因此，基于前述内容，应当理解，在一些实施例中，本公开预期分析引擎20处理和分析来自眼底成像系统的图像数据以确诊败血症。
进一步根据‘844申请，对患者进行败血症筛查包括使用PPG测量、生物阻抗测量、皮肤灌注测量或患者皮肤温度测量。在败血症的早期发作期间，血管舒张发生在内皮水平，并且在患者皮肤上施加刺激以产生这些测量值，导致败血症患者的血管舒张差异小于非败血症患者。‘844申请公开了一种温度感应设备，其使用珀尔帖加热器和冷却器将一定范围的温度施加到患者的皮肤上，该珀尔帖加热器和冷却器根据穿过珀尔帖加热器和冷却器的电流的方向(例如，施加的电压极性)分别加热或冷却患者的皮肤。PPG传感器测量患者对温度变化的微血管反应。在一些实施例中，PPG传感器包括红外(IR)红色和绿色发光二极管(LED)。
‘844申请还公开了一种阻抗传感器，其包括附接到患者皮肤表面的电极，通过该电极通过患者的皮肤施加低压(最高10伏)正弦信号。电极之间的患者皮肤阻抗是在利用温度感应设备加热和冷却皮肤后确定的。然后，将测得的电阻抗用于确定微血管反应。在‘844申请的另一个方面，移动患者支撑设备的一部分(例如医院病床)以移动抬高患者的肢体并确定败血症的患者是否对液体复苏治疗有所反应。在某些实施例中，将医院病床的床头部分或床腿抬高以确定患者的大血管反应，这是通过使用生命体征测量值来完成的，以确定对流体从抬高的肢体移向患者心脏的反应。
除了上表1-10的风险因素或数据元素外，本公开预期下表11中的任何一个或多个数据元素可用于计算风险分数或进行风险确定，包括计算此处讨论的患者跌倒分数、压力损伤分数和败血症分数(一些数据元素是风险因素，包括与表1所列相同的风险因素)：
表11
在表11中，数据元素列中的加粗条目是标题或数据元素类别，并且加粗标题行下方列出的数据元素是加粗类别中的数据元素。
根据本公开，形式为“A和B中的至少一个”和“以下各项中的至少一个：A和B”的短语以及类似的这样的短语表示“A或B，或者A和B两者”。形式为“A或B中的至少一个”和“以下各项中的至少之一：A或B”和类似的短语也表示“A或B，或A和B两者”。
尽管以上已经详细描述了某些说明性实施例，但是许多实施例、变型和修改是可能的，其仍然在如本文所述和如所附权利要求书所限定的本公开的范围和精神内。
Claims (20)
1.一种用于自动计算医疗机构中患者的预警分数的系统，所述系统包括：
分析引擎，
患者数据的一个或多个源，其收集数据输入以供所述分析引擎大致实时地计算预警分数，以及
计算机，其与所述分析引擎联接，所述计算机生成屏幕，所述屏幕显示用于表示数据输入的子集为过期的时间戳。
2.根据权利要求1所述的系统，其中，图形用户界面还显示预警分数的计算中丢失的数据输入，并且对用于计算预警分数的数据输入的时间进行更新。
3.根据权利要求1所述的系统，其中，所述时间戳将数据输入的子集的颜色从表示最近获得的数据输入的第一颜色改变为表示过期数据输入的第二颜色。
4.根据权利要求1所述的系统，其特征在于，所述时间戳用表示过期数据输入的图标标记所述数据输入的子集。
5.根据权利要求1所述的系统，其中，患者数据的一个或多个源包括病床、失禁检测系统、生命体征监测器和国际压迫溃疡患病率调查中的至少一项。
6.根据权利要求1所述的系统，其中，所述数据输入的过期程度根据所计算的预警分数而变化。
7.根据权利要求1所述的系统，其中，当一个或多个数据输入过期或丢失时，所述系统计算所述预警分数。
8.根据权利要求1所述的系统，其中，所述系统生成根据所计算的预警分数而变化的干预。
9.根据权利要求1所述的系统，其中，当在期满时间阈值以外尚未获得更新的数据输入值时，所述系统利用期满时间从所计算的预警分数中去除所述数据输入的子集。
10.根据权利要求1所述的系统，其中，所述系统为患者推移所计算的预警分数随时间的趋势。
11.一种用于显示与医疗机构中的患者相关的一种或多种类型风险的系统，所述系统包括：
分析引擎，
患者数据的一个或多个源，其收集数据输入以供所述分析引擎大致实时地计算与预警分数有关的第一分数、与患者发展成败血症的风险有关的第二分数和与患者跌倒的风险有关的第三分数，以及
显示器，其与分析引擎联接，所述显示器生成具有以下内容的屏幕：
第一窗口，其具有计分部分，所述计分部分包括由所述分析引擎计算出的第一分数，以及有助于计算所述第一分数的一个或多个生命体征；
第二窗口，其基于来自所述分析引擎的第二分数指示患者发展为败血症的风险；
第三窗口，其基于由所述分析引擎计算出的第三分数，指示患者跌倒的风险。
12.根据权利要求11所述的系统，其中，所述第一窗口在所述计分部分中还包括箭头图标，以指示所述第一分数与先前的读数相比是增加还是减小。
13.根据权利要求11所述的系统，其中，所述第一窗口在所述计分部分中还包括指示所述第一分数何时被最后更新的时间字段。
14.根据权利要求11所述的系统，其中，所述第二窗口是能够选择的，以产生具有以下各项的败血症风险屏幕：
必需措施块，其，包括基于所计算的败血症风险的严重程度的一项或多项必要措施；和
风险情境块，其包括系统炎症反应综合征(SIRS)分数、有问题的生命体征测量和合并症。
15.根据权利要求11所述的系统，其中，所述第三窗口是能够选择的，以产生具有以下各项的跌倒风险屏幕：
必需措施块，其包括基于所计算的跌倒风险的严重性的一个或多个必需措施；和
风险情境块，其包括MORSE分数、列出促成MORSE分数的患者状况的活动性块和列出患者服用的促成MORSE分数的药物的药物块。
16.根据权利要求11所述的系统，其中，所述屏幕还包括情境、背景、评估、推荐(SBAR)图标以及一个或多个呼叫图标，当选择推荐图表时，生成SBAR屏幕，所述SBAR屏幕包括情境块、背景块、评估块、推荐块，可以选择所述呼叫图标以呼叫护理人员或快速反应小组。
17.根据权利要求11所述的系统，其中，所述屏幕还包括图标，当选择所述图标时，所述显示器生成生命体征屏幕，所述生命体征屏幕显示监测到的所述一个或多个生命体征随着时间的推移的趋势。
18.一种用于显示与医疗机构中的患者相关的一种或多种类型风险的系统，所述系统包括：
分析引擎，
患者数据的一个或多个源，其收集数据输入以供所述分析引擎大致实时地计算与预警分数有关的第一分数、与系统炎症反应综合征有关的第二分数、与快速进行败血症相关的器官衰竭评估相关的第三分数，以及与患者跌倒风险有关的第四分数中的至少一个，以及
显示器，其与所述分析引擎联接，所述显示器生成具有以下各项的屏幕：
第一窗口，其具有计分部分，所述计分部分包括由所述分析引擎计算出的第一分数，以及有助于计算第一分数的一个或多个生命体征；
第二窗口，其包含第二分数；
第三窗口，其包括第三分数；和
第四窗口，其基于由分析引擎计算的第四分数来指示患者是否可能跌倒。
19.根据权利要求18所述的系统，其中，所述第一窗口在所述计分部分中还包括箭头图标，以指示所述第一分数相对于先前的读数是增加还是减少。
20.根据权利要求18所述的系统，其中，所述第一窗口在所述计分部分中还包括指示所述第一分数何时被最后更新的时间字段。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/456,712 | 2019-06-28 | ||
| US16/456,712 US11908581B2 (en) | 2018-04-10 | 2019-06-28 | Patient risk assessment based on data from multiple sources in a healthcare facility |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112151172A true CN112151172A (zh) | 2020-12-29 |
Family
ID=71266397
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010593276.0A Pending CN112151172A (zh) | 2019-06-28 | 2020-06-26 | 基于来自医疗机构中多种来源的数据的患者风险评估 |
Country Status (2)
| Country | Link |
|---|---|
| EP (1) | EP3758026A1 (zh) |
| CN (1) | CN112151172A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114708972A (zh) * | 2022-06-06 | 2022-07-05 | 安徽省第二人民医院(安徽医学高等专科学校附属医院、安徽省职业病防治院) | 一种vte风险预警系统 |
| US20230137904A1 (en) * | 2021-10-28 | 2023-05-04 | Xsensor Technology Corporation | System and method for generating and visualizing virtual figures from pressure data captured using weight support devices for visualization of user movement |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112750513B (zh) * | 2020-12-31 | 2024-04-05 | 复旦大学附属华山医院 | 甲状旁腺切除术患者管理系统及方法 |
| CN112885484A (zh) * | 2021-01-22 | 2021-06-01 | 中科朗劢技术有限公司 | 一种用于感染管理的可视化监测预警方法 |
| CN113270196B (zh) * | 2021-05-25 | 2023-07-14 | 郑州大学 | 一种脑卒中复发风险感知与行为决策模型构建系统及方法 |
| CN113555128A (zh) * | 2021-06-25 | 2021-10-26 | 南通大学附属医院 | 慢性疼痛互联网+管理平台及其构建方法 |
| CN113764103A (zh) * | 2021-08-19 | 2021-12-07 | 海兹凯尔医疗科技(上海)有限公司 | 一种基于互联网的女性生殖健康管理系统和方法 |
| CN113658702B (zh) * | 2021-08-26 | 2023-09-15 | 山西慧虎健康科技有限公司 | 基于中医望诊的脑卒中特征提取与智能风险预测方法及系统 |
| CN113555123A (zh) * | 2021-08-27 | 2021-10-26 | 复旦大学附属中山医院 | 胆囊癌患者放化疗后生存获益的预测模型建立方法 |
| CN113599120A (zh) * | 2021-09-06 | 2021-11-05 | 温州隐枫医疗器械有限公司 | 一种儿科用新生儿清洁辅助调节系统 |
| CN114767445B (zh) * | 2022-04-15 | 2023-05-23 | 永康市第一人民医院 | 一种孕妇分娩用辅助装置 |
| CN114698583B (zh) * | 2022-05-17 | 2023-04-28 | 青岛国信蓝色硅谷发展有限责任公司 | 工厂化鱼类养殖智能溶解氧自调控方法及其系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130267791A1 (en) * | 2008-05-12 | 2013-10-10 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
| US20150120324A1 (en) * | 2013-10-25 | 2015-04-30 | Cerner Innovation, Inc. | Integrating pre-hospital encounters into an electronic medical record |
| CN106570309A (zh) * | 2016-10-02 | 2017-04-19 | 张家港市锦丰镇人民医院 | 一种护理风险综合评估方法 |
| US20190115093A1 (en) * | 2016-04-15 | 2019-04-18 | Koninklijke Philips N.V. | Annotating data points associated with clinical decision support application |
| US20190180875A1 (en) * | 2017-12-12 | 2019-06-13 | Medical Informatics Corporation | Risk monitoring scores |
| US20190307405A1 (en) * | 2018-04-10 | 2019-10-10 | Hill-Rom Services, Inc. | Patient risk assessment based on data from multiple sources in a healthcare facility |
Family Cites Families (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6897780B2 (en) | 1993-07-12 | 2005-05-24 | Hill-Rom Services, Inc. | Bed status information system for hospital beds |
| US5561412A (en) | 1993-07-12 | 1996-10-01 | Hill-Rom, Inc. | Patient/nurse call system |
| US5838223A (en) | 1993-07-12 | 1998-11-17 | Hill-Rom, Inc. | Patient/nurse call system |
| US5699038A (en) | 1993-07-12 | 1997-12-16 | Hill-Rom, Inc. | Bed status information system for hospital beds |
| US7319386B2 (en) | 2004-08-02 | 2008-01-15 | Hill-Rom Services, Inc. | Configurable system for alerting caregivers |
| US7253366B2 (en) | 2004-08-09 | 2007-08-07 | Hill-Rom Services, Inc. | Exit alarm for a hospital bed triggered by individual load cell weight readings exceeding a predetermined threshold |
| WO2009036150A2 (en) * | 2007-09-11 | 2009-03-19 | Aid Networks, Llc | Wearable wireless electronic patient data communications and physiological monitoring device |
| US8384526B2 (en) | 2008-02-22 | 2013-02-26 | Hill-Rom Services, Inc. | Indicator apparatus for healthcare communication system |
| JP2012502671A (ja) * | 2008-05-12 | 2012-02-02 | アーリーセンス エルティディ | 臨床症状のモニタリング、予測及び治療 |
| US8779924B2 (en) | 2010-02-19 | 2014-07-15 | Hill-Rom Services, Inc. | Nurse call system with additional status board |
| US20120316892A1 (en) | 2011-06-08 | 2012-12-13 | Huster Keith A | System and method of bed data aggregation, normalization and communication to third parties |
| US20140276504A1 (en) | 2013-03-13 | 2014-09-18 | Hill-Rom Services, Inc. | Methods and apparatuses for the detection of incontinence or other moisture, methods of fluid analysis, and multifunctional sensor systems |
| US10528701B2 (en) * | 2015-02-17 | 2020-01-07 | Massachusetts Institute Of Technology | System and method for sepsis care task management |
| WO2017004240A1 (en) * | 2015-06-30 | 2017-01-05 | Ishoe, Inc | Identifying fall risk using machine learning algorithms |
| US10206630B2 (en) * | 2015-08-28 | 2019-02-19 | Foresite Healthcare, Llc | Systems for automatic assessment of fall risk |
| CA3001490C (en) | 2015-11-09 | 2024-03-19 | Wiser Systems, Inc. | Methods for synchronizing multiple devices and determining location based on the synchronized devices |
| WO2017087452A1 (en) | 2015-11-16 | 2017-05-26 | Hill-Rom Services, Inc. | Incontinence detection systems for hospital beds |
| US10653567B2 (en) | 2015-11-16 | 2020-05-19 | Hill-Rom Services, Inc. | Incontinence detection pad validation apparatus and method |
| US11179095B2 (en) * | 2016-04-29 | 2021-11-23 | University Of Virginia Patent Foundation | Method, system, and apparatus for remote patient monitoring or tracking of sepsis-related indicators |
| US11172892B2 (en) | 2017-01-04 | 2021-11-16 | Hill-Rom Services, Inc. | Patient support apparatus having vital signs monitoring and alerting |
| EP3879459A1 (en) | 2017-08-29 | 2021-09-15 | Hill-Rom Services, Inc. | Rfid tag inlay for incontinence detection pad |
| US10957445B2 (en) | 2017-10-05 | 2021-03-23 | Hill-Rom Services, Inc. | Caregiver and staff information system |
-
2020
- 2020-06-26 CN CN202010593276.0A patent/CN112151172A/zh active Pending
- 2020-06-26 EP EP20182715.1A patent/EP3758026A1/en not_active Withdrawn
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130267791A1 (en) * | 2008-05-12 | 2013-10-10 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
| US20150120324A1 (en) * | 2013-10-25 | 2015-04-30 | Cerner Innovation, Inc. | Integrating pre-hospital encounters into an electronic medical record |
| US20190115093A1 (en) * | 2016-04-15 | 2019-04-18 | Koninklijke Philips N.V. | Annotating data points associated with clinical decision support application |
| CN106570309A (zh) * | 2016-10-02 | 2017-04-19 | 张家港市锦丰镇人民医院 | 一种护理风险综合评估方法 |
| US20190180875A1 (en) * | 2017-12-12 | 2019-06-13 | Medical Informatics Corporation | Risk monitoring scores |
| US20190307405A1 (en) * | 2018-04-10 | 2019-10-10 | Hill-Rom Services, Inc. | Patient risk assessment based on data from multiple sources in a healthcare facility |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230137904A1 (en) * | 2021-10-28 | 2023-05-04 | Xsensor Technology Corporation | System and method for generating and visualizing virtual figures from pressure data captured using weight support devices for visualization of user movement |
| CN114708972A (zh) * | 2022-06-06 | 2022-07-05 | 安徽省第二人民医院(安徽医学高等专科学校附属医院、安徽省职业病防治院) | 一种vte风险预警系统 |
| CN114708972B (zh) * | 2022-06-06 | 2022-09-02 | 安徽省第二人民医院(安徽医学高等专科学校附属医院、安徽省职业病防治院) | 一种vte风险预警系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3758026A1 (en) | 2020-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6896915B2 (ja) | 医療施設の複数のソースからのデータに基づく患者リスク評価 | |
| US11908581B2 (en) | Patient risk assessment based on data from multiple sources in a healthcare facility | |
| CN112151172A (zh) | 基于来自医疗机构中多种来源的数据的患者风险评估 | |
| US20200066415A1 (en) | Interfaces displaying patient data | |
| Gokalp et al. | Integrated telehealth and telecare for monitoring frail elderly with chronic disease | |
| US9549705B2 (en) | Apparatuses for supporting and monitoring a condition of a person | |
| US8844073B2 (en) | Apparatus for supporting and monitoring a person | |
| CN108348163A (zh) | 设计用于数字健康管理和远程患者监测支持的移动平台的系统和方法 | |
| Sahu et al. | Vital sign monitoring system for healthcare through IoT based personal service application | |
| US20210065856A1 (en) | Patient management based on sensed inputs | |
| EP3767637A1 (en) | Personalized baselines, visualizations, and handoffs | |
| CN112786199A (zh) | 显示患者数据的界面 | |
| WO2022044172A1 (ja) | ソフトウェア、健康状態判定装置及び健康状態判定方法 | |
| KR20040034164A (ko) | 간병용로봇장치 및 간병로봇 모니터링시스템 | |
| US20230190209A1 (en) | Personalized alarm settings | |
| Chirchi et al. | Context Monitoring of Patients using Wireless Network | |
| US20230301602A1 (en) | Information processing device, information processing method, and storage medium | |
| EP4024409A1 (en) | Monitoring system for pressure injury | |
| Clarke | Integrated Telehealth and Telecare for Monitoring Frail elderly with Chronic Disease | |
| TWM599463U (zh) | 心肺功能病患之居家照護系統 | |
| JP2019213888A (ja) | 見守りシステム | |
| KR20130135654A (ko) | Ｕ 헬스 건강관리 모니터링 시스템 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: S Cather Inventor after: S. Fox Inventor after: S. A. Fitzgibbons Inventor after: J. Derby Inventor after: 50. A. zapfei Inventor after: J. Cha har Inventor after: E. Urutia Inventor after: Keegan Christopher Inventor after: K. Brown Inventor after: E. Montabi Inventor before: S Cather Inventor before: S. Fox Inventor before: S. A. Fitzgibbons Inventor before: J. Derby Inventor before: 50. A. zapfei Inventor before: J. Cha har Inventor before: E. Urutia Inventor before: Keegan Christopher Inventor before: K. Schwenser Inventor before: E. Montabi |
|
| CB03 | Change of inventor or designer information |