CN112204670A - 用于识别共病的系统和方法 - Google Patents
用于识别共病的系统和方法 Download PDFInfo
- Publication number
- CN112204670A CN112204670A CN201980035038.3A CN201980035038A CN112204670A CN 112204670 A CN112204670 A CN 112204670A CN 201980035038 A CN201980035038 A CN 201980035038A CN 112204670 A CN112204670 A CN 112204670A
- Authority
- CN
- China
- Prior art keywords
- patient
- care
- patients
- combination
- pool
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000011282 treatment Methods 0.000 claims abstract description 101
- 238000012552 review Methods 0.000 claims abstract description 38
- 230000002496 gastric effect Effects 0.000 claims description 20
- 230000000740 bleeding effect Effects 0.000 claims description 14
- 238000003745 diagnosis Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 11
- 208000007056 sickle cell anemia Diseases 0.000 claims description 10
- 208000008494 pericarditis Diseases 0.000 claims description 8
- 208000007475 hemolytic anemia Diseases 0.000 claims description 7
- 102000001554 Hemoglobins Human genes 0.000 claims description 6
- 108010054147 Hemoglobins Proteins 0.000 claims description 6
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 5
- 102000004338 Transferrin Human genes 0.000 claims description 5
- 108090000901 Transferrin Proteins 0.000 claims description 5
- 229910052791 calcium Inorganic materials 0.000 claims description 5
- 239000011575 calcium Substances 0.000 claims description 5
- 239000012581 transferrin Substances 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000000502 dialysis Methods 0.000 description 96
- 230000015654 memory Effects 0.000 description 89
- 208000020832 chronic kidney disease Diseases 0.000 description 48
- 238000004891 communication Methods 0.000 description 32
- 201000000523 end stage renal failure Diseases 0.000 description 29
- 208000028208 end stage renal disease Diseases 0.000 description 28
- 238000004458 analytical method Methods 0.000 description 26
- 238000012545 processing Methods 0.000 description 23
- 239000012530 fluid Substances 0.000 description 22
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 19
- 201000010099 disease Diseases 0.000 description 18
- 238000007726 management method Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000010438 heat treatment Methods 0.000 description 14
- 239000008280 blood Substances 0.000 description 13
- 210000004369 blood Anatomy 0.000 description 13
- 208000017169 kidney disease Diseases 0.000 description 13
- 208000017667 Chronic Disease Diseases 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 12
- 208000032843 Hemorrhage Diseases 0.000 description 11
- 208000034158 bleeding Diseases 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 11
- 230000036541 health Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000005291 magnetic effect Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 238000001631 haemodialysis Methods 0.000 description 7
- 230000000322 hemodialysis Effects 0.000 description 7
- 239000003814 drug Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000001225 therapeutic effect Effects 0.000 description 5
- 238000002560 therapeutic procedure Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 210000001015 abdomen Anatomy 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000004630 mental health Effects 0.000 description 4
- 229920000642 polymer Polymers 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 229910052710 silicon Inorganic materials 0.000 description 4
- 239000010703 silicon Substances 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 230000002411 adverse Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000001802 infusion Methods 0.000 description 3
- 230000003907 kidney function Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000036642 wellbeing Effects 0.000 description 3
- 201000003793 Myelodysplastic syndrome Diseases 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 208000007502 anemia Diseases 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000009223 counseling Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 239000000385 dialysis solution Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 206010008479 Chest Pain Diseases 0.000 description 1
- 206010008570 Chloasma Diseases 0.000 description 1
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 201000003883 Cystic fibrosis Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 206010013554 Diverticulum Diseases 0.000 description 1
- 206010013710 Drug interaction Diseases 0.000 description 1
- 206010058314 Dysplasia Diseases 0.000 description 1
- 108091005515 EGF module-containing mucin-like hormone receptors Proteins 0.000 description 1
- 206010014561 Emphysema Diseases 0.000 description 1
- 206010018364 Glomerulonephritis Diseases 0.000 description 1
- 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 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000003351 Melanosis Diseases 0.000 description 1
- 201000007224 Myeloproliferative neoplasm Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010033661 Pancytopenia Diseases 0.000 description 1
- 208000005228 Pericardial Effusion Diseases 0.000 description 1
- 208000009527 Refractory anemia Diseases 0.000 description 1
- 206010072684 Refractory cytopenia with unilineage dysplasia Diseases 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 208000002903 Thalassemia Diseases 0.000 description 1
- 208000005485 Thrombocytosis Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000000436 anus Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008827 biological function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 208000024389 cytopenia Diseases 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 235000020930 dietary requirements Nutrition 0.000 description 1
- 235000020805 dietary restrictions Nutrition 0.000 description 1
- 239000003085 diluting agent Substances 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000000537 electroencephalography Methods 0.000 description 1
- 238000002079 electron magnetic resonance spectroscopy Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007407 health benefit Effects 0.000 description 1
- 229960002897 heparin Drugs 0.000 description 1
- 229920000669 heparin Polymers 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 230000008376 long-term health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 239000013610 patient sample Substances 0.000 description 1
- 210000003200 peritoneal cavity Anatomy 0.000 description 1
- 239000000955 prescription drug Substances 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 208000037821 progressive disease Diseases 0.000 description 1
- 230000002062 proliferating effect Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 210000000664 rectum Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种用于识别患者的未记录的共病状况的方法和系统。在一个实施例中,所述方法包括:从对应于接受治疗的患者池的一个或多个数据库中提取患者数据;连同提取的患者数据使用一个或多个预测模型,以便为患者池中的每个患者针对具有未记录的共病状况生成相应的患者风险评分;识别具有高于预定阈值的相应的患者风险评分的患者池的子集;以及基于所识别的患者池的子集,识别一个或多个患者,以用于附加的评估、附加的审查或其组合。
Description
相关申请的交叉引用
本申请是2018年6月5日提交的标题为“Systems and Methods for IdentifyingComorbidities”的未决的美国临时专利申请号62/680,938的非临时申请并要求其提交日期的权益,并且是2018年8月8日提交的标题为“Systems and Methods for IdentifyingComorbidities”的未决的美国临时专利申请号为62/716,032的非临时申请并要求其提交日期的权益,并且是2019年4月22日提交的标题为“Artificial Intelligence&PredictiveMedicine in Dialysis”的未决的美国临时专利申请号62/836,822的非临时申请并要求其提交日期的权益,这些申请的全部内容通过引用明确地并入本文。
技术领域
本公开总体涉及与医疗护理相关的系统、装置和方法。
背景技术
传统的医疗护理系统是基于服务收费模式的,借此医疗护理提供者可以按每次治疗或按每次服务获得补偿。在这种模式下,当提供的治疗或服务数量增加时,医疗护理提供者的补偿也会增加。因此,对于这种提供者没有财务激励来有效地管理所提供的服务/程序的数量,也没有与患者的整体健康结果有关的任何财务激励。这种传统系统导致医疗护理费用不断攀升和效率低下,阻碍了患者的整体护理的质量。
此外,许多患者——特别是患有慢性疾病的患者——在诊断、治疗和长期护理管理过程中与各种不同的实体和医疗护理专业人员进行接触,包括医院、诊所、实验室、药房、医师、临床医生和/或其它专家。患者的治疗信息可能散布在多个实体、存储库和医学专业人员之间,这可能导致各个相关实体之间缺乏沟通或沟通不畅,这可能对患者的治疗和健康产生不利影响,甚至可能造成危及生命的治疗条件。此外,这种不协调的数据处理以及患者的整体治疗导致效率低下,从而可能导致医疗总成本增加。在这方面,就护理质量和经济性而言,传统的服务收费医疗护理模式远非理想。后者是由美国在服务收费模式下的医疗护理费用持续增长而难以维持而证明的。
就这些和其它考虑而言,目前的改进可能是有用的。
发明内容
提供本发明内容以简化形式介绍一些概念,这些概念将在下面的具体实施方式中进一步描述。本发明内容并非旨在必然地识别本公开的关键特征或必要特征。本公开可以包括以下各个方面和实施例。
根据本公开的一个示例性实施例,公开了一种用于识别患者中未记录的共病状况的方法。在一个实施例中,所述方法包括从对应于接受治疗的患者池的一个或多个数据库中提取患者数据;连同提取的患者数据使用一个或多个预测模型,为患者池中的每个患者针对具有未记录的共病状况生成相应的患者风险评分;识别具有高于预定阈值的相应的患者风险评分的患者池的子集;以及基于所识别的患者池的子集,识别一个或多个患者,以用于附加的评估、附加的审查或其组合。
在本实施例和其它实施例中,所述方法还包括:基于所识别的患者池的子集,执行患者记录的审查,其中,患者记录的审查包括审查患者记录以进行账单更正、患者数据更正、提供临床干预、改变患者的治疗计划或其组合。
在本实施例和其它实施例中,所述方法还包括:基于所识别的患者池的子集,执行患者记录的审查,其中,患者记录的审查包括识别任何被忽视的、未报告的或未记录的状况、更正任何被忽视的、未报告的或未记录的状况、更正帐单错误、提供临床决策支持或其组合。
在本实施例和其它实施例中,患者风险评分包括来自聚集共病模型的聚集风险评分、或来自一个或多个单独的模型的一个或多个单独的风险评分、或其组合。
在本实施例和其它实施例中,使用一个或多个预测模型来生成患者风险评分包括:使用一个或多个单独的预测模型来生成与单独的状况相关联的单独的患者风险评分;以及将所述单独的患者风险评分输入到聚集共病模型中以用于计算患者风险评分。
在本实施例和其它实施例中,一个或多个单独的预测模型选自以下模型中的一个:胃肠道(GI)出血模型、心包炎模型、骨髓增生异常模型、溶血性贫血模型、镰状细胞贫血模型、或聚集共病模型、或其组合。
在本实施例和其它实施例中,所述方法还包括生成包括所识别的患者池的子集的至少一部分及其相应的患者风险评分的报告;以及将所述报告传送到一个或多个医疗护理机构。
在本实施例和其它实施例中,所述一个或多个医疗护理机构还从所识别的患者池的子集的一部分中识别用于附加的审查的一个或多个患者;并且对于被识别为用于附加的审查的每个患者,执行以下中的一个或多个操作:对患者记录进行审查,以识别任何被忽视的、未报告的和/或未记录的状况;获得附加的信息或文档、或其组合;更新患者记录以反映诊断、或一个或多个共病状况的可能性、或其组合;或将帐单请求项与相应的患者风险评分进行比较。
在本实施例和其它实施例中,预定阈值是预定阈值百分比,所述预定阈值百分比等于或大于50%。
在本实施例和其它实施例中,所述方法还包括在使用一个或多个预测模型之前,分析提取的患者数据,以使一个或多个患者记录合格,以适于包括在所述一个或多个预测模型中。
在本实施例和其它实施例中,使一个或多个患者记录合格包括移除任何离群患者、具有预定的临床指标的患者、或与医疗补助和医疗保险服务中心(Centers forMedicaid&Medicare Services)相关联的患者、或其组合。
在本实施例和其它实施例中,使一个或多个患者记录合格包括:包括具有预定的临床指标的任何患者,所述预定的临床指标包括记录的GI出血。
在本实施例和其它实施例中,所述提取的患者数据包括实验室值、住院史、住院记录、药房处方史、其它记录的共病状况、患者人口统计信息、医疗护理提供者的注释、或关键词、或其组合。
在本实施例和其它实施例中,所述提取的患者数据包括实验室值,所述实验室值包括血红蛋白水平、PT、血小板计数、转铁蛋白饱和度(TSAT)、或钙水平、或其组合。所述实验室值包括标准偏差、时间加权平均值、最大值、最小值、趋势值、或数据峰值、或其组合。
在本实施例和其它实施例中,所述方法还包括将更新的患者信息传送到一个或多个医疗护理机构,以将患者的共病状况告知所述一个或多个医疗护理机构。
根据本公开的一个示例性实施例,公开了一种用于确定患者中未记录的共病状况的系统。在一个实施例中,所述系统包括综合护理系统,所述综合护理系统被配置成能够:从对应于接受治疗的患者池的一个或多个数据库中提取患者数据;连同提取的患者数据使用一个或多个预测模型,为患者池中的每个患者针对具有未记录的共病状况生成相应的患者风险评分;识别具有高于预定阈值的相应的患者风险评分的患者池的子集;以及基于所识别的患者池的子集,识别一个或多个患者,以用于附加的评估、附加的审查或其组合。
在本实施例和其它实施例中,综合护理系统被配置成能够基于所识别的患者池的子集,执行患者记录的审查,其中,患者记录的审查包括审查患者记录以进行账单更正、患者数据更正、提供临床干预、改变患者的治疗计划或其组合。
在本实施例和其它实施例中,综合护理系统被配置成能够基于所识别的患者池的子集,执行患者记录的审查,其中,患者记录的审查包括识别任何被忽视的、未报告的、或未记录的状况、更正任何被忽视的、未报告的或未记录的状况、更正帐单错误、提供临床决策支持或其组合。
在本实施例和其它实施例中,患者风险评分包括来自聚集共病模型的聚集风险评分、或来自一个或多个单独的模型的一个或多个单独的风险评分、或其组合。
在本实施例和其它实施例中,使用一个或多个预测模型来生成患者风险评分包括:使用一个或多个单独的预测模型来生成与单独的状况相关联的单独的患者风险评分;以及将所述单独的患者风险评分输入到聚集共病模型中以用于计算患者风险评分。
在本实施例和其它实施例中,所述一个或多个单独的预测模型选自以下模型中的一个:胃肠道(GI)出血模型、心包炎模型、骨髓增生异常模型、溶血性贫血模型、镰状细胞贫血模型、或聚集共病模型、或其组合。
在本实施例和其它实施例中,综合护理系统被配置成能够:生成包括所识别的患者池的子集的至少一部分及其相应的患者风险评分的报告;以及将所述报告传送到一个或多个医疗护理机构。
在本实施例和其它实施例中,所述一个或多个医疗护理机构还从所识别的患者池的子集的一部分中识别用于附加的审查的一个或多个患者;并且对于被识别为用于附加的审查的每位患者,执行以下中的一个或多个操作:对患者记录进行审查,以识别任何被忽视的、未报告的和/或未记录的状况;获得附加的信息或文档、或其组合;更新患者记录以反映诊断、或一个或多个共病状况的可能性、或其组合;或将帐单请求项与相应的患者风险评分进行比较。
在本实施例和其它实施例中,综合护理系统被配置成能够在使用一个或多个预测模型之前分析提取的患者数据,以使一个或多个患者记录合格以适于包括在一个或多个预测模型中。
在本实施例和其它实施例中,所述提取的患者数据包括实验室值、住院史、住院记录、药房处方史、其它记录的共病状况、患者人口统计信息、医疗护理提供者的注释、或关键词、或其组合。
在本实施例和其它实施例中,所述提取的患者数据包括实验室值,所述实验室值包括血红蛋白水平、PT、血小板计数、转铁蛋白饱和度(TSAT)、或钙水平、或其组合。
在本实施例和其它实施例中,综合护理系统被配置成能够将更新的患者信息传送到一个或多个医疗护理机构,以将患者的共病状况告知一个或多个医疗护理机构。
下面参考附图进一步详细描述其它特征和方面。
附图说明
作为示例,现在将参考附图描述所公开的方法和装置的实施例,其中:
图1A是示出根据本公开的共病模型的一个示例性实施例的示意图;
图1B是示出根据本公开的用于识别患者共病的过程的一个示例性实施例的流程图;
图1C是根据本公开的用于识别共病的患者数据的图表的一个示例性实施例;
图1D是示出根据本公开的用于识别患者共病的过程的一个示例性实施例的流程图;
图2A是示出根据本公开的用于提供协调的医疗护理的系统的一个示例性实施例的示意图;
图2B是示出根据本公开的用于评估和治疗包括肾脏疾病的疾病的系统的一个示例性实施例的示意图;
图3是示出根据本公开的综合护理系统的一个示例性实施例的框图;
图4是示出根据本公开的操作环境的一个示例性实施例的框图;
图5是示出根据本公开的另一个操作环境的一个示例性实施例的框图;
图6-10是示出根据本公开的用于提供协调的医疗护理的系统的组件的示例性实施例的示意图;
图11是示出根据本公开的提供协调的医疗护理的系统的护理协调组件的示例性实施例的示意图;
图12示出了透析机器的一个示例性实施例的示意图;
图13A-13B示出了根据本公开的透析系统的一个示例性实施例;
图14是示出根据本公开的透析系统的另一个示例性实施例的图;和
图15是示出根据本公开的计算架构的一个示例性实施例的框图。
具体实施方式
现在将在下文中参考附图更全面地描述本实施例,在附图中示出了多个示例性实施例。然而,本公开的主题可以体现在用于透析机器和用于各种疾病的其它潜在医疗装置、诊断和治疗的许多不同形式和类型的方法和装置中,并且不应被解释为仅限于本文所述的实施例。相反,提供这些实施例使得本公开将是彻底和完整的,并且故意将本主题的范围传达给本领域技术人员。在附图中,相似的附图标记始终表示相似的元素。
本文描述的示例实施例适合于实现基于价值的护理,这是按服务收费医疗护理模式的替代方案。在基于价值的医疗护理系统(也称为“绩效收费”模式)下,医疗护理提供者获得与护理的质量和效率以及患者预后相关的财务激励。
一些示例实施例被配置成能够向患有诸如慢性肾脏疾病(CKD:Chronic KidneyDisease)的慢性疾病的患者群体提供协调护理。CKD是一种以肾脏功能减退为特征的进行性疾病。一旦肾脏功能下降到阈值以下,就认为患者患有肾衰竭或终末期肾脏疾病(ESRD:End-Stage Renal Disease)。ESRD是CKD的最后阶段,需要在患者的余生中进行透析治疗(没有移植)。
在美国,可以实施本文所述的示例实施例的、基于价值的护理的一种模式是综合ESRD护理(CEC:Comprehensive ESRD Care)模式,这是在美国医疗保险和医疗补助创新中心的授权下开发的一种问责护理组织(ACO:Accountable Care Organization)模式。为了实施CEC模式,形成了ESRD无缝护理组织(ESCO:ESRD Seamless Care Organization)。ESCO是由医疗护理供应商和提供者自愿走到一起形成的ACO。由此产生的ESCO是通过CEC模式为ESRD受益人提供协调护理的法律实体。
在ESCO模式下,ESCO为ESCO的受益人分担了美国医疗保险和医疗补助服务中心(CMS:Centers for Medicare and Medicaid Services)带来的储蓄和损失。储蓄或损失由CMS基于支出基准确定,该基准是从反映相似或类似受益人的历史支出数据的基线得出的。将该基准与绩效年中参与患者群体的实际医疗保险服务收费(FFS:Fee-For-Service)部分A和B支出进行比较。也将基于质量绩效对储蓄进行调整。成本的任何减少都会直接转化为增加的共享储蓄(收益),因为费用是根据预定的基准来衡量的。护理质量通过对计算的共享储蓄进行质量绩效调整来激励。
ESCO负责每个患者的整体护理,这超出了透析治疗的范围。例如,如果患者由于任何原因(例如感染、血管透析通路并发症和/或心脏并发症)而住院,则住院费用将计入年度储蓄计算。由于住院费用特别昂贵,因此从财务角度来看,避免患者住院对于ESCO来说是非常有利的。本文所述的示例实施例实施了一种整体方法来监督和管理患者安康的所有方面,这提高了护理质量,同时提高了医疗资源的效率和总费用效率。
本文所述的一些示例实施例分析了适用患者群体的医学数据,以便对高危患者进行干预,以减少住院的可能性。一些示例分析患者数据以预测患者何时可能经历特定的健康相关事件或疾病进程阶段,并相应地提供/调整治疗。
根据示例实施例,患者信息可以被发送到协调护理系统、在协调护理系统内管理和/或可由协调护理系统访问,以便患者可以在能够智能地管理和协调患者整体护理的管理系统内接受高质量、高效、协调的医疗护理。合并协调护理系统可以例如通过向患者提供基于价值的护理来代替服务收费护理,从而更好地控制医疗护理费用。例如,如上所述,被诊断为ESRD的患者群体随着时间的推移而增加,通常是由多种其它疾病引起的,包括但不限于糖尿病、高血压和/或肾小球肾炎。由于疾病的性质,患有ESRD的患者可能会面临附加的挑战。例如,必需的生活方式改变可能导致心理健康恶化。此外,在家治疗可能导致与医学专业人员的隔离度增加。随着医疗护理格局的变化,为患者提供用于协调治疗的资源的机会可能会带来透析治疗以外的附加的患者健康益处。
虽然本文所述的示例性实施例与肾脏疾病有关,但应理解,本文所述的协调护理系统和基础设施可以替代于肾脏疾病或除了肾脏疾病之外适用于其它慢性疾病。作为非限制性示例,此类其它疾病可以包括心血管相关疾病、肺、胃肠、神经、泌尿科或妇科疾病、糖尿病、循环系统疾病、阿尔茨海默氏病或其它痴呆、哮喘、COPD、肺气肿、癌症、肥胖症、吸烟、囊性纤维化或其组合。此外,虽然一些示例是关于肾脏相关ACO,如ESCO中的实施来描述的,但是应当理解,本文所述的示例可以关于其它疾病或患者群体和/或任何其它合适的基于价值的医疗护理模式在其它ACO中类似地实现。
基于价值的医疗护理模式的一些示例性实施例可以实现用于识别共病的系统和方法。如下所述,一些共病可能有资格获得偿付。CMS可以向患者和/或医疗护理提供者提供治疗和/或其它主动护理的偿付。因此,正确地识别正在接受治疗的患者的状况可能是有利的,例如,出于偿付的目的和/或利用用于患者治疗的临床决策支持等目的的共病状况。然而,ESRD患者可能正在过渡到和/或可以拜访多个不同的医疗护理提供者,使得他们的记录和数据可能不完整、或被忽视。例如,过渡到透析诊所的患者可以通过将他们的历史数据输入到综合护理系统中来注册。数据可以以不同的格式接收,包括但不限于医生注释、实验室值、复选框等。患者可能先前被诊断为患有共病,但是可能在其记录上被忽视、未报告和/或未记录,以便新的透析诊所可能无法被正确告知完整的病情记录。如果共病状况未报告和/或未记录,则不当或缺失的计费标准可能与患者的治疗相关联,这可能会导致患者和/或医疗护理提供者失去偿付、和/或失去利用共病状况为患者治疗提供临床决策支持的机会。根据本公开的系统和方法可以用来提供类似的方法,用于识别和/或更正任何被忽视的、未报告的和/或未记录的状况,基于这些状况更正账单不错误、和/或利用共病状况为患者治疗提供临床决策支持。
如图1D所示,示出了流程图170,其示出了用于识别共病的过程的一个示例性实施例。如上所述,在步骤172,可以分析综合护理系统或护理分析和指导系统中的患者群体数据,以训练用于识别患者共病的机器学习模型。综合护理系统可以评估大量患者数据,例如,在相关联的机构接受治疗的整个选定患者群体(例如,在透析诊所接受治疗的患者群体)。在步骤173,可以分析预选标准,以使每个患者记录合格以适于包括在模型中。例如,离群患者、具有预定的临床指标的患者和/或与医疗补助和医疗服务中心(CMS)相关联的患者可能会被排除(或包括)在用于训练模型的群体中。
在步骤174,预定的临床指标可以进一步细化患者群体。例如,可以分析与记录的GI出血相关联的临床指标。因此,未被诊断为具有GI出血的患者因此可以从患者群体中移除以训练模型。可以包括满足GI出血诊断标准的患者记录,因此该模型可以分析患者之间关于实验室值、住院记录、医师/护士注释、处方、其它诊断出的共病等的共通性,以细化具有相关联的共病的患者的风险评分计算。在实施例中,风险评分计算可以是一个或多个概率,或者是其它统计计算。在步骤176,可以通过机器学习模型来运行新的患者记录,以识别患者中被忽视的、未报告的和/或未记录的共病,如关于图1A所描述的。
如上所述,患者数据可以被发送到综合护理系统和/或可以由综合护理系统访问。综合护理系统或护理分析和指导系统可以接收、存储和/或确定用于计算的相关的人口统计信息和实验室值或其它数据。然后,综合护理系统可以使用这些计算来识别未报告和/或未记录的患者共病。现在参考图1A,示出了根据本公开的共病模型的示意图100。患者数据可以被馈送到多个与单独的共病计算相关联的单独的模型105a、105b、...、150n中,“n”是任意数量的单独的模型/共病。例如,单独的共病模型105a、105b、...、105n可能与特定的共病状况相关联。可以更正包括账单记录的患者记录,以反映相关联的单独的共病状况中的一个或多个。如图1A所示,单独的模型可以包括胃肠道(GI)出血模型105a、心包炎模型105b、骨髓增生异常模型105c、溶血性贫血模型105d和/或镰状细胞贫血模型105e。患者可能已经被诊断出患有这些共病中的一个或多个,但是通过非标准化的记录并转移到不同的医疗护理提供者,该诊断可能没有被正确地输入到综合护理系统中,例如,从而该诊断被忽视、未报告和/或未记录。因此,单独的模型105a、105b、...、105n可以基于对所提供的记录的分析来计算患者可能具有相关联的共病状况的风险评分。单独的模型105a、105b、...、105n可以是任何标准机器学习技术(例如随机森林模型、逻辑回归等)的实现。在一些实施例中,可以利用具有L2正则化的逻辑回归模型,并且如上所述,可以利用经训练的将患者数据与已知共病状况相关联的机器学习模型。例如,每个待预测的共病状况可以具有专门设计和训练以预测该共病状况的机器学习模型。
每个单独的模型105a、105b、...、105n可以计算患者可能具有相关联的共病状况的单独的风险评分。例如,可以在单独的模型中使用与共病状况相关联的实验室值,例如,可以在贫血模型105d中分析血红蛋白水平。在一些实施例中,单独的模型105a、105b、...、105n可以包括来自之前3、6和/或12个月的实验室值的患者数据,例如,包括但不限于血红蛋白(Hgb)、PT、血小板计数、转铁蛋白饱和度(TSAT)和/或钙水平。实验室值也可以是计算值,例如,标准差、时间加权平均值、最大值、最小值、趋势值和/或数据峰值,以供综合护理系统进行分析。
在一些实施例中,单独的模型105a、105b、...、105n还可以包括例如来自之前3、6和/或12个月的患者住院史。在一些实施例中,诸如药物处方之类的药房数据和其它信息可以被包括在单独的模型105a、105b、...、105n中以进行分析。例如,指示用于治疗与单独的共病相关联的症状的过去或当前处方的患者记录可以被包括在用于计算风险评分的单独的模型中。
附加地,还可以评估患者数据,以针对可能与单独的共病相关联的其它记录的共病。例如,患有记录的溶血性贫血共病的患者可能具有还患有镰状细胞贫血共病的较高的风险评分。单独的模型105a、105b、...、105n也可能包括患者人口统计信息,包括但不限于年龄、民族、性别、种族、地理位置等。一些患者基于人口统计信息可能具有较高的共病风险评分,这可能包括在用于评估风险评分的模型中。
在一些实施例中,单独的模型105a、105b、...、105n还可以包括医师/护士注释或其它护理提供者注释。关键词列表可以与每个单独的模型相关联,并且关键词可以是单独的单词、短语和/或可以包括通配符、修饰符或其组合。在一些实施例中,关键词可以包括对症状的解释。在一些实施例中,关键词还可以包括“缺失”,例如,可以指示患者没有单独的共病状况的词。通过降低患者风险评分,可以将这些“缺失”关键词包括在风险评分计算中。可以使用自然语言处理技术来处理患者记录注释,包括但不限于“词袋”技术和doc2vec。
例如,GI出血模型105a可以包括诸如“血液”、“出血”、“gi”、“胃”、“溃疡”、“憩室”、“血管增生症”、“无出血”、“w/out出血”、“未分类”、“nec”、“血液输注”、“直肠”、“直肠”、“肛门”、“黑斑病”、“gi病史”和/或“胃肠病史”、或其组合的关键词。心包炎模型105b可以包括诸如“心包炎”、“急性心包炎”、“心脏结核”、“非典型胸痛”、“心包摩擦音”和/或“心包积液”、或其组合的关键词。骨髓增生异常模型105c可以包括诸如“血小板增多症”、“难治性贫血”、“血细胞减少症(难治性)”、“骨髓增生异常”、“慢性骨髓增生性疾病”、“发育不良”、“骨髓穿刺和活检”“血液输注”和/或“MDS”、或其组合的关键词。溶血性贫血模型105d和/或镰状细胞贫血模型105e可以包括诸如“镰状细胞病”、“镰状细胞病危机”、“外周涂片”、“地中海贫血”、“Hb-SS疾病”、“镰状细胞疾病”、“贫血”和/或“血液输注”或其组合的关键词。
如上所述,各个模型105a、105b、...、105n可以分析相关联的患者数据,包括实验室值、住院史、药房处方史、其它记录的共病状况、患者人口统计信息和/或关键词,以计算具有每个单独的共病状况的患者的风险评分。如下所述,可以生成包括患者识别信息、诊所信息和每个共病状况的风险评分的报告。如果风险评分高于预定的百分比(例如,等于或大于50%),则可以将所识别的患者发送给代表以进行完整的记录审查,例如,除其它目的外,出于账单更正的目的和/或利用用于患者治疗的临床决策支持等目的的共病状况的风险评分。
返回参考图1A,当各个模型105a、105b、...、105n已经计算了与单独的共病状况相关联的风险评分,然后它们可以被馈送到聚集共病模型110中,用于计算具有任何共病状况的患者的风险评分。还应当理解,附加模型可以包括各个模型的任何子集或组合。
单独的模型105a、105b、...、105n和共病模型110可以是在图1B的步骤124中运行的预测模型,图1B示出了根据本公开的用于识别患者的共病的方法的一个示例性实施例。如图1B所示,方法120可以包括在步骤122从前一个月自动生成到综合护理系统的新增加的患者的群体。例如,综合护理系统在每月的第一周可以生成新患者的群体以供审查。
如上所述,因为这些患者已经从各种医疗护理提供者转移到综合护理系统中,所以他们的记录可能包括被忽视的、未报告的和/或未记录的共病状况。综合护理系统可以分析患者数据并按识别出的状况更正患者记录,这对于提供适当的临床干预(例如,影响患者治疗)和/或用于计费目的(例如,用于偿付的适当编码)可能是有利的。附加地,还应当理解,综合护理系统中的正确患者数据可以改进内部研究计划、预测性建模等。
在步骤126,在运行单独的模型105a、105b、...、105n和聚集模型110之后,可以将与患者中的共病状况相关联的风险评分输出到报告中(参见图1C)。例如,每个机构(例如,诊所、医院、医师办公室和/或其它护理提供者)可以接收相关联的患者及其共病状况的风险评分的列表。医疗护理提供者可以评估该报告并标记患者以进行附加的审查。如步骤126所示,例如,医疗护理提供者可以将请求项、例如账单请求项与建模风险评分进行比较。响应于识别与患者记录中被忽视的、未报告的和/或未记录的共病状况相关联的患者(例如,病历号(MRN:Medical Record Number)),可将患者记录标记以用于附加的审查,以用于此处解释的涉及患者治疗、账单、研究计划、改进建模等示例的目的。
在步骤128,临床医生、护理提供者、编码者或其它代表或关联者可以接收被标记以用于评估或附加的审查的所有患者的列表。然后,每个标记的患者记录都可以经历对接收到的所有文件和与患者相关联的信息进行全面审查。以这种方式,可以识别先前可能已经被忽视的、未报告的和/或未记录的共病状况。在一些实施例中,在步骤134,关联者可以与被标记患者接受护理的相关联的机构(例如,诊所)合作以获得附加的信息和/或其它现有的或缺失的文档。然后,如步骤126所示,被标记的患者可以由医疗护理提供者进行进一步审查,以将请求项与建模风险评分进行比较。在一些实施例中,步骤134可以与临床审查178(参见图1D)结合,其中编码者或关联者可以从相应的机构请求关于被标记用于附加的审查的一个或多个的患者的记录。
然后,患者记录可以在综合护理系统中更新,以反映其诊断、潜在的共病状况等。例如,在步骤130,在计费上下文中,可以生成请求项更正并将其提交给CMS。在一些实施例中,综合护理系统可以自动生成更正代码并且可以被配置成能够与CMS系统交互。这可能有利于进一步减少人为错误的可能性,并且可以简化计费过程并加快偿付周转时间。
在步骤130的同时和/或在步骤130之后,在步骤136,可以将更正后的患者数据发送到相应的机构,以便可以向相关医疗护理提供者告知患者的共病状况。附加地,机构可以用更正后的患者数据来更新,以确保正确的请求项编码继续用于患者治疗。在一些实施例中,对患者数据的附加的审查可以使得一个或多个单独的模型105a、105b、...、105n和/或共病模型110细化。可以更新或细化模型,如步骤132所示,这可以反馈到在步骤124中运行用于CMS患者的模型。
在一些实施例中,在步骤138,可以将生成的请求项更正或缺失或被忽视的请求项分析为用于跟踪和改进的关键绩效指标(KPI:Key Performance Indicator)。这可以鼓励方法120的持续改进和对请求项偿付的内部跟踪,和/或跟踪状况以用于治疗目的和临床决策支持。返回参考图1D,在步骤180,可以基于为患者诊断的更正的共病状况来调整请求项。可以将更正后的信息提供给相应的计费人员和/或各个机构(例如,诊所),以便所选择的患者的将来计费可以是正确的。由于可以按月周期对新患者进行评估,因此可以快速识别未报告的和/或未记录的共病状况,从而改进了与保险提供者和诸如CMS之类的监管者的偿付流程,以及向医疗护理提供者提供了准确的患者记录以对患者施行适当和及时的治疗。
如上所述,可以生成包括用于进一步审查的患者的报告。现在参考图1C,示出了根据本公开的报告140的一个示例性实施例。该报告可以例如通过姓名和/或病历号(MRN)来识别一个或多个患者142。应当理解,报告140可以包括任何数量的“n”个患者142、142b、...、142n。附加的识别信息也可以包括在报告140中,包括但不限于患者的出生日期(DOB:Date Of Birth)144(例如144a、144b、...、144n)、社会保险号(SSN:Social SecurityNumber)、地址等。这可以提供对每个患者的附加的验证,以确保评估了正确的患者记录。报告140可以进一步包括患者的相关联的机构或诊所146(例如,146a、146b、...、146n)。在一些实施例中,可以利用诊所地址,而在其它实施例中,可以利用唯一的识别号。针对每个患者142,风险评分148(例如,148a、148b、...、148n)也可以被包括在报告140中。在实施例中,风险评分148可以是聚集共病模型110和/或单独的模型105a、105b、...、105n的计算评分中的一个或多个、或其组合。基于风险评分,患者142a、142b、...142n可以例如通过为每个患者指示“是”或“否”而被标记以用于附加的审查150。应当理解,报告140可以基于患者数据的任何组合来生成。例如,可以针对所选择的机构(例如,诊所)中的所有新患者、相同年龄或其它人口统计信息的所有新患者和/或风险评分超过预定量的所有患者生成报告140。
参考图2A,根据本公开的一个示例包括用于治疗患者或患者群体240的护理协调框架200。患者/群体240的整体护理由护理协调系统210监督和协调。护理协调系统210包括护理分析和指导系统220(其在本文中可互换地称为“综合护理系统”),所述护理分析和指导系统220接收、分析和创建用于协调患者/群体240的护理的数据。护理协调系统210利用护理导航单元(CNU:Care Navigation Unit)230,其根据从护理分析和指导系统220接收的数据来实施协调护理。为管理患者/群体240的整体健康和安康,护理协调系统210与许多相关实体和组件进行通信。在图2A中,双箭头线以图形方式表示通信和交互流/渠道。
在图2A所示的示例中,护理协调系统210在包括慢性护理中心或诊所241、医师242(其可能包括肾病学家,尤其是针对肾脏患者)、护士243、实验室244(例如,血液实验室或其它诊断实验室)、药房245、医院246、医疗装置247(例如,透析机器或其它医疗治疗/监测装置)、紧急护理诊所248、专科服务249、咨询和心理健康服务250、营养学家/营养师251、运输服务252、医疗设备和用品提供者253、门诊外科中心(ASC:Ambulatory Surgical Center)254、附加服务255、医疗记录256、财务和账单记录257和付款人258(例如,CMS或私人保险公司)的实体之间协调对患者240的护理。
应该理解,一些示例实施例可以包括未示出的其它实体,和/或可以排除所示的实体中的一些。此外,应该理解,所示的通信渠道不是排他的,并且各种实体还可以在适当时在彼此和/或患者240之间直接或间接地通信。在一些示例中,护理协调系统210与其它实体中的一个或多个之间的通信可以是间接的,经过一个或多个中间实体。例如,护士243的协调可以直接在护理协调系统210与护士243之间进行,或者经由诸如诊所241、248、医院246之类的中间渠道或任何其它合适的渠道进行。
根据一些示例,图2A的框架200可以用于治疗诸如肾脏疾病的进程等疾病,例如终末期肾脏疾病(ESRD)和/或慢性肾脏疾病(CKD)。患有ESRD的患者是正在接受肾脏疾病的长期护理、例如通过透析治疗的患者。与ESRD患者相关联的治疗可能会是多种多样的,并分布在多个医疗护理提供者中,使得监测透析患者的健康状况趋势可能会带来挑战。例如,患者可能会表现出不同程度和不稳定程度的功能/认知障碍,并且可能伴随复杂的临床异常现象,而与患者透析时间的长短无关。患者数据可能由各种医疗护理提供者持有,并且可能没有标准化或没有完整记录。随着患者的肾脏疾病的进展,诊断可能会被忽视、未报告和/或未记录。这些未记录的共病可能会导致缺失帐单或帐单错误。根据本公开的示例性实施例,包括护理分析和指导系统220在内的护理协调框架200可以被配置成能够将患者数据聚集到单个系统中并识别未报告的和/或未记录的共病。大量的患者数据可以向系统200、200'提供信息,使得可以训练机器学习模型以确定记录的共病的患者特征,以识别未报告的和/或未记录的患者共病。
护理分析和指导系统(综合护理系统)220可以包括并执行各种与医疗护理有关的模式和/或程序。在一些示例中,这些模式和/或程序专门用于实施或执行特定的基于价值的护理框架(例如,ESCO模式、其它ACO模式、慢性特殊需求计划(C-SNP's:Chronic SpecialNeeds Plans)等),而其它示例可能包括通常适用于多个基于价值的护理框架的模式/程序。还应当理解,可以为其它慢性疾病提供其它类型的基于价值的护理模式,其它慢性疾病包括但不限于慢性肾脏疾病,或上述其它慢性疾病和状况中的一种或两种以上。这些医疗护理模式可能会影响改善向患者提供基于价值的护理的方式,例如通过在指定结构内更有效地管理患者的护理,并且可能取代传统的服务收费(FFS)模式。服务收费模式通常可能专注于量而不是个性化患者护理的质量,而很少有动力改善患者的整体健康,与基于价值的模式相比,这种模式可能效率更低,效果也更差。
将患者护理从传统的服务收费模式转向基于价值的医疗护理模式可能会改善患者接受的护理,降低总成本,并且可能改善对被诊断成患有相同慢性疾病的大量患者群体的管理。例如,如上所述,基于价值的医疗护理模式可以基于患者接受的护理的质量(例如,临床治疗效果、满足特定的绩效标准等)来向提供者付款,并且提供者和患者可以从致力于解决并改善患者的整体健康状况中受益。例如,CMS可以为诊断的疾病(例如,ESRD)的患者护理设定预算,从而激励医疗护理提供者进行创新以降低提供对该疾病的治疗的成本。在一些实施例中,可以通过“分担风险”合同来关联或协商支付,其中与疾病和患者的协调护理相关联的成本以及储蓄由提供者和支付者共同承担。这种安排存在于上文更详细描述的ESCO模式中。
在一些实施例中,护理协调系统可以通过CEC/ESCO框架来识别、测试和/或评估创新,以改善对诊断患有ESRD的医疗保险受益人的患者护理。护理协调系统可以为要彼此联系的透析诊所、肾病学家或其它专家和/或其它提供者提供结构,以为一致的受益人进行护理协调。基于价值的医疗护理模式可能会基于所提供护理服务的质量来激励提供者。例如,护理协调系统可以包括用于改善护理协调、个性化患者护理和/或改善患者群体的长期健康结果的激励措施。护理协调系统还可以协调由医疗保险A部分(例如,医院保险)和B部分(例如,医疗保险)支出、包括用于其一致的ESRD受益人的透析服务相关的支出衡量的治疗效果,例如临床质量、财务等。应当理解,一些基于价值的医疗护理模式也可能包括医疗保险D部分(例如,处方药保险)支出。
综合护理系统220可以形成用于在所有护理方面中诊断和治疗患者的临床系统的一部分。综合护理系统220可以连接到附加的临床系统,包括但不限于药房、CKD/ESRD数据登记处等。例如,综合护理系统可以基于医学专业人员提供的信息自动向药房发送处方和其它患者信息,并且可以向CKD/ESRD数据登记处发送和接收数据和信息,以便与其它患者进行比较,并预测未来的治疗。综合护理系统可以确定与CKD/ESRD相关联的事件,并采取适当的措施,包括但不限于通知患者、通知临床医生何时需要特定的干预和/或提醒临床医生即将到来的重要干预日期。
一个或多个外部或外部系统也可以连接到综合护理系统220。例如,外部系统可以包括诊断和/或治疗设备(比如透析机器)、实验室、医生办公室、医院和/或电子医疗记录中的一个或多个。患者信息可以在综合护理系统与外部系统之间发送和接收,以便患者护理可以在多个功能之间更有效、标准化和一致。例如,综合护理系统220(参见图2A)可以从患者的电子医疗记录中接收信息,从而访问历史信息。透析单元或透析机器、医生办公室、实验室和医院可以基于患者治疗、诊断或治疗或诊断之外的信息,向综合护理系统发送信息并从综合护理系统接收信息。
如以下关于图12-15所述,在一些实施例中,护理协调系统可以向透析机器1200、1300、1400提供信息,以用于透析治疗中。在一些实施例中,综合护理系统可以向透析机器1200、1300、1400发送来自医学专业人员的用于处方透析治疗的处方,在这种情况下,综合护理系统可以从医生办公室或医院接收处方。综合护理系统还可以对照患者的实验室检查或医疗记录来验证所规定的治疗,并且在某些情况下,可以将处方远程编程到患者的透析机器上,或将处方转发到机器上以进行本地设置。以这种方式,可以确保患者接受必要和正确的治疗,并且可以防止患者进行或接受不适当的透析治疗量,从而减少人为失误并改善患者护理。综合护理系统220还能够基于从这些外部系统以及附加的临床系统接收的信息来通知相关医学专业人员,例如,以向患者提供适当的医疗治疗和/或基于患者的诊断正确地识别和纠正账单不错误或账单缺失。
图2B是护理协调框架的另一个图示。图2B的护理协调框架200'与图2A的护理协调框架200共享本文所述的特征,除非另有说明。在本示例中描述的护理协调框架200'被提供用于将患者护理整合到治疗肾脏疾病中,例如,示出了ESRD和/或CKD(尽管它也可以类似于图2A的框架地适用于其它慢性疾病)。护理协调系统210'可以将患者护理的至少一些方面与综合护理系统220'(其可以包括并执行与医疗护理有关的模式和/或程序260)进行协调,以支持患者护理。各种组件可以参与护理协调系统210',以经由护理框架提供完整的患者护理。例如,任何数量的并入的护理组件可以向综合护理系统220'发送信息,以及从综合护理系统220'接收信息,包括但不限于辅助服务组件265、数据创建和/或管理组件270、护理提供者组件275、设备和/或用品组件280和监管组件285。在一些实施例中,护理协调系统210'可以与包括但不限于实验室服务、研究等的第三方资源合作。在一些实施例中,护理框架可以包括护理导航单元230',或由护理导航单元230'实现,或与护理导航单元230'相关联。在图2B的示例中,注意到,护理导航单元230'被指示为与护理协调系统210'分离开的实体,但是应该理解,在其它示例中(例如参见图2A),护理导航单元可以被包括为护理协调系统的一部分。
如上所述,综合护理系统(例如,护理分析和指导系统)220、220'的每个组件可以包括一个或多个单元,包括内部服务和支持以及外部服务和支持。如图6所示,辅助服务组件265可以包括与辅助患者服务有关的任何数量的“n”个服务605a、605b、…、605n。例如,辅助服务可以包括实验室605a、个性化护理605b和/或药房605c。辅助服务605a、605b、…、605n中的每一个可以向综合护理系统220、220′发送和接收患者信息,以进行编译和分析。例如,实验室可以自动向综合护理系统220、220'发送患者血液检查的结果和其它测试结果。附加地,综合护理系统220、220'可以基于来自医学专业人员的确定和/或由护理协调系统210'经由护理框架收集的其它信息,自动向实验室发送测试指令以对患者样本进行选择的测试。类似地,综合护理系统220、220'可以基于患者的测试结果和由综合护理系统220、220'确定的其它因素,自动向药房发送处方和剂量指令。药房还可以向综合护理系统220、220'发送与其它患者处方相关的信息,以用于潜在的不良药物相互作用、如何及时补充处方和/或患者与药剂师的交互等。
在一些实施例中,患者可以从营养学家和/或营养师605d的护理中受益,以调整饮食限制作为其护理的组成部分。例如,ESRD患者可能已经规定了饮食要求,作为接受血液透析和对他们的肾脏疾病的其它治疗的一部分。患者可能会从营养学家和/或营养师的咨询中受益,以朝向更健康的饮食生活方式和其它潜在的与健康有关的益处。还可以对患者管理流体管理605e,以确保患者正在接收适当量和类型的流体。患有CKD和/或ESRD的患者可能会有流体限制,以获得更好的透析结果。一些患者可能难以理解液体摄入,和/或可能无法可靠地追踪其液体摄入。在一些实施例中,流体管理可以由营养学家和/或营养师管理,虽然应当理解,在其它实施例中,患者的流体摄入可以由另一位医学专业人员进行管理。在实施例中,患者可以受益于心理健康专业人员605f的护理,例如,心理学家、精神科医生和/或其它咨询服务。如上所述,患者的心理健康可能会受到疾病进程的影响,否则可能会在治疗过程中被其它医学专业人员忽略。因此,安排并提供心理健康专业人员可能会改善患者的全面健康状况。
现在参考图7,如上所述,数据创建/管理组件270可以包括与患者数据的创建和/或管理有关的一个或多个单元,包括内部服务和支持以及外部服务和支持。例如,数据创建/管理组件270可以包括任何数量的“n”个服务705a、705b、...、705n。如图7所示,电子医疗记录(EMR:Electronic Medical Record)705a、数据登记处705b和临床信息705c可以接收、存储和/或发送由护理分析和指导系统220、220'确定的患者数据记录。例如,患者的医疗记录可以在接收到来自医学专业人员的实验室结果、治疗信息和/或注释之后自动更新。护理分析和指导系统220、220'可以利用患者的医疗记录以用于趋势或触发事件,以便护理协调系统210'可以向医学专业人员提供相关信息,以进行治疗和其它护理选择建议以及对各种可能的干预进行时间安排和协调。在一些实施例中,护理分析和指导系统220、220'可以分析多个患者作为数据登记的一部分,以用于确定全局趋势并从宏观水平分析数据。
图8示出了一个示例性护理提供者组件275,包括提供患者护理的一个或多个单元,如附图标记805a、805b、、805n所示。提供者组件275中可以包括任何数量的“n”个单元。在一些实施例中,护理提供者可以包括医师和/或医师组805a(例如,初级护理医师(PCP:Primary Care Physician)和专家,如肾病学家)、实践管理系统805b、医院805c和/或诊所/中心805d,虽然也可以设想附加性的或替代性的护理提供者。综合护理系统220、220'可以向护理提供者发送信息并且从护理提供者接收信息,以用于患者治疗。例如,综合护理系统220、220'可以接收患者检查的医生注释、住院信息等,并且可以基于接收到的其它患者数据来发送计算的信息和其它确定的因素。例如,综合护理系统220、220'可以发送估计和治疗建议,以基于所有接收到的患者数据和对其进行的评估,识别、减少、避免和/或消除患者在肾脏疾病或肾脏疾病治疗的方面和/或影响的风险,以向患者提供治疗,和/或包括识别未报告的和/或未记录的共病。
图9示出了用于单个患者的一个示例性设备和/或用品组件280,例如,治疗用品,其可以包括任何数量的“n”个服务905a、905b、…、905n。在一些实施例中,综合护理系统220、220'可以发送和接收与诊所中的一次性医疗设备905a、信息技术(IT:InformationTechnology)技术支持905b、库存控制905c和/或透析单元905d或透析机器的套件有关的信息。如上所述,许多患者在家接受治疗,如家庭透析,需要持续供应一次性医疗用品以用于每次治疗。用品和/或透析设备的交付可以由综合护理系统220、220'自动监测、补充和/或盘存,以确保适当的机器功能和材料和资源的稳定供应,以确保患者接受所有规定的治疗。
图10示出了一种示例性监管组件285,其可以包括与政府和监管要求有关的任何数量的“n”个服务1005a、1005b、…、1005n。例如,某些州和联邦法规和监管机构可能参与了保险和/或医疗补助和医疗保险服务中心(CMS)1005a、公众产品批准(例如,食品和药物管理局(FDA:Food and Drug Administration))1005b以及帐单1005c。综合护理系统220、220'可以向这些单元中的每个单元发送信息,并且从这些单元中的每个单元接收信息,以确保正确的账单编码、监管批准和/或保险支付。
如上文所介绍的,护理导航单元230、230'可以基于综合护理系统220、220'根据来自组件265、270、275、280、285中的任何一个以及护理协调系统210'的数据和信息确定的分析和计算来监督和协调患者护理。例如,护理导航单元230'可以协调对患者的护理以跟踪完成干预治疗,以解决随着时间的推移功能性和/或认知性患者损伤,改进共病管理,并帮助推动高价值的护理选择和随着时间的推移对患者作出治疗决定的时间安排。如图11所示,护理导航单元230、230'可以包括由附图标记1105a、1105b、…、1105n指示的医疗护理协调的不同方面,包括但不限于咨询1105a、治疗过渡1105b、安排1105c、患者监测1105d、追踪1105e、运输1105f和/或出院护理1105g。例如,综合护理系统220、220'可以确定患者需要往返治疗中心的运输,并且可以自动安排运输,例如,公共交通、拼车、出租车、骑乘共享单车等,以便患者不会错过安排的治疗。附加地,综合护理系统220、220'可以向相关的护理提供者、例如医学专家、医生和/或护士发送患者结果,以用于监测和/或治疗建议。护理导航单元230'可以向患者提供服务,以解决与他们的肾脏疾病有关的完整医疗护理需求。
护理导航单元230、230'可以包括治疗过渡1105b,以使综合护理系统220、220'在肾脏疾病的进程中协调患者护理。例如,患者可能最初被诊断出患有慢性肾脏疾病(CKD)。然而,随着时间的推移,如果没有干预治疗(例如,肾脏移植)或改善肾脏功能,患者可能会发展为终末期肾脏疾病(ESRD)。随着患者肾脏疾病的进程,患者可能需要额外的服务、支持和/或医疗护理,这些服务、支持和/或医疗护理可能由护理导航单元230'经由综合护理系统220、220'并通过护理协调系统210'的护理框架在护理框架200'下进行监督和/或管理。根据本公开的实施例,识别先前未记录的共病可以提醒护理提供者更改或添加患者的推荐治疗过程。因此,患者可以接受针对他们的诊断的更有效、更有针对性的护理。
现在参考图3,综合护理系统、诸如综合护理系统220、220'可以包括控制器305、处理器310和存储器320。控制器305可以自动控制接收到的和发送到其它系统、例如附加的临床系统、外部系统以及业务管理和计费系统的信号。控制器305与其它系统之间的通信可以是双向的,借此系统可以确认控制信号,和/或可以提供与系统和/或所请求的操作相关联的信息。附加地,用户输入界面315和显示器302可以被设置成接收和/或显示来自用户、例如患者或诸如医生、护士、技术人员等的医学专业人员的输入。可以在用户输入界面315内采用的组件的示例包括键区、按钮、麦克风、触摸屏、手势识别装置、显示屏和扬声器。在一些实施例中,综合护理系统220、220'可以是用于存储和处理数据以及控制到其它系统的信号的服务器、计算机或其它装置。电源325可以允许综合护理系统220、220'接收电力,并且在一些实施例中可以是独立的电源。
处理器310可以被配置成能够执行操作系统,所述操作系统可以向应用软件提供平台服务,例如,用于操作综合护理系统220、220'。这些平台服务可以包括进程间和网络通信、文件系统管理和标准数据库操作。可以使用许多操作系统中的一个或多个,并且示例不限于任何特定的操作系统或操作系统特性。在一些示例中,处理器310可以被配置成能够执行实时操作系统(RTOS:Real-Time Operating System),如RTLinux,或非实时操作系统,如BSD或GNU/Linux。根据各种示例,处理器310可以是市售处理器,如由INTEL、AMD、MOTOROLA和FREESCALE制造的处理器。然而,处理器310可以是任何类型的处理器、多处理器或控制器,无论是市售的还是专门制造的。例如,根据一个示例,处理器310可以包括由MOTOROLA制造的MPC823微处理器。
存储器320可以包括被配置成能够存储非暂时性指令和数据的计算机可读和可写的非易失性数据存储介质。附加地,存储器320可以包括在处理器310的操作期间存储数据的处理器存储器。在一些示例中,处理器存储器包括相对高性能、易失性、随机存取存储器,如动态随机存取存储器(DRAM)、静态存储器(SRAM)或同步DRAM。然而,处理器存储器可以包括用于存储数据的任何装置,如非易失性存储器,其具有足够的信息通过量和存储容量以支持本文所述的功能。此外,示例不限于特定的存储器、存储器系统或数据存储系统。
存储在存储器320上的指令可以包括可以由处理器310执行的可执行程序或其它代码。该指令可以被持久地存储为编码信号,并且该指令可以使处理器310执行本文所述的功能。存储器320可以包括记录在介质上或介质中的信息,并且该信息可以在指令的执行期间由处理器310处理。存储器320还可以包括例如数据记录、用于治疗和/或操作的定时、历史信息、统计信息以及用于治疗的信息数据库。数据库可以存储在综合护理系统220、220'的存储器320中,并且可以由处理器310和控制器305访问。例如,可以从综合系统220、220'中的各种数据库中提取患者信息的历史数据,包括但不限于患者实验室结果、治疗数据、治疗期间的技术人员数据(医师/护士注释)等。提取的数据可以用于生成数据库,所述数据库可以用于训练机器学习模型,以评估共病因素。例如,机器学习模型可以识别具有一个或多个识别的共病的患者的特征,并针对可能有助于其诊断的共性分析患者实验室结果、治疗数据、护士注释等(参见图1D)。介质可以例如是光盘、磁盘或闪存等,并且可以永久地附到控制器305或从控制器305上移除。
综合护理系统220、220'可以包括通信链路306,以便其它系统可以连接到综合护理系统220、220'。例如,附加的临床系统、外部系统以及业务管理和计费系统可以连接到综合护理系统220、220',以发送和接收与提供患者护理相关联的数据和信息。在一些实施例中,通信链路306可以是无线的,以便系统可以是远程的,或者综合护理系统220、220'和/或系统265、270、275、280、285、230'中的一个或多个可以驻留在基于云的架构中并在基于云的架构中操作。
一种或多种算法可以利用历史数据的模型,以在综合护理系统220、220'输入和/或收集新输入的患者数据时分析该数据。算法可以基于历史数据来分析患者数据,以识别可能具有一个或多个未报告和/或未记录的共病的患者。综合护理系统220、220'还可以生成识别患者的报告以进行账单验证,和/或还可以将报告发送到护理协调单元230、230',以用于患者随访和治疗建议。识别共病状况可以例如通过改进患者记录中的共病状况的记录、更正账单不错误和/或利用共病状况为患者治疗提供临床决策支持来为患者提供更简化的护理策略。
综合护理系统220、220'也可以经由天线345无线连接以进行远程通信。例如,综合护理系统220、220'可以通过控制器305、处理器310和/或存储器320确定一个或多个患者参数,并且可以访问由外部系统存储的其它患者参数,例如,在存储在远离系统或机器的位置的服务器或数据库上或来自实验室或医院信息的电子医疗记录中的患者参数。对于综合护理系统220、220'来说,访问在其它情况下可能是未知的或无法确定的患者参数以提供对患者的完整护理分析可能是有利的。如上所述,患者数据可以被发送到综合护理系统220、220'和/或由综合护理系统220、220'访问。控制器305、处理器310和存储器320可以接收、存储和/或确定相关的人口统计和实验室值或其它数据以用于计算。
现在参考图4-5,描述了包括综合护理系统(护理分析和指导系统)220、220'的医疗护理系统(例如,协调护理框架200、200')的操作环境的示例性实施例。图4示出了可以代表一些实施例的操作环境400的一个示例。如图4所示,操作环境400可以包括能操作以用于治疗患者、例如患有慢性疾病的患者的系统405。在各种实施例中,系统405可以包括计算装置410。计算装置410可以包括处理电路420、存储器单元430、收发器450和/或显示器452。处理电路420可以通信地耦合到存储器单元430、收发器450和/或显示器452。应当理解,在一些实施例中,系统405可以包括协调护理框架200、200',并且在一些实施例中,系统405可以包括其它系统和/或框架。
在一些实施例中,计算装置410可以通过收发器450连接到网络460。网络460可以包括节点462a-n,例如,远程计算装置、数据源464和/或诸如此类。
处理电路420可以包括和/或可以访问各种逻辑以用于根据一些实施例执行处理。处理电路420或其部分可以在硬件、软件或其组合中实施。如本申请中所使用的,术语“逻辑”、“组件”、“层”、“系统”、“电路”、“解码器”、“编码器”和/或“模块”意指与计算机有关的实体,要么是硬件、硬件和软件的组合、软件,要么是执行中的软件,其示例由图15的示例性计算架构1500提供。例如,逻辑、电路或层可以是和/或可以包括但不限于在处理器上运行的进程、处理器、硬盘驱动器、(光学和/或磁性存储介质的)多个存储驱动器、对象、可执行文件、执行线程、程序、计算机、硬件电路、集成电路、专用集成电路(ASIC)、可编程逻辑装置(PLD)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、片上系统(SoC)、存储器单元、逻辑门、寄存器、半导体器件、芯片、微芯片、芯片组、软件组件、程序、应用程序、固件、软件模块、计算机代码、前述任何一种的组合和/或诸如此类。
还应当理解,处理电路420的组件可以位于加速器、处理器核心、接口、单独的处理器管芯内和/或完全实施为软件应用程序等。
存储器单元430可以包括一个或多个更高速度存储器单元形式的各种类型的计算机可读存储介质和/或系统,如只读存储器(ROM)、随机存取存储器(RAM)、动态RAM(DRAM)、双数据速率DRAM(DDRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、聚合物存储器、如铁电聚合物存储器、奥氏存储器、相变或铁电存储器、硅氧化物-氮化物-氧化物-硅(SONOS)存储器、磁卡或光卡、诸如独立磁盘冗余阵列(RAID)驱动器的装置的阵列、固态存储器装置(例如,USB存储器、固态驱动器(SSD))和任何其它类型的适合于存储信息的存储介质。此外,存储器单元430可以包括一个或多个较低速度存储器单元形式的各种类型的计算机可读存储介质,包括内部(或外部)硬盘驱动器(HDD)、磁性软盘驱动器(FDD)和从可移动光盘(例如,CD-ROM或DVD)读取或写入的光盘驱动器和/或固态驱动器(SSD)等。
存储器单元430可以存储各种信息,例如,一个或多个程序,以执行识别和治疗患有CKD和/或ESRD的患者的各种功能。在一些实施例中,存储器430可以包括具有应用程序编程接口(API:Application Programming Interface)和/或图形用户界面(GUI:GraphicalUser Interface)以读取、写入和/或以其它方式访问信息的逻辑,例如经由显示器452、Web接口、移动应用程序(“移动应用程序”、“移动app”或“app”)和/或诸如此类。以这种方式,在一些实施例中,操作者可以搜索、可视化、读取、添加或以其它方式访问与患者群体相关联的信息,以用于识别和治疗CKD和/或ESRD。
在一些实施例中,存储器单元430可以存储与患者群体相关联的各种信息,以用于识别和治疗CKD和/或ESRD。在一些实施例中,存储在存储器单元430中的信息可以从数据源464检索和/或移动到数据源464中,所述数据源464包括但不限于医院信息管理系统(HIMS:Hospital Information Management System)、实验室信息管理系统(LIMS:LaboratoryInformation Management System)、健康信息系统(HIS:Health Information System)、电子医疗记录(EMR)和/或临床试验数据库等。例如,作为患者信息分析435的一个或多个程序、模型或算法或其组合可以是可实现的。在一些实施例中,可以利用程序、模型和/或算法来确定风险评分,例如,识别患者的共病。
图5示出了可以代表一些实施例的操作环境500的一个示例。如图5所示,操作环境500可以包括平台505,例如,医疗护理交换平台。在一些实施例中,平台505可以用于在感兴趣的实体之间提供临床数据和/或临床试验信息的交换。在各种实施例中,平台505可以包括可操作以在节点560a-n和570a-n之间利用服务来识别患者群体并治疗CKD和/或ESRD的应用平台。在示例性实施例中,平台505可以是与医疗装置、医疗护理服务、临床研究服务、实验室服务、临床试验服务和/或诸如此类相关联的制造商和/或开发商(“开发商”)提供给客户的软件平台、套件和/或协议集等。
例如,开发商可以提供平台505作为数据交换接口,以供各种实体使用,包括政府实体(例如,FDA)和其它利益相关者(例如,药品制造商、医疗装置制造商和/或诸如此类)。诸如医院、透析诊所、医疗护理提供者、政府实体、监管实体、药品制造商、医疗装置制造商和/或诸如此类的实体,经由开发商提供的节点570a-n提供和/或接收临床试验服务,可以使用平台505来根据一些实施例实施过程。其它实体可以经由诸如客户端应用程序、Web接口、移动应用程序和/或诸如此类的GUI访问平台505,例如,用于执行与存储器522相关联的功能。在一些实施例中,平台505的至少一部分可以托管在云计算环境中。
节点570a-n可以是存储器522的数据生产者,而节点560a-n可以是存储器522的数据消费者。例如,节点570a-n可以包括提供由存储器522用于生成、执行和/或评估患者群体的临床数据、模型信息和/或诸如此类的实体。节点560a-n可以包括第三方应用、决策者、分析过程、监管者和/或可能对生成、执行和/或评估患者群体的结果感兴趣的其它数据消费者。实体既可以是数据生产者,也可以是数据消费者。
例如,节点560a可以是基于对包括医疗记录、实验室数据、药房等(节点570a)的患者群体的分析向患者提供治疗的护理提供者(节点560b)。数据生产者570a-n可以根据许可以例如以HIMS、LIMS、EMR和/或诸如此类中的记录的形式向平台505提供分析数据。数据消费者560a-n可以根据许可经由平台505(例如,通过HIMS、LIMS、EMR和/或诸如此类和/或此类记录的本地副本)来访问分析数据。
在一些实施例中,平台505可以根据基于云的模型和/或“即服务”模型进行操作。以这种方式,平台505可以提供作为单个中央平台操作的服务,该中央平台允许实体访问临床数据、模型信息和/或模拟结果等。
在一些实施例中,推荐的治疗和/或服务中的一个可以是改变或更改用于患者的透析治疗处方。在一些实施例中,可以识别ESRD患者的一个或多个共病,这可以改变治疗,例如,透析治疗。治疗的改变可以由综合护理系统220、220'直接发送到所选择的透析机器或诊所进行患者治疗。如图12-14所示和下面描述的,透析机器1200、1300、1400,例如诸如腹膜透析机器或血液透析机器等的透析机器,可以连接到综合护理系统220、220',以用于发送和接收透析信息,以向患者提供适当的护理。血液透析机器可以位于诸如肾脏护理诊所、透析诊所或其它第三方护理提供者等的肾脏诊所中。在一些实施例中,腹膜透析机器和/或血液透析机器可以是家用机器,例如,可以在患者的家中执行治疗。如上所述,综合护理系统可以适用于其它慢性疾病,并且可以连接到与那些疾病有关的机器,那些疾病包括但不限于慢性肾脏疾病,或者上述一种或两种以上其它慢性疾病和状况。
参考图12,示出了根据本公开的透析机器1200和控制器1205的一个示例性实施例的示意图。透析机器1200可以是用于对患者执行透析治疗的透析机器,例如,腹膜透析机器或血液透析机器(参见图12-14)。控制器1205可以在透析治疗的过程期间自动控制治疗功能的执行。例如,控制器1200可以基于从护理分析和指导系统220、220'接收到的信息来控制透析治疗。控制器1205可以操作地连接到传感器1240,并传送一个或多个信号以执行一个或多个治疗功能,或者与各种治疗系统相关联的治疗过程。虽然图12示出了并入透析机器1200中的组件,但是控制器1205、处理器1210和存储器1220中的至少一个可以被配置成能够在外部并且有线或无线地连接到透析机器1200,作为透析系统的单独的组件。在一些实施例中,控制器1205、处理器1210和存储器1220可以远离透析机器并且被配置成能够无线通信。
在一些实施例中,系统或机器1200、1300、1400的控制器1205、处理器1210和存储器1220可以从传感器1240接收指示一个或多个患者参数的信号。控制器1205与治疗系统之间的通信可以是双向的,借此治疗系统确认控制信号,和/或可以提供与治疗系统和/或所请求的操作相关联的状态信息。例如,系统状态信息可以包括与待由治疗系统执行的特定操作(例如,用于输送透析液的触发泵、用于输送过滤后的血液的触发泵和/或压缩机等)相关联的状态和与特定操作(例如,准备执行、在执行、完成、成功完成、排队等待执行、等待控制信号等)相关联的状态。
透析系统或机器1200、1300、1400还可以包括至少一个操作地连接到控制器1205的泵1250。控制器1205还可以操作地连接到设置在系统或透析机器1200、1300、1400中的一个或多个扬声器1230和一个或多个麦克风1235。用户输入界面1215可以包括允许控制器1205与诸如患者或其它用户的外部实体通信的硬件和软件组件的组合。这些组件可以被配置成能够从诸如身体运动或手势等的措施和言语语调接收信息。在实施例中,用户输入界面1215的组件可以向外部实体提供信息。可以在用户输入界面1215内使用的组件的示例包括键区、按钮、麦克风、触摸屏、手势识别设备、显示屏和扬声器。
如图12所示,传感器1240可以被包括,以用于检测和监测一个或多个参数,并且传感器1240可以操作地连接到至少控制器1205、处理器1210和存储器1220。处理器1210可以被配置成能够执行操作系统,操作系统可以向应用程序软件提供平台服务,例如以用于操作透析机器1200。这些平台服务可以包括进程间和网络通信、文件系统管理和标准数据库操作。可以使用许多操作系统中的一个或多个,并且示例不限于任何特定的操作系统或操作系统特性。在一些示例中,处理器1210可以被配置成能够执行实时操作系统(RTOS),如RTLinux,或者非实时操作系统,如BSD或GNU/Linux。根据各种示例,处理器1210可以是市售处理器,如由INTEL、AMD、MOTOROLA和FREESCALE制造的处理器。然而,处理器1210可以是任何类型的处理器、多处理器或控制器,无论是市售的还是专门制造的。例如,根据一个示例,处理器1210可以包括由MOTOROLA制造的MPC823微处理器。
存储器1220可以包括被配置成能够存储非暂时性指令和数据的计算机可读和可写的非易失性数据存储介质。此外,存储器1220可以包括在处理器1210的操作期间存储数据的处理器存储器。在一些示例中,处理器存储器包括相对高性能、易失性、随机存取存储器,如动态随机存取存储器(DRAM)、静态存储器(SRAM)或同步DRAM。然而,处理器存储器可以包括用于存储数据的任何装置,如非易失性存储器,其具有足够的信息通过量和存储容量以支持本文所述的功能。此外,示例不限于特定的存储器、存储器系统或数据存储系统。
存储在存储器1220上的指令可以包括可以由处理器1210执行的可执行程序或其它代码。该指令可以被持久地存储为编码信号,并且该指令可以使处理器1210执行本文所述的功能。存储器1220可以包括记录在介质上或介质中的信息,并且该信息可以在指令的执行期间由处理器1210处理。存储器1220还可以包括例如用于用户定时要求的数据记录的规范、用于治疗和/或操作的定时、历史传感器信息以及其它数据库等。介质可以例如是光盘、磁盘或闪存等,并且可以永久地附于控制器1200上或从控制器1200上移除。
压力传感器可以被包括,以用于监测系统或机器1200、1300、1400的流体压力,虽然传感器1240也可以包括心率传感器、呼吸传感器、温度传感器、重量传感器、视频传感器、热成像传感器、脑电图传感器、运动传感器、音频传感器、加速计或电容传感器中的任何一种。应当理解,传感器1240可以包括具有变化的采样率的传感器,包括无线传感器。基于由传感器1240监测的数据,诸如心率和呼吸速率等的患者参数可以由控制器1200确定。
控制器1205可以设置在机器1200、1300、1400中,或者可以经由示意性地示为通信元件1206的通信端口或无线通信链路耦合到机器1200、1300、1400。例如,通信元件1206可以将透析机器1200、1300、1400连接到护理分析和指导系统220、220'或诸如外部系统或其它临床系统的另一个远程系统。透析机器1200、1300、1400可以经由通信元件1206连接到综合护理系统220、220',以便控制器1205可以向护理分析和指导系统220、220'发送和接收信息和其它信号。如上所述,护理分析和指导系统220、220'可以基于从其它系统,例如,外部系统、临床系统,接收到的信息,将规定的透析治疗直接引导到透析机器,以确保患者接受正确的治疗。透析机器还可以向护理分析和指导系统220、220'发送数据和其它信息,以便如果透析治疗需要调整,护理分析和指导系统220、220'可以确保任何变化都不会不利地影响患者的健康。
作为设置在机器1200、1300、1400内的组件,控制器1205可以操作地连接到传感器1240、泵1250、泵头1404、1406等中的任何一个或多个。控制器1205可以将控制信号或触发电压通信到系统或机器1200、1300、1400的组件。如所讨论的,控制器1205的示例性实施例可以包括无线通信接口。控制器1205可以检测远程装置以确定是否有任何远程传感器可用于增强用于评估患者的任何传感器数据。
如图12所示,电源1225可以被包括,以例如允许机器1200接收电力,并且在一些实施例中可以是独立的电源。也可以包括显示器1202。显示器1202可以起到向患者和透析机器1200的操作者提供信息的作用。例如,显示器1202可以示出与待应用于患者的透析治疗有关的信息,包括与处方有关的信息。透析机器1200也可以经由天线1245无线连接以进行远程通信。
图13A-图13B示出了腹膜透析(PD)系统1301的一个示例,所述系统是根据本文所述的系统的一个示例性实施例配置的。在一些实施方式中,PD系统1301可以是家庭PD系统,例如,被配置用于在患者家中使用的PD系统。透析系统1301可以包括透析机器1300(例如,腹膜透析机器1300,也称为PD循环仪),并且在一些实施例中,该机器可以坐在推车1334上。
透析机器1300可以包括壳体1306、门1308和包括用于接触一次性匣盒或盒1315的泵头1342、1344的盒式接口,其中,盒1315位于在盒式接口与关闭的门1308之间形成的隔室(例如,腔1305)内。流体管线1325可以以已知的方式,例如经由连接器耦合到盒1315,并且还可以包括用于控制流体流入和流出容纳新鲜透析液和加温流体的流体袋的阀。在另一个实施例中,流体管线1325的至少一部分可以与盒1315成一体。在操作之前,用户可以打开门1308以插入新的盒1315,并且在操作之后移除用过的盒1315。
盒1315可以放置在机器1300的腔1305中以供操作。在操作期间,透析流体可以经由盒1315流入患者的腹部,并且用过的透析液、废物和/或多余的流体可以经由盒1315从患者的腹部去除。门1308可以牢固地关闭到机器1300上。用于患者的腹膜透析可以包括大约10至30升流体的总治疗,其中大约2升的透析流体被泵入到患者的腹部,保留一段时间,例如,约一个小时,然后从患者身体泵出。重复该过程直到达到全部治疗量,并且通常发生在患者入睡的夜间。
加热器托盘1316可以定位在壳体1306的顶部上。加热器托盘1316可以是任何尺寸和形状,以容纳一袋透析液(例如,5L透析液袋)用于分批加热。透析机器1300还可以包括用户界面,如可由用户(例如,护理者或患者)操作的触摸屏1318和控制面板1320,以允许例如设置、启动和/或终止透析治疗。在一些实施例中,加热器托盘1316可以包括加热元件1335,用于在将透析液输送到患者体内之前对其进行加热。
透析液袋1322可以悬挂在推车1334侧面的钩上,并且加热器袋1324可以定位在加热器托盘1316中。悬挂透析液袋1322可以改善空气管理,因为空气内容物可以通过重力排到透析液袋1322的顶部部分。虽然在图13B中示出了四个透析液袋1322,但是任何数量的“n”个透析液袋可以连接到透析机器1300(例如,1至5个袋,或更多),并且对第一和第二袋的引用不限制在透析系统1301中使用的袋的总数。例如,透析机器可以具有可连接在系统1301中的透析液袋1322a、...、1322n。在一些实施例中,连接器和管端口可以连接透析液袋1322和用于转移透析液的管线。来自透析液袋1322的透析液可以分批转移到加热袋1324。例如,一批透析液可以从透析液袋1322转移到加热器袋1324,在加热器袋处透析液由加热元件1335加热。当该批透析液已经达到预定的温度(例如,大约98°-100°F,37℃)时,该批透析液可以流入患者体内。透析液袋1322和加热器袋1324可以分别经由透析液袋管线或管1325和加热器袋管线或管1328连接到盒1315。透析液袋管线1325可以用于在使用期间将透析液从透析液袋1322传递到盒,并且加热器袋管线1328可以用于在使用期间在盒与加热器袋1324之间来回传递透析液。此外,患者管线1336和排出管线1332可以连接到盒1315。患者管线1336可以经由导管连接到患者的腹部,并且可以用于在使用期间通过泵头1342、1344在盒与患者的腹膜腔之间来回传递透析液。排出管线1332可以连接到排出系统或排出容器,并且可以用于在使用期间将透析液从盒传递到排出系统或排出容器。
虽然在一些实施例中,透析液可以如上所述进行分批加热,但是在其它实施例中,透析机器可以通过在线加热来加热透析液,例如,在将透析液输送到患者之前,连续地使透析液流过位于加热元件之间的较暖的包袋。例如,代替将用于分批加热的加热器袋放置在加热器托盘上,可以在透析机器内部设置一个或多个加热元件。较暖的包袋可以经由开口插入到透析机器中。还应当理解的是,较暖的包袋可以经由管(例如,管1325)或流体管线经由盒连接到透析机器。所述管可以是可连接的,以便透析液可以从透析液袋流出通过用于加热的较暖的包袋并流向患者。
在这样的在线加热实施例中,可以配置较暖的包袋,以便透析液可以连续流过该较暖的包袋(而不是分批地转移以进行分批加热),以在流入患者体内之前达到预定的温度。例如,在一些实施例中,透析液可以以大约100-300mL/min之间的速率持续流过较暖的包袋。内部加热元件(未示出)可以位于开口的上方和/或下方,以便当将较暖的包袋插入到开口中时,一个或多个加热元件可以影响流过较暖的包袋的透析液的温度。在一些实施例中,内部的较暖的包袋可以替代地是系统中被加热元件经过、围绕加热元件或以其它方式相对于加热元件配置的管的一部分。
触摸屏1318和控制面板1320可以允许操作者向透析机器1300输入各种治疗参数,并以其它方式控制透析机器1300。此外,触摸屏1318可以用作显示器。触摸屏1318可以起到向患者和透析系统1301的操作者提供信息的作用。例如,触摸屏1318可以显示与待应用于患者的透析治疗有关的信息,包括与处方有关的信息。
透析机器1300可以包括处于透析机器1300内部的处理模块1302,所述处理模块1302被配置成能够与触摸屏1318和控制面板1320通信。处理模块1302可以被配置成能够从触摸屏1318、控制面板1320和传感器、例如,重量、空气、流量、温度和/或压力传感器接收数据,基于接收到的数据来控制透析机器1300。例如,处理模块1302可以调整透析机器1300的操作参数。
透析机器1300可以被配置成能够连接到网络1303。到网络1303的连接可以经由有线和/或无线连接。透析机器1300可以包括被配置成能够促进到网络1303的连接的连接组件1304。连接组件1304可以是用于无线连接的收发器和/或用于处理通过有线连接发送和接收的信号的其它信号处理器。其它医疗装置(例如,其它透析机器)或组件可以被配置成能够连接到网络1303并且与透析机器1300通信。
诸如触摸屏1318和/或显示器1320的用户界面部分可以包括用于选择和/或输入用户信息的一个或多个按钮。触摸屏1318和/或控制面板1320可以操作地连接到控制器(未示出),并且设置在机器1300中,用于接收和处理用于操作透析机器器1300的输入。
在一些实施例中,机器1200、1300、1400可以——替代性地或同时地或协同于向综合护理系统220、220'发送信息——将信息或提醒无线传输(例如,经由无线互联网连接)到远程位置,包括但不限于医生办公室、医院、呼叫中心和技术支持。例如,机器1200、1300、1400可以提供对机器操作和患者参数的实时远程监控。机器1200的存储器1220可以存储数据,或者机器1200、1300、1400可以以预定间隔向本地或远程服务器传输数据。
图14示出了根据本公开的透析系统1400的一个示例性实施例的示意图。透析系统1400可以被配置成能够向患者1401提供血液透析治疗。流体储存器1402可以经由管1403将新鲜透析液输送到透析器1404,并且一旦透析液通过透析器1404,储存器1406可以经由管1405接收用过的透析液。血液透析操作可以通过患者外部过滤装置、例如透析器1404从患者血液中过滤微粒和/或污染物。由于透析液通过透析器1404,因此未过滤的患者血液也经由管1407进入透析器,并且过滤后的血液经由管1409返回给患者。可以经由压力传感器1410监测动脉压、经由传感器1418监测流入压力、经由压力传感器1414监测静脉压力。空气阱和检测器1416可以确保空气当被过滤并返回给患者1401时,没有被引入患者血液中。血液的流动和透析液的流动经由相应的泵、包括血液泵1412和流体泵1420来控制。肝素1422——一种血液稀释剂,可以与盐水1424结合使用,以确保血块不形成或阻塞通过系统的血液流动。
在一些实施例中,透析系统1400可以包括控制器1450,其可以类似于以上关于透析机器1200所描述的控制器1205。控制器1450可以被配置成能够监视流体压力读数以识别指示诸如心率和/或呼吸速率等的患者参数的波动。在一些实施例中,患者心率和/或呼吸速率可以由流体流动管线和流体袋中的流体压力来确定。控制器1450还可以操作地连接到附加的传感器或传感器系统和/或与附加的传感器或传感器系统通信,虽然控制器1450可以使用关于患者的生物学功能或其它患者参数的任何可用数据。例如,机器1200、1300、1400可以将患者数据发送到综合护理系统220、220',以用于计算具有一个或多个共病的患者的风险评分。
图15示出了适合于实施如前所述的各种实施例的示例性计算架构1500的一个实施例。在各种实施例中,计算架构1500可以包括或被实施为电子装置的一部分。在一些实施例中,计算架构1500可以代表例如计算装置410和/或平台505和/或综合护理系统220、220'的组件。实施例不限于此上下文。
如在本申请中所使用的,术语“系统”和“组件”以及“模块”意指与计算机有关的实体,要么是硬件、硬件和软件的组合、软件,要么是执行中的软件,其示例由示例性计算架构1500提供。例如,组件可以是但不限于在处理器上运行的进程、处理器、硬盘驱动器、(光学和/或磁性存储介质的)多个存储驱动器、对象、可执行文件、执行线程、程序和/或计算机。作为说明,在服务器上运行的应用程序和服务器都可以是组件。一个或多个组件可以处于进程和/或执行线程内,并且组件可以位于一台计算机上和/或分布在两台或两台以上计算机之间。此外,组件可以通过各种类型的通信介质彼此通信地耦合以协调操作。协调可能涉及单向或双向的信息交换。例如,组件可以以在通信介质上传递的信号的形式来通信信息。该信息可以被实现为分配给各种信号线的信号。在这样的分配中,每个消息都是信号。然而,其它实施例可以替代性地使用数据消息。这样的数据消息可以通过各种连接发送。示例性连接包括并行接口、串行接口和总线接口。
计算架构1500包括诸如一个或多个处理器、多核处理器、协处理器、存储器单元、芯片组、控制器、外围设备、接口、振荡器、定时装置、视频卡、音频卡、多媒体输入/输出(I/O)组件、电源等各种常见的计算元件。然而,实施例并不限于由计算架构1500实现。
如图15所示,计算架构1500包括处理单元1504、系统存储器1506和系统总线1508。处理单元1504可以是各种市售处理器中的任何一种,包括但不限于和处理器;应用程序、嵌入式和安全处理器;和和处理器;IBM和Cell处理器;Core(2) 和处理器;以及类似的处理器。双微处理器、多核处理器和其它多处理器架构也可以用作处理单元1504。
系统总线1508向处理单元1504提供用于包括但不限于系统存储器1506的系统组件的接口。系统总线1508可以是可以使用各种市售总线架构中的任何一种进一步互连到存储器总线(带有或没有存储器控制器)、外围总线和本地总线的多种类型的总线结构中的任何一种。接口适配器可以经由插槽架构连接到系统总线1508。示例插槽架构可以包括但不限于加速图形端口(AGP)、卡总线、(扩展的)行业标准架构((E)ISA)、微通道架构(MCA)、NuBus、外围组件互连(扩展的)(PCI(X))、PCI Express、个人计算机存储卡国际协会(PCMCIA)等。
系统存储器1506可以包括一个或多个更高速度存储器单元形式的各种类型的计算机可读存储介质,如只读存储器(ROM)、随机存取存储器(RAM)、动态RAM(DRAM)、双数据速率DRAM(DDRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、聚合物存储器,如铁电聚合物存储器、奥氏存储器、相变或铁电存储器、硅氧化物-氮化物-氧化物-硅(SONOS)存储器、磁卡或光卡、诸如独立磁盘冗余阵列(RAID)驱动器的装置的阵列、固态存储器装置(例如,USB存储器、固态驱动器(SSD)和任何其它类型的适合于存储信息的存储介质。在图15中所示的说明性实施例中,系统存储器1506可以包括非易失性存储器1510和/或易失性存储器1512。基本输入/输出系统(BIOS)可以存储在非易失性存储器1510中。
计算机1502可以包括一个或多个较低速度存储器单元形式的各种类型的计算机可读存储介质,包括内部(或外部)硬盘驱动器(HDD)1514、从可移动磁盘1518读取或写入的磁性软盘驱动器(FDD)1516以及从可移动磁盘1522(例如,CD-ROM或DVD)读取或写入的光盘驱动器1520。HDD 1514、FDD 1516和光盘驱动器1520可以分别通过HDD接口1524、FDD接口1526和光盘驱动器接口1528连接到系统总线1508。用于外部驱动器实现的HDD接口1524可以包括通用串行总线(USB)和IEEE 884接口技术中的至少一项或两者。
驱动器和相关联的计算机可读介质提供数据、数据结构、计算机可执行指令等的易失性和/或非易失性存储。例如,许多程序模块可以存储在驱动器和存储器单元1510、1512中,包括操作系统1530、一个或多个应用程序1532、其它程序模块1534和程序数据1536。在一个实施例中,所述一个或多个应用程序1532、其它程序模块1534和程序数据1536可以包括例如系统和/或设备200、200'、220、220'、400、500的各种应用程序和/或组件。
用户可以通过一个或多个有线/无线输入装置,例如,键盘1528和诸如鼠标1540的指向装置,向计算机1502输入命令和信息。其它输入装置可以包括麦克风、红外线(IR)遥控器、射频(RF)遥控器、游戏垫、手写笔、读卡器、加密狗、指纹读取器、手套、图形输入板、操纵杆、键盘、视网膜读取器、触摸屏(例如,电容式、电阻式等)、轨迹球、轨迹板、传感器、触控笔等。这些和其它输入装置通常通过耦合到系统总线1508的输入装置接口1542连接到处理单元1504,但是可以通过诸如并行端口、IEEE 894串行端口、游戏端口、USB端口、IR接口等的其它接口来连接。
监视器1544或其它类型的显示装置也经由诸如视频适配器1546等的接口连接到系统总线1508。监视器1544可以在计算机802的内部或外部。除了监视器1544之外,计算机通常还包括诸如扬声器、打印机等其它外围输出装置。
计算机1502可以在网络环境中使用经由到一个或多个远程计算机、例如远程计算机1548的有线和/或无线通信的逻辑连接来操作。远程计算机1548可以是工作站、服务器计算机、路由器、个人计算机、便携式计算机、基于微处理器的娱乐设备、对等装置或其它公共网络节点,并且通常包括相对于计算机1502所描述的许多或所有元件,但是为简洁起见,仅示出了存储器/存储装置1550。所描绘的逻辑连接包括到局域网(LAN)1552和/或更大的网络、例如广域网(WAN)1554的有线/无线连接。这样的LAN和WAN网络环境在办公室和公司中是常见的,并且促进了全企业范围的计算机网络,如内联网,所有这些网络都可以连接到全球通信网络,例如,互联网。
当在LAN网络环境中使用时,计算机1502通过有线和/或无线通信网络接口或适配器1556连接到LAN 1552。适配器1556可以促进到LAN 1552的有线和/或无线通信,LAN 1552还可以包括设置在其上的无线接入点,用于与适配器1556的无线功能通信。
当在WAN网络环境中使用时,计算机1502可以包括调制解调器1558,或者连接到WAN 1554上的通信服务器,或者具有通过WAN 1554、例如通过互联网建立通信的其它装置。调制解调器1558,其可以是内部的或外部的,并且可以是有线和/或无线装置,经由输入装置接口1542连接到系统总线1508。在网络环境中,相对于计算机1502或其部分描绘的程序模块,可以存储在远程存储器/存储装置1550中。应当理解,所示的网络连接是示例性的,并且可以使用在计算机之间建立通信链路的其它方法。
计算机1502可操作以使用IEEE 802系列标准与有线和无线装置或实体、如操作地设置在无线通信(例如,IEEE 802.16空中调制技术)中的无线装置进行通信。这至少包括Wi-Fi(或无线保真)、WiMax和BluetoothTM无线技术等。因此,通信可以是与传统网络一样的预定义结构,或者仅仅是至少两个装置之间的简单自组织通信。Wi-Fi网络使用称为IEEE802.11x(a、b、g、n等)的无线电技术来提供安全、可靠、快速的无线连接。Wi-Fi网络可以用于将计算机彼此连接、连接到互连网和连接到有线网络(这些网络使用与IEEE 802.3相关的媒体和功能)。
所公开的系统的一些实施例可以例如使用存储介质、计算机可读介质或制造的物品来实施,该存储介质、计算机可读介质或制造的物品可以存储指令或指令集,如果该指令或指令集由机器(即,处理器或微控制器)执行,则可以使机器执行根据本公开的实施例的方法和/或操作。此外,服务器或数据库服务器可以包括被配置成能够存储机器可执行程序指令的机器可读介质。这样的机器可以包括例如任何合适的处理平台、计算平台、计算装置、处理装置、计算系统、处理系统、计算机、处理器等,并且可以使用硬件、软件、固件或其组合的任何合适的组合来实现,并且可以用于系统、子系统、组件或子组件。计算机可读介质或物品可以包括例如任何合适类型的存储器单元、存储器装置、存储器物品、存储器介质、存储装置、存储物品、存储介质和/或存储单元,例如,存储器(包括非临时存储器)、可移动或不可移动介质、可擦除或不可擦除介质、可写或可重写介质、数字或模拟介质、硬盘、软盘、光盘只读存储器(CD-ROM)、可记录光盘(CD-R)、可重写光盘(CD-RW)、光盘、磁性介质、磁光介质、可移动存储卡或磁盘、各种类型的数字多功能磁盘(DVD)、磁带、盒式磁带等。指令可以包括使用任何合适的高级、低级、面向对象、可视化、编译的和/或解释的编程语言实现的任何合适类型的代码,如源代码、编译代码、解释代码、可执行代码、静态代码、动态代码、加密代码等。
本文已经阐述了许多具体细节,以提供对实施例的透彻理解。然而,本领域技术人员将理解,可以在没有这些具体细节的情况下实践实施例。在其它情况下,没有详细描述众所周知的操作、组件和电路,以免混淆实施例。可以理解的是,本文公开的具体结构和功能细节可以是代表性的,并且不一定限制实施例的范围。
一些实施例可以使用表述“耦合”和“连接”及其派生词来描述。这些术语并非旨在互为同义词。例如,一些实施例可以使用术语“连接”和/或“耦合”来描述,以指示两个或两个以上元件彼此直接物理或电接触。然而,术语“耦合”也可以表示两个或两个以上元件彼此不直接接触,但是仍然彼此协作或相互作用。
除非另有明确说明,否则可以理解,诸如“处理”、“计算”、“推算”、“确定”等术语是指计算机或计算系统或类似的电子计算装置的措施和/或过程,这些措施和/或过程将计算系统的寄存器和/或存储器中表示为物理量(例如,电子)的数据操纵和/或转换为类似地表示为计算系统的存储器、寄存器或其它此类信息存储、传输或显示装置内的物理量的其它数据。实施例不限于此上下文。
应注意,本文所述的方法不必以所述的顺序或以任何特定的顺序执行。此外,关于本文中所识别的方法描述的各种活动可以以串行或并行方式执行。
虽然在此已经示出和描述了特定实施例,但是应当理解,被计算为实现相同目的的任何布置可以代替所示的特定实施例。本公开旨在涵盖各种实施例的任何和所有修改或变化。应当理解,以上描述是以说明性的方式作出的,而不是限制性的。在回顾以上描述时,以上实施例和本文未具体描述的其它实施例的组合对于本领域技术人员来说将是显而易见的。因此,各种实施例的范围包括其中使用以上组成、结构和方法的任何其它应用。
虽然已经以特定于结构特征和/或方法措施的语言描述了主题,但是应该理解,所附权利要求书中定义的主题不一定限于上述特定特征或措施。相反,上述特定特征和措施被公开为实现权利要求的示例形式。
如本文中所使用的,以单数形式叙述并且以单词“一”或“一个”为前缀的元件或操作应被理解为不排除复数个元件或操作,除非明确地叙述了这种排除。此外,对本公开的“一个实施例”的引用不旨在被解释为排除也结合了所叙述的特征的附加的实施例的存在。
在本说明书中和权利要求书中使用的范围内,以“[a]和[b]中的至少一个”的一般形式的叙述应被解释为选言的。例如,对“[a]、[b]和[c]中的至少一个”的叙述将包括单独的[a]、单独的[b]、单独的[c]或[a]、[b]和[c]的任何组合。
本公开不受本文所述的具体实施例的范围限制。实际上,除了本文所述的那些实施例之外,根据前面的描述和附图,本公开的其它各种实施例和修改对于本领域普通技术人员来说将是显而易见的。因此,这样的其它实施例和修改旨在落入本公开的范围内。此外,虽然本公开在此已经在出于特定目的的特定环境中的特定实现的上下文中进行了描述,但是本领域普通技术人员将认识到其实用性不限于此,并且本公开可以出于任何数量的目的而有利地在任何数量的环境中有益地实施。
Claims (28)
1.一种用于确定患者的未记录的共病状况的系统,所述系统包括:
综合护理系统,其被配置成能够:
从对应于接受治疗的患者池的一个或多个数据库中提取患者数据;连同提取的患者数据使用一个或多个预测模型,以便为患者池中的每个患者针对具有未记录的共病状况生成相应的患者风险评分;识别具有高于预定阈值的相应的患者风险评分的患者池的子集;以及
基于所识别的患者池的子集,识别一个或多个患者,以用于附加的评估、附加的检查或其组合。
2.根据权利要求1所述的系统,其中,所述综合护理系统被配置成:能够基于所识别的患者池的子集,执行患者记录的审查,其中,所述患者记录的审查包括审查患者记录以进行账单更正、患者数据更正、提供临床干预、改变患者的治疗计划或其组合。
3.根据权利要求1所述的系统,其中,所述综合护理系统被配置成:能够基于所识别的患者池的子集,执行患者记录的审查,其中,所述患者记录的审查包括识别任何被忽视的、未报告的或未记录的状况、更正任何被忽视的、未报告的或未记录的状况、更正账单错误、提供临床决策支持或其组合。
4.根据权利要求1所述的系统,其中,所述患者风险评分包括来自聚集共病模型的聚集风险评分、或来自一个或多个单独的模型的一个或多个单独的风险评分、或其组合。
5.根据权利要求1所述的系统,其中,使用一个或多个预测模型来生成患者风险评分包括:
使用一个或多个单独的预测模型来生成与单独的状况相关联的单独的患者风险评分;以及
将所述单独的患者风险评分输入到聚集共病模型中,以用于计算患者风险评分。
6.根据权利要求5所述的系统,其中,所述一个或多个单独的预测模型选自以下模型中的一个:胃肠道(GI)出血模型、心包炎模型、骨髓增生异常模型、溶血性贫血模型、镰状细胞贫血模型、或聚集共病模型、或其组合。
7.根据权利要求1所述的系统,其中,所述综合护理系统被配置成能够:
生成包括所识别的患者池的子集的至少一部分及其相应的患者风险评分的报告;以及
将所述报告传送到一个或多个医疗护理机构。
8.根据权利要求7所述的系统,其中,所述一个或多个医疗护理机构还从所识别的患者池的子集的一部分中识别用于附加的审查的一个或多个患者;以及
对于被识别为用于附加的审查的每个患者,执行以下中的一个或多个操作:
对患者记录进行审查,以识别任何被忽视的、未报告的和/或未记录的状况;
获得附加的信息或文档、或其组合;
更新患者记录以反映诊断、或一个或多个共病状况的可能性、或其组合;或
将帐单请求项与相应的患者风险评分进行比较。
9.根据权利要求1所述的系统,其中,所述综合护理系统被配置成:能够在使用一个或多个预测模型之前分析提取的患者数据,以使一个或多个患者记录合格适于以包括在所述一个或多个预测模型中。
10.根据权利要求1所述的系统,其中,所提取的患者数据包括实验室值、住院史、住院记录、药房处方史、其它记录的共病状况、患者人口统计信息、医疗护理提供者的注释、或关键词、或其组合。
11.根据权利要求1所述的系统,其中,所提取的患者数据包括实验室值,所述实验室值包括血红蛋白水平、PT、血小板计数、转铁蛋白饱和度(TSAT)、或钙水平、或其组合。
12.根据权利要求1所述的系统,其中,所述综合护理系统被配置成:能够将更新的患者信息传送到一个或多个医疗护理机构,以将患者的共病状况告知所述一个或多个医疗护理机构。
13.一种用于识别患者的未记录的共病状况的方法,所述方法包括:
从对应于接受治疗的患者池的一个或多个数据库中提取患者数据;
连同提取的患者数据使用一个或多个预测模型,以便为患者池中的每个患者针对具有未记录的共病状况生成相应的患者风险评分;
识别具有高于预定阈值的相应的患者风险评分的患者池的子集;以及
基于所识别的患者池的子集,识别一个或多个患者,以用于附加的评估、附加的审查或其组合。
14.根据权利要求13所述的方法,其中,所述方法还包括:基于所识别的患者池的子集,执行患者记录的审查,其中,所述患者记录的审查包括审查患者记录以进行账单更正、患者数据更正、提供临床干预、改变患者的治疗计划或其组合。
15.根据权利要求13所述的方法,其中,所述方法还包括:基于所识别的患者池的子集,执行患者记录的检查,其中,所述患者记录的审查包括识别任何被忽视的、未报告的或未记录的状况、更正任何被忽视的、未报告的或未记录的状况、更正账单错误、提供临床决策支持或其组合。
16.根据权利要求13所述的方法,其中,所述患者风险评分包括来自聚集共病模型的聚集风险评分、或来自一个或多个单独的模型的一个或多个单独的风险评分、或其组合。
17.根据权利要求13所述的方法,其中,使用一个或多个预测模型来生成患者风险评分包括:
使用一个或多个单独的预测模型来生成与单独的状况相关联的单独的患者风险评分;以及
将所述单独的患者风险评分输入到聚集共病模型中,以用于计算患者风险评分。
18.根据权利要求17所述的方法,其中,所述一个或多个单独的预测模型选自以下模型中的一个:胃肠道(GI)出血模型、心包炎模型、骨髓增生异常模型、溶血性贫血模型、镰状细胞贫血模型、或聚集共病模型、或其组合。
19.根据权利要求13所述的方法,其中,所述方法还包括:
生成包括所识别的患者池的子集的至少一部分及其相应的患者风险评分的报告;以及
将所述报告传送到一个或多个医疗护理机构。
20.根据权利要求19所述的方法,其中,所述一个或多个医疗护理机构还从所识别的患者池的子集的一部分中识别用于附加的审查的一个或多个患者;以及
对于被识别为用于附加的审查的每个患者,执行以下中的一个或多个操作:
对患者记录进行审查,以识别任何被忽视的、未报告的和/或未记录的状况;
获得附加的信息或文档、或其组合;
更新患者记录以反映诊断、或一个或多个共病状况的可能性、或其组合;或
将帐单请求项与相应的患者风险评分进行比较。
21.根据权利要求13所述的方法,其中,所述预定阈值是预定阈值百分比,所述预定阈值百分比等于或大于50%。
22.根据权利要求13所述的方法,其中,所述方法还包括:在使用一个或多个预测模型之前,分析提取的患者数据,以使一个或多个患者记录合格以适于包括在所述一个或多个预测模型中。
23.根据权利要求22所述的方法,其中,使一个或多个患者记录合格包括移除任何离群患者、具有预定的临床指标的患者、或与医疗补助和医疗保险服务中心相关联的患者、或其组合。
24.根据权利要求23所述的方法,其中,使一个或多个患者记录合格包括:包括具有预定的临床指标的任何患者,所述预定的临床指标包括记录的GI出血。
25.根据权利要求13所述的方法,其中,所提取的患者数据包括实验室值、住院史、住院记录、药房处方史、其它记录的共病状况、患者人口统计信息、医疗护理提供者的注释、或关键词、或其组合。
26.根据权利要求25所述的方法,其中,所提取的患者数据包括实验室值,所述实验室值包括血红蛋白水平、PT、血小板计数、转铁蛋白饱和度(TSAT)、或钙水平、或其组合。
27.根据权利要求26所述的方法,其中,所述实验室值包括标准偏差、时间加权平均值、最大值、最小值、趋势值、或数据峰值、或其组合。
28.根据权利要求13所述的方法,其中,所述方法还包括:将更新的患者信息传送到一个或多个医疗护理机构,以将患者的共病状况告知所述一个或多个医疗护理机构。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862680938P | 2018-06-05 | 2018-06-05 | |
US62/680,938 | 2018-06-05 | ||
US201862716032P | 2018-08-08 | 2018-08-08 | |
US62/716,032 | 2018-08-08 | ||
US201962836822P | 2019-04-22 | 2019-04-22 | |
US62/836,822 | 2019-04-22 | ||
PCT/US2019/035389 WO2019236579A1 (en) | 2018-06-05 | 2019-06-04 | Systems and methods for identifying comorbidities |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112204670A true CN112204670A (zh) | 2021-01-08 |
Family
ID=67002402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980035038.3A Pending CN112204670A (zh) | 2018-06-05 | 2019-06-04 | 用于识别共病的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20190371472A1 (zh) |
EP (1) | EP3803887A1 (zh) |
CN (1) | CN112204670A (zh) |
CA (1) | CA3096520A1 (zh) |
WO (1) | WO2019236579A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116763281A (zh) * | 2023-06-16 | 2023-09-19 | 张宏涛 | 基于血流声学反应的瘘管成熟度监测方法、装置及介质 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11226208B2 (en) | 2019-10-07 | 2022-01-18 | Lyft, Inc. | Transportation route planning and generation |
US11733049B2 (en) | 2019-10-07 | 2023-08-22 | Lyft, Inc. | Multi-modal transportation system |
US10746555B1 (en) | 2019-10-07 | 2020-08-18 | Lyft, Inc. | Multi-modal transportation route deviation detection and correction |
US11733046B2 (en) * | 2019-10-07 | 2023-08-22 | Lyft, Inc. | Multi-modal transportation proposal generation |
EP3901964A1 (en) * | 2020-04-22 | 2021-10-27 | Siemens Healthcare GmbH | Intelligent scan recommendation for magnetic resonance imaging |
US11961598B1 (en) | 2020-06-26 | 2024-04-16 | Express Scripts Strategic Development, Inc. | Machine learning systems for error detection in data processing systems and related methods |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060199239A1 (en) * | 2005-03-01 | 2006-09-07 | Gurbel Paul A | Assessment of cardiac health and thrombotic risk in a patient |
US20090099869A1 (en) * | 2007-10-12 | 2009-04-16 | Cardinal Health 303, Inc. | Identification of undercoded comorbidities |
CN101526980A (zh) * | 2008-02-27 | 2009-09-09 | 积极健康管理公司 | 用于产生实时健康护理警报的系统和方法 |
CN102270274A (zh) * | 2010-06-03 | 2011-12-07 | 国际商业机器公司 | 病史诊断系统和方法 |
US20110306845A1 (en) * | 2010-06-15 | 2011-12-15 | Ivan Osorio | Systems approach to comorbidity assessment |
US20120191467A1 (en) * | 2009-05-27 | 2012-07-26 | Vasamed, Inc. | Diagnostic identification, evaluation and management of polyvascular disease and related conditions |
US20130089248A1 (en) * | 2011-10-05 | 2013-04-11 | Cireca Theranostics, Llc | Method and system for analyzing biological specimens by spectral imaging |
US20130244263A1 (en) * | 2010-12-02 | 2013-09-19 | Peter Kotanko | Method of identifying when a patient undergoing hemodialysis is at increased risk of death |
US20130262357A1 (en) * | 2011-10-28 | 2013-10-03 | Rubendran Amarasingham | Clinical predictive and monitoring system and method |
CN103493054A (zh) * | 2010-10-12 | 2014-01-01 | 美国西门子医疗解决公司 | 用于预测心血管病发展的医疗信息技术系统 |
US20140012595A1 (en) * | 2011-03-23 | 2014-01-09 | Koninklijke Philips N.V. | Methods and systems to promote targeted inter-patient interactions to increase patient adherence |
US20140088442A1 (en) * | 2011-04-29 | 2014-03-27 | Medtronic, Inc. | Method and device to monitor patients with kidney disease |
US20150112710A1 (en) * | 2012-06-21 | 2015-04-23 | Battelle Memorial Institute | Clinical predictive analytics system |
US20150213206A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated staff monitoring |
US20150213207A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated facial biological recognition |
US20150213225A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for enhanced risk stratification |
US20150213224A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated patient monitoring |
CN104956391A (zh) * | 2012-09-13 | 2015-09-30 | 帕克兰临床创新中心 | 临床仪表板用户界面系统和方法 |
CN105453093A (zh) * | 2013-08-14 | 2016-03-30 | 皇家飞利浦有限公司 | 出院处的患者风险因子的建模 |
US20160180050A1 (en) * | 2014-10-28 | 2016-06-23 | Tapgenes, Inc. | Methods for determining health risks |
US20170032089A1 (en) * | 2015-07-29 | 2017-02-02 | Fujifilm Corporation | Medical support apparatus and system, and method of operating medical support apparatus |
US20170329894A1 (en) * | 2008-11-17 | 2017-11-16 | Veracyte, Inc. | Algorithms for disease diagnostics |
WO2018057742A1 (en) * | 2016-09-21 | 2018-03-29 | Ava Health Technologies, Inc. | Platform for assessing and treating individuals by sourcing information from groups of resources |
WO2018057616A1 (en) * | 2016-09-21 | 2018-03-29 | Rejuvenan Global Health, Inc. | Interactive computing system to generate customized preventive health information based on an individual's biomarkers |
WO2018090009A1 (en) * | 2016-11-14 | 2018-05-17 | Cognoa, Inc. | Methods and apparatus for evaluating developmental conditions and providing control over coverage and reliability |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8504343B2 (en) * | 2007-01-31 | 2013-08-06 | University Of Notre Dame Du Lac | Disease diagnoses-bases disease prediction |
US11342080B2 (en) * | 2015-08-17 | 2022-05-24 | Siemens Healthcare Gmbh | Method and system for disease progression modeling and therapy optimizing for individual patients |
US11081215B2 (en) * | 2017-06-01 | 2021-08-03 | International Business Machines Corporation | Medical record problem list generation |
-
2019
- 2019-06-04 CN CN201980035038.3A patent/CN112204670A/zh active Pending
- 2019-06-04 US US16/431,203 patent/US20190371472A1/en active Pending
- 2019-06-04 EP EP19732822.2A patent/EP3803887A1/en active Pending
- 2019-06-04 CA CA3096520A patent/CA3096520A1/en active Pending
- 2019-06-04 WO PCT/US2019/035389 patent/WO2019236579A1/en unknown
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060199239A1 (en) * | 2005-03-01 | 2006-09-07 | Gurbel Paul A | Assessment of cardiac health and thrombotic risk in a patient |
US20090099869A1 (en) * | 2007-10-12 | 2009-04-16 | Cardinal Health 303, Inc. | Identification of undercoded comorbidities |
CN101526980A (zh) * | 2008-02-27 | 2009-09-09 | 积极健康管理公司 | 用于产生实时健康护理警报的系统和方法 |
US20170329894A1 (en) * | 2008-11-17 | 2017-11-16 | Veracyte, Inc. | Algorithms for disease diagnostics |
US20120191467A1 (en) * | 2009-05-27 | 2012-07-26 | Vasamed, Inc. | Diagnostic identification, evaluation and management of polyvascular disease and related conditions |
CN102270274A (zh) * | 2010-06-03 | 2011-12-07 | 国际商业机器公司 | 病史诊断系统和方法 |
US20110306845A1 (en) * | 2010-06-15 | 2011-12-15 | Ivan Osorio | Systems approach to comorbidity assessment |
CN103493054A (zh) * | 2010-10-12 | 2014-01-01 | 美国西门子医疗解决公司 | 用于预测心血管病发展的医疗信息技术系统 |
US20130244263A1 (en) * | 2010-12-02 | 2013-09-19 | Peter Kotanko | Method of identifying when a patient undergoing hemodialysis is at increased risk of death |
US20140012595A1 (en) * | 2011-03-23 | 2014-01-09 | Koninklijke Philips N.V. | Methods and systems to promote targeted inter-patient interactions to increase patient adherence |
US20140088442A1 (en) * | 2011-04-29 | 2014-03-27 | Medtronic, Inc. | Method and device to monitor patients with kidney disease |
US20130089248A1 (en) * | 2011-10-05 | 2013-04-11 | Cireca Theranostics, Llc | Method and system for analyzing biological specimens by spectral imaging |
US20130262357A1 (en) * | 2011-10-28 | 2013-10-03 | Rubendran Amarasingham | Clinical predictive and monitoring system and method |
US20150112710A1 (en) * | 2012-06-21 | 2015-04-23 | Battelle Memorial Institute | Clinical predictive analytics system |
US20150213207A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated facial biological recognition |
US20150213225A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for enhanced risk stratification |
US20150213224A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated patient monitoring |
CN104956391A (zh) * | 2012-09-13 | 2015-09-30 | 帕克兰临床创新中心 | 临床仪表板用户界面系统和方法 |
US20150213206A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated staff monitoring |
CN105453093A (zh) * | 2013-08-14 | 2016-03-30 | 皇家飞利浦有限公司 | 出院处的患者风险因子的建模 |
US20160180050A1 (en) * | 2014-10-28 | 2016-06-23 | Tapgenes, Inc. | Methods for determining health risks |
US20170032089A1 (en) * | 2015-07-29 | 2017-02-02 | Fujifilm Corporation | Medical support apparatus and system, and method of operating medical support apparatus |
WO2018057742A1 (en) * | 2016-09-21 | 2018-03-29 | Ava Health Technologies, Inc. | Platform for assessing and treating individuals by sourcing information from groups of resources |
WO2018057616A1 (en) * | 2016-09-21 | 2018-03-29 | Rejuvenan Global Health, Inc. | Interactive computing system to generate customized preventive health information based on an individual's biomarkers |
WO2018090009A1 (en) * | 2016-11-14 | 2018-05-17 | Cognoa, Inc. | Methods and apparatus for evaluating developmental conditions and providing control over coverage and reliability |
Non-Patent Citations (2)
Title |
---|
CHIRAG NAGPAL: "Semi-Supervised Prediction of Comorbid Rare Conditions Using Medical Claims Data", 2017 IEEE INTERNATIONAL CONFERENCE ON DATA MINING WORKSHOPS * |
ROHIT J. KATE: "Prediction and detection models for acute kidney injury in hospitalized older adults", BMC MEDICAL INFORMATICS AND DECISION MAKING * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116763281A (zh) * | 2023-06-16 | 2023-09-19 | 张宏涛 | 基于血流声学反应的瘘管成熟度监测方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
US20190371472A1 (en) | 2019-12-05 |
CA3096520A1 (en) | 2019-12-12 |
WO2019236579A1 (en) | 2019-12-12 |
EP3803887A1 (en) | 2021-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3815098B1 (en) | Systems and methods for identifying risk of infection in dialysis patients | |
US20190318818A1 (en) | Systems and methods for determining functionality of dialysis patients for assessing parameters and timing of palliative and/or hospice care | |
CN112204670A (zh) | 用于识别共病的系统和方法 | |
CN111033637B (zh) | 用于治疗和评估慢性肾脏疾病的进程的系统和方法 | |
JP6466422B2 (ja) | 医療支援システム及び方法 | |
US20200051674A1 (en) | Systems and methods for determining patient hospitalization risk and treating patients | |
CN112005315A (zh) | 用于确定患者住院风险和处置患者的系统和方法 | |
WO2022162181A1 (en) | Electronic patient advisor and healthcare system for remote management of chronic conditions | |
CA2942983C (en) | System and method for managing illness outside of a hospital environment | |
Ahn et al. | CardioNet: a manually curated database for artificial intelligence-based research on cardiovascular diseases | |
WO2021247557A1 (en) | Artificial intelligence and/or machine learning based systems, devices, and methods for designing patient prescriptions | |
Ratnakar et al. | Smart Innovative Medical Devices Based on Artificial Intelligence | |
Johnston | The risk and cost of limited clinician and patient accountability in health care |
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 |