CN113383394A - 用于建立连续病程并用于预测患者的流体平衡的方法和装置 - Google Patents

Abstract

本发明涉及一种用于检测患者的流体平衡的方法，其中针对所述患者，建立传递函数，借助于所述传递函数可确定过去所述患者的所述流体平衡的连续病程并且可预测未来的所述流体平衡的连续病程。本发明还涉及一种用于执行根据本发明的方法的装置，并且涉及一种程序产品。

Description

用于建立连续病程并用于预测患者的流体平衡的方法和装置

技术领域

本发明涉及一种用于建立过去患者的优选累积流体平衡和/或患者的优选累积流体摄入的连续病程(course)，并且用于预测未来患者的优选累积流体平衡和/或患者的优选累积流体摄入的连续病程的方法和装置。本发明的另一方面涉及一种程序产品。在下文中的术语“累积”应当理解为“所有源和汇随时间推移的积聚”。

背景技术

在最近的重症监护中，通常将大量流体(例如呈药物、营养液、盐水溶液或用于体外血液治疗的液体的形式)供应给患者。通常，在患者入住重症监护病房的初始阶段，向患者供应过量液体。

为了长期稳定患者的血液动力学，必须在供应给患者的液体总量与患者损失的液体总量之间找到平衡。这通常是通过以下方式在患者的流体平衡的范围内实现的：通过从在特定时间点处供应给患者的液体总量减去在所述时间点处患者损失的液体总量以及通过适当地调整液体供应来建立患者的流体平衡。

在临床实践中，这种流体平衡通常在患者入住重症监护病房期间每24小时收集一次。因此，主治医师仅被提供离散值，并且相应地提供所收集的流体平衡的个体数据点，必须基于这些数据点来决定进一步治疗病程(例如药物施用、流体施用等)。此外，主治医师通常仅获得相对流体平衡，所述相对流体平衡再现自最近收集流体平衡以来(即例如24小时前)患者的流体平衡的变化。

主治医师所获得的关于患者的流体平衡的信息以及决定进一步治疗病程必须基于的信息因此经常仅非常不准确地反映患者的流体平衡状态，并且因此形成次优的决定基础以调整进一步治疗病程。

这增加了一直处在重症监护中的患者的风险。

发明目的

由于患者的流体平衡的准确收集和设置以及对其进行调整的药物施用尤其对于重症监护中的危重患者是降低死亡率的重要因素，因此本发明的目的是提供一种可为主治医师提供有关患者的流体平衡的更准确且更详细的信息并且因此为决定患者的进一步治疗病程奠定更坚实的基础的方法和装置。

发明内容

上述目的通过如权利要求1所述的方法、如权利要求8所述的装置和如权利要求11所述的程序产品来实现。借助于所述程序产品，可根据本发明改装现有装置，诸如血液治疗或流体平衡系统。

与现有技术相比，在用于对患者进行流体平衡以及相应地检测患者的流体平衡的方法中，不仅收集流体平衡的个体数据点，而且针对患者建立传递函数(也称为作为系统函数或受控系统)，借助于所述传递函数可再现(测量或从测量值计算)过去(之后)的患者的流体平衡的优选连续病程并且可建立所预测的未来的流体平衡的优选连续病程(以及相应的流体平衡趋势的预测轨迹)。

在本发明的范围内使用的传递函数可以是例如以下再现的通式的时间离散传递函数P[z]：

此处Y[z]和U[z]是输出变量和输入变量的Z变换值。b₀至b_m和a₀至a_n是传递函数的系数。此外，n表示传递函数的阶次(degree)。

本发明的中心思想是，

-从累积流体摄入(CFI)的病程或趋势(由近似过程测量或提供)以及

-从根据累积流体摄入的病程或趋势计算出的累积流体平衡(CFB)的病程或趋势(由近似过程测量或提供)减去正在/已经发生的所有累积流体损失，

开发用于再现累积流体平衡的病程或趋势的传递函数。然后，将通过近似过程预测的累积流体摄入的未来病程或趋势结合到传递函数中，以便建立所预测的未来患者的累积流体平衡的连续病程或趋势。

也就是说，过去的CFI的病程优选地仅借助于近似过程来建立。过去的CFB的病程通过使用CFI来建立，所述CFI优选地借助于近似过程近似作为传递函数的输入。然后输出序列包括近似的CFB。CFI通过外推CFI来预测，所述CFI优选地借助于近似过程经由梯度来近似，并且相应地，还可通过将传递函数集成到控制回路中并设置目标CFB来预测目标CFI。

CFB通过使用优选地经由近似过程近似和外推的CFI作为传递函数的输入来预测。然后，输出序列包括近似的所预测CFB，并且相应地，还可通过将传递函数集成到控制回路中并通过定义目标CFB来预测CFB。如果控制回路成功找到匹配的目标CFI病程，则控制回路的输出然后包括与目标CFB相对应的实际预期的目标CFB。

换句话说，传递函数与近似过程相结合用作数学模型，借助于所述数学模型根据所检测的例如有关患者的液体供应和患者的液体损失的数据，可再现过去患者的流体平衡和/或流体摄入的连续病程或趋势并且可预测未来患者的流体平衡和/或流体摄入的连续病程或趋势。

因此，借助于传递函数描绘优选累积流体平衡，与仅指示与流体平衡的最新收集的数据点的差异的从现有技术已知的相对流体平衡相比，所述优选累积流体平衡再现自记录开始以来(例如自患者进入重症监护病房以来)的患者的流体平衡的总病程。

优选累积流体平衡通过从患者的流体摄入总量减去患者的流体损失总量来计算。

优选地，从患者的流体/液体供应总量减去患者的液体损失(流体损失)总量。

因此，施用给患者的药物、营养液、盐水溶液等以及以任何方式诸如经由胃管、肺内、鼻内等供应给患者的其他液体包括在患者的流体/液体供应总量中。

当确定患者的液体损失总量时，包括患者损失的所有液体，诸如患者排泄的尿液量、无感损失、以及例如经由伤口引流或肺抽吸损失的流体。

作为累积流体平衡的替代或补充，还可借助于近似过程描绘累积流体摄入，所述累积流体摄入再现自记录开始以来(例如自患者进入重症监护以来)患者的流体摄入的总病程。

除流体摄入和流体平衡之外，还可考虑与患者有关的其他数据。例如，可考虑施用给患者的各种药物对患者的流体平衡或液体平衡的影响或副作用。同样，患者的生理数据、患者的血液值或有关患者的年龄、性别、可能的既往疾病、包括预先安排的手术的预先安排的治疗病程等的其他信息可在例如将传递函数嵌入到控制回路中时进行考虑。

根据本发明的一个方面，一种根据本发明的方法包括以下步骤：

-检测和/或确定有关患者的累积流体摄入(CFI)和患者的累积流体平衡(CFB)的数据；

-基于所检测和/或所确定的有关累积流体摄入和累积流体平衡的数据针对所述患者建立传递函数，其中借助于传递函数结合近似过程，可根据有关累积流体摄入和累积流体平衡的数据建立或再现患者的累积流体摄入和/或累积流体平衡，以及

-借助于传递函数结合近似过程，计算所预测的未来患者的累积流体摄入和/或累积流体平衡的连续病程或趋势。

例如，在将借助于近似过程描绘患者的累积流体摄入的病程的情况下，所述方法可包括以下步骤：

-检测有关患者的累积流体摄入的数据；

-基于所检测的有关累积流体摄入的数据对所述患者应用近似过程，其中患者的累积流体摄入可借助于近似过程根据所检测的有关累积流体摄入的数据确定，以及

-计算过去患者的累积流体摄入的连续病程或趋势以及所预测的未来患者的累积流体摄入的趋势的连续病程。

例如，在将借助于传递函数描绘患者的累积流体平衡的病程的情况下，所述方法可包括以下步骤：

-检测有关患者的累积流体摄入和累积流体平衡的数据；

-基于所检测的有关累积流体摄入和累积流体平衡的数据针对所述患者建立传递函数，其中患者的累积流体平衡可借助于传递函数结合近似过程根据有关累积流体摄入和累积流体平衡的数据来建立(以便获得CFB病程，原始CFI数据或经由近似过程计算的近似的CFI可用作传递函数的输入，通过使用近似的CFI，获得CFB轨迹和没有不平滑的CFB病程)，以及

-借助于传递函数结合近似过程，计算过去患者的累积流体平衡的连续病程或趋势以及所预测的未来患者的累积流体平衡的连续病程或趋势。

此外，根据累积流体摄入的病程，累积流体平衡的病程可借助于传递函数结合近似过程来建立。在这种情况下，一种根据本发明的方法包括以下步骤：

-检测有关患者的累积流体平衡和累积流体摄入的数据；

-基于所检测的有关累积流体摄入和累积流体平衡的数据针对所述患者建立传递函数，其中借助于传递函数结合近似过程，可根据有关累积流体摄入的数据建立患者的累积流体平衡，以及

-借助于传递函数结合近似过程，计算过去患者的累积流体平衡的连续病程或趋势以及所预测的未来患者的累积流体平衡的连续病程或趋势。

例如，所建立的每位患者过去和未来的累积流体摄入和/或累积流体平衡的连续历史可在显示装置上共同或单独显示。

以此方式显示的每位患者过去和未来的累积流体摄入和/或累积流体平衡的连续历史因此可在主治医师决定进一步治疗病程时可用。因此，所述医师不仅被提供有个体数据点，而且被提供每位患者在他/她在重症监护病房的整个停留期间的累积流体摄入和/或累积流体平衡的连续病程，以及对所述患者的累积流体摄入和/或累积流体平衡的病程的进一步发展的预测。这将改善主治医师在确定进一步治疗病程时的决定基础，并且因此将提高患者的安全性。

根据本发明的另一方面，一种根据本发明的方法还包括以下步骤：

-设置患者的累积流体平衡的目标值和相应的目标病程；以及

-计算患者的累积流体摄入的病程，借助于所述病程使患者的累积流体平衡的实际值和相应的实际病程与所设置的累积流体平衡的目标值和相应的目标病程一致。

然后基于所计算的患者的累积流体摄入的病程向患者供应流体，借助于所述病程可使患者的累积流体平衡的实际值和相应的实际病程与所设置的累积流体平衡的目标值和相应的目标病程一致，直到患者的累积流体平衡的实际值和实际病程对应于所设置的累积流体平衡的目标值和相应的目标病程。目标值和相应的目标病程可对应于在特定时间间隔内的病程的期望正或负梯度。

本发明的所述方面提供的优点在于，可基于针对患者半自动地或完全自动地确定的传递函数来控制累积流体摄入，以使得患者的累积流体平衡的实际值和相应的实际病程被调整到所设置的累积流体平衡的目标值和相应的目标病程。在这种情况下，借由借助于传递函数预测的累积流体平衡的连续病程与可能从现有技术已知的流体平衡的个体数据点相比允许更准确地设置累积流体摄入。

此外，可通过借由所述患者的传递函数来控制患者的累积流体摄入。在这种情况下，所述方法包括以下步骤：

-设置患者的累积流体摄入的目标值和相应的目标病程；以及

-计算患者的累积流体摄入的病程，借助于所述病程使患者的累积流体摄入的实际值和相应的实际病程与所设置的累积流体摄入的目标值和相应的目标病程一致。

然后基于所计算的患者的累积流体摄入的病程向患者供应流体，借助于所述病程可使患者的累积流体摄入的实际值和相应的实际病程与所设置的累积流体摄入的目标值和相应的目标病程一致，直到患者的累积流体摄入的实际值和实际病程对应于所设置的累积流体摄入的目标值和相应的目标病程。目标值和相应的目标病程可对应于在特定时间间隔内的病程的期望(正)梯度。

根据本发明的另一方面，一种根据本发明的方法包括以下步骤：基于过去的累积流体平衡和/或累积流体摄入的病程以及所预测的未来的累积流体平衡和/或累积流体摄入的连续病程，在累积流体平衡和/或累积流体摄入的病程中借助于近似过程确定转折点。

转折点可根据过去的CFI或CFB的原始数据(此处针对CFI进行以获得CFI近似值)或从CFI的所预测数据(数据通过近似和外推形成或当在控制回路中设置目标CFB病程时形成)或CFB的所预测数据(数据通过将传递函数应用于借助近似过程平滑和外推的CFI或经由控制回路输出来形成)来确定。

转折点显示了累积流体平衡和/或累积流体摄入的病程中的点，在所述点处，患者从休克的衰退期(急性期)代谢降低到休克的高亢期(继发期(secondary phase))。

例如，一种根据本发明的方法可包括以下步骤：基于过去的累积流体摄入的连续病程以及基于借助于近似过程或结合传递函数预测的未来的累积流体摄入的连续病程来确定累积流体摄入的病程中的转折点。

替代地或另外地，一种根据本发明的方法可包括以下步骤：基于累积流体平衡的病程或基于借助于传递函数结合近似过程计算的过去的累积流体平衡的连续病程以及所预测的未来的累积流体平衡的连续病程来确定累积流体平衡的病程中的转折点。

因此，累积流体平衡和/或累积流体摄入的转折点可借助于近似过程来确定，其中从患者的累积流体平衡和/或累积流体摄入的病程中的多个潜在转折点中选择最接近实际转折点的潜在转折点。

对于特定时间间隔(例如患者入住重症监护病房的持续时间)，例如每个时间点都可作为潜在转折点进行检查。然而，在整个特定时间间隔内，即使在固定的从属时间间隔内，也可将所建立的值作为潜在转折点进行检查。例如，在患者入住重症监护病房期间，可每小时进行一次用于建立转折点或用于检查潜在转折点的检查。其他固定的从属时间间隔可随意设置。

当在特定时间间隔(例如从t0至t1)内检查潜在转折点时，将潜在转折点优选地定义成使得从t0至t1的时间间隔被潜在转折点分成两个区段。

然后，例如借助于线性插值以及线性回归(两个区段经由线性回归近似。直线1描述了从t0至(潜在)转折点的轨迹，直线2描述了从(潜在)转折点至t1的轨迹。外推仅在预测从时间点t1至t2(预测时间)的CFI轨迹时发生。在t0和t1之间不发生外推，因为所有数据都已给出。当CFI的先前病程中缺少数据点时，可能需要进行插值)，在时间点t0与从t0至t1的时间间隔的第一区段中的潜在转折点之间以及在从t0至t1的时间间隔的第二区段中的潜在转折点与时间点t1之间建立累积流体平衡和/或累积流体摄入的病程。因此，在潜在转折点，两条直线相交，每条直线都再现了从t0至t1的时间间隔的第一区段和第二区段中的累积流体平衡和/或累积流体摄入的病程。

代替线性插值和相应的线性回归，基本上任何其他函数(例如非线性函数)也可用于插值和相应的回归。此外，转折点可通过对任意次数的流程和相应的任意次数的迭代的近似来确定。

为了建立通过近似确定转折点的质量，即为了确定所检查的潜在转折点与实际转折点的接近程度，建立优选地借助于两条直线的线性回归近似的病程与实际病程之间的统计偏差。优选地，为此目的，考虑均方根误差(RSME)。对于每个潜在转折点，将所计算RSME与来自近似过程的先前流程中的任一者的另一潜在转折点的先前最低RSME进行比较。

在当前所计算的RSME值更低时，即在当前所检查的潜在转折点更接近实际转折点时，将当前所检查的潜在转折点存储为当前最好的潜在转折点(即，最接近实际转折点的转折点)。否则，当前所检查的潜在转折点被排除，并且具有来自近似过程的先前流程中的一者的更低RSME值的另一潜在转折点被存储为最接近实际转折点的转折点。

所建立的最接近转折点也可例如借助于显示装置向主治医师显示，从而进一步改善信息基础，必须基于所述信息做出关于进一步治疗病程的决定。

例如在线性外推的范围内，使用跨潜在转折点的直线(所述直线再现在从t0至t1的时间间隔的第二区段内患者的累积流体摄入的病程)的梯度来预测例如在从t1至t2的第二时间间隔内患者的累积流体摄入。

结合传递函数，基于再现在从t0至t1时间间隔的第二区段内患者的累积流体摄入的病程的直线的梯度，可预测在从t1至t2的第二时间间隔内患者的累积流体平衡的病程。

根据本发明的一个方面，基于新收集的有关优选累积流体平衡和流体摄入的数据，以预定时间间隔(例如每小时)周期性地更新并相应地调整患者的传递函数。例如，可在患者在重症监护病房中的整个入住期间进行调整。这有助于确保传递函数在患者在重症监护病房的整个入住期间尽可能准确地反映患者的累积流体平衡和相应的患者的累积流体摄入。

根据本发明的另一方面，患者的传递函数是基于患者群组特定信息建立的，其中相应的特定患者群组与待应用于所述患者群组的特定传递函数相关联。

因此，患者群组特定信息优选地通过以下方式来产生：尤其借助于统计方法、人工智能、神经元网络、机器学习或逻辑回归来识别并相应地提取过去针对特定患者群组建立的传递函数的联合特征，例如像极点、零点、稳定性、脉冲响应、阶跃响应等，并且当建立属于所述特定患者群组的患者的传递函数时，将以此方式识别的特征作为基础。

此处的特定患者群组表示具有共同特定特征的一组患者。所述特征可以是例如年龄、性别、要进行的治疗或手术、可能的既往疾病、重症监护的停留时间、实验室参数等。可基于任何共同特征形成患者群组。

在基于患者群组特定信息建立患者的传递函数的情况下，因此没有必要根据针对所述患者建立的累积流体摄入和累积流体平衡的数据来针对特定患者单独建立特定传递函数，但过去针对特定患者群组建立的传递函数的共同特征可作为经验值。

基于患者群组特定信息针对患者建立这种传递函数可减少计算所需的时间，因为不必建立单独的传递函数。

替代地或另外地，基于患者群组特定信息的患者的传递函数也可用于通过将单独建立的传递函数与基于患者群组特定信息建立的传递函数进行比较来查验针对所述患者单独建立的传递函数的可信性。这种比较提高了传递函数的准确性，并且因此进一步提高了患者安全性。

根据本发明的方法可仅应用于单位患者，或者也可应用于多位患者。当将所述方法应用于多位患者时，针对多位患者中的每位患者，可单独建立相应的传递函数。替代地或除此之外，还可由多位患者形成患者群组，并且可基于群组特定信息形成如前所述的传递函数。

针对多位患者中的患者收集的数据的数据流(例如有关流体平衡或流体摄入)因此可针对每位患者单独处理或者可组合以便形成数据池。

本发明的另一方面涉及一种装置，所述装置被设计用于实施如前述方面之一阐述的根据本发明的方法。

优选地，在这种情况下，装置为体外血液治疗装置、药物施用系统、流体管理系统或输液泵或与患者的流体平衡或液体平衡直接或间接相关的任何其他装置。

这种装置优选地包括用于收集有关患者的优选累积流体摄入和/或有关患者的优选累积流体平衡的数据的元件或构件。

此外，这种装置优选地包括显示装置，例如监视器/显示器，借助于所述显示装置可使所建立信息(历史、预测值、转折点)对主治医师可用。

本发明的另一方面涉及一种程序产品，所述程序产品使装置实施根据前述方面的根据本发明的方法。

借助于这种程序产品，可改装现有装置，例如像体外血液治疗装置、药物施用系统、流体管理系统、输液泵或与患者的流体平衡或液体平衡直接或间接相关的任何其他装置。例如，这种程序产品可存储在存储介质中。

在下文中，将参考附图详细地举例说明本发明的实施例。

附图说明

图1a至图1e举例说明根据本发明的实施例的方法的各个步骤。

图2a至图2e举例说明用于确定累积液体供应的轨迹并同时确定患者的累积流体摄入的病程中的转折点的近似过程的各个步骤。

具体实施方式

图1a至图1e举例说明根据本发明的实施例的方法的各个步骤，在所述步骤中，将根据本发明的方法应用于患者。

如图1a所示，最初在从t0(原点)至t1的第一时间间隔内，收集有关患者的累积流体摄入CFI和患者的累积流体平衡CFB的数据。从t0至t1的时间间隔可随意定义并且可包括例如几分钟、一小时或甚至几小时，诸如6小时或12小时。时间间隔还可包括患者在重症监护中停留的整个持续时间，例如几天。

然后，如图1b所示，基于所收集数据，建立优选的时间离散传递函数P[z]，它再现了有关患者的累积流体摄入CFI和患者的累积流体平衡CFB的数据之间的关系。因此，在本实例中自患者进入重症监护病房以来他/她的累积流体摄入CFI的病程用作传递函数的输入序列，并且在本实例中自患者进入重症监护病房以来他/她的累积流体平衡CFB的病程用作传递函数的输出序列。

此处的传递函数P[z]描述了患者的累积流体摄入CFI与患者的累积流体平衡CFB之间的关系(即，传递函数指示CFB如何响应于CFI而变化)。当获得累积流体摄入CFI的数据或借助于近似过程近似的累积流体摄入CFI的数据作为输入序列以及传递函数P[z]时，因此可计算累积流体平衡CFB的专用值。

如图1c所示，根据基于有关患者在t0至t1时间间隔内的CFI和CFB的所收集数据建立的CFI和CFB病程，然后对CFI和CFB在从t1至t2的未来时间间隔内的进一步病程进行预测。

因此，首先借助于上述近似过程(以获得迄今为止近似的CFI)通过将沿着病程的点作为潜在转折点逐步检查并选择最接近实际转折点的即将到来的潜在转折点(即例如，相对于实际转折点具有最低RSME值的转折点)来建立CFI病程中的转折点。

在近似过程中，再现了t0(原点)与潜在转折点之间的区段的CFB和相应的CFI病程的第一条直线跨原点和潜在转折点安置。然后，借助于另一个线性回归，再现了潜在转折点与t1之间的区段的CFB和相应的CFI病程的第二条直线跨转折点安置。

所述第二条直线(尤其是第二条直线的梯度)可用于(如图1c所示)预测未来的(在本实例中从t1至t2的时间间隔内超过时间点t1的)CFB和相应的CFI的进一步病程。

以举例的方式，图1c所示的图表对应于在显示装置上向主治医师显示的患者的累积流体摄入和相应的流体平衡的数据或历史。

如图1d所示，主治医师可为患者确定CFI或CFB的目标值或目标病程。在图1d的实例中，累积流体平衡CFB的目标病程在从t1至t2的时间间隔内是固定的。

因此，设置反映了从t1至t2的时间间隔内的CFB病程的期望梯度的值k_梯度。在图1d中，设置了反映了从t1至t2的时间间隔内的CFB病程的期望梯度的值(-A)(在本实例中为负)。

如图1e所示，然后基于累积流体平衡CFB的目标病程建立累积目标流体平衡和相应的累积流体平衡的目标病程cfb_目标。对应于所述累积流体平衡CFB的目标病程，借助于将传递函数P[z]以逆传递函数V(z)的形式嵌入到控制回路中，确定患者的流体摄入的病程的建议cfi_建议，针对所述建议，控制回路预测的是，在患者的这种流体摄入的病程的情况下，所预测的流体平衡的病程cfb_预测对应于所设置的累积流体平衡CFB的目标病程cfb_目标。

借助于控制回路R[z]，对患者的累积流体摄入的病程的建议cfi_建议进行调整，使得患者的累积流体摄入的病程的建议cfi_建议恰好对应于累积流体摄入的病程，从而根据传递函数P[z]导致所预测的流体平衡的病程cfb_预测与累积流体平衡的目标病程cfb_目标一致。

之后，将具有所计算的累积流体摄入的病程cfi_建议的流体供应给患者，从而获得累积流体平衡CFB的期望病程。

图2a至图2e举例说明用于确定累积流体摄入CFI的轨迹并同时确定患者的累积流体摄入CFI的病程中的转折点的近似过程的各个步骤。替代地或另外地，还可在患者的累积流体平衡CFB的病程中确定包括转折点的轨迹。

如图2a至图2e所示，借助于线性回归和相应的插值法(A)，以从t0(原点)至t1的时间间隔再现患者的累积流体摄入CFI(B)的病程。将沿着病程的不同点作为潜在转折点(C)进行检查。

在图2a至图2e中，举例说明潜在转折点tp1、tp2、tp3、tp4和tp(n-m)，在所述转折点中，病程的线性回归/插值的两条直线中的每条直线在从t0至t1的时间间隔的第一区段和第二区段中相交。

对于每个潜在转折点，建立近似的累积流体摄入与实际累积流体摄入的偏差。具体地，在该实施例中，通过建立均方根误差值(RSME)来建立偏差，所述RSME指示相应的近似病程与实际病程的偏差。RSME值越小，潜在转折点越接近实际转折点(D)。

在图2a至图2e所示的实施例中，图2c所示的潜在转折点tp3对应于实际转折点，并且因此具有最低RMSE值(RMSE min)。

在根据本发明的近似过程中，逐步选择具有最低RSME值的潜在转折点。例如，首先检查图2a所示的潜在转折点tp1。如图2a所示，tp1并不是非常接近实际转折点，但专用RMSE值对应地较高(RSME↑↑)。然后存储潜在转折点tp1以及专用RMSE值和线性回归/插值的专用直线。

在近似过程的下一轮中，检查图2b所示的潜在转折点tp2。如图2b所示，tp2比潜在转折点tp1更接近实际转折点，并且潜在转折点tp2专用的RMSE值分别低于(RSME↑)潜在转折点tp1专用的RMSE值(RSME↑↑)。然后存储潜在转折点tp2以及专用RMSE值和线性回归/插值的专用直线，并且排除潜在转折点tp1。

对于图2a和图2b所示的潜在转折点tp1和tp2，通过在x轴的正方向(在图2a和图2b中从原点向右开始)逐步移动待检查的潜在转折点来执行对潜在转折点tp3的近似确定。

如图2d和图2e所示，也可通过在x轴的相反方向(在图2d和图2e中沿着朝向原点的x轴)逐步移动待检查的潜在转折点来替代地或另外地执行对潜在转折点tp3的近似确定。在模型中，在从t0开始的特定时间间隔内，将病程中的每个点作为潜在转折点进行测试，直到到达病程的终点(t1)。如果在中间某处找到了最佳转折点(您在那个时间点不知道的转折点)，可肯定的是，RMSE将在接下来的步骤中增大，但整个时间序列仍然必须进行到终点(t1)以便将不会错过可能更低的RMSE值。检查从原点向右开始，从第一步骤进行到最后一个步骤。

所述方法也可在t1处开始并且可在t0处终止。然后所述方法在中间将不会改变方向，而是在每一步骤中沿着x轴朝向原点移动。

Claims (10)

1.一种用于对至少一位患者进行流体平衡的方法，包括以下步骤

-针对所述至少一位患者建立传递函数(P[z])，借助于所述传递函数可再现过去所述至少一位患者的优选累积流体平衡(CFB)的连续病程并且可预测未来的优选累积流体平衡(CFB)和/或优选累积流体摄入(CFI)的连续病程，其中基于借助于所述传递函数(P[z])结合近似过程计算的所述过去的连续病程以及所预测的未来的连续病程，确定所述累积流体平衡(CFB)和/或所述累积流体摄入(CFI)的转折点(tp3)，在所述转折点处，所述至少一位患者从休克的衰退期进入所述休克的高亢期。

2.如权利要求1所述的方法，包括以下步骤：

-检测有关所述至少一位患者的所述累积流体摄入(CFI)和所述至少一位患者的所述累积流体平衡(CFB)的数据；

-基于所检测的有关所述累积流体摄入(CFI)和所述累积流体平衡(CFB)的数据针对所述至少一位患者建立传递函数(P[z])，其中借助于所述传递函数(P[z])结合近似过程，可根据所述有关所述累积流体摄入(CFI)和/或所述累积流体平衡(CFB)的数据建立所述至少一位患者的所述累积流体摄入(CFI)和/或所述累积流体平衡(CFB)，以及

-借助于所述传递函数(P[z])结合所述近似过程，计算过去所述至少一位患者的所述累积流体摄入(CFI)和/或所述累积流体平衡(CFB)的连续病程以及所预测的未来所述至少一位患者的所述累积流体摄入(CFI)和/或所述累积流体平衡(CFB)的连续病程。

3.如前述权利要求中任一项所述的方法，进一步包括以下步骤：

-针对所述至少一位患者设置所述累积流体平衡(CFB)的目标值或目标病程；以及

-计算所述至少一位患者的所述累积流体摄入(CFI)的病程，借助于所述病程使所述至少一位患者的所述累积流体平衡(CFB)的实际值或实际病程与所设置的所述累积流体平衡(CFB)的目标值或目标病程一致。

4.如前述权利要求中任一项所述的方法，其中所述累积流体平衡(CFB)和/或所述累积流体摄入(CFI)的所述转折点借助于近似过程来确定，其中从多个潜在转折点(tp1、tp2、tp3、tp4、tp(n-m))中迭代地选择最接近实际转折点的即将到来的所述潜在转折点(tp3)。

5.如前述权利要求中任一项所述的方法，其中所述至少一位患者的所述传递函数(P[z])以预定时间间隔周期性地更新。

6.如前述权利要求中任一项所述的方法，其中所述至少一位患者的所述传递函数(P[z])是基于患者群组特定信息建立的，其中相应的特定患者群组与待应用于所述患者群组的每位患者的特定传递函数(P[z])相关联。

7.如权利要求6所述的方法，其中所述患者群组特定信息通过以下方式来产生：过去针对特定患者群组建立的所述传递函数(P[z])的共同特征尤其借助于统计方法、人工智能、神经元网络、机器学习或逻辑回归来识别，并且当建立属于所述特定患者群组的患者的所述传递函数(P[z])时，将以此方式识别的所述特征作为基础。

8.一种被设计用于实施如权利要求1至8中任一项所述的方法的装置。

9.如权利要求8所述的装置，其中所述装置为体外血液治疗装置、药物施用系统、流体管理系统或输液泵或与所述患者的所述流体平衡直接或间接相关的任何其他装置。

10.一种使装置执行如权利要求1至7中任一项所述的方法的程序产品。

Images