CN113393923A - 基于患者行为方式的离床预测 - Google Patents

基于患者行为方式的离床预测 Download PDF

Info

Publication number
CN113393923A
CN113393923A CN202110220335.4A CN202110220335A CN113393923A CN 113393923 A CN113393923 A CN 113393923A CN 202110220335 A CN202110220335 A CN 202110220335A CN 113393923 A CN113393923 A CN 113393923A
Authority
CN
China
Prior art keywords
patient
bed
data relating
behavior
processor
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
Application number
CN202110220335.4A
Other languages
English (en)
Inventor
A·A·拜
N·孔帕罗内
J·D·克里斯蒂
J·格韦特
B·韦德曼
J·G·拜尔斯
U·奥吉哈
E·D·本兹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hill Rom Services Inc
Original Assignee
Hill Rom Services Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hill Rom Services Inc filed Critical Hill Rom Services Inc
Publication of CN113393923A publication Critical patent/CN113393923A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1127—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using markers
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Databases & Information Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Fuzzy Systems (AREA)
  • Alarm Systems (AREA)

Abstract

用于推断患者将来行为的系统可以包括患者支撑装置。数据获取系统可以追踪与患者从患者支撑装置离床有关的数据。控制器可以与患者支撑装置通信。控制器可以包括处理器和非暂时性存储设备。该存储设备可以包括指令，当该指令由处理器执行时，获取与患者离床有关的数据。

Description

基于患者行为方式的离床预测
相关申请的交叉引用
本申请要求于2020年3月11日提交的美国临时专利申请序列号62/987,999的优先权，其通过引用明确地并入本文。
技术领域
本公开涉及一种可以预测患者离床的患者支撑装置。更具体地，本公开涉及一种患者支撑装置，该患者支撑装置包括控制系统，该控制系统可以预测患者离床、在用户界面上显示与该离开有关的信息并向护理人员发出警报。
背景技术
在评估患者进行无辅助离床的风险时，护理人员感兴趣的是被患者支撑装置支撑的人员的移动性。在无辅助的情况下离床时，患者可能会跌倒并遭受后续伤害。许多装置，包括离床警报器、实时定位系统和摄像机，可以监控患者何时离开床。
发明内容
本公开包括在所附权利要求和/或以下特征中记载的一个或多个特征，这些特征单独地或以任何组合地可以包括可专利性的主题。
在公开的实施例的第一方面，一种用于推断患者的将来行为的方法可以包括获取与患者离床有关的数据。该方法还可以包括分析与患者离床有关的数据以检测患者离床行为中的方式。该方法还可包括建立患者离床行为的定制时间表以预测将来的患者离床。该方法还可包括在将要发生将来的患者离床时通知护理人员。
在第一方面的一些实施例中，该方法可以包括获取与患者离床有关的数据，包括从患者支撑装置中的传感器获取数据。该方法还可以包括获取与患者离床有关的数据，包括从实时定位系统获取数据。该方法还可以包括获取与患者离床有关的数据，包括从患者房间中的摄像机获取数据。该方法还可以包括获取与患者离床有关的数据，包括获取与患者的医疗时间表有关的数据。该方法还可以包括获取与患者离床有关的数据，包括获取与患者的就餐时间表有关的数据。该方法还可以包括获取与患者离床相关的数据，包括获取与患者的就诊时间表有关的数据。
在第一方面中可能期望的是，该方法包括将来自相似患者的历史数据和与患者离床有关的数据进行组合以确定预测将来患者离床的模型。该方法还可以包括在将要发生将来的患者离床时通知护理人员，还包括：在将要发生将来的患者离床之前的预定时间通知护理人员。该方法还可以包括将患者的当前行为与患者的预测行为进行比较。该方法还可以包括基于患者的当前行为与患者的预测行为之间的差异来更新定制时间表。该方法还可以包括在将要发生将来的患者离床时通知护理人员，还包括在患者醒来之前通知护理人员。该方法还可以包括在将要发生将来的患者离床时通知护理人员，还包括在患者使用洗手间之前通知护理人员。
在公开的实施例的第二方面，用于推断患者的将来行为的系统可以包括患者支撑装置。数据获取系统可以追踪与患者从患者支撑装置离床有关的数据。控制器可以与患者支撑装置通信。控制器可以包括处理器和非暂时性存储设备。存储器装置可以包括指令，该指令在由处理器执行时获取与患者离床有关的数据、分析与患者离床有关的数据以检测患者离床行为的方式、建立患者离床行为的定制时间表以预测将来的患者离床，并在将要发生将来的患者离床时通知护理人员。
在第二方面的一些实施例中，数据获取系统可以包括患者支撑装置中的传感器。数据获取系统可以包括实时定位系统。数据获取系统可以包括患者房间中的摄像机。与患者离床有关的数据包括与患者的医疗时间表有关的数据。与患者离床有关的数据可能包括与患者的就餐时间表有关的数据。与患者离床有关的数据可能包括与患者的就诊时间表有关的数据。
在第二方面中可能期望的是，将来自相似患者的历史数据和与患者离床有关的数据进行比较以确定预测将来患者离床的模型。可以在将要发生将来的患者离床之前的预定时间通知护理人员。可以将患者的当前行为与患者的预测行为进行比较，以更新定制时间表。可以在患者醒来之前通知护理人员。可以在患者使用洗手间之前通知护理人员。
附加特征，单独地或与任何其他特征(例如上面列出的那些和/或权利要求中列出的那些)组合地，可以包括可专利性的主题，并且对于本领域技术人员而言，在考虑各种实施例的以下详细描述之后变得显而易见，这些实施例示出了目前所知的实施实施例的最佳方式的例子。
附图说明
详细描述特别地参考附图，其中：
图1是示出患者支撑装置与医院信息系统之间的交互的示意图；
图2是示出执行确定患者行为的不同步骤的流程图；以及
图3是示出用于确定患者行为的模型创建的简化示意图。
具体实施方式
参照图1，用于医疗机构的系统100包括患者支撑装置122，例如医院病床，其包括诸如支撑表面或床垫的框架的患者支撑结构。因此，根据本公开，床架、床垫或两者都是被认为在术语“患者支撑结构”的范围内的事物的示例。然而，本公开适用于其他类型的患者支撑装置和其他患者支撑结构，包括其他类型的床、手术台、诊疗台、担架等。
患者支撑装置122包括多个传感器312，用于确定患者的移动性评分。在一些实施例中，这些传感器可以是称重传感器。在一些实施例中，这些传感器可以是气压囊。在一些实施例中，这些传感器可以是接触传感器。在一些实施例中，这些传感器可以是力敏电阻。在一些实施例中，患者支撑装置可以具有多个这样的传感器。传感器312用于通过监控患者支撑装置122上的压力并确定压力何时去除(指示患者正在离开床)来检测离床事件。传感器312还可以用于监控患者何时位于患者支撑装置122的一侧上并且有跌倒的危险。
如图1所示，在一个实施例中，患者支撑装置122包括通信电路300，控制器302和界面324。控制器302能够控制患者支撑装置122的操作功能和/或解译来自各种传感器312的数据信号。通信电路300能够建立连接并促进与患者支撑装置122之间的通信。控制器302还被配置为经由通信电路300向远程位置(诸如护士呼叫系统)提供或中继状态指示。状态指示可以包括患者支撑装置122的组件的或患者相对于组件的任何类型的指示。通信电路300可以被实现为能够在患者支撑装置122和医院信息系统102之间通过网络116进行通信的任何通信电路、设备或其集合。通信电路300可以被配置为使用任何一种或多种通信技术(例如，有线或无线通信)和相关协议(例如，Ethernet、
Figure BDA0002954534820000041
WiMAX等)进行此类通信。
在一些实施例中，患者支撑装置经由通信电路300连接至床旁/患者支撑装置连接器350。床旁/患者支撑装置连接器可具有计算设备和服务器以连接至网络116。
控制器302连接到能够被控制器302监控和解译的各种传感器，以及能够被控制器302控制的各种致动器。如本领域所知晓的，控制器302被配置为从患者支撑装置122的各种传感器和组件接收数据(即电信号)，以及控制患者支撑装置122的组件相对于接收到的数据的操作。为此，控制器302包括通常与在机电系统的控制中使用的控制器相关联的多个电子元件。例如，除了通常包括在这样的装置中的其他组件之外，控制器302可以包括处理器304和存储装置306。存储装置306可以是例如包括可擦除的PROM’s(EPROM’s或EEPROM’s)的可编程只读存储器(“PROM”)。在使用中，除其它事项之外，存储设备306能够以例如软件例程(或多个例程)的形式存储指令，该软件例程在由处理器304执行时允许控制器302控制患者支撑装置122的特征的操作。
系统100包括一个或多个医院的医院信息系统102，该医院信息系统102通过网络116通信式地联接到各种护理资产(care assets)，例如患者支撑装置122。为了便于在医院信息系统102之中传输数据和进行其他网络通信，医院信息系统102包括多个计算设备104。在其他实施例中，每个计算设备104可以被实现为能够执行本文所述功能的任何类型的计算或计算机设备，包括但不限于服务器(例如，独立式、机架安装式、刀片式等)、网络装置(例如，物理的或虚拟的)、高性能计算设备、Web装置、分布式计算系统、计算机、基于处理器的系统、多处理器系统、智能手机、平板电脑、手提电脑、笔记本电脑和/或移动计算装置。图2的说明性计算设备104包括处理器106和存储器110。当然，在其他实施例中，计算设备104可以包括附加和/或替代组件，诸如计算机中常见的那些组件(例如，各种输入/输出装置)。另外，在一些实施例中，一个或多个说明性组件可以并入另一组件中，或者以其他方式形成另一组件的一部分。例如，在一些实施例中，存储器110或其部分可以并入处理器106中。
处理器106可以被实现为能够执行本文所述功能的任何类型的处理器。例如，处理器106可以被实现为单核或多核处理器、数字信号处理器、微控制器或其他处理器或处理/控制电路。存储器110可以实现为能够执行本文所述功能的任何类型的易失性或非易失性存储器或数据存储。在操作中，存储器110可以存储在计算装置104(诸如操作系统、应用程序、程序、库和驱动器)的操作期间使用的各种数据和软件。存储器110经由I/O子系统通信地联接到处理器106，该I/O子系统可以被实现为电路和/或组件，以便于与处理器106、存储器110以及计算设备104的其他组件的输入/输出操作。例如，I/O子系统可以被实现为或者以其他方式包括内存控制器集线器、输入/输出控制集线器、固件设备、通信链接(即点对点链接、总线链接、电线、电缆、导光板、印刷电路板走线等)和/或其他组件和子系统，以简化输入/输出操作。
数据存储设备112可以被实现为任何类型的设备或配置用于短期或长期存储数据的设备，例如存储设备和电路、存储卡、硬盘驱动器、固态硬盘或其他数据存储设备。在使用中，如下所述，数据存储设备112和/或存储器110可以存储安全监控策略、配置策略或其他类似的数据。通信电路114可以被实现为能够实现计算设备104之间和/或计算设备104之一与患者支撑装置122之间的通信的任何通信电路、设备或其集合。通信电路114可以被配置成使用任何一种或多种通信技术(例如，有线或无线通信)和相关协议(例如，Ethernet、
Figure BDA0002954534820000051
WiMAX等)来实现这种通信。
医院信息系统102的计算设备104可以配置成单独的子系统，以用于管理数据和协调整个医院信息系统102的通信。
网络116可以被实现为任何类型的有线或无线通信网络，包括蜂窝网络(例如，全球移动通信系统(GSM)、3G、长期演进(LTE)、全球微波接入互操作性(WiMAX)等)、数字用户线路(DSL)网络、电缆网络(例如同轴网络、光纤网络等)、电话网络、局域网(LAN)或广域网(WAN)、全球网络(例如，互联网)或其任意组合。如前所述，患者支撑装置122的至少一部分可以通过网络116与医院信息系统102通信。因此，网络116可以根据需要包括任何数量的网络设备(例如，接入点、路由器、交换机、服务器等)以便于医院信息系统102与患者支撑装置122之间的通信。
仍然参考图1，提供了实时定位系统(RTLS)152以追踪患者的去向。RTLS152包括由患者佩戴并与大量收发器156通信的患者标签154。收发器156可以分散在整个患者房间中。标签154和收发器156均包括包含相关电路的外壳。标签154和收发器156的电路包括例如处理器(如微处理器或微控制器等)、用于存储软件的存储器，以及包括例如发射器、接收器和至少一个天线的通信电路。标签154还包括使得能够附着到患者的结构。例如，标签154可以包括项圈，以使得护理人员可以将标签154戴在他们的脖子上，或者可以包括夹子，以使得护理人员可以将标签154附着到他们的衣服上。标签154可以包括腕带，使得标签154可以被佩戴在相关患者的手腕上。在一些实施例中，每个收发器156都包括诸如托架或板之类的安装硬件，以允许利用诸如螺钉之类的紧固件将收发器156安装在患者房间的固定位置。
收发器156使用射频(RF)与标签154无线通信。根据本公开，系统152用作高精度定位系统，其能够确定标签154在标签的实际位置的一英尺(30.48cm)或更小范围内的位置。系统152可操作以确定标签154在二维空间中的位置。本公开所预期的高精度定位系统的一个示例是超宽带(UWB)定位系统。UWB定位系统在3.1千兆赫(GHz)至10.6千兆赫(GHz)的频率范围内运行。因此，RTLS 152追踪标签154以监控患者何时离开患者支撑装置122。与患者的移动有关的数据通过网络116传输到医院信息系统102。
另外，摄像机150可以被放置在患者房间中并且与网络116通信。这样，摄像机150被用来监控患者何时离开病床。就是说，患者的带时间戳的视频由摄像机150捕获，并被发送到医院信息系统102，在医院信息系统102中，视频被监控以用于离床。在一些实施例中，处理器106可以操作指令以追踪视频馈送中的离床行为。因此，来自传感器312、RTLS 152和摄像机150的数据可以全部或单独地用于追踪患者何时离开床。如下所述，该数据可用于确定患者的离床时间表。
在所示的实施例中，医院信息系统102的处理器106可以从存储器110访问通过医院信息系统收集的信息。在一些实施例中，处理器可以访问当前患者的日常生活。在某些实施例中，处理器可以访问当前患者的医疗时间表。在某些实施例中，处理器可以访问当前患者的就诊时间。在一些实施例中，处理器可以访问相似患者的历史行为。处理器106可以通过网络166从患者支撑装置存储器122的存储器110中访问当前患者的移动性信息。医院信息系统102的计算设备104中的处理器106使用当前患者的信息、患者的移动性评分以及来自相似患者的历史信息以进行分析，以确定患者的行为方式。在一些实施例中，患者支撑装置122的处理器304可以通过网络116从作为医院信息系统102的一部分的计算设备104的存储器110访问所有相关信息，以进行分析以预测患者行为。在一些实施例中，患者支撑设备连接到床旁连接器，该床旁连接器通过网络116访问用于患者行为分析的相关信息。
在图2所示的实施例中，流程图示出了执行以确定患者行为的不同步骤。在步骤500，患者支撑装置122(例如床)的处理器304可以通过无线网络116从存储器306或从存储器110访问相似患者的历史数据(方框502)。在步骤500，当前患者的信息，例如医疗时间表、惯例、就诊时间(框510)和移动性信息(框504)可以通过无线网络116从存储器306或从存储器110访问。在步骤512，患者支撑装置122的处理器304通过无线网络116访问存储器306或存储器110来确定这是一天的第一次评估。如果是第一次评估，则在步骤522之前执行步骤514、516和520，否则在步骤522之前执行步骤518。在步骤518，处理器304通过无线网络116访问存储在存储器中306的或从存储器110中存储的为当前患者开发的模型。在步骤514，处理器306使用加权和基于在步骤500获得的信息来确定用于当前患者行为的可能性图表。在图3中，示出了说明性可能性图表600。在步骤516，使用诸如监督学习或强化学习之类的机器学习(ML)技术来开发预测当前患者行为的模型。该模型可用于预测当前患者的行为。在一些实施例中，该行为是离床。在步骤520，通过无线网络116将所开发的模型存储在存储器306或存储器110中，或者存储在两者中。在步骤522，开发的模型用于对当前患者的离床行为进行预测。如果预测患者离开床，则在步骤524将预测通过无线网络116传送给护理人员，并在步骤526将其添加到历史数据库。如果没有预测患者离开床，则不联系护理人员，并在步骤522将该信息添加到历史数据库。处理器可以通过无线网络116从各种患者支撑装置112控制器302访问患者的移动性信息和时间表信息。在另一个实施例中，信息的所有处理是通过计算设备104中的处理器106完成的，处理器106是医院信息系统102的一部分。存储器处理器106可以通过网络116访问来自存储器110和存储器306的所有相关信息。
在当前患者住院的第1天，监控当前患者的潜在的离床。监控基于当前患者时间表和类似患者历史数据的初始假定的任何变化。机器学习方法(例如监督学习或强化学习)用于更新离床的可能性并更新作出预测的模型。这样建立了对患者的行为更准确的表征。改进后的模型将用作第2天的预测事件的起点。当前患者在病房中的每一天，都会重复此过程。
在一些实施例中，在第1天，在用户界面324将患者诊断作为被称为患者状况的输入项输入到模型。诊断用于预测模型将如何随着时间变化。例如，较不严重的诊断将期望患者随着时间的流逝变得更加灵活，较严重的诊断将期望患者随着时间的流逝而恶化。患者状况用于每天更新离床的可能性并更新作出预测的模型。这建立了对患者的行为更准确的表征。改进后的模型将用作第2天的预测事件的起点。当前患者在病房中的每一天，都会重复此过程。当前患者的数据被集成到历史数据中，以便与下一个相似类别的患者一起使用，并存储在患者支撑装置的存储器306中，并且还传输到医院信息系统102，以存储在存储器110中，并由处理器106使用。
已完成的分析用于基于所预测的事件向护理人员提供警报。这样的警报是主动的，并且基于可能发生的事件的可能性向患者提供计划性的护理。这些警报被组织以通过通知护理人员最活跃的时间来减轻认知负担，并安排适当的时间以减少跌倒事件的发生。对此类警报进行计时，以提高患者安全性和潜在的医院责任并提高员工效率。
使用数据、系统可以观察和预测将来的离床事件，以在事件发生之前提醒护理人员。也就是说，系统使用该数据来追踪患者在医疗机构中的整个住院期间的移动。该系统可精确定位患者在患者房间中的位置，并确定患者通常在病床上的时间、患者使用洗手间的时间、患者吃午餐的时间以及患者通常不在病床的时间。这些行为方式被用来预测患者何时会离开病床。例如，系统可以确定患者通常每天在同一时间醒来，并建立定制的查房时间表以在患者通常醒来之前的10-20分钟检查患者。在另一个示例中，系统可以确定患者平均在进餐后60分钟使用洗手间，并主动提醒护理人员患者进餐后可能需要帮助。在又一个示例中，系统可以确定患者平均离开病床两个小时。使用该数据，可以提醒护理人员在预定时间之后检查患者。
尽管上面已经详细描述了某些说明性实施例，但是在如所附权利要求书所描述和定义的本公开的范围和精神内，存在各种变化和修改。提供附图以促进对本公开的理解，并且附图可以示出有限数量的元件以便于解释。除非在本公开中另外地指出，否则附图无意暗示对可授予专利的主题的范围的限制。

Claims (12)

1.一种用于推断患者将来行为的系统，包括：
患者支撑装置；
数据获取系统，用于追踪与患者从患者支撑装置离床有关的数据；以及
控制器，其与所述患者支撑装置通信，所述控制器包括处理器和非暂时性存储设备，所述存储设备包括指令，所述指令在由所述处理器执行时获取与患者离床有关的数据，并对与患者离床有关的数据进行分析以检测患者离床行为的方式，建立患者离床行为定制时间表以预测将来的患者离床，并在将要发生将来的患者离床时通知护理人员。
2.根据权利要求1所述的系统，其中，所述数据获取系统还包括患者支撑装置中的传感器。
3.根据权利要求1所述的系统，其中，所述数据获取系统还包括实时定位系统。
4.根据权利要求1所述的系统，其中，所述数据获取系统还包括患者房间中的摄像机。
5.根据权利要求1所述的系统，其中，与患者离床有关的数据包括与患者的医疗时间表有关的数据。
6.根据权利要求1所述的系统，其中，与患者离床有关的数据包括与患者的就餐时间表有关的数据。
7.根据权利要求1所述的系统，其中，与患者离床有关的数据包括与患者的就诊时间表有关的数据。
8.根据权利要求1所述的系统，其中，将来自相似患者的历史数据和与患者离床有关的数据进行比较，以确定预测将来患者离床的模型。
9.根据权利要求1所述的系统，其中，在将要发生将来的患者离床之前的预定时间通知所述护理人员。
10.根据权利要求1所述的系统，其中，将患者的当前行为与患者的预测行为进行比较以更新所述定制时间表。
11.根据权利要求1所述的系统，其中，在患者醒来之前通知所述护理人员。
12.根据权利要求1所述的系统，其中，在患者使用洗手间之前通知护理人员。
CN202110220335.4A 2020-03-11 2021-02-26 基于患者行为方式的离床预测 Pending CN113393923A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202062987999P 2020-03-11 2020-03-11
US62/987,999 2020-03-11

Publications (1)

Publication Number Publication Date
CN113393923A true CN113393923A (zh) 2021-09-14

Family

ID=74859339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110220335.4A Pending CN113393923A (zh) 2020-03-11 2021-02-26 基于患者行为方式的离床预测

Country Status (3)

Country Link
US (1) US20210287791A1 (zh)
EP (1) EP3878362A1 (zh)
CN (1) CN113393923A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023050721A (ja) * 2021-09-30 2023-04-11 日本光電工業株式会社 水分出納管理システム、推論装置、学習済みモデル生成装置、学習済みモデル生成方法、およびコンピュータプログラム

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007072964A (ja) * 2005-09-09 2007-03-22 Ishihara Sangyo:Kk 離床予測自動感知通報方法と同自動感知通報システム
US20070136102A1 (en) * 2005-12-09 2007-06-14 Valence Broadband, Inc. Methods for refining patient, staff and visitor profiles used in monitoring quality and performance at a healthcare facility
US20070132597A1 (en) * 2005-12-09 2007-06-14 Valence Broadband, Inc. Methods and systems for monitoring patient support exiting and initiating response
US20110156915A1 (en) * 2008-09-10 2011-06-30 Koninklijke Philips Electronics N.V. Bed exit warning system
JP2013031770A (ja) * 2012-11-20 2013-02-14 Akita Prefectural Univ 知能化離床・離床予測センサシステム
EP2666406A2 (en) * 2012-05-22 2013-11-27 Hill-Rom Services, Inc. Occupant egress prediction systems, methods and devices
JP2015058241A (ja) * 2013-09-20 2015-03-30 株式会社ケアコム 患者見守りシステム
CN104737171A (zh) * 2012-10-22 2015-06-24 皇家飞利浦有限公司 健康护理系统和方法
TWM552645U (zh) * 2017-06-14 2017-12-01 Hello Nurse Medical Innovation Inc 病患離床通報系統
US20180218587A1 (en) * 2017-02-02 2018-08-02 Hill-Rom Services, Inc. Method and apparatus for automatic event prediction
TWM569913U (zh) * 2018-08-10 2018-11-11 商之器科技股份有限公司 荷重元感測器離床預測系統
US20180360348A1 (en) * 2017-06-14 2018-12-20 Sharon Lin Charna Patient off-bed notification system
WO2020026171A1 (en) * 2018-07-31 2020-02-06 Hill-Rom Services, Inc. Sensing system for patient support apparatus

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7911348B2 (en) * 2005-12-09 2011-03-22 Bee Cave, LLC. Methods for refining patient, staff and visitor profiles used in monitoring quality and performance at a healthcare facility
US11800993B2 (en) * 2019-06-28 2023-10-31 Hill-Rom Services, Inc. Exit monitoring system for patient support apparatus
US20210183504A1 (en) * 2019-12-17 2021-06-17 Hill-Rom Services, Inc. Patient bed exit prediction
US20230008323A1 (en) * 2021-07-12 2023-01-12 GE Precision Healthcare LLC Systems and methods for predicting and preventing patient departures from bed
WO2023200651A1 (en) * 2022-04-13 2023-10-19 Sleep Number Corporation Detecting and preventing sleepwalking events

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007072964A (ja) * 2005-09-09 2007-03-22 Ishihara Sangyo:Kk 離床予測自動感知通報方法と同自動感知通報システム
US20070136102A1 (en) * 2005-12-09 2007-06-14 Valence Broadband, Inc. Methods for refining patient, staff and visitor profiles used in monitoring quality and performance at a healthcare facility
US20070132597A1 (en) * 2005-12-09 2007-06-14 Valence Broadband, Inc. Methods and systems for monitoring patient support exiting and initiating response
US20110156915A1 (en) * 2008-09-10 2011-06-30 Koninklijke Philips Electronics N.V. Bed exit warning system
EP2666406A2 (en) * 2012-05-22 2013-11-27 Hill-Rom Services, Inc. Occupant egress prediction systems, methods and devices
CN104737171A (zh) * 2012-10-22 2015-06-24 皇家飞利浦有限公司 健康护理系统和方法
JP2013031770A (ja) * 2012-11-20 2013-02-14 Akita Prefectural Univ 知能化離床・離床予測センサシステム
JP2015058241A (ja) * 2013-09-20 2015-03-30 株式会社ケアコム 患者見守りシステム
US20180218587A1 (en) * 2017-02-02 2018-08-02 Hill-Rom Services, Inc. Method and apparatus for automatic event prediction
TWM552645U (zh) * 2017-06-14 2017-12-01 Hello Nurse Medical Innovation Inc 病患離床通報系統
US20180360348A1 (en) * 2017-06-14 2018-12-20 Sharon Lin Charna Patient off-bed notification system
WO2020026171A1 (en) * 2018-07-31 2020-02-06 Hill-Rom Services, Inc. Sensing system for patient support apparatus
TWM569913U (zh) * 2018-08-10 2018-11-11 商之器科技股份有限公司 荷重元感測器離床預測系統

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
章雅杰，等: "预防跌倒离床报警器的研制与应用", 解放军护理杂志, vol. 33, no. 11, pages 74 - 76 *

Also Published As

Publication number Publication date
EP3878362A1 (en) 2021-09-15
US20210287791A1 (en) 2021-09-16

Similar Documents

Publication Publication Date Title
US11830336B2 (en) Patient risk notification system
US20240099607A1 (en) System, sensor and method for monitoring health related aspects of a patient
US10543137B2 (en) Patient support apparatus with remote communications
CN110248593B (zh) 通信装置、异常通知系统及生成体温的履历数据的方法
US20210219873A1 (en) Machine vision to predict clinical patient parameters
US11626000B2 (en) Patient care system
WO2018087785A1 (en) System and method for automated health monitoring
CN113393923A (zh) 基于患者行为方式的离床预测
Sharma et al. A Comparative Analysis of Healthcare Monitoring Systems Using WSN
Prabha et al. IoT based automatic monitoring and control system
US20210327244A1 (en) Assistance control method and assistance system
KR20210026126A (ko) 사용자 응급 상황 예측 시스템
Alias et al. Internet of Things Based Heart Failure Monitoring System using Radio Frequency Identification
CN108257666A (zh) 一种基于移动互联网的中老年急性病线上监控系统
Dhawan et al. Internet of medical things devices: A review
CN110661890A (zh) 一种基于身体健康状态的可穿戴式智能养老看护平台
CN116915818A (zh) 住院患者状态监护系统和方法
JP2021176038A (ja) 情報処理装置および情報処理プログラム
Al-Musheifri et al. IoT Based Framework for Remote Monitoring of Heartbeat Alert System by Using Arduino
JP2021197073A (ja) 情報処理装置、情報処理システム、および情報処理プログラム

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