CN113924626A - 营养支持喂食效率 - Google Patents

Abstract

治疗一病患且自动肠内的喂食的一计算机实施的方法，包括：监控多个反流相关参数及至少一反流事件，同时通过一肠内的喂食控制器根据一基线喂食曲线自动肠内喂食所述患者，所述基线喂食曲线包括一针对营养目标；根据排定的及/或预测的多个反流相关参数的一输入，训练一模型的一分类器组件，用于预测一将来的反流事件的可能性，根据所述多个反流相关参数与所述至少一反流事件之间的多个计算相关性，训练所述分类器；将多个排定的及/或预测的反流相关参数输入所述模型的所述被训练的分类器组件，用于输出一将来的反流事件的可能性风险；以及通过所述模型，计算对所述基线喂食曲线的一调整，用于减低所述将来的反流事件的可能性，以及用于符合所述针对营养目标。

Description

营养支持喂食效率

相关申请案

本申请是2019年3月4日申请的美国专利申请第16/291,127号的部分延续申请案，其全部内容通过引用合并于此。

本申请涉及国际专利申请案第PCT/IL2017/051271号(公开为WO2018/185738)，发明名称“SYSTEMS AND METHODS FOR DYNAMIC CONTROL OF ENTERAL FEEDING ACCORDINGTO ENERGY EXPENDITURE”，以及美国专利申请案第15/614,641号，发明名称“SYSTEMS ANDMETHODS FOR AUTOMATIC management OF REFLUX DURING ENTERAL FEEDING”、美国专利申请案第16/000,922号，发明名称“SYSTEMS AND METHODS FOR TRACKING SPONTANEOUSBREATHING IN A MECHANICALLY VENTILATED PATIENT”、美国专利申请案第15/614,641号，发名称“SYSTEMS AND METHODS FOR AUTOMATIC MANAGEMENT OF REFLUX DURING ENTERALFEEDING”、国际专利申请案第PCT/IB2017/057702号(公开为WO2018/104888)，发明名称“SYSTEMS AND METHODS FOR SENSING LUNG FLUID”、美国专利申请案第15/228,115号“POINT OF CARE URINE ANALYZER”，由与本申请相同发明人所著，其整体内容通过引用合并于此。

技术领域和背景技术

本发明在其一些实施例中，涉及一患者的治疗，更具体但不排除，涉及通过自动患者照护用于一患者的治疗的系统及方法。

某些患者需要通过一肠内途径辅助喂食、需要辅助呼吸及/或需要辅助排尿，例如，重症照护病房(ICU)中的患者可能需要镇静及/或插管。当前的方法基于一人工评估(例如，由护士、医师进行)，并且在为所述患者提供最佳设置的能力方面受到限制。通过更好地控制肠内喂食、呼吸及/或排尿，可以改善患者的医疗结果。

最近的研究表明，大多数重症照护病房(ICU)的营养指南并未得到实施，例如，参照如Bendavid I,Singer P,Theilla M,et al.(2017)NutritionDay ICU:a 7-yearworldwide prevalence study of nutrition practice in intensive care.Clin Nutr36:1122-1129,and Heyland DK,Schroter-Noppe D,Drover JW,Jain M,Keefe L,Dhaliwal R,Day A(2003)Nutrition support in the critical care setting:currentpractice in Canadian ICUs--opportunities for improvement？J Parenter EnteralNutr.27:74-83所描述。缺乏知识、没有技术支持医务人员以及普遍不遵守营养指南导致更高的死亡率和感染并发症。

主要的缺陷之一是使用哈里斯-本尼迪克特方程(Harris-Benedict equations)等预测方程来确定危重疾病的标的能量处方。这些方程已经被许多人证明过，例如，如参考Zusman O,Kagan I,Bendavid I,Theilla M,Cohen J,Singer P(2018)Predictiveequations Predictive Equations versus Measured Energy Expenditure by IndirectCalorimetry:A Retrospective Validation.Clin Nutr(Article in Press,and Tatucu-Babet OA,Ridley EJ,Tierney AC(2015)The prevalence of underprescription oroverprescription of energy needs in critically ill mechanically ventilatedadults as determined by indirect calorimetry:a systematic literaturereview.JPEN J Parenteral Enteral Nutr 40:212-225，在超过50％的情况下是准确的，导致营养不足或过度。在一目标太低的情况下，患者将营养不良，且由于这个过程逐渐增加给予速率，卡路里平衡将达到大负值，其与增加的发病率相关联，例如，参照Computerizedenergy balance and complications in critically ill patients:an observationalstudy.Clin Nutr 25:37–44所述。

已发现提供所需的更高卡路里目标与增加的死亡率相关联，例如参照Zusman O,Theilla M,Cohen J,Kagan I,Bendavid I,Singer P(2016)Resting energyexpenditure,calorie and protein consumption in critically ill patients:aretrospective cohort study.Crit Care 20:367所述，导致ESPEN建议在一休息状态下测量能量消耗[REE]，例如，参照如Singer P,Reintam Blaser A,M Berger MM,Alhazzani W,Calder PC,Casaer M(2018)ESPEN guideline on clinical nutrition in theintensive care unit.Clin NutrEpub ahead of publication所述。

发明内容

根据一第一方面，用于一患者的自动肠内喂食的系统，包含：至少一处理器，执行一代码，用于：监控多个胃反流相关参数及至少一胃反流事件，同时所述患者通过一肠内喂食控制器根据一基线喂食曲线进行自动肠内喂食，所述基线喂食曲线包括一针对营养目标；训练一模型的一分类器组件，以根据排定的及/或预测的多个胃反流相关参数的一输入预测一将来的胃反流事件的可能性，根据所述多个胃反流相关参数与所述至少一反流事件之间的多个计算相关性训练所述分类器，将排定及/或预测的胃反流相关参数输入到所述模型的所述被训练的分类器组件，用于输出一将来的胃反流事件的可能性风险，以及通过所述模型计算对所述基线喂食曲线的一调整，用于减少所述将来的胃反流事件的可能性，且符合所述针对营养目标。

在所述第一方面的一进一步实施方式中，所述多个反流相关参数是选自由下列所组成的族群中的多个成员：所述反流事件在一天中的时间、所述反流事件期间肠内的喂食速率、所述反流事件前患者位置改变以及所述反流事件之前施用的药物。

在所述第一方面的一进一步实施方式中，通过选自由下列所组成的组群中的一成员检测所述患者位置改变：从所述患者的一电子健康记录(EHR)提取的需要患者位置改变的排定的事件、由监控所述患者的一照相机所拍摄的影像的一分析，以及由多个惯性传感器输出的多个惯性信号的一分析。

在所述第一方面的一进一步实施方式中，所述监控在一时间间隔内被执行，在所述时间间隔中所述将来的反流事件的一可能性风险被预先预测，且所述基线喂食曲线的调整被预先计算，所述训练在所述时间间隔中被执行，以更新所述被训练的分类器,以及基于所述被更新的被训练的分类器执行所述喂食，以输出所述将来的反流事件的一新的及/或更新的可能性风险，且基于所述新的及/或更新的风险计算所述调整。

在所述第一方面的一进一步实施方式中，对所述基线喂食曲线的所述调整包括：以一泵递送的一基线喂食速率进行一调整，通过调整由所述泵的一冲程速率及所述泵的一冲程振幅所组成的族群中至少一个。

在所述第一方面的一进一步实施方式中，所述系统还包括：重复所述监控、所述训练、所述喂食以及所述计算，其中：监控是用于积累指示所述多个反流相关参数及至少一反流事件的数据；训练是用于根据积累的所述数据动态地更新所述被训练的分类器；喂食是针对先前处理的及/或新排定的及/或预测的反流相关参数被重复；以及计算所述调整是根据将来的反流事件的动态预测的可能性被动态地执行。

在所述第一方面的一进一步实施方式中，所述至少一反流事件与多个反流事件参数相关联，以及所述分类器被训练以基于所述多个反流相关参数与所述多个反流事件参数之间的多个计算相关性来预测所述将来的反流事件的可能性。

在所述第一方面的一进一步实施方式中，所述至少一反流事件被定义为所述多个反流事件参数的一要求。

在所述第一方面的一进一步实施方式中，所述多个反流事件参数选自由反流持续时间、反流量所组成的族群的多个成员。

在所述第一方面的一进一步实施方式中，当所述将来的反流事件的所述可能性风险表示所述将来的反流事件可能发生时，所述调整包括喂食速率的一减少，且当所述将来的反流事件的所述可能性风险表示所述将来的反流事件不太可能发生时，所述调整包括喂食速率的一增加。

在所述第一方面的一进一步实施方式中，喂食速率的所述增加受限于一最大喂食速率，所述最大喂食速率根据将来的反流事件的一可能性风险来计算，所述将来的反流事件低于没有排定的及/或预测的多个反流相关参数的一要求。

在所述第一方面的一进一步实施方式中，喂食速率的所述减少及所述增加与所述将来的反流事件的所述可能性风险成正比。

在所述第一方面的一进一步实施方式中，喂食速率的所述减少及所述增加以恒定的预定义量执行。

在所述第一方面的一进一步实施方式中，喂食速率的所述减少及所述增加率根据基于被计算的所述将来的反流事件的所述可能性风险的一套规则来计算。

在所述第一方面的一进一步实施方式中，所述系统还包括：通过监控以检测一反流事件，同时根据所述基线喂食曲线的一喂食速率对所述患者进行肠内喂食；通过所述肠内的喂食控制器在一暂停时间间隔内暂停所述肠内的喂食；通过减少所述喂食速率调整所述基线喂食曲线；以及在所述暂停时间间隔及所述减少的喂食速率之后恢复所述肠内的喂食。

在所述第一方面的一进一步实施方式中，所述系统还包括：根据所述多个反流相关参数与被所述检测到的反流事件之间的多个计算相关性更新所述分类器的所述训练，所述多个反流相关参数与所述被检测到的反流事件相关联；以及再输出所述将来的反流事件的可能性风险；其中，根据所述再输出的风险减少所述喂食速率。

在所述第一方面的一进一步实施方式中，在一时间间隔内定义所述基线喂食曲线，并且所述针对营养目标表示在所述时间间隔结束时达到多个肠内的喂食参数的一积累。

在所述第一方面的一进一步实施方式中，所述系统还包括：计算在所述时间间隔结束时，多个肠内的喂食参数的所述积累与所述针对营养目标之间的一营养差异；以及根据所述差异产生所述患者的肠胃外的喂食的指令。

在所述第一方面的一进一步实施方式中，所述反流相关参数及所述至少一反流事件均被加盖时间戳，且其中所述多个反流相关参数与所述至少一反流事件之间的所述相关性被计算，所述至少一反流事件具有多个时间戳落入一共同时间窗内。

在所述第一方面的一进一步实施方式中，所述相关性通过滑动所述共同时间窗被重复计算。

在所述第一方面的一进一步实施方式中，所述共同时间窗大约15分钟。

在所述第一方面的一进一步实施方式中，所述多个反流相关参数表示一时间在一反复生理周期内的一时间，所述相关性在所述至少一反流事件与在所述反复生理周期内的所述时间之间被执行，以及将来的反流事件的所述可能性风险是基于与所述反复生理周期相关的一当前时间。

在所述第一方面的一进一步实施方式中，对所述基线喂食曲线的所述调整包括以下至少一个的一调整：在一天中的一定义时间时，用于肠内递送的水及药物。

根据一第二方面，一种用于自动患者照护的系统，所述系统包括：至少一处理器执行一代码，用于：在一监控间隔内监控曲线获得的多个患者相关的参数、多个肠内递送物质，以及多个胃反流事件参数，同时通过一肠内的喂食控制器根据一基线喂食曲线自动肠内喂食所述患者，所述基线喂食曲线包括一针对营养目标；通过计算多个特征向量创建一训练数据集，每个所述多个特征向量都与所述监控间隔期间的一时间指引相关联，每个特征向量都存储所述多个患者相关的参数、所述多个肠内递送物质以及所述多个胃反流事件参数；训练一模型，所述模型适用于接收多个当前患者相关的参数并输出用于调整所述肠内递送物质的多个指令，以减少一将来的胃反流事件的可能性，根据所述训练数据集基于所述多个患者相关的参数、所述多个肠内递送物质以及所述多个胃反流事件参数之间的计算相关性训练所述模型；以及将多个当前患者相关的参数输入到被训练的所述模型以输出用于调整所述肠内递送物质的多个指令，以减少一将来的反流事件的可能性。

在所述第二方面的一进一步实施方式中，所述多个患者相关的参数选自由下列所组成的族群：患者人口统计、患者年龄、患者性别、当前患者医学诊断、过去患者病史、当前患者征兆及/或症状、患者生命体征、患者尿液数据、患者热量数据、肠内的喂食速率、患者位置改变、血液测试数值、尿液分析测试数值、尿液输出、肺功能参数数值、肺液水平、一丸剂肠内给药以及SpO2。

在所述第二方面的一进一步实施方式中，所述肠内递送物质选自由肠内的喂食公式、水以及药物所组成的族群。

在所述第二方面的一进一步实施方式中，所述反流事件参数选自由一天中所述反流事件的时间、反流体积、反流强度、反流持续时间、反流重量所组成的族群。

在所述第二方面的一进一步实施方式中，当通过持续一预定义的时间间隔的中止喂食来指示药物的施加以减少反流的可能性，所述调整包括进入一药物期。

在所述第二方面的一进一步实施方式中，所述监控、所述创建以及所述训练在所述时间间隔内被重复执行，在所述时间间隔期间所述肠内递送物质被调整。

根据一第三方面，一种系统，用于产生多个指令以调整一机械换气机及一患者的体液平衡中的至少一个，所述系统包括：至少一硬件处理器，执行一代码，用于：在一监控间隔内，监控位在一喂食管上的多个传感器的输出、获得的多个换气相关参数以及多个流体相关参数，所述喂食管被定位用于在所述患者的肠内进行喂食，所述多个换气相关参数表示所述机械换气机的可调设置，所述多个流体相关参数表示所述患者的所述体液平衡的调整，同时通过所述喂食管自动肠内喂食所述患者；通过计算多个特征向量创建一训练数据集，每个所述多个特征向量都与所述监控间隔期间的一时间指引相关联，每个特征向量都存储从位在所述喂食管上的所述多个传感器的所述输出计算的多个特征、所述多个换气相关参数以及所述多个流体相关参数；训练一模型，所述模型适用于接收位在所述喂食管上的所述多个传感器的当前输出，并输出多个指令以调整机械换气机的所述多个换气相关参数以及所述多个流体相关参数的至少一者，所述机械换气机为患者进行换气，所述多个流体相关参数表示所述患者的一体液平衡的调整，根据所述训练数据集基于位在所述喂食管上的所述多个传感器的所述输出、所述多个换气相关参数以及所述多个流体相关参数之间的计算相关性训练所述模型；以及将位在所述喂食管上的所述多个传感器的当前输出输入到被训练的所述模型，以输出多个指令，所述多个指令用于调整所述机械换气机的所述多个换气相关参数以及调整所述多个流体相关参数，用于所述患者的体液平衡，以获得由至少一针对患者呼吸参数以及至少一针对患者体液参数所组成的族群中的至少一个。

在所述第三方面的一进一步实施方式中，所述监控还包括监控至少一患者呼吸参数及至少一患者体液参数，其中所述训练数据集的所述特征向量还包括从所述至少一患者呼吸参数及至少一患者体液参数计算的多个特征，其中所述模型被训练用以接收当前至少一患者呼吸参数及至少一患者体液参数基于所述至少一患者呼吸参数、所述至少一患者体液参数、位在所述喂食管上的所述多个传感器的所述输出、所述多个换气相关参数以及所述多个流体相关参数之间的计算相关性，其中所述输入包括输入所述至少一患者呼吸参数及所述至少一患者体液参数的当前数值。

在所述第三方面的一进一步实施方式中，所述至少一患者呼吸参数选自由下列所组成的族群：SpO2、阻抗传感器输出；其中所述至少一患者体液参数选自由下列所述组成的族群：利尿药物的给药、抗利尿药物的给药、输出尿液的量、输出尿液的时间、输出尿液的浓度以及肺内积液的量。

在所述第三方面的一进一步实施方式中，所述至少一针对患者呼吸参数选自由下列所组成的族群：SpO2、阻抗传感器输出；其中所述至少一针对患者体液参数选自由下列所组成的族群：在一时间间隔内输出尿液的量、输出尿液的浓度，以及肺内积液的量。

在所述第三方面的一进一步实施方式中，所述多个传感器的所述输出包括基于所述多个传感器的所述输出计算的至少一特征，所述至少一特征选自由下列所组成的族群：所述患者的至少一肺内积液的量的估计，以及所述患者的自发横膈膜运动的估计。

在所述第三方面的一进一步实施方式中，所述多个流体相关参数选自由下列所组成的族群：利尿药物的给药、抗利尿药物的给药、静脉输液的给药、肠内输液的量以及正在给药的液体类型。

在所述第三方面的一进一步实施方式中，所述监控、所述创建以及所述训练在所述时间间隔内重复执行，在所述时间间隔期间所述机械换气机及/或所述患者的所述体液平衡被调整。

根据一第四方面，一种用于一患者的自动肠内的喂食的系统，所述系统包括：至少一硬件处理器，执行一代码，用于：基于在一部分的一时间间隔内获得的一患者的一基础代谢率，计算在所述时间间隔结束时达到的一针对营养目标，其中所述针对营养目标包括在所述时间间隔结束前一待递送的体积(VTBD)，对应于在所述时间间隔内根据所述基础代谢率计算的所述患者的能量消耗的一目标量；计算一目标喂食曲线，定义一目标喂食速率，所述目标喂食速率用于通过一自动肠内的喂食装置进行所述患者肠内的喂食，以在所述时间间隔结束之前达到所述待递送的体积：在所述时间间隔内连续监控所述患者的实时能量消耗，基于所述基础代谢率的连续测量；动态地调整所述针对营养目标及相应的待递送的体积，以计算一待递送的最大体积(最大VTBD)，用以在所述时间间隔结束时达到根据动态调整的所述患者的所述被监控实时能量消耗；在所述时间间隔的一剩余部份内动态地调整所述目标喂食速率及相应的所述目标喂食曲线，以在所述时间间隔结束前达到所述待递送的最大体积，其中所述目标喂食曲线追踪所述基础代谢率的改变。

在所述第四方面的一进一步实施方式中，用于达到所述待递送的最大体积的一喂食速率被计算为用于达到所述待递送的体积的所述喂食速率的大约1.2倍。

根据一第五方面，一种系统，用于一患者的自动肠内的喂食，所述系统包括：至少一硬件处理器，执行一代码，用于：计算一目标喂食曲线，表示所述患者通过一自动肠内的喂食装置的一目标肠内的喂食，以在一时间间隔结束时达到一针对营养目标；通过匹配所述目标喂食曲线定义一患者的一基线喂食曲线，其中所述患者通过所述自动肠内的喂食装置根据所述基线喂食曲线进行自动喂食，以达到所述针对营养目标；在至少一暂停时间间隔通过所述自动肠内的喂食装置暂停或减慢所述肠内的喂食；其中在每个暂停时间间隔期间在所述目标喂食曲线与所述基线喂食曲线之间形成一喂食不足；以及调整所述基线喂食曲线至一较高喂食速率，高于相应的所述目标喂食曲线的一喂食速率，以补偿所述喂食不足，以在所述时间间隔结束时达到所述针对营养目标。

在所述第五方面的一进一步实施方式中，所述更高喂食速率是一定义的最大喂食速率。

在所述第五方面的一进一步实施方式中，所述最大喂食速率根据所述患者反流所述肠内的喂食在一阈值以下的可能性来选定。

在所述第五方面的一进一步实施方式中，所述最大喂食速率由所述喂食曲线定义的一喂食速率的大约1.75倍来计算。

在所述第五方面的一进一步实施方式中，所述系统还包括一代码，用于：检测所述目标喂食曲线与所述基线喂食曲线之间的间隙被合上时；以及减少所述基线喂食曲线以匹配所述目标喂食曲线。

在所述第五方面的一进一步实施方式中，所述系统还包括一代码，用于：动态地调整所述针对营养目标；动态地调整所述目标喂食曲线以在所述时间间隔结束时达到动态地被调整的所述针对营养目标；以及动态地匹配所述基线喂食曲线与所述被调整的目标喂食曲线以达到所述动态地被调整的针对营养目标。

在所述第五方面的一进一步实施方式中，所述针对营养目标是根据所述患者的一计算的静息能量消耗(REE)的多个动态数值被动态地调整，其中所述针对营养目标在一容许范围内匹配至根据所述静息能量消耗(REE)决定的所述患者的能量需求。

在所述第五方面的一进一步实施方式中，对所述基线喂食曲线的调整包括将所述基线喂食曲线动态地匹配至所述被调整的目标喂食曲线的一调整。

在所述第五方面的一进一步实施方式中，所述系统还包括一代码，用于在一显示器上的一交互式图形用户界面(GUI)内呈现，一第一曲线表示所述目标喂食曲线、一第二曲线表示具有多个动态调整的所述基线喂食曲线，以及标记一区域指示在所述目标喂食曲线与所述基线喂食曲线之间形成的喂食不足的所述间隙。

在所述第五方面的一进一步实施方式中，所述系统还包含一代码，用于在一目标喂食区域内自动检测一喂食管的位点，并且通过所述自动肠内的喂食装置触发所述自动肠内的喂食以响应在所述目标喂食区域处的所述被检测的所述喂食管的位点。

在所述第五方面的一进一步实施方式中，计算所述针对营养目标在一容许范围内匹配所述患者的一静息能量消耗(REE)，所述静息能量消耗是基于至少一传感器的测量所估计的所述患者的CO₂制造速率及/或O₂消耗速率。

在所述第五方面的一进一步实施方式中，所述针对营养目标排除对所述患者开具处方的药物中所隐藏的热量。

在所述第五方面的一进一步实施方式中，所述系统还包括一代码，用于在一交互式图形用户界面呈现，以选择多个与所述针对营养目标最匹配的当前库存中可用的喂食组合物中的至少一个。

在所述第五方面的一进一步实施方式中，多个时间间隔的每个各自的时间间隔都计算所述目标喂食曲线在每个各自的时间间隔结束时所述针对营养目标的一最大值的一增加百分比，其中在每个随后时间间隔，所数百分比被增加，直到满足所述最大值，其中所述针对营养目标在额外的随后时间间隔内被设定至所述最大值。

在所述第五方面的一进一步实施方式中，所述系统还包括一代码，用于在一交互式图形用户界面(GUI)内呈现，一仪表板呈现从以下至少一个的一实时数值的一目标区域偏离的一指示：尿液输出、代谢、胃反流事件、用来计算所述目标喂食曲线的静息能量消耗，以及胃残余体积(GRV)。

除非另有定义，否则本文使用的所有技术及/或科学术语具有与普通技术人员对本发明有关的技术领域中所通常理解的相同含义。虽然类似或等同于本文描述的那些方法与材料可以用在本发明实施例的实践或测试中，示例性方法及/或材料仍进行说明如下。在冲突的情况下，专利说明书，包括定义，将控制。此外，材料、方法和举例仅是说明性的，非意指其必要限制。

附图说明

本文仅通过举例的方式，参照随附的图式描述本发明的一些实施例。现以具体参照附图详细说明，以及为了发明实施例的说明讨论的目的，通过举例的方式且不一定按比例来强调所示细节。在这点上，结合附图所做的描述会使得本领域的技术人员明确可知可以如何实施本发明的实施例。

在附图中：

图1是一种根据将来的反流事件的可能性通过自动调整肠内的喂食的一基线喂食速率来治疗一患者的方法的一流程图，根据本发明的一些实施例；

图2是一种根据将来的反流事件的可能性通过自动调整肠内的喂食的一基线喂食速率来治疗一患者的系统的多个组件的一方框图，根据本发明的一些实施例；

图2A是描述反流相关参数和反流事件发生在一时间间隔内的一图表，用于计算其相关性，根据本发明的一些实施例；

图2B是用于自动调整肠内的喂食及/或其他用于患者管理的参数的示例性数据流的一示意图，根据本发明的一些实施例；

图2C是根据计算相关性通过自动调整肠内的喂食来喂食一患者以减少反流的一环境视角示意图，根据本发明的一些实施例；

图3A是描绘调整一基线喂食曲线的一示例的一图表，根据本发明的一些实施例；

图3B是描绘调整所述基线喂食曲线以达到一针对营养目标的过程，根据本发明的一些实施例；

图4是计算由于反流及/或一GRV程序而损失的肠内的喂食量的一估计的方程，用于通过调整所述基线喂食速率进行补偿，根据本发明的一些实施例；

图5是一图表，显示与反流相关参数表示为x[n]相关联的一反流事件表示为y[m]，在表示为a[n,m]和b[n,m]的范围内，假设存在N个反流事件并考虑M个可能的反流相关参数，根据本发明的一些实施例；

图6是与反流事件相关的积累的反流相关参数的一正常分布，根据本发明的一些实施例；

图7是在期望的信赖水平P和自由度N-1下，与从一标准χ²表中获取的参考值χ²ref相比较的M计算的χ²[m]的一描述结果值，根据本发明的一些实施例；

图8是通过一被训练的模型控制的自动肠内的喂食生成用于治疗一患者的多个指令的一示例性方法的一流程图，根据本发明图的一些实施例；

图9是根据以一被训练的模型的输出为基础的多个指令，通过调整一患者的一换气机及/或体液平衡来生成用于治疗一患者的多个指令的一示例性方法的一流程图，根据本发明的一些实施例；

图10是根据本发明的一些实施例为了满足一目标营养需求动态调整基线喂食的一示例性方法的一流程图，以喂食暂停及/或所述目标营养需求的动态变化的观点；

图11A至11G是在一24小时的时间间隔内的所述目标喂食曲线和所述基线喂食曲线的一示例图表，以帮助理解参照图10所描述的方法；

图12是展示由发明人进行的实验的实验结果的一图表，该实验用于评估自动肠内喂食一患者以满足一目标营养喂食需求的一系统的能力，以肠内的喂食中的反流事件及/或暂停的观点，根据本发明的一些实施例；

图13，是一示例性GUI的一示意图，展示一整体的患者状态，根据本发明的一些实施例；

图14是示例性典型CO₂制造速率的一图表，根据本发明的一些实施例；

图15A至15B包括描绘一患者的示例性营养每日图的图表，总结所述患者的示例性重要营养状态，根据本发明的一些实施例；

图15C是描绘中止喂食的示例的一图表，其通过自动增加所述喂食速率来补偿所述中止喂食，根据本发明的一些实施例；

图15D是描绘所述目标喂食曲线的变化的一示例的一图表，根据本发明的一些实施例；

图16是一种自动化患者喂食装置的操作流程的一示例性方法的流程图，根据本发明的一些实施例；和

图17，其是图解说明参数与反流事件之间的相关性的一示意图，根据本发明的一些实施例。

具体实施方式

本发明在其一些实施例中，涉及一患者的治疗，且更具体但不排除，涉及通过自动患者照护用于一患者的治疗的系统及方法。

如本文所用，术语患者相关的参数及反流相关参数有时可以互换，例如，当为所述患者测量的临床参数与反流风险相关时。

如本文所用，术语反流事件参数及至少一反流事件有时可以互换，例如，所述反流事件可根据一或多个反流事件参数定义。

如本文所用，术语反流相关参数是指胃反流相关参数，及/或术语反流事件是指胃反流事件。

本发明的一些实施例的一方面(有时在本文中是指人工智能(AI)、适应系统、机器学习相关)涉及系统、方法、设备及/或代码指令(即，储存在一内存且可通过一或多个硬件处理器来执行)用于个性化治疗一患者(及/或用于产生用于治疗的指令)通过由一肠内的喂食控制器及/或换气辅助，如受控的抽吸，自动调整一肠内的喂食速率。所述调整对于所术患者是个性化的，基于一模型(例如，机器学习代码，例如一分类器组件)的代码，学习最佳方式以肠内喂食所述患者(例如，达到一针对营养目标)同时减少反流事件的风险。通过所述模型自动执行对速率的所述调整，所述模型学习反流相关参数与反流事件的风险(见图2B)之间的相关性，并且调整所述喂食速率以减少反流事件的风险。所述模型(例如，所述模型的统计分类器组件)被训练用于当前患者，即，根据各自患者所收集的数据为每个患者进行有差异的训练所述模型。

本发明的一些实施例的一方面涉及用于通过一自动肠内的喂食装置进行一患者的自动肠内的喂食的系统、方法、设备及/或代码指令。计算一目标喂食曲线表示所述患者的一目标肠内的喂食，以在一时间间隔结束时达到一针对营养目标，例如，基于实时基础代谢率(也称为是基础速率)。所述基础代谢率表示所述患者的所述实时能量消耗(例如，REE)，可以基于在一短时间间隔内的传感器测量被计算(例如，5-15分钟或其他数值)，外推到所述时间间隔结束点(例如，在6、12、24小时或其他数值结束点)。所述目标喂食速率基于所述24小时(用作为一非限制性的示例)目标被计算，例如，下个24小时的一喂食计划。达到被预测的24小时的能量消耗目标对应于一肠内的喂食配方的一体积，所述肠内的喂食配方被选定用来肠内喂食所述患者。在所述24小时时间目标前提供的所述肠内的喂食配方的所述目标体积有时在本文中可以称为是待递送的体积(VTBD)。一患者的一基线喂食曲线通过匹配所述目标喂食曲线被定义。所述基线喂食曲线可包括一基线喂食速率，与所述目标喂食速率相匹配，以在所述24小时时间间隔结束前达到VTBD。通过所述自动肠内的喂食装置根据所述基线喂食曲线自动喂食所述患者，以达到所述针对营养目标。所述肠内的喂食可以通过所述自动肠内的喂食装置暂停或减慢下来持续至少一暂停时间间隔。在每个暂停时间间隔期间在所述目标喂食曲线与所述基线喂食曲线之间形成一喂食不足。所述基线喂食曲线被调整至一较高喂食速率(可选地一最大喂食速率)，高于对应的目标喂食曲线的一喂食速率，以弥补所述喂食不足，在所述时间间隔结束时达到所述针对营养目标。所述最大喂食速率补偿喂食体积，所述喂食体积若不是因为喂食中的暂停(或减少速率)将被提供给所述患者，通过在剩余的时间中提供额外的体积的喂食公式。设计所述补偿在24小时结束时产生相同的VTBD，其若不是因为喂食中的暂停(或减少速率)将被提供。

本发明的一些实施例的一方面涉及用于通过一自动肠内的喂食装置对一患者进行自动肠内的喂食的系统、方法、设备及/或代码指令。计算在一时间间隔结束时要达到的一针对营养目标，可选地，基于在所述时间间隔(例如，5-15分钟或其他值)的一短部份内所述患者的一基础代谢率(可指示实时能量消耗)，例如，24小时内2000大卡(Kcal)，基于15分钟内约20.8大卡的基础代谢率及/或能量消耗。所述针对营养目标包含在与所述时间间隔的能量需求相对应的所述时间间隔结束时一选定的喂食配方的一待递送的体积(VTBD)，例如，对于其中1毫升(ml)提供2大卡的一配方，VTBD为2000Kcal/2ml每Kcal＝1000ml。通过从所述短部分外推到整个时间间隔，所述喂食配方的VTBD对应于所述患者在所述时间间隔内根据所述实时能量消耗计算的能量消耗的一目标量。计算一目标喂食曲线，其定义了一目标喂食速率，用于通过一自动肠内的喂食装置进行所述患者的肠内的喂食，以在所述时间间隔结束前达到所述VTBD。例如，要在24小时结束时达到1000ml，所述喂食速率约为1000/24＝41.7ml/小时。所述患者的所述实时能量消耗在短时间间隔内被连续监控(或大约连续在短时间间隔内，例如美秒、分钟、5分钟或其他值)，可选地基于所述基础代谢率的连续测量。所述针对营养目标和对应的VTBD是动态地，适用于根据动态调整所述患者的所述被监控的实时能量消耗计算在所述时间间隔结束时达到的一最大VTBD(最大VTBD)。例如，当所述患者在24小时时间间隔的第18小时有所改善，并且新的能量消耗增加了20％时，计算所述时间间隔结束时的一新目标，在所述时间间隔的所述剩余部分为所述患者提供超过20％，即在剩下的6小时内。计算所述最大VTBD，作为初始VTBD和超过先前VTBD的额外体积，以达到所述新的能量目标。所述目标喂食速率和相应的目标喂食曲线适于所述时间间隔的所述剩余部分，以达到在所述时间间隔结束前动态调整后的最大VTBD。例如，对于剩余的6小时，所述喂食速率增加以达到最大VTBD的所述新目标。有效地，所述目标喂食曲线追踪了所述基础代谢率的改变。

所述最大VTBD可由一用户，如一医师，来定义以补偿损失。

这里描述的喂食速率可以例如以毫升/小时(ml/hour)、毫升/分钟(ml/minute)或其他时间间隔来计算。

自动喂食可能会暂停，例如，由于一用户的一手动停止，检测到反流时所述装置自动停止，胃管喂食口堵塞，及/或本文所述的其他原因。

需要注意的是，所述患者消化的体积有时可能与递送给所述患者的体积不同。本文描述的系统、方法、设备及/或代码指令可以指的是通过动态地根据初始基线改变递送体积来为一患者实现消化体积，如本文所述。

可选地，设定一目标喂食曲线以在一时间间隔结束时达到一针对营养目标，例如，24小时。所述基线喂食曲线，其表示提供给所述患者的实际喂食量，与代表期望的喂食目标的所述目标喂食曲线相匹配。在所述肠内的喂食暂停期间，所述目标喂食曲线与所述基线喂食曲线之间形成了一间隙。所述间隙表示实际给予所述患者的总积累喂食量与所述期望的积累喂食量之间的一差值。为了合上所述间隙，所述基线喂食曲线的所述喂食速率增加。当所述间隙关闭时，所述基线喂食曲线的所述喂食速率减少，以匹配所述目标喂食曲线的所述喂食速率。当所述针对营养目标动态地被调整时(例如增加)，在所述时间间隔结束前，所述目标喂食曲线被调整(例如增加)。调整(例如增加)所述基线喂食曲线，以匹配调整后的所述目标喂食曲线，力图在所述时间间隔结束前达到所述新的针对营养目标。

可选地，对于一患者(例如，住院，例如在ICU)，一大量的医疗参数被监测(例如，连续如通过传感器，每个事件例如血液测试结果，定期如由医师及/或护士进行体检轮次)并可能存储在电子健康记录(EHR)中，例如，存储在一EHR服务器中。所述EHR积累过去的医疗信息及医疗参数的统计(例如，变量及/或信号)，以食物类型及/或喂食速率的形式影响所述肠内的喂食策略。替代地或附加地，当前医疗状态指标例如氧饱和度SPO2心脏数据、换气数据和患者运动(由照护者强迫或自发)可以被记录并存储在EHR或其他相关联的数据集中。

当反流风险较低时，可增加所述喂食速率，以补偿在减少喂食速率及/或暂停期间所减少的喂食，例如，以喂食停止(暂停)的形式，当检测到反流时可自动触发及/或由一用户手动完成(例如，照护者因一或多个原因决定暂停喂食)，以在一喂食时间间隔结束时达到一可选的针对营养目标。所述喂食速率的相关性和调整是在连续的积累患者感官数据之后重复的，其减少了反流事件的整体风险，同时提供肠内的喂食，以达到尽可能接近所述针对营养目标。可选地，当所述患者有皮肤电极时，例如一肺水(即水肿)、电极及/或肢体电极，可计算交叉关联性以检测喂食参数、给水及/或给药及/或肺液之间的交叉效应。

反流相关参数(例如，反流事件的时间、肠内的喂食速率、患者取向改变(例如，由照相机及/或惯性体绑传感器检测)，以及给予的药物)以及反流事件被监控，同时所述患者由一肠内的喂食控制器自动进行肠内喂食。所述患者根据一基线喂食曲线进行肠内喂食，其中包括一针对营养目标。所述针对营养目标是针对一喂食时间间隔结束时可选地定义，计算为所述喂食时间间隔内的一聚集，用于在24小时内递送的总卡路里及/或总体积。一模型(例如，分类器组件)被训练用于预测一将来的反流事件的可能性，根据一排定及/或预测的反流相关参数的输入，例如，给定一定喂食速率以及一排定的患者取向改变事件(例如，由于一患者程序)的反流风险，或与某种药物给药相关的反流风险。所述模型(例如，分类器组件)是根据所述反流相关参数与所述反流事件之间的计算相关性训练的。排定及/或预测的反流相关的事件被输入到所述模型(例如，分类器组件)中，用于输出一将来的反流事件的可能性风险。调整所述基线喂食曲线以减少所述将来的反流事件的可能性，且满足所述针对营养目标。在此描述的系统、方法、设备及/或代码指令的至少一些实施方式包括一学习及/或训练模型，其自动调整操作参数以获得对特定患者的一最佳配合。例如，当某种药物先前已与高反流风险相关，并且所述药物计划在不久的将来再次给药时，可以在给药前减少甚至停止所述喂食速率，以防止或进一步减少反流的风险。在另一个示例中，当一患者取向改变排定时(例如，通过分析一照相机捕获的所述患者的影像来检测，例如，所述患者的床上用品的每日变化)，可以在取向改变期间停止所硕喂食速率(由于反流的风险)和在取向改变之前及/或之后增加(当反流的风险低时)以补偿暂停期间的喂养缺乏。在另一个示例中，所述模型(例如，分类器组件)学习一天中不同时间的反流风险(例如，由于所述患者的一生理周期)并相应地调整喂食速率以最大化喂食，同时减少在一天中的不同时间的反流风险。

肠内的喂食控制器指示的锁硕喂食速率(如通过一泵递送)可以被控制，例如，通过冲程频率及/或通过冲程振幅及/或通过结合频率控制和振幅控制。

所述监控、训练及调整在所述喂食时间间隔内重复，以动态地更新所述相关性、动态地计算新排程的反流相关参数的反流风险及/或动态地重新计算已知反流相关参数的风险(使用更新的相关值)，以及动态地适应所述喂食速率。基于所述监控数据更新各个患者的相关值，其增加了预测反流相关参数的风险的准确度，且提高达到在一更快的喂食速率(达到所述针对营养目标)和反流事件的风险减少之间的一权衡的能力。

需要注意的是，每个反流相关参数与反流事件的风险之间可能存在相关性，及/或多个反流相关参数的组合与反流事件的风险之间的相关性。例如，某些个别的反流相关参数可能与反流事件的一显著风险不显着相关，但多个这样的反流相关参数的组合可能与反流事件的显著风险是显着相关。

发明人在临床研究中使用我们实施的一设计的喂食管而发现的在统计上显著相关于反流风险的患者临床参数的示例性相关性，例如，通过引用并入本申请中所述：

*反流相对于SPO2(例如，一脉搏血氧仪测量的)

*反流相对于患者位置及/或移动，可选地其改变(例如，由照相机及/或惯性传感器测量的)

*反流相对于丸剂肠内给药(例如，由照护者决定发起)

*肺水及/或水肿相对于尿液输出(例如，由皮肤及喂食管电极测量的)

*反流相对于肺液

*反流相对于尿液输出

参考国际专利申请第IB2017/057702号描述了用于感测肺液和功能的系统及方法的示例。

参考申请号第16/000,922号描述了用于在一机械换气的患者追踪自主呼吸的系统和方法的示例。

参考申请号第15/228,115号描述了用于分析尿液的系统及方法的示例。

此处计算的示例相关性(例如，通过计算机装置)可以具有以下形式：

使r_i为n元件的一反流序列

使m_j,i为参数j的所述n测量序列

然后：

然后例如：若ρ^j<0.5弱相关性

若ρ^j>0.9强相关性，中止喂食

0.5和0.9的所述阈值是示例性的。可以使用其他数值的阈值表示弱及/或强相关，例如，弱相关的阈值可以是0.3、0.4、0.6、0.7或其他更小、更大或中间的值。强相关的阈值可以是，例如，0.7、0.8、0.95或其他更小、更大或中间的值。区分弱和强的阈值可能是相同的值，也可能是不同的值。可以选择与反流具有强相关性的参数来调整肠内物质递送(例如，配方、水、药物)以减少反流风险，如本文所述。例如，当所述计算相关性在强相关性阈值以上时，可以生成中止喂食的指令。与反流具有弱相关性的参数可被忽略，以调整肠内物质递送。例如，当所述计算相关性低于所述弱相关性阈值时，喂食可以继续。可以分析在弱和强之间具有相关性的参数，例如，根据一组规则，通过所述模型，基于手动输入及/或其他方法。例如，当所述计算相关性在弱和强阈值之间时，可能会产生适于喂食的指令，例如，减少所述喂食速率而不必停止喂食。速率减少的量可以与相关程度成比例，例如，线性、指数、非线性及/或由模型计算。

可选地，所述基线喂食曲线的调整包括水及/或肠内递送药物的调整。例如，添加额外的水及/或给予一或多种药物。可选地，当水及/或药物待递送时，所述调整定义一天中的时间(例如范围)。

可能触发一喂食暂停(即停止，可能是暂时的)的示例性事件包括：

给予肌肉松弛药物(例如，根据存储在所述EHR的数值)。

患者移动(例如，如通过分析由照相机或惯性传感器捕捉的影像所表示)。

丸剂给药(例如，根据存储在所述EHR的数值)。

本发明的一些实施例的一方面涉及通过自动肠内的喂食用于治疗(及/或用于产生治疗的指令)一患者的系统、方法、设备及/或代码指令(即，存储在一内存且可通过一或多个硬件处理器执行)。在一监控间隔内获得(即，监控)数据元件。获得的数据元件包括患者相关的参数、肠内递送物质及/或反流事件参数。在所述患者通过一肠内的喂食控制器，可选地根据一基线喂食曲线，包括一针对营养目标，进行自动肠内喂食同时获得所述数据元素。一训练数据集被创建。所述训练数据集包括多个特征向量，每个特征向量与获取所述数据元件时的所述监控间隔期间的一时间指引相关联。每个特征向量都存储所述患者相关的参数、所述肠内递送物质以及所述反流事件参数，这些参数是在与这些特征向量相对应的一时间间隔期间内获得的。基于所述训练数据集的所述特征向量训练及/或生成一模型。所述模型适用于接收当前患者相关的参数及/或肠内递送物质，以及用于调整所述肠内递送物质的多个指令。调整可能是为了减少一将来的反流事件的可能性。所述模型可根据患者相关的参数、肠内递送物质及/或反流事件参数之间的计算相关性被训练。当前患者相关的参数被输入到所述被训练的模型中，以输出多个指令，用于调整所述肠内递送物质(如水、药物、肠内配方)，可选地用于减少一将来的反流事件发生的可能性。根据所述指令调整所述肠内递送物质。

本发明的一些实施例的一方面涉及通过调整一机械换气机及/或体液平衡用于治疗(及/或用于产生治疗的多个指令)一患者的系统、方法、设备及/或代码指令(即存储在内存中且可通过一或多个硬件处理器执行的)。数据元件是在一监控间隔内获得(即被监控)的。所获得的数据元件包括定位用于所述患者的肠内的喂食的一喂食管上(例如，如参考申请案第16/000,922及/或IB2017/057702号所述)的传感器的输出，换气相关参数，及/或流体相关参数。所述数据元件是在通过一肠内的喂食控制器自动肠内喂食所述患者的同时获得的。创建一训练数据集。所述训练数据集包括多个特征向量，每个特征向量与获取所述数据元素时的所述监控间隔期间内的一时间指引相关联。每个特征向量存储位在所述喂食管上的所述传感器的输出、换气相关参数及/或流体相关参数，在与所述特征向量对应的一时间间隔内获得。基于所述训练数据集的特征向量训练及/或生成一模型。所述模型适用于接收位在所述喂食管上的所述传感器的当前输出，并输出指令以调整所述机械换气机，所述换气机自动为患者换气及/或调整患者的体液平衡。调整可以是为了达到一针对患者呼吸参数(例如，SpO2，阻抗传感器的输出)及/或针对患者体液参数(例如，一时间间隔内的尿液输出)。所述模型可以根据在所述喂食管上的所述传感器的输出及/或换气相关参数、及/或流体相关参数之间的计算相关性进行训练。所述喂食管上的传感器的当前输出被输入到所述被训练的模型中，用于输出调整机械换气机及/或患者的体液平衡(例如，给予利尿药物、给予抗利尿药物、给予IV食盐水、给予肠内的喂食额外的水)的多个指令。可选地，为了获得所述针对患者呼吸参数(例如，目标SpO2值、阻抗传感器的输出的目标值)及/或针对患者体液参数(例如24小时内的目标尿液输出)。所述机械换气机及/或体液平衡根据所述指令进行调整。

可选地，获取数据项的特征、所述特征向量的创建以及所述模型的训练随时间重复，以基于调整的输出更新所述模型。所述模型被供给新数值并基于所述更新的模型计算新的调整。以这种方式，所述模型迭代地学习其调整输出的结果，以改善所述调整，可选地进一步减少反流风险。

在此描述的系统、方法、设备及/或代码指令(即，存储在内存中并且可由一或多个硬件处理器执行)中的至少一些涉及通过自动化的患者照护治疗一患者的问题。大多数的ICU(及/或其他的健康照护部门)没有配备计算机化的信息系统，可以计算每日和累积的能量平衡。如果不每天进行评估，则可能会错过此值，并且可能会忽略保持严格卡路里平衡的重要性。累积负能量平衡可能达到-10,000kcal，从而增加发病率和死亡率的风险，例如，如参考Dvir D,Cohen J,Singer P(2005)Computerized energy balance andcomplications in critically ill patient.s:an observational study.Clin Nutr25:37–44所述。另一个重大风险是患者出院后的康复可能会大幅延长，例如，如参考Wischmeyer PE,San-Millan I(2015)Winning the war against ICU-acquiredweakness:new innovations in nutrition and exercise physiology.Crit Care 19:s6。在此描述的系统、方法、设备、及/或代码指令中的至少一些提供了探索连续能量消耗的益处并使用AI和预测算法来处理热量和蛋白质不足的下一代喂养技术。ICU和ICU出院后单位之间的沟通，以了解营养状况和预测缺陷，并可以提供一个应用程序来帮助患者出院后恢复。使用在分析患者未食用的医院食物中获得的知识来评估能量、蛋白质和维生素缺乏，至少这里描述的一些系统、方法、设备及/或代码指令可以克服在后ICU时期的不足。当在关键阶段实施时，本文描述的至少一些系统、方法、设备和/或代码指令可以帮助确保持续测量、监控和实现患者的营养计划和目标。可穿戴数据可以与EHR数据集成，包括传感器持续测量身体活动和血糖水平(缺少参考)的数据。

在此描述的系统、方法、设备及/或代码指令(即，存储在一内存中并且可由一或多个硬件处理器执行)中的至少一些提高患者的安全性、降低死亡率及/或减少并发症，以及留在ICU的时间。

在此描述的系统、方法、设备及/或代码指令(即，存储在一内存中并且可由一或多个硬件处理器执行)中的至少一些可以辅助以下中的一或多个：1.通过实时反流检测和预防相结合的最佳患者喂食。2.能量消耗测量和持续个性化喂食配方选择。3.连续监控肠内的喂食输送。4.补充营养计算及持续监控。5.单元之间的自动化信息流。

在此描述的系统、方法、设备及/或代码指令(即，存储在一内存中并且可由一或多个硬件处理器执行)中的至少一些涉及通过肠内的喂食治疗一患者的问题，可选地包括给水及/或给药。可选地，当使用与增加反流可能性相关的特殊液体给药时，例如药物给予，泵送程序可能会更改为一“药物期”以减少反流风险的可能性及/或降低GRV风险的可能性。所述药物期可以进行，例如，在所述药物期之前终止喂食一段时间，且可选地减少递送，例如，降低泵送速率以减少反流的可能性。

设计及/或选择一合适的肠内的喂食方式，包括喂食速率(如单位时间的卡路里)及/或肠内的喂食的组成(如碳水化合物、蛋白质、脂肪及/或其他营养素)影响患者的生存和恢复。有增加喂食速率的趋势，以便为患者提供足够量的营养。然而，另一方面，过高的喂食速率会导致反流事件。反流增加了插管患者并发症的风险，例如，由于反流被吸入肺部而导致的吸入性肺炎(aspiration pneumonia)。将喂食速率减少到一低水平可以减少反流的风险，但可能会增加患者没有接受足够营养的风险，这与增加的发病率、死亡率及/或并发症相关。选择一个最佳的喂食曲线，一方面为患者提供正确的营养以改善治疗结果，另一方面避免或减少反流的风险，至少由于所描述的权衡，这是一项具有挑战性的任务。

照护喂食控制已被证明是一种患者恢复加速器。例如，新的重症照护病房(ICU)指南建议在不可能进行口服摄入的危重成年患者中给予早期肠内营养。此外，为避免过度喂食，重症患者不应使用早期全肠内营养，而应在至少三天内开具处方，且更具体地说是在第一天建议营养的30％，第二天50％，第三天70％，从第四天开始，直到达到建议的全部量。所述建议的量可以通过标准实践方法来确定。

在遵循喂食指南时，确定并给予一预设定的喂食曲线，其中所有小时，每小时提供相同的量。所述喂食速率不根据所述患者的不断变化的条件进行调整。因此，所述喂食程序无法补偿食物损失，也无法最小化不良事件，例如因反流而中止喂食、胃残余体积吸入(GRV)及/或因患者治疗而喂食中止。标准喂食装置没有设计减少此类不良事件的风险。有效地，所述递送的营养不等于所述患者实际吸收的消化营养，至少是由于反流使得其中至少一些肠内递送的食物离开了所述患者的身体(例如，GRV)。

此外，由于所述患者的身体状况不断变化，一天中的食物消耗也有所不同，所以如果日常作息不变，所述喂食曲线不变，一天中的一些部分会出现反流事件，且可能会出现大量反流，将导致误吸和吸入性肺炎，因为胃排空活动低，可能使所述给予照护者喂食更多的一天中的一些部分将保持不变。当快速恢复是自然目标时，标准的喂食方法不是采用一暂时喂食曲线，以更好地满足所述患者的需求。

在此描述的系统、方法、设备及/或代码指令(即，存储在一内存中并且可由一或多个硬件处理器执行)中的至少一些改进了用于治疗一患者的自动化肠内的喂食技术领域。对其进行治疗的患者。所述改进是基于通过一喂食控制器产生用于自动控制所述肠内的喂食的多个指令，实现在达到尽可能接近(及/或满足)用于增加医疗结果的一针对营养目标与减少或防止与吸入性肺炎等并发症相关的反流风险之间的一最佳权衡。

与胃肠外营养相比，胃内给予肠内的喂食与更多的呕吐和反流有关，例如，如参考Reignier J,Boisramé-Helms J,Brisard L,Lascarrou JB,Ait Hussain A,Anguel N etal(2018).NUTRIREA-2 Trial Investigators；Clinical Research in Intensive Careand Sepsis(CRICS)group:Enteral versus parenteral early nutrition inventilated adults with shock:a randomised,controlled,multicentre,open-label,parallel group study(NUTRIREA-2).Lancet 391:133-143。反流和反胃是增加换气机关联的肺炎(VAP)的风险的一个因素，增加喂食速绿以达到所述营养目标与减少喂食速率以减少误吸之间存在一恒定冲突。因此，临床医生在提高肠内的喂食的给予速率时应谨慎，以减少反流和呕吐的风险，而不增加VAP的风险。将床头抬高至一半坐位是唯一经证明可减少VAP突发事件的技术。临床上使用胃残余体积(GRV)测试定期抽吸评估胃功能，但在监控肠内营养施用中没有用，例如，如参考Reignier J,Mercier E,Le Gouge A,Boulain T,Desachy A,Bellec E et al.(2013)Effect of not monitoring residual gastricvolume on risk of ventilator-associated pneumonia in adults receivingmechanical ventilation and early enteral feeding:a controlled randomizedtrial.JAMA 209:249-256。为了获得有效的胃排空的一有效结果，胃残留物应在发生反流时释放，而不是在任意和预先确定的(每4小时一次)时间框架内释放。

已知的方法包括，例如，确定营养需求的预测方程(例如Harris-Benedict)，以及手动测量胃残余体积(GRV)以确定安全的肠内的喂食速率。然而，这些已知的方法并不是针对特定的患者，而是基于针对广泛的患者群体进行的研究的通用方法。此外，此类方法未提供一动态权衡，即在减少反流风险与对患者提供肠内递送的营养以达到一针对营养目标的目标之间取得平衡。所描述的方法不适应于特定的患者需求，即所述方法至少不具有学习能力，与这里描述的具有学习能力为了适应每个特定患者需求的系统、设备、方法及/或代码指令中的至少一些相反。

参考申请第I15/614,641号描述了与减少反流及/或吸入性肺炎风险相关的技术问题的额外细节。参考国际专利申请第IL2017/051271号所描述与通过适当的肠内的喂食以增加医疗结果来治疗患者相关的技术问题的其他细节。

如本文所讨论的，对指南和处方的遵守很少实现营养目标。很多原因可以解释这个依从性差的原因，但需要给予规定剂量的肠内的喂食并不被认为需要给予足够和及时的抗生素处方。至少通过本文描述的系统、方法、设备及/或代码指令的至少一些实施方式来自动执行对患者的递送喂食效率的评估，而不是由护士手动执行。可以连续计算的示例性元件是：1.停止喂食所损失的时间，例如与外科手术、CT或MRI测试相关的时间。2.计算并持续补偿所有营养损失。两个补偿元件都由本文描述的系统、方法、设备及/或代码指令中的至少一些自动管理。这样也将可以腾出护士的时间。

此处描述的系统、方法、设备及/或代码指令中的至少一些通过一模型(例如，所述模型的分类器组件)来计算一将来的反流事件的一可能性风险来解决技术问题，所述模型动态地以相关性更新，计算所述相关性用于受监控的反流相关参数与根据一基线喂食曲线进行肠内喂食的所述患者所发生的所述反流事件。基于排定的及/或预测的反流相关参数计算将来的反流事件的风险。动态调整所述基线喂食曲线基于将来的反流事件的所述被预测的可能性，以减少将来的反流事件的风险。所述模型训练和调整随着时间的推移进行重复，实时适应所述基线喂食曲线，从而导致在达到所述针对营养目标同时减少反流风险之间进行一最佳权衡。有效地，提前识别造成所述患者反流的因素，并适当调整所述喂食速率以减少反流的风险。当识别出在不久的将来没有与反流相关的因素时，可增加所述喂食速率(例如，达到一最大定义的速率)。动态执行所述调整，同时监控数据持续采集及分析，以微调所述基线喂食曲线。例如，检测到与反流相关的一定期排定的患者床单更换。所述速率提前减少，但仍发生反流。对于下一次更换床单，所述速率进一步减少，直到没有反流发生，或者直到获得低于一阈值的一小量的反流。

现在描述通过所述模型调整所述喂食速率的一示例。所述目标肠内的喂食速率为60[毫升/小时(ml/hr)]，且所述泵冲程体积为2.5[ml]，其导致每2.5[分钟]一冲程对应的一冲程频率。现在，当由于反流或其他原因造成4个冲程丢失或停止时，所述模型会生成多个指令来补偿损失，一段时间后通过增加的方式，所述泵送速率例如是每分钟1.5个冲程，持续一段时间，以便使损失补回。请注意，定义所述最大速率的一限制，例如，每分钟约1个冲程，对应于连续操作时的约150[ml/hr]速率。

需要注意的是，这里描述的系统、方法、设备及/或代码指令并不简单地执行手动程序的自动化。首先，之前没有描述过本文所述的过程的手动等价手段。基于预测方程及/或手动测量GRV手动确定所述肠内的喂食曲线的过程与本文所述的过程不同。其次，这里描述的过程包括不能由人类使用铅笔及/或纸手动执行的自动化特征。例如，反流相关参数与反流事件之间相关性的计算不能以人工计算，一模型不能人工训练，且将来的反流事件的可能性风险的计算也不能以人工计算。

在此描述的系统、方法、设备及/或代码指令(即，存储在一内存中并且可由一或多个硬件处理器执行)中的至少一些涉及选择如何及/或何时运送水及/或肠内配方及/或药物到一肠内喂食的患者，以减少反流的风险的问题。在此描述的系统、方法、设备及/或代码指令(即，存储在一内存中并且可由一或多个硬件处理器执行)中的至少一些通过改善递送水及/或肠内配方及/或药物到一肠内喂食患者以减少反流的风险来改善治疗一患者的医学领域。在一些实施方式中，通过在一大量参数的所述特征向量上训练的所述模型来获得问题的技术解决方案及/或改进。所述模型学习参数与反流的相关性，并根据所述参数当前数值的一输入来调整所述肠内递送物质，以减少反流的风险。所述模型在调整(表示调整结果)之后用数值重复进行更新，并重复学习进一步改进所述调整，以进一步减少反流的风险。

在此描述的系统、方法、设备及/或代码指令(即，存储在内存中并且可由一或多个硬件处理器执行的)中的至少一些涉及通过胃肠外营养治疗一患者的问题。照护标准建议在胃耐受允许的情况下使用肠内营养。一些研究，例如，参考Casaer MP,Mesotten D,Hermans G,Wouters PJ,Schetz M,Meyfroidt G et al.(2011)Early versus lateparenteral nutrition in critically ill adults.N Engl J Med 365:506-17所述，已被理解为胃肠外营养本身可能是有害的，且不应在危重患者或仅在临床过程的后期开处方。尽管事实上许多最近的论文，例如，如参考Harvey SE,Parrott F,Harrison DA,BearDE,Segaran E,Beale R,et al.(2014)CALORIES Trial Investigators.Trial of theroute of early nutritional support in critically ill adults.N Engl J Med 371:1673-84所述，已经显示胃肠外营养的安全性。在肠内营养失调的情况下不愿开胃肠外营养的处方导致负的热量和氮平衡，并可能导致临床结果受损，例如，如参考Dvir D,Cohen J,Singer P(2005)Computerized energy balance and complications in critically illpatient.s:an observational study.Clin Nutr 25:37–44所述。如果肠内的喂食在3-7天后没有达到目标，则在任何有营养不良风险的情况下都应考虑补充胃肠外营养，例如，如参考Singer P,Reintam Blaser A,M Berger MM,Alhazzani W,Calder PC,Casaer M(2018)ESPEN guideline on clinical nutrition in the intensive care unit.ClinNutrEpub ahead of publication所述。在此描述的系统、方法、设备及/或代码指令中的至少一些实施方式为每个患者计算肠内与胃肠外营养的一个性化的最佳组合。

在此描述的系统、方法、设备及/或代码指令(即，存储在内存中并且可由一或多个硬件处理器执行)中的至少一些涉及通过以下方式改善患者呼吸的医学问题：控制机械换气及/或体液平衡，及/或通过控制水(例如IV静脉注射、肠内途径、生理盐水或其他液体)及/或药物(例如利尿剂、抗利尿剂)来改善患者的排尿。适当的呼吸和体液平衡在受损的患者中相互关联。向患者提供过多液体(例如IV、肠内途径、及/或使用抗利尿药物)可以适当地为患者补充水分，但存在液体进入肺部的风险，这会降低患者正常呼吸的能力，甚至在进行机械换气时。所述机械换气机可被调整以帮助患者呼吸，但过度换气可能会损害患者的肺部，而当换气不足时，患者无法获得足够的氧气。提供给患者的液体太少(例如，IV液体太少、肠内液体太少、抗利尿剂过量使用)可能会降低肺部积液的风险，但代价是尿液输出减少的风险增加，肾脏受损、脱水及/或体内毒素堆积。因此，影响换气和体液平衡的权衡难以管理，尤其是在常规临床实践中手动进行时。在此描述的系统、方法、设备及/或代码指令(即，存储在内存中并且可由一或多个硬件处理器执行)中的至少一些通过受训练的模型提供对所述医学问题的解决方案，监测用于调整所述机械换气机及/或体液平衡的数据元件，以获得所述针对患者呼吸参数(例如，SpO2值，阻抗传感器的输出值)及/或针对患者体液参数(例如，在一个时间间隔内的尿液输出)。

在详细解释本发明的至少一个实施例之前，应当理解，本发明在其应用上不一定限于以下描述中阐述及/或在附图及/或实施例中说明的组件的结构及/或布置及/或方法的细节。本发明能够有其他实施例或能够以各种方式实践或实施。

本发明可以是一系统、一方法及/或一计算机程序产品。所述计算机程序产品可以包括其上具有计算机可读程序指令的一计算机可读存储介质(或多个介质)，用于使一处理器执行本发明的多个方面。

计算机可读存储介质可以是有形的设备，其可以保留和存储由指令执行设备使用的指令。计算机可读存储介质可以是，例如但不限于，一电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非详尽列表包括以下：便携式计算机软盘、硬盘、随机存取内存(RAM)、只读内存(ROM)、可擦除可编程只读内存(EPROM或闪存)、静态随机存取内存(SRAM)、便携式光盘只读内存(CD-ROM)、数字多功能磁盘(DVD)、记忆棒、软盘和任何前述的适当组合。计算机可读存储介质，如本文所用，不得解释为瞬态信息本身，例如无线电波或其他自由传播的电磁波，通过波导或其他传输介质传播的电磁波(例如，通过光纤电缆的光脉冲)，或通过电线传输的电信号。

此处描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备或通过网络下载到外部计算机或外部存储设备，例如互联网、局域网、广域网及/无线网络。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。

用于执行本发明操作的计算机可读程序指令可以是汇编程序指令、指令集架构(ISA)指令、机器指令、机器依赖指令、微码、固件指令、状态设置数据或以一或多种编程语言的任意组合编写的源代码或目标代码，包括一对象取向的编程语言，例如Smalltalk、C++等，以及传统的过程编程语言，例如“C”编程语言或类似的编程语言。计算机可读程序指令可以完全在用户计算机上执行、部分在用户计算机上执行、作为独立软件包执行、部分在用户计算机上部分在远程计算机上执行或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算机(例如，通过互联网使用一互联网服务提供商)。在一些实施例中，包括例如可编程逻辑电路、场域可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令而对电子电路进行个性化，以执行本发明的多个方面。

本发明的多个方面在本文中参照方法、设备(系统)和计算机程序产品的流程图及/或方框图根据本发明的实施例进行描述。可以理解的是，流程图图示及/或方框图的每个方块及流程图图示及/或方框图的方块的组合，可以通过计算机可读程序指令来实现。

这些计算机可读程序可以提供给一通用计算机、专用计算机或其他可编程数据处理设备的处理器来制造一机器，使得通过所述计算机的处理器或其他可编程数据处理设备执行的指令创建用于实现流程图及/或方框图的方块中指定的功能/动作的手段。这些计算机可读程序指令也可以存储在可以引导计算机、可编程数据处理设备、及/或其他壮以特定方式运行的计算机可读存储介质中，使得具有存储在其中的指令的计算机可读存储介质包括一制造物，该制造物包括实现在流程图及/或方框图的方块中所指定的功能/动作的方面的指令。

也可以将计算机可读程序加载到一计算机、其他可编程数据处理设备或其他装置上，使所述计算机、其他可编程设备或其他装置执行一系列操作步骤，产生一计算机执行的过程，使得在计算机、其他可编程设备或其他装置上执行的指令实现了流程图及/或方框图的方块中指定的功能/动作。

附图中的流程图和方框图说明了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实施方式的架构、功能和操作。就此而言，流程图或方框图中的每个方块都可以代表一个模块、一个分段或多个指令的一部分，包括一或多个用于实现特定逻辑功能的可执行指令。在一些替代实施方式中，方块中标注的功能可以不按照图中标注的顺序发生。例如，连续显示的两个方块实际上可以基本上同时执行，或者有时可以以相反的顺序执行这些方块，取决于所涉及的功能。还需注意的是，方框图及/或流程图中的每一方块说明，以及方框图及/或流程图钟的方块的组合，可以通过特殊目的基于硬件的系统来实现，所述系统执行特定功能或动作或进行特殊目的硬件和计算机指令的组合。

如本文所用，术语模型可以指一或多个模型，例如，人工智能代码及/或机器学习代码及/或自适应系统及/或统计分类器。所述模型可能包括多个组件，例如，统计分类器及/或其他代码。例如，可以训练多个组件，这些组件可以并行和/或作为管道处理数据。例如，一种模型的输出(例如，来自神经网络的中间层)输入到另一类型的模型中。例如，在一示例性实现中，模型的分类器组件被训练用于根据定义的输入预测一将来的反流事件的可能性。对所述基线喂食曲线的调整由模型的另一个组件计算，例如减少由所述分类器组件输出的将来的反流事件的可能性。示例性模型可包括一个或多个统计分类器，其可被实现为，例如：一或多个神经网络的各种架构(例如，人工、深度、卷积、全连接)、支持向量机(support vector machine，SVM)、逻辑回归(logistic regression)、k-最近邻(k-nearestneighbor)、决策树和上述的组合。

现在参考图1，图1是根据本发明的一些实施例，根据将来的反流事件的可能性通过自动调整肠内的喂食的一基线喂食速率来治疗一患者的方法的一流程图。还参考图2，其是用于根据将来的反流事件的可能性通过自动调整肠内的喂食的一基线喂食速率来治疗一患者的一系统200的多个组件的一方框图，根据本发明的一些实施例。参照图1描述的方法的一或多个动作可以由系统200的组件来实施，如本文所述，例如，通过一计算机装置208的一硬件处理器206执行存储在一内存(也称为一程序存储器)210的代码指令。

计算机装置208可以通过一或多个数据接口212接收数据。数据可以包括被监控的反流相关参数，例如，来自以下一或多项：一照相机及/或动作传感器202A，其捕捉所述患者的影像(及/或通过分析影像的代码及/或分析所述动作传感器输出的代码来计算所述反流相关参数的指示)，以及从一EHR数据集202B(例如，存储在一EHR服务器上)中获得的所述患者的一电子健康记录(EHR)。EHR数据集202B可存储指示过去及/或将来的排程给予利尿剂、抗利尿剂及/或输液(例如，IV盐水)的数据。数据可包括反流事件及/或反流事件参数的一指示，例如，来自阻抗传感器202C(例如，位于定位在所述患者食道内的一管上)以及反流排空池数据202D(例如，由分析排入一储液池的反流量的代码来计算)的一或多者。数据可包括一或多个其他乱者传感器202E的输出，例如，尿液分析装置、脉搏血氧仪(例如，用于感测SpO2)、尿液传感器(例如，感测尿液量及或尿液浓度)、量热传感器、血液检测机、肺功能机、生命体征测量装置(如血压传感器、心率传感器、呼吸率传感器、温度传感器)。其他传感器202E可以在通过引用并入本文所列出的申请中进行描述。喂食管传感器202F，位在用来递送所述肠内的喂食的所述喂食管的远端部分，例如，阻抗传感器。位在喂食管202F上的传感器的示例在例如，参考美国专利申请第16/000,922号和国际专利申请第IB2017/057702号(公开为WO2018/104888)所描述。

需要注意的是，动作传感器202A在本文中可以是指使用其他实现方式，例如，惯性传感器、6自由度传感器、陀螺仪传感器及/或加速度计。

例如参照申请第15/614,641号所述的阻抗传感器202C及/或反流排空池数据202D的附加细节。

可以实现数据接口212，例如通过下列中的一或多个：一网络接口、一端口、一直接链接、一有线连接、一无线连接、一本地总线、其他物理接口实施方式及/或虚拟接口(例如，软件接口、应用程序编程接口(API)、软件开发套件(SDK))。

计算机装置208可以被实现为例如一独立单元、一客户端、一服务器、一计算云、一移动装置、一台式计算机、一精简计算机、一智能手机、一平板计算机、一膝上型计算机、一可穿戴计算机、眼镜计算机、一手表计算机。计算机装置208可以实现为一定制单元，其包括本地存储的软件及/或硬件，其执行参照图1描述的一或多个动作。可替代或附加地，计算机装置208可以被实现为加载在一现有计算机装置上的多个代码指令。可替代或附加地，计算机装置208可以被实现为安装及/或集成在现有计算机装置中的硬件及/或代码指令(例如，一加速卡)，例如，作为一插件组件。

计算机装置208的处理器206可以被实现为例如一中央处理单元(CPU)、一图形处理单元(GPU)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)和应用专用集成电路(ASIC)。处理器206可包括一或多个处理器(同质或异质)，其可被布置用于平行处理，作为集群及/或作为一或多个多核处理单元。

内存(这里也称为一数据储存装置)210存储可由处理器206执行的代码指令，例如，一随机存取内存(RAM)、只读内存(ROM)及/或一存储装置，例如，非易失性内存、磁介质、半导体内存装置、硬盘、可移动存储和光学介质(例如DVD、CD-ROM)。内存210存储执行参照图1描述的方法的一或多个动作的代码指令。替代或附加地，参考图1描述的方法的一或多个动作在硬件中实现。

计算机装置208可以包括用于存储数据的一数据储存装置214，例如，存储监控数据的监控数据库214A，例如：反流相关参数、反流事件参数和反流事件的指示。数据储存装置214可以实施为例如一内存、一本地硬盘、一可移动存储单元、一光盘、一存储装置及/或作为一远程服务器及/或计算云(例如，通过一网络连接访问)。

计算机装置208包括及/或与一用户接口216通信，其包括一用户输入数据的一机制(例如，患者信息，基线喂食曲线)及/或查看呈现的数据(例如，对所述基线喂食曲线的改编)。示例性的用户接口216包括，例如一触摸屏、一显示器、一键盘、一鼠标及使用扬声器和麦克风的语音激活软件中的一或多个。与计算机装置208通信的一外部装置可以用作为用户接口216，例如，运行一应用程序的一智能手机可以使用一通信接口(例如，网络接口，蜂窝接口、短范围无线网络接口)与计算机装置208建立通信。所述用户可以通过一图形用户界面(GUI)应用程序可选地在所述智能手机的显示器上输入数据及/或查看数据。

计算机装置208与一肠内的喂食控制器204通信，通过一肠内的喂食管控制肠内的喂食。肠内的喂食控制器204根据计算机装置208基于所述基线喂食曲线及其调整所产生的多个指定来控制及/或调整所述肠内的喂食速率。肠内的喂食控制器20(及/或另一装置)可根据由计算机装置208产生的多个指令调整所述肠内的喂食的组合物。肠内的喂食控制器204可使用基于机械的机制，并且/使用计算机组件来实现(例如，处理器、内存存储可由所述处理器及/或硬件组件执行的代码指令)。肠内的喂食控制器204可以实现为一泵(例如，正排量进料泵)，其被控制以通过所述肠内的喂食管将肠内的喂食根据计算机装置208产生的指令所定义的速率递送给所述患者。肠内的喂食控制器204可以包括一阀，所述阀选择性地打开肠内的喂食管的管腔，从而可以以所述定义的速率将肠内的喂食递送给所述患者。

如本文所述，术语自动肠内的喂食装置可以指以下一或多项：系统200(及其组件)、计算机装置208、肠内的喂食控制器204及/或系统200的其他组件，及/或它们的组合。

计算机装置208与一机械换气机250通信，所述机械换气机250自动为所述患者换气。机械换气机250的当前设置可以输入到所述模型中，如本文所述。如本文所述，计算机装置208可输出用于机械换气机250的调整的多个指令。例如，参考美国专利申请第16/000,922号描述了一示例的机械换气机的附加细节。

需要说明的是，除了阻抗传感器202C之外，也可以使用其他感应反流的传感器(这里称为反流传感器)，及/或可以提供其他计算机装置计算出的反流指示。示例性反流传感器包括以下一种或多种：输出电信号的一压力传感器，指示胃/或食道内的一感测压力；一阻抗传感器，输出电信号可指示胃及/或食道内的一感测的阻抗；以及一pH传感器，该传感器输出电信号，可指示胃及/或食道感应到的pH值。反流事件传感器可位于患者的消化系统内，例如，十二指肠、胃、食道及/或消化系统的其他部分。反流事件传感器可能位于，例如，在一肠内的喂食管上及/或内，将肠内营养输送到患者的消化系统；位于一排出管上及/或之内，可清除反流的胃内容物(如本文描述的)；位于一可选的胃管上及/或内部，该胃管输送肠内的喂食并去除反流的胃内容物；及/或位于一单独探针上及/或内部。

一反流排空池可以接收离开所述患者身体的反流。反流排空池可以实施为，例如一次性袋子及/或一次性容器。反流排空池可以连接到一真空源，或者可以不使用真空源(即，基于被动排空)。

可以计算离开所述患者身体的消化内容物的量及/或体积，并将其作为反流排空池数据202D提供给计算单元。

提供额外的可选组件及/或组件的额外可选特征，例如，参考申请第15/614,641号和国际专利申请案第IL2017/051271号。

现在参照回图1，在102，提供了一基线喂食曲线。所述基线喂食曲线定义在一喂食时间间隔内，例如，在4、6、8、12、24小时或其他时间框。所述基线喂食曲线可以定义在所述喂食时间间隔结束时要达到的一针对营养目标。所述针对营养目标可以表示多个肠内的喂食参数的一积累，在所述喂食时间间隔结束食达到，例如，所述肠内的喂食的总体积，提供给所述患者的卡路里总数，提供给所述患者的蛋白质的量，及/或提供给所述患者的其他营养素。

所述营养目标可以在所述喂食时间间隔期间改变(例如，由医师手动，由代码自动)。所述基线喂食曲线的调整及/或所述基线喂食曲线可以根据所述被调整的营养目标被重新计算。所述营养目标可以定义所述喂食时间间隔内的一最大限制，例如，24小时内的最大卡路里及/或最大体积。

所述基线喂食曲线可以定义一喂食速率，其可以随着所述喂食时间间隔而变化，例如，一暂时喂食曲线。所述基线喂食曲线可定义一喂食配方，其可以被选择，例如，如参考国际专利申请案第IL2017/051271号所述)。

可以由一用户手动选择来提供及/或通过代码自动计算提供所述基线喂食曲线。可以计算所述基线喂食曲线，例如，基于量热传感器(例如参照国际专利申请案第IL2017/051271号所述)所计算的一静息能量消耗(REE)，基于预测方程(例如，Harris-Benedict)，通过一分类器，所述分类器被输入与所述患者喂食相关的参数，并在喂食参数样本患者的基线喂食曲线的一训练数据集上进行训练。

所述基线喂食曲线可以包括一最大喂食速率。所述最大喂食速率表示所述喂食控制器不能超过的一最大值喂食速率。如本文所述，当对喂食速率进行调整时，所述最大喂食速率不会被超过。所述最大喂食速率可以根据低于没有排定及/或预测的反流相关参数的一要求的将来的反流事件的一可能性风险来计算。所述最大喂食速率可以由一用户(例如，医师)手动选择。所述最大喂食喂速率可以根据一肠内喂食的患者所耐受的一喂食速率来设定(即，没有预期即将改变患者位置，所述位置增加反流事件风险)，对于所述患者所述反流事件的风险是低的。

现在描述用于设置所述基线喂食曲线的一示例性过程。注意到，可以使用其他方法，以及/或所述示例性方法可以适用。可以通过在与所述计算机装置相关联的一显示器上呈现的GUI来执行该过程。进行一REE计算以确定所述患者使用的能量数量，从而确定所述基线喂食曲线的喂食计划。REE测量持续时间已定义。一旦设置了持续时间(例如，当患者在休息时)，就会启动测量。如果所述患者焦躁不安或出于任何其他原因，可能会停止测量。持续时间过去后，REE是从积累的VCO₂测量值计算得出的(例如，通过一CO₂传感器)。结果可能会被接受，或者如果它们看起来是错误的，它们可以被拒绝。一旦接受REE测量值，就可以启动食物计算器。如果操作员选择退出该面板，它将返回到常规REE面板。所述食物计算器根据REE计算、隐藏的热量(用户可选择插入此信息)、蛋白质计算和其他可选过滤器(例如低纤维)协助选择最佳喂食材料。基于食物计算器的参数和选择的营养，待递送的体积(VTBD)及营养基础速率被确定，并且可由用户编辑。GUI要求用户设置最大速率(每小时)和最大VTBD(所述喂食时间间隔的每个持续时间，例如24小时)，这将启用自动调整以补偿喂食停止时间(例如，因为反流事件或照护人员的常规程序，如床上用品、CT扫描、手术等)和GRV残余袋中的残留损失(加权及/或流量由GRV流量传感器测量)。GRV机制用于在反流事件及/或用户确定范围内的REE估计值的变化中对胃进行减压。当VCO₂超出设置的范围(例如，阈值变化+\-15％)时，将生成一警报。如果定义最大VTBD，则会自动计算并提出一个新的kCAL/天的目标，伴随一新得出的VTBD和营养速率。一旦接受，就会设定一个新的基线喂时计划。参考国际专利申请案第IL2017/051271号描述了另外的示例性细节。

可选地，所述基线喂食曲线被分为多个部分，具有喂食中会有一或多个暂停的一期望(例如，因反流事件、排定程序及/或患者取向事件)。例如，为了达到所述针对营养目标，基于肠内的喂食中有6个小时的暂停的一期望来计算18小时而不是24小时的所述基线喂食曲线。以此方式，提前计算所述6小时不喂食的补偿。可替代，或附加地，最初不考虑喂食的暂停，并且计算在全时间间隔内(例如，24小时)的所述基线喂食曲线。暂停和补偿是被动态地计算的，如本文所述，例如，通过所述泵送速率中的受限时间增加。

食物类型及/或添加剂可由医师预先选择，并基于提供给他/她的供应列表根据医院可用库存输入所述计算机装置。在另一个实施方式中，喂食材料的一可更新的数据库被嵌入到所述计算机装置中，或者通过医院系统与所述计算机装置通信，以创建所述材料的一个个性化的顶部列表，以根据所述基线喂食曲线配合所述患者。

在104，所述患者根据所述基线喂食曲线通过一肠内的喂食控制器(例如，参考图2描述的204)自动肠内喂食，其中可能包括所述针对营养目标。

所述患者根据由所述基线喂食曲线定义的一基线喂食速率进行喂食。

在106，多个反流相关参数及/或反流事件的发生受到监控，同时对所述患者进行自动肠内喂食。

反流相关参数是与一检测到的反流事件一起收集的。所述反流相关参数可以在检测反流事件之前及/或期间的一时间点及/或时间间隔内收集。所述反流相关参数可以被标记有为了训练所述模型(例如，所述模型的分类器组件)被检测到的反流事件及/或为了通过所述模型(例如，所述模型的分类器组件)计算相关性的一指示。

可选地，在没有检测到反流事件时收集反流相关参数。这类反流相关参数可能会被标记有一类别及/标签，表明在训练所述模型(例如，所述模型的分类器组件)时及/或通过所述模型(例如，所述模型的分类器组件)计算与反流事件的相关性时没有反流事件。

反流相关参数及/或反流事件可以被加盖时间戳。

所述反流事件可通过感测阻抗传感器202C的输出及/或反流池排空数据集202D被监控及/或检测。例如，参考申请号第15/614,641号，描述了用于监控及/或检测反流事件的示例性的系统及方法。

所述反流相关参数表示在统计上显著相关的反流事件风险的增加及/或减少。所述反流相关参数可以通过传感器及/或代码来监控，所述代码监控一数据集中的数值(例如，字段)。

可以连续，及/或在预设间隔内(例如，每5分钟、10分钟或其他时间间隔)，及/或由事件触发(例如，在患者取向改变期间)收集所述反流相关参数。

当检测到一反流事件时可收集所述反流相关参数，及/或当检测到没有反流事件时可收集所述反流相关参数。所述胃反流事件表示从胃中排出的消化内容物进入食道，例如，液体、胃酸及给予的肠内的喂食。胃反流事件可能是轻微的，即胃内容物沿食道向上移动，但不会离开所述患者的身体。胃反流事件也可能很严重，其中胃内容物存在于所述患者体内，例如，进入设计用来收集反流的胃内容物的一蓄池。

示例的反流相关参数及其监控的示例的流程包括：

*一天中的时间。可以例如从一内部时钟及/或查询一网络时钟获得一天中的时间。当检测到一反流事件时，在所述反流事件发生时获取所述一天中的时间(例如范围、开始时间，及/或结束时间)。

*肠内的喂食速率。所述肠内的喂食速率可以例如从计算当前肠内的喂食速率的代码中获得，从存储当前肠内的喂食速率的内存的一字段中获得，及/或通过查询所述肠内的喂食控制器获得。当检测到一反流事件时，所述获得的肠内的喂食速率可以是所述反流事件之前的喂食速率(例如，紧接之前)，因为所述肠内的喂食可能在所述反流事件本身期间被暂停。

*患者位点(也称为取向及/或位置)，例如躺下、向左旋转、向右旋转、斜倚(例如，斜倚的角度)。可以监测患者位置的变化，例如，倾斜角度的变化，及/或从左旋转到右旋转的变化。当一反流事件被检测到时，所述患者位点(及/或其改变)可以是所述反流事件前(例如，紧接之前，几秒或几分钟之前，根据一阈值)的所述患者位点(及/或其改变)。

需要注意的是，其他反流相关参数可能会被发现和监控。可以监控反流相关参数的一组合。这样的反流相关参数甚至与反流的风险具有一统计学上显着的相关性。不同的患者可能具有不同的相关值。一些反流相关参数可能在统计上对一些患者来说是显着的，而对其他患者则不显着。例如，一些患者可能会因为取向发生一定变化而发生一反流事件，而其他患者则不会因为取向发生相同(或相似)的变化而遭遇一反流事件。示例性的其他反流相关参数包括：一或多个血液测试数值、一或多个尿液分析测试数值、一或多个肺功能参数数值及生命体征的一或多个数值。

例如，在更换所述患者的床上用品(例如，床单、毯子、枕头及/或覆盖物)期间，可能会发生患者位置改变。

患者位置改变可能发生在患者程序中，例如，进行气管抽吸，及/或清洁所述患者(例如，给所述患者洗澡)。

所述患者位置改变可以基于，例如，从所述患者的一电子健康记录(EHR)中提取的需要患者位置改变的排定事件，及/或通过一照相机监控所述患者(例如，一神经网络)捕获的影像的一分析，所述神经网络接收影像并输出指示患者位点的一分类类别)。

6自由度(DF)惯性传感器输出信号(例如，加速度及/或角速率，例如，陀螺仪)可以附接到所述患者(例如，身体、衣服、皮带、夹子)上，这可以提供一替代及/或附加选项，用于将患者运动与反流发生相关联。

*给药。当检测到一反流事件时，在所述反流事件之前获得给予的所述药物。例如，可以从所述患者的EHR获得给予的药物。

所述反流相关参数可以被存储在所述监控数据集中。

在108，可选地，当一反流事件通过监控流程被检测到，而所述患者正在进行肠内喂食时，所述肠内的喂食可以通过所述肠内的喂食控制器暂停。可替代地，或附加地，当检测到患者取向上的一变化时(例如，当患者正在执行患者程序时)，例如，通过分析照相机的影像检测到的，可以自动暂停喂食。这种取向上的改变可能是自发发生的，而不是在EHR中提前排定及/或不遵循常规(例如，每天在同一时间但未在EHR中记录)。

肠内的喂食中的一暂停可能是由于其他原因而发生，例如，一医师决定，由于所述喂食管内堵塞、胃病的诊断(例如，存储在EHR中)，及/或一促动力药物(例如，表明胃摄入有问题)。注意到，在动作116中，通过在可能的情况下(例如，反流的风险相对较低)增加所述喂食速率，对所述基线喂食曲线的调整自动补偿在肠内的喂食中的暂停。

所述暂停可能是一暂停时间间隔，这可能是预定义的及/或根据检测到的所述反流事件本身的结束点及/或根据所数患者取向改变的结束点(例如，患者程序结束时，患者床上用品的改变结束时)。例如，在申请案第15/614,641号中描述了检测一反流事件、暂停肠内的喂食、所述反流事件期间胃内容物的排空(例如，通过建立一被动排空通道进入一蓄池)、检测所述反流事件终止及/或恢复喂食的额外示例性细节。可以基于通过一照相机捕捉的所述患者的影像的分析，及/或基于可以佩戴在所述患者身上的一患者的一传感器监视器取向(例如，加速度计、指南针、角度传感器)来检测所述患者在取向上的变化。

可选地，反流事件参数是在检测到的反流事件及/或检测到的患者取向事件改变期间被收集的。示例性反流事件参数包括：反流持续时间和反流量。可以根据当所述反流事件第一次被检测到的一开始时间(例如，基于阻抗传感器的输出)和当所述反流事件被检测到为已经终止的一结束时间(例如，基于阻抗传感器的输出)来计算反流持续时间。反流量可以根据所述反流池排空数据集来计算，例如，一传感器，监控排进一蓄池中的反流体积。注意到的是，在检测到的患者取向变化的期间暂停喂食可以防止或减少反流。

所述反流事件参数可以存储在所述监控数据集中。

可选地，当所述反流事件被检测到时，通过减少当前喂食速率来计算所述基线喂食曲线的一调整。在所述暂停时间间隔过去后，所述肠内的喂食可以在减少的喂食速率下恢复。可替代地，当检测到所述患者取向变化时，对所述基线喂食曲线的所述调整可以是增加所述基线喂食速率，以补偿由于所述患者取向事件的所述暂停期间发生的喂食损失。喂食速率中的增加可以所述定义的最大喂食速率为界限。例如，当由于患者取向改变而暂停的反流风险的计算较低时，即使由于所述患者取向改变导致的反流风险较高时，所述喂食速率可以被增加。所述患者取向改变可能影响其本身改变过程中的反流风险，而改变之前及/或之后的反流风险可能较低。因此，由于患者取向本身引起的暂停与反流风险无关，当反流风险保持较低时，所述喂食速率可能在改变之前及/或之后被增加。然而，需要注意的是，在下一次重复中，当预测到所述患者取向改变时(与增加的反流风险相关)(例如，由于一规律的复发模式，及/或从EHR中检测到)，可以提前排定所述暂停，并且可以提前计算增加的喂食速率以补偿暂停期间的喂食缺乏。所述补偿可能发生在计划暂停之前及/或之后。

需要注意的是，在所述反流事件后以所述减少的喂食速率重新开始喂食可能与标准实施及/或直觉相反，其中增加喂食速率以补偿反流的损失。相反，如本文所述，当确定反流风险低时，所述喂食速率逐渐增加，以防止进一步的反流事件。当反流的风险被计算为低时，补偿在反流期间的喂食损失。

在110，一模型(例如，所述模型的分类器组件)被训练用于根据排定的及/或预测的反流相关参数的一输入预测一将来的反流事件的可能性。注意到的是，针对每个进行肠内喂食的患者训练所述模型(例如，所述模型的分类器组件)。定制的模型(例如，所述模型的分类器组件)改善了计算最适合当前患者的所述基线喂食曲线的一调整的精度，以达到所述针对营养目标，同时最小化反流事件及/或反流事件的严重程度。从概念上讲，所述模型(例如，所述模型的分类器组件)学习当前患者最能容忍的所述喂食曲线。

输出的将来的反流事件的可能性，可能是例如一个二进制值，如预测的反流事件，或者没有被预测的反流事件。可替代地，或附加地，所述输出的将来的反流事件的可能性是指示风险的相对分类的一类别，例如，高风险、中风险和低风险。可替代地，或附加地，所述输出的将来的反流事件的可能性是一个数值，可选地是一连续值，表示反流事件的概率，例如，约50％，或约20％，或约90％。所述概率值可以是创建所述二进制及/或类别输出的阈值。

可以根据所述反流相关参数与检测到的反流事件及/或没有反流事件的指示之间的计算相关性来训练所述模型(例如，所述模型的分类器组件)。所述相关性可以是一多维空间，其中每个反流相关参数表示一相应的维度。其他实现方式也是可能的，例如一神经网络。

使用新的监控数据及/或新的被检测到的反流事件及/或没有被检测到的反流事件(例如，连续及/或以间隔及/或在定义的事件期间)更新所述模型(例如，所述模型的分类器组件)。可以根据与所述检测到的反流事件相关联的所述反流相关参数与所述被检测到的反流事件本身之间的相关性更新所述模型(例如，所述模型的分类器组件)。

所述模型(例如，模型的分类器组件)的更新可能会更新计算相关性。从概念上讲，所述模型(例如，所述模型的分类器组件)通过改进基于所述新的监控数据的相关性从过去的错误中学习，以对当前的患者提供更准确的预测。可以重复地执行更新，如本文所描述的。所述更新为进行肠内喂食的当前患者提高了所述计算相关性的准确性。所述相关性的所述增加的准确度可以根据当前患者容忍肠内的喂食的能力来微调所述基线喂食曲线，以达到所述针对营养目标，同时减少所述反流事件及/或减少所述反流事件的严重程度。

可选地，所述反流事件与一或多个反流事件参数相关，例如，反流持续时间及/或反流量(例如，体积)。所述模型(例如，所述模型的分类器组件)可以基于所述反流相关参数与所述反流事件参数之间的计算相关性来训练以预测所述将来的反流事件的可能性。

可选地，所述反流事件被定义为所述反流事件参数的一要求。所述要求可以定义什么有资格作为一反流事件，例如应该避免感兴趣的一反流事件的严重性。例如，一最短的时间可以称为一反流事件及/或最小的体积可以称为一反流事件。例如，可以忽略短的及/或小的反流事件，专注于减少显着更长的及/或更大的反流事件的风险。或者，任何时间及/或任何量的反流都符合反流事件的资格，例如，以减少任何严重程度的任何反流事件的风险。

可选地，在一共同时间窗内的反流相关参数与反流事件(及/或没有反流事件)(可能与一时间指引，例如时间标签相关联)之间计算所述相关性，例如大约5分钟、或10分钟、或15分钟、或20分钟、或30分钟、或45分钟或60分钟，其他时间间隔。所述共同时间窗可以确定因果相关性，其中在所述反流事件之前一定时间所发生的一定反流相关参数与所述反流事件相关联。例如，所述反流事件前10分钟给予药物与带来所述反流事件的风险有关。可选地，所述公共定时窗口是一滑动窗口，它在带有时间戳的监控数据上滑动。所述相关性是根据所述滑动窗口重复计算的。

可选地，所述反流相关参数表示在一反复生理周期内的一个时间及/或位点。要注意的是，所述反流相关参数可能是实际时间。所述患者可能会经历一反复生理周期，其中对于所述周期的一些部分(例如白天)，患者能够容忍更快的喂食速率，而对于周期的其他部分(例如，夜晚)，所述患者可能容忍较慢的喂食速率。可以计算在所述反复生理周期内反流事件及/或无反流事件与所述时间及/或位点之间的相关性。将来的反流事件的所述可能性风险是基于与所述反复生理周期相关的一当前时间(即，输入到被训练的模型(例如所述模型的分类器组件))。

在112，排定的及/或预测的反流相关参数被输入到被训练的模型(例如，所述模型的分类器组件)，用于输出一将来的反流事件的可能性风险。

所述排定的及/或预测的反流相关参数可以被输入到，例如，被触发以响应新的检测到的数据(例如，出现在所述患者的EHR中的新数值)，连续地，及/或在定期排定的时间间隔。

将来的反流事件的所述可能性风险可能是为了一将来的时间间隔，包括所述排定的及/或预测的反流相关参数。

所述排定及/或预测的反流相关参数可包括，例如下列中的一或多个：

*一当前时间。例如，基于生理周期的预测。要注意的是，基于所述生理周期的预测包括将来的时间，其中所述将来的时间不一定需要被输入所述模型(例如，所述模型的分类器组件)。当所述生理周期与通过所述模型引起的低反流风险相关时(例如，所述模型的分类器组件)，所述喂食速率可能会增加。当所述生理周期与通过所述模型引起的较高反流风险相关联时(例如，所述模型的分类器组件)，所述喂食速率可能会降低。

*肠内的喂食速率。例如，根据所述喂食曲线。

*患者取向改变。可能会安排患者取向更改，例如，出现在所述患者的EHR中，例如，一排定的患者事件，其中所述患者需要改变位点。可以基于先前的患者变化的一历史分析来预测所述患者的位点。例如，从所述照相机捕捉的所述患者的影像中获得的影像表明，每天大约在同一时间更换一次床单，及/或通过所述患者体绑的惯性传感器获得、积累及分析的信号。可以预测未来更换床单的时间。

*给药。可以从例如，从所述患者的EHR中获得排定给予患者的药物。

在114，计算所述基线喂食曲线的一调整，以减少将来的反流事件的可能性，且满足所述针对营养目标。可以通过所述模型，例如通过所述模型的另一个组件，来计算所述基线喂食曲线的所述调整。

对所述基线喂食曲线的所述调整可以包括通过一泵输送的一基线喂食速率的调整。可调整所述泵的所述冲程速率，及/或所述泵的所述冲程振幅。

可选地，当所述将来的反流事件的所述可能性风险表示所述将来的反流事件可能发生时(例如，根据一阈值、范围及/或其他要求)，所述调整是喂食速率的一减少。

可替代地，或附加地，当所述将来的反流事件的所述可能性风险表示所述将来的反流事件不太可能发生时(例如，根据一阈值、范围，及/或其他要求)，所述调整是喂食速率的一增加。

可选地，所述调整是为了补偿由于患者取向上的变化(例如，排定的程序)在一预测的及/或排定的喂食暂停期间提供给所述患者的减少的喂食。

可替代地或附加地，所述调整可以是喂食中的一暂停，持续一计算的时间间隔，以减少反流的风险。例如，喂食速率的一减少可以指暂停喂食(即，零喂食速率)通过相应调整的一时间量。可选地，喂食暂停后，与喂食暂停前的所述喂食速率相比，可调整为增加或减少所述喂食速率。例如，当暂停是由于预期的及/或排定的患者取向改变(例如排定的程序)而导致的，这与相对低的反流风险相关，所述喂食速率可以增加以补偿由于暂停造成的喂食损失。或者，当暂停是由于一预测的及/或排定的药物造成，这与相对较高的反流风险相关，所述喂食速率可以减少，以提供给所述患者喂食同时减少因所述药物所引起的反流风险。

可选地，在所述喂食时间间隔结束时，对所述喂食速率进行调整，以达到所述针对营养目标。例如，对于计算出的反流风险，所述喂食速率可以调整为每小时50毫升(ml/hour)。当达到所述营养目标所需要的200毫升时，还剩下5个小时，所述喂食速率可以设置为40毫升/小时而不是50毫升/小时，因为预期40毫升/小时提供所述针对营养目标比超过50毫升/小时具有更低的反流风险。如本文所述，喂食速率可由冲程速率及/或冲程振幅控制。

可选地，执行对所述喂食速率的调整，以补偿由于反流及/或胃残余体积(GRV)程序及/或由于其他原因(例如，对患者执行的程序)所导致的喂食暂停而发生的喂食损失。补偿可以根据反流事件的耐受风险通过增加所述喂食速率到高于所述基线喂食曲线，低于可选的最大喂食速率来执行。

喂食速率中的减少及/或增加可以使用一或多个过程来执行：

*根据所述将来的反流事件的所述可能性风险的比例。预测的反流风险越高，比率越低。预测的反流风险越低，比率越高。可以根据风险，例如通过一反函数、通过一线性相关、通过一对数相关、通过一指数相关、通过配合一组点的函数，及/或其他方法来计算所述比率。

*按一恒定的预定义量。所述预定义的量对于喂食速率的增加和减少可以相同或不同。当风险低时，在每个重复中，所述喂食曲线增加一定义量(例如，1cc/小时或其他值)。当风险高时，每次重复时，所述喂食曲线减少所述定义量。

*基于所述被计算的所述将来的反流事件的所述可能性风险的一组规则。例如，当风险高时，将所述喂食速率大幅度降低到一低水平，将喂食速率保持在一低水平持续一时间间隔，以确保一低风险已经达到，然后在风险在一间隔内保持低的情况下，缓慢滴定更高所述喂食速率。

喂食速率中的增加可能受到最大喂食速率的限制。所述最大喂食速率可以根据低于无排定及/或预测的反流相关参数的一要求的将来的反流事件的一可能性风险来计算。所述最大喂食速率可以表示在最佳条件下所述患者容忍的最快喂食速率，其中反流的风险是处于显着、低及/或根据其他阈值。

对所述喂食曲线的调整可以基于对排出身体的反流量的一分析来计算，例如，收集在容器中，由一传感器感测，并且由反流池排空数据集提供。可以调整所述喂食曲线，以弥补所述反流事件丢失的肠内的喂食的量。例如，参考申请案第15/614,641号提供了额外的细节。

所述被调整的喂食曲线可以呈现在一显示器上，例如，在一GUI内，例如，如下面参考图3A至图3B所描述的。所述被调整的喂食曲线可以进一步手动调整，例如，通过所述GUI。

在116，通过所述肠内的喂食控制器根据所述被调整的喂食曲线递送的肠内的喂食治疗所述患者。所述喂食速率是根据喂食速率的所述调整。

通过所述肠内的喂食控制器调整所述肠内的喂食速率的多个指令可以根据所述计算的调整喂食曲线来生成，例如，代码，及/或脚本，如组合代码，源代码，人类可读的文本格式的代码，及/或机器代码。所述肠内的喂食控制器执行生成的指令，用于根据所述被调整的肠内的喂食速率及/或被调整的基线喂食曲线对所述患者进行自动肠内的喂食。

在118，参考动作106至116描述的一或多个特征被重复。所述重复动态地更新所述模型(例如，所述模型的分类器组件)使用的所述相关性，以计算反流事件的可能性，基于新的反流相关参数动态地重新计算反流事件的风险，并动态地调整所述基线喂食曲线，可选地通过动态调整所述肠内的喂食速率。有效地，所述模型(例如所述模型的分类器组件)学习更准确地从所述监测数据预测反流事件的风险，并微调所述喂食速率，以尝试达到所述针对营养目标，同时减少反流事件及/或其严重程度。

可以执行重复，例如，在每次检测到反流事件之后，在反流事件的计算可能性改变之后，在获得新的反流相关参述之后(例如，从EHR)，及/或在所述时间间隔内在预定义的间隔(例如，在24小时的时间间隔内每小时一次)。

可选地，所述监控是在一时间间隔内进行的，对于所述时间间隔，先前已经预测了将来的反流事件的一可能性风险。所述监控可以是用于指示反流相关参数及/或反流事件的数据，这些数据是从后续监控重复中积累的。例如，一种以前与引发一反流事件有关的药物排定在将来给药。所述调解每天进行一次，并且已经进行了几天。日前，所述药物引发了一反流事件。所述基线喂食曲线的调整是之前计算过的，例如，响应之前检测到的药物给予，且触发反流事件，昨天给药后暂停喂食10分钟。仍发生一反流事件，但严重程度较低。所述训练是针对所述时间间隔和关联的反流事件执行的，用于基于自上次训练重复以来累积的监控数据来更新所述被训练的模型(例如，所述模型的分类器组件)。例如，基于暂停期间所收集的监控数据和触发的反流事件更新所述相关性。所述模型(例如，所述模型的分类器组件)的输入是基于更新的受训的模型(例如，所述模型的分类器组件)执行，以用于输出所述将来的反流事件的一新的及/或更新的可能性风险。可以针对先前处理的及/或新的排定及/或预测的反流相关参数重复对所述模型(例如，所述模型的分类器组件)进行输入。所述模型(例如，所述模型的分类器组件)的输入，其被重复执行，可以再输出所述将来的反流事件的更新的可能性风险。

由于更新的相关性，之前处理的反流相关参数可能与反流事件的更新的风险相关联。例如，对于昨天发生的药物给药和给药后暂停10分钟的情境，计算所述较小的反流事件的可能性。根据动态地预测将来的反流事件的可能性动态地计算所述调整。所述调整可能根据从更新的相关性及/或新的反流相关参数引起的将来的反流事件的可能性的改变被重新计算。对于先前减少所述喂食速率但仍然导致反流的相同场景，根据再输出的风险，可以进一步减少所述喂食速率。所述新的喂食速率可以进一步减少以试图防止重复场景的反流。进行所述调整，以进一步增加所述肠内的喂食暂停的时间量，以进一步减少反流的风险，例如暂停20分钟。实施所述20分钟的暂停，这可能会导致防止所述反流事件。所述模型(例如，所述模型的分类器组件)使用监控数据进行更新，所述数据指示所述20分钟的暂停在给予所述药物时防止反流。

在120，可选地，生成用于所述患者的肠胃外的喂食的多个指令(例如，代码、脚本，用于一自动化机器的手动设置)。所述肠胃外的喂食可以由实施所述生成的多个指令的一肠胃外的喂食控制器自动执行。

所述肠胃外的喂食可以在所述时间间隔结束时被计算为根据所述被动态调整的喂食曲线递送的肠内的喂食参数的积累与初始设定的针对营养目标之间的一营养差异。所述营养差异表示由于反流事件的风险而无法通过肠内向所述患者提供的营养缺失量。由于所述营养缺失不能通过肠内补回(即，会引发反流事件)，所述营养缺失可以通过肠外提供。

现在参考图2A，其是根据本发明的一些实施例，描绘了反流相关参数802和在一时间间隔内发生的反流事件804的一示意图。如本文所述，反流相关参数802和反流事件804之间的相关性被计算。反流事件804可以通过反流的出现来表示，其可以是一种图案(例如，一时间间隔内的强度、体积)，对引发吸入性肺炎具有一显着的风险。例如，反流相关参数802与反流事件804之间的高相关值超过一阈值(例如，大约0.7、或0.8、或0.9、或0.95，或其他中间、更小或更大的值)可能会生成用于适应患者管理的多个指令，例如暂停所述肠内的喂食或减少肠内的喂食速率。

反流相关参数802可以包括：一天中的时间(表示x1(t))、患者动作(表示x2(t))、一种药物(表示x3(t))和另一种药物(表示x4(t))，如本文所述。可以使用额外的、更少的及/或替代的反流相关参数802。反流事件表示为y。

反流相关参数802与反流事件804之间的相关性被计算，例如，反流事件(y)与日常事件(x1,x2,x3,...)相关联，例如患者动作、药物给予和部分日常事件(例如，晚上、下午)，这可以基于所述患者的一生理周期。所述相关性可以数学表示为[y,x1]、[y,x2]、[y,x3]、[y,x4]，并且附加的相关性可以用于附加的回流相关参数。所述模型学习所述相关性，以减少(或避免)将来的反流事件的可能性，例如，通过在一预测或排定的反流相关事件之前中止喂食。

现在参考图2B，其是根据本发明的一些实施例描绘用于自动调整肠内的喂食及/或其他控制参数的医学信号的一示例的数据流的一示意图。图2B的所述数据流可以实现为、及/或集成、及/或替换为参考图1至8所描述的特征及/或组件。数据信号，包括患者床侧数据810及/或EHR数据812(例如，患者相关的参数，及/或反流事件参数及/或肠内递送物质，例如，传感器的输出及/或排定的给药及/或指示患者取向的改变的排定的事件)被输入到AI机器814(例如，计算机装置执行本文所述的被训练的模型的至少代码)。所述数据信号被输入到一相关引擎816，其计算多重相关性，可选地权重的数值表示为W_i,j 818，如本文所述。由相关引擎816输出的相关性W_i,j和所述输入数据810、812被输入到一或多个子组件代码820A-E，所述代码基于所述相关性计算多个指令，例如，根据一组规则，一子分类器组件及/或根据医师指令822。提供所述指令用于控制一肠内泵控制器824及/或其他致动器，例如一阀826及/或所述喂食管的末端部分上的一气囊的打气机/放气机828。可选地，当反流的风险高时，所述气囊被充气以防止反流进入食道，并且可选地将所述反流引导到一排空池中，例如，如参考专利申请案第15/614,641号所述。当反流风险低时，所述气囊会放气，例如，以防止或减少压力对食道内壁造成损坏的风险。

现在参考图2C，其是根据本发明的一些实施例，通过一喂食管852喂食的一患者850的一环境视角示意图，根据计算相关性通过自动调整肠内的喂食以减少由一主控制台854计算的反流(例如，包括在此描述的执行所述模型的代码的所述计算机装置，例如，AI机器)。患者850的患者相关的参数及/或反流相关参数从传感器856的输出获得(例如，皮肤传感器、阻抗电极、惯性传感器、SpO2传感器、心脏传感器、生命体征传感器、皮肤电极、肺液测量电极、肢体电极等)及/或患者监控照相机858及/或尿液分析仪860，如本文所述。来自传感器的数据输出可以被输入到一集线器862中，所述集线器与主控制台854通信及/或可以包括一肠内的喂食控制器及/或泵。集线器826及/或主控制台854可以与存储所述患者的EHR的服务器通信。控制台854接收数据，计算相关性(例如，检测喂食参数、水及/或给药之间的交叉效应)，并生成用于调整喂入所述患者的肠内物质(例如配方、水、药物)的多个指令，如本文所述。

现在参考图3A，图3A是描绘根据本发明的一些实施例调整一基线喂食曲线302的一示例的一曲线图。如本文所述，提供24小时喂食时间间隔的基线喂食曲线302(用虚线表示)。基线喂食曲线302定义一喂食速率(例如，以每小时毫升(ml/hr)为单位，描绘在y轴上，作为x轴上描绘的时间的函数。基线喂食曲线302可以定义一最大喂食速率304(例如，150毫升/小时)，如本文所述。在喂食会话开始时，根据基线喂食曲线302定义的速率306(例如，约40-45毫升/小时)喂食所述患者。发生一第一喂食暂停A 308。喂食暂停308可能发生，例如，由于在需要暂停喂食的患者上的一排定程序。当暂停308结束时，所述喂食速率可增加310至高于初始基线喂食曲线302的速率，为了补偿喂食中的暂停。当所述模型(例如，所述模型的分类器组件)计算反流事件的风险相对较低时，可以增加速率。在312，一第二喂食暂停B是因为一检测到的反流事件发生。当所述反流事件结束后，喂食恢复314，以低于初始基线喂食曲线302的速率且低于之前的喂食速率310，以减少再次发生反流事件的风险。图表316描绘了在喂食间隔期间于早上10:00提供给所述患者的食物积累量(由箭头318相对于所述基线喂食曲线302描绘)相对于一针对营养目标320(例如，1500毫升)。

现在参考图3B，图3B是根据本发明的一些实施例，描绘了调整基线喂食曲线302的流程以达到针对营养目标320的一图表。图3B的图表包括图3A的图表，其描述了基线喂食曲线302到上午10:00的调整，且包括全24小时的所述喂食时间间隔的基线喂食曲线302的调整细节。喂食继续直到达到另一个排定的喂食暂停C 322。当暂停322结束时，所述喂食速率可以增加324到初始基线喂食曲线302以上的一速率，以补偿喂食的暂停。当所述模型(例如，所述模型的分类器组件)计算反流事件的一相对低的风险时，所述速率可能会增加。在326，一胃残余体积(GRV)事件发生，其中一显着量的消化内容物从患者的消化系统(例如，胃)排出，如负的喂食速率值所示。所述GRV事件可能发生，例如，由于所述患者的反流，及/或一排定的GRV程序。在328，所述喂食速率可以增加到高于初始基线喂食曲线302的一速率，以补偿GRV损失。当所述模型(例如，所述模型的分类器组件)计算反流事件的一相对低的风险时，所述速率可能会增加。注意到，所述被调整的喂食速率始终保持在最大喂食速率304以下。在24小时喂食间隔结束时，图表316B指示已满足所述针对营养目标320。

现在参考图4，其包括用于计算因反流及/或一GRV程序而损失的一肠内的喂食量的一估计的方程式，用于通过调整所述基线喂食速率来补偿，根据本发明的一些实施例。损失的水量可以通过从总体积V_t中减去丢失的食物体积V_f来计算。

现在描述基于所述监控数据的一模型(例如，所述模型的分类器组件)的一示例性实施方式。所述模型(例如所述模型的分类器组件)是基于所述χ²技术、曲线拟合，及/或自适应优化过程。

现在参考图5，其是一图表，呈现一反流事件表示的y[m]，与反流相关参数表示的x[n]相关联，在一范围内表示a[n,m]和b[n,m]，其中假设存在N个反流事件并且考虑了M个可能的反流相关参数，根据本发明的一些实施例。

当患者反流相关参数表示的X在表示a[n,m]和b[n,m]的范围内时，可以得出所述患者经历了反流事件表示的y[m]的结论，或者，逻辑上叙述：

然后Y＝y[m]

现在参考图6，其描绘了根据本发明的一些实施例，与所述反流事件相关联的所述积累的反流相关参数的一正常分布。

当分析一特定患者的数据时，所得的被测参数将用于测试一系列的零假设，每个零假设都与M个潜在的反流事件中的一个相关联：

与每个M假设(M个潜在反流事件之一)相关联的卡方值(Chi square value)将由下面给出：

现在参考图7，其描绘在期望的信赖水平P下，与取自一标准χ²表格的参考值χ²ref相比的每个M计算得到的χ²[m]的结果值及自由度为N-1的一图表，根据本发明的一些实施例。

所述决定被认为是M个可能发生的反流事件m^*，其中：

χ²[m^*]是所有χ²[m]中最小的

及

χ²[m^*]<χ²ref

如果指示不适合附加测试。

所述a’s及b’s是从被监控的数据集获得，且作为附加数据被采集，他们是通过下列式子更新：

a[n,m]＝a[n,m]+Δa[n,m]

b[n,m]＝b[n,m]+Δb[n,m]

Δ′s是基于新的积累数据对极限的修正。对于积累及使用正常分布的情况，当积累额外的统计量时，所述分布也会更新。

现在参考图8，图8是根据本发明的一些实施例的生成用于通过一受训模型控制的自动肠内的喂食治疗一患者的指令的一示例性方法的一流程图。参考图8描述的方法可以包括及/或替代、及/或结合、参考图1至7描述的特征及/或组件。

需要说明的是，本文所述的所述模型可以指图1的模型及/或图8的模型及/或其组合。例如，用于训练图8的所述模型的数据元件可用于训练图1的所述模型。

在902，获得数据。所述数据可以由一监控过程在一监控间隔内获得。所述数据可以通过一肠内的喂食控制器自动肠内喂食所述患者的同时获得。

所述数据可以从一或多个组件202A-E获得。

所述患者可以根据一基线喂食曲线进行肠内喂食，可以包括一针对营养目标，如本文中所述。

可以获得以下示例性数据中的一或多个：

*患者相关的参数。患者相关的参数可包括与所述患者关联的静态及/或动态数值。

示例性的患者相关的参数包括：患者人口统计、患者年龄、患者性别、当前患者医学诊断、过去的患者病史、当前患者征兆及/或症状、患者生命体征、患者尿液数据、患者热量数据、肠内的喂食速率、患者位置改变、血液测试数值、尿液分析测试数值、肺功能参数数值。

*肠内递送物质。所述肠内递送物质包括一或多种经肠内递送至所述患者的物质。示例性的肠内递送物质包括：肠内的喂食(例如配方)、水和一或多种药物。

所述肠内递送物质可以由所述基线喂食曲线及/或达到所述针对营养目标来定义。

*反流事件参数。所述反流事件参数定义了所述反流事件的一或多个方面。示例性的反流事件参数包括：反流事件一天中的时间、反流体积、反流强度、反流持续时间、反流重量。

在904，通过计算一或多个特征向量来创建一训练数据集。

每个特征向量存储(例如，指示)所述获得的数据元件，包括所述患者相关的参数及/或所述肠内递送物质及/或所述反流事件参数，例如，作为一大的向量，其中每个参数的每个值都存储在所述特征向量的一元件中。

每个特征向量可以与在所述监控间隔期间的一时间指引相关联，指示何时获得相应的数据元件。替代地或附加地，当获得相应的数据元件时，各个数据元件的每一个都与一时间指引相关联。所述时间可以存储为所述特征向量的一元件。

每个特征向量可以存储在一共同时间间隔期间所获得的数据元件，例如，在一10分钟间隔内，或其他值。

在906，基于所述训练数据集训练及/或创建的一模型。所述模型适用于接收当前患者相关的参数和用于调整所述肠内递送物质的输出指令。对所述肠内递送物质的调整可以是为了减少一将来的反流事件的可能性。

所述模型可以根据所述患者相关的参数及/或所述肠内递送物质及/或所述反流事件参数之间的计算相关性进行训练。所述相关性可以指示，哪些患者相关的参数及/或肠内递送物质，单独或组合，与具有不同反流事件参数的数值的反流事件的各种风险相关联。

在908，当前患者相关的参数及/或当前肠内递送物质被输入到所述被训练的模型中。所述模型输出用于调整所述肠内递送物质的多个指令。可以选择调整以减少一将来的反流事件的可能性。

例如，调整可以是为了在需要使用药物时进入一药物期，通过暂时停止(即暂停)喂食一预定义的时间间隔以减少反流的可能性。

在另一个示例中，所述调整定义向所述患者肠内提供多少水，以及何时及时提供水。可以选择提供水以减少反流的可能性。

在另一个示例中，所述调整定何时及时向所述患者施用一排定的药物。可选择给药以减少反流的可能性。

在910，所述肠内递送物质根据所述指令进行调整。

在912，特征902-910中的一或多个随着时间重复。902的数据的接收、904的数据集的创建和906的所述模型的训练随时间的推移进行重复以更新所述模型以响应于所述肠内递送物质的调整。所述模型学习其调整决策的影响，并重复改善决策制造能力，以减少反流的风险及/或改善肠内递送物质的输送。特征908-910随时间重复使用更新后的模型的新数据值。

现参考图9，图9是根据指令基于一被训练的模型的输出，通过调整一换气机及/或一患者的体液平衡生成用于治疗一患者的多个指令的一示例性方法的一流程图，在根据本发明的一些实施例中。参考图9描述的方法可以包括及/或替代及/或结合参考图1-8所描述的特征及/或组件。

需要说明的是，本文所述的所述模型可以指图1的模型及/或图9的模型及/或本文所述模型的其他实施方式及/或其组合。例如，用于训练图9的模型的数据元件可用于训练图1的模型。

应注意到，本文描述的模型的实施方式可以组合成一单个模型，所述单个模型执行本文描述的所有(或一些)特征，例如，参考图1-9。

在1002，获得数据。所述数据可以由一监控过程在一监控间隔内获得。所述数据可以在通过一肠内的喂食控制器自动肠内喂食所述患者的同时获得。所述数据可以从一或多个组件202A-F获得。

所述患者可以根据一基线喂食曲线进行肠内喂食，所述基线喂食曲线可以包括一针对营养目标，如本文中所描述的。

可以获得以下示例性数据中的一或多个：

*位在为了所述患者的肠内的喂食而定位的一喂食管上的传感器的输出。所述传感器的输出可以包括所述患者的肺积液的估计量的一指示，及/或所述患者的横膈膜的一估计的自发运动的一指示。例如，参考美国专利申请案第16/000,922号及/或国际专利申请案第IB2017/057702号描述了其他细节。

*换气相关参数表示所述机械换气机自动给所述患者换气的可调设置，例如换气速率(例如每分钟)、潮气量、递送的氧气百分比等。例如，参考美国专利申请案第16/000,92号描述了示例性可调换气参数的附加细节。

*流体相关参数表示采取的动作及/或可调设置(例如，一控制器的)，其影响患者的患者体液平衡，例如，利尿药物的施用，抗利尿药物的施用，静脉输液的施用，肠内输液的量，以及所输液体的类型。递送可以是，例如，由一护士手动递送，由所述肠内的喂食控制器自动递送，由一药物分配器递送及/或由一IV流体控制器递送。

*患者呼吸参数表示所述患者当前的呼吸状况如何，例如，SpO2及/或其他呼吸及/或氧合相关参数。

*患者体液参数表示所述患者的体液平衡的调整。例如，利尿药物的施用，抗利尿药物的施用，尿液输出的量，尿液输出的时间，尿液输出的浓度，以及肺内积液的量。可以从例如EHR、传感器(例如，一IV流体控制器)、尿液传感器，及/或从所述喂食管(例如，肺内积液)上的所述传感器的输出计算获得所述患者体液参数。

在1004，通过计算一或多个特征向量来创建一训练数据集。

每个特征向量存储(例如，指示)所述获得的数据元件，包括从位在所述喂食管上的所述传感器的所述输出、所述换气相关参数、所述流体相关参数及/或可选地患者呼吸参数及/或可选地患者体液参数计算的多个特征，例如，作为一大的向量，其中每个参数的每个值都存储在所述特征向量的一元件中。

每个特征向量可以与在所述监控间隔期间的一时间指引相关联，指示何时获得相应的数据元件。替代地或附加地，当获得相应的数据元件时，各个数据元件的每一个都与一时间指引相关联。所述时间可以存储为所述特征向量的一元件。

每个特征向量可以存储在一共同时间间隔期间所获得的数据元件，例如，在一10分钟间隔内，或其他值。

在1006，基于所述训练数据集训练及/或创建一模型。所述模型被适用于接收位在所述喂食管上的所述传感器的当前输出及/或当前患者呼吸参数及/或当前患者体液参数，并输出用于调整所述机械换气机及/或体液平衡的多个指令。所述机械换气机及/或体液平衡的调整可以是为了获得一针对患者呼吸参数(例如，至少90％，或至少92％，或至少95％，或其他数值的SpO2)及/或一针对患者体液参数(例如，在24小时内至少1000，或1500，或2000cc的尿液，或其他数值)。

所述模型可以根据所述患者呼吸参数及/或所述患者体液参数及/或位在所述喂食管上的所述传感器的所述输出及/或所述换气相关参数及/或所述流体相关参数之间的计算相关性被训练。所述相关性可指示患者呼吸参数及/或患者体液参数及/或位在所述喂食管上的所述传感器的所述输出及/或所述换气相关参数及/或所述流体相关参数钟的哪一个，单独或组合，与针对患者呼吸参数及的各种数值及/或针对患者体液参数的各种数值相关联。

在1008，位在所述喂食管上的所述传感器的当前输出及/或所述患者呼吸参数的当前数值及/或所述患者体液参数的当前数值被输入到所述被训练的模型。所述模型输出用于调整所述机械换气机及/或所述体液平衡的多个指令。可选择所述调整，来获得(即，增加达到的可能性)所述针对患者呼吸参数及/或所述针对患者体液参数。

所述指令可以是代码，用于通过所述机械换气机及/或其他控制器(例如，肠内的喂食控制器以添加流体、IV流体控制器，加指令到所述患者的EHR)自动执行。所述指令可以是为了手动调整所述机械换气机及/或待执行的动作，例如显示在一显示器上，输出文字指令、音频指令及/或一视频。例如，指令用以添加一利尿药物、设定IV流体速率及/或设定所述换气机。

在1010，所述换气机及/或体液平衡根据所述指令被调整。

在1012，一或多个特征1002-1010随时间重复。1002的所述接收数据，1004的所述创建数据集以及1006的训练所述模型都随时间重复，以更新所述模型以响应所述换气机及/或体液平衡的调整。所述模型学习其调整决策的效果，且重复改善做成决策的能力，以达到所述针对患者呼吸参数及/或所述针对患者体液参数。为了新的数据数值使用所述更新的模型随时间重复1008-1010的特征。

现在参考图10，图10是用于动态调整所述基线喂食以满足一目标营养需求以暂停喂食的观点及/或动态改变所述目标营养需求的一示例的方法的一流程图，根据本发明的一些实施例。参考图10描述的方法可以包括及/或替代及/或结合参考图1-9描述的特征及/或组件。

需要说明的是，本文所述的所述模型可以指图1的模型及/或本文所述的其他模型及/或其组合。参考图10描述的方法可以通过参考图2描述的系统200的组件来实现。

还参考图11A至11G，它们是所述目标喂食曲线及所述基线喂食曲线在24小时的一时间间隔内的示例图表，以帮助理解参考图10所描述的方法。可以创建并呈现一GUI在一显示器上，例如，作为健康照护提供者的一视觉辅助，以基于图11A至11G追踪与所述目标喂食曲线相比的实际喂食。

在1102，可以接收到及/或设置用于所述患者的自动肠内的喂食的一针对营养目标。所述针对营养目标可以定义在一时间间隔结束时肠内的喂食参数的一目标积累，例如，在4、6、8、12、24小时或其他时间框内。所述针对营养目标可以表示多个肠内的喂食参数的一积累，以在所述喂食食间间隔结束时达到，例如，所述肠内的喂食总体积，提供给所述患者的卡路里总数，提供给患者的蛋白质的量，及/或其他要提供给患者的营养素(例如，定义喂养的多个成分)。

所述营养目标可以定义所述喂食时间间隔的一最大限制，例如24小时内的最大值卡路里及/或最大体积及/或最大值蛋白质。

所述针对营养目标可以由一用户手动选择及/或由代码自动计算提供。例如，可以基于量热传感器(例如，如参考国际专利申请案第IL2017/051271号所述)计算的一静息能量消耗(REE)，基于预测方程(例如，Harris-Benedict)，通过一分类器计算所述针对营养目标，所述分类器被输入与所述患者喂食关联的参数，并在样本患者的针对营养目标的一训练数据集上进行训练。

现在描述用于设置所述针对营养目标的一示例性过程。注意到，可以使用其他方法，以及/或所述示例性方法可以适用。可以通过在与所述计算机装置相关联的一显示器上呈现的GUI来执行该过程。进行一REE计算以确定所述患者使用的能量数量，从而确定所述针对营养目标。REE测量持续时间已定义。一旦设置了持续时间(例如，当患者在休息时)，就会启动测量。如果所述患者焦躁不安或出于任何其他原因，可能会停止测量。持续时间过去后，REE从积累的VCO₂测量值计算得出的(例如，通过一CO₂传感器)。结果可能会被接受，或者如果它们看起来是错误的，它们可以被拒绝。一旦接受REE测量值，就可以启动食物计算器。如果操作员选择退出该面板，它将返回到常规REE面板。所述食物计算器根据REE计算、隐藏的热量(用户可选择插入此信息)、蛋白质计算和其他可选过滤器(例如低纤维)协助选择最佳喂食材料。基于食物计算器的参数和选择的营养，待递送的体积(VTBD)及营养基础速率被确定，并且可由用户编辑。GUI要求用户设置最大速率(每小时)和最大VTBD(所述喂食时间间隔的每个持续时间，例如24小时)，这将启用自动调整以补偿喂食停止时间(例如，因为反流事件或照护人员的常规程序，如床上用品、CT扫描、手术等)和GRV残余袋中的残留损失(加权及/或流量由GRV流量传感器测量)。GRV机制用于在反流事件及/或用户确定范围内的REE估计值的变化中对胃进行减压。当VCO₂超出设置的范围(例如，阈值变化+\-15％)时，将生成一警报。如果定义最大VTBD，则会自动计算并提出一个新的kCAL/天的目标，伴随一新得出的VTBD和营养速率。一旦接受，就会设定一个新的针对营养目标。参考国际专利申请案第IL2017/051271号描述了另外的示例性细节。

食物类型及/或添加剂可由医师预先选择，并基于提供给他/她的供应列表根据医院可用库存输入所述计算机装置。在另一个实施方式中，喂食材料的一可更新的数据库被嵌入到所述计算机装置中，或者通过医院系统与所述计算机装置通信，以创建所述材料的一个个性化的顶部列表，以根据所述基线喂食曲线配合所述患者。

确定所述针对营养目标的其他细节，例如参照102所描述，其中术语基线喂食曲线可以指所述针对营养目标及/或指所述目标喂食曲线，如下所述。

在1104，定义了一目标喂食曲线，以在一时间间隔结束时达到所述针对营养目标。所述目标喂食曲线可以代表喂食速率。在设定的速率下，在所述时间间隔结束时，递送的喂食的积累可以代表所述针对营养目标。例如，在接下来的24小时结束时，所述针对营养目标是2400卡路里，且所述目标喂食曲线是每小时100卡路里的一喂食速率。

所述目标喂食曲线可被计算以减少反流的风险，例如，如本文所述。

所述目标喂食曲线可以通过所述模型计算，例如，如本文所述。

在1106，设定所述基线喂食曲线。所述基线喂食曲线通过匹配所述目标喂食曲线被设定。可以定义与所述目标喂食曲线的相同时间间隔内的所述基线喂食曲线以达到所述目标积累。

需要注意的是，所述目标喂食曲线不一定是明确定义的。例如，可以直接基于所述针对营养目标设定所述基线喂食曲线，而没有明确定义所述目标喂食曲线。所述目标喂食曲线可以代表一个概念步骤，以帮助理解这里描述的过程。可替代地，所述目标喂食曲线可以如本文所述明确定义和使用，例如，当基于参考图11A-G所描述的图表在一显示器上向所述用户呈现一GUI时，举例来说。

在1108，所述患者根据所述基线喂食曲线进行肠内喂食，例如，如参考图1的104及/或116所描述的。

所述基线喂食曲线表明了递送给所述患者的实际喂食量。所述目标喂食曲线表示期望的喂食给予，这可能不一定是实际给予的，如本文所述。

现在参考图11A，描绘了随时间推移的积累喂食(以毫升(mL)为单位)的图表。Y轴1202描绘了积累的喂食。X轴1204表示时间的流逝，从一开始时间为零到一结束时间为24小时。沿x轴1204描绘在不同时间点发生的有时可能导致喂食暂停的事件1206。事件1206的示例包括：进行CT扫描、气管抽吸、常规位置改变和药物推注。

图1208表示所述目标喂食曲线。图1210指示所述基线喂食曲线。图1212表示一个概念标准喂食曲线，未按本文所述进行动态地调整，以帮助更好地理解和区分图1210。

需要注意的是，从开始(即，0小时)到第6小时1204A，所述目标喂食曲线1208与所述基线喂食曲线1210相匹配。

现在回到图10，在1110，所述肠内的喂食暂停(例如，通过所述肠内的喂食控制器)持续一或多个暂停时间间隔。在每次暂停时间间隔期间，所述目标喂食曲线与所述基线喂食曲线之间形成一间隙。所述间隙表示所述患者应该收到的所述针对营养目标的部分与所述患者实际接收到的喂食之间的差异。

暂停所述肠内的喂食的其他细节描述，例如，参考图1的108。

现在参考图11B。大约6.5个小时后，所述患者被带到一CT扫描。喂食暂停约2小时。所述目标喂食曲线1208与所述基线喂食曲线1210之间形成一间隙1204B。

现在回到图10，在1112，相较于所述基线喂食曲线的之前的喂食速率，所述基线喂食曲线被调整到一较高喂食速率，与对应的目标喂食曲线的喂食速率相匹配。换句话说，所述基线喂食曲线被调整到相较于对应的目标喂食曲线的喂食速率的一较高喂食速度。

调整到所述较高喂食曲线是为了在所述时间间隔结束时合上(及/或减少)所述间隙以达到所述目标积累。

可选地，调整所述基线喂食曲线到一定义的最大喂食速率。所述最大喂食速率可以指示所述喂食控制器不会超过的一最大值喂食速率。所述最大喂食速率可以根据低于没有排定及/或预测的反流相关参数的一要求的将来的反流事件的一可能性风险来计算，例如，通过所述模型。可替代或附加地，所述最大喂食速率可以由一用户(例如，医师)手动选择。所述最大喂食喂速率可以根据一肠内喂食的患者所耐受的一喂食速率来设定(即，没有预期即将改变患者位置，所述位置增加反流事件风险)，对于所述患者所述反流事件的风险是低的，例如通过所述模型计算及/或通过一用户手动设定。

现在参考图11C。大约8.5小时后，当所述患者从CT扫描返回时，重新开始喂食。在1204C，将所述基线喂食曲线1210的所述喂食速率调至一较高速率高于相应目标喂食曲线1208的喂食速率。所述基线喂食曲线1210的喂食速率可以被调至所述最大喂食速率。注意到，为了比较的目的，所述标准喂食方案1212在暂停之后简单地恢复到其先前的速率。可以直观的看出，标准喂食方案1212永远不会与所述目标喂食曲线1208关闭所述间隙，而较高速率的所述基线喂食曲线1210最终会与所述目标喂食曲线1208.04相交(即，关闭间隙)。

现在参考图11D。1204D-F描绘了喂食的多次暂停。每次暂停后，通过将所述基线喂食曲线1210调整到所述较高速率(例如最大速率)来恢复喂食，以尝试最终与所述目标喂食曲线1208关闭所述间隙。如图所示，成功关闭所述间隙。

现在回到图10，在1114，可以监测所述目标喂食曲线和所述基线喂食曲线之间的间隙。间隙的闭合可以被检测到。所述间隙的关闭可以定义为，例如，通过一个要求，例如定义间隙何时关闭的值的范围。例如，当实际喂食在所述针对营养目标的100卡路里左右或50卡路里左右或其他值以内时，可以关闭所述间隙。需要注意的是，不一定需要一精确匹配(即，间隙为零)。

在1116，当所述间隙确定为关闭时，可将所述基线喂食曲线的喂食速率调低(即，减少)，以匹配所述目标喂食曲线的喂食速率。

现在参考图11E。在1204G，当基线喂食曲线1210与目标喂食曲线1208之间的间隙已经关闭时，可以将基线喂食曲线1210的喂食速率调整回匹配所述目标喂食曲线1208的喂食速率’。

现参照回到图10，在1118，重复参照1102-1116所描述的一或多个特征。所述特征1102-1116可以在所述时间间隔内重复，及/或在多个连续时间间隔重复。

可选地，所述模型基于参照1102-1116所描述的重复来更新，例如，如本文描述及/或参照图1的110。

在一示例的重复中，在1102，动态地调整所述针对营养目标，例如，由于所述患者的医疗条件的改变。这种在医疗条件的改变可以转化为外的卡路里，及/或营养混合的变化(例如，更高百分比的蛋白质)及/或卡路里的减少。在1104，调整用来在所述时间间隔结束时达到肠内的喂食参数的所述动态调整目标积累的所述目标喂食曲线。在1106，所述基线喂食曲线被动态地调整至所述被调整的目标喂食曲线，以对应于所述动态调整的针对营养目标。

现参照图11F。在1204H，所述患者的REE显著增加，触发所述目标营养需求的一增加以在24小时结束时达到。动态调整原来的目标喂食曲线1210，根据所述更新的目标营养需求，创建一被调整的目标喂食曲线1220。调整所述基线喂食曲线1208的所述喂食速率以匹配所述被调整的目标喂食曲线1220。

现在参考图11G。在24小时1204I的时间间隔结束时，所述动态地调整的基线喂食曲线1208匹配所述动态地调整的喂食曲线1220在1820毫升的24小时结束时(例如，在一个可容忍的范围内)达到所述动态地调整的针对营养目标。尽管喂食暂停，及/或尽管患者营养需求发生了变化(例如，增加了REE)，但动态的针对营养目标得到了满足。相比之下，如果没有动态调整营养喂食需求，原目标喂食曲线1210就可以满足原来1560毫升的营养目标，跟不上患者营养需求的变化。在又一个比较中，如果没有动态调整喂食速度来补偿喂食1212中的暂停，将仅向患者提供1090毫升的喂食量。

上文描述的以及下面权利要求部分所要求保护的各种实施例和方面在以下示例中得到计算支持。

示例

现在参考以下示例，这些示例与以上描述一起以一非限制性方式说明了一些实施例。

现在参考图12，图12是展示由发明人进行的实验的实验结果的一图表，用于评估一系统自动肠内喂食一患者以满足一目标营养喂食需求的能力，在反流事件及/或暂停肠内的喂食的观点上，根据本发明的一些实施例。所述图表在x轴上描绘了时间。所述时间间隔是从早上10点到第二天早上7点。y轴描绘了给予的总体积。

曲线1310表示所述目标喂食曲线，其表示期望的喂食速率，以满足一目标营养需求1304E(代表在所述时间间隔结束时所述营养目标的100％)，如本文所述。

曲线1308表示所述基线喂食曲线，指示给予患者的实际喂食速率。

在大约上午10点到晚上8点30分之间(由元件1304A表示)，基线喂食曲线1308匹配目标喂食曲线1310。

在大约晚上8:30到晚上11:30之间(由元件1304B表示)，由于患者被带到一医疗程序，肠内的喂食被暂停。基线喂食曲线1308与目标喂食曲线1310之间形成一间隙。

大约在下午11:30到凌晨5:30之间(由元件1304C表示)，基线喂食曲线1308的喂食速率增加，可选地到最大值数值，表示一补偿速率1308A，补偿1304B的喂食长时间暂停。值得注意的是，在反流及/或自动GRV1304C期间，喂食暂停了一小段时间，然后再恢复。反流事件显示为由元件1352在对应于1304C的时间点处标记的点。反流事件可用于更新此处所述的模型及/或用于调整此处所述的所述基线喂食曲线的喂食速率。

上午5:30分左右(元件1304D表示)，基线喂食曲线1308与目标喂食曲线1310之间的所述间隙已经合上。

从大约早上5:30到早上7:00(由元件1304E表示)，减少基线喂食曲线1308的喂食速率以匹配目标喂食曲线1310的速率。

在所述时间间隔结束时(在一容许范围内)达到在所述时间时间间隔结束时的所述100％目标1304E。

图表1350显示了在所述时间间隔内以一恒定速率向所述患者给予水的速率。

下面总结实验结果。在所述时间间隔(即，“总营养处方”)结束时达到的所述目标营养需求为979毫升。目标喂食曲线1310设置为满足所述目标营养需求。实际给予所述患者的喂食量(即，“总营养”)为978毫升，代表一喂食效率为99.90％。基线喂食曲线1308代表实际给予所述患者的喂食量的动态调整的喂食速率。需要说明的是，在不调整速率来补偿间隙的情况下，如果所述基线喂食曲线只是暂停，则不进行补偿的喂食效率为84.45％。值得注意的是，在所述时间间隔内给予115毫升水。

现在参考图16，图16是根据本发明的一些实施例的一自动患者喂食装置的操作流程的一示例性方法的流程图。参考图16描述的特征可以组合、集成、替换及/或添加到本文描述的其他系统及/或方法及/或参考本文描述的其他图描述的其他特征。

在1902，使用参照图13描述的一GUI，确认所述喂食管在所述患者内的适当位置(即，喂食时的目标位点)，例如，如本文所述。

所述GUI可以描绘包括对所述喂食管的一当前位点的一指示的所述患者的身体的轮廓的一示意图。操纵所述管直到所述GUI影像确认正确位置，例如，通过一消息、颜色编码及/或其他指示。可以检测管位点，例如，使用阻抗传感器来确定胃内及/或相对于LES的位点。

可选地，当检测到所述喂食管在所述目标位点外时防止自动启动喂食。例如，直到所述管位于一目标区域时，才会显示用于开始及/或选择喂食的GUI的附加特征。喂食管适当位置的确认可以指示喂食过程的一个开始。

可以动态地监控所述喂食管的位点，并且作为参数(例如，胃参数)被输入到这里描述的一或多个模型中。例如，所述喂食管的位点可能与反流风险相关。

在1903，例如，可以从候选及/或可用配方的列表中选择一或多种喂食公式(本文也称为配方)。候选配方的列表可以手动及/或自动选择，基于REE及/或其他患者参数(例如，如本文所述，例如尿液输出)，例如目标患者的医学状态(例如，基于手动输入的数据，及/或从电子健康记录中获取的数据)。提供100％(或接近100％，例如，在一容许范围内，例如，在90％或95％以内)的所述针对营养目标。当所选的营养配方缺乏足够的蛋白质来满足患者的营养目标时，可以选择补充蛋白质以提供额外的蛋白质。所述营养目标可以根据REE和/或其他患者参数设置，例如，使用如本文所述的预测方程。

可以使用一交互式图形用户界面(GUI)来选择喂食公式，该图形用户界面可以呈现REE及/或其他患者参数的数值。

所选择的喂食公式及/或REE及/或其他患者参数可输入本文所述的模型中，例如，用于计算对所述基线喂食曲线及/或预测反流事件风险的调整，及/或此处描述的其他预测。

可选地，一或多个交互式图形用户界面呈现在一显示器上，并由一用户用于设置所述基线喂食曲线及/或目标喂食曲线。例如，所述GUI可以呈现额外的患者数据，例如，从传感器及/或电子病历中呈现的患者数据获得。额外的患者数据可用于计算REE及/或基线喂食曲线及/或目标营养曲线，及/或用于从可用的喂食公式中进行选择，如本文所述。

可以接收初始设置数据(例如，REE，初始患者状态)(例如，来自传感器数据，由所述用户手动输入，来自患者的电子健康记录)。所述初始设置数据可用于设置喂食方针，如本文所述。

可选地，患者的每日营养需求(例如，每日营养目标)是根据基于二氧化碳(CO₂)呼气水平和/或氧气(O₂)消耗的测量，可以由传感器测量，来计算得出的REE计算的。

所述计算(例如，所述基线喂食曲线及/或目标喂食曲线的计算)可能包括可用的合适营养(例如，库存)、可选地最佳营养、及/或额外蛋白质及/或药物携带的所述隐藏的热量。所述用户可从一列可用的合适的喂食配方列表(例如，呈现在图形用户界面中)，例如最接近匹配热量需求的可供选择的配方及/或患者的蛋白质需求。系统正常运行所需的额外水量可以自动计算并添加到所述喂食时间表中(例如，所述基线喂食曲线及/或目标喂食曲线)。可以呈现补充蛋白质以供选择(例如，品牌和/或数量)，例如，基于所显示的喂食中的蛋白质不足。补充蛋白质可以选自可以添加到所选喂食配方中的专用蛋白质来源。任选地，根据患者的医疗条件过滤所呈现的营养(例如，由用户手动输入及/或从患者的电子健康记录中提取)，例如，某些营养被排除用于糖尿病患者及/或那些有心血管疾病的患者。

任选地，在GUI中显示可用的最合适的营养(即，喂食配方)以供选择，及/或选择，基于蛋白质需求，同时匹配测量的REE测量和补充蛋白质以添加到提供给所述患者的喂食中。额外蛋白质及/或药物所携带的“隐藏”卡路里得到补偿。当给患者服用处方药物时，患者接受药物本身的卡路里(此处称为隐藏的热量)被视为总体基线及/或目标喂食曲线的一部分，包括在患者的总体能量平衡中。所述基线喂食曲线及/或目标喂食曲线可根据所选的可用的喂食配方、补充蛋白质及/或从补充蛋白质及/或药物的隐藏的热量来设定。

在1904，如本文所述，使用一设计的用户接口，例如一交互式GUI，定义一或多个喂时方针设置。示例的喂食方针的设置包括：喂食速率、基线喂食曲线、目标喂食曲线、针对营养目标、喂食的营养成分(例如水、蛋白质)及/或喂食的类型，如本文所述。

任选地，用户可以使用交互式图形用户界面，它可以指导用户设置适当的喂食程序值(例如，选择所述基线喂食曲线及/或目标喂食曲线的参数)。

任选地，基于所述REE(例如，在GUI中显示)，计算所述喂食速率(例如，以千卡每天为单位(kCal/day))，例如，所述基线喂食速率及/或目标喂食曲线在每小时约15-100毫升(ml/hr)或约700-2500kCal/天的范围。

喂食可以逐渐开始(例如，由操作者选择及/或预定义及/或自动计算)，例如，在前4天期间，以下百分比的针对营养目标及/或基线喂食曲线及/或目标喂食曲线被设置：第一天为30％，第二天为50％，第三天为70％，第四天为100％。注意百分比是数值的例子并且不一定是限制性的。

所述目标营养需求可以与喂养设施可用的现有营养库存(例如，储存在医院中)相匹配(例如，完全及/或趋近一容许范围内，可选地最接近但不一定完全匹配)。任选地额外的蛋白质被添加(例如，由用户手动及/或通过代码自动选择)取决于患者的医疗状况。

任选地，最大值喂食速率(即，用于补偿当所述基线喂食曲线低于所数目标喂食曲线时，如本文所述)可以被定义为例如参考图15A所描述的直虚线1606。所述最大喂食速率定义了一泵送速率(即，喂食速率)不应被超过，例如，当补偿由于反流、治疗、程序、及/或GRV事件引起的喂食中止时，如本文所述。可以执行一最终设置检查。触发一开始命令(例如，按下GUI上的一开始图标)启动全自动喂食，如本文所述。

可以在例如GUI中呈现用于喂食所述患者的所述喂食控制器的最终初始设置(例如，基线喂食曲线及/或目标喂食曲线及/或针对目标营养)。示例性设置包括最大值速率及/或待递送的最大体积(VTBD)。可以定义所述VTBD在一时间间隔内，例如，6小时、12小时、24小时或其他值。GUI可以呈现喂食计划的一视觉快照(例如，基线喂食速率、目标喂食曲线、营养目标、最大调整速率)以供健康照护提供者审阅。

以下是用数学术语表示此处描述的多个变量的关系的示例性方程式：

最大速率＝基础速率x1.75(违约)

最大VTBD速率＝VTBD速率x1.2(或通过医师指令)

CT表示卡路里目标(例如，每日)，即，在所述时间间隔结束时的针对营养目标。

REE如本文所述

％计划表示每天逐渐增加的最大总营养目标的百分比，如本文所述。

隐藏的热量是指在针对营养目标之外的药物中的卡路里，因为卡路里将在处方药物中被提供。

营养素的热量值是指所选择的喂食公式中所含的热量。

持续时间表示从每天24小时开始的一定时间间隔，在所述时间间隔内定义了所述目标及/或所述基线喂食曲线。

应注意，总数值可用于从所述基础速率(即，所述基线喂食速率)，例如从1.5-2或1.7-1.9或1.6、1.7、1.8、1.9或其他值的范围计算所数最大值喂食速率(即，最大速率)。

需要注意的是，可以使用整体数值从所述VTBD速率(即，在所述时间间隔结束时，使所述喂食速率达到定义的VTBD目标)来计算最大值VTBD速率(即，最大VTBD速率)，例如，从1.1-1.4、或1.1-1.3、或1.1、1.3、1.4、1.25或其他值的范围。

设置程序可以包括以下特征中的一或多个，例如，如本文所述：

根据传感器输入和/或存储在所述电子健康记录中的数据，呈现用于参数启动的交互式弹出屏幕(例如，GUI)。

识别一或多种最佳蛋白质匹配的喂食配方(例如，可在喂食点获得)。

计算要提供给所述患者的额外蛋白质。补充蛋白质可包含在所述基线喂食曲线及/或所述目标喂食曲线中。

定义一弹性的喂食时间表，包括开/关喂食暂停周期。

为目标患者计算的示例性目标喂食曲线(即，喂食计划)可以包括以下一项或多项：

·显示REE信息(例如，实时动态更新的)

·速率范围例如15-100毫升/小时和千卡/天700-2500千卡/天

·以每个时间间隔(例如，每天)定义的针对营养目标的百分比来定义逐渐增加的百分比，例如，定义4天的递增百分比和此后的固定百分比—例如，第1天30％，第2天50％，第3天70％，第4天100％，此后100％。

·从库存配方清单(例如，医院)中选择喂养配方(即，营养素)。可选地，当某个配方用完时，会呈现及/或选择另一个最符合患者要求(如本文所述)的可用配方。

·目标喂食曲线及/或基线喂食曲线考虑以下一项或多项：患者体重、蛋白质因子(例如，增加的蛋白质需求超过标准配方中可用的蛋白质)及/或蛋白质公差，不需要补偿的蛋白质(+-克)(例如，+5g，-10g)。

·间歇模式(即，开/关)及/或进餐及/或间隔次数(例如，在最高速率范围内，受反流检测控制)。

·所需的尿液输出水平的水。

·按下开始全自动模式。

在1906，开始喂食。如本文所述，使用所述喂食管自动喂食所述患者。喂食量可能会如设定般逐渐增加。或者，当喂食已暂停时(例如，由于程序，如本文所述)，喂食开始。

喂食可以以一全自动及/或半自动方式进行。例如，生成多个指令用于控制一泵及/或一阀(例如，夹管阀)以递送及/或暂停喂食，而不必需要一人类用户的干预。

可以自动向所述患者根据以下一个或多个特征提供喂食，例如，如本文所述：

·闭环操作(即，全自动)。

·自动补偿所述喂食速率以赶上喂食损失，例如由于GRV事件及/或由于反流或治疗结果的喂食休止。

·水流速率(即，为患者提供的补充水)根据尿液输出进行调整，例如，与尿液输出相匹配，及/或增加以增加尿液输出，及/或减少以减少尿液输出。

·匹配(例如，在一个容许范围内)瞬时REE与喂食速率，例如，在预先分配的间隔内，即，相应地更新所述喂食流。

在1908，如本文所述，监测一个或多个参数。示例性的监测参数包括以下一或多个：尿液状态、REE、CO₂测量值(例如，来自患者呼气)、O₂测量值(例如，来自患者吸入)、喂食计划(例如，基线喂食曲线、目标喂食曲线)、及/或显示一或多个喂食管相关指标：反流、管位及/或GRV、胃反流相关参数、胃反流事件、其他喂食参数及/或临床参数，如本文所述。可以将参数输入所述模型，如本文所述。如本文所述，可以检测差异。

可选地，一实时REE是根据监测到的CO₂及/或O₂测量值计算的。所述实时REE可以输入作为用于动态地调整所述基线喂食曲线的输入，例如，所述REE被输入到所述模型，如本文所述。

可选地，所述参数的一实时指示显示在所述GUI中，提供一个工作屏幕，显示所述患者的实时状态。

可选地，例如，如参考图15A至15B所描述的，基于所监控的参数，创建和呈现一或多个图表(例如，在一GUI内)。

以下示例性特征可在全自动喂食过程中、及/或在参数监控期间自动实施：

·每个设定的时间界面(例如，半小时、小时或其他值)可以测量实际能量消耗，例如，基于估计CO₂及/或O₂值的传感器，如本文所述。

·待递送的实际的喂食量(例如，体积，重量)可以相应地自动调整(例如，所述基线喂食曲线被调整)。例如，在一初始时间间隔内，所述目标喂食曲线及/或基线喂食曲线最初设置为30[kCal/hr]，例如，基于REE测量值及/或所述模型的输出。在一随后时间间隔内，所述实际测量的REE为33[kCal/hr]。用于调整所述基线喂食曲线(即，喂食泵/或喂食控制器)的多个指令可根据更新的REE数值产生，例如，用以增加所述喂食速率以匹配所述更新的REE数值。将通过所述泵及/或控制器的实际喂食进行相应的调整至所述调整后的基线喂食曲线。

·自动补偿喂食中止及/或GRV，代表喂食的实际损失(即，GRV)及/或潜在喂食的损失(即，由于停止而未提供喂食的时间)，例如，通过增加所述喂食速率到最大定义速率，以缩小实际喂食(即，基线喂食曲线)和所述目标喂食曲线之间的间隙，如本文所述。

·在实时中呈现和动态地更新，呈现一或多个参数的实时数值的一快照审查监视器屏幕(例如，GUI)，例如，REE，尿率等。这些参数可用于计算及/或调整所述基线喂食速率。

·在GUI中显示警告，例如，作为弹出窗口。例如，当参数值偏离一定义的目标区域时。

·当喂食及/或水在不久的将来用完或即将变空时。可以在GUI中显示最佳匹配的替换品以供选择。

·容器更换之后可以是一自动启动循环。

可选地，生成一个或多个警报及/或间断指示，例如，当数值超出定义的正常及/或安全值时。所述警报及/或指示可在所述GUI内呈现，例如显示当前状态(例如，正常、安全、及/或非正常及/或风险)，例如，如参考图13所述。示例性警报及/或指示包括以下一项或多项：REE、尿液、GRV、反流、更换引流袋、当前正在向患者喂食的营养素(例如，类型)、当前营养素将耗尽(或已耗尽)时的警告，以及水用完的警告。

在1910，执行一个或多个矫正程序。在所述矫正程序期间暂停喂食。例如，反流材料从所述患者排出，及/或调整所述基线喂食曲线(及/或其他喂食方针设置)，如本文所述。在另一个示例中，当患者进行成像时暂停喂食，以清除气管导管，及/或用于如本文所述的其他程序。

在1912，参考1902-1910描述的特征被重复，例如，在患者进行肠内喂食的一时间间隔上，直到患者在没有管子的情况下恢复进食。

例如，基于REE及/或本文所述的其他参数，可以连续测量所述患者的实际能量消耗。如这里所描述的，可以动态地适应所述基线喂食曲线。

现在参考图13，图13是根据本发明的一些实施例呈现总体患者状态的一示例性GUI 1402的一示意图。GUI 1402提供一快速的患者状态观察监视器屏幕。GUI 1402被设计为提供对患者状态的一快照及/或快速查看。GUI 1402可以被显示在一监视器上作为能够在临床指标恶化的情况下提醒照护者的一默认影像。

GUI 1402可以呈现为具有以下示例性区域中的一或多个的一仪表板：

·直条1404表示，例如，基线喂食(即，代表实际喂食)占目标喂食的百分比(例如，以实时速率表示)，积累的基线喂食曲线(即，提供给所述患者的实际喂食量)占针对营养目标的百分比，即，患者已经收到的占总每日目标的多少，以及积累的基线喂食曲线为目标喂食曲线的百分比—代表患者可能存在的营养不足，其可以通过增加的喂食速率来恢复，如这里所描述的。所述直条是一个示例实施方示，例如，百分比可以表现为一数值、一条形图，以及/或颜色编码以指示所述百分比是否显着(例如，在允许的容许范围内时为绿色，而红色是当所述百分比超出表示不足喂食的所述允许的容许范围时)。

·图形1406指示所述喂食管的当前位点及/或指示管子是否在正确位置上。图形可以包括食道和胃，以及定位于所述食道及/或胃内的一管根据管的位点(例如，基于位在所述喂食管的远端区域的阻抗传感器测量值)。

·圆形刻度盘1408呈现关键参数，例如GRV、反流、尿流量、代谢及/或本文所述的其他参数。刻度盘1408提供参数值是否在正常范围内的指示，例如，一垂直扇形区内的指针指示正常值，顺时针或逆时针偏差指示异常值。注意的是，刻度盘是示例，例如，可以呈现数值及/或刻度盘及/或数值及/或其他图形元件可以用颜色编码以指示相应值是否在定义的目标内(例如，正常、健康、期望值)。

应注意，GUI 1402所描绘的数值可如本文所述被输入到所述模型中。例如，喂食管的位置、代谢、及尿液流量可以作为额外的胃参数(超过反流、GRV及/或实际喂食)被输入所述模型以预测反流的风险及/或调整所述喂食速率。

现在参考图14，其是根据本发明的一些实施例的示例性典型CO₂制造速率(以毫升/分钟为单位)的一图表1502。图表1502的数值可指示REE值，其可用于选择及/或调整患者喂食速率，例如，如本文所述。图表1502的数值是针对一真实的患者而获得的。

现在参考图15A至15B，图15A至15B包括一图表1602A和1602B，其描绘了根据本发明的一些实施例的针对患者的一示例性营养每日图，总结了所述患者的示例性重要营养状态。图15B的图表1602提供了比图15A的图表1602A更多的细节。跟随喂食进度轨迹是接近器官崩溃的重要早期指标。图表1602A-B的部分可以被计算和/或调整，例如，如在此描述的，例如，基于在此描述的模型。

1604是y轴，表示相对于计算的喂食目标(例如，以毫升/天或千卡/天为单位)相对于时间(在x轴1616上)的喂食量，如本文所述。

1606指示相等的最大喂食速率线的一示例，定义多个最大喂食速率，例如，如本文所述。

1608是预期喂食轨迹1610之间的一标记区域(例如，阴影，颜色编码，标记有箭头及/或文字等指示)，即，目标喂食曲线(例如，由H-B及/或Weir及/或其他预测方程，例如，如本文所述)和实际喂食轨迹1612，即，基线喂食曲线(例如，由Weir计算，例如，如本文所述)。喂食中止被描绘为曲线1612的直线段，指示没有向患者提供喂食。喂食中止可能发生，例如，图15B中描绘的事件1650和1652。停止喂食可能是由于，例如，由于对患者进行的治疗及/或医疗程序(例如，X射线)。对于沿当前时间轴1616的值，计算当前不足1614作为曲线1610和1612的对应值之间的一差异。阴影区域1608可以表示在喂食时间间隔期间发生的营养缺乏的一累积。阴影区域1608的大小指示不足的量，例如，指示器官塌陷的风险。

喂食目标及/或对应的喂食轨迹可根据方程计算以匹配患者的REE和EEE(例如，如本文所述)及/或使用本文所述的模型计算及/或调整。

图15B的图表1602示出以下示例：一休止事件1650、有GRV 1652的休止事件、基础速率1654、最大(即，恢复)喂食速率1656、实际喂食轨迹1658、预期喂食轨迹1660、长休止事件1662、日终不足1664、计算喂食目标1666。

现在参考图15C，其是描绘停止喂食1670的一示例的图表，其通过自动增加喂食速率来补偿(例如，指示泵增加所述泵送速率)1672(即调整到所述基线喂食曲线)以达到一定义的基础速率(即，目标喂食曲线)1674，根据本发明的一些实施例。一旦实际喂食(基于所述基线喂食曲线)与目标喂食曲线之间的不足基本匹配，则将所述基线喂食曲线设为所述目标喂食曲线1676。例如，所述基础速度1674(即，目标喂食曲线)初始设置为40毫升/小时(例如，如本文所述)。喂食暂停1670持续15分钟(例如，出于本文所述的原因)，这导致一喂食不足(即，基线喂食曲线与目标喂食曲线之间的间隙)。所述基线喂食曲线被调整到80毫升/小时1672以关闭赤字。所述基线喂食曲线被调整到与所述目标喂食曲线1676的40毫升/小时相匹配。

现在参考图15D，图15D是描绘根据本发明的一些实施例的所述目标喂食曲线变化的一示例的一图表。原基础速率1870(即，目标喂食曲线)设置为60毫升/小时。上午10:00时，所述基础速率增加1872至72毫升/小时(即，目标喂食曲线被调整)。与所述目标营养曲线相匹配的所述基线喂食曲线也相应地进行了调整。值得注意的是，VTBD 1874中24小时时间间隔的增加从1440到1610毫升，即，增加为170毫升。

注意的是，所述喂食速率可以增加到一更高的速率，直到所述最大速率。所述最大速率可以根据患者反流所述肠内的喂食的可能性低于阈值而被选定，例如，由所述模型计算。所述最大速率可以设置为患者不反流所能承受的最大速率，任选地根据所述患者不反流所能承受的所述喂食速率及/或所述患者不反流所能承受的最大体积来确定。

现在参考图17，图17是根据本发明的一些实施例，以图形方式描绘参数与反流事件之间的相关性的一示意图。所述示意图1802通过高定义峰描绘了x[1]表示的参数和一反流事件之间的一强相关性。示意图1804描绘了x[2]表示的参数和一反流事件之间的中相关性，通过一更分散但仍然定义且中等高的峰。示意图1806描绘了x[3]表示的参数和一反流事件之间的一弱相关性通过一大声说出来，并且没有明确定义和低峰值。

识别已计算出一强反流相关性的患者临床参数(例如，基于积累的数据)，如本文所述，例如，参考图5。例如，相关值高于一阈值(例如，0.7、0.8、0.9或其他值)表示一参数与反流事件之间的强相关性，数学上表示为ρ[1]>0.8、ρ[2]>0.8………对于参数x[1],x[2]……

可以考虑与反流高度相关的参数(例如，自动、及/或由用户手动)。例如，当与患者操纵相关的参数已被证明会引起反流(即，通过高于所述阈值的高相关因子)，在操纵患者减少反流的可能之前喂食可能会停止(例如，手动及/或自动)。

可以执行检测反流突发事件与患者参数及/或治疗之间的相关性，如本文所述，及/或例如，如下：每当观察到一反流事件(表示为Y＝1)时，所述参数水平被记录。随着时间的流逝，积累的数据表明参数对反流的影响水平。

本发明的各种实施例的描述是出于说明的目的而呈现的，但并非旨在穷举或限于所公开的实施例。在不脱离所描述实施例的范围和精神的情况下，许多修改和变化对于本领域的普通技术人员来说将是显而易见的。选择此处使用的术语以最好地解释实施例的原理、实际应用或对市场上发现的技术的技术改进，或使本领域的普通技术人员能够理解本文公开的实施例。

预期在本申请的专利使用期限内，将开发许多相关的计算装置及肠内的喂食控制器，并且这些术语计算装置及肠内的喂食控制器的范围旨在包括所有这些先验的新技术。

如在本文中所使用的术语“约(about)”是指±10％。

术语“包含(comprises)”、“包含(comprising)”、“包括(includes)”、“包括(including)”、“具有(having)”和其词形变化意指“包括但不限于(including but notlimited to)”。此术语包括术语“由…组成(consisting of)”及“基本上由...组成(essentially consisting of)”。

短语“基本上由...组成(essentially consisting of)”意指组合物或方法可包括额外的成分及/或步骤，但只有当额外的成分及/或步骤实质上不改变所要求保护的组合物或方法的基本特征和新颖特征。

如本文所用，单数形式“一(a)”、“一(an)”和“所述(the)”包括复数参考，除非上下文另有明确规定。例如，术语“一化合物”或“至少一化合物”可以包括多个化合物，包括其混合物。

用语“示例(exemplary)”在本文中用于表示“作为示例(serving as anexample)、实例(instance)或例证(illustration)”。任何被描述为示例的实施例不一定被解释为优于或胜过其他实施例及/或排除来自其他实施例的特征结合。

用语“可选地(可选地)”在本文中用于表示“在一些实施例中提供的，而不是在其他实施例中提供的”。本揭露的任何特定实施例可包括多个可选特征，除非这些特征冲突。

在整个申请中，本发明的各种实施例可以一范围的形式被呈现。但应当理解的是，以范围形式的描述仅仅是为了方便和简洁，不应被解释为对本发明的范围的一硬性限制。因此，一范围的描述应当被认为已经具体公开了所有可能的子范围以及范围内的个别数值。例如，一范围的描述如“从1至6”应视为已经具体公开子范围，如从1至3、从1至4、从1至5、从2至4、从2至6、从3至6等，以及在所述范围内的个别数值，例如1、2、3、4、5及6。不论范围的宽广度皆适用。

每当本文指出一数值范围，其意在包括在指示的范围内的任何引用的数字(分数或整数)。在第一指示数字和第二指示数字的短语“范围(ranging)/范围之间(rangesbetween)”，以及“范围(ranging)/范围从(ranges from)”一第一指示数字“到(to)”一第二指示数字，在本文中可互换地使用，并且意在包括所述第一和第二指示数字，以及其间的所有分数和整数。

可以理解的是，本发明的某些特征，为了清楚起见在分开的实施例的上下文中描述，也可以在单个实施例中被组合提供。相反地，本发明的各种特征，为了简洁起见，在单个实施例的上下文中描述，也可以单独地或以任何合适的子组合，或如适用于本发明的任何其他描述的实施例提供。在各种实施例的上下文中描述的某些特征不应被认为是所述实施例的必要特征，除非所述实施例在没有所述元件的情况下是无法作用的。

尽管本发明已经结合具体实施方案进行了描述，但显然的，许多替换、修改和变化对于本领域的技术人员将是明确的。因此，本发明旨在涵盖落入所附权利要求的精神和广范围内的所有替换、修改和变化。

所有在此说明书中所述的公开刊物、专利以及专利申请案在此并入它们的全文于本说明书中，以供参照至每一个单一公开文件、专利或专利申请案所特定且单一指示于此并入参照的相同范围。

此外，任何参照资料的援引文献或定义在此申请中不应被解释为承认这个参照资料可作为本发明的已知技术。关于其章节标题被使用的情况下，不应被解释为必要的限制。此外，本申请的任何优先权文件在此以其全文引用的方式并入本文

此外，本申请的任何优先权文件在此以其全文引用的方式并入本文。

Claims (50)

1.一种方法，用一种系统，用于一患者的自动肠内的喂食，其特征在于，所述系统包括：

至少一处理器，执行一代码，用于：

监控多个胃反流相关参数及至少一胃反流事件，同时通过一肠内的喂食控制器根据一基线喂食曲线自动肠内喂食所述患者，所述基线喂食曲线包括一针对营养目标；

根据排定的及/或预测的多个胃反流相关参数的一输入，训练一模型的一分类器组件，用于预测一将来的胃反流事件的可能性，根据所述多个胃反流相关参数与所述至少一反流事件之间的多个计算相关性，训练所述分类器；

将多个排定的及/或预测的胃反流相关参数输入所述模型的所述被训练的分类器组件，用于输出一将来的胃反流事件的可能性风险；以及通过所述模型，计算对所述基线喂食曲线的一调整，用于减低所述将来的胃反流事件的可能性，以及用于符合所述针对营养目标。

2.如权利要求1所述的系统，其特征在于：所述多个反流相关参数是选自由下列所组成的族群中的多个成员：所述反流事件在一天中的时间、所述反流事件期间肠内的喂食速率、所述反流事件前患者位置改变以及所述反流事件之前施用的药物。

3.如权利要求2所述的系统，其特征在于：通过选自由下列所组成的组群中的一成员检测所述患者位置改变：从所述患者的一电子健康记录提取的需要患者位置改变的排定的事件、由监控所述患者的一照相机所拍摄的影像的一分析，以及由多个惯性传感器输出的多个惯性信号的一分析。

4.如权利要求1所述的系统，其特征在于：所述监控在一时间间隔内被执行，在所述时间间隔中所述将来的反流事件的一可能性风险被预先预测，且所述基线喂食曲线的调整被预先计算，所述训练在所述时间间隔中被执行，以更新所述被训练的分类器,以及基于所述被更新的被训练的分类器执行所述喂食，以输出所述将来的反流事件的一新的及/或更新的可能性风险，且基于所述新的及/或更新的风险计算所述调整。

5.如权利要求4所述的系统，其特征在于：对所述基线喂食曲线的所述调整包括：以一泵递送的一基线喂食速率进行一调整，通过调整由所述泵的一冲程速率及所述泵的一冲程振幅所组成的族群中至少一个。

6.如权利要求1所述的系统，其特征在于：所述系统还包括：重复所述监控、所述训练、所述喂食以及所述计算，其中：

监控是用于积累指示所述多个反流相关参数及至少一反流事件的数据；

训练是用于根据积累的所述数据动态地更新所述被训练的分类器；

喂食是针对先前处理的及/或新排定的及/或预测的反流相关参数被重复；以及

计算所述调整是根据将来的反流事件的动态预测的可能性被动态地执行。

7.如权利要求1所述的系统，其特征在于：所述至少一反流事件与多个反流事件参数相关联，以及所述分类器被训练以基于所述多个反流相关参数与所述多个反流事件参数之间的多个计算相关性来预测所述将来的反流事件的可能性。

8.如权利要求7所述的系统，其特征在于：所述至少一反流事件被定义为所述多个反流事件参数的一要求。

9.如权利要求7所述的系统，其特征在于：所述多个反流事件参数选自由反流持续时间、反流量所组成的族群的多个成员。

10.如权利要求1所述的系统，其特征在于：当所述将来的反流事件的所述可能性风险表示所述将来的反流事件可能发生时，所述调整包括喂食速率的一减少，且当所述将来的反流事件的所述可能性风险表示所述将来的反流事件不太可能发生时，所述调整包括喂食速率的一增加。

11.如权利要求10所述的系统，其特征在于：喂食速率的所述增加受限于一最大喂食速率，所述最大喂食速率根据将来的反流事件的一可能性风险来计算，所述将来的反流事件低于没有排定的及/或预测的多个反流相关参数的一要求。

12.如权利要求10所述的系统，其特征在于：喂食速率的所述减少及所述增加与所述将来的反流事件的所述可能性风险成正比。

13.如权利要求10所述的系统，其特征在于：喂食速率的所述减少及所述增加以恒定的预定义量执行。

14.如权利要求10所述的系统，其特征在于：喂食速率的所述减少及所述增加率根据基于被计算的所述将来的反流事件的所述可能性风险的一套规则来计算。

15.如权利要求1所述的系统，其特征在于：所述系统还包括：

通过监控以检测一反流事件，同时根据所述基线喂食曲线的一喂食速率对所述患者进行肠内喂食；

通过所述肠内的喂食控制器在一暂停时间间隔内暂停所述肠内的喂食；

通过减少所述喂食速率调整所述基线喂食曲线；以及

在所述暂停时间间隔及所述减少的喂食速率之后恢复所述肠内的喂食。

16.如权利要求15所述的系统，其特征在于：

根据所述多个反流相关参数与被所述检测到的反流事件之间的多个计算相关性更新所述分类器的所述训练，所述多个反流相关参数与所述被检测到的反流事件相关联；以及

再输出所述将来的反流事件的可能性风险；

其中，根据所述再输出的风险减少所述喂食速率。

17.如权利要求1所述的系统，其特征在于：在一时间间隔内定义所述基线喂食曲线，并且所述针对营养目标表示在所述时间间隔结束时达到多个肠内的喂食参数的一积累。

18.如权利要求17所述的系统，其特征在于：所述系统还包括：

计算在所述时间间隔结束时，多个肠内的喂食参数的所述积累与所述针对营养目标之间的一营养差异；以及

根据所述差异产生所述患者的肠胃外的喂食的指令。

19.如权利要求1所述的系统，其特征在于：所述反流相关参数及所述至少一反流事件均被加盖时间戳，且其中所述多个反流相关参数与所述至少一反流事件之间的所述相关性被计算，所述至少一反流事件具有多个时间戳落入一共同时间窗内。

20.如权利要求19所述的系统，其特征在于：所述相关性通过滑动所述共同时间窗被重复计算。

21.如权利要求19所述的系统，其特征在于：所述共同时间窗大约15分钟。

22.如权利要求1所述的系统，其特征在于：所述多个反流相关参数表示一时间在一反复生理周期内的一时间，所述相关性在所述至少一反流事件与在所述反复生理周期内的所述时间之间被执行，以及将来的反流事件的所述可能性风险是基于与所述反复生理周期相关的一当前时间。

23.如权利要求1所述的系统，其特征在于：对所述基线喂食曲线的所述调整包括以下至少一个的一调整：在一天中的一定义时间时，用于肠内递送的水及药物。

24.一种用于自动患者照护的系统，其特征在于，所述系统包括：

至少一处理器执行一代码，用于：

在一监控间隔内监控曲线获得的多个患者相关的参数、多个肠内递送物质，以及多个胃反流事件参数，同时通过一肠内的喂食控制器根据一基线喂食曲线自动肠内喂食所述患者，所述基线喂食曲线包括一针对营养目标；

通过计算多个特征向量创建一训练数据集，每个所述多个特征向量都与所述监控间隔期间的一时间指引相关联，每个特征向量都存储所述多个患者相关的参数、所述多个肠内递送物质以及所述多个胃反流事件参数；

训练一模型，所述模型适用于接收多个当前患者相关的参数并输出用于调整所述肠内递送物质的多个指令，以减少一将来的胃反流事件的可能性，根据所述训练数据集基于所述多个患者相关的参数、所述多个肠内递送物质以及所述多个胃反流事件参数之间的计算相关性训练所述模型；以及

将多个当前患者相关的参数输入到被训练的所述模型以输出用于调整所述肠内递送物质的多个指令，以减少一将来的反流事件的可能性。

25.如权利要求24所述的系统，其特征在于：所述多个患者相关的参数选自由下列所组成的族群：患者人口统计、患者年龄、患者性别、当前患者医学诊断、过去患者病史、当前患者征兆及/或症状、患者生命体征、患者尿液数据、患者热量数据、肠内的喂食速率、患者位置改变、血液测试数值、尿液分析测试数值、尿液输出、肺功能参数数值、肺液水平、一丸剂肠内给药以及SpO2。

26.如权利要求24所述的系统，其特征在于：所述肠内递送物质选自由肠内的喂食公式、水以及药物所组成的族群。

27.如权利要求24所述的系统，其特征在于：所述反流事件参数选自由一天中所述反流事件的时间、反流体积、反流强度、反流持续时间,反流重量所组成的族群。

28.如权利要求24所述的系统，其特征在于：当通过持续一预定义的时间间隔的中止喂食来指示药物的施加以减少反流的可能性，所述调整包括进入一药物期。

29.如权利要求24所述的系统，其特征在于：所述监控、所述创建以及所述训练在所述时间间隔内被重复执行，在所述时间间隔期间所述肠内递送物质被调整。

30.一种系统，用于产生多个指令以调整一机械换气机及一患者的体液平衡中的至少一个，其特征在于，所述系统包括：

至少一硬件处理器，执行一代码，用于：

在一监控间隔内，监控位在一喂食管上的多个传感器的输出、获得的多个换气相关参数以及多个流体相关参数，所述喂食管被定位用于在所述患者的肠内进行喂食，所述多个换气相关参数表示所述机械换气机的可调设置，所述多个流体相关参数表示所述患者的所述体液平衡的调整，同时通过所述喂食管自动肠内喂食所述患者；

通过计算多个特征向量创建一训练数据集，每个所述多个特征向量都与所述监控间隔期间的一时间指引相关联，每个特征向量都存储从位在所述喂食管上的所述多个传感器的所述输出计算的多个特征、所述多个换气相关参数以及所述多个流体相关参数；

训练一模型，所述模型适用于接收位在所述喂食管上的所述多个传感器的当前输出，并输出多个指令以调整机械换气机的所述多个换气相关参数以及所述多个流体相关参数的至少一者，所述机械换气机为患者进行换气，所述多个流体相关参数表示所述患者的一体液平衡的调整，根据所述训练数据集基于位在所述喂食管上的所述多个传感器的所述输出、所述多个换气相关参数以及所述多个流体相关参数之间的计算相关性训练所述模型；以及

将位在所述喂食管上的所述多个传感器的当前输出输入到被训练的所述模型，以输出多个指令，所述多个指令用于调整所述机械换气机的所述多个换气相关参数以及调整所述多个流体相关参数，用于所述患者的体液平衡，以获得由至少一针对患者呼吸参数以及至少一针对患者体液参数所组成的族群中的至少一个。

31.如权利要求30所述的系统，其特征在于：所述监控还包括监控至少一患者呼吸参数及至少一患者体液参数，其中所述训练数据集的所述特征向量还包括从所述至少一患者呼吸参数及至少一患者体液参数计算的多个特征，其中所述模型被训练用以接收当前至少一患者呼吸参数及至少一患者体液参数基于所述至少一患者呼吸参数、所述至少一患者体液参数、位在所述喂食管上的所述多个传感器的所述输出、所述多个换气相关参数以及所述多个流体相关参数之间的计算相关性，其中所述输入包括输入所述至少一患者呼吸参数及所述至少一患者体液参数的当前数值。

32.如权利要求31所述的系统，其特征在于：所述至少一患者呼吸参数选自由下列所组成的族群：SpO2、阻抗传感器输出；其中所述至少一患者体液参数选自由下列所述组成的族群：利尿药物的给药、抗利尿药物的给药、输出尿液的量、输出尿液的时间、输出尿液的浓度以及肺内积液的量。

33.如权利要求30所述的系统，其特征在于：所述至少一针对患者呼吸参数选自由下列所组成的族群：SpO2、阻抗传感器输出；其中所述至少一针对患者体液参数选自由下列所组成的族群：在一时间间隔内输出尿液的量、输出尿液的浓度，以及肺内积液的量。

34.如权利要求30所述的系统，其特征在于：所述多个传感器的所述输出包括基于所述多个传感器的所述输出计算的至少一特征，所述至少一特征选自由下列所组成的族群：所述患者的至少一肺内积液的量的估计，以及所述患者的自发横膈膜运动的估计。

35.如权利要求30所述的系统，其特征在于：所述多个流体相关参数选自由下列所组成的族群：利尿药物的给药、抗利尿药物的给药、静脉输液的给药、肠内输液的量以及正在给药的液体类型。

36.如权利要求30所述的系统，其特征在于：所述监控、所述创建以及所述训练在所述时间间隔内重复执行，在所述时间间隔期间所述机械换气机及/或所述患者的所述体液平衡被调整。

37.一种用于一患者的自动肠内的喂食的系统，其特征在于，所述系统包括：至少一硬件处理器，执行一代码，用于：

基于在一部分的一时间间隔内获得的一患者的一基础代谢率，计算在所述时间间隔结束时达到的一针对营养目标，其中所述针对营养目标包括在所述时间间隔结束前一待递送的体积，对应于在所述时间间隔内根据所述基础代谢率计算的所述患者的能量消耗的一目标量；

计算一目标喂食曲线，定义一目标喂食速率，所述目标喂食速率用于通过一自动肠内的喂食装置进行所述患者肠内的喂食，以在所述时间间隔结束之前达到所述待递送的体积；

在所述时间间隔内连续监控所述患者的实时能量消耗，基于所述基础代谢率的连续测量；

动态地调整所述针对营养目标及相应的待递送的体积，以计算一待递送的最大体积，用以在所述时间间隔结束时达到根据动态调整的所述患者的所述被监控实时能量消耗；

在所述时间间隔的一剩余部份内动态地调整所述目标喂食速率及相应的所述目标喂食曲线，以在所述时间间隔结束前达到所述待递送的最大体积，

其中所述目标喂食曲线追踪所述基础代谢率的改变。

38.如权利要求37所述的系统，其特征在于：用于达到所述待递送的最大体积的一喂食速率被计算为用于达到所述待递送的体积的所述喂食速率的大约1.2倍。

39.一种系统，用于一患者的自动肠内的喂食，其特征在于，所述系统包括：至少一硬件处理器，执行一代码，用于：

计算一目标喂食曲线，表示所述患者通过一自动肠内的喂食装置的一目标肠内的喂食，以在一时间间隔结束时达到一针对营养目标；

通过匹配所述目标喂食曲线定义一患者的一基线喂食曲线，其中所述患者通过所述自动肠内的喂食装置根据所述基线喂食曲线进行自动喂食，以达到所述针对营养目标；

在至少一暂停时间间隔通过所述自动肠内的喂食装置暂停或减慢所述肠内的喂食；

其中在每个暂停时间间隔期间在所述目标喂食曲线与所述基线喂食曲线之间形成一喂食不足；以及

调整所述基线喂食曲线至一较高喂食速率，高于相应的所述目标喂食曲线的一喂食速率，以补偿所述喂食不足，以在所述时间间隔结束时达到所述针对营养目标。

40.如权利要求39所述的系统，其特征在于：所述更高喂食速率是一定义的最大喂食速率。

41.如权利要求40所述的系统，其特征在于：所述最大喂食速率根据所述患者反流所述肠内的喂食在一阈值以下的可能性来选定。

42.如权利要求40所述的系统，其特征在于：所述最大喂食速率由所述喂食曲线定义的一喂食速率的大约1.75倍来计算。

43.如权利要求39所述的系统，其特征在于：所述系统还包括一代码，用于：检测所述目标喂食曲线与所述基线喂食曲线之间的间隙被合上时；以及减少所述基线喂食曲线以匹配所述目标喂食曲线。

44.如权利要求39所述的系统，其特征在于：所述系统还包括一代码，用于：动态地调整所述针对营养目标；

动态地调整所述目标喂食曲线以在所述时间间隔结束时达到动态地被调整的所述针对营养目标；以及

动态地匹配所述基线喂食曲线与所述被调整的目标喂食曲线以达到所述动态地被调整的针对营养目标。

45.如权利要求39所述的系统，其特征在于：所述针对营养目标是根据所述患者的一计算的静息能量消耗的多个动态数值被动态地调整，其中所述针对营养目标在一容许范围内匹配至根据所述静息能量消耗决定的所述患者的能量需求。

46.如权利要求39所述的系统，其特征在于：所述系统还包括一代码，用于：在一显示器上的一交互式图形用户界面内呈现，一第一曲线表示所述目标喂食曲线、一第二曲线表示具有多个动态调整的所述基线喂食曲线，以及标记一区域指示在所述目标喂食曲线与所述基线喂食曲线之间形成的喂食的所述间隙。

47.如权利要求39所述的系统，其特征在于：计算所述针对营养目标在一容许范围内匹配所述患者的一静息能量消耗，所述静息能量消耗是基于至少一传感器的测量所估计的所述患者的CO₂制造速率及/或O₂消耗速率。

48.如权利要求39所述的系统，其特征在于：所述针对营养目标排除对所述患者开具处方的药物中所隐藏的热量。

49.如权利要求39所述的系统，其特征在于：多个时间间隔的每个各自的时间间隔都计算所述目标喂食曲线在每个各自的时间间隔结束时所述针对营养目标的一最大值的一增加百分比，其中在每个随后时间间隔，所数百分比被增加，直到满足所述最大值，其中所述针对营养目标在额外的随后时间间隔内被设定至所述最大值。

50.如权利要求39所述的系统，其特征在于：所述系统还包括一代码，用于在一交互式图形用户界面内呈现，一仪表板呈现从以下至少一个的一实时数值的一目标区域偏离的一指示：尿液输出、代谢、胃反流事件、用来计算所述目标喂食曲线的静息能量消耗，以及胃残余体积。

Images