CN114144840A - 使用医疗检验结果进行医疗供给 - Google Patents
使用医疗检验结果进行医疗供给 Download PDFInfo
- Publication number
- CN114144840A CN114144840A CN201980098663.2A CN201980098663A CN114144840A CN 114144840 A CN114144840 A CN 114144840A CN 201980098663 A CN201980098663 A CN 201980098663A CN 114144840 A CN114144840 A CN 114144840A
- Authority
- CN
- China
- Prior art keywords
- medical
- exogenous
- computing device
- medical condition
- condition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- 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
-
- 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
- G16H40/67—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 remote operation
-
- 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本文描述了使用医疗检验结果来引发医疗供给补充例程的示例。在各种示例中,基于在第一医疗机构对受试者执行的医疗检验的结果,可以确定受试者具有外源性医学状况。响应于确定受试者具有外源性医学状况,可以通过计算机网络将消息从与第一医疗机构相关联的计算设备传输到与第二医疗机构相关联的远程计算设备。该消息可以引发远程计算设备来启动用于在第二医疗机构处补充与该外源性医学状况相关联的医疗供给的例程。
Description
背景技术
如传染性疾病、水源性疾病或其他环境引发的医学状况等外源性医学状况的爆发可能在没有警告的情况下在任何时候发生。当特定医学状况的意外爆发发生时,医疗机构可能会因患者或“受试者”的突然激增而措手不及。
附图说明
以下(多个)附图中通过示例而非限制的方式图示了本公开的特征,其中,相同的附图标记指示相同的元件。
图1是可以在其中实施本公开的选定方面的示例环境的图。
图2描绘了被配置有本公开的选定方面的医疗检验设备的示例。
图3示意性地图示了检测到某个地理区域内外源性医学状况的同时发生可以如何引发本公开的各个方面。
图4描绘了实践本公开的选定方面的示例方法。
图5描绘了实践本公开的选定方面的示例方法。
图6描绘了示例计算机架构。
具体实施方式
出于简单和说明性的目的,通过主要参考本公开的示例来描述本公开。在以下说明中,阐述了许多具体细节以便提供对本公开的全面理解。然而,显而易见的是,可以在不限于这些具体细节的情况下实践本公开。在其他情况下,未详细描述一些方法和结构,以避免不必要地模糊本公开。
此外,应当理解,附图中描绘的元件可以包括附加部件,并且在不脱离本文公开的元件的范围的情况下,可以移除和/或修改这些图中描述的一些部件。还应理解,图中描绘的元件可能未按比例绘制,因此,元件可能会具有不同于图中所示的尺寸和/或构型。
如传染性疾病、水源性疾病或其他环境引发的医学状况等外源性医学状况的爆发可能在没有警告的情况下在任何时候发生。在不知道特定医学状况的爆发何时将会发生的情况下,医疗机构很难知道需要多大的与该特定医学状况相关联的医疗供给的库存。当特定医学状况的意外爆发发生时,医疗机构可能会因患者或“受试者”的突然激增而措手不及,并且可能会发现他们用于检验和/或治疗该医学状况的医疗供给库存不足。
本公开描述的示例涉及基于医疗检验结果来自动调查对医疗供给的需求和/或根据对医疗供给的需求采取行动。更具体地,本公开描述的各种示例涉及基于在另一医疗机构处执行的表明受试者具有外源性医学状况的医疗检验的结果而在一个医疗机构处引发对与该外源性医学状况相关的医疗供给的调查和/或补充。
在一些示例中,可以利用被设计用于检验特定外源性医学状况的医疗检验设备来进行医疗检验。医疗检验设备可以将指示医疗检验结果的消息传输到计算设备,该计算设备可以位于同一医疗机构或(例如,同一地理区域中的)远程医疗机构处。如果医疗检验结果为阳性,表明受试者具有外源性医学状况,则该计算设备可以引发或者可以使(例如,在远程医疗机构处的)另一计算设备引发用于补充与该外源性医学状况相关联的医疗供给的例程。
这些医疗供给可以例如包括检验该外源性医学状况的医疗检验设备的可替换部件(fungible component)。这些可替换部件可以例如包括能拆卸地安装在医疗检验设备的基础部件中的一次性样本隔室或样本盒,或医疗检验设备的另一种一次性部件(disposable component),比如拭子、测试条、化学试剂(例如,用于与受试者的样本相互作用)和类似物。医疗供给可以另外地或替代地包括用于治疗外源性医学状况和/或其症状的供给,比如药物、外用药膏、止痛药等。
本文描述的技术并不依赖于关于个体患者的信息。而是,在医疗机构的医疗检验设备和/或计算设备之间交换的消息可能只是表示外源性医学状况的潜在爆发,而不考虑患者的身份信息。尽管如此,这些匿名消息可能会在其他医疗机构处引发对医疗供给的自动调查和/或补充,以便保持领先于该爆发,而无需知道哪些个人患有这种疾病。
图1是可以在其中实施本公开的选定方面的示例环境的示意图。多个医疗机构1021-N分布在整个地理区域内。本文所使用的“医疗机构”是指可以在其处为个人(“患者”、“受试者”)提供医疗服务的地点或设施,例如,通过检验医学状况、治疗症状和/或医学状况等。医疗机构可以例如包括全科医生办公室、儿科医生办公室、杂货店或药店中常见的类型的快速服务健康诊所、医院、即时护理办公室、更专门的诊所等等。每个医疗机构102可以包括用于检验和/或治疗医学状况的医疗供给库存。
第一医疗机构1021和第二医疗机构1022分别包括计算设备1041、1042。计算设备104可以例如包括:台式计算设备、膝上型计算设备、平板计算设备、移动电话计算设备、独立的交互式扬声器、智能应用(比如智能电视(或配备具有自动助手功能的联网安全装置(dongle)的标准电视))、和/或包括计算设备的用户可穿戴装置(例如,具有计算设备的用户手表、具有计算设备的用户眼镜、虚拟或增强现实计算设备)。可以提供另外的和/或替代的计算设备。计算设备104和/或不同医疗机构102的其他部件经由通常以120表示的(多个)有线和/或无线计算网络彼此通信地耦接。
医疗机构1021-N还包括相应的医疗检验设备1061-N。在一些示例中,在给定的医疗机构102中,医疗检验设备106可以使用各种有线或无线技术与计算设备104通信地耦接,比如通用串行总线(“USB”)、采用比如电气和电子工程师协会(“IEEE”)802.11标准的无线局域网(“LAN”)、个域网、网格网络、高清多媒体接口(“HDMI”)等。
在一些示例中,当医疗检验设备106被操作以对患者执行医疗检验时,医疗检验的结果可以由医疗检验设备106传输到计算设备104。计算设备104可以基于医疗检验结果执行各种动作,比如将指示该结果的数据存储在与患者相关联的电子健康记录(“EHR”)中。在其他示例中,医疗检验设备106可以提供指示医疗检验结果的输出(例如,听觉的、视觉的)。在医疗机构102工作的个人(比如护士、前台工作人员、临床医生、医疗技术人员等)可以在计算设备104的用户接口处手动输入该信息。在一些示例中,当该结果表明患者具有外源性医学状况时,计算设备104可以引发用于补充与该外源性医学状况相关联的医疗供给的例程。
在一些示例中,医疗检验设备106本身可以基于它所执行的医疗检验的结果来进行传输或以其他方式采取行动。例如,在医疗机构102N中,医疗检验设备106N是独立的设备,其可以通过(多个)网络(例如,120)将指示医疗检验结果的数据传输到远程计算设备(例如,1041、1042)和/或到其他独立的医疗检验设备。
在一些示例中,在医疗机构之间交换的指示发生外源性医学状况的消息可以在这些消息被传输之前被匿名化,例如,可以清除患者信息。在一些示例中,可以简单地通过确保消息中不包含对医学状况检验呈阳性的患者的身份信息来对消息进行匿名化。
在一些示例中,可以采取另外的或替代的措施来确保患者匿名。例如,阳性检验结果可能不会立即使计算设备104或医疗检验设备106将消息传输到其他附近的医疗机构。而是,可以在发送消息之前采取人为延迟,例如,以降低可能将患者在医疗机构的实际存在与他们对外源性医学状况的阳性检验进行关联的可能性。这种人为延迟可以是预定时间段、随机选择的时间段,或者甚至是直到执行了预定数量的检验、预定数量的检验呈阳性、在预定的地理区域内预定数量的检验呈阳性等的时间段。
图1中还描绘了医疗供给监测服务110。在一些示例中,医疗供给监测服务110可以在形成通常所说的“云基础设施”或“云”的(多个)服务器上实施,尽管并非在所有示例中都是如此。医疗供给监测服务110可以经由通常以120表示的(多个)网络与医疗机构1021-N的联网部件通信地耦接。医疗供给监测服务110可以实施执行本公开的选定方面的各种部件。这些部件可以使用硬件和计算机可读指令的任意组合来实施。
库存引擎114可以执行与检查和/或补充医疗机构1021-N处的医疗供给库存相关联的各种行动。在一些示例中,库存引擎114可以从计算设备1041-2和/或独立的医疗检验设备106N接收表明患者或受试者已被确定具有外源性医学状况的消息。基于这些消息,库存引擎114本身可以执行医疗供给补充例程或者可以引发医疗供给补充例程的执行。
用于补充与外源性医学状况相关联的医疗供给的例程可以寻求确定给定的医疗机构102是否具有与外源性医学状况相关联的足够的医疗供给。如果给定的医疗机构102没有充足的医疗供给,则可以采取各种补救措施。例如,可以从医疗供应商自动订购医疗供给,或者可以从具有足够医疗供给的另一医疗机构自动请求医疗供给。在一些示例中,多个医疗机构可以广播它们的库存,以便例如引发医疗机构之间的医疗供给的交换。在一些示例中,可以向医疗机构的人员发送/传输通知以提醒他们补充不足的医疗供给。图5描绘了用于补充与外源性医学状况相关联的医疗供给的例程的非限制性示例。
流行病学引擎116可以例如基于所考虑的外源性医学状况的流行病学来确定何时和/或是否应该将消息传输到各个医疗机构。例如,流行病学引擎116更有可能在检测到极具传染性和/或毒性的病原体时将消息传输到各个医疗机构。在一些示例中,流行病学引擎116可以例如从本地数据库(未描绘)确定外源性医学状况的潜在影响半径。基于该潜在影响半径,流行病学引擎116可以在接收到阳性检验结果时确定是否传输消息和/或将消息传输多远。在其他示例中,一些操作可以在医疗机构本地执行,例如由计算设备104执行。
图2描绘了配置有本公开的选定方面的医疗检验设备230的非限制性示例。医疗检验设备230包括用于接收患者(未描绘)的样本的样本隔室234(或“盒”)。医疗检验设备230还包括底座232(或“底座部件”),该底座具有传感器(未描绘),该传感器用于监测样本与样本隔室234中的刺激物的相互作用并产生指示该相互作用的结果的信号。
在一些示例中,样本隔室234可以可拆卸地安装在底座232中,如图2中的箭头所示。例如,样本隔室234可以插入底座232的插槽236中,以确保传感器能够监测在样本隔室234内发生的相互作用。图2中的样本隔室234包括盖子238,该盖子是可拆卸的以将样本插入样本隔室234的内室。医疗检验设备230被提供用于说明性目的;可以设想其他类型的医疗检验设备。
可以使用各种类型的患者样本,比如从活检中提取的组织样本、唾液、血液、尿液、汗液、皮肤样本、毛发样本等。向到样本隔室234中的样本施加的刺激物也可以采用各种形式,这取决于样本的类型、所检验的外源性医学状况、医疗检验设备230的设计等。在一些示例中,刺激物是化学试剂,其暴露于样本隔室234内的样本,以引起某种反应,比如颜色变化、温度变化等。在其他示例中,可以施加其他类型的刺激物,包括但不限于电磁辐射(例如,各种可见或不可见形式的光)、电、温度等。
可以采用各种类型的传感器来检测刺激物与样本之间的相互作用。在一些示例中,传感器可以采用光传感器的形式,该光传感器可以包括或可以不包括(多个)对应的光发射器。在其他示例中,传感器可以采用例如电传感器、温度计等形式。由传感器监测的相互作用或相互作用的副产物可以例如是样本和/或试剂的颜色变化、温度变化、电性质的变化(比如电阻、电容等的变化)。在一些示例中,样本隔室234可以包括能够用于托住样本的载物片。传感器可以包括视觉传感器,该视觉传感器捕获承载的样本的(多个)放大图像并分析图像中各种生物标志物、微生物等的存在。
在一些示例中,医疗检验设备230还包括逻辑240。逻辑240可以采用各种形式,比如执行存储在存储器(图2中未描绘)中的计算机可读指令的微处理器、专用集成电路(“ASIC”)、现场可编程门阵列(“FPGA”)等。逻辑240可以与传感器可操作地耦接,使得由传感器产生的信号被逻辑240接收。
在一些示例中,逻辑240可以分析传感器信号以确定使用医疗检验设备230执行的医疗检验的结果。该结果可以例如表明患者具有外源性医学状况。作为响应,逻辑240可以将消息传输到计算设备,比如与医疗检验设备230同一医疗机构102或不同的医疗机构中的计算设备104。在各种示例中,该消息可以使计算设备104启动用于在医疗机构处补充与该外源性医学状况相关联的医疗供给的例程。
图3示意性地展示了检测到某个地理区域内外源性医学状况的同时发生可以如何引发本公开的各个方面。在图3中,出于说明性目的,描绘了某个地理区域内的四个医疗机构3021-4,但这并不意味着是限制性的。出于展示的目的,将描述患者对麻疹检验呈阳性的示例场景。然而,这并不意味着是限制性的,并且本文描述的技术可以适用于任何外源性的(即,由环境因素引起的)医学状况。因此,本文所使用的“医学状况”还可以包括其他传染性疾病、水源性疾病、由环境现象(比如污染或辐射等)引起的疾病。
假设在第一医疗机构3021处对患者执行的麻疹检验的结果表明患者患有麻疹。在一些示例中,该阳性检验结果可以使第一医疗机构3021处的计算设备或医疗检验设备将消息传输到其他医疗机构,比如3022-4中的任何一个。该消息可以引发接收方医疗机构处的远程计算设备启动用于补充与麻疹相关联的医疗供给的例程。
在一些示例中,第一医疗机构3021处的计算设备(例如,104)和/或另一计算设备(比如医疗供给监测服务110)可以确定麻疹的潜在影响半径3401。外源性医学状况的潜在影响半径可以以各种方式确定。在一些示例中,可以在(例如,可用于110的)数据库中将每种外源性医学状况与该医学状况的潜在影响半径相关联。另外地或替代地,在一些示例中,潜在影响半径可以基于其他信号来确定,比如,在一个特定的医疗机构处或在某个地理区域或地区内的多个医疗机构之中进行的阳性检验的数量、人口密度、天气状况(其可能影响疾病如何传播)等。
响应于外源性医学状况的阳性结果,计算设备(104或110)可以基于其他医疗机构位于麻疹的潜在影响半径3401内而选择另一个医疗机构(例如,3023)。例如,在图3中,第三医疗机构3023位于来自第一医疗机构3021的麻疹潜在影响半径3401处。因此,第一医疗机构3021处的计算设备可以向第三医疗机构3023传输消息,该消息引发第三医疗机构3023处的计算设备启动用于补充与麻疹相关联的医疗供给的例程。第二医疗机构3022和第四医疗机构3024在半径3401之外,因此不被发送消息。
另外地或替代地,如医疗供给监测服务110等计算设备可以接收由多个医疗机构生成的医疗检验结果。基于医疗检验结果,计算设备110(例如,通过流行病学引擎116)可以识别出某个地理区域内外源性医学状况的同时发生。响应于识别出该同时发生,库存引擎114和/或流行病学引擎116可以在(多个)医疗机构处引发对与该外源性医学状况相关联的医疗供给的补充。
在图3中,例如,假设确定已经在第一医疗机构3021和第二医疗机构3022处执行了针对麻疹的阳性检验。因为这两个医疗机构都位于第二半径3402内,所以在它们之间同时发生麻疹的事实可能导致(多条)消息被传输到半径3402内的其他医疗机构(比如第三医疗机构3023),以引发用于补充与麻疹相关联的供给的例程。
图4描绘了实践本公开的选定方面的示例方法400。为方便起见,方法400的操作将被描述为由配置有本公开的选定方面的系统来执行。图4中的操作并不意味着限制;可以添加、省略和/或重新排序各种操作。
在框402处,可以对患者或受试者执行医疗检验,以检验患者中外源性医学状况的存在。例如,医疗检验设备(比如图2中的230)可以由临床医生、护士等对从患者获得的样本(例如,皮肤、呼吸、血液、汗液、唾液等)进行操作。医疗检验设备230可以基于医疗检验的执行生成结果。结果可能是听觉的或视觉的(或触觉的)输出、传出网络传输等。
在框404处,系统可以确定在框402处生成的检测结果是否表明患者具有外源性医学状况。如果框404处的答复是否定的,则方法400可以结束。然而,如果框404处的答复是肯定的,则方法可以进行到框406。
在框406处,系统(例如,通过医疗机构102处的计算设备104和/或流行病学引擎116)可以确定检验呈阳性的外源性医学状况的潜在影响半径。如上所述,在一些示例中,这可以包括将外源性医学状况与数据库中指示该医学状况传播的难易程度的记录相匹配。在一些示例中,在确定外源性医学状况的潜在影响半径时可以考虑其他信号。例如,该区域当前的人口密度可能会影响该医学状况可能传播的难易程度和/或传播距离。此外,当系统确定外源性医学状况的潜在影响半径时,可以考虑比如外源性医学状况是否通过空气、水、人与人的接触、食物供应等进行传播等因素。在一些示例中,在确定外源性医学状况的潜在影响半径时,可以考虑比如一年中的时间、天气模式、观察到的天气状况等信号。例如,一些传染性疾病在较冷的月份更容易传播,因为人们待在室内的时间更长,因此更严重地暴露于其他人的病原体。
在一些示例中,可以训练统计模型和/或机器学习模型(比如支持向量机、神经网络、隐马尔可夫模型(hidden Markov model)等),以推断指示外源性医学状况的潜在影响半径的数据。例如,机器学习模型可以应用于包括上述各种特征的多个输入(例如,输入向量),比如疾病的传播方式(空气、水、身体接触、粘液、性)、天气状况(例如,风、温度、降水)、人口密度、人口统计数据等。机器学习模型可以生成输出,该输出例如指示推断出的外源性医学状况的潜在影响半径。
在一些这样的示例中,可以使用训练数据来训练机器学习模型,该训练数据标记有观察到的外源性医学状况过去爆发的潜在影响半径。机器学习模型的损失函数可以是从训练样例的输入生成的输出与应用于训练样例的标签(例如,观察到的潜在影响半径)之间的差异或“误差”。可以通过使用比如梯度下降、反向传播等技术调整机器学习模型的权重来最小化该损失函数。
返回参考图4,基于在框406处确定的潜在影响半径,在框408处,系统可以选择与其出检测到阳性检验结果的医疗机构不同的医疗机构。例如,在图3中,如果在第一医疗机构3021处检测到阳性检验结果并且潜在影响半径为3401,则可以选择第三医疗机构3023以及在该潜在影响半径内的任何其他医疗机构。
在框410处,系统可以例如通过(多个)计算网络(例如,图1中的120)向与在框408处选择的医疗机构相关联的远程计算设备(例如,104)传输消息。如上所述,该消息可以被匿名化,以便保护受感染患者的身份。在远程计算设备处接收到该消息时,该消息可以引发用于在所选择的其他医疗机构处补充医疗供给的例程。
图5描绘了实践本公开的选定方面的示例方法500,即用于补充与外源性医学状况相关联的医疗供给的例程。为方便起见,方法500的操作将被描述为由配置有本公开的选定方面的系统来执行,例如,医疗机构(例如102、302)处的计算系统104。图5中的操作并不意味着限制;可以添加、省略和/或重新排序各种操作。
在框502处,系统可以从远程医疗机构接收消息。该消息可能表明该远程医疗机构处的患者对特定外源性医学状况的检验呈阳性。值得注意的是,该消息可以如前所述被匿名化,以确保不会公开呈阳检验患者的身份。
在框504处,系统可以确定与外源性医学状况相关联的库存标准。对于传染性特别的疾病,当在别处检测到该传染性疾病时,系统可以确定需要相对大量的用于检验和/或治疗的医疗供给库存。另一方面,不太容易传播的医学状况可能不需要保证那么多库存。如果外源性医学状况特别有毒性,则可能需要保证相对大量的用于治疗该外源性医学状况的医疗供给库存。
在框506处,系统可以在特定医疗机构处获得与外源性医学状况相关联的医疗供给的库存。在框508处,系统可以确定在框506处获得的库存是否满足在框504处确定的库存标准。如果框508处的答复是肯定的,则方法500可以结束。然而,如果框508处的答复是否定的,则方法500可以进行到框510。
在框510处,系统可以在医疗机构中采取补救行动,以更新与外源性医学状况相关联的库存。例如,可以自动下达附加医疗供给的订单。或者,可以经由文本消息、电子邮件、弹出窗口、警报等例如向医疗机构人员提供通知,以通知人员应更新与外源性医学状况相关联的医疗供给库存。作为另一个示例,可以向其他医疗机构查询医疗供给,例如,作为医疗供给共享例程的一部分。
图6是示例计算机系统610的框图。计算机系统610可以包括一个处理器614,该处理器经由总线子系统612与多个外围设备通信。这些外围设备可以包括存储子系统624,该存储子系统例如包括存储器子系统625和文件存储子系统626、用户接口输出设备620、用户接口输入设备622以及网络接口子系统616。输入和输出设备允许用户与计算机系统610交互。网络接口子系统616提供通往外部网络的接口,并耦接到其他计算机系统中的对应接口设备。
用户接口输入设备622可以包括输入设备,比如键盘、指向设备(比如鼠标、轨迹球)、触摸式交互表面、扫描仪、并入显示器的触摸屏、音频输入设备(比如语音识别系统、(多个)麦克风)、(多个)视觉传感器和/或其他类型的输入设备。通常,术语“输入设备”的使用旨在包括用于将信息输入到计算机系统610或通信网络的所有可能类型的设备和方式。
用户接口输出设备620可以包括显示子系统、打印机、传真机或比如音频输出设备等非视觉显示器。显示子系统可以包括阴极射线管(“CRT”)、比如液晶显示器(“LCD”)等平板设备、投影设备或用于创建可见图像的某种其他机构。显示子系统还可以比如经由音频输出设备来提供非视觉显示。通常,术语“输出设备”的使用旨在包括用于从计算机系统610向用户或另一机器或计算机系统输出信息的所有可能类型的设备和方式。
存储子系统624存储机器可读指令和数据结构,这些指令和数据结构提供本文所描述的一些或所有模块的功能。这些机器可读指令模块通常由处理器614单独或与其他处理器组合执行。存储子系统624中使用的存储器625可以包括多个存储器。
例如,可以在程序执行期间使用主随机存取存储器(“RAM”)630来存储(尤其是)指令631,用于检测和响应如本文所描述的各外源性医学状况的阳性医疗检验。存储子系统624中使用的存储器625还可以包括其中存储固定指令的只读存储器(“ROM”)632。
文件存储子系统626可以为程序和数据文件(包括用于检测和响应本文所描述的各外源性医学状况的阳性医疗检验的指令627)提供持久性或非易失性存储,并且可以包括硬盘驱动器、软盘驱动器以及相关联的可移动介质,CD-ROM驱动器、光盘驱动器或可移动介质盒。实施某些实施方式的功能的模块可以由文件存储子系统626存储在存储子系统626中,或者存储在(多个)处理器614可访问的其他机器中。
总线子系统612提供用于允许计算机系统610的各个部件和子系统按预期彼此通信的机制。尽管总线子系统612被示意性地示出为单个总线,但总线子系统的其他实施方式可以使用多个总线。
计算机系统610可以是各种类型,包括工作站、服务器、计算集群、刀片服务器、服务器农场或任何其他数据处理系统或计算设备。由于计算机和网络的不断变化的性质,对图6中描绘的计算机系统610的描述旨在作为用于说明一些实施方式的特定示例。计算机系统610的许多其他配置可能具有比图6中描绘的计算机系统更多或更少的部件。
尽管贯穿整个本公开进行了具体描述,但本公开的代表性示例在广泛应用范围内具有实用性,并且以上讨论不旨在且不应被解释为限制性的,而是作为本公开各方面的说明性讨论来提供。
Claims (15)
1.一种由与第一医疗机构相关联的计算设备实施的方法,包括:
基于对受试者执行的医疗检验的结果,确定所述受试者具有外源性医学状况;以及
响应于所述确定,通过计算机网络将消息从与所述第一医疗机构相关联的所述计算设备传输到与第二医疗机构相关联的远程计算设备,所述消息引发所述远程计算设备启动用于在所述第二医疗机构处补充与所述外源性医学状况相关联的医疗供给的例程。
2.如权利要求1所述的方法,其中,在与所述第一医疗机构相关联的所述计算设备的通信接口处从执行所述医疗检验的医疗检验设备接收所述结果。
3.如权利要求2所述的方法,其中,所述结果是从所述医疗检验设备的一次性部件或基础部件接收的。
4.如权利要求1所述的方法,其中,所述消息指示所述受试者的医学状况的检测,而不标识所述受试者。
5.如权利要求1所述的方法,其中,所述结果被接收作为在与所述第一医疗机构相关联的所述计算设备的用户接口处提供的输入。
6.如权利要求1所述的方法,其中,所述外源性医学状况包括传染性疾病。
7.如权利要求1所述的方法,其中,所述外源性医学状况包括由环境现象引起的医学状况。
8.如权利要求1所述的方法,其中,在与所述外源性医学状况相关联的所述医疗供给中,包括执行所述医疗检验的医疗检验设备的可替换部件。
9.如权利要求1所述的方法,进一步包括:
确定所述外源性医学状况的潜在影响半径;以及
基于所述第二医疗机构位于所述外源性医学状况的所述潜在影响半径内,选择所述第二医疗机构。
10.如权利要求1所述的方法,进一步包括基于在第三医疗机构中对第二受试者执行的第二医疗检验的第二结果,确定所述第二受试者具有所述外源性医学状况;
其中,所述传输进一步响应于确定所述第二受试者具有所述外源性医学状况。
11.一种医疗检验设备,包括:
样本隔室,用于接收患者的样本;
传感器,用于监测所述样本与刺激物在所述样本隔室中的相互作用,并产生指示所述相互作用的结果的信号;以及
逻辑,用于响应于所述结果指示所述患者具有外源性医学状况而向计算设备传输消息,所述消息使得所述计算设备启动用于在医疗机构处补充与所述外源性医学状况相关联的医疗供给的例程。
12.如权利要求11所述的医疗检验设备,其中,所述刺激物包括化学试剂或电磁辐射中的一者。
13.如权利要求11所述的医疗检验设备,进一步包括底座,其中,所述样本隔室能够可拆卸地安装在所述底座中。
14.如权利要求11所述的医疗检验设备,其中,所述计算设备位于所述医疗机构处。
15.一种系统,包括处理器以及存储指令的存储器,所述指令响应于所述处理器执行所述指令而使所述处理器进行以下操作:
接收由多个医疗机构生成的医疗检验结果;
基于所述医疗检验结果,识别地理区域内的外源性医学状况的同时发生;以及
响应于识别出所述同时发生,在所述多个医疗机构中的一个医疗机构处引发对与所述外源性医学状况相关联的医疗供给的补充。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2019/037906 WO2020256713A1 (en) | 2019-06-19 | 2019-06-19 | Using medical test results for medical supply |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114144840A true CN114144840A (zh) | 2022-03-04 |
Family
ID=74040083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980098663.2A Pending CN114144840A (zh) | 2019-06-19 | 2019-06-19 | 使用医疗检验结果进行医疗供给 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220139507A1 (zh) |
EP (1) | EP3987536A4 (zh) |
CN (1) | CN114144840A (zh) |
WO (1) | WO2020256713A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8478604B2 (en) * | 2002-06-21 | 2013-07-02 | Mckesson Technologies Inc. | Closed loop medication use system and method |
US20050149354A1 (en) * | 2004-01-02 | 2005-07-07 | Cyr Keneth K. | System and method for management of clinical supply operations |
US9747743B2 (en) * | 2007-08-03 | 2017-08-29 | Carefusion 303, Inc. | Patient-specific medication dispensing and notification system |
US8333716B1 (en) * | 2011-06-21 | 2012-12-18 | Yofimeter, Llc | Methods for using an analyte testing device |
CA2902649C (en) * | 2013-03-15 | 2020-01-07 | Julio Cesar SILVA | Geographic utilization of artificial intelligence in real-time for disease identification and alert notification |
AU2015326472B2 (en) * | 2014-09-29 | 2020-05-28 | Zogenix International Limited | Control system for control of distribution of medication |
-
2019
- 2019-06-19 WO PCT/US2019/037906 patent/WO2020256713A1/en unknown
- 2019-06-19 CN CN201980098663.2A patent/CN114144840A/zh active Pending
- 2019-06-19 US US17/432,117 patent/US20220139507A1/en active Pending
- 2019-06-19 EP EP19934026.6A patent/EP3987536A4/en not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
EP3987536A1 (en) | 2022-04-27 |
WO2020256713A1 (en) | 2020-12-24 |
US20220139507A1 (en) | 2022-05-05 |
EP3987536A4 (en) | 2023-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hens et al. | Robust reconstruction and analysis of outbreak data: influenza A (H1N1) v transmission in a school-based population | |
Castillo-Solórzano et al. | Guidelines for the documentation and verification of measles, rubella, and congenital rubella syndrome elimination in the region of the Americas | |
Tan et al. | Force of infection and true infection rate of dengue in Singapore: implications for dengue control and management | |
Wang et al. | Semiparametric group testing regression models | |
Ling et al. | Sexually transmitted infection trends among gay or bisexual men from a clinic-based sentinel surveillance system in British Columbia, Canada | |
Balzer et al. | Designing trials for pressure ulcer risk assessment research: methodological challenges | |
KR20220157421A (ko) | 전염성 질병 감시 및 발병 검출을 위한 시스템 및 방법 | |
Dawe et al. | Psychometric investigation of the Brief Child Abuse Potential Inventory in mothers on opioid substitution therapy | |
Bower et al. | Active use of electronic health records (EHRs) and personal health records (PHRs) for epidemiologic research: sample representativeness and nonresponse bias in a study of women during pregnancy | |
Banka et al. | The incubation period of COVID-19: A scoping review and meta-analysis to aid modelling and planning | |
Comess et al. | Statistical modeling for practical pooled testing during the COVID-19 pandemic | |
Gage et al. | Influence of the service delivery environment on family planning outcomes in Nigeria | |
Özban et al. | The analysis of scoring systems predicting mortality in geriatric emergency abdominal surgery | |
Nelson et al. | Statistical reference distributions for comparison question polygraphs | |
CN114144840A (zh) | 使用医疗检验结果进行医疗供给 | |
George et al. | Inaccuracy in electronic medical record-reported wait times to initial emergency physician evaluation | |
Trope et al. | Reaching beyond pregnant women to eliminate mother-to-child transmission of syphilis in Africa | |
Abdeljaoued-Tej | A pandemic at the Tunisian scale. Mathematical modelling of reported and unreported COVID-19 infected cases | |
Anwar et al. | Forecasting the peak of novel coronavirus disease in Egypt using current confirmed cases and deaths | |
CN111427874B (zh) | 医疗数据生产的质控方法、装置以及电子设备 | |
CN112037465B (zh) | 疫情防控方法、装置、服务器及存储介质 | |
Rasmussen | A convergence based assessment of relative differences in age-stratified susceptibility and infectiousness for SARS-CoV-2 variants of B. 1.1. 7 lineage | |
Washburne et al. | Statistical challenges for inferring multiple SARS-CoV-2 spillovers with early outbreak phylodynamics | |
Nurudeen et al. | Modelling the Occurrence of the Novel Pandemic COVID-19 Outbreak–A Box and Jenkins Approach | |
Leight et al. | Associations between birth kit use and maternal and neonatal health outcomes in rural Jigawa state, Nigeria: A secondary analysis of data from a cluster randomized controlled trial |
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 |