CN114340477A - 可靠的血压测量结果的检测 - Google Patents

Abstract

用于确定患者的血压的方法和系统。所述系统可以包括：被配置为收集患者的第一多个血压测量结果的第一设备、被配置为收集患者的第二多个血压测量结果的第二设备、以及处理器，所述处理器被配置为识别第一多个血压测量结果与第二多个血压测量结果之间的分离，从存储器中检索临床事件，将第一多个血压测量结果和第二多个血压测量结果与临床事件进行比较，并基于所述比较确定第一多个血压测量结果比第二多个血压测量结果更准确。

Description

可靠的血压测量结果的检测

技术领域

本文所描述的实施例总体上涉及用于确定患者的血压的系统和方法，并且更具体地但非排他地涉及用于确定准确血压测量结果的系统和方法。

背景技术

在医院环境中，多种类型的血压可能可用于单个患者。血压测量结果可能来自有创或无创测量。例如，贯穿患者停留在重症监护病房的大部分时间，动脉血压和无创血压是同时测量的，并且这两个测量通常是一致的。

然而，在住院过程期间，不同类型的血压测量结果可能为单个患者呈现不同的血压值。这可以使用平均来解决(这可能产生误导)，或者由临床医师使用临床判断来确定依赖哪个血压测量结果来解决。这些主观决定能够导致不准确的测量结果，从而导致不准确的诊断、流程建议和药物剂量。

因此，存在对克服现有血压确定技术的上述缺点的方法和系统的需要。

发明内容

提供该概要来以简化形式介绍概念的选择，所述概念在下面在详细描述部分中进一步描述。该概要不旨在识别或排除所要求保护的主题的关键特征或实质特征，也不旨在用作确定所要求保护的主题的范围的帮助。

在一个方面中，实施例涉及一种用于确定患者的血压的方法。所述方法包括：利用第一设备来收集所述患者的第一多个血压测量结果；利用第二设备来收集所述患者的第二多个血压测量结果；利用处理器来识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离；从存储器中检索临床事件；使用所述处理器将所述第一多个血压测量结果和所述第二多个血压测量结果与所述临床事件进行比较；并且基于比较来确定所述第一多个血压测量结果比所述第二多个血压测量结果更准确。

在一些实施例中，识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离包括利用处理器来识别所述第一多个血压测量结果与所述第二多个血压测量结果之间持续比预定持续时间更长的时间的差异。

在一些实施例中，识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离包括利用处理器来识别所述第一血压测量结果与所述第二血压测量结果之间超过预定值的差异。

在一些实实施例中，所述临床事件是对改变血压的药物的施用。

在一些实施例中，其中，将血压测量结果与所述至少一个临床事件进行比较包括：识别所述第一多个血压测量结果中的测量结果的变化；并且将所识别的变化的时间与所述临床事件的时间进行比较。在一些实施例中，确定所述第一多个血压测量结果更准确包括确定所述第一多个血压测量结果中所识别的变化的所述时间与所述临床事件的所述时间大致一致。在一些实施例中，将血压测量结果与所述至少一个临床事件进行比较包括将所述第一多个血压测量结果中的测量结果的所述变化的方向性与根据所述临床事件预期的方向性进行比较。在一些实施例中，确定所述第一多个血压测量结果更准确包括确定所述第一多个血压测量结果中所识别的变化的所述方向性与所述临床事件的预期方向性大致相协调。

在一些实施例中，将所述第一多个血压测量结果和所述第二多个血压测量结果与所述临床事件进行比较包括：将所述第一多个血压测量结果、所述第二多个血压测量结果和所述临床事件供应给经训练的机器学习模型；并且从所述经训练的机器学习模型接收对所述第二多个血压测量结果没有所述第一多个血压测量结果准确的指示。

在一些实施例中，识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的差异包括以下各项中的至少一项：使用基于规则的信号质量指数、信号处理技术和机器学习算法。

根据另一方面，实施例涉及一种血压评估系统。所述系统包括：第一设备，其被配置为收集患者的第一多个血压测量结果；第二设备，其被配置为收集所述患者的第二多个血压测量结果；以及处理器，所述处理器被配置为：识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离；将所述第一多个血压测量结果和所述第二多个血压测量结果与临床事件进行比较；并且基于所述比较来确定所述第一多个血压测量结果比所述第二多个血压测量结果更准确。

在一些实施例中，所述处理器还被配置为通过识别所述第一多个血压测量结果与所述第二多个血压测量结果之间持续比预定持续时间更长的时间的差异来识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离。

在一些实施例中，所述处理器还被配置为通过识别所述第一血压测量结果与所述第二血压测量结果之间超过预定值的差异来识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离。

在一些实施方案中，所述临床事件是对改变血压的药物的施用。

在一些实施例中，所述处理器还被配置为通过以下操作将血压测量结果与所述临床事件进行比较：识别所述第一多个血压测量结果和所述第二多个血压测量结果中的至少一项中的测量结果的变化；并且将所识别的变化的时间与所述临床事件的时间进行比较。在一些实施例中，所述处理器还被配置为通过确定所述第一多个血压测量结果中所识别的变化的所述时间与所述临床事件的所述时间大致一致来确定所述第一多个血压测量结果更准确。在一些实施例中，所述处理器还被配置为通过将所述第一多个血压测量结果中的测量结果的所述变化的方向性与根据所述临床事件预期的方向性进行比较来将血压测量结果与所述临床事件进行比较。在一些实施例中，所述处理器还被配置为通过确定在所述第一多个血压测量结果中所识别的变化的所述方向性与所述临床事件的所述预期方向性大致相协调来确定所述第一多个血压测量结果更准确。

在一些实施例中，所述处理器还被配置为通过以下操作将所述第一多个血压测量结果和所述第二多个血压测量结果与所述临床事件进行比较：使用经训练的机器学习模型来处理所述第一多个血压测量结果、所述第二多个血压测量结果和所述临床事件；并且从所述经训练的机器学习模型接收对所述第二多个血压测量结果没有所述第一多个血压测量结果准确的指示。

在一些实施例中，所述处理器还被配置为使用以下各项中的至少一项来识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的差异：基于规则的信号质量指数、信号处理技术和机器学习算法。

附图说明

参考以下附图描述了本发明的非限制性和非穷举性实施例，其中，除非另有说明，否则相似附图标记贯穿各个视图指代相似部分。

图1图示了根据一个实施例的在住院过程期间患者的血压测量结果的图表；

图2图示了根据一个实施例的医院患者的分离的血压测量结果的图表；

图3图示了根据一个实施例的用于测量患者的血压的方法；

图4图示了根据一个实施例的用于检测患者的可靠血压测量结果的方法；

图5图示了根据一个实施例的被训练以使用给定的特征集来预报血压的循环神经网络架构的示意性表示；

图6图示了根据一个实施例的动脉血压测量结果和无创血压测量分离的图表；并且

图7图示了根据一个实施例的在动脉血压和无创血压之间的血压高台(plateau)的图表。

具体实施方式

下面参考附图更全面地描述了各个实施例，附图形成本发明的部分，并且示出了特定示范性实施例。然而，本公开的概念可以以许多不同的形式实施，而不应被解释为限于本文阐述的实施例；相反，这些实施例被提供为彻底和完整公开的部分，以向本领域技术人员完全传达本公开的概念、技术和实施方式的范围。实施例可以被实践为方法、系统或设备。相应地，实施例可以采取硬件实施方式、完全软件实施方式或组合软件和硬件方面的实施方式的形式。因此，下面的详细描述不应以限制性意义被采取。

说明书中对“一个实施例”或“实施例”的引用意味着结合实施例描述的特定特征、结构或特性被包括在根据本公开的至少一个范例实施方式或技术中。说明书中各处出现的短语“在一个实施例中”不必全指的是相同实施例。说明书中各处出现的短语“在一些实施例中”不一定全部指相同的实施例。

以下描述的一些部分依据对存储在计算机存储器内的非暂态信号的操作的符号表示来呈现。这些描述和表示由数据处理领域的技术人员使用以最有效地将他们工作的实质传达给本领域的其他技术人员。这种操作通常需要物理量的物理操纵。通常，但不是必要的，这些量采取能够被存储、转移、组合、比较和以其他方式操纵的电学、磁性或光学信号的形式。有时主要出于通用的原因，将这些信号参考为比特、值、元素、符号、字符、项目、数字等是方便的。此外，有时在不失一般性的情况下，将需要对物理量进行物理操纵的步骤的特定布置参考为模块或代码设备也是方便的。

然而，所有这些和类似的术语要与适当的物理量相关联，并且仅仅是应用于这些量的方便的标签。除非另行明确规定，如从以下讨论中显而易见的，应意识到，贯穿说明书，利用诸如“处理”或“计算”或“运算”或“确定”或“显示”等的术语的讨论指的是计算机系统或类似电子计算设备的动作和过程，其操纵和变换被表示为计算机系统存储器或寄存器或其他此类信息存储、传输或显示设备内的物理(电子)量的数据。本公开的部分包括过程和指令，其可以实现在软件、固件或硬件中，并且当实现在软件中时，可以下载以驻留在各种操作系统所使用的不同平台上并且可以从其操作。

本公开还涉及用于执行本文的操作的装置。该装置可以出于所需目的而专门构造，或者其可以包括通过计算机中存储的计算机程序选择性地启用或重新配置的通用计算机。这样的计算机程序可以存储在计算机可读存储介质中，诸如但不限于任何类型的磁盘(包括软盘、光盘、CD-ROM、磁光盘)、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡、专用集成电路(ASIC)或适用于存储电子指令的任何类型的介质，并且每个可以耦合到计算机系统总线。此外，说明书中提到的计算机可以包括单个处理器，或者可以是采用多处理器设计以增加计算能力的架构。

本文中所呈现的过程和显示不固有地涉及任何具体计算机或其他装置。各种通用系统也可以利用根据在本文中的教导的程序来使用，或者可以证明方便构造更专用的装置来执行一个或多个方法步骤。在下文的描述中讨论了针对各种这些系统的结构。另外，可以使用足以实现本公开的技术和实施方式的任何具体编程语言。各种编程语言可以被用于实施如在本文中所讨论的本公开。

此外，在说明书中所使用的语言已经主要出于可读性和指导性的目的被选择，并且可能并非被选择为描绘或限定所公开的主题。因此，本公开旨在是在本文中所讨论的概念的范围的说明而非限制。

如前所述，诸如医生、医师、护士或其他类型的医务人员的临床医师经常从患者接收多种类型的血压。在医院数据的许多回顾性数据库中，多种类型的血压对单个患者可用。在一些实施例中，血压测量可以是有创血压测量或无创血压测量。在一些实施例中，可以同时对患者进行多种类型的有创血压测量。有时，可以同时进行多种类型的血压测量，因为患者可以具有血压袖带和一条或多条可用于测量的动脉管线两者。

在一些实施例中，多种类型的血压测量用于通过不同手段测量相同的量。例如，动脉血压可以通过有创和无创两种方式测量。测量结果之间的任何分离都可能指示临床相关事件，并且其自动正确识别可以使临床医师能够采取更快和更有效的动作。

如前所述，当使用多个血压测量通过不同手段测量相同的量时，分析人员通常必须选择单个测量结果或通过平均来组合多个测量结果以确定患者的真实血压。在应用其他算法来检测疾病(例如血液动力学不稳定或急性肾损伤)之前，消除不正确的血压测量结果常常是先决条件。在一些实施例中，该方法可以与疾病检测算法结合使用以在分析之前预处理来自电子医学记录的数据。在一些实施例中，该方法的应用可以减少与患者疾病风险相关的假阳性警报的数量。

在一些实施例中，系统可以使用实时监测来实时识别分离的血压信号。在一些实施例中，系统可以使用预测方法来警报血压信号的分离对患者是可能的。在一些实施例中，该系统可以帮助医学专业人员确定哪个血压信号最可能是准确的。该系统然后可以丢弃被确定为不准确的血压，使得医学专业人员可以获得关于患者的准确血压数据。

在一些实施例中，系统可以使用来自电子医学记录的额外信息来从多个血压波形中选择血压波形以用于诊断目的。电子医学记录可以提供关于多个患者的历史信息和/或医疗统计。例如，在一些实施例中，电子医学记录可以包括患者的药物使用、患者的先前血压变化以及任何血压变化的持续时间。在一些实施例中，由多个其他患者对药物的使用以及这些药物的效果也可以由系统用于确定一种类型的血压测量的准确性。

在一些实施例中，系统可以忽略被确定为不准确的血压，并且在一些实施例中从患者的医学记录中删除不正确的血压测量结果。在一些实施例中，确定为不正确的血压测量结果可以在记录不准确的血压之后由系统校正。在一些实施例中，所有类型的血压测量结果被记录，但仅最准确的一个可以用于患者的未来处置。在一些实施例中，系统可以关于患者的血压和选择一种类型的血压测量结果的原因向临床医师提供建议。在一些实施例中，临床医师然后可以将信息从系统传达给患者。

图1图示了根据一个实施例的在住院过程期间患者的血压测量结果的示例性图表100。在一些实施例中，收缩血压测量结果102、104可以贯穿其住院过程从单个患者获取。在一些实施例中，收缩血压测量结果是无创血压测量结果104和动脉血压测量结果102。在一些实施例中，贯穿患者住院过程，动脉血压测量结果102和无创血压测量结果104两者可以相关。在患者就诊106开始时，在图1中可以观察到高台，其中，动脉血压测量结果102高于无创血压104。如稍后解释的，高台106可以被预期，并且在一些实施例中可以在分析患者血压期间被忽略。

图2图示了根据一个实施例的分离的血压测量结果202、204的示例性图表200。如所图示的，在若干天的监测过程中，动脉血压测量结果202低于无创血压测量结果204。在一些实施例中，动脉血压测量结果202能够高于无创血压测量结果202。如从图表200可以推断的并且如上所述，试图通过平均无创血压204和动脉血压202来找到患者的“真实”血压可能导致误导数据。在一些情况下，测量的血压中的至少一个比其他更准确。通过相等地加权测量的血压202、204两者，平均计算能够导致不准确的结果。

如上所述，临床医师可以使用临床判断来确定动脉血压测量结果202和无创血压测量结果204的相对准确性。简单地对这两个时间序列求平均可能导致不准确的结果，因为例如时间序列测量结果之一可能不准确。

在一些实施例中，来自数据库的信息可以用于确定可靠的血压测量结果。该信息可能包括患者的状况、药物剂量的时间和对患者进行的医学流程。在一些实施例中，医师或其他医学专业人员可能不清楚多个血压测量结果中的哪一个对于患者来说可能是最准确的。

在一些实施例中，在系统仅使用一个血压测量结果来确定患者的血压之前两个血压测量结果必须分离一定长度的时间。在一些实施例中，时间长度可以在1小时与6小时之间。在一些实施例中，时间长度可以在5分钟与30分钟之间。在一些实施例中，分离监测可以在同时从患者获取两个血压测量结果时开始。在一些实施例中，分离监测在设定的时间量之后开始，以考虑在压力评估开始时的血压测量结果中的潜在高台和预期分离。

一旦在一些实施例中检测到分离，系统就可以使用额外信息来评估各种类型的血压测量结果的可靠性。图3图示了根据一个实施例的用于使用额外信息测量患者的血压的方法300。

在一些实施例中，系统可以检测患者302的血压类型之间的大差异。在一些实施例中，大差异可能不会在显著长度的时间内出现。如果系统确定患者302的血压类型之间的大差异是显著的，则系统可以尝试将变化或差异归因于临床事件304。

在一些实施例中，关于药物的施用、完成的流程和患者的活动的外部信息可以用于评估血压测量结果304的可靠性。例如，系统可以收集关于在分离的时间周围是否由患者使用了血管加压剂或血管扩张剂的信息。此外，该系统可以收集关于两次测量之间的分离时间长度的信息。在一些实施例中，系统可以收集关于两个测量结果之间的分离的幅度的信息。

收集的信息然后可以用于确定哪种收集的血压类型与临床事件匹配。例如，如果在患者接收血管扩张剂时发生分离，则预期患者的血压会降低。如果分离指示一个血压测量结果下降而另一个血压测量结果保持稳定，则系统可以前进到保持并使用下降的血压测量结果。在一些实施例中，可以考虑保持稳定的血压测量结果。如果系统可以将血压类型之间的差异与已知临床事件相关联，则系统可以保持与临床事件306最匹配的血压类型。在一些实施例中，如果差异不能归因于临床事件，则患者可能被标记用于人工查看308。

图4图示了根据一个实施例的用于检测患者的可靠血压测量结果的方法400。在一些实施例中，从医学机构中的患者集402，系统可以检测同时具有多个血压测量结果的患者的子集404。在一些实施例中，系统可以忽略具有一或零的血压测量结果的患者的子集406，以及具有很大程度上一致的血压测量结果的患者410。

在一些实施例中，一些患者可能具有分离的血压测量结果408。在一些实施例中，这些可以被称为具有分离的血压类型的患者。在一些实施例中，具有分离的血压类型的患者可以服用影响血压的药物412。在一些实施例中，如果具有分离的血压类型的患者在其血压变得分离的时间跨度内被给予影响血压的药物416，并且他们的药物以相同的方式影响血压420，系统可以在一些实施例中选择与预期血压变化一致的血压类型424。在一些实施例中，这可以允许系统将患者的血压的变化或差异归因于至少一个临床事件428。

在一些实施例中，具有分离的血压类型的患者可以被标记用于人工查看432。在一些实施例中，具有分离的血压类型的患者可以被标记用于人工查看，因为患者还没有接收任何影响血压的药物414。在一些实施例中，具有分离的血压类型的患者可以被标用于人工查看，因为患者已经接收了在血压变化的方向上不一致的药物422。例如，如果患者被给予血管扩张剂并且然后血压升高，则在一些实施例中可以将患者标记用于人工查看。此外，在一些实施例中，如果患者在血压类型分离之后接收药物或在分离检测418之前很久的时间接收药物，则可以将患者标记用于人工查看。

在一些实施例中，如果对象i在时间t的血压类型b是

则系统可以找到在特定时间量内在血压类型之间具有大差异的所有对象。在一些实施方案中，这些患者是针对t∈[t_i1,t_i2]的

的那些患者，其中，C_i是(可能地对象特异性)截止，并且[t_i1,t_i2]是至少持续时间T_i的间隔。在一些实施例中，持续时间T_i可以是两个血压类型测量结果分离的时间间隔。在一些实施例中，患者可能具有在T_i上分离的三个或更多血压类型测量结果。

在一些实施例中，在具有分离类型的患者中，系统可以识别被给予患者的影响血压的任何药物、施用于患者的时间以及患者的预期血压变化方向。

例如，血管加压剂是旨在升高血压的药物，而血管扩张剂是旨在降低血压的药物。血管加压剂通过收缩血管来升高血压，而血管扩张剂通过扩张血管来降低血压。如果向患者给予血管扩张剂，并且然后该患者具有分离的血压类型，其中，一次血液测量中的血压升高，在一些实施例中，该患者将被标记用于人工查看。此外，如果具有分离的血压类型的患者被给予两种或更多种药物并且一些药物能够导致升高的血压，而其他药物能够导致降低的血压，则患者在一些实施例中将被标记用于人工查看。

在一些实施例中，系统包括影响血压的药物的数据库。在一些实施例中，数据库可以由临床合作者更新和维护。

在数学术语中，在一些实施例中，对象i在时间t的药物m的预期血压方向是

(+1指示升高，并且-1指示降低)。对于每种药物m和每个对象i，系统能够找到

即施用药物的时间的集合。在一些实施例中，K可以是施用的时间的数量，并且如果患者从未接收药物，则该集合可以是空集合。

接下来，在一些实施例中，系统可以将药物施用与患者和患者的血压测量结果对齐。在一些实施例中，如果没有向患者施用药物，则可能需要另外的调查，因为可能存在其他因子以指示更可靠的测量结果。

在一些实施例中，如果对于所有药物m，所有药物在对象i中在t_i1之后施用

那么也不能得出结论并且有必要进一步调查，因为药物是在分离之后施用的。

在一些实施例中，对于分离时间t_i1之前的任何药物施用，系统可以在t_i1之前的某个时间间隔内收集所有方向信息：

其中，[t_i0,t_i1]是预定长度(例如3小时)的时间间隔。

在一些实施例中，系统可以使用得到的方向信息来确定哪个血压最可靠。

在一些实施例中，如果给予单个药物，则如果

是+1则系统可以使用较高的血压测量结果，并且如果

是-1则系统可以使用较低的血压测量结果。在一些实施例中，如果患者已经接收了具有相同方向的多种药物，则如果

是+1则系统可以使用较高的血压测量结果，并且如果

是-1则系统可以使用较低的血压测量结果。

在一些实施例中，如果将具有相互冲突效果的多种药物给予患者，则可能需要确定额外信息。在一些实施例中，其他因子可能有助于确定血压测量的准确性，包括但不限于药物的效果的强度、其效果持续多长时间以及患者的其他诊断。在一些实施例中，额外因子可以自动输入到系统中并自动分析。在一些实施例中，可能需要手动评估额外因子。

在一些实施例中，机器学习技术可以用于检测可靠的血压测量结果。在一些实施例中，为了识别在血压类型之间具有大差异的患者，系统可以使用基于规则的信号质量指数、标准信号处理技术和/或机器学习算法。在一些实施例中，为了将变化或差异归因于临床事件，系统可以提取额外的数据并训练神经网络以预报由于临床事件(例如给药、患者的移动或排程的程序)引起的血压信号。在一些实施例中，系统可以提取同时的临床事件，例如实验室值、药物和关于干预的信息，以识别能够影响患者的血压测量的潜在因子。

在一些实施例中，数据可以与血压测量时间序列对齐以训练具有长短期记忆(LSTM)的循环神经网络(RNN)。在一些实施例中，LSTM可以包括标准遗忘门，其中，系统可以确定在计算预测的未来血压测量结果时要保留和依赖的过去数据量。在一些实施例中，系统可以捕获药物和实验室的时间效应，并使用捕获的效应来预测未来的血压测量结果并确定分离的血压测量结果的准确性。

在一些实施例中，可以训练系统来预报给定临床事件集合的血压信号。图5示意性地图示了根据一个实施例的被训练以使用给定的特征集来预报血压的循环神经网络架构500。在一些实施例中，可以将预报信号524与记录信号进行比较以确定哪个与预期趋势更好匹配。在一些实施例中，系统可以预测患者的血压测量结果的分离。

在一些实施例中，输入处理框510可以接收多个血压信号502。在一些实施例中，输入处理框510可以通过将血压信号划分成窗504来离散化血压信号。在一些实施例中，离散化的血压信号然后可以与影响血压的因子506对齐508。例如，在一些实施例中，发生血压的分离的时间窗可以与患者服用血管扩张剂药物的时间对齐508。在一些实施例中，该信息可以被馈送到多个循环神经网络520。在一些实施例中，每个循环神经网络520可以提供患者522的预测血压测量结果。在一些实施例中，系统可以基于预测524生成血压趋势预报。

在一些实施例中，循环神经网络520可以将信息发送到其他循环神经网络520并且随后的神经网络520可以使用额外信息来预测患者的血压。

在一些实施例中，一旦血压测量结果的分离出现，系统可以检测到分离并尝试合并血压测量结果中的任何不一致。在一些实施例中，系统可以确定两个或更多个血压测量结果之间的准确性的可能性。在一些实施例中，系统可以预测血压测量结果的准确性的可能性。在一些实施例中，系统可以确定可以首先手动检查多个血压测量结果中的哪一个。

在一些实施例中，系统可以检测收集的血压类型的快速终止。在一些实施例中，在医师或其他医学专业人员停止测量血压之前，血压可以仅测量几个小时。如图6所示，一种血压类型604的快速终止可以指示医学专业人员认为所收集的血压类型不可靠600。在一些实施例中，如果多个血压602-606分离并且一个被中断604，则系统可以忽略在一段时间内对连续血压类型602、606的分离的测量结果。

在一些实施例中，血压类型604的分离可以是短的和高台，尤其是在医院就诊开始时。在一些实施例中，高台604可以指示医师或其他医学专业人员对系统进行了调节。还如图7所示，在血压类型收敛700之前，对于患者而言，高台702可能在仅几个小时内出现。在一些实施例中，动脉血压类型702初始地可能比无创血压类型704更高。在特定时间长度后，如能够由图表700示出的，高台可能自行解决。在这种情况下，在一些实施例中，系统可以在高台解决之前忽略血压测量结果之一并且可以在高台解决之后继续使用这两个血压测量结果。上面讨论的方法、系统和设备是示例。各种配置可以适当地省略、替换或添加各种流程或部件。例如，在备选配置中，可以以不同于所描述的顺序的顺序来执行方法，并且可以添加、省略或组合各种步骤。而且，关于特定配置所描述的特征可以组合在各种其他配置中。配置的不同方面和元素可以以类似方式组合。而且，技术不断发展，并且因此元素中的许多是示例，并且不限制本公开或权利要求的范围。

例如，上面参考根据本公开的实施例的方法、系统和计算机程序产品的框图和/或操作说明描述了本公开的实施例。框中标注的功能/动作可能不按如任何流程图中所示的顺序发生。例如，根据所涉及的功能/动作，连续示出的两个框实际上可以基本上同时运行，或者框有时可以以相反的顺序执行。额外地或备选地，并非任何流程图中所示的所有框需要被执行和/或运行。例如，如果给定流程图具有包含功能/动作的五个框，则其可能是五个框中仅三个被执行和/或运行的情况。在该示例中，可以执行和/或运行五个框中的三个框中的任一个。

值超过(或大于)第一阈值的陈述等效于该值满足或超过略大于第一阈值的第二阈值的陈述，例如，在相关系统的分辨率中第二阈值比第一阈值高一个值。值小于第一阈值(或在第一阈值之内)的陈述等效于该值小于或等于稍低于第一阈值的第二阈值的陈述，例如，在相关系统的分辨率中第二阈值比第一阈值低一个值。

在描述中给出特定细节以提供对示例配置(包括实施方式)的透彻理解。然而，可以在没有这些具体细节的情况下实施配置。例如，众所周知的电路、过程、算法、结构和技术已在没有不必要的细节的情况下示出以便避免混淆配置。该描述仅提供示例配置，并且不限制权利要求的范围、适用性或配置。相反，配置的前述描述将为本领域技术人员提供用于实施所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下，可以对元件的功能和布置进行各种改变。

已经描述了若干示例配置，在不背离本公开的精神的情况下，可以使用各种修改、备选构造和等效物。例如，以上元件可以是更大系统的部件，其中，其他规则可以优先于或以其他方式修改本公开的各种实施方式或技术的应用。而且，可以在考虑以上元件之前、期间或之后进行多个步骤。

已经提供了本申请的描述和说明，本领域的技术人员可以设想落入本申请中讨论的总体发明构思的变化、修改和备选实施例，其不脱离权利要求的范围。

Claims (20)

1.一种用于确定患者的血压的方法，所述方法包括：

利用第一设备来收集所述患者的第一多个血压测量结果；

利用第二设备来收集所述患者的第二多个血压测量结果；

利用处理器来识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离；

从存储器中检索临床事件；

使用所述处理器将所述第一多个血压测量结果和所述第二多个血压测量结果与所述临床事件进行比较；并且

基于比较来确定所述第一多个血压测量结果比所述第二多个血压测量结果更准确。

2.根据权利要求1所述的方法，其中，识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离包括利用处理器来识别持续时间长于预定持续时间的所述第一多个血压测量结果与所述第二多个血压测量结果之间的差异。

3.根据权利要求1所述的方法，其中，识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离包括利用处理器来识别超过预定值的所述第一血压测量结果与所述第二血压测量结果之间的差异。

4.根据权利要求1所述的方法，其中，所述临床事件是对改变血压的药物的施用。

5.根据权利要求1所述的方法，其中，将血压测量结果与所述至少一个临床事件进行比较包括：

识别所述第一多个血压测量结果中的测量结果的变化；并且

将所识别的变化的时间与所述临床事件的时间进行比较。

6.根据权利要求5所述的方法，其中，确定所述第一多个血压测量结果更准确包括确定所述第一多个血压测量结果中所识别的变化的所述时间与所述临床事件的所述时间大致一致。

7.根据权利要求5所述的方法，其中，将血压测量结果与所述至少一个临床事件进行比较还包括将所述第一多个血压测量结果中的测量结果的所述变化的方向性与根据所述临床事件预期的方向性进行比较。

8.根据权利要求7所述的方法，其中，确定所述第一多个血压测量结果更准确包括确定所述第一多个血压测量结果中所识别的变化的所述方向性与所述临床事件的预期方向性大致相协调。

9.根据权利要求1所述的方法，其中，将所述第一多个血压测量结果和所述第二多个血压测量结果与所述临床事件进行比较包括：

将所述第一多个血压测量结果、所述第二多个血压测量结果和所述临床事件供应给经训练的机器学习模型；并且

从所述经训练的机器学习模型接收对所述第二多个血压测量结果没有所述第一多个血压测量结果准确的指示。

10.根据权利要求1所述的方法，其中，识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的差异包括以下各项中的至少一项：使用基于规则的信号质量指数、使用信号处理技术和使用机器学习算法。

11.一种血压评估系统，所述系统包括：

第一设备，其被配置为收集患者的第一多个血压测量结果；

第二设备，其被配置为收集所述患者的第二多个血压测量结果；以及

处理器，其被配置为：

识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离；

将所述第一多个血压测量结果和所述第二多个血压测量结果与临床事件进行比较；并且

基于所述比较来确定所述第一多个血压测量结果比所述第二多个血压测量结果更准确。

12.根据权利要求11所述的系统，其中，所述处理器还被配置为通过识别持续时间长于预定持续时间的所述第一多个血压测量结果与所述第二多个血压测量结果之间的差异来识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离。

13.根据权利要求11所述的系统，其中，所述处理器还被配置为通过识别超过预定值的所述第一血压测量结果与所述第二血压测量结果之间的差异来识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的分离。

14.根据权利要求11所述的系统，其中，所述临床事件是对改变血压的药物的施用。

15.根据权利要求11所述的系统，其中，所述处理器还被配置为通过以下操作将血压测量结果与所述临床事件进行比较：

识别所述第一多个血压测量结果和所述第二多个血压测量结果中的至少一项中的测量结果的变化；并且

将所识别的变化的时间与所述临床事件的时间进行比较。

16.根据权利要求15所述的系统，其中，所述处理器还被配置为通过确定所述第一多个血压测量结果中所识别的变化的所述时间与所述临床事件的所述时间大致一致来确定所述第一多个血压测量结果更准确。

17.根据权利要求15所述的系统，其中，所述处理器还被配置为通过将所述第一多个血压测量结果中的测量结果的所述变化的方向性与根据所述临床事件预期的方向性进行比较来将血压测量结果与所述临床事件进行比较。

18.根据权利要求17所述的系统，其中，所述处理器还被配置为通过确定在所述第一多个血压测量结果中所识别的变化的所述方向性与所述临床事件的所预期的方向性大致相协调来确定所述第一多个血压测量结果更准确。

19.根据权利要求11所述的系统，其中，所述处理器还被配置为通过以下操作将所述第一多个血压测量结果和所述第二多个血压测量结果与所述临床事件进行比较：

使用经训练的机器学习模型来处理所述第一多个血压测量结果、所述第二多个血压测量结果和所述临床事件；并且

从所述经训练的机器学习模型接收对所述第二多个血压测量结果没有所述第一多个血压测量结果准确的指示。

20.根据权利要求11所述的系统，其中，所述处理器还被配置为使用以下各项中的至少一项来识别所述第一多个血压测量结果与所述第二多个血压测量结果之间的差异：基于规则的信号质量指数、信号处理技术和机器学习算法。

Images