CN117581312A - 基于值的先进的诊所基准 - Google Patents

Abstract

一种用于对与多个医疗保健提供单元相关的数据进行分析的计算机实现的方法和系统，该方法包括：从与多个医疗保健提供单元相关的不同数据源收集数据；基于收集到的数据，针对与多个医疗保健提供单元中的任何一个医疗保健提供单元相关联的个体患者计算关于个体患者中的每个个体患者的至少一种类型的健康结果的预期频次；以及将计算出的关于个体患者的至少一种类型的健康结果的预期频次归纳为一个或更多个个体级别的影响度量，所述一个或更多个个体级别的影响度量与关于至少一种类型的健康结果的一个或更多个风险因素相关联。所述一个或更多个风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。

Description

基于值的先进的诊所基准

相关申请的交叉引用

要求于2021年6月22日提交的欧洲专利申请No.EP 21180742.5的优先权，在此该欧洲专利申请的全部公开内容通过参引并入本文中。

技术领域

本发明总体上涉及医疗保健中的持续质量改进(CQI)程序，并且更具体地，涉及用于对与多个医疗保健提供单元相关的数据进行分析例如以改善目标医疗保健提供单元的性能的方法、设备和计算机程序。

背景技术

临床数据包括与患者健康、临床资源和若干组临床用户的相互作用相关的大量信息。给出了高度当代相关的临床数据分析的用例，其中，根据医疗保健提供单元中的过去和目前获得的数据来对某一健康结果事件的未来发生的总发生率进行预测，以用于进行基准管理和持续质量改进(CQI)。医疗保健提供单元可以包括医疗保健提供者环境、比如诊所、医院、治疗中心(例如，透析中心)和/或其他医疗保健地点中的治疗系统和/或信息系统的一个或更多个装置或部件。对于某一健康结果，医疗保健提供单元级别的发生率与医疗保健提供单元的病例组合中的风险因素分布的总体影响相关联。关于个体患者的总健康结果风险由作为具有各自风险的若干个因果子事件链的影响的健康结果风险给出。该领域中的多个出版物公开了通过选择不同的数据集和/或分析模型对不利临床事件和/或健康结果、不利临床事件和/或健康结果的进展的风险预测、以及对预测的可靠性和效率的修改。WO2019/072692 A1中讨论了基础输入数据的动态和不同的受影响用户组之间预测的可转移性及其对可靠的风险预测的影响。

尽管与风险相关的预测元值有助于评估某一临床事件的发生，但是导致风险的因素和从这些因素生成的元数据作为预测分析的输入，在医疗保健提供单元的不同子集与患者之间在可用性和影响的程度上存在很大差异。另外，由于健康结果通常具有多重因果关系，因此仅预测发生率肯定无法帮助缓解。

发明内容

在示例性实施方式中，本发明提供了一种系统。该系统包括：多个医疗保健提供单元；多个网关，所述多个网关与所述多个医疗保健提供单元进行通信；以及处理系统。多个医疗保健提供单元包括治疗系统，该治疗系统配置成：对与所述多个医疗保健提供单元相关联的相应的患者进行治疗；获得与相应的患者相关联的数据，所述数据包括治疗相关的数据；并且将获得的数据经由多个网关和通信网络发送至处理系统。处理系统被配置成：接收与相应的患者相关联的数据；基于接收到的数据，针对相应的患者计算至少一种类型的健康结果的预期频次；并且将计算出的关于相应的患者的至少一种类型的健康结果的预期频次归纳为一个或更多个个体级别的影响度量，所述一个或更多个个体级别的影响度量与关于至少一种类型的健康结果的风险因素相关联，其中，风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。

在另一示例性实施方式中，多个医疗保健提供单元的治疗系统包括一个或更多个透析机。

在另一示例性实施方式中，本发明提供了一种用于对与多个医疗保健提供单元相关的数据进行分析的计算机实现的方法，该方法包括：从与多个医疗保健提供单元相关的不同数据源收集数据；基于收集到的数据，针对与多个医疗保健提供单元相关联的相应的患者计算至少一种类型的健康结果的预期频次；以及将计算出的关于相应的患者的至少一种类型的健康结果的预期频次归纳为一个或更多个个体级别的影响度量，所述一个或更多个个体级别的影响度量与关于至少一种类型的健康结果的风险因素相关联，其中，风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。

在另一示例性实施方式中，从不同数据源收集数据包括：对来自不同数据源的数据进行合并。

在另一示例性实施方式中，该方法还包括：从来自不同数据源的数据中提取特征集。

在另一示例性实施方式中，计算至少一种类型的健康结果的预期频次包括：获得关于从数据中提取的特征集以及至少一种类型的健康结果的一个或更多个分析模型。

在另一示例性实施方式中，一个或更多个分析模型包括指数分布族、指数分布族的导数、贝叶斯网络、人工神经网络和/或非参数方法。

在另一示例性实施方式中，非参数方法包括使用决策树、k-最近邻和/或支持向量机。

在另一示例性实施方式中，该方法还包括：基于持续质量改进(CQI)结构建立模型架构。

在另一示例性实施方式中，该方法还包括：基于获得的一个或更多个分析模型和模型架构训练n+m个风险模型，其中，n表示至少一种类型的健康结果的数目，并且m表示一个或更多个可修改的风险因素的数目。

在另一示例性实施方式中，该方法还包括：在测试集中对n+m个风险模型的校准和准确性进行评估。

在另一示例性实施方式中，该方法还包括：基于新配置的模型架构和模型参数对风险模型进行调整。

在另一示例性实施方式中，该方法还包括：将一个或更多个分析模型应用于收集到的数据以计算关于相应的患者的至少一种类型的健康结果的预期频次。

在另一示例性实施方式中，对计算出的关于相应的患者的至少一种类型的健康结果的预期频次进行归纳包括：应用聚合规则，以将计算出的关于相应的患者的预期频次转换成关于医疗保健提供单元中的每个医疗保健提供单元的医疗保健提供单元级别的预期频次；识别风险因素中的每个风险因素对关于多个医疗保健提供单元内或所述多个医疗保健提供单元的基准子集内的医疗保健提供单元中的每个医疗保健提供单元的至少一种类型的健康结果的医疗保健提供单元级别的预期频次的贡献水平；以及基于识别出的贡献水平计算与风险因素相关联的一个或更多个个体级别的影响度量。

在另一示例性实施方式中，该方法还包括：为多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的每个医疗保健提供单元构建标准人群情景，以基于一个或更多个个体级别的影响度量来估计至少一种类型的健康结果的修改的预期频次，在一个或更多个不可修改的风险因素的分布被固定为在标准人群中观察到的分布的情况下，所述至少一种类型的健康结果的修改的预期频次将是预期的。

在另一示例性实施方式中，该方法还包括：基于将在标准人群中预期的估计出的至少一种类型的健康结果的修改的预期频次，对多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的医疗保健提供单元进行排序。

在另一示例性实施方式中，该方法还包括：对与关于多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的每个医疗保健提供单元的一个或更多个风险因素相关联的一个或更多个个体级别的影响度量进行聚合；以及将一个或更多个个体级别的影响度量标准化为关于多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的每个医疗保健提供单元的医疗保健提供单元级别的影响度量。

在另一示例性实施方式中，该方法还包括：识别一个或更多个新的风险因素中的每个新的风险因素对关于多个医疗保健提供单元内的至少一个医疗保健提供单元的至少一种类型的健康结果的预期频次的贡献水平，其中，所述一个或更多个新的风险因素与一个或更多个出现的医疗需求相关联。

在另一示例性实施方式中，该方法还包括：基于对应识别的对至少一种类型的健康结果的预期频次的贡献水平，对一个或更多个出现的医疗需求进行排序。

在另一示例性实施方式中，该方法还包括针对一个或更多个可修改的风险因素中的至少一个可修改的风险因素进行以下步骤：限定目标医疗保健提供单元处的至少一种类型的健康结果的目标频次；基于医疗保健提供单元级别的影响度量计算目标医疗保健提供单元处的患者级别的目标实现概率；对患者级别的目标实现概率进行聚合以计算目标医疗保健提供单元处的预期目标实现发生率；以及通过将预期目标实现发生率与基于在标准人群中观察到的一个或更多个不可修改的风险因素的分布的发生率进行比较，计算关于目标医疗保健提供单元的预期改善幅度。

在另一示例性实施方式中，该方法还包括：在图形用户界面(GUI)上显示关于目标医疗保健提供单元的至少一个可修改的风险因素的预期改善幅度；以及/或者在GUI上显示用于处理关于目标医疗保健提供单元的至少一个未满足的医疗需求的引导，其中，未满足的医疗需求与至少一个可修改的风险因素的实现不足相关联，已经基于计算出的预期改善幅度发现了关于所述至少一个可修改的风险因素的可执行的改善幅度；以及/或者基于计算出的预期改善幅度，在GUI上显示关于目标医疗保健提供单元的在至少一种类型的健康结果的连续风险降低方面要修改的一系列特征。

在又一个示例性实施方式中，本发明提供了一个或更多个非暂时性计算机可读介质，所述一个或更多个非暂时性计算机可读介质具有存储在其上的用于对与多个医疗保健提供单元相关的数据进行分析的处理器可执行的指令。处理器可执行的指令在被执行时有助于：从与多个医疗保健提供单元相关的不同数据源收集数据；基于收集到的数据，针对与所述多个医疗保健提供单元相关联的相应的患者计算至少一种类型的健康结果的预期频次；以及将计算出的关于相应的患者的至少一种类型的健康结果的预期频次归纳为一个或更多个个体级别的影响度量，所述一个或更多个个体级别的影响度量与关于至少一种类型的健康结果的风险因素相关联，其中，风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。

附图说明

下面将基于示例性附图对本发明的示例性实施方式进行甚至更详细的描述。本发明不限于示例性实施方式。在本发明的实施方式中，本文中所描述和/或所图示的所有特征可以单独使用或者可以以不同的组合进行组合。通过参照附图阅读以下详细描述，本发明的各种实施方式的特征和优点将变得明显，所述附图图示了以下内容：

图1描绘了示例性血液透析系统。

图2描绘了与血液透析系统结合的示例性计算机系统。

图3描绘了包括网关装置和CH云服务的连接健康(CH)系统的示例。

图4a描绘了根据本发明的实施方式的计算机实现的方法的流程图；

图4b描绘了根据本发明的实施方式的计算机实现的方法的流程图；

图5描绘了示出将附加数据/风险模型整合到可用系统中的示例的流程图；

图6描绘了示出相对于基准对新整合的医疗保健单元/诊所进行分析的示例的流程图；

图7描绘了诊所因素与健康风险之间的关系的示意性概图；

图8描绘了基于诊所因素的风险降低的示例结果；

图9描绘了基于诊所因素和基准的风险降低的示例结果；

图10描绘了根据(可选择的)建议基础的结果的比较；

图11描绘了根据(可选择的)随时间变化的建议基础的结果的比较；

图12描绘了每个图形显示的第一示例性建议；

图13描绘了每个图形显示的第二示例性建议；以及

图14描绘了每个图形显示的第三示例性建议。

具体实施方式

本发明的示例性实施方式提供了医疗保健中的持续质量改进(CQI)程序内的方法、设备和计算机程序，包括：

1)通过在不同的医疗保健提供单元上从仅仅由于不可修改因素(即年龄、性别等)的不平衡导致的差异中理清健康结果中真正依赖于实践的差异而在诊所表现方面进行公平比较；

2)基于对未来健康结果的数据驱动的预期根据每个医疗保健提供单元的优先级对出现的医疗需求进行一致排序的方法；以及

3)基于可信的数据驱动的改善幅度预期对潜在的政策干预进行一致排序的方法。

根据本发明的第一方面，提供了一种用于对与多个医疗保健提供单元相关的数据进行分析的计算机实现的方法。该方法可以包括：从与多个医疗保健提供单元相关的不同数据源收集数据；基于收集到的数据，针对与多个医疗保健提供单元中的任何一个医疗保健提供单元相关联的个体患者，计算关于个体患者中的每个个体患者的至少一种类型的健康结果的预期频次；以及将计算出的关于个体患者的至少一种类型的健康结果的预期频次归纳为一个或更多个个体级别的影响度量，所述一个或更多个个体级别的影响度量与关于至少一种类型的健康结果的一个或更多个风险因素相关联，其中，所述一个或更多个风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。

此外，根据本发明的第一方面，提供了一种用于对与多个医疗保健提供单元相关的数据进行分析的设备。该设备可以包括处理器、与处理器进行电子通信的存储器、以及存储在存储器中的指令。指令可以由处理器执行，以使设备执行以下步骤：从与多个医疗保健提供单元相关的不同数据源收集数据；基于收集到的数据，针对与所述多个医疗保健提供单元中的任何一个医疗保健提供单元相关联的个体患者，计算关于个体患者中的每个个体患者的至少一种类型的健康结果的预期频次；以及将计算出的关于个体患者的至少一种类型的健康结果的预期频次归纳为一个或更多个个体级别的影响度量，所述一个或更多个个体级别的影响度量与关于至少一种类型的健康结果的一个或更多个风险因素相关联，其中，所述一个或更多个风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。

此外，根据本发明的第一方面，提供了一种用于对与多个医疗保健提供单元相关的数据进行分析的设备。该设备可以包括：用于从与所述多个医疗保健提供单元相关的不同数据源收集数据的器件(例如，通信接口，包括接收器)；用于基于收集到的数据针对与多个医疗保健提供单元中的任何一个医疗保健提供单元相关联的个体患者计算关于个体患者中的每个个体患者的至少一种类型的健康结果的预期频次的器件(例如，处理器)；以及用于将计算出的关于个体患者的至少一种类型的健康结果的预期频次归纳为与至少一种类型的健康结果的一个或更多个风险因素相关联的一个或更多个个体级别的影响度量的器件(例如，处理器)，其中，所述一个或更多个风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。

此外，根据本发明的第一方面，提供了一种存储用于对与多个医疗保健提供单元相关的数据进行分析的代码的非暂时性计算机可读介质。该代码可以包括能够由处理器执行以用于执行以下步骤的指令：从与多个医疗保健提供单元相关的不同数据源收集数据；基于收集到的数据，针对与所述多个医疗保健提供单元中的任何一个医疗保健提供单元相关联的个体患者，计算关于个体患者中的每个个体患者的至少一种类型的健康结果的预期频次；以及将计算出的关于个体患者的至少一种类型的健康结果的预期频次归纳为与至少一种类型的健康结果的一个或更多个风险因素相关联的一个或更多个个体级别的影响度量，其中，所述一个或更多个风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。

根据本发明的第二方面，根据本发明的第一方面的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于对来自不同数据源的数据进行合并的操作、特征、器件或指令。此外，可选地，本文所描述的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于从来自不同数据源的数据中提取特征集的操作、特征、器件或指令。

根据本发明的第三方面，根据本发明的第一方面或第二方面的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于获得适用于从数据中提取的特征集以及至少一种类型的健康结果的一个或更多个分析模型的操作、特征、器件或指令。一个或更多个分析模型可以优选地包括指数分布族、指数分布族的导数、贝叶斯网络、人工神经网络和/或非参数方法。非参数方法可以优选地包括使用决策树、k-最近邻和/或支持向量机。

根据本发明的第四方面，根据本发明的第三方面的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于基于持续质量改进(CQI)结构建立模型架构的操作、特征、器件或指令。

根据本发明的第五方面，根据本发明的第四方面的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于基于获得的一个或更多个分析模型和模型架构来训练(F)n+m个风险模型的操作、特征、器件或指令。此处，n表示至少一种类型的健康结果的数目，并且m表示一个或更多个可修改的风险因素的数目。此外，可选地，本文所描述的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于在测试集中对n+m个风险模型的校准和准确性进行评估的操作、特征、器件或指令。

根据本发明的第六方面，根据本发明的第三方面至第五方面中的任一者的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于将一个或更多个分析模型应用于收集到的数据以对关于个体患者的至少一种类型的健康结果的预期频次进行预测的操作、特征、器件或指令。

根据本发明的第七方面，根据本发明的第一方面至第六方面中的任一者的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于下述内容的操作、特征、器件或指令：应用聚合规则，以将所述计算出的关于个体患者的预期频次转换成关于医疗保健提供单元中的每个医疗保健提供单元的医疗保健提供单元级别的预期频次；识别一个或更多个风险因素中的每个风险因素对关于多个医疗保健提供单元内或所述多个医疗保健提供单元的基准子集内的医疗保健提供单元中的每个医疗保健提供单元的至少一种类型的健康结果的医疗保健提供单元级别的预期频次的贡献水平，并且基于识别出的贡献水平计算与一个或更多个风险因素相关联的一个或更多个个体级别的影响度量。

根据本发明的第八方面，根据本发明的第七方面的方法、设备、非暂时性计算机可读介质的一些示例可以进一步包括用于下述内容的操作、特征、器件或指令：为多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的每个医疗保健提供单元构建标准人群情景，以基于一个或更多个个体级别的影响度量来估计至少一种类型的健康结果的修改的预期频次，在一个或更多个不可修改的风险因素的分布被固定为在标准人群中观察到的分布的情况下，所述至少一种类型的健康结果的修改的预期频次将是预期的。此外，可选地，本文所描述的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于下述内容的操作、特征、器件或指令：基于将在标准人群中预期的估计出的至少一种类型的健康结果的修改的预期频次，对多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的医疗保健提供单元进行排序。

根据本发明的第九方面，根据本发明的第一方面至第八方面中的任一者的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于下述内容的操作、特征、器件或指令：对与多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的每个医疗保健提供单元的一个或更多个风险因素相关联的一个或更多个个体级别的影响度量进行聚合；以及将所述一个或更多个个体级别的影响度量标准化为多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的每个医疗保健提供单元的医疗保健提供单元级别的影响度量。

根据本发明的第十方面，根据第一方面至第九方面中的任一者的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于下述内容的操作、特征、器件或指令：识别一个或更多个新的风险因素中的每个新的风险因素对关于多个医疗保健提供单元内的至少一个医疗保健提供单元的至少一种类型的健康结果的预期频次的贡献水平，其中，所述一个或更多个新的风险因素与一个或更多个出现的医疗需求相关联，并且可选地，基于对应识别的对至少一种类型的健康结果的预期频次的贡献水平来对出现的医疗需求进行排序。

根据本发明的第十一方面，根据本发明的第九方面或第十方面的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于下述内容的操作、特征、器件或指令：限定目标医疗保健提供单元处的至少一种类型的健康结果的目标频次；基于医疗保健提供单元级别的影响度量计算目标医疗保健提供单元处的患者级别的目标实现概率；对患者级别的目标实现概率进行聚合以计算目标医疗保健提供单元处的预期目标实现发生率；并且通过将预期目标实现发生率与基于在标准人群中观察到的一个或更多个不可修改的风险因素的分布的发生率进行比较，计算关于目标医疗保健提供单元的预期改善幅度。

根据本发明的第十二方面，根据本发明的第十一方面的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于下述内容的操作、特征、器件或指令：在图形用户界面(GUI)上显示关于目标医疗保健提供单元的至少一个可修改的风险因素的预期改善幅度；以及/或者在GUI上显示用于处理关于目标医疗保健提供单元的至少一个未满足的医疗需求的引导，其中，未满足的医疗需求与至少一个可修改的风险因素的实现不足相关联，已经基于计算出的预期改善幅度发现了关于所述至少一个可修改的风险因素的可执行的改善幅度；以及/或者基于计算出的预期改善幅度，在GUI上显示关于目标医疗保健提供单元的在至少一种类型的健康结果的持续风险降低方面要修改的一系列特征。

根据本发明的第十三方面，根据本发明的第五方面的方法、设备和非暂时性计算机可读介质的一些示例可以进一步包括用于创建风险模型并且基于新配置的模型架构和模型参数对风险模型进行调整的操作、特征、器件或指令。

下面将描述本公开的一个或更多个具体示例性实施方式。为了提供对这些实施方式的简明描述，未在说明书中描述实际实现方式的所有特征。应当理解，在任何这种实际实现方式的改进中，如同在任何工程或设计项目中一样，应当做出大量特定于实现方式的决定，以实现开发者的特定目标，比如符合系统相关的约束和商业相关的约束，这些特定目标可能从一种实现方式到另一种实现方式有所不同。此外，对于受益于本公开的普通技术人员来说，这种改进工作将是设计、制作和制造的常规任务。

本发明提供了下述技术：产生标准和数据驱动的度量以识别最佳执行的医疗保健提供单元，基于干预与以患者为中心的结果的关系对所述干预的优先级进行排序，并且对干预的可靠的改善幅度进行评估。

所述技术还包括：通过理清可修改的因素(即，持续质量改进程序中的关键性能指标)和不可修改的因素(即，个人特征比如年龄、性别、种族等的病例组合)对以患者为中心的结果(即，死亡率、住院治疗、生活质量、医疗保健费用等)的影响，对最佳执行的医疗保健提供单元进行排序；对中间可修改的诊所因素对以患者为中心的结果的贡献进行排序；将诊所目标实现中间可修改的诊所因素与诊所间的基准进行比较；以及通过定期建议最适于通过在特定诊所内进行修改来影响风险的因素来提供诊所用户的支持。

此外，通过基于诊所间的基准比较对观察到的诊所目标实现率和预期诊所目标实现率进行对比，来对干预的潜在影响进行预期。

图1至图3描绘了可以通过其实现本发明的示例性实施方式的示例性装置和示例性环境。应当理解，图1至图3中所描绘的装置和环境仅仅是示例，并且本发明不限于此。

图1示出了血液透析系统100，该血液透析系统100是医疗保健提供单元的组成部分、比如医疗保健提供单元的治疗系统组成部分的示例。血液透析系统100包括连接至一次性血液成分装置104的血液透析机102，该一次性血液成分装置104部分地形成血液回路。在血液透析治疗期间，操作者将血液成分装置104的动脉患者管线106和静脉患者管线108连接至患者。血液成分装置104可以包括空气管理装置112，该空气管理装置112可以包括例如静脉滴注器。

血液成分装置104固定至模块130，该模块130附接至血液透析机102的前部。模块130包括能够使血液通过血液回路进行循环的血液泵132。模块130还包括能够对流动通过血液回路的血液进行监测的各种其他仪器。如图1所示，模块130包括门，该门在关闭时与模块130的前部面配合以形成隔室，该隔室被定尺寸和定形状成接纳血液成分装置104。

血液泵132是血液泵模块134的一部分。血液泵模块134包括显示窗口、启动/停止键、向上键、向下键、液位调节键和动脉压力端口。显示窗口显示血液泵操作期间的血液流动速率设置。启动/停止键使血液泵132启动和停止。向上键增加血液泵132的速度，并且向下键降低血液泵132的速度。液位调节键使滴注器中的液体的液位上升。

血液透析机102还包括由透析器110、连接至血液透析机102的各种其它透析液部件和透析液管线形成的透析液回路。这些透析液部件和透析液管线中的许多在血液透析机102的壳体103内部。在治疗期间，当血液泵132使血液通过血液回路进行循环时，透析液泵使透析液通过透析液回路进行循环。

从血液透析机102延伸有排出管线128和超滤管线129。排出管线128和超滤管线129流体连接至位于血液透析机102的壳体103内部的形成透析液回路的一部分的各种透析液部件和透析液管线。在血液透析期间，透析液供应管线将新鲜的透析液运送至透析液回路的位于血液透析机102内部的部分。如上所述，新鲜的透析液循环通过形成透析液回路的各种透析液管线和透析液部件——包括透析器110。随着透析液穿过透析器110，透析器110从患者的血液中收集毒素。所产生的用过的透析液从透析液回路经由排出管线128运送至排出装置。当在治疗期间执行超滤时，用过的透析液(如下所述)和从患者抽取的过量液体的组合物经由超滤管线129被运送至排出装置。

透析器110用作用于患者的血液的过滤器。如上所述，透析液与血液一起穿过透析器110。透析器110内的半透结构(例如，半透膜和/或半透微管)使穿过透析器110的血液和透析液分离。这种装置允许透析液从患者的血液中收集毒素。离开透析器110的经过滤的血液返回至患者。离开透析器110的透析液包括从血液中去除的毒素，并且通常被称为“用过的透析液”。用过的透析液从透析器110定路径至排出装置。

从血液透析机102的前部还延伸有药物泵192。药物泵192是包括构造成对血液成分装置104的注射器178进行保持的夹持机构的注射器泵。药物泵192还包括构造成使注射器178的柱塞沿着注射器178的轴线移动的步进马达。步进马达的轴以下述方式固定至柱塞：当步进马达沿第一方向操作时，轴迫使柱塞进入注射器，并且当步进马达沿第二方向操作时，轴将柱塞从注射器178中拉出。因此，药物泵192可以用于在使用期间将液体药物(例如，肝素)从注射器178经由药物输送管线174注射到血液回路中，或者用于在使用期间将液体从血液回路经由药物输送管线174抽取到注射器178中。

血液透析机102包括具有诸如触摸屏118和控制面板120之类的输入装置的用户接口。触摸屏118和控制面板120允许操作者向血液透析机102输入各种不同的治疗参数并且以其他方式控制血液透析机102。触摸屏118向血液透析系统100的操作者显示信息。

血液透析机102还包括配置成接收来自触摸屏118和控制面板120的信号并且向触摸屏118和控制面板120发送信号的控制单元101(例如，处理器)。控制单元101可以例如至少部分地基于由触摸屏118和控制面板120接收到的信号来控制血液透析机102的操作参数。血液透析机102还可以包括通信单元105，如本文别处进一步详细描述的，该通信单元105可以设置成用于与远程装置进行无线通信，并且可以与控制单元101通信联接。

应当理解，血液透析系统100只是医疗保健提供单元的治疗系统组成部分的一个示例。本发明的示例性实施方式也适用于医疗保健提供单元的其他类型的组成部分，包括腹膜透析机或者其他类型的治疗机器、治疗系统的外围组成部分装置、以及/或者其他类型的医疗保健系统的组成部分——包括临床信息系统。

图2是结合透析机100图示的示例计算机系统200的框图。例如，上面所讨论的控制单元101可以是此处所描述的系统200的示例。系统200包括处理器210、存储器220、存储装置230和输入/输出装置240。部件210、220、230和240中的每个部件可以例如使用系统总线250相互连接。处理器210能够处理用于在系统200内执行的指令。处理器210可以是单线程处理器、多线程处理器和/或其他计算机。处理器210能够处理存储在存储器220中或存储在存储装置230上的指令。存储器220存储系统200内的信息。在一些实现方式中，存储器220是计算机可读介质。例如，存储器220可以是易失性存储器单元或非易失性存储器单元。

存储装置230能够为系统200提供大容量存储。在一些实现方式中，存储装置230是非暂时性计算机可读介质。存储装置230可以包括例如硬盘装置、光盘装置、固态驱动器、闪存驱动器、磁带或者一些其他的大容量存储装置。替代性地，存储装置230可以是云存储装置、例如为包括分布在网络上并使用网络来访问的多个物理存储装置的逻辑存储装置。在一些实现方式中，存储在存储器220上的信息也可以存储在存储装置230上或者替代地存储在存储装置230上。

输入/输出装置240为系统200提供输入/输出操作。在一些实现方式中，输入/输出装置240包括下述各者中的一者或更多者：网络接口装置(例如，以太网卡)、串行通信装置(例如，RS-232 10端口)和/或无线接口装置(例如，短程无线通信装置、802.11卡、无线调制解调器(3G、4G、5G))。在一些实现方式中，输入/输出装置240包括配置成接收输入数据并且将输出数据发送至其他输入/输出装置例如键盘、打印机和显示装置(比如触摸屏显示器118)的驱动器装置。在一些实现方式中，使用移动计算装置、移动通信装置和其他装置。输入/输出装置240还可以包括在本文中别处更详细讨论的通信部件105。

在一些实现方式中，系统200是微控制器。微控制器是在单个电子封装中包括计算机系统的多个元件的装置。例如，单个电子封装可以包括处理器210、存储器220、存储装置230和输入/输出装置240。

图3是示出了连接健康(CH)系统300的示例的示意性图示，该连接健康(CH)系统300除了其他方面可以包括网关装置310和CH云服务320。CH系统300可以设置成用于一个或更多个透析机302(所述一个或更多个透析机302可以包括来自单个诊所的多个透析机和/或遍及多个诊所的多个透析机)的通信和/或连接。一个或更多个透析机302可以与本文别处所讨论的透析机中的一个或更多个透析机、比如透析机102类似，并且/或者可以包括不同类型的透析机、比如家用HD机和/或腹膜透析(PD)机。经由CH系统300，透析机302可以连接至内部网络和外部网络，包括远程服务器和/或实体。网关装置310可以用作有助于CH系统300的部件之间的通信的通信装置。CH云320可以是基于云的应用或服务(例如，软件即服务)实现方式，其用作有助于经由与网络比如互联网的连接在CH系统300的部件之间传输数据的通信管线。处理系统330可以是服务器和/或基于云的系统，其结合CH系统300的数据传输操作来对医疗信息进行处理、兼容性检查和/或格式化，所述医疗信息包括在诊所或医院的临床信息系统(CIS)340处生成的处方信息。在涉及从多个透析机302收集大量数据的情况下，处理系统330和/或CH云320可以包括大数据分析系统，所述大数据分析系统包括例如具有计算节点的一个或更多个集群的大数据仓库。CH系统300可以包括适当的加密和数据安全机构。

在各种实施方式中，网关装置310经由无线连接301与透析机302进行通信，这可以通过短程网络、比如蓝牙、Wi-Fi和/或其他适当类型的本地无线连接或短程无线连接来完成。网关310也可以经由外部网络连接311(例如，经由互联网)与CH云310连接。网关装置310被配置成向CH云320发送数据/接收来自CH云320的数据并且向透析机302发送数据/接收来自透析机302的数据。在各种实现方式中，透析机302可以(例如，经由网关装置310)轮询CH云320以获得可用文件，并且透析机302可以临时存储可用文件以进行处理。

图4a提供了根据本发明的实施方式的计算机实现的方法的流程图。

根据本发明的实施方式的方法包括：从与多个医疗保健提供单元相关的不同数据源收集数据，如步骤410所示；基于收集到的数据，针对与所述多个医疗保健提供单元中的任何一个医疗保健提供单元相关联的个体患者，计算关于个体患者中的每个个体患者的至少一种类型的健康结果的预期频次，如步骤420所示；以及将计算出的关于个体患者的至少一种类型的健康结果的预期频次归纳为与至少一种类型的健康结果的一个或更多个风险因素相关联的一个或更多个个体级别的影响度量，如步骤430所示，其中，所述一个或更多个风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。

收集到的数据可以包括例如患者信息(例如，年龄、性别、种族等)、病史(比如病情、病情的进展、治疗等)、生理测量结果(比如脉搏、体温、体液含量浓度、血压等)、治疗参数(特别是透析治疗设置、药物剂量等)、诊所属性(比如地点、规模、员工规模、资源、治疗可用性等)。基于从医学文献中提取的实质性医学知识和专家意见，可以将所有患者的数据分类为可修改的风险因素和不可修改的风险因素，从而可以为持续质量改进(CQI)程序提供信息。该应用可以定制成适应医疗保健中的任何CQI程序的目标和关键性能指标架构。

数据源可以是医疗文件、电子健康记录、临床指南、医疗数据库、文献、治疗装置、直接测量值、药物处方、手动输入等。如公开WO 2019/072692A1中所描述的，当从医学文献收集信息时，将信息处理成模型权重。

健康结果的类型可以与例如死亡率、住院治疗、生活质量、医疗保健费用等相关。

图4b提供了根据本发明的实施方式的计算机实现的方法的流程图。

在该实施方式中，该方法可以包括将来自不同数据源的数据合并，如步骤A所示。

数据合并(即，数据聚合)可以在来源、类型/格式、媒介和接合手段方面变化，并且可以在空间上和时间上进行分布。若干个数据集的融合可以用于生成具有或不具有(元数据)可测量的真实世界对应关系的新数据集。通常，将非临床数据与临床数据结合以生成具有临床用例的新数据集。以这种方式获得的新数据可以通过分析外推超越原始基础数据的属性的限制。这允许将例如当前从一个用户组测量的原始临床数据与具有对该数据的进展的指示和/或其对另一诊所/用户组的预期的元数据相关联。

可选地，该方法可以包括：从收集到的数据中提取特征集，如步骤B所示。

提取的特征可以包括社会人口特征、健康状况、实验室测试、仪器研究、进展阶段、治疗效率(例如，Kt/V、水合状态、骨代谢标记、贫血标记等)等。这些特征可以作为关于收集到的数据的若干个逻辑函数和数学函数的结果来获得。在任何时候，得出的特征都代表或指示具体的潜在的健康相关的可测量物。建模策略中所采用的操作限定再现了CQI架构，并且能够完全根据医疗保健中的任何CQI程序进行定制。从这些特征来看，与关键性能指标(KPI)定义相一致的特征被认为是易于修改的；所有其他特征被认为是不可修改的。

可选地，该方法可以包括：基于持续质量改进(CQI)架构和关键性能指标(KPI)定义来对操作限定进行定制，如步骤C所示。操作限定是CQI架构和KPI定义的算法规则的总和。例如，操作限定将由下述各者给出：

i)关于CQI的方程、参数、变量、常数，

ii)关于KPI的方程、参数、变量、常数，以及/或者

iii)算法简化，例如，CQI1＝CQI(KPI(数据(t)))->CQI1＝CQI(t)。

CQI架构由基础数据(特征)和KPI的(时间)动态、一个或更多个(时间相关的)参数方程和参数权重来限定，例如，t<t1：CQI＝a*data1(t)+b*KPI1(t)；t>t1：CQI＝c*KPI1(t)。参数和/或参数权重(此处为示例方程中的a、b和c)通常由临床指南限定。

KPI是根据可测量数据/数据特征的子集的算法推导。KPI由输入的数据子集、一个或更多个参数方程以及方程内的某些特征的权重参数限定。如果某些参数无法从基础数据中得出，则可以针对这些参数使用标准预先限定假设。例如，KPI可以限定为KPI＝a*data1+b data2+c，该方程为线性方程，其中，a和b为可测量的参数，并且c为预先限定的参数。

此外，可以在步骤C之前执行preC步骤，以合并CQI/KPI。

可选地，该方法可以包括：获得适用于从数据中提取的特征集以及至少一种类型的健康结果的一个或更多个分析模型，如步骤D所示。

一个或更多个分析模型可以包括指数分布族、指数分布族的导数、贝叶斯网络、人工神经网络和/或非参数方法。非参数方法可以包括决策树、k-最近邻和/或支持向量机。

一个或更多个分析模型可以例如基于模型拟合度量来获得。模型拟合度量反映了模型用于描述从数据中提取的特征的“适用性”。这可以通过数据特征与模型之间在数据范围内(以及超出该数据范围)的偏差来限定。通过限定可接受偏差的阈值来做出认为模型足够合适的“决定”。

此外，一个或更多个分析模型可以例如基于预测模型来获得。当模型超出输入的数据特征的范围时，模型变得具有预测性。预测的偏差与覆盖数据范围的距离成比例。通过限定可接受偏差的阈值来做出关于覆盖数据范围所需的距离的决定。

可选地，该方法可以包括：基于持续质量改进(CQI)结构建立模型架构，如步骤E所示。模型架构由方程组、输入的固定参数和可变参数、可变参数的范围和起始值来限定。方程的类型、变量及其相关性反映了一个或更多个CQI结构的变量及其相关性。模型变量的参数限制可以通过CQI结构来固定。

可选地，该方法可以包括基于获得的一个或更多个分析模型以及模型架构训练n+m个风险模型，其中，n表示至少一种类型的健康结果的数目，并且m表示一个或更多个可修改的风险因素的数目。

通过WO 2019/072692 A1中描述的方法来构建为趋向于以患者为中心的结果的个体级别的模型预测提供信息的参数。建模策略包括：通过可修改的风险因素和不可修改的风险因素同时对一个或更多个以患者为中心的结果(即，死亡率、住院治疗、医疗保健费用、生活质量等)的概率预测、以及对关于所有可修改因素的预期目标实现的并发预测。因此，该方法结合了n+m个并发模型，其中，n表示考虑到的以患者为中心的结果的数目，并且m表示目标CQI程序中考虑到的(例如，对应于KPI的)可修改因素的数目。

可选地，该方法可以包括：在测试集中对n+m个风险模型的校准和准确性进行评估，如步骤G所示。

可选地，该方法可以包括：将一个或更多个分析模型或者n+m个风险模型应用于收集到的数据，以对关于个体患者的至少一种类型的健康结果的预期频次进行预测，如步骤H所示。

可选地，该方法可以包括：应用聚合规则，以将所述计算出的关于个体患者的预期频次转换成关于医疗保健提供单元中的每个医疗保健提供单元的医疗保健提供单元级别的预期频次，如步骤I所示；以及识别一个或更多个风险因素中的每个风险因素对关于多个医疗保健提供单元内或所述多个医疗保健提供单元的基准子集内的医疗保健提供单元中的每个医疗保健提供单元的至少一种类型的健康结果的医疗保健提供单元级别的预期频次的贡献水平，并且基于所识别的贡献水平计算与一个或更多个风险因素相关联的一个或更多个个体级别的影响度量，如步骤J所示。

可选地，该方法可以包括：为多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的每个医疗保健提供单元构建标准人群情景，以基于一个或更多个个体级别的影响度量来估计至少一种类型的健康结果的修改的预期频次，如步骤K所示，如果一个或更多个不可修改的风险因素的分布被固定为在标准人群中观察到的分布，则所述至少一种类型的健康结果的修改的预期频次将是预期的。此外，该方法可以包括：基于将在标准人群中预期的估计出的至少一种类型的健康结果的修改的预期频次，对多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的医疗保健提供单元进行排序。

在实施方式中，该方法可以包括：对与多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的每个医疗保健提供单元的一个或更多个风险因素相关联的一个或更多个个体级别的影响度量进行聚合；以及将所述一个或更多个个体级别的影响度量标准化为关于多个医疗保健提供单元内或所述多个医疗保健提供单元的子集内的每个医疗保健提供单元的医疗保健提供单元级别的影响度量，如步骤440的步骤L所示。

医疗保健提供单元级别可以是与医疗保健提供单元、医疗保健授权单元、区域管理单元、国家医疗保健系统单元等相关联的级别。

可选地，该方法可以包括：识别一个或更多个新的风险因素中的每个新的风险因素对关于多个医疗保健提供单元内的至少一个医疗保健提供单元的至少一种类型的健康结果的预期频次的贡献水平。所述一个或更多个新的风险因素与一个或更多个出现的医疗需求相关联。此外，该方法可以包括：基于对应识别的对至少一种类型的健康结果的预期频次的贡献水平来对出现的医疗需求进行排序，如步骤M所示。

在实施方式中，该方法可以包括：针对一个或更多个可修改的风险因素中的至少一个可修改的风险因素进行以下步骤：限定目标医疗保健提供单元处的至少一种类型的健康结果的目标频次；基于医疗保健提供单元级别的影响度量，计算目标医疗保健提供单元处的患者级别的目标实现概率，如步骤N所示；对患者级别的目标实现概率进行聚合以计算目标医疗保健提供单元处的预期目标实现发生率，如步骤O所示；以及通过将预期目标实现发生率与基于在标准人群中观察到的一个或更多个不可修改的风险因素的分布的发生率进行比较，计算关于目标医疗保健提供单元的预期改善幅度，如步骤P所示。患者级别的目标通过将标准医疗保健单元目标(即，具有不可修改因素的标准分布)标准化为目标医疗保健单元内的患者的不可修改因素来计算。患者级别的目标实现概率是在输入个体患者数据并以目标实现作为结果的情况下的建模预测的结果。

此外，可选地，该方法可以包括：在图形用户界面(GUI)上显示关于目标医疗保健提供单元的至少一个可修改的风险因素的预期改善幅度，如步骤450的步骤Q所示；以及/或者在图形用户界面(GUI)上输出用于处理关于目标医疗保健提供单元的至少一个未满足的医疗需求的引导，如步骤R所示，其中，未满足的医疗需求与至少一个可修改的风险因素的实现不足相关联，已经基于计算出的预期改善幅度发现了关于所述至少一个可修改的风险因素的可执行的改善幅度；以及/或者基于计算出的预期改善幅度，输出关于目标医疗保健提供单元的在至少一种类型的健康结果的持续风险降低方面要修改的一系列特征，如步骤S所示。

在另一实施方式中，该方法由软件通过对数据库、医学治疗和监测装置、计算单元和显示/输入器件的分布式系统的网络连接部件(参见例如图1至图3)的各个步骤的执行进行控制来执行。合适的数据库包括医疗健康记录、诊所/地区/(国际)国家的患者数据库、医学文献登记等。在治疗装置的情况下，例如，联网的透析机以及呼吸机或输注装置是特别合适的。监测装置可以作为治疗装置的一部分来实现，或者可以例如作为临床的“仪表板”单独地实现。另外，显示/输入器件可以是其他系统组成部分的部分——例如为治疗装置的操作屏幕——或者在单独的用户装置例如平板电脑/智能手机中实现。

在另一实施方式中，该方法的步骤在云平台中执行，并且能够经由云平台的网络浏览器界面实现用户交互(输入/输出)。然后，用户装置全部是常见的支持网络的装置。

图5为示出了将附加的数据/风险模型整合到可用系统中的示例的流程图。

将附加的数据/风险模型整合到可用系统中可能影响可用风险模型的参数(和所产生的风险概率)。可以从可用数据中推断出关于新整合的数据的缺失的数据部分。新整合的风险模型可能受到现有的可用风险模型和基础数据的影响，并且现有的可用风险模型和基础数据可能受到新整合的风险模型的影响。

如图5所示，根据适于预测(512、522、532)某些风险概率的风险模型的架构和参数配置，生成(510、520、530)单独的风险模型。所产生的风险预测的组合可以用于计算(514、524、534)某个健康结果。从一个输入数据集(例如，输入数据1)获得的风险模型配置可以用于(540)不作为配置过程(510)的基础的其他输入数据(例如，输入数据2)，以省略重复的配置过程(例如，如520所示的过程)。对于足够的一组输入数据1、2，所产生的风险模型1、2可以足以构建(550)反映任何输入数据N的任何风险模型N，而无需执行附加的模型配置步骤(530)。对于具有相互依赖性的某些风险概率，可以从风险1概率中得出风险2概率(542)。对于足够的一组输入数据1、2，所产生的风险1概率、风险2概率可以足以得出(552)反映任何输入数据N的任何风险N概率，而无需执行附加的概率预测步骤(552)。

图6为示出了相对于基准对新整合的医疗保健单元/诊所进行分析的示例的流程图。

新整合的医疗保健单元/诊所相对于基于已经整合的医疗保健单元数据的基准进行分析，但是可以(可选地)对基准(和该方法中所使用的模型)做出贡献；即，该方法的模型通过附加的数据源进行发展。

如图6所示，在该方法内采用(610)特定诊所A的输入数据1、2、N(A)以及可选的关于特征和风险的基准的贡献，以产生关于特定诊所A的健康结果概率(650)、改善幅度(660)和建议(670)的结果。通过在方法内采用(640)另一医疗保健单元B的数据产生与诊所B相对应的结果来进行具有相应的输入数据1、2、N(B)的所述另一医疗保健单元B的整合。另外，诊所B的输入数据可以可选地贡献(630)于基准值。根据诊所B的新整合的数据是否贡献(630)于基准值，这可能导致关于诊所A的不同结果。根据新整合的数据是否贡献(630)于基准值，这也可能导致关于诊所B的不同结果。

输出显示在图形用户界面(GUI)上，例如显示在屏幕上以引导用户。例如，GUI显示以下信息：

·对于单个诊所/诊所的地区/用于诊所的基准：标准化的健康结果风险评分；

·诊所中的风险因素：相对于基准的当前的风险因素和目标风险因素；

·诊所中的风险因素的分布：观察到的风险因素的分布与预测的风险因素的分布；

·风险因素和结果的相关性以及与其他诊所、地区、基准的对比；

·上述内容随着时间的推移的发展->质量改进(关于质量改进的证据)；

·比较中最佳的诊所->关于最佳诊所实践的示例。

图7示出了诊所因素与健康风险之间的关系的示意性概图，其中，MR＝死亡风险，CF＝诊所因素，ΔCF、ΔMR＝与基准的差异。

数据和计算出的(元)指数(诊所因素/KPI、风险因素、基准)由流和强度来显示，其中，对指数总量的贡献对应于流箭头的粗细。此外，流和箭头可以以不同的颜色示出。

如图7所示，不同来源和/或类型的输入数据1、2、3、4、5可以不同地组合以贡献(710、720、730)于某些诊所因素，其中，当前诊所因素1、2、3相对于基准值1、2、3具有相应的所产生的偏差ΔCF1、ΔCF2、ΔCF3。此外，不同的贡献(710、720、730)可以以不同的颜色显示(即，用于贡献710、720、730的对应的流和箭头可以分别以不同的颜色显示)。

某些诊所因素1、2、3对某些风险因素1、2、3的贡献(740、742、744、746、748、750、752)可以具有不同的组合和强度。此外，用于贡献740、742、744、746、748、750、752的对应的流和箭头可以以不同的颜色显示。例如，与“诊所因素1”相关的贡献740、746和752可以以第一颜色显示；与“诊所因素2”相关的贡献744和750可以以第二颜色显示；并且与“诊所因素3”相关的贡献742和748可以以第三颜色显示。

健康结果概率——此处为死亡风险——由具有不同的相应贡献(760)的若干个相应的风险因素产生。可以计算诊所因素在风险因素级别与基准值的偏差(ΔCF1、ΔCF2、ΔCF3)以及在健康结果概率级别与基准值的偏差(ΔMR)。

对于显示建议的基础具有不同的选项。图8示出了第一选项的示例，其中，建议通过(贡献的诊所因素的)改善幅度来显示。图9示出了第二选项的示例，其中，建议通过贡献的程度以及贡献和幅度的叠加来显示。

如图8所示，在某个第一阶段1(810)，由可选择的基准(830)限定的关于健康结果的改善幅度ΔMR与关于诊所因素的改善幅度ΔCF1、ΔCF2、ΔCF3一起显示。建议对具有最大改善幅度ΔCF3的CF3进行处理。在某个第二阶段2(820)，例如，在对早期阶段1的建议因素进行处理之后，ΔMR减小，并且建议变为具有最大改善幅度ΔCF1的不同的因素CF1。

如图9所示，在某个第一阶段1(910)，由可选择的基准(930)限定的关于健康结果的改善幅度ΔMR与关于诊所因素的改善幅度ΔCF1、ΔCF2、ΔCF3及其对健康结果的相应贡献912、914、916一起显示。与图7类似，贡献912、914、916可以用不同的颜色和粗细来显示。

CF3示出了最大的改善幅度ΔCF3，即70％。但是CF 2示出了对健康结果的最大贡献(914)，即贡献914的流显示为比贡献912和916的流粗。因此，建议对CF2进行处理。在某个第二阶段2(920)，例如，在对早期阶段1的建议因素进行处理之后，ΔMR减小，并且建议变为对健康结果具有最大贡献(922)的不同的因素CF1。

图10示出了根据(可选择的)建议基础的结果的比较。如图10所示，建议结果(1020)根据(可选择的)建议基础(1032、1042、1052)示出。建议的基础可以被选择成包括诊所因素CF1、CF2、CF3与依赖的健康结果之间的关系(1010)的不同方面。一个建议基础可以是关于诊所因素CF3的改善幅度ΔCF3(1030)，从而产生关于通过诊所因素的各自的改善幅度来处理诊所因素的建议(1032)。另一个建议基础可以是诊所因素CF2对健康结果的贡献(1014)，从而产生关于通过诊所因素的各自的贡献来处理诊所因素的建议(1042)。又一个建议基础可以是诊所因素CF1、CF2、CF3的贡献(1012、1014、1016)和诊所因素的各自的改善幅度ΔCF1、ΔCF2、ΔCF3的组合，从而产生关于通过反映预期影响的标准来处理诊所因素的建议(1052)。与图7类似，贡献1012、1014、1016可以用不同的颜色和粗细来显示。

图11示出了根据(可选择的)基准组的建议结果的比较。健康结果——此处为死亡风险——可以与不同的基准组(1110)、例如与平均基准或者与在可比较的单元组中表现最佳的医疗保健单元进行比较。关于根据建议基础(改善幅度、贡献、改善幅度和贡献的组合)处理某些诊所因素CF1、CF2、CF3的建议(1120、1130)是不同的，这取决于所选择的基准组和/或所产生的关于健康结果的改善幅度ΔMR1(1120)、ΔMR2(1130)。

图12示出了每个图形显示的第一示例性建议。如图12所示，GUI通过显示建议和推理示出了持续的用户引导，为此：

-显示的界面适于向用户提供更多的信息，而不“仅仅”是呈现信息；并且

-动态元素适应当前情况，以改善用户的界面和显示的信息。

如图12所示，将特定的当前医疗保健单元的特定健康结果——此处为死亡率——与不同的基准健康结果(1210)进行比较，以得出与相应的基准相比的改善幅度ΔMR。该建议通过下述各者显示在动态GUI(1220、1230)中：与特定诊所的健康结果相对应的相应的图形元素、与基准值相对应的元素、与贡献于健康结果的风险因素相对应的元素、以及与贡献的诊所因素相对应的元素。这些元素优选地以圆形设置布置，其中，当前健康结果和基准健康结果的半径与它们的数值成比例，并且特别地它们的半径之间的差异与改善幅度ΔMR成比例。贡献的风险因素和诊所因素围绕健康结果布置，其中，贡献的风险因素和诊所因素的圆形区段面积与它们对健康结果的相应贡献的程度成比例。要处理的诊所因素、例如最适于改善健康结果的诊所因素的建议通过将与诊所因素对应的圆形区段(1230)突出显示、例如通过框选对应的区段(参见用虚线额外框选的右上方部段的边界)来显示。这种框选可以通过任何其他突出显示线代替虚线来完成。所描述的通过GUI的建议是动态的，因为该建议适应当前的诊所数据和用户选择，并且用户能够对健康结果与风险因素/诊所因素之间的关系以及处理某些因素的预期影响进行评估。因此，所显示的建议在基础推理的动态方面是透明的。

图13示出了每个图形显示的第二示例性建议。如图13所示，GUI示出了诊所因素的进展、所产生的死亡风险的改善以及变化的建议。

如图13所示，建议将在当前诊所状态下最好进行处理的诊所因素突出显示(1310)。对建议因素的修改导致健康结果的改善(1320)，即，与基准值相比改善幅度减小。GUI的与当前健康结果对应的圆形元素的半径和与基准值对应的圆形元素的半径彼此接近，并且最适于在改变的诊所状态中处理的可能的其他诊所因素被突出显示。如果没有剩余的改善幅度，则不显示建议(1330)。

图14示出了每个图形显示的第三示例性建议。

如图14所示，GUI元素根据建议的修改的诊所因素而进展(1410、1420)。当前的诊所健康结果接近基准值(1414)。这种改善相应地改变诊所因素的影响，并且所产生的建议发生改变(1412)。在当前诊所健康结果进一步改善(1424)并且变得优于基准值(1430)时，建议发生改变(1422)以突出显示过度执行的因素，即可以减小而不会对健康结果产生负面影响的因素。替代性地，例如通过用户选择，基准值被改变为具有正改善幅度的基准组。

应当理解，本文所描述的各种机器实现的过程和步骤的执行可以通过一个或更多个相应的处理器借助于存储在有形的非暂时性计算机可读介质上的处理器可执行指令的执行来发生，所述非暂时性计算机可读介质比如为随机存取存储器(RAM)、只读存储器(ROM)、可编程只读存储器(PROM)和/或另一种电子存储机构。因此，例如，本文所讨论的由医疗装置、医疗系统或其他装置执行的操作可以根据存储在一个或更多个相应的计算装置上的指令以及/或者安装在一个或更多个相应的计算装置上的应用程序来执行。

尽管在附图和前述描述中详细地图示和描述了本发明，但是这样的图示和描述被认为是说明性或示例性的，而不是限制性的。应当理解，普通技术人员可以在所附权利要求的范围内进行改变和修改。特别地，本发明涵盖了具有来自上文和下文所描述的不同实施方式的特征的任意组合的其他实施方式。另外，本文中做出的表征本发明的陈述涉及本发明的实施方式，但不一定是所有实施方式。

尽管在附图和前述描述中详细地图示和描述了本发明，但是这样的图示和描述被认为是说明性或示例性的，而不是限制性的。应当理解，普通技术人员可以在所附权利要求的范围内进行改变和修改。特别地，本发明涵盖了具有来自上文和下文所描述的不同实施方式的特征的任意组合的其他实施方式。另外，本文中做出的表征本发明的陈述涉及本发明的实施方式，但不一定是所有实施方式。

Claims (22)

1.一种系统(300)，包括：

多个医疗保健提供单元(100；302)；

多个网关(310)，所述多个网关(310)与多个所述医疗保健提供单元(100；302)进行通信；以及

处理系统(330)；

其中，多个所述医疗保健提供单元(100；302)包括治疗系统(100；200)，所述治疗系统(100；200)被配置成：

对与多个所述医疗保健提供单元(100；302)相关联的相应的患者进行治疗；

获得与所述相应的患者相关联的数据，所述数据包括治疗相关的数据；并且

将获得的所述数据经由所述多个网关(310)和通信网络发送至所述处理系统(330)；

其中，所述处理系统(330)被配置成：

接收与所述相应的患者相关联的所述数据；

基于接收到的所述数据，针对所述相应的患者计算至少一种类型的健康结果的预期频次；并且

将计算出的关于所述相应的患者的所述至少一种类型的健康结果的预期频次归纳为一个或更多个个体级别的影响度量，所述一个或更多个个体级别的影响度量与关于所述至少一种类型的健康结果的风险因素相关联，其中，所述风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。

2.根据权利要求1所述的系统，其中，多个所述医疗保健提供单元(100；302)的所述治疗系统(100；200)包括一个或更多个透析机。

3.一种用于对与多个医疗保健提供单元(100；302)相关的数据进行分析的计算机实现的方法，所述方法包括：

从与多个所述医疗保健提供单元(100；302)相关的不同数据源收集(410)数据；

基于收集到的所述数据，针对与多个所述医疗保健提供单元(100；302)相关联的相应的患者计算(420)至少一种类型的健康结果的预期频次；以及

将计算出的关于所述相应的患者的所述至少一种类型的健康结果的预期频次归纳(430)为一个或更多个个体级别的影响度量，所述一个或更多个个体级别的影响度量与关于所述至少一种类型的健康结果的风险因素相关联，其中，所述风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。

4.根据权利要求3所述的方法，其中，从所述不同数据源收集(410)所述数据包括对来自所述不同数据源的所述数据进行合并(A)。

5.根据权利要求4所述的方法，还包括：

从来自所述不同数据源的所述数据中提取(B)特征集。

6.根据权利要求3所述的方法，其中，计算(420)所述至少一种类型的健康结果的预期频次包括：

获得(D)关于从所述数据中提取的特征集以及所述至少一种类型的健康结果的一个或更多个分析模型。

7.根据权利要求6所述的方法，其中，所述一个或更多个分析模型包括指数分布族、指数分布族的导数、贝叶斯网络、人工神经网络和/或非参数方法。

8.根据权利要求7所述的方法，其中，所述非参数方法包括使用决策树、k-最近邻和/或支持向量机。

9.根据权利要求6所述的方法，还包括：

基于持续质量改进CQI结构建立(E)模型架构。

10.根据权利要求9所述的方法，还包括：

基于获得的所述一个或更多个分析模型和所述模型架构训练(F)n+m个风险模型，其中，n表示所述至少一种类型的健康结果的数目，并且m表示所述一个或更多个可修改的风险因素的数目。

11.根据权利要求10所述的方法，还包括：

在测试集中对n+m个所述风险模型的校准和准确性进行评估(G)。

12.根据权利要求10所述的方法，还包括：

基于新配置的模型架构和模型参数对所述风险模型进行调整。

13.根据权利要求6所述的方法，还包括：

将所述一个或更多个分析模型应用(H)于收集到的所述数据以计算关于所述相应的患者的所述至少一种类型的健康结果的预期频次。

14.根据权利要求3所述的方法，其中，对计算出的关于所述相应的患者的所述至少一种类型的健康结果的预期频次进行归纳(430)包括：

应用(I)聚合规则，以将计算出的关于所述相应的患者的所述预期频次转换成关于所述医疗保健提供单元(100；302)中的每个医疗保健提供单元的医疗保健提供单元级别的预期频次；

识别(J)所述风险因素中的每个风险因素对关于多个所述医疗保健提供单元(100；302)内或多个所述医疗保健提供单元(100；302)的基准子集内的所述医疗保健提供单元(100；302)中的每个医疗保健提供单元的所述至少一种类型的健康结果的所述医疗保健提供单元级别的预期频次的贡献水平；以及

基于识别出的所述贡献水平计算与所述风险因素相关联的所述一个或更多个个体级别的影响度量。

15.根据权利要求14所述的方法，还包括：

为多个所述医疗保健提供单元(100；302)内或多个所述医疗保健提供单元(100；302)的子集内的每个医疗保健提供单元(100；302)构建(K)标准人群情景，以基于所述一个或更多个个体级别的影响度量来估计所述至少一种类型的健康结果的修改的预期频次，在所述一个或更多个不可修改的风险因素的分布被固定为在所述标准人群中观察到的分布的情况下，所述至少一种类型的健康结果的修改的预期频次将是预期的。

16.根据权利要求15所述的方法，其中，所述方法还包括：

基于将在所述标准人群中预期的估计出的所述至少一种类型的健康结果的修改的预期频次，对多个所述医疗保健提供单元(100；302)内或多个所述医疗保健提供单元(100；302)的子集内的所述医疗保健提供单元(100；302)进行排序。

17.根据权利要求3所述的方法，还包括：

对与关于多个所述医疗保健提供单元(100；302)内或多个所述医疗保健提供单元(100；302)的子集内的每个医疗保健提供单元(100；302)的一个或更多个所述风险因素相关联的所述一个或更多个个体级别的影响度量进行聚合(L)；以及

将所述一个或更多个个体级别的影响度量标准化(L)为关于多个所述医疗保健提供单元(100；302)内或多个所述医疗保健提供单元(100；302)的子集内的每个医疗保健提供单元(100；302)的医疗保健提供单元级别的影响度量。

18.根据权利要求3所述的方法，还包括：

识别一个或更多个新的风险因素中的每个新的风险因素对关于多个所述医疗保健提供单元(100；302)内的至少一个医疗保健提供单元(100；302)的所述至少一种类型的健康结果的预期频次的贡献水平，其中，所述一个或更多个新的风险因素与一个或更多个出现的医疗需求相关联。

19.根据权利要求18所述的方法，还包括：

基于对应识别的对所述至少一种类型的健康结果的预期频次的所述贡献水平，对所述一个或更多个出现的医疗需求进行排序(M)。

20.根据权利要求18所述的方法，还包括针对所述一个或更多个可修改的风险因素中的至少一个可修改的风险因素进行以下步骤：

限定目标医疗保健提供单元(100；302)处的所述至少一种类型的健康结果的目标频次；

基于所述医疗保健提供单元级别的影响度量，计算(N)所述目标医疗保健提供单元(100；302)处的患者级别的目标实现概率；

对所述患者级别的目标实现概率进行聚合(O)，以计算所述目标医疗保健提供单元(100；302)处的预期目标实现发生率；以及

通过将所述预期目标实现发生率与基于在标准人群中观察到的所述一个或更多个不可修改的风险因素的分布的发生率进行比较，计算(P)关于所述目标医疗保健提供单元(100；302)的预期改善幅度。

21.根据权利要求20所述的方法，还包括：

在图形用户界面GUI上显示(Q)关于所述目标医疗保健提供单元(100；302)的所述至少一个可修改的风险因素的预期改善幅度；以及/或者

在所述图形用户界面上显示(R)用于处理关于所述目标医疗保健提供单元(100；302)的至少一个未满足的医疗需求的引导，其中，所述未满足的医疗需求与所述至少一个可修改的风险因素的实现不足相关联，已经基于计算出的所述预期改善幅度发现了关于所述至少一个可修改的风险因素的可执行的改善幅度；以及/或者

基于计算出的所述预期改善幅度，在所述图形用户界面上显示(S)关于所述目标医疗保健提供单元(100；302)的在所述至少一种类型的健康结果的连续风险降低方面要修改的一系列特征。

22.一种或更多种非暂时性计算机可读介质，所述一种或更多种非暂时性计算机可读介质具有存储在所述一种或更多种非暂时性计算机可读介质上的用于对与多个医疗保健提供单元(100；302)相关的数据进行分析的处理器可执行的指令，其中，所述处理器可执行的指令在被执行时有助于：

从与多个所述医疗保健提供单元(100；302)相关的不同数据源收集(410)数据；

基于收集到的所述数据，针对与多个所述医疗保健提供单元(100；302)相关联的相应的患者计算(420)至少一种类型的健康结果的预期频次；以及

将计算出的关于所述相应的患者的所述至少一种类型的健康结果的预期频次归纳(430)为一个或更多个个体级别的影响度量，所述一个或更多个个体级别的影响度量与关于所述至少一种类型的健康结果的风险因素相关联，其中，所述风险因素包括一个或更多个可修改的风险因素以及一个或更多个不可修改的风险因素。