CN118140270A - 用于减少医疗数据库管理中的冗余的可互操作平台 - Google Patents
用于减少医疗数据库管理中的冗余的可互操作平台 Download PDFInfo
- Publication number
- CN118140270A CN118140270A CN202280009993.1A CN202280009993A CN118140270A CN 118140270 A CN118140270 A CN 118140270A CN 202280009993 A CN202280009993 A CN 202280009993A CN 118140270 A CN118140270 A CN 118140270A
- Authority
- CN
- China
- Prior art keywords
- patient
- data
- specific
- edc
- electronic
- 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
- 238000013523 data management Methods 0.000 claims abstract description 86
- 230000036541 health Effects 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000007726 management method Methods 0.000 claims abstract description 52
- 238000013481 data capture Methods 0.000 claims abstract description 43
- 238000013507 mapping Methods 0.000 claims abstract description 22
- 230000015654 memory Effects 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 6
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims 1
- 239000003814 drug Substances 0.000 description 19
- 229940079593 drug Drugs 0.000 description 19
- 238000013467 fragmentation Methods 0.000 description 10
- 238000006062 fragmentation reaction Methods 0.000 description 10
- 238000009533 lab test Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 9
- WCIDIJQCEUODDY-UHFFFAOYSA-N chloro(dimethyl)sulfanium Chemical compound C[S+](C)Cl WCIDIJQCEUODDY-UHFFFAOYSA-N 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 201000010099 disease Diseases 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 238000013479 data entry Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000009534 blood test Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000002483 medication Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 230000002459 sustained effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000003560 cancer drug Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000005291 magnetic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Library & Information Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
公开了用于减少医疗数据库管理中的冗余的系统和方法。示例系统可以包括通信地链接到与以下各项的每个相关联的用户接口的应用程序接口:多个医院信息系统、与多个医院信息系统中的每个相关联的多个源设备、以及多个电子数据管理系统。系统还可以包括映射模块,其被配置成在每个系统组件使用的患者特异性数据表单之间映射词法标记。可以由具有一个或多个处理器的计算设备执行的示例方法可以包括从源设备接收患者特异性健康数据;为患者生成对患者特异性电子健康记录(EHR)的更新;生成与患者相关联的患者特异性电子数据捕获(EDC)数据;并且用患者特异性EDC数据来更新电子数据管理系统。
Description
相关申请
本申请要求于2021年7月13日提交的美国专利申请17/374,223的优先权和权益,其全部内容通过引用并入本文。
背景技术
在医院、药房和/或经由医疗设备获得的患者特异性医疗数据常常被各种不同的电子数据库系统和服务器所依赖并且用于各种最终目标。例如,用于克服流行疾病的临床研究、开发和试验通常涉及大规模捕获患者特异性数据。不幸的是,这种患者特异性数据捕获通常发生在碎片化的孤岛和/或不同的设置中,这导致数据输入的不一致。此外,在不同设置处捕获的患者特异性数据通常由不同的平台和供应商管理,这些平台和供应商可能会基于其各自的最终目标使用不同的标准来录入医疗数据。对于针对临床试验研究、计费和报销或医疗记录保存而捕获的患者特异性数据,此类标准(例如,用于录入医疗数据的格式或语法、所需数据字段、隐私或加密级别等)通常可能有所不同。因此,相同的患者特异性数据可能需要在不同的电子数据捕获系统处重新录入、重新格式化和/或细化以实现不同的最终目标。例如,为了记录保存、计费和用于报销目的索赔表、以及用于临床试验的电子数据捕获系统的目的,可能需要将有关患者发烧的详细信息录入到电子医疗记录中。医疗数据捕获中的这种碎片化通常会导致临床数据生成效率低下、临床数据质量不佳以及在研究、开发和医疗保健提供上的成本上升。因此,期望无缝地捕获和传输患者特异性数据,该数据可以由多个医疗数据捕获系统使用单个数据捕获来利用。
本文提出了解决这些缺点中的一个或多个缺点的各种实施例。
发明内容
本公开提供了用于减少医疗数据库管理中的冗余的新的和创新的系统和方法。在示例中,一种由具有一个或多个处理器的计算设备执行的方法可以包括对于多个医院信息系统中的每个、对于与多个医院信息系统相关联的多个源设备中的每个、以及对于多个患者中的每个执行以下步骤中的一个或多个:从与给定医院信息系统相关联的给定源设备接收给定患者的患者特异性健康数据;基于患者特异性健康数据,生成对给定患者的患者特异性电子健康记录(EHR)的更新;以及,基于患者特异性EHR来生成与给定患者相关联的患者特异性电子数据捕获(EDC)数据。在一些方面,可以通过映射模块来从患者特异性数据(例如,EHR)的另一种表单生成患者特异性数据(例如,EDC数据)的一种表单,该映射模块将原始表单的结构、格式、类型以及首选语言映射到新表单。例如,可以在与给定医院信息系统相关联的词典和与第一电子数据管理系统相关联的词典之间映射词法标记。
方法还可包括在多个电子数据管理系统的第一电子数据管理系统中聚合与多个患者相关联的多个患者特异性EDC数据。在一些方面,可以根据前述步骤的一次或多次迭代来生成多个患者特异性EDC数据。以预定刷新间隔,多个电子数据管理系统中的每个可以被更新和/或同步以存储与多个患者相关联的多个患者特异性EDC数据。
在一些方面,多个电子数据管理系统中的每个的更新和/或同步可以包括:从第二电子数据管理系统接收对多个患者中的患者的患者特异性EDC数据的更新;然后,在预定刷新间隔的下一次出现时,并且基于对患者的患者特异性EDC数据的更新,更新在多个电子数据管理系统的其余电子数据管理系统处的多个患者特异性EDC数据。
方法还可以包括基于与多个患者特异性EDC数据的子集相关联的第一标签来识别用于多个患者特异性EDC数据的子集的目的地系统。然后可以将多个患者特异性EDC数据的子集发送到目的地系统。此外,目的地系统可以包括例如多个医院信息系统中的另一个医院信息系统、或者多个电子数据管理系统中的第二电子数据管理系统。
在示例中,公开了一种用于减少医疗数据库管理中的冗余的系统。系统可以包括应用程序接口(API),其用于减少医疗数据库管理中的冗余并且可通信地链接到与以下各项的每个相关联的用户接口:多个医院信息系统、与多个医院信息系统中的每个相关联的多个源设备和多个电子数据管理系统。系统还可以包括映射模块,其被配置成在多个源设备、多个医院信息系统和多个电子数据管理系统之间映射词法标记。系统还可包括存储器和与该存储器通信的一个或多个处理器。存储器可以存储指令,当指令由一个或多个处理器执行时,可以使处理器对于多个医院信息系统中的每个、对于与多个医院信息系统相关联的多个源设备中的每个、以及对于多个患者中的每个执行以下步骤中的一个或多个:从与给定医院信息系统相关联的给定源设备接收给定患者的患者特异性健康数据;基于患者特异性健康数据并且使用映射模块来生成对于给定患者的患者特异性电子健康记录(EHR)的更新;以及,使用映射模块并且基于患者特异性EHR来生成与给定患者相关联的患者特异性电子数据捕获(EDC)数据。
当被执行时,指令还可以使处理器在多个电子数据管理系统中的第一电子数据管理系统中聚合与多个患者相关联的多个患者特异性EDC数据。在一些方面,可以根据前述步骤的一次或多次迭代来生成多个患者特异性EDC数据。以预定刷新间隔,多个电子数据管理系统中的每个可以被更新和/或同步以存储与多个患者相关联的多个患者特异性EDC数据。
在示例中,公开了一种在计算机系统上使用的非暂时性计算机可读介质。非暂时性计算机可读介质可以包含计算机可执行编程指令,其可以使处理器执行用于减少医疗数据库管理中的冗余的方法。方法可以包括对于多个医院信息系统中的每个、对于与多个医院信息系统相关联的多个源设备中的每个、以及对于多个患者中的每个来执行以下各项步骤:从与给定医院信息系统相关联的给定源设备接收给定患者的患者特异性健康数据;基于患者特异性健康数据来生成对给定患者的患者特异性电子健康记录(EHR)的更新;以及,基于患者特异性EHR来生成与给定患者相关联的患者特异性电子数据捕获(EDC)数据。
方法还可以包括:基于针对多个患者中的每个生成的患者特异性EDC数据,向多个电子数据管理系统中的第一电子数据管理系统发送与多个患者相关联的多个患者特异性EDC数据;以预定刷新间隔并且使用第一电子数据管理系统来更新多个电子数据管理系统中的每个,以存储与多个患者相关联的多个患者特异性EDC数据;基于与多个患者特异性EDC数据的子集相关联的第一标签,识别用于多个患者特异性EDC数据的子集的目的地系统;以及,向目的地系统发送多个患者特异性EDC数据的子集,其中,目的地系统包括以下各项的一个或多个:(1)多个医院信息系统中的另一个医院信息系统,或(2)多个电子数据管理系统的第二电子数据管理系统。
所公开的方法和装置的附加特征和优点在以下详细描述和附图中被描述并且将从以下详细描述和附图中变得显而易见。本文描述的特征和优点并不包括全部,并且特别地,根据附图和描述,许多附加特征和优点对于本领域普通技术人员来说将是显而易见的。此外,应当注意的是,本说明书中使用的语言主要是出于可读性和指导目的而选择的,而不是限制本发明主题的范围。
附图说明
图1图示了包括用于捕获和使用医疗数据以及添加用于减少医疗数据库管理中的冗余的可互操作平台的碎片化系统的示例计算机网络环境的框图。
图2图示了根据本公开的示例实施例的用于使用可互操作平台来减少医疗数据库管理中的冗余的示例计算机网络环境的框图。
图3图示了示出所捕获的患者特异性数据中的不一致的碎片化数据捕获界面的示例。
图4图示了示出根据本公开的示例实施例的可互操作平台如何减少医疗数据捕获中的冗余的流程图。
图5图示了根据本公开的示例实施例的减少医疗数据库管理中的冗余的示例方法的流程图。
图6图示了根据本公开的示例实施例的使用用于减少医疗数据库管理中的冗余的可互操作平台来中继患者特异性数据的示例方法的流程图。
图7图示了根据本公开的示例实施例的使用用于减少医疗数据库管理中的冗余的可互操作平台来中继涉及药物的患者特异性数据的示例方法的流程图。
图8图示了根据本公开的示例实施例的使用用于减少医疗数据库管理中的冗余的可互操作平台来中继临床试验数据的示例方法的流程图。
具体实施方式
在医院、药房、测试设施和/或家庭中例如经由医疗设备获得的患者特异性医疗数据通常被各种不同的电子数据库系统和服务器所依赖并且用于各种最终目标。不幸的是,这种患者特异性数据捕获可能缺乏协调或标准化,并且经常发生在碎片化的孤岛中。因此,用于患者特异性数据捕获的传统方法和系统常常导致数据输入的不一致。此外,在不同设置下捕获的患者特异性数据通常由不同的平台和供应商管理。每个平台或供应商可能会基于其各自的最终目标使用不同的标准来录入医疗数据。例如,针对临床试验研究、计费和报销或医疗记录保存而捕获的患者特异性数据,此类标准(例如,用于录入医疗数据的格式或语法、所需数据字段、隐私或加密级别等)通常可能有所不同。因此,相同的患者特异性数据可能需要在不同的电子数据捕获系统处重新录入、重新格式化和/或细化以实现不同的最终目标。医疗数据捕获中的这种碎片化通常会导致临床数据生成效率低下、临床数据质量不佳以及研究、开发和医疗保健提供成本上升。
医疗数据捕获站点和数据库的不一致可能是医疗保健和研究的主要负担。例如,录入到电子系统的错误患者数据可能会危及患者安全并且可能涉及医疗责任索赔。传统的患者特异性医疗数据捕获的碎片化和重复性性质通常会导致医务人员忍受更多的屏幕时间和更少的面对面时间,这可能是医护人员压力和倦怠的主要原因。此外,医疗数据捕获站点通常不能充分地提高对正在进行的临床研究的认识,或向公众提供对正在进行的临床研究的访问,这常常导致很大一部分医疗数据捕获站点无法招募单个患者。例如,全球绝大多数符合条件的癌症患者往往无法参与用于开发基本癌症药物的临床试验。此外,质量差的医疗数据和用于捕获医疗数据的手动冗余流程(这两者都能够通过优化技术来缓解)通常会导致医疗保健和研究成本上升。如本文将讨论的,描述了用于减少医疗数据库管理中的冗余的系统和方法的各种实施例。
患者特异性数据可以以多种表单呈现。例如,患者特异性数据可以包括但不限于患者特异性原始数据(例如,在患者护理点处从源设备接收的非结构化和/或未编码数据)、患者特异性数据电子健康记录(EHR)和患者特异性电子数据捕获(EDC)数据(例如,呈现给临床试验场所)。如本文所使用的,表单可以指用于由特定计算系统(例如,医院信息系统、临床试验管理系统、财务和计费计算系统等)对于患者特异性数据的期望或所需呈现的数据字段的结构、格式和类型。表单还可以包括用于在那些数据字段中数据录入的期望或所需的语言或词汇。本文提出的系统和方法讨论将患者特异性数据从早期表单(例如,患者特异性原始数据)转换或转译为目的地系统所需的新表单。如本文所使用的,转译或转换可以包括将患者特异性数据的呈现从先前表单变换为新表单,包括将患者特异性数据从先前表单的数据字段的结构、格式和类型转移到新表单的数据字段的结构、格式和类型;以及在患者特异性数据中使用的术语的语言或词汇的任何变化。
网络环境中用于医疗数据库管理的计算系统
图1图示了包括用于捕获和使用医疗数据以及添加用于减少医疗数据库管理中的冗余的可互操作平台的碎片化系统的示例计算机网络环境100的框图。碎片化系统可以包括一个或多个源设备102、一个或多个医院信息系统108、一个或多个前端电子数据捕获(EDC)系统124、一个或多个后端电子数据捕获(EDC)服务器136、一个或多个临床数据管理系统140、一个或多个临床试验管理系统(CTMS)146、基于风险的监控系统154、交互式语音应答系统156和财务系统158。网络环境100的每个系统可以经由通信网络与一个或多个其余系统通信。图1还图示了用于减少医疗数据库管理中的冗余的可互操作平台的服务器(例如,前端可互操作捕获系统(FICS)服务器160)。FICS服务器160可以被添加(例如,以虚线所示的添加)到包括用于捕获和使用医疗数据的碎片化系统的网络,以便减少医疗数据库管理中的冗余。如将结合图2进一步讨论的,FICS服务器160可以通过经由上述碎片化系统更有效地管理患者特异性数据流来帮助消除医疗数据库管理中的冗余。此外,图2将更详细地描述FICS服务器160的组件以及将FICS服务器160添加到碎片化系统的网络环境如何改变碎片化系统的关系。
源设备102可以包括独立的或便携式计算设备(例如,移动设备、个人数字助理、膝上型计算机、平板计算机、智能相机等),其具有本文描述的子组件中的一个或多个以允许用户(例如,医务人员、患者、看护者等)获得患者特异性医疗数据的测量数据和/或输入患者特异性医疗数据。每个源设备102可以包括用户接口106以用于允许用户录入患者特异性数据来例如作为患者特异性原始数据。在一些方面(例如,在源设备是可穿戴医疗设备和/或医疗仪器的情况下),源设备可以包括一个或多个传感器104以用于获得包括患者特异性原始数据的测量结果。例如,传感器104可以包括用于获得患者体温的温度计、用于获得患者血压的血压计、用于获得患者血糖水平的血糖仪等。
医院信息系统108可以包括一个或多个计算系统,其促进患者特异性数据的导入以及患者特异性电子健康记录(EHR)112在数据库(例如,患者数据库110)中的存储。医院信息系统108可以包括但不限于药房信息系统114、放射学信息系统116、病理学信息系统118、实验室信息系统120和其他健康信息系统122。
前端EDC系统124包括一个或多个计算系统,其允许用户(例如,医务人员、研究人员、科学家等)录入、访问和/或分析例如在临床试验、临床数据管理、基于风险的监控或财务和计费中使用的电子患者特异性数据。前端EDC系统124可以包括面向用户的界面(例如,EDC界面126),其能够接收要录入以存储在后端EDC服务器136中的电子患者特异性数据。EDC界面126可以包括例如用户接口、输入输出模块、显示器以及允许数据的录入的其他功能性。前端EDC系统124可以包括查询引擎128,其可以包括软件、程序、模块和/或插件,其允许用户搜索特定患者特异性EDC数据,并且接收查询结果(例如,对问题的答案、搜索结果、特定EDC数据或文件的位置等)。分析界面130可以允许用户分析例如以音频、视觉和/或文本形式存储在后端EDC服务器136中的患者特异性EDC数据的结果、趋势、预测和/或比较。
后端EDC服务器136可以包括用于将患者特异性EDC数据存储在一个或多个数据库(例如EDC储存库138)中的一台或多台服务器。例如,EDC储存库138可以由前端EDC系统124更新和/或访问。在一些方面,网络环境100的其他计算系统(例如,CDMS 140、CTMS 146、基于风险的监控系统154、IVR系统156和财务系统158)可以访问、更新和/或检索、和/或复制存储在后端服务器136中的EDC数据。这些其他计算系统可以包括也存储EDC数据的子集的单独数据库,该EDC数据的子集存储在后端EDC服务器136中。在一些方面,后端EDC服务器136可以远离前端EDC系统124。通过其与前端EDC系统124的关联,后端EDC服务器136可以包括电子数据管理系统。
CDMS 140可以包括电子数据管理系统以用于存储和访问符合适用的法规要求的临床试验数据。例如,CDMS 140可以包括访问后端EDC服务器136以查询和/或分析来自患者特异性EDC数据的数据库(例如,EDC储存库138)的临床试验数据的一个或多个服务器。在一些方面,CDMS 140可以包括查询引擎142和分析界面144。查询引擎142可以包括允许用户从存储的特异性EDC数据搜索临床数据的软件、程序、模块和/或插件,并且接收查询结果(例如,对于问题的答案、搜索结果、特定临床数据或文件的位置等)。分析界面144可以允许用户分析从例如以音频、视觉和/或文本的形式存储在后端EDC服务器136中的患者特异性EDC数据生成的临床数据的结果、趋势、预测和/或比较。在一些方面,临床数据管理系统140可以将患者特异性EDC数据重新格式化、聚合和/或以其他方式转换成临床试验数据。
CTMS 146可以包括电子数据管理系统,由此临床试验的发起者能够录入数据、上传文档、分析数据、跟踪文档以及监控临床试验的进展。CTMS 146可以包括与后端EDC服务器136通信以请求和接收与临床试验相关的患者特异性EDC数据的一个或多个服务器。CTMS146可以包括安全监控系统148、临床试验管理界面150和电子试验主字段(eTMF)152。安全监控系统148可以包括任何软件、应用、程序或模块以辅助按照监管要求监控临床试验中的安全性。临床试验管理界面150可以包括用于允许用户发起、进行和/或管理临床试验的用户接口、应用界面、软件、应用或程序。eTMF 152可以包括用于存储和共享符合适用法规要求的基本临床试验文档、图像和其他数字内容的电子储存库。
网络环境100还可以包括可以依赖于所存储的患者特异性EDC数据的其他计算系统153,诸如基于风险的监控系统154、IVR系统156和财务系统158。这样的患者特异性EDC数据可能需要基于给定计算系统的要求或给定计算系统的功能(例如,风险监控、IVR、计费等)来重新转换、重新格式化、增强和/或手动重新录入。
用于减少医疗数据库管理中的冗余的可互操作平台的系统组件
图2图示了根据本公开的示例实施例的用于使用可互操作平台来减少医疗数据库管理中的冗余的示例计算机网络环境200的框图。此外,计算机网络环境200可以源自经由可互操作平台对用于由不同和/或碎片化的系统捕获和使用医疗数据的先前碎片化的环境的转换。通过允许患者特异性数据的捕获和存储更加标准化(例如,通过自动将数据重新格式化为其他格式)、跨医疗数据库更加同步(例如,通过定期确保使用最新的患者特异性数据来更新一个或多个数据库)、以及更容易被用户访问(例如,通过自动将患者特异性数据定向到目的地系统并且无缝地允许基于临床试验检索、标记和/或以其他方式编译数据),转换可能有助于减少医疗数据库管理中的冗余和碎片化。此外,转换可以通过使用在捕获来自不同位置的设备的患者特异性原始数据后立即实时生成的标签来改善各种操作(例如,请求、搜索和编译临床试验的相关临床信息)的集体处理时间,然后将带有相关标签的患者特异性数据引导到适当的位置。与依赖启动临床试验来与诊所和医院通信以查询相关患者特异性数据的传统方法相比,这种手段是主动的。此外,患者特异性数据的标准化和患者特异性表单的动态生成(例如,通过提示操作员基于先前输入和/或基于不充分的响应来提供附加数据)允许跨不同计算系统交换的患者特异性数据的更高的准确性和可靠性。
网络环境200可以包括用于减少医疗数据库管理中的冗余的可互操作平台的服务器(例如,前端可互操作捕获系统(FICS)服务器202)、多个源设备242、一个或多个医院信息系统248和多个电子数据管理系统290。多个电子数据管理系统290可以包括但不限于电子数据捕获(EDC)服务器258、临床试验管理系统266、临床数据管理系统274和其他数据管理系统282(例如,基于风险的监控系统、财务和/或计费系统、健康保险索赔系统等)中的一个或多个。网络环境100的每个系统可以经由通信网络240与一个或多个其余系统通信。通信网络240可以包括有线和无线网络。有线网络的示例可以包括广域网(WAN)或局域网(LAN)、客户端服务器网络、对等网络等。无线网络的示例包括Wi-Fi、全球移动通信系统(GSM)网络、通用分组无线电服务(GPRS)网络、增强数据GSM环境(EDGE)网络、802.5通信网络、码分多址(CDMA)网络、蓝牙网络或长期演进(LTE)网络、高级LTE(LTE-A)网络或第五代(5G)网络。
此外,每个源设备242、医院信息系统248、EDC服务器258、临床试验管理系统266和临床数据管理系统274可以共享一个或多个组件并且执行先前分别针对源设备102、医院信息系统108、后端EDC服务器136、临床试验管理系统146和临床数据管理系统140描述的一个或多个功能。例如,一个或多个医院信息系统(HIS)248,如在图1所示的医院信息系统108,可以存储患者特异性电子健康记录(EHR)252,类似于EHR 112。作为另一个示例,每个EDC服务器258可以包括EDC储存库262,其类似于图1所示的EDC储存库138存储患者特异性EDC数据。在至少一个实施例中,FICS服务器160可以通过将从源设备242和医院信息系统248获得的患者特异性数据自动转换为患者特异性EDC数据来减少或消除对不同前端电子数据捕获系统的需要(例如,如在图1中所示的前端EDC系统124中那样)。在一些方面,先前针对前端EDC系统124描述的组件或功能性可以由与医院信息系统248相关联的一个或多个设备或系统包含或执行。此外或可替选地,先前针对前端EDC系统124描述的组件或功能性可以由与EDC服务器258相关联的一个或多个设备或系统包含或执行。
在一些方面,网络环境200的每个系统(例如,FICS服务器202、每个源设备242、每个医院信息系统248、或每个电子数据管理系统290)可以包括网络接口(例如,网络接口234、网络接口244、网络接口254、网络接口260、网络接口268、网络接口276和网络接口284),其允许相应系统通过通信网络240与其他系统通信。例如,相应网络接口可以包括有线接口(例如,电接口、RF接口(经由同轴电缆)、光学接口(经由光纤))、无线接口、调制解调器等。
FICS服务器202可以包括本地或远程计算系统,其充当用于减少医疗数据库管理中的冗余的可互操作平台。FICS服务器202可以包括FICS应用编程接口(API)204以用于提供和管理由网络环境200的一个或多个系统使用以减少医疗数据库管理中的冗余的应用(例如,FICS应用246、FICS应用256、FICS应用261、FICS应用270、FICS应用278和FICS应用286等)的接口。本文将进一步解释在每个计算系统处的用户使用应用来贡献和/或利用减少医疗数据库管理中的冗余的机会的能力。相应的应用(FICS应用)可以包括基于React/Javascript构建的云原生的基于web的应用。此外,FICS应用可以包括允许基于表单(例如,具有结构化字段)的数据录入的用户接口。另外或可替选地,FICS应用可以允许自然的、非结构化的患者特异性数据(例如,患者特异性原始数据)的录入,这些数据可以由FICS服务器202布置到结构化字段中。此外,FICS应用可以允许用户可视化存储在医疗数据库中的数据(例如表格、聚合信息、仪表板等)。利用该应用的每个系统可由FICS服务器202经由相应的设备和/或系统ID(例如,源设备ID 243、医院信息系统(HIS)ID 250、EDC服务器ID 264、CTMS ID 272、CDMS ID 280,系统ID 288)来识别,允许FICS服务器高效和准确地在系统之间接收对于信息(例如患者特异性数据)的请求,检索、处理、转换和中继信息。例如,FICS服务器202可以从给定源设备242接收患者特异性数据,通过其源设备ID 243识别源设备242,将患者特异性数据转换成适合于电子健康记录252的表单,通过将源设备ID 243映射到与HIS 248相关联的HIS ID 250来识别作为EHR 252的目的地的HIS,并且将EHR发送到所识别的HIS 248。
FICS服务器202可以包括EHR模块206、FICS服务器202的用于生成患者特异性EHR数据的软件和/或硬件子组件。例如,EHR模块可以通过提示经由源设备242输入EHR数据和/或通过将从源设备242已经接收到的患者特异性健康数据转换成患者特异性EHR数据(例如,通过重新格式化或更改患者特异性健康数据的语法)来生成患者特异性EHR数据。EHR模块206可以包括自然语言处理器(NLP)208、表单生成器210以及与多个患者相关联的多个患者简档212。NLP 208可以包括用于处理和分析自然语言数据(例如,音频和/或文本自然语言)的一个或多个处理器、处理单元、程序、应用和/或插件。NLP可以包括例如解析器、词法分析器和分词器,以例如从输入的自然语言串确定可识别的标记以供FICS服务器202处理。表单生成器210可以包括用于生成电子健康记录表单的数据字段的程序、应用和/或插件。EHR的数据字段的具体身份、类型、数量和范围可能基于患者而变化。在一些方面,数据字段可以基于寻求EHR的医院信息系统或电子数据管理系统而变化。在另外的方面,可以基于EHR表单的另一数据字段的完成(例如,响应的录入)动态地生成EHR表单的一个或多个后续数据字段。由于EHR表单的数据字段由与患者有关的响应填充,因此为简单起见,填充的具有患者特异性信息的EHR表单可以被称为患者特异性EHR。每个患者特异性EHR可以链接到患者简档或以其他方式与患者简档相关联。患者简档212可以包括不同患者的标识的储存库以映射、关联、链接和/或参考每个患者的各种患者特异性数据(例如,患者特异性EHR数据)。
FICS服务器202还可以包括(例如,作为其FICS API 204的一部分)映射模块214。映射模块214可以包括FICS服务器202的软件和/或硬件子组件,用于将第一类型的患者特异性医疗数据映射和转换成第二类型的患者特异性医疗数据。患者特异性数据的类型可以包括但不限于患者特异性原始数据、患者特异性电子健康记录(EHR)和患者特异性电子数据捕获(EDC)数据。患者特异性原始数据包括在源设备102处获得的数据。患者特异性原始数据可以包括例如与患者的健康或病史有关的未编码数据。可以从医疗设备(例如,仪器测量)、扫描并上传到源设备上的手写笔记、经由FICS服务器202生成的表单输入的数据等获得原始数据。患者特异性EHR可以包括数字格式的患者的健康信息的编码的和系统化的收集。患者特异性EHR可能包括一系列数据,包括但不限于人口统计、病史、药物和过敏、免疫状态、实验室测试结果、放射学图像、生命体征、诸如年龄和体重的个人统计数据以及计费信息。虽然EDC数据可以包括与特定临床试验有关的医疗数据,但患者特异性EDC数据可以包括归因于特定患者的EDC数据。EDC数据和/或患者特异性EDC数据可以基于利用它的电子数据管理系统290(例如,临床试验管理系统266、临床数据管理系统274、或其他数据管理系统282)被进一步划分和/或定制(例如,基于优选语法、表单等)。对于每个上述类型的患者特异性数据,映射模块214可以存储与每个类型相关联的术语(例如,原始术语215、EDC术语216、EHR术语218)的储存库或数据库。
映射模块214还可以包括一个或多个词典(例如,词典222)以确定每个术语的定义。例如,词典可以是基于落入给定术语内的其他术语来识别给定术语的范围的程序。映射模块214可以包括链接引擎224,其可以包括可周期性地形成在一个术语(例如,对于第一类型的患者特异性数据)与另一术语(例如,用于第二类型的患者特异性数据)之间的链接或关联的程序、应用、软件或代码。例如,链接引擎224可以用于形成在症状的通用名称和所述症状的临床名称之间的关联,所述症状的通用名称可以是在患者特异性原始数据中使用的术语,所述症状的临床名称可以是在患者特异性EDC数据中使用。在一些方面,FICS服务器202可以基于源系统发送信息将其接收的信息识别为属于一种或多种上述类型的患者特异性数据。因此,FICS API 204能够促进在患者特异性数据的不同呈现表单之间使用的术语的映射(例如,患者特异性原始数据对比患者特异性EHR对比患者特异性EDC表单)。在符合特异性数据词典的情况下录入的患者特异性数据能够被转译为另一个数据词典的适当匹配术语。例如,医务人员可以根据RX NORM标准在源设备242处录入患者的药物。FICS API204能够将此患者特异性数据转译为通常用于监管提交中的数据集的WHO DRUG标准。
源验证单元220可以是映射模块214的子组件,其具有用于识别信息的源系统(例如,源设备242、医院信息系统248、EDC服务器258、临床试验管理系统266、临床数据管理系统274或其他数据管理系统282)的指令。在一些方面,源验证单元220和/或链接引擎224可以用于将一个或多个源系统彼此映射或关联,例如用于将信息中继到正确目的地的目的。例如,一个或多个源设备242可以与特定的医院信息系统248(例如,药房的各种计算系统)相关联。此外,源验证单元220可以通过各个源系统的各自系统或设备标识(例如,源设备ID243、医院信息系统(HIS)ID 250、EDC服务器ID 264、CTMS ID 272、CDMS ID 280、系统ID288)来跟踪或识别各个源系统。
FICS服务器202可以包括标签生成器226。标签生成器226可以是FICS服务器202的软件和/或硬件组件,其可以基于接收到的患者特异性数据来生成元数据或标签。标签可以基于处理和识别所接收的患者特异性数据的各种特性,例如与患者特异性数据相关联的患者、患者特异性数据源自的源系统、患者特异性数据的性质(例如,诊断、治疗、药物、疗法、计费、检查、测量或读数等)、患者特异性数据的生成或接收的时间和/或日期、预期接收者、与患者特异性数据相关联的任何临床试验、与患者特异性数据相关联的任何药物开发等。
FICS服务器202可以包括刷新应用程序接口(API)228、处理器230、存储器232、网络接口234、数据中继单元236、更新界面238和加密单元239。刷新API 228可以包括任何应用、程序、软件、代码或插件,其允许自上次刷新以来执行的操作和数据传输可以在下一次刷新处以周期性间隔可访问,从而允许医疗数据的传输、重新格式化、转换和存储实时或接近实时发生。处理器230可以包括被配置成对数据流执行操作(包括本公开中描述的功能)的任何一种或多种类型的数字电路。存储器232可以包括任何类型的长期、短期、易失性、非易失性或其他存储器,并且不限于任何特定类型的存储器或特定数量的存储器、或者其上存储存储器的介质的类型。存储器可以存储指令,当指令由处理器230执行时,能够使FICS服务器202执行本文讨论的一种或多种方法。数据中继单元236可以包括任何应用、程序、软件、代码或插件,其可以接收患者特异性数据,识别(例如,经由与患者特异性数据相关联的标签或元数据)预期目的地,确定与预期目的地相关联的网络地址,并且发送患者特异性数据。在一些方面,患者特异性数据可以预先转换成预期目的地的期望格式、语法和/或结构。在其他方面,数据中继单元236可以在识别预期目的地之后使映射模块214将患者特异性数据转换和/或变换成期望的格式、语法和/或结构(例如,患者特异性原始数据到患者特异性EHR、患者特异性原始数据到患者特异性EDC数据、患者特异性EHR到患者特异性EDC数据等)。更新界面238可以包括用于允许操作员或外部系统更新FICS服务器202的一个或多个数据库或储存库的任何应用、程序、软件、代码或插件。例如,更新界面238可以允许操作员将例如针对新识别的疾病或症状、或新发现的治疗的原始术语数据库215、EDC术语数据库216和/或EHR术语数据库218录入到词典222中。应当理解,患者特异性数据可以包括敏感或机密信息。预期目的地可能不一定被授权查看患者特异性数据的全部或某些方面。基于患者特异性数据的预期目的地,加密单元239可以包括用于实现加密和解密电子受保护健康信息的方法的应用、程序、软件、代码或插件。由加密单元239实现的加密和解密协议可以符合法规(例如,HIPAA)。在一些方面,FICS服务器202能够对医疗数据库访问创建适当的限制。例如,由FICS(例如,从患者特异性原始数据提交)生成的各种形式的患者特异性数据能够移除、加密和/或限制对受保护健康信息的访问。
管理医疗数据库的传统方法
图3图示了碎片化数据捕获界面的示例,其示出了在所捕获的患者特异性数据中的不一致。在两个数据捕获界面中录入的患者特异性数据属于同一患者并且具有相同的医疗经历(例如,医疗诊断、症状、治疗等),但每个数据捕获界面的格式、语法和/或结构上的差异都揭示出不一致。例如,数据捕获界面302示出了在研究访问期间作为临床笔记录入的示例患者特异性电子健康记录(EHR)。在以电子健康记录中通常使用的主观、客观、评估和计划(SOAP)格式的表单录入患者特异性EHR。主观区段304可以提示输入患者的主诉,包括当前疾病的症状和病史。客观区段306可以提示输入医疗保健提供者可以从患者的当前呈现观察或测量的任何信息(例如,生命体征、实验室结果、体检结果等)。评估区段308可以提示输入从医生的角度书写的患者朝向康复的进展的信息。计划区段310可以提示输入医疗保健提供者用于治疗患者疾病的计划。然而,如这些区段的录入所示,到传统EHR表单中的信息录入通常包括充斥着医学术语和缩写(例如CLL、C5D1、Wnl、RUL、CXR、F/u、c/f等)的非结构化自由文本。此外,提示信息录入的数据结构的格式(例如SOAP)通常会导致丢失可能是其他医疗场境和数据库(例如临床试验)的关键数据元素的信息。
例如,数据捕获界面312示出了作为具有相同医疗经历的同一患者的病例报告表单(CRF)不良事件日志的一部分而录入的示例患者特异性EDC数据。CRF不良事件日志示出患者遭受了不良事件(例如肺炎),并且可以用于跟踪临床试验中的治疗的有效性。然而,数据捕获界面312示出缺少关键试验数据元素。例如,数据捕获界面312缺少结束日期314、附加不良事件315(例如,诸如患者特异性EHR中提到的CLL)的指示和其他药物316。通常在生成患者特异性EDC数据期间可能需要这些元素来输入病例报告表单。然而,本文呈现的系统和方法可以允许提示这样的关键数据元素用于输入或者以其他方式从患者特异性数据捕获的早期阶段(例如,在捕获患者特异性原始数据时)获得这样的关键数据元素。患者特异性数据(例如,患者特异性原始数据)的原始来源,以及提示输入该患者特异性数据的系统和方法可以自动地用于填充不同医疗数据库(例如,EHR、EDC数据)所需的表单和数据结构。如本文将讨论的,从患者特异性原始数据自动生成表单可以消除或减少不同表单中信息的不一致和丢失的数据元素。
减少医疗数据捕获中的冗余
图4图示了示出根据本公开的示例实施例的可互操作平台如何减少医疗数据捕获中的冗余的流程图。具体来说,图4图示了FICS服务器(例如,图1中所示的FICS服务器160或图2中所示的FICS服务器202)如何以跨医疗数据库传输、转换、重新格式化和更新患者特异性数据的方式帮助减少冗余,这有助于消除或减少先前图3中所示的不一致和丢失患者特异性数据的问题。可以由FICS服务器的处理器(例如,FICS服务器202的处理器230)基于经由在各种计算系统上运行的应用(例如,FICS应用246、FICS应用256、FICS应用270、FICS应用278、FICS应用286)接收的信息来执行如图4所示的方法400。出于演示目的,图4图示了其中患者经历实验室测试(例如,血液测试)然后来找卫生人员(例如,家庭医生)进行身体检查的场景。实验室测试可以在相关联的实验室设施中进行,其中,实验室结果可以上传到实验室信息系统(例如,健康信息系统248的示例)。身体检查可以在医院或诊所处进行,其中,健康人员可以经由源设备242(例如,靠近患者床边的办公室计算机)录入患者特异性数据。此外,患者可能有也可能对于临床研究人员相关的持续状况和/或持续治疗。这样的临床研究人员可以参与临床试验并且可以能够经由临床试验管理系统266访问和/或更新患者特异性数据。图4中所示的方法400可以减少传统上由医院信息系统、卫生人员和临床研究人员在访问、录入和更新患者特异性数据时执行的步骤中的冗余。
例如,在患者到达卫生人员的办公室之前,卫生人员(例如,患者的家庭医生)可能想知道患者的实验室测试结果(例如,血液测试结果)。卫生人员可以经由源设备242(例如,卫生人员的办公室计算机)上的FICS应用246请求实验室测试结果。响应于该请求,FICS服务器可以从健康信息系统(例如,实验室测试设施的实验室信息系统)检索访视前的实验室数据(框402)。该步骤可以是相对于传统方法的改进,根据该方法,患者或实验室技术人员的任务是手动提供患者的实验室结果,而卫生人员花费时间和精力来理解实验室测试结果,并且将实验室测试结果录入到源设备242。
然后,卫生人员可以分析访视前的实验室数据(例如,通过经由他们的源设备242上的FICS应用246访问它),以为患者访视做准备。在访视期间见到患者之后,卫生人员可以将基于患者访视的患者特异性数据录入到他们的FICS应用中(框404)。由医生录入的实验室测试结果和患者特异性数据可以被视为患者特异性原始数据,因为此类数据可能尚未由各种医疗数据库以所需的形式或语法进行编码或排列。FICS服务器202可以接收由健康人员录入的患者特异性数据和实验室测试数据,并且可以自动地自动填充与患者相关联的电子健康记录(EHR)(框406)。FICS服务器202还可以使用接收到的患者特异性原始数据来生成对应的患者特异性EDC数据的字段(框408)。例如,如先前所讨论的,FICS服务器202可以依赖于原始数据、EHR数据和EDC数据中使用的术语的词典来将患者特异性原始数据中的输入术语映射到由EHR和EDC表单所需的对应术语。在一些方面,FICS服务器可以确定特定表单(例如,EHR或EDC表单)是否需要附加录入(例如,疾病的最终数据)并且可以提示FICS应用的用户(例如,卫生人员)用于附加输入。
患者特异性EDC数据可以用于临床研究人员。例如,研究调查人员可能对患者已经患有或正在患有的疾病特别感兴趣。在分析与患者相关的EDC数据(例如,经由临床数据管理系统274上的FICS应用278)之后,调查人员可能想要咨询患者以了解有关疾病和任何正在进行的治疗的更多信息。调查人员可以评估患者并且将附加的患者特异性原始数据(例如,关于他们对患者康复的观察的笔记)录入到他们的FICS应用中(框410)。在接收到患者特异性原始数据之后,FICS服务器202可以自动地更新基于患者特异性EHR(框412),并且可以自动地更新对应的患者特异性EDC数据(框414)。
此外,如先前关于刷新API 228所讨论的,FICS服务器202可以例行地实时或接近实时地同步和更新由FICS服务器202管理的医疗数据库。这可以是由于确保完成在每个后续刷新间隔之前自先前刷新间隔以来发起的操作(例如,数据传输、数据转换、数据库之间的数据一致性检查等)而发生的。在一些方面,操作的完成可能需要提示先前录入的患者特异性数据的FICS API的用户录入任何所需信息以填充相关表单(例如,EHR、使用CTMS和CDMS的EDC表单等)。通过执行这样的同步和例行更新过程,FICS服务器可以检查并且确认以不同形式(例如,EHR和EDC)录入的患者特异性数据是一致的(框416)。
跨用于医疗数据库管理的平台的患者特异性数据的自动数据捕获、转译和合成
图5图示了根据本公开的示例实施例的减少医疗数据库管理中的冗余的示例方法500的流程图。可以由FICS服务器202的处理器230例如基于存储在存储器232中的指令并且基于经由在各种其他设备和计算系统上运行的应用(FICS应用)接收的信息来执行方法500的一个或多个步骤。
方法500可以开始于接收多个患者中的每个的患者特异性原始数据(框502)。如前所述,患者特异性原始数据可以包括例如与患者的健康或病史有关的未编码数据。可以从医疗设备(例如,仪器测量)、扫描并上传到源设备上的手写笔记、经由FICS服务器202生成的表单输入的数据等获得原始数据。在一些方面,例如,当患者特异性原始数据是手写的或者是自然语言或非结构化形式,则FICS服务器202的NLP 208可以识别词法标记并且尝试将患者特异性原始数据组织成在生成特定表单(例如,EHR)的录入时有用的类别。
对于每个患者,FICS服务器可以确定接收到的患者特异性原始数据是否满足电子健康记录(EHR)的充足性阈值(框504)。如果不满足充足性阈值,则FICS服务器可以提示患者特异性数据的附加输入(框506)。例如,FICS服务器202可以依赖表单生成器210来创建模板EHR。EHR可以被自动填充患者特异性原始数据。然而,如果模板EHR的数据字段缺乏,或者被确定为响应不足(例如,通过EHR模块206学习词法标记是否满足数据字段内请求的信息),FICS服务器可以确定未达到充足性阈值。在一些方面,验证完成的过程可以发生在本地级。例如,FICS应用的用户接口能够验证特定表单中的所有或大部分必需的数据字段是否完整。如果任何或足够数量的所需数据字段不完整(例如,患者人口统计数据缺少出生日期),FICS应用的用户接口能够警告用户(例如,医务人员)表单不完整,并且可以不允许用户将患者特异性数据发送到FICS服务器202。无论是在本地完成还是在FICS服务器处完成,该验证都能够帮助确保患者特异性数据在传输到FICS服务器202用于转换和医疗数据库中的存储之前的完整性。
如果满足EHR的充足性阈值,则FICS服务器可以基于多个患者中的每个的患者特异性数据生成对多个患者中的每个的相应患者特异性EHR的更新(框508)。例如,可以从所提交的患者特异性原始数据中识别患者(例如,经由FICS服务器202检索与患者相关联的患者简档212),并且能够检索与患者相关联的任何现有EHR文件。在一些方面,可以基于接收到的患者特异性数据为患者创建新的EHR文件。
在框510处,FICS服务器可以基于多个患者中的每个的患者特异性EHR来生成与多个患者中的每个相关联的患者特异性电子数据捕获(EDC)数据。
FICS服务器可以确定与每个患者相关联的EHR和EDC的术语之间是否存在对应性(例如,一致性)(框512)。在一些方面,作为FICS服务器例行检查跨各种医疗数据库存储的数据的一致性的一部分,该确定可以是周期性的(例如,以刷新间隔)。
如果不存在对应关系,则FICS服务器可以提示对患者特异性EDC数据的更新(框514)。例如,FICS服务器可以经由FICS应用通知可能先前已经录入了缺失字段的患者特异性EDC数据的用户。FICS服务器可以通过搜索能够使用患者特异性数据填充(例如,各种临床研究表单中使用的EDC数据)的表单列表来识别缺失字段,并且识别任何录入不足或缺少录入的数据字段。
如果满足对应关系,和/或在提示对患者特异性EDC数据进行更新之后,FICS服务器可以在多个电子数据管理系统中的一个或多个中聚合与多个患者相关联的多个患者特异性EDC数据(框516)。电子数据管理系统可以包括但不限于EDC服务器258、临床试验管理系统266、临床数据管理系统274和其他数据管理系统282。
此外,以预定刷新间隔,FICS服务器可以更新多个电子数据管理系统的每个以存储与多个患者相关联的多个患者特异性EDC数据(框518)。例如,FICS服务器可以例行地比较存储在每个电子数据管理系统中的患者特异性数据并且检查患者特异性数据是否一致,即使在存储时的患者特异性数据的格式、语法或结构在每个电子数据管理系统之间可以不同。
中继患者特异性数据
图6图示了根据本公开的示例实施例的、使用用于减少医疗数据库管理中的冗余的可互操作平台来中继患者特异性数据的示例方法600的流程图。具体地,一旦FICS服务器已经接收并存储了患者特异性数据,并且正在确定是否以及如何将患者特异性数据转换、重新格式化、传输和中继到医疗数据管理中涉及的计算系统网络中的另一计算系统,则可以执行方法600的一个或多个步骤。可以由FICS服务器202的处理器230(例如基于存储在存储器232中的指令)并且基于经由在各种其他设备和计算系统上运行的应用(FICS应用)接收的信息来执行方法600的一个或多个步骤。
作为例行过程的一部分,FICS服务器可以重新整理患者特异性数据(框602)。在一些方面,该步骤可以在生成患者特异性数据时发生。例如,患者特异性数据可以作为经由源设备242录入的原始数据来生成,或者可以在由FICS服务器使用原始数据自动填充特定表单(例如,EHR、EDC数据等)之后生成。另外或者可替选地,FICS服务器可以例如从电子数据管理系统的存储数据库例行检索每个患者的患者特异性数据。
对于每个患者特异性数据,FICS服务器可以确定是否存在任何标签(框604)。如先前讨论的,标签可以是一种形式的元数据(例如,由标签生成器226生成),其可以指示接收到的患者特异性数据的一个或多个特性,诸如预期目的地。因此,如果找到标签,则FICS服务器可以识别患者特异性EDC数据的目的地(框606)。目的地可以包括例如某个CDMS、某个CTMS、另一电子数据管理系统(例如计费和财务计算系统)等。此外,可以查找关于目的地的详细信息,包括例如网络地址以及患者特异性数据的期望或要求的表单、格式、语法或结构。
FICS服务器可以确定所识别的目的地是否需要不同的语法或结构以用于呈现患者特异性数据(框608)。例如,特定目的地通常可以使用特定表单和数据字段来分析患者特异性数据,并且因此可能需要将患者特异性数据填写到这样的表单中。如本文所使用的,表单可以指用于由特定计算系统对于患者特异性数据的期望或所需呈现的数据字段的结构、格式和类型。表单还可以包括用于在那些数据字段中数据录入的期望或所需的语言或词汇。因此,FICS服务器可以确定已经接收的患者特异性数据是否在与目的地系统所需的表单不同的表单中。
如果存在不同的表单,则FICS服务器可以将患者特异性数据从其较早的表单转换为目的地系统所需的表单(框610)。如本文所使用的,转译或转换可以包括将患者特异性数据的呈现从先前表单转换为新表单,其包括将患者特异性数据从先前表单的数据字段的结构、格式和类型转移到新表单的数据字段的结构、格式和类型,以及在患者特异性数据中使用的术语的语言或词汇表中的任何变化。如果在框608处确定表单没有不同,则FICS服务器可以向目的地系统发送给定患者的患者特异性数据(框612)。可替选地,在框610中已经转译了患者特异性数据之后,FICS服务器可以将转译后的患者特异性数据发送到目的地系统。
图7图示了根据本公开的示例实施例的使用用于减少医疗数据库管理中的冗余的可互操作平台来中继涉及药物的患者特异性数据的示例方法700的流程图。此外,方法700可以提供在将关于药物的患者特异性数据中继到药房信息系统的场境下实现方法600的更具体的示例。可以由FICS服务器202的处理器230(例如基于存储在存储器232中的指令)并且基于经由在各种其他设备和计算系统上运行的应用(FICS应用)接收的信息来执行方法700的一个或多个步骤。
在框702处,FICS服务器可以查看患者特异性EHR数据。例如,可以作为对每个患者的患者特异性数据进行重新整理的一部分(例如作为图6中的步骤602的一部分)来查看患者特异性EHR数据。
对于给定患者的给定患者特异性EHR数据,FICS服务器可以确定患者特异性EHR数据是否包括药物订单(框704)。例如,FICS服务器可以查找在EHR数据内指示药物的标签。在一些方面,FICS服务器可以基于存储在映射模块214中的EHR术语218的储存库来识别与药品相关联的术语。如果没有识别出药物订单,则FICS服务器可以继续查看给定的和其余的患者的其他患者特异性EHR数据。
如果识别了药物订单,则FICS服务器可以识别药房信息系统(框706)。例如,FICS服务器可以识别患者特异性EHR数据的原始发送者(例如,医院信息系统248和/或源设备242),然后定位与原始发送者相关联的药房信息系统(例如,与医院相连的药房)。另外或可替选地,FICS服务器可以查看与EHR数据相关联的患者的患者简档212,识别患者可能已经指定的药房,并且然后确定与药房相关联的药房信息系统。
FICS服务器然后可以接收与药房信息系统相关联的一致性简档(框708)。一致性简档可以包括电子健康记录系统与目的地系统(例如,药房信息系统)之间的先验协议。此外,可以为每个目的地系统存储的一致性简档可以规定消息的表单要求(例如,患者特异性数据),以使消息被目的地系统接受。例如,药房信息系统通常需要HL7 V2消息格式来传输执行流程(例如订购药物)所需的适当信息。
因此,可以转换药物订单以确保符合一致性简档(框710)。例如,如图6中的框610那样,FICS服务器可以将药物订单从其先前表单(例如,作为患者特异性EHR内的数据字段)转译和/或转换为符合一致性简档的表单(例如,HL7 V2消息格式)。
FICS服务器然后可以将转换后的药物订单发送到药房信息系统。例如,FICS服务器可以访问与在706中识别的药房信息系统相关联的网络地址并且使用网络接口234经由通信网络240发送药物订单。
利用可互操作平台以用于临床试验
图8图示了根据本公开的示例实施例的使用用于减少医疗数据库管理中的冗余的可互操作平台来中继临床试验数据的示例方法800的流程图。可以由FICS服务器202的处理器230(例如基于存储在存储器232中的指令)并且基于经由在各种其他设备和计算系统上运行的应用(FICS应用)接收的信息来执行方法800的一个或多个步骤。
在框802处,FICS服务器可以接收电子试验主文件(eTMF)。eTMF可能包含符合适用监管要求的重要临床试验文件、图像和其他数字内容。在一些方面,可以接收与临床试验相关联的文件的子集,而不是整个eTMF。例如,研究人员可能希望利用本文提出的系统和方法来获得用于临床试验的大量患者特异性数据。研究人员可以例如经由CTMS 266的FICS应用270请求对于临床试验相关的任何患者特异性数据,并且可以被提示提交eTMF或eTMF文件以供FICS服务器识别用于标签生成的相关术语。
使用eTMF或eTMF的子集,可以生成与临床试验相关联的一个或多个标签(例如,框804)。例如,可以扫描eTMF以获取相关临床术语(例如,特定疾病、特定药品、特定治疗计划等),并且可以为那些相关临床术语生成标签(例如,经由标签生成器226)。
FICS服务器可以查询聚合的患者特异性EDC数据以检索与一个或多个标签相关联的患者特异性EDC数据的子集。例如,FICS服务器可以向EDC服务器258发送对具有生成的标签的所有存储的患者特异性EDC数据的查询请求。在一些方面,标签可以包括可以出现在患者特异性EDC数据(例如,当从加密中解码时)内的术语。EDC服务器258然后可以发送(例如,作为副本)其存储的患者特异性EDC数据的子集,该子集具有一个或多个标签或与一个或多个标签相关联。
FICS服务器然后可以将与一个或多个标签相关联的患者特异性EDC数据的子集发送到临床试验管理系统(框808)。方法800可以逐渐发生,例如,当新的患者特异性数据被接收、生成为患者特异性EDC数据、存储在EDC服务器258中并且由FICS服务器周期性地查询时。在一些实施例中,可以例如基于患者特异性EDC数据与和临床试验相关联的一个或多个标签的关联程度将患者特异性EDC数据按相关性排序或以其他方式分类。
应当理解,可以使用一个或多个计算机程序或组件来实现本文描述的所有公开的方法和过程。这些组件可以作为任何常规计算机可读介质或机器可读介质上的一系列计算机指令来提供,所述任何常规计算机可读介质或机器可读介质包括易失性或非易失性存储器,诸如RAM、ROM、闪存、磁盘或光盘、光存储器或其他存储介质。指令可以作为软件或固件来提供,和/或可以全部或部分地以诸如ASIC、FPGA、DSP或任何其他类似设备的硬件组件来实现。这些指令可以被配置成由一个或多个处理器执行,当执行一系列计算机指令时,处理器执行或促进所公开的方法和过程的全部或部分的执行。
应当理解,对本文描述的示例实施例的各种改变和修改对于本领域技术人员来说将是显而易见的。可以在不脱离本主题的精神和范围并且不削弱其预期优点的情况下做出这样的改变和修改。因此,这些变化和修改旨在由所附权利要求涵盖。
Claims (20)
1.一种用于减少医疗数据库管理中的冗余的方法,所述方法包括:
对于多个医院信息系统中的每个医院信息系统,对于与所述多个医院信息系统相关联的多个源设备中的每个源设备,以及对于多个患者中的每个患者:
由具有一个或多个处理器的计算系统并且从与给定医院信息系统相关联的给定源设备,接收针对给定患者的患者特异性健康数据;
由所述计算系统,基于所述患者特异性健康数据,来生成对于针对所述给定患者的患者特异性电子健康记录(EHR)的更新;以及
由所述计算系统的映射模块并且基于所述患者特异性EHR,来生成与所述给定患者相关联的患者特异性电子数据捕获(EDC)数据;
在多个电子数据管理系统的第一电子数据管理系统中,聚合与所述多个患者相关联的多个患者特异性EDC数据;
由所述计算系统并且以预定刷新间隔,来更新所述多个电子数据管理系统中的每个电子数据管理系统,以存储与所述多个患者相关联的所述多个患者特异性EDC数据;
由所述计算系统并且基于与所述多个患者特异性EDC数据的子集相关联的第一标签,来识别针对所述多个患者特异性EDC数据的所述子集的目的地系统;以及
向所述目的地系统发送所述多个患者特异性EDC数据的所述子集,
其中,所述目的地系统包括以下各项的一个或多个:
(1)所述多个医院信息系统中的另一个医院信息系统,或
(2)所述多个电子数据管理系统中的第二电子数据管理系统。
2.根据权利要求1所述的方法,其中,生成所述患者特异性EDC数据包括:
在与所述给定医院信息系统相关联的词典和与所述第一电子数据管理系统相关联的词典之间映射词法标记。
3.根据权利要求1所述的方法,其中,所述多个源设备中的一个或多个源设备包括:
传感器,所述传感器用于从生理测量结果来生成所述患者特异性健康数据,以及
自然语言处理器,所述自然语言处理器用于从自然语言输入来生成所述患者特异性健康数据。
4.根据权利要求1所述的方法,
其中,所述多个电子数据管理系统包括:电子数据捕获(EDC)模块、临床试验管理系统(CTMS)、临床数据管理系统、电子试验主文件(eTMF)和聚合数据分析模块,
其中,所述多个电子数据管理系统中的至少一个电子数据管理系统能够被通信地链接到所述多个医院信息系统中的至少一个医院信息系统。
5.根据权利要求4所述的方法,还包括:
由所述计算系统并且从所述临床试验管理系统,接收与临床试验相关联的第二标签;
由所述计算系统,对于与所述第二标签相关联的患者特异性EDC数据的第二子集,查询与所述多个患者相关联的所述多个患者特异性EDC数据;以及
将所述患者特异性EDC数据的所述第二子集发送到所述临床试验管理系统。
6.根据权利要求1所述的方法,还包括:
在接收到对于所述给定患者的所述患者特异性健康数据之后,确定所述患者特异性健康数据不满足用于生成对于针对所述给定患者的所述患者特异性EHR的所述更新的充足性阈值;以及
经由所述给定源设备,提示录入附加的患者特异性健康数据以满足所述充足性阈值。
7.根据权利要求1所述的方法,其中,更新所述多个电子数据管理系统中的每个电子数据管理系统以存储所述多个患者特异性EDC数据包括:
由所述计算系统并且从所述第二电子数据管理系统,接收对于针对所述多个患者中的患者的所述患者特异性EDC数据的更新;以及
由所述计算系统,在下次出现所述预定刷新间隔处,并且基于对于针对所述患者的所述患者特异性EDC数据的所述更新,来更新在所述多个电子数据管理系统中的其余电子数据管理系统处的所述多个患者特异性EDC数据。
8.根据权利要求1所述的方法,其中,生成所述患者特异性EDC数据包括:
将所述患者特异性EHR的一个或多个EHR数据字段识别为不具有所述患者特异性EDC数据的对应EDC数据字段;以及
基于所识别的一个或多个EHR数据字段,提示对于与所述给定患者相关联的所述患者特异性EDC数据的更新。
9.一种或多种存储有指令的非暂时性计算机可读介质,当所述指令由一个或多个处理器执行时,使所述一个或多个处理器执行以下步骤,所述步骤包括:
对于多个医院信息系统中的每个医院信息系统,对于与所述多个医院信息系统相关联的多个源设备中的每个源设备,以及对于多个患者中的每个患者:
从与给定医院信息系统相关联的给定源设备,接收针对给定患者的患者特异性健康数据;
基于所述患者特异性健康数据,生成对于针对所述给定患者的患者特异性电子健康记录(EHR)的更新;以及
经由映射模块并且基于所述患者特异性EHR,来生成与所述给定患者相关联的患者特异性电子数据捕获(EDC)数据;
向多个电子数据管理系统中的第一电子数据管理系统,并且基于针对所述多个患者中的每个患者的所生成的患者特异性EDC数据,发送与所述多个患者相关联的多个患者特异性EDC数据;
以预定刷新间隔并且使用所述第一电子数据管理系统,来更新所述多个电子数据管理系统中的每个电子数据管理系统,以存储与所述多个患者相关联的所述多个患者特异性EDC数据;
基于与所述多个患者特异性EDC数据的子集相关联的第一标签,识别针对所述多个患者特异性EDC数据的所述子集的目的地系统;以及
向所述目的地系统发送所述多个患者特异性EDC数据的所述子集,
其中,所述目的地系统包括以下各项中的一个或多个:
(1)所述多个医院信息系统中的另一个医院信息系统,或
(2)所述多个电子数据管理系统中的第二电子数据管理系统。
10.根据权利要求9所述的非暂时性计算机可读介质,其中,
所述映射模块被配置成:在所述多个源设备、所述多个医院信息系统和所述多个电子数据管理系统之间映射词法标记。
11.根据权利要求9所述的非暂时性计算机可读介质,所述步骤还包括:
在接收到针对所述给定患者的所述患者特异性健康数据之后,确定所述患者特异性健康数据不满足用于生成对于针对所述给定患者的所述患者特异性EHR的所述更新的充足性阈值;以及
经由所述给定源设备,提示录入附加的患者特异性健康数据以满足所述充足性阈值。
12.根据权利要求9所述的非暂时性计算机可读介质,其中,更新所述多个电子数据管理系统中的每个电子数据管理系统以存储所述多个患者特异性EDC数据包括:
从所述第二电子数据管理系统,接收对于针对所述多个患者中的患者的所述患者特异性EDC数据的更新;以及
在下次出现所述预定刷新间隔处并且基于对于针对所述患者的所述患者特异性EDC数据的所述更新,来更新在所述多个电子数据管理系统中的其余电子数据管理系统处的所述多个患者特异性EDC数据。
13.根据权利要求9所述的非暂时性计算机可读介质,其中,生成与所述患者相关联的所述患者特异性电子数据捕获(EDC)数据包括:
将所述患者特异性EHR的一个或多个EHR数据字段识别为不具有所述患者特异性EDC数据的对应EDC数据字段;以及
基于所识别的一个或多个EHR数据字段,提示对于与所述给定患者相关联的所述患者特异性EDC数据的更新。
14.根据权利要求9所述的非暂时性计算机可读介质,所述步骤还包括:
从临床试验管理系统,来接收针对临床试验的电子试验主文件(eTMF);
从所述eTMF的扫描,来生成与所述临床试验相关联的第二标签;
针对与所述第二标签相关联的患者特异性EDC数据的第二子集,查询与所述多个患者相关联的所述多个患者特异性EDC数据;以及
将所述患者特异性EDC数据的所述第二子集发送到所述临床试验管理系统。
15.一种用于减少医疗数据库管理中的冗余的系统,所述系统包括:
应用程序接口(API),所述应用程序接口用于减少医疗数据库管理中的冗余并且能够被通信地链接到与以下各项中的每个相关联的用户接口:多个医院信息系统、与所述多个医院信息系统中的每个医院信息系统相关联的多个源设备、以及多个电子数据管理系统;
映射模块,所述映射模块被配置成在所述多个源设备、所述多个医院信息系统和所述多个电子数据管理系统之间映射词法标记;
一个或多个处理器;以及
存储有指令的存储器,当所述指令由所述一个或多个处理器执行时,使所述一个或多个处理器:
对于多个医院信息系统中的每个医院信息系统,对于与每个医院信息系统相关联的多个源设备中的每个源设备,以及对于多个患者中的每个患者:
从与给定医院信息系统相关联的给定源设备,接收针对给定患者的患者特异性健康数据;
基于所述患者特异性健康数据并且使用所述映射模块,来生成对于针对所述给定患者的患者特异性电子健康记录(EHR)的更新;以及
使用所述映射模块并且基于所述患者特异性EHR,来生成与所述给定患者相关联的患者特异性电子数据捕获(EDC)数据;
在所述多个电子数据管理系统中的第一电子数据管理系统中,聚合与所述多个患者相关联的多个患者特异性EDC数据;以及
以预定刷新间隔,在所述多个电子数据管理系统的每个电子数据管理系统中,更新与所述多个患者相关联的所述多个患者特异性EDC数据的存储。
16.根据权利要求15所述的系统,其中,当所述指令由所述一个或多个处理器执行时,使所述一个或多个处理器:
从临床试验管理系统,接收针对临床试验的电子试验主文件(eTMF);
从所述eTMF的扫描,来生成与所述临床试验相关联的一个或多个标签;
针对与所述一个或多个标签相关联的患者特异性EDC数据的子集,查询与所述多个患者相关联的所述多个患者特异性EDC数据;以及
将所述患者特异性EDC数据的所述子集发送到所述临床试验管理系统。
17.根据权利要求15所述的系统,其中,当所述指令由所述一个或多个处理器执行时,使所述一个或多个处理器:
由所述计算系统并且基于与所述多个患者特异性EDC数据的子集相关联的一个或多个标签,来识别针对所述多个患者特异性EDC数据的所述子集的目的地系统;以及
向所述目的地系统发送所述多个患者特异性EDC数据的所述子集,
其中,所述目的地系统包括以下各项中的一个或多个:
(1)所述多个医院信息系统中的另一个医院信息系统,或
(2)所述多个电子数据管理系统中的第二电子数据管理系统。
18.根据权利要求15所述的系统,其中,当所述指令由所述一个或多个处理器执行时,使所述一个或多个处理器:
在接收到针对所述给定患者的所述患者特异性健康数据之后,确定所述患者特异性健康数据不满足用于生成对于针对所述给定患者的所述患者特异性EHR的所述更新的充足性阈值;以及
经由所述给定源设备,提示录入附加的患者特异性健康数据以满足所述充足性阈值。
19.根据权利要求15所述的系统,其中,当所述指令由所述一个或多个处理器执行时,使所述一个或多个处理器通过以下操作来更新所述多个患者特异性EDC数据的所述存储:
从所述第二电子数据管理系统,接收对于针对所述多个患者中的患者的所述患者特异性EDC数据的更新;以及
在下次出现所述预定刷新间隔处并且基于对于针对所述患者的所述患者特异性EDC数据的所述更新,来更新在所述多个电子数据管理系统中的其余电子数据管理系统处的所述多个患者特异性EDC数据。
20.根据权利要求15所述的系统,其中,当所述指令由所述一个或多个处理器执行时,使所述一个或多个处理器通过以下操作来生成所述患者特异性EDC数据:
将所述患者特异性EHR的一个或多个EHR数据字段识别为不具有所述患者特异性EDC数据的对应EDC数据字段;以及
基于所识别的一个或多个EHR数据字段,提示对于与所述给定患者相关联的所述患者特异性EDC数据的更新。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/374,223 US11393566B1 (en) | 2021-07-13 | 2021-07-13 | Interoperable platform for reducing redundancy in medical database management |
US17/374,223 | 2021-07-13 | ||
PCT/US2022/036767 WO2023287749A1 (en) | 2021-07-13 | 2022-07-12 | An interoperable platform for reducing redundancy in medical database management |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118140270A true CN118140270A (zh) | 2024-06-04 |
Family
ID=82385114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280009993.1A Pending CN118140270A (zh) | 2021-07-13 | 2022-07-12 | 用于减少医疗数据库管理中的冗余的可互操作平台 |
Country Status (5)
Country | Link |
---|---|
US (4) | US11393566B1 (zh) |
EP (1) | EP4371122A1 (zh) |
CN (1) | CN118140270A (zh) |
AU (1) | AU2022311888A1 (zh) |
WO (1) | WO2023287749A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200201937A1 (en) * | 2018-12-20 | 2020-06-25 | Medidata Solutions, Inc. | System and method for generating updatable structured content |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1328889A4 (en) | 2000-10-11 | 2005-06-01 | Healthtrio Inc | SYSTEM FOR TRANSFERRING HEALTH CARE DATA |
US7917377B2 (en) | 2001-11-02 | 2011-03-29 | Siemens Medical Solutions Usa, Inc. | Patient data mining for automated compliance |
US8606593B1 (en) * | 2009-02-25 | 2013-12-10 | Greenway Medical Technologies. Inc. | System and method for analyzing, collecting and tracking patient data across a vast patient population |
US8825502B2 (en) * | 2003-09-30 | 2014-09-02 | Epic Systems Corporation | System and method for providing patient record synchronization in a healthcare setting |
US20070124310A1 (en) | 2005-07-26 | 2007-05-31 | Novo Innovations, Inc. | Distributed Computing System to Enable the Secure Exchange of Information Between Remotely Located Healthcare Applications |
US20080046292A1 (en) | 2006-01-17 | 2008-02-21 | Accenture Global Services Gmbh | Platform for interoperable healthcare data exchange |
US8850057B2 (en) | 2007-09-20 | 2014-09-30 | Intel Corporation | Healthcare semantic interoperability platform |
US9384327B2 (en) | 2009-09-14 | 2016-07-05 | Clinerion Ltd. | Semantic interoperability system for medicinal information |
US20120215560A1 (en) | 2010-07-21 | 2012-08-23 | dbMotion Ltd. | System and methods for facilitating computerized interactions with emrs |
US10628553B1 (en) | 2010-12-30 | 2020-04-21 | Cerner Innovation, Inc. | Health information transformation system |
US20120271655A1 (en) * | 2011-04-19 | 2012-10-25 | Yishai Knobel | Methods and Systems for Enabling Applications on a Mobile Computing Device to Access Data Associated with a Peripheral Medical Device |
EP2825990A2 (en) | 2012-03-12 | 2015-01-21 | Icon Clinical Research Limited | A clinical data management system |
WO2014105752A1 (en) * | 2012-12-28 | 2014-07-03 | Revon Systems, Llc | Systems and methods for using electronic medical records in conjunction with patient apps |
AU2015271133B2 (en) * | 2014-06-06 | 2018-07-05 | Dexcom, Inc. | Fault discrimination and responsive processing based on data and context |
WO2015191562A1 (en) * | 2014-06-09 | 2015-12-17 | Revon Systems, Llc | Systems and methods for health tracking and management |
US9824185B2 (en) | 2014-08-08 | 2017-11-21 | Practice Fusion, Inc. | Electronic health records data management systems and methods |
US10892046B1 (en) | 2014-08-19 | 2021-01-12 | Multiscale Health Networks Llc | Systems and methods for dynamically extracting electronic health records |
US10846424B2 (en) * | 2014-09-05 | 2020-11-24 | Medidata Solutions, Inc. | Method for multi-tiered, rule-based data sharing and ontology mapping |
US10741272B2 (en) | 2014-10-23 | 2020-08-11 | Cerner Innovation, Inc. | Term classification based on combined crossmap |
US10033702B2 (en) * | 2015-08-05 | 2018-07-24 | Intralinks, Inc. | Systems and methods of secure data exchange |
US10878010B2 (en) | 2015-10-19 | 2020-12-29 | Intelligent Medical Objects, Inc. | System and method for clinical trial candidate matching |
WO2018085353A1 (en) | 2016-11-01 | 2018-05-11 | B. Well Connected Health, Inc. | Systems and methods of aggregating healthcare-related data from multiple data centers and corresponding applications |
EP3489958B1 (en) | 2017-11-23 | 2022-03-16 | Siemens Healthcare GmbH | Healthcare network |
US11424020B2 (en) | 2017-12-08 | 2022-08-23 | Actual Healthcare Solutions | Cloud-based interactive digital medical imaging and patient health information exchange platform |
US10572481B1 (en) | 2018-03-26 | 2020-02-25 | Jeffrey M. Gunther | System and method for integrating health information sources |
US20190311791A1 (en) | 2018-04-04 | 2019-10-10 | Healthcard LLC | System and method for patient-centric universal health recording and payment |
JP2019207521A (ja) * | 2018-05-29 | 2019-12-05 | 株式会社日立製作所 | 臨床試験支援システム、臨床試験支援プログラム及び臨床試験支援方法 |
US11705226B2 (en) * | 2019-09-19 | 2023-07-18 | Tempus Labs, Inc. | Data based cancer research and treatment systems and methods |
US20210020294A1 (en) * | 2019-07-18 | 2021-01-21 | Pacesetter, Inc. | Methods, devices and systems for holistic integrated healthcare patient management |
US11688496B2 (en) * | 2020-04-03 | 2023-06-27 | Anju Software, Inc. | Health information exchange system |
US20210350909A1 (en) * | 2020-05-11 | 2021-11-11 | Bionik, Inc. | System, Method and/or Computer Readable Medium For Optimizing Patient Rehabilitation |
-
2021
- 2021-07-13 US US17/374,223 patent/US11393566B1/en active Active
-
2022
- 2022-05-31 US US17/804,763 patent/US11636930B2/en active Active
- 2022-07-12 AU AU2022311888A patent/AU2022311888A1/en active Pending
- 2022-07-12 EP EP22842737.3A patent/EP4371122A1/en active Pending
- 2022-07-12 CN CN202280009993.1A patent/CN118140270A/zh active Pending
- 2022-07-12 WO PCT/US2022/036767 patent/WO2023287749A1/en active Application Filing
-
2023
- 2023-03-28 US US18/191,195 patent/US11875885B2/en active Active
- 2023-11-30 US US18/524,469 patent/US20240096462A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023287749A1 (en) | 2023-01-19 |
AU2022311888A1 (en) | 2024-01-18 |
US20230020203A1 (en) | 2023-01-19 |
US11636930B2 (en) | 2023-04-25 |
US11875885B2 (en) | 2024-01-16 |
US11393566B1 (en) | 2022-07-19 |
US20230245738A1 (en) | 2023-08-03 |
EP4371122A1 (en) | 2024-05-22 |
US20240096462A1 (en) | 2024-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200388385A1 (en) | Efficient diagnosis confirmation of a suspect condition for certification and/or re-certification by a clinician | |
US20140379373A1 (en) | Management of Medical Information | |
US20210057064A1 (en) | Systems and methods for federated searching and retrieval of medical records across disparate databases | |
D’Amore et al. | The promise of the CCD: challenges and opportunity for quality improvement and population health | |
US20080262867A1 (en) | Patient management system and method | |
US20140046697A1 (en) | Medical information navigation engine (mine) system | |
WO2019070200A1 (en) | HEALTH CARE INFORMATION MANAGEMENT SYSTEM | |
WO2013032845A1 (en) | System and method for creating and using health data record | |
US20220101966A1 (en) | Systems and methods for securely sharing electronic health information | |
US20150310455A1 (en) | Generation of an Image Regarding a Status Associated with a Patient | |
CN109524066B (zh) | 医疗数据处理方法及装置、存储介质和电子设备 | |
Rivera et al. | Linking electronic health data in pharmacoepidemiology: appropriateness and feasibility | |
CN111081329A (zh) | 临床数据自动录入方法及装置、电子设备、存储介质 | |
US20240096462A1 (en) | Interoperable platform for reducing redundancy in medical database management | |
CN111161813A (zh) | 慢性病信息处理方法、装置、设备及存储介质 | |
JP2018081528A (ja) | 電子カルテシステム | |
Gurupur et al. | A brief analysis of challenges in implementing telehealth in a rural setting | |
Müller et al. | Integration of mobile sensors in a telemedicine hospital system: remote-monitoring in COVID-19 patients | |
JP6675182B2 (ja) | 複数の医療機関が保有する患者情報を医療情報提示端末に提示するシステム | |
US20220208324A1 (en) | Emr integrated electronic case reporting | |
JP2018514862A (ja) | オンデマンドリアルタイム患者固有データ解析計算プラットフォームを提供するシステムおよび方法 | |
CN111128330A (zh) | 电子病例报告表自动录入方法、装置以及相关设备 | |
TW201301075A (zh) | 醫療影像知識管理系統與其知識內容產生方法 | |
He et al. | Research on standard compliance test algorithm based on electronic medical records of traditional Chinese medicine outpatients | |
WO2023234852A1 (en) | Personal electronic health record system (pehrs) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |