DE10141183B4 - Medical procedure and device for notification of persons involved in the case of deviations of a sick episode from the expected course of the disease - Google Patents

Medical procedure and device for notification of persons involved in the case of deviations of a sick episode from the expected course of the disease Download PDF

Info

Publication number
DE10141183B4
DE10141183B4 DE10141183A DE10141183A DE10141183B4 DE 10141183 B4 DE10141183 B4 DE 10141183B4 DE 10141183 A DE10141183 A DE 10141183A DE 10141183 A DE10141183 A DE 10141183A DE 10141183 B4 DE10141183 B4 DE 10141183B4
Authority
DE
Germany
Prior art keywords
prediction
disease
course
patient data
episode
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.)
Expired - Fee Related
Application number
DE10141183A
Other languages
German (de)
Other versions
DE10141183A1 (en
Inventor
Thomas Prof. Dr. Birkhölzer
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthcare GmbH
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Priority to DE10141183A priority Critical patent/DE10141183B4/en
Publication of DE10141183A1 publication Critical patent/DE10141183A1/en
Application granted granted Critical
Publication of DE10141183B4 publication Critical patent/DE10141183B4/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

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
    • 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
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

Verfahren zur Generierung eines automatischen Feedbacks bei Abweichungen einer Krankenepisode vom erwarteten Krankheitsverlauf gekennzeichnet durch folgende Schritte:
a) Erfassung und Speicherung von Patientendaten (D(tk)) über den Krankheitsverlauf in einem ersten Prozessschritt (n),
b) Prädiktion aufgrund der Patientendaten (D(tk)) über den weiteren Krankheitsverlauf (P(tk+t)),
c) Erfassung und Speicherung von weiteren Patientendaten (D(tk+t)) in einem weiteren Prozessschritt (n+x),
d) Extraktion des Verlaufs (V(tk+t)) der Krankheitsepisode aus den im gesamten Verlauf gesammelten Patientendaten (D(tk+t)),
e) Vergleich der Prädiktion (P(tk+t)) mit dem Verlauf (V(tk+t)),
f) Feststellung, ob der Vergleich eine signifikante Abweichung ergibt, und
g) Benachrichtigung eines Prozessbeteiligten bei einer signifikanten Abweichung.Method for generating an automatic feedback in case of deviations of a sick episode from the expected course of the disease characterized by the following steps:
a) acquisition and storage of patient data (D (tk)) about the course of the disease in a first process step (s),
b) prediction on the basis of the patient data (D (tk)) on the further course of the disease (P (tk + t)),
c) acquisition and storage of further patient data (D (tk + t)) in a further process step (n + x),
d) extraction of the course (V (tk + t)) of the disease episode from the patient data collected throughout the course (D (tk + t)),
e) comparison of the prediction (P (tk + t)) with the curve (V (tk + t)),
f) determining whether the comparison gives a significant deviation, and
g) Notification of a process participant in case of a significant deviation.

Figure 00000001
Figure 00000001

Description

Die Erfindung betrifft ein Verfahren zur Generierung eines automatischen Feedbacks bei Abweichungen einer Krankenepisode vom erwarteten Verlauf sowie eine medizinische Vorrichtung zur Benachrichtigung von Prozessbeteiligten.The The invention relates to a method for generating an automatic Feedbacks for deviations of a sick episode from the expected course as well as a medical device for notification of process participants.

In einer typischen Behandlung einer Krankheitsepisode eines Patienten können viele Prozessschritte beteiligt sein, beginnend bei der Erstdiagnose über verschiedene Stadien der Feindiagnose bzw. Differentialdiagnose, Therapie und Rehabilitation bis hin zur Nachsorge. Viele der Beteiligten haben dabei nur geringe Kontakte mit der Krankheitsepisode, so sieht beispielsweise der Radiologe den Patienten in der Regel nur während des Prozessschrittes Diagnose. Moderne IT-Infrastruktur (Information Technologie) im Krankenhaus mit einer elektronischen Patientenakte (EPR, Electronic-Patient-Record) ermöglicht allen Beteiligten einen Zugriff auf die Vorgeschichte der Krankheitsepisode. Um jedoch festzustellen, ob die getroffenen Entscheidungen oder Behandlungen "richtig" waren, d.h. ob sie auch über einen längeren Zeitraum, nicht nur in der augenblicklichen Situation, sondern auch in der Betrachtung des Gesamtergebnisses (Outcome) erfolgreich waren, ist jedoch die Betrachtung des weiteren Verlaufs der Krankheitsepisode entscheidend. So hat beispielsweise ein Akutkrankenhaus keinerlei Informationen über den weiteren Verlauf der Krankheitsgeschichten seiner Patienten in der Rehabilitation. Deshalb kann das Akutkrankenhaus gar nicht beurteilen, inwieweit eventuelle Frührehabilitationsmaßnahmen im Sinne der langfristigen Gesundung des Patienten "effektiv" sind oder nicht.In a typical treatment of a disease episode of a patient can Many process steps involved, starting with the initial diagnosis over different ones Stages of fine diagnosis or differential diagnosis, therapy and Rehabilitation to aftercare. Many of the participants have while only a few contacts with the episode of illness, so for example The radiologist usually only gives the patient during the process step Diagnosis. Modern IT infrastructure (information technology) in the Hospital with electronic patient record (EPR, Electronic-Patient-Record) allows everyone Have access to the history of the episode of illness. However, to determine whether the decisions taken or Treatments were "correct", i. whether you also over a longer period, not only in the current situation, but also in the Consideration of the overall result (outcome) was successful however, the consideration of the further course of the disease episode crucial. For example, an emergency hospital does not have any information about the further course of the illness stories of his patients in rehabilitation. Therefore, the acute hospital can not assess the extent to which any early rehabilitation measures in the sense of long-term recovery of the patient are "effective" or not.

Im Hinblick auf eine Prozessverbesserung sind natürlich diejenigen Episoden am wichtigsten, in denen sich eine Abweichung von dem erwarteten Verlauf ergeben hat. Aus Effizienzgründen kann natürlich nicht die große Masse aller Routineepisoden betrachtet werden.in the In terms of process improvement, of course, those are episodes on most important, in which there is a deviation from the expected course has resulted. For efficiency reasons can of course not the big one Mass of all routine episodes.

Derzeit ist nur eine aktive Nachfrage durch einen Prozessbeteiligten möglich, d.h. ein Prozessbeteiligter könnte sich zu einem Zeitpunkt in der Zukunft aktiv die Patientengeschichte betrachten und retrospektiv auswerten. Diese Aufgabe ist jedoch weder automatisiert noch passiert eine geeignete Selektion. Damit ist dieses Vorgehen vom benötigten Aufwand im Routinebetrieb nicht praktikabel.Currently Only an active demand is possible by a process participant, i. a litigator could patient history is active at some point in the future consider and evaluate retrospectively. This task is however neither automates nor passes a suitable selection. In order to is this approach of needed Effort in routine operation impractical.

Als einzige Alternative können aufwendige Studien durchgeführt werden, die jedoch immer nur einen Einzelaspekt betrachten können.When only alternative can elaborate studies carried out which, however, can only ever look at a single aspect.

In der DE 695 19 166 D2 ist ein Berichtsystem über Krankeninformationen beschrieben, bei dem eine Messwerterfassungsvorrichtung für physiologische Kenngrößen des Patienten vorgesehen ist, und das ein Berichtssystem mit Schnittstellen, Eingabevorrichtung, Datenspeicher, Mikrokontroller, Berichterzeugungseinheit, Übertragungsmittel und Kommunikations-Schnittstellen aufweist. Der Mikrokontroller führt die Abspeicherung der Daten durch, um eine digitale Sendedatei zu bilden und ein Datenübertragungsprotokoll wird zur Übertragung der Datensätze über das Telekommunikationsnetzwerk aufgrund eines Steuersignales des Benutzers ausgelöst. Weiterhin liest der Mikrokontroller die digitalen Sendedateien aus dem Speicher aus, eine Verbindung über das Telekommunikationsnetz herstellt und die Datei überträgt.In the DE 695 19 166 D2 a report system is described about medical information in which a measured value acquisition device for physiological characteristics of the patient is provided, and which has a reporting system with interfaces, input device, data storage, microcontroller, report generation unit, transmission means and communication interfaces. The microcontroller performs the storage of the data to form a digital broadcast file, and a communication protocol is initiated to transmit the records over the telecommunications network in response to a user control signal. Furthermore, the microcontroller reads the digital transmission files from the memory, establishes a connection via the telecommunications network and transmits the file.

Die Erfindung geht von der Aufgabe aus, ein Verfahren und eine Vorrichtung der eingangs genannten Art anzugeben, das einem Beteiligten eines Behandlungsprozesses einer Krankheitsepisode effizient und routinemäßig Informationen über den weiteren Verlauf von Krankheitsepisoden gibt, um ihm damit zu ermöglichen, seine Aktivitäten nicht nur lokal sondern auch im Sinne des Gesamtergebnisses oder Gesamtprozesses zu optimieren.The The invention is based on the object, a method and a device of the type mentioned above, the one involved in a treatment process a disease episode efficiently and routinely provide information about the further course of disease episodes to enable him to his activities not only locally but also in the sense of the overall result or To optimize the overall process.

Die Aufgabe wird erfindungsgemäß durch ein Verfahren zur Generierung eines automatischen Feedbacks bei Abweichungen einer Krankenepisode vom erwarteten Verlauf durch Schritte gemäß Patentanspruch 1 gelöst.The The object is achieved by a Method for generating automatic feedback in case of deviations a sick episode of the expected course by steps according to claim 1 solved.

In vorteilhafter Weise kann eine Benachrichtigung des Prozessbeteiligten des ersten Prozessschrittes (n) erfolgen.In Advantageously, a notification of the process participants of the first process step (s).

Erfindungsgemäß kann der Vergleich gemäß Schritt e) folgendermaßen durchgeführt werden, || V(tk+t) – P(tk+t) || > threshold,wobei || || eine Norm darstellt.According to the invention, the comparison according to step e) can be carried out as follows, || V (tk + t) -P (tk + t) || > threshold, where || || represents a norm.

In vorteilhafter Weise kann die Prädiktion gemäß Schritt b) einen oder mehrere Werte umfassen, wobei der Wert für die Prädiktion gemäß Schritt b) beispielsweise als Einzelwert die Zeitdauer der Gesamtbehandlung oder eine physiologische Größe und als mehrere Werte kognitive Fähigkeiten entlang verschiedener Dimensionen umfassen kann.In Advantageously, the prediction according to step b) comprise one or more values, wherein the value for the prediction according to step b) as a single value, for example, the duration of the overall treatment or a physiological size and as multiple values of cognitive abilities along different dimensions.

Für eine Vorrichtung zur Durchführung des erfindungsgemäßen Verfahrens wird die Aufgabe mit einer Erfassungsvorrichtung für Prozessschritte, einer Datenbank für Patientendaten, einer Vorrichtung zur Prädiktion eines Prozessschrittes, einer Auswertevorrichtung zur Verlaufsextraktion aus der Datenbank mit Patientendaten in einem späteren Prozessschritt, einer Vergleichsvorrichtung sowie einer Ausgabevorrichtung zur Rückmeldung an Prozessbeteiligte gelöst.For a device for carrying out the method according to the invention, the object is provided with a detection device for process steps, a database for patient data, a device for prediction of a process step, an evaluation device for the course extraction from the data Bank with patient data in a later process step, a comparison device and an output device for feedback to process participants solved.

Erfindungsgemäß kann die Vorrichtung zur Prädiktion regelbasierte Systeme, insbesondere Experten-Systeme und/oder lernende Systeme, insbesondere neuronale Netze aufweisen.According to the invention, the Prediction device rule-based systems, in particular expert systems and / or learning Systems, in particular neural networks have.

Zusätzlich ist es sinnvoll, wenn die Vorrichtung zur Prädiktion eine Eingabevorrichtung zur manuellen Prädiktion aufweist.In addition is it makes sense if the prediction device is an input device for manual prediction having.

In vorteilhafter Weise kann die Vorrichtung als Feedback-System in einem Pathway-Management-System eingesetzt werden.In Advantageously, the device can be used as a feedback system in a pathway management system be used.

Die Erfindung ist nachfolgend anhand von in der Zeichnung dargestellten Ausführungsbeispielen näher erläutert. Es zeigen:The Invention is described below with reference to the drawing Embodiments explained in more detail. It demonstrate:

1 ein erfindungsgemäßes medizinisches System und 1 an inventive medical system and

2 ein zeitliches Ablaufdiagramm des erfindungsgemäßen Verfahrens. 2 a timing diagram of the method according to the invention.

In der 1 ist ein medizinisches System zur Benachrichtigung bei Abweichungen einer Krankenepisode vom erwarteten Krankheitsverlaufs dargestellt, das eine Erfassungsvorrichtung 1 für Patientendaten aufweist. An diese Erfassungsvorrichtung 1, die eine manuelle Eingabevorrichtung sein kann oder aus anderen eingegebenen Daten die einem Patienten zugeordneten Daten erfasst, ist eine Datenbank 2 für Patientendaten zur Speicherung des Krankheitsverlaufs eines Patienten angeschlossen. Eine Vorrichtung 3 zur Prädiktion eines Prozessschrittes ist mit der Datenbank 2 verbunden, die eine Vorhersage des erwarteten Krankheitsverlaufs erstellt und in der Datenbank 2 abspeichert. An der Datenbank 2 ist eine Vorrichtung 4 zur Verlaufsextraktion angeschlossen, die den Krankheitsverlauf aus der Datenbank 2 mit Patientendaten in einem späteren Prozessschritt auswertet. Mit der Vorrichtung 3 zur Prädiktion und der Vorrichtung 4 zur Verlaufsextraktion ist eine Vergleichsvorrichtung 5 verbunden, die die Prädiktion (P(tk+t)) mit dem tatsächlichen Verlauf (V(tk+t)) der Krankheitsepisode vergleicht und bei Abweichungen, die einen bestimmten Schwellwert (Treshold) überschreiten, eine Benachrichtigung über eine Ausgabevorrichtung 6 an einen oder mehrere Prozessbeteiligte bewirkt. Die Ausgabevorrichtung 6 kann weiterhin an der Vorrichtung 3 zur Prädiktion angeschlossen sein, die ein Feedback und den tatsächliche Verlauf zur Verbesserung der Prädiktion erhält.In the 1 A medical system is provided for notification of deviations from a disease episode from the expected course of the disease, which is a detection device 1 for patient data. To this detection device 1 , which may be a manual input device, or which collects data associated with a patient from other input data, is a database 2 connected to patient data for storing the disease history of a patient. A device 3 for prediction of a process step is with the database 2 which creates a prediction of the expected disease process and in the database 2 stores. At the database 2 is a device 4 connected to the course extraction, the disease history from the database 2 evaluates with patient data in a later process step. With the device 3 for prediction and the device 4 for the course extraction is a comparison device 5 which compares the prediction (P (tk + t)) with the actual course (V (tk + t)) of the disease episode and, in the event of deviations exceeding a certain threshold (Treshold), a notification via an output device 6 to one or more persons involved in the process. The output device 6 can continue on the device 3 be connected to the prediction, which receives a feedback and the actual course to improve the prediction.

Nachfolgend wird das erfindungsgemäße Prinzip anhand der 2 näher erläutert. Eine Zeitachse ist mit dem Bezugszei chen 7 gekennzeichnet. Basierend auf den zum Zeitpunkt tk eines n-ten Prozessschrittes 8, beispielsweise bei einem Kontakt zur Diagnose und/oder Behandlung, vorhandenen Patientendaten (D(tk)) 9 wird eine Prädiktion (P(tk+t)) 10, eine Vorhersage, über den weiteren Krankheitsverlauf durchgeführt. Bei einem späteren Zeitpunkt t nach einem n+x-ten Prozessschritt 11 wird aufgrund der Patientendaten (D(tk+t)) 12 eine Verlaufsextraktion (V(tk+t)) 13 durchgeführt, die in einem Schritt 14 mit der Prädiktion (P(tk+t)) 10 verglichen wird. Wenn sich im zukünftigen tatsächlichen Verlauf (V(tk+t)) der Krankheitsepisode eine signifikante Abweichung ergibt, die beispielsweise durch folgende Gleichung ausgedrückt werden kann: || V(tk+t) – P(tk+t) || > threshold,wobei || || eine beliebige Norm bezeichnet,
so wird ein Feedback 15 an den Prozessbeteiligten des n-ten Prozessschrittes 8 erzeugt und ihm der tatsächliche Verlauf der Krankheitsepisode vorgelegt.Hereinafter, the principle of the invention based on the 2 explained in more detail. A time axis is with the Bezugszei chen 7 characterized. Based on the time tk of an nth process step 8th For example, in the case of a contact for diagnosis and / or treatment, existing patient data (D (tk)) 9 becomes a prediction (P (tk + t)) 10 , a prediction, conducted on the further course of the disease. At a later time t after an n + x-th process step 11 is due to the patient data (D (tk + t)) 12 a course extraction (V (tk + t)) 13 performed in one step 14 with the prediction (P (tk + t)) 10 is compared. If in the future actual course (V (tk + t)) of the disease episode a significant deviation results, which can be expressed for example by the following equation: || V (tk + t) -P (tk + t) || > threshold, where || || designates any standard,
this will be feedback 15 to the process participants of the nth process step 8th and presented to him the actual course of the disease episode.

Dieses Schema kann grundsätzlich für jeden Prozessschritt implementiert werden. Dabei können alle Elemente wie Prädiktion, Verlaufsextraktion und Vergleich spezifisch für jeden Prozessschritt entweder separat oder übergreifend, beispielsweise bei Abweichung vom erwarteten Verlauf Rückmeldung an alle Prozessschritte, realisiert werden.This Scheme can basically for every process step be implemented. Everyone can do it Elements like prediction, Gradient extraction and comparison specific for each process step either separately or across, For example, if there is a deviation from the expected course, feedback is sent All process steps are realized.

Hinsichtlich der Prädiktion gibt es zwei grundsätzliche Ausprägungen:

  • • "Vorausschauend": Die Prädiktion wird zum Zeitpunkt tk einmal durchgeführt und die erwarteten Verlaufswerte P(tk) werden gespeichert.
  • • "Mitlaufend": Die Prädiktion wird zu jedem Zeitpunkt tk+t mitlaufend durchgeführt, wobei allerdings nur die "alten" Daten berücksichtigt werden.
With regard to prediction, there are two basic characteristics:
  • • "Predictive": The prediction is performed once at time tk and the expected history values P (tk) are stored.
  • • "Ongoing": The prediction is carried out concurrently at every time tk + t, whereby only the "old" data is considered.

Alternativ können die Rückmeldung und der tatsächliche Verlauf zur Verbesserung der Prädiktion im Sinne eines lernenden Systems eingesetzt werden, wenn zur Prädiktion (P(tk+t)) 10 beispielsweise neuronale Netze verwendet werden.Alternatively, the feedback and the actual course for improving the prediction can be used in the sense of a learning system, if for prediction (P (tk + t)) 10 For example, neural networks are used.

Auch kann statt einer Rückmeldung bei einer signifikanten Abweichung mit einer festen Threshold eine Rückmeldung mit variabler Priorität in Abhängigkeit von der Signifikanz der Abweichung, mit einem sogenannten "Fuzzy"-Threshold erfolgen.Also can take place instead of a feedback at a significant deviation with a fixed threshold one feedback with variable priority dependent on of the significance of the deviation, with a so-called "fuzzy" threshold.

Durch die erfindungsgemäße Vorrichtung und das zugehörige Verfahren erhält man eine automatisierte Rückmeldung über den weiteren Verlauf einer Krankheitsepisode falls der weitere Verlauf nicht den ursprünglich angenommenen Erwartungen entspricht.By means of the device according to the invention and the associated method, an automated feedback on the further course of a disease episode is obtained if the further course does not meet the expectations originally expected.

Zur Prädiktion können folgende Mechanismen Anwendung finden:

  • • Einsatz von regelbasierten Systemen oder sonstige Arten von Experten-Systemen wie beispielsweise Bayes-Netze: Wenn eine Situation D(tk) eingetreten ist, dann wird ein Verlauf P(tk+t) erwartet.
  • • Einsatz von lernende Systemen wie beispielsweise neuronalen Netzen: Das System wird in einem Probebetrieb trainiert, wobei zum Training jeweils nur ausgewählte typische Fälle verwendet werden.
  • • Manuelle Prädiktion: Durch Auswahl einer erwarteten oder empfohlenen weiteren Vorgehensweise – eine Behandlungsempfehlung – oder bei einer erwarteten Behandlungsdauer wie beispielsweise x Tage zur Beobachtung ins Krankenhaus, etc. wird die Prädiktion manuell gesetzt.
  • • Einsatz von klinischen Pathways: Diese spezifizieren in Abhängigkeit von einer Ausgangssituation (D(tk)) die weitere "Routine"-Behandlung (P(tk+t)) der Krankheitsepisode. Ergeben sich in der tatsächlichen Behandlung (V(tk+t)) Abweichungen von dieser "Routine"- Behandlung, so ist dies offensichtlich auf eine Abweichung von dem erwartete Krankheitsverlauf zurückzuführen. In diesem Szenario ist das Feedback-System eine Komponente in einem Pathway-Management-Systems und kann gleichzeitig der lokalen Prozessverbesserung und der Verbesserung der klinischen Pathways dienen.
  • • Werte der Prädiktion: Die Prädiktion kann einen oder mehrere Werte umfassen. Als ein Wert kann beispielsweise entweder die Zeitdauer der Gesamtbehandlung oder eine physiologische Größe Verwendung finden. Als mehrere Werte können beispielsweise kognitive Fähigkeiten entlang verschiedener Dimensionen verwendet werden.
The following mechanisms can be used for prediction:
  • • Use of rule-based systems or other types of expert systems such as Bayesian networks: If a situation D (tk) has occurred, then a progression P (tk + t) is expected.
  • • Use of learning systems such as neural networks: The system is trained in a trial operation, whereby only selected typical cases are used for the training.
  • • Manual prediction: By selecting an expected or recommended further procedure - a treatment recommendation - or at an expected treatment duration, such as x days for observation in the hospital, etc., the prediction is set manually.
  • • Use of clinical pathways: These specify the further "routine" treatment (P (tk + t)) of the disease episode as a function of an initial situation (D (tk)). If the actual treatment (V (tk + t)) shows deviations from this "routine" treatment, this is obviously due to a deviation from the expected course of the disease. In this scenario, the feedback system is a component in a pathway management system and can serve both to improve the local process and to improve the clinical pathways.
  • • Values of the prediction: The prediction can include one or more values. As a value, for example, either the duration of the whole treatment or a physiological size may be used. For example, cognitive capabilities along various dimensions can be used as multiple values.

Die obengenannte "Norm" ist ein Maß für die Abweichung:

  • • Als Norm wird die Abweichung von P(tk+t) von V(tk+t) nur zum Zeitpunkt (tk+t) verwendet. Eine Abweichung wird im Sinne eines Betrags bei Einzelwerten oder einer gewichteten Vektornorm bei mehrwertigen P und V eingesetzt
  • • Als Norm wird die Abweichung von P(tk+t) von V(tk+t) über das gesamte Zeitintervall [tk, tk+t] im Sinne eines gewichteten Integrals verwendet.
The above "norm" is a measure of the deviation:
  • • As a norm, the deviation of P (tk + t) from V (tk + t) is used only at the time (tk + t). A deviation is used in the sense of an amount for single values or a weighted vector standard for multi-valued P and V.
  • • The norm is the deviation of P (tk + t) from V (tk + t) over the entire time interval [tk, tk + t] in terms of a weighted integral.

Durch das erfindungsgemäße medizinische System wird automatisch Feedback bei Abweichungen einer Krankenepisode vom erwarteten Verlauf der Krankheitsgeschichten generiert, der an ausgewählte oder alle Prozessbeteiligte weitergeleitet wird.By the medical system according to the invention will automatically provide feedback on deviations from a sick episode generated by the expected course of disease histories, the to selected or all those involved in the process are forwarded.

Claims (11)

Verfahren zur Generierung eines automatischen Feedbacks bei Abweichungen einer Krankenepisode vom erwarteten Krankheitsverlauf gekennzeichnet durch folgende Schritte: a) Erfassung und Speicherung von Patientendaten (D(tk)) über den Krankheitsverlauf in einem ersten Prozessschritt (n), b) Prädiktion aufgrund der Patientendaten (D(tk)) über den weiteren Krankheitsverlauf (P(tk+t)), c) Erfassung und Speicherung von weiteren Patientendaten (D(tk+t)) in einem weiteren Prozessschritt (n+x), d) Extraktion des Verlaufs (V(tk+t)) der Krankheitsepisode aus den im gesamten Verlauf gesammelten Patientendaten (D(tk+t)), e) Vergleich der Prädiktion (P(tk+t)) mit dem Verlauf (V(tk+t)), f) Feststellung, ob der Vergleich eine signifikante Abweichung ergibt, und g) Benachrichtigung eines Prozessbeteiligten bei einer signifikanten Abweichung.Method for generating an automatic Feedbacks for deviations of a sick episode from the expected course of the disease characterized by the following steps: a) Collection and storage from patient data (D (tk)) via the disease process in a first process step (s), b) prediction based on the patient data (D (tk)) on the further course of the disease (P (k + t)), c) Acquisition and storage of further patient data (D (tk + t)) in a further process step (n + x), d) extraction of the course (V (tk + t)) of the disease episode from throughout History of collected patient data (D (tk + t)), e) comparison the prediction (P (tk + t)) with the curve (V (tk + t)), f) determining whether the Comparison results in a significant deviation, and g) notification a process participant in the event of a significant deviation. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass eine Benachrichtigung des Prozessbeteiligten des ersten Prozessschrittes (n) erfolgt.Method according to claim 1, characterized in that that a notification of the process participants of the first process step (n) takes place. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass der Vergleich gemäß Schritt e) folgendermaßen durchgeführt wird, || V(tk+t) – P(tk+t) || > threshold,wobei || || eine Norm darstellt.Method according to claim 2, characterized in that the comparison according to step e) is carried out as follows, || V (tk + t) -P (tk + t) || > threshold, where || || represents a norm. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Prädiktion gemäß Schritt b) einen oder mehrere Werte umfasst. Method according to claim 1 or 2, characterized that the prediction according to step b) one or more values. Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass der Wert für die Prädiktion gemäß Schritt b) die Zeitdauer der Gesamtbehandlung oder eine physiologische Größe umfasst.Method according to claim 4, characterized in that that the value for the prediction according to step b) the duration of the total treatment or a physiological size. Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass die mehreren Werte für die Prädiktion gemäß Schritt b) kognitive Fähigkeiten entlang verschiedener Dimensionen umfassen.Method according to claim 4, characterized in that that the multiple values for the prediction according to step b) cognitive skills along different dimensions. Medizinische Vorrichtung zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 6 mit einer Erfassungsvorrichtung (1) für Prozessschritte, einer Datenbank (2) für Patientendaten, einer Vorrichtung (3) zur Prädiktion eines Prozessschrittes, einer Auswertevorrichtung (4) zur Verlaufsextraktion aus der Datenbank (2) mit Patientendaten in einem späteren Prozessschritt, einer Vergleichsvorrichtung (5) sowie einer Ausgabevorrichtung (6) zur Rückmeldung an Prozessbeteiligte.Medical device for carrying out the method according to one of claims 1 to 6 with a detection device ( 1 ) for process steps, a database ( 2 ) for patient data, a device ( 3 ) for the prediction of a process step, an evaluation device ( 4 ) for the course extraction from the database ( 2 ) with patient data in a later process step, a comparison device ( 5 ) and an output device ( 6 ) for feedback to process participants. Medizinische Vorrichtung nach Anspruch 7, dadurch gekennzeichnet, dass die Vorrichtung (3) zur Prädiktion regelbasierte Systeme, insbesondere Experten-Systeme aufweist.Medical device according to claim 7, characterized in that the device ( 3 ) for prediction rule-based systems, in particular expert systems. Medizinische Vorrichtung nach Anspruch 7 oder 8, dadurch gekennzeichnet, dass die Vorrichtung (3) zur Prädiktion lernende Systeme, insbesondere neuronale Netze aufweist.Medical device according to claim 7 or 8, characterized in that the device ( 3 ) for prediction learning systems, in particular neural networks. Medizinische Vorrichtung nach einem der Ansprüche 7 bis 9, dadurch gekennzeichnet, dass die Vorrichtung (3) zur Prädiktion eine Eingabevorrichtung zur manuellen Prädiktion aufweist.Medical device according to one of claims 7 to 9, characterized in that the device ( 3 ) for prediction has an input device for manual prediction. Medizinische Vorrichtung nach einem der Ansprüche 7 bis 10, dadurch gekennzeichnet, dass sie als Feedback-System in einem Pathway-Management-System eingesetzt wird.Medical device according to one of claims 7 to 10, characterized in that it as a feedback system in a Pathway Management System is used.
DE10141183A 2001-08-22 2001-08-22 Medical procedure and device for notification of persons involved in the case of deviations of a sick episode from the expected course of the disease Expired - Fee Related DE10141183B4 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE10141183A DE10141183B4 (en) 2001-08-22 2001-08-22 Medical procedure and device for notification of persons involved in the case of deviations of a sick episode from the expected course of the disease

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE10141183A DE10141183B4 (en) 2001-08-22 2001-08-22 Medical procedure and device for notification of persons involved in the case of deviations of a sick episode from the expected course of the disease

Publications (2)

Publication Number Publication Date
DE10141183A1 DE10141183A1 (en) 2003-03-20
DE10141183B4 true DE10141183B4 (en) 2005-07-07

Family

ID=7696272

Family Applications (1)

Application Number Title Priority Date Filing Date
DE10141183A Expired - Fee Related DE10141183B4 (en) 2001-08-22 2001-08-22 Medical procedure and device for notification of persons involved in the case of deviations of a sick episode from the expected course of the disease

Country Status (1)

Country Link
DE (1) DE10141183B4 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69519166T2 (en) * 1994-05-23 2001-05-23 Lifechart Com Inc SYSTEM FOR MONITORING AND REPORTING MEDICAL MEASUREMENT DATA

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69519166T2 (en) * 1994-05-23 2001-05-23 Lifechart Com Inc SYSTEM FOR MONITORING AND REPORTING MEDICAL MEASUREMENT DATA

Also Published As

Publication number Publication date
DE10141183A1 (en) 2003-03-20

Similar Documents

Publication Publication Date Title
DE10156215A1 (en) Process for processing medically relevant data
DE102016209032B3 (en) Image-providing method for carrying out a medical examination together with the associated imaging system and associated computer program product
EP1975821A2 (en) Method for digital storing of data on a data storage device with limited available space
DE10393711T5 (en) Method and system for retrieving a medical image
DE102006046746A1 (en) Computer readable medium e.g. optical medium for patient's diagnostic medical reference image information database, contains instructions to produce database of image variation data and severity class grade with respect to each data
DE10197152T5 (en) Method and device for scheduling appointments
DE10316298A1 (en) Process and arrangement for the automatic preparation and evaluation of medical data
DE19842046A1 (en) Medical analysis data generation system
DE10240216A1 (en) Procedure and database for finding medical studies
EP1378850A1 (en) Method and system for the creation of a therapy training program
EP1156440A2 (en) Method and apparatus for the automated determining of the health risks for a patient
DE102005009056A1 (en) Method for operating a medical information system
DE10141183B4 (en) Medical procedure and device for notification of persons involved in the case of deviations of a sick episode from the expected course of the disease
EP1433130A2 (en) Method for creating a knowledge-based causal network
DE102020111584A1 (en) Method for obtaining data using surgical microscopy systems
DE102022201347A1 (en) Method and system for the automated determination of examination results in an image sequence
DE112020004025T5 (en) Adversarial and cooperative imitation learning for dynamic treatment
DE102020200081A1 (en) Computer system, method and computer program for the more precise quantitative measurement of lesion changes from radiological image data from two measurements
DE60035505T2 (en) DETERMINATION OF NEUROLOGICAL CONDITIONS BY MEANS OF IRRITANT POTENTIALS
DE10349419B4 (en) Method for automatically setting at least one device parameter of a medical device, medical device and medical system
DE102021130269A1 (en) COMPUTER-IMPLEMENTED PROCEDURE TO ASSIST AND/OR ANALYZE DENTAL AND/OR ORTHODONTIC TREATMENTS
DE10254941B4 (en) Device for building a medical database
DE102021204020B3 (en) Method for transmitting a plurality of medical images
DE102019131639B4 (en) System for providing an explanation data set for an AI module
DE102020111563A1 (en) Method for obtaining annotated data using surgical microscopy systems

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8364 No opposition during term of opposition
R081 Change of applicant/patentee

Owner name: SIEMENS HEALTHCARE GMBH, DE

Free format text: FORMER OWNER: SIEMENS AKTIENGESELLSCHAFT, 80333 MUENCHEN, DE

R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee