DE102007020177A1 - Verfahren und Vorrichtung zur Überwachung von Prozessen - Google Patents

Verfahren und Vorrichtung zur Überwachung von Prozessen Download PDF

Info

Publication number
DE102007020177A1
DE102007020177A1 DE102007020177A DE102007020177A DE102007020177A1 DE 102007020177 A1 DE102007020177 A1 DE 102007020177A1 DE 102007020177 A DE102007020177 A DE 102007020177A DE 102007020177 A DE102007020177 A DE 102007020177A DE 102007020177 A1 DE102007020177 A1 DE 102007020177A1
Authority
DE
Germany
Prior art keywords
information flow
information
flow function
process variable
process variables
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.)
Withdrawn
Application number
DE102007020177A
Other languages
English (en)
Inventor
Dirk PD Dr.-Ing. habil. Hoyer
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.)
Friedrich Schiller Universtaet Jena FSU
Original Assignee
Friedrich Schiller Universtaet Jena FSU
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 Friedrich Schiller Universtaet Jena FSU filed Critical Friedrich Schiller Universtaet Jena FSU
Priority to DE102007020177A priority Critical patent/DE102007020177A1/de
Publication of DE102007020177A1 publication Critical patent/DE102007020177A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405Determining heart rate variability
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7275Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021Measuring pressure in heart or blood vessels
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Cardiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Pulmonology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

Aufgabe war es, komplexe kontinuierliche Prozesse, beispielsweise in biologischen, biochemischen, medizinischen, molekularen und technischen Systemen, unter Abschätzung von Risiko und Prognose besser überwachen zu können. Erfindungsgemäß werden von den zu überwachenden Prozessgrößen (A, C) jeweils mindestens zwei einzelne und ein vereinigter auf definierte Zeitintervalle (Deltat<SUB>A1</SUB>, Deltat<SUB>A2</SUB>, Deltat<SUB>C</SUB>) bezogene digi</SUB>, I<SUB>C</SUB>, I<SUB>AA</SUB>, I<SUB>AC</SUB>) bestimmt, aus denen zumindest eine Informationsflussfunktion (F<SUB>A</SUB>, F<SUB>AC</SUB>) gebildet wird. Anhand dieser zumindest einen Informationsflussfunktion (F<SUB>A</SUB>, F<SUB>AC</SUB>) erfolgt die Prozessüberwachung und Risikobewertung (Score). Die Erfindung findet beispielsweise Anwendung in der Medizin zur Überwachung von Patientenmessdaten, wie Herfrequenzschwankungen, Blutdruckschwanklungen, Atemkurve etc.

Description

  • Die Erfindung dient zur Überwachung insbesondere komplexer Prozesse, beispielsweise in biologischen, biochemischen, medizinischen, molekularen und technischen Systemen, die mit herkömmlichen Verfahren nicht oder nicht hinreichend erfasst werden können. Die Bewertung soll dabei eine Risikoabschätzung, Prognose und Kontrolle des Verhaltens solcher Systeme berücksichtigen.
  • Herkömmlich werden Prozesse hinsichtlich der Abweichung der Amplituden der Prozessgrößen von Sollwerten berücksichtigt. Hierzu werden üblicherweise seit langem bekannte Verfahren der Regelkreisanalyse im Zeit- und Frequenzbereich verwendet, die allerdings bei komplizierten und damit komplexen Prozessen unzureichend sind. Selbst nichtlineare Modelle, die Abhängigkeiten zwischen dem Amplitudenverhalten verschiedener Prozessgrößen nachbilden, werden den hier interessierenden komplexen Prozesseigenschaften nicht gerecht.
  • Methoden zur Auswertung und Kontrolle von Prozessen werden in Wissenschaft und Technik vielfältig eingesetzt.
  • In der Medizin muss aufgrund der hohen Komplexität des Organismus generell mit unzureichenden Erkenntnissen zum aktuellen Zustand gearbeitet werden, da die bekannten Analyseverfahren selbst bei hoher Rechenleistung der komplexer Organisationsform des Organismus nicht gerecht werden. Das betrifft beispielsweise die Bewertung der Entwicklung und Behandlung von Krankheitserregern oder Fehlfunktionen, die von vielen inneren und äußeren Faktoren beeinflusst werden, insbesondere im intensivmedizinischen Bereich, nach Unfall, Herzinfarkt oder Schlaganfall, während des Transportes im Hubschrauber, bis hin zum Homecarebereich. Andere bevölkerungspolitisch zunehmend bedeutsame Anwendungen sind die Überwachung der Stabilität von Herzkreislauf und Gleichgewichtsorgan bei Sturzgefahr im Alter, die Abstimmung von Körperbewegungen bei Rehabilitation nach Schädigungen des Bewegungsapparates oder die Abstimmung der komplexen Rückenmuskulatur und -bewegung bei Patienten mit Rückenschmerzen. Im Sportbereich repräsentiert die Abstimmung komplexer Bewegungsmuster beispielsweise beim Langstreckenlauf den aktuellem Trainings- und Ermüdungszustand.
  • In der Biologie ist die Einschätzung des Wachstums von Organismen in Abhängigkeit von Futterangebot, Konkurrenten, Umweltgiften, etc. bedeutsam.
  • In der Technik ist die Zuverlässigkeit komplexer Fertigungsnetze, wie die der Autoproduktion, bedeutsam. Aber auch die Überwachung und Steuerung der komplexen Abstimmung des Schwingungsverhaltens verschiedener Fahrzeugteile ist für die Funktion und die Sicherheit des Gesamtprozesses und dessen Umweltbelastung, wie beispielsweise durch Lärmentwicklung, bedeutsam. Dasselbe gilt für Fertigungsmaschinensysteme, wie Walzstraßen.
  • In der Computerbranche ist die Zuverlässigkeit komplexer Informationsnetze wichtig. Die bessere Berücksichtigung der vielfältigen komplexen Einflussfaktoren wird in allen Fällen zunehmend als nicht hinreichend gelöste Herausforderung erkannt.
  • So sind Systeme zur medizinischen Überwachung von Patienten basierend auf der Messung eines oder mehrerer Biosignale bekannt, aus denen Verläufe physiologischer Parameter oder Bewertungsergebnisse wie klinische Scores ( DE 197 36 480 A1 ) berechnet werden.
  • Etablierte klinische Scores bewerten die Krankheitsschwere aufwändig aufgrund verschiedener physiologischer und biochemischer Größen, wie beispielsweise der APACHE II Score durch Berücksichtigung von Körpertemperatur, Blutdruck, Herzfrequenz, Atemfrequenz, Oxygenierung, pH, Na+, K+, Kreatinin, Hämatokrit und Leukozyten.
  • Bei einem Verfahren zur Diagnose von Herzrhythmusstörungen ( DE 43 20 519 A1 ) werden Gruppen von jeweils drei Herzschlagintervallen miteinander verglichen.
  • Bekannt ist in der medizinischen Anwendung auch eine Vorrichtung zum Vorhersagen von Tachykardien ( DE 10 2004 054 751 A1 ), bei welcher elektrische Herzsignale und zirkadiane Signale bewertet werden.
  • Komplexe Prozesse werden in einigen Fällen mit Komplexitätsmaßen wie der approximierten Entropie bei Herzkrankheiten besser als mit herkömmlichen linearen Maßen im Zeit- und Frequenzbereich beschrieben (S. M. Pincus et al. Heart rate control in normal and aborted SIDS infants, American Journal of Physiology 264, 1993, R638).
  • Die Berechnung des autonomen Informationsflusses bei Patienten mit Multiorgandysfunktionssyndrom aus Herzschlagfolgen von 6–24 Stunden Dauer ermöglichte die statistische Abschätzung der Überlebenswahrscheinlichkeit einer Gruppe von MODS Patienten (D. Hoyer et al.: Prognostic impact of autonomic information flow in multiple Organ dysfunction syndrome patients, International Journal of Cardiology 108, 2006, 359–369).
  • Alle genannten Beispiele sind nicht in der Lage, die komplexen Prozesseigenschaften im aktuellen Verlauf ausreichend genau zu erfassen und hinsichtlich Risiko und Prognose des individuellen Patienten zufriedenstellend zu bewerten.
  • Der Erfindung liegt deshalb die Aufgabe zu Grunde, komplexe kontinuierliche Prozesse, beispielsweise in biologischen, biochemischen, medizinischen, molekularen und technischen Systemen, unter Abschätzung von Risiko und Prognose besser überwachen zu können.
  • Mit einer qualitativ besseren und zuverlässigeren Systemkontrolle sollen die Prozesse ggf. auch überwachungssicherer steuerbar sein.
  • Erfindungsgemäß wird diese Aufgabe gelöst, indem bei einem Verfahren zur Überwachung und Risikobewertung von Prozessen für jede zu überwachende Prozessgröße mindestens zwei einzelne und ein vereinigter jeweils auf definierte Zeitintervalle bezogene Informationsgehalte bestimmt werden, dass aus den Informationsgehalten der Prozessgrößen jeweils wenigstens eine Informationsflussfunktion berechnet wird und dass die Überwachung der Prozessgrößen durch Risikobewertung (Scorebildung) dieser wenigstens einen Informationsflussfunktion erfolgt. Die Bewertung dieser wenigstens einen Informationsflussfunktion ermöglicht somit eine Beurteilung des aktuellen Zustands und sogar des Risikos bzw. einer gesundheitlichen Prognose des Patienten.
  • Dabei ist es möglich, für jede zu überwachende Prozessgröße separat mindestens zwei einzelne und einen vereinigten digitalen Informationsgehalt zu berechnen, aus denen dann jeweils eine prozessgrößenspezifische Informationsflussfunktion zur Überwachung und Risikobewertung ermittelt wird.
  • Hingegen ist es auch möglich, bei der Überwachung mehrerer Prozessgrößen nicht nur jeweils Informationsflussfunktionen einzeln für jede zu überwachende Prozessgröße aus deren Informationsgehalten zu bilden, sondern wenigstens eine Informationsflussfunktion zwischen mehreren zu überwachenden Prozessgrößen aus einzelnen und vereinigten Informationsgehalten von mindestens zwei unterschiedlichen Prozessgrößen zu bilden. So ist es möglich, Informationsflussfunktionen, die aus derselben und solche, die aus verschiedenen Prozessgrößen ermittelt wurden, gemeinsam zur Scoreberechnung heranzuziehen. Auf diese Weise können mit dieser Vorrichtung bei medizinischen Anwendungen mehrere gesundheitsrelevante Messgrößen eines Patienten, wie Herzschlagfolge, Verlauf der Atemkurve, Blutdruckverlauf etc., sowie die darauf Einfluss nehmenden Faktoren, einschließlich ihrer krankheitsbedingten Störungen, in ihrem komplexen Verhalten, beispielsweise anhand der kardio-respiratorischen Kommunikation, kontinuierlich bewertet und überwacht werden.
  • Bei der Bildung des Scores aus dem oder den Informationsflussfunktionen können auch noch weitere Daten einzeln oder in Kombination zur Risikobewertung herangezogen werden. Diese Daten können nochmals eine oder mehrere der zu überwachenden und bereits zur Bildung der besagten Informationsflussfunktionen verwendeten Prozessgrößen sein.
  • Es ist hingegen ebenfalls möglich, weitere Signale, wie andere gemessene bzw. überwachte Prozessgrößen, sonstige prozessabhängige Systemgrößen (in der Medizin beispielsweise Daten über Alter, Patiententyp, Geschlecht, Krankheitsvorgeschichte, Medikation etc.) und/oder prozessunabhängige Systemgrößen (z. B. Umwelt- und Zeitdaten) in die Scoreberechnung mit einfließen zu lassen.
  • Vorteilhaft ist, dass beim erfindungsgemäßen Verfahren weder die Amplitudenverläufe noch auf den Amplitudenverläufen basierende Kennwerte, sondern durch spezielle Signalverknüpfungen der zu überwachenden Prozessgrößen die Verläufe von zeitintervallbezogenen digitalen Informationsgehalten ausgewertet werden. Diese Verläufe des digitalen Informationsgehaltes kennzeichnen den Neuigkeitsgehalt und damit die Bedeutung der aktuellen Prozesseigenschaft. Die digitalen Informationsgehalte sind sogar amplitudenunabhängig, was zusätzlich eine besondere Robustheit gegen Störungen einbringt.
  • Diese spezielle, neuartige Verknüpfung zeitbezogener Signale ermöglicht selbst bei Berücksichtigung weniger Prozessgrößen eine bessere Bewertung des Gesamtprozesses, beispielsweise in der Medizin, als herkömmliche Scores, die, wie eingangs beschrieben, auf einer Vielzahl funktioneller und klinischer Größen basieren.
  • Die Überwachung ist relativ aufwandgering und unkompliziert durchführbar. Die digitalen Informationsgehalte und die Informationsflussfunktionen können durch Berechnungsstufen ermittelt werden, die rechentechnisch realisierbar, baugruppen- und softwarespezifisch gleichartig umsetzbar sowie auch anwendungsspezifisch anpassbar sind.
  • Die zur Bildung der Informationsflussfunktionen ermittelten zeitintervallbezogenen Informationsgehalte sind unabhängig von individuellen Unterschieden der Prozessgrößen, wie beispielsweise der individuellen mittleren Herzfrequenz und des mittleren Blutdrucks. Das ist ein Vorteil für die Überwachung und Bewertung des individuellen Patienten im Vergleich zu den bisher bewerteten amplitudenabhängigen Prozessgrößen.
  • Das Gleiche trifft auf solche Einflüsse des Prozessverlaufes zu, die beispielsweise zwar das herkömmlich bewertete Aktivitätsniveau bzw. Ausmaß von Prozessgrößen beeinflussen, nicht aber die durch Informationsflüsse erfasste komplexe Kommunikation.
  • Die Digitalisierung der Signale der zu überwachenden Prozessgrößen bei der Berechnung der Informationsgehalte führt zu einer deutlichen Datenreduktion ohne Verlust der für die Bewertung der Kommunikation wesentlichen Informationen. Das ist von Vorteil für die kontinuierliche (on-line) Überwachung in Monitoring-Geräten hinsichtlich Hard- und/oder Software.
  • Die wenigen baugruppenspezifischen Typen gleicher Berechnungselemente erlauben eine sparsame und einfache Gestaltung der Hard- und/oder Software bei trotzdem adäquater Berücksichtigung der Komplexität des zu überwachenden Prozesses.
  • Die Amplitudenunabhängigkeit der Informationsgehalte kann sowohl zur Kompensation technischen Störungen als auch physiologischer Instationaritäten vorteilhaft genutzt werden (Robustheit).
  • Die Erfindung soll nachstehend anhand von in der Zeichnung dargestellten Ausführungsbeispielen zur kontinuierlichen medizinischen Überwachung eines Patienten näher erläutert werden.
  • Es zeigen:
  • 1: Vorrichtung zur Ermittlung eines Scores aus der Herzschlagfolge
  • 2: Vorrichtung zur Ermittlung eines Scores aus der Herzschlagfolge und dem Blutdruckverlauf
  • 3: Vorrichtung zur Ermittlung eines Scores aus einer Herzschlagfolge und der Atemkurve
  • 1 zeigt in übersichtlicher, blockschaltbildartiger Darstellung eine Vorrichtung zur Ermittlung eines Scores aus einer Herzschlagfolge (instantane Frequenz- oder Intervallfolge), die aus dem gemessenen EKG eines Patienten ermittelte wurde. Diese Herzschlagfolge als zu überwachende Prozessgröße A wird in einem ersten Zeitintervall ΔtA1 von 10 Minuten Länge einer Berechnungsstufe 1 zur Ermittlung des digitalen Informationsgehalts IA1 dieser Sequenz der Herzschlagfolge A zugeführt.
  • Des Weiteren gelangt die besagte Herzschlagfolge A über eine Verzögerungsstufe 2 in einem verzögerten Zeitintervall ΔtA2 gleicher Intervallgröße (ebenfalls 10 Minuten) wie ΔtA1 an eine zweite Berechnungsstufe 3, welche aus dieser Sequenz (ΔtA2) der Herzschlagfolge A gleichermaßen den digitalen Informationsgehalt IA2 ermittelt.
  • Darüber hinaus gelangt die Herzschlagfolge A als Signale in den Zeitintervallen ΔtA1 und ΔtA2 an eine dritte Berechnungsstufe 4, welche den vereinigten digitalen Informationsgehalt IAA aus beiden Zeitintervallen ΔtA1 und ΔtA2 berechnet.
  • Die Berechnungsstufen für die besagten Informationsgehalte IA1, IA2, IAA (Berechnungen in Bit) stehen ausgangsseitig mit einer Berechnungsstufe 5 in Verbindung, in welcher aus den Informationsgehalten IA1, IA2, IAA eine Informationsflussfunktion FA (Berechnung in Bit/s) für diese zu überwachende Prozessgröße A generiert wird. Über eine Berechnungsstufe 6 wird aus dieser Informationsflussfunktion FA ein Score ermittelt, welcher den aktuellen Zustand des Patienten angibt. Dabei werden spezielle Eigenschaften der Informationsflussfunktion FA mit Soll- bzw. Referenzwerten verglichen sowie aus den Abweichungen aller dieser Eigenschaften ein Score der Fehlfunktion gebildet.
  • Auf diese Weise können mit dieser Vorrichtung die auf die Herzschlagfolge Einfluss nehmenden Faktoren, einschließlich ihrer krankheitsbedingten Störungen, in ihrem komplexen Verhalten kontinuierlich bewertet und damit überwacht werden.
  • In 2 ist ebenfalls als übersichtliche, blockschaltbildartige Darstellung eine Vorrichtung gezeigt, mit welcher zur Überwachung kontinuierlich ein gemeinsamer Score aus der besagten Herzschlagfolge (instantane Frequenz- oder Intervallfolge) sowie aus dem Blutdruckverlauf des Patienten ermittelt wird.
  • Wie im Ausführungsbeispiel 1 gelangt die Herzschlagfolge als zu überwachende Prozessgröße A in einem ersten Zeitintervall ΔtA (entspricht dem Zeitintervall ΔtA, in 1 mit einer Intervallgröße von 10 Minuten) an die Berechnungsstufe 1, in welcher der digitale Informationsgehalt IA (entspricht dem Informationsgehalt IA, in 1) dieser Sequenz der Herzschlagfolge A gebildet wird. Im Unterschied zum ersten Ausführungsbeispiel wird jedoch nicht ein zweiter Informationsgehalt aus einem zum ersten Zeitintervall ΔtA1 verzögerten Zeitintervall derselben zu überwachende Prozessgröße A gebildet, sondern es wird mit einer Berechnungsstufe 7 ein digitaler Informationsgehalt IB von der anderen zu überwachenden Prozessgröße B (Blutdruckverlauf) in einem Zeitintervall ΔtB berechnet. Zu diesem Zweck liegt die Funktion des Blutdruckverlaufs über eine Verzögerungsstufe 8 am Eingang der Berechnungsstufe 7 an. Das Zeitintervall ΔtB ist gegenüber dem Zeitintervall ΔtA verschoben und besitzt die gleiche Intervallgröße. Beide zueinander zeitversetzten Intervallsequenzen der zu überwachenden Prozessgrößen A und B liegen an den Eingängen einer Berechnungsstufe 9 an, welche aus beiden Intervallsequenzen einen vereinigten digitalen Informationsgehalt IAB bildet.
  • Aus allen drei in den Berechnungsstufen 1, 7, 9 ermittelten Informationsgehalten IA, IB, IAB wird über eine Berechnungsstufe 10 eine Informationsflussfunktion FAB für beide zu überwachenden Prozessgröße A, B generiert. Über eine nachfolgende Berechnungsstufe 11 wird aus dieser Informationsflussfunktion FAB ein Score ermittelt, welcher wiederum den aktuellen Zustand des Patienten angibt. Auf diese Weise können mit dieser Vorrichtung sowohl die auf die Herzschlagfolge als auch auf das komplexe Blutdruckregelverhalten Einfluss nehmenden Faktoren, einschließlich ihrer krankheitsbedingten Störungen, in ihrem komplexen Verhalten, also auch hinsichtlich des Informationsaustausches zwischen Herzschlagfolge- und Blutdruckverlauf, kontinuierlich bewertet und damit überwacht werden.
  • 3 zeigt in übersichtlicher, blockschaltbildartiger Darstellung eine Vorrichtung zur Ermittlung eines Scores aus einer bereits vorgenannten Herzschlagfolge sowie aus dem gleichzeitig überwachten Verlauf der Atemkurve des Patienten.
  • Wie im ersten Ausführungsbeispiel (vgl. 1) beschrieben, werden mit den drei Berechnungsstufen 1, 3, 4 drei digitale Informationsgehalte IAA, IA2, IAA aus zwei durch die Verzögerungsstufe 2 zueinander zeitversetzten Intervallsequenzen der Herzschlagfolge als zu überwachende Prozessgröße A gebildet. IA1 ist der Informationsgehalt der Intervallsequenz ΔtA1, IA2 ist der Informationsgehalt der Intervallsequenz ΔtA2, IAA ist der vereinigte Informationsgehalt beider Intervallsequenzen ΔtA1 und ΔtA2. Aus allen drei so erhaltenen Informationsgehalten IA1, IA2, IAA wird (vgl. ebenfalls 1) mittels der Berechnungsstufe 5 die Informationsflussfunktion FA berechnet.
  • Als zweite zu überwachende Prozessgröße C liegt der Verlauf der Atemkurve des Patienten über eine Verzögerungsstufe 12 am Eingang einer Berechnungsstufe 13 an, mit welcher in einem zum Zeitintervall ΔtA1 verschobenen Zeitintervall ΔtC der digitale Informationsgehalt IC des Verlaufs der Atemkurve berechnet wird. Das Zeitintervall ΔtC ist gegenüber dem Zeitintervall ΔtA1 verschoben und besitzt die gleiche Intervallgröße. Außerdem wird in einer Berechnungsstufe 14 ein vereinigter Informationsgehalt IAC aus beiden in den Zeitintervallen ΔtA1 (Herzschlagfolge) und ΔtC (Atemkurve) auftretenden Verlaufssequenzen gebildet.
  • Aus allen drei in den Berechnungsstufen 1, 13, 14 ermittelten digitalen Informationsgehalten IA1, IC, IAC wird über eine Berechnungsstufe 15 parallel zur Bestimmung der vorgenannten Informationsflussfunktion FA eine Informationsflussfunktion FAC für beide zu überwachenden Prozessgrößen A, C generiert. Aus den beiden Informationsflussfunktionen FA und FAC wird in einer Berechnungsstufe 16 ein gemeinsamer Score ermittelt, der den aktuellen Zustand, Risiko und/oder Prognose des Patienten repräsentiert. Auf diese Weise können mit dieser Vorrichtung sowohl die auf die Herzschlagfolge als auch auf den Verlauf der Atemkurve des Patienten Einfluss nehmenden Faktoren, einschließlich ihrer krankheitsbedingten Störungen, in ihrem komplexen Verhalten, beispielsweise anhand der kardio-respiratorischen Kommunikation, kontinuierlich bewertet und überwacht werden.
  • Das jeweils in den Ausführungsbeispielen beschriebene Zeitregime für die Bildung der Zeitintervalle ΔtA1, ΔtA2, ΔtA, ΔtB, ΔtC kann, bezogen auf die zu überwachenden Prozessgröße A, B, C, auch umgekehrt sein, d. h. die dargestellte Zeitverschiebung zur Bildung der zeitintervallbezogenen Informationsgehalte IA1, IA2, IA, IB, IC, IAA, IAB, IAC ist jeweils auch negativ möglich.
  • Bei der Bildung des Scores aus dem oder den Informationsflussfunktionen FA, FAB, FAC durch die Berechnungsstufen 6, 11, 16 können auch noch weitere Daten (in der Zeichnung nicht dargestellt) einzeln oder in Kombination zur Risikobewertung herangezogen werden. Diese Daten können nochmals ein oder mehrere der zu überwachenden und bereits zur Bildung der Informationsflussfunktionen FA, FAB, FAC verwendeten Prozessgrößen A, B, C sein. Es ist hingegen ebenfalls möglich, weitere Signale, wie andere gemessene bzw. überwachte Prozessgrößen, sonstige prozessabhängige Systemgrößen (beispielsweise Daten über Alter, Patiententyp, Geschlecht, Krankheitsvorgeschichte, Medikation etc.) und/oder prozessunabhängige Systemgrößen (z. B. Umwelt- und Zeitdaten) in die Scoreberechnung mit einfließen zu lassen.
  • Zur Realisierung der beschriebenen Ausführungsbeispiele können die Verzögerungsstufen 2, 8, 12 sowie die digitalen Berechnungsstufen 1, 3, 4, 5, 6, 7, 9, 10, 11, 13, 14, 15, 16 rechentechnisch umgesetzt werden, wobei jeweils die Berechnungsstufen 1, 3, 7 und 13, die Berechnungsstufen 4, 9 und 14 bzw. die Berechnungsstufen 5, 10 und 15 identisch sind und somit durch jeweils gleiche Softwareroutinen ausgeführt werden können.
  • 1, 3, 4, 5, 6, 7, 9, 10
    Berechnungsstufe
    11, 13, 14, 15, 16
    Berechnungsstufe
    2, 8, 12
    Verzögerungsstufe
    A, B, C
    zu überwachende Prozessgröße
    ΔtA1, ΔtA2, AtA, ΔtB, ΔtC
    Zeitintervall
    IA1, IA2, IA, IB, IC
    Informationsgehalt (jeweils einzeln)
    IAA, IAB, IAC
    Informationsgehalt (jeweils vereinigt)
    FA, FAB, FAC
    Informationsflussfunktion
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • - DE 19736480 A1 [0008]
    • - DE 4320519 A1 [0010]
    • - DE 102004054751 A1 [0011]
  • Zitierte Nicht-Patentliteratur
    • - S. M. Pincus et al. Heart rate control in normal and aborted SIDS infants, American Journal of Physiology 264, 1993, R638 [0012]
    • - D. Hoyer et al.: Prognostic impact of autonomic information flow in multiple Organ dysfunction syndrome patients, International Journal of Cardiology 108, 2006, 359–369 [0013]

Claims (12)

  1. Verfahren zur Überwachung von Prozessen, bei dem ein oder mehrere Prozessgrößen überwacht und risikobewertet werden, dadurch gekennzeichnet, dass für jede zu überwachende Prozessgröße (A, B, C) mindestens zwei einzelne und ein vereinigter auf definierte Zeitintervalle (ΔtA1, ΔtA2, ΔtA, ΔtB, ΔtC) bezogene Informationsgehalte (IA1, IA2, IA, IB, IC, IAA, IAB, IAC) bestimmt werden, dass aus den Informationsgehalten (IA1, IA2, IA, IB, IC, IAA, IAB, IAC) der Prozessgrößen (A, B, C) jeweils wenigstens eine Informationsflussfunktion (FA, FAB, FAC) berechnet wird und dass die Überwachung der Prozessgrößen (A, B, C) durch Risikobewertung (Scorebildung) dieser wenigstens einen Informationsflussfunktion (FA, FAB, FAC) erfolgt.
  2. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass die wenigstens eine Informationsflussfunktion (FA) jeweils separat für eine Prozessgröße (A) aus mehreren zeitintervallbezogenen Informationsgehalten (IA1, IA2, IAA) dieser Prozessgröße (A) berechnet wird.
  3. Verfahren gemäß Anspruch 2, dadurch gekennzeichnet, dass zumindest ein erster Informationsgehalt (IA1) in einem ersten Zeitintervall (ΔtA1) und wenigstens ein zweiter Informationsgehalt (IA2) in einem zum ersten Zeitintervall (ΔtA1) verschobenen gleichgroßen zweiten Zeitintervall (ΔtA2) erfasst werden, dass zusätzlich zu diesen einzelnen Informationsgehalten (IA1 , IA2) der vereinigte Informationsgehalt (IAA) aus allen Zeitintervallen (ΔtA1, ΔtA2) dieser Prozessgröße (A) ermittelt wird und dass aus allen Informationsgehalten (IA1, IA2 , IAA) für diese Prozessgröße (A) die wenigstens eine Informationsflussfunktion (FA) berechnet wird.
  4. Verfahren gemäß Ansprüchen 1 bis 3, dadurch gekennzeichnet, dass zur Überwachung mehrerer Prozessgrößen (A) jeweils separat für jede Prozessgröße (A) wenigstens eine Informationsflussfunktion (FA) aus den zeitintervallbezogenen Informationsgehalten (IA1, IA2, IAA) der jeweiligen Prozessgröße (A) berechnet wird und dass die Risikobewertung anhand aller berechneten Informationsflussfunktionen (FA) erfolgt.
  5. Verfahren gemäß Ansprüchen 1 bis 3, dadurch gekennzeichnet, dass zur Überwachung mehrerer Prozessgrößen (A, B, C) aus denselben mehrere Informationsflussfunktionen (FA, FAB, FAC) ermittelt werden, indem zumindest eine Informationsflussfunktion (FAB, FAC) aus zeitintervallbezogenen vereinigten Informationsgehalten (IAB, IAC) von wenigstens zwei Prozessgrößen (A, B bzw. A, C) sowie aus intervallbezogenen Informationsgehalten der betreffenden einzelnen Prozessgrößen (A, B, C) berechnet wird.
  6. Vorrichtung zur Durchführung des Verfahrens nach einem oder mehreren der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass zur Festlegung der Zeitintervalle (ΔtA1, ΔtA2, ΔtA, ΔtB, ΔtC) Zeitglieder (2, 8, 12) sowie zur Ermittlung der Informationsgehalte (IA1, IA2, IA, IB, IC, IAA, IAB, IAC) und der Informationsflussfunktion (FA, FAB, FAC) digitale Berechnungsstufen (1, 3, 4, 5, 6, 7, 9, 10, 11, 13, 14, 15, 16) vorgesehen sind.
  7. Vorrichtung gemäß Anspruch 6, dadurch gekennzeichnet, dass die Zeitglieder (2, 8, 12) sowie die digitalen Berechnungsstufen (1, 3, 4, 5, 6, 7, 9, 10, 11, 13, 14, 15, 16) rechentechnisch realisiert sind.
  8. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass bei der Risikobewertung (Scorebildung) der wenigstens einen Informationsflussfunktion (FA, FAB, FAC) zusätzlich noch die zur Bildung der mindestens einen Informationsflussfunktion (FA, FAB, FAC) herangezogenen Prozessgrößen (A, B, C) berücksichtigt werden.
  9. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass bei der Risikobewertung (Scorebildung) der wenigstens einen Informationsflussfunktion (FA, FAB, FAC) weitere Daten Berücksichtigung finden.
  10. Verfahren gemäß Anspruch 9, dadurch gekennzeichnet, dass als weitere Daten andere gemessenen oder überwachte Prozessgrößen als die zur Bildung der mindestens einen Informationsflussfunktion (FA, FAB, FAC) herangezogenen Prozessgrößen (A, B, C) berücksichtigt werden.
  11. Verfahren gemäß Anspruch 9, dadurch gekennzeichnet, dass als weitere Daten prozessabhängige Systemgrößen (für medizinische Anwendungen beispielsweise Daten über Alter, Patiententyp, Geschlecht, Krankheitsvorgeschichte, Medikation etc.) berücksichtigt werden.
  12. Verfahren gemäß Anspruch 9, dadurch gekennzeichnet, dass als weitere Daten prozessunabhängige Systemgrößen, wie beispielsweise Umwelt- und Zeitdaten, berücksichtigt werden.
DE102007020177A 2007-04-25 2007-04-25 Verfahren und Vorrichtung zur Überwachung von Prozessen Withdrawn DE102007020177A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102007020177A DE102007020177A1 (de) 2007-04-25 2007-04-25 Verfahren und Vorrichtung zur Überwachung von Prozessen

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102007020177A DE102007020177A1 (de) 2007-04-25 2007-04-25 Verfahren und Vorrichtung zur Überwachung von Prozessen

Publications (1)

Publication Number Publication Date
DE102007020177A1 true DE102007020177A1 (de) 2008-11-20

Family

ID=39868585

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102007020177A Withdrawn DE102007020177A1 (de) 2007-04-25 2007-04-25 Verfahren und Vorrichtung zur Überwachung von Prozessen

Country Status (1)

Country Link
DE (1) DE102007020177A1 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4320519A1 (de) 1993-06-22 1995-01-05 Max Delbrueck Centrum Verfahren zur Diagnose von Herzrhythmus-Störungen
DE19736480A1 (de) 1997-08-21 1999-03-18 Siemens Ag System zum Überwachen eines Patienten
DE102004054751A1 (de) 2004-11-12 2006-05-24 Charité - Universitätsmedizin Berlin Vorrichtung zum Vorhersagen von Tachyarrhytmien

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4320519A1 (de) 1993-06-22 1995-01-05 Max Delbrueck Centrum Verfahren zur Diagnose von Herzrhythmus-Störungen
DE19736480A1 (de) 1997-08-21 1999-03-18 Siemens Ag System zum Überwachen eines Patienten
DE102004054751A1 (de) 2004-11-12 2006-05-24 Charité - Universitätsmedizin Berlin Vorrichtung zum Vorhersagen von Tachyarrhytmien

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
D. Hoyer et al.: Prognostic impact of autonomic information flow in multiple Organ dysfunction syndrome patients, International Journal of Cardiology 108, 2006, 359-369
S. M. Pincus et al. Heart rate control in normal and aborted SIDS infants, American Journal of Physiology 264, 1993, R638

Similar Documents

Publication Publication Date Title
EP2835143B1 (de) Vorrichtung zur Vorhersage intradialytischer Parameter
DE102007057885B4 (de) Verfahren zur Analyse von physiologischen Daten und Qualitätsprüfung der Messung unter Verwendung der Analyse der Hauptkomponenten
EP2704629B1 (de) Verfahren zur bewusstseins- sowie schmerzüberwachung, modul zur analyse von eeg-signalen und eeg-narkosemonitor
EP1059875B1 (de) Auswertesystem zur gewinnung diagnostischer informationen aus signalen und daten medizinischer sensorsysteme
DE1940413A1 (de) Vorrichtung zum UEberwachen des Befindens eines Patienten
DE102007017954A1 (de) Verfahren und Gerät zur Analyse und Bearbeitung von Morphologie- und Zeitreihen beim EKG
DE102014002172A1 (de) Überwachungsmonitor zur elektronischen Überwachung von Sensorsignalen im Rahmen eines Sepsismonitorings, sowie ein entsprechendes Verfahren
DE2217235B2 (de) Vorrichtung zur Überwachung der
DE102012104565A1 (de) Verfahren, Vorrichtung und Computerprogrammprodukt zur Überwachung physiologischer Signale
DE102007020177A1 (de) Verfahren und Vorrichtung zur Überwachung von Prozessen
DE10128521A1 (de) Verfahren zur Überwachung telemedizinischer Gesundheitsdienstleistungen
DE10114383B4 (de) Blutdruckvorrichtung und Gerät zur extrakorporalen Blutbehandlung mit einer solchen Blutüberwachungsvorrichtung
EP2474962A1 (de) Verfahren zur Auswertung eines Satzes von Messdaten eines oralen Glucosetoleranztests
DE102014217837A1 (de) Verfahren, Vorrichtung und Computerprogrammprodukt zum Erkennen von Vorhofflimmern in einem Elektrokardiogramm
DE19781642B4 (de) Verfahren zum Bestimmen eines die maximale Sauerstoffaufnahme beschreibenden Wertes eines zu beurteilenden Lebenswesens
DE10007756A1 (de) Verfahren und Vorrichtung eines Beurteilungssystems zur Heilungsprognose nach medizinischen Interventionen
DE112020001440T5 (de) Anzeigevorrichtung für blutdruckbezogene Informationen, Anzeigeverfahren für blutdruckbezogene Informationen und Programm
DE102020117132A1 (de) Medizingerät zum Bestimmen eines Herzzeitvolumen-abhängigen Parameters
Böhner et al. Durchgangssyndrome nach gefäßchirurgischen Operationen
DE112020005677T5 (de) Lernvorrichtung, Lernverfahren und Messvorrichtung
Böhle Towards designing inherently interpretable deep neural networks for image classification
DE102004053181B4 (de) Verfahren zur Analyse von in biologischen Systemen erzeugten Schwingungen
DE102008039917B4 (de) Verfahren und Vorrichtung zur Prüfung eines Elektrokardiogramms
DE202022104907U1 (de) Auf künstlicher Intelligenz (KI) basierendes System zur Vorhersage und Überwachung von Krankheiten in ihrer Frühphase
WO2023094554A1 (de) Vorrichtung und verfahren zum überwachen und optimieren einer zeitlichen triggerstabilität

Legal Events

Date Code Title Description
OR8 Request for search as to paragraph 43 lit. 1 sentence 1 patent law
8105 Search report available
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee

Effective date: 20121101