DE202020005728U1

DE202020005728U1 - Bestimmen der Wahrscheinlichkeit eines unerwünschten Gesundheitsereignisses basierend auf verschiedenen physiologischen diagnostischen Zuständen

Info

Publication number: DE202020005728U1
Application number: DE202020005728.2U
Authority: DE
Original assignee: Medtronic Inc
Current assignee: Medtronic Inc
Priority date: 2019-09-27
Filing date: 2020-09-23
Publication date: 2022-03-10
Anticipated expiration: 2030-09-24
Also published as: EP4033971A1; CN114513985A; US20210093254A1; WO2021061688A1

Abstract

System zum Überwachen von Gesundheitsereignissen, wobei das System Folgendes umfasst:
eine implantierbare medizinische Vorrichtung (IMD), die mehrere Elektroden umfasst und zur subkutanen Implantation in einen Patienten konfiguriert ist, wobei die IMD konfiguriert ist, um eine oder mehrere Impedanzmessungen des subkutanen Gewebes über die Elektroden zu bestimmen; und
Verarbeitungsschaltungen, die mit der einen oder den mehreren Speichervorrichtungen gekoppelt sind und für Folgendes konfiguriert sind:
Bestimmen eines jeweiligen Wertes oder mehrerer Werte für jeden von mehreren physiologischen Parametern, wobei die mehreren physiologischen Parameter einen oder mehrere Impedanzparameter des subkutanen Gewebes beinhalten, die aus der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes bestimmt werden;
Identifizieren eines diagnostischen Zustands für jeden der physiologischen Parameter basierend auf den jeweiligen Werten, wobei die diagnostischen Zustände mehrere Beweisknoten für ein Eintrittswahrscheinlichkeitsmodell definieren; und
Bestimmen aus dem Eintrittswahrscheinlichkeitsmodell einer Eintrittswahrscheinlichkeitsbewertung, die eine Wahrscheinlichkeit angibt, dass der Patient (a) ein unerwünschtes Gesundheitsereignis erfährt oder (b) wahrscheinlich das unerwünschte Gesundheitsereignis innerhalb eines vorbestimmten Zeitraums erfährt.

Description

GEBIET
Die Offenbarung betrifft medizinische Vorrichtungen und insbesondere medizinische Vorrichtungen zum Erkennen oder Überwachen von Herzkrankheiten.
STAND DER TECHNIK
Eine Vielzahl von medizinischen Vorrichtungen wurde verwendet oder für die Verwendung vorgeschlagen, um eine Therapie an Patienten abzugeben und/oder einen physiologischen Zustand von Patienten zu überwachen. Beispielsweise können solche medizinischen Vorrichtungen eine Therapie abgeben und/oder Zustände überwachen, die mit dem Herzen, dem Muskel, den Nerven, dem Gehirn, dem Magen oder anderen Organen oder Gewebe assoziiert sind. Medizinische Vorrichtungen, die eine Therapie abgeben, beinhalten medizinische Vorrichtungen, die dem Patienten eine elektrische Stimulation und/oder ein therapeutischen Mittel verabreichen. Einige medizinische Vorrichtungen wurden verwendet oder für die Verwendung vorgeschlagen, um Herzinsuffizienz zu überwachen oder Herzinsuffizienz-Ereignisse zu erkennen.
Herzinsuffizienz (HF) ist die häufigste kardiovaskuläre Erkrankung, die eine erhebliche wirtschaftliche Belastung, Morbidität und Mortalität verursacht. Allein in den Vereinigten Staaten leiden etwa 5 Millionen Menschen an HF, was für eine beträchtliche Anzahl von Krankenhauseinweisungen verantwortlich ist. HF kann zu einer Erweiterung der Herzkammer, einem erhöhten Lungenblutvolumen und einer Fluidretention in der Lunge führen. Im Allgemeinen gibt es den ersten Hinweis, den ein Arzt bei einem Patienten für HF erhält, erst dann, wenn sie eine körperliche Manifestation mit Schwellungen oder Atembeschwerden wird, die so überwältigend sind, dass sie von dem Patienten bemerkt werden, der sich dann von einem Arzt untersuchen lässt. Dies ist unerwünscht, da zu einem solchen Zeitpunkt wahrscheinlich eine Krankenhauseinweisung für einen Patienten mit Herzinsuffizienz erforderlich wäre, um überschüssiges Fluid zu entfernen und die Symptome zu lindern.
KURZDARSTELLUNG
Diese Offenbarung beschreibt Techniken zum Bereitstellen einer Frühwarnung für verschiedene Gesundheitszustände oder Herzkrankheiten (z. B. Dekompensation von Herzinsuffizienz, Verschlechterung der Herzinsuffizienz oder andere kardiovaskulärbedingte Zustände wie Ödeme). Die offenbarte Technologie verwendet Vorhersage- und Wahrscheinlichkeitsmodellierung, um einen Eintrittswahrscheinlichkeits- oder Wahrscheinlichkeitsindikator zu bestimmen, dass ein unerwünschter Gesundheitszustand auftritt oder dabei ist, aufzutreten. Auf diese Weise können die offenbarten Techniken die Erkennung oder Vorhersage solcher Ereignisse ermöglichen, z. B. selbst wenn keine offensichtlichen physischen Manifestationen vorliegen. Der Eintrittswahrscheinlichkeits- oder Wahrscheinlichkeitshinweis kann einen Eintrittswahrscheinlichkeitsbewertungshinweis beinhalten, der einen Prozentsatz oder eine Wahrscheinlichkeit dafür bereitstellt, dass ein bestimmtes unerwünschtes Gesundheitsereignis innerhalb eines vorbestimmten Zeitraums in der Zukunft auftreten wird (z. B. innerhalb der nächsten 30 Tage oder eines anderen gewünschten Zeitraums, um die Wahrscheinlichkeit zu kennen).
In einigen Beispielen kann die Eintrittswahrscheinlichkeitsbewertung auf jeweiligen physiologischen Parameterwerten basieren, die physiologischen Parametern entsprechen, die von einer oder mehreren medizinischen Vorrichtungen erfasst wurden. In einigen Beispielen können die physiologischen Parameter Folgendes beinhalten: Herzfrequenzvariabilität (HRV), Nachtherzfrequenz (NHR), Tagherzfrequenz (DHR), Patientenaktivität (ACT), Vorhofflimmern (AF) und/oder ventrikuläre Frequenz. Außerdem können die physiologischen Parameter Impedanzwerte des subkutanen Gewebes oder Impedanzbewertungen des subkutanen Gewebes beinhalten. In anderen Beispielen können die physiologischen Parameter Haltungsparameter beinhalten, wie Körperhaltung (z. B. aktiver Winkel), Haltungsänderung, z. B. Haltungsänderungszählung, aktiver Winkel von der Nachtruhe zur Tageszeit, Atmungsfrequenz (RR), R-R-Intervalle, Atemanstrengung, Temperatur, Kurzzeit-HRV, R-Welle-Amplitude, Herztöne und/oder chronotrope Inkompetenz. Andere physiologische Parameter können Aktivitätsparameter, wie Tagesaktivität, Nachtaktivität oder Anzahl des Aufstehens, Hustenparameter, wie Hustenstärke und/oder Hustenzahl, andere Beschleunigungsmesserdatenwerte usw. beinhalten.
In einigen Beispielen kann eine IMD (z. B. eine einführbare Überwachungsvorrichtung) den maximalen Anstieg von S1, Amplitude oder Energie von S1, S1-S2-Intervall und Amplitude oder Energie von S3 erkennen und wie sich S3 im Laufe der Zeit verändert, gemessen durch die subkutan-eingeführte Vorrichtung (z. B. unter Verwendung eines 3-Achsen-Beschleunigungsmessers). Solche Parameter können ferner als ein diagnostisches Element der Risikobewertung in das Eintrittswahrscheinlichkeitsmodell (z. B. in einen Bayesschen Rahmen) aufgenommen werden. Auf diese Weise kann die IMD oder eine externe Vorrichtung Herztöne als einen Beweisknoten in ein hierin offenbartes Eintrittswahrscheinlichkeitsmodell einbeziehen.
Außerdem können orthogonale klinische Parameter als Eingabe für das Eintrittswahrscheinlichkeitsmodell enthalten sein. Beispielsweise können das natriuretische Peptid vom B-Typ (BNP), Messungen der Nierenfunktionsstörung, des Blutdrucks, der Körperkerntemperatur oder andere physiologische Parameter, die eine Herzinsuffizienz oder andere gesundheitsbedrohende Zustände identifizieren können, als Eingabe in das Eintrittswahrscheinlichkeitsmodell dienen.
Außerdem kann das Eintrittswahrscheinlichkeitsmodell andere bekannte klinische Risikostratifizierer eingeben, wie Ejektionsfraktion (EF), systolische vs. diastolische HF, Hypertonie in der Vorgeschichte, Diabetes, COPD, Anämie, Schlafapnoe oder Vorhofflimmern usw. In einigen Beispielen kann das Eintrittswahrscheinlichkeitsmodell konfiguriert sein, um eine Schwelle für einen einzelnen Parameter zu modifizieren, beispielsweise unter Verwendung eines oder mehrerer der klinischen Risikostratifizierer. Beispielsweise kann das Eintrittswahrscheinlichkeitsmodell eine Herzfrequenzschwelle für einen diastolischen HF-Patienten (z. B. EF >50 %) im Vergleich zu einem systolischen HF-Patienten (EF <35 %) auf einen höheren Wert einstellen. In einigen Beispielen kann das Eintrittswahrscheinlichkeitsmodell die A-priori-Eintrittswahrscheinlichkeit für das Eintrittswahrscheinlichkeitsmodell ändern, indem beispielsweise ein oder mehrere der klinischen Risikostratifizierer verwendet werden.
Die Verarbeitungsschaltung einer Vorrichtung (z. B. eines entfernten Servers, Tablets, einer implantierten oder vom Patienten getragenen medizinischen Vorrichtung usw.) kann jeweilige Werte für jeden physiologischen Parameter bestimmen. Die physiologischen Parameterwerte können direkt von verschiedenen medizinischen Vorrichtungen erhalten werden oder können von einem oder mehreren Datenservern erhalten werden. Beispielsweise kann die Verarbeitungsschaltung einer implantierbaren medizinischen Vorrichtung (IMD) Impedanzwerte des subkutanen Gewebes und Fluidindizes bestimmen, um eine Impedanzbewertung des subkutanen Gewebes zu bestimmen. In einigen Beispielen kann die Verarbeitungsschaltung der IMD oder einer anderen medizinischen Vorrichtung RR, NHR, Patientenaktivität usw. bestimmen. Die eine oder die mehreren medizinischen Vorrichtungen können die Daten zur weiteren Verarbeitung gemäß den hierin offenbarten Techniken an einen Datenserver (z. B. einen entfernten Server, einen Cloud-Server usw.) übertragen.
In einigen Beispielen kann die Verarbeitungsschaltung einer medizinischen Vorrichtung konfiguriert sein, um die RR oder andere Atmungsparameterwerte eines Patienten basierend auf Fluktuationen der Impedanzwerte des subkutanen Gewebes zu bestimmen. In anderen Beispielen kann eine andere medizinische Vorrichtung die RR des Patienten basierend auf Impedanzwerten des subkutanen Gewebes bestimmen, die von einer subkutan implantierten IMD empfangen werden. In einigen Beispielen kann die Verarbeitungsschaltung einer medizinischen Vorrichtung RR bestimmten unter Verwendung von Impedanzwerten des subkutanen Gewebes in Übereinstimmung mit den Techniken, die in U.S.-Anmeldung Nr. 16/450,250 von Sarkar et al. Beschrieben sind mit dem Titel „SENSING RESPIRATION PARAMETERS BASED ON AN IMPEDANCE SIGNAL“, eingereicht am 24. Juni 2019 und gemeinsam übertragene und gleichzeitig anhängige Anmeldungen von Sarkar et al. mit dem Titel „DETERMINING HEART CONDITION STATUSES USING SUBCUTANEOUS IMPEDANCE MEASUREMENTS“ und „DETERMINING HEALTH CONDITION STATUSES USING SUBCUTANEOUS IMPEDANCE MEASUREMENTS“.
In einem nicht einschränkenden Beispiel kann eine medizinische Vorrichtung subkutan in einen Patienten implantiert werden, um Impedanzen des subkutanen Gewebes zu messen und Impedanzdaten des subkutanen Gewebes und/oder Fluidindizes an einen Datenserver oder eine andere externe Vorrichtung zu übertragen. In solchen Beispielen kann die IMD in Verbindung mit einer oder mehreren anderen Vorrichtungen, wie dem Datenserver oder der externen Vorrichtung, die Impedanzdaten des subkutanen Gewebes und/oder die Fluidindizes verwenden, um einen Impedanzwert des subkutanen Gewebes zu bestimmen, der angibt, wie viel Risiko für den Patienten besteht, in naher Zukunft ein HF-Ereignis oder eine andere gesundheitliche Bedrohung zu erfahren. In einigen Beispielen kann die IMD die Fluidindizes bestimmen, Fluktuationen der Impedanzen des subkutanen Gewebes (z. B. Impedanzänderungen in dem interstitiellen Fluid innerhalb einer subkutanen Schicht des Patienten) überwachen und die Impedanzbewertungen des subkutanen Gewebes an eine oder mehrere andere Vorrichtungen für die weitere Verarbeitung übertragen. In jedem Fall können die IMD und/oder eine andere medizinische Vorrichtung Impedanzdaten des subkutanen Gewebes verwenden, um eine Impedanzbewertung des subkutanen Gewebes in Übereinstimmung mit den Techniken zu bestimmen, die in einer gemeinsam übertragenen und gleichzeitig anhängigen Anmeldung von Sarkar et al. mit dem Titel „DETERMINING HEART CONDITION STATUSES USING SUBCUTANEOUS IMPEDANCE MEASUREMENTS“ beschrieben sind. In einigen Beispielen kann die IMD konfiguriert sein, um ferner die RR eines Patienten basierend auf Fluktuationen (innerhalb eines mit der Atmung assoziierten Frequenzbereichs) der von der IMD gemessenen Impedanzwerte des subkutanen Gewebes zu bestimmen, wie hierin weiter erörtert. In anderen Beispielen kann eine andere medizinische Vorrichtung die RR des Patienten basierend auf Impedanzwerten des subkutanen Gewebes bestimmen, die von einer IMD empfangen werden.
Beispielhafte medizinische Vorrichtungen, von denen einige subkutan implantierbar sind oder subkutan implantierbare Komponenten beinhalten, beinhalten Pulsoximeter, Blutdruckmanschetten, Defibrillatoren, Herzschrittmacher, Kardioverter, Thermometer, Beschleunigungsmesser, Photoplethysmogramm- (PPG-) Sonden usw. Im Allgemeinen kann jeder physiologische Parameter, der einen sich verschlechternden Gesundheitszustand anzeigt, verwendet werden, um eine Eintrittswahrscheinlichkeitsbewertung gemäß einer oder mehreren der verschiedenen hierin offenbarten beispielhaften Techniken zu bestimmen. Darüber hinaus kann ein Index, der eine Verschlechterung der Herzinsuffizienz anzeigt, jeder beliebige Index sein, der bestimmt wird, um einen Trend in dem Parameter anzuzeigen, der eine Verschlechterung der Herzinsuffizienz widerspiegelt. Genauso wie Impedanzbewertungen und Atmungsfrequenzen verwendet werden können, um einen oder mehrere Beweisknoten für das Eintrittswahrscheinlichkeitsmodell zu bestimmen, beinhalten andere ähnliche Beispiele Indizes oder Metriken von erhöhten ventrikulären Fülldrücken oder anderen Morbiditäten, die mit einer Verschlechterung der HF assoziiert sind, die ein Patient erlebt.
In einem Beispiel stellt die Offenbarung ein System zum Überwachen von Gesundheitsereignissen bereit. In einigen Beispielen beinhaltet das System eine implantierbare medizinische Vorrichtung (IMD), die mehrere Elektroden beinhaltet und zur subkutanen Implantation in einen Patienten konfiguriert ist, wobei die IMD konfiguriert ist, um eine oder mehrere Impedanzmessungen des subkutanen Gewebes über die Elektroden zu bestimmen. Das System beinhaltet ferner eine Verarbeitungsschaltung, die mit der einen oder den mehreren Speichervorrichtungen gekoppelt ist. In einigen Beispielen ist die Verarbeitungsschaltung für Folgendes konfiguriert: Bestimmen jeweils eines oder mehrerer Werte für jeden von mehreren physiologischen Parametern, wobei die mehreren physiologischen Parameter einen oder mehrere Impedanzparameter des subkutanen Gewebes beinhalten, die aus der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes bestimmt werden, Identifizieren eines diagnostischen Zustands für jeden der physiologischen Parameter basierend auf den jeweiligen Werten, wobei die diagnostischen Zustände mehrere Beweisknoten für ein Eintrittswahrscheinlichkeitsmodell definieren, und Bestimmen aus dem Eintrittswahrscheinlichkeitsmodell einer Eintrittswahrscheinlichkeitsbewertung, die eine Wahrscheinlichkeit anzeigt, dass der Patient (a) ein unerwünschtes Gesundheitsereignis erleidet oder (b) das unerwünschte Gesundheitsereignis wahrscheinlich innerhalb eines vorbestimmten Zeitraums auftritt.
In einem anderen Beispiel stellt die Offenbarung ein Verfahren bereit, das Folgendes beinhaltet: Bestimmen jeweils eines oder mehrerer Werte für jeden von mehreren physiologischen Parametern, wobei die mehreren physiologischen Parameter einen oder mehrere Impedanzparameter des subkutanen Gewebes beinhalten, die aus der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes bestimmt werden, Identifizieren eines diagnostischen Zustands für jeden der physiologischen Parameter basierend auf den jeweiligen Werten, wobei die diagnostischen Zustände mehrere Beweisknoten für ein Eintrittswahrscheinlichkeitsmodell definieren, und Bestimmen aus dem Eintrittswahrscheinlichkeitsmodell einer Eintrittswahrscheinlichkeitsbewertung, die eine Wahrscheinlichkeit anzeigt, dass der Patient (a) ein unerwünschtes Gesundheitsereignis erleidet oder (b) das unerwünschte Gesundheitsereignis wahrscheinlich innerhalb eines vorbestimmten Zeitraums auftritt.
In einem anderen Beispiel stellt die Offenbarung ein computerlesbares Speichermedium mit darauf gespeicherten Anweisungen bereit, die, wenn sie ausgeführt werden, einen oder mehrere Prozessoren zu wenigstens Folgendem zu veranlassen: Bestimmen jeweils eines oder mehrerer Werte für jeden von mehreren physiologischen Parametern, wobei die mehreren physiologischen Parameter einen oder mehrere Impedanzparameter des subkutanen Gewebes beinhalten, die aus der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes bestimmt werden, Identifizieren eines diagnostischen Zustands für jeden der physiologischen Parameter basierend auf den jeweiligen Werten, wobei die diagnostischen Zustände mehrere Beweisknoten für ein Eintrittswahrscheinlichkeitsmodell definieren, und Bestimmen aus dem Eintrittswahrscheinlichkeitsmodell einer Eintrittswahrscheinlichkeitsbewertung, die eine Wahrscheinlichkeit anzeigt, dass der Patient (a) ein unerwünschtes Gesundheitsereignis erleidet oder (b) das unerwünschte Gesundheitsereignis wahrscheinlich innerhalb eines vorbestimmten Zeitraums auftritt.
Die Offenbarung stellt ebenso Mittel zum Durchführen einer beliebigen der hierin offenbarten Techniken bereit, sowie nichtflüchtige computerlesbare Medien, die Anweisungen beinhalten, die einen programmierbaren Prozessor veranlassen, eine der hierin offenbarten Techniken durchzuführen.
Die Kurzfassung soll einen Überblick über den in dieser Offenbarung beschriebenen Gegenstand bereitstellen. Es ist nicht beabsichtigt, eine ausschließliche oder erschöpfende Erläuterung der Systeme, der Vorrichtung und der Verfahren bereitzustellen, die im Detail in den beigefügten Zeichnungen und der Beschreibung hierin beschrieben sind. Weitere Details einer oder mehrerer Beispiele dieser Offenbarung sind in den beigefügten Zeichnungen und der nachstehenden Beschreibung dargelegt. Andere Merkmale, Aufgaben und Vorteile werden aus der Beschreibung und den Zeichnungen sowie aus den Ansprüchen ersichtlich.
Figurenliste

1 ist eine beispielhafte schematische Darstellung eines Eintrittswahrscheinlichkeit-Rahmens mit Nachweisknoten aus diagnostischen Zuständen verschiedener physiologischer Parameter und einen Vorgängerknoten.
2 ist ein Blockdiagramm, das ein beispielhaftes System darstellt, das eine oder medizinische Vorrichtung(en) beinhaltet, die verwendet wird/werden, um diagnostische Zustände aus den verschiedenen physiologischen Parametern zur Verwendung als Beweisknoten zu erhalten.
3 ist ein Funktionsblockdiagramm, das eine beispielhafte Konfiguration der externen Vorrichtung aus 2 darstellt.
4 ist ein Funktionsblockdiagramm, das einen beispielhaften Rahmen für ein Eintrittswahrscheinlichkeitsmodell darstellt, um Eintrittswahrscheinlichkeiten eines Gesundheitsrisikos für einen Patienten unter Verwendung von Beweisen zu bestimmen, die von dem System aus 2 erhalten werden.
5 ist ein Flussdiagramm, das ein beispielhaftes Verfahren darstellt, das von einer oder mehreren medizinischen Vorrichtungen (z. B. IMDs) und/oder einer Computervorrichtung in Verbindung mit dem Eintrittswahrscheinlichkeitsmodell 19 aus 2-4 durchgeführt werden kann, um eine Eintrittswahrscheinlichkeitsbewertung in Bezug auf den Patienten in Übereinstimmung mit einer oder mehreren hierin offenbarten Techniken zu bestimmen.
6A veranschaulicht ein Diagramm einzelner physiologischer Parameter, die als Beweisknoten für das Eintrittswahrscheinlichkeitsmodell aus 4 dienen können.
6B veranschaulicht eine Summe einzelner Eintrittswahrscheinlichkeitsbewertungen von 6A auf der linken Seite und ein Diagramm kombinierter Eintrittswahrscheinlichkeitsbewertungen unter Verwendung eines Eintrittswahrscheinlichkeitsmodells basierend auf verschiedenen Beweisknoten von 4 auf der rechten Seite.
7 veranschaulicht die Umgebung eines beispielhaften medizinischen Systems in Verbindung mit dem Patienten, einschließlich einer beispielhaften implantierbaren medizinischen Vorrichtung (IMD), die verwendet wird, um physiologische Parameter des Patienten zu bestimmen.
8 ist ein Funktionsblockdiagramm, das eine beispielhafte Konfiguration einer IMD aus 7 veranschaulicht.
9 ist ein konzeptionelles Seitenansichtsdiagramm, das eine beispielhafte IMD des medizinischen Systems aus 7 und 8 genauer veranschaulicht.
10 ist ein Flussdiagramm, das ein beispielhaftes Verfahren veranschaulicht, das von der/den medizinischen Vorrichtung(en) und/oder der externen Vorrichtung, die in 2 gezeigt sind, durchgeführt werden kann, um dem Patienten eine Warnung bezüglich eines Gesundheitszustands des Patienten in Übereinstimmung mit einer oder mehreren hierin offenbarten Techniken bereitzustellen.

Gleiche Bezugszeichen bezeichnen in der gesamten Beschreibung und den Figuren gleiche Elemente.
DETAILLIERTE BESCHREIBUNG
Diese Offenbarung beschreibt Techniken zum Bereitstellen einer Frühwarnung für verschiedene Gesundheitszustände oder Herzkrankheiten unter Verwendung von Vorhersage- und Wahrscheinlichkeitsmodellierung, um einen Eintrittswahrscheinlichkeits- oder Wahrscheinlichkeitsindikator zu bestimmen, dass ein unerwünschter Gesundheitszustand auftritt oder dabei ist, aufzutreten. In einigen Beispielen kann die Eintrittswahrscheinlichkeitsbewertung auf jeweiligen physiologischen Parameterwerten basieren, die physiologischen Parametern entsprechen, die von einer oder mehreren medizinischen Vorrichtungen erfasst wurden. Die Verarbeitungsschaltung einer Vorrichtung, z. B. eines entfernten Servers, Tablets oder einer oder mehrerer implantierter, vom Patienten getragener oder externer medizinischer Vorrichtungen (die erfasste Werte eines oder mehrerer der physiologischen Parameter aufweisen können) kann jeweilige Werte für jeden physiologischen Parameter bestimmen und die Eintrittswahrscheinlichkeitsbewertung basierend auf den physiologischen Parameterwerten bestimmen.
In einigen Beispielen kann die Vorhersage- und/oder Eintrittswahrscheinlichkeitsmodellierung gemäß den hierin beschriebenen Techniken Bayessche Netze (Bayesian Belief Networks - BBN) oder Bayessche Maschinenlern- (ML-) Modelle (diese werden hierin manchmal als Bayessche Netze oder Bayessche Rahmen bezeichnet), Markow-Netzwerke, grafische Modelle, Modelle der künstlichen Intelligenz (KI) (z. B. Naive Bayessche Klassizifizierer) und/oder andere Glaubensnetzwerke, wie Sigmoid-Glaubensnetzwerke, tiefe Glaubensnetzwerke (deep belief networks - DBNs) usw. beinhalten. In anderen Beispielen kann die offenbarte Technologie nichtbayessche Vorhersage- oder Eintrittswahrscheinlichkeitsmodellierung, wie frequentistische Inferenzmodellierung oder andere statistische Modelle zu ihrem Vorteil nutzen. Außerdem können bekannte Modellauswahltechniken wie das Bayessche Informationskriterium (BIC) oder das Akaike-Informationskriterium (AIC) verwendet werden, um Eintrittswahrscheinlichkeitsmodelle vor der Verwendung auszuwerten.
In einigen Beispielen kann ein integriertes Diagnosemodell verwendet werden, um eine Reihe von Kriterien zu bestimmen, die basierend auf jedem physiologischen Parameter erfüllt sind. Beispielsweise kann das Eintrittswahrscheinlichkeitsmodell bestimmen, dass X von Y Kriterien in Bezug auf die physiologischen Parameter erfüllt wurden. In solchen Beispielen kann Y die maximale Anzahl von Kriterien sein, die angesichts der bestimmten Konfiguration physiologischer Parameter, die das Eintrittswahrscheinlichkeitsmodell verwendet, möglich ist, und X kann eine Variable kleiner oder gleich Y sein, die basierend auf den physiologischen Parametern, die bestimmte Kriterien erfüllen, erhöht wird. In einem veranschaulichenden Beispiel kann das Eintrittswahrscheinlichkeitsmodell X als Reaktion auf das Bestimmen, dass der Patient eine Impedanzbewertung aufweist, die einen hohen diagnostischen Zustand anzeigt, erhöhen und kann als solches X erhöhen.
Die Verarbeitungsschaltung kann aus den jeweiligen physiologischen Parameterwerten diagnostische Zustände für jeden physiologischen Parameter bestimmen. Eine Impedanzbewertung des subkutanen Gewebes kann beispielsweise verwendet werden, um einen diagnostischen Zustand für die Impedanz des subkutanen Gewebes zu bestimmen. Die Verarbeitungsschaltung kann in einigen Beispielen die Impedanzbewertung des subkutanen Gewebes mit einer oder mehreren Risikoschwellen vergleichen, um einen diagnostischen Zustand mit hohem (H) Risiko, mittlerem (M) Risiko oder niedrigem (L) Risiko zu bestimmen. In einigen Beispielen kann die Verarbeitungsschaltung einen gemeinsamen Diagnosezustand basierend auf mehreren physiologischen Parametern bestimmen, die voneinander unabhängig sind.
In einigen Beispielen können diagnostische Zustände eine endliche Anzahl potenzieller diagnostischer Zustände für jeden physiologischen Parameter beinhalten (z. B. sehr hoch, hoch, mittel, niedrig, sehr niedrig usw.). Beispielsweise können die diagnostischen Zustände für jeden physiologischen Parameter Zustände mit hohem Risiko, mittlerem Risiko oder niedrigem Risiko beinhalten. In einigen Fällen können einer oder mehrere der physiologischen Parameter eine andere Anzahl potenzieller diagnostischer Zustände aufweisen (z. B. ein Zustand, zwei Zustände, drei Zustände oder mehr), während andere physiologische Parameter eine größere oder geringere Anzahl potenzieller diagnostischer Zustände aufweisen können. NHR kann beispielsweise drei diagnostische Zustände (H, M und L) aufweisen, während AF weniger als drei diagnostische Zustände (H und L) aufweisen kann. In anderen Beispielen können diagnostische Zustände eher ein Kontinuum oder ein gleitendes Spektrum von diagnostischen Zustandswerten als diskrete Zustände beinhalten. Diagnostische Zustände der physiologischen Parameter können für jeden physiologischen Parameter unabhängig sein. Beispielsweise kann ein diagnostischer Zustand für einen ersten Satz von einem oder mehreren physiologischen Parametern unabhängig von diagnostischen Zuständen sein, die mit einem oder mehreren anderen physiologischen Parametern assoziiert sind. In einigen Beispielen kann der Eintrittswahrscheinlichkeitsmodusrahmen, wie ein BBN-Rahmen, zusätzliche physiologische Parameter beinhalten, wobei die jeweiligen Werte der physiologischen Parameter bedingt unabhängig voneinander sind. In einem Beispiel kann eine hohe nächtliche Herzfrequenz auf einen Anstieg des Sympathikustonus hinweisen, der mit einer Verschlechterung des Zustands assoziiert ist. Außerdem könnte eine Abnahme der Impedanz eine Zunahme des zurückgehaltenen Fluids widerspiegeln. In solchen Beispielen kann jeder dieser physiologischen Parameter für Impedanz und nächtliche Herzfrequenz Hinweise auf ein Herzinsuffizienzereignis bereitstellen. In Übereinstimmung mit den Techniken dieser Offenbarung kann jedoch jeder dieser bedingt unabhängigen Parameter einen stärkeren Beweis bereitstellen, wenn er zusammen verwendet wird, um ein unerwünschtes Gesundheitsereignis vorherzusagen.
In einem darstellenden Beispiel können zwei beispielhafte physiologische Parameter in Abwesenheit eines unerwünschten Gesundheitsereignisses bedingt unabhängig voneinander sein. Zur Veranschaulichung können die zwei beispielhaften physiologischen Parametervariablen beim Vorliegen eines unerwünschten Gesundheitsereignisses, wie einem HF-Ereignis oder einer Fluidüberladung, korreliert oder voneinander abhängig sein, jedoch können sich in Abwesenheit des unerwünschten Gesundheitsereignisses die zwei Variablen unabhängig voneinander ändern, was darauf hinweist, dass die zwei Variablen bedingt unabhängig voneinander sind. In einigen Fällen steigt beispielsweise die RR an, während die subkutane Impedanz während eines unerwünschten Gesundheitsereignisses wie HF abnimmt, da HF die Ursache dieser Veränderungen sein kann, jedoch solche Veränderungen nicht hervorruft. Beispielsweise verursacht ein Anstieg der RR keine HF, während die RR als Folge von HF ansteigen kann. In einem anderen Beispiel kann RR ansteigen, wenn ein Patient Anämie hat, wohingegen sich die subkutane Impedanz als Folge der Anämie auf keine Weise ändern kann.
In einigen Beispielen kann die Verarbeitungsschaltung diagnostische Zustände für physiologische Parameter identifizieren, die die Verarbeitungsschaltung für das Ziel des Eintrittswahrscheinlichkeitsmodells als relevant erachtet hat. In einem nicht einschränkenden Beispiel, wenn das Ziel darin besteht, die Eintrittswahrscheinlichkeit eines klinisch bedeutenden HF-Ereignisses (z. B. ein Anruf in der Fernversorgung, ein Klinikbesuch oder eine Krankenhauseinweisung) in den nächsten 30 Tagen zu bestimmen, sind bestimmte physiologische Parameter für diese Eintrittswahrscheinlichkeitsbestimmung relevanter als andere, während ein Eintrittswahrscheinlichkeitsmodell zum Bestimmen der Wahrscheinlichkeit eines Präeklampsie-Ausbruchsereignisses in den nächsten 60 Tagen mehr oder weniger physiologische Parametereingaben erfordern kann und eine modifizierte Version des vorherigen Eintrittswahrscheinlichkeitsmodells oder ein komplett anderes Eintrittswahrscheinlichkeitsmodell erfordern kann.
Die diagnostischen Zustände können als Beweisknoten für das Eintrittswahrscheinlichkeitsmodell dienen. 1 stellt einen beispielhaften Wahrscheinlichkeitsmodellrahmen dar, der einen Vorgängerknoten 1 und mehrere Beweisknoten 8A-8N (zusammen „Beweisknoten 8“) beinhaltet. Der Vorgängerknoten 1 stellt die A-posteriori-Wahrscheinlichkeit dar (z. B. die Wahrscheinlichkeit, dass basierend auf den diagnostischen Zuständen der Beweisknoten 8 ein unerwünschtes Gesundheitsereignis auftritt). In einem Beispiel kann das unerwünschte Gesundheitsereignis zu Veranschaulichungszwecken ein HF-Ereignis beinhalten, wobei d = H ist. Das Eintrittswahrscheinlichkeitsmodell kann eine beliebige Anzahl von Beweisknoten 8 beinhalten, wie durch den Beweisknoten 8N veranschaulicht. Jeder der Beweisknoten 8 kann einem oder mehreren physiologischen Parametern eines Patienten entsprechen. Wie hierin weiter erörtert, kann jeder der Beweisknoten 8 einen Diagnosezustand beinhalten, der von einem oder mehreren Werten abgeleitet ist, die einem oder mehreren physiologischen Parametern entsprechen. In Beispielen, die diskrete Zustände von d beinhalten, kann die A-posteriori-Wahrscheinlichkeit für das Auftreten des HF-Ereignisses (d = H) ausgedrückt werden als: $P (d = H {| e}_{1}, \dots e_{N}) = \frac{P (d = H) Π_{i= 1}^{N} P (e_{i} | d = H)}{\sum_{d_{1}} P (d) Π_{i=1}^{N} P (e_{i} | d)}$
In solchen Beispielen kann P(d) einen A-priori-Eintrittswahrscheinlichkeitswert darstellen, kann P(e_i|d) einen bedingten Wahrscheinlichkeitsparameter darstellen, stellt d den Vorgängerknoten 1 dar und stellen e₁-e_N die Beweisknoten 8 in 1 dar. Die Verarbeitungsschaltung kann den A-priori-Eintrittswahrscheinlichkeitswert und die bedingte Wahrscheinlichkeit aus bestehenden physiologischen Parameterwerten vor dem klinischen Ereignis d in früheren klinischen Studiendaten bestimmen. In einigen Beispielen kann der bedingte Wahrscheinlichkeitsparameter unter Verwendung früherer Wahrscheinlichkeitsdaten annehmen, welche Eintrittswahrscheinlichkeitsverteilung wahrscheinlich existiert, derart, dass die Verarbeitungsschaltung basierend auf früheren Eintrittswahrscheinlichkeitsdaten annehmen kann, welche Eintrittswahrscheinlichkeitsbewertungen unwahrscheinlich sind. In einigen Beispielen kann der A-priori-Eintrittswahrscheinlichkeitswert eine Eintrittswahrscheinlichkeitsverteilung ohne jegliche diagnostischen Zustände beinhalten, um sie als Beweisknoten zu verwenden. Mit anderen Worten, der vorherige Eintrittswahrscheinlichkeitswert ist das, was die Verarbeitungsschaltung zu einem bestimmten Zeitpunkt glauben kann, während die A-posteriori-Eintrittswahrscheinlichkeit ist, was die Verarbeitungsschaltung beim Vorliegen eingehender diagnostischer Informationen glauben kann.
In einigen Beispielen kann die Eintrittswahrscheinlichkeitsbewertung eine gemeinsame Eintrittswahrscheinlichkeitsverteilung beinhalten. In einem Beispiel kann für ein Bayessches Netz mit n Knoten (wobei pa_i der Vorgängerknoten des Knotens x_i ist) die gemeinsame Eintrittswahrscheinlichkeitsverteilung ausgedrückt werden als: $P (x_{i}, \dots {,x}_{n}) = Π_{i=1}^{N} P (x_{i} | {pa}_{i}),$
Beispielsweise kann eine A-posteriori-Eintrittswahrscheinlichkeit das Bestimmen gemeinsamer Eintrittswahrscheinlichkeitsverteilungen und das Definieren mehrerer Kombinationen von bedingten Eintrittswahrscheinlichkeiten beinhalten. Ein Eintrittswahrscheinlichkeitsmodell kann einen Rahmen für Annahmen bezüglich der expliziten Beziehung zwischen Parameterwerten bereitstellen, um diese Bestimmungen leichter durchführbar zu machen. Beispielsweise kann die Bayessche Theorie explizite Beziehungen zwischen Parameterwerten zuweisen, um A-posteriori-Eintrittswahrscheinlichkeitsbewertungen aus den verschiedenen Beweisknoten 8 in 1 zu bestimmen.
Beispielsweise kann eine A-posteriori-Eintrittswahrscheinlichkeit eine A-posteriori-Verteilung beinhalten. In einigen Fällen kann die A-posteriori-Verteilung eine Gaußsche Verteilung beinhalten. In anderen Fällen kann die A-posteriori-Verteilung eine nichtgaußsche Verteilung beinhalten.
In einigen Beispielen kann die Verarbeitungsschaltung bedingte Wahrscheinlichkeitstabellen, BBN-Tabellen, A-priori-Eintrittswahrscheinlichkeitswerte usw. in Übereinstimmung mit den in der U.S.-Anmeldung Nr. 13/391,376 von Sarkar et al. mit dem Titel „METHOD AND APPARATUS FOR MONITORING TISSUE FLUID CONTENT FOR USE IN AN IMPLANTABLE CARDIAC DEVICE“, eingereicht am 20. Februar 2012 beschriebenen Techniken bestimmen und/oder nutzen. Beispielsweise können die bedingten Wahrscheinlichkeitsparameter die Form von bedingten Wahrscheinlichkeitstabellen annehmen, die für jeden diagnostischen Zustand für jeden physiologischen Parameter definiert sind. Die A-posteriori-Eintrittswahrscheinlichkeit kann dann für alle möglichen Kombinationen von diagnostischen Zuständen tabellarisch dargestellt werden, um eine A-posteriori-Eintrittswahrscheinlichkeit oder in einigen Fällen eine Eintrittswahrscheinlichkeitstabelle zu bestimmen, wie in U.S.-Anmeldung Nr. 13/391,376 beschrieben.
In einigen Fällen kann ein einzelner Beweisknoten aus mehreren physiologischen Parametern abgeleitet werden, wie bei einem Knoten mit mehrfachen Variablen (Multi-Variable Node - MVN). In einem Beispiel können MVNs auf mehreren physiologischen Parametern basieren, wie etwa der AF-Belastung als einem ersten physiologischen Parameter und ventrikulären Frequenzwerten als einem zweiten physiologischen Parameter, wobei die physiologischen Parameter in einen einzigen Beweisknoten einfließen.
Die Verarbeitungsschaltung kann die Beweisknoten als Eingabe in ein Eintrittseintrittswahrscheinlichkeitsmodell verwenden, um eine A-posteriori-Eintrittswahrscheinlichkeitsbewertung zu bestimmen. In solchen Fällen zeigt die A-posteriori-Eintrittswahrscheinlichkeitsbewertung eine Wahrscheinlichkeit an, dass ein Patient innerhalb eines vorbestimmten Zeitraums (z. B. innerhalb von 30 Tagen nach dem Bestimmen der Eintrittswahrscheinlichkeitsbewertung) ein unerwünschtes Gesundheitsereignis erfährt. Wie hierin erörtert, kann das Eintrittseintrittswahrscheinlichkeitsmodell als zusätzliche Eingaben den A-priori-Eintrittswahrscheinlichkeitswert und einen bedingten Wahrscheinlichkeitsparameter verwenden, um die A-posteriori-Eintrittswahrscheinlichkeitsbewertung zu bestimmen. In einigen Beispielen kann die Verarbeitungsschaltung dann das Eintrittswahrscheinlichkeitsmodell unter Verwendung der bestimmten A-posteriori-Eintrittswahrscheinlichkeitsbewertung aktualisieren.
In einigen Beispielen wird die Eintrittswahrscheinlichkeitsbewertung mit einer Schwelle für jedes von einem oder mehreren Risikoniveaus verglichen (z. B. hohe Risikoschwelle, mittlere Risikoschwelle, niedrige Risikoschwelle). In einem Beispiel kann die Eintrittswahrscheinlichkeitsbewertung mit zwei Schwellen verglichen werden, um eine Hysterese in der Warnungsentscheidung bereitzustellen. In solchen Beispielen kann eine Warnung erzeugt werden, wenn die Eintrittswahrscheinlichkeitsbewertung eine erste, höhere Schwelle überschreitet. Die Warnung wird beendet, wenn die Eintrittswahrscheinlichkeitsbewertung anschließend eine zweite, untere Schwelle überschreitet. Durch das Erzeugen von Warnungen auf diese Weise kann eine Vorrichtung weniger „sporadische“ Warnungen erzeugen, die vom Patienten oder einem Kliniker falsch interpretiert werden können, wenn die Eintrittswahrscheinlichkeitsbewertung nahe dem höheren Warnungsschwellenwert schwankt. Außerdem kann die Vorrichtung Hysteresewarnungen für mehrere Risikoniveaus bereitstellen. Beispielsweise können Warnungen mit mittlerem und/oder niedrigem Risiko ebenso Hysterese-Schwellen aufweisen. 2 ist ein Blockdiagramm, das ein beispielhaftes System veranschaulicht, das (eine) medizinische Vorrichtung(en) 17, einen Zugangspunkt 90, ein Netzwerk 92, externe Rechenvorrichtungen wie Datenserver 94 und ein oder mehrere andere Rechenvorrichtungen 100A-100N (zusammen „Rechenvorrichtungen 100“) beinhaltet. In einigen Beispielen kann/können die medizinische(n) Vorrichtung(en) 17 eine implantierbare medizinische Vorrichtung (IMD) beinhalten, wie die mit Bezug auf die 7-9 beschriebene IMD 10. In diesem Beispiel kann/können die medizinische(n) Vorrichtung(en) 17 die Kommunikationsschaltung 54 verwenden, um mit der externen Vorrichtung 12 über eine erste drahtlose Verbindung zu kommunizieren und mit einem Zugangspunkt 90 über eine zweite drahtlose Verbindung zu kommunizieren.
In einer oder mehreren der verschiedenen beispielhaften Techniken, die unter Bezugnahme auf 2 beschrieben sind, können der Zugangspunkt 90, die externe Vorrichtung 12, die Datenserver 94 und die Rechenvorrichtungen 100 miteinander verbunden sein und können über das Netzwerk 92 miteinander kommunizieren. Das Netzwerk 92 kann ein lokales Netzwerk, ein Weitverkehrsnetzwerk oder ein globales Netzwerk, wie das Internet, beinhalten. Das unter Bezugnahme auf 2 beschriebene beispielhafte System kann in einigen Aspekten mit allgemeiner Netzwerktechnologie und Funktionalität implementiert werden, die denen ähnlich sind, die von Medtronic CareLink ® Network bereitgestellt werden, entwickelt von Medtronic, Inc., Minneapolis, MN.
Der Zugangspunkt 90 kann eine Vorrichtung beinhalten, die über eine beliebige einer Vielzahl von Verbindungen mit dem Netzwerk 92 verbunden ist, wie Telefoneinwahl, digitale Teilnehmerleitung (DSL) oder Kabelmodemverbindungen. In anderen Beispielen kann der Zugangspunkt 90 durch verschiedene Formen von Verbindungen, einschließlich drahtgebundener oder drahtloser Verbindungen, mit dem Netzwerk 92 gekoppelt sein. In einigen Beispielen kann der Zugangspunkt 90 eine Benutzervorrichtung sein, wie ein Tablet oder Smartphone, das sich bei dem Patienten befinden kann.
Die medizinische(n) Vorrichtung(en) 17 können konfiguriert sein, um Daten, wie erfasste, gemessene und/oder bestimmte Werte von physiologischen Parametern (z. B. Herzfrequenzen, Impedanzmessungen, Impedanzbewertungen, Fluidindizes, Atemfrequenz, Aktivitätsdaten, Herzelektrogramme (EGMs), historische physiologische Daten, Blutdruckwerte usw.), an den Zugangspunkt 90 und/oder die externe Vorrichtung 12 zu übertragen. In einigen Beispielen können die medizinische(n) Vorrichtung(en) 17 konfiguriert sein, um mehrere physiologische Parameter zu bestimmen. Beispielsweise können die medizinische(n) Vorrichtung(en) 17 eine IMD 10 beinhalten, die konfiguriert ist, um Atmungsfrequenzwerte, Impedanzwerte des subkutanen Gewebes, EGM-Werte zu bestimmen. In solchen Beispielen kann die IMD 10 mehrere physiologische Parameter bereitstellen, um als Beweisknoten für das Eintrittseintrittswahrscheinlichkeitsmodell 19 zu dienen. Der Zugangspunkt 90 und/oder die externe Vorrichtung 12 können dann die abgerufenen Daten über das Netzwerk 92 an den/die Datenserver 94 kommunizieren.
In einigen Fällen können eine oder mehrere der medizinischen Vorrichtungen 17 Daten über eine drahtgebundene oder drahtlose Verbindung an den/die Datenserver 94 oder an die externe Vorrichtung 12 übertragen. Beispielsweise kann/können Datenserver 94 Daten von medizinischen Vorrichtungen 17 oder von externen Vorrichtungen 12 empfangen. In einem anderen Beispiel kann die externe Vorrichtung 12 Daten von Datenserver(n) 94 oder von medizinischen Vorrichtung(en) 17, wie physiologische Parameterwerte, diagnostische Zustände oder Eintrittswahrscheinlichkeitsbewertungen, über das Netzwerk 92 empfangen. In solchen Beispielen kann die externe Vorrichtung 12 die Daten bestimmen, die von Datenserver(n) 94 oder von medizinische(n) Vorrichtung(en) 17 empfangen werden, und kann die Daten entsprechend auf der Speichervorrichtung 84 (3) speichern.
Außerdem können eine oder mehrere der medizinischen Vorrichtungen 17 als Datenserver 94 dienen oder diese beinhalten. Beispielsweise kann/können die medizinische(n) Vorrichtung(en) 17 genügend Speicherkapazität oder Verarbeitungsleistung beinhalten, um die hierin offenbarten Techniken auf einer einzelnen der medizinischen Vorrichtungen 17 oder in einem Netzwerk von medizinischen Vorrichtungen 17 durchzuführen, die Aufgaben über das Netzwerk 92 koordinieren (z. B. über ein privates oder geschlossenes Netzwerk). In einigen Beispielen kann eine der medizinischen Vorrichtungen 17 wenigstens einen der Datenserver 94 beinhalten. Beispielsweise kann ein tragbarer/bettseitiger Patientenmonitor in der Lage sein, sowohl als ein Datenserver zu dienen als auch als eine der medizinischen Vorrichtungen 17 zu dienen, die konfiguriert sind, um physiologische Parameterwerte vom Patienten 4 zu erhalten. In anderen Beispielen kann/können der/die Datenserver 94 mit jeder der medizinischen Vorrichtungen 17 über eine drahtgebundene oder drahtlose Verbindung kommunizieren, um physiologische Parameterwerte oder diagnostische Zustände von der/den medizinischen Vorrichtung(en) 17 zu empfangen. In einem nicht einschränkenden Beispiel können physiologische Parameterwerte von der/den medizinischen Vorrichtung(en) 17 an einen oder mehrere Datenserver 94 und/oder an die externe Vorrichtung 12 übertragen werden.
In einigen Fällen kann/können der/die Datenserver 94 konfiguriert sein, um eine sichere Speicherstelle für Daten bereitzustellen, die von medizinischen Vorrichtungen 17 und/oder externen Vorrichtungen 12 gesammelt wurden. In einigen Fällen können der/die Datenserver 94 eine Datenbank beinhalten, die medizinische und gesundheitsbezogene Daten speichert. Beispielsweise können der/die Datenserver 94 einen Cloud-Server oder einen anderen entfernten Server beinhalten, der Daten speichert, die von der/den medizinischen Vorrichtung(en) 17 und/oder der externen Vorrichtung 12 gesammelt wurden. In einigen Fällen können der/die Datenserver 94 Daten in Webseiten oder anderen Dokumenten zur Ansicht durch geschulte Fachkräfte, wie Kliniker, über die Rechenvorrichtungen 100 zusammenstellen. Ein oder mehrere Aspekte des beispielhaften Systems, das unter Bezugnahme auf 2 beschrieben wurde, kann mit allgemeiner Netzwerktechnologie und - funktionalität implementiert werden, die denen ähnlich sein können, die vom Medtronic CareLink® Netzwerk bereitgestellt werden.
In einigen Beispielen kann eine oder mehrere der Rechenvorrichtungen 100 ein Tablet oder eine andere intelligente Vorrichtung sein, die sich bei einem Arzt befindet, mit der der Arzt die medizinische(n) Vorrichtung(en) 17 programmieren, Warnungen von dieser empfangen und/oder abfragen kann. Beispielsweise kann der Kliniker auf Daten zugreifen, die durch ein oder mehrere medizinische Vorrichtungen 17 über eine Rechenvorrichtung 100 gesammelt wurden, wie wenn sich der Patient 4 zwischen Arztbesuchen befindet, um den Status eines medizinischen Zustands zu überprüfen. In einigen Beispielen kann der Kliniker Anweisungen für einen medizinischen Eingriff für den Patienten 4 in eine Anwendung eingeben, die von der Rechenvorrichtung 100 ausgeführt wird, wie basierend auf einem Status eines Patientenzustands, der durch die medizinische(n) Vorrichtung(en) 17, die externe Vorrichtung 12, die Datenserver 94 oder eine beliebige Kombination davon oder basierend auf anderen Patientendaten, die dem Kliniker bekannt sind, bestimmt wird.
Eine Rechenvorrichtung 100 kann Anweisungen für einen medizinischen Eingriff an eine andere der Rechenvorrichtungen 100 übertragen, die sich bei dem Patienten 4 oder einer Pflegeperson des Patienten 4 befindet. Beispielsweise können solche Anweisungen für einen medizinischen Eingriff eine Anweisung beinhalten, eine Arzneimitteldosis, einen Zeitpunkt oder eine Auswahl zu ändern, einen Besuch beim Arzt zu planen oder ärztliche Hilfe in Anspruch zu nehmen. In weiteren Beispielen kann eine Rechenvorrichtung 100 eine Warnung für den Patienten 4 basierend auf einer Eintrittswahrscheinlichkeitsbewertung (z. B. einer A-posteriori-Eintrittswahrscheinlichkeit) erzeugen (oder eine Warnung weitergeben, die von einer medizinischen Vorrichtung 17, einer externen Vorrichtung 12 oder einem Datenserver 94 bestimmt wird), die aus physiologischen Parameterwerten des Patienten 4 bestimmt wird, die es dem Patienten 4 ermöglichen können, proaktiv einen Arzt aufzusuchen, bevor er Anweisungen für einen medizinischen Eingriff empfängt. Auf diese Weise kann der Patient 4 ermächtigt werden, bei Bedarf Maßnahmen zu ergreifen, um seinen medizinischen Status zu verbessern, was dazu beitragen kann, die klinischen Ergebnisse für den Patienten 4 zu verbessern.
In dem von 2 veranschaulichten Beispiel beinhalten Datenserver 94 eine Speichervorrichtung 96 (z. B. zum Speichern von Daten, die von medizinischen Vorrichtung(en) 17 abgerufen wurden) und eine Verarbeitungsschaltung 98. Obwohl in 2 nicht veranschaulicht, können Rechenvorrichtungen 100 auf ähnliche Weise eine Speichervorrichtung und eine Verarbeitungsschaltung beinhalten. Die Verarbeitungsschaltung 98 kann einen oder mehrere Prozessoren beinhalten, die konfiguriert sind, um Funktionalität zu implementieren und/oder Anweisungen zur Ausführung innerhalb des/der Datenserver(s) 94 zu verarbeiten. Beispielsweise kann die Verarbeitungsschaltung 98 in der Lage sein, im Speicher 96 gespeicherte Anweisungen zu verarbeiten. Die Verarbeitungsschaltung 98 kann beispielsweise Mikroprozessoren, DSPs, ASICs, FPGAs oder äquivalente diskrete oder integrierte Logikschaltungen oder eine Kombination von beliebigen der vorstehenden Vorrichtungen oder Schaltungen beinhalten. Dementsprechend kann die Verarbeitungsschaltung 98 jede geeignete Struktur beinhalten, sei es in Hardware, Software, Firmware oder einer beliebigen Kombination davon, um die hierin der Verarbeitungsschaltung 98 zugeschriebenen Funktionen durchzuführen. Die Verarbeitungsschaltung 98 des/der Datenserver(s) 94 und/oder die Verarbeitungsschaltung der Rechenvorrichtungen 100 können jede der hierin beschriebenen Techniken implementieren, um physiologische Parameter zu analysieren, die von der/den medizinischen Vorrichtung(en) 17 empfangen werden, z. B. um eine Eintrittswahrscheinlichkeitsbewertung des Patienten 4 zu bestimmen.
In einigen Beispielen kann die Speichervorrichtung 96 des/der Datenserver(s) 94 ein Eintrittswahrscheinlichkeitsmodell 19 speichern. In einigen Beispielen kann die externe Vorrichtung 12 das Eintrittswahrscheinlichkeitsmodell 19 speichern. Beispielsweise können der/die Datenserver 94 das Eintrittswahrscheinlichkeitsmodell 19 an die externe Vorrichtung 12 übertragen, wobei die externe Vorrichtung 12 das Eintrittswahrscheinlichkeitsmodell 19 in einer Speichervorrichtung der externen Vorrichtung 12 (in 2 nicht gezeigt) speichern kann. Die externe Vorrichtung 12 und/oder der/die Datenserver 94 kann das Eintrittswahrscheinlichkeitsmodell 19 verwenden, um eine Eintrittswahrscheinlichkeitsbewertung in Bezug auf ein Gesundheitsrisiko für den Patienten 4 zu bestimmen.
Die Verarbeitungsschaltung 98 des/der Datenserver(s) 94 und/oder die Verarbeitungsschaltung der Rechenvorrichtungen 100 können ebenso Anweisungen zum Nutzen eines ausgewählten Eintrittswahrscheinlichkeitsmodells (z. B. eines, das unter Verwendung einer bekannten Auswahltechnik ausgewählt wurde) abrufen und das Eintrittswahrscheinlichkeitsmodell ausführen, um die Eintrittswahrscheinlichkeitsbewertung zu bestimmen. Die Verarbeitungsschaltung 98 des/der Datenserver(s) 94 und/oder die Verarbeitungsschaltung der Rechenvorrichtungen 100 kann solche Daten und Anweisungen von der Speichervorrichtung 96 oder in einigen Fällen von einer anderen Speichervorrichtung, wie von einer der medizinischen Vorrichtungen 17 abrufen.
Die Speichervorrichtung 96 kann ein computerlesbares Speichermedium oder eine computerlesbare Speichervorrichtung beinhalten. In einigen Beispielen beinhaltet der Speicher 96 einen oder mehrere Kurzzeitspeicher oder einen Langzeitspeicher. Die Speichervorrichtung 96 kann beispielsweise RAM, DRAM, SRAM, Magnetplatten, optische Platten, Flash-Speicher oder Formen von EPROM oder EEPROM beinhalten. In einigen Beispielen wird die Speichervorrichtung 96 verwendet, um Daten zu speichern, die Anweisungen zur Ausführung durch die Verarbeitungsschaltung 98 anzeigen.
3 ist ein Blockdiagramm, das eine beispielhafte Konfiguration von Komponenten der externen Vorrichtung 12 veranschaulicht. In einigen Beispielen beinhaltet die externe Vorrichtung 12 eine Verarbeitungsschaltung 80, eine Kommunikationsschaltung 82, eine Speichervorrichtung 84 und eine Benutzerschnittstelle 86.
Die Verarbeitungsschaltung 80 kann einen oder mehrere Prozessoren beinhalten, die konfiguriert sind, um Funktionalität zu implementieren und/oder Anweisungen zur Ausführung innerhalb der externen Vorrichtung 12 zu verarbeiten. Beispielsweise kann die Verarbeitungsschaltung 80 in der Lage sein, in der Speichervorrichtung 84 gespeicherte Anweisungen zu verarbeiten. Die Verarbeitungsschaltung 80 kann beispielsweise Mikroprozessoren, DSPs, ASICs, FPGAs oder äquivalente diskrete oder integrierte Logikschaltungen oder eine Kombination von beliebigen der vorstehenden Vorrichtungen oder Schaltungen beinhalten. Dementsprechend kann die Verarbeitungsschaltung 80 jede geeignete Struktur beinhalten, sei es in Hardware, Software, Firmware oder einer beliebigen Kombination davon, um die hierin der Verarbeitungsschaltung 80 zugeschriebenen Funktionen durchzuführen.
Die Kommunikationsschaltung 82 kann jede geeignete Hardware, Firmware, Software oder eine beliebige Kombination davon beinhalten, um mit einer anderen Vorrichtung zu kommunizieren, wie einer der medizinischen Vorrichtungen 17 (z. B. IMD 10). Unter der Steuerung der Verarbeitungsschaltung 80 kann die Kommunikationsschaltung 82 Downlink-Telemetrie von einer der medizinischen Vorrichtungen 17 (z. B. IMD 10) oder einer anderen Vorrichtung (z. B. Datenserver 94) empfangen oder diese senden. Die Kommunikationsschaltung 82 kann konfiguriert sein, um Signale über induktive Kopplung, elektromagnetische Kopplung, Nahfeldkommunikation- (NFC-) Technologien (z. B. induktive Kopplung, NFC oder andere Kommunikationstechnologien, die in Reichweiten von weniger als 10-20 cm betrieben werden können), RF-Kommunikation, Bluetooth®, Wi-Fi™ oder andere proprietäre oder nicht proprietäre drahtlose Kommunikationsschemata zu senden oder zu empfangen. Die Kommunikationsschaltung 82 kann ebenso konfiguriert sein, um mit anderen Vorrichtungen als der/den medizinischen Vorrichtung(en) 17 über eine beliebige einer Vielzahl von Formen drahtgebundener und/oder drahtloser Kommunikation und/oder Netzwerkprotokolle zu kommunizieren.
Die Speichervorrichtung 84 kann konfiguriert sein, um während des Betriebs Informationen in der externen Vorrichtung 12 zu speichern. Die Speichervorrichtung 84 kann ein computerlesbares Speichermedium oder eine computerlesbare Speichervorrichtung beinhalten. In einigen Beispielen beinhaltet die Speichervorrichtung 84 eines oder mehrere von einem Kurzzeitgedächtnis oder einem Langzeitgedächtnis. Die Speichervorrichtung 84 kann beispielsweise RAM, DRAM, SRAM, Magnetplatten, optische Platten, Flash-Speicher oder Formen von EPROM oder EEPROM beinhalten. In einigen Beispielen wird die Speichervorrichtung 84 verwendet, um Daten zu speichern, die Anweisungen zur Ausführung durch die Verarbeitungsschaltung 80 anzeigen. Die Speichervorrichtung 84 kann von Software oder Anwendungen verwendet werden, die auf der externen Vorrichtung 12 laufen, um Informationen während der Programmausführung vorübergehend zu speichern.
Die Speichervorrichtung 84 kann ein oder mehrere Eintrittswahrscheinlichkeitsmodelle 19 speichern. Die Speichervorrichtung 84 kann ebenso historische Daten, diagnostische Zustandsdaten, physiologische Parameterwerte, Eintrittswahrscheinlichkeitsbewertungen usw. speichern.
Die zwischen der externen Vorrichtung 12 und der/den medizinischen Vorrichtung(en) 17 ausgetauschten Daten können Betriebsparameter (z. B. physiologische Parameterwerte, diagnostische Zustände usw.) beinhalten. Die externe Vorrichtung 12 kann Daten einschließlich computerlesbarer Anweisungen übertragen, die, wenn sie durch die medizinische(n) Vorrichtung(en) 17 implementiert werden, die medizinische Vorrichtung(en) 17 steuern können, um einen oder mehrere Betriebsparameter zu ändern und/oder gesammelte Daten (z. B. physiologische Parameterwerte) zu exportieren. Beispielsweise kann die Verarbeitungsschaltung 80 eine Anweisung an die medizinische(n) Vorrichtung(en) 17 übertragen, die die medizinische(n) Vorrichtung(en) 17 auffordert, gesammelte Daten (z. B. Impedanzdaten, Fluidindexwerte und/oder Impedanzbewertungen, Blutdruck, EKG-Aufzeichnungen, usw.) an eine externe Vorrichtung 12 zu exportieren.
Die externe Vorrichtung 12 kann wiederum die gesammelten Daten von der/den medizinischen Vorrichtung(en) 17 empfangen und die gesammelten Daten in der Speichervorrichtung 84 speichern. Die Verarbeitungsschaltung 80 kann jede der hierin beschriebenen Techniken implementieren, um physiologische Parameterwerte zu modellieren, die von der/den medizinischen Vorrichtung(en) 17 empfangen werden, um diagnostische Zustände, Eintrittswahrscheinlichkeitsbewertungen usw. zu bestimmen. Unter Verwendung der hierin offenbarten Modellierungstechniken kann die Verarbeitungsschaltung 80 eine Wahrscheinlichkeit bestimmen, dass der Patient ein unerwünschtes Gesundheitsereignis (z. B. Dekompensation von Herzinsuffizienz) erleidet oder wahrscheinlich ein unerwünschtes Gesundheitsereignis innerhalb eines vorher vorbestimmten Zeitraums erleiden wird (z. B. innerhalb der nächsten 3 Tage, 7 Tage, 10 Tage, 30 Tage, 40 Tage, usw.). In einem veranschaulichenden Beispiel kann der vorbestimmte Zeitraum wenigstens ungefähr 7 Tage ab der Bestimmung der Eintrittswahrscheinlichkeitsbewertung betragen, derrart, dass die Eintrittswahrscheinlichkeitsbewertung die Wahrscheinlichkeit angibt, dass in den nächsten 7 Tagen ein unerwünschtes Gesundheitsereignis eintritt, oder angibt, dass der Patient wahrscheinlich bereits ein negatives Gesundheitsereignis, wie eine Herzinsuffizienz-Dekompensation, erleidet.
Die externe Vorrichtung 12 kann eine Rechenvorrichtung mit einer für einen Benutzer sichtbaren Anzeige und einer Schnittstelle zum Bereitstellen von Eingaben an die externe Vorrichtung 12 (d. h. ein Benutzereingabemechanismus) sein. Der Benutzer kann ein Arzt, Techniker, Chirurg, Elektrophysiologe, Kliniker oder Patient 4 sein. In einigen Beispielen kann die externe Vorrichtung 12 ein Notebook-Computer, ein Tablet-Computer, eine Computer-Workstation, ein oder mehrere Server, ein Mobiltelefon, ein persönlicher digitaler Assistent, eine tragbare Rechenvorrichtung, eine vernetzte Rechenvorrichtung oder eine andere Rechenvorrichtung sein, die eine Anwendung ausführen kann, die es ermöglicht, dass die Rechenvorrichtung mit IMD 10 interagiert. Die externe Vorrichtung 12 ist konfiguriert, um mit der IMD 10 und optional einer anderen Rechenvorrichtung über eine drahtgebundene oder drahtlose Kommunikation zu kommunizieren. Die externe Vorrichtung 12 kann beispielsweise über NFC-Technologien (z. B. induktive Kopplung, NFC oder andere Kommunikationstechnologien, die in Reichweiten von weniger als 10-20 cm betrieben werden können) und Fernfeld-Kommunikationstechnologien (z. B. Radiofrequenz- (RF-) Telemetrie gemäß den 802.11- oder Bluetooth®-Spezifikationssätzen oder andere Kommunikationstechnologien, die mit größeren Reichweiten als NFC-Technologien betrieben werden können) kommunizieren. In einigen Beispielen kann die externe Vorrichtung 12 einen Programmierkopf beinhalten, der nahe dem Körper des Patienten 4 in der Nähe der Implantationsstelle der IMD 10 platziert werden kann, um die Qualität oder Sicherheit der Kommunikation zwischen der IMD 10 und der externen Vorrichtung 12 zu verbessern.
In einem Beispiel kann ein Benutzer, wie ein Kliniker oder Patient 4, über die Benutzerschnittstelle 86 mit der externen Vorrichtung 12 interagieren. Die Benutzerschnittstelle 86 beinhaltet eine (nicht gezeigte) Anzeige, wie eine Flüssigkristallanzeige (LCD) oder eine Leuchtdioden- (LED-) Anzeige oder eine andere Art von Bildschirm, mit der die Verarbeitungsschaltung 80 Informationen bezüglich medizinischer Vorrichtung(en) 17 (z. B. Herz-EGMs, Blutdruck, subkutane Impedanzwerte, RR usw.) präsentieren kann. Außerdem kann die Benutzerschnittstelle 86 einen Eingabemechanismus beinhalten, um Eingaben vom Benutzer zu empfangen. Die Eingabemechanismen können beispielsweise eine oder mehrere Tasten, eine Tastatur (z. B. eine alphanumerische Tastatur), eine periphere Zeigevorrichtung, einen berührungsempfindlichen Bildschirm oder einen anderen Eingabemechanismus beinhalten, die/der es dem Benutzer ermöglicht, durch Benutzerschnittstellen zu navigieren, die von Verarbeitungsschaltung 80 der externen Vorrichtung 12 präsentiert werden, und eine Eingabe bereitzustellen. In anderen Beispielen beinhaltet die Benutzerschnittstelle 86 ebenso eine Audioschaltung, um dem Benutzer hörbare Benachrichtigungen, Anweisungen oder andere Töne bereitzustellen, Sprachbefehle vom Benutzer zu empfangen oder beides.
In einigen Beispielen kann die Benutzerschnittstelle 86 der externen Vorrichtung 12 Eingaben vom Benutzer empfangen. Die Benutzerschnittstelle kann beispielsweise eine Tastatur und eine Anzeige beinhalten, die beispielsweise eine Kathodenstrahlröhren (CRT-) Anzeige, eine LCD oder eine LED-Anzeige sein kann. Die Tastatur kann die Form einer alphanumerischen Tastatur oder eines reduzierten Satzes von Tasten haben, die mit bestimmten Funktionen assoziiert sind. Die externe Vorrichtung 12 kann zusätzlich oder alternativ eine periphere Zeigevorrichtung, wie eine Maus, beinhalten, über die der Benutzer mit der Benutzerschnittstelle interagieren kann. In einigen Beispielen kann eine Anzeige der externen Vorrichtung 12 eine berührungsempfindliche Bildschirmanzeige beinhalten und ein Benutzer kann über die Anzeige mit der externen Vorrichtung 12 interagieren. Es sollte beachtet werden, dass der Benutzer ebenso aus der Ferne über eine vernetzte Rechenvorrichtung mit der externen Vorrichtung 12 interagieren kann.
Die externe Vorrichtung 12 kann mit externen Elektroden oder mit implantierten Elektroden über perkutane Leitungen gekoppelt sein. In einigen Beispielen kann die externe Vorrichtung 12 Impedanzmessungen des subkutanen Gewebes von der IMD 10 überwachen. Die externe Vorrichtung 12 kann verwendet werden, um Betriebsparameter für die IMD 10 zu konfigurieren. Beispielsweise kann die externe Vorrichtung 12 eine Parameterauflösung für die IMD 10 bereitstellen, die eine Auflösung von Daten anzeigt, die die IMD 10 erhalten sollte. Beispiele von Auflösungsparametern können eine Frequenz, bei der die Elektroden Impedanzmessungen verarbeiten, oder eine Frequenz beinhalten, bei der Impedanzmessungen bei der Bestimmung eines diagnostischen Zustands berücksichtigt werden sollten.
Die Leistungsquelle 108 liefert Betriebsleistung an die Komponenten der externen Vorrichtung 12. Die Leistungsquelle 108 kann eine Batterie und eine Leistungserzeugungsschaltung beinhalten, um die Betriebsleistung zu erzeugen. In einigen Ausführungsformen kann die Batterie wieder aufladbar sein, um einen längeren Betrieb zu ermöglichen. Das Aufladen kann erreicht werden, indem die Leistungsquelle 108 elektrisch an eine Halterung oder einen Stecker gekoppelt wird, der mit einer Wechselstrom- (AC-) Steckdose verbunden ist. Zusätzlich oder alternativ kann das Aufladen durch eine proximale induktive Wechselwirkung zwischen einer externen Ladevorrichtung und einer induktiven Ladespule innerhalb der externen Vorrichtung 12 erreicht werden. In anderen Ausführungsformen können herkömmliche Batterien (z. B. Nickel-Cadmium- oder Lithium-Ionen-Batterien) verwendet werden. Außerdem kann die externe Vorrichtung 12 direkt an eine Wechselstromsteckdose gekoppelt sein, um die externe Vorrichtung 12 mit Leistung zu versorgen. Die Leistungsquelle 108 kann eine Schaltung beinhalten, um die in einer Batterie verbleibende Leistung zu überwachen. Auf diese Weise kann die Benutzerschnittstelle 86 eine Anzeige für den aktuellen Batteriestand oder eine Anzeige für einen niedrigen Batteriestand bereitstellen, wenn die Batterie ersetzt oder wieder aufgeladen werden muss. In einigen Fällen kann die Leistungsquelle 108 in der Lage sein, die verbleibende Betriebszeit unter Verwendung der aktuellen Batterie zu schätzen.
4 veranschaulicht einen Rahmen, der ein medizinisches System, wie das System 2, verwendet, um Gesundheitsereignisse und die Wahrscheinlichkeit von Gesundheitsereignissen des Patienten 4 zu überwachen. Das medizinische System kann eine externe Vorrichtung 12 oder einen oder mehrere der Datenserver 94 beinhalten. Obwohl hauptsächlich in Bezug auf einen oder mehrere Datenserver 94 beschrieben, die die Eintrittswahrscheinlichkeitsbewertung bestimmen, versteht es sich, dass eine oder mehrere Vorrichtungen (z. B. Verarbeitungsschaltungen solcher Vorrichtungen), wie die externe Vorrichtung 12, eine oder mehrere medizinische Vorrichtungen 17 oder Rechenvorrichtungen 100 die Eintrittswahrscheinlichkeitsbestimmung unter Verwendung des Eintrittswahrscheinlichkeitsmodells 19 wie hierin beschrieben durchführen können. In jedem Fall veranschaulicht 4, dass die externe Vorrichtung 12, die medizinische(n) Vorrichtung(en) 17 und/oder den/die Datenserver 94 derart konfiguriert sind, dass sie Eingaben an das Eintrittswahrscheinlichkeitsmodell 19 liefern.
In einigen Beispielen kann die Speichervorrichtung 96 des/der Datenserver 94 die physiologischen Parameterwerte speichern, die sich auf einen oder mehrere physiologische Parameter beziehen, die von einer oder mehreren anderen Vorrichtungen des Systems über das Netzwerk 92 empfangen worden sein können. Der/die Datenserver 94 können die physiologischen Parameterwerte als Rohdaten oder als aufbereitete Daten über Signalverarbeitungstechniken speichern. Beispielsweise können der/die Datenserver 94 in der Speichervorrichtung 96 Fluidindexwerte als Werte speichern, die aus den Impedanzdaten des subkutanen Gewebes bestimmt werden, die von einer oder mehreren medizinischen Vorrichtungen 17 gesammelt wurden. In einigen Beispielen bestimmt die Verarbeitungsschaltung 98 des/der Datenserver Fluidindexwerte oder -bewertungen basierend auf subkutanen Impedanzwerten, die von einer oder mehreren medizinischen Vorrichtung(en) 17 gemessen werden. In einigen Beispielen bestimmt die Verarbeitungsschaltung der medizinischen Vorrichtung(en) oder die Verarbeitungsschaltung 80 der externen Vorrichtung 12 die Fluidindexwerte oder -bewertungen.
Die Verarbeitungsschaltung, z. B. die Verarbeitungsschaltung 98 des/der Datenserver 94, kann Daten, die von der/den medizinischen Vorrichtung(en) 17 (z. B. von der IMD 10) empfangen wurden, auf einer Speichervorrichtung speichern, z. B. der Speichervorrichtung 96 des/der Datenserver 94. In einem Beispiel kann die Speichervorrichtung 96 konfiguriert sein, um gemessene und/oder bestimmte Werte eines oder mehrerer Impedanzparameter des subkutanen Gewebes zu speichern. Der eine oder die mehreren Impedanzparameter des subkutanen Gewebes können einen oder mehrere Impedanzbewertungen des subkutanen Gewebes oder Fluidindexwerte beinhalten. In einigen Beispielen kann der Datenserver 94 Impedanzwertmessungen (z. B. Rohdaten oder aufbereitete Daten) von der/den medizinischen Vorrichtung(en) 17, z. B. IMD 10, über das Netzwerk 92 empfangen. In solchen Beispielen kann die Verarbeitungsschaltung 98 des/der Datenserver 94 die Index- oder Bewertungswerte bestimmen, die verwendet werden, um Eingaben in das Eintrittswahrscheinlichkeitsmodell 19 zu bestimmen. In einigen Beispielen können die medizinische(n) Vorrichtung(en) 17, z. B. die IMD 10, oder die externe Vorrichtung 12 oder eine andere Vorrichtung die Index- oder Bewertungswerte aus einer oder mehreren Impedanzmessungen des subkutanen Gewebes bestimmen. Die IMD 10 (oder eine andere medizinische Vorrichtung 17) kann eine oder mehrere Impedanzmessungen des subkutanen Gewebes über mehrere Elektroden der medizinischen Vorrichtung bestimmen.
Die Verarbeitungsschaltung 98 des/der Datenserver 94 kann einen oder mehrere Impedanzbewertungen des subkutanen Gewebes unter Verwendung von Impedanzwertmessungen bestimmen. In einigen Beispielen kann/können der/die Datenserver 94 einen oder mehrere Impedanzbewertungen des subkutanen Gewebes empfangen, wobei eine andere Vorrichtung, wie die IMD 10, die Impedanzbewertungen des subkutanen Gewebes bestimmen kann, bevor die Impedanzbewertungen an den/die Datenserver 94 übertragen werden. In jedem Fall können der/die Datenserver 94 Daten von der/den medizinischen Vorrichtung(en) 17 empfangen und über das Eintrittswahrscheinlichkeitsmodell 19 eine Eintrittswahrscheinlichkeitsbewertung basierend auf den Daten bestimmen.
Weiterhin unter Bezugnahme auf 4 kann die Verarbeitungsschaltung 98 des/der Datenserver (oder Verarbeitungsschaltung einer beliebigen anderen Vorrichtung des Systems) in einigen Beispielen die Eintrittswahrscheinlichkeitsbewertungsbestimmung unter Verwendung des Eintrittswahrscheinlichkeitsmodells 19 in Übereinstimmung mit dem Folgenden durchführen. Wie hierin beschrieben, kann die Verarbeitungsschaltung 98 mit einer oder mehreren Speichervorrichtungen derart gekoppelt sein, dass die Verarbeitungsschaltung 98 die verschiedenen Datenspeicher nutzen kann, um die Eintrittswahrscheinlichkeitsbewertung zu bestimmen.
In einigen Beispielen kann die Verarbeitungsschaltung 98 konfiguriert sein, um jeweils einen oder mehrere Werte für jeden von mehreren physiologischen Parametern zu bestimmen. Beispielsweise kann die Verarbeitungsschaltung einen oder mehrere Werte für einen ersten physiologischen Parameter und einen oder mehrere Werte für einen zweiten physiologischen Parameter bestimmen. In einem Beispiel können die Werte Messwerten entsprechen, die über die medizinische(n) Vorrichtung(en) 17 bestimmt wurden. Beispielsweise können die Werte Atmungsfrequenzwerte, EKG-Werte, Aktivitätsniveauwerte usw. beinhalten. Beispielsweise können die Werte angeben, wann der Patient 4 aktiv war oder wann der Patient 4 inaktiv war. Die Werte können Beschleunigungsmesserwerte beinhalten, die eine Haltung des Patienten 4 oder eine Veränderung der Haltung des Patienten 4 im Laufe der Zeit anzeigen (z. B. eine Haltungsänderungszählung). Die Zählung der Haltungsänderung kann auf den Werten des Z-Achsen-Beschleunigungsmessers basieren. Andere Werte können periodische X-, Y- und Z-Achsen-Beschleunigungsmessermessungen beinhalten.
In einigen Beispielen kann die Verarbeitungsschaltung 98 die Kriterien zum Bestimmen jedes diagnostischen Zustands anpassen, wenn im Laufe der Zeit mehr Informationen für die Verarbeitungsschaltung 98 verfügbar werden. Beispielsweise kann die Verarbeitungsschaltung 98 bestimmen, dass ein oder mehrere diagnostische Zustände für einen oder mehrere physiologische Parameter optimiert werden können. In einigen Beispielen kann die Verarbeitungsschaltung 98 ein solches Optimierungspotential basierend auf der Ausgabe eines ML-Modells bestimmen, das auf A-posteriori-Eintrittswahrscheinlichkeitsdaten, diagnostischen Zuständen und Kriterienleistungsdaten trainiert wurde. In jedem Fall kann die Verarbeitungsschaltung 98 die verwendeten Kriterien (rechte Spalte unten in Tabelle 1) zum Bestimmen des einen oder der mehreren diagnostischen Zustände für einen oder mehrere physiologische Parameter anpassen.

In einem veranschaulichenden und nicht einschränkenden Beispiel dafür, wie diagnostische Zustände bestimmt werden können, zeigt Tabelle 1 nachstehend diagnostische Zustände in der linken Spalte und Kriterienwerte (z. B. physiologische Parameterwerte) in der rechten Spalte. Die nachstehend bereitgestellten Kriterienwerte dienen lediglich dazu, ein Beispiel dafür zu veranschaulichen, wie diagnostische Zustände mit Kriterien zum Bestimmen eines bestimmten diagnostischen Zustands korrelieren können. Ebenso werden die nachstehenden physiologischen Parameter als beispielhafte physiologische Parameter bereitgestellt, und in einigen Beispielen können andere physiologische Parameter zusätzlich oder alternativ verwendet werden, wie Herztöne, die Zählung des Aufstehens aus dem Bett oder andere hierin offenbarte physiologische Parameter. Tabelle 1:

Diagnostischer Zustand	Physiologische Parameterwerte und Kriterien
Impedanzbewertung
H
M	Imp.-Bewertung ≥7
L	Imp.-Bewertung 1 und Imp.-Bewertung ≤6
	Imp.-Bewertung = 0
RR
H	maxRR₇ >22 brpm ODER cvarRR₃₀ ≥23 ODER ND
M	(RR₃₀ > 20 brpm) >16
L	minRR₃₀ >11,5 brpm und {Nicht „H‟}
	{Nicht „H‟ ODER „M‟}
AF
H	[{avgAFB₇ >1 h ODER ND(AFB₃₀ >6 h) ≥2} UND ND(AFB₃₀ >23 h) <30] ODER max2minAFB₇ >3,5 h ODER
	max2minAFB₃₀ >4,5 h ODER ND(AFB₃₀ >6 h UND VRAF₃₀ ≥90 bpm)≥1 ODER ND(AFB₃₀ >23 h UND VRAF₃₀ ≥ 90bpm)≥1
L	Nicht „H‟
NHR
H	ND(NHR₇ ≥85 bpm) ≥3 ODER maxNHR₇ >100 bpm ODER avgNHR₃₀ >90 bpm ODER avgNHR₇ >90 bpm ODER avgDHR-
M	NHR₇ <1- bpm
	{ND(NHR₃₀ ≥85 bpm) ≥3 ODER maxNHR₃₀ >85 bpm ODER maxNHR₇ >85 bpm ODER minNHR₃₀ >65 bpm ODER avgDHR-
L	NHR₇ <3 bpm} UND nicht „H‟
	{Nicht „H‟ ODER „M‟}
HRV
H	ND(HRV₃₀ ≤60 ms)≥25 ODER max2avgHRV₃₀ ≥85 % ODER minHRV₇ <35 ms ODER CSFRHRV₃₀ <-12
M	{ND(HRV₇ ≤60 ms) ≥2 ODER ND(HRV₃₀ ≤60 ms)≥6 ODER max2avgHRV₃₀ ≥65 % ODER minHRV₃₀ <55 ms ODER avgHRV₃₀ <65 ms
L	ODER avgHRV₇ <75 ms ODER CSFRHRV₇ <-2} UND nicht „H‟ {Nicht „H‟ ODER „M‟}
ACT
H	ND(ACT₇ ≤30 min)≥7 ODER ND(ACT₃₀ ≤30 min)≥27 ODER CSFRACT₇ <-43 ODER avgACT₇ <10 min
M	{ND(ACT₃₀ ≤30 min)≥11 ODER max2avgACT₃₀ ≥150 % ODER CSFRACT₃₀ <-3 ODER avgACT₃₀ <30 min} UND nicht „H‟
L	Nicht „H‟ ODER „M‟

wobei ND = Anzahl von Tagen; bpm = Schläge pro Minute; CSAR = Adaptive Kumulative Summenreferenz, IMP = Impedanz; CSFR = Feste Referenz der kumulativen Summe, Thr = Schwelle; AdapThr = Adaptive Schwelle; untere Indizes geben die Größe des vorhergehenden Zeitrahmens (z. B. das Rückschaufenster) an.

In einigen Beispielen kann die Impedanzbewertung (ImpScore) wie folgt bestimmt werden: Die folgenden Elemente addieren eine Bewertung von 1:

CSAR-IMP₃₀ ≥0,6*AdapThr für ≥1 Tag
CSAR-IMP₇ ≥0,6*AdapThr für ≥1 Tag
CSAR-IMP₃₀ ≥1,7*AdapThr für ≥1 Tag
CSAR-IMP₇ ≥1,7*AdapThr für ≥1 Tag
CSAR-IMP₃₀ ≥3,2*AdapThr für ≥1 Tag
CSAR-IMP₇ ≥1,5*AdapThr für ≥7 Tage

Und die folgenden Elemente addieren eine Bewertung von 2:

CSARIMP₇ ≥3,2*AdapThr für ≥1 Tag
CSARIMP₃₀ ≥1,5*AdapThr für ≥24 Tage
AvgINT₇ ≤600 Ω
AvgIMP₃₀ ≤600 Ω

In dieser Offenbarung kann sich ein Tag im Allgemeinen auf einen Zeitraum von 24 Stunden beziehen. Ein Tag kann sich beispielsweise auf Mitternacht bis Mitternacht oder einen anderen 24-Stunden-Zeitraum beziehen. Dasselbe kann im Allgemeinen über eine Woche, einen Monat oder einen anderen Zeitraum gesagt werden.
Wie hierin beschrieben, können die mehreren physiologischen Parameter einen oder mehrere Impedanzparameter des subkutanen Gewebes beinhalten, die aus der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes identifiziert wurden. Der eine oder die mehreren Impedanzparameter des subkutanen Gewebes können eine Impedanzbewertung des subkutanen Gewebes sowie Fluidindexwerte beinhalten. Die Impedanzbewertung des subkutanen Gewebes kann in Übereinstimmung mit Techniken, die in einer gemeinsam übertragenen und gleichzeitig anhängigen Anmeldung von Sarkar et al. mit dem Titel „DETERMINING HEART CONDITION STATUSES USING SUBCUTANEOUS IMPEDANCE MEASUREMENTS“ und „DETERMINING HEALTH CONDITION STATUSES USING SUBCUTANEOUS IMPEDANCE MEASUREMENTS“ beschrieben sind, bestimmt werden. In anderen Beispielen können die Impedanzparameter des subkutanen Gewebes Impedanzmessungen des subkutanen Gewebes, Fluidindexwerte, statistische Darstellungen von Impedanzmessungen des subkutanen Gewebes, Atmungsfrequenz usw. beinhalten. In einigen Beispielen können Fluidindexwerte von anderen Sensoren, wie intrakardialen Drucksensoren, abgeleitet werden. Beispielsweise kann ein intrakardialer Drucksensor höhere Drücke erkennen, die eine höhere Fluidmenge anzeigen können. Die Herzdruckdaten können verwendet werden, um einen oder mehrere Fluidindexwerte und/oder Bewertungen basierend auf Fluidindexwerten zu berechnen.
In einigen Beispielen beinhalten die physiologischen Parameter wenigstens einen Wert, der einer RR von Patient 4 entspricht. Die RR des Patienten 4 kann auf verschiedene Weise bestimmt werden (z. B. Brustwandbewegung, akute Veränderungen des subkutanen Fluids mit durch den Atemzyklus induzierten Veränderungen des venösen Rückflusses usw.). In einigen Beispielen ist die Verarbeitungsschaltung 80 konfiguriert, um basierend auf der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes eine periodische Variation (z. B. Zunahme und Abnahme) der Impedanz des subkutanen Gewebes zu identifizieren. In solchen Beispielen ist die Verarbeitungsschaltung 98 konfiguriert, um basierend auf der periodischen Variation (z. B. Zunahme und Abnahme) der Impedanz des subkutanen Gewebes die RR des Patienten 4 zu bestimmen. In einigen Beispielen kann eine der medizinischen Vorrichtung(en) 17 die RR in Übereinstimmung mit anderen Techniken bestimmen, wie durch das Verwenden von R-Wellen-Amplitudenänderungen oder Änderungen in R-R-Intervallen. Beispielsweise kann eine der medizinischen Vorrichtungen 17 R-R-Intervallparameter (z. B. R-Welle-zu-R-Welle-Intervall) verwenden, um die RR vom Patienten 4 zu bestimmen. R-R-Intervalle können aus EKG-Messungen abgeleitet werden. In einem anderen Beispiel kann eine der medizinischen Vorrichtungen 17 RR von PPG, Beschleunigungsmesser oder optischen Sensoren bestimmen.
In solchen Beispielen kann die IMD 10 oder die Verarbeitungsschaltung 98 die Impedanzmessungen verwenden, um eine RR des Patienten 4 zu bestimmen. Die Impedanzwerte des subkutanen Gewebes können niederfrequente Fluktuationen beinhalten, die der RR entsprechen. Die subkutane Impedanz reagiert empfindlich auf die Leitfähigkeit des Fluids um die IMD 10 herum. Mit jeder Inhalation reduziert der intrathorakale Druck das zunehmende pulmonale Blutvolumen. Eine Zunahme des pulmonalen Blutvolumens führt tendenziell zu einer Reduktion des pulmonalen Arteriendrucks. Eine Reduktion des pulmonalen Arteriendrucks führt tendenziell zu einer Reduktion des rechten arteriellen Drucks und einer Zunahme des venösen Rückflusses. Dies kann zu einer Reduktion des extrazellulären/extravaskulären Volumens und somit zu einer Zunahme der Impedanz führen. Die umgekehrte Abfolge von Ereignissen führt zu einer Reduktion der Impedanz beim Ausatmen. In einem anderen Beispiel kann eine Bewegung der Brustwand des Patienten 4 ebenso zu Änderungen der gemessenen Impedanz führen. In einigen Beispielen kann die IMD 10 die Atmungsfrequenz (RR) in Übereinstimmung mit U.S.-Anmeldung Nr. 16/450,250 von Sarkar et al. mit dem Titel „SENSING RESPIRATION PARAMETERS BASED ON AN IMPEDANCE SIGNAL“, eingereicht am 24. Juni 2019, bestimmen.
In einigen Beispielen können Verarbeitungsschaltungen, z. B. die Verarbeitungsschaltung 50 der IMD 10, die Verarbeitungsschaltung 80 der externen Vorrichtung 12 oder die Verarbeitungsschaltung 98 des Servers 94 das Auftreten fehlender Daten (z. B. das Auftreten beschädigter Daten, Lücken in Datenreihen usw.) identifizieren. Beispielsweise kann die Verarbeitungsschaltung 98 das Auftreten fehlender Daten identifizieren. In einigen Beispielen kann die Verarbeitungsschaltung 98 das Auftreten fehlender Daten identifizieren, wie wenn sie nicht in der Lage ist, auf bestimmte Daten von einem erwarteten Speicherort der Speichervorrichtung 96 zuzugreifen, oder wenn eine verpasste Übertragung von der IMD 10 oder den medizinischen Vorrichtungen 17 aufgetreten ist. In einem anderen Beispiel kann die Verarbeitungsschaltung 98 bestimmen, dass eine Datenreihe eine Datenlücke beinhaltet, die das Auftreten fehlender Daten (z. B. beschädigter Daten) anzeigt. Die Verarbeitungsschaltung 98 kann die Datenlücke beispielsweise basierend auf einer bekannten Übertragungsrate identifizieren. In einem Beispiel kann/können die medizinische(n) Vorrichtung(en) 17 auf periodischer Basis (z. B. täglich) Impedanzwerte an die Verarbeitungsschaltung 98 übertragen. In solchen Beispielen kann die Verarbeitungsschaltung 98 das Auftreten fehlender Daten basierend auf fehlenden Daten für einen bestimmten Zeitrahmen bestimmen, wobei Impedanzdaten vor und/oder nach dem bestimmten Zeitrahmen verfügbar sind. In einem anderen Beispiel kann die Verarbeitungsschaltung 98 bestimmen, dass bestimmte Daten beschädigt sind oder dass die Daten Ausreißerdaten enthalten, die einen Übertragungsfehler oder einen Fehler beim Erhalten der Daten anzeigen können. In jedem Fall kann die Verarbeitungsschaltung 98 eine Anfrage an das/die medizinische(n) Vorrichtung(en) 17 für die fehlenden Daten übertragen oder kann das/die medizinische(n) Vorrichtung(en) 17 einfach über die identifizierte Diskrepanz benachrichtigen.
Fehlende Daten können aus verschiedenen Gründen auftreten, wie durch eine fehlgeschlagene Datenübertragung oder wenn eine der medizinischen Vorrichtungen 17 zu diesem Zeitpunkt nicht verfügbar ist, um Messungen für einen bestimmten Messzyklus durchzuführen. Beispielsweise kann die IMD 10 nicht verfügbar sein, um bestimmte Impedanzmessungen durchzuführen, weil die Verarbeitungsschaltung 50 auf konkurrierende Messanforderungen reagiert. Fehlende Daten können ebenso auftreten, wenn eine Datenübertragung von einer Vorrichtung zu einer anderen Vorrichtung fehlschlägt. In einigen Beispielen können fehlende Daten fehlende diagnostische Zustände für einen bestimmten physiologischen Parameter, fehlende Daten, die zum Bestimmen der diagnostischen Zustände verwendet werden, usw. beinhalten.
In einem Beispiel, das fehlende Daten einschließt, kann die Verarbeitungsschaltung 80 oder die Verarbeitungsschaltung 98 bestimmen, dass der Empfang bestimmter Daten von einer der medizinischen Vorrichtungen 17 erwartet wurde, die Daten jedoch nicht empfangen wurden. In einigen Beispielen kann die Verarbeitungsschaltung 80 oder die Verarbeitungsschaltung 98 bestimmen, dass bestimmte Daten nicht empfangen wurden, indem ein oder mehrere verworfene Pakete erkannt werden oder indem Datenlücken identifiziert werden. In einigen Beispielen kann die externe Vorrichtung 12 oder der Server 94 Inkonsistenzen in den Daten bestimmen, die korrupte, irreführende oder anderweitig abweichende Daten anzeigen. Beispielsweise kann die externe Vorrichtung 12 Daten, die von einer der medizinischen Vorrichtungen 17 empfangen werden, mit Daten vergleichen, die von einer anderen der medizinischen Vorrichtungen 17 empfangen werden, um zu bestimmen, ob die Daten ausgerichtet sind oder übereinstimmen. In Beispielen, in denen die externe Vorrichtung 12 oder der Server 94 fehlende Daten identifiziert, kann die externe Vorrichtung 12 oder der Server 94 eine Benachrichtigung an eine bestimmte medizinische Vorrichtung 17 (z. B. über die Kommunikationsschaltung 54) übertragen, die mit den fehlenden Daten identifiziert wird, wobei die medizinische Vorrichtung 17 über die fehlenden Daten benachrichtigt wird. Als Reaktion darauf kann die bestimmte medizinische Vorrichtung 17 versuchen, die Diskrepanz zu korrigieren, indem sie beispielsweise eine Ursache der fehlenden Daten identifiziert und/oder versucht, die fehlenden Daten erneut an die externe Vorrichtung 12 oder den Server 94 zu senden.
In einigen Beispielen können beim Identifizieren des Auftretens fehlender Daten die Verarbeitungsschaltung, z. B. die Verarbeitungsschaltung 50 der IMD 10, die Verarbeitungsschaltung 80 der externen Vorrichtung 12 oder die Verarbeitungsschaltung 98 des Servers 94 konfiguriert sein, um modifizierte Eingaben in das Eintrittswahrscheinlichkeitsmodell 19, beispielsweise basierend auf einer Menge von fehlenden Daten beim Bestimmen durchschnittlicher Datenwerte (z. B. avgAFB₇ >1 h usw.) oder basierend auf Schwellenvergleichstypen zum Bestimmen von minimalen und maximalen Datenwerten (z. B. maxRR₇ ≥22 brpm, minHRV₃₀ <55 ms, minRR₃₀ >11,5 brpm usw.) zu bestimmen.
In einem veranschaulichenden Beispiel mit Bezug auf Tabelle 1 kann die Verarbeitungsschaltung 98 durchschnittliche Werte in Bezug auf einen 30-Tage-Durchschnitt oder einen 7-Tage-Durchschnitt bestimmen. Wenn die Verarbeitungsschaltung 98 das Auftreten fehlender Daten identifiziert, kann die Verarbeitungsschaltung 98 bestimmen, wie viele Daten fehlen. Wenn in einem nicht einschränkenden Beispiel die Verarbeitungsschaltung 98 bestimmt, dass wenigstens ein Teil der Daten für einen bestimmten Zeitrahmen verfügbar ist, kann die Verarbeitungsschaltung 98 damit fortfahren, den Durchschnitt für den bestimmten Zeitrahmen zu bestimmen. Beispielsweise kann die Verarbeitungsschaltung 98 bestimmen, dass Daten für einen bestimmten Parameter für wenigstens 10 Tage der letzten 30 Tage verfügbar sind. Als solche kann die Verarbeitungsschaltung 98 bestimmen, dass der Teil der verfügbaren Daten ausreicht, um den 30-Tage-Durchschnitt zu bestimmen.
In einem nicht einschränkenden Beispiel mit 7-Tage-Durchschnitten kann die Verarbeitungsschaltung 98 bestimmen, dass Daten für einen bestimmten Parameter für wenigstens 4 Tage der letzten 7 Tage verfügbar sind. Als solche kann die Verarbeitungsschaltung 98 bestimmen, dass der 4-Tage-Datenteil für den bestimmten Parameter ausreichend ist, um den 7-Tage-Durchschnitt für den bestimmten Parameter zu bestimmen. Es können verschiedene Schwellen verwendet werden, um zu bestimmen, ob ein Teil der Daten ausreichend ist. In einigen Beispielen können die verschiedenen Schwellen (z. B. 4 von 7 Tagen, 3 von 7 Tagen usw.) von dem jeweiligen betreffenden Parameter abhängen. In einem anderen Beispiel können die verschiedenen Schwellen unabhängig vom Parameter einheitlich eingestellt werden. In jedem Fall, wenn die Verarbeitungsschaltung 98 bestimmt, dass eine Schwelle für einen bestimmten Parameter nicht erfüllt ist (z. B. Daten im Wert von 3 Tagen von 30 Tagen verfügbar), kann die Verarbeitungsschaltung 98 die Daten für den bestimmten Parameter von der Verwendung ausschließen, um die Eintrittswahrscheinlichkeitsbewertung zu bestimmen.
In einigen Beispielen kann die Verarbeitungsschaltung 98 bestimmen, ob bestimmte physiologische Parameter beim Bestimmen der Eintrittswahrscheinlichkeitsbewertung basierend auf der Art des Schwellenvergleichs verwendet werden sollen, der verwendet wird, um einen jeweiligen diagnostischen Zustand zu bestimmen (z. B. Tabelle 1). Beim Auftreten fehlender Daten kann die Verarbeitungsschaltung 98 bestimmen, ob eine ausreichende Datenmenge empfangen wird, um diagnostische Daten basierend auf der Art des verwendeten Schwellenvergleichs zu bestimmen. Beispielsweise kann die Verarbeitungsschaltung 98 verschiedene Arten von Schwellenvergleichen nutzen, wenn sie diagnostische Zustände bestimmt, wie (a) ob ein maximaler Datenwert in der letzten Anzahl von X Tagen größer als eine Schwelle ist oder (b) ob ein minimaler Datenwert in der letzten Anzahl von X Tagen kleiner als eine Schwelle ist. Wenn beispielsweise diagnostische Zustände bestimmt werden, kann die Verarbeitungsschaltung 98 bestimmen (a) ob maxRR₇ ≥22 brpm; oder kann (b) bestimmen, ob minHRV₃₀ <55 ms ist. Für diese bestimmten Arten von Schwellenvergleich (z. B. max. >Schwelle, min <Schwelle usw.), wenn eine jeweilige Schwelle dieser Art erreicht wird, kann die Verarbeitungsschaltung 98 bestimmen, dass die Verfügbarkeit von wenigstens der Anzahl von X Tagen (z. B. 1 Tag) an Daten für den bestimmten Parameter ausreichend ist, um den Parameter bei dem Bestimmen der Eintrittswahrscheinlichkeitsbewertung zu verwenden. Wenn in einem veranschaulichenden Beispiel die Verarbeitungsschaltung 98 bestimmt, dass wenigstens 1 Tag an Daten für maxRR verfügbar ist und dass der 1 Tag an maxRR-Daten den Schwellenwert von ≥22 brpm erfüllt, dann kann die Verarbeitungsschaltung 98 den diagnostischen RR-Zustand als eine der physiologischen Parametereingaben in das Eintrittswahrscheinlichkeitsmodell 19 bestimmen und verwenden, unter der Annahme, dass keine anderen Probleme mit fehlenden Daten bei RR vorliegen.
Wenn im zweiten Beispiel vorstehend die Verarbeitungsschaltung 98 bestimmt, dass beispielsweise 2 Tage an Daten fiir minHRV in den letzten 30 Tagen verfügbar sind, jedoch dass wenigstens einer der 2 Tage an minHRV-Daten die Schwelle von <55 ms erfüllt, dann kann die Verarbeitungsschaltung 98 den diagnostischen HRV-Zustand als eine der physiologischen Parametereingaben in das Eintrittswahrscheinlichkeitsmodell 19 bestimmen und verwenden, unter der Annahme, dass keine anderen Probleme mit fehlenden Daten bei der HRV auftreten. In jedem Fall kann die Verarbeitungsschaltung 98 in den vorstehenden Beispielen immer noch die HRV-Daten oder die RR-Daten verwenden, um diagnostische Zustände zu bestimmen, unabhängig davon, ob die Schwelle erreicht ist.
Außerdem kann die Verarbeitungsschaltung 98 andere Arten von Schwellenvergleich verwenden, wenn diagnostische Zustände bestimmt werden, die zu unterschiedlichen Ergebnissen in Bezug darauf führen können, wie die Verarbeitungsschaltung 98 das Auftreten fehlender Daten handhabt. Andere Arten von Schwellenvergleichen können beispielsweise Folgendes beinhalten: (a) ob ein minimaler Datenwert größer als eine Schwelle ist oder (b) ob ein maximaler Datenwert kleiner als eine Schwelle ist. In einem Beispiel kann die Verarbeitungsschaltung 98 beim Bestimmen von diagnostischen Zuständen bestimmen, ob minRR₃₀ >11,5 brpm ist. In solchen Beispielen mit dieser Art von Schwelle (z. B. minimaler Wert größer als Schwelle, maximale Daten kleiner als Schwelle usw.) kann die Verarbeitungsschaltung 98 bestimmen, dass, wenn das Auftreten fehlender Daten zu einer Verfügbarkeit von weniger als der Anzahl von X Tagen an Daten in den letzten 30 Tagen führt, dann kann der bestimmte physiologische Parameter von der Verwendung als eine der physiologischen Parametereingaben für das Eintrittswahrscheinlichkeitsmodell 19 ausgeschlossen werden. In solchen Fällen kann die Verarbeitungsschaltung 98 ähnlich dem vorstehenden Beispiel mit Durchschnittswerten bestimmen, ob wenigstens 10 von 30 Tagen an Daten verfügbar sind, ob wenigstens 4 von 7 Tagen an Daten verfügbar sind usw. Falls nicht kann die Verarbeitungsschaltung 98 ausschließen, dass der bestimmte physiologische Parameter als eine der physiologischen Parametereingaben in das Eintrittswahrscheinlichkeitsmodell 19 verwendet wird.
Anstatt einen bestimmten physiologischen Parameter auszuschließen, wenn Daten fehlen, kann die Verarbeitungsschaltung 98 in einigen Beispielen eine bestimmte Berechnung überspringen, die die fehlenden Daten einschließt, wobei die diagnostischen Zustände auf mehreren anderen Berechnungen basieren können. Das heißt, die Verarbeitungsschaltung 98 kann stattdessen den diagnostischen Zustand für den physiologischen Parameter bestimmen, ohne die spezielle Berechnung zu verwenden, die aufgrund der fehlenden Daten verzerrte Ergebnisse verursachen kann. In jedem Fall kann die Verarbeitungsschaltung 98 einen oder mehrere Algorithmen für fehlende Daten verwenden, um eine Verzerrung der Ergebnisse basierend auf Übergeneralisierungen unvollständiger Daten zu vermeiden. Beispielsweise kann eine Bestimmung, ob ein maximaler Datenwert in den letzten 30 Tagen kleiner als eine Schwelle ist, bei dem Vorhandensein von nur einem Datenpunkt für die 30 Tage verzerrt werden, selbst wenn der eine Datenpunkt kleiner als die Schwelle ist. In solchen Fällen können das Eintrittswahrscheinlichkeitsmodell 19 und die diagnostischen Zustandsberechnungen von einem oder mehreren fehlenden Datenalgorithmen profitieren, um eine Übergeneralisierung eines unvollständigen Datensatzes oder das Erreichen einer falschen Schlussfolgerung basierend auf dem unvollständigen Datensatz zu vermeiden. In einem anderen Beispiel von Algorithmen für fehlende Daten kann die Verarbeitungsschaltung 98 Interpolations- oder Extrapolationstechniken nutzen, bei denen der Verarbeitungsschaltung 98 Daten für einen gegebenen physiologischen Parameter fehlen, jedoch eine ausreichende Datenmenge verfügbar ist, um zu interpolieren oder zu extrapolieren, um bei einem vollständigeren Datensatz anzukommen.
In einigen Beispielen kann die Verarbeitungsschaltung 98 konfiguriert sein, um diagnostische Zustände 11A-11N (zusammen „diagnostische Zustände 11“) für jeden der physiologischen Parameter basierend auf den jeweiligen Werten zu identifizieren. Beispielsweise können verschiedene Schwellen verwendet werden, um einen diagnostischen Zustand eines physiologischen Parameters zu bestimmen. In einigen Beispielen ist die Verarbeitungsschaltung 80 konfiguriert, um aus wenigstens drei möglichen diagnostischen Zuständen einen einzelnen diagnostischen Zustand für jeden der Beweisknoten 8 auszuwählen. Beispielsweise kann der diagnostische Zustand hoch, mittel, niedrig sein, wobei einige physiologischen Parameter mehr oder weniger diagnostische Zustände (H und L) beinhalten können. In dem unter Bezugnahme auf 4 beschriebenen Beispiel werden die diagnostischen Zustände aus einer Anzahl von N diagnostischen Zuständen ausgewählt. In einigen Beispielen weist der diagnostische Zustand 13A einen ersten diagnostischen Zustand (z. B. hoch oder sehr hoch) auf, wobei der diagnostische Zustand 13C einen zweiten diagnostischen Zustand aufweist, wobei der erste diagnostische Zustand eine Hochrisiko-Kategorisierung beinhalten kann und der zweite diagnostische Zustand eine mittlere Risikokategorisierung in Abhängigkeit von dem jeweiligen einen oder mehreren physiologischen Parameterwerten beinhalten kann. Ferner kann der dem Beweisknoten 8B entsprechende diagnostische Zustand 13B hoch oder sehr hoch sein und der dem Beweisknoten 8N entsprechende diagnostische Zustand 13N kann niedrig oder sehr niedrig sein.
Die diagnostischen Zustände können für jeden physiologischen Parameter unabhängig bestimmt werden. Beispielsweise kann die Verarbeitungsschaltung 98 die für einen ersten physiologischen Parameter erhaltenen Werte mit einer oder mehreren Schwellen vergleichen, um einen diagnostischen Zustand für den ersten physiologischen Parameter unabhängig davon zu bestimmen, dass die Verarbeitungsschaltung für einen zweiten physiologischen Parameter erhaltene Werte mit einer oder mehreren Schwellen vergleicht, um einen diagnostischen Zustand für den zweiten physiologischen Parameter zu bestimmen. In einigen Beispielen können der/die Datenserver 94 den diagnostischen Zustand für einen oder mehrere der diagnostischen Zustände 11 empfangen. In anderen Beispielen können der/die Datenserver 94 den diagnostischen Zustand für den diagnostischen Zustand für einen oder mehrere der diagnostischen Zustände 11 basierend auf den jeweiligen Werten der physiologischen Parameter bestimmen. In jedem Fall definieren die diagnostischen Zustände 11 Beweisknoten 8 für das Eintrittswahrscheinlichkeitsmodell 19. Mit anderen Worten dienen die diagnostischen Zustände 11 als Beweisknoten 8 für das Eintrittswahrscheinlichkeitsmodell 19.
In einigen Beispielen können die physiologischen Parameter Langzeit-HRV, NHR, ACT, AF oder ventrikuläre Frequenz beinhalten. Darüber hinaus können die physiologischen Parameter Körperhaltung, Atemanstrengung, Temperatur, Kurzzeit-HRV, R-Zacken-Amplitude, Herzton, Körperwinkel während der Nachtruhe gegenüber Körperwinkel bei Aktivität tagsüber, chronotrope Inkompetenz, natriuretisches Peptid vom B-Typ (BNP), Nierenfunktionsstörung oder Blutdruck beinhalten. Darüber hinaus können physiologische Parameter ferner RR-Intervall, Haltungsänderungszählung und Beschleunigungsmesserdatenwerte beinhalten. In jedem Fall können die physiologischen Parameter Impedanzparameter des subkutanen Gewebes von der IMD 10 oder einer anderen medizinischen Vorrichtung 17 beinhalten.
In einigen Beispielen kann das Eintrittswahrscheinlichkeitsmodell 19 einen Bayesschen Rahmen oder BBN beinhalten. Andere geeignete Eintrittswahrscheinlichkeitsmodelle können verwendet werden, um Eintrittswahrscheinlichkeitsbewertungen bei gegebenen diagnostischen Zuständen von physiologischen Parametern zu bestimmen. Beispielsweise kann ein Bayessches ML-Modell verwendet werden, um Eintrittswahrscheinlichkeitsbewertungen basierend auf diagnostischen Zuständen von physiologischen Parametern zu bestimmen. Die Verarbeitungsschaltung kann das Eintrittswahrscheinlichkeitsmodell 19 mit Werten trainieren, die mit den physiologischen Parametern assoziiert sind. In anderen Beispielen kann die Verarbeitungsschaltung als Eingabe in das Eintrittswahrscheinlichkeitsmodell 19 einen A-priori-Eintrittswahrscheinlichkeitswert(e) 21 oder bedingte Wahrscheinlichkeit 23 beinhalten. Beispielsweise kann die Verarbeitungsschaltung 98 aus den mehreren physiologischen Parametern den A-priori-Eintrittswahrscheinlichkeitswert 21 bestimmen. Der A-priori-Eintrittswahrscheinlichkeitswert 21 kann aus vorhandenen Daten bestimmt werden. Die Verarbeitungsschaltung 98 kann ebenso den bedingten Wahrscheinlichkeitsparameter 23 aus den mehreren physiologischen Parametern bestimmen.
In einigen Beispielen kann die Verarbeitungsschaltung 98 die bedingte Wahrscheinlichkeit, oder P(e_i|d), aus vorhandenen Daten bestimmen. Die Verarbeitungsschaltung 98 kann vorhandene Daten von einem oder mehreren Patienten oder Subjekten verwenden, wobei die vorhandenen Daten dann verwendet werden, um bedingte Wahrscheinlichkeitsparameter eines Modells unter Nutzung eines Eintrittswahrscheinlichkeitstheorems, wie der Bayesschen Regel, zu bestimmen.
In einem Beispiel kann der Wert von „d‟ das Vorhandensein oder Fehlen eines HF-Ereignisses oder eines anderen unerwünschten Gesundheitsereignisses darstellen. Als solche kann die Verarbeitungsschaltung 98 frühere Daten verwenden, um zu bestimmen, ob ein bestimmtes diagnostisches Kriterium vor einem HF-Ereignis (z. B. P(e_i|d = 1)) erfüllt wurde, oder ob das bestimmte diagnostische Kriterium erfüllt wurde, wenn kein HF-Ereignis vorlag (z. P(e_i|d = 0)). In einem Beispiel unter Verwendung eines ersten Beweisknotens e₁ als „Impedanzbewertung‟, kann die Verarbeitungsschaltung 98 aus mehreren vorhandenen Datenpunkten die bedingte Wahrscheinlichkeit für Folgendes bestimmen: $P (e_{1} = H | d = 1), P (e_{1} = H | d = 0), P (e_{1} = M | d = 1),$
$P (e_{1} = M | d = 0), P (e_{1} = L | d = 1) und P (e_{1} = L | d = 0) .$
Das heißt, die Verarbeitungsschaltung 98 kann die bedingte Wahrscheinlichkeit aus Daten bestimmen, die von wahren Positiven, falschen Positiven, falschen Negativen und falschen Positiven abgeleitet wurden. In einigen Beispielen verwendet die Verarbeitungsschaltung 98 dieselben Daten, um eine gewünschte Sensitivität und Spezifität der HF-Erkennung bereitzustellen. Das heißt, die A-posteriori-Eintrittswahrscheinlichkeit 25 kann eine Schätzung des positiven Vorhersagewerts (PPV) basierend auf Sensitivität, Spezifität und Ereignisrate (z. B. A-priori-Eintrittswahrscheinlichkeit 21) darstellen.
Die Verarbeitungsschaltung 98 kann die bedingten Wahrscheinlichkeiten für jeden physiologischen Parameter bestimmen, der als Eingabebeweisknoten für das Eintrittswahrscheinlichkeitsmodell 19 verwendet wird (z. B. jedes von e_i). In einigen Beispielen kann die Verarbeitungsschaltung 98 dann die bedingten Wahrscheinlichkeitseintrittswahrscheinlichkeiten nutzen, um das Eintrittswahrscheinlichkeitsmodell 19 zu bestimmen. In solchen Beispielen kann das bestimmte Eintrittswahrscheinlichkeitsmodell 19 eine berechenbare gemeinsame Verteilung beinhalten.
Als solche kann die Verarbeitungsschaltung 98 den A-priori-Eintrittswahrscheinlichkeitswert 21 und/oder den bedingten Wahrscheinlichkeitsparameter 23 als Eingaben in das Eintrittswahrscheinlichkeitsmodell 19 identifizieren, wenn die Eintrittswahrscheinlichkeitsbewertung bestimmt wird. In solchen Beispielen kann das Eintrittswahrscheinlichkeitsmodell ausgedrückt werden als: $P (d {, e}_{1}, \dots {,e}_{N}) = P (d) Π_{i=1}^{N} P (e_{i} | d),$
wobei P(d) den A-priori-Eintrittswahrscheinlichkeitswert darstellt, P(e_i|d) den bedingten Wahrscheinlichkeitsparameter darstellt, d einen Vorgängerknoten darstellt, und e₁-e_N die Beweisknoten darstellen.
In einigen Beispielen kann die Verarbeitungsschaltung 98 konfiguriert sein, um eine Eintrittswahrscheinlichkeitsbewertung aus dem Eintrittswahrscheinlichkeitsmodell 19 basierend auf Beweisknoten 8 zu bestimmen. In einem Beispiel kann das BBN einen oder mehrere Nachfolgerknoten (z. B. n-Knoten, wie in 4 gezeigt) und einen Vorgängerknoten aufweisen, dargestellt durch die A-posteriori-Eintrittswahrscheinlichkeit 25.
Die Eintrittswahrscheinlichkeitsbewertung kann eine Wahrscheinlichkeit beinhalten, dass der Patient ein unerwünschtes Gesundheitsereignis erfährt oder das unerwünschte Gesundheitsereignis wahrscheinlich innerhalb eines vorbestimmten Zeitraums erfährt. In einem Beispiel könnte das unerwünschte Gesundheitsereignis ein sich verschlechterndes HF-Ereignis sein (z. B. HF-Dekompensation). Die Eintrittswahrscheinlichkeitsbewertung kann in Form eines Prozentsatzes, einer Dezimalzahl oder einer Schwellenkategorisierung, wie 50 %, 0,5 oder mittlere Wahrscheinlichkeit, ausgedrückt werden, wobei in diesem Beispiel 50 % einer Schwellenkategorisierung mittlerer Eintrittswahrscheinlichkeit entsprechen. In einigen Beispielen kann die Eintrittswahrscheinlichkeitsbewertung in Form eines Bereichs wie >50 % oder zwischen 50-60 % ausgedrückt werden.
In einigen Beispielen kann die Verarbeitungsschaltung 98 die Eintrittswahrscheinlichkeitsbewertung für einen vorbestimmten Zeitraum in der Zukunft bestimmen. Dies kann als Vorausschauperiode bezeichnet werden. In einigen Beispielen beträgt der vorbestimmte Zeitraum ungefähr 30 Tage relativ zu dem Zeitpunkt, zu dem die Eintrittswahrscheinlichkeitsbewertung bestimmt wird. Die Eintrittswahrscheinlichkeitsbewertung kann beispielsweise angeben, dass Patient 4 mit einer Wahrscheinlichkeit von 50 % in den nächsten 30 Tagen ein unerwünschtes Gesundheitsereignis erleidet. In einigen Fällen kann der vorbestimmte Zeitraum mehr oder weniger als 30 Tage betragen, abhängig von der jeweiligen Konfiguration des Eintrittswahrscheinlichkeitsmodells 19. Als solches kann das Eintrittswahrscheinlichkeitsmodell eine Eintrittswahrscheinlichkeitsbewertung bestimmen, die die Wahrscheinlichkeit angibt, dass ein unerwünschtes Gesundheitsereignis, wie ein sich verschlechterndes Ereignis der Herzinsuffizienz, innerhalb des vorbestimmten Zeitrahmens (z. B. in den nächsten 30 Tagen) auftritt.
Die Verarbeitungsschaltung 98 kann in einigen Fällen die vorbestimmte Zeitdauer bestimmen, derart, dass der vorbestimmte Zeitraum als eine Pufferperiode dient. Mit anderen Worten, am Ende des vorbestimmten Zeitraums (z. B. 30 Tage) kann die Verarbeitungsschaltung 98 eine andere Eintrittswahrscheinlichkeitsbewertung unter Verwendung von Daten bestimmen, die während eines vorhergehenden Zeitrahmens (z. B. der letzten 30 oder 60 Tage) empfangen wurden. Die Verarbeitungsschaltung 98 kann automatische Eintrittswahrscheinlichkeitsbestimmungen unter Verwendung des Eintrittswahrscheinlichkeitsmodells 19 nach dem vorbestimmten Zeitraum und danach nach jeder Pufferperiode durchführen. In anderen Beispielen kann die Verarbeitungsschaltung 98 eine Eintrittswahrscheinlichkeitsbewertung als Reaktion auf das Empfangen eines Befehlssignals (z. B. von einem Benutzer über eine Benutzerschnittstelle) bestimmen. Die Verarbeitungsschaltung 98 kann den vorbestimmten Zeitrahmen geringfügig ändern, um die unterschiedlichen Tage in einem Monat zu berücksichtigen. Beispielsweise können ungefähr 30 Tage 31 Tage, 29 Tage oder 28 Tage beinhalten, um es dem Patienten 4 zu erleichtern. Das heißt, der Patient 4 kann eine einfachere Zeitverfolgungspufferperiode aufweisen, die auf Monaten oder Wochen basiert, anstatt auf strengen 30-Tage-Perioden.
In einigen Beispielen können die Verarbeitungsschaltung, z. B. die Verarbeitungsschaltung 50 der IMD 10, die Verarbeitungsschaltung 80 der externen Vorrichtung 12 oder die Verarbeitungsschaltung 98 des/der Datenserver 94, Eintrittswahrscheinlichkeitsbewertung auf täglicher Basis bestimmen. Beispielsweise kann die Verarbeitungsschaltung 98 die Eintrittswahrscheinlichkeitsbewertung jeden Tag basierend auf Daten bestimmen, die einer vorherigen Anzahl von X Tagen entsprechen. In einigen Beispielen kann die Verarbeitungsschaltung 98 diagnostische Zustände für verschiedene Parameter jeden Tag für eine endliche Anzahl von Tagen in der Speichervorrichtung 96 speichern, wie in einem First-In-First-Out- (FIFO-) Puffer oder Gleitfenster. In einigen Beispielen kann die Verarbeitungsschaltung 98 die letzten 30 diagnostischen Zustände für jeden Parameter speichern, der auf täglicher Basis für die letzten 30 Tage bestimmt wurde. Beispielsweise kann die Verarbeitungsschaltung 98 die letzten 30 diagnostischen Zustände für Impedanzbewertungen, die auf täglicher Basis für die letzten 30 Tage bestimmt wurden, speichern, die letzten 30 diagnostischen Zustände für RR, die auf täglicher Basis für die letzten 30 Tage bestimmt wurden, speichern usw. Die Verarbeitungsschaltung 98 kann die Eintrittswahrscheinlichkeitsbewertung in einem vordefinierten Zeitintervall jeden Tag unter Verwendung der vorherigen 30 diagnostischen Zustände jedes Parameters, die in den letzten 30 Tagen bestimmt wurden, als Eingabe in das Eintrittswahrscheinlichkeitsmodell 19 bestimmen. In einem anderen Beispiel kann die Verarbeitungsschaltung 98 die Eintrittswahrscheinlichkeitsbewertung in einem vordefinierten Zeitintervall jeden Tag unter Verwendung der vorherigen 15 diagnostischen Zustände jedes Parameters, die über die letzten 15 Tage bestimmt wurden, als Eingabe in das Eintrittswahrscheinlichkeitsmodell 19 bestimmen. In jedem Fall kann die Verarbeitungsschaltung 98 Daten von der/den medizinischen Vorrichtung(en) 17 auf periodischer Basis empfangen, wie auf einer täglichen, wöchentlichen oder zweiwöchentlichen Basis usw. In solchen Beispielen kann die Verarbeitungsschaltung 98 die Eintrittswahrscheinlichkeitsbewertung beim Empfangen der Daten von medizinischen Vorrichtung(en) 17 gemäß der periodischen Übertragungsrate von medizinischen Vorrichtung(en) 17 bestimmen (z. B. täglich, wöchentlich, zweiwöchentlich usw.). Das heißt, in einem Beispiel kann die Verarbeitungsschaltung 98 diagnostische Zustände (z. B. Risikozustände) für jeden physiologischen Parameter bestimmen. In solchen Beispielen kann die Verarbeitungsschaltung 98 die letzte Anzahl von X Tagen der diagnostischen Zustände miteinander kombinieren, um eine Eintrittswahrscheinlichkeitsbewertung unter Verwendung des Eintrittswahrscheinlichkeitsmodells 19 zu bestimmen.
In einem anderen Beispiel kann die Verarbeitungsschaltung 98 die Eintrittswahrscheinlichkeitsbewertung (z. B. die Risikobewertung) und die diagnostischen Zustände auf periodischer Basis bestimmen. Außerdem kann die Verarbeitungsschaltung 98 den Status des Gesundheitszustands des Patienten 4 unter Verwendung der Eintrittswahrscheinlichkeitsbewertung und einer Schwelle auf periodischer Basis bestimmen. In einem nicht einschränkenden Beispiel kann die Verarbeitungsschaltung 98 die Eintrittswahrscheinlichkeitsbewertung, die diagnostischen Zustände und den Status auf täglicher Basis berechnen. In solchen Beispielen kann die Verarbeitungsschaltung 98 die Eintrittswahrscheinlichkeitsbewertung und/oder den diagnostischen Zustand für die letzte Anzahl von X Tagen, wie für die letzten 30 Tage, speichern. In einigen Beispielen kann die Verarbeitungsschaltung 98 die Eintrittswahrscheinlichkeitsbewertung auf täglicher Basis unter Verwendung von diagnostischen Daten aus der letzten Anzahl von X Tagen, wie den letzten 30 Tagen, bestimmen. In solchen Beispielen kann die Verarbeitungsschaltung 98 an einem beliebigen gegebenen Tag bestimmen, dass die Eintrittswahrscheinlichkeitsbewertung eine Schwelle erfüllt. Beispielsweise kann die Verarbeitungsschaltung 98 bestimmen, dass die Eintrittswahrscheinlichkeitsbewertung eine Schwelle überschreitet. In solchen Beispielen, in denen die Verarbeitungsschaltung 98 bestimmt, dass die Eintrittswahrscheinlichkeitsbewertung eine Schwelle erfüllt, kann die Verarbeitungsschaltung 98 eine Warnung extern übertragen, wie an eine Arztvorrichtung oder eine Patientenvorrichtung.
Obwohl unter Bezugnahme auf die Verarbeitungsschaltung 98 beschrieben, sind die Techniken dieser Offenbarung nicht darauf beschränkt. In einigen Beispielen können andere Verarbeitungsschaltungen (z. B. Verarbeitungsschaltung 80, Verarbeitungsschaltung 50 oder Verarbeitungsschaltung einer anderen der medizinischen Vorrichtung(en) 17, wie eine CPU einer der medizinischen Vorrichtung(en) 17, eine oder mehrere der Techniken dieser Offenbarung durchführen und können dementsprechend mit anderen Vorrichtungen koordiniert werden. Beispielsweise kann die Verarbeitungsschaltung einer der medizinischen Vorrichtung(en) 17 die Eintrittswahrscheinlichkeitsbewertung auf täglicher Basis bestimmen, die Eintrittswahrscheinlichkeitsbewertung mit einer Schwelle vergleichen und die Übertragung einer Warnung veranlassen, wenn die Eintrittswahrscheinlichkeitsbewertung die Schwelle erfüllt. In solchen Beispielen kann eine bestimmte medizinische Vorrichtung von einer der medizinischen Vorrichtung(en) 17 Daten (z. B. diagnostische Daten) vom Netzwerk 92 empfangen, wie von anderen medizinischen Vorrichtung(en) 17, der externen Vorrichtung 12 oder Datenserver(n) 94 und kann die Eintrittswahrscheinlichkeitsbewertung unter Verwendung einer Verarbeitungsschaltung bestimmen, die in der bestimmten medizinischen Vorrichtung enthalten ist.
In Beispielen, in denen die Speichervorrichtung 96 keine Daten hat, die einem bestimmten Zeitrahmen entsprechen, kann die Verarbeitungsschaltung 98 Daten extrapolieren oder Daten interpolieren, oder in einigen Beispielen kann die Verarbeitungsschaltung 98 ein Ausmaß bestimmen, in dem die Daten für einen physiologischen Parameter fehlen, und bestimmen, ob der physiologische Parameter beim Bestimmen der Eintrittswahrscheinlichkeitsbewertung verwendet wird, wie hierin erörtert.
In einem anderen Beispiel kann die Verarbeitungsschaltung 98 die Eintrittswahrscheinlichkeitsbewertung basierend auf bestimmten Werten der physiologischen Parameter bestimmen, die einem vorhergehenden Zeitrahmen in Bezug darauf entsprechen, wann die Eintrittswahrscheinlichkeitsbewertung bestimmt wird. Beispielsweise kann die Verarbeitungsschaltung 98 diagnostische Zustände basierend auf physiologischen Parameterwerten identifizieren, die während eines vorhergehenden Zeitrahmens vor dem Bestimmen der Eintrittswahrscheinlichkeitsbewertung bestimmt wurden. In einem Beispiel kann der vorhergehende Zeitrahmen ungefähr 30 Tage relativ zu dem Zeitpunkt betragen, zu dem die Eintrittswahrscheinlichkeitsbewertung bestimmt wird. In einigen Beispielen können der vorhergehende Zeitrahmen und der vorbestimmte Zeitraum den gleichen Zeitraum relativ zu dem Zeitpunkt beinhalten, an dem die Eintrittswahrscheinlichkeitsbewertung bestimmt wird. Wenn beispielsweise der vorbestimmte Zeitraum 30 Tage in der Zukunft beträgt, kann der vorhergehende Zeitrahmen 30 Tage vergangener Daten sein, und wenn der vorbestimmte Zeitraum 29 Tage in der Zukunft beträgt, kann der vorhergehende Zeitrahmen 29 Tage in der Vergangenheit sein.
In einigen Beispielen kann der Zeitraum sowohl für den vorbestimmten Zeitraum als auch für den vorhergehenden Zeitrahmen basierend auf der Anzahl von Tagen in jedem Monat unterschiedlich sein. Beispielsweise kann die Verarbeitungsschaltung 98 eine Eintrittswahrscheinlichkeitsbewertung am letzten Tag jedes Monats bestimmen und kann der Einfachheit halber für den nächsten Monat basierend auf den für den vorhergehenden Monat bestimmten physiologischen Parametern prognostizieren, in welchem Fall der vorbestimmte Zeitraum und der vorhergehende Zeitrahmen einen anderen Zeitraum beinhalten kann. In anderen Beispielen kann der Zeitraum für jeden unabhängig von Zweckmäßigkeitsfaktoren konstant bleiben (z. B. 60 Tage an beiden Enden oder 30 Tage für den vorbestimmten Zeitraum in der Zukunft und 45 Tage für den vorhergehenden Zeitrahmen).
In einigen Beispielen kann der Zeitraum für den vorhergehenden Zeitrahmen von Werten abhängen, die mit den physiologischen Parametern assoziiert sind. Beispielsweise kann die Verarbeitungsschaltung 98 diagnostische Zustände für die Impedanzbewertungen des subkutanen Gewebes auf einer 30-tägigen vorhergehenden Zeitrahmenbasis bestimmen, während die Verarbeitungsschaltung 98 diagnostische Zustände für die Atmungsfrequenz auf einer kürzeren oder längeren vorhergehenden Zeitrahmenbasis bestimmen kann. In solchen Beispielen kann die Verarbeitungsschaltung 98 mehrere vorhergehende Zeitrahmen für verschiedene physiologische Parameter verwenden. In anderen Beispielen kann die Verarbeitungsschaltung 98 einen gemeinsamen vorhergehenden Zeitrahmen verwenden, ungeachtet irgendwelcher Auflösungsparameter, die verwendet werden, um die physiologischen Parameterwerte (z. B. Impedanzbewertung, NHR usw.) zu bestimmen, wobei die Auflösungsparameter Filter, Zeitbeschränkungen oder Aktivitätsbestimmungen beinhalten können.
Noch unter Bezugnahme auf 4 ist die Verarbeitungsschaltung 98 konfiguriert, um aus dem jeweiligen einen oder den mehreren Werten für jeden physiologischen Parameter mehrere physiologische Parametermerkmale zu identifizieren, die Amplituden, Werte außerhalb des normalen Bereichs und zeitliche Änderungen codieren. Im Amplitudenbeispiel kann ein physiologisches Parametermerkmal R-Zacken-Amplituden, Beschleunigungsmesser-Signalamplituden usw. codieren. Beispielsweise kann die Verarbeitungsschaltung 98 bestimmen, ob ein bestimmter physiologischer Parameter eine absolute Schwelle erfüllt. In einem veranschaulichenden Beispiel kann die Verarbeitungsschaltung 98 bestimmen, ob eine durchschnittliche NHR des Patienten 4 größer als eine vordefinierte Schwelle von 90 bpm ist. In dem Beispiel von Werten außerhalb des Bereichs kann ein physiologisches Parametermerkmal Verwendungsbereichswerte codieren, um zu bestimmen, ob ein physiologischer Parameter Werte außerhalb des Bereichs zum Codieren beinhaltet. Beispielsweise kann die Verarbeitungsschaltung 98 eine hohe Herzfrequenz basierend auf erwarteten Herzfrequenzwerten bestimmen.
In einem veranschaulichenden Beispiel kann die Verarbeitungsschaltung 98 NHR-Werte außerhalb des Bereichs bestimmen, indem sie die durchschnittliche NHR vergleicht, um zu bestimmen, wie viele Daten-NHR größer als 90 bpm oder kleiner als 55 bpm waren. Im Beispiel zeitlicher Änderungen kann ein physiologisches Parametermerkmal Änderungen eines physiologischen Parameters im Verlauf der Zeit codieren. In einem Beispiel kann die Verarbeitungsschaltung 98 ein Merkmal von subkutanen Impedanzmessungen mit Impedanzänderungen über einen Zeitraum von Tagen oder Wochen codieren. Ähnlich wie beim Berechnen des Fluidindex unter Verwendung von Impedanzwerten kann die Verarbeitungsschaltung 98 relative Änderungen eines physiologischen Parameterwerts bestimmen, um zeitliche Änderungen statt absoluter Änderungen zu bestimmen. In einem veranschaulichenden Beispiel kann die Verarbeitungsschaltung 98 bestimmen, ob ein durchschnittlicher oder aktueller NHR-Wert in den letzten 7 Tagen oder 30 Tagen relativ zu NHR-Werten in den letzten 7 Tagen oder 30 Tagen nachhaltig gestiegen ist.
In solchen Beispielen ist die Verarbeitungsschaltung 98 konfiguriert, um die Beweisknoten wenigstens teilweise basierend auf den mehreren physiologischen Parametermerkmalen zu identifizieren. Beispielsweise kann die Verarbeitungsschaltung 98 Merkmale extrahieren, die Informationen über Werte außerhalb des normalen Bereichs sowie zeitliche Änderungen auf wöchentlicher und monatlicher Zeitskala für die physiologischen Parameter codieren. In einem nicht einschränkenden Beispiel kann die Verarbeitungsschaltung 98 diagnostische Kategorien basierend auf einer Kombination von Merkmalen bestimmen, derart, dass die HFH-Raten von einer Kategorie zur nächsten ansteigen. Beispielsweise kann die Kategorie mit der größten Anzahl von HFH-Raten gestaltet werden, um durch den Merkmalsextraktionsprozess die niedrigste Auftrittsrate aufzuweisen.
In einigen Beispielen ist die Verarbeitungsschaltung 98 konfiguriert, um mehrere physiologische Parametermerkmale basierend auf dem jeweiligen einen oder mehreren Werten für jeden physiologischen Parameter zu identifizieren. Die physiologischen Parametermerkmale sind konfiguriert, um bei der Analyse für jeden physiologischen Parameter dieselbe Anzahl potenzieller diagnostischer Zustände zu ergeben. In einigen Beispielen kann dieselbe Anzahl potenzieller diagnostischer Zustände drei potenzielle diagnostische Zustände sein (z. B. H, M und L). In anderen Beispielen können ein oder mehrere physiologische Parameter eine andere Anzahl potenzieller diagnostischer Zustände aufweisen, wie ein oder zwei potenzielle diagnostische Zustände. Beispielsweise kann AF zwei diagnostische Zustände von hoch und niedrig aufweisen. In solchen Beispielen ist die Verarbeitungsschaltung 98 konfiguriert, um aus den potentiellen diagnostischen Zuständen den diagnostischen Zustand für jeden der physiologischen Parameter zu identifizieren.
Die Verarbeitungsschaltung 98 kann Merkmale aus den physiologischen Parametern und/oder aus den physiologischen Parameterwerten extrahieren. Beispielsweise kann die Verarbeitungsschaltung 98 einen großen Satz von Zeitreihendaten für jeden physiologischen Parameter für Zeitfenster analysieren, einschließlich der Anzahl der Tage, an denen die Werte außerhalb eines normalen Amplitudenbereichs liegen, der kumulativen Summe der Differenz zwischen der Rohmessung und einer adaptiven Referenz (CSAR), der kumulativen Summe der Differenz zwischen den Rohmessungen in einer festen Referenz (CSFR), der Anzahl von Tagen, an denen CSAR oder CSFR über einer Schwelle lagen, der Steigung oder Änderungsrate der Rohmesswerte oder Mittel-, Median-, Minimal- und Maximalmesswerte. Die Verarbeitungsschaltung 80 kann solche Merkmale für jeden physiologischen Parameter extrahieren, um Amplituden- und Zeiteigenschaften in Bezug auf bestimmte Zeitskalen zu codieren.
In einigen Beispielen kann die Verarbeitungsschaltung 98 einen MVN als einen der Beweisknoten bestimmen. Beispielsweise können mehrere physiologische Parameter bei der Bestimmung eines einzelnen Nachfolgerknotens von Beweisknoten 8 eine Rolle spielen. In einem nicht einschränkenden Beispiel ist die Verarbeitungsschaltung 98 konfiguriert, um basierend auf einer Kombination von einem oder mehreren Werten eine Eingabe in einen ersten Nachfolgerknoten von Beweisknoten 8 zu bestimmen. Beispielsweise kann ein Beweisknoten auf einer Kombination einer Angabe des Ausmaßes von Vorhofflimmern (AF) bei Patient 4 während einer Zeitspanne und einem oder mehreren Werten basieren, die eine ventrikuläre Frequenz während der Zeitspanne (z. B. während AF) anzeigen. Außerdem kann die Verarbeitungsschaltung 98 konfiguriert sein, um eine Eingabe an einen zweiten Nachfolgerknoten der mehreren Beweisknoten basierend auf dem jeweiligen einen oder mehreren Werten des einen oder der mehreren Impedanzparameter des subkutanen Gewebes zu bestimmen. In solchen Fällen kann der Beweisknoten 8A eine Kombination aus einem oder mehreren AF-Ausmaß-Anzeigewert(en) und ventrikulären Frequenzwerten beinhalten, wohingegen der Beweisknoten 8A einen oder mehrere Impedanzparameterwerte des subkutanen Gewebes (z. B. Impedanzwert des subkutanen Gewebes, Fluidindizes usw.) anzeigen kann.
Noch unter Bezugnahme auf 4 kann die Verarbeitungsschaltung 98 für jeden der mehreren physiologischen Parameter oder Beweisknoten 8 den jeweiligen einen oder die mehreren Parameterwerte bei verschiedenen Frequenzen bestimmen. Beispielsweise kann die Verarbeitungsschaltung 98 die Werte für den Beweisknoten 8A mit einer anderen Frequenz als für den Beweisknoten 8B bestimmen. Somit können die diagnostischen Zustände 11 mit unterschiedlichen Frequenzen aktualisiert werden. In solchen Beispielen kann die Verarbeitungsschaltung 98 die Ausführung des Eintrittswahrscheinlichkeitsmodells 19 verzögern, bis eine geeignete Anzahl von diagnostischen Zuständen als aktuell oder aktualisiert erachtet wird. In jedem Fall kann die Verarbeitungsschaltung 80 die diagnostischen Zustände unter Verwendung des jeweiligen einen oder der mehreren Werte bestimmen. Die Verarbeitungsschaltung 98 kann die diagnostischen Zustände verwenden, um die A-posteriori-Eintrittswahrscheinlichkeit 25 zu bestimmen. Die Verarbeitungsschaltung 98 kann dann den jeweiligen einen oder die mehreren Werte und/oder die Eintrittswahrscheinlichkeitsbewertung als Beispiele in der Speichervorrichtung 96, der Speichervorrichtung 84 und/oder der Speichervorrichtung 56 der medizinischen Vorrichtung(en) 17 (z. B. IMD 10) speichern.
Unter Bezugnahme auf 5, veranschaulicht 5 ein beispielhaftes Verfahren, das von einer oder mehreren von medizinischen Vorrichtungen 17, der externen Vorrichtungen 12 und/oder Datenserver(n) 94 in Verbindung mit dem Eintrittswahrscheinlichkeitsmodell 19 durchgeführt werden kann, das unter Bezugnahme auf die 2-4 beschrieben wurde, um eine Eintrittswahrscheinlichkeitsbewertung in Bezug auf den Patienten gemäß einer oder mehreren hierin offenbarten Techniken zu bestimmen. Obwohl beschrieben, dass sie von Datenserver(n) 94 durchgeführt werden, können eine oder mehrere der verschiedenen beispielhaften Techniken, die mit Bezug auf 5 beschrieben wurden, von einer oder mehreren von IMD 10, externer Vorrichtung 12 oder Datenserver(n) 94 durchgeführt werden, z. B. durch die Verarbeitungsschaltung einer oder mehrerer dieser Vorrichtungen.
In einigen Beispielen können die Verarbeitungsschaltung, z. B. die Verarbeitungsschaltung 50 der IMD 10, die Verarbeitungsschaltung 80 der externen Vorrichtung 12 oder die Verarbeitungsschaltung 98 des/der Datenserver 94, Werte von physiologischen Parametern bestimmen, wie jene physiologischen Parameter, die hierin beschrieben sind (502). Für jeden der physiologischen Parameter kann die Verarbeitungsschaltung 98 diagnostische Zustände 11 identifizieren (504). In einigen Fällen kann die Verarbeitungsschaltung 98 irrelevante physiologische Parameter oder Parameterwerte vor dem Identifizieren diagnostischer Zustände oder nach dem Identifizieren diagnostischer Zustände filtern. Beispielsweise können bestimmte physiologische Parameter oder Werte davon für den Zweck des Einsatzes des Eintrittswahrscheinlichkeitsmodells 19 nicht relevant sein. In solchen Fällen können diese physiologischen Parameter oder Werte für die Verarbeitungsschaltung 80 noch verfügbar sein, jedoch kann die Verarbeitungsschaltung 98 bestimmen, dass diese Parameter nicht als Beweisknoten 8 verwendet werden sollten. Zu jedem Zeitpunkt kann die Verarbeitungsschaltung 98 auf das Eintrittswahrscheinlichkeitsmodell 19 zugreifen (506).
Beispielsweise kann die Verarbeitungsschaltung 98 auf das Eintrittswahrscheinlichkeitsmodell 19 zugreifen, das in der Speichervorrichtung 96 gespeichert ist.
In einigen Beispielen kann die Verarbeitungsschaltung 98 bedingte Wahrscheinlichkeits- und A-priori-Eintrittswahrscheinlichkeitsdaten bestimmen (508). Beispielsweise kann die Verarbeitungsschaltung 98 bedingte Wahrscheinlichkeits- und A-priori-Eintrittswahrscheinlichkeitsdaten in Übereinstimmung mit den in der U.S.-Anmeldung Nr. 13/391,376 von Sarkar et al. mit dem Titel „METHOD AND APPARATUS FOR MONITORING TISSUE FLUID CONTENT FOR USE IN AN IMPLANTABLE CARDIAC DEVICE“, eingereicht am 20. Februar 2012, beschriebenen Techniken bestimmen. Beispielsweise können die bedingten Wahrscheinlichkeitsparameter die Form von bedingten Wahrscheinlichkeitstabellen annehmen, die für jeden diagnostischen Zustand für jeden physiologischen Parameter definiert sind. Die A-posteriori-Eintrittswahrscheinlichkeit kann dann für alle möglichen Kombinationen von diagnostischen Zuständen tabellarisch dargestellt werden, um eine A-posteriori-Eintrittswahrscheinlichkeit oder in einigen Fällen eine Eintrittswahrscheinlichkeitstabelle zu bestimmen, wie in U.S.-Anmeldung Nr. 13/391,376 beschrieben.
In einigen Beispielen kann die Verarbeitungsschaltung 98 oder eine andere Verarbeitungsschaltung zuvor den (die) A-priori-Eintrittswahrscheinlichkeitswert(e) 21 und die bedingte Wahrscheinlichkeit 23 verwendet haben, z. B. basierend auf früheren Daten von einem oder mehreren Subjekten, um das Eintrittswahrscheinlichkeitsmodell 19 zu erstellen. Beispielsweise kann das Eintrittswahrscheinlichkeitsmodell 19 eine Nachschlagetabelle (LUT) beinhalten, die die Verarbeitungsschaltung unter Verwendung des/der vorherigen Eintrittswahrscheinlichkeitswerte 21 und der bedingten Wahrscheinlichkeit 23 erzeugt hat. Das heißt, Eintrittswahrscheinlichkeitswert(e) 21 und bedingte Wahrscheinlichkeit 23 können verwendet werden, um ein Eintrittswahrscheinlichkeitsmodell 19 zu bilden, jedoch nicht, um eine A-posteriori-Eintrittswahrscheinlichkeit 25 für einen gegebenen Patienten zu bestimmen. Die Verarbeitungsschaltung 98 kann dann das Eintrittswahrscheinlichkeitsmodell 19 ausführen (510). Die Verarbeitungsschaltung 98 kann das Eintrittswahrscheinlichkeitsmodell 19 als Reaktion auf einen Benutzerbefehl ausführen oder kann dies automatisch als Reaktion auf ein auslösendes Ereignis tun. Beispielsweise kann die Verarbeitungsschaltung 98 bestimmen, dass alle notwendigen diagnostischen Zustände bestimmt wurden und dass das Eintrittswahrscheinlichkeitsmodell 19 zur Ausführung bereit ist. In einigen Beispielen kann die Verarbeitungsschaltung 98 Daten für verschiedene physiologische Parameter empfangen oder kann die Verarbeitungsschaltung 98 auf Daten von der Speichervorrichtung 96 zugreifen. Die Verarbeitungsschaltung 98 kann den diagnostischen Zustand (L/M/H) für jeden Parameter bestimmen. Für den bestimmten Satz verwendeter physiologischer Parameter (z. B. Parameter mit ausreichenden Daten) kann die Verarbeitungsschaltung 98 die diagnostischen Zustände verwenden, um eine bestimmte Reihe der LUT abzubilden. Die Verarbeitungsschaltung 98 kann die A-posteriori-Eintrittswahrscheinlichkeit 25 identifizieren, die auf die bestimmte Reihe abgebildet ist. Die Verarbeitungsschaltung 98 kann anschließend die Daten nutzen, die verwendet wurden, um die A-posteriori-Eintrittswahrscheinlichkeit 25 zu bestimmen, um das Eintrittswahrscheinlichkeitsmodell 19 für zukünftige Runden der Bestimmung von Eintrittswahrscheinlichkeitsbewertungen zu trainieren. Beispielsweise kann die Verarbeitungsschaltung 98 die aktuellen oder eingehenden Daten verwenden, um den/die A-posteriori-Eintrittswahrscheinlichkeitswert(e) 21 zu bestimmen.
In einigen Beispielen kann die Verarbeitungsschaltung 98 das Eintrittswahrscheinlichkeitsmodell mehrmals in einem endlichen Zeitraum ausführen, um eine durchschnittliche Eintrittswahrscheinlichkeitsbewertung für den endlichen Zeitraum zu bestimmen. In einigen Fällen kann die Verarbeitungsschaltung 98 ein Eintrittswahrscheinlichkeitsmodell gemäß einer Monte-Carlo-Simulation ausführen (z. B. unter Verwendung wiederholter Zufallsstichproben, um numerische Ergebnisse zu erhalten). Als solche kann die Verarbeitungsschaltung 98 eine oder mehrere Eintrittswahrscheinlichkeitsbewertungen aus dem Eintrittswahrscheinlichkeitsmodell 19 bestimmen (512). Die Verarbeitungsschaltung 98 kann die Beweisknoten 8 als Eingabe in das Eintrittswahrscheinlichkeitsmodell 19 verwenden, um einen A-posteriori-Eintrittswahrscheinlichkeitswert zu bestimmen, der eine Wahrscheinlichkeit anzeigt, dass ein Patient innerhalb eines vorbestimmten Zeitraums (z. B. innerhalb von 30 Tagen nach Bestimmung der Eintrittswahrscheinlichkeitsbewertung) ein unerwünschtes Gesundheitsereignis erfährt. Wie hierin erörtert, kann das Eintrittseintrittswahrscheinlichkeitsmodell den A-priori-Eintrittswahrscheinlichkeitswert und einen bedingten Wahrscheinlichkeitsparameter als zusätzliche Eingaben verwenden, um die A-posteriori-Eintrittswahrscheinlichkeitsbewertung zu bestimmen. Die Eintrittswahrscheinlichkeitsbewertung (p-Wert) kann als Dezimalwert dargestellt werden. In einigen Beispielen kann die Verarbeitungsschaltung dann das Eintrittswahrscheinlichkeitsmodell unter Verwendung der bestimmten A-posteriori-Eintrittswahrscheinlichkeitsbewertung aktualisieren. In einigen Beispielen kann ein Bayessches ML-Modell die Eintrittswahrscheinlichkeitsbewertung bestimmen, wobei das ML-Modell mit A-priori-Eintrittswahrscheinlichkeitswerten und erhaltenem Feedback bezüglich der Genauigkeit der Eintrittswahrscheinlichkeitsbewertung bei der Vorhersage unerwünschter Gesundheitsereignisse trainiert werden kann.
Wie ausführlicher unter Bezugnahme auf 10 erörtert, kann die Verarbeitungsschaltung 98 die Eintrittswahrscheinlichkeitsbewertung mit wenigstens einer Risikoschwelle vergleichen. Basierend auf dem Vergleich kann die Verarbeitungsschaltung 98 eine von mehreren diskreten Risikokategorisierungen bestimmen. Diskrete Risikokategorisierungen können beispielsweise hohes Risiko, geringes Risiko oder mittleres Risiko sein. Obwohl beschrieben, dass sie von Server 94 durchgeführt werden, können eine oder mehrere der verschiedenen beispielhaften Techniken, die mit Bezug auf 5 beschrieben wurden, von einer oder mehreren von IMD 10, externer Vorrichtung 12 oder Server 94 durchgeführt werden, z. B. durch die Verarbeitungsschaltung einer oder mehrerer dieser Vorrichtungen. Auf diese Weise kann die Verarbeitungsschaltung 98 einen Gesundheitsrisikostatus für einen Patienten wenigstens teilweise basierend auf der Eintrittswahrscheinlichkeitsbewertung bestimmen (514). In einem Beispiel kann die Verarbeitungsschaltung 98 konfiguriert sein, um einen Patienten, beispielsweise mit Herzinsuffizienz, auf eine sich entwickelnde Herzinsuffizienz-Dekompensation gemäß einer oder mehreren der verschiedenen hierin offenbarten Techniken zu überwachen, um dann möglicherweise ein frühes Eingreifen zu ermöglichen, bevor klinische Symptome erfahren werden oder eine Krankenhauseinweisung erforderlich ist. In einem anderen Beispiel kann die Verarbeitungsschaltung 98 durch Implementierung des offenbarten Eintrittswahrscheinlichkeitsmodells (z. B. eines Bayesschen Modells) Informationen von mehreren „orthogonalen“ Parametern kombinieren, die allein möglicherweise nicht sehr spezifisch sind, um letztendlich eine spezifischere Klassifizierung zu erhalten.
Es sollte sein angemerkt werden, dass eine oder mehrere der verschiedenen beispielhaften Techniken, die unter Bezugnahme auf 5 beschrieben sind, in regelmäßigen Abständen durchgeführt werden können. Beispielsweise kann die Eintrittswahrscheinlichkeitsbewertung gemäß einer Auflösungsparametereinstellung der medizinischen Vorrichtung(en) 17 und/oder für den Patienten 4 bestimmt werden. In anderen Beispielen kann die Eintrittswahrscheinlichkeitsbewertung unabhängig vom Auflösungsparameter berechnet werden. Der/die Datenserver 94 kann/können die Eintrittswahrscheinlichkeitsbewertung einmal am Tag, jede Woche, alle zwei Wochen, jeden Monat usw. berechnen. In einigen Beispielen kann/können der/die Datenserver 94 auch die Eintrittswahrscheinlichkeitsbewertung als Reaktion auf einen Benutzerbefehl (z. B. von einem Arzt, von einer Benutzerschnittstelle) berechnen oder als Reaktion auf die Erfüllung einer anderen Bedingung, wie beim Empfangen oder Bestimmen einer bestimmten Anzahl von diagnostischen Zuständen oder einer Anzeige einer Änderung des Zustands des Patienten aus einer anderen Quelle als die Anwendung des Eintrittswahrscheinlichkeitsmodells.
Der/die Datenserver 94 kann/können auch eine Eintrittswahrscheinlichkeitsbewertungsbestimmung auslösen, wenn ein Aktivitätsniveau oder ein anderer physiologischer Parameter des Patienten 4 eine Schwelle erfüllt (z. B. geringe Aktivität, wenn der Patient 4 ruht oder schläft). In einem anderen Beispiel kann/können der/die Datenserver 94 oder die medizinische Vorrichtung 17, z. B. IMD 10, die Eintrittswahrscheinlichkeitsbewertung des Patienten 4 auf einer Basis pro Messung bestimmen, wie auf einer Basis einer Bestimmung pro Impedanzbewertung. Ein Fachmann würde erkennen, dass verschiedene Perioden existieren können, in denen die IMD 10 oder die externe Vorrichtung 12 eine Eintrittswahrscheinlichkeitsbewertung gemäß 5 bestimmen, eine Eintrittswahrscheinlichkeitsbewertung übertragen können usw. In einigen Beispielen kann/können der/die Datenserver 94 die Eintrittswahrscheinlichkeitsbewertung des Patienten 4 als Reaktion auf den Empfang von physiologischen Parameterdaten für den Patienten über das Netzwerk 92, z. B. von einer medizinischen Vorrichtung(en) 17 bestimmen.
Obwohl in Bezug auf den/die Datenserver 94 beschrieben, der/die eine oder mehrere der verschiedenen beispielhaften Techniken dieser Offenbarung ausführt/ausführen, versteht es sich außerdem, dass eine beliebige Anzahl unterschiedlicher Komponenten, die beispielsweise unter Bezugnahme auf die 4, 5, 7 und 8 beschrieben wurden, und Kombinationen davon eine oder mehrere der verschiedenen beispielhaften Techniken dieser Offenbarung durchführen können. Beispielsweise können die IMD 10 oder die externe Vorrichtung 12 diagnostische Zustände 11 oder physiologische Parameterwerte bestimmen. Darüber hinaus kann/können der/die Datenserver 94 mehrere Rechenvorrichtungen (z. B. einen entfernten Cloud-Server) beinhalten, die kollektiv Eintrittswahrscheinlichkeitsbewertungen dafür bestimmen, dass der Patient 4 innerhalb eines vorbestimmten Zeitraums ein unerwünschtes Gesundheitsereignis erleidet. Darüber hinaus versteht es sich, dass die beispielhaften Komponenten, die mit Bezug auf die 4, 5, 7 und 8 beschrieben wurden, einige oder alle der beispielhaften Techniken, die unter Bezugnahme auf die 4, 5 und 10 beschrieben wurden, parallel oder in Verbindung miteinander durchführen können.

6A veranschaulicht ein Diagramm einzelner physiologischer Parameter, die als Beweisknoten für das unter Bezugnahme auf 4 beschriebene beispielhafte Eintrittswahrscheinlichkeitsmodell dienen können. Jeder physiologische Parameter ist unabhängig voneinander, was bedeutet, dass die Verarbeitungsschaltung 98 aus jedem einzelnen Parameter ein Risikoniveau für den Patienten 4 identifizieren könnte. Die Genauigkeit wäre jedoch geringer als bei Verwendung des Eintrittswahrscheinlichkeitsmodells 19, wie in 6B und Tabelle 2 nachstehend veranschaulicht. Die Werte für jeden physiologischen Parameter aus 6A sind in Tabelle 1 nachstehend dargestellt. Tabelle 2:

Physiologischer Parameter	# Bewertungen (% von insgesamt 225 Bewertungen)	#HF-Krankenhaus (% der Bewertungen in jeder Risikogruppe)	Hazard Ratio (HR)	Eintrittswahrscheinlichkeitswert („p-Wert“)
Impedanz				0,006
0 (L)	107 (47,6 %)	3 (2,8 %)	Referenz
1 (M)	79 (35,1 %)	8 (10,1 %)	3,84 (0,94-15,62)	0,061
2 (H)	39 (17,3 %)	9 (23,1 %)	9,00 (2,34-34,70)	0,001
Atmung				0,029
0	78 (34,7 %)	1 (1,3 %)	Referenz
1	115 (51,1 %)	13 (11,3 %)	9,39 (1,12-78,60)	0,039
2	32 (14,2 %)	6 (18,8 %)	15,55 (1,97-122,63)	0,009
AF				0,016
0	201 (89,3 %)	14 (7,0 %)	Referenz
2	24 (10,7 %)	6 (25,0 %)	4,08 (1,30-12,79)
Aktivität				0,004
0	79 (35,1 %)	1 (1,3 %)	Referenz
1	97 (43,1 %)	8 (8,2 %)	6,74 (0,87-52,03)	0,067
2	49 (21,8 %)	11 (22,4 %)	19,65 (2,55-151,46)	0,004
NHR				0,057
0	78 (34,7 %)	3 (3,8 %)	Referenz
1	91 (40,4 %)	8 (8,8 %)	2,33 (0,55-9,78)	0,248
2	56 (24,9 %)	9 (16,1 %)	4,40 (1,29-15,02)	0,018
HRV				0,010
0	96 (42,7 %)	2 (2,1 %)	Referenz
1	89 (39,6 %)	10 (11,2 %)	5,59 (1,23-25,37)	0,026
2	40 (17,8 %)	8 (20,0 %)	10,67 (2,32-49,06)	0,002

6B stellt eine Summe einzelner Eintrittswahrscheinlichkeitsbewertungen von 6A auf der linken Seite und ein Diagramm kombinierter Eintrittswahrscheinlichkeitsbewertungen unter Verwendung eines Eintrittswahrscheinlichkeitsmodells basierend auf verschiedenen Beweisknoten von 4 auf der rechten Seite dar. Beispielsweise veranschaulicht 6B den Vorteil der Verwendung des Eintrittswahrscheinlichkeitsmodells 19, um die Risikostratifizierungsleistung für einen integrierten Satz diagnostischer Zustände zu modellieren. Im Beispiel von 6B wurde ein Bayesscher Ansatz verwendet, um die rechts gezeigte Eintrittswahrscheinlichkeitsbewertung zu modellieren, und eine ungewichtete Summe einzelner diagnostische Zustände (z. B. PARTNERS-HF oder Summe der Bewertungen) wurde links verwendet. In einem nicht einschränkenden Beispiel können Probenergebnisse in einer Tabelle 3 wie folgt zusammengefasst werden, die einen Bayesschen Ansatz im Vergleich zu einem „Summe von Bewertungen“-Ansatz zeigt. Tabelle 3:

	# Auswertun gen	#HF-Krankenhau s (% der Auswertung en)	Hazard Ratio (HR)	Eintrittswah rscheinlichk eitswert („p-Wert“)
Summe der Bewertungen				<0,001
0-4	137 (60,9 %)	2 (1,5 %)	Referenz
5	34 (15,1 %)	2 (5,9 %)	4,01 (0,51-31,59	0,187
6-12	54 (24,0 %)	16 (29,6 %)	23,72 (5,15-109,24)	<0,001
A-posteriori-Eintrittswahrscheinli chkeit				<0,001
<1,1 %	119 (59,9 %)	1 (0,8 %)	Referenz
1,1 %-10 %	62 (27,6 %)	4 (6,5 %)	7,86 (0,87-70,99)	0,066
>10 %	44 (19,6 %)	15 (34,1 %)	48,61 (6,5-363,51)	<0,001

Aufgrund der dynamischen Natur der Eintrittswahrscheinlichkeitsbewertung kann derselbe Patient bei einer Nachuntersuchung einen sehr hohen Beweis und bei einer anderen einen niedrigen Beweis aufweisen. Die Gruppe mit hohem diagnostischen Beweis bestand aus Bewertungen mit etwa den oberen 20 % der Risikobewertungen. Die kombinierte Gruppe mit niedrigem Beweis bestand aus Fällen, in denen jeder oder mehrere der diagnostischen Parameter einen geringen Beweis aufwiesen. Die Ergebnisse zeigen, dass ein Patient mit einer hohen diagnostischen Beweisbewertung bei einer Nachuntersuchung 48-mal häufiger ein HF-Ereignis in den nächsten 30 Tagen erleidet als Patienten mit einer niedrigen diagnostischen Beweisbewertung bei einer Nachuntersuchung.
7 zeigt die Umgebung eines beispielhaften medizinischen Systems 2 in Verbindung mit einem Patienten 4 gemäß einer oder mehrerer Techniken dieser Offenbarung. Patient 4 wird normalerweise, jedoch nicht unbedingt, ein Mensch sein. Beispielsweise kann Patient 4 ein Tier sein, das eine fortlaufende Überwachung auf Herzerkrankungen benötigt.
In einigen Beispielen kann das System 2 die IMD 10 beinhalten. In anderen Beispielen beinhaltet das System 2 möglicherweise nicht die IMD 10 und kann stattdessen eine andere medizinische Vorrichtung(en) 17 (in 7 nicht gezeigt) beinhalten. Die IMD 10 kann eine oder mehrere Elektroden (nicht gezeigt) an ihrem Gehäuse beinhalten oder kann mit einer oder mehreren Leitungen verbunden sein, die eine oder mehrere Elektroden tragen. Das System 2 kann auch die externe Vorrichtung 12 beinhalten und, obwohl in 7 nicht dargestellt, die verschiedenen anderen Vorrichtungen, die in einer oder mehreren der verschiedenen beispielhaften Techniken veranschaulicht sind, die unter Bezugnahme auf 2 beschrieben sind. Das beispielhafte System 2 kann verwendet werden, um die subkutane Impedanz zu messen, um dem Patienten 4 anderen Benutzern eine Frühwarnung für den Beginn eines Herzinsuffizienz-Dekompensationsereignisses bereitzustellen.
Die beispielhaften Techniken können mit einer IMD 10 verwendet werden, die in drahtloser Kommunikation mit der externen Vorrichtung 12 und/oder Datenserver(n) 94 stehen kann. In einigen Beispielen wird die IMD 10 außerhalb einer Brusthöhle des Patienten 4 implantiert (z. B. subkutan an der in 7 veranschaulichten Bruststelle). Die IMD 10 kann nahe dem Brustbein nahe oder knapp unterhalb der Höhe des Herzens des Patienten 4 positioniert sein, z. B. wenigstens teilweise innerhalb der Herzsilhouette. Die IMD 10 kann mehrere Elektroden beinhalten und kann für eine subkutane Implantation außerhalb eines Brustkorbs von Patient 4 konfiguriert sein.
Dementsprechend können Impedanzmessungen, die über Elektroden im subkutanen Raum, z. B. Elektroden auf einer subkutan implantierten medizinischen Vorrichtung, wie in 7-9 gezeigt, Messungen der Impedanz des interstitiellen Fluids und des subkutanen Gewebes sein. In einem Beispiel kann während eines Herzinsuffizienz-Dekompensationsereignisses eine Reduktion des Herzzeitvolumens dazu neigen, den Venendruck zu erhöhen. Eine Erhöhung des Venendrucks führt tendenziell zu einer Druckzunahme bezüglich der Kapillaren gegenüber dem interstitiellen Raum. Die Kombination solcher Tendenzen kann dann zu einem Nettoabfluss von Fluid aus den Kapillaren in das Interstitium oder den interstitiellen Raum eines Patienten führen. In solchen Fällen nimmt die Fluidansammlung im Interstitium zu. Eine Zunahme der Fluidansammlung neigt dazu, eine Reduktion der zwischen den Elektroden gemessenen Impedanz bereitzustellen.
Implantierbare medizinische Vorrichtungen (IMDs) können Impedanzsignale erfassen und überwachen und diese Signale verwenden, um den Gesundheitszustand eines Patienten oder ein anderer Gesundheitszustand eines Patienten zu bestimmen (z. B. Ödeme, Präeklampsie, Bluthochdruck usw.). Die von IMDs zum Erfassen von Impedanzsignalen verwendeten Elektroden sind typischerweise in ein Gehäuse der IMD integriert und/oder über eine oder mehrere verlängerte Leitungen mit der IMD gekoppelt. Beispiele für IMDs, die Elektroden beinhalten sind der Reveal LINQ™ Insertable Cardiac Monitor (ICM), entwickelt von Medtronic, Inc., Minneapolis, MN, der subkutan eingeführt werden kann. Andere beispielhafte IMDs können Elektroden an einer subkutanen Leitung beinhalten, die mit einer anderen der medizinischen Vorrichtung(en) 17 verbunden ist, wie einem subkutanen implantierbaren Kardioverter-Defibrillator (ICD) oder einem extravaskulären ICD. Solche IMDs können eine relativ längerfristige Überwachung von Patienten während normaler täglicher Aktivitäten erleichtern und können gesammelte Daten periodisch an einen Netzwerkdienst, wie das Medtronic CareLink® Netzwerk, übertragen.
Medizinische Vorrichtungen, die konfiguriert sind, um die Impedanz über implantierte Elektroden zu messen, einschließlich der hierin identifizierten Beispiele, können die Techniken dieser Offenbarung zum Messen von Impedanzänderungen in dem interstitiellen Fluid eines Patienten implementieren, um zu bestimmen, ob der Patient an einer sich verschlechternden Herzinsuffizienz oder Dekompensation leidet. Die Techniken beinhalten die Bewertung der Impedanzwerte unter Verwendung von Kriterien, die konfiguriert sind, um eine gewünschte Sensitivität und Spezifität der Herzinsuffizienzerkennung bereitzustellen. Die Techniken dieser Offenbarung zum Identifizieren einer Verschlechterung der Herzinsuffizienz können Bestimmungen des kardialen Wohlbefindens und des Risikos eines plötzlichen Herztodes erleichtern und können zu klinischen Eingriffen führen, um eine Verschlechterung der Herzinsuffizienz zu unterdrücken, wie mit Medikamenten.
Als solche kann die IMD 10 konfiguriert sein, um in einigen Fällen neben anderen physiologischen Parameterwerten Impedanzwerte in dem interstitiellen Fluid des Patienten 4 zu messen. Beispielsweise kann die IMD 10 konfiguriert sein, um ein oder mehrere Signale, die die Impedanz des subkutanen Gewebes anzeigen, von den Elektroden 16 zu empfangen. In einigen Beispielen kann die IMD 10 eine reine Diagnosevorrichtung sein. Beispielsweise kann die IMD 10 eine Vorrichtung, die nur subkutane Impedanzparameter des Patienten 4 bestimmt, oder eine Vorrichtung sein, die subkutane Impedanzparameter sowie andere physiologische Parameterwerte des Patienten 4 bestimmt. Die IMD 10 kann die Impedanzwertmessungen verwenden, um einen oder mehrere Fluidindexwerte, Impedanzbewertungen und/oder verschiedene Schwellen zu bestimmen, wie adaptive Schwellen, Bewertungsschwellen, Gewichtungsfaktoren für Schwellen und/oder Herzrisiko schwellen.
Die subkutane Impedanz kann gemessen werden, indem ein Signal über einen elektrischen Pfad zwischen Elektroden geliefert wird. In einigen Beispielen kann das Gehäuse der IMD 10 als Elektrode in Kombination mit Elektroden verwendet werden, die sich auf Leitungen befinden. Beispielsweise kann das System 2 die subkutane Impedanz messen, indem es einen elektrischen Pfad zwischen einer Leitung und einer der Elektroden erzeugt. In zusätzlichen Beispielen kann das System 2 eine zusätzliche Leitung oder ein zusätzliches Leitungssegment mit einer oder mehreren Elektroden beinhalten, die subkutan oder innerhalb der subkutanen Schicht positioniert sind, um die subkutane Impedanz zu messen. In einigen Beispielen können zwei oder mehr Elektroden, die zum Messen der subkutanen Impedanz verwendbar sind, auf dem Gehäuse der IMD 10 ausgebildet oder in diese integriert sein.
Das System 2 misst die subkutane Impedanz von Patient 4 und verarbeitet Impedanzdaten, um Hinweise auf eine abnehmende Impedanz zu sammeln. Der akkumulierte Beweis wird als Fluidindex bezeichnet und kann abhängig von der Differenz zwischen gemessenen Impedanzwerten und Referenzimpedanzwerten bestimmt werden. Der Fluidindex kann dann verwendet werden, um Impedanzbewertungen zu bestimmen, die auf eine Herzerkrankung von Patient 4 hinweisen. In einem Beispiel kann eine Impedanzbewertung gegen eine Risikoschwelle gemessen werden, die diagnostische Zustände der physiologischen Parameter der Impedanz des subkutanen Gewebes identifiziert, die auf das hierin beschriebene Eintrittswahrscheinlichkeitsmodell 19 angewendet werden können. In einigen Beispielen kann die subkutane Impedanz Informationen über das Fluidvolumen im subkutanen Raum (z. B. den subkutanen Raum 22 von 9) und in einigen Fällen auch über das Gesamtblutvolumen bereitstellen. In solchen Beispielen ermöglichen subkutane Impedanzmessungen dem System 2 über das wahrscheinliche Modell 19, Patienten zu identifizieren, die akkumulierte Schwellen von peripherem Fluid aufweisen, wie basierend auf mehreren Beweisknoten bestimmt, wobei wenigstens ein Beweisknoten wenigstens teilweise auf einer subkutanen Impedanzmessung oder subkutaner Impedanzbewertung basiert.
In einigen Beispielen kann die IMD 10 auch kardiale Elektrogramm- (EGM-) Signale über die mehreren Elektroden erfassen und/oder als Therapieabgabevorrichtung arbeiten. Beispielsweise kann die IMD 10 zusätzlich als Therapieabgabevorrichtung arbeiten, um elektrische Signale an das Herz des Patienten 4 abzugeben, wie ein implantierbarer Schrittmacher, ein Kardioverter und/oder Defibrillator, eine Arzneimittelabgabevorrichtung, die dem Patienten 4 therapeutische Substanzen über einen oder mehrere Katheter abgibt, oder als Kombinationstherapievorrichtung, die sowohl elektrische Signale als auch therapeutische Substanzen abgibt.
In einigen Beispielen kann das System 2 eine beliebige geeignete Anzahl von Leitungen beinhalten, die an die IMD 10 gekoppelt sind, und jede der Leitungen kann sich zu einer beliebigen Stelle innerhalb oder in der Nähe eines Herzens oder in der Brust des Patienten 4 erstrecken. Beispielsweise können andere beispielhafte Therapiesysteme drei transvenöse Leitungen und eine zusätzliche Leitung beinhalten, die sich innerhalb oder in der Nähe eines linken Vorhofs eines Herzens befindet. Als andere Beispiele kann ein Therapiesystem eine einzelne Leitung behinhalten, die sich von der IMD 10 in einen rechten Vorhof oder einen rechten Ventrikel erstreckt, oder zwei Leitungen, die sich jeweils in einen rechten Ventrikel und einen rechten Vorhof erstrecken.
In einigen Beispielen kann die IMD 10 bei Patient 4 subkutan implantiert werden. Darüber hinaus kann die externe Vorrichtung 12 in einigen Beispielen subkutane Impedanzwerte überwachen. In einigen Beispielen hat die IMD 10 die Form des Reveal LINQ TM ICM oder eines anderen ICM, das beispielsweise einer Version oder Modifikation des LINQ TM ICM ähnlich ist und subkutan eingeführt werden kann. Solche IMDs können eine relativ längerfristige Überwachung von Patienten während normaler täglicher Aktivitäten erleichtern und können gesammelte Daten periodisch an einen Netzwerkdienst, wie das Medtronic CareLink® Netzwerk, übertragen.
Obwohl im Kontext von Beispielen beschrieben, in denen die IMD 10 eine einführbare oder implantierbare IMD beinhaltet, können beispielhafte Systeme, die eine oder mehrere externe Vorrichtungen jeglicher Art beinhalten, die zum Erfassen von Impedanzen des subkutanen Gewebes konfiguriert sind, konfiguriert sein, um die Techniken dieser Offenbarung zu implementieren. In einigen Beispielen kann die IMD 10 eine Vorrichtung sein, die konfiguriert ist, um Impedanzen eines Fluids und Impedanzverschiebungen des Fluids, wie interstitielles Fluid, zu messen. Beispielsweise kann die IMD 10 eine oder mehrere Elektroden aufweisen, die innerhalb einer Schicht des Patienten 4 (z. B. der subkutanen Schicht) angeordnet sind, während wenigstens eine andere Elektrode innerhalb einer anderen Schicht des Patienten 4 (z. B. Dermisschicht, Muskelschicht usw.) angeordnet sein kann. In solchen Beispielen kann die IMD 10 in der Lage sein, Impedanzen und Impedanzverschiebungen des interstitiellen Fluids der subkutanen Schicht zu messen. In einem anderen Beispiel kann die IMD 10 eine Hautpflastervorrichtung mit Elektroden auf der Außenseite der Haut sein. In solchen Beispielen kann die IMD 10 die Hautpflastervorrichtung verwenden, um Impedanzen und Impedanzverschiebungen des interstitiellen Fluids in der subkutanen Schicht zu messen.
In Beispielen, in denen die IMD 10 auch als Herzschrittmacher, Kardioverter und/oder Defibrillator arbeitet oder anderweitig die elektrische Aktivität des Herzens überwacht, kann die IMD 10 elektrische Signale erfassen, die mit der Depolarisation und Repolarisation des Herzens des Patienten 4 über Elektroden von der IMD 10 oder an diese gekoppelten einhergehen, die z. B. die Elektroden beinhalten kann, die verwendet werden, um die subkutane Impedanz zu bestimmen. In einigen Beispielen kann die IMD 10 dem Herzen des Patienten 4 Stimulationsimpulse basierend auf den im Herzen des Patienten 4 erfassten elektrischen Signalen bereitstellen. Die von der IMD 10 zum Erfassen und Schrittmachen verwendeten Elektrodenkonfigurationen können unipolar oder bipolar sein. Die IMD 10 kann auch eine Defibrillationstherapie und/oder Kardioversionstherapie über Elektroden bereitstellen, die sich an wenigstens einer Leitung befinden, sowie eine Gehäuseelektrode. Die IMD 10 kann eine Tachyarrhythmie des Herzens des Patienten 4 erkennen, wie ein Vorhofflimmern oder Ventrikel, und eine Defibrillation oder eine andere Tachyarrhythmie-Therapie an das Herz des Patienten 4 in der Form von elektrischen Impulsen abgeben. In einigen Beispielen kann die IMD 10 derart programmiert sein, dass sie eine Progression von Therapien abgibt, z. B. Pulse mit zunehmenden Energieniveaus, bis ein Herzflimmern des Patienten 4 gestoppt wird. Die IMD 10 erkennt Fibrillation oder andere Tachyarrhythmien unter Einsatz von in der Technik bekannten Tachyarrhythmie-Erkennungstechniken.
8 ist ein Funktionsblockdiagramm, das eine beispielhafte Konfiguration der IMD 10 veranschaulicht. Die IMD 10 kann ein Beispiel einer der medizinischen Vorrichtung(en) 17 beinhalten, die unter Bezugnahme auf die 2-4 beschrieben wurden. In dem veranschaulichten Beispiel beinhaltet die IMD 10 Elektroden 16A-16N (zusammen „Elektroden 16“), eine Antenne 26, eine Verarbeitungsschaltung 50, eine Messschaltung 52, eine Impedanzmessschaltung 60, eine Kommunikationsschaltung 54, eine Speichervorrichtung 56, eine Schaltschaltung 58, Sensoren 62. Die IMD 10 kann zusammen mit einer anderen medizinischen Vorrichtung(en) 17 auch eine Leistungsquelle beinhalten. Im Allgemeinen kann die Leistungsquelle eine wieder aufladbare oder nicht wieder aufladbare Batterie beinhalten. Jede der medizinischen Vorrichtung(en) 17 kann Komponenten beinhalten, die denen von IMD 10 gemein sind. Beispielsweise kann jede der medizinischen Vorrichtung(en) 17 eine Verarbeitungsschaltung 50 beinhalten. Der Kürze halber wird in dieser Anmeldung nicht jede Konfiguration jeder medizinischen Vorrichtung(en) 17 beschrieben. Das heißt, bestimmte Komponenten der IMD 10 können als repräsentative Komponenten anderer medizinischer Vorrichtung(en) 17 dienen (z. B. Speichervorrichtung 56, Kommunikationsschaltung 54, Sensor(en) 62 usw.).
Die Verarbeitungsschaltung 50 kann eine Schaltung mit fester Funktion und/oder eine programmierbare Verarbeitungsschaltung beinhalten. Die Verarbeitungsschaltung 50 kann einen oder mehrere von einem Mikroprozessor, einer Steuervorrichtung, einem digitalen Signalprozessor (DSP), einer anwendungsspezifischen integrierten Schaltung (ASIC), einem feldprogrammierbaren Gate-Array (FPGA) oder einer äquivalenten diskreten oder analogen Logikschaltung beinhalten. In einigen Beispielen kann die Verarbeitungsschaltung 50 mehrere Komponenten beinhalten, wie eine beliebige Kombination aus einem oder mehreren Mikroprozessoren, einer oder mehreren Steuervorrichtungen, einem oder mehreren DSPs, einer oder mehreren ASICs oder einem oder mehreren FPGAs sowie anderen diskreten oder integrierten logische Schaltung. Die hierin der Verarbeitungsschaltung 50 zugeschriebenen Funktionen können als Software, Firmware, Hardware oder eine beliebige Kombination davon ausgeführt sein.
Die Erfassungsschaltung 52 kann über eine Schaltschaltung 58 selektiv mit den Elektroden 16 gekoppelt werden, z. B. um die Elektroden 16 und die Polarität, den so genannten Erfassungsvektor, auszuwählen, der verwendet wird, um Impedanz und/oder kardiologische Signale zu erfassen, wie von der Verarbeitungsschaltung 50 gesteuert wird. Die Erfassungsschaltung 52 kann Signale von den Elektroden 16 erfassen, z. B. um ein kardiologisches EGM zu erzeugen, um die Überwachung der elektrischen Aktivität des Herzens zu erleichtern. Die Sensorschaltung 52 kann auch Signale von Sensoren 62 überwachen, die beispielsweise einen oder mehrere Beschleunigungsmesser, Drucksensoren und/oder optische Sensoren beinhalten können. In einigen Beispielen kann die Erfassungsschaltung 52 einen oder mehrere Filter und Verstärker zum Filtern und Verstärken von Signalen beinhalten, die von den Elektroden 16 und/oder den Sensoren 62 empfangen werden.
In einigen Beispielen kann die Verarbeitungsschaltung 50 die Schaltschaltung 58 verwenden, um z. B. über einen Daten-/Adressbus auszuwählen, welche der verfügbaren Elektroden verwendet werden sollen, um Impedanzmessungen des interstitiellen Fluids zu erhalten und kardiologische Signale zu erfassen, und um die Polaritäten der Elektroden auszuwählen. Die Schaltschaltung 58 kann ein Schaltarray, eine Schaltmatrix, einen Multiplexer, ein Transistorarray, mikroelektromechanische Schalter oder jede andere Art von Schaltvorrichtung beinhalten, die geeignet ist, um die Erfassungsschaltung 58 selektiv mit ausgewählten Elektroden zu koppeln. In einigen Beispielen beinhaltet die Messschaltung 52 einen oder mehrere Messkanäle, von denen jeder einen Verstärker beinhalten kann. Als Reaktion auf die Signale von der Verarbeitungsschaltung 50 kann die Umschaltschaltung 58 die Ausgänge der ausgewählten Elektroden an einen der Erfassungskanäle koppeln.
In einigen Beispielen können ein oder mehrere Kanäle der Erfassungsschaltung 52 einen oder mehrere R-Zacken-Verstärker beinhalten, die Signale von den Elektroden 16 empfangen. In einigen Beispielen können die R-Zacken-Verstärker die Form eines automatischen verstärkungsgesteuerten Verstärkers annehmen, der eine anpassbare Erfassungsschwelle abhängig von der gemessenen R-Zacken-Amplitude bereitstellt. Außerdem können in einigen Beispielen ein oder mehrere Kanäle der Erfassungsschaltung 52 einen P-Zacken-Verstärker beinhalten, der Signale von den Elektroden 16 empfängt. Die Sensorschaltung kann die empfangenen Signale zur Stimulation und Erfassung im Herzen von Patient 4 verwenden. In einigen Beispielen kann der P-Zacken-Verstärker die Form eines automatischen verstärkungsgesteuerten Verstärkers annehmen, der eine anpassbare Erfassungsschwelle abhängig von der gemessenen P-Zacken-Amplitude bereitstellt. Andere Verstärker können ebenfalls verwendet werden.
In einigen Beispielen kann die Verarbeitungsschaltung 50 konfiguriert sein, um eine R-Zacken-Amplitude für ein EKG aufzuzeichnen, das von der Erfassungsschaltung 52 erfasst wird. Beispielsweise kann die Erfassungsschaltung 52 konfiguriert sein, um ein subkutanes EKG zu erfassen, und die Verarbeitungsschaltung 50 kann konfiguriert sein, um eine R-Zacken-Amplitude des subkutanen EKGs aufzuzeichnen. In einem anderen Beispiel kann die Erfassungsschaltung 52 konfiguriert sein, um ein kardiologisches Elektrogramm unter Verwendung von Leitungen im Herzen des Patienten 4 aufzuzeichnen und wie zwischen dem Gehäuse einer der medizinischen Vorrichtung(en) 17 (z. B. einer Dose) und den Leitungen im Herzen von Patient 4 gemessen, und die Verarbeitungsschaltung 50 kann konfiguriert sein, um eine R-Zacken-Amplitude des kardiologischen Elektrogramms aufzuzeichnen. Auf ähnliche Weise kann die Erfassungsverarbeitungsschaltung 50 R-Zacken-Steigungen oder R-Zacken-Breiten für ein EKG oder ein anderes kardiologisches Elektrogramm aufzeichnen.
In einigen Beispielen beinhaltet die Erfassungsschaltung 52 einen Kanal, der einen Verstärker mit einem relativ breiteren Durchlassband als die R-Zacke oder P-Zacken-Verstärker beinhaltet. Signale von den ausgewählten Erfassungselektroden, die zum Koppeln mit diesem Breitbandverstärker ausgewählt werden, können einem Multiplexer bereitgestellt und danach durch einen Analog-Digital-Wandler zur Speicherung in der Speichervorrichtung 56 in digitale Mehrbitsignale umgewandelt werden. In einigen Beispielen kann die Verarbeitungsschaltung 50 digitale Signalanalysetechniken verwenden, um die digitalisierten Signale, die in der Speichervorrichtung 56 gespeichert sind, zu kennzeichnen, um P-Zacken zu erkennen (z. B. innerhalb von ventrikulären oder Fernfeldsignalen und anstelle oder zusätzlich zur Verwendung von P-Zacken-Verstärkern) und kardiale Tachyarrhythmien aus den digitalisierten elektrischen Signalen klassifizieren.
Basierend auf der Erkennung von R-Zacken und P-Zacken, z. B. ihren Frequenzen, kann die Verarbeitungsschaltung 50 atriale und ventrikuläre Tachyarrhythmien wie etwa AF oder VF identifizieren. Die Verarbeitungsschaltung kann in einigen Beispielen digitale Signalanalysetechniken verwenden, um solche Tachyarrhythmien zu erkennen oder zu bestätigen. Die Verarbeitungsschaltung 50 kann Werte von physiologischen Parametern basierend auf der Erkennung solcher Tachyarrhythmien bestimmen, und eine Eintrittswahrscheinlichkeit eines Gesundheitsereignisses kann basierend auf den physiologischen Parameterwerten gemäß den hierin beschriebenen Techniken bestimmt werden. Beispielhafte physiologische Parameter, die basierend auf der Erkennung von Tachyarrhythmien bestimmt werden, beinhalten ein Ausmaß, z. B. Frequenz und/oder Dauer während eines Zeitraums, von AF oder anderen Tachyarrhythmien.
Die Verarbeitungsschaltung 50 kann auch andere physiologische Parameterwerte bestimmen, die verwendet werden können, um die Eintrittswahrscheinlichkeit eines Gesundheitsereignisses basierend auf dem kardiologischen EGM und der Erkennung von Depolarisationen darin zu bestimmen. Als Beispiele kann die Verarbeitungsschaltung 50 einen oder mehrere Herzfrequenzwerte bestimmen, wie Nachtherzfrequenzwerte, einen oder mehrere Herzfrequenzvariabilitätswerte. Als andere Beispiele kann die Verarbeitungsschaltung 50 Größen oder Intervalle zwischen Merkmalen innerhalb des kardiologischen EGMs bestimmen, wie Depolarisationsamplituden, Depolarisationsbreiten oder Intervalle zwischen Depolarisationen und Repolarisationen.
In einigen Beispielen beinhalten die Sensoren 62 einen oder mehrere Beschleunigungsmesser oder andere Sensoren, die konfiguriert sind, um Signale zu erzeugen, die die Bewegung und Orientierung des Patienten 4 anzeigen, z. B. die das Aktivitätsniveau oder die Körperhaltung des Patienten anzeigen. In einigen Beispielen verarbeitet die Verarbeitungsschaltung 50 solche Signale, um Werte eines oder mehrerer physiologischer Parameter zu bestimmen, die verwendet werden können, um die Eintrittswahrscheinlichkeit eines Gesundheitsereignisses zu bestimmen. Beispielsweise kann die Verarbeitungsschaltung 50 Dauer, Häufigkeit und/oder Intensität von Aktivitäts- und/oder Haltungsänderungen, z. B. täglich oder während einer anderen Periode, quantifizieren. In einigen Beispielen kann die Verarbeitungsschaltung 50 basierend auf solchen Signalen einen Zeitraum bestimmen, den der Patient inaktiv verbringt, z. B. schlafend, jedoch nicht in Rückenlage.
Die Messschaltung 52 beinhaltet eine Impedanzmessschaltung 60. Die Verarbeitungsschaltung 50 kann die Impedanzschaltung 60 steuern, um periodisch einen elektrischen Parameter zu messen, um eine Impedanz zu bestimmen, wie eine subkutane Impedanz, die ein im Interstitium 28 gefundenes Fluid anzeigt. Für eine subkutane Impedanzmessung kann die Verarbeitungsschaltung 50 die Impedanzmessschaltung 60 steuern, um ein elektrisches Signal zwischen ausgewählten Elektroden 16 zu liefern und eine Leistungs- oder Spannungsamplitude des Signals zu messen. Die Verarbeitungsschaltung 50 kann eine beliebige Kombination von Elektroden 16 auswählen, z. B. unter Verwendung der Schaltschaltung 58 und der Erfassungsschaltung 52. Die Impedanzmessschaltung 60 beinhaltet eine Abtast- und Halteschaltung oder eine andere geeignete Schaltung zum Messen der resultierenden Leistungs- und/oder Spannungsamplituden. Die Verarbeitungsschaltung 50 bestimmt einen Impedanzwert aus dem/den Amplitudenwert(en), die/der von der Impedanzmessschaltung 60 empfangen wird/werden.
Da entweder die IMD 10 oder die externe Vorrichtung 12 konfiguriert sein können, eine Erfassungsschaltung 52 zu beinhalten, kann die Impedanzmessschaltung 60 in einem oder mehreren Prozessoren implementiert sein, wie der Verarbeitungsschaltung 50 der IMD 10 oder der Verarbeitungsschaltung 80 der externen Vorrichtung 12. Die Impedanzmessschaltung 60 ist in diesem Beispiel in Verbindung mit der Erfassungsschaltung 52 der IMD 10 gezeigt. Die Impedanzmessschaltung 60 kann als ein oder mehrere Hardwaremodule, Softwaremodule, Firmwaremodule oder eine beliebige Kombination davon ausgeführt sein. Die Impedanzmessschaltung 60 kann Impedanzmessdaten auf periodischer Basis analysieren, um eine Abnahme der subkutanen Impedanz bei dem Patienten 4 zu identifizieren und den Patienten 4 zu warnen, wenn die Abnahme den Beginn eines möglichen Herzinsuffizienz-Dekompensationsereignisses anzeigt.
In einigen Beispielen kann die Verarbeitungsschaltung 50 eine Impedanzmessung durchführen, indem sie bewirkt, dass die Impedanzmessschaltung 60 (über die Schaltschaltung 58) einen Spannungsimpuls zwischen wenigstens zwei Elektroden 16 liefert, und den resultierenden Leistungsamplitudenwert untersucht, der von der Impedanzmessschaltung 60 gemessen wird. In einigen Beispielen liefert die Schaltschaltung 58 Signale, die eine Stimulationstherapie an das Herz des Patienten 4 abgeben. In anderen Beispielen können diese Signale während einer Refraktärzeit abgegeben werden, in welchem Fall sie das Herz von Patient 4 möglicherweise nicht stimulieren.
In einigen Beispielen kann die Verarbeitungsschaltung 50 eine Impedanzmessung durchführen, indem sie bewirkt, dass die Impedanzmessschaltung 60 (über die Schaltschaltung 58) einen Stromimpuls über wenigstens zwei ausgewählte Elektroden 16 liefert. Die Impedanzmessschaltung 60 hält einen gemessenen Spannungsamplitudenwert. Die Verarbeitungsschaltung 50 bestimmt einen Impedanzwert basierend auf der Amplitude des Stromimpulses und der Amplitude der resultierenden Spannung, die von der Impedanzmessschaltung 60 gemessen wird. Die IMD 10 kann definierte oder vorbestimmte Pulsamplituden, Breiten, Frequenzen oder Elektrodenpolaritäten für die Pulse verwenden, die für diese verschiedenen Impedanzmessungen abgegeben werden. In einigen Beispielen können die Amplituden und/oder Breiten der Impulse unterhalb der Schwelle liegen, z. B. unterhalb einer Schwelle, die zum Aufnehmen oder anderweitigen Aktivieren von Gewebe, wie kardiologischem Gewebe, subkutanem Gewebe oder Muskelgewebe, erforderlich ist. In einigen Beispielen kann die IMD 10 eine Verstärkerschaltung gemäß bestimmten Techniken verwenden, die in der U.S.-Anmeldung Nr. 12/872,552 von Denison et al. mit dem Titel „CHOPPER-STABILIZED INSTRUMENTATION AMPLIFIER FOR IMPEDANCE MEASUREMENT“, eingereicht am 31. August 2010, für physiologische Signalerfassung, Impedanzerfassung, Telemetrie usw. beschrieben sind.
In bestimmten Fällen kann die IMD 10 subkutane Impedanzwerte messen, die sowohl eine Widerstandskomponente als auch eine reaktive Komponente (z. B. X, XL, XC) beinhalten, wie in einem Impedanzdreieck. In solchen Fällen kann die IMD 10 beispielsweise die subkutane Impedanz während der Abgabe eines sinusförmigen oder eines anderen zeitvariierenden Signals durch die Impedanzmessschaltung 60 messen. Somit wird der Begriff „Impedanz“, wie er hierin verwendet wird, in einem breiten Sinn verwendet, um einen beliebigen gesammelten, gemessenen und/oder berechneten Wert anzugeben, der ohmsche und/oder reaktive Komponenten beinhalten kann. In einigen Beispielen werden Impedanzparameter des subkutanen Gewebes aus Impedanzsignalen des subkutanen Gewebes abgeleitet, die von den Elektroden 16 empfangen werden.
Die Erfassungsschaltung 52 kann auch ein oder mehrere Impedanzsignale an die Verarbeitungsschaltung 50 zur Analyse bereitstellen, z. B. zur Analyse, um Atmungs- und Impedanzparameter, z. B. Impedanzbewertungen, zu bestimmen. In einigen Beispielen kann die Verarbeitungsschaltung 50 die Impedanzwerte, Impedanzbewertungsfaktoren (z. B. Fluidindizes, durchschnittliche Impedanzwerte, Referenzimpedanzwerte, Pufferwerte usw.) und Impedanzbewertungen in der Speichervorrichtung 56 speichern. Die Verarbeitungsschaltung 50 der IMD 10 und/oder die Verarbeitungsschaltung einer anderen Vorrichtung, die Daten von der IMD 10 abruft, können die Impedanzwerte analysieren, um einen diagnostischen Zustand des Impedanzparameters des subkutanen Gewebes zu bestimmen.
Die Kommunikationsschaltung 54 kann jede geeignete Hardware, Firmware, Software oder eine beliebige Kombination davon beinhalten, um mit einer anderen Vorrichtung zu kommunizieren, wie der externen Vorrichtung 12, einer anderen vernetzten Rechenvorrichtung oder einer anderen IMD oder Sensor. Unter der Steuerung der Verarbeitungsschaltung 50 kann die Kommunikationsschaltung 54 Downlink-Telemetrie von der externen Vorrichtung 12 oder einer anderen Vorrichtung mit Hilfe einer internen oder externen Antenne, z. B. Antenne 26, empfangen sowie Uplink-Telemetrie senden. Darüber hinaus kann die Verarbeitungsschaltung 50 mit einer vernetzten Rechenvorrichtung über eine externe Vorrichtung (z. B. die externe Vorrichtung 12) und ein Computernetzwerk, wie das Medtronic CareLink® Network, kommunizieren.
Die Antenne 26 und die Kommunikationsschaltung 54 können konfiguriert sein, um Signale über induktive Kopplung, elektromagnetische Kopplung, NFC-Technologien, HF-Kommunikation, Bluetooth®, Wi-Fi™ oder andere proprietäre oder nichtproprietäre drahtlose Kommunikationsschemata zu übertragen und/oder zu empfangen. In einigen Beispielen kann die Verarbeitungsschaltung 50 Daten, die über die Kommunikationsschaltung 54 an die externe Vorrichtung 12 hochzuleiten sind, und Steuersignale unter Verwendung eines Adress-/Datenbusses bereitstellen. In einem anderen Beispiel kann die Kommunikationsschaltung 54 empfangene Daten über einen Multiplexer an die Verarbeitungsschaltung 50 bereitstellen.
In einigen Beispielen kann die Verarbeitungsschaltung 50 Impedanzdaten an die externe Vorrichtung 12 oder den/die Datenserver 94 über die Kommunikationsschaltung 54 senden. Beispielsweise kann die IMD 10 von einer externen Vorrichtung 12 oder einem oder mehreren Datenservern 94 gesammelte Impedanzmessungen senden. Die externe Vorrichtung 12 und/oder der/die Datenserver 94 können dann diese Impedanzmessungen analysieren.
In einigen Beispielen beinhaltet die Speichervorrichtung 56 computerlesbare Anweisungen, die, wenn sie durch die Verarbeitungsschaltung 50 ausgeführt werden, bewirken, dass die IMD 10 und die Verarbeitungsschaltung 50 verschiedene Funktionen durchführen, die der IMD 10 und der Verarbeitungsschaltung 50 hierin zugeschrieben werden. Die Speichervorrichtung 56 kann beliebige flüchtige, nichtflüchtige, magnetische, optische oder elektrische Medien beinhalten. Beispielsweise kann die Speichervorrichtung 56 einen Direktzugriffsspeicher (RAM), einen Nur-Lese-Speicher (ROM), einen nichtflüchtigen RAM (NVRAM), einen elektrisch löschbaren programmierbaren ROM (EEPROM), einen löschbaren programmierbaren ROM (EPROM), einen Flash-Speicher, oder andere digitale Medien beinhalten. Die Speichervorrichtung 56 kann beispielsweise programmierte Werte für einen oder mehrere Betriebsparameter der IMD 10 und/oder von der IMD 10 gesammelte Daten zur Übertragung an eine andere Vorrichtung unter Verwendung der Kommunikationsschaltung 54 speichern. Von der Speichervorrichtung 56 gespeicherte und von der Kommunikationsschaltung 54 an eine oder mehrere andere Vorrichtungen übertragene Daten können als Beispiele Impedanzwerte und/oder digitalisierte kardiologische EGMs beinhalten.
In einigen Beispielen können die Verarbeitungsschaltung, z. B. die Verarbeitungsschaltung 50 der IMD 10, die Verarbeitungsschaltung 80 der externen Vorrichtung 12 oder die Verarbeitungsschaltung 98 des/der Datenserver 94, RRs oder andere Atmungsparameter basierend auf der Analyse von Impedanzwerten bestimmen, die wie hierin beschrieben bestimmt wurden, jedoch in einigen Fällen mit einer höheren Rate abgetastet wurden als zum Erkennen von Änderungen des Fluidstatus von Patient 4. Beispielsweise kann die Verarbeitungsschaltung 50 (oder die Verarbeitungsschaltung einer anderen Vorrichtung) eine beliebige einer Vielzahl von Techniken einsetzen, um die Frequenz, die Periode dazwischen oder die Größe von Fluktuationen der Impedanzwerte, die mit der Atmung des Patienten 4 assoziiert sind, zu erkennen. In einigen Beispielen kann die Verarbeitungsschaltung 50 Impedanzmessungen steuern, um zu bestimmen, dass Atmungsparameter auftreten, wenn bestimmte Bedingungen erfüllt sind, z. B. die Tageszeit, wie die Nacht, oder das Aktivitätsniveau oder die Haltung des Patienten.
In einigen Beispielen können die Verarbeitungsschaltung z. B. die Verarbeitungsschaltung 50 der IMD 10, die Verarbeitungsschaltung 80 der externen Vorrichtung 12 oder die Verarbeitungsschaltung 98 des/der Datenserver 94, einen Impedanzwert basierend auf auslösenden Ereignissen bestimmen, die ein Impedanzereignis des subkutanen Gewebes von Patient 4 anzeigen. Beispielsweise kann die Verarbeitungsschaltung 98 die Impedanzbewertung als Reaktion auf eine erste Gruppe von einem oder mehreren auslösenden Ereignissen um einen ersten Wert erhöhen. In einigen Beispielen kann die Verarbeitungsschaltung 98 die Impedanzbewertung als Reaktion auf eine zweite Gruppe von einem oder mehreren auslösenden Ereignissen um einen zweiten Wert erhöhen. Der erste Wert kann in einigen Beispielen die Impedanzbewertung um einen Punkt erhöhen, während der zweite Wert in einigen Beispielen die Impedanzbewertung um zwei Punkte erhöhen kann. Andere Punktwerte können verwendet werden, die größer oder kleiner als der erste Wert oder der zweite Wert sind. In einigen Beispielen kann die Verarbeitungsschaltung 98 während einer einzelnen Iteration des Bewertungszyklus mehrere auslösende Ereignisse erkennen, wobei in diesem Fall eine Summe von Werten auf die Impedanzbewertung angewendet werden kann. Beispielsweise kann die Verarbeitungsschaltung 98 die Impedanzbewertung um vier Punkte erhöhen, wenn die Verarbeitungsschaltung 98 bestimmt, dass zwei auslösende Ereignisse vorhanden sind, wobei ein auslösendes Ereignis einem Zweipunkt-Inkrementalwert entspricht und ein anderes auslösendes Ereignis ebenso einem Zweipunkt-Inkrementalwert entspricht. In einigen Beispielen kann die Verarbeitungsschaltung 98 eine Gesamtimpedanzbewertung zwischen einem Wert von 0 am niedrigen Ende und 7 am hohen Ende bestimmen, wie hierin erörtert.
In einigen Beispielen können die Verarbeitungsschaltung, z. B. die Verarbeitungsschaltung 50 der IMD 10, die Verarbeitungsschaltung 80 der externen Vorrichtung 12 oder die Verarbeitungsschaltung 98 des/der Datenserver 94, einen diagnostischen Zustand basierend auf der Impedanzbewertung bestimmen. Beispielsweise kann die Verarbeitungsschaltung 98 die Impedanzbewertung periodisch mit einer oder mehreren Risikoschwellen vergleichen. Beispielsweise kann die Verarbeitungsschaltung 98 einen Vergleich der Impedanzbewertung mit den Risikoschwellen jeden Tag zur gleichen Zeit (z. B. am Ende des Tages) durchführen. In einigen Beispielen kann die Verarbeitungsschaltung 98 den diagnostischen Zustand jeden Tag in mehreren Intervallen bestimmen. In noch einem anderen Beispiel kann die Verarbeitungsschaltung 98 den diagnostischen Zustand in längeren Intervallen bestimmen, wie einmal pro Woche oder einmal alle zwei Wochen.
In einigen Beispielen kann die Verarbeitungsschaltung 98 einen diagnostischen Zustand als einen Herzinsuffizienz-Risikostatus bestimmen. Der Risikostatus kann als niedrig, mittel, hoch usw. bestimmt werden. In einigen Beispielen kann die Verarbeitungsschaltung 98 eine andere Anzahl von Risikokategorien verwenden, wie einschließlich einer Kategorie für sehr hohes Risiko in einigen Fällen oder sehr niedriges Risiko. Außerdem kann die Verarbeitungsschaltung 98 bestimmte Kategorien, wie die Kategorie mit mittlerem Risiko, nicht beinhalten und stattdessen nur Kategorien mit niedrigem und hohem Risiko überwachen. In einigen Beispielen kann die Verarbeitungsschaltung 98 die Impedanzbewertung mit Risikoschwellen vergleichen, um einen diagnostischen Zustand für den Impedanzparameter des subkutanen Gewebes zu bestimmen.
In einem nicht einschränkenden Beispiel kann die Verarbeitungsschaltung 98 diagnostische Zustände für den Impedanzparameter des subkutanen Gewebes wie folgt bestimmen: niedriges Risiko, wenn die Impedanzbewertung 0 ist, mittleres Risiko, wenn die Impedanzbewertung größer oder gleich 1, jedoch kleiner oder gleich 6 ist, und hoch, wenn die Impedanzbewertung größer oder gleich 7 ist. Risikoschwellen können basierend auf Optimierungsüberlegungen eingestellt werden (z. B. programmierbar durch einen Benutzer) und können auf den spezifischen Werten basieren, die verwendet werden, um Fluidindexwerte zu bestimmen.
In einigen Beispielen kann die Verarbeitungsschaltung z. B. die Verarbeitungsschaltung 50 der IMD 10, die Verarbeitungsschaltung 80 der externen Vorrichtung 12 oder die Verarbeitungsschaltung 98 des/der Datenserver 94, die Erfüllung von Folgendem bestimmen: einer Bewertungsschwelle und/oder einer Impedanzschwelle in Bezug auf ein oder mehrere Zeitfenster. Beispielsweise kann die Verarbeitungsschaltung 98 die Impedanzbewertung als Reaktion darauf modifizieren, dass der eine oder die mehreren Fluidindexwerte eine oder mehrere Bewertungsschwellen erfüllen, für Folgendes erfüllen: einen vorbestimmten Zeitraum und einer vorbestimmten Häufigkeit (z. B. Anzahl von Tagen usw.). In einem veranschaulichenden Beispiel kann die Verarbeitungsschaltung 98 die Impedanzbewertung um einen Punktwert (z. B. einen 1-Punkt-Wert) als Reaktion darauf erhöhen, dass die folgenden beispielhaften Bedingungen (z. B. Bewertungsschwellen) in Bezug auf den ersten Zeitraum erfüllt sind: (1) die Fluidindexwerte in den letzten 30 Tage waren für einen oder mehrere Tage größer oder gleich der adaptiven Schwelle (multipliziert mit 0,6); (2) die Fluidindexwerte in den letzten 30 Tagen waren für einen oder mehrere Tage größer oder gleich der adaptiven Schwelle (multipliziert mit 1,7); oder (3) die Fluidindexwerte in den letzten 30 Tagen waren für einen oder mehrere Tage größer oder gleich der adaptiven Schwelle (multipliziert mit 3,2). In diesem Beispiel bestimmte die Verarbeitungsschaltung 98 die Gewichtungsfaktoren als 0,6, 1,7 und 3,2. In diesem Beispiel beträgt der erste Zeitraum die letzten 30 Tage. Wie hierin erörtert, können jedoch die Zeiträume und die Gewichtungsfaktoren beispielsweise in Abhängigkeit von Besonderheiten variieren, die den Patienten 4 betreffen.
In einem anderen Beispiel kann die Verarbeitungsschaltung 98 auch die Impedanzbewertung um einen Punktwert von mehr als eins (z. B. zwei Punkte) als Reaktion darauf erhöhen, dass die durchschnittliche Impedanz eine Impedanzwertschwelle erfüllt und der Fluidindex Bewertungsschwellen erfüllt. In einigen Beispielen kann die Verarbeitungsschaltung 98 die Impedanzbewertung als Reaktion darauf modifizieren, dass der durchschnittliche Impedanzwert eine Impedanzwertschwelle erfüllt. Der Impedanzwertschwellenwert kann in einigen Beispielen kleiner oder gleich ungefähr 600 Ohm oder ein anderer vergleichbarer Ohmwert sein.
Beispielsweise kann die Verarbeitungsschaltung 98 die Impedanzbewertung um zwei Punkte als Reaktion darauf erhöhen, dass die folgenden Beispielbedingungen (z. B. Bewertungsschwellen und Impedanzwertschwellen) in Bezug auf den ersten Zeitraum erfüllt werden: (1) die Fluidindexwerte in den letzten 30 Tagen waren größer als oder gleich der adaptiven Schwelle (multipliziert mit 1,5) für 24 oder mehr Tage; oder (2) die durchschnittliche Impedanz in den letzten 30 Tagen war kleiner oder gleich ungefähr 600 Ohm. Für die erste Bedingung können die 24 oder mehr Tage aufeinanderfolgende Tage sein oder können stattdessen 24 kumulierte Tage sein. Für die durchschnittliche Impedanz kann sich die durchschnittliche Impedanz der letzten 30 Tage auf eine Reihe von täglichen durchschnittlichen Impedanzen in den letzten 30 Tagen beziehen. In einigen Beispielen kann sich die durchschnittliche Impedanz in den letzten 30 Tagen auf einen einzelnen Durchschnitt der im Verlauf der Zeit gemessenen Impedanzwerte beziehen. In einem anderen Beispiel kann sich die durchschnittliche Impedanz auf einen einzelnen Durchschnitt der im Verlauf der Zeit bestimmten täglichen durchschnittlichen Impedanzwerte beziehen.
In einigen Beispielen kann die Verarbeitungsschaltung 98 eine Impedanzbewertung erneut bestimmen oder modifizieren, wenn die Fluidindexwerte während des zweiten Zeitraums die adaptive Schwelle multipliziert mit den entsprechenden Gewichtungsfaktoren erfüllen. Außerdem kann die Verarbeitungsschaltung 98 eine Impedanzbewertung erneut bestimmen oder modifizieren, wenn die durchschnittliche Impedanz eine Impedanzschwelle während des zweiten Zeitraums erfüllt.
In einem veranschaulichenden Beispiel kann die Verarbeitungsschaltung 98 die Impedanzbewertung um einen Punktwert gleich eins als Reaktion darauf erhöhen, dass die folgenden beispielhaften Bedingungen in Bezug auf den zweiten Zeitraum erfüllt sind: (1) die Fluidindexwerte in den letzten sieben Tage waren für einen oder mehrere Tage größer oder gleich der adaptiven Schwelle (multipliziert mit 0,6); (2) die Fluidindexwerte in den letzten sieben Tagen waren für einen oder mehrere Tage größer oder gleich der adaptiven Schwelle (multipliziert mit 1,7); oder (3) die Fluidindexwerte in den letzten sieben Tagen waren für sieben oder mehrere Tage größer oder gleich der adaptiven Schwelle (multipliziert mit 1,5).
In diesem Beispiel bestimmte die IMD 10 die Gewichtungsfaktoren als 0,6, 1,7 und 1,5. In diesem Beispiel beinhaltet der zweite Zeitraum die letzten sieben Tage. Wie hierin erörtert, können jedoch die Zeiträume und die Gewichtungsfaktoren beispielsweise in Abhängigkeit von Besonderheiten variieren, die den Patienten 4 betreffen. Außerdem können für die letzte Bedingung die 7 oder mehr Tage aufeinanderfolgende Tage sein oder können stattdessen 7 kumulative Tage sein.
In einem anderen Beispiel kann die IMD 10 auch die Impedanzbewertung um einen Punktwert größer als eins (z. B. zwei Punkte) als Reaktion darauf erhöhen, dass andere beispielhafte Bedingungen in Bezug auf den zweiten Zeitraum erfüllt sind: (1) die Fluidindexwerte in den letzten sieben Tagen waren für einen oder mehrere Tage größer oder gleich der adaptiven Schwelle (multipliziert mit 3,2); oder (2) die durchschnittliche Impedanz in den letzten sieben Tagen war kleiner oder gleich ungefähr 600 Ohm. Für die durchschnittliche Impedanz kann sich die durchschnittliche Impedanz der letzten 7 Tage auf eine Reihe von täglichen durchschnittlichen Impedanzen in den letzten 7 Tagen beziehen. In einigen Beispielen kann sich die durchschnittliche Impedanz in den letzten 7 Tagen auf einen einzelnen Durchschnitt der im Verlauf der Zeit gemessenen Impedanzwerte beziehen. In einem anderen Beispiel kann sich die durchschnittliche Impedanz auf einen einzelnen Durchschnitt der im Verlauf der Zeit bestimmten täglichen durchschnittlichen Impedanzwerte beziehen.
In einigen Beispielen, in denen Überschneidungen zwischen Bedingungen existieren, würde nur der höhere Punktwert zu der Impedanzbewertung addiert, um jegliche sich verstärkende Auswirkungen auf die Modifikation der Impedanzbewertung zu vermeiden. In Übereinstimmung mit dem vorstehend beschriebenen Beispiel, in dem zwei Bedingungen erfüllt sind (z. B. war die durchschnittliche Impedanz in den letzten 7 Tagen und in den letzten 30 Tagen größer oder gleich ungefähr 600 Ohm), kann der Impedanzwert nur um zwei und nicht um vier erhöht werden. In anderen Beispielen, in denen zwei Bedingungen erfüllt sind (z. B. war die durchschnittliche Impedanz in den letzten 7 Tagen und in den letzten 30 Tagen größer oder gleich ungefähr 600 Ohm), kann die IMD 10 die Impedanzbewertung basierend darauf erhöhen, dass beide Bedingungen erfüllt sind. Die Impedanzbewertung kann dann verwendet werden, um einen diagnostischen Zustand des physiologischen Parameters der Impedanz des subkutanen Gewebes zu bestimmen, um als einer der Beweisknoten 8 zu dienen.
Wie zuvor unter Bezugnahme auf die 4 und 5 angemerkt, können die vorstehenden Techniken zum Bestimmen einer Impedanzbewertung auch auf periodischer Basis durchgeführt werden. Beispielsweise können die Impedanzbewertungen gemäß einer Auflösungsparametereinstellung der Verarbeitungsschaltung 50 bestimmt werden (z. B. dem Auflösungsparameter, der verwendet wird, um eine Frequenz zu signalisieren, bei der die Elektroden 16 nach Impedanzmessungen abtasten sollten). In anderen Beispielen kann die Impedanzbewertung unabhängig vom Auflösungsparameter berechnet werden, was beispielsweise für die Bestimmung des Fluidindex und/oder die Referenzimpedanzwertbestimmung gelten kann, jedoch nicht für die Impedanzbewertungsbestimmung. Beispielsweise kann die Verarbeitungsschaltung 50 die Impedanzbewertungen jeden Tag in mehreren Zeitintervallen berechnen (z. B. einmal morgens, einmal nachmittags, einmal abends, einmal nach den Mahlzeiten usw.). In einigen Beispielen kann die Verarbeitungsschaltung 50 die Impedanzbewertung einmal am Tag, jede Woche, alle zwei Wochen, jeden Monat usw. berechnen. In einigen Beispielen kann die Verarbeitungsschaltung 50 auch die Impedanzbewertung als Reaktion auf einen Benutzerbefehl (z. B. von einem Arzt, von einer Benutzerschnittstelle) oder als Reaktion auf die Erfüllung einer anderen Bedingung (z. B. basierend auf dem Aktivitätsniveau oder anderen physiologischen Parametern) berechnen. Beispielsweise kann die Verarbeitungsschaltung 50 die Impedanzbewertung auf einer Basis pro Messung bestimmen, wie auf einer Basis einer Indexbestimmung pro Fluidindex oder auf einer Basis einer Impedanzmessung. Ein Fachmann sollte erkennen, dass verschiedene Zeiträume existieren können, in denen die IMD 10, der/die Datenserver 94 oder die externe Vorrichtung 12 Impedanzbewertungen übertragen, Impedanzbewertungen empfangen, Fluidindexwerte empfangen und/oder auf andere Weise Impedanzbewertungen für die anschließende Analyse berechnen können.
9 ist ein konzeptionelles Seitenansichtsdiagramm, das eine beispielhafte Konfiguration einer IMD veranschaulicht, wie der IMD 10, die unter Bezugnahme auf die 7 und 8 beschrieben wurde. Das konzeptionelle Seitenansichtsdiagramm veranschaulicht eine Muskelschicht 20 und eine Hautschicht 18 (z. B. Dermisschicht, Epidermisschicht). Der Bereich zwischen Muskelschicht 20 und Hautschicht 18 beinhaltet den subkutanen Raum 22. Der subkutane Raum beinhaltet Blutgefäße 24, wie Kapillaren, Arterien oder Venen, und interstitielles Fluid im Interstitium 28 des subkutanen Raums 22. Der subkutane Raum 22 weist interstitielles Fluid auf, das sich üblicherweise zwischen der Haut 18 und der Muskelschicht 20 befindet. Der subkutane Raum 22 kann interstitielles Fluid beinhalten, das die Blutgefäße 24 umgibt. Beispielsweise umgibt interstitielles Fluid Kapillaren und ermöglicht den Durchgang von Kapillarelementen (z. B. Nährstoffen) zwischen den verschiedenen Schichten eines Körpers durch das Interstitium 28.
In dem in 9 gezeigten Beispiel kann die IMD 10 eine leitungslose, subkutan implantierbare Überwachungsvorrichtung mit einem Gehäuse 15 und einer isolierenden Abdeckung 76 beinhalten. Elektroden 16 können auf einer Außenoberfläche der Abdeckung 76 ausgebildet oder platziert sein. Obwohl das veranschaulichte Beispiel drei Elektroden 16 beinhaltet, können IMDs, die mehr oder weniger als drei Elektroden 16 beinhalten oder mit diesen gekoppelt sind, in einigen Beispielen die Techniken dieser Offenbarung implementieren. In einigen Beispielen können die Elektroden 16 alle innerhalb einer einzigen Schicht angeordnet sein, wie im subkutanen Raum 22 und in Berührung mit dem interstitiellen Fluid im subkutanen Raum 22.
Die Schaltungen 50-62 können auf einer Innenoberfläche der Abdeckung 76 oder innerhalb des Gehäuses 15 ausgebildet oder platziert sein. In dem veranschaulichten Beispiel ist die Antenne 26 auf der Innenoberfläche der Abdeckung 76 ausgebildet oder platziert, kann jedoch in einigen Beispielen auf der Außenoberfläche ausgebildet oder platziert sein. In einigen Beispielen können einer oder mehrere der Sensoren 62 auf der Außenoberfläche der Abdeckung 76 ausgebildet oder platziert sein. In einigen Beispielen kann die isolierende Abdeckung 76 über einem offenen Gehäuse 15 derart positioniert sein, dass das Gehäuse 15 und die Abdeckung 76 die Antenne 26 und die Schaltungen 50-62 umschließen und die Antenne 26 und die Schaltungen vor Fluiden wie interstitiellen Fluiden oder anderen Körperfluiden schützen.
Eine oder mehrere Antenne(n) 26 oder Schaltungen 50-62 können auf der Innenseite der isolierenden Abdeckung 76 ausgebildet sein, wie unter Verwendung von Flip-Chip-Technologie. Die isolierende Abdeckung 76 kann auf ein Gehäuse 15 geklappt werden. Wenn sie geklappt und auf das Gehäuse 15 platziert wird, können die Komponenten der IMD 10, die auf der Innenseite der isolierenden Abdeckung 76 ausgebildet sind, in einem Spalt 78 positioniert werden, der durch das Gehäuse 15 definiert wird. Die Elektroden 16 können durch eine oder mehrere Durchkontaktierungen (nicht gezeigt) elektrisch mit der Schaltschaltung 58 verbunden sein, die durch die isolierende Abdeckung 76 ausgebildet sind. Die isolierende Abdeckung 76 kann aus Saphir (d. h. Korund), Glas, Parylen und/oder jedem anderen geeigneten isolierenden Material ausgebildet sein. Das Gehäuse 15 kann aus Titan oder einem anderen geeigneten Material (z. B. einem biokompatiblen Material) ausgebildet sein. Die Elektroden 16 können aus Edelstahl, Titan, Platin, Iridium oder Legierungen davon ausgebildet sein. Außerdem können die Elektroden 16 mit einem Material wie Titannitrid oder fraktalem Titannitrid beschichtet sein, obwohl andere geeignete Materialien und Beschichtungen für solche Elektroden verwendet werden können.
Unter Bezugnahme auf 10 kann/können der/die Datenserver 94 die Eintrittswahrscheinlichkeitsbewertung oder Risikobewertung für den Patienten 4 aus dem Eintrittswahrscheinlichkeitsmodell 19 bestimmen oder empfangen (1002). In einigen Beispielen kann die Eintrittswahrscheinlichkeitsbewertung eine diskrete Risikokategorisierung beinhalten. Beispielsweise kann die Verarbeitungsschaltung 98 die Eintrittswahrscheinlichkeitsbewertung mit wenigstens einer Risikoschwelle vergleichen. In einigen Beispielen kann die Verarbeitungsschaltung 98 solche Vergleiche auf täglicher, wöchentlicher, monatlicher Basis usw. mit oder ohne Echtzeitwarnungen und/oder - benachrichtigungen durchführen. Die Risikoschwellen können diskrete Risikokategorisierungen beinhalten, wie über 20 % = hohes Risiko, über 5 % = mittleres Risiko und unter 5 % = geringes Risiko. Somit kann die Verarbeitungsschaltung 98 basierend auf dem Vergleich der Eintrittswahrscheinlichkeitsbewertung mit wenigstens einer Risikoschwelle eine diskrete Risikokategorisierung (z. B. hohes Risiko) aus mehreren diskreten Risikokategorisierungen bestimmen. Als solche beinhaltet eine Risikobewertung entweder die Eintrittswahrscheinlichkeitsbewertung oder die Risikokategorisierung basierend auf einer Risikoschwellenbestimmung.
In einigen Beispielen kann/können der/die Datenserver 94 die Eintrittswahrscheinlichkeitsbewertung oder Risikobewertung des Patienten 4 empfangen (1002). In einigen Beispielen können der/die Datenserver 94 die Eintrittswahrscheinlichkeitsbewertung (>20 %) oder die Risikobewertung (hohes Risiko) bestimmen. Der/die Datenserver 94 können Anweisungen für einen medizinischen Eingriff basierend auf der Eintrittswahrscheinlichkeitsbewertung oder Risikobewertung des Patienten 4 bestimmen (1004). Wenn beispielsweise die Eintrittswahrscheinlichkeitsbewertung größer als eine Hochrisikoschwelle ist, können der/die Datenserver 94 Anweisungen für einen medizinischen Eingriff basierend auf der Hochrisikobestimmung bestimmen. In anderen Beispielen können der/die Datenserver 94 unterschiedliche Anweisungen für unterschiedliche Risikoniveaus oder -kategorien bestimmen. Beispielsweise können der/die Datenserver 94 einen ersten Satz von Anweisungen für einen Patienten mit hohem Risiko und einen zweiten Satz von Anweisungen für einen Patienten mit mittlerem Risiko bestimmen. In einigen Beispielen bestimmen der/die Datenserver 94 möglicherweise keine Anweisungen für einen Patienten mit geringem Risiko (z. B. eine Eintrittswahrscheinlichkeitsbewertung von weniger als 20 %). In einigen Beispielen kann/können der/die Datenserver 94 eine Warnmeldung erzeugen oder einen hörbaren oder fühlbaren Alarm ertönen lassen, der die HochrisikoBestimmung anzeigt. In einem Beispiel kann die Warnung Text- oder Grafikinformationen beinhalten, die die Eintrittswahrscheinlichkeitsbewertung an eine interessierte Partei kommunizieren. Außerdem können der/die Datenserver 94 Informationen bezüglich der Risikobestimmung bereitstellen, wie eine Zusammenfassung oder einen ausführlichen Bericht der Warnung. In einem nicht einschränkenden Beispiel können die Informationen angeben, dass die Verarbeitungsschaltung 98 basierend auf Impedanzbewertungen, hoher RR und neu einsetzendem AF ein hohes Fluid bestimmt hat, jedoch dass NHR und HRV als normal angezeigt wurden, wobei die Aktivität im OK-Bereich liegt. In einigen Beispielen kann die externe Vorrichtung 12 eine visuelle Lichtanzeige bereitstellen, wie ein rotes Licht für hohes Risiko oder ein gelbes Licht für mittleres Risiko emittieren. Die Warnung kann ein mögliches oder vorhergesagtes Dekompensationsereignis der Herzinsuffizienz anzeigen, das wahrscheinlich innerhalb eines vorbestimmten Zeitraums auftritt.
Im Allgemeinen besteht eine Ursache für eine HF-Krankenhauseinweisung (HFH) in einer Volumenüberladung, bei der der Körper eines Patienten eine überschüssige Menge an Fluid zurückhält. In solchen Fällen besteht die primäre HF-Managementstrategie darin, das überschüssige Fluidvolumen unter Verwendung einer Diuretika- und/oder Vasodilatator- oder Nitrattherapie zu kontrollieren. Darüber hinaus können ACE-Hemmer, die den Blutdruck kontrollieren, und β-Blocker, die die Herzfrequenz kontrollieren, die Mortalität bei HI-Patienten reduzieren. Als solche kann die A-posteriori-Eintrittswahrscheinlichkeit 25 anzeigen, wie viel Therapie verabreicht werden sollte. Beispielsweise kann eine medizinische Vorrichtung 17 konfiguriert sein, um eine Therapie zu liefern, und/oder der/die Datenserver 94 kann/können konfiguriert sein, um eine Therapieanweisung basierend auf einer A-posteriori-Eintrittswahrscheinlichkeit 25 bereitzustellen, die eine bestimmte Risikoschwelle erfüllt. Die A-posteriori-Eintrittswahrscheinlichkeit 25 kann einen Prozentsatz (z. B. 20 %) oder einen Dezimalwert (0,2) oder eine Eintrittswahrscheinlichkeitsbewertung (z. B. hoch, mittel, niedrig; Eingriff, leichter Eingriff, kein Eingriff; etc.) beinhalten, die aus dem Prozentsatz oder Dezimalwert bestimmt wird. In einigen Beispielen kann die A-posteriori-Eintrittswahrscheinlichkeit 25 eine Eintrittswahrscheinlichkeitsverteilung beinhalten, wie eine Gaußsche Verteilung, wobei die Verarbeitungsschaltung 98 einen Wahrscheinlichkeitsprozentsatz, einen Dezimalwert oder eine Eintrittswahrscheinlichkeitsbewertung aus der Eintrittswahrscheinlichkeitsverteilung bestimmen kann.
In einigen Beispielen kann/können der/die Datenserver 94 die Anweisungen für einen medizinischen Eingriff an eine Benutzerschnittstelle übertragen (1006). In anderen Beispielen kann/können der/die Datenserver 94 die Anweisungen an eine Vorrichtung eines Pflegers, wie einen Pager, übertragen. In Beispielen, in denen die IMD 10 die Anweisungen basierend auf einer Eintrittswahrscheinlichkeitsbewertung erzeugt, kann die Verarbeitungsschaltung 50 die Anweisungen für einen medizinischen Eingriff an eine Benutzerschnittstelle übertragen. Die Anweisungen können die Eintrittswahrscheinlichkeitsbewertung beinhalten oder können die diagnostischen Zustände beinhalten, die bei dem Bestimmen der Eintrittswahrscheinlichkeitsbewertung berücksichtigt wurden. In einigen Fällen muss ein Arzt oder Pfleger die diagnostischen Zustände möglicherweise nicht kennen und möchte möglicherweise nur die aus den diagnostischen Zuständen bestimmte Eintrittswahrscheinlichkeitsbewertung empfangen oder umgekehrt. In jedem Fall kann die Verarbeitungsschaltung die Eintrittswahrscheinlichkeitsbewertung periodisch oder halbperiodisch mit wenigstens einer Risikoschwelle vergleichen. In einigen Beispielen können medizinische Eingriffstechniken bewertet werden oder kann die Verarbeitungsschaltung, z. B. die Verarbeitungsschaltung 50 der IMD 10, die Verarbeitungsschaltung 80 der externen Vorrichtung 12 oder die Verarbeitungsschaltung 98 des/der Datenserver 94, Anpassungen der Patientenbehandlung in Übereinstimmung mit bestimmten Techniken bereitstellen, die in der gemeinsam übertragenen U.S.-Anmeldung Nr. 15/402,839 von Sharma et al. mit dem Titel „MEDICAL SYSTEM FOR SEAMLESS THERAPY ADJUSTMENT“, eingereicht am 10. Januar 2017, beschrieben sind.
Es wurden verschiedene Beispiele beschrieben. Der Durchschnittsfachmann wird jedoch erkennen, dass verschiedene Modifikationen an den beschriebenen Beispielen vorgenommen werden können, ohne vom Umfang der Ansprüche abzuweichen. Beispielsweise können zusätzliche physiologische Parameter in Betracht gezogen werden, um Eintrittswahrscheinlichkeitsbewertungen einer Verschlechterung einer Herzinsuffizienz oder anderer unerwünschter Gesundheitsereignisse zu bestimmen. Beispiele für andere physiologische Parameter sind in den gemeinsam übertragenen U.S.-Anmeldungen Nr. 12/184,149 und 12/184,003 von Sarkar et al. mit dem Titel „USING MULTIPLE DIAGNOSTIC PARAMETERS FOR PREDICTING HEART FAILURE EVENTS“, und „DETECTING WORSENING HEART FAILURE BASED ON IMPEDANCE MEASUREMENTS“, beide eingereicht am 31. Juli 2008, beschrieben. Veranschaulichende Beispiele dieser Offenbarung beinhalten:

Beispiel 1: System zum Überwachen von Gesundheitsereignissen, wobei das System Folgendes beinhaltet: eine implantierbare medizinische Vorrichtung (IMD), die mehrere Elektroden beinhaltet und für eine subkutane Implantation in einen Patienten konfiguriert ist, wobei die IMD konfiguriert ist, um eine oder mehrere Impedanzmessungen des subkutanen Gewebes über die Elektroden zu bestimmen; und eine Verarbeitungsschaltung, die mit der einen oder den mehreren Speichervorrichtungen gekoppelt ist und für Folgendes konfiguriert ist: Bestimmen jeweils eines oder mehrerer Werte für jeden von mehreren physiologischen Parametern, wobei die mehreren physiologischen Parameter einen oder mehrere Impedanzparameter des subkutanen Gewebes beinhalten, die aus der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes bestimmt werden, Identifizieren eines diagnostischen Zustands für jeden der physiologischen Parameter basierend auf den jeweiligen Werten, wobei die diagnostischen Zustände mehrere Beweisknoten für ein Eintrittswahrscheinlichkeitsmodell definieren, und Bestimmen aus dem Eintrittswahrscheinlichkeitsmodell einer Eintrittswahrscheinlichkeitsbewertung, die eine Wahrscheinlichkeit anzeigt, dass der Patient (a) ein unerwünschtes Gesundheitsereignis erleidet oder (b) das unerwünschte Gesundheitsereignis wahrscheinlich innerhalb eines vorbestimmten Zeitraums auftritt.
Beispiel 2: System nach Beispiel 1, wobei die Verarbeitungsschaltung ferner für Folgendes konfiguriert ist: Auswählen eines einzelnen diagnostischen Zustands für jeden Beweisknoten aus wenigstens drei möglichen diagnostischen Zuständen.
Beispiel 3: System nach einem der Beispiele 1 oder 2, wobei der vorbestimmte Zeitraum wenigstens ungefähr 7 Tage relativ zu dem Zeitpunkt beträgt, zu dem die Eintrittswahrscheinlichkeitsbewertung bestimmt wird.
Beispiel 4: System nach einem oder mehreren der Beispiele 1 bis 3, wobei die bestimmten Werte der physiologischen Parameter einem vorhergehenden Zeitrahmen in Bezug darauf entsprechen, wann die Eintrittswahrscheinlichkeitsbewertung bestimmt wird.
Beispiel 5: System gemäß Beispiel 4, wobei der vorhergehende Zeitrahmen ungefähr 30 Tage relativ zu dem Zeitpunkt beträgt, zu dem die Eintrittswahrscheinlichkeitsbewertung bestimmt wird.
Beispiel 6: System nach einem der Beispiele 4 oder 5, wobei der vorbestimmte Zeitraum und der vorhergehende Zeitrahmen denselben Zeitraum relativ zu dem Zeitpunkt beinhalten, an dem die Eintrittswahrscheinlichkeitsbewertung bestimmt wird.
Beispiel 7: System nach einem oder mehreren der Beispiele 1 bis einschließlich 6, wobei der eine oder die mehreren Impedanzparameter des subkutanen Gewebes eine Impedanzbewertung des subkutanen Gewebes beinhalten.
Beispiel 8: System nach einem oder mehreren der Beispiele 1 bis einschließlich 7, wobei die physiologischen Parameter Werte beinhalten, die Folgendem entsprechen: Herzfrequenzvariabilität (HRV), Nachtherzfrequenz (NHR), Patientenaktivität (ACT), Vorhofflimmern (AF), R-Zacken-Amplitude, Herztöne und/oder ventrikulärer Frequenz.
Beispiel 9: System nach einem oder mehreren der Beispiele 1 bis einschließlich 8, wobei die physiologischen Parameter Werte beinhalten, die Folgendem entsprechen: Atemanstrengung, Temperatur, kurzfristiger HRV, chronotroper Inkompetenz, natriuretischem Peptid vom B-Typ (BNP), Nierenfunktionsstörung, Blutdruck, Körperhaltung, Haltungsänderung, Haltungsänderungszählung, Hustenparameter, Tagesaktivität, Nachtaktivität, Zählung des Aufstehens aus dem Bett und/oder Beschleunigungsmesserdatenwerte.
Beispiel 10: System nach einem oder mehreren der Beispiele 1 bis einschließlich 9, wobei die physiologischen Parameter wenigstens einen Wert beinhalten, der einer Atmungsfrequenz (RR) des Patienten entspricht.
Beispiel 11: System nach Beispiel 10, wobei die Verarbeitungsschaltung für Folgendes konfiguriert ist: Identifizieren einer periodischen Änderung der Impedanz des subkutanen Gewebes basierend auf der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes; und Bestimmen basierend auf der periodischen Variation der Impedanz des subkutanen Gewebes der RR des Patienten.
Beispiel 12: System nach einem oder mehreren der Beispiele 1 bis einschließlich 11, wobei die Verarbeitungsschaltung für Folgendes konfiguriert ist: Identifizieren mehrerer physiologischer Parametermerkmale basierend auf dem jeweiligen einen oder mehreren Werten für jeden physiologischen Parameter, wobei die Merkmale konfiguriert sind, um bei Analyse eine gleiche Anzahl möglicher diagnostischer Zustände für jeden physiologischen Parameter zu ergeben; und Identifizieren aus den möglichen diagnostischen Zuständen des diagnostischen Zustands für jeden der physiologischen Parameter.
Beispiel 13: System nach einem oder mehreren der Beispiele 1 bis einschließlich 12, wobei die Verarbeitungsschaltung für Folgendes konfiguriert ist: Identifizieren mehrerer physiologischer Parametermerkmale aus dem jeweiligen einen oder den mehreren Werten für jeden physiologischen Parameter, der Amplitude außerhalb von Werten im normalen Bereich und zeitlicher Veränderungen; und Identifizieren der Beweisknoten wenigstens teilweise basierend auf den mehreren physiologischen Parametermerkmalen.
Beispiel 14: System nach einem oder mehreren der Beispiele 1 bis einschließlich 13, wobei das Eintrittswahrscheinlichkeitsmodell ein Bayessches Netzwerk (z. B. ein BBN usw.) darstellt, das wenigstens zwei Nachfolgerknoten und einen Vorgängerknoten beinhaltet. Beispiel 15: System nach einem oder mehreren der Beispiele 1 bis einschließlich 14, wobei die Verarbeitungsschaltung für Folgendes konfiguriert ist: Bestimmen einer Eingabe in einen ersten Nachfolgerknoten der mehreren Beweisknoten basierend auf dem jeweiligen einen oder mehreren Werten des einen oder der mehreren Impedanzparameter des subkutanen Gewebes; und Bestimmen einer Eingabe in einen zweiten Nachfolgerknoten der mehreren Beweisknoten basierend auf einer Kombination aus einem oder mehreren Werten, die ein Ausmaß von Vorhofflimmern (AF) bei dem Patienten während eines Zeitraums angeben, und einem oder mehreren Werten, die eine ventrikuläre Frequenz während des Zeitraums angeben.
Beispiel 16: System nach einem oder mehreren der Beispiele 1 bis einschließlich 15, wobei die Verarbeitungsschaltung ferner für Folgendes konfiguriert ist: Bestimmen aus den mehreren physiologischen Parametern von: einem A-priori-Eintrittswahrscheinlichkeitswert und/oder einem bedingten Wahrscheinlichkeitsparameter; Beinhalten von: dem A-priori-Eintrittswahrscheinlichkeitswert und/oder dem bedingten Wahrscheinlichkeitsparameter als Eingabe in das Eintrittswahrscheinlichkeitsmodell, wenn die Eintrittswahrscheinlichkeitsbewertung bestimmt wird.
Beispiel 17: System nach Beispiel 16, wobei das Eintrittswahrscheinlichkeitsmodell ausgedrückt wird als:
- $P (d, e_{1}, \dots e_{N}) = P (d) Π_{i = 1}^{N} P (e_{i} | d),$
  wobei P(d) den A-priori-Eintrittswahrscheinlichkeitswert darstellt, P(e_i|d) den bedingten Wahrscheinlichkeitsparameter darstellt, d einen Vorgängerknoten darstellt, und
- e₁-e_N die Beweisknoten darstellen.
Beispiel 18: System nach einem oder mehreren der Beispiele 1 bis einschließlich 17, wobei die Eintrittswahrscheinlichkeitsbewertung Folgendes beinhaltet: eine gemeinsame Eintrittswahrscheinlichkeitsverteilung und/oder eine diskrete Risikokategorisierung.
Beispiel 19: System nach einem oder mehreren der Beispiele 1 bis einschließlich 18, wobei die Eintrittswahrscheinlichkeitsbewertung die Eintrittswahrscheinlichkeit angibt, dass ein Ereignis zur Verschlechterung der Herzinsuffizienz innerhalb des vorbestimmten Zeitrahmens auftritt.
Beispiel 20: System nach einem oder mehreren der Beispiele 1 bis einschließlich 19, wobei die Verarbeitungsschaltung ferner für Folgendeskonfiguriert ist: Erzeugen einer Warnung als Reaktion darauf, dass die Eintrittswahrscheinlichkeitsbewertung eine Risikoschwelle erfüllt. Beispiel 21: System nach einem oder mehreren der Beispiele 1 bis einschließlich 20, wobei die Verarbeitungsschaltung ferner für Folgendes konfiguriert ist: Vergleichen der Eintrittswahrscheinlichkeitsbewertung mit wenigstens einer Risikoschwelle; und Bestimmen basierend auf dem Vergleich einer von mehreren diskreten Risikokategorisierungen. Beispiel 22: System nach einem oder mehreren der Beispiele 1 bis einschließlich 21, wobei die Verarbeitungsschaltung ferner für Folgendes konfiguriert ist: Übertragen der Eintrittswahrscheinlichkeitsbewertung an eine andere Vorrichtung.
Beispiel 23: System nach einem oder mehreren der Beispiele 1 bis einschließlich 22, wobei die Verarbeitungsschaltung ferner für Folgendes konfiguriert ist: Empfangen der mehreren physiologischen Parameter von einer anderen Vorrichtung.
Beispiel 24: System nach einem oder mehreren der Beispiele 1 bis einschließlich 23, wobei die Verarbeitungsschaltung ferner für Folgendes konfiguriert ist: Empfangen des einen oder der mehreren Impedanzparameter des subkutanen Gewebes von einer anderen Vorrichtung. Beispiel 25: System nach einem oder mehreren der Beispiele 1 bis einschließlich 24, wobei die Verarbeitungsschaltung ferner für Folgendes konfiguriert ist: Bestimmen für jeden der mehreren physiologischen Parameter des jeweiligen einen oder der mehreren Werte, die bei verschiedenen Frequenzen bestimmt wurden; Bestimmen der diagnostischen Zustände unter Verwendung des jeweiligen einen oder der mehreren Werte; und Speichern von Folgendem in einer Speichervorrichtung: den jeweiligen einen oder die mehreren Werte und/oder die Eintrittswahrscheinlichkeitsbewertung.
Beispiel 26: System nach einem oder mehreren der Beispiele 1 bis einschließlich 25, wobei die Verarbeitungsschaltung ferner für Folgendes konfiguriert ist: Identifizieren eines Auftretens fehlender Daten, wobei die fehlenden Daten einem bestimmten physiologischen Parameter entsprechen; Bestimmen eines Ausmaßes, in dem die Daten für den physiologischen Parameter fehlen; und Bestimmen, ob der physiologische Parameter verwendet werden soll, wenn die Eintrittswahrscheinlichkeitsbewertung basierend auf dem Ausmaß, in dem die Daten fehlen, bestimmt wird.
Beispiel 27: Verfahren, Folgendes beinhaltend: Bestimmen jeweils eines oder mehrerer Werte für jeden von mehreren physiologischen Parametern, wobei die mehreren physiologischen Parameter einen oder mehrere Impedanzparameter des subkutanen Gewebes beinhalten, die aus der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes bestimmt werden, Identifizieren eines diagnostischen Zustands für jeden der physiologischen Parameter basierend auf den jeweiligen Werten, wobei die diagnostischen Zustände mehrere Beweisknoten für ein Eintrittswahrscheinlichkeitsmodell definieren, und Bestimmen aus dem Eintrittswahrscheinlichkeitsmodell einer Eintrittswahrscheinlichkeitsbewertung, die eine Wahrscheinlichkeit anzeigt, dass der Patient (a) ein unerwünschtes Gesundheitsereignis erleidet oder (b) das unerwünschte Gesundheitsereignis wahrscheinlich innerhalb eines vorbestimmten Zeitraums auftritt.
Beispiel 28: Verfahren gemäß Beispiel 27, das ferner Folgendes beinhaltet: Auswählen eines einzelnen diagnostischen Zustands für jeden Beweisknoten aus wenigstens drei möglichen diagnostischen Zuständen.
Beispiel 29: Verfahren nach einem der Beispiele 27 oder 28, wobei der vorbestimmte Zeitraum wenigstens ungefähr 7 Tage relativ zu dem Zeitpunkt beträgt, zu dem die Eintrittswahrscheinlichkeitsbewertung bestimmt wird.
Beispiel 30: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 29, wobei die bestimmten Werte der physiologischen Parameter einem vorhergehenden Zeitrahmen in Bezug darauf entsprechen, wann die Eintrittswahrscheinlichkeitsbewertung bestimmt wird.
Beispiel 31: Verfahren nach Beispiel 30, wobei der vorhergehende Zeitrahmen ungefähr 30 Tage relativ zu dem Zeitpunkt beträgt, zu dem die Eintrittswahrscheinlichkeitsbewertung bestimmt wird.
Beispiel 32: Verfahren nach einem der Beispiele 30 oder 31, wobei der vorbestimmte Zeitraum und der vorhergehende Zeitrahmen denselben Zeitraum relativ zu dem Zeitpunkt beinhalten, an dem die Eintrittswahrscheinlichkeitsbewertung bestimmt wird.
Beispiel 33: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 32, wobei der eine oder die mehreren Impedanzparameter des subkutanen Gewebes eine Impedanzbewertung des subkutanen Gewebes beinhalten.
Beispiel 34: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 33, wobei die physiologischen Parameter Werte beinhalten, die Folgendem entsprechen: Herzfrequenzvariabilität (HRV), Nachtherzfrequenz (NHR), Patientenaktivität (ACT), Vorhofflimmern (AF), R-Zacken-Amplitude, Herztöne und/oder ventrikulärer Frequenz.
Beispiel 35: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 34, wobei die physiologischen Parameter Werte beinhalten, die Folgendem entsprechen: Atemanstrengung, Temperatur, kurzfristiger HRV, R-Zacken-Amplitude, chronotroper Inkompetenz, natriuretischem Peptid vom B-Typ (BNP), Nierenfunktionsstörung, Blutdruck, Körperhaltung, Haltungsänderung, Haltungsänderungszählung, Hustenparameter, Tagesaktivität, Nachtaktivität, Zählung des Aufstehens aus dem Bett und/oder Beschleunigungsmesserdatenwerte.
Beispiel 36: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 35, wobei die physiologischen Parameter wenigstens einen Wert beinhalten, der einer Atmungsfrequenz (RR) des Patienten entspricht.
Beispiel 37: Verfahren nach Beispiel 36, ferner Folgendes beinhaltend: Identifizieren einer periodischen Änderung der Impedanz des subkutanen Gewebes basierend auf der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes; und Bestimmen basierend auf der periodischen Variation der Impedanz des subkutanen Gewebes der RR des Patienten.
Beispiel 38: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 37, ferner Folgendes beinhaltend: Identifizieren mehrerer physiologischer Parametermerkmale basierend auf dem jeweiligen einen oder mehreren Werten für jeden physiologischen Parameter, wobei die Merkmale konfiguriert sind, um bei Analyse eine gleiche Anzahl möglicher diagnostischer Zustände für jeden physiologischen Parameter zu ergeben; und Identifizieren aus den möglichen diagnostischen Zuständen des diagnostischen Zustands für jeden der physiologischen Parameter.
Beispiel 39: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 38, ferner Folgendes beinhaltend: Identifizieren mehrerer physiologischer Parametermerkmale aus dem jeweiligen einen oder den mehreren Werten für jeden physiologischen Parameter, der Amplitude außerhalb von Werten im normalen Bereich und zeitlicher Veränderungen; und Identifizieren der Beweisknoten wenigstens teilweise basierend auf den mehreren physiologischen Parametermerkmalen.
Beispiel 40: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 39, wobei das Eintrittswahrscheinlichkeitsmodell ein Bayessches Netzwerk (z. B. ein BBN usw.) darstellt, das wenigstens zwei Nachfolgerknoten und einen Vorgängerknoten beinhaltet.
Beispiel 41: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 40, ferner Folgendes umfassend: Bestimmen einer Eingabe in einen ersten Nachfolgerknoten der mehreren Beweisknoten basierend auf dem jeweiligen einen oder mehreren Werten des einen oder der mehreren Impedanzparameter des subkutanen Gewebes; und Bestimmen einer Eingabe in einen zweiten Nachfolgerknoten der mehreren Beweisknoten basierend auf einer Kombination aus einem oder mehreren Werten, die ein Ausmaß von Vorhofflimmern (AF) bei dem Patienten während eines Zeitraums angeben, und einem oder mehreren Werten, die eine ventrikuläre Frequenz während des Zeitraums angeben.
Beispiel 42: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 41, ferner Folgendes beinhaltend: Bestimmen aus den mehreren physiologischen Parametern von: einem A-priori-Eintrittswahrscheinlichkeitswert und/oder einem bedingten Wahrscheinlichkeitsparameter; Beinhalten von: dem A-priori-Eintrittswahrscheinlichkeitswert und/oder dem bedingten Wahrscheinlichkeitsparameter als Eingabe in das Eintrittswahrscheinlichkeitsmodell, wenn die Eintrittswahrscheinlichkeitsbewertung bestimmt wird.
Beispiel 43: Verfahren nach Beispiel 42, wobei das Eintrittswahrscheinlichkeitsmodell ausgedrückt wird als: $P (d, e_{1}, \dots e_{N}) = P (d) Π_{i = 1}^{N} P (e_{1} | d),$
wobei P(d) den vorherigen Eintrittswahrscheinlichkeitswert darstellt, P(e_i|d) den bedingten Wahrscheinlichkeitsparameter darstellt, d einen Vorgängerknoten darstellt, und e₁-e_N die Beweisknoten darstellen.
Beispiel 44: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 43, wobei die Eintrittswahrscheinlichkeitsbewertung Folgendes beinhaltet: eine gemeinsame Eintrittswahrscheinlichkeitsverteilung und/oder eine diskrete Risikokategorisierung.
Beispiel 45: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 44, wobei die Eintrittswahrscheinlichkeitsbewertung die Eintrittswahrscheinlichkeit angibt, dass ein Ereignis zur Verschlechterung der Herzinsuffizienz innerhalb des vorbestimmten Zeitrahmens auftritt.
Beispiel 46: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 45, wobei die Verarbeitungsschaltung ferner für Folgendeskonfiguriert ist: Erzeugen einer Warnung als Reaktion darauf, dass die Eintrittswahrscheinlichkeitsbewertung eine Risikoschwelle erfüllt.
Beispiel 47: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 46, ferner Folgendes beinhaltend: Vergleichen der Eintrittswahrscheinlichkeitsbewertung mit wenigstens einer Risikoschwelle; und Bestimmen basierend auf dem Vergleich einer von mehreren diskreten Risikokategorisierungen.
Beispiel 48: Verfahren gemäß einem oder mehreren der Beispiele 27 bis einschließlich 47, ferner Folgendes beinhaltend: Übertragen der Eintrittswahrscheinlichkeitsbewertung an eine andere Vorrichtung.
Beispiel 49: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 48, ferner Folgendes beinhaltend: Empfangen der mehreren physiologischen Parameter von einer anderen Vorrichtung.
Beispiel 50: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 49, ferner Folgendes beinhaltend: Empfangen des einen oder der mehreren Impedanzparameter des subkutanen Gewebes von einer anderen Vorrichtung.
Beispiel 51: Verfahren nach einem oder mehreren der Beispiele 27 bis einschließlich 50, ferner Folgendes beinhaltend: Bestimmen für jeden der mehreren physiologischen Parameter des jeweiligen einen oder der mehreren Werte, die bei verschiedenen Frequenzen bestimmt wurden; Bestimmen der diagnostischen Zustände unter Verwendung des jeweiligen einen oder der mehreren Werte; und Speichern von Folgendem in einer Speichervorrichtung: den jeweiligen einen oder die mehreren Werte und/oder die Eintrittswahrscheinlichkeitsbewertung.
Beispiel 52: Nichtflüchtiges computerlesbares Speichermedium mit darauf gespeicherten Anweisungen, die, wenn sie ausgeführt werden, einen oder mehrere Prozessoren zu wenigstens Folgendem zu veranlassen: Bestimmen jeweils eines oder mehrerer Werte für jeden von mehreren physiologischen Parametern, wobei die mehreren physiologischen Parameter einen oder mehrere Impedanzparameter des subkutanen Gewebes beinhalten, die aus der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes bestimmt werden; Identifizieren eines diagnostischen Zustands für jeden der physiologischen Parameter basierend auf den jeweiligen Werten, wobei die diagnostischen Zustände mehrere Beweisknoten für ein Eintrittswahrscheinlichkeitsmodell definieren; und Bestimmen aus dem Eintrittswahrscheinlichkeitsmodell einer Eintrittswahrscheinlichkeitsbewertung, die eine Wahrscheinlichkeit anzeigt, dass der Patient (a) ein unerwünschtes Gesundheitsereignis erleidet oder (b) das unerwünschte Gesundheitsereignis wahrscheinlich innerhalb eines vorbestimmten Zeitraums auftritt.

Die in dieser Offenlegung beschriebenen Techniken können wenigstens teilweise in Hardware, Software, Firmware oder einer beliebigen Kombination davon implementiert sein. Beispielsweise können verschiedene Aspekte der Techniken in einem/einer oder mehreren Mikroprozessoren, DSPs, ASICs, FPGAs oder jeder anderen äquivalenten integrierten oder diskreten Logik-QRS-Schaltung (wie im QRS-Komplex) sowie in beliebigen Kombinationen solcher Komponenten in externen Vorrichtungen, wie Arzt- oder Patientenprogrammiervorrichtungen, Stimulatoren oder anderen Vorrichtungen implementiert werden. Die Begriffe „Prozessor“ und „Verarbeitungsschaltung“ können sich allgemein auf jede der vorstehenden Logikschaltungen allein oder in Kombination mit anderen Logikschaltungen oder auf jede andere äquivalente Schaltung und allein oder in Kombination mit anderen digitalen oder analogen Schaltungen beziehen.
Für Aspekte, die in Software implementiert sind, können wenigstens einige der Funktionalitäten, die den in dieser Offenbarung beschriebenen Systemen und Vorrichtungen zugeschrieben werden, als Anweisungen auf einem computerlesbaren Speichermedium wie RAM, ROM, NVRAM, DRAM, SRAM, Flash-Speicher, Magnetplatten, optische Platten, Flash-Speicher oder Formen von EPROM oder EEPROM ausgeführt werden. Die Anweisungen können ausgeführt werden, um einen oder mehrere Aspekte der in dieser Offenbarung beschriebenen Funktionalität zu unterstützen.
Darüber hinaus kann die hierin beschriebene Funktionalität in einigen Aspekten in dedizierten Hardware- und/oder Softwaremodulen bereitgestellt werden. Die Darstellung unterschiedlicher Merkmale als Module oder Einheiten soll unterschiedliche funktionale Aspekte hervorheben und bedeutet nicht zwingend, dass solche Module oder Einheiten durch separate Hardware- oder Softwarekomponenten realisiert werden müssen. Vielmehr kann eine mit einem oder mehreren Modulen oder einer oder mehreren Einheiten assoziierte Funktionalität durch separate Hardware- oder Softwarekomponenten ausgeführt oder in gemeinsame oder separate Hardware- oder Softwarekomponenten integriert werden. Darüber hinaus könnten die Techniken vollständig in einer oder mehreren Schaltungen oder Logikelementen implementiert werden. Die Techniken dieser Offenbarung können in einer großen Vielzahl von Vorrichtungen oder Einrichtungen implementiert werden, einschließlich einer IMD oder einer anderen medizinischen Vorrichtung, einem externen Programmierer, einer Kombination aus einer medizinischen Vorrichtung und einem externen Programmierer, einer integrierten Schaltung (IC) oder einem Satz von ICs und/oder diskrete elektrische Schaltungen, die sich in einer medizinischen Vorrichtung und/oder einem externen Programmierer befinden.
Obwohl in erster Linie unter Bezugnahme auf Beispiele beschrieben, die eine Eintrittswahrscheinlichkeitsbewertung bereitstellen, um eine sich verschlechternde Herzinsuffizienz anzuzeigen, können darüber hinaus andere Beispiele zusätzlich oder alternativ automatisch eine Therapie als Reaktion darauf, dass die Eintrittswahrscheinlichkeitsbewertung eine vorbestimmte Schwelle überschreitet, modifizieren. Die Therapie kann beispielsweise eine durch eine implantierbare Pumpe abgegebene Substanz, eine kardiale Resynchronisationstherapie, eine Stimulation der Refraktärzeit oder eine kardiale Potenzierungstherapie sein. Diese und andere Beispiele fallen in den Umfang der folgenden Ansprüche.
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

US 16/450250 [0010, 0072]
US 13/391376 [0031, 0113]
US 13391376 [0031, 0113]
US 12/872552 [0150]
US 15/402839 [0178]
US 12/184149 [0179]
US 12184003 [0179]

Claims

System zum Überwachen von Gesundheitsereignissen, wobei das System Folgendes umfasst: eine implantierbare medizinische Vorrichtung (IMD), die mehrere Elektroden umfasst und zur subkutanen Implantation in einen Patienten konfiguriert ist, wobei die IMD konfiguriert ist, um eine oder mehrere Impedanzmessungen des subkutanen Gewebes über die Elektroden zu bestimmen; und Verarbeitungsschaltungen, die mit der einen oder den mehreren Speichervorrichtungen gekoppelt sind und für Folgendes konfiguriert sind: Bestimmen eines jeweiligen Wertes oder mehrerer Werte für jeden von mehreren physiologischen Parametern, wobei die mehreren physiologischen Parameter einen oder mehrere Impedanzparameter des subkutanen Gewebes beinhalten, die aus der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes bestimmt werden; Identifizieren eines diagnostischen Zustands für jeden der physiologischen Parameter basierend auf den jeweiligen Werten, wobei die diagnostischen Zustände mehrere Beweisknoten für ein Eintrittswahrscheinlichkeitsmodell definieren; und Bestimmen aus dem Eintrittswahrscheinlichkeitsmodell einer Eintrittswahrscheinlichkeitsbewertung, die eine Wahrscheinlichkeit angibt, dass der Patient (a) ein unerwünschtes Gesundheitsereignis erfährt oder (b) wahrscheinlich das unerwünschte Gesundheitsereignis innerhalb eines vorbestimmten Zeitraums erfährt.
System nach Anspruch 1, wobei die bestimmten Werte der physiologischen Parameter einem vorhergehenden Zeitrahmen in Bezug darauf entsprechen, wann die Eintrittswahrscheinlichkeitsbewertung bestimmt wird.
System nach Anspruch 1, wobei die physiologischen Parameter Werte beinhalten, die Folgendem entsprechen: Herzfrequenzvariabilität (HRV), Nachtherzfrequenz (NHR), Patientenaktivität (ACT), Vorhofflimmern (AF), R-Zacken-Amplitude, Herztöne und/oder ventrikulärer Frequenz.
System nach Anspruch 1, wobei die Verarbeitungsschaltung für Folgendes konfiguriert ist: Identifizieren aus dem jeweiligen einen oder mehreren Werten für jeden physiologischen Parameter mehrerer physiologischer Parametermerkmale, die Amplitude, Werte außerhalb des normalen Bereichs und zeitliche Änderungen codieren; und Identifizieren der Beweisknoten basierend wenigstens teilweise auf den mehreren physiologischen Parametermerkmalen.
System nach Anspruch 1, wobei das Eintrittswahrscheinlichkeitsmodell ein Bayessches Netzwerk ist, das wenigstens zwei Nachfolgerknoten und einen Vorgängerknoten umfasst.
System nach Anspruch 1, wobei die Verarbeitungsschaltung für Folgendes konfiguriert ist: Bestimmen einer Eingabe in einen ersten Nachfolgerknoten der mehreren Beweisknoten basierend auf dem jeweiligen einen oder mehreren Werten des einen oder der mehreren Impedanzparameter des subkutanen Gewebes; und Bestimmen einer Eingabe in einen zweiten Nachfolgerknoten der mehreren Beweisknoten basierend auf einer Kombination aus einem oder mehreren Werten, die ein Ausmaß von Vorhofflimmern (AF) bei dem Patienten während eines Zeitraums angeben, und einem oder mehreren Werten, die eine ventrikuläre Frequenz während des Zeitraums angeben.
System nach Anspruch 1, wobei das Eintrittswahrscheinlichkeitsmodell ausgedrückt wird als: $P (d, e_{1}, \dots e_{N}) = P (d) Π_{i = 1}^{N} P (e_{i} | d),$
wobei P(d) einen A-priori-Eintrittswahrscheinlichkeitswert umfasst, P(e_i|d) einen bedingten Wahrscheinlichkeitsparameter umfasst, d einen Vorgängerknoten umfasst, und e₁-e_N die Beweisknoten umfassen.
System nach Anspruch 1, wobei die Verarbeitungsschaltung ferner für Folgendes konfiguriert ist: Vergleichen der Eintrittswahrscheinlichkeitsbewertung mit wenigstens einer Risikoschwelle; und Bestimmen einer von mehreren diskreten Risikokategorisierungen basierend auf dem Vergleich.
System nach Anspruch 1, wobei die Verarbeitungsschaltung ferner für Folgendes konfiguriert ist: Identifizieren eines Auftretens fehlender Daten, wobei die fehlenden Daten einem bestimmten physiologischen Parameter entsprechen; Bestimmen eines Ausmaßes, in dem die Daten für den physiologischen Parameter fehlen; und Bestimmen, ob der physiologische Parameter bei der Bestimmung der Eintrittswahrscheinlichkeitsbewertung basierend auf dem Ausmaß, in dem die Daten fehlen, verwendet werden soll.
Nichtflüchtiges computerlesbares Speichermedium, das darauf gespeicherte Anweisungen aufweist, die bei Ausführung einen oder mehrere Prozessoren zu Folgendem veranlassen: Bestimmen eines jeweiligen Wertes oder mehrerer Werte für jeden von mehreren physiologischen Parametern, wobei die mehreren physiologischen Parameter einen oder mehrere Impedanzparameter des subkutanen Gewebes beinhalten, die aus der einen oder den mehreren Impedanzmessungen des subkutanen Gewebes identifiziert werden; Identifizieren eines diagnostischen Zustands für jeden der physiologischen Parameter basierend auf den jeweiligen Werten, wobei die diagnostischen Zustände mehrere Beweisknoten für ein Eintrittswahrscheinlichkeitsmodell definieren; und Bestimmen aus dem Eintrittswahrscheinlichkeitsmodell einer Eintrittswahrscheinlichkeitsbewertung, die eine Wahrscheinlichkeit angibt, dass der Patient (a) ein unerwünschtes Gesundheitsereignis erfährt oder (b) wahrscheinlich das unerwünschte Gesundheitsereignis innerhalb eines vorbestimmten Zeitraums erfährt.