ES2908089T3 - Seguimiento y análisis de resultados clínicos - Google Patents

Seguimiento y análisis de resultados clínicos Download PDF

Info

Publication number
ES2908089T3
ES2908089T3 ES14851827T ES14851827T ES2908089T3 ES 2908089 T3 ES2908089 T3 ES 2908089T3 ES 14851827 T ES14851827 T ES 14851827T ES 14851827 T ES14851827 T ES 14851827T ES 2908089 T3 ES2908089 T3 ES 2908089T3
Authority
ES
Spain
Prior art keywords
patients
variables
disease
patient
computer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES14851827T
Other languages
English (en)
Inventor
Andrew Pecora
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
COTA Inc
Original Assignee
COTA Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by COTA Inc filed Critical COTA Inc
Application granted granted Critical
Publication of ES2908089T3 publication Critical patent/ES2908089T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Pathology (AREA)
  • Software Systems (AREA)
  • Bioethics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

Un procedimiento implementado por ordenador para el seguimiento y análisis de resultados clínicos usando un módulo de seguimiento y análisis de resultados clínicos (220), comprendiendo el procedimiento implementado por ordenador: la recepción, a partir de un dispositivo de cliente operado por un usuario, de uno o más parámetros para clasificar una pluralidad de registros de datos de paciente, cada registro de datos incluyendo datos asociados con una enfermedad y datos asociados con un paciente que actualmente tiene la enfermedad o un paciente que previamente tenía la enfermedad, donde la enfermedad es un cáncer; en respuesta a la recepción, la clasificación de la pluralidad de registros de datos de paciente en función de los uno o más parámetros para proporcionar un conjunto clasificado de registros de datos de paciente; la creación de una pluralidad de nodos (455) como un conjunto de variables (440, 445, 450), que son variables de clasificación y son variables preseleccionadas, que se aplican para filtrar además los registros de datos clasificados, donde los nodos (455) se representan como direcciones nodales que indican valores de las variables, y donde el conjunto de variables (440, 445, 450) es seleccionado por expertos en el campo pertinente con el fin de dividir los registros de datos de paciente en resultados clínicamente relevantes; la asignación de una dirección nodal a cada registro de datos de paciente usando una capa de clasificación del módulo de seguimiento y análisis de resultados clínicos (220), definiendo la dirección nodal valores para el conjunto de variables (440, 445, 450) en el registro de datos de paciente, donde la dirección nodal se representa como una pluralidad de cadenas de dígitos, representando cada una de la pluralidad de cadenas de dígitos un valor de uno del conjunto de variables (440, 445, 450), y donde el conjunto de variables (440, 445, 450) incluye una enfermedad particular, un tipo de enfermedad, un subtipo de enfermedad y un fenotipo; la aplicación de la dirección nodal que indica los valores para el conjunto de variables (440, 445, 450) al conjunto clasificado de registros de datos de paciente para filtrar los registros de datos de paciente en función de las direcciones nodales asignadas para determinar un conjunto clínicamente relevante de registros de datos de paciente como el conjunto ordenado y clasificado de registros de datos de paciente que satisfacen los valores para el conjunto de variables (440, 445, 450), identificando de esta manera un conjunto de pacientes clínicamente relevantes que satisfacen los valores para el conjunto de variables preseleccionadas incorporadas en la dirección nodal que permite a un usuario comparar específicamente pacientes similares con pacientes similares durante un análisis de resultados minimizando el impacto de la variabilidad biológica en el análisis de un resultado; el análisis del conjunto clínicamente relevante de registros de datos de paciente para el conjunto de pacientes clínicamente relevantes, incluyendo la comparación de resultados clínicos entre pacientes; y la transmisión de una comunicación en función del análisis, incluyendo la comunicación una alerta (2010) que incluye una comparación entre los resultados clínicos para los pacientes tratados por diferentes médicos, entre los resultados clínicos para los pacientes de un médico y toda la población de pacientes, o entre los resultados clínicos para los pacientes de un médico y todos los médicos en un lugar particular para mostrar hacia dónde tiende el tratamiento y si se desvía para los pacientes de un médico particular, donde la transmisión está destinada a un usuario para efectuar un tratamiento o para reducir una variabilidad del tratamiento mientras se realiza un resultado clínico previsto.

Description

DESCRIPCIÓN
Seguimiento y análisis de resultados clínicos
Esta solicitud reivindica el beneficio de prioridad sobre la solicitud provisional estadounidense n.° 61/888.418 (depositada el 8 de octubre de 2013).
CAMPO
La presente descripción se refiere al tratamiento de pacientes que tienen una enfermedad y, más específicamente, al seguimiento y análisis de resultados clínicos.
ANTECEDENTES
A medida que la población general vive mucho más tiempo, los costes médicos asociados con el envejecimiento de la población aumentan. Los costes asociados con enfermedades, tales como el cáncer, suelen ser enormes. Por ejemplo, se prevé que los costes del cáncer sean el área de mayor crecimiento en el gasto de atención médica sin una mejora acorde a los resultados. Aproximadamente 125 mil millones de $ se gastaron en 2010 en atención del cáncer solo en los Estados Unidos, y se estima que aproximadamente entre 15-30 % del gasto puede clasificarse como "desperdicio". Las técnicas convencionales para controlar los costes, tales como las estrategias clínicas y la gestión de la enfermedad, suelen ser ineficaces, pero no hay alternativas de calidad que existan actualmente en el mercado de hoy en día.
El documento US 2013/226612 A1 describe procedimientos y sistemas para generar un objeto de caso basado en la evidencia que proporciona un pronóstico a un paciente en puntos de decisión médica mediante la integración de evidencia clínica de pacientes que tienen características clínicas similares. Sin embargo, esta enseñanza no considera una generación de una pluralidad de nodos, con cada nodo correspondiendo a una combinación diferente de valores para una pluralidad de variables pertinentes a una enfermedad particular y con cada nodo representado como una dirección nodal que incluye una pluralidad de cadenas de dígitos separadas por puntos.
El documento US 2009/204430 A1 describe un sistema para implementar y llevar a cabo estudios médicos para producir resultados médicos que se pueden usar para tratar a los pacientes que actualmente participan en el estudio.
El documento US 2012/053425 A1 describe procedimientos y sistemas para caracterizar los resultados clínicos de un sujeto.
El documento US 2008/033894 A1 describe un modelo predictivo para predecir el resultado (por ejemplo, capacidad de supervivencia, recurrencia, eficacia, y/o efectos secundarios) en función de un tratamiento o curso de acción propuesto.
A medida que continúan produciéndose avances en la tecnología y medicina, la ciencia y la práctica clínica de la atención en las enfermedades (tales como el cáncer) evolucionan rápidamente. A menudo, los profesionales de la medicina (por ejemplo, los oncólogos) tienen dificultades para mantenerse al día con estos avances.
Estos avances, tales como la secuenciación genética de próxima generación, suelen ser complejos y pueden presentar problemas importantes para los planes de salud y los profesionales de la medicina. Como resultado, los planes de salud probablemente necesitarán más herramientas y apoyo para gestionar su negocio médico (por ejemplo, oncología). De manera similar, los profesionales de la medicina (por ejemplo, médicos) necesitarán más herramientas de apoyo a la toma de decisiones para practicar la mejor medicina y mantenerse en el negocio.
RESUMEN
Como se describe en esta invención, un módulo de seguimiento y análisis de resultados clínicos (COTA) es una herramienta, por ejemplo, para permitir que los profesionales de la medicina y/u otros usuarios practiquen una mejor medicina, gestionen mejor y localicen información específica asociada con una enfermedad y/o paciente, y faciliten un mejor control de los costes. La invención se define por la reivindicación independiente 1. Las realizaciones preferidas se definen por las reivindicaciones dependientes. Además, se detallan otros aspectos para facilitar la comprensión de la invención.
BREVE DESCRIPCIÓN DE LOS DIBUJOS
En las figuras de los dibujos, que no están a escala, y donde los números de referencia similares indican elementos similares a lo largo de varias vistas:
La Fig. 1 ilustra un diagrama de bloques de un ejemplo de algunas de las presiones en el mercado de la oncología y algunas soluciones potenciales;
La Fig. 2 ilustra un diagrama de bloques de un ordenador servidor que se comunica con un ordenador de usuario a través de una red para proporcionar un módulo de seguimiento y análisis de resultados clínicos (COTA) al ordenador de usuario de acuerdo con la presente descripción;
La Fig. 3 es un diagrama de bloques que ilustra varias funciones proporcionadas por el módulo de COTA de acuerdo con la presente descripción;
La Fig. 4A es un diagrama de bloques que ilustra el uso del módulo de COTA para clasificar datos asociados con pacientes con cáncer de colon de acuerdo con la presente descripción;
La Fig. 4B es un diagrama de flujo del módulo de COTA que clasifica datos a través de la creación de nodos específicos de acuerdo con la presente descripción;
La Fig. 4C es un diagrama de bloques que ilustra un gráfico dirigido para determinar una cadena de dígitos que representa características fenotípicas para el direccionamiento nodal de acuerdo con la presente descripción; La Fig. 5 es un diagrama de flujo que ilustra etapas realizadas por el módulo de COTA de acuerdo con la presente descripción;
La Fig. 6 ilustra un diagrama de flujo del módulo de COTA que transmite alertas en respuesta a activadores de acuerdo con la presente descripción;
La Fig. 7 es una representación gráfica que ilustra un dispositivo móvil que organiza alertas recibidas de acuerdo con la presente descripción;
La Fig. 8 muestra una representación gráfica de la incidencia de la enfermedad por subtipo de cáncer de acuerdo con la presente descripción;
La Fig. 9 es una representación gráfica de una búsqueda refinada por variables introducidas en el módulo de COTA de acuerdo con una realización de la presente descripción;
La Fig. 10 muestra un listado de una pluralidad de variables pertinentes a una enfermedad particular de acuerdo con la presente descripción;
La Fig. 11 muestra una representación gráfica que incluye curvas de Kaplan Meier en tiempo real con intervalos de confianza para cánceres de páncreas de acuerdo con la presente descripción;
La Fig. 12 es una representación gráfica que muestra las curvas de Kaplan Meier por evolución de la enfermedad de acuerdo con la presente descripción;
La Fig. 13 es una representación gráfica de la evaluación comparativa en tiempo real de los resultados entre dos partes de acuerdo con la presente descripción;
La Fig. 14 es una realización gráfica de un informe de costes de acuerdo con la presente descripción;
Las Figs. 15A y 15B son representaciones gráficas de una interfaz de tratamiento de acuerdo con la presente divulgación;
La Fig. 16 es una representación gráfica de una pantalla de resultados de acuerdo con la presente descripción; La Fig. 17 es una realización gráfica de una pantalla de informe de detalles de tratamiento de acuerdo con la presente descripción;
La Fig. 18 es una representación gráfica de una pantalla de análisis que compara la toxicidad y el coste de acuerdo con la presente descripción;
La Fig. 19 es una representación gráfica de una pantalla de análisis que compara la terapia y la calidad de vida de acuerdo con la presente descripción;
La Fig. 20 es un diagrama de flujo de soporte por retroalimentación proporcionado a un profesional médico de acuerdo con la presente descripción;
Las Figs. 21-23 muestran ejemplos de representaciones gráficas para diferentes tipos de diagnóstico de acuerdo con la presente descripción;
La Fig. 24 muestra una representación gráfica que ilustra la generación y clasificación de datos del módulo de COTA para oncología de mama - histología de cáncer de mama del año 2008 al año 2013 con carcinoma ductal invasivo de acuerdo con la presente descripción;
La Fig. 25 muestra una representación gráfica que ilustra la generación y clasificación de datos del módulo de COTA para oncología de mama - grado y estadio del tumor de cáncer de mama del año 2008 al año 2013 de acuerdo con una realización de la presente descripción;
La Fig. 26 muestra una representación gráfica que ilustra la generación y clasificación de datos del módulo de COTA para cáncer de mama - estadio IIB del año 2008 al año 2013 de acuerdo con la presente descripción; La Fig. 27 muestra una representación gráfica que ilustra los resultados de supervivencia general para pacientes con cáncer de mama de acuerdo con la presente divulgación;
La Fig. 28 muestra una representación gráfica que ilustra los resultados para el cáncer de mama - una comparación entre dos partes de acuerdo con la presente descripción;
La Fig. 29 representa un ejemplo de un diagrama esquemático que ilustra un dispositivo de cliente de acuerdo con la presente divulgación; y
La Fig. 30 es un diagrama de bloques que ilustra una arquitectura interna de un ordenador de acuerdo con la presente descripción.
DESCRIPCIÓN DETALLADA
Las realizaciones y los ejemplos se examinan ahora con más detalle con referencia a los dibujos adjuntos a la presente solicitud. En los dibujos adjuntos, los elementos similares y/o correspondientes se mencionan con números de referencia similares.
En esta invención se describen diversas realizaciones y ejemplos; sin embargo, debe entenderse que los ejemplos descritos y las interfaces de usuario que se muestran son meramente ilustrativos de la descripción. Además, cada uno de los ejemplos proporcionados en relación con las diversas realizaciones y los ejemplos tiene por objeto ser ilustrativo y no restrictivo. Además, las figuras no están necesariamente a escala, algunas características pueden exagerarse para mostrar detalles de componentes particulares (y cualquier tamaño, material y detalles similares que se muestran en las figuras tienen por objeto ser ilustrativos y no restrictivos).
La presente invención se describe a continuación con referencia a diagramas de bloques e ilustraciones operativas de procedimientos y dispositivos para seleccionar y presentar medios relacionados con un tema específico. Se entiende que cada bloque de los diagramas de bloques o ilustraciones operativas, y las combinaciones de bloques en los diagramas de bloques o ilustraciones operativas, pueden implementarse por medio de hardware analógico o digital e instrucciones del programa de ordenador. Estas instrucciones del programa de ordenador se pueden proporcionar a un procesador de un ordenador de propósito general, ordenador de propósito especial, ASIC, u otro aparato de procesamiento de datos programable, de modo que las instrucciones, que se ejecutan a través del procesador del ordenador u otro aparato de procesamiento de datos programable, implementen las funciones/actos especificados en los diagramas de bloques o bloque o bloques operativos.
En algunas implementaciones alternativas, las funciones/actos mencionados en los bloques puede producirse fuera del orden mencionado en las ilustraciones operativas. Por ejemplo, dos bloques que se muestran en sucesión pueden, de hecho, ejecutarse sustancialmente al mismo tiempo o, aveces, los bloques pueden ejecutarse en el orden inverso, dependiendo de la funcionalidad/actos involucrados. Es más, los ejemplos de procedimientos presentados y descritos como diagramas de flujo en esta descripción se proporcionan a modo de ejemplo con el fin de proporcionar una comprensión más completa de la tecnología. Se contemplan ejemplos alternativos en los que se altera el orden de las diversas operaciones y en los que las suboperaciones descritas como parte de una operación mayor se realizan de forma independiente.
En general, la terminología puede entenderse, al menos en parte, a partir del uso en contexto. Por ejemplo, términos, tales como "y", "o" o "y/o," como se usa en esta invención, pueden incluir una variedad de significados que pueden depender al menos en parte del contexto en el que se usan dichos términos. Por lo general, "o" si se usa para asociar una lista, tal como A, B o C, pretende significar A, B y C, en este caso se usa en el sentido inclusivo, así como A, B o C, en este caso se usa en sentido exclusivo. Además, el término "uno o más" como se usa en esta invención, dependiendo al menos en parte del contexto, puede usarse para describir cualquier rasgo, estructura o característica en un sentido singular o puede usarse para describir combinaciones de rasgos, estructuras o características en un sentido plural. De manera similar, los términos, tales como "un", "una/o" o "el/la", nuevamente, pueden entenderse para expresar un uso singular o para expresar un uso plural, dependiendo al menos en parte del contexto. Además, el término "basado en" puede entenderse como no destinado necesariamente a expresar un conjunto exclusivo de factores y pude, en cambio, permitir la existencia de factores adicionales no necesariamente descritos expresamente, nuevamente, dependiendo al menos en parte del contexto.
La industria farmacéutica ha destinado la mayor parte de sus inversiones en investigación y desarrollo (I+D) a compuestos especializados, con la oncología como categoría principal. Por ejemplo, aproximadamente el 30-35 % de la cartera de productos en Fase 3 procede de la oncología. Estos compuestos son terapias especializadas altamente dirigidas basadas en los últimos avances científicos y probablemente requerirán un modelo comercial y de desarrollo diferente al que existe en hoy en día. Las estructuras actuales de las empresas farmacéuticas suelen ser ineficientes y es probable que no puedan soportar sus futuros productos.
Las empresas de diagnóstico que desarrollan nuevas pruebas complementarias de diagnóstico para terapias de nueva generación necesitarán nuevas formas de educar a los médicos y canales de ventas y distribución eficientes.
El modelo de reembolso en los EE. UU. probablemente cambiará de un modelo de tarifa por servicio a un modelo de pago basado en valor. La Ley de Atención Médica Asequible ha acelerado ciertos elementos de esto (por ejemplo, organizaciones de atención responsable (ACO) y modelos de hogares médicos centrados en el paciente (PCMHs) para la atención primaria) y existe una actividad de los pagadores para agrupar los pagos dentro de las especialidades (por ejemplo, ortopedia). Es probable que el modelo actual de pago de tarifa por servicio no sea sostenible para el gobierno, empleadores, otros pagadores, y/o para los médicos. Muchos oncólogos también encuentran insostenible la economía de un modelo de tarifa por servicio. Como se indicó anteriormente, es probable que el gobierno se dirija hacia modelos de pago basados en valor.
La Fig. 1 ilustra un diagrama de bloques de un ejemplo de algunas de las presiones, por ejemplo, en el mercado de la oncología y algunas soluciones potenciales. Los oncólogos 105 se enfrentan a presiones financieras, muchos no pueden continuar con sus modelos actuales y muchos buscan encontrar nuevas formas de apalancamiento. Las posibles soluciones oncológicas 110 incluyen agregación y nuevos modelos de pago, tales como paquetes. Las empresas farmacéuticas (que se muestran como "Farma") 115 suelen tener gran parte o la totalidad de su cartera de productos oncológicos como terapias altamente dirigidas. Adicionalmente, es probable que la era de los fármacos superventas haya terminado. Además, el modelo comercial del "viejo mundo" ya no encaja y puede ser demasiado costoso. Las posibles soluciones farmacéuticas 120 incluyen la identificación del paciente y el cambio de su modelo comercial. Los planes de salud 125 suelen tener una creciente necesidad de "gestionar" la oncología. También, no existen herramientas fiables o capacidades de realizar internamente esta gestión. Adicionalmente, es posible que los profesionales de la medicina, tales como los médicos, no acepten los planes de salud. Las posibles soluciones de planes de salud 130 incluyen nuevos modelos de pago (por ejemplo, paquetes) y control de costes.
La Fig. 2 ilustra un diagrama de bloques de un ordenador servidor 205 (también denominado en lo sucesivo servidor 205) que se comunica con un ordenador de usuario (también denominado dispositivo de cliente) 210 a través de la red 215 para proporcionar un módulo de seguimiento y análisis de resultados clínicos (COTA) 220 al ordenador del usuario 210. El servidor 205 puede generar y/o servir páginas web, por ejemplo, para ser visualizadas por un navegador (no mostrado) del ordenador de usuario 210 a través de la red 215, tal como Internet. El módulo de COTA 220 es una página web (o es parte de una página web) y, por lo tanto, un usuario del ordenador de usuario 210 accede a través de un navegador web. El módulo de COTA 220 es una aplicación de software, tal como una "aplicación" móvil, que se puede descargar al ordenador de usuario 210 desde el ordenador servidor 205. El módulo de COTA 220 proporciona una interfaz de usuario para habilitar la funcionalidad descrita en esta invención.
Un dispositivo informático, tal como el ordenador servidor 205 y el ordenador de usuario 210, puede ser capaz de enviar o recibir señales, tales como a través de una red cableada o inalámbrica, o puede ser capaz de procesar o almacenar señales, tales como en la memoria como estados físicos de memoria. Los dispositivos capaces de operar como un servidor pueden incluir, como ejemplos, servidores montados en bastidores dedicados, ordenadores de escritorio, ordenadores portátiles, aparatos que integran el codificador y el descodificador, dispositivos integrados que combinan varias características, tales como dos o más características de los dispositivos anteriores, o similares. Los servidores pueden variar ampliamente en su configuración o capacidades, pero generalmente un servidor puede incluir una o más unidades centrales de procesamiento y memoria. Un servidor también puede incluir uno o más dispositivos de almacenamiento masivo, una o más fuentes de alimentación, una o más interfaces de red alámbrica o inalámbrica, una o más interfaces de entrada/salida, o uno o más sistemas operativos, tales como Windows® Server, Mac® OS X®, Unix®, Linux®, FreeBSD®, o similares.
El servidor 205 puede incluir un dispositivo que incluya una configuración para proporcionar contenido a través de una red a otro dispositivo. El servidor 205 puede, por ejemplo, alojar un sitio, tal como un sitio de redes sociales, ejemplos del cual pueden incluir, sin limitación, Flickr®, Twitter®, Facebook®, Linkedln®, o un sitio de usuario personal (tal como un blog, vlog, etc.). El servidor 205 también puede alojar una variedad de otros sitios, incluyendo, aunque de forma no limitativa, sitios comerciales, sitios educativos, sitios de diccionarios, sitios de enciclopedias, wikis, sitios financieros, sitios gubernamentales, etc.
El servidor 205 puede proporcionar además una variedad de servicios que incluyen, aunque de forma no limitativa, servicios web, servicios de terceros, servicios de audio, servicios de vídeo, servicios de correo electrónico, servicios de mensajería instantánea (IM), servicios de SMS, servicios de MMS, servicios de FTP, servicios de voz sobre IP (VOIP), servicios de calendario, servicios de fotografía o similares. Los ejemplos de contenido pueden incluir texto, imágenes, audio, vídeo o similares, que pueden procesarse en forma de señales físicas, tales como señales eléctricas, por ejemplo, o pueden almacenarse en una memoria, como estados físicos, por ejemplo. Los ejemplos de dispositivos que pueden funcionar como un servidor incluyen ordenadores de escritorio, sistemas multiprocesador, electrónica de consumo tipo microprocesador o programable, etc.
El servidor 205 aloja o está en comunicación con una base de datos 240. La base de datos 240 puede ser almacenada de forma local o remota desde el servidor 205. El módulo de COTA 220 accede o busca o clasifica los datos almacenados en la base de datos 240. El módulo de COTA 220 también puede recuperar información a través de la red 215 (por ejemplo, desde Internet). La base de datos 240 puede almacenar datos de paciente u otra información médica pertinente. Por ejemplo, los datos introducidos en la base de datos o en el módulo de COTA 220 pueden ser de expertos en sus respectivos campos (por ejemplo, oncólogos con más de 5, 10, 15, 20, 30, etc., años de experiencia). Los datos se pueden introducir en la base de datos 240 y/o en el módulo de COTA 220 de forma manual o automática.
Una red puede acoplar dispositivos para que se puedan intercambiar comunicaciones, tales como entre un servidor y un dispositivo de cliente u otros tipos de dispositivos, incluso entre dispositivos inalámbricos acoplados a través de una red inalámbrica, por ejemplo. Una red también puede incluir almacenamiento masivo, tal como almacenamiento conectado a la red (NAS), una red de área de almacenamiento (SAN) u otras formas de medios legibles por ordenador o máquina, por ejemplo. Una red puede incluir Internet, una o más redes de área local (LANs), una o más redes de área amplia (WANs), conexiones de tipo alámbrico, conexiones de tipo inalámbrico o cualquier combinación de las mismas. Del mismo modo, las subredes, tales como las que pueden emplear diferentes arquitecturas o pueden cumplir o ser compatibles con diferentes protocolos, pueden interoperar dentro de una red más grande. Varios tipos de dispositivos pueden, por ejemplo, estar disponibles para proporcionar una capacidad interoperable para diferentes arquitecturas o protocolos. Como ejemplo ilustrativo, un enrutador puede proporcionar un enlace entre LANs de cierta manera independientes y separadas.
Un enlace o canal de comunicación puede incluir, por ejemplo, líneas telefónicas analógicas, tales como un par de hilo trenzado, un cable coaxial, líneas digitales completas o fraccionadas que incluyen líneas de tipo T1, T2, T3 o T4, redes digitales de servicios integrados (ISDNs), líneas de suscriptor digital (DSLs), enlaces inalámbricos que incluyen enlaces por satélite, u otros enlaces o canales de comunicación, tales como los que pueden ser conocidos por los expertos en la materia. Es más, un dispositivo informático u otros dispositivos electrónicos relacionados se pueden acoplar de forma remota a una red, tal como a través de una línea telefónica o un enlace, por ejemplo.
Una red inalámbrica puede acoplar dispositivos de cliente con una red. Una red inalámbrica puede emplear redes adhoc independientes, redes de malla, redes LAN inalámbricas (WLAN), redes celulares o similares. Una red inalámbrica puede incluir además un sistema de terminales, puertas de enlace, enrutadores o similares acoplados por enlaces de radio inalámbricos, o similares, que pueden moverse libremente, al azar u organizarse arbitrariamente, de modo que la topología de la red puede cambiar, a veces incluso rápidamente. Una red inalámbrica puede emplear además una pluralidad de tecnologías de acceso a la red, incluyendo la evolución a largo plazo (LTE), WLAN, malla de enrutador inalámbrico (WR), o tecnología celular de 2a, 3a o 4a generación (2G, 3G o 4G), o similares. Las tecnologías de acceso a la red pueden permitir una cobertura de área amplia para dispositivos, tales como, por ejemplo, dispositivos de cliente con diversos grados de movilidad.
Por ejemplo, una red puede permitir la comunicación tipo RF o inalámbrica a través de una o más tecnologías de acceso a la red, tales como el sistema global para las comunicaciones móviles (GSM), el sistema universal de telecomunicaciones móviles (UMTS), los servicios generales de radio por paquetes (GPRS), entorno GSM de datos mejorados (EDGE), evolución a largo plazo (LTE) 3 GPP, LTE avanzado, acceso múltiple por división de código de banda ancha (WCDMA), Bluetooth, 802.1 lb/g/n, o similares. Una red inalámbrica puede incluir prácticamente cualquier tipo de mecanismo de comunicación inalámbrica mediante el cual las señales pueden comunicarse entre dispositivos, tales como un dispositivo de cliente o un dispositivo informático, entre o dentro de una red, o similares.
Como se describe en esta invención, el ordenador de usuario 210 es un teléfono inteligente. El ordenador de usuario 210 es una tableta. El ordenador de usuario 210 también puede ser un ordenador, un reproductor de música, un aparato que integra el codificador y el descodificador, un televisor inteligente o cualquier otro dispositivo informático.
El módulo de COTA 220 puede establecer una forma eficaz de gestionar a los pacientes, dando lugar a mejores resultados con costes controlados. El módulo de COTA 220 es el conector o interfaz entre terceros y profesionales médicos (por ejemplo, oncólogos). El módulo de COTA 220 es una herramienta analítica que clasifica los cánceres en el nivel más alto de fidelidad clínica y molecular. A continuación, el módulo de COTA 220 realiza un seguimiento de los resultados en tiempo real, tal como la supervivencia general (OS), la supervivencia libre de progresión (PFS) y el coste.
La supervivencia general puede ser un criterio de valoración del ensayo, que generalmente se expresa como un período de tiempo (duración de la supervivencia), por ejemplo, en meses. Con frecuencia, la mediana se usa para que el criterio de valoración del ensayo se pueda calcular una vez que el 50 % de los sujetos hayan alcanzado el criterio de valoración. Un ejemplo es la supervivencia libre de enfermedad, que suele utilizarse para analizar los resultados del tratamiento para la enfermedad localizada que hace que el paciente esté aparentemente libre de enfermedad, tal como cirugía o cirugía más terapia adyuvante. En la supervivencia libre de enfermedad, el evento es la recaída en lugar de la muerte. Las personas que recaen aún sobreviven, pero ya no se consideran libres de enfermedad.
La supervivencia libre de progresión es el período de tiempo durante y después de la medicación o el tratamiento durante el cual la enfermedad que se está tratando (por ejemplo, el cáncer) no empeora. A veces se usa como una métrica para estudiar la salud de una persona con una enfermedad para tratar de determinar la eficacia de un nuevo tratamiento.
Como se usa en esta invención, el término "tiempo real" o "en tiempo real" significa sin retraso perceptible o información que se distribuye inmediatamente después de la recopilación o el procesamiento. Estos términos también incluyen un retraso temporal introducido por el procesamiento automatizado (por ejemplo, casi en tiempo real).
El módulo de COTA 220 puede alertar al usuario del ordenador de usuario 210 (por ejemplo, profesional de la medicina) en momentos clave para proporcionar información relevante. El módulo de COTA 220 también puede permitir la comunicación y colaboración entre profesionales de la medicina así como la publicación de contenido (por ejemplo, por profesionales de la medicina). El módulo de COTA 220 puede permitir que los profesionales de la medicina ejecuten contratos a riesgo (por ejemplo, paquetes de pagos) con pagadores.
Aunque el módulo de COTA 220 se describe en esta invención con respecto al cáncer, el módulo de COTA 220 se puede utilizar ventajosamente para gestionar cualquier enfermedad o afección. Sin embargo, esto no forma parte de la invención reivindicada.
Los elementos descriptivos de COTA incluyen clasificación, seguimiento de resultados, estado de rendimiento/métrica de calidad de vida, toxicidad a la terapia y coste de la atención.
La Fig. 3 es un diagrama de bloques que ilustra las funciones 300 proporcionadas por el módulo de COTA 220.
El módulo de COTA 220 realiza la clasificación de COTA 310, que identifica a los pacientes que satisfacen uno o más parámetros. Los parámetros pueden incluir, por ejemplo, parámetros demográficos, por ejemplo, sexo, edad, origen étnico, comorbilidades, consumo de tabaco, número de historial médico, fuente de seguro, profesional médico de atención primaria, profesional médico referente, hospital, proveedores de servicios aprobados (por ejemplo, farmacia), fenotipo clínico y molecular específico de la enfermedad, intención de terapia, fase de la terapia con respecto a la progresión de la enfermedad y biomarcadores. Los parámetros pueden ser un indicador simple (por ejemplo, positivo, negativo, no accedido), un parámetro basado en números (por ejemplo, tamaño del tumor), un parámetro basado en estándares (por ejemplo, grado del tumor), etc. Los parámetros pueden ser recibidos por el módulo de COTA 220 como una entrada seleccionada por el usuario. Los pacientes pueden clasificarse 310 en el momento del diagnóstico en el nivel más alto de fidelidad clínica y/o molecular debido a que cada paciente tiene diferente mortalidad, morbilidad, tratamientos y costes. El término "nivel más alto de fidelidad clínica y/o molecular" se refiere al nivel más alto de información del paciente disponible según las últimas directrices científicas y/o médicas aceptadas en su campo pertinente. Por ejemplo, cuando hay, por ejemplo, 10 pruebas disponibles para el cáncer de pulmón, los resultados de las 10 pruebas representan el nivel más alto de fidelidad para el cáncer de pulmón. El módulo de COTA 220 puede clasificar pacientes con cáncer de pulmón con cualquier combinación de esos 10 resultados. El módulo de COTA 220 puede incluir directrices científicas y/o médicas adicionales a medida que sean aceptadas en su campo pertinente. El módulo de COTA 220 recopila toda la información que afecta a la supervivencia y/o al pronóstico y/o al tratamiento de un paciente en función de las últimas directrices científicas y/o médicas.
Además, el módulo de COTA 220 realiza un seguimiento y análisis de resultados 320. El módulo de COTA 220 realiza un seguimiento de los resultados en tiempo real. El elemento Seguimiento de resultados incluye los parámetros supervivencia libre de progresión, supervivencia general, estado de rendimiento/métrica de calidad de vida, incidencia/gravedad de toxicidad (por ejemplo, el grado en que una sustancia o fármaco puede dañar a un individuo), muerte y utilización de fármaco (por ejemplo, intensidad de dosis administrada, intervalo de dosis y duración de terapia). También se contemplan otros tipos de resultados.
El estado de rendimiento/métrica de calidad de vida del elemento ECOG se refiere a un procedimiento mediante el cual se puede realizar un seguimiento de la calidad de vida del paciente a lo largo del tiempo. Forma parte del fenotipo molecular clínico específico de la enfermedad del parámetro demográfico, es decir, la fase de la salud de un paciente al comienzo de la terapia, y está dentro de la clasificación. Por ejemplo, una comparación de ECOG al comienzo de la terapia (por ejemplo, ECOG de 3), con ECOG después de la terapia (por ejemplo, ECOG de 2) refleja el efecto de la terapia.
Los parámetros ejemplares del elemento Toxicidad para la terapia son la incidencia y la gravedad. COTA permite la contratación financiera de riesgo entre pagadores y proveedores para que las partes puedan reducir la variabilidad, el despilfarro y la ineficiencia pero sin dejar de obtener el resultado previsto.
El módulo de COTA 220 también puede transmitir comunicaciones, tales como alertas 330, a profesionales de la medicina (por ejemplo, médicos) (o a la compañía de seguros del paciente o cualquier otra entidad) en tiempo real en puntos clave, tales como, por ejemplo, en el momento del diagnóstico, en el momento de la progresión, en el momento del cambio de la dosis/cambio de fármaco/toxicidad, y/o tendencia a la variación del resultado deseado. El módulo de COTA 220 proporciona alertas a los profesionales de la medicina que identifican a un paciente específico que el profesional de la medicina está buscando. Por ejemplo, el módulo de COTA 220 puede proporcionar una alerta en tiempo real a una empresa farmacéutica que está buscando pacientes específicos para administrar un fármaco específico (por ejemplo, nuevo) o candidato de fármaco. La alerta puede identificar a un paciente específico que es un buen candidato para el fármaco específico.
La Fig. 4A es un diagrama de bloques que ilustra la clasificación de datos asociados con pacientes con cáncer de colon. Aunque se describe con respecto al cáncer, por ejemplo, cáncer de colon, la descripción y la figura pueden aplicarse a cualquier tipo de cáncer o, en otro ejemplo que no forma parte de la invención reivindicada, a cualquier tipo de enfermedad para la que haya datos asociados con pacientes.
Los datos 410 se recopilan para todos los cánceres (o para más de un tipo de cáncer o, en otros ejemplos que no forman parte de la invención reivindicada, para todas las enfermedades cardiovasculares, enfermedades pulmonares, enfermedades gastrointestinales, enfermedades neurológicas, etc.), y estos datos 410 se reducen a un subconjunto 420 relativo, por ejemplo, al cáncer de colon. El subconjunto 420 de datos relacionados con el cáncer de colon luego es analizado y clasificado por el módulo de COTA 220 para producir un conjunto de datos de cáncer de colon clasificados 430. El conjunto de datos de cáncer de colon clasificados 430 puede incluir uno o más grupos, donde cada grupo incluye datos asociados con pacientes que tienen el mismo tipo de cáncer de colon específico. Por tanto, el módulo de COTA 220 permite clasificar los cánceres en el nivel más alto de fidelidad.
Por lo general, la información del paciente se almacena en historiales médicos electrónicos (EMR). Los EMRs, sin embargo, a menudo contienen demasiada información y, por lo tanto, es difícil para un profesional de la medicina localizar la información específica de interés entre la gran cantidad de información almacenada en los EMRs. Además, la mayor parte de la información en los EMRs no es relevante para la información que busca el profesional de la medicina. A diferencia de los EMR, cuyo objetivo es adquirir todos o la mayoría de los datos asociados con un paciente que va al consultorio médico y el paciente que sale del consultorio médico, el módulo de COTA 220 está dirigido, ya que el módulo 220 permite a un usuario localizar datos específicos asociados con pacientes particulares. En consecuencia, el módulo de COTA 220 puede clasificar los datos para localizar información especializada específica. Los datos que recibe el módulo de COTA 220 son típicamente a través de una página web y son discretos (por ejemplo, típicamente proporcionados por un usuario que selecciona una o más opciones en un menú desplegable o mediante una o más casillas de verificación).
COTA ordena, clasifica y facilita la agrupación de tipos de pacientes en función de estas variables, lo que da como resultado la designación de una dirección modal de COTA (CNA) única, que incorpora esas variables de clasificación. Los datos se introducen en el sistema a través de un usuario humano o un procedimiento técnico, por ejemplo, una API, una capa (es decir, una parte de la aplicación que realiza una función particular) en la aplicación examina y evalúa la información, por ejemplo, si es correcta, si está corrupta, qué información hay, qué información falta//agujeros en la información, cómo está formateada, ortografía, etc., corrige cualquier problema con la información que detecta hasta la fecha y asigna una dirección nodal (CNA) de COTA a ese conjunto de información. La CNA es una dirección para ordenar datos similares. COTA identifica la relación entre diferentes características en un grupo, lo que permite a COTA ordenar la información sobre cualquier paciente en el grupo. Al conjunto de información que se encuentra en la base de datos se le asigna previamente una CNA. COTA toma una gran cantidad de información que abarca muchos atributos diferentes, permite al usuario identificar algunos de los atributos como un conjunto de características y agrega un atributo(s) a la información para decir que la información es similar a otros elementos de información en la base de datos, es decir, esta información es del mismo tipo/valor que la otra información. En consecuencia, la dirección nodal es un número que permite a un usuario comparar específicamente pacientes similares con pacientes similares. Esta especificidad permite minimizar la variabilidad biológica del resultado y, como consecuencia, proporciona una mayor precisión con respecto al efecto de los agentes terapéuticos sobre el resultado.
Un usuario desea validar la información de salud personal (PHI) de un paciente, asegurarse de que sea correcta en todos los sentidos y luego asignar la CNA apropiada. Tal como se utiliza en esta invención, la información de salud personal (PHI) se refiere a cualquier información en un historial médico o conjunto de historiales designados que se puede usar para identificar a un paciente individual y que se creó, usó o describió en el transcurso de la prestación de un servicio de atención médica, tal como un diagnóstico o tratamiento. Los ejemplos de identificadores personales en la PHI incluyen, sin limitación, el nombre, todas las subdivisiones geográficas más pequeñas que un estado, incluyendo la dirección de la calle, la ciudad, el condado, el distrito, el código postal; todos los elementos de fechas (excepto el año) para fechas directamente relacionadas con un individuo, incluyendo la fecha de nacimiento, la fecha de admisión, la fecha de alta, la fecha de fallecimiento y todas las edades mayores de 89 años y todos los elementos de fecha (incluido el año) que indiquen dicha edad; números de teléfono; números de fax; direcciones de correo electrónico; números de la seguridad social, números de historiales médicos; números de beneficiario del plan de salud; números de cuenta; números de certificado/licencia; identificadores de vehículos y números de serie, incluyendo los números de matrícula; identificadores de dispositivos y números de serie; localizadores de recursos universales (URL) en la web; números de dirección del protocolo de Internet (IP); identificadores biométricos, incluyendo huellas dactilares y de voz; imágenes fotográficas de rostro completo y cualquier imagen comparable; y cualquier otro número, característica o código de identificación único (pero no el código único asignado por el investigador para codificar los datos). Esta PHI se introduce para el paciente A en un navegador. La PHI se envía a una capa de clasificación y se asigna una CAN, los atributos que definen la CAN del registro del paciente A, y luego a la base de datos, es decir, el conjunto de atributos del paciente, que cae bajo este tipo de CAN, se une a la CNA. Una vez que se completa esto, la próxima vez que un usuario inicie sesión en la aplicación y acceda a la base de datos, la base de datos devolverá toda la información del paciente A y la CNA asignada. En consecuencia, el usuario entiende de inmediato cómo deben manejarse los síntomas/atributos de este paciente, es decir, el usuario obtiene una captura de pantalla de cómo se relaciona ese tipo de paciente con otros pacientes cuya información está en la base de datos.
La Fig. 4B es un diagrama de flujo de la ordenación y clasificación de COTA como se ha descrito anteriormente a través de la creación de nodos específicos. Como se muestra en la Fig. 4B, un experto selecciona las variables sexo o género 440 (variable A), raza 445 (variable B), ... y KRAS 450 (variable G). K-Ras es una proteína que en humanos está codificada por el gen KRAS. El producto proteico del gen KRAS normal realiza una función esencial en la señalización del tejido normal, y la mutación de un gen KRAS es una etapa importante en el desarrollo de muchos cánceres.
El módulo de COTA 220 analiza los datos ordenados y clasificados 430 con respecto a estas variables (por ejemplo, variables 440, 445, 450) para generar un nodo de COTA único 455. El módulo de COTA 220 aplica estos nodos en los datos ordenados y clasificados para proporcionar resultados clínicamente más relevantes. Los nodos se crean como un conjunto de variables preseleccionadas que se aplican para filtrar aún más los datos ordenados y clasificados. Los nodos se representan como direcciones nodales que indican las variables preseleccionadas. Las variables pueden incluir, por ejemplo, diagnósticos, datos demográficos, resultados, fenotipos, etc. Un fenotipo es el compuesto de características o rasgos observables de una persona, tales como su morfología, desarrollo, propiedades bioquímicas o fisiológicas, fenología, comportamiento y productos de comportamiento. Los fenotipos son el resultado de la expresión de los genes de una persona, así como de la influencia de los factores ambientales y de las interacciones entre ambos. En una realización, las variables de un nodo son seleccionadas por expertos en el campo pertinente con el fin de dividir los datos en resultados clínicamente relevantes.
El nodo de COTA 455 se representa como una dirección nodal dentro del módulo de COTA 220. En una realización, la dirección nodal se representa como una lista de las variables seleccionadas (en función de una letra que representa la variable y un número que representa la selección dentro de la variable). Por ejemplo, como se muestra en la Fig. 4B, el nodo 455 incluye A 1-2 (A representa la variable sexo o género, y 1-2 representa pacientes de sexo femenino y masculino) que se muestra con un bloque alrededor de las variables de sexo femenino y masculino de la variable Sexo A. El nodo 455 también incluye B 1-4 debido a que el nodo 455 incluye la variable Raza con todas las subvariables seleccionadas (mostradas con un recuadro alrededor de todas las variables Raza). El nodo 455 también incluye Gl, ya que con respecto a la variable KRAS, solo se selecciona Mut+ (con recuadro). Así, el nodo 455 tiene una dirección nodal de A 1-2, Bl-4,..., Gl.
En la invención, la dirección nodal se representa como una pluralidad de cadenas de dígitos separadas por puntos, donde cada cadena de dígitos indica una o más variables (por ejemplo, enfermedad, fenotipo, tipo de terapia, progresión/seguimiento, sexo, etc.). Por ejemplo, una primera cadena de dígitos puede representar una enfermedad particular, una segunda cadena de dígitos puede representar un tipo de la enfermedad, una tercera cadena de dígitos puede indicar un subtipo de la enfermedad y una cuarta cadena de dígitos puede indicar un fenotipo. De este modo, en este ejemplo, la primera cadena de dígitos puede ser 01 que indica cáncer, la segunda cadena de dígitos puede ser 02 que indica oncología de mama, una tercera cadena de dígitos puede ser 01 que indica cáncer de mama y una cuarta cadena de dígitos puede ser 1201 que representa características particulares de un fenotipo tal que la dirección nodal es 01.02.01.1201. Debe entenderse que la dirección nodal puede incluir cualquier número de cadenas de dígitos y no está limitada a cuatro cadenas.
En una realización, la cadena de dígitos que representa el fenotipo puede proporcionarse representando las características del fenotipo como un gráfico dirigido. La Fig. 4C ilustra de manera ilustrativa un gráfico dirigido 460 que muestra las características de un fenotipo para proporcionar una cadena de dígitos que representa el fenotipo de acuerdo con una realización. El gráfico dirigido 460 incluye nodos que representan fenotipos y bordes que representan una relación entre nodos. El gráfico se traza comenzando desde el nodo raíz "inicio" hasta los nodos para un fenotipo seleccionado. Cada borde está asociado con un número. La cadena de dígitos que representa el fenotipo para la dirección nodal se proporciona como una combinación de los números. Por ejemplo, la cadena de dígitos para las características fenotípicas seleccionadas de hombre y caucásico se representaría como 1 1. También se pueden emplear otros tipos de combinaciones. Ventajosamente, representar las características del fenotipo como un gráfico dirigido permite la adición de otros nodos sin cambiar la estructura completa. La apariencia de la pantalla es resultado de las direcciones nodales de COTA (CNA), y su apariencia puede, sin embargo, cambiarse como se desee para presentar la información.
El nodo 455 proporciona al módulo de COTA 220 la capacidad de correlacionar recursos y alertas específicos para cada fenotipo cuando sea relevante. Los recursos pueden ser información, contenido, enlace a un soporte en vivo, etc. Cada paciente se categoriza en una o más direcciones nodales. Uno o más nodos también pueden estar asociados con cada enfermedad. Los recursos se "etiquetan" con nodos apropiados y relevantes. Los nodos son fungibles con el tiempo para mantenerse al día con los avances científicos/médicos.
Cada dirección nodal puede estar asociada con uno o más paquetes de servicios de atención a los pacientes predeterminados (por ejemplo, planes de tratamiento). Cada paquete también puede estar asociado con uno o más nodos. Los servicios incluidos en cada paquete pueden ser determinados por uno o más profesionales de la medicina, un hospital, un grupo, una compañía de seguros, etc., para optimizar la atención al paciente y/o coste. En un ejemplo, un paquete puede indicar una cantidad de exploraciones de imágenes, un fármaco o una elección de fármacos, un programa para cuándo administrar los fármacos, una operación o procedimiento, un número y frecuencia de visitas de seguimiento, etc. El paquete de servicios de atención al paciente pueden ser especialmente útiles para la contratación de riesgo. Por ejemplo, cada paquete correspondiente a una dirección nodal (asociada con una enfermedad particular) puede tener un coste predeterminado que permita a un usuario (por ejemplo, doctor, paciente, etc.) elegir un paquete apropiado. El coste puede determinarse o negociarse en función de los datos históricos asociados con esa enfermedad o dirección nodal en particular. Ventajosamente, El paquete de servicios proporciona certeza de costes a una compañía de seguros y/u hospital para una enfermedad particular. Esto también reduce el coste de procesamiento y mantenimiento de registros. Adicionalmente, los profesionales de la medicina sabrán con anticipación el curso de tratamiento predeterminado, lo que brinda incentivos a los médicos para obtener mejores resultados a costes más bajos.
La Fig. 5 es un diagrama de flujo que ilustra las etapas realizadas por el módulo de COTA 220. En la etapa 505, el módulo de COTA 220 recopila registros de datos. Los registros de datos incluyen cada uno datos asociados con una enfermedad (por ejemplo, cáncer). Los registros de datos pueden incluir datos de patentes para pacientes que tienen o han tenido previamente la enfermedad. Por ejemplo, los registros de datos pueden incluir diagnósticos, datos demográficos, resultados, costes u otra información pertinente. Los registros de datos pueden recopilarse de una base de datos electrónica (por ejemplo, un historial médico electrónico), proporcionada por un usuario (por ejemplo, profesional de la medicina, experto, especialista, etc.), o de cualquier otra fuente. El módulo de COTA 220 almacena los registros de datos en la base de datos 240.
En la etapa 510, el módulo de COTA 220 recibe uno o más parámetros para clasificar los registros de datos. El uno o más parámetros pueden recibirse desde el ordenador de usuario 210 como entrada seleccionada por el usuario. El uno o más parámetros pueden incluir, por ejemplo, diagnósticos, datos demográficos, resultados, costes o cualquier otro parámetro.
En la etapa 515, el módulo de COTA 220 clasifica los registros de datos basándose en uno o más parámetros. La clasificación identifica a los pacientes que satisfacen el uno o más parámetros. Los pacientes son clasificados en el nivel más alto de fidelidad clínica y/o molecular en función de las últimas directrices científicas y/o médicas aceptadas en el campo pertinente. La clasificación se realiza en tiempo real.
En la etapa 520, los registros de datos ordenados y clasificados se filtran según una dirección nodal. La dirección nodal representa variables preseleccionadas por los usuarios para proporcionar un conjunto de pacientes clínicamente relevantes. En una realización, las variables de una dirección nodal son seleccionadas por expertos en el campo. La dirección nodal se representa como una pluralidad de cadenas de dígitos, cada una separada por un punto. Cada cadena de dígitos representa una o más variables (por ejemplo, una enfermedad, tipo de enfermedad, subtipo de enfermedad, fenotipos o cualquier otra variable relevante). También se contemplan otras representaciones de la dirección nodal.
En la etapa 525, se analizan los registros de datos para los pacientes clínicamente relevantes. El análisis de los registros de datos puede incluir el seguimiento (por ejemplo, en tiempo real) de los resultados clínicos de los pacientes asociados con la enfermedad. Los resultados pueden incluir, por ejemplo, la intensidad de la dosis administrada, los agentes terapéuticos recibidos, la dosis, el intervalo de dosis y la duración de la dosis, la incidencia y la gravedad de la toxicidad, el coste, la supervivencia libre de progresión (PFS), la supervivencia general (OS), las tasas de respuesta, etc. El módulo de COTA 220 compara los resultados seguidos entre pacientes. El módulo de COTA 220 también puede determinar, basándose en el seguimiento, si un doctor específico asociado con un paciente del seguimiento está tratando al paciente de acuerdo con las técnicas de tratamiento de otros doctores que tratan a otros pacientes (similares). En una realización, el módulo de COTA 220 determina esto basándose en los resultados de muchos pacientes.
El análisis de los registros de datos puede incluir la actualización (por ejemplo, en tiempo real) de al menos algunos de los registros de datos en función de los resultados seguidos. Por ejemplo, el módulo de COTA 220 puede determinar que el paciente ABC tenía cáncer de colon, se le recetó y tomó el medicamento XYZ durante dos años y ahora está en remisión durante los últimos 3 años. Si el módulo de COTA220 determina esta información a partir del seguimiento del paciente ABC, el módulo 220 puede actualizar el registro de datos asociado con el paciente ABC con esta información.
El análisis de los registros de datos incluye realizar un análisis para determinar la tasa de supervivencia del paciente, tal como, por ejemplo, creando una curva de Kaplan Meier. Una curva de Kaplan Meier es una curva que muestra la tasa de supervivencia a cinco años que se puede desarrollar, por ejemplo, para un solo doctor (o profesional de la medicina) o para un grupo de doctores (o profesionales de la medicina). Se puede crear una curva de Kaplan Meier para la supervivencia general y/o supervivencia libre de progresión. También se contemplan otros tipos de análisis.
Para facilitar el análisis, el módulo de COTA 220 también puede incluir una herramienta de análisis para el ordenador de usuario 210. Esta herramienta de análisis puede ser una interfaz de usuario a la que se puede acceder a través de una página web, una pestaña en una página web existente, una aplicación de software, una aplicación, etc. Las interfaces de usuario que se representan en las figuras en esta invención son ejemplares. Esta herramienta de análisis puede permitir que un usuario compare, analice o clasifique aún más los registros de datos.
En la etapa 530, el módulo de COTA 220 proporciona una comunicación basada en el análisis. La comunicación tiene la forma de una alerta para un usuario. El módulo de COTA 220 puede comunicar los registros de datos ordenados y clasificados y/o los registros de datos actualizados al ordenador de usuario 210. Por ejemplo, el módulo de COTA 220 comunica una tabla, gráfica, lista, enlace, etc. que permite al usuario acceder a los registros de datos clasificados o actualizados. El módulo de COTA 220 puede transmitir anuncios con (por ejemplo, relacionados con) los registros de datos al ordenador de usuario 210. El módulo de COTA 220 puede identificar a un paciente específico como candidato para un tratamiento o fármaco específico. Esta información puede ser valiosa para, por ejemplo, una empresa farmacéutica, un plan de salud, un consorcio de atención administrada, una aseguradora, etc. El módulo de COTA 220 puede transmitir la comunicación al ordenador de usuario 210 o cualquier otra entidad (por ejemplo, a través de la red 215).
El módulo de COTA 220 puede ser utilizado y beneficiar a muchas personas, profesionales y/o empresas. Por ejemplo, y como se describió anteriormente, la cartera de productos altamente especializada de empresas farmacéuticas probablemente requiera un nuevo modelo comercial para muchos aspectos (por ejemplo, desarrollo que incluya ensayos en Fase 4/vigilancia posterior a la comercialización, marketing, ventas, fijación de precios y contratación). Los profesionales de las empresas farmacéuticas pueden utilizar el módulo de COTA 220 para facilitar este nuevo modelo comercial. Por ejemplo, el módulo de COTA 220 puede correlacionar al paciente correcto con el fármaco correcto. El módulo de COTA 220 puede permitir la identificación precisa del paciente a través de sus capacidades de clasificación y direccionamiento nodal. El módulo de COTA 220 proporciona una función de coincidencia que permite a un usuario (por ejemplo, una empresa farmacéutica) localizar (por ejemplo, en tiempo real) uno o más pacientes que son o serían buenos candidatos para un fármaco específico que la empresa farmacéutica ha lanzado o está desarrollando.
Además, el módulo de COTA 220 puede beneficiar a los planes de salud. Como se indicó anteriormente, es probable que la atención del cáncer se vuelva más compleja y que probablemente no sea eficiente para los planes de salud continuar con la gestión directa. Los planes de salud externalizan su atención del cáncer al módulo de COTA 220 (similar a lo que los planes de salud hacían anteriormente con los beneficios de farmacia). Esto puede reducir sus costes, tal como al reducir el coste total de la atención y ofreciéndoles compensaciones de costos, tal como al reemplazar las vías, disminuir la costosa infraestructura de autorización previa, disminuir otro efectivo que "maneja el cáncer". Adicionalmente, las disposiciones en la Ley de Atención Médica Asequible de los Estados Unidos establecen que el 85 % de las primas deben destinarse a actividades relacionadas con la atención clínica frente a los costes administrativos. El módulo de COTA 220 proporciona una interfaz analítica con conexiones a informaciones obre siniestros para respaldar los planes de salud en la gestión de sus oncólogos.
El módulo de COTA 220 puede beneficiar a las organizaciones dedicadas a procedimientos o herramientas de diagnóstico. Las organizaciones dedicadas a procedimientos o herramientas de diagnóstico, tales como las que participan en la secuenciación genética de próxima generación, probablemente necesitarán una educación, marketing y canal de ventas/distribución eficientes. Debido a que el módulo de COTA 220 es capaz de clasificar e identificar con precisión a los pacientes y enviar alertas basadas en el tiempo a los médicos (u otros profesionales de la medicina), su uso puede beneficiar a tales organizaciones.
La Fig. 6 ilustra un diagrama de flujo 600 de alertas proporcionadas por el módulo de COTA 220. Los médicos u otros profesionales de la medicina reciben alertas según sus preferencias. Estas preferencias pueden ser establecidas por el profesional de la medicina/médico y puede incluir, por ejemplo, activadores 610 para las alertas y/o la técnica utilizada para proporcionar la alerta. Un activador para una alerta puede incluir, por ejemplo, en el diagnóstico 615 de un nuevo paciente, una actualización de un diagnóstico, un evento programado en tiempo real, cambios en la pertenencia a un grupo (por ejemplo, la identificación de un nuevo gen que podría cambiar la agrupación, y/o alguien abandona el grupo), toxicidad y/o cambio de intensidad de la dosis 620, en la evolución de la enfermedad 625, administración de un fármaco particular, tendencia a la variación del resultado deseado 630, y/o alertas dependientes del tiempo o del ciclo potenciales 635 (por ejemplo, alertas de efectos secundarios y/o recordatorios de pruebas de diagnóstico). La alerta puede incluir un mensaje de texto 640 o un correo electrónico 645 enviado al ordenador de usuario 210. También se contemplan otros tipos de alertas, como, por ejemplo, una llamada telefónica al ordenador de usuario 210, una actualización en una página web, una actualización de redes sociales, un mensaje enviado usando, por ejemplo,Twitter®, Facebook®, u otras redes sociales, sitio de medios, añadiendo contenido a una biblioteca de software o página web, y/o cualquier otro mensaje o comunicación enviado a o accedido por el ordenador de usuario 210. Aunque se describió anteriormente como proporcionar alertas, un activador puede ser cualquier acción que tenga como resultado que el módulo de COTA 220 realice cualquier otra acción.
La Fig. 7 es una representación gráfica que ilustra un dispositivo móvil 705 (por ejemplo, un ordenador de usuario 210) que organiza las alertas recibidas por el dispositivo 705. Como se muestra en la Fig. 7, las alertas de COTA recibidas se enumeran por título o tema, tal como Nuevo CA de colon 710, Nuevo CA de células renales 715, Ajuste de la dosis 720, Interrupción del fármaco 725, Nueva progresión 730, Nuevo CA de mama 735, Alerta de 3er ciclo de CHOP 740, Alerta de riesgo de neutropenia 745 y Ensayo clínico disponible 750. CHOP es un nombre abreviado de una combinación de fármacos usados en quimioterapia, que incluye ciclofosfamida (Citoxan/Neosar), doxorrubicina (o Adriamicina), vincristina (Oncovin) y prednisolona, y se usa, por ejemplo, para tratar el linfoma no Hodgkin.
El módulo de COTA 220 puede proporcionar conjuntos de datos de enfermedades específicas (por ejemplo, a petición y en tiempo real) que incluyen, por ejemplo, la incidencia de la enfermedad (por ejemplo, por una clasificación de COTA), supervivencia libre de progresión por estado de progresión, y/o supervivencia general. El módulo de COTA 220 puede proporcionar un conjunto de datos de utilización de fármacos, tal como datos asociados con una terapia completa o parcial, toxicidad, y/o un cambio en la terapia.
La Fig. 8 muestra una representación gráfica 800 de la incidencia de la enfermedad por subtipo de cáncer que puede proporcionar el módulo de COTA 220. En este caso, el gráfico de COTA 800 está destinado al linfoma de los años 2010 a 2013. Un usuario puede utilizar una sección de entrada de búsqueda de gráficos 810 para limitar la información que se representa gráficamente. La sección de entrada de búsqueda de gráficos 810 puede incluir, por ejemplo, una selección de lo que se debe informar (por ejemplo, diagnóstico mínimo, diagnóstico completo, y/o paciente auditado, tipo de diagnóstico, sitio/subtipo de cáncer, código de ICD9 (Clasificación internacional de enfermedades, novena revisión), comorbilidad, evolución de la enfermedad, sexo, edad, intervalo de fechas, raza, diabetes, antecedentes de consumo de tabaco, antecedentes de quimioterapia o radiación previa, etc.
La Fig. 9 muestra una representación gráfica 900 de una clasificación basada en las variables introducidas en el módulo de COTA 220 que puede proporcionar el módulo de COTA 220. La representación gráfica 900 muestra un gráfico de COTA para el linfoma de Hodgkin de los años 2010-2013 dividido por hombres frente a mujeres. La representación gráfica 900 muestra las estadísticas 910 de los diferentes pacientes que tenían esta enfermedad que se representaron gráficamente en la representación 900. La Fig. 10 muestra un listado ejemplar de una pluralidad de variables 1005 pertinentes a una enfermedad particular (en este caso, las variables mostradas son para linfoma).
La Fig. 11 muestra una representación gráfica 1100 que incluye curvas de Kaplan Meier en tiempo real con intervalos de confianza para los cánceres de páncreas que puede proporcionar el módulo de COTA 220. Como se ha descrito anteriormente, una curva de Kaplan Meier es una curva que muestra la tasa de supervivencia a cinco años que se puede desarrollar, por ejemplo, para un solo doctor (o profesional de la medicina) o para un grupo de doctores (o profesionales de la medicina). Se puede crear una curva de Kaplan Meier para la supervivencia general y/o supervivencia libre de progresión. El usuario indica variables para su búsqueda de gráficos en la sección de entrada de búsqueda de gráficos 1110.
La Fig. 12 es una representación gráfica 1200 que muestra las curvas de Kaplan Meier para la evolución de la enfermedad que puede proporcionar el módulo de COTA 220. La línea 1205 está destinada a todos los cánceres de páncreas y la línea en negrita 1210 está destinada a aquellos con primera progresión.
La Fig. 13 es una representación gráfica 1300 de la evaluación comparativa en tiempo real de los resultados entre dos partes que puede proporcionar el módulo de COTA 220. El gráfico 1300 incluye la curva 1305 para resultados del Dr. John Doe, un médico que trata el cáncer de páncreas, y una curva 1310 para resultados del resto de doctores que tratan el cáncer de páncreas. La Fig. 13 también incluye un medidor 1320 que mide si los resultados del Dr. John Doe se siguen de manera positiva o negativa.
La Fig. 14 es una representación gráfica de un informe de costes 1400 asociado con (por ejemplo, proporcionado por) el módulo de COTA 220. La apariencia de la pantalla es resultado de las direcciones nodales de COTA (CNA) y su apariencia puede, sin embargo, cambiarse como se desee para presentar la información. El informe de costes 1400 puede estar asociado con la pestaña de costes 1220 de la Fig. 12. El informe de costes 1400 se puede usar, por ejemplo, para estimar el(los) coste(s) del tratamiento, captar el conocimiento, y/o transformar el conocimiento en implementaciones específicas. El módulo de COTA 220 realiza un seguimiento de los costes de varios tratamientos, médicos, hospitales, etc., en tiempo real. Como se muestra en la Fig. 14, el informe de costes 1400 ilustra una comparación entre el médico y el coste promedio por ingreso. El informe de costes 1400 también puede incluir otras comparaciones, tales como, por ejemplo, el margen de contribución del hospital en dólares y en porcentaje, ingresos y coste promedio del hospital (por ejemplo, ingresos promedio por paciente, coste promedio por paciente), coste promedio por caso del médico (por ejemplo, coste promedio por caso para cada médico, ponderación promedio por compañeros), coste promedio por ingreso del médico (por ejemplo, coste promedio de formación de imágenes, trabajo de laboratorio, evaluación y gestión, productos farmacéuticos, suministros médicos y otros gastos para cada médico), etc.
Las Figs. 15A y 15B son representaciones gráficas de una interfaz de tratamiento 1500 asociada con (por ejemplo, proporcionada por) el módulo de COTA 220 para facilitar la conexión entre resultados y tratamientos. Como se muestra en la Fig. 15A, la interfaz de tratamiento 1500 puede incluir una lista de los diferentes tipos de tratamiento administrados a (o rechazados por) un paciente con cáncer de mama, tal como, por ejemplo, cirugía, fármacos antineoplásicos, terapia celular, radioterapia, etc. El tratamiento puede organizarse de acuerdo con la evolución de la enfermedad. Por ejemplo, los fármacos en oncología normalmente se administran en ciclos y, en cualquier ciclo, se puede administrar cualquier número de fármacos. Un usuario puede seleccionar una progresión (por ejemplo, representada como progresión 0 a progresión 4), con la progresión 0 siendo después del primer diagnóstico, ciclo, y puede seleccionar fármacos en o de múltiples categorías.
En la Fig. 15B, una interfaz de tratamiento 1510 puede incluir regímenes de tratamiento para una o más terapias, representadas gráficamente en la interfaz de tratamiento 1510 como pestañas 1515. La interfaz de tratamiento 1510 puede incluir campos para indicar datos de inicio y final para el régimen, intensidad de la dosis, descripción del tratamiento, marcas específicas de fármacos, etc. Los regímenes de tratamiento pueden resumirse gráficamente o representarse como un listado de tratamientos en la tabla 1520. La tabla 1520 puede incluir iconos de acción 1505 para cada tratamiento. Los iconos de acción 1505 pueden facilitar acciones, tales como, por ejemplo, editar, cerrar, ver componentes, etc. Los iconos de acción 1505 pueden ser accesos directos para realizar tareas complejas (por ejemplo, que requieren múltiples clics o selecciones) con una sola selección. Por ejemplo, un icono en la línea de diagnóstico puede llevar al usuario a la pantalla de diagnóstico.
La Fig. 16 es una representación gráfica de una pantalla de resultados 1600 para facilitar el seguimiento de resultados. La pantalla de resultados 1600 puede facilitar el seguimiento de resultados a partir del, por ejemplo, diagnóstico (es decir, progresión cero), primera progresión, segunda progresión hasta cuarta progresión, con cada progresión considerada una enfermedad diferente. La pestaña de la pantalla de resultados puede incluir (p. ej., en uno o más menús desplegables u otros campos) una fecha de diagnóstico, una fecha de inicio y finalización del tratamiento, una respuesta al tratamiento (por ejemplo, completa, parcial, estable) y fecha de respuesta, campos de entrada para notas sobre la respuesta (por ejemplo, el campo parcial, el campo CR-RA-Pet Negativo, el campo CR, etc.) y datos de finalización del seguimiento, que pueden incluir campos para el último contacto y muerte. La pantalla de resultados 1600 también puede incluir otros campos, tales como, por ejemplo, toxicidad de un tratamiento farmacológico, un área de entrada que permite la entrada de lo que sucedió (por ejemplo, se ha interrumpido, se ha continuado, sin cambios, cambio de dosificación del fármaco y cuántas veces), número de retrasos, número de cambios en el fármaco, y/o número reducido. Un usuario del módulo de COTA220 puede etiquetara un paciente.
La Fig. 17 es una representación gráfica de una pantalla de informe de detalles del tratamiento 1700 que ilustra una comparación entre el coste y el resultado. La pantalla de informe de detalles del tratamiento 1700 correlaciona el coste de la atención con el resultado clínico para optimizar el valor de la atención. Los datos de costes y financieros pueden recopilarse y analizarse por un hospital, por un doctor, etc., durante un período de tiempo determinado (por ejemplo, 5 años). Los datos de costos y financieros pueden estar representados en uno o más intervalos de costes. Los intervalos de costes incluyen el intervalo 1705 para un coste superior a 25.000 $, intervalo 1710 para un coste de 10.000 $ a 25.000 $, e intervalo 1715 para un coste inferior a 10.000 $. Cuando se combina con datos clínicos, el módulo de COTA 220 puede proporcionar datos de costes para diferentes tratamientos durante un período de tiempo determinado en función de diferentes clasificaciones clínicas.
La Fig. 18 es una representación gráfica de una pantalla de análisis 1800 proporcionada por el módulo de COTA 220 que ilustra una comparación entre toxicidad y coste. La apariencia de la pantalla es resultado de las direcciones nodales de COTA (CNA) y su apariencia puede, sin embargo, cambiarse como se desee para presentar la información. La pantalla de análisis 1800 correlaciona la incidencia y la gravedad de la toxicidad con el coste de la atención y los resultados de la atención. La toxicidad se puede representar numéricamente (por ejemplo, en intervalos), por estándares (por ejemplo, grados), etc. Por ejemplo, como se muestra en la Fig. 18, la toxicidad se representa como grados de toxicidad 1-4 en función de la clasificación de los Criterios Terminológicos Comunes para Eventos Adversos (CTCAE). El grado de toxicidad se compara gráficamente con el coste. La pantalla de análisis 1800 se puede utilizar para optimizar el valor y la eficacia de la atención, donde el valor es eficacia/coste. El módulo de COTA 220 intenta obtener una alta eficacia y un bajo coste.
La Fig. 19 es una representación gráfica de una pantalla de análisis 1900 proporcionada por el módulo de COTA 220 que ilustra una comparación entre la terapia y la calidad de vida. La terapia puede estar representada por fármacos de tratamiento en la pantalla de análisis 1900. Sin embargo, también se contemplan otras formas de terapia, tales como, por ejemplo, cirugía, procedimientos, etc. La terapia incluye una incidencia, gravedad y toxicidad de la terapia. La calidad de vida se puede medir en base a la escala promedio de ECOG (Eastern Cooperative Oncology Group, Grupo Oncológico Cooperativo del Este), que va del Grado 0 (es decir, completamente activo) al Grado 5 (es decir, muerto). La calidad de vida también se puede medir usando cualquier métrica adecuada. La pantalla de análisis 1900 puede facilitar la evaluación de cómo está progresando la enfermedad de un paciente, cómo afecta la enfermedad a las capacidades de la vida diaria del paciente y tratamientos y pronósticos apropiados.
La Fig. 20 es un diagrama de flujo 2000 que ilustra el sistema de alerta proporcionado a un profesional de la medicina. La apariencia de la pantalla es resultado de las direcciones nodales de COTA (CNA) y su apariencia puede cambiarse, sin embargo, como se desee para presentar la información. La información en la alerta está ayudando al usuario a tomar una decisión en el futuro. La información en la alerta proporciona un conjunto de atributos que sucedieron en el período de tiempo pasado. Influye de forma proactiva en las decisiones del usuario y proporciona de forma reactiva un informe resumido de cómo le fue al personal médico/Doctor en la última semana, mes, trimestre, etc. Hay diferentes alertas para diferentes usuarios, cada una de las cuales puede influir en las decisiones que toma el usuario. La alerta se puede emplear para la corrección del curso en tiempo real para aportar el mejor valor, tal como, por ejemplo, cuando una terapia administrada se desvía del resultado deseado. En el bloque 2005, las definiciones se activan en función de los datos clínicos. Las definiciones pueden activarse utilizando cualquier criterio, tal como, por ejemplo, diagnóstico de nueva enfermedad, evolución de la enfermedad, respuesta del paciente, cambio en las características del paciente, cambio de dosis/cambio de toxicidad del fármaco, tendencia a la variación de un resultado deseado, etc. Los criterios pueden ajustarse en función de la enfermedad y sus parámetros. En función de las definiciones activadas, se transmiten las alertas 2010-A, 2010-B, 2010-C (denominadas colectivamente alertas 2010). Debe entenderse que las alertas 2010 pueden incluir cualquier número de alertas. Las alertas 2010 pueden incluir un contenido o un enlace a un contenido. Las alertas 2010 pueden transmitirse al médico responsable, a otros profesionales de la medicina, al hospital, a la empresa farmacéutica o a cualquier otra persona o entidad.
Se muestra el contenido 2015-A, 2015-B, 2015-C (denominado colectivamente como contenido 2015), por ejemplo, usando el ordenador de usuario 210 para proporcionar la alerta. El contenido 2015 puede incluir los datos del paciente asociados con la alerta 2010, una comparación o cualquier otro contenido relevante. La comparación puede ser, por ejemplo, entre médicos, entre los pacientes de un médico y toda la población de pacientes, entre un médico y todos los médicos en un lugar particular, etc. La comparación puede basarse en un análisis de tendencias para mostrar hacia dónde tiende el tratamiento y si se está desviando (es decir, los resultados no son tan buenos como la norma). La comparación puede mostrarse gráficamente como una o más curvas en un gráfico. El módulo de COTA 220 se utiliza con computación basada en la nube. El módulo de COTA 220 también puede habilitar o utilizar la conectividad con los registros hospitalarios.
El contenido 2015 puede incluir soporte por retroalimentación para el profesional médico que tiene indicadores de retroalimentación de semáforo (no mostrados) en una pantalla. Por ejemplo, azul puede significar un rendimiento muy bueno (es decir, mejor que el estándar), verde puede significar un rendimiento estándar, amarillo puede significar un rendimiento suficiente pero es posible que deba prestar atención, rojo puede significar que es posible que el usuario deba prestar atención a algo relacionado con la estrategia del profesional de la medicina sobre esta enfermedad. También se pueden emplear otras implementaciones de indicadores de retroalimentación.
Las Figs. 21-24 muestran representaciones gráficas para diferentes tipos de diagnóstico. La Fig. 21 muestra una pantalla de diagnóstico 2100 para oncología gastrointestinal (por ejemplo, cáncer de colon). La Fig. 22 muestra una pantalla de diagnóstico 2200 para oncología de mama (por ejemplo, cáncer de mama). La Fig. 23 muestra una pantalla de diagnóstico 2300 para oncología torácica (por ejemplo, cáncer de pulmón). Las pantallas de diagnóstico 2100, 2200, 2300 incluyen una serie de parámetros diferentes, tales como pruebas o aspectos de la enfermedad. Los parámetros pueden representarse como indicadores simples, parámetros basados en números, parámetros basados en estándares, etc.
La Fig. 24 muestra una representación gráfica de una pantalla de informe 2400 que ilustra la generación y clasificación de datos del módulo de COTA 220 para oncología de mama. La pantalla de informe 2400 muestra el cáncer de mama del año 2008 al año 2013 por histología, es decir, con carcinoma ductal invasivo. La pantalla de informe 2400 permite la selección de pacientes con cáncer de mama en función del estadio, la edad, la progresión o cualquier otro parámetro en tiempo real. Ventajosamente, la pantalla de informe 2400 permite la categorización de una forma clínicamente relevante.
La Fig. 25 muestra una representación gráfica de una pantalla de informe 2500 que ilustra la generación y clasificación de datos del módulo de COTA 220 para oncología de mama. La pantalla de informe 2500 muestra todos los tumores de cáncer de mama de grado 2 del año 2008 al año 2013 por estadio.
La Fig. 26 muestra una representación gráfica de una pantalla de informe 2600 que ilustra la generación y clasificación de datos del módulo de COTA 220 para oncología de mama. La pantalla de informe 2600 muestra todos los cánceres de mama en estadio IIB del año 2008 al 2013. El gráfico 2605 en la pantalla de informe 2600 muestra todos los cánceres de mama en estadio IIB por estado del receptor de progesterona.
La Fig. 27 muestra una representación gráfica de una pantalla de análisis 2700 que ilustra los resultados de supervivencia general para pacientes con cáncer de mama. La Fig. 28 muestra una representación gráfica 2800 que ilustra los resultados de supervivencia para el cáncer de mama como una comparación entre el Dr. John Doe (línea en negrita) y las partes del grupo (línea sin negrita).
El "nodo" descrito anteriormente representa cada permutación posible de las variables mostradas en una o más de las representaciones gráficas (por ejemplo, en una o más de las Figs. 21-27).
Como se muestra en el ejemplo de la Fig. 29, el dispositivo de cliente 2905 puede incluir una o más unidades de procesamiento (también denominadas CPUs) 2922, que interactúan con al menos un bus de ordenador 2925. El dispositivo de cliente 2905 puede ser, por ejemplo, el ordenador de usuario 210. Una memoria 2930 puede ser un almacenamiento persistente e interactúa con el bus de ordenador 2925. La memoria 2930 incluye RAM 2932 y ROM 2934. La ROM 2934 incluye un BIOS 2940. La memoria 2930 interactúa con el bus de ordenador 2925 para proporcionar información almacenada en la memoria 2930 a la CPU 2922 durante la ejecución de programas de software tales como un sistema operativo 2941, programas de aplicación 2942, controladores de dispositivos y módulos de software 2943, 2945 que comprenden código de programa, y/o etapas de procedimiento ejecutables por ordenador, que incorporan la funcionalidad descrita en esta invención, por ejemplo, uno o más de los flujos de procedimiento descritos en esta invención. La CPU 2922 primero carga las etapas del procedimiento ejecutables por ordenador desde el almacenamiento, por ejemplo, la memoria 2932, el medio/medios de almacenamiento de datos 2944, la unidad de medios extraíbles, y/u otro dispositivo de almacenamiento. La CPU 2922 puede entonces ejecutar las etapas de procedimiento almacenadas para ejecutar las etapas de procedimiento ejecutables por ordenador cargadas. La CPU 2922 puede acceder a los datos almacenados, por ejemplo, los datos almacenados por un dispositivo de almacenamiento, durante la ejecución de las etapas del procedimiento ejecutables por ordenador.
El/los medio/medios de almacenamiento persistente 2944 es/son un medio(s) de almacenamiento legible(s) por ordenador que se puede(n) usar para almacenar software y datos, por ejemplo, un sistema operativo y uno o más programas de aplicación. El/los medio/medios de almacenamiento persistente 2944 también se puede/n utilizar para almacenar controladores de dispositivos, tales como uno o más de un controlador de cámaras digitales, controladores de monitores, controladores de impresoras, controladores de escáneres u otros controladores de dispositivos, páginas web, archivos de contenido, listas de reproducción y otros archivos. El/los medio/medios de almacenamiento persistente 2206 puede/n incluir además módulos de programa y archivos de datos usados para implementar la presente descripción.
A los efectos de esta descripción, un medio legible por ordenador almacena datos informáticos, cuyos datos pueden incluir código de programa informático que es ejecutable por un ordenador, en una forma legible por máquina. A modo de ejemplo, y sin limitación, un medio legible por ordenador puede comprender medios de almacenamiento legibles por ordenador, para el almacenamiento tangible o fijo de datos, o medios de comunicación para la interpretación transitoria de señales que contienen código. Los medios de almacenamiento legibles por ordenador, tal como se utilizan en esta invención, se refieren al almacenamiento físico o tangible (a diferencia de las señales) e incluyen, sin limitación, medios volátiles y no volátiles, extraíbles y no extraíbles implementados en cualquier procedimiento o tecnología para el almacenamiento tangible de información, tales como instrucciones legibles por ordenador, estructuras de datos, módulos de programa u otros datos. Los medios de almacenamiento legibles por ordenador incluyen, aunque de forma no limitativa, RAM, ROM, EPROM, EEPROM, memoria flash u otra tecnología de memoria de estado sólido, CD-ROM, DVD u otro almacenamiento óptico, casetes magnéticos, cinta magnética, almacenamiento en disco magnético u otros dispositivos de almacenamiento magnético, o cualquier otro medio físico o material que pueda utilizarse para almacenar de forma tangible la información, datos o instrucciones deseados y al que pueda acceder un ordenador o un procesador.
El dispositivo de cliente 2905 también puede incluir uno o más de una fuente de alimentación 2926, interfaz de red 2950, interfaz de audio 2952, una pantalla de visualización 2954 (por ejemplo, un monitor o pantalla), teclado 2956, iluminador 2958, interfaz de E/S 2960, una interfaz háptica 2962, un GPS 2964, un micrófono 2966, una cámara de vídeo, sintonizador de TV/radio, tarjeta de captura de audio/vídeo, tarjeta de sonido, entrada de audio analógica con convertidor A/D , módem, entrada de medios digitales (HDMI, enlace óptico), puertos de E/S digitales (RS232, USB, Fire Wire, Thunderbolt), ranuras de expansión (PCMCIA, ExpressCard, PCI, PCIe).
A los efectos de esta descripción, un módulo es un sistema, proceso o funcionalidad de software, hardware o firmware (o combinaciones de los mismos), o un componente del mismo, que realiza o facilita los procesos, características, y/o funciones que se describen en esta invención (con o sin interacción o aumento humano). Un módulo puede incluir submódulos. Los componentes de software de un módulo pueden almacenarse en un medio legible por ordenador. Los módulos pueden ser parte integral de uno o más servidores, o ser cargados y ejecutados por uno o más servidores. Uno o más módulos pueden agruparse en un motor o una aplicación.
La Fig. 30 es un diagrama de bloques que ilustra una arquitectura interna de un ejemplo de un ordenador, tal como un ordenador servidor 205 y/u ordenador de usuario 210, de acuerdo con la presente descripción. Un ordenador como se menciona en esta invención se refiere a cualquier dispositivo con un procesador capaz de ejecutar instrucciones lógicas o codificadas, y puede ser un servidor, un ordenador personal, un aparato que integra el codificador y el descodificador, una tableta, un teléfono inteligente, un ordenador tipo tableta o un dispositivo multimedia, por nombrar algunos dispositivos. Como se muestra en el ejemplo de la Fig. 30, la arquitectura interna 3000 incluye una o más unidades de procesamiento (también denominadas en esta invención CPUs) 3012, que interactúan con al menos un bus de ordenador 3002. También interactúan con el bus de ordenador 3002 el/los medio/medios de almacenamiento persistente 3006, interfaz de red 3014, memoria 3004, por ejemplo, memoria de acceso aleatorio (RAM), memoria transitoria de tiempo de ejecución, memoria de solo lectura (ROM), etc., interfaz de unidad de disco multimedia 2308 como una interfaz para una unidad que puede leer y/o escribir en medios, incluyendo medios extraíbles tales como disquetes, CD-ROM, DVD, etc., interfaz de visualización de medios 3010 como interfaz para un monitor u otro dispositivo de visualización, interfaz de teclado 3016 como interfaz para un teclado, interfaz de dispositivo apuntador 3018 como una interfaz para un ratón u otro dispositivo apuntador y otras interfaces diversas que no se muestran de manera individual, tales como interfaces de puerto paralelo y serie, una interfaz de bus serie universal (USB) y similares.
La memoria 3004 interactúa con el bus de ordenador 3002 para proporcionar información almacenada en la memoria 3004 a la CPU 3012 durante la ejecución de programas de software tales como un sistema operativo, programas de aplicación, controladores de dispositivos y módulos de software que comprenden código de programa, y/o etapas de procedimiento ejecutables por ordenador, que incorporan la funcionalidad descrita en esta invención, por ejemplo, uno o más de los flujos de procedimiento descritos en esta invención. La CPU 3012 primero carga las etapas del procedimiento ejecutables por ordenador desde el almacenamiento, por ejemplo, la memoria 3004, el medio/medios de almacenamiento 3006, la unidad de medios extraíbles, y/u otro dispositivo de almacenamiento. La CPU 3012 puede entonces ejecutar las etapas de procedimiento almacenadas para ejecutar las etapas de procedimiento ejecutables por ordenador cargadas. La CPU 3012 puede acceder a los datos almacenados, por ejemplo, los datos almacenados por un dispositivo de almacenamiento, durante la ejecución de las etapas del procedimiento ejecutables por ordenador.
Como se ha descrito anteriormente, el/los medio/medios de almacenamiento persistente 3006 es/son un medio(s) de almacenamiento legible(s) por ordenador que se puede(n) usar para almacenar software y datos, por ejemplo, un sistema operativo y uno o más programas de aplicación. El/los medio/medios de almacenamiento persistente 3006 también se puede/n utilizar para almacenar controladores de dispositivos, tales como uno o más de un controlador de cámaras digitales, controladores de monitores, controladores de impresoras, controladores de escáneres u otros controladores de dispositivos, páginas web, archivos de contenido, listas de reproducción y otros archivos. El/los medio/medios de almacenamiento persistente 3006 puede/n incluir además módulos de programa y archivos de datos usados para implementar la presente descripción.
La arquitectura interna 3000 del ordenador puede incluir (como se indicó anteriormente), un micrófono, cámara de vídeo, sintonizador de TV/radio, tarjeta de captura de audio/vídeo, tarjeta de sonido, entrada de audio analógica con convertidor A/D , módem, entrada de medios digitales (HDMI, enlace óptico), puertos de E/S digitales (RS232, USB, Fire Wire, Thunderbolt), y/o ranuras de expansión (PCMCIA, ExpressCard, PCI, PCIe).
En otras palabras, los elementos funcionales que se realizan por componentes únicos o múltiples, en varias combinaciones de hardware y software o firmware, y funciones individuales, pueden distribuirse entre aplicaciones de software en cualquiera del dispositivo informático del usuario o en el servidor o en ambos. La funcionalidad también puede ser, completa o parcialmente, distribuida entre múltiples componentes. Así, son posibles innumerables combinaciones de software/hardware/firmware para lograr las funciones, características, interfaces y preferencias descritas en esta invención. Por otra parte, el alcance de la presente descripción abarca las formas convencionalmente conocidas para llevar a cabo las características y funciones e interfaces descritas.

Claims (15)

REIVINDICACIONES
1. Un procedimiento implementado por ordenador para el seguimiento y análisis de resultados clínicos usando un módulo de seguimiento y análisis de resultados clínicos (220), comprendiendo el procedimiento implementado por ordenador:
la recepción, a partir de un dispositivo de cliente operado por un usuario, de uno o más parámetros para clasificar una pluralidad de registros de datos de paciente, cada registro de datos incluyendo datos asociados con una enfermedad y datos asociados con un paciente que actualmente tiene la enfermedad o un paciente que previamente tenía la enfermedad, donde la enfermedad es un cáncer;
en respuesta a la recepción, la clasificación de la pluralidad de registros de datos de paciente en función de los uno o más parámetros para proporcionar un conjunto clasificado de registros de datos de paciente;
la creación de una pluralidad de nodos (455) como un conjunto de variables (440, 445, 450), que son variables de clasificación y son variables preseleccionadas, que se aplican para filtrar además los registros de datos clasificados, donde los nodos (455) se representan como direcciones nodales que indican valores de las variables, y donde el conjunto de variables (440, 445, 450) es seleccionado por expertos en el campo pertinente con el fin de dividir los registros de datos de paciente en resultados clínicamente relevantes;
la asignación de una dirección nodal a cada registro de datos de paciente usando una capa de clasificación del módulo de seguimiento y análisis de resultados clínicos (220), definiendo la dirección nodal valores para el conjunto de variables (440, 445, 450) en el registro de datos de paciente,
donde la dirección nodal se representa como una pluralidad de cadenas de dígitos, representando cada una de la pluralidad de cadenas de dígitos un valor de uno del conjunto de variables (440, 445, 450), y
donde el conjunto de variables (440, 445, 450) incluye una enfermedad particular, un tipo de enfermedad, un subtipo de enfermedad y un fenotipo;
la aplicación de la dirección nodal que indica los valores para el conjunto de variables (440, 445, 450) al conjunto clasificado de registros de datos de paciente para filtrar los registros de datos de paciente en función de las direcciones nodales asignadas para determinar un conjunto clínicamente relevante de registros de datos de paciente como el conjunto ordenado y clasificado de registros de datos de paciente que satisfacen los valores para el conjunto de variables (440, 445, 450), identificando de esta manera un conjunto de pacientes clínicamente relevantes que satisfacen los valores para el conjunto de variables preseleccionadas incorporadas en la dirección nodal que permite a un usuario comparar específicamente pacientes similares con pacientes similares durante un análisis de resultados minimizando el impacto de la variabilidad biológica en el análisis de un resultado;
el análisis del conjunto clínicamente relevante de registros de datos de paciente para el conjunto de pacientes clínicamente relevantes, incluyendo la comparación de resultados clínicos entre pacientes; y
la transmisión de una comunicación en función del análisis, incluyendo la comunicación una alerta (2010) que incluye una comparación entre los resultados clínicos para los pacientes tratados por diferentes médicos, entre los resultados clínicos para los pacientes de un médico y toda la población de pacientes, o entre los resultados clínicos para los pacientes de un médico y todos los médicos en un lugar particular para mostrar hacia dónde tiende el tratamiento y si se desvía para los pacientes de un médico particular, donde la transmisión está destinada a un usuario para efectuar un tratamiento o para reducir una variabilidad del tratamiento mientras se realiza un resultado clínico previsto.
2. El procedimiento implementado por ordenador según la reivindicación 1, donde los parámetros para la clasificación comprenden uno o más de sexo, edad, origen étnico, comorbilidades, consumo de tabaco, fuente de seguro, número de historial médico, médico de atención primaria, médico referente, hospital, proveedores de servicios aprobados, fenotipo molecular clínico específico de la enfermedad, intención de terapia, fase de la terapia, biomarcadores y coste de la atención.
3. El procedimiento implementado por ordenador según la reivindicación 1, donde una cadena de dígitos que representa el fenotipo se determina en función de un gráfico dirigido (460).
4. El procedimiento implementado por ordenador según la reivindicación 1, donde la dirección nodal está asociada con uno o más paquetes de servicios de atención a los pacientes predeterminados para el tratamiento de la enfermedad.
5. El procedimiento implementado por ordenador según la reivindicación 1, donde el análisis comprende:
realizar un seguimiento de los resultados clínicos para los pacientes en el conjunto de pacientes clínicamente relevantes; y
actualizar los registros de datos de paciente de los pacientes en el conjunto de pacientes clínicamente relevantes con información sobre los resultados clínicos seguidos.
6. El procedimiento implementado por ordenador según la reivindicación 5, donde los resultados clínicos comprenden al menos uno de supervivencia, métrica de respuesta, métrica de calidad de vida, incidencia de toxicidad de fármaco, gravedad de la toxicidad de fármaco, intensidad de la dosis administrada, fármacos recibidos, intervalo de fármaco, duración del fármaco, coste de la atención y muerte.
7. El procedimiento implementado por ordenador de la reivindicación 1, donde el análisis comprende:
comparar resultados clínicos seguidos entre pacientes en el conjunto clínicamente relevante de registros de datos de paciente; o
comparar resultados clínicos entre pacientes en el conjunto clínicamente relevante de registros de datos de paciente en función del tratamiento, del coste o de una combinación de los mismos; o
comparar el rendimiento de resultados de un médico que trata una enfermedad con el rendimiento de resultados de un grupo de médicos que tratan la enfermedad.
8. El procedimiento implementado por ordenador según la reivindicación 1, donde el análisis comprende además:
comparar una terapia con una calidad de vida.
9. El procedimiento implementado por ordenador
según la reivindicación 1, donde la transmisión de una comunicación comprende enviar al menos una parte del conjunto analizado de historiales médicos de paciente a un dispositivo de cliente para la visualización; o donde la transmisión es en respuesta a un activador (610), comprendiendo el activador (610) al menos uno de diagnóstico (615), progresión (625), cambio de dosis (620), cambio de fármaco, toxicidad, tendencia a la variación de un resultado deseado, (630) y un tiempo específico (635); o
donde la transmisión de la comunicación que incluye una alerta (2010) está destinada a un profesional de la medicina o a una empresa de seguros de un paciente en tiempo real en puntos clave que incluyen uno o más de: en el momento de la progresión, en el momento del cambio de la dosis, cambio de fármaco, toxicidad y tendencia a la variación del resultado deseado.
10. El procedimiento implementado por ordenador según la reivindicación 1, donde las variables (440, 445, 450) incluyen uno o más de diagnósticos, datos demográficos, resultados y fenotipos.
11. El procedimiento implementado por ordenador según la reivindicación 1, donde cada dirección nodal está asociada con uno o más paquetes de servicios de atención a los pacientes predeterminados.
12. El procedimiento implementado por ordenador según la reivindicación 1, donde el análisis comprende la evaluación comparativa en tiempo real de los resultados entre dos partes.
13. El procedimiento implementado por ordenador según la reivindicación 1, donde el análisis comprende el seguimiento de los resultados en tiempo real.
14. El procedimiento implementado por ordenador de la reivindicación 1, donde el contenido incluye soporte por retroalimentación de un profesional de la medicina.
15. El procedimiento implementado por ordenador de la reivindicación 1, donde un activador (610) para la alerta (2010) incluye un nuevo diagnóstico de paciente (615), una actualización de un diagnóstico, un evento programado en tiempo real, una toxicidad o cambio de intensidad de dosis (620), evolución de una enfermedad (625), administración de un fármaco particular, y/o tendencia a la variación de un resultado deseado (630); o donde la alerta (2010) es una alerta dependiente del tiempo o del ciclo potencial (635).
ES14851827T 2013-10-08 2014-10-06 Seguimiento y análisis de resultados clínicos Active ES2908089T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201361888418P 2013-10-08 2013-10-08
PCT/US2014/059354 WO2015054156A1 (en) 2013-10-08 2014-10-06 Clinical outcome tracking and analysis

Publications (1)

Publication Number Publication Date
ES2908089T3 true ES2908089T3 (es) 2022-04-27

Family

ID=52777665

Family Applications (1)

Application Number Title Priority Date Filing Date
ES14851827T Active ES2908089T3 (es) 2013-10-08 2014-10-06 Seguimiento y análisis de resultados clínicos

Country Status (16)

Country Link
US (5) US20150100341A1 (es)
EP (1) EP3055803B1 (es)
JP (1) JP6674375B2 (es)
KR (2) KR102119790B1 (es)
CN (1) CN105793856A (es)
BR (1) BR112016007630A2 (es)
CA (2) CA2926703C (es)
DK (1) DK3055803T3 (es)
ES (1) ES2908089T3 (es)
HK (1) HK1225464A1 (es)
IL (1) IL244852B (es)
MX (1) MX2016004380A (es)
PL (1) PL3055803T3 (es)
PT (1) PT3055803T (es)
WO (1) WO2015054156A1 (es)
ZA (3) ZA201602303B (es)

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130124217A1 (en) * 2011-11-11 2013-05-16 Debra Thesman Health plan rating system improvement program
US20140337052A1 (en) * 2013-01-05 2014-11-13 Foundation Medicine, Inc. System and method for outcome tracking and analysis
US11985075B1 (en) 2013-02-04 2024-05-14 C/Hca, Inc. Data stream processing for dynamic resource scheduling
US10872684B2 (en) * 2013-11-27 2020-12-22 The Johns Hopkins University System and method for medical data analysis and sharing
US20150350040A1 (en) * 2014-06-02 2015-12-03 Hcl Technologies Ltd. Enabling an early response to a disease based on data analytics
US11182459B1 (en) * 2014-09-26 2021-11-23 Sentry Data Systems, Inc. Automated comparative healthcare, financial, operational, and quality outcomes and performance benchmarking
AU2016326742B2 (en) * 2015-09-24 2022-04-28 Caris Science, Inc. Method, apparatus, and computer program product for analyzing biological data
US10698078B2 (en) 2015-12-07 2020-06-30 Cvs Pharmacy, Inc. Clinic wait-time visibility and reservations
US11165722B2 (en) 2016-06-29 2021-11-02 International Business Machines Corporation Cognitive messaging with dynamically changing inputs
WO2018044894A1 (en) * 2016-08-29 2018-03-08 Chen James C Connected systems, devices, and methods for monitoring clinical treatments
US10878962B2 (en) * 2016-11-02 2020-12-29 COTA, Inc. System and method for extracting oncological information of prognostic significance from natural language
IL266481B2 (en) * 2016-11-14 2024-07-01 Cota Inc CNA-guided care to improve clinical outcomes and reduce the overall cost of care
US10529446B2 (en) 2016-12-22 2020-01-07 International Business Machines Corporation Continuous health care plan coordination between patient and patient care team
WO2018183470A1 (en) * 2017-03-28 2018-10-04 Bruce Ramshaw Performing predictive patient care options that improve value based on historical data
US20180293352A1 (en) * 2017-04-10 2018-10-11 COTA, Inc. System and Method for Decision-Making for Determining Initiation and Type of Treatment for Patients with a Progressive Illness
AU2018265421B2 (en) * 2017-05-12 2024-03-07 The Regents Of The University Of Michigan Individual and cohort pharmacological phenotype prediction platform
US20200098480A1 (en) * 2017-06-02 2020-03-26 Mayo Foundation For Medical Education And Research System and method for providing clinical outcomes driven expertise for disease treatment
US11562143B2 (en) 2017-06-30 2023-01-24 Accenture Global Solutions Limited Artificial intelligence (AI) based document processor
US11003796B2 (en) 2017-06-30 2021-05-11 Accenture Global Solutions Limited Artificial intelligence based document processor
US10489502B2 (en) 2017-06-30 2019-11-26 Accenture Global Solutions Limited Document processing
US20190096017A1 (en) * 2017-09-25 2019-03-28 General Electric Company Medical procedure cost evaluation and optimization
IL255255A0 (en) * 2017-10-25 2017-12-31 Optimata Ltd A system and method for predicting the effect of medical treatment
US11610688B2 (en) 2018-05-01 2023-03-21 Merative Us L.P. Generating personalized treatment options using precision cohorts and data driven models
KR102192164B1 (ko) * 2018-08-08 2020-12-16 주식회사 딥바이오 생체 이미지 진단 시스템, 생체 이미지 진단 방법, 및 이를 수행하기 위한 단말
US11636949B2 (en) * 2018-08-10 2023-04-25 Kahun Medical Ltd. Hybrid knowledge graph for healthcare applications
US11139051B2 (en) * 2018-10-02 2021-10-05 Origent Data Sciences, Inc. Systems and methods for designing clinical trials
US11515018B2 (en) 2018-11-08 2022-11-29 Express Scripts Strategic Development, Inc. Systems and methods for patient record matching
US11562257B2 (en) 2018-11-28 2023-01-24 Merative Us L.P. Identifying knowledge gaps utilizing cognitive network meta-analysis
CN109801172B (zh) * 2018-12-14 2023-08-29 中国平安财产保险股份有限公司 基于数据分析的患者跟踪管控方法、装置和计算机设备
CN109814502B (zh) * 2019-01-11 2021-08-06 广东中烟工业有限责任公司 一种制丝原料配方防错方法及装置
US11847601B2 (en) * 2019-04-26 2023-12-19 The Dedham Group Llc Payer quality of access tool
KR102272401B1 (ko) * 2019-08-02 2021-07-02 사회복지법인 삼성생명공익재단 의료 데이터 웨어하우스 실시간 자동 업데이트 시스템, 방법 및 이의 기록매체
CA3153502A1 (en) * 2019-10-02 2021-04-08 Jason Morrell SPRINGS Directing medical diagnosis and intervention recommendations
CN110893006A (zh) * 2019-12-11 2020-03-20 河南中烟工业有限责任公司 一种基于信息化平台的卷烟批次质量信息精准追溯方法
CN112992302A (zh) * 2019-12-12 2021-06-18 阿里巴巴集团控股有限公司 数据处理方法、装置、设备和存储介质
KR20230107914A (ko) * 2020-02-26 2023-07-18 브라이트 클리니컬 리서치 리미티드 진행중인 임상 시험을 동적으로 모니터링하고 지도하기위한 레이더 시스템
US20210272662A1 (en) * 2020-02-27 2021-09-02 Lawrence German Application, system, and method for a computer implemented medical electronic record management system
KR102371037B1 (ko) * 2020-08-18 2022-03-07 서울대학교병원 프로그래밍이 가능한 전자의무기록 시스템
KR102335483B1 (ko) * 2021-01-05 2021-12-06 서울대학교병원 임상시험 안전성 관리 방법 및 장치
IL280496A (en) * 2021-01-28 2022-08-01 Yeda Res & Dev Artificial intelligence for predicting laboratory test results
KR102632155B1 (ko) * 2021-03-16 2024-01-31 재단법인 아산사회복지재단 의료 데이터에 기초한 코호트 데이터 처리 장치 및 방법
CN113380358B (zh) * 2021-06-01 2022-12-16 上海德衡数据科技有限公司 基于物联网的医疗信息交互的方法、装置及设备
KR102503195B1 (ko) * 2021-11-09 2023-02-23 주식회사 에이치엠씨네트웍스 환자의 전원 정보에 대응되는 병원 정보를 노출하는 방법 및 그 장치

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7353238B1 (en) * 1998-06-12 2008-04-01 Outcome Sciences, Inc. Apparatus and methods for determining and processing medical outcomes
AU2966100A (en) * 1999-01-14 2000-08-01 Point Loma Industries, Inc. Expert system for real-time decision support
US8369937B2 (en) * 1999-11-16 2013-02-05 Cardiac Pacemakers, Inc. System and method for prioritizing medical conditions
US6740038B2 (en) * 2000-09-29 2004-05-25 New Health Sciences, Inc. Systems and methods for assessing vascular effects of a treatment
JP3823192B2 (ja) * 2002-04-19 2006-09-20 学校法人慶應義塾 診療支援装置、診療支援方法、及び診療支援プログラム
JP2004133826A (ja) * 2002-10-15 2004-04-30 Hitachi Ltd 電子カルテシステム
US7774377B2 (en) * 2003-12-03 2010-08-10 The Trizetto Group, Inc. Range definition method and system
JP2005223629A (ja) 2004-02-05 2005-08-18 Asahi Kasei Corp 携帯電子機器
WO2005086891A2 (en) * 2004-03-05 2005-09-22 Rosetta Inpharmatics Llc Classification of breast cancer patients using a combination of clinical criteria and informative genesets
JP4619219B2 (ja) * 2005-07-19 2011-01-26 株式会社エヌ・ティ・ティ・データ 被験者選定装置
RU2008110491A (ru) * 2005-08-19 2009-09-27 Конинклейке Филипс Электроникс Н.В. (Nl) Система управления данными здравоохранения
US7805385B2 (en) 2006-04-17 2010-09-28 Siemens Medical Solutions Usa, Inc. Prognosis modeling from literature and other sources
US20080091472A1 (en) * 2006-10-11 2008-04-17 Steven Hoppe Treatment monitoring tool
WO2009049276A1 (en) * 2007-10-12 2009-04-16 Patientslikeme, Inc. Personalized management and monitoring of medical conditions
MX337333B (es) * 2008-03-26 2016-02-26 Theranos Inc Metodos y sistemas para evaluar resultados clinicos.
BRPI0914079A2 (pt) * 2008-10-10 2015-10-27 Cardiovascular Decision Technologies Inc "método e sistema para avaliar dados médicos, meio de armazenamento e método para adicionar e modificar um conjunto de características candidato relacionado a uma condição médica"
US20120130737A1 (en) * 2009-09-17 2012-05-24 Therapeuticsmd, Inc. System and method for distrubutor reporting and analysis
KR20110066576A (ko) * 2009-12-11 2011-06-17 서울대학교병원 임상시험 및 임상연구용 의료 정보관리 시스템 및 방법
US20120029939A1 (en) * 2010-07-30 2012-02-02 General Electric Company Methods and apparatus to group and present clinical records
US20120166218A1 (en) 2010-12-27 2012-06-28 Bruce Reiner Method and system of real-time customizable medical search analytics
EP2700049A4 (en) * 2011-04-20 2015-08-19 Cleveland Clinic Foundation PREDICTIVE MODELING
US20150006088A1 (en) * 2011-12-21 2015-01-01 Koninklijke Philips N.V. Method and system to predict physiologic and clinical status changes
US20130226612A1 (en) 2012-02-26 2013-08-29 International Business Machines Corporation Framework for evidence based case structuring
US20140006044A1 (en) 2012-06-27 2014-01-02 Infosys Limited System and method for preparing healthcare service bundles
IN2013CH00818A (es) 2013-02-25 2015-08-14 Cognizant Technology Solutions India Pvt Ltd

Also Published As

Publication number Publication date
PL3055803T3 (pl) 2022-06-20
JP2017502365A (ja) 2017-01-19
CN105793856A (zh) 2016-07-20
BR112016007630A2 (pt) 2017-08-01
US20160350491A1 (en) 2016-12-01
US9734288B2 (en) 2017-08-15
KR20160068868A (ko) 2016-06-15
US20150100341A1 (en) 2015-04-09
EP3055803B1 (en) 2021-12-08
CA3210162A1 (en) 2015-04-16
KR20180026574A (ko) 2018-03-12
WO2015054156A1 (en) 2015-04-16
EP3055803A4 (en) 2017-06-21
KR102119790B1 (ko) 2020-06-05
JP6674375B2 (ja) 2020-04-01
US10902953B2 (en) 2021-01-26
ZA201605843B (en) 2017-09-27
US20150127385A1 (en) 2015-05-07
US9734289B2 (en) 2017-08-15
IL244852A0 (en) 2016-05-31
KR101835880B1 (ko) 2018-03-07
PT3055803T (pt) 2022-03-09
HK1225464A1 (zh) 2017-09-08
IL244852B (en) 2020-09-30
ZA201605844B (en) 2017-09-27
US9378531B2 (en) 2016-06-28
CA2926703A1 (en) 2015-04-16
ZA201602303B (en) 2017-07-26
EP3055803A1 (en) 2016-08-17
US20160350492A1 (en) 2016-12-01
MX2016004380A (es) 2016-07-05
US20180174688A1 (en) 2018-06-21
DK3055803T3 (da) 2022-03-14
CA2926703C (en) 2023-10-10

Similar Documents

Publication Publication Date Title
ES2908089T3 (es) Seguimiento y análisis de resultados clínicos
US9734291B2 (en) CNA-guided care for improving clinical outcomes and decreasing total cost of care
US9646135B2 (en) Clinical outcome tracking and analysis
Klabunde et al. Physician roles in the cancer-related follow-up care of cancer survivors
JP7355415B2 (ja) 臨床転帰を改善し、総治療費を低減するためのｃｎａガイドケア
Fisch et al. Using technology to improve cancer care: social media, wearables, and electronic health records
Davazdahemami et al. An explanatory analytics framework for early detection of chronic risk factors in pandemics
CA3153930A1 (en) Clinical outcome tracking and analysis employing provisiona/refined nodal addresses relevant to treatment/prognosis-related outcome and risk assessment
Shaikh et al. Factors associated with a prolonged diagnosis-to-treatment interval in laryngeal squamous cell carcinoma
Somayaji et al. Exploring Medicaid claims data to understand predictors of healthcare utilization and mortality for Medicaid individuals with or without a diagnosis of lung cancer: a feasibility study
Lin et al. Early prediction of 30-and 14-day all-cause unplanned readmissions
Li et al. A predictive web-based nomogram for the early death of patients with lung adenocarcinoma and bone metastasis: a population-based study
Kharrazi Population Health Informatics Challenges, Opportunities, and Case Studies