JP2019017998A - 重症化推定装置及び重症化推定プログラム - Google Patents
重症化推定装置及び重症化推定プログラム Download PDFInfo
- Publication number
- JP2019017998A JP2019017998A JP2018128053A JP2018128053A JP2019017998A JP 2019017998 A JP2019017998 A JP 2019017998A JP 2018128053 A JP2018128053 A JP 2018128053A JP 2018128053 A JP2018128053 A JP 2018128053A JP 2019017998 A JP2019017998 A JP 2019017998A
- Authority
- JP
- Japan
- Prior art keywords
- variable
- patient information
- patient
- derived
- model
- 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.)
- Granted
Links
Images
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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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
- G16H10/60—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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pulmonology (AREA)
- Vascular Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
【解決手段】コンピュータ端末10は、データベース40から抽出した患者情報に基づく第1変数及び第2変数が縦軸及び横軸のそれぞれに対応している静的スコアリングモデルを生成する機能と、患者30に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から第1変数と第2変数を導出して静的スコアリングモデルに順次プロットする機能と、当該機能によるプロットが静的スコアリングモデルの特定領域に行われた時点を、被験者が重症化したタイミングとして推定する機能と、を実現し、第1変数と第2変数のうち少なくとも一方が複数種類の患者情報を用いて導出される指標であることを特徴とする。
【選択図】図1
Description
この種の技術として、下記の特許文献1を例示する。
特許文献1には、早期警告スコアに用いられる情報の一部である心拍数と呼吸数の実測値を、心拍数を縦軸とし呼吸数を横軸とする二次元モデルにプロットし、そのプロットが二次元モデルの特定領域に表示されるとアラームを生成する旨が開示されている。
まず、本発明に係る重症化予測装置について図1及び図2を用いて説明する。
図1は、本発明を実現するためのシステム構成図である。図2は、コンピュータ端末10の表示画面の一具体例を示す図である。
コンピュータ端末10は、当該アプリケーションソフトに係る処理を実行することによって後述する各機能を実現することができ、その実現に必要なハードウェア資源を含んでいる。ここでハードウェア資源とは、具体的には、コンピュータ端末10に内蔵されているCPUやメモリ、利用者の操作入力を受け付ける入力装置、及び利用者の操作や各機能の実現に必要な画面や音声等を出力する出力装置等を例示することができる。
第一の機能は、データベース40から各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第1変数及び第2変数を導出し、導出した第1変数及び第2変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するものである(以下、モデル生成手段と称する)。
第二の機能は、被験者である患者30に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から第1変数と第2変数を導出して静的スコアリングモデルに順次プロットしていくものである(以下、スコアリング手段と称する)。
第三の機能は、スコアリング手段によるプロットが静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、被験者が重症化したタイミングとして推定するものである(以下、重症化推定手段と称する)。
データベース40に蓄積されている患者情報とは、患者の個人的属性に係る情報(例えば、患者の氏名、性別、年齢、疾患名、患者の識別番号等)及び患者の生体情報(例えば、体温、心拍数、呼吸数、酸素飽和度、血圧等)が含まれる。なお、ここで血圧とは、収縮期血圧、拡張期血圧、平均血圧のいずれもが該当しうる。
静的スコアリングモデルとは、データベース40に蓄積されている患者情報から導出可能な第1変数及び第2変数を縦軸及び横軸とする二次元モデルである。なお、本発明に係る静的スコアリングモデルは、モデル生成手段により生成された以降において重症化推定手段による処理の基準となる特定領域の範囲が不変であることをもって「静的」と称する。従って、モデル生成手段が用いる諸条件によって静的スコアリングモデルの特定領域は可変に変更可能であるし、コンピュータ端末10の表示画面に表示される静的スコアリングモデルの表示態様は動的に変化可能である。
ここで第1変数と第2変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標である。例えば、図2に図示する例によれば、横軸に対応する第1変数はショックインデックスであり、縦軸に対応する第2変数は修正型早期警告スコアである。この例に代えて、第1変数又は第2変数の一方を心拍数、呼吸数又は収縮期血圧といった単一種類の患者情報(生体情報)としてもよい。
なお、診断された疾患名は、複数表示することが可能に構成されているが、図2においては一種類のみが表示されている状態を図示している。
上記の修正型早期警告スコア及びショックインデックスが経時的に変化する様を観察することにより、患者の容態が現状より悪化するか改善するかは予測が可能である。さらに、各々に±1σを載せた値も参照して修正型早期警告スコア及びショックインデックスのバラツキを解析することにより、更に高い精度で患者の容態を予測することができる。
なお、指標推移表示部DR2における横軸には上限が設定される。例えば、図2においては20分を上限とし、その範囲内で修正型早期警告スコア及びショックインデックスの時間的変化が表示される。指標推移表示部DR2に表示される時間帯は、後述の時間帯表示部DR4に表示される。
末期ゾーンTZへのプロットが行われたとしても直ちに重症化したものと推定せずともよい。患者30の容態が一時的に変化して末期ゾーンTZにプロットがなされたとしても、直ぐに持ち直すのであれば、重症化している可能性は低いと考えられるからである。従って、一定時間にわたって末期ゾーンTZにプロットがされた場合(一定数のプロットが末期ゾーンTZに継続して行われた場合)、患者30の重症化を推定してもよい。
なお、本実施形態では説明の便宜上、これらの3つの領域を識別可能に図示したが、コンピュータ端末10は必ずしも各領域を識別可能に表示しなくてもよい。
計測器20による生体情報の計測の時間間隔(コンピュータ端末10が計測器20から計測結果を取得する時間間隔)は任意であるが、一定の精度で患者30の重症化タイミングを推定するためには、分オーダー以下であることが好ましい。ここで分オーダー以下とは、コンピュータ端末10が取得する時間間隔が1時間(60分)を超えない範囲であることをいい、より好ましくは10分を超えない範囲であることをいう。なお、本実施形態では、計測器20による生体情報の計測の時間間隔は原則として1分間隔とする。
以下、本発明が有する各特徴について、それぞれ詳細に説明する。
第1変数と第2変数については、第1変数の導出に用いる患者情報と、第2変数の導出に用いる患者情報と、が少なくとも一種類について共通しているものを採用することが好ましい。これにより、互いに一定の相関関係を有することになり、静的スコアリングモデルに描かれるプロットの動きがより、被験者の重症化を推測する上でより有意なものになる。
上記のように導出されるため、修正型早期警告スコアは0(零)以上の整数として導出される。
続いて、静的スコアリングモデルにおける末期ゾーンTZの定め方について述べる。末期ゾーンTZを定めるにあたって、横軸に対応するショックインデックス(第1変数)の閾値と、修正型早期警告スコア(第2変数)の閾値と、をそれぞれ定める必要がある。
以下の説明においては、静的スコアリングモデルにおける末期ゾーンTZの設定のために、リウマチ・血液疾患に罹患しており、且つ集中治療室に緊急で入室した18人の患者をデータベース40から取得して解析対象とした。
更に、同一の18人の患者を対象として、治療介入を行った時点から24時間後を基準時とし、その基準時の前後30分における患者情報を取得した(以下、この60分間における患者情報を、安定群データと称する)。
なお、どの時点を基準とするか、又は基準とした時点からどれだけの期間における患者情報を対象とするかは、適宜変更可能である。
感度の欄と特異度の欄の右欄に記載されている数値は、信頼水準95%における感度又は特異度の信頼区間(Confidence Interval)である。各行において最右欄に記載されている数値は、感度と特異度の尤度比(Likelihood ratio)である。
さらに、上表において、閾値を5.5(Cut off <5.5)とした事例を見てみると、MEWS < 5.5の時、安定群データの91.83%が含まれ、MEWS > 5.5の場合は介入群データの59.15%が含まれる。即ち、MEWSが5.5を超えていれば59%の場面で介入が必要と言える。
上述のように、修正型早期警告スコアは0(零)以上の整数として導出される値であるため、この解析結果から判断するに、修正型早期警告スコアに関する閾値を5に設定するのが妥当と判断される。
なお、この閾値は一具体例であり、被験者の疾患等によって変化しうるし、解析対象とする患者情報の範囲を変更することによって変化しうるため、本発明の実施における閾値はこれに限られない。
上述のように、第2変数については、修正型早期警告スコアに代えて治療介入予測スコアを用いることができる。
治療介入予測スコアに用いる変数の候補としては、患者の年齢、性別、既往歴等の背景データ、治療に用いている薬剤、鎮静・鎮痛の評価項目、計測器20によって取得できる患者情報、カメラ等によって撮影された画像を解析して得られる数値データ等が挙げられる。
これらの変数を、重症化した状態でのデータと安定期のデータで比較する。比較検討する方法としては、線形回帰分析、ロジスティック回帰分析、非線形回帰分析、機械学習等が適用できる。
本実施形態では、一具体例として、上記の閾値設定に用いた介入群データを「重症化した状態でのデータ」として扱い、安定群データを「安定期のデータ」として扱うことにする。
なお、上式における各変数の選択や予測式の内容については、解析対象とするデータを変更することにより変化しうるものであり、本発明の実施はこれに限られない。
ここまで実施形態に即して本発明を説明したが、本発明は上述の実施形態に限定されるものではなく、本発明の目的が達成される限りにおける種々の変形、改良等の態様も含む。
例えば、モデル表示部DR3に相当する表示のみによって構成されてもよいし、図2に図示されない別の表示が成されてもよい。
例えば、第1変数と第2変数とを関連付けて特定領域を設定する方法(第1変数と第2変数の双方を変数として用いる関数によって特定領域の閾値が導出される方式)を用いてもよい。
(1)複数の患者について経時的に取得された複数種類の患者情報を蓄積しているデータベースから、各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第1変数及び第2変数を導出し、導出した前記第1変数及び前記第2変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するモデル生成手段と、被験者である患者に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から前記第1変数と前記第2変数を導出して前記静的スコアリングモデルに順次プロットしていくスコアリング手段と、前記スコアリング手段によるプロットが前記静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、前記被験者が重症化したタイミングとして推定する重症化推定手段と、を含み、前記第1変数と前記第2変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標である重症化推定装置。
(2)前記第1変数の導出に用いる患者情報と、前記第2変数の導出に用いる患者情報と、が少なくとも一種類について共通している(1)に記載の重症化推定装置。
(3)前記第1変数は、心拍数を収縮期血圧で除して導出される指標であり、前記第2変数は、心拍数、収縮期血圧、呼吸数、酸素飽和度及び体温に基づいて導出される指標である(2)に記載の重症化推定装置。
(4)前記第1変数は、心拍数を収縮期血圧で除して導出される指標であり、前記第2変数は、年齢、拡張期血圧、体温、心拍数、呼吸数及び酸素飽和度に基づいて導出される指標である(2)に記載の重症化推定装置。
(5)前記モデル生成手段は、前記被験者に係る患者情報のうち少なくとも一種類をキーとして前記データベースから複数の患者を検索し、検索された複数の患者に係る患者情報に基づいて前記静的スコアリングモデルにおける前記特定領域を定める(1)から(4)のいずれか一つに記載の重症化推定装置。
(6)複数の患者について経時的に取得された複数種類の患者情報を蓄積しているデータベースから、各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第1変数及び第2変数を導出し、導出した前記第1変数及び前記第2変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するモデル生成手段と、被験者である患者に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から前記第1変数と前記第2変数を導出して前記静的スコアリングモデルに順次プロットしていくスコアリング手段と、前記スコアリング手段によるプロットが前記静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、前記被験者が重症化したタイミングとして推定する重症化推定手段と、をコンピュータに実行させるためのプログラムであり、前記第1変数と前記第2変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標であることを特徴とする重症化推定プログラム。
20 計測器
30 患者
40 データベース
Claims (6)
- 複数の患者について経時的に取得された複数種類の患者情報を蓄積しているデータベースから、各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第1変数及び第2変数を導出し、導出した前記第1変数及び前記第2変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するモデル生成手段と、
被験者である患者に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から前記第1変数と前記第2変数を導出して前記静的スコアリングモデルに順次プロットしていくスコアリング手段と、
前記スコアリング手段によるプロットが前記静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、前記被験者が重症化したタイミングとして推定する重症化推定手段と、を含み、
前記第1変数と前記第2変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標である重症化推定装置。 - 前記第1変数の導出に用いる患者情報と、前記第2変数の導出に用いる患者情報と、が少なくとも一種類について共通している請求項1に記載の重症化推定装置。
- 前記第1変数は、心拍数を収縮期血圧で除して導出される指標であり、
前記第2変数は、心拍数、収縮期血圧、呼吸数、酸素飽和度及び体温に基づいて導出される指標である請求項2に記載の重症化推定装置。 - 前記第1変数は、心拍数を収縮期血圧で除して導出される指標であり、
前記第2変数は、年齢、拡張期血圧、体温、心拍数、呼吸数及び酸素飽和度に基づいて導出される指標である請求項2に記載の重症化推定装置。 - 前記モデル生成手段は、前記被験者に係る患者情報のうち少なくとも一種類をキーとして前記データベースから複数の患者を検索し、検索された複数の患者に係る患者情報に基づいて前記静的スコアリングモデルにおける前記特定領域を定める請求項1から4のいずれか一項に記載の重症化推定装置。
- 複数の患者について経時的に取得された複数種類の患者情報を蓄積しているデータベースから、各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第1変数及び第2変数を導出し、導出した前記第1変数及び前記第2変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するモデル生成手段と、
被験者である患者に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から前記第1変数と前記第2変数を導出して前記静的スコアリングモデルに順次プロットしていくスコアリング手段と、
前記スコアリング手段によるプロットが前記静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、前記被験者が重症化したタイミングとして推定する重症化推定手段と、をコンピュータに実行させるためのプログラムであり、
前記第1変数と前記第2変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標であることを特徴とする重症化推定プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017138390 | 2017-07-14 | ||
JP2017138390 | 2017-07-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019017998A true JP2019017998A (ja) | 2019-02-07 |
JP6993690B2 JP6993690B2 (ja) | 2022-01-13 |
Family
ID=65002015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018128053A Active JP6993690B2 (ja) | 2017-07-14 | 2018-07-05 | 重症化推定装置及び重症化推定プログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210090739A1 (ja) |
EP (1) | EP3653109A4 (ja) |
JP (1) | JP6993690B2 (ja) |
CN (1) | CN110891476A (ja) |
WO (1) | WO2019013094A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020203015A1 (ja) | 2019-04-02 | 2020-10-08 | 公立大学法人横浜市立大学 | 重症化推定システム |
JP2021142129A (ja) * | 2020-03-12 | 2021-09-24 | 日本光電工業株式会社 | 容態情報生成装置、コンピュータプログラムおよび非一時的コンピュータ可読媒体 |
KR20220108944A (ko) * | 2021-01-28 | 2022-08-04 | 사회복지법인 삼성생명공익재단 | 증상악화 예측 시스템 및 방법 |
JP2023033099A (ja) * | 2021-08-27 | 2023-03-09 | 李宗諺 | 携帯型ショック検知装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008099876A (ja) * | 2006-10-19 | 2008-05-01 | Crosswell:Kk | 生体モニタリングシステムとプログラム |
JP2010172365A (ja) * | 2009-01-27 | 2010-08-12 | Crosswell:Kk | 自律神経機能診断装置およびプログラム |
JP2014510603A (ja) * | 2011-04-14 | 2014-05-01 | コーニンクレッカ フィリップス エヌ ヴェ | 患者モニタのための段階式アラーム方法 |
JP2014140521A (ja) * | 2013-01-24 | 2014-08-07 | Panasonic Healthcare Co Ltd | 評価画面生成システム |
WO2016079654A1 (en) * | 2014-11-20 | 2016-05-26 | Koninklijke Philips N.V. | Method for score confidence interval estimation when vital sign sampling frequency is limited |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070112275A1 (en) * | 2005-08-15 | 2007-05-17 | Cooke William H | Medical Intervention Indicator Methods and Systems |
WO2009075796A1 (en) * | 2007-12-05 | 2009-06-18 | Massachusetts Institute Of Technology | System and method for predicting septic shock |
DK2603138T3 (en) * | 2010-08-13 | 2018-02-05 | Respiratory Motion Inc | DEVICES AND METHODS FOR MONITORING RESPIRATION VARIATION IN MEASURING RESPIRATION VOLUMES, MOVEMENT AND VARIABILITY |
US20130338543A1 (en) * | 2011-03-01 | 2013-12-19 | Koninklijke Philips N.V. | Patient deterioration detection |
RU2480152C1 (ru) * | 2012-03-20 | 2013-04-27 | Государственное бюджетное образовательное учреждение высшего профессионального образования "Тверская государственная медицинская академия" Министерства здравоохранения Российской Федерации" | Способ оценки снижения коронарного резерва у пациентов с безболевой ишемией миокарда |
US20140324459A1 (en) * | 2013-04-30 | 2014-10-30 | Hti Ip, L.L.C | Automatic health monitoring alerts |
NL2011295C2 (en) * | 2013-08-12 | 2015-02-16 | Global Factories Total Engineering And Mfg B V | System and method for monitoring a condition of a plurality of patients. |
EP3117355A1 (en) * | 2014-03-13 | 2017-01-18 | Koninklijke Philips N.V. | Patient watch-dog and intervention/event timeline |
US20160135706A1 (en) * | 2014-11-14 | 2016-05-19 | Zoll Medical Corporation | Medical Premonitory Event Estimation |
CN107405088B (zh) * | 2015-02-24 | 2021-08-24 | 皇家飞利浦有限公司 | 用于为血压测量设备提供控制信号的装置和方法 |
JP6628622B2 (ja) | 2016-02-02 | 2020-01-15 | 浜松ホトニクス株式会社 | 光モジュール |
-
2018
- 2018-07-05 JP JP2018128053A patent/JP6993690B2/ja active Active
- 2018-07-05 CN CN201880046864.3A patent/CN110891476A/zh active Pending
- 2018-07-05 WO PCT/JP2018/025539 patent/WO2019013094A1/ja unknown
- 2018-07-05 US US16/629,847 patent/US20210090739A1/en not_active Abandoned
- 2018-07-05 EP EP18831414.0A patent/EP3653109A4/en not_active Ceased
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008099876A (ja) * | 2006-10-19 | 2008-05-01 | Crosswell:Kk | 生体モニタリングシステムとプログラム |
JP2010172365A (ja) * | 2009-01-27 | 2010-08-12 | Crosswell:Kk | 自律神経機能診断装置およびプログラム |
JP2014510603A (ja) * | 2011-04-14 | 2014-05-01 | コーニンクレッカ フィリップス エヌ ヴェ | 患者モニタのための段階式アラーム方法 |
JP2014140521A (ja) * | 2013-01-24 | 2014-08-07 | Panasonic Healthcare Co Ltd | 評価画面生成システム |
WO2016079654A1 (en) * | 2014-11-20 | 2016-05-26 | Koninklijke Philips N.V. | Method for score confidence interval estimation when vital sign sampling frequency is limited |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020203015A1 (ja) | 2019-04-02 | 2020-10-08 | 公立大学法人横浜市立大学 | 重症化推定システム |
JP2021142129A (ja) * | 2020-03-12 | 2021-09-24 | 日本光電工業株式会社 | 容態情報生成装置、コンピュータプログラムおよび非一時的コンピュータ可読媒体 |
JP7405654B2 (ja) | 2020-03-12 | 2023-12-26 | 日本光電工業株式会社 | 容態情報生成装置、コンピュータプログラムおよび非一時的コンピュータ可読媒体 |
KR20220108944A (ko) * | 2021-01-28 | 2022-08-04 | 사회복지법인 삼성생명공익재단 | 증상악화 예측 시스템 및 방법 |
KR102559047B1 (ko) | 2021-01-28 | 2023-07-21 | 사회복지법인 삼성생명공익재단 | 증상악화 예측 시스템 및 방법 |
JP2023033099A (ja) * | 2021-08-27 | 2023-03-09 | 李宗諺 | 携帯型ショック検知装置 |
JP7322242B2 (ja) | 2021-08-27 | 2023-08-07 | 李宗諺 | 携帯型ショック検知装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3653109A4 (en) | 2020-07-15 |
EP3653109A1 (en) | 2020-05-20 |
JP6993690B2 (ja) | 2022-01-13 |
US20210090739A1 (en) | 2021-03-25 |
CN110891476A (zh) | 2020-03-17 |
WO2019013094A1 (ja) | 2019-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6993690B2 (ja) | 重症化推定装置及び重症化推定プログラム | |
JP6541738B2 (ja) | 急性肺損傷(ali)について患者をモニタする装置及びその作動方法 | |
CN103201743B (zh) | 患者疾病严重性、死亡率和住院时长的连续预测方法 | |
JP5584413B2 (ja) | 患者監視システム及び監視する方法 | |
US9402585B2 (en) | Biological information monitor and biological information monitoring system | |
JP6918353B2 (ja) | 死亡予測装置及び死亡予測プログラム | |
JP5891305B2 (ja) | 診療プロセス分析システム | |
JP2012079200A (ja) | 時系列データの疎密に応じてタイムスケールを変更するユーザインタフェースプログラム、システム及び方法 | |
JP2018506759A (ja) | バイタルサインサンプリング周波数が限定されるときのスコア信頼区間推定に関する方法 | |
US20220257124A1 (en) | Providing Guidance During A Medical Procedure | |
JP2023038250A (ja) | 感染症予兆検知装置、感染症予兆検知方法、プログラム | |
US20200126649A1 (en) | Data processing apparatus, data processing method, and data processing program | |
Sobel et al. | Descriptive characteristics of continuous oximetry measurement in moderate to severe COVID-19 patients | |
EP3949832A1 (en) | Illness aggravation estimation system | |
JP2020021371A (ja) | 手術後感染予測装置、手術後感染予測装置生産方法、手術後感染予測方法およびプログラム | |
CN111933245A (zh) | 超说明书用药信息处理方法、装置及相关设备 | |
Chen et al. | PREDICTIVE MODELING OF POSTOPERATIVE OUTCOMES | |
JP2022037153A (ja) | 心電図分析装置、心電図分析方法及びプログラム | |
JP5119821B2 (ja) | 同義疾患名選定装置 | |
JP5201290B2 (ja) | 疾患名選定装置 | |
JP7240155B2 (ja) | 容態変化判別方法、容態変化判別装置、当該装置又は方法に用いられるプログラム及びコンピュータ可読媒体 | |
Oliver et al. | Introducing the BlendedICU dataset, the first harmonized, international intensive care dataset | |
JP2023107617A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2023099911A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2008302135A (ja) | 医療検査データの処理方法及び処理プログラム、医療検査データ処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200710 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210629 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210827 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20211006 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20211006 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211203 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6993690 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |