JP6325617B2 - 心肺機能不全に対する易罹患性（ｓｕｓｃｅｐｔｉｂｉｌｉｔｙ）を判断するシステム及びその装置を制御する方法 - Google Patents

Description

優先権主張
本願は、２０１１年６月３０日に出願された米国仮特許出願第６１／５０３，３４４号の優先権を主張するものであり、その内容を、参照によりその全体を本明細書に組み込む。

連邦政府による資金提供を受けた研究開発の記載
本発明は、ＮＩＨにより与えられた認可番号ＨＬ７６１５７及びＨＬ６７１８１の下で政府の支援により行われた。政府は本発明に関し一定の権利を有する。

本願は、心肺不安定の発症に対する患者の易罹患性を判断し、適切な治療法を決定し、心肺機能正常がいつ達成されたかを定めるためのシステム及び方法に関する。

救命救急環境にいる患者は、心肺不安定を発症する著しいリスクにさらされることが多い。入院患者の一部分のみにおいて不安定さが生じるが、死亡率の著しい増加と関連し、したがって、これにより、不安定な重症患者（crucial）になる可能性の高い患者が識別される。

いくつかの研究から、入院中のいかなる時点でも心肺の異常なバイタルサインを示す患者がいれば死亡率の増加が予測されることが実証されている。初期の不安定は、一般に、複数のバイタルサインのわずかな変化として現れるが、より顕著な単一パラメータでのいくつかの異常は後で生じる。

非侵襲的血行動態パラメータを監視及び取得して患者における心肺機能不全を高度に識別するための既知の方法が利用可能であるが、患者が心肺不安定になる可能性を評価及び／又は予測するためのこのような機構は存在しない。

院内心停止についてのいくつかの研究から、著しい生理的不安定が停止に先行することが実証されているが、この著しい生理的不安定は、多くの場合に検出されないか、又は検出されても重篤と認識されない。複数のバイタルサインから単一複合不安定スコアを計算する早期警告スコア及び修正された早期警告スコアは、不安定についての懸念を定量化する能力、及び緊急医療チームに介入する又はこれを活動させる決定を支援する能力を介護者に提供することによって、有用である。しかし、上記の警告スコアの収集は、さらにわずかであるが現在の不安定を定めることができるのみであり、不安定になる可能性が高いのは誰かを予測することはできない。したがって、心肺機能不全を発症するリスクがより高い患者を認識することによって臨床診療を改善することが必要である。

開示する主題は、１つ以上の生理的パラメータに関して心肺不安定の発症に対する患者の易罹患性を判断するための方法を提供する。非限定的な一実施形態において、この方法は、患者に関連する１つ以上の生理的パラメータをモニタリングすることと、１つ以上の生理的パラメータの測定値を含む患者データから患者が心肺不安定を発症する可能性を予測することを対象とする力学系モデル（dynamics systems model）にアクセスすることと、患者からのモニタリングされた１つ以上の生理的パラメータのうちの少なくとも一つの測定値を力学系モデルと比較することと、心肺不安定の発症に対する患者の易罹患性を判断することと、心肺不安定の発症に対する患者の易罹患性を示すことと、を含む。この方法は、心肺不安定の発症に対する患者の易罹患性を示す報告を生成すること、及びモニタリングするべき患者の追加の生理的パラメータと、このようなモニタリングが心肺不安定の発症に対する患者の示された易罹患性の精度に対して及ぼす対応する影響とを提案することをさらに含むことができる。

開示する主題の一実施形態によれば、易罹患性は、今後０から３０分の間の心肺不安定の発症に対する易罹患性を含むことができる。たとえば、易罹患性は、血液量減少性機能障害の不安定、心原性機能障害の不安定、又は血管運動神経緊張の機能障害の不安定から選択される少なくとも一つの健康状態を今後５から１５分の間に発症する可能性として示されることができる。

他の実施形態では、力学系モデルは、ショック状態の血液量減少性機能障害、心原性機能障害、及び血管運動神経緊張の機能障害に対する定められた生理的シグネチャ（signature）特性を含むことができる。

開示する主題の他の実施形態によれば、方法は、輸液、変力薬治療、又は昇圧剤治療のうちの１つ以上を含む介入への患者の反応性を判断することを含むことができる。介入への患者の反応性の判断を報告することができる。患者の生理的パラメータのモニタリングは、反応性の判断に応じて自動的に調整されることができる。

開示する主題の他の実施形態によれば、方法は、患者がプロセス固有の介入に反応するかどうか判断することを含むことができる。患者が１つ以上のプロセス固有の介入に反応するかどうかについての判断を報告することができる。患者の生理的パラメータのモニタリングは、患者がプロセス固有の介入に反応するかどうかについての判断に応じて自動的に調整されることができる。

開示する主題の別の実施形態によれば、方法は、蘇生によって組織灌流がいつ効果的に回復され組織損傷の以降の発症が防止されたか判断することを含むことができる。蘇生によって組織灌流がいつ効果的に回復され組織損傷の以降の発症が防止されたかについての判断を報告することができる。患者の生理的パラメータのモニタリングは、蘇生によって組織灌流がいつ効果的に回復され組織損傷の以降の発症が防止されたかについての判断に応じて自動的に調整されることができる。

開示する主題の他の実施形態によれば、１つ以上の生理的パラメータをモニタリングすることは、動脈圧−すなわち、収縮期血圧、拡張期血圧−平均動脈圧、収縮期圧変動、脈圧変動、一回拍出量変動；右房圧；右室圧；肺動脈圧；平均肺動脈圧；肺動脈楔入圧；左房圧；心拍出量；心係数；一回拍出量；拍出係数；一回拍出係数；全身血管抵抗；全身血管抵抗係数；肺血管抵抗；肺血管抵抗係数；左室一回仕事量；左室一回仕事係数；右室一回仕事量；右室一回仕事係数；冠動脈灌流圧；右室拡張末期容積；右室収縮末期容積；又は右室駆出率のうちの１つ以上をモニタリングすることを含むことができる。方法は、動脈血酸素分圧；動脈血ＣＯ２分圧；炭酸水素；ｐＨ；動脈血酸素飽和度；混合静脈血酸素飽和度；動脈血酸素含有量；静脈血酸素含有量；動静脈酸素含有量較差；酸素運搬量；酸素運搬係数；酸素消費量；酸素消費係数；酸素摂取率；若しくは酸素摂取係数を含む１つ以上の酸素化パラメータをモニタリングすること、又は、心拍数；呼吸数；血圧；末梢動脈Ｏ_２飽和度（ＳｐＯ_２）；若しくは温度を含む１つ以上の非侵襲性バイタルサインをモニタリングすることをさらに含むことができる。

開示する主題は、１つ以上の生理的パラメータに関して心肺不安定の発症に対する患者の易罹患性を判断するためのシステム及び一時的でないコンピュータ可読媒体も提供する。

図１Ａは、心肺不安定の発症に対する患者の易罹患性を判断するための方法の例示的なブロック図である。 図１Ｂは、図１に示される例示的なブロック図のブロック１７０の例示的な拡張を示す図である。 図２は、リードタイム（lead time）予測、精度、及び節減（parsimony）に関するモデル間の関係を示す。 図３は、説明する実施形態による例示的なシステムにおいて利用できるネットワーク及びコンピュータハードウェアの例示的なブロック図である。 図４は、説明する実施形態による例示的なシステムが動作できるコンピュータシステムの例示的なブロック図である。 図５Ａは、時間、周波数、及びエントロピーに関して得られる５分間隔の特徴を示す。 図５Ｂは、観測ウィンドウ対ターゲットウィンドウを示す概略図である。 図６は、不安定になる前の（pre-unstable）期間（epoch）の平均心拍数プロファイルと安定期間の平均心拍数プロファイルが経時的に異なる期間傾向履歴を示す。 図７は、不安定になる前の患者期間が、安定した患者期間より少ない心拍数の変動性を示すことを示す。 図８Ａ〜Ｃは、一般的な出力モニタの視覚化の一例を示すグラフである。この表示は、不安定発症までの時間（time to instability）、不安定イベントが発生することを予測する機能の精度、及びその不安定の基礎をなす病理的原因を示す。

開示するシステム及び方法では、統合されたモニタリングシステム（たとえば、モニタ）と連携する多変量モデルを利用して、患者の生理的測定値を定期的に取得し、明白な低血圧及び臓器損傷の開始の前に明白な心肺機能不全−たとえば、出血性ショック、心原性ショック、及び血液分布異常性ショック（distributive shock）−を発症する可能性が最も高いこれらの患者を高い正確度で識別する。多様な生理的変数の較正された動的信号を使用することによって、心肺機能不全の正確な予測、起ころうとしている不安定さの定められたプロセス固有の原因（複数可）、及び追加のモダリティによる又は代替サンプリング周波数によるモニタリング増加の測定可能な影響がもたらされ、さらに、現在利用可能な感受性及び特異性が増加することがある。さらに、一般的な治療滴定の向上、並びに（１）最小リードタイム（lead time）、（２）サンプリング周波数、及び（３）独立変数入力−血行動態モニタリング節減（hemodynamic monitoring parsimony）と呼ばれる−によって達成される十分性も達成することができる。

さらなる利点としては、血液量減少性機能障害、心原性機能障害、及び血管運動神経緊張の機能障害の生理的シグネチャ特性（physiological signature characteristic）をショック状態の主な原因として明らかにできること、並びに追加のバイオマーカとリードタイムの増加と周波数の測定のどれが予測の精度及び原因の特異性を改善するかを判断できることが含まれうる。そのうえ、改善を示すことによって患者がプロセス固有の介入（intervention）に反応するかどうか、又は他の介入を実施するべきかどうか判断することが可能な場合がある。またさらに、蘇生によって組織灌流がいつ効果的に回復され組織損傷の以降の発症が防止されたかについての判断も達成することができる。

図１Ａは、１つ以上の生理的パラメータの動的な相互作用に関して心肺不安定の発症に対する患者の易罹患性を評価するためのコンピュータにより実施される方法１００の例示的なブロック図を示す。この方法は、患者に関連する１つ以上の生理的パラメータ−血行動態パラメータ−のモニタリング（ブロック１１０）を含むことができる。モニタリングされる生理的パラメータは、侵襲的に（たとえば、直接動脈圧、肺動脈圧、ＳｔＯ_２）又は非侵襲的に（たとえば、心拍数、呼吸数、非侵襲的血圧、ＳｐＯ_２）取得し、少なくとも、動脈圧（ＢＰ）、すなわち、収縮期血圧（ＳＢＰ）、拡張期血圧（ＤＢＰ）−平均動脈圧（ＭＡＰ）、収縮期圧変動（ＳＰＶ）、脈圧変動（ＰＰＶ）、一回拍出量変動（ＳＶＶ）；右房圧（ＲＡＰ）；右室圧（ＲＶＰ）；肺動脈圧（ＰＡＰ）；平均肺動脈圧（ＭＰＡＰ）；肺動脈楔入圧（ＰＡＷＰ）；左房圧（ＬＡＰ）；心拍出量（ＣＯ）；心係数（ＣＩ）；一回拍出量（ＳＶ）；一回拍出係数（ＳＶＩ）；全身血管抵抗（ＳＶＲ）；全身血管抵抗係数（ＳＶＲＩ）；肺血管抵抗（ＰＶＲ）；肺血管抵抗係数（ＰＶＲＩ）；左室一回仕事量（ＬＶＳＷ）；左室一回仕事係数（ＬＶＳＷＩ）；右室一回仕事量（ＲＶＳＷ）；右室一回仕事係数（ＲＶＳＷＩ）；冠動脈灌流圧（ＣＰＰ）；右室拡張末期容積（ＲＶＥＤＶ）；右室収縮末期容積（ＲＶＥＳＶ）；及び右室駆出率（ＲＶＥＦ）のうちの１つ以上の任意の組み合わせを含むことができる。さらに、１つ以上の酸素化パラメータもモニタリングすることができ、こうした酸素化パラメータには、動脈血酸素分圧（ＰａＯ_２）；動脈血ＣＯ_２分圧（ＰａＣＯ_２）；炭酸水素（ＨＣＯ_３）；ｐＨ；強イオンギャップ（ＳＩＧ）；動脈血酸素飽和度（ＳａＯ_２）；混合静脈血酸素飽和度（ＳｖＯ_２）；動脈血酸素含有量（ＣａＯ_２）；静脈血酸素含有量（ＣｖＯ_２）；動静脈酸素含有量較差（Ｃ（ａ−ｖ）Ｏ_２）；酸素運搬量（ＤＯ_２）；酸素運搬係数（ＤＯ_２Ｉ）；酸素消費量（ＶＯ_２）；酸素消費係数（ＶＯ_２Ｉ）；酸素摂取率（Ｏ_２ＥＲ）；酸素摂取係数（Ｏ_２ＥＲＩ）；及び血清乳酸値が含まれるが、これらに限定されない。また、１つ以上の非侵襲性バイタルサインも同様にモニタリングすることができ、このバイタルサインには、心拍数（ＨＲ）；呼吸数（ＲＲ）；血圧（ＢＰ）；末梢動脈Ｏ_２飽和度（ＳｐＯ_２）；及び温度が含まれる。人口統計、たとえば年齢、性別；及び静的な臨床的特徴（入退院の日時、ＤＲＧコード、ＣＰＴコード、ＤＲＧ重み（weight）、チャールソン併存疾患指数（Charlson co-morbidity score））などの他の態様も考慮することができる。

方法１００は、心肺機能不全に関連する１つ以上のモデルを参照して、患者に関連するモニタリングされた１つ以上の生理的パラメータのうちの少なくとも一つを解析する（ブロック１２０）ことができる。簡単にするため、本明細書では、メモリデバイスに格納されたデータのコレクション、たとえば１つ以上のモデルをデータベースと呼ぶ。このデータベースは、心肺機能不全を発症するリスクのある患者の代表的なセットから前もって明らかにされた複数の次元における正規性の確率モデルを含むことができる。この確率モデルは、動的システムの複雑な計算モデリング概念の適用によって拡張することができ、多変量モデリングたとえば回帰分析と機械学習（人工神経回路網）とを含むが、これらに限定されない。確率データセットからの分散は、患者由来の生理的パラメータが安定のエンベロープ（envelope）にある可能性を評価するために使用することができる（ブロック１３０）。

患者が不安定になりやすいと見なされるかどうか（ブロック１４０）に応じて、不安定の確率を反映する指標（indicator）を出力することができる（ブロック１５０、１６０）。患者が不安定になる可能性が高い場合、システムは、介入若しくは救急医療処置を提案し、かつ／又は確率の精度を向上させるためにモニタリング及び解析するべき追加の生理的パラメータを要求し、かつ／又はモニタリングされるパラメータのサンプリング周波数の変更を提案する（ブロック１７０）ことができる。

データは、異なる生理的変数間の連鎖のダイナミクスが疾患中に存在し、これらの連鎖−相互作用−は患者を識別するため、及び原因疾患を定めるために使用することができることを示唆する。そのうえ、モデルを利用して、感受性、特異性、及びデータ節減により将来的な不安定を最もよく予測することができる。図１Ｂでは、出力及び提案（ブロック１７０）は、追加のバイオマーカと周波数の測定のどちらが予測の精度及び原因の特異性を改善するか（ブロック１７０ａ）、改善を示すことによって患者がプロセス固有の介入に反応するかどうか、又は他の介入を適用するべきかどうか（ブロック１７０ｂ）、蘇生によって組織灌流がいつ効果的に回復され組織損傷の以降の発症が防止されたか（ブロック１７０ｃ）などの１つ以上のさらなるシステム判断を含むように、並びに上記を達成するために必要とされる、最小データセット、サンプリング周波数、リードタイムサンプリング時間、及び機能モニタリング法を定める（ブロック１７０ｄ）ように拡張することができる。

例を挙げると、データベースは、動的システム理論からの数学上の概念を使用して動的特徴／パターンに基づいて（確率により）不安定を予測するためのモデルを構築することによって生成することができる。この手法は、患者の動的な振る舞いが数学的にカオスであるために、適切な場合がある。したがって、患者は、「アトラクタ（attractor）」、すなわち患者の生理的パラメータに対する可能な限りの同時値（simultaneous value）を備える複雑なセットを有する。さらに、アトラクタのさまざまな領域で費やされるわずかな量の時間を表す、アトラクタに関連する確率関数がある。アトラクタは安定しており、予測可能であり、生理的変数のうちでの可能性がある関連を判断する。しかし、対照的に、瞬間状態−生理的パラメータの値−は予測可能ではない。「患者が今後１時間の間に７０＜ＨＲ＜９０、１２＜ＲＲ＜２０を有する可能性は９０％である」などの臨床的に関連のある記述は、アトラクタに関連する確率関数から直接的に推論される。通常、健康は生理的変数（たとえば、ＨＲ、ＲＲ）、不安定、及び予測する能力の範囲に関して考えられるが、現在の状態よりも動的シグネチャに左右されることがある。

健康からショックに至るまでの異なる段階における変数の再グルーピングに関連する複雑性を理解するため、超グラフ理論を用いることができる。超グラフは、ノード−生理的変数−と、それらのグルーピングへのハイパーリンク（hyper link）とからなる。市販のソフトウェアを利用することによって、グループ（group）−人間の目では容易に識別できないが数学的連関によって高度に相関される変数−を表示することができる。解析のこのような手段の非限定的な例としては、人工神経回路網（ＡＮＮ：Artificial Neuronet）、最近接点探索（nearest neighbor）、及び傾向スコア解析（propensity scoring）がある。ここで重要な概念は、データストリームを解析するために使用される実際的な数学的プロセスではなく、特定の病理学的状態を定める出力傾向及びパターンである。たとえば、循環血液量減少（出血）などの既知の疾患状態が発症している動物モデル又は人間を対象とした研究からのデータの時系列の解析から、動的統合の一意のシグネチャが示され、これは、病理学的ストレスが増加するにつれて、より明確になりうる。さまざまな生理的変数及びそれらに由来するパラメータを使用することによって、現在、既存の疾患状態を正確に識別することができるが、それらの経時的な変化は、生理的状態の悪化又は改善の発症の前兆となる。

動的複雑性を決定する主要な概念の一つは、データの次元数と、患者の振る舞いをモデリングし不安定を予測するのにいくつのパラメータが有用となりうるかである。ダイナミクスがあらゆるスケールで存在し、動的シグネチャのそれぞれの変化は、ショック又は回復への進行に関する予測子の候補である。これらの動的シグネチャのそれぞれは、不安定を予測するのに有用となりうる異なる情報を含む。たとえば、不安定になった患者とならなかった患者の血行動態パラメータ−おそらく人口統計学的特性データ及び臨床特性データを含む−の動的シグネチャを利用して、明白な不安定指標に基づく予測を改善することができる。したがって、心肺機能不全を予測するために、及び心肺機能不全が良くなる（resolve）ことを予測するために必要とされる最小データセット−主要な測定変数、サンプリング周波数、及びリードタイムに関する−を決定することに重点を置いて動的モデルを構築することができる。本明細書では、これを、主要血行動モニタリング節減（principal Hemodynamic Monitoring Parsimony）と呼ぶ。このようなモデルはさらに、増加又は変化する測定変数、それらのサンプリング周波数、及びリードタイムの特異性の増加に関する１つ以上の最小データセットに追加される値を決定及び考慮することができる。そのうえ、動的シグネチャの種々の態様は、特定の時間におけるランダムノイズ、バイオマーカ間の相関、及び相関関係のあるセット内のバイオマーカのグループ間の関係などの鍵となる性質（property）を見出すために調査することができる。

次元数を評価する方法は複数あり、最も一般的なものの一つが主成分分析（ＰＣＡ）である。他の手法は、パラメータ間の可能な限りの相関と、それに続いてそれらを相関関係の高いグループにクラスター形成させることを必要とすることがある。モデルは、予測精度、節減、及び予測するためのリードタイムによって比較することができる。所望の実装形態によっては、それらの間にトレードオフが存在することがある。図２を参照されたい。上記又はその他の手法のいずれも、情報を指数値（index value）に編集するために実施することができ、この指数値は、臨床的に関連する時間内における将来の不安定の予測性を表す。

重要なことに、バイオマーカ相互作用のこの複雑性解析は、急性疾患の状況における単純な血行動態マーカに限定されず、また、医療体制の供給の有効性、患者−看護師の人員配置の最適のモデリング、及び結果が患者それぞれの（patient-centered）転帰に関連するときの費用効果分析に対する、システムの動的解析として適用することができる。

心肺機能不全に対する患者の易罹患性の判断は、電子システムを使用して生成することができる。図３及び４は、このようなシステムに関連するネットワーク及びコンピュータプラットフォームの例示的な構造基盤を提供する。

図３は、説明する実施形態により患者が心肺機能不全を発症する確率を決定するために例示的なシステムにおいて利用できるネットワーク３００及びコンピュータハードウェアの例示的なブロック図である。ネットワーク３００は、インターネットであってもよいし、仮想プライベートネットワーク（ＶＰＮ）であってもよいし、１つ以上のコンピュータ、通信デバイス、ストレージデバイスなどを互いに通信可能に接続することを可能にする他の任意のネットワークであってもよい。ネットワーク３００は、イーサネット３１６及びルータ３１８及び陸線（landline）３２０を介して、パーソナルコンピュータ３１２及びコンピュータ端末３１４に接続することができる。イーサネット３１６は、より大規模なインターネットプロトコルネットワークのサブネットであってもよい。プロジェクタ又はプリンタ（図示せず）などの他のネットワークリソースも、イーサネット３１６又は別のデータネットワークを介してサポートされることができる。一方、ネットワーク３００は、無線通信局３２６及び無線リンク３２８を介してラップトップコンピュータ３２２及び携帯情報端末３２４に無線接続されることができる。同様に、サーバ３３０は、通信リンク３３２を使用してネットワーク３００に接続されることができ、メインフレーム３３４は、別の通信リンク３３６を使用してネットワーク３００に接続されることができる。ネットワーク３００は、ピアツーピアネットワークトラフィックをサポートするのに有用なことがある。

上記で説明した心肺機能不全に対する患者の易罹患性の判断に関して、心肺機能不全及び／又は患者のモニタリングされた生理的パラメータに関連する１つ以上のモデルを、たとえばネットワーク３００などのネットワークを経由して受信することができる。たとえば、パーソナルコンピュータ３１２、ラップトップコンピュータ３２２、サーバ３３０、又はメインフレーム３３４などのコンピュータは、ネットワーク３００を経由して患者のモニタリングされた生理的パラメータを受信することができる。患者のモニタリングされた生理的パラメータは、たとえば、パーソナルコンピュータ３１２、ラップトップコンピュータ３２２、サーバ３３０、又はメインフレーム３３４などの統合モニタリングシステムからネットワーク３００を経由して受信されることができる。患者のモニタリングされた生理的パラメータは、ネットワーク３００上のリモートからアクセス可能な独立型メモリデバイス（図示せず）から受信されることもできる。いくつかの実施形態では、患者のモニタリングされた生理的パラメータは、複数のコンピュータによって受信されることができる。他の実施形態では、患者のモニタリングされた生理的パラメータは、複数のコンピュータ及び／又はリモートからアクセス可能なメモリデバイスから受信されることができる。

上記で説明した心肺機能不全に対する患者の易罹患性の判断において実行されるいくつかの又はすべての計算（たとえば、モデルデータを生成するための計算）は、たとえば、パーソナルコンピュータ３１２、ラップトップコンピュータ３２２、サーバ３３０、又はメインフレーム３３４などのコンピュータによって実行されることができる。いくつかの実施形態では、計算のうちのいくつか又はすべては、複数のコンピュータによって実行されることができる。

実施形態において上記で説明したような心肺機能不全に対する患者の易罹患性を判断することは、たとえば、パーソナルコンピュータ３１２、ラップトップコンピュータ３２２、サーバ３３０、又はメインフレーム３３４などのコンピュータによっても実行されることができる。たとえば、データフィールドの値を設定することによって、表示（indication）を行うことができる。いくつかの実施形態では、心肺機能不全の発症に対する患者の易罹患性を示すことは、ネットワーク３００などのネットワークを経由して別のコンピュータにデータを送信することを含むことができる。

図４は、説明する実施形態により心肺機能不全に対する患者の易罹患性を判断するための例示的な方法が動作できるコンピュータシステム４００の例示的なブロック図を示す。図４のコンピュータシステム４００は、コンピュータ４１０の形をしたコンピューティングデバイスを含む。コンピュータ４１０の構成要素には、処理ユニット４２０、システムメモリ４３０、及び前記システムメモリを含む種々のシステム構成要素を処理ユニット４２０に結合するシステムバス４２１が含まれうるが、これらに限定されない。処理ユニット４２０は１つ以上のプロセッサを備え、各プロセッサは、１つ以上の電子回路として実施される。システムバス４２１は、さまざまなバスアーキテクチャのいずれかを使用する、メモリバス又はメモリコントローラ、周辺バス、及びローカルバスを含むいくつかのタイプのバス構造のいずれかであってよい。限定ではなく、例を挙げると、このようなアーキテクチャには、業界標準アーキテクチャ（ＩＳＡ）バス、マイクロチャネルアーキテクチャ（ＭＣＡ）バス、拡張ＩＳＡ（ＥＩＳＡ）バス、Ｖｉｄｅｏ Ｅｌｅｃｔｒｏｎｉｃｓ Ｓｔａｎｄａｒｄｓ Ａｓｓｏｃｉａｔｉｏｎ（ＶＥＳＡ）ローカルバス、及びＰｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ（ＰＣＩ）バス（メザニンバス（Ｍｅｚｚａｎｉｎｅ ｂｕｓ）としても知られる）がある。

コンピュータ４１０は、一般に、さまざまな一時的でないコンピュータ可読媒体（non-transitory computer readable media）を含む。一時的でないコンピュータ可読媒体は、コンピュータ４１０によってアクセスするできる任意の利用可能な媒体とすることができ、揮発性媒体と不揮発性媒体の両方、さらに取り外し可能な媒体と取り外し不可能な媒体の両方を含む。限定ではなく、例を挙げると、一時的でないコンピュータ可読媒体は、コンピュータ記憶媒体を含むことができる。コンピュータ記憶媒体には、コンピュータ可読命令、データ構造、プログラムモジュール、又は他のデータなどの情報の記憶のための任意の方法又は技術において実施される、揮発性及び不揮発性の、取り外し可能及び取り外し不可能な媒体がある。コンピュータ可読命令は、実行されると、１つ以上のプロセッサに、開示する主題のステップを実施させることができる。開示するシステムの種々の構成要素は、ハードウェア、ソフトウェア、又はハードウェアとソフトウェアの任意の組み合わせとして実施されることができる。たとえば、指数値計算器は、１つ以上のプロセッサと、実行されると、１つ以上のプロセッサに、開示する主題により指数値を計算させる命令を含むコンピュータ可読媒体として、実施されることができる。ハードウェア−この場合、１つ以上のプロセッサ−が、ソフトウェアにおいて提供されるあらゆる命令を実施することは、当業者には理解されよう。

コンピュータ記憶媒体には、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ若しくは他のメモリ技術、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）若しくは他の光ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ若しくは他の磁気ストレージデバイス、又は所望の情報を記憶するために使用することが可能でコンピュータ４１０によってアクセスできる他の任意の媒体が含まれるが、これらに限定されない。「変調されたデータ信号」という用語は、その特性のうちの１つ以上がその信号内の情報を符号化するように設定又は変更された信号を意味する。上記のうちのいずれかの組み合わせも、コンピュータ可読媒体の範囲内に含まれる。

情報は、通信媒体を経由してコンピュータシステムによって受信されることもできるし、コンピュータシステムから通信媒体を経由して送信されることもできる。通信媒体としては、情報伝達媒体がある。限定ではなく、例を挙げると、通信媒体には、有線ネットワーク又は直接有線接続などの有線媒体、並びに音響、無線周波数（ＲＦ）、赤外線、及び他の無線媒体などの無線媒体がある。コンピュータ可読命令、データ構造、プログラムモジュール、又は他のデータは、搬送波又は他の搬送機構などの変調されたデータ信号の形をした通信媒体を経由して受信されることができる。変調されたデータ信号など自体は一時的でないコンピュータ可読媒体であることが、当業者には理解されよう。その代わりに、信号内に含まれる情報は、一時的でないコンピュータ可読媒体を形成するために、ストレージデバイス（たとえば、システムメモリ又は光ストレージデバイス）内に記憶されることができる。

システムメモリ４３０は、読み出し専用メモリ（ＲＯＭ）４３１及びランダムアクセスメモリ（ＲＡＭ）４３２などの揮発性メモリ及び／又は不揮発性メモリの形をしたコンピュータ記憶媒体を含む。起動中などにコンピュータ４１０内の要素間で情報を伝達する助けとなる基本ルーチンを含む基本入出力システム４３３（ＢＩＯＳ）は、一般に、ＲＯＭ４３１内に記憶される。ＲＡＭ４３２は、一般に、処理ユニット４２０が直ちにアクセス可能及び／又は処理ユニット４２０によって現在操作されているデータ及び／又はプログラムモジュールを含む。限定ではなく、例を挙げると、図４は、オペレーティングシステム４３４、アプリケーションプログラム４３５、他のプログラムモジュール４３６、及びプログラムデータ４３７を示す。

コンピュータ４１０はまた、他の取り外し可能な／取り外し不可能な、揮発性の／不揮発性コンピュータ記憶媒体を含むことができる。単に例を挙げると、図４は、取り外し不可能な不揮発性磁気媒体から読み込む又はこれに書き込むハードディスクドライブ４４１、取り外し可能な不揮発性磁気ディスク４５２から読み込む又はこれに書き込む磁気ディスクドライブ４５１、及びＣＤ ＲＯＭ又は他の光学媒体などの取り外し可能な不揮発性光ディスク４５６から読み込む又はこれに書き込む光ディスクドライブ４５５を示す。例示的な動作環境において使用できる他の取り外し可能な／取り外し不可能な、揮発性／不揮発性コンピュータ記憶媒体には、磁気テープカセット、フラッシュメモリカード、デジタル多用途ディスク、デジタルビデオテープ、ソリッドステートＲＡＭ、ソリッドステートＲＯＭなどがあるが、これらに限定されない。ハードディスクドライブ４４１は、一般に、インタフェース４４０などの取り外し不可能なメモリインタフェースを介してシステムバス４２１に接続され、磁気ディスクドライブ４５１及び光ディスクドライブ４５５は、一般に、インタフェース４５０などの取り外し可能なメモリインタフェースによってシステムバス４２１に接続される。

上記で説明し図４に示したドライブ及びそれらに関連するコンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、及び他のデータの貯蔵所をコンピュータ４１０に提供する。図４では、たとえば、ハードディスクドライブ４４１は、オペレーティングシステム４４４、アプリケーションプログラム４４５、他のプログラムモジュール４４６、及びプログラムデータ４４７を記憶するように示されている。これらの構成要素は、オペレーティングシステム４３４、アプリケーションプログラム４３５、他のプログラムモジュール４３６、及びプログラムデータ４３７と同じであってもよいし、これらと異なってもよいことに留意されたい。本明細書では、オペレーティングシステム４４４、アプリケーションプログラム４４５、他のプログラムモジュール４４６、及びプログラムデータ４４７は、異なる複製であることを最低でも示すために、異なる番号が付されている。使用者は、キーボード４６２及び一般にマウス、トラックボール、又はタッチパッドと呼ばれるカーソル制御デバイス４６１などの入力デバイスによって、コマンド及び情報をコンピュータ４１０に入力することができる。スクリーン４９１又は他のタイプの表示デバイスも、グラフィックコントローラ４９０などのインタフェースを介してシステムバス４２１に接続される。スクリーン４９１に加えて、コンピュータは、プリンタ４９６などの他の周辺出力デバイスも含むことができ、この周辺出力デバイスは、出力周辺インタフェース４９５によって接続されることができる。

コンピュータ４１０は、リモートコンピュータ４８０などの１つ以上のリモートコンピュータへの論理接続を使用するネットワーク化された環境において動作することができる。リモートコンピュータ４８０は、患者に動作可能に接続される統合モニタリングシステムであってよい。図４に示される論理接続は、ローカルエリアネットワーク（ＬＡＮ）４７１とワイドエリアネットワーク（ＷＡＮ）４７３とを含むが、他のネットワークも含んでよい。このようなネットワーキング環境は、病院、オフィス、企業規模のコンピュータネットワーク、イントラネット、及びインターネットでは珍しくない。

ＬＡＮネットワーキング環境において使用されるとき、コンピュータ４１０は、ネットワークインタフェース又はアダプタ４７０によってＬＡＮ４７１に接続される。ＷＡＮネットワーキング環境において使用されるとき、コンピュータ４１０は、一般に、モデム４７２又はインターネットなどのＷＡＮ４７３を経由した通信を確立するための他の手段を含む。モデム４７２は、内部にあっても外部にあってもよく、入力インタフェース４６０又は他の適切な機構を介してシステムバス４２１に接続されることができる。ネットワーク化された環境では、コンピュータ４１０又はその一部分と関連して示されているプログラムモジュールは、リモートメモリストレージデバイス４８１内に記憶されることができる。限定ではなく、例を挙げると、図４は、リモートアプリケーションプログラム４８５を、メモリデバイス４８１上に常駐するように示す。

通信接続４７０、４７２によって、デバイスは、他のデバイスと通信することができる。通信接続４７０、４７２は通信媒体の一例である。通信媒体は、搬送波又は他の搬送機構などの変調されたデータ信号内において、コンピュータ可読命令、データ構造、プログラムモジュール、又は他のデータを搬送することができる。「変調されたデータ信号」は、その特性のうちの１つ以上がその信号内の情報を符号化するように設定又は変更された信号であってよい。限定ではなく、例を挙げると、通信媒体には、有線ネットワーク又は直接有線接続などの有線媒体、並びに音響、ＲＦ、赤外線、及び他の無線媒体などの無線媒体がある。

上記で説明した心肺機能不全の発症に対する患者の易罹患性を判断する方法の実施形態は、図４に示されるコンピュータシステム４００などの１つ以上のコンピュータシステムを使用して、一部又は全体として実施されることができる。心肺機能不全に関連する、モニタリングされる生理的パラメータ及び／又は１つ以上のモデルは、たとえば、コンピュータ４１０などのコンピュータによって受信されることができる。心肺機能不全に関連する、モニタリングされる生理的パラメータ及び／又は１つ以上のモデルは、たとえば、ローカルエリアネットワーク４７１又はワイドエリアネットワーク４７３などのネットワーク上の通信媒体を経由し、ネットワークインタフェース４７０又はユーザ入力インタフェース４６０を介して受信されることができる。別の例として、心肺機能不全に関連する、モニタリングされる生理的パラメータ及び／又は１つ以上のモデルは、データがメモリストレージデバイス４８１などのメモリデバイス上に最初に記憶されるリモートコンピュータ４８０などのリモートソースから受信されることができる。別の例として、心肺機能不全に関連する、モニタリングされる生理的パラメータ及び／又は１つ以上のモデルは、不揮発性磁気ディスク４５２又は不揮発性光ディスク４５６などの取り外し可能なメモリソースから受信されることができる。別の例として、心肺機能不全に関連する、モニタリングされる生理的パラメータ及び／又は１つ以上のモデルは、人間がキーボード４６２などの入力デバイスによってデータを入力した結果として受信されることができる。

上記で説明した心肺不安定に対する患者の易罹患性の判断において実行されるいくつかの又はすべての計算（たとえば、１つ以上のモデルを生成する又は患者が不安定になる確率を決定するための計算）は、コンピュータ４１０などのコンピュータによって実行されることができ、より具体的には、たとえば、処理ユニット４２０などの１つ以上のプロセッサによって実行されることができる。いくつかの実施形態では、いくつかの計算は、コンピュータ４１０などの第１のコンピュータによって実行されることができるが、他の計算は、リモートコンピュータ４８０などの１つ以上の他のコンピュータによって実行されることができる。計算は、たとえば、アプリケーションプログラム４３５、アプリケーションプログラム４４５、及び／又はリモートアプリケーションプログラム４８５などのプログラムの一部である命令により実行されることができる。アプリケーションプログラム４３５、アプリケーションプログラム４４５、及びリモートアプリケーションプログラム４８５のそれぞれは、一時的でないコンピュータ可読媒体として実施されることができ、実行されると、１つ以上のプロセッサに、開示する主題のステップを実行させることができる。

実施形態において上記で説明したような、心肺不安定の発症に対する患者の易罹患性を判断することは、コンピュータ４１０などのコンピュータによっても実行されることができる。ＲＯＭメモリ４３１及び／又はＲＡＭメモリ４３２に記憶されるデータフィールドの値を設定することによって表示（indication）を行うことができ、たとえば、いくつかの実施形態では、患者が不安定になる確率を示すことは、ローカルエリアネットワーク４７１又はワイドエリアネットワーク４７３などのネットワークを経由してリモートコンピュータ４８１などの別のコンピュータにデータを送信することを含むことができる。他の実施形態では、患者が不安定になるリスクを示すことは、たとえば、ビデオインタフェース４９０などのビデオインタフェースを経由してデータを送信して予測に関する情報をスクリーン４９１又はプリンタ４９６などの出力デバイス上に表示することを含むことができる。

特定の非限定的な実施形態では、心肺不安定の発症に対する患者の易罹患性を判断するための方法が提供され、
（ａ）ある時間間隔にわたって、心拍数、血液酸素飽和度、及び呼吸数からなるグループから選択される１つ以上の生理的パラメータをモニタリングすること、並びに、それによって、前記１つ以上の生理的パラメータの複数の測定値を生成すること、
（ｂ）測定されるパラメータごとに、その間隔にわたって、検査平均値及び／又は検査標準偏差値を計算すること、
（ｃ）メモリを有するコンピュータシステム内でプロセッサを介して、安定した患者、不安定な患者、又は不安定になろうとしている患者において心拍数、血液酸素飽和度、及び／又は呼吸数の平均値及び／又は標準偏差値を比較して、不安定な患者における心拍数、血液酸素飽和度、及び／又は呼吸数に対する、１つ以上のモデル平均値及び／又は１つ以上のモデル標準偏差値を生成する力学系モデル（dynamics system model）にアクセスすること、
（ｄ）（ｂ）で計算された１つ以上の検査平均値及び／又は１つ以上の検査標準偏差値を、前記力学系モデルにおける不安定になろうとしている患者の１つ以上のモデル平均値及び／又は１つ以上のモデル標準偏差値と比較すること、
（ｅ）（ｄ）において実行される比較が、患者が不安定になろうとしていることを示す、追加の又はより頻繁なパラメータモニタリングを開始すること
を含む。

たとえば、限定するものではないが、１つ以上のパラメータは複数の間隔にわたって測定されることができ、検査平均値及び／又は検査標準偏差値は、間隔ごとに決定されることができる。非限定的な一組の実施形態では、検査値を間隔間で比較する。このような実施形態の特定のサブセットでは、安定した患者、不安定な患者、又は不安定になろうとしている患者に対する１つ以上のモデル平均値及び１つ以上のモデル標準偏差値が、データが更新されると、又はその後に、再計算されるように、データベースは、患者の心拍数、血液酸素飽和度、及び／又は呼吸数の測定値を含む定期的に更新される一組の臨床データを含む。たとえば、限定するものではないが、データ又は値の比較は、分散分析（ＡＮＯＶＡ）によって実行されることができる。たとえばより多くの患者及び／又はより新しいデータを含むように更新されるデータベースを参照することによって、患者が不安定であることを比較により予測可能な能力は、経時的に改良され、予測値を改善するように予想される。具体的な一例として、データベースを病院内で確立し、新しい患者情報を含むように更新することができ、したがって、新しい患者が不安定になる可能性を、適合度が高い対照集団から収集した情報に基づいて予測することができる（たとえば、ローカルに生成された値に対する比較は、異なる人口統計で取得されたデータに基づいて得られた値より優れた予測を提供することができる）。

具体的な非限定的な一例として、以下の実施例１に反映されるように、このようなデータベース内の患者情報を解析して、以下のようにモデルを生成することができる。心拍数（ＨＲ）、呼吸数（ＲＲ）、及び血中酸素濃度（blood oxygen）、及びＳｐＯ２（たとえばパルスオキシメータによって測定されるような酸素飽和度）は、ある間隔で、たとえば毎分又は毎秒、サンプリングすることができる。データストリームは、５分という重複しない期間に分割することができる。期間ごとに、ＨＲ（ＥＭＨＲ、ＥＳＤＨＲ）、ＲＲ（ＥＭＲＲ、ＥＳＤＲＲ）、及びＳｐＯ２（ＥＭＳｐＯ２、ＥＳＤＳｐＯ２）の平均（ＥＭ）及び標準偏差（ＥＳＤ）を算出することができる。不安定さは、４分間持続的に生じる、ＨＲ＜４０又は＞１４０、ＲＲ＜８又は＞３６、及びＳｐＯ２＜８５のいずれか一つの異常と定義することができる。期間は、ＳＤＵ滞在全体において不安定のない患者から取得された場合は安定（Ｓ）、不安定基準を満たす前の６０分では不安定（Ｕ）、その他の場合は不安定になる前（ＰＵ）と分類することができる。ＥＭ及びＥＳＤは、Ｓ、Ｕ、及びＰＵにわたって比較することができ、Ｋｒｕｓｋａｌ−Ｗａｌｌｉｓ ＡＮＯＶＡを使用して事後の一対比較法を実行することができる。

本明細書において説明する分析の最終的な１つ以上の結果に関して、大部分は、特定の患者グループ及び用途、たとえば最近入院した外傷患者における切迫した心血管虚脱の救急部迅速評価、以前に安定した回復室（step-down unit）の患者、安定しているが非常に重篤な（非常に重篤な）集中治療室の患者、外来の透析患者、及び長期の時間間隔にわたる一般的な外来モニタリングにおける切迫した心肺機能不全の識別によってもたらされ、一般的な出力モニタは、図８に示すように、視覚化されることができる。この表示は、手法の三つの側面、すなわち不安定発症までの時間、不安定イベントが発生することを予測する機能の精度、及びその不安定の基礎をなす病理的原因を示す。

図８に示される例では、不安定イベントが発症するまでの予測時間は４５分であり、不安定の確率は約４５％であるが、この不安定信号に関与する病理学的特徴の比率は、主に、有効循環血液量の減少及び血管運動神経緊張の低下である。易罹患患者におけるこれらのプロセスは、病床の患者に対応する（bedside）臨床医又は介護者に、患者が切迫した敗血症性ショック又は副腎機能不全をきたしていることを強く示唆する。というのは、これらが、これらの健康状態を生じさせる二つのプロセスであるからである。多数の患者の時系列での収集、より集中的なモニタリング、及び、関連した測定（たとえば血液化学の測定、心電図、胸部Ｘ線写真など）によって作成されるデータベースはまた、病床の患者に対応する（bedside）臨床医又は介護者に、この時点における追加パラメータを測定することによって、予測の精度が向上し、治療がより決定的なものになることを示唆する（図８Ａ）。

図８Ｂに示される例では、非侵襲性モニタリングに追加されたときの心拍出量及び一回拍出量変動（連続的及び経時的）の測定が、循環血液量減少及び血管運動神経緊張の低下の診断の精度を向上させる。特定の患者がモニタリングされているという状況におけるこれらのデータに基づいて、病床の患者に対応する臨床医又は介護者は、たとえば、不安定発症までの時間を４５分から＞２時間に増加させ、不安定の確率を１５％未満に低下させ、生理的欠乏の大きさ及び量が著しく減少するように、抗生物質の適用範囲の拡張、感染源の調査、及び予測値を著しく変える迅速な血管内液の輸液によって、患者の推定される切迫した敗血症性ショックを治療することを決めることができる（図８Ｃ）。したがって、モニタリングを行う臨床医は、これらの治療を促進するために、実際の心血管虚脱が発生しなくても、プロセスが適切に治療されて良くない心肺イベントが回避されたというリアルタイムフィードバックを受ける。したがって、敗血症性ショックが回避され、敗血症は、組織の低灌流の開始前に治療される。

明らかに、この形のモニタリング及びサポートは、リモートから、健全である（robust）と確認された場合は閉ループの形で、行うことができる。

［実施例１］
血行動態の安定した患者と不安定な患者の間での生理的変数の解析
１ 材料及び方法
本発明者らは、２００６年１１月から２００７年１月にかけての８週間の大学医療センターの２４床回復室（ＳＤＵ）からの３０４名の患者の連続した非侵襲的な統合され且つモニタリングされたデータを過去に遡って解析した。ＨＲ、ＲＲ、及びＳｐＯ_２を毎秒サンプリングした。データストリームを、５分という重複しない期間に分割した。期間ごとに、ＨＲ（ＥＭＨＲ、ＥＳＤＨＲ）、ＲＲ（ＥＭＲＲ、ＥＳＤＲＲ）、及びＳｐＯ_２（ＥＭＳｐＯ２、ＥＳＤＳｐＯ２）の平均（ＥＭ）及び標準偏差（ＥＳＤ）を算出した。不安定は、４分間持続的に生じる、ＨＲ＜４０又は＞１４０、ＲＲ＜８又は＞３６、及びＳｐＯ_２＜８５のいずれか一つの異常と定義した。期間は、ＳＤＵ滞在全体において不安定のない患者から取得された場合は安定（Ｓ）、不安定基準を満たす前の６０分では不安定（Ｕ）、その他の場合は不安定になる前（ＰＵ）と分類した。ＥＭ及びＥＳＤは、Ｓ、Ｕ、及びＰＵにわたって比較することができ、Ｋｒｕｓｋａｌ−Ｗａｌｌｉｓ ＡＮＯＶＡを使用してすべての事後の一対比較法を実行した。

２ 結果及び考察
非常に重篤な患者における生理的データの変動解析は、切迫した血行動態不安定を示唆することができ、この切迫した血行動態不安定は、明白な代償不全の前に早期治療法の対象とされてよい。本発明者らは、それほど重篤でない集団（この試験では、ＳＤＵにいる患者）、安定した患者、及び不安定を発症すると決められた患者はまた、異なる特有の生理的プロファイルを有すると仮定した。

本発明者らは、３０４名の患者のうち７９名が不安定の基準を満たすことを見出した。Ｓ、Ｕ、及びＰＵの分析に利用可能な期間がそれぞれ、１９４８３３、９４８、及び４０４５８あった。この３グループは、ＥＳＤＲＲを除くすべてのメトリクスに関して著しく異なっていた（ｐ＝．０００１、Ｋｒｕｓｋａｌ Ｗａｌｌｉｓ）。Ｕでは、ＰＵと比較して、ＥＭＨＲ、ＥＭＲＲ、及びＥＳＤＳｐＯ２は高かったが、ＥＳＤＨＲ及びＥＭＳｐＯ２は低かった。ＰＵでは、Ｓと比較して、ＥＭＨＲ及びＥＭＳｐＯ２は高かったが、ＥＳＤＨＲ、ＥＭＲＲ、及びＥＳＤＳｐＯ２は低かった（表１）。これらの結果は、ＰＵを定義するための閾値を不安定が発症する１２０分前に変更するほど堅牢（robust）であり、安定した患者が最終的に不安定を発症する患者と異なる生理的シグネチャを有することが確認される。さらに、結果から、患者が不安定を発症する前に患者のプロファイルが時間的に進展（evolve）することが示される。

［実施例２］
血行動態の安定した患者と不安定な患者の間での生理的変数の解析
実施例１のデータを、３名の患者分さらに拡張し、したがって３０７名の患者を検討した。このデータセットでは、７８名の患者が不安定の基準を満たすことが判明した。

図５Ａは、時間、周波数、及びエントロピーに関する５分間隔で得られる特徴を示し、図５Ｂは、観測ウィンドウ対ターゲットウィンドウを示す概略図である。以下の表２は、期間タイプ全体での単変量特徴統計を示す。

図６に示すように、履歴の期間傾向（historic epoch trend）において、不安定になる前の期間の平均心拍数プロファイルと安定期間の平均心拍数プロファイルは経時的に異なる。不安定になる前の患者の期間は、安定した患者の期間より少ない心拍数の変動性を示す（図７）。表３は、期間間の（trans-epoch）傾向が、不安定になる前の期間、不安定な期間、及び安定した期間と相関することを示す。

種々の公報、特許出願、及び特許が本明細書に記載され、それらの内容は全体として参照により本明細書に組み込まれる。

Claims (15)

1. １つ以上の生理的パラメータに関して心肺不安定の発症に対する患者の易罹患性を判断する装置を制御する方法であって、前記装置は１つ以上のプロセッサを備え、前記方法は、
   前記１つ以上のプロセッサが、前記患者に関連する１つ以上の生理的パラメータをモニタリングすることと、
   前記１つ以上のプロセッサが、前記１つ以上の生理的パラメータの測定値を含む患者データから患者が心肺不安定を発症する可能性を予測することを対象とする力学系モデルにアクセスすることと、
   前記１つ以上のプロセッサが、前記患者からの前記モニタリングされた１つ以上の生理的パラメータのうちの少なくとも一つの測定値を前記力学系モデルと比較することと、
   前記１つ以上のプロセッサが、心肺不安定の発症に対する前記患者の易罹患性を判断することと、
   前記１つ以上のプロセッサが、心肺不安定の発症に対する前記患者の前記易罹患性を示すことと
   を含む方法。
2. 前記１つ以上のプロセッサが、心肺不安定の発症に対する前記患者の前記示された易罹患性の精度を向上させるためにモニタリングするべき前記患者の追加の生理的パラメータを提案することをさらに含む、請求項１に記載の方法。
3. 前記力学系モデルが、ショック状態の血液量減少性機能障害、心原性機能障害、及び血管運動神経緊張による機能障害に対する定められた生理的シグネチャ特性を含む、請求項１又は２に記載の方法。
4. 前記１つ以上のプロセッサが、輸液、変力薬治療、又は昇圧剤治療のうちの１つ以上を含む介入への前記患者の反応性を判断することと、
   反応性の前記判断に応じて前記患者の前記生理的パラメータの前記モニタリングを自動的に調整することと、
   をさらに含み、
   前記自動的に調整することは、前記１つ以上の生理パラメータの測定のサンプリング周波数とリードタイムとのうち１つ以上を調整することを含む、請求項１から３のいずれか一項に記載の方法。
5. 改善を示すことによって前記患者がプロセス固有の介入に反応するかどうか、又は他の介入を適用するべきかどうかを、前記１つ以上のプロセッサが判断することと、
   前記患者がプロセス固有の介入に反応するかどうかについての前記判断に応じて前記患者の前記生理的パラメータの前記モニタリングを前記１つ以上のプロセッサが自動的に調整することと、
   をさらに含み、
   前記自動的に調整することは、前記１つ以上の生理パラメータの測定のサンプリング周波数とリードタイムとのうち１つ以上を調整することを含む、請求項１から４のいずれか一項に記載の方法。
6. 前記１つ以上の生理的パラメータをモニタリングすることが、動脈圧−すなわち、収縮期血圧、拡張期血圧−平均動脈圧、収縮期圧変動、脈圧変動、一回拍出量変動；右房圧；右室圧；肺動脈圧；平均肺動脈圧；肺動脈楔入圧；左房圧；心拍出量；心係数；一回拍出量；拍出係数；一回拍出係数；全身血管抵抗；全身血管抵抗係数；肺血管抵抗；肺血管抵抗係数；左室一回仕事量；左室一回仕事係数；右室一回仕事量；右室一回仕事係数；冠動脈灌流圧；右室拡張末期容積；右室収縮末期容積；又は右室駆出率のうちの１つ以上をモニタリングすることを含む、請求項１から５のいずれか一項に記載の方法。
7. 前記１つ以上の生理的パラメータをモニタリングすることが、動脈血酸素分圧；動脈血ＣＯ２分圧；炭酸水素；ｐＨ；動脈血酸素飽和度；混合静脈血酸素飽和度；動脈血酸素含有量；静脈血酸素含有量；動静脈酸素含有量較差；酸素運搬量；酸素運搬係数；酸素消費量；酸素消費係数；酸素摂取率；又は酸素摂取係数を含む１つ以上の酸素化パラメータをモニタリングすることを含み、
   前記１つ以上の生理的パラメータをモニタリングすることが、心拍数；呼吸数；血圧；末梢動脈Ｏ₂飽和度（ＳｐＯ₂）；又は温度を含む１つ以上の非侵襲性バイタルサインをモニタリングすることを含む、請求項６に記載の方法。
8. １つ以上の生理的パラメータに関して心肺不安定の発症に対する患者の易罹患性を判断するための、その上に記憶され、システムのプロセッサ上で実行されるべきコンピュータ可読命令を備える一時的でないコンピュータ可読記憶媒体であって、前記記憶される命令が、
   前記患者に関連する１つ以上の生理的パラメータをモニタリングすることと、
   前記モニタリングされる１つ以上の生理的パラメータのうちの少なくとも一つを解析することと、
   患者の心肺不安定を発症する可能性を予測することを対象とする力学系モデルにアクセスすることと、
   前記解析された生理的パラメータのうちの少なくとも一つを前記力学系モデルと比較することと、
   心肺不安定の発症に対する前記患者の易罹患性を判断することと、
   心肺不安定の発症に対する前記患者の前記易罹患性を示すことと
   を含む、一時的でないコンピュータ可読記憶媒体。
9. １つ以上の生理的パラメータに関して心肺不安定の発症に対する患者の易罹患性を判断するためのシステムであって、
   プロセッサと、表示デバイスと、前記患者の１つ以上の生理的パラメータをモニタリングするために前記患者に動作可能に接続された１つ以上のセンサとを含む、統合されたモニタリングシステムと、
   前記統合されたモニタリングシステムに結合されたメモリと、
   患者の心肺不安定を発症する可能性を予測することを対象とする１つ以上の力学系モデルを記憶するメモリデバイスと、
   前記患者の前記モニタリングされた１つ以上の生理的パラメータのうちの少なくとも一つ及び前記１つ以上の力学系モデルのうちの少なくとも一つに少なくとも部分的に基づいて、心肺不安定の発症に対する前記患者の易罹患性を示す指数出力を行うように構成された１つ以上のプロセッサと、
   前記指数出力を表示するように構成された表示デバイスと
   を備えるシステム。
10. 前記１つ以上の力学系モデルが、心肺機能不全を発症するリスクのある複数の患者の代表的なセットから前もって明らかにされた複数の次元における正規性の確率モデルを含む、請求項９に記載のシステム。
11. 前記１つ以上の力学系モデルが、心肺機能不全の原因を判断するために、又は、心肺機能不全が良くなることを予測するために、心肺機能不全を予測するために必要とされる最小データセットであって、測定変数並びにそれらのそれぞれのサンプリング周波数及びリードタイムに関する最小データセットを決定することを対象とし、
    前記最小データセットを決定することを対象とする前記１つ以上の力学系モデルが、増加又は変化する測定変数、それらのサンプリング周波数、及びリードタイムの特異性の増加に重点を置いて構築される、請求項９に記載のシステム。
12. 心肺不安定の発症に対する患者の易罹患性を判断するための方法であって、
    （ａ）ある時間間隔にわたって、心拍数、血液酸素飽和度、及び呼吸数からなるグループから選択される１以上の生理的パラメータをモニタリングし、それによって、前記１つ以上の生理的パラメータの複数の測定値を生成することと、
    （ｂ）測定されるパラメータごとに、前記時間間隔にわたって、検査平均値又は検査標準偏差値を計算することと、
    （ｃ）メモリを有するコンピュータシステムにおける１つ以上のプロセッサによって、安定した患者、不安定な患者、又は不安定になろうとしている患者において心拍数、血液酸素飽和度、又は呼吸数の、１つ以上の前記平均値又は１つ以上の前記標準偏差値を比較して、不安定な患者における心拍数、血液酸素飽和度、又は呼吸数に対する、１つ以上のモデル平均値又は１つ以上のモデル標準偏差値を生成する力学系モデルにアクセスすることと、
    （ｄ）（ｂ）で計算された１つ以上の前記平均値又は１つ以上の前記標準偏差値を、力学系モデルにおける不安定になろうとしている患者の前記１つ以上のモデル平均値又は前記１つ以上のモデル標準偏差値と比較することと、
    （ｅ）（ｄ）において実行される比較が、患者が不安定になろうとしていることを示すような追加の又はより頻繁なパラメータモニタリングを開始することと
    を含む方法。
13. メモリデバイスが、患者の心拍数、血液酸素飽和度、又は呼吸数の測定値を含む定期的に更新される一組の臨床データを格納しており、安定した患者、不安定な患者、又は不安定になろうとしている患者に対する前記１つ以上のモデル平均値又は前記１つ以上のモデル標準偏差値が、前記臨床データが更新されると、又はその後に、再計算される、請求項１２に記載の方法。
14. データ又は値の前記比較が分散分析（ＡＮＯＶＡ）によって実行される、請求項１２又は１３に記載の方法。
15. 前記１つ以上のパラメータが複数の間隔にわたって測定され、前記１つ以上の検査平均値又は前記１つ以上の検査標準偏差値が間隔ごとに決定され、
    前記検査平均値及び検査標準偏差値が複数の間隔の間で比較される、請求項１２に記載の方法。

Images