JP6454720B2 - 警報再生を用いる警報コンサルティングに関する警報設定の最適化 - Google Patents
警報再生を用いる警報コンサルティングに関する警報設定の最適化 Download PDFInfo
- Publication number
- JP6454720B2 JP6454720B2 JP2016555284A JP2016555284A JP6454720B2 JP 6454720 B2 JP6454720 B2 JP 6454720B2 JP 2016555284 A JP2016555284 A JP 2016555284A JP 2016555284 A JP2016555284 A JP 2016555284A JP 6454720 B2 JP6454720 B2 JP 6454720B2
- Authority
- JP
- Japan
- Prior art keywords
- alarm
- cmd
- algorithm
- clinical
- proposed
- 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
Links
- 230000008929 regeneration Effects 0.000 title claims description 22
- 238000011069 regeneration method Methods 0.000 title claims description 22
- 238000005457 optimization Methods 0.000 title claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 28
- 230000001629 suppression Effects 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 230000006866 deterioration Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 description 21
- 230000007246 mechanism Effects 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 9
- 230000009467 reduction Effects 0.000 description 9
- 230000001960 triggered effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 230000004083 survival effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000035790 physiological processes and functions Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- CVSVTCORWBXHQV-UHFFFAOYSA-N creatine Chemical compound NC(=[NH2+])N(C)CC([O-])=O CVSVTCORWBXHQV-UHFFFAOYSA-N 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- QNAYBMKLOCPYGJ-REOHCLBHSA-N L-alanine Chemical compound C[C@H](N)C(O)=O QNAYBMKLOCPYGJ-REOHCLBHSA-N 0.000 description 1
- 102000003929 Transaminases Human genes 0.000 description 1
- 108090000340 Transaminases Proteins 0.000 description 1
- 208000009729 Ventricular Premature Complexes Diseases 0.000 description 1
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 235000004279 alanine Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 229960003624 creatine Drugs 0.000 description 1
- 239000006046 creatine Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001507 sample dispersion Methods 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- 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
- 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
- G16H40/67—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 remote 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Alarm Systems (AREA)
Description
本願は一般に、患者モニタリングに関する。本願は、警報設定の最適化に関連して特定の用途を見いだし、特にこれを参照して説明されることになる。しかしながら、本願は、他の使用シナリオにおける用途も見いだし、上述した用途に必ずしも限定されるというわけではない点を理解されたい。
患者モニタは、患者の悪化を示す異常なバイタルサインがある場合、警報を上げることにより、患者の安全性に貢献する。２０世紀の後半にわたり、複数のモダリティが集中ケアユニット（ＩＣＵ）ケアに導入された。これは、今日存在している豊富なモニタリング風景を生じさせた。これらのモダリティは、心電図（ＥＣＧ）、末梢毛管酸素飽和（Ｓｐ０２）、血圧及び呼吸レートモニタリングを含む。より多くのモニタリングモダリティが利用可能になることで、臨床的に重要な、特に臨床イベント及びエピソードに関連付けられる警報を維持しつつ、誤警報及び臨床的に意味のない警報を減らす適切な警報構成への課題が生じている。これは、シングルパラメータ警報及びより高度なマルチパラメータ警報の両方にあてはまる。
１９９４年における研究によれば、小児ＩＣＵにおける警報音の９４％以上が、臨床的に重要でないことが分かった。類似する結果は、長年にわたり異なる研究において発見されている。例えば、ＥＣＲＩ研究所は、警報ハザードを２０１１年には２番目に大きな健康技術危険及び２０１２年及び２０１３年には最大の健康技術危険としてランク付けした。この広く経験される危険に基づき、共同委員会は、２０１４年に警報管理に関する患者の安全性目標を開始した。これは、病院が、警報管理を改善することを要求する。
警報管理を改善するために提案された方法は、マルチパラメータ警報アルゴリズムを使用することを含む。従来の警報アルゴリズムは、シングルパラメータである。マルチパラメータ警報アルゴリズムは、より大きな感度及び特異度を提供する。マルチパス警報アルゴリズムの例は、早期警告スコア（ＥＷＳ）システム又はその変形例の１つに基づかれる警報アルゴリズムである。警報管理を改善するための別の提案された方法は、適切なデフォルト設定を決定するため，大規模な患者トライアルを実行することを含む。しかしながら、警報閾値に関する適切な設定についての研究が存在しない点で、この提案された方法は、知識のすきまが欠点である。警報管理を改善するための別の提案された方法は、警報戦略の局所最適化のため、施設特有の介入的なトライアルを含む。
患者集団、患者に対する看護士比率並びにモニタリング器材の質及び量の両方において病院、病棟及び病院クリティカルケアユニット間での変動が大きいため、他の提案された方法が実現されるとき、警報戦略の局所最適化に関する施設特有の介入的なトライアルが依然として重要であることが予想される。これは、患者集団及びかれらのバイタルサイン特性が、ユニットにわたり明らかに変化するためである。介入的なトライアルは、介入前、介入、及び介入後の３つの段階へと典型的に組織される。介入前段階において、一セットの患者に関する警報が記録され、最も頻繁な警報が特定され、提案された警報戦略（例えば、警報閾値、警報深刻さ等）が規定される。介入段階において、提案された警報戦略が、患者の新規セットに適用される。介入後段階において、患者の新規セットに関する警報が記録される。介入後及び介入前警報データセットは、提案された警報戦略の有効性及び安全性に関する結論を導くために、その後比較される。
施設特有の介入的なトライアルを実行することに関するチャレンジは、警報負荷、ワークフロー及び患者の安全性について提案された警報戦略の影響に関する正確な予測が存在しない点にある。そのようなものとして、提案された新規警報戦略の質は、制限される。更に、患者の安全性に関する予測の不足は、介入後段階の間、患者の安全性に対してリスクを有する。
施設特有の介入的なトライアルを実行することに関する別のチャレンジは、介入後段階が典型的に長い点にある。提案された警報戦略は、患者の新規セットに適用される。これは警報負荷における減少を推定する際、分散の有意なソースをもたらす。従って、比較的長い介入後段階は、統計的に有意な結論を引き出すために必要とされる。
施設特有の介入的なトライアルを実行することに関する別のチャレンジは、費用である。介入後段階は、規制承認、人員の訓練、経過及び安全モニタリングのため、高価である。また、第１の介入段階における提案された警報戦略の規定は高価である。なぜなら、それが、医師が新規設定に同意するための時間を必要とするからである。それにもかかわらず、介入後段階に対して、介入前段階は、安価で、ワークフローへのインパクトがない。
本願は、これらの課題等を解決する新規で改良されたシステム及び方法を提供する。
１つの側面によれば、臨床警報アルゴリズムの警報設定の最適化に関するシステムが提供される。このシステムは、ユーザ規定の時間期間にわたり臨床警報アルゴリズムにより使用される臨床監視データ（ＣＭＤ）を得るよう構成される取得モジュールを有する。このシステムは更に、上記臨床警報アルゴリズムの１つ又は複数のパラメータに関する提案された設定を決定し、上記提案された設定の異なる組み合わせに関して警報負荷を予測する再生結果を決定するため、上記提案された設定で上記取得されたＣＭＤに対して上記臨床監視アルゴリズムを適用するよう構成される、再生モジュールを有する。
別の側面によれば、臨床警報アルゴリズムの警報設定の最適化に関する方法が提供される。この方法は、ユーザ規定の時間期間にわたり、上記臨床警報アルゴリズムにより使用される臨床監視データを得るステップと、上記臨床警報アルゴリズムの１つ又は複数のパラメータに関して提案された設定を決定するステップと、上記提案された設定の異なる組み合わせに関して警報負荷を予測する再生結果を決定するため、上記提案された設定で上記取得されたＣＭＤに対して上記臨床監視アルゴリズムを適用するステップとを有する。
別の側面によれば、臨床警報アルゴリズムの警報設定の最適化に関するシステムが提供される。このシステムは、ユーザ規定の時間期間にわたり上記臨床警報アルゴリズムにより使用される臨床監視データ（ＣＭＤ）を受信する手段と、上記臨床警報アルゴリズムの１つ又は複数のパラメータに関して提案された設定を決定する手段と、上記提案された設定の異なる組み合わせに関して警報負荷を予測する再生結果を決定するため、上記提案された設定で上記取得されたＣＭＤに対して上記臨床監視アルゴリズムを適用する手段とを有する。
１つの利点は、提案された警報戦略の影響を正確に予測する点にある。
別の利点は、患者の安全性を改善する点にある。
別の利点は、介入的なトライアルと比較して費用及び期間が減らされる点にある。
本発明の更に追加的な利点は、以下の詳細な説明を読み及び理解することにより当業者に認識されるだろう。
本発明は、様々な要素及び要素の配列の形式並びに様々なステップ及びステップの配列の形式を取ることができる。図面は、好ましい実施形態を説明するためだけにあり、本発明を限定するものとして解釈されるべきものではない。
本願は、警報設定を最適化するためのアプローチを開示する。このアプローチによれば、バイタルサイン及びコンテキストデータが、時間にわたり記録される。その後、複数の提案された警報設定に関して記録されたデータに基づき，警報が再生される。この再生は、例えば作業負荷インパクト及び検出パフォーマンス（即ち、感度及び特異度）といった警報負荷及び関連するパラメータが、記録されたデータの特定の患者集団に関して正確に予測されることを可能にする。
図１を参照すると、医療機関の情報技術（ＩＴ）インフラストラクチャ１０は、通信ネットワーク１８を通して接続される臨床監視データ（ＣＭＤ）の１つ又は複数のソース１２、１４、１６を含む。通信ネットワーク１８は概して、ローカルエリアネットワーク（ＬＡＮ）であるが、他のタイプの通信ネットワークも想定される。ＣＭＤは、患者の悪化を検出することに基づき、警報を生成する臨床監視アルゴリズム（ＣＭＡ）により使用される任意のデータである。ＣＭＤソース１２、１４、１６の例は、患者モニタ１２、看護ステーション、移動通信デバイス、患者情報システム１４、臨床意志決定支援システム１６等を含むが、これらに限定されるものではない。
ＣＭＤソース１２、１４、１６は、対応する患者に関するＣＭＤを格納又は生成する。患者に関するＣＭＤは、患者の生理的状態を示すデータを含む。患者の生理的状態を示すデータは、バイタルサイン（例えば、心拍、心電図（ＥＣＧ）、血圧、末梢毛管酸素飽和（Ｓｐ０２）等）、ラボ試験（例えば、クレアチン、血中尿素窒素（ＢＵＮ）、アラニンアミノトランスフェラーゼ（ＡＬＴ）等）、生理的スコア（例えば、早期警告スコア（ＥＷＳ）、バイタルサイン不安定性インデックス（ＶＩＸ）、簡略化された急性生理学スコア（ＳＡＰＳ）−Ｉ等）、流体、実態的人口統計学（例えば、年齢、性別等）、警報、及び患者の生理的状態に関連する他の変数（例えば、診断、集中ケアユニット（ＩＣＵ）タイプ、等）を示すデータを含む。
ＣＭＤを生成するＣＭＤソース１２、１６は、ＣＭＤ生産部１２、１６である。ＣＭＤ生産部１２、１６は概して、連続して、又は例えばタイマーイベント、ユーザ入力イベント等のイベントが発生するときに、ＣＭＤを生成する。更に、ＣＭＤ生産部１２、１６は、自動的に又は手動で、ＣＭＤを生成する。ＣＭＤ生産部１２、１６は例えば、患者の生理的状態を示す変数をセンサ２０で測定することにより、又は、患者の生理的な状態を示す値をプロセッサ２２で算出することにより、ＣＭＤを自動的に生成することができる。ＣＭＤ生産部１２、１６は例えば、患者の生理的状態を示すユーザ入力をユーザ入力デバイス２４を用いて臨床医から受信することにより、ＣＭＤを手動で生成することができる。ＣＭＤ生産部１２、１６の例は、患者モニタ１２及び臨床意志決定支援システム１６を含むが、これらに限定されるものではない。
ＣＭＤを格納するＣＭＤソース１４は、ＣＭＤストア１４である。ＣＭＤソースは、ＣＭＤ生産部１２、１６及びＣＭＤストア１４の両方でありえる。ＣＭＤストア１４は、データベース２６にＣＭＤを局所的に格納する。格納されたＣＭＤは、局所的に又はリモートで受信されることができる。例えば、ＣＭＤは、他のＣＭＤソース１２、１６からリモートで受信されることができ、又はユーザ入力デバイス２８を用いてユーザから局所的に受信されることができる。ＣＭＤストア１４の例は、電子医療記録（ＥＭＲ）システム１４、部門システム等を含むが、これらに限定されるものではない。
ＣＭＤソース１２、１４、１６及び警報モジュール３２、３４は、ソフトウェア、ハードウェア又は２つの組み合わせのいずれかである。ＣＭＤソース１２、１４、１６、又は、警報モジュール３２、３４が、ソフトウェアを含む、又はソフトウェアである場合、ＣＭＤソース１２、１４、１６又は警報モジュール３２、３４は概して、少なくとも１つのプロセッサ２２及び少なくとも１つのプログラムメモリを含むか、又はこれらに関連付けられる。少なくとも１つのプロセッサ２２は、ＣＭＤソース１２、１４、１６又は警報モジュールの機能を実行するため、少なくとも１つのプログラムメモリにおいてプロセッサ実行可能な命令を実行する。同様に、ＣＭＤソース１２、１４、１６又は警報モジュール３２、３４が、ユーザ入力を受信し、又はデータを表示する場合、ＣＭＤソース１２、１４、１６は概して、それぞれユーザ入力デバイス２４、２８又は表示デバイス３０を、含むか又はこれらに関連付けられる。
概して、ＣＭＤソース１２、１４、１６は、警報データの少なくとも１つのＣＭＤ生産部１２、１６を含む。警報データのＣＭＤ生産部１２、１６は、１つ又は複数の患者に関連付けられ、警報モジュール３２、３４において実現される臨床監視アルゴリズムを含む。臨床監視アルゴリズムは、受信されたＣＭＤに基づき、患者の悪化に関して患者をモニタする。患者の悪化を検出することに基づき、臨床監視アルゴリズムは、警報を生成する。臨床監視アルゴリズムは、ＣＭＤを、局所的に（例えば、ユーザ入力デバイス２４により）、又はリモートで（例えば、別のＣＭＤソース１２、１４、１６から）受信する。警報データのＣＭＤ生産部１２、１６の例は、患者モニタ１２、臨床意志決定支援システム１６等を含む。
臨床監視アルゴリズムは、アルゴリズムが構成される態様により分類されることができる。その静脈において、臨床監視アルゴリズムの少なくとも３つの異なるクラスが、存在する。それは、調整可能な警報アルゴリズム、オン／オフ警報アルゴリズム及び閾値警報アルゴリズムである。非バイタルサイン（例えば、睡眠無呼吸期間）がユーザ規定閾値を超えるとき、調整可能な警報アルゴリズムは警報をトリガーする。バイナリ生理的パラメータ（例えば、心室期外収縮（ＰＶＣ））が「オン」状態を示すとき、オン／オフ警報アルゴリズムは警報をトリガーする。斯かるオン／オフ警報アルゴリズムは、ユーザ調整可能なパラメータを持つことができる、又は持つことができない。バイタルサイン（例えば、心拍）がユーザ規定閾値を超えるとき、閾値警報アルゴリズムは警報をトリガーする。
閾値警報アルゴリズムは、警報レートを減らすため、フィルタリング機構を含むことができる。斯かるフィルタリング機構の１つは、それがユーザ規定の秒数より短く持続する場合、トリガーされた警報が抑制される遅延機構である。別の斯かるフィルタリング機構は、最新のユーザ規定の秒数において同じタイプの警報が存在する場合、トリガーされた警報が抑制される抑制機構である。
引き続き図１を参照すると、ＩＴインフラストラクチャ１０は更に、警報再生システム３８を含む。警報再生システム３８は、医療機関のユーザ規定患者集団に関して、臨床監視アルゴリズムの警報設定を最適化する。臨床監視アルゴリズムは、警報再生システム３８の警報モジュール４０により実現される。警報設定は、臨床監視アルゴリズム又は関連付けられるアルゴリズム（例えばＥＷＳアルゴリズムといった、臨床監視アルゴリズムに対する入力を提供するアルゴリズム）のユーザ規定パラメータの値を参照する。閾値警報アルゴリズムのユーザ規定パラメータは例えば、閾値、遅延及び抑制期間を含む。ユーザ規定患者集団は例えば、医療機関における１つ又は複数の医療ユニット又は病棟のユーザ規定セットとすることができる。臨床監視アルゴリズムは、ＩＴインフラストラクチャ１０のＣＭＤソース１２、１４、１６において、又は、警報再生システム３８において実現されることができる。
警報再生システム３８は、ＣＭＤを取得及び格納する。これは、ユーザ規定の時間期間（例えば、２週間又は６ヵ月）にわたり、ＣＭＤソース１２、１４、１６から、ユーザ規定患者集団に対する臨床監視アルゴリズムにより必要とされるバイタルサイン及びコンテキストデータを含む。臨床監視アルゴリズムに関する警報設定は、警報再生を通して最適化される。より詳細には、警報は、複数の異なる警報設定を用いて、格納されたＣＭＤに臨床監視アルゴリズムを適用することを通して再生される。ユーザ規定患者集団に対して、例えば作業負荷インパクト及び検出パフォーマンス（即ち、感度及び特異度）といった警報負荷及び関連するパラメータに関して異なる警報設定が持つ効果を正確に予測するために、この再生結果は評価される。上記を実行するため、警報再生システム３８は、取得モジュール４２、再生モジュール４４、及び結果解析モジュール４６という複数のモジュールを含む。
取得モジュール４２は、ユーザ規定の時間期間の間、通信ネットワーク１８にわたりＣＭＤソース１２、１４、１６からＣＭＤを得て、取得されたデータをモバイルデータベース４８に格納する。ＣＭＤは、ユーザ規定患者集団に関するバイタルサインと、臨床監視アルゴリズムにより要求される更なるコンテキストデータとを含む。コンテキストデータは例えば、ラボ結果及び患者の診断を表すデータを含む。ＣＭＤは更に、トリガーされた警報を表すデータ、患者の悪化（例えば悪化関連の介入）又は患者ケアレベルの増加に関する記録された臨床イベントといった患者の悪化に関するデータ、及び警報をトリガーされた介入当たりの記録された又は推定された作業負荷に関するデータの１つ又は複数を含むことができる。取得モジュール４２は、例えばバイタルサインに関する１秒のサンプリングレートといった臨床監視アルゴリズムに関する充分なサンプリングレートでＣＭＤを得る。
概して、取得モジュール４２及びモバイルデータベース４８は、警報再生システム３８のモバイルデータレコーダ５０に含まれる。ＣＭＤの取得を開始する前に、モバイルデータレコーダ５０は、医療機関でインストールされる。例えば、モバイルデータレコーダは、通信ネットワーク１８に直接、又は、別のデバイス若しくはシステムを用いて通信ネットワーク１８に間接的に接続される。一旦インストールされると、ＣＭＤは、取得モジュール４２により取得され、ユーザ規定の時間期間の間、モバイルデータベース４８に格納される。
取得を完了すると、モバイルデータレコーダ５０は、医療機関からアンインストールされ、警報生成システム３８の中央データ処理システム５２に物理的に輸送される。中央データ処理システム５２は概して、医療施設から離れて配置される。被保護健康情報の除去後、中央データ処理システム５２は、このデータを中央データベース５４にダウンロードし、後述するように、他のモジュール４４、４６と共に中央データベース５４においてこのデータを局所的に処理する。中央データ処理システム５２を使用する代わりに、モバイルデータレコーダ５０が、後述するように、他のモジュール４４、４６と共にモバイルデータベース４８においてこのデータを局所的に処理することができる。
取得モジュール４２により得られるデータがどこで処理されるかに関係なく、再生モジュール４４は、一セットの提案された警報設定の各設定に関して、ユーザ規定患者集団に関して取得されたＣＭＤに臨床監視アルゴリズムを適用することを通して、警報を再生するため、警報モジュール４０と協調する。これは、提案された警報設定の関数として、警報負荷及び関連するパラメータの正確な予測を可能にする。概して、提案された警報設定は、取得の間、対応する警報設定パラメータに対して臨床医によりなされる修正に関係なく適用される。しかしながら、いくつかの実施形態において、対応する警報設定パラメータに対する斯かる修正が、取得の間、なされない場合にのみ、提案された警報設定は使用される。
提案された警報設定は概して、全体のユーザ規定患者集団に対して一般的で、再生の前に決定される。しかしながら、提案された警報設定は代替的に、ＣＭＤに依存し、再生の間に決定されることができる。例えば、提案された警報設定は、例えば診断、年齢又はラボ結果といった患者に関するＣＭＤに基づき、患者毎に決定されることができる。別の例として、提案された警報設定は、患者の現在のバイタルサイン値に基づき、患者のバイタルサインサンプルごとに決定されることができる。
提案された警報設定は、臨床監視アルゴリズム又は関連するアルゴリズムの警報設定パラメータに関して、手動で、自動的に、又は、自動的及び手動の両方で規定されることができる。提案された警報設定の手動規定に関して、ユーザ入力デバイス５６、５８は例えば、提案された警報設定を手動で規定するために使用されることができる。これは、臨床医又は臨床医委員会が提案された警報設定を決定するシナリオに関して有利である。提案された警報設定の自動的な規定に関して、臨床監視アルゴリズムのユーザ規定パラメータの各々のパラメータ空間は例えば、一様にサンプリングされることができる。代替的に、アルゴリズムは、ＣＭＤに基づき、又は結果解析モジュール４６からのフィードバックに基づき、提案された警報設定を決定することができる。
バイタルサイン及びコンテキストデータを得るために取得が構成されるが、警報データだけが利用可能な状況も起こりうる。斯かる場合、近似の警報再生が実行されることができる。より詳細には、近似の警報再生は、提案された警報閾値を警報の極値に適用することにより実行されることができる。この技術の特性は、取得の間、バイタルサイン値及び警報設定の組み合わせ効果を結果が示す点にある。臨床監視アルゴリズムが純粋な閾値警報アルゴリズム（即ち、任意のフィルタリング機構のない閾値警報アルゴリズム）であるとき、この近似、うまく機能することが知られる。
結果解析モジュール４６は、再生モジュール４４から再生結果を受信し、評価のため表示デバイス６０、６２を用いて再生結果を臨床医に視覚的に表示する。再生結果は、警報タイプごとに表示される予測された警報を示すグラフで表示され、例えば警報深刻さごと、モダリティごと、シフトごとといった異なる態様で集約される。
更に、再生結果は、１つ又は複数の警報設定パラメータの関数として、予測された警報負荷又は関連付けられるパラメータ（例えば、作業負荷又は警報レート）を示すグラフで表示されることができる。
再生結果を表示することに加えて、結果解析モジュール４６は、少なくとも１つのプロセッサ６４を用いて再生結果を自動的に評価することができ、表示デバイス６０、６２を用いて評価の結果を表示する。例えば、真及び誤警報レートが評価されることができ、患者の悪化データが得られた場合、結果が表示される。同様に、作業負荷又は警報レートが、再生された警報に基づき、推定及び表示されることができる。いくつかの実施形態において、一セットの１つ又は複数の目的が実現されるまで、結果解析モジュール４６は、評価結果に基づき再生モジュール４４にフィードバックを提供する。フィードバックを提供することにおいて、目的のセットが実現されるまで、提案された警報設定は、連続して修正又は調整される。目的のセットは例えば、目標作業負荷又は警報レートを含むことができる。
いくつかの実施形態において、取得されたＣＭＤが警報を含む場合、結果解析モジュール４６は、提案された警報設定に関して記録された警報レート及び再生された警報レートを推定する。定量的比較を可能にするため、推定が視覚的に表示されることができる。代替的に、記録された警報の推定は、再生された警報の推定と自動的に比較されることができ、ユーザ規定閾値を超える警報レートにおける減少を持つ警報設定が、表示されることができる。
警報レートｒは、時間間隔ｔで割られる単一の患者により生成される警報カウントｃの期待値として規定され、
となる。ここで、ｒは、１日当たり患者当たりのカウントで与えられる。臨床医により経験される警報レートに到達するよう、警報レートｒは、臨床医のケア下の患者の数により増倍される。時間間隔ｔをＮ人の患者エンカウンタに分割するとき、各ｉに対してエンカウンタ警報レートｒｉであり、エンカウンタ警報カウントｃであり、エンカウンタ期間（即ち、収容期間）ｄｉであるとき、警報レートｒは、
と書き換えられることができる。警報レートｒに関して最も直接的な表現は、警報カウントｃｉの項にある（即ち、警報レートへと正規化されるものではない）。エンカウンタ警報レートｒｉに関して、警報レートｒを表すため、エンカウンタ警報レートｒｉは、エンカウンタ期間ｄｉにより比例して重み付けされる。実際的な意味は、高い警報レート及び長い収容期間の組み合わせを用いて患者に関する誤警報レートを減らすことが、警報疲労の最大の削減を生じさせる点にある。
警報レートは、トータル警報カウントをエンカウンタ期間の合計で割ることにより推定され、
となる。これは、式（２）から得られることができる。レート推定のガウス分布を仮定すると、この推定に関する９５％の信頼区間は、
により与えられ、ここで、
は、推定された標準偏差であり、推定された分散
の平方根としてとられる。
分散推定器に関する開始点は、サンプル分散であり、以下のように規定される。すべてのエンカウンタは、時間軸上で連結される。時間軸は、等しい長さ
の分割へと分割される。分割ｋにおける警報レート推定は、
として表され、分割の数はＭである。サンプル分散
は、
により与えられ、これは、分散推定
を生じさせ、
となる。分割境界は、エンカウンタ境界と整列されない。これは、
の算出を複雑にし、サンプル間の依存ももたらす。従って、各エンカウンタは、サンプルとして使用され、その貢献が、エンカウンタ期間に基づき重み付けされる。これは、分散推定
が、
となることを生じさせる。
更に、いくつかの実施形態において、結果解析モジュール４６は、エンカウンタ当たりの警報レートの分布を決定及び表示する。上述したように、各警報は、エンカウンタに関連付けられる。分布を表示する有益なアプローチは、エンカウンタの関数として、警報レートをプロットすることを含む。ここで、エンカウンタは、高い警報レートから低い警報レートへと順序付けられる。基本的な統計関数において表されるとき、これは、逆生存関数
であり、
となる。ここで、ｐは、エンカウンタ割合であり、Ｐ（ｘ＞Ｘ）は、警報レートＸに関する生存関数である（即ち、ｘ＞Ｘである確率）。生存関数は、累積的なヒストグラムの逆であり、
となる。
図２は、エンカウンタ当たりの警報カウントに関する逆生存関数のグラフを示す。患者にわたる警報カウント分布は、トータル警報の所与の割合をもたらすエンカウンタの割合により特徴づけられることができる。示されるように、警報の５０％は、最も高い警報カウントを持つエンカウンタの１２％によりもたらされる。この統計は、ほとんどの警報患者を処理することにより実現されることができる潜在的警報レートの減少を示す。
再生結果は、ユーザ規定患者集団の予測された警報負荷を表す。結果解析モジュール４６は、将来の患者集団の警報負荷を予測するため、再生結果を拡張することができる。より詳細には、ＣＭＤは、ユーザ規定患者集団において、異なる患者タイプの分布を決定するために分析されることができる。更に、異なる患者タイプの分布は、将来の患者に関して規定されることができる。分布は、比較され、再生結果は、再重み付けされることができる。将来の分布においてより一般的な患者タイプは、ユーザ規定分布においてより一般的な患者タイプより、再重み付けされた再生結果において、より多くの重みを与えられる。例えば、ユーザ規定患者集団が平均的患者集団より多くの老人の患者を含む場合、老人の患者に関する警報は、平均的患者集団に関する再生結果を推定するため減らされることができる。
有利には、警報再生を用いると、新規警報設定が新規患者に適用される前に、新規警報戦略の影響が定量化されることができる。より詳細には、さまざまな設定が同じ患者集団に適用されるので、警報負荷の減少が、高い精度で算出されることができる。記録された警報又は警報閾値が使用される方法とは異なり、再生結果は、データ収集の間、アクティブだった警報設定から独立している。
上述したように、再生システム３８は、複数のモジュール４０、４２、４４、４６を含む。モジュール４０、４２、４４、４６の各々は、ソフトウェア、ハードウェア又は２つの組み合わせのいずれかである。モジュール４０、４２、４４、４６が、ソフトウェアを含む又はソフトウェアである場合、モジュール４０、４２、４４、４６は概して、それぞれ、少なくとも１つのプロセッサ６４及び少なくとも１つのプログラムメモリ６６を含むか、又はこれらに関連付けられる。少なくとも１つのプロセッサ６４は、モジュール４０、４２、４４、４６の機能を実行するため、少なくとも１つのプログラムメモリ６６においてプロセッサ実行可能な命令を実行する。同様に、モジュール４０、４２、４４、４６が、ユーザ入力又はディスプレイデータを受信する場合、モジュール４０、４２、４４、４６は概して、それぞれ、ユーザ入力デバイス５６、５８又は表示デバイス６０、６２を含むか、又はこれらに関連付けられる。
また、上述したように、再生システム３８は、少なくとも１つのデータベース４８、５４を含む。少なくとも１つのデータベース４８、５４の各々は、ソフトウェア、ハードウェア又は２つの組み合わせのいずれかである。データベース４８、５４が、ソフトウェアを含む又はソフトウェアである場合、データベース４８、５４は概して、それぞれ、データベース４８、５４のデータを格納する少なくとも１つのストレージメモリ６８を含むか、又はこれに関連付けられる。
警報再生システム３６が、モバイルデータレコーダ５０及び中央データ処理システム３８を含むものとして示されるが、中央データ処理システム３８の要素が、モバイルデータレコーダ５０と一体化されることができる点を理解されたい。これらの要素は、警報、再生及び結果分析モジュール４０、４４、４６、及び、いくつかの実施形態では、少なくとも１つのプロセッサ６４と、プログラム及びストレージメモリ６６、６８とを含む。有利には、モバイルデータレコーダ５０を中央データ処理システム３８の要素と一体化することにより、医療機関の警報設定は、現場で最適化されることができる。
再生システム３８の動作を説明するため、出願人は以下、２つの例示的な実施形態を示す。第１の例示的な実施形態によれば、臨床監視アルゴリズムは、遅延及び抑制フィルタリング機構を持つ閾値警報アルゴリズムであると仮定される。閾値警報アルゴリズムは例えば、ＩＴインフラストラクチャ１０の患者モニタ１２により使用されることができる。警報再生システム３８を第１の実施形態に適用することにおいて、取得モジュール４２は、ユーザ規定患者集団に関するバイタルサインをモバイルデータベース４８に記録するために使用される。バイタルサインは、閾値警報アルゴリズムを用いて正確な再生を可能にするためのレートで、サンプリングされる。
取得に続いて、記録されたバイタルサインに提案された警報設定で閾値警報アルゴリズムを適用することにより警報負荷予測を実行するため、再生モジュール４４が使用される。概して、提案された警報設定は、全体のユーザ規定患者集団に対して一般的である。閾値警報アルゴリズムが、遅延及び抑制フィルタリング機構を含むので、設定が最適化されることができる３つの警報設定パラメータが存在し、それは閾値Ｔｈ、遅延Ｄ及び抑制期間Ｉである。上述したように、それが遅延Ｄより短く持続する場合、遅延フィルタリング機構は、トリガーされた警報を抑制し、同じタイプの警報が直前の抑制期間Ｉにおいて存在した場合、抑制フィルタリング機構が、トリガーされた警報を抑制する。
遅延及び抑制フィルタリングを用いて閾値警報アルゴリズムにおいて再生を実行するため、各異なる設定に関して完全な再生を繰り返すのではなく、警報再生を別々の段階で実行することは有益である。第１の段階によれば、閾値Ｔｈに関して提案された警報設定が、評価される。これは、閾値に対する各提案された警報設定に関して、ユーザ規定の時間期間にわたり、バイタルサインが提案された警報設定を超える時間間隔を決定することを含む。これらの時間間隔は、再生された警報を表し、後続の使用のため格納される。
第１の段階が完了すると、全体のユーザ規定の時間期間にわたりバイタルサインを再分析する必要なしに、再生された警報をフィルタリングすることにより、第２及び第３の段階が、それぞれ、異なる遅延及び抑制期間に関する警報負荷を得る。有利には、これは、明らかに再生を加速させる。第２の段階によれば、遅延に対する各提案された警報設定に関して、
である再生された警報が除去される。第３の段階によれば、抑制期間に対する各提案された警報設定に関して、
である残りの再生される警報ｎが除去される。
再生終了後、結果解析モジュール４６は、前述の結果を受信し、臨床医に対して結果を表示する。図３〜図５は、閾値警報アルゴリズムが心拍に適用されるときの結果の例示的なディスプレイを提供する。警報閾値は、分当たりの拍動（ＢＰＭ）に関する。
図３を参照すると、警報閾値の関数として、１日当たりベッド当たりの警報に関する警報負荷のグラフが、示される。点線は、メディアンを表す。閾値１３５から閾値１４０への増加は、１４０以上の警報閾値が（垂直にストライプされた円により表される）危機的なレベル警報として扱われるためである。これは、抑制を持たない。逆にいえば、下位のレベルの（水平にストライプされた円により表される）緊急警報は、３分のデフォルト抑制期間を持つ。これは警報負荷を下げる。
警報閾値が、１２０から１３０に上昇されると仮定する。これにより、下位レベルの緊急警報閾値が１３０まで上昇される。更に、危機的なレベル警報閾値及び下位のレベルの緊急警報閾値の間の差が２０で維持されると仮定する。斯かるシナリオにおいて、危機的なレベル警報閾値は更に、１４０から１５０まで増加される。これらの変化は、以下の警報負荷削減を生じさせる。下位のレベルの緊急警報は、２２．８から１０．１まで減らされ（即ち、５５％の減少）、及び危機的なレベル警報は、２２．５から１８．７まで減らされる（即ち、１７％の減少）。
図４を参照すると、さまざまな警報閾値に関する遅延の関数として、遅延より大きい期間を持つ警報のパーセンテージのグラフが、示される。遅延が０から５秒まで増加されると仮定すると、１３０の警報閾値が想定される。これは、以下の警報負荷削減を生じさせる。下位のレベルの緊急警報は、１００％から２４．３％まで減らされ（即ち、７５．７％の減少）、及び危機的なレベル警報は、１００％から２９．９％まで減らされる（即ち、７０．１％の減少）。類似する減少が、１２０のデフォルト警報閾値で実現されることができる。
図５を参照すると、この図は、複数の心拍ビンの各々に対して患者集団にわたり警報閾値が満たされる時間の割合を表す折り畳まれた累積的なヒストグラムを示す。分布の視覚的な評価を容易にするため、ヒストグラムＦは、メディアンより大きい値に関して生存関数１−Ｆにより置き換えられる。例えば、時間の０．８７％の間、又は毎時３１秒、ＨＲが１４０より大きいことが決定されることができる。フィルタリング機構なしに危機的な警報を用いると、この割合は、警報が鳴る時間の割合に等しく、及び従って、この警報によりもたらされる警報ノイズレベルのインジケーションを与える。
図１に戻り、第２の例示的な実施形態によれば、臨床監視アルゴリズムがＥＷＳシステムを使用する閾値警報アルゴリズムであると仮定される。ＥＷＳシステムは一般に、一般的な病棟において臨床監視アルゴリズムにより使用される。ＥＷＳシステムは、ＥＷＳモデルに基づき、複数の危機的な生理的パラメータの貢献を計数することにより、リアルタイムにＥＷＳを算出する。ＥＷＳが、複数の警報閾値の１つをパスするとき、警報はトリガーされることができ、警報閾値がパスされたことに基づき応答するよう、特定の臨床チームが要請されることができる。
警報再生システム３８を第２の実施形態に適用することにおいて、ＥＷＳシステムにより使用される生理的パラメータ（例えば、意識レベル）を記録するため、取得モジュール４２が使用される。生理的データは例えば、通信ネットワーク１８にわたりＥＭＲシステム１４から引き出されることができる。更に、生理的データは例えば、バイタルサイン、悪化（例えば、不都合なイベント、ケアのより高いレベルへの遷移等）、実態的人口統計学、ラボ結果、薬物、及びＥＷＳシステムにより要求される他の任意のデータのいずれかを示すデータを含むことができる。記録されるデータは好ましくは、複数の年分存在し、従って、季節間の変動又は年間の変動が考慮されることができる。しかしながら、斯かるデータが制限される場合、各季節からのデータの塊で充分である（例えば、その年の各四半期からの１月分のデータ）。ＥＷＳシステムが、患者モニタ１２に一体化される場合、バイタルサインが患者モニタにより測定される高いサンプリングレートが、同様に高いサンプリングレートで記録されることを必要とする。
取得後、再生モジュール４４は、提案された警報設定で、閾値警報アルゴリズム及びＥＷＳシステムを記録されたデータに適用することにより、警報負荷予測のために使用される。警報再生の間考慮される警報設定パラメータは、警報閾値、及びＥＷＳシステムの関連付けられるパラメータを含む。このパラメータは、例えばＥＷＳモデル及び異なる臨床チームの責任である。責任は、警報閾値及び異なる臨床チームの間の対応を規定する。異なるＥＷＳモデル設定を考慮することは、警報感度及び特異度が、異なる患者集団に対して調整されることを可能にする。更に、責任と一緒に、ＥＷＳモデル及び責任は、フロア看護士が患者のバイタルサインをいつ及びどのくらい頻繁にチェックしなければならないか、医師又は高速応答チーム（ＲＲＴ）がいつ呼ばれるか、患者がＩＣＵに移されることを必要とするかどうか等を決定する。
結果解析モジュール４６は概して次に、再生結果から作業負荷を推定することにより、再生結果を評価する。作業負荷推定結果は、表示され、概して統計のリストを含むことができる。例えば、リストは、看護士により対応されなければならない警報の数（例えば、１日当たり看護士当たりの警報の数）、低閾値警報によりトリガーされる追加的なスポットチェックの数（例えば、１日当たり看護士当たりの追加的なスポットチェックの数）、高い閾値警報よりトリガーされるＲＲＴ呼び出しの数（例えば、１日当たりＲＲＴ呼び出しの数）、真のポジティブ警報の数、誤警報の数、感度及び特異度などを含むことができる。医療機関の作業負荷推定及び動作データに基づき、結果解析モジュール４６は更に、医療機関の運営に関するコスト推定及び推奨を決定及び表示することができる。これは例えば、患者集団における季節的な変動の推定、要員に関する計画又はデバイス購入品若しくはアップグレードに関する計画を含む。警報設定の適切な組み合わせが見つかるまで、提案された警報設定は修正されることができる。
第２の実施形態を拡張して、目標作業負荷が実現されるまで、提案された警報設定は連続して洗練又は調整される。より詳細には、再生結果は、最初の提案された警報設定に関して生成される。これらの警報設定は再生モジュール４４により適用され、結果解析モジュール４６が、目標作業負荷が満たされるかどうかを決定するために再生結果を評価する。目標作業負荷が満たされない場合、再生モジュール４４に対してフィードバックが提供され、修正された提案された警報設定が評価されることができる。目標作業負荷が満たされるまで、これは続く。こうして、警報設定が最適化されることができる。
図６を参照すると、フローチャート１００は、第２の実施形態を要約する。示されるように、過去の年からの患者のデータ１０２が、取得モジュール４２により得られる。その後、初期ＥＷＳスコアリング及び警報設定が、ユーザ入力１０６に基づき再生モジュール４４により決定される１０４。この入力は概して、医療機関の臨床医からのものである。警報再生が、再生モジュール４４によりこの設定において実行され１０８、作業負荷が、結果解析モジュール４６により再生結果から推定される１１０。作業負荷推定から、目標作業負荷が実現されるかどうかの決定がなされる１１２。目標が実現されない場合、ＥＷＳスコアリング及び警報設定は修正又は調整され、再生及び評価が再び実行される。目標作業負荷が実現されるまで、これは繰り返される。一旦目標作業負荷が実現されると、医療機関の動作データ１１８に対して作業負荷推定を適用することで、推奨１１４が自動的に決定される１１６。推奨１１４はその後、臨床医に表示される。
図７を参照すると、臨床警報アルゴリズムの警報設定の最適化に関する方法１５０が、提供される。方法１５０は、警報再生システム３８のモジュール４０、４２、４４、４６により実行される。方法１５０によれば、臨床警報アルゴリズムにより使用されるＣＭＤが、ＩＴインフラストラクチャ１０からユーザ規定の時間期間にわたり取得される１５２。ＣＭＤは、臨床警報アルゴリズムへの適用に関する充分なサンプリングレートで、ユーザ規定患者集団の複数の患者に関して得られる。例えば、バイタルサインデータが、ユーザ規定の時間期間にわたりユーザ規定患者集団に関して１秒のサンプリングレートで得られる。
ＣＭＤを得ることに加えて、提案された警報設定が、臨床警報アルゴリズム及び／又は関連するアルゴリズムの可変なパラメータに関して決定される１５４。関連するアルゴリズムは例えば、臨床警報アルゴリズムにより使用されるスコアリングシステムアルゴリズムである。提案された警報設定は、自動的に、手動で、又は自動的及び手動の両方で決定されることができる。例えば、提案された警報設定は、パラメータ空間をサンプリングすることにより自動的に決定され、自動的に決定された設定が、ユーザ入力により修正されることができる。決定された提案された警報設定及び取得されたＣＭＤを用いて、提案された設定の異なる組み合わせに関して警報負荷及び関連するパラメータを予測するため、臨床警報アルゴリズムが、提案された警報設定でＣＭＤに適用される１５６。
臨床警報アルゴリズムが閾値警報アルゴリズムである場合、可変なパラメータのパラメータは、閾値、遅延及び抑制期間を含むことができる。臨床警報アルゴリズムは、閾値の各提案された設定に関して、取得されたＣＭＤが提案された設定を超えるユーザ規定の時間期間の間に一セットの間隔を決定することにより、この閾値に関する設定で適用される１５６。これらの間隔は、警報に対応する。臨床警報アルゴリズムは、遅延又は抑制期間の各提案された設定に関して、この設定に基づき間隔のセットをフィルタリングすることにより、遅延又は抑制期間に関する設定で適用される。
臨床警報アルゴリズムがスコアリングシステムを使用する閾値警報アルゴリズムである場合、設定可能なパラメータのパラメータが、スコアリングシステムに関連付けられるパラメータを含むことができる。スコアリングシステムは、例えば、ＥＷＳシステムでありえる。更に、スコアリングシステムに関連付けられるパラメータは例えば、スコアリングモデルを含むことができる。臨床警報アルゴリズムは、スコアリングシステムに関連付けられるパラメータに関して、提案された設定でＣＭＤに適用される１５６。
再生を実行した後、再生結果が、表示される１５８、又は評価される１６０。この評価は例えば、推定が、目的、例えば目標作業負荷を実現するかを決定することを含むことができる。評価結果がその後、表示されることができる１６２。代替的に、評価結果に基づき、提案された警報設定が、修正又は調整されることができ、修正又は調整された警報設定で、前述したことが再び実行されることができる。目的が実現されるまで、これはその後繰り返される。目的が実現されると、再生結果が表示されることができる。
いくつかの実施形態において、図７に示される各組成ブロック１５２、１５４、１５６、１５８、１６０、１６２は、対応する機能を実行する手段である。ブロック１５２、１５４、１５６、１５８、１６０、１６２の各々の対応する機能を実行する手段は、機能を実行するようプログラムされる少なくとも１つのプロセッサ、機能を実行するよう構成される特定用途向けデバイス，及び機能を実行する少なくとも１つのプロセッサと特定用途向けデバイスとの組み合わせの１つを含む。
本書で使用されるメモリは、例えばランダムアクセスメモリ（ＲＡＭ）又は読出し専用メモリ（ＲＯＭ）といったデータを格納する任意のデバイス又はシステムを含む。更に、本書で使用されるプロセッサは、例えばマイクロプロセッサ、マイクロコントローラ、グラフィック処理ユニット（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、ＦＰＧＡ等の出力データを生成するため入力データを処理する任意のデバイス又はシステムを含み；コントローラは、別のデバイス又はシステムを制御する任意のデバイス又はシステムを含み、かつ概して少なくとも１つのプロセッサを含み；ユーザ入力デバイスは、例えばマウス又はキーボードといった、ユーザ入力デバイスのユーザが別のデバイス又はシステムに入力することを可能にする任意のデバイスを含み；表示デバイスは、例えば液晶ディスプレイ（ＬＣＤ）又は発光ダイオード（ＬＥＤ）ディスプレイといったデータを表示する任意のデバイスを含む。
本発明が、好ましい実施形態を参照して説明されてきた。上記の詳細な説明を読み及び理解すると、第三者は、修正及び変更を思いつくことができる。それらの修正及び変更が添付の特許請求の範囲又はその均等物の範囲内にある限り、本発明は、すべての斯かる修正及び変更を含むものとして構築されることが意図される。
Claims (15)
- 臨床警報アルゴリズムの警報設定の最適化に関するシステムであって、
ユーザ規定の時間期間にわたり臨床警報アルゴリズムにより使用される臨床監視データＣＭＤを得るよう構成される取得モジュールと、
前記臨床警報アルゴリズムの１つ又は複数のパラメータに関する提案された設定を決定し、前記提案された設定の異なる組み合わせに関して警報負荷を予測する再生結果を決定するため、前記提案された設定で前記臨床警報アルゴリズムを前記取得されたＣＭＤに適用するよう構成される、再生モジュールとを有し、
前記臨床警報アルゴリズムが、閾値警報アルゴリズムであり、
前記１つ又は複数のパラメータは、前記臨床警報アルゴリズムの閾値を含み、
前記再生モジュールが、前記閾値の各提案された設定に関して、前記取得されたＣＭＤが前記提案された設定を超える前記ユーザ規定の時間期間の間に、一セットの間隔を決定することにより、前記臨床警報アルゴリズムを前記取得されたＣＭＤに適用するよう更に構成される、システム。 - 前記取得モジュールが更に、ユーザ規定の時間期間にわたり前記ＣＭＤとして、バイタルサイン及びコンテキストデータを得るよう構成される、請求項１に記載のシステム。
- 前記１つ又は複数パラメータが更に、前記臨床警報アルゴリズムの遅延又は抑制期間を含み、
前記再生モジュールは更に、前記遅延又は抑制期間の各提案された設定に関して、前記設定に基づき、前記間隔のセットをフィルタリングすることにより、前記臨床警報アルゴリズムを前記取得されたＣＭＤに適用するよう構成される、請求項１に記載のシステム。 - 前記臨床警報アルゴリズムをＣＭＤに適用することにより、患者の悪化をモニタするよう構成される警報モジュールを更に有し、
前記警報モジュールが、警報負荷を予測するため、前記再生モジュールと協調する、請求項１乃至３の任意の一項に記載のシステム。 - 前記臨床警報アルゴリズムが、スコアリングシステムを使用する閾値警報アルゴリズムであり、
前記１つ又は複数のパラメータは、前記スコアリングシステムに関連付けられるパラメータを含み、
前記再生モジュールが更に、前記スコアリングシステムに関連付けられる前記パラメータに関して、提案された設定で前記臨床警報アルゴリズムを前記取得されたＣＭＤに適用するよう構成される、請求項１乃至４の任意の一項に記載のシステム。 - 前記再生結果を表示するよう構成される結果解析モジュールを更に有する、請求項１乃至５の任意の一項に記載のシステム。
- 作業負荷の推定を生成するため、前記再生結果を評価し、前記推定が目標作業負荷を実現しないことを示すフィードバックを前記再生モジュールに提供する結果解析モジュールを更に有し、
前記再生モジュールは更に、前記フィードバックに基づき、前記提案された設定を修正し、前記修正された提案された設定の異なる組み合わせに関して警報負荷を予測する修正された再生結果を決定するため、前記修正された提案された設定で前記臨床警報アルゴリズムを前記取得されたＣＭＤに適用するよう構成される、請求項１乃至６の任意の一項に記載のシステム。 - 前記取得モジュールを含むモバイルデータレコーダであって、前記取得モジュールが、前記モバイルデータレコーダのモバイルデータベースに前記取得されたＣＭＤを格納するよう構成される、モバイルデータレコーダと、
前記再生モジュールを含む中央データ処理システムであって、前記中央データ処理システムが、前記再生モジュールによる使用のため前記モバイルデータレコーダから前記ＣＭＤをダウンロードするよう構成される、中央データ処理システムとを更に有する、請求項１乃至７の任意の一項に記載のシステム。 - 臨床警報アルゴリズムの警報設定の最適化に関するコンピュータ実現による方法において、
ユーザ規定の時間期間にわたり、前記臨床警報アルゴリズムにより使用される臨床監視データＣＭＤを得るステップと、
前記臨床警報アルゴリズムの１つ又は複数のパラメータに関して提案された設定を決定するステップと、
前記提案された設定の異なる組み合わせに関して警報負荷を予測する再生結果を決定するため、前記提案された設定で前記臨床警報アルゴリズムを前記取得されたＣＭＤに適用するステップとを有し、
前記臨床警報アルゴリズムが、閾値警報アルゴリズムであり、
前記１つ又は複数のパラメータは、前記臨床警報アルゴリズムの閾値を含み、
前記方法が更に、前記閾値の各提案された設定に関して、前記取得されたＣＭＤが前記提案された設定を超える前記ユーザ規定の時間期間の間に、一セットの間隔を決定することにより、前記臨床警報アルゴリズムを前記取得されたＣＭＤに適用するステップを有する、方法。 - ユーザ規定の時間期間にわたり、前記ＣＭＤとしてバイタルサイン及びコンテキストデータを得るステップを更に有する、請求項９に記載の方法。
- 前記１つ又は複数パラメータが更に、前記臨床警報アルゴリズムの遅延又は抑制期間を含み、
前記方法は更に、前記遅延又は抑制期間の各提案された設定に関して、前記設定に基づき、前記間隔のセットをフィルタリングすることにより、前記臨床警報アルゴリズムを前記取得されたＣＭＤに適用するステップを有する、請求項９に記載の方法。 - 前記臨床警報アルゴリズムが、スコアリングシステムを使用する閾値警報アルゴリズムであり、
前記１つ又は複数のパラメータは、前記スコアリングシステムに関連付けられるパラメータを含み、
前記方法が更に、前記スコアリングシステムに関連付けられる前記パラメータに関して、提案された設定で前記臨床警報アルゴリズムを前記取得されたＣＭＤに適用するステップを有する、請求項９乃至１１の任意の一項に記載の方法。 - 前記再生結果を表示するステップを更に有する、請求項９乃至１２の任意の一項に記載の方法。
- 作業負荷の推定を生成して、前記推定が目標作業負荷を実現するかどうかを決定するため、前記再生結果を評価するステップと、
前記決定に基づき、前記提案された設定を修正するステップと、
前記修正された提案された設定の異なる組み合わせに関して警報負荷を予測する修正された再生結果を決定するため、前記修正された提案された設定で前記臨床警報アルゴリズムを前記取得されたＣＭＤに適用するステップとを更に有する、請求項９乃至１３の任意の一項に記載の方法。 - 請求項９乃至１４の任意の一項に記載される方法を実行するよう１つ又は複数のプロセッサを制御するソフトウェアを搬送する非一時的コンピュータ可読媒体。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201461953126P | 2014-03-14 | 2014-03-14 | |
| US61/953,126 | 2014-03-14 | ||
| PCT/IB2015/051530 WO2015136406A1 (en) | 2014-03-14 | 2015-03-03 | Optimization of alarm settings for alarm consultancy using alarm regeneration |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2017508527A JP2017508527A (ja) | 2017-03-30 |
| JP2017508527A5 JP2017508527A5 (ja) | 2018-06-28 |
| JP6454720B2 true JP6454720B2 (ja) | 2019-01-16 |
Family
ID=52727188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016555284A Active JP6454720B2 (ja) | 2014-03-14 | 2015-03-03 | 警報再生を用いる警報コンサルティングに関する警報設定の最適化 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20170061089A1 (ja) |
| EP (1) | EP3117354B1 (ja) |
| JP (1) | JP6454720B2 (ja) |
| CN (1) | CN106104539B (ja) |
| RU (1) | RU2675048C9 (ja) |
| WO (1) | WO2015136406A1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11195659B2 (en) | 2002-04-15 | 2021-12-07 | Avx Corporation | Plated terminations |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105162628B (zh) * | 2015-08-24 | 2018-12-18 | 上海天旦网络科技发展有限公司 | 快速确定网络合理告警阈值的系统和方法 |
| US10278653B2 (en) * | 2016-04-01 | 2019-05-07 | Cardiac Pacemakers, Inc. | Alert management for physiological event detection |
| EP3448238A4 (en) * | 2016-04-29 | 2020-01-01 | Nokia Technologies Oy | PROCESSING PHYSIOLOGICAL MEASUREMENTS |
| WO2019138915A1 (ja) * | 2018-01-11 | 2019-07-18 | コニカミノルタ株式会社 | ケアイベント可視化装置、ケアイベント可視化システム、およびケアイベント可視化方法 |
| US11908581B2 (en) | 2018-04-10 | 2024-02-20 | Hill-Rom Services, Inc. | Patient risk assessment based on data from multiple sources in a healthcare facility |
| US11504071B2 (en) | 2018-04-10 | 2022-11-22 | Hill-Rom Services, Inc. | Patient risk assessment based on data from multiple sources in a healthcare facility |
| US11298087B2 (en) * | 2019-11-21 | 2022-04-12 | GE Precision Healthcare LLC | Method and system for predicting physiological alarm frequency by patient monitors |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5865736A (en) * | 1997-09-30 | 1999-02-02 | Nellcor Puritan Bennett, Inc. | Method and apparatus for nuisance alarm reductions |
| MXPA04011391A (es) * | 2002-05-13 | 2005-02-14 | Scott Lab Inc | Sistema y metodo para una deteccion, advertencia e intervencion claras y tempranas durante un procedimiento medico. |
| US20080249806A1 (en) * | 2006-04-06 | 2008-10-09 | Ethicon Endo-Surgery, Inc | Data Analysis for an Implantable Restriction Device and a Data Logger |
| US20090216558A1 (en) * | 2008-02-27 | 2009-08-27 | Active Health Management Inc. | System and method for generating real-time health care alerts |
| US8882684B2 (en) * | 2008-05-12 | 2014-11-11 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
| JP5604451B2 (ja) * | 2009-02-17 | 2014-10-08 | コーニンクレッカ フィリップス エヌ ヴェ | 臨床的に意味のある生命徴候を自動的に捕獲及び記録保存するシステム及び方法 |
| US9323894B2 (en) * | 2011-08-19 | 2016-04-26 | Masimo Corporation | Health care sanitation monitoring system |
| US10431342B2 (en) * | 2009-09-02 | 2019-10-01 | University Of Virginia Patent Foundation | Tracking the probability for imminent hypoglycemia in diabetes from self-monitoring blood glucose (SMBG) data |
| US8456295B2 (en) * | 2010-05-26 | 2013-06-04 | General Electric Company | Alarm generation method for patient monitoring, physiological monitoring apparatus and computer program product for a physiological monitoring apparatus |
| US20120124174A1 (en) * | 2010-11-16 | 2012-05-17 | Carefusion 303, Inc. | Alert notification service |
| WO2012140547A1 (en) * | 2011-04-14 | 2012-10-18 | Koninklijke Philips Electronics N.V. | Stepped alarm method for patient monitors |
| JP6150207B2 (ja) * | 2014-01-13 | 2017-06-21 | 知能技術株式会社 | 監視システム |
-
2015
- 2015-03-03 US US15/119,915 patent/US20170061089A1/en not_active Abandoned
- 2015-03-03 WO PCT/IB2015/051530 patent/WO2015136406A1/en active Application Filing
- 2015-03-03 RU RU2016140140A patent/RU2675048C9/ru not_active IP Right Cessation
- 2015-03-03 JP JP2016555284A patent/JP6454720B2/ja active Active
- 2015-03-03 EP EP15711867.0A patent/EP3117354B1/en active Active
- 2015-03-03 CN CN201580014269.8A patent/CN106104539B/zh active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11195659B2 (en) | 2002-04-15 | 2021-12-07 | Avx Corporation | Plated terminations |
Also Published As
| Publication number | Publication date |
|---|---|
| US20170061089A1 (en) | 2017-03-02 |
| EP3117354B1 (en) | 2018-08-29 |
| EP3117354A1 (en) | 2017-01-18 |
| RU2675048C9 (ru) | 2019-02-25 |
| CN106104539B (zh) | 2019-09-20 |
| RU2016140140A3 (ja) | 2018-09-21 |
| JP2017508527A (ja) | 2017-03-30 |
| CN106104539A (zh) | 2016-11-09 |
| RU2675048C2 (ru) | 2018-12-14 |
| RU2016140140A (ru) | 2018-04-17 |
| WO2015136406A1 (en) | 2015-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6454720B2 (ja) | 警報再生を用いる警報コンサルティングに関する警報設定の最適化 | |
| Fu et al. | Development and validation of early warning score system: A systematic literature review | |
| McCoy et al. | Reducing patient mortality, length of stay and readmissions through machine learning-based sepsis prediction in the emergency department, intensive care unit and hospital floor units | |
| Janke et al. | Exploring the potential of predictive analytics and big data in emergency care | |
| Tarassenko et al. | Centile-based early warning scores derived from statistical distributions of vital signs | |
| EP2864914B1 (en) | Clinical predictive analytics system | |
| JP6010558B2 (ja) | 患者の悪化の検出 | |
| US11051768B1 (en) | Determining when to emit an alarm | |
| JP7395460B2 (ja) | 睡眠の質を監視するための方法及びシステム | |
| US10485489B1 (en) | System and method for assessing and monitoring the hemodynamic condition of a patient | |
| JP6072021B2 (ja) | 評価システム及び評価方法 | |
| JP2015519941A (ja) | 血行動態不安定性インデックス指標情報を評価する方法 | |
| US11580432B2 (en) | System monitor and method of system monitoring to predict a future state of a system | |
| US20180333106A1 (en) | Early warning system and method for predicting patient deterioration | |
| US20230207083A1 (en) | Methods and systems for individualized risk score analysis | |
| US20210407676A1 (en) | Patient ventilator asynchrony detection | |
| Chu et al. | One-minute finger pulsation measurement for diabetes rapid screening with 1.3% to 13% false-negative prediction rate | |
| Goldstein et al. | Classifying individuals based on a densely captured sequence of vital signs: An example using repeated blood pressure measurements during hemodialysis treatment | |
| Abbas et al. | Performance of a risk analytic tool (Index of Tissue Oxygen Delivery “IDO2”) in pediatric cardiac intensive care unit of a developing country | |
| US10610160B1 (en) | Stream-based alarm filtering | |
| de Waele et al. | Estimation of the patient monitor alarm rate for a quantitative analysis of new alarm settings | |
| Rochefort et al. | Nurse staffing practices and postoperative atrial fibrillation among cardiac surgery patients: A multisite cohort study | |
| Fenoy et al. | Healthy versus congestive heart failure patients—An approach via the Hurst parameter | |
| Santos et al. | Performance of early warning scoring systems to detect patient deterioration in the emergency department | |
| JP2020013555A (ja) | 診療情報処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20170214 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180110 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180110 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180516 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180516 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180718 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180718 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180724 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181017 |
|
| 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: 20181122 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181217 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6454720 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |