JP6546227B2 - センサデータに基づく患者デバイスの管理 - Google Patents

Description

病院及び他の医療ケア施設内の患者は、往々にして、様々な体の状態をモニタリングする複数の様々なタイプの医療デバイスに接続されるか、又は他の方法で医療デバイスによりモニタリングされ得る。そのようなモニタリングデバイスの例としては、少数を挙げれば、心臓モニタ、パルスオキシメータ、カプノグラフモニタ、呼吸数モニタ、神経モニタ、血糖値モニタ、胎児モニタ、体温モニタ、及び血液動態モニタが含まれる。これらのモニタはそれぞれ、波形又は他の数量結果として表され得ることが多い情報を提供する１つ又は複数のセンサ及び処理構成要素を含み得る。幾つかの場合、各患者で数十又は数百の波形が生成され得る。患者の介護者は、患者に適する治療を決定するために、これらのモニタのうちの少なくとも幾つかの出力を調べ得る。

更に、患者は、１つ又は複数の医療状態に対して治療を提供する医療デバイスにより治療され得る。そのようなデバイスの例としては、人工呼吸器、静脈内（ＩＶ）注入ポンプ、ペースメーカー、胸腔チューブ、補給チューブ、麻酔器、人工心肺装置、透析装置、導尿カテーテル、及び除細動器等が挙げられる。これらのデバイスは、デバイスの動作を示す波形及び他の電子出力も提供し得る。例えば、治療デバイスは、多くの場合、呼吸数及び他の呼吸情報も提供する人工呼吸器の場合等、モニタリング機能も同様に含み得る。それにもかかわらず、このようなデバイスを用いた治療は、多くの場合、所定の治療スケジュールに基づいて管理され、介護者により手動でモニタリングされ得る。一例として、集中治療室（ＩＣＵ）での患者の医療用人工呼吸器の使用は、介護者により定期的に手動でモニタリング及び記録され得、記録された情報は、治療の有効性及び続く治療計画の決定に当たり使用され得る。しかし、これらのデバイスから決定される臨床パラメータの手動記録及び治療への後続変更は、非効率的であり、且つ誤りが生じやすいことがある。

幾つかの実施形態は、センサデータに基づいて患者をモニタリングし、及び／又は患者デバイスを管理する装置及び技法を含む。一例として、サービス計算デバイスが、複数の患者に関連付けられる複数の患者デバイスに関連付けられたセンサデータを受信し得る。サービス計算デバイスは、少なくとも部分的にセンサデータに対応する介護者記録を更に受信し得る。少なくとも２つのグループのインジケータが、選択されたテーマ等に基づくなどして介護者記録から特定され得る。更に、サービス計算デバイスは、センサデータから複数のクラスタを特定し得る。複数のクラスタ及び少なくとも２つのグループに基づいて、サービス計算デバイスは、複数の患者のうちの患者のケアにおける不一致の指示を決定し得る。不一致の指示に基づいて、サービス計算デバイスは、介護者計算デバイスへの通知、通知をモニタリング計算デバイスへの通知、又は患者デバイスの１つへの制御信号のうちの少なくとも１つを送信し得る。

詳細な説明が添付図を参照して記載される。図中、参照番号の１つ又は複数の最も左側の桁は、参照番号が最初に出現する図を識別する。異なる図での同じ参照番号の使用は、同様又は同一の物品又は特徴を示す。

幾つかの実施形態による、患者ケアにおける不一致及び／又は患者デバイスにおける不一致を検出することが可能なシステムのアーキテクチャ例を示す。 幾つかの実施形態による、患者の状態を検出し、及び／又は患者デバイスを制御するプロセス例を示す流れ図である。 幾つかの実施形態による、ケアにおける不一致を経験している患者及び／又は不一致に関連付けられた患者デバイスを検出するプロセス例を示す流れ図である。 幾つかの実施形態による、まとめられたセンサデータ及び介護者記録の例を示す。 幾つかの実施形態による、行列Ｘの主成分を特定及び選択する例を示す。 幾つかの実施形態による、まとめられ変換されたセンサデータのクラスタを特定する例を示す。 幾つかの実施形態による、ケアにおける不一致に関連付けられた患者を特定する例を示す。 幾つかの実施形態による、ケアにおける不一致に関連付けられた患者を特定する例を示す。 幾つかの実施形態による、ケアにおける不一致に関連付けられた患者を特定する例を示す。

本明細書での幾つかの実施形態は、ケアにおける不一致を経験している患者を特定し、及び／又は医療ケア施設又は他の患者ロケーション等において患者をモニタリング又は治療するように、１つ又は複数の患者デバイスを自動的に制御する技法及び装置に関する。一例として、サービス計算デバイスは、複数の患者のうちの各患者に関連付けられた複数の患者デバイスから数百の生理学的波形データを受信し得る。サービス計算デバイスはまず、複数の患者について既知の時間窓内で収集された波形データをまとめて、時間窓のサマリ統計を生成し得る。サマリ統計は、データ低減を使用し、その後、教師なしクラスタ化を使用してまとめて分析し得る。患者及び／又は患者の治療に関連する手動で入力された介護者記録も、サービス計算デバイスにより１つ又は複数の介護者計算デバイスから受信され得、分析中、サービス計算デバイスにより使用され得る。分析の結果は、ケアにおける不一致を経験している恐れがある１人又は複数の患者及び／又はケアにおける不一致に関連付けられた１つ又は複数の治療デバイスを示し得る。幾つかの場合、サービス計算デバイスは、アラート又は他の通知を介護者に送信し得、アラート又は他の通知を中央モニタリングロケーションに送信し得、及び／又は治療デバイス、モニタリングデバイス等の１つ又は複数の患者デバイスの設定を自動的に制御し得る。

上述したように、患者及び患者治療の臨床パラメータの手動記録は、誤りを生じさせやすいことがある。例えば、ＩＣＵでの患者による医療用人工呼吸器の使用記録は、介護者により毎日手動で記録されて、人工呼吸器が患者により使用された回数、人工呼吸器がその都度使用された時間等を文書化し得る。しかし、人工呼吸器が特定の患者に最適な時間量にわたり使用されているか否か、正確な設定で使用されているか否か等は常に容易に明らかであるわけではない。したがって、本明細書での実施形態は、数百の波形を同時に分析して、１人の患者に対して一度に１つ又は少数のみの波形を評価する技法を使用する場合には明らかではない洞察を抽出し得る。更に、本明細書での実施形態は、パラメトリック仮定又はパラメトリック当てはめモデルを必要としない。したがって、本明細書での例は、有害事象のリスクを低減し、治療コストを低減し、ＩＣＵ又は他の治療設備への患者の滞在長を低減するに当たり、介護者を支援し得る。更に、分析から特定された情報は、ケアにおける不一致に関連付けられた患者の治療デバイス又はモニタリングデバイスの１つ又は複数へのフィードバックとして使用され得る。

幾つかの例は、受信されるセンサデータ及び介護者記録の分析に基づいて、ケアにおける不一致の可能性がある患者を識別することを含む。例えば、介護者又はサービス計算デバイスは、複数の患者のセンサデータ及び介護者記録が分析される時間窓ｗ及び時刻ｔを指定し得る。幾つかの場合、サービス計算デバイスは、時間枠ｔ−ｗ〜ｔ内のＩＣＵ又は他のケア施設での全ての患者の利用可能な波形、他のセンサデータ、及び介護者記録を抽出し、波形データ及び／又は他のセンサデータをまとめてサマリ統計にし得る。更に、サービス計算デバイスは、時間窓ｗ内の選択される治療テーマに関する介護者記録をまとめて、各患者のラベル又は他のインジケータのグループにし得る。更にサービス計算デバイスは、患者識別子（ＩＤ）及び選択される時間間隔等に基づいて、センサデータサマリ統計及び介護者記録からのまとめられたインジケータを統合又は他の方法で関連付け得る。クラスタ化技法を使用して、サービス計算デバイスは、更に後述するように、ケアでのギャップが生じる可能性がある患者を検出し得る。したがって、本明細書での例は、生理学的波形データ、他のセンサデータ、及び介護者記録を使用して、ケアにおける不一致を経験中であり得る患者を特定し得る。特定された情報を使用して、介護者記録と実際のケアとが一致しない可能性を識別する有価値な洞察を介護者に提供し得、それにより、適時の経過観察及び必要な調整を実行することができる。追加又は代替として、特定された情報を使用して、患者治療デバイス又は患者モニタリングデバイス等の１つ又は複数の患者デバイスを自動的に制御し得る。したがって、本明細書での実施形態は、有害事象のリスクを低減し得、ケア施設での全体的な患者の滞在長を低減し得る。

考察を目的として、幾つかの実施形態例が、患者モニタリングデバイス及び患者治療デバイスから波形データ又は他のセンサデータを受信し、介護者記録を更に受信し、受信されたセンサデータ及び介護者記録を分析して、介護者デバイス又は患者デバイスにフィードバックを提供する１つ又は複数の計算デバイスの環境で説明される。しかし、本明細書での実施形態は、提供される特定の例に限定されず、本明細書での開示に鑑みて当業者に明らかになるように、他のタイプのデータ、他のタイプの患者環境、他のシステムアーキテクチャ等に拡張可能である。

図１は、幾つかの実施形態による、患者ケアにおける不一致及び／又は患者デバイスにおける不一致を検出可能なシステム１００のアーキテクチャ例を示す。システム１００は、１つ又は複数のネットワーク１０６を通して等、複数の患者ロケーション１０４（１），．．．，１０４（Ｎ）と通信可能な少なくとも１つのサービス計算デバイス１０２を含む。更に、サービス計算デバイス１０２は、１つ又は複数のネットワーク１０６を通して１つ又は複数の介護者計算デバイスｌ０８及び１つ又は複数のモニタリング計算デバイス１１０と通信し得ることが可能であり得る。

幾つかの例では、サービス計算デバイス１０２は、１つ又は複数のサーバ、パーソナルコンピュータ、又は任意の数の方法で実施し得る他のタイプの計算デバイスを含み得る。例えば、サーバの場合、モジュール、他の機能構成要素、及びデータ記憶装置の少なくとも一部は、サーバのクラスタ、サーバファーム又はデータセンタ、クラウドホスト計算サービス等の少なくとも１つのサーバで実施し得るが、他のコンピュータアーキテクチャを追加又は代替として使用し得る。示される例では、サービス計算デバイス１０２は、１つ又は複数のプロセッサ１１２、１つ又は複数の通信インタフェース１１４、及び１つ又は複数のコンピュータ可読媒体１１６を含むか、又は関連付けられ得る。

各プロセッサ１１２は、単一の処理ユニット若しくは幾つかの処理ユニットであり得、１つ若しくは複数の計算ユニット又は複数の処理コアを含み得る。プロセッサ１１２は、１つ又は複数の中央演算処理装置、マイクロプロセッサ、マイクロコンピュータ、マイクロコントローラ、デジタル信号プロセッサ、状態機械、論理回路、及び／又は動作命令に基づいて信号を操作する任意のデバイスとして実施することができる。例えば、プロセッサ１１２は、本明細書に記載されるアルゴリズム及びプロセスを実行するように特にプログラム又は構成される任意の適するタイプの１つ又は複数のハードウェアプロセッサ及び／又は論理回路であり得る。プロセッサ１１２は、本明細書に記載される機能を実行するようにプロセッサ１１２をプログラムすることができる、コンピュータ可読媒体１１６に記憶されたコンピュータ可読命令をフェッチし実行するように構成することができる。

コンピュータ可読媒体１１６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、又は他のデータ等の情報を記憶する任意のタイプの技術で実施される揮発性及び不揮発性メモリ及び／又はリムーバブル及び非リムーバブル媒体を含み得る。例えば、コンピュータ可読媒体１１６は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、又は他のメモリ技術、光学記憶装置、固体状態記憶装置、磁気テープ、磁気ディスク記憶装置、ＲＡＩＤストレージシステム、ストレージアレイ、ネットワーク接続ストレージ、ストレージエリアネットワーク、クラウドストレージ、又は所望の情報の記憶に使用することができ、計算デバイスによりアクセスすることができる任意の他の媒体を含み得るが、これらに限定されない。サービス計算デバイス１０２の構成に応じて、コンピュータ可読媒体１１６は、言及される場合、非一時的コンピュータ可読媒体がエネルギー、搬送信号、電磁波、及び信号自体等の媒体を除外する限り、有形非一時的媒体であり得る。幾つかの場合、コンピュータ可読媒体１１６は、サービス計算デバイス１０２と同じ場所にあり得、一方、他の例では、コンピュータ可読媒体１１６は部分的にサービス計算デバイス１０２からリモートであり得る。

コンピュータ可読媒体１１６を使用して、プロセッサ１１２により実行可能な任意の数の機能構成要素を記憶し得る。多くの実施形態では、これらの機能構成要素は、プロセッサ１１２により実行可能であり、実行されると、本明細書においてサービス計算デバイス１０２に起因する動作を実行するようにプロセッサ１１２を特にプログラムする命令又はプログラムを含む。コンピュータ可読媒体１１６に記憶された機能構成要素は、管理アプリケーション１１８及びオペレーティングシステム（ＯＳ）１２０を含み得る。管理アプリケーション１１８は、患者ステータスのモニタリング及び／又は患者治療デバイス及びモニタリングデバイスの制御等の様々なタスクをプロセッサ１１２に実行させるように実行可能な１つ又は複数のコンピュータプログラム、コンピュータ可読命令、実行可能コード、又はその部分を含み得る。更に、オペレーティングシステム１２０は、サービス計算デバイス１０２の様々な機能を制御及び管理し得る。幾つかの場合、機能構成要素は、コンピュータ可読媒体１１６の記憶部分に記憶され、コンピュータ可読媒体１１６のローカルメモリ部分にロードされ、１つ又は複数のプロセッサ１１２により実行され得る。本明細書における開示の恩恵を受ける当業者には、多くの他のソフトウェア構成及び／又はハードウェア構成が明らかになるであろう。

加えて、コンピュータ可読媒体１１６は、本明細書に記載される機能及びサービスの実行に使用されるデータ及びデータ構造を記憶し得る。例えば、コンピュータ可読媒体１１６は、管理アプリケーション１１８により使用されるセンサデータ１２２、介護者記録１２４、１つ又は複数の行列Ｘ １２６、及び１つ又は複数のベクトルＹ １２８を記憶し得る。例えば、管理アプリケーション１１８は、波形データ及び／又は他のセンサデータ等のセンサデータ１２２及び介護者記録１２４を受信し得、この情報を使用して、更に後述するように、センサデータ１２２から行列Ｘ １２６を生成し、介護者記録１２４からベクトルＹ １２８を生成し得る。更に、追加の行列及び／又は他のデータ構造（図１に示されず）を行列Ｘ １２６及びベクトルＹ １２８から生成し得、後述するように、ケアにおける不一致を有する患者を識別するのに使用し得る。サービス計算デバイス１０２は、プログラム、ドライバ等を含み得る他の機能構成要素及びデータ、並びに機能構成要素により使用又は生成される他のデータを包含又は保持することもできる。更に、サービス計算デバイス１０２は、多くの他の論理的、プログラム的、及び物理的構成要素を含み得、そのうちの上述されたものは、本明細書における考察に関連する単なる例である。

通信インタフェース１１４は、１つ又は複数のネットワーク１０６を介する等、様々な他のデバイスとの通信を可能にする１つ又は複数のインタフェース及びハードウェア構成要素を含み得る。したがって、通信インタフェース１１４は、患者ロケーション１０４、介護者計算デバイス１０８、及びモニタリング計算デバイス１１０と通信するためのネットワーク１０６への接続を提供する１つ又は複数のポートを含み得るか、又は結合し得る。例えば、通信インタフェース１１４は、本明細書の他の箇所で更に列挙されるように、ＬＡＮ（ローカルエリアネットワーク）、ＷＡＮ（広域ネットワーク）、インターネット、ケーブルネットワーク、セルラネットワーク、無線ネットワーク（例えば、Ｗｉ−Ｆｉ）及び有線ネットワーク（例えば、光ファイバ、Ｅｔｈｅｒｎｅｔ、ファイバチャネル）、直接接続、及びＢＬＵＥＴＯＯＴＨ（登録商標）等の近距離通信等のうちの１つ又は複数を通して通信を可能にし得る。

患者ロケーション１０４（１），．．．，１０４（Ｎ）は、患者の部屋又は患者を治療し得る任意の他のロケーションであり得る。幾つかの例では、各患者ロケーション１０４（１），．．．，１０４（Ｎ）は、１つ又は複数の患者モニタリングデバイス１４０（１），．．．，１４０（Ｎ）及び１つ又は複数の患者治療デバイス１４２（１），．．．，１４２（Ｎ）をそれぞれ含む複数の患者デバイスを含み得る。更に、患者デバイスセンサ１４４（１），．．．，１４４（Ｎ）をモニタリングデバイス１４０（１），．．．，１４０（Ｎ）及び／又は治療デバイス１４２（１），．．．，１４２（Ｎ）にそれぞれ関連付けて、患者の状態及び／又はモニタリングデバイス１４０及び／又は治療デバイス１４２の状態を検出する等を行い得る。一例として、少なくとも１人の患者１４６（１），．．．，１４６（Ｎ）が、各患者ロケーション１０４（１），．．．，１０４（Ｎ）にそれぞれ存在し得、モニタリングデバイス１４０（１），．．．，１４０（Ｎ）によりそれぞれモニタリングされ得、治療デバイス１４２（１），．．．，１４２（Ｎ）によりそれぞれ治療され得る。更に、幾つかの場合、患者治療デバイス１４２は、患者モニタリングデバイス１４０であってもよく、患者の状態についての波形データ及び／又は他のデータを提供する１つ又は複数のセンサ１４４を含み得る。

幾つかの例では、患者デバイス１４０及び１４２のそれぞれは、ネットワーク１０６を介してサービス計算デバイス１０２と通信することができ、それにより、モニタリングデバイスデータ１４８及び治療デバイスデータ１５０をサービス計算デバイス１０２に送信する等を行い得る。他の例では、患者デバイス１４０、１４２の一方は、患者ロケーション１０４における他のモニタリングデバイス１４０からモニタリングデバイスデータ１４８を収集し、患者ロケーション１０４における治療デバイス１４２から治療デバイスデータ１５０を収集する計算デバイスを含み得る。幾つかの例として、モニタリングデバイスデータ１４８及び治療デバイスデータ１５０は、モニタリングデバイス１４０及び治療デバイス１４２によりそれぞれ取得されるセンサデータ１２２を含む。例えば、上述したように、患者モニタリングデバイス１４０は、心臓モニタ、パルスオキシメータ、カプノグラフモニタ、呼吸数モニタ、神経モニタ、血糖値モニタ、胎児モニタ、体温モニタ、血液動態モニタ、及び／又は様々な他のタイプのモニタリングデバイスを含み得る。更に、患者治療デバイス１４２は、人工呼吸器、静脈内（ＩＶ）注入ポンプ、ペースメーカー、胸腔チューブ、補給チューブ、麻酔器、人工心肺装置、透析装置、導尿カテーテル、除細動器、及び／又は様々な他のタイプの治療デバイスを含み得る。

介護者計算デバイス１０８及びモニタリング計算デバイス１１０は、デスクトップ、ワークステーション、サーバ、ラップトップ、タブレット計算デバイス、モバイルデバイス、スマートフォン、ウェアラブルデバイス、又はネットワークを介してデータを送信可能な任意の他のタイプの計算デバイス等の任意の適するタイプの計算デバイスであり得る。幾つかの場合、介護者計算デバイス１０８及び／又はモニタリング計算デバイス１１０は、サービス計算デバイス１０２に関して説明したものと同様であるが、本明細書において考察される様々な機能を実行できるようにする異なるデータ及び機能構成要素を有するハードウェア構成を含み得る。一例として、介護者計算デバイス１０８は、患者ロケーション１０４訪問時に介護者１５２が携帯するタブレット又はラップトップ等のポータブル計算デバイスであり得、モニタリング計算デバイス１１０は、ＩＣＵナースステーション、フロア受付エリア等の中央ロケーションに配置されるデスクトップコンピュータ、ワークステーション、又はサーバであり得る。介護者計算デバイス１０８はディスプレイ１５４を含み得、モニタリング計算デバイス１１０はディスプレイ１５６を含み得る。多くの他の変形形態が本明細書での開示の恩恵を受ける当業者に明らかになるであろう。

幾つかの例では、看護師、医師、医師のアシスタント、付添人等の介護者１５２は、患者ロケーション１０４にいる患者１４６を訪問し得、介護者計算デバイス１０８を使用して、介護者記録１２４を入力し得る。例えば、介護者記録１２４は、患者の状態、患者モニタリングデバイス１４０の設定又は出力、患者治療デバイス１４２の設定又は出力等に関連し得る。幾つかの例では、介護者記録１２４は、介護者１５２が書式での選択等を行えるようにすることによる等、構造化データとして構造化されて入力し得る。代替的には、他の例では、介護者記録１２４は、受信後、サービス計算デバイス１０２により分析し得る手書き記録、タイプ入力された記録、又は他の方式での自由形式データであり得る。介護者記録１２４は、介護者１５２による入力時、介護者１５２が特定の患者１４６に面会し終えたとき、介護者のシフト終了時等のときに各介護者計算デバイス１０８によりサービス計算デバイス１０２に送信され得る。

１つ又は複数のネットワーク１０６は、イントラネット等のローカルエリアネットワーク（ＬＡＮ）、インターネット等の広域ネットワーク（ＷＡＮ）、セルラネットワーク等の無線ネットワーク、Ｗｉ−Ｆｉ等のローカル無線ネットワーク、及び／又はＢＬＵＥＴＯＯＴＨ（登録商標）等の近距離無線通信、光ファイバ、Ｅｔｈｅｒｎｅｔ、ファイバチャネル、若しくは任意の他のそのようなネットワークを含む有線ネットワーク、直接有線接続、又はそれらの任意の組合せを含め、任意のタイプのネットワークを含み得る。したがって、１つ又は複数のネットワーク１０６は、有線通信技術及び／又は無線通信技術の両方を含み得る。そのような通信に使用される構成要素は、少なくとも部分的にネットワークのタイプ、選択された環境、又は両方に依存することができる。そのようなネットワークを介して通信するためのプロトコルは、周知であり、本明細書では詳述しない。したがって、サービス計算デバイス１０２、患者ロケーション１０４、介護者デバイス１０８、及びモニタリング計算デバイス１１０は、有線又は無線接続及びそれらの組合せを使用して、１つ又は複数のネットワーク１０６を介して通信することが可能である。

図１の例では、管理アプリケーション１１８を実行して、モニタリングデバイスデータ１４８、治療デバイスデータ１５０、及び介護者記録１２４を受信し得る。上述したように、モニタリングデバイスデータ１４８及び／又は治療デバイスデータ１５０は、管理アプリケーション１１８が各患者１４６の状態を分析するために介護者記録１２４と併せて使用し得る、波形データ等のセンサデータ１２２を含み得る。更に、幾つかの例では、センサデータ１２２及び／又は介護者記録１２４は、モニタリングデバイス１４０又は治療デバイス１４２の状態を示し得る。幾つかの例では、管理アプリケーション１１８はまず、複数の患者１４６に関して収集された数百の波形データ及び他のセンサデータ１２２をまとめて、行列Ｘ １２６内のサマリ統計を生成し得る。サマリ統計は、データ低減技法を使用し、その後、教師なしクラスタ化を使用してまとめて分析し得る。介護者記録１２４を使用してベクトルＹ １２８を生成し得、分析に介護者記録１２４を使用して、ケアにおける不一致を経験している可能性がある患者及び／又はケアにおける不一致に関連する治療デバイスを検出し得る。そのような状態が検出される場合、管理アプリケーション１１８は、アラート又は他の通知１６０を介護者デバイス１０８又はモニタリング計算デバイス１１０のうちの少なくとも一方に送信し得る。例えば、通知は、ディスプレイ１５４及び／又は１５６にそれぞれ提示されて、介護者１５２又は他の医療人員に状態を通知し得る。

加えて、幾つかの場合、管理アプリケーション１１８は、特定の患者治療デバイス１４２又は特定のモニタリングデバイス１４０を制御する制御信号１６２を送信する等により、１つ又は複数の患者デバイス１４０、１４２の設定を自動的に調整し得る。例えば、治療デバイス１４２がＩＶ注入ポンプであり、分析により、ポンプが患者に十分な流体を送達していないことが示されると考える。制御信号１６２は、患者への流体フローを増大させるように注入ポンプを制御し得る。別の例として、制御信号１６２は、モニタリングデバイス１４０を制御して、それにより、オンになっていなかったが、検出された患者の状態又は他のケア不一致の更なる分析に使用し得る特定のモニタリングデバイス１４０をオンにする等を行い得る。

別の例として、分析データは、介護者記録と患者の実際の状態との不一致を示し得る。例えば、介護者記録により、患者の人工呼吸器等の治療デバイス１４２がオンであることが示されるが、分析結果により、治療デバイス１４２がそのとき、オンではないデバイスのクラスタに属することが示されると考える。この判断に基づいて、管理アプリケーション１１８は、人工呼吸器をオンにする制御信号１６２を送信し得、及び／又は人工呼吸器がオンではないことを介護者１５２に通知する通知１６０を介護者計算デバイス１０８及び／又はモニタリング計算デバイス１１０に送信し得る。他方、介護者記録により、人工呼吸器がオフであることが示されるが、分析結果により、人工呼吸器が、そのとき、オンであるデバイスのクラスタに属することが示される場合、管理アプリケーション１１８は、人工呼吸器をオフにする制御信号１６２を送信し得、及び／又は人工呼吸器がオンであることを介護者１５２に通知する通知１６０を介護者計算デバイス１０８及び／又はモニタリング計算デバイス１１０に送信し得る。

図２及び図３は、幾つかの実施形態によるプロセス例を示す流れ図である。プロセスは、論理フロー図におけるブロックの集合として示され、ブロックの集合は一連の動作を表し、一連の動作のうちの幾つか又は全ては、ハードウェア、ソフトウェア、又はそれらの組合せで実施され得る。ソフトウェアに関連して、ブロックは、１つ又は複数のプロセッサにより実行されると、記載される動作を実行するようにプロセッサをプログラムする１つ又は複数のコンピュータ可読媒体に記憶されたコンピュータ実行可能命令を表し得る。一般に、コンピュータ実行可能命令は、特定の機能を実行するか、又は特定のデータタイプを実施するルーチン、プログラム、オブジェクト、コンポーネント、データ構造等を含む。ブロックが説明される順序は、限定として解釈されるべきではない。説明される任意の数のブロックは、任意の順で及び／又は並列して結合して、プロセス又は代替のプロセスを実施することができ、ブロックの全てが実行される必要はない。考察を目的として、プロセスは、本明細書での例に記載される環境、枠組み、及びシステムを参照して説明されるが、プロセスは、広範囲の他の環境、枠組み、及びシステムで実施し得る。

図２は、幾つかの実施形態による、患者の状態を検出し、及び／又は治療デバイスを制御する例としてのプロセス２００を示す流れ図である。幾つかの例では、プロセス２００は、サービス計算デバイス１０２又は他の適する計算デバイスにより実行し得る。

２０２において、計算デバイスは、生理学的波形及び他のセンサデータをモニタリングデバイス及び／又は治療デバイスから受信し得る。例えば、計算デバイスは、各患者に関連付けられた複数の患者デバイスから、各患者の数百もの異なる波形を受信し得る。

２０４において、計算デバイスは、手動入力された介護者記録を介護者デバイスから受信し得る。例えば、看護師又は他の介護者は、タブレット計算デバイス等に提供される書式等の構造化フォーマットで情報を手動入力し得る。代替的には、計算デバイスは、自由形式データを受信し得、受信された自由形式データで分析を実行して、特定の治療テーマに関連する情報を抽出し得る。

２０６において、計算デバイスは、時間窓、例えば、時間窓サイズｗ（例えば、時間数）、開始時刻ｔ、及び時間分解能ｌを選択し得る。例えば、時間窓の開始時刻及びサイズは、少なくとも部分的に分析中の治療テーマに基づき得る。

２０８において、計算デバイスは、ｔ−ｗ〜ｔのセンサデータ及び介護者記録を選択し得る。幾つかの例では、ユーザは、１人又は複数の患者についてケアに不一致があったか否かを判断するために分析を行う所望の最近の時間間隔及び／又は所望の治療テーマに関して計算デバイスに指示し得る。

２１０において、計算デバイスは、センサデータをまとめてサマリ統計にし得る。例えば、計算デバイスは、時間期間にわたる波形を表す１つ又は複数の値を生成することにより、波形データをまとめ得る。そのような代表的な値の例としては、波形データのタイプに応じて、平均、メジアン、標準偏差、カウント、高測定値、低測定値等を挙げることができる。

２１２において、計算デバイスは、時間窓ｗ内で選択された治療テーマの介護者記録をまとめて、書く患者のインジケータグループにし得る。例えば、インジケータは、各患者治療テーマに少なくとも２つのグループのインジケータがあるような、特定の手動入力された記録のラベル又は他の定量化されたインジケータであり得る。例えば、人工呼吸器コンプライアンスという治療テーマに関して、インジケータが「オン」である第１のグループ及びインジケータが「オフ」である第２のグループという２つのインジケータグループがあり得る。同様に、注入ポンプコンプライアンスというテーマに関して、異なる各インジケータグループが、例えば、０ｍｌ／ｈｒ、０．０７５ｍｌ／ｈｒ、０．１２５ｍｌ／ｈｒ等のｍｌ／ｈｒ単位の異なるポンプ流量設定に対応するような複数の異なるインジケータグループがあり得る。したがって、特定のグループのインジケータは、グループが関連する治療テーマに関連する。幾つかの例では、介護者記録は、構造化データフォーマット又は自由形式データフォーマットのうちの少なくとも一方に介護者により手動入力される個々の患者に関連するデータを含み得る。構造化データフォーマットの場合、介護者は、書式に記入し、グラフィックユーザインタフェースにおいてボックスをチェックし、答えを標準化された質問に入力する等により、患者に関連するデータを入力し得る。自由形式データフォーマットの場合、介護者は、手書きされた、書き取らせた、又はタイプ入力されたメモを提供し得、介護者記録のまとめは、人工知能技法を使用して、自由形式データから、患者治療に関連する特定のテーマに関連する定量化可能な情報を抽出することを含み得る。

２１４において、計算デバイスは、介護者記録からのインジケータグループをセンサデータサマリ統計に統合し得る。例えば、異なる各テーマの各ベクトルＹは、そのテーマの２つ以上のインジケータグループを含み得る。介護者が関心を有し得るテーマの例としては、人工呼吸器コンプライアンス、注入ポンプコンプライアンス、透析活動、血糖値コンプライアンス、ペースメーカー活動等を挙げることができる。したがって、介護者記録の実際の内容に応じて、これらの異なる治療テーマ又は他の治療テーマのそれぞれに異なるベクトルＹを生成し得る。

２１６において、計算デバイスは、ケアにおける不一致を経験している患者及び／又は不一致に関連付けられたデバイスを特定し得る。例えば、計算デバイスは、まとめられたセンサデータをまとめられた介護者記録に統合又は他の方法で関連付け得る。

２１８において、計算デバイスは、通知を介護者計算デバイス及び／又はモニタリング計算デバイスに送信し得る。例えば、計算デバイスは、通知を送信して、アラートを介護者デバイスのディスプレイ及び／又はモニタリング計算デバイスのディスプレイに提示させ得る。通知は、是正措置をとるように介護者に警告し得、及び／又は他の適切な介入を実行し得る。

２２０において、計算デバイスは、治療デバイス及び／又はモニタリングデバイスを制御する信号を送信し得る。一例として、計算デバイスは、患者ロケーションにおける治療デバイスを制御する制御信号を送信し得る。例えば、ケアにおける不一致を有すると識別された患者の患者ＩＤに基づいて、計算デバイスは、患者ロケーションを特定し得、治療テーマに基づいて、ケアにおける不一致に応答して制御する１つ又は複数の治療デバイス又はモニタリングデバイスを決定し得る。例えば、計算デバイスは、治療デバイス又はモニタリングデバイス等の患者デバイスをオンに切り替え、オフに切り替え、又は設定を調整し得る。介護者への通知は、制御信号を患者デバイスに送信することに加えて送信することもできる。更に、幾つかの例では、制御信号は、検出されたケアにおける不一致が閾値レベルの緊急性を超える場合等、特定の状況においてのみ患者デバイスに送信し得る。

図３は、幾つかの実施形態による、ケアにおける不一致を経験している患者及び／又は不一致に関連付けられた患者デバイスを検出する例としてのプロセス３００を示す流れ図である。幾つかの例では、プロセス３００は、サービス計算デバイス１０２又は他の適する計算デバイスにより実行し得る。

３０２において、計算デバイスは、波形又は他のセンサデータからのサマリ統計の行列Ｘ及び介護者記録から得られるグループインジケータを含むベクトルＹを特定し得る。例えば、上述したように、各ベクトルＹ内に、ベクトルＹの治療テーマに対応する２つ以上の異なるグループがあり得る。例えば、ベクトルＹの治療テーマが人工呼吸器コンプライアンスである場合、第１のグループのインジケータは「オン」であり得、第２のグループのインジケータは「オフ」であり得る。インジケータの値及びインジケータのグループ数は、幾つかの例では、異なるベクトルＹの異なる治療テーマに基づいて異なり得る。

３０４において、計算デバイスは、行列Ｘの主成分（ＰＣ）（例えば、ＰＣ_１，．．．，ＰＣ_ｈ）を特定し得る。例えば、計算デバイスは、主成分分析（ＰＣＡ）を行列Ｘに適用して、行列Ｘの次元を低減し、センサデータのより高速な処理を可能にし得る。更に、幾つかの例では、データ低減の他の技法をＰＣＡの代わりに使用し得る。更に、他の例では、ＰＣＡ及び他のデータ低減技法は使用されず、まとめられたデータを代わりに分析し得る。

３０６において、計算デバイスは、これらの上位ｈ個のＰＣに対応する分散の和が行列Ｘ内の合計分散の閾値よりも大きいように、行列Ｘの上位ｈ個のＰＣを選択し得る。例えば、幾つかの上位ＰＣは、行列Ｘの列ベクトルが高次元及び高相関する可能性が高いため、行列Ｘ内の有用情報の大きい割合を含み得る。したがって、行列Ｘの上位ｈ個のＰＣを選択することは、行列Ｘからの情報の大半をなお保持しながら、実質的に計算負荷を低減し、共線性を回避し得る。

３０８において、計算デバイスは、行列Ｐ内の上位ｈ個のＰＣを保存し得る。例えば、計算デバイスは、続くクラスタ化中に使用されるＰＣの行列Ｐを生成し得る。

３１０において、計算デバイスは、行列Ｐを使用して教師なしクラスタ化を実行し、クラスタの数をベクトルＹ内のグループ数に対応するＣに設定し得る。一例として、計算デバイスは、選択されたＰＣからのエントリを行列Ｐ内にプロットすることにより、ｋ平均アルゴリズムを使用して、Ｃ個のクラスタを特定し得る。更に、ＰＣＡ又は他のデータ低減技法が使用されない場合、クラスタ化は行列Ｘに対して実行し得る。

３１２において、計算デバイスは、まとめられ変換された波形データから特定されたクラスタを介護者記録からのグループと照合し得る。例えば、選択されたベクトルＹからのインジケータのグループは、クラスタと照合し得、クラスタの重心とグループの重心との差を使用して、ケアにおける不一致を経験している可能性があり得る患者を特定し得る。

３１４において、計算デバイスは、特定のクラスタに対応するグループからのインジケータを使用して、混同行列を生成し得る。例えば、混同行列は、いずれのインジケータがいずれのクラスタに対応するかを示し得、それにより、計算デバイスは、いずれの患者が特定の時刻にケアにおける不一致を経験している可能性があり、いずれの患者が不一致を経験している可能性がないかを判断することが可能である。

３１６において、計算デバイスは、混同行列の対角要素から患者ＩＤを特定し得る。一例として、混同行列は、Ｙ内のグループからのインジケータをＰＣの行列Ｐから識別されるクラスタを照合し、それにより、計算デバイスは、いずれの患者がケアにおける不一致を経験している可能性があり、いずれの患者が不一致を経験してる可能性がないかを判断することが可能である。

３１８において、計算デバイスは、特定された患者及び／又は特定された患者に関連する患者デバイスへの不一致通知を生成し得る。例えば、計算デバイスは、患者ＩＤ及びケアで可能性がある不一致のテーマを含む通知を患者に関連する介護者及び／又は中央モニタリング計算デバイスに送信し得る。追加又は代替として、計算デバイスは、ケアにおける不一致を経験している可能性がある患者の患者ロケーションにおける患者治療デバイス及び／又は患者モニタリングデバイスに制御信号を送信し得る。

本明細書に記載されるプロセス例は、考察を目的として提供されるプロセスの単なる例である。多くの他の変形形態が本明細書での開示に鑑みて当業者に明らかになるであろう。更に、本明細書での開示は、プロセスの実行に適する枠組み、アーキテクチャ、及び環境の幾つかの例を記載するが、本明細書での実施形態は、示され考察される特定の例に限定されない。更に、本開示は、説明され図面に示されるように、様々な実施形態例を提供する。しかし、本開示は、本明細書において説明され示される実施形態に限定されず、当業者に既知であるか又は既知になるように他の実施形態に拡張することができる。

図４は、幾つかの実施形態による、まとめられたセンサデータ及び介護者記録の例４００を示す。この例では、患者ロケーションにおけるセンサから受信される生理学的波形データ及び他のセンサデータ並びに介護者記録は、時間間隔に分割される時間窓ｗにわたりまとめられる。複数のセンサからの個々の波形及び／又は他のデータ等の時間窓ｗにわたり受信されるセンサデータは、行列Ｘ１２６等のデータ構造でまとめられる。加えて、同じ時間窓ｗにわたる介護者記録は、１つ又は複数のベクトルＹ １２８等のデータ構造でまとめられる。行列Ｘ １２６は、各患者ＩＤ４０２により識別される複数の患者の受信センサデータを含む。行列Ｘ １２６は、時間間隔４０４及び複数の各センサ４０６（１）、４０６（２）、４０６（３），．．．からのセンサデータを示すエントリを更に含む。加えて、ベクトルＹ １２８は、第１のベクトルＹ_１ ４０８（１）、第２のベクトルＹ_２ ４０８（２）等の異なる治療テーマ毎に表現し得る。例えば、異なるベクトルＹ_１、Ｙ_２等はそれぞれ、介護者にとって関心があり得る異なる治療テーマ、例えば、人工呼吸器ステータス、ＩＶステータス、ペースメーカーステータス等に対応し得る。

行列Ｘ １２６はｍ×ｎ個のエントリを含み得、ここで、ｍは行数であり、ｎは列数である。各ベクトルＹは、ｍ×ｌ個のエントリを含み得、すなわち、行列Ｘ内の各行に１つのエントリを含み得る。この例では、１０００人の患者が存在し、したがって、行列Ｘが第１の患者１４６（１）、第２の患者１４６（２）、第３の患者１４６（３）、１０００番目の患者まで以下同様（図４に示されず）のエントリを含むと考える。更に、この例では、各患者に最高で３００の異なるセンサ４０６があり得ると考える。各センサ４０６は、異なる波形データ又は他のセンサデータを提供し得る。加えて、この例では、選択される時間窓ｗが１日であり、選択される時間間隔が１時間であると考える。

センサのタイプ及び受信センサデータのタイプに応じて、センサデータは、１時間間隔のそれぞれの波形又は他の受信センサデータを表す１つ又は複数の値にまとめられ得る。一例として、時刻ｔ−ｗから時刻ｔまでのｘ人の患者のｋ個の生理学的波形が特定された後、データは、
の時間間隔に従って層化され得、式中、ｒは、分析が行われている時間間隔数を示す単位のない数であり、ｌは指定される時間分解能である。例えば、ｌは１日、１時間、３０分、１５分、又は任意の他の所望の時間間隔であり得る。ｌは、ｗと同じ単位を有し、それにより、選択される時間窓ｗ内の時間間隔数である単位のない数量ｒを得ることができる。したがって、この例では、ｒ＝２４であり、すなわち、１日（２４時間）を１時間で除算したものである。

ｒ個の時間間隔の時間間隔にわたり、ｘ人の患者のあらゆる患者の各センサの各波形又は他の受信センサデータのサマリ統計を計算し得る。この例では、各患者に関連付け得る３００個のセンサがあり、それらのセンサのそれぞれで各時間間隔にわたり受信されるセンサデータは、時間間隔にわたりまとめられ得、これらのサマリ統計を行列Ｘに記憶し得る。センサデータのタイプに応じて、サマリ統計は、例えば、平均、カウント、標準偏差、メジアン、高点、低点、又は時間間隔内のセンサデータの他の有意味なインジケータのうちの少なくとも１つを含み得る。例えば、第１のセンサ４０６（１）が呼吸数センサであると考える。呼吸数センサから受信される波形データは、各時間間隔の患者の呼吸の平均μ、標準偏差σ、及びカウントｃｔとしてまとめられ得る。したがって、特定の時間にわたる呼吸数センサから受信される波形データは、毎分呼吸数、毎分呼吸数の標準偏差、及びその時間にわたる呼吸の総数としてまとめられ得る。別の例として、第２のセンサ４０６（２）が、平均、メジアン、最高値、及び最低値が有意味なセンサであると考える。加えて、第３のセンサ４０６（３）が、イベント発生数、例えば、ｑ_１、ｑ_２、ｑ_３、ｑ_４が有意味なセンサであると考える。したがって、複数のセンサ４０６の波形データ及び他のセンサデータを各時間間隔にわたりまとめ得る。

加えて、介護者記録は、１つ又は複数のベクトルＹ １２８にまとめられ得る。各ベクトルＹはｍ個の要素を含み得、すなわち、行列Ｘ内の各時間間隔ｒに１つのまとめられたセンサデータエントリを含み得る。ベクトルＹの要素は、あらゆる時間間隔での各患者の選択された治療テーマの２つ以上のインジケータグループである。例えば、グループラベルは、記録された人工呼吸器の使用、特定の評価のコンプライアンスステータス、ＩＶポンプステータス等のラベルであり得る。示される例では、第１のベクトルＹ_１ ４０８（１）は、患者の人工呼吸器の状態を表し得、２つのインジケータグループ、すなわち「オン」又は「オフ」を表し得るが、他の例では、追加又は異なるインジケータグループを包含し得る。更に、第２のベクトルＹ_２ ４０８（２）は、患者のＩＶポンプの状態を表し得、更に、第２のベクトルＹ_２が５つのインジケータグループ、すなわち、０ｍｌ／ｈｒ、０．０７５ｍｌ／ｈｒ、０．１２５ｍｌ／ｈｒ、０．２５０ｍｌ／ｈｒ、及び０．３５０ｍｌ／ｈｒを含むと考える。したがって、各ベクトルＹは、特定のベクトルＹの治療テーマに応じて２つ以上の異なるインジケータグループを有し得る。後述するように、データ構造Ｘ及びＹの内容は、ケアにおける不一致を経験している可能性がある患者を特定するための入力として機能する。

図５は、幾つかの実施形態による、行列Ｘの主成分を特定及び選択する例５００を示す。本明細書での実施形態は、上述した行列Ｘ及びベクトルＹを所与として、時間窓ｗ内でケアの不一致を有する可能性がある異常患者を検出し得る。しかし、行列Ｘ全体は、通常、容易に処理し、有意味な情報を得るには大きすぎるとともに、ノイズが多すぎ得る。したがって、本明細書での幾つかの例は、行列Ｘの共分散行列のｋ固有値とも呼ばれるＸのｋ個の主成分（ＰＣ）を生成することを含み得る。共分散は、２つの確率変数がどの程度一緒に変化するかの尺度である。例えば、一方の変数の大きい値は、主に他方の変数の大きい値に対応し、同じことが小さい値でも当てはまる、すなわち、変数が同様の挙動を示す傾向を有する場合、共分散は正である。共分散行列は、ｉ、ｊ位置での要素が、ランダムベクトルのｉ番目の要素とｊ番目の要素との共分散である行列であり、ランダムベクトルは、多次元を有する確率変数である。ランダムベクトルの各要素は、スカラー確率変数であり得、各要素は、有限数の観察経験値又は有限数若しくは無限数の潜在値のいずれかを有し得る。潜在値は、理論的同時確率分布により指定し得る。

主成分分析（ＰＣＡ）は、直交変換を使用して、可能な相関変数の観察の組を主成分（ＰＣ）と呼ばれる線形非相関変数の値の組に変換する統計手順である。ＰＣの数は、元の変数の数以下である。この変換は、第１のＰＣが可能な限り最大の分散（すなわち、データ内の分散の可能な限り多くを考慮する）を有するように定義し得る。したがって、続く各ＰＣは、特定のＰＣが前のＰＣに直交するという制約下で可能な最高分散を有し得る。その結果生成されるベクトルは、非相関直交ベースセットである。ＰＣは、Ｘの共分散行列の固有ベクトルであるために直交である。

示される例では、ＰＣＡを使用して、複数のＰＣを生成し得る。上位ｈ個のＰＣは、これらのｈ個のＰＣにより説明される分散の和が行列Ｘの合計分散の８０％（又は他の選択される閾値割合）よりも大きくなるように選択され、行列Ｐ ５０２に保存し得る。したがって、この例では、上位ｈ個のＰＣ、例えば、ＰＣ_１ ５０４（１）、ＰＣ_２ ５０４（２）、ＰＣ_３ ５０４（３），．．．，ＰＣ_ｈ ５０４（ｈ）は、行列がＰ_ｍ×ｈ＝［ＰＣ_１，ＰＣ_２，．．．，ＰＣ_ｈ］として表現され得るように行列Ｐ ５０２に保存される。ＰＣＡの使用の土台となる論拠は、行列Ｘの列ベクトルが高次元であり、高相関する可能性が高いことである。行列Ｘの上位ｈ個のＰＣを選択することは、実質的に、行列Ｘからの情報の大半をなお保持しながら、計算負荷を低減し、共線性を回避し得る。

図４に関して考察した行列Ｘの例では、最初の２つのＰＣであるＰＣ_１及びＰＣ_２の分散の和が閾値割合（例えば、行列Ｘの合計分散の８０パーセント）を満たすか、又は超えると考える。次に、ｈ＝２であり、２４０００行のｍ（例えば、１０００人の患者のそれぞれに２４時間）及び９００列のｎ（例えば、３００個のセンサであり、１センサ当たり平均で４つのサマリ統計値）を有する行列Ｘでは、処理に関する行列のサイズは、Ｘ_{２４０００×９００}からＰ_{２４０００×２}に低減し得る。例えば、同じノイズ分散と比較して合計分散が最初の少数のＰＣに濃縮されるほど、ノイズの比例する影響は小さくなり、最初の幾つかのＰＣは、より高い信号対雑音比を達成し得る。したがって、ＰＣＡの使用は、次元低減により捕らえることができる、信号の多くの部分を最初の少数のＰＣに濃縮するという効果を有することができ、一方、後のＰＣはノイズに偏り得、したがって、ケアにおける不一致を経験している可能性がある患者の最終特定において精度を大きく落とさずに捨てることができる。多くのオープンソースＰＣＡ計算ツールは、少数を挙げれば、カリフォルニア州ラホヤに所在のＳＯＵＲＣＥＦＯＲＧＥ ＭＥＤＩＡ（商標）、カリフォルニア州サンフランシスコに所在のＰＬＯＳ（商標）、マサチューセッツ州ボストンに所在のＦｒｅｅ Ｓｏｆｔｗａｒｅ Ｆｏｕｎｄａｔｉｏｎ，Ｉｎｃ．から入手可能なＧＮＵ ＰＳＰＰ等の複数のソースから容易に入手可能である。更に、ＰＣＡは、クラスタ化を実行するために、行列Ｘをより小さいサイズ及び／又は次元に変化する唯一の技法ではない。例えば、行列Ｘの低減に使用し得る他の技法としては、要因分析、特異値分解、固有値分解が挙げられる。

幾つかの例では、行列Ｐを計算した後、行列Ｘを破棄し、及び／又は記憶ロケーションに記憶して、サービス計算デバイス内のメモリを解放し得る。更に、行列Ｐは、任意のベクトルＹから独立して特定され得、１つ又は複数のベクトルＹを特定するための介護者記録は、行列Ｐが特定された後、後の時点で受信及び／又は特定され得る。例えば、第１の介護者は、患者の人工呼吸器が遵守状態にあるか否か等の第１のテーマに関心を有し得、一方、第２の介護者は、患者のＩＶポンプが遵守状態にあるか否か等の第２のテーマに関心を有し得る。したがって、これらのテーマのそれぞれに対して、介護者記録から別個のベクトルＹを生成し得、サービス計算デバイスは、ケアにおける不一致を経験したように見える任意の患者を識別し得る。

図６は、幾つかの実施形態による、まとめられて変換されたセンサデータのクラスタを特定する例６００を示す。例えば、行列Ｐが、まとめられたデータを主成分に変換することにより、図５に関して上述したように生成した後、管理アプリケーション１１８は、ｋ平均クラスタ化アルゴリズム又は他の既知のクラスタ化技法等の教師なしクラスタ化アルゴリズムを使用して行列Ｐからクラスタを特定し得る。例えば、ｋ平均クラスタ化アルゴリズムを使用して、事前に固定される特定数のクラスタ（ｋ個のクラスタを仮定）を通して、所与のデータセットを分類し得る。クラスタ数ｋは、行列Ｙ内のグループ数に基づいて決定される。アルゴリズムは、各クラスタに１つずつｋ個の中心を定義し得る。これらの中心は、異なるロケーションが異なる結果を生じさせ得るため、計算される様式で配置し得る。一例として、アルゴリズムはまず、互いから可能な限り遠くに中心を配置し得る。次に、所与のデータセットに属する各点を最近傍の中心に関連付け得る。保留中の追加の点がない場合、このステップは完了し、早期のグループ年齢が特定される。次に、ｋ個の新しい重心を前のステップで特定されたｋ個のクラスタの重心として決定し得る。ｋ個の新しい重心が決定された後、新しいバインディングを同じデータセット点と最近傍の新しい中心との間で実行し得る。追加の反復を実行し得、ｋ個の中心は、それ以上動かなくなるまで、ステップ毎に各ロケーションを変更し得る。クラスタ数ｃは、一意の値の数、すなわち、図４に関して上述したように、介護者記録からまとめられた対応するベクトルＹ内のインジケータのグループ数と同じであり得る。

図６の例では、処理が図４の第１のベクトルＹ_１ ４０８（１）に対して、例えば、患者の人工呼吸器の状態を調べる治療テーマに対して実行中であると考える。この例では、ベクトルＹ_１は、２つのインジケータグループ、すなわち、人工呼吸器「オン」又は人工呼吸器「オフ」を含む。例えば、介護者は、各患者ロケーションを訪れるとき、患者の人工呼吸器が「オン」であるか、それとも人工呼吸器がオフである（すなわち、患者が現在、人工呼吸器に接続されていない）かをその患者の記録に手動入力し得る。例えば、患者によっては、人工呼吸器にフルタイムで接続し得る者もいれば、定期的に人工呼吸を受ける者もいれば、人工呼吸器に全く接続されない者もいる。幾つかの場合、介護者は、患者が人工呼吸器に接続されていることを示し得るが、行列Ｘのサマリデータは、患者が実際には人工呼吸器に接続されず、人工呼吸器に適宜接続されず、又は人工呼吸器がオフになっていたこと等を示し得る。したがって、サービス計算デバイスは、この不一致を検出し得、特定の患者にリスクがあり得るか、又は他の点でケアにおける不一致を経験している可能性があることの通知を送信し得、及び／又はサービス計算デバイスは、人工呼吸器がオフになっていた場合、人工呼吸器をオンにし得る等である。

選択されたＰＣからのクラスタは、特定の介護者ベクトルＹからのグループと照合して、ケアにおける不一致を経験している患者を特定し得る。示される例では、行列Ｐからの値（上位ｈ個のＰＣ、例えば、この例ではＰＣ１及びＰＣ２）は、上述したように、ｋ平均クラスタ化アルゴリズム又は他のクラスタ化アルゴリズムを使用してクラスタ化されて、第１のクラスタ６０２及び第２のクラスタ６０４を提供する。ＰＣからのプロットされたクラスタデータ及び介護者記録からのインジケータグループは、まず、各クラスタの中心（Ｃ_１，Ｃ_２，．．．，Ｃ_ｃ）を計算することにより対に位置合わせされ、ここで、Ｃ_ｉ＝（Ｃ_ｊｉ，．．．，Ｃ_ｊｓ）’は、ｊ番目のクラスタの中心の主成分スコアのｈ次元ベクトルである。ＰＣクラスタ６０２及び６０４のそれぞれの各中心は、各クラスタ６０２及び６０４内の符号６０６により示される。

次に、ベクトルＹ_１（Ｇ_１，Ｇ_２，．．．，Ｇ_ｃ）からの各インジケータグループの中心が特定され、ここで、Ｇ_ｊ＝（Ｇ_ｊ１，．．．，Ｇ_ｊｓ）’は、介護者記録からのｊ番目のグループの中心の主成分スコアのｈ次元ベクトルである。この例では、グループ数は２であるため、２つのＰＣクラスタ６０２及び６０４があり、Ｙ内に２つのインジケータグループ、すなわち、グループ６０８及び６１０がある。他の例では、３つ以上のクラスタがあり、ベクトルＹ内にそれに対応する数のインジケータグループがあり得る。

グループの中心は、各グループの各重心に基づいて特定され得る。図６では、グループ６０８及び６１０の各中心は符号６１２により示される。クラスタ６０２及び６０４とグループ６０８、６１０とのそれぞれの中心間距離Ｄ_１及びＤ_２は、全ての可能なｃ！位置合わせから計算され得る。クラスタの中心６０６とグループの中心６１２との間の最小全体距離Ｄを特定し得、これは、以下の（２）式
において数学的に記述され、式中、
であり、ｄ_ｊ ^（ｉ）は、ｃグループをｃクラスタに位置合わせするｃ！個の可能性からのｉ番目の位置合わせからの、ｊ番目のクラスタの中心と位置合わせされたグループの中心との間のデカルト距離である。したがって、ｄ_ｊ ^（ｉ）は、以下の（４）式
として書くことができ、式中、Ｇ_ｊ（ｉ）は、ｉ番目の位置合わせでのｊ番目のクラスタに位置合わせされたグループの中心のベクトルである。

次に、混同行列６１１をクラスタ６０２、６０４から、Ｙグループ６０８、６１０からのインジケータを使用して生成し得る。この例では、２つのインジケータグループ、すなわち、ベクトルＹの人工呼吸器「オン」又は「オフ」インジケータグループが介護者記録内に含まれる。混同行列６１１は、片側にＹグループインジケータ６１４（すなわち、「オン」インジケータ６１６及び「オフ」インジケータ６１８）を含み、逆側にＰＣクラスタ識別子情報６２０（すなわち、「０」６２２又は「１」６２４）を含む。更に口述する技法を使用して、異常患者は、この例に示されるような混同行列６１１の対角セル６２６及び６２８から識別され得る。例えば、６３０に示されるように、この例では、「オフ」インジケータはクラスタ内の「１」と照合され、「オン」インジケータはクラスタ内の「０」と照合される。したがって、「オフ」が「０」と照合され、「オン」が「１」と照合される６２６、６２８でのデータ点はそれぞれ、例えば、人工呼吸器がオンであるべきときにオンではなかったか、又はオンであるべきではないときにオンであった特定の患者ＩＤを示し得る。例えば、値ｖ_１及びｖ_２は、ケアが正常であるように見える患者数に対応し得、ｘ_１及びｘ_２は、ケアに不一致があるように見える患者数に対応し得る。したがって、混同行列により、管理プログラムは、クラスタ内のいずれの患者がケアにおける不一致を経験したか、及びいずれの患者が不一致を経験しなかったかを特定することができる。

図７Ａ〜図７Ｃは、幾つかの実施形態による、ケアにおける不一致に関連する患者を特定する例を示す。図７Ａは、クラスタ数ｃ＝２の場合、クラスタの中心と対応するグループの中心との間の距離の例としての距離行列７０２を示す。例えば、列Ａ ７０４及び列Ｂ ７０６は、まとめられたセンサデータの教師なしクラスタ化結果からの各クラスタの識別子である。行ａ ７０８及び行ｂ ７１０は、介護者記録からまとめられた２つのインジケータグループからのラベル又は他のインジケータ（例えば、第１のグループの「オン」インジケータ及び第２のグループの「オフ」インジケータ、又はベクトルＹに関連する治療テーマに応じて他の適するインジケータ等）に対応する。距離行列７０２内の値は、クラスタの中心と各グループの中心との間のデカルト距離であり得る。例えば、１．５は、センサデータのクラスタ化から特定されるクラスタＡの中心と、介護者記録から特定されるグループａの中心との間のデカルト距離である。同様に、０．４は、センサデータのクラスタ化から特定されるクラスタＡの中心と、介護者記録から特定されるグループｂの中心との間のデカルト距離であり、３は、センサデータのクラスタ化から特定されるクラスタＢの中心と、介護者記録から特定されるグループａの中心との間のデカルト距離であり、５は、センサデータのクラスタ化から特定されるクラスタＢの中心と、介護者記録から特定されるグループｂの中心との間のデカルト距離である。

図７Ｂは、幾つかの実施形態による、照合を実行するデータ構造７２０を示す。データ構造７２０は、第１の照合プラン７２２及び第２の照合プラン７２４を含め、全ての可能な照合プラン及びそれらのＤ^（ｉ）統計を示す。この例では、Ｄ^（２）＜Ｄ^（１）であるため、ｉ＝２である照合プラン７２４が選択される。特に、７２６に示されるように、Ｄ^（２）は、距離行列７０２において特定されるＡｂのデカルト距離とＢａデカルト距離とを合算することにより特定され、すなわち、０．４＋３＝３．４である。したがって、Ｄ^（２）は、Ａａ及びＢｂのデカルト距離を合算することにより特定され、すなわち、１．５＋５＝６．５であるＤ^（１）未満である。したがって、後述するように、混同行列７４０は、最小距離に従ってＡｂ及びＢａの照合に基づいて生成され得る。混同行列により、管理プログラムは、いずれのＰＣクラスタがベクトルＹ内のいずれのインジケータグループに対応するか、したがって、いずれの患者がケアにおける不一致を経験した可能性があり、いずれの患者が不一致を経験した可能性がないかを特定することができる。

図７Ｃは、幾つかの実施形態による、図７Ｂの照合プラン７２４に基づいて生成される混同行列７４０の例を示す。この例では、混同行列７４０を使用して、ケアにおける不一致の可能性を有する患者を検出し得る。例えば、７４２及び７４４にそれぞれ示されるように、Ａがｂと一致し、Ｂがａと一致するエントリは、正常なケアを示す。他方、７４８及び７５０にそれぞれ示されるように、Ａがａと一致し、Ｂがｂと一致するエントリは、特定の患者でのケアの不一致を示す。したがって、この例では、１２＋７＝１９人の患者は、介護者記録と生理学的波形とが一貫しない可能性等のケアにおける不一致の可能性を有すると識別される。したがって、クラスタ識別子及び介護者記録からまとめられるベクトルＹ内のインジケータグループから生成される混同行列７４０から異常点を特定し得る。異常点に対応する患者識別子は、行列Ｐから又はベクトルＹを行列Ｐに相関付けることから特定し得る。異常患者の組が識別された後、これらの患者は、時間窓ｗ内で「ケアにおける不一致を経験している可能性がある」として分類され得、この情報は、各患者ＩＤ又は他の患者識別情報と共に介護者に報告され得る。

更に、幾つかの例では、ベクトルＹが関連するテーマに対応する特定の患者デバイスは、上述したように、サービス計算デバイスにより制御され得る。例えば、ベクトルＹのテーマが、ＩＶ注入ポンプコンプライアンスであり、ケアにおける不一致が、患者が介護者メモに示されるよりも高レートで注入を受け取っていることを示す場合、サービス計算デバイスは、介護者記録に示されるレートに対応するように注入レートを低減する制御信号をＩＶポンプに送信するとともに、不一致に関するアラートを提供する通知を介護者デバイス及び／又はモニタリング計算デバイスに送信することもできる。

加えて、ＰＣ行列Ｐが生成され、人工呼吸器コンプライアンス等の第１の治療テーマでケアにおける不一致を有する任意の患者の識別に使用された後、幾つかの場合、同じＰＣ行列を他の治療テーマに使用し得る。したがって、ＰＣ行列Ｐは、異なる患者治療テーマでケアにおける不一致を経験した可能性がある患者の特定に使用され得、したがって、ＰＣの同じ行列Ｐを使用して、異なるベクトルＹを迅速に処理し得る。例えば、ＩＶポンプ（図４のベクトルＹ_２）でケアにおける不一致を経験した可能性がある患者は、同じＰＣ行列Ｐを５つのクラスタにクラスタ化し、図６に記載されるものと同じ方法を使用して、５つのクラスタを５つのグループと照合し、図７Ａと同様の混同行列を構築することにより特定され得る。

本明細書に記載される様々な命令、プロセス、及び技法は、コンピュータ可読媒体に記憶され、本明細書でのプロセッサにより実行されるプログラムモジュール等のコンピュータ実行可能命令の一般状況で考慮し得る。一般に、プログラムモジュールは、特定のタスクを実行するか、又は特定の抽象データ型を実施するルーチン、プログラム、オブジェクト、コンポーネント、データ構造、実行可能コード等を含む。これらのプログラムモジュール等は、ネイティブコードとして実行してもよく、又は仮想マシン若しくは他のジャストインタイムコンパイル実行環境等でダウンロードし且つ実行してもよい。通常、プログラムモジュールの機能は、様々な実施形態において、必要に応じて結合又は分散され得る。これらのモジュール及び技法の実施形態は、コンピュータ記憶媒体に記憶してもよく、又は何らかの形態の通信媒体を介して伝送してもよい。

主題は、構造的特徴及び／又は方法論的動作に固有の用語で説明されたが、添付の特許請求の範囲において定義される主題が必ずしも記載される特定の特徴又は動作に限定されないことを理解されたい。むしろ、特定の特徴及び動作は、特許請求の範囲を実施する形態例として開示される。

１００ システム
１０２ サービス計算デバイス
１０４ 患者ロケーション
１０６ ネットワーク
１０８ 介護者計算デバイス
１１０ モニタリング計算デバイス
１１２ プロセッサ
１１４ 通信インタフェース
１１６ コンピュータ可読媒体
１１８ 管理アプリケーション
１２０ オペレーティングシステム
１２２ センサデータ
１２４ 介護者記録
１２６ 行列Ｘ
１２８ ベクトルＹ
１４０ 患者モニタリングデバイス
１４２ 患者治療デバイス
１４４ 患者デバイスセンサ
１４６ 患者
１４８ モニタリングデバイスデータ
１５０ 治療デバイスデータ
１５２ 介護者
１５４ ディスプレイ
１５６ ディスプレイ
１６０ 通知
１６２ 制御信号
２００ プロセス
３００ プロセス
４００ まとめられたセンサデータ及び介護者記録の例
４０２ 患者ＩＤ
４０６ センサ
４０８（１） 第１のベクトルＹ_１
４０８（２） 第２のベクトルＹ_２
５００ 行列Ｘの主成分を特定及び選択する例
５０２ 行列Ｐ
５０４（１） ＰＣ_１
５０４（２） ＰＣ_２
５０４（３） ＰＤ_３
５０４（ｈ） ＰＣ_ｈ
６００ まとめられて変換されたセンサデータのクラスタを特定する例
６０２ 第１のクラスタ
６０４ 第２のクラスタ
６０６ クラスタの中心
６０８ インジケータグループ
６１０ インジケータグループ
６１１ 混同行列
６１２ グループの中心
６１４ Ｙグループインジケータ
６１６ オンインジケータ
６１８ オフインジケータ
６２０ ＰＣクラスタ識別子
６２２ ０
６２４ １
６２６ 対角セル
６２８ 対角セル
７０２ 距離行列
７０４ 列Ａ
７０６ 列Ｂ
７０８ 行ａ
７１０ 行ｂ
７２０ データ構造
７２２ 第１の照合プラン
７２４ 第２の照合プラン
７４０ 混同行列

Claims (10)

1. プロセッサと、
   実行可能命令を保持するコンピュータ可読媒体と、
   を備え、
   前記プロセッサは、前記コンピュータ可読媒体にアクセスすることによって、前記実行可能命令に基づいて、
   複数の患者夫々に、治療のための患者デバイスが関連付けられて適用されており、当該患者デバイスからその状態を示すセンサデータを受信することと；
   前記複数の患者夫々に対応する介護者のデバイスから、前記センサデータに対応する患者デバイスの状態について、当該介護者のデバイスによって作成された記録を受信することと；
   複数のテーマの中から選択されたテーマに基いて、当該記録からベクトルを特定し、当該ベクトルを前記コンピュータ可読媒体の記憶領域に記録することと、ここで、複数のテーマの夫々は、複数のタイプが存在する前記患者デバイスの中から、前記選択されたテーマに関係するタイプの患者デバイスから受信した前記センサデータと前記介護者のデバイスによって作成された記録とのコンプライアンスを達成することであり、前記ベクトルは、前記選択されたテーマに関係する患者デバイスについて、前記介護者のデバイスによって作成された、当該患者デバイスのステータスであって、このステータスは複数の値があり；
   複数のクラスタを、前記センサデータをクラスタ化することによって、当該センサデータから特定し、前記ステータスの複数の値に基いて、前記ベクトルを複数のグループに分類し、当該複数のグループの夫々を前記複数のクラスタの夫々に対応させて、前記記憶領域に記録することと；
   前記複数のクラスタを前記複数のグループと照合させることに基づいて、前記複数の患者のうち、前記センサデータによって特定されるケアと介護者記録によって特定されるケアとを比較し、当該比較の結果が、ケアが一致していない患者が存在する場合には、当該患者を前記記憶領域から特定することと、前記介護者記録は、患者及び／又は患者の治療に関連する記録を前記介護者デバイスに手動で入力したものであり；
   前記特定された患者の情報を当該患者の介護を行う介護者のデバイスへ通知すること、前記情報をモニタリング計算デバイスへ通知すること、及び、前記特定された患者に関連付けられた患者デバイスに制御信号を送信することの少なくとも一つであることと；
   を含む動作を実行するシステム。
2. 前記動作は、
   前記ステータスの複数の値を、前記患者デバイスのインジケータの値に基いて設定することと、
   前記ベクトルのグループの数を、前記インジケータの値の数に基いて少なくとも２つになるようにすることと、
   前記クラスタの数を前記グループの数に等しいようにするように前記センサデータをクラスタ化することと、
   を含む、
   請求項１に記載のシステム。
3. 前記受信されたセンサデータは、複数の波形データであって、時間間隔にわたる前記波形データを表す各値にまとめられる複数の波形データを含み、
   前記動作は、
   前記複数のクラスタを特定する前に、前記受信されたセンサデータを、前記記憶領域において、データ構造としての行列にまとめること、
   を含む、
   請求項２に記載のシステム。
4. 前記動作は、
   前記行列にまとめられた前記センサデータに、主成分分析（ＰＣＡ）からなる統計手順を適用して、当該センサデータから上位ｈ個の主成分を特定することと、
   当該上位ｈ個の主成分に基いて前記複数のクラスタを生成することと、
   を更に含む、請求項３に記載のシステム。
5. 前記データ構造は、患者数及び時間期間にわたる患者当たりの時間間隔数に対応する数のエントリを含み、及び
   前記ベクトルは、前記患者数及び前記時間期間にわたる患者当たりの前記時間間隔数に対応する数のエントリを含む、請求項３に記載のシステム。
6. 前記介護者のデバイスによって作成される記録は、構造化データフォーマット又は自由形式データフォーマットのうちの少なくとも一方で当該デバイスに手動入力される、前記複数の患者の夫々に関連するデータを含む、請求項１に記載のシステム。
7. 前記行列は、前記患者を識別する識別子を有し、
   前記動作は、
   前記複数のクラスタの夫々の中心及び当該夫々のクラスタに対応する前記複数のグループの夫々の中心を特定することと、
   前記クラスタの前記中心と前記グループの前記中心との間の最小距離を特定することと、
   前記センサデータによって特定されるケアと前記介護者記録によって特定されるケアとの比較による不一致を当該最小距離に基づいて判定することと、
   前記複数の患者のうち当該不一致があることが判定された患者の前記識別子を前記行列の要素から特定することと、
   を更に含む、請求項３に記載のシステム。
8. プロセッサが、コンピュータ可読媒体にアクセスすることによって、実行可能命令に基づいて、
   複数の患者夫々に、治療のための患者デバイスが関連付けられて適用されており、当該患者デバイスからその状態を示すセンサデータを受信することと；
   前記複数の患者夫々に対応する介護者のデバイスから、前記センサデータに対応する患者デバイスの状態について、当該介護者のデバイスによって作成された記録を受信することと；
   複数のテーマの中から選択されたテーマに基いて、当該記録からベクトルを特定し、当該ベクトルを前記コンピュータ可読媒体の記憶領域に記録することと、ここで、複数のテーマの夫々は、複数のタイプが存在する前記患者デバイスの中から、前記選択されたテーマに関係するタイプの患者デバイスから受信した前記センサデータと前記介護者のデバイスによって作成された記録とのコンプライアンスを達成することであり、前記ベクトルは、前記選択されたテーマに関係する患者デバイスについて、前記介護者のデバイスによって作成された、当該患者デバイスのステータスであって、このステータスは複数の値があり；
   複数のクラスタを、前記センサデータをクラスタ化することによって、当該センサデータから特定し、前記ステータスの複数の値に基いて、前記ベクトルを複数のグループに分類し、当該複数のグループの夫々を前記複数のクラスタの夫々に対応させて、前記記憶領域に記録することと；
   前記複数のクラスタを前記複数のグループと照合させることに基づいて、前記複数の患者のうち、前記センサデータによって特定されるケアと介護者記録によって特定されるケアとを比較し、当該比較の結果が、ケアが一致していない患者が存在する場合には、当該患者を前記記憶領域から特定することと、前記介護者記録は、患者及び／又は患者の治療に関連する記録を前記介護者デバイスに手動で入力したものであり；
   前記特定された患者の情報を当該患者の介護を行う介護者のデバイスへ通知すること、前記情報をモニタリング計算デバイスへ通知すること、及び、前記特定された患者に関連付けられた患者デバイスに制御信号を送信することの少なくとも一つであることと；
   を含む動作を実行する方法。
9. 複数の患者夫々に、治療のための患者デバイスが関連付けられて適用されており、当該患者デバイスからその状態を示すセンサデータを受信することと；
   前記複数の患者夫々に対応する介護者のデバイスから、前記センサデータに対応する患者デバイスの状態について、当該介護者のデバイスによって作成された記録を受信することと；
   複数のテーマの中から選択されたテーマに基いて、当該記録からベクトルを特定し、当該ベクトルをコンピュータ可読媒体の記憶領域に記録することと、ここで、複数のテーマの夫々は、複数のタイプが存在する前記患者デバイスの中から、前記選択されたテーマに関係するタイプの患者デバイスから受信した前記センサデータと前記介護者のデバイスによって作成された記録とのコンプライアンスを達成することであり、前記ベクトルは、前記選択されたテーマに関係する患者デバイスについて、前記介護者のデバイスによって作成された、当該患者デバイスのステータスであって、このステータスは複数の値があり；
   複数のクラスタを、前記センサデータをクラスタ化することによって、当該センサデータから特定し、前記ステータスの複数の値に基いて、前記ベクトルを複数のグループに分類し、当該複数のグループの夫々を前記複数のクラスタの夫々に対応させて、前記記憶領域に記録することと；
   前記複数のクラスタを前記複数のグループと照合させることに基づいて、前記複数の患者のうち、前記センサデータによって特定されるケアと介護者記録によって特定されるケアとを比較し、当該比較の結果が、ケアが一致していない患者が存在する場合には、当該患者を前記記憶領域から特定することと、前記介護者記録は、患者及び／又は患者の治療に関連する記録を前記介護者デバイスに手動で入力したものであり；
   前記特定された患者の情報を当該患者の介護を行う介護者のデバイスへ通知すること、前記情報をモニタリング計算デバイスへ通知すること、及び、前記特定された患者に関連付けられた患者デバイスに制御信号を送信することの少なくとも一つであることと；
   を含む動作を実現させるためのプログラム。
10. 請求項９に記載のプログラムが記録させたコンピュータ読み取り可能な記録媒体。