KR102490087B1 - System and Method for Severity Rating of Emergency Patient and System Including the Same - Google Patents

System and Method for Severity Rating of Emergency Patient and System Including the Same Download PDF

Info

Publication number
KR102490087B1
KR102490087B1 KR1020200144710A KR20200144710A KR102490087B1 KR 102490087 B1 KR102490087 B1 KR 102490087B1 KR 1020200144710 A KR1020200144710 A KR 1020200144710A KR 20200144710 A KR20200144710 A KR 20200144710A KR 102490087 B1 KR102490087 B1 KR 102490087B1
Authority
KR
South Korea
Prior art keywords
rule
severity evaluation
severity
factors
patient
Prior art date
Application number
KR1020200144710A
Other languages
Korean (ko)
Other versions
KR20210053797A (en
Inventor
최성혁
이상헌
임채승
송대진
이순홍
박성준
이세하
Original Assignee
고려대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Priority to PCT/KR2020/015191 priority Critical patent/WO2021091189A1/en
Publication of KR20210053797A publication Critical patent/KR20210053797A/en
Application granted granted Critical
Publication of KR102490087B1 publication Critical patent/KR102490087B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명의 일 실시예에 따른 중증도 평가 시스템은, 입력된 환자 데이터에 포함된 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성하는 규칙 생성기; 상기 규칙 생성기에 의해 생성된 복수의 규칙을 저장하는 규칙 DB; 및 상기 복수의 인자에 대해 상기 규칙 DB에 저장된 규칙 기반으로 중증도 평가 점수를 산출하는 규칙 기반 엔진을 포함할 수 있다.A severity evaluation system according to an embodiment of the present invention includes a rule generator for generating a rule for calculating a severity evaluation score for each of a plurality of factors included in input patient data; a rule DB storing a plurality of rules generated by the rule generator; and a rule-based engine that calculates a severity evaluation score based on rules stored in the rule DB for the plurality of factors.

Description

응급환자의 중증도 평가 시스템 및 방법, 및 이를 포함하는 시스템 {System and Method for Severity Rating of Emergency Patient and System Including the Same}Severity Rating of Emergency Patient and System Including the Same}

본 출원은 응급환자의 중증도 평가 시스템 및 방법, 및 이를 포함하는 시스템에 관한 것이다.The present application relates to a system and method for assessing the severity of an emergency patient, and a system including the same.

응급환자의 중증도 분류는 응급처치 및 환자 이송의 우선 순위를 결정하기 위하여 환자를 증상별로 구분하는 것을 말하며, 응급환자에 대한 적절한 조치를 위해서 응급환자의 중증도를 신속하고 정확하게 평가할 필요가 있다.Severity classification of emergency patients refers to classifying patients according to symptoms in order to prioritize first aid and transport of patients.

기존에는 응급환자의 중증도 분류 도구로서 KTAS(Korean Triage and Acuity Scale)이 마련되어 있으나, 이를 활용하기 위해서는 분류체계를 숙지하고 있는 의료진이 있어야 하고, 정확도가 떨어지며, 더 나아가 응급환자의 특성상 중증도 분류를 위해 충분한 시간을 할당하기 어렵다는 한계가 있다.Previously, KTAS (Korean Triage and Acuity Scale) has been prepared as a severity classification tool for emergency patients. There is a limitation that it is difficult to allocate sufficient time.

공개특허공보 제10-2017-0122510호(2017.11.06. 공개)Patent Publication No. 10-2017-0122510 (published on November 6, 2017)

따라서, 당해 기술분야에서는 응급환자에 대해 획득 가능한 다양한 정보를 기초로 보다 정확하고 신속하게 응급환자의 중증도를 평가하기 위한 방안이 요구되고 있다.Therefore, in the art, there is a need for a method for more accurately and quickly evaluating the severity of an emergency patient based on various information obtainable about the emergency patient.

상기 과제를 해결하기 위해서, 본 발명의 일 실시예는 응급환자 중증도 평가 시스템을 제공한다.In order to solve the above problems, one embodiment of the present invention provides an emergency patient severity evaluation system.

상기 응급환자 중증도 평가 시스템은, 입력된 환자 데이터에 포함된 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성하는 규칙 생성기; 상기 규칙 생성기에 의해 생성된 복수의 규칙을 저장하는 규칙 DB; 및 상기 복수의 인자에 대해 상기 규칙 DB에 저장된 규칙 기반으로 중증도 평가 점수를 산출하는 규칙 기반 엔진을 포함할 수 있다.The emergency patient severity assessment system includes: a rule generator for generating a rule for calculating a severity assessment score for each of a plurality of factors included in input patient data; a rule DB storing a plurality of rules generated by the rule generator; and a rule-based engine that calculates a severity evaluation score based on rules stored in the rule DB for the plurality of factors.

또한, 본 발명의 다른 실시예는 응급환자 중증도 평가 방법을 제공한다.In addition, another embodiment of the present invention provides a method for evaluating the severity of an emergency patient.

상기 응급환자 중증도 평가 방법은, 복수의 인자를 포함하는 환자 데이터를 입력받는 단계; 상기 복수의 인자에 대해 기 저장된 규칙 기반으로 중증도 평가 점수를 산출하는 단계; 및 상기 중증도 평가 점수에 따른 중증도 분류 결과를 제공하는 단계를 포함할 수 있다.The emergency patient severity evaluation method may include receiving patient data including a plurality of factors; Calculating severity evaluation scores based on pre-stored rules for the plurality of factors; and providing a severity classification result according to the severity evaluation score.

덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.In addition, the solution to the above problem does not enumerate all the features of the present invention. Various features of the present invention and the advantages and effects thereof will be understood in more detail with reference to specific embodiments below.

본 발명의 일 실시예에 따르면, 응급환자에 대해 획득 가능한 다양한 정보를 기초로 보다 정확하고 신속하게 응급환자의 중증도를 평가할 수 있다.According to one embodiment of the present invention, it is possible to more accurately and quickly evaluate the severity of an emergency patient based on various information obtainable about the emergency patient.

도 1은 본 발명의 일 실시예에 따른 중증도 평가 시스템과 병원정보 시스템 사이의 연동 구조를 도시하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 중증도 평가 시스템의 구성도이다.
도 3은 본 발명의 일 실시예에 따라 다양한 환자 데이터를 입력받아 중증도 평가 점수를 산출하는 일 예를 도시하는 도면이다.
도 4는 본 발명의 다른 실시예에 따른 중증도 평가 방법의 흐름도이다.1 is a diagram showing an interworking structure between a severity evaluation system and a hospital information system according to an embodiment of the present invention.
2 is a block diagram of a severity evaluation system according to an embodiment of the present invention.
3 is a diagram illustrating an example of calculating a severity evaluation score by receiving various patient data according to an embodiment of the present invention.
4 is a flowchart of a severity evaluation method according to another embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.Hereinafter, preferred embodiments will be described in detail so that those skilled in the art can easily practice the present invention with reference to the accompanying drawings. However, in describing a preferred embodiment of the present invention in detail, if it is determined that a detailed description of a related known function or configuration may unnecessarily obscure the gist of the present invention, the detailed description will be omitted. In addition, the same reference numerals are used throughout the drawings for parts having similar functions and actions.

덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.In addition, throughout the specification, when a part is said to be 'connected' to another part, this is not only the case where it is 'directly connected', but also the case where it is 'indirectly connected' with another element in between. include In addition, 'including' a certain component means that other components may be further included, rather than excluding other components unless otherwise stated.

도 1은 본 발명의 일 실시예에 따른 중증도 평가 시스템과 병원정보 시스템 사이의 연동 구조를 도시하는 도면이다.1 is a diagram showing an interworking structure between a severity evaluation system and a hospital information system according to an embodiment of the present invention.

도 1을 참조하면, 중증도 평가 시스템(100)은 서버(300)를 통해 병원정보 시스템(200)과 연동할 수 있다.Referring to FIG. 1 , the severity evaluation system 100 may interwork with the hospital information system 200 through the server 300 .

중증도 평가 시스템(100)은 서버(300)를 통해 입력된 환자 데이터를 이용하여 기 생성된 규칙 기반으로 중증도 평가 점수를 산출할 수 있다.The severity evaluation system 100 may calculate a severity evaluation score based on a pre-generated rule using patient data input through the server 300 .

여기서, 환자 데이터는 환자의 기본정보, 관찰정보, 구급데이터, 측정값 및 검사결과 중 하나 이상을 포함할 수 있다.Here, the patient data may include one or more of patient basic information, observation information, emergency data, measurement values, and test results.

도 3은 본 발명의 일 실시예에 따라 다양한 환자 데이터를 입력받아 중증도 평가 점수를 산출하는 일 예를 도시하는 도면으로, 도 3에 도시된 바와 같이, 환자의 기본정보는 나이 및 성별 등을 포함할 수 있고, 관찰정보는 환자의 의식상태, 통증부위, 사고상황 등과 같이 환자 관찰에 의해 획득 가능한 정보를 포함할 수 있으며, 구급 데이터는 구급차량에 의한 이송 중의 측정값, 관찰정보 등을 포함할 수 있고, 측정값은 혈액, 맥박 등을 포함할 수 있으며, 검사결과는 각종 응급검사 결과를 포함할 수 있다.3 is a diagram showing an example of calculating a severity evaluation score by receiving various patient data according to an embodiment of the present invention. As shown in FIG. 3, the patient's basic information includes age and gender, etc. Observation information may include information that can be obtained by observing the patient, such as the patient's state of consciousness, pain area, accident situation, etc., and emergency data may include measurement values and observation information during transport by ambulance vehicle. Measurement values may include blood, pulse, and the like, and test results may include various emergency test results.

이와 같은 환자 데이터는 병원정보 시스템(200)에 의해 제공되거나, 또는 의료진, 구급대원 등이 소지한 단말 장치(미도시)에 의해 입력된 것일 수 있다.Such patient data may be provided by the hospital information system 200 or input by a terminal device (not shown) possessed by medical staff, paramedics, and the like.

이와 같이 환자 데이터는 복수의 인자를 포함하여 구성될 수 있다. 또한, 중증도 평가 시스템(100)은 환자의 질환 또는 증상별로 상이한 조합의 인자를 포함하는 환자 데이터를 입력받고 이를 기초로 중증도 평가 점수를 산출할 수 있다.In this way, patient data may include a plurality of factors. In addition, the severity evaluation system 100 may calculate a severity evaluation score based on input of patient data including factors of different combinations for each disease or symptom of the patient.

중증도 평가 시스템(100)의 상세 구조 및 기능은 도 2를 참조하여 보다 구체적으로 설명하기로 한다.The detailed structure and function of the severity evaluation system 100 will be described in more detail with reference to FIG. 2 .

병원정보 시스템(200)은 각각의 병원에 구비되어 병원 내의 각종 데이터를 저장 및 관리하는 것으로, 본 발명의 실시예에 따르면 상술한 환자 데이터 중 적어도 일부를 저장하고 이를 서버(300)로 제공할 수 있다.The hospital information system 200 is provided in each hospital to store and manage various data within the hospital. According to an embodiment of the present invention, it can store at least some of the above-described patient data and provide it to the server 300. there is.

서버(300)는 중증도 평가 시스템(100)에 의해 산출된 중증도 평가 점수를 이용하여 병원정보 시스템(200), 단말 장치(미도시) 등으로 중증도 평가 서비스를 제공할 수 있다.The server 300 may provide a severity evaluation service to the hospital information system 200 and a terminal device (not shown) using the severity evaluation score calculated by the severity evaluation system 100 .

일 실시예에 따르면, 서버(300)는 WAS(Web Application Server)(310) 및 WEB(320)을 포함하여 구성될 수 있다. WAS(310)는 WEB(320)의 요청에 따라 중증도 평가 시스템(100)을 호출하여 중증도 평가 점수를 산출하고 이를 기초로 중증도 평가 관련 동적 컨텐츠를 제공할 수 있으며, WEB(320)는 단말 장치의 요청에 따라 웹 페이지, 예를 들어 중증도 평가 웹 페이지 등을 제공할 수 있다.According to one embodiment, the server 300 may include a web application server (WAS) 310 and a WEB 320. WAS (310) may call the severity evaluation system 100 according to the request of the WEB (320) to calculate the severity evaluation score and provide dynamic content related to severity evaluation based on this, WEB (320) of the terminal device Upon request, a web page, for example, a severity assessment web page, etc. may be provided.

일 실시예에 따르면, 서버(300)는 중증도 평가 시스템(100)에 의해 산출된 중증도 평가 점수에 따른 중증도 분류 결과를 제공할 수 있다. 예를 들어, 응급환자의 중증도를 복수의 등급으로 나누고, 각각의 등급에 해당하는 중증도 평가 점수 범위가 기 정해질 수 있으며, 서버(300)는 산출된 중증도 평가 점수에 따라 해당하는 중증도 등급 정보를 제공할 수 있다.According to an embodiment, the server 300 may provide severity classification results according to severity evaluation scores calculated by the severity evaluation system 100 . For example, the severity of an emergency patient may be divided into a plurality of grades, a severity evaluation score range corresponding to each grade may be determined, and the server 300 may provide corresponding severity grade information according to the calculated severity evaluation score. can provide

다른 실시예에 따르면, 서버(300)는 중증도 분류 결과에 따라 병원 이송 여부를 결정할 수 있으며, 병원 이송이 필요한 경우에는 이송 병원에 구비된 병원정보 시스템(미도시)으로 산출된 중증도 평가 점수를 제공할 수 있다.According to another embodiment, the server 300 may determine whether to transfer to a hospital according to the severity classification result, and if hospital transfer is necessary, provide a severity evaluation score calculated by a hospital information system (not shown) provided in the transfer hospital. can do.

도 1을 참조하여 상술한 실시예에서는, 중증도 평가 시스템(100)에서 중증도 평가 점수를 산출하고, 서버(300)에서 중증도 평가 점수에 따라 중증도 등급 정보를 제공하는 것으로 설명하였으나, 본 발명의 범위가 반드시 이로 제한되는 것은 아니다. 예를 들어, 중증도 평가 시스템(100) 및 서버(300)의 기능을 하나로 통합하여 중증도 평가 시스템(100)에서 중증도 평가 점수 산출 및 중증도 등급 정보 제공 기능을 수행하고, 서버(300)는 중증도 평가 시스템(100)과 병원정보 시스템(200) 사이를 연결하는 기능만을 수행하도록 구현될 수도 있다.In the embodiment described above with reference to FIG. 1, it has been described that the severity evaluation system 100 calculates the severity evaluation score and the server 300 provides severity grade information according to the severity evaluation score, but the scope of the present invention It is not necessarily limited to this. For example, by integrating the functions of the severity evaluation system 100 and the server 300 into one, the severity evaluation system 100 performs the function of calculating the severity evaluation score and providing severity rating information, and the server 300 performs the function of providing severity evaluation system It may be implemented to perform only a function of connecting between the (100) and the hospital information system (200).

또한, 중증도 평가 시스템(100), 병원정보 시스템(200) 및 서버(300)는 클라우드 기반으로 구현될 수도 있다. 다시 말해, 상술한 바와 같은 중증도 평가 시스템(100), 병원정보 시스템(200) 및 서버(300)의 기능은 네트워크를 통해 서로 연결된 복수의 컴퓨팅 장치에 의해 수행될 수 있다.In addition, the severity evaluation system 100, the hospital information system 200, and the server 300 may be implemented on a cloud basis. In other words, the functions of the severity evaluation system 100, the hospital information system 200, and the server 300 as described above may be performed by a plurality of computing devices connected to each other through a network.

도 2는 본 발명의 일 실시예에 따른 중증도 평가 시스템의 구성도이다.2 is a block diagram of a severity evaluation system according to an embodiment of the present invention.

도 2를 참조하면, 본 발명의 일 실시예에 따른 중증도 평가 시스템(100)은 규칙 기반 엔진(110), 규칙 DB(120) 및 규칙 생성기(130)를 포함하여 구성될 수 있으며, 예를 들어 저장 수단 및 프로세싱 수단을 구비한 하나 이상의 프로세싱 장치로 구현될 수 있다.Referring to FIG. 2 , the severity evaluation system 100 according to an embodiment of the present invention may include a rule-based engine 110, a rule DB 120, and a rule generator 130, and may include, for example, It may be implemented in one or more processing devices having storage means and processing means.

규칙 기반 엔진(110)은 입력된 환자 데이터에 포함된 복수의 인자에 대해 후술하는 규칙 DB(120)에 저장된 규칙 기반으로 중증도 평가 점수를 산출하기 위한 것이다.The rule-based engine 110 is for calculating severity evaluation scores based on rules stored in the rule DB 120 to be described later for a plurality of factors included in the input patient data.

일 실시예에 따르면, 규칙 기반 엔진(110)은 저장된 규칙에 따라 환자 데이터에 포함된 각각의 인자에 대해 점수를 출력하고 출력된 점수를 합산하여 중증도 평가 점수를 산출할 수 있다.According to an embodiment, the rule-based engine 110 may calculate a severity evaluation score by outputting scores for each factor included in patient data according to stored rules and summing the output scores.

여기서, 복수의 인자는 하기의 표 1과 같이 크게 3개의 인자 그룹으로 분류될 수 있으며, 경우에 따라 3개의 인자 그룹에 포함된 복수의 인자들을 다양하게 조합하여 중증도 평가 점수를 산출할 수 있다.Here, the plurality of factors can be largely classified into three factor groups as shown in Table 1 below, and depending on the case, a severity evaluation score can be calculated by variously combining a plurality of factors included in the three factor groups.

또한, 표 2 내지 표 4는 표 1에 기재된 각 인자 그룹에 포함된 복수의 인자(Factor) 및 각각의 인자 값이 가지는 범위(Range)와 이에 따라 출력되는 점수(SD 값)의 예를 나타내는 것으로, 표 2는 GROUP 1에 해당하는 초기 인자를 나타내고, 표 3은 GROUP 2에 해당하는 정밀 인자를 나타내며, 표 4는 기타 인자(Factor)에 해당하는 추가 고려 인자를 나타낸다. 표 2 내지 표 4는 복수의 인자의 예에 해당하는 것으로 본 발명에 따라 중증도 평가 점수를 산출하기 위해 고려되는 인자의 종류가 반드시 이로 제한되는 것은 아니며, 각 인자의 범위 및 이에 따라 출력되는 점수 역시 인자의 조합과 증상 등에 따라 변경될 수 있다. In addition, Tables 2 to 4 show examples of a plurality of factors included in each factor group listed in Table 1, a range of each factor value, and a score (SD value) output accordingly. , Table 2 shows initial factors corresponding to GROUP 1, Table 3 shows precision factors corresponding to GROUP 2, and Table 4 shows additional consideration factors corresponding to other factors. Tables 2 to 4 correspond to examples of a plurality of factors, and the types of factors considered for calculating the severity evaluation score according to the present invention are not necessarily limited thereto, and the range of each factor and the score output accordingly are also It can be changed according to the combination of factors and symptoms.

또한, 표 5는 표 2 내지 표 4에 도시된 복수의 인자를 조합하는 다양한 케이스를 나타내는 것으로, 각 케이스 별로 이를 구성하는 인자들을 조합하여 중증도 평가 점수를 산출할 수 있다. 예를 들어, 각 환자마다 환자의 상황(이전 진료 기록, 특정 검사 진행 등)에 따라 획득 가능한 인자의 종류가 달라질 수 있다. 따라서, 각 환자별로 획득한 복수의 인자를 고려하여 이에 적합한 케이스를 선택하고, 선택된 케이스를 구성하는 인자들을 조합하여 중증도 평가 점수를 산출할 수 있다.In addition, Table 5 shows various cases combining a plurality of factors shown in Tables 2 to 4, and a severity evaluation score can be calculated by combining factors constituting the case for each case. For example, the types of factors that can be acquired may vary depending on the patient's circumstances (previous medical records, progress of a specific test, etc.) for each patient. Therefore, considering a plurality of factors obtained for each patient, a case suitable for this case may be selected, and a severity evaluation score may be calculated by combining factors constituting the selected case.

[표 1][Table 1]

Figure 112020116820026-pat00001
Figure 112020116820026-pat00001

[표 2][Table 2]

Figure 112020116820026-pat00002
Figure 112020116820026-pat00002

Figure 112020116820026-pat00003
Figure 112020116820026-pat00003

[표 3][Table 3]

Figure 112020116820026-pat00004
Figure 112020116820026-pat00004

Figure 112020116820026-pat00005
Figure 112020116820026-pat00005

[표 4][Table 4]

Figure 112020116820026-pat00006
Figure 112020116820026-pat00006

[표 5][Table 5]

Figure 112020116820026-pat00007
Figure 112020116820026-pat00007

다른 실시예에 따르면, 환자 데이터에 포함된 각각의 인자가 서로 상이한 시점에 2회 이상 측정된 경우에는, 규칙 기반 엔진(110)은 각각의 인자의 변동값에 따라 점수를 출력하고 변동값에 따라 출력된 점수를 추가로 합산하여 중증도 평가 점수를 산출할 수 있다. 예를 들어, 환자의 혈압, 맥박 등이 2회 이상 측정된 경우 해당 측정값의 변동값을 추가로 반영함으로써, 시간이 지남에 따른 환자의 상태 변화를 반영하여 보다 정확하게 환자의 중증도를 평가할 수 있게 된다.According to another embodiment, when each factor included in the patient data is measured two or more times at different time points, the rule-based engine 110 outputs a score according to the variation value of each factor and outputs a score according to the variation value. A severity evaluation score may be calculated by additionally summing the output scores. For example, when a patient's blood pressure, pulse rate, etc. are measured more than once, the fluctuation value of the measured value is additionally reflected, so that the severity of the patient can be evaluated more accurately by reflecting the change in the patient's condition over time. do.

또 다른 실시예에 따르면, 환자의 증상에 따라 상이한 인자들을 조합하여 중증도 평가 점수를 산출할 수 있다. 여기서, 환자의 증상은 환자의 상태에 따라 표 6에 기재된 바와 같은 9개의 증상으로 분류될 수 있다.According to another embodiment, the severity evaluation score may be calculated by combining different factors according to the symptoms of the patient. Here, the patient's symptoms can be classified into 9 symptoms as described in Table 6 according to the patient's condition.

[표 6][Table 6]

Figure 112020116820026-pat00008
Figure 112020116820026-pat00008

본 실시예에서는, 환자의 증상을 고려하여 이에 적합한 케이스를 선택하고, 선택된 케이스를 구성하는 인자들을 조합하여 중증도 평가 점수를 산출할 수 있다.In this embodiment, a case suitable for the patient's symptoms may be selected, and a severity evaluation score may be calculated by combining factors constituting the selected case.

한편, 규칙 기반 엔진(110)은 표 2 내지 표 4에서 정의된 바에 따라 각 인자값이 속하는 범위에 따라 정해진 점수(SD 값)을 그대로 출력하는 것이 아니라, 각 인자에 대해 출력한 점수에 대해 추세선 산출 방식을 적용하여 각 인자값에 따른 점수를 계산하고 이를 합산하여 중증도 평가 점수를 산출하도록 구성될 수 있다. 여기서, 추세선 산출 방식은 통상의 기술자에게 공지된 방식을 채용하여 구현될 수 있는 바 이에 대한 구체적인 설명은 생략한다.On the other hand, the rule-based engine 110 does not directly output scores (SD values) determined according to the ranges to which each factor value belongs as defined in Tables 2 to 4, but a trend line for the scores output for each factor. It may be configured to calculate a score according to each factor value by applying a calculation method and calculate a severity evaluation score by summing them. Here, since the trend line calculation method may be implemented by employing a method known to those skilled in the art, a detailed description thereof will be omitted.

규칙 DB(120)는 후술하는 규칙 생성기(130)에 의해 생성된 복수의 규칙을 저장하기 위한 것이다.The rule DB 120 is for storing a plurality of rules generated by the rule generator 130 to be described later.

일 실시예에 따르면, 복수의 규칙은 환자 데이터에 포함된 각각의 인자에 대해 인자의 값이 속하는 범위에 따라 기 정해진 점수를 출력하는 것일 수 있다.According to an embodiment, the plurality of rules may output predetermined scores for each factor included in the patient data according to a range to which the value of the factor belongs.

다른 실시예에 따르면, 복수의 규칙은 서로 상이한 시점에 적어도 2회 측정된 각각의 인자의 변동값에 따라 기 정해진 점수를 출력하는 것일 수 있다.According to another embodiment, the plurality of rules may output a predetermined score according to a variation value of each factor measured at least twice at different time points.

규칙 생성기(130)는 환자 데이터에 포함된 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성하기 위한 것이다.The rule generator 130 is for generating rules for calculating severity evaluation scores for each of a plurality of factors included in patient data.

일 실시예에 따르면, 규칙 생성기(130)는 라쉬(Rasch) 분석에 의해 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성할 수 있다.According to an embodiment, the rule generator 130 may generate rules for calculating severity evaluation scores for each of a plurality of factors by Rasch analysis.

도 4는 본 발명의 다른 실시예에 따른 중증도 평가 방법의 흐름도이다.4 is a flowchart of a severity evaluation method according to another embodiment of the present invention.

도 4를 참조하면, 우선, 복수의 인자를 포함하는 환자 데이터를 입력받고(S41), 환자 데이터를 이용하여 규칙 기반으로 중증도 평가 점수를 산출할 수 있다(S42). 구체적으로, S42 단계에서는 복수의 인자에 대해 기 저장된 규칙 기반으로 중증도 평가 점수를 산출할 수 있다.Referring to FIG. 4 , first, patient data including a plurality of factors is input (S41), and a severity evaluation score may be calculated based on a rule using the patient data (S42). Specifically, in step S42, severity evaluation scores may be calculated based on pre-stored rules for a plurality of factors.

이후, 중증도 평가 점수에 따라 환자의 중증도 분류 결과를 제공할 수 있으며(S43), 또한 중증도 분류 결과에 따라 다양한 서비스, 예를 들어 중증도 분류에 따른 병원 이송 여부 결정 및 이송 병원으로의 중증도 평가 점수 제공 등을 수행할 수 있다(S44).Thereafter, the patient's severity classification result can be provided according to the severity evaluation score (S43), and various services, for example, determination of whether to transfer to a hospital according to severity classification and severity evaluation score to the transfer hospital can be provided according to the severity classification result. etc. can be performed (S44).

도 4에 도시된 중증도 평가 방법의 각 단계는 도 1 및 도 2를 참조하여 상술한 바에 따라 수행될 수 있는 바, 이에 대한 중복적인 설명은 생략한다.Each step of the severity evaluation method shown in FIG. 4 may be performed as described above with reference to FIGS. 1 and 2, and a redundant description thereof will be omitted.

도 4를 참조하여 상술한 중증도 평가 방법은 도 1에 도시된 시스템에 의해 수행될 수 있다.The severity evaluation method described above with reference to FIG. 4 may be performed by the system shown in FIG. 1 .

본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.The present invention is not limited by the foregoing embodiments and accompanying drawings. It will be clear to those skilled in the art that the components according to the present invention can be substituted, modified, and changed without departing from the technical spirit of the present invention.

100: 중증도 평가 시스템
110: 규칙 기반 엔진
120: 규칙 DB
130: 규칙 생성기
200: 병원정보 시스템
300: 서버
310: WAS
320: WEB100: severity evaluation system
110: rule-based engine
120: rule DB
130: rule generator
200: hospital information system
300: server
310: WAS
320: WEB

Claims (14)

입력된 환자 데이터에 포함된 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성하는 규칙 생성기;
상기 규칙 생성기에 의해 생성된 복수의 규칙을 저장하는 규칙 DB; 및
상기 복수의 인자에 대해 상기 규칙 DB에 저장된 규칙 기반으로 중증도 평가 점수를 산출하는 규칙 기반 엔진을 포함하며,
상기 환자 데이터는 환자의 기본정보, 관찰정보, 구급데이터, 측정값 및 검사결과를 포함하고, 상기 환자 데이터에 포함된 복수의 인자는 초기 인자 그룹, 정밀 인자 그룹 및 추가 고려 인자 그룹으로 분류되며,
복수의 케이스에 대해 각 케이스를 구성하는 복수의 인자의 조합이 사전에 정의되고,
상기 규칙 기반 엔진은 각 환자의 증상에 따라 상기 복수의 케이스 중 어느 하나의 케이스를 선택하여, 선택된 케이스를 구성하는 복수의 인자를 이용하여 중증도 평가 점수를 산출하는 것을 특징으로 하는 중증도 평가 시스템.
a rule generator for generating a rule for calculating a severity evaluation score for each of a plurality of factors included in the input patient data;
a rule DB storing a plurality of rules generated by the rule generator; and
A rule-based engine for calculating severity evaluation scores based on rules stored in the rule DB for the plurality of factors;
The patient data includes the patient's basic information, observation information, emergency data, measurement values, and test results, and a plurality of factors included in the patient data are classified into an initial factor group, a precision factor group, and an additional consideration factor group,
For a plurality of cases, a combination of a plurality of factors constituting each case is defined in advance,
The rule-based engine selects one of the plurality of cases according to the symptoms of each patient and calculates a severity evaluation score using a plurality of factors constituting the selected case.
 제 1 항에 있어서,
상기 규칙은 각각의 인자에 대해 인자의 값이 속하는 범위에 따라 기 정해진 점수를 출력하는 것을 특징으로 하는 중증도 평가 시스템.
According to claim 1,
The severity evaluation system, characterized in that the rule outputs a predetermined score for each factor according to a range to which the value of the factor belongs.
 제 2 항에 있어서,
상기 규칙 기반 엔진은 상기 규칙에 따라 상기 각각의 인자에 대해 출력한 점수를 합산하여 상기 중증도 평가 점수를 산출하는 것을 특징으로 하는 중증도 평가 시스템.
According to claim 2,
The severity evaluation system, characterized in that the rule-based engine calculates the severity evaluation score by summing the scores output for each factor according to the rule.
 제 3 항에 있어서,
상기 규칙은 서로 상이한 시점에 적어도 2회 측정된 각각의 인자의 변동값에 따라 기 정해진 점수를 출력하는 것을 특징으로 하는 중증도 평가 시스템.
According to claim 3,
The severity evaluation system, characterized in that the rule outputs a predetermined score according to the variation value of each factor measured at least twice at different time points.
 제 4 항에 있어서,
상기 규칙 기반 엔진은 상기 각각의 인자의 변동값에 따라 출력된 점수를 추가로 합산하여 상기 중증도 평가 점수를 산출하는 것을 특징으로 하는 중증도 평가 시스템.
According to claim 4,
The severity evaluation system, characterized in that the rule-based engine calculates the severity evaluation score by additionally summing the scores output according to the variation value of each factor.
 삭제delete 삭제delete 제 2 항에 있어서,
상기 규칙 기반 엔진은 상기 규칙에 따라 상기 각각의 인자에 대해 출력한 점수에 대해 추세선 산출 방식을 적용하여 각 인자값에 따른 점수를 계산 및 합산하여 상기 중증도 평가 점수를 산출하는 것을 특징으로 하는 중증도 평가 시스템.
According to claim 2,
The rule-based engine calculates the severity evaluation score by applying a trend line calculation method to the scores output for each factor according to the rule, calculating and summing the scores according to each factor value, and calculating the severity evaluation score. system.
 입력된 환자 데이터를 이용하여 기 생성된 규칙 기반으로 중증도 평가 점수를 산출하는 중증도 평가 시스템;
상기 환자 데이터를 제공하는 병원정보 시스템; 및
상기 중증도 평가 시스템과 상기 병원정보 시스템을 연동시키고, 상기 중증도 평가 시스템에 의해 산출된 중증도 평가 점수를 이용하여 단말 장치에 중증도 평가 서비스를 제공하는 서버를 포함하고,
상기 중증도 평가 시스템은,
상기 환자 데이터에 포함된 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성하는 규칙 생성기;
상기 규칙 생성기에 의해 생성된 복수의 규칙을 저장하는 규칙 DB; 및
상기 복수의 인자에 대해 상기 규칙 DB에 저장된 규칙 기반으로 상기 중증도 평가 점수를 산출하는 규칙 기반 엔진을 포함하며,
상기 환자 데이터는 환자의 기본정보, 관찰정보, 구급데이터, 측정값 및 검사결과를 포함하고, 상기 환자 데이터에 포함된 복수의 인자는 초기 인자 그룹, 정밀 인자 그룹 및 추가 고려 인자 그룹으로 분류되며,
복수의 케이스에 대해 각 케이스를 구성하는 복수의 인자의 조합이 사전에 정의되고,
상기 규칙 기반 엔진은 각 환자의 증상에 따라 상기 복수의 케이스 중 어느 하나의 케이스를 선택하여, 선택된 케이스를 구성하는 복수의 인자를 이용하여 중증도 평가 점수를 산출하는 것을 특징으로 하는 시스템.
a severity evaluation system that calculates a severity evaluation score based on pre-generated rules using input patient data;
a hospital information system providing the patient data; and
A server linking the severity evaluation system and the hospital information system and providing a severity evaluation service to a terminal device using a severity evaluation score calculated by the severity evaluation system;
The severity evaluation system,
a rule generator for generating a rule for calculating a severity evaluation score for each of a plurality of factors included in the patient data;
a rule DB storing a plurality of rules generated by the rule generator; and
A rule-based engine for calculating the severity evaluation score based on rules stored in the rule DB for the plurality of factors,
The patient data includes the patient's basic information, observation information, emergency data, measurement values, and test results, and a plurality of factors included in the patient data are classified into an initial factor group, a precision factor group, and an additional consideration factor group,
For a plurality of cases, a combination of a plurality of factors constituting each case is defined in advance,
The rule-based engine selects one of the plurality of cases according to the symptom of each patient and calculates a severity evaluation score using a plurality of factors constituting the selected case.
 삭제delete 삭제delete 제 11 항에 있어서,
상기 서버는 상기 중증도 분류 결과에 따라 병원 이송 여부를 결정하는 것을 특징으로 하는 시스템.
According to claim 11,
The system characterized in that the server determines whether to transfer to the hospital according to the severity classification result.
 제 12 항에 있어서,
상기 서버는 이송 병원에 구비된 병원정보 시스템으로 상기 중증도 평가 점수를 제공하는 것을 특징으로 하는 시스템.
According to claim 12,
The system characterized in that the server provides the severity evaluation score to the hospital information system provided in the transfer hospital.
 응급 환자의 중증도를 판별하는 중증도 평가 시스템에 의해 수행되는 중증도 평가 방법에 있어서,
복수의 인자를 포함하는 환자 데이터를 입력받는 단계;
상기 복수의 인자에 대해 기 저장된 규칙 기반으로 중증도 평가 점수를 산출하는 단계; 및
상기 중증도 평가 점수에 따른 중증도 분류 결과를 제공하는 단계를 포함하고,
상기 환자 데이터는 환자의 기본정보, 관찰정보, 구급데이터, 측정값 및 검사결과를 포함하고, 상기 환자 데이터에 포함된 복수의 인자는 초기 인자 그룹, 정밀 인자 그룹 및 추가 고려 인자 그룹으로 분류되며,
복수의 케이스에 대해 각 케이스를 구성하는 복수의 인자의 조합이 사전에 정의되고,
상기 중증도 평가 점수를 산출하는 단계는 각 환자의 증상에 따라 상기 복수의 케이스 중 어느 하나의 케이스를 선택하여, 선택된 케이스를 구성하는 복수의 인자를 이용하여 중증도 평가 점수를 산출하는 것을 특징으로 하는 중증도 평가 방법.In the severity evaluation method performed by the severity evaluation system for determining the severity of an emergency patient,
receiving patient data including a plurality of factors;
Calculating severity evaluation scores based on pre-stored rules for the plurality of factors; and
Providing a severity classification result according to the severity evaluation score,
The patient data includes the patient's basic information, observation information, emergency data, measurement values, and test results, and a plurality of factors included in the patient data are classified into an initial factor group, a precision factor group, and an additional consideration factor group,
For a plurality of cases, a combination of a plurality of factors constituting each case is defined in advance,
In the step of calculating the severity evaluation score, a severity evaluation score is calculated by selecting one of the plurality of cases according to the symptoms of each patient and using a plurality of factors constituting the selected case. Assessment Methods.
KR1020200144710A 2019-11-04 2020-11-02 System and Method for Severity Rating of Emergency Patient and System Including the Same KR102490087B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2020/015191 WO2021091189A1 (en) 2019-11-04 2020-11-03 Severity grading system and method for acute patient and system comprising same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20190139622 2019-11-04
KR1020190139622 2019-11-04

Publications (2)

Publication Number Publication Date
KR20210053797A KR20210053797A (en) 2021-05-12
KR102490087B1 true KR102490087B1 (en) 2023-01-18

Family

ID=75918920

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200144710A KR102490087B1 (en) 2019-11-04 2020-11-02 System and Method for Severity Rating of Emergency Patient and System Including the Same

Country Status (1)

Country Link
KR (1) KR102490087B1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3224450A1 (en) * 2021-06-28 2023-01-05 Dong Keon Lee Emergency patient objective triage system and method
CA3224460A1 (en) * 2021-06-28 2023-01-05 Dong Keon Lee Emergency patient severity classification system and method

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150332012A1 (en) * 2012-11-02 2015-11-19 The University Of Chicago Patient risk evaluation

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101840766B1 (en) * 2016-04-22 2018-03-21 연세대학교 산학협력단 System for triage amd method for triage using the same
KR101800846B1 (en) 2016-04-27 2017-11-23 (주)지맥스솔루션 System and method for requesting treatment between hospitals

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150332012A1 (en) * 2012-11-02 2015-11-19 The University Of Chicago Patient risk evaluation

Also Published As

Publication number Publication date
KR20210053797A (en) 2021-05-12

Similar Documents

Publication Publication Date Title
KR102490087B1 (en) System and Method for Severity Rating of Emergency Patient and System Including the Same
Calce A new method to estimate adult age‐at‐death using the acetabulum
JP6719082B2 (en) Decision tree generation device, decision tree generation method, decision tree generation program, and question system
Dark et al. The validity of trans-esophageal Doppler ultrasonography as a measure of cardiac output in critically ill adults
MacCormick et al. Prioritizing patients for elective surgery: a systematic review
Kokkinos et al. Changes in cardiorespiratory fitness and survival in patients with or without cardiovascular disease
Mathur et al. Association of parathyroid hormone level with postthyroidectomy hypocalcemia: a systematic review
Hyhlik-Dürr et al. Reproducibility of deriving parameters of AAA rupture risk from patient-specific 3D finite element models
US20200286626A1 (en) Health management support device, method, and non-transitory computer-readable storage medium storing program
Parker et al. Are self-reported telemonitored blood pressure readings affected by end-digit preference: a prospective cohort study in Scotland
Olivera et al. Comparison of health-related quality of life in outpatients with Chagas and matched non-Chagas chronic heart failure in Colombia: A cross-sectional analysis
CN113425248B (en) Medical image evaluation method, device, equipment and computer storage medium
Lim et al. The role of wrist anthropometric measurement in idiopathic carpal tunnel syndrome
de Castro-Santos et al. Accuracy of the pedal acceleration time to diagnose limb ischemia in patients with and without diabetes using the WIfI classification
Sundqvist et al. Diastolic function and its association with diabetes, hypertension and age in an outpatient population with normal stress echocardiography findings
CN111652302A (en) Method and device for explaining insurance underwriting classification result
Nelzén et al. Relationship between clinical severity and hemodynamic impact of great saphenous vein incompetence using strain gauge plethysmography and duplex ultrasound
Panicacci et al. Exploring machine learning algorithms to identify heart failure patients: the tuscany region case study
Morita et al. Analysis of outcome of 6-month readmissions after percutaneous left atrial appendage occlusion
WO2019131255A1 (en) Data processing device, data processing method, and data processing program
Bulamu et al. Measurement properties of utility-based health-related quality-of-life measures in cardiac rehabilitation: a systematic review protocol
JP2022551325A (en) diagnostic tool
Denoble et al. Impact of pre-existing ischemic heart disease on severe maternal morbidity and mortality during delivery hospitalizations
Formiga et al. Diagnosis of heart failure with preserved ejection fraction: a systematic narrative review of the evidence
Conner et al. A step toward health equity for veterans: evidence supports removing race from kidney function calculations

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right