KR20230030629A - 수면 장애 및 치료에 대한 성향을 갖는 개인을 식별하기 위한 시스템 및 방법 - Google Patents
수면 장애 및 치료에 대한 성향을 갖는 개인을 식별하기 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR20230030629A KR20230030629A KR1020237002399A KR20237002399A KR20230030629A KR 20230030629 A KR20230030629 A KR 20230030629A KR 1020237002399 A KR1020237002399 A KR 1020237002399A KR 20237002399 A KR20237002399 A KR 20237002399A KR 20230030629 A KR20230030629 A KR 20230030629A
- Authority
- KR
- South Korea
- Prior art keywords
- individuals
- patient
- data
- individual
- health
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000011282 treatment Methods 0.000 title claims abstract description 47
- 208000019116 sleep disease Diseases 0.000 title claims description 15
- 208000001797 obstructive sleep apnea Diseases 0.000 claims abstract description 83
- 230000036541 health Effects 0.000 claims abstract description 49
- 230000003542 behavioural effect Effects 0.000 claims abstract description 29
- 230000007774 longterm Effects 0.000 claims abstract description 23
- 230000007958 sleep Effects 0.000 claims description 13
- 208000020685 sleep-wake disease Diseases 0.000 claims description 13
- 208000008784 apnea Diseases 0.000 claims description 8
- 238000011866 long-term treatment Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 206010041235 Snoring Diseases 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 206010012601 diabetes mellitus Diseases 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 229940079593 drug Drugs 0.000 claims description 4
- 239000003814 drug Substances 0.000 claims description 4
- 230000037361 pathway Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000036772 blood pressure Effects 0.000 claims description 3
- 208000019622 heart disease Diseases 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 230000008450 motivation Effects 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000002560 therapeutic procedure Methods 0.000 description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 12
- 208000035475 disorder Diseases 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000029058 respiratory gaseous exchange Effects 0.000 description 9
- 238000002644 respiratory therapy Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 206010008501 Cheyne-Stokes respiration Diseases 0.000 description 5
- 208000005793 Restless legs syndrome Diseases 0.000 description 5
- 230000000241 respiratory effect Effects 0.000 description 5
- 208000003417 Central Sleep Apnea Diseases 0.000 description 4
- 208000018360 neuromuscular disease Diseases 0.000 description 4
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 3
- 238000011513 continuous positive airway pressure therapy Methods 0.000 description 3
- 208000000122 hyperventilation Diseases 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000004461 rapid eye movement Effects 0.000 description 3
- 208000023504 respiratory system disease Diseases 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 208000007590 Disorders of Excessive Somnolence Diseases 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 2
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 2
- 206010041349 Somnolence Diseases 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 2
- 230000037007 arousal Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 206010022437 insomnia Diseases 0.000 description 2
- 230000010534 mechanism of action Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000023515 periodic limb movement disease Diseases 0.000 description 2
- 201000004193 respiratory failure Diseases 0.000 description 2
- 210000001584 soft palate Anatomy 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 210000000779 thoracic wall Anatomy 0.000 description 2
- 208000000884 Airway Obstruction Diseases 0.000 description 1
- 206010004716 Binge eating Diseases 0.000 description 1
- 208000032841 Bulimia Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010008589 Choking Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010021079 Hypopnoea Diseases 0.000 description 1
- 206010021133 Hypoventilation Diseases 0.000 description 1
- 208000019695 Migraine disease Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010033307 Overweight Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 206010067775 Upper airway obstruction Diseases 0.000 description 1
- 230000001464 adherent effect Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 208000014679 binge eating disease Diseases 0.000 description 1
- 230000006931 brain damage Effects 0.000 description 1
- 231100000874 brain damage Toxicity 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000001037 epileptic effect Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000000870 hyperventilation Effects 0.000 description 1
- 230000003434 inspiratory effect Effects 0.000 description 1
- 230000008376 long-term health Effects 0.000 description 1
- 206010027599 migraine Diseases 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 210000003300 oropharynx Anatomy 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 208000022925 sleep disturbance Diseases 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4833—Assessment of subject's compliance to treatment
-
- 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
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Psychiatry (AREA)
- Urology & Nephrology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Developmental Disabilities (AREA)
- Physical Education & Sports Medicine (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- General Business, Economics & Management (AREA)
Abstract
시스템 및 방법은 (i) 데이터 저장소에 저장된 환자 데이터를 제공하는 것, (ii) 환자 데이터에 제1 환자 식별 알고리즘을 적용하여, 선택된 신체 및 건강 특성과 연관된 개인의 초기 그룹을 식별하는 것, (iii) 개인의 초기 그룹과 연관된 환자 데이터에 제2 환자 식별 알고리즘을 적용하여, 선택된 거동 특성과 연관된 더 좁은 서브그룹을 식별하는 것, 및 (iv) 환자 데이터로부터 환자 식별 정보를 생성하여 통지를 가능하게 하는 것을 포함한다. 초기 그룹의 식별은 제1 임계값 기준을 충족하거나 초과하는 개인에 대한 폐쇄 수면 무호흡(OSA)의 결정된 우도에 기반한다. 더 좁은 그룹의 식별은 제2 임계값 기준을 충족하거나 초과하는 개인에 대한 OSA 치료에 대한 장기적 준수의 결정된 우도에 기반한다. 더 좁은 서브그룹 내의 개인 중 하나 이상이 OSA에 바람직한 개인이라는 통지는 지정된 엔티티를 갖는다.
Description
관련 출원에 대한 상호 참조
본 출원은 2020년 6월 29일에 출원된 미국 가특허출원 제63/045,397호에 대한 우선권 및 이익을 주장하며, 그 개시내용은 그 전체가 본원에 참조로 포함된다.
기술 분야
본 개시내용은 일반적으로 폐쇄 수면 무호흡을 시사하는 소정 신체 및 건강 특성을 갖는 개인을 식별하기 위한 시스템 및 방법에 관한 것이고; 보다 구체적으로, 본 개시내용은 폐쇄 수면 무호흡 치료에 대한 장기적 준수를 시사하는 거동 특성을 갖는 개인을 추가로 식별하는 시스템 및 방법에 관한 것이다.
많은 개인은 예를 들어 주기성사지운동장애(PLMD), 하지불안증후군(RLS), 수면 호흡 장애(SDB), 예컨대 폐쇄 수면 무호흡(OSA), 중추수면무호흡(CSA), 다른 유형의 무호흡, 예컨대 무호흡과 저호흡의 혼합, 호흡 노력 관련 각성(RERA), 체인-스토크스 호흡(CSR), 호흡 기능부전, 비만 과환기 증후군(OHS), 만성 폐쇄성 폐질환(COPD), 신경근육 질환(NMD), 급속 안구 운동(REM) 거동 장애(RBD로도 지칭됨), 꿈 행동증상(DEB: dream enactment behavior), 고혈압증, 당뇨병, 뇌졸중, 불면증 및 흉벽 장애와 같은 수면 관련 및/또는 호흡 관련 장애를 앓는다. 이러한 장애는 대개 호흡 요법 시스템을 사용하여 치료된다.
그러나, 일부 사용자는, 이러한 시스템이 불편하고/하거나, 사용하기 어렵고/어렵거나, 비싸고/비싸거나, 심미적으로 매력적이지 않고/않거나 시스템 사용과 연관된 이익을 알아차리지 못한다는 것을 발견한다. 결과적으로, 일부 사용자는 호흡 요법 치료를 사용하지 않을 때 자신의 증상의 심각도가 입증되지 않은 상태에서 호흡 요법 시스템 사용을 시작하지 않거나 호흡 요법 시스템 사용을 중단하는 쪽을 택한다. 결과적으로, 일부 사용자는 호흡 요법 시스템이 자신의 수면의 질을 개선하고 이러한 장애의 증상을 감소시키고 있다는 격려나 긍정 없이 호흡 요법 시스템의 사용을 중단할 것이다. 본 개시내용은 이들 및 다른 문제에 대한 해결책에 관한 것이다.
본 개시내용의 일부 구현예에 따르면, 방법은 데이터 저장소에 저장된 환자 데이터를 제공하는 단계를 포함한다. 환자 데이터는 식별 가능한 개인에 대응하는 신체, 건강 및 거동 데이터를 포함한다. 방법은 또한 선택된 신체 및 건강 특성과 연관된 개인의 초기 그룹을 식별하기 위해, 제1 환자 식별 알고리즘을 적용하여 환자 데이터의 적어도 일부를 프로세싱하는 단계를 포함한다. 개인의 초기 그룹의 식별은 제1 임계값 기준을 충족하거나 초과하는 식별 가능한 개인에 대한 폐쇄 수면 무호흡의 결정된 우도에 기반한다. 방법은 또한 선택된 거동 특성과 연관된 개인의 더 좁은 서브그룹을 식별하기 위해, 제2 환자 식별 알고리즘을 적용하여 개인의 초기 그룹과 연관된 환자 데이터의 적어도 일부를 프로세싱하는 단계를 포함한다. 개인의 더 좁은 그룹의 식별은 제2 임계값 기준을 충족하거나 초과하는 더 좁은 서브그룹 내의 개인에 대한 폐쇄 수면 무호흡 치료에 대한 장기적 준수의 결정된 우도에 기반한다. 환자 식별 정보는 환자 데이터로부터 생성되어, 더 좁은 서브그룹 내의 개인 중 하나 이상이 폐쇄 수면 무호흡 치료에 바람직한 개인임을 하나 이상의 지정된 엔티티에 통지하는 것을 가능하게 한다.
본 개시내용의 일부 구현예에 따르면, 시스템은 하나 이상의 프로세서, 및 기계 판독 가능 명령이 저장된 메모리를 포함하는 제어 시스템을 포함한다. 제어 시스템은 메모리에 결합되고, 방법은 메모리 내의 기계 실행 가능 명령이 제어 시스템의 하나 이상의 프로세서 중 적어도 하나에 의해 실행될 때 구현된다.
본 개시내용의 일부 구현예에 따르면, 시스템은 잠재적인 수면 장애를 가질 가능성이 있고, 처방된 장기적 치료 계획을 준수할 가능성이 있는 개인을 식별한다. 시스템은 방법을 구현하도록 구성된 제어 시스템 제어 시스템을 포함한다.
일부 구현예에 따르면, 컴퓨터 프로그램 제품은 컴퓨터에 의해 실행될 때, 컴퓨터로 하여금 방법을 수행하게 하는 명령을 포함한다.
일부 구현예에 따르면, 컴퓨터 프로그램 제품은 비일시적 컴퓨터 판독 가능 매체이다.
상기 요약은 본 개시내용의 각각의 구현예 또는 모든 양태를 나타내도록 의도되지 않는다. 본 개시내용의 추가 특징 및 이익은 아래에 제시된 상세한 설명 및 도면으로부터 명백하다.
도 1a는 본 개시내용의 일부 구현예에 따른, 수면 장애를 갖고 수면 장애 치료 계획을 채택하려는 장기적 성향을 갖는 개인을 식별하기 위해 데이터를 분석하기 위한 예시적인 시스템의 기능 블록도이다.
도 1b는 본 개시내용의 일부 구현예에 따른, 수면 장애를 갖고 수면 장애 치료 계획을 채택하려는 장기적 성향을 갖는 개인을 식별하기 위해 데이터를 분석하기 위한 다른 예시적인 시스템의 기능 블록도이다.
도 2는 본 개시내용의 일부 구현예에 따른, 수면 장애를 갖고 수면 장애 치료 계획을 채택하려는 장기적 성향을 갖는 개인을 식별하기 위한 예시적인 방법의 프로세스 흐름도이다.
도 3은 본 개시내용의 일부 구현예에 따른, 수면 장애를 갖고 수면 장애 치료 계획을 채택하려는 장기적 성향을 갖는 개인을 식별하기 위해 알고리즘을 훈련시키기 위한 예시적인 방법의 프로세스 흐름도이다.
본 개시내용은 다양한 수정 및 대안적 형태를 허용하지만, 특정 구현예 및 그의 실시형태는 도면에 예로서 도시되었고 본원에 상세하게 설명될 것이다. 그러나, 이는 본 개시내용을 개시된 특정 형태로 제한하고자 하는 것이 아니라, 반대로, 본 개시내용이 첨부된 청구항에 의해 정의된 바와 같이 본 개시내용의 사상 및 범위 내에 속하는 모든 수정, 균등물 및 대안을 포괄하는 것으로 이해되어야 한다.
도 1b는 본 개시내용의 일부 구현예에 따른, 수면 장애를 갖고 수면 장애 치료 계획을 채택하려는 장기적 성향을 갖는 개인을 식별하기 위해 데이터를 분석하기 위한 다른 예시적인 시스템의 기능 블록도이다.
도 2는 본 개시내용의 일부 구현예에 따른, 수면 장애를 갖고 수면 장애 치료 계획을 채택하려는 장기적 성향을 갖는 개인을 식별하기 위한 예시적인 방법의 프로세스 흐름도이다.
도 3은 본 개시내용의 일부 구현예에 따른, 수면 장애를 갖고 수면 장애 치료 계획을 채택하려는 장기적 성향을 갖는 개인을 식별하기 위해 알고리즘을 훈련시키기 위한 예시적인 방법의 프로세스 흐름도이다.
본 개시내용은 다양한 수정 및 대안적 형태를 허용하지만, 특정 구현예 및 그의 실시형태는 도면에 예로서 도시되었고 본원에 상세하게 설명될 것이다. 그러나, 이는 본 개시내용을 개시된 특정 형태로 제한하고자 하는 것이 아니라, 반대로, 본 개시내용이 첨부된 청구항에 의해 정의된 바와 같이 본 개시내용의 사상 및 범위 내에 속하는 모든 수정, 균등물 및 대안을 포괄하는 것으로 이해되어야 한다.
많은 개인은 수면 관련 및/또는 호흡 장애를 앓는다. 수면 관련 및/또는 호흡 장애의 예는 주기성사지운동장애(PLMD), 하지불안증후군(RLS), 수면 호흡 장애(SDB), 예컨대 폐쇄 수면 무호흡(OSA), 중추수면무호흡(CSA), 및 다른 유형의 무호흡, 예컨대 무호흡과 저호흡의 혼합, 호흡 노력 관련 각성(RERA), 체인-스토크스 호흡(CSR), 호흡 기능부전, 비만 과환기 증후군(OHS), 만성 폐쇄성 폐질환(COPD), 신경근육 질환(NMD), 급속 안구 운동(REM) 거동 장애(RBD로도 지칭됨), 꿈 행동증상(DEB), 고혈압증, 당뇨병, 뇌졸중, 불면증 및 흉벽 장애를 포함한다.
폐쇄 수면 무호흡(OSA), 즉 수면 호흡 장애(SDB)의 한 형태는 비정상적으로 작은 상기도와, 혀, 연구개 및 구인두 후벽의 영역에서 근긴장도의 정상적인 손실의 조합으로 인한 수면 중 상부 기도의 폐색 또는 폐쇄를 포함하는 이벤트를 특징으로 한다. 이러한 장애는 개인이 자고 있을 때 발생하는 특정 이벤트(예를 들어, 코골이, 무호흡, 저호흡, 하지불안, 수면 장애, 질식, 심박수 증가, 노력성 호흡, 천식 발작, 간질 에피소드, 발작 또는 이들의 임의의 조합)를 특징으로 한다.
폐쇄 수면 무호흡(OSA)은 영향을 받은 환자가 통상적으로 30 내지 120초의 지속기간 동안, 때로는 밤마다 200 내지 300회 호흡을 멈추게 한다. 이는 대개 과도한 주간 경면을 야기하며, 심혈관 질환 및 뇌 손상을 야기할 수 있다. 이 증후군은 특히 중년의 과체중 남성에게 흔한 장애이지만, 영향을 받은 사람은 문제를 인식하지 못할 수 있다. 미국 특허 제4,944,310호(Sullivan)를 참조한다.
호흡 압력 요법(RPT) 디바이스는, 예컨대 기도로의 인터페이스로 전달하기 위해 공기 흐름을 생성하도록 디바이스를 동작시킴으로써, 여러 요법 중 하나 이상을 전달하기 위해 개별적으로 또는 시스템의 일부로 사용될 수 있다. 공기의 흐름은 압력-제어(호흡 압력 요법을 위해) 또는 흐름-제어(HFT와 같은 흐름 요법을 위해)될 수 있다. 따라서 RPT 디바이스는 흐름 요법 디바이스로서도 작용할 수 있다. RPT 디바이스의 예는 지속적 기도 양압(CPAP) 디바이스를 포함한다.
CPAP 요법은 폐쇄 수면 무호흡(OSA)을 치료하는 데 사용되어 왔다. 작용 메커니즘은 연구개 및 혀를 구인두 후벽으로부터 멀리 전방으로 미는 것 등에 의해, 지속적 기도 양압이 공압 부목으로서 작용하고 상기도 폐색을 방지할 수 있다는 것이다. CPAP 요법은 환자가 요법에 순응하는 경우 소정 호흡 장애를 치료하는 데 매우 효과적이다. 마스크가 불편하거나 사용하기 어려운 경우, 환자는 요법에 순응하지 않을 수 있다. 환자는 대개 정기적으로 자신의 마스크를 세척할 것을 권장받기 때문에, 마스크를 청소하기 어려운 경우(예를 들어, 조립 또는 분해하기 어려운 경우), 환자는 자신의 마스크를 청소하지 않을 수 있으며 이는 환자 순응도에 영향을 미칠 수 있다. CPAP 요법에 의한 OSA의 치료는 자발적일 수 있고, 따라서 환자는 이러한 요법을 제공하는 데 사용되는 디바이스에 관해 다음 중 하나 이상을 발견하는 경우, 요법에 순응하지 않는 쪽을 택할 수 있다: 불편함, 사용하기 어려움, 비쌈, 및 심미적으로 매력적이지 않음.
모든 호흡 요법이, 처방된 요법 압력을 전달하는 것을 목표로 하는 것은 아니다. 일부 호흡 요법은 아마도 표적화된 지속기간에 걸쳐 유량 프로파일을 표적화함으로써, 처방된 호흡량을 전달하는 것을 목표로 할 것이다. 다른 경우에, 환자의 기도에 대한 인터페이스는 '개방'되고(밀봉되지 않고), 호흡 요법은 환자 자신의 자발 호흡만을 보완할 수 있다. 일 예에서, 고유량 요법(HFT)은 호흡 사이클 전체에 걸쳐 대략 일정하게 유지되는 "치료 유량"으로 밀봉되지 않거나 개방된 환자 인터페이스를 통해 기도로의 입구에 지속적인, 가열된, 가습된 공기 흐름을 제공한다. 치료 유량은 명목상 환자의 피크 흡기 유량을 초과하도록 설정된다. HFT는 OSA, CSR, COPD 및 다른 호흡 장애를 치료하는 데 사용되어 왔다. 하나의 작용 메커니즘은 기도 입구에서의 고유량의 공기가 환자의 해부학적 사강으로부터 호기된 CO2를 플러싱하거나 세척함으로써 환기 효율을 향상시키는 것이다. 따라서, HFT는 때때로 사강 요법(DST)으로 지칭된다. 다른 흐름 요법에서, 치료 유량은 호흡 사이클에 걸쳐 변하는 프로파일을 따를 수 있다.
개인의 다양한 신체 및 건강 특성은 OSA에 기인하거나 그에 의해 강화될 수 있다. 예를 들어, OSA에 직접 또는 간접적으로 기인하거나 그를 강화하는 신체 특성은 개인의 목 둘레, 체중, 성별, 혈압, 연령, 체질량지수 및 다른 특성을 포함할 수 있다. OSA에 직접 또는 간접적으로 기인하거나 그에 의해 강화되는 건강 특성은 코골이 이력, 심장 질병, 피로의 이력, 관찰된 무호흡, 당뇨병 및 다른 특성을 포함할 수 있다. 또한, OSA를 갖거나 가질 가능성이 있고, OSA에 대한 장기적 치료 계획에 순응할 가능성이 있는 개인의 소정 거동 특성은 교육, 고용, 거주지, 결혼 상태 등과 같은 개인의 인구통계학적 정보를 포함한다. OSA를 갖거나 가질 가능성이 있고, OSA에 대한 장기적 치료 계획에 순응할 가능성이 있는 개인의 추가 거동 특성은 개인의 동기, 피트니스 수준, 운동 루틴, 처방된 약물 프로토콜에 대한 준수, 이전 의사 권장사항에 대한 준수 및 다른 특성을 포함할 수 있다.
개인의 신체, 건강 및 거동 특성과 연관된 데이터는 다양한 소스에 의해 수집되며 의료 기록의 일부일 수 있는 과거 환자 데이터로서 저장될 수 있다. 데이터는 환자 방문 동안 의료 제공자에 의해 수집될 수 있으며, 예를 들어 케어 관리 플랫폼 내에 저장될 수 있다. 데이터는 또한 통합 전달 네트워크, 의료 시스템, 의료 지불인 및 다른 관리자에 의해 수집될 수 있다. 일부 경우에서, 데이터는 환자에 의해 직접 또는 간접적으로 제공될 수 있다. 일부 경우에서, 데이터는 의사 또는 다른 의료 전문가에 의해 수집될 수 있다. 또 다른 경우에, 거동 정보와 같은 데이터는 그러한 데이터가 개인의 거동, 신체 및 건강 특성 데이터에 기인할 수 있는 정도로, 제3자 소스로부터 수집될 수 있다. 이 모든 데이터는 데이터 저장소에 저장될 수 있다. 본 개시내용의 시스템 및 방법의 바람직한 구현예는 폐쇄 수면 무호흡을 시사하는 소정 신체 및 건강 특성을 갖는 개인을 데이터 저장소로부터 식별하고, OSA 치료에 대한 장기적 준수를 시사하는 소정 거동 특성을 갖는 개인을 추가로 식별하는 것이다.
OSA는 OSA를 갖는 개인의 삶의 질에 중대한 영향을 미치는 것과 함께, 의료 제공자 및 지불인에 대한 장기적 비용을 증가시키는 다른 많은 의학적 문제의 원인이 되는 요인이다. 의학적 문제를 갖는 환자가 OSA를 갖는 것으로 결정된 경우, OSA 질병을 치료하는 것은 의학적 문제를 최소화하거나, 일부 경우에는 제거할 수 있다. 이는 특히 OSA가 조기에 치료되는 경우 장기적 의료 비용을 최소화하고 개인의 삶의 질을 향상시키기 때문에 바람직할 수 있다. OSA는 많은 긍정적인 이익을 갖지만, OSA 치료 계획을 처방받은 모든 개인이 치료를 장기적으로 준수하는 것은 아니며, 이는 치료 이익을 감소시킬 수 있다. 본 개시내용의 바람직한 양태는 개인의 신체 및 건강 특성 데이터에 기반하여 OSA를 가질 가능성이 있는 것으로 초기에 식별된, OSA 치료 계획을 준수할 가능성이 있는 개인을 과거 환자 데이터의 저장소로부터 식별하는 것이다.
환자 건강 기록의 데이터베이스와 같은 데이터베이스로부터 데이터를 수신하거나 그에 액세스하고, 제1 훈련된 알고리즘을 사용하여 개인의 초기 그룹을 생성하기 위해 OSA를 가질 가능성이 있는 현재 환자를 식별하는 시스템이 고려된다. 이어서, 초기 그룹 내의 개인 각각에 대한 데이터의 일부 또는 전부는 제2 훈련된 알고리즘을 통해 프로세싱되어 OSA 치료 요법(예를 들어, CPAP, 하악 재배치 디바이스, 자극 요법, 생활 방식 변경)을 장기적으로 채택 및/또는 준수할 가능성이 있는 현재 환자를 식별하여 개인의 초기 그룹의 서브그룹을 생성한다. 일부 양태에서, 개인의 서브그룹은 고려된 시스템의 메인 출력이고 서브그룹 내의 개인 각각과 연관된 환자 식별 정보를 가질 수 있다. 이어서, 이 개인의 서브그룹은 OSA 치료, 및 장기적 의료 비용 최소화 및 삶의 질 향상의 예상 이익에 관해 상담을 받아야 하는 후보자로서 의료 제공자, 의료 지불인 또는 개인 자신에게 식별될 수 있다.
도 1a 및 도 1b를 참조하면, 시스템(100, 100')은 데이터 저장소(200, 200'), 메모리(300, 300'), 제어 시스템(400, 400'), 및 하나 이상의 단말 디바이스(500, 500')(이하, 단말 디바이스(500, 500'))를 포함한다. 본원에 설명된 바와 같이, 시스템(100, 100')은 일반적으로 잠재적인 수면 장애(예를 들어, 폐쇄 수면 무호흡)를 가질 가능성이 있고 (예를 들어, 의사 또는 다른 처방자에 의해) 처방된 장기적 치료 계획을 준수할 가능성이 있는 개인(예를 들어, 의료 제공자의 환자)을 식별하는 데 사용될 수 있다.
시스템(100, 100')이 다양한 요소를 포함하는 것으로 도시되어 있지만, 시스템(100, 100')은 본원에 도시되고 설명된 요소의 임의의 부분 및/또는 서브세트를 포함할 수 있고/있거나 시스템(100, 100')은 도 1a 또는 도 1b에 구체적으로 도시되지 않은 하나 이상의 추가 요소를 포함할 수 있다. 데이터 저장소(200, 200')는 각각의 네트워크(250, 250')에 통신 가능하게 결합된다. 일부 구현예에서, 데이터 저장소(200, 200')는 이들의 각각의 네트워크(250, 250')를 통해, 또는 다른 네트워크(255, 255')를 통해 각각의 제어 시스템(400, 400') 및/또는 하나 이상의 각각의 단말 디바이스(500, 500')에 통신 가능하게 연결된다.
데이터 저장소(200, 200')는 환자 또는 환자 기인 데이터를 저장하기 위한 복수의 저장 디바이스를 포함한다. 본 개시내용의 일부 구현예에서, 데이터 저장소(200 및 200')는 개인에 대한 전자 건강 데이터 기록을 포함할 수 있고 건강 특성 데이터(220)(또는 도 1b에서 220') 및 거동 특성 데이터(230)(또는 도 1b에서 230')와 함께 복수의 개인에 대한 신체 특성 데이터(210)(또는 도 1b에서 210')를 가질 수 있다. 데이터 저장소(200 및 200')(도 1b에서)는 다양한 저장 디바이스를 포함하는 것으로 도시되어 있지만, 데이터 저장소(200 또는 210')는 본원에 도시되고 설명된 요소의 임의의 서브세트를 포함할 수 있고/있거나 데이터 저장소(200 또는 210')는 도 1에 구체적으로 도시되지 않은 하나 이상의 추가 요소를 포함할 수 있다.
데이터 저장소(200 또는 200')(도 1b에서)에 저장된 데이터는 매우 다양한 유형 및/또는 내용의 데이터를 포함할 수 있다. 예를 들어, 일부 구현예에서, 데이터 저장소(200 또는 200')에 저장된 데이터는 목 둘레, 체중, 성별, 혈압, 연령 및/또는 체질량지수와 같은 OSA에 직접 또는 간접적으로 기인하거나 그를 강화할 수 있는 신체 특성 데이터를 포함한다. 다른 예에서, 데이터는 코골이 이력, 심장 질병, 피로의 이력, 관찰된 무호흡, 및/또는 당뇨병과 같은 OSA에 직접 또는 간접적으로 기인하거나 그를 강화하는 건강 특성 데이터를 포함한다. 다른 예에서, 데이터는 OSA를 갖거나 가질 가능성이 있고, OSA에 대한 장기적 치료 계획에 순응할 가능성이 있는 개인의 소정 거동 특성, 예컨대 교육, 고용, 거주지, 결혼 상태 및/또는 의료 지불인 정보와 같은 인구통계학적 정보를 포함한다. 일부 구현예에서, 데이터는 OSA를 갖거나 가질 가능성이 있고, OSA에 대한 장기적 치료 계획에 순응할 가능성이 있는 개인의 추가 거동 특성 데이터, 예컨대 동기, 피트니스 수준, 운동 루틴, 처방된 약물 프로토콜에 대한 준수 및/또는 이전 의사 권장사항에 대한 준수를 포함한다. 데이터 저장소(200 또는 200')에 저장된 데이터는 식별 가능한 개인(예를 들어, 현재 또는 이전 환자)에 대응하는 신체, 건강 및 거동 특성 데이터와 같은 과거 환자 데이터를 포함한다.
식별 가능한 개인에 대응하는 데이터 저장소(200 또는 200')에 저장된 추가 데이터를 추가로 상술한다. 다른 예를 들면, 일부 구현예에서, 데이터는 개인과 유사한 다수의 개인과 연관된 준수 데이터를 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 개인이 수면 중에 호흡 곤란에 직면하는지 여부를 결정하는 것을 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 개인의 관계 정보를 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 개인에 의해 수행되는 웹 검색을 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 개인이 폭식과 같은 거동을 나타낼 가능성이 있는지 여부에 대한 결정, 개인이 거동을 변경할 가능성이 있는지 여부에 대한 결정, 또는 둘 모두를 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 개인이 변경한 임상 거동에 대한 이력 설명의 적어도 일부의 요약을 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 개인에 의한 두통 및/또는 편두통 경험의 발생 및/또는 빈도를 포함하는 하나 이상의 일일 건강 평가를 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 개인의 부양 가족 정보를 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 모바일 기반 또는 웹 기반 건강 애플리케이션에서의 개인의 구독, 개인과 연관된 소셜 미디어 정보, 또는 이들의 임의의 조합을 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 기술의 얼리 어답터일 개인의 경향의 결정을 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 개인이 약물 사용자인지 여부와 연관된 정보, 개인이 알코올을 소비하는지 여부와 연관된 정보, 또는 이들의 임의의 조합을 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 연령, 성별, BMI, 건강 정보, 개인이 흡연자인지 비흡연자인지 여부, 개인이 알코올을 마시는지 여부, 또는 이들의 임의의 조합과 같은 정보를 포함한다. 다른 예를 들면, 일부 구현예에서, 데이터는 주간 졸음, 코골이, 피로, 운동 수준(지속기간, 강도, 유형), 수면 유지 곤란 등, 또는 이들의 임의의 조합과 같은 자가 보고 통점과 같은 정보를 포함한다. 데이터 저장소(200 또는 210')에 저장된 데이터가 위에서 설명된 유형의 데이터 및/또는 본원에 구체적으로 설명되지 않은 다른 유형의 데이터의 임의의 조합을 포함할 수 있다는 것이 이해된다.
일부 구현예에서, 제어 시스템(400)(또는 도 1b에서 400')은 환자 데이터의 적어도 일부를 프로세싱하기 위해 제1 환자 식별 알고리즘을 적용하여, 선택된 신체 및 건강 특성과 연관된 개인의 초기 그룹을 식별하기 위해 기계 판독 가능 명령(각각의 메모리(도 1a에서 300 또는 도 1b에서 300'), 또는 상이한 메모리 또는 둘 모두에 저장됨)을 실행한다. 개인의 초기 그룹의 식별은 제1 임계값 기준 또는 사전 결정된 임계값을 충족하거나 초과하는 식별 가능한 개인에 대한 폐쇄 수면 무호흡의 결정된 우도에 기반한다. 제어 시스템(400 또는 400')은 선택된 거동 특성과 연관된 개인의 더 좁은 서브그룹을 식별하기 위해, 제2 환자 식별 알고리즘을 적용하여 개인의 초기 그룹과 연관된 환자 데이터의 적어도 일부를 프로세싱하도록, 기계 판독 가능 명령(각각의 메모리(300 또는 300'), 또는 상이한 메모리 또는 둘 모두에 저장됨)을 추가로 실행한다. 개인의 더 좁은 그룹의 식별은 제2 임계값 기준 또는 사전 결정된 임계값을 충족하거나 초과하는 더 좁은 서브그룹 내의 개인에 대한 폐쇄 수면 무호흡 치료에 대한 장기적 준수의 결정된 우도에 기반한다. 마지막으로, 제어 시스템(400 또는 400')은 환자 데이터로부터 환자 식별 정보를 생성하여, 더 좁은 서브그룹 내의 개인 중 하나 이상이 폐쇄 수면 무호흡 치료에 바람직한 개인임을 하나 이상의 지정된 엔티티에 통지하는 것을 가능하게 하기 위해 기계 판독 가능 명령(각각의 메모리(300 또는 300'), 또는 상이한 메모리 또는 둘 모두에 저장됨)을 실행한다. 일부 구현예에서, 환자 식별 알고리즘은 기계 학습 알고리즘일 수 있다. 일부 구현예에서, 환자 식별 알고리즘은 사전 프로그래밍된 알고리즘일 수 있다. 일부 구현예에서, 사전 프로그래밍된 알고리즘은 사용자가 원하는 바와 같이 사전 결정된 간격을 두고 업데이트될 수 있다.
일부 구현예에서, 데이터 저장소(200 또는 200')에 저장된 데이터는 복수의 개인과 연관된 훈련 데이터(예를 들어, 이력, 실시간)를 포함할 수 있다. 이러한 일부 구현예에서, 제어 시스템(400 또는 400')은 훈련 데이터로 기계 학습 환자 식별 알고리즘(들)(도 1a에서 330 또는 도 1b에서 330')(메모리(300 또는 300'), 또는 상이한 메모리 또는 둘 모두에 저장됨)을 훈련시키기 위해 기계 판독 가능 명령(각각의 메모리(300 또는 300'), 또는 상이한 메모리 또는 둘 모두에 저장됨)을 실행한다. 훈련 데이터를 사용함으로써, 기계 학습 환자 식별 알고리즘(들)(330 또는 330')은 식별 가능한 개인과 연관된 데이터 저장소(200 또는 200')에 저장된 데이터의 적어도 일부를 입력으로서 수신하도록 구성된다.
하나 이상의 단말 디바이스(도 1a에서 500 또는 도 1b에서 500')는 개인, 의료 제공자, 통합 전달 네트워크, 의료 지불인, 관리자 또는 다른 지정된 엔티티와 연관될 수 있다. 일부 구현예에서, 단말 디바이스(500)(또는 500')는 제어 시스템(400 또는 400')으로부터 하나 이상의 통지를 수신하도록 구성된다. 일부 구현예에서, 통지는 환자 식별 알고리즘에 의해 식별된 더 좁은 서브그룹 내의 개인 중 하나 이상이 OSA 치료에 바람직한(예를 들어, 장기적 치료를 준수할 가능성이 있는) 개인인 것을 포함한다. 하나 이상의 단말 디바이스(500 또는 500')는 개인용 컴퓨터(510)(또는 도 1b에서 510'), 모바일 디바이스(520)(도 1b에서 520'), 또는 이들의 임의의 조합을 포함할 수 있다. 일부 구현예에서, 단말 디바이스(500 또는 500')는 의료 기록의 일부로서든, 개인(예를 들어, 환자)으로부터 직접 수신된 데이터이든, 데이터 저장소로 전송될 수 있는 환자 데이터와 같은 데이터를 데이터 저장소(200 또는 200')에 전달하고/하거나 그로부터 수신할 수 있다.
일부 구현예에서, 메모리(300 또는 300')는 기계 판독 가능 명령(320 또는 320') 및 제1 및 제2 환자 식별 알고리즘을 저장한다. 제어 시스템(400 또는 400')은 각각의 메모리(300 또는 300')에 통신 가능하게 결합되고 하나 이상의 프로세서(410 또는 410')를 포함한다. 제어 시스템(400)은 일반적으로 시스템(100)의 다양한 구성요소를 제어하고/하거나(예를 들어, 작동시키고/시키거나), 시스템(100)의 구성요소에 의해 얻어지고/얻어지거나 생성된 데이터를 분석하는 데 사용된다. 제어 시스템(400')은 유사하게 시스템(100')의 다양한 구성요소를 제어하고/하거나(예를 들어, 작동시키고/시키거나), 구성요소(200' 및/또는 500')에 의해 시스템 외부에서 얻어지고/얻어지거나 생성된 데이터를 분석하는 데 사용된다. 프로세서(410)(또는 도 1b에서 410')는 각각의 메모리 디바이스(300 또는 300')에 저장되고 범용 또는 특수 목적 프로세서 또는 마이크로프로세서일 수 있는 각각의 기계 판독 가능 명령(320)(또는 도 1b에서 320')을 실행한다.
하나의 프로세서(410)가 도 1a에, 그리고 하나의 프로세서가 도 1b에 도시되지만, 각각의 제어 시스템(400 또는 400')은 임의의 적합한 수의 프로세서(예를 들어, 1개의 프로세서, 2개의 프로세서, 5개의 프로세서, 10개의 프로세서 등)를 포함할 수 있다. 각각의 메모리(300 또는 300')는 예를 들어 랜덤 또는 직렬 액세스 메모리 디바이스, 하드 드라이브, 솔리드 스테이트 드라이브, 플래시 메모리 디바이스 등과 같은 임의의 적합한 컴퓨터 판독 가능 저장 디바이스 또는 매체일 수 있다. 제어 시스템(400) 및/또는 메모리(300)는 단말 디바이스(500) 중 하나 이상의 하우징에 결합 및/또는 그 안에 위치결정될 수 있다. 제어 시스템(400) 및/또는 메모리(300)는 중앙 집중식(하나의 이러한 하우징 내) 또는 분산식(2개 이상의 물리적으로 구별되는 하우징 내)일 수 있다. 제어 시스템(400') 및/또는 메모리(300')는 중앙 집중식(하나의 이러한 하우징 내) 또는 분산식(2개 이상의 물리적으로 구별되는 하우징 내)일 수 있다.
본 개시내용의 일부 구현예에서, 프로세서(410)(또는 도 1b에서 410')는 데이터 저장소(200 또는 200')(도 1b에서)에 저장된 데이터의 적어도 일부를 수신하기 위해 기계 판독 가능 명령(320)(또는 도 1b에서 320')을 실행하도록 구성된다. 이러한 일부 구현예에서, 수신된 데이터의 일부는 식별 가능한 개인에 대응한다. 메모리(300 또는 300')(도 1b에서)의 제1 및 제2 환자 식별 알고리즘은 수신된 데이터 또는 그의 일부를 프로세싱하여 OSA 치료에 바람직한(예를 들어, 치료를 장기적으로 준수할 가능성이 있는) 식별 가능한 개인을 결정한다.
일부 구현예에서, 개인의 초기 그룹에서 식별될 개인에 대한 폐쇄 수면 무호흡의 결정된 우도는 제1 임계값 기준(예를 들어, 95%를 초과하는 OSA 우도, 90%를 초과하는 OSA 우도, 80%를 초과하는 OSA 우도, 70%를 초과하는 OSA 우도, 60%를 초과하는 OSA 우도)을 충족하거나 초과하는 개인을 포함한다. 일부 구현예에서, 개인에 대한 OSA 치료에 대한 장기적 준수의 결정된 우도(개인의 더 좁은 서브그룹에 포함시키기 위해)는 제2 임계값 기준(예를 들어, 95%를 초과하는 준수 우도, 90%를 초과하는 준수 우도, 80%를 초과하는 준수 우도, 70%를 초과하는 준수 우도, 60%를 초과하는 준수 우도)을 충족하거나 초과하는 데이터와 연관된 개인을 포함한다.
일부 구현예에서, 프로세서(410 또는 410')는 기계 판독 가능 명령(320 또는 320')을 실행하여, OSA 치료에 바람직한 개인의 더 좁은 서브그룹 내의 하나 이상의 개인을 위해 개인화된 치료 경로(들)를 생성한다. 개인화된 치료 경로는 더 좁은 서브그룹 내의 하나 이상의 개인 각각에 대응하는 신체, 건강 및/또는 거동 특성 데이터에 기반한다.
본원에 기술된 시스템은 알고리즘-구동 모듈을 통해 OSA를 가질 임계값 우도 및 OSA 치료에 대한 장기적 준수에 대한 임계값 우도를 갖는 환자를 식별하는 것을 포함하는 것으로 고려된다. 설명된 시스템 및 방법은 과거 환자 데이터를 검토하여 의료 제공자(예를 들어, 심장 전문의, 내분비 전문의, 가정의)의 이전 환자를 식별할 수 있는 능력 면에서 바람직하고, 데이터에 기반하여, OSA를 가질 가능성이 있고 치료 계획을 준수할 가능성이 있는 그러한 과거 환자 내에서 개인을 식별할 수 있다.
일부 구현예에서, 시스템 및 방법은 식별된 환자에게 있어 성공적일 원하는 치료 경로로 제공자를 추가로 이끌 수 있다. 심장학 의료 제공자의 예에서, 심장 문제를 갖는 과거 환자, 또는 심장 문제로 이어지는 경로에 있는 과거 환자는 시스템에 의해 심장 문제의 원인이 될 가능성이 있는 OSA 우도를 갖는 것으로 식별될 수 있다. 식별된 환자가 OSA의 치료를 준수할 우도를 시사하는 거동 특성도 갖고 있는 경우, 환자 정보는 의료 제공자, 의료 지불인 또는 통합 전달 네트워크로 전송되어, 이 지정된 엔티티가 과거 환자와 상담하게 할 수 있다.
이제 도 2를 참조하면, 수면 장애를 갖는 개인 및 치료 계획을 채택하려는 장기적 성향을 갖는 개인을 식별하기 위한 방법의 프로세스 흐름도가 도시된다. 단계(600)에서, 저장되거나 데이터 저장소로부터 검색되는 환자 데이터가 제공된다. 환자 데이터는 식별 가능한 개인에 대응하는 신체, 건강 및 거동 특성 데이터를 포함한다. 단계(610)에서, 선택된 신체 및 건강 특성과 연관된 개인의 초기 그룹을 식별하기 위해, 제1 환자 식별 알고리즘이 적용되어 환자 데이터의 적어도 일부를 프로세싱한다. 신체 및 건강 특성은 신체 특성 데이터(613) 및 건강 특성 데이터(616)로부터 도출될 수 있다. 개인의 초기 그룹의 식별은 제1 임계값 기준을 충족하거나 초과하는 식별 가능한 개인에 대한 폐쇄 수면 무호흡의 결정된 우도에 기반한다. 단계(620)에서는, 선택된 거동 특성과 연관된 개인의 더 좁은 서브그룹을 식별하기 위해, 제2 환자 식별 알고리즘이 적용되어 개인의 초기 그룹과 연관된 환자 데이터의 적어도 일부를 프로세싱한다. 거동 특성은 거동 특성 데이터(623)로부터 도출될 수 있다. 개인의 더 좁은 그룹의 식별은 제2 임계값 기준을 충족하거나 초과하는 더 좁은 서브그룹 내의 개인에 대한 폐쇄 수면 무호흡 치료에 대한 장기적 준수의 결정된 우도에 기반한다. 단계(630)에서는, 환자 데이터로부터 환자 식별 정보가 생성되어, 더 좁은 서브그룹 내의 개인 중 하나 이상이 폐쇄 수면 무호흡 치료에 바람직한 개인임을 하나 이상의 지정된 엔티티에 통지하는 것을 가능하게 한다.
일부 구현예에서, 하나 이상의 지정된 엔티티는 통지를 받을 수 있고, 의료 제공자, 통합 전달 네트워크, 의료 지불인, 관리자, 하나 이상의 개인 중 적어도 하나, 또는 이들의 임의의 조합을 포함할 수 있다.
일부 구현예에서는, 개인의 더 좁은 서브그룹 내의 하나 이상의 개인 각각에 대응하는 신체, 건강 및 거동 데이터에 적어도 부분적으로 기반하여 하나 이상의 식별된 개인을 위해 개인화된 치료 경로가 생성된다. 예를 들어, 개인화된 치료 경로는 식별된 개인을 위한 바람직한 수면 테스트 방법을 식별하거나 OSA를 치료함으로써 개선된 건강 결과의 분석을 포함할 수 있다. 개선된 건강 결과는 감소된 사망률, 재입원, 입원 시간 또는 이들의 임의의 조합을 포함할 수 있다. 다른 개선된 건강 결과는 개선된 임상, 재정 및 환자 경험을 포함할 수 있다. 생성된 개인 치료 경로는 대응하는 개인, 의료 제공자, 다른 지정된 엔티티 또는 이들의 임의의 조합으로 송신될 수 있다.
일부 구현예에서, 통지는 잠재적인 폐쇄 수면 무호흡의 치료에 의한 잠재적인 의료비 절약의 분석을 포함할 수 있다.
일부 구현예에서, 경고는 대응하는 개인에게 직접 송신되어, 자신의 의료 제공자에게 수면 테스트에 관해 질문한다.
일부 구현예에서, 생성된 환자 식별 정보는 제3자가 액세스할 수 있는 네트워크 서버 상에 제공될 수 있다.
일부 구현예에서, 데이터 저장소는 케어 관리 플랫폼, 의료 시스템, 또는 둘 모두와 연관된 데이터를 포함할 수 있다. 일부 구현예에서, 환자 데이터는 과거 환자 데이터를 포함한다.
일부 구현예에서, 선택된 신체 및 건강 특성 중 하나 이상은 식별 가능한 개인에 의해 제공되는 정보를 포함한다. 일부 구현예에서, 선택된 건강, 거동, 또는 인구통계학적 정보는 1회 이상의 이전 환자 조우 동안 의료 제공자에 의해 입력된 데이터이다.
일부 구현예에서, 식별된 개인에 대한 통지는 건강 포털을 통해 전달되는 다이렉트 메시지 또는 이메일 메시지를 포함한다. 일부 구현예에서, 식별된 개인과 연관된 의료 제공자 또는 관리자에 대한 통지는 환자 추적 검사를 초래할 가능성이 가장 높은 통신 방법의 명시를 포함한다. 일부 구현예에서, 통신 방법은 문자 메시지, 이메일, 전화 통화, 또는 방문을 예정하기 위한 초대장 중 하나를 포함한다. 일부 구현예에서, 통신 방법은 문자 메시지, 이메일, 전화 통화, 또는 관리자, 간호사, 또는 의사 중 하나에 의해 개시되는 방문을 예정하기 위한 초대장의 전달을 더 포함할 수 있다.
일부 구현예에서, 개인의 더 좁은 서브그룹 내에서 식별된 다수의 개인의 목록은 사전 예방적 아웃리치(proactive outreach)를 지시하기 위해 생성된다.
일부 구현예에서, 시스템 및 방법은 표적화된 추적 검사를 위한 개인의 식별의 정확성을 증가시킬 누락된 환자 데이터를 식별하는 것을 포함한다.
이제 도 3을 참조하면, 수면 장애를 갖고 치료 계획을 채택하려는 장기적 성향을 갖는 개인을 식별하기 위한 훈련 알고리즘을 위한 예시적인 방법의 프로세스 흐름도가 도시된다. 단계(700)에서는, 환자 데이터가 수신되고 신체 특성 데이터(703), 건강 특성 데이터(706), 및/또는 거동 특성 데이터(709)를 포함할 수 있다. 단계(710)에서, 훈련 환자 데이터 내에서 식별 가능한 개인에 대한 제1 임계값이 결정되거나 수신되며, OSA를 갖는 것으로 알려진 개인과 연관된 환자 데이터를 포함할 수 있다. 다음으로, 단계(720)에서, 제1 환자 식별 알고리즘은 OSA 우도를 갖는 것에 대한 결정된 임계값에 기반하여 개인을 식별하기 위해 훈련될 수 있다. 유사하게, 단계(715)에서, 훈련 환자 데이터 내에서 식별 가능한 개인에 대한 제2 임계값이 결정되거나 수신되며, OSA 치료를 장기적으로 준수하는 것으로 알려진 개인과 연관된 환자 데이터를 포함할 수 있다. 다음으로, 단계(720)에서, 제2 환자 식별 알고리즘은 OSA 치료에 대한 장기적 준수에 대한 결정된 임계값에 기반하여 개인을 식별하기 위해 훈련될 수 있다.
이하의 임의의 제1항 내지 제29항 중 하나 이상으로부터의, 하나 이상의 요소 또는 양태 또는 단계, 또는 이들의 임의의 부분(들)은 임의의 다른 제1항 내지 제29항 중 하나 이상 또는 이들의 조합으로부터의, 하나 이상의 요소 또는 양태 또는 단계, 또는 그의 임의의 부분(들)과 조합되어, 하나 이상의 추가 구현예 및/또는 본 개시내용의 청구항을 형성할 수 있다.
본 개시내용은 하나 이상의 특정 실시형태 또는 구현예를 참조하여 설명되었지만, 통상의 기술자라면 본 개시내용의 사상 및 범위로부터 벗어나지 않으면서 이에 대해 많은 변경이 이루어질 수 있다는 것을 인식할 것이다. 이들 구현예 및 그의 분명한 변형 각각은 본 개시내용의 사상 및 범위 내에 속하는 것으로 고려된다. 본 개시내용의 양태에 따른 추가 구현예는 본원에 설명된 임의의 구현예로부터의 임의의 수의 특징을 조합할 수 있다는 것도 고려된다.
Claims (29)
- 데이터 저장소에 저장된 환자 데이터를 제공하는 단계로서, 상기 환자 데이터는 식별 가능한 개인에 대응하는 신체, 건강 및 거동 데이터를 포함하는, 단계;
선택된 신체 및 건강 특성과 연관된 개인의 초기 그룹을 식별하기 위해, 제1 환자 식별 알고리즘을 적용하여 상기 환자 데이터의 적어도 일부를 프로세싱하는 단계로서, 상기 개인의 초기 그룹의 식별은 제1 임계값 기준을 충족하거나 초과하는 식별 가능한 개인에 대한 폐쇄 수면 무호흡의 결정된 우도에 기반하는, 단계;
선택된 거동 특성과 연관된 개인의 더 좁은 서브그룹을 식별하기 위해, 제2 환자 식별 알고리즘을 적용하여 상기 개인의 초기 그룹과 연관된 상기 환자 데이터의 적어도 일부를 프로세싱하는 단계로서, 상기 개인의 더 좁은 그룹의 식별은 제2 임계값 기준을 충족하거나 초과하는 상기 더 좁은 서브그룹 내의 개인에 대한 폐쇄 수면 무호흡 치료에 대한 장기적 준수의 결정된 우도에 기반하는, 단계; 및
상기 환자 데이터로부터 환자 식별 정보를 생성하여, 상기 더 좁은 서브그룹 내의 개인 중 하나 이상이 폐쇄 수면 무호흡 치료에 바람직한 개인임을 하나 이상의 지정된 엔티티에 통지하는 것을 가능하게 하는 단계를 포함하는, 방법. - 제1항에 있어서, 상기 하나 이상의 지정된 엔티티는 의료 제공자, 통합 전달 네트워크, 의료 지불인, 관리자, 상기 하나 이상의 개인 중 적어도 하나, 또는 이들의 임의의 조합을 포함하는, 방법.
- 제1항 또는 제2항에 있어서, 상기 개인의 더 좁은 서브그룹 내의 상기 하나 이상의 개인 각각에 대응하는 상기 신체, 건강 및 거동 데이터에 적어도 부분적으로 기반하여 상기 하나 이상의 개인을 위해 개인화된 치료 경로를 생성하는 단계를 더 포함하는, 방법.
- 제3항에 있어서, 생성된 개인 치료 경로를 대응하는 개인, 의료 제공자, 다른 지정된 엔티티, 또는 이들의 임의의 조합으로 송신하는 단계를 더 포함하는, 방법.
- 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 통지는 잠재적인 폐쇄 수면 무호흡의 치료에 의한 잠재적인 의료비 절약의 분석을 포함하는, 방법.
- 제3항 내지 제5항 중 어느 한 항에 있어서, 상기 생성된 개인 치료 경로는 폐쇄 수면 무호흡을 치료함으로써 개선된 건강 결과의 분석을 더 포함하는, 방법.
- 제6항에 있어서, 상기 개선된 건강 결과는 감소된 사망률, 재입원, 입원 시간 또는 이들의 임의의 조합을 포함하는, 방법.
- 제1항 내지 제7항 중 어느 한 항에 있어서, 대응하는 개인에게 직접 경고를 송신하여, 자신의 의료 제공자에게 수면 테스트에 관해 질문하는 단계를 더 포함하는, 방법.
- 제3항 내지 제8항 중 어느 한 항에 있어서, 상기 생성된 개인 치료 경로는 권장된 수면 테스트 방법을 포함하는, 방법.
- 제1항 내지 제9항 중 어느 한 항에 있어서, 제3자가 액세스할 수 있는 네트워크 서버 상에 상기 생성된 환자 식별 정보를 제공하는 단계를 더 포함하는, 방법.
- 제1항 내지 제10항 중 어느 한 항에 있어서, 상기 데이터 저장소는 케어 관리 플랫폼, 의료 시스템, 또는 둘 모두와 연관된 데이터를 포함하는, 방법.
- 제1항 내지 제11항 중 어느 한 항에 있어서, 상기 환자 데이터는 과거 환자 데이터를 포함하는, 방법.
- 제1항 내지 제12항 중 어느 한 항에 있어서, 상기 선택된 신체 및 건강 특성 중 하나 이상은 폐쇄 수면 무호흡에 간접적으로 기인하거나 그에 의해 강화되는, 방법.
- 제1항 내지 제13항 중 어느 한 항에 있어서, 상기 선택된 신체 특성은 목 둘레, 체중, 성별, 혈압, 연령, 체질량지수, 또는 이들의 임의의 조합을 포함하는, 방법.
- 제1항 내지 제14항 중 어느 한 항에 있어서, 상기 선택된 신체 및 건강 특성 중 하나 이상은 상기 식별 가능한 개인에 의해 제공되는 정보를 포함하는, 방법.
- 제1항 내지 제15항 중 어느 한 항에 있어서, 상기 선택된 건강 특성은 코골이 이력, 심장 질병, 피로의 이력, 관찰된 무호흡, 당뇨병, 또는 이들의 임의의 조합을 포함하는, 방법.
- 제1항 내지 제16항 중 어느 한 항에 있어서, 상기 거동 특성은 인구통계학적 정보를 포함하는, 방법.
- 제17항에 있어서, 상기 인구통계학적 정보는 교육, 고용, 거주지, 결혼 상태, 또는 이들의 임의의 조합을 포함하는, 방법.
- 제1항 내지 제18항 중 어느 한 항에 있어서, 상기 거동 특성은 동기, 피트니스 수준, 운동 루틴, 처방된 약물 프로토콜에 대한 준수, 이전 의사 권장사항에 대한 준수 또는 이들의 임의의 조합을 포함하는, 방법.
- 제1항 내지 제19항 중 어느 한 항에 있어서, 상기 선택된 건강, 거동, 또는 인구통계학적 정보 중 임의의 것은 1회 이상의 이전 환자 조우 동안 의료 제공자에 의해 입력된 데이터인, 방법.
- 제1항 내지 제20항 중 어느 한 항에 있어서, 식별된 개인에 대한 통지는 건강 포털을 통해 전달되는 다이렉트 메시지 또는 이메일 메시지를 포함하는, 방법.
- 제1항 내지 제21항 중 어느 한 항에 있어서, 상기 식별된 개인과 연관된 의료 제공자 또는 관리자에 대한 통지는 환자 추적 검사를 초래할 가능성이 가장 높은 통신 방법의 명시를 포함하는, 방법.
- 제22항에 있어서, 상기 통신 방법은 문자 메시지, 이메일, 전화 통화, 또는 방문을 예정하기 위한 초대장 중 하나를 포함하는, 방법.
- 제23항에 있어서, 상기 통신 방법은 상기 문자 메시지, 이메일, 전화 통화, 또는 관리자, 간호사, 또는 의사 중 하나에 의해 개시되는 방문을 예정하기 위한 초대장의 전달을 더 포함하는, 방법.
- 제1항 내지 제23항 중 어느 한 항에 있어서, 사전 예방적 아웃리치(proactive outreach)를 지시하기 위해 상기 더 좁은 서브세트 내에서 식별된 다수의 개인의 목록을 생성하는 단계를 더 포함하는, 방법.
- 하나 이상의 프로세서를 포함하는 제어 시스템; 및
기계 판독 가능 명령이 저장된 메모리를 포함하고;
상기 제어 시스템은 상기 메모리에 결합되고, 제1항 내지 제25항 중 어느 한 항의 방법은 상기 메모리 내의 상기 기계 실행 가능 명령이 상기 제어 시스템의 하나 이상의 프로세서 중 적어도 하나에 의해 실행될 때 구현되는, 시스템. - 잠재적인 수면 장애를 가질 가능성이 있고, 처방된 장기적 치료 계획을 준수할 가능성이 있는 개인을 식별하기 위한 시스템으로서, 상기 시스템은 제1항 내지 제25항 중 어느 한 항의 방법을 구현하도록 구성된 제어 시스템을 포함하는, 시스템.
- 컴퓨터에 의해 실행될 때, 상기 컴퓨터로 하여금 제1항 내지 제25항 중 어느 한 항의 방법을 수행하게 하는 명령을 포함하는 컴퓨터 프로그램 제품.
- 제28항에 있어서, 상기 컴퓨터 프로그램 제품은 비일시적 컴퓨터 판독 가능 매체인, 컴퓨터 프로그램 제품.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202063045397P | 2020-06-29 | 2020-06-29 | |
| US63/045,397 | 2020-06-29 | ||
| PCT/IB2021/055727 WO2022003521A1 (en) | 2020-06-29 | 2021-06-26 | Systems and methods for identifying individuals with a sleeping disorder and a disposition for treatment |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230030629A true KR20230030629A (ko) | 2023-03-06 |
Family
ID=79315130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237002399A KR20230030629A (ko) | 2020-06-29 | 2021-06-26 | 수면 장애 및 치료에 대한 성향을 갖는 개인을 식별하기 위한 시스템 및 방법 |
Country Status (11)
| Country | Link |
|---|---|
| US (1) | US20230238142A1 (ko) |
| EP (1) | EP4173005A1 (ko) |
| JP (1) | JP2023532967A (ko) |
| KR (1) | KR20230030629A (ko) |
| CN (1) | CN115734743A (ko) |
| AU (1) | AU2021301401A1 (ko) |
| BR (1) | BR112022026876A2 (ko) |
| CA (1) | CA3182125A1 (ko) |
| CO (1) | CO2022018055A2 (ko) |
| MX (1) | MX2022015851A (ko) |
| WO (1) | WO2022003521A1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220122732A1 (en) * | 2020-10-16 | 2022-04-21 | Alpha Global IT Solutions | System and method for contactless monitoring and early prediction of a person |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6440066B1 (en) * | 1999-11-16 | 2002-08-27 | Cardiac Intelligence Corporation | Automated collection and analysis patient care system and method for ordering and prioritizing multiple health disorders to identify an index disorder |
| US20060195041A1 (en) * | 2002-05-17 | 2006-08-31 | Lynn Lawrence A | Centralized hospital monitoring system for automatically detecting upper airway instability and for preventing and aborting adverse drug reactions |
| EP3052170A4 (en) * | 2013-10-04 | 2017-05-31 | ResMed Limited | System and method for patient data processing during diagnosis and therapy |
-
2021
- 2021-06-26 MX MX2022015851A patent/MX2022015851A/es unknown
- 2021-06-26 BR BR112022026876A patent/BR112022026876A2/pt unknown
- 2021-06-26 JP JP2023500080A patent/JP2023532967A/ja active Pending
- 2021-06-26 US US18/001,631 patent/US20230238142A1/en active Pending
- 2021-06-26 WO PCT/IB2021/055727 patent/WO2022003521A1/en unknown
- 2021-06-26 EP EP21831872.3A patent/EP4173005A1/en active Pending
- 2021-06-26 CA CA3182125A patent/CA3182125A1/en active Pending
- 2021-06-26 AU AU2021301401A patent/AU2021301401A1/en active Pending
- 2021-06-26 CN CN202180046702.1A patent/CN115734743A/zh active Pending
- 2021-06-26 KR KR1020237002399A patent/KR20230030629A/ko unknown
-
2022
- 2022-12-13 CO CONC2022/0018055A patent/CO2022018055A2/es unknown
Also Published As
| Publication number | Publication date |
|---|---|
| AU2021301401A1 (en) | 2023-02-02 |
| WO2022003521A1 (en) | 2022-01-06 |
| CA3182125A1 (en) | 2022-01-06 |
| JP2023532967A (ja) | 2023-08-01 |
| CO2022018055A2 (es) | 2022-12-20 |
| MX2022015851A (es) | 2023-05-03 |
| EP4173005A1 (en) | 2023-05-03 |
| CN115734743A (zh) | 2023-03-03 |
| US20230238142A1 (en) | 2023-07-27 |
| BR112022026876A2 (pt) | 2023-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220399102A1 (en) | Self-optimising respiratory therapy system | |
| JP7381551B2 (ja) | 患者管理システム | |
| Pépin et al. | Does remote monitoring change OSA management and CPAP adherence? | |
| Smith et al. | Pressure modification for improving usage of continuous positive airway pressure machines in adults with obstructive sleep apnoea | |
| KR20230030629A (ko) | 수면 장애 및 치료에 대한 성향을 갖는 개인을 식별하기 위한 시스템 및 방법 | |
| Carlucci et al. | Poor sleep, hazardous breathing: an overview of obstructive sleep apnea | |
| US20210007659A1 (en) | System and method for sleep disorders: screening, testing and management | |
| Lee et al. | Risk factors for the efficacy of oral appliance for treating obstructive sleep apnea: a preliminary study | |
| Eveloff | Treatment of obstructive sleep apnea: no longer just a lot of hot air | |
| Luyster et al. | Factors affecting obstructive sleep apnea patients’ use of upper airway stimulation treatment | |
| KR20230116794A (ko) | 의료용 장치의 양방향 통신 | |
| Calverley | Blood pressure, brathing, and the carotid body | |
| Nannapaneni et al. | Assessing and predicting the likelihood of interventions during routine annual follow-up visits for management of obstructive sleep | |
| Lavie | Treatment of sleep apnea: unmet needs | |
| Grote | Lessons for sleep medicine learned from the COVID-19 pandemic | |
| US20230178247A1 (en) | Chronic pain management through digital therapy system | |
| US20160188826A1 (en) | System and method for providing customized triage | |
| JP2024521116A (ja) | デバイスの使用量および患者の人口統計に基づくコンプライアンス予測のためのシステムおよび方法 | |
| AU2022276533A1 (en) | System and method for compliance prediction based on device usage and patient demographics | |
| CN116171478A (zh) | 用于为患者确定和提供个性化pap疗法建议的系统和方法 | |
| Dombrowsky et al. | Strategies to enhance adherence to PAP therapy for OSA | |
| Johal | Obstructive sleep apnoea and mandibular appliances | |
| Lee-Chiong et al. | Sleep-related breathing disorders: new developments | |
| July | Is Your Partner Snoring? It Could Be Sleep Apnea | |
| Care | Snoring: Causes And Treatments To Silence The Snore |