RU2013140670A - Клиническая система поддержки принятия решений для прогнозирующего планирования выписки - Google Patents

Клиническая система поддержки принятия решений для прогнозирующего планирования выписки Download PDF

Info

Publication number
RU2013140670A
RU2013140670A RU2013140670/08A RU2013140670A RU2013140670A RU 2013140670 A RU2013140670 A RU 2013140670A RU 2013140670/08 A RU2013140670/08 A RU 2013140670/08A RU 2013140670 A RU2013140670 A RU 2013140670A RU 2013140670 A RU2013140670 A RU 2013140670A
Authority
RU
Russia
Prior art keywords
patient
discharge
processor
recommendation
medical history
Prior art date
Application number
RU2013140670/08A
Other languages
English (en)
Other versions
RU2619644C2 (ru
Inventor
Мариана НИКОЛОВА-СИМОНС
Йохан МЮСКЕНС
Джозеф Эрнест РОК
Ханс-Алоис ВИШМАНН
Original Assignee
Конинклейке Филипс Н.В.
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 Конинклейке Филипс Н.В. filed Critical Конинклейке Филипс Н.В.
Publication of RU2013140670A publication Critical patent/RU2013140670A/ru
Application granted granted Critical
Publication of RU2619644C2 publication Critical patent/RU2619644C2/ru

Links

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
    • 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
    • G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G16H50/20—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
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

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

Abstract

1. Способ планирования выписки пациентов, содержащий этапы, на которых:оценивают (510) посредством процессора историю болезни пациента, включающую в себя параметры данных пациента для пациента;определяют посредством процессора набор критериев выписки как функцию параметров данных пациента;прогнозируют (520, 400) посредством процессора изменение в истории болезни пациента для всех возможных вариантов лечения;определяют посредством процессора оценку выписки как функцию критериев выписки;генерируют (530) посредством процессора рекомендацию по выписке на основе оценки выписки; иотображают (540) посредством дисплея рекомендацию по выписке пользователю,при этом рекомендация по выписке включает в себя одно из (i) первой рекомендации выписывать пациента, если оценка выписки превышает предварительно определенный порог, и (ii) рекомендации не выписывать пациента, если оценка выписки ниже предварительно определенного порога.2. Способ по п.1, в котором этап оценки истории болезни пациента заключается в том, что:идентифицируют (220) параметры данных пациента в истории болезни пациента, которые требуются для определения, готов ли пациент к выписке;определяют (230), отсутствует ли значение для каких-либо из идентифицированных параметров данных пациента, и запрашивают отсутствующее значение; ивыполняют количественную оценку (220) значений идентифицированных параметров данных пациента по отношению к одному из предварительно определенных и индивидуальных порогов для пациента.3. Способ по п.2, в котором этап оценки истории болезни пациента дополнительно заключается в том, что вычисляют (270) флаг для идентифицированных параметров да�

Claims (15)

1. Способ планирования выписки пациентов, содержащий этапы, на которых:
оценивают (510) посредством процессора историю болезни пациента, включающую в себя параметры данных пациента для пациента;
определяют посредством процессора набор критериев выписки как функцию параметров данных пациента;
прогнозируют (520, 400) посредством процессора изменение в истории болезни пациента для всех возможных вариантов лечения;
определяют посредством процессора оценку выписки как функцию критериев выписки;
генерируют (530) посредством процессора рекомендацию по выписке на основе оценки выписки; и
отображают (540) посредством дисплея рекомендацию по выписке пользователю,
при этом рекомендация по выписке включает в себя одно из (i) первой рекомендации выписывать пациента, если оценка выписки превышает предварительно определенный порог, и (ii) рекомендации не выписывать пациента, если оценка выписки ниже предварительно определенного порога.
2. Способ по п.1, в котором этап оценки истории болезни пациента заключается в том, что:
идентифицируют (220) параметры данных пациента в истории болезни пациента, которые требуются для определения, готов ли пациент к выписке;
определяют (230), отсутствует ли значение для каких-либо из идентифицированных параметров данных пациента, и запрашивают отсутствующее значение; и
выполняют количественную оценку (220) значений идентифицированных параметров данных пациента по отношению к одному из предварительно определенных и индивидуальных порогов для пациента.
3. Способ по п.2, в котором этап оценки истории болезни пациента дополнительно заключается в том, что вычисляют (270) флаг для идентифицированных параметров данных пациента, при этом флаг показывает, находится ли значение параметра данных пациента в нормальном, близком к нормальному или анормальном диапазоне.
4. Способ по п.1, в котором этап прогнозирования изменения в истории болезни пациента заключается в том, что генерируют (620) список возможных вариантов лечения, включающих в себя текущее лечение, варианты стационарного и амбулаторного лечения.
5. Способ по п.1, дополнительно содержащий этап, на котором:
генерируют (650) рекомендацию по лечению, показывающую, должно ли текущее лечение пациента быть модифицировано.
6. Способ по п.4, в котором спрогнозированное изменение основано на оценке текущей истории болезни пациента при текущем лечении и базе данных населения, включающей в себя данные пациентов для вариантов стационарного и амбулаторного лечения.
7. Система планирования выписки, содержащая:
запоминающее устройство (108), выполненное с возможностью хранения истории (110) болезни пациента, включающей в себя параметры данных пациента для пациента, и базы (112) данных населения, включающей в себя данные пациентов для всех пациентов;
процессор (102), выполненный с возможностью: (a) оценки истории (110) болезни пациента, (b) определения набора критериев выписки как функции параметров данных пациента, (c) прогнозирования изменения в истории болезни пациента, (d) определения оценки выписки как функции критериев выписки, и (e) генерирования рекомендации по выписке на основе оценки выписки;
дисплей (106), выполненный с возможностью отображения рекомендации по выписке,
при этом рекомендация по выписке включает в себя одно из (i) первой рекомендации выписывать пациента, если оценка выписки превышает предварительно определенный порог, и (ii) рекомендации не выписывать пациента, если оценка выписки ниже предварительно определенного порога.
8. Система по п.7, в которой процессор (102) выполнен с возможностью идентификации параметров данных пациента в истории (110) болезни пациента, которые требуются для определения, готов ли пациент к выписке, определения, отсутствует ли значение для каких-либо из идентифицированных параметров данных пациента, запроса отсутствующего значения и количественной оценки значений идентифицированных параметров данных пациента.
9. Система по п.8, дополнительно содержащая:
пользовательский интерфейс (104) для введения ввода для любых идентифицированных параметров данных пациента, для которых значение отсутствует.
10. Система по п.9, в которой процессор (102) выполнен с возможностью вычисления флага для идентифицированного параметра данных пациента, при этом флаг показывает, находится ли значение параметра данных пациента в нормальном, близком к нормальному или анормальном диапазоне.
11. Система по п.7, в которой процессор (102) выполнен с возможностью генерирования списка возможных вариантов лечения, включающих в себя текущее лечение, варианты стационарного и амбулаторного лечения, так что спрогнозированное изменение основано на оценке текущей истории болезни пациента при текущем лечении и базе данных населения, включающей в себя данные пациентов для вариантов стационарного и амбулаторного лечения.
12. Система по п.7, в которой процессор (102) выполнен с возможностью генерирования рекомендации по лечению, показывающей, должно ли текущее лечение пациента быть модифицировано.
13. Система по п.7, в которой процессор (102) выполнен с возможностью определения, было ли текущее лечение модифицировано, и генерирования рекомендации по выписке на основе того, было ли текущее лечение модифицировано.
14. Система по п.7, в которой процессор (102) выполнен с возможностью прогнозирования, по меньшей мере, одного из: оценки выписки для спрогнозированного изменения в истории (110) болезни пациента, дней до выписки пациента, продолжительности пребывания, индекса вероятности повторного помещения в больницу и совокупных медицинских затрат по отношению к пациенту на основе спрогнозированного изменения в истории (110) болезни пациента.
15. Машиночитаемый носитель (108) информации, включающий в себя набор инструкций, исполняемых процессором (102), при этом набор инструкций обеспечивает:
оценку (510) истории болезни пациента, включающей в себя параметры данных пациента для пациента;
определение набора критериев выписки как функции параметров данных пациента;
прогнозирование (520, 400) изменения в истории болезни пациента для всех возможных вариантов лечения;
определение оценки выписки как функции критериев выписки;
генерирование (530) рекомендации по выписке, показывающей, готов ли пациент к выписке на основе оценки выписки; и
отображение (540) рекомендации по выписке пользователю.
RU2013140670A 2011-02-04 2012-02-01 Клиническая система поддержки принятия решений для прогнозирующего планирования выписки RU2619644C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201161439586P 2011-02-04 2011-02-04
US61/439,586 2011-02-04
PCT/IB2012/050474 WO2012104803A1 (en) 2011-02-04 2012-02-01 Clinical decision support system for predictive discharge planning

Publications (2)

Publication Number Publication Date
RU2013140670A true RU2013140670A (ru) 2015-03-10
RU2619644C2 RU2619644C2 (ru) 2017-05-17

Family

ID=45581949

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2013140670A RU2619644C2 (ru) 2011-02-04 2012-02-01 Клиническая система поддержки принятия решений для прогнозирующего планирования выписки

Country Status (3)

Country Link
US (1) US20130325515A1 (ru)
RU (1) RU2619644C2 (ru)
WO (1) WO2012104803A1 (ru)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2798550A2 (en) * 2011-12-27 2014-11-05 Koninklijke Philips N.V. Method and system for ordering self-care behaviors
AU2014259708A1 (en) 2013-05-03 2015-10-29 Emory University Systems and methods for supporting hospital discharge decision making
BR112016001833A2 (pt) * 2013-07-31 2017-08-01 Koninklijke Philips Nv sistema de apoio à decisão de serviços de saúde para fornecer um conjunto de parâmetros de paciente para adaptar o tratamento do paciente, sistema tratamento de paciente, método de apoio à decisão de cuidado com a saúde, e, mídia de armazenamento não transitório legível por computador
GB201316921D0 (en) * 2013-08-19 2013-11-06 Goodmark Medical International Ltd Patient test data processing system and method
US20150305688A1 (en) * 2014-04-25 2015-10-29 Wipro Limited Method of determining discharge readiness condition for a patient and system thereof
GB201419021D0 (en) * 2014-10-24 2014-12-10 Goodmark Medical International Ltd System and method for generating patient test data processing code
US10679746B1 (en) * 2014-11-25 2020-06-09 Teletracking Technologies, Inc. Systems and methods for generating automated real-time graphical user interfaces
US10762989B1 (en) 2014-11-25 2020-09-01 Teletracking Technologies, Inc. Systems and methods for generating automated graphical user interfaces for real-time facility capacity management
US20180349558A1 (en) * 2017-06-05 2018-12-06 Cerner Innovation, Inc. Systems and methods for autonomous discharge queue management
US11355222B2 (en) * 2017-10-05 2022-06-07 Cerner Innovation, Inc. Analytics at the point of care
US20200349652A1 (en) * 2019-05-03 2020-11-05 Koninklijke Philips N.V. System to simulate outcomes of a new contract with a financier of care
CN114144837A (zh) * 2019-07-15 2022-03-04 皇家飞利浦有限公司 用于动态预测普通病房中的患者的出院准备的模型
CN113425271B (zh) * 2021-05-20 2024-02-06 上海小芃科技有限公司 日间手术出院判断方法、装置、设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100114602A1 (en) * 1999-12-18 2010-05-06 Raymond Anthony Joao Apparatus and method for processing and/or for providing healthcare information and/or healthcare-related information
US20020188182A1 (en) * 2001-06-11 2002-12-12 Haines John Edward System and method for scoring and managing patient progression
US7711579B2 (en) * 2005-12-15 2010-05-04 Cerner Innovation, Inc. System and method for managing discharge workload in healthcare environment
US7664659B2 (en) * 2005-12-22 2010-02-16 Cerner Innovation, Inc. Displaying clinical predicted length of stay of patients for workload balancing in a healthcare environment
US20070214011A1 (en) * 2006-03-08 2007-09-13 Hospital Transitions, Llc Patient Discharge System and Associated Methods
US20080015891A1 (en) * 2006-07-12 2008-01-17 Medai, Inc. Method and System to Assess an Acute and Chronic Disease Impact Index
RU62502U1 (ru) * 2006-07-24 2007-04-27 Татьяна Васильевна Алехина Медицинская система мониторинга, диагностики, лечения несчастных случаев на производстве и профессиональных заболеваний
US20110071851A1 (en) * 2009-09-24 2011-03-24 Mckesson Financial Holdings Limited Method, Apparatus And Computer Program Product For Facilitating Patient Progression Toward Discharge

Also Published As

Publication number Publication date
US20130325515A1 (en) 2013-12-05
WO2012104803A1 (en) 2012-08-09
RU2619644C2 (ru) 2017-05-17

Similar Documents

Publication Publication Date Title
RU2013140670A (ru) Клиническая система поддержки принятия решений для прогнозирующего планирования выписки
Ahalt et al. Comparison of emergency department crowding scores: a discrete-event simulation approach
RU2662895C2 (ru) Система и способ клинической поддержки
US10593000B2 (en) System and method for determining thresholds or a range of values used to allocate patients to a treatment level of a treatment program
JP6335910B2 (ja) 臨床決定支援に対する、血栓症に対する臨床的リスク因子及び分子マーカの組み合わされた使用
Cano Martín et al. Economic impact assessment from the use of a mobile app for the self-management of heart diseases by patients with heart failure in a Spanish region
US20140379363A1 (en) Patient readmission risk assessment
US20200074573A1 (en) System and method for providing a patient-specific prediction model in a user application for effectiveness determinations
EP3138075A2 (en) Decision support system for hospital quality assessment
KR20160043777A (ko) 질환 발병 예측 방법 및 그 장치
JPWO2017073713A1 (ja) 血糖値予測装置、血糖値予測方法及びコンピュータ読み取り可能な記録媒体
Xie et al. Novel model for predicting inpatient mortality after emergency admission to hospital in Singapore: retrospective observational study
Fernando-Canavan et al. Measuring the economic impact of hospital-acquired complications on an acute health service
Subramanian et al. Personalized medicine for prevention: can risk stratified screening decrease colorectal cancer mortality at an acceptable cost?
JP2014182472A (ja) 健康管理支援システム、健康管理支援方法及び健康管理支援プログラム
US20140172459A1 (en) Clinical support system and method
JP2013148996A (ja) 重症度判定装置、及び、重症度判定方法
US20160283880A1 (en) Health care enterprise resource planning system and method for utilizing web data
WO2015173917A1 (ja) 分析システム
Jonsson et al. Cost effectiveness evaluation of fracture liaison services for the management of osteoporosis in Sweden
KR20230128441A (ko) 사용자 컴퓨팅 장치의 건강 데이터를 사용하여 신체 활동 레벨을 평가하기 위한 시스템 및 방법
Kamel et al. Nationwide patterns of hospitalization after transient ischemic attack
Kurowski et al. Return visit characteristics among patients who leave without being seen from a pediatric ED
Harrison et al. Using the Revised Cardiac Risk Index to predict major postoperative events for people with kidney failure: An external validation and update
JP2016218966A (ja) 分析システム、及び、分析方法

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20210202