RU2512072C2 - Корреляция клинических событий - Google Patents

Корреляция клинических событий Download PDF

Info

Publication number
RU2512072C2
RU2512072C2 RU2009141832/08A RU2009141832A RU2512072C2 RU 2512072 C2 RU2512072 C2 RU 2512072C2 RU 2009141832/08 A RU2009141832/08 A RU 2009141832/08A RU 2009141832 A RU2009141832 A RU 2009141832A RU 2512072 C2 RU2512072 C2 RU 2512072C2
Authority
RU
Russia
Prior art keywords
event
events
correlation
report
patient
Prior art date
Application number
RU2009141832/08A
Other languages
English (en)
Other versions
RU2009141832A (ru
Inventor
Джордж В ГРЭЙ
Мохаммед САЕЕД
Original Assignee
Конинклейке Филипс Электроникс, 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 Электроникс, Н.В. filed Critical Конинклейке Филипс Электроникс, Н.В.
Publication of RU2009141832A publication Critical patent/RU2009141832A/ru
Application granted granted Critical
Publication of RU2512072C2 publication Critical patent/RU2512072C2/ru

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
    • G16H50/70—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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Изобретение относится к системам корреляции событий. Технический результат заключается в усовершенствовании накопления и корреляции событий, обеспечивающих улучшение ухода и клинических результатов для пациентов врача. Сеть медицинского учреждения содержит множество карточек пациентов, хранимых в электронной памяти, при этом карточки содержат данные, доступные для электронного поиска, список базовых событий, который содержит множество определений базовых событий, список связанных событий, который содержит множество определений связанных событий, для которых можно устанавливать корреляцию с базовыми событиями и корреляционный процессор, который использует определения базового события и, по меньшей мере, одного связанного события и заданной определением взаимосвязи между событиями и просматривает карточки пациентов для поиска корреляции согласно заданию. 4 н. и 17 з.п. ф-лы, 5 ил.

Description

Настоящее изобретение относится к уходу за пациентами и их лечению в клинических условиях. В частности, настоящее изобретение находит применение при установлении корреляции событий, которые происходят в течение ухода за пациентами, и будет описано с конкретной ссылкой на упомянутый уход. Следует понимать, что настоящее изобретение можно применять в любой ситуации, в которой события регистрируются, и не обязательно только в условиях клинического ухода.
Данные, записываемые в карточку больного, можно просматривать как последовательность событий во времени. Упомянутые события часто связаны с другими событиями, которые также записаны в карточку. Ретроспективный анализ информации представляет ряд проблем. Во-первых, данные изменяются со временем. По мере осуществления ухода за пациентом в карточку пациента непрерывно добавляют новые результаты измерений, замечания, аннотации, диагнозы, инструкции и т.п. Взаимосвязи между элементами данных также изменяются, например, по состоянию пациента в зависимости от выполняемых лечебных мер или протокола, исполняемого в клинических условиях, и т.п. События, которые могут быть несущественными при уходе за одним пациентом, могут иметь отношение к диагностике другого пациента или уходу за ним в зависимости от личных обстоятельств пациента.
Ретроспективный анализ клинических данных в прошлом выполняли вручную путем проверки бумажных записей, а именно бумажной карточки, в которую записывают события в процессе ухода за пациентом. С внедрением лечебных информационных систем (CIS) появилась возможность анализа клинических данных с использованием стандартного коммерческого инструментария для анализа. Небольшой поднабор упомянутых данных можно составлять по всему учреждению и предъявлять в связи с конкретной группой пациентов. Упомянутая информация включает в себя, но без ограничения, такие сведения, как, сколько пациентов находилось в клиническом блоке в течение конкретного периода времени или какое распределение имело место по возрастам, полам, диагнозам, смертности или другим параметрам. Упомянутые данные обычно вносят в карточки однажды в одну карточку пациента и их можно оформлять в виде таблиц или сводить в краткий отчет в различных формах. Более крупные наборы данных записывают в карточку пациента периодически и постоянно, и каждый из них обычно привязан к моменту времени. Упомянутые данные могут содержать результаты измерений, например основные показатели состояния организма, результаты лабораторных исследований, принятые лекарственные средства и т.п. Упомянутые элементы данных применяются, главным образом, во время ухода за пациентами и являются полезными элементами данных, записываемых в карточку. Однако дополнительную ценность упомянутым данным можно придать установлением корреляции различных блоков данных в карточке с реакцией пациента на лечебные меры во время пребывания в учреждении. Поскольку основные показатели состояния организма снимают часто и лекарственные средства или лечебные меры принимают периодически, то полный объем данных может быть огромным и препятствующим осмысленному изучению корреляций между такими элементами данных.
Прежний инструментарий для анализа данных был нацелен на финансовые и производственные сегменты коммерческих предприятий. Упомянутый инструментарий обычно сосредотачивается, главным образом, на данных, которые можно легко сводить для подведения итогов, суммировать или подсчитывать. В отличие от анализа финансовых данных анализ клинических данных обычно больше фокусируется на выявлении набора физиологических состояний и определении существования и влияния сопутствующих лечебных мер и ухода. Упомянутый тип данных изменяется во времени и взаимосвязь одного события с другим может изменяться в зависимости от пациента, его состояния и выполняемых лечебных мер.
Коммерческий инструментарий обычно не способен работать в такой области анализа, которая нацелена непосредственно на главную задачу врача, а именно на улучшение ухода и клинических результатов для пациентов врача. Например, предполагается, что пациентов, среднее артериальное давление которых падает ниже 65, следует лечить сосудосуживающими лекарственными средствами, болюсной дозой жидкости или другим распространенным способом лечения. Предполагается также, что упомянутое лечение должно осуществляться в пределах определенного временного интервала наблюдения события низкого артериального давления. В настоящее время не существует надежного способа, который позволяет врачам оценивать, проводится ли лечение упомянутого типа согласовано для всех пациентов и с равным вниманием в течение всех суток.
Настоящая заявка обеспечивает новые и более совершенные способ и устройство для накопления и корреляции важных событий в ходе ухода за пациентом, которые преодолевают вышеописанные и другие проблемы.
В соответствии с одним аспектом предлагается способ установления корреляции наблюдаемых событий в карточках пациентов. Получают определение базового события, которое отражает наблюдение события в течение пребывания пациентов в медицинском учреждении, которое записано в карточки пациентов. Получают определение, по меньшей мере, одного связанного события, которое наблюдается в карточках, содержащих базовое событие. Получают определение, по меньшей мере, одной взаимосвязи, по меньшей мере, одного связанного события с базовым событием. Карточки пациентов просматривают для поиска карточек, содержащих базовое событие и связанное событие, связанное по определению. Формируют отчет, который поясняет наблюдения базового события вместе с, по меньшей мере, одним связанным событием, как задано, по меньшей мере, одной взаимосвязью.
В соответствии с другим аспектом предлагается сеть медицинского учреждения. Сеть включает в себя множество карточек пациентов, хранимых в электронной памяти, при этом карточки содержат данные, доступные для электронного поиска. Список базовых событий содержит множество определений базовых событий. Список связанных событий содержит множество определений связанных событий, для которых можно устанавливать корреляцию с базовыми событиями. Корреляционный процессор использует определения базового события и, по меньшей мере, одного связанного события и заданной определением взаимосвязи между событиями и просматривает карточки пациентов для поиска корреляции согласно заданию.
В соответствии с другим аспектом предлагается способ обнаружения корреляций событий. Выбирают, по меньшей мере, одно определение базового события. Выбирают, по меньшей мере, одно определение взаимосвязи с базовым событием. Просматривают карточки пациентов для поиска связанных событий, которые удовлетворяют взаимосвязи с каждым заданным определением базовым событием. Формируют отчет, который представляет обнаруженные связанные события пользователю.
Одно преимущество состоит в установлении корреляции различных блоков данных в карточке пациента.
Другое преимущество состоит в контроле за неправильным уходом за пациентом.
Другое преимущество состоит в установлении корреляции данных в карточке пациента с реакцией пациента на лечебные меры.
Другое преимущество состоит в возможности совместного использования корреляций.
Другое преимущество состоит в содействии выявлению и исключению недобросовестной медицинской практики.
Дополнительные преимущества настоящего изобретения будут очевидны специалистам со средним уровнем компетентности в данной области техники после прочтения и изучения нижеследующего подробного описания.
Изобретение можно выполнить в форме различных компонентов и комбинаций компонентов и в форме различных этапов и комбинаций этапов. Чертежи предназначены только для иллюстрации предпочтительных вариантов осуществления и не допускают их интерпретации в смысле ограничения изобретения.
Фигура 1 - схематическое изображение системы для установления корреляции событий в соответствии с настоящей заявкой;
фигура 2 - блок-схема последовательности примерных этапов, выполняемых в процессе установления корреляции событий;
фигура 3 - примерный сводный отчет для представления пользователю;
фигура 4 - примерный подробный отчет для представления пользователю;
фигура 5 - примерный сводный график для представления пользователю.
Как показано на фигуре 1, пациент 10 находится в клинических условиях и получает долговременный уход. В течение курса ухода за пациентом выполняются различные измерения, касающиеся здоровья пациента. Упомянутые измерения могут быть регулярными, например, измерениями артериального давления, частоты пульса, температуры тела, уровней сахара в крови и т.п. или измерения могут быть менее регулярными, например ЭКГ, электрокардиограмма, снятая во время физических упражнений с нагрузкой, и т.п. Измерения могут выполняться автоматически датчиками 12, расположенными на пациенте, и записываться монитором 14 пациента, или измерения могут выполняться вручную медицинским специалистом, например медсестрой, врачом, больничным служителем или лаборантом. Измерения могут также выполняться в результате лабораторных анализов.
По заведенному порядку упомянутые измерения снабжаются временными метками и записываются в карточку 16 пациента. В предпочтительном варианте карточка является электронной и доступной для медицинских специалистов с надлежащей категорией допуска по сети 18 медицинского учреждения. В медицинском учреждении могут по-прежнему использовать бумажные карточки и записывать измерения от руки. В данной ситуации медицинский специалист должен позднее вводить данные вручную в электронную карту 16 пациента с компьютера 20, подключенного к сети (например, пост медицинской сестры), или любого другого беспроводного портативного устройства 22, подключенного к сети 18 учреждения, например, планшетного персонального компьютера, носимого компьютера, карманного компьютера PalmPilot, устройства Blackberry, сотового телефона и т.п. Кроме того, сеть 18 не обязательно должна быть ограничена одним медицинским учреждением; сеть может содержать несколько учреждений или даже базу данных общего пользования (без идентификаторов пациентов для сохранения личной тайны).
Медицинские специалисты будут в плановом порядке вводить другую информацию в карточку пациента. Упомянутые вводимые данные, по существу, не ограничены по объему и могут включать в себя замечания, полученные при сборе анамнеза пациента, психическое состояние, бледность, предполагаемые диагнозы, инструкции по уходу, принятые лекарственные средства или лечебные меры, результаты тестов, наблюдения событий клинических консультаций и множество других возможностей, которые могут иметь место в течение пребывания пациента в медицинском учреждении. За относительно короткое время карточка 16 пациента может стать очень пространной.
В сети 18 учреждения могут также храниться карточки других пациентов (16a, 16b, …, 16n). Элементы, содержащиеся в карточках пациентов, часто могут представлять интерес для медицинского специалиста, например старшего смены, который заинтересован в повышении эффективности своего персонала. Возможно, врач читает статью в медицинском журнале и намеревается установить, применяют ли в его учреждении методы, предлагаемые в статье. Возможно, штатный юрист узнал о возникшем в другом учреждении конфликте с законом из-за некоторых методов врачебной практики. Тогда юрист может проверить, что аналогичные методы врачебной практики не применяются в учреждении, которое представляет упомянутый юрист. В таком случае полезно установить корреляцию ключевых событий, которые включены в карточки пациентов.
При содержании чрезмерного объема данных в карточках пациентов ручной просмотр информации может быть невыполнимым и подверженным субъективным ошибкам. Кроме того, наблюдение одиночных событий часто не представляет интереса. Несколько связанных событий часто больше сообщают о том, насколько хорошо работает учреждение. Например, если среднее артериальное давление (MAP) пациента опускается ниже 65, то в соответствии с распространенной практикой доставляют болюсную дозу внутривенных жидкостей и/или проводят лечение сосудосуживающими лекарственными средствами. Если медицинский специалист может установить корреляцию одного события с другим, а именно как часто низкие артериальные давления излечиваются в течение допустимого времени, то упомянутая корреляция имеет повышенное значение для исполнителя исследования. Сеть 18 медицинского учреждения содержит корреляционный процессор 24, который позволяет медицинскому специалисту на пользовательском интерфейсе выразить критерии выявления и взаимосвязь между одним событием и другим событием и выявлять описанные события в данных временных рядов. Медицинские специалисты могут ретроспективно просматривать группу пациентов и определять, когда или как часто имеют место, по меньшей мере, два клинических события и взаимосвязь между ними во времени.
На фигуре 2 представлена со ссылкой на фигуру 1 блок-схема последовательности операций способа в соответствии с примерным вариантом осуществления. Как упоминалось выше, карточки пациентов заполняются на этапе 30 результатами измерений, аннотациями, инструкциями, диагнозами, замечаниями и т.п. либо автоматически измерительными устройствами 12, либо от руки медицинскими специалистами. Когда медицинский специалист готов к установлению корреляции событий, то есть имеет идею для исследования, то пользователь обращается к корреляционному процессору на этапе 32. Упомянутый этап можно выполнять с помощью графического пользовательского интерфейса, содержащегося в составе сетевого компьютера 20 или другого портативного устройства 22. В зависимости от корреляции, которую намерен установить медицинский специалист, он может пожелать установить границы объема корреляции. Например, специалист может пожелать исследовать жизнеспособность некоторого лечения заболевания, что подразумевает поиск по всем доступным карточкам. В альтернативном варианте специалист может пожелать получить сведения, касающиеся ухода, предоставляемого конкретным терапевтическим блоком, что с самого начала ограничивает запрашиваемые сведения намного меньшим поднабором из всей группы пациентов. В связи с этим пользователь может дополнительно сначала задать определение поднабора пациентов на этапе 34, хотя пользователь может просматривать все карточки в базе данных по его желанию. Чтобы обеспечить выбор некоторых параметров пациентов на основании местоположения пациента, дат осуществления ухода, демографических параметров пациента, категории ухода/госпитализации, результата и т.п., применяют набор заданных фильтров 36. Применять можно любые комбинации упомянутых или других фильтров, и выбранные варианты фильтров можно объединять с использованием логических операторов (например, И, ИЛИ) для формирования пересечений между фильтрами. Примерный неисчерпывающий список возможных фильтров содержит клинический блок, отделение, вид госпитализации, даты осуществления ухода, смертность, место выписки, больничное обслуживание, первопричину госпитализации, возраст пациента, дату рождения, этническую группу, национальность, тип пациента и расу. После того как искомый(ые) фильтр(ы) 36 выбран, фильтр 36 действует на этапе 38 так, чтобы исключать карточки пациентов, не включенные в запрос пользователя. В одном примере пользователь может пожелать отфильтровать всех пациентов, кроме тех, которые являются мужчинами, госпитализированными в блок интенсивной терапии и госпитализированными в течение заданного пользователем двухмесячного периода.
После того как искомые фильтры применены, пользователь задает определение базового события на этапе 40. Базовое событие является первичным событием, с которым следует находить корреляцию других событий. Пользователь выбирает базовое событие на этапе 40 из списка, который формируется автоматически. В альтернативном варианте пользователь может специально задать базовое событие. Список содержит все данные, записанные в карточки в лечебной информационной системе, и составлен из всех элементов данных и их атрибутов. Возможно, что изменчивость и многообразие языка может задерживать процесс на данной стадии. Например, если пользователь выбрал «инфаркт» в качестве базового события, но многие другие медицинские специалисты называли такое событие «инфарктом миокарда» или сокращенно «MI» при записи события в карту, то пользователь может по неосмотрительности упустить ценные данные. В такой ситуации полезна Систематизированная номенклатура медицинских терминов или языковая система «SNOMED», так как она стандартизирует медицинский профессиональный язык. Система SNOMED использует распространенные идентификаторы для уменьшения вероятности, что соответствующие данные будут упущены из-за неодинаковых выбранных языковых вариантов. Другой возможной применимой системой является система ICD9, которая стандартизирует коды выписки счетов. Если базовое событие предполагает какую-нибудь выписку счета, то система ICD9 может поддерживать использование профессионального языка выписки счетов так же, как система SNOMED может поддерживать использование профессионального медицинского языка.
Что касается общего выбора пациентов, то пользователь может, по желанию, классифицировать базовое событие дополнительно путем использования фильтров на этапе 44. Применять можно любую комбинацию упомянутых фильтров и аналогично фильтрам группы фильтры базового события можно объединять с использованием логических операторов. Доступные для выбора фильтры могут быть заданы заранее или основаны на свойствах выбранных данных. Примерный неисчерпывающий список свойств включает в себя числовые, строковые значения и значение даты, единицу измерения, соответствующий материал, соответствующую локализацию, текущую локализацию, время, записанное в памяти, и время, записанное в карточке. Примерный неисчерпывающий список фильтров включает в себя такие операторы, как существует, равно, меньше, чем, меньше, чем или равно, больше, чем, больше, чем или равно, увеличивается на, по меньшей мере, «x» в течение периода времени «y», уменьшается на, по меньшей мере, «x» в течение периода времени «y», аналогичен, является минимальной величиной, является максимальной величиной, является первым событием, записанным в карточку, и является последним событием, записанным в карточку. При повторном обращении к примеру артериального давления выбранное базовое событие может содержать MAP (средние артериальные давления) ниже 65, которые снизились в течение двухчасового периода на, по меньшей мере, 5 мм рт. ст. Кроме того, пользователь может выбирать конкретные значения свойств, получаемые обратно с данными.
Затем пользователь задает, по меньшей мере, одно связанное событие, для которого следует установить корреляцию с базовым событием, на этапе 46. Аналогично базовым событиям связанные события могут храниться в базе данных 48 связанных событий в виде описаний в стандартизованных терминах системы SNOMED. Также аналогично базовым событиям пользователь может классифицировать связанные события путем применения фильтров на этапе 50, чтобы дополнительно ограничивать данные, которые будут поступать с ответом. Затем пользователь может также задать взаимосвязь, которая существует между каждым связанным событием и выбранным базовым событием, на этапе 52. Пользователь может задать упомянутую взаимосвязь в функции времени (например, в течение «x» минут за базовым событием) или посредством, по меньшей мере, одной взаимосвязи между свойствами базового события и свойствами связанного события.
По окончании составления определения корреляции пользователь может сохранить корреляцию на этапе 54 в корреляционной памяти 55. Предполагается, что пользователь пожелает провести корреляцию немедленно, но это необязательно. Кроме того, корреляцию можно как проводить, так и сохранять в памяти с намерением проводить корреляцию снова позднее или периодически. Например, если старший смены проводит корреляцию сразу же и обнаруживает недостаток, старший смены может принять меры для устранения упомянутого недостатка. Несколькими неделями позже старший смены может провести корреляцию еще раз, чтобы оценить, оказали ли меры искомое влияние на представляющие интерес события.
Когда пользователь проводит корреляцию, формируется отчет на этапе 56. Пользователь может просмотреть результаты на экране, распечатать результаты, настроить корреляцию на запись ее результатов в базу данных лечебной информационной системы, запланировать непрерывный анализ карточек пациентов с использованием упомянутой корреляции или опубликовать корреляцию, чтобы другие пользователи также могли ее использовать. На фигуре 3 изображен примерный сводный отчет 60, который может быть создан корреляционным процессором. В сводном отчете представлены итоговые данные корреляции. По желанию, как показано на фигуре 4, пользователь может сформировать более подробную сводку 62, которая может показывать отдельные результаты, которые скомпилированы в сводном отчете 60. Кроме того, пользователь может выбрать вариант графического представления своих данных. Как показано на фигуре 5, пользователь формирует график 64, который сравнивает внимание с временем суток. На оси x представлено время суток, а по оси y отражена процентная доля событий, которые требуют внимания медицинского специалиста и по которым была оказана помощью в предписанное время.
Следует понимать, что пользователь может создавать свои собственные базовые события или связанные события и не ограничен языком SNOMED или событиями, содержащимися в списке 42 базовых событий или списке 48 связанных событий. Медицина непрерывно двигается вперед, и по мере того как появляются новые диагнозы и новые способы лечения, пользователи будут освобождаться от ограничений старых определений или старых лечебных мер или не обязаны будут ожидать обновления программного обеспечения, которое включает в себя новые данные. Если описание еще отсутствует, то пользователь может создать описание, которое удовлетворяет его требованиям в данной ситуации.
Кроме того, известные важные корреляции могут содержаться в памяти 55 и записываться в нее для использования без необходимости создания. Данные проверены и, насколько известно, дают удовлетворительные результаты. В отношении упомянутых корреляций пользователю, по меньшей мере, не потребуется беспокоиться о том, адекватно ли он описал корреляцию (например, не отфильтровывает ли запрос слишком много случаев, не был ли запрос чрезмерно широким и т.п.). Некоторые примерные корреляции описаны ниже:
Корреляции для медикаментозного лечения
• Назначение сосудосуживающих лекарств в зависимости от MAP (среднего артериального давления) пациента
• Назначение инсулина в зависимости от уровня глюкозы в сыворотке крови пациента
• Назначение пропофола в зависимости от глубины комы Глазго
• Назначение морфина или фентанила в зависимости от показателя боли пациента
• Назначение диуретиков в зависимости от давления в легочной артерии (PAP) пациента, данных (SpO2) пульсовой оксиметрии и диуреза
• Назначение нитропруссида в зависимости от MAP пациента и внутричерепного давления (ICP)
Корреляции для жидкости
• Доставка внутривенной болюсной дозы жидкости в зависимости от центрального венозного давления (CVP) пациента, PAP и MAP
• Доставка эритроцитарной массы в зависимости от гематокрита (HCT) пациента, насыщения кислородом (O2Sat) и парциального давления артериального кислорода (PAO2)
• Доставка тромбоцитов в зависимости от числа тромбоцитов пациента
• Доставка полного парентерального питания (TPN) в зависимости от глюкозы крови пациента
• Доставка коллоидов в зависимости от сывороточного альбумина пациента
Диагностические корреляции
• Диагноз тяжелого сепсиса в зависимости от предшествующего количества лейкоцитов (WBC), температуры и артериального давления пациента, а также длительности пребывания пациента и смертности
• Диагноз синдрома острой дыхательной недостаточности в зависимости от предшествующего общего объема пациента, режима вентиляции легких при постоянном положительном давлении в конце выдоха и WBC
• Диагноз гиповолемии в зависимости от общего объема вводимой жидкости в пациента
• Диагноз почечной недостаточности в зависимости от предшествующих уровней креатинина и азота в составе мочевины крови пациента
В альтернативном варианте осуществления пользователь не должен выбирать связанное событие, с которым следует устанавливать корреляцию базового события. Данный вариант осуществления полезен с точки зрения исследований, и корреляционный процессор 24 служит для извлечения информации из массивов данных, задания корреляций вместо поиска выбранных пользователем корреляций. Медицинский специалист будет применять данный вариант осуществления, когда имеется базовое событие, о котором медицинский специалист желает больше узнать. В наглядном примере медицинский специалист замечает аномально высокую частоту послеоперационной инфекции. При попытке определения причины инфекции специалист выполняет поиск любого события, которое произошло за сутки до наступления инфекции у, по меньшей мере, 90% пациентов с возникшей инфекцией. Многие из выданных корреляций можно отвергнуть как случайные, но специалист может натолкнуться на общее событие, которое объяснит наблюдения событий инфекций.
Изобретение описано со ссылкой на предпочтительные варианты осуществления. Специалисты смогут создать модификации и внести изменения после прочтения и осмысления вышеприведенного подробного описания. Интерпретация изобретения предусматривает охват всех упомянутых модификаций и изменений в такой степени, в которой они находятся в пределах объема притязаний прилагаемой формулы изобретения или ее эквивалентов.

Claims (21)

1. Сеть медицинского учреждения, содержащая:
множество карточек (16) пациентов, хранимых в электронной памяти, при этом карточки содержат данные, доступные для электронного поиска;
список (42) базовых событий, который содержит множество определений базовых событий;
список (48) связанных событий, который содержит множество определений связанных событий, для которых можно устанавливать корреляцию с базовыми событиями;
корреляционный процессор (24), который использует определения базового события и, по меньшей мере, одного связанного события и заданной определением взаимосвязи между событиями и просматривает карточки пациентов для поиска корреляции согласно заданию.
2. Сеть медицинского учреждения по п.1, дополнительно содержащая
фильтры (36), которые выполняют функцию предварительного отфильтровывания нежелательных результатов, как задано пользователем.
3. Сеть медицинского учреждения по п.1, дополнительно содержащая корреляционную память (55), в которой сохраняются ранее заданные корреляции для последующего использования или распространения.
4. Сеть медицинского учреждения по п.1, в которой списки (42, 48) событий нормированы описаниями системы SNOMED медицинского языка.
5. Сеть медицинского учреждения по п.1, дополнительно содержащая пользовательский интерфейс (20, 22), на котором вводят взаимосвязь между событиями с использованием, по меньшей мере, одного булева оператора.
6. Сеть медицинского учреждения по п.1, в которой корреляционный процессор (24) формирует отчет, который представляет корреляцию пользователю.
7. Способ установления корреляции наблюдаемых событий в карточках пациентов, при этом способ содержит этапы, на которых:
получают определение базового события, которое отражает наблюдение события в течение пребывания пациентов в медицинском учреждении, которое записано в карточки пациентов;
получают определение, по меньшей мере, одного связанного события, которое наблюдается в карточках, содержащих базовое событие;
получают определение, по меньшей мере, одной взаимосвязи, по меньшей мере, одного связанного события с базовым событием;
просматривают карточки пациентов для поиска карточек, содержащих базовое событие и связанное событие, связанные по определению; и
формируют отчет, который поясняет наблюдения базового события вместе с, по меньшей мере, одним связанным событием, как задано, по меньшей мере, одной взаимосвязью.
8. Способ по п.7, дополнительно содержащий этапы, на которых:
получают определение фильтра;
отфильтровывают поднабор карточек пациентов, поиск которых не следует производить, как описано в определении фильтра.
9. Способ по п.7, дополнительно содержащий этап, на котором:
сохраняют определения событий и взаимосвязь для последующей корреляции.
10. Способ по п.9, дополнительно содержащий этап, на котором:
распространяют сохраненные определения и взаимосвязь среди медицинских специалистов для использования ими.
11. Способ по п.7, в котором этап получения базового события содержит этап, на котором:
пользователь выбирает базовое событие из списка базовых событий.
12. Способ по п.11, в котором список базовых событий нормирован описаниями системы SNOMED медицинского языка.
13. Способ по п.7, в котором полученные определения систематически формируются электронным образом для нахождения взаимосвязей.
14. Способ по п.7, в котором, по меньшей мере, одна взаимосвязь описана, по меньшей мере, одним булевым оператором.
15. Способ по п.7, в котором этап формирования отчета содержит этап формирования отчета, который дает сводку данных корреляции.
16. Способ по п.7, в котором этап формирования отчета содержит этап формирования подробного списка данных корреляции.
17. Способ по п.7, в котором этап формирования отчета содержит этап формирования графического представления данных корреляции.
18. Способ по п.7, в котором на этапе формирования отчета формируется, по меньшей мере, что-то одно из:
сводного отчета;
подробного отчета;
графического отчета;
экранного отчета;
распечатанного отчета;
отчета, сохраняемого в базе данных системы;
публикации корреляции; и,
числа повторяющихся случаев корреляции.
19. Компьютерная запоминающая среда, которая выполняет способ по п.7.
20. Способ обнаружения корреляций событий, при этом способ содержит этапы, на которых:
выбирают, по меньшей мере, одно определение базового события;
выбирают, по меньшей мере, одно определение взаимосвязи с базовым событием;
просматривают карточки (16) пациентов для поиска связанных событий, которые удовлетворяют взаимосвязи с каждым заданным определением базовым событием;
формируют отчет, который представляет обнаруженные связанные события пользователю.
21. Способ по п.20, в котором сформированный отчет содержит процентную долю наблюдения событий в карточках (16), содержащих базовое событие и выбранную взаимосвязь.
RU2009141832/08A 2007-04-13 2008-03-26 Корреляция клинических событий RU2512072C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US91154107P 2007-04-13 2007-04-13
US60/911,541 2007-04-13
PCT/IB2008/051135 WO2008125996A2 (en) 2007-04-13 2008-03-26 Method and system for determining correlation between clinical events

Publications (2)

Publication Number Publication Date
RU2009141832A RU2009141832A (ru) 2011-05-20
RU2512072C2 true RU2512072C2 (ru) 2014-04-10

Family

ID=39682717

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2009141832/08A RU2512072C2 (ru) 2007-04-13 2008-03-26 Корреляция клинических событий

Country Status (6)

Country Link
US (1) US20100121873A1 (ru)
EP (1) EP2147385A2 (ru)
JP (1) JP5646988B2 (ru)
CN (2) CN101657820A (ru)
RU (1) RU2512072C2 (ru)
WO (1) WO2008125996A2 (ru)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2601608B1 (en) * 2010-08-05 2019-10-09 Koninklijke Philips N.V. Report authoring
US20150106021A1 (en) * 2013-10-11 2015-04-16 International Business Machines Corporation Interactive visual analysis of clinical episodes
US11443847B2 (en) * 2014-11-26 2022-09-13 Koninklijke Philips N.V. Analyzing efficiency by extracting granular timing information
CN109886610B (zh) * 2016-02-29 2023-04-07 飞救医疗科技（北京）有限公司 一种协同工作与质量控制方法与系统
CN107169265A (zh) * 2017-04-14 2017-09-15 深圳中迈数字医疗技术有限公司 一种医疗监护安全诊断分析系统
CN108154935B (zh) * 2017-12-26 2021-06-25 北京嘉和美康信息技术有限公司 一种临床事件存储方法及装置
CN111341405B (zh) * 2020-05-15 2020-09-25 四川大学华西医院 医用数据处理系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2144786C1 (ru) * 1999-05-28 2000-01-27 Авшалумов Александр Шамаилович Способ дистанционной неинвазивной диагностики состояния биообъекта
RU2234238C2 (ru) * 1998-11-30 2004-08-20 Ново Нордиск А/С Медицинская система и способ управления системой для применения пациентами для самостоятельного проведения медицинских процедур
RU2286711C2 (ru) * 2000-02-14 2006-11-10 Фёрст Опинион Корпорэйшн Система и способ автоматической диагностики
US7249040B1 (en) * 2006-03-16 2007-07-24 Trurisk, L.L.C. Computerized medical underwriting of group life and disability insurance using medical claims data

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5440730A (en) * 1990-08-09 1995-08-08 Bell Communications Research, Inc. Time index access structure for temporal databases having concurrent multiple versions
JPH04195465A (ja) * 1990-11-28 1992-07-15 Hitachi Ltd 電子カルテシステムの入力支援方式
US20050062609A9 (en) * 1992-08-19 2005-03-24 Lynn Lawrence A. Pulse oximetry relational alarm system for early recognition of instability and catastrophic occurrences
JP2002510817A (ja) * 1998-04-03 2002-04-09 トライアングル・ファーマシューティカルズ，インコーポレイテッド 治療処方計画の選択をガイドするためのシステム、方法及びコンピュータ・プログラム製品
US6611846B1 (en) * 1999-10-30 2003-08-26 Medtamic Holdings Method and system for medical patient data analysis
JP2002024407A (ja) * 2000-07-06 2002-01-25 Misawa Van Corp 医療診断情報提供システム
US20020082870A1 (en) * 2000-11-20 2002-06-27 Mark Penny System and method for processing patient medical information
US8214225B2 (en) * 2001-11-02 2012-07-03 Siemens Medical Solutions Usa, Inc. Patient data mining, presentation, exploration, and verification
US7757183B2 (en) * 2002-04-23 2010-07-13 Draeger Medical Systems, Inc. Timing adaptive patient parameter acquisition and display system and method
JP2004185547A (ja) * 2002-12-06 2004-07-02 Hitachi Ltd 医療データ解析システム及び医療データ解析方法
US20040122705A1 (en) * 2002-12-18 2004-06-24 Sabol John M. Multilevel integrated medical knowledge base system and method
WO2004057515A2 (en) * 2002-12-19 2004-07-08 Koninklijke Philips Electronics N.V. Method and apparatus for selecting the operating parameters for a medical imaging system
US7848935B2 (en) * 2003-01-31 2010-12-07 I.M.D. Soft Ltd. Medical information event manager
CN1759413A (zh) * 2003-03-13 2006-04-12 西门子医疗健康服务公司 访问患者信息的系统
KR100538577B1 (ko) * 2003-07-14 2005-12-22 이지케어텍(주) 의료 정보의 전산 표준화 방법
WO2005055805A2 (en) * 2003-12-02 2005-06-23 Shraga Rottem An artificial intelligence and device for diagnosis, screening, prevention and treatment of materno-fetal conditions
US7734477B2 (en) * 2003-12-29 2010-06-08 Montefiore Medical Center System and method for monitoring patient care
JP3624913B1 (ja) * 2004-03-10 2005-03-02 博子 沖 診療行為・投薬剤分析方法
EP1645983A1 (en) * 2004-10-08 2006-04-12 Draeger Medical Systems, Inc. Medical data acquisition system
CA2486482A1 (en) * 2004-11-01 2006-05-01 Canadian Medical Protective Association Event analysis system and method
CN101057244B (zh) * 2004-11-12 2016-12-28 皇家飞利浦电子股份有限公司 医疗设备与病人的自动关联以及实时生成病人记录的方法
EP1834269A2 (en) * 2004-12-22 2007-09-19 Philips Intellectual Property & Standards GmbH Medical monitoring method and system
CN1304512C (zh) * 2005-06-03 2007-03-14 江苏工业学院 一种热熔胶及其制备方法
JP4736551B2 (ja) * 2005-06-13 2011-07-27 株式会社日立製作所 データ解析装置及びデータ解析方法
JP4661415B2 (ja) * 2005-07-13 2011-03-30 株式会社日立製作所 表現ゆれ処理システム
US20070083395A1 (en) * 2005-10-12 2007-04-12 General Electric Company Method and apparatus for a patient information system and method of use

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2234238C2 (ru) * 1998-11-30 2004-08-20 Ново Нордиск А/С Медицинская система и способ управления системой для применения пациентами для самостоятельного проведения медицинских процедур
RU2144786C1 (ru) * 1999-05-28 2000-01-27 Авшалумов Александр Шамаилович Способ дистанционной неинвазивной диагностики состояния биообъекта
RU2286711C2 (ru) * 2000-02-14 2006-11-10 Фёрст Опинион Корпорэйшн Система и способ автоматической диагностики
US7249040B1 (en) * 2006-03-16 2007-07-24 Trurisk, L.L.C. Computerized medical underwriting of group life and disability insurance using medical claims data

Also Published As

Publication number Publication date
JP5646988B2 (ja) 2014-12-24
EP2147385A2 (en) 2010-01-27
RU2009141832A (ru) 2011-05-20
CN105335606B (zh) 2021-05-25
JP2010533899A (ja) 2010-10-28
WO2008125996A2 (en) 2008-10-23
US20100121873A1 (en) 2010-05-13
WO2008125996A3 (en) 2009-09-03
CN101657820A (zh) 2010-02-24
CN105335606A (zh) 2016-02-17

Similar Documents

Publication Publication Date Title
Mathis et al. Preoperative risk and the association between hypotension and postoperative acute kidney injury
US10368745B2 (en) Systems and methods for optimizing insulin dosage
Xie et al. Association of diabetic macular edema and proliferative diabetic retinopathy with cardiovascular disease: a systematic review and meta-analysis
Lopes et al. Effect of exercise training on ambulatory blood pressure among patients with resistant hypertension: a randomized clinical trial
Cook et al. Diabetes care in hospitalized noncritically ill patients: more evidence for clinical inertia and negative therapeutic momentum
Borzecki et al. Hypertension control: how well are we doing?
Silverstein et al. Trends in the incidence of deep vein thrombosis and pulmonary embolism: a 25-year population-based study
Johnson et al. Reliability of self-reported blood pressure measurements
Kravitz et al. Differences in the mix of patients among medical specialties and systems of care: results from the Medical Outcomes Study
RU2512072C2 (ru) Корреляция клинических событий
Weber et al. Pharmacist-physician comanagement of hypertension and reduction in 24-hour ambulatory blood pressures
Lundberg The need for an outcomes research agenda for clinical laboratory testing
US8849458B2 (en) Collection device with selective display of test results, method and computer program product thereof
Muir et al. Glaucoma medication adherence: room for improvement in both performance and measurement
JP4866576B2 (ja) 診療支援システム
US20100324925A1 (en) Method, system and computer program product for evaluating a status of a patient
Asch et al. A new approach for measuring quality of care for women with hypertension
US20120215561A1 (en) Online integrating system for anamnesis
Park Nurses' perception of performance and responsibility of patient education
Schiff et al. Missed hypothyroidism diagnosis uncovered by linking laboratory and pharmacy data
Fanaroff et al. Agreement and accuracy of medication persistence identified by patient self-report vs pharmacy fill: a secondary analysis of the cluster randomized ARTEMIS trial
Concaro et al. Mining healthcare data with temporal association rules: Improvements and assessment for a practical use
Price et al. Reliability of inpatient CGM: comparison to standard of care
Lampe et al. Timing is everything: results to an observational study of mealtime insulin practices
Pilackas et al. Clinical reliability of point-of-care glucose testing in critically ill patients

Legal Events

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

Effective date: 20200327