TWI397020B - 病患風險程度辨識系統與方法 - Google Patents
病患風險程度辨識系統與方法 Download PDFInfo
- Publication number
- TWI397020B TWI397020B TW097140885A TW97140885A TWI397020B TW I397020 B TWI397020 B TW I397020B TW 097140885 A TW097140885 A TW 097140885A TW 97140885 A TW97140885 A TW 97140885A TW I397020 B TWI397020 B TW I397020B
- Authority
- TW
- Taiwan
- Prior art keywords
- patient
- event
- risk
- data
- condition
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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
- G16H50/30—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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
本發明係有關於資料處理,特別是有關於一種用於遠距照護之病患風險程度辨識的系統與方法。
近年來,遠距醫療的需求日殷。一般係透過網路連線等,將遠距照護中心與各醫療院所連線,而在遠距照護中心的值班醫師必須同時照顧多個醫院的病床,對於各醫療院所的病患提供照護。
然而,由於連線醫療院所之病床數眾多,使得照護中心的醫師難於兼顧。
因此,在目前的遠距醫療應用中,係由連線的醫療院所的醫護人員對該院的病患的病況作初步的判斷,將各病患的病況以燈號等標記標示其嚴重程度。例如,標示為紅燈的病患為重度且需要照護中心服務者,而標示為黃燈為中度,標示為綠燈為輕度等。遠距照顧中心優先處理判斷為較嚴重的病患之資訊,而對於標示為綠燈之輕度病患並不特別處理。
上述的運作方式係由連線之各醫療院所的醫師自行判斷該院病患的病況,因此各連線醫院的判斷病況標準並不一致。而且,由於連線醫療院所的醫師並不特別將輕度病患的資訊通報照護中心,加上照護中心的人力限制,所以照顧中心一般並不特別針對輕度的病患提供醫療服務或醫
療建議。
因此,需要一種提供遠距醫療照護的方法,其能夠有效且一致的判斷各連線醫院病患之病況,並且能夠使得遠距照護中心對於不同嚴重程度的病患提供全面的醫療照護。
本發明提供一種病患風險程度辨識系統,其適用於遠距照護中心,該遠距照護中心與複數個醫療機構網路連線,該系統包括一輸入介面、一處理器、及一輸出介面。該輸入介面透過該網路連線,由上述複數個醫療機構接收複數位病患之病患資料。該處理器包括一事件判斷單元、一類別判斷單元、一群組處理單元、一風險程度計算單元及一類別排序單元。該事件判斷單元依據該病患資料,判斷該病患資料對應之該病患所屬之事件。該類別判斷單元判斷該病患之該事件為病況轉壞類別或病況轉好類別。該群組處理單元將屬於同一該事件的該病患歸屬於一群組,並針對同一該群組之病患,依據其病況嚴重度排序。該風險程度計算單元針對每一該病患,依據其所屬之該事件,計算其風險程度。該類別排序單元分別針對該病況轉壞類別之該病患,將該病患之依據該風險程度由高至低排序,其中風險程度高之該病患排序在前;該類別排序單元並針對該病況轉好類別之該病患,將該病患之依據該風險程度由低至高排序,其中風險程度低之該病患排序在前。該輸
出介面顯示該病況轉壞類別中之該病患的排序資料,以及該病況轉好類別中病患之排序資料。
本發明並提供一種病患風險程度辨識方法,其適用於遠距照護中心,該遠距照護中心與複數個醫療機構網路連線,該方法包括:透過該網路連線,由上述複數個醫療機構接收複數位病患之病患資料:依據該病患資料,判斷該病患資料對應之該病患所屬之事件;判斷該病患之該事件為病況轉壞類別或病況轉好類別;將屬於同一該事件的該病患歸屬於一群組,並針對同一該群組之病患,依據其病況嚴重度排序;針對每一該病患,依據其所屬之該事件,計算其風險程度;分別針對該病況轉壞類別之該病患,將該病患之依據該風險程度由高至低排序,其中風險程度高之該病患排序在前;針對該病況轉好類別之該病患,將該病患之依據該風險程度由低至高排序,其中風險程度低之該病患排序在前;顯示該病況轉壞類別中之該病患的排序資料,以及該病況轉好類別中病患之排序資料。
本發明上述方法可以透過程式碼存在。當程式碼被機器載入且執行時,機器變成用以實行本發明之裝置。
詳言之,本發明之方法,或特定型態或其部份,可以以程式碼的型態存在。程式碼可以包含於實體媒體,如軟碟、光碟片、硬碟、或是任何其他機器可讀取(如電腦可讀取)儲存媒體,其中,當程式碼被機器,如電腦載入且執行時,此機器變成用以參與本發明之裝置。程式碼也可以透過一些傳送媒體,如電線或電纜、光纖、或是任何傳輸型態進行傳送,其中,當程式碼被機器,如電腦接收、載入
且執行時,此機器變成用以參與本發明之裝置。當在一般用途處理單元實作時,程式碼結合處理單元提供一操作類似於應用特定邏輯電路之獨特裝置。
為了讓本發明之目的、特徵、及優點能更明顯易懂,下文特舉較佳實施例,並配合所附圖示,做詳細之說明。
本發明說明書提供不同的實施例來說明本發明不同實施方式的技術特徵。其中,實施例中的各元件之配置係為說明之用,並非用以限制本發明。且實施例中圖式標號之部分重複,係為了簡化說明,並非意指不同實施例之間的關聯性。
第1圖顯示依據本發明實施態樣之醫療系統示意圖。醫療系統10包含一遠距照護中心11及醫療機構121~123。其中,醫療機構可以為診所、療養院等,其數量並不限定於3。遠距照護中心11透過網路13和醫療機構121~123連線。
本發明之病患風險程度辨識系統係適用於上述醫療系統10,其能夠有效且一致的判斷各連線醫院病患之病況,並且能夠使得遠距照護中心11對於醫療機構121~123中的不同嚴重程度的病患提供全面的醫療照護。
第2圖顯示依據本發明實施態樣之病患風險程度辨識系統之示意圖。病患風險程度辨識系統20可以是任何具有運算功能的電子裝置,如電腦系統等,其適用於遠距照護
中心,該遠距照護中心與複數個醫療機構網路連線。
本實施例的病患風險程度辨識系統20包含:輸入介面21、處理器23、輸出介面25、病況事件資料庫26、事件類別資料庫27、病患群組資料庫28、事件風險資料庫29。其中處理器23包括一事件判斷單元231、一類別判斷單元233、一群組處理單元235、一風險程度計算單元237及一類別排序單元239。
輸入介面21透過該網路連線,由地理位置分散的複數個醫療機構接收複數位病患之病患資料。其中該病患資料可以包含例如:病患基本資料、住院資料、生理資料、身體評估資料、檢驗資料、呼吸器參數等。
處理器23擷取該病患資料,並依據病患資料決定各病患之病況風險程度,以利遠距照護中心的醫師對各連線醫療機構之病患提供醫療服務。
其中處理器23包括一事件判斷單元231、一類別判斷單元233、一群組處理單元235、一風險程度計算單元237及一類別排序單元239。
事件判斷單元231依據該病患資料,判斷該病患資料對應之該病患所屬之事件。
類別判斷單元233判斷該病患之該事件為病況轉壞類別或病況轉好類別。例如,屬於病況轉壞類別的事件可以是敗血症事件、敗血性休克事件等;而病況轉好類別可以為呼吸器脫離事件等。
群組處理單元235將屬於同一該事件的該病患歸屬於
一群組,並針對同一該群組之病患,依據其病況嚴重度排序。
風險程度計算單元237針對每一該病患,依據其所屬之該事件,計算其風險程度。
類別排序單元239分別針對該病況轉壞類別之該病患,將該病患之依據該風險程度由高至低排序,其中風險程度高之該病患排序在前;該類別排序單元並針對該病況轉好類別之該病患,將該病患之依據該風險程度由低至高排序,其中風險程度低之該病患排序在前。
輸出介面25可以包含顯示器,其顯示該病況轉壞類別中之該病患的排序資料,以及該病況轉好類別中病患之排序資料。輸出介面25也可以分別針對該病況轉壞類別中排序在前之該病患及該病況轉好類別中排序在前之該病患,產生警告訊號,例如將排序在前之病患標示燈號等。
病況事件資料庫26儲存每一該事件的判斷標準,其中該事件判斷單元231係依據該病患資料及該病況事件資料庫26中的該事件的判斷標準,判斷該病患資料對應之該病患所屬之事件。
事件類別資料庫27分別記錄屬於該病況轉壞類別及該病況轉好類別中包含之事件資料,其中該類別判斷單元233依據該事件類別資料庫27中的資料,判斷該事件判斷單元判斷得出之該事件屬於該病況轉壞類別或該病況轉好類別。
病患群組資料庫28依據該群組處理單元235處理的結
果,將該病患資料依據該病患之該群組別儲存。
事件風險資料庫29儲存下列至少一種資料:每一該事件之死亡率風險、每一該事件之參考因素及每一該參考因素的權重、每一該參考因素的異常程度判斷基準。
依據事件風險資料庫29儲存的資料,風險程度計算單元237可以依據下式,針對每一該病患,計算其風險程度:A=D+(Σ Wi
Ei
)
其中,A為該病患之風險分數,D為該病患所屬事件之死亡率風險,W為該病患所屬事件之參考因素權重,E為該病患所屬事件之參考因素的異常程度。
第3A及3B圖顯示依據本發明實施態樣之病患風險程度辨識方法的流程圖。本發明之病患風險程度辨識方法,其適用於遠距照護中心,該遠距照護中心與複數個醫療機構網路連線。本發明方法可以實施於第1圖及第2圖的系統中。
該方法需事先提供數種資料。
在步驟S301中,定義數種病況事件並提供其判斷標準。
在步驟S303中,將病況事件分類,亦即,設定某一病況事件屬於病況轉壞類別或病況轉好類別。
在步驟S305中,設定事件風險資料,其可以包括下列至少一種資料:每一病況事件之死亡率風險、每一病況事件之參考因素及每一該參考因素的權重、每一該參考因素
的異常程度判斷基準。
該方法透過該網路連線,由上述複數個醫療機構接收複數位病患之病患資料(步驟S307)。其中該病患資料包括下列至少一種:病患基本資料、住院資料、生理資料、身體評估資料、檢驗資料、呼吸器參數。
步驟S309中,依據該病患資料及該事件的判斷標準,判斷該病患資料對應之該病患所屬之事件。
步驟S311中,依據步驟S303的設定結果,判斷該病患之該事件為病況轉壞類別或病況轉好類別。
步驟S313中,將屬於同一該事件的該病患歸屬於一群組並將該病患資料依據該病患之該群組別,儲存於一病患群組資料庫中。
步驟S315中,依據步驟S305設定的事件風險資料,針對每一該病患,依據其所屬之該事件,計算其風險程度。該風險程度之計算係據下式為之:A=D+(Σ Wi
Ei
)
其中,A為該病患之風險分數,D為該病患所屬事件之死亡率風險,W為該病患所屬事件之參考因素權重,E為該病患所屬事件之參考因素的異常程度。
另外,可以依據上述計算之風險分數,針對同一該群組之病患,依據其病況嚴重度排序。
步驟S317中,分別針對該病況轉壞類別之該病患,將該病患依據該風險程度由高至低排序,其中風險程度高之該病患排序在前。
步驟S319中,針對該病況轉好類別之該病患,將該病患依據該風險程度由低至高排序,其中風險程度低之該病患排序在前。
步驟S321中,顯示該病況轉壞類別中之該病患的排序資料,以及該病況轉好類別中病患之排序資料。
步驟S323中,分別針對該病況轉壞類別中排序在前之該病患及該病況轉好類別中排序在前之該病患,產生警告訊號,例如以顯示器顯示燈號警示等。
以下提供一實施例說明本發明之實施細節。
事先定義數種病況事件並提供其判斷標準,並將病況事件分類,且針對每一病況事件設定其事件風險資料。上述資料之設定及定義,係依據醫療統計資料等而設定。
在此以下述3種病況事件為例:(1)敗血症事件:判斷標準:同一次的生理資料輸入值之中,下列4種條件中同時有兩種成立:體溫高於攝氏38.5度;每分鐘脈搏次數大於100次;每分鐘呼吸次數大於25次;白血球數高於12000。
類別:病況轉壞類別。
事件風險資料:1.死亡率風險為50%;2.參考因素包括呼吸次數、白血球數、脈搏、體溫;3.呼吸次數的權重為0.4、白血球數的權重為0.3、脈搏的權重為0.2、體溫的權重為0.1。
4.參考因素的異常程度判斷基準:在此之異常程度以級距來表示,例如分為紅燈、黃燈、綠燈3個等級,而各等級之判斷基準則由醫療專業人員設定。其中紅燈的異常分數為0.7、黃燈的異常分數為0.3、綠燈的異常分數為0。
(2)敗血性休克事件:判斷標準:判斷為敗血症之後3天內,收縮壓小於90。
類別:病況轉壞類別。
事件風險資料:1.死亡率風險為80%;2.參考因素包括血壓、呼吸次數、脈搏、體溫、白血球數;3.血壓的權重為0.4、呼吸次數的權重為0.2、脈搏的權重為0.2、體溫的權重為0.1、白血球數的權重為0.1。
4.參考因素的異常程度判斷基準:在此之異常程度以級距來表示,例如分為紅燈、黃燈、綠燈3個等級,其中紅燈的異常分數為0.7、黃燈的異常分數為0.3、綠燈的異常分數為0。
(3)呼吸器脫離事件:判斷標準:同一次的生理測量資料之中,下列條件必須全部成立:收縮壓大於90,脈搏大於50次/分鐘且小於130次/分鐘,體溫低於攝氏38度,氣氣濃度(FiO2)低於50%,呼氣末端正壓(Positive End Expiratory Pressure,PEEP)小於8cmH2O,呼吸次數小於35次/分鐘,潮氣容積(tidal volume,TV)大於300ml,血氧濃度(SPO2)大於90
%。
類別:病況轉好類別。
事件風險資料:1.死亡率風險為10%;2.參考因素包括血氧濃度、TV、呼吸次數、PEEP、FiO2、脈搏、收縮壓、體溫;3.血氧濃度的權重為0.2、TV的權重為0.2、呼吸次數的權重為0.15、PEEP的權重為0.15、FiO2的權重為0.1、脈搏的權重為0.1、收縮壓的權重為0.05、體溫的權重為0.05。
4.參考因素的異常程度判斷基準:在此之異常程度以級距來表示,例如分為紅燈、黃燈、綠燈3個等級。在此,呼吸器脫離事件屬於病況轉好類別,其參考因素均為綠燈(異常分數為0)。
繼之,遠距照護中心週期性地(例如每天)透過網路連線,由複數個醫療機構接收複數位病患之病患資料。其中該病患資料包括下列至少一種:病患基本資料、住院資料、生理資料、身體評估資料、檢驗資料、呼吸器參數。
下列表1及2顯示依據本發明實施例之病患資料中的生理測量資料。
表1為病患甲、乙、丙、丁之生理測量資料。
表2為使用呼吸器之病患A、B、C之生理測量資料。
繼之,依據該病患資料及前述之事件的判斷標準,判斷該病患資料對應之該病患所屬之事件。
在此,病患甲、乙、丁判斷為敗血症事件,病患丙判斷為敗血性休克事件;病患A及B判斷為呼吸器脫離事件,而C判斷為還不能脫離呼吸器。
依據前述之設定,判斷該病患之該事件為病況轉壞類別或病況轉好類別。
將屬於同一該事件的該病患歸屬於一群組。在此實施例中,病患甲、乙、丁均為敗血症事件,都屬於敗血症事件的群組;丙為敗血性休克事件之群組的唯一成員。而病患A及B屬於呼吸器脫離事件群組。
依據上述設定的事件風險資料,針對每一該病患,依
據其所屬之該事件,計算其風險程度。該風險程度之計算係據下式為之:A=D+(Σ Wi
Ei
)
其中,A為該病患之風險分數,D為該病患所屬事件之死亡率風險,W為該病患所屬事件之參考因素權重,E為該病患所屬事件之參考因素的異常程度。
表3-1到3-6分別為此實施例中,病患甲、乙、丙、丁及病患A、B、C的風險分數計算的結果。
繼之,分別針對該病況轉壞類別之該病患,將該病患之依據該風險程度由高至低排序,其中風險程度高之該病患排序在前。在此實施例中,病況轉壞類別之病患有病患甲、乙、丙、丁,其排序為丙丁乙甲。
並針對該病況轉好類別之該病患,將該病患之依據該風險程度由低至高排序,其中風險程度低之該病患排序在前。在此實施例中,病況轉好類別之病患有病患A、B,其排序為AB。
顯示該病況轉壞類別中之該病患的排序資料,以及該病況轉好類別中病患之排序資料。
第4圖顯示依據本實施例之排序結果的螢幕顯示。
螢幕顯示40中主要包括病況轉壞類別之病患列表41及病況轉好類別之病患列表45。
在螢幕顯示40中,可以分別針對該病況轉壞類別中排序在前之該病患及該病況轉好類別中排序在前之該病患,產生警告訊號,例如以顯示器顯示燈號警示或以不同的顏色標示等。
雖然本發明已以較佳實施例揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明之精神和範圍內,當可作些許之更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
醫療系統‧‧‧10
遠距照護中心‧‧‧11
醫療機構‧‧‧121~123
網路‧‧‧13
病患風險程度辨識系統‧‧‧20
輸入介面‧‧‧21
處理器‧‧‧
23
輸出介面‧‧‧25
病況事件資料庫‧‧‧26
事件類別資料庫‧‧‧
27
病患群組資料庫‧‧‧28
事件風險資料庫‧‧‧29
事件判斷單
元‧‧‧231
類別判斷單元‧‧‧233
群組處理單元‧‧‧235
風險程度
計算單元‧‧‧237
類別排序單元‧‧‧239
第1圖顯示依據本發明一實施態樣之醫療系統示意圖。
第2圖顯示依據本發明實施態樣之病患風險程度辨識系統之示意圖。
第3圖顯示依據本發明實施態樣之病患風險程度辨識方法的流程圖。
第4圖顯示依據本實施例之排序結果的螢幕顯示。
病患風險程度辨識系統‧‧‧20
輸入介面‧‧‧21
處理器‧‧‧23
輸
出介面‧‧‧25
病況事件資料庫‧‧‧26
事件類別資料庫‧‧‧27
病
事件風險資料庫‧‧‧29
患群組資料庫‧‧‧28
事件判斷單元‧‧‧
231
類別判斷單元‧‧‧233
群組處理單元‧‧‧235
風險程度計
算單元‧‧‧237
類別排序單元‧‧‧239
Claims (24)
- 一種病患風險程度辨識系統,其適用於遠距照護中心,該遠距照護中心與複數個醫療機構網路連線,該系統包括:一輸入介面,其透過該網路連線,由上述複數個醫療機構接收複數位病患之病患資料:一處理器,其包括:一事件判斷單元,其依據該病患資料,判斷該病患資料對應之該病患所屬之事件;一類別判斷單元,其判斷該病患之該事件為病況轉壞類別或病況轉好類別;一群組處理單元,將屬於同一該事件的該病患歸屬於一群組,並針對同一該群組之病患,依據其病況嚴重度排序;一風險程度計算單元,其針對每一該病患,依據其所屬之該事件,計算其風險程度;一類別排序單元,其分別針對該病況轉壞類別之該些病患,將該些病患依據該風險程度由高至低排序,其中風險程度高之該病患排序在前;該類別排序單元並針對該病況轉好類別之該些病患,將該些病患依據該風險程度由低至高排序,其中風險程度低之該病患排序在前;一輸出介面,其顯示該類別排序單元處理後得到的該病況轉壞類別中之該病患的排序資料,以及該病況轉好類別中病患之排序資料。
- 如申請專利範圍第1項所述之病患風險程度辨識系統,其中該病患資料包括下列至少一種:病患基本資料、住院資料、生理資料、身體評估資料、檢驗資料、呼吸器參數。
- 如申請專利範圍第1項所述之病患風險程度辨識系統,更包含一病況事件資料庫,其儲存每一該事件的判斷標準,其中該事件判斷單元更依據該病患資料及該病況事件資料庫中的該事件的判斷標準,判斷該病患資料對應之該病患所屬之事件。
- 如申請專利範圍第1項所述之病患風險程度辨識系統,更包括一事件類別資料庫,其分別記錄屬於該病況轉壞類別及該病況轉好類別中包含之事件資料,其中該類別判斷單元依據該事件類別資料庫中的資料,判斷該事件判斷單元判斷得出之該事件屬於該病況轉壞類別或該病況轉好類別。
- 如申請專利範圍第1項所述之病患風險程度辨識系統,更包含一病患群組資料庫,其依據該群組處理單元處理的結果,將該病患資料依據該病患之該群組別儲存。
- 如申請專利範圍第1項所述之病患風險程度辨識系統,更包含一事件風險資料庫,其儲存下列至少一種資料:每一該事件之死亡率風險、每一該事件之參考因素及每一該參考因素的權重、每一該參考因素的異常程度判斷基準。
- 如申請專利範圍第1項所述之病患風險程度辨識系統,其中該風險程度計算單元依據下式,針對每一該病患, 計算其風險程度:A=D+(Σ Wi Ei )其中,A為該病患之風險分數,D為該病患所屬事件之死亡率風險,W為該病患所屬事件之參考因素權重,E為該病患所屬事件之參考因素的異常程度。
- 如申請專利範圍第1項所述之病患風險程度辨識系統,其中該輸出介面更分別針對該病況轉壞類別中排序在前之該病患及該病況轉好類別中排序在前之該病患,產生警告訊號。
- 一種病患風險程度辨識方法,其適用於遠距照護中心之一照護中心電腦系統,該遠距照護中心之該照護中心電腦系統與複數個醫療機構之醫療機構電腦系統網路連線,該方法包括:該照護中心電腦系統透過該網路連線,由上述複數個醫療機構之該些醫療機構電腦系統接收複數位病患之病患資料:該照護中心電腦系統依據該病患資料,判斷該病患資料對應之該病患所屬之事件;該照護中心電腦系統判斷該病患之該事件為病況轉壞類別或病況轉好類別;該照護中心電腦系統將屬於同一該事件的該病患歸屬於一群組,並針對同一該群組之病患,依據其病況嚴重度排序;該照護中心電腦系統針對每一該病患,依據其所屬之 該事件,計算其風險程度;該照護中心電腦系統分別針對該病況轉壞類別之該些病患,將該些病患依據該風險程度由高至低排序,其中風險程度高之該病患排序在前;該照護中心電腦系統針對該病況轉好類別之該些病患,將該些病患依據該風險程度由低至高排序,其中風險程度低之該病患排序在前;該照護中心電腦系統顯示該病況轉壞類別中之該病患的排序資料,以及該病況轉好類別中病患之排序資料。
- 如申請專利範圍第9項所述之病患風險程度辨識方法,其中該病患資料包括下列至少一種:病患基本資料、住院資料、生理資料、身體評估資料、檢驗資料、呼吸器參數。
- 如申請專利範圍第9項所述之病患風險程度辨識方法,更提供一病況事件資料庫,其儲存每一該事件的判斷標準,其中該方法更依據該病患資料及該病況事件資料庫中的該事件的判斷標準,判斷該病患資料對應之該病患所屬之事件。
- 如申請專利範圍第9項所述之病患風險程度辨識方法,更提供一事件類別資料庫,其分別記錄屬於該病況轉壞類別及該病況轉好類別中包含之事件資料,其中該方法更依據該事件類別資料庫中的資料,判斷每一該事件屬於該病況轉壞類別或該病況轉好類別。
- 如申請專利範圍第9項所述之病患風險程度辨識方法,更依據該群組處理單元處理的結果,將該病患資料依據該病患之該群組別儲存於一病患群組資料庫中。
- 如申請專利範圍第9項所述之病患風險程度辨識方法,更提供一事件風險資料庫,其儲存下列至少一種資料:每一該事件之死亡率風險、每一該事件之參考因素及每一該參考因素的權重、每一該參考因素的異常程度判斷基準。
- 如申請專利範圍第9項所述之病患風險程度辨識方法,其中該風險程度之計算係據下式,針對每一該病患,計算其風險程度:A=D+(Σ Wi Ei )其中,A為該病患之風險分數,D為該病患所屬事件之死亡率風險,W為該病患所屬事件之參考因素權重,E為該病患所屬事件之參考因素的異常程度。
- 如申請專利範圍第9項所述之病患風險程度辨識方法,更分別針對該病況轉壞類別中排序在前之該病患及該病況轉好類別中排序在前之該病患,產生警告訊號。
- 一種電腦可讀取儲存媒體,用以儲存一電腦程式,上述電腦程式可載入於一電腦系統並且執行下述之病患風險程度辨識方法,其適用於遠距照護中心之一照護中心電腦系統,該遠距照護中心之該照護中心電腦系統與複數個醫療機構之醫療機構電腦系統網路連線,該方法包括:該照護中心電腦系統透過該網路連線,由上述複數個 醫療機構之該些醫療機構電腦系統接收複數位病患之病患資料:該照護中心電腦系統依據該病患資料,判斷該病患資料對應之該病患所屬之事件;該照護中心電腦系統判斷該病患之該事件為病況轉壞類別或病況轉好類別;該照護中心電腦系統將屬於同一該事件的該病患歸屬於一群組,並針對同一該群組之病患,依據其病況嚴重度排序;該照護中心電腦系統針對每一該病患,依據其所屬之該事件,計算其風險程度;該照護中心電腦系統分別針對該病況轉壞類別之該些病患,將該些病患依據該風險程度由高至低排序,其中風險程度高之該病患排序在前;該照護中心電腦系統針對該病況轉好類別之該些病患,將該些病患依據該風險程度由低至高排序,其中風險程度低之該病患排序在前;該照護中心電腦系統顯示該病況轉壞類別中之該病患的排序資料,以及該病況轉好類別中病患之排序資料。
- 如申請專利範圍第17項所述之電腦可讀取儲存媒體,其中該病患資料包括下列至少一種:病患基本資料、住院資料、生理資料、身體評估資料、檢驗資料、呼吸器參數。
- 如申請專利範圍第17項所述之電腦可讀取儲存媒 體,其中該方法更提供一病況事件資料庫,其儲存每一該事件的判斷標準,其中該方法更依據該病患資料及該病況事件資料庫中的該事件的判斷標準,判斷該病患資料對應之該病患所屬之事件。
- 如申請專利範圍第17項所述之電腦可讀取儲存媒體,其中該方法更提供一事件類別資料庫,其分別記錄屬於該病況轉壞類別及該病況轉好類別中包含之事件資料,其中該方法更依據該事件類別資料庫中的資料,判斷每一該事件屬於該病況轉壞類別或該病況轉好類別。
- 如申請專利範圍第17項所述之電腦可讀取儲存媒體,其中該方法更依據該群組處理單元處理的結果,將該病患資料依據該病患之該群組別儲存於一病患群組資料庫中。
- 如申請專利範圍第17項所述之電腦可讀取儲存媒體,其中該方法更提供一事件風險資料庫,其儲存下列至少一種資料‘每一該事件之死亡率風險、每一該事件之參考因素及每一該參考因素的權重、每一該參考因素的異常程度判斷基準。
- 如申請專利範圍第17項所述之電腦可讀取儲存媒體,其中該方法中風險程度之計算係據下式,針對每一該病患,計算其風險程度:A=D+(ΣWiEi)其中,A為該病患之風險分數,D為該病患所屬事件之死亡率風險,W為該病患所屬事件之參考因素權重,E 為該病患所屬事件之參考因素的異常程度。
- 如申請專利範圍第17項所述之電腦可讀取儲存媒體,其中該方法更分別針對該病況轉壞類別中排序在前之該病患及該病況轉好類別中排序在前之該病患,產生警告訊號。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW097140885A TWI397020B (zh) | 2008-10-24 | 2008-10-24 | 病患風險程度辨識系統與方法 |
US12/327,587 US8041584B2 (en) | 2008-10-24 | 2008-12-03 | Method and system for patient risk level evaluation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW097140885A TWI397020B (zh) | 2008-10-24 | 2008-10-24 | 病患風險程度辨識系統與方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201017572A TW201017572A (en) | 2010-05-01 |
TWI397020B true TWI397020B (zh) | 2013-05-21 |
Family
ID=42118369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW097140885A TWI397020B (zh) | 2008-10-24 | 2008-10-24 | 病患風險程度辨識系統與方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8041584B2 (zh) |
TW (1) | TWI397020B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110131588A1 (en) * | 2009-12-01 | 2011-06-02 | International Business Machines Corporation | Software architecture that can sense and respond to contextual and state information |
US9619652B2 (en) * | 2010-03-31 | 2017-04-11 | Salesforce.Com, Inc. | System, method and computer program product for determining a risk score for an entity |
US9445757B2 (en) * | 2010-12-29 | 2016-09-20 | Medtronic Minimed, Inc. | Glycemic health metric determination and application |
US10390740B2 (en) | 2010-12-29 | 2019-08-27 | Medtronic Minimed, Inc. | Glycemic health metric determination and application |
US20130014061A1 (en) * | 2011-07-06 | 2013-01-10 | Lockheed Martin Corporation | Method and apparatus for time-based opportunity and risk management |
US9135804B2 (en) * | 2012-03-23 | 2015-09-15 | Persimmon Scientific, Inc. | Systems and methods for assessing risks of pressure ulcers |
US10039451B2 (en) * | 2012-12-03 | 2018-08-07 | Koninklijke Philips N.V. | System and method for optimizing the frequency of data collection and thresholds for deterioration detection algorithm |
US10600516B2 (en) * | 2012-12-12 | 2020-03-24 | Advanced Healthcare Systems, Inc. | Healthcare administration method for complex case and disease management |
WO2014203258A1 (en) * | 2013-06-19 | 2014-12-24 | Medial Research Ltd. | Managing medical examinations in a population |
EP3028236A4 (en) * | 2013-08-02 | 2017-01-18 | Transamerica Corporation | Categorizing life insurance applicants to determine suitable life insurance products |
WO2016081562A1 (en) * | 2014-11-18 | 2016-05-26 | Al-Dhubaib Khalid | System and method for sorting a plurality of data records |
CN107430802A (zh) * | 2015-03-26 | 2017-12-01 | 柯尼卡美能达株式会社 | 被监视者监视系统的终端装置及终端处理方法、被监视者监视系统的中央处理装置和中央处理方法以及被监视者监视系统 |
TWI640950B (zh) * | 2017-03-28 | 2018-11-11 | 高雄榮民總醫院 | 全人醫療整合評估方法、裝置、內儲程式之電腦程式產品及內儲程式之電腦可讀取紀錄媒體 |
US11200968B2 (en) * | 2017-12-20 | 2021-12-14 | International Business Machines Corporation | Verifying medical conditions of patients in electronic medical records |
US10762990B1 (en) * | 2019-02-01 | 2020-09-01 | Vignet Incorporated | Systems and methods for identifying markers using a reconfigurable system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200516465A (en) * | 2003-08-14 | 2005-05-16 | Edda Technology Ing | Methods and system for intelligent qualitative and quantitative analysis for medical diagnosis |
TW200538734A (en) * | 2004-03-12 | 2005-12-01 | Aureon Biosciences Corp | Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition |
US20060253300A1 (en) * | 2005-05-03 | 2006-11-09 | Somberg Benjamin L | System and method for managing patient triage in an automated patient management system |
US20080120138A1 (en) * | 2006-11-22 | 2008-05-22 | General Electric Company | Systems and methods for automatic severity ranking and notification system |
US20080214904A1 (en) * | 2005-06-22 | 2008-09-04 | Koninklijke Philips Electronics N. V. | Apparatus To Measure The Instantaneous Patients' Acuity Value |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1962676A2 (en) * | 2005-12-19 | 2008-09-03 | Koninklijke Philips Electronics N.V. | Hierarchical real-time patient state indices for patient monitoring |
US8510126B2 (en) * | 2008-02-24 | 2013-08-13 | The Regents Of The University Of California | Patient monitoring |
-
2008
- 2008-10-24 TW TW097140885A patent/TWI397020B/zh active
- 2008-12-03 US US12/327,587 patent/US8041584B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200516465A (en) * | 2003-08-14 | 2005-05-16 | Edda Technology Ing | Methods and system for intelligent qualitative and quantitative analysis for medical diagnosis |
TW200538734A (en) * | 2004-03-12 | 2005-12-01 | Aureon Biosciences Corp | Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition |
US20060253300A1 (en) * | 2005-05-03 | 2006-11-09 | Somberg Benjamin L | System and method for managing patient triage in an automated patient management system |
US20080214904A1 (en) * | 2005-06-22 | 2008-09-04 | Koninklijke Philips Electronics N. V. | Apparatus To Measure The Instantaneous Patients' Acuity Value |
US20080120138A1 (en) * | 2006-11-22 | 2008-05-22 | General Electric Company | Systems and methods for automatic severity ranking and notification system |
Also Published As
Publication number | Publication date |
---|---|
US8041584B2 (en) | 2011-10-18 |
US20100106524A1 (en) | 2010-04-29 |
TW201017572A (en) | 2010-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI397020B (zh) | 病患風險程度辨識系統與方法 | |
Leistner et al. | Nosocomial infections in very low birthweight infants in Germany: current data from the National Surveillance System NEO-KISS | |
Pedersen et al. | Pulse oximetry for perioperative monitoring | |
Lim et al. | Non‐invasive positive pressure ventilation for treatment of respiratory failure due to severe acute exacerbations of asthma | |
Mohr et al. | Telemedicine use decreases rural emergency department length of stay for transferred North Dakota trauma patients | |
Terekhov et al. | Intraoperative care transitions are not associated with postoperative adverse outcomes | |
US20150332012A1 (en) | Patient risk evaluation | |
Tanios et al. | Can we identify patients at high risk for unplanned extubation? A large-scale multidisciplinary survey | |
US20100100395A1 (en) | Method for high-risk member identification | |
Silva et al. | Stanford University network for diagnosis of retinopathy of prematurity (SUNDROP): 36-month experience with telemedicine screening | |
Drahnak et al. | Scripting nurse communication to improve sepsis care | |
Noeman-Ahmed et al. | Predictors of CPAP outcome in hospitalised COVID-19 patients | |
Pollard et al. | Perianesthetic and anesthesia-related mortality in a southeastern United States population: a longitudinal review of a prospectively collected quality assurance data base | |
Hooper et al. | Comparison of a Trigger Tool and voluntary reporting to identify adverse events in a paediatric intensive care unit | |
Xue et al. | Clinical productivity of primary care nurse practitioners in ambulatory settings | |
Meier et al. | Emergency department use among children with tracheostomies: avoidable visits | |
US20080147444A1 (en) | Blood product utilization system and methods | |
US20120253834A1 (en) | Methods, apparatuses and computer program products for facilitating display of relevant quality measures based on diagnoses | |
US20200043585A1 (en) | Patient status monitor with visually strong patient status display | |
Gajda et al. | Amateur athlete with sinus arrest and severe bradycardia diagnosed through a heart rate monitor: a six-year observation—the necessity of shared decision-making in heart rhythm therapy management | |
Leung et al. | Evaluation of the appropriateness of acute hospitalisations in Hong Kong | |
Gannon et al. | Using online learning collaboratives to facilitate practice improvement for COPD: an ACPNet pilot study | |
Johnson | Patients' vital signs and the length of time between the monitoring of vital signs during times of emergency department crowding | |
Aliga et al. | Examining nursing practices for management of sepsis in low income countries: the case of Uganda | |
Imperato et al. | Can an emergency department clinical “triggers” program based on abnormal vital signs improve patient outcomes? |