WO2017108854A1 - Risikoblutdruckmonitor zur adaptiven überwachung des arteriellen blutdrucks - Google Patents

Risikoblutdruckmonitor zur adaptiven überwachung des arteriellen blutdrucks Download PDF

Info

Publication number
WO2017108854A1
WO2017108854A1 PCT/EP2016/082021 EP2016082021W WO2017108854A1 WO 2017108854 A1 WO2017108854 A1 WO 2017108854A1 EP 2016082021 W EP2016082021 W EP 2016082021W WO 2017108854 A1 WO2017108854 A1 WO 2017108854A1
Authority
WO
WIPO (PCT)
Prior art keywords
parameter
sensor
signal
analysis
risk
Prior art date
Application number
PCT/EP2016/082021
Other languages
English (en)
French (fr)
Inventor
Christoph Janott
Sven Boschan
Original Assignee
Christoph Janott
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 Christoph Janott filed Critical Christoph Janott
Publication of WO2017108854A1 publication Critical patent/WO2017108854A1/de

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • 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
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms

Definitions

  • the present invention relates to a blood pressure monitor having at least one sensor for measuring a parameter associated with the arterial blood pressure and a condition of the patient, wherein a sensor signal generated thereby is evaluated by a processor unit and generates a blood pressure risk signal.
  • Measuring methods for determining the arterial blood pressure of the patient are known, wherein at a measuring time a systolic and a diastolic blood pressure are determined as respective instantaneous values.
  • Known non-invasive measuring methods for determining the arterial blood pressure are oscillometric or acoustic cuff auxiliary pressure measuring methods according to Riva-Rocci / Korotkow.
  • measuring methods for determining a pulse waveform, pulse wave velocity or pulse transit time are known in order to obtain, inter alia, information about a vessel stiffness.
  • methods for determining a general chronic risk of high blood pressure health damage are also known, wherein at a measuring time a systolic and a diastolic blood pressure are determined as respective instantaneous values.
  • US 2015 0297143 A1 discloses a patient monitor and analysis method for monitoring and evaluating a condition of a potentially hypotensive high-risk patient.
  • an analysis based on repetitive non-invasive blood pressure measurements is carried out and evaluated in a time window of, for example, 60 minutes.
  • the analysis is a class analysis.
  • US 2015 0332 012 A1 discloses various patient monitors and methods for determining cardiac risk and mental status for a high-risk patient. In doing so, we perform the analysis by evaluating measurements or inputs, such as respiratory rate, heart rate, diastolic blood pressure, age, and a patient's mental state. The evaluation is based, for example, on exceeding a threshold value of a plurality of measured variables.
  • US 2015 0199 010 A1 discloses a system and method by which multiple biofeedback systems can be better coupled and evaluated. It also describes intelligent learning systems.
  • US 2014 0107 504 A1 discloses a system and method by which the state of a Patients can be determined during treatment. In this case, based on sensor measured values, a normal state and a threshold for a risk state are determined.
  • the known methods in which the determination of the blood pressure plays a role for a risk assessment are based on the punctual determination of blood pressure measurements in defined situations, such as at rest, which are compared with one or more general thresholds, such as with a systolic and / or or a diastolic and / or a mean pressure. These procedures are often general and take into account individual conditions of the patient only very limited. Risk predictions may be counterproductive and may create or increase anxiety about acute acute organ damage caused by hypertension, such as left heart failure, myocardial infarction, hemorrhagic stroke, acute renal failure, or aortic rupture, which, in turn, fatally increases blood pressure can be.
  • Riva-Rocci / Korotkow blood pressure measurement method Periodic use of the Riva-Rocci / Korotkow blood pressure measurement method is cumbersome, with pumping noise and non-negligible energy expenditure for inflation. Determining blood pressure according to Riva-Rocci / Korotkow requires a cuff on the upper arm or wrist and is therefore impractical in certain everyday situations.
  • a blood pressure monitor which measures a patient's arterial blood pressure almost continuously and compares a respective measurement value with a respective threshold value that is individually adapted to the patient and takes into account the condition of the patient in order to obtain and output as meaningful a risk analysis or a risk signal as possible by comparison with the respective threshold value.
  • a blood pressure monitor for determining and monitoring a patient's arterial blood pressure to a variable risk threshold value as a function of at least a first and a second condition of the patient, comprising:
  • At least one sensor S1 or a sensor arrangement communicating with the body of the patient and measuring at least the arterial blood pressure or at least one associated parameter as at least a first parameter and measuring at least one second parameter as a measure of the condition of the patient, and generated periodically in sensor data sx;
  • a processor unit having a memory and a sequencer that controls the Sensor data sx receives and generates therefrom a risk signal for a display A1, wherein the flow control comprises a first learning phase and a subsequent monitoring phase, as follows:
  • a plurality of the sensor data sx having at least a first and a second parameter stored in the memory and evaluated in response to a control signal by a feature detector;
  • a state detector ZD is designed to carry out a comparison analysis of the at least one second parameter of the current sensor data sx), which is representative of the respective state of the patient, with at least one predetermined first and second feature, wherein if the at least one second parameter corresponds to the first feature, the current first state is detected, and when the at least one second parameter corresponds to the second feature, the current second state is detected;
  • a risk detector RD is designed to compare the at least one first parameter of the current sensor data sx with the respective risk threshold value RS1, RS2), which corresponds to the detected current status of the patient, and to generate the corresponding risk signal, which depends on the comparison is.
  • the respectively measured at least one first parameter such as, for example, the systolic and / or the diastolic blood pressure or measured value, is not compared with a constant risk threshold, but depending on the condition of the patient with the patient associated respective risk threshold or risk threshold.
  • both individual average values of the at least one first measured value parameter of the patient are taken into account, and also a respective state of the patient, for example by being more or less active, sleeping or awake, having stress or resting.
  • the at least one first parameter is, for example, a systolic, a diastolic and / or a mean-pressure measured value.
  • the at least one first parameter can also be another measured value that is representative of the systolic, diastolic and / or medium pressure value, such as a pulse duration measurement of the pulse wave along an artery, for example in a body extremity or within the torso.
  • the pulse transit time that is, the time between a characteristic ECG signal, such as an R-wave, and an incoming pulse at a suitable location on the body, such as the wrist, ear, sternum, or other location, may also be considered one usable measurand can be used.
  • the use of the pulse transit time has the advantage that no cuff needs to be inflated, but a simple pulse detector, for example, on the wrist can measure the arrival of the pulse, while the R wave is known to be detected by an ECG detector.
  • measured values are preferably used, such as a pulse rate, a skin impedance, a skin and / or ambient temperature, an activity signal originating, for example, from an acceleration sensor and preferably correspondingly preprocessing the activity of the patient.
  • the sensor data of the at least one first parameter are insensitive to a patient-specific transfer function between the blood pressure and the sensor data. This is due to the fact that the sensor data is recorded during the learning phase and then evaluated to individual thresholds and risk thresholds. Thus, the method is also insensitive to sensor dislocations and a patient-internal transfer function is taken into account.
  • FIG. 1 is a schematic overview of a sensor arrangement that combines one or more sensor signals into a sensor signal that comprises at least two parameters or measurement parameters, wherein the sensor signal is a data memory, a feature detector with a class analysis, a threshold value analysis and a feature analysis, a state detector and a Risk detector for signal evaluation is supplied;
  • Fig. 2 is a signal curve of the sensor signal over time, showing a first parameter of the sensor signal in the upper diagram and a second parameter of the sensor signal in the lower diagram, which are divided into three classes or states of the patient.
  • FIG. 3 shows a signal curve of the sensor signal over time, wherein the sensor signal is subdivided into four classes with correspondingly four patient states, wherein in each case upper and lower 100% quantiles and risk threshold values spaced therefrom have been determined and entered;
  • FIG. 4 shows another signal curve of the sensor signal over time, with the same risk threshold values as in FIG. 3, wherein the sensor signal in the third state exceeds the upper risk threshold value;
  • FIG. 5 shows another signal curve of the sensor signal over time, the sensor signal being subdivided into four classes, corresponding to four patient states, forming a variable average and a variable upper risk threshold per class which is larger than the variable mean by a multiplicative factor ;
  • FIG. 6 shows the signal curve of the sensor signal and the variable mean value and the variable upper risk threshold value over time, as in FIG. 5, wherein a variable lower risk threshold value is additionally formed for the variable mean value.
  • the present invention relates to a blood pressure monitor for determining and monitoring an arterial blood pressure of a patient.
  • the arterial blood pressure or an associated value or parameter is measured on the patient and compared with a respective risk threshold value, wherein a corresponding risk signal is generated in the comparison.
  • the blood pressure monitor takes sensor data SX with at least one first parameter corresponding to the arterial blood pressure or the associated value and at least one second parameter, which is a measure for a condition zx of the patient, and analyzes the sensor data sx. On the basis of the stored sensor data sx, these are classified and assigned to a respective state zx of the patient or vice versa. From the sensor data with the at least one parameter of a respective class, at least one threshold value for the at least one first parameter is then determined for each class, and at least one respective threshold value for risk is determined from the respective at least one threshold value.
  • a monitoring phase subsequent to the first learning phase the respective state of the patient is first detected and recognized from the current sensor data on the basis of the at least one second parameter and the current at least one first parameter is compared with the at least one risk threshold assigned to the detected condition of the patient.
  • classes of the sensor data or states are also understood to mean combinatorial classes or states, for example if the patient exercises in the morning or does sports in the evening, does not exercise in the morning or does not exercise in the evening.
  • the at least one first parameter is understood to be one or more first parameters of the sensor data sx that is / are used for the analysis of the risk-blood pressure.
  • the at least one second parameter is understood as meaning one or more second parameters of the sensor data sx, which are used to analyze the condition of the patient and / or for a class analysis.
  • a first part of the second parameter can be used for the class analysis and assignment of the sensor data sx to the respective class and a second part of the second parameter in the monitoring phase can be used to detect the state of the patient.
  • the sensor data sx is sensor data of one or more sensors S1, S2, which together generate the sensor data sx.
  • the sensor data sx may be partially or completely preprocessed.
  • the blood pressure monitor is shown schematically, comprising a first sensor S1 and preferably a second sensor S2, which together generate the sensor signal sx.
  • the sensors are connected to the body of the patient, of which at least one sensor measures the arterial blood pressure or at least one associated parameter as the at least one first parameter.
  • the sensor data sx include the at least one second parameter, which is / are a measure of the condition of the patient.
  • the sensor data sx are generated periodically or repetitively, for example, every second or with the pulse of the patient.
  • the blood pressure monitor also comprises a processor unit ⁇ with a memory M1 and a sequence control implemented thereon.
  • the processor unit ⁇ receives and processes the sensor data sx in accordance with the sequence control to a risk signal RS in order to indicate this by means of an additional display A1.
  • the display A1 can be a display and / or another optical and / or an acoustic display A1.
  • the sequence control comprises both a part for the first learning phase and a part for the subsequent monitoring phase.
  • the sequence control is preferably to be understood as a program that is executed at least partially on the processor unit ⁇ . However, it is also conceivable that one or more parts of the sequence control are executed on another processor or on another hardware component, for example an FPGA or an ASIC.
  • a multiplicity of the sensor data sx having the at least one first and the at least one second parameter is stored in the memory and evaluated by a feature detector MD in response to a control signal.
  • the feature detector MD is designed by at least one class analysis and performs a threshold value analysis SA on a variety of sensor data sx.
  • the class analysis KA in each case evaluates the at least one second parameter so as to distinguish at least one first class from a different second class of sensor data sx, each time-sequential.
  • the class analysis preferably distinguishes whether the at least one second parameter is above or below a predetermined threshold value in order to distinguish the class in binary form.
  • the at least one second parameter is compared with a plurality of predetermined threshold values in order to carry out a corresponding class assignment.
  • the at least one predetermined threshold value may also have been determined by a previous mean value analysis.
  • the first class of the sensor data sx corresponds to the first state of the patient and the second class of the sensor data sx to the second state of the patient.
  • the class analysis KA is preferably carried out at the end of the first learning phase.
  • the threshold value analysis SA determines at least one quantile from the at least one first parameter for each class of the stored sensor data sx. At least one first quantile is determined from the first class of the sensor data sx and at least one second quantile from the second class of the stored sensor data sx. For example, a first quantile for a systolic value and a second quantile for a diastolic value are determined per class.
  • the type of quantiis is preferably predetermined, for example as a 50%, a 60%, a 70%, an 80%, a 90% or a 100% quantile.
  • the quantile is also in intermediate ranges of the above quantiles.
  • the type of quantization is also predetermined by a preceding calculation by an evaluation of the sensor data sx.
  • an associated risk threshold value is determined for each class from the respective at least one quantile or a respective quantile value.
  • at least one first risk threshold value RS1 greater by a predetermined amount is determined from the at least one first quantile of the first class, and at least one second risk threshold value RS2 determined by the at least one second quantile of the second class and the respective class or classes saved belonging to the respective state of the patient.
  • the predetermined and / or the further predetermined amount is preferably stored in the memory and retrievable.
  • the predetermined and / or the further predetermined amount is calculated from an analysis of the first parameters by calculating the predetermined amount as a function of a variance of the values of the first parameters in the respective class.
  • the amount may be calculated from a function of the difference between the systolic and diastolic values of the sensor data sx or from a variance of the sensor data in one respective class.
  • the control signal is preferably an event signal of the sequence control, but it can also be a control signal originating from a sensor or a pushbutton which, for example, the patient or physician generates accordingly.
  • the control signal is automatically generated after the expiration of a timer time or after detection of a second parameter or by linking a parameter detection with a timer or a timer, for example, after the expiration of 24 hours.
  • the sequence control further comprises a state detector ZD and a risk detector RD, which are essentially active in the monitoring phase.
  • the monitoring phase is characterized in that during the monitoring phase the blood pressure monitor monitors the sensor signal sx with its at least one first parameter for a risk value and thus for a critical condition of the patient.
  • the state detector ZD is configured to perform a comparison analysis of the at least one second parameter of the current sensor data sx with at least one predetermined first and second feature, wherein if the at least one second parameter corresponds to the first feature, the current first state is detected, and if the at least one a second parameter corresponds to the second feature, the current second state is detected.
  • the first feature for detecting the first condition may be that the at least one first parameter is greater than a predetermined threshold
  • the second feature may be that the at least one first parameter is less than the predetermined threshold.
  • the second feature may also have a different predetermined value compared to the basis of comparison.
  • the risk detector RD is designed to compare the at least one first parameter of the current sensor data sx with the respective risk threshold value RS1, RS2, RS3, which corresponds to the detected current status of the patient. If the risk threshold value corresponding to the condition of the patient is exceeded by the at least one first parameter, the risk detector RD generates a risk signal RX dependent on the comparison and preferably also triggers an alarm.
  • the schematic representation of the preferred blood pressure monitor according to FIG. 1 shows the first sensor S1 for the determination of systolic blood pressure values, which respectively represent the first parameter of the sensor data sx, and the second sensor S2 for the determination of an activity or movement activity of the patient Represent parameters of the sensor data sx.
  • the sensor data sx are then preferably stored in the data memory M1 in the learning phase.
  • the control signal is preferably generated by a timer T, which then initiates the monitoring phase, for example after 24 hours of learning.
  • the feature detector MD becomes active with the class analysis KA and, in the present example, discriminates the first K1, the second K2 and the third class K3 on the basis of the activity patterns of the second sensor S2.
  • the maxima are determined as threshold values SA11, SA21, SA31 belonging to the classes by the threshold value analysis SA from the respective first parameter.
  • the associated risk threshold values RS1, RS2, RS3 are then determined, which are each higher by a predetermined amount, which is stored in each case.
  • the risk threshold values RS1, RS2, RS3 are fed to the risk detector RD for comparison analysis.
  • the state detector ZD determines or estimates in the monitoring phase the state z of the patient based on the comparative analysis and forwards this information to the risk detector RD.
  • the risk detector RD receives the state z and adjusts the corresponding risk threshold value RS1 -RS3 and compares the first parameter of the sensor signal with the set risk threshold value. If exceeded, an alarm is triggered by the display A1, which is preferably a signal light, an audible and a vibrating alarm.
  • the feature detector MD also comprises a feature analysis which extracts at least one feature ZM from the second parameter values for each class K1-K3 in order to be able to recognize the respective state by the state detector ZD from a current second parameter.
  • the features are transmitted to the state detector ZD.
  • the features ZM are preferably determined in previously known classes.
  • the feature analysis MA can also be carried out in conjunction with the class analysis MA, for example by one of the known cluster analysis methods.
  • the sensor signal having the first parameter sx1 in the upper diagram and the second parameter sx2 in the lower diagram over time is shown as an example, matching the blood pressure monitor according to FIG.
  • the states Z1-Z3 of the patient are detected on the basis of the class analysis KA and from the parameter signal sx2 and the classes of the sensor data are determined.
  • the feature ZM1 for the first class or the first state Z1 is that the second parameter value is less than ZM1.
  • the feature ZM2 for the second class or the second state Z2 is that the second parameter value is greater than ZM1 and less than ZM3.
  • the feature ZM3 for the third class or the third state Z3 is that the second parameter value is greater than ZM3.
  • the upper diagram shows the specific thresholds SA1 -SA3 per class or state Z1-Z3.
  • the respective assigned risk threshold value RS1, RS2, RS3 is greater than the respective threshold value SA1, SA2, SA3 by the predetermined amount.
  • FIG. 3 shows another sensor signal sx1 of the first parameter over a longer time t of the learning phase.
  • the sensor signal sx1 has been subdivided by the class analysis KA into four classes or states Z1-Z4.
  • the threshold value analysis SA has determined respective threshold values SA1-SA4 and corresponding respective risk threshold values RS1-RS4, which were not exceeded in the learning phase.
  • FIG. 4 now shows a sensor signal sx1 of the first parameter over time t during the monitoring phase.
  • the risk threshold values RS1-RS4 determined in the learning phase according to FIG. 3 were adopted, and it can be seen that the sensor signal sx1 in the detected second state Z2 exceeds the second risk threshold value RS2.
  • the at least one sensor S1 is a sensor arrangement that consists of a plurality of sensors or a combination of sensors.
  • the at least one sensor and / or the combination of the sensors together preferably generates the sensor data sx with the at least one first parameter and with the at least one second parameter.
  • the sensor data sx can be transmitted on different lines or on a line.
  • the sensor data according to first and second parameters can be stored separately or together and present.
  • the at least one second parameter may also be at least one imaginary sensor parameter if, for example, it has been determined that after triggering a second parameter all subsequent sensor data carry this parameter or should be assigned to the respective state or class, until another second parameter is detected or received.
  • the at least one sensor or the sensor arrangement preferably comprises at least one or a combination of the following sensors or sensor arrangements:
  • a noninvasive blood pressure sensor that periodically generates at least one of a systolic and a diastolic pressure value and a mean pressure value as a respective parameter
  • an invasive blood pressure sensor that generates at least one respective parameter
  • a blood pulse velocity measurement sensor S1 along an artery which periodically measures a blood pulse velocity with a blood pressure pulse and generates as a respective parameter of the sensor data sx;
  • a sensor array comprising an ECG sensor and a plethysmographic sensor which measures a delay time between an R wave of the ECG signal and a pulse on the body and generates as a respective parameter of the arterial blood pressure;
  • a motion or acceleration sensor that measures motion activity and / or generates acceleration data as a respective parameter
  • a position sensor which measures a body position and generates it as a respective parameter
  • an ECG sensor the ECG data and / or data dependent thereon as a respective parameter such as heart rate, heart rate variability, atrial fibrillation, a form of the QRST complex, asystole, cardiac arrhythmias or a combination out of it, measures and spends,
  • a plethysmographic, a light reflection or a light transmission sensor that measures and outputs a heart rate, heart rate variability, atrial fibrillation, asystole, cardiac arrhythmias, or a combination thereof
  • an EEG sensor which generates EEG signals as a respective parameter and / or a sleep state parameter
  • a sleep / wake sensor and / or detector which measures a sleep / wake signal and generates it as a respective parameter
  • an breath detector that measures a respiratory rate and outputs as a respective parameter
  • a temperature sensor for measuring a skin temperature and / or an ambient temperature, which generates a respective parameter
  • a skin conductivity detector that measures and outputs a skin conductivity as a respective parameter
  • a strain sensor that preferably measures and outputs the change in the volume of the chest or abdomen when breathing
  • a structure-borne sound or airborne sound sensor that picks up and outputs noises from the patient and / or in the patient's environment
  • a light sensor that measures a light intensity and outputs it as a parameter
  • An SP02 sensor that generates SP02 saturation data as a parameter.
  • One or more sensors and / or detectors may also be implemented as a software component in the processor unit ⁇ , such as the timer.
  • the respective at least one first parameter is preferably a systolic value, a diastolic value, a mean pressure value, a pulse transit time, an amplitude, a frequency, a time, a time delay, a position angle, a power, an activity state or an impedance. Other measures are also conceivable.
  • the at least one first parameter comprises at least two or more first parameters.
  • the respective at least one second parameter is preferably a systolic value, a diastolic value, a mean pressure value, a pulse transit time, an amplitude, a frequency, a time, a time delay, a position angle, a power, an activity state, a switch or pushbutton Condition or impedance. Other measures are also conceivable.
  • the at least one second parameter preferably comprises at least two or more second parameters.
  • At least one parameter of the at least one first parameter is the same as a parameter of the at least one second parameter.
  • the at least one sensor S1 or the sensor arrangement is installed integrated in the blood pressure monitor, wherein the blood pressure monitor is designed as a portable device on the patient.
  • the at least one sensor S1 or the Sensor array disposed at least partially outside of the blood pressure monitor and communicates with the blood pressure monitor either wired or wirelessly.
  • a part of the blood pressure monitor is arranged on the wrist or on the chest of the patient and is thus worn by the patient.
  • a part of the blood pressure monitor is implemented as a software component or application in a smartphone.
  • the at least one sensor S1 or the sensor arrangement comprises a signal detector D1 with signal preprocessing or signal conditioning according to known methods.
  • the at least one sensor S1 or the sensor arrangement or the detector D1 preferably comprises an interference signal or artifact suppression in order to hide or compensate it.
  • the at least one sensor S1 or the sensor arrangement or the signal detector D1 is designed to detect a systolic blood pressure, a diastolic blood pressure, a mean pressure or a value associated therewith.
  • the at least one sensor or the sensor arrangement additionally or alternatively detects a pulse rate, a pulse duration, a pulse rate variability, an asystole and / or atrial fibrillation, a heart rate variability, or a combination of the mentioned parameters, which are used as the at least one first and / or first the at least one second parameter is output.
  • the at least one first parameter is a systolic and / or a diastolic and / or a mean pressure value.
  • the at least one second parameter is preferably a heart rate, a movement activity, a body position or a respiratory rate or a combination thereof.
  • control signal to terminate the first learning phase by a timer, by a clock, by a hand signal, by a button signal, by another sensor signal or by an implemented in the flow control control signal detection in the sensor signal sx or generated by a combination thereof.
  • control signal recognition preferably recognizes at least one of the parameters in the plurality of stored sensor data sx in comparison with a predetermined control recognition feature.
  • the class analysis is performed by analyzing the at least one second parameter generated by a hand signal, a key signal, a keyboard signal or a voice input signal or by another sensor signal which is input by the patient at times of change of state or subsequently entered by the physician to separate the at least two classes.
  • the class analysis is performed as a cluster analysis on the at least one second parameter of the plurality of stored sensor data sx according to known methods, wherein at least two class features are determined, via which a separation of the first class of at least the second class with an optimal or predetermined least Hit probability occurs.
  • the class analysis preferably takes place by a comparison of the at least one second parameter with a respective predetermined class feature.
  • the class feature is predetermined and stored in memory and retrievable. At least a first of the second parameters is preferably used for the class analysis KA and at least one second of the second parameters is used for the comparison analysis of the state detector ZD, wherein the second of the second parameters differs from the first of the second parameters.
  • the feature detector MD of the sequencer comprises a feature analysis MA which determines for the at least one second parameter from the plurality of stored sensor data sx at least a first feature that is significant for the first class and determines at least one second feature that is significant for the first feature second class, the first feature being different from the second feature.
  • significant is meant that by the state detector ZD a correct class assignment of the sensor data sx based on the at least one second parameter in comparison with the specific first and second feature with a hit probability that is as large as possible, or a predetermined
  • the at least one feature determined by the feature detector MD then represents the respective predetermined feature for the condition detector ZD.
  • the predetermined first and second characteristics for the condition detector ZD were determined externally based on standard data of the at least one second parameter of the sensor data sx and stored in the blood pressure monitor.
  • the first and second features are then redetermined by the feature detector and the originally stored features are overwritten or overridden to then be used for the condition detector to detect the condition of the patient.
  • the feature analysis MA is preferably based on a cluster analysis or on another known analysis method of the at least one second parameter.
  • the feature analysis MA is configured to generate the respective predetermined features for the state detector ZD, which are tuned to the state detector.
  • the feature analysis MA is formed by transmitting the respective determined features to the class analysis KA, wherein the class analysis KA is constructed or programmed as the condition detector ZD by the class analysis KA based on the determined features of the feature analysis MA at least the first and the second Class recognizes and differentiates. At least one identical parameter of the at least one second parameter is used for the feature analysis MA and for the class analysis KA.
  • the feature analysis MA comprises an amplitude frequency analysis of the at least one second parameter, wherein the determined first and the determined second Feature represents at least one threshold amplitude that optimally separates a first class of amplitudes from a second class of other amplitudes.
  • the threshold amplitude is preferably selected so that it has both the greatest possible distance from the larger amplitudes of the first class and to the smaller amplitudes of the second class, or vice versa.
  • the state detector ZD is then preferably designed as a threshold value decision with at least one threshold amplitude.
  • the feature analysis MA is based on a one-dimensional or multi-dimensional threshold analysis, a pattern recognition analysis, an automatic classifier, or any other known signal detection method capable of determining a significant state detection feature, with which the state detector ZD subsequently derives the state from the sensor signal recognizes.
  • the blood pressure monitor preferably comprises a second sensor S2, which generates at least a part of the at least one second parameter and adds it to the sensor signal sx.
  • the feature analysis MA determines a plurality of features as predetermined features to detect a corresponding plurality of states of the patient in the monitoring phase. The more states of the patient can be distinguished, the safer or more reliable the risk signal or an alarm can preferably be generated.
  • the feature analysis MA is also active during the monitoring phase and determines therein periodically again the respective at least one feature for recognizing the respective class or condition of the patient as the respective predetermined feature so as to adapt the respective predetermined feature to changing second parameters.
  • a drift of the second parameter measured values of the sensors such as, for example, by aging of the sensor, an electrode displacement, the influence of temperature, or the like can be determined. can be compensated.
  • slow patient changes or displacement of a sensor can also be taken into account.
  • the state detector ZD is designed to determine the respective current state of the patient based on the at least one second parameter in real time.
  • pre-stored predetermined features are used for detection.
  • the predetermined features are also adapted during the monitoring phase by a new determination of the features.
  • the second feature for the recognition of the second class is an inverted first feature for recognizing the first class.
  • the state detector ZD preferably has a detection rule based on a one-dimensional or multi-dimensional threshold value analysis, a pattern recognition analysis, an automatic classifier, or based on another known signal recognition method.
  • the first and second predetermined features are each a threshold for discrimination of an amplitude of the at least one second parameter.
  • the blood pressure monitor comprises the second sensor S2, the condition detector ZD taking into account and evaluating at least the second parameter of the second sensor S2 by the comparison analysis in order to detect the condition of the patient.
  • the state detector ZD is designed to again determine and correct the respective predetermined feature by a feature analysis MA during the monitoring phase if correlations between the respective feature and the at least one second parameter have been determined to be detected below a predetermined default correlation value become.
  • the state detector ZD and the feature analysis MA are preferably connected to one another and preferably have identical algorithms.
  • the state detector ZD is preferably designed to use the at least one second parameter of the current sensor signal sx to identify a multiplicity of states, each of which coincides with a corresponding plurality of predetermined features, wherein the threshold value analysis is designed to determine a corresponding multiplicity of threshold values and risk threshold values and wherein the risk detector RD is designed to set the associated risk threshold value for comparison with the at least one first parameter of the current sensor data sx in accordance with the condition of the patient detected by the condition detector ZD.
  • the state detector ZD outputs an interpolated state signal between two detected states, wherein the risk detector RD forms and applies from the interpolated state signal a correspondingly interpolated risk threshold for comparison with the at least one first parameter, wherein a corresponding interpolation is performed as a function of the state data ,
  • the function is preferably a linear, a non-linear function, a step-shaped function, a function of time or a function dependent on another parameter, an accumulating function, or a function combined therefrom.
  • the risk signal generated by the risk detector RD is generated in binary or in a plurality of quantized levels.
  • the risk detector RD is designed to determine a duration of the risk signal and to generate an alarm signal when a predetermined duration is exceeded.
  • the risk detector RD preferably generates an amplitude of the risk signal from the comparison of the at least one parameter with the respective risk threshold value.
  • the comparison signal is accumulated to an accumulated risk signal having an integral component.
  • the risk detector RD detects a Exceeding a predetermined risk signal threshold by the accumulated risk signal and thereby generates the alarm signal.
  • the risk detector RD is designed to compare the risk signal with a predetermined further risk signal threshold value and to generate the alarm signal if it is exceeded immediately or if it is exceeded for a predetermined duration.
  • an alarm signal is generated from the risk signal, wherein the alarm signal is generated optically, on a display, as a colored light display, acoustically, as a vibration alarm or as a combination thereof.
  • the predetermined amount for determining the respective risk threshold value RS1, RS2 from the respective quantile by the feature detector MD is preferably a predetermined additive amount which is added to the quantile value or multiplied by the quantile value or a different linear or non-linear function when determining an upper risk threshold value attributed to the quantile value.
  • the same or a different predetermined amount is subtracted from the quantile value, or the quantile value is accordingly divided by the predetermined amount or added to the quantile value via another linear or non-linear function.
  • the predetermined amounts are preferably dependent on the respective quantile value, so that preferably at a high quantile value the predetermined amount is smaller than at a low quantile value.
  • the 100% quantile value is understood to be a value at which all the respective second parameter values associated with the class being studied are smaller than the 100% quantile value, whereas at 90% quantile value, for example, 90% of all second parameter values belonging to the examined class are smaller than the 90% quantile value.
  • the threshold value analysis SA is designed to be active during the monitoring phase and to carry out again the determination of the respective quantile and the associated risk threshold value for a respective class or for a respective state.
  • the renewed determination of the respective risk threshold value is preferably carried out periodically.
  • the renewed determination of the respective risk threshold value is preferably carried out if a deviation of the at least one first parameter over time is detected.
  • the deviation over time is detected, for example, by a known estimation method, by a cluster analysis, by a statistical analysis, or by another known recognition method. For example, after a period of, for example, 24 hours, the threshold value analysis SA for recalibration is performed again.
  • the threshold value analysis SA is preferably designed to determine, for a respective class or a respective state, a respective lower quantile as a respective lower threshold value and a respective upper quantile as a respective upper threshold value for the respective class. From the respective upper threshold is a respective upper risk threshold value and from the respective lower threshold value, a respective lower risk threshold value is determined.
  • the upper and lower risk thresholds can also be determined differently.
  • the risk detector RD is preferably designed to monitor the current at least one first parameter against the respective upper risk threshold value for an overshoot by comparison.
  • the risk detector RD is preferably designed to monitor or compare the current at least one first parameter against the respective lower risk threshold value for a shortfall.
  • the systolic first parameter is monitored for an exceeding of the respective upper risk threshold value and / or the diastolic first parameter is monitored for an undershooting of the respective lower risk threshold value.
  • FIG. 5 shows the sensor signal sx1 with its first parameter value over time t.
  • the sensor signal is averaged to an averaged sensor signal sxl a.
  • the threshold value analysis SA or by the risk detector RD to the averaged sensor signal sxl a proportional upper risk threshold RSo determined with which the sensor signal sx1 or the averaged sensor signal sxl a is compared in the monitoring phase accordingly, to thereby determine the risk signal.
  • FIG. 6 shows the same sensor signal sx1 as FIG. 5, with the difference that a lower risk threshold value RSu, which is a lower risk threshold value RSu proportional to the averaged sensor signal sxl a, was also determined by the threshold value analysis SA or by the risk detector RD.
  • a lower risk threshold value RSu which is a lower risk threshold value RSu proportional to the averaged sensor signal sxl a
  • the monitoring of the at least one first parameter preferably takes place with the respective risk threshold value based on a signal detection analysis, an estimation analysis or an estimation method.
  • the blood pressure monitor comprises two parts or more hardware components. Preference is given to the flow control or software components distributed to the two or more parts of the hardware.
  • the electronics or hardware components are spaced apart.
  • the at least one sensor or the sensor arrangement may comprise or be arranged together with one part of the electronics.
  • one of the hardware components may be represented by a smartphone, wearable electronics or a remote computer, or may be implemented as an alarm device.
  • the two parts or more hardware components preferably communicate with each other wirelessly or wirelessly.
  • the at least one sensor or the sensor arrangement is designed to be worn on the body of the patient.
  • the processor unit, the memory and the flow control are at least partially formed by a smartphone with an application software.
  • At least part of the hardware and / or the software is designed to be worn on the wrist.
  • some of the hardware and / or software is designed to be worn on the chest.
  • an alarm signal is generated from the risk signal, wherein the alarm signal is displayed by a part carried on the body with the at least one sensor of the blood pressure monitor.
  • the alarm display is spatially separated from the blood pressure monitor, preferably on a smartphone that is wired or wirelessly connected to the blood pressure monitor.
  • the alarm display takes place exclusively or additionally via a display device at a remote location, for example in a medical monitoring center, an ambulance service or a clinic.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Cardiology (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Vascular Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Pulmonology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

Die vorliegende Erfindung betrifft einen Blutdruckmonitor zur adaptiven Überwachung des arteriellen Blutdrucks eines Patienten in Abhängigkeit von seinem Zustand. Mindestens ein Sensor (S1) erzeugt ein Sensorsignal mit zumindest einem ersten Parameter, der mit dem arteriellen Blutdruck verbunden ist, und bevorzugt mit einem zweiten Parameter, der repräsentativ für den Zustand des Patienten ist. Eine Prozessoreinheit mit einem Speicher und einer Ablaufsteuerung empfängt die Sensordaten und wertet diese aus. Zunächst werden in einer Lernphase anhand des zweiten Parameters zumindest zwei Klassen der Sensordaten oder der Zustände des Patienten und dabei jeweilige Quantile des ersten Parameters und dazugehörige Risikoschwellwerte bestimmt. Danach in einer Überwachungsphase wird aus den aktuellen Sensordaten anhand des zweiten Parameters der Zustand des Patienten bestimmt und anhand des ersten Parameters im Vergleich mit dem zum aktuellen Zustand des Patienten gehörenden Risikoschwellwert ein Risikosignal bestimmt.

Description

Risikoblutdruckmonitor zur adaptiven Überwachung des arteriellen Blutdrucks
Die vorliegende Erfindung betrifft einen Blutdruckmonitor mit mindestens einem Sensor zur Messung eines mit dem arteriellen Blutdruck verbundenen Parameters und eines Zustande des Patienten, wobei ein dabei erzeugtes Sensorsignal von einer Prozessoreinheit ausgewertet wird und ein Blutdruckrisikosignal erzeugt.
Bekannt sind Messverfahren zur Bestimmung des arteriellen Blutdrucks des Patienten, wobei zu einem Messzeitpunkt ein systolischer und ein diastolischer Blutdruck als jeweilige Momentanwerte bestimmt werden. Bekannte nicht-invasive Messverfahren zur Bestimmung des arteriellen Blutdrucks sind dabei oszillometrische oder akustische Manschettenhilfsdruck- Messverfahren nach Riva-Rocci / Korotkow. Weiterhin sind Messverfahren zur Bestimmung einer Pulswellenform, Pulswellengeschwindigkeit oder Pulstransitzeit bekannt, um daraus unter anderem Informationen über eine Gefäßsteifigkeit zu erhalten. Weiterhin bekannt sind Verfahren zur Bestimmung eines allgemeinen chronischen Risikos für bluthochdruckbedingte Gesundheitsschäden. Diese Verfahren basieren auf einer einmaligen Messung oder auf regelmäßigen Messungen des Blutdrucks, eines Verhältnisses aus zentralem und peripherem Blutdruck, eines EKGs und/oder einer Pulsfrequenzvariabilität. Jedoch werden die regelmäßigen oder periodischen Messungen nur jeweils zeitlich punktuell durchgeführt, so dass Zwischenzeiten zwischen den Messungen nicht überwacht sind und ein Risiko in der Überwachung darstellen. Wird bei der einen oder bei den periodischen Messungen des Blutdrucks vom Patienten festgestellt, dass eine bekannte Schwelle beispielsweise des systolischen Messwerts überschritten ist, weiß er, dass dies für ihn ein gesundheitliches Risiko darstellt, und er kann dann beispielsweise ärztliche Hilfe in Anspruch nehmen. Eine Schwellwertüberschreitung kann auch elektronisch festgestellt und angezeigt werden.
US 2015 0297 143 A1 offenbart einen Patientenmonitor und ein Analyseverfahren um einen Zustand eines potentiell hypotonischen Risikopatienten zu überwachen und zu bewerten. Dabei wird eine Analyse auf Basis von repetitiven nichtinvasiven Blutdruckmessungen vorgenommen und in einem Zeitfenster von beispielsweise 60 Minuten ausgewertet. Die Analyse ist dabei eine Klassenanalyse.
US 2015 0332 012 A1 offenbart verschiedene Patientenmonitore und Verfahren um ein cardiales Risiko und einen Geisteszustand für einen Risikopatienten zu bestimmen. Dabei wir die Analyse durch Auswertung von Messungen oder Eingaben vorgenommen, wie beispielsweise einer Atemfrequenz, einer Herzrate, des diastolischen Blutdrucks, dem Alter und einem Geisteszustand des Patienten. Die Auswertung basiert beispielsweise auf einer Schwellwertüberschreitung mehrerer Messgrößen.
US 2015 0199 010 A1 offenbart ein System und Verfahren, mit dem mehrere Biofeedback-Systeme besser miteinander gekoppelt und ausgewertet werden können. Dabei werden auch intelligente lernende Systeme beschrieben.
US 2014 0107 504 A1 offenbart ein System und Verfahren, mit dem der Zustand eines Patienten während einer Behandlung bestimmt werden kann. Dabei werden ausgehend von Sensor-Messwerten ein normaler Zustand und ein Schwellwert für einen Risikozustand bestimmt.
Die bekannten Verfahren, bei denen die Bestimmung des Blutdrucks eine Rolle für eine Risikobeurteilung spielt, basieren auf der punktuellen Bestimmung von Blutdruckmesswerten in definierten Situationen, wie beispielsweise in Ruhe, welche mit einem oder mehreren allgemeinen Schwellwerten verglichen werden, wie beispielsweise mit einem systolischen und/oder einem diastolischen und/oder einem Mittelwertdruck. Diese Verfahren sind oft pauschal und berücksichtigen individuelle Zustände des Patienten nur sehr begrenzt. Risikoprognosen können kontraproduktiv sein und und eine Angst vor einem Eintritt einer akuten, durch Bluthochdruck verursachten Organschädigung, wie beispielsweise einem Linksherzversagen, einem Herzinfarkt, einem hämorrhagischer Schlaganfall, eines akuten Nierenversagens oder einer Aortenruptur erzeugen oder steigern, wodurch wiederum auch der Blutdruck fatalerweise noch weiter gesteigert werden kann.
Eine periodische Anwendung des Riva-Rocci/Korotkow Messverfahrens zur Bestimmung des Blutdrucks ist umständlich, sowie mit einem Aufpumpgeräusch und einem nicht vernachlässigbaren Energieverbrauch für das Aufpumpen behaftet. Die Bestimmung des Blutdrucks nach Riva-Rocci/Korotkow erfordert eine Manschette am Oberarm oder Handgelenk und ist daher in bestimmten Alltagssituationen unpraktisch.
Daher besteht eine Aufgabe der Erfindung, um die Nachteile aus dem Stand der Technik zu beseitigen, in der Bereitstellung eines Blutdruckmonitors, der einen arteriellen Blutdruck eines Patienten quasi kontinuierlich misst und einen jeweiligen Messwert mit einem jeweiligen Schwellwert vergleicht, der individuell auf den Patienten angepasst ist und den Zustand des Patienten berücksichtigt, um durch den Vergleich mit dem jeweiligen Schwellwert eine möglichst aussagekräftige Risikoanalyse oder ein Risikosignal zu erhalten und auszugeben.
Die vorstehenden Aufgaben sowie weitere der Beschreibung zu entnehmende Aufgaben werden von einem Blutdruckmonitor gemäß den Merkmalen des unabhängigen Anspruchs 1 gelöst. Weitere vorteilhafte Ausführungsformen der Erfindung sind in den abhängigen Ansprüchen angegeben.
Erfindungsgemäß wird ein Blutdruckmonitor zur Bestimmung und Überwachung des arteriellen Blutdrucks eines Patienten auf einen variablen Risikoschwellwert hin in Abhängigkeit von zumindest einem ersten und einem zweiten Zustand des Patienten zur Verfügung gestellt, der Folgendes umfasst:
mindestens einen Sensor S1 oder eine Sensoranordnung, der/die mit dem Körper des Patienten in Verbindung steht und zumindest den arteriellen Blutdruck oder mindestens einen damit verbundenen Parameter als mindestens einen ersten Parameter misst und mindestens einen zweiten Parameter als Maß für den Zustand des Patienten misst und in Sensordaten sx periodisch erzeugt;
eine Prozessoreinheit mit einem Speicher und einer Ablaufsteuerung, die die Sensordaten sx empfängt und daraus ein Risikosignal für eine Anzeige A1 erzeugt, wobei die Ablaufsteuerung eine erste Lernphase und eine darauffolgende Überwachungsphase umfasst, wie folgt:
indem während der ersten Lernphase eine Vielzahl der Sensordaten sx mit zumindest einem ersten und einem zweiten Parameter im Speicher gespeichert und auf ein Steuersignal hin durch einen Merkmalsdetektor ausgewertet werden;
wobei der Merkmalsdetektor MD ausgebildet ist,
die Sensordaten sx durch eine Klassenanalyse KA des mindestens einen zweiten Parameters über die Vielzahl der gespeicherten Sensordaten sx in zumindest eine erste Klasse und eine dazu unterschiedliche zweite Klasse von jeweils zeitlich aufeinanderfolgenden Sensordaten sx zu diskriminieren, wobei die erste Klasse der Sensordaten sx dem ersten Zustand des Patienten und die zweite Klasse der Sensordaten sx dem zweiten Zustand des Patienten entspricht; und
durch eine Schwellwertanalyse SA des mindestens einen ersten Parameters aus der ersten Klasse der gespeicherten Sensordaten sx mindestens ein erstes Quantil und aus der zweiten Klasse der gespeicherten Sensordaten sx mindestens ein zweites Quantil zu bestimmen, wobei aus dem mindestens einen ersten Quantil mindestens ein um einen vorbestimmten Betrag größerer erster Risikoschwellwert RS1 ), und aus dem mindestens einen zweiten Quantil mindestens ein um einen weiteren vorbestimmten Betrag größerer zweiter Risikoschwellwert RS2 bestimmt und dem jeweiligen Zustand des Patienten zugeordnet gespeichert werden; indem während der Überwachungsphase ein Zustandsdetektor ZD ausgebildet ist, eine Vergleichsanalyse des mindestens einen zweiten Parameters der aktuellen Sensordaten sx), der für den jeweiligen Zustand des Patienten repräsentativ ist, mit zumindest einem vorbestimmten ersten und zweiten Merkmal durchzuführen, wobei wenn der mindestens eine zweite Parameter dem ersten Merkmal entspricht, der aktuelle erste Zustand detektiert wird, und wenn der mindestens eine zweite Parameter dem zweiten Merkmal entspricht, der aktuelle zweite Zustand detektiert wird;
indem während der Überwachungsphase ein Risikodetektor RD ausgebildet ist, den mindestens einen ersten Parameter der aktuellen Sensordaten sx mit dem jeweiligen Risikoschwellwert RS1 , RS2), der dem erkannten aktuellen Zustand des Patienten entspricht, zu vergleichen und das entsprechende Risikosignal zu erzeugen, das vom Vergleich abhängig ist.
Indem während der Lernphase die ersten und die zweiten Parameter des Patienten erfasst und währenddessen oder am Ende ausgewertet werden, können dabei individuelle Schwellwerte und daraus die für den individuellen Patienten gehörenden Risikoschwellwerte bestimmt werden, die darauf während der Überwachungsphase angewendet werden. Dabei wird der jeweils gemessene mindestens eine erste Parameter, wie beispielsweise der systolische und/oder der diastolische Blutdruck oder Messwert, nicht mit einem konstanten Risikoschwellwert verglichen, sondern in Abhängigkeit vom Zustand des Patienten mit dem dazugehörigen jeweiligen Risikoschwellwert oder Risikoschwellwertsatz. Somit werden sowohl individuellen Durchschnittswerten des mindestens einen ersten Messwert-Parameters des Patienten Rechnung getragen, als auch einem jeweiligen Zustand des Patienten, indem er beispielsweise mehr oder weniger aktiv ist, schläft oder wach ist, Stress hat oder Ruhe hat. Der mindestens eine erste Parameter ist dabei beispielsweise ein systolischer, ein diastolischer und/oder ein Mitteldruck-Messwert. Der mindestens eine erste Parameter kann aber auch ein anderer Messwert sein, der repräsentativ für den systolischen, diastolischen und/oder für den Mitteldruck-Wert ist, wie beispielsweise ein Pulslaufzeitmesswert der Pulswelle entlang einer Arterie, beispielsweise in einer Körperextremität oder innerhalb des Torso. Dabei kann auch die Pulstransitzeit, also die Zeit zwischen einem charakteristischen EKG-Signal, wie etwa einer R- Zacke, und einem ankommenden Puls an einer geeigneten Stelle des Körpers, etwa am Handgelenk, am Ohr, am Brustbein oder einer anderen Stelle, als eine brauchbare Messgröße verwendet werden. Die Verwendung der Pulslaufzeit hat den Vorteil, dass dabei keine Manschette aufgepumpt zu werden braucht, sondern ein einfacher Pulsdetektor beispielsweise am Handgelenk das Ankommen des Pulses messen kann, während die R-Zacke bekanntermaßen durch einen EKG-Detektor detektiert wird.
Bevorzugt werden zu einer Auswertung des Zustande des Patienten Messwerte verwendet, wie beispielsweise eine Pulsrate, eine Hautimpedanz, eine Haut- und/oder Umgebungstemperatur, ein Aktivitätssignal, das beispielsweise von einem Beschleunigungssensor stammt und bevorzugt entsprechend vorverarbeitet die Aktivität des Patienten anzeigt.
Besonders vorteilhaft an dem erfindungsgemäßen Verfahren ist, dass die Sensordaten des mindestens einen ersten Parameters unempfindlich sind gegenüber einer Patientenindividuellen Übertragungsfunktion zwischen dem Blutdruck und den Sensordaten. Dies ist darin begründet, dass die Sensordaten während der Lernphase aufgenommen und dann zu individuellen Schwellwerten und Risikoschwellwerten ausgewertet werden. Somit ist das Verfahren auch unempfindlich gegenüber Sensordislokationen und es wird eine patientenimmanente Übertragungsfunktion berücksichtigt.
Weitere Vorteile werden auch in der detaillierten Beschreibung offenbart.
Eine bevorzugte Ausführungsform gemäß der vorliegenden Erfindung ist in nachfolgenden Zeichnungen und in einer detaillierten Beschreibung dargestellt und soll aber die vorliegende Erfindung nicht darauf begrenzen.
Als Figuren zeigen
Fig. 1 eine schematische Übersicht über eine Sensoranordnung, die ein oder mehrere Sensorsignale zu einem Sensorsignal zusammenfasst, das mindestens zwei Parameter oder Messparameter umfasst, wobei das Sensorsignal einem Datenspeicher, einem Merkmalsdetektor mit einer Klassenanalyse, einer Schwellwertanalyse und einer Merkmalsanalyse, einem Zustandsdetektor und einem Risikodetektor zur Signalauswertung zugeführt wird;
Fig. 2 eine Signalkurve des Sensorsignals über der Zeit, wobei ein erster Parameter des Sensorsignals im oberen Diagramm und ein zweiter Parameter des Sensorsignals im unteren Diagramm dargestellt sind, die in drei Klassen oder Zustande des Patienten unterteilt sind.
Fig. 3 eine Signalkurve des Sensorsignals über der Zeit, wobei das Sensorsignal in vier Klassen bei dementsprechend vier Patientenzuständen unterteilt ist, wobei pro Klasse jeweils obere und untere 100% Quantile und davon beabstandet Risikoschwellwerte bestimmt und eingetragen worden sind;
Fig. 4 eine andere Signalkurve des Sensorsignals über der Zeit, mit den gleichen Risikoschwellwerten wie in Fig. 3, wobei das Sensorsignal im dritten Zustand den oberen Risikoschwellwert überschreitet;
Fig. 5 eine andere Signalkurve des Sensorsignals über der Zeit, wobei das Sensorsignal in vier Klassen bei dementsprechend vier Patientenzuständen unterteilt ist, wobei pro Klasse ein variabler Mittelwert und ein variabler oberer Risikoschwellwert gebildet wird, der um einen multiplikativen Faktor größer wie der variable Mittelwert ist;
Fig. 6 die Signalkurve des Sensorsignals und den variablen Mittelwert und den variablen oberen Risikoschwellwert über der Zeit, wie in Fig. 5, wobei zum variablen Mittelwert zusätzlich ein variabler unterer Risikoschwellwert gebildet wird.
Detaillierte Beschreibung eines Ausführungsbeispiels
Die vorliegende Erfindung betrifft einen Blutdruckmonitor zur Bestimmung und Überwachung eines arteriellen Blutdrucks eines Patienten. Dabei wird der arterielle Blutdruck oder ein damit verbundener Wert oder Parameter am Patienten gemessen und mit einem jeweiligen Risikoschwellwert verglichen, wobei bei dem Vergleich ein entsprechendes Risikosignal erzeugt wird.
In einer ersten Lernphase nimmt der Blutdruckmonitor Sensordaten SX mit zumindest einem ersten Parameter, der dem arteriellen Blutdruck oder dem damit verbundenen Wert entspricht, und zumindest einem zweiten Parameter auf, der ein Maß für einen Zustand zx des Patienten ist, und analysiert die Sensordaten sx. Auf Basis der gespeicherten Sensordaten sx werden diese klassifiziert und einem jeweiligen Zustand zx des Patienten zugeordnet oder umgekehrt. Aus den Sensordaten mit dem mindestens einen Parameter einer jeweiligen Klasse werden dann für jede Klasse mindesten ein Schwellwert zu dem mindestens einen ersten Parameter und aus dem jeweiligen mindestens einen Schwellwert mindestens ein jeweiliger Risikoschwellwert bestimmt. In einer auf die erste Lernphase nachfolgenden Überwachungsphase wird aus aktuellen Sensordaten zunächst der jeweilige Zustand des Patienten anhand des mindestens einen zweiten Parameters detektiert und erkannt und der aktuelle mindestens eine erste Parameter mit dem mindestens einen Risikoschwellwert verglichen, der dem erkannten Zustand des Patienten zugeordnet wurde.
Zur Klarheit sei an dieser Stelle gesagt, dass mit dem Zustand generell der Zustand des Patienten gemeint ist, der mit einer entsprechenden Klasse der Sensordaten korrespondiert, und umgekehrt. Beispielsweise werden unter Klassen der Sensordaten oder unter den Zuständen auch kombinatorische Klassen oder Zustände verstanden, wenn beispielsweise der Patient morgens Sport macht oder abends Sport macht oder morgens keinen Sport macht oder abends keinen Sport macht. Unter dem mindestens einen ersten Parameter werden ein oder mehrere erste Parameter der Sensordaten sx verstanden, der oder die zur Analyse des Risikoblutdrucks verwendet wird/werden. Unter dem mindestens einen zweiten Parameter werden ein oder mehrere zweite Parameter der Sensordaten sx verstanden, die zur Analyse des Zustande des Patienten und/oder zu einer Klassenanalyse verwendet werden. Dabei kann ein erster Teil der zweiten Parameter während der Lernphase für die Klassenanalyse und Zuordnung der Sensordaten sx zur jeweiligen Klasse und ein zweiter Teil der zweiten Parameter in der Überwachungsphase zur Zustandserkennung des Patienten verwendet werden. Unter den Sensordaten sx werden Sensordaten eines oder mehrerer Sensoren S1 , S2 verstanden, die zusammen die Sensordaten sx erzeugen. Dabei können die Sensordaten sx teilweise oder insgesamt vorverarbeitet sein.
In Fig. 1 ist der Blutdruckmonitor schematisch dargestellt, der einen ersten Sensor S1 und bevorzugt einen zweiten Sensor S2 umfasst, die zusammen das Sensorsignal sx erzeugen. Weitere Sensoren sind ebenfalls vorstellbar. Dabei stehen die Sensoren mit dem Körper des Patienten in Verbindung, von denen zumindest ein Sensor den arteriellen Blutdruck oder mindestens einen damit verbundenen Parameter als den mindestens einen ersten Parameter misst. Zudem umfassen die Sensordaten sx den mindestens einen zweiten Parameter, der/die ein Maß für den Zustand des Patienten ist/sind. Die Sensordaten sx werden dabei periodisch oder repetitiv, beispielsweise im Sekundentakt oder mit dem Puls des Patienten erzeugt.
Der Blutdruckmonitor umfasst zudem eine Prozessoreinheit μθ mit einem Speicher M1 und einer darauf implementierten Ablaufsteuerung. Die Prozessoreinheit μθ empfängt und verarbeitet die Sensordaten sx gemäß der Ablaufsteuerung zu einem Risikosignal RS, um dieses durch eine zusätzliche Anzeige A1 anzuzeigen. Die Anzeige A1 kann dabei ein Display und/oder eine andere optische und/oder eine akustische Anzeige A1 sein. Die Ablaufsteuerung umfasst dabei sowohl einen Teil für die erste Lernphase als auch einen Teil für die darauffolgende Überwachungsphase. Die Ablaufsteuerung ist bevorzugt als ein Programm zu verstehen, das zumindest teilweise auf der Prozessoreinheit μθ ausgeführt wird. Es ist aber auch vorstellbar, dass ein oder mehrere Teile der Ablaufsteuerung auf einem anderen Prozessor oder auf einer anderen Hardware-Komponente, beispielsweise einem FPGA oder einem ASIC ausgeführt werden.
Während der ersten Lernphase wird eine Vielzahl der Sensordaten sx mit dem mindestens einen ersten und dem mindestens einen zweiten Parameter im Speicher gespeichert und auf ein Steuersignal hin durch einen Merkmalsdetektor MD ausgewertet.
Der Merkmalsdetektor MD ist ausgebildet, indem er zumindest eine Klassenanalyse und eine Schwellwertanalyse SA über Vielzahl der Sensordaten sx durchführt.
Die Klassenanalyse KA wertet aus der Vielzahl der gespeicherten Sensordaten sx jeweils den mindestens einen zweiten Parameter so aus, um dabei zumindest eine erste Klasse von einer dazu unterschiedlichen zweiten Klasse von jeweils zeitlich aufeinanderfolgenden Sensordaten sx zu unterscheiden. Bevorzugt unterscheidet die Klassenanalyse dabei, ob der mindestens eine zweite Parameter oberhalb oder unterhalb eines vorbestimmten Schwellwerts liegt, um die Klasse binär zu unterscheiden. Alternativ bevorzugt wird der mindestens eine zweite Parameter mit mehreren vorbestimmten Schwellwerten verglichen, um eine entsprechende Klassen-Zuordnung vorzunehmen. Der mindestens eine vorbestimmte Schwellwert kann dabei auch durch eine vorherige Mittelwertanalyse bestimmt worden sein. Dabei entspricht die erste Klasse der Sensordaten sx dem ersten Zustand des Patienten und die zweite Klasse der Sensordaten sx dem zweiten Zustand des Patienten. Eine Unterscheidung oder Diskriminierung der Sensordaten sx in eine Vielzahl von Klassen jeweils zeitlich aufeinanderfolgender Sensordaten sx ist ebenso vorstellbar, solange die Klassen durch die Klassenanalyse detektiert werden können. Bevorzugt wird die Klassenanalyse KA am Ende der ersten Lernphase durchgeführt.
Die Schwellwertanalyse SA bestimmt aus den mindestens einen ersten Parametern für jede Klasse der gespeicherten Sensordaten sx jeweils mindestens ein Quantil. Dabei wird aus der ersten Klasse der Sensordaten sx mindestens ein erstes Quantil und aus der zweiten Klasse der gespeicherten Sensordaten sx mindestens ein zweites Quantil bestimmt. Dabei werden pro Klasse beispielsweise ein erstes Quantil für einen systolischen Wert und ein zweites Quantil für einen diastolischen Wert bestimmt. Die Art des Quantiis ist bevorzugt vorbestimmt, beispielsweise als ein 50%-, ein 60%-, ein 70%-, ein 80%-, ein 90%- oder als ein 100%-Quantil. Bevorzugt liegt das Quantil auch in Zwischenbereichen der oben genannten Quantile. Bevorzugt ist die Art des Quantiis auch vorbestimmt durch eine vorangehende Berechnung durch eine Auswertung der Sensordaten sx.
Weiter wird für jede Klasse aus dem jeweiligen mindestens einen Quantil oder einem jeweiligen Quantil-Wert ein zugehöriger Risikoschwellwert bestimmt. Dabei wird aus dem mindestens einen ersten Quantil der ersten Klasse mindestens ein um einen vorbestimmten Betrag größerer erster Risikoschwellwert RS1 bestimmt, und aus dem mindestens einen zweiten Quantil der zweiten Klasse mindestens ein um einen weiteren vorbestimmten Betrag größerer zweiter Risikoschwellwert RS2 bestimmt und der jeweiligen Klasse oder dem jeweiligen Zustand des Patienten zugehörig gespeichert. Der vorbestimmte und/oder der weitere vorbestimmte Betrag ist bevorzugt im Speicher gespeichert und abrufbar. Bevorzugt wird der vorbestimmte und/oder der weitere vorbestimmte Betrag berechnet aus einer Analyse der ersten Parameter, indem der vorbestimmte Betrag in Abhängigkeit von einer Varianz der Werte der ersten Parameter in der jeweiligen Klasse berechnet wird. Beispielsweise kann der Betrag berechnet werden aus einer Funktion der Differenz zwischen systolischem und diastolischem Wert der Sensordaten sx oder aus einer Varianz der Sensordaten in einer jeweiligen Klasse.
Das Steuersignal ist bevorzugt ein Eventsignal der Ablaufsteuerung, es kann aber auch ein von einem Sensor oder einem Taster stammendes Steuersignal sein, das beispielsweise der Patient oder Arzt entsprechend erzeugt. Bevorzugt wird das Steuersignal automatisch nach Ablauf einer Timer-Zeit erzeugt oder nach einer Detektion eines zweiten Parameters oder durch eine Verknüpfung einer Parameterdetektion mit einer Zeitschaltuhr oder einem Timer, beispielsweise nach Ablauf von 24 Stunden.
Die Ablaufsteuerung umfasst weiter einen Zustandsdetektor ZD und einen Risikodetektor RD, die im Wesentlichen in der Überwachungsphase aktiv sind. Die Überwachungsphase ist dadurch gekennzeichnet, dass der Blutdruckmonitor während der Überwachungsphase das Sensorsignal sx mit dessen mindestens einem ersten Parameter auf einen Risikowert und damit auf einen kritischen Zustand des Patienten hin überwacht.
Der Zustandsdetektor ZD ist ausgebildet, eine Vergleichsanalyse des mindestens einen zweiten Parameters der aktuellen Sensordaten sx mit zumindest einem vorbestimmten ersten und zweiten Merkmal durchzuführen, wobei wenn der mindestens eine zweite Parameter dem ersten Merkmal entspricht, der aktuelle erste Zustand detektiert wird, und wenn der mindestens eine zweite Parameter dem zweiten Merkmal entspricht, der aktuelle zweite Zustand detektiert wird. Mit mehreren Merkmalen können auch dementsprechend mehrere Zustände detektiert werden. Beispielsweise kann das erste Merkmal für die Detektion des ersten Zustands sein, dass der mindestens eine erste Parameter größer als ein vorbestimmter Schwellwert ist, wobei das zweite Merkmal sein kann, dass der mindestens eine erste Parameter kleiner als der vorbestimmte Schwellwert ist. Das zweite Merkmal kann aber auch einen anderen vorbestimmten Wert zur Vergleichsgrundlage haben.
Der Risikodetektor RD ist ausgebildet, den mindestens einen ersten Parameter der aktuellen Sensordaten sx mit dem jeweiligen Risikoschwellwert RS1 , RS2, RS3, der dem erkannten aktuellen Zustand des Patienten entspricht, zu vergleichen. Bei einer Überschreitung des dem Zustand des Patienten entsprechenden Risikoschwellwerts durch den mindestens einen ersten Parameter erzeugt der Risikodetektor RD ein vom Vergleich abhängiges Risikosignal RX und löst bevorzugt auch einen Alarm aus.
Die schematische Darstellung des bevorzugten Blutdruckmonitors gemäß Fig. 1 zeigt den ersten Sensor S1 für die Bestimmung von systolischen Blutdruckwerten, die jeweils den ersten Parameter der Sensordaten sx darstellen, und den zweiten Sensor S2 für die Bestimmung einer Aktivität oder Bewegungsaktivität des Patienten, die den zweiten Parameter der Sensordaten sx darstellen. Die Sensordaten sx werden dann in der Lernphase bevorzugt im Datenspeicher M1 gespeichert. Das Steuersignal wird bevorzugt durch einen Timer T erzeugt, der beispielsweise nach 24 Stunden Lernphase dann die Überwachungsphase einleitet. Auf das Steuersignal hin wird der Merkmalsdetektor MD mit der Klassenanalyse KA aktiv und diskriminiert im vorliegenden Beispiel die erste K1 , die zweite K2 und die dritte Klasse K3 anhand der Aktivitätsmuster des zweiten Sensors S2. Nach Detektion der Klassen K1-K3 werden für jede Klasse durch die Schwellwertanalyse SA aus dem jeweiligen ersten Parameter die Maxima als zu den Klassen gehörige Schwellwerte SA11 , SA21 , SA31 bestimmt. Aus den Schwellwerten, die für den ersten Parameter obere Schwellwerte darstellen, werden dann die dazugehörigen Risikoschwellwerte RS1 , RS2, RS3 bestimmt, die jeweils um einen vorbestimmten Betrag, der jeweils abgespeichert vorliegt, höher sind. Die Risikoschwellwerte RS1 , RS2, RS3 werden dem Risikodetektor RD zur Vergleichsanalyse zugeführt. Der Zustandsdetektor ZD bestimmt oder schätzt in der Überwachungsphase den Zustand z des Patienten anhand der Vergleichsanalyse und leitet diese Information weiter an den Risikodetektor RD. Der Risikodetektor RD empfängt den Zustand z und stellt den dementsprechenden Risikoschwellwert RS1 -RS3 ein und vergleicht den ersten Parameter des Sensorsignals mit dem eingestellten Risikoschwellwert. Bei einer Überschreitung wird ein Alarm durch die Anzeige A1 ausgelöst, der bevorzugt eine Signalleuchte, ein akustischer und ein Vibrationsalarm ist.
Optional umfasst der Merkmalsdetektor MD noch eine Merkmalsanalyse, die für jede Klasse K1-K3 jeweils mindestens ein Merkmal ZM aus den zweiten Parameterwerten extrahiert, um danach aus einem aktuellen zweiten Parameter den jeweiligen Zustand durch den Zustandsdetektor ZD erkennen zu können. Die Merkmale werden an den Zustandsdetektor ZD übermittelt. Generell werden dabei die Merkmale ZM bevorzugt bei vorab bekannten Klassen ermittelt. Alternativ bevorzugt kann die Merkmalsanalyse MA auch in Verbindung mit der Klassenanalyse MA beispielsweise durch eine der bekannten Clusteranalyseverfahren vorgenommen werden.
In Fig. 2 ist passend zum Blutdruckmonitor gemäß Fig. 1 das Sensorsignal mit dem ersten Parameter sx1 im oberen Diagramm und dem zweiten Parameter sx2 im unteren Diagramm über der Zeit als ein Beispiel dargestellt. Zunächst werden dabei die Zustände Z1-Z3 des Patienten anhand der Klassenanalyse KA und aus dem Parametersignals sx2 erkannt und dabei die Klassen der Sensordaten bestimmt. Das Merkmal ZM1 für die erste Klasse oder den ersten Zustand Z1 ist, dass der zweite Parameterwert kleiner als ZM1 ist. Das Merkmal ZM2 für die zweite Klasse oder den zweiten Zustand Z2 ist, dass der zweite Parameterwert größer als ZM1 und kleiner als ZM3 ist. Das Merkmal ZM3 für die dritte Klasse oder den dritten Zustand Z3 ist, dass der zweite Parameterwert größer als ZM3 ist. Das obere Diagramm zeigt die bestimmten Schwellwerte SA1 -SA3 pro Klasse oder Zustand Z1-Z3. Der jeweilige zugeordnete Risikoschwellwert RS1 , RS2, RS3 ist jeweils um den vorbestimmten Betrag größer als der jeweilige Schwellwert SA1 , SA2, SA3.
In Fig. 3 ist ein anderes Sensorsignal sx1 des ersten Parameters über einer längeren Zeit t der Lernphase dargestellt. Dabei ist das Sensorsignal sx1 durch die Klassenanalyse KA in vier Klassen oder Zustände Z1-Z4 unterteilt worden. Zu jeder Klasse der Sensordaten sx1 oder zu jedem Zustand Z1-Z4 sind durch die Schwellwertanalyse SA jeweilige Schwellwerte SA1- SA4 und dazu jeweilige Risikoschwellwerte RS1-RS4 bestimmt worden, die jeweils in der Lernphase nicht überschritten worden sind. In Fig. 4 ist nunmehr ein Sensorsignal sx1 des ersten Parameters über die Zeit t während der Überwachungsphase dargestellt. Dabei wurden die in der Lernphase bestimmten Risikoschwellwerte RS1-RS4 gemäß Fig. 3 übernommen, und man erkennt, dass das Sensorsignal sx1 im detektierten zweiten Zustand Z2 den zweiten Risikoschwellwert RS2 überschreitet.
Bevorzugt ist der mindestens eine Sensor S1 eine Sensoranordnung, die aus mehreren Sensoren oder aus einer Kombination von Sensoren besteht. Bevorzugt erzeugt der mindestens eine Sensor und/oder die Kombination der Sensoren zusammen die Sensordaten sx mit dem mindestens einen ersten und mit dem mindestens einen zweiten Parameter. Dabei können die Sensordaten sx auf verschiedenen Leitungen oder auf einer Leitung übermittelt werden. Ebenso können die Sensordaten nach ersten und zweiten Parametern getrennt oder zusammen abgespeichert werden und vorliegen. Dabei kann der mindestens eine zweite Parameter auch mindestens ein imaginärer Sensor-Parameter sein, wenn beispielsweise festgelegt wurde, dass nach Auslösen eines zweiten Parameters alle nachfolgenden Sensordaten diesen Parameter tragen oder dem jeweiligen Zustand oder der jeweiligen Klasse zugeordnet werden sollen, bis ein anderer zweiter Parameter detektiert oder empfangen wird.
Bevorzugt umfasst der mindestens eine Sensor oder die Sensoranordnung zumindest einen oder eine Kombination von folgenden Sensoren oder Sensoranordnungen:
- einen nichtinvasiven Blutdrucksensor, der periodisch zumindest einen systolischen und/oder einen diastolischen Druckwert und/oder einen Mitteldruckwert als einen jeweiligen Parameter erzeugt;
- einen invasiven Blutdrucksensor, der mindestens einen jeweiligen Parameter erzeugt;
- einen Sensor S1 zur Blutpulsgeschwindigkeitsmessung entlang einer Arterie, der periodisch mit einem Blutdruckpuls jeweils eine Blutpulsgeschwindigkeit misst und als einen jeweiligen Parameter der Sensordaten sx erzeugt;
- eine Sensoranordnung aus einem EKG Sensor und einem Plethysmographie-Sensor, die eine Verzögerungszeit zwischen einer R-Zacke des EKG-Signals und einem Puls am Körper misst und als einen jeweiligen Parameter des arteriellen Blutdrucks erzeugt;
- eine Uhr, die jeweilige zweite Parameter erzeugt,
- einen Timer, der einen jeweiligen Parameter und/oder das Steuersignal erzeugt,
einen Handtaster oder Handschalter, der einen jeweiligen Parameter und/oder das Steuersignal erzeugt,
einen Bewegungs- oder Beschleunigungssensor, der eine Bewegungsaktivität misst und/oder Beschleunigungsdaten als einen jeweiligen Parameter erzeugt,
- einen Lagesensor, der eine Körperlage misst und als einen jeweiligen Parameter erzeugt,
- einen EKG Sensor, der EKG-Daten und/oder davon abhängige Daten als einen jeweiligen Parameter, wie eine Herzfrequenz, eine Herzratenvariabilität, ein Vorhofflimmern, eine Form des Q-R-S-T- Komplexes, eine Asystolie, Herzrhythmusstörungen oder eine Kombination daraus, misst und ausgibt,
- einen plethysmographischen, ein Lichtreflexions- oder ein Lichttransmissionssensor, der eine Herzfrequenz, eine Herzratenvariabilität, ein Vorhofflimmern, eine Asystolie, Herzrhythmusstörungen oder eine Kombination daraus misst und ausgibt,
- einen EEG Sensor, der EEG Signale als einen jeweiligen Parameter und/oder einen Schlafzustandsparameter erzeugt,
- einen Schlaf-/Wachzustandssensor und/oder -detektor, der ein Schlaf-/Wachsignal misst und als einen jeweiligen Parameter erzeugt,
- einen Atemdetektor, der eine Atemfrequenz misst und als einen jeweiligen Parameter ausgibt,
einen Temperaursensor zur Messung einer Hauttemperatur und/oder einer Umgebungstemperatur, der einen jeweiligen Parameter erzeugt,
- einen Hautleitfähigkeitsdetektor, der eine Hautleitfähigkeit als einen jeweiligen Parameter misst und ausgibt,
- einen Dehnungssensor, der bevorzugt die Veränderung des Umfangs von Brust oder Bauch beim Atmen misst und ausgibt,
- einen Körperschall oder Luftschallsensor, der Geräusche vom Patienten und/oder in der Umgebung des Patienten aufnimmt und ausgibt,
- einen Lichtsensor, der eine Lichtstärke misst und als einen Parameter ausgibt, oder
- einen SP02 Sensor, der SP02 Sättigungsdaten als einen Parameter erzeugt.
Ein oder mehrere Sensoren und/oder Detektoren können auch als eine Softwarekomponente in der Prozessoreinheit μθ implementiert sein, wie beispielsweise der Timer.
Der jeweilige mindestens eine erste Parameter ist dabei bevorzugt ein systolischer Wert, ein diastolischer Wert, ein Mitteldruckwert, eine Pulstransitzeit, eine Amplitude, eine Frequenz, eine Zeit, eine Zeitverzögerung, ein Lagewinkel, eine Leistung, ein Aktivitätszustand oder eine Impedanz. Andere Messgrößen sind ebenso vorstellbar. Bevorzugt umfasst der mindestens eine erste Parameter mindestens zwei oder mehr erste Parameter.
Der jeweilige mindestens eine zweite Parameter ist dabei bevorzugt ein systolischer Wert, ein diastolischer Wert, ein Mitteldruckwert, eine Pulstransitzeit, eine Amplitude, eine Frequenz, eine Zeit, eine Zeitverzögerung, ein Lagewinkel, eine Leistung, ein Aktivitätszustand, ein Schalter- oder Taster-Zustand oder eine Impedanz. Andere Messgrößen sind ebenso vorstellbar. Bevorzugt umfasst der mindestens eine zweite Parameter mindestens zwei oder mehr zweite Parameter.
Bevorzugt ist mindestens ein Parameter des mindestens einen ersten Parameters derselbe wie ein Parameter des mindestens einen zweiten Parameters.
Bevorzugt ist der mindestens eine Sensor S1 oder die Sensoranordnung im Blutdruckmonitor integriert verbaut, wobei der Blutdruckmonitor als ein tragbares Gerät am Patienten ausgebildet ist. Alternativ bevorzugt ist der mindestens eine Sensor S1 oder die Sensoranordnung zumindest teilweise außerhalb des Blutdruckmonitors angeordnet und steht mit dem Blutdruckmonitor entweder drahtgebunden oder drahtlos in Verbindung.
Bevorzugt ist ein Teil des Blutdruckmonitors am Handgelenk oder auf der Brust des Patienten angeordnet und wird so vom Patienten getragen.
Bevorzugt ist ein Teil des Blutdruckmonitors als eine Softwarekomponente oder Applikation in einem Smartphone implementiert.
Bevorzugt umfasst der mindestens eine Sensor S1 oder die Sensoranordnung einen Signaldetektor D1 mit einer Signalvorverarbeitung oder einer Signalkonditionierung gemäß bekannter Verfahren.
Bevorzugt umfasst der mindestens eine Sensor S1 oder die Sensoranordnung oder der Detektor D1 eine Störsignal- oder Artefakt-Unterdrückung, um diese auszublenden oder zu kompensieren.
Bevorzugt ist der mindestens eine Sensor S1 oder die Sensoranordnung oder der Signaldetektor D1 ausgebildet, einen systolischen Blutdruck, einen diastolischen Blutdruck, einen Mitteldruck oder einen damit verbundenen Wert zu detektieren. Bevorzugt detektiert der mindestens eine Sensor oder die Sensoranordnung zudem oder alternativ eine Pulsrate, eine Pulsdauer, eine Pulsratenvariablität, eine Asystolie und/oder ein Vorhofflimmern, eine Herzfrequenzvariabilität, oder eine Kombination aus den genannten Parametern, die als der mindestens eine erste und/oder als der mindestens eine zweite Parameter ausgegeben werden. Bevorzugt ist der mindestens eine erste Parameter ein systolischer und/oder ein diastolischer und/oder ein Mitteldruckwert. Bevorzugt ist der mindestens eine zweite Parameter eine Herzfrequenz, eine Bewegungsaktivität, eine Körperlage oder eine Atemfrequenz oder eine Kombination daraus.
Bevorzugt wird das Steuersignal zur Beendigung der ersten Lernphase durch einen Timer, durch eine Uhrzeit, durch ein Handsignal, durch ein Taster-Signal, durch ein anderes Sensorsignal oder durch eine in der Ablaufsteuerung implementierte Steuersignalerkennung im Sensorsignal sx oder durch eine Kombination daraus erzeugt. Dabei erkennt die Steuersignalerkennung bevorzugt zumindest einen der Parameter in der Vielzahl der gespeicherten Sensordaten sx im Vergleich mit einem vorbestimmten Steuererkennungsmerkmal.
Bevorzugt erfolgt die Klassenanalyse durch Analyse des mindestens einen zweiten Parameters, der durch ein Handsignal, ein Tastsignal, ein Tastatursignal oder ein Spracheingabesignal oder durch ein anderes Sensorsignal erzeugt wird, das vom Patienten zu Zeiten einer Zustandsänderung selbst eingegeben oder vom Arzt nachträglich eingegeben wird, um eine Trennung der mindestens zwei Klassen vorzunehmen. Alternativ bevorzugt erfolgt die Klassenanalyse als eine Cluster-Analyse über den mindestens einen zweiten Parameter der Vielzahl der gespeicherten Sensordaten sx gemäß bekannter Verfahren, wobei mindestens zwei Klassenmerkmale bestimmt werden, über die eine Trennung der ersten Klasse von mindestens der zweiten Klasse mit einer optimalen oder vorbestimmten mindesten Trefferwahrscheinlichkeit erfolgt. Alternativ bevorzugt erfolgt die Klassenanalyse durch einen Vergleich des mindestens einen zweiten Parameters mit einem jeweiligen vorbestimmten Klassenmerkmal. Dabei ist das Klassenmerkmal vorbestimmt und im Speicher gespeichert und abrufbar. Bevorzugt wird für die Klassenanalyse KA mindestens ein erster der zweiten Parameter verwendet und für die Vergleichsanalyse des Zustandsdetektors ZD mindestens ein zweiter der zweiten Parameter verwendet, wobei sich der zweite der zweiten Parameter vom ersten der zweiten Parameter unterscheidet.
Bevorzugt umfasst der Merkmalsdetektor MD der Ablaufsteuerung eine Merkmalsanalyse MA, die für den mindestens einen zweiten Parameter aus der Vielzahl der gespeicherten Sensordaten sx zumindest ein erstes Merkmal bestimmt, das signifikant für die erste Klasse ist, und zumindest ein zweites Merkmal bestimmt, das signifikant für die zweite Klasse ist, wobei sich das erste Merkmal vom zweiten Merkmal unterscheidet. Unter „signifikant" wird dabei verstanden, dass durch den Zustandsdetektor ZD eine richtige Klassenzuordnung der Sensordaten sx anhand des mindestens einen zweiten Parameters im Vergleich mit dem bestimmten ersten und zweiten Merkmal mit einer Trefferwahrscheinlichkeit erfolgt, die so groß wie möglich ist, oder die eine vorbestimmte Trefferwahrscheinlichkeit zumindest überschreitet. Das mindestens eine durch den Merkmalsdetektor MD bestimmte Merkmal stellt für den Zustandsdetektor ZD dann das jeweilige vorbestimmte Merkmal dar.
Bevorzugt wurden das vorbestimmte erste und zweite Merkmal für den Zustandsdetektor ZD anhand von Standarddaten des mindestens einen zweiten Parameters der Sensordaten sx extern bestimmt und im Blutdruckmonitor abgespeichert. Bevorzugt werden dann in der Lernphase und/oder in der Überwachungsphase das erste und zweite Merkmal durch den Merkmalsdetektor neu bestimmt und die ursprünglich gespeicherten Merkmale überschrieben oder abgelöst, um dann für den Zustandsdetektor zur Erkennung des Zustande des Patienten verwendet zu werden.
Bevorzugt basiert die Merkmalsanalyse MA auf einer Clusteranalyse oder auf einem anderen bekannten Analyseverfahren des mindestens einen zweiten Parameters.
Bevorzugt ist die Merkmalsanalyse MA ausgebildet, die jeweiligen vorbestimmten Merkmale für den Zustandsdetektor ZD zu erzeugen, die auf den Zustandsdetektor abgestimmt sind.
Bevorzugt ist die Merkmalsanalyse MA ausgebildet, indem sie die jeweiligen bestimmten Merkmale an die Klassenanalyse KA überträgt, wobei die Klassenanalyse KA wie der Zustandsdetektor ZD aufgebaut oder programmiert ist, indem die Klassenanalyse KA basierend auf den bestimmten Merkmalen der Merkmalsanalyse MA mindestens die erste und die zweite Klasse erkennt und unterscheidet. Dabei wird für die Merkmalsanalyse MA und für die Klassenanalyse KA mindestens ein gleicher Parameter des mindestens einen zweiten Parameters verwendet.
Bevorzugt umfasst die Merkmalsanalyse MA eine Amplituden-Häufigkeitsanalyse des mindestens einen zweiten Parameters, wobei das bestimmte erste und das bestimmte zweite Merkmal mindestens eine Schwellwertamplitude darstellt, die eine erste Klasse von Amplituden möglichst optimal von einer zweiten Klasse von anderen Amplituden trennt. Dabei wird die Schwellwertamplitude bevorzugt so gewählt, dass sie sowohl einen möglichst großen Abstand zu den größeren Amplituden der ersten Klasse als auch zu den kleineren Amplituden der zweiten Klasse hat, oder umgekehrt. Dadurch können die jeweilige Klasse oder der Zustand dann optimal detektiert werden. Der Zustandsdetektor ZD ist bevorzugt dann als ein Schwellwertentscheider mit zumindest der einen Schwellwertamplitude ausgebildet.
Bevorzugt basiert die Merkmalsanalyse MA auf einer eindimensionalen oder mehrdimensionalen Schwellwertanalyse, einer Mustererkennungsanalyse, einem automatischen Klassifizierer, oder auf einem anderen bekannten Signalerkennungsverfahren, das geeignet ist, ein signifikantes Merkmal für einer Zustandserkennung zu bestimmen, mit dem der Zustandsdetektor ZD anschließend den Zustand aus dem Sensorsignal erkennt.
Bevorzugt umfasst der Blutdruckmonitor dabei einen zweiten Sensor S2, der zumindest einen Teil des mindestens einen zweiten Parameters erzeugt und dem Sensorsignal sx hinzufügt.
Bevorzugt bestimmt die Merkmalsanalyse MA eine Vielzahl von Merkmalen als vorbestimmte Merkmale, um in der Überwachungsphase eine entsprechende Vielzahl an Zuständen des Patienten zu erkennen. Je mehr Zustände des Patienten unterschieden werden können, desto sicherer oder zuverlässiger kann bevorzugtermaßen auch das Risikosignal oder ein Alarm erzeugt werden.
Bevorzugt ist die Merkmalsanalyse MA auch während der Überwachungsphase aktiv und bestimmt darin periodisch erneut das jeweilige mindestens eine Merkmal zur Erkennung der jeweiligen Klasse oder des Zustande des Patienten als das jeweilige vorbestimmte Merkmal, um so das jeweilige vorbestimmte Merkmal an sich verändernde zweite Parameter zu adaptieren. Durch die erneute Bestimmung des jeweiligen Merkmals kann beispielsweise eine Drift der zweiten Parameter-Messwerte der Sensoren, wie beispielsweise sie durch Alterung des Sensors, eine Elektrodenverschiebung, Temperatureinfluss o.ä. entstehen können, kompensiert werden. Durch die erneute Bestimmung des jeweiligen Merkmals kann aber auch langsamen Patientenveränderungen oder einer Verschiebung eines Sensors Rechnung getragen werden.
Bevorzugt ist der Zustandsdetektor ZD ausgebildet, den jeweils aktuellen Zustand des Patienten anhand des mindestens einen zweiten Parameters in Echtzeit zu bestimmen. Bevorzugt werden vorab abgespeicherte vorbestimmte Merkmale zur Erkennung verwendet. Bevorzugt werden die vorbestimmten Merkmale auch während der Überwachungsphase durch eine erneute Bestimmung der Merkmale adaptiert. Bevorzugt ist das zweite Merkmal für die Erkennung der zweiten Klasse ein invertiertes erstes Merkmal zur Erkennung der ersten Klasse.
Bevorzugt weist der Zustandsdetektor ZD eine Erkennungsregel auf, die auf einer eindimensionalen oder mehrdimensionalen Schwellwertanalyse, einer Mustererkennungs- analyse, einem automatischen Klassifizierer, oder auf einem anderen bekannten Signalerkennungsverfahren basiert.
Bevorzugt sind das erste und das zweite vorbestimmte Merkmal jeweils ein Schwellwert für eine Diskriminierung einer Amplitude des mindestens einen zweiten Parameters.
Bevorzugt umfasst der Blutdruckmonitor den zweiten Sensor S2, wobei der Zustandsdetektor ZD durch die Vergleichsanalyse zumindest den zweiten Parameter des zweiten Sensors S2 berücksichtigt und auswertet, um den Zustand des Patienten zu detektieren.
Bevorzugt ist der Zustandsdetektor ZD ausgebildet, während der Überwachungsphase das jeweilige vorbestimmte Merkmal durch eine Merkmalsanalyse MA erneut zu bestimmen und zu korrigieren, falls zuvor Korrelationen zwischen dem jeweiligen Merkmal und dem mindestens einen zweiten Parameter bestimmt worden sind, die als unter einem vorbestimmten Vorgabekorrelationswert liegend erkannt werden. Bevorzugt ist der Zustandsdetektor ZD und die Merkmalsanalyse MA miteinander verbunden und weisen bevorzugt gleiche Algorithmen auf.
Bevorzugt ist der Zustandsdetektor ZD ausgebildet, anhand des mindestens einen zweiten Parameters des aktuellen Sensorsignals sx eine Vielzahl von Zuständen zu erkennen, die jeweils mit einer entsprechenden Vielzahl von vorbestimmten Merkmalen übereinstimmen, wobei die Schwellwertanalyse ausgebildet ist, eine entsprechende Vielzahl an Schwellwerten und Risikoschwelwerten zu bestimmen, und wobei der Risikodetektor RD ausgebildet ist, entsprechend dem durch den Zustandsdetektor ZD erkannten Zustand des Patienten den damit verbundenen Risikoschwellwert zum Vergleich mit dem mindestens einen ersten Parameter der aktuellen Sensordaten sx einzustellen.
Bevorzugt gibt der Zustandsdetektor ZD zwischen zwei erkannten Zuständen ein interpoliertes Zustandssignal aus, wobei der Risikodetektor RD aus dem interpolierten Zustandssignal eine entsprechend interpolierte Risikoschwelle für den Vergleich mit dem mindestens einen ersten Parameter bildet und anwendet, wobei eine entsprechende Interpolation als eine Funktion der Zustandsdaten ausgeführt wird. Bevorzugt ist die Funktion dabei eine lineare, eine nicht-lineare Funktion, eine treppenförmige Funktion, eine Funktion von der Zeit oder eine von einem anderen Parameter abhängige Funktion, eine akkumulierende Funktion, oder eine daraus kombinierte Funktion.
Bevorzugt wird das vom Risikodetektor RD erzeugte Risikosignal binär oder in einer Vielzahl von quantisierten Stufen erzeugt.
Bevorzugt ist der Risikodetektor RD ausgebildet, eine Dauer des Risikosignals zu bestimmen und bei Überschreitung einer vorbestimmten Dauer ein Alarmsignal zu erzeugen. Bevorzugt erzeugt der Risikodetektor RD dabei eine Amplitude des Risikosignals aus dem Vergleich des mindestens einen Parameters mit dem jeweiligen Risikoschwellwert. Bevorzugt wird dabei das Vergleichssignal akkumuliert zu einem akkumulierten Risikosignal, das eine integrale Komponente aufweist. Bevorzugt detektiert der Risikodetektor RD eine Überschreitung eines vorbestimmten Risikosignalschwellwerts durch das akkumulierte Risikosignal und erzeugt dabei das Alarmsignal.
Bevorzugt ist der Risikodetektor RD ausgebildet, das Risikosignal mit einem vorbestimmten weiteren Risikosignalschwellwert zu vergleichen und bei Überschreitung sofort oder bei Überschreitung für eine vorbestimmte Dauer das Alarmsignal zu erzeugen.
Bevorzugt wird aus dem Risikosignal ein Alarmsignal erzeugt wobei das Alarmsignal optisch, auf einem Display, als Farblichtanzeige, akustisch, als ein Vibrationsalarm oder als eine Kombination davon erzeugt wird.
Bevorzugt ist der vorbestimmte Betrag zur Bestimmung des jeweiligen Risikoschwellwerts RS1 , RS2 aus dem jeweiligen Quantil durch den Merkmalsdetektor MD ein vorbestimmter additiver Betrag, der bei einer Bestimmung eines oberen Risikoschwellwerts zu dem Quantilwert hinzuaddiert oder mit dem Quantilwert multipliziert oder über eine andere lineare oder nichtlineare Funktion dem Quantilwert zugerechnet wird. Bei der Bestimmung eines unteren Risikoschwellwerts wird derselbe oder ein anderer vorbestimmter Betrag vom Quantilwert abgezogen oder der Quantilwert wird dementsprechend durch den vorbestimmten Betrag dividiert oder über eine andere lineare oder nichtlineare Funktion dem Quantilwert zugerechnet. Alternativ bevorzugt sind die vorbestimmten Beträge abhängig von dem jeweiligen Quantilwert, sodass vorzugsweise bei einem hohen Quantilwert der vorbestimmte Betrag geringer ausfällt als bei einem niedrigen Quantilwert. Zur Klarheit, wird unter dem 100%- Quantilwert bekanntermaßen ein Wert verstanden, bei dem alle jeweiligen zweiten Parameterwerte, die zu der untersuchten Klasse gehören, kleiner sind als der 100%- Quantilwert, wohingegen beispielsweise bei einem 90%-Quantilwert 90% aller jeweiligen zweiten Parameterwerte, die zu der untersuchten Klasse gehören, kleiner sind als der 90%- Quantilwert.
Bevorzugt ist die Schwellwertanalyse SA ausgebildet, auch während der Überwachungsphase aktiv zu sein und die Bestimmung des jeweiligen Quantiis und des zugehörigen Risikoschwellwerts zu einer jeweiligen Klasse oder zu einem jeweiligen Zustand erneut durchzuführen. Bevorzugt wird die erneute Bestimmung des jeweiligen Risikoschwellwerts periodisch durchgeführt. Bevorzugt wird die erneute Bestimmung des jeweiligen Risikoschwellwerts durchgeführt, wenn eine Abweichung des mindestens einen ersten Parameters über die Zeit detektiert wird. Die Abweichung über die Zeit wird beispielsweise durch ein bekanntes Schätzverfahren, durch eine Clusteranalyse, durch eine statistische Analyse oder durch ein anderes bekanntes Erkennungsverfahren detektiert. Beispielsweise wird nach Ablauf einer Zeit von beispielsweise 24 Stunden die Schwellwertanalyse SA zur Nachkalibrierung erneut durchgeführt.
Bevorzugt ist die Schwellwertanalyse SA ausgebildet, für eine jeweilige Klasse oder einen jeweiligen Zustand ein jeweiliges unteres Quantil als einen jeweiligen unteren Schwellwert und ein jeweiliges oberen Quantil als einen jeweiligen oberen Schwellwert für die jeweilige Klasse zu bestimmen. Aus dem jeweiligen oberen Schwellwert wird dabei ein jeweiliger oberer Risikoschwellwert und aus dem jeweiligen unteren Schwellwert wird ein jeweiliger unterer Risikoschwellwert bestimmt. Der obere und untere Risikoschwellwert kann auch anders bestimmt sein.
Bevorzugt ist der Risikodetektor RD ist ausgebildet, den aktuellen mindestens einen ersten Parameter gegen den jeweiligen oberen Risikoschwellwert auf eine Überschreitung hin durch Vergleich zu überwachen. Bevorzugt ist der Risikodetektor RD ist ausgebildet, den aktuellen mindestens einen ersten Parameter gegen den jeweiligen unteren Risikoschwellwert auf eine Unterschreitung hin zu überwachen oder zu vergleichen.
Bevorzugt wird der systolische erste Parameter auf eine Überschreitung des jeweiligen oberen Risikoschwellwerts hin überwacht und/oder der diastolische erste Parameter auf eine Unterschreitung des jeweiligen unteren Risikoschwellwerts hin überwacht.
Fig. 5 zeigt dazu als Beispiel das Sensorsignal sx1 mit dessen erstem Parameterwert über der Zeit t. Das Sensorsignal wird dabei gemittelt zu einem gemittelten Sensorsignal sxl a. Dann wird durch die Schwellwertanalyse SA oder durch den Risikodetektor RD ein zum gemittelten Sensorsignal sxl a proportionaler oberer Risikoschwellwert RSo bestimmt, mit dem das Sensorsignal sx1 oder das gemittelte Sensorsignal sxl a in der Überwachungsphase entsprechend verglichen wird, um dabei das Risikosignal zu bestimmen.
Fig. 6 zeigt das gleiche Sensorsignal sx1 wie Fig. 5, mit dem Unterschied, dass dabei durch die Schwellwertanalyse SA oder durch den Risikodetektor RD auch ein unterer Risikoschwellwert RSu bestimmt wurde, der ein zum gemittelten Sensorsignal sxl a proportionaler unterer Risikoschwellwert RSu ist.
Bevorzugt erfolgt die Überwachung des mindestens einen ersten Parameters mit dem jeweiligen Risikoschwellwert basierend auf einer Signalerkennungsanalyse, einer Schätzanalyse oder einem Schätzverfahren.
Bevorzugt umfasst der Blutdruckmonitor zwei Teile oder mehr Hardware-Komponenten. Bevorzugt ist dabei auch die Ablaufsteuerung oder Software-Komponenten auf die zwei oder mehr Teile der Hardware verteilt. Bevorzugt sind die Elektroniken oder Hardware-Komponenten voneinander beabstandet. Beispielsweise kann der mindestens eine Sensor oder die Sensoranordnung den einen Teil der Elektronik umfassen oder damit zusammen angeordnet sein. Beispielsweise kann eine der Hardware-Komponenten durch ein Smartphone, einer am Körper tragbaren Elektronik oder einem entfernten Computer dargestellt oder als ein Alarmgerät ausgeführt sein. Die zwei Teile oder mehr Hardware-Komponenten stehen bevorzugt drahtgebunden oder drahtlos miteinander in Verbindung. Bevorzugt ist der mindestens eine Sensor oder die Sensoranordnung ausgebildet, am Körper des Patienten getragen zu werden. Bevorzugt werden die Prozessoreinheit, der Speicher und die Ablaufsteuerung zumindest teilweise von einem Smartphone mit einer Applikationssoftware gebildet. Bevorzugt ist zumindest ein Teil der Hardware und/oder der Software ausgebildet, um am Handgelenk getragen zu werden. Alternativ bevorzugt ist ein teil der Hardware und/oder der Software ausgebildet, um an der Brust getragen zu werden. Bevorzugt wird aus dem Risikosignal ein Alarmsignal erzeugt, wobei das Alarmsignal durch einen am Körper getragenen Teil mit dem mindestens einen Sensor des Blutdruckmonitors angezeigt wird.
Alternativ bevorzugt erfolgt die Alarmanzeige von dem Blutdruckmonitor räumlich getrennt, vorzugsweise auf einem Smartphone, das mit dem Blutdruckmonitor drahtgebunden oder drahtlos in Verbindung steht. Alternativ bevorzugt erfolgt die Alarmanzeige ausschließlich oder zusätzlich über eine Anzeigeeinrichtung an einem entfernten Ort, beispielsweise in einem medizinischen Überwachungszentrum, einem Rettungsdienst oder einer Klinik. Ein Vorteil dieser Ausführungsform ist es, dass beim Eintreten eines kritischen Zustands des Patienten ohne dessen aktives Zutun geeignete Maßnahmen eingeleitet werden können.
Weitere mögliche Ausbildungsformen sind in den folgenden Ansprüchen beschrieben. Insbesondere können auch die verschiedenen Merkmale der oben beschriebenen Ausführungsformen miteinander kombiniert werden, soweit sie sich nicht technisch ausschließen.
Die In den Ansprüchen genannten Bezugszeichen dienen nur der besseren Verständlichkeit und beschränken die Ansprüche in keiner Weise auf die in den Figuren dargestellten Formen.
Bezugszeichenliste
A1 Alarmausgabe
KA Klassenanalyse
K1 - K4 erste - vierte Klasse der Sensordaten sx
M1 Datenspeicher
MA Merkmalsanalyse
MD Merkmalsdetektor
RD Risikodetektor
SA Schwellwertanalyse
SA1 - SA4 erstes - viertes Schwellwertsignal
51 erster Sensor
52 zweiter Sensor
RS1 - RS4 erster - vierter Risikoschwellwert
RSo oberer Risikoschwellwert
RSu unterer Risikoschwellwert
sx, sx1 , sx2 Sensordaten
sx1 a gemittelte Sensordaten
t Zeit
T Timer
μθ Prozessoreinheit
z, z1 - z4 jeweiliger Zustand des Patienten
ZD Zustandsdetektor
ZM Zustandsmerkmal

Claims

Ansprüche
1. Blutdruckmonitor zur Bestimmung und Überwachung des arteriellen Blutdrucks eines Patienten auf einen variablen Risikoschwellwert hin in Abhängigkeit von zumindest einem ersten und einem zweiten Zustand des Patienten, umfassend:
- mindestens einen Sensor (S1 ) oder eine Sensoranordnung, der/die mit dem Körper des
Patienten in Verbindung steht und zumindest den arteriellen Blutdruck oder mindestens einen damit verbundenen Parameter als mindestens einen ersten Parameter misst und mindestens einen zweiten Parameter als Maß für den Zustand des Patienten misst und in Sensordaten (sx) periodisch erzeugt;
- eine Prozessoreinheit mit einem Speicher und einer Ablaufsteuerung, die die Sensordaten (sx) empfängt und daraus ein Risikosignal für eine Anzeige (A1 ) erzeugt, wobei die Ablaufsteuerung eine erste Lernphase und eine darauffolgende Überwachungsphase umfasst, wie folgt:
- indem während der ersten Lernphase eine Vielzahl der Sensordaten (sx) mit zumindest einem ersten und einem zweiten Parameter im Speicher gespeichert und auf ein Steuersignal hin durch einen Merkmalsdetektor (MD) ausgewertet wird;
- wobei der Merkmalsdetektor (MD) ausgebildet ist,
die Sensordaten (sx) durch eine Klassenanalyse (KA) des mindestens einen zweiten Parameters über die Vielzahl der gespeicherten Sensordaten (sx) in zumindest eine erste Klasse und eine dazu unterschiedliche zweite Klasse von jeweils zeitlich aufeinanderfolgenden Sensordaten (sx) zu diskriminieren, wobei die erste Klasse der Sensordaten (sx) dem ersten Zustand des Patienten und die zweite Klasse der Sensordaten (sx) dem zweiten Zustand des Patienten entspricht; und
durch eine Schwellwertanalyse (SA) des mindestens einen ersten Parameters aus der ersten Klasse der gespeicherten Sensordaten (sx) mindestens ein erstes Quantil und aus der zweiten Klasse der gespeicherten Sensordaten (sx) mindestens ein zweites Quantil zu bestimmen, wobei aus dem mindestens einen ersten Quantil mindestens ein um einen vorbestimmten Betrag größerer erster Risikoschwellwert (RS1 ), und aus dem mindestens einen zweiten Quantil mindestens ein um einen weiteren vorbestimmten Betrag größerer zweiter Risikoschwellwert (RS2) bestimmt und dem jeweiligen Zustand des Patienten zugeordnet gespeichert werden;
- indem während der Überwachungsphase ein Zustandsdetektor (ZD) ausgebildet ist, eine Vergleichsanalyse des mindestens einen zweiten Parameters der aktuellen Sensordaten (sx), der für den jeweiligen Zustand des Patienten repräsentativ ist, mit zumindest einem vorbestimmten ersten und zweiten Merkmal durchzuführen, wobei wenn der mindestens eine zweite Parameter dem ersten Merkmal entspricht, der aktuelle erste Zustand detektiert wird, und wenn der mindestens eine zweite Parameter dem zweiten Merkmal entspricht, der aktuelle zweite Zustand detektiert wird;
- indem während der Überwachungsphase ein Risikodetektor (RD) ausgebildet ist, den mindestens einen ersten Parameter der aktuellen Sensordaten (sx) mit dem jeweiligen Risikoschwellwert (RS1 , RS2), der dem erkannten aktuellen Zustand des Patienten entspricht, zu vergleichen und das entsprechende Risikosignal zu erzeugen, das vom Vergleich abhängig ist.
2. Blutdruckmonitor gemäß Anspruch 1 , wobei der mindestens eine Sensor (S1 ) oder die mindestens eine Sensoranordnung ein Sensor (S1 ) oder eine Kombination von Sensoren ist, der oder die zusammen die Sensordaten (sx) mit dem mindestens einen ersten und mit dem mindestens einen zweiten Parameter erzeugt oder erzeugen; und/oder
wobei der mindestens eine Sensor oder die Sensoranordnung zumindest einen oder eine Kombination von folgenden Sensoren oder Sensoranordnungen umfasst:
einen nichtinvasiven Blutdrucksensor, der periodisch zumindest einen systolischen und/oder einen diastolischen Druckwert und/oder einen Mitteldruckwert als einen jeweiligen Parameter erzeugt,
einen invasiven Blutdrucksensor, der mindestens einen jeweiligen Parameter erzeugt,
einen Sensor (S1 ) zur Blutpulsgeschwindigkeitsmessung entlang einer Arterie, der periodisch mit einem Blutdruckpuls jeweils eine Blutpulsgeschwindigkeit misst und als einen jeweiligen Parameter der Sensordaten (sx) erzeugt,
eine Sensoranordnung aus einem EKG Sensor und einem Plethysmographie- Sensor, die eine Verzögerungszeit zwischen einer R-Zacke des EKG-Signals und einem Puls am Körper misst und als einen jeweiligen Parameter des arteriellen Blutdrucks erzeugt,
eine Uhr, die jeweilige Parameter erzeugt,
einen Timer, der einen jeweiligen Parameter und/oder das Steuersignal erzeugt, einen Handtaster oder Handschalter ist, der einen jeweiligen Parameter und/oder das Steuersignal erzeugt,
einen Bewegungs- oder Beschleunigungssensor, der eine Bewegungsaktivität misst und/oder Beschleunigungsdaten als einen jeweiligen Parameter erzeugt,
einen Lagesensor, der eine Körperlage misst und als einen jeweiligen Parameter erzeugt,
einen EKG Sensor, der EKG-Daten und/oder davon abhängige Daten als einen jeweiligen Parameter, wie eine Herzfrequenz, eine Herzratenvariabilität, ein Vorhofflimmern, eine Asystolie, Herzrhythmusstörungen oder eine Kombination daraus, misst und ausgibt,
einen plethysmographischen, ein Lichtreflexions- oder ein Lichttransmissions- sensor, der eine Herzfrequenz, eine Herzratenvariabilität, ein Vorhofflimmern, eine Asystolie, Herzrhythmusstörungen oder eine Kombination daraus misst und ausgibt,
einen EEG Sensor, der EEG Signale als einen jeweiligen Parameter und/oder einen Schlafzustandsparameter erzeugt,
einen Schlaf-/Wachzustandssensor und/oder -detektor, der ein Schlaf-/Wachsignal misst und als einen jeweiligen Parameter erzeugt,
einen Atemdetektor, der eine Atemfrequenz misst und als einen jeweiligen Parameter ausgibt,
einen Temperaursensor zur Messung einer Hauttemperatur und/oder einer Umgebungstemperatur, der einen jeweiligen Parameter erzeugt,
einen Hautleitfähigkeitsdetektor, der eine Hautleitfähigkeit als einen jeweiligen Parameter misst und ausgibt,
einen Körperschall oder Luftschallsensor ist, der Geräusche vom Patienten und/oder in der Umgebung des Patienten aufnimmt und ausgibt,
einen Lichtsensor, der eine Lichtstärke misst und als einen Parameter ausgibt, oder einen SP02 Sensor, der SP02 Sättigungsdaten als einen Parameter erzeugt; und/oder
wobei der jeweilige Parameter ein systolischer Wert, ein diastolischer Wert, ein Mitteldruckwert, eine Pulstransitzeit, eine Amplitude, eine Frequenz, eine Zeit, eine Zeitverzögerung, ein Lagewinkel, eine Leistung, ein Aktivitätszustand, eine Impedanz oder eine andere Messgröße ist; und/oder
wobei der mindestens eine erste Parameter mindestens zwei oder mehr erste Parameter umfasst und/oder wobei der mindestens eine zweite Parameter mindestens zwei oder mehr zweite Parameter umfasst; und/oder
wobei mindestens ein Parameter des mindestens einen ersten Parameters derselbe ist, wie ein Parameter des mindestens einen zweiten Parameters.
3. Blutdruckmonitor gemäß Anspruch 1 oder 2, wobei der mindestens eine Sensor (S1 ) oder die Sensoranordnung im Blutdruckmonitor integriert verbaut ist, wobei der Blutdruckmonitor als ein tragbares Gerät am Patienten ausgebildet ist; oder
wobei der mindestens eine Sensor (S1 ) oder die Sensoranordnung zumindest teilweise außerhalb des Blutdruckmonitors angeordnet ist und mit dem Blutdruckmonitor entweder drahtgebunden oder drahtlos in Verbindung steht; und/oder
wobei ein Teil des Blutdruckmonitors am Handgelenk oder auf der Brust des Patienten angeordnet ist und getragen wird; und/oder
wobei ein Teil des Blutdruckmonitors als eine Softwarekomponente oder Applikation in einem Smartphone implementiert ist; und/oder
wobei der mindestens eine Sensor (S1 ) oder die Sensoranordnung einen Signaldetektor (D1 ) mit einer Signalvorverarbeitung oder Signalkonditionierung gemäß bekannter Verfahren umfasst; und/oder
wobei der mindestens eine Sensor (S1 ) oder die Sensoranordnung oder der Detektor (D1 ) eine Störsignal- oder Artefakt-Unterdrückung umfasst; und/oder
wobei der mindestens eine Sensor (S1 ) oder die Sensoranordnung oder der Signaldetektor (D1 ) ausgebildet ist, einen systolischen Blutdruck, einen diastolischen Blutdruck, einen Mitteldruck oder einen damit verbundenen Wert, eine Pulsrate, eine Pulsdauer, eine Pulsratenvariablität, eine Asystolie und/oder ein Vorhofflimmern, eine Herzfrequenzvariabilität, oder eine Kombination daraus zu detektieren und als den mindestens einen ersten und/oder als den mindestens einen zweiten Parameter auszugeben; und/oder
wobei der mindestens eine erste Parameter ein systolischer und/oder ein diastolischer und/oder ein Mitteldruckwert und/oder eine Pulstransitzeit ist; und/oder
wobei der mindestens eine zweite Parameter eine Herzfrequenz und/oder eine Bewegungsaktivität und/oder eine Körperlage und/oder eine Atemfrequenz ist.
Blutdruckmonitor gemäß einem oder mehreren der vorstehenden Ansprüche, wobei das Steuersignal zur Beendigung der ersten Lernphase durch einen Timer, durch eine Uhrzeit, durch ein Handsignal, durch ein Taster-Signal, durch ein anderes Sensorsignal oder durch eine in der Ablaufsteuerung implementierte Steuersignalerkennung im Sensorsignal (sx) oder durch eine Kombination daraus erzeugt wird, wobei die Steuersignalerkennung zumindest einen der Parameter in der Vielzahl der gespeicherten Sensordaten (sx) im Vergleich mit einem vorbestimmten Steuererkennungsmerkmal erkennt.
Blutdruckmonitor gemäß einem oder mehreren der vorstehenden Ansprüche, wobei die Klassenanalyse durch Analyse des mindestens einen zweiten Parameters erfolgt, der ein Handsignal, ein Tastsignal, ein Tastatursignal oder ein Spracheingabesignal oder durch ein anderes Sensorsignal erzeugt wird, das vom Patienten zu Zeiten einer Zustandsänderung selbst eingegeben oder vom Arzt nachträglich eingegeben wird, um eine Trennung der mindestens zwei Klassen vorzunehmen; oder
wobei die Klassenanalyse als eine Cluster-Analyse über den mindestens einen zweiten Parameter der Vielzahl der gespeicherten Sensordaten (sx) gemäß bekannter Verfahren erfolgt, indem mindestens zwei Klassenmerkmale bestimmt werden, über die eine Trennung der ersten Klasse von mindestens der zweiten Klasse mit einer optimalen oder vorbestimmten mindesten Trefferwahrscheinlichkeit erfolgt; oder
wobei die Klassenanalyse durch einen Vergleich des mindestens einen zweiten Parameters mit einem jeweiligen vorbestimmten Klassenmerkmal erfolgt; und/oder
wobei für die Klassenanalyse (KA) mindestens ein erster der zweiten Parameter verwendet wird und für die Vergleichsanalyse des Zustandsdetektors (ZD) mindestens ein zweiter der zweiten Parameter verwendet wird, wobei sich der zweite der zweiten Parameter vom ersten der zweiten Parameter unterscheidet.
Blutdruckmonitor gemäß einem oder mehreren der vorstehenden Ansprüche, wobei der Merkmalsdetektor (MD) der Ablaufsteuerung eine Merkmalsanalyse (MA) umfasst, die für den mindestens einen zweiten Parameter aus der Vielzahl der gespeicherten Sensordaten (sx) zumindest ein erstes Merkmal bestimmt, das signifikant für die erste Klasse ist, und zumindest ein zweites Merkmal bestimmt, das signifikant für die zweite Klasse ist und sich vom ersten Merkmal unterscheidet, wobei unter signifikant zu verstehen ist, dass durch den Zustandsdetektor (ZD) eine richtige Klassenzuordnung der Sensordaten (sx) anhand des mindestens einen zweiten Parameters im Vergleich mit dem bestimmten ersten und zweiten Merkmal mit einer Trefferwahrscheinlichkeit erfolgt, die so groß wie möglich ist, oder die eine vorbestimmte Trefferwahrscheinlichkeit zumindest überschreitet, wobei das jeweilige bestimmte Merkmal das jeweilige vorbestimmte Merkmal darstellt; oder
wobei das zumindest vorbestimmte erste und zweite Merkmal fest eingespeichert sind, die anhand von Standarddaten des mindestens einen zweiten Parameters der Sensordaten (sx), die für die Vergleichsanalyse des Zustandsdetektors (ZD) verwendet werden, bestimmt worden sind.
Blutdruckmonitor gemäß Anspruch 6, wobei die Merkmalsanalyse (MA) auf einer Clusteranalyse oder auf einem anderen bekannten Analyseverfahren des mindestens einen zweiten Parameters basiert; und/oder
wobei die Merkmalsanalyse (MA) ausgebildet ist, die jeweiligen vorbestimmten Merkmale für den Zustandsdetektor (ZD) zu erzeugen, die auf den Zustandsdetektor abgestimmt sind; und/oder
wobei die Merkmalsanalyse (MA) ausgebildet ist, indem sie die jeweiligen bestimmten Merkmale an die Klassenanalyse überträgt und die Klassenanalyse wie der Zustandsdetektor (ZD) aufgebaut oder programmiert ist, indem die Klassenanalyse basierend auf den bestimmten Merkmalen der Merkmalsanalyse (MA) mindestens die erste und die zweite Klasse erkennt und diskriminiert, wobei für die Merkmalsanalyse (MA) und für die Klassenanalyse (KA) mindestens eine gleicher der zweiten Parameter verwendet wird; und/oder
wobei die Merkmalsanalyse (MA) eine Amplituden-Häufigkeitsanalyse des mindestens einen zweiten Parameters umfasst, wobei das bestimmte erste und das bestimmte zweite Merkmal mindestens eine Schwellwertamplitude darstellt, die eine erste Klasse von Amplituden möglichst optimal trennt von einer zweiten Klasse von anderen Amplituden, die jeweils einen möglichst großen Abstand von der jeweiligen mindestens einen Schwellwertamplitude haben, um richtig detektiert zu werden, wobei der Zustandsdetektor (ZD) als ein Schwellwertentscheider mit zumindest der einen Schwellwertamplitude ausgebildet ist; und/oder
wobei die Merkmalsanalyse (MA) auf einer eindimensionalen oder mehrdimensionalen Schwellwertanalyse, einer Mustererkennungsanalyse, einem automatischen Klassifizierer, oder auf einem anderen Signalerkennungsverfahren basiert; und/oder
wobei der Blutdruckmonitor einen zweiten Sensor (S2) umfasst, der zumindest einen Teil des mindestens einen zweiten Parameters erzeugt und dem Sensorsignal (sx) hinzufügt; und/oder
wobei die Merkmalsanalyse (MA) eine Vielzahl von Merkmalen als vorbestimmte Merkmale für die Überwachungsphase bestimmt; und/oder
wobei die Merkmalsanalyse (MA) auch während der Überwachungsphase aktiv ist und periodisch erneut das jeweilige Merkmal zur Erkennung der jeweiligen Klasse oder des Zustande des Patienten als das jeweilige vorbestimmte Merkmal bestimmt, um so das jeweilige vorbestimmten Merkmal an sich verändernde zweite Parameter zu adaptieren.
Blutdruckmonitor gemäß einem oder mehreren der vorstehenden Ansprüche, wobei der Zustandsdetektor (ZD) ausgebildet ist, den jeweils aktuellen Zustand des Patienten anhand des mindestens einen zweiten Parameters in Echtzeit zu bestimmen; und/oder wobei der Zustandsdetektor (ZD) eine Erkennungsregel aufweist, die auf einer eindimensionalen oder mehrdimensionalen Schwellwertanalyse, einer Mustererkennungsanalyse, einem automatischen Klassifizierer, oder auf einem anderen Signalerkennungsverfahren basiert; und/oder
wobei das erste und das zweite vorbestimmte Merkmal ein Schwellwert für eine Diskriminierung einer Amplitude des mindestens einen zweiten Parameters ist; und/oder wobei der Blutdruckmonitor einen zweiten Sensor (S2) umfasst und der Zustandsdetektor (ZD) durch die Vergleichsanalyse zumindest einen zweiten Parameter des zweiten Sensors (S2) berücksichtigt und auswertet, um den Zustand des Patienten zu detektieren; und/oder
wobei der Zustandsdetektor (ZD) ausgebildet ist, während der Überwachungsphase das jeweilige vorbestimmte Merkmal durch eine Merkmalsanalyse erneut zu bestimmen und zu korrigieren, falls zuvor Korrelationen zwischen dem jeweiligen Merkmal und dem mindestens einen zweiten Parameter bestimmt worden sind, die als unter einem vorbestimmten Vorgabekorrelationswert liegend erkannt werden.
Blutdruckmonitor gemäß einem oder mehreren der vorstehenden Ansprüche, wobei der Zustandsdetektor (ZD) ausgebildet ist, anhand des mindestens einen zweiten Parameters des aktuellen Sensorsignals (sx) eine Vielzahl von Zuständen zu erkennen, die jeweils mit einer entsprechenden Vielzahl von vorbestimmten Merkmalen übereinstimmen, wobei die Schwellwertanalyse ausgebildet ist, eine entsprechende Vielzahl an
Schwellwerten und Risikoschwelwerten zu bestimmen, und
wobei der Risikodetektor (RD) ausgebildet ist, entsprechend dem durch den
Zustandsdetektor (ZD) erkannten Zustand des Patienten den damit verbundenen
Risikoschwellwert zum Vergleich mit dem mindestens einen ersten Parameter der aktuellen Sensordaten (sx) einzustellen; und/oder
wobei der Zustandsdetektor (ZD) zwischen zwei erkannten Zuständen ein interpoliertes Zustandssignal ausgibt und der Risikodetektor (RD) aus dem interpolierten
Zustandssignal eine entsprechend interpolierte Risikoschwelle für den Vergleich mit dem mindestens einen ersten Parameter bildet und anwendet,
wobei eine entsprechende Interpolation als eine lineare, eine nicht-lineare Funktion, eine treppenförmige Funktion, eine Funktion von der Zeit oder einem anderen Parameter abhängige Funktion, eine akkumulierende Funktion, oder eine daraus kombinierte Funktion ausgeführt wird; und/oder
wobei das vom Risikodetektor (RD) erzeugte Risikosignal binär oder in einer Vielzahl von quantisierten Stufen erzeugt wird; und/oder
wobei der Risikodetektor (RD) ausgebildet ist, eine Dauer des Risikosignals zu bestimmen und bei Überschreitung einer vorbestimmten Dauer ein Alarmsignal zu erzeugen und/oder eine Amplitude des Risikosignals aus dem Vergleich mit dem jeweiligen Risikoschwellwert zu bestimmen und zu einem akkumulierten Risikosignal zu akkumulieren, und eine Überschreitung eines vorbestimmten Risikosignalschwellwerts durch das akkumulierte Risikosignal zu erkennen und das Alarmsignal zu erzeugen; oder wobei der Risikodetektor (RD) ausgebildet ist, das Risikosignal mit einem vorbestimmten weiteren Risikosignalschwellwert zu vergleichen und bei Überschreitung sofort oder bei Überschreitung für eine vorbestimmte Dauer das Alarmsignal zu erzeugen; und/oder
wobei aus dem Risikosignal ein Alarmsignal erzeugt wird, wobei das Alarmsignal optisch, auf einem Display, als Farblichtanzeige, akustisch oder als eine Kombination davon erzeugt wird.
10. Blutdruckmonitor gemäß einem oder mehreren der vorstehenden Ansprüche, wobei die Schwellwertanalyse (SA) ausgebildet ist, indem das jeweilige Quantil ein 50%-, ein 60%-, ein 70%-, ein 80%-, ein 90%- oder ein 100%-Quantil oder ein Quantil in einem jeweiligen dazwischenliegenden Bereich ist, in dem entsprechend viele erste Parameterwerte liegen; und/oder
wobei der vorbestimmte Betrag zur Bestimmung des jeweiligen Risikoschwellwerts (RS1 , RS2) aus dem jeweiligen Quantil ein vorbestimmter additiver Betrag oder ein vorbestimmter multiplikativer Wert zu/mit dem jeweiligen Quantil-Wert ist; und/oder wobei die Schwellwertanalyse (SA) ausgebildet ist, während der Überwachungsphase aktiv zu sein und die Bestimmung des jeweiligen Quantiis und des zugehörigen Risikoschwellwerts einer jeweiligen Klasse oder zu einem jeweiligen Zustand erneut durchzuführen; und/oder
wobei die Schwellwertanalyse (SA) ausgebildet ist, für eine jeweilige Klasse oder einen jeweiligen Zustand ein jeweiliges unteres Quantil als einen jeweiligen unteren Schwellwert und ein jeweiliges oberen Quantil als einen jeweiligen oberen Schwellwert für die jeweilige Klasse zu bestimmen, und aus dem jeweiligen oberen Schwellwert einen jeweiligen oberen Risikoschwellwert und aus dem jeweiligen unteren Schwellwert einen jeweiligen unteren Risikoschwellwert zu bestimmen, wobei der Risikodetektor (RD) ausgebildet ist, den aktuellen mindestens einen ersten Parameter gegen den jeweiligen oberen Risikoschwellwert auf eine Überschreitung hin zu überwachen und einen aktuellen mindestens einen gleichen oder anderen ersten Parameter gegen den jeweiligen unteren Risikoschwellwert auf eine Unterschreitung hin zu überwachen oder zu vergleichen, wobei das Risikosignal bei der Überschreitung oder der Unterschreitung erzeugt wird; wobei ein systolischer erster Parameter auf eine Überschreitung des jeweiligen oberen Risikoschwellwerts hin überwacht wird; und/oder
wobei ein diastolischer erster Parameter auf eine Unterschreitung des jeweiligen unteren Risikoschwellwerts hin überwacht wird.
11. Blutdruckmonitor gemäß einem oder mehreren der vorstehenden Ansprüche, wobei mindestens zwei Teile von Hardware- oder Software-Komponenten oder Ablaufsteuerungen von verschiedenen von einander beabstandeten Elektroniken ausgeführt werden, wie von einem Smartphone und/oder von einer am Körper tragbaren Elektronik und/oder einem entfernten Computer und/oder einem Alarmgerät, die drahtgebunden oder drahtlos miteinander in Verbindung stehen; und/oder
wobei der mindestens eine Sensor oder die Sensoranordnung ausgebildet ist, am Körper des Patienten getragen zu werden; und/oder
wobei die Prozessoreinheit, der Speicher und die Ablaufsteuerung zumindest teilweise von einem Smartphone mit einer Applikationssoftware dargestellt werden; und/oder
wobei aus dem Risikosignal ein Alarmsignal erzeugt wird, wobei das Alarmsignal durch einen am Körper getragenen Teil mit dem mindestens einen Sensor des Blutdruckmonitors angezeigt wird oder durch einen damit drahtlos verbundenen zweiten Teil des Blutdruckmonitors, wie durch ein Smartphone oder eine Uhr oder ein anderes Gerät.
PCT/EP2016/082021 2015-12-22 2016-12-20 Risikoblutdruckmonitor zur adaptiven überwachung des arteriellen blutdrucks WO2017108854A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102015122645.6 2015-12-22
DE102015122645.6A DE102015122645B3 (de) 2015-12-22 2015-12-22 Risikoblutdruckmonitor zur adaptiven Überwachung des arteriellen Blutdrucks

Publications (1)

Publication Number Publication Date
WO2017108854A1 true WO2017108854A1 (de) 2017-06-29

Family

ID=57796298

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2016/082021 WO2017108854A1 (de) 2015-12-22 2016-12-20 Risikoblutdruckmonitor zur adaptiven überwachung des arteriellen blutdrucks

Country Status (2)

Country Link
DE (1) DE102015122645B3 (de)
WO (1) WO2017108854A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113598734A (zh) * 2021-07-28 2021-11-05 厦门大学 一种基于深度神经网络模型的无袖带血压预测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120179011A1 (en) * 2007-06-12 2012-07-12 Jim Moon Optical sensors for use in vital sign monitoring
US20140107504A1 (en) 2012-10-12 2014-04-17 The Cleveland Clinic Foundation Monitoring severity and duration of aberrant physiological parameters during a procedure
US20150164437A1 (en) * 2009-05-20 2015-06-18 Sotera Wireless, Inc. Graphical mapping system for continuously monitoring a patient's vital signs, motion, and location
US20150199010A1 (en) 2012-09-14 2015-07-16 Interaxon Inc. Systems and methods for collecting, analyzing, and sharing bio-signal and non-bio-signal data
US20150297143A1 (en) 2014-04-16 2015-10-22 Xerox Corporation Assessing patient risk for an acute hypotensive episode
US20150332012A1 (en) 2012-11-02 2015-11-19 The University Of Chicago Patient risk evaluation
US20150342540A1 (en) * 2014-05-30 2015-12-03 Cardiac Pacemakers, Inc. Heart failure event detection and risk stratification using heart rate trend

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120179011A1 (en) * 2007-06-12 2012-07-12 Jim Moon Optical sensors for use in vital sign monitoring
US20150164437A1 (en) * 2009-05-20 2015-06-18 Sotera Wireless, Inc. Graphical mapping system for continuously monitoring a patient's vital signs, motion, and location
US20150199010A1 (en) 2012-09-14 2015-07-16 Interaxon Inc. Systems and methods for collecting, analyzing, and sharing bio-signal and non-bio-signal data
US20140107504A1 (en) 2012-10-12 2014-04-17 The Cleveland Clinic Foundation Monitoring severity and duration of aberrant physiological parameters during a procedure
US20150332012A1 (en) 2012-11-02 2015-11-19 The University Of Chicago Patient risk evaluation
US20150297143A1 (en) 2014-04-16 2015-10-22 Xerox Corporation Assessing patient risk for an acute hypotensive episode
US20150342540A1 (en) * 2014-05-30 2015-12-03 Cardiac Pacemakers, Inc. Heart failure event detection and risk stratification using heart rate trend

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113598734A (zh) * 2021-07-28 2021-11-05 厦门大学 一种基于深度神经网络模型的无袖带血压预测方法

Also Published As

Publication number Publication date
DE102015122645B3 (de) 2017-02-09

Similar Documents

Publication Publication Date Title
EP2059166B1 (de) Verfahren und vorrichtung zur bestimmung der atemfrequenz
DE69415909T2 (de) Dynamischer Filter zur Echtzeit-Entfernung parasitärer Signale aus Wellenformen
EP3302231B1 (de) Verfahren sowie vorrichtung zur ermittlung des verlaufs des blutdrucks
DE60203246T2 (de) Aktive implantierbare medizinische Vorrichtung mit verbesserten Mitteln zum Unterscheiden zwischen den Phasen von Wachzustand und Schlafzustand
DE102017204628A1 (de) Schlafzustandsvorhersagevorrichtung
EP1628570B1 (de) Verfahren zur bestimmung hämodynamischer parameter
DE102016011700A1 (de) Überwachung von Biosignalen, insbesondere Elektrokardiogrammen
DE69616236T2 (de) Geraet zur messung der anaesthesietiefe
EP2908720B1 (de) Vorrichtung und verfahren zum erkennen und melden eines belastungszustandes einer person
WO2017050321A1 (de) Verfahren und vorrichtung zur quantifizierung einer respiratorischen sinusarrhythmie sowie verwendung eines derartigen verfahrens oder einer derartigen vorrichtung
EP2196138A2 (de) System und Verfahren zum Stresstraining eines Benutzers
DE102005007963A1 (de) Verfahren und Einrichtung zur Quantifizierung von vegetativen Stressniveaus
DE69730523T2 (de) Identifizierung von kohärenten signalmustern bei nichtstationären periodischen blutdruckmesswerten
DE102015122645B3 (de) Risikoblutdruckmonitor zur adaptiven Überwachung des arteriellen Blutdrucks
EP3316768B1 (de) Vorrichtung und verfahren zur überwachung und messung des autoregulationsmechanismus des blutdrucks bei einem lebewesen
EP0445809B1 (de) Blutdruckmessvorrichtung
EP1192897B1 (de) Risikomonitoring
DE10319361A1 (de) Vorrichtung und Verfahren zum Messen der vegetativen Balance
DE102016015631B4 (de) Vorrichtung, System und Verfahren zur Erzeugung von Biofeedback
DE10014077B4 (de) Verfahren und Vorrichtung zur Bestimmung der Atemaktivität eines Lebewesens
Pachauri et al. Wavelet and energy based approach for PVC detection
EP2614771A2 (de) Verfahren und Vorrichtung zur Bioimpedanzmessung
US20230293072A1 (en) Method and system for detecting drowsiness of an individual
DE102007050601A1 (de) Mobiles EKG-Gerät
WO2017036890A1 (de) Verfahren zur ermittlung wenigstens einer herzbelastungsdauer und/oder einer herzerholungsdauer aus einem herzschlagsignal

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16826029

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16826029

Country of ref document: EP

Kind code of ref document: A1