WO2019013094A1 - 重症化推定装置及び重症化推定プログラム - Google Patents

重症化推定装置及び重症化推定プログラム Download PDF

Info

Publication number
WO2019013094A1
WO2019013094A1 PCT/JP2018/025539 JP2018025539W WO2019013094A1 WO 2019013094 A1 WO2019013094 A1 WO 2019013094A1 JP 2018025539 W JP2018025539 W JP 2018025539W WO 2019013094 A1 WO2019013094 A1 WO 2019013094A1
Authority
WO
WIPO (PCT)
Prior art keywords
variable
patient information
patient
derived
time
Prior art date
Application number
PCT/JP2018/025539
Other languages
English (en)
French (fr)
Inventor
俊介 高木
Original Assignee
公立大学法人横浜市立大学
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 公立大学法人横浜市立大学 filed Critical 公立大学法人横浜市立大学
Priority to CN201880046864.3A priority Critical patent/CN110891476A/zh
Priority to EP18831414.0A priority patent/EP3653109A4/en
Priority to US16/629,847 priority patent/US20210090739A1/en
Publication of WO2019013094A1 publication Critical patent/WO2019013094A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Definitions

  • the present invention relates to a severity estimation device and a severity estimation program.
  • Patent Document 1 is exemplified.
  • Patent Document 1 describes a system that generates an alarm when a patient gets serious.
  • the system may have various physiological scoring systems or physiological such as early warning scores (EWS), modified early warning scores (MEWS), vital signs index (VIX) It uses parameters.
  • EWS early warning scores
  • MEWS modified early warning scores
  • VIX vital signs index
  • actual values of heart rate and respiration rate which are a part of information used for early warning score, are plotted in a two-dimensional model in which the heart rate is taken on the vertical axis and the respiratory rate is taken on the horizontal axis.
  • an alarm is generated when it is displayed in a specific area of a two-dimensional model.
  • the two-dimensional model disclosed in Patent Document 1 is useful in that it facilitates intuitive judgment by visually displaying an early warning score.
  • the early warning score is an index for determining the severity of a patient, in addition to the heart rate and respiration rate, parameters such as systolic blood pressure, oxygen saturation, and body temperature, It is apprehended that the relevance is inadequate because only the respiratory rate is selectively used.
  • the present invention has been made in view of the above problems, and provides a severity estimation device and a severity estimation program for accurately estimating the severity of a subject patient based on various information on the subject patient. It is provided.
  • patient information acquired within a predetermined period including at least prior to the time when each patient has aggravated from a database storing a plurality of types of patient information acquired over time for a plurality of patients. And a first variable and a second variable from the extracted patient information, and the two-dimensional model in which the first variable and the second variable correspond to the vertical axis and the horizontal axis, respectively.
  • Model generation means for generating a static scoring model, and plural types of patient information on a patient who is a subject are acquired for each unit time, and the first variable and the second variable are derived from the acquired patient information, Scoring means for plotting sequentially on a static scoring model, and the plot by the scoring means being a part of a two-dimensional region in the static scoring model And a severity estimation means for estimating at least a part of the time taken to the area as the timing at which the subject has aggravated, and at least one of the first variable and the second variable is a plurality of types.
  • a severity estimation device is provided which is an indicator derived using patient information.
  • patient information acquired within a predetermined period including at least prior to the time when each patient has aggravated from a database storing a plurality of types of patient information acquired over time for a plurality of patients. And a first variable and a second variable from the extracted patient information, and the two-dimensional model in which the first variable and the second variable correspond to the vertical axis and the horizontal axis, respectively.
  • Model generation means for generating a static scoring model, and plural types of patient information on a patient who is a subject are acquired for each unit time, and the first variable and the second variable are derived from the acquired patient information, Scoring means for plotting sequentially on a static scoring model, and the plot by the scoring means being a part of a two-dimensional region in the static scoring model
  • At least one of the indicators is an indicator derived using a plurality of types of patient information.
  • At least one of the first variable and the second variable corresponding to the vertical axis and the horizontal axis of the scoring two-dimensional model is derived using a plurality of types of patient information. It is an index. Therefore, the present invention can plot patient information highly relevant to the prior art on a two-dimensional model, and can estimate the timing at which a subject has aggravated with high accuracy.
  • a severity estimation apparatus and a severity estimation program for accurately estimating the severity of a subject patient based on various information on the subject patient.
  • FIG. 1 is a system configuration diagram for realizing the present invention.
  • FIG. 2 is a view showing a specific example of the display screen of the computer terminal 10. As shown in FIG.
  • the severity prediction apparatus is realized, for example, by the computer terminal 10 on which dedicated application software (a severity prediction program according to the present invention) is installed.
  • the computer terminal 10 can realize each function to be described later by executing a process related to the application software, and includes hardware resources necessary for the realization.
  • the hardware resources specifically include a CPU and a memory incorporated in the computer terminal 10, an input device for receiving user's operation input, a screen necessary for realizing the user's operation and each function, An output device or the like that outputs voice or the like can be illustrated.
  • the computer terminal 10 can realize at least the following functions.
  • the first function extracts patient information acquired from the database 40 within a predetermined period including at least before the time when each patient becomes severe, and derives a first variable and a second variable from the extracted patient information. , Generating a static scoring model which is a two-dimensional model in which the first variable and the second variable derived correspond to the vertical axis and the horizontal axis, respectively (hereinafter referred to as model generation means).
  • model generation means Generating a static scoring model which is a two-dimensional model in which the first variable and the second variable derived correspond to the vertical axis and the horizontal axis, respectively.
  • the second function acquires multiple types of patient information on the subject patient 30 at each unit time, derives the first variable and the second variable from the acquired patient information, and sequentially plots them in a static scoring model. (Hereinafter referred to as scoring means).
  • the third function is to estimate at least a part of the time when the plot by the scoring means is performed on a specific area that is a part of a two-dimensional area in the static scoring model as the time when the subject has aggravated (Hereinafter referred to as a means for estimating severity).
  • the database 40 stores a plurality of types of patient information acquired over time for a plurality of patients.
  • the database 40 may be a dedicated database provided for the purpose of introducing the present invention, or may be a general provided for a system (for example, an electronic medical record system) introduced separately from the present invention. It may be a database.
  • the patient information stored in the database 40 refers to information (for example, patient's name, gender, age, disease name, patient identification number, etc.) related to the patient's personal attributes and patient's biological information (for example, body temperature, Heart rate, respiration rate, oxygen saturation, blood pressure etc. are included.
  • the blood pressure may be any of systolic blood pressure, diastolic blood pressure and mean blood pressure.
  • the static scoring model is a two-dimensional model in which the first variable and the second variable that can be derived from the patient information stored in the database 40 are the vertical axis and the horizontal axis.
  • the static scoring model according to the present invention is referred to as "static" because the range of the specific region serving as the reference of the processing by the aggravation estimating means is unchanged after being generated by the model generating means. Therefore, the specific area of the static scoring model can be changed variably according to the conditions used by the model generation means, and the display mode of the static scoring model displayed on the display screen of the computer terminal 10 changes dynamically. It is possible.
  • at least one of the first variable and the second variable is an index derived using a plurality of types of patient information. For example, according to the example illustrated in FIG.
  • the first variable corresponding to the horizontal axis is a shock index
  • the second variable corresponding to the vertical axis is a corrected early warning score.
  • one of the first variable and the second variable may be a single type of patient information (biometric information) such as heart rate, respiratory rate or systolic blood pressure.
  • the display screen of the computer terminal 10 can be roughly divided into four parts. In FIG. 2, these four parts are shown surrounded by dashed lines. Note that these broken lines are not actually displayed.
  • the patient attribute display unit DR1 located in the top row is an area for displaying information related to the personal attribute of the subject (patient 30).
  • the patient identification number, name, age at entrance, sex, medical department moved in, admission classification number or surgery classification number, days of stay, and diagnosed disease name are displayed in the patient attribute display section DR1. Be done. Although a plurality of diagnosed disease names can be displayed, FIG. 2 illustrates a state in which only one type is displayed.
  • the index transition display unit DR2 located on the middle right side is an area for displaying temporal changes of the corrected early warning score and the shock index.
  • the vertical axis is a corrected early warning score or a shock index
  • the horizontal axis is time.
  • the transition of the modified early warning score and the shock index is shown by a solid line
  • the transition of the value with + 1 ⁇ on each is shown by an alternate long and short dash line
  • the transition of the value with -1 ⁇ on each is shown by a double dotted line.
  • ⁇ is the standard deviation of the modified early warning score or shock index.
  • An upper limit is set on the horizontal axis in the index transition display unit DR2. For example, in FIG. 2, the upper limit of 20 minutes is the upper limit, and the temporal change of the corrected early warning score and the shock index is displayed within that range.
  • the time zone displayed on the index transition display unit DR2 is displayed on a time zone display unit DR4 described later.
  • the model display unit DR3 located on the middle left side is an area for displaying a static scoring model.
  • the static scoring model in the present embodiment is divided into three regions: a state stable zone NZ, a caution zone WZ, and an end zone TZ.
  • the state stabilization zone NZ is an area indicating that the condition of the patient 30 is most stable
  • the end zone TZ is an area indicating that the condition of the patient 30 is most dangerous.
  • the computer terminal 10 estimates the time of plotting in the end zone TZ as the time when the subject has become severe. That is, the end zone TZ corresponds to the above-described specific area. Even if the plot to the end zone TZ is performed, it may not be estimated that it has become severe immediately.
  • the terminal zone TZ is plotted over a certain period of time (a certain number of plots are continuously performed on the terminal zone TZ), the aggravation of the patient 30 may be estimated.
  • these three areas are illustrated so as to be distinguishable, but the computer terminal 10 may not necessarily display the respective areas in an identifiable manner.
  • the time zone display unit DR4 located at the lowermost stage is an area for displaying which portion of the total time the time zone displayed on the indicator transition display unit DR2 at that time corresponds to. More specifically, the selection region SR (shaded portion in the time zone display unit DR4) in the entire time corresponds to the time zone displayed in the index transition display unit DR2.
  • the various information displayed on the display screen of the computer terminal 10 as described above is generated based on each data stored in the database 40 or biological information (vital of the patient 30 measured over time by the measuring instrument 20 Generated based on the signature). Thereby, "visualization" of the general condition (condition) of the patient 30 can be achieved.
  • the time interval of measurement of biological information by the measuring instrument 20 is arbitrary, in order to estimate the aggravation timing of the patient 30 with a certain accuracy It is preferable that the order is less than or equal to minutes.
  • minute order or less means that the time interval acquired by the computer terminal 10 is in a range not exceeding 1 hour (60 minutes), and more preferably in a range not exceeding 10 minutes.
  • the time interval of measurement of biological information by the measuring instrument 20 is basically one minute interval.
  • the severeness of the patient 30 is estimated with high accuracy and automatically by computer processing using a static scoring model generated based on a large number of patient information in the past, and a therapeutic intervention is performed. It is possible to appropriately notify medical personnel of the necessary timing of Hereinafter, each feature of the present invention will be described in detail.
  • the first variable and the second variable it is preferable to adopt one in which patient information used for deriving the first variable and patient information used for deriving the second variable are common to at least one type. As a result, they will have a certain correlation with each other, and the movement of the plots drawn in the static scoring model will be more significant in estimating the aggravation of the subject.
  • the first variable is a shock index derived by dividing the heart rate by the systolic blood pressure
  • the second variable is the heart rate, systole It is a modified early warning score derived based on blood pressure, respiration rate, oxygen saturation and body temperature.
  • a method of deriving a corrected early warning score will be described.
  • the following table is used to derive the modified early warning score.
  • the computer terminal 10 compares the respiratory rate (RR), oxygen saturation (SpO2), body temperature (BT), systolic blood pressure (ABPs), and heart rate (HR) obtained for each unit time with the above table. , Find the score of each item. And the sum value of the calculated
  • RR respiratory rate
  • SpO2 oxygen saturation
  • BT body temperature
  • ABSPs systolic blood pressure
  • HR heart rate
  • the first variable may use a shock index
  • the second variable may be replaced with a corrected early warning score, and an intervention prediction score (IPS) may be used.
  • IPS intervention prediction score
  • the therapeutic intervention prediction score is an indicator that the present inventors independently constructed, and is derived based on age, diastolic blood pressure, body temperature, heart rate, respiratory rate and oxygen saturation. Details of the treatment intervention prediction score will be described later.
  • the computer terminal 10 (model generation means) searches a plurality of patients from the database 40 using at least one type of patient information related to the subject as a key, and static based on the patient information related to the plurality of searched patients. It is preferable to define the end zone TZ (the threshold of the first variable and the second variable) in the scoring model. This is because it is possible to estimate the aggravation of the subject with higher accuracy if the analysis is performed on a patient having an attribute or disease close to the subject. In the following description, 18 patients who have rheumatism and blood disease and who enter the intensive care unit urgently are acquired from the database 40 for setting of the end zone TZ in the static scoring model. Analysis target.
  • patient information was obtained at the time of performing therapeutic intervention such as tracheal intubation and administration of a pressure-boosting agent for these 18 patients and 30 minutes before and after the time (hereinafter referred to as “patients in this 60 minutes” Information is called intervention group data). Furthermore, we set patient information in 30 minutes before and after the reference time as the reference time for the same 18 patients as the reference time 24 hours after the time of the treatment intervention (following, the patient information in this 60 minutes , Referred to as stable group data). In addition, it is possible to appropriately change which time point is to be used as a reference or to which period of time the patient information is to be targeted from the reference time.
  • intervention group data and stable group data acquired as described above, missing data and data at blood collection are excluded from the analysis target, and 470 points for intervention group data and 894 points for stable group data Using.
  • the following table shows the sensitivity and the specificity which are obtained based on the corrected early warning score calculated based on these data.
  • the sensitivity and specificity are quantitative indicators indicating how accurately the test can determine the presence or absence of a specific disease.
  • the numerical values described in the right column of the sensitivity column and the specificity column are confidence intervals of the sensitivity or specificity at a confidence level of 95%.
  • the numerical value described in the rightmost column in each row is the likelihood ratio of sensitivity to specificity.
  • the modified early warning score is a value derived as an integer greater than or equal to 0 (zero)
  • This threshold is a specific example, and may change depending on the subject's disease or the like, and may be changed by changing the range of patient information to be analyzed, so the threshold in the implementation of the present invention is not limited to this. .
  • the computer terminal 10 can set the end zone TZ by combining the individually derived shock index threshold value and the modified early warning score threshold value.
  • the therapeutic intervention prediction score can be used instead of the modified early warning score.
  • candidates for variables used for the therapeutic intervention prediction score background data such as patient's age, sex, medical history, etc., drugs used for treatment, evaluation items of sedation / analgesia, patient information that can be acquired by the measuring instrument 20, camera etc.
  • Numerical data etc. which are obtained by analyzing the picture photoed by These variables are compared in the data in the severed state with the data in the stable period. Linear regression analysis, logistic regression analysis, non-linear regression analysis, machine learning, etc. can be applied as a method of comparing and examining.
  • the intervention group data used for setting the above threshold is treated as "data in a severed state”
  • stable group data is treated as "data of stable period”.
  • the correlation between each other was determined by analyzing gender, sex (Sex), and oxygen saturation (SpO2).
  • the correlation with the above-mentioned explanatory variable was calculated
  • each column in the following table represent the correlation of each explanatory variable, and the higher the value, the higher the correlation.
  • the diastolic blood pressure, the mean blood pressure, and the systolic blood pressure are mutually correlated, so that they can be partially excluded from the variable selection regarding the therapeutic intervention prediction score.
  • the treatment intervention prediction score is set to 100 points, and for the stable group data described above, the treatment intervention prediction score is set to 0 points, and multiple regression for these continuous variables is performed.
  • the analysis was done.
  • the following prediction equations are derived with age (Age), diastolic blood pressure (ABPd), body temperature (BT), heart rate (HR), respiratory rate (RR), and oxygen saturation (SpO2) as variables I was able to.
  • the timing at which the value of the therapeutic intervention prediction score (IPS) exceeds or approximates to 100 can be estimated as the timing of therapeutic intervention, that is, the timing at which the subject has become severe.
  • the computer terminal 10 calculates the therapeutic intervention prediction score using the above equation, the solution has a value larger than that of the modified early warning score, and the number of digits after the decimal point can also be determined. Therefore, the plot pattern on the static scoring model using the therapeutic intervention prediction score as the second variable fluctuates more finely over time than when the modified early warning score is used as the second variable. Therefore, using the therapeutic intervention prediction score to estimate the subject's aggravation timing is more accurate than using the modified early warning score.
  • the display screen of the computer terminal 10 shown in FIG. 2 includes a patient attribute display unit DR1, an indicator transition display unit DR2, and a time zone display unit in addition to a model display unit DR3 for displaying a static scoring model.
  • a patient attribute display unit DR1 an indicator transition display unit DR2
  • a time zone display unit in addition to a model display unit DR3 for displaying a static scoring model.
  • the embodiment of the display screen is not limited thereto. For example, it may be configured by only the display corresponding to the model display unit DR3 or another display not shown in FIG. 2 may be made.
  • the threshold value of the first variable and the threshold value of the second variable are separately determined as a method of setting the specific region (end zone TZ) in the above embodiment, the implementation of the present invention is not limited to this.
  • a method of associating the first variable with the second variable to set a specific region (a method in which the threshold of the specific region is derived by a function using both the first variable and the second variable as variables) may be used .
  • the present embodiment includes the following technical ideas.
  • Static score which is a two-dimensional model in which a first variable and a second variable are derived from the extracted patient information, and the derived first variable and the second variable correspond to the vertical axis and the horizontal axis, respectively.
  • the static score is obtained by acquiring a plurality of types of patient information about a patient who is a subject per unit time, model generation means for generating a ring model, and the first variable and the second variable from the acquired patient information.
  • Scoring means for plotting sequentially on a ring model, and the plotting by the scoring means is performed on a specific area which is a part of a two-dimensional area in the static scoring model And at least one of the time points is estimated as a timing at which the subject has aggravated, and the at least one of the first variable and the second variable uses a plurality of types of patient information.
  • the severity estimation device which is an indicator derived from the (2) The device according to (1), wherein the patient information used for deriving the first variable and the patient information used for deriving the second variable are common to at least one type.
  • the first variable is an index derived by dividing the heart rate by the systolic blood pressure
  • the second variable is based on the heart rate, the systolic blood pressure, the respiratory rate, the oxygen saturation, and the temperature.
  • the severity estimation device according to (2) which is a derived indicator.
  • the first variable is an index derived by dividing heart rate by systolic blood pressure
  • the second variable includes age, diastolic blood pressure, body temperature, heart rate, respiratory rate and oxygen saturation.
  • the aggravation estimation device according to (2) which is an indicator derived based on the above.
  • the model generation unit searches a plurality of patients from the database using at least one type of patient information related to the subject as a key, and the static score based on the patient information related to the plurality of searched patients.
  • the severeness estimation apparatus according to any one of (1) to (4), which defines the specific area in a ring model.
  • (6) Extracting patient information acquired within a predetermined period including at least prior to the time when each patient became severe, from a database storing a plurality of types of patient information acquired over time for a plurality of patients Static score, which is a two-dimensional model in which a first variable and a second variable are derived from the extracted patient information, and the derived first variable and the second variable correspond to the vertical axis and the horizontal axis, respectively.
  • the static score is obtained by acquiring a plurality of types of patient information about a patient who is a subject per unit time, model generation means for generating a ring model, and the first variable and the second variable from the acquired patient information.
  • Scoring means for plotting sequentially on a ring model, and the plotting by the scoring means is performed on a specific area which is a part of a two-dimensional area in the static scoring model
  • a program for causing a computer to execute a severeness estimation means for estimating at least a part of the time points as the timing at which the subject has aggravated, and at least one of the first variable and the second variable is a program
  • a severity estimation program characterized in that it is an index derived using a plurality of types of patient information.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Pulmonology (AREA)
  • Vascular Medicine (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

被験者である患者に関する種々の情報に基づいて、被験者である患者の重症化を高精度に推定する重症化推定装置及び重症化推定プログラムを提供する。コンピュータ端末（１０）は、データベース（４０）から抽出した患者情報に基づく第１変数及び第２変数が縦軸及び横軸のそれぞれに対応している静的スコアリングモデルを生成する機能と、患者（３０）に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から第１変数と第２変数を導出して静的スコアリングモデルに順次プロットする機能と、当該機能によるプロットが静的スコアリングモデルの特定領域に行われた時点を、被験者が重症化したタイミングとして推定する機能と、を実現し、第１変数と第２変数のうち少なくとも一方が複数種類の患者情報を用いて導出される指標であることを特徴とする。

Description

重症化推定装置及び重症化推定プログラム
　本発明は、重症化推定装置及び重症化推定プログラムに関する。
　近年、医療分野において、或る患者から計測された生体情報をその患者の治療や診断等に活用するだけではなく、他の患者の治療や診断等にも活用するための研究・開発が行われている。
　この種の技術として、下記の特許文献１を例示する。
　特許文献１には、患者が重篤化した場合にアラームを生成するシステムが記載されている。当該システムは、早期警告スコア（early warning scores：EWS）、修正型早期警告スコア（modified early warning scores：MEWS）、生命徴候インデックス（vital signs index：VIX）といった種々の生理的スコア付けシステム又は生理的パラメータを利用するものである。
　特許文献１には、早期警告スコアに用いられる情報の一部である心拍数と呼吸数の実測値を、心拍数を縦軸とし呼吸数を横軸とする二次元モデルにプロットし、そのプロットが二次元モデルの特定領域に表示されるとアラームを生成する旨が開示されている。
特表２０１４－５１０６０３号公報
　特許文献１の開示されている二次元モデルは、早期警告スコアを視覚的に表示することによって直感的な判断を容易とする点において有用である。しかしながら、早期警告スコアは、心拍数と呼吸数の他に、収縮期血圧、酸素飽和度及び体温といったパラメータも加味して患者の重篤度を判断する指標であるにも関わらず、心拍数と呼吸数のみを選択的に使用しているため、その妥当性が不十分になることが懸念される。
　本発明は、上記の課題に鑑みなされたものであり、被験者である患者に関する種々の情報に基づいて、被験者である患者の重症化を高精度に推定する重症化推定装置及び重症化推定プログラムを提供するものである。
　本発明によれば、複数の患者について経時的に取得された複数種類の患者情報を蓄積しているデータベースから、各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第１変数及び第２変数を導出し、導出した前記第１変数及び前記第２変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するモデル生成手段と、被験者である患者に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から前記第１変数と前記第２変数を導出して前記静的スコアリングモデルに順次プロットしていくスコアリング手段と、前記スコアリング手段によるプロットが前記静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、前記被験者が重症化したタイミングとして推定する重症化推定手段と、を含み、前記第１変数と前記第２変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標である重症化推定装置が提供される。
　本発明によれば、複数の患者について経時的に取得された複数種類の患者情報を蓄積しているデータベースから、各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第１変数及び第２変数を導出し、導出した前記第１変数及び前記第２変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するモデル生成手段と、被験者である患者に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から前記第１変数と前記第２変数を導出して前記静的スコアリングモデルに順次プロットしていくスコアリング手段と、前記スコアリング手段によるプロットが前記静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、前記被験者が重症化したタイミングとして推定する重症化推定手段と、をコンピュータに実行させるためのプログラムであり、前記第１変数と前記第２変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標であることを特徴とする重症化推定プログラムが提供される。
　本発明においては、スコアリングする二次元モデル（静的スコアリングモデル）の縦軸及び横軸に対応する第１変数及び第２変数のうち少なくとも一方が複数種類の患者情報を用いて導出される指標である。従って、本発明は、従来技術に比べて妥当性の高い患者情報を二次元モデルにプロットすることができ、被験者が重症化したタイミングを高い精度で推定することができる。
　本発明によれば、被験者である患者に関する種々の情報に基づいて、被験者である患者の重症化を高精度に推定する重症化推定装置及び重症化推定プログラムが提供される。
本発明を実現するためのシステム構成図である。 コンピュータ端末の表示画面の一具体例を示す図である。
　以下、本発明の実施形態について、図面を用いて説明する。なお、すべての図面において、同様の構成要素には同一の符号を付し、適宜に説明を省略する。
＜本発明に係る重症化予測装置について＞
　まず、本発明に係る重症化予測装置について図１及び図２を用いて説明する。
　図１は、本発明を実現するためのシステム構成図である。図２は、コンピュータ端末１０の表示画面の一具体例を示す図である。
　本発明に係る重症化予測装置は、例えば、専用のアプリケーションソフト（本発明に係る重症化予測プログラム）がインストールされたコンピュータ端末１０によって実現される。
　コンピュータ端末１０は、当該アプリケーションソフトに係る処理を実行することによって後述する各機能を実現することができ、その実現に必要なハードウェア資源を含んでいる。ここでハードウェア資源とは、具体的には、コンピュータ端末１０に内蔵されているＣＰＵやメモリ、利用者の操作入力を受け付ける入力装置、及び利用者の操作や各機能の実現に必要な画面や音声等を出力する出力装置等を例示することができる。
　コンピュータ端末１０は、少なくとも以下の機能を実現することができる。
　第一の機能は、データベース４０から各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第１変数及び第２変数を導出し、導出した第１変数及び第２変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するものである（以下、モデル生成手段と称する）。
　第二の機能は、被験者である患者３０に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から第１変数と第２変数を導出して静的スコアリングモデルに順次プロットしていくものである（以下、スコアリング手段と称する）。
　第三の機能は、スコアリング手段によるプロットが静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、被験者が重症化したタイミングとして推定するものである（以下、重症化推定手段と称する）。
　データベース４０は、複数の患者について経時的に取得された複数種類の患者情報を蓄積している。データベース４０は、本発明の導入を目的として設けられた専用のデータベースであってもよいし、本発明とは別に導入されているシステム（例えば、電子カルテシステム）のために設けられた一般的なデータベースであってもよい。
　データベース４０に蓄積されている患者情報とは、患者の個人的属性に係る情報（例えば、患者の氏名、性別、年齢、疾患名、患者の識別番号等）及び患者の生体情報（例えば、体温、心拍数、呼吸数、酸素飽和度、血圧等）が含まれる。なお、ここで血圧とは、収縮期血圧、拡張期血圧、平均血圧のいずれもが該当しうる。
　静的スコアリングモデルとは、データベース４０に蓄積されている患者情報から導出可能な第１変数及び第２変数を縦軸及び横軸とする二次元モデルである。なお、本発明に係る静的スコアリングモデルは、モデル生成手段により生成された以降において重症化推定手段による処理の基準となる特定領域の範囲が不変であることをもって「静的」と称する。従って、モデル生成手段が用いる諸条件によって静的スコアリングモデルの特定領域は可変に変更可能であるし、コンピュータ端末１０の表示画面に表示される静的スコアリングモデルの表示態様は動的に変化可能である。
　ここで第１変数と第２変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標である。例えば、図２に図示する例によれば、横軸に対応する第１変数はショックインデックスであり、縦軸に対応する第２変数は修正型早期警告スコアである。この例に代えて、第１変数又は第２変数の一方を心拍数、呼吸数又は収縮期血圧といった単一種類の患者情報（生体情報）としてもよい。
　図２に示すように、コンピュータ端末１０の表示画面は、主に４つの部分に大別することができる。図２において、これらの４つの部分を破線で囲って示す。なお、これらの破線は実際に表示されるものではない。
　最上段に位置する患者属性表示部ＤＲ１は、被験者（患者３０）の個人的属性に係る情報を表示する領域である。本実施形態においては、患者の識別番号、氏名、入室時年齢、性別、転入した診療科、入室分類番号又は手術分類番号、滞在日数、及び診断された疾患名が、患者属性表示部ＤＲ１に表示される。
　なお、診断された疾患名は、複数表示することが可能に構成されているが、図２においては一種類のみが表示されている状態を図示している。
　中段右側に位置する指標推移表示部ＤＲ２は、修正型早期警告スコア及びショックインデックスの時間的変化を表示する領域である。本実施形態における指標推移表示部ＤＲ２の表示は、縦軸が修正型早期警告スコア又はショックインデックスであり、横軸が時間である。修正型早期警告スコア及びショックインデックスの推移は実線で示し、各々に＋１σを載せた値の推移は一点鎖線で示し、各々に－１σを載せた値の推移は二点鎖線で示す。ここでσは、修正型早期警告スコア又はショックインデックスの標準偏差である。
　上記の修正型早期警告スコア及びショックインデックスが経時的に変化する様を観察することにより、患者の容態が現状より悪化するか改善するかは予測が可能である。さらに、各々に±１σを載せた値も参照して修正型早期警告スコア及びショックインデックスのバラツキを解析することにより、更に高い精度で患者の容態を予測することができる。
　なお、指標推移表示部ＤＲ２における横軸には上限が設定される。例えば、図２においては２０分を上限とし、その範囲内で修正型早期警告スコア及びショックインデックスの時間的変化が表示される。指標推移表示部ＤＲ２に表示される時間帯は、後述の時間帯表示部ＤＲ４に表示される。
　中段左側に位置するモデル表示部ＤＲ３は、静的スコアリングモデルを表示する領域である。本実施形態における静的スコアリングモデルは、状態安定ゾーンＮＺ、要注意ゾーンＷＺ、及び末期ゾーンＴＺの３つの領域の区分されている。状態安定ゾーンＮＺが患者３０の容態が最も安定していることを示す領域であり、末期ゾーンＴＺが患者３０の容態が最も危険な状態であることを示す領域である。コンピュータ端末１０は末期ゾーンＴＺへのプロット時を被験者が重症化したタイミングとして推定する。即ち、末期ゾーンＴＺが、上記の特定領域に相当する。
　末期ゾーンＴＺへのプロットが行われたとしても直ちに重症化したものと推定せずともよい。患者３０の容態が一時的に変化して末期ゾーンＴＺにプロットがなされたとしても、直ぐに持ち直すのであれば、重症化している可能性は低いと考えられるからである。従って、一定時間にわたって末期ゾーンＴＺにプロットがされた場合（一定数のプロットが末期ゾーンＴＺに継続して行われた場合）、患者３０の重症化を推定してもよい。
　なお、本実施形態では説明の便宜上、これらの３つの領域を識別可能に図示したが、コンピュータ端末１０は必ずしも各領域を識別可能に表示しなくてもよい。
　最下段に位置する時間帯表示部ＤＲ４は、その時点で指標推移表示部ＤＲ２に表示される時間帯が、全体時間のいずれの部分に該当するかを表示する領域である。より詳細には、全体時間のうち選択領域ＳＲ（時間帯表示部ＤＲ４中の網掛け部分）が指標推移表示部ＤＲ２に表示される時間帯に該当する。
　上記のようなコンピュータ端末１０の表示画面に表示される各種情報は、データベース４０に蓄積されている各データに基づき生成され、又は計測器２０によって経時的に計測される患者３０の生体情報（バイタルサイン）に基づき生成される。これにより、患者３０の全身状態（容態）の「見える化」を図ることができる。
　計測器２０による生体情報の計測の時間間隔（コンピュータ端末１０が計測器２０から計測結果を取得する時間間隔）は任意であるが、一定の精度で患者３０の重症化タイミングを推定するためには、分オーダー以下であることが好ましい。ここで分オーダー以下とは、コンピュータ端末１０が取得する時間間隔が１時間（６０分）を超えない範囲であることをいい、より好ましくは１０分を超えない範囲であることをいう。なお、本実施形態では、計測器２０による生体情報の計測の時間間隔は原則として１分間隔とする。
　以上のように、本発明は、過去の多数の患者情報に基づいて生成される静的スコアリングモデルを用いたコンピュータ処理により、患者３０の重症化を高精度且つ自動的に推定し、治療介入の必要なタイミングを適切に医療関係者に報知することができる。
　以下、本発明が有する各特徴について、それぞれ詳細に説明する。
＜第１変数と第２変数について＞
　第１変数と第２変数については、第１変数の導出に用いる患者情報と、第２変数の導出に用いる患者情報と、が少なくとも一種類について共通しているものを採用することが好ましい。これにより、互いに一定の相関関係を有することになり、静的スコアリングモデルに描かれるプロットの動きがより、被験者の重症化を推測する上でより有意なものになる。
　例えば、図２に示す静的スコアリングモデルの例によれば、第１変数は、心拍数を収縮期血圧で除して導出されるショックインデックスであり、第２変数は、心拍数、収縮期血圧、呼吸数、酸素飽和度及び体温に基づいて導出される修正型早期警告スコアである。
　修正型早期警告スコアの導出方法について説明する。以下の表は、修正型早期警告スコアの導出に用いられるものである。
Figure JPOXMLDOC01-appb-T000001
　コンピュータ端末１０は、単位時間ごとに取得した呼吸数（RR）、酸素飽和度（SpO2）、体温（BT）、収縮期血圧（ABPs）、及び心拍数（HR）を上表に照らし合わせることによって、各項目のスコアを求める。そして、求めたスコアの合算値が修正型早期警告スコアになる。従って、例えば、或る時点における患者３０の患者情報が、呼吸数18回、酸素飽和度95%、体温が38.5度、収縮期血圧が100mmHg、心拍数100回であった場合、修正型早期警告スコアは５（＝０＋１＋１＋２＋１）になる。
　上記のように導出されるため、修正型早期警告スコアは０（零）以上の整数として導出される。
　或いは、本発明の実施において、第１変数はショックインデックスを用いた上で、第２変数を修正型早期警告スコアに代えて治療介入予測スコア（Intervention Prediction Score：IPS）を用いてもよい。ここで、治療介入予測スコアとは、本発明者が独自に構築した指標であって、年齢、拡張期血圧、体温、心拍数、呼吸数及び酸素飽和度に基づいて導出されるものである。治療介入予測スコアの詳細については、後に述べる。
＜末期ゾーンＴＺの定め方について＞
　続いて、静的スコアリングモデルにおける末期ゾーンＴＺの定め方について述べる。末期ゾーンＴＺを定めるにあたって、横軸に対応するショックインデックス（第１変数）の閾値と、修正型早期警告スコア（第２変数）の閾値と、をそれぞれ定める必要がある。
　なお、コンピュータ端末１０（モデル生成手段）は、被験者に係る患者情報のうち少なくとも一種類をキーとしてデータベース４０から複数の患者を検索し、検索された複数の患者に係る患者情報に基づいて静的スコアリングモデルにおける末期ゾーンＴＺ（第１変数と第２変数の閾値）を定めることが好ましい。被験者と近しい属性や疾患を抱えている患者を対象として解析した方が、被験者の重症化をより高精度に推定可能だからである。
　以下の説明においては、静的スコアリングモデルにおける末期ゾーンＴＺの設定のために、リウマチ・血液疾患に罹患しており、且つ集中治療室に緊急で入室した１８人の患者をデータベース４０から取得して解析対象とした。
　具体的には、これらの１８人の患者を対象として、気管挿管や昇圧剤投与等の治療介入を行った時点及び当該時点の前後３０分における患者情報を取得した（以下、この６０分間における患者情報を、介入群データと称する）。
　更に、同一の１８人の患者を対象として、治療介入を行った時点から２４時間後を基準時とし、その基準時の前後３０分における患者情報を取得した（以下、この６０分間における患者情報を、安定群データと称する）。
　なお、どの時点を基準とするか、又は基準とした時点からどれだけの期間における患者情報を対象とするかは、適宜変更可能である。
　上記のように取得された介入群データ及び安定群データから、欠損しているデータや採血時におけるデータ等は解析対象から除外し、介入群データについては４７０ポイント、安定群データについては８９４ポイントを用いた。
　以下の表は、これらのデータに基づいて算出された修正型早期警告スコアに基づいて求められる感度（Sensitivity）と特異度（Specificity）を示すものである。ここで感度及び特異度とは、特定の疾患について、その検査が疾患の有無をどの程度正確に判定できるかを示す定量的な指標である。
　感度の欄と特異度の欄の右欄に記載されている数値は、信頼水準９５％における感度又は特異度の信頼区間（Confidence Interval）である。各行において最右欄に記載されている数値は、感度と特異度の尤度比（Likelihood ratio）である。
Figure JPOXMLDOC01-appb-T000002
　上表において、閾値を4.5（Cut off ＜4.5）とした事例を見てみると、MEWS < 4.5の時、安定群データの87.25％が含まれ、MEWS ＞ 4.5の場合は介入群データの75.53%が含まれる。即ち、MEWSが4.5を超えていれば75％の場面で介入が必要と言える。
　さらに、上表において、閾値を5.5（Cut off ＜5.5）とした事例を見てみると、MEWS < 5.5の時、安定群データの91.83％が含まれ、MEWS ＞ 5.5の場合は介入群データの59.15%が含まれる。即ち、MEWSが5.5を超えていれば59％の場面で介入が必要と言える。
　上述のように、修正型早期警告スコアは０（零）以上の整数として導出される値であるため、この解析結果から判断するに、修正型早期警告スコアに関する閾値を５に設定するのが妥当と判断される。
　なお、この閾値は一具体例であり、被験者の疾患等によって変化しうるし、解析対象とする患者情報の範囲を変更することによって変化しうるため、本発明の実施における閾値はこれに限られない。
　上記のような手法は、ショックインデックスの閾値設定にも応用可能である。従って、個別に導出されたショックインデックスの閾値と修正型早期警告スコアの閾値とを組み合わせることにより、コンピュータ端末１０は末期ゾーンＴＺを設定することができる。
＜治療介入予測スコアの構築について＞
　上述のように、第２変数については、修正型早期警告スコアに代えて治療介入予測スコアを用いることができる。
　治療介入予測スコアに用いる変数の候補としては、患者の年齢、性別、既往歴等の背景データ、治療に用いている薬剤、鎮静・鎮痛の評価項目、計測器２０によって取得できる患者情報、カメラ等によって撮影された画像を解析して得られる数値データ等が挙げられる。
　これらの変数を、重症化した状態でのデータと安定期のデータで比較する。比較検討する方法としては、線形回帰分析、ロジスティック回帰分析、非線形回帰分析、機械学習等が適用できる。
　本実施形態では、一具体例として、上記の閾値設定に用いた介入群データを「重症化した状態でのデータ」として扱い、安定群データを「安定期のデータ」として扱うことにする。
　これらデータ群において説明変数として用いられる拡張期血圧（ABPd）、平均血圧（ABPm）、収縮期血圧（ABPs）、年齢（Age）、体温（BT）、心拍数（HR）、呼吸数（RR）、性別（Sex）、及び酸素飽和度（SpO2）を解析することにより、互いの相関関係を求めた。なお、参考として早期警告スコア（EWS）の合計についても、上記の説明変数との相関関係を求めた。
　以下の表における各欄に記載された値は、各説明変数の相関関係を表すものであり、値が高いほど高い相関関係を有する。この例においては、拡張期血圧、平均血圧、収縮期血圧は互いに相関が強いため、治療介入予測スコアに関する変数選択から一部を外すことができる。本実施形態では、これらの中から拡張期血圧のみを用いて治療介入予測スコアを構築することにした。
Figure JPOXMLDOC01-appb-T000003
　上記の介入群データについては治療介入予測スコアが100点であるものとして設定し、上記の安定群データについては治療介入予測スコアが0点であるものとして設定して、これらの連続変数に対する重回帰分析を行なった。その結果、年齢（Age）、拡張期血圧（ABPd）、体温（BT）、心拍数（HR）、呼吸数（RR）、及び酸素飽和度（SpO2）を変数とする以下の予測式を導出することができた。
Figure JPOXMLDOC01-appb-M000004
　上式を用いた場合、治療介入予測スコア（IPS）の値が100を超えた時点又は100に近似した時点を治療介入のタイミング、即ち被験者が重症化したタイミングとして推定できる。コンピュータ端末１０が上式を用いて治療介入予測スコアを算出する場合、その解は修正型早期警告スコアに比べて値が大きくなり、更に小数点以下の桁数についても求められる。従って、治療介入予測スコアを第２変数に用いた静的スコアリングモデル上におけるプロットパターンは、修正型早期警告スコアを第２変数に用いる場合に比べて経時的に細やかに変動する。従って、治療介入予測スコアを用いて被験者の重症化タイミングを推定する方が、修正型早期警告スコアを用いて推定するのに比べて、より精度の高い結果となる。修正型早期警告スコアの項目に加えて年齢の要素を取り入れているため、高齢者に対する感度、特異度が上がる事が予測され、実臨床における有用性が増すと思われる。
　なお、上式における各変数の選択や予測式の内容については、解析対象とするデータを変更することにより変化しうるものであり、本発明の実施はこれに限られない。
＜本発明の変形例について＞
　ここまで実施形態に即して本発明を説明したが、本発明は上述の実施形態に限定されるものではなく、本発明の目的が達成される限りにおける種々の変形、改良等の態様も含む。
　上記の実施形態において、図２に示すコンピュータ端末１０の表示画面は、静的スコアリングモデルを表示するモデル表示部ＤＲ３の他に、患者属性表示部ＤＲ１、指標推移表示部ＤＲ２及び時間帯表示部ＤＲ４を含む例を図示したが、当該表示画面の実施例はこれに限られない。
　例えば、モデル表示部ＤＲ３に相当する表示のみによって構成されてもよいし、図２に図示されない別の表示が成されてもよい。
　上記の実施形態における特定領域（末期ゾーンＴＺ）を設定する方法として、第１変数の閾値及び第２変数の閾値を個別に求めるように述べたが、本発明の実施はこれに限られない。
　例えば、第１変数と第２変数とを関連付けて特定領域を設定する方法（第１変数と第２変数の双方を変数として用いる関数によって特定領域の閾値が導出される方式）を用いてもよい。
　本実施形態は以下の技術思想を包含する。
（１）複数の患者について経時的に取得された複数種類の患者情報を蓄積しているデータベースから、各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第１変数及び第２変数を導出し、導出した前記第１変数及び前記第２変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するモデル生成手段と、被験者である患者に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から前記第１変数と前記第２変数を導出して前記静的スコアリングモデルに順次プロットしていくスコアリング手段と、前記スコアリング手段によるプロットが前記静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、前記被験者が重症化したタイミングとして推定する重症化推定手段と、を含み、前記第１変数と前記第２変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標である重症化推定装置。
（２）前記第１変数の導出に用いる患者情報と、前記第２変数の導出に用いる患者情報と、が少なくとも一種類について共通している（１）に記載の重症化推定装置。
（３）前記第１変数は、心拍数を収縮期血圧で除して導出される指標であり、前記第２変数は、心拍数、収縮期血圧、呼吸数、酸素飽和度及び体温に基づいて導出される指標である（２）に記載の重症化推定装置。
（４）前記第１変数は、心拍数を収縮期血圧で除して導出される指標であり、前記第２変数は、年齢、拡張期血圧、体温、心拍数、呼吸数及び酸素飽和度に基づいて導出される指標である（２）に記載の重症化推定装置。
（５）前記モデル生成手段は、前記被験者に係る患者情報のうち少なくとも一種類をキーとして前記データベースから複数の患者を検索し、検索された複数の患者に係る患者情報に基づいて前記静的スコアリングモデルにおける前記特定領域を定める（１）から（４）のいずれか一つに記載の重症化推定装置。
（６）複数の患者について経時的に取得された複数種類の患者情報を蓄積しているデータベースから、各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第１変数及び第２変数を導出し、導出した前記第１変数及び前記第２変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するモデル生成手段と、被験者である患者に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から前記第１変数と前記第２変数を導出して前記静的スコアリングモデルに順次プロットしていくスコアリング手段と、前記スコアリング手段によるプロットが前記静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、前記被験者が重症化したタイミングとして推定する重症化推定手段と、をコンピュータに実行させるためのプログラムであり、前記第１変数と前記第２変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標であることを特徴とする重症化推定プログラム。
　この出願は、２０１７年７月１４日に出願された日本出願特願２０１７－１３８３９０を基礎とする優先権を主張し、その開示のすべてをここに取り込む。
１０　コンピュータ端末
２０　計測器
３０　患者
４０　データベース

Claims (6)

  1. 　複数の患者について経時的に取得された複数種類の患者情報を蓄積しているデータベースから、各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第１変数及び第２変数を導出し、導出した前記第１変数及び前記第２変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するモデル生成手段と、
    　被験者である患者に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から前記第１変数と前記第２変数を導出して前記静的スコアリングモデルに順次プロットしていくスコアリング手段と、
    　前記スコアリング手段によるプロットが前記静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、前記被験者が重症化したタイミングとして推定する重症化推定手段と、を含み、
    　前記第１変数と前記第２変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標である重症化推定装置。
  2. 　前記第１変数の導出に用いる患者情報と、前記第２変数の導出に用いる患者情報と、が少なくとも一種類について共通している請求項１に記載の重症化推定装置。
  3. 　前記第１変数は、心拍数を収縮期血圧で除して導出される指標であり、
    　前記第２変数は、心拍数、収縮期血圧、呼吸数、酸素飽和度及び体温に基づいて導出される指標である請求項２に記載の重症化推定装置。
  4. 　前記第１変数は、心拍数を収縮期血圧で除して導出される指標であり、
    　前記第２変数は、年齢、拡張期血圧、体温、心拍数、呼吸数及び酸素飽和度に基づいて導出される指標である請求項２に記載の重症化推定装置。
  5. 　前記モデル生成手段は、前記被験者に係る患者情報のうち少なくとも一種類をキーとして前記データベースから複数の患者を検索し、検索された複数の患者に係る患者情報に基づいて前記静的スコアリングモデルにおける前記特定領域を定める請求項１から４のいずれか一項に記載の重症化推定装置。
  6. 　複数の患者について経時的に取得された複数種類の患者情報を蓄積しているデータベースから、各患者が重症化した時点より前を少なくとも含む所定期間内に取得された患者情報を抽出して、抽出した患者情報から第１変数及び第２変数を導出し、導出した前記第１変数及び前記第２変数が縦軸及び横軸のそれぞれに対応している二次元モデルである静的スコアリングモデルを生成するモデル生成手段と、
    　被験者である患者に関する複数種類の患者情報を単位時間ごとに取得し、取得した患者情報から前記第１変数と前記第２変数を導出して前記静的スコアリングモデルに順次プロットしていくスコアリング手段と、
    　前記スコアリング手段によるプロットが前記静的スコアリングモデルにおける二次元領域の一部である特定領域に行われた時点のうち少なくとも一部を、前記被験者が重症化したタイミングとして推定する重症化推定手段と、をコンピュータに実行させるためのプログラムであり、
    　前記第１変数と前記第２変数のうち少なくとも一方は、複数種類の患者情報を用いて導出される指標であることを特徴とする重症化推定プログラム。
PCT/JP2018/025539 2017-07-14 2018-07-05 重症化推定装置及び重症化推定プログラム WO2019013094A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201880046864.3A CN110891476A (zh) 2017-07-14 2018-07-05 重症化估计装置和重症化估计程序
EP18831414.0A EP3653109A4 (en) 2017-07-14 2018-07-05 AGGRAVATION ESTIMATION DEVICE AND AGGRAVATION ESTIMATION PROGRAM
US16/629,847 US20210090739A1 (en) 2017-07-14 2018-07-05 Aggravation estimation device and storage medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-138390 2017-07-14
JP2017138390 2017-07-14

Publications (1)

Publication Number Publication Date
WO2019013094A1 true WO2019013094A1 (ja) 2019-01-17

Family

ID=65002015

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/025539 WO2019013094A1 (ja) 2017-07-14 2018-07-05 重症化推定装置及び重症化推定プログラム

Country Status (5)

Country Link
US (1) US20210090739A1 (ja)
EP (1) EP3653109A4 (ja)
JP (1) JP6993690B2 (ja)
CN (1) CN110891476A (ja)
WO (1) WO2019013094A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020203015A1 (ja) * 2019-04-02 2020-10-08 公立大学法人横浜市立大学 重症化推定システム

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7405654B2 (ja) * 2020-03-12 2023-12-26 日本光電工業株式会社 容態情報生成装置、コンピュータプログラムおよび非一時的コンピュータ可読媒体
KR102559047B1 (ko) * 2021-01-28 2023-07-21 사회복지법인 삼성생명공익재단 증상악화 예측 시스템 및 방법
TWI790728B (zh) * 2021-08-27 2023-01-21 李宗諺 便攜式休克偵測裝置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008099876A (ja) * 2006-10-19 2008-05-01 Crosswell:Kk 生体モニタリングシステムとプログラム
JP2010172365A (ja) * 2009-01-27 2010-08-12 Crosswell:Kk 自律神経機能診断装置およびプログラム
JP2014510603A (ja) 2011-04-14 2014-05-01 コーニンクレッカ フィリップス エヌ ヴェ 患者モニタのための段階式アラーム方法
JP2014140521A (ja) * 2013-01-24 2014-08-07 Panasonic Healthcare Co Ltd 評価画面生成システム
WO2016079654A1 (en) * 2014-11-20 2016-05-26 Koninklijke Philips N.V. Method for score confidence interval estimation when vital sign sampling frequency is limited
JP2017138390A (ja) 2016-02-02 2017-08-10 浜松ホトニクス株式会社 光モジュール

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070112275A1 (en) * 2005-08-15 2007-05-17 Cooke William H Medical Intervention Indicator Methods and Systems
WO2009075796A1 (en) * 2007-12-05 2009-06-18 Massachusetts Institute Of Technology System and method for predicting septic shock
DK2603138T3 (en) * 2010-08-13 2018-02-05 Respiratory Motion Inc DEVICES AND METHODS FOR MONITORING RESPIRATION VARIATION IN MEASURING RESPIRATION VOLUMES, MOVEMENT AND VARIABILITY
US20130338543A1 (en) * 2011-03-01 2013-12-19 Koninklijke Philips N.V. Patient deterioration detection
RU2480152C1 (ru) * 2012-03-20 2013-04-27 Государственное бюджетное образовательное учреждение высшего профессионального образования "Тверская государственная медицинская академия" Министерства здравоохранения Российской Федерации" Способ оценки снижения коронарного резерва у пациентов с безболевой ишемией миокарда
US20140324459A1 (en) * 2013-04-30 2014-10-30 Hti Ip, L.L.C Automatic health monitoring alerts
NL2011295C2 (en) * 2013-08-12 2015-02-16 Global Factories Total Engineering And Mfg B V System and method for monitoring a condition of a plurality of patients.
EP3117355A1 (en) * 2014-03-13 2017-01-18 Koninklijke Philips N.V. Patient watch-dog and intervention/event timeline
US20160135706A1 (en) * 2014-11-14 2016-05-19 Zoll Medical Corporation Medical Premonitory Event Estimation
CN107405088B (zh) * 2015-02-24 2021-08-24 皇家飞利浦有限公司 用于为血压测量设备提供控制信号的装置和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008099876A (ja) * 2006-10-19 2008-05-01 Crosswell:Kk 生体モニタリングシステムとプログラム
JP2010172365A (ja) * 2009-01-27 2010-08-12 Crosswell:Kk 自律神経機能診断装置およびプログラム
JP2014510603A (ja) 2011-04-14 2014-05-01 コーニンクレッカ フィリップス エヌ ヴェ 患者モニタのための段階式アラーム方法
JP2014140521A (ja) * 2013-01-24 2014-08-07 Panasonic Healthcare Co Ltd 評価画面生成システム
WO2016079654A1 (en) * 2014-11-20 2016-05-26 Koninklijke Philips N.V. Method for score confidence interval estimation when vital sign sampling frequency is limited
JP2017138390A (ja) 2016-02-02 2017-08-10 浜松ホトニクス株式会社 光モジュール

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020203015A1 (ja) * 2019-04-02 2020-10-08 公立大学法人横浜市立大学 重症化推定システム

Also Published As

Publication number Publication date
EP3653109A4 (en) 2020-07-15
JP2019017998A (ja) 2019-02-07
EP3653109A1 (en) 2020-05-20
JP6993690B2 (ja) 2022-01-13
US20210090739A1 (en) 2021-03-25
CN110891476A (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
CN103201743B (zh) 患者疾病严重性、死亡率和住院时长的连续预测方法
JP6993690B2 (ja) 重症化推定装置及び重症化推定プログラム
JP5584413B2 (ja) 患者監視システム及び監視する方法
US10636523B2 (en) Device, system and method for visualization of patient-related data
US9402585B2 (en) Biological information monitor and biological information monitoring system
US20030225315A1 (en) Data analysis system
US20120239435A1 (en) Automated annotation of clinical data
JP2019509101A (ja) 小児対象に関する血行力学的不安定性リスクスコアを決定するシステム及び方法
JP2019023790A (ja) 死亡予測装置及び死亡予測プログラム
US20220257124A1 (en) Providing Guidance During A Medical Procedure
WO2017027855A1 (en) Systems and methods for predicting adverse events and assessing level of sedation during medical procedures
JP2005049960A (ja) 健康指導支援システム及びそのソフトウェアを記録した媒体
Sobel et al. Descriptive characteristics of continuous oximetry measurement in moderate to severe COVID-19 patients
EP3949832A1 (en) Illness aggravation estimation system
KR20210150340A (ko) 시각화된 바이탈 사인 데이터 분석을 통한 쇼크 발생 가능성 판단 방법, 장치 및 컴퓨터프로그램
CN111933245A (zh) 超说明书用药信息处理方法、装置及相关设备
US20210134395A1 (en) Early infectious disease sign detection device, early infectious disease sign detection method, and recording medium
Sarlabous et al. Development and validation of a sample entropy-based method to identify complex patient-ventilator interactions during mechanical ventilation
JP2022037153A (ja) 心電図分析装置、心電図分析方法及びプログラム
CN115426936A (zh) 软件、健康状态判定装置及健康状态判定方法
WO2020133429A1 (zh) 监护方法、监护仪及计算机存储介质
JP7240155B2 (ja) 容態変化判別方法、容態変化判別装置、当該装置又は方法に用いられるプログラム及びコンピュータ可読媒体
Naik et al. Automated partial premature infant pain profile scoring using big data analytics
CN116230201A (zh) 多来源生理学数据的处理方法和装置
CN117594180A (zh) 显示医疗数据的方法和生命信息处理系统

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: 18831414

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018831414

Country of ref document: EP

Effective date: 20200214