WO2021091189A1 - 응급환자의 중증도 평가 시스템 및 방법, 및 이를 포함하는 시스템 - Google Patents

응급환자의 중증도 평가 시스템 및 방법, 및 이를 포함하는 시스템 Download PDF

Info

Publication number
WO2021091189A1
WO2021091189A1 PCT/KR2020/015191 KR2020015191W WO2021091189A1 WO 2021091189 A1 WO2021091189 A1 WO 2021091189A1 KR 2020015191 W KR2020015191 W KR 2020015191W WO 2021091189 A1 WO2021091189 A1 WO 2021091189A1
Authority
WO
WIPO (PCT)
Prior art keywords
rule
severity
severity evaluation
factors
evaluation score
Prior art date
Application number
PCT/KR2020/015191
Other languages
English (en)
French (fr)
Inventor
최성혁
이상헌
임채승
송대진
이순홍
박성준
이세하
Original Assignee
고려대학교 산학협력단
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
Priority claimed from KR1020200144710A external-priority patent/KR102490087B1/ko
Application filed by 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Publication of WO2021091189A1 publication Critical patent/WO2021091189A1/ko

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Definitions

  • the present application relates to a system and method for evaluating the severity of an emergency patient, and a system including the same.
  • Severity classification of emergency patients refers to classifying patients by symptom in order to determine the priority of first aid and patient transfer, and it is necessary to quickly and accurately evaluate the severity of emergency patients for appropriate measures to emergency patients.
  • KTAS Kinean Triage and Acuity Scale
  • an embodiment of the present invention provides an emergency patient severity evaluation system.
  • the emergency patient severity evaluation system includes: a rule generator for generating a rule for calculating a severity evaluation score for each of a plurality of factors included in the input patient data; A rule DB for storing a plurality of rules generated by the rule generator; And a rule-based engine for calculating a severity evaluation score based on a rule stored in the rule DB for the plurality of factors.
  • another embodiment of the present invention provides a method for evaluating the severity of emergency patients.
  • the emergency patient severity evaluation method comprises the steps of receiving patient data including a plurality of factors; Calculating a severity evaluation score based on a pre-stored rule for the plurality of factors; And providing a severity classification result according to the severity evaluation score.
  • FIG. 1 is a diagram showing an interworking structure between a severity evaluation system and a hospital information system according to an embodiment of the present invention.
  • FIG. 2 is a block diagram of a severity evaluation system according to an embodiment of the present invention.
  • FIG. 3 is a diagram illustrating an example of calculating a severity evaluation score by receiving various patient data according to an embodiment of the present invention.
  • FIG. 4 is a flowchart of a method for evaluating severity according to another embodiment of the present invention.
  • FIG. 1 is a diagram showing an interworking structure between a severity evaluation system and a hospital information system according to an embodiment of the present invention.
  • the severity evaluation system 100 may interwork with the hospital information system 200 through the server 300.
  • the severity evaluation system 100 may calculate a severity evaluation score based on a previously generated rule using patient data input through the server 300.
  • the patient data may include one or more of basic patient information, observation information, first aid data, measurement values, and test results.
  • FIG. 3 is a diagram showing an example of calculating a severity evaluation score by receiving various patient data according to an embodiment of the present invention.
  • basic information of a patient includes age and gender, etc.
  • the observation information may include information that can be obtained by observing the patient, such as the patient's consciousness state, pain area, and accident situation, and the first aid data may include measurement values and observation information during transport by an ambulance.
  • the measured value may include blood, pulse, and the like, and the test result may include various emergency test results.
  • Such patient data may be provided by the hospital information system 200 or may be input by a terminal device (not shown) possessed by medical staff or paramedics.
  • patient data may include a plurality of factors.
  • the severity evaluation system 100 may receive patient data including factors of different combinations for each disease or symptom of the patient and calculate a severity evaluation score based on the input.
  • the hospital information system 200 is provided in each hospital to store and manage various data within the hospital, and according to an embodiment of the present invention, it is possible to store at least some of the above-described patient data and provide it to the server 300. have.
  • the server 300 may provide a severity evaluation service to the hospital information system 200, a terminal device (not shown), or the like, using the severity evaluation score calculated by the severity evaluation system 100.
  • the server 300 may be configured to include a Web Application Server (WAS) 310 and a WEB 320.
  • the WAS 310 may call the severity evaluation system 100 at the request of the WEB 320 to calculate the severity evaluation score and provide dynamic content related to the severity evaluation based on this, and the WEB 320 Upon request, a web page, for example a severity assessment web page, can be provided.
  • the server 300 may provide a severity classification result according to the severity evaluation score calculated by the severity evaluation system 100.
  • the severity of an emergency patient may be divided into a plurality of grades, and a range of severity evaluation scores corresponding to each grade may be predetermined, and the server 300 may provide information on the corresponding severity grade according to the calculated severity evaluation score. Can provide.
  • the server 300 may determine whether to transfer to the hospital according to the result of classification of the severity, and if transfer to the hospital is required, provide a severity evaluation score calculated by a hospital information system (not shown) provided in the transfer hospital. can do.
  • the severity evaluation system 100 calculates the severity evaluation score
  • the server 300 provides the severity grade information according to the severity evaluation score
  • the scope of the present invention is It is not necessarily limited to this.
  • the severity evaluation system 100 performs a function of calculating a severity evaluation score and providing severity grade information
  • the server 300 is a severity evaluation system It may be implemented to perform only a function of connecting between 100 and the hospital information system 200.
  • the severity evaluation system 100, the hospital information system 200, and the server 300 may be implemented on a cloud basis.
  • the functions of the severity evaluation system 100, the hospital information system 200, and the server 300 as described above may be performed by a plurality of computing devices connected to each other through a network.
  • FIG. 2 is a block diagram of a severity evaluation system according to an embodiment of the present invention.
  • the severity evaluation system 100 may be configured to include a rule-based engine 110, a rule DB 120, and a rule generator 130, for example It may be implemented with one or more processing devices with storage means and processing means.
  • the rule-based engine 110 is for calculating a severity evaluation score based on a rule stored in the rule DB 120 to be described later for a plurality of factors included in the input patient data.
  • the rule-based engine 110 may calculate a severity evaluation score by outputting a score for each factor included in patient data according to a stored rule and summing the output scores.
  • the plurality of factors may be classified into three factor groups as shown in Table 1 below, and in some cases, a severity evaluation score may be calculated by variously combining a plurality of factors included in the three factor groups.
  • Tables 2 to 4 show examples of a plurality of factors included in each factor group listed in Table 1, a range of each factor value, and a score (SD value) output accordingly.
  • Table 2 shows the initial factors corresponding to GROUP 1
  • Table 3 shows the precision factors corresponding to GROUP 2
  • Table 4 shows additional factors to consider corresponding to other factors.
  • Tables 2 to 4 correspond to examples of a plurality of factors, and the types of factors considered to calculate the severity evaluation score according to the present invention are not necessarily limited thereto, and the range of each factor and the score output accordingly are also It can be changed depending on the combination of factors and symptoms.
  • Table 5 shows various cases in which a plurality of factors shown in Tables 2 to 4 are combined, and a severity evaluation score may be calculated by combining factors constituting the factors for each case.
  • the types of factors that can be obtained may vary depending on the patient's situation (previous medical records, specific examination progress, etc.). Accordingly, a case suitable for this may be selected in consideration of a plurality of factors acquired for each patient, and a severity evaluation score may be calculated by combining factors constituting the selected case.
  • the rule-based engine 110 when each factor included in the patient data is measured two or more times at different time points, the rule-based engine 110 outputs a score according to the fluctuation value of each factor and according to the fluctuation value. Severity evaluation scores can be calculated by additionally summing the output scores. For example, if the patient's blood pressure, pulse, etc. are measured more than two times, the fluctuation value of the corresponding measurement value is additionally reflected so that the patient's severity can be more accurately evaluated by reflecting the change in the patient's condition over time. do.
  • a severity evaluation score may be calculated by combining different factors according to a patient's symptoms.
  • the patient's symptoms can be classified into nine symptoms as shown in Table 6 according to the patient's condition.
  • a case suitable for the patient's symptoms may be selected in consideration of the patient's symptoms, and the severity evaluation score may be calculated by combining factors constituting the selected case.
  • the rule-based engine 110 does not directly output the score (SD value) determined according to the range to which each factor value belongs as defined in Tables 2 to 4, but a trend line for the score output for each factor. It may be configured to calculate a score according to each factor value by applying a calculation method, and to calculate a severity evaluation score by summing them.
  • the trend line calculation method may be implemented by employing a method known to a person skilled in the art, a detailed description thereof will be omitted.
  • the rule DB 120 is for storing a plurality of rules generated by the rule generator 130 to be described later.
  • a plurality of rules may be to output a predetermined score for each factor included in patient data according to a range to which the factor value belongs.
  • the plurality of rules may be to output a predetermined score according to a variation value of each factor measured at least twice at different times.
  • the rule generator 130 is for generating a rule for calculating a severity evaluation score for each of a plurality of factors included in patient data.
  • the rule generator 130 may generate a rule for calculating a severity evaluation score for each of a plurality of factors through Rasch analysis.
  • FIG. 4 is a flowchart of a method for evaluating severity according to another embodiment of the present invention.
  • patient data including a plurality of factors may be input (S41), and a severity evaluation score may be calculated based on a rule using the patient data (S42). Specifically, in step S42, a severity evaluation score may be calculated based on a rule previously stored for a plurality of factors.
  • the patient's severity classification result can be provided according to the severity evaluation score (S43), and various services according to the severity classification result, for example, determine whether to transfer to the hospital according to the severity classification, and provide the severity evaluation score to the transfer hospital. And the like can be performed (S44).
  • Each step of the severity evaluation method illustrated in FIG. 4 may be performed as described above with reference to FIGS. 1 and 2, and a redundant description thereof will be omitted.
  • the severity evaluation method described above with reference to FIG. 4 may be performed by the system shown in FIG. 1.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명의 일 실시예에 따른 중증도 평가 시스템은, 입력된 환자 데이터에 포함된 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성하는 규칙 생성기; 상기 규칙 생성기에 의해 생성된 복수의 규칙을 저장하는 규칙 DB; 및 상기 복수의 인자에 대해 상기 규칙 DB에 저장된 규칙 기반으로 중증도 평가 점수를 산출하는 규칙 기반 엔진을 포함할 수 있다.

Description

응급환자의 중증도 평가 시스템 및 방법, 및 이를 포함하는 시스템
본 출원은 응급환자의 중증도 평가 시스템 및 방법, 및 이를 포함하는 시스템에 관한 것이다.
응급환자의 중증도 분류는 응급처치 및 환자 이송의 우선 순위를 결정하기 위하여 환자를 증상별로 구분하는 것을 말하며, 응급환자에 대한 적절한 조치를 위해서 응급환자의 중증도를 신속하고 정확하게 평가할 필요가 있다.
기존에는 응급환자의 중증도 분류 도구로서 KTAS(Korean Triage and Acuity Scale)이 마련되어 있으나, 이를 활용하기 위해서는 분류체계를 숙지하고 있는 의료진이 있어야 하고, 정확도가 떨어지며, 더 나아가 응급환자의 특성상 중증도 분류를 위해 충분한 시간을 할당하기 어렵다는 한계가 있다.
따라서, 당해 기술분야에서는 응급환자에 대해 획득 가능한 다양한 정보를 기초로 보다 정확하고 신속하게 응급환자의 중증도를 평가하기 위한 방안이 요구되고 있다.
상기 과제를 해결하기 위해서, 본 발명의 일 실시예는 응급환자 중증도 평가 시스템을 제공한다.
상기 응급환자 중증도 평가 시스템은, 입력된 환자 데이터에 포함된 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성하는 규칙 생성기; 상기 규칙 생성기에 의해 생성된 복수의 규칙을 저장하는 규칙 DB; 및 상기 복수의 인자에 대해 상기 규칙 DB에 저장된 규칙 기반으로 중증도 평가 점수를 산출하는 규칙 기반 엔진을 포함할 수 있다.
또한, 본 발명의 다른 실시예는 응급환자 중증도 평가 방법을 제공한다.
상기 응급환자 중증도 평가 방법은, 복수의 인자를 포함하는 환자 데이터를 입력받는 단계; 상기 복수의 인자에 대해 기 저장된 규칙 기반으로 중증도 평가 점수를 산출하는 단계; 및 상기 중증도 평가 점수에 따른 중증도 분류 결과를 제공하는 단계를 포함할 수 있다.
덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따르면, 응급환자에 대해 획득 가능한 다양한 정보를 기초로 보다 정확하고 신속하게 응급환자의 중증도를 평가할 수 있다.
도 1은 본 발명의 일 실시예에 따른 중증도 평가 시스템과 병원정보 시스템 사이의 연동 구조를 도시하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 중증도 평가 시스템의 구성도이다.
도 3은 본 발명의 일 실시예에 따라 다양한 환자 데이터를 입력받아 중증도 평가 점수를 산출하는 일 예를 도시하는 도면이다.
도 4는 본 발명의 다른 실시예에 따른 중증도 평가 방법의 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
도 1은 본 발명의 일 실시예에 따른 중증도 평가 시스템과 병원정보 시스템 사이의 연동 구조를 도시하는 도면이다.
도 1을 참조하면, 중증도 평가 시스템(100)은 서버(300)를 통해 병원정보 시스템(200)과 연동할 수 있다.
중증도 평가 시스템(100)은 서버(300)를 통해 입력된 환자 데이터를 이용하여 기 생성된 규칙 기반으로 중증도 평가 점수를 산출할 수 있다.
여기서, 환자 데이터는 환자의 기본정보, 관찰정보, 구급데이터, 측정값 및 검사결과 중 하나 이상을 포함할 수 있다.
도 3은 본 발명의 일 실시예에 따라 다양한 환자 데이터를 입력받아 중증도 평가 점수를 산출하는 일 예를 도시하는 도면으로, 도 3에 도시된 바와 같이, 환자의 기본정보는 나이 및 성별 등을 포함할 수 있고, 관찰정보는 환자의 의식상태, 통증부위, 사고상황 등과 같이 환자 관찰에 의해 획득 가능한 정보를 포함할 수 있으며, 구급 데이터는 구급차량에 의한 이송 중의 측정값, 관찰정보 등을 포함할 수 있고, 측정값은 혈액, 맥박 등을 포함할 수 있으며, 검사결과는 각종 응급검사 결과를 포함할 수 있다.
이와 같은 환자 데이터는 병원정보 시스템(200)에 의해 제공되거나, 또는 의료진, 구급대원 등이 소지한 단말 장치(미도시)에 의해 입력된 것일 수 있다.
이와 같이 환자 데이터는 복수의 인자를 포함하여 구성될 수 있다. 또한, 중증도 평가 시스템(100)은 환자의 질환 또는 증상별로 상이한 조합의 인자를 포함하는 환자 데이터를 입력받고 이를 기초로 중증도 평가 점수를 산출할 수 있다.
중증도 평가 시스템(100)의 상세 구조 및 기능은 도 2를 참조하여 보다 구체적으로 설명하기로 한다.
병원정보 시스템(200)은 각각의 병원에 구비되어 병원 내의 각종 데이터를 저장 및 관리하는 것으로, 본 발명의 실시예에 따르면 상술한 환자 데이터 중 적어도 일부를 저장하고 이를 서버(300)로 제공할 수 있다.
서버(300)는 중증도 평가 시스템(100)에 의해 산출된 중증도 평가 점수를 이용하여 병원정보 시스템(200), 단말 장치(미도시) 등으로 중증도 평가 서비스를 제공할 수 있다.
일 실시예에 따르면, 서버(300)는 WAS(Web Application Server)(310) 및 WEB(320)을 포함하여 구성될 수 있다. WAS(310)는 WEB(320)의 요청에 따라 중증도 평가 시스템(100)을 호출하여 중증도 평가 점수를 산출하고 이를 기초로 중증도 평가 관련 동적 컨텐츠를 제공할 수 있으며, WEB(320)는 단말 장치의 요청에 따라 웹 페이지, 예를 들어 중증도 평가 웹 페이지 등을 제공할 수 있다.
일 실시예에 따르면, 서버(300)는 중증도 평가 시스템(100)에 의해 산출된 중증도 평가 점수에 따른 중증도 분류 결과를 제공할 수 있다. 예를 들어, 응급환자의 중증도를 복수의 등급으로 나누고, 각각의 등급에 해당하는 중증도 평가 점수 범위가 기 정해질 수 있으며, 서버(300)는 산출된 중증도 평가 점수에 따라 해당하는 중증도 등급 정보를 제공할 수 있다.
다른 실시예에 따르면, 서버(300)는 중증도 분류 결과에 따라 병원 이송 여부를 결정할 수 있으며, 병원 이송이 필요한 경우에는 이송 병원에 구비된 병원정보 시스템(미도시)으로 산출된 중증도 평가 점수를 제공할 수 있다.
도 1을 참조하여 상술한 실시예에서는, 중증도 평가 시스템(100)에서 중증도 평가 점수를 산출하고, 서버(300)에서 중증도 평가 점수에 따라 중증도 등급 정보를 제공하는 것으로 설명하였으나, 본 발명의 범위가 반드시 이로 제한되는 것은 아니다. 예를 들어, 중증도 평가 시스템(100) 및 서버(300)의 기능을 하나로 통합하여 중증도 평가 시스템(100)에서 중증도 평가 점수 산출 및 중증도 등급 정보 제공 기능을 수행하고, 서버(300)는 중증도 평가 시스템(100)과 병원정보 시스템(200) 사이를 연결하는 기능만을 수행하도록 구현될 수도 있다.
또한, 중증도 평가 시스템(100), 병원정보 시스템(200) 및 서버(300)는 클라우드 기반으로 구현될 수도 있다. 다시 말해, 상술한 바와 같은 중증도 평가 시스템(100), 병원정보 시스템(200) 및 서버(300)의 기능은 네트워크를 통해 서로 연결된 복수의 컴퓨팅 장치에 의해 수행될 수 있다.
도 2는 본 발명의 일 실시예에 따른 중증도 평가 시스템의 구성도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 중증도 평가 시스템(100)은 규칙 기반 엔진(110), 규칙 DB(120) 및 규칙 생성기(130)를 포함하여 구성될 수 있으며, 예를 들어 저장 수단 및 프로세싱 수단을 구비한 하나 이상의 프로세싱 장치로 구현될 수 있다.
규칙 기반 엔진(110)은 입력된 환자 데이터에 포함된 복수의 인자에 대해 후술하는 규칙 DB(120)에 저장된 규칙 기반으로 중증도 평가 점수를 산출하기 위한 것이다.
일 실시예에 따르면, 규칙 기반 엔진(110)은 저장된 규칙에 따라 환자 데이터에 포함된 각각의 인자에 대해 점수를 출력하고 출력된 점수를 합산하여 중증도 평가 점수를 산출할 수 있다.
여기서, 복수의 인자는 하기의 표 1과 같이 크게 3개의 인자 그룹으로 분류될 수 있으며, 경우에 따라 3개의 인자 그룹에 포함된 복수의 인자들을 다양하게 조합하여 중증도 평가 점수를 산출할 수 있다.
또한, 표 2 내지 표 4는 표 1에 기재된 각 인자 그룹에 포함된 복수의 인자(Factor) 및 각각의 인자 값이 가지는 범위(Range)와 이에 따라 출력되는 점수(SD 값)의 예를 나타내는 것으로, 표 2는 GROUP 1에 해당하는 초기 인자를 나타내고, 표 3은 GROUP 2에 해당하는 정밀 인자를 나타내며, 표 4는 기타 인자(Factor)에 해당하는 추가 고려 인자를 나타낸다. 표 2 내지 표 4는 복수의 인자의 예에 해당하는 것으로 본 발명에 따라 중증도 평가 점수를 산출하기 위해 고려되는 인자의 종류가 반드시 이로 제한되는 것은 아니며, 각 인자의 범위 및 이에 따라 출력되는 점수 역시 인자의 조합과 증상 등에 따라 변경될 수 있다.
또한, 표 5는 표 2 내지 표 4에 도시된 복수의 인자를 조합하는 다양한 케이스를 나타내는 것으로, 각 케이스 별로 이를 구성하는 인자들을 조합하여 중증도 평가 점수를 산출할 수 있다. 예를 들어, 각 환자마다 환자의 상황(이전 진료 기록, 특정 검사 진행 등)에 따라 획득 가능한 인자의 종류가 달라질 수 있다. 따라서, 각 환자별로 획득한 복수의 인자를 고려하여 이에 적합한 케이스를 선택하고, 선택된 케이스를 구성하는 인자들을 조합하여 중증도 평가 점수를 산출할 수 있다.
[표 1]
Figure PCTKR2020015191-appb-I000001
[표 2]
Figure PCTKR2020015191-appb-I000002
Figure PCTKR2020015191-appb-I000003
[표 3]
Figure PCTKR2020015191-appb-I000004
Figure PCTKR2020015191-appb-I000005
[표 4]
Figure PCTKR2020015191-appb-I000006
[표 5]
Figure PCTKR2020015191-appb-I000007
다른 실시예에 따르면, 환자 데이터에 포함된 각각의 인자가 서로 상이한 시점에 2회 이상 측정된 경우에는, 규칙 기반 엔진(110)은 각각의 인자의 변동값에 따라 점수를 출력하고 변동값에 따라 출력된 점수를 추가로 합산하여 중증도 평가 점수를 산출할 수 있다. 예를 들어, 환자의 혈압, 맥박 등이 2회 이상 측정된 경우 해당 측정값의 변동값을 추가로 반영함으로써, 시간이 지남에 따른 환자의 상태 변화를 반영하여 보다 정확하게 환자의 중증도를 평가할 수 있게 된다.
또 다른 실시예에 따르면, 환자의 증상에 따라 상이한 인자들을 조합하여 중증도 평가 점수를 산출할 수 있다. 여기서, 환자의 증상은 환자의 상태에 따라 표 6에 기재된 바와 같은 9개의 증상으로 분류될 수 있다.
[표 6]
Figure PCTKR2020015191-appb-I000008
본 실시예에서는, 환자의 증상을 고려하여 이에 적합한 케이스를 선택하고, 선택된 케이스를 구성하는 인자들을 조합하여 중증도 평가 점수를 산출할 수 있다.
한편, 규칙 기반 엔진(110)은 표 2 내지 표 4에서 정의된 바에 따라 각 인자값이 속하는 범위에 따라 정해진 점수(SD 값)을 그대로 출력하는 것이 아니라, 각 인자에 대해 출력한 점수에 대해 추세선 산출 방식을 적용하여 각 인자값에 따른 점수를 계산하고 이를 합산하여 중증도 평가 점수를 산출하도록 구성될 수 있다. 여기서, 추세선 산출 방식은 통상의 기술자에게 공지된 방식을 채용하여 구현될 수 있는 바 이에 대한 구체적인 설명은 생략한다.
규칙 DB(120)는 후술하는 규칙 생성기(130)에 의해 생성된 복수의 규칙을 저장하기 위한 것이다.
일 실시예에 따르면, 복수의 규칙은 환자 데이터에 포함된 각각의 인자에 대해 인자의 값이 속하는 범위에 따라 기 정해진 점수를 출력하는 것일 수 있다.
다른 실시예에 따르면, 복수의 규칙은 서로 상이한 시점에 적어도 2회 측정된 각각의 인자의 변동값에 따라 기 정해진 점수를 출력하는 것일 수 있다.
규칙 생성기(130)는 환자 데이터에 포함된 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성하기 위한 것이다.
일 실시예에 따르면, 규칙 생성기(130)는 라쉬(Rasch) 분석에 의해 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성할 수 있다.
도 4는 본 발명의 다른 실시예에 따른 중증도 평가 방법의 흐름도이다.
도 4를 참조하면, 우선, 복수의 인자를 포함하는 환자 데이터를 입력받고(S41), 환자 데이터를 이용하여 규칙 기반으로 중증도 평가 점수를 산출할 수 있다(S42). 구체적으로, S42 단계에서는 복수의 인자에 대해 기 저장된 규칙 기반으로 중증도 평가 점수를 산출할 수 있다.
이후, 중증도 평가 점수에 따라 환자의 중증도 분류 결과를 제공할 수 있으며(S43), 또한 중증도 분류 결과에 따라 다양한 서비스, 예를 들어 중증도 분류에 따른 병원 이송 여부 결정 및 이송 병원으로의 중증도 평가 점수 제공 등을 수행할 수 있다(S44).
도 4에 도시된 중증도 평가 방법의 각 단계는 도 1 및 도 2를 참조하여 상술한 바에 따라 수행될 수 있는 바, 이에 대한 중복적인 설명은 생략한다.
도 4를 참조하여 상술한 중증도 평가 방법은 도 1에 도시된 시스템에 의해 수행될 수 있다.
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.

Claims (14)

  1. 입력된 환자 데이터에 포함된 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성하는 규칙 생성기;
    상기 규칙 생성기에 의해 생성된 복수의 규칙을 저장하는 규칙 DB; 및
    상기 복수의 인자에 대해 상기 규칙 DB에 저장된 규칙 기반으로 중증도 평가 점수를 산출하는 규칙 기반 엔진을 포함하는 것을 특징으로 하는 중증도 평가 시스템.
  2. 제 1 항에 있어서,
    상기 규칙은 각각의 인자에 대해 인자의 값이 속하는 범위에 따라 기 정해진 점수를 출력하는 것을 특징으로 하는 중증도 평가 시스템.
  3. 제 2 항에 있어서,
    상기 규칙 기반 엔진은 상기 규칙에 따라 상기 각각의 인자에 대해 출력한 점수를 합산하여 상기 중증도 평가 점수를 산출하는 것을 특징으로 하는 중증도 평가 시스템.
  4. 제 3 항에 있어서,
    상기 규칙은 서로 상이한 시점에 적어도 2회 측정된 각각의 인자의 변동값에 따라 기 정해진 점수를 출력하는 것을 특징으로 하는 중증도 평가 시스템.
  5. 제 4 항에 있어서,
    상기 규칙 기반 엔진은 상기 각각의 인자의 변동값에 따라 출력된 점수를 추가로 합산하여 상기 중증도 평가 점수를 산출하는 것을 특징으로 하는 중증도 평가 시스템.
  6. 제 1 항에 있어서,
    상기 복수의 인자는 초기 인자 그룹, 정밀 인자 그룹 및 추가 고려 인자 그룹으로 분류되는 것을 특징으로 하는 중증도 평가 시스템.
  7. 제 6 항에 있어서,
    상기 규칙 기반 엔진은 각 환자의 증상에 따라 상이한 조합의 복수의 인자를 이용하여 중증도 평가 점수를 산출하는 것을 특징으로 하는 중증도 평가 시스템.
  8. 제 2 항에 있어서,
    상기 규칙 기반 엔진은 상기 규칙에 따라 상기 각각의 인자에 대해 출력한 점수에 대해 추세선 산출 방식을 적용하여 각 인자값에 따른 점수를 계산 및 합산하여 상기 중증도 평가 점수를 산출하는 것을 특징으로 하는 중증도 평가 시스템.
  9. 입력된 환자 데이터를 이용하여 기 생성된 규칙 기반으로 중증도 평가 점수를 산출하는 중증도 평가 시스템;
    상기 환자 데이터를 제공하는 병원정보 시스템; 및
    상기 중증도 평가 시스템과 상기 병원정보 시스템을 연동시키고, 상기 중증도 평가 시스템에 의해 산출된 중증도 평가 점수를 이용하여 단말 장치에 중증도 평가 서비스를 제공하는 서버를 포함하는 것을 특징으로 하는 시스템.
  10. 제 9 항에 있어서, 상기 중증도 평가 시스템은,
    상기 환자 데이터에 포함된 복수의 인자별로 중증도 평가 점수 산출을 위한 규칙을 생성하는 규칙 생성기;
    상기 규칙 생성기에 의해 생성된 복수의 규칙을 저장하는 규칙 DB; 및
    상기 복수의 인자에 대해 상기 규칙 DB에 저장된 규칙 기반으로 상기 중증도 평가 점수를 산출하는 규칙 기반 엔진을 포함하는 것을 특징으로 하는 시스템.
  11. 제 9 항에 있어서,
    상기 서버는 상기 중증도 평가 점수에 따른 중증도 분류 결과를 제공하는 것을 특징으로 하는 시스템.
  12. 제 11 항에 있어서,
    상기 서버는 상기 중증도 분류 결과에 따라 병원 이송 여부를 결정하는 것을 특징으로 하는 시스템.
  13. 제 12 항에 있어서,
    상기 서버는 이송 병원에 구비된 병원정보 시스템으로 상기 중증도 평가 점수를 제공하는 것을 특징으로 하는 시스템.
  14. 복수의 인자를 포함하는 환자 데이터를 입력받는 단계;
    상기 복수의 인자에 대해 기 저장된 규칙 기반으로 중증도 평가 점수를 산출하는 단계; 및
    상기 중증도 평가 점수에 따른 중증도 분류 결과를 제공하는 단계를 포함하는 것을 특징으로 하는 중증도 평가 방법.
PCT/KR2020/015191 2019-11-04 2020-11-03 응급환자의 중증도 평가 시스템 및 방법, 및 이를 포함하는 시스템 WO2021091189A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2019-0139622 2019-11-04
KR20190139622 2019-11-04
KR10-2020-0144710 2020-11-02
KR1020200144710A KR102490087B1 (ko) 2019-11-04 2020-11-02 응급환자의 중증도 평가 시스템 및 방법, 및 이를 포함하는 시스템

Publications (1)

Publication Number Publication Date
WO2021091189A1 true WO2021091189A1 (ko) 2021-05-14

Family

ID=75848510

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/015191 WO2021091189A1 (ko) 2019-11-04 2020-11-03 응급환자의 중증도 평가 시스템 및 방법, 및 이를 포함하는 시스템

Country Status (1)

Country Link
WO (1) WO2021091189A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110129130A1 (en) * 2009-11-30 2011-06-02 General Electric Company System and method for integrated quantifiable detection, diagnosis and monitoring of disease using population related time trend data
US20120303381A1 (en) * 2007-07-16 2012-11-29 Health Datastream Inc. System and method for scoring illness complexity to predict healthcare cost
WO2014071145A1 (en) * 2012-11-02 2014-05-08 The University Of Chicago Patient risk evaluation
KR20170122510A (ko) * 2016-04-27 2017-11-06 (주)지맥스솔루션 병원 간 진료의뢰시스템 및 방법
KR20190105163A (ko) * 2018-02-21 2019-09-16 주식회사 삼육오엠씨네트웍스 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120303381A1 (en) * 2007-07-16 2012-11-29 Health Datastream Inc. System and method for scoring illness complexity to predict healthcare cost
US20110129130A1 (en) * 2009-11-30 2011-06-02 General Electric Company System and method for integrated quantifiable detection, diagnosis and monitoring of disease using population related time trend data
WO2014071145A1 (en) * 2012-11-02 2014-05-08 The University Of Chicago Patient risk evaluation
KR20170122510A (ko) * 2016-04-27 2017-11-06 (주)지맥스솔루션 병원 간 진료의뢰시스템 및 방법
KR20190105163A (ko) * 2018-02-21 2019-09-16 주식회사 삼육오엠씨네트웍스 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법

Similar Documents

Publication Publication Date Title
Wheeless et al. The psychometric properties of the Bem Sex‐Role Inventory: Questions concerning reliability and validity
Black A 1 and 6 month follow‐up of prenatal diagnosis patients who lost pregnancies
Tuffnell et al. Simulation of cervical changes in labour: reproducibility of expert assessment
WO2020226417A2 (ko) 방광부피 계측장치 및 이의 동작방법
WO2021091189A1 (ko) 응급환자의 중증도 평가 시스템 및 방법, 및 이를 포함하는 시스템
WO2022114793A1 (ko) 빅데이터 기반의 당뇨병 발병 위험도 예측 시스템, 예측 방법, 및 프로그램
WO2022114791A1 (ko) 빅데이터 기반의 질환 발병 위험도 예측 시스템, 예측 방법, 및 프로그램
O'Dowd et al. Characteristics of patients attending an HIV-related psychiatric clinic
WO2021091348A1 (ko) 신약 재창출 후보 선정 방법 및 장치
WO2015080328A1 (ko) 색채도형 심리 진단장치 및 방법
WO2016200243A1 (ko) 미병 분류를 보조하는 컴퓨팅 장치 및 방법
WO2018093189A1 (ko) 급성뇌경색 발생시점 추정시스템, 방법 및 프로그램
Rowitz A sociological perspective on labeling in mental retardation
CN110335649B (zh) 一种基于Filemaker数据库的临床药物试验数据平台
CN112397195B (zh) 用于生成体格检查模型的方法、装置、电子设备和介质
WO2023121051A1 (ko) 환자 정보 제공 방법, 환자 정보 제공 장치, 및 컴퓨터 판독 가능한 기록 매체
Huitson et al. A review of cross‐over trials
WO2023022485A1 (ko) 비동기 심전도를 이용한 건강상태 예측 시스템
WO2019098510A1 (ko) 온라인 구강건강상태 진단방법 및 온라인 구강건강상태 진단 서비스를 제공하기 위한 서버
CN115862892A (zh) 基于移动终端的医药教育系统及其应用方法
WO2022225122A1 (ko) 환자 맞춤형 전자 문진 시스템, 문진용 단말 및 이를 이용한 문진 방법
US20030055682A1 (en) Remote medical system
CN111243750B (zh) 多方式识别患者妊娠状态的方法及装置
WO2017043680A1 (ko) 의료 데이터의 개인 정보 보호를 위한 인공 신경망의 분산 학습 시스템 및 방법
Warren et al. A study of the relation between eating disorder and death concern

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: 20886130

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: 20886130

Country of ref document: EP

Kind code of ref document: A1