CN104956391A - 临床仪表板用户界面***和方法 - Google Patents
临床仪表板用户界面***和方法 Download PDFInfo
- Publication number
- CN104956391A CN104956391A CN201380059341.XA CN201380059341A CN104956391A CN 104956391 A CN104956391 A CN 104956391A CN 201380059341 A CN201380059341 A CN 201380059341A CN 104956391 A CN104956391 A CN 104956391A
- Authority
- CN
- China
- Prior art keywords
- patient
- data
- user interface
- instrument panel
- risk
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
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
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
Landscapes
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Bioethics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种仪表板用户界面方法,包括显示至少一个目标疾病的可导航列表,显示与在目标疾病列表中选择的目标疾病相关联的患者标识符的可导航列表,显示与被标识为与选定目标疾病相关联的患者列表中的患者相关联的历史和当前数据,包括入院时的临床医生笔记,接收、存储和显示查阅者的评论,并显示自动生成的干预和治疗建议。
Description
领域
本公开涉及一种临床仪表板用户界面***和方法,并且具体地涉及疾病标识和监控的领域。
背景技术
医院现今所面临的一个挑战是尽可能早地标识患者的原发性疾病,以便能够立即部署适当的干预。诸如急性心肌梗塞(AMI)和肺炎之类的一些疾病要求在诊断的24小时内的立即标准动作或途径。其他疾病不那么严重但仍要求多个保健机构的认真坚持中期和长期护理(care)计划。
联合委员会(由医疗保险和医疗补助服务中心(CMS)批准的医院评审机构)已经开发出了明确阐述的处理措施的核心措施。这些措施依赖于可导致对不良性能的CMS惩罚的标准。例如,对于急性心肌梗塞所设置的措施包括:
设置措施ID | 措施短姓名 |
AMI-1 | 到院时阿司匹林 |
AMI-2 | 出院时处方阿司匹林 |
AMI-3 | 用于LVSD的ACEI或ARB |
AMI-4 | 成人戒烟咨询/辅导 |
AMI-5 | 出院时处方β受体阻滞剂 |
AMI-7 | 中位纤维蛋白溶解时间(Median Time to Fibrionolysis) |
AMI-7a | 到达医院的30分钟内接受的溶栓治疗 |
AMI-8 | 中位主PCI时间(Median Time to Primary PCI) |
AMI-8a | 到达医院的90分钟内接受的主PCI |
AMI-9 | 住院患者死亡率(12/31/2010有效检索) |
AMI-10 | 出院时处方斯达汀 |
迄今为止,在患者从医疗保健机构出院后,完成对于应负责的措施(measure)活动的大多数报告和监测。标识和了解特定干预方面的延迟常常使得不可能纠正任何情况。医院管理人员也难以确定医院每天有多好地满足核心措施。临床医生需要在整个住院期间实时或接近实时地查看包括临床医生笔记在内的患者进展和护理,此举将提醒向着满足这些核心措施而要在医疗管理团队和医师方面的行动(途径和监测)。
案例管理团队对于追踪患者的实时疾病状态是有困难的。用临床医生的笔记的清晰画面(因为它们在患者住院期间随新消息到来而实时地变化)来完成此举的能力将增加团队尽可能早地施加聚焦(focused)干预的能力,并在整个患者住院期间按需遵循或更改这些途径(pathway),从而改进护理的质量和安全、减少计划外再入院和不良事件、并改进患者结果。本公开描述了开发用于标识并对处于最高再住院和其它不良临床事件风险的患者进行风险分层的软件,和以清晰和易于理解的方式向用户呈现数据的仪表板用户界面。
附图说明
图1是根据本公开的临床预测和监测***和方法的示例性实施例的简化框图;
图2是根据本公开的临床预测和监测***和方法的示例性实施例的时间轴图;
图3是根据本公开的临床预测和监测***和方法的示例性实施例的简化逻辑框图;
图4是根据本公开的临床预测和监测***和方法的示例性实施例的简化流程图;
图5是根据本公开的临床预测和监测***和方法的示例性实施例的简化流程图/框图;
图6是根据本公开的仪表板用户界面***和方法的示例性实施例的简化流程图;
图7是根据本公开的与仪表板用户界面***和方法的典型用户交互的示例性实施例的简化流程图;
图8是根据本公开的仪表板用户界面***和方法的示例性屏幕截图;
图9是根据本公开的显示下拉(drop)评论窗口的仪表板用户界面***和方法的示例性屏幕截图;以及
图10是根据本公开的显示观看评论窗口的仪表板用户界面***和方法的示例性屏幕截图。
具体实施方式
图1是根据本公开的临床预测和监测***10的示例性实施例的简化框图。临床预测和监测***10包括计算机***12,计算机***12适合于接收有关要求护理的患者或个人的各种临床和非临床数据。例如,各种数据包括来自医院和医疗保健实体14、非医疗保健实体15、健康信息交换16、和社会到健康(social-to-health)信息交换和社会服务机构17的实时数据流和历史或存储数据。这些数据用于确定选定患者的疾病风险分数,使得他们可接受为他们的特定情况和需求更好地制定和定制的更有目标的干预、治疗、和护理。***10最适合于标识需要密集住院和/或门诊治疗的特定患者以避免特定疾病的严重不利影响并减少再住院率。应当注意,计算机***12可包括可操作成经由有线和无线通信链路和计算机网络传输数据和通信的一个或多个本地或远程计算机服务器。
由临床预测和监测***10接收的数据可包括电子医疗记录(EMR),电子医疗记录包括临床和非临床数据两者。EMR临床数据可从实体(诸如,医院、诊所、药房、实验室和健康信息交换)接收,其包括:生命体征和其他生理数据;与由医师、护士或联合健康专业人员进行的全面或集中的历史和身体检查相关联的数据;病史;之前过敏和不良医疗反应;家族病史;之前手术史;急诊室记录;用药管理记录;培养结果;口述临床笔记和记录;妇科和产科历史;精神状态检查;疫苗接种记录;放射成像检查;侵入性可视化手术;精神病治疗史;之前组织标本;实验室数据;遗传信息;医师的笔记;联网设备和监视器(诸如,血压设备和血糖仪);药物和补充剂(supplement)摄入信息;和集中基因型测试。
EMR非临床数据可包括,例如,社会、行为、生活方式和经济数据;职业的类型和性质;工作历史;医疗保险信息;医院利用模式;运动信息;致瘾物质使用;职业化学品接触;医师或健康***接触的频率;住所变更的位置和频率;预测筛查健康问卷(诸如患者健康问卷(PHQ));性格测试;人口普查和人口统计数据;周围环境;饮食;性别;婚姻状况;学历;家人或看护助理的距离和数量;地址;住房状况;社交媒体数据;和教育水平。非临床患者数据可进一步包括由患者输入的数据,诸如,输入或上传至社交媒体web站点的数据。
EMR数据的附加源或设备可提供,例如,例如,实验室结果、药物分配和变化、EKG结果、放射笔记、每日重量读数、和每日血糖测试结果。这些数据源可来自医院、诊所、患者护理设施、患者家庭监测设备的不同区域,及其他可用临床或保健源。
如图1所示,患者数据源可包括非保健实体15。这些是不被认为是传统保健提供者的实体或组织。这些实体15可提供非临床数据,该非临床数据包括,例如,性别;婚姻状况;学历;社区和宗教组织参与;家人或看护助理的距离和数量;地址;人口普查区(tract)位置和该区的人口普查报告的社会经济数据;住房状况;房屋地址变更的数量;房屋地址变更的频率;对政府生活救助的要求;进行并保持医疗预约的能力;日常生活活动的独立性;寻求医疗援助的小时;寻求医疗服务的位置;感觉障碍;认知障碍;行动障碍;教育水平;职业;以及对于地方和国家收入分配以绝对和相对项形式的经济状况;气候数据;和卫生登记。此类数据源可进一步提供有关患者生活方式的富有洞察力的信息,诸如,家庭成员的数量、关系状态、可帮助护理患者的个人、和可影响健康结果的健康和生活方式偏好。
临床预测和监测***10可进一步从健康信息交换(HIE)16接收数据。HIE是在区域、社区或医院***内跨组织地电子调动保健信息的组织。HIE日益发展成在城市、国家、区域或伞卫生***内的保健实体之间共享临床和非临床患者数据。数据可源自很多源,诸如医院、诊所、消费者、付款人、医师、实验室、门诊药房、门诊中心、养老院和国家或公共健康机构。
HIE的子集将保健实体连接至不具体提供保健服务的社区组织,诸如非政府慈善组织、社会服务机构、和城市机构。临床预测和监测***10可从这些社会服务组织和社会到健康信息交换17接收数据,该数据可包括,例如,有关日常生活技能、去就诊预约的交通运输能力、就业援助、培训、药物滥用康复、咨询或解毒、房租和公共事业援助、无家可归状态和对服务的接受、后续医疗、心理健康服务、膳食和营养、食品仓储(pantry)服务、住房援助、临时避难所、家庭健康访问、家庭暴力、遵守预约、出院指导、医药处方、用药指导、附近状态、和跟踪推荐和预约的能力的信息。
数据的另一源包括社交媒体或社交网络服务18,诸如,FACEBOOK和GOOGLE+web站点。此类源可提供诸如家庭成员的数量、关系状态、标识可帮助护理患者的个人、和可影响健康结果的健康和生活方式偏好之类的信息。例如,在个人允许的情况下,可从web站点接收这些社交媒体数据,并且随着用户输入状态更新,一些数据可直接来自用户的计算设备。
这些非临床患者数据提供对于患者的整体全面保健环境的更为现实和准确的描述。以这种非临床患者数据来增强,由本***执行的用于标识处于再住院或疾病再发生的高风险的患者的分析和预测建模变得更稳健和精确。
***10进一步适合于以有线或无线的方式从临床医生的计算设备(移动设备、平板计算机、膝上型计算机、台式计算机、服务器等)19接收用户偏好和***配置数据。计算设备装备成显示***仪表板和/或另一图形用户界面以呈现***数据和报告。例如,临床医生(保健人员)可立刻生成具有最高心力衰竭风险分数(例如,前n个或前x%)的患者列表。图形用户界面进一步适合于接收用户(保健人员)输入的的喜好和配置。数据可以web页面、基于web的消息、文本文件、视频信息、多媒体消息、文本消息、电子邮件、和各种合适的方式和格式的形式被传输、呈现、和显示给临床医生/用户。
如图1所示,临床预测和监测***10可接收实时流出或来自历史的数据,或来自各个数据源的成批的数据。而且,***10可将所接收的数据存储在数据存储20中或在不首先存储数据的情况下处理数据。实时和存储的数据可根据各种协议(包括CCD、XDS、HL7、SSO、HTTPS、EDI、CSV等)处于各种各样的格式。数据可被加密或以其他合适的方式保护。数据可通过***10从各个数据源获得(轮询)或数据可由数据源被推送至***10。作为替代或附加,可根据预定时间表或按需以批处理接收数据。数据存储20可包括一个或多个本地服务器、存储器、驱动器和其他合适的存储设备。作为替代或附加,数据可被存储在云数据中心。
计算机***12可包括可位于本地或在云计算场中的多个计算设备,计算设备包括服务器。在计算机***12和数据存储20之间的数据路径可采用现在已知或以后开发的安全措施或传输协议来被加密或以其他方式保护。
图2是根据本公开的临床预测和监测***和方法的示例性实施例的时间轴图。作为示例,时间轴图用于示出如何应用临床预测和监测***和方法10以降低有关充血性心力衰竭的再入院率。大多数美国医院努力自制(contain)与充血性心力衰竭有关的再住院率。虽然许多研究已发现仔细的出院计划、护理提供者协调、和深入咨询的一些组合可防止后续再住院,但难以成功在典型美国医院实现和维持。统一登记所有心力衰竭患者,高强度护理过渡程序要求许多体系(尤其是安全网医院)达不到的病例管理资源的深度。临床预测和监测***和方法10适合于对特定疾病和状况(诸如在充血性心力衰竭患者中的30天再入院)精确地风险分层。
在患者入院的24小时内,由临床预测和监测***和方法10分析有关患者的存储的历史和实时数据以标识与患者有关的具体疾病和状况,诸如充血性心力衰竭。进一步,***10在入院的24小时内计算该特定患者的充血性心力衰竭的风险分数。如果该特定患者的充血性心力衰竭的风险分数超过特定风险阈值,则在呈现给干预协调团队的高风险患者的列表上标识该患者。以下更详细地描述用于疾病标识和风险分数计算的过程。
临床预测和监测***和方法10可操作以显示、传输、和以其他方式向干预协调团队呈现高风险患者列表,该干预协调团队包括医师、助理医师、病例管理者、患者指导者、护士、社会工作者、家庭成员、和患者护理所涉及的其他人员或个人。呈现装置可包括由许多合适的电子或便携式计算设备传递的电子邮件、文本消息、多媒体消息、语音消息、web页面、传真、听觉和视觉警报等。干预协调团队可然后优先化对最高风险患者的干预并提供目标住院护理和治疗。临床预测和监测***和方法10可进一步自动呈现计划以包括建议的干预和治疗选项。一些干预计划可包括详细的住院临床评估以及患者营养、用药、病例管理者、和在患者住院期间早期开始的心力衰竭教育咨询。干预协调团队可立即进行有序的住院临床和社会干预。此外,该计划可包括临床和社会门诊干预并部署出院后的护理和支持计划。
高风险患者还被指派一组高强度门诊干预。一旦目标患者出院,则开始门诊干预和护理。这种干预可包括来自患者的病例管理者(诸如,护士)的48小时内的电话随访;医生的预约提醒和用药更新;30天的门诊病例管理;在出院的7天内的诊所随访预约;后续的心脏科预约(如果需要的话);和后续的初级护理访问。已发现成功的干预是基于设计成显著减少与充血性心力衰竭相关联的30天再入院的公知的减少再入院程序和政策。
临床预测和监测***和方法10在住院期间和在患者从医院出院之后继续接收有关与标识为高风险的患者有关的临床和非临床数据以进一步改进诊断和修改或增强治疗和干预计划,如果必要的话。
在患者从医院出院之后,临床预测和监测***和方法10根据电子医疗记录、病例管理***、社会服务实体、和如上所述的其他数据源继续监测患者干预状态。临床预测和监测***和方法10还可直接与看护人、病例管理者、和患者交互以获得附加信息并促使行动。例如,临床预测和监测***和方法10可通知医师他或她的一个患者已返回医院,医师可然后向***发送预格式化的消息来引导该***通知特定案例管理管理团队。在另一示例中,临床预测和监测***和方法10可了解到患者错过医师的预约并没有重新安排。该***可向患者发送文本消息来提醒患者重新安排预约。
图3是根据本公开的临床预测和监测***和方法10的示例性实施例的简化逻辑框图。由于***10根据不同协议以无数的格式从许多不相干的源接收并提取数据,传入的数据在它们被适当地分析和使用之前必需首先经受多步骤处理。临床预测和监测***和方法10包括数据集成逻辑模块22,该数据集成逻辑模块22进一步包括数据提取处理24、数据清理处理26、和数据操纵处理28。应当注意,虽然数据集成逻辑模块22被显示成具有不同的处理24-28,但这些仅完成用于说明的目的并且可并行、迭代、和交互地执行这些处理。
数据提取处理24使用各种技术和协议直接或通过因特网实时或在历史批处理文件中的数据源提取实时临床和非临床数据。优选是实时,数据清理处理26“清理”或预处理数据,使得结构化数据处于标准格式并为将在疾病/风险逻辑模块30中执行的自然语言处理(NLP)准备非结构化文本。***还可接收“清洁的”数据并将它们转换成期望的格式(例如,为计算目的,文本数据字段转换成数值)。
数据操纵处理28可相对于元数据字典来分析特定的数据反馈的表示并确定特定数据反馈是否应当被重配置或由替代数据反馈所代替。例如,给定医院EMR可以不同方式存储“最大肌酸酐”的概念。数据操纵处理28可进行推断以确定来自EMR的哪个特定数据将最佳表示在元数据字典中定义的“肌酸酐”的概念并且确定反馈是否将需要特定重配置以达到最大值(例如,选择最高值)。
数据集成逻辑模块22然后使预处理的数据传输至疾病/风险逻辑模块30。疾病风险逻辑模块30可操作成为每个患者计算与所标识的疾病或状况相关联的风险分数并且标识应当接受目标干预和护理的那些患者。疾病/风险逻辑模块30包括去标识/再标识处理32,去标识/再标识处理32适合于在通过因特网传输数据之前根据HIPAA标准移除所有受保护的健康信息。它也适合于再标识数据。可移除并添加回的受保护的健康信息可包括,例如,姓名、电话号码、传真号码、电子邮件地址、社会保障号码、医疗记录号码、健康计划受益人号码、账号、证书或执照号码、车牌号、设备号、URL、包括街道地址、城市、县、区、邮政编码和它们的等效地理编码的比州(state)小的所有地域细分(除了邮政编码的最初的3个数字,如果根据来自人口普查局的目前公开可用的数据)、因特网协议号、生物特征数据、和任何其它唯一标识号、特征、或代码。
疾病/风险逻辑模块30进一步包括疾病标识处理34。疾病标识处理34适合于标识每个患者的感兴趣的一个或多个疾病或状况。疾病标识处理34考虑诸如实验室订单、实验室价值、临床文本和叙述笔记、和其他临床信息和历史信息之类的数据以确定患者具有特定疾病的概率。此外,在疾病标识期间,在非结构化临床和非临床数据上进行自然语言处理以确定医师认为是普遍的疾病或多种疾病,可在许多天期间迭代地执行过程34以随着医师在诊断中变得更有信心而建立疾病标识方面的更高的信心。新的或更新的患者数据可不支持先前标识的疾病,并且***将自动地将患者从该疾病列表移除。自然语言处理组合基于规则的模型和基于统计学习的模型。
疾病标识过程34利用自然语言处理的混合模型,该混合模型组合了基于规则的模型和基于统计学习的模型。在自然语言处理期间,原始非结构化数据(例如,医师的笔记和报告)首先经过称为符号化(tokenization)的处理。符号化处理通过使用定义的分隔符(诸如,标点符号、空格或大写字母书写)将文本以单个字或短语的形式分成信息的基本单元。使用基于规则的模型,根据确定含义的预定规则在元数据字典中标识并评估信息的这些基本单元。使用基于统计学习模型,疾病标识处理34量化字和短语形式的关系和频率,然后使用统计算法来处理它们。使用机器学习,基于统计学习模型基于重复的模式和关系产生推断。疾病标识处理34执行多个复杂的自然语言处理功能,包括文本预处理、词汇分析、句法解析、语义分析、处理多字表达、词义消歧、和其他功能。
例如,如果医师的笔记包括以下:“55yo m c h/o dm,cri.现在具有adib rvr,chfexac,且rle cellulitis进行10W,tele”。则数据集成逻辑22可操作程将这些笔记翻译为:五十五岁男性,具有糖尿病、慢性肾功能不全的历史,现在具有伴有快速心室反应的心房纤颤、充血性心力衰竭加重和右下肢蜂窝组织炎,将进行10次West并进行连续心脏监测。
继续之前的示例,疾病标识处理34适合于进一步确定以下方面:1)患者特定由于心房纤颤和充血性心力衰竭而入院;2)由于存在快速心室速率,因此心房纤颤是严重的;3)蜂窝组织炎是在右下肢;4)对患者进行连续心脏监测或遥测;和5)患者似乎具有糖尿病和慢性肾功能不全。
疾病/风险逻辑模块30进一步包括预测模型处理36,预测模型处理36适合于根据一个或多个预测模型来预测感兴趣的特定疾病或状况的风险。例如,如果医院期望确定目前由于心力衰竭入院的所有患者的未来再入院的风险的等级,则可选择心力衰竭预测模型来处理患者数据。然而,如果医院期望确定由于任何原因引起的所有内科患者的风险等级,则可使用所有原因再入院预测模型来处理患者数据。作为另一示例,如果医院期望标识处于短期和长期糖尿病并发症的风险的那些患者,则可使用糖尿病预测模型来针对这些患者。其他预测模型可包括HIV再入院、糖尿病标识、心肺骤停的风险、肾脏疾病进展、急性冠脉综合征、肺炎、肝硬化、全部原因疾病无关再入院,结肠癌通路依从性等等。
继续使用之前的示例,用于充血性心力衰竭的预测模型可考虑一组风险因素或变量,包括用于实验室的最差值和生命体征变量,诸如:白蛋白、总胆红素、肌酸激酶、肌酸酐、钠、血尿素氮、二氧化碳的分压力、白血细胞计数、肌钙蛋白I、葡萄糖、国际标准化比值、脑利钠肽、pH、温度、脉搏、舒张压、和收缩压。而且,还考虑非临床因素,例如,上一年中家庭住址变更的数量、有风险的健康行为(例如,使用违禁药物或物质)、上一年中急诊室就诊的数量、抑郁或焦虑的历史、和其它因素。预测模型指定如何对每个变量或风险因素进行分类和加权,和计算再入院或风险分数的预测概率。以这种方式,临床预测和监测***和方法10能够实时对到达医院或另一保健机构的每个患者的风险进行分层(stratify)。因此,自动地标识处于最高风险的那些患者,使得可开始(institute)目标干预和护理。从疾病/风险逻辑模块30的一个输出包括特定疾病或状况的所有患者的风险分数。此外,模块30可根据风险分数排列患者,并提供在列表顶部处的那些患者的标识。例如,医院可期望标识对于充血性心力衰竭再入院具有最高风险的前20个患者,和对于在未来24小时中最有心脏心肺骤停具有最高风险的前5%的患者。可使用预测模型标识的其他疾病和状况包括,例如,HIV再入院、糖尿病标识、肾脏疾病进展、肠癌闭集(continuum)筛选、脑膜炎管理、酸碱管理、抗凝管理等。
疾病/风险逻辑模块30可进一步包括自然语言生成模块38。自然语言生成模块38适合于接收来自预测模块36的输出(诸如,患者的风险分数和风险变量),并“翻译”数据以呈现患者处于该疾病或状况的高风险的证据。该模块30因此向干预协调团队提供支持为何患者已被标识为特定疾病或状况的高风险的附加信息。以这种方式,干预协调团队可更好地制定目标住院和门诊干预和治疗计划以解决患者的具体情况。
疾病/风险逻辑模块30进一步包括人工智能(AI)模型调整处理40。人工智能模型调整处理38使用机器学习技术来使用自适应自学习能力。自我重配置的能力能够使***和方法10足够灵活且适应性强以检测并结合可影响给定算法的预测精度的下层(underlying)患者数据或群体中的趋势或差异。人工智能模型调整处理40可周期地再训练选定的预测模型以获得改善的精度结果,从而允许选择最精确统计方法、变量计数、变量选择、交互项、权重、和对于本地健康***或诊所的拦截(intercept)。人工智能模型调整处理40可以三种示例性方式自动地修改或改善预测模型。第一,它可在没有人力监督的情况下调节临床和非临床变量的预测权重。第二,它可在没有人力监督的情况下调节具体变量的阈值。第三,人工智能模型调整处理40可在没有人力监督的情况下评估存在于数据反馈中但不用于预测模型的新变量,此举可导致改善的精度。人工智能模型调整处理40可将事件的实际观察到的结果与预测的结果相比较,然后单独地分析模型内的对不正确结果有贡献的变量。它可然后重新权衡对不正确结果有贡献的变量,使得在下一迭代中,这些变量较少可能对错误预测有贡献。以这种方式,人工智能模型调整处理40适合于基于其所应用的具体临床设置或群体来重配置或调节预测模型。而且,非手动重配置或修改预测模型是必要的。人工智能模型调整处理40还可有用于在快速时间段内将预测模型按比例调节到不同健康***、群体、和地理区域。
作为人工智能模型调整处理40如何起作用的示例,可周期性地评估钠变量系数,以确定或识别关于新群体的异常钠实验室结果的相对权重应当从0.1到0.12变化。随着时间流逝,人工智能模型调整处理38检查是否应当更新纳的阈值。可以确定,为了使异常纳实验室结果的阈值水平对于再入院是预测性的,该异常纳实验室结果应当从例如140到136mg/dL变化。最后,人工智能模型调整处理40适合于检查是否应当更新预测集(变量和变量交互的列表)以反映患者群体和临床实践的变化。例如,纳变量可由NT-por-BNP蛋白质变量代替,该NT-por-BNP蛋白质变量没有事先被预测模型考虑。
来自疾病/风险逻辑模块30的结果通过数据呈现和***配置逻辑模块42提供至医院人员(诸如,干预协调团队)和其他看管者。数据呈现逻辑模块42包括仪表板界面44,仪表板界面44适合于提供有关临床预测和监测***和方法10的性能的信息。用户(例如,医院人员、管理者、和干预协调团队)能够找到他们通过简单而清晰的视觉导航提示、图标、窗口和设备进行寻找的特定数据。例如,界面可进一步响应于可听命令。由于医院每天入院的患者的数量可以是势不可挡的(overwhelming),因此最大化效率并减少用户导航时间的简单图形界面是期望的。优选在评估问题的情况下呈现可视提示(例如,再入院,离开ICU(out-of-ICU)、心脏骤停、糖尿病并发症,及其他)。
仪表盘用户界面44允许对来自***内的操作数据库的提取的数据和风险分数计算的各种意见、报告、和呈现的交互请求,包括,例如,在具体护理位置中的患者列表的概要图;各个子分数的分量的详细解释;对患者或群体的数据随时间变化的图形表示;在特定时间段中的预测事件的发生率与预测率的比较;有关特定患者的摘要文本剪报、实验室趋势、和风险分数,用于帮助口述和准备历史和体检报告、日常笔记、护理笔记的签名的连续性、手术笔记、出院小结、护理文件到门诊医师的连续性;订单生成,用于自动生成由本地护理提供者保健环境和状态和国家指导方针授权的以返回至医生办公室、外部保健提供者网络或用于返回至医院或实践电子医疗记录的订单(order);将数据聚合到常用医疗公式中以帮助护理提供的,该数据包括但不限于:酸碱计算、MELD分数、Child-Pugh-Turcot分数、TIMI风险分数、CHADS分数、估计的肌酸酐清除率、身体表面面积、体重指数、佐剂、新辅助疗法和转移性癌症生存列线图、MEWS分数、APACHE分数、SWIFT分数、NIH卒中量表、PORT分数、AJCC病理分期;公布有关表格的扫描或电子版本的数据的元素以创建自动化数据表格。
数据呈现和***配置逻辑模块40进一步包括消息传送(messaging)接口46,消息传送接口适合于以诸如,HL7消息传送、文本消息传送、电子邮件消息传送、多媒体消息传送、web页面、web门户、REST、XML、计算机生成的讲话、包括风险评估的图形、数字和文本摘要、提醒、和建议的行动的构造的文档的形式生成输出消息传送代码。由***和方法10生成或建议的干预可包括:送往主治医生的用于突出他们的患者的再入院风险的风险分数报告;经由新数据字段输入到EMR内的分数报告,以供医院、覆盖实体、负责护理群体、或保健提供网络中其他等级的组织中的整个群体的人群监测使用;单个医院或医院间的再入院的综合风险的比较以允许医院再入院率的风险标准化比较;分数到出院小结模板的自动结合、护理文档(在住院设置中的提供者内或到外部医师顾问和初级保健医师)的连续性、便利向非医院医师通信再入院风险变迁(transition)的HL7消息;以及集合社会环境分数、临床分数和总体风险分数的通信子组件。这些分数将突出潜在的策略以减少再入院,该策略包括:生成优化的药物清单;允许药房标识处方集上的那些药物以减少赔钱(out of pocket)费用并改善符合药物治疗计划的门诊;标记(flagging)营养教育需求;标识运输需求;评估房屋不稳定性以标识对养老院安置、过渡住房、第8部分HHS住房援助的需要;标识不良自我监督行为以进行附加随访电话;标识导致对附加的家庭RN评估的建议的不良社交网络分数;标记高物质滥用分数以用于对具有高滥用问题的患者的康复辅导的会诊。
该输出可被无线地或经由LAN、WAN、因特网传输并且被传递至保健机构的电子医疗记录存储、用户电子设备(例如,寻呼机,文本消息传送程序、移动电话、平板电脑、移动计算机、膝上型计算机、台式计算机、和服务器)、健康信息交换、和其它数据存储、数据库、设备、和用户。***和方法10可自动地生成、传输、和呈现诸如具有风险分数的高风险患者列表、自然语言生成的文本、报告、建议的行动、警报、护理文件的连续性、标志、预约提醒、和问卷调查之类的信息。
数据呈现和***配置逻辑模块40进一步包括***配置接口48。本地临床偏好、知识、和方法可被通过***配置接口46直接提供为到预测模型的输入。该***配置接口46允许机构或健康***来直接设置或重置变量阈值、预测权重、和预测模型中的其他参数。***配置接口48优选包括设计成最小化用户导航时间的图形用户界面。
图4是根据本公开的临床预测和监测方法50的示例性实施例的简化流程图。方法50接收来自各种源并且以多种不同格式的与特定患者有关的结构化和非结构化临床和非临床数据,如框52所示。可使用现在已知或以后开发的数据安全方法来加密或保护这些数据。在框54中,方法50预处理所接收的数据,诸如,数据提取、数据清理、和数据操纵。可使用现在已知和以后开发的其他数据处理技术。在框56中,数据处理方法(诸如,自然语言处理)和其他合适的技术可用于翻译或以其他方式理解数据的意义。在框58中,通过分析经预处理的数据,标识与每个患者有关的感兴趣的一个或多个疾病或状况。在框60中,方法50应用一个或多个预测模型来进一步分析数据并计算与标识的疾病或状况有关的每个患者的一个或多个风险分数。在框62和64中,将显示具有对每个标识的疾病或状况的最高风险的那些患者的一个或多个列表生成、传输并以其他方式呈现至医院人员,诸如,干预协调团队的成员。可每天或根据另一期望的时间表来生成这些列表。干预协调团队可然后处方(prescribe)并遵循用于住院和门诊护理的目标干预和治疗计划。在框66中,在标识为高风险的这些患者经受住院和门诊护理的同时,连续地监测标识为高风险的这些患者。在框68中结束方法50。
在图4中没有明确显示去标识处理,在该处理中数据变得与患者的身份不相关以符合HIPAA规定。每当数据通过可被损害的和以其他方式由HIPAA要求的有线或无线网络链路传输时,数据可与患者的身份解耦。方法50进一步适合于使患者数据与患者的身份再结合。
图5是根据本公开的临床预测和监测方法70的示例性实施例的简化流程图/框图。从与在医院或保健机构处住院的特定患者有关的多个不相干的数据源72处接收各种数据。可实时接收传入的数据或数据可被存储为批量或按需接收的历史数据。传入的数据被存储在数据存储74中。在框76中,如上所述,所接收的数据经受数据集成处理(数据提取、数据清理、数据操纵)。所得的预处理的数据然后经受疾病逻辑处理78,在这期间,执行去标识、疾病标识、和预测建模。在框80中将为每个患者计算的感兴趣的疾病的风险分数与疾病风险阈值相比较。每个疾病与其自己的风险阈值相关联。如果风险分数小于风险阈值,则处理返回至数据集成并且当新的数据与患者相关联的新的数据变得可用时重复该处理。如果风险分数大于或等于风险阈值,则在框82中,所标识的具有高风险分数的患者被包括在患者列表中。在框84中,可然后将患者列表和其他相关联的信息以一种或多种可能的方式呈现给干预协调团队,诸如以文本消息、电子邮件、web页面等的方式传输至台式或移动设备并在其上显示。如框88所示,以这种方式,通知并激活干预协调团队对患者的列表中标识的患者进行评估和住院和门诊治疗和护理。该处理可然后向数据源72提供反馈数据和/或返回至数据集成76,数据集成76在他/她的目标住院和门诊干预和治疗期间继续监测患者。根据预指定的算法,连续监测与在住院和门诊护理期间生成的与患者有关的数据(诸如,所处方的药物和进一步的实验室结果、放射学图像等),该预指定的算法定义患者的护理计划。
图6是根据本公开的仪表板用户界面***和方法90的示例性实施例的简化流程图。在框92中,如上所述地评估患者的数据,并且标识与目标疾病和监督状况相关联的那些患者。目标疾病是患者处于再入院到保健机构的风险的那些疾病。所监测的状况是指示在保健机构中发生不利事件的那些患者状况,例如,损伤和伤害。如图框94所示,通过与预定概率阈值的比较来进一步验证有关特定疾病或监督状况包括该患者。如果满足概率阈值,则患者被分类或标识为属于疾病列表或状况列表。还更新显示器,使得当用户选择特定的疾病列表来显示时,在列表中显示该患者,如框96所示。这可在图8中的示例性屏幕中看到。在该示例性屏幕中,在有效充血性心力衰竭列表中标识并列出由于充血性心力衰竭(CHF)而处于30天再入院风险的患者的列表。以下提供示例性屏幕的详细说明。
用户可打印、传输、和以其他方式使用所显示的信息,并生成标准或定制报告。该报告本质上可以是主要文本,或包括图形信息。例如,图形报告可绘制在集中干预程序中登记(enrolled)或未登记的患者的对于任何疾病类型、状况、或分类的预期的再入院率和观察到的再入院率的比较,以及登记的患者相对于放弃(dropped)的患者的对于任何疾病类型、状况、或分类的在一段时间上的再入院率的图表。具有的大于95%的具有心力衰竭的概率的患者、在指定时间周期上总患者相对于登记的患者、和30天出院再入院窗口内没有再入院的患者的数量与(by)从出院经过的天数。附加示例性标准跟踪报告可进一步标识所有登记的患者,对于这些患者:安排出院后预约,安排出院后电话咨询,患者已参加随访预约,患者已接收到出院后电话咨询,患者已接收并填写医疗处方,以及患者已接收到交通券(transportation voucher)。而且,样本报告可包括对于登记的和未登记的患者的用于任何疾病类型、事件、或分类的预期的与观察到的再入院率的比较,在一段时间上的对于任何疾病类型、事件、或分类的登记的患者相对于放弃的患者再入院率,具有大于95%的具有心力衰竭的概率的患者:在指定时间周期上的总的患者相对登记的患者,以及30天出院再入院窗口内未再入院的患者数量与(by)从出院经过的天数。如果在框94中不满足概率阈值,则患者的数据被重新评估为新的或更新的数据变得可用。
可用的另一类型的报告是结果优化报告。这些是设计出帮助用户(管理者)评估程序的功效、建立基准、和标识对***和群体等级的改变的需要以改善护理结果的报告。报告可包括帮助评估标识高风险患者的效果的数据。一些数据可表明花费的努力、登记的患者,和那些患者实际多久受到所标识的疾病的折磨一次。报告可包括帮助评估干预是否在正确的时间给予正确的患者等的数据。
随着新的、更新的、或附加的患者数据变得可用,如框98中所示,对该数据进行评估以标识或验证疾病/状况。例如,如果数据现在指示患者应当被不同地分类,则患者可被重新分类。患者还可被标识为附加疾病并被包括在另一列表中。例如,在住院的第一个24小时中,***将患者Jane Doe标识为具有CHF。一旦接收更多的信息(诸如,实验室结果和新的医师笔记),***将Jane Doe标识为还具有AMI。Jane Doe将然后被置于AMI列表中,且新诊断一可用就被标识为AMI患者。此外,Jane Doe将保持在CHF列表中,但是她在该列表中将被标识为AMI患者。
如果不存在新的患者数据,则如框99所示,不对患者分类作出任何改变,并且显示器反映患者分类的当前状态。因此,随着实时或接近实时的患者数据变得可用,患者的疾病和状况分类被按需重新评估和更新。
图7是根据本公开的具有仪表板用户界面***和方法的典型用户交互过程100的示例性实施例的简化流程图。允许访问***的所有用户必须具有登录安全信息,诸如记录在案的用户名和密码。如框102所示,对***的所有访问要求通过提供正确的登录信息来登录至***。如框103所示,用户可选择诸如,疾病类型、事件、风险等级、和适格性之类的参数以用于高强度的干预护理程序选入以生成报告。用户可在成功登录后的任何时刻作出该选择。例如,用户可选择特定患者并查阅与该患者有关的信息。如框104所示,用户可然后查阅和评估所显示的信息,该信息包括节选(clipped)的医生笔记。用户还可以一些形式打印、传输、或以其他方式使用所显示的信息。
目标预测再入院疾病可包括:充血性心力衰竭、肺炎、急性心肌梗塞、糖尿病、心肺骤停和死亡率、肝硬化再入院、HIV再入院、败血症和所有原因。目标疾病标识可包括:慢性肾脏疾病、败血症、监督、门诊中的慢性肾脏疾病、门诊中的糖尿病、和败血症。由于可能的不利事件引起的用于监督的目标条件可包括:败血症、术后肺栓塞(PE)或深静脉血栓形成(DVT)、术后败血症、术后休克、计划外回归外科手术、呼吸衰竭、高血压、意外损伤、评估诊断、或监测中的沟通不足、遗漏或错误、跌倒、医院获得的感染、错误用药患者、患者标识问题、离开ICU心肺骤停和死亡率、慢性肾脏疾病、休克、纳洛酮的引发、麻醉的引发(过度镇静)、低血糖的引发、和意外死亡。
例如,该评估可包括输入有关患者的评论。作为评估过程的一部分,用户可确认、否认、或表达有关患者的疾病或状况标识或干预程序登记适格性的不确定性。例如,如框106所示,用户可查阅与特定患者相关联的笔记和建议并且确认在充血性心力衰竭列表中包括该患者。例如,用户查阅提醒注意关键字和短语的节选的临床医生的笔记,从而帮助他或她通过***找到关于疾病标识的关键信息。诸如“气短”、“BNP升高”和“速尿(Lasix)”之类的关键术语帮助用户验证该患者的CHF的疾病标识。如果确认了患者的分类、风险等级、和适格性等级,则如框107所示,患者的分类和所显示的数据(除了指示已确认该分类之外)方面没有改变。用户可提供与该确认相关联的评论。用户评论被存储并可由其他用户实时或接近实时地查看,从而允许团队成员之间清楚且及时的沟通。用户在框103中可继续选择报告或显示参数,或在框104中查阅和评估患者。
替代地,用户可不同意充血性心力衰竭列表中包括了该患者,或表达不确定性。用户可输入解释他或她对患者的疾病标识的评估和不同意患者的疾病标识的评论。用户评论被存储并可由其他用户实时或接近实时地查看,从而允许团队成员之间清楚且及时的沟通。
如果用户否认该分类,则如框108所示,将患者从目标疾病或状况的有效列表移除,并将该患者置于放弃列表(drop list)中。响应于用户否认该分类,***可附加地显示或标记有关对特定列表上包括该患者有贡献的患者的信息。例如,如果用户否认John Smith已心力衰竭的疾病ID,则***可进一步显示询问:“Smith先生由于以下因素可能具有CHF:BNP升高、呼吸急促、由于代偿失调CHF6/9而入院。你确定你需要将该患者从有效CHF列表移除吗?”用户需要用是和否来响应于该询问。***可附加地从用户请求基本原理(rationale)以打算将患者从有效列表移除患者。由用户提供的基本原理可被存储和显示为查阅者评论。用户还可指示不确定性,并且如框109所示,患者被从有效列表移除并被置于观察列表中以用于进一步评估。用户可然后查阅和评估在相同目标疾病列表上的附加患者或查阅包括在其他疾病和状况列表上的患者。在任何点,用户可以一些形式打印、传输、和以其他方式使用所显示的信息,诸如生成标准或定制报告。
作为示例,患者Kit Yong Chen曾在入院时被标识为CHF患者。在接收她住院期间的更多数据(即,新的实验室结果和新的医师笔记)之后,***已将该患者标识为具有AMI。
入院时临床医生笔记声明:52yo女性w pmh具有CAD,还伴随HTN呈现有日益恶化的SOB和水肿一个月。1.呼吸困难:可能CHF伴随采用aCEi的升高的BNP后负荷减少并采用呋塞米的速尿。O2统计稳定2)肌钙蛋白升高:具有应变模式的EKG遵循串行酶来ROMI和咨询可能的组织蛋白酶的卡片。此后,临床医生笔记声明:52yo女性具有pmh的CAD,还伴随HTN呈现有日益恶化的SOB和水肿一个月c CAD具有LHC具有支架prox LAD.1。肌钙蛋白升高-NSTEMI,尽管pt否认CP–pt具有已知的CAD的hx,轻度肌钙蛋白泄漏0.13->0.15->0.09->0.1-入院pt给予325,Plavix负载为300毫克1,和肝素gtt-Metop增加50mg q6,在以后可能改变Coreg–LHC今日按照心脏科采用PCI。还讨论EP以用于可能的ICD安置2。心力衰竭,急慢性(acute on chronic)-严重的舒张功能障碍是由于HTN停药+/-CAD-入院时proBNP升高3183-最初开始速尿40tid,水肿大为改善,现在速尿40po bid-TTE完成显示:4室扩张、RVH、nml LV厚度、严重抑郁LVEF、LVEF 30%、中等MR、轻度TR、AR和PR;严重的舒张功能障碍、RVSP 52-继续速尿、赖诺普利、Metop–采用EP与初步医疗管理探讨AICD评价。
查阅者可评估与具有AMI的PIECES疾病ID的第二笔记相比具有CHF疾病ID的入院笔记,以努力验证新的实时疾病标识。入院笔记指示CHF为主要疾病。向用户指示CHF的关键突出术语包括“CAD的pmh”(冠状动脉疾病的既往病史、“SOB”(呼吸短促)、“水肿”、“升高的BNP”。第二笔记向用户指示,虽然患者具有CHF,但CAD是CHF的主要原因。关键突出术语(诸如,“升高的肌钙蛋白”和“NSTEMI(非ST段心肌衰弱梗塞:心脏病发作)”)给予用户***用于将AMI标识为主要疾病的关键术语的快照视图。这些突出的关键术语给予用户用于实时或接近实时地验证疾病标识的***的变化的工具。用户然后采用新疾病标识来确认、否认、或表达不确定性。在该示例中,查阅者将用突出的术语评估笔记并通过接受疾病标识的变化来验证该变化。由于患者的主要干预途径将用于AMI,因此患者、所标识的疾病和风险等级将出现在AMI列表中。
仪表板用户界面还可指示风险等级的变化。例如,一旦返回实验室结果(轻度升高肌酐和毒性分析仪(tox screen)***阳性)和影响风险的其他社交因素(由于无家可归而不遵守纳限制)以及医疗路径语言队列,***可将该患者标识为高风险。用户可实时遵循这些变化并验证风险水平的变化。
图8是根据本公开的仪表板用户界面***和方法的示例性屏幕截图120。示例性屏幕120显示被标识为由于充血性心力衰竭具有再入院保健机构的风险的多个患者。示例性屏幕显示有效充血性心力衰竭列表。屏幕的左手侧是用户可选择用于查阅和评估的目标疾病和监督状况。目标疾病是已针对其评估患者并可将患者置于再入院保健机构的风险的那些疾病。登记和监督状况是可以是在保健机构中发生的不利事件的结果的那些状况。由于可用于表明示例性屏幕的空间,仅显示选择几种疾病和状况,并且应当理解的是,该***和方法能够评估和分析用于任何数量的目标疾病和状况的患者数据。仪表板用户界面***可操作成组织和显示属于多个列表的患者:有效列表(所标识的疾病或状况)、观察列表(不确定)、和放弃列表(被否认的)。用户可点击任何标签来查看和打印任何列表。显示与列表中的每个患者相关联的多个数据项目,诸如入院或到院日期、患者姓名、所标识的目标疾病或状况、状态(在集中干预编程中的登记)、是否确认所标识的疾病、和再入院的风险(表达为,例如,高、中、和低)。为每个患者列表显示的数据的类型可改变。应当注意的是,与列表上的每个患者相关联的其他类型的数据可被显示为诸如每个患者的床号和医疗记录号码(MRN)以传输和以其他方式用于标识患者。示例性屏幕120还可在屏幕的顶部显示用户的姓名和职位(医师、病例管理者、RN、执业护士等)。处于今天、这周、和上周已采用低、中和高风险统计数量选择的心力衰竭的风险的患者的数量和被制成表并进一步在示例性屏幕上显示。
用户可点击在列表中显示的特定患者,并获得有关该患者的附加详细的信息。例如,在屏幕的底部附近显示节选的临床医生笔记(患者的评估和计划),并且关键字和短语被突出或以其他方式强调以指示对所标识的目标疾病列表中包括该患者、状况、风险等级、和适格性等级尤其有贡献的那些文本。用户可滚动通过与患者相关联的所有节选的临床医生笔记,这些临床医生笔记按年代组织,使得用户可查阅疾病的进展、诊断、评估、和途径。由于用户看实时或接近实时地查看这些笔记,他或她能够临床地验证非结构化文本的***的评估。显示进一步提供查阅者的与疾病或状况标识的确认或否认相关联的评论。
在图8中没有明确显示附加特征,诸如,用以能够使用户输入一个或多个搜索条件来找出一个或多个特定患者的搜索栏。例如,用户可输入医疗记录号码、姓名、入院日期、疾病类型、风险等级、事件、登记的程序等以标识满足搜索条件的一组患者。搜索条件可基于其他类型的标准,诸如,错过其出院后预约的那些患者。
图9和10分别是示出放弃评论窗口和观察评论窗口的仪表板用户界面***和方法的示例性屏幕截图122和124。如果用户点击“No”来指示特定的患者不应当在疾病列表上,放弃窗口的理由弹出以使用户能够选择支持否认AMI列表上的患者的分类的决策的临床和非临床条件。用户可进一步输入未已经显示的理由。类似地,作为如图10所示的示例,用户可输入表达有关肺炎列表上包括特定患者的不确定性的理由。
显示可任选地进一步包括由***生成的建议和提醒。这些建议和提醒可建议基于证据的干预选项,该基于证据的干预选项将向患者提供最大的健康益处。所提出的干预可考虑临床和非临床患者变量。此外,以前的患者登记结果被包括(factor)在建议的干预中。当患者在程序中登记时可自动地发出出院后护理的订单,例如,营养、用药等。
本文所描述的***可操作成在实时或接近实时地利用(harness)、简化、挑选、和呈现患者信息、预测和标识最高风险的患者、标识不良事件、协调和警告从业者、以及在时间和空间上监测患者结果。本***改善保健效率、帮助资源分配、并呈现导致更好患者结果的重要信息。
以下采用所附权利要求中的特征阐述了本发明的被认为具有新颖性的特征。然而,对以上描述的示例性实施例的修改、变更和改变对本领域的技术人员是显而易见的,并且本文中所描述的***和方法包含这些修改、变更和改变并且不限于本文所描述的具体实施例。
Claims (22)
1.一种仪表板用户界面方法包括:
显示至少一个目标疾病的可导航列表;
显示与在所述目标疾病列表中选择的目标疾病相关联的患者标识符的可导航列表;
显示与被标识为与选定目标疾病相关联的患者列表中的患者相关联的历史和当前数据,包括入院时的临床医生笔记;
接收、存储、和显示查阅者的评论;以及
显示自动生成的干预和治疗建议。
2.如权利要求1所述的仪表板用户界面方法,其特征在于,显示历史和当前数据进一步包括实时或接近实时地显示临床医生笔记。
3.如权利要求1所述的仪表板用户界面方法,其特征在于,显示历史和当前数据进一步包括显示在住院期间的临床医生笔记。
4.如权利要求1所述的仪表板用户界面方法,其特征在于,显示患者标识符包括显示患者姓名和医疗记录号码。
5.如权利要求1所述的仪表板用户界面方法,其特征在于,进一步包括显示与患者相关联的信息的可导航列表,所述信息包括患者姓名、入院日期、所标识的目标疾病、风险等级、和是否确认疾病标识。
6.如权利要求1所述的仪表板用户界面方法,其特征在于,进一步包括向查阅者显示请求确认或否认疾病标识的询问。
7.如权利要求1所述的仪表板用户界面方法,其特征在于,显示临床医生笔记包括显示具有对疾病标识有贡献的强调的关键字的临床医生笔记。
8.如权利要求1所述的仪表板用户界面方法,其特征在于,显示与至少一个目标疾病相关联的患者的可导航列表包括显示具有患者数据的患者,其中由风险逻辑模块分析所述患者数据,所述风险逻辑模块可操作成将向所述患者数据应用预测模型以确定与目标疾病中的至少一个相关联的至少一个风险分数并标识目标疾病中的至少一个的至少一个高风险患者,所述预测模型包括考虑临床和非临床数据的多个加权风险变量和风险阈值以标识与目标疾病中的至少一个相关联的至少一个高风险患者。
9.如权利要求1所述的仪表板用户界面方法,其特征在于,进一步包括以选自包括如下项的组中的至少一个的形式来生成和传输信息:报告、图形数据、文本消息、多媒体消息、即时消息、语音消息、电子邮件消息、web页面、基于web的消息、多个web页面、基于web的消息、和文本文档。
10.如权利要求1所述的仪表板用户界面方法,其特征在于,进一步包括生成并向至少一个移动设备传输通知和信息。
11.如权利要求1所述的仪表板用户界面方法,其特征在于,进一步包括显示与不利事件相关联的至少一个状况的可导航列表,以及显示与至少一个状况相关联的患者标识符的可导航列表。
12.如权利要求1所述的仪表板用户界面方法,其特征在于,进一步包括显示与目标疾病相关联的有效列表、放弃列表、观察列表、和出院列表中的至少一个。
13.一种仪表板用户界面方法,包括:
显示至少一个目标疾病的可导航列表;
显示与不利事件相关联的至少一个状况的可导航列表;
显示与在目标疾病列表中选择的目标疾病相关联的患者标识符的可导航列表;
显示与标识为与选定目标疾病相关联的患者列表中患者相关联的数据,包括具有对与选定目标疾病的关联有贡献的突出的文本的临床笔记;以及
接收、存储、和显示查阅者的评论,包括用于确认、否认、或表达有关与选定目标疾病的关联的不确定性的基本原理。
14.如权利要求13所述的仪表板用户界面方法,其特征在于,进一步包括实时或接近实时地显示临床医生笔记。
15.如权利要求13所述的仪表板用户界面方法,其特征在于,进一步包括显示在住院期间的历史和当前临床医生笔记。
16.如权利要求13所述的仪表板用户界面方法,其特征在于,显示患者标识符包括显示患者姓名。
17.如权利要求13所述的仪表板用户界面方法,其特征在于,进一步包括显示与患者相关联的信息的可导航列表,所述信息包括患者姓名、入院日期、所标识的目标疾病、风险等级、和是否确认疾病标识。
18.如权利要求13所述的仪表板用户界面方法,其特征在于,进一步包括向查阅者显示请求确认或否认疾病分类的询问。
19.如权利要求13所述的仪表板用户界面方法,其特征在于,显示临床医生笔记包括显示具有对疾病分类有贡献的强调的关键字的临床医生笔记。
20.如权利要求13所述的仪表板用户界面方法,其特征在于,显示与至少一个目标疾病相关联的患者的可导航列表包括显示具有患者数据的患者,其中由风险逻辑模块分析患者数据,所述风险逻辑模块可操作成向所述患者数据施加预测模型以确定与目标疾病中的至少一个相关联的至少一个风险分数并标识目标疾病中的至少一个的至少一个高风险患者,所述预测模型包括考虑临床和非临床数据的多个加权风险变量和风险阈值以标识与目标疾病中的至少一个相关联的至少一个高风险患者。
21.如权利要求13所述的仪表板用户界面方法,其特征在于,进一步包括以选自包括如下项的组中的至少一个的形式来生成和传输信息:报告、图形数据、文本消息、多媒体消息、即时消息、语音消息、电子邮件消息、web-页面、基于web的消息、多个web页面、基于web的消息、和文本文档。
22.如权利要求13所述的仪表板用户界面方法,其特征在于,进一步包括生成并向至少一个移动设备传输通知和信息。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261700557P | 2012-09-13 | 2012-09-13 | |
US13/613,980 US9536052B2 (en) | 2011-10-28 | 2012-09-13 | Clinical predictive and monitoring system and method |
US61/700,557 | 2012-09-13 | ||
US13/613,980 | 2012-09-13 | ||
PCT/US2013/058159 WO2014042942A1 (en) | 2012-09-13 | 2013-09-05 | Clinical dashboard user interface system and method |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104956391A true CN104956391A (zh) | 2015-09-30 |
Family
ID=50278614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380059341.XA Pending CN104956391A (zh) | 2012-09-13 | 2013-09-05 | 临床仪表板用户界面***和方法 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP2896015A4 (zh) |
CN (1) | CN104956391A (zh) |
CA (1) | CA2884613C (zh) |
HK (1) | HK1215746A1 (zh) |
WO (1) | WO2014042942A1 (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846213A (zh) * | 2015-12-04 | 2017-06-13 | 北大医疗信息技术有限公司 | 临床数据管理方法和临床数据管理*** |
CN108780663A (zh) * | 2015-12-18 | 2018-11-09 | 科格诺亚公司 | 数字个性化医学平台和*** |
CN109698030A (zh) * | 2017-10-23 | 2019-04-30 | 谷歌有限责任公司 | 用于患者-提供者对话的界面以及笔记或总结的自动生成 |
CN111033637A (zh) * | 2017-08-08 | 2020-04-17 | 费森尤斯医疗保健控股公司 | 用于治疗和评估慢性肾脏疾病的进程的***和方法 |
CN111126941A (zh) * | 2019-11-22 | 2020-05-08 | 泰康保险集团股份有限公司 | 照护计划处理方法、装置、电子设备及存储介质 |
CN112133430A (zh) * | 2020-10-15 | 2020-12-25 | 丁玉 | 临床生化动态监测*** |
CN112204670A (zh) * | 2018-06-05 | 2021-01-08 | 费森尤斯医疗保健控股公司 | 用于识别共病的***和方法 |
CN112529289A (zh) * | 2020-12-07 | 2021-03-19 | 北京嘀嘀无限科技发展有限公司 | 人流扩散风险的预测方法、装置、电子设备及存储介质 |
US10984899B2 (en) | 2017-02-09 | 2021-04-20 | Cognoa, Inc. | Platform and system for digital personalized medicine |
US11176444B2 (en) | 2019-03-22 | 2021-11-16 | Cognoa, Inc. | Model optimization and data analysis using machine learning techniques |
CN113744866A (zh) * | 2021-08-03 | 2021-12-03 | 上海甘健医药科技有限公司 | 慢性肝病住院病患短期风险动态监测*** |
CN113961634A (zh) * | 2021-11-18 | 2022-01-21 | 贵州电网有限责任公司 | 职工健康数据采集方法 |
CN114842717A (zh) * | 2022-05-17 | 2022-08-02 | 浙江大学 | 一种重症监护病房用的智能化谵妄评估模型 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2430574A1 (en) | 2009-04-30 | 2012-03-21 | Patientslikeme, Inc. | Systems and methods for encouragement of data submission in online communities |
US10496788B2 (en) | 2012-09-13 | 2019-12-03 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated patient monitoring |
US10593426B2 (en) | 2012-09-13 | 2020-03-17 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated facial biological recognition |
EP3129950A4 (en) * | 2014-04-10 | 2018-01-03 | Parkland Center for Clinical Innovation | Holistic hospital patient care and management system and method for automated staff monitoring |
US10755369B2 (en) | 2014-07-16 | 2020-08-25 | Parkland Center For Clinical Innovation | Client management tool system and method |
RU2728855C9 (ru) * | 2015-04-08 | 2020-10-15 | Конинклейке Филипс Н.В. | Количественный показатель предупреждения об ухудшении работы сердечно-сосудистой системы |
US10546102B2 (en) | 2016-01-18 | 2020-01-28 | International Business Machines Corporation | Predictive analytics work lists for healthcare |
CA3027454A1 (en) | 2016-06-16 | 2017-12-21 | Janssen Vaccines & Prevention B.V. | Hiv vaccine formulation |
WO2018193051A1 (en) * | 2017-04-21 | 2018-10-25 | Koninklijke Philips N.V. | Summarization of clinical documents with end points thereof |
US20190156923A1 (en) | 2017-11-17 | 2019-05-23 | LunaPBC | Personal, omic, and phenotype data community aggregation platform |
US11482322B1 (en) * | 2018-07-20 | 2022-10-25 | MedAmerica Data Services, LLC | Patient trackerboard tool and interface |
US11501859B1 (en) | 2018-07-20 | 2022-11-15 | MedAmerica Data Services, LLC | Patient callback tool and interface |
US11626192B1 (en) | 2018-07-20 | 2023-04-11 | MedAmerica Data Services, LLC | Real time parser for use with electronic medical records |
US11177041B1 (en) | 2018-07-20 | 2021-11-16 | MedAmerica Data Services, LLC | Method and system for cardiac risk assessment of a patient using historical and real-time data |
US11894139B1 (en) | 2018-12-03 | 2024-02-06 | Patientslikeme Llc | Disease spectrum classification |
EP3903316A1 (en) | 2018-12-28 | 2021-11-03 | LunaPBC | Community data aggregation, completion, correction, and use |
CN110688832B (zh) * | 2019-10-10 | 2023-06-09 | 河北省讯飞人工智能研究院 | 一种评论生成方法、装置、设备及存储介质 |
CA3166942A1 (en) * | 2020-02-06 | 2021-08-12 | Michael M. Segal | Method and system for incorporating patient information |
US11748770B1 (en) * | 2020-03-30 | 2023-09-05 | Amdocs Development Limited | System, method, and computer program for using shared customer data and artificial intelligence to predict customer classifications |
TW202309928A (zh) * | 2021-08-18 | 2023-03-01 | 美商精神醫學公司 | 自動分析心理治療、諮詢和其他精神健康管理活動中的文本之系統及方法 |
WO2023192521A1 (en) * | 2022-03-30 | 2023-10-05 | ShareSafe Media, LLC | System and method for analyzing patient data and managing interactions with a patient via a display device having multiple display windows |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050075544A1 (en) * | 2003-05-16 | 2005-04-07 | Marc Shapiro | System and method for managing an endoscopic lab |
CN1649538A (zh) * | 2002-04-23 | 2005-08-03 | 德尔格医疗***有限公司 | 支持患者医疗参数的趋势指示显示的***和用户界面 |
US20100017225A1 (en) * | 2008-07-18 | 2010-01-21 | WAVi | Diagnostician customized medical diagnostic apparatus using a digital library |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6980958B1 (en) * | 2000-01-11 | 2005-12-27 | Zycare, Inc. | Apparatus and methods for monitoring and modifying anticoagulation therapy of remotely located patients |
US8381124B2 (en) * | 2008-07-30 | 2013-02-19 | The Regents Of The University Of California | Single select clinical informatics |
WO2010108092A2 (en) * | 2009-03-19 | 2010-09-23 | Phenotypeit, Inc. | Medical health information system |
-
2013
- 2013-09-05 CN CN201380059341.XA patent/CN104956391A/zh active Pending
- 2013-09-05 EP EP13837780.9A patent/EP2896015A4/en not_active Ceased
- 2013-09-05 WO PCT/US2013/058159 patent/WO2014042942A1/en unknown
- 2013-09-05 CA CA2884613A patent/CA2884613C/en active Active
-
2016
- 2016-03-30 HK HK16103631.1A patent/HK1215746A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1649538A (zh) * | 2002-04-23 | 2005-08-03 | 德尔格医疗***有限公司 | 支持患者医疗参数的趋势指示显示的***和用户界面 |
US20050075544A1 (en) * | 2003-05-16 | 2005-04-07 | Marc Shapiro | System and method for managing an endoscopic lab |
US20100017225A1 (en) * | 2008-07-18 | 2010-01-21 | WAVi | Diagnostician customized medical diagnostic apparatus using a digital library |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846213A (zh) * | 2015-12-04 | 2017-06-13 | 北大医疗信息技术有限公司 | 临床数据管理方法和临床数据管理*** |
CN108780663B (zh) * | 2015-12-18 | 2022-12-13 | 科格诺亚公司 | 数字个性化医学平台和*** |
CN108780663A (zh) * | 2015-12-18 | 2018-11-09 | 科格诺亚公司 | 数字个性化医学平台和*** |
US10984899B2 (en) | 2017-02-09 | 2021-04-20 | Cognoa, Inc. | Platform and system for digital personalized medicine |
CN111033637A (zh) * | 2017-08-08 | 2020-04-17 | 费森尤斯医疗保健控股公司 | 用于治疗和评估慢性肾脏疾病的进程的***和方法 |
CN111033637B (zh) * | 2017-08-08 | 2023-12-05 | 费森尤斯医疗保健控股公司 | 用于治疗和评估慢性肾脏疾病的进程的***和方法 |
CN109698030A (zh) * | 2017-10-23 | 2019-04-30 | 谷歌有限责任公司 | 用于患者-提供者对话的界面以及笔记或总结的自动生成 |
CN109698030B (zh) * | 2017-10-23 | 2023-07-04 | 谷歌有限责任公司 | 用于患者-提供者对话的界面以及笔记或总结的自动生成 |
CN112204670A (zh) * | 2018-06-05 | 2021-01-08 | 费森尤斯医疗保健控股公司 | 用于识别共病的***和方法 |
US11862339B2 (en) | 2019-03-22 | 2024-01-02 | Cognoa, Inc. | Model optimization and data analysis using machine learning techniques |
US11176444B2 (en) | 2019-03-22 | 2021-11-16 | Cognoa, Inc. | Model optimization and data analysis using machine learning techniques |
CN111126941A (zh) * | 2019-11-22 | 2020-05-08 | 泰康保险集团股份有限公司 | 照护计划处理方法、装置、电子设备及存储介质 |
CN111126941B (zh) * | 2019-11-22 | 2023-06-16 | 泰康保险集团股份有限公司 | 照护计划处理方法、装置、电子设备及存储介质 |
CN112133430A (zh) * | 2020-10-15 | 2020-12-25 | 丁玉 | 临床生化动态监测*** |
CN112529289A (zh) * | 2020-12-07 | 2021-03-19 | 北京嘀嘀无限科技发展有限公司 | 人流扩散风险的预测方法、装置、电子设备及存储介质 |
CN113744866A (zh) * | 2021-08-03 | 2021-12-03 | 上海甘健医药科技有限公司 | 慢性肝病住院病患短期风险动态监测*** |
CN113961634A (zh) * | 2021-11-18 | 2022-01-21 | 贵州电网有限责任公司 | 职工健康数据采集方法 |
CN114842717A (zh) * | 2022-05-17 | 2022-08-02 | 浙江大学 | 一种重症监护病房用的智能化谵妄评估模型 |
CN114842717B (zh) * | 2022-05-17 | 2023-03-10 | 浙江大学 | 一种重症监护病房用的智能化谵妄评估模型 |
Also Published As
Publication number | Publication date |
---|---|
CA2884613C (en) | 2023-08-08 |
WO2014042942A1 (en) | 2014-03-20 |
CA2884613A1 (en) | 2014-03-20 |
HK1215746A1 (zh) | 2016-09-09 |
EP2896015A4 (en) | 2016-04-20 |
EP2896015A1 (en) | 2015-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104956391A (zh) | 临床仪表板用户界面***和方法 | |
US11735294B2 (en) | Client management tool system and method | |
US9147041B2 (en) | Clinical dashboard user interface system and method | |
US10496788B2 (en) | Holistic hospital patient care and management system and method for automated patient monitoring | |
US10593426B2 (en) | Holistic hospital patient care and management system and method for automated facial biological recognition | |
CA2945143C (en) | Holistic hospital patient care and management system and method for enhanced risk stratification | |
US9536052B2 (en) | Clinical predictive and monitoring system and method | |
US20170061093A1 (en) | Clinical Dashboard User Interface System and Method | |
US20170132371A1 (en) | Automated Patient Chart Review System and Method | |
US20150213222A1 (en) | Holistic hospital patient care and management system and method for automated resource management | |
US20150213225A1 (en) | Holistic hospital patient care and management system and method for enhanced risk stratification | |
US20150213217A1 (en) | Holistic hospital patient care and management system and method for telemedicine | |
US20150213202A1 (en) | Holistic hospital patient care and management system and method for patient and family engagement | |
US20150213223A1 (en) | Holistic hospital patient care and management system and method for situation analysis simulation | |
US20150213206A1 (en) | Holistic hospital patient care and management system and method for automated staff monitoring | |
EP3910648A1 (en) | Client management tool system and method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1215746 Country of ref document: HK |
|
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150930 |
|
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1215746 Country of ref document: HK |