CN105792731A - 患者护理监督***和方法 - Google Patents
患者护理监督***和方法 Download PDFInfo
- Publication number
- CN105792731A CN105792731A CN201480051288.3A CN201480051288A CN105792731A CN 105792731 A CN105792731 A CN 105792731A CN 201480051288 A CN201480051288 A CN 201480051288A CN 105792731 A CN105792731 A CN 105792731A
- Authority
- CN
- China
- Prior art keywords
- patient
- data
- patient care
- information
- supervisions
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
- A61B5/412—Detecting or monitoring sepsis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pulmonology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Emergency Medicine (AREA)
- Optics & Photonics (AREA)
Abstract
一种患者护理监督***包括:数据存储装置,可操作以接收并存储与至少一个患者相关联的临床和非临床数据;用户界面,配置成接收与所述至少一个患者有关的当前信息的用户输入;监测器,配置成感测与所述至少一个患者相关联的至少一个参数,并且进一步配置成生成实时的患者监测数据;数据分析模块,配置成访问:所述数据存储装置并分析所述临床和非临床数据;接收并分析所述当前信息和所述实时的患者监测数据;以及标识与所述至少一个患者的护理相关联的至少一个不良事件;以及数据呈现模块,可操作以将与所述至少一个不良事件相关联的信息呈现给保健专业人员,所述信息包括与所述不良事件相关联的情境信息。
Description
技术领域
本公开总体上涉及保健***,更具体地,本公开涉及患者护理监督***和方法。
背景技术
医院和其他医疗保健设施已试图监测并量化设施内不良事件的发生以改善患者护理的质量。不良事件通常被定义为起因于或导致需要附加的监测、治疗、或住院治疗或导致死亡的医疗护理的、对患者的意外伤害。照惯例,医院和医疗保健设施依赖于自愿的事件报告和回顾性手动记录回顾以标识并跟踪不良事件。这些之前的工作非常不可靠,未能捕捉所有相关的数据,并且不呈现准确且及时的患者护理的图片。此外,由于它们的自愿的性质,许多不良事件从未被报道。
附图说明
图1是根据本公开的患者护理监督***和方法的示例性实施例的简化框图;
图2是根据本公开的患者护理监督***和方法的示例性信息输入和输出的简化框图;
图3是根据本公开的患者护理监督***和方法的示例性实施例的简化流程图;
图4-25是根据本公开的患者护理监督***和方法的示例性屏幕显示。
具体实施方式
通过实时地捕捉并分析围绕不良事件的发生以及与不良事件的发生有关的相关信息,可实现政策和程序以改善患者护理,并且可产生显著更好的结果。
图1是根据本公开的患者护理监督***和方法10的示例性实施例的简化框图。***10包括专门编程的计算机***,此专门编程的计算机***适合于接收与需要护理的患者或个人有关的各种临床和非临床数据12。患者数据12包括来自各种数据源的实时和接近实时的数据流,包括来自一个或多个医院和保健实体数据库的历史数据或所存储的数据。患者数据包括患者电子医疗记录(EMR)、实时患者事件报告数据(例如,大学健康***联盟患者安全网络)、保健人员管理软件数据(例如,麦克森(McKesson)ANSQS)、临床警报、通知、通信与调度***数据(例如,AMCOM软件)、人力资本管理软件数据(例如,仁科(PeopfeSoft)HR)、药剂科药品不良反应报告数据,等等。
可从实体(诸如,医院、诊所、药房、实验室和健康信息交换)接收EMR临床数据。此数据包括但不限于:生命体征与其他生理数据;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;之前的过敏和不良医疗反应;家族病史;之前的手术史;急诊室记录;药物施用记录;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;侵入性可视化程序;精神病治疗史;之前的组织标本;实验室数据;遗传信息;医师笔记;联网设备和监视器(诸如,血压设备和血糖仪);药物和补充物摄入信息;以及集中基因型测试。
患者非临床数据可包括例如,种族;性别;年龄;社会数据;行为数据;生活方式数据;经济数据;职业的类型和性质;工作史;医疗保险信息;医院利用模式;运动信息;致瘾物质使用;职业化学品暴露;医师或健康***的接触频率;位置和住所变更的频率;旅行史;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);邻里环境;饮食;婚姻状况;学历;家人或看护助理的接近度和数量;(多个)地址;住房状况;社交媒体数据;以及教育水平。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网站的数据。
EMR数据的附加的源或设备可提供例如,实验室结果、药物分配和变化、EKG结果、放射笔记、每日重量读数以及每日血糖测试结果。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以及其他可用的临床或保健源。
实时的患者数据进一步包括从患者监测器16接收的数据,此患者监测器16适合于测量或感测患者的多个生命体征和生理功能的其他方面。例如,这些实时的数据可包括血压、脉搏(心脏)速率、温度、氧化作用以及血糖水平。多个存在性传感器18分布在配置成检测标签或其他电子标识符的存在性的设施中,使得可容易地确定并监测患者运动和位置以及资源的可用性和使用,所述设施诸如,医院病房、急诊科、放射科、走廊、设备室、供给室等。可由RFID和/或现在已知或今后开发的其他合适的技术来实现存在性传感器18和标签。此外,多个固定式和移动的摄像机20分布在医院中的各个位置处以实现患者监测并标识患者的生理变化。
患者护理监督***10接收这些患者数据,执行分析,并且提供报告和其他形式的输出数据以供由许多人员使用,这些人员诸如,医师、护士、部门负责人、绩效改进人员以及医院管理者。***10可从各种计算设备14(移动设备、平板计算机、膝上型计算机、台式计算机、服务器等)来访问,所述计算设备14以有线或无线方式耦合至***10。这些计算设备14配备成使用易于使用的图形用户界面和可定制的报告来显示并呈现数据。数据能以下列形式被传输、呈现和显示给临床医生/用户:web页、基于web的消息、文本文件、视频消息、多媒体消息、文本消息、电子邮件消息、视频消息、音频消息以及各种合适的方式和格式。临床医生和其他人员也可经由计算设备14输入数据,所述诸如,在患者摄入时呈现的症状以及医师笔记。
图2是进一步示出来自患者护理监督***和方法10的信息输入30和输出32的简化的逻辑框图。如上所述,***10检索并且使用患者数据,所述患者数据包括实时的和历史的预先存在的临床和非临床数据40。当患者首先出现在医疗设施处(诸如,医院的急诊科)时,由医疗人员记录他或她的症状和信息41(诸如,身高、体重、***板计算机来使他们能够提供输入45,诸如,在患者在医院的整个停留期间的意见、反馈和当前状态。此外,医院配备有配置成监测患者的生命体征、健康、存在性、位置和其他参数的各种工具、装备和技术。例如,这些可包括RFID标签和传感器。来自这些设备的患者监测数据46也作为输入被提供至患者护理监督***10。
每当这些患者数据变得可用时,这些患者数据就由***10连续地接收、收集和轮询,并且被用于分析以实时或接近实时地提供疾病标识、风险标识、不良事件标识以及患者护理监督。基于用户的身份或以基于角色的方式来将疾病标识、风险标识、不良事件标识以及患者护理监督信息显示、报告、传输或以其他方式呈现给保健人员。换言之,如果用户的身份和/或角色与患者的护理和治疗相关,则那名患者的数据和分析对特定的用户是可用的。例如,主治医师和护理人员可以访问患者数据并接收自动生成的关于患者的状态以及错过的或被延误的治疗的警报。例如,主治医师可仅可访问在他的/她的护理下的患者的信息,但肿瘤科主管可访问有关入住到设施处的癌症患者的数据。作为另一示例,医院设施的首席医疗官和首席护士长可访问关于在设施处治疗的所有患者的所有数据,使得可实现创新的程序或政策可以防止或最小化不良事件。
由患者护理监督***10呈现的信息优选地包括患者患有的一种或多种疾病的标识50、患者是否由于特定的状况而处于再入院的风险中的标识51、以及是否存在发生一个或多个不良事件的风险的标识52。***10包括预测模型,所述预测模型基于患者的数据(例如,病史、症状、当前生命体征、实验室结果以及临床医生笔记、意见和诊断)来提供治疗或疗法推荐53,并形成用于疾病、再入院风险、和不良事件的标识的基础技术。***10还将各种通知和警报54输出至合适的人员,使得可采取关于患者的治疗和护理的适当或正确的动作。
图3是根据本公开的患者护理监督***和方法10的示例性实施例的简化流程图。图3提供了其中执行患者护理监督的示例性过程。如图框60中所示,患者到达医疗保健设施处。例如,患者可被带进医院的急诊科。如框62中所示,在接收到患者的身份之后,***10可立即检索存储在一个或多个数据库中的、与此患者的医疗史、社会经济条件和其他信息有关的历史数据。数据库可在医疗机构现场,或存储在别处。如框64中所示,***10也开始接收新输入的或新生成的关于此患者的数据。新的患者数据可包括患者的当前症状、生命体征、实验室结果、医师笔记与诊断以及其他数据。如框66中所示,***10接着操纵或处理患者数据,使得它们可以是可用的。例如,数据提取过程使用各种技术和协议从数据源提取临床和非临床数据。数据净化(cleansing)过程“净化”或预处理数据,从而以标准化的格式来放置结构化数据,并准备非结构化文本以用于自然语言处理(NLP)。***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)。
如框68中所示,患者护理监督***10进一步执行数据集成,所述数据集成采用自然语言处理。可使用结合了基于规则的模型和基于统计的学习模型的混合式自然语言处理模型。在自然语言处理期间,原始的非结构化数据(诸如,医师笔记和报告)首先经历被称为符号化(tokenization)的过程。符号化过程通过使用所定义的分隔符(诸如,标点符号、空格或大写字母书写)来将文本划分为多个单个的字或短语形式的基本单元。使用基于规则的模型,在元数据词典中标识信息的这些基本单元,并根据确定含义的预先定义的规则来评估信息的这些基本单元。使用基于统计的学习模型,***10量化字和短语模式的关系和频率,然后使用统计算法来处理它们。使用机器学习,基于统计的学习模型基于重复的模式和关系来开发推断。***10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,如果医师笔记包括以下内容:“55yomch/odm,cri.现在具有adibrvr,chfexac,且rlecellulitis进行10W,tele”。则数据集成逻辑(数据提取,净化和操纵)可操作以将这些笔记转换成下列内容:“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、充血性心脏衰竭加重和右下肢蜂窝组织炎,去西10区进行连续的心脏监测”。
如框70中所示,患者护理监督***10采用计算患者的风险得分的预测建模过程。预测模型过程能够预测患者关注的特定疾病或状况的风险。对诸如充血性心脏衰竭之类的状况的预测模型处理例如可考虑一组风险因素或变量,包括生命体征(温度、脉搏、舒张压、和收缩压)的最差值和实验室变量,此实验室变量诸如,白蛋白、总胆红素、肌酸激酶、肌酸酐、钠、尿素氮、二氧化碳分压、白细胞计数、肌钙蛋白-I、葡萄糖、国际标准化比值、脑利钠肽和pH。此外,还考虑非临床因素,诸如,上一年中家庭住址变更的数量(这可作为社会不稳定性的代表)、风险性健康行为(例如,使用违禁药物或物质)、上一年中急诊室就诊的数量、抑郁或焦虑史以及其他因素。预测模型指定如何对每个变量或风险因子进行分类和加权,以便计算再入院的预测概率或风险得分。以这种方式,患者护理监督***和方法10能够实时地对到达医院或保健设施的每一个患者的风险进行分层。自动地标识处于最高风险(具有最高得分)的那些患者,使得可创立针对性干预和护理。
如框72中所示,患者护理监督***10可进一步将人工智能技术用于处理和分析患者数据。人工智能模型调谐过程采用机器学习技术来利用自适应自学能力。自我重配置的能力使***和方法10能够足够灵活且适于检测并合并基础的(underlying)患者数据或群体的趋势或差异,此趋势或差异可能影响给定算法的预测准确性。人工智能模型调谐过程可周期地重新训练给定的健康***或诊所的所选择的预测模型以允许选择更准确的统计方法、变量计数、变量选择、交互项、权重、和截距。人工智能模型调节过程能以三种示例性方式来自动地(即,没有人工监督)修改或改善预测模型。第一,它可调节临床和非临床变量的预测权重。第二,它可调节特定变量的阈值。第三,人工智能模型调谐过程可评估存在于数据馈送中但不用于预测模型的新变量,这可导致改善的准确性。人工智能模型调谐过程可将观察到的结果与预测的结果比较,并且随后分析模型内对不正确的结果有贡献的变量。随后,它可对于对此不正确的结果有贡献的变量重新加权,使得在下一迭代中,那些变量较不可能对虚假预测有贡献。以这种方式,人工智能模型调谐过程适合于基于其所应用的特定的临床设置或群体来重配置或调节预测模型。而且,没有对预测模型的手动重配置或修改是必要的。人工智能模型调谐过程还可对于在快速时间帧内将预测模型按比例缩放到不同的健康***、群体和地理区域是有用的。
在已通过以上方法处理并分析了数据之后,如框74中所示,***和方法10标识患者关注的一个或多个疾病或状况。可在许多天的过程中迭代地执行此疾病标识过程,以便随着医师在诊断中变得更确信而建立疾病标识的更高的置信度。新的或经更新的患者数据可能不支持先前标识的疾病,并且***将自动地将此患者从那个疾病列表中移除。
在框76中,患者护理监督***和方法10还标识可变得与患者相关联的一个或多个不良事件。可通过标识某些预定义的关键判据的存在性来确定处于发生的风险中的不良事件。由在收集患者数据中的关键字、状况或程序表示的这些关键判据是可指示不良事件的触发(trigger)。下面是可筛选并检测以用于不良事件分析和确定的示例性关键字、状况或程序:
血液制品的输血-可指示过度出血,血管的意外创伤。
手术内或手术后心肺骤停。
对急性透析的需要-可指示药物诱发的肾衰竭或对放射程序的显影剂的副作用。
血培养阳性-可能表明与医院相关联的感染。
胸部的CT扫描或四肢的多普勒研究-可指示深静脉血栓或术后肺栓塞。
血红蛋白或红细胞压积减少可指示血液稀释药物的使用或外科手术意外事故。
下降-可指示服药不良作用、设备故障或人员配备不足。
压力溃疡。
在手术后出院的30内再入院-可指示手术部位感染或静脉血栓栓塞。
约束使用-可指示用药混淆。
医院获得的感染-可指示与程序或设备相关联的感染。
住院期间中风-可指示与外科手术程序或抗凝剂的施用相关联的状况。
转移到更高级的护理-可指示归因于不良事件的恶化的状况。
来自程序的任何并发症。
一些不良事件与药物的施用有关。因此,***10可筛选以下状况以用于进一步的分析:
艰难梭菌阳性粪便-可指示响应于抗生素使用的肠道疾病。
提升的部分凝血活酶时间(PTT)-可指示增加的出血或瘀伤风险。
提升的国际标准化比值(INR)-可指示增加的出血风险。
葡萄糖小于50毫克/分升-可指示胰岛素或口服降血糖药物的不正确的剂量。
血尿素氮(BUN)或血清肌酐上升超过基线-可指示药物诱发的肾衰竭。
维生素K施用-可指示出血、瘀伤,或需要紧急外科手术干预。
苯海拉明(苯那君)施用-可指示对药物或输血的过敏反应。
注射用氟马西尼(Romazicon)(氟马西尼)施用-可指示苯二氮类药物过量。
纳洛酮(盐酸烯丙羟***酮)施用-可指示麻醉过量。
止吐药施用-可指示恶心和呕吐,所述恶心和呕吐可通过喂养来来干预,需要某些药物(诸如,胰岛素)的剂量调节,或延迟恢复和/或出院。
低血压或嗜睡-可指示过度镇静作用(镇静剂、止痛剂、和肌肉松弛剂),
突然药物停止或改变-可指示不良药物反应或临床状况的改变。
一些不良事件与外科手术程序有关。因此,***10可筛选以下状况以用于进一步的分析:
返回外科手术-可指示第一次手术之后的感染或内出血。
程序的变化-术后笔记显示与术前笔记不同的程序,这可指示在外科手术期间的并发症或设备故障。
术后收住到重症监护-可指示术中或术后并发症。
在麻醉后监护病房(PACU)中持续的插管、重插管或非侵入性正压通气的使用-可指示作为麻醉、镇静剂或止痛药物的结果的呼吸抑制。
术中或麻醉后监护病房中的X射线-可指示所保留的物品或设备。
术中或术后死亡。
术后大于24小时的机械通气。
术中的肾上腺素、去甲肾上腺素、纳洛酮、或注射用氟马西尼的施用-可指示临床恶化或过度镇静,
术后肌钙蛋白水平的增加-可指示术后心肌梗塞。
在手术程序期间的器官的损伤、修复或移除-如果不是计划的程序,则可指示意外伤害。
任何手术并发症的发生-例如,肺栓塞(PE)、深静脉血栓(DVT),褥疮、心肌梗塞(MI)、肾衰竭。
一些不良事件与重症监护病房(ICU)有关。因此,***10可筛选以下状况以用于进一步的分析:
医院获得的或呼吸机相关联的肺炎。
再入住ICU。
ICU中的程序。
ICU中的插管或再插管。
一些不良事件与围产期情况有关。因此,***10可筛选以下状况以用于进一步分析:
肠外使用特布他林-可指示早产。
第三或第四程度的撕裂,
小于50000的血小板计数-可指示增加的需要输血的出血或瘀伤的风险。
***分娩的大于500ml的估计的失血量,或剖宫产分娩的大于1000ml的估计的失血量-可指示在分娩期间的并发症。
专业咨询-可指示对特定的器官或身体***的损伤或其他伤害。
产后催产剂的施用-可指示产后出血或妊娠进展的失败。
仪器分娩-可能增加对母亲和婴儿的潜在伤害的风险。
全身麻醉的施用-可指示快速的临床恶化。
一些不良事件与急诊科中提供的护理相关联。因此,***10可筛选以下状况以用于进一步的分析:
在48小时内再入住急诊科-可指示药物反应、感染、疾病进展等。
在急诊科中大于6小时的时间-可指示住院床位的过剩容量或不足、资源或人员的不当分配或其他科室故障(例如,放射或实验室***不工作)。
患者护理监督***和方法10包括模型,所述模型适合于预测特定的不良事件(诸如,败血症)的风险,败血症是“对感染的毒性反应”,其在严重的情况下具有近40%的死亡率。例如,败血症的预测性模型可考虑指示与患者相关联的发生概率的一组风险因素或变量。此外,分析可以考虑非临床因素,诸如,单位中护士人员配备的水平。以这种方式,***10能够在不良事件发生之前,接近实时地对患者经历不良事件的风险分层,使得可采取主动的预防性措施。
参照图3中的框78,疾病标识、再入院的风险以及不良事件可由保健人员访问或被呈现给保健人员。数据的呈现可以是周期性报告(每小时、每天、每周、每两周、每月等)、警报与通知、或图形用户界面显示屏的形式,并且数据可以经由多个电子计算设备是可访问或可获得的。许多保健人员(诸如,医师、护士、部门负责人、绩效改进人员和医院管理者)可安全地访问由患者护理监督***10提供的报告和通知。可针对每一个用户在保健设施中所处的角色或位置来定制可由每一个用户访问的数据类型。例如,护士可访问比可由例如部门负责人或医院管理者获得的更少的类型的报告。
作为第一示例,医院CEO想访问关于在医院接触(hospitalencounter)期间已在计划外返回到手术室的许多患者的报告。他/她可登录到患者护理监督***10的基于web的图形界面。以显示了关于今日患者安全事件的最新结算的汇总数据的屏幕来欢迎CEO。CEO可点击去往报告功能的链接,这使用户能够通过选择关注的不良事件(例如,返回手术室、败血症、深静脉血栓、不良的药物事件等)、时间范围(例如,年初至今、公历年、财政年、月)和单位(例如,医院范围、楼层、单元,服务)来定制报告。他/她可以向下挖掘到单独的事件中以发现关于患者和事件的更精细的信息。
作为第二示例,ICU负责人想要了解他们的已患有术后深静脉血栓(DVT)的患者的命令集(orderset)的使用。他/她可登录到患者护理监督***10的基于web的图形界面。他/她可选择报告链接,这使用户能够通过选择关注的事件(例如,返回手术室、败血症、深静脉血栓、不良的药物事件等)、时间范围(例如,年初至今、公历年、财政年、月)和单位(例如,医院范围、楼层、单元、服务)来定制报告。ICU负责人可选择报告卡页面,这使用户能够选择并看见ICU的DVT预防的性能和命令集服从性。他/她可以向下挖掘到单独的事件中以发现关于患者和事件的更精细的信息。
作为第三示例,主治医师想要知道,处于他/她的护理下的患者处于什么高风险事件风险中,以及是否已使用所有合适的命令集来缓和此风险。他/她可登录到患者护理监督***10的基于web的图形界面。以显示他/她的患者列表的默认视图来欢迎他/她,所述默认视图显示今日的医院数据(例如,患者安全事件的数量、医院普查等)。用户可点击去往报告功能的链接,此报告功能使用户能够选择关注的事件(例如,返回手术室、败血症、深静脉血栓、不良的药物事件等)、时间范围(例如,年初至今、公历年、财政年、月)和单位(例如,医院范围、楼层、单元、服务)。他/她可以向下挖掘到单独的事件中以发现关于患者和事件的更精细的信息。
作为另一示例,主治医师想要回顾过去三个月中他/她的绩效。他/她可登录到患者护理监督***10的基于web的图形界面。他/她的患者列表的默认视图来欢迎他.她,所述默认视图显示今日的医院数据(例如,患者安全事件的数量、医院普查等)。他/她可点击去往“我的患者”功能的链接,这使用户能够通过选择关注的状况(例如,腹腔镜胆囊切除术、阑尾切除术、社区获得性肺炎等)和时间范围(例如,年初至今、公历年、财政年、月)来定制数据。随后,用户选择关注的测量(例如,计划外返回到OR率、呼吸衰竭率等)。具有所选择的关注的状况的那些患者的数据或报告和关注的测量的发生率以及医院和国家的基准(如果适用)来呈现给用户。
患者护理监督***10配置成呈现或显示示例性深入挖掘的报告数据条目,其包括以下内容:
深入挖掘的报告通用特性:
患者姓名
患者年龄
患者入院诊断
患者共患病
事件(日期/时间/位置)
事件类型
患者急性得分
高风险药物的数量
在医院接触期间的程序的数量和类型
留置线/导管数量和线天数
提供者属性(主治、驻院、RN、LPN、MA)
提供者训练水平(如果适用)
护士人员配备比率
护士任务列表/负担
患者普查
入院(即,流动速率)
报告中的每个度量的特定字段可包括:
对于术后DVT/PE:
关于合适的DVT预防(肝素、依诺肝素、SCD、IVC滤器)
命令集使用
DVT(患者)的历史
对于术后败血症:
关于抗生素(类型,持续时间)
送出的血培养
对于术后休克
出血的部位?
最后24小时通过转换的I/O
对于计划外返回外科手术
出血的部位?
最后24小时通过转换的I/O
对于呼吸衰竭:
药物
ABG
对于休克:
出血的部位?
过去24小时通过转换的I/O
对于败血症(非POA):
关于抗生素(类型,持续时间)
送出的血培养
对于作为触发的盐酸烯丙羟***酮使用:
阿片类药物使用(类型、持续时间、施用方法)
急诊科中给出的盐酸烯丙羟***酮?
肝功能测试(LFT)
对于作为触发的PIT>100:
关于肝素(施用历史)
基线PTT
命令集使用
LFT
对于作为触发的INR>6:
关于抗生素(类型,持续时间)
抗凝剂使用
血红蛋白
LFT
对于作为触发的血糖<50:
关于降糖药(类型,持续时间)
全身性感染的迹象
肌酐
命令集使用(胰岛素)
图4-25是根据本公开的患者护理监督***和方法10的示例性屏幕显示。***10优选地是通过基于web的图形界面或web门户可访问的。以提供对某些显示要素的解释的注释来示出这些图。
图4是示例性安全登录页面。当验证了用户访问患者护理监督***10的授权后,准许此用户查看和访问与此用户在设施处的位置或角色有关的信息。替代地,仅准许用户仅访问与此用户有关的患者数据,诸如,主治医师或护士可访问处于他/她的护理下的那些患者。
图5-25表示来自***的数据呈现模块的屏幕截图。数据呈现模块配置成呈现:列表视图,所述列表视图传达具有在考虑中的度量的任何方面的即将发生的失败的那些患者的列表(风险视图),或在考虑中的度量的任何方面实际上失败的那些患者的列表(事件视图);帕累托视图,所述帕累托视图传达在考虑中的度量的任何方面的实际失败的总数和百分比(事件视图),或在考虑中的度量的任何方面实际上失败的那些患者的总数(帕累托列表视图);失败视图,所述失败视图仅传达每一个患者遇到的度量失败(多个)(在适用的情况下);以及平铺视图,所述平铺视图传达具有在考虑中的特定的不良事件的即将发生的失败的患者的总数(风险视图),或对于在考虑中的每一个特定的不良事件的实际失败的患者的总数(事件视图)。对于每一个视图,用户可查看各个时期的附加的患者信息和度量符合性。
图5和25示出患者护理监督***10的示例性主页或登录页面,此示例性主页或登录页面给予用户在指定的时间段(诸如,30天)中的实际患者安全事件的概览。图25示出患者护理监督***10的示例性主页或登录页面,此示例性主页或登录页面给予用户在指定的时间段(诸如,24小时)中的即将发生的患者安全事件的概览。示例***互式主屏幕显示与特定类型的不良事件(例如,在最近24小时内进展的败血症)有关的不良事件信息的类别。颜色方案可用于突出某些数据。例如,绿色文本可用于表示正常状况(即,数据在正常范围内),黄色可用于表示谨慎状况(即,数据接近异常范围,并且需要关注),并且红色可用于表示警告状况(即,数据在异常范围内,并且需要立即的动作)。
用户可以“滑动(swipe)”来修改时间段,以便查看在各个时间段(例如,天、周、月、季度、年和特定的间隔)中发生的不良事件的数量。用户可以选择不良事件类型(例如,返回到外科手术、败血症、以及葡萄糖<50等)、单位(例如,医院、楼层、单元、急诊科、ICU等)、时间段(例如,天、周、月、年)、情境或护士人员配备水平、以及报告开始和结束日期。点击任何关注的不良事件产生以报告形式或图形表示的更详细的数据。图6-12展示了各个时间段的示例性屏幕。
图13-19和图21是响应于用户的选择和输入的特定事件的图形表示的示例性屏幕。示例性屏幕可突出术后DVT/PE、休克和术后休克曲线图,以便易于查看。用户可选择更特定的时间范围来获得更详细的信息,如图14和图15中所示。
图16是可用于输入或改变各种参数或变量以过滤所显示的数据或图形的示例性菜单面板的特写。例如,用户可以指定事件类型、单位、情境和时间段。在鼠标悬停时,可显示关于所选择的图形点的更详细的信息,诸如,如图17中所示。用户可点击特定的事件以向下挖掘那个事件的更详细的信息。能以更无声(muted)的方式来显示数据的所选择的部分以便于阅读和理解。图18-20、图22和图23展示了用户如何能够向下挖掘到特定事件以获得包含有关所选择事件的更多信息的报告。
伴随着不良事件或潜在的不良事件的检测,还收集并分析与检测到的事件相关联的情境信息。情境变量指的是给予对可影响关注的结果的周围问题或活动的洞察的测量。例如,人员配备水平、医院普查、高风险药物的数量、新患者数量、资源可用性、患者的位置和其他数据可被数据并且可访问,使得医院管理者可以能够判定在特定的单元或楼层中的不合适的护士人员配备水平是否可能与特定的不良事件的发生相关联。用户可以选择期望的(多个)情境变量来查看此信息。
患者护理监督***和方法10进一步可操作用于捕捉、记录、跟踪和显示患者在不良事件的发生之前或之后是否接受了适当的护理,即,是否采取了适当的步骤来避免不良事件,并且减轻不良事件后的损伤。
下面是关于败血症、低血糖和三十日死亡率不良事件的示例性用例,这些示例性用例进一步突出并示出了患者护理监督***和方法10的操作。
败血症是“对感染的毒性反应”,其导致每年约750000例病例,并且在严重的情况下具有近40%的死亡率。由于此状况的快速进展且致命的性质,早期检测和治疗对于患者的生存至关重要。患者护理监督***和方法10主动地跟踪败血症患者的临床状态,以便提供密切的监测、增强的临床决策、改善的患者健康和结果以及成本节省。
第一示例涉及具有慢性阻塞性肺病(COPD)的既往病史的80岁男性。此患者的病史指示了,他从18岁起吸烟,并由于自身免疫状况而具有削弱的免疫***。此患者来到急诊科抱怨发热(在由护士检查时为~103华氏度),伴随有出汗和寒战的交替发作。他还抱怨恶心、剧烈的胸痛和不断的咳嗽并伴随着带血黄色的粘液。患者可将他所有的抱怨输入到在导诊期间由护士提供给他的移动平板计算机中。平板计算机提供图形用户界面,所述图形用户界面为用户显示用于描述他所有的抱怨或从列表中勾选适用症状的区域。替代地,护理人员可将患者的症状和抱怨与来自他/她自己的观察的笔记一起输入到***中。所输入的数据成为患者的电子医疗记录(EMR)的部分。主治医师可回顾所有可用的患者数据,这些患者数据包括过去的医疗历史以及在评估之前患者的症状。
在执行了物理评估之后,主治医生可在EMR中输入来自他/她自己的评估的相关信息,这可经由平板计算机、膝上型计算机、台式计算机或另一计算设备上的图形用户界面。患者护理监督***10的预测性模型实时地提取可用的患者数据,并且立即执行疾病标识。患者护理监督***10向保健人员呈现或显示细菌性肺炎的疾病标识,并且由于他的共患病而还将此患者分类为再入院高风险。主治医生指示他同意此预测性模型的疾病评估,并且输入抗生素命令,并且还请求将用于监测患者的生命体征的设备放置在他的手臂上。患者的生命体征被连续地测量,并且被传输到患者护理监督***10且被记录为患者的EMR的部分。患者被给予他的药物,并且被准许入住重症监护病房(ICU)。还给予患者诸如腕套之类的设备,此设备合并了RFID标签,此RFID标签可由位于医院中的分布的位置处的传感器检测,所述分布的位置包括例如,重症监护病房、病房和走廊。
在患者到达之后的六个小时,生命体征监测器开始发出已检测到异常的可听见的警报。监视器监测器测量并传输患者的当前生命体征,所述当前的生命体征指示了患者的血压是85/60,脉搏是102,体温是35.9摄氏度,并且在室内空气条件下的外周氧饱和度(SpO2)是的94%。基于这些生命体征测量,患者护理监督***10自动地将以页面、文本消息、或语音消息的形式的警报发送给护士长和主治医师。护士去往床边评估患者,并且医师预订初始的实验室测试以确认他/她对潜在败血症的初步诊断,所述测试可包括全血细胞计数(CBC)、综合代谢检查(CMP)和乳酸水平。
一旦指示了患者具有关于败血症的发现的实验室结果变得可用并且被传输或输入到患者护理监督***10中,***10就自动地发出败血症最佳实践警报(BPA),所述BPA被传送给主治医师。作为结果,在接收到此BPA后,主治医师从败血症命令集(3小时败血症束化治疗)中下静脉输液(IVF)、血培养以及两种抗生素的命令。因此,在BPA的前两小时内,开始IVF,抽取血培养,并且施用并完成两种抗生素。具有用于3小时败血症束化治疗协议的每一个要求的时间戳的完成状态被实时地传输至***10并被记录。
响应于及时的治疗,如由生命体征监测器所测量,患者的生命体征返回到正常,并且患者的临床状态的变化被立即传送之***10并被记录。患者的临床状态的变化可触发或设置用于由医疗领导(诸如,设施的医务主任)评价的标记。患者监护监督***10可推荐医务主任发布如下命令:在未来24个小时期间定期地评估患者,并且如果在24小时的评估时期之后此患者的生命体征保持为正常,则患者将被从重症监护病房转移到较低等级的护理以为更多危重患者提供空间。医务主任接受此推荐,并且在***10中输入此命令。
然而,尽管患者的生命体征保持正常达24小时,但是由于疏忽地未执行转移此患者的命令,他仍然在重症监护病房中。由RFID传感器***连续地监测并记下患者的位置,并且所述患者的位置被传输至患者护理监督***10。在评估周期之后的患者的位置仍被记为“ICU”并具有***10中的对应的时间戳。***10可检测并自动地标记在转移命令与患者的位置之间的这种不一致,以便由合适的人员回顾。可发出警报以通知合适的人员。
医院的管理者可访问此患者的数据。例如,医院管理者可回顾从过去30天起的、与已患有败血症非POA(在入院时不存在)患者相关联的数据。考虑到此数据,医院管理者可得出结论,一旦他们确保患者好转达至少24小时,就必须加速执行患者转移命令。新协议可落实到位以确保通过与医师、病例管理者、环境服务、和转移工作人员的改善的协调来优先进行患者从危重病房的转移,以便确保足够的容量和资源对脆弱的患者是可用的。作为结果,对医院的操作效率和资源分配的作出了改进。
在也涉及败血症的第二示例中,具有如上所述的慢性阻塞性肺病(COPD)的既往病史和完全相同的症状的同一个80岁的男性被带到急诊科。相同的肺炎诊断由患者护理监督***10呈现,并且由主治医师接受。相应地,开具抗生素治疗处方,并向此患者施用。在患者到达之后的六小时,患者的生命体征的变化导致警报被发送给护士长和主治医师。基于实验室结果,***10和主治医师怀疑败血症,并且医师根据败血症最佳实践警报(BPA)命令三小时败血症束化治疗以进行静脉输液、血培养和两种抗生素。在BPA的前两小时内开始IVF,抽取血培养,并且施用两种抗生素中的一种。具有三小时败血症束化治疗协议的每一个要求的时间戳的状态(“已完成”或“未完成”)被输入到***10中,并被记录在***10中。
在该示例中,假设还未施用第二抗生素治疗,因此,“不完整”的状态仍与第二抗生素命令相关联。当医务主任实时地回顾患者数据时,他/她可很容易地看出,不是三小时败血症束化治疗的协议中的所有协议都在所要求的时间范围内被执行。他/她也可以看出,在3小时时间窗期满之前还剩余30分钟。医务主任可呼叫、寻呼或发送短消息给患者的医师(对于命令相关的问题)或患者的护士(对于施用有关的问题),从而提醒他/她到在接下来半小时内施用剩余的抗生素治疗的紧迫性,所述患者的医师或患者的护士的姓名和联系信息被显示或作为***10的图形用户界面中的可点击链接被提供。替代地,当治疗时间窗口接近期满但一些被命令的治疗仍具有“未完成”状态时,***10可自动地生成警报,并且将此警报传输给保健人员(主治医师和/或护士)。患者的护士立即响应来自医务主任的消息,并且在3小时时间窗口结束之前施用两种抗生素中的第二种。如由生命体征监测器所测量,患者的生命体征返回到正常,并且他的临床状态的变化(即,返回到正常)立即被传送到***10,并且被存储。
在此第二败血症示例中,实时的信息被传送到能够对治疗团队的成员发出警报的医务主任。这对于要求特定的时间窗口以避免附加的不良事件的时间敏感的治疗是尤其相关的。计划用于医疗领导的实时监督技术的使用促进了对处方治疗计划的遵守。作为避免附加的不良的患者结果的结果,提供者护理计划符合性的改善可导致保健费用的自然降低以及人口健康的对应改善。
在涉及败血症的第三示例中,不具有已知的或经记录的病史的47岁老年男子在早上2点26分被带到急诊科,抱怨他已经忍受了两天的与非血性/非胆汁性呕吐相关联的“痉挛”腹痛史。在导诊时,此患者的生命体征被获得,并且指示了血压在92/61,脉搏率在104,体温在35.9摄氏度,并且室内空气下的外周氧饱和度(SpO2)在94%。经由图形用户界面,患者的声明体征和症状一起被输入到患者护理监督***10中。主治医师命令在早上2点40分的初始实验室测试以确认他对潜在的败血症的初步诊断,所述初始实验室测试包括全血细胞计数(CBC)、综合代谢检查(CMP)和外周静脉血乳酸。实验室在早上2点47分抽取,并且结果在早上3点28分被返回且被输入到***10中。实验室结果指示,此患者具有关于败血症的发现,并且由***10在早上3点29分发出败血症最佳实践警报(BPA)。
主治医师接受BPA,并且在早上3点30分从败血症命令集中下静脉输液(IVF)、血培养和两种抗生素的命令。在患者住院治疗的前两小时内开始IVF,抽取血培养,并且施用并完成这两种抗生素中的一种。由于患者被带到放射科进行附加成像,因此第二抗生素治疗被延误。因此,第二抗生素治疗在早上5时56分开始,这大约在患者呈现至急诊科之后约3个半小时。命令集中的每一个命令的状态和时间戳被在***10中被输入并被存储。
由于ICU中的医疗人员被因使需要CPR的另一危重患者复苏而被预占用,因此采取重复乳酸的命令被延误。患者护理监督***10发出重复乳酸命令(如六小时败血症束化治疗度量所需的)的即将发生的失败的通知,并将此通知自动地传输至ICU医务主任和/或主治医师,从而通知ICU医务主任和/或主治医师,存在特定患者的即将发生的治疗失败。作为结果,主治医师确保立即抽取重复乳酸。随后,生命监测器自动地测量患者的生命,从而确认治疗起作用且患者的状况恢复到正常。
如由此示例所示,围绕不良事件的患者相关的数据被实时地传输到患者护理监督***10,以便在整个医院中传送不良事件(诸如,败血症POA(入院时存在))的患者统计以供由相关的人员访问。患者数据的就绪的可用性有助于通过给予医疗领导可通知制度政策变化的实时信息来改善护理协调,从而增进患者护理。具体而言,回顾性视图允许传染性疾病的医务主任和负责人例如看到,蓝色代码是与不满足与6小时败血症束化治疗有关的要求中的所有要求相关联的贡献因素。重复乳酸被延误。当传染性疾病的医务主任或负责人选择查看由***10提供的最近24小时的患者数据时,他们可看到经历束化治疗失败的、具有和没有致命结果的败血症患者的数量。例如,如果数据显示,伴随着在所要求的时间窗口内执行命令集,大多数败血症患者经历某种形式的失败,则医疗领导可实现扩充医疗人员的需要以确保竞争的优先级不影响治疗命令的及时施用。
在涉及败血症的第四示例中,不具有已知的或经记录的病史的同一名47岁老年男子在早上2点26分在急诊科,并且具有如上所述的相同的症状、生命体征和实验室结果。实验室结果指示,此患者具有关于败血症的发现,并且由***10在早上3点29分发出败血症最佳实践警报(BPA)。与以上示例类似,开具三小时败血症命令集的处方;由于患者从ED被带到放射科进行成像,因此没有施用第二抗生素。
败血症束化治疗的每一个要素的状态和时间戳可用于由包括医院管理者的某些保健人员来访问。当查看每一个干预的状态之后,医院管理者注意到,第二抗生素治疗仍未被施用,并且患者的当前位置显示出他在放射科。管理者可立即部署资源以加快将此患者往回转移到急诊科,以便在3小时窗口期满之前完成第二抗生素的施用。
作为中继关于抗生素施用中的潜在延迟的信息的实时通知的结果,临床领导能够采取必要步骤以确保资源是充足的且患者就位以接收治疗的地方。***10由此促进改善的患者结果,并最终包含与附加的不良结果相关联的成本。
低血糖由异常低的血糖水平来定义。标准的“低”阈值被量化为小于70mg/dL。低血糖的不良后果包括癫痫、永久性脑损伤或意识的丧失(由于胰岛素休克)。由于与此状况相关联的潜在致命的不良结果,用于监测患者血糖水平的工具对标识并使需要以加速方式的治疗的个人优先是关键的。作为示出患者护理监督***和方法10的操作的进一步的示例,具有糖尿病史的78岁亚洲女性来到急诊科,抱怨站立时头晕,并且过去三天经历断断续续的颤抖和头痛。此患者被发现具有<50mg/dL的血糖水平,从而确认低血糖。通过测量患者的血糖水平的皮下葡萄糖传感器来促进此诊断。葡萄糖监测传感器可操作以自动地将所测量的葡萄糖水平传输至患者护理监督***10,所述***10将此数据存储为患者的电子医疗记录(EMR)的部分。
有关患者的信息由患者护理监督***10收集,并且变得对内分泌科的负责人是可用的。当负责人经由***10的图形用户界面看到患者的信息时,他请求将立即的页面发送至主治医师,从而请求对此患者的立即的药物疗法。作为页面的结果,主治医师立即在***中输入此命令,并标注它的紧迫性。当此疗法就绪时,在它被施用至患者之前经历需要两个护士检查药物的验证过程以避免用药错误。医院的医疗领导使此两次检查验证政策制度化为新的全院用药评价协议,意在减少用药错误。执行检查的护士人员必须在患者护理监督***10中标注检查和他们的身份。在施用药物之后,患者的血糖水平返回至正常,并且她的头晕、颤抖和头痛消退。
当被输入到EMR中时,患者的信息可自动地经由患者护理监督***10的图形用户界面而立即可用于查看。***10给予医疗人员和领导执行实时的患者跟踪和监测以及实时地标识经历不良事件的患者的机会。实时的不良事件信息的可用性显著地降低了经历不良事件的患者将不被治疗的可能性。此外,如果不良事件进展而没有适当的临床关注,则***10将自动的警报或通知发布给合适的人员,使得可在不可逆的结果发生之前采取校正动作。
此外,患者数据的可用性给予医疗人员和领导找到应当被解决的患者护理问题的能力。例如,在60天时期中的患者数据可揭示,大百分比的低血糖患者经历某种类型的用药错误,并且揭示大百分比的那些患者遭受致命的结果。由于低血糖患者中用药错误的重要性,使需要两次药物检查的新协议制度化以减少这些事件的发生。
三十天死亡率是被纳入多国报告程序中来评估医院绩效的质量度量。结果测量(诸如,死亡率)被认为是用于评估医院绩效的可靠度量,因为他们完全捕捉了保健的最终结果。由此,为了使制度化的优先级与国家质量相关的优先级匹配,许多组织强调旨在降低死亡率的解决方案的开发和实施。在此示例中,70岁的肥胖男性在夜里被送到医院,伴有严重的胸痛和呼吸短促。由于患者八个月前患轻微的心脏病,因此医师决定让次患者整夜留下以进行监测。此外,此患者具有冠状动脉疾病和心律失常的家族史,并且此患者具有高血压、高血脂和糖尿病。主治医师为患者命令了心电图(ECG)和心肌酶测试以评估心脏损伤和可能的心肌梗塞。在等待这些测试完成时,患者的呼吸短促和心悸发展,并且他变得低血压。没有接收到此患者的状态的先前通知的快速评估小组在确认心脏病的存在的ECG正在被执行时(RAT)到达,。患者被立即运送到导管实验室,但是干预被延误,因为没有以及时的方式向导管团队的所有成员通知对干预的需求。患者进一步恶化,出现心肺骤停(CPA),并且随后经历致命的结果,此致命的结果可部分地归因于护理团队之间缺乏协调。
经由患者护理监督***10的图形用户界面,患者的逐分钟的状态信息(包括患者的结果)是可访问的。状态信息可由医院领导层成员查看,所述领导层成员包括首席医疗官(CMO)、首席护士长(CNO)、和首席质量官(CQO)。该信息可由领导层用于实现新的程序和政策,使得避免可预防的不良事件。这可包括诸如以下项:RAT团队的更早的激活以及更早地将患者运送/转移到合适的单元,尤其对于治疗时机是患者结果的显著预测指标的条件。此设施可对特定单元专设某些床位,在这些床位中,可更密切地监测由用于特定的状况(诸如,败血症、心肺骤停和低血糖)的预测性模型确定为处于高风险的患者。
在另一示例中,上文描述的相同的患者以相同的状况到达急诊科,并且具有相同的病史。然而,与先前的示例不同,由患者护理监督***10的预测性模型立刻分析患者的医疗信息,这确定了患者具有心肺骤停的高风险。入院医生可被自动地通知此高风险指示,或者可由医疗主任在***10中访问此信息,所述医疗主任可立即推荐主治医师,由于患者的CPA风险状态,此患者应被转移到ICU以进行密切监测。
如前所述,患者的心电图(ECG)和心肌酶测试的结果变得可用,并且被存储,以便用于经由患者护理监督***10的图形用户界面来分析和回顾。经由***10自动地传输的页面,向快速评估小组(RAT)发出急性心脏病发作的警报。RAT被立即动员,而且他们促进向导管实验室的加速的转移。***10监测以确保所有的干预都被及时且适当地施用。作为结果,患者接收合适的干预。医疗主任提醒主治医师为患者提供移动平板以记录在他停留在ICU中的剩余时间期间的任何不适,以便使患者参与管理他的状况并且主动地解决任何异常,从而避免未来的不良事件。
来自***10的实时数据为医疗领导层提供了必要的信息来做出关键的、时间敏感的以及基于证据的决策,以便主动避免可能的不良事件。在这种情况下,由于患者的高CPA风险,他被主动地转移到ICU,在ICU中,密切的监测和加快的处理是可能的。由此,患者被更好地定位以避免不良事件的发生。
通过分析实时的和历史的患者数据,患者护理监督***和方法10可操作以提供疾病标识、风险标识以及不良事件标识,使得医疗保健人员可主动地诊断并治疗的患者,并且可连续地预期、评估和监测患者的状态。***10有助于强制执行处方治疗和疗法的时间要求,并且自动地向医疗保健患者通知状态变化和/或即将发生的治疗时间窗期满。可分析并评估患者数据以确定改善医院的程序的方式以及提供更好的患者结果和高效地使用人员和资源的政策。
患者护理监督***和方法10可操作以生成各种标准和定制报告。此输出可被无线地或经由LAN、WAN、因特网(以电子传真、邮件、SMS、MMS等的形式)并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、移动电话、平板计算机、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、和其他数据存储装置、数据库、设备、和用户。
以下利用所附权利要求中的特征阐述了本发明的被认为是新颖性的特征。然而,对以上描述的示例性实施例的修改、变型和改变对本领域的技术人员将是显而易见的,并且本文中所描述的患者护理监督***和方法由此涵盖此类修改、变型和改变,并且不限于本文所描述的特定实施例。
Claims (54)
1.一种患者护理监督***,包括:
数据存储装置,可操作以接收并存储与至少一个患者相关联的临床和非临床数据;
用户界面,配置成接收与所述至少一个患者有关的当前信息的用户输入;
监测器,配置成感测与所述至少一个患者相关联的至少一个参数,并且进一步配置成生成实时的患者监测数据;
数据分析模块,配置成:访问所述数据存储装置并分析所述临床和非临床数据;接收并分析所述当前信息和所述实时的患者监测数据;以及标识与所述至少一个患者的护理相关联的至少一个不良事件;以及
数据呈现模块,可操作以将与所述所标识的至少一个不良事件相关联的信息呈现给保健专业人员。
2.如权利要求1所述的患者护理监督***,进一步包括数据分析模块,所述数据分析模块配置成:访问所述数据存储装置并分析所述临床和非临床数据;接收并分析所述当前信息和所述实时的患者监测数据;以及标识与所述至少一个患者相关联的至少一种疾病。
3.如权利要求1所述的患者护理监督***,进一步包括数据分析模块,所述数据分析模块配置成:访问所述数据存储装置并分析所述临床和非临床数据;接收并分析所述当前信息和所述实时的患者监测数据;以及标识与所述至少一个患者相关联的至少一个再入院风险。
4.如权利要求1所述的患者护理监督***,进一步包括数据分析模块,所述数据分析模块配置成:访问所述数据存储装置并分析所述临床和非临床数据;接收并分析所述当前信息和所述实时的患者监测数据;以及标识所述至少一个患者的至少一个推荐的治疗选项。
5.如权利要求1所述的患者护理监督***,其特征在于,所述数据分析模块包括自然语言处理模块。
6.如权利要求1所述的患者护理监督***,其特征在于,所述数据分析模块包括数据集成模块,所述数据集成模块配置成执行数据提取、净化和操纵。
7.如权利要求1所述的患者护理监督***,其特征在于,所述数据分析模块包括预测性模型。
8.如权利要求1所述的患者护理监督***,其特征在于,所述数据分析模块包括人工智能调谐模块,所述人工智能调谐模块配置成:基于与预测的结果相比的实际观察到的结果来微调数据分析,从而提供更准确的结果。
9.如权利要求1所述的患者护理监督***,其特征在于,所述临床和非临床数据选自由以下各项组成的组:过往医疗历史、年龄、体重、身高、种族、性别、婚姻状况、教育情况、地址、住房状况、过敏和不良医疗反应、家庭医疗信息、之前的外科手术信息、急诊室记录、药物施用记录、培养结果、临床笔记与记录、妇科和产科信息、精神状态检查、疫苗接种记录、放射成像检查、侵入性可视化程序、精神病治疗信息、之前的组织标本、实验室结果、遗传信息、社会经济状况、职业的类型和性质、工作经历、生活方式、医院利用模式、致瘾物质使用、医师或健康***接触的频率、位置与住所变更的频率、人口普查和人口统计数据、邻里环境、饮食、家人或看护助理的接近度和数量、旅行史、社交媒体数据、社会工作者的笔记、药物和补充物摄入信息、集中基因型测试、医疗保险信息、运动信息、职业化学品暴露记录、预测性筛查健康问卷调查、性格测试、人口普查和人口统计数据、邻里环境数据、以及对食品,住房和公用事业辅助登记的参与。
10.如权利要求1所述的患者护理监督***,其特征在于,所述用户界面配置成接收患者的症状的用户输入。
11.如权利要求1所述的患者护理监督***,其特征在于,所述监测器包括生命体征监测器,所述生命体征监测器配置成:连续地测量所述至少一个患者的生命体征;以及传输所述生命体征数据,以便由所述数据分析模块进行分析。
12.如权利要求1所述的患者护理监督***,其特征在于,所述监测器包括至少一个存在性传感器,所述至少一个存在性传感器配置成感测并监测所述至少一个患者的存在。
13.如权利要求1所述的患者护理监督***,其特征在于,所述监测器包括多个RFID传感器,所述多个RFID传感器配置成感测所述至少一个患者上的RFID标签的存在。
14.如权利要求1所述的患者护理监督***,其特征在于,所述监测器包括皮下葡萄糖传感器,所述皮下葡萄糖传感器配置成测量所述至少一个患者的血糖水平。
15.如权利要求1所述的患者护理监督***,其特征在于,所述监测器包括至少一个摄像机,所述至少一个摄像机配置成捕捉所述至少一个患者的移动的图像。
16.如权利要求1所述的患者护理监督***,其特征在于,所述数据呈现模块配置成接收指定不良事件类型、时间窗口和关注的单元的参数的用户输入。
17.如权利要求1所述的患者护理监督***,其特征在于,所述数据呈现模块配置成呈现相关数据的图形表示。
18.如权利要求1所述的患者护理监督***,其特征在于,所述数据呈现模块配置成呈现列表视图,所述列表视图传达以下各项中的一项:具有在考虑中的度量的任何方面的即将发生的失败的患者的列表(风险视图);以及在考虑中的度量的任何方面实际上失败的患者的列表(事件视图)。
19.如权利要求1所述的患者护理监督***,其特征在于,所述数据呈现模块配置成呈现帕累托视图,所述帕累托视图传达以下各项中的至少一项:在考虑中的度量的任何方面的实际失败的总数和百分比(事件视图);以及在考虑中的度量的任何方面实际上失败的患者的总数(帕累托列表视图)。
20.如权利要求1所述的患者护理监督***,其特征在于,所述数据呈现模块配置成呈现失败视图,所述失败视图传达每一个患者遇到的(多个)度量失败中的至少一个。
21.如权利要求1所述的患者护理监督***,其特征在于,所述数据呈现模块配置成呈现平铺视图,所述平铺视图传达以下各项中的至少一项:具有在考虑中的特定的不良事件的即将发生的失败的患者的总数(风险视图);以及对于在考虑中的每一个特定的不良事件的实际上失败的患者的总数(事件视图)。
22.如权利要求1所述的患者护理监督***,其特征在于,所述数据存储装置包括多个数据库。
23.如权利要求1所述的患者护理监督***,其特征在于,所述数据分析模块配置成发出通知,并且所述数据呈现模块配置成将所述通知传输给与所述至少一个患者的护理有关的人员。
24.如权利要求1所述的患者护理监督***,其特征在于,所述数据分析模块配置成发出通知,并且所述数据呈现模块配置成将以下形式中的至少一种形式的通知传输至与所述至少一个患者的护理有关的人员:页面、文本消息、语音消息、电子邮件消息、电话呼叫和多媒体消息。
25.如权利要求1所述的患者护理监督***,其特征在于,所述数据分析模块配置成响应于所述至少一个患者的状态与期望的状态不一致而发出通知,并且所述数据呈现模块配置成将所述通知传输至与所述至少一个患者的护理有关的人员。
26.如权利要求1所述的患者护理监督***,其特征在于,所述数据分析模块配置成响应于与所述至少一个患者相关联的被命令的活动在所要求的时间段内未完成而发出通知,并且所述数据呈现模块配置成将所述通知传输至与所述至少一个患者的护理有关的人员。
27.如权利要求1所述的患者护理监督***,其特征在于,所述数据分析模块配置成响应于所述至少一个患者的被监测到的位置与所述患者的被命令的治疗不一致而发出通知,并且所述数据呈现模块配置成将所述通知传输至与至少一个患者的护理有关的人员。
28.一种患者护理监督方法,包括以下步骤:
访问与至少一个患者相关联的所存储的临床和非临床数据;
接收与所述至少一个患者有关的当前信息的用户输入;
感测与所述至少一个患者相关联的至少一个参数,并且进一步生成实时的患者监测数据;
分析所述临床和非临床数据,接收并分析所述当前信息和所述实时的患者监测数据,并且标识与所述至少一个患者相关联的至少一个不良事件;以及
将与所述至少一个不良事件的标识相关联的信息呈现给保健专业人员。
29.如权利要求28所述的患者护理监督方法,进一步包括以下步骤:访问所述数据存储装置并分析所述临床和非临床数据,接收并分析所述当前信息和所述实时的患者监测数据,并且标识与所述至少一个患者相关联的至少一种疾病。
30.如权利要求28所述的患者护理监督方法,进一步包括以下步骤:访问所述数据存储装置并分析所述临床和非临床数据,接收并分析所述当前信息和所述实时的患者监测数据,并且标识与所述至少一个患者相关联的至少一个再入院风险。
31.如权利要求28所述的患者护理监督方法,进一步包括以下步骤:访问所述数据存储装置并分析所述临床和非临床数据,接收并分析所述当前信息和所述实时的患者监测数据,并且标识所述至少一个患者的至少一个推荐的治疗选项。
32.如权利要求28所述的患者护理监督方法,进一步包括以下步骤:访问所述数据存储装置并分析所述临床和非临床数据,接收并分析所述当前信息和所述实时的患者监测数据,并且标识所述至少一个患者的至少一个推荐的动作过程。
33.如权利要求28所述的患者护理监督方法,其特征在于,分析所述数据的步骤包括以下步骤:执行自然语言处理、数据提取、数据净化和数据操纵。
34.如权利要求28所述的患者护理监督方法,其特征在于,分析所述数据的步骤包括以下步骤:基于与预测的结果相比的实际观察到的结果来微调数据分析以提供更准确的结果。
35.如权利要求28所述的患者护理监督方法,其特征在于,接收并分析所述临床和非临床数据的步骤包括接收并分析选择由以下各项组成的组的步骤:过往医疗历史、年龄、体重、身高、种族、性别、婚姻状况、教育情况、地址、住房状况、过敏和不良医疗反应、家庭医疗信息、之前的外科手术信息、急诊室记录、药物施用记录、培养结果、临床笔记与记录、妇科和产科信息、精神状态检查、疫苗接种记录、放射成像检查、侵入性可视化程序、精神病治疗信息、之前的组织标本、实验室结果、遗传信息、社会经济状况、职业的类型和性质、工作经历、生活方式、医院利用模式、致瘾物质使用、医师或健康***接触的频率、位置与住所变更的频率、人口普查和人口统计数据、邻里环境、饮食、家人或看护助理的接近度和数量、旅行史、社交媒体数据、社会工作者的笔记、药物和补充物摄入信息、集中基因型测试、医疗保险信息、运动信息、职业化学品暴露记录、预测筛查健康问卷调查、性格测试、人口普查和人口统计数据、邻里环境数据、以及对食品,住房和公用事业辅助登记的参与。
36.如权利要求28所述的患者护理监督方法,其特征在于,接收用户输入的步骤包括以下步骤:接收患者的症状的用户输入。
37.如权利要求28所述的患者护理监督方法,其特征在于,感测至少一个参数的步骤包括以下步骤:连续地测量所述至少一个患者的生命体征,并且传输所述生命体征数据以用于分析。
38.如权利要求28所述的患者护理监督方法,其特征在于,感测所述至少一个参数的步骤包括以下步骤:感测并监测所述至少一个患者的存在。
39.如权利要求28所述的患者护理监督方法,其特征在于,感测所述至少一个参数的步骤包括以下步骤:感测所述至少一个患者上的RFID标签的存在。
40.如权利要求28所述的患者护理监督方法,其特征在于,感测所述至少一个参数的步骤包括以下步骤:测量所述至少一个患者的血糖水平。
41.如权利要求28所述的患者护理监督方法,其特征在于,感测所述至少一个参数包括以下步骤:捕捉所述至少一个患者的静止的和移动的图像。
42.如权利要求28所述的患者护理监督方法,其特征在于,呈现信息的步骤包括以下步骤:接收指定不良事件类型、时间窗口和关注的单元的参数的用户输入。
43.如权利要求28所述的患者护理监督方法,其特征在于,呈现所述信息的步骤包括以下步骤:呈现相关数据的图形表示。
44.如权利要求28所述的患者护理监督***,其特征在于,所述数据呈现模块配置成呈现列表视图,所述列表视图传达以下各项中的一项:具有在考虑中的度量的任何方面的即将发生的失败的患者的列表(风险视图);以及在考虑中的度量的任何方面实际上失败的患者的列表(事件视图)。
45.如权利要求28所述的患者护理监督***,其特征在于,所述数据呈现模块配置成呈现帕累托视图,所述帕累托视图传达以下各项中的至少一项:在考虑中的度量的任何方面的实际失败的总数和百分比(事件视图);以及在考虑中的度量的任何方面实际上失败的患者的总数(帕累托列表视图)。
46.如权利要求28所述的患者护理监督***,其特征在于,所述数据呈现模块配置成呈现失败视图,所述失败视图传达每一个患者遇到的(多个)度量失败中的至少一个。
47.如权利要求28所述的患者护理监督***,其特征在于,所述数据呈现模块配置成呈现平铺视图,所述平铺视图传达以下各项中的至少一项:具有在考虑中的特定的不良事件的即将发生的失败的患者的总数(风险视图);以及对于在考虑中的每一个特定的不良事件的实际上失败的患者的总数(事件视图)。
48.如权利要求28所述的患者护理监督方法,进一步包括以下步骤:发出通知,并且将所述通知传输至与所述至少一个患者的护理有关的人员。
49.如权利要求28所述的患者护理监督方法,进一步包括以下步骤:发出通知,并且将以下形式中的至少一种形式的通知传输至与所述至少一个患者的护理有关的人员:页面、文本消息、语音消息、电子邮件消息、电话呼叫和多媒体消息。
50.如权利要求28所述的患者护理监督方法,进一步包括以下步骤:响应于至少一个患者的状态与期望的状态不一致而发出通知,并且将所述通知传输至与所述至少一个患者的护理有关的人员。
51.如权利要求28所述的患者护理监督方法,进一步包括以下步骤:响应于与所述至少一个患者相关联的被命令的活动在所要求的时间段内未完成而发出通知,并且将所述通知传输至与所述至少一个患者的护理有关的人员。
52.如权利要求28所述的患者护理监督方法,进一步包括以下步骤:响应于所述至少一个患者的被监测到的位置与所述患者的被命令的治疗不一致而发出通知,并且将所述通知传输至与所述至少一个患者的护理有关的人员。
53.如权利要求28所述的患者护理监督方法,其特征在于,呈现信息的步骤包括以下步骤:呈现与所述数据相关联的情境信息。
54.一种计算机可读介质,所述计算机可读介质具有在其上编码的用于患者护理监督的过程,所述过程包括:
访问与至少一个患者相关联的所存储的临床和非临床数据;
接收与所述至少一个患者有关的当前信息的用户输入;
感测与所述至少一个患者相关联的至少一个参数,并且进一步生成实时的患者监测数据;
分析所述临床和非临床数据,接收并分析所述当前信息和所述实时的患者监测数据,并且标识与所述至少一个患者的护理相关联的至少一个动作过程;以及
将与所述至少一个动作过程相关联的信息呈现给保健专业人员。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361847852P | 2013-07-18 | 2013-07-18 | |
US61/847,852 | 2013-07-18 | ||
US14/326,863 US20150025329A1 (en) | 2013-07-18 | 2014-07-09 | Patient care surveillance system and method |
US14/326,863 | 2014-07-09 | ||
PCT/US2014/046029 WO2015009513A2 (en) | 2013-07-18 | 2014-07-09 | Patient care surveillance system and method |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105792731A true CN105792731A (zh) | 2016-07-20 |
Family
ID=52344103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480051288.3A Pending CN105792731A (zh) | 2013-07-18 | 2014-07-09 | 患者护理监督***和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20150025329A1 (zh) |
EP (1) | EP3021739A4 (zh) |
CN (1) | CN105792731A (zh) |
CA (1) | CA2918332C (zh) |
WO (1) | WO2015009513A2 (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846206A (zh) * | 2017-01-18 | 2017-06-13 | 泰康保险集团股份有限公司 | 护理***及护理过程监测方法 |
CN107958708A (zh) * | 2017-12-22 | 2018-04-24 | 北京鑫丰南格科技股份有限公司 | 院后风险趋势评估方法和*** |
CN109195509A (zh) * | 2016-07-26 | 2019-01-11 | 爱德华兹生命科学公司 | 具有低血压预测图形用户界面(gui)的健康监测单元 |
WO2019142120A1 (zh) * | 2018-01-19 | 2019-07-25 | 动析智能科技有限公司 | 一种基于混合传感的生理监测及分析*** |
CN110691548A (zh) * | 2017-07-28 | 2020-01-14 | 谷歌有限责任公司 | 用于从电子健康记录中预测和总结医疗事件的***和方法 |
CN111066091A (zh) * | 2017-07-25 | 2020-04-24 | 皇家飞利浦有限公司 | 预测评分信息的背景化患者特异性呈现 |
CN111326242A (zh) * | 2018-12-14 | 2020-06-23 | 松下电器(美国)知识产权公司 | 信息处理方法、装置以及存储信息处理程序的记录介质 |
CN111839480A (zh) * | 2020-07-14 | 2020-10-30 | 广州智康云科技有限公司 | 一种机器人的检测处理***、方法及机器人 |
CN112639995A (zh) * | 2018-08-23 | 2021-04-09 | 通用电气公司 | 用于优化患者安置的基于机器学习的多因素优先级框架 |
CN112674729A (zh) * | 2020-12-24 | 2021-04-20 | 南通市第一人民医院 | 一种深静脉血栓患者的护理***及方法 |
CN112750517A (zh) * | 2021-01-26 | 2021-05-04 | 佛山市第一人民医院(中山大学附属佛山医院) | 一种静脉治疗信息化追踪方法及其*** |
CN113140270A (zh) * | 2020-01-19 | 2021-07-20 | 浙江爱多特大健康科技有限公司 | 一种数据分析方法、装置、设备及计算机存储介质 |
CN115551579A (zh) * | 2020-03-24 | 2022-12-30 | 维亚埃尔医疗股份有限公司 | 用于评估通风患者状况的***和方法 |
Families Citing this family (99)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7959598B2 (en) | 2008-08-20 | 2011-06-14 | Asante Solutions, Inc. | Infusion pump systems and methods |
US20110313680A1 (en) * | 2010-06-22 | 2011-12-22 | Doyle Iii Francis J | Health Monitoring System |
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 |
US9147041B2 (en) * | 2012-09-13 | 2015-09-29 | Parkland Center For Clinical Innovation | Clinical dashboard user interface system and method |
US20190122770A1 (en) * | 2013-10-15 | 2019-04-25 | Parkland Center For Clinical Innovation | Lightweight Clinical Pregnancy Preterm Birth Predictive System and Method |
US9875560B2 (en) * | 2013-11-15 | 2018-01-23 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Graphical display of physiological parameters on patient monitors |
US10580173B2 (en) | 2013-11-15 | 2020-03-03 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Graphical display of physiological parameters on patient monitors |
GB2523989B (en) | 2014-01-30 | 2020-07-29 | Insulet Netherlands B V | Therapeutic product delivery system and method of pairing |
US10755369B2 (en) | 2014-07-16 | 2020-08-25 | Parkland Center For Clinical Innovation | Client management tool system and method |
US11992346B2 (en) * | 2014-12-12 | 2024-05-28 | Optum, Inc. | Computer readable storage media for remote patient management and methods and systems for utilizing same |
US10120979B2 (en) * | 2014-12-23 | 2018-11-06 | Cerner Innovation, Inc. | Predicting glucose trends for population management |
US11275757B2 (en) * | 2015-02-13 | 2022-03-15 | Cerner Innovation, Inc. | Systems and methods for capturing data, creating billable information and outputting billable information |
WO2016134137A1 (en) | 2015-02-18 | 2016-08-25 | Insulet Corporation | Fluid delivery and infusion devices, and methods of use thereof |
BR112017021298A2 (pt) * | 2015-04-08 | 2018-06-26 | Koninklijke Philips N.V. | sistemas, mídia de armazenamento não transitório, e método |
US10007849B2 (en) * | 2015-05-29 | 2018-06-26 | Accenture Global Solutions Limited | Predicting external events from digital video content |
US20180146919A1 (en) * | 2015-06-16 | 2018-05-31 | Quantum Dental Technologies Inc. | System and method of monitoring consumable use based on correlations with diagnostic testing |
WO2017027432A1 (en) * | 2015-08-07 | 2017-02-16 | Aptima, Inc. | Systems and methods to support medical therapy decisions |
CN108135508A (zh) * | 2015-09-28 | 2018-06-08 | 皇家飞利浦有限公司 | 具有usb驱动的生理监测工具套件 |
US20180322943A1 (en) * | 2015-11-12 | 2018-11-08 | Avent, Inc. | Patient Outcome Tracking Platform |
US11185236B2 (en) * | 2015-12-28 | 2021-11-30 | Cerner Innovation, Inc. | Methods and system for hemorrhage-specific determinations |
US10275573B2 (en) | 2016-01-13 | 2019-04-30 | Bigfoot Biomedical, Inc. | User interface for diabetes management system |
WO2017124006A1 (en) | 2016-01-14 | 2017-07-20 | Bigfoot Biomedical, Inc. | Adjusting insulin delivery rates |
US20170242973A1 (en) * | 2016-02-18 | 2017-08-24 | The Johns Hopkins University | E-triage: an electronic emergency triage system |
US10888281B2 (en) | 2016-05-13 | 2021-01-12 | PercuSense, Inc. | System and method for disease risk assessment and treatment |
EP3547320A4 (en) * | 2016-05-20 | 2020-11-11 | Pulse Participações S.A. | RELATED SYSTEMS AND METHODS FOR CORRELATION OF MEDICAL DATA AND DIAGNOSTIC AND HEALTH AFTER-TREATMENT CONDITIONS OF REAL-TIME MONITORED PATIENTS |
US10765807B2 (en) | 2016-09-23 | 2020-09-08 | Insulet Corporation | Fluid delivery device with sensor |
US20190259499A1 (en) * | 2016-10-19 | 2019-08-22 | Peach Intellihealth Pte Ltd. | System and method for predicting sequential organ failure assessment (sofa) scores using artificial intelligence and machine learning |
CA3082322A1 (en) * | 2016-11-16 | 2018-05-24 | healthio Inc. | Preventive and predictive health platform |
US10783801B1 (en) | 2016-12-21 | 2020-09-22 | Aptima, Inc. | Simulation based training system for measurement of team cognitive load to automatically customize simulation content |
WO2018132754A1 (en) | 2017-01-13 | 2018-07-19 | Mazlish Bryan | System and method for adjusting insulin delivery |
EP3568859A1 (en) | 2017-01-13 | 2019-11-20 | Bigfoot Biomedical, Inc. | Insulin delivery methods, systems and devices |
US11646105B2 (en) * | 2017-03-03 | 2023-05-09 | Rush University Medical Center | Patient predictive admission, discharge, and monitoring tool |
US20220215910A1 (en) * | 2017-03-20 | 2022-07-07 | Cornell University | System and methods for managing healthcare resources |
US20180322946A1 (en) * | 2017-05-04 | 2018-11-08 | RxAdvance Corporation | Healthcare Actionable Intelligence Data Generation And Distribution |
US10832815B2 (en) * | 2017-05-18 | 2020-11-10 | International Business Machines Corporation | Medical side effects tracking |
CN107315904B (zh) * | 2017-05-26 | 2020-11-17 | 深圳市南山区慢性病防治院 | 患者服药远程监控***及方法 |
WO2019028448A1 (en) * | 2017-08-04 | 2019-02-07 | The Johns Hopkins University | APPLICATION FOR EARLY PREDICTION OF SEPTIC SHOCK WAITING |
US10957445B2 (en) | 2017-10-05 | 2021-03-23 | Hill-Rom Services, Inc. | Caregiver and staff information system |
JP6837954B2 (ja) * | 2017-11-20 | 2021-03-03 | パラマウントベッド株式会社 | 管理装置 |
US10747968B2 (en) * | 2017-11-22 | 2020-08-18 | Jeffrey S. Melcher | Wireless device and selective user control and management of a wireless device and data |
CA3087561A1 (en) | 2018-01-02 | 2019-07-11 | Talis Clinical LLC | Improved healthcare interoperability environment system |
US20190206570A1 (en) * | 2018-01-03 | 2019-07-04 | Talis Clinical LLC | Remote View Playback Tool |
US10726152B1 (en) * | 2018-03-02 | 2020-07-28 | Allscripts Software, Llc | Computing system that facilitates digital rights management for healthcare records |
USD928199S1 (en) | 2018-04-02 | 2021-08-17 | Bigfoot Biomedical, Inc. | Medication delivery device with icons |
CN112236826A (zh) | 2018-05-04 | 2021-01-15 | 英赛罗公司 | 基于控制算法的药物输送***的安全约束 |
US20210228128A1 (en) * | 2018-05-08 | 2021-07-29 | Abbott Diabetes Care Inc. | Sensing systems and methods for identifying emotional stress events |
EP3791404A1 (en) | 2018-05-10 | 2021-03-17 | Jameel, Mohamed, Anver | Method, apparatus, and computer readible media for artificial intelligence-based treatment guidance for the neurologically impaired patient who may need neurosurgery |
US11645625B2 (en) * | 2018-08-21 | 2023-05-09 | Job Market Maker, Llc | Machine learning systems for predictive targeting and engagement |
US20210319898A1 (en) * | 2018-09-05 | 2021-10-14 | Cardiai Technologies Ltd. | Health monitoring system having portable health monitoring devices and method therefor |
US11288945B2 (en) | 2018-09-05 | 2022-03-29 | Honeywell International Inc. | Methods and systems for improving infection control in a facility |
CN112789070A (zh) | 2018-09-28 | 2021-05-11 | 英赛罗公司 | 人造胰腺***的活动模式 |
WO2020077223A1 (en) | 2018-10-11 | 2020-04-16 | Insulet Corporation | Event detection for drug delivery system |
CA3124498A1 (en) * | 2018-12-20 | 2020-06-25 | Parkland Center For Clinical Innovation | Lightweight clinical pregnancy preterm birth predictive system and method |
CN109741822A (zh) * | 2019-01-08 | 2019-05-10 | 西安汇智医疗集团有限公司 | 基于多种医学监视设备互联互动架构的监护云*** |
USD920343S1 (en) | 2019-01-09 | 2021-05-25 | Bigfoot Biomedical, Inc. | Display screen or portion thereof with graphical user interface associated with insulin delivery |
US10978199B2 (en) * | 2019-01-11 | 2021-04-13 | Honeywell International Inc. | Methods and systems for improving infection control in a building |
EP3701857B1 (en) * | 2019-02-28 | 2023-10-04 | Hill-Rom Services, Inc. | Patient support apparatus having vital signs and sepsis display apparatus |
US20200335190A1 (en) * | 2019-04-19 | 2020-10-22 | Hill-Rom Services, Inc. | Sepsis automated reporting system |
WO2021001592A1 (en) * | 2019-07-02 | 2021-01-07 | Etsimo Healthcare Oy | Automated and real-time patient care planning |
US20210059597A1 (en) * | 2019-08-30 | 2021-03-04 | Hill-Rom Services, Inc. | Sepsis monitoring system |
US11801344B2 (en) | 2019-09-13 | 2023-10-31 | Insulet Corporation | Blood glucose rate of change modulation of meal and correction insulin bolus quantity |
US11342050B2 (en) | 2019-09-27 | 2022-05-24 | International Business Machines Corporation | Monitoring users to capture contextual and environmental data for managing adverse events |
US11935637B2 (en) | 2019-09-27 | 2024-03-19 | Insulet Corporation | Onboarding and total daily insulin adaptivity |
WO2021067939A1 (en) | 2019-10-04 | 2021-04-08 | Job Market Maker, Llc | Machine learning systems and methods for predictive engagement |
CN111192002B (zh) * | 2019-11-29 | 2023-08-22 | 泰康保险集团股份有限公司 | 一种居住区域转移需求的处理方法和装置 |
WO2021113647A1 (en) | 2019-12-06 | 2021-06-10 | Insulet Corporation | Techniques and devices providing adaptivity and personalization in diabetes treatment |
US11833329B2 (en) | 2019-12-20 | 2023-12-05 | Insulet Corporation | Techniques for improved automatic drug delivery performance using delivery tendencies from past delivery history and use patterns |
CA3163693A1 (en) | 2020-01-06 | 2021-07-15 | Joon Bok Lee | Prediction of meal and/or exercise events based on persistent residuals |
US11551802B2 (en) | 2020-02-11 | 2023-01-10 | Insulet Corporation | Early meal detection and calorie intake detection |
US11986630B2 (en) | 2020-02-12 | 2024-05-21 | Insulet Corporation | Dual hormone delivery system for reducing impending hypoglycemia and/or hyperglycemia risk |
US11547800B2 (en) | 2020-02-12 | 2023-01-10 | Insulet Corporation | User parameter dependent cost function for personalized reduction of hypoglycemia and/or hyperglycemia in a closed loop artificial pancreas system |
US11324889B2 (en) | 2020-02-14 | 2022-05-10 | Insulet Corporation | Compensation for missing readings from a glucose monitor in an automated insulin delivery system |
US11607493B2 (en) | 2020-04-06 | 2023-03-21 | Insulet Corporation | Initial total daily insulin setting for user onboarding |
US20210327588A1 (en) * | 2020-04-16 | 2021-10-21 | Umethod Health, Inc. | Methods, systems, and devices for assessing the status of an individual's immune system |
CN111627533B (zh) * | 2020-04-17 | 2022-02-25 | 广州市科进计算机技术有限公司 | 一种全院不良事件主动监测管理***及方法 |
US11620594B2 (en) | 2020-06-12 | 2023-04-04 | Honeywell International Inc. | Space utilization patterns for building optimization |
US11914336B2 (en) | 2020-06-15 | 2024-02-27 | Honeywell International Inc. | Platform agnostic systems and methods for building management systems |
US11783658B2 (en) | 2020-06-15 | 2023-10-10 | Honeywell International Inc. | Methods and systems for maintaining a healthy building |
US11783652B2 (en) | 2020-06-15 | 2023-10-10 | Honeywell International Inc. | Occupant health monitoring for buildings |
US11184739B1 (en) | 2020-06-19 | 2021-11-23 | Honeywel International Inc. | Using smart occupancy detection and control in buildings to reduce disease transmission |
US11823295B2 (en) | 2020-06-19 | 2023-11-21 | Honeywell International, Inc. | Systems and methods for reducing risk of pathogen exposure within a space |
CN111767952B (zh) * | 2020-06-30 | 2024-03-29 | 重庆大学 | 一种可解释的肺结节良恶性分类方法 |
US11619414B2 (en) | 2020-07-07 | 2023-04-04 | Honeywell International Inc. | System to profile, measure, enable and monitor building air quality |
US11684716B2 (en) | 2020-07-31 | 2023-06-27 | Insulet Corporation | Techniques to reduce risk of occlusions in drug delivery systems |
US11402113B2 (en) | 2020-08-04 | 2022-08-02 | Honeywell International Inc. | Methods and systems for evaluating energy conservation and guest satisfaction in hotels |
US11894145B2 (en) | 2020-09-30 | 2024-02-06 | Honeywell International Inc. | Dashboard for tracking healthy building performance |
WO2023132841A1 (en) * | 2022-01-08 | 2023-07-13 | Richard Postrel | Improving outcomes and response times for patients in critical care settings |
US11372383B1 (en) | 2021-02-26 | 2022-06-28 | Honeywell International Inc. | Healthy building dashboard facilitated by hierarchical model of building control assets |
US11662115B2 (en) | 2021-02-26 | 2023-05-30 | Honeywell International Inc. | Hierarchy model builder for building a hierarchical model of control assets |
US11904140B2 (en) | 2021-03-10 | 2024-02-20 | Insulet Corporation | Adaptable asymmetric medicament cost component in a control system for medicament delivery |
US11474489B1 (en) | 2021-03-29 | 2022-10-18 | Honeywell International Inc. | Methods and systems for improving building performance |
US11738144B2 (en) | 2021-09-27 | 2023-08-29 | Insulet Corporation | Techniques enabling adaptation of parameters in aid systems by user input |
US12038187B2 (en) | 2021-09-28 | 2024-07-16 | Honeywell International Inc. | Multi-sensor platform for a building |
CA3238598A1 (en) * | 2021-11-19 | 2023-05-25 | Vitaa Medical Solutions Inc. | Method of and system for training and using machine learning models for pre-interventional planning and post-interventional monitoring of endovascular aortic repair (evar) |
US11439754B1 (en) | 2021-12-01 | 2022-09-13 | Insulet Corporation | Optimizing embedded formulations for drug delivery |
WO2023247308A1 (en) * | 2022-06-21 | 2023-12-28 | Neopredix Ag | Preeclampsia evolution prediction, method and system |
US20240221917A1 (en) * | 2022-12-31 | 2024-07-04 | Teletracking Technologies, Inc. | Patient transfer recommendation responsive to event identification |
CN116664925B (zh) * | 2023-05-17 | 2023-12-26 | 武汉大学中南医院 | 一种重症监护室内目标识别方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070180140A1 (en) * | 2005-12-03 | 2007-08-02 | Welch James P | Physiological alarm notification system |
CN101730501A (zh) * | 2007-06-27 | 2010-06-09 | 霍夫曼-拉罗奇有限公司 | 用于治疗***的病人信息输入界面 |
US20110077973A1 (en) * | 2009-09-24 | 2011-03-31 | Agneta Breitenstein | Systems and methods for real-time data ingestion to a clinical analytics platform |
CN103070666A (zh) * | 2012-11-27 | 2013-05-01 | 古啸宇 | 交互式人体体征信息监测传输器 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7315825B2 (en) * | 1999-06-23 | 2008-01-01 | Visicu, Inc. | Rules-based patient care system for use in healthcare locations |
CN1613068A (zh) * | 2001-11-02 | 2005-05-04 | 美国西门子医疗解决公司 | 用于诊断和计划病人状态的病人数据挖掘 |
CN1918263A (zh) * | 2004-02-18 | 2007-02-21 | 昭和电工株式会社 | 荧光粉、其制造方法及利用该荧光粉的发光装置 |
US7539532B2 (en) * | 2006-05-12 | 2009-05-26 | Bao Tran | Cuffless blood pressure monitoring appliance |
US20080106374A1 (en) * | 2006-11-02 | 2008-05-08 | Upmc | Patient Room Information System |
AU2009244200B2 (en) * | 2008-05-07 | 2012-10-18 | Lawrence A. Lynn | Medical failure pattern search engine |
US20100131434A1 (en) * | 2008-11-24 | 2010-05-27 | Air Products And Chemicals, Inc. | Automated patient-management system for presenting patient-health data to clinicians, and methods of operation thereor |
US10453157B2 (en) * | 2010-01-22 | 2019-10-22 | Deka Products Limited Partnership | System, method, and apparatus for electronic patient care |
US8694334B2 (en) * | 2010-06-17 | 2014-04-08 | Cerner Innovation, Inc. | Readmission risk assessment |
US20120179479A1 (en) * | 2011-01-10 | 2012-07-12 | Vincent Waterson | Method and System for Remote Tele-Health Services |
CA2844807C (en) * | 2011-08-19 | 2022-07-26 | Hospira, Inc. | Systems and methods for a graphical interface including a graphical representation of medical data |
JP2013537326A (ja) * | 2011-08-31 | 2013-09-30 | アピシオ,インク. | 医療情報ナビゲーションエンジン(mine)システム |
-
2014
- 2014-07-09 EP EP14827115.8A patent/EP3021739A4/en not_active Withdrawn
- 2014-07-09 CN CN201480051288.3A patent/CN105792731A/zh active Pending
- 2014-07-09 WO PCT/US2014/046029 patent/WO2015009513A2/en active Application Filing
- 2014-07-09 US US14/326,863 patent/US20150025329A1/en not_active Abandoned
- 2014-07-09 CA CA2918332A patent/CA2918332C/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070180140A1 (en) * | 2005-12-03 | 2007-08-02 | Welch James P | Physiological alarm notification system |
CN101730501A (zh) * | 2007-06-27 | 2010-06-09 | 霍夫曼-拉罗奇有限公司 | 用于治疗***的病人信息输入界面 |
US20110077973A1 (en) * | 2009-09-24 | 2011-03-31 | Agneta Breitenstein | Systems and methods for real-time data ingestion to a clinical analytics platform |
CN103070666A (zh) * | 2012-11-27 | 2013-05-01 | 古啸宇 | 交互式人体体征信息监测传输器 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109195509A (zh) * | 2016-07-26 | 2019-01-11 | 爱德华兹生命科学公司 | 具有低血压预测图形用户界面(gui)的健康监测单元 |
CN106846206A (zh) * | 2017-01-18 | 2017-06-13 | 泰康保险集团股份有限公司 | 护理***及护理过程监测方法 |
CN111066091A (zh) * | 2017-07-25 | 2020-04-24 | 皇家飞利浦有限公司 | 预测评分信息的背景化患者特异性呈现 |
CN110691548A (zh) * | 2017-07-28 | 2020-01-14 | 谷歌有限责任公司 | 用于从电子健康记录中预测和总结医疗事件的***和方法 |
CN107958708A (zh) * | 2017-12-22 | 2018-04-24 | 北京鑫丰南格科技股份有限公司 | 院后风险趋势评估方法和*** |
WO2019142120A1 (zh) * | 2018-01-19 | 2019-07-25 | 动析智能科技有限公司 | 一种基于混合传感的生理监测及分析*** |
CN112639995A (zh) * | 2018-08-23 | 2021-04-09 | 通用电气公司 | 用于优化患者安置的基于机器学习的多因素优先级框架 |
CN111326242A (zh) * | 2018-12-14 | 2020-06-23 | 松下电器(美国)知识产权公司 | 信息处理方法、装置以及存储信息处理程序的记录介质 |
CN113140270A (zh) * | 2020-01-19 | 2021-07-20 | 浙江爱多特大健康科技有限公司 | 一种数据分析方法、装置、设备及计算机存储介质 |
CN115551579A (zh) * | 2020-03-24 | 2022-12-30 | 维亚埃尔医疗股份有限公司 | 用于评估通风患者状况的***和方法 |
CN115551579B (zh) * | 2020-03-24 | 2024-04-12 | 维亚埃尔医疗股份有限公司 | 用于评估通风患者状况的***和方法 |
CN111839480A (zh) * | 2020-07-14 | 2020-10-30 | 广州智康云科技有限公司 | 一种机器人的检测处理***、方法及机器人 |
CN111839480B (zh) * | 2020-07-14 | 2024-03-29 | 广州智康云科技有限公司 | 一种机器人的检测处理***、方法及机器人 |
CN112674729A (zh) * | 2020-12-24 | 2021-04-20 | 南通市第一人民医院 | 一种深静脉血栓患者的护理***及方法 |
CN112674729B (zh) * | 2020-12-24 | 2024-03-01 | 南通市第一人民医院 | 一种深静脉血栓患者的护理***及方法 |
CN112750517A (zh) * | 2021-01-26 | 2021-05-04 | 佛山市第一人民医院(中山大学附属佛山医院) | 一种静脉治疗信息化追踪方法及其*** |
Also Published As
Publication number | Publication date |
---|---|
WO2015009513A2 (en) | 2015-01-22 |
EP3021739A4 (en) | 2017-03-22 |
WO2015009513A3 (en) | 2015-11-05 |
US20150025329A1 (en) | 2015-01-22 |
CA2918332A1 (en) | 2015-01-22 |
EP3021739A2 (en) | 2016-05-25 |
CA2918332C (en) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105792731A (zh) | 患者护理监督***和方法 | |
Berkowitz et al. | Association between receipt of a medically tailored meal program and health care use | |
US11031139B2 (en) | Systems and methods for conversational flexible data presentation | |
Herasevich et al. | Informatics infrastructure for syndrome surveillance, decision support, reporting, and modeling of critical illness | |
US9898513B2 (en) | System, method and computer program for multi-dimensional temporal and relative data mining framework, analysis and sub-grouping | |
US20130262155A1 (en) | System and method for collection and distibution of medical information | |
Samal et al. | Health information technology to improve care for people with multiple chronic conditions | |
US20060135859A1 (en) | Matrix interface for medical diagnostic and treatment advice system and method | |
Gummin et al. | 2022 Annual report of the national poison data system®(NPDS) from America’s Poison Centers®: 40th annual report | |
WO2005034001A1 (en) | Adaptive medical decision support system | |
US20090150183A1 (en) | Linking to clinical decision support | |
Kruse et al. | Effects of computerized decision support systems on practitioner performance and patient outcomes: systematic review | |
US20150363569A1 (en) | Customizing personalized patient care plans to facilitate cross-continuum, multi-role care planning | |
Sado | Electronic medical record in the intensive care unit | |
Sakata et al. | Professional and interprofessional differences in electronic health records use and recognition of safety issues in critically ill patients | |
Schultz | Telehealth and Remote Patient Monitoring Innovations in Nursing Practice: State of the Science| OJIN: The Online Journal of Issues in Nursing. | |
Seckman | Electronic health records and applications for managing patient care | |
US11600397B2 (en) | Systems and methods for conversational flexible data presentation | |
Frize | Health care engineering Part II: Research and development in the health care environment | |
Mandell et al. | Development of a visualization tool for healthcare decision-making using electronic medical records: A systems approach to viewing a patient record | |
Benson et al. | The impact of technology | |
Norris | Toward new vital signs: Tools and methods for physiologic data capture, analysis, and decision support in critical care | |
US20230317291A1 (en) | Clinical Contextual Insight and Decision Support Visualization Tool | |
Erickson | A Descriptive Correlational Study of Rate and Determinants of Parental mHealth Adherence to Symptom Home Monitoring for Infants with Congenital Heart Disease During the Single Ventricle Interstage Period: The Domain Study | |
John et al. | A computer-assisted recording, diagnosis and management of the medically ill system for use in the intensive care unit: A preliminary report |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160720 |
|
WD01 | Invention patent application deemed withdrawn after publication |