CN107533565A - 从聚集式设备所感测的物理数据中标识事件 - Google Patents

从聚集式设备所感测的物理数据中标识事件 Download PDF

Info

Publication number
CN107533565A
CN107533565A CN201680024773.0A CN201680024773A CN107533565A CN 107533565 A CN107533565 A CN 107533565A CN 201680024773 A CN201680024773 A CN 201680024773A CN 107533565 A CN107533565 A CN 107533565A
Authority
CN
China
Prior art keywords
data
base entries
data base
value
physical index
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
Application number
CN201680024773.0A
Other languages
English (en)
Inventor
S·I·布坎南
W·B·米勒
S·南比亚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Technology Licensing LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Microsoft Technology Licensing LLC filed Critical Microsoft Technology Licensing LLC
Publication of CN107533565A publication Critical patent/CN107533565A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Computational Linguistics (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

各方面涉及用于从聚集式设备所感测的物理数据中预测事件的方法、***和计算机程序产品。各方面促进从变化的感测设备对物理指标(例如身体指标和环境指标)进行动态地目标收集和聚集。聚集式数据可被用于对健康相关事件(或其他场景)进行模式分析、报告和预测结果。收集的物理指标数据可至少部分地基于数据源来被匿名化或个性化。模式分析可被用于以不同的级别进行报告(例如个人或商业、本地或全球)并返回相应的上下文驱动结果，包括潜在的医疗健康相关事件或与研究在一段时间内发生在一大群人身上的变化相关(例如，与人口统计相关)的其他事件。

Description

从聚集式设备所感测的物理数据中标识事件
背景
1.背景和相关技术
计算机***及相关技术影响社会的许多方面。的确，计算机***处理信息的能力已转变了人们生活和工作的方式。现在，计算机***通常执行在计算机***出现以前人工执行的许多任务(例如，文字处理、日程安排、帐目管理等)。最近，计算机***彼此耦合并耦合到其它电子设备以形成计算机***及其它电子设备可在其上传递电子数据的有线和无线计算机网络。因此，许多计算任务的执行被分布在多个不同的计算机***和/或多个不同的计算环境中。例如，分布式应用可在许多不同的计算机***处具有组件。
用于检测健康相关事件的身体指标数据(例如，温度)可被自报告和/或可由各种不同类型的电子设备收集。然而，任何检测都主要依赖于对经收集的身体指标的回顾分析。回顾分析不能有效地整合来自多个数据源的近实时数据收集。回顾分析也无法及时使用诸如位置和时间之类的上下文信息。
此外，自报告的个体在报告之前通常会等待一些时间量(几小时、几天或几周)。缺乏即时性意味着信息在被收到时可能已过时。
因此，目前用于报告和分析身体指标数据的机制通常被降级为检测先前发生的健康相关事件。
附加地，从多个数据源收集身体指标数据可产生大量不同格式的身体指标数据，并省略相关上下文线索。身体指标数据可能难以被快速理解并可视化为原生格式。可能难以基于身体指标数据导出任何有意义的确定并且呈现那些对用户有意义的确定。
简要概述
各示例涉及用于从聚集式设备所感测的物理数据中标识事件的方法、***和计算机程序产品。计算机***被通信地耦合到物理指标数据的数据库。数据库存储一个或多个物理指标的值，包括以下各项中的一者或多者：身体指标、行为指标、以及环境指标。物理指标数据被存储在多个数据库条目中，每个条目包括物理指标的值、地理空间数据、时间数据以及设备标识符。
设备标识符标识收集物理指标的值的设备。物理指标数据与多个个体相关，并且使用被配置为感测一个或多个不同物理指标的一个或多个对应设备(例如，传感器)来收集。根据指定的时序，从一个或多个对应设备自动地收集物理指标数据。
从物理指标数据标识健康相关事件或结束状态。计算机***访问对健康相关确定的请求。计算机***从多个条目数据库条目中标识与请求相关的子多个(sub-plurality)数据库条目。每个子多个条目数据库条目基于以下各项中的一者或多者被标识成相关的：被包括在数据库条目中的物理指标数据、地理空间数据、时间数据、以及设备标识符。
计算机***根据请求将被包括在子多个数据库条目中的值聚集入聚集式数据集中。计算机***分析聚集式数据集以标识健康相关事件。计算机***响应于请求指示经标识的健康相关事件。标识健康相关事件可包括检测先前或正在进行的健康相关事件或预测将来可能发生的健康相关事件。
附加特征和优点将在以下描述中提出，且部分会从描述中显而易见，或者可以通过实践来获悉。特征和优点可借助在所附权利要求书中特别指出的工具和组合来实现和获得。这些和其他特征从以下描述和所附权利要求书中将更完全显而易见，或者可以通过如下文所述实践而获悉。
附图简述
为了描述可获得以上记载的及其他优点和特征的方式，将参照各具体实现呈现以上简述的各方面的更具体描述，各具体实现在附图中例示。理解这些附图仅描述某些实现，因此不应被视为限制本发明的范围，各实现将通过使用附图以附加的具体性和细节来描述和解释，附图中：
图1例示了用于从聚集式设备所感测的物理数据中标识健康相关事件的示例计算机架构。
图2例示了用于标识健康相关事件的示例方法的流程图。
图3例示了示例设备访问控制编号(DACN)格式。
图4例示了用于从设备所感测的物理数据中标识健康相关事件的示例计算机架构。
图5例示了用于从设备所感测的物理数据中标识健康相关事件的示例计算机架构。
图6例示了示例聚集模型。
图7例示了市场分段和使用类型的示例表。
详细描述
各示例涉及用于从聚集式设备所感测的物理数据中标识事件的方法、***和计算机程序产品。计算机***被通信地耦合到物理指标数据的数据库。数据库存储一个或多个物理指标的值，包括以下各项中的一者或多者：身体指标、行为指标、以及环境指标。物理指标数据被存储在多个数据库条目中，每个条目包括物理指标的值、地理空间数据、时间数据以及设备标识符。
设备标识符标识收集物理指标的值的设备。物理指标数据与多个个体相关，并且使用被配置为感测一个或多个不同物理指标的一个或多个对应设备(例如，传感器)来收集。根据指定的时序，从一个或多个对应设备自动地收集物理指标数据。
从物理指标数据标识健康相关事件或端点。计算机***访问对健康相关确定的请求。计算机***从多个条目数据库条目中标识与请求相关的子多个(sub-plurality)数据库条目。每个子多个条目数据库条目基于以下各项中的一者或多者被标识成相关的：被包括在数据库条目中的物理指标数据、地理空间数据、时间数据、以及设备标识符。
计算机***根据请求将被包括在子多个数据库条目中的值聚集入聚集式数据集中。计算机***分析聚集式数据集以标识健康相关事件。计算机***响应于请求指示经标识的健康相关事件。标识健康相关事件可包括检测先前或正在进行的健康相关事件或预测将来可能发生的健康相关事件。
各实现可包括或利用专用或通用计算机，该专用或通用计算机包括诸如例如一个或多个处理器和***存储器等计算机硬件，如以下更详细讨论的。各实现还包括用于承载或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。这样的计算机可读介质可以是可由通用或专用计算机***访问的任何可用介质。存储计算机可执行指令的计算机可读介质是计算机存储介质(设备)。承载计算机可执行指令的计算机可读介质是传输介质。由此，作为示例而非限制，各实现可包括至少两种显著不同的计算机可读介质：计算机存储介质(设备)和传输介质。
计算机存储介质(设备)包括RAM、ROM、EEPROM、CD-ROM、固态驱动器(“SSD”)(如基于RAM)、闪存、相变存储器(“PCM”)、其它类型的存储器、其它光盘存储、磁盘存储或其它磁存储设备、或可用于存储计算机可执行指令或数据结构形式的所需程序代码装置且可由通用或专用计算机访问的任何其它介质。
“网络”被定义为使得电子数据能够在计算机***和/或模块和/或其它电子设备之间传输的一个或多个数据链路。当信息通过网络或另一个通信连接(硬连线、无线、或者硬连线或无线的组合)传递或提供给计算机时，该计算机将该连接适当地视为传输介质。传输介质可包括可被用来携带所需要的以计算机可执行的指令或数据结构的形式存在的程序代码装置并通过通用或专用计算机可访问的网络和/或数据链路。上述的组合应当也被包括在计算机可读介质的范围内。
此外，在到达各种计算机***组件之后，计算机可执行指令或数据结构形式的程序代码装置可从传输介质自动传递到计算机存储介质(设备)(或反之亦然)。例如，通过网络或数据链接接收到的计算机可执行指令或数据结构可被缓存在网络接口模块(例如，“NIC”)内的RAM中，然后最终被传递到计算机***RAM和/或计算机***处的较不易失性的计算机存储介质(设备)。因而，应当理解，计算机存储介质(设备)可被包括在还利用(甚至主要利用)传输介质的计算机***组件中。
计算机可执行指令例如包括，当在处理器处执行时使通用计算机、专用计算机、或专用处理设备执行某一功能或某组功能的指令和数据。计算机可执行指令可以是例如二进制代码、诸如汇编语言之类的中间格式指令、或甚至源代码。尽管用结构特征和/或方法动作专用的语言描述了本主题，但可以理解，所附权利要求书中定义的主题不必限于上述特征或动作。相反，上述特征和动作是作为实现权利要求的示例形式而公开的。
本领域的技术人员将理解，各种描述的方面可以在具有许多类型的计算机***配置的网络计算环境中实践，这些计算机***配置包括个人计算机、台式计算机、膝上型计算机、消息处理器、手持式设备、可穿戴设备、多处理器***、基于微处理器的或可编程消费电子设备、网络PC、小型计算机、大型计算机、移动电话、PDA、平板、寻呼机、手表、路由器、交换机等等。描述的各方面也可在其中通过网络链接(或者通过硬连线数据链路、无线数据链路，或者通过硬连线和无线数据链路的组合)的本地和远程计算机***两者都执行任务的分布式***环境中实施。在分布式***环境中，程序模块可以位于本地和远程存储器存储设备二者中。
描述的各方面还可以在云计算环境中实现。在该描述和下面的权利要求书中，“云计算”被定义为用于允许对可配置计算资源的共享池的按需网络访问的模型。例如，云计算机可被部署于市场以提供对可配置计算资源的共享池的普遍存在且方便的按需访问。可配置计算资源的共享池可经由虚拟化而被快速地供应，并可利用低管理努力或服务提供商交互来释放，并随后相应被缩放。
云计算模型可由各种特性组成，诸如举例来说按需自服务、广泛网络访问、资源池、快速灵活性、测定的服务等。云计算模型还可展现各种服务模型，诸如例如软件即服务(“SaaS”)、平台即服务(“PaaS”)以及基础结构即服务(“IaaS”)。云计算模型还可以使用不同的部署模型来部署，诸如私有云、社区云、公共云、混合云等。在该描述和权利要求书中，“云计算环境”是其中采用了云计算的环境。
在该描述和下面的权利要求书中，“感测设备”被定义为感测物理指标的设备。感测设备可以是更专用的设备，诸如例如温度计、风速计等，或更通用的设备，诸如例如智能电话或计算机。感测设备可被配置为通过物理或数字地(例如，通过软件)改变感测设备的设置、警告配置等来感测不同的物理指标。感测设备可包括扫描器、红外(IR)相机、嵌入式设备、可穿戴设备、可植入设备、智能传感器、射频标识(RFID)设备、硅树脂膜技术等。
在该描述和下面的权利要求书中，“物理指标”被定义为可被感测设备感测的指标。物理指标可包括身体指标和环境指标。身体指标是人类身体的指标，诸如例如年龄近似、身体尺寸、近似的身体质量指数(BMI)、身高、体重、温度、生物特征、体液(DNA、血、尿、粪、粘液、痰、鼻涕、耳垢)化学物质及其代谢物(包括pH)、血糖、血压、抗凝水平、骨密度、皮肤电阻、呼吸和深呼吸(例如氧饱和度、模式和频率、CO2水平、呼吸气味)、心率(包括模式)、成像(X射线、MRI、超声)、可视身体指标(例如虹膜识别、视网膜识别、耳朵(特征和形状)、面部(特征和模式，包括识别)、指纹识别、手(包括手指甲床)几何和识别、脚(脚趾甲床)几何识别、血管模式)、听觉(语音模式、语音识别、说话者识别)、行为(步行风格或步态、步行速度、击键动力学、签名)、精细动作、压感触控(击键动力学和签名识别)以及心理测量等。环境指标是环境的指标，诸如例如人口、天气、个体移动、花粉计数、环境温度、气压、海拔、紫外线(UV)暴露等。
在该描述和下面的权利要求书中，“健康相关事件”被定义为与一个或多个个体的健康和/或安全性相关的事件。健康相关事件可以是环境事件或状况，诸如例如地震、恶劣天气(例如***)等。健康相关事件(或端点)可以是公共健康事件，诸如例如流行病或传染病。健康相关事件可以是对一个或多个个体内状况(物理、行为等)的检测，诸如例如症状、体征、实验异常、疾病等。
各方面促进从变化的感测设备对物理指标(例如身体指标和环境指标)进行动态地目标收集和聚集。聚集式数据可被用于对健康相关事件(或其他场景)进行模式分析、标识、报告和预测结果。可在数百、数千、数百万或甚至数十亿个物理指标值上执行标识、模式分析、报告和预测结果，其中物理指标值是从数百、数千或甚至数百万个感测设备处收集的。感测设备可能位于不同的地理位置处。感测设备可收集并报告由用户和管理员指定的物理指标值。标识、模式分析、报告和预测结果可针对特定的市场分段量来被定制。
图1例示了用于从设备所感测的物理数据中标识健康相关事件的示例计算机架构100。参考图1，计算机架构100包括计算机***101、感测设备102、以及数据库104。计算机***101、感测设备102、以及数据库104可被连接到诸如例如局域网(“LAN”)、广域网(“WAN”)和甚至因特网之类的网络(或成为其一部分)。因此，计算机***101、感测设备102、和数据库104以及任何其他连接的计算机***和它们的组件都能够创建消息相关数据并通过网络交换消息相关数据(例如，网际协议(“IP”)数据报和利用IP数据报的其他更高层协议，诸如传输控制协议(“TCP”)、超文本传输协议(“HTTP”)、简单邮件传输协议(“SMTP”)、简单对象访问协议(SOAP)等，或使用其他非数据报协议)。
如所描绘的，感测设备102包括感测设备102A-102G。任何(潜在的大量)数量的其它感测设备也可被包括在感测设备102中。感测设备102跨不同地理位置分布、被不同实体使用、并被配置成感测各种不同物理指标中的一个或多个。例如，感测设备可从医院的温度计、变到机场中的热成像相机、变到个体穿戴的健身带。
不同的感测设备可被配置成以不同的精度(保真度)监测相同的物理指标。例如，温度计可测量个体的绝对温度。热成像相机可在指定误差范围内测量一组个体之间的温度差。当测量温度时，相对于热成像相机而言温度计可能具有较小的误差范围。
相同类型的不同感测设备也可具有不同的误差范围。例如，来自一个制造商的温度计可能比来自另一个不同制造商的温度计更精确或更不精确。
感测设备102可包括彼此类似(或甚至相同)的一些感测设备(诸如例如多个IR相机)，并且还可包括彼此不同的一些感测设备(诸如例如温度计和风速计)。因此，一些感测设备能够感测类似(或甚至相同)的物理指标，而其他感测设备能够感测彼此不同的物理指标。因此，被包括在感测设备102中的每个不同的感测设备能够感测和报告一个或多个物理指标的数据。一个或多个物理指标可与被包括在感测设备102中的其它感测设备相同或不同。
各感测设备可根据用户或管理员指示被单独地配置(取决于感测设备自身而本地和/或远程地配置)以感测和报告其能力内的任何物理指标的数据。例如，公共区域中的嵌入式感测设备可被单独地配置为在被请求时(按指定的时间表、以指定的时间间隔、响应于来自另一设备(其可以也是感测设备)的通信、或在对私有设备的用户指定的批准之际)感测经指定的物理指标。
被包括在感测设备102中的每个不同的感测设备还可根据用户或管理员指示被配置成将一个或多个经感测的物理指标的数据流发送到数据库104。例如，每个不同的感测设备可被单独地配置为在被请求时(按指定的时间表、以指定的时间间隔、当感测设备处的阈值被满足时、或在对私有设备的用户指定批准之际等)发送经感测的物理指标的数据流。
在一些方面，感测设备包括存储设备。感测设备可持续地感测物理指标的值，并将感测值的指示存储在存储设备处。当多个感测值满足阈值时，感测设备可将感测值的数据流从存储设备发送到数据库104。例如，相机或IR扫描器可感测在公共场所(例如，图书馆或学校)的入口处的温度差。只要经扫描的个体的温度差在指定(正常)范围内，相机或IR扫描器就可按指定的时间间隔(例如，每小时或每天)发送温度值的数据流。然而，如果温度差超出了指定正常范围(不论是具有高温的个体的温度差还是温度数值)，相机或IR扫描器可在下一个指定的时间间隔之前发送温度值的数据流。
来自感测设备的数据流可包括一个或多个经感测的物理指标的值、该一个或多个值的地理空间数据、该一个或多个值的时间数据、以及设备ID。取决于配置，感测设备的数据流可以近实时或基本上实时的方式将数据推送到数据库104。
经感测的物理指标值的地理空间数据可指定感测设备在何处感测到物理指标的值的地理位置。地理空间数据在保真度方面有所不同，从较精确的诸如全球定位***(GPS)坐标或地址到较不精确的诸如邮政编码或城市。在一个方面，地理空间数据指定建筑物或校园，诸如例如机场、高校、大学、医院、餐厅、商场等。
经感测的物理指标值的时间数据可指示感测设备在何时感测到物理指标值的时间和日期。时间数据在保真度方面也可能有所不同，从较精确的诸如毫秒精度到较不精确的诸如分钟或小时精度甚至到更加不精确的诸如日精度。
可根据数据库104使用的存储模式(例如，可扩展标记语言(XML)模式)来格式化个体数据流。存储模式定义了身体指标数据的语义和结构，以促进在数据库104和其他设备和数据库之间更有效地交换身体指标数据。模式可定义感测值、地理空间数据、时间数据、和设备ID的格式。
设备ID标识感测设备。在一个方面，设备ID是设备访问控制编号(DACN)。DACN包括感测设备的制造商、产品和版本、使用类型、以及唯一标识符。DACN可包括用于存储附加和/或扩展感测设备信息(诸如例如用户特定信息、以及将来可用的附加设备信息等)的额外的未使用的字段。
简要地转向图3，图3例示了设备访问控制编号(DACN)格式300。如所描绘的，DACN格式300包括制造商ID字段301、产品和版本ID字段302、使用类型字段303、设备唯一ID字段304、扩展字段306、以及扩展字段307。包括设备ID 116和126的被存储在数据条目109的设备ID中的数据可以是DACN格式300或类似的格式。
来自被包括在感测设备102中的各感测设备的个体数据流由数据流103统一表示。
数据库104可将来自数据流103的数据存储为数据库条目。每个数据库条目可包括指标/值对、地理空间数据、时间数据、以及设备ID。指标值对指示物理指标和该物理指标的感测值(例如，人类身体温度和98.6华氏度)。地理空间数据指示在何处感测到感测值的位置。时间数据指示在何时感测到感测值的日期和时间。设备ID标识感测到感测值的感测设备。
例如，数据库104包括数据库条目109。数据库条目109可包括数百、数千、甚至数百万条表示感测物理指标的数据库条目。如所描绘的，数据库条目109包括条目111和121。在条目111和121之前、之间和之后的垂直省略号表示在条目111和121之前、之间和之后数百、数千、数百万或数十亿条数据库条目可被包括在数据库104中。
条目111包括指标/值对112、地理空间数据113、时间数据114、以及设备ID 116。设备ID 116可标识感测设备102A，包括：感测设备102A的制造商、感测设备102A的产品和版本、感测设备102A的使用类型、以及感测设备102A的唯一标识符。指标/值对112可指示物理指标和感测设备102A感测到的该物理指标的值(例如，心率和65跳每分钟)。地理空间数据113可指示感测设备102A在何处感测到指标/值对112的位置(例如，GPS坐标、建筑物或校园、地址、邮政编码等)。时间数据114可指示感测设备102A在何时感测到指标/值对112的日期和时间。
类似地，条目121包括指标/值对122、地理空间数据123、时间数据124、以及设备ID126。设备ID 126可标识感测设备102E，包括：感测设备102E的制造商、感测设备102E的产品和版本、感测设备102E的使用类型、以及感测设备102E的唯一标识符。指标/值对122可指示物理指标和感测设备102E感测到的该物理指标的值(例如，血糖(葡萄糖)水平和125mg/dL)。地理空间数据123可指示感测设备102E在何处感测到指标/值对122的位置(例如，GPS坐标、建筑物或校园、地址、邮政编码等)。时间数据124可指示感测设备102E在何时感测到指标/值对122的日期和时间。
一般而言，计算机***101可从数据库条目109中标识健康相关事件。条目标识模块106可从数据库条目109中标识与健康相关事件相关的子多个条目。聚集模块107可将来自子多个条目的值聚集入聚集式数据集中。分析模块108可分析聚集式数据集以标识健康相关事件。可向有关实体和/或人员指示被标识的健康相关事件。标识健康相关事件可包括检测先前或正在进行的健康相关事件或预测将来可能发生的健康相关事件。
图2例示了用于标识健康相关事件的示例方法200的流程图。方法200将参考计算机架构100的组件和数据来描述。
方法200包括访问对健康相关确定的请求(201)。例如，计算机***101可访问请求127。请求127可以是手动地或自动地提交对健康相关确定的请求。请求127可以是自组织请求或间歇性地持续提交的请求。
方法200包括从多个条目数据库条目中标识与请求相关的子多个数据库条目，每个子多个条目数据库条目基于以下各项中的一者或多者被标识成相关的：被包括在数据库条目中的物理指标数据、地理空间数据、时间数据、以及设备标识符(202)。例如，条目标识模块106可标识与请求127相关的(来自数据库条目109的)条目子多个131。条目子多个131可包括身体指标和/或环境指标的条目。计算机***101可使用Web服务与数据库104进行通信，以标识和检索条目子多个131。
相关性算法(试探)可基于以下各项中的一者或多者来确定数据库条目与健康相关确定请求的相关性：被包含在数据库条目中的数据、与健康相关确定请求相关联的位置、与健康相关确定请求相关联的时间段、在健康相关确定请求中指示的设备精度等。例如，过去8小时内在机场或机场附近的各个体所感觉到的温度值可能与确定在机场爆发传染病的可能性的请求相关。
在一些方面，在某一位置和/或某一时间感测到的物理指标值与在另一位置和/或另一时间的健康相关确定相关。例如，继续机场的示例，某天个体所感测到的103华氏度的温度(在家或在医生的办公室)可与该个体在第二天通过机场时在机场的健康相关确定相关。可使用各种不同的跟踪机制将个体所感测到的物理指标值与个体在不同时间移动到不同位置时个体所感测到的物理指标值相链接。例如，健身带或移动电话标识符可与个体相关联，并且被用于对在不同位置和/或在不同时间个体所感测到的物理指标值进行匹配。跟踪可以是匿名的，使得个体的物理指标值可被彼此链接并被链接到个体，但是没有关于个体的标识信息是已知的。
在一个方面，请求在精度满足特定阈值的感测设备处感测到的物理指标值。继续机场的示例，被温度计感测到的温度的值可能与请求127相关，但被热成像相机感测到的温度差的值可能与请求127无关。
方法200包括根据请求将被包括在子多个数据库条目中的值聚集入聚集式数据集中(203)。例如，聚集模块107可将条目子多个131的值聚集入聚集式数据集136中。聚集算法(试探)可基于与物理指标值相关联的地理空间数据、时间数据和设备特征来聚集(例如，针对身体指标和/或环境指标的)物理指标值。例如，相对于在具有低精度的设备处感测到的物理指标值，在具有高精度的设备处感测到的物理指标值可被给予更多的(例如，统计)权重。类似地，物理指标值可基于地理空间数据和/或时间数据被(例如，统计地)加权，地理空间数据和/或时间数据分别指示相对于在健康相关确定请求中指定的位置和/或时间的接近程度。
方法200包括分析聚集式数据集以标识健康相关事件(204)。例如，分析模块108可分析聚集式数据集132以生成健康相关事件标识预测128。分析算法(试探)可标识一个或多个个体的健康相关事件或发生在某位置处的健康相关事件。例如，分析算法可标识传染病正在公共场所中传播。
方法200包括响应于请求指示经标识的健康相关事件(205)。例如，计算机***101可响应于请求127指示健康相关事件标识128。可向有关个人或机构指示被标识的健康相关事件。例如，可向有关政府实体指示可能的疾病爆发。
在一些方面，可在图形用户界面(GUI)处渲染所标识的健康相关事件。所标识的健康相关事件可以与其他支持和/或其他相关数据和内容(例如，子多个数据库条目和/或聚集式值、位置、时间和日期、代表性用户界面元素和/或控件等中的一些或全部)一起被渲染在可视布置中。所渲染的可视布置可将健康相关事件与其他支持和/或其他相关数据和内容一起呈现给观看个体。
当标识出健康相关事件时，可将健康相关事件与其他相关和/或代表性数据一起发送到渲染模块(未示出)。渲染模块可在用户界面(例如，图形用户界面(GUI))的内容可视布置中呈现健康相关事件以及其他相关和/或代表性数据和内容。因此，用户界面可视地且有意义地传达语料库物理指标数据的健康相关事件的情况。
支持和/或其他相关数据可包括被用于感测物理指标的设备和设备对于感测物理指标的准确性。具有低精度的设备(例如，IR相机)可最初被用于标识健康相关事件(例如，多个个体相对于周围个体而言具有高温)。健康相关事件可随后基于来自其他设备(例如，温度计)的具有高精度的附加物理指标数据来确认。因此，设备类型和设备精度可与健康相关事件一起被包括于在用户界面处渲染的内容可视布置中。设备类型和设备精度可为观看用户提供对健康相关事件的置信度。
GUI可被用于呈现单个个体或多个个体的健康相关事件和其他相关和/或代表性数据和内容。在一个方面，用户同意提交他们自己的物理指标数据，以换取检查和跟踪他们自己的指标和/或被单独警告潜在的健康相关事件的能力。
时间流逝、地图、和/或其他技术可被用于显示正在进行的健康相关事件随时间的状态(例如，进展)(例如，可能的疾病传播等)。当与健康相关事件相关联的附加的实时或近实时的物理指标数据被访问时，该实时或近实时的物理指标数据可被整合到用户界面处渲染的内容可视布置中，从而可视地更新用户界面内的健康相关事件的状态。
转到图4，图4例示了用于从设备所感测的物理数据中标识健康相关事件的示例计算机架构400。参考图4，计算机架构400包括计算机***401、感测设备402、以及数据库404。计算机***401、感测设备402、以及数据库404可被连接到诸如例如局域网(“LAN”)、广域网(“WAN”)和甚至因特网之类的网络(或成为其一部分)。因此，计算机***401、感测设备402、和数据库404以及任何其他连接的计算机***和它们的组件都能够创建消息相关数据并通过网络交换消息相关数据(例如，网际协议(“IP”)数据报和利用IP数据报的其他更高层协议，诸如传输控制协议(“TCP”)、超文本传输协议(“HTTP”)、简单邮件传输协议(“SMTP”)、简单对象访问协议(SOAP)等，或使用其他非数据报协议)。
任何(潜在的大量)数量的其它感测设备可被包括在感测设备402中。类似于感测设备102，感测设备402跨不同地理位置分布、被不同实体使用、并被配置成感测各种不同物理指标中的一个或多个。不同的感测设备可被配置成以不同的精度(保真度)监测相同的物理指标。被包括在感测设备402中的每个不同的感测设备可根据用户或管理员指令被单独地配置以感测经指定的物理指标。类似于感测设备102，被包括在感测设备402中的每个不同的感测设备还可根据用户或管理员指令被配置成将一个或多个经感测的物理指标的数据流发送到数据库404。
来自感测设备402中的感测设备的数据流可包括一个或多个经感测的物理指标的值、该一个或多个值的地理空间数据、该一个或多个值的时间数据、以及设备ID。取决于配置，感测设备的数据流可以近实时或基本上实时的方式将数据推送到数据库404。经感测的物理指标值的地理空间数据可指定感测设备在何处感测到物理指标的值的地理位置。经感测的物理指标值的时间数据可指示感测设备在何时感测到物理指标值的时间和日期。设备ID标识感测设备，并且可以是设备访问控制编号(DACN)。
来自被包括在感测设备402中的各感测设备的个体数据流由数据流403统一表示。
类似于数据库104，数据库404可将来自数据流403的数据存储为数据库条目。每个数据库条目可包括指标/值对、地理空间数据、时间数据、以及设备ID。指标值对指示物理指标和该物理指标的感测值(例如，与心脏的电活动相关的值)。地理空间数据指示在何处感测到感测值的位置。时间数据指示在何时感测到感测值的日期和时间。设备ID标识感测到感测值的感测设备。
数据库条目409可包括数百、数千、数百万或甚至数十亿条表示感测物理指标的数据库条目。如所描绘的，数据库条目409包括条目411和412。在条目411和412之前、之间和之后的垂直省略号表示在条目411和412之前、之间和之后数百、数千、或数百万条数据库条目可被包括在数据库404中。
条目411和412可分别包含与图1中的条目111和121格式相似的数据。
计算机***401的所有者可能持续需要分析数据库条目409。因此，所有者可从数据库404的所有者处购买或以其他方式获得数据库条目409的权限。因此，数据库条目409可从数据库404被传递到本地存储441。
一般而言，计算机***401可从数据库条目409中标识健康相关事件。条目标识模块406可从(被存储在本地存储441内的)数据库条目409中标识与健康相关事件相关的子多个条目。聚集模块407可将来自子多个条目的值聚集入聚集式数据集中。分析模块408可分析聚集式数据集以标识健康相关事件。可向有关实体和/或人员指示被标识的健康相关事件。
例如，用户442(例如，计算机***401的所有者的雇员)可向计算机***401提交请求427。条目标识模块406、聚集模块407、以及分析模块408可响应于请求427而互操作以生成健康相关事件标识428。计算机***401可将健康相关事件标识428返回给用户442。
转到图5，图5例示了用于从设备所感测的物理数据中标识健康相关事件的示例计算机架构500。如所描绘的，感测设备502感测域507的物理指标的值、感测设备512感测域517的物理指标的值、感测设备522感测域527的物理指标的值。感测设备502可发送数据流503以存储在数据库504中、感测设备512可发送数据流513以存储在数据库514中、以及感测设备522可发送数据流523以存储在数据库524中。
计算机***501可处理来自数据库504的条目以标识域507的健康相关事件。类似地，计算机***511可处理来自数据库514的条目以标识域517的健康相关事件。
域507可以是域527的子域。例如，域527可表示国家，而域507可表示该国家内的城市。因此，数据库504可将数据流533发送到数据库524。数据流533可包括与域527相关的来自数据库504的数据条目。域527还可具有将相关数据库条目流传送向数据库524的其他子域。数据库524可聚集来自数据库504的数据库条目，并在其他子域中形成数据库以及根据数据流523生成的数据库条目。计算机***521可处理来自数据库524的条目以标识域527的健康相关事件。域527的健康相关事件也可与域507和域527的其他子域相关。
数据库534可以是进一步的(例如，国家或地方)储存库。因此，数据库514可将数据流543发送到数据库534。数据流543可包括来自数据库514的数据条目。类似地，数据库524可将数据流553发送到数据库534。数据流553可包括来自数据库524的数据条目。数据库534可将来自数据库514的数据库条目和来自数据库524的数据库条目聚集在一起计算机***531可处理来自数据库534的条目以标识域507、域517、以及域527中任一个的健康相关事件。
感测设备、数据库、以及计算机架构500的计算机***可被连接到诸如例如局域网(“LAN”)、广域网(“WAN”)和甚至因特网之类的网络(或成为其一部分)。因此，感测设备、数据库、和计算机架构500的计算机***以及任何其他连接的计算机***和它们的组件都能够创建消息相关数据并通过网络交换消息相关数据(例如，网际协议(“IP”)数据报和利用IP数据报的其他更高层协议，诸如传输控制协议(“TCP”)、超文本传输协议(“HTTP”)、简单邮件传输协议(“SMTP”)、简单对象访问协议(SOAP)等，或使用其他非数据报协议)。
可根据聚集模型在各数据库之间聚集数据库条目。聚集模块可包括用作基于设备制造和用户类型(例如，消费者、医疗军事等)的具有DACN的数据点的多个感测设备。设备数据点向可滚入区域收集器的本地收集器提供数据。感测设备还可经由分析和机器学习对通知、报告等粒度进行位置感知。替换的双重方法可基于使用位置的收集方法(例如，通过使用媒体访问控制(MAC)类型以及位置或更细粒度)来促进聚集。
图6例示了示例聚集模型600。以每个大陆为基础，一个或多个感测设备可将感测物理指标数据值提供给(流传送给)对应于区域连接器(例如军事、政府、消费者、医疗以及零售)的一个或多个局部收集器。一个或多个本地连接器可将感测物理指标数据滚入相应的区域收集器。例如，在大陆1上，用于军事区的一个或多个本地收集器可将感测物理数据值滚动到军事区域收集器。区域收集器可相应地将感测物理指标数据滚动到根。
基于连续连接设备流或非流/非连续使用数据收集，可使用不同的聚集模型。不同的聚集模型也可被用于匿名数据或个性化数据。
对于连续扫描设备(例如，IR相机扫描器)设备而言，一些设备可包括传送来自感测设备或感测设备群的结果以用于评估的数学函数，(例如，在高校处的相机/IR扫描器——在入口处扫描个体的数量并显示增高或升高温度差)。感测物理指标值可被聚集在感测设备内，直到阈值被满足。当阈值被满足时，感测物理指标值可被发送到相应的数据库(例如，经由数学试探使用web服务)。
对于非连续使用的感测设备或多用户感测设备(例如，手持式无线温度计，或Kiosk相机/扫描器)，用户可(例如，通过扫描感测设备上的代码)将感测设备与标识正在被扫描的用户的健康或健康状态帐户配对。替换地，通过匿名化，感测设备向区级收集器发送DACN和位置信息。
各种不同的数据收集点可被用于不同的位置。集中扫描可被用于各种环境。例如，机场安检扫描器可扫描温度差和身体指标以用于模式预测和拦截。即，当有发烧的人到达时，通知适当的政府官员。
监狱IR扫描器可筛选更高的心率来确定人群的激动水平。
在学校和其他公共场所，扫描器可对个体进行疾病和/或行为标识的筛选。扫描结果可被用于检测疾病的爆发或标识其他健康相关事件。
在零售场所中，扫描器可筛选身体指标(例如发烧)以确定对增加设施维护的需要。
在制造场所中，扫描器可筛选身体指标(例如发烧)以便早期预测可能影响员工配置的疾病。
在医疗设施(医院，牙科诊所等)中，扫描器可筛选以标识可能的感染，以便适当的方案可被用于防止可能感染风险的访客进入。
在戏院场所，扫描器可筛选以确定观众对戏剧或电影的参与和/或反应。
多个生物特征指示符的值可被组合以检测复合物的异常水平或更大群体中的特定***。适当的当局可被警告。例如，多个生物特征指示符的值可被用于早期发现：发生故障的水处理设施、工业事故/泄漏、化学/生物攻击、食品污染。检查地理空间历史，当局可能可以追溯到可能的源，诸如，在特定餐厅就餐的人、生活在相同子地区的人、在相同办公建筑群内工作的人等。
例如，可通过诸如IR相机、出入口处的扫描器、安全区域入口处的毫米波扫描器、以及旅客健身带之类的感测设备来提供在机场处的连续的实时或近实时流。在学校中，可通过入口处的感测设备IR扫描器和Kinect(体感设备)来提供连续的实时或近实时流。在学校，非流/非连续数据由手持式设备(手机、平板等)、智能传感器、智能腕带、以及其他智能设备来提供。在医疗设施(医院、诊所、疗养院等)中，可通过旅客入口处的IR相机/扫描器来提供连续的实时或近实时流传送。在医疗设施中，由手持设备(例如，激光器或无线温度计)来提供非流/非连续数据。在医疗设施中，可由智能传感器、身体***、微芯片、嵌入物、可穿戴设备、以及其他硅树脂膜技术来提供连续的数据点，以跟踪pH水平和温度来向员工提供日常更新和警告。
各方面允许各种聚集和健康事件标识场景。例如，在进入医院的急诊室之际，经由IR相机的实时或近实时扫描就发生了。各个体被集体扫描以获得他们和他们周围的其他人之间的温度差。扫描器向急诊分诊台(ER Triage)护士发出警告，将要到达的病人具有极高的身体指标(温度或心率)，从而允许员工作出更及时的反应。类似地，用户选择使用个人设备(例如，腕带和健康帐户)可警告将到达的ER需检查他们当前的身体指标。
在另一示例中，在进入体育馆或其他场所之际安检相机执行实时或近实时的扫描。各个体可被集体扫描以获得相对于其他个体的温度差。数据源(扫描器)可将匿名(非标识)数据(例如，温度和其他身体指标值)与地理空间和时间数据一起发送给数据库。实时或近实时数据被处理以将相关的上下文结果返回给选择接收报告结果的个体(用户)。实时或近实时数据也可在较大(例如，区域)级别处被聚集，以向其他机构和商业组织(医院、学校、药品制造厂等)报告。
在进一步的示例中，一位国际旅行者穿着健身带，并在健康账户提供商处拥有健康账户。在为国际航班准备期间，旅行者登录到他们的健康帐户，以检查个人健康数据，并获得目的地的任何健康警告。旅行者的物理指标值被匿名化并被提供给数据库。
一旦抵达目的地，安检相机就执行实时或近实时的扫描。在离开飞机时，各个体可被集体扫描以获得相对于其他个体的温度差。数据源(扫描器)可将匿名(非标识)数据(例如，温度和其他身体指标值)与地理空间和时间数据一起发送给数据库。实时或近实时数据被处理以将相关的上下文结果返回给选择接收报告结果的个体(用户)。实时或近实时数据也可在较大(例如，区域)级别处被聚集，以向其他机构和商业组织(医院、学校、药品制造厂等)报告。附加地，一旦进入海关区域，其他感测设备就扫描护照并拍摄旅行者的照片。IR相机可检查升高的温度，并通知旅行者和/或海关人员。
在进一步的示例中，运动员在场上穿戴健身带和温度探测器。该队伍具有一个群体健康帐户，允许被标识的人基于特定条件接收警告并分享某些指标。传感器可检测异常高的身体温度(指示可能中暑)，并向教练发出警告。传感器还可检测异常的心律，并向教练发出警告。教练可拉取队员的(近)实时统计。运动员还可穿戴例如嵌入在头盔或嘴部件中的其他传感器，该传感器在运动员遭受到可能导致脑震荡的冲击时可进行感测。
健身带可被用于监测患者的手术后活动，以确定患者是否正在按预期恢复。
高危或老年人可被持续监测，以便向医生和紧急服务部门报告统计数据，以获得迅速反应。在医疗设施内，远程监测提供了更大的移动自由度而无需系链于监测器。在家里，远程监测可帮助个体在保持安全的同时保持独立性和自主性。
图7例示了市场分段和使用类型的示例表700。在表700中，分段被进一步切分成子分段。表700指示对特定子分段有用的访问类型，以用于访问健康相关事件和/或物理指标的值。表700还指示对特定子分段有用的递送机制，以用于访问健康相关事件和/或物理指标的值。表700还指示了健康相关事件和/或物理指标的值是如何有用于特定子分段的。
因此，所描述的方面促进由来自具有不同能力的各种感测设备处的动态收集的物理指标数据(身体指标数据和环境指标数据)的时空流驱动的人、区域、和全球医疗健康(以及其他场景)。收集的物理指标数据可至少部分地基于数据源来被匿名化或个性化。模式分析可被用于以不同的级别进行报告(例如个人或商业、本地或全球)并返回相关的上下文驱动结果，包括潜在的医疗健康相关事件或与研究在一段时间内发生在一大群人身上的变化相关(例如，与人口统计相关)的其他事件。
一般而言，所描述的方面有利于从潜在的大量和不同数量的感测物理指标数据中提取健康相关事件。所描述的方面也可被用于以近实时或基本上实时的方式标识(预测)正在发展的健康相关事件。健康相关事件以及其他相关数据可在用户界面的内容可视布置中被渲染。可视布置将健康相关事件和其他相关数据的有意义的呈现提供给观看个体。
在一些方面，***包括一个或多个处理器、多个感测设备、物理指标数据的数据库、以及一个或多个计算机存储设备。多个感测设备包括多种不同类型的感测设备。每种不同类型的感测设备被配置成根据指定的时间并按经指定的精度来感测一个或多个物理指标的值。一个或多个物理指标包括以下各项中的一者或多者：身体指标和环境指标。
物理指标数据的数据库存储物理指标的感测值，所述感测值已被多个感测设备所感测。物理指标数据被存储在物理指标数据的数据库中的多个数据库条目中。每个数据库条目包括物理指标的值、地理空间数据、时间数据、以及设备标识符。对于每个数据库条目而言，设备标识符标识收集物理指标的值的感测设备并指示该感测设备的指定精度。
一个或多个计算机存储设备上存储有表示用于标识健康相关事件的一个或多个模块的计算机可执行指令。一个或多个模块被配置成访问对健康相关确定的请求。一个或多个模块还被配置为从多个条目数据库条目中标识与请求相关的子多个数据库条目。每个子多个条目数据库条目基于以下各项中的一者或多者被标识成相关的：被包括在数据库条目中的物理指标数据、地理空间数据、时间数据、以及设备标识符。
一个或多个模块还被配置为：根据所述请求将被包括在子多个数据库条目中的值聚集入聚集式数据集中，分析所述聚集式数据集以标识健康相关事件，以及响应于所述请求指示经标识的健康相关事件。一个或多个模块被进一步配置成在用户界面(例如，图形用户界面(GUI))的内容可视布置中渲染健康相关事件以及其他相关和/或代表性数据和内容。内容可视布置可视地且有意义地传达聚集式数据集的健康相关事件的情况。
在另一方面，计算机***执行用于标识健康相关事件的方法。计算机***可被通信地耦合到物理指标数据的数据库。数据库存储一个或多个物理指标的值，包括以下各项中的一者或多者：身体指标和环境指标。物理指标数据被存储在多个数据库条目中。每个数据库条目包括物理指标的值、地理空间数据、时间数据、以及设备标识符。设备标识符标识收集物理指标的值的感测设备，所述物理指标数据与多个个体相关，使用被配置为感测一个或多个不同物理指标的一个或多个对应感测设备来收集所述物理指标数据。根据指定的时序，从一个或多个对应感测设备自动地收集物理指标数据。
对健康相关确定的请求被访问。从物理指标数据的数据库中的多个条目数据库条目中标识与请求相关的子多个数据条目。数据库存储一个或多个物理指标的值，包括以下各项中的一者或多者：身体指标和环境指标。物理指标数据被存储在多个数据库条目中。每个数据库条目包括物理指标的值、地理空间数据、时间数据、以及设备标识符。设备标识符标识收集物理指标的值的感测设备。根据指定的时序，从一个或多个对应感测设备收集物理指标数据。
每个子多个条目数据库条目基于以下各项中的一者或多者被标识成相关的：被包括在数据库条目中的物理指标数据、地理空间数据、时间数据、以及设备标识符。根据所述请求将被包括在子多个数据库条目中的值聚集入聚集式数据集中。分析所述聚集式数据集以标识健康相关事件。响应于所述请求指示经标识的健康相关事件。可在用户界面(例如，图形用户界面(GUI))的内容可视布置中渲染健康相关事件以及其他相关和/或代表性数据和内容。内容可视布置可视地且有意义地传达聚集式数据集的健康相关事件的情况。
在另一方面，一种供在计算机***处使用的计算机程序产品，所述计算机程序产品包括其上存储有计算机可执行指令的一个或多个计算机存储设备，所述指令当在处理器处执行时，使得所述计算机***执行标识健康相关事件的方法。计算机程序产品包括计算机可执行指令，其在被执行时使得计算机***访问对健康相关确定的请求。
计算机程序产品包括计算机可执行指令，其在被执行时使得计算机***从物理指标数据的数据库中的多个条目数据库条目中标识与请求相关的子多个数据条目。数据库存储一个或多个物理指标的值，包括以下各项中的一者或多者：身体指标和环境指标。物理指标数据被存储在多个数据库条目中。每个数据库条目包括物理指标的值、地理空间数据、时间数据、以及设备标识符。设备标识符标识收集物理指标的值的感测设备。根据指定的时序，从一个或多个对应感测设备收集物理指标数据。每个子多个条目数据库条目基于以下各项中的一者或多者被标识成相关的：被包括在数据库条目中的物理指标数据、地理空间数据、时间数据、以及设备标识符。
计算机程序产品包括计算机可执行指令，其在被执行时使得计算机***根据所述请求将被包括在子多个数据库条目中的值聚集入聚集式数据集中，分析所述聚集式数据集以标识健康相关事件；以及响应于所述请求指示经标识的健康相关事件。
计算机程序产品包括计算机可执行指令，其在被执行时使得计算机***可在用户界面(例如，图形用户界面(GUI))的内容可视布置中呈现健康相关事件以及其他相关和/或代表性数据和内容。内容可视布置可视地且有意义地传达聚集式数据集的健康相关事件的情况。
所描述的各方面可具体化为其它具体形式而不背离其精神或本质特征。所描述的各方面在所有方面都应被认为仅是说明性而非限制性的。从而，范围由所附权利要求书而非前述描述指示。落入权利要求书的等效方案的含义和范围内的所有改变应被权利要求书的范围所涵盖。

Claims (10)

1.在计算机***处，一种计算机实现的方法包括：
访问对某人的健康相关确定的请求；
从数据库中多个数据库条目中标识与所述请求相关的子多个数据库条目，每个所述子多个数据库条目基于以下各项中的一者或多者被标识成相关的：被包括在所述数据库条目中的物理指标数据、地理空间数据、时间数据以及设备标识符，所述子多个数据库条目中的每一个都存储由感测设备感测的物理指标数据、地理空间数据、以及时间数据，所述感测设备在所述数据库条目中具有所述设备标识符；
根据所述请求将被包括在子多个数据库条目中的值聚集入聚集式数据集中；
分析所述聚集式数据集以标识该人的健康相关事件；以及
响应于所述请求，在用户界面屏幕处渲染所标识的健康相关事件以及所述聚集式数据的至少一部分，所述用户界面屏幕可视地表示所标识的健康相关事件以及导致所标识的健康相关事件的情况。
2.如权利要求1所述的方法，其特征在于，标识子多个数据库条目包括标识具有设备标识符的子多个数据库条目，所述设备标识符标识精度满足与所述请求相关联的阈值的设备。
3.如权利要求1所述的方法，其特征在于，标识子多个数据库条目包括标识具有地理空间数据的子多个数据库条目，所述地理空间数据指示在与所述请求相关联的位置处被收集的值。
4.如权利要求1所述的方法，其特征在于，标识子多个数据库条目包括标识具有时间数据的子多个数据库条目，所述时间数据指示在与所述请求相关联的时间段内被收集的值。
5.如权利要求1所述的方法，其特征在于，分析所述聚集式数据集以标识健康相关事件包括分析所述聚集式数据以预测一个或多个个体的健康相关事件。
6.如权利要求1所述的方法，其特征在于，分析所述聚集式数据集以标识健康相关事件包括分析所述聚集式数据以预测在某个位置发生的健康相关事件。
7.一种用于实现用于标识健康相关事件的方法的计算机程序产品，所述计算机程序产品包括其上存储有计算机可执行指令的一个或多个计算机存储设备，当在处理器处执行所述计算机可执行指令时，使得所述计算机***执行所述方法，所述方法包括以下：
访问对某人的健康相关确定的请求；
从数据库中多个数据库条目中标识与所述请求相关的子多个数据库条目，每个所述子多个数据库条目基于以下各项中的一者或多者被标识成相关的：被包括在所述数据库条目中的物理指标数据、地理空间数据、时间数据以及设备标识符，所述子多个数据库条目中的每一个都存储由感测设备感测的物理指标数据、地理空间数据、以及时间数据，所述感测设备在所述数据库条目中具有所述设备标识符；
根据所述请求将被包括在子多个数据库条目中的值聚集入聚集式数据集中；
分析所述聚集式数据集以标识该人的健康相关事件；以及
响应于所述请求，在用户界面屏幕处渲染所标识的健康相关事件以及所述聚集式数据的至少一部分，所述用户界面屏幕可视地表示所标识的健康相关事件以及导致所标识的健康相关事件的情况。
8.一种***，所述***包括：
一个或多个处理器；
多个感测设备，所述多个感测设备包括多种不同类型的感测设备，每种不同类型的感测设备被配置为感测一个或多个物理指标的值，每个感测设备被配置为根据指定的时间并按经指定的精度来感测物理指标的值，所述一个或多个物理指标包括以下各项中的一者或多者：身体指标和环境指标；
物理指标数据的数据库，所述数据库存储物理指标的感测值，所述感测值已被所述多个感测设备感测到，所述物理指标数据被存储在多个数据库条目中，每个数据库条目包括物理指标的值、地理空间数据、时间数据和设备标识符，所述设备标识符标识收集所述物理指标的值的感测设备并指示所述感测设备的指定精度；以及
所述一个或多个处理器执行用于标识健康相关事件的指令，包括以下内容：
访问对某人的健康相关确定的请求；
从数据库中多个数据库条目中标识与所述请求相关的子多个数据库条目，每个所述子多个数据库条目基于以下各项中的一者或多者被标识成相关的：被包括在所述数据库条目中的物理指标数据、地理空间数据、时间数据以及设备标识符，所述子多个数据库条目中的每一个都存储由感测设备感测的物理指标数据、地理空间数据、以及时间数据，所述感测设备在所述数据库条目中具有所述设备标识符；
根据所述请求将被包括在子多个数据库条目中的值聚集入聚集式数据集中；
分析所述聚集式数据集以标识该人的健康相关事件；以及
响应于所述请求，在用户界面屏幕处渲染所标识的健康相关事件以及所述聚集式数据的至少一部分，所述用户界面屏幕可视地表示所标识的健康相关事件以及导致所标识的健康相关事件的情况。
9.如权利要求8所述的***，其特征在于，物理指标数据的所述数据库存储指定域的物理指标数据，并且其中物理指标数据的所述数据库聚集来自所述域的一个或多个子域中的其他数据库的物理指标数据。
10.如权利要求8所述的***，其特征在于，被配置为根据所述请求将被包括在子多个数据库条目中的值聚集入聚集式数据集中的所述一个或多个模块包括被配置成对至少一个值进行统计地加权以计入用于测量至少一个值的设备的准确性的所述一个或多个模块。
CN201680024773.0A 2015-04-27 2016-04-06 从聚集式设备所感测的物理数据中标识事件 Pending CN107533565A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/697,429 US20160314185A1 (en) 2015-04-27 2015-04-27 Identifying events from aggregated device sensed physical data
US14/697,429 2015-04-27
PCT/US2016/026085 WO2016175998A1 (en) 2015-04-27 2016-04-06 Identifying events from aggregated device sensed physical data

Publications (1)

Publication Number Publication Date
CN107533565A true CN107533565A (zh) 2018-01-02

Family

ID=55863196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680024773.0A Pending CN107533565A (zh) 2015-04-27 2016-04-06 从聚集式设备所感测的物理数据中标识事件

Country Status (4)

Country Link
US (1) US20160314185A1 (zh)
EP (1) EP3289497A1 (zh)
CN (1) CN107533565A (zh)
WO (1) WO2016175998A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10250597B2 (en) * 2014-09-04 2019-04-02 Veridium Ip Limited Systems and methods for performing user recognition based on biometric information captured with wearable electronic devices
US20170124530A1 (en) * 2015-11-04 2017-05-04 Schneider Electric It Corporation Systems and methods for an environmental event and task manager
US10192071B2 (en) * 2016-09-02 2019-01-29 Symantec Corporation Method for integrating applications
JP6528807B2 (ja) * 2017-06-28 2019-06-12 オムロン株式会社 制御システム、制御装置、結合方法およびプログラム
US10721303B2 (en) 2017-07-27 2020-07-21 At&T Intellectual Property I, L.P. System and method to enable sensory data for any devices connected to a phone in a 5G network
US11025693B2 (en) * 2017-08-28 2021-06-01 Banjo, Inc. Event detection from signal data removing private information
US10313413B2 (en) 2017-08-28 2019-06-04 Banjo, Inc. Detecting events from ingested communication signals
US10585724B2 (en) 2018-04-13 2020-03-10 Banjo, Inc. Notifying entities of relevant events
US11188810B2 (en) 2018-06-26 2021-11-30 At&T Intellectual Property I, L.P. Integrated assistance platform
CN113539509B (zh) * 2020-04-21 2022-06-07 香港理工大学深圳研究院 新发传染病发病风险预测方法、装置、终端设备及介质
US10902955B1 (en) 2020-05-01 2021-01-26 Georgetown University Detecting COVID-19 using surrogates
US11783652B2 (en) * 2020-06-15 2023-10-10 Honeywell International Inc. Occupant health monitoring for buildings
DE102021200995A1 (de) 2021-02-03 2022-08-04 Siemens Aktiengesellschaft Ermittlung einer Bewertung eines Datensatzes

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060200007A1 (en) * 2005-03-03 2006-09-07 Cardiac Pacemakers, Inc. Automatic etiology sequencing system
CN102156813A (zh) * 2011-04-02 2011-08-17 中国科学院上海微***与信息技术研究所 一种智能体域网健康管理***
US8090592B1 (en) * 2007-10-31 2012-01-03 At&T Intellectual Property I, L.P. Method and apparatus for multi-domain anomaly pattern definition and detection
CN202282004U (zh) * 2011-06-02 2012-06-20 上海巨浪信息科技有限公司 基于情景感知与活动分析的移动健康管理***
CN103330551A (zh) * 2013-06-14 2013-10-02 浙江大学 基于穿戴式传感器的老年人健康监护背心
US20130332195A1 (en) * 2012-06-08 2013-12-12 Sony Network Entertainment International Llc System and methods for epidemiological data collection, management and display
CN103876711A (zh) * 2014-03-27 2014-06-25 北京圣博亚科技有限公司 可穿戴电子设备以及人体健康监测管理***
CN103944977A (zh) * 2014-04-04 2014-07-23 深圳市鸿宇顺科技有限公司 基于可穿戴设备的云健康信息管理***及方法
US20140228649A1 (en) * 2012-07-30 2014-08-14 Treefrog Developments, Inc. Activity monitoring
CN104055499A (zh) * 2014-06-16 2014-09-24 朱宇东 连续监控人体生理体征的可穿戴式智能手环及方法
CN104200310A (zh) * 2014-08-10 2014-12-10 深圳市检验检疫科学研究院 一种国境口岸传染病检疫决策支援***

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060229822A1 (en) * 2004-11-23 2006-10-12 Daniel Theobald System, method, and software for automated detection of predictive events
US8160836B2 (en) * 2007-04-17 2012-04-17 Exergen Corporation Wireless transmission of temperature data for a geographic area
US10002034B2 (en) * 2008-02-25 2018-06-19 Georgetown University System and method for detecting, collecting, analyzing, and communicating event-related information
RU2517562C2 (ru) * 2010-03-05 2014-05-27 Б. Браун Мельзунген Аг Система и способ введения медикаментов пациенту
US9257029B1 (en) * 2012-08-29 2016-02-09 James Robert Hendrick, III System and method of remote monitoring and diagnostics for health conditions and emergency interventions
AU2014292765A1 (en) * 2013-07-17 2016-03-10 Be Seen Be Safe Ltd. Systems and methods for monitoring movement of disease field

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060200007A1 (en) * 2005-03-03 2006-09-07 Cardiac Pacemakers, Inc. Automatic etiology sequencing system
US8740789B2 (en) * 2005-03-03 2014-06-03 Cardiac Pacemakers, Inc. Automatic etiology sequencing system and method
US8090592B1 (en) * 2007-10-31 2012-01-03 At&T Intellectual Property I, L.P. Method and apparatus for multi-domain anomaly pattern definition and detection
CN102156813A (zh) * 2011-04-02 2011-08-17 中国科学院上海微***与信息技术研究所 一种智能体域网健康管理***
CN202282004U (zh) * 2011-06-02 2012-06-20 上海巨浪信息科技有限公司 基于情景感知与活动分析的移动健康管理***
US20130332195A1 (en) * 2012-06-08 2013-12-12 Sony Network Entertainment International Llc System and methods for epidemiological data collection, management and display
US20140228649A1 (en) * 2012-07-30 2014-08-14 Treefrog Developments, Inc. Activity monitoring
CN103330551A (zh) * 2013-06-14 2013-10-02 浙江大学 基于穿戴式传感器的老年人健康监护背心
CN103876711A (zh) * 2014-03-27 2014-06-25 北京圣博亚科技有限公司 可穿戴电子设备以及人体健康监测管理***
CN103944977A (zh) * 2014-04-04 2014-07-23 深圳市鸿宇顺科技有限公司 基于可穿戴设备的云健康信息管理***及方法
CN104055499A (zh) * 2014-06-16 2014-09-24 朱宇东 连续监控人体生理体征的可穿戴式智能手环及方法
CN104200310A (zh) * 2014-08-10 2014-12-10 深圳市检验检疫科学研究院 一种国境口岸传染病检疫决策支援***

Also Published As

Publication number Publication date
US20160314185A1 (en) 2016-10-27
WO2016175998A1 (en) 2016-11-03
EP3289497A1 (en) 2018-03-07

Similar Documents

Publication Publication Date Title
CN107533565A (zh) 从聚集式设备所感测的物理数据中标识事件
Al Bassam et al. IoT based wearable device to monitor the signs of quarantined remote patients of COVID-19
Ramadhan Wearable smart system for visually impaired people
Tripathy et al. Smart COVID-shield: an IoT driven reliable and automated prototype model for COVID-19 symptoms tracking
Erdogan et al. A data mining approach for fall detection by using k-nearest neighbour algorithm on wireless sensor network data
Rghioui et al. Challenges and Opportunities of Internet of Things in Healthcare.
KR20150079770A (ko) 보조 의료 및 관련된 라이프 스타일 의사 결정
Karar et al. A survey of IoT-based fall detection for aiding elderly care: Sensors, methods, challenges and future trends
Tegou et al. A low-cost indoor activity monitoring system for detecting frailty in older adults
Felisberto et al. Unobstructive Body Area Networks (BAN) for efficient movement monitoring
Vuong et al. mHealth sensors, techniques, and applications for managing wandering behavior of people with dementia: A review
Fakhrulddin et al. An autonomous wireless health monitoring system based on heartbeat and accelerometer sensors
Newaz et al. The methods of fall detection: A literature review
Scheurer et al. Optimization and technical validation of the AIDE-MOI fall detection algorithm in a real-life setting with older adults
Agrawal et al. Applications of sensor networks
Site et al. A machine-learning-based analysis of the relationships between loneliness metrics and mobility patterns for elderly
Nino et al. Coupling wearable devices and decision theory in the United States emergency department triage process: A narrative review
Lin et al. Fall recognition based on an IMU wearable device and fall verification through a smart speaker and the IoT
Das et al. Remote Sensing in Public Health Environment: A Review
Amato et al. Design of a wearable healthcare emergency detection device for elder persons
Kouris et al. Identifying risky environments for COPD patients using smartphones and internet of things objects
WO2023283834A1 (zh) 室内对象的信息检测方法及装置、存储介质和处理器
Kocsisné et al. COVID-19’s telemedicine platform
Kulkarni et al. A survey on smart health care system implemented using Internet of Things
Bae et al. A Real-time Health Monitoring System for Evaluating Environmental Exposures.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180102