CN109952615A - 用于患者监测的队列 - Google Patents
用于患者监测的队列 Download PDFInfo
- Publication number
- CN109952615A CN109952615A CN201780069841.XA CN201780069841A CN109952615A CN 109952615 A CN109952615 A CN 109952615A CN 201780069841 A CN201780069841 A CN 201780069841A CN 109952615 A CN109952615 A CN 109952615A
- Authority
- CN
- China
- Prior art keywords
- patient
- queue
- monitoring
- acquisition
- vital sign
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 124
- 230000004044 response Effects 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 48
- 230000015654 memory Effects 0.000 claims description 20
- 230000006866 deterioration Effects 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 9
- 239000003814 drug Substances 0.000 claims description 6
- 230000001052 transient effect Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 19
- 238000005259 measurement Methods 0.000 description 21
- 238000001514 detection method Methods 0.000 description 19
- 230000000007 visual effect Effects 0.000 description 16
- 238000003860 storage Methods 0.000 description 14
- 230000033001 locomotion Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000036387 respiratory rate Effects 0.000 description 9
- 230000002542 deteriorative effect Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 230000001154 acute effect Effects 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 6
- 230000036541 health Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 206010013975 Dyspnoeas Diseases 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000004087 circulation Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000036407 pain Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000004998 Abdominal Pain Diseases 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 241000150786 Athletes Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010033546 Pallor Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000009610 hypersensitivity Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
-
- 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
- A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Computer Networks & Wireless Communication (AREA)
- Child & Adolescent Psychology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本文中公开的技术涉及将个体组织成患者监测队列以监测其状况的变化。在各种实施例中,可以接收(502)基于从多个患者中的每个采集的(一个或多个)初始生命体征的患者紧急性指标。可以建立(504、902)患者监测队列,所述患者监测队列包括基于针对要被监测的患者的下一个排程时间而排序的患者。所述下一个排程时间可以至少部分地基于所述患者紧急性指标来确定(1106)。可以调遣(506、1076)在所述患者监测队列最前的所选择的患者以便进行监测,并且可以使用(一个或多个)生命体征采集相机(276、376、476、776、876)从所选择的患者不突兀地采集(510)(一个或多个)更新的生命体征。可以响应于所述不突兀的采集而改变(1034、1038、1042、1046)所述患者监测队列。
Description
技术领域
本公开总体涉及健康护理。更具体地但不排他地,本文中公开的各种方法和装置涉及将诸如候诊室的区域中的诸如患者的多个个体组织成患者监测队列以监测他们的状况的变化。
背景技术
当患者访问医院时,他们通常被分诊以确定关于患者的各种信息,诸如其姓名、年龄、身高、体重、生命体征、访问的原因、以及其他类似的信息。一旦被分诊,患者就被送到诸如候诊室的区域,以等待诸如医师的医院资源变得可用来对患者进行检查和/或处置。取决于医院资源的可用性,患者的等待可能是显著的。患者在等待时恶化是常见的,并且医务人员不能总是以及时的方式注意到恶化。
发明内容
本公开涉及用于将区域(诸如候诊室)中的多个个体(诸如患者)组织成队列以监测其状况的变化的方法、***和装置。例如,多个分诊的患者可以在候诊室中等待直至他们能够去看急诊室(“ER”)医师。患者可以被包括在例如基于与每个患者相关联的紧急性的量度(在本文中被称为“患者紧急性指标”)以及其他数据点(诸如患者等待时间、患者存在等)排列或排序的患者监测队列(也被简称为“患者队列”)中,所述紧急性的量度基于由分诊护士从患者获得/采集的信息来确定。在一些实施例中,医务人员可以被调遣以例如以患者队列的顺序从每个患者手动地获得一个或多个更新的生命体征。在其他实施例中,被安装在候诊室中的一个或多个“生命体征采集相机”可以被配置为周期性地从每个患者执行一个或多个生命体征的无接触和/或不突兀采集。不论是由医务人员手动地还是使用生命体征采集相机或诸如可穿戴传感器的其他器件自动地获得,这些更新的生命体征可以包括但不限于血压、温度、脉搏、氧饱和度(“SO2”)、呼吸率、皮肤颜色、姿势、出汗水平等等。
用来监测患者的资源——例如生命体征采集相机——可能是有限的。相应地,患者队列可以以各种方式被排序或“分优先级”以适当地安排要被监测的患者。在一些实施例中,患者队列可以使用先进先出(“FIFO”)技术、循环技术等等被分优先级。然而,在其他实施例中,患者队列可以被分优先级为使得更紧急的患者比更不紧急的患者更频繁地被监测,例如,因为更紧急的患者会更可能在等待时恶化。例如,在一些实施例中,患者队列可以至少部分地基于与患者相关联的患者紧急性指标来分优先级。例如,患者紧急性指标可以用来确定和分配用于监测患者的下一个排程时间,并且患者队列可以通过用于监测的下一个排程时间被分优先级。
一般地,在一个方面中,一种方法可以包括:由一个或多个处理器接收与能够被一个或多个生命体征采集相机捕获的区域中的多个患者中的每个患者相关联的患者紧急性指标,其中,与每个患者相关联的所述患者紧急性指标基于从所述患者采集的一个或多个初始生命体征;由所述处理器中的一个或多个建立患者监测队列,所述患者监测队列包括至少部分地基于所述患者紧急性指标而被分优先级的所述多个患者;由所述处理器中的一个或多个从所述患者监测队列选择在所述患者监测队列的前面的患者;由所述生命体征采集相机中的一个或多个从所选择的患者不突兀地采集一个或多个更新的生命体征;以及由所述处理器中的一个或多个响应于不突兀采集的结果而改变所述患者监测队列。
在各种实施例中,所述患者队列可以进一步基于所述患者要被监测的下一个排程时间被分优先级。在各种实施例中,每个患者要被监测的下一个排程时间可以至少部分地基于与所述患者相关联的患者紧急性指标来确定。在各种实施例中,所述不突兀采集的所述结果可以包括由所述处理器中的一个或多个提供警告医务人员所选择的患者的恶化的输出,并且所述警告可以包括从所述患者监测队列移除所选择的患者。
在各种实施例中,所述不突兀采集的所述结果可以包括不能不突兀地采集所述一个或多个更新的生命体征,并且所述警告包括将所选择的患者重新排队。在各种实施例中,所述不突兀采集的所述结果可以包括所述一个或多个更新的生命体征的成功采集,并且所述警告可以包括至少部分地基于与所选择的患者相关联的患者紧急性指标将所选择的患者重新排队。在各种实施例中,将所选择的患者重新排队可以包括至少部分地基于与所选择的患者相关联的所述患者紧急性指标计算所选择的患者的要被监测的下一个排程时间。在各种实施例中,将所选择的患者重新排队可以包括将所选择的患者***到所述患者队列的选定位置内。所述选定位置可以先于所述患者队列中的另一患者,所述另一患者要被监测的下一个排程时间晚于或大于所选择的患者要被监测的所述下一个排程时间。
在各种实施例中,所述方法可以还包括由所述处理器中的一个或多个基于描绘所选择的患者的参考图像在所述区域中的所述多个患者之中识别所选择的患者。在各种实施例中,所述参考图像被与分诊站或登记台相关联的一个或多个相机采集,所述分诊站或登记台与医学候诊室相关联。在各种实施例中,所述方法可以还包括:由所述处理器中的一个或多个将看门狗定时器设置为预定时间间隔;响应于确定自更新的生命体征上一次从所述患者队列中的任何患者不突兀地采集以后已经逝去所述预定时间间隔而从所述患者队列重新选择所选择的患者;以及响应于尝试由所述一个或多个生命体征采集相机不突兀地获得更新的生命体征的检测而重置所述看门狗定时器。
应该理解的是,以下更详细讨论的前述概念和额外的概念的所有组合(假定这样的概念不相互不一致)被预期为本文公开的主题的部分。具体而言,出现在本公开的结束处的请求保护的主题的所有组合被预期为本文公开的主题的部分。还应该意识到,本文明确采用的也可以出现在通过引用并入的任何公开中的术语应该被赋予与本文公开的特定概念最一致的含义。
附图说明
在附图中,贯穿不同的视图,相似的附图标记通常指代相同的部分。而且,附图不一定按比例绘制,而是通常将重点放在图示本公开的原理上。
图1示意性地图示了根据各实施例的用于使用所公开的技术监测患者的一般过程流。
图2图示了根据各实现方式的所公开的各种部件可以实施本公开的选定方面的范例环境。
图3和图4均描绘了根据各实施例的所公开的技术可以被实践的范例场景。
图5描绘了根据各实施例的监测区域中的个体的范例方法。
图6描绘了范例计算机***的部件。
图7和图8示意性地描绘了根据各实施例的生命体征采集相机的范例部件。
图9描绘了根据各实施例的用于使用本文中描述的技术建立要被监测的患者队列的范例方法。
图10描绘了根据各实施例的各种事件与调遣患者子例程之间的范例交互。
图11描绘了根据各实施例的用于将患者队列中的患者重新排队的范例方法。
图12描绘了根据各实施例的范例患者队列和计算用于监测新的和/或重新排队的患者的下一个排程时间的查找表。
具体实施方式
当患者访问医院时,他们通常被登记并且被分诊以确定关于患者的各种信息,诸如其姓名、年龄、身高、体重、生命体征、访问的原因、以及其他类似的信息。一旦被分诊,患者就被送到诸如候诊室的区域,以等待诸如医师的医院资源变得可用来对患者进行检查和/或处置。取决于医院资源的可用性,患者的等待可能是显著的。有时候患者在等待时恶化,并且医务人员不能总是以及时的方式注意到恶化。相应地,本文中描述的技术便于监测诸如候诊室的区域中的患者的状况,以更危急患者优先的顺序,同时无论多危急都确保所有患者都被周期性地监测。
以下是如在本发明的各种实施例中使用的术语的定义。如本文中使用的术语“数据库”指的是以便于允许数据和信息被存储、搜索、检索、更新和操纵并且允许它们被呈现到一个或多个格式内(诸如表形式)或被分组成文本、数字、图像和音频数据的方式进行组织的数据和信息的集合。如本文中使用的术语“数据库”还可以指的是更大数据库的一部分,在此情况下这形成数据库内的一种类型的数据库。如本文中使用的“数据库”指的是可以驻留在本地或可以从远程位置(例如,远程网络服务器)访问的常规数据库。数据库通常驻留在计算机存储器中,所述计算机存储器包括各种类型的易失性和非易失性计算机存储设备。数据库寄存在其中的存储器可以包括高速随机存取存储器或非易失性存储器,例如磁盘存储设备、光学存储设备和闪烁存储器。数据库寄存在其中的存储器还可以包括用于处理和组织被数据库接收并被存储到数据库内的数据的一个或多个软件。
图1示意性地总体图示了可以如何使用公开的技术来监测患者。具体地,描绘了可以在预候诊室区域中(诸如在可以包括接待和/或登记的(一个或多个)预候诊室区域102、和/或分诊站或岗处)发生的操作和动作。此外,描绘了可以在候诊室104中发生过的操作和动作。在块106处,新患者可以例如在接待台(未描绘)处进行检查之后进入和/或接近(一个或多个)预候诊室区域102。
在块108处,新患者可以被登记。登记可以包括例如收集关于患者的信息,诸如患者的姓名、年龄、性别、保险信息和访问的原因。通常,但不专门地,该信息可以被医务人员(诸如分诊护士)手动地输入到计算机内。在一些实施例中,患者的一个或多个参考图像可以例如通过与由分诊护士操作的计算设备一体的相机、通过独立的相机、和/或通过生命体征采集相机(在此情况下至少一些生命体征可以在登记处被任选地采集)来采集。在许多实例中,在块110处,分诊护士此外可以使用各种医学仪器采集各种初始生命体征。这些初始生命体征可以包括但不限于血压、脉搏、血糖水平、SO2、光电体积描记图(“PPG”)、呼吸率(例如,喘气速率)、温度、皮肤颜色等等。虽然未在图1中描绘,但是在一些实施例中,也可以在分诊处收集其他信息,诸如采集/更新患者的医学历史,确定患者过敏性反应,确定患者的药物使用,等等。
在一些实施例中,在分诊期间,患者可以被分配所谓的“患者紧急性指标”,其可以是用来对患者的病情的严重性排序的量度,并且在一些实例中,可以指示对于急诊室资源的预期需要。任何数量的通常使用的指标和/或临床决策支持(“CDS”)算法都可以用来确定和/或分配患者紧急性指标,包括但不限于Emergency Severity Index(“ESI”)、TaiwanTriage System(“TTS”)、Canadian Triage and Acuity Scale(“CTAS”)等等。例如,在一些实施例中,患者的生命体征可以与***数据库中存储的预定生命体征阈值、或与针对给定患者年龄、性别体重、重量等的公布或已知的典型生命体征值进行比较,以确定患者的初始患者紧急性指标和/或患者队列中的患者的初始位置。一旦患者被登记并且其初始生命体征被采集,在块112处,患者就可以被送到候诊室104。在一些实施例中,关于患者的各种生理和其他信息可以被供给到训练模型(例如,回归模型、神经网络、深度学习网络等)、基于实例的推理算法、或其他临床推理算法内以导出一个或多个紧急性指标。在一些实施例中,用于导出患者紧急性指标的信息可以包括或甚至被完全限制于可以被生命体征采集相机采集的体征或其他信息。在一些实施例中,用于导出紧急性指标的信息可以备选地或额外地包括如下信息,诸如信息来自患者的之前电子医学记录(“EMR”)的信息、在分诊处从患者采集的信息、来自可穿戴装置或由患者携带的其他传感器的信息、关于候诊室中的其他患者或人的信息(例如,房间中的其他人的体征)、关于与患者相关联的家庭成员或其他人的信息(例如,家庭成员EMR)等。
在块114处,可以例如使用一个或多个相机、传感器、或来自医务人员的输入确定患者是否已经离开候诊室。块114可以包括扫描当前在候诊室内的每个人(例如,作为一旦患者在体征要被采集的患者的队列的顶部就尝试定位的患者的寻找功能的一部分,诸如以下描述的块120的执行,或循环通过房间中的每个人以采集体征,如包括本文中描述的块118和120的循环的多次执行),以及确定患者未被定位。在一些实施例中,***可以等待,直至到达预定数量实例的患者缺失,或在患者被认为已经离开候诊室之前已经逝去患者缺失的预定时间量以考虑暂时不缺席(例如,访问休息室或与分诊室中的临床工作人员说话)。例如,患者可能已经适时被带入ER,因为轮到他们看医生了。或者,患者的状况可能在他们等待时已经改善,引起他们离开医院。或者,患者可能已经变得不耐烦并且离开去其他地方寻找护理。在一些实例中,患者可能离开并且例如在使用休息室后回来。无论什么原因,一旦已经确定患者已经离开候诊室达至少阈值时间量,在块116处,患者就可以从***被释放,例如,通过从登记的患者被录入的队列中移除他们。在一些情况下,护士或其他医务人员可以记录患者的不存在和其返回(如果他们回来的话)。
在块118处,候诊室104中的患者可以被识别以便使用本文中描述的技术来进行监测。例如,在一些实施例中,除了或代替诸如等待时间、候诊室中的患者存在的其他量度,与候诊室中的多个患者相关联的信息(例如,在分诊处获得的信息)可以在患者监测队列中例如通过其相应的患者紧急性指标排序(例如,失去的患者可以被搜索以进一步确定他们是否已经离开而未被看见、或正好去休息室或自动贩卖机)等。在其他实施例中,当对患者监测队列排序时,患者紧急性指标可以不被考虑,并且相反仅患者等待时间、患者存在等的考虑可以被考虑。
然而,这样的患者监测队列被排序,在一些实施例中,队列中的第一患者被识别为接下来要被监测的患者。患者监测队列被存储在通过患者紧急性指标排序的物理存储器位置的序列中是不需要的(尽管是可能的)。相反,在一些实施例中,排序的患者监测队列可以仅仅包括与每个患者相关联的等级或优先水平值。换言之,如本文中描述的“患者监测队列”可以指的是基于患者紧急性指标、等待时间等不一定是存储器/数据库位置的连续/顺序序列逻辑地排序的“逻辑”队列。在块118处,患者可以被识别以便以患者监测队列中的其相应排序的顺序进行监测。
在块120处,在块118处识别的患者可以位于候诊室104中。在一些实施例中,被部署在候诊室104中或附近的一个或多个生命体征采集相机(未在图1中描绘,参见图2、7和8)可以***作为扫描候诊室104中的患者的各种视觉特征,以将那些特征匹配到在块108处的登记期间采集的参考患者图像。可以被匹配到患者图像的对应特征的患者的视觉特征包括但不限于面部、头发、衣服、躯干等等。在医务人员手动地获得更新的生命体征的实施例中,医务人员可以搜索要在候诊室中监测的下一个患者。
在其他实施例中,患者监测队列可以不被建立。相反,生命体征采集相机可以简单地被配置为平移、倾斜和/或缩放,使得其相应的视场移动跨过候诊室304的预定轨迹。例如,生命体征采集相机可以被配置为顺序地扫描跨过几排椅子,和/或顺序地扫描通过已知通常被患者占据的候诊室104的区域。在其他实施例中,具有宽视场的一个或多个相机可以用来同时引导、识别和监测许多或所有患者。在此类实施例中,当每个面部被采集时,它对照患者记录进行匹配以识别面部对应的患者,使得体征可以被采集并且被相关联到正确的患者或人。
在各种实施例中,***可以不被限制于仅监测已经被登记在***中的患者(例如,根据步骤108-112)。例如,可能的是,候诊室中的患者的同伴可能发展出需要注意的状况,即使他们本身未被登记为患者。作为另一范例,患者可以不经历登记108-112,并且简单地坐在候诊室中,因为候诊室/登记站是忙碌的,他们不知道登记,他们选择不登记等。在此类实施例中,***可以通过采集其面部的图像/视频(或采集其他识别特征)来检测未登记的人,并且不能在登记的患者之中找到匹配的患者记录。在这样的情况下,***可以创建表示未知患者的新记录,采集体征以便作为初始体征测量存储在记录中,并且将图像/视频记录为参考图像(或尝试可能从更好的角度采集一个或多个额外的图像/视频,以便随后用作参考图像)。如果关于未知患者的警告或其他信息要被显示给候诊室工作人员(例如,如上面描述的),信息可以连同这些参考图像/视频中的一个或多个一起被显示,以帮助工作人员识别候诊室中的警告或其他信息与之相对应的人。如果人随后根据步骤108-112进行登记,则新信息可以被手动地(例如,由工作人员手动地选择要补充有登记信息的现有记录)或自动地(例如,通过随后比较两个记录的参考图像并且确定它们对应于同一个人,或通过随后通过将人匹配到体征采集序列期间的两个记录来困难/模糊)合并成“未知人”记录。
在块122处,被安装或要不然被部署在候诊室104中或附近的一个或多个生命体征采集相机可以***作为执行从在块118处识别并且在在块120处定位的患者的一个或多个更新的生命体征的不突兀(例如,无接触)采集。这些生命体征采集相机可以被配置为(在不物理地接触患者的情况下)从患者采集各种不同的生命体征,包括但不限于血压、脉搏(或心率)、皮肤颜色、呼吸率、PPG、SO2、温度、姿势、出汗水平等等。在其他实施例中,更新的生命体征可以例如由医务人员手动地而非使用生命体征采集相机自动地获得。在其他实施例中,更新的生命体征可以诸如可穿戴传感器的使用其他设备自动地获得。
在一些实施例中,被配备为执行所谓的“无接触方法”以从患者采集生命体征和/或提取生理信息的生命体征采集相机可以用作医学图像设备。在美国专利申请公开号20140192177A1、20140139656A1、20140148663A1、20140253709A1、20140235976A1和20140275880A1中描述了此类相机的非限制性范例,为了所有目的,上述专利申请以引用方式被并入本文。图7和8示意性地描绘了可以被部署在本公开的各种实施例中的生命体征采集相机非限制性配置。
在一些实施例中,一种用于确定患者的心率或脉搏的技术可以是监测患者的面部皮肤颜色。由血流引起的皮肤颜色的微变化可以由生命体征采集相机进行检测。这些检测到的微变化可以用来确定患者的脉搏率。由于变化的心率变化的面部皮肤颜色会是裸眼不可见的,但是本文中描述的生命体征采集相机的使用可以允许皮肤颜色的微变化的检测。
可通过本文中描述的生命体征采集相机测量的另一生命体征是患者的呼吸率。在一些实施例中,生命体征采集相机可以缩放到患者的胸部和/或腹部区域,以跟踪患者的胸部和/或腹部移动。医学图像设备然后可以确定患者的呼吸率,其可以通过患者的胸部或隔膜区域的移动来确定。额外地或备选地,患者的体温可以通过被配置为采集热图或红外图像/视频的本文中描述的生命体征采集相机来确定。
在块124处,可以例如通过在图2中描绘(在下面描述)的一个或多个部件基于在块122处采集的(一个或多个)更新的生命体征与之前采集的生命体征(例如,在块110处采集的初始生命体征或通过生命体征采集相机采集的更新的生命体征/生理参数的之前迭代)的比较来确定患者的状况是否已经改变。例如,可以确定在患者已经等待时患者的脉搏、呼吸率、血压、SO2、PPG、温度等是已经增加还是降低,然后控制可以向后进入到块118,并且新患者(例如,具有接下来最高患者紧急性指标的患者)可以被识别,并且控制可以向后进入到块120。然而,如果在块124处回答为是(即患者的状况已经变化),那么控制可以转到块126。在一些实施例中,患者的状况可以(至少部分)通过用于确定监测顺序的同一紧急性指标来表示。
在块126处,可以基于在块124处检测到的变化(再次,通过图2的一个或多个部件)确定医学警告是否被批准。例如,可以确定一个或多个生命体征的变化和/或患者紧急性指标是否满足一个或多个阈值(例如,血压已经增加至对于该具体患者被认为安全的水平之上?)。如果回答为是,那么控制可以转到块128。在块128处,可以例如向值班护士或其他医务人员输出患者正在恶化的警报。医务人员然后可以对患者进行检查以确定补救措施(诸如立即准许患者入院或将患者送给医生)是否被批准。在一些实施例中,控制然后可以直接转回到块118。然而,如果在块126处回答为否,那么在一些实施例中,控制可以转回到块118。
图2描绘了根据各种实施例的可以用来实践公开的技术的范例部件。医院信息***240可以是通常存在于医院、医生的办公室等等中的类型的医院信息***。医院信息***240可以使用可以或不可以经由一个或多个计算机网络(未描绘)被连接的一个或多个计算***来实施。除了其他之外,医院信息***240可以包括登记模块242、分诊模块244、释放模块246和警报模块248。模块242-248或本文中描述的任何其他模块或引擎中的一个或多个可以使用硬件和软件的任何组合来实施,包括执行存储器中存储的指令的一个或多个微处理器。例如,登记模块242可以包括结合在同一处理器上执行的登记实施本文中描述的功能性的登记指令,而分诊模块244可以包括结合在同一处理器上执行的分诊实施本文中描述的功能性的分诊指令。类似的基础硬件和软件可以用来实施本文中描述的其他“模块”。
登记模块242可以被配置为例如以来自值班护士的手动输入的方式接收新患者的登记信息。这可以包括例如患者的姓名、年龄、保险信息等等。分诊模块244可以被配置为例如以来自值班护士的手动输入或直接来自网络连接的医学设备方式接收生命体征(诸如上面描述的那些)和/或其他生理数据(诸如体重、身高、患者的访问原因等)。在各种实施例中,由分诊模块244接收的生命体征和/或患者紧急性指标(例如,图2中的ESI)可以与例如与医院信息***240相关联的一个或多个数据库(未描绘)中的由登记模块242接收的对应患者信息相关联。
警报模块248可以被配置为接收指示各种事件(诸如患者恶化)的信息,并且作出响应而引发各种警报和/或警告。这些警报和/或警告可以使用各种模态来输出,包括但不限于视觉输出(例如,在显示屏上对医院人员可见)、对讲机通知、文本消息、电子邮件、音频警报、触觉警报、页面、弹出窗口、闪烁灯等等。医院信息***240的模块242-248可以例如经由一个或多个计算机网络(未描绘)被可操作地耦合到医院信息***接口250(图2中的“H.I.S.接口”)。
医院信息***接口250可以充当常规医院信息***240与被配置有本公开的选定方面的患者监测***252之间的接口。在各种实施例中,医院信息***接口250可以例如向患者监测***252的其他模块公布,各种关于患者的各种信息,诸如登记信息、患者紧急性指标(例如,ESI)、规定的和/或施预的药物、患者是否已经被释放、各种警报/警告等等。如将会在下面描述的,在一些实施例中,这些公布可以事件公布和提交(“EPS”)模块270,其然后可以选择性地将它们存储在数据库272中和/或选择性地向患者监测***252的其他模块公布它们。在一些实施例中,医院信息***接口250可以额外地或备选地提交由其他模块提供的一个或多个警告或公布。例如,医院信息***接口250可以提交来自恶化检测模块268的警告,例如,使得医院信息***接口250可以通知医院信息***240的适当部件(诸如警报模块248)患者正在恶化。
患者监测***252可以包括便于区域(诸如候诊室104)中的患者的监测以确保以有助于其实际医学状况的方式为患者服务的各种部件。患者监测***252可以包括例如与一个或多个相机256、患者队列模块258、患者***模块260、动态校准模块262、面部/躯干采集模块264、生命体征测量模块266、恶化检测模块268、前面提到的EPS模块270、以及一个或多个数据库272、274接口连接的患者采集模块254。如上面提及的,模块250、254和258-274中的每个可以使用硬件和软件的任意组合来实施。并且虽然这些模块被单独地描绘,但是这不意味着进行限制或暗示每一个被实施在单独的一件硬件或软件上。例如,一个或多个模块可以被组合和/或被省略,并且一个或多个模块可以被实施在经由一个或多个计算机网络(未描绘)可操作地连接的一个或多个计算***上。被描绘为连接图2的各种部件的线可以表示这些部件可访问的通信信道。这些通信信道可以使用任何数量的网络连接或其他计算机通信技术来实施,诸如一个或多个总线、以太网、Wi-Fi、蓝牙、Z-Wave、ZigBee、蜂窝通信等等。
患者监测***252还可以包括被配置为例如从距离患者的一定距离采集患者的一个或多个生命体征的一个或多个生命体征采集相机276。在上面描述了此类生命体征采集相机的范例。在各种实施例中,生命体征采集相机276可以是可操作为平移、倾斜和缩放使得区域(诸如候诊室104)的不同部分被包含在其视场内的平移-倾斜-缩放(“PTZ”)相机。以此方式,扫描正被监测的区域以定位不同患者是可能的,使得更新的生命体征可以被不突兀地采集。
患者采集模块254可以从一个或多个相机256接收携带所采集的患者的图像数据的一个或多个信号。例如,在一些实施例中,患者采集模块254可以从相机256接收视频流。患者采集模块254可以对视频流执行图像处理(例如,面部检测、分割、检测人形的形状检测等)以检测患者何时存在,并且可以响应于检测而采集患者的参考图像。在一些实施例中,参考图像可以以比视频流的个体帧更高的分辨率来进行采集,但这是不需要的。在一些实施例中,相机256可以是被部署在(一个或多个)预候诊室区域102中或附近的独立相机,诸如网络相机、PTZ相机(例如、276)等等。由相机256采集的一幅或多幅图像此后可以用作与患者相关联并且随后用来识别正被监测的区域中的患者的参考患者图像。
患者队列模块258可以被配置为建立和/或维持正被监测的区域中的患者的例如数据库中的患者监测队列。在各种实施例中,患者监测队列可以按各种参数来排序。在一些实施例中,患者监测队列中的患者可以部分地基于患者紧急性指标(即通过基于健康状态的优先性)和/或其他参数(诸如等待时间、到达时间等)来排序。在一些实施例中,更新的生命体征可以以队列的顺序从在正被监测的区域(诸如候诊室104)中等待的患者来进行采集。在其他实施例中,更新的生命体征可以以FIFO或循环顺序从患者来进行采集。在其他实施例中,更新的生命体征可以以对应于被编程到生命体征采集相机276内的预定扫描轨迹的顺序(例如,顺序地扫描每排椅子)从患者来进行采集。
患者***模块260可以被配置为配合由患者采集模块254采集的一个或多个参考患者图像使用从生命体征采集相机276接收的一个或多个信号来定位正被监测的区域(例如,候诊室104)中的一个或多个患者。患者***模块260可以使用各种图像处理技术来使用患者的各种视觉特征识别患者。可以用来辨别患者的这些视觉特征可以包括但不限于面部特征、躯干特征、衣服、头发、姿势等等。
在一些实施例中,患者***模块260可以针对从其获得更新的生命体征的具体患者搜索正被监测的区域。例如,患者***模块260可以针对通过患者队列模块258识别的患者(其可以是例如在患者监测队列的头部的患者)搜索正被监测的区域。在一些实施例中,患者***模块260可以引起(一个或多个)生命体征采集相机276扫描正被监测的区域(例如,候诊室104)直至所识别的患者被识别。
动态校准模块262可以被配置为跟踪(一个或多个)生命体征采集相机276的使用,并且根据需要对它们进行校准。例如,动态校准模块262可以确保每当生命体征采集相机276被命令指向特定PTZ位置时,它总是指向同一地方。PTZ相机可以在恒定的或至少频繁的运动中。相应地,其机械部件会经受磨损。小的机械误差/偏置会累积,并且随着时间引起生命体征采集相机276对给定的PTZ命令不同地作出响应。动态校准模块262可以例如通过不时地运行校准例程对此进行修正,其中标志(例如,标记,诸如墙壁上的小的粘贴物)可以用来训练将会使生命体征采集相机276适当地作出响应的校正机制。
一旦从患者队列258识别的患者被患者***模块260辨别,面部/躯干采集模块264可以被配置为平移、倾斜和/或缩放一个或多个生命体征采集相机276,使得其视场采集患者的期望部分。例如,在一些实施例中,面部/躯干采集模块264可以平移、倾斜和/或缩放生命体征采集相机276,使得它聚焦于患者的面部和/或躯干。额外地或备选地,面部/躯干采集模块264可以平移、倾斜和/或缩放一个生命体征采集相机276来采集患者的面部,而另一个采集患者的躯干。各种生命体征然后可以被采集。例如,生命体征(诸如患者的脉搏、SpO2、呼吸率和血压)可以例如通过生命体征采集模块266、通过对由(一个或多个)生命体征采集相机276采集的患者的面部的图像/视频执行图像处理来获得。生命体征(诸如患者的呼吸率、大致姿势(其可以指示疼痛和/或受伤)等等)可以例如通过生命体征采集模块266、通过对由(一个或多个)生命体征采集相机276采集的患者的躯干的图像/视频执行图像处理来获得。当然,面部和躯干仅仅是可以被检查以获得生命体征的身体部分的两个范例,并且不意味着进行限制。
恶化检测模块268可以被配置为分析一个或多个信号以确定登记的患者的状况是否正在恶化、改善和/或保持稳定。在一些实施例中,患者状况可以至少部分地通过以上描述的用于确定监测患者的顺序的同一患者紧急性指标来表示。因此,恶化检测模块268可以包括一个或多个CDS、如本文中描述的基于实例的推理或其他临床推理算法、或用于评价除了本文中描述的紧急性指标之外的患者状况量度的其他临床推理算法(例如,训练的逻辑回归模型或其他机器学习模型)。在一些实施例中,用于评价患者紧急性或被恶化检测模块268采用的患者状况的其他量度的算法可以通过例如为选定的机器学习模块写入新的训练权重(例如,theta值)或提供用于由处理器执行的新指令(例如以java归档JAR文件或编译库的形式)被不时地更新。这些信号可以包括例如患者的初始生命体征和其他生理信息(例如,在图1的块108-110处获得的)、通过生命体征测量模块266获得的更新的生命体征、患者的初始患者紧急性指标(例如,在分诊期间被分配)、和/或患者的更新的患者紧急性指标。基于使用这些信号进行的确定,恶化检测模块268可以向各种其他模块发送各种警告以采取各种措施。例如,恶化检测模块268可以例如通过向EPS模块270发送警告来公布警告,使得EPS模块能够向提交模块(诸如医院信息***240的警报模块248)公布警告。在一些实施例中,这样的警告可以包括例如患者的姓名(或更一般地,患者识别符)、照片、患者的最后检测到的在候诊室中的位置、基准生命体征、一个或多个更新的生命体征、和/或患者紧急性指标的识别。一旦接收到警告,警报模块248就可以向医务人员引发患者的恶化以及患者的最后检测到的在候诊室中的位置的警告或警报。
EPS模块270可以是被配置为分布被图2的各种其他部件释放的事件的一般通信集线器。在一些实施例中,在图2中描绘的所有或一些其他模块可以生成指示来自该模块的一些形式的结果/确定/计算/决策的事件。这些事件可以被发送或“公布”给EPS模块270。在图2中描绘的所有或一些其他模块可以选择来接收或“提交”来自任何其他模块的任何事件。当EPS模块270接收事件时,它可以向已经提交该事件的所有模块发送指示事件的数据(例如,发送事件)。
在一些实施例中,EPS模块270可以与一个或多个数据库(诸如数据库272和/或档案274(其可以是可选的))通信。在一些实施例中,EPS模块270可以接受来自任何模块的远程程序呼叫(“RPC”),以提供到一个或多个数据库272和/或274中存储的信息的访问,和/或将从其他模块接收的信息(例如,警告)添加到数据库272和/或274。数据库272可以存储由图2中的一个或多个其他模块发送/传播/传输的警告、公布、或其他通信中包含的信息。在一些实施例中,数据库272可以存储例如与患者相关联的参考图像、和/或其初始生命体征、更新的生命体征(通过生命体征采集相机276采集)、和/或患者紧急性指标。在一些实施例中,任选的档案274可以存储相同或类似的信息达更长的时间段。
应意识到,各种硬件布置可以用来实施患者监测***252。例如,在一些实施例中,单个设备可以实施整个***252(例如,操作相机276执行体征采集功能260-266并且执行体征分析和警告功能(包括恶化检测268和队列管理258)的单个服务器)。在其他实施例中,多个独立设备可以形成***252。例如,第一设备可以驱动相机276并且实施功能260-266,而另一服务器可以执行其余的功能。在一些此类实施例中,一个设备可以在候诊室本地,而另一个可以是远程的(例如,被实施为地理上远程的云计算架构中的虚拟机)。在一些实施例中,(例如,包括处理器和存储器的)设备可以被布置在相机276本身内,并且因此,相机276不能简单地为哑***设备,并且相反可以执行生命体征功能260-266。在一些此类实施例中,另一服务器可以为相机276提供指示(例如识别符、全记录或登记的面部图像)以请求该体征被返回用于进一步处理。在一些此类实施例中,额外的功能性可以被提供为由相机276机载,例如,恶化检测268(或其预处理)和/或患者队列258管理可以由相机276机载执行。在一些实施例中,相机276甚至可以实施HIS接口250或EPS270。各种额外的布置将会是显而易见的。
图3图示了所公开的技术可以被实施以监测候诊室304中的多个患者378A-C的范例情况。在该范例中,三个患者378A-C正在医院候诊室304中等待由医务人员380照顾。两个视频相机376A、376B被安装在候诊室304的表面(例如,屋顶、墙壁)上。两个视频相机376A、376B可以用来监测候诊室304中的患者378。患者378A-C均可以由分诊的医务人员(未描绘)基于初步患者状况分析来分配患者紧急性指标。当患者378等待照顾的医师时,两个视频相机376A、376B可以如上面描述的那样监测患者378以检测患者恶化。在一些实施例中,与患者相关联的患者紧急性指标可以响应于通过患者监测***(更具体地,恶化检测模块268)的患者已经恶化的检测而被医务人员更新。
在一些实施例中,患者378的一个或多个更新的生命体征可以使用视频相机376A、376B来采集。额外地或备选地,生命体征采集相机376可以针对诸如沉重或不规律呼吸的异常呼吸模式来对患者378进行分析。可以将具有还描绘了经历呼吸急促的患者的非常苍白的皮肤颜色的患者的图像或视频与例如被医院信息***240存储的患者的参考图像进行比较,以确定患者正在经历心脏病发作。在这样的情况下,警告可以被立即发送给医务人员,例如,通过文本消息、对讲机通知、显示屏上的输出等。
假设在图3中,第一患者378A是等待其血液和尿液测试的结果的学生,第二患者378B正在等待接收对于运动性损伤的处置,而第三患者378C需要关于一些腹部疼痛看医生。假设更早针对一些轻微呼吸困难等待看医师的第四患者378D被视频相机376A、376B检测到表现出有必要急诊护理的一些症状。可以引发警告(诸如音频或视频警告)来通知医务人员第四患者378D的恶化。在接收到警告后,护理提供者将会对患者378D的状态进行检测。因此,急诊人员380可以将第四患者378D带到她接收必要处置的急诊室384。一旦第四患者378D被带到急诊室384,患者监测队列就可以被更新以仅监测仍然在候诊室304等待其轮到的那些患者378A-C。
本文中描述的技术不被限制于医院候诊室。存在可以实施本文中描述的技术以实现各种技术优点的许多其他场景。例如,所公开的技术还可以用于机场、活动场所和其他公共场所中的人群的安全监测。在此类情况下,不是监测患者来确定患者急性恶化,而是可以针对其他类型的测量(诸如风险测量)对个体进行监测。
作为另一范例,图4描绘了所公开的技术可以如何在体育馆中实施。两个生命体征采集相机476A、476B被策略地定位为覆盖监测体育馆中的每个运动员所需的每一个角度,例如,使得它们能够用来监测运动员478A-B。训练指导员486(例如,教练、健身指导员或物理治疗师)可以首先评价运动员478的身体状况,例如,通过确定具体的运动员在伸展期间是否由于运动员的之前物理性损伤而感觉到疼痛。当第一运动员478A通过评价时,训练指导员486可以指导第一运动员478A开始标准训练方案。在该范例中,当第一运动员478A执行分配的训练方案(例如,使用跑步机)时,他的生命体征(诸如心率、呼吸率和温度)可以通过生命体征采集相机476A、476B被连续地/周期性地监测,例如,以确定第一运动员478A是否使他自己过度消耗体力。
在一些实施例中,在监测过程开始的时候,例如,当第一运动员478A进入体育馆来锻炼时,两个生命体征采集相机476中的一个可以例如基于之前(例如,当第一运动员478加入体育馆并且接收相片ID时)采集的参考图像来识别第一运动员478A。生命体征采集相机476A可以缩放到第一运动员478A的面部区域来采集心率。采集的生命体征可以被生命体征采集相机476A传输给计算设备(未描绘,患者监测***252的一个或多个部件)以便进一步分析,并且可以被存储在数据库(例如,272、274)中。如果采集的生命体征超过一定阈值水平,通知(例如,以听觉信号或视觉警告的形式)可以被生成以警告训练指导员486超过的阈值。在一些实施例中,计算设备可以建议要被第一运动员478A执行的特定步骤,诸如伸展和训练阶段之间的充分休息。类似的技术可以被应用于其他运动员,诸如第二运动员478B,取决于其相应的健康状况。在一些实施例中,不是针对受伤的征兆进行监测,而是本文中描述的技术可以在体育馆或类似的环境中用来例如基于由生命体征采集相机476随着时间跟踪的运动员运动、体重、温度、脉搏、呼吸率等跟踪所燃烧的卡路里或其他生理度量。为了使图2的***适应这种环境,恶化检测模块268可以简单地提供有用于从可用参数导出所燃烧的卡路里(或其他度量)的算法。在一些实施例中,***可以包括竞争性部件,例如,对房间中的人可见的、示出房间中的每个人的所燃烧的卡路里或其他度量的显示器,可能以所燃烧的最高卡路里或所观察到的最佳其他度量的顺序排序。
图5描绘了用于监测多个个体(诸如候诊室、体育馆等等的区域中的患者)的范例方法500。为了方便,方法500的一些操作参考执行操作的***来进行描述。该***可以包括各种计算机***的各种部件。例如,一些操作可以由患者监测***252的一个或多个部件来执行。此外,虽然方法500的操作以具体的顺序被示出,但是这不意味着进行限制。一个或多个操作可以被重新排序、省略或添加。
在块502处,个体健康指标(例如,患者紧急性指标、锻炼强度量度、ESI等)可以针对位于区域(例如能够在上面描述的生命体征采集相机(如上面提及的,借助于平移、倾斜和/或缩放,其可以具有可调的视场)的视场中进行采集的候诊室)中的多个个体(例如,患者、运动员、疗养院的住户等)例如从(例如,分诊处的)医务人员接收。例如候诊室,在各种实施例中,在进入所监测的区域之前,一个或多个初始生命体征可以例如由分诊护士或训练器从每个个体进行采集。基于这些初始生命体征,在块502处,个体健康指标可以例如由医务人员针对区域中的每个个体进行确定。
在块504处,***可以建立(或更新,如果它已经存在的话)区域中的个体的队列(例如,患者队列)。在各种实施例中,队列可以至少部分地基于在块502处确定的个体健康指标被排序和/或排序。额外地或备选地,在一些实施例中,队列可以基于其他数据点被排序,包括但不限于每个患者到达的时间、每个患者已经等待多长时间等等。
在块506处,***可以选择要从其采集更新的生命体征的给定个体。例如,***可以选择具有最高患者紧急性指标的患者,在许多情况下其可以是队列中的第一患者。在其他实施例中,***可以以不同的顺序(诸如使用FIFO和/或循环)选择个体。
在块508处,在块506处选择的个体可以由一个或多个生命体征采集相机276例如基于个体的一个或多个参考图像来在所监测的区域中进行定位(例如,图1的块120)。如上面提及的,个体的各种视觉特征可以用于患者定位,包括但不限于面部特征、姿势、衣服、尺寸等等。在块510处,一个或多个生命体征采集相机276可以从在块506处选择并且在块508处定位的个体不突兀地采集一个或多个更新的生命体征。在各种实施例中,个体可以例如通过通知分诊护士或其他人员而退出不突兀的采集。
在一些实施例中,在块512处,在块506处选择并且在块508处定位的个体中的恶化可以基于在块510处获得的更新的生命体征以及(例如,在块502处确定的)与给定患者相关联的个体健康指标(例如,患者紧急性指标)或从给定患者采集的初始生命体征(或在患者监测***252的之前迭代期间采集的更新的生命体征)中的至少一个来检测。如果恶化例如由于初始与更新的生命体征之间的差满足阈值而被检测到,方法500可以进入到块514。在块514处,可以提供各种模态的输出(包括但不限于文本消息、对讲机通知、视觉输出、音频输出、触觉反馈等)来警告相关人员差异,例如,通知值班护士患者的恶化。在一些实施例中,例如,可以通过显示恶化的患者的最近采集的图像(例如,使得医务人员将会知晓要在候诊室中寻找谁)或候诊室中的恶化的患者的实况串流视频来警告医务人员患者恶化。不管方法500在块512之后是否进入到块514,方法500可以向后进入到块504以更新队列,例如,将队列重新排序使得具有接下来最高患者紧急性指标的患者可以监测。
虽然本文中描述的范例已经主要涉及生命体征采集相机(诸如被配置为执行生命体征的无接触采集的相机),但是这不意味着进行限制。在各种实施例中,其他类型的传感器可以被包含到生命体征采集相机内和/或被单独地部署来检测患者的生命体征。例如,运动传感器可以例如用来检测候诊室中的患者的异常运动,诸如由于患者经历突然发作的那些。可以采用各种类型的运动传感器,包括但不限于基于红外、光学、微波、超声、声学或断层摄影的传感器、以及落在占用传感器的范畴下的那些。运动传感器可以是被动的和/或动态的。被动的红外传感器例如通过被设计为检测由移动的身体辐射的红外辐射的热电传感器来检测热移动。相比之下,超声传感器可以利用多普勒频移原理。超声传感器可以在所监测的区域中发射高频声波,并且检测反射波模式。微波传感器可以以类似的方式工作,除了它们可以发射高频微波而非声波。
图6是范例计算机***610的块图。计算机***610通常包括至少一个处理器614,其经由总线子***612与多个***设备通信。如本文中使用的,术语“处理器”应被理解为包含能够执行本文中描述的属于CDS***的各种功能的各种设备,例如,微处理器、FPGA、ASIC、其他类似的设备、以及其组合。这些***设备可以包括数据保持子***624(包括例如,存储器子***625和文件存储子***626)、用户接口输出设备620、用户接口输入设备622和网络接口子***616。输入和输出设备允许用户与计算机***610交互。网络接口子***616为外部网络提供接口,并且被连接到其他计算机***中的对应接口设备。
用户接口输入设备622可以包括键盘、定点设备(诸如鼠标、跟踪球、触控板或绘图板)、扫描器、被包含到显示器内的触摸屏、音频输入设备(诸如语音识别***、麦克风和/或其他类型的输入设备)。一般来说,术语“输入设备”的使用旨在包括将信息输入到计算机***610内或到通信网络上的所有可能类型的设备和方式。
用户接口输出设备620可以包括显示子***、打印机、传真机或非视觉显示器(诸如音频输出设备)。显示子***可以包括阴极射线管(CRT)、平板设备(诸如液晶显示器(LCD))、投影设备、或用于产生视觉图像的一些其他机构。显示子***还可以诸如经由音频输出设备提供非视觉显示。一般来说,术语“输出设备”的使用旨在将信息从计算机***610输出到用户或到另一机器或计算机***的所有可能类型的设备和方式。
数据保持***624存储提供本文中描述的一些或所有模块的功能性的编程和数据结构。例如,数据保持***624可以包括执行方法500的选定方面和/或实施患者监测***252的一个或多个部件的逻辑。
这些软件模块一般由处理器614单独或结合其他处理器来执行。在存储子***中使用的存储器625能够包括许多存储器,包括用于在程序执行期间存储指令和数据的主随机存取存储器(RAM)630、固定指令被存储在其中的只读存储器(ROM)632、和其他类型的存储器(诸如指令/数据高速缓存(其可以额外地或备选地与至少一个处理器614一体))。文件存储子***626能够提供用于程序和数据文件的永久存储设备,并且可以包括硬盘驱动器、软盘驱动器以及相关联的可移除介质、CD-ROM驱动器、光学驱动器、或可移除介质盒。实施某些实施方式的功能性的模块可以被文件存储子***626存储在数据保持***624中、或在可由(一个或多个)处理器614访问的其他机器中。如本文中使用的,术语“非瞬态计算机可读介质”应被理解为包含易失性存储器(例如DRAM和SRAM)和易失性存储器(例如闪烁存储器、磁性存储器和光学存储器),但不包括瞬态信号。
总线子***612提供用于根据需要让计算机***610的各种部件和子***与彼此通信的机构。尽管总线子***612被示意性地示为单个总线,但是总线子***的备选实施方式可以使用多个总线。
计算机***610能够是不同类型的计算机***,包括工作站、服务器、计算集群、刀片服务器、服务器农场、或任何其他数据处理***或计算设备。在一些实施例中,计算机***610可以被实施在云计算环境内。由于计算机和网络的日益变化的性质,在图6中描绘的计算机***610的描述仅旨在作为特定范例用于说明一些实施方式的目的。具有比在图6中描绘的计算机***更多或更少的部件的计算机***610的许多其他配置是可能的。
图7示出了可以在本文中描述的各种实施例中被采用的生命体征采集相机776的第一实施例的示意图。从生物784(诸如患者)反射的电磁辐射782(具体地在可见和红外波长范围内的光)被所述相机776接收和评估,以生成生物784的生物测量信号798。相机776可以包括用于阻止入射电磁辐射782内的在上至基本上550nm、和/或上至大约600nm、和/或上至650nm的波长范围内的入射可见光的滤波器786。经滤波的入射光788然后被颜色传感器790感测,所述颜色传感器790例如通过两个单独的颜色检测器793、794(或此类颜色检测器的阵列)的使用来生成至少两个不同的颜色信号792A、792B。组合单元795通过例如通过线性组合对所述颜色信号792A、792B进行组合来生成至少一个组合的颜色信号796。最后,处理单元797被提供用于处理所述组合的颜色信号796并且提取生物784的至少一个生物测量信号798。在一些实施例中,组合单元795和处理单元797可以通过共同的处理器799例如被实现为处理器的处理元件、或被实施在常规处理器上的软件中。然而,它们还可以以不同的方式例如被实现为专用的硬件元件。
图8示意性地示出了可以在本文中描述的各种实施例中被采用的相机876’的第二实施例。图8示出了(在该和/或其他实施例中)任选地可以提供额外的滤波器886’,该滤波器886’被配置为在到达颜色传感器890之前阻止在至少1100nm之上、具体地在至少1000nm之上的波长范围内的入射光。虽然那些颜色传感器(例如成像硅传感器)一般示出朝向更长波长自然降低的灵敏性,但是这样的额外滤波器886’可以确保在所述上限阈值波长之上的经滤波的入射光888内的信号贡献被阻止,即水吸收变为主导的信号贡献在经两次滤波的入射光888’中被阻止。
进一步地,在该实施例中,颜色传感器890例如通过具有被提供在光探测器895(或,更一般地,图像传感器)前面的三个不同颜色滤波器区域的颜色滤波器阵列893的使用来生成三个不同的颜色信号892A、892B、892C。这样的颜色传感器(例如包括仅具有两个颜色滤波器区域的颜色滤波器阵列)也可以在图7中示出的实施例中使用。在一些实施例中,颜色传感器890可以包括生成如通常由RGB颜色传感器提供的红色信号892A、绿色信号892B和蓝色信号892C的颜色滤波器阵列。从三个颜色信号892A、892B、892C,组合单元895通过进行所述三个颜色信号892A、892B、892C中的至少两个的两种不同组合(具体地线性组合)来生成两个组合的颜色信号896A、896B。从这两个组合的颜色信号896A、896B,处理单元然后最终从生物884提取期望的生物测量信号898。
图9描绘了根据各种实施例的用于建立并维持要使用生命体征采集相机(例如、276、376、476、776、876)监测的患者的优先的患者队列的范例方法900。虽然方法900的操作以具体的顺序来进行描绘,但是这不意味着进行限制。在各种实施例中,一个或多个操作可以被添加、省略和/或重新排序。在一些实施例中,方法900的一个或多个操作(和/或在图10和11中描绘的操作)可以由患者队列模块258来执行,例如,作为在图1的块118处(和/或在图5的块506处)识别要被监测的患者的一部分。
在块902处,当前患者队列可以被建立。在一些实施例中,当前患者队列可以从人群监测数据库(图2中的“CMD”)278获得。例如,当患者登记和/或被分诊时,人群监测数据库278可以被填写有患者数据。在来自优先队列的数据丢失的情况下,它可以使用来自人群监测数据库278的数据被重新填写。在一些实施例中,人群监测数据库278可以简单地是数据库272的一部分。
额外地或备选地,当新患者被登记和/或分诊时,患者队列可以被立即生成。患者队列可以基于各种数据点被分优先级(或“排序’)。例如,在一些实施例中,患者队列可以(直接或间接地)至少部分地基于多个患者相关联的患者紧急性指标被分优先级。假设ESI用作患者紧急性指标。更急性的患者—即具有更低ESI’s的那些—一般可以比更不急性的患者更频繁地监测。然而,如果患者在患者队列中仅基于ESI被分优先级,那么最不急性的患者可能处于永久被移动到患者队列后面(例如,如果新的更急性的患者保持进来的话)并且从不被监测(或至少以不可接受地低的频率被监测)的风险。
相应地,为了确保所有患者都以可接受的频率被监测,在一些实施例中,患者队列可以至少部分地基于针对要被监测的患者的所谓的“下一个排程时间”被直接分优先级。这些“下一个排程时间”可以是患者应当从患者队列“调遣”(或被计划为患者队列)以便通过一个或多个生命体征采集相机276进行监测的未来时间。患者在其下一个排程时间被监测是不需要的。如果监测资源—例如,一个或多个生命体征采集相机—可用于监测比患者的下一个排程时间更早的患者(即,患者队列中的该患者前面的所有患者都已经被监测),那么患者可以在安排的时间之前被监测。同样地,如果一个或多个生命体征相机落在进度表后面,患者可以以队列中的其顺序被监测,即使其时间监测时间晚于其下一个排程时间。并且当然,除了“用于监测的下一个排程时间”之外的其他度量可以被替代地使用,诸如数字(或字母)优先分数或等级等。
回来参考图9,在各种实施例中,在块902处建立的患者队列可以被相对独立地维持和操作,例如,借助于患者队列模块258独立于患者监测***252的其他模块来执行。如果患者监测***252的一个或多个其他部件(比如,(一个或多个)生命体征采集相机276)卡住或要不然发生故障,患者队列模块258能够调遣要监测的下一个患者(例如,公布其识别符)则会是有益的。相应地,在块904处,看门狗定时器可以被设置到预定时间间隔。该预定时间间隔可以是任何时间量。在一些实施例中,预定时间间隔可以被选择为大于在从两个不同患者采集更新的生命体征之间通常所需的典型时间量(例如,平均值、中值等)的时间量、或稍微大于在两个不同患者的监测之间所容许的最大时间量的时间量。在一些实施例中,与看门狗定时器相关联的预定时间间隔可以基于正被监测的患者的数量、可用的生命体征采集相机的数量等来进行选择和/或改变。
在块906处,在患者队列最前(其是队列的“逻辑”最前并不一定是存储器位置的序列中的第一个)的患者可以被“调遣”以便进行监测。如本文中使用的“调遣”不一定指的是由患者或由医务人员的任何故意动作。相反,如本文中使用的“调遣”指的是识别正被提供给其他部件的患者,使得其他部件能够引起更新的生命体征从患者进行采集。例如,患者队列模块258可以通过向EPS模块270公布与在患者队列的头部的患者相关联的识别符来调遣患者。EPS模块270然后可以向图2中的提交此类通知的任何其他模块(例如,患者***模块260)来公布识别符。在一些实施例中,患者队列模块258也可以提供其他信息,诸如患者的在候诊室中最后已知的位置(例如,作为用于患者***模块260定位患者的帮助)、参考图像(例如,图像本身或到其链接/指针)等等。
在块908处,患者队列模块258然后可以等待,并且当它们例如从EPS模块270到达时处理事件。可以被提供给患者队列模块258的事件的一个范例是在块904处设置的与看门狗定时器相关联的预定时间间隔自更新的生命体征上一次从患者队列中的任何患者不突兀地采集以后已经逝去的确定。这可以暗示例如(一个或多个)生命体征采集相机和/或另一模块(例如、260、262、264、266)已经卡住或要不然已经发生故障。在这样的情况下,在队列的头部的患者可以从患者队列重新选择,并且被提供给其他部件(例如,患者***模块260)以便进行监测。在一些实施例中,如果看门狗在患者能够被监测之前多次超时,则可以响应于来自EPS模块270的患者监测***252的一个或多个部件存在问题的通知而例如通过警报模块248引发警告。另一方面,如果患者被成功地监测(或至少尝试监测患者),那么看门狗定时器可以被重置。
图10描绘了可以在块908处被处理的各种其他事件。例如,当新患者被登记和/或分诊时,可以引发添加患者事件1020。在这样的事件中,在块1022处,新患者可以例如在至少部分地(例如,直接或间接地)基于与新患者相关联的患者紧急性指标选择的位置处被添加到患者队列。在图11中描绘了用于将患者添加或重新排队到患者队列的范例方法。
当患者被释放时,例如,因为他们已经被带到急诊室或其他地方以进行处置,或因为例如在通知医务人员他们感觉更好之后他们自愿离开候诊室,可以引发释放患者事件1024。在这样的事件中,在块1026处,患者可以从队列移除。在一些实施例中,从队列移除患者可以包括删除与释放的患者相关联的条目(例如,存储器位置),使得当其他患者队列改变被执行时将不会考虑所释放的患者。
当与患者相关联的患者紧急性指标改变时,可以引发对患者紧急性指标的改变事件1028。例如,医务人员可以例如响应于患者正在恶化的确定(基于由(一个或多个)生命体征采集相机276获得的更新的生命体征)而重新检查和/或与患者交谈。患者的恶化可能不一定有必须急诊室中的立即处置,但是患者的患者紧急性指标可能已经改变,有必要更频繁的(或更不频繁的,视情况而定)监测。在这样的情况下,在块1030处,患者可以基于其新患者紧急性指标被重新排队。将这样的患者重新排队可以以与在图11中描绘的方法1100类似的方式来执行。
当患者***模块260不能使用(一个或多个)生命体征采集相机276定义所调遣的患者时,可以引发不能找到患者事件1032。例如,患者可能已经离开而未通知工作人员,或患者可能已经去洗手间或要不然走开。在这样的事件中,在一些实施例中,在块1034处,可以例如通过执行与在图11中描绘的那些类似的操作将未定位的患者重新排队。
在一些实施例中,在块1034处将未定位的患者重新排队可以触发调遣子例程1070。在调遣子例程1070的块1072处,可以确定这是否是定位该患者的第二(或更多)尝试。如果回答为是,那么可以在1074处引发警告。例如,可以通知值班护士或其他医务人员—例如,通过显示屏、听觉警告、页面、文本消息等—患者不能被找到。不管在块1074处是否引发警告,在调遣子例程1070的块1076处,在队列的头部的患者(失去的患者在块1034处被重新排队并且因此不再在患者队列的头部)可以被调遣以便进行监测。在一些实施例中,前面提到的看门狗定时器然后可以在调遣子例程的块1078处被重置。
当患者监测***252的生命体征测量模块266能够成功地操作一个或多个生命体征采集相机276来获得更新的生命体征时,可以引发监测完成事件1036。假设患者已经恶化,患者可以以与图11中描述的方式类似的方式被重新排队(1038)。如果患者的患者紧急性指标未改变,在一些实施例中,用于监测的患者的下一个排程时间可以在未来如它之前的那样被计划为类似的时间间隔。如在图10中指示的,调遣子例程1070然后可以被触发,在块1076处开始。
当患者监测***252的生命体征测量模块266不能操作一个或多个生命体征采集相机276来从调遣的患者获得更新的生命体征时,可以引发监测失败事件1040。在这样的事件中,患者可以在块1042处被重新排队。类似地,当患者监测***252的生命体征测量模块266仅部分成功地操作一个或多个生命体征采集相机276来从调遣的患者获得更新的生命体征时,可以引发监测部分失败事件1044。例如,如果生命体征采集相机276被配置为采集三个不同的生命体征,但是仅成功采集一个或两个生命体征,那么监测可以被认为是部分失败的。在这样的事件中,患者可以在块1046处被重新排队。不论患者是在块1042还是1046处被重新排队,如在图10中指示的,调遣子例程1070然后可以被触发,在块1076处开始。
在一些实施例中,当将具体患者重新排队时,用于监测具体患者的下一个排程时间可以至少部分地基于最近的监测尝试是否失败来计算。例如,假设具体患者被成功地监测(即更新的生命体征在块1036处被(一个或多个)生命体征采集相机276成功地采集)。在一些实施例中,用于监测的具体患者的下一个排程时间可以例如通过将当前时间添加到与具体患者的患者紧急性指标相关联的值(例如,以分钟为单位)来计算。然而,如果监测部分(1044)或完全失败(1040),加快用于监测的具体患者的下一个排程时间则会是有益的。例如,在一些实施例中,用于在监测尝试完全失败之后进行监测的患者的下一个排程时间可以被设置为最小时间间隔(例如,五分钟)、或为患者的下一个计划监测时间将会已经在成功监测之后的相对小的分数。类似地,用于在监测尝试部分失败之后进行监测的患者的下一个排程时间可以被设置为患者的下一个计算监测时间将会已经在成功监测之后更短(例如,一半时间)但是可能比患者的下一个计算监测时间将会已经在完全监测失败之后更长的时间间隔。
当前面提到的看门狗定时器在进行新的尝试使用(一个或多个)生命体征采集相机276从患者采集更新的生命体征之前终止时,可以引发看门狗定时器终止事件1048。如上面提及的,在这样的事件中,最后调遣的患者(即,“当前患者”)可以在块1050处被重新调遣,例如,将操作发送回到调遣子例程1070的块1076。
图11描绘了用于例如在图10的块1038处将成功监测的患者(其在图11的背景下将会被称为“监测的患者”)重新排队的范例方法1100。如上面提及的,类似的技术可以被执行以添加新患者、以及将其他患者(诸如未成功地监测和/或部分监测的患者)重新排队,但是下一个排程时间可以如上面描述的那样被不同地计算。虽然方法1100的操作以具体的顺序来进行描绘,但是这不意味着进行限制。在各种实施例中,一个或多个操作可以被重新排序、添加和/或省略。
在块1102处,可以例如通过分配要被填写有所监测的患者的信息(例如,患者识别符、患者紧急性指标、用于监测的下一个排程时间、候诊室中的最后已知位置等)的一个或多个存储器位置(例如,例示新的数据库记录)来创建新队列条目。此外,之前包含所监测的患者的信息(其触发刚刚完成的成功监测)的队列条目可以从队列移除。在块1104处,在块1102处从队列移除的老队列条目的内容可以复制到新产生的队列条目内。在其他实施例中,代替将新条目添加到患者队列并且移除老条目,队列的同一条目(例如,同一存储器位置和/或数据库条目)可以被再次使用。
在块1106处,用于监测所监测的患者的下一个排程时间可以至少部分地基于所监测的患者的患者紧急性指标来计算和/或更新。在图12中描绘了要被监测的患者的下一个排程时间可以如何被计算的非限制性范例。图12描绘了范例患者队列、当前时间(14:21)、以及描绘患者紧急性指标(在该实例中ESI分数)与用作要被监测的下一个排程时间的对应时间间隔(例如,以分钟为单位)之间的关联的表。例如,具有ESI分数5的患者会被认为是“非紧急的”,并且因此不会需要被频繁地监测。相应地,这样的患者可以被分配相距当前时刻三十分钟的用于监测的下一个排程时间。相比之下,具有ESI分数2的患者会被认为是“紧急的”,并且因此会需要被频繁地监测。相应地,这样的患者可以被分配相距当前时刻五分钟的用于监测的下一个排程时间。并且如上面提及的,在一些实施例中,取决于监测患者的上一次尝试是不成功还是部分成功,用于监测患者的下一个排程时间可以被不同地计算。例如,对于部分监测的患者,在图12中的表中描绘的时间被减半(或者以其他方式被减少),并且对于未成功监测的患者,可以被减少得更多。当然,这些减少可以是基于回顾性分析、情况、偏好和/或其他因素可调的。
回来参考图11,在块1108处,可以识别患者队列中的第一条目,对于所述第一条目,进行监测的下一个排程时间大于或等于监测所监测的患者的下一个排程时间。在块1110处,可以确定下一个排程时间是否是相等的。如果回答为否(即针对所监测的患者的下一个排程时间早于针对在块1108处识别的条目的下一个排程时间),那么方法1100可以进入到块1112。在块1112处,与所监测的患者相关联的新条目可以在块1108处识别的条目之前被***到患者队列内。方法1100然后可以结束。然而,如果在块1110处回答为是,那么方法可以进入到块1114。
在块1114处,可以识别具有相同的用于监测的下一个排程时间但是比所监测的患者更小的患者紧急性指标的患者队列中的下一个条目。“更小”在此背景下意味着更不急性/紧急的,因此在ESI用作患者紧急性指标的实施例中,“更不急性”实际上意味着“更大的ESI分数”。然后,方法1100进入到块1112,并且所监测的患者的新队列条目在块1114处识别的条目之前被***到患者队列内。
图12的左侧的患者队列描绘了多个患者可以如何通过要被监测的下一个排程时间被分优先级的范例。如上面提及的,这些下一个排程时间可以已经至少部分地基于患者紧急性指标或图12中的ESI分数来计算。相应地,能够观察到具有更大急性(即图12中的更低ESI分数)的患者趋向于朝向患者队列的前面(顶部)被分布,而更不紧急的患者趋向于朝向后面(底部)被分布。然而,通过采用方法(诸如图11的方法1100),可以确保甚至低风险患者至少被周期性地监测,如果不与更高风险患者一样经常的话。例如,患者1452具有ESI分数4,但是仍然在用于监测的排队中位于第二。
如上面提及的,在一些实施例中,在图12中描绘的下一个排程时间可以不一定是绑定的。如果一个或多个生命体征采集相机276在用于监测在队列的头部的患者的下一个排程时间之前变得可用,患者队列模块258可以前进并且将在队列的头部的患者例如调遣到患者***模块260。在多个生命体征采集相机可用的一些实施例中,多个患者可以从患者队列被同步和/或同时调遣。例如,在队列的头部的患者可以在之前调遣的患者的监测完成之前从患者队列调遣。作为另一范例,两个患者可以被同时调遣,其中一个被第一生命体征采集相机276监测,而另一个被第二生命体征采集相机276监测。备选地,***可以能够同时处理(识别、测量)相机的视场中的N个患者。在此情况下,当来自队列顶部的患者正被处理并且在视图中存在多达N-1个其他患者,队列可以被如此更新以反映这种同时处理。
尽管本文中已经描述和说明了若干实施例,但是本领域的普通技术人员将容易想到用于执行功能和/或获得结果和/或本文描述的一个或多个优点的各种其他手段和/或结构,并且这些变化和/或修改中的每个被认为是在本文描述的实施例的范围内。更具体地,本领域技术人员将容易意识到,本文中所描述的所有参数、尺度、材料和配置意味着是示范性的,并且实际参数、尺度、材料和/或配置将取决于使用教导的一个或多个具体应用。本领域的技术人员将认识到,或者仅仅使用常规实验就能够确定本文描述的具体实施例的许多等价方案。因此,应理解的是,前述实施例仅通过范例呈现,并且在权利要求及其等价方案的范围内,可以以与具体描述和要求保护的方式不同的方式来实践实施例。本公开的实施例涉及本文描述的每个个体特征、***、物品、材料、套件和/或方法。此外,如果这样的特征、***、物品、材料、套件和/或方法不相互不一致,则两个或更多个这样的特征、***、物品、材料、套件和/或方法的任何组合都包括在本公开的范围内。
如本文所定义和使用的所有定义应被理解为控制在字典定义、通过引用并入的文献中的定义和/或所定义的术语的普通含义上。
如本文中在说明书和权利要求书中所使用的词语“一”和“一个”应被理解为意指“至少一个”,除非明确相反指示。
如在本说明书和权利要求书中所使用的短语“和/或”应该被理解为是指如此联合的元素中的“任一个或两者”,即在一些情况下联合存在并且在其它情况下分离存在的元素。利用“和/或”列出的多个元素应该以相同的方式解释,即如此联合的元素中的“一个或多个”。除了由“和/或”子句特别识别的元素,其他元素可以任选地存在,不管与具体标识的那些元素相关还是不相关。因此,作为非限制性范例,当与诸如“包括”的开放式语言结合使用时,对“A和/或B”的引用在一个实施例中可以仅指A(任选地包括除了B之外的元素);在另一个实施例中,仅指B(任选地包括除了A之外的元素);在又一个实施例中,指A和B(任选地包括其他元素);等等。
如在本说明书和权利要求书中所使用的,“或”应当被理解为具有与上面所定义的“和/或”相同的含义。例如,当在列表中分离项目时,“或”或“和/或”应被解释为包含性的,即包括多个元素或元素列表中的至少一个元素,但也包括多于一个元素,以及任选的其他未列出项目。仅清楚地指示为相反的术语,诸如“仅一个”或“确切地一个”,或者,当在权利要求中使用时,“由...组成”,将指包括多个元素或元素列表中的确切地一个元素。通常,如本文使用的术语“或”仅当前面有排他性术语(例如“任一个”,“其中之一”,“仅一个”,或者“确切地一个”)时才应解释为指示排他性备选(即,“一个或另一个但是并非两个”)。当在权利要求中使用时,“基本上由...组成”应当具有其在专利法领域中使用的普通含义。
如本文中在说明书和权利要求书中所使用的,关于一个或多个元素的列表的短语“至少一个”应该被理解为是指选自元素列表中的元素中的任何一个或多个的至少一个元素,但是不必包括元素列表内具体列出的每一个元素或每个元素中的至少一个,并且不排除元素列表中的元素的任何组合。该定义还允许除了在短语“至少一个”涉及的元素列表内具体识别的元素之外元素可以任选地存在,而不管与具体识别的那些元素相关还是不相关。因此,作为非限制性范例,“A和B中的至少一个”(或者等价地,“A或B中的至少一个”,或者等价地“A和/或B中的至少一个”)可以在一个实施例中指至少一个、任选地包括多于一个A,而不存在B(并且任选地包括除了B之外的元素);在另一个实施例中,指至少一个、任选地包括多于一个B,而不存在A(并且任选地包括除了A之外的元素);在又一个实施例中,指至少一个、任选地包括多于一个A,以及至少一个、任选地包括多于一个B(并且任选地包括其他元素);等等。
还应该理解,除非明确地相反指示,在本文所要求保护的包括多于一个步骤或动作的任何方法中,方法的步骤或动作的顺序不必限于叙述该方法的步骤或动作的顺序。
在权利要求书以及上面的说明书中,所有的过渡性短语,诸如“包括”、“包含”、“携带”、“具有”、“含有”、“涉及”、“保持”、“带有”等等被理解为是开放式的,即意味着包括但不限于。只有过渡性短语“由...组成”和“基本上由...组成”应分别是封闭式或半封闭式过渡短语,如美国专利局专利审查程序手册第2111.03节所阐明的。
Claims (15)
1.一种计算机实施的方法,包括:
由一个或多个处理器接收(502)与能够被一个或多个生命体征采集相机(276、376、476、776、876)捕获的区域中的多个患者中的每个患者相关联的患者紧急性指标,其中,与每个患者相关联的所述患者紧急性指标是基于从所述患者采集的一个或多个初始生命体征的;
由所述处理器中的一个或多个建立(504、902)患者监测队列,所述患者监测队列包括至少部分地基于所述患者紧急性指标而被分优先级的所述多个患者;
由所述处理器中的一个或多个从所述患者监测队列选择(506、906、1076)在所述患者监测队列的头部的患者;
由所述生命体征采集相机中的一个或多个从所选择的患者不突兀地采集(510)一个或多个更新的生命体征;以及
由所述处理器中的一个或多个响应于不突兀采集的结果而改变(1034、1038、1042、1046)所述患者监测队列。
2.根据权利要求1所述的计算机实施的方法,其中,所述患者监测队列还基于所述患者要被监测的下一个排程时间而被分优先级。
3.根据权利要求1所述的计算机实施的方法,其中,每个患者要被监测的下一个排程时间至少部分地基于与所述患者相关联的患者紧急性指标来确定。
4.根据权利要求1所述的计算机实施的方法,其中,所述不突兀采集的所述结果包括由所述处理器中的一个或多个提供(514)警告医务人员所选择的患者的恶化的输出,并且所述警告包括从所述患者监测队列移除(1026)所选择的患者。
5.根据权利要求1所述的计算机实施的方法,其中,所述不突兀采集的所述结果包括不突兀地采集所述一个或多个更新的生命体征的失败(1040),并且所述警告包括将所选择的患者重新排队(1042)。
6.根据权利要求1所述的计算机实施的方法,其中,所述不突兀采集的所述结果包括所述一个或多个更新的生命体征的成功采集(1036),并且所述警告包括至少部分地基于与所选择的患者相关联的患者紧急性指标将所选择的患者重新排队(1038)。
7.根据权利要求6所述的计算机实施的方法,其中,将所选择的患者重新排队包括至少部分地基于与所选择的患者相关联的所述患者紧急性指标来计算(1106)所选择的患者要被监测的下一个排程时间。
8.根据权利要求7所述的计算机实施的方法,其中,将所选择的患者重新排队包括将所选择的患者***(1112)到所述患者监测队列的选定位置内,其中,所述选定位置先于所述患者监测队列中的另一患者,所述另一患者要被监测的下一个排程时间晚于或大于所选择的患者要被监测的下一个排程时间。
9.根据权利要求1所述的计算机实施的方法,还包括由所述处理器中的一个或多个基于描绘所选择的患者的参考图像在所述区域中的所述多个患者之中定位(120)所选择的患者。
10.根据权利要求9所述的计算机实施的方法,其中,所述参考图像由与分诊站或登记台相关联的一个或多个相机采集,所述分诊站或登记台与医学候诊室相关联。
11.根据权利要求9所述的计算机实施的方法,还包括:
由所述处理器中的一个或多个将看门狗定时器设置(904)到预定时间间隔;
响应于确定自更新的生命体征上一次从所述患者监测队列中的任何患者不突兀地采集之后已经逝去所述预定时间间隔而从所述患者监测队列重新选择(906、1076)所选择的患者;以及
响应于检测到由所述一个或多个生命体征采集相机尝试不突兀地获得更新的生命体征而重置(1078)所述看门狗定时器。
12.一种包括一个或多个处理器和与所述一个或多个处理器可操作地耦合的存储器的***,其中,所述存储器存储指令,响应于所述指令被一个或多个处理器执行,所述指令使所述一个或多个处理器:
接收(502)与能够被一个或多个生命体征采集相机(276、376、476、776、876)捕获的区域中的多个患者中的每个患者相关联的患者紧急性指标,其中,与每个患者相关联的所述患者紧急性指标是基于从所述患者采集的一个或多个初始生命体征的;
建立(504、902)患者监测队列,所述患者监测队列包括至少部分地基于所述患者要被监测的下一个排程时间而被分优先级的所述多个患者;
从所述患者监测队列调遣(506、906、1076)所选择的患者以便由所述一个或多个生命体征采集相机进行监测;
由所述生命体征采集相机中的一个或多个从所述多个患者中的所选择的患者不突兀地采集(510)一个或多个更新的生命体征;以及
响应于不突兀采集的结果而改变(1034、1038、1042、1046)所述患者监测队列。
13.根据权利要求12所述的***,其中,所述患者要被监测的所述下一个排程时间至少部分地基于所述患者紧急性指标来计算。
14.至少一种包括指令的非瞬态计算机可读介质,响应于所述指令被一个或多个处理器执行,所述指令使所述一个或多个处理器执行以下操作:
接收(502)与能够被一个或多个生命体征采集相机(276、376、476、776、876)捕获的区域中的多个患者中的每个患者相关联的患者紧急性指标,其中,与每个患者相关联的所述患者紧急性指标是基于从所述患者采集的一个或多个初始生命体征的;
建立(504、902)患者监测队列,所述患者监测队列包括基于所述患者要被监测的下一个排程时间而被分优先级的所述多个患者,其中,所述患者要被监测的所述下一个排程时间至少部分地基于所述患者紧急性指标来确定;
调遣(506、906、1076)在所述患者监测队列的头部的所选择的患者以便进行监测;
由所述生命体征采集相机中的一个或多个从所述多个患者中的所选择的患者不突兀地采集(510)一个或多个更新的生命体征;以及
响应于不突兀采集的结果而改变(1034、1038、1042、1046)所述患者监测队列。
15.根据权利要求14所述的至少一种非瞬态计算机可读介质,其中,所述不突兀采集的所述结果包括提供(510)警告医务人员所选择的患者的恶化的输出,并且所述警告包括从所述患者监测队列移除(1026)所选择的患者。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662420593P | 2016-11-11 | 2016-11-11 | |
US62/420,593 | 2016-11-11 | ||
PCT/EP2017/077837 WO2018086953A1 (en) | 2016-11-11 | 2017-10-30 | Queue for patient monitoring |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109952615A true CN109952615A (zh) | 2019-06-28 |
Family
ID=60382162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780069841.XA Pending CN109952615A (zh) | 2016-11-11 | 2017-10-30 | 用于患者监测的队列 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20190267136A1 (zh) |
EP (1) | EP3539134A1 (zh) |
JP (1) | JP2020502631A (zh) |
CN (1) | CN109952615A (zh) |
WO (1) | WO2018086953A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110840424A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种预警式诊中监测装置及方法 |
CN110840425A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种急诊患者诊中健康监护***及方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180349558A1 (en) * | 2017-06-05 | 2018-12-06 | Cerner Innovation, Inc. | Systems and methods for autonomous discharge queue management |
JP2019192145A (ja) * | 2018-04-27 | 2019-10-31 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP7217595B2 (ja) * | 2018-06-29 | 2023-02-03 | キヤノンメドテックサプライ株式会社 | 医用情報処理システム、医用情報処理システムの制御方法、およびプログラム |
JP2021083783A (ja) * | 2019-11-28 | 2021-06-03 | 株式会社エクォス・リサーチ | 脈拍数検出装置、運動装置、及び脈拍数検出プログラム |
US20220223266A1 (en) * | 2021-01-12 | 2022-07-14 | Ways Investments, LLC | System, Method, and Apparatus for Staff or Resource Deployment |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130030825A1 (en) * | 2011-07-29 | 2013-01-31 | General Electric Company | Systems and methods for automated triage and scheduling in an emergency department |
WO2013027141A2 (en) * | 2011-08-22 | 2013-02-28 | Koninklijke Philips Electronics N.V. | Data administration system and method |
US20160217260A1 (en) * | 2015-01-22 | 2016-07-28 | Koninklijke Philips N.V. | System, method and computer program product for patient triage |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MX347895B (es) | 2011-08-01 | 2017-05-18 | Koninklijke Philips Nv | Dispositivo y método para obtener y procesar lecturas de medición de un ser vivo. |
WO2013030745A1 (en) | 2011-09-02 | 2013-03-07 | Koninklijke Philips Electronics N.V. | Camera for generating a biometrical signal of a living being |
BR112015011573A2 (pt) | 2012-11-23 | 2017-07-11 | Koninklijke Philips Nv | dispositivo de monitoramento remoto, método de monitoramento remoto e programa de computador |
EP2767232A1 (en) | 2013-02-15 | 2014-08-20 | Koninklijke Philips N.V. | System and method for determining a vital sign of a subject |
US11272142B2 (en) | 2013-03-06 | 2022-03-08 | Koninklijke Philips N.V. | System and method for determining vital sign information |
US9125606B2 (en) | 2013-03-13 | 2015-09-08 | Koninklijke Philips N.V. | Device and method for determining the blood oxygen saturation of a subject |
JP6492558B2 (ja) * | 2014-11-10 | 2019-04-03 | 富士通株式会社 | 遠隔制御装置、遠隔制御方法、遠隔制御プログラム、および遠隔制御システム |
-
2017
- 2017-10-30 CN CN201780069841.XA patent/CN109952615A/zh active Pending
- 2017-10-30 US US16/347,981 patent/US20190267136A1/en not_active Abandoned
- 2017-10-30 EP EP17800418.0A patent/EP3539134A1/en not_active Withdrawn
- 2017-10-30 JP JP2019524040A patent/JP2020502631A/ja not_active Ceased
- 2017-10-30 WO PCT/EP2017/077837 patent/WO2018086953A1/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130030825A1 (en) * | 2011-07-29 | 2013-01-31 | General Electric Company | Systems and methods for automated triage and scheduling in an emergency department |
WO2013027141A2 (en) * | 2011-08-22 | 2013-02-28 | Koninklijke Philips Electronics N.V. | Data administration system and method |
US20160217260A1 (en) * | 2015-01-22 | 2016-07-28 | Koninklijke Philips N.V. | System, method and computer program product for patient triage |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110840424A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种预警式诊中监测装置及方法 |
CN110840425A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种急诊患者诊中健康监护***及方法 |
CN110840424B (zh) * | 2019-11-20 | 2022-05-10 | 首都医科大学宣武医院 | 一种预警式诊中监测装置及方法 |
CN110840425B (zh) * | 2019-11-20 | 2022-05-13 | 首都医科大学宣武医院 | 一种急诊患者诊中健康监护***及方法 |
Also Published As
Publication number | Publication date |
---|---|
US20190267136A1 (en) | 2019-08-29 |
EP3539134A1 (en) | 2019-09-18 |
WO2018086953A1 (en) | 2018-05-17 |
JP2020502631A (ja) | 2020-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110168658B (zh) | 患者监测***和方法 | |
CN109952615A (zh) | 用于患者监测的队列 | |
JP7197475B2 (ja) | 患者モニタリング・システムおよび方法 | |
JP7449093B2 (ja) | 被検者識別システム及び方法 | |
JP7199426B2 (ja) | 対象者の識別のためのカメラ及び画像校正 | |
CN111344715B (zh) | 对象识别***和方法 | |
CN110050276B (zh) | 患者识别***和方法 | |
US20210192270A1 (en) | Person indentification systems and methods | |
Sudha et al. | Stress detection based on human parameters using machine learning algorithms | |
Torres | Multimodal Analytics for Healthcare |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190628 |
|
WD01 | Invention patent application deemed withdrawn after publication |