CN111542260A - 基于来自医疗保健机构中多个源的数据的患者风险评估 - Google Patents
基于来自医疗保健机构中多个源的数据的患者风险评估 Download PDFInfo
- Publication number
- CN111542260A CN111542260A CN201980001288.5A CN201980001288A CN111542260A CN 111542260 A CN111542260 A CN 111542260A CN 201980001288 A CN201980001288 A CN 201980001288A CN 111542260 A CN111542260 A CN 111542260A
- Authority
- CN
- China
- Prior art keywords
- patient
- score
- data
- risk
- analysis engine
- 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
- 238000012502 risk assessment Methods 0.000 title description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 248
- 206010040047 Sepsis Diseases 0.000 claims abstract description 112
- 208000027418 Wounds and injury Diseases 0.000 claims abstract description 94
- 208000014674 injury Diseases 0.000 claims abstract description 80
- 238000001514 detection method Methods 0.000 claims abstract description 75
- 230000006378 damage Effects 0.000 claims abstract description 74
- 206010021639 Incontinence Diseases 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims description 163
- 230000033001 locomotion Effects 0.000 claims description 35
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 33
- 210000004369 blood Anatomy 0.000 claims description 30
- 239000008280 blood Substances 0.000 claims description 30
- 230000035882 stress Effects 0.000 claims description 30
- 230000004044 response Effects 0.000 claims description 26
- 206010052428 Wound Diseases 0.000 claims description 24
- 230000009471 action Effects 0.000 claims description 24
- 238000001356 surgical procedure Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 18
- 230000006854 communication Effects 0.000 claims description 18
- 238000002565 electrocardiography Methods 0.000 claims description 18
- 206010038687 Respiratory distress Diseases 0.000 claims description 17
- 230000036772 blood pressure Effects 0.000 claims description 17
- 230000000747 cardiac effect Effects 0.000 claims description 17
- 239000012530 fluid Substances 0.000 claims description 16
- 230000036387 respiratory rate Effects 0.000 claims description 16
- 206010028980 Neoplasm Diseases 0.000 claims description 15
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 15
- 230000036760 body temperature Effects 0.000 claims description 15
- 239000001301 oxygen Substances 0.000 claims description 15
- 229910052760 oxygen Inorganic materials 0.000 claims description 15
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 claims description 14
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 claims description 14
- 208000004210 Pressure Ulcer Diseases 0.000 claims description 13
- 229940079593 drug Drugs 0.000 claims description 13
- 239000003814 drug Substances 0.000 claims description 13
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 12
- 201000011510 cancer Diseases 0.000 claims description 12
- 210000000265 leukocyte Anatomy 0.000 claims description 12
- 230000036961 partial effect Effects 0.000 claims description 12
- 230000003068 static effect Effects 0.000 claims description 12
- 206010011985 Decubitus ulcer Diseases 0.000 claims description 11
- 230000007423 decrease Effects 0.000 claims description 11
- 230000036541 health Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 238000002106 pulse oximetry Methods 0.000 claims description 10
- 230000008733 trauma Effects 0.000 claims description 10
- 206010008479 Chest Pain Diseases 0.000 claims description 9
- 206010011703 Cyanosis Diseases 0.000 claims description 9
- 206010012218 Delirium Diseases 0.000 claims description 9
- 206010016803 Fluid overload Diseases 0.000 claims description 9
- 208000006673 asthma Diseases 0.000 claims description 9
- 230000002093 peripheral effect Effects 0.000 claims description 9
- 208000024891 symptom Diseases 0.000 claims description 9
- 206010010904 Convulsion Diseases 0.000 claims description 8
- 230000001154 acute effect Effects 0.000 claims description 8
- 238000004820 blood count Methods 0.000 claims description 8
- 210000001772 blood platelet Anatomy 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 230000004872 arterial blood pressure Effects 0.000 claims description 7
- 238000009534 blood test Methods 0.000 claims description 7
- 239000004310 lactic acid Substances 0.000 claims description 7
- 235000014655 lactic acid Nutrition 0.000 claims description 7
- 208000030507 AIDS Diseases 0.000 claims description 6
- 206010003011 Appendicitis Diseases 0.000 claims description 6
- 208000031729 Bacteremia Diseases 0.000 claims description 6
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 claims description 6
- 208000014644 Brain disease Diseases 0.000 claims description 6
- 206010007559 Cardiac failure congestive Diseases 0.000 claims description 6
- 206010007882 Cellulitis Diseases 0.000 claims description 6
- 206010011224 Cough Diseases 0.000 claims description 6
- 208000000059 Dyspnea Diseases 0.000 claims description 6
- 206010013975 Dyspnoeas Diseases 0.000 claims description 6
- 208000032274 Encephalopathy Diseases 0.000 claims description 6
- 206010019280 Heart failures Diseases 0.000 claims description 6
- 208000000616 Hemoptysis Diseases 0.000 claims description 6
- HTTJABKRGRZYRN-UHFFFAOYSA-N Heparin Chemical compound OC1C(NC(=O)C)C(O)OC(COS(O)(=O)=O)C1OC1C(OS(O)(=O)=O)C(O)C(OC2C(C(OS(O)(=O)=O)C(OC3C(C(O)C(O)C(O3)C(O)=O)OS(O)(=O)=O)C(CO)O2)NS(O)(=O)=O)C(C(O)=O)O1 HTTJABKRGRZYRN-UHFFFAOYSA-N 0.000 claims description 6
- 208000001953 Hypotension Diseases 0.000 claims description 6
- 206010024264 Lethargy Diseases 0.000 claims description 6
- 206010036790 Productive cough Diseases 0.000 claims description 6
- 208000010378 Pulmonary Embolism Diseases 0.000 claims description 6
- 206010037660 Pyrexia Diseases 0.000 claims description 6
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 206010069351 acute lung injury Diseases 0.000 claims description 6
- 239000003242 anti bacterial agent Substances 0.000 claims description 6
- 229940088710 antibiotic agent Drugs 0.000 claims description 6
- 239000001569 carbon dioxide Substances 0.000 claims description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 6
- 208000003167 cholangitis Diseases 0.000 claims description 6
- 201000001352 cholecystitis Diseases 0.000 claims description 6
- 238000002591 computed tomography Methods 0.000 claims description 6
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 239000002934 diuretic Substances 0.000 claims description 6
- 208000018578 heart valve disease Diseases 0.000 claims description 6
- -1 hematocrit Chemical compound 0.000 claims description 6
- 230000036543 hypotension Effects 0.000 claims description 6
- 208000017169 kidney disease Diseases 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000002829 reductive effect Effects 0.000 claims description 6
- 230000001172 regenerating effect Effects 0.000 claims description 6
- 208000024794 sputum Diseases 0.000 claims description 6
- 210000003802 sputum Anatomy 0.000 claims description 6
- 230000035488 systolic blood pressure Effects 0.000 claims description 6
- 208000015181 infectious disease Diseases 0.000 claims description 5
- 208000019901 Anxiety disease Diseases 0.000 claims description 4
- 102000001554 Hemoglobins Human genes 0.000 claims description 4
- 108010054147 Hemoglobins Proteins 0.000 claims description 4
- 230000036506 anxiety Effects 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 210000004072 lung Anatomy 0.000 claims description 4
- 230000006996 mental state Effects 0.000 claims description 4
- XQYZDYMELSJDRZ-UHFFFAOYSA-N papaverine Chemical compound C1=C(OC)C(OC)=CC=C1CC1=NC=CC2=CC(OC)=C(OC)C=C12 XQYZDYMELSJDRZ-UHFFFAOYSA-N 0.000 claims description 4
- PGOHTUIFYSHAQG-LJSDBVFPSA-N (2S)-6-amino-2-[[(2S)-5-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-4-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-5-amino-2-[[(2S)-5-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S,3R)-2-[[(2S)-5-amino-2-[[(2S)-2-[[(2S)-2-[[(2S,3R)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-5-amino-2-[[(2S)-1-[(2S,3R)-2-[[(2S)-2-[[(2S)-2-[[(2R)-2-[[(2S)-2-[[(2S)-2-[[2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-1-[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-amino-4-methylsulfanylbutanoyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-5-carbamimidamidopentanoyl]amino]propanoyl]pyrrolidine-2-carbonyl]amino]-3-methylbutanoyl]amino]-4-methylpentanoyl]amino]-4-methylpentanoyl]amino]acetyl]amino]-3-hydroxypropanoyl]amino]-4-methylpentanoyl]amino]-3-sulfanylpropanoyl]amino]-4-methylsulfanylbutanoyl]amino]-5-carbamimidamidopentanoyl]amino]-3-hydroxybutanoyl]pyrrolidine-2-carbonyl]amino]-5-oxopentanoyl]amino]-3-hydroxypropanoyl]amino]-3-hydroxypropanoyl]amino]-3-(1H-imidazol-5-yl)propanoyl]amino]-4-methylpentanoyl]amino]-3-hydroxybutanoyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-5-carbamimidamidopentanoyl]amino]-5-oxopentanoyl]amino]-3-hydroxybutanoyl]amino]-3-hydroxypropanoyl]amino]-3-carboxypropanoyl]amino]-3-hydroxypropanoyl]amino]-5-oxopentanoyl]amino]-5-oxopentanoyl]amino]-3-phenylpropanoyl]amino]-5-carbamimidamidopentanoyl]amino]-3-methylbutanoyl]amino]-4-methylpentanoyl]amino]-4-oxobutanoyl]amino]-5-carbamimidamidopentanoyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-4-carboxybutanoyl]amino]-5-oxopentanoyl]amino]hexanoic acid Chemical compound CSCC[C@H](N)C(=O)N[C@@H](Cc1c[nH]c2ccccc12)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C)C(=O)N1CCC[C@H]1C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CO)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CS)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H]([C@@H](C)O)C(=O)N1CCC[C@H]1C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](Cc1cnc[nH]1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](Cc1c[nH]c2ccccc12)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CO)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CO)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](Cc1ccccc1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](Cc1c[nH]c2ccccc12)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CCCCN)C(O)=O PGOHTUIFYSHAQG-LJSDBVFPSA-N 0.000 claims description 3
- 208000004998 Abdominal Pain Diseases 0.000 claims description 3
- 206010000097 Abdominal tenderness Diseases 0.000 claims description 3
- 206010000364 Accessory muscle Diseases 0.000 claims description 3
- 208000010444 Acidosis Diseases 0.000 claims description 3
- 206010001052 Acute respiratory distress syndrome Diseases 0.000 claims description 3
- 108010088751 Albumins Proteins 0.000 claims description 3
- 102000009027 Albumins Human genes 0.000 claims description 3
- 208000007848 Alcoholism Diseases 0.000 claims description 3
- 101100243025 Arabidopsis thaliana PCO2 gene Proteins 0.000 claims description 3
- 206010053555 Arthritis bacterial Diseases 0.000 claims description 3
- 206010003504 Aspiration Diseases 0.000 claims description 3
- 206010003598 Atelectasis Diseases 0.000 claims description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 claims description 3
- 101800000407 Brain natriuretic peptide 32 Proteins 0.000 claims description 3
- 102400000667 Brain natriuretic peptide 32 Human genes 0.000 claims description 3
- 101800002247 Brain natriuretic peptide 45 Proteins 0.000 claims description 3
- 108010074051 C-Reactive Protein Proteins 0.000 claims description 3
- 102100032752 C-reactive protein Human genes 0.000 claims description 3
- 241001631457 Cannula Species 0.000 claims description 3
- 201000003883 Cystic fibrosis Diseases 0.000 claims description 3
- 239000003154 D dimer Substances 0.000 claims description 3
- 206010051055 Deep vein thrombosis Diseases 0.000 claims description 3
- 208000005156 Dehydration Diseases 0.000 claims description 3
- 206010012289 Dementia Diseases 0.000 claims description 3
- 208000012258 Diverticular disease Diseases 0.000 claims description 3
- 206010013554 Diverticulum Diseases 0.000 claims description 3
- 208000003870 Drug Overdose Diseases 0.000 claims description 3
- 206010013654 Drug abuse Diseases 0.000 claims description 3
- 206010014080 Ecchymosis Diseases 0.000 claims description 3
- 206010014561 Emphysema Diseases 0.000 claims description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 3
- 208000005577 Gastroenteritis Diseases 0.000 claims description 3
- 208000012671 Gastrointestinal haemorrhages Diseases 0.000 claims description 3
- 206010017964 Gastrointestinal infection Diseases 0.000 claims description 3
- 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 claims description 3
- 206010019233 Headaches Diseases 0.000 claims description 3
- 206010067660 Heart valve incompetence Diseases 0.000 claims description 3
- 208000008454 Hyperhidrosis Diseases 0.000 claims description 3
- 206010020660 Hyperlactacidaemia Diseases 0.000 claims description 3
- 206010021113 Hypothermia Diseases 0.000 claims description 3
- 208000004575 Infectious Arthritis Diseases 0.000 claims description 3
- 208000022559 Inflammatory bowel disease Diseases 0.000 claims description 3
- 208000029523 Interstitial Lung disease Diseases 0.000 claims description 3
- 206010023126 Jaundice Diseases 0.000 claims description 3
- 201000009906 Meningitis Diseases 0.000 claims description 3
- 206010052904 Musculoskeletal stiffness Diseases 0.000 claims description 3
- 208000008589 Obesity Diseases 0.000 claims description 3
- 206010030124 Oedema peripheral Diseases 0.000 claims description 3
- 206010031123 Orthopnoea Diseases 0.000 claims description 3
- 206010031252 Osteomyelitis Diseases 0.000 claims description 3
- 206010033296 Overdoses Diseases 0.000 claims description 3
- 206010033645 Pancreatitis Diseases 0.000 claims description 3
- 206010033647 Pancreatitis acute Diseases 0.000 claims description 3
- 208000000450 Pelvic Pain Diseases 0.000 claims description 3
- 208000018262 Peripheral vascular disease Diseases 0.000 claims description 3
- 206010035664 Pneumonia Diseases 0.000 claims description 3
- 208000001431 Psychomotor Agitation Diseases 0.000 claims description 3
- 208000007123 Pulmonary Atelectasis Diseases 0.000 claims description 3
- 206010068513 Pulmonary renal syndrome Diseases 0.000 claims description 3
- 206010037596 Pyelonephritis Diseases 0.000 claims description 3
- 208000001647 Renal Insufficiency Diseases 0.000 claims description 3
- 208000013616 Respiratory Distress Syndrome Diseases 0.000 claims description 3
- 208000037656 Respiratory Sounds Diseases 0.000 claims description 3
- 206010057190 Respiratory tract infections Diseases 0.000 claims description 3
- 206010038743 Restlessness Diseases 0.000 claims description 3
- 208000008475 Smoke Inhalation Injury Diseases 0.000 claims description 3
- 206010062255 Soft tissue infection Diseases 0.000 claims description 3
- 208000006011 Stroke Diseases 0.000 claims description 3
- 208000001871 Tachycardia Diseases 0.000 claims description 3
- 102000002262 Thromboplastin Human genes 0.000 claims description 3
- 108010000499 Thromboplastin Proteins 0.000 claims description 3
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 claims description 3
- 206010047249 Venous thrombosis Diseases 0.000 claims description 3
- 208000002223 abdominal aortic aneurysm Diseases 0.000 claims description 3
- 230000003187 abdominal effect Effects 0.000 claims description 3
- 206010000210 abortion Diseases 0.000 claims description 3
- 231100000176 abortion Toxicity 0.000 claims description 3
- 206010000269 abscess Diseases 0.000 claims description 3
- 230000007950 acidosis Effects 0.000 claims description 3
- 208000026545 acidosis disease Diseases 0.000 claims description 3
- 201000003229 acute pancreatitis Diseases 0.000 claims description 3
- 201000000028 adult respiratory distress syndrome Diseases 0.000 claims description 3
- 238000013019 agitation Methods 0.000 claims description 3
- 206010001584 alcohol abuse Diseases 0.000 claims description 3
- 208000025746 alcohol use disease Diseases 0.000 claims description 3
- 208000007502 anemia Diseases 0.000 claims description 3
- 239000003146 anticoagulant agent Substances 0.000 claims description 3
- 229940127219 anticoagulant drug Drugs 0.000 claims description 3
- 208000007474 aortic aneurysm Diseases 0.000 claims description 3
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 claims description 3
- 230000023555 blood coagulation Effects 0.000 claims description 3
- 238000010322 bone marrow transplantation Methods 0.000 claims description 3
- 210000004556 brain Anatomy 0.000 claims description 3
- 201000009267 bronchiectasis Diseases 0.000 claims description 3
- 206010006451 bronchitis Diseases 0.000 claims description 3
- 229940124630 bronchodilator Drugs 0.000 claims description 3
- 239000000168 bronchodilator agent Substances 0.000 claims description 3
- 238000002512 chemotherapy Methods 0.000 claims description 3
- 210000000038 chest Anatomy 0.000 claims description 3
- 238000011976 chest X-ray Methods 0.000 claims description 3
- 230000035606 childbirth Effects 0.000 claims description 3
- 230000001684 chronic effect Effects 0.000 claims description 3
- 208000019425 cirrhosis of liver Diseases 0.000 claims description 3
- 206010009887 colitis Diseases 0.000 claims description 3
- 208000012696 congenital leptin deficiency Diseases 0.000 claims description 3
- 208000029078 coronary artery disease Diseases 0.000 claims description 3
- 229940109239 creatinine Drugs 0.000 claims description 3
- 201000003146 cystitis Diseases 0.000 claims description 3
- 230000018044 dehydration Effects 0.000 claims description 3
- 238000006297 dehydration reaction Methods 0.000 claims description 3
- 238000000502 dialysis Methods 0.000 claims description 3
- 208000019836 digestive system infectious disease Diseases 0.000 claims description 3
- 230000001882 diuretic effect Effects 0.000 claims description 3
- 208000007784 diverticulitis Diseases 0.000 claims description 3
- 231100000725 drug overdose Toxicity 0.000 claims description 3
- 238000002592 echocardiography Methods 0.000 claims description 3
- 238000002297 emergency surgery Methods 0.000 claims description 3
- 206010014599 encephalitis Diseases 0.000 claims description 3
- 206010014665 endocarditis Diseases 0.000 claims description 3
- 229960000610 enoxaparin Drugs 0.000 claims description 3
- 206010016256 fatigue Diseases 0.000 claims description 3
- 108010052295 fibrin fragment D Proteins 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 208000030304 gastrointestinal bleeding Diseases 0.000 claims description 3
- 239000008103 glucose Substances 0.000 claims description 3
- 231100000869 headache Toxicity 0.000 claims description 3
- 238000005534 hematocrit Methods 0.000 claims description 3
- 229960002897 heparin Drugs 0.000 claims description 3
- 229920000669 heparin Polymers 0.000 claims description 3
- 239000003326 hypnotic agent Substances 0.000 claims description 3
- 230000000147 hypnotic effect Effects 0.000 claims description 3
- 230000002631 hypothermal effect Effects 0.000 claims description 3
- 239000003018 immunosuppressive agent Substances 0.000 claims description 3
- 230000002458 infectious effect Effects 0.000 claims description 3
- 208000003243 intestinal obstruction Diseases 0.000 claims description 3
- 238000001990 intravenous administration Methods 0.000 claims description 3
- 201000006370 kidney failure Diseases 0.000 claims description 3
- 201000002364 leukopenia Diseases 0.000 claims description 3
- 231100001022 leukopenia Toxicity 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 201000003453 lung abscess Diseases 0.000 claims description 3
- 230000004199 lung function Effects 0.000 claims description 3
- 230000036210 malignancy Effects 0.000 claims description 3
- 208000001022 morbid obesity Diseases 0.000 claims description 3
- 229940035363 muscle relaxants Drugs 0.000 claims description 3
- 208000031225 myocardial ischemia Diseases 0.000 claims description 3
- 239000003158 myorelaxant agent Substances 0.000 claims description 3
- 230000001452 natriuretic effect Effects 0.000 claims description 3
- HPNRHPKXQZSDFX-OAQDCNSJSA-N nesiritide Chemical compound C([C@H]1C(=O)NCC(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@H](C(N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)NCC(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CSSC[C@@H](C(=O)N1)NC(=O)CNC(=O)[C@H](CO)NC(=O)CNC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CCSC)NC(=O)[C@H](CCCCN)NC(=O)[C@H]1N(CCC1)C(=O)[C@@H](N)CO)C(C)C)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1N=CNC=1)C(O)=O)=O)[C@@H](C)CC)C1=CC=CC=C1 HPNRHPKXQZSDFX-OAQDCNSJSA-N 0.000 claims description 3
- 230000000926 neurological effect Effects 0.000 claims description 3
- 208000018360 neuromuscular disease Diseases 0.000 claims description 3
- 210000000440 neutrophil Anatomy 0.000 claims description 3
- 229940005483 opioid analgesics Drugs 0.000 claims description 3
- 210000000056 organ Anatomy 0.000 claims description 3
- 208000012144 orthopnea Diseases 0.000 claims description 3
- 201000003144 pneumothorax Diseases 0.000 claims description 3
- 102000004169 proteins and genes Human genes 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000009613 pulmonary function test Methods 0.000 claims description 3
- 208000002815 pulmonary hypertension Diseases 0.000 claims description 3
- 238000002644 respiratory therapy Methods 0.000 claims description 3
- 206010039722 scoliosis Diseases 0.000 claims description 3
- 239000000932 sedative agent Substances 0.000 claims description 3
- 229940125723 sedative agent Drugs 0.000 claims description 3
- 201000001223 septic arthritis Diseases 0.000 claims description 3
- 230000035939 shock Effects 0.000 claims description 3
- 208000007056 sickle cell anemia Diseases 0.000 claims description 3
- 201000002859 sleep apnea Diseases 0.000 claims description 3
- 239000003270 steroid hormone Substances 0.000 claims description 3
- 208000011117 substance-related disease Diseases 0.000 claims description 3
- 230000035900 sweating Effects 0.000 claims description 3
- 230000006794 tachycardia Effects 0.000 claims description 3
- 208000008203 tachypnea Diseases 0.000 claims description 3
- 206010043089 tachypnoea Diseases 0.000 claims description 3
- 210000000115 thoracic cavity Anatomy 0.000 claims description 3
- 238000002627 tracheal intubation Methods 0.000 claims description 3
- 238000002054 transplantation Methods 0.000 claims description 3
- 230000002485 urinary effect Effects 0.000 claims description 3
- 238000007631 vascular surgery Methods 0.000 claims description 3
- 229930008281 A03AD01 - Papaverine Natural products 0.000 claims description 2
- 208000010201 Exanthema Diseases 0.000 claims description 2
- 206010058483 Nuchal rigidity Diseases 0.000 claims description 2
- 206010033546 Pallor Diseases 0.000 claims description 2
- 201000005884 exanthem Diseases 0.000 claims description 2
- 230000013632 homeostatic process Effects 0.000 claims description 2
- 229960001789 papaverine Drugs 0.000 claims description 2
- 230000001817 pituitary effect Effects 0.000 claims description 2
- 206010037844 rash Diseases 0.000 claims description 2
- 239000002023 wood Substances 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 2
- 238000007920 subcutaneous administration Methods 0.000 claims 2
- 229960003444 immunosuppressant agent Drugs 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 description 24
- 206010051379 Systemic Inflammatory Response Syndrome Diseases 0.000 description 23
- 230000008859 change Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000005259 measurement Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 6
- 230000002526 effect on cardiovascular system Effects 0.000 description 5
- 238000013186 photoplethysmography Methods 0.000 description 5
- 206010053159 Organ failure Diseases 0.000 description 4
- 238000003339 best practice Methods 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 4
- 230000006735 deficit Effects 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 4
- 238000002560 therapeutic procedure Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 3
- 208000002193 Pain Diseases 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 210000001525 retina Anatomy 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- 208000019206 urinary tract infection Diseases 0.000 description 3
- 229910003798 SPO2 Inorganic materials 0.000 description 2
- 101100478210 Schizosaccharomyces pombe (strain 972 / ATCC 24843) spo2 gene Proteins 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 2
- 230000003115 biocidal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- CVSVTCORWBXHQV-UHFFFAOYSA-N creatine Chemical compound NC(=[NH2+])N(C)CC([O-])=O CVSVTCORWBXHQV-UHFFFAOYSA-N 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 229940125721 immunosuppressive agent Drugs 0.000 description 2
- 238000001802 infusion Methods 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000037230 mobility Effects 0.000 description 2
- 238000006213 oxygenation reaction Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000004381 surface treatment Methods 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 230000024883 vasodilation Effects 0.000 description 2
- 206010010071 Coma Diseases 0.000 description 1
- 201000004624 Dermatitis Diseases 0.000 description 1
- 206010058558 Hypoperfusion Diseases 0.000 description 1
- 206010025421 Macule Diseases 0.000 description 1
- 208000010718 Multiple Organ Failure Diseases 0.000 description 1
- 206010033892 Paraplegia Diseases 0.000 description 1
- 108010048233 Procalcitonin Proteins 0.000 description 1
- 206010037549 Purpura Diseases 0.000 description 1
- 206010039897 Sedation Diseases 0.000 description 1
- 206010042220 Stress ulcer Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 238000009640 blood culture Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 210000003161 choroid Anatomy 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011973 continuous veno-venous hemofiltration Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 229960003624 creatine Drugs 0.000 description 1
- 239000006046 creatine Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000002074 deregulated effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 208000000718 duodenal ulcer Diseases 0.000 description 1
- 230000003511 endothelial effect Effects 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 238000002618 extracorporeal membrane oxygenation Methods 0.000 description 1
- 210000001105 femoral artery Anatomy 0.000 description 1
- 238000002637 fluid replacement therapy Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002615 hemofiltration Methods 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 238000011540 hip replacement Methods 0.000 description 1
- 239000003978 infusion fluid Substances 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 150000003893 lactate salts Chemical class 0.000 description 1
- 208000006443 lactic acidosis Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 230000010060 microvascular dysfunction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 208000029744 multiple organ dysfunction syndrome Diseases 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 230000004768 organ dysfunction Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- CWCXERYKLSEGEZ-KDKHKZEGSA-N procalcitonin Chemical compound C([C@@H](C(=O)N1CCC[C@H]1C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@H](C(=O)N[C@@H](C)C(=O)N[C@@H]([C@@H](C)CC)C(=O)NCC(=O)N[C@@H](C(C)C)C(=O)NCC(=O)N[C@@H](C)C(=O)N1[C@@H](CCC1)C(=O)NCC(O)=O)[C@@H](C)O)NC(=O)[C@@H](NC(=O)[C@H](CC=1NC=NC=1)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CC(N)=O)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@@H](NC(=O)CNC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCSC)NC(=O)[C@H]1NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CO)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC(N)=O)NC(=O)CNC(=O)[C@@H](N)CSSC1)[C@@H](C)O)[C@@H](C)O)[C@@H](C)O)C1=CC=CC=C1 CWCXERYKLSEGEZ-KDKHKZEGSA-N 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 208000012327 purpuric rash Diseases 0.000 description 1
- 230000003016 quadriplegic effect Effects 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 210000001210 retinal vessel Anatomy 0.000 description 1
- 210000000954 sacrococcygeal region Anatomy 0.000 description 1
- 210000001991 scapula Anatomy 0.000 description 1
- 230000036280 sedation Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 208000024470 urgency of urination Diseases 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
- 230000006498 vasomotor response Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000009528 vital sign measurement Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
-
- 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
- A61B5/41—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
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/447—Skin evaluation, e.g. for skin disorder diagnosis specially adapted for aiding the prevention of ulcer or pressure sore development, i.e. before the ulcer or sore has developed
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6891—Furniture
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6892—Mats
-
- 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
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/7445—Display arrangements, e.g. multiple display units
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F13/00—Bandages or dressings; Absorbent pads
- A61F13/15—Absorbent pads, e.g. sanitary towels, swabs or tampons for external or internal application to the body; Supporting or fastening means therefor; Tampon applicators
- A61F13/42—Absorbent pads, e.g. sanitary towels, swabs or tampons for external or internal application to the body; Supporting or fastening means therefor; Tampon applicators with wetness indicator or alarm
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G7/00—Beds specially adapted for nursing; Devices for lifting patients or disabled persons
- A61G7/05—Parts, details or accessories of beds
- A61G7/053—Aids for getting into, or out of, bed, e.g. steps, chairs, cane-like supports
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G7/00—Beds specially adapted for nursing; Devices for lifting patients or disabled persons
- A61G7/05—Parts, details or accessories of beds
- A61G7/057—Arrangements for preventing bed-sores or for supporting patients with burns, e.g. mattresses specially adapted therefor
-
- 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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- 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
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
- A61B5/1115—Monitoring leaving of a patient support, e.g. a bed or a wheelchair
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- 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
- A61B5/1455—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 using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—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 using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
- A61B5/202—Assessing bladder functions, e.g. incontinence assessment
-
- 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
- A61B5/74—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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Epidemiology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Databases & Information Systems (AREA)
- Vascular Medicine (AREA)
- Nursing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Dermatology (AREA)
- Immunology (AREA)
- Pulmonology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioethics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
用于评估患者的医疗风险的器械包括分析引擎和向分析引擎提供数据的设备。该设备包括诸如病床的患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位***的定位计算机和失禁检测垫。分析引擎分析来自设备的数据以确定败血症风险分数、跌落风险分数和压力损伤分数。该器械还包括各显示器，其被通信地连接到分析引擎并且显示败血症、跌落和压力损伤风险分数。各显示器包括位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器，以及被分配给患者的护理人员的移动装置移动装置显示器。
Description
本申请根据35 U.S.C.§119(e)要求享有于2018年4月10日提交的美国临时申请号62/655,385的权益，其全部内容通过引用并入本文。
背景技术
本公开涉及评估医疗保健机构中的患者风险，并且具体地涉及基于从医疗设备获得的数据来评估患者风险。更具体地，本公开涉及评估医疗保健机构中的患者的多种风险并且通知护理人员患者的多种风险。
医疗保健机构中的患者在其停留期间易受多种风险的影响。例如，存在患上败血症的风险、发生压力损伤(例如压疮或褥疮溃疡)的风险，以及正在下床时或已经下床后跌落的风险。患者的风险评估通常是在不定时的基础上进行的，评估之间会流逝掉较长的时间。例如，可以每班一次或两次地将生命体征绘图到患者的电子病历(EMR)中，这样在两次生命体征绘图之间可能流逝掉四到八小时或更长时间。此外，风险评估的结果有时仅在医疗保健机构中的有限数量的位置处可获取，例如在EMR计算机处或在主护士站的计算机处。因此，在医疗保健领域中需要具有关于患者的风险评估的更及时的信息，并且需要更容易地使护理人员获取风险评估信息。
发明内容
一种器械、***或方法可以包括所附权利要求中和/或以下特征中所述的一个或多个特征，这些特征以单独或任意组合的形式来涵盖可授权主题：
根据本公开的第一方面，可以提供一种用于医疗保健机构的***。该***可以包括分析引擎和可以向分析引擎提供数据的多个设备。数据可以与在医疗保健机构中的患者有关。多个设备可以包括以下中的至少一个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位***的定位计算机，以及失禁检测垫。分析引擎可以分析来自多个设备的数据以基本上实时地确定以下中的至少一个：与患者患上败血症的风险有关的第一分数、与患者跌落的风险有关的第二分数和与患者发生压力损伤的风险有关的第三分数。***可以进一步包括计算机，计算机可以被连接到分析引擎并可以协调护理人员查房间隔，被分配给患者的至少一个护理人员可以被要求按照护理人员查房间隔查看患者。计算机可以响应于第一分数、第二分数、或第三分数中的至少一个从第一值增加到第二值而自动地减少护理人员查房间隔，并且计算机可以响应于第一分数、第二分数、或第三分数中的至少一个从第二值降低到第一值而自动地增加护理人员查房间隔。
在一些实施例中，第一方面的***可以进一步包括多个显示器，其可以被通信地连接到分析引擎并且可操作用以显示第一分数、第二分数和第三分数中的至少两个。例如，多个显示器可以包括以下中的至少两个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给患者的护理人员的移动装置的移动装置显示器。
如果需要，第一方面的多个设备可以包括以下中的至少三个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。备选地，第一方面的多个设备可以包括以下中的至少四个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。进一步备选地，第一方面的多个设备可以包括以下中的至少五个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。更进一步备选地，第一方面的多个设备可以包括以下所有六个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。
可选地，第一方面的第一分数、第二分数和第三分数中的每一个可以被分析引擎标准化，以便具有通用于其他的第一分数、第二分数和第三分数中的每一个的最小值和最大值。例如，对于第一分数、第二分数和第三分数中的每一个，最小值都可以是0。备选地，对于第一分数、第二分数和第三分数中的每一个，最小值都可以是1。另外，对于第一分数、第二分数和第三分数中的每一个，最大值都可以是5。第一分数、第二分数和第三分数可以结合使用小于0(例如，负数)的其他最小值，和大于5的值，这落入本公开的范围内。
在第一方面的一些实施例中，分析引擎还可以针对患者从国际压力性溃疡患病率(IPUP)调查接收附加数据，并且可以结合分析附加数据来确定第一分数、第二分数和第三分数中的至少一个。分析引擎可以将第一分数、第二分数和第三分数中的至少两个传送到多个设备中的至少一个设备。可选地，多个设备中的至少一个设备可以包括装置显示器，并且如果需要，用于降低第一分数、第二分数和第三分数中的至少一个的步骤可以被显示在装置显示器上。
根据第一方面的***，来自患者支撑器械的数据可以包括可以由可被集成到患者支撑器械中的至少一个生命体征传感器感测的至少一个患者生命体征。例如，可以由至少一个生命体征传感器感测的至少一个患者生命体征可以包括心率或呼吸率。来自患者支撑器械的数据进一步可以包括患者体重。备选地或附加地，来自患者支撑器械的数据可以包括患者体重和患者在患者支撑器械上的位置。进一步备选地或附加地，来自患者支撑器械的数据可以包括指示当被支撑在患者支撑器械上时患者的运动量的数据。
在第一方面的一些实施例中，来自生理监测仪的数据可以包括以下中的一个或多个：心率数据、心电图(EKG)数据、呼吸率数据、患者体温数据、脉搏血氧测量数据和血压数据。第一方面的***可以被配置为使得如果以下标准存在，则第一分数可以处于或接近最大值：i)患者的体温大于约38.3摄氏度(℃)(约101华氏度(℉))或小于约35.6℃(约96℉)；ii)患者的心率大于每分钟90次心跳；以及iii)患者的呼吸率大于每分钟20次呼吸。
如果需要，如果第一分数、第二分数或第三分数从先前的值增加，则第一方面的分析引擎可以向被分配给患者的至少一个护理人员的移动装置发起消息。备选地或附加地，如果第一分数、第二分数或第三分数达到阈值，则第一方面的分析引擎可以向被分配给患者的至少一个护理人员的移动装置发起消息。可选地，第一方面的分析引擎还可以接收与患者的至少一个创伤有关的附加数据并可以结合分析附加数据来确定第一分数、第二分数和第三分数中的至少一个。例如，与至少一个创伤有关的附加数据可以包括至少一个创伤的图像。
在一些实施例中，第一方面的患者支撑器械可以包括病床或担架。分析引擎还可以接收与以下中的至少一个相关的附加数据：液体输入和输出、心输出量、并存病和血检，并且其中分析引擎可以结合分析附加数据来确定第一分数、第二分数和第三分数中的至少一个。第一方面的生理监测仪可以包括以下中的至少一个：可被附接到患者的无线贴片传感器、动态心脏监测仪、心电图、呼吸率监测仪、血压监测仪、脉搏血氧计和体温计。第一方面的多个设备可以进一步包括椅子监测仪，以便当患者坐在椅子上时监测患者的移动。备选地或附加地，第一方面的多个设备可以进一步包括马桶监测仪，以便当患者坐在马桶上时监测患者的移动。
根据本公开的第二方面，一种用于评估患者的医疗风险的器械可以包括分析引擎和可以向分析引擎提供数据的多个设备。多个设备可以包括以下中的至少两个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位***的定位计算机和失禁检测垫。分析引擎可以分析来自多个设备的数据以确定以下中的至少两个：与患者患上败血症的风险有关的第一分数、与患者跌落的风险有关的第二分数和与患者发生压力损伤的风险有关的第三分数。器械可以进一步包括多个显示器，其可以被通信地连接到分析引擎并且可操作用以显示第一分数、第二分数和第三分数中的至少两个。多个显示器可以包括以下中的至少两个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给患者的护理人员的移动装置的移动装置显示器。
在一些实施例中，多个设备可以包括以下中的至少三个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。在进一步的实施例中，多个设备可以包括以下中的至少四个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。在附加的实施例中，多个设备可以包括以下中的至少五个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。在另外其他的实施例中多个设备包括以下所有六个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。
可选地，第一分数、第二分数和第三分数中的每一个可以被分析引擎标准化，以便具有通用于其他的第一分数、第二分数和第三分数中的每一个的最小值和最大值。例如，对于第一分数、第二分数和第三分数中的每一个，最小值都可以是0。备选地，对于第一分数、第二分数和第三分数中的每一个，最小值都可以是1。类似地，对于第一分数、第二分数和第三分数中的每一个，最大值都可以是5。第一分数、第二分数和第三分数可以结合使用小于0(例如，负数)的其他最小值，和大于5的值，这落入本公开的范围内。
本公开构想的是，可以基于第一分数、第二分数和第三分数中的至少一个来调整与护理人员查房有关的查房方案。例如，可以被调整的查房方案包括与护理人员被要求何时检查患者有关的查房时间间隔。
如果需要，分析引擎还可以针对患者从国际压力性溃疡患病率(IPUP)调查接收附加数据，并且可以结合分析附加数据来确定第一分数、第二分数和第三分数中的至少一个。
在一些实施例中，分析引擎可以将第一分数、第二分数和第三分数中的至少两个传送到多个设备。多个设备中的至少一个设备可以包括装置显示器，并且其中用于降低第一分数、第二分数和第三分数中的至少一个的步骤可以被显示在装置显示器上。
来自患者支撑器械的数据可以包括可以由可被集成到患者支撑器械中的至少一个生命体征传感器感测的至少一个患者生命体征。例如，可以由至少一个生命体征传感器感测的至少一个患者生命体征可以包括心率或呼吸率。备选地或附加地，来自患者支撑器械的数据可以进一步包括患者体重。进一步备选地或附加地，来自患者支撑器械的数据可以包括患者体重和患者在患者支撑器械上的位置。可选地，来自患者支撑器械的数据可以进一步包括指示当被支撑在患者支撑器械上时患者的运动量的数据。
分析引擎可以基本上实时地分析来自多个设备的数据，并且可以基本上实时地更新至少两个第一分数、第二分数和第三分数。本公开构想的是，来自生理监测仪的数据可以包括以下中的一个或多个：心率数据、心电图(EKG)数据、呼吸率数据、患者体温数据、脉搏血氧测量数据和血压数据。
在一些实施例中，如果以下标准存在，则第一分数可以处于或接近最大值：i)患者的体温大于约38.3摄氏度(℃)(约101华氏度(℉))或小于约35.6℃(约96℉)；ii)患者的心率大于每分钟90次心跳；以及iii)患者的呼吸率大于每分钟20次呼吸。
可选地，如果第一分数、第二分数或第三分数从先前的值增加，则分析引擎可以向被分配给患者的护理人员的移动装置发起消息。备选地或附加地，如果第一分数、第二分数或第三分数达到阈值，则分析引擎可以向被分配给患者的护理人员的移动装置发起消息。
在一些实施例中，分析引擎还可以接收与患者的至少一个创伤有关的附加数据并可以结合分析附加数据来确定第一分数、第二分数和第三分数中的至少一个。与至少一个创伤有关的附加数据可以包括至少一个创伤的图像。
患者支撑器械可以包括例如病床或担架。如果需要，分析引擎还可以接收与以下中的至少一个相关的附加数据：液体输入和输出、心输出量、并存病和血检。分析引擎可以结合分析附加数据来确定第一分数、第二分数和第三分数中的至少一个。
在一些实施例中，生理监测仪可以包括以下中的至少一个：可被附接到患者的无线贴片传感器、动态心脏监测仪、心电图、呼吸率监测仪、血压监测仪、脉搏血氧计和体温计。备选地或附加地，多个设备还可以包括椅子监测仪，以当患者坐在椅子上时监测患者的移动。进一步备选地或附加地，多个设备进一步可以包括马桶监测仪，以便当患者坐在马桶上时监测患者的移动。
根据本公开的第三方面，一种用于评估患者的医疗风险的器械可以包括分析引擎和可以向分析引擎提供数据的多个设备。多个设备可以包括以下中的至少两个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位***的定位计算机和失禁检测垫。分析引擎可以分析来自多个设备的数据以确定以下各项：与患者患上败血症的风险有关的第一分数、与患者跌落的风险有关的第二分数和与患者发生压力损伤的风险有关的第三分数。器械可以进一步包括多个显示器，其可以被通信地连接到分析引擎。多个显示器中的至少一个显示器可操作用以显示第一分数、第二分数和第三分数。
在一些实施例中，至少一个显示器可以包括以下中的至少一个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给患者的护理人员的移动装置的移动装置显示器。在附加的实施例中，至少一个显示器可以包括以下中的至少两个：可以位于主护士站的状态面板显示器、可以由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给患者的护理人员的移动装置的移动装置显示器。在进一步的实施例中，至少一个显示器可以包括以下中的至少三个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给患者的护理人员的移动装置的移动装置显示器。在另外其他的实施例中，至少一个显示器可以包括以下所有四个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给患者的护理人员的移动装置的移动装置显示器。
在一些实施例中，可以结合以上在段落[0015]至[0026]的各种句子中所阐述的任何一个或多个特征来提供以上在段落[0027]中所阐述的第三方面的器械。
根据本公开的第四方面，一种用于评估患者的医疗风险的方法可以包括在分析引擎接收来自多个设备的数据。多个设备可以包括以下中的至少两个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位***的定位计算机和失禁检测垫。方法可以进一步包括用分析引擎分析来自多个设备的数据以确定以下中的至少两个：与患者患上败血症的风险有关的第一分数、与患者跌落的风险有关的第二分数和与患者发生压力损伤的风险有关的第三分数。方法还可以包括在可通信地连接到分析引擎的多个显示器上显示第一分数、第二分数和第三分数中的至少两个。多个显示器可以包括以下中的至少两个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给患者的护理人员的移动装置的移动装置显示器。
在一些实施例中，多个设备可以包括以下中的至少三个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。在进一步的实施例中，多个设备可以包括以下中的至少四个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。在附加的实施例中，多个设备可以包括以下中的至少五个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。在另外其他的实施例中，多个设备可以包括以下所有六个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位计算机和失禁检测垫。
可选地，方法可以进一步包括：利用分析引擎，对第一分数、第二分数和第三分数中的每一个进行标准化，以便具有通用于其他的第一分数、第二分数和第三分数中的每一个的最小值和最大值。例如，对于第一分数、第二分数和第三分数中的每一个，最小值都可以是0。备选地，对于第一分数、第二分数和第三分数中的每一个，最小值都可以是1。如果需要，对于第一分数、第二分数和第三分数中的每一个，最大值都可以是5。对于结合第一分数、第二分数和第三分数可以结合使用小于0(例如，负数)的其它最小值，和大于5的值，这落入本公开的范围内。
在一些实施例中，方法可以进一步包括基于第一分数、第二分数和第三分数中的至少一个来调整与护理人员查房有关的查房方案。例如，可以被调整的查房方案可以包括与护理人员被要求何时检查患者有关的查房时间间隔。
如果需要，方法可以进一步包括在分析引擎处针对患者从国际压力性溃疡患病率(IPUP)调查接收附加数据，并且结合分析附加数据来确定第一分数、第二分数和第三分数中的至少一个。方法还可以包括将第一分数、第二分数和第三分数中的至少两个从分析引擎传送到多个设备。多个设备中的至少一个设备可以包括装置显示器，并且方法可以进一步包括将用于降低第一分数、第二分数和第三分数中的至少一个的步骤显示在装置上。
在方法的一些实施例中，来自患者支撑器械的数据可以包括可以由可被集成到患者支撑器械中的至少一个生命体征传感器感测的至少一个患者生命体征。例如，可以由至少一个生命体征传感器感测的至少一个患者生命体征可以包括心率或呼吸率。备选地或附加地，来自患者支撑器械的数据可以进一步包括患者体重。进一步备选地或附加地，来自患者支撑器械的数据可以包括患者体重和患者在患者支撑器械上的位置。更进一步备选地或附加地，来自患者支撑器械的数据可以包括指示当被支撑在患者支撑器械上时患者的运动量的数据。
在一些实施例中，利用分析引擎分析数据可以包括基本上实时地分析数据并且方法进一步可以包括基本上实时地更新第一分数、第二分数和第三分数中的至少两个。来自生理监测仪的数据可以包括以下中的一个或多个：心率数据、心电图(EKG)数据、呼吸率数据、患者体温数据、脉搏血氧测量数据和血压数据。本公开构想的是，如果以下标准存在，则第一分数可以处于或接近最大值：i)患者的体温大于约38.3摄氏度(℃)(约101华氏度(℉))或小于约35.6℃(约96℉)；ii)患者的心率大于每分钟90次心跳；以及iii)患者的呼吸率大于每分钟20次呼吸。
可选地，方法进一步可以包括如果第一分数、第二分数或第三分数从先前的值增加，则利用分析引擎向被分配给患者的护理人员的移动装置发起消息。备选地或附加地，方法进一步可以包括如果第一分数、第二分数或第三分数达到阈值，则利用分析引擎向被分配给患者的护理人员的移动装置发起消息。
如果需要，方法进一步可以包括在分析引擎处接收与患者的至少一个创伤有关的附加数据并结合分析附加数据来确定第一分数、第二分数和第三分数中的至少一个来。例如与至少一个创伤有关的附加数据可以包括至少一个创伤的图像。
患者支撑器械可以包括病床或担架。可选地，方法进一步包括在分析引擎处接收与以下中的至少一个相关的附加数据：液体输入和输出、心输出量、并存病和血检，并且结合利用分析引擎分析附加数据来确定第一分数、第二分数和第三分数中的至少一个。
在方法的一些实施例中，生理监测仪可以包括以下中的至少一个：可被附接到患者的无线贴片传感器、动态心脏监测仪、心电图、呼吸率监测仪、血压监测仪、脉搏血氧计和体温计。备选地或附加地，方法的多个设备进一步可以包括椅子监测仪，以便当患者坐在椅子上时监测患者的移动。进一步备选地或附加地，方法的多个设备进一步可以包括马桶监测仪，以便当患者坐在马桶上时监测患者的移动。
根据本公开的第五方面，一种用于评估患者的医疗风险的方法可以包括在分析引擎处接收来自多个设备的数据。多个设备可以包括以下中的至少两个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位***的定位计算机和失禁检测垫。方法进一步可以包括用分析引擎分析来自多个设备的数据以确定以下各项：与患者患上败血症的风险有关的第一分数、与患者跌落的风险有关的第二分数和与患者发生压力损伤的风险有关的第三分数。方法还可以包括在被通信地连接到分析引擎的多个显示器的至少一个显示器上显示第一分数、第二分数和第三分数。
在方法的一些实施例中，至少一个显示器可以包括以下中的至少一个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给患者的护理人员的移动装置的移动装置显示器。在方法的进一步的实施例中，至少一个显示器可以包括以下中的至少两个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给患者的护理人员的移动装置的移动装置显示器。在方法的附加的实施例中，至少一个显示器可以包括以下中的至少三个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给患者的护理人员的移动装置的移动装置显示器。在方法的另外其他的实施例中，至少一个显示器可以包括以下所有四个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给患者的护理人员的移动装置的移动装置显示器。
在一些实施例中，可以结合以上在段落[0031]至[0040]的各种句子中所阐述的任何一个或多个特征来提供以上在段落[0041]中所阐述的第五方面的方法。
根据本公开的第六方面，一种评估患者医疗风险的方法可以包括在分析引擎处接收患者的人口统计数据，包括年龄、种族和体重中的至少一个。第六方面的方法可以还包括在分析引擎处接收患者的并存病数据，包括指示了患者具有以下医学状况中的至少一种的数据：获得性免疫缺陷综合征(AIDS)、贫血、慢性充血性心力衰竭、哮喘、癌症、慢性阻塞性肺病(COPD)、冠状动脉疾病、囊性纤维化、痴呆、肺气肿、酒精或药物滥用、中风、肺栓塞、败血症病史、1型糖尿病、病态肥胖、神经肌肉疾病、先前的插管、脊柱侧凸、吸烟者、谵妄、无脾的、骨髓移植、肝硬变、透析、憩室病、心脏瓣膜疾病、炎症性肠病、关节置换术、白细胞减少症、恶性肿瘤、瘤、器官移植、周围性血管疾病、肾疾病、压力损伤、近期的流产、近期的分娩、癫痫发作、镰状细胞性贫血或晚期病症。第六方面的方法可以进一步包括在分析引擎处接收可由生理监测仪测量的生理数据，生理监测仪可具有被连接到患者或与患者通信的至少一个传感器。生理数据可以是动态的并且在生理监测仪监测患者的同时随时间变化。再进一步地，第六方面的方法可以包括使用分析引擎基于患者的人口统计数据、并存病数据和生理数据基本上实时地计算患者的风险分数。
在一些实施例中，第六方面的方法进一步可以包括在分析引擎处接收患者的实验室数据并结合使用实验室数据来计算风险分数。可选地，实验室数据可以包括可以与以下一种或多种有关的数据：白蛋白、动脉血氧分压(动脉PaO2)、动脉血二氧化碳分压(PCO2)、动脉血pH、酸中毒、脑钠素、血尿素氮、心射血分数、肌酸酐、血红蛋白、血细胞比容、乳酸、肺功能测验、肌钙蛋白、胆红素、C反应性蛋白、D-二聚体、葡萄糖、碳酸氢盐(HCO3)、高乳酸血症、用于血液凝固的国际标准化比率(INR)、具有>10％中性白细胞的正常白细胞计数(WBC)、动脉血二氧化碳分压(PaCO2)、液体过剩、Ph值、血小板、原降钙素、尿蛋白、部分凝血致活酶时间(PTT)或白细胞计数。
备选地或附加地，第六方面的方法进一步可以包括在分析引擎处接收患者的患者症状数据，并结合使用患者症状数据来计算风险分数。可选地，患者症状数据可以包括可以与以下一种或多种有关的数据：副肌肉使用、精神状态改变、精神错乱、焦虑、胸痛、咳嗽、发绀、发汗、呼吸困难，咯血、疲劳、不安、痰液产生、心搏过速、呼吸急促或嗜睡。
进一步备选地或附加地，第六方面的方法进一步可以包括在分析引擎处接收临床检查数据并结合使用临床检查数据来计算风险分数。可选地，临床检查数据可以包括与以下一种或多种有关的数据：腹部呼吸、肺声音异常、副肌肉使用、毛细血管再充盈、胸闷或胸痛、心电图(ECG或EKG)异常、咳嗽、发绀、下降的意识水平(LOC)、激动、脑病、色斑、日常生活活动(ADLS)需要协助、端坐呼吸、外周水肿、痰液产生、谵妄、液体过剩、心输出量，早期状态皮肤红热，后期状态皮肤冰凉苍白具有色斑、发烧、头痛、颈强直、体温过低、肠梗阻、黄疸、脑膜炎、尿过少、外周性发绀、瘀点皮疹、液体正平衡、癫痫发作、木僵或血容不足。
再进一步备选地或附加地，第六方面的方法进一步可以包括在分析引擎处接收记录的医嘱数据并结合使用记录的医嘱数据来计算风险分数。可选地，记录的医嘱数据可以包括可以与以下一个或多个有关的数据：除了用包括文丘里管、再生式氧气***、非再生式氧气***、持续气道正压通气(CPAP)机、双相气道正压通气(bi-PAP)机的插管进行呼吸空气的输送；动脉血气的检测；脑钠素的检测；呼吸治疗；胸部X光片；多普勒超声波心动描记术；高液体率或体积(输入和输出(I&O))；肺部咨询；肺功能测验；通气-灌注(VQ)扫描；或胸部电脑断层摄影术(CT)扫描。
在一些实施例中，第六方面的方法可以进一步包括在分析引擎处接收患者的入院数据，并结合使用入院数据来计算风险分数。可选地，入院数据可以包括可以与以下一种或多种有关的数据：腹主动脉瘤手术、急性心肌缺血、急性胰腺炎、抽吸、哮喘，支气管扩张、肺膨胀不全、支气管炎、烧伤、癌症、心脏或胸腔手术、心脏瓣膜疾病或瓣膜关闭不全、化疗、充血性心力衰竭、COPD恶化、深部静脉血栓形成、药物过量、休息时呼吸困难、急诊手术、咳血、间质性肺病、肺脓肿、颈部手术、神经手术、上腹部手术、外周血管手术、肺炎、气胸、肺栓子、肺动脉高血压、肺-肾综合征、肾功能衰竭、败血症、休克、睡眠呼吸暂停、烟雾吸入损伤、手术、胸腔穿刺、外伤、嗜睡、谵妄、脓肿、腹痛、腹部压痛、急性肺损伤、阑尾炎、菌血症、蜂窝织炎、胆管炎、胆囊炎、结肠炎、膀胱炎、失水、憩室炎、脑炎、脑病、心内膜炎、不明原因发热、胃肠炎、胃肠道出血、胃肠道感染、低血压、感染过程、不适、骨髓炎、造瘘术、骨盆痛、肾疾病、肾盂肾炎、呼吸道感染、脓毒性关节炎、软组织感染、手术入院、创伤或急性呼吸窘迫综合征。
备选地或附加地，第六方面的方法进一步可以包括在分析引擎处接收患者的药物数据并结合使用药物数据来计算风险分数。可选地，药物数据可以包括可以与以下一种或多种有关的数据：包括可以以静脉注射(IV)或皮下注射(SC)输送的包括肝素或依诺肝素的抗凝血剂、支气管扩张药、类固醇激素、利尿剂使用、高液体速率或体积或高渗液体、类罂粟碱、镇静药、***、肌松药、液体过剩、抗生素或免疫抑制剂。
第六方面的方法可以进一步包括如果患者年龄为70岁或以上且患有COPD，则利用分析引擎确定患者可能处于患上呼吸窘迫的风险中。备选地或附加地，第六方面的方法进一步可以包括如果患者患有COPD并且已经被开类罂粟碱处方，则利用分析引擎确定患者可能处于患上呼吸窘迫的风险中。进一步备选地或附加地，第六方面的方法进一步可以包括如果患者年龄为70岁或以上且已经被开类罂粟碱处方，则利用分析引擎确定患者可能处于患上呼吸窘迫的风险中。再进一步备选地或附加地，第六方面的方法进一步可以包括如果患者年龄为70岁或以上、患有哮喘并且血尿素氮(BUN)大于或等于每100毫升(ml)血液30毫克(mg)，则利用分析引擎确定患者可能处于患上呼吸窘迫的风险中。
如果需要，第六方面的方法进一步可以包括如果患者为65岁或以上并且患有癌症，则利用分析引擎确定患者可能处于患上败血症的风险中。备选地或附加地，第六方面的方法进一步可以包括如果患者具有患上败血症的病史，则利用分析引擎确定可能患者处于患上败血症的风险中。进一步备选地或附加地，第六方法的生理数据包括以下中的一个或多个：心率、呼吸率、体温、平均动脉压、收缩压或包括外周毛细血管氧饱和度(SpO2)的脉搏血氧测量数据。
根据本公开的第七方面，一种在至少一台计算机上实施的方法可以包括：接收患者的动态临床变量和生命体征信息，利用生命体征信息开发先前的生命体征模式和当前的生命体征模式，以及将先前的生命体征模式与当前的生命体征模式进行比较。第七方面的方法进一步可以包括：接收以下中的一个或多个：患者的静态变量、患者的主观呻吟、患者的先前的医疗保健利用模式、或患者的健康数据的社会决定因素。第七方面的方法还可以包括：在算法中的使用动态临床变量、生命体征信息、先前的生命体征模式与当前的生命体征模式的比较结果，以及静态变量、主观呻吟、医疗保健利用模式或健康数据的社会决定因素中的一个或多个，来检测或预测患者患有败血症或可能患上败血症。
在第七方面的方法的一些实施例中，动态临床变量可以包括护理点实验室数据。可选地，静态变量可以包括并存病。备选地或附加地，静态变量可以包括患者的护理设置是前急性护理设置、急性护理设置还是后急性护理设置。如果需要，第七方面的方法进一步可以包括接收患者的历史数据。
第七方面的方法进一步可以包括向患者的一个或多个临床医生输出一个或多个推荐动作，这落入本公开的范围内。例如，一个或多个推荐动作可以包括将患者送到急诊室(ED)。备选地或附加地，一个或多个推荐动作可以包括增加一个或多个临床医生来监测患者。进一步备选地或附加地，一个或多个推荐动作可以包括为患者安排一组实验室。
在一些实施例中，第七方面的方法进一步可以包括对医疗保健机构的临床医生进行排名。例如，对医疗保健机构的临床医生进行排名可以包括依据经验对临床医生进行排名。备选地或附加地，对医疗保健机构的临床医生进行排名可以包括依据先前采取的动作对临床医生进行排名。进一步备选地或附加地，对医疗保健机构的临床医生进行排名可以包括依据先前的患者结果对临床医生进行排名。如果需要，因此，对医疗保健机构的临床医生进行排名可以包括依据经验、依据先前采取的动作以及依据先前的患者结果对临床医生进行排名。可选地，可能对结果具有最大影响的动作可以由至少一个计算机来通知较新的或经验较少的临床医生那些有经验的临床医生可能会如何照顾患者。
在第一方面的***的一些实施例中，可以基于下面表11中列出的数据元素中的一个或多个来作出风险确定或者计算第一分数、第二分数或第三分数中的一个或多个。
在第二方面或第三方面的器械的一些实施例中，可以基于下面表11中列出的数据元素中的一个或多个来作出风险确定或者计算第一分数、第二分数或第三分数中的一个或多个。
在第四方面或第五方面的方法的一些实施例中，方法可以进一步包括基于下面表11中列出的数据元素中的一个或多个来作出风险确定或计算第一分数、第二分数或第三分数中的一个或多个。
在第六方面的方法的一些实施例中，方法可以进一步包括基于下面表11中列出的数据元素中的一个或多个来计算风险分数或作出风险确定。
在第七方面的方法的一些实施例中，方法可以进一步包括基于下面表11中列出的数据元素中的一个或多个来计算风险分数或进行风险确定。
单独的附加特征，或与任何诸如上面列出的那些和权利要求中列出的那些的其他特征组合的附加特征，均包含可获得专利的主题，并且在考虑了下面的举例说明实现目前设想的实施例的最佳模式的各种实施例的详细详细之后，这些附加特征对于本领域技术人员来说将变得显而易见。
附图说明
具体实施例部分特别地参考附图，其中：
图1是***的示意图，该***示出了被提供给分析引擎的床数据、失禁检测***数据、生命体征数据和来自国际压力性溃疡患病率(IPUP)调查的数据，并且示出了分析引擎基于对所接收数据的分析与护理人员的实时临床通信；
图2是类似于图1的***的示意图，其中在顶行从左到右示出了患者被支撑在病床上、分析引擎(在图2中被标记为“DSN平台”)从病床接收数据、分析引擎将风险评估消息传送回病床和生命体征监测仪，并且在第二行从右到左示出了病床监测患者位置以及护理人员拍摄患者的压力损伤；
图3是类似于图1和图2的***的示意图，其中示出了位于图中心的路由器从位于路由器左侧的多个数据源设备接收数据并与位于路由器右侧的多个数据接收设备通信，数据源设备包括病床、护士呼叫***的图形化病房站点、生命体征监测仪、患者升降机、定位***和失禁检测***，数据接收设备包括状态面板、室内显示器、分析引擎、电子病历(EMR)或健康信息***(HIS)服务器，以及一组移动装置；
图4A-图4C构成的流程图示出了患者经由急诊室(ED)、重症监护室(ICU)和医疗/外科(MED/SURG)单元，然后回家或到长期护理(LTC)机构的历程的示例，并且示出了在患者的历程中操作分析引擎来确定患者具有或患败血症的风险的位置；
图5A和5B构成的流程图示出了患者入院和停留在医疗保健机构的示例，这包括使用病房中的设备以将患者移动到椅子上或厕所中的，并且示出了在患者的历程中操作分析引擎以对患者进行风险评估的位置；
图6是类似于图3的备选***的示意图，其中示出了在页面左侧的医院预置设备，包括室内装置、装置网关和状态面板；在页面中心的云装置，包括企业网关(HL7)、临床数据存储库、风险引擎和分析人工智能(AI)平台；在页面右侧的附加预置设备，包括移动装置和包括了EMR、ADT和Labs服务器的第三方方案；
图7是图3和图6的移动装置的移动应用程序的患者屏幕的屏幕截图示例，其中示出了患者屏幕，其包括分配给携带有移动装置的护理人员的患者姓名列表、在每个患者姓名左侧的房间号以及在每个患者姓名下面的风险分数，该风险分数包括(当适用时)全身炎症反应综合症(SIRS)值和改良的早期预警分数(MEWS)值；
图8是风险细节屏幕的屏幕截图示例，其在患者姓名下方包括具有关于MEWS值的附加信息的MEWS窗口、具有关于败血症相关器官衰竭评估(SOFA)分数的附加信息的SOFA窗口、和具有关于MORSE跌落评估量表(MFS)值的附加信息的MORSE窗口，并且其还包括一对风险因素窗口，该对风险因素窗口包括列出了导致患者会经历呼吸窘迫的风险的因素的呼吸窘迫窗口和列出了导致患者患上败血症的风险的因素的败血症窗口；
图9是备选的风险细节屏幕的屏幕截图示例，其在患者姓名下方包括具有子分数信息的MEWS窗口、SIRS窗口和SOFA窗口，这些子分数信息在应用时贡献于整体分数，并且该屏幕截图还包括类似于图8的那一对风险因素窗口；并且
图10是MEWS细节屏幕的屏幕截图示例，其提供与MEWS值相关的更多细节，包括示出哪些生命体征或其他信息对应于哪个子分数值(这些子分数值贡献于整体MEWS值)，MEWS细节屏幕响应于在图8和图9的风险细节屏幕上选择MEWS窗口而出现在护理人员的移动装置上。
具体实施方式
装置或***10包括患者数据的源12，其基本上实时地与分析引擎20通信以用于实时临床数据聚合，如图1中所示意性示出的。在图1的说明性示例中，患者数据的来源12包括病床14、失禁检测***16、生命体征监测仪18和国际压力性溃疡患病率(IPUP)调查22。来自病床14的床数据包括例如指示床护栏是否在上或在下的数据、指示是否设置好脚轮制动器的数据、指示床垫支撑板的头部部分被升高的角度的数据、指示病床14的上框架是否相对于床14的基架处于其最低高度的数据，以及本领域技术人员公知的其他床数据。对于床数据的其他示例，参见美国专利申请公开号2012/0316892A1，其内容，特别是表1，在此通过引用并入到本文中。
病床14的一些实施例具有感测患者体重的称重秤***，并且在一些实施例中，该称重秤******还监测患者在被支撑在床14上时的位置。参见，例如，美国专利号7,253,366，其全部内容在此通过引用并入本文，引用的程度为针对任何矛盾之处都应当对与本公开内容的不一致加以控制。病床14的一些实施例还包括集成的生命体征传感器，以感测患者的心率或呼吸率。参见，例如，美国专利申请公开号2018/0184984A1，其全部内容在此通过引用并入本文，引用的程度为针对任何矛盾之处都应当对与本公开内容的不一致加以控制。因此，在一些实施例中，床14传输到分析引擎20的数据中还包括由一个或多个床上传感器感测的患者体重数据、患者位置数据和生命体征数据。
在一些实施例中，失禁检测***16是可从Hill-Rom Company，Inc.获得的WATCHCARETM失禁检测***。合适的失禁检测***16的其他详情可以在美国专利申请公开号2017/0065464A1，2017/0246063A1，2018/0021184A1，2018/0325744A1和2019/0060137A1中找到，其各自全部内容在此通过引用并入本文，引用的程度为针对任何矛盾之处都应当对与本公开内容的不一致加以控制。失禁检测***16向分析引擎20传送数据，该数据指示放置在患者下方的***16的失禁检测垫是湿的还是干的。
在一些实施例中，***16的失禁检测垫具有无源RFID标签，该无源RFID标签由从位于病床14的床垫下方和病床14的床垫支撑板顶部的一个或多个天线传输的能量来激活。来自无源RFID标签的反向散射数据由这些相同天线中的一个或多个读取。设置读取器以在任何给定的情况下控制多个天线中的哪个天线是传输天线，而其余天线则是接收天线。由读取器经由接收天线接收的反向散射数据通过读取器被传送到分析引擎20，传送例如经由从读取器到医疗保健机构的以太网无线接入点的无线传输，或者经由一些实施例(在那些实施例中读取器通过例如有线连接而通信式耦接到病床电路上)中的床14的电路。
生命体征监测仪18包括例如心电图仪(ECG或EKG)、脑电图仪(EEG)、心率监测仪、呼吸率监测仪、温度监测仪、脉搏血氧计、血压监测仪等。在一些实施例中，监测仪18是独立于床14的独立设备。在一些实施例中，至少一个生命体征监测仪18是可从纽约SkaneatelesFalls的Welch Allyn，Inc.获得的
现场监测仪。如上所述，在一些实施例中，床14包括自身集成式生命体征传感器。因此，从生命体征监测仪18或从床14提供给分析引擎20的生命体征数据包括以下中的任何一个或多个：心率数据、呼吸率数据、温度数据、脉搏血氧测量数据、血压数据等。
IPUP调查22包括如下信息：1)患者所在的单元、2)患者年龄、3)患者的性别、4)患者是否失禁、5)患者是否患有失禁相关性皮炎、6)是否正在使用***16的失禁检测垫、7)自入院到医疗保健机构以来患者的住院时长、8)病床14上的表面的类型(例如，床垫)、9)患者和支撑表面之间的布料(包括尿布和三角裤)的层数、10)所用布料的类型、11)患者的移动力状态(例如，完全不能动、能进行小的重量偏移但不能侧身、自行侧身但需要帮助才可站立、或独立)、12)所观察的位置(例如，仰卧、侧卧、俯卧、坐立或站立)、13)在患者住院期间是否使用过患者升降机、14)当患者卧床时脚跟是否被升高、15)患者的身高(或婴儿的身长)、16)患者的体重、17)新生儿体重(以克为单位)、18)在急诊室(ER)度过的时间、19)在手术室(OR)中度过的时间、20)入院24小时内是否评估过患者的皮肤、21)入院24小时内是否记录了压力损伤评估、22)入院时使用的风险方法、23)入院时确定的风险分数、24)最近或当前使用的风险方法、25)最近或当前的风险分数、26)上次风险评估的文件(例如，自上次压力溃疡/损伤风险评估以来至当前调查之前的时间，以及是否存档了上次的风险评估)、27)是否确定患者有压力损伤的风险、28)对于有风险的患者，压力损伤预防方案是否在过去的24小时已奏效、29)是否在过去的24小时内存档了皮肤评估、30)是否在过去24小时内使用了压力重新分配表面、31)是否在过去24小时内发生过所规定的患者重新定位、32)是否患者在过去24小时内接受过营养支持、33)在过去24小时内已对患者使用湿气管理(例如，使用表面部件的低漏气特征或微气候管理特征)、34)是否正在使用患者约束、35)正在使用的约束类型、36)正在使用的约束类别、37)使用约束的理由、38)是否正在对患者使用连续静脉-静脉血液滤过(CVVH)/连续静脉血液透析滤过(CVHD)/股动脉线、39)患者是否患有糖尿病、40)是否正在对患者使用体外膜氧合(ECMO)、41)患者是否患有败血症、42)患者是否患有血管疾病、43)是否正在对患者使用血管加压药或患者是否患有低平均动脉压(MAP)、44)是否对患者进行了通风、45)患者是否有压力损伤、46)压力损伤详情(例如，伤口的位置，如右脚跟或左脚跟、骶骨、肩胛骨等；每个伤口的阶段；入院时每个伤口是否存在；是否每个伤口在抵达该单元时都存在；以及伤口档案)、47)是否有任何压力损伤与装置有关、48)装置的类型(如果对47的回答为“是”)、49)从入院直到记录压力损伤的天数(如果压力损伤是在机构获得的)。来自IPUP调查的数据在传送给分析引擎20的数据中。应当理解，IPUP调查数据是由护理人员使用PC或平板电脑或一些其他计算机装置输入的。
根据本公开，分析引擎20处理从源12接收的数据，并对关联的患者执行风险评估。如下面进一步详细讨论的，风险评估包括确定患者患上败血症的风险、患者发生压力损伤(例如，压疮或褥疮溃疡)的风险，以及患者可能跌落的风险。这些在本文中称为败血症风险评估、压力损伤风险评估和跌落风险评估。本公开构想的是，分析引擎20能够基于从源12接收的数据对患者进行其他风险评估。这种风险评估取决于提供数据的源12的类型以及对来自多个源12的数据和特定的患者风险之间的相对紧密的相关性的识别。
仍然参考图1，风险评估被提供给护理人员或临床医生，他们可以基于临床见解24来调整或重写风险评估。术语“护理人员”和“临床医生”在本文中可互换使用。基于临床见解24对风险评估的调整或重写是使用计算机(未示出)实现的，例如在工作站的个人计算机、在主护士站的主护理计算机、由护理人员携带的诸如智能手机或平板电脑的移动装置，等等。在一些实施例中，每个风险评估导致了在包含上限和下限之间的数值范围内的数值分数。因此，如果基于护理人员的关于患者的信息和护理人员的经验，这种调整是有保证的或者是所期望的，则护理人员能够对分析引擎20输出的风险评估分数进行修改。
基于由分析引擎20作出的风险评估以及由护理人员鉴于临床见解24作出的调整(如果有的话)，风险评估被用于确定临床服务和动作26，如图1中示意性所示出的。由分析引擎20作出的风险评估和所实施的临床服务和动作26的最终目标是改善患者结果，如图1的突破性结果块28所示。例如，如果患者患有败血症或有针对败血症的高风险评估，则临床医生可以实施以下一项或多项服务和动作26(也称为败血症方案)：为患者提供高流量氧气、抽取血液用于实验室测试(如测试乳酸和血红蛋白水平)、提供静脉注射(IV)抗生素、提供静脉输液，以及进行每小时尿量测量。
如果患者具有压力损伤或有针对压力损伤的高风险评估，则临床医生可以实施以下一种或多种服务和动作26(也称为压力损伤方案)：患者支撑表面治疗，例如连续侧向转动治疗(CLRT)或备选的压力治疗；将真空伤口绷带应用于患者的任何压力溃疡或伤口；捕获伤口图像以进行单独的伤口评估；以及监测患者运动以确保患者以适当的频繁在床14上自行重新调整身位。
如果患者为跌落风险或具有针对跌落的高风险评估，则临床医生可以实施以下服务和动作26中的一个或多个(也称为跌落方案)：在床14上启用跌落风险方案，这导致床电路和/或远程计算机(例如床状态计算机或护士呼叫计算机)监测患者在床14上的位置、监测护栏位置以确认指定的护栏处于其抬起位置、监测脚轮制动状态以确认脚轮被制动，以及监测床14的上框架的位置以确认它相对于床14的基架的处于低位置；在患者和床14的床垫之间设置失禁检测***16的失禁检测垫；在床边提供助行器；以及在患者附近提供充足的食物和/或水。
现在参考图2，示意图示出了在病床14周围发生的各种活动，并且还公开了数字安全网(DSN)平台30基于这些活动的各方面，DSN平台包括分析引擎20。DSN平台还包括以太网供电(PoE)交换机、路由器或网关32(这些术语在本文中可互换使用)，路由器或网关32从多个源12(包括床14)接收数据并将风险评估信息按特定路线发送到多个输出装置34，多个输出装置34包括护士呼叫***的图形显示器36和指示器38(也称为圆顶灯)，护士呼叫***提供关于由分析引擎20执行的风险评估的视觉信息。
在图2的左上图像下方，项目符号点表示在床14中存在入院患者并且已经进行了患者的初始评估。与初始评估相关地，获悉患者的病史，捕获患者的初始生命体征和体重，评估基线压力损伤风险，并且用照相机40(示例性地为，从澳大利亚Adelaide的LBTInnovations Ltd.获得的WOUNDVUETM摄像机40)拍摄疑似压力损伤的照片并将照片上传到分析引擎20以进行伤口评估。位于图2的左上图像和上部中间图像之间的箭头42表示与右上图像下方的项目符号点相关联的数据被传送到上部中间图像的DSN平台30的分析引擎。
在图2的上部中间图像下方，项目符号点表示DSN平台30的分析引擎20已经参与了与评估患者患上败血症的风险有关的败血症方案；患者的败血症风险已经被分级或规范化为1至5的分数范围；正在监测患者的状况，包括监测患者的体温、患者的运动以及床14的患者支撑表面(也称为床垫)的表面状态。根据本公开，DSN平台30还参与与评估患者的跌落风险有关的跌落方案并且参与与评估患者的压力损伤风险有关的压力损伤方案。在说明性示例中，跌落风险和压力损伤风险也被分析引擎20分级或规范化为1至5的分数范围。在其他实施例中，败血症、跌落和压力损伤风险中每项的风险范围均是0到5。因此，败血症、跌落和压力损伤风险中每项都具有相同的最大值(例如，在说明性示例中为5)和相同的最小值(在说明性示例中为0或1)。在其他实施方案中，使用不同的风险范围，例如那些具有大于5的上限值(包括10、20、25、30等)的风险范围。
同样，在图2的上部中间图像下方的项目符号点指示了：由DSN平台30的分析引擎20确定的风险等级或分数被显示在DSN平台30中的各个输出设备34上(即，在整个医疗保健机构中的多个位置)，并且指示：基于患者的败血症、跌落和压力损伤风险的一个或多个而确定的风险分数来调整查房方案。关于图形显示器36，在一些实施例中是显示出分数的实际值，而关于圆顶灯38，则是基于风险分数以特定方式来照亮圆顶灯的一部分。例如，如果任意风险分数是4或5，那么在圆顶灯38上可以点亮红灯，但是如果每个风险分数仅为2或3，那么可以在该灯上点亮黄色或琥珀色光。如果风险分数都处于较低水平(例如0或1，视情况而定)，则与患者风险相关的圆顶灯部分保持不亮。该圆顶灯38的照明方案作为一个说明性示例给出，并且其他照明方案在本公开的范围内，包括为每种风险分数都分配一部分或一段圆顶灯38，以使得圆顶灯38存在对应于败血症、跌落和压力损伤风险的三个风险光区域，对于相关风险的不同风险等级分数，每个风险光区域被点亮为红色、黄色/琥珀色或熄灭。例如，圆顶灯上的其他区域指示了护理人员是否在病房中、病房中的患者是否已拨打护士呼叫、或者病房中的设备警报是否有效，这包括了半私人病房，即指示了两名患者中的哪一个已拨打护士呼叫或哪名患者与正在发出警报的设备相关联。具有以诸如白色、绿色、蓝色、紫色等红色和黄色/琥珀色以外的颜色照亮的部分的圆顶灯都落入本公开的范围内。
关于调整查房方案，在一些实施例中，如果风险分数中的一个或多个为高(例如，4级或5级)或风险分数从一个级别增加到下一级别(例如，从级别2增加到级别3)，则缩短护理人员查房之间的查房间隔或时间(即，指定的护理人员被要求检查患者所隔的时间)。本公开构想的是，风险分数越高，查房间隔越短。查房间隔时间与风险分数级别之间的相关性，其包括将两个或三个风险分数相加在一起以确定查房间隔，由***程序员或管理人员来决定。位于图2的上部中间图像和右上图像之间的箭头44表示在由DSN平台30执行在上部中间图像下方的项目符号点有关的活动之后，床14和生命体征设备18(以及本文所公开的其他设备)继续向分析引擎20提供数据以进行动态的实时风险评估。
在一些实施例中，随着风险分数增加和减少，查房间隔的调整动态地、自动地并且基本上实时地发生。因此，如果风险分数从例如3级增加到4级，则查房间隔自动从4小时减少到2小时，并且例如如果风险分数从4级降低到3级，则查房间隔从2小时增加到4小时，这里只是给出一个任意的例子来说明这个概念。在一些实施例中，通过EMR计算机或服务器或护士呼叫计算机或服务器来跟踪和改变查房间隔。在一些实施例中，在控制查房间隔的计算机或服务器处进行的查房间隔调整是在没有人为输入或参与的情况下做出的。在其他实施例中，查房计算机处的护理人员或临床医生或其他管理人员提供输入以批准查房间隔改变。在一些实施例中，在任一情况下，查房间隔改变通知被发送到受影响的(各)护理人员的(各)移动装置。
这里使用的短语“基本上实时地”是指用于接收并处理那些贡献于风险分数值的数据测量以重新计算风险分数所用的时间量。一些设备12可以每分钟或每秒钟仅提供一次读数，并且其他设备可以每秒提供100次读数，这里只是给出一些任意的例子。本公开构想的是，分析引擎20在每次接收到新数据点时重新计算风险分数，并且根据本公开其被认为是“基本上实时”。本公开还构想的是，分析引擎20仅在接收的测量或值相对于先前测量或值发生改变时才重新计算风险分数。因此，如果一次又一次地传输恒定值，则分析引擎不会重新计算风险分数，直到其中一个贡献性测量值或值发生变化，并且根据本公开这也被认为是“基本上实时”的。
在图2的右上图像下方，项目符号点指示由分析引擎20进行的动态患者风险评估包括以持续的方式来监测患者支撑表面状态是否与降低的压力损伤风险一致，或监测患者支撑表面状态是否已经以此种方式改变以致造成增加的压力损伤风险。例如，如果床14的床垫的气囊具有漏洞并且足够量的空气流失，则气囊压力可能降低到足以允许患者通过床垫向下触底以致于被支撑在下面的床垫支撑板所支撑而不是被气囊支撑。这种情况增加了患者可能发生压力损伤的风险。根据本公开，由分析引擎20进行的动态风险评估还包括监测由监测仪18或由床上生命体征传感器感测的患者的生命体征是否一致并且处于期望的限度内，或者监测生命体征是否以指示患者健康下降的方式在改变。如果检测到后一种情况，则患者的败血症风险会增加。进一步根据本公开，由分析引擎20进行的动态风险评估还包括确定患者是否在睡觉或不在病房中，在这种情况下，患者的跌落风险分数降低，或者确定患者是否正在移动、烦躁或在疼痛中，在这种情况下，患者的跌落风险分数增加。随着患者的风险分数增加或减少，将以相称的方式对患者的临床方案进行调整，以匹配不断变化的风险等级。
位于图2的右上图像和右下图像之间的箭头46表示在一段时间之后，可以检测到在床14上患者的其他状况。如图2右下图像下方的项目符号点所示，如果床14检测到患者变化，例如在很长一段时间内缺乏患者运动或患者运动低于阈值，和/或如果检测到有问题的表面变化，则由分析引擎20执行的压力损伤算法会确定存在增加的压力损伤风险并且患者的压力损伤分数增加。此外，响应于增加的压力损伤分数，分析引擎20向一个或多个护理人员发起一个或多个增加的压力损伤风险的警示，并且在一些实施例中，自动激活压力损伤预防方案，例如自动缩短查房时间，和/或实施表面治疗方案，例如向护理人员发送提醒消息以使患者转身、以定期(例如，每小时或每两小时)激活床14的转身辅助功能、以激活床14的床垫的交替压力治疗或激活床14的床垫的CLRT疗法。
如果分析引擎20从床14或生命体征监测仪18接收到导致跌落风险分数或败血症风险分数增加的数据，则DSN平台30以类似方式响应以警示护理人员增加的分数。例如，增加的患者心率伴随增加的患者移动可以指示患者正准备离开床14并且跌落风险分数可能相应地增加。作为另一个例子，如果患者的心率或呼吸增加但是缺乏患者运动或患者运动低于阈值，进而指示出昏睡的患者，则这可能指示增加的败血症风险并且败血症风险分数可能相应地增加。
在这些增加风险分数的情况中的每一个中，在一些实施例中，分析引擎20向被分配给患者的一个或多个护理人员发起警示。这样的警示可以被发送到由相应的一个或多个护理人员携带的移动装置(例如，寻呼机、个人数字助理(PDA)、智能电话或平板电脑)。这样的警示也可以被显示在***10的图形显示器36和顶灯38上。如增加的压力损伤分数的情况那样，分析引擎20可以分别响应于增加的跌落风险分数或增加的败血症风险分数而自动启动跌落风险方案或败血症方案。
根据本公开，分析引擎20还向例如床14和监测仪18的源12提供风险分数数据或消息，床14和监测仪18配备有被配置用于与分析引擎20进行双向通信的通信电路。因此，在一些实施例中，由一个或多个源12从分析引擎20接收的消息会导致风险降低方案或源12的功能被自动激活(例如，床垫的交替压力功能被自动开启或用于注射IV抗生素的输液泵被自动开启或床的下床/患者位置监测功能被自动开启)。在一些实施例中，从分析引擎20接收此类消息的源12(例如床14和监测仪18)的图形显示器显示如下消息：该消息指示了压力损伤、跌落和败血症风险分数中的一个或多个已经增加，并且在适当的情况下指示了源12的风险降低方案或功能已被自动开启或激活。
位于图2的右下图像和左下图像之间的箭头48指示护理人员已经被派遣到其风险分数已经增加的患者的病房。因此，如图2的左下图像下方的项目符号点所示，响应于增加的压力损伤分数、跌落风险分数或败血症风险分数，分析引擎20向一个或多个指定的护理人员发起警示或通知以立即前往患者的病房并与患者接洽。当护理人员到达病房时，可以在那时解决导致风险分数增加的一些风险因素。例如，护理人员可以响应于增加跌落风险分数来帮助患者去洗手间，或者护理人员可以为具有增加的压力损伤风险分数的患者打开床垫转身辅助功能或治疗功能，或者护理人员可以为具有增加的败血症风险分数的患者启动IV抗生素的注射。
在护理人员解决患者跌落风险、压力损伤和/或败血症需求之后，在一些情况下，提供给分析引擎20的数据将导致相应的风险分数自动降低。然而，在一些情况下，在护理人员解决了患者的需求后，护理人员向分析引擎20提供导致降低的风险分数的临床见解24。在压力损伤分数增加的情况下，在一些实施例中，可能需要派遣到患者病房的护理人员使用摄像机40拍摄患者的任何压力损伤的图片以用于上载到分析引擎20，以便最近的压力损伤数据被结合用于确定患者的压力损伤分数。
现在参考图3，其示出了经由路由器或PoE交换机32向分析引擎20提供数据的***10的其他的源12。图3的其他的源12包括图形化病房站点50、患者升降机52和定位***54。图形化病房站点50被包括作为护士呼叫***的一部分，例如可从印第安纳州Batesville的Hill-Rom Company,Inc.获得的
护士呼叫***。其中包括病房站点50的合适的护士呼叫***的其他细节可以在美国专利号7,746,218、7,538,659、7,319,386、7,242,308、6,897,780、6,362,725、6,147,592、5,838,223、5,699,038和5,561,412，以及在美国专利号2009/0217080A1、2009/0214009A1、2009/0212956A1和2009/0212925A1中找到，其中的每一个的全部内容在此通过引用并入本文，对其教导所引用的程度为针对任何矛盾之处都应当对与本公开内容的不一致加以控制。病房站点50在源12之中是供护理人员使用以向***10提供临床见解24用于分析引擎20的分析的。
例如，患者升降机52响应于被用于将患者抬离床12以便转移到例如担架、椅子或轮椅，而经由路由器32向分析引擎20提供数据。需要使用患者升降机52将患者移动到床14上或从床14移动出来的事实指示出患者具有跌落风险，因为患者不能从床14下床并自己走路或者自己回到床14上。因此，响应于患者升降机52被用于移动患者，分析引擎20增加跌落风险分数。此外，使用患者升降机52将患者移动到床14上或从床14移动出来也可以指示出患者发生压力损伤的风险高于能走动患者。例如，升降机52经常用于转移截瘫患者或四肢瘫痪患者，并且这样的患者在床上时具有很有限的能力来转移自身重量以减少发生压力损伤的可能性。而且，与患者升降机一起使用的吊索有时在例如患者的臀部或骶骨区域的患者部位上会产生高的界面压力，这也可能增加发生压力损伤的风险。因此，在一些实施例中，使用升降机52不仅导致患者的跌落风险分数的增加，而且还导致患者的压力损伤分数的增加。
图3中的患者升降机52的说明性图像是高架升降机52，其被附接到安装在病房中的框架上。其他类型的患者升降机52包括移动式患者升降机，其被用轮子推入病房以供使用。图3中包括一组无线通信图标56，以指示网络10的一些源12例如通过一个或多个无线接入点(未示出)与网关32无线通信。特别地，图3的图标56指示出床14、监测仪18、患者升降机52、定位***56的组件和失禁检测***16的组件与网关32无线通信。图3中从源12延伸到网关32的线路指示：除了无线通信之外或代替无线通信，源可以通过有线连接与网关32通信。
在一些实施例中，能够无线通信的源12具有用于此目的的专用电路。可选地或另外地，定位***54的定位标签被附接到源12上，例如床14、监测仪18、患者升降机52和失禁检测***16的部件。在一些实施例中，***54的定位标签也被附接到护理人员和/或患者上。定位标签包括发送器，用于将无线信号发送到安装在整个医疗保健机构的各种固定位置的接收器或收发器。在一些实施例中，标签具有从固定收发器接收无线信号的接收器或收发器。例如，为了节省电池电量，定位标签可以仅响应于从固定收发器之一接收到无线信号而发送包括标签标识(ID)数据的信息。固定接收器或收发器将位置ID(或与医疗保健机构中的位置相关的固定接收器/收发器ID)传送到远离各种固定收发器的定位服务器。基于定位服务器接收的标签ID和位置ID，定位服务器确定源12的各种被标记过的设备、佩戴标签的护理人员和佩戴标签的患者的位置。
考虑到前述讨论，如果由定位***54确定移动患者升降机52在患者的病房中，则在一些实施例中，分析引擎增加患者的压力损伤风险分数和/或跌落风险分数。如果由定位***54确定特定设备在病房中，则分析引擎20可以作出类似的败血症风险分数的增加。例如，如果心率监测仪、呼吸率监测仪和血压监测仪都在病房中定位达到阈值时间段，则在一些实施例中，分析引擎20增加败血症风险分数。如果病房中的一袋或一瓶IV抗生素附接有定位标签，则在一些实施例中，分析引擎20增加败血症风险分数。
如果确定失禁检测***16的失禁检测垫位于病房中，在一些实施例中，或者是由于通过定位***54检测到被附接到垫的定位标签，或者是由于通过床14的电路检测到失禁检测垫，或者是由于失禁检测***16的读取器可能通过护士呼叫***向分析引擎20提供数据，则在一些实施例中由分析引擎增加患者的跌落风险分数和/或患者的压力损伤分数。对患者使用失禁检测垫指示出患者不足够能走动以从床14下来并自己去洗手间，因此患者是跌落风险患者。此外，对患者使用失禁检测垫指示出患者可能被限制在他们的床14上，这增加了发生压力损伤的风险。在一些实施例中，响应于失禁检测***16检测到从患者已经弄脏了失禁检测垫并且在更换未弄脏的垫之前该垫已经在患者身体下面保持达到阈值时间量，则分析引擎增加压力损伤风险分数，因为长时间暴露于湿气或潮湿会增加患者发生压力损伤的可能性。
在一些实施例中，定位***54作为高精度定位***54操作，其能够确定每个定位标签的位置，该定位标签与离标签的实际位置一英尺(30.48cm)或更少距离内的至少三个固定收发器通信。本公开所构想的是，高精度定位***54的一个示例是超宽带(UWB)定位***。UWB定位***在3.1千兆赫(GHz)至10.6GHz频率范围内操作。在这方面，合适的固定收发器包括WISER网状天线节点，并且在这方面合适的定位标签包括迷你***标签，所有这些标签都可以从北卡罗来纳州Raleigh的Wiser Systems Inc.获得并作为WISER LOCATORTM***来销售。也可以使用可从其他制造商获得的UWB定位***。在一些实施例中，高精度定位***54使用双向测距、时钟同步和到达时间差(TDoA)技术来确定定位标签的位置。参见，例如，国际公开号WO2017/083353A1，其全部内容通过引用并入本文，对其教导所引用的程度为针对任何矛盾之处都应当对与本公开内容的不一致加以控制，其中详细讨论了这些技术在UWB定位***中的使用。
在定位***54是高精度定位***54的那些实施例中，用于确定是否增加或减少特定风险分数的更精细的规则集可以通过分析引擎20来实施。例如，不是响应于检测到患者升降机52在房间中或检测到失禁检测垫在房间中来增加跌落风险分数和/或压力损伤分数，而是仅当如果升降机52或者失禁检测垫和病床14之间的相对位置符合特定标准，就改变特定风险分数。例如，跌落风险和/或压力损伤风险分数不会改变，直到高架升降机52的机动升降机壳体和/或吊索杆被确定为位于医院病床14的占地面积上方时才会改变。这防止了如果高架升降机52未对特定患者使用而是仅仅存放在床14的侧面或房间的角落中就增加或改变风险分数的情形。以类似的方式，跌落风险和/或压力损伤风险分数不会改变，直到确定移动升降机52在阈值距离内才会改变，例如离床14或患者1或2英尺，这里仅仅给出两个任意例子。进一步类似地，跌落风险和/或压力损伤风险分数不会改变，直到确定失禁检测垫在医院病床14的占地面积内才会改变。
仍然参考图3，输出设备34的图形显示器36包括状态面板58、图形音频站点50和护理人员的移动装置60。图3的说明性移动装置60是智能电话，但如上所述，移动装置60还包括寻呼机、PDA，平板电脑等。状态面板58通常定位于医疗保健机构中的主护士站，但是如果需要，这些可以位于其他地方，例如在员工休息室、走廊等中。在一些实施例中，状态面板58被包括作为护士呼叫***的一部分。在这方面，参见，例如，美国专利号8,779,924，其全部内容在此通过引用并入本文，其引用的程度为针对任何矛盾之处都应当对与本公开内容的不一致加以控制。本公开构想的是，状态面板具有用于显示状态面板上所列出的每个患者的跌落风险、压力损伤风险和败血症风险分数的附加栏目。
如图3中显而易见的，图形化病房站点50既用作用于向分析引擎20提供数据的源12，又用作用于显示来自分析引擎20的数据的输出设备34。因此，图形化病房站点50也具有显示屏幕，该显示屏幕具有用于显示位于具有病房站点50的病房中的患者的跌落风险、压力损伤风险和败血症风险分数的栏目。在一些实施例中，站点50可操作以获得并显示位于其病房中的患者的风险分数。因此，在一个病房中使用病房站点50的护理人员可以与另一个护理人员(例如主护士站的护士)就位于另一个房间中的患者进行通信，并且可以提取与正在讨论的另一个患者有关的信息，包括风险分数。
移动装置60还具有带有能显示患者的风险分数的栏目的屏幕。在一些实施例中，移动软件应用程序被提供在护理人员的移动装置60上并且操作以限制护理人员访问信息的能力，例如仅能够看到他们所分配到的患者的风险分数而不能看到那些被分配给其他护理人员的患者的风险分数。此外，本公开构想的是，每当护理人员所分配到的患者中的任何一个的风险分数改变时，弹出窗口可以出现在护理人员的移动装置上。在一些实施例中出现在移动装置60上的屏幕的示例将在下面结合图7至图10进行讨论。
电子病历(EMR)或健康信息***(HIS)服务器62还经由PoE交换机32被通信地连接到分析引擎20，如图3的说明性示例中所示。服务器62连接到一个或多个具有用于显示医疗保健机构的各患者的风险分数的显示屏幕的EMR或HIS计算机(未示出)。在一些实施例中，服务器62也是分析引擎20的数据源12，被结合用于确定各患者的风险分数。分析引擎20还经由网关32被通信地连接到物联网(IoT)网络或平台64，如图3所示。平台64从多个医疗保健机构接收信息，并且操作以分析传入的信息以识别出风险降低方案的最佳实践，该最佳实践反过来可以分享给那些签约接收此类最佳实践信息的其他医疗保健机构。例如，最佳实践信息可包括用于风险评估算法的相关阈值、在护理标准中实施以将患者风险降至最低的步骤，以及响应于例如升高的患者风险分数采取的纠正动作。平台64还可以实施用于预测患者结果的分析并将这些预测传送给例如签约的医疗保健机构。
如图3中所示，分析引擎20与源12、输出设备34、服务器62和平台64中的一些或全部进行双向通信。分析引擎20包括实施分析软件的一个或多个服务器或其他计算机，该分析软件根据上面讨论的各种算法和规则来配置。应该理解，图1至图3的实施例本质上是示意性的，并且在实施有***或设备10的每个医疗保健机构中，其他网络基础设施通信地与以上讨论的***10的每个装置互连。下面结合图6讨论网络基础设施的另一个示意性示例。
现在参考图4A-图4C中，流程图70示出了患者的历程，在由框72指示的急诊室(ED)或由框74指示的外科单元开始，然后移动到重症监护病房(ICU)或由框76指示的医疗/外科(MED/SURG)单元，然后来到如框78所示的家或来到长期护理(LTC)机构或专业护理机构(SNF)。流程图70示出了在患者历程中操作DSN平台30的分析引擎20以确定患者患有或患上败血症的风险的位置。无论在流程图70中的哪个位置触发DSN平台30进行患者的败血症风险评估，都示出了DSN平台框80。
现在参见图4A，患者在ED72处到达医院，如框82所示，并且对患者进行分类和筛查败血症，如框84所示。该初始筛查为的是败血症的早期检测，如ED72上方的早期检测云86所示。来自框84的筛查的信息被提供给DSN平台30，如相关联的框80所示，然后确定是否怀疑患者患有败血症，如框88所示。在框88处，由分析引擎20基于从DSN30传送的信息而作出确定，如框88上方的通信云90所示。
如果在框88确定怀疑是败血症，则患者获得安排好的乳酸培养(LAC)和全血计数(CBC)测试，如框92所示。血液中的乳酸大于每升2毫摩尔(mmol/L)是患者患有败血症的指标之一。根据一些败血症确定方案，与包括以下一项或多项其他败血症风险因素相结合来考虑血液中的这种乳酸水平：i)收缩压小于90毫米汞柱(mmHg)或平均动脉血压低于65mmHg，ii)心率大于每分钟130次心跳，iii)呼吸频率大于每分钟25次呼吸，iv)氧饱和度(例如，SpO2)小于91％，v)患者没有反应或仅响应于语音或疼痛，和/或vi)紫癜性皮疹的存在。根据其他败血症确定方案，如果满足以下标准，则确定可能是败血症：i)患者的体温大于约38.3摄氏度(℃)(约101华氏度(℉))或小于约35.6℃(约96℉)，ii)患者的心率大于每分钟90次心跳，iii)患者的呼吸率大于每分钟20次呼吸。因此，不同的医疗保健机构具有不同的败血症确定方案，并且所有这些方案都在本公开的范围内。
在框92的血液测试之后，确定患者是否患有败血症，如框94所示。如果患者如框94所确定的那样患有败血症，则开始进行3小时(Hr)捆绑处理(bundle)，如框96所示。3小时捆绑处理包括例如广谱抗生素的施用并且对于低血压或乳酸大于或等于4mmol/L的情况施用每千克晶体30毫升(mL/kg)的晶体。在一些医疗保健机构3小时捆绑处理还可以包括测量乳酸水平并获得血培养物，但是在图4A中，这些在框92处完成，先于在框96处的开始3小时捆绑处理。在框96上方是正确的计费代码云97和捆绑处理准则云98，在一些实施例中，其可以引起DSN平台30或HIS服务器62对护理者的监测和反馈。
图4A顶部的方框100包括的项目符号点指示了结合图4A中所示的流程图70部分使用的设备和***。特别地，方框100列出了多参数生命体征装置、身体评估装置、床、ECG推车和临床工作流程(护士呼叫)***。在一些实施例中，这些***和设备是DSN平台30的分析引擎20的源12。图4A底部的方框102包括的项目符号点指示了结合图4A中所示的流程图70部分使用的DSN平台30的各方面。特别地，方框102列出了高级分析以改善临床决策制定和早期检测条件(例如，分析引擎20)、智能感测床或担架(例如，具有生命体征传感器或集成有失禁检测***16的床14)、可穿戴式或免接触式参数感测(例如，监测仪18的一些实施例)、来自多个公司的源(例如，各种公司的生命体征监测仪18)的参数的集合，以及用于优化工作流程的移动通信平台(例如，护理人员移动装置60)。
如果在图4A的框88处未怀疑是败血症，或者如果在图4A的框94处确定患者没有败血症，则患者被允许进入医疗保健机构并被送到如图4B(续)的框76所示的医疗/外科单元。在一些实施例中，可以结合着患者被送往医疗/外科单元来将关于在框88、94处的否定性败血症怀疑或确定的信息传送到DSN平台30的分析引擎20。因此，从图4A的右手侧出来的三个流动路径中的两个路径导致了患者被允许入住并被送往医疗/外科单元，如图4B(续)的框76所示。如图4B所示，若不是到达急诊室，而是设想患者到达医院的外科单元74在外科单元74内进行手术，如框104所示。此后，患者进行手术，如框106所示。在手术期间或之后，在外科单元74中，测量患者的生命体征(即，生命迹象)，并且对患者进行败血症筛查，如图4B的框108所示。在这方面，早期检测云86也在图4B中外科单元74上方示出。
在手术之后，来自框108的患者的生命体征信息和败血症筛查信息被提供给DSN平台80的分析引擎20，然后患者被允许入住医疗保健机构并被发送到医疗/外科单元，如图4B(续)的框76处所指示的那样。在框76处患者被允许入住医疗/外科单元后，实施用于败血症的Q4生命体征和最佳实践警示(BPA)，如框110图所示，并且将相关数据提供给DSN平台的分析引擎20，如邻近框110的框80所示。Q4生命体征是相隔4小时所采集的生命体征，例如上午8点、中午、下午4点、晚上8点、午夜、凌晨4点等。早期检测云86在图4B中框110上方示出，数据的频率云112也是在图4B中框110上方示出。因此，框110上方的云112指示护理人员可以基于临床见解24将采集患者生命体征的频率改变为Q1、Q2或Q8(即分别相隔一、二或八小时，而不是相隔四小时)。
基于结合框110获得的数据，作出是否怀疑患者患有败血症的确定，如框114所示。如果在框114确定没有怀疑败血症，则工作流程70返回到框110并从框110继续。如果在框114确定怀疑是败血症，则患者得到安排好的LAC和CBC测试，如框116所示。上文结合图4A的框92讨论了LAC和CBC测试，相同的讨论也适用于图4B(续)的框116。LAC和CBC的结果被传送到DSN平台30的分析引擎20，如位于图4B(续)中的框116上方的框80所示。
基于框116处的LAC和CBS测试的结果，作出关于患者是否患有败血症的确定，如框118所示。如果在框118处确定患者没有败血症，则工作流程70返回到框110并从方框110继续。如果患者患有败血症，如方框118处所确定的，则开始3小时的捆绑处理，如框120所示。在上文结合图4A的方框96讨论了3小时的捆绑处理，相同的描述也适用于图4B(续)的框120。框120上方是正确的计费代码云97和捆绑处理准则云98，在一些实施例中，其可以引起DSN平台30或HIS服务器对护理人员进行监测和反馈，如框120右侧的框80所示。在图4B的框120处开始3小时捆绑处理之后，对患者进行评估，如图4B(续)的框122所示。
图4B顶部的方框124包括的项目符号点指示了与图4B和4B(续)中所示的流程图70部分结合使用的设备和***。具体地，方框124列出了多参数生命体征装置、身体评估装置、床、临床工作流程(护士呼叫)***、实时定位方案(RTLS)、患者监测方案、临床咨询服务、ECG推车和患者移动方案。在一些实施例中，框124的这些***(或方案)和设备是DSN平台30的分析引擎20的源12。图4B(续)的底部的方框126包括的项目符号点指示了与4B和4B(续)所示的流程图70部分结合使用的DSN平台30的各方面。特别地，方框126列出了高级分析以改善临床决策制度和对患者恶化的早期检测(例如，分析引擎20)、可穿戴式或免接触式参数感测(例如，监测仪18的一些实施例)、智能感测床(例如，示出了具有生命体征传感器或集成有失禁检测***16的床14))、来自多个公司的源(例如，输出包括心输出量的生命体征的各种公司的生命监测仪18)的参数的集合，以及移动通信平台(例如，护理人员移动装置60)。
在图4A的框96的3小时捆绑处理开始之后，对患者进行评估，如图4B的框128所示，并且将关于3小时捆绑处理的数据提供给DSN平台30的分析引擎20，如图4B中位于框128的左侧的框80所示。在框128处对患者进行评估期间获得的数据被提供给DSN平台的分析引擎20，如位于框128的右侧的框80所示。在说明性示例中，在来自框128的患者评估的数据已经被DSN平台的分析引擎20分析之后，开始6小时捆绑处理，如框130所示。在一些实施例中，6小时捆绑处理包括应用血管加压药以维持MAP大于或等于65mmHg、测量中心静脉压(CVP)、测量中心静脉血氧饱和度(SCVO2)，以及如果初始乳酸水平升高则重新测量乳酸。6小时捆绑处理在医疗保健机构中可能有所不同。在框130的6小时捆绑处理之后，如框132所示，再次评估患者，并且来自评估的数据(包括关于框130的6小时捆绑处理的步骤的信息)被提供给DSN平台30的分析引擎20，如图4B中的框132右侧的框80所示。
如果在框122处或在框132处的患者评估(视情况而定)指示患者不再患有败血症，如流程图70的说明性示例中的情况那样，则患者出院以返回家或到LTC机构或到SNF，如图4C的框78所示。家中监测再入院云134位于框78上方，以指示设想着在家中持续监测患者的状况。在这方面，图4C顶部的方框136包括的项目符号点指示了与图4C中所示的流程图70部分结合使用的设备和***。特别地，方框136列出了家中健康监测(BP和体重秤)、动态心脏监测(包括生命监测设备18，例如动脉血压监测仪(ABPM)、Holter心电动态监测仪和/或TAGecg装置)，以及气道清除装置。在一些实施例中，框136的这些家用装置和设备也是DSN平台30的分析引擎20的源12。因此，在一些实施例中，这种家用源12经由因特网与分析引擎20通信。
图4C底部的方框138包括的项目符号点指示了与图4C中所示的流程图70部分结合使用的DSN平台30的各方面。特别地，方框138列出了对患者在家中状况的早期检测的高级分析(例如，分析引擎20)、远程式患者多参数监测和相关通信平台、可穿戴式或免接触式参数感测(例如，监测仪18的一些实施例)、智能感测床(例如，具有生命体征传感器或集成有失禁检测***16的床14)，以及来自多个公司的源(例如，输出生命体征的各种公司的生命体征监测仪18)的参数的集合。
现在参考图5A和5B，提供了流程图140，其示出了患者入院和停留在医疗保健机构的示例，包括使用患者病房中的设备来移动患者，并且示出了操作分析引擎20来对患者进行风险评估在患者流程内的位置。在图5A的流程图140的框142处，用担架将患者运送到病房。此后，将患者从担架转移到病房中的病床14上，如框144所示。此时，允许患者入住医疗保健机构，如框146所示。在一些实施例中，患者在被送到病房之前已被允许入院。
一旦进入病房，护士就对患者进行评估，如图5A的框148所示。如框148所示，如果实时定位***(RTLS)确定护理人员位于病房中，则更新在显示板、移动装置60的显示器、护士呼叫***的显示器50和状态面板58上的信息以指示护理人员就在病间中。框148还指示护士评估床状况(例如，护栏位于适当位置、脚轮制动器设置好等)、评估患者、进行监测仪18的评估、检查患者体温、结合心率评估记录患者焦虑水平、激活患者安全应用程序(PSA)(例如，启用或配备下床/患者位置监测(PPM)***)和配备床护栏(例如，结合下床/PPM***指示哪些护栏应处于抬高位置)。
如框148右侧的框150所示，来自入院/出院/转院(ADT)***的馈送由医疗保健机构的护士呼叫***接收，并且如果ADT馈送指示患者是跌落风险，则护士呼叫***向与患者相关联的床14发送消息以在床14上配备***(例如，配备下床/PPM***并监测床护栏位置、脚轮制动状态等)，如框152所示。在图5A的说明性示例中，床压力传感器用于监测患者移动，如框152右侧的框154所示。可选地或另外地，床14的称重秤***的称重传感器监测患者移动。
如图5A中在框154下方的框156所示，在框148的护士评估中获得的一些或所有信息被显示在一个或多个显示装置上，例如上文讨论的输出装置34。此外，如框156下方向左的框158所示，床14将患者安全状态信息发送到显示器，例如床的脚端的显示器、显示面板(例如，状态面板58)、一个或多个患者监测设备18以及移动装置60(框158中列出的“Clarion应用程序”是移动装置60使用的用于护理人员与护理人员通信以及用于警示(也称为警报)和装置数据的通信的软件)。在一些实施例中，“Clarion应用程序”是可从Hill-Rom Company,Inc.获得的LINQTM移动应用程序。
如框158左侧的框160所示，捕获与框148、150、152、154、156、158相关联的数据以供DSN平台的分析引擎20进行预测分析。在这方面，分析引擎20接收由床14的称重传感器监测的患者移动数据，如框160左侧的框162所示，然后传送指示患者下床概率的消息，并将概率通知给一个或多个临床医生，如框164所示。如图5A中框164下方的框166所示，如果临床医生进入病房，则PSA禁用与PSA监测的体征相关联的任何警报。
在图5A的流程图140的说明性示例中，临床医生使用患者升降机将患者从床14移动到轮椅，如框168所示。此后，如框170所示，临床医生将患者运送到马桶，例如作为病房的一部分包括在厕所中的马桶。框170还指示马桶座圈识别出患者存在(例如，坐在马桶座圈上)，这导致输出装置34的一个或多个显示器上的患者状态改变为患者的马桶状态并且还在显示器上指示出有看护人在房间里。
在患者使用完厕所之后，临床医生使用轮椅将患者运送到病房中的椅子上，如图5B的框172所示。框172还指示椅子识别出患者存在(例如，坐在椅子上)，这导致输出装置34的一个或多个显示器上的患者状态改变为患者在椅子上的状态，并且这些显示器中的一个或多个还继续指示出有护理人员在病房里。框172还指示椅子感测患者的移动。因此，本公开构想的是，椅子具有称重传感器、压力传感器、力感应电阻器(FSR)等，以及相关联的电路，以感测患者在椅子中的位置并将患者在椅子上的位置传送给分析引擎20。如框172左侧的框174所示，在流程图140的说明性示例中，临床医生将护士呼叫通信装置(例如，枕头扬声器单元)交给患者，如果在患者坐在椅子上时护理人员离开病房后患者需要帮助，则患者可以使用该装置来拨打护士电话。
当患者坐在椅子上时，DSN平台30的分析引擎20捕获来自椅子的数据，用于对离开椅子的预测性分析，如图5B中框174左侧的框176所示。在给定的示例中，患者的移动由椅垫压力单元来监测，如框176左侧的框178所示。如说明性流程图140中的框176、178下方的框180所示，临床医生离开病房，在床14的显示器、监测仪18、输出装置34的显示面板50、58和移动装置60的显示器上更新出护理者不再存在于病房中的状态，但是在这些显示器上仍然保持患者在椅子上的患者状态。
如图5B中位于框180的右侧和框174下方的框182所示，***10指示患者离开椅子的概率，并将该概率通知给一个或多个临床医生。此后，如框184所示，护士进入病房。响应于护理人员进入病房，PSA从定位***接收护理人员在病房中的信息，使床14上的警报停止，并发送消息，该消息导致床14的显示器、监测仪18、输出设备34的显示面板50、58和移动装置60的显示器中的一个或多个被更新以指示有护理人员在病房中。
在流程图140的说明性示例中，在框184处，在护理人员进入病房之后，护理人员将患者运送回床14上，如框186所示。此后，如框188所示，升高床护栏，并且看护人离开了病房。还如方框188所示，PSA从定位***接收护理人员已经离开病房的信息并发送消息，该消息导致床14、监测仪18、输出装置34的显示面板50、58和移动装置60的显示器中的一个或多个被更新以指示护理人员离开了病房并且患者在床上。此后，从床14捕获与患者移动有关的数据，并且在DSN平台30的分析引擎20处的下床预测性分析再次开始，如图5B的框190所示。
基于前述内容，显而易见的是，数据由如上所述的多个装置14、16、18和其他源12生成，并被发送到DSN平台30的分析引擎20。分析引擎的算法基于由给定医疗保健机构建立的方案来为每个患者建立风险概况(例如，风险分数)。装置14、16、18和其他源12中的一些或全部伴随风险概况信息来更新。在一些实施例中，源12具有向护理人员提供引导步骤的显示器，护理人员可以在护理点采取这些步骤以减少或减轻风险概况。当传入数据发生变化时，分析引擎基本上实时更新每位患者的风险概况。在一些实施例中，分析引擎20还将数据发送到其他***，例如IoT平台64，以进行进一步分析。
现在参考图6，提供了类似于图3的另一***10的示意图，并且示出了在页面左侧的医院预置设备，包括室内装置12、装置网关32和状态面板58。图6的说明性室内装置12包括医院床14、失禁检测***16、生命体征监测仪18和病房站点50。然而，图6的***10的装置12可以包括在此讨论的任何其他类型的装置12。图6的***10还包括位于页面中心的云装置200，在一些实施例中，云装置200包括企业网关(HL7)202、临床数据存储库204、风险引擎206，和实施人工智能(AI)以处理数据的分析平台20。在页面右侧示出的图6的***10的其他预置设备包括一个或多个移动装置60，和包括了EMR服务器62、ADT服务器210和Labs服务器212的第三方方案208。
如图6中所示，从装置12经由网关32和从临床数据存储库204、风险引擎206和分析平台20发送到第三方方案208的消息和/或数据路经企业网关(HL7)202。因此，网关202将各种消息和数据转换为健康级别7(HL7)格式，以便随后传送到第三方设备208，例如EMR、ADT和Labs服务器62、210、212。在图6中的***10的实施例中，风险引擎206基于从装置12传入的数据来管理压力损伤风险分数、跌落风险分数和败血症风险分数的风险等级，并且分析平台(也称为分析引擎)20分析从装置12传入的数据以确定与各种患者风险分数的相关性。
根据本公开，多个装置12向分析引擎20提供多种类型的数据(例如，患者数据、生命体征数据、生理数据、装置数据等)，该分析引擎20处理数据并且根据数据确定一个或多个风险分数。当分析引擎20接收到新数据时，基本上实时调整风险分数。在上面的讨论中，与压力损伤、跌落和败血症相关的风险分数被给出作为风险分数示例。然而，本公开构想的是，可以由***10的设计者或程序员自行决定建立与其他患者风险有关的其他风险分数。在这方面，下表是数据类型(被称为“风险因素”，这些风险因素贡献于根据本公开的风险分数，这包括贡献于与压力损伤、跌落和败血症相关的风险分数)的列表：
表1
应当注意，表1中的一些风险因素出现两次，但被指定在单独的列中要么为风险因素识别(rfid)类型(rfid_type)1要么为rfid_type 2，其他风险因素具有rfid_type 0。两种类型的风险因素意味着，例如，风险因素的类型意味着可以从多个源获得风险因素，或者在一些情况下，风险因素基于性别(例如，男性或女性)。表1中的一个或多个风险因素可在电子表格程序(spread sheet)中选择，以建立风险规则，该风险规则由***10中的分析引擎20实施。可建立的此类风险规则的示例包括利用分析引擎20确定如果满足下列任何一种情况，则患者可能有患上呼吸窘迫的风险：(1)患者年龄在70岁或以上且患有COPD；(2)患者患有COPD并已被开过类罂粟碱的处方；(3)患者年龄在70岁或以上，并已被开过类罂粟碱的处方；(4)患者年龄在70岁或以上，患有哮喘，并且血尿素氮(BUN)大于或等于每100毫升(ml)血液30毫克(mg)；或(5)存在表1中列出的任何四种患者病症。可以建立的这种风险规则的进一步示例包括利用分析引擎20确定如果满足以下任何条件，则患者可能有患上败血症的风险：(1)患者年龄为65岁或以上并且患有癌症；或(2)患者有患败血症的病史。
对于要基于表1中列出的任何数量的风险因素来建立的风险规则和关于那些与诸如患者生理参数(例如，在表1的类型栏中以生命体征指示的那些)的动态可测量参数有关的风险因素，风险规则可以基于高于或低于阈值标准的特定可测量参数，这在本公开的范围内。因此，本公开构想的是，评估患者的医疗风险包括在分析引擎20处接收患者的患者人口统计数据，患者人口统计数据包括例如表1中所示的年龄、种族和体重中的至少一个。在一些实施例中，分析引擎图20还接收患者的并存病数据，并存病数据包括指示患者具有以下医学状况或特征中的至少一种的数据：获得性免疫缺陷综合征(AIDS)、贫血、慢性充血性心力衰竭、哮喘、癌症、慢性阻塞性肺病(COPD)、冠状动脉疾病、囊性纤维化、痴呆、肺气肿、酒精或药物滥用、中风、肺栓塞、败血症病史、1型糖尿病、病态肥胖、神经肌肉疾病、先前的插管、脊柱侧凸、吸烟者、谵妄、无脾的、骨髓移植、肝硬变、透析、憩室病、心脏瓣膜疾病、炎症性肠病、关节置换术、白细胞减少症、恶性肿瘤、瘤、器官移植、周围性血管疾病、肾疾病、压力损伤、近期的流产、近期的分娩、癫痫发作、镰状细胞性贫血或晚期病症。
在一些实施例中，分析引擎20还接收可以由生理监测仪测量的生理数据，该生理监测仪可以具有至少一个连接到患者或与患者通信的传感器。生理数据包括在生理监测仪监测患者的同时呈现为动态且随时间变化的数据。例如，生理数据包括以下中的一个或多个：心率、呼吸率、体温、平均动脉压、收缩压或包括外周毛细血管氧饱和度(SpO2)的脉搏血氧测量数据。在一些实施例中，分析引擎20基于患者人口统计数据、并存病数据和生理数据中的一个或多个来基本上实时地计算风险分数或执行患者的风险评估。
在一些实施例中，分析引擎20还接收患者的实验室数据，并结合计算风险分数使用实验室数据。如表1所示，实验室数据的实例包括与以下一项或多项有关的数据：白蛋白、动脉血氧分压(动脉PaO2)、动脉血二氧化碳分压(PCO2)、动脉血pH值、酸中毒、脑钠素、血尿素氮、心射血分数、肌酸酐、血红蛋白、血细胞比容、乳酸、肺功能测验、肌钙蛋白、胆红素、C反应性蛋白、D-二聚体、葡萄糖、碳酸氢盐(HCO3)、高乳酸血症、用于血液凝固的国际标准化比率(INR)、具有>10％中性白细胞的正常白细胞计数(WBC)、动脉血二氧化碳分压(PaCO2)、液体过剩、Ph值、血小板、原降钙素、尿蛋白、部分凝血致活酶时间(PTT)或白细胞计数。可选地或另外地，分析引擎20接收患者的患者症状数据并结合计算风险分数使用患者症状数据。如表1所示，患者症状数据的示例包括与以下一项或多项有关的数据：副肌肉使用、精神状态改变、精神错乱、焦虑、胸痛、咳嗽、发绀、发汗、呼吸困难、咯血、疲劳、不安、痰液产生、心搏过速、呼吸急促或嗜睡。
进一步可选地或另外地，分析引擎20接收临床检查数据并结合计算风险分数使用临床检查数据。如表1所示，临床检查数据的示例包括与以下一项或多项有关的数据：腹部呼吸、肺声音异常、副肌肉使用、毛细血管再充盈、胸闷或胸痛、心电图(ECG或EKG)异常、咳嗽、发绀、下降的意识水平(LOC)、激动、脑病、色斑、日常生活活动(ADLS)需要协助、端坐呼吸、外周水肿、痰液产生、谵妄、液体过剩、心输出量、早期状态皮肤红热后期状态皮肤冰凉苍白具有色斑、发烧、头痛、颈强直、体温过低、肠梗阻、黄疸、脑膜炎、尿过少、外周性发绀、瘀点皮疹、液体正平衡、癫痫发作、木僵或血容不足。
更进一步可选地或另外地，分析引擎20接收记录的医嘱数据并结合计算风险分数使用记录的医嘱数据。如表1所示，记录的医嘱数据的示例包括与以下一项或多项有关的数据：除了用包括文丘里管、再生式氧气***、非再生式氧气***、持续气道正压通气(CPAP)机、双相气道正压通气(bi-PAP)机的插管进行呼吸空气的输送；动脉血气的检测；脑钠素的检测；呼吸治疗；胸部X光片；多普勒超声波心动描记术；高液率或体积(输入和输出(I&O))；肺部咨询；肺功能测验；通气-灌注(VQ)扫描；或胸部电脑断层摄影术(CT)扫描。
在一些实施例中，分析引擎20还接收患者的入院数据并结合计算风险分数使用入院数据。如表1所示，入院数据的示例包括与以下一项或多项有关的数据：腹主动脉瘤手术、急性心肌缺血、急性胰腺炎、抽吸、哮喘，支气管扩张、肺膨胀不全、支气管炎、烧伤、癌症、心脏或胸腔手术、心脏瓣膜疾病或瓣膜关闭不全、化疗、充血性心力衰竭、COPD恶化、深部静脉血栓形成、药物过量、休息时呼吸困难、急诊手术、咳血、间质性肺病、肺脓肿、颈部手术、神经手术、上腹部手术、外周血管手术、肺炎、气胸、肺栓子、肺动脉高血压、肺-肾综合征、肾功能衰竭、败血症、休克、睡眠呼吸暂停、烟雾吸入损伤、手术、胸腔穿刺、外伤、嗜睡、谵妄、脓肿、腹痛、腹部压痛、急性肺损伤、阑尾炎、菌血症、蜂窝织炎、胆管炎、胆囊炎、结肠炎、膀胱炎、失水、憩室炎、脑炎、脑病、心内膜炎、不明原因发热、胃肠炎、胃肠道出血、胃肠道感染、低血压、感染过程、不适、骨髓炎、造瘘术、骨盆痛、肾疾病、肾盂肾炎、呼吸道感染、脓毒性关节炎、软组织感染、手术入院、创伤或急性呼吸窘迫综合征。
可选地或另外地，分析引擎20接收患者的药物数据并结合计算风险分数使用药物数据。如表1所示，药物数据的示例包括与以下一项或多项有关的数据：包括可以以静脉注射(IV)或皮下注射(SC)输送的包括肝素或依诺肝素的抗凝血剂、支气管扩张药、类固醇激素、利尿剂使用、高液体速率或体积或高渗液体、类罂粟碱、镇静药、***、肌松药、液体过剩、抗生素或免疫抑制剂。
基于前述，应当理解，本公开构想的是在至少一个计算机上实施的方法，计算机例如分析引擎20和诸如服务器62、210、212、206的其他服务器中的一个或多个。在接下来的讨论中，将假设由分析引擎20实施各种算法和功能。根据该方法，分析引擎20接收患者的动态临床变量和生命体征信息。分析引擎20使用生命体征信息来展现先前的生命体征模式和当前的生命体征模式，然后将先前的生命体征模式与当前的生命体征模式进行比较。分析引擎20还接收以下中的一个或多个：患者的静态变量、患者的主观呻吟、患者的先前的医疗保健利用模式、或患者的健康数据的社会决定因素。分析引擎20在算法中的使用动态临床变量、生命体征信息、先前的生命体征模式与当前的生命体征模式的比较的结果，以及静态变量、主观呻吟、医疗保健利用模式或健康数据的社会决定因素中的一个或多个，来检测或预测患者患有败血症或可能患上败血症。
在一些实施例中，由分析引擎20接收的动态临床变量包括护理点实验室数据。可选地，由分析引擎20接收的静态变量包括并存病。可选地或另外地，由分析引擎20接收的静态变量包括患者的护理设置是前急性护理设置、急性护理设置、还是后急性护理设置。如果需要，分析引擎20还接收患者的历史数据。
分析引擎20将一个或多个推荐动作输出给正被监测的每个患者的一个或多个临床医生，这在本公开的范围内。一个或多个推荐动作的示例包括例如将患者送到急诊室(ED)、增加一个或多个临床医生对患者的监测、或者为患者安排一组实验室。
在一些实施例中，分析引擎20对医疗保健机构的临床医生进行排名。例如，分析引擎20依据一个或多个经验、先前采取的动作和先前的患者结果对医疗保健机构的临床医生进行排名。可选地，分析引擎20可以使用对结果具有最大影响的动作来通知较新的或经验较少的临床医生那些有经验的临床医生会如何照顾患者。
本公开构想的是，由分析引擎20使用人工智能(AI)和机器学习来分析表1中列出的类型的风险因素数据并确定一个或多个风险因素与诸如压力损伤、跌落和败血症以及患者的其他风险的特殊风险之间的相关性。然后，基于两个或多个高度相关的风险因素，将与特定风险高度相关的风险因素用于建立风险规则。
如上文结合图3和6所讨论的那样，护理人员的移动装置60是在其上显示风险分数和风险数据的输出设备34之一。图7至图10示出了显示在护理人员的移动装置60上的信息的类型的屏幕截图示例。在一些实施例中，图7至图10被构想为可由从Hill-Rom Company，Inc.获得的LINQTM移动应用程序的附加软件功能来提供。LINQTM移动应用程序的附加细节可以在美国申请号16/143,971中找到，该申请于2018年9月27日提交，发明名称为“护理人员和职员信息***”，公布为美国专利申请公开号XXXX/XXXXXXXA1，并且其在此通过引用并入本文。
现在参考图7，显示在图3和图6的移动装置60的触摸屏显示器上的移动应用程序的患者屏幕220的示例包括靠近屏幕220的顶部的“我的患者”按钮或图标222以及“我的单元”按钮或图标224。在说明性示例中，“我的患者”图标222已被选择，因此，屏幕220包括被分配给上面显示了屏幕220的移动装置60的护理人员的患者226列表。被分配给护理人员的患者中的每一个都显示在列表224的单独行中，并且包括患者姓名和患者已被分配到的医疗保健机构中的病房。在适用的情况下，在每个患者的病房号和姓名下方，显示一个或多个风险分数和相关的信息。如果选择了“我的单元”按钮224，则在移动装置60的显示屏上显示护理人员所分配到的医疗保健机构的单元中的所有患者的类似信息，包括分配到该单元的其他护理人员的患者。
在图7中的屏幕220的说明性示例中，在列表226的第一行中的文本“2160 HILL，LARRY”下方，第一风险分数方框228示出了具有值为4的全身炎症反应综合征(SIRS)分数，并且第二风险分数方框230示出了得到的具有值为5的改良的早期预警分数(MEWS)。同样在说明性示例中，向上箭头图标232显示在列表226的第一行每个方框228,230的左侧，以指示SIRS和MEWS分数与其先前读数相比都增加了。在说明性示例中，“@9:20”出现在列表的第一行中的文本“MEWS”的右侧，以指示最近更新MEWS分数的时间。在列表226的说明性示例的第二行到第四行中，仅示出了具有相应患者的MEWS分数的方框230。列表226的第五行具有文本“2159无患者”以指示病房2159当前没有任何分配给它的患者，但是如果有患者被分配到病房2159，则该患者将是被分配到上面显示了屏幕220的移动装置60的护理者的患者之一。屏幕220还具有图标或按钮的(这些术语在本文中可互换使用)菜单234，其位于列表226下方并且其包括主页图标236、联系人图标238、消息图标240、患者图标242和电话图标244。与图标236、238、240、242、244相关的屏幕和功能的其他细节可以美国申请号16/143,971中找到，该申请于2018年9月27日提交，公布为美国专利申请公开号XXXX/XXXXXXXA1，并且其在此通过引用并入本文。
现在参考图8，示出了风险细节屏幕250的示例，其响应于选择屏幕220的在列表226的每一行的右侧的向右箭头图标252之一而出现在护理人员的移动装置60的触摸屏显示器上。在图8的说明性示例中，屏幕250示出了患者Larry Hill的风险细节，如在屏幕250的顶部所示。向左箭头图标254被提供在屏幕250的顶部文本“患者2160 HILL，L”的左侧，并且图标254是可选择的以使护理人员返回到屏幕220。在屏幕250的说明性示例中，电话图标244不再出现在菜单234中而是出现在屏幕的右上方。其他图标236、238、240、242保留在屏幕250底部的菜单234中。
仍然靠近屏幕250的顶部，患者的病历号(MRN)显示在字段256中，患者的年龄显示在字段258中。在说明性示例中，患者的MRN是176290并且患者是76岁。在屏幕250的字段256下方，显示了三个状态图标。特别地，示出了跌落风险图标260、肺部风险图标262和压力损伤图标264。如果确定患者有跌落的风险，则突出显示图标260。如果确定患者处于呼吸窘迫的风险中，则突出显示图标262。如果确定患者处于发生压力损伤的风险中，则突出显示图标264。如果确定相应的患者没有相关风险，则图标260、262、264变灰或不出现。
继续参考图8，MEWS窗口266显示在图标260、262、264下方，并且具有出现在方框230中的与MEWS分数有关的其他信息。方框230和向上箭头图标232出现在在窗口266的左侧。在窗口266的方框230和图标232的右侧，示出了与MEWS分数相关或导致MEWS分数的各种生命体征信息。在屏幕250的说明性示例中，患者Larry Hill的体温为100.6华氏度(℉)，SPO2为92％，无创血压(NIBP)为200/96mmHg，心率(HR)为每分钟118次心跳(BPM)，和呼吸率(RR)为每分钟26次呼吸(BPM)。向上箭头图标267出现在窗口266中任何比先前的读数增加的生命体征的右侧。
根据本公开，计算MEWS所需的数据是从诸如病床14和生命体征监测仪18的作为医疗装置12的一部分的传感器获得的，和/或作为基于护理人员的临床见解24的手动用户输入被接收，和/或从EMR服务器62的个人的EMR获得。MEWS是基于下表计算的已知分数：
表2
| 分数 | 3 | 2 | 1 | 0 | 1 | 2 | 3 |
| 收缩压 | <70 | 71-80 | 81-100 | 101-199 | ____ | >200 | ____ |
| 心率(BPM) | ____ | <40 | 41-50 | 51-100 | 101-110 | 111-129 | >130 |
| 呼吸率(RPM) | ____ | <9 | ____ | 9-14 | 15-20 | 21-29 | >30 |
| 体温(℃) | ____ | <35 | ____ | 35.0-38.4 | ____ | >38.5 | ____ |
| AVPU | ____ | ____ | ____ | A | V | P | U |
在表2中，基于对应于表中各行数据的个人的各种读数，将列标题中的各种整数相加在一起。分数为5或更高指示有可能死亡。关于MEWS的收缩压、心率、呼吸率和体温部分，这些信息是使用病床14的传感器和/或使用如上所述的其他获得个人的生理数据的方式获得的。MEWS的AVPU部分指示个人是警示(A)、响应于语音(V)、响应于疼痛(P)还是没有响应(U)。护理人员为每个患者选择适当的AVPU字母并将其输入计算机，例如病房站点50、他们的移动装置60，或输入***10的另一计算机(例如护士呼叫计算机、EMR计算机、ADT计算机)等。
仍然参考图8的屏幕250，败血症相关器官衰竭评估(SOFA)窗口268示出在窗口266下方并且具有关于SOFA分数的信息。在窗口268的左侧，风险分数方框270示出SOFA分数值，在说明性示例中为2，并且向上箭头图标272指示SOFA分数与先前的分数相比已增加。在窗口268的方框270和图标272的右侧，示出了导致或与SOFA分数相关的患者的生理参数。在说明性实例中，患者的血小板为每微升145(μL)，输出/输入为每天800毫升，心血管(CV)为平均动脉压(MAP)58。
具有关于MORSE跌落量表(MFS)分数或值的信息的MORSE窗口274示出在图8的屏幕250的窗口268下方。在窗口274的左侧，风险分数方框276示出MORSE或MFS分数值，在说明性示例中为3。在方框276旁边没有示出向上箭头图标或向下箭头图标，从而指示MORSE分数自先前的读数以来没有改变。方框276的右侧是导致或与MORSE分数相关的风险因素。在说明性示例中，患者的移动性风险因素包括患者视力受损和进行了髋关节置换，并且患者的药物风险因素包括患者被开镇静剂处方。在窗口266、268、274中的每一个中，在相应的方框230、270、276下方指示了在相应风险分数框230、270、276中的分数最近更新的时间。
如图8所示，屏幕250包括一对风险因素窗口，其包括列出导致或与患者将经历呼吸窘迫的风险相关的因素的呼吸窘迫窗口278和列出导致或与患者患上败血症的风险相关的因素的败血症窗口280。在说明性示例中，呼吸窘迫窗口278中的风险因素包括患有慢性阻塞性肺病(COPD)的患者、患者超过65岁、并且患者为吸烟者，并且败血症窗口280中的风险因素包括患有***(UTI)且患者超过65岁。图8的示例表明患者风险因素可以将多个风险分数或风险贡献因素结合使用到分析分数或风险确定中。
关于窗口266、268、274，在一些实施例中，这些中的一些或全部是用颜色编码的，以指示特定风险分数的严重性级别或与风险分数或风险确定相关的特定风险因素。例如，如果方框230中的风险值是5或更大以指示患者处于高风险量，则窗口266的方框230周围的区域和窗口266的边界被用颜色编码为红色。类似地，如果方框270、276中的风险值指示中风险量，则窗口268、274的方框270、276周围的区域分别用颜色编码为黄色，如说明性示例中的情况那样。在一些实施例中，箭头232、267、272也是用颜色编码的，通常具有较暗的红色或黄色阴影，视情况而定。如果任何特定风险因素的风险分数指示低风险水平，则屏幕250上的相关窗口用颜色编码为绿色或诸如蓝色或黑色的其他颜色。在一些实施例中，风险因素窗口278、280类似地被用颜色编码(例如，红色、黄色、绿色)，这取决于特定患者存在的风险因素的数量或严重性。在一些实施例中，窗口266、268、274中的各个数值数据或风险因素也是用颜色编码的。
现在参考图9，示出了备选的风险细节屏幕250’的示例，其响应于选择在图7的列表226的每一行的右侧的屏幕220的向右箭头图标252之一而出现在护理人员的移动装置60的触摸屏显示器上。屏幕250’的与屏幕250基本相同的部分用相同的附图标记指示，并且屏幕250的这些部分的上述描述同样适用于屏幕250。在图9的说明性示例中，屏幕250’示出了患者Larry Hill的风险细节，如在屏幕250’的顶部所示。在屏幕250’的MRN数据256和年龄数据258下方是MEWS窗口282。在窗口282的右侧，示出了MEWS分数方框230和向上箭头图标232。
窗口282包括温度分数方框284、呼吸率(RR)分数方框286、意识水平(LOC)分数方框288、第一自定义分数方框290和第二自定义分数方框292，如图9所示。在说明性示例中，方框284、286各自具有分数2，方框288具有来自上面在表2中示出的AVPU分数的字母P。示例性MEWS方框230在图9中的屏幕250’的示例性示例中具有分数5，但实际上，假设方框288中的P对应于如表2中所示的分数2，则分数应该显示为6。在屏幕250’的说明性示例中，向上箭头图标294在方框284、288下方示出，以指示MEWS的体温部分和LOC部分分别比用于计算先前的MEWS的先前值增加了。在窗口282中方框286下方示出了短划线图标296，以指示自从先前的MEWS计算以来MEWS的患者的“RR”部分没有改变。
窗口282的自定义分数方框290、292指示修订式的MEWS或修改式的MEWS落入本公开的范围内。因此，任何给定医疗保健机构的***10的设计者或程序员都能够挑选其他风险因素，例如上面在表1中所示的那些贡献于这种修订式或修改式的MEWS的风险因素。仅举一个例子，年龄可以是选择为对应于方框290、292之一的风险因素。基于年龄范围的分数值也由***设计者或程序员自行决定。因此，0和3之间的整数可以被分配给不同的年龄范围，这里仅给出一个任意的例子(例如，20岁或更年轻＝0；21-40岁＝1；41-60岁＝2；61岁或以上＝3)。可选地，对于特定年龄范围可以使用负数。例如，20岁或更年轻的年龄可以被分配为年龄分数-1，这将导致假设与窗口282相关联的患者是20岁或更年轻，则对于这样的修改的MEWS分数来说说明性分数为5(即，方框284、286、288将合计达6，然后加上-1年龄分数，整体的修改的MEWS将为5)。同样，这仅是一个任意的例子，并且应该理解的是，来自表1的风险因素和可结合窗口282的自定义框290、292来选择以创建修订式或修改式的MEWS的数值分数场景实际上有无限的可能。
仍然参考图9的屏幕250’，在窗口282下方示出了全身炎症反应综合症(SIRS)窗口298。在窗口298的右侧示出了SIRS分数方框300，并且复选标记302出现在方框300中以指示患者对SIRS呈阳性。如果患者对SIRS呈阴性，则方框300为空白。在窗口298的左侧，示出了已经导致或与对患者的阳性SIRS确定相关的风险因素和相关数据。在屏幕250’的说明性示例中，窗口298包括每分钟118次的心率(HR)数据和小于4,000的白血球计数(WBC)。在一些实施例中，关于患者是否对SIRS呈阳性的确定基于下表：
表3
在典型的实施方案中，如果满足表3的行中指示的任何两种或更多种病症，则认为患者对SIRS呈阳性。在其他实施例中，***设计者或程序员自行决定，在患者被认为对SIRS呈阳性之前，需要满足表3中的两个、三个或所有四个条件。本公开还构想的是，结合使用例如上面表1中列出的那些其他患者风险因素来评估患者的SIRS。应当理解，可选择用于结合地向表3添加附加行或者替换表3的当前行中的一个或多个以创建针对修订式或修改式的SIRS评估标准的来自表1的风险因素以及数值分数场景，实际上存在无限的可能。
通常结合SIRS确定使用的一些其他因素包括怀疑的或现在的感染源(SIRS+感染源)、由乳酸酸中毒或SBP＜90或SBP相对于正常下降≥40mmHg指示的严重败血症标准(器官功能障碍、低血压或低灌注)，和≥2个器官衰竭(多器官功能障碍综合征标准)的证据，仅举几例。在任何情况下，SIRS值有时在移动装置60上被显示为指示被满足的SIRS风险因素的数量的数字分数，并且有时被显示为指示患者被认为对SIRS呈阳性的复选标记。
继续参考图9的屏幕250’，在窗口298下方显示败血症相关器官衰竭评估(SOFA)窗口304。在窗口304的右侧，示出了SOFA分数方框270和向上箭头图标272。这些基本上与图8的窗口268中所示的相同，因此使用了相同的附图标记。然而，与显示了导致SOFA分数的风险因素的数值数据的屏幕250的窗口268不同，屏幕250’的窗口304对每个贡献性风险因素都具有的风险分数方框。在说明性示例中，在窗口304中示出了血小板风险分数方框306和心血管风险分数方框308，并且每个方框306、308具有分数1，当将其加在一起时，导致在窗口304的方框270中显示的总体的SOFA风险分数为2。
在***10的一些实施例中，还确定快速SOFA(qSOFA)分数并将其显示在护理人员的移动装置60上。可以代替SOFA分数或者除了SOFA分数之外来显示qSOFA分数。在一些实施例中，结合计算qSOFA分数来使用下面的表4：
表4
| 评估 | qSOFA分数 |
| 低血压(SBP≤100mmHg) | 1 |
| 高呼吸率(≥22次呼吸/min) | 1 |
| 改变的精神状态(GCS≤14) | 1 |
在一些实施例中，结合计算SOFA分数来使用下面的表中的一个或多个：
表5-呼吸***
表6-神经***
| Glasgow昏迷量表 | SOFA分数 |
| 15 | 0 |
| 13-14 | +1 |
| 10-12 | +2 |
| 6-9 | +3 |
| <6 | +4 |
表7-心血管***
表8-肝脏
表9-凝结
| 血小板<sup>x</sup>10<sup>3</sup>/μl | SOFA分数 |
| ≥150 | 0 |
| <150 | +1 |
| <100 | +2 |
| <50 | +3 |
| <20 | +4 |
表10-肾
| 肌酸肝(mg/dl)[μmol/L](或尿排出量) | SOFA分数 |
| <1.2[<110] | 0 |
| 1.2–1.9[110-170] | +1 |
| 2.0–3.4[171-299] | +2 |
| 3.5–4.9[300-440](or<500ml/d) | +3 |
| >5.0[>440](or<200ml/d) | +4 |
为了计算总体qSOFA分数，将在表4右栏中的分数值加在一起，或者关于结合SOFA分数则是将表5至表10中的任何一个的右栏中与SOFA分数结合使用的分数值加在一起。在窗口304的说明性示例中，在方框306下方示出了向上箭头图标310以指示患者的血小板比先前的血小板读数已经增加，并且在方框308下方示出了短划线图标312以指示患者的心血管读数自先前的心血管读数以来没有改变。
图9的屏幕250’还具有呼吸窘迫窗口278和败血症窗口280，它们与图8的屏幕250的窗口278、280基本相同，因此使用相同的附图标记。然而，除了指示患者患有COPD、年龄大于65岁并且是吸烟者的文本之外，图9的窗口278还指示患者的呼吸率小于每分钟15次呼吸。此外，除了指示患者具有UTI并且年龄超过65岁的文本之外，图9的窗口280还指示患者的WBC小于4,000。在一些实施例中，类似于上面结合图8的屏幕250的窗口266、268、274、278、280及其中的信息所讨论的颜色编码，图9的屏幕250’的窗口278、280、282、298、304可以类似地用颜色编码。
现在参考图10，示出了MEWS细节屏幕320的示例，其提供了与图8和图9的屏幕250、250’的MEWS相关的更多细节。因此，如果护理人员触摸、轻击或滑动屏幕250’的MEWS窗口230或屏幕250’的MEWS窗口282，则屏幕320出现在护理人员的移动装置60的触摸屏显示器上。屏幕320的与图7至图9的屏幕220、250、250’基本相同的部分分别用相同的附图标记指示，并且上面的描述同样适用于关于相同部分的屏幕320。
屏幕320在MRN数据256和年龄数据258下方具有扩展的MEWS数据窗口322。在说明性示例中，图9的屏幕250’的SIRS和SOFA窗口298、304被分别最小化为在扩展的MEWS数据窗口322下面的较小的窗口298’、304’。窗口298’、304’省略了例如在窗口298、304中所示的风险因素数据。然而，窗口298’、304’仍示出方框272、300，具有相应的SOFA分数和SIRS复选标记图标302。向上箭头图标272仍然示出在窗口304’中。扩展的MEWS数据窗口322包括在窗口282中示出的方框230、284、286、288，但是这些方框的位置已经被重新排列，并且在窗口322中还示出了几个其他具有数字数据的方框。箭头图标232、294也分别示出在窗口322中在方框230、284右侧。在屏幕320的说明性示例中，向上箭头图标324示出在方框286的右侧，并且短划线图标326示出在窗口322中在方框288的右侧。
窗口322还包括无创血压(NIBP)-收缩风险分数方框328、SPO2风险分数方框330、NIBP-舒张风险分数方框332和脉搏率风险方框334。在说明性示例中，方框328、330、332中的每一个具有“X”以指示相关联的患者生理参数的数值不导致患者的整体MEWS。在其他实施例中，当相关联的风险因素不导致患者的MEWS时，“0”出现在相应的方框中。在说明性示例中，风险分数值2出现在方框334中。在框328、339、332、334中的每一个的右侧示出了短划线图标326，以指示相应的读数自先前的读数以来没有改变。窗口322的方框284、286、288、328、330、332、334中的值是子分数，当加在一起时，其为患者提供整体MEWS分数。如上所述，表1中的风险因素可被用于创建修订或修改的MEWS(也称为定制的MEWS)，在这种情况下，从表1中所选的风险因素在窗口322中具有相关联的风险分数方框和风险数据。类似地，如果在护理人员的移动装置60上选择图8的屏幕250的窗口268、264或者图9的屏幕250’的窗口298、304而不是选择屏幕250的窗口266或屏幕250’的窗口282，则还示出相关的风险分数方框和数据。
根据本公开，在一些实施例中，在***10中提供了软件模块形式的EMR插件。EMR插件由医院管理人员和护理人员使用以查看患者的恶化情况(例如，患上败血症、呼吸窘迫、压力损伤等)和跌落风险，从而为用户提供动态风险监测并且允许更早和更一致地识别患者风险。插件为风险分数的查看提供超出传统早期预警分数(EWS)的额外情况，并且通过提供风险评分背后的标准和推理来建立护理人员信任。EMR插件还指示在持续变化的基础上，如果患者的恶化风险分数中存在缺失参数，护理人员会被告知哪些风险参数仍需要被评估和输入。
在一些实施例中，通过与EMR服务器62进行通信的EMR计算机中的导航来访问EMR插件。EMR计算机启动由EMR插件提供的网页。EMR插件被配置为在升级事件或切换期间帮助减少/消除护理人员/团队之间的延迟和通信缺陷。情境、背景、评估、推荐(SBAR)特征件被提供在EMR插件中，确保在切换或升级事件时及时将患者的恶化风险传送给适当的护理人员，以便促进患者的恶化风险的知识的有效传递。
关于根据本公开计算跌落风险分数，可以在于2019年3月15日提交的发明名称为“患者跌落可能性”的美国临时专利申请号62/818,828和也于2019年3月15日提交的发明名称为“患者跌落可能性和严重性”的美国临时专利申请号62/818,836中找到其他细节，并且这两者全部内容在此通过引用并入本文，引用的程度为针对任何矛盾之处都应当对与本公开内容的不一致加以控制。根据这两个临时专利申请，基于以下公式来确定跌落风险分数(或仅跌落分数)：
跌落分数＝即时风险模型分数+属性风险模型分数
即时风险模型分数基于以下公式：
即时风险模型分数＝数据1×权重1+数据2×权重2+...数据N×权重N，其中数据可以包括在给定时间段内的活动(例如，在睡眠时间进行如厕)、药物更换、针对患者检测到的急性运动等。因此，即时风险模型分数是对即时跌落的可能性的数值量化，每条相关的数据被加权和相加以创建分数。例如，患者的急性移动可以比药物更换被更高地加权。
属性风险模型分数基于以下公式：
属性风险模型分数＝数据1×权重1+数据2×权重2+...数据N×权重N，其中数据可以包括与患者相关联的目录/人口统计信息，例如跌落的历史、年龄、排尿的频率或紧迫性、服用的药物类型、患者已经走过的程序、步态分析等。因此，属性风险模型分数是基于随时间收集的患者的属性的跌落的可能性的数值量化，每条相关的数据被加权和相加以创建分数。例如，患者的不良步态可以比患者在床上随时间的运动被更高地加权。
关于根据本公开的用于检测和监测败血症的具体装置，可以在于2019年3月29日提交的发明名称为“败血症检测和监测”的美国临时专利申请号62/825,844(‘844申请)中找到其他细节，并且其全部内容在此通过引用并入本文，引用的程度为针对任何矛盾之处都应当对与本公开内容的不一致加以控制。在‘844申请中公开的装置提供了***10的向分析引擎20提供数据的医疗装置14的类型的进一步示例。例如，‘844申请预期ECG或光电容积描记(PPG)或雷达发射器/接收器可以检测患者的心率变异性，并且如果心脏变异性降低(这是发作败血症的指标)，则获得生命体征数据的速率增加。‘844申请通过引用结合了于2019年1月29日提交的美国临时专利申请号62/798,124，因为其公开了使用雷达信号的监测设备。因此，于2019年1月29日提交的美国临时专利申请号62/798,124的全部内容也在此通过引用并入本文，用于相同的目的。
进一步根据‘844申请，包括相机的眼底成像***用于在完整心动周期期间捕获患者的眼底(例如，视网膜、视神经、黄斑、玻璃体、脉络膜和后极)的图像。分析图像以确定患者是否患有微血管失调，这是患者败血症发作或存在的另一个指标。眼底成像***还可以被配置为测量患者的闪烁响应，通过将患者的视网膜暴露于闪光然后测量视网膜血管的反应性，其由于神经血管去耦而在败血症患者中减少。更进一步地，眼底成像***可以被配置为结合确定患者是否患有败血症来测量视网膜的局部氧合。眼底成像***还可以被配置为测量血流速度变化以检测患者是否是败血症，因为血管壁变得“粘性的”并且血细胞变得坚硬的导致败血症患者的血流缓慢。眼底成像***还可以被配置为测量血管直径和管腔与壁厚比率，其响应于败血症患者中的失调的血管舒缩反应而改变。因此，基于前述内容，应当理解，在一些实施例中，本公开构想的是，分析引擎20处理和分析来自眼底成像***的图像数据以作出败血症确定。
更进一步根据‘844申请，针对败血症对患者筛查涉及在患者皮肤处使用PPG测量、生物阻抗测量、皮肤灌注测量或温度测量。在败血症的早期发作期间，血管舒张发生在内皮水平，并且施加在患者皮肤上以产生这些测量的刺激导致败血症患者的血管舒张差异小于非败血症患者。‘844申请公开了一种温度感应装置，其使用Peltier加热器和冷却器将一系列温度施加到患者的皮肤，所述Peltier加热器和冷却器基于通过Peltier加热器和冷却器的电流的方向(例如，施加的电压的极性)分别加热或冷却患者的皮肤。PPG传感器测量患者对温度变化的微血管反应。在一些实施例中，PPG传感器包括红外(IR)红色和绿色发光二极管(LED)。
‘844申请还公开了一种阻抗传感器，其包括被附接到患者皮肤表面的各电极，通过电极经由患者的皮肤来施加低电压(高达10伏特)正弦信号。在用温度感应装置加热和冷却皮肤之后，确定电极之间的患者的皮肤的阻抗。然后使用所测量的电阻抗来确定微血管响应。在‘844申请的另一方面，移动诸如医院病床的患者支撑器械的一部分，以抬高患者的肢体并确定败血症患者是否响应于液体复苏治疗。在一些实施例中，抬高医院病床的头部部分或腿部部分以确定患者的大血管响应，其通过使用生命体征测量来确定对从抬高的肢体向患者的心脏移位的液体的响应。
除了以上表1至表10的风险因素或数据元素之外，本公开构想的是，下表11中的任何一个或多个数据元素可被用于计算风险分数或作出风险确定，包括计算文中讨论的患者跌落分数、压力损伤分数和败血症分数(一些数据元素是包括了表1中列出的相同风险因素的风险因素)：
表11
在表11中，数据元素列中的粗体条目是标题或数据元素类别，粗体标题行下面列出的数据元素是粗体类别中的数据元素。
根据本公开，“A和B中的至少一个”和“以下中的至少一个：A和B”形式的短语和类似的这样的短语意思是“A或B，或A和B两者”。“A或B中的至少一个”和“以下中的至少一个：A或B”形式的短语和类似的这样的短语，意思也是“A或B，或A和B两者“。
尽管上面已经详细描述了某些说明性实施例，但是许多实施例、变化和修改是可能的，这些实施例、变化和修改仍然在如本文所述的本公开和如所附权利要求中限定的范围和精神内。
Claims (143)
1.一种用于医疗保健机构的***，所述***包括：
分析引擎，
多个设备，其向所述分析引擎提供数据，所述数据与在所述医疗保健机构中的患者有关，所述多个设备包括以下中的至少一个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位***的定位计算机、或失禁检测垫，其中所述分析引擎分析来自所述多个设备的所述数据以基本上实时地确定以下中的至少一个：与所述患者患上败血症的风险有关的第一分数、与所述患者跌落的风险有关的第二分数和与所述患者发生压力损伤的风险有关的第三分数，以及
计算机，其被连接到所述分析引擎并协调护理人员查房间隔，被分配给所述患者的至少一个护理人员被要求按照所述护理人员查房间隔查看患者，其中所述计算机响应于所述第一分数、第二分数或第三分数中的至少一个从第一值增加到第二值而自动地减少所述护理人员查房间隔，并且所述计算机响应于所述第一分数、第二分数或第三分数中的至少一个从所述第二值降低到所述第一值而自动地增加所述护理人员查房间隔。
2.根据权利要求1所述的***，进一步包括多个显示器，其被通信地连接到所述分析引擎并且是能操作用以显示所述第一分数、第二分数和第三分数中的至少两个，所述多个显示器包括以下中的至少两个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给所述患者的护理人员的移动装置的移动装置显示器。
3.根据权利要求1所述的***，其中，所述多个设备包括以下中的至少三个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
4.根据权利要求1所述的***，其中，所述多个设备包括以下中的至少四个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
5.根据权利要求1所述的***，其中，所述多个设备包括以下中的至少五个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
6.根据权利要求1所述的***，其中，所述多个设备包括以下所有六个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
7.根据权利要求1所述的***，其中，所述第一分数、第二分数和第三分数中的每一个被所述分析引擎标准化，以便具通用于其他的第一分数、第二分数和第三分数中的每一个的最小值和最大值。
8.根据权利要求7所述的***，其中，对于所述第一分数、第二分数和第三分数中的每一个，最小值是0。
9.根据权利要求7所述的***，其中，对于所述第一分数、第二分数和第三分数中的每一个，最小值是1。
10.根据权利要求7所述的***，其中，对于所述第一分数、第二分数和第三分数中的每一个，最大值是5。
11.根据权利要求1所述的***，其中所述分析引擎还针对所述患者从国际压力性溃疡患病率(IPUP)调查接收附加数据，并且结合确定所述第一分数、第二分数和第三分数中的至少一个来分析所述附加数据。
12.根据权利要求1所述的***，其中所述分析引擎将所述第一分数、第二分数和第三分数中的至少两个传送到所述多个设备中的至少一个设备。
13.根据权利要求12所述的***，其中，所述多个设备中的所述至少一个设备包括装置显示器，并且其中用于降低所述第一分数、第二分数和第三分数中的至少一个的步骤被显示在所述装置显示器上。
14.根据权利要求1所述的***，其中，来自所述患者支撑器械的数据包括由被集成到所述患者支撑器械中的至少一个生命体征传感器感测的至少一个患者生命体征。
15.根据权利要求14所述的***，其中，由所述至少一个生命体征传感器感测的所述至少一个患者生命体征包括心率或呼吸率。
16.根据权利要求14所述的***，其中，来自所述患者支撑器械的数据进一步包括患者体重。
17.根据权利要求1所述的***，其中，来自所述患者支撑器械的数据包括患者体重和所述患者在所述患者支撑器械上的位置。
18.根据权利要求17所述的***，其中，来自所述患者支撑器械的数据进一步包括指示了当被支撑在所述患者支撑器械上时所述患者的运动量的数据。
19.根据权利要求1所述的***，其中，来自所述生理监测仪的数据包括以下中的一个或多个：心率数据、心电图(EKG)数据、呼吸率数据、患者体温数据、脉搏血氧测量数据和血压数据。
20.根据权利要求1所述的***，其中，如果以下标准存在，则所述第一分数处于或接近最大值：i)所述患者的体温大于约38.3摄氏度(℃)(约101华氏度(℉))或小于约35.6℃(约96℉)；ii)所述患者的心率大于每分钟90次心跳；以及iii)所述患者的呼吸率大于每分钟20次呼吸。
21.根据权利要求1所述的***，其中，如果所述第一分数、第二分数或第三分数从先前的值增加，则所述分析引擎向被分配给所述患者的所述至少一个护理人员的移动装置发起消息。
22.根据权利要求1所述的***，其中，如果所述第一分数、第二分数或第三分数达到阈值，则所述分析引擎向被分配给所述患者的所述至少一个护理人员的移动装置发起消息。
23.根据权利要求1所述的***，其中，所述分析引擎还接收与所述患者的至少一个创伤有关的附加数据并结合分析所述附加数据来确定所述第一分数、第二分数和第三分数中的至少一个。
24.根据权利要求23所述的***，其中，与所述至少一个创伤有关的所述附加数据包括所述至少一个创伤的图像。
25.根据权利要求1所述的***，其中，所述患者支撑器械包括病床或担架。
26.根据权利要求1所述的***，其中，所述分析引擎还接收与以下中的至少一个相关的附加数据：液体输入和输出、心输出量、并存病和血检，并且其中所述分析引擎结合分析所述附加数据来确定所述第一分数、第二分数和第三分数中的至少一个。
27.根据权利要求1所述的***，其中，所述生理监测仪包括以下中的至少一个：被附接到所述患者的无线贴片传感器、动态心脏监测仪、心电图、呼吸率监测仪、血压监测仪、脉搏血氧计和体温计。
28.根据权利要求1所述的***，其中所述多个设备进一步包括椅子监测仪，以便当患者坐在椅子上时监测患者的移动。
29.根据权利要求1所述的***，其中所述多个设备进一步包括马桶监测仪，以便当患者坐在马桶上时监测患者的移动。
30.一种用于评估患者的医疗风险的器械，所述器械包括：
分析引擎，
多个设备，其向所述分析引擎提供数据，所述多个设备包括以下中的至少两个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位***的定位计算机和失禁检测垫，其中所述分析引擎分析来自所述多个设备的所述数据以确定以下中的至少两个：与所述患者患上败血症的风险有关的第一分数、与所述患者跌落的风险有关的第二分数和与所述患者发生压力损伤的风险有关的第三分数，以及
多个显示器，其被通信地连接到所述分析引擎并且是可操作用以显示所述第一分数、第二分数和第三分数中的至少两个，所述多个显示器包括以下中的至少两个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给所述患者的护理人员的移动装置的移动装置显示器。
31.根据权利要求30所述的器械，其中，所述多个设备包括以下中的至少三个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
32.根据权利要求30所述的器械，其中，所述多个设备包括以下中的至少四个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
33.根据权利要求30所述的器械，其中，所述多个设备包括以下中的至少五个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
34.根据权利要求30所述的器械，其中，所述多个设备包括以下所有六个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
35.根据权利要求30所述的器械，其中，所述第一分数、第二分数和第三分数中的每一个被所述分析引擎标准化，以便具有通用于其他的第一分数、第二分数和第三分数中的每一个的最小值和最大值。
36.根据权利要求35所述的器械，其中，对于所述第一分数、第二分数和第三分数中的每一个，最小值是0。
37.根据权利要求35所述的器械，其中，对于所述第一分数、第二分数和第三分数中的每一个，最小值是1。
38.根据权利要求35所述的器械，其中，对于所述第一分数、第二分数和第三分数中的每一个，最大值是5。
39.根据权利要求30所述的器械，其中，基于所述第一分数、第二分数和第三分数中的至少一个来调整与护理人员查房有关的查房方案。
40.根据权利要求39所述的器械，其中，被调整的查房方案包括与护理人员被要求何时检查患者有关的查房时间间隔。
41.根据权利要求30所述的器械，其中，所述分析引擎还针对所述患者从国际压力性溃疡患病率(IPUP)调查接收附加数据，并且结合分析所述附加数据来确定所述第一分数、第二分数和第三分数中的至少一个。
42.根据权利要求30所述的器械，其中，所述分析引擎将所述第一分数、第二分数和第三分数中的至少两个传送到所述多个设备。
43.根据权利要求42所述的器械，其中，所述多个设备中的所述至少一个设备包括装置显示器，并且其中用于降低所述第一分数、第二分数和第三分数中的至少一个的步骤被显示在所述装置显示器上。
44.根据权利要求30所述的器械，其中，来自所述患者支撑器械的数据包括由被集成到所述患者支撑器械中的至少一个生命体征传感器感测的至少一个患者生命体征。
45.根据权利要求44所述的器械，其中，由所述至少一个生命体征传感器感测的所述至少一个患者生命体征包括心率或呼吸率。
46.根据权利要求44所述的器械，其中，来自所述患者支撑器械的数据进一步包括患者体重。
47.根据权利要求30所述的器械，其中，来自所述患者支撑器械的数据包括患者体重和所述患者在所述患者支撑器械上的位置。
48.根据权利要求47所述的器械，其中，来自所述患者支撑器械的数据进一步包括指示了当被支撑在所述患者支撑器械上时所述患者的运动量的数据。
49.根据权利要求30所述的器械，其中，所述分析引擎基本上实时地分析来自所述多个设备的所述数据，并且基本上实时地更新所述第一分数、第二分数和第三分数中的至少两个。
50.根据权利要求30所述的器械，其中，来自所述生理监测仪的数据包括以下中的一个或多个：心率数据、心电图(EKG)数据、呼吸率数据、患者体温数据、脉搏血氧测量数据和血压数据。
51.根据权利要求30所述的器械，其中，如果以下标准存在，则所述第一分数处于或接近最大值：i)所述患者的体温大于约38.3摄氏度(℃)(约101华氏度(℉))或小于约35.6℃(约96℉)；ii)所述患者的心率大于每分钟90次心跳；以及iii)所述患者的呼吸率大于每分钟20次呼吸。
52.根据权利要求30所述的器械，其中，如果所述第一分数、第二分数或第三分数从先前的值增加，则所述分析引擎向被分配给所述患者的所述护理人员的移动装置发起消息。
53.根据权利要求30所述的器械，其中，如果所述第一分数、第二分数或第三分数达到阈值，则所述分析引擎向被分配给所述患者的所述护理人员的移动装置发起消息。
54.根据权利要求30所述的器械，其中，所述分析引擎还接收与所述患者的至少一个创伤有关的附加数据，并结合分析所述附加数据来确定所述第一分数、第二分数和第三分数中的至少一个。
55.根据权利要求54所述的器械，其中，与所述至少一个创伤有关的所述附加数据包括所述至少一个创伤的图像。
56.根据权利要求30所述的器械，其中，所述患者支撑器械包括病床或担架。
57.根据权利要求30所述的器械，其中，所述分析引擎还接收与以下中的至少一个相关的附加数据：液体输入和输出、心输出量、并存病和血检，并且其中所述分析引擎结合分析所述附加数据来确定所述第一分数、第二分数和第三分数中的至少一个。
58.根据权利要求30所述的器械，其中，所述生理监测仪包括以下中的至少一个：被附接到所述患者的无线贴片传感器、动态心脏监测仪、心电图、呼吸率监测仪、血压监测仪、脉搏血氧计和体温计。
59.根据权利要求30所述的器械，其中，所述多个设备进一步包括椅子监测仪，以便当患者坐在椅子上时监测患者的移动。
60.根据权利要求30所述的器械，其中，所述多个设备进一步包括马桶监测仪，以便当患者坐在马桶上时监测患者的移动。
61.一种用于评估患者的医疗风险的器械，所述器械包括：
分析引擎，
多个设备，其向所述分析引擎提供数据，所述多个设备包括以下中的至少两个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位***的定位计算机和失禁检测垫，其中所述分析引擎分析来自所述多个设备的所述数据以确定以下各项：与所述患者患上败血症的风险有关的第一分数、与所述患者跌落的风险有关的第二分数和与所述患者发生压力损伤的风险有关的第三分数，以及
多个显示器，其被通信地连接到所述分析引擎，所述多个显示器中的至少一个显示器可操作用以显示第一分数、第二分数和第三分数。
62.根据权利要求61所述的器械，其中，所述至少一个显示器包括以下中的至少一个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给所述患者的护理人员的移动装置的移动装置显示器。
63.根据权利要求61所述的器械，其中，所述至少一个显示器包括以下中的至少两个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给所述患者的护理人员的移动装置的移动装置显示器。
64.根据权利要求61所述的器械，其中，所述至少一个显示器包括以下中的至少三个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给所述患者的护理人员的移动装置的移动装置显示器。
65.根据权利要求61所述的器械，其中，所述至少一个显示器包括以下所有四个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给所述患者的护理人员的移动装置的移动装置显示器。
66.根据权利要求61所述的器械，其与从属权利要求31-60中的任何一项或多项组合。
67.一种用于评估患者的医疗风险的方法，所述方法包括：
在分析引擎接收来自多个设备的数据，所述多个设备包括以下中的至少两个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位***的定位计算机和失禁检测垫，
用分析引擎分析来自所述多个设备的所述数据以确定以下中的至少两个：与所述患者患上败血症的风险有关的第一分数、与所述患者跌落的风险有关的第二分数和与所述患者发生压力损伤的风险有关的第三分数，以及
在被通信地连接到所述分析引擎的多个显示器上显示所述第一分数、第二分数和第三分数中的至少两个，所述多个显示器包括以下中的至少两个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给所述患者的护理人员的移动装置的移动装置显示器。
68.根据权利要求67所述的方法，其中，所述多个设备包括以下中的至少三个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
69.根据权利要求67所述的方法，其中，所述多个设备包括以下中的至少四个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
70.根据权利要求67所述的方法，其中，所述多个设备包括以下中的至少五个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
71.根据权利要求67所述的方法，其中，所述多个设备包括以下所有六个：所述患者支撑器械、所述护士呼叫计算机、所述生理监测仪、所述患者升降机、所述定位计算机和所述失禁检测垫。
72.根据权利要求67所述的方法，进一步包括：利用所述分析引擎，对所述第一分数、第二分数和第三分数中的每一个进行标准化，以便具有通用于其他的第一分数、第二分数和第三分数中的每一个的最小值和最大值。
73.根据权利要求72所述的方法，其中，对于所述第一分数、第二分数和第三分数中的每一个，最小值是0。
74.根据权利要求72所述的方法，其中，对于所述第一分数、第二分数和第三分数中的每一个，最小值是1。
75.根据权利要求72所述的方法，其中，对于所述第一分数、第二分数和第三分数中的每一个，最大值是5。
76.根据权利要求67所述的方法，进一步包括基于所述第一分数、第二分数和第三分数中的至少一个来调整与护理人员查房有关的查房方案。
77.根据权利要求76所述的方法，被调整的查房方案包括与护理人员被要求何时检查患者有关的查房时间间隔。
78.根据权利要求67所述的方法，进一步包括在所述分析引擎处针对所述患者从国际压力性溃疡患病率(IPUP)调查接收附加数据，并且结合分析所述附加数据来确定所述第一分数、第二分数和第三分数中的至少一个。
79.根据权利要求67所述的方法，进一步包括将所述第一分数、第二分数和第三分数中的至少两个从所述分析引擎传送到所述多个设备。
80.根据权利要求79所述的方法，其中，所述多个设备中的所述至少一个设备包括装置显示器，并且进一步包括将用于降低所述第一分数、第二分数和第三分数中的至少一个的步骤显示在所述显示器上。
81.根据权利要求67所述的方法，其中，来自所述患者支撑器械的数据包括由被集成到所述患者支撑器械中的至少一个生命体征传感器感测的至少一个患者生命体征。
82.根据权利要求81所述的方法，其中，由所述至少一个生命体征传感器感测的所述至少一个患者生命体征包括心率或呼吸率。
83.根据权利要求81所述的方法，其中，来自所述患者支撑器械的数据进一步包括患者体重。
84.根据权利要求67所述的方法，其中，来自所述患者支撑器械的数据包括患者体重和所述患者在所述患者支撑器械上的位置。
85.根据权利要求84所述的方法，其中，来自所述患者支撑器械的数据进一步包括指示了当被支撑在所述患者支撑器械上时所述患者的运动量的数据。
86.根据权利要求67所述的方法，其中，利用所述分析引擎分析所述数据包括基本上实时地分析所述数据并且基本上实时地更新所述第一分数、第二分数和第三分数中的至少两个。
87.根据权利要求67所述的方法，其中，来自所述生理监测仪的数据包括以下中的一个或多个：心率数据、心电图(EKG)数据、呼吸率数据、患者体温数据、脉搏血氧测量数据和血压数据。
88.根据权利要求67所述的方法，其中，如果以下标准存在，则所述第一分数处于或接近最大值：i)所述患者的体温大于约38.3摄氏度(℃)(约101华氏度(℉))或小于约35.6℃(约96℉)；ii)所述患者的心率大于每分钟90次心跳；以及iii)所述患者的呼吸率大于每分钟20次呼吸。
89.根据权利要求67所述的方法，进一步包括如果所述第一分数、第二分数或第三分数从先前的值增加，则利用所述分析引擎向被分配给所述患者的所述护理人员的所述移动装置发起消息。
90.根据权利要求67所述的方法，进一步包括如果所述第一分数、第二分数或第三分数达到阈值，则利用所述分析引擎向被分配给所述患者的所述护理人员的所述移动装置发起消息。
91.根据权利要求67所述的方法，进一步包括在所述分析引擎处接收与所述患者的至少一个创伤有关的附加数据，并结合分析所述附加数据来确定所述第一分数、第二分数和第三分数中的至少一个。
92.根据权利要求91所述的方法，其中，与所述至少一个创伤有关的所述附加数据包括所述至少一个创伤的图像。
93.根据权利要求67所述的方法，其中，所述患者支撑器械包括病床或担架。
94.根据权利要求67所述的方法，进一步包括在所述分析引擎处接收与以下中的至少一个相关的附加数据：液体输入和输出、心输出量、并存病和血检，并且结合利用所述分析引擎分析所述附加数据来确定所述第一分数、第二分数和第三分数中的至少一个。
95.根据权利要求67所述的方法，其中，所述生理监测仪包括以下中的至少一个：被附接到所述患者的无线贴片传感器、动态心脏监测仪、心电图、呼吸率监测仪、血压监测仪、脉搏血氧计和体温计。
96.根据权利要求67所述的方法，其中，所述多个设备进一步包括椅子监测仪，以当患者坐在椅子上时监测患者的移动。
97.根据权利要求67所述的方法，其中，所述多个设备进一步包括马桶监测仪，以当患者坐在马桶上时监测患者的移动。
98.一种用于评估患者的医疗风险的方法，所述方法包括：
在分析引擎处接收来自多个设备的数据，所述多个设备包括以下中的至少两个：患者支撑器械、护士呼叫计算机、生理监测仪、患者升降机、定位***的定位计算机和失禁检测垫，
用所述分析引擎分析来自所述多个设备的所述数据以确定以下各项中的至少两个：与所述患者患上败血症的风险有关的第一分数、与所述患者跌落的风险有关的第二分数和与所述患者发生压力损伤的风险有关的第三分数，以及
在被通信地连接到所述分析引擎的多个显示器的至少一个显示器上显示第一分数、第二分数和第三分数。
99.根据权利要求98所述的方法，其中，所述至少一个显示器包括以下中的至少一个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给所述患者的护理人员的移动装置的移动装置显示器。
100.根据权利要求98所述的方法，其中，所述至少一个显示器包括以下中的至少两个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给所述患者的护理人员的移动装置的移动装置显示器。
101.根据权利要求98所述的方法，其中，所述至少一个显示器包括以下中的至少三个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给所述患者的护理人员的移动装置的移动装置显示器。
102.根据权利要求98所述的方法，其中，所述至少一个显示器包括以下所有四个：位于主护士站的状态面板显示器、由护士呼叫***的病房站点提供的室内显示器、EMR计算机的电子病历(EMR)显示器和被分配给所述患者的护理人员的移动装置的移动装置显示器。
103.根据权利要求98所述的方法，其与从属权利要求68-97中的任何一项或多项组合。
104.一种评估患者医疗风险的方法，所述方法包括：
在分析引擎处接收所述患者的人口统计数据，包括年龄、种族和体重中的至少一个，
在所述分析引擎处接收所述患者的并存病数据，包括指示了患者具有以下医学状况中的至少一种的数据：获得性免疫缺陷综合征(AIDS)、贫血、慢性充血性心力衰竭、哮喘、癌症、慢性阻塞性肺病(COPD)、冠状动脉疾病、囊性纤维化、痴呆、肺气肿、酒精或药物滥用、中风、肺栓塞、败血症病史、1型糖尿病、病态肥胖、神经肌肉疾病、先前的插管、脊柱侧凸、吸烟者、谵妄、无脾的、骨髓移植、肝硬变、透析、憩室病、心脏瓣膜疾病、炎症性肠病、关节置换术、白细胞减少症、恶性肿瘤、瘤、器官移植、周围性血管疾病、肾疾病、压力损伤、近期的流产、近期的分娩、癫痫发作、镰状细胞性贫血或晚期病症，
在所述分析引擎处接收由生理监测仪测量的生理数据，所述生理监测仪具有被连接到所述患者或与所述患者通信的至少一个传感器，所述生理数据是动态的并且在所述生理监测仪监测患者的同时随时间变化，以及
使用所述分析引擎基于所述患者的人口统计数据、所述并存病数据和所述生理数据基本上实时地计算所述患者的风险分数。
105.根据权利要求104所述的方法，进一步包括在所述分析引擎处接收所述患者的实验室数据，并结合来使用所述实验室数据来计算所述风险分数。
106.根据权利要求105的方法，其中，所述实验室数据包括与以下一种或多种有关的数据：白蛋白、动脉血氧分压(动脉PaO2)、动脉血二氧化碳分压(PCO2)、动脉血pH、酸中毒、脑钠素、血尿素氮、心射血分数、肌酸酐、血红蛋白、血细胞比容、乳酸、肺功能测验、肌钙蛋白、胆红素、C反应性蛋白、D-二聚体、葡萄糖、碳酸氢盐(HCO3)、高乳酸血症、用于血液凝固的国际标准化比率(INR)、具有>10％中性白细胞的正常白细胞计数(WBC)、动脉血二氧化碳分压(PaCO2)、液体过剩、Ph值、血小板、原降钙素、尿蛋白、部分凝血致活酶时间(PTT)或白细胞计数。
107.根据权利要求104所述的方法，进一步包括在所述分析引擎处接收所述患者的患者症状数据，并结合使用所述患者症状数据来计算所述风险分数。
108.根据权利要求107所述的方法，其中所述患者症状数据包括与以下一种或多种有关的数据：副肌肉使用、精神状态改变、精神错乱、焦虑、胸痛、咳嗽、发绀、发汗、呼吸困难，咯血、疲劳、不安、痰液产生、心搏过速、呼吸急促或嗜睡。
109.根据权利要求104所述的方法，进一步包括在所述分析引擎处接收临床检查数据，并结合使用所述临床检查数据来计算所述风险分数。
110.根据权利要求109所述的方法，其中，所述临床检查数据包括与以下一种或多种有关的数据：腹部呼吸、肺声音异常、副肌肉使用、毛细血管再充盈、胸闷或胸痛、心电图(ECG或EKG)异常、咳嗽、发绀、下降的意识水平(LOC)、激动、脑病、色斑、日常生活活动(ADLS)需要协助、端坐呼吸、外周水肿、痰液产生、谵妄、液体过剩、心输出量，早期状态皮肤红热，后期状态皮肤冰凉苍白具有色斑、发烧、头痛、颈强直、体温过低、肠梗阻、黄疸、脑膜炎、尿过少、外周性发绀、瘀点皮疹、液体正平衡、癫痫发作、木僵或血容不足。
111.根据权利要求104所述的方法，进一步包括在所述分析引擎处接收记录的医嘱数据，并结合使用所述记录的医嘱数据来计算所述风险分数。
112.根据权利要求111所述的方法，其中，所述记录的医嘱数据包括与以下一个或多个有关的数据：除了用包括文丘里管、再生式氧气***、非再生式氧气***、持续气道正压通气(CPAP)机、双相气道正压通气(bi-PAP)机的插管进行呼吸空气的输送；动脉血气的检测；脑钠素的检测；呼吸治疗；胸部X光片；多普勒超声波心动描记术；高液体率或体积(输入和输出(I&O))；肺部咨询；肺功能测验；通气-灌注(VQ)扫描；或胸部电脑断层摄影术(CT)扫描。
113.根据权利要求104所述的方法，进一步包括在所述分析引擎处接收所述患者的入院数据，并结合计算所述风险分数来使用所述入院数据。
114.权利要求113的方法，其中，所述入院数据包括与以下一种或多种有关的数据：腹主动脉瘤手术、急性心肌缺血、急性胰腺炎、抽吸、哮喘，支气管扩张、肺膨胀不全、支气管炎、烧伤、癌症、心脏或胸腔手术、心脏瓣膜疾病或瓣膜关闭不全、化疗、充血性心力衰竭、COPD恶化、深部静脉血栓形成、药物过量、休息时呼吸困难、急诊手术、咳血、间质性肺病、肺脓肿、颈部手术、神经手术、上腹部手术、外周血管手术、肺炎、气胸、肺栓子、肺动脉高血压、肺-肾综合征、肾功能衰竭、败血症、休克、睡眠呼吸暂停、烟雾吸入损伤、手术、胸腔穿刺、外伤、嗜睡、谵妄、脓肿、腹痛、腹部压痛、急性肺损伤、阑尾炎、菌血症、蜂窝织炎、胆管炎、胆囊炎、结肠炎、膀胱炎、失水、憩室炎、脑炎、脑病、心内膜炎、不明原因发热、胃肠炎、胃肠道出血、胃肠道感染、低血压、感染过程、不适、骨髓炎、造瘘术、骨盆痛、肾疾病、肾盂肾炎、呼吸道感染、脓毒性关节炎、软组织感染、手术入院、创伤或急性呼吸窘迫综合征。
115.根据权利要求104所述的方法，进一步包括在所述分析引擎处接收所述患者的药物数据，并结合使用所述药物数据来计算所述风险分数。
116.根据权利要求115所述的方法，其中，所述药物数据包括与以下一种或多种有关的数据：包括以静脉注射(IV)或皮下注射(SC)输送的包括肝素或依诺肝素的抗凝血剂、支气管扩张药、类固醇激素、利尿剂使用、高液体速率或体积或高渗液体、类罂粟碱、镇静药、***、肌松药、液体过剩、抗生素或免疫抑制剂。
117.根据权利要求104所述的方法，进一步包括如果所述患者年龄为70岁或以上且患有COPD，则利用所述分析引擎确定所述患者处于患上呼吸窘迫的风险中。
118.根据权利要求104所述的方法，进一步包括如果所述患者患有COPD并且已经被开类罂粟碱处方，则利用所述分析引擎确定所述患者处于患上呼吸窘迫的风险中。
119.根据权利要求104所述的方法，进一步包括如果所述患者年龄为70岁或以上且已经被开类罂粟碱处方，则利用所述分析引擎确定所述患者处于患上呼吸窘迫的风险中。
120.根据权利要求104所述的方法，进一步包括如果所述患者年龄为70岁或以上、患有哮喘并且血尿素氮(BUN)大于或等于每100毫升(ml)血液30毫克(mg)，则利用所述分析引擎确定所述患者处于患上呼吸窘迫的风险中。
121.根据权利要求104所述的方法，进一步包括如果所述患者为65岁或以上并且患有癌症，则利用所述分析引擎确定所述患者处于患上败血症的风险中。
122.根据权利要求104所述的方法，进一步包括如果所述患者具有患上败血症的病史，则利用所述分析引擎确定所述患者处于患上败血症的风险中。
123.根据权利要求104所述的方法，其中所述生理数据包括以下中的一个或多个：心率、呼吸率、体温、平均动脉压、收缩压或包括外周毛细血管氧饱和度(SpO2)的脉搏血氧测量数据。
124.一种在至少一台计算机上实施的方法，所述方法包括：
接收患者的动态临床变量和生命体征信息，
利用所述生命体征信息开发先前的生命体征模式和当前的生命体征模式，
将所述先前的生命体征模式与当前的生命体征模式进行比较，
接收以下中的一个或多个：所述患者的静态变量、所述患者的主观呻吟、所述患者的先前的医疗保健利用模式、或所述患者的健康数据的社会决定因素，以及
在算法中使用所述动态临床变量、所述生命体征信息、所述先前的生命体征模式与所述当前的生命体征模式的比较结果，以及所述静态变量、所述主观呻吟、所述医疗保健利用模式或所述健康数据的社会决定因素中的一个或多个，来检测或预测患者患有败血症或可能患上败血症。
125.根据权利要求124所述的方法，其中，所述动态临床变量包括护理点实验室数据。
126.根据权利要求124所述的方法，其中，所述静态变量包括并存病。
127.根据权利要求124所述的方法，其中，所述静态变量包括所述患者的护理设置是前急性护理设置、急性护理设置还是后急性护理设置。
128.根据权利要求124所述的方法，进一步包括接收所述患者的历史数据。
129.根据权利要求124所述的方法，进一步包括向所述患者的一个或多个临床医生输出一个或多个推荐动作。
130.根据权利要求128所述的方法，其中所述一个或多个推荐动作包括将所述患者送到急诊室(ED)。
131.根据权利要求128所述的方法，其中所述一个或多个推荐动作包括增加一个或多个临床医生来监测所述患者。
132.根据权利要求128所述的方法，其中所述一个或多个推荐动作包括为所述患者安排一组实验室。
133.根据权利要求124所述的方法，进一步包括对医疗保健机构的临床医生进行排名。
134.根据权利要求133所述的方法，其中，对所述医疗保健机构的所述临床医生进行排名包括依据经验对所述临床医生进行排名。
135.根据权利要求133所述的方法，其中，对所述医疗保健机构的所述临床医生进行排名包括依据先前采取的动作对所述临床医生进行排名。
136.根据权利要求133所述的方法，其中，对所述医疗保健机构的所述临床医生进行排名包括依据先前的患者结果对所述临床医生进行排名。
137.根据权利要求133所述的方法，其中，对所述医疗保健机构的所述临床医生进行排名包括依据经验、依据先前采取的动作以及依据先前的患者结果对所述临床医生进行排名。
138.根据权利要求137所述的方法，其中，对结果具有最大影响的所述动作由所述至少一个计算机来通知较新的或经验较少的临床医生有经验的临床医生会如何照顾所述患者。
139.根据权利要求1-29中任一项所述的***，其中，基于表11中列出的数据元素中的一个或多个来作出风险确定或者计算所述第一分数、第二分数或第三分数中的一个或多个。
140.根据权利要求30-66中任一项所述的器械，其中基于表11中列出的数据元素中的一个或多个来作出风险确定或者计算所述第一分数、第二分数或第三分数中的一个或多个。
141.根据权利要求67-103中任一项所述的方法，进一步包括基于表11中列出的数据元素中的一个或多个来作出风险确定或计算所述第一分数、第二分数或第三分数中的一个或多个。
142.根据权利要求104-123中任一项所述的方法，进一步包括基于表11中列出的数据元素中的一个或多个来计算所述风险分数或作出风险确定。
143.根据权利要求124-138中任一项所述的方法，进一步包括基于表11中列出的数据元素中的一个或多个来计算风险分数或进行风险确定。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201862655385P | 2018-04-10 | 2018-04-10 | |
| US62/655,385 | 2018-04-10 | ||
| PCT/US2019/026044 WO2019199606A2 (en) | 2018-04-10 | 2019-04-05 | Patient risk assessment based on data from multiple sources in a healthcare facility |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111542260A true CN111542260A (zh) | 2020-08-14 |
Family
ID=66102986
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980001288.5A Pending CN111542260A (zh) | 2018-04-10 | 2019-04-05 | 基于来自医疗保健机构中多个源的数据的患者风险评估 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US11504071B2 (zh) |
| EP (1) | EP3553786A1 (zh) |
| JP (2) | JP6704076B2 (zh) |
| CN (1) | CN111542260A (zh) |
| AU (2) | AU2019202495A1 (zh) |
| CA (1) | CA3039440C (zh) |
| WO (1) | WO2019199606A2 (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111816286A (zh) * | 2020-08-28 | 2020-10-23 | 创智和宇信息技术股份有限公司 | 一种移动查房数据处理方法及*** |
| CN112200986A (zh) * | 2020-10-09 | 2021-01-08 | 遂宁市第一人民医院 | 一种临床用任务提醒装置及其控制方法 |
| CN113555123A (zh) * | 2021-08-27 | 2021-10-26 | 复旦大学附属中山医院 | 胆囊癌患者放化疗后生存获益的预测模型建立方法 |
| CN114172926A (zh) * | 2020-08-21 | 2022-03-11 | 希尔-罗姆服务公司 | 具有无线枕边扬声器的无线缆型床 |
| CN114305916A (zh) * | 2020-09-28 | 2022-04-12 | 希尔-罗姆服务公司 | 自动识别压力性损伤 |
| TWI795044B (zh) * | 2021-10-21 | 2023-03-01 | 動顏有限公司 | 腹音即時監聽系統及其應用方法 |
| WO2024046401A1 (zh) * | 2022-08-30 | 2024-03-07 | 南京迈瑞生物医疗电子有限公司 | 手术床状态预警的方法、***、手术床和存储介质 |
Families Citing this family (62)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011143071A2 (en) | 2010-05-08 | 2011-11-17 | The Regents Of The University Of California | Sem scanner sensing apparatus, system and methodology for early detection of ulcers |
| CA2982249C (en) | 2015-04-24 | 2019-12-31 | Bruin Biometrics, Llc | Apparatus and methods for determining damaged tissue using sub-epidermal moisture measurements |
| US10342478B2 (en) | 2015-05-07 | 2019-07-09 | Cerner Innovation, Inc. | Method and system for determining whether a caretaker takes appropriate measures to prevent patient bedsores |
| US10528840B2 (en) | 2015-06-24 | 2020-01-07 | Stryker Corporation | Method and system for surgical instrumentation setup and user preferences |
| US9892310B2 (en) | 2015-12-31 | 2018-02-13 | Cerner Innovation, Inc. | Methods and systems for detecting prohibited objects in a patient room |
| US11617538B2 (en) * | 2016-03-14 | 2023-04-04 | Zoll Medical Corporation | Proximity based processing systems and methods |
| US20180146906A1 (en) | 2016-11-29 | 2018-05-31 | Hill-Rom Services, Inc. | System and method for determining incontinence device replacement interval |
| KR102283395B1 (ko) | 2017-02-03 | 2021-07-30 | 브루인 바이오메트릭스, 엘엘씨 | 당뇨병성 족부 궤양에 대한 감수성의 측정 |
| AU2018217187B2 (en) | 2017-02-03 | 2020-01-02 | Bruin Biometrics, Llc | Measurement of edema |
| GB2600266B (en) | 2017-02-03 | 2023-03-01 | Bruin Biometrics Llc | Measurement of tissue viability |
| CN110621265B (zh) * | 2017-05-30 | 2021-10-08 | 花王株式会社 | 护理计划建议装置 |
| WO2019099812A1 (en) | 2017-11-16 | 2019-05-23 | Bruin Biometrics, Llc | Providing a continuity of care across multiple care settings |
| US10643446B2 (en) | 2017-12-28 | 2020-05-05 | Cerner Innovation, Inc. | Utilizing artificial intelligence to detect objects or patient safety events in a patient room |
| US10482321B2 (en) | 2017-12-29 | 2019-11-19 | Cerner Innovation, Inc. | Methods and systems for identifying the crossing of a virtual barrier |
| CA3090395A1 (en) | 2018-02-09 | 2019-08-15 | Bruin Biometrics, Llc | Detection of tissue damage |
| US20210050113A1 (en) * | 2018-03-16 | 2021-02-18 | Indiana University Research And Technology Corporation | Methods and systems for risk assessment and risk prediction in opioid prescriptions and pain management treatment |
| US11504071B2 (en) | 2018-04-10 | 2022-11-22 | Hill-Rom Services, Inc. | Patient risk assessment based on data from multiple sources in a healthcare facility |
| US11908581B2 (en) | 2018-04-10 | 2024-02-20 | Hill-Rom Services, Inc. | Patient risk assessment based on data from multiple sources in a healthcare facility |
| LT3861601T (lt) | 2018-10-11 | 2024-03-12 | Bruin Biometrics, Llc | Prietaisas su vienkartiniu elementu |
| US10922936B2 (en) | 2018-11-06 | 2021-02-16 | Cerner Innovation, Inc. | Methods and systems for detecting prohibited objects |
| CN111195180A (zh) * | 2018-11-16 | 2020-05-26 | 希尔-罗姆服务公司 | 用于确定目标压力损伤评分并基于其更改治疗计划的***和方法 |
| EP3701857B1 (en) | 2019-02-28 | 2023-10-04 | Hill-Rom Services, Inc. | Patient support apparatus having vital signs and sepsis display apparatus |
| CN112151172A (zh) * | 2019-06-28 | 2020-12-29 | 希尔-罗姆服务公司 | 基于来自医疗机构中多种来源的数据的患者风险评估 |
| JP7431026B2 (ja) * | 2019-12-13 | 2024-02-14 | 日本光電工業株式会社 | 容態判別装置、およびコンピュータプログラム |
| EP4081118A4 (en) * | 2019-12-26 | 2024-01-17 | Dexcom Inc | SYSTEMS AND METHODS FOR ASSESSING THE RISK OF SEPSIS |
| US11538581B2 (en) | 2020-02-14 | 2022-12-27 | Taipei Medical University | Monitoring system, device and computer-implemented method for monitoring pressure ulcers |
| TWI777132B (zh) * | 2020-02-14 | 2022-09-11 | 臺北醫學大學 | 用於監測壓瘡之監測系統、裝置及電腦實施方法 |
| CN113261972B (zh) * | 2020-02-17 | 2023-06-27 | 华为技术有限公司 | 心电检测装置、电路及方法 |
| CN115053298A (zh) * | 2020-02-18 | 2022-09-13 | 巴克斯特国际公司 | 医疗机器学习***和方法 |
| CN111354459B (zh) * | 2020-02-25 | 2023-06-02 | 成都联客信息技术有限公司 | 一种针对中医推拿的辅助诊断专家*** |
| CN111445977B (zh) * | 2020-03-19 | 2024-02-13 | 成都尚医信息科技有限公司 | 一种多疾病整合运动康复管理*** |
| CN111387990B (zh) * | 2020-03-24 | 2022-11-04 | 首都医科大学宣武医院 | 一种脑卒中偏瘫患者用离床预警*** |
| CN111681768A (zh) * | 2020-06-29 | 2020-09-18 | 湖南源品细胞生物科技有限公司 | 一种血液指标用于检测冠状病毒感染患者严重程度的应用 |
| CN113892921B (zh) * | 2020-07-06 | 2024-05-14 | 黄庭怀 | 人体姿态监测方法及装置 |
| US20230238150A1 (en) * | 2020-07-15 | 2023-07-27 | Lifelens Technologies, Inc. | Wearable sensor system configured for facilitating telemedicine management |
| US11931689B2 (en) | 2020-07-16 | 2024-03-19 | Ventec Life Systems, Inc. | System and method for concentrating gas |
| CA3189534A1 (en) | 2020-07-16 | 2022-01-20 | Invacare Corporation | System and method for concentrating gas |
| WO2022056013A1 (en) * | 2020-09-08 | 2022-03-17 | Kang Zhang | Artificial intelligence for detecting a medical condition using facial images |
| US11363238B1 (en) * | 2020-09-28 | 2022-06-14 | Healthcare Information, Llc | Systems and methods for healthcare facility contactless communication |
| US20220104772A1 (en) * | 2020-10-02 | 2022-04-07 | Chad L. Sayers | Smart Phone Cover with Sensors and Method |
| JP2022076666A (ja) | 2020-11-10 | 2022-05-20 | パラマウントベッド株式会社 | 遠隔見守りシステム及び遠隔見守りアプリケーション |
| GB202017983D0 (en) * | 2020-11-16 | 2020-12-30 | Clews Medical Ltd | Clinical warning score system |
| CN112690757B (zh) * | 2020-12-17 | 2022-06-14 | 成都柔电云科科技有限公司 | 压力性损伤监测及反馈设备、反馈调节*** |
| US20220202354A1 (en) * | 2020-12-30 | 2022-06-30 | Hill-Rom Services, Inc. | Monitoring system for pressure injury |
| US11642075B2 (en) | 2021-02-03 | 2023-05-09 | Bruin Biometrics, Llc | Methods of treating deep and early-stage pressure induced tissue damage |
| CN113130056B (zh) * | 2021-04-27 | 2022-01-28 | 江苏省人民医院（南京医科大学第一附属医院） | 一种ecmo中心快速预警以及ecmo物品信息化管理***及方法 |
| US20220392620A1 (en) * | 2021-06-04 | 2022-12-08 | Januity LLC | Methods, systems, and computer-readable media for decreasing patient processing time in a clinical setting |
| US11763659B2 (en) | 2021-06-24 | 2023-09-19 | Marc Neubauer | Systems and methods to reduce alarm fatigue |
| CN113350192B (zh) * | 2021-06-24 | 2022-08-12 | 傅晓燕 | 一种具有定位功能的鼻胃管组件 |
| US20230015056A1 (en) * | 2021-07-15 | 2023-01-19 | Hill-Rom Services, Inc. | Discharge risk and management |
| WO2023007593A1 (ja) * | 2021-07-27 | 2023-02-02 | オリンパス株式会社 | 情報収集方法、情報収集装置、および携帯端末の情報共有方法 |
| CN113558902B (zh) * | 2021-07-30 | 2023-02-28 | 宁德市闽东医院 | 一种早产儿俯卧位垫 |
| US11638564B2 (en) * | 2021-08-24 | 2023-05-02 | Biolink Systems, Llc | Medical monitoring system |
| US20230137904A1 (en) * | 2021-10-28 | 2023-05-04 | Xsensor Technology Corporation | System and method for generating and visualizing virtual figures from pressure data captured using weight support devices for visualization of user movement |
| CN114005262B (zh) * | 2021-10-29 | 2023-03-28 | 南华大学 | 一种疫苗接种后现场留观*** |
| US20230282371A1 (en) * | 2022-03-04 | 2023-09-07 | Hill-Rom Services, Inc. | Care delivery system |
| WO2024006396A2 (en) * | 2022-06-28 | 2024-01-04 | Mhealthcare, Inc. | Sensory medical data collection table |
| WO2024000074A1 (en) * | 2022-06-30 | 2024-01-04 | Nerv Technology Inc. | Systems and methods for predicting and detecting post-operative complications |
| TWI790179B (zh) * | 2022-07-27 | 2023-01-11 | 台灣整合心臟醫學協會 | 心導管影像辨識及評估方法 |
| US20240164703A1 (en) * | 2022-11-22 | 2024-05-23 | GE Precision Healthcare LLC | Systems and methods for sepsis alerts |
| CN116612891B (zh) * | 2023-07-14 | 2023-09-29 | 营动智能技术(山东)有限公司 | 一种慢性病患者数据处理*** |
| CN117830874B (zh) * | 2024-03-05 | 2024-05-07 | 成都理工大学 | 一种多尺度模糊边界条件下的遥感目标检测方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030179099A1 (en) * | 2002-03-20 | 2003-09-25 | Perea Levi J. | Signaling device for annunciating a status of a monitored person or object |
| US20050159987A1 (en) * | 1999-06-23 | 2005-07-21 | Visicu, Inc. | System and method for standardizing care in a hospital environment |
| US20070255596A1 (en) * | 2006-04-17 | 2007-11-01 | Duckert David W | Remote health application for the optimization of remote site visit frequency |
| US20080161700A1 (en) * | 2006-12-27 | 2008-07-03 | Cardiac Pacemakers, Inc. | Inter-relation between within-patient decompensation detection algorithm and between-patient stratifier to manage hf patients in a more efficient manner |
| US20090105550A1 (en) * | 2006-10-13 | 2009-04-23 | Michael Rothman & Associates | System and method for providing a health score for a patient |
| US20090216556A1 (en) * | 2008-02-24 | 2009-08-27 | Neil Martin | Patient Monitoring |
| US7994900B1 (en) * | 2008-03-21 | 2011-08-09 | West-Com Nurse Call Systems, Inc. | Mini-dome, nurse call visual communication system |
| US20120271654A1 (en) * | 2006-01-20 | 2012-10-25 | Telemedicine Solutions Llc | Method and System for Wound Care and Management Output |
| US20130152950A1 (en) * | 2010-06-04 | 2013-06-20 | Brandon Cuongquoc Giap | Patient positioning device |
| US20130267791A1 (en) * | 2008-05-12 | 2013-10-10 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
| WO2017091726A1 (en) * | 2015-11-23 | 2017-06-01 | The Regents Of The University Of Colorado, A Body Corporate | Personalized health care wearable sensor system |
| WO2017153120A1 (en) * | 2016-03-07 | 2017-09-14 | Koninklijke Philips N.V. | System and method for implementing a chair rise test |
Family Cites Families (180)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1994028025A1 (en) | 1993-05-28 | 1994-12-08 | The Scripps Research Institute | Methods and compositions for inhibiting cd14 mediated cell activation |
| US5699038A (en) | 1993-07-12 | 1997-12-16 | Hill-Rom, Inc. | Bed status information system for hospital beds |
| US5838223A (en) | 1993-07-12 | 1998-11-17 | Hill-Rom, Inc. | Patient/nurse call system |
| US6897780B2 (en) | 1993-07-12 | 2005-05-24 | Hill-Rom Services, Inc. | Bed status information system for hospital beds |
| US5561412A (en) | 1993-07-12 | 1996-10-01 | Hill-Rom, Inc. | Patient/nurse call system |
| US5830679A (en) | 1996-03-01 | 1998-11-03 | New England Medical Center Hospitals, Inc. | Diagnostic blood test to identify infants at risk for sepsis |
| US6544193B2 (en) * | 1996-09-04 | 2003-04-08 | Marcio Marc Abreu | Noninvasive measurement of chemical substances |
| JP3098997B1 (ja) * | 1999-05-06 | 2000-10-16 | 川崎重工業株式会社 | 介護支援装置 |
| US20020098947A1 (en) | 2001-01-24 | 2002-07-25 | Brown Suzanne Dawn | Exercising and sports conditioning mat |
| JP4659274B2 (ja) * | 2001-06-01 | 2011-03-30 | 帝人株式会社 | 在宅療法支援システム |
| US20030065020A1 (en) | 2001-07-13 | 2003-04-03 | Catharine Gale | Treatment of macular degeneration |
| US7340431B1 (en) | 2001-07-30 | 2008-03-04 | Federal Home Loan Mortgage Corporation (Freddie Mac) | Systems and methods for determining the value of assets |
| US6782321B1 (en) | 2001-08-24 | 2004-08-24 | Jacqueline C. Burton | Method for performing environmental site characterization |
| CN1604790A (zh) | 2001-10-15 | 2005-04-06 | 希龙公司 | 通过施用组织因子途径抑制剂(tfpi)治疗严重性肺炎 |
| SG112878A1 (en) | 2002-06-03 | 2005-07-28 | Mitsubishi Electric Corp | Administration planning system |
| EP1369693A1 (de) | 2002-06-04 | 2003-12-10 | B.R.A.H.M.S Aktiengesellschaft | Verfahren zur Sepsisdiagnose und zur Kontrolle von Spenderblut durch Bestimmung von anti-Asialo-Gangliosid-Antikörpern |
| US20040047919A1 (en) | 2002-06-13 | 2004-03-11 | Board Of Regents, The University Of Texas System | Methods and compositions involving aldose reductase inhibitors |
| US9311540B2 (en) | 2003-12-12 | 2016-04-12 | Careview Communications, Inc. | System and method for predicting patient falls |
| US9318012B2 (en) | 2003-12-12 | 2016-04-19 | Steve Gail Johnson | Noise correcting patient fall risk state system and method for predicting patient falls |
| US20050196817A1 (en) | 2004-01-20 | 2005-09-08 | Molecular Staging Inc. | Biomarkers for sepsis |
| US7282031B2 (en) | 2004-02-17 | 2007-10-16 | Ann Hendrich & Associates | Method and system for assessing fall risk |
| US7319386B2 (en) | 2004-08-02 | 2008-01-15 | Hill-Rom Services, Inc. | Configurable system for alerting caregivers |
| US7253366B2 (en) | 2004-08-09 | 2007-08-07 | Hill-Rom Services, Inc. | Exit alarm for a hospital bed triggered by individual load cell weight readings exceeding a predetermined threshold |
| US7939282B2 (en) | 2004-10-21 | 2011-05-10 | Rhode Island Hospital | Methods for detecting sepsis |
| US7682308B2 (en) | 2005-02-16 | 2010-03-23 | Ahi Of Indiana, Inc. | Method and system for assessing fall risk |
| US9937090B2 (en) | 2005-03-29 | 2018-04-10 | Stryker Corporation | Patient support apparatus communication systems |
| JP2006271840A (ja) * | 2005-03-30 | 2006-10-12 | Hitachi Medical Corp | 画像診断支援システム |
| US20080194611A1 (en) | 2005-06-03 | 2008-08-14 | Alverdy John C | Modulation of Cell Barrier Dysfunction |
| US8045976B2 (en) | 2006-04-04 | 2011-10-25 | Aegis Mobility, Inc. | Mobility call management |
| US8336239B2 (en) | 2006-11-09 | 2012-12-25 | St. John Companies, Inc. | Wristband and clasp therefor |
| JP5079314B2 (ja) * | 2006-11-30 | 2012-11-21 | Ｔｏｔｏ株式会社 | トイレ装置 |
| US7612681B2 (en) | 2007-02-06 | 2009-11-03 | General Electric Company | System and method for predicting fall risk for a resident |
| US20080243787A1 (en) | 2007-03-30 | 2008-10-02 | Tyron Jerrod Stading | System and method of presenting search results |
| US8821418B2 (en) | 2007-05-02 | 2014-09-02 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
| WO2008154094A1 (en) | 2007-05-07 | 2008-12-18 | Your Choice Living, Inc. | Method and apparatus for tracking, documenting, and predicting fall-related activities |
| US7974689B2 (en) | 2007-06-13 | 2011-07-05 | Zoll Medical Corporation | Wearable medical treatment device with motion/position detection |
| US20090069642A1 (en) | 2007-09-11 | 2009-03-12 | Aid Networks, Llc | Wearable Wireless Electronic Patient Data Communications and Physiological Monitoring Device |
| US8206325B1 (en) | 2007-10-12 | 2012-06-26 | Biosensics, L.L.C. | Ambulatory system for measuring and monitoring physical activity and risk of falling and for automatic fall detection |
| US8150717B2 (en) | 2008-01-14 | 2012-04-03 | International Business Machines Corporation | Automated risk assessments using a contextual data model that correlates physical and logical assets |
| US8046625B2 (en) | 2008-02-22 | 2011-10-25 | Hill-Rom Services, Inc. | Distributed fault tolerant architecture for a healthcare communication system |
| US20170155877A1 (en) | 2008-05-06 | 2017-06-01 | Careview Communications, Inc. | System and method for predicting patient falls |
| WO2010041232A2 (en) | 2008-10-09 | 2010-04-15 | The Provost, Fellows And Scholars Of The College Of The Holy And Undivided Trinity Of Queen Elizabeth, Near Dublin | A method of estimating sepsis risk in an individual with infection |
| US8069471B2 (en) | 2008-10-21 | 2011-11-29 | Lockheed Martin Corporation | Internet security dynamics assessment system, program product, and related methods |
| 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 |
| US8647287B2 (en) | 2008-12-07 | 2014-02-11 | Andrew Greenberg | Wireless synchronized movement monitoring apparatus and system |
| US8271106B2 (en) * | 2009-04-17 | 2012-09-18 | Hospira, Inc. | System and method for configuring a rule set for medical event management and responses |
| US8671102B2 (en) | 2009-04-22 | 2014-03-11 | The Rand Corporation | Systems and methods for emerging litigation risk identification |
| US8823526B2 (en) | 2009-07-02 | 2014-09-02 | The Regents Of The University Of California | Method of assessing human fall risk using mobile systems |
| CN102469955B (zh) | 2009-07-10 | 2015-07-08 | 皇家飞利浦电子股份有限公司 | 确定用户的跌倒风险的方法和设备 |
| US8495583B2 (en) | 2009-09-11 | 2013-07-23 | International Business Machines Corporation | System and method to determine defect risks in software solutions |
| US20110301432A1 (en) | 2010-06-07 | 2011-12-08 | Riley Carl W | Apparatus for supporting and monitoring a person |
| US8525679B2 (en) | 2009-09-18 | 2013-09-03 | Hill-Rom Services, Inc. | Sensor control for apparatuses for supporting and monitoring a person |
| US8779924B2 (en) | 2010-02-19 | 2014-07-15 | Hill-Rom Services, Inc. | Nurse call system with additional status board |
| US20110251520A1 (en) | 2010-04-08 | 2011-10-13 | Yuan Ze University | Fall-risk Evaluation and Balance Stability Enhancement System and method |
| US9872637B2 (en) | 2010-04-21 | 2018-01-23 | The Rehabilitation Institute Of Chicago | Medical evaluation system and method using sensors in mobile devices |
| US8805641B2 (en) | 2010-05-18 | 2014-08-12 | Intel-Ge Care Innovations Llc | Wireless sensor based quantitative falls risk assessment |
| US8844073B2 (en) | 2010-06-07 | 2014-09-30 | Hill-Rom Services, Inc. | Apparatus for supporting and monitoring a person |
| MX2013001557A (es) | 2010-08-13 | 2013-06-28 | Respiratory Motion Inc | Dispositivos y metodos para el control de la variacion respiratoria mediante la medicion de volumenes, movimiento y variabilidad respiratoria. |
| WO2018085563A1 (en) | 2016-11-02 | 2018-05-11 | Respiratory Motion, Inc. | Respiratory early warning scoring systems and methods |
| US8725539B2 (en) | 2010-09-07 | 2014-05-13 | Premier Health Care Services Inc. | Systems and methods for providing a continuum of care |
| EP2619724A2 (en) | 2010-09-23 | 2013-07-31 | Stryker Corporation | Video monitoring system |
| US9934427B2 (en) | 2010-09-23 | 2018-04-03 | Stryker Corporation | Video monitoring system |
| US20120119904A1 (en) | 2010-10-19 | 2012-05-17 | Orthocare Innovations Llc | Fall risk assessment device and method |
| WO2012085791A1 (en) | 2010-12-22 | 2012-06-28 | Koninklijke Philips Electronics N.V. | System and method for providing medical caregiver and equipment management patient care |
| US20120248395A1 (en) | 2011-02-04 | 2012-10-04 | Donna Raye Stark | Fall-risk-reduction method and apparatus |
| US20140045758A1 (en) | 2011-02-21 | 2014-02-13 | The Trustees Of Columbia University In The City Of New York | Methods for Treating and Preventing Cardiac Dysfunction in Septic Shock |
| BR112013021982A2 (pt) | 2011-03-01 | 2018-06-12 | Koninklijke Philips N.V. | sistema e método de detecção da deterioração para detectar a deterioração de um paciente de uma instituição médica, infraestrutura de tecnologia da informação de uma instituição médica, processadores e meio de computador |
| US20120253233A1 (en) | 2011-03-31 | 2012-10-04 | Greene Barry | Algorithm for quantitative standing balance assessment |
| US8675920B2 (en) | 2011-04-04 | 2014-03-18 | Alarm.Com Incorporated | Fall detection and reporting technology |
| US20120316892A1 (en) | 2011-06-08 | 2012-12-13 | Huster Keith A | System and method of bed data aggregation, normalization and communication to third parties |
| US20130127620A1 (en) | 2011-06-20 | 2013-05-23 | Cerner Innovation, Inc. | Management of patient fall risk |
| US20130023798A1 (en) | 2011-07-20 | 2013-01-24 | Intel-Ge Care Innovations Llc | Method for body-worn sensor based prospective evaluation of falls risk in community-dwelling elderly adults |
| WO2013017972A2 (en) | 2011-07-29 | 2013-02-07 | Koninklijke Philips Electronics N.V. | Graphical presentation of ews/patient state |
| US9524424B2 (en) | 2011-09-01 | 2016-12-20 | Care Innovations, Llc | Calculation of minimum ground clearance using body worn sensors |
| US9861587B2 (en) | 2011-09-08 | 2018-01-09 | Rp Feed Components, Llc | Composition and method for treating ketosis in cows |
| US8856936B2 (en) | 2011-10-14 | 2014-10-07 | Albeado Inc. | Pervasive, domain and situational-aware, adaptive, automated, and coordinated analysis and control of enterprise-wide computers, networks, and applications for mitigation of business and operational risks and enhancement of cyber security |
| JP5740285B2 (ja) | 2011-10-31 | 2015-06-24 | 株式会社東芝 | 歩行分析装置及び歩行分析プログラム |
| US20130303860A1 (en) | 2011-11-21 | 2013-11-14 | Robert Bender | Systems and methods for use in fall risk assessment |
| US20130330745A1 (en) | 2011-12-20 | 2013-12-12 | Abbott Japan Co. Ltd. | Methods of prognosis and diagnosis in sepsis |
| US20140343889A1 (en) | 2012-01-13 | 2014-11-20 | Enhanced Surface Dynamics, Inc. | System and methods for risk management analysis of a pressure sensing system |
| US10307111B2 (en) | 2012-02-09 | 2019-06-04 | Masimo Corporation | Patient position detection system |
| US9213956B2 (en) | 2012-03-14 | 2015-12-15 | Hill-Rom Services, Inc. | Algorithm for predicting and mitigating adverse events |
| US20130296223A1 (en) * | 2012-03-30 | 2013-11-07 | Sciclone Pharmaceuticals, Inc. | Use of thymosin alpha for the treatment of sepsis |
| ES2794448T3 (es) | 2012-04-02 | 2020-11-18 | Astute Medical Inc | Procedimientos para el diagnóstico y pronóstico de sepsis |
| US9408561B2 (en) | 2012-04-27 | 2016-08-09 | The Curators Of The University Of Missouri | Activity analysis, fall detection and risk assessment systems and methods |
| US9433348B2 (en) | 2012-05-18 | 2016-09-06 | Koninklijke Philips N.V. | Method of rendering hemodynamic instability index indicator information |
| EP2666406A3 (en) | 2012-05-22 | 2013-12-04 | Hill-Rom Services, Inc. | Occupant egress prediction systems, methods and devices |
| US8736453B2 (en) | 2012-07-17 | 2014-05-27 | GlobeStar Systems, Inc. | Preemptive notification of patient fall risk condition |
| US10258257B2 (en) | 2012-07-20 | 2019-04-16 | Kinesis Health Technologies Limited | Quantitative falls risk assessment through inertial sensors and pressure sensitive platform |
| GB201212900D0 (en) | 2012-07-20 | 2012-09-05 | Binding Site Group The Ltd | Triage scoring system |
| WO2014018464A1 (en) | 2012-07-23 | 2014-01-30 | Astute Medical, Inc. | Methods and compositions for diagnosis and prognosis of sepsis |
| US9877667B2 (en) | 2012-09-12 | 2018-01-30 | Care Innovations, Llc | Method for quantifying the risk of falling of an elderly adult using an instrumented version of the FTSS test |
| US9538158B1 (en) | 2012-10-16 | 2017-01-03 | Ocuvera LLC | Medical environment monitoring system |
| US11410777B2 (en) | 2012-11-02 | 2022-08-09 | The University Of Chicago | Patient risk evaluation |
| CA2890873A1 (en) | 2012-11-12 | 2014-05-15 | Koninklijke Philips N.V. | Caregiver centric and acuity adapting multi-patient system |
| BR112015012301A2 (pt) | 2012-11-30 | 2020-04-22 | Koninklijke Philips Nv | método para estimar o risco de queda de um usuário, produto de programa de computador, aparelho para estimar um risco de queda para um usuário, dispositivo que é configurado para ser usado junto ao corpo de um usuário e sistema |
| JP6456839B2 (ja) | 2012-12-14 | 2019-01-23 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 活動状態及び姿勢に基づく亜急性患者の患者モニタリング |
| US20140244298A1 (en) | 2013-02-28 | 2014-08-28 | Hill-Rom Services, Inc. | Electronic room sign for healthcare information technology system |
| US10540478B2 (en) | 2013-03-12 | 2020-01-21 | Humana Inc. | Computerized system and method for identifying members at high risk of falls and fractures |
| US20140276504A1 (en) | 2013-03-13 | 2014-09-18 | Hill-Rom Services, Inc. | Methods and apparatuses for the detection of incontinence or other moisture, methods of fluid analysis, and multifunctional sensor systems |
| US9946840B1 (en) | 2013-03-14 | 2018-04-17 | Axon Acuity, Llc | Systems and methods for assessing staffing levels and predicting patient outcomes |
| US10543137B2 (en) | 2013-03-15 | 2020-01-28 | Stryker Corporation | Patient support apparatus with remote communications |
| US9320444B2 (en) | 2013-03-15 | 2016-04-26 | Stryker Corporation | Patient support apparatus with patient information sensors |
| US9833194B2 (en) | 2013-03-15 | 2017-12-05 | Stryker Corporation | Patient support apparatus with remote communications |
| US10524698B2 (en) | 2013-06-06 | 2020-01-07 | Koninklijke Philips N.V. | Fall detection system and method |
| EP3030576A4 (en) | 2013-08-07 | 2017-04-05 | University Of Rochester | Method of diagnosing sepsis or sepsis risk |
| US10483003B1 (en) | 2013-08-12 | 2019-11-19 | Cerner Innovation, Inc. | Dynamically determining risk of clinical condition |
| EP3043709B1 (en) | 2013-09-11 | 2019-06-19 | Koninklijke Philips N.V. | Fall detection system and method |
| US9734544B2 (en) | 2013-10-25 | 2017-08-15 | Cerner Innovation, Inc. | Integrating pre-hospital encounters into an electronic medical record |
| JP6403773B2 (ja) * | 2013-11-15 | 2018-10-10 | リーフ ヘルスケア インコーポレイテッド | ユーザモニタリング、ユーザの離床の検出又は予測、及びユーザの転倒条件特定のシステム |
| EP3068893A4 (en) | 2013-11-15 | 2017-10-11 | Astute Medical, Inc. | Methods and compositions for diagnosis and prognosis of sepsis |
| JP6241820B2 (ja) * | 2013-11-26 | 2017-12-06 | 国立大学法人鳥取大学 | 転落危険度算出システム及び通報システム |
| TWI539400B (zh) | 2013-12-18 | 2016-06-21 | 美思科技股份有限公司 | 臨床資訊管理系統 |
| US9892612B2 (en) | 2013-12-20 | 2018-02-13 | Koninklijke Philips N.V. | Method for responding to a detected fall and an apparatus for implementing the same |
| US20150193583A1 (en) | 2014-01-06 | 2015-07-09 | Cerner Innovation, Inc. | Decision Support From Disparate Clinical Sources |
| US20150201867A1 (en) | 2014-01-21 | 2015-07-23 | The Charlotte Mecklenburg Hospital Authority D/B/A Carolinas Healthcare System | Electronic free-space motion monitoring and assessments |
| US20180182471A1 (en) | 2014-01-24 | 2018-06-28 | Children's Hospital Medical Center | System for transforming patient medical record data into a visual and graphical indication of patient safety risk |
| FI20145128L (fi) | 2014-02-10 | 2015-08-11 | Murata Manufacturing Co | Varhainen akuutin kaatumisriskin havaitseminen |
| JP6454720B2 (ja) | 2014-03-14 | 2019-01-16 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 警報再生を用いる警報コンサルティングに関する警報設定の最適化 |
| DK3117030T3 (da) | 2014-03-14 | 2022-06-27 | Robert E W Hancock | Diagnosticering af sepsis |
| CA2945137C (en) | 2014-04-10 | 2024-01-16 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated patient monitoring |
| US20150342538A1 (en) | 2014-06-03 | 2015-12-03 | Welch Allyn, Inc. | Custom early warning scoring for medical device |
| US20150363567A1 (en) | 2014-06-13 | 2015-12-17 | T.K. Pettus LLC | Comprehensive health assessment system and method |
| US20160048654A1 (en) | 2014-08-12 | 2016-02-18 | Allscripts Software, Llc | Patient observations submission state engine |
| KR20170041907A (ko) * | 2014-08-14 | 2017-04-17 | 메메드 다이어그노스틱스 리미티드 | 매니폴드 및 초평면을 이용한 생물학적 데이터의 컴퓨터 분석법 |
| US20160055434A1 (en) | 2014-08-21 | 2016-02-25 | Lenovo Enterprise Solutions (Singapore) Pte. Ltd. | Dynamic risk assessment based product sampling |
| US20160085415A1 (en) | 2014-09-23 | 2016-03-24 | Koninklijke Philips N.V. | Multi-parameter, risk-based early warning and alarm decision support with progressive risk pie visualizer |
| US10786408B2 (en) | 2014-10-17 | 2020-09-29 | Stryker Corporation | Person support apparatuses with exit detection systems |
| US9711029B2 (en) | 2014-10-31 | 2017-07-18 | Hill-Rom Services, Inc. | Equipment, dressing and garment wireless connectivity to a patient bed |
| US9763629B2 (en) | 2014-11-07 | 2017-09-19 | Welch Allyn, Inc. | Medical device with context-specific interfaces |
| US9642967B2 (en) | 2014-11-18 | 2017-05-09 | Hill-Rom Services, Inc. | Catheter monitor integration with patient support, hygiene and healthcare communication systems |
| RU2017121610A (ru) | 2014-11-20 | 2018-12-20 | Конинклейке Филипс Н.В. | Способ оценки количественных показателей с помощью доверительного интервала при ограниченной частоте замеров жизненных показателей |
| US9619997B2 (en) | 2014-12-09 | 2017-04-11 | General Electric Company | System and method for physiological monitoring |
| EP3234834A1 (en) | 2014-12-15 | 2017-10-25 | Koninklijke Philips N.V. | Data-driven performance based system for adapting advanced event detection algorithms to existing frameworks |
| US20160174899A1 (en) | 2014-12-19 | 2016-06-23 | Withings | Wireless Connected Indoors Slipper and Wireless Connected Footwear and Associated Detection Methods |
| SG11201706096YA (en) | 2015-01-26 | 2017-08-30 | Stichting Sanquin Bloedvoorziening | Methods and systems for the detection and removal of pathogens from blood |
| US10052062B2 (en) | 2015-02-12 | 2018-08-21 | Hrl Laboratories, Llc | System and method for assistive gait intervention and fall prevention |
| WO2016133928A1 (en) | 2015-02-17 | 2016-08-25 | Massachusetts Institiute Of Technology | System and method for sepsis care task management |
| EP3280319A1 (en) | 2015-04-08 | 2018-02-14 | Koninklijke Philips N.V. | Cardiovascular deterioration warning score |
| MX2017012732A (es) | 2015-04-08 | 2017-11-30 | Koninklijke Philips Nv | Sistema para analisis automatizado de valores de laboratorio y notificacion de riesgo en unidad de cuidados intensivos. |
| EP3940609A1 (en) | 2015-04-30 | 2022-01-19 | Honeywell International Inc. | System for integrating multiple sensor data to predict a fall risk |
| US10127357B2 (en) | 2015-05-18 | 2018-11-13 | Zoll Medical Corporation | Mobile monitoring and patient management system |
| US11464457B2 (en) | 2015-06-12 | 2022-10-11 | ChroniSense Medical Ltd. | Determining an early warning score based on wearable device measurements |
| US10307084B2 (en) | 2015-06-30 | 2019-06-04 | Zibrio Inc. | Identifying fall risk using machine learning algorithms |
| US10973470B2 (en) * | 2015-07-19 | 2021-04-13 | Sanmina Corporation | System and method for screening and prediction of severity of infection |
| US11464456B2 (en) | 2015-08-07 | 2022-10-11 | Aptima, Inc. | Systems and methods to support medical therapy decisions |
| TWI578262B (zh) | 2015-08-07 | 2017-04-11 | 緯創資通股份有限公司 | 風險評估系統及資料處理方法 |
| US10206630B2 (en) | 2015-08-28 | 2019-02-19 | Foresite Healthcare, Llc | Systems for automatic assessment of fall risk |
| CN108348162B (zh) | 2015-08-31 | 2021-07-23 | 梅西莫股份有限公司 | 无线式病人监护***和方法 |
| US10445443B2 (en) | 2015-09-28 | 2019-10-15 | Freeport-Mcmoran Inc. | Ground support design tool |
| US20200185074A1 (en) * | 2015-10-08 | 2020-06-11 | Barbara Czerska | Healthcare delivery system |
| CA3001490C (en) | 2015-11-09 | 2024-03-19 | Wiser Systems, Inc. | Methods for synchronizing multiple devices and determining location based on the synchronized devices |
| US10653567B2 (en) | 2015-11-16 | 2020-05-19 | Hill-Rom Services, Inc. | Incontinence detection pad validation apparatus and method |
| WO2017087452A1 (en) | 2015-11-16 | 2017-05-26 | Hill-Rom Services, Inc. | Incontinence detection systems for hospital beds |
| EP3442417A1 (de) | 2016-01-07 | 2019-02-20 | Gunther Röder | Verfahren und vorrichtung zur sturzerkennung |
| US10692011B2 (en) | 2016-01-21 | 2020-06-23 | Verily Life Sciences Llc | Adaptive model-based system to automatically quantify fall risk |
| US10623424B2 (en) | 2016-02-17 | 2020-04-14 | Ziften Technologies, Inc. | Supplementing network flow analysis with endpoint information |
| EP3433614A4 (en) * | 2016-03-23 | 2019-12-11 | Peach Intellihealth, Inc. | USE OF CLINICAL PARAMETERS FOR THE PREDICTION OF SYSTEMIC INFLAMMATORY RESPONSE SYNDROME |
| WO2017189957A1 (en) | 2016-04-29 | 2017-11-02 | University Of Virginia Patent Foundation | Method, system and apparatus for remote patient monitoring or tracking of sepsis-related indicators |
| WO2018002769A1 (en) | 2016-06-28 | 2018-01-04 | Spotcheck | Automated health assessment system and method thereof |
| US10157536B2 (en) | 2016-08-08 | 2018-12-18 | Yair Zuckerman | Dispatch management platform for nurse call system |
| KR102573303B1 (ko) | 2016-09-01 | 2023-08-31 | 삼성전자 주식회사 | 자율 주행 방법 및 장치 |
| US9972187B1 (en) | 2016-11-13 | 2018-05-15 | Agility4Life | Biomechanical parameter determination for emergency alerting and health assessment |
| US10140833B1 (en) | 2016-11-16 | 2018-11-27 | Bear State Technologies, LLC. | Fall predictor and notification system |
| US20180150606A1 (en) | 2016-11-30 | 2018-05-31 | National Guard Health Affairs | Automatic medical condition detection and notification system |
| US20180177436A1 (en) | 2016-12-22 | 2018-06-28 | Lumo BodyTech, Inc | System and method for remote monitoring for elderly fall prediction, detection, and prevention |
| US11172892B2 (en) | 2017-01-04 | 2021-11-16 | Hill-Rom Services, Inc. | Patient support apparatus having vital signs monitoring and alerting |
| WO2018147942A1 (en) | 2017-02-13 | 2018-08-16 | Starkey Laboratories, Inc. | Fall prediction system and method of using same |
| US20180233018A1 (en) | 2017-02-13 | 2018-08-16 | Starkey Laboratories, Inc. | Fall prediction system including a beacon and method of using same |
| US20180277252A1 (en) * | 2017-03-17 | 2018-09-27 | Getwellnetwork, Inc. | Person Engagement Index for Providing Automated Personalized Healthcare Functions |
| US20180308027A1 (en) | 2017-04-25 | 2018-10-25 | General Electric Company | Apparatus and method for determining and rendering risk assessments to users |
| CN110891472B (zh) | 2017-04-28 | 2023-04-04 | 迈心诺公司 | 抽查测量*** |
| US10055961B1 (en) | 2017-07-10 | 2018-08-21 | Careview Communications, Inc. | Surveillance system and method for predicting patient falls using motion feature patterns |
| JP7030853B2 (ja) | 2017-07-28 | 2022-03-07 | グーグル エルエルシー | 電子健康記録から医療イベントを予測して要約するためのシステムおよび方法 |
| US10561549B2 (en) | 2017-07-28 | 2020-02-18 | Hill-Rom Services, Inc. | Bed-based safety protocol control |
| US20190051383A1 (en) | 2017-08-09 | 2019-02-14 | Wayne State University | Intelligent sepsis alert |
| EP3451235B1 (en) | 2017-08-29 | 2021-06-02 | Hill-Rom Services, Inc. | Rfid tag inlay for incontinence detection pad |
| US10957445B2 (en) | 2017-10-05 | 2021-03-23 | Hill-Rom Services, Inc. | Caregiver and staff information system |
| US11908581B2 (en) | 2018-04-10 | 2024-02-20 | Hill-Rom Services, Inc. | Patient risk assessment based on data from multiple sources in a healthcare facility |
| US11504071B2 (en) | 2018-04-10 | 2022-11-22 | Hill-Rom Services, Inc. | Patient risk assessment based on data from multiple sources in a healthcare facility |
-
2019
- 2019-04-04 US US16/374,820 patent/US11504071B2/en active Active
- 2019-04-05 CN CN201980001288.5A patent/CN111542260A/zh active Pending
- 2019-04-05 WO PCT/US2019/026044 patent/WO2019199606A2/en active Application Filing
- 2019-04-08 CA CA3039440A patent/CA3039440C/en active Active
- 2019-04-09 JP JP2019073964A patent/JP6704076B2/ja active Active
- 2019-04-09 EP EP19168199.8A patent/EP3553786A1/en active Pending
- 2019-04-10 AU AU2019202495A patent/AU2019202495A1/en not_active Abandoned
-
2020
- 2020-05-01 JP JP2020081500A patent/JP6896915B2/ja active Active
-
2021
- 2021-02-01 AU AU2021200631A patent/AU2021200631A1/en not_active Abandoned
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050159987A1 (en) * | 1999-06-23 | 2005-07-21 | Visicu, Inc. | System and method for standardizing care in a hospital environment |
| US20030179099A1 (en) * | 2002-03-20 | 2003-09-25 | Perea Levi J. | Signaling device for annunciating a status of a monitored person or object |
| US20120271654A1 (en) * | 2006-01-20 | 2012-10-25 | Telemedicine Solutions Llc | Method and System for Wound Care and Management Output |
| US20070255596A1 (en) * | 2006-04-17 | 2007-11-01 | Duckert David W | Remote health application for the optimization of remote site visit frequency |
| US20090105550A1 (en) * | 2006-10-13 | 2009-04-23 | Michael Rothman & Associates | System and method for providing a health score for a patient |
| US20080161700A1 (en) * | 2006-12-27 | 2008-07-03 | Cardiac Pacemakers, Inc. | Inter-relation between within-patient decompensation detection algorithm and between-patient stratifier to manage hf patients in a more efficient manner |
| US20090216556A1 (en) * | 2008-02-24 | 2009-08-27 | Neil Martin | Patient Monitoring |
| US7994900B1 (en) * | 2008-03-21 | 2011-08-09 | West-Com Nurse Call Systems, Inc. | Mini-dome, nurse call visual communication system |
| US20130267791A1 (en) * | 2008-05-12 | 2013-10-10 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
| US20130152950A1 (en) * | 2010-06-04 | 2013-06-20 | Brandon Cuongquoc Giap | Patient positioning device |
| WO2017091726A1 (en) * | 2015-11-23 | 2017-06-01 | The Regents Of The University Of Colorado, A Body Corporate | Personalized health care wearable sensor system |
| WO2017153120A1 (en) * | 2016-03-07 | 2017-09-14 | Koninklijke Philips N.V. | System and method for implementing a chair rise test |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114172926A (zh) * | 2020-08-21 | 2022-03-11 | 希尔-罗姆服务公司 | 具有无线枕边扬声器的无线缆型床 |
| CN111816286A (zh) * | 2020-08-28 | 2020-10-23 | 创智和宇信息技术股份有限公司 | 一种移动查房数据处理方法及*** |
| CN114305916A (zh) * | 2020-09-28 | 2022-04-12 | 希尔-罗姆服务公司 | 自动识别压力性损伤 |
| CN112200986A (zh) * | 2020-10-09 | 2021-01-08 | 遂宁市第一人民医院 | 一种临床用任务提醒装置及其控制方法 |
| CN113555123A (zh) * | 2021-08-27 | 2021-10-26 | 复旦大学附属中山医院 | 胆囊癌患者放化疗后生存获益的预测模型建立方法 |
| TWI795044B (zh) * | 2021-10-21 | 2023-03-01 | 動顏有限公司 | 腹音即時監聽系統及其應用方法 |
| WO2024046401A1 (zh) * | 2022-08-30 | 2024-03-07 | 南京迈瑞生物医疗电子有限公司 | 手术床状态预警的方法、***、手术床和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6704076B2 (ja) | 2020-06-03 |
| WO2019199606A2 (en) | 2019-10-17 |
| US11504071B2 (en) | 2022-11-22 |
| WO2019199606A3 (en) | 2020-07-23 |
| CA3039440C (en) | 2023-07-18 |
| AU2021200631A1 (en) | 2021-03-04 |
| JP2020129396A (ja) | 2020-08-27 |
| CA3039440A1 (en) | 2019-10-10 |
| JP2019207684A (ja) | 2019-12-05 |
| US20190307405A1 (en) | 2019-10-10 |
| EP3553786A1 (en) | 2019-10-16 |
| AU2019202495A1 (en) | 2019-10-24 |
| JP6896915B2 (ja) | 2021-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6896915B2 (ja) | 医療施設の複数のソースからのデータに基づく患者リスク評価 | |
| US11908581B2 (en) | Patient risk assessment based on data from multiple sources in a healthcare facility | |
| CN112151172A (zh) | 基于来自医疗机构中多种来源的数据的患者风险评估 | |
| US20200066415A1 (en) | Interfaces displaying patient data | |
| Pramanik et al. | Internet of things, smart sensors, and pervasive systems: Enabling connected and pervasive healthcare | |
| US9549705B2 (en) | Apparatuses for supporting and monitoring a condition of a person | |
| Hravnak et al. | Defining the incidence of cardiorespiratory instability in patients in step-down units using an electronic integrated monitoring system | |
| US8844073B2 (en) | Apparatus for supporting and monitoring a person | |
| US20100036269A1 (en) | Circulatory monitoring systems and methods | |
| US20090287120A1 (en) | Circulatory monitoring systems and methods | |
| US20100036209A1 (en) | Circulatory monitoring systems and methods | |
| US20090287109A1 (en) | Circulatory monitoring systems and methods | |
| US20090287101A1 (en) | Circulatory monitoring systems and methods | |
| CN110786860B (zh) | 用于患者翻身检测和确认的*** | |
| US20090287093A1 (en) | Circulatory monitoring systems and methods | |
| Sahu et al. | Vital sign monitoring system for healthcare through IoT based personal service application | |
| US20210065856A1 (en) | Patient management based on sensed inputs | |
| EP3767637A1 (en) | Personalized baselines, visualizations, and handoffs | |
| CN112786199A (zh) | 显示患者数据的界面 | |
| US20090292213A1 (en) | Circulatory monitoring systems and methods | |
| KR20040034164A (ko) | 간병용로봇장치 및 간병로봇 모니터링시스템 | |
| US20170255750A1 (en) | System and method for recommending a discharge moment | |
| US20230190209A1 (en) | Personalized alarm settings | |
| Chirchi et al. | Context Monitoring of Patients using Wireless Network | |
| Park et al. | Development of the wellbeing life support system in ubiquitous |
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: 20200814 |