CN111554396B - 用于集中患者监测管理的方法和*** - Google Patents
用于集中患者监测管理的方法和*** Download PDFInfo
- Publication number
- CN111554396B CN111554396B CN202010078424.5A CN202010078424A CN111554396B CN 111554396 B CN111554396 B CN 111554396B CN 202010078424 A CN202010078424 A CN 202010078424A CN 111554396 B CN111554396 B CN 111554396B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- technician
- patient
- alarm
- station
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012806 monitoring device Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000004044 response Effects 0.000 claims description 52
- 230000002459 sustained effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 41
- 230000000694 effects Effects 0.000 description 24
- 238000004891 communication Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 101710122864 Major tegument protein Proteins 0.000 description 1
- 101710148592 PTS system fructose-like EIIA component Proteins 0.000 description 1
- 101710169713 PTS system fructose-specific EIIA component Proteins 0.000 description 1
- 101710199973 Tail tube protein Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/14—Central alarm receiver or annunciator arrangements
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Emergency Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明题为“用于集中患者监测管理的方法和***”。本发明公开了一种从多个患者监测设备接收患者监测数据的集中监测单元(CMU),所述CMU包括至少两个监测技术员站和一个任务分配管理模块。每个监测技术员站被配置成向CMU技术员呈现针对一组患者中的每个患者的警报。所述任务分配管理模块可由处理***执行以基于针对所述一组患者中的患者的警报来计算每个监测技术员站的负荷指数。每个监测技术员站的所述负荷指数基于警报数量、每个警报的警报类型、每个警报的严重性以及监测技术员站持续报警的持续时间中的至少一者来计算。然后基于所述负荷指数来在至少两个监测技术员站之间分配所述多个患者。
Description
背景技术
本发明整体涉及患者监测,并且更具体地涉及用于集中监测单元(CMU)处的集中患者监测管理的方法和***,该CMU从患者监测设备接收针对整个医疗设施或多个医疗设施中的多个不同患者的患者监测数据。
在医院环境中,监护病房使用各种医疗设备来监测患者和/或为患者提供治疗。这些设备各自生成警报,这些警报代表了所指示的事件的严重程度,范围是从例程到关键。
自动报警可有利于在算法上确定何时发生与患者监测设备或患者治疗设备相关的事件。这些算法通常将来自医疗设备的一个或多个参数与一个或多个预定义阈值设置进行比较,或者以其他方式进行模式匹配或其他波形分析来标记潜在问题。警报算法可以是阈值比较,但也可以包括逻辑组合并使用布尔和/或模糊逻辑和/或模式匹配。这些自动警报可以有利于使临床医生注意事件的检测和/或发生。另外,每个监测、处理和/或支持设备或***可生成关于监测和/或护理递送设备或装置的技术问题的警报(即,技术警报)。这些技术警报可指示各种技术问题中的任何一种,诸如传感器设备与患者或与监测设备断开、电量低或设备本身或与患者的连接的一些其他技术问题。
虽然每个警报可指示一些重要性或相关性的情况或事件,但是在常规护理期间可以产生大量警报,并且这些警报可能给受打扰(例如被唤醒或关注警报事件)的患者以及必须将时间和注意力从其他护理、任务或活动转移到警报的临床医生两者带来负担。大量临床上不相关的警报可能使临床医生形成警报疲劳,由此对大量警报的关注可能会减慢对警报(包括指示重要或关键事件的警报)的识别或响应。
发明内容
在一个实施方案中,一种从多个患者监测设备接收患者监测数据的集中监测单元(CMU)包括至少两个监测技术员站和一个任务分配管理模块。每个患者监测设备提供针对多个患者中的一个的监测数据。接收并显示分配到监测技术员站的一组患者中的每个患者的患者监测数据。每个监测技术员站被配置为向监测技术员站处的CMU技术员呈现针对这组患者中的每个患者的警报。任务分配管理模块可由处理***执行以基于针对分配给相应监测技术员站的这组患者中的患者的警报来计算每个监测技术员站的负荷指数。基于监测技术员站处的警报数量、监测技术员站处的每个警报的警报类型、监测技术员站处的每个警报的严重性以及监测技术员站持续报警的持续时间中的至少一者来计算每个监测技术员站的负荷指数。然后基于监测技术员站中的每一个的负荷指数在所述至少两个监测技术员站之间分配所述多个患者。
在一个实施方案中,一种在CMU处的集中患者监测管理方法包括从多个患者监测设备接收患者监测数据,每个患者监测设备提供针对多个患者中的一个的患者监测数据。将多个患者中的每一个分配到至少两个监测技术员站中的一个。基于分配给相应监测技术员站的这组患者中的患者的警报来为每个监测技术员站计算负荷指数。基于监测技术员站处的警报数量、监测技术员站处的每个警报的警报类型、监测技术员站处的每个警报的严重性以及监测技术员站持续报警的持续时间中的至少一者来计算每个监测技术员站的负荷指数。
从以下结合附图的描述中,本发明的各种其他特征、目的和优点将变得显而易见。
附图说明
附图示出了目前设想的执行本公开的最佳模式。在附图中:
图1示意性地描绘了从多个医疗设施中的患者监测设备接收患者监测数据的集中监测单元的示例性实施方案。
图2是表示中央计算***的框图,该中央计算***具有可执行以执行如本文所述的负荷管理功能的任务分配管理模块。
图3A示出了针对分配给CMU技术员的一组示例性患者在一段时间内的警报活动的示例性列表。
图3B示出了用于计算与报警类型和护理活动类型相关联的负担值的示例性计划表。
图4至图10描绘了CMU处的集中患者监测管理方法或其部分的各种实施方案。
具体实施方式
医疗设备警报有助于使临床医生注意警报,这些警报可关于患者监测装置或设备的技术问题或从该患者记录的生理数据中检测到的生理事件。然而,考虑到生成(常常同时生成)警报的患者监测设备和其他护理设备的数量,警报响应可能会使临床医生负担过重和倍受打扰,并妨碍有效地管理和响应警报,其中一些警报是针对严重的与健康有关的紧急情况。如果引发的警报太多,临床医生可能会遭受警报疲劳,并且如果生成听觉警报,则听到警报的患者很可能会感到不安。
因此,需要能够接收并处理患者监测数据和警报信息以及确定哪些警报需要临床医生来响应的有效监测管理***。在一个实施方案中,集中监测单元(CMU)从连接到多个不同患者的多个患者监测设备接收患者监测数据,并且有利于CMU技术员对针对每个患者的警报进行评估。CMU技术员评估警报,诸如以确定警报是否需要临床医生去探视患者,然后有利于向响应临床医生通知警报。发明人已认识到,在这种CMU中,技术员也可能负担过重,尤其是在CMU技术员可被分配给生成特别大量的警报或尤其是重复或严重警报的一组患者的情况下。因此,发明人已认识到,CMU技术员在CMU中的监测技术员站工作时需要实现工作量管理的***和功能,包括工作量估计、资源评估和负荷均衡。
图1描绘了与多个患者监测设备16进行通信并从其接收患者监测数据(包括警报相关数据)的集中监测单元(CMU)30的一个示例性实施方案。在图1所描绘的实施方案中,CMU 30从在两个医疗设施18a和18b处监测多个不同患者3的多个患者监测设备16接收患者监测数据。在某些实施方案中,CMU 30可与一个医疗设施18a(诸如医院)内的患者监测设备16a至16c相关联并从其接收患者监测数据。在这样的一个实施方案中,CMU 30可位于医疗设施18a内或可远程定位。在其他实施方案中,CMU 30可从医院或提供商网络内的多个医疗设施(诸如从多个医院、门诊设施、医疗诊所等)的患者监测设备16接收患者监测数据。在医疗设施18a、18b内,患者监测设备16可位于多个医疗监护病房中。每个医疗监护病房可特定于特定类型的护理。医疗监护病房的非限制性示例包括但不限于医疗遥测单元、降压单元、急诊室、重症监护病房、专业重症监护病房(例如心血管ICU)、新生儿和/或儿科监护病房、术后监护病房等。
CMU 30包括两个或更多个监测技术员站(MTS)32(例如,32a至32c)。CMU 30可从收集和监测患者3a至3c的生理数据的任意数量的两个或更多个患者监测设备16a至16c接收患者监测数据。每个患者3a至3c经由CMU 30被分配到MTS 32a至32c中的一个,使得每个MTS32a至32c具有被分配的一组患者,每个MTS有利于相应的CMU技术员36a至36c针对这些患者进行监测。在另一个实施方案中,CMU技术员可手动地将患者接到他们的站,诸如看到新患者需要分配并且手动地接受到其相应MTS 32a至32c的分配。患者监测设备16a至16c可为收集和/或评估来自患者3a至3c的生理数据的任何设备。示例包括心电图仪(ECG)、非侵入性血压监测仪(NIBP)、侵入性血压监测仪、Sp02监测仪、脑电图仪(EEG)、呼吸监测仪,或能够收集生理或其他患者监测数据的任何其他监测设备。通常,多个患者监测设备可连接到每个患者3a至3c。来自每个患者监测设备16a至16c的患者监测数据被传输至CMU 30,诸如经由医疗设施18a的计算机网络和/或互联网传输。
CMU技术员操作每个MTS 32以便查看患者监测数据并评估来自多个不同患者(例如,3a至3c)的警报。CMU技术员针对接到或分配到CMU技术员MTS 32的一组患者中的每个患者3评估来自患者监测设备16的患者监测数据。参考图1中的示例,第一MTS 32a可以被配置为接收并显示向其分配的一组患者5中的每个患者3a至3c的患者监测数据,并且向CMU技术员36a呈现针对这组患者5中的每个患者3a至3c的警报。然后,CMU技术员36a评估与每个警报相关联的患者监测数据。在某些实施方案中,警报通知还可经由辅助警报通知***自动发送至护理人员或监护团队;然而,在大多数情况下,CMU技术员36a仍需要进行一定程度的评估。例如,CMU技术员36a评估患者监测数据以确定该警报是需要由响应临床医生或技术员响应的警报,还是假警报(例如,由噪声信号引起)或者换句话说不需要临床医生造访患者位置(以物理地评估和/或治疗患者)并且不需要技术员到达患者位置(以评估患者监测设备和/或附接到患者的传感器)。
CMU 30包括中央计算***40,该中央计算***包括任务分配管理模块42,该任务分配管理模块为包括用于管理到两个或更多个监测技术员站32a至32c的工作量分配的计算机可执行指令的软件模块。每个监测技术员站(MTS)32a至32c包括一个或多个显示器33,这些显示器可在视觉上向CMU技术员36a至36c呈现各个患者的患者监测数据。每个MTS 32a至32c还包括一个或多个用户输入设备34,CMU技术员可通过该一个或多个用户输入设备输入信息和/或在图形显示器33上提供的中央监测用户界面中导航。每个CMU技术员36a至36c评估与每个警报相关的患者监测数据,并且在适当情况下经由MTS 32处的用户输入设备(诸如鼠标、键盘、触控板、触摸屏、语音识别***或任何其他标准或非标准用户输入设备或***)来记录评估。另选地,记录可在纸上进行。
在一个实施方案中,每个MTS 32a至32c包括其自身的通信地连接到中央计算***40的计算***,并运行显示器33和接收来自用户输入设备34的输入,以促进CMU技术员36a至36c的操作相应MTS 32a至32c的功能。另选地,每个MTS 32a至32c可在中央计算***40上操作,该中央计算***可被配置为运行中央监测用户界面(例如,云计算环境)的多个实例。
每个MTS 32被配置为促进向至少一个响应临床医生8分配警报响应或其他患者治疗或评估,该至少一个响应临床医生可为由多于一个临床医生组成的监护团队。例如,CMU技术员36可操作在MTS 32处提供的集中监测用户界面以将响应临床医生8链接至针对患者的警报。集中监测用户界面可促进CMU技术员36和响应临床医生8之间的通信,诸如通过允许每个MTS与临床医生设备48(诸如智能电话或其他个人计算设备)之间的文本和/或语音通信。例如,临床医生设备48可以是运行提供集中监测用户界面的应用程序的个人计算设备,该集中监测用户界面促进向临床医生8传送警报分配和/或临床医生8与CMU技术员36之间关于任务分配、患者状况和/或临床医生8是否能够对警报分配作出响应的通信。例如,临床医生8可利用临床医生设备48接受或拒绝所分派的警报,并且可将该接受或拒绝传送给在对应MTS 32a至32c处的CMU技术员。如果临床医生8拒绝所分派的警报,则CMU技术员36可将警报分配给不同的响应临床医生或自动地升级到另一个指定的临床医生,诸如经由集成的辅助警报通知解决方案。一旦这样做,每个响应临床医生的任务分配可与每个患者保持在一起,而无论患者或患者组如何在MTS 32a至32c之间的转移。因此,当特定患者被重新分配到不同的MTS 32a至32c时,针对该患者的警报响应的通知可自动与该患者一起移动,使得通知继续路由至相同的响应临床医生或一组临床医生。
每个患者监测设备16示例性地通过本地网络通信地连接,本地网络可以由本地服务器20操作,本地服务器可以示例性地操作和处理来自某个区域(诸如医院或监护病房)中的每个患者监测设备16的数据。在CMU 30在单个医院或其他位置处实现的示例性实施方案中,本地服务器20可与中央计算***40直接通信。在更分布式或基于云的实现中,通信网关22可将本地服务器20通信地连接到CMU 30的中央计算***40。同样如图1所示,中央计算***40示例性地通过本地服务器20和通信网关22中的至少一者来示例性地接收针对每个患者监测设备16的警报数据20和患者监测数据50,并且经由对应的MTS 32a至32c使所分配的CMU技术员36a至36c能够访问这些数据。
患者监测数据被接收的每个患者3a至3c被分配到MTS 32a至32c中的一个,以便由操纵该MTS的相应CMU技术员36a至36c进行检查。因此,每个MTS 32a至32c具有向其分配的一组两个或更多个患者3a至3c。在图1中,将患者3a至3c的代表性组5分配到MTS 32a中的第一个,将其他组患者(未示出)分配到其他两个MTS 32b至32c中的每一个。可通过本文所述的各种方法将被监测的多个患者3分开并在分配到各个MTS 32a至32c的组5中进行分配。还如下文所述,持续管理患者到MTS 32a至32c的分配,使得针对在CMU 30处监测的所有患者的工作量以有效和公平的方式在所有MTS 32a至32c中分配,使得没有单个CMU技术员36a至36c比其他技术员负担过重并且使得能够以最迅速和最有效的方式评估所有警报。
任务分配管理模块42如本文所述操作以计算每个MTS 32a至32c的负荷指数,并基于负荷指数和活动警报将患者任务分配重新分配到各个MTS 32a至32c,以便在由CMU技术员36a至36c操作的所有MTS 32a至32c上高效且有效30地分配CMU的总警报负荷。因此,虽然在接收时患者可最初被分配到特定的监测技术员站32a至32c,但该分配可基于总警报负荷和/或基于在任何特定MTS 32a至32c处的负荷而随着时间推移变化。在一个示例中,患者可最初被分配到在分配时具有最低负荷指数的监测技术员站32a至32c,诸如在接收患者时或在接收到该新患者的初始监测数据时。另选地,初始分配或入院可基于操纵每个相应MTS32a至32c的CMU技术员36a至36c的专业知识。新患者到MTS 32a至32c的初始分配可由任务分配管理模块42自动执行,诸如基于当前负荷指数(基于当前任务分配),或者建议MTP,在执行任务分配之前由监督任务分配的***管理员或管理者为该MTP分配患者以进行确认。然后可基于每个MTS 32a至32c的负荷指数、每个MTS 32a至32c的预测负荷指数、CMU 30的总警报负荷、CMU技术员36a至36c(他们可换班等)的特定技能水平和/或专业知识,或本文所公开的任何其他各种因素来将对患者随时间推移的持续监测转移到各个MTS 32a至32c。
在一个实施方案中,CMU 30容纳任务分配管理模块42,该任务分配管理模块包括容纳在软件202中并且可由包括在处理***206中的一个或多个处理器44执行的计算机可执行指令。如图2的***图所示,任务分配管理模块42被配置为接收患者监测数据50和各种其他输入和计划表,并且为CMU 30的每个MTS 32计算负荷指数72,并且进行患者3到每个MTS 32的MTS任务分配70以便为CMU 30分配警报负荷。在所描绘的示例中,任务分配管理模块42接收针对在MTS 32中的一个处被监测的每个患者3的活动警报通知52。活动警报通知52标识报警设备和警报类型中的一者或多者,并且还可标识触发警报的生理测量值,尤其用于限制警报(参见图5B和下文的相关讨论)。活动警报通知52还可标识与警报相关的患者3a。任务分配管理模块42然后基于在那里处理的活动警报来计算每个MTS 32的负荷指数72。在某些实施方案中,可还基于在相应MTS 32处的CMU技术员的技术员响应输入54来计算每个MTS 32的负荷指数72。技术员响应输入54可包括对活动警报的确认以及在相应MTS 32处对集中监测用户界面的用于评估活动警报的其他输入,诸如查看患者的患者监测数据和/或被视为警报评估的一部分的患者健康信息或其他相关信息。例如,技术员响应输入54可包括经由MTS 32处的用户输入设备34的窗口或按钮选择、信息输入等。可跟踪此类信息以确定CMU技术员已采取了哪些检查和响应动作。
技术员响应输入54还可包括临床医生通信,诸如与响应临床医生8或响应技术员的通信,和/或与其他临床医生、技术员或主题专家的会诊。此类信息可在计算负荷指数72时考虑,诸如以确定实际响应时间78,即对特定警报进行响应已消耗的实际时间量。在某些实施方案中,还可基于MTS 32处经历的持续报警的总持续时间来计算负荷指数72,该总持续时间为CMU技术员连续处理警报的总时间,其中警报之间无间断或警报之间的时间小于预先确定的时间量。
另外,可将实际响应时间78与预期响应持续时间进行比较,诸如基于警报类型所确定的预期响应持续时间。例如,可在一个或多个负担值计划表58中提供预期响应持续时间。负担值计划表58(在图3B中举例说明)提供针对可由患者监测设备16生成的各种警报类型中的每一种的预期响应信息,该患者监测设备向CMU 30提供患者监测数据50。例如,负担值计划表58可提供针对每个警报类型的预期响应持续时间,其列出评估活动警报所需的预期时间量,确定是否需要临床医生响应以及将该事件移交给响应临床医生8。负担值计划表58还可标识警报类型的预期复杂性,诸如以表示CMU技术员将需要多少注意力和精力来评估和/或分配该特定警报类型的活动警报。此外,负担值计划表58可按警报类型指定预期记录持续时间,诸如指定完成技术员评估和分配的记录和/或记录与警报相关的任何其他信息所需的持续时间。例如,预期记录持续时间可表示将警报分配给响应临床医生8和/或确定不需要临床医生响应并静默或终止警报条件之后所需的时间段。
在计算每个MTS 32的负荷指数72时,任务分配管理模块42可考虑负担值计划表58,诸如基于每个相应警报的类型来确定在MTS 32处寻址的每个活动警报的负担值,并且指示由每个相应警报引起的CMU技术员的估计负担。在某些实施方案中,任务分配管理模块42可被配置为在确定负荷指数和/或确定应与相应负荷指数进行比较的每个单独MTS 32的负荷阈值时进一步评估负荷阈值计划表60。例如,负荷阈值计划表60可列出关于在相应MTS32处的CMU技术员的技能水平的信息。技能水平信息可以各种方式使用。例如,技能水平信息可用于修改负担值计划表58中的信息。例如,可基于技术员技能水平向负担值计划表58中的信息提供乘数,以说明可能对警报作出响应的CMU技术员(例如,36a至36c)的不同能力。例如,经验不足的技术员可能需要较长的时间来评估和响应警报,并且其响应的复杂性可增加,诸如由于需要与另一个技术员和/或主题专家进行会诊。相反,经验丰富的技术员可能够更快且高效地评估警报条件并对其作出响应。因此,对于相同的警报类型,经验不足的技术员计算的负担值可能高于经验丰富的技术员的负担值。
在一个实施方案中,可针对每个患者计算患者负担值,并且任务分配管理模块42然后可计算每个MTS 32的负荷指数72来作为向其分配的患者的患者负担值的总和。图10是示出基于患者特定值计算负荷指数72的一个此类示例的流程图。在步骤180处,针对每个患者计算患者负担值。可基于如本文所述的警报负担值计划表来计算患者负担值。例如,参考图3A,可基于针对该患者所列出的活动并使用适当的负担值计划表来计算每个患者(例如,患者234、患者345等)的负担值。然后,基于在步骤182处标识的每个MTS 32的一组患者,在步骤184处计算负荷指数。相应MTS 32的负荷指数72基于患者负担值来确定,诸如分配给特定MTS 32的一组患者5的患者负担值的总和。然后在步骤186处将负荷指数72与阈值进行比较,以识别是否存在任何超负荷的MTS 32。基于据MTS负荷指数,任务分配管理管理者随后可通过优化算法确定并提供重新分配推荐,从而平衡CMU中的MTS的负荷水平。
技术员技能水平可用于计算针对每个技术员的用来与负荷指数进行比较的负荷阈值。例如,经验不足的CMU技术员可被分配比经验丰富的技术员低的负荷阈值。在某些实施方案中,可将针对每个MTS 32计算的负荷指数72与分配给在该MTS 32处工作的CMU技术员的负荷指数进行比较。如果负荷指数72超过相应的负荷阈值,则该MTS 32可被识别为超负荷MTS,指示需要重新分配一个或多个患者以便调节警报负荷分布。
负荷阈值计划表60还可包括其他负荷平衡因素和/或公式,诸如说明在分配每个活动警报的负担值和/或每个CMU技术员的负荷阈值时的各种考虑因素。附加的负荷平衡因素的示例可包括用于说明诸如临床医生疲劳之类的因素的修改因子(例如,以在临床医生承受高压力或高负荷一段时间后减轻其负荷)。另选地或除此之外,负荷阈值计划表60可包括关于如何在CMU 30的所有MTS 32a至32c之间平衡总警报负荷的公式和/或其他信息。除了负荷指数72之外,还可考虑其他因素,诸如各MTS 32a至32c之间的负荷指数之间的差异。例如,负荷阈值计划表60可包括可能还触发负荷再平衡的负荷指数72之间的阈值差。
负荷再平衡还可说明指示未来负荷的预测值,因此再平衡可在负荷指数72超过负荷阈值之前发生。例如,任务分配管理模块42可计算每个MTS 32的预测负荷指数74。预测负荷指数可说明若干因素中的任一个,包括实际响应时间78和/或技术员响应输入54。例如,技术员可指示响应将超过预期响应持续时间和/或基于特定警报类型而具有异常高的复杂性。可相应地向上修改负荷指数72或预测负荷指数74,另选地或除此之外,预测负荷指数74可说明警报概率76,警报概率指示基于患者监测数据50或相关患者信息在预先确定的未来时间段内生成警报的概率。例如,对于某些监测设备,随着监测值接近警报极限,可增大警报概率76。另选地或除此之外,可以基于针对特定患者的其他活动警报和/或基于诸如诊断或病史的患者信息来增加针对该患者3或患者监测设备16的警报概率76。例如,严重ECG警报之后可紧跟由其他患者监测设备生成的警报,诸如血压和/或SpO2。因此,高警报概率值可说明那些随后的警报,这些警报可反映在特定MTS 32的预测负荷指数74中。类似地,对于具有某些诊断或病史的患者,某些警报在预定义的条件下可能更有可能。警报概率76可说明此类信息,并且因此可在检测到那些预定义的条件或模式时增大。
在某些实施方案中,任务分配管理模块42还可接收或计算代表所有MTS 32a至32c上的警报负荷的总警报负荷80。在一个示例中,总警报负荷80为针对CMU 30的当前操作的MTS 32a至32c的所有负荷指数72的总和。在另一个实施方案中,总警报负荷80可基于负荷指数72,并且在一些实施方案中还基于预测负荷指数74来确定。在某些实施方案中,任务分配管理模块42可被配置为说明CMU 30的总警报负荷80,诸如以确保负荷不会以不公平的方式被分配而导致某些CMU技术员的负荷比其他技术员更多。
在一个实施方案中,基于指示在评估负荷时要考虑的因素的负担值计划表来进行负荷确定。图3B描绘了示例性负担值计划表58,其提供了CMU技术员可能参与的警报类型和其他监护活动类型的不完全列表,使得在负荷指数72的计算中考虑对CMU技术员的大多数或全部需求。每个警报类型和/或活动类型与在确定每个活动警报的负担值时可考虑的各种信息相关联。在所描绘的示例中,负担值计划表列出了每个警报类型的预期响应持续时间和预期记录持续时间。在某些实施方案中,负担值计划表58还可包含预期复杂性值和/或允许基于其中指示的值计算预期复杂性。在所描绘的示例中,每个警报类型和监护活动类型被分到三个预期复杂性值(低、中、高)中的一个。较高的复杂性值可反映在与该警报类型相关联的更高负担值中。
在各种实施方案中,负担值计划表58可在安装CMU 30时被配置和提供,并且作为***维护的一部分进行维护和更新。另选地或除此之外,计划表可以是可配置的,诸如由CMU 30的***管理员来配置。因此,可调节负担值计划表58以说明运行CMU 30的医疗保健环境中的特定现实。在其他实施方案中,任务分配管理模块42可被配置为基于在CMU 30处的实际发生和操作来自动地调节负担值计划表58。例如,任务分配管理模块42可采用机器学习算法来更新负担值计划表58,诸如基于各种警报类型的实际响应时间78和实际记录持续时间来更新负担值计划表中的预期响应持续时间和/或预期记录持续时间值。同样,可更新复杂性值,诸如基于针对特定警报类型所测量的技术员响应输入54,该响应输入与在负担值计划表58中反映的预期响应输入相比较。在某些实施方案中,机器学习可用于维持每个CMU技术员36a至36c的负担值计划表58,诸如以准确预测该技术员的响应时间和记录时间,并且因此更准确地预测相应CMU技术员36a至36c可有效地处理的负荷量。
图3A提供了分配给特定MTS 32的一组患者5的警报活动细节的示例性列表。在该示例中,这组患者5由四个患者组成,分别被标识为患者234、患者345、患者456和患者567。在该示例中,针对每个患者生成多个警报。警报活动计划表列出各种警报通知信息52,包括警报类型和警报开始时间。还提供了一些附加信息,其汇总了每个警报事件的某些活动总计,包括总警报时间和警报上报次数,这些信息代表被呼叫或负责响应警报的人员(诸如响应临床医生或技术员)的数量。例如,可通过机器学习算法来利用此类上报信息和总时间信息来修改负担值计划表58,其可基于每个警报类型和/或基于每个技术员。
图2是表示具有可执行以如本文所述操作的任务分配管理模块42的CMU 30的示例性中央计算***40的框图。中央计算***40包括处理***206、存储***204、软件202和通信接口208。处理***206从存储***204加载并且执行软件202,该软件包括任务分配管理模块42,该模块是软件202内的一个应用程序。任务分配管理模块42包括计算机可读指令,所述指令在由计算***40(包括处理***206)执行时,指示处理***206如本文中进一步详细描述那样操作,包括确定每个MTS 32的负荷指数72以及相应地管理在MTS 32之间的负荷分配。
尽管如图2所描绘的中央计算***40包括包封一个任务分配管理模块42的一个软件202,但应当理解,具有一个或多个模块的一个或多个软件元件可以提供相同的操作。类似地,虽然如本文提供的描述涉及具有单个处理器44的单个处理***206,但是应当认识到,可以使用一个或多个处理器来执行处理***206的实施方式,这些处理器可以通信连接,并且这些实施方式被认为在描述的范围内。
处理***206包括处理器44,该处理器可以是微处理器、通用中央处理单元、专用处理器、微控制器或任何其他类型的基于逻辑的设备。处理***206还可以包括从存储***204检索和执行软件202的电路。处理***206可在单个处理设备内实现,但也可分布在多个处理设备或子***中,这些处理设备或子***在执行程序指令时协作。
存储***204存储数据库43,该数据库容纳各种计划表58、60以及促进由任务分配管理模块42进行的任务分配管理和负荷平衡活动所必需的信息,该存储***可以包括可由处理***206读取并且能够存储软件202的任何存储介质或一组存储介质。存储***204可以包括以用于存储信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质,所述信息诸如是计算机可读指令、数据结构、程序模块或其他数据。存储***204可以实现为单个存储设备,但是也可以在多个存储设备或子***上实现。例如,软件202可存储在容纳计划表58、60的数据库43之外的单独存储设备上。同样地,数据库43可以跨一个或多个存储介质或一组存储介质来存储、分布和/或实现。类似地,数据库43可涵盖多个不同子数据库,所述多个不同子数据库位于不同存储位置和/或包含可按不同格式存储的不同信息。存储***204还可以包括附加元件,诸如能够与处理***206通信的控制器。
存储介质的示例包括随机存取存储器、只读存储器、光盘、闪存存储器、虚拟存储器和非虚拟存储器、磁组、磁带、磁盘存储或其他磁存储设备,或可用于存储所需信息并可以由指令执行***访问的任何其他介质,以及它们的任何组合或变型,或任何其他类型的存储介质。同样,存储介质可以与处理***206一起本地容纳,或者可以分布在一个或多个服务器中,这些服务器可以位于多个位置并联网,诸如在云计算应用和***中。在一些实施方式中,存储介质可以是非暂时性存储介质。在一些实施方式中,存储介质的至少一部分可以是暂时性的。
通信接口208在中央计算***40内的元件与诸如各种医疗设施18a、18b处的通信网关22之类的外部设备之间进行交接,以便接收患者监测数据50和/或活动警报通知数据52。通信接口208还可以与MTS 32a的计算***交接(在上述某些实施方案中,这些MTS可以各自包括其自己的计算***,或者在其他实施方案中,MTS可以全部在云计算环境中有力地实现)。
中央计算***40可与用户界面相关联,诸如用于接收来自***管理员的输入以及向***管理员传送信息。例如,中央计算***40可与一个或多个显示器46相关联,这些显示器可显示各种仪表板和/或其他显示工具,其指示关于MTS 32的当前负荷指数72和CMU 30的总警报负荷80或负荷分布状态的各种统计信息和信息。用于中央计算***40的每个用户界面(以及用于每个MTS 32的每个用户界面)可以包括鼠标、键盘、语音输入设备、用于从用户接收手势的触摸输入设备、用于检测用户的非触摸手势和其他动作的动作输入设备,以及能够从用户(诸如,临床医生)接收输入的其他类似输入设备和相关处理元件。诸如视频显示器的输出设备可以显示与本文所公开的***和方法的实施方案进一步相关联的界面。扬声器、打印机、触觉设备和其他类型的输出设备也可以包括在用户界面中。
图4至图9提供了举例说明CMU 30处的集中患者监测管理方法100或其部分的实施方案的流程图。图4描绘了高度概括的一种示例性方法,其中计算负荷指数并相应地重新分配总警报负荷。在步骤101处,执行指令以访问活动MTS 32和向这些MTS分配的相应CMU技术员的列表。在步骤102处,访问分配给每个MTS的一组患者,在步骤103处,计算每个MTS 32的负荷指数。执行步骤104以检测超负荷MTS(例如,32a),之后在步骤105处,将至少一个患者从超负荷MTS 32a中移除,并且在步骤106处,将该患者重新分配到不同的MTS 32b至32c,即改变该患者的MTS任务分配70。根据本公开,本领域的普通技术员将会理解,可采用各种方法来计算负荷指数72并检测超负荷MTS。同样,根据本公开,本领域的普通技术员将理解,可采用各种算法来确定哪个患者或哪些患者应从超负荷MTS移除,以及这些患者应重新分配到哪里。在某些实施方案中,重新分配可在检测到超负荷MTS时由中央计算***40自动执行,在其他实施方案中,中央计算***可在执行重新分配之前寻求来自一个或多个CMU技术员或管理员的批准输入。
图5A和图5B描绘了用于识别超负荷MTS和低负荷MTS以便调节患者在MTS中的分布的示例性步骤。在图5A中,在步骤110处,确定每个MTS 32a至32c的负荷阈值。例如,可基于在相应MTS 32a至32c处的CMU技术员36a至36c的技能水平和/或负荷阈值计划表60中所包含的其他信息来确定和设置每个MTS 32a至32c的负荷阈值。在步骤111处,将针对每个MTS32计算的负荷指数72与其对应的负荷阈值进行比较。基于该比较,在步骤112处,识别超负荷MTS。例如,超负荷MTS可为负荷指数72满足或超过针对该MTS 32确定的相应负荷阈值的任何MTS 32。在步骤113处,识别一个或多个低负荷MTS,诸如该MTS的负荷指数和负荷阈值之间具有最大差异的一个或多个MTS(其中负荷指数小于负荷阈值)。在某些实施方案中,可基于百分比而不是绝对值来识别低负荷MTS,以说明CMU技术员36a至36c之间的负荷阈值的变化。然后在步骤114处,执行指令以从超负荷MTS移除至少一个患者并将该患者分配至低负荷MTS。
图5B中的示例性方法步骤采用一种不同的评估负荷指数和识别超负荷MTS的方法。在步骤118处,针对每个活动警报确定负担值,诸如基于每个活动警报的警报类型和负担值计划表58。然后执行步骤119以按照技术员的技能水平来修改负担值,诸如通过将基于负担值计划表58计算的负担值乘以基于来自负荷阈值计划表60的技术员技能水平确定的乘数值。在某些实施方案中,可将负荷指数72指定为针对分配给MTS 32的一组患者中的所有患者的每个警报的经修改的负担值。另选地,可计算负荷指数以仅说明MTS 32处正在处理的更严重和重复的警报。在图5B的示例性实施方案中,基于高于阈值修改的负担值的警报的数量来确定负荷指数。无论用哪种方式,基于修改的负担值确定的负荷指数已经说明了技术员的各种技能水平,以及由上述负荷阈值计划表60决定的任何其他负荷因素。因此,可将各个MTS 32的负荷指数彼此直接比较,以确定是否需要调节负荷分布。例如,任务分配管理模块42可被配置为确定平均负荷指数并将每个MTS 32的负荷指数72与该平均值进行比较,以便识别在步骤122处表示的一个或多个超负荷MTS以及一个或多个低负荷MTS。例如,可设定与平均值的阈值偏差以说明负荷的自然偏差和容许偏差。超负荷MTS和低负荷MTS可被识别为负荷指数偏离平均值超过阈值量或阈值百分比的MTS。此时,在步骤123处,将一个或多个患者从超负荷MTS中移除并分配至低负荷MTS。
图6为表示用于计算负荷阈值以说明技术员技能水平的示例性步骤的流程图。在步骤130处,执行指令以识别分配给相应MTS 32a至32c的CMU技术员36a至36c。在步骤131处,访问每个CMU技术员的技能水平值,诸如可包括在上述负荷阈值计划表60中。在步骤132处,基于技能水平确定一个或多个阈值修改因子值,在步骤133处计算负荷阈值。例如,可提供默认负荷阈值,并且可将该默认负荷阈值乘以阈值修改因子值以说明技能水平。可类似地说明其他负荷平衡因素,其中在步骤132处,可确定阈值修改因子值以说明多个负荷平衡因素。
图7是描绘负荷指数72计算的一个实施方案的流程图,该计算说明了负荷指数计算中而不是图6所描绘的示例中的负荷阈值计算中的技能水平和/或其他负荷阈值。在步骤138处,确定负担值,在步骤139处,将负担值乘以技能水平因子。在步骤140处,确定针对每个警报的实际响应时间,并将其与负担值计划表58中的预期响应持续时间进行比较。如果针对任何一个警报的实际响应时间与负担值计划表中按照技能水平因子修改的预期响应持续时间之间存在差异,那么将相应地进行调节。然后,在步骤141处,基于经调整的负担值计算每个MTS的负荷指数。可对负担值计划表58中的预期复杂性和预期记录持续时间值进行类似的调节,以便获得每个MTS的负荷指数。
图8A描绘了用于识别将哪个患者从超负荷MTS移除的方法的一个实施方案。在步骤146处,识别分配到超负荷MTS的一组患者。在步骤147处,从这组患者中识别针对该MTS的所有无人值守警报,这些警报是CMU技术员尚未响应的活动警报。这会查找临床医生尚未开始评估的活动警报,例如,由于超负荷并且忙于响应其他警报。在步骤148处,在MTS处的无人值守警报中识别在该MTS处最严重的无人值守警报。执行步骤149以确定所识别的严重警报是否与在该MTS处响应的另一个活动警报针对相同的患者。如果是,则该患者将留在该MTS以被相同临床医生观察。该配置可允许响应的效率和一致性,而不是使多个CMU技术员对针对同一患者3的不同警报做出响应。因此,必须从分配到超负荷MTS的这组患者中识别并移除不同的报警患者。在该情况下,执行步骤150以识别该MTS处的第二严重的无人值守警报。在步骤149处,再次评估第二严重的警报,以确定其是否由与在该MTS处响应的警报相同的患者生成。如果不是,则在步骤151处,将与在步骤149处识别的警报相关联的患者从超负荷MTS中移除,并在步骤152处将其重新分配到不同的MTS。在其他实施方案中,该方法可识别尚未在MTS处响应的最老未决警报而不是尚未响应的最严重警报,并且通常可遵循相同的评估步骤来识别可从超负荷MTS移除而不打扰CMU技术员或不利地影响患者监护的警报。
图8A描绘了用于识别将哪个患者从所识别的超负荷MTS移除的方法的另一个实施方案。在步骤160处,识别分配到超负荷MTS 32的这组患者。在步骤161处,在这组患者中识别当前未报警的一个或多个患者。然后,在步骤162处,针对与未报警患者中的一个相关联的每个监测设备来计算警报概率。在步骤163处,在未报警患者中识别具有最高警报概率的患者。然后在步骤164处,从超负荷MTS移除最高警报概率,并且在步骤165处,将其重新分配到不同的MTS。在某些实施方案中,可自动执行重新分配以提供自动负荷管理,在其他实施方案中,中央计算***可在执行重新分配之前寻求来自一个或多个CMU技术员或管理员的批准输入。例如,任务分配管理模块42可以被配置为在执行重新分配之前,在寻求批准输入的每个超负荷和重新分配的MTS 32处生成提示。在另一个实施方案中,任务分配管理模块42可被配置为在执行重新分配之前向负责监督任务分配的***管理者或管理员生成提示,或者以其他方式寻求来自此类个体的输入。
图9描绘了用于确定每个MTS 32的预测负荷指数的方法步骤的示例性实施方案。执行步骤170以确定针对相应MTS处的每个活动警报的预期响应持续时间。例如,针对每个活动警报的预期响应持续时间可以是基于每个活动警报的响应类型在负担值计划表58中提供的值。可在步骤171处基于针对每个活动警报的实际响应时间来调节针对每个活动警报的预期响应持续时间,例如,如果警报响应不正常或已超过预期响应持续时间,则可预期该警报响应花费比预期响应持续时间更长的时间,并且因此可相应地调节该警报的预期结束时间。然后在步骤172处为与分配到相应MTS的一组患者中的每个患者相关联的每个患者监测设备确定警报概率。上文描述了用于确定警报概率的各种方法,诸如基于由特定患者监测设备发送的患者监测数据和/或基于针对特定患者生成的一个或多个活动警报。然后在步骤173处,基于警报概率和经修改的预期响应持续时间来计算每个MTS的预测负荷指数。在步骤174处,将相应MTS的预测负荷指数与负荷阈值进行比较,以确定是否需要负荷再平衡。例如,如果预测负荷指数超过负荷阈值,那么可以预期对应的MTS可能会成为超负荷MTS。通过将一个或多个可能会产生警报的患者从接近负荷阈值的MTS转移到负荷指数或预测负荷指数较低的一个或多个不同的MTS,可以在MTS超负荷之前解决这种情况。
在某些实施方案中,可计算所需的MTS的数量,并且可基于该需求添加或移除MTS。例如,可以基于MTS 32的负荷指数72和当前患者负荷来确定所需的MTS的数量,诸如当前患者负荷是否可管理(考虑完成本文所述的任何需要的或建议的再平衡和重新分配),使得可以使负荷指数72保持处于或充分低于它们各自的阈值。在某些实施方案中,对所需的MTS32的数量的确定也可说明预测负荷指数。如果所需的MTS 32的数量充分大于当前活动的MTS 32的数量,则任务分配管理模块42可确定可向CMU 30添加或激活新站点(诸如通过添加额外的CMU技术员)。在这种情况下,任务分配管理模块向新激活的MTS提供推荐的患者重新分配,从而重新平衡CMU中的MTS的负荷。相反,如果患者和警报的当前数量使得MTS 32远低于其相应阈值操作,则任务分配管理模块42可以确定可以从CMU 30的操作中删除MTS 32中的一个(诸如通过缓解CMU技术员的压力)。例如,添加或移除MTS 32的确定可以基于根据所有MTS 32上的负荷指数72所进行的阈值确定。在这种情况下,将基于任务分配管理模块的建议将要停用的MTS上的其余患者重新分配给其他MTS。
该书面描述使用示例来公开本发明,包括最佳模式,并且还使得本领域技术人员能够执行和使用本发明。本发明的专利范围由权利要求书限定,并且可包括本领域的技术人员想到的其他示例。如果此类其它示例具有与权利要求书的字面语言没有区别的结构元素,或者如果它们包括与权利要求书的字面语言具有微小差别的等效结构元素,则此类其它示例旨在落入权利要求书的范围内。
Claims (20)
1.一种从多个患者监测设备接收患者监测数据的集中监测单元CMU,每个患者监测设备提供针对多个患者中的一个的患者监测数据,所述CMU包括:
至少两个监测技术员站,每个监测技术员站被配置为:
接收并显示分配到所述监测技术员站的一组患者中的每个患者的所述患者监测数据;
向在所述监测技术员站处的CMU技术员呈现针对所述一组患者中的每个患者的警报;
任务分配管理模块,所述任务分配管理模块可由处理***执行以:
基于针对分配给相应监测技术员站的所述一组患者中的每个患者的警报来计算每个监测技术员站的负荷指数,其中基于所述监测技术员站处的警报数量、所述监测技术员站处的每个警报的警报类型、所述监测技术员站处的每个警报的严重性和所述监测技术员站处的持续报警的持续时间中的至少一者来计算所述每个监测技术员站的所述负荷指数,还基于与每个警报的所述警报类型相关联的负担值来计算每个监测技术员站的所述负荷指数;以及
基于所述监测技术员站中的每一个的所述负荷指数在所述至少两个监测技术员站之间分配所述多个患者。
2.根据权利要求1所述的CMU,其中与每个警报的所述警报类型相关联的所述负担值基于相应警报类型的预期响应持续时间、预期复杂性和预期记录持续时间中的至少一者。
3.根据权利要求1所述的CMU,其中基于所述CMU技术员对所述监测技术员站处的一个或多个所述警报的实际响应时间来计算所述监测技术员站的所述负荷指数。
4.根据权利要求1所述的CMU,其中所述任务分配管理模块还可执行以计算每个监测技术员站的预测负荷指数。
5.根据权利要求4所述的CMU,其中所述任务分配管理模块还可执行以确定每个警报的预期响应持续时间;
其中基于所述监测技术员站处的所述警报的所述预期响应持续时间来计算每个监测技术员站的所述预测负荷指数。
6.根据权利要求4所述的CMU,其中所述任务分配管理模块还可执行以确定每个患者监测设备在未来时间段内的警报概率;
其中还基于与分配给所述相应监测技术员站的所述一组患者中的每个患者相关联的警报概率来计算每个监测技术员站的所述预测负荷指数。
7.根据权利要求4所述的CMU,其中所述任务分配管理模块被进一步配置为:
确定所述监测技术员站中的任何一个的所述负荷指数或所述预测负荷指数是否超过负荷阈值;
如果任何技术员站的所述负荷指数或所述预测负荷指数超过所述负荷阈值,则生成警告;以及
基于任何技术员站的超过所述负荷阈值的所述负荷指数或所述预测负荷指数,在所述至少两个监测技术员站之间分配所述多个患者。
8.根据权利要求1所述的CMU,其中还基于所述CMU技术员的技能水平来计算每个监测技术员站的所述负荷指数,并且还包括:
其中所述任务分配管理模块被进一步配置为将所述监测技术员站中的每一个的所述负荷指数彼此比较,并且基于所述比较将所述多个患者在所述至少两个监测技术员站之间分配。
9.一种集中监测单元(CMU)处的集中患者监测管理方法,所述方法包括:
从多个患者监测设备接收患者监测数据,每个患者监测设备提供针对多个患者中的一个的患者监测数据;
将所述多个患者中的每一个分配给至少两个监测技术员站中的一个;以及
基于针对分配给相应监测技术员站的一组患者中的每个患者的警报来计算每个监测技术员站的负荷指数,其中基于所述监测技术员站处的警报数量、所述监测技术员站处的每个警报的警报类型、所述监测技术员站处的每个警报的严重性和所述监测技术员站处的持续报警的持续时间中的至少一者来计算所述每个监测技术员站的所述负荷指数;
所述方法还包括确定与每个警报的所述警报类型相关联的负担值;
其中还基于所述监测技术员站处的与每个警报的所述警报类型相关联的所述负担值来计算每个监测技术员站的所述负荷指数。
10.根据权利要求9所述的方法,其中与每个警报的所述警报类型相关联的所述负担值基于相应警报类型的预期响应持续时间、预期复杂性和预期记录持续时间中的至少一者。
11.根据权利要求9所述的方法,还包括基于与所述一组患者中的每个患者相关联的每个警报的所述负担值来计算所述患者的患者负担值;
其中还基于所述患者负担值来计算每个监测技术员站的负荷指数。
12.根据权利要求9所述的方法,其中每个监测技术员站被配置为显示针对向其分配的一组患者中的每个患者的所述患者监测数据,并且将针对所述一组患者中的每个患者的所述警报呈现给CMU技术员;以及
其中还基于所述CMU技术员对所述监测技术员站处的一个或多个所述警报的实际响应时间来计算所述监测技术员站的所述负荷指数。
13.根据权利要求9所述的方法,还包括计算所述监测技术员站的预测负荷指数。
14.根据权利要求13所述的方法,还包括确定每个警报的预期响应持续时间;
其中基于所述监测技术员站处的所有警报的预期响应持续时间来计算每个监测技术员站的所述预测负荷指数。
15.根据权利要求13所述的方法,还包括确定每个患者监测设备在未来时间段内的警报概率;
其中基于与分配给所述相应监测技术员站的一组患者中的每个患者相关联的警报概率来计算每个监测技术员站的所述预测负荷指数。
16.根据权利要求13所述的方法,还包括确定任何监测技术员站的所述负荷指数或所述预测负荷指数是否超过负荷阈值;以及
如果任何技术员站的所述负荷指数或所述预测负荷指数超过所述负荷阈值,则生成警告。
17.根据权利要求13所述的方法,还包括基于所述至少两个监测技术员站中的每一个的所述负荷指数和/或所述预测负荷指数来将所述多个患者中的至少一个重新分配到所述至少两个监测技术员站中的另一个,以便在所述至少两个监测技术员站中的全部监测技术员站之间分配总警报负荷。
18.根据权利要求9所述的方法,其中还基于CMU技术员的技能水平来计算每个监测技术员站的所述负荷指数,并且还包括:
将所述监测技术员站中的每一个的所述负荷指数彼此比较;以及
基于所述比较,在所述至少两个监测技术员站之间分配所述多个患者。
19.根据权利要求9所述的方法,其中每个监测技术员站被配置为显示针对向其分配的一组患者中的每个患者的患者监测数据,并且将针对所述一组患者中的每个患者的警报呈现给CMU技术员,并且还包括:
基于向每个监测技术员站分配的所述CMU技术员来确定每个监测技术员站的负荷阈值;
将每个监测技术员站的所述负荷指数与对应监测技术员站的所述负荷阈值进行比较;以及
基于所述比较,在所述至少两个监测技术员站之间分配所述多个患者。
20.根据权利要求19所述的方法,其中所述负荷阈值基于所述CMU技术员的技能水平。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/271,299 | 2019-02-08 | ||
US16/271,299 US10937545B2 (en) | 2019-02-08 | 2019-02-08 | Method and system for centralized patient monitoring management |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111554396A CN111554396A (zh) | 2020-08-18 |
CN111554396B true CN111554396B (zh) | 2023-12-05 |
Family
ID=71945304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010078424.5A Active CN111554396B (zh) | 2019-02-08 | 2020-02-03 | 用于集中患者监测管理的方法和*** |
Country Status (2)
Country | Link |
---|---|
US (1) | US10937545B2 (zh) |
CN (1) | CN111554396B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11622734B2 (en) * | 2020-02-27 | 2023-04-11 | GE Precision Healthcare LLC | Methods and systems for monitoring compliance |
US20210391063A1 (en) * | 2020-06-15 | 2021-12-16 | Koninklijke Philips N.V. | System and method for dynamic workload balancing based on predictive analytics |
US20220087644A1 (en) * | 2020-09-24 | 2022-03-24 | GE Precision Healthcare LLC | Systems and methods for an adaptive interface for an ultrasound imaging system |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9852265B1 (en) * | 2016-09-30 | 2017-12-26 | General Electric Company | System and method of medical device alarm management |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9794523B2 (en) * | 2011-12-19 | 2017-10-17 | Careview Communications, Inc. | Electronic patient sitter management system and method for implementing |
AU2013215288A1 (en) * | 2012-01-30 | 2014-07-31 | Ross Medical Corporation | Dynamic risk management and resource allocation and treatment system and method |
US20170098358A1 (en) * | 2015-10-01 | 2017-04-06 | Cerner Innovation, Inc. | Generating informative alarm notifications to identify patient need and data quality |
-
2019
- 2019-02-08 US US16/271,299 patent/US10937545B2/en active Active
-
2020
- 2020-02-03 CN CN202010078424.5A patent/CN111554396B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9852265B1 (en) * | 2016-09-30 | 2017-12-26 | General Electric Company | System and method of medical device alarm management |
Also Published As
Publication number | Publication date |
---|---|
US20200258624A1 (en) | 2020-08-13 |
CN111554396A (zh) | 2020-08-18 |
US10937545B2 (en) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10248762B2 (en) | System and method of medical device alarm management | |
CN111554396B (zh) | 用于集中患者监测管理的方法和*** | |
US10426413B2 (en) | Patient alarm data application | |
US20080139898A1 (en) | System and Method For Providing Centralized Physiological Monitoring | |
US8682686B2 (en) | System and method to manage a workflow in delivering healthcare | |
US8706516B2 (en) | System and method to manage a workflow in delivering healthcare | |
US20070156456A1 (en) | System for Monitoring Healthcare Related Activity In A Healthcare Enterprise | |
EP2211686A1 (en) | Multi automated severity scoring | |
EP3937769B1 (en) | Determining reliability for ecg data using signal-to-noise ratio | |
JP6310476B2 (ja) | 臨床現場において有害なアラームによる負荷を減らす方法及びシステム | |
US11837359B2 (en) | Method and system for centralized patient monitoring management | |
US11350883B1 (en) | Stream-based alarm filtering | |
US20190295401A1 (en) | Alarm setting derived from the variability in signal characteristics | |
US11699528B2 (en) | Falls risk management | |
EP3813076A1 (en) | Apparatus and method for controlling a system of resources | |
US11298087B2 (en) | Method and system for predicting physiological alarm frequency by patient monitors | |
US20170354382A1 (en) | User interface for displaying predictive cardio information | |
US20220310241A1 (en) | Clinical decision support scheduling and alerts |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |