用于对数据收集的频率和针对恶化检测算法的阈值进行优化的系统及方法.pdf

一种监测患者的方法包括：从患者监测系统(10)的一个或多个传感器(22)接收患者数据、将接收到的患者数据与指示患者状态的预选阈值进行比较、利用将接收到的患者数据与所述预选阈值进行比较来确定患者状态、并且基于所确定的患者状态来自动地调节所述一个或多个传感器(22)的采样频率。

1.  一种患者监测系统(10)，包括：
一个或多个传感器(22)，其以采样频率对患者的患者数据进行采样；
控制器(28、40、62)，其被配置为从所述一个或多个传感器(22)接收所述患者数据，所述控制器(28、40、62)被编程为：
利用所述患者数据来确定患者状态；并且
基于所确定的患者状态来自动调节所述一个或多个传感器(22)的所述采样频率。

2.  根据权利要求1所述的患者监测系统，其中，所述控制器(28、40、62)还被编程为确定针对恶化事件的易感性和恶化的概率中的至少一个，所述针对恶化事件的易感性和所述恶化的概率被用于对所述一个或多个传感器(22)的采样率进行优化。

3.  根据权利要求1和2中的任一项所述的患者监测系统，其中，所述患者数据包括当前被监测的生理数据和输入的临床数据中的至少一种。

4.  根据权利要求1-3中的任一项所述的患者监测系统，其中，所述控制器(28、40、62)还被编程为基于所述患者数据以及针对恶化事件的易感性和恶化的概率中的所述至少一个来确定临床概况。

5.  根据权利要求4所述的患者监测系统，其中，所述控制器(28、40、52)还被编程为调节一个或多个预定传感器(22)的所述采样率，所述一个或多个预定传感器(22)根据所述临床概况来测量感兴趣参数。

6.  根据权利要求1-5中的任一项所述的患者监测系统，其中，所述控制器(28、40、62)还被编程为：
确定所述患者数据的基线；
基于所述患者数据的所述基线来计算针对恶化的倾向分数和概率阈值；并且
根据所述倾向分数和所述概率阈值来计算初始概率曲线。

7.  根据权利要求1-6中的任一项所述的患者监测系统，其中，所述患者状态是通过将接收到的患者数据与先前接收的患者数据进行比较来确定的。

8.  根据权利要求1-7中的任一项所述的患者监测系统，其中，所述控制器(28、40、62)还被配置为从患者信息系统34接收临床数据，并且所述控制器还被编程为：
根据所述临床数据来确定所述患者状态。

9.  根据权利要求8所述的患者监测系统，其中，所述临床数据包括电子病历。

10.  一种监测患者的方法，所述方法包括：
从患者监测系统(10)的一个或多个传感器(22)接收患者数据；
从患者信息系统(34)接收临床数据；
将接收到的患者数据与指示患者状态的预选阈值进行比较；
通过将接收到的患者数据与所述预选阈值和临床数据进行比较来确定患者状态；并且
基于所确定的患者状态来自动地调节所述一个或多个传感器(22)的采样频率。

11.  根据权利要求10所述的方法，还包括：
确定针对恶化事件的易感性和恶化的概率中的至少一个，所述针对恶化事件的易感性和所述恶化的概率被用于对所述一个或多个传感器(22)的采样率进行优化。

12.  根据权利要求10和11中的任一项所述的方法，还包括：
基于所述患者数据和所述临床数据以及针对恶化事件的易感性和恶化的概率中的所述至少一个来确定临床概况。

13.  根据权利要求12所述的方法，还包括：
调节一个或多个预定传感器(22)的所述采样率，所述一个或多个预定传感器(22)根据所述临床概况来测量感兴趣参数。

14.  根据权利要求10-13中的任一项所述的方法，还包括：
确定所述患者数据的基线；
基于所述患者数据的所述基线和临床数据来计算针对恶化的倾向分数和概率阈值；并且
根据所述倾向分数和所述概率阈值来计算初始概率曲线。

15.  根据权利要求10-14中的任一项所述的方法，其中，所述患者数据包括当前被监测的生理数据和输入的临床数据中的至少一种，并且所述患者状态是通过将接收到的患者数据与先前接收的患者数据进行比较来确定的。

16.  一种含有软件的计算机可读介质，所述软件在被载入到处理器中时对所述处理器进行编程以执行根据权利要求10-15所述的方法。

17.  一种患者监测站，包括：
一个或多个传感器(22)，生理数据经由其而被接收；以及
一个或多个处理器，其被编程为执行根据权利要求10-15所述的方法。

18.  一种患者监测系统(10)，包括：
一个或多个传感器(22)，其以采样频率对患者的患者数据进行采样；
恶化检测系统(62)，其从所述一个或多个传感器(22)接收所述患者数据、利用所述患者数据来确定患者状态、并且基于所确定的患者状态来 自动地调节所述一个或多个传感器(22)的所述采样频率。

19.  根据权利要求18所述的患者监测系统(10)，其中，恶化检测系统(62)还确定针对恶化事件的易感性和恶化的概率中的至少一个，以对所述一个或多个传感器(22)的采样率进行优化。

20.  根据权利要求18和19中的任一项所述的患者监测系统(10)，其中，恶化检测系统(62)还基于所述患者数据以及针对恶化事件的易感性和恶化的概率中的所述至少一个来确定临床概况。

21.  根据权利要求20所述的显示器，其中，恶化检测系统(62)还调节一个或多个预定传感器(22)的所述采样率，所述一个或多个预定传感器(22)根据所述临床概况来测量感兴趣参数。

22.  根据权利要求18-21中的任一项所述的患者监测系统(10)，其中，所述患者数据包括当前被监测的生理数据和输入的临床数据中的至少一个，并且所述患者状态是通过将接收到的患者数据与先前接收的患者数据进行比较来确定的。

用于对数据收集的频率和针对恶化检测算法的阈值进行优化的系统及方法
技术领域
本申请总体上涉及患者监测。本申请具体与对数据收集的频率和针对恶化检测的阈值的优化相结合而应用，并且将特别参考该应用来描述本申请。然而应当理解，本申请还适用于其他应用，并且不必限于前述应用。
背景技术
医学机构中未检测到的患者恶化已被识别为世界范围内针对健康护理的主要的安全考虑和成本动因。在今天有许多早期警告算法和恶化检测系统可用，所述早期警告算法和恶化检测系统是基于非周期性数据收集(人工抽查生命体征)或者经由从患者监测系统馈送的连续数据的。研究已经示出，典型的抽查生命体征工作流是有缺点的，这是因为识别患者恶化所需要的数据典型地是以不协调的方式采集的，这限制了临床用户检测患者恶化的能力。另外，连续的数据馈送增加了临床用户的工作流障碍(例如传感器和接头脱落的状况)和电池管理的负担，需要对连续生理信号进行维护以向算法馈送。另外，现有的患者监测系统将对多频繁地收集数据以及何时计算警告分数的决策留给了临床用户。
本申请提供了克服以上提到的问题和其他问题的新的并且经改进的患者监测系统。
发明内容
根据一个方面，提供了一种患者监测系统。所述患者监测系统包括：一个或多个传感器，其以采样频率对患者的患者数据进行采样；以及控制器，其被配置为从所述一个或多个传感器接收所述患者数据。所述控制器被编程为利用所述患者数据来确定患者状态，并且基于所确定的患者状态来调节所述一个或多个传感器的所述采样频率。
根据另一方面，提供了一种显示医学参数的方法。所述方法包括：从 患者监测系统的一个或多个传感器接收患者数据、将接收到的患者数据与指示患者状态的预选阈值进行比较、利用将接收到的患者数据与所述预选阈值进行比较来确定患者状态、并且基于所确定的患者状态来调节所述一个或多个传感器的采样频率。
根据另一方面，提供了一种患者监测系统。所述患者监测系统包括：一个或多个传感器，其以采样频率对患者的患者数据进行采样；以及恶化检测系统，其从所述一个或多个传感器接收所述患者数据、利用所述患者数据来确定患者状态、并且基于所确定的患者状态来调节所述一个或多个传感器的所述采样频率。
一个优势在于对数据收集和针对恶化检测的阈值的优化。
另一个优势在于减少了需要手动调节的监测设备的数目。.
另一个优势在于减少了检测到的假警报或事件通知的数目。
另一个优势在于减少了健康护理的成本。
本领域一般技术人员在阅读并理解了下面的具体说明后，将意识到本发明的进一步的优势。
附图说明
本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安排的形式。附图仅是出于图示优选的实施例的目的，并且不得被解释为对本发明的限制。
图1是根据本申请的IT基础设施的方框图。
图2是根据本申请的恶化的概率曲线。
图3是对根据本申请的患者监测系统的操作的流程图。
具体实施方式
本申请涉及对从患者监测设备收集数据的频率的优化，以及对针对恶化检测算法的阈值的优化。随着无线智能传感器的引入，数据收集可以被安排，因此将临床用户从安排决策中去除，并且基于针对恶化事件的患者易感性来对数据采集进行优化。通过对数据采样率进行优化并通过使用针对恶化事件的患者易感性，可以实现若干优势。第一，监测所需要的设备 的数量被基于患者需要而调节。第二，具有针对恶化的低检测前可能性的低风险患者可以仅被每三小时只利用脉搏和呼吸传感器监测一次，因此不需要心电图(EKG)心律失常和二氧化碳(CO₂)测量。这不仅由于它们可以做出对监测资产的最有益的部署，从而为医院提供了成本效益高的解决方案，而且还使维护来自患者的数据所需要的工作量最小化。如传感器、电池的物品，以及应用和维护系统的工作时间都被减少。另外，在不那么频繁地测量患者的情况下，假警报的次数也减少。
参考图1，方框图图示了医学机构(例如医院)的信息技术(IT)基础设施10的一个实施例。IT基础设施10适合地包括经由通信网络20互连的一个或多个患者监测系统12、患者信息系统14、一个或多个患者信息显示系统16、恶化检测系统18等。预期通信网络20包括以下中的一个或多个：内联网、局域网、广域网、无线网络、有线网络、蜂窝网络、数据总线等。
患者监测系统12获得针对由医学机构护理的患者(未示出)的生理数据。生理数据和其他数据是自动获得的，指示患者的生理参数(或生命体征)的测量结果，例如心率、温度、血氧饱和度、血液代谢物(葡萄糖乳酸盐等)、活动水平等。典型地，患者监测系统12中的每个与单个患者相关联并且获得该单个患者的生理数据，但也预期与多个患者相关联的患者监测系统。在一些实施例中，预期患者监测系统12包括患者穿戴的监测器和/或在床边监测器。生理数据典型地是连续地或间歇地获得的。在一个实施例中，当连续地或频繁地获得生理数据时，应用趋势算法(例如平均、中值、寻峰等)，以将生理数据的流分成生理数据的离散的块。例如，生理数据的连续流可以被分成具有预定持续时间的块，并且趋势算法可以被应用到每个块。
一个或多个传感器22适合地获得生理数据。然而，还预期生理数据是从IT基础设施10的其他部件(例如实验室装置、临床信息系统、用药记录或电子病历)或者具有用户输入设备的部件等获得的。传感器22测量患者的生理参数并生成指示其的生理数据。在一些实施例中，传感器22包括一个或多个心电图(ECG)电极、血压传感器、SpO2传感器、脉搏传感器、体温计、呼吸传感器、呼出气体传感器、无创血压(NBP)传感器、代谢物测量、活动测量等。典型地，传感器22被设置在患者的人体上并且在患 者监测系统12的外部。然而，还预期在患者监测系统本地的传感器。在传感器22在外部的情况下，生理数据可以经由数据总线(例如串行总线、通用串行总线(USB)等)；身体耦合网络；蓝牙、ZigBee、有线或无线网络；医学体域网(MBAN)等来获得。应当意识到，传感器22具有不同的采样频率。在一个实施例中，传感器22的采样频率基于恶化的概率而被优化，并且将在下面进一步详细描述。
为了执行上述功能，传感器22经由身体耦合网络、蓝牙、有线或无线网络等将测得的生理数据传输到患者监测系统12的控制器28。患者监测系统12用作针对由传感器22测得的患者数据和/或生理数据的收集点，并且提供针对数据在存储器30中的临时存储。收集到的生理数据被同时传输到患者监测系统12中的控制器28，然后患者监测系统12通过通信网络20将生理数据传输到患者信息系统14，生理数据在患者信息系统14中被显示并存储。患者监测系统12的控制器28还控制显示器24以在对应的患者监测系统显示器24中显示从传感器22中的每个接收到的测得的生理数据。
患者信息系统14(例如中央记录医学数据库)接收针对患者的患者数据、处置、成像和流程研究结果、药物和其他干预和/或生理数据，并且将数据存储在其一个或多个存储器34中的一个中。在一个实施例中，患者数据还包括临床数据，例如入院时间、当前药物、当前临床问题、当前实验室结果、当前体征、以往体征、电子健康记录、先前病历、先前手术历史等。典型地，数据是经由通信网络20从IT基础设施10的部件(例如患者监测系统12和/或患者信息显示系统16)接收的。然而，还预期数据是经由患者信息系统14的一个或多个用户输入设备36接收的。患者信息系统14还包括显示器38以显示如上所述的患者数据和生理数据。在一些实施例中，患者信息系统14还使用用户输入设备36和/或显示器38来显示和/或允许操纵存储器34中的患者数据和/或生理数据。额外地或备选地，在一些实施例中，患者信息系统14还允许IT基础设施10的部件经由通信网络20访问存储器34中的数据。
恶化检测系统18从IT基础设施10的部件(例如患者信息系统14和/或患者监测系统12)和/或恶化检测系统18的一个或多个用户输入设备54来获得患者的患者数据和生理数据，并且跟踪患者中的每个的最近的患者 生理数据。如上所述，传感器22的采样频率基于正被监测的患者的恶化的概率而被优化。恶化检测系统18根据接收到的生理数据来计算恶化的概率，并且自动设定患者的各个传感器22的采样频率。另外，每次在传感器22中的一个被采样时，使用最近的生理数据来重新计算恶化的概率。基于重新计算的恶化的概率，可以调节传感器22的采样频率。例如，具有低恶化概率的患者不需要他们的传感器像具有高恶化概率的患者那样频繁地被采样。
具体地，恶化检测系统18在患者入院时获得患者数据和生理数据，并且生成该患者的基线。还应当意识到，患者基线可以在处置期间的任何时间被生成。在已经生成了患者的基线之后，恶化检测系统18计算针对患者恶化的倾向分数，并且基于阳性预测值(PPV)和警报率来设定概率阈值。例如，PPV是阳性测试结果中为真阳性(例如正确诊断)的比例或者患者将恶化的概率。PPV是使用现有技术中的已知方法来计算的。然后由恶化检测系统18计算初始概率曲线。应当意识到，倾向分数概率函数可以是基于训练数据的，或者是使用基线数据来计算的。在一个实施例中，患者分数评估当前的风险带，并且通过使用生理数据和生理参数的评分表的计算来获得。恶化检测系统18然后确定接收到的生理数据是否越界进入新的风险带。如果生理数据越界进入新的风险带，则恶化检测系统18调节传感器22的对应的采样频率。在另一个实施例中，预测模型确定患者的潜在恶化。
在另外的实施例中，恶化的概率对应于具体的恶化概况。具体的恶化概况包括感兴趣的生理参数和对应的预配置采样频率、针对生理参数评分的阈值、基于参数评分的风险带、基于PPV和警报率的目标概率、容许的数据延迟、容许的评分延迟等。在恶化检测系统18计算出恶化的概率之后，恶化检测系统18确定对应的恶化概况并应用所述概况以调节对应的传感器22、患者监测系统12和/或恶化检测系统18的设定。在一些实施例中，患者恶化系统108还包括允许临床医生人工输入由恶化检测系统108所采用的患者数据和/或其他参数的用户输入设备144和/或显示器146。
患者监测系统12、患者信息系统14和恶化检测系统18包括至少一个处理器，例如微处理器或被配置为运行患者监测软件的其他软件控制的设备，以用于执行以下更详细地描述的操作。典型地，患者监测软件在有形 存储器或用于由处理器运行的计算机可读介质上被执行的。非瞬态计算机可读介质的类型包括诸如硬盘驱动器、CD-ROM、DVD-ROM、互联网服务器等的存储器。还预期处理器的其他实现方式。显示控制器、专用集成电路(ASIC)、FPGA和微控制器是可以被实现为提供处理器功能的其他类型的部件的说明性范例。可以使用由处理器、硬件或它们的某种组合来运行的软件来实现实施例。
参考图2，图示了恶化概率曲线100。概率曲线100包括指示早期警告分数(EWS)或恶化的风险的轴102，以及指示以小时为单位的时间的轴104。概率曲线包括三个不同的风险带：低106、中108和高110。一旦入院后输入了初始患者数据和/或生理数据，则基于最优阳性预测值(PPV)来选择数据的初始集合112和风险带标准以用于检测恶化。数据的初始集合112也被用于确定护理环境中患者的警报率114。一旦风险带标准和警报率被确立并且是基于倾向评分的，则患者在时间t进入概率曲线100的新的风险带。提出的下一采样安排基于患者将在时间118的下一安排的测量之前恶化的预定义概率阈值。概率曲线还包括对到下一水平t_NL 120的预测时间以及得到下一数据集t_Buf122的缓冲时间的指示符。P(t)det是对恶化的预测时间函数。
图3图示了由传感器22的处理器执行的步骤的一个范例。在步骤200中，检索并输入患者基线信息。患者基线信息包括年龄、体表面积、入院日期、来源位置、慢性问题历史、近期手术历史、近期化疗历史、当前用药、住院原因、上一次体征的集合等。在步骤202中，计算针对恶化的倾向分数，并且设定基于最优阳性预测值(PPV)和警报率的概率阈值。在步骤204中，计算或查找针对恶化的测量结果集合和初始概率曲线。在步骤206中，确定风险跨越时间和数据递送时间缓冲。在步骤208中，下载针对患者工作的设备的安排，并且建立针对体征收集的工作项。在步骤210中，每个当前的安排都收集新的数据。如果提供了新的安排，则在步骤202中检索或输入患者基线信息。
已经参考优选的实施例描述了本发明。他人在阅读和理解了前面的详细说明之后可以想到修改和改变。本发明旨在被解释为包括所有这样的修改和改变，只要它们处于权利要求书或其等价方案的范围之内。