一种用于识别患者从医院中的普通病房出院的方法，包括：基于患者生命体征信息来计算患者的转变分数；基于TS时间窗口中的一组TS值来计算TS上限值和TS下限值；确定所述患者的居留时间长度是否大于第一时间窗口，是否大于预期居留时间长度，以及是否大于下评价窗口；确定当前TS下限值是否小于下阈值；并且当确定所述患者的所述居留时间长度大于所述第一时间窗口，大于所述预期居留时间长度并且大于所述下评价窗口并且所述当前TS下限值小于所述下阈值时，产生所述患者将被评价为从所述普通病房出院的指示。房出院的指示。房出院的指示。
【技术实现步骤摘要】
【国外来华专利技术】用于动态预测普通病房中的患者的出院准备的模型
[0001]本文公开的各种示例性实施例总体上涉及用于动态预测普通病房中的患者的出院准备的模型。
技术介绍
[0002]在过去十年中，诊断和治疗流程中的创新技术持续增加。通过互联网和社交媒体对可用技术的了解增加了，这使得对住院和医学支持以及更高质量的医疗保健服务的需求增加。评价患者出院准备是医院跟上医疗保健服务的需求的重要因素。准确地估计患者将于何时出院有助于医院更好地管理资源并更好地了解其峰值容量。这也允许提前开始与出院相关的各个步骤，例如，及时进行下一阶段的护理或者联系家庭成员以帮助患者回家。虽然在评价患者从ICU到普通病房的出院准备方面已经进行了大量研究，但是却很少进行用于预测普通病房中的患者的居留时间长度的研究。参见Badawi、Omar和Michael J.Brieslow的“Readmissions and death after ICU discharge:development and validation of two predictive models”(PloS one 7.11，2012年，e48758)和Badawi、Omar的“Discharge readiness index”(美国专利申请US 14/125327)。
技术实现思路
[0003]下面呈现了各种示例性实施例的概述。在下面的概述中可以进行一些简化和省略，其旨在突出显示和引入各种示例性实施例的一些方面，而并不旨在限制本专利技术的范围。将在后面的部分中详细描述足以允许本领域普通技术人员制造和使用本专利技术构思的示例性实施例。
[0004]各种实施例涉及一种用于识别患者从医院中的普通病房出院的方法，包括：基于患者生命体征信息来计算患者的转变分数；基于TS时间窗口中的一组TS值来计算TS上限值和TS下限值；确定所述患者的居留时间长度是否大于第一时间窗口，是否大于预期居留时间长度，以及是否大于下评价窗口；确定当前TS下限值是否小于下阈值；并且当确定所述患者的所述居留时间长度大于所述第一时间窗口，大于所述预期居留时间长度并且大于所述下评价窗口并且所述当前TS下限值小于所述下阈值时，产生所述患者将被评价为从所述普通病房出院的指示。
[0005]描述了各种实施例，还包括：当确定所述患者的所述居留时间长度不大于第一时间窗口，不大于预期居留时间长度或者不大于下评价窗口时，不产生关于患者出院的建议。
[0006]描述了各种实施例，还包括：当确定所述当前TS下限值不小于所述下阈值时，不产生关于患者出院的建议。
[0007]描述了各种实施例，其中，所述第一时间窗口具有8小时至24小时的范围内的值。
[0008]描述了各种实施例，其中，所述第一窗口、所述下评价窗口和所述下阈值的值是通过使用机器学习技术利用患者训练数据来确定的。
[0009]描述了各种实施例，其中，所述转变分数还基于诊断结果、执行的流程、使用的药
物、医学图像或患者人口统计信息。
[0010]描述了各种实施例，其中，所述患者生命体征包括心率、呼吸速率、外周毛细血管血氧饱和度(SpO2)、血压以及温度。
[0011]描述了各种实施例，其中，基于患者生命体征信息计算患者的转变分数仅发生在以下情况时：所述生命体征是在指定的最近一段时间内测量的。
[0012]描述了各种实施例，还包括：确定所述患者的居留时间长度是否大于第二时间窗口以及是否大于上评价窗口；确定当前TS上限值是否大于上阈值；并且当确定所述患者的所述居留时间长度大于所述第二时间窗口并且大于所述下评价窗口并且所述当前TS下限值大于所述上阈值时，产生所述患者将被评价为从所述普通病房进行升级转变的指示。
[0013]描述了各种实施例，其中，所述第二窗口、所述上评价窗口和所述上阈值的值是通过使用机器学习技术利用患者训练数据来确定的。
[0014]另外的各种实施例涉及一种非瞬态机器可读存储介质，其被编码有用于识别患者从医院中的普通病房出院的指令，所述非瞬态机器可读存储介质包括用于以下操作的指令：基于患者生命体征信息来计算患者的转变分数；基于TS时间窗口中的一组TS值来计算TS上限值和TS下限值；确定所述患者的居留时间长度是否大于第一时间窗口，是否大于预期居留时间长度，以及是否大于下评价窗口；确定当前TS下限值是否小于下阈值；并且当确定所述患者的所述居留时间长度大于所述第一时间窗口，大于所述预期居留时间长度并且大于所述下评价窗口并且所述当前TS下限值小于所述下阈值时，产生所述患者将被评价为从所述普通病房出院的指示。
[0015]描述了各种实施例，还包括用于以下操作的指令：当确定所述患者的所述居留时间长度不大于第一时间窗口，不大于预期居留时间长度或者不大于下评价窗口时，不产生关于患者出院的建议。
[0016]描述了各种实施例，还包括用于以下操作的指令：当确定所述当前TS下限值不小于所述下阈值时，不产生关于患者出院的建议。
[0017]描述了各种实施例，其中，所述第一时间窗口具有8小时至24小时的范围内的值。
[0018]描述了各种实施例，其中，所述第一窗口、所述下评价窗口和所述下阈值的值是通过使用机器学习技术利用患者训练数据来确定的。
[0019]描述了各种实施例，其中，所述转变分数还基于诊断结果、执行的流程、使用的药物、医学图像或患者人口统计信息。
[0020]描述了各种实施例，其中，所述患者生命体征包括心率、呼吸速率、外周毛细血管血氧饱和度(SpO2)、血压以及温度。
[0021]描述了各种实施例，其中，基于患者生命体征信息计算患者的转变分数仅发生在以下情况时：所述生命体征是在指定的最近一段时间内测量的。
[0022]描述了各种实施例，还包括用于以下操作的指令：确定所述患者的居留时间长度是否大于第二时间窗口以及是否大于上评价窗口；确定当前TS上限值是否大于上阈值；并且当确定所述患者的所述居留时间长度大于所述第二时间窗口并且大于所述下评价窗口并且所述当前TS下限值大于所述上阈值时，产生所述患者将被评价为从所述普通病房进行升级转变的指示。
[0023]描述了各种实施例，其中，所述第二窗口、所述上评价窗口和所述上阈值的值是通
过使用机器学习技术利用患者训练数据来确定的。
附图说明
[0024]为了更好地理解各种示例性实施例，将参考附图进行理解，其中：
[0025]图1图示了针对普通病房中的患者的典型的居留时间长度概率分布；
[0026]图2图示了示出预测在24小时内出院中的特征的相对重要性的龙卷风标绘图；
[0027]图3图示了多变量逻辑回归分类器的性能；
[0028]图4图示了用于使用早期恶化指数(EDI)来预测患者恶化的ROC曲线；
[0029]图5图示了针对多个中值滤波器窗口保存的卧床天数的百分比的正预测值或精确度与上限的关系；
[0030]图6图示了在给定的时间系列的生命体征(有些值可能本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于识别患者从医院中的普通病房出院的方法，包括：由处理器基于患者生命体征信息来计算患者的转变分数；基于TS时间窗口中的一组TS值来计算TS上限值和TS下限值；确定所述患者的居留时间长度是否大于第一时间窗口，是否大于预期居留时间长度，以及是否大于下评价窗口；确定当前TS下限值是否小于下阈值；并且当确定所述患者的所述居留时间长度大于所述第一时间窗口，大于所述预期居留时间长度并且大于所述下评价窗口并且所述当前TS下限值小于所述下阈值时，产生所述患者将被评价为从所述普通病房出院的指示。2.根据权利要求1所述的方法，还包括：当确定所述患者的所述居留时间长度不大于第一时间窗口，不大于预期居留时间长度或者不大于下评价窗口时，不产生关于患者出院的建议。3.根据权利要求1所述的方法，还包括：当确定所述当前TS下限值不小于所述下阈值时，不产生关于患者出院的建议。4.根据权利要求1所述的方法，其中，所述第一时间窗口具有8小时至24小时的范围内的值。5.根据权利要求1所述的方法，其中，所述第一窗口、所述下评价窗口和所述下阈值的值是通过使用机器学习技术利用患者训练数据来确定的。6.根据权利要求1所述的方法，其中，所述转变分数还基于诊断结果、执行的流程、使用的药物、医学图像或患者人口统计信息。7.根据权利要求1所述的方法，其中，所述患者生命体征包括心率、呼吸速率、外周毛细血管血氧饱和度(SpO2)、血压以及温度。8.根据权利要求1所述的方法，其中，基于患者生命体征信息计算患者的转变分数仅发生在以下情况时：所述生命体征是在指定的最近一段时间内测量的。9.根据权利要求1所述的方法，还包括：确定所述患者的居留时间长度是否大于第二时间窗口以及是否大于上评价窗口；确定当前TS上限值是否大于上阈值；并且当确定所述患者的所述居留时间长度大于所述第二时间窗口并且大于所述下评价窗口并且所述当前TS下限值大于所述上阈值时，产生所述患者将被评价为从所述普通病房进行升级转变的指示。10.根据权利要求9所述的方法，其中，所述第二窗口、所述上评价窗口和所述上阈值的值是通过使用机器学习技术利用患者训练数据来确定的。11.一种非瞬态机器可读存储介质，其被编码有用于识别患者从医院中的普通病房出院的指令，所述非瞬态机器可读存储介质包括用于以下操作的指令：基于患者生命体征信息来计算患者的转变分...
【专利技术属性】
技术研发人员：S，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。