System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 用于自动发现时间系列趋势而无需插补的系统和方法技术方案_技高网

用于自动发现时间系列趋势而无需插补的系统和方法技术方案

技术编号:41262501 阅读:2 留言:0更新日期:2024-05-11 09:20
一种用于自动预测临床状态的方法(100),包括:接收(120)临床状态的一组参数定义,所述一组参数定义包括偏离值的定义、偏离时间的定义、值阈值的定义和值时间的定义;接收(130)患者的至少一个特征的多个测量结果,所述多个测量结果是在一段时间内获取的;在患者的至少一个特征的所述多个测量结果中识别(140)预测所述临床状态的偏离和/或异常,包括:基于对偏离和/或异常的识别来预测(150)所述患者易患所述临床状态或正在经历所述临床状态;以及经由事件监测系统的用户接口提供(160)所述患者易患所述临床状态或正在经历所述临床状态的警告。

【技术实现步骤摘要】
【国外来华专利技术】

本公开内容总体上涉及使用事件监测系统来自动预测临床状态的系统和方法。


技术介绍

1、众所周知,临床时间系列数据对于提供患者的状况信息非常有用。临床医生在信息方面跟踪生命体征的时间趋势以监测患者,这包括两种类型趋势中的一者或两者:随时间的偏离,以及随时间的异常值。例如,诸如快速心率升高之类的偏离可以指示疼痛或激动,而诸如持续低血压之类的异常值可以指示休克发作。

2、然而,对于大多数患者状况,并不能很好地定义趋势随时间的量化定义。传统上,任何趋势跟踪都基于单个临床医生的经验和心理模型。例如,临床医生可能很难量化第一示例中的“快速心率升高”(例如,在10分钟内升高50bpm是否是快速心率升高?)或第二示例中的“持续低血压”(例如,持续20分钟的低于70mmhg的收缩压是否是异常值?)。

3、另外,处理临床时间系列数据的挑战之一是它们是不规则采样的。许多计算模型和技术要求规则的样本。为了克服这一点,通常进行数据插补,以便在采样时间之间进行插值。然而,这改变了数据并且可能创建导致预测不准确的伪像。

4、现有的临床时间系列模式挖掘的前沿方法主要是递归神经网络(rnn)。然而,rnn因缺乏可解读性而声名狼藉。任何发现的模式都被隐藏在众多的神经网络系数中,这对临床医生来说仍然难以理解。另外,rnn比本专利技术的实施方式在计算上更加昂贵,本专利技术的实施方式对于每个时间系列只要求两到四个阈值参数。


技术实现思路

1、因此,在本领域中一直需要根据临床数据来自动定义量化时间趋势并实现自动监测患者的系统和方法。

2、本公开内容涉及使用事件监测系统和多个患者特征来自动预测临床状态的创造性方法和系统。本文中的各种实施例和实施方式涉及从大数据时间系列中自动识别量化趋势而无需插补的系统。该系统识别支持临床医生分析的偏离和临界值,并且对于临床医生来说是易于理解且值得信任的。该系统被编程有或以其他方式提供有临床状态的一组参数定义,包括偏离值的定义、偏离时间的定义、值阈值的定义和值时间的定义。该系统接收在一段时间内获取的一个或多个患者的多个测量结果。然后,该系统在患者的至少一个特征的多个测量结果中识别预测临床状态的偏离和/或异常。为了识别偏离,该系统将接收到的患者的多个测量结果与所定义的偏离值和所定义的偏离时间进行比较,并且如果接收到的在一段时间内获取的患者的多个测量结果高于所定义的偏离值并且低于所定义的偏离时间,则识别出偏离。为了识别异常,该系统将接收到的患者的多个测量结果与所定义的值阈值和所定义的值时间进行比较,并且如果接收到的在一段时间内获取的患者的多个测量结果高于所定义的值阈值并且低于所定义的值时间,则识别出异常。该系统基于对偏离和/或异常的识别来预测患者易患临床状态或正在经历临床状态。该系统经由用户接口提供患者易患临床状态或正在经历临床状态的警告。

3、通常,在一个方面,提供了一种用于使用事件监测系统来自动预测临床状态的方法。所述方法包括:接收临床状态的一组参数定义,所述一组参数定义包括偏离值的定义、偏离时间的定义、值阈值的定义和值时间的定义;接收患者的至少一个特征的多个测量结果,所述多个测量结果是在一段时间内获取的;在患者的至少一个特征的所述多个测量结果中识别预测所述临床状态的偏离和/或异常,包括:(i)使用所述事件监测系统的批量偏离检测模块将接收到的所述患者的多个测量结果与所定义的偏离值和所定义的偏离时间进行比较;以及(ii)基于所述比较的步骤,如果接收到的在所述一段时间内获取的所述患者的多个测量结果高于所定义的偏离值并且低于所定义的偏离时间,则识别出偏离;并且/或者(iii)使用所述事件监测系统的所述批量偏离检测模块将接收到的所述患者的多个测量结果与所定义的值阈值和所定义的值时间进行比较;以及(iv)基于所述比较的步骤,如果接收到的在所述一段时间内获取的所述患者的多个测量结果高于所定义的值阈值并且低于所定义的值时间,则识别出异常;基于对偏离和/或异常的识别来预测所述患者易患所述临床状态或正在经历所述临床状态;并且经由所述事件监测系统的用户接口提供所述患者易患所述临床状态或正在经历所述临床状态的警告。

4、根据实施例,所述多个测量结果包括多个患者的测量结果,并且所述方法还包括按所述多个患者中的个体患者来组织所述多个测量结果的步骤。

5、根据实施例,所述方法还包括从接收到的多个测量结果中提取一个或多个特征的步骤。

6、根据实施例,所述特征是生命体征、实验室结果和/或临床评分。

7、根据实施例,所述方法还包括以下步骤:接收包括多个患者的医学信息和临床状态信息的训练数据;从接收到的训练数据中提取多个特征;以及训练所述批量偏离检测模块。

8、根据实施例,所述事件监测系统包括临床护理系统,所述临床护理系统被配置为监测患者的多个生命体征,并且其中,所述事件监测系统的所述用户接口包括所监测的所述患者的多个生命体征的显示,并且其中,所述患者易患所述临床状态或正在经历所述临床状态的所述警告包括所述显示上的文本警告。

9、根据实施例,所述事件监测系统用于在所述事件监测系统的训练期间确定临床状态的一组参数定义。

10、根据一个方面,提供了一种事件监测系统。所述系统包括:临床状态的一组参数定义,所述一组参数定义包括偏离值的定义、偏离时间的定义、值阈值的定义和值时间的定义;患者的至少一个特征的多个测量结果,所述多个测量结果是在一段时间内获取的;经训练的批量偏离检测模块;处理器,其被配置为在患者的至少一个特征的所述多个测量结果中识别预测所述临床状态的偏离和/或异常,包括:(i)使用所述事件监测系统的批量偏离检测模块将接收到的所述患者的多个测量结果与所定义的偏离值和所定义的偏离时间进行比较;(ii)基于所述比较的步骤,如果接收到的在所述一段时间内获取的所述患者的多个测量结果高于所定义的偏离值并且低于所定义的偏离时间,则识别出偏离;(iii)使用所述事件监测系统的所述批量偏离检测模块将接收到的所述患者的多个测量结果与所定义的值阈值和所定义的值时间进行比较;以及(iv)基于所述比较的步骤,如果接收到的在所述一段时间内获取的所述患者的多个测量结果高于所定义的值阈值并且低于所定义的值时间,则识别出异常;所述处理器还被配置为基于对偏离和/或异常的识别来预测所述患者易患所述临床状态或正在经历所述临床状态;以及用户接口,其被配置为提供所述患者易患所述临床状态或正在经历所述临床状态的警告。

11、在各种实施方式中,处理器或控制器可以与一种或多种存储介质(在本文中被统称为“存储器”,例如,易失性和非易失性计算机存储器,例如,ram、prom、eprom和eeprom、软盘、压缩盘、光盘、磁带等)相关联。在一些实施方式中,存储介质可以被编码有一个或多个程序,当在一个或多个处理器和/或控制器上执行这一个或多个程序时,这一个或多个程序执行本文讨论的至少一些功能。各种存储介质可以被固定在处理器或控制器内,也可以是可移动的,使得存储在其上的一个本文档来自技高网...

【技术保护点】

1.一种用于使用事件监测系统来自动预测临床状态的方法(100),包括:

2.根据权利要求1所述的方法,其中,所述多个测量结果包括多个患者的测量结果,并且所述方法还包括按所述多个患者中的个体患者来组织(132)所述多个测量结果的步骤。

3.根据权利要求1-2中的任一项所述的方法,还包括从接收到的多个测量结果中提取(134)一个或多个特征的步骤。

4.根据权利要求1-3中的任一项所述的方法,其中,所述特征是生命体征、实验室结果和/或临床评分。

5.根据权利要求1-4中的任一项所述的方法,还包括以下步骤:(i)接收(510)包括多个患者的医学信息和临床状态信息的训练数据;(ii)从接收到的训练数据中提取(520)多个特征;以及(iii)训练(530)所述批量偏离检测模块。

6.根据权利要求1-5中的任一项所述的方法,其中,所述事件监测系统包括临床护理系统,所述临床护理系统被配置为监测患者的多个生命体征,并且其中,所述事件监测系统的所述用户接口包括所监测的所述患者的多个生命体征的显示,并且其中,所述患者易患所述临床状态或正在经历所述临床状态的所述警告包括所述显示上的文本警告。

7.根据权利要求1-6中的任一项所述的方法,其中,所述事件监测系统用于在所述事件监测系统的训练期间确定临床状态的一组参数定义。

8.一种事件监测系统(600),包括:

9.根据权利要求8所述的系统,其中,所述多个测量结果包括多个患者的测量结果,并且其中,所述处理器还被配置为按所述多个患者中的个体患者来组织所述多个测量结果。

10.根据权利要求8-9中的任一项所述的系统,其中,所述处理器还被配置为从接收到的多个测量结果中提取一个或多个特征。

11.根据权利要求8-10中的任一项所述的系统,其中,所述特征是生命体征、实验室结果和/或临床评分。

12.根据权利要求8-11中的任一项所述的系统,其中,所述处理器还被配置为:接收包括多个患者的医学信息和临床状态信息的训练数据;从接收到的训练数据中提取多个特征;并且训练所述批量偏离检测模块。

13.根据权利要求8-12中的任一项所述的系统,其中,所述事件监测系统是临床护理系统,所述临床护理系统被配置为监测患者的多个生命体征,并且其中,所述事件监测系统的所述用户接口包括所监测的所述患者的多个生命体征的显示,并且其中,所述患者易患所述临床状态或正在经历所述临床状态的所述警告包括所述显示上的文本警告。

14.根据权利要求8-13中的任一项所述的系统,其中,所述事件监测系统用于在所述事件监测系统的训练期间确定临床状态的一组参数定义。

...

【技术特征摘要】
【国外来华专利技术】

1.一种用于使用事件监测系统来自动预测临床状态的方法(100),包括:

2.根据权利要求1所述的方法,其中,所述多个测量结果包括多个患者的测量结果,并且所述方法还包括按所述多个患者中的个体患者来组织(132)所述多个测量结果的步骤。

3.根据权利要求1-2中的任一项所述的方法,还包括从接收到的多个测量结果中提取(134)一个或多个特征的步骤。

4.根据权利要求1-3中的任一项所述的方法,其中,所述特征是生命体征、实验室结果和/或临床评分。

5.根据权利要求1-4中的任一项所述的方法,还包括以下步骤:(i)接收(510)包括多个患者的医学信息和临床状态信息的训练数据;(ii)从接收到的训练数据中提取(520)多个特征;以及(iii)训练(530)所述批量偏离检测模块。

6.根据权利要求1-5中的任一项所述的方法,其中,所述事件监测系统包括临床护理系统,所述临床护理系统被配置为监测患者的多个生命体征,并且其中,所述事件监测系统的所述用户接口包括所监测的所述患者的多个生命体征的显示,并且其中,所述患者易患所述临床状态或正在经历所述临床状态的所述警告包括所述显示上的文本警告。

7.根据权利要求1-6中的任一项所述的方法,其中,所述事件监测系统用于在所述事件监测系统的训练期间确定临...

【专利技术属性】
技术研发人员:J·董
申请(专利权)人:皇家飞利浦有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1