CN112786199B - 显示患者数据的界面 - Google Patents
显示患者数据的界面 Download PDFInfo
- Publication number
- CN112786199B CN112786199B CN202011207812.5A CN202011207812A CN112786199B CN 112786199 B CN112786199 B CN 112786199B CN 202011207812 A CN202011207812 A CN 202011207812A CN 112786199 B CN112786199 B CN 112786199B
- Authority
- CN
- China
- Prior art keywords
- patient
- risk
- window
- data
- score
- 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
- 238000000034 method Methods 0.000 claims description 66
- 230000009471 action Effects 0.000 claims description 29
- 230000005713 exacerbation Effects 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 description 200
- 206010040047 Sepsis Diseases 0.000 description 133
- 208000027418 Wounds and injury Diseases 0.000 description 90
- 230000006378 damage Effects 0.000 description 77
- 208000014674 injury Diseases 0.000 description 66
- 238000001514 detection method Methods 0.000 description 55
- 206010021639 Incontinence Diseases 0.000 description 49
- 238000012502 risk assessment Methods 0.000 description 37
- 210000002216 heart Anatomy 0.000 description 35
- 230000004044 response Effects 0.000 description 34
- 230000001965 increasing effect Effects 0.000 description 27
- 206010052428 Wound Diseases 0.000 description 26
- 230000033001 locomotion Effects 0.000 description 26
- 238000004891 communication Methods 0.000 description 20
- 230000006854 communication Effects 0.000 description 20
- 239000003814 drug Substances 0.000 description 20
- 230000036760 body temperature Effects 0.000 description 19
- 229940079593 drug Drugs 0.000 description 19
- 230000000694 effects Effects 0.000 description 17
- 238000012544 monitoring process Methods 0.000 description 17
- 230000029058 respiratory gaseous exchange Effects 0.000 description 17
- 238000009528 vital sign measurement Methods 0.000 description 17
- 206010038687 Respiratory distress Diseases 0.000 description 16
- 238000002565 electrocardiography Methods 0.000 description 16
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 16
- 230000036772 blood pressure Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 230000036387 respiratory rate Effects 0.000 description 14
- 238000012360 testing method Methods 0.000 description 12
- 230000007423 decrease Effects 0.000 description 11
- 230000006866 deterioration Effects 0.000 description 11
- 238000001356 surgical procedure Methods 0.000 description 11
- 206010028980 Neoplasm Diseases 0.000 description 10
- 230000000747 cardiac effect Effects 0.000 description 10
- 238000005259 measurement Methods 0.000 description 10
- 238000011282 treatment Methods 0.000 description 10
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 9
- 208000004210 Pressure Ulcer Diseases 0.000 description 9
- 210000004369 blood Anatomy 0.000 description 9
- 239000008280 blood Substances 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 230000036541 health Effects 0.000 description 9
- 238000012546 transfer Methods 0.000 description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 210000001124 body fluid Anatomy 0.000 description 8
- 239000010839 body fluid Substances 0.000 description 8
- 201000011510 cancer Diseases 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 8
- 239000004310 lactic acid Substances 0.000 description 8
- 235000014655 lactic acid Nutrition 0.000 description 8
- 230000036961 partial effect Effects 0.000 description 8
- 230000003068 static effect Effects 0.000 description 8
- 230000035882 stress Effects 0.000 description 8
- 206010011985 Decubitus ulcer Diseases 0.000 description 7
- 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 description 6
- 206010008479 Chest Pain Diseases 0.000 description 6
- 206010011703 Cyanosis Diseases 0.000 description 6
- 206010012218 Delirium Diseases 0.000 description 6
- 208000000059 Dyspnea Diseases 0.000 description 6
- 206010013975 Dyspnoeas Diseases 0.000 description 6
- 208000006673 asthma Diseases 0.000 description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 238000004820 blood count Methods 0.000 description 6
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000012530 fluid Substances 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 208000015181 infectious disease Diseases 0.000 description 6
- 229940005483 opioid analgesics Drugs 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 229910052760 oxygen Inorganic materials 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 6
- 238000002106 pulse oximetry Methods 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- 238000002560 therapeutic procedure Methods 0.000 description 6
- 208000001953 Hypotension Diseases 0.000 description 5
- 206010053159 Organ failure Diseases 0.000 description 5
- 208000010378 Pulmonary Embolism Diseases 0.000 description 5
- 230000004872 arterial blood pressure Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000036543 hypotension Effects 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 210000004072 lung Anatomy 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000035488 systolic blood pressure Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 208000030507 AIDS Diseases 0.000 description 4
- 208000014644 Brain disease Diseases 0.000 description 4
- 101800000407 Brain natriuretic peptide 32 Proteins 0.000 description 4
- 102400000667 Brain natriuretic peptide 32 Human genes 0.000 description 4
- 101800002247 Brain natriuretic peptide 45 Proteins 0.000 description 4
- 206010007559 Cardiac failure congestive Diseases 0.000 description 4
- 206010011224 Cough Diseases 0.000 description 4
- 206010013954 Dysphoria Diseases 0.000 description 4
- 208000032274 Encephalopathy Diseases 0.000 description 4
- 206010019280 Heart failures Diseases 0.000 description 4
- 208000000616 Hemoptysis Diseases 0.000 description 4
- 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 description 4
- 206010036790 Productive cough Diseases 0.000 description 4
- 206010037660 Pyrexia Diseases 0.000 description 4
- 208000032140 Sleepiness Diseases 0.000 description 4
- 206010041349 Somnolence Diseases 0.000 description 4
- 206010051379 Systemic Inflammatory Response Syndrome Diseases 0.000 description 4
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 description 4
- 238000003339 best practice Methods 0.000 description 4
- 230000003115 biocidal effect Effects 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 230000002526 effect on cardiovascular system Effects 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 206010015037 epilepsy Diseases 0.000 description 4
- 208000018578 heart valve disease Diseases 0.000 description 4
- -1 hematocrit Chemical compound 0.000 description 4
- 208000017169 kidney disease Diseases 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 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 description 4
- 238000011002 quantification Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000000241 respiratory effect Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 239000000932 sedative agent Substances 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 208000024794 sputum Diseases 0.000 description 4
- 210000003802 sputum Anatomy 0.000 description 4
- 210000002700 urine Anatomy 0.000 description 4
- 208000019901 Anxiety disease Diseases 0.000 description 3
- 206010010071 Coma Diseases 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 3
- 108010054147 Hemoglobins Proteins 0.000 description 3
- 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
- 206010035664 Pneumonia Diseases 0.000 description 3
- 206010037549 Purpura Diseases 0.000 description 3
- 208000001647 Renal Insufficiency Diseases 0.000 description 3
- 229910003798 SPO2 Inorganic materials 0.000 description 3
- 101100478210 Schizosaccharomyces pombe (strain 972 / ATCC 24843) spo2 gene Proteins 0.000 description 3
- 230000003187 abdominal effect Effects 0.000 description 3
- 210000004712 air sac Anatomy 0.000 description 3
- 239000003242 anti bacterial agent Substances 0.000 description 3
- 229940088710 antibiotic agent Drugs 0.000 description 3
- 230000036506 anxiety Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004159 blood analysis Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 230000015271 coagulation Effects 0.000 description 3
- 238000005345 coagulation Methods 0.000 description 3
- 229940109239 creatinine Drugs 0.000 description 3
- 230000006735 deficit Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000011540 hip replacement Methods 0.000 description 3
- 201000006370 kidney failure Diseases 0.000 description 3
- 210000000265 leukocyte Anatomy 0.000 description 3
- 230000006996 mental state Effects 0.000 description 3
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 3
- 229910052753 mercury Inorganic materials 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000010412 perfusion Effects 0.000 description 3
- 210000001525 retina Anatomy 0.000 description 3
- 230000007306 turnover Effects 0.000 description 3
- 208000019206 urinary tract infection Diseases 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 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 description 2
- 208000004998 Abdominal Pain Diseases 0.000 description 2
- 206010000097 Abdominal tenderness Diseases 0.000 description 2
- 208000010444 Acidosis Diseases 0.000 description 2
- 206010001052 Acute respiratory distress syndrome Diseases 0.000 description 2
- 108010088751 Albumins Proteins 0.000 description 2
- 102000009027 Albumins Human genes 0.000 description 2
- 208000007848 Alcoholism Diseases 0.000 description 2
- 206010003011 Appendicitis Diseases 0.000 description 2
- 206010003504 Aspiration Diseases 0.000 description 2
- 206010003598 Atelectasis Diseases 0.000 description 2
- 208000031729 Bacteremia Diseases 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 description 2
- 108010074051 C-Reactive Protein Proteins 0.000 description 2
- 102100032752 C-reactive protein Human genes 0.000 description 2
- 241001631457 Cannula Species 0.000 description 2
- 206010007882 Cellulitis Diseases 0.000 description 2
- 201000003883 Cystic fibrosis Diseases 0.000 description 2
- 239000003154 D dimer Substances 0.000 description 2
- 206010051055 Deep vein thrombosis Diseases 0.000 description 2
- 208000005156 Dehydration Diseases 0.000 description 2
- 206010012289 Dementia Diseases 0.000 description 2
- 229940097420 Diuretic Drugs 0.000 description 2
- 206010013554 Diverticulum Diseases 0.000 description 2
- 206010013654 Drug abuse Diseases 0.000 description 2
- 206010014561 Emphysema Diseases 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 208000010201 Exanthema Diseases 0.000 description 2
- 208000037194 Fever of Unknown Origin Diseases 0.000 description 2
- 206010016654 Fibrosis Diseases 0.000 description 2
- 208000005577 Gastroenteritis Diseases 0.000 description 2
- 208000012671 Gastrointestinal haemorrhages Diseases 0.000 description 2
- 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 description 2
- 206010019233 Headaches Diseases 0.000 description 2
- 206010067660 Heart valve incompetence Diseases 0.000 description 2
- 208000008454 Hyperhidrosis Diseases 0.000 description 2
- 206010021113 Hypothermia Diseases 0.000 description 2
- 206010021137 Hypovolaemia Diseases 0.000 description 2
- 208000004575 Infectious Arthritis Diseases 0.000 description 2
- 208000022559 Inflammatory bowel disease Diseases 0.000 description 2
- 208000029523 Interstitial Lung disease Diseases 0.000 description 2
- 206010023126 Jaundice Diseases 0.000 description 2
- 201000009906 Meningitis Diseases 0.000 description 2
- 206010052904 Musculoskeletal stiffness Diseases 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 2
- 206010030124 Oedema peripheral Diseases 0.000 description 2
- 206010030302 Oliguria Diseases 0.000 description 2
- 206010031252 Osteomyelitis Diseases 0.000 description 2
- 206010033645 Pancreatitis Diseases 0.000 description 2
- 206010033647 Pancreatitis acute Diseases 0.000 description 2
- 208000000450 Pelvic Pain Diseases 0.000 description 2
- 208000018262 Peripheral vascular disease Diseases 0.000 description 2
- 108010048233 Procalcitonin Proteins 0.000 description 2
- 208000007123 Pulmonary Atelectasis Diseases 0.000 description 2
- 206010068513 Pulmonary renal syndrome Diseases 0.000 description 2
- 206010037596 Pyelonephritis Diseases 0.000 description 2
- 208000013616 Respiratory Distress Syndrome Diseases 0.000 description 2
- 208000037656 Respiratory Sounds Diseases 0.000 description 2
- 206010057190 Respiratory tract infections Diseases 0.000 description 2
- 208000008475 Smoke Inhalation Injury Diseases 0.000 description 2
- 206010062255 Soft tissue infection Diseases 0.000 description 2
- 206010041660 Splenomegaly Diseases 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 2
- 208000001871 Tachycardia Diseases 0.000 description 2
- 102000002262 Thromboplastin Human genes 0.000 description 2
- 108010000499 Thromboplastin Proteins 0.000 description 2
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 2
- 206010047249 Venous thrombosis Diseases 0.000 description 2
- 208000002223 abdominal aortic aneurysm Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 206010000210 abortion Diseases 0.000 description 2
- 231100000176 abortion Toxicity 0.000 description 2
- 206010000269 abscess Diseases 0.000 description 2
- 230000007950 acidosis Effects 0.000 description 2
- 208000026545 acidosis disease Diseases 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 206010069351 acute lung injury Diseases 0.000 description 2
- 201000003229 acute pancreatitis Diseases 0.000 description 2
- 201000000028 adult respiratory distress syndrome Diseases 0.000 description 2
- 206010001584 alcohol abuse Diseases 0.000 description 2
- 208000025746 alcohol use disease Diseases 0.000 description 2
- 208000007502 anemia Diseases 0.000 description 2
- 239000003146 anticoagulant agent Substances 0.000 description 2
- 229940127219 anticoagulant drug Drugs 0.000 description 2
- 208000007474 aortic aneurysm Diseases 0.000 description 2
- 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 description 2
- 230000007175 bidirectional communication Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 238000010322 bone marrow transplantation Methods 0.000 description 2
- 201000009267 bronchiectasis Diseases 0.000 description 2
- 206010006451 bronchitis Diseases 0.000 description 2
- 229940124630 bronchodilator Drugs 0.000 description 2
- 239000000168 bronchodilator agent Substances 0.000 description 2
- 238000002512 chemotherapy Methods 0.000 description 2
- 208000003167 cholangitis Diseases 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 230000007882 cirrhosis Effects 0.000 description 2
- 208000019425 cirrhosis of liver Diseases 0.000 description 2
- 206010009887 colitis Diseases 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 208000012696 congenital leptin deficiency Diseases 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 239000003246 corticosteroid Substances 0.000 description 2
- 229960001334 corticosteroids Drugs 0.000 description 2
- 201000003146 cystitis Diseases 0.000 description 2
- 238000013479 data entry Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000018044 dehydration Effects 0.000 description 2
- 238000006297 dehydration reaction Methods 0.000 description 2
- 238000000502 dialysis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000002934 diuretic Substances 0.000 description 2
- 230000001882 diuretic effect Effects 0.000 description 2
- 208000007784 diverticulitis Diseases 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 206010014599 encephalitis Diseases 0.000 description 2
- 206010014665 endocarditis Diseases 0.000 description 2
- 229960000610 enoxaparin Drugs 0.000 description 2
- 201000005884 exanthem Diseases 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 206010016256 fatigue Diseases 0.000 description 2
- 108010052295 fibrin fragment D Proteins 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 208000030304 gastrointestinal bleeding Diseases 0.000 description 2
- 210000001035 gastrointestinal tract Anatomy 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 231100000869 headache Toxicity 0.000 description 2
- 238000005534 hematocrit Methods 0.000 description 2
- 229960002897 heparin Drugs 0.000 description 2
- 229920000669 heparin Polymers 0.000 description 2
- 239000003326 hypnotic agent Substances 0.000 description 2
- 230000000147 hypnotic effect Effects 0.000 description 2
- 230000002631 hypothermal effect Effects 0.000 description 2
- 208000008384 ileus Diseases 0.000 description 2
- 229960003444 immunosuppressant agent Drugs 0.000 description 2
- 239000003018 immunosuppressive agent Substances 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 208000037805 labour Diseases 0.000 description 2
- 201000002364 leukopenia Diseases 0.000 description 2
- 231100001022 leukopenia Toxicity 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 201000003453 lung abscess Diseases 0.000 description 2
- 230000036210 malignancy Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000002483 medication Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 208000001022 morbid obesity Diseases 0.000 description 2
- 229940035363 muscle relaxants Drugs 0.000 description 2
- 208000031225 myocardial ischemia Diseases 0.000 description 2
- 239000003158 myorelaxant agent Substances 0.000 description 2
- 208000018360 neuromuscular disease Diseases 0.000 description 2
- 210000000440 neutrophil Anatomy 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000006213 oxygenation reaction Methods 0.000 description 2
- 206010034754 petechiae Diseases 0.000 description 2
- 201000003144 pneumothorax Diseases 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 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 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000009325 pulmonary function Effects 0.000 description 2
- 238000009613 pulmonary function test Methods 0.000 description 2
- 208000002815 pulmonary hypertension Diseases 0.000 description 2
- 206010037844 rash Diseases 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- 238000002644 respiratory therapy Methods 0.000 description 2
- 230000002207 retinal effect Effects 0.000 description 2
- 206010039722 scoliosis Diseases 0.000 description 2
- 230000028327 secretion Effects 0.000 description 2
- 229940125723 sedative agent Drugs 0.000 description 2
- 230000001624 sedative effect Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 208000013220 shortness of breath Diseases 0.000 description 2
- 208000007056 sickle cell anemia Diseases 0.000 description 2
- 201000002859 sleep apnea Diseases 0.000 description 2
- 208000011117 substance-related disease Diseases 0.000 description 2
- 230000035900 sweating Effects 0.000 description 2
- 230000006794 tachycardia Effects 0.000 description 2
- 238000002627 tracheal intubation Methods 0.000 description 2
- 238000002054 transplantation Methods 0.000 description 2
- 230000008733 trauma Effects 0.000 description 2
- 230000024883 vasodilation Effects 0.000 description 2
- 230000003519 ventilatory effect Effects 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 201000004624 Dermatitis Diseases 0.000 description 1
- 108091005515 EGF module-containing mucin-like hormone receptors Proteins 0.000 description 1
- 206010016173 Fall Diseases 0.000 description 1
- 208000010496 Heart Arrest Diseases 0.000 description 1
- 206010058558 Hypoperfusion Diseases 0.000 description 1
- 101710196709 Inosamine-phosphate amidinotransferase 1 Proteins 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
- 206010064911 Pulmonary arterial hypertension Diseases 0.000 description 1
- 101710141119 Putative inosamine-phosphate amidinotransferase 2 Proteins 0.000 description 1
- 206010038669 Respiratory arrest Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000009167 androgen deprivation therapy Methods 0.000 description 1
- 229940124572 antihypotensive agent Drugs 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 238000009640 blood culture Methods 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 210000001217 buttock Anatomy 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 210000003161 choroid Anatomy 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003831 deregulation Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000001544 dysphoric effect Effects 0.000 description 1
- 230000008482 dysregulation Effects 0.000 description 1
- 238000002079 electron magnetic resonance spectroscopy Methods 0.000 description 1
- 238000002297 emergency surgery Methods 0.000 description 1
- 230000003511 endothelial effect Effects 0.000 description 1
- 238000002618 extracorporeal membrane oxygenation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002615 hemofiltration Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000028709 inflammatory response Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 208000006443 lactic acidosis Diseases 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000037230 mobility 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
- 210000003205 muscle Anatomy 0.000 description 1
- 239000006199 nebulizer Substances 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
- 230000008520 organization Effects 0.000 description 1
- 238000002496 oximetry Methods 0.000 description 1
- 238000012545 processing Methods 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
- 238000011160 research Methods 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 210000000954 sacrococcygeal region Anatomy 0.000 description 1
- 210000001991 scapula Anatomy 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 208000013223 septicemia Diseases 0.000 description 1
- 230000037321 sleepiness Effects 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 208000024470 urgency of urination Diseases 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
- 238000007631 vascular surgery Methods 0.000 description 1
- 239000005526 vasoconstrictor agent Substances 0.000 description 1
- 230000006498 vasomotor response Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种示例性移动设备可包括：引擎，其被编程为接收患者数据的一个或多个源，该患者数据提供患者标识信息、生命体征信息、警报信息和任务信息；以及该移动设备的显示器，该显示器提供具有以下内容的屏幕：第一窗口，其具有分配给护理人员的患者列表；以及第二窗口，其具有与护理人员的患者相关联的多个生命体征和早期预警得分。
Description
背景技术
本公开涉及评估医疗机构中的患者风险，尤其涉及基于从医疗设备获得的数据评估患者风险。更具体地，本公开涉及评估医疗机构中的患者的多种风险，并向护理人员通知患者的多种风险。
医疗机构中的患者在住院期间容易遭受多种风险。例如，存在患上败血症的风险、患上诸如压疮或褥疮之类的压力损伤的风险，以及在离开床时或离开床后跌倒的风险。对患者的风险评估通常是零星进行的，评估之间间隔很长时间。例如，可能每轮班一次或两次才会将生命体征记录到患者的电子病历(EMR)中，因此两次生命体征记录之间可能间隔4至8个小时或更长时间。此外，有时风险评估的结果仅可在医疗机构中有限数量的位置获得，例如在EMR计算机或主护士站的计算机上。因此，在医疗领域中有必要获取更多关于患者的风险评估的及时信息，并且有必要使风险评估信息更容易被护理人员获得。
发明内容
一种装置、系统或方法可包括所附权利要求书中所记载的一个或多个特征和/或以下特征，这些特征可单独或以任何组合形式包括可获得专利的主题。
根据本公开的第一方面，可提供一种用于医疗机构的系统。该系统可包括分析引擎和可以向该分析引擎提供数据的多个设备。该数据可能与医疗机构中的患者有关。多个设备可包括以下至少一个：患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位系统的定位计算机以及失禁检测垫。分析引擎可以分析来自所述多个设备的数据，以基本实时地确定以下至少一项：与患者患败血症的风险有关的第一得分、与患者跌倒的风险有关的第二得分，以及与患者发生压力损伤的风险有关的第三得分。该系统可进一步包括计算机，该计算机可以联接至分析引擎并且可以协调期间需要分配给患者的至少一个护理人员来检查患者的护理人员查房间隔。计算机可响应于第一、第二或第三得分中的至少一个从第一值增加到第二值而自动减小护理人员查房间隔，并且计算机可响应于第一、第二或第三得分中的至少一个从第二值减小到第一值而自动增加护理人员查房间隔。
在一些实施例中，第一方面的系统可进一步包括多个显示器，该多个显示器可以通信地联接至分析引擎，并且可操作用于显示第一、第二和第三得分中的至少两个。例如，多个显示器可包括以下至少两个：可位于主护士站的状态板显示器、可由护士呼叫系统的房间站提供的室内显示器、EMR计算机的电子病历(EMR)显示器，以及可分配给患者的护理人员的移动设备的移动设备显示器。
如果需要，第一方面的多个设备可包括以下至少三个：患者支撑装置、护士呼叫计算机、生理监测器、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包括以下至少四个：患者支撑装置、护士呼叫计算机、生理监测器、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包括以下至少五个：患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位计算机和失禁检测垫。更进一步可选地，第一方面的多个设备可包括以下全部六个：患者支撑装置、护士呼叫计算机、生理监测器、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、第二和第三得分中的每一个可以被分析引擎归一化，以使其具有其他第一、第二和第三得分中每一个所共有的最小值和最大值。例如，对于第一、第二和第三得分中的每一个而言，最小值可以是0。备选地，对于第一、第二和第三得分中的每一个而言，最小值可以是1。此外，对于第一、第二和第三得分中的每一个而言，最大值可以是5。对第一、第二和第三得分使用小于0(例如，负数)且大于5的其他最小值也在本公开的范围内。
在第一方面的一些实施例中，分析引擎还可以从国际压疮患病率(IPUP)调查中为患者接收附加数据，并且分析附加数据用于确定第一、第二和第二得分中的至少一个。分析引擎可以将第一得分、第二得分和第三得分中的至少两个传送给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包括设备显示器，并且如果需要的话，可以在设备显示器上显示用于降低第一、第二和第三得分中的至少一个的步骤。
根据第一方面的系统，来自患者支撑装置的数据可包括至少一个患者生命体征，该至少一个患者生命体征可以由可以集成到患者支撑装置中的至少一个生命体征传感器来感测。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包括心率或呼吸率。来自患者支撑装置的数据还可包括患者体重。备选地或附加地，来自患者支撑装置的数据可包括患者体重和患者在患者支撑装置上的位置。进一步备选地或附加地，来自患者支撑装置的数据可包括指示当患者被支撑在患者支撑装置上时患者的运动量的数据。
在第一方面的一些实施例中，来自生理监测器的数据可包括以下一项或多项：心率数据、心电图仪(EKG)数据、呼吸率数据、患者体温数据、脉搏血氧饱和度数据和血压数据。第一方面的系统可配置为使得如果存在以下标准，则第一得分可以处于最大值或接近最大值：i)患者的体温大于大约38.3摄氏度(C)(大约101华氏度(F))或低于约35.6℃(约96°F)；ii)患者的心率每分钟大于90次；iii)患者的呼吸率大于每分钟20次呼吸。
如果需要，若第一、第二或第三得分比先前值增加，第一方面的分析引擎可以向分配给患者的至少一个护理人员的移动设备发起消息。备选地或附加地，如果第一、第二或第三得分达到阈值，则第一方面的分析引擎可以向分配给患者的至少一个护理人员的移动设备发起消息。可选地，分析引擎还可以接收与患者的至少一个伤口有关的附加数据，并且可以分析该附加数据用于确定第一、第二和第三得分中的至少一个。例如，与至少一个伤口有关的附加数据可包括至少一个伤口的图像。
在一些实施例中，第一方面的患者支撑装置可包括患者病床或担架。分析引擎还可以接收与以下至少一项有关的附加数据：液体输入和输出、心输出量、合并症和血液检查，并且其中分析引擎可以分析附加数据用于确定第一、第二和第三得分中的至少一个。第一方面的生理监测器可包括以下至少一项：可附接到患者的无线贴片传感器、移动心脏监测器、心电图、呼吸率监测器、血压监测器、脉搏血氧仪和温度计。第一方面的多个设备可进一步包括椅子监测器，以当患者坐在椅子上时监测患者的运动。备选地或附加地，第一方面的多个设备可进一步包括马桶监测器，以当患者坐在马桶上时监测患者的运动。
根据本公开的第二方面，用于评估患者的医疗风险的装置可包括分析引擎和可以向该分析引擎提供数据的多个设备。多个设备可包括以下至少两个：患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位系统的定位计算机以及失禁检测垫。分析引擎可分析来自该多个设备的数据以确定以下至少两个：可能与患者患败血症的风险有关的第一得分、可能与患者跌倒的风险有关的第二得分，以及可能与患者发生压力损伤的风险有关的第三得分。该装置可进一步包括多个显示器，该多个显示器可以通信地联接到分析引擎并且可操作以显示第一、第二和第三得分中的至少两个。多个显示器可包括以下至少两个：可位于主护士站的状态板显示器、可由护士呼叫系统的房间站提供的室内显示器、电子病历(EMR)计算机的EMR显示器，以及可分配给患者的护理人员的移动设备的移动设备显示器。
在一些实施例中，多个设备可包括患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位计算机和失禁检测垫中的至少三个。在进一步的实施例中，多个设备可包括患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位计算机和失禁检测垫中的至少四个。在另外的实施例中，多个设备可包括患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位计算机和失禁检测垫中的至少五个。在其他实施例中，多个设备包括患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位计算机和失禁检测垫中的全部六个。
可选地，可以将第一、第二和第三得分中的每一个都归一化，以使其具有其他第一、第二和第三得分中的每一个所共有的最小值和最大值。例如，对于第一、第二和第三得分中的每一个而言，最小值可以是0。备选地，对于第一、第二和第三得分中的每一个而言，最小值可以是1。同样，对于第一、第二和第三得分中的每一个而言，最大值可以是5。对第一、第二和第三得分使用小于0(例如，负数)且大于5的其他最小值也在本公开的范围内。
本公开设想，可以基于第一、第二和第三得分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，可被调整的查房方案包括与何时可能需要护理人员检查患者有关的查房时间间隔。
如果需要，分析引擎还可以从国际压疮患病率(IPUP)调查中为患者接收其他数据，并且可以分析该其他数据用于确定第一、第二和第三得分中的至少一个。
在一些实施例中，分析引擎可以将第一、第二和第三得分中的至少两个传送给多个设备。多个设备中的至少一个设备可包括设备显示器，并且可以在设备显示器上显示用于降低第一、第二和第三得分中的至少一个的步骤。
来自患者支撑装置的数据可包括至少一个患者生命体征，该至少一个患者生命体征可以由可以集成到患者支撑装置中的至少一个生命体征传感器来感测。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包括心率或呼吸率。备选地或附加地，来自患者支撑装置的数据可包括患者体重。进一步备选地或附加地，来自患者支撑装置的数据可包括患者体重和患者在患者支撑装置上的位置。可选地，来自患者支撑装置的数据可包括指示当患者被支撑在患者支撑装置上时患者的运动量的数据。
分析引擎可以基本实时地分析来自多个设备的数据，并且可以基本实时地更新第一、第二和第三得分中的至少两个。本公开设想，来自生理监测器的数据可包括以下一项或多项：心率数据、心电图仪(EKG)数据、呼吸率数据、患者体温数据、脉搏血氧饱和度数据和血压数据。
在一些实施例中，如果存在以下标准，则第一得分可以处于最大值或接近最大值：i)患者的体温大于大约38.3摄氏度(C)(大约101华氏度(F))或低于约35.6℃(约96°F)；ii)患者的心率每分钟大于90次；iii)患者的呼吸率大于每分钟20次呼吸。
可选地，如果第一、第二或第三得分比先前值增加，则分析引擎可以向分配给患者的护理人员的移动设备发起消息。备选地或附加地，如果第一、第二或第三得分达到阈值，则分析引擎可以向分配给患者的护理人员的移动设备发起消息。
在一些实施例中，分析引擎还可以接收与患者的至少一个伤口有关的附加数据，并且可以分析该附加数据用于确定第一、第二和第三得分中的至少一个。例如，与至少一个伤口有关的附加数据可包括该至少一个伤口的图像。
患者支撑装置可包括例如患者病床或担架。如果需要，分析引擎还可以接收与以下至少一项有关的附加数据：液体输入和输出、心输出量、合并症和血液检查。分析引擎可以分析该附加数据用于确定第一、第二和第三得分中的至少一个。
在一些实施例中，生理监测器可包括以下至少一个：可附接到患者的无线贴片传感器、移动心脏监测器、EKG、呼吸率监测器、血压监测器、脉搏血氧仪和温度计。备选地或附加地，多个设备还可包括椅子监视器，以当患者坐在椅子上时监测患者的运动。进一步备选地或附加地，多个设备还可包括马桶监测器，以当患者坐在马桶上时监测患者的运动。
根据本公开的第三方面，用于评估患者的医疗风险的装置可包括分析引擎和可以向该分析引擎提供数据的多个设备。多个设备可包括以下至少两个：患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位系统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，以确定以下各项中的每一项：可能与患者患败血症的风险有关的第一得分、可能与患者跌倒的风险有关的第二得分，以及可能与患者发生压力损伤的风险有关的第三得分。该装置可进一步包括可以通信地联接到分析引擎的多个显示器。多个显示器中的至少一个显示器可操作以显示第一、第二和第三得分。
在一些实施例中，至少一个显示器可包括以下至少一个：可位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、电子病历(EMR)计算机的EMR显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在另外的实施例中，至少一个显示器可包括以下至少两个：可位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、电子病历(EMR)计算机的EMR显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在其他实施例中，至少一个显示器可包括以下至少三个：可位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、电子病历(EMR)计算机的EMR显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在其他实施例中，至少一个显示器可包括以下全部四个：可位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、电子病历(EMR)计算机的EMR显示器以及分配给患者的护理人员的移动设备的移动设备显示器。
在一些实施例中，以上阐述的第三方面的装置可与以上第二方面阐述的任何一个或多个特征结合提供。
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包括在分析引擎处从多个设备接收数据。多个设备可包括以下至少两个：患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位系统的定位计算机以及失禁检测垫。该方法可以进一步包括利用分析引擎分析来自多个设备的数据，以确定以下至少两个：可能与患者患败血症的风险有关的第一得分、可能与患者跌倒的风险有关的第二得分，以及可能与患者发生压力损伤的风险有关的第三得分。该方法还可包括在多个显示器上显示第一、第二和第三得分中的至少两个，该多个显示器可以通信地联接到分析引擎。多个显示器可包括以下至少两个：可位于主护士站的状态板显示器、可由护士呼叫系统的房间站提供的室内显示器、电子病历(EMR)计算机的EMR显示器，以及分配给患者的护理人员的移动设备的移动设备显示器。
在一些实施例中，多个设备可包括患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位计算机和失禁检测垫中的至少三个。在进一步的实施例中，多个设备可包括患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位计算机和失禁检测垫中的至少四个。在另外的实施例中，多个设备可包括患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位计算机和失禁检测垫中的至少五个。在其他实施例中，多个设备可包括患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位计算机和失禁检测垫中的全部六个。
可选地，该方法可进一步包括：利用分析引擎将第一、第二和第三得分中的每一个都归一化，以使其具有其他第一、第二和第三得分中的每一个所共有的最小值和最大值。例如，对于第一、第二和第三得分中的每一个而言，最小值可以是0。备选地，对于第一、第二和第三得分中的每一个而言，最小值可以是1。如果需要，对于第一、第二和第三得分中的每一个而言，最大值可以是5。对第一、第二和第三得分使用小于0(例如，负数)且大于5的其他最小值也在本公开的范围内。
在一些实施例中，该方法可进一步包括基于第一、第二和第三得分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，可被调整的查房方案包括与何时可能需要护理人员检查患者有关的查房时间间隔。
如果需要，该方法可进一步包括在分析引擎处从国际压疮患病率(IPUP)调查中为患者接收附加数据，并利用分析引擎分析该附加数据用于确定第一、第二和第三得分中的至少一个。该方法还可包括将第一、第二和第三得分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包括设备显示器，并且该方法还可包括在设备上显示用于降低第一、第二和第三得分中的至少一个的步骤。
在该方法的一些实施例中，来自患者支撑装置的数据可包括至少一个患者生命体征，该至少一个患者生命体征可以由可以集成到患者支撑装置中的至少一个生命体征传感器来感测。例如，可以由至少一个生命体征传感器感测到的至少一个患者生命体征可包括心率或呼吸率。替代地或附加地，来自患者支撑装置的数据还可包括患者体重。进一步替代地或附加地，来自患者支撑装置的数据可包括患者体重和患者在患者支撑装置上的位置。更进一步替代地或附加地，来自患者支撑装置的数据可包括指示当患者被支撑在患者支撑装置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包括基本实时地分析数据，并且该方法还可包括基本实时地更新第一、第二和第三得分中的至少两个。来自生理监测器的数据可包括以下一项或多项：心率数据、心电图仪(EKG)数据、呼吸速数据、患者体温数据、脉搏血氧饱和度数据和血压数据。本公开设想，如果存在以下标准，则第一得分可以处于最大值或接近最大值：i)患者的体温大于约38.3摄氏度(C)(约101华氏度(F))或低于约35.6℃(约96°F)；ii)患者的心率每分钟大于90次；iii)患者的呼吸速率大于每分钟20次呼吸。
可选地，该方法还可包括：如果第一、第二或第三得分比先前值增加，则利用分析引擎向分配给患者的护理人员的移动设备发起消息。备选地或附加地，该方法还可包括：如果第一、第二或第三得分达到阈值，则利用分析引擎向分配给患者的护理人员的移动设备发起消息。
如果需要，该方法还可包括在分析引擎处接收与患者的至少一个伤口有关的附加数据，并利用分析引擎分析该附加数据用于确定第一、第二和第三得分中的至少一个。例如，可能与至少一个伤口有关的附加数据可包括至少一个伤口的图像。
患者支撑装置可包括患者病床或担架。可选地，该方法还可包括在分析引擎处接收与以下至少一项有关的附加数据：液体输入和输出、心输出量、合并症和血液检查，以及利用分析引擎分析该附加数据用于确定第一、第二和第三得分中的至少一个。
在该方法的一些实施例中，生理监测器可包括以下至少一个：可附接到患者的无线贴片传感器、移动心脏监测器、EKG、呼吸率监测器、血压监测器、脉搏血氧仪和温度计。备选地或附加地，该方法的多个设备还可包括椅子监视器，以当患者坐在椅子上时监测患者的运动。进一步备选地或附加地，该方法的多个设备还可包括马桶监测器，以当患者坐在马桶上时监测患者的运动。
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包括在分析引擎处接收来自多个设备的数据。该多个设备可包括以下至少两个：患者支撑装置、护士呼叫计算机、生理监测器、患者升降机、定位系统的定位计算机以及失禁检测垫。该方法还可包括：利用分析引擎分析来自该多个设备的数据，以确定以下各项中的每一个：可能与患者患败血症的风险有关的第一得分、可能与患者跌倒的风险有关的第二得分，以及可能与患者发生压力损伤的风险有关的第三得分。该方法还可包括在多个显示器中的至少一个显示器上显示第一、第二和第三得分，该多个显示器通信地联接到分析引擎。
在一些实施例中，至少一个显示器可包括以下至少一个：可位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、电子病历(EMR)计算机的EMR显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在另外的实施例中，至少一个显示器可包括以下至少两个：可位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、电子病历(EMR)计算机的EMR显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在其他实施例中，至少一个显示器可包括以下至少三个：可位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、电子病历(EMR)计算机的EMR显示器以及分配给患者的护理人员的移动设备的移动设备显示器。在又一些其他实施例中，至少一个显示器可包括以下全部四个：可位于主护士站的状态板显示器、可以由护士呼叫系统的房间站提供的室内显示器、电子病历(EMR)计算机的EMR显示器以及分配给患者的护理人员的移动设备的移动设备显示器。
在一些实施例中，以上阐述的第五方面的方法可与以上第四方面阐述的任何一个或多个特征结合提供。
根据本公开的第六方面，一种评估患者的医疗风险的方法可包括在分析引擎处接收患者的人口统计数据，该人口统计数据包括年龄、种族和体重中的至少一个。第六方面的方法还可包括：在分析引擎处接收患者的合并症数据，该合并症数据包括指示患者患有以下医疗疾病中的至少一种的数据：获得性免疫缺陷综合症(AIDS)、贫血、慢性充血性心力衰竭、哮喘、癌症、慢性阻塞性肺疾病(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、既往插管、脊柱侧弯、吸烟者、谵妄、无脾、骨髓移植、肝硬化、透析、憩室病、心脏瓣膜疾病、炎症性肠病、关节置换、白细胞减少症、恶性肿瘤、肿瘤、器官移植、外周血管疾病、肾脏疾病、压力损伤、近期流产、近期分娩、癫痫、镰状细胞性贫血或终晚期疾病。第六方面的方法可以进一步包括在分析引擎处接收生理数据，该生理数据可以由生理监测器测量，该生理监测器可具有联接至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，并且在由生理监测器监测患者时随时间变化。更进一步，第六方面的方法可包括基于患者人口统计数据、合并症数据和生理数据使用分析引擎来基本实时地计算患者的风险得分。
在一些实施例中，第六方面的方法还可包括：在分析引擎处接收患者的实验室数据，并将实验室数据用于计算风险得分。可选地，实验室数据可包括可能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、脑钠尿肽、血尿素氮、心脏射血分数、肌酸酐、血红蛋白，红细胞压积、乳酸、肺功能测试、肌钙蛋白、胆红素、C-反应蛋白、D-二聚体、葡萄糖、碳酸氢盐(HCO3)、高乳酸盐血症、国际凝血标准定量(INR)、中性粒细胞大于10％的正常白细胞计数(WBC)、动脉血二氧化碳分压(PaCO2)、体液过剩、Ph值、血小板、降钙素原、尿蛋白、部分凝血活酶时间(PTT)或白细胞计数。
备选地或附加地，第六方面的方法还可包括：在分析引擎处接收患者的患者症状数据，并使用患者症状数据来计算风险得分。可选地，患者症状数据可包括可能与以下一项或多项有关的数据：副肌使用、精神状态改变、精神错乱、焦虑、胸痛、咳嗽、紫绀、发汗、呼吸困难、咯血、疲劳、烦躁不安、痰液产生、心跳过速、呼吸急促或嗜睡。
进一步备选地或附加地，第六方面的方法还可包括：在分析引擎处接收临床检查数据，并将临床检查数据用于计算风险得分。可选地，临床检查数据可包括与以下一项或多项有关的数据：腹式呼吸、异常肺音、副肌使用、毛细血管再充盈、胸闷或胸痛、心电图(ECG或EKG)异常、咳嗽、紫绀、意识水平下降(LOC)、烦躁、脑病、色斑、日常生活活动(ADL)需要协助、端坐呼吸、外周性水肿、痰液分泌、谵妄、体液过剩、心输出量、早期皮肤呈暖红色，后期皮肤呈冷淡苍白且伴有色斑、发热、头痛、颈部僵硬、体温过低、肠梗阻、黄疸、脑膜炎、少尿、周围性紫绀、瘀点皮疹、体液正平衡、癫痫、昏迷或血容量不足。
进一步备选地或附加地，第六方面的方法还可包括：在分析引擎处接收记录的医嘱数据，并将记录的医嘱数据用于计算风险得分。可选地，记录的医嘱数据可包括可能与以下一项或多项相关的数据：除使用插管(包括使用文丘里管、换气器、非再呼吸器、持续气道正压(CPAP)机、双相气道正压(bi-PAP)机)以外的呼吸空气输送；动脉血气测试；脑钠肽测试；呼吸治疗；胸部x光片；多普勒超声心动图；高流速或高容量(输入输出(I&O))；肺会诊；肺功能测试；通气灌注(VQ)扫描；或胸部计算机断层(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，并将入院数据用于计算风险得分。可选地，入院数据可包括可能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、误吸、哮喘、支气管扩张、肺不张、支气管炎、烧伤、癌症、心脏或胸外科手术、心脏瓣膜疾病或瓣膜功能不全、化疗、充血性心力衰竭、慢性阻塞性肺病恶化、深静脉血栓形成、药物过量、休息时呼吸困难、急诊手术、咯血、间质性肺病、肺脓肿、颈部手术、神经外科手术、上腹部手术、外周血管手术、肺炎、气胸、肺栓塞、肺动脉高压、肺肾综合征、肾功能衰竭、败血症、休克、睡眠呼吸暂停、烟雾吸入性损伤、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、蜂窝组织炎、胆管炎、结肠炎、膀胱炎、脱水、憩室炎、脑炎、脑病、心内膜炎、不明原因发热、肠胃炎、胃肠道出血、胃肠道感染、低血压、感染过程、不适、骨髓炎、造口术、骨盆疼痛、肾脏疾病、肾盂肾炎、呼吸道感染、化脓性关节炎、软组织感染、手术入院、伤口或急性呼吸窘迫综合征。
备选地或附加地，第六方面的方法还可包括：在分析引擎处接收患者的药物数据，并将药物数据用于计算风险得分。可选地，药物数据可包括与以下一项或多项有关的数据：可通过静脉(IV)或皮下(SC)输送的抗凝剂(包括肝素或依诺肝素(levenox))、支气管扩张药、皮质类固醇、利尿剂使用、高流速或高容量或高渗液体、阿片类药物、镇静剂、催眠药、肌肉松弛剂、体液过剩、抗生素或免疫抑制剂。
在一些实施例中，第六方面的方法可进一步包括：如果患者年龄在70岁或以上且患有慢性阻塞性肺病(COPD)，则利用分析引擎确定该患者可能有发生呼吸窘迫的风险。备选地或附加地，第六方面的方法还可包括：如果患者患有COPD且已服用阿片类药物，则利用分析引擎确定患者可能有发生呼吸窘迫的风险。进一步备选地或附加地，第六方面的方法还可包括：如果患者年龄在70岁或以上且已服用阿片类药物，则利用分析引擎确定该患者可能有发生呼吸窘迫的风险。仍进一步备选地或附加地，第六方面的方法还可包括：如果患者年龄在70岁或以上，患有哮喘，且血液中尿素氮(BUN)大于或等于每100毫升(ml)30毫克(mg)，则利用分析引擎确定患者可能有发生呼吸窘迫的风险。
如果需要，第六方面的方法还可包括：如果患者在65岁或以上且患有癌症，则利用分析引擎确定该患者可能有患败血症的风险。备选地或附加地，第六方面的方法还可包括：如果患者具有败血症病史，则利用分析引擎确定该患者可能有患败血症的风险。进一步备选地或附加地，第六方面的方法的生理数据可包括以下一项或多项：心率、呼吸率、体温、平均动脉压、收缩压或包括周围毛细血管氧饱和度(SpO2)的脉搏血氧饱和度数据。
根据本公开的第七方面，在至少一个计算机上实现的方法可包括接收患者的动态临床变量和生命体征信息、使用生命体征信息来开发先前生命体征模式和当前生命体征模式，并将先前生命体征模式与当前生命体征模式进行比较。第七方面的方法还可包括接收以下项中的一项或多项：患者的静态变量、患者的主诉、患者的先前医疗保健利用模式，或患者的健康数据的社会决定因素。第七方面的方法还可包括在算法中使用动态临床变量、生命体征信息、先前生命体征模式与当前生命体征模式的比较结果，以及静态变量、主诉、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，以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，动态临床变量可包括护理点实验室数据。可选地，静态变量可包括合并症。备选地或附加地，静态变量可包括患者的护理设置是急症前护理设置、急症护理设置还是急症后护理设置。如果需要，第七方面的方法还可包括接收患者的历史数据。
在本公开的范围内，第七方面的方法还可包括向患者的一个或多个临床医生输出一个或多个建议措施。例如，一个或多个建议措施可包括将患者送往急诊室(ED)。备选地或附加地，一个或多个建议措施可包括加强一个或多个临床医生对患者的监测。进一步备选地或附加地，一个或多个建议措施可包括为患者预约一系列实验室测试。
在一些实施例中，第七方面的方法还可包括对医疗机构的临床医生进行排名。例如，对医疗机构的临床医生进行排名可包括根据经验对临床医生进行排名。备选地或附加地，对医疗机构的临床医生进行排名可包括根据先前采取的措施对临床医生进行排名。进一步备选地或附加地，对医疗机构的临床医生进行排名可包括根据先前的患者治疗结果对临床医生进行排名。因此，如果需要，对医疗机构的临床医生进行排名可包括根据经验、根据先前采取的措施，以及根据先前的患者治疗结果对临床医生进行排名。可选地，至少一个计算机可使用对治疗结果具有最大影响的措施来向新手临床医生或经验较少的临床医生通知有经验的临床医生是如何处理患者的。
在第一方面的系统的一些实施例中，可基于以下表11中列出的一个或多个数据元素来进行风险确定或计算第一、第二或第三风险得分中的一个或多个。
在第二方面或第三方面的装置的一些实施例中，可基于以下表11中列出的一个或多个数据元素来进行风险确定或计算第一、第二或第三风险得分中的一个或多个。
在第四方面或第五方面的方法的一些实施例中，该方法可进一步包括基于以下表11中列出的一个或多个数据元素来进行风险确定或计算第一、第二或第三风险得分中的一个或多个。
在第六方面的方法的一些实施例中，该方法可进一步包括基于以下表11中列出的一个或多个数据元素来计算风险得分或进行风险确定。
在第七方面的方法的一些实施例中，该方法可进一步包括基于以下表11中列出的一个或多个数据元素来计算风险得分或进行风险确定。
附加特征，单独地或以与任何其他特征(例如以上列出的那些和权利要求中列出的那些)相组合的形式，可包括可取得专利的主题，并且对于本领域技术人员而言，在考虑了对举例说明了实施目前所知的实施例的最佳模式的各种实施例的详细描述之后，将变得显而易见。
附图说明
详细说明尤其参考附图，其中：
图1是一系统的示意图，其示出了病床数据、失禁检测系统数据、生命体征数据以及来自国际压疮患病率(IPUP)调查的数据被提供给分析引擎，并示出了分析引擎基于对所接收的数据的分析发起与护理人员的实时临床通信；
图2是类似于图1的系统的示意图，其在顶行从左到右示出了被支撑在患者病床上的患者、从病床接收数据的分析引擎(在图2中被标记为“DSN平台”)，其中分析引擎将风险评估消息传送回病床并传送给生命体征监测器，并在第二行从右到左示出了患者病床对患者位置进行监测以及护理人员对患者的压力损伤进行拍照；
图3是类似于图1和图2的系统的示意图，其示出了位于视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，其中数据源设备包括患者病床、护士呼叫系统的图形房间站、生命体征监测器、患者升降机、定位系统和失禁检测系统，数据接收设备包括状态板、室内显示器、分析引擎、电子病历(EMR)或健康信息系统(HIS)服务器以及一组移动设备；
图4A至图4C形成流程图，其示出了患者经过急诊室(ED)、重症监护室(ICU)和内科/外科(MED/SURG)病房，然后回家或进入长期护理(LTC)机构的历程的示例，并示出了患者流程中分析引擎进行操作以确定患者患有败血症或患上败血症的风险的位置；
图5A和图5B形成流程图，其示出了患者在入院医疗机构和在医疗机构住院(包括使用患者的房间中的设备将患者移至椅子或卫生间)的示例，并示出了患者流程中分析引擎进行操作以对患者进行风险评估的位置；
图6是类似于图3的备选系统的示意图，其示出了：位于页面左侧的医院本地设备，包括室内设备、设备网关和状态板；位于页面中心的云设备，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；以及位于页面右侧的其他本地设备，包括移动设备以及包括EMR、ADT和Labs服务器在内的第三方解决方案；
图7是图3和图6的移动设备的移动应用程序的患者屏幕的屏幕截图示例，其示出了患者屏幕，该患者屏幕包括分配给携带移动设备的护理人员的患者姓名列表、位于每个患者姓名左侧的房间号，以及位于每个患者姓名下方的风险得分(包括(如适用)系统炎症反应综合征(SIRS)值和修改的预警得分(MEWS)值)；
图8是风险详情屏幕的屏幕截图的示例，其中风险详情屏幕在患者姓名的下方包括具有与MEWS值有关的附加信息的MEWS窗口、具有与败血症相关器官衰竭评估(SOFA)得分有关的附加信息的SOFA窗口，以及具有与MORSE跌倒等级(MORSE Fall Scale，MFS)值有关的附加信息的MORSE窗口，并且风险详情屏幕还包括一对风险影响因素窗口，该一对风险影响因素窗口包括呼吸窘迫窗口和败血症窗口，其中呼吸窘迫窗口列出了影响患者将经历呼吸窘迫的风险的因素，败血症窗口列出了影响患者患上败血症的风险的因素；
图9是备选的风险详情屏幕的屏幕截图的示例，其中风险详情屏幕在患者姓名下方包括具有影响总得分的子得分信息(如适用)的MEWS、SIRS和SOFA窗口，并且风险详情屏幕还包括与图8相似的一对风险影响因素窗口；
图10是MEWS详情屏幕的屏幕截图的示例，其中MEWS详情屏幕提供了与MEWS值有关的更多详细信息，包括显示哪些生命体征或其他信息与影响总MEWS值的每个子得分值相对应，其中MEWS详情屏幕响应于在图8或图9的风险详情屏幕上选择MEWS窗口而出现在护理人员的移动设备上；
图11是示例性患者屏幕，其包括分配给医疗机构内的护理人员的患者姓名列表；
图12是从图11的示例性患者屏幕中选择的患者的示例性风险详情屏幕；
图13是从图11的示例性患者屏幕中选择的患者的另一示例性风险详情屏幕；
图14是从图11的示例性患者屏幕中选择的患者的另一示例性风险详情屏幕；
图15是从图11的示例性患者屏幕中选择的患者的另一示例性风险详情屏幕；
图16是从图11的示例性患者屏幕中选择的患者的另一示例性风险详情屏幕；
图17是从图11的示例性患者屏幕中选择的患者的另一示例性风险详情屏幕；
图18是从图11的示例性患者屏幕中选择的患者的另一示例性风险详情屏幕；
图19是当从图16的风险详情屏幕中选择SIRS窗口时生成的示例性SIRS屏幕；
图20是当从图16的风险详情屏幕中选择qSOFA窗口时生成的示例性qSOFA屏幕；
图21是当从图16的风险详情屏幕中选择MORSE窗口时生成的示例性MORSE屏幕；
图22是另一示例性MORSE屏幕；
图23是当从图18的风险详情屏幕中选择败血症风险框时生成的示例性败血症风险屏幕；
图24是当从图18的风险详情屏幕中选择跌倒风险框时生成的示例性跌倒风险屏幕；
图25是另一示例性跌倒风险屏幕；
图26是当从风险详情屏幕中选择SBAR图标时生成的情况、背景、评估、建议(SBAR)屏幕；
图27是示例性生命体征屏幕，其用于显示生命体征测量值随时间的趋势；
图28是另一示例性生命体征屏幕；
图29是另一示例性生命体征屏幕；
图30是另一示例性患者屏幕，其包括分配给医疗机构内的护理人员的患者姓名列表；
图31是示例性聊天屏幕，其包括关于分配给图30的护理人员的患者的消息；
图32是主患者视图屏幕，其提供关于分配给图30的护理人员的患者中的一个的信息；
图33是次患者视图屏幕，其提供关于分配给图30的护理人员的患者中的一个的信息；
图34是另一次患者视图屏幕，其提供关于分配给图30的护理人员的患者中的一个的信息；以及
图35是与分配给图30的护理人员的患者相关联的警报视图。
具体实施方式
装置或系统10包括患者数据源12，患者数据源12与分析引擎20进行基本上实时的通信以进行实时临床数据汇聚，如图1所示。在图1的说明性示例中，患者数据源12包括患者病床14、失禁检测系统16、生命体征监测器18和国际压疮患病率(international pressureulcer prevalence，IPUP)调查22。来自患者病床14的病床数据包括例如指示病床侧护栏是上升还是下降的数据、指示是否设置了脚轮制动器的数据、指示床垫支撑板的头段升高的角度的数据、指示患者病床14的上框架相对于病床14的底架是否处于其最低高度的数据，以及本领域技术人员已知的其他病床数据。关于病床数据的其他示例，特别是关于表1，参见美国专利申请公开第2012/0316892A1号，该专利申请在此通过引用并入本文。
患者病床14的一些实施例具有称重系统，该系统感测患者的体重，并且在一些实施例中，当患者被支撑在病床14上时，该系统还监测患者的位置。参见，例如，美国专利第7,253,366号，其全部内容在不与本公开冲突的情况下通过引用并入本文，若出现任何冲突，以本公开为准。病床14的一些实施例还包括集成生命体征传感器以感测患者的心率或呼吸率。参见，例如，美国专利申请公开第2018/0184984A1号，其全部内容在不与本公开冲突的情况下通过引用并入本文，若出现任何冲突，以本公开为准。因此，在一些实施例中，由一个或多个床上传感器感测到的患者体重数据、患者位置数据和生命体征数据也在病床14传输至分析引擎20的数据之中。
在一些实施例中，失禁检测系统16是可从Hill-Rom Company，Inc.获得的WATCHCARETM失禁检测系统。合适的失禁检测系统16的其他细节可在美国专利申请公开第2017/0065464A1号、第2017/0246063A1号、第2018/0021184A1号、第2018/0325744A1号和第2019/0060137A1号中找到，这些专利申请的全部内容在不与本公开冲突的情况下通过引用并入本文，若出现任何冲突，以本公开为准。失禁检测系统16将指示系统16的放置在患者下方的失禁检测垫是湿还是干的数据传送至分析引擎20。
在一些实施例中，系统16的失禁检测垫具有无源RFID标签。该无源RFID标签由一个或多个天线发射的能量激活，该一个或多个天线位于患者病床14的床垫下方且位于患者病床14的床垫支撑板的顶部。来自无源RFID标签的反向散射数据由一个或多个这些相同的天线读取。设置读取器以控制在任何给定情况下多个天线中的哪个天线是发送天线，其余天线是接收天线。由读取器经由接收天线接收到的反向散射数据经由读取器被传送至分析引擎20，例如，经由从读取器到医疗机构的以太网的无线接入点的无线传输，或者在读取器例如通过有线连接可通信地联接到病床电路的那些实施例中，经由病床14的电路被传送至分析引擎20。
生命体征监测器18包括例如心电图仪(ECG或EKG)、脑电图仪(EEG)、心率监测器、呼吸率监测器、体温监测器、脉搏血氧仪、血压监测器等。在一些实施例中，监测器18是与病床14分开的独立设备。在一些实施例中，生命体征检测器18中的至少一个是可从纽约Skaneateles Falls的Welch Allyn，Inc.获得的现场监测器。如上所述，在一些实施例中，病床14包括其自身的集成生命体征传感器。因此，从生命体征监测器18或病床14提供给分析引擎20的生命体征数据包括以下任意一项或多项：心率数据、呼吸频率数据、体温数据、脉搏血氧饱和度数据、血压数据等。
IPUP调查22包括诸如以下的信息：1)患者所在的病房、2)患者的年龄、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)是否正在使用系统16的失禁检测垫、7)自入院医疗机构以来患者的住院时间、8)患者病床14上的表面(例如床垫)的类型、9)患者与支撑表面之间的布层数(包括尿布和内裤)、10)所用布的类型、11)患者的活动状态(例如，完全不动、做出轻微的重量转移但无法向侧边翻身、自己向侧边翻身但需要帮助来站立，或独立站立)、12)观察到的位置(例如，平躺、侧躺、俯卧、坐在椅子上或站立)、13)在患者住院期间是否使用过患者升降机、14)卧床时患者的脚后跟是否被抬高、15)患者的身高(或婴儿身长)、16)患者体重、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)度过的时间、20)是否在入院后24小时内评估患者皮肤、21)入院后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)入院期间确定的风险得分、24)最近或当前使用的风险方法、25)最近一次或当前的风险得分、26)最近一次风险评估的记录(例如，自当前调查之前最近一次压疮/压力损伤风险评估以来的时间以及是否记录了最近一次风险评估、27)是否已确定患者有压力损伤的风险、28)在过去24小时内是否已实施高危患者的压力损伤预防方案、29)在过去24小时内是否记录了皮肤评估、30)在过去的24小时内是否使用了压力重新分配表面、31)在过去的24小时内是否按医嘱对患者进行了重新定位、32)在过去24小时内患者是否已获得营养支持、33)在过去的24小时内已为患者使用了湿度管理(例如，使用了表面的低风压损失性特征或微气候管理特征)、34)是否在使用患者约束、35)使用的约束类型、36)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性静脉-静脉血液滤过(CVVH)/连续性静脉血液透析滤过(CVHD)/股骨线、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)是否正在为患者使用血管加压药或患者的平均动脉压(MAP)是否较低、44)患者是否通气、45)患者是否患有压力损伤、46)压力损伤细节(例如，伤口的位置，例如右脚跟或左脚跟、骶骨、肩胛骨等；每个伤口的阶段；入院时是否存在每个伤口；到达病房时是否存在每个伤口；以及伤口记录)、47)是否有压力损伤与设备有关、48)设备的类型(如果对47的回答为“是”)，以及49)从入院到记录到压力损伤的天数(如果压力损伤是由设备造成的)。来自IPUP调查的数据在传送至分析引擎20的数据之中。应当理解，IPUP调查数据是由护理人员使用PC或平板计算机或某些其他计算机设备输入的。
根据本公开，分析引擎20处理从源12接收到的数据并为相关患者执行风险评估。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、患者患上压力损伤(例如，压疮或褥疮)的风险以及患者可能跌倒的风险。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倒风险评估。本公开设想分析引擎20能够基于从源12接收的数据对患者进行其他风险评估。这些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的数据与特定患者风险之间相对紧密相关性的识别。
仍然参考图1，将风险评估提供给可以基于临床见解24调整或推翻风险评估的护理人员或临床医生。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调整或推翻风险评估是使用计算机(未示出)来实现的，计算机例如是工作站的个人计算机、主护士站的主护士计算机、护理人员携带的诸如智能电话或平板电脑之类的移动设备等。在一些实施例中，每一项风险评估都产生数值范围内的得分，该数值范围在上限和下限之间且包括上限和下限。因此，护理人员能够更改从分析引擎20输出的风险评估得分，如果基于护理人员关于患者的信息和护理人员的经验，这种调整是有必要的或是期望的。
基于分析引擎20作出的风险评估和护理人员根据临床见解24所做的调整(如有)，风险评估用于确定如图1所指示的临床服务和措施26。由分析引擎20作出的风险评估以及所实施的临床服务和措施26的最终目标是改善如图1的突破性治疗结果框28所指示的患者的治疗结果。例如，如果患者患有败血症或具有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措施26(也称为败血症方案)：向患者提供高流量氧气；抽血以进行实验室测试，例如测试乳酸和血红蛋白水平；提供静脉注射(IV)抗生素；提供IV液体；以及每小时进行一次尿排出量测量。
如果患者具有压力损伤或具有压力损伤的高风险评估，则临床医生可以实施以下一项或多项服务和措施26(又称压力损伤方案)：患者支撑表面疗法，例如持续侧转疗法(CLRT)或交替压力疗法；对患者的任何压疮或伤口应用真空伤口绷带；捕获伤口图像以进行单独的伤口评估；以及监测患者的活动以确保患者在病床14上适当频繁地重新定位自己。
如果患者有跌倒风险或具有跌倒的高风险评估，则临床医生可以实施以下一项或多项服务和措施26(又称跌倒方案)：在病床14上启用跌倒风险方案，从而使病床电路和/或远程计算机(例如，病床状态计算机或护士呼叫计算机)监测患者在病床14上的位置、监测侧护栏位置以确认指定的侧护栏处于其升高位置、监测脚轮制动器状态以确认脚轮已被制动，以及监测病床14的上框架的位置以确认其相对于病床14的底架处于较低的位置；在患者和病床14的床垫之间提供失禁检测系统16的失禁检测垫；在病床旁边提供助行器；以及在患者附近提供足够的食物和/或水。
现在参考图2，该示意图示出了发生在患者病床14周围的各种活动，并且还公开了基于这些活动的数字安全网(DSN)平台30的各个方面，其中DSN平台包括分析引擎20。DSN平台还包括以太网供电(PoE)开关、路由器或网关32(这些术语在本文中可互换使用)，其从包括病床14在内的多个源12接收数据，并将风险评估信息路由到多个输出设备34，多个输出设备34包括护士呼叫系统的图形显示器36和指示器38(也称为穹顶灯)，所述护士呼叫系统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，项目符号指示病床14上有一名住院患者，并且已经对该患者进行了初步评估。结合初始评估，记录患者的病史，获取患者的初始生命体征和体重，评估基线压力损伤风险，并使用摄像机40(例如可从澳大利亚阿德莱德的LBT InnovationsLtd.获得的WOUNDVUETM摄像机40)拍摄疑似压力损伤的照片并将其上传到分析引擎20以进行伤口评估。位于图2的左上图像和上部中心图像之间的箭头42指示与右上图像下方的项目符号相关联的数据被传送到上部中心图像的DSN平台30的分析引擎。
在图2的上部中心图像下方，项目符号指示：DSN平台30的分析引擎20参与了与评估患者患败血症风险相关的败血症方案；已将患者的败血症风险分级或标准化为1至5分的得分范围；正在监测患者的状况，包括监测患者的体温、患者的运动以及病床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还参与与评估患者跌倒风险相关的跌倒方案，以及参与与评估患者的压力损伤风险相关的压力损伤方案。在说明性示例中，跌倒风险和压力损伤风险也被分析引擎20分级或标准化为1至5的得分范围。在其他实施例中，败血症、跌倒和压力损伤风险中的每一种风险的风险范围是0至5。因此，败血症、跌倒和压力损伤风险中的每一种风险具有相同的最大值(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)。在其他实施例中，使用不同的风险范围，例如上限大于5(包括10、20、25、30等)的那些范围。
同样在图2的上部中心图像下方，项目符号指示：将由DSN平台30的分析引擎20确定的风险等级或得分显示在整个DSN平台30的输出设备34上(即，在整个医疗机构的多个位置)，以及基于为患者败血症、跌倒和压力损伤风险中的一个或多个确定的风险得分调整查房方案。对于图形显示器36，在一些实施例中显示得分的实际值；而对于穹顶灯38，基于风险得分以特定方式点亮穹顶灯的一部分。例如，如果任何风险得分是4或5，则可以在穹顶灯38上点亮红灯，但是如果每个风险得分仅是2或3，则可以在穹顶灯38上点亮黄色或琥珀色灯。如果风险得分均处于较低等级(例如，视情况为0或1)，则穹顶灯中与患者风险有关的部分保持不亮状态。穹顶灯38的该照明方案作为一个说明性示例给出，其他照明方案在本公开的范围内，包括将穹顶灯38的一部分或一段分配给每个风险得分，使得穹顶灯38具有对应于败血症、跌倒、以及压力损伤风险的三个风险灯区域，针对相关风险的不同风险等级得分，每个风险灯区域被点亮为红色、黄色/琥珀色或不亮。穹顶灯上的其他区域指示：例如，护理人员是否在房间、房间中的患者是否发出了护士呼叫，或者房间中的设备警报是否处于开启状态，以及包括对于半私人房间而言，两个患者中的哪一个发出了护士呼叫，或者哪个患者与正在报警的设备关联。具有以红色和黄色/琥珀色以外的颜色(例如，白色、绿色、蓝色、紫色等)点亮的穹顶灯在本发明的范围内。
对于调整查房方案，在一些实施例中，如果一个或多个风险得分很高(例如，4级或5级)，或者如果风险得分从一个级别增加到下一个级别(例如，从2级增加到3级)，则查房间隔或护理人员查房之间的时间(即，要求分配的护理人员查看患者的时间间隔)缩短。本公开设想，风险得分越高，查房间隔将越短。查房间隔时间与风险得分等级之间的相关性(包括将两个或三个风险得分加在一起以确定查房间隔)由系统程序员或管理员决定。位于图2的上部中心图像和右上图像之间的箭头44指示在DSN平台30执行了与上部中心图像下方的项目符号相关的活动之后，病床14和生命体征设备18(以及本文公开的其他设备)继续向分析引擎20提供数据以进行动态、实时的风险评估。
在一些实施例中，随着风险得分的增加和减少，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，如果风险得分例如从3级增加到4级，则查房间隔会从4小时自动减少到2小时；例如，如果风险得分从4级降低到3级，则查房间隔会从2小时增加到4小时，仅给出任意示例来说明这一概念。在一些实施例中，由EMR计算机或服务器或护士呼叫计算机或服务器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上进行查房间隔调整，而无需人工输入或参与。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员提供输入以批准查房间隔改变。在任何一种情况下，在一些实施例中，将查房间隔改变通知发送到受影响的护理人员的一个或多个移动设备。
本文所使用的短语“基本上实时的”是指接收影响风险得分的数据测量结果或值并对其进行处理以重新计算风险得分的时间量。一些设备12可以每分钟或每秒仅提供一次读数，而其他设备可以每秒提供100次读数，仅给出一些任意示例。本发明设想，分析引擎20在每次接收到新的数据点时重新计算风险得分，并且根据本发明，这种情况被认为是“基本上实时的”。本公开还设想，仅当接收到的测量结果或值相比先前的测量结果或值发生改变时，分析引擎20才重新计算风险得分。因此，如果一个恒定值被反复传输，分析引擎在其中一个有影响的测量结果或值发生变化之前不会重新计算风险得分，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，项目符号指示：由分析引擎20进行的动态患者风险评估包括持续监测患者支撑表面状态是否与降低的压力损伤风险一致，或者患者支撑表面状态是否已经以产生增加的压力损伤风险的方式发生了改变。例如，如果病床14的床垫的气囊有泄漏并且损失了足够的空气量，则气囊压力可能降低到足以使患者通过床垫达到最低点，从而被支撑在下面的床垫支撑板上，而不是由气囊支撑。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器18或病床上生命体征传感器感测到的患者生命体征是否一致且在期望的范围内，或者生命体征是否正在以指示患者健康状况下降的方式发生变化。如果检测到后一种情况，则患者的败血症风险得分会增加。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正在房间睡觉，在这种情况下，患者的跌倒风险得分降低，或者患者是否在移动、烦躁或处于疼痛中，在这种情况下，患者的跌倒风险得分增加。随着患者风险得分的增加或减少，以相称的方式调整患者的临床方案，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指示：一段时间后，可以检测病床14上患者的其他状况。如图2右下图下方的项目符号所指示的，如果病床14检测到患者变化，例如长时间没有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确定压力损伤的风险增加，并且患者的压力损伤得分增加。此外，响应于增加的压力损伤得分，分析引擎20向一个或多个护理人员发出关于增加的压力损伤风险的一个或多个警报，并且在一些实施例中，自动激活压力损伤预防方案，例如自动减少查房时间和/或实施表面治疗方案，例如向护理人员发送提醒消息，以将患者翻身、定期(例如每小时或每两小时)激活病床14的翻身辅助功能、激活病床14的床垫的交替压力疗法，或激活病床14的床垫的CLRT疗法。
如果分析引擎20从病床14或生命体征检测器18接收到数据，由此导致跌倒风险得分或败血症风险得分增加，则DSN平台30以类似的方式做出响应来警告护理人员得分增加。例如，增加的患者心率与增加的患者运动可能指示患者正准备离开病床14，并且跌倒风险得分可能相应地增加。作为另一示例，如果患者的心率或呼吸增加，但没有患者运动或患者运动低于阈值，由此指示患者昏睡，则这可能指示败血症风险增加，并且败血症风险得分可能相应地增加。
在这些风险得分增加的每种情况下，在一些实施例中，分析引擎20向分配给患者的一个或多个护理人员发起警报。这样的警报可以被发送到由相应的一个或多个护理人员携带的移动设备(例如，寻呼机、个人数字助理(PDA)，智能电话或平板计算机)上。这样的警报也可以被显示在系统10的图形显示器36和穹顶灯38上。与压力损伤得分增加的情况一样，分析引擎20可以分别响应于跌倒风险得分增加或败血症风险得分增加而自动启动跌倒风险方案或败血症方案。
根据本公开，分析引擎20还将风险得分数据或消息提供给诸如病床14和监测器18的源12，其配备有配置为与分析引擎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接收到的消息会导致源12的风险降低方案或功能被自动激活(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，或病床的病床出口/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接收这样的消息的源12(例如，病床14和检测器18)的图形显示器显示消息，该消息指示压力损伤、跌倒和败血症风险得分中的一个或多个已经增加，并且在适当的情况下，指示源12的风险降低方案或功能已经被自动开启或激活。
位于图2右下图像和左下图像之间的箭头48指示护理人员已被派往风险得分增加的患者的房间。因此，如图2左下图像下方的项目符号所指示的，响应于压力损伤得分、跌倒风险得分或败血症风险得分的增加，分析引擎20向一个或多个分配的护理人员发出警报或通知，以立即前往患者的房间并照料患者。当护理人员到达患者房间时，一些导致风险得分增加的风险因素可以在此时得到解决。例如，响应于跌倒风险得分的增加，护理人员可以帮助患者去卫生间，或者护理人员可以为压力损伤风险得分增加的患者开启床垫翻身辅助功能或治疗功能，或者护理人员可以为败血症风险得分增加的患者启动IV抗生素注射。
在护理人员解决患者跌倒风险、压力损伤和/或败血症需求后，在某些情况下，提供给分析引擎20的数据将导致相应的风险得分自动减少。然而，在某些情况下，在护理人员解决了患者需求之后，护理人员向分析引擎20提供使得风险得分减少的临床见解24。在压力损伤得分增加的情况下，在一些实施例中，可能要求被派往患者房间的护理人员使用摄像机40拍摄患者的任何压力损伤的照片以上传到分析引擎20，以便将最新的压力损伤数据用于确定患者的压力损伤得分。
现在参考图3，示出了通过路由器或PoE开关32向分析引擎20提供数据的系统10的其他源12。图3的其他源12包括图形房间站50、患者升降机52和定位系统54。图形房间站50作为护士呼叫系统的一部分被包括在其中，护士呼叫系统例如是可从印第安纳州Batesville的Hill-Rom Company，Inc.获得的护士呼叫系统。其中包括房间站50的合适的护士呼叫系统的其他细节可在美国专利第7,746,218号；第7,538,659号；第7,319,386号；第7,242,308号；第6,897,780号；第6,362,725号；第6,147,592号；第5,838,223号；第5,699,038号和第5,561,412号以及美国专利申请公开第2009/0217080A1号；第2009/0214009A1号；第2009/0212956A1号；和第2009/0212925A1号中找到，以上专利或专利申请的全部内容在不与本公开冲突的情况下通过引用并入本文，若出现任何冲突，以本公开为准。房间站50是护理人员用来向系统10提供临床见解24以供分析引擎20进行分析的源12之一。
患者升降机52响应于被用于将患者从病床12上抬起以转移到例如担架、椅子或轮椅上而通过路由器32将数据提供给分析引擎20。需要使用患者升降机52将患者移入或移出病床14这一事实指示患者存在跌倒风险，因为患者不能自行离开病床14并行走或自行回到病床14上。因此，分析引擎20响应于患者升降机52被用于移动患者而增加跌倒风险得分。此外，使用患者升降机52将患者移入或移出病床14也可以指示该患者比非卧床患者具有更高的发生压力损伤的风险。例如，升降机52通常用于转移截瘫或四肢瘫痪的患者，这些患者在床上时转移其体重以减少发生压力损伤几率的能力有限。此外，与患者升降机一起使用的吊索有时会在患者的某些部位(例如，患者的臀部或骶骨区域)产生高界面压力，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不仅导致患者的跌倒风险得分的增加，而且还导致患者的压力损伤得分的增加。
图3中患者升降机52的说明性图像是附接到安装在患者房间中的框架上的高架升降机52。其他类型的患者升降机52包括被推入患者房间中以供使用的移动式患者升降机。图3中包括一组无线通信图标56，用来指示网络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进行无线通信。具体而言，图3的图标56指示病床14、监测器18、患者升降机52、定位系统56的组件和失禁检测系统16的组件与网关32进行无线通信。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者代替无线通信，源还可以通过有线连接与网关32通信。
在一些实施例中，能够进行无线通信的源12具有用于此目的的专用电路。备选地或另外地，定位系统54的定位标签附接到源12，例如病床14、监测器18、患者升降机52和失禁检测系统16的组件。在一些实施例中，系统54的定位标签还附接到护理人员和/或患者。定位标签包括发射器，用于将无线信号发送到安装在整个医疗机构内各个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信息，包括标签识别(ID)数据。固定接收器或收发器将位置ID(或与医疗机构的位置相关联的固定接收器/收发器ID)传送到远离各个固定收发器的定位服务器。基于定位服务器接收到的标签ID和位置ID，定位服务器确定源12的各个带标签设备、佩带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，在一些实施例中，如果定位系统54确定移动式患者升降机52位于患者房间内，则分析引擎增加患者的压力损伤风险得分和/或跌倒风险得分。如果定位系统54确定某设备在患者房间中，则分析引擎20可以类似地增加败血症风险得分。例如，在一些实施例中，如果心率监测器、呼吸率监测器和血压监测器都在患者房间中放置了阈值时间段，则由分析引擎20增加败血症风险得分。在一些实施例中，如果患者房间中的一袋或一瓶IV抗生素附有定位标签，则由分析引擎20增加败血症风险得分。
如果由于通过定位系统54检测到附接在垫上的定位标签，或者由于通过病床14的电路检测到失禁检测垫，或者在一些实施例中由于失禁检测系统16的读取器可能通过护士呼叫系统向分析引擎20提供了数据，确定失禁检测系统16的失禁检测垫位于患者房间内，则在一些实施例中，由分析引擎20增加患者的跌倒风险得分和/或患者的压力损伤得分。对患者使用失禁检测垫指示患者没有足够的活动能力，无法自已从病床14上起来去洗手间，因此，患者属于跌倒风险患者。此外，对患者使用失禁检测垫指示患者可能被限制在病床14上，这增加了发生压力损伤的风险。在一些实施例中，响应于失禁检测系统16检测到患者弄脏了失禁检测垫，并且在被替换为未弄脏的垫之前，该垫此后在患者下方停留了阈值时间量，则由分析引擎增加压力损伤风险得分，因为长时间暴露在水分或潮湿中会增加患者发生压力损伤的几率。
在一些实施例中，定位系统54作为高精度定位系统54运行，该高精度定位系统54能够在标签的实际位置的一英尺(30.48厘米)或更小的范围内确定与至少三个固定收发器通信的每个定位标签的位置。本公开设想的高精度定位系统54的一个示例是超宽带(ultra-wideband，UWB)定位系统。UWB定位系统在3.1GHz至10.6GHz的频率范围内运行。在这方面合适的固定收发器包括WISER网状天线节点(WISER MeshAntennaNodes)，在这方面合适的定位标签包括微型跟踪器标签，所有这些都可以从北卡罗来纳州罗利的WiserSystems，Inc.获得，其作为WISER LOCATORTM系统出售。也可以使用其他制造商提供的UWB定位系统。在一些实施例中，高精度定位系统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。关于在UWB定位系统中使用这些技术的详细讨论，参见例如国际公开第WO2017/083353A1号，其教导的全部内容在不与本公开冲突的情况下通过引用并入本文，若出现任何冲突，以本公开为准。
在其中定位系统54是高精度定位系统54的那些实施例中，可以由分析引擎20实施用于确定是增加还是减少特定风险得分的更精细的规则集。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就增加跌倒风险得分和/或压力损伤得分，而是仅当升降机52或失禁检测垫与患者病床14之间的相对位置满足特定标准时，特定风险得分才会增长。例如，直到确定高架升降机52的电动升降机壳体和/或吊杆在医院病床14的覆盖区上方，跌倒风险和/或压力损伤风险得分才会增长。这可以防止当高架升降机52未用于特定患者而是仅仅存放在病床14旁边或房间的角落时风险得分增加或增长。类似地，直到确定移动式升降机52位于阈值距离之内，例如距离病床14或患者1或2英尺(仅给出一些任意示例)，跌倒风险和/或压力损伤风险得分才会增长。进一步类似地，直到确定失禁检测垫在医院病床14的覆盖区内，跌倒风险和/或压力损伤风险得分才会增长。
仍然参考图3，输出设备34的图形显示器36包括状态板58、图形房间站50和护理人员的移动设备60。图3的示例性移动设备60是智能电话，但是如上所述，移动设备60还包括寻呼机、个人数字助理(PDA)、平板计算机等。状态板58通常位于医疗机构中的主护士站，但如果需要，可以将其放置在其他地方，例如员工休息室、走廊等。在一些实施例中，状态板58作为护士呼叫系统的一部分被包括在其中。在这方面，参见，例如，美国专利第8,779,924号，其全部内容在不与本公开冲突的情况下通过引用并入本文，若出现任何冲突，以本公开为准。本公开设想，状态板具有用于在状态板上显示每个列出的患者的跌倒风险、压力损伤风险和败血症风险得分的附加栏。
如图3所示，图形房间站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，图形房间站50还具有显示屏幕，其带有用于显示位于具有房间站50的房间中的患者的跌倒风险、压力损伤风险和败血症风险得分的栏。在一些实施例中，站50可操作以获得并显示位于其他房间中的患者的风险得分。因此，在一个房间中使用房间站50的护理人员可以与另一护理人员(例如，在主护士站的护士)就位于另一房间中的患者进行通信，并且可以提取与正在讨论的另一患者相关的信息，包括风险得分。
移动设备60还具有带有用于显示患者风险得分的栏的屏幕。在一些实施例中，护理人员的移动设备60上配备有移动软件应用程序，该移动软件应用程序进行操作以限制护理人员访问信息的能力，例如仅能够查看分配给其的患者的风险得分，而不能查看分配给其他护理人员的患者的风险得分。此外，本公开设想，每当分配给护理人员的任何患者的风险得分发生变化时，护理人员的移动设备上都会出现一个弹出窗口。下面结合图7至图10讨论在一些实施例中出现在移动设备60上的屏幕的示例。
电子病历(EMR)或健康信息系统(HIS)服务器62也通过PoE开关32通信地联接到分析引擎20，如图3的说明性示例所示。服务器62连接到一个或多个EMR或HIS计算机(未显示)，其具有用于显示医疗机构中的各个患者的风险得分的显示屏幕。在一些实施例中，服务器62也是数据源12，以供分析引擎20用于确定各个患者的风险得分。如图3所示，分析引擎20还通过网关32通信地联接到物联网(IoT)网络或平台64。平台64从多个医疗机构接收信息，并进行操作以分析输入的信息，以识别风险降低方案的最佳实践，而这些最佳实践又可以与可订阅接收此类最佳实践信息的其他医疗机构共享。最佳实践信息可包括例如在风险评估算法中使用的相关阈值、在护理标准中实施的将患者风险降至最低的步骤，以及响应于患者风险得分升高而采取的纠正措施。平台64还可以例如实施用于预测患者治疗结果的分析，并且将预测结果传送给订阅医疗机构。
如图3所示，分析引擎20与某些或所有源12、输出设备34、服务器62和平台64进行双向通信。分析引擎20包括一个或多个服务器或其他计算机，其实现根据以上讨论的各种算法和规则配置的分析软件。应该理解，图1至图3本质上是示意图，并且在在其中实施了系统或装置10的每个医疗机构中，其他网络基础设施与以上讨论的系统10的每个设备通信地互联。下面结合图6讨论网络基础设施的另一图解示例。
现在参考图4A至图4C，流程图70示出了患者的历程的示例，该历程始于框72指示的急诊科(ED)或框74指示的外科病房，然后转到框76指示的重症监护病房(ICU)或内科/外科(MED/SURG)病房，然后如框78指示的回家或转到长期护理(LTC)机构或专业护理(SNF)机构。流程图70示出了患者流程中DSN平台30的分析引擎20进行操作以确定患者患有败血症或患上败血症的风险的位置。无论在流程图70中的哪一位置调用DSN平台30进行败血症的患者风险评估，都示出了DSN平台框80。
现在参考图4A，如框82所示，患者在ED 72处到达医院，并如框84所示，对患者进行分类和败血症筛查。如ED 72上方的早期检测云86所示，这种初始筛查的目的是及早发现败血症。将来自框84处的筛选的信息提供给如相关框80所示的DSN平台30，然后如框88所示确定患者是否疑似患有败血症。如框88上方的通信云90所示，分析引擎20基于从DSN 30传送的信息来做出框88处的确定。
如果在框88处确定疑似患有败血症，则如框92处所示对患者进行医嘱的乳酸培养(Lactic Acid Culture，LAC)和全血细胞计数(CompleteBloodCount，CBC)测试。血液中乳酸大于2毫摩尔/升(mmol/L)是患者患有败血症的指标之一。根据某些败血症确定方案，血液中这种乳酸水平与其他败血症危险因素一起考虑，这些其他败血症危险因素包括以下一项或多项：i)收缩压低于90毫米汞柱(mmHg)或平均动脉压血压低于65毫米汞柱；ii)心率大于每分钟130次；iii)呼吸率大于每分钟25次呼吸；iv)氧饱和度(例如，SpO2)小于91％；v)患者无反应或仅对声音或疼痛做出反应；和/或vi)出现紫癜性皮疹。根据其他败血症确定方案，如果满足以下标准，则确定可能发生败血症：i)患者的体温高于大约38.3摄氏度(℃)(大约101华氏度(°F))或低于大约35.6℃(大约96°F)；ii)患者的心率大于每分钟90次；iii)患者的呼吸率大于每分钟20次呼吸。因此，不同的医疗机构具有不同的败血症确定方案，所有这样的方案都在本公开的范围内。
在框92的血液测试之后，如框94所示确定患者是否患有败血症。如果如框94处所确定的患者患有败血症，则如框96所示启动3小时(Hr)方案包(3Hrbundle)。3Hr方案包包括例如给药广谱抗生素以及针对低血压或乳酸大于或等于4mmol/L时给药30毫升每千克(mL/kg)的晶体。在某些医疗机构中，3Hr方案包还可包括测量乳酸水平并获得血液培养物，但是在图4A中，这些操作是在框96处启动3Hr方案包之前在框92处完成的。在框96上方的是正确计费代码云97和方案包合规性云98，在一些实施例中，它们可以通过DSN平台30或HIS服务器62调用监测结果和反馈给护理人员。
图4A顶部的方框100包括指示与图4A所示的流程图70的部分一起使用的设备和系统的项目符号。具体而言，方框100列出了多参数生命体征设备、身体评估设备、病床、ECG推车和临床工作流程(护士呼叫)系统。在一些实施例中，这些系统和设备是DSN平台30的分析引擎20的源12。图4A底部的方框102包括指示与图4A所示的流程图70的部分一起使用的DSN平台30的各方面的项目符号。具体而言，方框102列出了用于增强临床决策和对状况的早期检测的高级分析(例如，分析引擎20)、智能感测病床或担架(例如，具有生命体征传感器或集成失禁检测系统16的病床14)、可穿戴或无接触参数感测(例如，监测器18的一些实施例)、来自多个公司的源(例如，各个公司的生命体征监测器18)的参数的整合，以及用于优化工作流程的移动通信平台(例如，护理人员的移动设备60)。
如果在图4A的框88处未怀疑患有败血症，或者如果在图4A的框94处确定患者不患有败血症，则如图4B(续)的框76所示，患者入院医疗机构并被送至内科/外科病房。在一些实施例中，可以将关于在框88、94处的未怀疑败血症或确定不患有败血症的信息传送到与被送至内科/外科病房的患者相关联的DSN平台30的分析引擎20。如此，如图4B(续)的框76所示，从图4A的右手侧流出的三个流程路径中的两个导致患者入院并被送至内科/外科病房。如图4B所示，如在外科病房74内的框104所示，设想患者到达医院的外科病房74进行手术，而不是到达急诊室。此后，如图4B的框106所示，对患者进行手术。如图4B的框108所示，在手术期间或之后，在外科病房74中测量患者的生命体征，并对患者进行败血症筛查。就此而言，早期检测云86还在图4B中的外科病房74上方示出。
在手术之后，将来自框108的患者的生命体征信息和败血症筛查信息提供给DSN平台80的分析引擎20，然后如图4B(续)的框76所示，患者入院医疗机构并被送至内科/外科病房。在框76处将患者送入内科/外科病房之后，如框110所示实施败血症的Q4生命体征和最佳实践警报(BPA)，并且将相关联的数据提供给如与框110相邻的框80所示的DSN平台的分析引擎20。Q4生命体征是间隔4小时采集的生命体征，例如上午8点、中午、下午4点、晚上8点、午夜、凌晨4点等。在图4B(续)中框110上方示出了早期检测云86以及数据频率云112。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(即分别间隔一小时、两小时或八小时，而不是间隔四小时)。
基于关于框110所获得的数据，如框114所示确定患者是否疑似患有败血症。如果在框114处确定不疑似患有败血症，则工作流程70返回框110，并从框110继续。如果在框114确定疑似患有败血症，则如框116所示对患者进行医嘱的LAC和CBC测试。上文结合图4A的框92对LAC和CBC测试进行了讨论，相同的讨论适用于图4B(续)的框116。将LAC和CBC的结果传送到如图4B(续)中的框116上方的框80所示的DSN平台30的分析引擎20。
基于框116处的LAC和CBS测试的结果，如框118所示确定患者是否患有败血症。如果在框118处确定患者不患有败血症，则工作流程70返回到框110，并从框110继续。如果如框118处所确定的患者患有败血症，则如框120所示启动3Hr方案包。上文结合图4A的框96对3Hr方案包进行了讨论，相同的描述适用于图4B(续)的框120。框120上方是正确计费代码云97和方案包合规性云98，在一些实施例中，它们可以通过如框120右边的框80所示的DSN平台30或通过HIS服务器62调用监测结果和反馈给护理人员。在图4B(续)的框120处启动3Hr方案包之后，如图4B(续)的框122所示对患者进行评估。
图4B顶部的方框124包括指示与在图4B和图4B(续)中所示的流程图70的部分一起使用的设备和系统的项目符号。具体而言，方框124列出了多参数生命体征设备、身体评估设备、病床、临床工作流程(护士呼叫)系统、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，方框124的这些系统(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包括指示与图4B和图4B(续)中所示的流程图70的部分一起使用的DSN平台30的各方面的项目符号。具体而言，方框126列出了用于增强临床决策和对患者恶化的早期检测的高级分析(例如，分析引擎20)、可穿戴或无接触参数感测(例如，监测器18的一些实施例)、智能感测病床(例如，具有生命体征传感器或集成失禁检测系统16的病床14)、来自多个公司的源(例如，各个公司的生命体征监测器18，其输出包括心输出量在内的生命体征)的参数的整合，以及移动通信平台(例如，护理人员的移动设备60)。
在启动图4A的框96的3Hr方案包之后，如图4B的框128所示对患者进行评估，并将有关3Hr方案包的数据提供给如图4B中位于框128左侧的框80所示的DSN平台30的分析引擎20。将在框128处的患者评估期间获得的数据提供给如框128右侧的框80所示的DSN平台的分析引擎20。在说明性示例中，在DSN平台的分析引擎20已经分析了来自框128的患者评估的数据之后，如框130所示启动6Hr方案包。在一些实施例中，6Hr方案包包括：施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)；以及若初始乳酸水平升高，则重新测量乳酸。6Hr方案包可能因医疗机构而异。在框130的6Hr方案包之后，如框132所示再次对患者进行评估，并且将来自评估的数据(包括有关框130的6Hr方案包的步骤的信息)提供给如图4B中框132右侧的框80所示的DSN平台30的分析引擎20。
如果在框122或框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形)，则如图4C的框78所示，患者出院回家或出院转入LTC机构或SNF机构。家庭监测再入院云134位于框78上方，用于指示设想在家中继续监测患者的状况。就此而言，图4C顶部的方框136包括指示与图4C所示的流程图70的部分一起使用的设备和系统的项目符号。具体而言，方框136列出了家庭健康监测(血压和体重秤)、移动心脏监测(包括生命体征监测设备18，例如移动血压监测器(ABPM)、Holter监测器和/或TAGecg设备)，以及气道清除设备。在一些实施例中，方框136的这些在家庭中使用的设备也是DSN平台30的分析引擎20的源12。因此，在一些实施例中，这样的在家庭中使用的源12通过互联网与分析引擎20进行通信。
图4C底部的方框138包括指示与图4C所示的流程图70的部分一起使用的DSN平台30的各个方面的项目符号。具体而言，方框138列出了用于在家中对患者状况进行早期检测的高级分析(例如，分析引擎20)、多参数的远程患者监测和相关通信平台、可穿戴或无接触参数感测(例如，监测器18的一些实施例)、智能感测病床(例如，具有生命体征传感器或集成失禁检测系统16的病床14)，以及来自多个公司的源(例如，各个公司的输出命体征的生命体征监测器18)的参数的整合。
现在参考图5A和图5B，提供了流程图140，其示出了患者入院医疗机构和在医疗机构住院(包括使用患者房间中的设备来移动患者)的示例，并示出了患者流程中分析引擎20进行操作以对患者进行风险评估的位置。在流程图140的图5A的框142处，用担架将患者送到病房。此后，如框144所示，将患者从担架转移到房间中的患者病床14。此时，如框146所示，患者入院医疗机构。在一些实施例中，患者在被送到病房之前入院。
如图5A的框148所示，到房间之后，护士对患者进行评估。如框148所示，如果实时定位系统(RTLS)确定护理人员位于患者房间中，则更新显示板、移动设备60的显示器、护士呼叫系统的显示器50和状态板58上的信息，以指示护理人员位于房间中。框148还指示护士评估病床状况(例如，侧护栏处于适当位置、设置了脚轮制动器等)、评估患者、进行监测器18的评估、检查患者体温、记录与心率评估相关的患者焦虑水平、激活患者安全应用程序(PSA)(例如，启动或启用病床出口/患者位置监测(PPM)系统)和启用病床护栏(例如，指示与病床出口/PPM系统相关联的哪些床侧护栏应处于升高位置)。
如框148右侧的框150所示，医疗机构的护士呼叫系统接收来自入院/出院/转院(ADT)系统的馈送，如果ADT馈送指示患者存在跌倒风险，则如框152所示，护士呼叫系统向与患者相关联的病床14发送消息，以启用病床14上的系统(例如，启用病床出口/PPM系统以及监测床侧护栏位置、脚轮制动状态等)。在图5A的说明性示例中，如框152右侧的框154所示，病床压力传感器用于监测患者的运动。备选地或另外地，病床14的秤重系统的测力传感器监测患者的运动。
如图5A的框154下方的框156所示，在框148的护士评估中获得的一些或全部信息显示在诸如上述讨论的输出设备34等的一个或多个显示设备上。此外，如框156左下方的框158所示，病床14将患者安全状态信息发送到显示器，例如位于病床尾端的显示器、显示板(例如状态板58)、一个或多个患者监测设备18和移动设备60(框158中列出的“Clarion应用程序”是移动设备60使用的软件，用于护理人员与护理人员之间的通信以及警报(又称为警告)和设备数据的传送)。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，还由DSN平台的分析引擎20捕获与框148、150、152、154、156、158相关联的数据以用于预测分析。就此而言，分析引擎20如框160左侧的框162所示接收由病床14的测力传感器监测的患者运动数据，然后如框164所示传送指示患者下床的可能性的消息并向一个或多个临床医生通知该可能性。如图5A的框164下方的框166所示，如果临床医生进入病房，则PSA禁用与由PSA监测的特征相关的任何警报。
在图5A的流程图140的说明性示例中，如框168所示，临床医生使用患者升降机将患者从病床14移动到轮椅上。此后，如框170所示，临床医生例如将患者带到马桶，例如作为患者房间的一部分的卫生间中的马桶。框170还指示马桶座圈识别出患者的存在(例如，坐在马桶座圈上)，这导致输出设备34的一个或多个显示器上的状态更改为患者的如厕状态，并且还在显示器上指示护理人员在房间内。
如图5B的框172所示，在患者使用完卫生间后，临床医生使用轮椅将患者送到房间内的椅子上。框172还指示椅子识别出患者的存在(例如，坐在椅子上)，这导致输出设备34的一个或多个显示器上的状态更改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护理人员在房间内。框172进一步指示椅子感测患者的运动。因此，本发明设想，椅子具有测力传感器、压力传感器、力敏电阻器(FSR)等以及相关电路，以感测患者在椅子上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，临床医生向患者提供护士呼叫通信设备(例如，枕头扬声器单元)，如果护理人员离开患者房间后患者坐在椅子上时需要帮助，则患者可使用该护士呼叫通信设备来进行护士呼叫。
如图5B中框174左侧的框176所示，当患者坐在椅子上时，DSN平台30的分析引擎20从椅子上获取数据，用于对离开椅子进行预测分析。在给定的示例中，如框176左侧的框178所示，由椅子垫压力传感器监测患者的运动。如说明性流程图140中的框176、178下方的框180所示，临床医生离开房间，将护理人员不再在房间内的状态更新在病床14的显示器、监测器18、输出设备34的显示板50、58以及移动设备60的显示器上，但患者在椅子上的状态仍然显示在这些显示器上。
如图5B中位于框180右侧和框174下方的框182所示，系统10指示患者离开椅子的可能性，并向一名或多名临床医生通知该可能性。此后，如框184所示，护士进入房间。响应于护理人员进入房间，PSA从定位系统接收护理人员在房间内的信息，使病床14上的警报停止发出声音，并发送消息使得病床14的一个或多个显示器、监测器18、输出设备34的显示板50、58以及移动设备60的显示器进行更新以指示护理人员在房间内。
在流程图140的说明性示例中，当在框184处护理人员进入房间后，如框186所示护理人员将患者送回病床14。此后，如框188所示，床侧护栏升高，护理人员离开房间。还如框188所示，PSA从定位系统接收护理人员已离开房间的信息，并发送消息使得病床14的一个或多个显示器、监测器18、输出设备34的显示板50、58以及移动设备60的显示器进行更新以指示护理人员离开房间且患者在病床上。此后，如图5B的框190所示，从病床14捕获与患者运动有关的数据，并且在DSN平台30的分析引擎20处再次开始对离开病床的预测分析。
基于上述内容，很明显，数据由如上所述的多个设备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机构建立的方案为每个患者建立风险概况(例如，风险得分)。使用风险概况信息对设备14、16、18和其他源12中的一些或全部进行更新。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，护理人员可在护理点采取这些引导步骤以减轻或缓解风险概况。随着输入数据的变化，分析引擎基本上实时更新每个患者的风险概况。在一些实施例中，分析引擎20还将数据发送到诸如IoT平台64等的其他系统以进行进一步分析。
现在参考图6，提供了与图3类似的另一系统10的示意图，并在页面左侧示出了医院本地设备，包括室内设备12、设备网关32和状态板58。图6的说明性室内设备12包括病床14、失禁检测系统16、生命体征监测器18和房间站50。然而，图6的系统10的设备12可包括本文讨论的任何其它类型的设备12。在一些实施例中，图6的系统10还包括位于页面中心的云设备200，其包括企业网关(HL7)202、临床数据存储库204、风险引擎206和实现人工智能(AI)以处理数据的分析平台20。图6的系统10的其他本地设备在页面的右侧示出，这些其他本地设备包括一个或多个移动设备60以及包括EMR服务器62、ADT服务器210和实验室服务器212在内的第三方解决方案208。
如图6所示，从设备12经由网关32以及从临床数据存储库204、风险引擎206和分析平台20传输到第三方解决方案208的消息和/或数据通过企业网关(HL7)202。因此，网关202将各种消息和数据转换为健康等级7(HL7)格式，以便随后传送到第三方设备208，例如EMR、ADT和实验室服务器62、210、212。在图6中的系统10的实施例中，风险引擎206基于来自设备12的输入数据来管理压力损伤风险得分、跌倒风险得分和败血症风险得分的风险等级，并且分析平台(又称为分析引擎)20分析来自设备12的输入数据以确定与各种患者风险得分的相关性。
根据本发明，多种设备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、设备数据等)，分析引擎20处理这些数据并基于这些数据确定一个或多个风险得分。当分析引擎20接收到新数据时，基本上实时地对风险得分进行调整。在上面的讨论中，与压力损伤、跌倒和败血症相关的风险得分作为风险得分的示例给出。然而，本发明设想，与其他患者风险相关的其他风险得分可由系统10的设计者或程序员自行确定。就此而言，下表列出了根据本发明可能影响风险得分(包括影响与压力损伤、跌倒和败血症相关的风险得分)的数据类型(称为“风险因素”)：
表1
应该注意的是，表1中的一些风险因素出现了两次，但在单独的列中被指定为风险因素识别(rfid)类型(rfid_类型)1或rfid_类型2，其他风险因素为rfid_类型0。这两种不同类型的风险因素意味着例如可以从多个来源获得风险因素，或者在某些情况下，风险因素是基于性别(例如，男性或女性)的。表1中的一个或多个风险因素可在电子数据表中选择，以设置由系统10中的分析引擎20实施的风险规则。可建立的此类风险规则的示例包括：如果满足以下任一条件，则利用分析引擎20确定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，且患有慢性阻塞性肺病(COPD)；(2)患者患有COPD，且已服用阿片类药物；(3)患者年龄在70岁或以上，且已服用阿片类药物；(4)患者年龄在70岁或以上，患有哮喘，且血液中尿素氮(BUN)大于或等于每100毫升(ml)30毫克(mg)；或(5)存在表1所列的任何四种病患状况。可建立的此类风险规则的其他示例包括：如果满足以下任何条件，则利用分析引擎20确定患者可能有患上败血症的风险：(1)患者年龄在65岁或以上，且患有癌症；或(2)患者有败血症病史。
基于表1中列出的任何数量的风险因素制定风险规则都在本发明的范围内，并且对于与诸如患者生理参数(例如，表1的“类型”列中的“生命体征”所指示的那些生理参数)之类的动态可测量参数有关的那些风险因素，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。因此，本发明设想，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学数据，包括例如如表1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20还接收患者的合并症数据，包括指示患者具有以下至少一种医疗状况或特征的数据：获得性免疫缺陷综合症(AIDS)、贫血、慢性充血性心力衰竭、哮喘、癌症、慢性阻塞性肺疾病(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、败血症史、1型糖尿病、病态肥胖、神经肌肉疾病、既往插管、脊椎侧弯、吸烟者、谵妄、无脾、骨髓移植、肝硬化、透析、憩室病、心脏瓣膜疾病、炎症性肠病、关节置换、白细胞减少症、恶性肿瘤、肿瘤、器官移植、外周血管疾病、肾脏疾病、压力损伤、近期流产、近期分娩、癫痫、镰状细胞性贫血或终晚期疾病。
在一些实施例中，分析引擎20还接收可由生理监测器测量的生理数据，该生理监测器可具有至少一个联接到患者或与患者通信的传感器。生理数据包括在由生理监测器监测患者时动态的且随时间变化的数据。例如，生理数据包括以下一项或多项：心率、呼吸率、体温、平均动脉压、收缩压或包括外周毛细血管血氧饱和度(SpO2)在内的脉搏血氧饱和度数据。在一些实施例中，分析引擎20基于患者人口统计学数据、合并症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得分或执行患者风险评估。
在一些实施例中，分析引擎20还接收患者的实验室数据，并将实验室数据用于计算风险得分。如表1所示，实验室数据的示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、脑钠尿肽、血尿素氮、心脏射血分数、肌酸酐、血红蛋白，红细胞压积、乳酸、肺功能测试、肌钙蛋白、胆红素、C-反应蛋白、D-二聚体、葡萄糖、碳酸氢盐(HCO3)、高乳酸盐血症、国际凝血标准定量(INR)、中性粒细胞大于10％的正常白细胞计数(WBC)、动脉血二氧化碳分压(PaCO2)、体液过剩、Ph值、血小板、降钙素原、尿蛋白、部分凝血活酶时间(PTT)或白细胞计数。备选地或另外地，分析引擎20接收患者的患者症状数据，并使用患者症状数据来计算风险得分。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：副肌使用、精神状态改变、精神错乱、焦虑、胸痛、咳嗽、紫绀、发汗、呼吸困难、咯血、疲劳、烦躁不安、痰液产生、心跳过速、呼吸急促或嗜睡。
此外，备选地或另外地，分析引擎20接收临床检查数据，并将临床检查数据用于计算风险得分。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：腹式呼吸、异常肺音、副肌使用、毛细血管再充盈、胸闷或胸痛、心电图(ECG或EKG)异常、咳嗽、紫绀、意识水平下降(LOC)、烦躁、脑病，色斑、日常生活活动(ADL)需要协助、端坐呼吸、外周性水肿、痰液分泌、谵妄、体液过剩、心输出量、早期皮肤呈暖红色，后期皮肤呈冷淡苍白且伴有色斑、发热、头痛、颈部僵硬、体温过低、肠梗阻、黄疸、脑膜炎、少尿，周围性紫绀、瘀点皮疹、体液正平衡、癫痫、昏迷，或血容量不足。
此外，备选地或另外地，分析引擎20接收记录的医嘱数据，并将记录的医嘱数据用于计算风险得分。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相关的数据：除使用插管(包括使用文丘里管、换气器、非再呼吸器、持续气道正压(CPAP)机、双相气道正压(bi-PAP)机)以外的呼吸空气输送；动脉血气测试；脑钠肽测试；呼吸治疗；胸部x光片；多普勒超声心动图；高流速或高容量(输入输出(I&O))；肺会诊；肺功能测试；通气灌注(VQ)扫描；或胸部计算机断层(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，并将入院数据用于计算风险得分。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、误吸、哮喘、支气管扩张、肺不张、支气管炎、烧伤、癌症、心脏或胸外科手术、心脏瓣膜疾病或瓣膜功能不全、化疗、充血性心力衰竭、慢性阻塞性肺病恶化、深静脉血栓形成、药物过量、休息时呼吸困难、急诊手术、咯血、间质性肺病、肺脓肿、颈部手术、神经外科手术、上腹部手术、外周血管手术、肺炎、气胸、肺栓塞、肺动脉高压、肺肾综合征、肾功能衰竭、败血症、休克、睡眠呼吸暂停、烟雾吸入性损伤、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、蜂窝组织炎、胆管炎、结肠炎、膀胱炎、脱水、憩室炎、脑炎、脑病、心内膜炎、不明原因发热、肠胃炎、胃肠道出血、胃肠道感染、低血压、感染过程、不适、骨髓炎、造口术、骨盆疼痛、肾脏疾病、肾盂肾炎、呼吸道感染、化脓性关节炎、软组织感染、手术入院、伤口，或急性呼吸窘迫综合征。
备选地或另外地，分析引擎20接收患者的药物数据，并将药物数据用于计算风险得分。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：可通过静脉(IV)或皮下(SC)输送的抗凝剂(包括肝素或依诺肝素(levenox))、支气管扩张药、皮质类固醇、利尿剂使用、高流速或高容量或高渗液体、阿片类药物、镇静剂、催眠药、肌肉松弛剂、体液过剩、抗生素或免疫抑制剂。
基于上述内容，应当理解，本发明设想了一种在至少一台计算机(例如，分析引擎20中的一个或多个)和其他服务器(例如，服务器62、210、212、206等)上实现的方法。在下面的讨论中，将假设分析引擎20实现各种算法和功能。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生成先前生命体征模式和当前生命体征模式，然后将先前生命体征模式与当前生命体征模式进行比较。分析引擎20还接收以下一项或多项：患者的静态变量、患者的主诉、患者的先前医疗保健利用模式，或患者的健康数据的社会决定因素。分析引擎20在算法中使用动态临床变量、生命体征信息、先前生命体征模式与当前生命体征模式的比较结果，以及静态变量、主诉、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，以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合并症。备选地或另外地，由分析引擎20接收的静态变量包括患者的护理设置是急症前护理设置、急症护理设置还是急症后护理设置。如果需要，分析引擎20还接收患者的历史数据。
分析引擎20向被监测的每个患者的一个或多个临床医生输出一个或多个建议措施在本公开的范围内。一个或多个建议措施的示例包括，例如，将患者送至急诊室(ED)、由一个或多个临床医生加强对患者的监测，或为患者预约一系列实验室测试。
在一些实施例中，分析引擎20对医疗机构的临床医生进行排名。例如，分析引擎20根据经验、先前采取的措施和先前的患者治疗结果中的一个或多个对医疗机构的临床医生进行排名。可选地，分析引擎20可以使用对治疗结果具有最大影响的措施来向新手临床医生或经验较少的临床医生通知有经验的临床医生是如何处理患者的。
本发明设想，分析引擎20使用人工智能(AI)和机器学习来分析表1所列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、跌倒和败血症等特定风险以及患者的其他风险之间的相关性。然后使用与特定风险高度相关的风险因素建立基于两个或多个高度相关的风险因素的风险规则。
如上文结合图3和图6所讨论的，护理人员的移动设备60属于在其上显示风险得分和风险数据的输出设备34。图7至图10示出了在护理人员的移动设备60上显示的信息类型的屏幕截图示例。在一些实施例中，设想图7至图10的示例是由可从Hill-Rom Company，Inc.获得的LINQTM移动应用程序的附加软件功能提供的。LINQTM移动应用程序的其他细节可以在2018年9月27日提交的标题为“Caregiver and Staff Information System”的美国申请第16/143,971中找到，该申请已作为美国专利申请公开第2019/0108908 A1公开，并且其通过引用并入本文。
现在参考图7，在图3和图6的移动设备60的触摸屏显示器上显示的移动应用程序的患者屏幕220的示例包括在屏幕220顶部附近的我的患者(My Patients)按钮或图标222和我的病房(My Unit)224按钮或图标。在说明性示例中，已经选择了我的患者图标222，由此，屏幕222包括分配给显示屏幕220的移动设备60的护理人员的患者的列表226。分配给护理人员的每个患者都显示在列表224的单独行中，包括患者的姓名和分配给患者的医疗机构中的房间。在每个患者的房间号和姓名下方显示一个或多个风险得分和相关信息(如适用)。如果选择了我的病房按钮224，则在移动设备60的显示屏幕上显示该护理人员被分配到的医疗机构的病房中的所有患者的类似信息，包括该病房的分配给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第一行的文本“2160HILL，LARRY”下方，第一风险得分框228示出了值为4的全身炎症反应综合征(SIRS)得分，第二风险得分框230示出了值为5的修改后的早期预警得分(MEWS)。同样在说明性示例中，列表226的第一行中的框228、230中的每个框的左侧示出了向上箭头图标232，以指示SIRS和MEWS得分相对于其先前的读数都有所增加。在说明性示例中，“@9：20”出现在列表第一行的文本“MEWS”的右侧，以指示MEWS得分最近更新的时间。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得分的框230。列表226的第五行具有文本“2159NO PATIENT”，以指示房间2159当前没有分配任何患者，但是如果有患者分配到房间2159，则该患者将属于分配给在其上显示屏幕220的移动设备60的护理人员的患者中的一员。屏幕220还具有图标或按钮(这些术语在本文中可互换使用)菜单234。菜单234在列表226的下方，且包括主页(Home)图标236、联系人(Contacts)图标238、消息(Messages)图标240、患者(Patients)图标242和电话(Phone)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在2018年9月27日提交的美国专利申请第16/143,971号中找到，该申请已作为美国专利申请公开第2019/0108908 A1公开，并且其已通过引用并入本文。
现在参考图8，示出了风险详情屏幕250的示例，该屏幕250响应于选择列表226每行右侧的屏幕220的向右箭头图标252之一而出现在护理人员的移动设备60的触摸屏显示器上。在图8的说明性示例中，如屏幕250顶部所示，屏幕250显示患者Larry Hill的风险详情。在屏幕250顶部的文本“PATIENTS 2160HILL，L.”的左侧提供了一个向左箭头图标254，可选择图标254以使护理人员返回屏幕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250的右上角。其他图标236、238、240、242仍然在屏幕250底部的菜单234中。
仍在屏幕250顶部附近，患者的病历号(MRN)显示在栏256中，患者的年龄显示在栏258中。在说明性示例中，患者的MRN为176290，患者为76岁。在屏幕250的栏256下方，示出了三个状态图标。具体而言，示出了跌倒风险图标260、肺风险图标262和压力损伤图标264。如果确定患者有跌倒的风险，则图标260突出显示。如果确定患者有呼吸窘迫的风险，则图标262突出显示。如果确定患者有发生压力损伤的风险，则图标264突出显示。如果确定相应的患者没有相关风险，则图标260、262、264变灰或不存在。
继续参考图8，MEWS窗口266显示在图标260、262、264下方，并且具有与框230中出现的MEWS得分相关的附加信息。框230和向上箭头图标232出现在窗口266的左侧。在窗口266的框230和图标232的右侧，示出了与MEWS得分相关或影响MEWS得分的各种生命体征信息。在屏幕250的示例中，患者Larry Hill的体温为100.6华氏度(F)，SPO2为92％，无创血压(NIBP)为200/96毫米汞柱，心率(HR)为每分钟118次(BPM)，呼吸率(RR)为每分钟26次(BPM)。向上箭头图标267出现在窗口266中，位于自先前读数以来增加的任何生命体征的右侧。
根据本公开，计算MEWS所需的数据从被包括为医疗设备12(例如，病床14和生命体征监测器18)的一部分的传感器获得，和/或作为基于护理人员的临床见解24的手动用户输入而被接收，和/或从EMR服务器62的患者EMR获得。MEWS是根据下表计算的已知得分：
表2
| 得分 | 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，基于与表的行相对应的数据的各种患者读数，将列标题中的各个整数加在一起。5分或更高的得分指示死亡的可能性。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/或使用如上所讨论的获得患者生理数据的其他方式获得的。MEWS的AVPU部分指示患者是处于觉醒状态(A)、对声音有反应(V)、对疼痛有反应(P)，还是无反应(U)。护理人员针对每个患者选择适当的AVPU字母，然后将其输入计算机，例如房间站50、护理人员的移动设备60，或系统10的其他计算机(例如，护士呼叫计算机、EMR计算机、ADT计算机等)。
仍参考图8的屏幕250，在窗口266下方示出了败血症相关器官衰竭评估(SOFA)窗口268，该窗口268具有与SOFA得分有关的信息。在窗口268的左侧，风险得分框270示出了SOFA得分值，在说明性示例中为2，并且向上箭头图标272指示与先前得分相比，SOFA得分已经增加。在窗口268中的框270和图标272的右侧，示出了影响SOFA得分或与SOFA得分有关的患者生理参数。在说明性示例中，患者的血小板为145每微升(μL)，每天的输出/输入为800毫升，心血管(CV)为58平均动脉压(MAP)。
在图8的窗口268下方的屏幕250上示出了具有与MORSE跌倒等级(MORSE FallScale，MFS)得分或值有关的信息的MORSE窗口274。在窗口274的左侧，风险得分框276示出了MORSE或MFS得分值，在说明性示例中为3。在框276旁边没有显示向上箭头图标或向下箭头图标，由此指示自上次读数以来，MORSE得分未发生改变。框276的右边是影响MORSE得分或与MORSE得分相关的风险因素。在说明性示例中，患者的活动风险因素包括患者视力受损和髋关节置换，患者的药物风险因素包括为患者使用镇静剂。在窗口266、268、274的每个窗口中，在相应的框230、270、276下方指示相应的风险得分框230、270、276中的得分最近被更新的时间。
如图8所示，屏幕250包括一对风险影响因素窗口，其包括呼吸窘迫窗口278和败血症窗口280。呼吸窘迫窗口278列出了影响患者将经历呼吸窘迫的风险的因素或与该风险有关的因素，败血症窗口280列出了影响患者患上败血症的风险的因素或与该风险相关的因素。在说明性示例中，呼吸窘迫窗口278中的风险因素包括：患者患有慢性阻塞性肺疾病(COPD)、患者年龄超过65岁以及患者是吸烟者，败血症窗口280中的风险因素包括：患者患有尿路感染(UTI)以及患者年龄超过65岁。图8的示例表明，可以将患者风险因素与多个风险得分，或对风险得分或风险测定有影响的风险因素一起使用。
关于窗口266、268、274，在一些实施例中，对这些窗口中的一些或全部进行颜色编码，以指示特定风险得分的严重程度或与风险得分或风险测定有关的特定风险因素。例如，如果框230中的风险值是5或更大，则可以用红色对窗口266的框230周围的区域和窗口266的边界进行颜色编码以指示患者处于高风险等级。类似地，如果框270、276中的风险值指示中等风险(如在示例性示例中的情况)，则可以用黄色分别对窗口268、274的框270、276周围的区域进行颜色编码。在一些实施例中，还对箭头232、267、272进行颜色编码，视情况而定，通常用红色或黄色的暗色相进行颜色编码。如果针对任何特定风险因素的风险得分指示较低的风险等级，则用绿色或诸如蓝色或黑色之类的其他颜色对屏幕250上的相关窗口进行颜色编码。在一些实施例中，取决于特定患者存在的风险因素的数量或严重性，对风险影响因素窗口278、280类似地进行颜色编码(例如，红色、黄色、绿色)。在一些实施例中，还对窗口266、268、274中的各个数值数据或风险因素进行颜色编码。
现在参考图9，示出了备选的“风险详情”屏幕250’的示例，其中屏幕250’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设备60的触摸屏显示器上。屏幕250’的与屏幕250的相同部分基本一样的部分用相同的附图标记表示，并且屏幕250的这些部分的以上描述同样适用于屏幕250’。在图9的说明性示例中，屏幕250’显示患者LarryHill的风险详细信息，如屏幕250'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右侧，示出了MEWS得分框230和向上箭头图标232。
窗口282包括体温得分框284、呼吸率(RR)得分框286、意识水平(LOC)得分框288、第一自定义得分框290和第二自定义得分框292，如图9所示。在说明性示例中，框284、286的得分均为2，框288具有来自表2中所示AVPU得分的字母P。说明性MEWS框230在图9中的屏幕250’的说明性示例中得分为5，但是实际上，假设框288中的P对应于表2中所示的得分2，则上述得分应该被显示为6。在屏幕250’的说明性示例中，框284、288下方示出了向上箭头图标294，以指示MEWS的体温部分和LOC部分分别比用于计算先前MEWS的先前值有所增加。窗口282中286框下方示出了破折号图标296，以指示患者的MEWS的RR部分自上次MEWS计算后未发生改变。
窗口282的自定义得分框290、292指示修订的MEWS或修改的MEWS在本公开的范围内。因此，任何给定医疗机构的系统10的设计者或程序员都可以选择其他风险因素，如以上表1所示的那些对此类修订或修改的MEWS有影响的风险因素。举例来讲，年龄可以是被选择为对应于框290、292之一的风险因素。基于年龄范围的得分值也由系统设计者或程序员自行决定。因此，0到3之间的整数可以分配给不同的年龄范围，仅给出一个任意示例(例如，20岁或以下＝0；21-40岁＝1；41-60岁＝2；61岁或以上＝3)。可选地，可以针对某些年龄范围使用负数。例如，假设与窗口282相关联的患者年龄为20岁或以下，则可以给20岁或以下的年龄分配得分-1，这将使得这种修订或修改的MEWS为说明性得分5(即框284、286、288的总和为6，然后再加年龄得分-1，则总的修改的MEWS为5)。同样，这只是任意示例，应当理解，表1以及数值得分方案中存在的风险因素实际上是无限可能的，可以结合窗口282的自定义框290、292来进行选择，以创建修订的或修改的MEWS。
仍参考图9的屏幕250’，在窗口282下方示出了系统炎症反应综合征(SIRS)窗口298。在窗口298的右侧示出了SIRS得分框300，在框300中出现了复选标记302，用于指示患者呈SIRS阳性。如果患者呈SIRS阴性，则框300为空白。在窗口298的左侧，示出了对患者呈SIRS阳性的确定有影响或与之相关的风险因素和关联数据。在屏幕250’的说明性示例中，窗口298包括每分钟118次心跳的心率(HR)数据和小于4，000的白细胞计数(WBC)。在一些实施例中，基于下表确定患者是否呈SIRS阳性：
表3
在典型的实施例中，如果满足表3的行中指示的任何两个或更多个条件，则认为患者呈SIRS阳性。在其他实施例中，由系统设计者或程序员决定，在将患者视为SIRS阳性之前需要满足表3中指示的两个、三个或所有四个条件。本公开还设想，将诸如以上表1中列出的那些风险因素之类的其他风险因素用于评估患者的SIRS。应当理解，表1和数字得分方案中存在的风险因素实际上是无限可能的，这些风险因素可以被选择用于在表3中添加其他行或替换表3中的一个或多个当前行，以创建针对修订或修改的SIRS评估的标准。
通常用于SIRS测定的一些其他因素包括可疑的或当前的感染源(SIRS+感染源)、由乳酸酸中毒或SBP＜90或SBP在正常水平上下降≥40mmHg指示的严重败血症标准(器官功能障碍、低血压或灌注不足)，以及≥2个器官衰竭的证据(多器官功能障碍综合征标准)(仅给出了几个示例)。在任何情况下，SIRS值有时在移动设备60上显示为数字得分(其指示所满足的SIRS风险因素的数量)，有时显示为复选标记(其指示患者被认为是SIRS阳性)。
继续参考图9的屏幕250’，在窗口298下方示出了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得分框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，与屏幕250的窗口268示出了影响SOFA得分的风险因素的数值数据不同，屏幕250’的窗口304具有针对每个有影响的风险因素的风险得分框。在说明性示例中，在窗口304中示出了血小板风险得分框306和心血管疾病风险得分框308，并且框306、308的得分均为1，框306、308的得分加在一起就得到窗口304的框270中示出的总的SOFA风险得分2。
在系统10的一些实施例中，还确定了快速SOFA(qSOFA)得分并将其显示在护理人员的移动设备60上。qSOFA得分可以代替SOFA得分，或者除了显示SOFA得分之外还显示qSOFA得分。在一些实施例中，下表4用于计算qSOFA得分：
表4
| 评估 | qSOFA得分 |
| 低血压(SBP≤100mmHg) | 1 |
| 高呼吸率(≥22次呼吸/分钟) | 1 |
| 精神状态改变(GCS≤14) | 1 |
在一些实施例中，以下一个或多个表用于计算SOFA得分：
表5-呼吸系统
表6-神经系统
| 昏迷指数 | SOFA得分 |
| 15 | 0 |
| 13-14 | +1 |
| 10-12 | +2 |
| 6-9 | +3 |
| ＜6 | +4 |
表7-心血管系统
表8-肝脏
| 胆红素(mg/db)[μmol/L] | SOFA得分 |
| ＜1.2[＜20] | 0 |
| 1.2-1.9[20-32] | +1 |
| 2.0-5.9[33-101] | +2 |
| 6.0-11.9[102-204] | +3 |
| >12.0[＞204] | +4 |
表9-凝结
| 血小板x103/μl | SOFA得分 |
| ≥150 | 0 |
| ＜150 | +1 |
| ＜100 | +2 |
| ＜50 | +3 |
| ＜20 | +4 |
表10-肾脏
| 肌酸酐(mg/dl)[μmol/L](或尿排出量) | SOFA得分 |
| ＜1.2[＜110] | 0 |
| 1.2-1.9[110-170] | +1 |
| 2.0-3.4[171-299] | +2 |
| 3.5-4.9[300-440](或＜500ml/d) | +3 |
| >5.0[>440](或＜200ml/d) | +4 |
为了计算总的qSOFA得分，将表4右侧列中的得分值加在一起，或者关于SOFA得分，将表5-10中任何一个表的右侧列中与SOFA有关的得分值加在一起。在窗口304的说明性示例中，在框306下方示出了向上箭头图标310，用于指示自从先前的血小板读数以来患者的血小板已经增加；在框308下方示出了破折号图标312，用于指示自从先前的心血管读数以来患者的心血管读数未发生变化。
图9的屏幕250'还具有与图8的屏幕250的窗口278、280基本相同的呼吸窘迫窗口278和败血症窗口280，因此使用了相同的附图标记。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字之外，图9的窗口278还指示患者的呼吸率小于每分钟15次呼吸。而且，除了指示患者患有UTI并且年龄大于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，类似于以上结合图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可类似地进行颜色编码。
现在参考图10，示出了MEWS详情屏幕320的示例，该屏幕320提供了与图8和图9的屏幕250、250’的MEWS相关的更多详细信息。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设备60的触摸屏显示器上。屏幕320的分别与图7至图9的屏幕220、250、250’的相同部分基本上一样的部分用相同的附图标记表示，并且对于一样的部分，以上描述同样适用于屏幕320。
屏幕320在MRN数据256和年龄数据258下方具有展开的MEWS数据窗口322。在说明性示例中，将图9的屏幕250’的SIRS和SOFA窗口298、304分别最小化为展开的MEWS数据窗口322下方的较小的窗口298’、304’。窗口298’、304’省略了例如在窗口298、304中示出的风险因素数据。但是，窗口298’、304’仍示出了带有相应SOFA得分和SIRS复选标记图标302的框272、300。向上箭头图标272仍示出在窗口304’中。展开的MEWS数据窗口322包括在窗口282中示出的框230、284、286、288，但是这些框的位置已重新排列，并且在窗口322中还示出了几个其他框以及数值数据。向上箭头图标232、294也分别在窗口322中框230、284的右侧示出。在屏幕320的说明性示例中，在窗口322中，在框286的右侧示出了向上箭头图标324，并且在框288的右侧示出了破折号图标326。
窗口322还包括无创血压(NIBP)-收缩压风险得分框328、SPO2风险得分框330、NIBP-舒张压风险得分框332和脉搏率风险框334。在说明性示例中，框328、330、332中的每个框具有“X”，用于指示相关联的患者生理参数的数值对患者的总的MEWS没有影响。在其他实施例中，当相关联的风险因素对患者的MEWS无影响时，在相应的框中出现“0”。在说明性示例中，在框334中出现风险得分值2。在框328、339、332、334中的每个框的右侧示出了破折号图标326，用于指示自先前的读数以来各个读数未发生变化。窗口322的框284、286、288、328、330、332、334中的值是子得分，当将它们加在一起时，提供患者的总体MEWS得分。如上所述，可以使用表1中的风险因素来创建修订或修改的MEWS(又称为定制的MEWS)，在这些情况下，从表1中选择的风险因素在窗口322中具有相关联的风险得分框和风险数据。如果在护理人员的移动设备60上选择了图8的屏幕250的窗口268、264或图9的屏幕250’的窗口298、304，而不是屏幕250的窗口266或屏幕250’的窗口282，则还示出相关的风险得分框和数据。
根据本公开，在一些实施例中，在系统10中提供了软件模块形式的EMR插件。EMR插件由医院管理员和护理人员用于查看患者的恶化(例如败血症、呼吸窘迫、压力损伤和跌倒等的发生)，由此为用户提供动态风险监测，从而可以更早、更持续地识别患者风险。该插件除了为风险得分的查看提供传统的早期预警得分(EWS)之外还提供其他的背景信息，并通过提供风险得分背后的标准和推理来建立护理人员的信任。EMR插件还可以持续指示患者的恶化风险得分中是否缺少参数，以便告知护理人员哪些风险参数仍需要评估和输入。
在一些实施例中，通过在与EMR服务器62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插件配置为在升级事件或交接过程中帮助减少/消除护理人员/团队之间的延迟和通信缺陷。在EMR插件中提供了情况、背景、评估、建议(SBAR)功能，该功能确保在交接或升级事件发生时将患者的恶化风险及时传达给适当的护理人员，以便有效传递患者恶化风险的信息。
在另一实施例中，EMR插件基本实时地自动计算医疗机构中的患者的早期预警得分。在一示例中，EMR插件从EMR服务器62提取数据输入以自动计算早期预警得分。在另一示例中，EMR插件直接从一个或多个患者数据源12提取数据输入，并使用分析引擎20来基本实时地自动计算早期预警得分。由EMR插件计算出的早期预警得分可包括修改的早期预警得分(MEWS)、国家早期预警得分(NEWS)、修改的早期产科预警得分(MEOWS)、儿科早期预警得分(PEWS)、系统性炎症响应综合症(SIRS)等。
EMR插件指示是否缺少用于计算早期预警得分的数据输入，以及用于计算早期预警得分的数据输入是多久以前被采用的。在一示例中，数据输入包括从患者数据源12(参见图1)(例如，患者病床14、失禁检测系统16、生命体征监测器18和国际压疮患病率(IPUP)调查22)获得的一个或多个生命体征测量值。
EMR插件提供了护理人员默认设置，该默认设置根据典型的护理方案指示数据输入的子集是否是旧的(例如，“过期的”)。数据输入的过期取决于所计算的早期预警得分，因此较高的早期预警得分会减少将数据输入确定为过期的时间。这是因为较高的早期预警得分需要更频繁的更新信息，因此较高的早期预警得分的默认过期时间小于较低的早期预警得分。同样，EMR插件提供了有关是否缺少用于计算早期预警得分的数据输入的指示。
在一些实施例中，当缺少一个或多个数据输入(例如，生命体征测量值)时，EMR插件利用可用的数据输入来计算早期预警得分，并指示缺少哪些数据输入。如果缺少所有数据输入，则EMR插件不会计算早期预警得分。
另外，在一些实施例中，EMR插件基于所计算的早期预警得分来生成干预措施。例如，EMR插件可以针对国家早期预警得分(NEWS)为5或6而建议护理人员每小时(而不是每四个小时)进行一次生命体征测量。由EMR插件生成的干预措施是可配置的，并且可以根据患者和护理人员所在的医疗机构的需要和/或目标进行调整。
在一些实施例中，基于临床知识和研究提供默认过期时间。例如，生命体征测量通常是在医疗外科区每四个小时进行一次，因此生命体征会在四个小时后变为过期的。在某些示例中，某些数据输入没有过期时间。
如上所述，可通过诸如网页之类的图形用户界面从EMR计算机访问EMR插件。在一些示例中，在图形用户界面上用改变颜色的时间戳来指示某些数据输入的过期时间，该时间戳例如从蓝色或绿色(指示最近获得的数据输入)变为红色或黄色(指示过期或失效的数据输入)。在其他示例中，某些数据输入在图形用户界面上用图标(例如，时钟或箭头)标记，用于指示数据输入已过期或失效。
在一些实施例中，过期时间取决于早期预警得分阈值。例如，当早期预警得分增加时，EMR插件会更改过期时间以反映新建议的干预率。在一示例中，当NEWS得分在1至4之间时，EMR插件建议每四个小时进行一次生命体征测量。当NEWS得分从4增加到5时，生命体征测量的过期时间从每4小时减少到1小时。如上所述，可以根据医疗机构的需求和/或目标来配置过期时间，因此，前述示例仅用于说明性目的。
在一些实施例中，当在超过失效时间阈值的情况下尚未记录或未获得更新数据输入值时，EMR插件利用失效时间从所计算的早期预警得分中删除数据输入的子集。例如，将呼吸收缩和辅助肌肉的使用作为数据输入来输入，以计算儿科早期预警得分(PEWS)。但是，这些症状可用雾化器来治疗。因此，当确定在超过失效时间阈值的情况下尚未记录或未获得该数据输入值时，EMR插件可以从PEWS的计算中删除该数据输入。此外，EMR插件可以在EMR计算机上的图形用户界面中指示该数据输入已从PEWS的计算中删除。
在一些实施例中，EMR插件随时间的推移将所计算出的患者的早期预警得分进行趋势化。在一些示例中，趋势显示在EMR计算机上的图形用户界面中，以便于在交接或升级事件发生时有效地传递有关患者恶化风险的信息。
在另一实施例中，EMR插件在EMR计算机和/或移动设备60上生成由图1所示的系统10汇聚的临床数据的多个图形用户界面作为输出。图形用户界面向护理人员提供患者状态的整体视图，使护理人员能够尽早意识到潜在的患者恶化情况，例如败血症。为了清楚起见，下面将由EMR插件生成的图形用户界面称为“屏幕”。
图11至图29是由系统10汇聚的临床数据的示例性屏幕。这些屏幕提供潜在的患者恶化风险的通知。另外，屏幕显示并组织患者临床数据，以快速地向护理人员传达有问题的数据输入以及基于医疗机构的方案应采取哪些措施来矫正有问题的数据输入。此外，屏幕使护理人员能够动态地选择他们希望比较的作为随时间推移而监测的趋势的数据集。
屏幕是在与EMR服务器62通信的EMR计算机上生成的。此外，屏幕可以是显示在图3和图6的移动设备60的触摸屏显示器上的移动应用程序的一部分。这些屏幕与以上参照图7至图10描述的屏幕具有共同特征。
现在参考图11，示例性患者屏幕400包括我的患者(My Patient)图标402和我的病房(My Unit)图标404。在说明性示例中，选择了我的患者图标402，由此，患者屏幕400包括分配给在其上显示患者屏幕400的移动设备60的护理人员的患者列表406。分配给护理人员的每个患者都显示在列表406的单独行中，其中包括患者的姓名和分配给患者的医疗机构中的房间。恶化图标408显示在文本“2160HILL，LARRY”旁边，用于指示该患者有恶化的风险。
当选择我的病房图标404(而不是我的患者图标402)时，在患者屏幕400上显示医疗机构的该病房中的所有患者(包括该病房的分配给其他护理人员的患者)的类似信息。
现在参考图12至图18，风险详情屏幕401响应于选择在图11的患者屏幕400中的每一行的右侧的向右箭头图标410而出现。在说明性示例中，风险详情屏幕401示出了患者“Larry Hill”的风险详情，如屏幕顶部所示。
在风险详情屏幕401的左上角提供了箭头图标412。可以选择箭头图标412以返回到患者屏幕400。
电话图标414出现在风险详情屏幕401的右上角。可以选择电话图标414以使用移动设备60进行电话呼叫。
在图12至图18中，风险详情屏幕401包括患者数据416，例如患者的病历号(MRN)、出生日期、年龄、性别等。在说明性示例中，患者数据416显示在屏幕401的顶部。
患者数据416的旁边是向右箭头图标418。响应于选择向右箭头图标418，生成显示患者的生命体征测量值随时间变化的趋势的屏幕。下面将更详细地描述响应于选择向右箭头图标418而生成的屏幕。
在患者数据416下方，示出了三个状态图标。具体而言，示出了跌倒风险图标420、肺风险图标422和压力损伤图标424。如果确定患者有跌倒的风险，则跌倒风险图标420突出显示。如果确定患者有呼吸窘迫的风险，则肺风险图标422突出显示。如果确定患者有发生压力损伤的风险，则压力损伤图标424突出显示。如果确定相应的患者没有相关联的风险，则图标420、422、424变灰或不存在。
图标420、422、424旁边是情况、背景、评估、建议(SBAR)图标426。如上所述，在EMR插件中提供了SBAR功能，SBAR功能确保在交接或升级事件发生时将患者的恶化风险及时传达给适当的护理人员，以便有效传递患者恶化风险的信息。下面将更详细地描述响应于选择SBAR图标426而生成的屏幕。
在图标420、422、424下方是主诊断栏428。在说明性示例中，主诊断栏428显示“肺炎”。
在主诊断栏428的下方示出了EWS窗口430。虽然以下说明描述了与修改的早期预警得分(MEWS)相关的EWS窗口430，但是可以设想EWS窗口430可配置用于除MEWS之外的多种早期预警得分，包括例如国家早期预警得分(NEWS)、修改的早期产科预警得分(MEOWS)、儿科早期预警得分(PEWS)等。另外，EWS窗口430可配置为显示特定于机构的早期预警得分。
在所示的示例中，EWS窗口430包括得分区432，该得分区432包括在框434中显示的MEWS得分。如上所述，可以在框434中显示诸如NEWS、MEOWS、PEWS等各种早期预警得分。在框434中显示的得分驱动患者屏幕400上的患者恶化图标408(参见图11)。该得分确定恶化图标408是否存在以及如何显示恶化图标408。例如，得分确定恶化图标408是黄色(例如，中等风险)还是红色(例如，高风险)。可以设想，用于显示恶化图标408的颜色可以是可配置的。
在得分区432中框434旁边包括箭头图标436，用于指示自先前读数以来框434中的得分是增加(例如，向上箭头图标)还是减少(例如，向下箭头图标)。另外，在得分区432中的框434的下方是时间栏438，其指示最后一次计算得分的时间。在一些情况下，如果计算得分的最后时间在阈值时间限制内，使得得分是最近的和/或当前的，则时间栏436变成灰色或不存在。在另一示例中，如果最后一次计算得分的时间超过阈值时间限制，使得得分是过期的，则时间栏436被加粗或着色。
在一些示例中，根据在框434中显示的得分，以不同的颜色突出显示得分区432。另外，框434内的背景色也可以根据得分以不同的颜色突出显示。例如，对于MEWS得分为1至4(参见图12和图13)，得分区432和框434未突出显示；对于MEWS得分为5或6(参见图14和图15)，得分区432和框434以黄色突出显示；对于MEWS得分为7或更高，得分区432和框434以红色突出显示(参见图16至图18)。在一些示例中，突出显示的框434中的色相比突出显示的得分区432中的色相更深。
在EWS窗口430中，得分区432的右侧是与框434中显示的早期预警得分相关或对其有影响的各种生命体征信息。在所示的示例中，无创血压(NIBP)、SPO2、呼吸率(RR)、心率(HR)、体温和意识水平(LOC)被包括在得分区432旁边；在得分区432处，MEWS得分显示在框434中。在一些示例性实施例中，箭头图标显示在自先前读取以来增加的生命体征旁边。
在一些实施例中，在EWS窗口430下方是系统炎症反应综合症(SIRS)窗口440(参见图12、14和16)。SIRS窗口440包括使用上述风险因素和关联数据(例如，参见表3)来计算的SIRS得分442。在一些示例中，SIRS得分442在0到4的范围内。在一些示例中，当SIRS得分442大于或等于阈值得分(例如，2或更高)时，SIRS窗口440和SIRS得分442突出显示(例如，以红色)，如图16的说明性示例所示。当SIRS得分442小于阈值得分时，SIRS窗口440和SIRS得分442未突出显示(参见图12)。
在一些实施例中，在EWS窗口430下方是快速败血症相关器官衰竭评估(qSOFA)窗口444(参见图12、14和16)。qSOFA窗口444包括qSOFA得分446。qSOFA得分446是使用上述风险因素和关联数据(例如，参见表4)来计算的。在一些示例性实施例中，qSOFA得分446在0到3的范围内。
在其他实施例中，在EWS窗口430下方显示败血症风险框460，而不是qSOFA窗口444。败血症风险框460不显示得分。相反，当确定患者有败血症风险时，败血症风险框460显示败血症风险图标462(参见图17和图18)。在一些示例中，除了显示图标462之外，败血症风险框460可以突出显示(例如，以黄色或红色)，以进一步提供患者处于败血症风险中的可视化显示。
在一些实施例中，在EWS窗口430下方是跌倒风险窗口448(参见图12、14和16)。跌倒风险窗口448包括图标450，其在突出显示或着色时指示患者可能跌倒。基于使用上述风险因素和关联数据计算出的MORSE跌倒等级(MFS)得分来确定患者是否可能进行呼叫。
在其他实施例中，在EWS窗口430下方显示的是跌倒风险框464，而不是跌倒风险框448。跌倒风险框464不显示得分。相反，当确定患者有跌倒的风险时，跌倒风险框464显示图标466(参见图18)。在一些示例中，除了显示图标466之外，跌倒风险框464突出显示(例如，以黄色或红色)，以进一步提供患者处于跌倒风险中的可视化显示。
仍参考图12至图18，风险详情屏幕401包括护理团队框452。响应于选择护理团队框452，生成显示负责在医疗机构中照料患者的护理人员的屏幕。
风险详情屏幕401包括实验室结果框454。响应于选择实验室结果框454，生成显示患者的实验室结果的屏幕。在一些示例中，实验室结果框454包括栏455，其指示是否已经接收到任何新的、先前未看到的患者实验室结果。
风险详情屏幕401还包括提醒框456。响应于选择提醒框456，生成显示与患者护理有关的提醒(例如提供药物、进行生命体征测量、检查压疮等的提醒)的屏幕。
风险详情屏幕401还包括警报框458。响应于选择警报框458，生成显示患者警报的屏幕。
图19是当从风险详情屏幕401(例如，参见图16)中选择SIRS窗口440时生成的示例性SIRS屏幕500。SIRS屏幕500包括返回图标502，当选择该图标时，返回到图12至图18的风险详情屏幕401。SIRS屏幕还包括SBAR图标504，当选择该图标时，生成将在下面更详细描述的SBAR屏幕。
SIRS屏幕500还包括得分框505和风险情境框507。得分框505包括SIRS得分506，以及影响SIRS得分506的计算的生命体征测量值的子集508。得分框505还包括所需措施面板510，该所需措施面板510包括要发给护理人员的使得护理人员基于SIRS得分506的严重程度执行一项或多项措施的消息。在说明性示例中，所需措施框510包括消息“呼叫MD以在床边立即进行评估”。
风险情境框507提供与SIRS得分506有关的更多详细信息，其提供患者状态的整体视图，使护理人员能够意识到患者对败血症的潜在易感性。风险情境框507包括可能有问题的且由此护理人员应进行更密切监测的附加生命体征测量值512。另外，风险情境框507包括合并症514，以向护理人员提供附加的情境意识。
图20是当从风险详情屏幕401中选择qSOFA窗口444(例如，参见图16)时生成的示例性qSOFA屏幕520。qSOFA屏幕520包括上述的返回图标502和SBAR图标504。
qSOFA屏幕520包括qSOFA框522，该qSOFA框522包括qSOFA得分524以及影响qSOFA得分524的计算的生命体征测量值的子集526。另外，qSOFA屏幕520包括败血症风险情境框528，该败血症风险情境框528包括消息框530，该消息框530包括与特定患者的败血症风险的情景有关的消息。在说明性示例中，败血症风险情景框528包括消息“未检测到潜在风险情境”。另外，败血症风险情境框528包括合并症532，以向护理人员提供附加的情境意识。
图21和图22是当从风险详情屏幕401中选择跌倒风险窗口448(例如，参见图16)时生成的示例性跌倒风险屏幕540。跌倒风险屏幕540包括上述的返回图标502和SBAR图标504。跌倒风险屏幕540还包括风险情境框542，该风险情境框542包括MORSE图标544和MORSE得分546。情境框542还包括活动框548和药物框550。活动框548列出了影响MORSE得分546的患者状况，药物框550列出了患者服用的影响MORSE得分546的药物。跌倒风险屏幕540还包括所需措施框552，该所需措施框552包括护理人员基于MORSE得分546的严重程度执行的一项或多项措施。
在图21中，MORSE得分546显示为“45”，并且MORSE图标544和所需措施框552突出显示某种颜色(例如，黄色)以反映MORSE得分546的严重程度。在图21的示例中，活动框548将视力受损和髋关节置换列为影响所计算出的MORSE得分546的严重程度的因素。在所需措施框552中列出的一个或多个措施根据MORSE得分546的严重程度而变化。在说明性示例中，所需措施框552列出了诸如“设置病床警报和椅子警报”和“安排每两小时进行一次关于排泄情况的查房”等措施。
在图22中，MORSE得分546显示为“60”，并且相应地MORSE得分544和所需措施框552以不同的颜色(例如，红色)突出显示，以反映MORSE得分546的增加的严重程度。在图22的说明性示例中，活动框548列出了视力受损和髋关节置换，并且药物块框550列出了向患者施用的镇静剂，作为影响所计算出的MORSE得分546的严重程度的因素。例如，所需措施框552列出了诸如“考虑将患者移近护士站”、“考虑最敏感的病床警报设置”和“药物检查”等措施。
图23是当从风险详情屏幕401中选择败血症风险框460(例如，参见图18)时生成的示例性败血症风险屏幕560。败血症风险屏幕560包括上述的返回图标502和SBAR图标504。败血症风险屏幕560包括所需措施框562，该所需措施框562包括将由护理人员基于所计算出的败血症风险的严重程度执行的一个或多个所需措施564。在说明性示例中，所述一个或多个所需措施564包括“呼叫MD以在床边立即进行评估”。败血症风险屏幕560包括败血症风险情境框566，该败血症风险情境框566包括上文描述的败血症风险图标462、SIRS得分442、生命体征测量值512和合并症514。
图24和图25是当从风险详情屏幕401(例如，参见图18)中选择跌倒风险框464时生成的示例性跌倒风险屏幕580。跌倒风险屏幕580包括上述的返回图标502和SBAR图标504。另外，跌倒风险屏幕580包括所需措施框582，该所需措施框582包括将由护理人员基于所计算出的跌倒风险的严重程度执行的一个或多个所需措施584。在图24的说明性示例中，所需措施584包括“设置病床警报和椅子警报”和“安排每两小时进行一次关于排泄情况的查房”。在图25的说明性示例中，所需措施584包括“考虑将患者移近护士站”、“考虑最敏感的病床警报设置”和“药物检查”。还设想其他所需措施。
跌倒风险屏幕580还包括MORSE风险情境框586，该MORSE风险情境框586包括MORSE图标544、MORSE得分546、列出了影响MORSE得分546的患者状况的活动框548，以及列出了患者所服用的影响MORSE得分546的药物的药物框550，已在上文中参考图21和图22对此进行了描述。
图26是当选择SBAR图标426、504时生成的情况、背景、评估、建议(SBAR)屏幕600。如上所述，SBAR功能确保在交接或升级事件发生时将患者的恶化风险及时传达给适当的护理人员，以便有效传递患者恶化风险的信息。
现在参考图26，SBAR屏幕600包括返回图标502，当返回图标502被选择时，返回到图12至图18的风险详情屏幕401。SBAR屏幕600还包括情况框602、背景框604、评估框606和建议框608。护理人员可使用情况框602来描述先前的患者事件。先前患者事件的示例可包括跌倒、受伤、诊断、恶化等。在说明性示例中，情况框602包括日期和时间栏614，用于指示事件是何时发生的。
护理人员可使用背景框604来描述背景信息，以解释在事件发生之前的患者病史或病情。护理人员可使用评估框606来提供其对事件的评估，且护理人员可使用建议框608来提供其建议。因此，当交接事件发生时(例如，一个护理人员的轮班结束而另一个护理人员的轮班开始)，SBAR屏幕600可以有助于患者状况和恶化风险的信息的有效传递。
SBAR屏幕600还包括呼叫图标610，护理人员可以选择该图标来呼叫完成SBAR屏幕600的护理人员以进行跟进。此外，SBAR屏幕600包括呼叫RRT图标612，护理人员可以选择该图标来呼叫快速响应团队(RRT)(也称为医疗急救团队(MET)和高敏锐度响应团队(HART))，以便团队能够对具有恶化早期迹象的患者做出响应以防止呼吸或心脏骤停。
图27至图29是示例性生命体征屏幕700，其用于显示随时间变化的生命体征测量值的趋势。如上所述，在一些示例中，响应于选择图12至图18的风险详情屏幕401上患者数据416旁边的箭头图标418而生成生命体征屏幕700。在其他示例中，响应于选择图11的患者屏幕400上的箭头图标410而生成生命体征屏幕700。生命体征屏幕700包括箭头图标702，当选择该图标时，返回到风险详情屏幕401或患者屏幕400。
在图27中，生命体征屏幕700包括显示各种生命体征测量值的生命体征面板704。在一些生命体征旁边包括箭头图标706，用于指示与先前读数相比生命体征是上升了(例如，向上箭头图标)，还是与先前读数相比生命体征是下降了(例如，向下箭头图标)。当该信息缺失时，一些生命体征旁边显示破折号图标708；当该信息过期时，一些生命体征旁边显示时间戳图标710。此外，如果该信息缺失(如图27中的心率)或过期(如图27中的体温)，一些生命体征将变灰。
在图27中，生命体征屏幕700还包括列出一个或多个生命体征714的测量值面板712。每个列出的生命体征714包括日期和时间栏716，用于指示生命体征测量值的最后一次更新时间是什么时候。此外，一些生命体征714包括显示随时间监测的生命体征趋势的曲线图718。另外，每个生命体征714包括箭头图标720，可以选择该箭头图标以更详细地显示所选的生命体征以便可视化地呈现。例如，选择箭头图标720可以使得显示生命体征在较长时间内的趋势。还设想其他配置。
在图28中，另一生命体征屏幕700包括箭头图标702和SBAR图标504。当选择箭头图标702时，返回到风险详情屏幕401或患者屏幕400；当选择SBAR图标504时，生成SBAR屏幕600(参见图26)。在图28中，显示了生命体征714的列表。每个生命体征714包括显示随时间监测的生命体征趋势的曲线图718。
在图29中，另一生命体征屏幕700包括上述箭头图标702和SBAR图标504。在图29中，显示了生命体征714的列表。每个生命体征714包括正标记722和负标记724。当选择正标记722时，其展开生命体征以显示曲线图718；当选择负标记724时，其收缩生命体征以隐藏曲线图718并显示生命体征的当前测量值726。在图29的说明性示例中，一次可以查看生命体征714的最多四个曲线图。还设想其他配置。
现在参考图30，通过图3和图6的移动设备的移动应用程序示出了另一示例性患者屏幕750。该患者屏幕750包括分配给登录到移动设备60或以其他方式与移动设备60相关联的护理人员的患者的列表752。分配给护理人员的每个患者都显示在列表752的单独行中，其中包括患者的姓名。护理人员可以从列表752中选择特定患者以访问进一步的信息，例如图31所示的屏幕800或如图32所示的主患者视图830。恶化图标760显示在患者“Robert，Laura”旁边，用于指示该患者有恶化的风险。恶化图标760可以任选地包括恶化严重程度的指示符，例如等级指示符(例如，低、中、高)、指示严重程度的颜色(例如，绿色、黄色、红色)和/或指示恶化的严重程度的数值。
患者屏幕750还包括警报指示符756和任务指示符758，其分别列出了与患者相关联的警报(“1”)和任务(“2”)的数量。这以摘要格式向护理人员提供特定患者的状态的有效视觉指示。护理人员可进一步选择警报指示符756以访问与特定于患者的警报(例如，类似于图35中所示的但特定于患者的警报；还可通过在选项选择符804中选择“警报”(Alerts)来访问特定于患者的警报)相关联的附加患者信息，并且可选择任务指示符758以访问进一步的任务信息，如图34所示。
图31示出了示例性屏幕800，在从患者屏幕750上的患者列表752中选择了特定患者之后，可以访问该屏幕。屏幕800包括患者标识信息802(在此情况下为诸如姓名(“Roberts，Laura”)、位置、患者ID和性别等目录信息)。在说明性示例中，在选项选择符804中选择“聊天”(Chat)，由此，通过图3和图6的移动设备的移动应用程序示出了聊天线程806。
通常，聊天线程806提供由与患者相关联的各个护理人员发送的按时间顺序列出的一系列消息，这些消息类似于在移动设备上的文本消息应用程序中提供的消息。在该示例中，消息808来自第一护理人员，并且给出了关于患者的护理信息。移动设备上的来自护理人员的响应消息810也被示出。
聊天线程806还包括嵌入到消息812中的患者状态信息。这种患者状态信息可以采用多种形式。在该示例中，患者状态信息包括早期预警得分状态(例如，MEWS)以及诸如呼吸频率和体温等相关的生命体征信息。其他生命体征也可被包括在消息812中。护理人员可选择消息812以访问关于患者的附加详情，例如图32至图34中所示的详情。
聊天线程806的这种配置是有利的，因为它使得护理人员能够与其他护理人员高效、直接地共享相关患者信息(例如，通过选择简单的“共享”按钮)。其他护理人员可以轻松地直接从聊天线程806查看和使用该信息，而不需要来自其他护理人员的附加控制输入。
现在参考图32，提供了主患者视图830。该主患者视图830可以例如通过在选项选择符804上选择“详情”(Details)来访问。在该主患者视图830中，可向护理人员提供生命体征、早期预警得分、败血症风险和其他信息(例如，跌倒风险)的摘要。
主患者视图830包括患者标识信息832(例如，诸如患者姓名和性别、出生日期和房间分配等目录信息)并提供生命体征信息，例如NIBP、RR、体温、SpO2、心率和意识水平。还可提供其他生命体征。此外，可对每个生命体征进行颜色编码，以使护理人员能够轻松确定问题所在。例如，如果患者的呼吸率升高，呼吸率可以以不同的颜色(如红色或黄色)显示，或以其他方式突出显示，以指示问题所在。
主患者视图830还包括早期预警得分信息836，例如MEWS。早期预警得分信息836可包括数值，并且还可以用颜色编码或以其他方式突出显示以指示问题所在。最后，主患者视图830包括其他信息，例如败血症风险信息838。该示例包括患者的SIRS得分。还可提供各种图标并对其进行编码(例如，用颜色编码)，以指示特定的败血症风险。
图33至图34示出了次患者视图840，该次患者视图840可以例如通过从聊天线程806选择消息812来访问。次患者视图840以更粗略的方式提供了生命体征、早期预警得分信息和其他患者信息，以便于更轻松地使用。次患者视图840包括突出显示的早期预警得分信息836，使得护理人员能够轻松地确定患者的总体健康状态。还提供了具体的生命体征信息834，以及相关风险情境信息846(在此情况下，风险因素为年龄-68岁)。可提供其他信息。
图34所示的次患者视图840还包括与患者相关联的任务信息850。任务信息850包括与患者相关联或以其他方式建议的一个或多个任务，以及用于执行此类任务的控件852(呼叫护理人员)或854(启动转移)。例如，可以选择控件852、854来指示任务的完成。在其它示例中，如果选择了控件852，则可通过与移动设备60相关联的电话功能直接呼叫与患者相关联的主护理人员。
现在参考图35，显示了警报视图860，该警报视图860具有关于与护理人员相关联的一个或多个警报的信息。在该示例中，警报视图860包括按时间顺序的护理人员的任务列表。可以按其他顺序排列任务，例如按任务的重要性顺序排列。
第一警报862包括标识任务的信息(例如，任务生成的时间；任务类型，例如，临床任务；显示任务重要性的图标等)、患者信息(例如，房间号、姓名)和任务主题。在这种情况下，第一任务862的任务主题是早期预警得分的变化(MEWS增加)，其指示患者可能转移。
此外，第一任务862包括使护理人员能够针对第一任务862采取措施的可操作控件864。在该示例中，措施包括确认任务、确认任务并查看相关信息(例如，MEWS)，以及拒绝任务(例如，重新分配给其他护理人员)。
第二警报866与由患者执行的护士呼叫相关联。第二任务866包括类似的信息，并且包括使护理人员能够确认呼叫的可操作指示符868。
在该示例中，许多不同的集成将向警报视图860发送通知，包括可能的任务(如第一任务862所示)和护士呼叫(第二警报866)。它还可包括其他集成，如寻呼机或EMR通知(例如关键实验室值警报)。如前所述，通过选择选项选择符804的“警报”(Alerts)，将在图31所示的屏幕800的“警报”标签中示出图35的以患者为中心的版本。警报视图860中的条目是按时间顺序描述的，但是也可以提供其他可选的方式来显示和过滤警报，例如按警报类型和/或优先级。
关于根据本发明计算跌倒风险得分，其他细节可在2019年3月15日提交的标题为“Patient Fall Likelihood”的美国临时专利申请第62/818,828号和同样于2019年3月15日提交的标题为“Patient Fall Likelihood and Severity”的美国临时专利申请第62/818,836号中找到，上述临时专利申请的全部内容在不与本公开冲突的情况下均通过引用并入本文，若出现任何冲突，以本公开为准。根据这两项临时专利申请，基于以下公式确定跌倒风险得分(或仅跌倒得分)：
跌倒得分＝即时风险模型得分+属性风险模型得分。
即时风险模型得分基于以下公式：
即时风险模型得分＝数据1×权重1+数据2×权重2+…数据N×权重N，
其中数据可包括在给定时间段内的活动(例如，睡觉时段如厕)、药物变化、检测到的患者急性运动等。因此，即时风险模型得分是即时跌倒可能性的数字量化，其中将每个相关数据进行加权并相加以产生得分。例如，相比于药物变化，可以对患者的急性运动进行更高的加权。
属性风险模型得分基于以下公式：
属性风险模型得分＝数据1×权重1+数据2×权重2+…数据N×权重N，
其中数据可包括与患者相关联的目录/人口统计信息，如跌倒史、年龄、排尿频率或紧急程度、服用的药物类型、患者行走的过程、步态分析等。因此，属性风险模型得分是基于随时间收集的患者属性的跌倒可能性的数值量化，其中将每个相关数据进行加权并相加以产生得分。例如，相对于患者在病床上随时间的运动，可以对患者的不良步态进行更高的加权。
关于根据本发明的用于检测和监测败血症的特定设备，更多详细信息可在2019年3月29日提交的标题为“PatientFallLikelihood”的美国临时专利申请第62/825,844号(“‘844申请”)中找到，该临时专利申请的全部内容在不与本公开冲突的情况下通过引用并入本文，若出现任何冲突，以本公开为准。‘844申请中公开的设备提供了向分析引擎20提供数据的系统10的医疗设备14的类型的进一步示例。例如，‘844申请设想ECG或光电容积描记仪(PPG)或雷达发射器/接收器可以检测患者的心率变异性，并且如果心率变异性降低(这是败血症发病的一个指标)，则获取生命体征数据的速率会增加。‘844申请通过引用合并了2019年1月29日提交的美国临时专利申请第62/798,124号中关于使用雷达信号的监测设备的相关公开内容。因此，也出于相同目的，在此将2019年1月29日提交的美国临时专利申请第62/798,124号通过引用整体并入本文。
此外，根据‘844申请，包括摄像机的眼底成像系统用于在整个心搏周期内捕获患者眼底(例如，视网膜、视神经、黄斑、玻璃体、脉络膜和后极)的图像。对图像进行分析，以确定患者是否存在微血管调节障碍(这是败血症发病或存在的另一个指标)。眼底成像系统还可配置为通过以下方式测量患者的闪烁反应：将患者的视网膜暴露在闪光灯下，然后测量视网膜血管的反应性(败血症患者的视网膜血管反应性由于神经血管分离而降低)。更进一步，眼底成像系统还可配置为测量视网膜的局部氧合以确定患者是否患有败血症。眼底成像系统还可配置为测量血流速度的变化以检测患者患有败血症，因为血管壁变得“粘滞”且血细胞变得僵硬，导致败血症患者的血液流动迟缓。眼底成像系统还可配置为测量随败血症患者血管舒缩反应的失调而改变的血管直径和管腔-壁厚比。因此，基于上述内容，应当理解，在一些实施例中，本公开设想分析引擎20处理并分析来自眼底成像系统的图像数据以进行败血症确定。
此外，根据‘844申请，对患者进行败血症筛查包括在患者皮肤处使用PPG测量、生物阻抗测量、皮肤灌注测量或体温测量。在败血症的早期发病期间，血管舒张发生在内皮层，在患者皮肤上施加刺激以产生这些测量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设备，该设备使用珀尔帖(Peltier)加热器和冷却器将一定范围的温度施加到患者的皮肤上，其中所述珀尔帖加热器和冷却器基于流过其的电流方向(例如，所施加的电压的极性)分别加热或冷却患者的皮肤。PPG传感器测量患者的微血管对温度变化的反应。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，该阻抗传感器包括附接到患者皮肤表面的多个电极，通过这些电极经由患者皮肤施加低电压(高达10伏)正弦信号。患者皮肤在电极之间的阻抗是在用温度感应设备加热和冷却皮肤后确定的。然后使用所测量的电阻抗来确定微血管反应。在‘844申请的另一个方面，移动患者支持装置(例如，病床)的一部分，以抬高患者的肢体并确定败血症患者是否对液体复苏治疗有反应。在一些实施例中，抬高医院病床的头段或腿段以确定患者的大血管反应，这是通过使用生命体征测量来确定对液体从抬高的肢体向患者心脏移动的反应来完成的。
除上述表1-10中的风险因素或数据元素外，本发明设想下表11中的任何一个或多个数据元素可用于计算风险得分或进行风险确定，包括计算本文所讨论的患者跌倒得分、压力损伤得分和败血症得分(一些数据元素是风险因素，包括与表1中列出的风险因素相同的风险因素)：
表11
在表11中，数据元素列中的加粗条目是标题或数据元素类别，在加粗标题行下方列出的数据元素是加粗类别中的数据元素。
根据本公开，形式为“A和B中的至少一个”和“以下至少一个：A和B”的短语以及类似这样的短语表示“A或B，或者A和B两者”。形式为“A或B中的至少一个”和“以下至少一个：A或B”的短语以及类似这样的短语也表示“A或B，或者A和B两者”。
尽管上文详细描述了某些说明性实施例，但许多实施例、变型和修改是可能的，它们仍在如本文所述的和如所附权利要求所限定的本公开的范围和精神内。
Claims (13)
1.一种移动设备，包括：
引擎，其被编程为接收患者数据的一个或多个源，所述患者数据提供患者标识信息、生命体征信息、警报信息和任务信息；以及
所述移动设备的显示器，所述显示器提供具有以下内容的屏幕：
第一窗口，其具有分配给护理人员的患者列表，所述第一窗口中的所述患者列表包括与所述患者相关联的任务指示符，所述任务指示符提供与与所述患者相关联的多个任务相关联的数值，并且，所述第一窗口包括至少一个显示在所述患者列表中的患者旁边的恶化图标，用于指示所述患者有恶化的风险，所述恶化图标包括恶化严重程度的指示符；
第二窗口，其具有与分配给所述护理人员的所述患者列表中的患者相关联的多个生命体征和早期预警得分；以及
第三窗口，其包括来自所述护理人员的与所述患者相关联的一个或多个消息，所述第三窗口是使得所述护理人员能够将所述一个或多个消息发送给其他护理人员的聊天窗口，并且，所述第三窗口包括嵌入在所述一个或多个消息中的与所述患者相关联的一个或多个生命体征或预警得分；以及
其中，所述任务指示符能够被选择来显示次患者视图，所述次患者视图具有关于与所述患者相关联的一个或多个任务的详情，所述次患者视图提供多个可操作控件以针对所述一个或多个任务采取措施。
2.根据权利要求1所述的移动设备，其中，所述第一窗口中的所述患者列表包括与所述患者相关联的警报指示符。
3.根据权利要求1所述的移动设备，其中，所述任务指示符能够被选择来访问第三窗口，所述第三窗口具有关于与所述患者相关联的一个或多个任务的详情。
4.根据权利要求3所述的移动设备，其中，所述一个或多个任务中的每一个包括使得所述护理人员能够确认任务的可选择的控件。
5.根据权利要求2所述的移动设备，其中，所述警报指示符提供与与所述患者相关联的多个警报相关联的数值。
6.根据权利要求5所述的移动设备，其中，所述警报指示符能够被选择来访问第三窗口，所述第三窗口具有关于与所述患者相关联的一个或多个警报的详情。
7.一种系统，包括：
一个或多个医疗设备，其被编程为采集患者数据；
网络；以及
移动设备，其包括：
引擎，其被编程为通过所述网络从所述一个或多个医疗设备接收所述患者数据，所述患者数据提供患者标识信息、生命体征信息、警报信息和任务信息；以及
所述移动设备的显示器，所述显示器提供具有以下内容的屏幕：
第一窗口，其具有分配给护理人员的患者列表，所述第一窗口中的所述患者列表包括与所述患者相关联的任务指示符，所述任务指示符提供与与所述患者相关联的多个任务相关联的数值，并且，所述第一窗口包括至少一个显示在所述患者列表中的患者旁边的恶化图标，用于指示所述患者有恶化的风险，所述恶化图标包括恶化严重程度的指示符；
第二窗口，其具有与分配给所述护理人员的所述患者列表中的患者相关联的多个生命体征和早期预警得分；以及
第三窗口，其包括来自所述护理人员的与所述患者相关联的一个或多个消息，所述第三窗口是使得所述护理人员能够将所述一个或多个消息发送给其他护理人员的聊天窗口，并且，所述第三窗口包括嵌入在所述一个或多个消息中的与所述患者相关联的一个或多个生命体征或预警得分；以及
其中，所述任务指示符能够被选择来显示次患者视图，所述次患者视图具有关于与所述患者相关联的一个或多个任务的详情，所述次患者视图提供多个可操作控件以针对所述一个或多个任务采取措施。
8.根据权利要求7所述的系统，其中，所述第一窗口中的所述患者列表包括与所述患者相关联的警报指示符。
9.根据权利要求7所述的系统，其中，所述任务指示符能够被选择来访问第三窗口，所述第三窗口具有关于与所述患者相关联的一个或多个任务的详情。
10.根据权利要求9所述的系统，其中，所述一个或多个任务中的每一个包括使得所述护理人员能够确认任务的可选择的控件。
11.根据权利要求8所述的系统，其中，所述警报指示符提供与与所述患者相关联的多个警报相关联的数值。
12.根据权利要求11所述的系统，其中，所述警报指示符能够被选择来访问第三窗口，所述第三窗口具有关于与所述患者相关联的一个或多个警报的详情。
13.一种用于在移动设备上显示患者信息的方法，所述方法包括：
接收提供患者标识信息、生命体征信息、警报信息和任务信息的一个或多个患者数据源；
在所述移动设备上显示具有分配给护理人员的患者列表的第一窗口，所述第一窗口中的所述患者列表包括与所述患者相关联的任务指示符或警报指示符，所述任务指示符提供与与所述患者相关联的多个任务相关联的数值，并且，所述第一窗口包括至少一个显示在所述患者列表中的患者旁边的恶化图标，用于指示所述患者有恶化的风险，所述恶化图标包括恶化严重程度的指示符；
在所述移动设备上显示具有与分配给所述护理人员的所述患者列表中的患者相关联的多个生命体征和早期预警得分的第二窗口；
在所述移动设备上显示包括来自所述护理人员的与所述患者相关联的一个或多个消息的第三窗口，所述第三窗口是使得所述护理人员能够将所述一个或多个消息发送给其他护理人员的聊天窗口，并且，所述第三窗口包括嵌入在所述一个或多个消息中的与所述患者相关联的一个或多个生命体征或预警得分；以及
使得所述护理人员将生命体征信息嵌入到所述第三窗口中的发送给其他护理人员的所述一个或多个消息中；以及
其中，所述任务指示符能够被选择来显示次患者视图，所述次患者视图具有关于与所述患者相关联的一个或多个任务的详情，所述次患者视图提供多个可操作控件以针对所述一个或多个任务采取措施。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/674,735 US20200066415A1 (en) | 2018-04-10 | 2019-11-05 | Interfaces displaying patient data |
| US16/674,735 | 2019-11-05 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112786199A CN112786199A (zh) | 2021-05-11 |
| CN112786199B true CN112786199B (zh) | 2024-06-25 |
Family
ID=75750232
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011207812.5A Active CN112786199B (zh) | 2019-11-05 | 2020-11-02 | 显示患者数据的界面 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112786199B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114708972B (zh) * | 2022-06-06 | 2022-09-02 | 安徽省第二人民医院(安徽医学高等专科学校附属医院、安徽省职业病防治院) | 一种vte风险预警系统 |
| CN118173272B (zh) * | 2024-05-14 | 2024-08-02 | 浙江大学 | 一种通过sofa评分的衰减确定风险级别并进行预警的方法 |
| CN118692680A (zh) * | 2024-08-23 | 2024-09-24 | 华序科技开发(深圳)有限公司 | 一种人体体征监测系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040032426A1 (en) * | 2002-04-23 | 2004-02-19 | Jolyn Rutledge | System and user interface for adaptively presenting a trend indicative display of patient medical parameters |
| US8510126B2 (en) * | 2008-02-24 | 2013-08-13 | The Regents Of The University Of California | Patient monitoring |
| US20140095210A1 (en) * | 2012-10-02 | 2014-04-03 | CareRev, Inc. | Computer-implemented method and system for facilitating information sharing, communication, and collaboration in a healthcare facility |
| WO2014072900A1 (en) * | 2012-11-12 | 2014-05-15 | Koninklijke Philips N.V. | Caregiver centric and acuity adapting multi-patient system |
| US9185202B2 (en) * | 2012-12-31 | 2015-11-10 | Cerner Innovation, Inc. | Alert management utilizing mobile devices |
| US20150154528A1 (en) * | 2013-12-02 | 2015-06-04 | ZocDoc, Inc. | Task manager for healthcare providers |
| WO2019070822A1 (en) * | 2017-10-03 | 2019-04-11 | Infinite Computer Solutions Inc. | COLLABORATION THROUGH ONLINE DIALOGUE IN HEALTH CARE SYSTEMS |
-
2020
- 2020-11-02 CN CN202011207812.5A patent/CN112786199B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112786199A (zh) | 2021-05-11 |
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 | |
| 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 | |
| US11908581B2 (en) | Patient risk assessment based on data from multiple sources in a healthcare facility | |
| US20200066415A1 (en) | Interfaces displaying patient data | |
| Hravnak et al. | Defining the incidence of cardiorespiratory instability in patients in step-down units using an electronic integrated monitoring system | |
| US9211096B2 (en) | Real time clinical decision support system having medical systems as display elements | |
| US8636670B2 (en) | Circulatory monitoring systems and methods | |
| US7395216B2 (en) | Using predictive models to continuously update a treatment plan for a patient in a health care location | |
| CN112786199B (zh) | 显示患者数据的界面 | |
| US20090287120A1 (en) | Circulatory monitoring systems and methods | |
| US20090287109A1 (en) | Circulatory monitoring systems and methods | |
| US20090287101A1 (en) | Circulatory monitoring systems and methods | |
| US20090287191A1 (en) | Circulatory monitoring systems and methods | |
| US20090292212A1 (en) | Circulatory monitoring systems and methods | |
| US20090287093A1 (en) | Circulatory monitoring systems and methods | |
| US20090292214A1 (en) | Circulatory monitoring systems and methods | |
| US20090287110A1 (en) | Circulatory monitoring systems and methods | |
| US20090287094A1 (en) | Circulatory monitoring systems and methods | |
| US20210065856A1 (en) | Patient management based on sensed inputs | |
| WO2022044172A1 (ja) | ソフトウェア、健康状態判定装置及び健康状態判定方法 | |
| CN102024088A (zh) | 具测量生理参数及自觉状况回报的远程照护方法 | |
| Moradi et al. | Designing a remote closed-loop automatic oxygen control in preterm infants | |
| KR20040034164A (ko) | 간병용로봇장치 및 간병로봇 모니터링시스템 | |
| US12089969B2 (en) | Personalized alarm settings | |
| US10950350B2 (en) | Skilled nursing facility patient triage system |
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 |