Система мониторинга состояния здоровья для вычисления общей оценки риска

Группа изобретений относится к медицине и может быть использована для определения риска рецидива хронического обструктивного заболевания легких. Группа изобретений состоит из системы, машиночитаемого носителя информации и способа мониторинга здоровья. Система состоит из монитора двигательной активности, процессора памяти. Анализируют типовые образцы двигательной активности, относящиеся к конкретному пациенту. Создают шаблон в качестве меры повседневного поведения пациента. Определяют оценку поведенческого сходства. Получают подсчеты двигательной активности. Хранят подсчеты двигательной активности в памяти. Вычисляют по меньшей мере два статистических параметра по подсчетам двигательной активности. Вычисляют оценку риска для каждого из по меньшей мере двух статистических параметров. Причем оценка риска указывает риск рецидива у субъекта. Вычисляют общую оценку риска. Причем общую оценку риска классифицируют по трем оценочным категориям риска: высокий, средний или низкий риск. Группа изобретений позволяет своевременно предотвратить ухудшение состояния пациента и определить риск его наступления за счет оценки наиболее значимых показателей у конкретного пациента. 3 н. и 12 з.п. ф-лы, 20 ил.

 

ОБЛАСТЬ ТЕХНИКИ

Изобретение относится к мониторингу активности субъекта, в частности, для вычисления общей оценки риска с использованием зависящей от времени активности субъекта.

УРОВЕНЬ ТЕХНИКИ

Госпитализация, обусловленная острыми рецидивами ХОБЛ, оказывает негативное влияние на прогрессирование заболевания. Пациенты, которых часто повторно госпитализируют, страдают от более низкого связанного со здоровьем качества жизни. Кроме того, госпитализация является основной определяющей общей статьи расходов на здравоохранение у пациентов с хроническим обструктивным заболеванием легких (ХОБЛ). После госпитализации многих пациентов повторно госпитализируют в пределах 3 месяцев, чего во многом можно избежать.

Понимая риск развития у пациента острого рецидива, подходящее вмешательство можно предоставлять вовремя, чтобы гарантировать, что пациент избежит госпитализации.

В патентной заявке США US 2011/0125044 A1 раскрыта автоматизированная система для мониторинга респираторных заболеваний. Сигналы датчика ускорения анализируют для того, чтобы определять уровни активности. Анализ симптомов и уровня активности пользователя до, во время и после события может обеспечивать значимое определение тяжести заболевания и предсказывать будущее респираторное заболевание.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Изобретение относится к системе мониторинга состояния здоровья, компьютерному программному продукту и способу мониторинга состояния здоровья в независимых пунктах формулы изобретения. Варианты осуществления приведены в зависимых пунктах формулы изобретения.

Варианты осуществления изобретения могут обеспечивать способ определения риска острого рецидива у пациента и повторной госпитализации. Способ включает объединение различной информации, извлекаемой из данных об активности, включая подсчет общей активности, время, потраченное на ходьбу и положение сидя или лежа, паттерны ходьбы и подсчет шагов и данные о дыхании, такие как частота дыхания и время восстановления дыхания. Затем извлекают оценку риска для того, чтобы отразить риск острого рецидива у пациента и повторной госпитализации.

Госпитализация, связанная с хронической обструктивной болезнью легких (ХОБЛ), является результатом острых рецидивов, которые значительно снижают связанное с состоянием здоровья качество жизни пациентов с ХОБЛ. Высокая частота острых рецидивов связана с неблагоприятным прогнозом выживаемости.

Приблизительно одну треть пациентов, которых госпитализирую, впоследствии повторно госпитализируют в течение 3 месяцев. Однако многих из этих повторных госпитализаций можно потенциально избежать, если клиницисты будут более осведомлены о риске повторной госпитализации пациента. Следовательно, зная, какие пациенты более восприимчивы к развитию острого рецидива, клиницисты смогут вмешиваться своевременно, прежде чем пациенты достигнут острой стадии рецидива и, таким образом, избегнут госпитализации.

Варианты осуществления изобретения могут обеспечивать способ для того, чтобы оценивать риск развития у пациента острого рецидива и повторной госпитализации. Анализ данных, собранных с датчика ускорения или в комбинации с датчиком дыхания, может предоставлять полезную информацию, касающуюся состояния пациента. Например, если пациент начинает проводить увеличенное количество времени сидя или лежа, меньше ходит, делает более длительные перерывы, чем в норме, и/или имеет увеличенную скорость релаксации дыхания, тогда уместно указание на то, что состояние здоровья пациента ухудшается. Исследуя конкретные детали активности и паттернов дыхания пациента, возможно генерировать оценку риска для того, чтобы указывать вероятность острого рецидива у пациента и повторной госпитализации. Затем оценку риска превращают в трехуровневую оценку риска: высокий, средний или низкий риск, который представляет собой простой анализ риска для клиницистов для того, чтобы понимать и оказывать воздействие. Следовательно, подходящее вмешательство можно предоставлять для того, чтобы гарантировать, что пациенту не станет хуже до стадии, когда ему требуется лечение в больнице.

«Машиночитаемый носитель информации», как используется в настоящем документе, охватывает любые материальные носители информации, которые могут хранить инструкции, которые исполняет процессор вычислительного устройства. Машиночитаемый носитель информации можно обозначать как машиночитаемый постоянный носитель информации. Машиночитаемый носитель информации также можно обозначать как материальный машиночитаемый носитель. В некоторых вариантах осуществления машиночитаемый носитель информации также может хранить данные, доступ к которым может осуществлять процессор вычислительного устройства. Примеры машиночитаемых носителей информации включают, без ограничения, следующее: гибкий диск, перфоленту, перфокарты, привод магнитного жесткого диска, твердотельный жесткий диск, флэш-память, USB-накопитель, оперативное запоминающее устройство (RAM), постоянное запоминающее устройство (ROM), оптический диск, магнитно-оптический диск и файл регистров процессора. Примеры оптических дисков включают компакт-диски (CD) и универсальные цифровые диски (DVD), например, диски CD-ROM, CD-RW, CD-R, DVD-ROM, DVD-RW или DVD-R. Термин «машиночитаемый носитель данных» также относится к различным типам сред записи, доступ к которым может осуществлять компьютерное устройство через сеть или канал связи. Например, данные можно получать через модем, через интернет или через локальную сеть. Упоминания о машиночитаемом носителе информации следует интерпретировать как множество машиночитаемых носителей информации. Различные исполняемые компоненты программы или программ можно хранить в других местах. Машиночитаемый носитель данных может, например, представлять собой множество машиночитаемых носителей информации в одной и той же компьютерной системе. Машиночитаемый носитель информации также может представлять собой машиночитаемый носитель информации, распределенный среди множества компьютерных систем или вычислительных устройств.

«Компьютерная память» или «память» представляет собой пример машиночитаемого носителя информации. Компьютерная память представляет собой какую-либо память, доступ к которой процессор может осуществлять непосредственно. Примеры компьютерной памяти включают, но не ограничиваясь этим: RAM память, регистры и файлы регистров. Упоминания «компьютерной памяти» или «памяти» следует интерпретировать как множество таких элементов памяти. Память, например, представляет собой множество памятей в одной и той же компьютерной системе. Память также может представлять собой множество памятей, которое распределено среди множества компьютерных систем или вычислительных устройств.

«Компьютерный накопитель» или «накопитель» представляет собой пример машиночитаемого носителя данных. Компьютерный накопитель представляет собой какой-либо энергонезависимый машиночитаемый носитель данных. Примеры компьютерных накопителей включают, без ограничения, следующее: привод жесткого диска, USB-накопитель, гибкий диск, интеллектуальную карту, DVD, CD-ROM и твердотельный жесткий диск. В некоторых вариантах осуществления компьютерный накопитель также может представлять собой компьютерную память или наоборот. Упоминание о «компьютерном накопителе» или «накопителе» следует интерпретировать как включающее в себя множество накопителей. Накопитель, например, может представлять собой множество запоминающих устройств в одной и той же компьютерной системе или вычислительном устройстве. Накопитель также может представлять собой множество накопителей, распределенных среди множества компьютерных систем или вычислительных устройств.

«Процессор», как используется в настоящем документе, охватывает электронный компонент, который способен исполнять программу или исполняемую машиной инструкцию. Упоминание о вычислительном устройстве, содержащем «процессор», следует интерпретировать как, возможно, содержащее больше чем один процессор или вычислительно ядро. Процессор, например, может представлять собой многоядерный процессор. Процессор также может относиться к совокупности процессоров в пределах одной компьютерной системы или распределенных среди множества компьютерных систем. Термин «вычислительное устройство» также следует интерпретировать как, возможно, относящееся к совокупности или сети вычислительных устройств, каждое содержит процессор или процессоры. Многие программы имеют свои инструкции, осуществляемые посредством множества процессоров, которые могут находиться внутри одного и того же вычислительного устройства, или которые даже могут быть распределены среди множества вычислительных устройств.

«Пользовательский интерфейс», как используется в настоящем документе, представляет собой интерфейс, который позволяет пользователю или оператору взаимодействовать с компьютером или компьютерной системой. «Пользовательский интерфейс» также можно обозначать как «устройство интерфейса с человеком». Пользовательский интерфейс может предоставлять информацию или данные оператору и/или получать информацию или данные от оператора. Пользовательский интерфейс может позволять компьютеру принимать ввод от оператора и может обеспечивать вывод пользователю из компьютера. Другими словами, пользовательский интерфейс может позволять оператору контролировать или управлять компьютером, а интерфейс может позволять компьютеру отражать эффекты управления или манипулирования оператора. Отображение данных или информации на дисплее или в графическом пользовательском интерфейсе представляет собой пример предоставления информации оператору. Получение данных через клавиатуру, мышь, шаровой манипулятор, сенсорную панель, ручку-указатель, графический планшет, джойстик, игровой джойстик, веб-камеру, головную гарнитуру, рычаг переключения передач, рулевое колесо, педали, проводную перчатку, танцевальную панель, пульт дистанционного управления, один или несколько переключателей, одну или несколько кнопок и датчик ускорения представляют собой примеры компонентов пользовательского интерфейса, которые делают возможным получение информации или данных от оператора.

«Аппаратный интерфейс», как используется в настоящем документе, охватывает интерфейс, который позволяет процессору компьютерной системы взаимодействовать с и/или управлять внешним вычислительным устройством и/или аппаратом. Аппаратный интерфейс может позволять процессору посылать управляющие сигналы или инструкции на внешнее вычислительное устройство и/или аппарат. Аппаратный интерфейс также может позволять процессору обмениваться данными с внешним вычислительным устройством и/или аппаратом. Примеры аппаратного интерфейса включают, без ограничения этим: универсальную последовательную шину, порт IEEE 1394, параллельный порт, порт IEEE 1284, последовательный порт, порт RS-232, порт IEEE-488, соединение по Bluetooth, соединение по беспроводной локальной сети, соединение по TCP/IP, соединение по Ethernet, интерфейс управляющего напряжения, интерфейс MIDI, интерфейс аналогового ввода и интерфейс цифрового ввода.

«Дисплей» или «устройство отображения», как используется в настоящем документе, охватывает устройство вывода или пользовательский интерфейс, адаптированный для отображения изображений или данных. Дисплей может выводить визуальные, звуковые и/или тактильные данные. Примеры дисплея включают, без ограничения этим: монитор компьютера, телевизионный экран, чувствительный к прикосновениям экран, тактильный электронный дисплей, экран Брайля, электронно-лучевую трубку (CRT), трубку нитеводителя, бистабильный дисплей, электронную бумагу, векторный дисплей, плоский дисплей, вакуумный флуоресцентный дисплей (VF), дисплеи на светоизлучающих диодах (LED), электролюминесцентный дисплей (ELD), плазменные дисплеи (PDP), жидкокристаллический дисплей (LCD), дисплеи на органических светоизлучающих диодах (ОLED), проектор и устанавливаемый на голове дисплей.

В одном из аспектов изобретение относится к системе мониторинга состояния здоровья, которая содержит монитор активности для получения данных об активности, которые описывают зависящее от времени движение субъекта. Зависящее от времени движение субъекта может представлять собой внутреннее и/или внешнее движение. Примером внешнего движения может быть движение, обусловленное ходьбой или бегом субъекта. Примером внутреннего движения может быть дыхание субъекта. Например, монитор активности, носимый субъектом, может обнаруживать движения или изменение движения из-за движения и/или дыхания субъекта. Система мониторинга состояния здоровья дополнительно содержит процессор для управления системой мониторинга состояния здоровья. Процессор можно интерпретировать как множество процессоров, а также его можно располагать в различных местоположениях. Система мониторинга состояния здоровья дополнительно содержит память для хранения машиночитаемых инструкций.

Исполнение инструкций побуждает процессор получать подсчет активности из данных об активности. Подсчет активности, как используют в настоящем документе, представляет собой дискретную меру активности, которую получают из данных об активности. Например, по мере того, как субъект двигается по комнате или осуществляет некоторое действие, датчик ускорения регистрирует повторяющиеся ускорения. Определенное количество активности можно использовать для регистрации в качестве подсчета активности. Исполнение инструкций дополнительно побуждает процессор хранить подсчет активности в памяти. Каждый подсчет активности связан со временем. Другими словами, зависящий от времени подсчет активности хранят в памяти.

Исполнение инструкций дополнительно побуждает процессор вычислять по меньшей мере два статистических параметра из подсчета активности по меньшей мере два статистических параметра описывают подсчет активности в качестве функции времени. Исполнение инструкций дополнительно побуждает процессор вычислять оценку риска для каждого из по меньшей мере двух статистических параметров. Каждый из по меньшей мере двух статистических параметров может быть связан с риском для субъекта. Исполнение инструкций дополнительно побуждает процессор вычислять общий риск с использованием оценки риска для каждого из по меньшей мере двух статистических параметров. Варианты осуществления изобретения могут быть полезны, поскольку вычисление общего риска по меньшей мере по двум статистическим параметрам делает возможным обнаружение изменений уровня активности субъекта. Это может делать возможным точное планирование повторного осмотра или повторной госпитализации субъекта.

В другом варианте осуществления монитор активности содержит датчик ускорения для измерения данных датчика ускорения. Данные об активности содержат данные датчика ускорения. Исполнение инструкций побуждает процессор получать подсчет активности из данных датчика ускорения. Датчик ускорения можно использовать для измерения ускорения субъекта. Такое ускорение может указывать на то, что субъект двигается или осуществляет физическую активность.

В другом варианте осуществления исполнение инструкций дополнительно побуждает процессор осуществлять полосовую фильтрацию данных датчика ускорения. Эта полосовая фильтрация может осуществляться в цифровом виде или может осуществляться с использованием аналоговой схемы. Исполнение инструкций дополнительно побуждает процессор идентифицировать пики в прошедших полосовой фильтр данных датчика ускорения. Исполнение инструкций дополнительно побуждает процессор классифицировать каждый из пиков в качестве или перемещения или половины перемещения в соответствии с амплитудой, чтобы вычислять третью зависящую от времени скорость, затраченное время с предыдущего шага и оценочную скорость ходьбы. По меньшей мере один из двух статистических параметров описывает зависящую от времени скорость ходьбы. Этот вариант осуществления может быть полезным, поскольку он может более точно идентифицировать число шагов или перемещений, которые сделал субъект. Это может вести к более точному определению подсчета активности.

В другом варианте осуществления пики классифицируют посредством сравнения пиковой амплитуды, затраченного времени от предыдущего шага и оценочной скорости ходьбы с предварительно определяемым пространством параметров. По существу пространство параметров, которое содержит и упоминает пиковую амплитуду, затраченное время от предыдущего шага и оценочную скорость ходьбы, можно использовать для того, чтобы определять трехмерное пространство параметров. С помощью экспериментов пространство параметров можно подразделить на две области, перемещение или половина перемещения. После того, как определяют пиковую амплитуду, затраченное время от предыдущего шага и оценочную скорость ходьбы, список значений можно проверять в сравнении с предварительно определяемым пространством параметров и определять, является это перемещением или половиной перемещения. Предварительно определяемое пространство параметров может быть предназначено для конкретного субъекта или может быть предназначено для группы или совокупности субъектов. Этот вариант осуществления может быть полезен, поскольку он предоставляет точный путь классификации шага, обнаруженного посредством датчика ускорения, в качестве перемещения или половины перемещения.

В другом варианте осуществления монитор активности содержит датчик дыхания для измерения данных о дыхании, описывающих частоту дыхания субъекта. Датчик дыхания, как используется в настоящем документе, охватывает датчик, который можно использовать для измерения частоты дыхания субъекта. Это можно осуществлять различными способами. Например, можно использовать датчик ускорения, микрофон и датчик расширения грудной клетки. Данные об активности содержат данные о дыхании. Это может быть обусловлено тем, что датчик ускорения измеряет как внутреннее, так и внешнее движение субъекта.

В другом варианте осуществления получают данные о дыхании другого типа и просто прикрепляют или включают их в данные об активности. Данные об активности содержат данные о дыхании. Исполнение инструкций дополнительно побуждает процессор вычислять данные о частоте дыхания по данным о дыхании. Исполнение инструкций дополнительно побуждает процессор хранить данные о частоте дыхания в памяти. Данные о частоте дыхания связаны со временем. Данные о частоте дыхания, следовательно, зависят от времени. Это может быть полезно, поскольку подсчет активности, как сохранено в памяти, также зависят от времени. Следовательно, зависящий от времени подсчет активности можно сравнивать непосредственно с зависящими от времени данными о частоте дыхания. Исполнение инструкций дополнительно побуждает процессор вычислять по меньшей мере один дополнительный статистический параметр из данных о частоте дыхания.

Исполнение инструкций дополнительно побуждает процессор вычислять дополнительную оценку риска по меньшей мере для одного дополнительного статистического параметра. Общую оценку риска вычисляют по меньшей мере частично с использованием дополнительной оценки риска. Этот вариант осуществления может быть полезен, поскольку можно сравнивать частоту дыхания и активность субъекта. Например, после активности, можно отмечать, какова частота дыхания, а также как долго у субъекта происходит ее восстановление. Это может представлять собой очень эффективное измерение физической подготовки субъекта.

В другом варианте осуществления по меньшей мере один дополнительный статистический параметр вычисляют с использованием подсчета активности для того, чтобы определять скорость восстановления дыхания. Состояние дыхательной системы субъекта в значительной мере зависит от того, как быстро субъект может восстанавливаться после интенсивного физического упражнения. Скорость восстановления дыхания, как используют в настоящем документе, представляет собой вычисляемую меру или скорость, которая отражает, как долго сердечнососудистая система субъекта восстанавливается после физического упражнения по меньшей мере один дополнительный статистический параметр можно вычислять с использованием комбинации зависящей от времени скорости восстановления дыхания и зависящего от времени подсчета активности.

В другом варианте осуществления датчик дыхания представляет собой датчик ускорения. В другом варианте осуществления датчик дыхания представляет собой микрофон.

В другом варианте осуществления датчик дыхания представляет собой датчик расширения грудной клетки.

В другом варианте осуществления исполнение инструкций дополнительно побуждает процессор вычислять по меньшей мере один поведенческий параметр из подсчета активности. Поведенческий параметр описывает подсчет активности в качестве функции времени. Например, подсчет активности можно использовать для того, чтобы определять тип поведения, которое осуществляет субъект. Например, можно определять временное распределение подсчета активности, когда субъект спит или выполняет некоторую другую активность. Исполнение инструкций дополнительно побуждает процессор вычислять оценку поведенческого сходства по меньшей мере для одного поведенческого параметра. Например, перед активностью субъекта можно осуществлять мониторинг и можно изучать изменение поведенческого параметра. Например, в качестве поведенческого параметра можно осуществлять мониторинг длительности времени или того времени, когда субъект просыпается ото сна.

Базовое значение по меньшей мере для одного поведенческого параметра можно устанавливать для промежутка времени. В некоторых вариантах осуществления оценка поведенческого сходства представляет собой изменение или отклонение поведенческого параметра относительно предыдущего значения или значений. В частности, это может быть полезно при мониторинге изменений поведения субъекта. Например, общий подсчет активности, который может иметь субъект, может быть одинаковым в один день или в пределах последовательности дней, однако поведение субъекта изменилось в корне.

В другом варианте осуществления множественные поведенческие параметры вычисляют с использованием подсчета активности. Множественные поведенческие параметры содержат по меньшей мере один поведенческий параметр. Оценку поведенческого сходства вычисляют для каждого из множественных поведенческих параметров. Исполнение инструкций дополнительно побуждает процессор вычислять общую оценку поведенческого сходства для каждого из по меньшей мере двух статистических параметров.

В другом варианте осуществления общую оценку риска вычисляют по меньшей мере частично с использованием общей оценки поведенческого сходства.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой классификацию интенсивности активности в соответствии со временем суток.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой самый длинный период времени, где подсчет активности выше предварительно определяемого уровня активности.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой время суток самого длинного периода времени, в котором подсчет активности выше предварительно определяемого уровня активности.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой время ходьбы.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой время сна субъекта.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой длительность сна.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой общий подсчет активности во время сна.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой самый длинный период времени, когда подсчет активности ниже предварительно определяемого уровня активности.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой время суток самого длинного периода времени, когда подсчет активности ниже предварительно определяемого уровня активности.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой время самой длительной непрерывной активности.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой уровень интенсивности самой длительной непрерывной активности.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой длительность самой длительной непрерывной активности.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой время самой длительной непрерывной неактивности.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой длительность самой длительной непрерывной неактивности.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой средний подсчет активности во время других интервалов дня.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой паузы во время ходьбы.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой длительность пауз.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой время, проведенное сидя.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой время, проведенное лежа.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой время, проведенное в ходьбе.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой переходное время между активностями.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой комбинации указанных выше поведенческих паттернов.

В другом варианте осуществления исполнение инструкций побуждает процессор вычислять шаблон активности для достигнутого подсчета активности. Вычисляют по меньшей мере один поведенческий параметр, выполняя сравнение подсчета активности с суточным шаблоном активности. Достигаемый подсчет активности может зависеть от времени подсчета активности, который сохранен память за предварительно определяемый период времени. Суточный шаблон активности может регистрировать такие вещи, как то, когда субъект просыпается и ложится спать. Они также могут содержать информацию о среднем количестве времени, которое субъект проводит в движении. Это может быть полезно, поскольку сравнение с шаблоном активности может указывать на быстрые изменения в поведении субъекта, которые могут требовать внимания врача или поставщика медицинских услуг.

В другом варианте осуществления шаблон активности представляет собой любое одно из следующего: месячный шаблон активности, недельный шаблон активности, суточный шаблон активности, шаблон активности при физических упражнениях и шаблон активности в день отдыха. Месячный шаблон активности, например, может представлять собой среднюю активность субъекта за месяц в качестве функции времени. Аналогичным образом недельный шаблон активности и суточный шаблон активности может представлять собой среднюю активность за неделю и день, соответственно. Шаблон активности при физических упражнениях может представлять собой шаблон активности, взятый за день, когда субъект осуществляет физические упражнения. Шаблон активности в день отдыха можно брать за день или дни, когда субъект отдыхает или не выполняет физические упражнения. Этот вариант осуществления может быть полезен, поскольку он предусматривает различные временные масштабы, в которых можно сравнивать активность субъекта.

В другом варианте осуществления суточный шаблон вычисляют посредством группировки и усреднения достигаемых подсчетов активности по предварительно определяемому числу групп по времени суток. Сравнение подсчета активности с суточным шаблоном активности осуществляют посредством группировки подсчетов активности по группам по времени суток. Сравнение дополнительно осуществляют посредством сравнения числа подсчетов активности в каждой из групп по времени суток со средним числом достигаемых подсчетов активности в каждой из групп по времени суток.

В другом варианте осуществления по меньшей мере один поведенческий параметр представляет собой один из по меньшей мере двух статистических параметров. По существу в некоторых вариантах осуществления поведенческий параметр может представлять собой то же самое, что и статистический параметр.

В другом варианте осуществления по меньшей мере два статистических параметра включают любое одно из следующего: общий подсчет активности в сутки, средний подсчет активности в сутки, пиковый подсчет активности в сутки, самый длинный период подсчета активности выше предварительно определяемого порога, самый длинный период подсчета активности ниже предварительно определяемого порога, длительность переходной активности и их сочетания. Длительность переходной активности может представлять собой, например, время, которое занимает у субъекта изменение типа активности: например, переход между сном и бодрствование. Пример длительности переходной активности представляет собой пробуждение и отход ко сну.

В другом варианте осуществления исполнение инструкций дополнительно побуждает процессор осуществлять одно из следующего: отображение общей оценки риска на дисплее, направление общей оценки риска на удаленную систему управления пациентами, направление общей оценки риска по электронной почте и их сочетания. Этот вариант осуществления может быть полезен, поскольку общая оценка риска на дисплее может обеспечивать обратную связь с субъектом в отношении его или ее поведения. Дополнительно направление общей оценки риска на удаленную систему управления пациентами или направление ее по электронной почте может предоставлять информацию врачу. Удаленная система управления пациентами, как используют в настоящем документе, представляет собой систему, которая может собирать данные из ввода субъекта и/или данные датчика и которую используют для того, чтобы предоставлять медицинскую информацию субъекту или пациенту.

В другом варианте осуществления подсчеты активности хранят в памяти посредством группировки их по временным интервалам.

В другом аспекте изобретение относится к компьютерному программному продукту, который содержит исполняемые машиной инструкции для исполнения процессором системы мониторинга состояния здоровья. Медицинская система содержит монитор активности для получения данных об активности, которые описывают зависящее от времени движение субъекта. Исполнение инструкций побуждает процессор получать подсчет активности из данных об активности. Исполнение инструкций дополнительно побуждает процессор хранить подсчет активности в памяти. Каждый подсчет активности связан со временем. Исполнение инструкций дополнительно побуждает процессор вычислять по меньшей мере два статистических параметра по подсчету активности. По меньшей мере два статистических параметра описывают подсчет активности в качестве функции времени. Исполнение инструкций дополнительно побуждает процессор вычислять оценку риска для каждого из по меньшей мере двух статистических параметров. Исполнение инструкций дополнительно побуждает процессор вычислять общую оценку риска с использованием оценки риска для каждого из по меньшей мере двух статистических параметров.

В другом аспекте изобретение относится к способу мониторинга состояния здоровья. Способ содержит этап получения подсчета активности из данных об активности монитора активности. Монитор активности работает для получения данных об активности, которые описывают зависящее от времени движение субъекта. Например, активность выше определенного порога в течение конкретного периода времени можно относить к подсчету активности. В других вариантах осуществления активность субъекта интегрируют с течением времени и преобразуют в подсчет активности. Активность, например, может представлять собой меру ускорения, которое субъект испытывает за определенный период времени. Способ дополнительно содержит этап регистрации подсчета активности. Каждый подсчет активности связан со временем. Способ дополнительно содержит этап вычисления по меньшей мере двух статистических параметров по подсчету активности. По меньшей мере два статистических параметра описывают подсчет активности в качестве функции времени. Способ дополнительно содержит этап вычисления оценки риска для каждого из по меньшей мере двух статистических параметров. Способ дополнительно содержит этап вычисления общей оценки риска с использованием оценки риска для каждого из по меньшей мере двух статистических параметров.

В другом варианте осуществления способ дополнительно содержит этап определения стратификации риска с использованием общей оценки риска.

В другом варианте осуществления способ дополнительно содержит этап вычисления классификации риска для хронической обструктивной болезни легких или рецидива ХОБЛ.

В другом варианте осуществления способ дополнительно содержит этап госпитализации субъекта, если общая оценка риска находится в пределах или выше предварительно определяемого диапазона.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

Далее предпочтительные варианты осуществления изобретения описаны только в качестве примера и со ссылкой на чертежи, на которых:

на фиг. 1 представлена блок-схема, которая иллюстрирует способ согласно одному из вариантов осуществления изобретения;

на фиг. 2 представлена блок-схема, которая иллюстрирует способ согласно дополнительному варианту осуществления изобретения;

на фиг. 3 представлена блок-схема, которая иллюстрирует способ согласно дополнительному варианту осуществления изобретения;

на фиг. 4 проиллюстрирована система мониторинга состояния здоровья согласно дополнительному варианту осуществления изобретения;

на фиг. 5 проиллюстрирована система мониторинга состояния здоровья согласно одному из вариантов осуществления изобретения;

на фиг. 6 представлена блок-схема, которая иллюстрирует способ согласно дополнительному варианту осуществления изобретения;

на фиг. 7 представлен график зависимости подсчетов активности от времени 700;

на фиг. 8 представлен график зависимости частоты дыхания от времени;

на фиг. 9 представлена таблица, которая иллюстрирует, как показатель состояния здоровья можно присваивать с использованием времени восстановления, вычисленного на фиг. 8;

на фиг. 10 представлена таблица, которая иллюстрирует, как вычислять общую оценку риска.

на фиг. 11 представлен пример паттернов активности у пациентов с ХОБЛ;

на фиг. 12 представлено общее число подсчетов активности в сутки;

на фиг. 13 представлены те же данные, как показано на фиг. 12, за исключением того, что показано количество времени, которое тратят на активность различных типов;

на фиг. 14 представлен график максимальной длительности активности в течение различных дней;

на фиг. 15 представлена диаграмма активности для нескольких дней;

на фиг. 16 представлены те же данные для среднего подсчета активности в интервалах в течение дня и вечера;

на фиг. 17 представлена таблица, которая иллюстрирует вычисление общей оценки поведенческого сходства;

на фиг. 18 представлен сигнал датчика ускорения, получаемый посредством монитора активности;

на фиг. 19 представлен другой сигнал датчика ускорения, получаемый посредством монитора активности; и

на фиг. 20 представлен пример того, как можно классифицировать обнаруживаемые этапы.

ПОДРОБНОЕ ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ

Элементы со сходной нумерацией на этих фиг. или представляют собой эквивалентные элементы или осуществляют одну и ту же функцию. Элементы, которые рассмотрены ранее, не обязательно рассмотрены далее на чертежах, если функция эквивалентна.

На фиг. 1 представлена блок-схема, которая иллюстрирует способ согласно одному из вариантов осуществления изобретения. На этапе 100 подсчет активности получают от монитора активности. Затем на этапе 102 подсчет активности хранят в памяти. Подсчет активности хранят таким образом, чтобы ассоциировать его со временем. Например, подсчеты активности могут иметь индивидуальные отметки времени или их можно помещать в группы, которые отражают временной диапазон. Затем на этапе 104 по меньшей мере два статистических параметра вычисляют из подсчетов активности. Статистические параметры используют временную зависимость подсчетов активности. Затем на этапе 106 оценку риска вычисляют для каждого из статистических параметров. Затем, наконец, на этапе 108 общую оценку риска вычисляют с использованием оценки риска для каждого из статистических параметров.

На фиг. 2 представлена блок-схема способа согласно дополнительному варианту осуществления изобретения. На этапе 200 данные датчика ускорения получают от монитора активности. Затем на этапе 202 данные датчика ускорения пропускают через полосный фильтр. Пропускание полос можно осуществлять посредством цифрового фильтра. Затем на этапе 204 идентифицируют пики в фильтрованных данных датчика ускорения. Затем на этапе 206 пики или классифицируют в качестве перемещения или половины перемещения. Затем на этапе 208 подсчет активности получают из перемещений и половин перемещений. Например, подсчет активности может быть равен определенному числу перемещений и половин перемещений. Затем на этапе 210 подсчет активности хранят в памяти. Подсчет активности хранят таким образом, что каждый подсчет активности связан со временем или временным диапазоном. Затем на этапе 212 по меньшей мере два статистических параметра вычисляют из подсчетов активности. На этапе 214 оценку риска вычисляют для каждого из статистических параметров. Наконец на этапе 216 общую оценку риска вычисляют с использованием оценок риска.

На фиг. 3 представлена блок-схема согласно дополнительному варианту осуществления изобретения. На этапе 300 данные датчика ускорения получают от монитора активности. Затем на этапе 302 данные датчика ускорения пропускают через полосовой фильтр. Затем на этапе 304 идентифицируют пики в фильтрованных данных датчика ускорения. И, наконец, на этапе 306 пики классифицируют в качестве перемещения и половины перемещения.

На фиг. 4 проиллюстрирована система 400 мониторинга состояния здоровья согласно одному из вариантов осуществления изобретения. На этом чертеже представлен монитор 402 активности. Монитор 402 активности содержит процессор 404 и память 406. Процессор 404 соединен с памятью для исполнения программы 408, которую хранят в памяти 406. Программа 408 содержит исполняемый компьютером код для работы и функционирования монитора 402 активности. Память 406 также содержит данные 410 об активности, которые получали от датчика 412 вблизи от субъекта 414. В некоторых вариантах осуществления субъект 414 носит весь монитор 402 активности. Датчик 412 может представлять собой датчик ускорения или другой датчик, который способен обнаруживать движение субъекта 414. Датчик 412 также может содержать микрофон для обнаружения дыхания или датчик расширения грудной клетки, также для обнаружения дыхания субъекта 414.

Монитор 402 активности соединен посредством сетевого соединения 416 с компьютером 418. Компьютер 418 содержит процессор 420, который соединен с компьютерным накопителем 422 и компьютерной памятью 424. В компьютерном накопителе 422 представлены данные 410 об активности, которые компьютер 418 получал от монитора 402 активности. Компьютерный накопитель 422, кроме того, показан как содержащий подсчеты 426 активности. Компьютерный накопитель 422, кроме того, показан как содержащий статистические параметры 428, которые вычисляли из подсчетов 426 активности. Компьютерный накопитель 422, кроме того, показан как содержащий оценки 430 риска. Оценки 430 риска вычисляли по статистическим параметрам 428. Компьютерная память 422, кроме того, показана как содержащая общую оценку 432 риска, которую вычисляли из оценок 430 риска.

Компьютерная память 424 показана как содержащая модуль 434 вычисления подсчетов активности. Модуль 434 вычисления подсчетов активности содержит исполняемый компьютером код, который позволяет процессору 420 вычислять подсчеты 426 активности по данным 410 об активности. Компьютерная память 424, кроме того, показана как содержащая модуль 436 вычисления статистических параметров. Модуль 436 вычисления статистических параметров содержит исполняемый компьютером код, который позволяет процессору 420 вычислять статистические параметры 428 по подсчетам 426 активности. Компьютерная память 424, кроме того, показана как содержащая модуль 438 вычисления оценки риска. Модуль 438 вычисления оценки риска содержит исполняемый компьютером код, который позволяет процессору 420 вычислять оценки 430 риска по статистическим параметрам 428. Компьютерная память 424, кроме того, показана как содержащая модуль 440 вычисления общей оценки риска. Модуль 440 вычисления общей оценки риска содержит исполняемый компьютером код, который позволяет процессору 420 вычислять общую оценку 432 риска с использованием оценок 430 риска.

На фиг. 5 представлена система мониторинга состояния здоровья 500 согласно дополнительному варианту осуществления изобретения. В этом варианте осуществления предусмотрен монитор 402’ активности. Монитор 402’ активности объединяет функциональность монитора 402 активности и компьютера 418 на фиг. 4. Она представляет собой одну иллюстрацию того, как функциональность системы мониторинга состояния здоровья можно распределять среди различных процессоров.

Монитор 402 активности имеет дисплей 502. На дисплее 502 предусмотрены индикаторы 504 обратной связи риска, способные показывать общую оценку 432 риска субъекту 414. Дисплей 502 может представлять собой графический дисплей, такой как ЖК или OLED дисплей, или он может просто представлять собой индикаторы, такие как светоизлучающие диоды, чтобы показывать высокий, средний и низкий риск.

Монитор 402 активности осуществляет связь с компьютером 506 через сетевое соединение 416. Компьютер 506 содержит процессор 508, который соединен с пользовательским интерфейсом 510, компьютером, компьютерным накопителем 512 и компьютерной памятью 514. Компьютерный накопитель 512 показан как содержащий подсчеты 426 активности, которые были получены от монитора 402’ активности. Компьютерный накопитель 512, кроме того, показан как содержащий поведенческий параметр 516, вычисленный из подсчетов 426 активности. Компьютерный накопитель 512, кроме того, показан как содержащий оценку 518 поведенческого сходства, вычисленную по поведенческим параметрам 516. Компьютерный накопитель 512, кроме того, показан как содержащий общую оценку 520 поведенческого сходства, вычисленную по оценкам 518 поведенческого сходства. Компьютерный накопитель 512, кроме того, показан как содержащий базу данных 522 о подсчетах активности. База данных 522 о подсчетах активности содержит достигаемые подсчеты активности, которые получают посредством монитора 402 активности. Компьютерный накопитель 512, кроме того, показан как содержащий шаблон 524 активности, полученный из базы данных 522 о подсчетах активности. Компьютерный накопитель 512, кроме того, показан как содержащий стратификацию 526 рисков, вычисленную по шаблону 524 активности.

Компьютерная память 514, кроме того, показана как содержащая модуль вычисления поведенческих параметров 530. Модуль вычисления поведенческих параметров 530 содержит исполняемый компьютером код, который позволяет процессору 508 вычислять поведенческий параметр 516 по подсчетам 426 активности. Компьютерная память 514, кроме того, показана как содержащая модуль 532 вычисления оценки поведенческого сходства. Модуль 532 вычисления оценки поведенческого сходства содержит исполняемый компьютером код, который позволяет процессору 508 вычислять оценки 518 поведенческого сходства по поведенческому параметру 516.

Компьютерная память 514 дополнительно содержит общий модуль вычисления оценки поведенческого сходства 534. Общий модуль вычисления оценки поведенческого сходства 534 содержит исполняемый компьютером код для вычисления общей оценки 520 поведенческого сходства по оценке 518 поведенческого сходства. Компьютерная память 514, кроме того, показана как содержащая модуль 538 вычисления стратификации рисков. Модуль 538 вычисления стратификации рисков содержит исполняемый компьютером код, который вычисляет стратификацию 526 рисков с использованием шаблона активности и/или общей оценки 520 поведенческого сходства.

Компьютерный накопитель 514 показан как дополнительно содержащий модуль 536 анализа подсчета активности, который содержит исполняемый компьютером код, который позволяет процессору 508 вычислять шаблон 524 активности по базе данных 522 о подсчетах активности. Компьютерная память 514 показана как дополнительно имеющая модуль 540 управления пациентами, который позволяет врачу или поставщику медицинских услуг видеть графический пользовательский интерфейс 542. Графический пользовательский интерфейс в этом случае показывает стратификацию 526 рисков, которая отражена в виде индикации 544 стратификации рисков в графическом пользовательском интерфейсе 542.

Варианты осуществления изобретения могут предусматривать способ для того, чтобы оценивать риск развития острого рецидива у пациента и повторной госпитализации. Анализ данных, собранных с датчика ускорения или в комбинации с датчиком дыхания, может предоставлять полезную информацию, связанную с состоянием пациента. Например, если пациент начинает тратить увеличенное количество времени сидя или лежа, меньше ходит, берет более длительные паузы, чем в норме, и/или имеет увеличенную скорость релаксации дыхания, тогда имеет место указание на то, что состояние здоровья пациента ухудшается. Исследуя конкретные детали активности пациента и паттернов дыхания, можно генерировать оценку риска для того, чтобы указывать вероятность острого рецидива у пациента и повторной госпитализации. Затем оценку риска превращают в трехуровневую оценку риска: высокий, средний или низкий риск, которая представляет собой простой анализ риска для клиницистов для того, чтобы понимать и оказывать воздействие. Следовательно, подходящее вмешательство можно предоставлять для того, чтобы гарантировать, что пациенту не становится хуже до стадии, когда ему необходимо лечение в больнице.

Изобретение может содержать датчик ускорения, который используют для того, чтобы собирать активность и данные о дыхании после того, как пациента выписывают из больницы. Альтернативно, датчик дыхания можно использовать для того, чтобы получать данные о дыхании. Датчик ускорения измеряет непрерывные данные пациента. Данные анализируют для того, чтобы предоставлять информацию различных типов, связанную с активностью и дыханием, которая описана ниже.

На фиг. 6 представлена блок-схема, которая иллюстрирует способ согласно варианту осуществления изобретения. На этапе 600 получают данные датчика. Это может включать в некоторых вариантах осуществления данные 602 датчика физической активности и данные датчика 604 дыхания. Затем на этапе 606 активность и информацию о дыхании извлекают из данных датчика. Затем на этапе 608 оценки рисков получают согласно типу информации. Затем на этапе 610 вычисляют общую оценку риска. И, наконец, на этапе 612 отображают оценку риска, например, в виде высокого, среднего или низкого риска.

Подсчет активности представляет собой глобальную меру уровня активности, которую получают из необработанных данных датчика ускорения. Вариации информации включают:

Общий подсчет активности/день (или неделя)

Средний подсчет активности/день (или неделя)

Пиковый подсчет активности/день (или неделя)

Самая длительная непрерывная активность/день (или неделя)

Самый длинный период неактивности (сон)

В целом, пациенты, которые имеют более высокие уровни активности, склонны иметь более низкий риск рецидива.

Ходьба представляет собой одну из самых обыкновенных форм физической активности, которую пациенты с ХОБЛ все еще способны осуществлять. Число шагов, которое проходят в заданный день или неделю, и скорость ходьбы дают более детализированную информацию, касающуюся их способности выполнять физическую активность этого типа. Пациенты, которые проходят большее число шагов и с более высокой скоростью, имеют более низкий риск госпитализации.

Число перерывов, которые пациенты выполняют во время ходьбы, и длительность этих перерывов предоставляют информацию о способности пациента осуществлять физическую активность.

Пациенты, которые выполняют больше перерывов во время ходьбы и на более длительный период времени, вероятно, страдают от тяжелого диспноэ, которое является одним из значимых индикаторов рецидива. Эти пациенты, следовательно, имеют более высокий риск госпитализации.

Пациенты, которые неактивны в течение длительных периодов времени, вероятно страдают от плохого состояния здоровья и, следовательно, имеют более высокий риск госпитализации.

Переходное время представляет собой время или длительность, необходимые для того, чтобы изменить тип физической активности. Переходное время включает, без ограничения этим, следующее:

Время, чтобы встать с постели утром

Время, чтобы сменить положение лежа на положение сидя

Время, чтобы смерить положение сидя на положение стоя

Время, чтобы лечь в постель вечером

В целом, пациенты, которым необходимо длительное переходное время для различных активностей, имеют более плохое состояние здоровья и более высокий риск госпитализации.

На фиг. 7 представлен график зависимости подсчетов активности 702 от времени 700. Подсчеты активности разделены на три области; имеет место период 704 сна, переходный период 706 и активный период 708. На этой фиг. проиллюстрировано, как подсчеты активности можно использовать для того, чтобы определять период сна, переходный и активный период 708. В периоде сна подсчеты активности имеют значительно более низкие значения. В переходное время 706 имеют место большие изменения в подсчетах активности. И, наконец, в активном периоде 708 имеет место более высокое число подсчетов активности, и подсчеты меняются значительно.

На фиг. 8 представлен график зависимости частоты 802 дыхания от времени. Он иллюстрирует, как можно вычислять скорость восстановления дыхания. Кривая 804 показывает фактическую частоту дыхания 804. Кривая 806 представляет собой экспоненциальную аппроксимацию 806 скорости восстановления к кривой 804. Аппроксимацию 806 используют для того, чтобы определять скорость восстановления.

На фиг. 8 проиллюстрировано, как частота дыхания пациента восстанавливается, когда останавливают физическую активность. Геометрическая форма графика будет в целом обратно экспоненциальной и ее определяет состояние здоровья пациента. Если пациент физически подготовлен и здоров, то частота дыхания будет возвращаться к номе быстро. Пациентам с плохим состоянием здоровья будет нужно более длительное время для того, чтобы достигать нормальной частоты дыхания.

Частоту дыхания после остановки активности можно выражать в виде: Resp (tn)=c(t0) exp (-l/τ(tn)). Здесь tn представляет собой время после релаксации в масштабе минут или секунд, например, (300 секунд после активности), C(t0) представляет собой функцию-константу частоты дыхания при t=0 (момент остановки), а τ(tn) представляет собой время затухания.

На фиг. 9 представлена таблица, которая иллюстрирует, как показатель 904 состояния здоровья можно присваивать с использованием времени восстановления, вычисленного на фиг. 8. В столбце 900 приведено время восстановления в минутах. В строке 902 приведена интенсивность активности, которая идет от очень низкой до очень высокой. В зависимости от времени восстановления и интенсивности активности 902, присваивают показатель 904 состояния здоровья. Показатель 904 состояния здоровья может представлять собой оценку в некоторых вариантах осуществления.

В таблице на фиг. 9 представлено фактор состояния здоровья для пациента. если пациент имеет плохое состояние здоровья, ему потребуется больше времени для восстановления после выполнения физического задания, например, пациенту, который выполняет активность «низкой интенсивности» и тратит 1 минуту на восстановление, присваивают показатель состояния здоровья «7», а более длительное время восстановления будет вести к более низкому показателю состояния здоровья. Если пациент быстро восстанавливается после задания «очень высокой» интенсивности, то он физически более подготовлен и имеет более высокий показатель состояния здоровья. Более низкий показатель состояния здоровья указывает на более плохое состояние здоровья пациента. Время восстановления представляет собой меру того, сколько времени нужно, чтобы частота дыхания вернулась на базовый уровень после некоторой формы физической активности.

Каждому типу информации дана оценка в зависимости от измерения. Впоследствии, общую оценку извлекают для того, чтобы указывать риск пациента быть госпитализированным. Более высокая оценка указывает на более высокий риск.

На фиг. 10 представлена таблица, которая иллюстрирует, как вычислять общий риск 1008. В этой таблице в столбце 1000 приведены различные статистические параметры. Каждому из этих параметров дан весовой коэффициент 1002. В столбцах 1004 приведена оценка риска 1004 в соответствии с различными уровнями или стратификациями статистических параметров 1000. Оценки 1006 вычисляют для каждого из статистических параметров 1000. Затем их прибавляют для того, чтобы вычислять общую оценку риска 1008.

В некоторых вариантах осуществления система может функционировать в двух режимах: активный и окружающий. В активном режиме пациента можно просить осуществлять определенное известное физическое задание и данные об активности и дыхании измеряют до, во время и после активности. В окружающем режиме данные от датчиков ускорения используют для того, чтобы определять активность пациента. Оно представляет собой нормальную активность, которую пациент вероятно выполнит в определенный момент в течение нормального дня. Регистрация в течение всего дня даст точное представление об активности пациента. Тогда состояние здоровья можно определять по интенсивности и времени, которое требуется пациенту для того, чтобы осуществлять эту ежедневную активность.

Датчики ускорения типично представляют собой маленькие датчики, носимые на грудной клетке, ремне и/или в кармане. Большинство активностей можно обнаруживать с использованием одного датчика ускорения. Если необходимо, дополнительные датчики ускорения можно развертывать для того, чтобы обеспечивать более высокую точность. Однако это будет снижать ненавязчивый характер системы мониторинга, увеличивать дискомфорт и снижать соблюдение схемы.

В альтернативном варианте осуществления дополнительные данные, такие как SpO2, симптом, демографические данные пациента и клинический анамнез можно интегрировать для того, чтобы предоставлять более точное предсказание риска. Например, известно, что пациенты с повторными госпитализациями в анамнезе имеют более высокую вероятность повторной госпитализации. Следовательно, объединение информации этого типа с информацией об активности в реальном времени, которую измеряют на пациенте, может предоставлять очень полезный инструмент.

Рецидивы ХОБЛ представляют собой ухудшение симптомов, например, усиление кашля, затруднение дыхания и образование мокроты, относительно базового уровня. Обычно, это обусловлено вирусными или бактериальными инфекциями и часто ведет к госпитализации, которая является наиболее дорогостоящей при ХОБЛ. Когда пациент чувствует ухудшение симптомов и приближающийся рецидив, он запускает уход или изменяет свое лечение. Однако перспективы пациента от изменений симптомов субъективны и ослаблены на основе состояния пациента. Раннее обнаружение рецидива на основе трансляции симптомов пациента в объективные меры может помочь в инициации ухода вовремя и оптимизации лечения пациента. Следовательно, это уменьшит издержки на здравоохранение.

Изменение активности часто отмечают в качестве хорошей меры для того, чтобы обнаруживать рецидивы при ХОБЛ. Но когда смотрят на паттерны активности, как изображено фиг. 11, очевидно, что существует необходимость определять меры, которые могут показывать, это изменение.

На фиг. 11 представлен пример паттернов активности у пациентов с ХОБЛ. На 1102 представлены паттерны активности субъекта. Затемненная область 1106 показывает, когда субъект спал, хотя в этом случае субъект носил монитор активности во время сна. На фиг. 11 показано, что субъект имеет регулярное поведение при отходе ко сну и подъеме утром, также видно регулярный период неактивности около 15:00 каждый день. Это может быть короткий сон или просмотр телевизионной передачи. Когда пациент заболевает, он может отклоняться от этого повседневного поведения. Больше спать, иметь более нерегулярный паттерн поведения или проявлять больше активности в течение ночи. Ключ к обнаружению изменений в этом типе поведения состоит в том, чтобы определять правильные параметры, которые отражают эти находки.

Варианты осуществления изобретения могут предоставлять способ обнаружения раннего рецидива с использованием паттернов активности, которые отражают ежедневное или недельное повседневное поведение пациента с ХОБЛ. Какое-либо отклонение от нормального (базового) поведения может указывать на то, что состояние пациента ухудшается. Человек, который всегда имеет повседневное поведение, может стать менее обычным, проводить больше времени в постели и т. д. Также может быть, что человек не имеет ежедневного повседневного поведения, когда он чувствует себя хорошо. Он ведет себя более структурировано, когда он чувствует себя плохо, более регулярно отдыхая в постели.

Варианты осуществления могут включать набор параметров, получаемых из измеренных сигналов активности, которые отражают ежедневное поведение и активность. Изменение самих этих параметров с течением времени может указывать на приближающиеся рецидивы. И можно использовать для предупреждения о рецидиве или запуска какого-либо медицинского или немедицинского вмешательства. Эти параметры можно использовать в качестве дополнительной объективной меры вместе с пациентом, сообщающем о симптоме, чтобы рано обнаруживать рецидив.

Во-вторых, основываясь на этих параметрах, можно определять меру повседневного поведения. С этой целью шаблонный ежедневный паттерн определяют, основываясь на поведении, когда пациент чувствует себя хорошо. Это можно осуществлять посуточно и по неделям. Затем оценку сходства можно вычислять, основываясь на этом паттерне, который отражает, отклоняется ли пациент от его нормального базового поведения. Эта так называемая оценка сходства поведения также может отражать рецидивы.

В некоторых вариантах осуществления первый этап предназначен для того, чтобы вычислять этап параметров, которые репрезентативны в отношении ежедневного поведения, такие как:

Подсчет общей «активной» активности

Уровень интенсивности активности

Самое длительное время непрерывной активности

Время подъема утром и время сна

Средний подсчет активности в интервалах времени (день, вечер)

Активность во сне.

i) Подсчет общей активности днем

В этом изобретении первый предложенный параметр состоит в том, чтобы сначала идентифицировать изменения в общем подсчете активности, выполняемой каждый день во время периода бодрствования. Как обычно, эта фиг. будет подобной той, когда пациент с ХОБЛ чувствует себя хорошо. Например, на фиг. 12 представлен пример данных пациента и отмечено, что в субботу, 6-го августа, пациент имел меньше активности по сравнению с другими днями. Это показывает, что пациенту было не хорошо, и он провел больше времени, отдыхая. Затем на следующий день, в воскресенье, 7-го августа, пациент снова стало лучше и он вернулся к нормальной повседневной активности.

На фиг. 12 представлено общее число ежедневных подсчетов активности 1202 в течение различных дней 1200. На фиг. 12 представлено общее число подсчетов активности в сутки.

ii) Уровень интенсивности активности

Несмотря на то, что первый упомянутый выше параметр может идентифицировать изменение поведения, основываясь на подсчете активности, однако, он не предоставляет информацию о количестве времени, которое пациент проводит на другом уровне интенсивности (низком, среднем и высоком) активности. Таким образом, второй параметр в этом изобретении состоит в изучении общего количества времени, которое в день проводят на другом уровне интенсивности активности. На фиг. 13 ясно представлено количество времени, которое пациент проводит на каждом уровне интенсивности, и изменение в поведении пациента день за днем. Когда пациент чувствует себя не очень хорошо, он или она будет медленнее двигаться и тратить больше времени для того, чтобы выполнить активность одного и того же типа (например, сделать чашку кофе, встать с постели, постирать), так что количество активность типа «низкая» будет увеличиваться, тогда как «высокая» активность будет уменьшаться.

На фиг. 13 представлены те же данные, как показано на фиг. 12, за исключением того, что подсчет активности разбит по-другому. На фиг. 13 показаны другие дни и затем показано количество времени 1302, которое проводят в активности различных типов. Меченые столбики 1304 показывают количество времени во сне. Меченые столбики 1306 показывают количество времени при низкой активности. Меченые столбики 1308 показывают время при средней активности. Меченое время 1310 показывает, когда индивидуум был высоко активен.

iii) Cамое длительное время непрерывной активности

Третий предложенный параметр в этом изобретении представляет собой самое длительное время непрерывной активности за сутки. Известно, что когда состояние здоровья пациента с ХОБЛ ухудшается, у него быстрее появляется одышка. Таким образом, как результат, пациент будет иметь более короткую непрерывную активность. На фиг. 4 представлена самая длительная непрерывная активность для того же пациента. Несмотря на то, что параметр 1 (подсчет общей активности днем) показывает, что пациент имел наименьшую общую активность в субботу, это не значит, что в тот же день пациент будет иметь самую короткую непрерывную активность, как показано на фиг. 14.

На фиг. 14 представлен график максимальной длительности активности 1402 в течение различных дней 1400. Это является примером другого статистического параметра, который можно использовать.

iv) Время подъема утром и время сна

Время подъема утром и время ночного сна могут представлять собой параметр для того, чтобы указывать на симптомы пациента с ХОБЛ. Этот параметр включен в изобретение, и его можно легко обнаружить на фиг. 5, далее. Также фиг. 15 предоставляет очень эффективный инструмент визуализации для клинициста или пациента, чтобы понимать его ежедневную активность. Какое-либо изменение в ежедневной активности на фиг. 15 указывает на изменение повседневного поведения и его легко обнаружить.

На фиг. 15 представлена диаграмма активности 1500 для нескольких дней 1502. На оси x приведено время 1504 в минутах. Ось y показывает различные дни 1502. Области 1506 указывают на время неактивности субъекта. Показаны области 1508, когда подсчеты активности больше 500 в минуту. Области 1510, когда субъект имеет подсчет активности между 500 и 1000 в минуту. Области 1512, когда субъект имеет подсчеты активности между 1000 и 2000 в минуту. Область 1514, когда субъект имеет подсчеты активности между 2000 и 3000 в минуту. Область 1516, когда подсчеты активности больше чем 3000 в минуту.

v) Средний подсчет активности в интервалах времени (день, вечер)

На фиг. 16 представлены те же данные для среднего подсчета активности в интервалах в течение дня и вечера. Ось x показывает различные дни 1600, ось y 1602 показывает ежедневные средние подсчеты активности. Меченые области 1604 во время дневного времени и меченые области 1606 в вечернее время.

vi) Активность во сне

Проблемы со сном обыкновенны у пациентов с ХОБЛ из-за симптомов (например, затруднения дыхания, хронический кашель, утомляемость и сжимание грудной клетки) и лекарственных средств (которые могут вызывать бессонницу или дневную сонливость), которые используют для лечения ХОБЛ. Также изменения паттернов дыхания, которые происходят во время нормального сна, которые не влияют на здоровых людей, фактически могут вести к более тяжелым последствиям у пациентов с ХОБЛ. Таким образом, в этом изобретении предложено осуществлять мониторинг паттерна активности во сне у пациентов с ХОБЛ. Увеличение активности во время периода сна может указывать на то, что происходит ухудшение симптомов пациента. В частности известно, что перед рецидивом пациент кашляет более ранним утром. Этот кашель нарушает его сон. Изменения в паттерне активности во сне могут обнаруживать начало рецидива.

Во-вторых, основываясь на приведенных выше параметрах, определяют так называемую оценку поведенческого сходства. Первый этап состоит в том, чтобы смотреть, что представляет собой стабильное поведение пациента.

Основываясь на этом, можно определять шаблон для параметров, указанных выше. Затем для каждого нового дня или недели определять оценку поведенческого сходства, которую вычисляют, основываясь на корреляции с шаблоном. Пример представлен на фиг. 17.

На фиг. 17 представлена таблица, которую можно использовать для вычисления общей оценки 1706 поведенческого сходства. В столбце 1700 перечислены различные поведенческие параметры. Столбец 1702 представляет собой место, где можно помещать весовые коэффициенты 1702. В 1704 показано, где можно вводить индивидуальные оценки 1704 поведенческого сходства. Затем их можно суммировать в ячейке 1706 для вычисления общей оценки 1706 поведенческого сходства.

Для пациентов, страдающих ХОБЛ, очень важно, что хроническая сердечная недостаточность или диабет активны. Снижение ежедневной активности может указывать на ухудшение состояния здоровья. Мера, которая указывает на это ухудшение, может представлять собой число шагов, которое пациент выполняет в течение дня. Существует множество доступных детекторов шагов, но известно, что они не очень хорошо работают во время медленной ходьбы, и медленная ходьба может быть характеристикой этой группы пациентов.

Доступные алгоритмы обнаружения шагов или перемещений, которые опубликованы, сосредоточены на обнаружении шагов или перемещений, но они только используют данные от нормально ходящих субъектов. Обнаружение медленных шагов является проблемой.

На фиг. 18 представлен сигнал датчика ускорения, который получают посредством монитора активности. Ось x помечена 1800 и показывает время. Ось y 1802 показывает сигнал датчика ускорения 1802. Меченые точки 1804 представляют левый шаг, а меченые точки 1806 представляют правый шаг.

На фиг. 19 также представлен сигнал датчика ускорения, который получают посредством монитора активности. Однако в примере на фиг. 19 видны только левые шаги. Эти две фигуры иллюстрируют, как может быть сложно одному алгоритму обнаруживать, является ли пик в сигнале датчика ускорения полным перемещением или только половиной перемещения.

На фиг. 18 и 19 показано, что у медленно ходящих субъектов различные типы сигналов могут быть доступны от датчика ускорения, носимого на бедре:

Оба шага присутствуют в одном перемещении

Один шаг на одно перемещение

Нечто среднее.

Это приводит к сбою существующих алгоритмов обнаружения.

Проблема обнаружения шагов при медленной ходьбе состоит в том, что не всегда все шаги обеими ногами видны. Иногда шаги видны, иногда только один. И иногда имеет место смесь.

Одно решение состоит в том, чтобы обнаруживать только перемещения и не учитывать шаги другой ногой. Например, следующее решение работает посредством:

Обнаружения шагов с использованием чувствительного детектора пиков

Обнаружение шагов другой ногой, основываясь на последующей классификации

Отбрасывание их

Вывод: отдельные перемещения.

Способы согласно одному из вариантов осуществления изобретения могут иметь этап последующей классификации, что делает алгоритм подходящим для обнаружения медленных шагов или перемещений.

Варианты осуществления монитора активности согласно одному из вариантов осуществления изобретения могут иметь следующие признаки:

1 Первый этап: полосовой фильтр + детектор пиков

При такой конструкции все перемещения обнаруживают у всех субъектов (высокая чувствительность)

Ложно положительными являются шаги другой ногой: не всегда присутствуют

2 Второй этап: классификация, основываясь на 3 признаках:

- Амплитуда

- Затраченное время от предыдущего шага

- Расчетная скорость ходьбы, основываясь на числе пиков, обнаруженных в 1.

Пример этапа последующей классификации представлен на фиг. 20.

На фиг. 20 представлен пример того, как обнаруженные шаги можно классифицировать. Когда шаг выполняют второй ногой, будет иметь место более высокая расчетная скорость ходьбы и меньшее количество времени, прошедшего от предыдущего шага. Основываясь на этих параметрах, можно принимать решение о том, относится ли шаг к уже обнаруженному перемещению. Ось x показывает оценочную скорость ходьбы, а ось y 2002 показывает затраченное время от предыдущего шага. Область 2004 показывает, когда обнаруженный пик представляет собой половину перемещения. Область 2006 показывает область, где обнаруженный пик представляет собой полное перемещение.

На фиг. 20 представлен пример последующей классификации всех обнаруженных шагов. Когда шаг выполнен второй ногой, будет иметь место более высокая расчетная скорость ходьбы и меньшее количество времени, которое прошло после предыдущего шага. Основываясь на этих и других параметрах, можно принимать решение о том, относится ли шаг к уже обнаруженному перемещению.

Хотя изобретение иллюстрировано и описано подробно на чертежах и в приведенном выше описании, такие иллюстрации и описание следует рассматривать в качестве иллюстративных или образцовых, а не ограничивающих; изобретение не ограничено раскрытыми вариантами осуществления.

Другие вариации раскрытых вариантов осуществления смогут понять и выполнить специалисты в данной области при практическом осуществлении описываемого в заявке изобретения, изучив чертежи, раскрытие и приложенную формулу изобретения. В формуле изобретения слово «содержит» не исключает другие элементы или этапы, и формы единственного числа не исключают множество. Один процессор или другой блок может выполнять функции нескольких элементов, перечисленных в формуле изобретения. Сам факт того, что определенные средства перечислены во взаимно различных зависимых пунктах формулы изобретения, не указывает на то, что комбинация этих мер не может быть использована с пользой. Компьютерную программу можно хранить/распространять на подходящем носителе, таком как оптический носитель информации или твердотельный носитель, который поставляют вместе или как часть другого аппаратного обеспечения, а также можно распространять в других формах, например, через интернет или другие проводные или беспроводные телекоммуникационные системы. Какие-либо ссылочные позиции в формуле изобретения не следует толковать в качестве ограничивающих объем.

СПИСОК ССЫЛОЧНЫХ ПОЗИЦИЙ

400 система мониторинга состояния здоровья

402 монитор активности

402' монитор активности

404 процессор

406 память

408 программа

410 данные об активности

412 датчик

414 субъект

416 сетевое соединение

418 компьютер

420 процессор

422 компьютерный накопитель

424 компьютерная память

426 подсчеты активности

428 статистические параметры

430 оценки рисков

432 общая оценка риска

434 модуль вычисления подсчетов активности

436 модуль вычисления статистических параметров

438 модуль вычисления оценки риска

440 модуль вычисления общей оценки риска

500 система мониторинга состояния здоровья

502 дисплей

504 индикаторы обратной связи риска

506 компьютер

508 процессор

510 пользовательский интерфейс

512 компьютерный накопитель

514 компьютерная память

516 поведенческий параметр

518 оценка поведенческого сходства

520 общая оценка поведенческого сходства

522 база данных о подсчетах активности

524 шаблон активности

526 стратификация рисков

530 модуль вычисления поведенческих параметров

532 модуль вычисления оценки поведенческого сходства

534 модуль вычисления общей оценки поведенческого сходства

536 модуль анализа подсчета активности

538 модуль вычисления стратификации рисков

540 модуль управления пациентами

542 графический пользовательский интерфейс

544 индикация стратификации рисков

700 время

702 подсчеты активности

704 период сна

706 переходный период

708 активный период

800 время

802 частота дыхания

804 фактическая частота дыхания

806 экспоненциальная аппроксимация скорости восстановления

900 время восстановления

902 интенсивность активности

904 показатель состояния здоровья

1000 статистические параметры

1002 весовой коэффициент

1004 стратификация рисков

1006 оценка

1008 общая оценка

1100 паттерны активности

1102 паттерны активности

1104 период сна

1106 период сна

1200 день

1202 общие подсчеты активности

1300 день

1302 минуты

1304 сон

1306 низкая активность

1308 средняя активность

1310 высокая активность

1400 день

1402 длительность

1500 диаграммы активности

1502 день

1504 время

1506 неактивный

1508 подсчеты активности больше чем 500 в минуту

1510 подсчеты активности между 500 и 1000 в минуту

1512 подсчеты активности между 1000 и 2000 в минуту

1514 подсчеты активности между 2000 и 3000 в минуту

1516 подсчеты активности больше чем 3000 в минуту

1600 день

1602 ежедневные средние подсчеты активности

1604 дневное время

1606 вечер

1700 поведенческий параметр

1702 весовой коэффициент

1704 оценка поведенческого сходства

1706 общая оценка поведенческого сходства

1800 время

1802 сигнал датчика ускорения

1804 левый шаг

1806 правый шаг

2000 скорость ходьбы

2002 затраченное время от предыдущего шага

2004 левое перемещение

2006 правое перемещение

1. Система (400, 500) мониторинга состояния здоровья, выполненная с возможностью определять риск рецидива хронического обструктивного заболевания легких субъекта, которая содержит:

- монитор (402, 412, 402’) двигательной активности для получения данных (410) о двигательной активности, описывающих время и продолжительность двигательной активности (414) субъекта;

- процессор (404, 420, 508) для управления системой мониторинга состояния здоровья; и

- память (406, 424, 514) для хранения машиночитаемых инструкций (408, 434, 436, 438, 440), причем исполнение инструкций побуждает процессор:

- анализировать типовые образцы двигательной активности, относящиеся к конкретному пациенту и создавать шаблон в качестве меры повседневного поведения пациента,

- определять оценку поведенческого сходства,

- получать (208, 306) подсчеты (426) двигательной активности из данных о двигательной активности, причем подсчет двигательной активности является мерой уровня двигательной активности в пределах предварительно определенного периода времени;

- хранить (102, 210) подсчеты двигательной активности в памяти, причем каждый подсчет двигательной активности связан со временем соответствующей двигательной активности субъекта;

- вычислять (104) по меньшей мере два статистических параметра (428) по подсчетам двигательной активности, причем по меньшей мере два статистических параметра описывают подсчеты двигательной активности в качестве функции времени;

- вычислять (106) оценку (430) риска для каждого из по меньшей мере двух статистических параметров, причем оценка риска указывает риск рецидива у субъекта; и

- вычислять (108) общую оценку (432) риска с использованием оценки риска для каждого из по меньшей мере двух статистических параметров,

причем вычисление оценки риска рецидива включает сбор и обработку данных о двигательной активности, создание и анализ шаблонов двигательной активности и оценки поведенческого сходства, объединение различной информации, извлекаемой из данных о двигательной активности конкретного пациента, включая подсчет общей активности и общего количества времени, которое пациент проводит на различных уровнях (низком, среднем и высоком) интенсивности активности,

причем общую оценку (432) риска классифицируют по трем оценочным категориям риска: высокий, средний или низкий риск.

2. Система мониторинга состояния здоровья по п. 1, в которой монитор двигательной активности содержит датчик (412, 602) ускорения для измерения данных датчика ускорения, причем данные о двигательной активности содержат данные датчика ускорения, причем исполнение инструкций побуждает процессор получать подсчеты двигательной активности из данных датчика ускорения.

3. Система мониторинга состояния здоровья по п. 2, в которой исполнение инструкций дополнительно побуждает процессор:

- пропускать через полосовой фильтр (202, 302) данные датчика ускорения;

- идентифицировать (204, 304) пики (1804, 1806) в прошедших полосовой фильтр данных датчика ускорения;

- классифицировать (206, 306) каждый из пиков в качестве перемещения или половины перемещения в соответствии с пиковой амплитудой; и

- вычислять зависящую от времени скорость ходьбы, затраченное время от предыдущего шага и оценочную скорость ходьбы, причем по меньшей мере один из двух статистических параметров описывает зависящую от времени скорость ходьбы, причем оценочная скорость ходьбы вычисляется на основании числа пиков, и каждое перемещение содержит два этапа.

4. Система мониторинга состояния здоровья по п. 3, в которой пики классифицируют в качестве перемещения (2006) или половины перемещения (2004) посредством сравнения пиковой амплитуды, затраченного времени от предыдущего шага (2002) и оценочной скорости (2000) ходьбы.

5. Система мониторинга состояния здоровья по любому из предшествующих пунктов, в которой монитор двигательной активности содержит датчик (604) дыхания для измерения данных о дыхании, описывающих частоту дыхания субъекта, причем данные о двигательной активности содержат данные о дыхании, причем исполнение инструкций дополнительно побуждает процессор:

- вычислять (606) данные о частоте дыхания по данным о дыхании;

- хранить данные о частоте дыхания в памяти, причем данные о частоте дыхания связаны со временем;

- вычислять (608) по меньшей мере один дополнительный статистический параметр с использованием данных о частоте дыхания; и

- вычислять дополнительную оценку риска для по меньшей мере одного дополнительного статистического параметра, причем общую оценку риска вычисляют (610) с использованием дополнительной оценки риска.

6. Система мониторинга состояния здоровья по п. 5, в которой по меньшей мере один дополнительный статистический параметр вычисляют с использованием подсчетов двигательной активности для того, чтобы определять скорость (806) восстановления дыхания.

7. Система мониторинга состояния здоровья по п. 5, в которой датчик дыхания представляет собой одно из датчика ускорения, микрофона и датчика расширения грудной клетки.

8. Система мониторинга состояния здоровья по п. 5, в которой исполнение инструкций дополнительно побуждает процессор:

- вычислять по меньшей мере один поведенческий параметр (516, 1700) по подсчетам двигательной активности, причем поведенческий параметр описывает подсчеты двигательной активности в качестве функции времени и описывает тип поведения, которое осуществляет субъект; и

- вычислять оценку (520, 1704) поведенческого сходства по меньшей мере для одного поведенческого параметра, причем оценка поведенческого сходства является изменением поведенческого параметра относительно предыдущего значения.

9. Система мониторинга состояния здоровья по п. 8, в которой исполнение инструкций побуждает процессор вычислять шаблон (524) двигательной активности по достигаемым подсчетам двигательной активности, причем шаблон двигательной активности является усреднением двигательной активности субъекта на протяжении предварительно определенного периода времени, причем дополнительно вычисляется по меньшей мере один поведенческий параметр, делая сравнение подсчетов двигательной активности с шаблоном двигательной активности.

10. Система мониторинга состояния здоровья по п. 9, в которой суточный шаблон двигательной активности вычисляется посредством группировки и усреднения достигаемых подсчетов двигательной активности в предварительно определяемом числе групп по времени суток, причем сравнение подсчетов двигательной активности с суточным шаблон двигательной активности осуществляется посредством:

- группировки подсчетов двигательной активности по группам по времени суток; и

- сравнения числа подсчетов двигательной активности в каждой из групп по времени суток со средним числом достигаемых подсчетов двигательной активности в каждой из групп по времени суток.

11. Система мониторинга состояния здоровья по п. 10, в которой по меньшей мере два статистических параметра содержат одно из следующего: общие подсчеты двигательной активности в сутки, средние подсчеты двигательной активности в сутки, пиковые подсчеты двигательной активности в сутки, самый длинный период подсчетов двигательной активности выше предварительно определяемого порога, самый длинный период подсчетов двигательной активности ниже предварительно определяемого порога, длительность переходной двигательной активности и их сочетания.

12. Система мониторинга состояния здоровья по п. 10, в которой исполнение инструкций дополнительно побуждает процессор осуществлять какое-либо одно из следующего: отображать общую оценку риска на дисплее, направлять общую оценку риска в удаленную систему управления пациентами, направлять общую оценку риска по электронной почте и их сочетания.

13. Машиночитаемый носитель информации, на котором сохранена компьютерная программа, которая содержит исполняемые машиной инструкции (408, 434, 436, 438, 440) для исполнения процессором (404, 420, 508) системы (400, 500) мониторинга состояния здоровья, выполненной с возможностью определять риск рецидива хронического обструктивного заболевания легких субъекта, причем медицинская система содержит монитор двигательной активности для получения данных (410) о двигательной активности, описывающих время и продолжительность двигательной активности субъекта (414), причем исполнение инструкций побуждает процессор:

- получать (208, 306) подсчеты двигательной активности (426) из данных о двигательной активности, причем подсчет двигательной активности является мерой уровня двигательной активности в пределах предварительно определенного периода времени;

- анализировать типовые образцы двигательной активности, относящиеся к конкретному пациенту, и создавать шаблон в качестве меры повседневного поведения пациента;

- определять оценку поведенческого сходства;

- хранить (102, 210) подсчеты двигательной активности в памяти, причем каждый подсчет двигательной активности связан со временем соответствующей двигательной активности субъекта;

- вычислять (104) по меньшей мере два статистических параметра (428) по подсчетам двигательной активности, причем по меньшей мере два статистических параметра описывают подсчеты двигательной активности в качестве функции времени;

- вычислять (106) оценку (430) риска для каждого из по меньшей мере двух статистических параметров, причем оценка риска указывает риск рецидива у субъекта; и

вычислять (108) общую оценку (432) риска с использованием оценки риска для каждого из по меньшей мере двух статистических параметров, причем вычисление оценки риска рецидива включает сбор и обработку данных о двигательной активности, создание и анализ шаблонов двигательной активности и оценки поведенческого сходства, объединение различной информации, извлекаемой из данных о двигательной активности конкретного пациента, включая подсчет общей активности и общего количества времени, которое пациент проводит на различных уровнях (низком, среднем и высоком) интенсивности активности, анализ оценки поведенческого сходства,

причем общую оценку (432) риска классифицируют по трем оценочным категориям риска: высокий, средний или низкий риск.

14. Способ мониторинга состояния здоровья для определения риска рецидива хронического обструктивного заболевания легких субъекта, причем способ содержит этапы:

- получения (208, 306) подсчетов двигательной активности (426) из данных о двигательной активности монитора двигательной активности, причем монитор двигательной активности работает для получения данных о двигательной активности, которые описывают время и продолжительность двигательной активности субъекта, и подсчет двигательной активности является мерой уровня двигательной активности в пределах предварительно определенного периода времени;

- анализа типовых образцов двигательной активности конкретного пациента, относящихся к конкретному пациенту, и создания шаблона в качестве меры повседневного поведения пациента,

- определения оценки поведенческого сходства,

- регистрации (102, 210) подсчетов двигательной активности, причем каждый подсчет двигательной активности связан со временем соответствующей двигательной активности субъекта;

- вычисления (104) по меньшей мере двух статистических параметров (428) по подсчетам двигательной активности, причем по меньшей мере два статистических параметра описывают подсчеты двигательной активности в качестве функции времени;

- вычисления (106) оценки (430) риска для каждого из по меньшей мере двух статистических параметров, причем оценка риска указывает риск рецидива у субъекта; и

- вычисления (108) общей оценки (432) риска с использованием оценки риска для каждого из по меньшей мере двух статистических параметров,

причем вычисление оценки риска рецидива включает сбор и обработку данных о двигательной активности, создание и анализ шаблонов двигательной активности и оценки поведенческого сходства, объединение различной информации, извлекаемой из данных о двигательной активности конкретного пациента, включая подсчет общей активности и общего количества времени, которое пациент проводит на различных уровнях (низком, среднем и высоком) интенсивности активности, анализ оценки поведенческого сходства,

причем общую оценку (432) риска классифицируют по трем оценочным категориям риска: высокий, средний или низкий риск.

15. Способ по п. 14, в котором способ дополнительно содержит этап определения стратификации рисков с использованием общей оценки риска и/или вычисления классификации риска для рецидива хронической обструктивной болезни легких и/или госпитализации субъекта, если общая оценка риска находится в пределах предварительно определяемого диапазона.



 

Похожие патенты:

Изобретение относится к средствам дистанционного обучения, используемым при проведении удаленного обучения пользователя решению модельных и теоретических задач по естественнонаучным и инженерным дисциплинам и подготовке к сдаче вступительных аттестационных экзаменов.

Изобретение относится к средствам обучения. Технический результат заключается в расширении арсенала технических средств коррекции содержания и количества информации учебного материала.

Изобретение относит к управлению геофизическими исследованиями скважины и планированию бурения. В соответствии с одним из примеров предложен комплексный прибор для управления геофизическими исследованиями скважины и планирования бурения, который реализуют с применением вычислительной системы.

Группа изобретений относится к медицинской технике, а именно к средствам принятия клинических решений по раку шейки матки. Медицинское устройство для скрининга рака шейки матки, содержит процессор для управления медицинским устройством, базу данных медицинских руководств, содержащую набор клинических руководств по раку шейки матки, память для хранения машинно-выполняемых команд, при этом выполнение команд побуждает процессор для получения демографических данных объекта обследования, получения данных симптомов, характеризующих объект обследования, получения данных скринингового теста, характеризующих объект обследования, и выбора поднабора руководств по скринингу из набора клинических руководств, при этом выполнение команд дополнительно побуждает процессор для формирования запроса на кольпоскопический осмотр с использованием поднабора руководств по скринингу, получения кольпоскопических данных, собранных посредством кольпоскопа, и выбора поднабора руководств по кольпоскопии из набора клинических руководств в соответствии с демографическими данными и кольпоскопическими данными.

Изобретение относится к медицинским диагностическим ультразвуковым системам. Техническим результатом является оптимизация ультразвукового изображения для отображения на удаленных рабочих станциях, терминалах и экранах отображения.

Изобретение относится к области спортивной медицины и предназначено для определения наследственной предрасположенности человека к спортивной деятельности. Осуществляют забор биологического материала, выделение ДНК, генотипирование по локусам ACE, PPPARGC1A, PPARGC1B, PPARG2, PPARA, PPARD, VDR, CALCR, VEGFA, GNB3, NOS3, AGT 704, AGT 521, IL6.

Группа изобретений относится к области компьютерной технологии, в частности к способу и устройству для регистрации упражнения. Проводят регистрацию упражнения, которую применяют к матрасу, имеющему датчики давления, равномерно распределенные по нему, соединенному с терминалом с помощью беспроводного соединения.

Устройство обработки информации включает в себя блок сбора данных, который получает множество видов информации медицинских устройств, которые представляют собой информацию, полученную от множества медицинских устройств, блок формирования, который формирует информацию для представления, включающую в себя, по меньшей мере, часть из множества видов информации медицинских устройств, полученных блоком сбора данных, и блок представления, который выводит сформированную информацию для представления устройству отображения изображения, которое отображает изображение.

Представлен способ выявления ракового биомаркера у субъекта in vitro. Охарактеризованный способ включает получение от субъекта биологического образца; измерение уровня RISC-белка во фракции экзосом образца и/или активности процессинга первичной микроРНК или активности процессинга предшественника микроРНК во фракции экзосом образца и эталонного образца; идентификацию того, что субъект обладает раковым биомаркером, на основании (i) выявления RISC-белка во фракции экзосом образца, полученного от субъекта, или (ii) выявления активности процессинга микроРНК во фракции экзосом образца, которая отсутствует в эталонном образце.

Изобретение относится к области медицины и предназначено для диагностики светлоклеточного почечно-клеточного рака (скПКР). В качестве исследуемых образцов используют образцы ткани почки в предположительно опухолевой и гистологически нормальной ткани пациента.

Изобретение относится к медицине, а именно к кардиологии. Создают «экспертную базу данных» на основе исследования 7 параметров периферической крови, 11 параметров биохимического анализа крови и 6 параметров стандартной 12-канальной электрокардиограммы у 200 больных с Q-инфарктом миокарда и 200 больных с нестабильной стенокардией, диагноз которым установлен экспертами.
Раскрыт способ интегрирования медицинского устройства в сеть медицинского учреждения путем установки в медицинском устройстве устройства беспроводной передачи данных.
Изобретение относится к области медицины, в частности к кардиологии. На основании клинико-анамнестических данных, результатов лабораторных исследований, данных холтеровского мониторирования и эхокардиографии пациента строят математическую модель искусственных нейронных сетей в виде многослойного персептрона, состоящего из 6 нейронов входного слоя (возраст, частота сердечных сокращений, систолическое артериальное давление при поступлении в стационар, максимальное значение креатинфосфокиназы, конечно-диастолический размер левого желудочка и размер асинергии миокарда), скрытого слоя из восьми нейронов с функцией активации гиперболический тангенс в виде выходного слоя, состоящего из двух нейронов: - наличие риска развития пароксизмов желудочковой тахикардии и - отсутствие наличия риска развития пароксизмов желудочковой тахикардии, с нормировкой значений выходного слоя функцией Softmax.

Изобретение относится к медицине, кардиологии. У пациента с хронической ишемической болезнью сердца собирают жалобы и анамнез заболевания, включая терапию, течение ИБС, наличие тяжелой хронической сердечной недостаточности, сопутствующих хронических заболеваний легких или почечной недостаточности, инсульта в анамнезе, проводят электро- и эхокардиографию.

Изобретение относится к области медицины, конкретно к кардиологии, общественному здоровью и здравоохранению. Проводят обследование мужчин по программе кардиологического скрининга и определения следующих параметров: возраста, величины диастолического артериального давления, величины общего холестерина, уровня образования, профессиональной принадлежности, брачного статуса.

Изобретение относится к медицине, а именно к хирургии, и может быть использовано при выборе доступа оперативного вмешательства. Выполняют спиральную компьютерную томографию брюшной полости.
Изобретение относится к области медицины, а именно к диагностике. Выполняют оценку возраста пациента и оценивают состояние коронарных артерий КА до и после ЧКВ по методике BCIS-1 Myocardial Jeopardy Score (JS).

Изобретение относится к медицине, а именно к кардиологии и может быть использовано для оценки риска формирования хронической сердечной недостаточности у молодых мужчин при артериальной гипертензии.

Изобретение относится к области медицины, а именно к гастроэнтерологии. Для диагностики СРК-подобного синдрома при язвенном колите выявляют диарейный синдром, метеоризм, дискомфорт и боли в животе, эндоскопическую ремиссию язвенного колита, лимфоплазмоцитарную инфильтрацию собственной оболочки слизистой, дисбактериоз, дискинезию толстой кишки, определяют уровень С-реактивного белка в крови, уровень фекального кальпротектина, бифидобактерий, лактобактерий и рост условно патогенной микрофлоры в посевах кала.
Изобретение относится к области медицины, а именно к кардиологии, акушерству и гинекологии. У беременных с анамнестическими факторами риска развития гестационной артериальной гипертонии и преэклампсии необходимо определять среднесуточные параметры периферического систолического артериального давления (САД (24)), центрального систолического аортального давления (САДао (24)), центрального диастолического аортального давления (ДАДао (24)), среднего гемодинамического давления (СДГ (24)) и ригидности артерий - времени распространения отраженной волны (RWTT (24)), индекса аугментации в аорте (AIxao (24)).

Изобретение относится к способам непрерывного контроля функционального состояния и функциональной диагностики. Способ включает использование биометрического детектора в виде наручных часов или браслета, данные с которого используют для буферизации значений интервалов между соседними ударами сердца в течение заданного временного окна, а также для создания гистограммы распределения этих интервалов и вычисления уровня стресса, основанного на вариабельности сердечного ритма.

Группа изобретений относится к медицине и может быть использована для определения риска рецидива хронического обструктивного заболевания легких. Группа изобретений состоит из системы, машиночитаемого носителя информации и способа мониторинга здоровья. Система состоит из монитора двигательной активности, процессора памяти. Анализируют типовые образцы двигательной активности, относящиеся к конкретному пациенту. Создают шаблон в качестве меры повседневного поведения пациента. Определяют оценку поведенческого сходства. Получают подсчеты двигательной активности. Хранят подсчеты двигательной активности в памяти. Вычисляют по меньшей мере два статистических параметра по подсчетам двигательной активности. Вычисляют оценку риска для каждого из по меньшей мере двух статистических параметров. Причем оценка риска указывает риск рецидива у субъекта. Вычисляют общую оценку риска. Причем общую оценку риска классифицируют по трем оценочным категориям риска: высокий, средний или низкий риск. Группа изобретений позволяет своевременно предотвратить ухудшение состояния пациента и определить риск его наступления за счет оценки наиболее значимых показателей у конкретного пациента. 3 н. и 12 з.п. ф-лы, 20 ил.

Наверх