[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN102971755A - 用于慢性病管理的早期告警方法和系统 - Google Patents

用于慢性病管理的早期告警方法和系统 Download PDF

Info

Publication number
CN102971755A
CN102971755A CN2011800139146A CN201180013914A CN102971755A CN 102971755 A CN102971755 A CN 102971755A CN 2011800139146 A CN2011800139146 A CN 2011800139146A CN 201180013914 A CN201180013914 A CN 201180013914A CN 102971755 A CN102971755 A CN 102971755A
Authority
CN
China
Prior art keywords
patient
disease
health
asthma
early stage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2011800139146A
Other languages
English (en)
Inventor
史蒂文·P·施密特
桑托希·阿南塔拉曼
托马斯·H·史密斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Asthma Signals Inc
Original Assignee
Asthma Signals Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Asthma Signals Inc filed Critical Asthma Signals Inc
Publication of CN102971755A publication Critical patent/CN102971755A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Pathology (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

为帮助多个患者管理慢性病状况，提供一个计算机实现的方法和系统。对于每一个患者，该方法包括：（a）从患者或患者护理网络成员接收关于在给定未来时期的预期患者活动的信息；（b）确定在给定未来时期的预期患者活动期间患者环境中的预期暂时本地周围环境状况；（c）基于希望的患者控制设定点范围、预期患者活动和预期暂时本地周围环境状况，使用患者的存储计算机模型预测患者的健康恶化；以及（d）在该给定的未来时间段之前主动向该患者或该患者护理网络的一个成员发送一条消息，该消息向该患者或该患者护理网络的一个成员警示对该患者预测到的健康恶化情况并且为该患者鉴别一个或多个纠正措施，以避免或缓和这些预测到的健康恶化情况。

Description

用于慢性病管理的早期告警方法和系统
相关申请的交叉引用
本申请要求于2010年1月21日提交，标题为HEALTHMANAGEMENT SYSTEM AND METHOD（健康管理系统和方法）的美国临时专利申请序列号61/297，151，以及于2010年1月27日提交，标题为HEALTH MANAGEMENT SYSTEM AND METHOD（健康管理系统和方法）的美国临时专利申请序列号61/298，740的优先权，这两个申请都通过引用结合在此。
发明背景
本申请涉及一种用于慢性病管理的早期告警方法和系统。
中心为健康经济学的密尔肯研究所（Milken Institute）研究：“An Unhealthy America:The Economic Burden of Chronic Disease—Charting a New Course to Save Lives and Increase Productivity and EconomicGrowth（一个不健康的美国：慢性病的经济负担——编制新课程来拯救生命并且增加生产能力和经济增长）”在2007年发表，跨全部50州将慢性病目前和未来治疗成本，以及商业的经济损失量化。研究者跟踪七种慢性病（例如哮喘）并发现对美国经济的影响为每年$1.3万亿，包括总共$1.1万亿的损失生产能力和用于治疗的$2770亿。
哮喘是一种慢性肺病，其特征在于炎症、支气管收缩和粘液产生增加。在美国这是过去二十年中已增加的普遍的公共健康问题。在2007年，估计美国人口中的3400万（11.5%）有终生哮喘，并且2290万（7.7%）有流行哮喘。在2006年，所有年龄段的哮喘住院率是每10,000美国居民14.9人，导致约444,000例住院。在2005年，在美国有3,884例哮喘相关的死亡，死亡率为每100,000居民1.3人。
与任何其他慢性病相比，哮喘影响更多儿童，并且是儿童住院的最常见原因之一。任何人都可以患有哮喘，但儿童尤其易患。哮喘在儿童中发生的几率是在成年人中的2倍。哮喘是最普遍的慢性儿童疾病之一。在美国，超过六百万的哮喘患者低于18岁。哮喘是导致儿童住院的第三原因和缺课的主要原因之一。因为哮喘，每年损失总共1280万的上课日。根据美国哮喘和过敏基金会（Allergy and Asthma Foundation ofAmerica），估计的哮喘每年成本是近$197亿，包括近$100亿的直接保健成本（大部分是住院）和$80亿的间接成本，例如由于疾病或死亡损失的收入。哮喘是成年人旷工和降低的工作生产能力的第四主要原因，导致每年近1200万损失的或更低生产能力的工作日。
尽管哮喘不会被治愈，但它一般可以被控制。然而，在没有来自他们的护理网络的持续警惕的情况下，儿科患者的哮喘自管理是困难的。已广泛讨论更好的教育、自助工具和来自护理网络的更好支持尤其可以帮助儿童以每天为基础更好地管理他们的哮喘，由此减少哮喘恶化和随后使用紧急住院资源的需要。
在此披露方法和系统，该方法和系统用于患有慢性病的给定患者的连续生命情况行为和患者周围环境中暂时本地周围环境状况的近实时监控，以便预测和以矫正行动的形式向患者提供早期告警。这些行动将潜在帮助缓和灾难情况发生，该灾难情况迫使患者寻求紧急医疗或改变正常生活活动，降低患者生活质量和他们的扩展现实世界护理网络。
发明简述
根据一个或多个实施方案，为帮助多个患者管理慢性病状况而提供一种计算机实施的方法。该方法为每个患者包括：（a）从患者或患者护理网络成员接收关于在给定未来时期的预期患者活动的信息；（b）确定在给定未来时期的预期患者活动期间患者环境中的预期暂时本地周围环境状况；（c）基于希望的患者控制设定点范围、预期患者活动和预期暂时本地周围环境状况，使用患者的存储计算机模型为患者预测健康恶化；以及（d）在该给定的未来时间段之前主动向该患者或该患者护理网络的一个成员发送一条消息，该消息向该患者或该患者护理网络的一个成员警示对该患者预测到的健康恶化情况并且为该患者鉴别一个或多个纠正措施，以避免或缓和这些预测到的健康恶化情况。
根据一个或多个进一步的实施方案，为帮助多个患者管理慢性病状况而提供早期告警系统。该早期系统包括与由通信网络上的多个患者操作的客户端装置通信的计算机系统。对于每个患者，计算机系统被配置成：（a）从患者或患者护理网络成员接收关于在给定未来时期的预期患者活动的信息；（b）确定在给定未来时期的预期患者活动期间患者周环境中的预期暂时本地周围环境状况；（c）基于希望的患者控制设定点范围、预期患者活动和预期暂时本地环境状况，使用患者的存储计算机模型为患者预测健康恶化；以及（d）在该给定的未来时间段之前主动向该患者或该患者护理网络的一个成员发送一条消息，该消息向该患者或该患者护理网络的一个成员警示对该患者预测到的健康恶化情况并且为该患者鉴别一个或多个纠正措施，以避免或缓和这些预测到的健康恶化情况。
附图说明
图1是展示了根据一个或多个实施方案，展示用于慢性病管理的早期警报系统的操作的简化框图。
图2是根据一个或多个实施方案，在由用户操作的移动装置上显示的示例性哮喘控制评估步骤屏幕。
图3是展示了用于咳嗽检测的患者最优化检测、趋势和训练固件的操作的简化流程图。
图4A和4B是展示了根据一或多个实施方案，示例性信念类型调查问题和分析的表格。
图5是展示了根据一个或多个实施方案，用于不同信念类型的缓和行动的示例性执行概率的表格。
图6是展示了根据一个或多个实施方案，用于慢性病管理的早期告警系统的简化框图。
图7是展示了根据一个或多个实施方案，消息计分的实例的表格。
图8是展示了根据一个或多个实施方案，概况更新方案的示意图。
图9示出了在用户移动装置上的截图，该截图展示了向患者发送的示例性行动消息。
图10是简化框图，展示了根据一个或多个实施方案，模型预测性控制方法学。
图11是展示了根据一个或多个实施方案，哮喘概率范围和恶化的图表估计的实例的图表。
图12是展示了根据一个或多个实施方案，臭氧计分启发法的实例的表格。
图13是根据一个或多个实施方案，示例性功能查找的图表。
图14示出了在用户移动装置上的截图，该截图展示了根据一个或多个实施方案，对患者的行动馈给的实例。
图15是展示了根据一个或多个实施方案，用于患有变应性哮喘的十几岁少年的扩大消息的实例的表格。
图16示出了展示根据一个或多个实施方案，预测计划遵守的图表。
相似或相同的参考号被用来鉴别共同或类似的元素。
详细说明
本申请涉及健康管理系统和方法，该系统和方法帮助患有慢性病（例如，哮喘、COPD（慢性阻塞性肺疾病）、囊性纤维化、多发性硬化和抑郁症）或带有困难的慢性病治疗计划（例如，HCV（丙型肝炎病毒）逆转录药物治疗方案）的人更好地管理他们的疾病/治疗，并维持健康的、能够走动的生活方式。如将在下面进一步详细讨论，根据一个或多个实施方案，为监控暂时本地状况（例如，本地空气质量、过敏原水平、温度、普遍大气状况、家中环境）和连续生命情况下的患者行为（例如，身体活动、治疗遵守）提供近实时的方法和系统，从而以帮助防止健康恶化和症状控制爆发为目标来预测并由此向患者提供早期告警。
这样的健康恶化和症状控制爆发对于带有慢性或长期健康问题，例如哮喘生活的个体可以说是灾难性的。根据一个或多个实施方案，系统生成电子输送的音频和/或视觉警告，以便在涉及暂时本地状况或日常生活行为活动的计划日常生活活动期间主动指示可能迫近的恶化或控制爆发。告警鉴别很可能涉及所预测的恶化或爆发的健康负担变量与适当的缓和行动，从而使得适当的控制行动可以由患者或他或她的护理网络（例如，患者的父母或护理监护人）采取，以便避免爆发的发生或缓和爆发发生的严重性，并避免恶化事件和导致的结果例如急救室就诊或住院。
警告有效性和行为修改成功的计分，连同用于个体的纵向数据一起，可以被用来使用不同的学习和推断技术为患者的健康监控模型进一步个性化和最优化变量加权。系统还为总量可视化和在个体和地点-人口（团体）水平的趋势提供能力。个体纵向趋势和报告向患者和他们的护理监护人提供信息以便鉴别问题情况。地点-人口（团体）水平评估提供早期告警，并报告返回暂时改变，以便由相关群体，例如保健管理员、保险公司和政府机构采取抢先行动。
被诊断患有慢性病的患者经常必须将医生建议的生活方式改变和自管理方案纳入他们的例行生活情况。能够确定何时应用这些医生建议的生活方式改变，并用他们的自管理方案严格且顺从地成功遵循这些建议生活方式改变的患者可能具有更好的个体健康结果。慢性病患者的更好健康结果为患者和他们心爱的人带来更好的生活质量，以及在慢性病上花费的保健资源的更有效使用。
自管理方案会难于采用并维持。这对于儿科人口，或在其中患者察觉不到对健康状态的行为直接反馈的疾病中尤其是真实的。遵守医生建议行为的失败频繁导致严重的非直接处罚，例如延迟的折衷生理机能或剧烈恶化，例如在哮喘情况下的哮喘发作，导致医院急救室紧急就诊。该崩溃由于患者不知道何时可能需要干预，以及何种干预最可能在现实世界设定中积极影响患者的健康状态，以便规律地促进将他们的健康保持在安全“绿区”中，并且不让其漂移进入有问题的“黄区”中，或在最坏情况下突然落入危险的“红区”中的行动。
向患者提供近实时的交互式工具，以便通过建议同时相关的、及时校正的行动帮助监控现实世界设定、患者计划活动的健康影响，以及对患者健康计划方案的自监控遵守是有益的，该行动在日常生活情况下促进他们的健康和安全，由此改善他们的总体生活质量。
如将在下面进一步详细描述，用于为患者预测并管理健康行为和治疗计划行动的系统包括远程管理系统，该远程管理系统与由通信网络上的多个用户（患者、他们的对应护理网络，或由相关群体）操作的装置通信。
根据一个或多个实施方案，远程评估和管理系统从存储评估数据元素的数据存储访问数据，该访问数据元素表示患者计划活动、医疗状况、以及与可以地理上分散的患者相关联的状况相关的恶化触发。在一个或多个实施方案中，系统包括与事件处理引擎合作工作的决策支持系统，该决策支持系统同时应用预测性模型到第一组所选评估数据元素，以便对照患者的个人最佳或文献预测最佳的措施为患者产生当前健康评估措施。决策支持系统利用历史的、当前的和所预测的本地触发负担、个人特性范围、他们的医生建议治疗计划、以及健康措施，以便产生可应用于患者日常生活想定的定制警告行动计划。该警告行动计划基于当前的、合计的、实际的和预测的负担措施被规律地更新。该系统还包括用于为患者建立与患者的医生建议治疗行动计划一致的患者特定模型的规则库和概况库。该系统还包括事件处理引擎，该引擎基于对照模型的数据馈给评估生成及时的患者特定警告行动。
根据一个或多个实施方案，个体化的患者特定预测性模型基于状况严重性的评估、状况症状触发、医师供应的状况或治疗管理计划、地点特定状况和假定行为、所选患者和家庭评估工具、以及模型对实际健康和症状的适合度的反馈历史，从触发负担算法池被选择。
图1是展示了根据一个或多个实施方案，慢性病管理系统100的操作的简化框图。系统100可以在计算机服务器系统中实施，并由用户操作的各种客户端装置102、104、106、108、110访问。客户端装置可以经由通信网络114访问系统100。网络114可以是网络的任何组合，包括而不限于互联网、局域网、广域网、无线网络和蜂窝网络。如在下面进一步详细讨论，客户端装置102、104、106、108、110包括各种装置，其包括个人计算机和便携通信装置例如智能电话。计算机服务器系统可以包括一个或多个物理机，或在一个或多个物理机上运行的虚拟机。此外，计算机服务器系统可以包括计算机集群或由网络连接的众多分布式计算机。
用户装置可以包括患者状况评估装置102，其可以是记录观察结果的装置（例如，NAEPP（美国国立哮喘教育和预防项目）哮喘控制评估观察，其一部分在图2的智能电话截图中被示出）、专家评估（医生诊断）或生理功能测量装置（例如，肺活量测定法FEV 1：在1秒中的用力呼气量）。装置102可以包括视觉输出显示器和/或单向或双向电子通信能力（模拟无线电亦或数字的）。
患者监控和/或反馈装置104可以是医疗监控装置，例如咳嗽和喘鸣检测装置、带有话筒的电话和其他装置、便携摄影机/相机、计步器和运动检测器、医疗顺从性监控器、游戏控制台、行为监控应用（例如，监控通信模式）、记录观察结果的装置（例如，PHQ-9调查表）、以及配置成执行监控功能的其他装置。装置104具有用于单向或双向通信（模拟无线电的或数字的）的能力。
例如，根据一个或多个实施方案，来自患者的记录话音观察可以为不健康声音被周期性收集、存储、分析和解释，并从健康基线改变，该健康基线为这样的事物记录，如喘鸣、幅度、言语之间的暂停、以及与个人的最佳措辞的比较。喘鸣、幅度、暂停和其他模式对照恶化事件的进展的已知指标被分析。纵向分析被执行以便基于个人的最佳记录检测健康的退化，还被分析用于指示器，例如喘鸣、暂停、模式、声音持续时间等。技术例如隐马尔可夫模型算法可以被用于声音检测，并且多变量、非线性模式识别方法例如神经网络可以被用来检测模式变化。
根据一个或多个实施方案，一个或多个装置输入被用来为正常和异常的活动开发个体概况。使用个人最佳的正常纵向数据基线，为个体建立正常和病理所引起的检测改变之间的增量，体，该个体使用正常装置报告的文献查找和来自个人的反馈这（例如，我感觉良好）这二者以便建立正常基线。文献和反馈（例如，我有症状和/或疾病发作）被用来鉴别行为、活动、话音、咳嗽频率、睡眠模式等，以便建立病理所引起的从正常的变化。基线和疾病所表征的从基线的偏离被用来建立个人概率模型和他们的状况依赖性，以便确定测量的增量表示未来疾病恶化事件的可能性。
装置输入可以由以下项组成：输送关于患者选择性行为（电话活动、游戏活动、运动等）、生理测量值（肺活量测定法、生命体征、声音、睡眠、咳嗽、喘鸣等）、护理团体措施（接触频率、接触持续时间、交互的网络效果等），以及疾病管理实践的措施（药物遵守、医生的访问等）的信息的任何装置。装置测量值通常在实际世界设定中被收集。在大多数情况下，由于临床机构测量值性质不同，并且在许多情况下由护理专家监督，因此这些测量值被分离计分。同样，非实际世界和实际世界测量值被编目为分离数据池，以便由个人模型开发和分析。
患者监控和/或反馈装置可以包括咳嗽监控装置。该走动监控装置包括话筒、分析固件，以便类似于用来开发Leicester咳嗽监控器的方法检测、分析和解释咳嗽频率。装置经使用无线电频率和/或蓝牙传输的网络将包括咳嗽频率的相关分析结果通信到计算机，并且原始数据经蓝牙、无线或USB连接下载到计算机。该装置可以例如经USB连接或感应板被再充电。分析固件可以被更新，以便基于例如年龄、带有异常咳嗽频率成分的疾病（例如，哮喘、支气管炎、鼻炎、结节病、COPD、囊性纤维化及其他）、异常咳嗽频率概况和持续时间、以及警告阈值，为个体人口统计使用适当算法。
可以是Leicester咳嗽算法的咳嗽检测算法基于隐马尔可夫模型，以便表征时变模式的频谱性质。咳嗽的所选检测包括类似于语音识别中使用的声音剖面定点途径，其中目标是在连续声音的序列中检测具体声音模式的发生。使用下垂依靠在胸腔上的非常弱的话筒，而不是在Leicester咳嗽监控器中的灵敏话筒，相对于非咳嗽信号（例如，车门撞击）产生优秀的咳嗽特征检测，允许咳嗽和非咳嗽声音的自动计分。
该装置可以基于每个人类人口统计学概况（年龄、尺寸、性别等）的每个疾病的文献咳嗽频率，使用一组默认设定的检测算法。咳嗽包括随时间推移为每个人用相对幅度和频率收集的个体爆发性声音。该数据可以被用来训练咳嗽声和音频背景声的特征的统计学检测模型。额外地，可以用进一步精制的检测、阈值和来自计算机系统的分析例行程序更新固件。
每时间单位每人的咳嗽被测量并与对照和慢性咳嗽患者比较，用于健康咳嗽范围和表示失去健康范围咳嗽频率的警告范围。图3是展示了用于咳嗽检测的患者最优化检测、趋势和训练固件的操作的简化流程图。
根据一个或多个实施方案，电话还可以被用作监控和评估系统的部分。陆地线路或手机可以被用作输入装置，用于为检测恶化事件的前导指标的目的检测症状、替代标记或其他生物统计学测量值（症状、替代标记或在此称为的生物统计学的其他生物统计学测量值）。输入测量值分析包括生物统计学的ah hoc检测，并且该ah hoc检测用于纵向分析来自个体或同辈人口标准的改变。
例如，呼吸和谈论标准评估语句的20秒音频捕捉可以被分析，例如幅度、间距、呼吸缩短、语音节奏，并与作为个体的恶化症状的前导指标的人群和个体基准比较。该类型的检测可以在患者是儿童，并且主要护理监护人不能为身体上观察或倾听儿童的恶化症状的情况下是尤其有用的。如果儿童患者，例如在外过夜，则使用该远程音频或视觉评估比尝试训练在外过夜者的父母查看恶化症状的某人需要的全部观察技能更简单。
电话输入包括音频、视频、运动或活动的片断，并且该信息被发送到远程系统以便分析。使用间距和幅度干扰特征的话音分析，以及谐波对噪声比率的一组测量提取自所传输的语音文件。使用包括由http://www.voxpilot.com开发的那些的已知方法，特征被提取并且被分类。这些特征组被用来试验和训练自动分类器，采用隐马尔可夫建模和线性判别分析。幅度干扰特征证实在信道传输中最鲁棒。
将联系以下描述的信念观察展示：评估和监控观察怎样被用来通过护理网络作用建立执行概率、通信类型和消息/支持优先权的实例。
所观察的六个原型信念（以及它们在美国人口中的分布）是：
可靠的（18%）：
核心信念：医生最好地了解，并且我将为我的健康做正确的事
需要医生告诉我怎么做
默认活动：积极且主动朝向治疗计划
专家——首先使我信服（20%）：
核心信念：没有人正在做任何事帮助我
需要在采用治疗之前信服其是有效的
默认活动：研究替代方案并共享信息
迷信的——精神高于物质（15%）：
核心信念：我是积极的并且健康生活，我很好
需要认识到仅生活得更好是不够的
默认活动：集中在维持积极的生活改变（并且忽略困难事实）
拒绝者——根深蒂固的怀疑者（21%）
核心信念：实际上没有事情是我可以做的，所以我将忽略它
需要认识到拖延管理疾病的后果
默认活动：避免面对疾病
叛逆者——权威人物逆反，活在当下（15%）:
核心信念：权威人物在利用我，并且无论如何我活不长了
需要他们信任的某人纠正他们并给予他们对未来的希望
默认活动：仅努力度过今天
被压倒的——（11%）
核心信念：我不能单独处理该持续过程
需要知道有支持帮助我持续治疗计划
默认活动：努力在日常生活这纳入额外的行为
患者和患者父母的信念大大确定治疗计划采用和遵守。例如，在哮喘中，仅全部人口的约40%满足在急救室（ER）就诊结束时给予他们的处方。然而，“可靠的”信念类型的90%满足在ER中给予他们的处方。<
知道个体的信念类型允许我们设定人们作用于指导消息，并随后由于指导的所述执行将患者的可能健康状态计分的概率。额外地，知道信念类型帮助选择有待被教育的患者与患者家庭所需要的通信消息和支持的最佳类型，并支撑治疗计划的采用。图4A和4B中的表格展示了在亚最佳情况下使用Wards线性判别函数的用于患有哮喘的人们的信念类型分段观察和分析。
使用信念分类可以激发人们采用并支撑对治疗计划的遵守。该信息可以被用来在缺少来自患者或患者护理网络中适当人的直接反馈的情况下，为行动建议被执行的概率计分。图5是展示了对执行概率的信念类型应用的表格，该执行概率用于对所建议的缓和行动的可能顺从性的启发式计分。
裁制内容的简单实例包括行动消息，该消息包括与为“专家”型的人的动作指令一起的参考。容易在指令后变得关于详情可知的该能力将执行指令的可能性提高35%。在“被压倒的”类型人（例如，患有哮喘的儿童的单亲母亲）的情况下，添加提倡者或帮助者进入他或她的护理网络，以便帮助执行，将执行的可能性提高40%。
依据缓和执行的概率的行动还可以包括给患者的行动消息的不同数目、频率和宽度和/或接收行动消息的患者护理网络中的人数。例如，患有哮喘的十几岁少年的低概率执行导致系统向父母以及患者发送指令。
用户装置106可以包括各种计算机装置，包括可以被用来从电话、家庭、学校和患者常去的其他环境访问患者数据，例如个人日程表和日历和个人日记、健康历史和日志的互联网启用装置，例如个人计算机、游戏控制台、智能电话、个人数字助理等。这些装置具有单向或双向通信的能力，以便访问来自患者的事件数据馈给亦或向患者报告返回警告活动馈给。
移动智能电话装置108可以包括音频和/或视觉异步或同步的通信装置，例如带有话音、文本和/或智能电话能力的电话。其还可以是无线计算机平板或无线游戏控制台。这些装置具有单向或双向通信的能力，以便访问来自患者的事件数据馈给亦或向患者报告返回警告活动馈给。
移动装置或笔记本计算机110包括音频和/或视觉异步或同步的通信装置，例如无线笔记本计算机、计算机平板或无线游戏控制台。这些装置具有单向或双向通信的能力，以便访问来自患者的事件数据馈给亦或向患者报告返回警告活动馈给。
私有或公共信息服务器112可以包括私有或公共原始数据、所挖掘数据、可视化和趋势图的各种来源。服务器可以被用来访问通过监控本地状况获得的暂时环境数据，包括本地空气质量、过敏原水平、温度、普遍大气状况或地理信息系统。暂时环境数据还可以包括宏观水平趋势，例如恶化峰和疾病暴发以及其他相关灾难。
私有或公共信息服务器装置可以包括用于访问患者团体信息（例如团体护理网络、日历）的本地或远程存储的应用，并执行报告和通信功能。
用户装置102、104、106、108、110中的每一个都包括网络接口，该网络接口包括通过单向或双向字母-数字寻呼业务、话音业务、互联网声传协议（VoIP）、拨号和宽带互联网访问、以及其他合适通信业务到通信网络114的同步或异步连接。通信网络114转而联结用户装置和用于慢性病管理系统服务器100的早期告警系统。
图6是展示了根据一个或多个实施方案，慢性病管理系统100的示例性组成模块的简化框图。如前面描述，该慢性病管理系统100在通信网络114上与多个装置102、104、106、108、110和112远程通信。
来自用户装置102、104、106、108、110和112的事件馈给经事件分析程序和队列202进入慢性病管理系统100。该模块通过验证、确认、关联（与正确的患者概况）和随后的时间戳记该事件，来预处理每个进入事件。其然后在事件队列中向每个事件分配处理优先权，并为处理将该事件队列转发到事件处理引擎204。
事件处理引擎204具有与决策支持系统和查找表206的双向通信。由决策支持系统和查找表206接收的事件被算法地起作用，并基于它们的背景，适当计算被执行以便生成结果，该结果被发送回到事件处理引擎204。决策支持系统206依靠来自两个存储，即概况存储208和事件存储210的信息。这两个存储将在下面首先被描述。
概况存储208容纳个体患者以及称为团体的患者群体的概况。注意团体不同于患者护理网络的团体。
例如，患者John（约翰），8岁，具有由母亲、父亲、临时照顾幼儿者、祖母或外祖母、老师、教练和学校护士所代表的护理网络。这代表单个患者和他的护理网络。在此情况下最终用户主要地是患者的护理网络，并且次要地是患者自身。在其中患者是如17岁的女孩（与8岁男孩John（约翰）相反）的替代情况下，主要最终用户将是患者自己，并且次要用户是她的护理网络。
另一方面，代表团体的患者群体可以是例如由感兴趣最终用户（如健康保险公司）鉴别的，在一组预选邮政编码中的学校住宿或上学的，并在预选年龄范围之间的，全部“未受控制”哮喘的，全部具有大于28的体重指数的十几岁少年的预选群体。这是典型团体的概况，在该情况下，最终用户是以最大化总体生活质量并最小化保健成本为目标的、尝试紧密监控该团体的健康保险公司。
因此，个体患者和团体这二者都具有存储在概况存储208中的概况。
根据一个或多个实施方案，每个概况是包括一组标量特征的向量，该标量特征的每个转而存储捕捉基础患者或团体的模式或签名的关键数据。可以使用各种降维算法，例如主成分分析、聚类和曲线拟合从原始数据提取特征。概况然后基于时间特征被暂时地操纵，使用加权向量加法更新，该方法采用各种距离测量例如Euclidean(欧氏)距离或Mahalanobis（马氏）距离。
概况存储208还容纳个人特定的提示和行动查找库。基于当前事件输入、当前用户和当前情况，适当的提示和行动从概况存储被提取，并发送到决策支持系统和查找表206模块用于进一步处理。个人特定提示和行动的实例在下面给出。
提示：清洁空气净化器的过滤器
提示：将吸入器放入背包。
行动：在运动前15-30分钟喷柳丁氨醇吸入器2次
行动：温度<55F，如果在外面多于10分钟则用围巾罩住嘴
警告消息的适当性由来自计分启发法的缓和消息健康分数确定，并为缓和行动消息的日程常态和压力由健康计分和生活质量（QOL）等级来分级。例如，用于和中等霉菌与寒冷期间的剧烈运动相关联的风险概率的缓和的四个可能消息在图7的表格中被列出。用于消息的QOL分级包括日程常态值（正常=0，中断=-2，并且消除=-4）和sigma生活质量值（无sigma=0，低sigma=-1，中等sigma=-2，并且高sigma=-4）。该分级与健康分数组合，以便给出合成的消息级别值。系统使用该消息级别值确定可能的四个消息中哪个消息发送到个体。
首先的两个缓和消息具有相同的最终消息值分数，并通过比较每个消息的合计QOL值（0对比-4）被进一步级别排序，以便用最佳QOL值选择带有最高消息值的缓和消息。
在该实例中，每个消息都包括消息内容、消息类型（个人的或通用的）、消息子类型（行动或提示）、消息缓和健康分数、以及消息QOL等级（日程常态和特征）。
系统在数据库中存储全部所计算的潜在消息，并且这些消息可用于报告目的。然而，我们经通信网络114向行动分配器212发送带有最高级别值的消息用于分配。
决策支持系统和查找表模块206是该系统的心脏。如先前提及，其从事件处理引擎204接收输入，通过使用来自概况存储208和事件存储210的适当支持数据处理该输入，以便生成一个输出，该输出作为反馈到用户的行动被发送回到处理引擎204用于进一步处理和最终传输。
患者概况特征向量中特征的实例可以由以下构成，但不限于=[年龄、体重、性别、身高、家庭邮政编码、学校邮政编码、学校邮政编码、哮喘损害评估设定、哮喘对照评估设定、哮喘触发设定、哮喘共病状况设定、近期疾病史设定、近期生活质量设定、患者本地暂时状况设定]。
如在图8中所示，通用概况更新方案300是，新患者概况306=(旧患者概况302,暂时患者概况304)的函数，其在图8中被示作简单向量加法。
因此考虑用于患者的部分概况的实例，即[15yrs、110lbs、男性,64”、02138、02239、高、中、中、中、中、无、良好、良好]，其映射到上面的概况纲要，即[年龄、体重、性别、身高、家庭邮政编码、学校邮政编码、学校邮政编码、哮喘损害评估设定、哮喘对照评估设定、哮喘触发设定、哮喘共病状况设定、近期疾病史设定、近期生活质量设定、患者本地暂时状况设定]。
现在假设两个新颖事件为该患者进入系统：（1）从报告下周在学校有学校考试的患者在线日历；以及（2）从报告哮喘触发对于患者居住的区域正在峰值的天气服务。
基于该新信息，两个相关规则激发，即，（1）如果在当前迭代中从患者的学校日历获得的反馈表示具有“在下周中的学校考试”，则将患者的近期生活质量设定从良好改变成平均；以及（2）如果在当前迭代中从与患者的家庭和学校周围有关的天气服务获得的反馈表示“哮喘触发对于该区域正在峰值”，则将该患者的哮喘触发设定从中改变成高。
注意规则可以是脆弱的、模糊的、概率的或非概率的、带有或没有时间分量的。
因此用于该患者的更新概况是[15yrs、110lbs、男性、64”、02138、02239、高、中、中、高、中、无、平均、良好]。
基于该更新概况和随后的患者分数降低，一组新的相关行动和提示为反馈被发送到患者，例如：
提示：（到患者的护理网络）
在下周中向患者提供低压力环境
提供积极强化和支持
行动：（到患者的护理网络）
对于邮政编码xxxx的高水平哮喘触发：不显著地但紧密地监控患者医疗方案遵守。
相似地，团体概况特征向量中特征的实例可以由以下构成，但不限于=[团体邮编设定、团体人口概要统计设定、团体爆发概要统计设定、团体疾病趋势设定、团体集群变化设定]。
如在图8中示出，通用概况更新方案300是，新团体概况310=(旧团体概况306、暂时团体概况308)的函数，这在图8中被示作简单向量加法。
事件存储210为系统中患者和团体概况的全部整体容纳历史事件的纵向数据库，其是捕捉患者或团体概况活动的历史事件日志的子系统。其在它的设计中利用工业标准相关的和混合的对象关系数据。目标是聚集事务数据进入较长的时间规模，以便支持在线分析处理（OLAP），以及全部种类的静态分析、可视化、制图、取向和数据挖掘。数据的多个时间规模也被支持，以便适应范围从近实时趋势到以每日、每周、每月、每季度和季节性的频率更新/改变的数据的数据。除了不同数据库中数据的时间/频率维度分割之外，还具有根据原始子实体的数据项的分组，其中这些数据项在患者和团体级描述。
事件存储210还容纳非HIPAA（健康保险流通与责任法案）内容通用提示和行动库。基于当前事件输入，当前用户和当前情况，适当的提示和行动从事件存储被提取，并发送到决策支持系统和查找表206模块用于进一步处理。提示和行动的实例在下面给出。
提示：在冬天将温度降低到67度
提示：在厨房和浴室中使用排气扇
提示：不允许在你的家庭、轿车中或你周围吸烟
提示：确保没有人在儿童的日托中心或学校吸烟
提示：尝试离开强烈气味和喷雾，例如香味、滑石粉、发胶、油漆、新地毯、或碎木板。
行动：在地点邮政编码XXXXX的高哮喘触发
行动：由于天气因此为患有受损肺功能的人减少在外活动
行动：在空调车中乘车往返学校
决策支持系统和查找表206模块从事件处理引擎204接收输入，通过使用来自概况存储208和事件存储210的适当支持数据处理该输入，以便生成一个输出，该输出作为反馈到用户的行动被发送回到处理引擎204用于进一步处理和最终传输。。
包括用于患有哮喘的15岁儿童和她的实际世界护理网络（母亲和足球教练）的所选基于作用的行动消息的实例如在图9中所示的用于儿童的一系列iPhone智能电话消息中，以及示作“#1风险因素”，定位在图9中所描绘的iPhone屏幕底部的用于教练的通用提示消息中被描绘。
在该实例中，Wendy（温迪）具有以运动、霉菌过敏触发的受控制的轻度持续变应性哮喘，并具有三种药物治疗（柳丁氨醇救援吸入器、糠酸莫米松控制器药、以及氯雷他定过敏药）。对于该实例，Wendy（温迪）的护理网络由她的监护人（Wheezer（惠泽尔）女士）、Wendy和她的足球教练构成。
Wendy（温迪）的个人概率分度从她的诊断对于个人最佳被设定在100。
实际世界想定是她明天踢客场足球赛，并且以下触发负担为她明天的比赛被鉴别：引起哮喘的运动（负担分数=12），中等风和霉菌（负担分数=6），以及空气质量低劣（负担分数=6）。
Wendy（温迪）的开始启发式健康概率分数是98，并在减去24点之后，Wendy的概率分数（74）将她置于想象的明天哮喘发作的高风险。
基于她的行动计划的潜在缓和通过它们的缓和值被级别排序，并且顶部缓和行动（与相关联提示一起）被鉴别。每个消息都具有向其分配的一个或多个作用（监护人、患者、保健提倡者、见习提倡者和发起人）以便鉴别护理网络（Wendy（温迪）、主监护人和教练）分布目标。
图9的实例消息用想象的哮喘健康概率图中的伴发改变展示了可能的哮喘健康、行动消息和关于行动的反馈。
根据一个或多个实施方案，个人化模型可以被包装进入小程序，并与个体化观察和一个子组的个人化数据/消息一起被安装在本地装置（例如，智能电话）上用于存在于本地数据存储，并独立于到该引擎的网络连接操作。本地模型小程序可以在不连接到全部引擎的情况下分析并响应于随后的信息输入、反馈和装置输入，并且在网络连通性是可用时，从本地数据存储更新远程数据库，或由远程引擎更新本地个人化模型小程序。
决策支持系统和查找表206模块连同概况存储208和事件存储210将基于反馈环的模型预测性控制方法学400编码，如在图10中所描绘。
模型预测性控制方法学400是用来为慢性病管理提供早期告警的基本反馈策略。在特定实施方案中，希望的控制设定点范围，还称为患者的总触发负担被首先建立。例如，在哮喘中该系统利用分离的哮喘损伤（症状、SABA（短效B受体激动剂）使用和肺部功能）和风险因数（恶化频率、恶化严重性和治疗副作用）评估、个体人口统计状况、以及触发灵敏度修改量，以便构造个体的相关哮喘触发负担的模型。来自电子的和人工输入来源的可用数据输入被用来从每个参与成分和一个或多个的个体化触发负担修改量计算个体的触发负担。触发负担成分具有基于来自治疗患有慢性病的患者的从业者的临床文献数据和知识的它们自己的统计学计算和专家规则。这些触发负担计算被聚集以便建立总触发负担数，该总触发负担数被规格化成围绕健康正常生活方式直到高风险的疾病恶化事件的边界范围。该边界范围具有三个区域：没有对正常生活方式的预期副作用的聚集触发负担、其中行为不应被修改以避免或减少另外的一个或多个触发负担添加物的聚集触发负担和趋势、以及可能将个体置于恶化事件的风险的聚集触发负担。在哮喘实例中，聚集触发负担组成数被规格化，以便配合从良好哮喘健康日到非常恶劣哮喘健康日的计算范围的25点规模。总计算触发负担从个体正常“良好日”健康数（100）减去，该健康数为该个体、人口统计状况和NIH（美国国立卫生研究院）查找表通过哮喘严重性对照健康个体被校准。该模型被进一步校准，因此试验组的想定为预测良好日（100-80）[绿区]、警告范围（80-75）[黄区]、以及可能哮喘损伤（低于75）[红区]给出适当值。用于哮喘的个人化范围校准的实例在图14中被给出。
将预测性系统个人化包括被用来建立个体特征、他们的疾病概况和相关位置的一系列人口统计的和诊断的，以及日程表的数据。该信息由预测性引擎用来建立个体化健康概率范围、一个或多个的个人化触发负担计分模型、个人化触发缓和行动消息组、以及患者的护理团体行动者。
例如，在哮喘中，系统通过修改默认健康参考范围来建立个体化参考范围。该范围或y轴包括25点默认规模，并被设定成三个区域：用于低概率哮喘事件的20点绿区、用于中等概率哮喘事件的5点黄区，以及红区的低于75表示哮喘事件的高概率。
图11是展示了示例性哮喘概率范围和恶化风险的图表估计的图表。
该默认风险范围由哮喘控制状态、共病，以及如果已知，个人最佳测量值个人化。例如，在图11中，在哮喘的情况下，仅绿区的顶部被个人化，并且其他参考范围值被固定。在该图表中，绿色是低概率的哮喘事件，黄色是中等概率的事件，并且红色是高概率的事件。
建立Y轴参考范围值
初始建立范围顶部设定
a.肺活量测定法确定的个人最佳作为正常肺功能的百分比。
b.控制的哮喘状态=100
c.未控制的哮喘状态=95
修改量实例
a.如果患者吸烟，则默认在85开始
b.如果患者患有肥胖症作为共病，则对于儿童将20点绿色范围减小10%，对于妇女减小12%，或对于男人减小8%
c.如果患者患有GERD（胃食管反流病）食管反流病），则将绿色+黄色范围减小25%
d.如果患者患有呼吸道感染，则将绿色范围减小50%
将用于哮喘的三个区域个人化还使用来自以下的范围输入
a.基于医生建议设定风险范围
b.使用肺活量测定法测量装置设定范围
c.从患者反馈设定范围区域（黄色=更恶劣的症状，并且红色=哮喘发作）。所计算的每日y轴数可以被用于所绘制的分数值和它们的反馈，风险范围为该反馈与该分数值相关联。这不同于使用反馈以便将灵敏度调整到模型中的所计算的触发负担。
作为怎样建立范围的实例，我们将使用患有受控制哮喘，没有个人最佳的近期肺活量测定法测量值，并患有GERD的患者。范围的顶部被初始设定在100，并且我们然后减去绿色范围的四分之一（25-6），以便用绿色范围的顶部94结束。
我们在一个或多个实施方案中，NAEPP准则用于定义受控制哮喘和未控制哮喘（图1b）。在这些准则中，如果儿童的护理者报告以下标准中的任何一个，则儿童被分类为患有未控制哮喘：（a）症状>每周2天；（b）在过去4周期间的任何晚上由症状惊醒；（c）由于损伤或健康问题的任何活动限制（在种类或数量上）；或（d）救援吸入器使用>每周5次。所有其他儿童被分类为患有受控制哮喘。（参考文献：Assessment ofControl in Asthma:The New Focus in Management（哮喘中控制的评估：管理中的新热点）.S.K.Chhabra（贾布拉）;The Indian Journal of Chest Diseases&Allied Sciences（印度胸部疾病及相关科学杂志）,2008;卷50,109)）<0}?<0}{0>
在该实例中，我们使用Bayesian（贝叶斯）方法计算患有呼吸道感染的个体的概率，代替感染的直接信息。在流感和感冒季节期间高概率的呼吸道感染促使系统为哮喘行动计划鉴别的消炎药传信。
系统引擎然后为使用脆弱亦或模糊规则的相关位置，或使用周围环境触发测量值（例如，空气质量、寒冷、湿度、霉菌和风）的暴露模型计算聚集通用哮喘触发负担。通用聚集位置触发负担可以由系统用来将非PHI（个人健康信息）警告发送到适当的行动者。例如，教练可以接收聚集呼吸负担在明天的比赛位置为高，并且患有哮喘的选手应适当执行哮喘行动计划指令的消息。
该通用触发负担然后用个人特定信息被扩大。例如，哮喘的类型（变应性的或非变应性的）、预定暴露的持续时间、以及在外活动的精力都为特定个体修改通用哮喘触发负担。图12的示例性表格为患有哮喘的人们列出了基于臭氧诱导的呼吸负担的这些个人因素的启发式分数和触发负担减少的效果。
每个触发负担都具有建议适当缓和行为的一组行动消息。这些行动消息由它们的健康负担缓和效果和生活质量影响被级别排序。如在图9中，最高值的消息然后被发送到的适当行动者。
控制器（行动建议器）的目标是向患者建议最小化希望的控制设定点范围和预测的控制设定点范围之间的误差，并因此将患者保持在安全范围内的行动。一组个体化告警行动和信息反馈被用来生成经控制（行动建议器）到哮喘患者和他们的护理网络（家庭、学校和护理提供者）的适当通信，以便帮助计划当天，因此该哮喘个体聚集触发负担停留在健康范围内，并且没有预测到在预期的哮喘生命活动的接下来24-72小时进入“高风险的恶化事件”范围内的负趋势线。
该控制器（行动建议器）位于决策支持系统和查找表206中，并且采用一整套知识工程和推论技术，模糊和专家系统规则，Bayesian（贝叶斯网络），统计函数逼近法，以及平、多维查找表。
专家系统规则的实例在下面被给出。
如果家庭邮政分区是城市的，并且，
如果0<年龄<=5岁
则设定放学后室外活动默认值为
室内玩耍=27h/周
室外玩耍=3h/周
过渡时间=5h/周
如果5<年龄<=10岁
则设定放学后室外活动默认值为
室内玩耍=12h/周
室外玩耍=7h/周
过渡时间=7h/周
如果10<年龄<=17岁
则设定放学后室外活动默认值为
室内玩耍=14h/周
室外玩耍=5h/周
过渡时间=7h/周
否则报告（“年龄在范围之外”）。
函数查找的实例在图13中被提供。基于该查找，1-秒用力呼气量和臭氧浓度之间的关系基于患者是否沉迷于非常重度的运动、重度运动、中度运动、或轻度运动，使用4个不同的函数，F1到F4。在此情况下，该表示采取代数函数的形式。代替具有函数表示，人们可以为臭氧计分启发法使用非函数的、平面的查找表（如在图12的表格中所给出）。这是表示的第二形式。
还有多种情况，其中函数或非函数查找表由更高次的概率函数叠加，以便纳入季节性，即以便说明由于季节变化，基础函数周期性增大和减小。在此情况下，平面查找表中的全部值视情况乘以正或负权重，以便为所讨论的给定变量例如臭氧（空气质量指数）在某个日历月期间与该年其余时间相比强调或削弱效果。
控制器（行动建议器）的典型实施方案包括以下特征：
-处理稀少或丢失的数据，并且选择代表捕捉基础过程动态的暂时操作的性质的过程特征变量；
-模型和模型在线调谐的方法中可调整的参数的定义；
-经症状相关的手动或自动数据馈给和装置原始数据馈给监控系统；
用于模型性能的周期性评估的方法，在线统计模型的反馈和随后校准的应用。
来自控制器的行动经到多个用户装置102、104、106、108、110的适当输送机制被最终发送到患者，并被发送到患者模型这二者，即位于概况存储208中的患者概况。
基于该行动，患者生成新的患者输出，其与所生成的下个新事件一起导致下个预测控制设定点范围的预测，这然后导致整个循环重复它自身。
来自事件处理引擎204的行动馈给被路由到可视化、制图和传信引擎212。给定事件输入的背景、由事件处理引擎204生成的用户类型和行动类型，图形、趋势图和消息的适当行动馈给报文在该水平被编译以便向前传输到用户。
行动分配器214从可视化、制图和传信引擎接收行动报文，并将其放置在用于向用户传输的队列中。基于用户类型和用户装置类型，其在预定输送到用户之前将合适的配置包装应用到行动馈给报文。图14示出了如输送到用户装置的行动馈给500的实例。行动馈给图像502示出了为患者Wendy（温迪）、她的护理群体列出今天行动的屏幕，一个图表示出了今天她的健康数和下一天的预测数，以及下一天的最高风险。同样可见的是前一天的历史，以及下一天的预期屏幕。注意因为前一天由于是患者的健康数在安全的绿区内的日子因此着色为绿色，所以这些按钮是彩色编码的。类似地，因为预测患者的健康数被预期降入不安全区，即其中哮喘恶化风险为高的红区，所以下一天的按钮被着色为红色。同样，在任何时间，Wendy（温迪）可以通过适当按钮访问她的行动计划，或得到带有快速参考或她的紧急联系的屏幕。行动馈给图像504示出了患者遵循由行动屏幕502建议的行动的效果（即用药，也就是Claritin）。注意，因为健康数现在被预测从先前预测的高风险红区升高到中等风险黄区，所以该行动的完成和通过检查框的该行动的适当反馈通信导致即将到来日子的预测改变。
向患者发送的消息可以由文本、话音、音频和/或图像构成。接收者可以选择他们偏好的消息形式因素（例如，话音对文本）。额外地，该系统可以选择形式因素和内容。例如，消息内容和格式改变由系统为消息选择，该消息与暴露于过敏原敏感患者的高度外界过敏原关联。在室内时停止摄取过敏原一次的对母亲的指令是：“在晚上从外面进入时清洗手&脸、擤鼻子、以及换衣服。”在患者6岁时，该指令消息作为文本被发送到患者。然而，如果他们是14岁，则该消息还被发送到患者。发送到14岁的消息由图像伴随，该图像包括他们的团体图标图片的位减图像，该图像表示他们的不希望的覆盖花粉身体激励他们执行所建议的行动（图15中的实例）。
消息内容还可以被裁制成接收者的信念类型。例如，向类型消息接收者信念使用Ward的信念观察，带有可靠信念概况的个人接收指令消息，而带有专家信念类型的个人接收指令消息和到额外内容的参考链接，或到探究为什么该行动被建议的信任专家来源的URL（例如，http://www.webmd.com/asthma/guide/asthma-treatment-care for asthma）。
传信的另一方面是理解、预测和说明患者响应于由系统向他们发送的消息所期望的反馈类型。引擎可以接收关于行为的信息，该行为基于人口概率并基于个体纵向被建模，以便建立风险和相关联缓和消息。例如，电话使用和晚间在线游戏活动包括从十几岁少年和青年人中的治疗计划遵守预测假日风险的模型。下面的实例包括监控来自外向的囊性纤维化患者的文本消息数目，并为内向的囊性纤维化患者监控在线游戏上的小时数。图16中的两个示例性图表示出了内向对比外向十几岁少年的情况，两人都需要被分离处理以便提高最大化恢复他们对其方案的遵守的概率。
在外向的情况下，持续多于一天的发送文本的>20%的增加与疾病管理计划遵守的概率的显著降低相关联。注意不遵守的高风险的外向者护理团体可以导致成功干预以便使该个体遵守。
在内向的情况下，将每周日10分钟游戏时期的数目加倍与增加的不遵守风险相关联。该信息可以被发送到促进适当干预以便使他们遵守的他们的护理团体。
这样的概率子模型的利用是该系统的一个方面。
用户接口系统的另一方面是教育，这是警告的成分和对反馈的响应。根据一个或多个实施方案，教育成分由用户经网站和个人移动电话可访问。训练家庭、儿童和与医疗团体无关的其他人关于怎样用药、关于触发负担做什么、以及怎样管理一个或多个基于家的医疗安全地点是重要的。例如，关于怎样管理一个或多个基于家的医疗安全地点的周期性警告允许模型将允许哮喘儿童的身体降低触发的身体剂量，并将触发再引入基于家的医疗安全地点最小化的积极效果正确计分。例如，暴露于过敏原的人们应洗手、擤鼻子，并且如果被授权，则换衣服以便停止再引入过敏原进入他们的系统和他们的基于家的医疗安全地点。额外地，改变HEPA（高效空气粒子过滤器）空气净化器上的过滤器和HEPA真空净化器上的袋子可以对维持关于医疗安全地点的积极效果的合适修改量是重要的。
教育的重要性的另一实例是吸入器的合适使用。该模型假设药物的50%吸入器剂量输送到肺部。吸入器的低劣使用可以消除多于90%的深入到达肺部的剂量。因为吸入器的积极效果在模型中被过度计算，所以该错误可以使预测性模型失真。额外地，不能吸入完整剂量的药物可以被解释为低劣的哮喘控制，并且医生可以不必需地增加药物剂量，导致更多的药品副作用和/或儿童的长期健康效果。
例如，在哮喘教育组成中可以包括：
1.吸入器和长期作用控制药物的使用
2.关于所写入哮喘行动计划的两个方面的更大强调——（1）日常管理，以及（2）怎样辨认和处理在恶化的哮喘。
3.家庭医药安全空间指示。
4.合适行动以便减少触发负担的重要性。
5.如果使用装置，怎样使用装置和怎样读取装置。
6.解释所书写的行动计划。
因此，考虑三个基本过程流程，即，1、在由访问系统的患者触发时，2、在由新事件的发生触发时，以及，3、在由预定时刻的发生触发时。一旦个人化模型用患者人口统计资料、疾病诊断、治疗计划、以及复现个体日程表（包括家庭、工作和学校日程表）被设立，该系统能够在延伸时期（数天到数个月）在没有来自患者或他们的护理网络的进一步输入或反馈情况下预测并发送带有缓和建议的告警消息。在哮喘实例中，这些个人化默认模型能够预测并做出关于触发负担的建议，该触发负担占患有哮喘的儿童的恶化事件的三分之一。
在第一情况下，当患者访问系统（拉动）以便报告新事件，亦或从系统简单得到最当前的反馈时，过程流程被触发。如果该患者正巧是新患者，则病史问卷和患者轴校准模块在开头被执行，用于创造该患者的定制概况和健康设定点分数范围。如果患者不是新患者但已访问系统以便自报告新事件，则患者的概况被访问，新分数被计算，并且基于患者当前分数的新报告（带有所定制的提示、行动、可视化、教育片段、趋势和统计）被生成并传输到该患者。
在第二情况下，过程流程由新事件的发生简单触发。紧接着该新事件发生和该事件向系统报告，过程在数据库中检索受该事件影响的全部患者和团体概况。这些概况然后基于新事件被更新，并且分数为所检索的患者概况的每一个被生成，并且相对应报告被“推送”到患者的每一个。在相关团体概况的情况下，对应概况被更新，但是没有生成分数。代替地，团体报告被生成并报告返回到该概况的适当拥有者（例如保险公司）。
在第二情况下，过程流程由预定时刻的发生简单触发。基于需要，确定为特定组的患者或团体运行计算和生成报告的先验。例如，患者可以每周日在中午请求报告返回（因此他们可以计划他们的学校周），或健康保险公司可以请在每季度的结束请求关于预定特定类型健康计划的他们患者的特定群体（团体）的报告。在这些预定时间和日期的发生，过程检索所有相关患者和团体概况。没有概况被更新并且没有分数被生成，但相关报告被生成并传输到对应的拥有者。
根据一个或多个进一步实施方案，激励市场可以为患者和护理者被提供，以便促进患者和护理者的某些行为。
反向拍卖系统可以被提供以便允许护理提供者和护理监护人（例如，父母、学校等）创造：
1.激励，以便使患者修改行为至符合最佳健康运动和治疗行动计划（例如，对恶化触发的中等暴露）。
2.用于护理监护人的激励，以便提倡他们的患者对照治疗计划执行。例如，如果他或她继续儿童的事件日历或将代理监护人加入警告池（例如，招待在外过夜者的父母），则患者可以得到沃尔玛的优惠券或其它奖励。在另一实例中，哮喘儿童的父母可以为年龄较大的十几岁少年创造激励以便与他们的哮喘儿童交往，引导他们在执行他们的哮喘行动计划中自信。
在一个或多个实施方案中，社会网络分析被用来确定专业护理提供者和监护人/伙伴的访问和观察效果。使用社会网络分析（SNA）来鉴别通信集线器是被良好理解的。向护理给予者被频繁接触（电话、会议、电子邮件、文本等）的概况使用SNA可以被用来描绘护士提倡者和其他专业护理给予者对患者和他们监护人的可访问性。额外地，该分析可以被用来描绘志愿者的可访问性，该志愿者与患者和他们的监护人“合伙”，以便帮助他们学习并执行护理计划和健康行为。
可访问性测量可以被用来通过其他手段（例如，观察、关于增加的健康行为的数据，等）选择并测量这些人的效果。
在一个或多个实施方案中，SNA被用来描绘护理给予者和护理提倡者的访问和效果，并与恶劣健康事件的减少相关联。这在其中对教育和劝告的访问可以使结果大大不同的慢性病（例如哮喘）中是尤其重要的。在十几岁少年哮喘患者开始离开并变得独立于他们的父母和监护人时，监控并测量对“同辈哮喘专家”的访问的该能力可以是非常重要的。志愿者，例如年龄较大的有经验的患哮喘的十几岁少年，对开始变得独立于父母和监护人的更年轻的十几岁少年具有许多可信性。SNA工具可以被用来确定哪些志愿者和教育者真正地可访问患者和患者网络中的其他人。额外地，SNA数据可以被用来更好地测量这些人的效果。例如，和恶劣哮喘事件的趋势数比较，与训练者咨询的次数是护理网络工作者的效果或志愿者在教育的效果的度量。
由双方满足通信事件是用于劝告或教育的在未来的重复连接的可能性的度量。根据一个或多个实施方案的系统可以将未来通信引导到对于有效连接计分更高的护理提倡者。
上述技术在软件中被优选实施，并因此本发明的优选实现方式的一个是作为位于可编程计算机的随机访问存储器中的代码模块中的一组指示（程序代码）。直到计算机需要，该组指示可以被存储在另一计算机存储器中，例如在硬盘驱动器中，或在可移除存储器例如光盘中（最终用于CD或DVD ROM）或软盘（最终用于软盘驱动器）、可移除存储装置（例如，外部硬盘驱动器、存储卡或闪存驱动器），或经互联网或一些其它计算机网络进行下载。另外，尽管所描述的不同方法在由软件选择性激活或重配置的通用计算机中被方便实施，但本领域技术人员还认可这样的方法可以在硬件中、在固件中、或在被构造成执行指定方法步骤的更专用的器材中被执行。
已经由此描述了若干展示性实施方案，将理解不同变更、修改和改进将对于本领域技术人员容易发生。这样的变更、修改和改进旨在形成本披露的一部分，并旨在处于本披露的精神和范围内。尽管在此所提出的一些实例涉及功能或结构元件的特定组合，但应理解这些功能和元件可以根据本披露以其它方式被组合，以便实现相同或不同的目标。特别地，连同一个实施方案讨论的动作、元件和特征不旨在从其它实施方案中的类似或其它作用中被排斥。额外地，在此所描述的元件和部件可以被进一步分为额外的部件，或被连结在一起以便形成用于执行相同功能的更少部件。因此，前面描述和附图仅作为实例，并且不旨在受限制。
权利要求书：

Claims (30)

1.一种用于帮助多个患者管理慢性病状况的方法，对于每一个患者，该方法包括：
(a)从该患者或患者护理网络的一个成员接收关于在一段给定未来时期的预期患者活动的信息；
(b)确定在该给定未来时期的该预期患者活动期间该患者的环境中的预期暂时本地周围环境状况；
(c)基于一个希望的患者控制设定点范围、该预期患者活动和该预期暂时本地周围环境状况，使用该患者的一个存储计算机模型预测患者的多个健康恶化；以及
(d)在该给定的未来时间段之前主动向该患者或该患者护理网络的一个成员发送一条消息，该消息向该患者或该患者护理网络的一个成员警示对该患者预测到的健康恶化情况并且为该患者鉴别一个或多个纠正措施，以避免或缓和这些预测到的健康恶化情况。
2.如权利要求1所述的方法，进一步包括基于这些预测健康恶化的有效性、患者行为修改成功、该患者的纵向健康趋势、或来自多个患有相似概况的患者的混杂学问，使用来自研究文献的第一原理或使用来自领域专家的启发式知识校准该患者的计算机模型。
3.如权利要求1所述的方法，进一步包括确定该患者的多个纵向健康趋势，并向该患者或该患者护理网络的一个成员传输关于这些健康趋势的多个报告。
4.如权利要求1所述的方法，进一步包括确定患者的一个团体的聚集的多个纵向健康趋势，并向另一方传输关于该团体的健康趋势的多个报告。
5.如权利要求4所述的方法，其中所述另一方包括一个保健管理员、一个保健网络、一个保健支付者、一个监护人、一个监督监护人、见习提倡者、疾病管理提倡者、一个保险公司、或一个政府机构。
6.如权利要求1所述的方法，其中该患者的计算机模型包括一个患者概况，该患者概况包括有关该患者医疗状况的数据，这些数据是作为临床数据从身体检查、从实验室试验、或作为使用输入装置所收集的内容而获得的，与该患者关联的多个状况相关的恶化触发因素，用于该患者的一个医师提供的管理计划，或与该患者关联的社会学及人口统计数据。
7.如权利要求1所述的方法，进一步包括从由该患者或该患者护理网络的一个成员操作的一个或多个输入装置周期性收集的数据，以便使用生理标准为该患者开发一个定制的基线特征向量，监控该基线中的多个偏差，并基于这些偏差生成一个分数。
8.如权利要求7所述的方法，其中基于一个特征向量中的不同特征的幅度和频率生成该分数。
9.如权利要求1所述的方法，进一步包括为该多个患者的每一个或患者护理网络的一个成员开发警告行动计划，基于负担测量周期性更新该计划，并向该患者或该患者护理网络的一个成员报告该警告行动计划，其中该行动计划被定制以便总体上最小化该希望的患者控制设定点范围和一个预测控制设定点范围之间的误差，以便将该患者保持在一个卫生和健康管理安全范围内。
10.如权利要求1所述的方法，进一步包括在搜索文献中基于一个先验人口分割法确定该患者的信念和人格类型，并基于该患者的信念和人格类型裁制该消息。
11.如权利要求1所述的方法，其中该暂时本地状况包括本地空气质量、过敏原水平、温度、化工品、湿度、风、普遍大气状况、室内环境状况、或暂时的本地化共病爆发状况。
12.如权利要求1所述的方法，其中该慢性病包括选自下组一种疾病，该组由以下各项组成：获得性免疫缺陷综合征（AIDS）、注意缺陷/多动障碍（ADHD）、过敏症、肌萎缩性脊髓侧索硬化症（ALS）、阿尔茨海默氏病、关节炎、哮喘、白塞氏综合征、躁狂抑郁症、支气管炎、心脏扩大、心肌病、克罗恩病、慢性咳嗽、慢性疲劳综合征（CFS）、慢性阻塞性肺疾病（COPD）、充血性心力衰竭、囊肿性纤维化、抑郁症、糖尿病、药物成瘾、酒精成瘾、肺气肿、纤维肌痛、胃食管返流疾病（GERD）、痛风、汉森氏病、猎人症、亨廷顿氏病、高血压病、马凡氏综合征、肠系膜淋巴结炎、多发性硬化、偏头痛、骨髓纤维化、肾病综合征、肥胖病、帕金森氏病、肺尘埃沉着病（肺间质疾病）、肺水肿、肺间质纤维化、肺动脉高压、反应性气道疾病、结节病、硬皮病、系统性红斑狼疮、以及溃疡性结肠炎。
13.如权利要求1所述的方法，进一步包括利用激励方案，以便鼓励患者修改他们的行为至符合最佳健康运动和治疗行动计划，或以便帮助护理监护人提倡他们的患者对照患者治疗计划而执行。
14.如权利要求1所述的方法，进一步包括利用患者警告或对患者反馈的响应，关于患者疾病管理来教育该患者和该患者护理网络的多个成员。
15.如权利要求1所述的方法，进一步包括利用社会网络技术，以便跨多个患者的分段类别采集纵向患者数据，以便更好地理解和优疾病管理宗旨和它们的效果。
16.一种用于帮助多个患者管理慢性病状况的早期告警系统，该早期系统包括与由在一个通信网络上的该多个患者操作的客户端装置通信的一个计算机系统，对于每个患者，该计算机系统被配置成：
(a)从该患者或患者护理网络的一个成员接收关于在给定未来时期的一个预期患者活动的信息；
(b)确定在该给定未来时期的该预期患者活动期间，该患者的环境中的预期暂时本地周围环境状况；
(c)基于一个希望的患者控制设定点范围、该预期患者活动和该预期暂时本地周围环境状况，使用该患者的一个存储计算机模型预测患者的多个健康恶化；以及
(d)在该给定的未来时间段之前主动向该患者或该患者护理网络的一个成员发送一条消息，该消息向该患者或该患者护理网络的一个成员警示对该患者预测到的健康恶化情况并且为该患者鉴别一个或多个纠正措施，以避免或缓和这些预测到的健康恶化情况。
17.如权利要求16所述的早期告警系统，其中该计算机被进一步配置成基于这些预测健康恶化的有效性、患者行为修改成功、该患者的纵向健康趋势、或来自带有相似概况的患者的混杂学问，使用来自研究文献的第一原理或使用来自领域专家的启发式知识校准该患者的计算机模型。
18.如权利要求16所述的早期告警系统，其中该计算机被进一步配置成为确定该患者的多个纵向健康趋势，并向该患者或该患者护理网络的一个成员传输关于这些健康趋势的多个报告。
19.如权利要求16所述的早期告警系统，其中该计算机被进一步配置成确定患者的团体的聚集的多个纵向健康趋势，并向另一方传输关于该团体的这些健康趋势的多个报告。
20.如权利要求19所述的早期告警系统，其中所述另一方包括一个保健管理员、一个保健网络、一个保健支付者、一个监护人、一个代理监护人、一个见习提倡者、一个疾病管理提倡者、一个保险公司、或一个政府机构。
21.如权利要求16所述的早期告警系统，其中该患者的计算机模型包括一个患者概况，该患者概况包括有关该患者医疗状况的数据，这些数据是作为临床数据从身体检查、从实验室试验、或作为使用输入装置所收集的内容而获得的，与该患者关联的多个状况相关的恶化触发因素，用于该患者的一个医师提供的管理计划，或与该患者关联的社会学及人口统计数据。
22.如权利要求16所述的早期告警系统，其中该计算机被进一步配置成从由该患者或该患者护理网络的一个成员操作的一个或多个输入装置周期性收集数据，以便使用生理标准为该患者开发一个定制的基线特征向量，监控该基线中的多个偏差，并基于这些偏差生成一个分数。
23.如权利要求7所述的早期告警系统，其中该分数是基于一个特征向量中不同特征的幅度和频率而生成的。
24.如权利要求16所述的早期告警系统，其中该计算机被进一步配置成为该多个患者种的每一个或患者护理网络的一个成员开发警告计划，基于负担测量周期性更新该计划，并向该患者或该患者护理网络的成员报告该警告行动计划，其中该行动计划被定制以便总体上最小化该希望的患者控制设定点范围和一个预测控制设定点范围之间的误差，以便将该患者保持在一个卫生和健康管理安全范围内。
25.如权利要求16所述的早期告警系统，其中该计算机被进一步配置成在搜索文献中基于先验人口分割法确定该患者的信念和人格类型，并基于该患者的信念和人格类型裁制该消息。
26.如权利要求16所述的早期告警系统，其中该暂时本地状况包括本地空气质量、过敏原水平、温度、化工品、湿度、风、普遍大气状况、室内环境状况、或暂时的本地化共病爆发状况。
27.如权利要求16所述的早期告警系统，其中该慢性病包括选自下组的一种疾病，该组由以下各项组成：获得性免疫缺陷综合征（AIDS）、注意缺陷/多动障碍（ADHD）、过敏症、肌萎缩性脊髓侧索硬化症（ALS）、阿尔茨海默氏病、关节炎、哮喘、白塞氏综合征、躁狂抑郁症、支气管炎、心脏扩大、心肌病、克罗恩病、慢性咳嗽、慢性疲劳综合征（CFS）、慢性阻塞性肺疾病（COPD）、充血性心力衰竭、囊肿性纤维化、抑郁症、糖尿病、药物成瘾、酒精成瘾、肺气肿、纤维肌痛、胃食管返流疾病（GERD）、痛风、汉森氏病、猎人症、亨廷顿氏病、高血压病、马凡氏综合征、肠系膜淋巴结炎、多发性硬化、偏头痛、骨髓纤维化、肾病综合征、肥胖病、帕金森氏病、肺尘埃沉着病（肺间质疾病）、肺水肿、肺间质纤维化、肺动脉高压、反应性气道疾病、结节病、硬皮病、系统性红斑狼疮、以及溃疡性结肠炎
28.如权利要求16所述的早期告警系统，其中该计算机系统被进一步配置成向患者提供激励，以便鼓励患者修改他们的行为至符合最佳健康运动和治疗行动计划，或以便帮助护理监护人提倡他们的患者对照患者治疗计划而执行。
29.如权利要求16所述的早期告警系统，其中该计算机系统被进一步配置成利用患者警告或对患者反馈的响应，关于患者疾病管理为该患者和该患者护理网络的多个成员提供教育。
30.如权利要求16所述的早期告警系统，其中该计算机系统被进一步配置成利用社会网络技术，以便跨多个患者的多个分段类别采集纵向患者数据，以便更好地理解和优化疾病管理宗旨和它们的效果。
CN2011800139146A 2010-01-21 2011-01-21 用于慢性病管理的早期告警方法和系统 Pending CN102971755A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US29715110P 2010-01-21 2010-01-21
US61/297,151 2010-01-21
US29874010P 2010-01-27 2010-01-27
US61/298,740 2010-01-27
PCT/US2011/022078 WO2011091268A2 (en) 2010-01-21 2011-01-21 Early warning method and system for chronic disease management

Publications (1)

Publication Number Publication Date
CN102971755A true CN102971755A (zh) 2013-03-13

Family

ID=44307603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011800139146A Pending CN102971755A (zh) 2010-01-21 2011-01-21 用于慢性病管理的早期告警方法和系统

Country Status (6)

Country Link
US (1) US20110184250A1 (zh)
EP (1) EP2526524A4 (zh)
CN (1) CN102971755A (zh)
AU (1) AU2011207344B2 (zh)
CA (1) CA2787624A1 (zh)
WO (1) WO2011091268A2 (zh)

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462858A (zh) * 2014-12-30 2015-03-25 天津迈沃医药技术有限公司 基于多阶隐马尔可夫模型的健康预警方法
CN105335804A (zh) * 2014-08-06 2016-02-17 北京计算机技术及应用研究所 一种社区卫生服务系统
CN105342555A (zh) * 2015-09-09 2016-02-24 曹宏 糖尿病患者综合评估方法
CN105830112A (zh) * 2013-10-17 2016-08-03 瑞士再保险有限公司 用于重大疾病风险的风险共享的参数系统及其相应方法
CN105899128A (zh) * 2014-01-22 2016-08-24 加州理工学院 基于固有频率的胰岛素耐受性的测定
CN106815477A (zh) * 2017-01-17 2017-06-09 泰康保险集团股份有限公司 过敏预警的方法、系统及终端设备
CN107180152A (zh) * 2016-03-09 2017-09-19 日本电气株式会社 疾病预测系统及方法
CN107277763A (zh) * 2017-05-05 2017-10-20 中国科学院深圳先进技术研究院 一种传染病防控方法及系统
CN107451390A (zh) * 2017-02-22 2017-12-08 Cc和I研究有限公司 用于预测慢性阻塞性肺疾病急性加重的系统
CN107995992A (zh) * 2015-07-27 2018-05-04 谷歌有限责任公司 使用递归神经网络分析健康事件
CN108135534A (zh) * 2015-08-26 2018-06-08 瑞思迈传感器技术有限公司 监测和管理慢性疾病的系统与方法
CN108614885A (zh) * 2018-05-03 2018-10-02 杭州认识科技有限公司 基于医学信息的知识图谱分析方法及装置
CN108780663A (zh) * 2015-12-18 2018-11-09 科格诺亚公司 数字个性化医学平台和系统
CN108937866A (zh) * 2018-06-29 2018-12-07 出门问问信息科技有限公司 睡眠状态的监测方法及装置
CN109222976A (zh) * 2018-08-15 2019-01-18 遵义市第人民医院 一种慢性阻塞性肺病的检测方法
CN109414178A (zh) * 2016-05-03 2019-03-01 精呼吸股份有限公司 用于肺部健康管理的系统和方法
CN109637669A (zh) * 2018-11-22 2019-04-16 中山大学 基于深度学习的治疗方案的生成方法、装置及存储介质
CN111356993A (zh) * 2017-08-03 2020-06-30 拉杰拉克什米·迪比亚乔特·博尔塔库尔 用于预测及管理慢性疾病的可穿戴设备和物联网网络
US10825554B2 (en) 2016-05-23 2020-11-03 Baidu Usa Llc Methods of feature extraction and modeling for categorizing healthcare behavior based on mobile search logs
CN111937085A (zh) * 2018-03-06 2020-11-13 怡素数字健康有限公司 关于或与心理简档有关的改进
CN112244786A (zh) * 2019-07-05 2021-01-22 希尔-罗姆服务公司 用于住院内科病房的生命体征监测仪
CN112545469A (zh) * 2015-01-28 2021-03-26 谷歌有限责任公司 一致患者情况的健康状态趋势
US10984899B2 (en) 2017-02-09 2021-04-20 Cognoa, Inc. Platform and system for digital personalized medicine
CN113016036A (zh) * 2018-11-22 2021-06-22 欧姆龙株式会社 文档生成装置、文档生成方法以及程序
CN113616402A (zh) * 2021-08-05 2021-11-09 首都医科大学宣武医院 一种针对腰背部的护理装置
CN113616401A (zh) * 2021-08-05 2021-11-09 首都医科大学宣武医院 一种护理装置
US11176444B2 (en) 2019-03-22 2021-11-16 Cognoa, Inc. Model optimization and data analysis using machine learning techniques
CN116364239A (zh) * 2023-05-30 2023-06-30 青岛市黄岛区中心医院 一种用于支气管哮喘的护理信息评估系统
US11972336B2 (en) 2015-12-18 2024-04-30 Cognoa, Inc. Machine learning platform and system for data analysis

Families Citing this family (116)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120316897A1 (en) * 2011-06-10 2012-12-13 AI Cure Technologies, Inc. Method and Apparatus for Monitoring Medication Adherence
EP2541450A1 (en) * 2011-07-01 2013-01-02 Stichting Katholieke Universiteit Patient mobile computing system and method for exacerbation prediction
RU2484770C2 (ru) * 2011-08-23 2013-06-20 Государственное образовательное учреждение высшего профессионального образования "Воронежская государственная медицинская академия им. Н.Н. Бурденко" Министерства здравоохранения и социального развития Российской Федерации Способ прогнозирования частоты обострения хронической обструктивной болезни легких
JP6219014B2 (ja) * 2011-09-27 2017-10-25 ソニー株式会社 端末装置と外部装置と情報処理方法とプログラムおよび情報処理システム
US20140122122A1 (en) * 2012-05-10 2014-05-01 Jeffrey Cooper Method of managing a chronic disease
US9483618B2 (en) * 2012-06-22 2016-11-01 Exco Intouch Limited Systems, methods and computer program products for providing disease and/or condition specific adaptive mobile health content, applications and/or solutions
US10265028B2 (en) 2012-08-16 2019-04-23 Ginger.io, Inc. Method and system for modeling behavior and heart disease state
US10740438B2 (en) 2012-08-16 2020-08-11 Ginger.io, Inc. Method and system for characterizing and/or treating poor sleep behavior
US10748645B2 (en) 2012-08-16 2020-08-18 Ginger.io, Inc. Method for providing patient indications to an entity
US10068060B2 (en) 2012-08-16 2018-09-04 Ginger.io, Inc. Method for modeling behavior and psychotic disorders
US10102341B2 (en) 2012-08-16 2018-10-16 Ginger.io, Inc. Method for managing patient quality of life
US10276260B2 (en) 2012-08-16 2019-04-30 Ginger.io, Inc. Method for providing therapy to an individual
US10650920B2 (en) 2012-08-16 2020-05-12 Ginger.io, Inc. Method and system for improving care determination
US10068670B2 (en) 2012-08-16 2018-09-04 Ginger.io, Inc. Method for modeling behavior and depression state
US10741285B2 (en) 2012-08-16 2020-08-11 Ginger.io, Inc. Method and system for providing automated conversations
EP2884888A4 (en) * 2012-08-16 2016-04-20 Ginger Io Inc METHOD FOR MODELING BEHAVIORAL AND HEALTH CHANGES
US20150216448A1 (en) * 2012-09-05 2015-08-06 Countingapp Medical Ltd. System and method for measuring lung capacity and stamina
US10593426B2 (en) 2012-09-13 2020-03-17 Parkland Center For Clinical Innovation Holistic hospital patient care and management system and method for automated facial biological recognition
US10496788B2 (en) 2012-09-13 2019-12-03 Parkland Center For Clinical Innovation Holistic hospital patient care and management system and method for automated patient monitoring
WO2014064053A2 (en) * 2012-10-22 2014-05-01 Koninklijke Philips N.V. Healthcare system and method
WO2014071145A1 (en) 2012-11-02 2014-05-08 The University Of Chicago Patient risk evaluation
US20140129249A1 (en) * 2012-11-06 2014-05-08 University Of Utah Research Foundation System and method for monitoring and feedback of chronic medical conditions
US20140156290A1 (en) * 2012-11-30 2014-06-05 Verizon Patent And Licensing Inc. Methods and Systems for Facilitating a Virtual Consultation Between a User and a Health Care Practitioner
CN103117817B (zh) * 2013-01-09 2018-02-02 北京邮电大学 一种时变衰落信道下的频谱检测方法
WO2014120947A2 (en) * 2013-01-31 2014-08-07 Curelator, Inc. Methods and systems for determining a correlation between patient actions and symptoms of a disease
US20150245788A1 (en) * 2013-07-22 2015-09-03 Quvium Uk Ltd Cough detection, analysis, and communication platform
US10820832B2 (en) 2013-07-22 2020-11-03 Quvium Uk Ltd Cough detection, analysis, and communication platform
US20150112722A1 (en) * 2013-10-21 2015-04-23 OSIA Medical, Inc. Medical condition tracking and analysis
US10249390B2 (en) * 2013-12-13 2019-04-02 Sami A. Beg Method for determining a proactivity score for health
US20150199493A1 (en) * 2014-01-15 2015-07-16 Cytobyte, Inc. Method and System for Delivering Healthcare Via Personalized Parameter Tracking Kits
US10431329B2 (en) 2014-02-27 2019-10-01 Steven L. Kagen Real-time symptom analysis system and method
US20150269348A1 (en) * 2014-03-24 2015-09-24 AsthmaMD, Inc. Systems and methods for health management
AU2014388113A1 (en) * 2014-03-28 2016-09-29 Swiss Reinsurance Company Ltd. Adaptive coupling-system based on a flexible risk transfer structure and corresponding method thereof
US9659367B2 (en) * 2014-04-04 2017-05-23 International Business Machines Corporation Head mounted video and touch detection for healthcare facility hygiene
EP2945084A1 (en) * 2014-05-12 2015-11-18 Electrosalus Biyomedikal Sanayi ve Ticaret Anonim Sirketi Auscultation data acquisition, communication and evaluation system incorporating mobile facilities
WO2015197809A1 (en) 2014-06-27 2015-12-30 Koninklijke Philips N.V. Apparatus, system, method and computer program for assessing the risk of an exacerbation and/or hospitalization
US10755369B2 (en) 2014-07-16 2020-08-25 Parkland Center For Clinical Innovation Client management tool system and method
NZ630757A (en) * 2014-08-01 2016-03-31 Resmed Ltd Self-optimising respiratory therapy system
CA2957379A1 (en) * 2014-08-07 2016-02-11 Curelator, Inc. Chronic disease discovery and management system
US11574368B1 (en) 2014-10-06 2023-02-07 State Farm Mutual Automobile Insurance Company Risk mitigation for affinity groupings
US20210358045A1 (en) 2014-10-06 2021-11-18 State Farm Mutual Automobile Insurance Company Medical diagnostic-initiated insurance offering
US20210166320A1 (en) 2014-10-06 2021-06-03 State Farm Mutual Automobile Insurance Company System and method for obtaining and/or maintaining insurance coverage
US10713728B1 (en) 2014-10-06 2020-07-14 State Farm Mutual Automobile Insurance Company Risk mitigation for affinity groupings
US10664920B1 (en) 2014-10-06 2020-05-26 State Farm Mutual Automobile Insurance Company Blockchain systems and methods for providing insurance coverage to affinity groups
US10403399B2 (en) 2014-11-20 2019-09-03 Netspective Communications Llc Tasks scheduling based on triggering event and work lists management
EP3038023A1 (en) 2014-12-23 2016-06-29 Telefonica Digital España, S.L.U. A method, a system and computer program products for assessing the behavioral performance of a user
WO2016112025A1 (en) * 2015-01-05 2016-07-14 Children's Hospital Medical Center System and method for data mining very large drugs and clinical effects databases
US10297347B2 (en) * 2015-04-06 2019-05-21 Preventice Solutions, Inc. Adverse event prioritization and handling
EP3289500A1 (en) * 2015-04-30 2018-03-07 Bys Grup Bilisim Sistemleri Danismanlik Ticaret ve Sanayi Limited Sirketi A system for patient control and care
US10303843B2 (en) 2015-08-06 2019-05-28 Microsoft Technology Licensing, Llc Computing system for identifying health risk regions
WO2017060828A1 (en) 2015-10-08 2017-04-13 Cordio Medical Ltd. Assessment of a pulmonary condition by speech analysis
US11127489B2 (en) 2015-10-28 2021-09-21 Accenture Global Services Limited Device-based action plan alerts
WO2017087567A1 (en) 2015-11-16 2017-05-26 Cognifisense, Inc. Representation of symptom alleviation
US12087448B2 (en) 2015-11-16 2024-09-10 Cognifisense, Inc. Representation of symptom alleviation
EP3440579A4 (en) * 2015-11-24 2020-03-25 Klaritos, Inc. INNOVATIVE MODEL OF DELIVERY, PROCESSING AND PAYMENT FOR SPECIALIZED MEDICINES
FR3044788B1 (fr) 2015-12-03 2018-05-25 L'air Liquide, Societe Anonyme Pour L'etude Et L'exploitation Des Procedes Georges Claude Systeme de traitement de donnees pour la detection d'une crise d'exacerbation chez un patient souffrant d'une maladie respiratoire chronique traite par oxygenotherapie
US10762460B2 (en) * 2015-12-30 2020-09-01 International Business Machines Corporation Predictive alerts for individual risk of injury with ameliorative actions
US10762459B2 (en) * 2015-12-30 2020-09-01 International Business Machines Corporation Risk detection and peer corrective assistance for risk mitigation within a work environment
WO2017143284A1 (en) * 2016-02-19 2017-08-24 Icahn School Of Medicine At Mount Sinai Systems and methods for monitoring subjects having chronic gastrointestinal indications
EP3484344A1 (en) * 2016-07-14 2019-05-22 Koninklijke Philips N.V. System and method for monitoring asthma symptoms
US11039748B2 (en) * 2016-07-20 2021-06-22 Synchronous Health, Inc. System and method for predictive modeling and adjustment of behavioral health
FR3055052B1 (fr) 2016-08-10 2020-02-21 L'air Liquide, Societe Anonyme Pour L'etude Et L'exploitation Des Procedes Georges Claude Systeme de traitement de donnees pour predire une crise d’exacerbation d’un patient atteint d’une maladie respiratoire chronique
WO2018036896A1 (en) 2016-08-23 2018-03-01 Koninklijke Philips N.V. Device, system and method for detection of an asthma attack or asthma of a subject
US10219750B2 (en) 2016-09-30 2019-03-05 International Business Machines Corporation System, method and recording medium for determining a remediation action
US20180129783A1 (en) * 2016-11-04 2018-05-10 dox4all,Inc. Distant Asthma Assessment And Treatment System
EP3339810B1 (en) * 2016-12-23 2021-07-14 Accenture Global Solutions Limited Detecting trigger conditions to dynamically update a model based on sensor data in a fog computing environment
JP6533243B2 (ja) * 2017-03-01 2019-06-19 ヤフー株式会社 提供装置、提供方法、及び提供プログラム
WO2018213834A1 (en) 2017-05-19 2018-11-22 Pneuma Respiratory, Inc. Dry powder delivery device and methods of use
US11488701B2 (en) 2017-09-11 2022-11-01 International Business Machines Corporation Cognitive health state learning and customized advice generation
US10828959B2 (en) * 2017-09-15 2020-11-10 International Business Machines Corporation Controlling in-vehicle air quality
US11195622B2 (en) 2017-10-04 2021-12-07 Reciprocal Labs Corporation Pre-emptive asthma risk notifications based on medicament device monitoring
EP3691728B1 (en) 2017-10-04 2024-05-22 Pneuma Respiratory, Inc. Electronic breath actuated in-line droplet delivery device
WO2019079461A1 (en) 2017-10-17 2019-04-25 Pneuma Respiratory, Inc. NASAL MEDICATION DELIVERY APPARATUS AND METHODS OF USE
JP2021502178A (ja) 2017-11-08 2021-01-28 ニューマ・リスパイラトリー・インコーポレイテッド 小容積アンプルを有して呼吸により電気的に作動するインライン液滴送達装置および使用方法
SE545659C2 (en) * 2017-11-13 2023-11-28 Univ Pretoria System and method for asthma warning comprising adjusting of trigger levels
US10760803B2 (en) 2017-11-21 2020-09-01 Emerson Climate Technologies, Inc. Humidifier control systems and methods
US20210012903A1 (en) * 2018-03-22 2021-01-14 Koninklijke Philips N.V. A system and method for determining allergens which may present a risk of a respiratory attack to a user of the system
US11486593B2 (en) 2018-04-20 2022-11-01 Emerson Climate Technologies, Inc. Systems and methods with variable mitigation thresholds
WO2019204788A1 (en) 2018-04-20 2019-10-24 Emerson Climate Technologies, Inc. Systems and methods for adjusting mitigation thresholds
WO2019204790A1 (en) 2018-04-20 2019-10-24 Emerson Climate Technologies, Inc. Systems and methods with variable mitigation thresholds
US12018852B2 (en) 2018-04-20 2024-06-25 Copeland Comfort Control Lp HVAC filter usage analysis system
US11226128B2 (en) 2018-04-20 2022-01-18 Emerson Climate Technologies, Inc. Indoor air quality and occupant monitoring systems and methods
WO2019204789A1 (en) 2018-04-20 2019-10-24 Emerson Climate Technologies, Inc. Indoor air quality sensor calibration systems and methods
WO2019204792A1 (en) 2018-04-20 2019-10-24 Emerson Climate Technologies, Inc. Coordinated control of standalone and building indoor air quality devices and systems
US11371726B2 (en) 2018-04-20 2022-06-28 Emerson Climate Technologies, Inc. Particulate-matter-size-based fan control system
US11269749B2 (en) * 2018-05-08 2022-03-08 General Electric Company System and method for monitoring health status of a gradient coil
US11940515B2 (en) 2018-05-08 2024-03-26 GE Precision Healthcare LLC System, method and computer-readable medium for evaluating structural integrity of a gradient coil
EP3582226A1 (en) * 2018-06-15 2019-12-18 Koninklijke Philips N.V. An apparatus and method for providing context-based intervention
CN111788638B (zh) * 2018-07-13 2024-06-21 松下知识产权经营株式会社 感染风险评价方法、感染风险评价系统以及感染风险评价程序
CN109243618B (zh) * 2018-09-12 2020-06-16 腾讯科技（深圳）有限公司 医学模型的构建方法、疾病标签构建方法及智能设备
US11380351B2 (en) * 2018-09-20 2022-07-05 Samsung Electronics Co., Ltd. System and method for pulmonary condition monitoring and analysis
US10847177B2 (en) 2018-10-11 2020-11-24 Cordio Medical Ltd. Estimating lung volume by speech analysis
GB2578887A (en) * 2018-11-12 2020-06-03 Healint Pte Ltd Medication recommendation system and method for treating migraine
US11024327B2 (en) 2019-03-12 2021-06-01 Cordio Medical Ltd. Diagnostic techniques based on speech models
US11011188B2 (en) 2019-03-12 2021-05-18 Cordio Medical Ltd. Diagnostic techniques based on speech-sample alignment
CA3132655A1 (en) * 2019-03-12 2020-09-17 Novartis Ag Digital solutions for differentiating asthma from copd
US12027277B1 (en) 2019-12-05 2024-07-02 Evidation Health, Inc. Active learning for wearable health sensor
WO2021148967A1 (en) * 2020-01-23 2021-07-29 Novartis Ag A computer-implemented system and method for outputting a prediction of a probability of a hospitalization of patients with chronic obstructive pulmonary disorder
US12033761B2 (en) 2020-01-30 2024-07-09 Evidation Health, Inc. Sensor-based machine learning in a health prediction environment
US11484211B2 (en) 2020-03-03 2022-11-01 Cordio Medical Ltd. Diagnosis of medical conditions using voice recordings and auscultation
CA3114511A1 (en) * 2020-04-10 2021-10-10 Doterra International Llc Systems and methods for determining wellness using a mobile application
JP7420352B2 (ja) * 2020-06-19 2024-01-23 国立大学法人北海道大学 母子健康管理システム及び情報提供方法
US11417342B2 (en) 2020-06-29 2022-08-16 Cordio Medical Ltd. Synthesizing patient-specific speech models
US20220285022A1 (en) * 2021-03-05 2022-09-08 Koneksa Health Inc. Health monitoring system having a configurable data collection application
US11646104B2 (en) 2021-03-05 2023-05-09 Koneksa Health Inc. Health monitoring system with modular processing architecture
US20220284995A1 (en) * 2021-03-05 2022-09-08 Koneksa Health Inc. Health monitoring system supporting configurable health studies
US11710576B2 (en) 2021-05-24 2023-07-25 OrangeDot, Inc. Method and system for computer-aided escalation in a digital health platform
JP2024525200A (ja) 2021-06-22 2024-07-10 ニューマ・リスパイラトリー・インコーポレイテッド プッシュ排出を用いる液滴送達デバイス
US11741123B2 (en) 2021-11-09 2023-08-29 International Business Machines Corporation Visualization and exploration of probabilistic models for multiple instances
WO2023150428A1 (en) 2022-02-03 2023-08-10 Evidation Health, Inc. Systems and methods for self-supervised learning based on naturally-occurring patterns of missing data
US11868384B2 (en) 2022-03-25 2024-01-09 OrangeDot, Inc. Method and system for automatically determining responses in a messaging platform
WO2023219896A1 (en) 2022-05-11 2023-11-16 OrangeDot, Inc. Method and system for automatically prioritizing content provided to a user
CN114999649B (zh) * 2022-06-06 2022-12-27 广州培生智能科技有限公司 一种基于深度学习的老人体征数据监控预警方法和系统
CN117877738B (zh) * 2024-03-13 2024-05-07 简阳市人民医院 一种基于知信行健康教育模式的copd患者静脉血栓预防系统
CN118136270B (zh) * 2024-05-10 2024-06-25 恺恩泰(南京)科技有限公司 一种基于数据分析慢病健康监测与预警系统与方法
CN118430815B (zh) * 2024-07-02 2024-09-27 辽宁爱科森信息技术有限公司 一种用于医疗护理的病患数据远程监控方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1330342A (zh) * 2000-04-28 2002-01-09 詹贵全 联机管理慢性病和健康的方法和系统
US20040044272A1 (en) * 2001-02-08 2004-03-04 Piet Moerman Personal condition management system
US20050043644A1 (en) * 2003-08-18 2005-02-24 Stahmann Jeffrey E. Prediction of disordered breathing

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5960403A (en) * 1992-11-17 1999-09-28 Health Hero Network Health management process control system
US20010011224A1 (en) * 1995-06-07 2001-08-02 Stephen James Brown Modular microprocessor-based health monitoring system
US6330426B2 (en) * 1994-05-23 2001-12-11 Stephen J. Brown System and method for remote education using a memory card
US20030212579A1 (en) * 2002-05-08 2003-11-13 Brown Stephen J. Remote health management system
US5704366A (en) * 1994-05-23 1998-01-06 Enact Health Management Systems System for monitoring and reporting medical measurements
US5730654A (en) * 1995-12-18 1998-03-24 Raya Systems, Inc. Multi-player video game for health education
US7636667B2 (en) * 1996-12-23 2009-12-22 Health Hero Networks, Inc. Network media access control system for encouraging patient compliance with a treatment plan
US5937387A (en) * 1997-04-04 1999-08-10 Real Age, Inc. System and method for developing and selecting a customized wellness plan
ATE281260T1 (de) * 1998-07-21 2004-11-15 Dofasco Inc Auf einem multivariablen statistischen modell basierendes system zur darstellung des betriebs einer stranggiessanlage und detektion bevorstehender durchbrüche
US7835925B2 (en) * 2001-02-20 2010-11-16 The Procter & Gamble Company System for improving the management of the health of an individual and related methods
US7834754B2 (en) * 2002-07-19 2010-11-16 Ut-Battelle, Llc Method and system for monitoring environmental conditions
US7314451B2 (en) * 2005-04-25 2008-01-01 Earlysense Ltd. Techniques for prediction and monitoring of clinical episodes
US7853456B2 (en) * 2004-03-05 2010-12-14 Health Outcomes Sciences, Llc Systems and methods for risk stratification of patient populations
US20050234742A1 (en) * 2004-04-08 2005-10-20 Hodgdon Darren W Incentive based health care insurance program
US7433853B2 (en) * 2004-07-12 2008-10-07 Cardiac Pacemakers, Inc. Expert system for patient medical information analysis
US7798961B1 (en) * 2005-01-11 2010-09-21 BeWell Mobile Technology Inc. Acquisition and management of time dependent health information
US8868172B2 (en) * 2005-12-28 2014-10-21 Cyberonics, Inc. Methods and systems for recommending an appropriate action to a patient for managing epilepsy and other neurological disorders
US20070250349A1 (en) * 2006-04-20 2007-10-25 Tieger Paul D System and Method for Improving Communications with a Patient
US7860786B2 (en) * 2006-10-17 2010-12-28 Canopy Acquisition, Llc Predictive score for lending
KR101381520B1 (ko) * 2006-10-19 2014-04-04 주식회사 케이티 댁내 통신망을 이용한 유비쿼터스 헬스케어 서비스 시스템및 그 방법
US20090112114A1 (en) * 2007-10-26 2009-04-30 Ayyagari Deepak V Method and system for self-monitoring of environment-related respiratory ailments
US8510126B2 (en) * 2008-02-24 2013-08-13 The Regents Of The University Of California Patient monitoring
US20110077972A1 (en) * 2009-09-24 2011-03-31 Agneta Breitenstein Systems and methods of clinical tracking

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1330342A (zh) * 2000-04-28 2002-01-09 詹贵全 联机管理慢性病和健康的方法和系统
US20040044272A1 (en) * 2001-02-08 2004-03-04 Piet Moerman Personal condition management system
US20050043644A1 (en) * 2003-08-18 2005-02-24 Stahmann Jeffrey E. Prediction of disordered breathing

Cited By (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105830112A (zh) * 2013-10-17 2016-08-03 瑞士再保险有限公司 用于重大疾病风险的风险共享的参数系统及其相应方法
CN105849761A (zh) * 2013-10-17 2016-08-10 瑞士再保险有限公司 用于老年人群体的慢性危重疾病风险的风险分担的由患者数据触发的汇集系统及其相应方法
CN105899128A (zh) * 2014-01-22 2016-08-24 加州理工学院 基于固有频率的胰岛素耐受性的测定
CN105335804A (zh) * 2014-08-06 2016-02-17 北京计算机技术及应用研究所 一种社区卫生服务系统
CN104462858A (zh) * 2014-12-30 2015-03-25 天津迈沃医药技术有限公司 基于多阶隐马尔可夫模型的健康预警方法
CN112545469A (zh) * 2015-01-28 2021-03-26 谷歌有限责任公司 一致患者情况的健康状态趋势
CN107995992A (zh) * 2015-07-27 2018-05-04 谷歌有限责任公司 使用递归神经网络分析健康事件
CN108135534A (zh) * 2015-08-26 2018-06-08 瑞思迈传感器技术有限公司 监测和管理慢性疾病的系统与方法
CN105342555A (zh) * 2015-09-09 2016-02-24 曹宏 糖尿病患者综合评估方法
US11972336B2 (en) 2015-12-18 2024-04-30 Cognoa, Inc. Machine learning platform and system for data analysis
CN108780663A (zh) * 2015-12-18 2018-11-09 科格诺亚公司 数字个性化医学平台和系统
CN108780663B (zh) * 2015-12-18 2022-12-13 科格诺亚公司 数字个性化医学平台和系统
CN107180152A (zh) * 2016-03-09 2017-09-19 日本电气株式会社 疾病预测系统及方法
CN109414178A (zh) * 2016-05-03 2019-03-01 精呼吸股份有限公司 用于肺部健康管理的系统和方法
CN109414178B (zh) * 2016-05-03 2022-05-31 精呼吸股份有限公司 用于肺部健康管理的系统和方法
CN107423535B (zh) * 2016-05-23 2021-10-26 百度（美国）有限责任公司 用于确定用户的医疗状况的方法、装置和系统
US10825554B2 (en) 2016-05-23 2020-11-03 Baidu Usa Llc Methods of feature extraction and modeling for categorizing healthcare behavior based on mobile search logs
CN106815477A (zh) * 2017-01-17 2017-06-09 泰康保险集团股份有限公司 过敏预警的方法、系统及终端设备
US10984899B2 (en) 2017-02-09 2021-04-20 Cognoa, Inc. Platform and system for digital personalized medicine
CN107451390A (zh) * 2017-02-22 2017-12-08 Cc和I研究有限公司 用于预测慢性阻塞性肺疾病急性加重的系统
CN107451390B (zh) * 2017-02-22 2020-11-17 Cc和I研究有限公司 用于预测慢性阻塞性肺疾病急性加重的系统
CN107277763A (zh) * 2017-05-05 2017-10-20 中国科学院深圳先进技术研究院 一种传染病防控方法及系统
CN107277763B (zh) * 2017-05-05 2019-12-06 中国科学院深圳先进技术研究院 一种传染病防控方法及系统
CN111356993A (zh) * 2017-08-03 2020-06-30 拉杰拉克什米·迪比亚乔特·博尔塔库尔 用于预测及管理慢性疾病的可穿戴设备和物联网网络
CN111937085A (zh) * 2018-03-06 2020-11-13 怡素数字健康有限公司 关于或与心理简档有关的改进
CN108614885B (zh) * 2018-05-03 2019-04-30 杭州认识科技有限公司 基于医学信息的知识图谱分析方法及装置
CN108614885A (zh) * 2018-05-03 2018-10-02 杭州认识科技有限公司 基于医学信息的知识图谱分析方法及装置
CN108937866A (zh) * 2018-06-29 2018-12-07 出门问问信息科技有限公司 睡眠状态的监测方法及装置
CN109222976A (zh) * 2018-08-15 2019-01-18 遵义市第人民医院 一种慢性阻塞性肺病的检测方法
CN109637669A (zh) * 2018-11-22 2019-04-16 中山大学 基于深度学习的治疗方案的生成方法、装置及存储介质
CN113016036A (zh) * 2018-11-22 2021-06-22 欧姆龙株式会社 文档生成装置、文档生成方法以及程序
US11176444B2 (en) 2019-03-22 2021-11-16 Cognoa, Inc. Model optimization and data analysis using machine learning techniques
US11862339B2 (en) 2019-03-22 2024-01-02 Cognoa, Inc. Model optimization and data analysis using machine learning techniques
CN112244786A (zh) * 2019-07-05 2021-01-22 希尔-罗姆服务公司 用于住院内科病房的生命体征监测仪
CN113616402A (zh) * 2021-08-05 2021-11-09 首都医科大学宣武医院 一种针对腰背部的护理装置
CN113616401A (zh) * 2021-08-05 2021-11-09 首都医科大学宣武医院 一种护理装置
CN113616402B (zh) * 2021-08-05 2022-11-04 首都医科大学宣武医院 一种针对腰背部的护理装置
CN113616401B (zh) * 2021-08-05 2022-11-29 首都医科大学宣武医院 一种护理装置
CN116364239A (zh) * 2023-05-30 2023-06-30 青岛市黄岛区中心医院 一种用于支气管哮喘的护理信息评估系统

Also Published As

Publication number Publication date
AU2011207344B2 (en) 2015-05-21
EP2526524A2 (en) 2012-11-28
EP2526524A4 (en) 2014-08-13
WO2011091268A3 (en) 2011-09-29
CA2787624A1 (en) 2011-07-28
AU2011207344A1 (en) 2012-08-09
US20110184250A1 (en) 2011-07-28
WO2011091268A2 (en) 2011-07-28

Similar Documents

Publication Publication Date Title
CN102971755A (zh) 用于慢性病管理的早期告警方法和系统
US11342051B1 (en) Infectious disease monitoring using location information and surveys
US12079773B2 (en) Method to increase efficiency, coverage, and quality of direct primary care
Kenner Breathtaking: Asthma care in a time of climate change
JP7565800B2 (ja) 薬剤デバイス監視に基づくプリエンプティブな喘息リスク通知
Kim et al. Emergency situation monitoring service using context motion tracking of chronic disease patients
Fann et al. Associations between simulated future changes in climate, air quality, and human health
Kenner Asthma on the move: how mobile apps remediate risk for disease management
CN109155158A (zh) 管理膝关节手术的患者
Tsang et al. Application of machine learning to support self-management of asthma with mHealth
US20160171180A1 (en) Incentivized wellness behavior modification
Chimamiwa et al. Are smart homes adequate for older adults with dementia?
Ajami et al. A pervasive healthcare system for COPD patients
Holmes et al. Modelling patient behaviour using IoT sensor data: a case study to evaluate techniques for modelling domestic behaviour in recovery from total hip replacement surgery
US20140108045A1 (en) Epoch of Care-Centric Healthcare System
Dai et al. Design and implementation of an automatic nursing assessment system based on CDSS technology
Lin et al. Analyzing sensor-based individual and population behavior patterns via inverse reinforcement learning
US20210110924A1 (en) System and method for monitoring system compliance with measures to improve system health
de Moura et al. Recognizing context-aware human sociability patterns using pervasive monitoring for supporting mental health professionals
Kang et al. Systematic predictive analysis of personalized life expectancy using smart devices
WO2022261125A1 (en) Machine learning system and method to determine step up and step down of treatments
Adewoyin et al. The PBC model: supporting positive behaviours in smart environments
Paromita et al. Modeling inter-individual differences in ambulatory-based multimodal signals via metric learning: a case study of personalized well-being estimation of healthcare workers
Vouzis et al. Prediction of Early Dropouts in Patient Remote Monitoring Programs
Varshney Context-awareness in Healthcare

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130313