JP2011510784A - 患者の呼吸安定を測定及び予測する装置 - Google Patents

Abstract

患者の呼吸安定を予測する装置（１０）は、患者（１２）の患者データを格納する患者データ・メモリ（２４）、及び該メモリと通信し患者の呼吸安定の指標を計算する分析器（３４）、を有する。分析器は、組み合わせて患者の呼吸不安定を予測するとして識別されている複数のパラメータ、例えば平均気道内圧（ＭＡＷＰ）、安定期圧（ＰＰ）、動脈酸素濃度（ＳａＯ２又はＳｐＯ２）及び心拍数（ＨＲ）に基づく１又は複数のルールを患者データに適用する。ルールの適用に基づき、分析器は患者の呼吸安定の指標を決定する。

Description

本発明は、医療的評価の分野に関する。本発明は、特に、患者情報を用いた呼吸安定（又は不安定）の予測に関する用途があり、特にこれを参照して説明される。しかしながら、理解されるべき点は、以下の記載は患者の監視及び評価に基づく他の病状の予測にも提供可能であることである。

肺内のガス交換不全により引き起こされる呼吸不安定は、集中治療室内では深刻な問題であり、内科的にも外科的にも患者に影響を及ぼし、長期入院及び死亡の主要因である。呼吸不安性は人工呼吸を受けている患者に屡々関連する。呼吸不安定は、低いＰａＯ２／ＦｉＯ２（ＰＦ）比により示される。この比は、動脈酸素分圧（ＰａＯ２）の吸入酸素濃度（ＦｉＯ２）に対する比である。ガス交換不全は、急性肺損傷（ＡＬＩ）及び急性／成人呼吸窮迫症候群（ＡＲＤＳ）の診断における１つの特徴である。ＡＬＩは、３００未満のＰＦ比に関連し、ＡＲＤＳは２００未満のＰＦ比に関連しうる。ＡＲＤＳは、例えば、（肺胞の急性損傷に続発する）心臓性肺水腫が急性呼吸不全を生じるときに起こる。ＡＲＤＳは、約４０−５０％の高い死亡率を有する。

人工呼吸は、依然として急性呼吸不全のための主要な取り扱いである。人工呼吸は、陽圧を用いてガスを患者の肺内へ移動させ、呼吸支援を提供する。この呼吸支援は救命になりうるが、人工呼吸の長期の使用は有害になりうる。最近の研究は、人工呼吸が肺外傷のリスクを生み出し、持続させ、又は増大させ、結果としてガス交換不全を生じてしまうことを示唆している。大容量のストレス不全は、伸展損傷の一種であり、空隙の膨張に起因する。対照的に、人工呼吸からの１回周期中の反復的な気道閉塞からの剪断力ストレスは、低容量の肺損傷を生じる。

患者の症状の悪化の検出が早いほど、予防措置が早く取られ、回復不可能な損傷が回避される可能性がある。投薬を管理すること及び人工呼吸器の設定を変更することを含む、肺損傷を軽減する幾つかの方法が開発されている。しかしながら、患者がいつガス交換不全に苦しむかを決定することは困難であることが証明されている。大部分のＩＣＵ警告は、単一の人工呼吸器を用いる「ルール」、例えば呼吸数に基づく。これらのルールは、多くの偽陽性、つまり誤った警告を生じ易く、厄介であり、病院の職員により屡々無視されるか又は無効にされてしまう。

本願は、上述の及び他の問題を克服する、患者の呼吸安定を測定及び予測する新たな改良された装置及び方法を提供する。

一態様によると、患者の呼吸安定を予測する装置が提供される。装置は、患者の患者データを格納する患者データ・メモリ、及び該メモリと通信し患者の呼吸安定の指標を計算する分析器、を有する。分析器は少なくとも１つのルールを患者データに適用し、該少なくとも１つのルールは組み合わせて患者の呼吸不安定を予測するとして識別されている複数のパラメータに基づく。ルールの適用に基づき、分析器は患者の呼吸安定の指標を決定する。 別の態様では、患者の呼吸安定を予測する、コンピュータの実施する方法は、患者の患者データを格納する段階、及び患者の呼吸安定の指標を計算する段階、を有する。計算する段階は、少なくとも１つのルールを患者データに適用する段階、及び該適用されたルールに基づき患者の呼吸安定を決定する段階、を有し、該少なくとも１つのルールは組み合わせて患者の呼吸不安定を予測するとして識別されている複数のパラメータに基づく。

別の態様では、患者の呼吸安定を監視及び予測するシステムは、患者の患者データを格納する患者データ・メモリ、及び該メモリと通信し患者の呼吸安定の指標を計算する分析器、を有する。分析器は、ルールのセットを患者データのパラメータに適用し、該ルールのセットは、患者の呼吸安定を予測するとして識別されている。ルールの適用に基づき、分析器は患者の呼吸安定の指標を決定する。ルールのセットの各ルールは、少なくとも１つのパラメータの閾を設定する。呼吸安定に関する患者データを得る監視システムは、患者データをメモリに供給する。呼吸安定の出力された指標をシステムのユーザに出力する出力装置は、分析器と通信する。

１つの利点は、患者の呼吸不安定がその発生前に予測され、施されるべき処置を軽減することである。

別の利点は、予測が、ガス交換不全のような呼吸不安定を示すパラメータに基づくことである。

別の利点は、誤った警告の可能性を低減することである。

別の利点は、患者の呼吸不安定を緩和させるために、自動化手順を開始させることである。

本発明の更なる利点は、当業者に明らかであり、以下の好適な実施例の詳細な説明を読むことにより理解されるだろう。

本発明は、種々の構成要素及び構成要素の配置、並びに種々の段階及び段階の配置の形式を取ってよい。図は、好適な実施例の説明のみを目的とし、従って、本発明を限定するものと見なされるべきではない。
患者が人工呼吸を施されている病院環境内で動作する患者監視及び予測装置の一実施形態の概略機能ブロック図である。 呼吸安定の測定が表示される生体信号ディスプレイを示す。 別の実施形態による患者の呼吸安定を測定及び予測する方法を示すフローチャートである。

図１を参照すると、患者の呼吸安定（又は不安定）を監視及び予測するシステムは、患者の呼吸安定を予測する装置１０を有する。装置１０は、患者の臨床データに基づき患者の呼吸器系の安定の指標を提供する。例である装置１０は、患者の呼吸器系の安定の瞬間的な継続中の指標、例えば患者がガス交換不全に晒され、急性／成人呼吸窮迫症候群（ＡＲＤＳ）又は急性肺損傷（ＡＬＩ）に発展する可能性を提供する。指標は、予防処置が講じられなかった場合に、どの患者が重度の呼吸困難になる可能性があるかを示す予測警告の基礎として用いられてもよい。警告は、呼吸安定の指標が患者は間もなく不安定になると示すときに発行されてよい。留意すべき点は、患者の呼吸不安定が例である実施形態では３００未満のＰＦ比に関連する（従って呼吸安定は３００以上のＰＦ比に関連すると考えられる）条件として定められたが、呼吸不安定の閾は３２０未満のＰＦ比又は２５０未満のＰＦ比のような別の観点から定められてもよいことが理解されることである。動脈酸素圧等に基づき同様に呼吸不安定を定める他の指標が考えられてもよい。

一実施形態では、装置１０は、ある期間にわたって臨床データを分析し、患者１２が呼吸不安定に苦しむ可能性を決定する。特に、装置１０は、呼吸不安定に関連するように示されている臨床データから得られた患者パラメータのセットを監視する。装置１０は、パラメータ値に基づき患者を分類するためにルールを適用する。複数の特徴（例えば、動脈酸素飽和度、心拍数、平均気道内圧、安定期圧）の組み合わせの上に呼吸安定の計測の基礎を置くことにより、有用な程度の感度（つまり、正しい警告）を維持しながら、高い特異度（つまり、誤った警告が少ない）が屡々達成されうる。

例である装置１０は、種々の医療用途のための病院、在宅医療施設、老人ホーム等の他の医療施設内での使用に適している。

例である実施形態では、人工呼吸１４は、大気圧より高い圧力で、給気チューブ１６を介して患者の肺にガスを供給する。ガスは、通常は空気であり、状況に応じて酸素を多く含んでいる。関連付けられた監視システム１８は、例えば呼吸安定からパラメータが計算される該呼吸安定に関する患者データを取得することにより患者パラメータを監視する。例である患者パラメータは、
例えばｍｍＨｇで表される平均気道内圧（ＭＡＷＰ）、
例えばｍｍＨｇで表される安定期圧（ＰＰ）、
例えばｍｍＨｇで表されるピーク吸気圧（ＰＩＰ）、
例えばｍＬ／ｃｍ Ｈ_２Ｏで表される動的肺／胸コンプライアンス（Ｃ_ｄｙｎ）、
例えばｍＬ／ｃｍ Ｈ_２Ｏで表される静的呼吸コンプライアンス（Ｃ_ｓｔａｔ）、
例えば呼吸数／分で表される呼吸レート（ＲＲ）、
例えば酸化％で表される酸素飽和度（ＳｐＯ_２）のような酸素飽和度測定及び／又は動脈血流内の酸素飽和度（ＳａＯ_２）、
例えば拍／分で表される心拍数（ＨＲ）、
白血球数（ＷＢＣ）、並びに
総体液平衡、
から選択されたパラメータを有してもよい。

幾つかのパラメータは少なくとも部分的に人工呼吸器の設定のような機械的設定に基づいてもよいが、通常、パラメータは、患者から得られた生理学的データに基づく。例えば、ＳａＯ_２は、動脈血行中の酸素飽和の割合、つまり循環系のヘモグロビン・セルに付着した酸素量の測定値である。正常な患者では、ＳａＯ_２は約９６％である。ＳａＯ_２は通常、パルス酸素濃度計により測定され、ＳｐＯ_２として表される。動的肺／胸コンプライアンスは、観察された１回換気量（Ｖｔ、単位ｍＬ）、ＰＩＰ及び呼吸終末陽圧（ＰＥＥＰ、単位ｍｍＨｇ）を用いて計算される。静的呼吸コンプライアンスは、Ｖｔ、ＰＰ及びＰＥＥＰを用いて計算される。白血球数（ＷＢＣ）は、立方ミリメートル当たりの血液の白血球数である。５０００乃至９０００の間が正常である。１００００より大きい場合に患者は白血球増加症を患い、５０００未満の場合に患者は白血球減少症を患っている。ＷＢＣは、通常１（１０００）乃至１６（１６０００）の間の数として表される。総体液平衡は、通常の環境下で、総水分摂取量−総水分排出量＝０である。総体液平衡は、標準的にｍｌ／日で測定される。

標準的な病院環境では、ＭＡＷＰ、ＰＰ、ＰＩＰ及びＶｔは、全て、人工呼吸を施された患者に対して標準的に約４時間毎に記録された測定値である。ＰＥＥＰは、呼吸療法士又は他の適切な介護士により選択される人工呼吸の設定である。ＲＲ、ＳｐＯ_２、及びＨＲは、通常継続して監視される。例えば、ＳｐＯ_２は、ケーブル２２により又は無線接続により監視システム１８に接続されてよいＳｐＯ_２指先プローブ２０により測定されてもよい。心拍数は、指先プローブ２０、ＥＫＧ電極等により測定されてもよい。呼吸数は、人工呼吸器１４を介して測定されてもよい。

理解されるべき点は、装置１０が人工呼吸を施されていない患者への使用にも適していることである。

装置１０は、パラメータ値及び／又は取得した患者データを格納する監視パラメータ・データ・メモリ２４を有する。パラメータ値は患者データから決定される。
取得したデータ／パラメータ値は、例えば患者ＩＤ番号によりメモリ２４内の特定の患者に関連付けられる。取得した患者データ２６は、監視システム１８からメモリ２４へ自動的に、例えば有線又は無線のローカル・エリア・ネットワーク又はインターネットのような広域ネットワークを介してネットワーク２８を介して伝達されてもよい。或いは、一部（例えば総体液平衡）又は全部の患者データは、データ・メモリ２４に手動で直接又は間接的に、例えば医療関係者により、行われた測定に基づき、例えばワークステーションのようなユーザ・インタフェース３０を用いて入力されるか、又は光ディスク、ハード・ディスク、ＵＳＢ装置、メモリ・カード等のようなデータ記憶装置から入力されてもよい。更に、他の患者データ（例えば、ＷＢＣのような検査値）は、データ・メモリ２４にネットワーク２８を介して自動的に入力されてもよい。別の実施形態では、全ての取得した患者データは、例えばネットワークを介して装置１０にアクセス可能な、病院全体又は他の医療制度全体の患者データ・レポジトリ３２に格納される。

装置１０は、所定の時間ウインドウの間、データ・メモリ２４に格納された監視した患者の臨床データに基づき、特定の患者の呼吸器系の安定の指標を提供する。時間ウインドウは、例えば次の２時間、１２時間若しくは２４時間、又は２、１２若しくは２４時間以内に開始する期間のような将来に始まる期間であってもよい。特に、分析器は、ルールのセットを、共に呼吸不安定（例えば、呼吸不安定が次に起こる可能性）を予測する患者データに適用する。これらのルールはモデル３６に格納されてもよい。ルールは、（例えば監視されるデータに対して）連続的に、又は（例えば体液平衡の場合に）新たなデータが手動で入力されたときに、又は（例えば、臨床試験からのＷＢＣ）新たなデータが利用可能になったときに実行されてもよい。

例である装置１０は、１又は複数の汎用目的コンピュータ、専用コンピュータ、プログラムド・マイクロプロセッサ又はマイクロコントローラ及び周辺集積回路素子、ＡＳＩＣ又は他の集積回路、デジタル信号プロセッサ、ハードワイヤド電子機器又は離散素子回路のような論理回路、ＰＬＤ、ＰＬＡ、ＦＰＧＡ又はＰＡＬ等のようなプログラマブル論理装置内に実施されてもよい。分析器３４は、ソフトウェア、ハードウェア、又はそれらの組み合わせで実施されてもよい。一実施形態では、分析器３４は、メモリに格納され計算装置の関連するプロセッサにより実行されるソフトウェア命令を有する。患者データ・メモリ２４は、分析器を格納するメモリ又は別個のメモリであってよく、ランダム・アクセス・メモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、磁気ディスク又はテープ、光ディスク、フラッシュ・メモリ又はホログラフィック・メモリのような如何なる種類のコンピュータ可読媒体を表してもよい。一実施形態では、メモリ２４は、ランダム・アクセス・メモリ及び読み出し専用メモリの組み合わせを有してもよい。

決定された呼吸不安定指標は、装置１０から例えば患者記録レポジトリ３２への又は生体信号表示モニタ３８、プリンタ、警告システム等のような出力装置へのローカル・エリア・ネットワーク２８を介した出力であってもよい。モニタ３８は、例えばベッドサイド・モニタのように患者の近くにあってもよく、又は生体信号監視局又は監視センタに置かれてもよい。実際には、収集されたデータは、患者記録レポジトリ３２に送信され格納されると、アクセスするために適正な許可が要るネットワーク２８にある如何なる装置によって用いられてもよい。例えば、図２に示されるように、モニタ３８は、測定されたパラメータのセット４０、４２、４４、４６のそれぞれを表示してもよく、１又は複数の時間ウインドウの間、本例では１２及び２４時間の間、（呼吸安定指標として示される）患者の呼吸器系の安定／不安定の予測指標４８も表示してもよい。選択的に、指標が不安定を示す場合、モニタ３８に関連した警告５０が作動される。

図３は、患者の呼吸安定を測定及び予測する例である方法を示す。段階Ｓ１００で、方法は開始する。

段階Ｓ１０２で、従前の患者データのコーパスが収集され、患者が呼吸不安定に苦しんだか否かに従って分類される。

段階Ｓ１０４で、パラメータ値は患者データから抽出される。

段階Ｓ１０６で、ルールは、患者データから抽出された値が（２つの）グループを識別することができる能力を有する該値を有するパラメータに基づき識別される。従って、ルールのセットは、まだ呼吸不安定状態になっていない新たな患者に対して、患者の不安定（又は安定）を予測すると考えられうる。

段階Ｓ１０８で、ルールはモデル３６に格納される。

段階Ｓ１１０で、新たな患者データが入力され、パラメータ値が抽出される。

段階Ｓ１１２で、格納されたルールのセットは、抽出された患者パラメータ値に適用される。ルールは、選択された時間ウインドウに基づき選択されてもよい。

段階Ｓ１１４で、患者安定の測定は、適用されたルールの出力に基づき計算され、データの形式で出力される。

段階Ｓ１１６で、安定指標が不安定を示す所定の閾を満たすか又は超過した患者について、医療関係者に警告が提供されてよく、従って適切な処置が提供されうる。

段階Ｓ１１０−Ｓ１１６は、４時間毎に少なくとも１回又は準継続的に、例えば新たな患者データが入力される度に、のような間隔で同一の患者に対して繰り返されてもよい。段階Ｓ１１８で、方法は終了する。方法の更なる詳細は以下に記載される。

モデル３６は、（予測時間ウインドウ、例えば２、１２、２４時間以内に）呼吸不安定が後に観察された事例及び観察されなかった事例（つまり、患者が安定していると見なされた）のデータを有する従前患者データの膨大なコーパスに機械学習アルゴリズムを適用することにより構築されうる（段階Ｓ１０２−Ｓ１０８）。一実施形態では、ＩＣＵ患者からの既往データが用いられ、２つの基準データ・セット、つまり重度の呼吸障害を発現した不安定な患者のセット及びそのような障害を発現しなかった患者のセットを作成する。別の実施形態では、ＩＣＵ患者からの既往データは、医療提供者又は他の訓練を受けた人材により、どの患者が重度の呼吸障害を発現しどの患者が発現しなかったかを示すために、医療記録に基づき注釈を付けられる。

機械学習技術は、コーパスからどのパラメータが呼吸不安定の兆候に最も関連するかを、及び呼吸不安定の兆候を示す該パラメータに基づきルールを識別する。通常、１又は複数のルールのセットが作成され、少なくとも２つのパラメータを変数として用いる。ルールを作成する際に、パラメータに対して閾が設定されてもよい。理解されるように、幾つかの閾は、満たされるべきルールに対して及び不安定であるとして分類された患者に対して（例えばＳｐＯ_２の場合）パラメータ値が閾に又は閾より低く設定されることを要求してもよく、一方で他の閾は、満たされるべきルールに対して（例えばＭＡＷＰ、ＰＰ又はＨＲの場合）閾に又は閾より高く設定されることを要求してもよい。

例えば、ある種のルールは、第１のパラメータのみを有し、該ルールが満たされ例えば指定された時間ウインドウ内で患者が不安定であると予測される該パラメータに対して比較的厳しい閾値を指定してもよい。別の種類のルールは、少なくとも２つのパラメータ（一方のパラメータは第１のパラメータであってもよい）を有してもよい。この種類のルールでは、各パラメータの閾値は、満たされるべきルール、例えば患者が不安定であると見なされる、に合致しなければならない。通常、これらのパラメータのうちの１つが第１のパラメータである場合、その閾は、そのパラメータが唯一のパラメータであるとき、第１の種類のルールの場合よりも厳しくなくてもよい。例えば、ＭＡＷＰは、第１の種類のルールでは１７より高いことが要求され、第２の種類のルールでは１２．６より高いことが要求されてもよい。（比のような）パラメータ間の関係が満たされるべきルールの閾を満たさなければならないような他のルールも考えられる。

一実施形態では、ルールのセットからの少なくとも１つのルールは、患者が不安定である（又は安定である）と決定されるために満たされなければならない。他の実施形態では、１つより多いルールが満たされなければならない。幾つかの実施形態では、２値指標（安定／不安定）ではなく、患者の安定の指標値は連続可変指数であってもよい。本実施形態では、１又は複数のルールが考慮されてもよい。代替として、重みがパラメータの相対的重要性を考慮に入れる場合、１又は複数のルールは、２以上のパラメータの重み付け関数であってもよい。

更に又は代替として、患者の安定の指標値は、異なる時間に取得されたパラメータ値の２以上のセットに基づいてもよい。例えば、１又は複数のルールは、所定の時間にわたる１又は複数のパラメータ値の閾の変化により満たされてもよい。

ルールは、予測時間ウインドウに依存して変化してもよく、従ってモデル３６は複数の時間ウインドウのそれぞれについて異なるルールのセットを有してもよい。例えば、閾は、時間ウインドウに依存して異なってもよい。また、ルールは、患者の種類、例えば人工呼吸器を有するか有さないかにより又は年齢、性別、症状若しくは他の因子に従って変化してもよい。従って、これらの各因子は、その分類の患者に適用可能な異なるルールのセットを生成するときに用いられてもよい。

例えば、ある例では、全員が人工呼吸器を有する患者は、ある持続時間の間、低い（例えば＜３００）ＰＦ比により示されるように、該患者が呼吸不安定に陥ったか否かに基づき２つのセットに分けられる。機械学習技術は、識別された変数を用い、２つのデータ・セットからの患者を正しく分類するルールを発見するために用いられる。特定の測定されたパラメータ：平均気道内圧（ＭＡＷＰ、単位ｍｍＨｇ）、安定期圧（ＰＰ、単位ｍｍＨｇ）、ピーク吸気圧（ＰＩＰ、単位ｍｍＨｇ）、動的肺／胸コンプライアンス（Ｃｄｙｎ、単位ｍＬ／ｃｍＨ２０）、静的呼吸コンプライアンス（Ｃｓｔａｔ）、呼吸数（ＲＲ、単位呼吸／分）、パルス酸素濃度計により測定されたような酸素飽和度（ＳｐＯ２、単位酸化％）、及び心拍数（ＨＲ、拍／分）は、これらの２つのセットの間で区別することを目的としていることが分かる。これらのパラメータを用いて、機械学習技術は、ガス交換不全に関して不安定又は安定のいずれかであるとして患者を分類するアルゴリズムを生成するために用いられる。以下に、発見されたあるルール・セットの例を示す。
ＭＷＡＰ＞１７→不安定
ＭＡＷＰ＞１２．６且つＳｐＯ２＜＝９７且つＨＲ＞８６．５→不安定
ＰＰ＞２３．８且つＨＲ＞９０．５且つＳｐＯ２＜＝９７．５→不安定
その他→安定
この例では、呼吸不安定の患者を識別する３つのルールと第４の初期値安定のルールがある。留意すべき点は、本例では、８個の特徴（候補のパラメータ）のデータが機械学習アルゴリズムに供給されたが、このルール・セットは該特徴のうちの４個のみを用いることである。列挙された他の特徴は、この患者セットには有用でないことが分かった。理解されるように、パラメータは、以上に列挙されたものに限定されない。例えば、これらのパラメータのうちの２又は３個は、単独で用いられるか又は他のパラメータと組み合わせて用いられてもよい。人工呼吸器の読み取り又は監視データに基づく変数の他に、他の可能な変数が検査データ（ＷＢＣ）、手動入力（総体液平衡）、（容積評価用の）放射線画像及び手術履歴に基づいてもよい。

また、上述のように、上述の分類アルゴリズムの例はルール・セットの形式であるが、これらのルールは、２値の閾を０から１まで変化する連続関数に変換し標準的なあいまい理論演算子を用いて該連続関数を結合することにより、（２値警告ではなく）単一の連続指標に変換されうる。

例である実施形態は、ガス交換不全の患者に予測警告を提供するＩＣＵでの使用に適している。しかしながら、他の方法で適用されてもよい。警告は、ガス交換不全のカテゴリ内の問題のサブセット、例えばＡＬＩ及びＡＲＤＳのために生成されてもよい。他の実施形態では、本願明細書に記載された方法は、全体の患者の重症度の指標のうちの呼吸要素を生成するために適用されてもよい。或いは、本手法は、ＩＣＵ内又はＩＣＵ外で高解像度データの使用に適用されてもよい。

一実施形態では、監視システム１０により供給されるデータは、医療関係者が特定の指標にどのように対処したか及び診療行為が患者の結果にどのように影響したかを過去に遡って決定するために分析される。管理者は、医療関係者が患者の呼吸不安定をどれだけ上手く取り扱ったかを評価でき、それに応じてルール又は時間ウインドウを変更できる。

図３に示される方法は、コンピュータで実行されうるコンピュータ・プログラムで実施されてもよい。コンピュータ・プログラムは、制御プログラムが記録された、ディスク、ハード・ディスクのような有体のコンピュータ可読記録媒体、又は制御プログラムがデータ信号として実現される伝送可能な搬送波であってもよい。機械可読媒体の一般的形式は、例えば、フロッピー（登録商標）ディスク、フレキシブルディスク、ハード・ディスク、磁気テープ、又は任意の他の磁気記憶媒体、ＣＤ−ＲＯＭ、ＤＶＤ、任意の他の光媒体、ＲＡＭ、ＰＲＯＭ、及びＥＰＲＯＭ、フラッシュＥＰＲＯＭ、任意の他のメモリ・チップ又はカートリッジ、無線及び赤外線データ通信中に生成されるような音波又は光波のような伝送媒体等、又はコンピュータが読み出し使用し得る任意の他の媒体を有する。

例である方法は、１又は複数の汎用目的コンピュータ、専用コンピュータ、プログラムド・マイクロプロセッサ又はマイクロコントローラ及び周辺集積回路素子、ＡＳＩＣ又は他の集積回路、デジタル信号プロセッサ、ハードワイヤド電子機器又は離散素子回路のような論理回路、ＰＬＤ、ＰＬＡ、ＦＰＧＡ又はＰＡＬのようなプログラマブル論理装置等で実施されてもよい。通常、有限状態機械を実施可能な、同様に図３に示されたフローチャートを実施可能な如何なる装置も、呼吸安定を予測する方法を実施するために用いられてもよい。 本発明は、本発明の好適な実施例に関連して説明された。以上の詳細な説明を読み理解した者は、修正及び変更をなしうる。本発明は、このような修正及び変更が特許請求の範囲又はその等価物の範囲内に属する場合、それら修正及び変更を包含すると見なされる。

Claims (21)

1. 患者の呼吸安定を予測する装置であって：
   患者の患者データを格納する患者データ・メモリ；
   該メモリと通信し、患者の呼吸安定の指標を計算する分析器；
   を有し、
   前記分析器は、少なくとも１つのルールを該患者データに適用し、
   該少なくとも１つのルールは、組み合わせると患者の呼吸不安定を予測すると識別されている複数のパラメータに基づき、
   前記分析器は、該少なくとも１つのルールの適用に基づき、患者の呼吸安定の指標を決定する、
   ことを特徴とする装置。
2. 前記少なくとも１つのルールを格納する前記分析器と通信するモデル；
   を更に有する請求項１記載の装置。
3. 前記パラメータは：
   平均気道内圧（ＭＡＷＰ）；
   安定期圧（ＰＰ）；
   酸素飽和測定値（ＳｐＯ２又はＳａＯ２）；
   心拍数（ＨＲ）；
   ピーク吸気圧（ＰＩＰ）；
   動的肺／胸コンプライアンス（Ｃｄｙｎ）；
   静的呼吸コンプライアンス（Ｃｓｔａｔ）；
   呼吸数（ＲＲ）；
   白血球数（ＷＢＣ）；及び
   総体液平衡；
   を有するグループのうちの少なくとも２つを有する、
   ことを特徴とする請求項１に記載の装置。
4. 前記パラメータは：
   平均気道内圧（ＭＡＷＰ）；
   安定期圧（ＰＰ）；
   酸素飽和度（ＳｐＯ２）；及び
   心拍（ＨＲ）；
   を有するグループのうちの少なくとも２つを有する、
   ことを特徴とする請求項３に記載の装置。
5. 前記ルールは：
   ＭＡＷＰ＞１７ならば不安定、
   ＭＡＷＰ＞１２．６且つＳｐＯ２＜＝９７且つＨＲ＞８６．５ならば不安定、
   ＰＰ＞２３．８且つＨＲ＞９０．５且つＳｐＯ２＜＝９７．５ならば不安定、
   その他の場合、安定、
   を有する、
   ことを特徴とする請求項４記載の装置。
6. 前記少なくとも１つのルールは、ルールのセットを有し、
   各前記ルールは、該ルールが満たされるために満たされなければならない少なくとも１つのパラメータの閾を指定する、
   ことを特徴とする請求項１に記載の装置。
7. 前記ルールのセットは、
   前記パラメータのうちの第１のパラメータの閾を指定する第１のルール、及び
   前記パラメータのうちの第２のパラメータの閾を指定する第２のルール、
   を有する、
   ことを特徴とする請求項６に記載の装置。
8. 前記第２のルールは、前記第１のルールからの前記第１のパラメータの異なる閾を指定する、
   ことを特徴とする請求項７に記載の装置。
9. 前記患者の呼吸安定の指標は、２値指標である、
   ことを特徴とする請求項１に記載の装置。
10. 前記患者の呼吸安定の指標は、可変値である、
    ことを特徴とする請求項１に記載の装置。
11. 前記分析器により適用された前記少なくとも１つのルールは、時間ウインドウに依存し、
    それにより、前記分析器は、第１の時間ウインドウの間の患者の呼吸安定の第１の指標、及び第２の時間ウインドウの間の患者の呼吸安定の第２の指標を計算する、
    ことを特徴とする請求項１に記載の装置。
12. 前記分析器は、前記患者の呼吸安定の指標が呼吸不安定を示す閾を満たすとき、警告を出力するよう構成される、
    ことを特徴とする請求項１に記載の装置。
13. 患者の呼吸安定を監視及び予測するシステムであって：
    請求項１に記載の装置；及び
    該装置と通信し、呼吸安定に関する患者データを取得する監視システム；
    を有するシステム。
14. 前記装置と通信し、呼吸安定の出力された指標を表示する表示モニタ；
    を更に有する請求項１３に記載のシステム。
15. 患者の呼吸安定を予測する、コンピュータに実施される方法であって：
    患者の患者データを格納する段階；
    患者の呼吸安定の指標を計算する段階；
    を有し、
    該計算する段階は：
    少なくとも１つのルールを該患者データに適用する段階；及び
    該少なくとも１つのルールの適用に基づき、患者の呼吸安定の指標を決定する段階；
    を有し、
    該少なくとも１つのルールは、組み合わせると患者の呼吸不安定を予測すると識別されている複数のパラメータに基づく、
    ことを特徴とする方法。
16. 前記計算された指標を出力装置へ出力する段階；
    を更に有する請求項１５記載の方法。
17. 患者のセットについての患者データのコーパスを得る段階；
    患者が呼吸不安定を示したか否かに従って患者を分類する段階；及び
    前記得られたコーパス及び患者の分類に基づき前記ルールを生成する段階；
    を有する請求項１５に記載の方法。
18. 第１の選択可能な時間ウインドウに適用可能な第１のルールのセットを生成する段階；及び
    第２の選択可能な時間ウインドウに適用可能な第２のルールのセットを生成する段階；
    を更に有する請求項１７に記載の方法。
19. 前記患者の呼吸安定の指標を計算する段階は：
    時間ウインドウを識別する段階；及び
    該時間ウインドウの間の患者の呼吸安定の指標を計算する段階；
    を有する、
    ことを特徴とする請求項１５に記載の方法。
20. コード化命令を有するコンピュータ・プログラムであって：
    コンピュータで実行されると、該コンピュータに請求項１５に記載の方法を実行させる、
    ことを特徴とするコンピュータ・プログラム。
21. 患者の呼吸安定を監視及び予測するシステムであって：
    患者の患者データを格納する患者データ・メモリ；
    該メモリと通信し、患者の呼吸安定の指標を計算する分析器；
    呼吸安定に関する患者データを得て、患者データを前記メモリに供給する監視システム；及び
    前記分析器と通信し、呼吸安定の出力された指標を当該システムのユーザに出力する出力装置；
    を有し、
    前記分析器は、ルールのセットを該患者データのパラメータに適用し、
    該ルールのセットは、患者の呼吸不安定を予測すると識別されており、
    前記分析器は、該ルールの適用に基づき、患者の呼吸安定の指標を決定し、
    前記ルールのセットのそれぞれは、少なくとも１つのパラメータに対して閾を設定する、
    ことを特徴とするシステム。

Images