FR3070851B1 - Systeme pour detecter et alerter le personnel soignant d’un risque de decompensation ou d’hospitalisation d’un patient - Google Patents
Systeme pour detecter et alerter le personnel soignant d’un risque de decompensation ou d’hospitalisation d’un patient Download PDFInfo
- Publication number
- FR3070851B1 FR3070851B1 FR1758418A FR1758418A FR3070851B1 FR 3070851 B1 FR3070851 B1 FR 3070851B1 FR 1758418 A FR1758418 A FR 1758418A FR 1758418 A FR1758418 A FR 1758418A FR 3070851 B1 FR3070851 B1 FR 3070851B1
- Authority
- FR
- France
- Prior art keywords
- risk
- decompensation
- patient
- svi
- data processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4842—Monitoring progression or stage of a disease
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/03—Intensive care
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/024—Measuring pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring blood gases
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Business, Economics & Management (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Primary Health Care (AREA)
- Signal Processing (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Child & Adolescent Psychology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Marketing (AREA)
- Pulmonology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
L'invention concerne un système pour détecter et alerter le personnel soignant d'un risque de décompensation ou d'hospitalisation d'un patient. Il comprend des moyens de mesure (1) de plusieurs paramètres (sv1, sv2..., svi) choisis parmi la fréquence cardiaque, la tension artérielle, le poids, la température, la glycémie et la saturation d'oxygène (SpO2) d'un patient, ainsi que des moyens de mémorisation (5) pour enregistrer plusieurs profils à risque (pr1, pr2... prj) comprenant des valeurs de paramètres de tension artérielle, de poids, de température, de glycémie, de fréquence cardiaque et de saturation d'oxygène (SpO2) représentatifs de plusieurs états de santé différents comprenant des états de décompensation ; des moyens de traitement de données (4) coopérant avec les moyens de mesure (1) et les moyens de mémorisation (5) pour opérer un traitement des paramètres mesurés (sv1, sv2..., svi) par les moyens de mesure (1) ; et des moyens d'alerte (6) pour alerter le personnel soignant en cas de détermination par les moyens de traitement de données (4) de paramètres mesurés (sv1, sv2..., svi) correspondant à au moins un profil à risque (pr1, pr2... prj) correspondant à au moins un état de décompensation mémorisé par les moyens de mémorisation (5).
Description
L'invention concerne un système pour détecter et alerter le personnel soignant d'un risque de décompensation/hospitalisation d'un patient atteint d'une maladie chronique, en particulier d'une pathologie chronique respiratoire, de diabète ou encore d'une insuffisance cardiaque chronique, lequel patient est télé-suivi à distance, en particulier à son domicile.
Les maladies chroniques sont en évolution progressive dans le monde et font peser des coûts importants sur les Organismes de Santé, comme rappelé par McKinsey; « Cutting costs: The great healthcare challenge of the century» ; V. Hediger, N. Henke, et L. Kanzler.
Ces pathologies sont jalonnées par des poussées d'aggravation des symptômes et des crises récurrentes comme des décompensations cardiaques ou encore des exacerbations de BPCO caractérisées par une augmentation de la toux et de l'essoufflement. La répétition de ces crises aggrave le pronostic de la maladie, donc les risques vitaux du patient.
De ce fait, en cas de crise aigüe, le patient subit une détérioration de son état de santé et doit généralement être hospitalisé pour être traité, notamment soigné par exemple par administration d'oxygène gazeux, c'est-à-dire par oxygénothérapie, pour les cas des patients souffrant de BPCO.
De manière générale, on comprend aisément qu'une hospitalisation ou une réhospitalisation engendre un processus lourd et coûteux, voire même parfois traumatisant pour le patient qui doit passer plusieurs jours en hôpital.
Il est donc primordial de pouvoir détecter chez le patient, les signes annonciateurs d'une décompensation, c'est-à-dire d'une détérioration de son état de santé, de manière à éviter ou à minimiser la fréquence de ses hospitalisations.
Or, ceci n'est pas chose aisée, notamment du fait qu'avant leur décompensation, les patients se trouvent généralement à leur domicile et que l'on doit donc pouvoir les suivre à distance. Plusieurs documents se sont déjà attelés à ce problème ou à des problèmes similaires.
Ainsi, US-A-2013/030258 propose une méthode de détection de l'exacerbation de BPCO basée sur des critères prédéfinis relatifs à des changements de fréquence respiratoire et de fréquence cardiaque en fonction de variations de l'activité physique du patient. US-A-2011/0184250 enseigne de réaliser d'abord des mesures des conditions ambiantes dans l'environnement du patient, notamment qualité d'air, niveau d'allergènes, température et conditions atmosphériques. Un algorithme prédit la probabilité d'une exacerbation de BPCO en fonction de l'activité attendue pour le patient dans les conditions ambiantes locales, et alerte le patient des risques avant la période concernée. US-A-8949082 enseigne un système de prédiction ou de prévention des réadmissions de patients basé sur de l'apprentissage-machine (machine learning) à partir de données passées de patients ayant été déjà réadmis. US-A-20150081328 enseigne un système de prédiction des réadmissions basé sur un calcul de la probabilité de réadmission à partir d'un modèle de risque de réadmission et d'autres données. WO-A-2011006196 propose un système de prédiction de la réadmission en hôpital d'un patient basé sur une utilisation de données relatives au jour et à la période de temps auxquels le patient a déjà été admis en hôpital par le passé.
Ces différentes solutions ne sont pas totalement satisfaisantes puisqu'elles ne permettent pas de prédire de manière fiable et efficace, une décompensation ou hospitalisation d'un patient atteint d'une maladie chronique et suivant son traitement à son domicile, en particulier des patients télé-suivi à domicile.
En effet, certains de ces dispositifs ou systèmes ne permettent pas de suivre le patient à distance et/ou nécessitent que le patient réalise lui-même certaines mesures, ce qui n'est pas pratique et engendre des risques d'erreur de mesure importants. Ces erreurs correspondent à des situations de non-détection de crises dangereuses pour l'état santé du patient ou encore à la génération d'un taux important de fausses alertes dont la gestion nécessite beaucoup de ressources. D'autres techniques reposent sur une approche très théorique et difficilement applicable au domicile d'un patient car trop contraignante et/ou non-adaptée à un patient actif, c'est-à-dire qui déambule.
Au vu de cela, le problème qui se pose est dès lors de proposer un système qui permette de détecter une décompensation, c'est-à-dire une aggravation de l'état de santé d'un patient atteint d'une maladie chronique (respiratoire, cardiaque, diabète... ), télé-suivi à distance, par exemple à son domicile, et en réponse à cette détection, d'alerter le personnel soignant afin que des mesures de traitement efficaces puissent être mises en œuvre et éviter ainsi l'hospitalisation du patient.
La solution de l'invention est alors un système pour détecter et alerter le personnel soignant d'un risque de décompensation d'un patient, ladite décompensation pouvant conduire à justifier une hospitalisation dudit patient, comprenant : - des moyens de mesure de plusieurs paramètres choisis parmi le poids, la température, la fréquence cardiaque, tension artérielle, glycémie et la saturation d'oxygène (SpCL) d'un patient, - des moyens de mémorisation pour enregistrer plusieurs profils à risque comprenant des valeurs de paramètres de tension artérielle, de poids, de température, de glycémie, de fréquence cardiaque et de saturation d'oxygène (SpCL), qui sont des signaux vitaux, représentatifs de plusieurs états de santé différents comprenant des états de décompensation, - des moyens de traitement de données coopérant avec les moyens de mesure et les moyens de mémorisation pour opérer un traitement des paramètres mesurés par les moyens de mesure, et - des moyens d'alerte pour alerter le personnel soignant en cas de détermination par les moyens de traitement de données de paramètres mesurés correspondant à au moins un profil à risque correspondant à au moins un état de décompensation mémorisé par les moyens de mémorisation.
Selon le cas, le système de détection et d'alerte selon l'invention peut comprendre l'une ou plusieurs des caractéristiques techniques suivantes : - les moyens de traitement de données comprennent au moins un processeur mettant en œuvre au moins un algorithme. - les moyens de traitement de données comprennent au moins un processeur configuré pour comparer les paramètres mesurés par les moyens de mesure avec des profils à risque mémorisés par les moyens de mémorisation. - les moyens de traitement de données comprennent au moins un processeur configuré pour comparer les paramètres mesurés par les moyens de mesure sur une fenêtre de temps de plusieurs jours avec des profils à risque mémorisés par les moyens de mémorisation. - les moyens de mesure comprennent un tensiomètre, un pulsomètre, un glucomètre, un thermomètre, une balance et/ou un oxymètre, ou analogues. Bien entendu, d'autres dispositifs de mesure sont aussi utilisables, y compris un téléphone (smartphone) permettant de recueillir des réponses à des questionnaires d'autoévaluation, comme mentionné ci-après. - les moyens de mesure comprennent ou coopèrent avec des moyens de transmission de données pour transmettre les paramètres mesurés par les moyens de mesure aux moyens de traitement de données. - les moyens de traitement de données comprennent plusieurs processeurs. - les moyens de traitement de données comprennent au moins un premier processeur configuré pour : a) opérer un prétraitement des signaux correspondant aux paramètres mesurés, chaque signal comprenant à une pluralité de mesures successives de signaux vitaux réalisées pendant une durée donnée, par exemple un à plusieurs jours, b) identifier pour chaque signal mesuré si au moins une forme du signal ou profil représente un risque de décompensation par comparaison aux profils à risque enregistrés dans les moyens de mémorisation, et c) calculer un score de risque de décompensation relatif à chaque signal vital représentatif de l'état d'aggravation du patient. - les moyens de traitement de données comprennent au moins un second processeur configuré pour : i) calculer un score global de risque à partir de l'ensemble des scores de risque fournis par le premier processeur, ii) détecter lorsque le score global dépasse une valeur-seuil préfixée correspondant à un niveau élevé de risque de décompensation, et iii) activer les moyens d'alerte pour avertir le personnel soignant. - le premier processeur est configuré pour fournir au second processeur une pluralité de scores de risque de décompensation, chaque score de risque de décompensation correspondant à un signal vital représentatif de l'état d'aggravation du patient. - les moyens d'alerte sont sonores ou visuels. En particulier, ils comprennent au moins un avertisseur lumineux, par exemple une ou plusieurs LED ou un écran d'affichage d'information. - les moyens de mémorisation comprennent un serveur ou analogue. - les moyens de mesure comprennent un téléphone (smartphone), une tablette numérique ou un ordinateur configurés pour activer un questionnaire d'auto-évaluation du patient, de préférence un questionnaire intelligent. Ceci permet de réaliser une analyse efficace des symptômes contribuant ainsi à la détection d'un risque de décompensation. - l'identification des profils est préférentiellement opérée grâce à une analyse statistique et à des techniques de reconnaissance des formes du signal sur une fenêtre de plusieurs jours, donc avant chaque événement de décompensation et d'hospitalisation. Les profils à risques sont ainsi reconnus et classifiés dans la mémoire comme profils prédicteurs/anonciateurs de situations de décompensation et/ou d'hospitalisation. L'invention va maintenant être mieux comprise grâce à la description détaillée suivante, faite à titre illustratif mais non limitatif, en référence aux figures annexées parmi lesquelles : - la Figure 1 schématise un mode de réalisation d'un système de détection et d'alerte selon l'invention, - la Figure 2 schématise le processus de traitement des signaux mesurés, notamment le procédé de reconnaissance de forme des profiles à risque.
La Figure 1 illustre un mode de réalisation d'un système selon l'invention pour détecter et alerter le personnel soignant d'un risque de décompensation d'un patient de manière à éviter son hospitalisation du fait de cette décompensation, c'est-à-dire d'aggravation de son état de santé.
Le système selon l'invention comprend des moyens de mesure 1 de plusieurs paramètres 1 a-1 f choisis parmi la fréquence cardiaque (pulsations) 1a, la tension artérielle (TA) 1b, le poids (kg) 1c, la température (°C) 1 d, la glycémie (glucose sanguin) 1e et la saturation d'oxygène (SpCL) 1f d'un patient P, lesquels paramètres 1 a-1 f sont des indicateurs d'un état de santé du patient P considéré.
Ces paramètres 1 a-1 f peuvent être mesurés par des dispositifs de mesure adaptés, par exemple un tensiomètre pour mesurer la tension artérielle, un pulsomètre pour mesurer la fréquence des pulsations cardiaques, un glucomètre pour mesurer la glycémie, un thermomètre pour mesurer la température, une balance pour mesurer le poids et/ou un oxymètre pour mesurer la saturation d'oxygène (SpO2)...
Les moyens de mesure 1 comprennent ou coopèrent avec des moyens de transmission de données 2 pour transmettre les paramètres 1 a-1 f mesurés à des moyens de traitement de données compris dans le système.
Les moyens de transmission de données peuvent être de type filaire ou sans fil, par exemple ils peuvent comprendre un appareil communicant portatif ou non, par exemple un téléphone (smartphone), une tablette numérique ou un ordinateur, qui recueillent les données provenant des moyens de mesure 1, c'est-à-dire les paramètres 1 a-1 f mesurés, et les transmettent ensuite à des moyens de traitement de données 4 qui sont soit sur site, soit distants, comme expliqué ci-après. L'échange de données entre les moyens de mesure 1 et les moyens de transmission de données 2 peut se faire de différentes manières, soit directement entre les appareils communicants entre eux, soit par l'intermédiaire du patient P qui peut être amené à entrer certains paramètres mesurés, voire d'autres données comme un questionnaire d'évaluation de symptômes, dans un appareil de transmission de données 2, en particulier appareil communicant portatif.
Le téléphone (smartphone), une tablette numérique ou un ordinateur peut être aussi utilisé pour activer un questionnaire intelligent d'auto-évaluation de l'état du patient. Les questions pertinentes, par exemple douleur abdominale, toux, couleur des crachats ..., prédéfinies par les médecins sont proposées par le système de façon intelligente en fonction des réponses fournies pour l'évaluation de symptômes afin de faciliter la détection ou non, d'un risque de décompensation.
Par ailleurs, la transmission 3 par les moyens de traitement de données 2 peut se faire par tout réseau et/ou mode de transmission adaptés, par exemple en Bluetooth, Wifi, 3g, LoRa, Sigfox...
Le système selon l'invention comprend par ailleurs des moyens de mémorisation 5 pour enregistrer plusieurs profils à risque comprenant des valeurs de paramètres de tension artérielle, de poids, de température, de glycémie, de fréquence cardiaque et de saturation d'oxygène représentatifs de plusieurs états de santé différents comprenant en particulier des états de décompensation mais aussi des états de santé dits « normaux ».
Les moyens de mémorisation 5 peuvent comprendre une mémoire flash SSD,
Raid ...
Par ailleurs, des moyens de traitement de données 4 comprenant un ou plusieurs processeurs PI, P2, tels des microcontrôleurs, mettant en œuvre un ou des algorithmes, coopèrent avec les moyens de mesure 1 et les moyens de mémorisation 5 pour opérer un traitement des paramètres mesurés par les moyens de mesure 1 et commander des moyens d'alerte 6 pour alerter le personnel soignant en cas de détermination de paramètres mesurés correspondant à un profil à risque correspondant à un état de décompensation mémorisé.
Plus précisément, un premier processeur P1 est configuré pour : - opérer un prétraitement des signaux correspondant aux paramètres mesurés par des techniques de traitement signal, comme un filtrage des valeurs anormales,..., et leur normalisation. Chaque signal correspond en fait à une pluralité de mesures successives de signaux vitaux (sv1, sv2...) réalisées pendant une durée donnée (T), par exemple plusieurs jours, voire semaines, comme illustré en Figure 2. - identifier pour chaque signal mesuré (sv1, sv2...) des formes ou profils annonciateurs de risques de décompensation par comparaison aux profils à risque (prl, pr2...prj) enregistrés dans les moyens de mémorisation 5, comme montré en figure 2. - calculer séparément un score de risque (valeur de 0 à 100%) de décompensation relatif à chaque signal vital, c'est-à-dire correspondant à chaque mesure réalisée (température, poids, SpC>2, glycémie, tension artérielle...). Ce score de risque représente l'état d'aggravation du patient.
Par ailleurs, un second processeur P2 est configuré pour : - calculer un score global de risque patient à partir la combinaison de l'ensemble des scores fournis par le processeur P1 à partir l'évaluation de chaque signal vital. - détecter lorsque le score global dépasse une valeur-seuil préfixée correspondant à un niveau de risque élevé et donner l'alerte pour avertir le personnel soignant via les moyens d'alerte 6 et lui permettre de prendre des mesures adéquates vis-à-vis du patient P pour éviter son hospitalisation.
Les moyens d'alerte 6 sont visuels, sonores ou les deux. Ils comprennent par exemple une LED 9 et/ou une plateforme digitale 8 consultable via un appareil électronique, tel un smartphone, une tablette, un ordinateur ou autre.
En fait, comme illustré en Figure 2, on constate que pour chaque signal vital vs1, vs2..., on a une période dite normale PN pendant laquelle le patient P ne décompense pas, suivie d'une (ou plusieurs) périodes dite « de décompensation PD », pendant lesquelles l'état de santé du patient se dégrade et si rien n'est fait, conduisent à une hospitalisation du patient.
Grâce au système de l'invention, ces périodes de décompensation PD peuvent être détectées automatiquement par le système et le personnel soignant averti.
Les moyens de mémorisation 5 du système doivent comprendre un historique suffisant de mesures obtenues à partir de patients ayant été suivis au fil du temps et pour lesquels les événements de décompensations et les hospitalisations ont été relevées de manière à constituer une base de connaissances incorporant les différents profils annonciateurs de décompensations.
Selon l'invention, l'identification des profils est préférentiellement opérée grâce à une analyse statistique et à des techniques de reconnaissance des formes du signal sur une fenêtre de plusieurs jours, typiquement de 3 à 14 jours, avant chaque événement de décompensation et d'hospitalisation. Les profils des signaux à risques sont ainsi reconnus et classifier dans la mémoire comme profils prédicteurs/anonciateurs de situations de décompensation et/ou d'hospitalisation.
Alternativement, l'identification peut aussi se faire de façon incrémentale en enregistrant les nouveaux profils à risque au fur et à mesure des relevés de nouvelles mesures effectuées par les moyens de mémorisation.
Pour plus de détails sur les techniques d'analyse statistique utilisables dans le cadre de la présente invention, on peut se reporter aux documents suivants: G Zheng et al., Efficient Shift-lnvariant Dictionary Learning, KDD, 2016 ; et R. J. Alcock et al, Time-series similarity queries employing a feature-based approach, 7th Hellenic Conférence on Informatics, loannina, pages 27-29,1999.
Claims (11)
- Revendications1. Système pour détecter et alerter le personnel soignant d'un risque de décompensation d’un patient comprenant : - des moyens de mesure (1) de plusieurs paramètres (svl, sv2..., svi) choisis parmi la fréquence cardiaque, la tension artérielle, le poids, la température, la glycémie et la saturation d’oxygène (SpCh) d’un patient, - des moyens de mémorisation (5) pour enregistrer plusieurs profils à risque (prl, pr2... prj) comprenant des valeurs de paramètres de tension artérielle, de poids, de température, de glycémie, de fréquence cardiaque et de saturation d’oxygène (SpCh) représentatifs de plusieurs états de santé différents comprenant des états de décompensation, - des moyens de traitement de données (4) coopérant avec les moyens de mesure (1 ) et les moyens de mémorisation (5) pour opérer un traitement des paramètres mesurés (svl, sv2..., svi) par les moyens de mesure (1), et - des moyens d’alerte (6) pour alerter le personnel soignant en cas de détermination par les moyens de traitement de données (4) de paramètres mesurés (svl, sv2..., svi) correspondant à au moins un profil à risque (prl, pr2... prj) correspondant à au moins un état de décompensation mémorisé par les moyens de mémorisation (5). caractérisé en ce que les moyens de traitement de données (4) comprennent au moins un premier processeur (PI) configuré pour : a) opérer un prétraitement des signaux correspondant aux paramètres mesurés (svl, sv2..., svi), chaque signal comprenant une pluralité de mesures successives de signaux vitaux (svl, sv2...sv1 i) réalisées pendant une durée donnée (T), b) identifier pour chaque signal mesuré (svl, sv2...svi) si au moins une forme du signal ou profil représente un risque de décompensation par comparaison aux profils à risque (prl, pr2...prj) enregistrés dans les moyens de mémorisation (5), et c) calculer un score de risque de décompensation relatif à chaque signal vital représentatif de l’état d’aggravation du patient.
- 2. Système selon la revendication 1, caractérisé en ce que les moyens de traitement de données (4) comprennent au moins un processeur (PI, P2) mettant en œuvre au moins un algorithme.
- 3. Système selon l'une des revendications 1 ou 2, caractérisé en ce que les moyens de traitement de données (4) comprennent au moins un processeur (PI, P2) configuré pour comparer les paramètres mesurés (svl, sv2..., svi) par les moyens de mesure avec des profils à risque mémorisés par les moyens de mémorisation.
- 4. Système selon l'une des revendications 1 à 3, caractérisé en ce que les moyens de traitement de données (4) comprennent au moins un processeur configuré pour comparer les paramètres mesurés (svl, sv2..., svi) par les moyens de mesure (1) sur une fenêtre de temps (T) de plusieurs jours avec des profils à risque (prl, pr2... prj) mémorisés par les moyens de mémorisation (5).
- 5. Système selon la revendication 1, caractérisé en ce que les moyens de mesure (1) comprennent un tensiomètre, un pulsomètre, un glucomètre, un thermomètre, une balance et/ou un oxymètre.
- 6. Système selon l'une des revendications précédentes 1 ou 5, caractérisé en ce que les moyens de mesure (1) comprennent ou coopèrent avec des moyens de transmission de données (3) pour transmettre les paramètres mesurés (svl, sv2..., svi) par les moyens de mesure (1) aux moyens de traitement de données (4).
- 7. Système selon la revendication 1, caractérisé en ce que les moyens de traitement de données (4) comprennent au moins un second processeur (P2) configuré pour : i) calculer un score global de risque à partir de l’ensemble des scores de risque fournis par le premier processeur (P1), ii) détecter lorsque le score global dépasse une valeur-seuil préfixée correspondant à un niveau élevé de risque de décompensation, et iii) activer les moyens d'alerte (6) pour avertir le personnel soignant.
- 8. Système selon les revendications 1 et 7, caractérisé en ce que le premier processeur (PI) est configuré pour fournir au second processeur (P2) une pluralité de scores de risque de décompensation, chaque score de risque de décompensation correspondant à un signal vital (svl, sv2,... svi) représentatif de l'état d'aggravation du patient.
- 9. Système selon la revendication 1, caractérisé en ce que les moyens d'alerte (6) sont sonores ou visuels.
- 10. Système selon la revendication 1, caractérisé en ce que les moyens de mémorisation (5) comprennent un serveur.
- 11. Système selon la revendication 1, caractérisé en ce que les moyens de mesure comprennent un téléphone (smartphone), une tablette numérique ou un ordinateur configurés pour activer un questionnaire intelligent d’auto-évaluation du patient.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1758418A FR3070851B1 (fr) | 2017-09-12 | 2017-09-12 | Systeme pour detecter et alerter le personnel soignant d’un risque de decompensation ou d’hospitalisation d’un patient |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1758418A FR3070851B1 (fr) | 2017-09-12 | 2017-09-12 | Systeme pour detecter et alerter le personnel soignant d’un risque de decompensation ou d’hospitalisation d’un patient |
| FR1758418 | 2017-09-12 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3070851A1 FR3070851A1 (fr) | 2019-03-15 |
| FR3070851B1 true FR3070851B1 (fr) | 2019-09-20 |
Family
ID=60182759
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1758418A Active FR3070851B1 (fr) | 2017-09-12 | 2017-09-12 | Systeme pour detecter et alerter le personnel soignant d’un risque de decompensation ou d’hospitalisation d’un patient |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3070851B1 (fr) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111728600B (zh) * | 2020-06-29 | 2021-01-19 | 北京凤凰医联科技有限公司 | 血压血糖监测系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7629889B2 (en) * | 2006-12-27 | 2009-12-08 | Cardiac Pacemakers, Inc. | Within-patient algorithm to predict heart failure decompensation |
-
2017
- 2017-09-12 FR FR1758418A patent/FR3070851B1/fr active Active
Also Published As
| Publication number | Publication date |
|---|---|
| FR3070851A1 (fr) | 2019-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230121411A1 (en) | Systems and methods for missing data imputation | |
| Buckingham et al. | Response to nocturnal alarms using a real-time glucose sensor | |
| US12496002B1 (en) | Context-aware post traumatic stress disorder monitoring and intervention | |
| US10265029B2 (en) | Methods and systems for calculating and using statistical models to predict medical events | |
| US9622709B2 (en) | Monitoring severity and duration of aberrant physiological parameters during a procedure | |
| US10653368B1 (en) | Determining when to emit an alarm | |
| US10932716B1 (en) | Characterizing sleep architecture | |
| CN109564586B (zh) | 系统监测器及系统监测方法 | |
| US20240038383A1 (en) | Health Monitoring System | |
| US20220183566A1 (en) | Systems and methods for diurnal curve tracking and analysis | |
| FR3055052A1 (fr) | Systeme de traitement de donnees pour predire une crise d’exacerbation d’un patient atteint d’une maladie respiratoire chronique | |
| CN111329459A (zh) | 一种改良的患者生命体征监测预警评分方法 | |
| Zhao et al. | Improving mortality risk prediction with routine clinical data: a practical machine learning model based on eICU patients | |
| CA2866969C (fr) | Procede et systeme pour determiner une variabilite de la frequence cardiaque (hrv) et une variabilite de la frequence respiratoire (rrv) et utilisation pour identifier un debut d' etat pathologique potentiel | |
| FR3070851B1 (fr) | Systeme pour detecter et alerter le personnel soignant d’un risque de decompensation ou d’hospitalisation d’un patient | |
| Siegel et al. | Leveraging computer vision in the intensive care unit (icu) for examining visitation and mobility | |
| US20230389849A1 (en) | Cardiac Monitoring and Management System | |
| Sundas et al. | Comprehensive Study of Machine Learning-Based Systems for Early Warning of Clinical Deterioration | |
| FR3056328A1 (fr) | Systeme de traitement de donnees pour predire une hospitalisation ou une re-hospitalisation d’un patient atteint d’une maladie respiratoire chronique | |
| Ahmed et al. | AI-Assisted Prediction of Acute Hyperglycemic Crises in Pilgrims with Diabetes During Hajj: Study Protocol | |
| Giguère et al. | Predicting Episodes of Hypovigilance in Intensive Care Units Using Routine Physiological Parameters and Artificial Intelligence: Derivation Study | |
| Juez-Garcia et al. | Continuous vital sign monitoring for predicting hospital length of stay: a feasibility study in chronic obstructive pulmonary disease and chronic heart failure patients | |
| Kaur | Empirical stress prediction among drivers utilizing wearable sensors and psychometric signals: Towards smart health | |
| EP3176715B1 (fr) | Système de traitement de données pour la détection d'une crise d'exacerbation chez un patient souffrant d'une maladie respiratoire chronique traité par oxygénothérapie | |
| Esteves et al. | Diseases identification with big data concept–The older people community |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20190315 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |
|
| PLFP | Fee payment |
Year of fee payment: 6 |
|
| PLFP | Fee payment |
Year of fee payment: 7 |
|
| PLFP | Fee payment |
Year of fee payment: 8 |
|
| PLFP | Fee payment |
Year of fee payment: 9 |