用于计算总体风险得分的健康监控系统的制作方法
【专利摘要】本发明的实施例提供一种包括活动监控器的健康监控系统。所述健康监控系统进一步包括处理器和用于存储机器可读指令的存储器。所述指令使所述处理器根据通过所述活动监控器获取的活动数据来推导活动计数。所述指令进一步使所述处理器将所述活动计数存储在所述存储器中，并且将其与时间相关联。所述指令进一步使所述处理器根据所述活动计数计算至少两个统计参数，其中，所述至少两个统计参数将所述活动计数描述为关于时间的函数。所述指令进一步使所述处理器计算针对所述至少两个统计参数中的每一个的风险得分。所述指令进一步使所述处理器使用针对所述至少两个统计参数中的每一个的风险得分来计算总体风险得分。
【专利说明】用于计算总体风险得分的健康监控系统
【技术领域】
[0001]本发明涉及对主体的活动的监控，具体地说，用于使用所述主体的依赖于时间的活动来计算总体风险得分。
【背景技术】
[0002]由急性COPD恶化导致的住院治疗对疾病进展具有负面影响。频繁住院的患者经历较低的与健康相关的生活质量。而且，对于患有COPD的患者，住院治疗是总体卫生保健支出的主要决定因素。在住院治疗之后，许多患者在3个月内重新住院，其中的许多本来可以被避免。
[0003]通过理解患者形成急性恶化的风险，能够及时地提供适当的干预以便确保患者避免住院治疗。
[0004]美国专利申请US2011/0125044A1公开一种用于监控呼吸道疾病的自动系统。加速度计信号被分析以便确定活动级别。在事件之前、期间和之后对用户的症状和活动级别的分析能够提供对疾病严重程度的有意义的确定并且预测未来的呼吸道疾病。
【发明内容】
[0005]本发明在独立权利要求中提供一种健康监控系统、一种计算机程序产品和一种健康监控方法。在从属权利要求中给出了实施例。
[0006]本发明的实施例可以提供一种用于确定患者针对急性恶化和重新住院治疗的风险的方法。所述方法包括对从活动数据中提取的各种信息进行组合，该各种信息包括一般活动数量、行走和坐或躺花费的时间、行走模式和脚步计数以及诸如呼吸率和呼吸恢复时间的呼吸数据。然后推导风险得分以便指示所述患者针对急性恶化和再次住院治疗的风险。
[0007]慢性阻塞性肺病(COPD)相关的住院治疗是急性恶化的结果，这严重地降低了COPD患者的与健康相关的生活质量。急性恶化的高频率与糟糕的存活预后有关。
[0008]大致三分之一的住院治疗的患者随后在3个月内重复住院。然而，如果临床医生更多地知道患者重复住院的风险，这些重复住院中的许多或许能够被避免。因此，知道哪些患者更加易于形成急性恶化使临床医生能够在患者达到恶化急性阶段之前及时地进行干预，并且因而避免住院治疗。
[0009]本发明的实施例可以提供一种用于评估患者形成急性恶化和再次住院的风险的方法。分析从加速度计或者结合呼吸传感器收集的数据可以提供与患者的状况相关的有价值的信息。例如，如果患者开始花费越来越增多量的时间进行坐或躺，行走得较少，比平常发生更多的停顿和/或具有增加的呼吸休息率，则存在患者的健康状态正在恶化的指示。通过检查患者活动和呼吸模式的具体细节，能够生成风险得分以便指示患者急性恶化和重新住院的可能性。然后将所述风险得分转换到3级风险评估:高、中或低风险，这是用于临床医生理解并据此行动的对风险的简单分析。因此，可以提供合适的干预以便确保患者不恶化到他们需要住院治疗的阶段。
[0010]本文使用的“机器可读存储介质”包含可以存储由计算设备的处理器可执行的指令的任何有形存储介质。所述计算机可读存储介质可以被称为计算机可读非暂态存储介质。所述计算机可读存储介质也可以被称为有形计算机可读介质。在一些实施例中，计算机可读存储介质也能够存储能够由计算设备的处理器访问的数据。计算机可读存储介质的示例包括但不局限于:软盘、穿孔磁带、穿孔卡片、磁性硬盘驱动、固态硬盘、闪存、USB拇指驱动、随机存取存储器(RAM)、只读存储器(ROM)、光盘、磁-光盘和处理器的寄存器文件。光盘的示例包括压缩盘(CD)和数字多用途盘(DVD)，例如CD-ROM、CD-RW、CD-R、DVD-ROM、DVD-Rff或DVD-R盘。计算机可读存储介质一词也指代能够由计算设备经由网络或通信链路存取的各种类型的记录介质。例如，可以通过调制解调器、通过以太网或者通过局域网来取回数据。对计算机可读存储介质的引用应该被解释为可能是多个计算机可读存储介质。可以将一个或多个程序的各种可执行部件存储在不同的位置中。所述计算机可读存储介质可以例如是相同计算系统内的多个计算机可读存储介质。所述计算机可读存储介质也可以是分布在多个计算机系统或计算设备之间的计算机可读存储介质。
[0011]“计算机存储器”或“存储器”是计算机可读存储介质的示例。计算机存储器是对于处理器直接可存取的任意存储器。计算机存储器的示例包括但不局限于:RAM存储器、寄存器以及寄存器文件。对“计算机存储器”或“存储器”的引用应该被尽可能地解释为是多个存储器。所述存储器可以例如是相同计算机系统内的多个存储器。所述存储器也可以是分布在多个计算机系统或计算设备之间的多个存储器。
[0012]“计算机贮存器”或“贮存器”是计算机可读存储介质的示例。计算机贮存器是任意非易失性计算机可读存储介质。计算机贮存器的示例包括但不局限于:硬盘驱动、USB拇指驱动、软盘、智能卡、DVD、⑶-ROM和固态硬驱。在一些实施例中，计算机贮存器也可以是计算机存储器或者反之亦然。对“计算机贮存器”或“贮存器”的引用应该被尽可能地解释为是多个贮存器。所述贮存器可以例如是相同计算机系统或计算设备内的多个存储设备。所述贮存器也可以是分布在多个计算机系统或计算设备之间的多个贮存器。
[0013]本文使用的“处理器”包括也用于执行程序或机器可执行指令的电子部件。对包括“处理器”的计算设备的引用应该被尽可能地解释为包含多于一个处理器或处理器核心。所述处理器可以例如是多核处理器。处理器也可以指代位于单个计算机系统内或者分布在多个计算机系统之间的处理器的集合。计算设备一词也应该被解释为可能指代计算设备的集合或网络，每一个计算设备包括一个或多个处理器。许多程序使它们的指令由位于相同计算设备内或者甚至跨多个计算设备分布的多个处理器执行。
[0014]本文使用的“用户接口”是允许用户或操作者与计算机或计算机系统交互的接口。“用户接口 ”也可以被称为“人类接口设备”。用户接口可以向操作者提供信息或数据和/或从操作者接收信息或数据。用户接口可以使来自操作者的输入被计算机接收并且可以从计算机向用户提供输出。换言之，用户接口可以允许操作者控制或操控计算机，并且该接口可以允许计算机指示操作者的控制或操控的效果。数据或信息在显示器或图形用户接口上的显示是向操作者提供信息的示例。经过键盘、鼠标、跟踪球、触摸板、指示杆、图形输入板、游戏杆、游戏手柄、网络摄像头、头戴式耳机、变速杆、方向盘、踏板、有线手套、跳舞毯、远程控制、一个或多个开关、一个或多个按钮以及加速度计的数据的接收是能够完成从操作者接收信息或数据的用户接口部件的所有示例。
[0015]本文使用的“硬件接口”包含使计算系统的处理器能够与外部计算设备和/或装置交互和/或控制该外部计算设备和/或装置的接口。硬件接口可以允许处理器向外部计算设备和/或装置发送控制信号或指令。硬件接口也可以使处理器能够与外部计算设备和/或装置交换数据。硬件接口的示例包括但不局限于:通用串行总线、IEEE1394端口、并行端口、IEEE1284端口、串行端口、RS-232端口、IEEE-488端口、蓝牙连接、无线局域网连接、TCP/IP连接、以太网连接、控制电压接口、MIDI接口、模拟输入接口和数字输入接口。
[0016]本文使用的“显示器”或“显示设备”包含适于显示图像或数据的输出设备或用户接口。显示器可以输出视觉、音频和/或触觉数据。显示器的示例包括但不局限于:计算机监视器、电视机屏幕、触摸屏、触觉电子显示器、盲文屏幕、阴极射线管(CRT)、存储显像管、双稳显示器、电子纸张、矢量显示器、平板显示器、真空荧光显示器(VF)、发光二极管(LED)显示器、电致发光显示器(ELD)、等离子体显示面板(PDP)、液晶显示器(LCD)、有机发光二极管显示器(OLED)、投影仪和头戴式显示器。
[0017]在一个方面，本发明提供一种包括活动监控器的健康监控系统，所述活动监控器用于获取描述主体的依赖于时间的运动的活动数据。所述主体的依赖于时间的运动可以是内部和/或外部运动。外部运动的示例可以是由主体行走或跑引起的运动。内部运动的示例可以是主体的呼吸。例如，主体穿戴的活动监控器可以检测由于主体移动和/或呼吸引起的运动或运动的改变。所述健康监控系统进一步包括用于控制所述健康监控系统的处理器。所述处理器可以被解释为是多个处理器并且也可以位于不同的位置。所述健康监控系统进一步包括用于存储机器可读指令的存储器。
[0018]所述指令的执行使所述处理器根据所述活动数据推导活动计数。本文使用的活动计数是根据活动数据推导的活动的谨慎的测度。例如，当主体在房间周围移动或进行一些动作时，加速度计将记录重复的加速度。某一量的活动可以用于作为活动计数进行登记。所述指令的执行进一步使所述处理器将所述活动计数存储在所述存储器中。所述活动计数中的每一个与时间相关联。换言之，将依赖于时间的活动计数存储在存储器中。
[0019]所述指令的执行进一步使所述处理器根据所述活动计数计算至少两个统计参数。所述至少两个统计参数将所述活动计数为关于时间的函数。所述指令的执行进一步使所述处理器计算针对至少两个统计参数的每一个的风险得分。所述至少两个统计参数的每一个与所述主体的风险相关联。所述指令的执行进一步使所述处理器使用所述针对所述至少两个统计参数的每一个来计算总体风险。本发明的实施例可能是有利的，因为根据至少两个统计参数计算总体风险能够进行主体的活动级别上的改变的检测。这能够精确地计划所述主体应该何时被重新检查或重新住院治疗。
[0020]在另一实施例中，所述活动监控器包括用于测量加速度计数据的加速度计。所述活动数据包括加速度计数据。所述指令的执行使所述处理器根据所述加速度计数据推导活动计数。所述加速度计可以用于测量所述主体的加速度。这样的加速度可以表示所述主体正在移动或正在从事物理活动。
[0021]在另一实施例中，所述指令的执行进一步使所述处理器对所述加速度计数据执行带通滤波。所述滤波器的这一带通性可以被数字地执行或者使用模拟电路来执行。所述指令的执行进一步使所述处理器识别带通滤波后的加速度计数据中的峰值。所述指令的执行进一步使所述处理器根据幅值将每一个峰值分类为一个步幅或半个步幅，以便计算第三依赖于时间的速度、从前一脚步开始逝去的时间和估计的行走速度。所述两个统计参数中的至少一个描述依赖于时间的行走速度。这一实施例可能是有利的，因为它可以更加精确地识别主体已经行走的脚步或步幅的数量。这可以导致对活动计数的更加精确的确定。
[0022]在另一实施例中，通过将所述峰值幅值、从前一脚步开始逝去的时间和估计的行走速度与预定的参数空间进行比较来对峰值进行分类。实际上，包含并提及峰值幅值、从前一脚步开始逝去的时间和估计的行走速度的参数空间可以用于限定三维参数空间。通过经验实验，所述参数空间可以被划分为两个区域，一个步幅或半个步幅。在确定了峰值幅值、从前一脚步开始逝去的时间和估计的行走速度之后，能够针对该预定的参数空间来检查值的列表，并且做出是一个步幅或半个步幅的确定。所述预定的参数空间可以用于特定主体或者可以用于一组或一群主体。这一实施例可能是有利的，因为它为将由加速度计检测到的脚步分类为一个步幅或半个步幅提供一种精确的方式。
[0023]在另一实施例中，所述活动监控器包括用于测量描述主体的呼吸率的呼吸数据的呼吸传感器。本文使用的呼吸传感器包括可以用于测量主体的呼吸率的传感器。这可以通过多种方式执行。例如，可以使用加速度计、麦克风和胸部扩张传感器。所述活动数据包括呼吸数据。这可能是因为加速度计测量主体的内部运动和外部运动二者。
[0024]在另一实施例中，获取不同类型的呼吸数据，并且将其简单地附加到或包括在所述活动数据中。所述活动数据包括所述呼吸数据。所述指令的执行进一步使所述处理器根据所述呼吸数据计算呼吸率数据。所述指令的执行进一步使所述处理器将所述呼吸率数据存储在存储器中。所述呼吸率数据与时间相关联。所述呼吸率数据因此是依赖于时间的。这可能是有利的，因为存储在存储器中的活动计数也是依赖于时间的。因此，可以将依赖于时间的活动计数与依赖于时间的呼吸率数据直接进行比较。所述指令的执行进一步使所述处理器根据所述呼吸率数据计算至少一个附加的统计参数。
[0025]所述指令的执行进一步使所述处理器计算针对所述至少一个附加的统计参数的附加的风险得分。至少部分地使用所述附加的风险得分来计算总体风险得分。这一实施例可能是有利的，因为可以对主体的呼吸率和活动进行比较。例如，在活动之后，可以注意到呼吸率是多少以及该主体花费了多长时间进行恢复。这是主体健康的非常有效的测量。
[0026]在另一实施例中，使用所述活动计数来计算所述至少一个附加的统计参数以便确定呼吸恢复率。主体的呼吸道健康严重依赖于主体在剧烈运动之后多快可以恢复。本文使用的呼吸恢复率是计算的测度或比率，该测度或比率表示在运动之后主体的心血管系统花费多长时间进行恢复。可以使用依赖于时间的呼吸恢复率和依赖于时间的活动计数的组合来计算所述至少一个附加的统计参数。
[0027]在另一实施例中，所述呼吸传感器是加速度计。
[0028]在另一实施例中，所述呼吸传感器是麦克风。
[0029]在另一实施例中，所述呼吸传感器是胸部扩张传感器。
[0030]在另一实施例中，所述指令的执行进一步使所述处理器根据所述活动计数计算至少一个行为参数。所述行为参数将所述活动计数描述为关于时间的函数。例如，所述活动计数可以用于确定主体正在从事的行为的类型。例如，可以确定当主体睡觉或执行一些其它活动时的活动计数的时间分布。所述指令的执行进一步使所述处理器计算针对所述至少一个行为参数的行为相似度得分。例如，可以监控所述主体的先前活动并且可以研究该行为参数的改变。例如，可以将时间长度或者主体从睡眠中醒来的时间监控为行为参数。
[0031]可以在某一时间的持续时间内建立针对所述至少一个行为参数的基线值。在一些实施例中，所述行为相似度得分是所述行为参数与先前的一个或多个值的改变或偏差。这在监控主体的行为的改变中可能尤为有利。例如，主体可能具有的总体活动计数在一天或一系列天中可以相同，然而，主体的行为已经迅速改变。
[0032]在另一实施例中，使用所述活动计数来计算多个行为参数。所述多个行为参数包括所述至少一个行为参数。针对所述多个行为参数中的每一个计算行为相似度得分。所述指令的执行进一步使所述处理器计算针对所述至少两个统计参数的每一个的总体行为相似度得分。
[0033]在另一实施例中，至少部分地使用所述总体行为相似度得分来计算所述总体风险得分。
[0034]在另一实施例中，所述至少一个行为参数是根据一天的时间对活动强度的分类。
[0035]在另一实施例中，所述至少一个行为参数是所述活动计数高于预定的活动级别的最长时间段。
[0036]在另一实施例中，所述至少一个行为参数是所述活动计数高于预定的活动级别的最长时间段的一天的时间。
[0037]在另一实施例中，所述至少一个行为参数是行走时间。
[0038]在另一实施例中，所述至少一个行为参数是所述主体的睡眠时间。
[0039]在另一实施例中，所述至少一个行为参数是睡眠持续时间。
[0040]在另一实施例中，所述至少一个行为参数是睡眠期间的总体活动计数。
[0041]在另一实施例中，所述至少一个行为参数是所述活动计数低于预定的活动级别的最长时间段。
[0042]在另一实施例中，所述至少一个行为参数是所述活动计数低于预定的活动级别的最长时间段的一天的时间。
[0043]在另一实施例中，所述至少一个行为参数是最长维持活动的时间。
[0044]在另一实施例中，所述至少一个行为参数是最长维持活动的强度级别。
[0045]在另一实施例中，所述至少一个行为参数是最长维持活动的持续时间。
[0046]在另一实施例中，所述至少一个行为参数是最长维持不活动的时间。
[0047]在另一实施例中，所述至少一个行为参数是最长维持不活动的持续时间。
[0048]在另一实施例中，所述至少一个行为参数是在一天的不同间隔期间的平均活动计数。
[0049]在另一实施例中，所述至少一个行为参数是行走期间的停顿。
[0050]在另一实施例中，所述至少一个行为参数是停顿的持续时间。
[0051]在另一实施例中，所述至少一个行为参数是花费在坐上的时间。
[0052]在另一实施例中，所述至少一个行为参数是花费在躺上的时间。
[0053]在另一实施例中，所述至少一个行为参数是花费在行走上的时间。
[0054]在另一实施例中，所述至少一个行为参数是活动之间的过渡时间。
[0055]在另一实施例中，所述至少一个行为参数是上述行为模式的组合。[0056]在另一实施例中，所述指令的执行使所述处理器根据存档的活动计数计算活动模板。对所述活动计数与每天活动模板进行比较，计算所述至少一个行为参数。所述存档的行为计数可以是在预定的时间段内存储在存储器中的依赖于时间的活动计数。所述每天活动模板可以记录诸如主体何时醒来以及何时进入睡眠这样的事务。他们也可以包含关于主体花费在移动上的平均时间量的信息。这可能是有利的，因为与活动模板进行的比较可以指示在主体行为的快速改变，这可能要求医师或医疗提供者的关注。
[0057]在另一实施例中，活动模板是下列中的任意一个:每月活动模板、每周活动模板、每天活动模板、锻炼活动模板和休息日活动模板。每月活动模板可以例如是主体的活动在一个月内的平均关于时间的函数。同样，每周活动模板和每日活动模板可以分别是一周和一天的平均活动。锻炼活动模板可以是从主体进行运动的一天或几天中采集的活动模板。休息日活动模板可以是从主体休息或者没有进行锻炼的一天或几天中采集的活动模板。这一实施例可能是有利的，因为它提供能够基于其对主体的活动进行比较的不同的时间尺度。
[0058]在另一实施例中，通过在预定数量的日常时间仓中对存档的活动计数进行入仓和取平均来计算所述日常模板。对所述活动计数与所述日常活动模板进行的比较通过使所述活动计数入仓到所述日常时间仓中实现。所述比较进一步通过对所述日常时间仓中的每一个中的活动计数与所述日常时间仓中的每一个中的存档的活动计数的平均数量进行比较来执行。
[0059]在另一实施例中，所述至少一个行为参数是所述至少两个统计参数中的一个。实际上,在一些实施例中，行为参数可以与统计参数相同。
[0060]在另一实施例中，所述至少两个统计参数包括下列中的任意一个:每天的总体活动计数、每天的平均活动计数、每天的峰值活动计数、活动计数高于预定阈值的最长时段、活动计数低于预定阈值的最长时段、活动过渡持续时间及它们的组合。活动过渡持续时间可以例如是主体改变活动类型所花费的时间:例如，在睡觉和醒来之间转变。活动过渡持续时间的示例是醒来并且起床。
[0061]在另一实施例中，所述指令的执行进一步使所述处理器执行下列中的任意一个:在显示器上显示总体风险得分、将总体风险得分转发到远程患者管理系统、利用电子邮件发送所述总体风险得分及它们的组合。这一实施例可能是有利的，因为显示器上的总体风险得分可以向主体提供关于他或她的行为的反馈。另外，向远程患者管理系统转发总体风险得分或者利用电子邮件发送它可以向医师提供该信息。本文使用的远程患者管理系统是可以从主体输入和/或传感器数据收集数据并且用于向主体或患者提供保健信息的系统。
[0062]在另一实施例，通过使活动计数入仓到时间间隔中来将它们存储在存储器中。
[0063]在另一方面，本发明提供一种包括用于由健康监控系统的处理器执行的机器可执行指令的计算机程序产品。所述健康系统包括用于获取描述主体的依赖于时间的运动的活动数据的活动监控器。所述指令的执行使所述处理器根据所述活动数据推导活动计数。所述指令的执行进一步使所述处理器将所述活动计数存储在存储器中。所述活动计数中的每一个与时间相关联。所述指令的执行进一步使所述处理器根据所述活动计数计算至少两个统计参数。所述至少两个统计参数将所述活动计数描述为关于时间的函数。所述指令的执行进一步使所述处理器计算针对所述至少两个统计参数的每一个的风险得分。所述指令的执行进一步使所述处理器使用针对所述至少两个统计参数的每一个的所述风险得分来计算总体风险得分。
[0064]在另一方面，本发明提供一种健康监控的方法。所述方法包括根据活动监控器的活动数据推导活动计数的步骤。所述活动监控器能够操作为获取描述主体的依赖于时间的运动的活动数据。例如，可以将在特定时间段内高于某一阈值的活动计数为活动计数。在其它实施例中，主体的活动被随着时间整合并且被转换为活动计数。所述活动例如可以是主体在某一时间段内经历的加速度的测量。所述方法进一步包括记录所述活动计数的步骤。所述活动计数中的每一个与时间相关联。所述方法进一步包括根据所述活动计数计算至少两个统计参数的步骤。所述至少两个统计参数将所述活动计数描述为关于时间的函数。所述方法进一步包括计算针对所述至少两个统计参数的每一个的风险得分的步骤。所述方法进一步包括使用针对所述至少两个统计参数的每一个的所述风险得分来计算总体风险得分的步骤。
[0065]在另一实施例中，所述方法进一步包括所述所述总体风险得分确定风险分层的步骤。
[0066]在另一实施例中，所述方法进一步包括计算针对慢性阻塞性肺疾病或COPD恶化的风险类别的步骤。
[0067]在另一实施例中，所述方法进一步包括如果所述总体风险得分在预定范围内或之上则使所述主体住院治疗的步骤。
【专利附图】
【附图说明】
[0068]下面仅通过示例的方式并且参照附图来描述本发明的优选实施例，在附图中:
[0069]图1示出了说明根据本发明实施例的一种方法的流程图；
[0070]图2示出了说明根据本发明进一步实施例的一种方法的流程图；
[0071]图3示出了说明根据本发明进一步实施例的一种方法的流程图；
[0072]图4说明了根据本发明进一步实施例的一种健康监控系统；
[0073]图5说明了根据本发明实施例的一种健康监控系统；
[0074]图6示出了说明根据本发明进一步实施例的一种方法的流程图；
[0075]图7示出了时间700对活动计数的曲线；
[0076]图8示出了时间对呼吸率的曲线；
[0077]图9示出了说明如何使用在图8中计算的恢复时间来分配健康状况索引的表格；
[0078]图10示出了说明如何计算总体风险得分的表格；
[0079]图11示出了 COPD患者的活动模式的示例；
[0080]图12示出了所示出的每天活动计数的总体数量；
[0081]图13示出了与在图12中示出的数据相同的数据，除了示出了在不同类型的活动上花费的时间量；
[0082]图14示出了针对不同天的最大活动持续时间的曲线；
[0083]图15示出了多天内的活动图；
[0084]图16示出了在白天和夜晚期间的间隔内的平均活动计数的相同数据；
[0085]图17示出了说明总体行为相似性得分的计算的表格；[0086]图18示出了由活动监控器获取的加速度计信号；
[0087]图19示出了由活动监控器获取的另一加速度计信号；并且
[0088]图20示出了如何对所检测的步骤进行分类的示例。
【具体实施方式】
[0089]在这些附图中被类似编号的元件或者是等效的元件或者实现相同的功能。如果功能等效，则先前讨论的元件在后续的附图中将不必再进行讨论。
[0090]图1示出了说明根据本发明实施例的一种方法的流程图。在步骤100，从活动监控器接收活动计数。接下来，在步骤102，将所述活动计数存储在存储器中。任一活动计数按照这样一种方式进行存储以便使它们与时间相关联。例如，活动计数可以具有单独的时间戳或者可以将它们放置在指示时间范围的仓(bin)中。接下来，在步骤104，根据活动计数来计算至少两个统计参数。所述统计参数使用活动计数的时间关系。接下来，在步骤106，计算针对每一个统计参数的风险得分。然后最后在步骤108，使用针对每一个统计参数的风险得分来计算总体风险得分。
[0091]图2示出了根据本发明进一步实施例的一种方法的流程图。在步骤200，从活动监控器接收加速度计数据。接下来，在步骤202，对所述加速度计数据进行带通滤波。所述带通滤波可以由数字滤波器实现。接下来，在步骤204，识别滤波后的加速度计数据中的峰值。接下来在步骤206，将峰值或者分类为一个步幅或者分类为半个步幅。接下来在步骤208，根据所述一个步幅或半个步幅来推导活动计数。例如，活动计数可以等于某一数量的一个步幅或半个步幅。接下来在步骤210，将活动计数存储在存储器中。活动计数按照这样的方式进行存储以使得每一个活动计数与时间或时间范围相关联。接下来在步骤212，根据活动计数计算至少两个统计参数。在步骤214，计算针对每一个统计参数的风险得分。最后在步骤216，使用所述风险得分来计算总体风险得分。
[0092]图3示出了根据本发明进一步实施例的一种方法的流程图。在步骤300，从活动监控器接收加速度计数据。接下来在步骤302，对该加速度计数据进行带通滤波。接下来在步骤304，识别滤波后的加速度计数据中的峰值。最后在步骤306，将峰值分类为一个步幅或半个步幅。
[0093]图4说明了根据本发明实施例的一种健康监控系统400。在该图中，示出了活动监控器402。活动监控器402包括处理器404和存储器406。处理器404连接到存储器用于执行存储在存储器406中的程序408。程序408包括用于操作的计算机可执行代码以及活动监控器402的功能。存储器406也包含已经从邻近主体414的传感器412获取的活动数据410。在一些实施例中，整个活动监控器402由主体414穿戴。传感器412可以是加速度计或者能够检测主体414的运动的其它传感器。传感器412也可以包括用于检测呼吸的麦克风或者也用于检测主体414的呼吸的胸部扩张传感器。
[0094]活动监控器402通过网络连接416连接到计算机418。计算机418包括连接到计算机贮存器422和计算机存储器424的处理器420。在计算机贮存器422内显示有计算机418已经从活动监控器402接收到的活动数据410。计算机贮存器422进一步被显示为包含活动计数426。计算机贮存器422进一步被显示为包含根据活动计数426计算的统计参数428。计算机贮存器422进一步被显示为包含风险得分430。风险得分430已经根据统计参数428进行计算。计算机存储器422进一步被显示为包含根据风险得分430计算的总体风险得分432。
[0095]计算机存储器424被显示为包含活动计数计算模块434。活动计数计算模块434包含使处理器420能够根据活动数据410计算活动计数426的计算机可执行代码。计算机存储器424进一步被显示为包含统计参数计算模块436。统计参数计算模块436包含使处理器420能够根据活动计数426计算统计参数428的计算机可执行代码。计算机存储器424进一步被显示为包含风险得分计算模块438。风险得分计算模块438包含使处理器420能够根据统计参数428计算风险得分430的计算机可执行代码。计算机存储器424进一步被显示为包含总体风险得分计算模块440。总体风险得分计算模块440包含使处理器420能够使用风险得分430来计算总体风险得分432的计算机可执行代码。
[0096]图5示出了根据本发明进一步实施例的一种健康监控系统。在这一实施例中，存在活动监控器402’。活动监控器402’组合了图4的活动监控器402和计算机418的功能。这是如何在不同的处理器之间分配健康监控系统的一个说明。
[0097]活动监控器402具有显示器502。在显示器502上,存在能够向主体414指示总体风险得分432的风险反馈指示器504。显示器502可以是诸如LCD或OLED显示器的图形显示器，或者它可以简单地是诸如发光二极管的指示器以便指示高、中和低风险。
[0098]活动监控器402经由网络连接416与计算机506进行通信。计算机506包括连接到用户接口 510、计算机、计算机贮存器512和计算机存储器514的处理器508。计算机贮存器512被显示为包含从活动监控器402’接收到的活动计数426。计算机贮存器512进一步被显示为包含根据活动计数426计算的行为参数516。计算机贮存器512进一步被显示为包含根据行为参数516计算的行为相似性得分518。计算机贮存器512进一步被显示为包含根据行为相似性得分518计算的总体行为相似性得分520。计算机贮存器512进一步被显示为包含活动计数数据库522。活动计数数据库522包含由活动监控器402获取的存档的活动计数。计算机贮存器512进一步被显示为包含根据活动计数数据库522推导的活动模板524。计算机贮存器512进一步被显示为包含从活动模板524计算的风险层次526。
[0099]计算机存储器514进一步被显示为包含行为参数计算模块530。行为参数计算模块530包含使处理器508能够根据活动计数426计算行为参数516的计算机可执行代码。计算机存储器514进一步被显示为包含行为相似度得分计算模块532。行为相似度得分计算模块532包含使处理器508能够根据行为参数516计算行为相似度得分518的计算机可执行代码。
[0100]计算机存储器514进一步包含总体行为相似度得分计算模块534。总体行为相似度得分计算模块534包含用于根据行为相似度得分518计算总体行为相似度得分520的计算机可执行代码。计算机存储器514进一步被显示为包含风险层次计算模块538。风险层次计算模块538包含使用活动模板和/或总体行为相似度得分520来计算风险层次526的计算机可执行代码。
[0101]计算机存储器514被显示为进一步包含活动计数分析模块536，活动计数分析模块536包含使处理器508能够根据活动计数数据库522计算活动模板524的计算机可执行代码。所述计算机存储器514被显示为进一步具有患者管理模块540，患者管理模块540使医师或保健服务提供者能够观看图形用户界面524。在这种情况中，图形用户界面示出了被指示为图形用户界面542上的风险层次指示544的风险层次526。
[0102]本发明的实施例可以提供一种用于评估患者形成急性恶化和再次住院的风险的方法。分析从加速度计或者与呼吸传感器组合地收集到的数据可以提供与患者的状况相关的有价值的信息。例如，如果患者开始花费越来越增加量的时间来坐或躺，行走得很少，比平常发生更多的停顿和/或具有增加的呼吸休息率，则存在患者的健康状态正在恶化的指示。通过检查患者活动和呼吸模式的具体细节，能够生成风险得分以便指示患者急性恶化和重新住院的可能性。然后将该风险得分转换到3级风险评估:高、中和低风险，这是针对临床医生对风险的简单分析，以便理解并且据此行动。因此，能够提供合适的干预以便确保患者不会恶化到他们需要住院治疗的阶段。
[0103]本发明可以包括用于在患者出院之后收集活动和呼吸数据的加速度计。可选地，呼吸传感器可以用于获得呼吸数据。加速度计从患者测量连续的数据。该数据被分析以便提供下文描述的与活动和呼吸相关的多种类型的信息。[0104]图6示出了说明根据本发明实施例的一种方法的流程图。在步骤600，获取传感器数据。在一些实施例中，这可以包括物理活动传感器数据602和呼吸传感器数据604。接下来在步骤606，从该传感器数据中提取活动和呼吸信息。接下来在步骤608，根据信息类型获得风险得分。接下来在步骤610，计算总体风险得分。最后在612，显示风险评估，例如显示为高、中或低风险。
[0105]活动计数是根据原始加速度计数据推导的活动级别的全局测度。各种信息包括:
[0106].总体活动计数/天(或周)
[0107].平均活动计数/天(或周)
[0108].峰值活动计数/天(或周)
[0109]?最长维持活动/天(或周)
[0110]?静止(睡觉)的最长时段
[0111]通常，具有较高活动级别的患者趋向于针对恶化的较低风险。
[0112]行走是患有COPD的患者仍然能够进行的物理活动中最常见的形式之一。在给定天或周内行走的步数以及行走速度提供了关于他们进行该项物理活动的能力的更加详细的信息。行走较多步数并且以较高速度行走的患者具有针对住院治疗的较低风险。
[0113]患者在行走期间发生休息的次数以及这些休息的持续时间提供了关于患者进行物理活动的能力的信息。在行走时发生较多停顿并且停顿长时间段的患者可能正经历严重的呼吸困难，这是恶化的主要指示之一。这些患者因此具有针对住院治疗的较高风险。
[0114]长时间段内不活动的患者可能经历糟糕的健康状况并且因此具有针对住院治疗的较闻风险。
[0115]过渡时间是改变物理活动类型所需的时间或持续时间。过渡时间包括但不局限于下面各项:
[0116]?早晨起床的时间
[0117]?从躺到坐的时间
[0118]?从坐到站的时间
[0119]?晚上上床的时间
[0120]通常，要求针对各种活动的长过渡时间的患者具有较差的健康状况和针对住院治疗的较闻风险。
[0121]图7示出了时间700对活动计数702的曲线。该活动计数被划分为三个区域；睡眠时段704、过渡时段706和活动时段708。该图说明了如何使用活动计数来确定睡眠、过渡和活动时段708。在睡眠时段中，活动计数相当地低。在过渡时间706，存在活动计数的大的改变。最后，在活动时段708中，存在较大数量的活动计数并且这些计数剧烈地改变。
[0122]图8示出了时间对呼吸率802的曲线。这说明了如何计算呼吸恢复率。曲线804示出了实际呼吸率804。曲线806是到曲线804的指数恢复率拟合806。拟合806用于确定恢复率。
[0123]图8说明了当物理活动已经停止时如何恢复患者的呼吸率。通常图表的形状将是逆指数函数并且由患者的健康状态确定。如果患者是健壮且健康的，则呼吸率将快速地返回到正常。具有差的健康状况的患者将需要较长的时间来达到正常的呼吸率。
[0124]可以将活动停止之后的呼吸率表示为:Resp (tn) = c (t0) exp (-1/τ (tn))。这里tn是以分钟或秒钟为单位的休息之后的时间，例如(活动之后300秒)，C(tO)是呼吸率在t = 0(停止时间)时的常值函数并且τ (tn)是衰减时间。
[0125]图9示出了说明如何使用在图8中计算的恢复时间来分配健康状况索引904的表格。列900示出了以分钟为单位的恢复时间。行902示出了活动强度，从非常低到非常高。取决于恢复时间和活动强度902来分配健康状况指数904。在一些实施例中，健康状况指数904可以是得分。
[0126]图9中的表格示出了患者的健康状况因素。如果患者具有差的健康状况，则他们将花费较长时间来从执行物理任务中恢复，例如，正在执行“低强度”活动并且花费I分钟进行恢复的患者将被分配健康状况指数“7”，并且较长的恢复时间将导致较低的健康状况指数。如果患者从“非常高”强度任务快速地恢复，则他们更加健壮并且具有较高的健康状况指数。较低的健康状况指数指示患者的较差健康状况。恢复时间是在一些形式的物理活动之后呼吸率花费多长时间返回到基线的一种测度。
[0127]取决于该测度而对每一种类型的信息给出得分。随后，推导总体得分以便指示患者住院治疗的风险。较闻的得分指不较闻的风险。
[0128]图10示出了说明如何计算总体风险1008的表格。在该表格的列1000中存在不同的统计参数。为这些参数中的每一个给出权重因子1002。列1004指示根据统计参数1000的不同水平或层次的风险得分1004。针对每一个统计参数1000来计算得分1006。然后将这些得分相加以便计算总体风险得分1008。
[0129]在一些实施例中，该系统能够按照两种模式运行:主动的和外界的。在主动模式下，能够要求患者执行某种已知的物理任务和活动并且在该活动之前、之中和之后测量呼吸数据。在外界模式下，来自加速度计的数据用于推断患者活动。这些是患者在普通的一天的一些点将可能做的正常活动。整天期间的记录将给出患者活动的精确概述。然后，可以根据患者进行这些日常活动的强度和花费的时间来推导健康状况。
[0130]加速度计通常是穿戴在胸部、腰带和/或口袋中的小型传感器。大多数活动能够使用单个加速度计进行检测。如果需要，可以部署附加的加速度计以便传递更大的精确度。然而，这将降低监控系统的低调特性，增加不适感并且降低兼容性。
[0131]在可选实施例中，可以集成诸如Sp02、症状、患者统计和临床历史数据的附加数据，以便提供更加精确的风险预测。例如，众所周知，具有再次住院历史的患者更加可能再次住院。因此，将这一类型的信息与从患者测量的实时活动信息进行组合能够提供非常有价值的工具。
[0132]CCffD恶化是症状的恶化，例如，与基线相比较增加的咳嗽、气促和痰液产生等等。通常它们由病毒或细菌感染引起并且经常导致住院，这是CCffD的最大花费项目。当患者感觉到症状变坏以及即将来临的恶化时，他触发看护或者改变他的治疗。然而，基于患者的情况，患者对症状改变的观点是主观的并且被削弱。基于从患者症状到客观测量的转变的恶化早期检测能够帮助及时发起看护并且优化患者的治疗。因此，这将减少医疗花费。
[0133]活动的改变经常被提及为检测COPD恶化的良好测度。但是当观察如在图11中阐释的活动模式时，显然需要定义能够显示该改变的测度。
[0134]图11示出了 COPD患者的活动模式的示例。图像1102示出了主体的活动模式。阴影区域1106示出了该主体何时睡眠，尽管在这一情况中该主体在睡眠期间穿戴活动监控器。图11示出了该主体具有上床睡觉和早晨起床的规律行为，我们也看见每天15:00左右有规律的非活动时段。这应该是小睡或观看电视节目。当患者生病时他会偏离这一常规行为。睡眠更多，具有更加不规律的行为模式或者在夜晚期间表示更多的活动。检测这一类型的行为改变的关键是定义指示这些事情的正确参数。
[0135]本发明的实施例可以提供一种使用COPD患者的每日或每周常规行为中指示的活动模式来检测早期恶化的方法。与正常(基线)行为的任何偏离能够指示患者的状况变得恶化。总是具有常规行为的人可能变得不太常规，花费更多的时间在床上等等。这也可能是不具有日常常规的人感觉健康时的情况。当他感觉不好时做出的行为越多，就会发生更多规则的卧床休息。
[0136]实施例可以包括根据指示日常行为和活动的已测量的活动信号来推导参数的集合。这些参数自身随着时间的改变可以是即将来临的恶化的指示。并且可以用于警告恶化或者触发任何医疗或非医疗干预。这些参数可以连同患者报告的症状一起用作附加的客观测度，以便早期检测恶化。
[0137]其次，基于这一参数，可以确定针对常规的测度。为此，基于患者感觉良好时的行为来确定模板日常模式。这可以按每日和每周为基础来进行。然后，可以基于这一模式来计算相似性得分，该相似性得分指示患者是否偏离他的日常基线行为。这一所谓的行为相似性得分也可以指示恶化。
[0138]在一些实施例中，第一步骤是计算代表日常行为的参数的步骤，该参数例如是:
[0139].总体“主动”活动计数
[0140].活动的强度水平
[0141].维持执行活动的最长时间
[0142].早晨起床时间和睡眠时间
[0143].时间间隔内(日间、夜晚)的平均活动计数
[0144].睡眠活动
[0145]i)总体日间活动计数
[0146]在本发明中，所提出的第一参数用于首先识别在每天醒着时段期间花费的总体活动计数的改变。通常，该图将与患者CCffD健康时的图相似。例如，图12示出患者数据的示例，并且值得注意的是在八月六日星期六，与其它天相比较，患者具有较少的活动。这显示患者是不健康的并且花费了更多的时间休息。然后在接下来的八月七日星期日这一天，患者又感觉较好并且恢复到正常常规。
[0147]图12示出了对于不同天1200的日常活动计数1202的总体数量。在图12中，示出了每天活动计数的总体数量。
[0148]ii)活动的强度水平
[0149]尽管上面第一参数能够基于活动计数来识别行为的改变，然而，它不能够提供关于患者在活动的不同强度水平(低、中和高)上花费的时间量的信息。因而，本发明中的第二参数是观察一天中花费在活动的不同强度水平上的时间总体量。图13清晰地示出了患者花费在每一个各强度水平上的时间量以及患者日复一日的行为的改变。当患者感觉不是很好时，他或她将在动作上放慢并且将花费较长的时间去做相同类型的活动(例如，调一杯咖啡、起床、洗衣服)，因此花费“低”活动类型的时间量将增加而“高”活动将减少。
[0150]图13示出了与图12中的数据相同的数据，除了不同地打断活动计数。在图13中，示出了不同的天数，并且然后示出了在不同类型的活动中花费的时间量1302。标记为1304的条示出了睡眠的时间量。标记为1306的条示出了低活动的时间量。标记为1308的条示出了中等活动的时间量。标记为1310的时间示出了个体何时是高活动的。
[0151]iii)维持执行活动的最长时间
[0152]本发明提出的第三个参数是每天维持活动的最长时间。众所周知，当COPD患者的健康变得最糟糕时，将更加容易变成气喘。因而，结果，患者将具有较短的维持活动。图14示出了针对相同患者的最长维持活动。尽管参数I (总体日间活动计数)示出了患者在星期六具有最少的总体活动，但是如图14所示，这不意味着在同一天患者将具有最短的维持活动。
[0153]图14示出了针对不同的天1400的最大活动持续时间1402的曲线。这是可以使用的另一统计参数的示例。
[0154]iv)早晨起床时间和睡眠时间
[0155]早晨起床时间和晚上睡眠时间可以是指示CCffD患者症状的参数。这一参数包括在本发明中并且可以容易地从下面的图15中检测到。并且，图15为临床医生或患者提供了非常有用的可视化工具以便了解他们的日常活动。图15中的日常活动的任何改变指示常规行为改变并且能够被容易地检测到。
[0156]图15示出了多天1502的活动图。x轴是划分为分钟的时间1504。y轴表示不同的天1502。区域1506指示主体的不活动时间。标示为1508的区域是活动计数大于每分钟500的时间。区域1510是主体具有每分钟500到1000之间的活动计数的时间。区域1512是主体具有每分钟1000到2000之间的活动计数的时间。区域1514是主体具有每分钟2000到3000之间的活动计数的时间。区域1516是活动计数大于每分钟3000的时间。
[0157]V)时间间隔(日间、夜间)内的平均活动计数
[0158]图16示出了在日间和夜间期间的时间间隔内的平均活动计数的相同数据。X轴表示不同的天1600，y轴1602表示日常平均活动计数。标注为1604的区域是日间期间并且标注为1606的区域是夜间期间。
[0159]vi)睡眠活动[0160] 由于症状(例如，呼吸困难、慢性咳嗽、疲劳和胸闷)以及用于治疗COPD的药物(可能导致失眠或日间瞌睡)，在COPD患者中睡眠问题是常见的。并且，在正常睡眠期间发生的将不会影响健康的人的呼吸模式的改变对于COPD患者实际上可能导致更加严重的结果。因而，本发明提出监控CCffD患者的睡眠活动模式。在睡眠时段期间活动的增加可以指示患者的症状变差。特别是是众所周知的是，在恶化之前，患者在清晨咳嗽较多。咳嗽干扰了他们的睡眠。睡眠活动模式的改变能够检测出恶化的开始。
[0161]其次，基于上面的参数来确定所谓的行为相似性得分。第一步骤是观察患者的稳定行为是什么。
[0162]基于此，可以针对上面提及的参数来限定模板。然后对于每一个新的一天或一周，确定基于与模板的相关性计算的行为相似性得分。图17示出了一个示例。
[0163]图17示出了可以用于计算总体行为相似性得分的表。列1700中列出了各种行为参数。列1702是可以放置加权因子1702的地方。1704示出了可以输入单独的行为相似性得分1704的地方。然后将这些相加到单元1706中，用于计算总体行为相似性得分1706。
[0164]对于患有C0PD、慢性心力衰竭或糖尿病的患者，活动是非常重要的。日常活动的减少会指示健康状况的恶化。指示这一恶化的测度可以是患者在日间期间所走的步数。存在许多可用的脚步检测器，但是众所周知的是，这些脚步检测器在慢走期间不能很好地执行并且慢走会是这一组患者的特性。
[0165]公开的可用脚步或步幅检测算法关注于脚步或步幅的检测，但是他们仅使用来自正常行走的主体的数据。慢脚步的检测是个问题。
[0166]图18示出了由活动监控器获取的加速度计信号。X轴被标注为1800并且表示时间。Y轴1802表示加速度计信号1802。标注为1804的点表示左脚步并且标注为1806的点表示右脚步。
[0167]图19也示出了由活动监控器获取的加速度计信号。然而，在图19所示的示例中，仅左脚步可见。这两个图说明了单个算法检测加速度计信号的峰值是整个步幅或者仅为半个步幅为何可能是困难的。
[0168]图18和19示出了在慢走的主体中，不同类型的信号可以从穿戴在臀部上的加速度计可用:
[0169].每步幅存在的两个脚步
[0170]?每步幅一个脚步
[0171]?两者之间
[0172]这使得现有的检测算法混乱。
[0173]检测慢走中的脚步的问题在于，两条腿的所有脚步并不总是可见的。有时脚步是可见的，有时仅能看见其中一个。并且有时是混合的。
[0174]一个解决方案是仅检测步幅并且放弃来自另一条腿的脚步。例如，以下解决方案奏效:
[0175].使用灵敏的峰值检测器来检测脚步
[0176].基于后分类来检测来自于另一条腿的脚步
[0177]?放弃这些
[0178]?输出:单个步幅。[0179]根据本发明实施例的方法可以具有后分类步骤，这使得算法适合于检测慢脚步或步巾畐°
[0180]根据本发明实施例的活动监控器的实施例可以具有如下特征:
[0181]1.第一步:带通滤波器+峰值检测器
[0182]按照这种方式进行构造，检测所有主体中的所有步幅(高灵敏度)
[0183]假阳性是来自另一条腿的脚步:不总出现。
[0184]2.第二步:基于3个特征的分类:
[0185]-幅值
[0186]-从前一脚步开始逝去的时间
[0187]-基于在I中检测到的峰值数量估计的行走速度。
[0188]图20中示出了后分类步骤的一个示例。
[0189]图20示出了如何对检测到的脚步进行分类的示例。当脚步来自第二条腿时，将具有较高的估计的行走速度和从前一脚步开始逝去的较短时间量。基于这些参数，可以做出该脚步是否属于已经检测到的步幅的决定。X轴表示估计的行走速度并且y轴2002表示从前一脚步开始逝去的时间。区域2004指示所检测到的峰值为半个步幅时的区域。区域2006指示所检测到的峰值为整个步幅时的区域。
[0190]图20示出了所有所检测到的脚步的后分类的示例。当脚步来自“第二”条腿时，将具有较高的估计的行走速度和从前一脚步开始逝去的较短时间量。基于这些参数和其它，可以做出脚步是否属于已经检测到的步幅的决定。
[0191]尽管已经在附图和前述的说明书中详细说明并且描述了本发明，但是这样的说明和描述将被认为是说明性的或示例性的而非限制性的；本发明不局限于所公开的实施例。
[0192]通过研究附图、本公开和所附的权利要求，本领域的技术人员在实践请求保护的本发明时将能够理解并且实施所公开的实施例的其它变型。在权利要求中，词语“包括”不排除其它元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其它单元可以完成在权利要求中引述的几个项目的功能。在共同的不同从属权利要求中引述某些测度的唯一事实不指示不能够有利地使用这些测度的组合。可以将计算机程序存储/分布在合适的介质上，例如光学存储介质或固态介质，与其它硬件一起提供或者作为其它硬件的一部分，但也可以按照其它形式进行分布，例如经由互联网或者其它有线或无线电信系统。权利要求中的任何附图标记不应该被构筑为限制本发明的范围。
[0193]附图标记列表
[0194]400健康监控系统
[0195]402活动监控器
[0196]402’活动监控器
[0197]404处理器
[0198]406存储器
[0199]408 程序
[0200]410活动数据
[0201]412传感器
[0202]414 主体[0203]416网络连接
[0204]418计算机
[0205]420处理器
[0206]422计算机贮存器
[0207]424计算机存储器
[0208]426活动计数
[0209]428统计参数
[0210]430风 险得分
[0211]432总体风险得分
[0212]434活动计数计算模块
[0213]436统计参数计算模块
[0214]438风险得分计算模块
[0215]440总体风险得分计算模块
[0216]500健康监控系统
[0217]502显示器
[0218]504风险反馈指示器
[0219]506计算机
[0220]508处理器
[0221]510用户接口
[0222]512计算机贮存器
[0223]514计算机存储器
[0224]516行为参数
[0225]518行为相似性得分
[0226]520总体行为相似性得分
[0227]522活动计数数据库
[0228]524活动模板
[0229]526风险分层
[0230]530行为参数计算模块
[0231]532行为相似性得分计算模块
[0232]534总体行为相似性得分计算模块
[0233]536活动计数分析模块
[0234]538风险分层计算模块
[0235]540患者管理模块
[0236]542图形用户接口
[0237]544风险分层指示
[0238]700时间
[0239]702活动计数
[0240]704睡眠时段
[0241]706过渡时段[0242]708活动时段
[0243]800 时间
[0244]802 呼吸率
[0245]804实际呼吸率
[0246]806指数恢复率拟合
[0247]900恢复时间
[0248]902活动强度
[0249]904健康状况索引
[0250]1000统计参数
[0251]1002权重因子
[0252]1004风险分层
[0253]1006 得分
[0254]1008总体得分
[0255]1100活动模式
[0256]1102活动模式
[0257]1104睡眠时段
[0258]1106睡眠时段
[0259]1200 天
[0260]1202总体活动计数
[0261]1300 天
[0262]1302 分钟
[0263]1304 睡眠
[0264]1306 低活动
[0265]1308 中活动
[0266]1310 高活动
[0267]1400 天
[0268]1402持续时间
[0269]1500 活动图
[0270]1502 天
[0271]1504 时间
[0272]1506 不活动
[0273]1508活动计数大于每分钟500
[0274]1510活动计数在每分钟500到1000之间
[0275]1512活动计数在每分钟1000到2000之间
[0276]1514活动计数在每分钟2000到3000之间
[0277]1516活动计数大于每分钟3000
[0278]1600 天
[0279]1602日常平均活动计数
[0280]1604 日间[0281]1606 夜晚
[0282]1700行为参数
[0283]1702加权因子
[0284]1704行为相似性得分
[0285]1706总体行为相似性得分
[0286]1800 时间
[0287]1802加速度计信号
[0288]1804 左脚步
[0289]1806 右脚步
[0290]2000行走速度
[0291]2002从前一脚步开始逝去的时间
[0292]2004半个步幅
[0293]2006整个步幅
【权利要求】
1.一种健康监控系统(400、500)，包括: 用于获取描述主体(414)的依赖于时间的运动的活动数据(410)的活动监控器(402、412 和 402，)； 用于控制所述健康监控系统的处理器(404、420和508);以及用于存储机器可读指令(408、434、436、438和440)的存储器(406、424和514)，其中，所述指令的执行使所述处理器执行下列操作: 根据所述活动数据推导(208、306)活动计数(426)； 将所述活动计数存储(102、210)在所述存储器中，其中，所述活动计数中的每一个与时间相关联； 根据所述活动计数计算(104)至少两个统计参数(428)，其中，所述至少两个统计参数将所述活动计数描述为关于时间的函数； 计算(106)针对所述至少两个统计参数中的每一个的风险得分(430);以及使用针对所述至少 两个统计参数中的每一个的所述风险得分来计算(108)总体风险得分(432)。
2.如权利要求1所述的健康监控系统，其中，所述活动监控器包括用于测量加速度计数据的加速度计(412、602)，其中，所述活动数据包括加速度计数据，其中，所述指令的执行使所述处理器根据所述加速度计数据推导所述活动计数。
3.如权利要求2所述的健康监控系统，其中，所述指令的执行进一步使所述处理器执行下列操作: 对所述加速度计数据进行带通滤波(202、302)； 识别(204、304)带通滤波后的加速度计数据中的峰值(1804、1806);并且根据峰值幅值将所述峰值中的每一个分类(206，306)为一个步幅或半个步幅以便计算依赖于时间的行走速度、从前一脚步开始逝去的时间以及估计的行走速度，其中，所述两个统计参数中的至少一个描述依赖于时间的行走速度。
4.如权利要求3所述的健康监控系统，其中，通过将所述峰值幅值、从前一脚步开始逝去的时间(2002)以及估计的行走速度(2000)与预定的参数空间(2006、2004)进行比较来对所述峰值进行分类。
5.如前述权利要求中的任意一项所述的健康监控系统，其中，所述活动监控器包括用于测量描述所述主体的呼吸率的呼吸数据的呼吸传感器(604)，其中，所述活动数据包括所述呼吸数据，其中，所述指令的执行进一步使所述处理器执行下列操作: 根据所述呼吸数据计算(606)呼吸率数据； 将所述呼吸率数据存储在所述存储器中，其中，所述呼吸率数据与时间相关联； 至少部分地使用所述呼吸率数据来计算(608)至少一个附加的统计参数；并且计算针对所述至少一个附加的统计参数的附加的风险得分，其中，至少部分地使用所述附加的风险得分来计算(610)所述总体风险得分。
6.如权利要求5所述的健康监控系统，其中，至少部分地使用所述活动计数来计算所述至少一个附加的统计参数，以便确定呼吸恢复率(806)。
7.如权利要求5或6所述的健康监控系统，其中，所述呼吸传感器是加速度计、麦克风和胸部扩张传感器中的任意一个。
8.如前述权利要求中的任意一项所述的健康监控系统，其中，所述指令的执行进一步使所述处理器执行下列操作: 根据所述活动计数计算至少一个行为参数(516、1700),其中，所述行为参数将所述活动计数描述为关于时间的函数；以及 计算针对所述至少一个行为参数的行为相似度得分(520、1704)。
9.如权利要求8所述的健康监控系统，其中，所述至少一个行为参数是下列中的任意一个:根据一天的时间的活动强度的分类、活动计数高于预定活动的最长时间段、活动计数高于预定活动的最长时间段的一天的时间、行走时间、睡眠时间、睡眠持续时间、睡眠期间的总体活动计数、活动计数低于预定活动的最长时间段、活动计数低于预定活动的最长时间段的一天的时间、最长维持活动的时间、最长维持活动的强度水平、最长维持活动的持续时间、最长维持不活动的时间、最长维持不活动的持续时间、在一天的不同间隔期间的平均活动计数、行走期间的停顿、停顿的持续时间、花费在坐上的时间、花费在躺上的时间、花费在行走上的时间、活动之间的过渡时间以及它们的组合。
10.如权利要求8或9所述的健康监控系统，其中，所述指令的执行使所述处理器根据存档的活动计数计算活动模板(524),其中，将所述活动计数与所述活动模板进行比较,计算所述至少一个行为参数。
11.如权利要求8、9或10所述的健康监控系统，其中，通过对在预定数量的日常时间仓中存档的活动计数进行入仓和取平均来计算日常活动模板，其中，通过下列操作来执行所述活动计数与所述日常活动模板的比较: 使所述活动计数入仓到所述日常时间仓中；并且 将所述日常时间仓中的每一个中的活动计数的数量与所述日常时间仓中的每一个中的存档的活动计数的平均数量进行比较。
12.如前述权利要求中的任意一项所述的健康监控系统，其中，所述至少两个统计参数包括下列中的任意一个:每天的总体活动计数、每天的平均活动计数、每天的峰值活动计数、活动计数高于预定阈值的最长时段、活动计数低于预定阈值的最长时段、活动过渡持续时间及它们的组合。
13.如前述权利要求中的任意一项所述的健康监控系统，其中，所述指令的执行进一步使所述处理器执行下列中的任意一个:在显示器上显示所述总体风险得分、向远程患者管理系统转发所述总体风险得分、以电子邮件形式发送所述总体风险得分，以及它们的组合。
14.一种计算机程序产品，包括用于由健康监控系统(400、500)的处理器(404、420和508)执行的机器可执行指令(408、434、438和440)，其中，所述健康系统包括用于获取描述主体(414)依赖于时间的运动的活动数据(410)的活动监控器，其中，所述指令的执行使所述处理器执行下列操作: 根据所述活动数据推导(208、306)活动计数(426)； 将所述活动计数存储(102、210)在存储器中，其中，所述活动计数的每一个与时间相关联； 根据所述活动计数计算(104)至少两个统计参数(428)，其中，所述至少两个统计参数将所述活动计数描述为关于时间的函数； 计算(106)针对所述至少两个统计参数中的每一个的风险得分(430);以及使用针对所述至少两个统计参数中的每一个的所述风险得分来计算(108)总体风险得分(432)。
15.一种健康监控方法，所述方法包括下列步骤: 根据活动监控器的活动数据推导(208、306)活动计数(426)，其中，所述活动监控器用于获取描述主体的依赖于时间的运动的所述活动数据； 记录(102、210)所述活动计数，其中，所述活动计数中的每一个与时间相关联； 根据所述活动计数计算(104)至少两个统计参数(428)，其中，所述至少两个统计参数将所述活动计数描述为关于时间的函数； 计算(106)针对所述至少两个统计参数的每一个的风险得分(430);以及使用针对所述至少两个统计参数的每一个的所述风险得分来计算(108)总体风险得分(432)。
16.如权利要求15所述的方法，其中，所述方法进一步包括使用所述总体风险得分来确定风险分层和/或计算针对慢性阻塞性肺病恶化的风险分类和/或如果所述总体风险得分在预定范围内则使所述主体住院治疗的步骤。
【文档编号】G06F19/00GK103959293SQ201280058228
【公开日】2014年7月30日 申请日期:2012年11月23日 优先权日:2011年11月28日
【发明者】A·O·M·昌, M·阿塔克胡拉米, C·C·基奥, D·P·沃克, T·M·E·尼杰森, R·曹 申请人:皇家飞利浦有限公司