用于在生命体征采样频率有限时的分数置信度区间估计的方法与流程

背景技术：

以下总体涉及医学监测领域、关于监测的患者的医学报警系统等。

医院、养老院和其他医学设施通常使用被设计为提供关于给定患者是否可能要求急救护理(诸如被送进重症监护室(icu)或心脏监护室(ccu)中)的预测性信息的预警分数(ews)系统。以图示的方式，被称为修改型预警系统(mews)的一来已知ews系统基于包括以下各项的生理参数来计算分数：血压；心率；呼吸率；患者温度；和意识水平(例如，使用avpu标度量化的)。在mews中，这些生理参数中具有正常范围的每个具有为零的分数，并且针对生理参数的分数分量随着值进一步移动出正常范围而增加。以图示的方式，51-100心跳次数每分钟(bpm)的正常范围中的心率得分为零，而41-50或101-110bmp之间的速率得分1，小于40或111-129bpm之间的心率得分2，并且大于130bpm的心率得分3。avpu分数0为“警告”、1为“语音响应”、2为“疼痛响应”2并且3为“无响应”。总计针对生理参数的分数，并且大于阈值的分数(例如，5)被认为是动作触发器(例如，触发急救医疗队呼叫、触发转移到icu或ccu等)。

常规地，ews系统已经是纸基系统。例如，护士适合地在打印的表格上填写参数分数，并且将值加在一起以产生ews分数。

技术实现要素：

根据一个方面，一种患者监测系统包括：显示设备；以及电子数据处理部件，其被编程为执行患者监测方法，所述患者监测方法包括在每个相继的当前时间：基于针对一个或多个输入生理参数中的每个的最新接收的测量结果，确定当前时间处的患者状态值；基于所述当前时间与针对所述一个或多个输入生理参数中的每个的最新接收的测量结果的接收时间之间的时间间隔，估计所述当前时间处的针对所述患者状态值的置信度区间；并且在所述显示设备上显示患者状态信息，其中，所显示的所述患者状态信息基于所述当前时间处的所述患者状态值和所述当前时间处的针对所述患者状态值的所估计的置信度区间两者。所述患者状态值可以是预警系统(ews)分数并且所述确定可以包括基于多个输入生理参数的所述最新接收的测量结果来计算所述ews分数。在一些实施例中，所述ews分数仅采取整数值。

根据另一方面，在如紧接的前述段落中所阐述的患者监测系统中，所述当前时间处的所述患者状态值连同所述当前时间处的针对所述患者状态值的所估计的置信度区间可以被显示在所述显示设备上。在所述一个或多个输入生理参数包括多个输入生理参数的实施例中，所述估计可以包括：基于所述当前时间与所述输入生理参数的所述最新接收的测量结果的接收时间之间的时间间隔，估计针对每个输入生理参数的所述当前时间处的置信度区间；并且基于针对所述多个输入生理参数的所述当前时间处的所估计的所述置信度区间，估计所述当前时间处的针对所述患者状态值的所述置信度区间。在一些实施例中，所述置信度区间是基于被存储在过往患者数据库中的所述(一个或多个)输入生理参数的测量结果的统计分布来估计的。根据另一方面，最陈旧的参数可以被确定为所述多个参数中的对所述患者状态值的所述置信度区间贡献最大参数。所述最陈旧的参数可以被显示在所述显示器上，例如以更新(即，重新测量)所述最陈旧的参数的推荐的形式。

根据另一方面，一种患者监测系统包括：显示设备；以及电子数据处理部件，其被编程为执行患者监测方法，所述患者监测方法包括：接收生理参数的测量结果；并且在每个相继的当前时间处：(i)基于生理参数的最新接收的测量结果，计算预警系统(ews)分数；(iii)基于所述当前时间与生理参数的所述最新接收的测量结果的接收时间之间的时间间隔，估计所述ews分数的置信度区间；并且(iii)在所述显示设备(10)上显示ews信息，其中，所显示的ews信息基于所计算的ews分数和针对ews分数的所估计的置信度区间两者。所显示的ews信息可以包括所计算的ews分数和针对所述ews分数的所估计的置信度区间。

根据另一方面，一种方法包括：基于针对一个或多个输入生理参数中的每个的最新接收的测量结果，确定当前时间处的患者状态；基于所述当前时间与针对所述一个或多个输入生理参数中的每个的所述最新接收的测量结果的接收时间之间的时间间隔，估计针对所述当前时间处的所述患者状态值的置信度水平；并且将患者状态信息显示在显示设备上。所显示的所述患者状态信息基于所述当前时间处的所述患者状态值和所述当前时间处的针对所述患者状态值的所估计的置信度区间两者。

一个优点存在于改进传达患者的风险的患者监视的有效性和准确度。

另一优点存在于医院资源的更好的分配。例如，资源可以被分配给更加处于危险中的患者。

另一优点存在于提供能够推荐生理参数测量(诸如以便促进患者风险评估)的患者监视器。

本领域技术人员在阅读和理解了以下详细说明之后，将领会到本发明的更进一步的优点。将理解到，可以通过特定实施例实现这些优点中的没有、一个、两个或两个以上。

附图说明

本发明可以采取各种部件和部件的布置以及各种步骤和步骤的安排的形式。附图仅出于图示优选的实施例的目的并且不应被解释为对本发明的限制。

图1图解地示出了患者监测系统的实施例；

图2示出了针对心率的误差分布；

图3a示出了单参数警报系统的范例；

图3b示出了多参数分立评分系统中的新分数的分析计算的范例；

图4示出了在最新分数在特定范围内时早期恶化指标(edi)的分数分布；

图5图解地示出了与分数超过阈值的概率有关的过程；

图6示出了其中edi基于心率(hr)和动态血压(abp)计算的范例；并且

图7示出了其中edi基于hr、温度和abp计算的范例。

具体实施方式

患者通常由电子患者监视器监测，所述电子患者监视器接收多个生理参数输入，诸如心率(hr)、血压和/或呼吸率(rr)和针对每个参数的绘制趋势和/或显示即时值。对于这样的患者监视器而言，还计算和显示提供对患者条件是否可能恶化到足以需要补救行动的指示的预警系统(ews)分数可以是有利的。ews分数可以基于以下来计算：由患者监视器所采集的监测的值，可能地连同由护士录入或从电子病历(emr)读取的其他参数的值。为了使用先前的mews范例进行说明，患者监视器可以连续地监测心率、血压和呼吸率(可能地连同其他参数(诸如spo2))。(如本文所使用的术语“连续的”或“实时的”指示足够快速地采集样本以近似连续的实时数据(例如，每隔几秒测量心率样本))。另一方面，患者温度可以偶尔地由护士采集，并且患者警报可能更不频繁地被检查。这些相对不频繁的生理参数测量结果可以经由手动录入到监视器或者通过医院数据网络读取emr而被递送到患者监视器。ews分数可以在患者监视器上被显示为另一监测的生理参数(虽然合成的)，例如，显示为实时数值和/或趋势线。这具有以下优点：包括了将ews分数与频繁地由护士检查的其他生理参数放置在相同的显示设备上，并且当相继的测量结果(例如，心率)(通过生理传感器的自动测量、由护士对监视器的输入、通过医院数据网络读取的数据等)被接收时自动地更新ews分数。

然而，本文中认识到一个困难在于，这样的显示可能是误导的，因为医学人员可能将所显示的ews分数误会为准确的实时值。实际上，然而，“真实情况”ews分数可能在患者条件改善或恶化时时刻改变，而被显示在患者监视器上的ews分数仅反映每个输入生理参数的最后的测量结果。例如，如果每小时测量患者温度，那么所显示的ews分数可能由于依赖于“旧”温度测量结果而过时多达一小时。类似地，如果警觉度每天仅被测量两次，那么所显示的ews分数可以基于多达12小时旧的警觉度分数。如果在不同的时间处测量不同的生理参数，则所显示的ews分数可能永远不是完全地当前的。

因此，问题存在于，患者监视器提供看起来是实时值的ews分数，但是其实际上可以由于自从最后的(一个或多个)患者测量起已经发生的患者的各种改变而过时。另一问题存在于，即使医学人员认识到ews分数可能过时，如何改进ews分数准确度也不是容易地明显的。

这些问题可以具有各种影响：

第一，分数确定中的不确定性：针对当前分数的计算使用旧的测量结果假定患者的状态在两个测量结果之间保持不改变。通常情况并非是这样。考虑患者的状况可以多么动态，使用旧测量结果所确定的分数可以不是准确的恶化指标。

第二，假阴性可能发生，其中当事实上患者的状况已经恶化到可能需要行动的点时，(过时的)ews分数指示患者是稳定的。患者的状况随时间是动态的。然而，显示这样的“假阴性”分数可以给予临床医师患者的状况稳定的假象。

第三，不平衡的资源分配：过度资源可能送到其分数仅比稳定性/不稳定性阈值稍微更高的患者。甚至在患者已经稳定化之后，ews分数将保持相同直到采取了反映患者的稳定化的下一测量。这意指ews分数可能未能迅速地反映补救行动的效率。

更进一步地，过时的ews分数可能导致对生理测量结果和/或ews系统的不信任：不管生理测量结果的陈旧，分数和测量结果被呈现为准确的当前值。分数随着时间变得越来越不可靠，并且因此使用旧数据的分数更容易假阳性和假阴性。但是由于这未被传递到护理者，关于这样的分数的经验整体负面地影响系统的用户情绪，并且甚至关于新数据的分数被认为是可疑的。

解决这些问题的一个方式是通过增加生命体征监测的频率(最高效地通过床边监视器)，但是这增加患者护理费用并且耗尽护理者资源。而且，一些输入测量结果实际上不能在频繁的基础上执行(诸如警觉度)。(每次护士/患者交互被用于评估觉度时患者被干扰)。

在本文中公开了经改进的患者监测系统和方法，其通过统计地评估和显示这些值的不确定性而给医学人员提供生理参数和/或ews分数的更现实的指示。在一些实施例中，医学人员还可以被通知哪些(一个或多个)参数有利地被更新(例如，被重新测量)以便高效地降低不确定性。该技术适合地被提供为患者监测系统的一部分。

如果旧测量结果必须被用于分数确定，则一些所公开的实施例使用统计方法来估计分数的范围和这些分数的所述概率。取代将分数呈现为单个值，一个方面将分数连同置信度区间一起显示以强调分数基于旧测量结果被确定的事实。

一个实施例包括以下操作：(1)通过回顾地分析过往患者数据来生成参数/分数的统计分布，(2)在距最后的测量结果的给定时间处，估计针对实际分数的置信度区间，并且(3)显示可能分数或警报以及其概率值。利用该方法，即使仅旧测量结果是可用的，分数的范围也可以更准确地描述患者的当前状态。

统计学中的术语“置信度区间”一般地指代参数落在总体(population)内的范围内的统计学估计。例如，针对参数的95％置信度区间指示，对于统计上显著大小的总体而言，总体的成员的95％将展示落在所述95％置信度区间内的针对所述参数的值。如本文所使用的，术语“置信度区间”旨在涵盖明确地被表达为置信度区间的不确定性度量，以及使用其他形式表达的不确定性度量，例如误差容限(例如，置信度区间可以被表达为误差容限，例如，已知参数具有±5％误差容限)。

参考图1，患者6由多个生理传感器8监测(诸如以说明性范例的方式)，以下中的一项或多项：脉冲传感器，例如提供脉冲和ecg迹线的ecg的心电图(ecg)电极、spo2传感器(提供脉冲和外围氧气)、血压传感器、呼吸传感器等。患者监视器20包括显示设备10和电子数据处理部件(未示出)(诸如电子微处理器、微控制器等)，其执行被存储在非暂态存储介质(例如，硬盘驱动器、只读存储器即rom、闪速存储器等)上的指令。在一些实施例中，患者监视器20可以被实现为具有为传感器8提供输入的外围卡的计算机。在其他实施例中，患者监视器20可以是具有这样的输入的专用电子患者监视器设备。患者监视器20从生理传感器8读取或接收生理测量结果。一些传感器可以包括板载电子器件，所述板载电子器件生成生理测量结果作为被发射到患者监视器20的数字值。一些传感器可以提供诸如电压或电流的模拟信号，所述模拟信号通过患者监视器20的模拟数字(a/d)转换器被转换为数字值。一些传感器可以直接地测量感兴趣的生理参数，而其他传感器可以测量生理数据，所述生理数据然后由患者监视器20处理以生成感兴趣的生理测量结果。以说明性范例的方式，在ecg的情况下，直接测量的生理数据可以是ecg电极电压，并且患者监视器20然后通过计算导联电压(所选择的电极之间的差分电压)和/或通过基于信号周期性来计算心率而处理这些数据。患者监视器20可以将ecg导联迹线显示为被监测的生理参数和/或可以将心率显示为趋势和/或当前数值。说明性传感器8与患者监视器20有线连接，但是传感器可以额外地或者替代地无线地连接(例如，蓝牙或zigbee协议无线链路、红外链路等)。从生理传感器8所获得的各种生理参数适合地在显示设备10上被显示为迹线(即，被绘制为时间的函数的值)和/或被显示为当前数值。患者监视器20可以以各种方式可配置，例如实现用户选择哪些参数来显示、显示格式(数值、迹线或两者)、设置针对各种参数的上和/或下警报限制等。在一些实施例中，患者监视器20还包括诸如键盘(可能地被实现为lcd键盘或显示器的触敏区域)的一个或多个用户输入设备，经由所述一个或多个用户输入设备护士可以录入针对未由传感器8测量而是由护士测量的一个或多个参数(例如，警报分数、手动地采集的患者温度读数等)的值。在一些实施例中，患者监视器20与电子数据网络(例如，医院网络和/或因特网)连接，并且在这样的实施例中，患者监视器20可以通过网络接收针对一个或多个患者生理参数的测量结果(例如，血液学实验结果)。

患者监视器20或其他计算设备还计算针对一个或多个生理参数和/或针对ews分数或其他导出的参数(一般地，患者状态值)的置信度区间，并且将患者状态信息显示在显示设备10上，其基于当前时间处的患者状态值和当前时间处的患者状态值的所估计的置信度区间两者。患者监视器20或其他计算设备可以例如：接收患者的至少一个参数(步骤101)，读取从过往患者的数据离线导出的误差分布(或在替代的方法中，根据当前患者的数据计算在线误差分布)(步骤102)，并且显示误差分布和置信度区间(步骤103)。

在以下中，描述了适于使用不同的ews评分系统的ews分数估计的两个说明性实施例。第一个在使用单参数警报或分立的分数模型的临床设置中是最适合的。第二个在使用连续的分数模型的临床设置中是最适合的。另一说明性实施例组合前述实施例的元素。

第一说明性实施例涉及针对单参数警报或分立评分模型的分数估计。生成针对个体参数的分布可以如下地被执行，其中假定在时间t0处，测量生命体征并且值是v0。(在本文中可交换地使用术语“生理参数”和“生命体征”)。在稍后时间t'处，没有新测量结果是可用的，但是该时刻处的参数的实际值在本文中被表示为v'，使得通过使用旧测量结果引起的误差是δv＝v’-v0。v’和δv的实际值不是已知的，但是v’和δv的概率可以通过回顾地分析过往患者数据估计如下。

如果患者具有在t1、t2…tn处取得的n个测量结果v1、v2…vn。对于每个vi而言，这提供集合{δvj＝vj-vi,δtj＝tj-ti,其中tj>ti}。聚合来自所有患者的相同生命体征的δv和δt，可以估计误差分布。此处，通过“误差”我们意指在旧测量结果被使用时的值的不确定性。

参考图2，绘制了心率的误差分布的范例。x轴是时间延迟δt，y轴是误差δv，并且z轴是误差的概率。应当看出，使用几小时前取得的测量结果引起显著的不确定性。一般而言，误差的幅度随着自从最后的测量结果增加的时间δt而增加。

分数或警报置信度区间估计可以被执行如下。一般而言，可以由单参数分数或多参数分数超过特定的(一个或多个)阈值而触发警报。

在单参数情况下，假定在t0处，参数(例如，hr)被测量为v0。稍后时间t'处基于hr超过阈值的单参数警报的概率是：

p(hr′>阈值|在δt之前取得的最新测量结果)

其中，可以根据误差分布获得概率，如上文所描述的。例如，可以根据图2中所示的误差分布获得概率。

在多参数情况下，可以分析地计算多参数分数超过某个阈值的概率。将修改型预警系统(mews)当作说明性范例，在mews分数指示患者在恶化的边缘上时，情况被认为是需要立即关注。例如，分数5被当作一些mews实现方案中的临界阈值。时间t0处的mews在此被表示为mews0。考虑说明性范例，其中mews0＝4。如果随着时间从t0向前前进，实际分数是5的概率由于置信度区间随着自从最后的测量结果的时间增加而变高，则可以发出通知以建议新测量结果读数改进分数置信度。

实际分数是5的概率可以例如通过下式来分析地计算：

p(mews′＝5|mews0＝4)＝∫ip(组合i→mews↑)

其中，每个组合的概率是：

pi＝p(δhr|δt1之前取得的最近hr)*…*p(δrr|δt2之前取得的最近hr)

参数的各种组合可以将mews的值增加到5。范例包括：hr得分多一个点，而其他参数保持相同；hr和其他保持相同，而rr得分多一个点；或hr得分多两个点，而rr减小一，等等。但是，由于mews是分立评分系统，因而组合的数目是有限的并且可以分析地计算大于5的实际分数的概率。

一般而言，随着时间从最后的测量结果的时间t0向前前进，ews分数的不确定性(置信度区间)增加。在一些实施例中，作为自从t0起的时间的函数的置信度区间适合地由过往患者数据库中的患者数据的统计分析表征，如例如参考图2所描述的。额外地或者替代地，基于经历当前监测的当前患者6的过往数据，可以估计置信度区间。例如，参考图2所描述的统计分析可以被应用到针对当前患者6的过去所采集的数据。该方法考虑针对当前患者6的参数的历史变化性。例如，如果针对当前患者6的hr已经在过去稳定在大约70bpm处并且尚未超过80bpm以上或65bpm以下，那么间隔[65,80]bpm可以是针对hr的合理的置信度区间。

如果针对ews分数的置信度区间t0后随着时间前进增加到存在实际的ews分数超过针对行动的阈值的显著的可能性的点，则可以采取各种补救行动。在一个可能的补救中，警告被显示在显示设备10上，这指示ews分数当前是不可靠的。这对于医学人员而言可能是有用的，使得其不过度依赖于当前ews分数；然而，其不通知医学人员关于可以如何再次使ews分数可靠。在一些实施例中，补救额外地或者替代地包括通知医学人员哪个生理参数测量结果是最陈旧的。如本文所使用的，最陈旧的参数是对ews分数的不确定性贡献最大的参数。为此目的，患者监视器20可以将消息显示在显示设备10上，其指示陈旧参数并且推荐获得针对所述陈旧参数的新测量结果。一般而言，取代或者补充显示基于在t0处取得的最新测量结果所计算的分数，可以显示实际分数超过做出更高决策的阈值的概率或基于所计算的置信度区间的其他信息。可以提供推荐(诸如额外抽查)以确认实际分数是否在危险区域中。

图3进一步图示了各方面。在单参数警报系统中(图3a)，第一步是估计通过使用旧测量结果引起的误差分布。这对应于图2。第二步是计算时间t>t0处的生命体征的置信度区间和针对t>t0生命体征超过某个阈值的概率。(例如，“某个阈值”可以是用于采取某个补救动作(诸如施用药物或呼叫待命内科医师)的阈值)。置信度区间可以显示有分数，并且当超过某个阈值的概率是高时可以发送通知。

在多参数分立评分系统中(图3b)，第一步是估计每个生理参数的误差分布。第二步是计算实际分数超过下一决策制定的阈值的概率(例如，实际的mews等于5，而根据最新的测量结果所计算的分数是4)。最后一步是将分数与概率一起显示。图3b示出了显示器的图解范例。水平地从t0和t1延伸的实线是基于最新的测量结果计算的mews分数。计算mews分数所使用的所有参数在时间t0处被测量，并且再次在时间t1处被测量，并且再次在时间t2处被测量。因此，时间t0、t1和t2处的mews分数被认为是准确的(在测量结果准确度内)，并且置信度区间在时间t0、t1和t2处是零。在t0与t1之间的时间间隔中，从t0延伸的虚线绘制实际分数超过决策制定的阈值的概率。概率随着时间增加直到新测量结果在t1处是可用的。

在先前的实施例中，与所估计的置信度区间信息一起显示的患者状态信息包括mews分数，其是分立值的量，因为其仅取整数值。作为另一说明性范例，考虑早期恶化指标(edi)。这是连续值的参数而不是如在mews中的分立值的参数。对于连续值的参数(诸如edi)而言，先前所描述的分析计算可以仍然被使用但是计算上密集的。但是，可以通过与上文所提到的单参数警报场景类似的方法来估计分数的置信度区间。以下描述假定在t0处，edi所基于的所有生理参数是新测量的并且置信度区间是零的edi分数s0被计算(即，时间t0处的edi分数s0具有零不确定性，因为测量结果误差此处被忽略)。在稍后时间t’>t0，当没有新分数是可用的时，分数s0针对t’>t0继续被绘制或被显示。如果该时刻t'处的实际的(未知的)分数为s’，那么通过使用旧值引起的误差是δs＝s’-s0。再次，s’和δs的实际值不是已知的。但是s’和δs的概率可以通过回顾地分析过往患者数据来估计(通常针对除当前患者6外的患者，但是还可以包括来自当前患者6的过往数据)，类似于如参考图2所描述的。如果患者具有分别在t1、t2…tn处取得的n个分数s1、s2…sn，那么对于每个si，我们获得集合{δs’j＝sj-si,δtj＝tj-ti,其中,tj>ti}。聚合来自所有患者的s’和δt，可以估计实际的分数分布。

参考图4，示出了在最新分数在0.3～0.4的范围内时edi的分数分布的范例。x轴是时间延迟δt，y轴是实际分数s'，并且颜色指示实际分数的概率。可以根据该校准数据来估计距最后一组测量结果的时间t0的被延迟δt分离的给定时间t处的edi分数的不确定性。

edi分数置信度区间估计可以被执行如下。假定t0处的分数是s0。稍后时间t'处的实际分数的概率是：

p(edi′|δt之前取得的最近edi)

其中，可以例如从图3a或图3b的步骤1获得概率p。

现在参考图5，描述了由患者监视器20适合地执行的过程的说明性的更具体的范例。过程包括两个阶段：(1)置信度区间分布生成阶段(步骤501、步骤502)；和(2)在其期间监测当前患者6的患者监测阶段(步骤503、步骤504、步骤505、步骤506)。在步骤501中，提供针对过往患者的生理参数的数据库。这可以包括被存储在患者监视器20的存储器中的测量结果的日志，和/或可以包括从例如遍布重症监护室或其他医学设施所使用的多个患者监视器积累的测量结果的日志。在步骤502中，来自数据库的生理测量结果被用于根据以下各项来生成或估计实际分数的分布：(i)最近地生成的分数；和(ii)自从生成该最近分数所使用的最后一组测量结果的时间间隔δt。因此，生成置信度区间分布。

此后，执行监测阶段，其中监测当前患者6。在步骤503中，edi被测量并且置信度区间被设定为零(或指示测量结果不确定性的某个小值)。在每个相继的当前时间处，edi分数保持设定到t0处所测量的edi分数，但是将t0处的edi分数和自从t0的时间间隔用作输入从置信度区间分布(例如，图5的步骤504)估计置信度区间。在一些实施例中，确定实际edi分数超过动作阈值的可能性(例如，图5的步骤505)。步骤503、步骤504的edi分数连同置信度区间和可选地动作阈值被超过的概率被显示用于t0和每个相继的时间(图5的步骤506)。额外地或者替代地，如果当前edi分数超过动作阈值的概率是足够高的，则可以发送通知用户更新所测量的参数中的一个或多个以便获得更准确的edi分数的通知。即，可以发出通知以建议新测量结果读数改进edi分数置信度。

图6示出了edi分数的不确定性范围(即，置信度区间)仅基于hr和abp被计算的显示的图解范例。对应于hr的虚线展示hr足够频繁地测量以接近连续的测量结果，并且因此hr不贡献于edi的不确定性。另一方面，仅在t0、t1和t2处测量abp。因此，在图6中，edi分数仅在所有参数已知时(例如，在t0、t1和t2处，置信度区间是零)的点处是确切地已知的。当时间自从最后的测量结果消逝时，edi分数不确定性增加并且edi的范围可以通过回顾地分析过往患者数据来估计，如上文所讨论的。而且，当时间消逝时，edi范围通常但不总是增加。应当注意，虽然图6图解地示出了线性对称增加到大于/小于t0处的edi分数，但是情况不必是这样。改变不必在正/负方向上是线性或对称的。

图7示出了显示器的另一图解范例。此处，edi不确定性范围是基于abp、hr和温度来计算的。与图6类似，对应于hr的虚线图示了hr足够频繁地测量以接近连续的测量结果。另一方面，温度仅在时间t0和t3处被测量，并且abp仅在时间t0、t1和t2处被测量。应注意到，这些时间在该范例中不重合——即，abp和温度不在相同时间处测量，而是在不同的时间处测量。因此，除在t0处之外，不存在同时地测量贡献于edi分数的所有生理参数的时间点。如在先前的情况中，随着时间自从给定生理参数的最后的测量结果消逝，edi的范围可以通过回顾地分析过往患者数据来估计，如上文所讨论的。由于在图7的范例中参数仅在t0处是全部已知的，则置信度区间仅在t0处是零——置信度区间在t1、t2和t3处不是零。图7展示，在多参数系统中，给定时间处测量贡献于ews分数的一个生理参数可能不足够以绝对确定性使分数已知，因为贡献于ews分数的其他参数可以是“旧的”并且因此不确定。但是，贡献于不确定性的参数的测量结果的确降低不确定性，如通过在每个测量结果之后的置信度区间中的突然降低可见(即，在t1、t2、t3)。即，测量结果的确仍然导致以更多的确定性知晓(说明性)edi分数。例如，在t1处，在测量abp时，edi分数的置信度区间降低，但是由于自从温度被测量的消逝时间，edi仍然以绝对确定性是未知的。应再注意到，虽然图7示出了线性对称置信度区间关于最后的edi分数增加，但是情况不必是这样。改变不必在正/负方向上是线性或对称的。

还将理解到，可以由存储由电子数据处理设备(例如，患者监视器20)可读并且可运行以执行所公开的技术的指令的非暂态存储介质实现本文所公开的患者监测技术。这样的非暂态存储介质可以例如包括硬盘驱动器或其他磁性存储介质、光盘或其他光学存储介质、基于云的存储介质(诸如raid磁盘阵列)、闪速存储器或其他非易失性电子存储介质等。

当然，他人在阅读和理解前述说明之后将想到修改和变型。本发明旨在被理解为包括所有这样的修改和变型，只要其落入权利要求或其等价方案的范围之内。