本发明涉及用于监测对象内的疾病进展的装置和方法，并且具体涉及用于监测对象的活动以确定对象的健康状况的装置。
背景技术：
慢性阻塞性肺病(copd)是指导致肺部气流受限的慢性肺部疾病。copd是渐进的且不可逆的；其特征在于由气道、肺组织和肺血管的慢性炎症引起的气道和实质损伤的组合导致的气流阻塞。copd患者中所见到的炎症与哮喘中所见到的不同；copd的主要原因是吸烟。
copd症状常常导致残疾和生活质量受损。用于治疗copd患者的药理学和其他疗法可能对气流阻塞具有有限的影响或没有影响。患有copd的患者常发生急性发作，其是超过正常的日常变化的症状的快速且连续的恶化。此外，合并症(例如，心血管或心理相关的合并症)对疾病的严重程度和生存率以及患者的健康状况都有重要影响。
虽然已经预计到2020年copd将成为全球第三大死亡和疾病的主要原因，但它仍然高度缺乏诊断，并且仅在症状变得非常严重的阶段才会进行诊断。对于copd没有单个的诊断测试。做出诊断依赖于许多元素，包括基于历史和身体检查的组合的临床判断来确定典型的copd的症状和病征。通过呼吸量测定法来支持诊断，该方法用于确认是否存在气流阻塞。
呼吸量测定法涉及测量患者可以吸入和呼出的空气量和流量。一秒内的用力呼气量(fev1)和用力肺活量(fvc)是呼吸量测定法中测量的参数。fev1是在第一秒用力呼气结束时已经呼出的空气量。fvc是从最大用力呼气努力的最深吸入之后呼出的空气量。目前，为了使用呼吸量测定法确认患者的症状指示copd，在已经施予了支气管扩张剂药物之后fev1与fvc的比率必须低于0.7。
最近的研究已经表明，与年龄匹配的控制对象相比，患有临床上稳定的copd的患者身体活动相对不高。copd患者的这种较低身体活动的潜在原因是与在运动之后的肌肉力量耗竭相关联的呼吸困难和疲劳。此外，在针对copd的急性发作的住院后，身体活动水平进一步降低。然而，身体活动是用于管理copd的重要工具。积极的生活方式和定期的身体活动已经显示出与诸如运动能力和健康相关的生活质量的结果正相关。
患有copd的患者缺乏身体活动的原因很可能与导致失调和肌无力的症状引起的不活动的螺旋下降相关联。可以通过各种运动测试来测量的身体素质包括与执行身体活动的能力相关的一组属性。六分钟步行测试是一种公知的评估运动能力的方式。然而，已经表明，虽然在与患者相关联的六分钟步行距离和客观测量的身体活动之间存在适度相关，但六分钟步行测试对于可靠地识别身体活动不足的copd患者可能具有有限的价值。换句话说，运动能力不是总体身体活动水平的可靠指标，因为患者可能有能力执行身体活动，但呈现出低身体活动。
虽然copd的早期诊断和即刻发起治疗可能会减少并控制疾病进展，但使用呼吸量测定法作为诊断和监测疾病进展的唯一工具有若干限制。首先，过程依赖于患者的表现，因此在一定程度上取决于患者的意愿。此外，呼吸量测定法是单一事件，因此不允许连续且无干扰的测量疾病进展和患者的总体健康状况。因此，呼吸量测定法不能提供有关是否已经发生急性发作的信息。此外，呼吸量测定法仅解决了患者的呼吸状态，并确实提供了指示是否存在其他合并症(例如，心理相关的合并症)的信息。
在做出了copd的阳性诊断的情况下，除了药物治疗之外，非药物干预(如肺部康复或身体活动维持计划)可以是合适的。这种干预所带来的益处的成功和维持首先高度取决于患者的健康状况(因为如果发生急性发作，则身体能力可能会下降)，而且还取决于患者的短期和长期积极性，以及其他心理社会因素。目前，并没有一种工具可以帮助客观地评估身体活动的减少是由于运动受限、缺乏积极性还是恶化引起的。
因此，需要一种改进的方式来评估患有copd的患者的健康状况。
技术实现要素：
本发明由权利要求书限定。
根据本发明的一方面的范例，提供了一种装置，其包括：
活动监测器，其用于测量对象的身体活动；以及
处理器，其用于处理由所述活动监测器获得的数据，其中，所述处理器被配置为：
基于与第一时间段相关联的第一组身体活动数据来计算第一总体值；
基于所述第一组身体活动数据以及与第二时间段相关联的第二组身体活动数据来计算身体活动比率；
并且
基于所述身体活动比率和所述第一总体值的组合来确定呼吸疾病严重性信息和/或呼吸疾病合并症信息。
所述装置适于测量身体活动比率。已经发现这是适合于指示对象所遭受的copd症状的严重性的参数。活动监测器随时间获得关于对象的身体活动的信息，包括第一数据组和第二数据组。例如，第一数据组可以对应于在日间期间在对象醒着时对象的身体活动水平。例如，第二数据组可以对应于在夜间期间在对象睡着时对象的身体活动水平。术语日间和夜间可以指在二十四小时时段期间的连续小时的任何子集，其中，日间子集中的小时与夜间子集中的小时不同。活动监测器将身体活动数据传输到处理器，处理器处理身体活动数据以计算身体活动比率。通过分析身体活动比率，可以评估症状严重性。通过计算在第一时间段(例如，日间)期间对象的身体活动与在第二时间段(例如，夜间)期间对象的身体活动的比率来确定身体活动比率。该比率提供了对象所遭受的医学状况的严重性的准确指标，并且也可以用于支持关于身体活动的减少是由于严重copd症状导致的运动受限还是其他问题(例如，缺乏积极性或睡眠问题)的评估。此外，该装置允许连续测量症状严重性。处理器还计算表示在第一时间段期间对象的身体活动的第一总体值。第一总体值可以是在该时间段内的总体运动的度量，或者可以是基于在第一时间段内的平均运动的度量。通过考虑身体活动比率和第一总体值两者，该装置可以用于支持对疾病的严重性和/或其他问题(例如心理问题(如低积极性)或睡眠质量问题)的评估。
所述处理器还被配置为基于所述身体活动比率和所述第一总体值的组合来确定呼吸疾病严重性信息和/或呼吸疾病合并症信息。
这样，所述处理器可以基于关于由对象在白天期间执行的身体活动的水平的信息以及由对象在白天期间执行的身体活动的水平与由对象在夜晚期间执行的身体活动的水平的比率的组合来确定对象的健康状况。
特别地，所述处理器被配置为基于身体活动比率与第一总体值的比较来确定呼吸疾病严重性信息和/或呼吸疾病合并症信息。
所述处理器可以基于第一总体值的大小和身体活动比率的大小来确定呼吸疾病严重性信息和/或呼吸系统疾病合并症信息。
所述处理器可以被配置为输出呼吸疾病严重性信息和/或呼吸疾病合并症信息。
所述处理器可以基于第一总体值和身体活动比率的组合来确定患者的健康状态，并且可以输出该信息。身体活动比率和第一总体值的组合可以指示疾病的严重性以及是否存在呼吸疾病合并症(例如，低积极性或睡眠问题)。
一般来说，单单第一总体值并不一定能提供身体活动能力的准确指标，因此意味着疾病严重性水平的准确指标。例如，相对较低的第一总体值(指示在第一时间段期间较低的身体活动)可以是例如低积极性或其他心理因素的结果。
通过在确定疾病严重性和/或合并症信息时考虑第一总体值和身体活动比率两者的组合，确定患者的健康的更准确的刻画。特别地，可以做出关于相对较低(或较高)的第一总体值是由于身体运动能力(并且因此指示较高的疾病严重性)还是替代地由于例如积极性问题而引起的评估。对疾病严重性和/或合并症信息的准确确定仅仅可以通过组合考虑第一总体值和身体活动比率两者来确定。
特别地，可以在范例中将第一总体值与身体活动比率进行比较，从而做出对疾病严重性和/或合并症信息的确定。例如，当第一总体值指示相对较低的活动水平时，可以将其与活动比率进行比较，从而做出这是由于低身体活动能力还是由于低积极性或其他心理或社交因素引起的评估。
呼吸疾病严重性信息可以与慢性阻塞性肺病有关。
所述处理器可以被配置为：
-基于第二组身体活动数据来计算第二总体值；并且
-通过将第一总体值除以第二总体值来计算身体活动比率。
在这种情况下，身体活动比率是第一总体值与第二总体值的比率。处理器可以获得表示在第一时间段内和在第二时间段内对象的身体活动的身体活动数据。身体活动数据可以包括表示在时间段的子时段期间对象的活动水平的数据。例如，第一时间段可以是十二小时的时间段，并且身体活动数据可以包括关于在逐分钟、每小时或每两小时基础上执行的活动的水平的信息。活动水平可以通过测量运动相关的度量来确定。处理器可以处理由身体活动监测器获得的每个数据组以计算表示针对对应数据组的总体活动水平的值。第一总体值和第二总体值可以分别表示在第一时间段内和在第二时间段内的身体活动的平均水平。或者，处理器可以确定基于针对每个数据组的测量到的运动的总量的度量。处理器可以计算表示由对象在获得数据组的时间段内执行的身体活动的总体水平的任何值。
活动监测器可以包括加速度计。在使用中，加速度计可以被布置为使得加速度计的输出表示由对象执行的身体活动。
所述装置还可以包括控制器，所述控制器被配置为控制活动监测器以获得在白天期间的第一组数据和在夜晚期间的第二组数据。例如，活动监测器可以基于由用户(例如，对象或护理提供者)提供的定时信息，在对象通常醒着的时间段内获得第一组数据，并且可以在对象通常睡着的时间段内获得第二组数据。
所述处理器可以被配置为针对第一数据组和第二数据组中的每组确定该数据组是对应于日间身体活动还是夜间身体活动。活动监测器可以获得身体活动数据，并且处理器可以基于包含于数据本身中的时间信息来对数据进行分类。
或者，身体活动监测器可以针对时间测量身体活动。因此，由身体活动监测器获得的身体活动数据可以包括定时信息以及关于身体活动水平的信息。处理器可以被配置为处理身体活动数据以确定获得数据的时间，并将数据分成组，其中，每组对应于不同的时间段。处理器可以用日间小时(例如，上午07.00至下午23.00)和夜间小时(例如下午23.01至上午06.59)的定义来预编程。处理器然后可以被配置为从身体活动数据中选择第一数据组，其中，第一数据组包括在对应于日间小时的第一时间段期间获得的数据，并且从由身体活动监测器获得的数据中选择第二数据组，其中，第二数据组对应于夜间小时。或者，处理器可以基于传感器输入来处理数据。例如，处理器可以处理光照水平信号以确定数据是在日间期间还是在夜间期间获得的。
该装置还可以包括控制器，所述控制器被配置为控制身体活动监测器以在对象醒着时获得第一组身体活动数据，并且在对象睡着时获得第二组身体活动数据。
该装置可以适于允许用户手动控制该装置以在日间测量模式(当对象醒着时)和夜间测量模式(当对象睡着时)之间切换。或者，该装置可以被配置为基于关于对象的正常睡眠模式的预编程信息来自动执行日间测量和夜间测量。或者，该装置可以被配置为基于传感器输入(例如，由光传感器获得的光信号)来确定数据是在日间期间还是在夜间期间获得的。
处理器可以被配置为基于身体活动比率和活动比率阈值来确定呼吸疾病严重性信息。
活动比率阈值可以表示基线活动比率水平。活动比率阈值可以对应于患者组的平均活动比率水平。例如，如果该比率等于或大于具有低严重性的呼吸疾病症状的患者组的平均水平，则该对象的症状的严重性可以低。处理器可以利用活动比率阈值进行预编程。如果测量到的身体活动比率低于阈值，则这可以指示对象具有严重症状并且降低的运动能力。或者，活动比率阈值可以由用户输入。活动比率阈值可以使用理论模型并输入特定于对象的信息来计算。
与基于身体活动比率和活动比率阈值来确定呼吸疾病严重性一样，处理器还可以被配置为基于第一总体值的大小和日间活动阈值来确定呼吸疾病严重性信息。因此，处理器可以被配置为基于第一总体身体活动值的大小、日间身体活动阈值、身体活动比率和活动比率阈值来确定呼吸疾病严重性信息。日间活动阈值可以代表基线活动水平。例如，日间活动阈值可以对应于患者组的平均活动水平。活动比率阈值可以表示基线活动比率水平。例如，活动比率阈值可以对应于患者组的平均活动比率水平。处理器可以利用日间活动水平阈值和活动比率阈值进行预编程。如果测量到的日间身体活动(第一总体值)低于日间活动阈值并且计算出的身体活动比率低于活动比率阈值，则这可以指示对象具有严重症状。
所述处理器可以被配置为基于身体活动比率来确定用于指示呼吸疾病症状严重性的风险分数。风险分数可以反映对象的状况的严重性。
所述处理器可以被配置为基于身体活动比率、第一总体值和日间活动阈值来确定呼吸疾病严重性信息。通过考虑身体活动比率和第一总体值两者，该装置可以支持对疾病严重性或其他问题(例如心理问题(如低积极性)或睡眠质量问题)的评估。处理器可以被配置为将第一总体值与日间活动阈值进行比较。日间活动阈值可以表示期望由对象在第一时间段期间完成的活动的基线水平。如果第一总体值低于日间活动阈值，则这可以指示对象具有由疾病症状引起的降低的运动能力。然而，单单第一总体值并不是降低的运动能力的准确指标，因为它可以是低积极性而非严重疾病症状的结果。与第一总体值有关的信息可以组合关于由测量到的身体活动比率指示的严重性水平的信息而被提供，以提供对象的健康状况的更完整的刻画。
所述处理器可以被配置为基于以下项来确定呼吸疾病严重性信息和/或呼吸疾病合并症信息：
-相对于活动比率阈值的大小的身体活动比率的大小；以及
-相对于日间活动阈值的大小的第一总体值的大小。
所述处理器可以基于该信息来确定对象是否具有引起低活动水平的严重疾病症状、低积极性、睡眠扰乱问题，或没有疾病相关的问题。
所述处理器可以被配置为输出所确定的呼吸疾病严重性信息和/或呼吸疾病合并症信息。
活动监测器可以包括用于将活动监测器附接到对象的条带。这有助于连续监测对象的健康状况。
根据本发明的另一方面，提供了一种方法，其包括：
-通过在第一时间段内测量身体活动来获得第一组身体活动数据；
-通过在第二时间段内测量身体活动来获得第二组身体活动数据；
-基于所述第一组身体活动数据来计算第一总体值；
-基于所述第一组身体活动数据和所述第二组身体活动数据来计算身体活动比率；并且
-基于所述身体活动比率和所述第一总体值的组合确定呼吸疾病严重性信息和/或呼吸疾病合并症信息。
第一组身体活动数据可以例如包括在白天期间获得的数据，而第二组身体活动数据可以例如包括在夜晚期间获得的数据。第一组身体活动数据可以例如包括在对象醒着时获得的数据，而第二组身体活动数据可以例如包括在对象睡着时获得的数据。
该方法还可以包括计算针对第二组身体活动数据的第二总体值，其中，身体活动比率是第一总体值与第二总体值的比率。
总体值可以是表示总的测量到的运动的值，或者可以是表示在该时间段内测量到的平均活动水平的值。
根据本发明的一方面，提供了一种包括代码单元的计算机程序产品，该代码单元适于当所述程序在计算机上运行时执行上述方法。
附图说明
现在将参考附图详细描述本发明的范例，在附图中：
图1示出了根据范例的具有附接到对象的手部的活动监测器的装置；
图2示出了呼吸量测定法测量结果(一秒内的预测用力呼气量的百分比)与根据范例计算出的身体活动比率之间的关系；
图3示出了在呼吸量测定法测量结果(一秒内的预测用力呼气量的百分比)与日间活动水平的测量结果之间的关系；
图4示出了(如通过六分钟步行测试测量的)运动能力的测量结果与日间活动水平的测量结果之间的关系；
图5示出了(如通过六分钟步行测试测量的)运动能力的测量结果与根据范例计算出的身体活动比率之间的关系；
图6示出了根据范例的处理器的操作；
图7示出了根据范例计算出的日间活动水平与身体活动比率之间的关系；并且
图8示出了可以用于实现本发明的系统的通用计算机架构。
具体实施方式
本发明提供了一种装置，其包括用于测量对象身体活动如何的活动监测器。活动监测器被配置为在第一时间段内(例如在白天期间)获得第一组身体活动数据，并且在第二时间段内(例如在夜晚期间)获得第二组身体活动数据。处理器处理由活动监测器获得的数据，以计算表示在第一时间段内对象的活动水平的第一总体值和身体活动比率。详细而言，处理器计算在第一时间段期间测量到的身体活动与在第二时间段内测量到的身体活动的比率。例如，身体活动比率是日间身体活动与夜间身体活动的比率。身体活动比率可以用于评估由对象经历的copd症状的严重性，并确定对象内的疾病进展的水平。此外，身体活动比率可以与第一总体值组合使用，以确定低活动水平是否可能由低身体能力引起，或者低活动是否可能与对象的低积极性相关联。身体活动比率与第一总体值组合还可能指示睡眠相关的问题的存在。
图1示出了根据本发明的装置2。装置2是监测系统，其用于监测具有呼吸问题的患者的健康。该装置包括活动监测器4和远程定位的处理器6；活动监测器4和处理器6适于例如无线地或通过有线连接与彼此通信。处理器可以包括显示器和音频输出。
活动监测器4适于由用户长时间(至少二十四小时)佩戴，并且包括用于将活动监测器附接到对象10的条带8。活动监测器4包括运动传感器12，其用于测量由对象10执行的身体活动。运动传感器12例如是适于检测对象身体的运动的加速度计。这样，活动监测器4被配置为测量对象10的身体活动，因为活动监测器4的输出信号对应于对象10的身体活动。
活动监测器包括控制器13，其控制运动传感器12以在至少二十四小时时段内测量身体活动，无论是在对象10醒着时还是在对象睡着时。
处理器6被配置为将由活动监测器2获得的数据与第一时间段或第二时间段相关联。例如，处理器6可以根据获得数据的时间来确定数据是日间数据还是夜间数据。
处理器6计算针对每个时间段的总体值；总体值表示由对象在获得数据的时间段期间执行的活动水平。例如，处理器6可以计算由加速度计针对每个时间段测量到的总运动。在优选范例中，处理器6计算在该时间段内对象的平均活动水平。
处理器可以使用算法将加速度计输出转换为活动水平。处理器可以通过测量在离散时间间隔内的加速度并将该数据转换为活动“计数”来计算活动水平。对加速度数据的处理因设备制造商而异，但可以被标准化。
处理器6计算表示对象10在日间期间的总体身体活动的第一总体值和表示对象10在夜间期间的总体身体活动的第二总体值。
处理器6通过将第一总体值除以第二总体值来计算身体活动比率。这样，处理器6确定对象10在日间期间的身体活动水平与对象10在夜间期间的身体活动水平的比率。处理器6将该数据输出到存储器(图8)。
处理器6可以被配置为每天计算身体活动比率。或者，处理器6可以被配置为根据用户的要求在较长的时间段(例如，每周或每月)计算身体活动比率。以这种方式，身体活动比率提供了一种客观的方式来连续监测对象并获得可以用于评估对象的健康状态的数据。
处理器6被配置为计算指示对象具有严重呼吸疾病的可能性的第一风险分数。处理器通过将身体活动比率与活动比率阈值进行比较来计算第一风险分数，活动比率阈值表示与非严重呼吸症状相关联的身体活动比率的最小值。第一风险分数由处理器输出以供用户查看。如果确定身体活动比率低于活动比率阈值，则处理器6计算第二风险分数，第二风险分数指示症状的严重性并且基于身体活动比率的大小。
第二风险分数指示疾病进展的严重性。风险分数可以被存储在存储器中(图8)。处理器6被配置为确定第二风险分数是否已经增加，并且如果第二风险分数已经增加，则处理器输出第二风险分数作为警报，以通知用户(对象、看护者或医学专业人员)疾病进展的改变。
处理器输出身体活动比率以及与对象的日间身体活动水平相关的第一总体值。通过与身体活动比率组合生成日间活动的指标，促进关于对象是否具有降低的运动能力或低积极性的评估。
图2示出了身体活动比率与一秒内的用力呼气量的百分比预测值(fev1％pred)之间的关系，这是一种公知的呼吸疾病严重程度的度量。x轴表示身体活动比率，而y轴表示一秒内的预测用力呼气量的百分比。
使用通过监测四个copd患者(p1、p2、p3和p4)和一个非copd患者(p5)的身体活动获得的数据来计算身体活动比率数据。使用身体活动监测器，在白天和夜晚期间连续监测患者七天。预测的fev1％的数据是通过执行单一呼吸量测定法过程获得的。
图2示出了预测的fev1％和日间身体活动与夜间身体活动的比率(身体活动比率)呈正相关。在预测的fev1％的低值处，身体活动比率的大小低，这对应于严重copd的存在。
为了检查身体活动比率是否与预测的fev1％相关，计算了数据的p值。p值评价样本数据多么好地支持所谓的零假设；假设零假设的真值，p值是获得至少与在样本数据中的那个一样极端的效果的概率。如果p值低(低于0.01)，则数据不能很好地支持零假设。
基于图2的数据，与身体活动比率不与预测的fev1％相关的零假设相关联的p值为0.0025，这表明观察到的身体活动比率与预测的fev1％之间的相关性在统计学上是显著的。因此，身体活动比率是支持呼吸疾病严重性的诊断的极好参数。因此，身体活动比率的日常度量可以用于连续(例如，每日、每周或每月)评估呼吸疾病严重性和进展。
图3示出了日常活动(任意单位)与一秒内的用力呼气量的百分比预测值(预测的fev1％)之间的关系。图3示出了较高的疾病严重性(低的预测的fev1％)与低日常身体活动相关。然而，相关性并不像身体活动比率那么强。可以看出，在白天期间的低身体活动并不一定对应于严重的copd。例如，患者p2具有低日常身体活动和相当高的预测的fev1％的测量结果。根据呼吸量测定法测量结果，虽然患者具有低水平的日间身体活动水平，但这不是由严重copd引起的。因此，单单日间身体活动并不是疾病严重性或进展的可靠指标。
图4示出了日常活动(任意单位)与如通过六分钟步行测试测量到的运动能力(米)之间的关系。六分钟步行距离是公知的运动能力的度量，并且利用四个对象执行，这四个对象具有对应的数据点p2、p3、p4和p5。图4示出了运动能力与日常身体活动之间的相对较弱的相关性。这表明患者在白天期间呈现出低身体活动并不一定具有有限的能力，因此低活动不是针对运动能力的准确指标。例如，p2具有低日间身体活动，但具有相当高的运动能力。因此，仅仅在白天期间身体活动的测量结果不能提供呼吸疾病进展或严重性的影响的可靠或准确指标。
图5示出了身体活动比率与使用6分钟步行测试测量到的运动能力(在6分钟时间段内步行的以米为单位的距离)之间的关系。测试的结果是强相关的，这表明身体活动比率比单单日常活动提供了更好的运动能力的指标。
因此，如图2至图5所示，身体活动比率提供了患者的症状严重性和疾病进展的良好指标。因此，通过连续监测患者的身体活动，可以连续监测患者的健康状况。这提供了可以患者的健康状况能够被连续测量的额外优点。相反，呼吸量测定法和六分钟步行测试不适合于连续评估。
图6示出了根据范例的处理器的操作。在使用中，身体活动监测器获得与对象的身体活动水平相关的数据，并将该身体活动数据发送给处理器。处理器对数据进行处理，以获得白天/夜晚身体活动比率的日常度量以及日常身体活动的度量。这使得能够连续(例如，每日、每周、每月)评估身体活动的日常表现，并检测可能导致缺乏身体活动的积极性相关的问题或症状相关的问题。由身体活动监测器记录的数据被加载到数据存储设备(存储器)和处理器，该处理器计算日间身体活动与夜间身体活动之间的比率以及日常身体活动。
在范例中，处理器被配置为执行上述过程(步骤14a-14e)，并且还被配置为评估针对日间活动的总体值(步骤14f)。
在步骤14a中，处理器从活动监测器获得第一组身体活动数据。第一组身体活动数据是在与日间有关的第一时间段内获得的。
在步骤14b中，处理器从活动监测器获得第二组身体活动数据。第二组身体活动数据是在与夜间相关的第二时间段内获得的。
在步骤14c中，处理器计算第一总体值和第二总体值；第一总体值表示在第一时间段内对象的平均活动水平，第二总体值表示在第二时间段内对象的平均活动水平。
在步骤14d中，处理器计算身体活动比率。身体活动比率是第一总体值与第二总体值的比率；因此，它表示平均日间活动与平均夜间活动的比率。
在步骤14e中，处理器将身体活动比率与阈值进行比较。基于该比较，处理器创建第一风险分数，其用于指示存在严重呼吸症状的可能性，或者不存在严重copd症状的可能性。如果风险分数对应于存在严重copd症状，则处理器还基于身体活动比率的大小来计算第二风险分数。
在步骤14f中，处理器将第一总体值与日间活动阈值进行比较，以确定日常活动的测量结果指示对象是活动的还是不活动的。
处理器至少输出指示copd症状是否严重的第一风险分数以及第一总体值指示高活动还是低活动(高于还是低于日间活动阈值)的指示。这些参数的组合可以用于准确地确定低身体活动测量结果是由于严重copd症状而指示低运动能力，还是低身体活动更可能由低积极性引起。因此，通过输出关于日间活动和日间活动与夜间活动的比率两者的信息，提供了对象的健康状况的更完整的刻画。
图7示出了身体活动比率与日间活动水平(任意单位)之间的关系。
一般来说，低身体活动比率与低日常身体活动(如p1)组合指示高疾病严重性，而高身体活动比率与高日常活动水平组合指示低疾病严重性或无疾病严重性(例如p5示出了低疾病严重性)。
如果对象的身体活动比率高，但日间活动水平低，则这可以指示对象在日间期间缺乏活动是由于积极性相关的问题而非运动能力引起的。例如，呼吸量测定法测量结果指示p2具有低症状严重性，并且六分钟步行测试表明p2具有高运动能力。通过测量身体活动比率和日间活动水平，可以在不执行呼吸量测定法或六分钟步行测试的情况下确定这些信息。身体活动比率相当高，这指示p2没有严重症状，与呼吸量测定法和六分钟步行测试数据相一致。此外，低日间活动水平和高身体活动比率的组合指示低日间活动水平是低对象积极性而不是低运动能力的结果。因此，通过使用这两个参数，可以识别疾病的严重性，并且还可以标记其他问题，例如低积极性。
参考p4，身体活动比率低而日间活动高。高日间活动指示疾病症状的严重性低。在这种情况下，身体活动比率可以由于睡眠问题而低。因此，关于日间活动水平和身体活动比率的数据的组合使得能够检测睡眠相关的问题。
总之，低身体活动比率和低日常身体活动水平可以指示缺乏身体活动是由对象经历的copd症状的严重性引起的。高身体活动比率和高日常身体活动指示对象没有任何特定问题。因此，确定身体活动比率可以用于确定对象是否正在经历严重的copd症状。高身体活动比率和低日常身体活动指示缺乏身体活动是由于对象的低积极性。低身体活动比率和高日常身体活动水平指示虽然呼吸相关的症状不是非常严重，但对象可能会经历睡眠扰乱问题。因此，通过比较对象的身体活动比率和日间活动，可以获得对象的健康状况的更完整的刻画，因为可以识别出与积极性或睡眠相关的问题。因此，该系统可以被临床医生用来更好地理解干预是应当更多地指向激发对象的积极性还是治疗疾病。此外，这些信息还可以用来支持身体活动的维持和指导，因为它可以提高关于对象的运动受限的理解(例如，如果由于运动受限和疾病严重性导致身体活动低，则过于推动对象毫无用处，并确实可能会导致对象的健康状况恶化)。
图8示出了用于实现上述装置的计算机80的范例。
计算机80包括但不限于pc、工作站、膝上型计算机、pda、掌上设备、服务器、存储设备等。通常，就硬件架构而言，计算机80可以包括经由本地接口(未示出)可通信地耦合的一个或多个处理器81、存储器82以及一个或多个i/o设备83。如本领域中已知的，本地接口可以是例如但不限于一个或多个总线或者其他有线或无线连接。本地接口可以具有额外的元件，例如控制器、缓冲器(高速缓存)、驱动器、中继器和接收器，以实现通信。此外，本地接口可以包括地址连接、控制连接和/或数据连接，以实现上述部件之间的适当通信。
处理器81是用于执行可以被存储于存储器82中的软件的硬件设备。处理器81实际上可以是任何定制的或商业可用的处理器、中央处理单元(cpu)、数字信号处理器(dsp)，或是与计算机80相关联的若干处理器中的辅助处理器，并且处理器81可以是基于半导体的微处理器(以微芯片的形式)或微处理器。
存储器82可以包括易失性存储器元件(例如，随机存取存储器(ram)，诸如动态随机存取存储器(dram)、静态随机存取存储器(sram)等)和非易失性存储器元件(例如，rom、可擦除可编程只读存储器(eprom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁带、光盘只读存储器(cd-rom)、磁盘、软磁盘、盒式磁盘、磁带盒等)中的任一个或组合。此外，存储器82可以并入电子、磁性、光学和/或其他类型的存储介质。注意，存储器82可以具有分布式架构，其中各种部件彼此远离地定位，但可由处理器81访问。
存储器82中的软件可以包括一个或多个单独的程序，每个程序包括用于实现逻辑功能的可执行指令的有序列表。根据范例性实施例，存储器82中的软件包括合适的操作系统(o/s)84、编译器85、源代码86以及一个或多个应用87。
应用87包括多个功能部件，例如计算单元、逻辑、功能单元、过程、操作、虚拟实体和/或模块。
操作系统84控制计算机程序的执行，并提供调度、输入输出控制、文件和数据管理、存储器管理以及通信控制和相关服务。
应用87可以是源程序、可执行程序(目标代码)、脚本或包括待执行的一组指令的任何其他实体。当是源程序时，程序通常经由编译器(例如编译器85)、汇编器、解释器等编译，这些部件可以包含于或不包含于存储器82内，以便与操作系统84结合以正确地操作。此外，应用87可以被编写为面向对象的编程语言，其具有数据和方法的类；或过程编程语言，其具有例程、子例程和/或函数；例如但不限于c、c++、c#、pascal、basic、api调用、html、xhtml、xml、asp脚本、javascript、fortran、cobol、perl、java、ada、.net等。
i/o设备83可以包括输入设备，例如但不限于活动监测器、传感器等。此外，i/o设备87还可以包括输出设备，例如但不限于显示器。最后，i/o设备83还可以包括通信输入和输出两者的设备，例如但不限于nic或调制器/解调器(用于访问远程设备、其他文件、设备、系统或网络)、射频(rf)或其他收发器、电话接口、网桥、路由器等。i/o设备83还包括用于通过各种网络(例如互联网或内联网)进行通信的部件。
当计算机80处于操作中时，处理器81被配置为执行存储于存储器82内的软件，将数据通信到存储器82和从存储器82通信数据，并且通常根据软件控制计算机80的操作。应用87和操作系统84整体或部分地由处理器81读取，可能缓冲在处理器81内，然后执行。
当应用87以软件实现时，应当注意到应用87可以存储在实际上任何计算机可读介质上以供任何计算机相关系统或方法使用或与其结合使用。在本文档的上下文中，计算机可读介质可以是电子、磁性、光学或其他物理设备或单元，其可以包含或存储供计算机相关系统或方法使用或结合其使用的计算机程序。
在范例中，控制器被配置为在预编程时间段内获得第一组数据和第二组数据。例如，控制器可以控制活动监测器以在上午7.00与下午23.00点之间获得第一组身体活动数据，并且在例如下午23.01与上午06.59之间的第二时间段内获得第二组数据。这样，活动监测器就会自动获得第一组数据和第二组数据。在这种情况下，处理器不需要被配置为将数据与特定时间段相关联。
在范例中，处理器可以通过计算由对象在该时间段内消耗的总能量来确定对象在该时间段内的总体活动。
在范例中，处理器可以输出指示患者的健康状态的信息，即，指示患者具有影响他们的身体活动水平的严重症状、低积极性或睡眠问题。
在范例中，处理器远离活动监测器定位。在其他范例中，处理器与活动监测器集成。
在范例中，活动监测器可以包括适合于在对象醒着时以及在对象睡着时测量身体活动的任何传感器。例如，传感器可以是基于mems过程的加速度计或对用户的身体运动敏感的压电元件。
在范例中，活动监测器包括用于将活动监测器附接到用户的条带或其他工具。在另一范例中，活动监测器被集成到由对象穿着的衣服中。
身体活动数据可以包含关于收集的数据是夜间数据还是日间数据的信息。该信息可以由用户手动输入，该用户可以控制活动监测器以在日间监测模式与夜间监测模式之间切换。
该装置可以包括光传感器，该光传感器被配置为获得指示环境的光照水平的光信号。该装置可以被配置为基于在收集数据时由光传感器获得的关于光照水平的信息来确定数据是在日间期间还是夜间期间收集的。
通过研究附图、说明书和所附权利要求书，本领域技术人员在实践要求保护的本发明时可以理解和实现所公开的实施例的其他变型。在权利要求中，词语包括不排除其他元件或步骤，并且词语一(a)或一个(an)不排除多个。在相互不同的从属权利要求中记载了特定措施的仅有事实并不指示不能有利地使用这些措施的组合。权利要求中的任何附图标记不应被解释为对范围的限制。