用于预测心脏猝死风险的系统、方法和装置的制作方法

专利名称：用于预测心脏猝死风险的系统、方法和装置的制作方法
技术领域：
本公开涉及监视患者的生理状况的领域。更具体地说，本公开涉及分析患者遭受 心脏猝死的风险。
背景技术：
心脏猝死(S⑶)是成年人死亡的主导原因。心脏猝死的最大威胁之一是影响和症 状是突然且意外的。SCD可能常常在症状第一次出现后数分钟内发生。尽管例如动脉硬化 症或以前的心脏病发作的潜在的心脏状况可增加患者的SCD风险，但一些受害者可以是儿 童或没有心脏疾病的先前历史。S⑶在由心脏生成并且通过心肌组织传播的电脉冲变得迅速(心动过速)或紊乱 (纤维性颤动)或迅速和紊乱时发生。逐渐导致心脏猝死的生理事件可由不规则心律(心 律失常)、身体不能控制心动过速或心跳极其缓慢(心动过缓)来触发。对S⑶的当前监视通过以前记录的患者心电图(ECG)数据的追溯复查来执行。许 多S⑶监视算法要求在一段时间采集的ECG数据以执行精确的分析。因此，心脏猝死监视 系统和方法常常使用由患者佩戴某一时间持续期(通常跨跃12和72小时之间)的便携式 ECG记录装置。在此时期内，监视装置记录患者的ECG数据，并且在测试结束时，ECG数据从 装置下载到计算机，使得通过分析ECG数据可确定患者的ECG心脏猝死的风险。结果的心脏猝死风险分析是在过去12-72小时内患者状况的回顾性报告。这导致 临床医生对以前收集的数据做出保守响应。其中响应是保守的此类系统能不利患者护理， 因为患者可能已经出院，或者开始对抗上升的心脏猝死风险的状况的治疗和/或手术。

发明内容
在患者监视的领域中，合乎需要的是具有监视从患者收集的生理数据并产生患者 的心脏猝死风险的预测的系统、方法和装置。本文中公开的系统的实施例可包括从患者采 集至少心电图数据的患者监视站。Holter分析工作站可在通信上连接到患者监视站，使得 Holter分析工作站在预定时间间隔从患者采集至少心电图数据。Holter分析工作站随后 可将数据分析算法应用到心电图数据以创建心脏猝死报告。医院信息网络在通信上连接临 床医生和Holter分析工作站，使得向至少一个临床医生通知心脏猝死报告。本文中还公开了具有心脏猝死风险分析能力的Holter分析装置的实施例。这些 实施例可包括心电图数据检索模块。数据检索模块检索在预定时期已采集的心电图数据。 Holter分析装置可还包括第一心脏猝死分析技术模块。第一技术模块产生心脏猝死风险的 第一指示。Holter分析装置还包括第二心脏死亡分析技术模块。第二技术模块产生心脏猝 死风险的第二指示。最后，Holter分析装置可包括心脏猝死报告生成模块，该模块接收心 脏猝死风险的第一和第二指示并基于第一和第二指示来产生心脏猝死报告。本文中还公开了预测患者的心脏猝死风险的方法的实施例。此方法的实施例包括 从患者接收心电图数据，并将第一心电图数据分析技术应用到心电图数据。该方法还包括
4将第二心电图数据分析技术应用到心电图数据以产生心脏猝死风险的第二指示。方法的其 它实施例可包括分析心脏猝死风险的第一指示和心脏猝死风险的第二指示以产生患者的 心脏猝死风险的复合指示。


图1是用于预测心脏猝死的系统的一实施例的示意图；图2是示出用于预测心脏猝死风险的方法的一实施例的步骤的流程图；图3是示出心脏猝死风险算法的应用的更详细实施例的流程图；以及图4是示出ECG管理系统工作流的方法的一实施例的流程图。
具体实施例方式图1示出患者监视系统10的一实施例。患者监视系统10包括连接到患者监视器 14的一个或多个患者12。患者监视器14可经从患者收集多种生理数据的多个电极(未示 出)或其它传感器(未示出)附连到患者。生理数据可通过从传感器到患者监视器14的 有线或无线传送来收集。收集的生理信号可包括心电图(ECG)数据、呼吸率、血压和Sp02。患者监视器14 收集的另外的生理数据可包括动脉压(ART)、中心静脉压(CVP)、颅内压(ICP)、肺动脉压 (PA)、左侧动脉压(LA)、特殊压力(SP)、股动脉压(FEM)、右侧动脉压(RA)、脐动脉压(UAC)、 脐静脉压(UVC)、心输出量(CO)、二氧化碳(C02)和呼气末二氧化碳(ETCo2)及脑电图 (EEG)。要理解的是，本领域技术人员已知的其它生理数据也可通过患者监视器14来收集。 至少，患者监视器14从患者12收集ECG数据。ECG数据可包括标准十二导联ECG波形数 据，并且可以在120Hz与240Hz之间的速率采样；然而，这些规范只是关于患者监视器14执 行的ECG监视的示例。患者监视器14实时从患者12收集生理数据，并将收集的生理数据实时传送到中 央监视站16。中央监视站16从多个患者监视器14接收生理数据，这可包括在医院的特定 区域或例如医疗场所的某个楼层或侧楼的其它医疗场所中的所有患者监视器14。生理数据 从患者监视器14到中央监视站16的传送可经有线连接或无线连接来执行。优选的是，生 理数据传送在它由患者监视器收集时是实时的；然而，数据传送可以备选地是定期的或者 在各种患者监视器14之间复用。中央监视站16接收收集的患者生理数据并存储数据以用于以后的检索和/或处 理。另外，中央监视站16可通过患者生理数据来执行某一信号处理和/或管理功能。这些 功能可包括使生理数据与患者的电子病历(EMR)相关和/或在健康护理提供商的IT网络 内的适当位置中存储收集的生理数据。接着，存储的生理数据18传送到Holter工作站20。Holter工作站20接收生理 数据18，并应用多种信号处理技术到生理数据18。在一个实施例中，这些数据处理技术包 括如本文中将进一步详细描述的一个或多个心脏猝死预测算法。作为一个或多个心脏猝死 算法的应用的结果，Holter工作站20产生S⑶风险报告22。S⑶风险报告22包括一个或 多个SCD算法应用到生理数据的结果或输出。SCD报告通常提供患者的心脏猝死风险的指 示。风险的该指示可以是发生心脏猝死的可能性的百分比或其它指示或风险的更概括性的表征，例如包括“低”、“中”和“高”指明的分级。SCD风险报告22从Holter工作站20发送到ECG管理系统24。ECG管理系统24 提供SCD风险报告的另外处理，并协调向一个或多个临床医生警告和/或通知SCD风险报 告的结果。ECG管理系统24优选向与临床医生28相关联的多种通信装置提供警告或通知 26。警告和/或通知26可发送到打印机或传真机30、临床医生携带的和/或靠近临床医生 28的个人数字助理(PDA) 32、和/或临床医生28例如通过电子邮件和/或通过其它即时消 息传递通信技术在其接收通知的计算机工作站34。备选的是，在如本文中公开的患者监视系统10的实施例中，ECG管理系统24可以 不是必需的。在那些实施例中，Holter工作站20可连接到医院信息网络。医院信息网络 包括但不限于一个或多个信息服务器(未示出)，这些服务器经有线或无线连接而连接到 多种计算机工作站、临床医生PDA、移动计算机装置和/或与一个或多个临床医生相关联的 其它通信装置，使得在一个或多个服务器中存储的数字信息对于一个或多个临床医生是可 访问的。S⑶风险报告22可经医院信息网络传送到与临床医生28相关联的一个或多个通 信装置。在这些此类实施例中，Holter工作站20可包括另外的处理，使得S⑶风险报告22 在适合输送到通信装置的格式中和/或将包括SCD风险报告22要发送到的特定临床医生 的标识。图2示出由Holter工作站20的实施例执行的方法的一实施例。首先，在步骤50， 配置用于数据收集的时间间隔。在此步骤中，存储的生理数据的采集之间的时期由临床医 生来设置或者是对于Holter工作站的程序或模块间隔。虽然生理数据可实时从患者收集， 但Holter工作站可只在设置的时间间隔采集收集的生理数据。这些时间间隔范围可从一 分钟或更少的生理数据到一个或多个小时的生理数据。在一备选实施例中，Holter工作站 实时接收患者生理数据；然而，在步骤50，Holter工作站基于设置的时间间隔将生理数据 分段成组。接着，在步骤52，配置S⑶准则。S⑶准则的配置可由临床医生手动执行，但也 可如根据SCD准则的临床医生、医院或健康护理提供商定义的集合、由存储的计算机代码 来执行。S⑶准则的配置可包括应用到采集的生理数据的一个或多个S⑶风险分析算法的 选择。SCD风险分析算法用于基于生理数据来计算患者的SCD风险。在步骤54，在预配置的时间间隔采集生理数据。生理数据可从患者监视器14、中 央监视站16采集，或者直接从患者12本身采集。一般情况下，采集的生理数据至少包括心 电图(ECG)数据。接着，在步骤56，检测和标记ECG数据的特性。ECG特性包括识别心跳和标记ECG 数据的形态特征，其可包括标记QRS复合波、T波或许多其它ECG形态特征。步骤56中ECG 特性的检测和标记包括将每次心跳分类为正常或异常，例如是心律失常的、心运过速的或 心动过缓的。接着，在步骤58，一个或多个S⑶算法应用到生理数据。正如本文中将进一步详细 描述的，可存在多个SCD算法，而应用的算法从这些算法中选择。此选择可由临床医生来执 行，或者可以是如特定临床医生、临床医生组、医院或健康护理提供商来定义的预定义过程 的部分。多个SCD算法的每个算法分析不同的生理数据，或者生理数据的组合，或者以多个 特定的方式分析生理数据以便产生SCD风险的不同指示。随后，在步骤60，来自步骤58中应用的S⑶算法的结果用于生成S⑶报告。生成的SCD报告包括基于如在步骤58中应用的SCD算法计算的SCD风险的各个结果的患者的 S⑶风险的复合风险分析。接着，在步骤62，记录S⑶报告。S⑶报告可在ECG管理系统24 上记录；然而，SCD报告可备选地传送到与识别的临床医生相关联的或靠近其的通信装置， 使得使用该通信装置来接收和记录SCD报告。在这些实施例中，记录的SCD报告可以是来 自打印机或传真机的打印输出，或者以电子方式存储在PDA或另一个临床医生计算机工作 站的存储器上。在步骤62中已记录S⑶报告后，可重复这些步骤，特别是从步骤54开始的步骤， 其中，在预配置的时间间隔采集生理数据。可对于患者停留在医院或医疗护理场所的持续 期在预配置时间间隔采集生理数据，或者可对于指明的时期从非卧床的患者采集生理数 据。在仍有的另外实施例中，可对于长或不间断的时期在预配置时间间隔采集生理数据，例 如在患者在远程位置中(例如在他或她的家中)并且正在由在中央位置的临床医生远程监 视的情况中。图3是在应用一个或多个SCD算法的步骤58的一实施例中跟随的步骤的更详细 流程图。在图3中所示的实施例中，由SCD算法分析的生理数据是如图2中所示的步骤56 中已处理以检测和标记ECG特性的ECG生理数据。首先，在步骤70中，ECG数据被加载到计算机或系统中，其将应用SCD算法到ECG 数据。加载的ECG数据可包括标记的ECG特性或其它心跳注释或分类。这些标记、注释或 分类有助于应用到ECG数据的一些或所有SCD算法。接着，应用选择的S⑶算法到ECG数据。应用的S⑶算法包括从T波交替(TWA) 74、 心率震荡78和/或心脏减速能力82的列表中选择的算法的至少一个。虽然应用的SCD算 法包括上述SCD算法的至少一个，但此列示只是步骤58中可应用的SCD算法的类型的示 范。可结合一个或多个已经识别的算法应用的其它备选SCD算法包括计算心率变异性、QT 间隔分析、ST间隔分析和/或与SCD风险相关的其它生理数据的分析。具体而言，通过在步骤72首先配置TWA分析算法和在步骤74中计算TWA趋势和 测量，应用T波交替检测算法。可结合本文中公开的实施例使用的TWA交替检测算法的一 个示例在授予Verier等人的美国专利5148812中公开；然而，如其中公开的算法只是可与 如本文中公开的实施例一起利用的TWA检测算法的类型的示范。通过ECG的ST段和T波中交替的分析，动态跟踪对心室颤动的心脏易损性。在 TffA检测算法中，术语“T波”可定义为表示包括T波和ST段两者的ECG的部分。T波中的 交替由心室的肌细胞的复极化的不同速率产生。细胞非均勻恢复(或复极化)的程度是对 于心脏的电不稳定性的基础。TWA检测算法提供用于量化ECG内周期到周期变动(并且具 体而言是T波)的方法。例如傅立叶功率谱分析、非线性变换、谱分析、复解调或动态更替 幅度估计技术的技术可用于量化患者ECG中遇到的心跳到心跳变化。接着，通过配置心律震荡分析算法(76)和计算震荡初始与震荡斜率测量(78)的 步骤，分析心律震荡。计算震荡初始和震荡斜率测量的步骤包括构建血流速度图波形，因为 这些结果可有助于根据应用到ECG数据的心率震荡算法来提供SCD风险的改进指示。可在 步骤76中配置并在步骤78中应用的心率震荡算法的示例可包括在授予Schmidt的美国专 利6496722中公开的那些算法；然而，这并非旨在对可与如本文中公开的实施例一起使用 的心率震荡算法的范围进行限制。
心率震荡由期外收缩的存在来表征，期外收缩是在常规基本心律外过早发生的心 跳。已经发现期外收缩在基本心律中留下了能用于风险分层的特性标志(signature)。对 于有着正常或轻微增加风险的人，一般来说，跟随期外收缩的心跳序列通常加速，但仅对于 几次心跳，其随后跟随心跳序列的频率减少的阶段。对于有着增加风险的人，此特性反应弱 得多或完全看不到。在这些情况下，经常能发现或多或少不规则的心跳序列，即，无序或震 荡的心跳序列。如上所提到的，分析心率震荡要求计算震荡初始、跟随期外收缩的前几个正 常RR间隔和期外收缩之前的最后几个正常RR间隔的平均值的差以及几个心跳间隔的序列 内最大频率减少的斜率。另外，斜率的相关系数是用于斜率的规则性的量度，其可以是要计 算的另一相关值。这些量的每个已证实适合在确定患者的心脏猝死风险中使用。小的初始、 平坦的斜率或斜率的低相关系数指示近期中死亡的显著增加的风险。备选的是，频域中的 信号处理可用于识别ECG信号的低和高频率部分。高频率部分中的增加指示近期中死亡的 增加的风险。减速能力可通过配置减速能力算法80和计算减速能力82的步骤来确定。计算减 速能力的步骤还包括构建平均波形，平均波形可帮助临床医生或分析程序解释从减速能力 算法到ECG数据的应用所产生的结果。可用于计算减速能力的算法的一个非限制性示例在 授予Schmidt等人的美国专利7200528中公开。通过将ECG测量的心跳到心跳间隔排序，减速能力可用于评估患者的心脏猝死风 险。接着，可对每个测量的值指派属性，该属性等于测量的值本身除以以前的测量的值。因 此，属性作为以前测量的间隔的百分比，表示相对于以前的测量的间隔的每个测量的间隔。 通过从目标属性与随后属性之和减去两个以前计算的属性之和，可做出患者中心脏猝死风 险的估计。此估计定义目标测量的值与立即进行的测量的值之间的关系。此评估的结果越 大，患者存活的机会就越大，因为心脏能够产生和控制更大范围的心率波动。在一些实施例中，TffA算法、心率震荡算法及减速能力算法应用到ECG数据。在其 它实施例中，上述TWA、心率震荡和减速能力算法中的两个算法应用到ECG数据。在仍有的 其它实施例中，这三个算法只有一个应用到ECG数据，并且至少另一算法应用到患者的生 理数据。其它算法可包括心率变异性、QT间隔分析、ST间隔分析或发现与SCD风险相关的 任何其它生理数据分析。心率变异性算法对ECG数据的应用包括配置心率变异性算法84和计算心率变异 性测量88的步骤。QT间隔分析算法对ECG数据的应用包括配置QT间隔分析算法88和计 算QT间隔趋势和测量90的步骤。类似地，ST间隔分析的应用可包括配置ST分析算法92 和计算ST间隔趋势和测量94的步骤。另外，患者监视器14从患者12收集的其它生理数据能结合到S⑶算法的分析和 应用中。此另外的生理数据在步骤95中加载到将应用任何生理数据分析SCD算法的计算 机、系统或软件模块中。随后，在步骤96，配置至少一个生理数据分析算法并随后在步骤98 中应用该算法以计算生理数据趋势和测量。选择的S⑶算法对ECG或其它生理数据的应用的结果，这些结果在步骤100中存 储到S⑶信息数据库。这些结果随后在图2的步骤60中用于生成S⑶风险报告。如上所述的配置步骤包括准备应用算法到数据集将要求的标准数据处理功能。此 类配置包括选择要应用到数据的一个或多个算法。配置的步骤包括数据处理步骤，例如选择算法将应用到的数据、选择的数据的源和/或电子存储位置以及选择的算法内变量的初 始化。在一些实施例中，如图1中所示的实施例，Holter工作站20产生发送到ECG管理 系统24的S⑶风险报告22。ECG管理系统24负责将警告和/或通知26传送到临床医生 28或与临床医生28相关联的通信装置。图4是流程图，示出ECG管理系统24为产生和/或传送警告和/或通知26而采 取的步骤。首先，在步骤110配置S⑶风险报告路由选择。如果确定S⑶风险报告识别显 著的风险，则临床医生通知是必需的，并且S⑶报告路由选择识别S⑶风险报告将发送到的 通信装置。接着，在步骤120，将S⑶风险报告加载到数据库130中。记录S⑶风险报告以 在患者的电子病史中提供更深度的信息。无论识别的风险是低风险还是高风险，均可记录 SCD风险报告。SCD风险报告在数据库130中的存储允许在患者的护理过程内应用进一步 的趋势化(trending)和/或风险分析到来自多个报告的数据。接着，在步骤140分析S⑶风险报告以确定S⑶风险是否在正常限制之外。备选的 是，在步骤140，SCD风险可分级为低、中或高SCD风险，或者可将SCD风险识别为发生的百 分比机会。可根据识别的SCD风险来采取临床医生动作。低风险SCD报告导致低优先级通 知和有限的临床医生动作，或者在一些情况下没有到临床医生的通知。高风险SCD报告可 经高重要性或优先级通信传送到临床医生。这可导致临床医生采取立即的或积极的动作。如果确定S⑶风险不在正常限制之外，则程序在步骤150结束，并且不向临床医生 发送指示。备选的是，如果在步骤140确定S⑶风险在正常限制之外，则将S⑶风险报告发 送到临床医生通信装置。SCD风险报告发送到的特定通信装置以及传送的格式可以是在配 置SCD风险报告路由选择的步骤110中确定的那些装置和格式。由于预定风险报告路由选择过程和SCD风险报告结果的分级，将患者的SCD风险 以与该风险相称的方式对临床医生做出通知。因此，在确定SCD风险是低或正常状况时，不 使临床医生从其它职责分心，而如果情况改变为S⑶发生的严重得多的风险，则使临床医 生知道。虽然系统和方法的实施例已在本文中公开，但也应注意的是，本发明的备选实施 例能够是在展现心脏猝死分析能力的Holter分析装置的形式中。Holter分析装置一般情 况下包括执行如本文中公开的方法的步骤的一系列模块。通常来说，模块包括执行指定功 能的硬件、软件或固件中的任何实现。许多模块可接收输入，执行对输入的信号或数据处理 功能，并且产生输出；然而，这不是对于如本文中公开的模块可执行的功能的类型的限制。Holter分析装置可包括在指定时间间隔采集生理数据的数据检索模块。生理数据 可以是但不限于ECG数据。采集的生理数据由第一心脏猝死分析技术模块来处理。第一技 术模块配置成将第一心脏猝死分析技术应用到采集的生理数据。心脏猝死风险的第一指示 从第一心脏猝死分析技术模块产生。接着，第二心脏猝死分析技术模块配置成将第二心脏 猝死分析技术应用到采集的生理数据。第二技术模块接收生理数据，将第二心脏猝死分析 技术应用到采集的生理数据，以及产生心脏猝死风险的第二指示。进一步的实施例包括另 外的心脏死亡风险分析技术模块；然而，这些实施例并非旨在对如本文中公开的Holter分 析装置的范围进行限制。心脏猝死报告生成模块接收心脏猝死风险的第一和第二指示并基于第一和第二指示来产生心脏猝死报告。此心脏猝死报告因此基于将至少两个SCD分析技术应用到采集 的生理数据的S⑶风险结果。此S⑶报告可保存在存储模块中，或者可传送到临床医生或 医院IT网络的另一部分，使得可做出心脏猝死报告的结果的通知。Holter分析装置的一备选实施例可进一步包括心电图数据注释模块。当采集的生 理数据是ECG数据时，可使用此实施例。数据注释模块可包括为临床医生使用的或被配置 成自动识别ECG特性和形态并在收集的ECG数据中标记这些特性和形态的工具。相对当前SCD风险确定系统、方法和装置，如本文中公开的系统、方法和装置的实 施例可呈现优点。一个优点是如本文中公开的实施例提出对SCD风险分析的预测性或前摄 性方案。当前可用的系统、方法和装置取决于ECG或其它生理数据的冗长收集，并且提供以 前收集的数据的回顾性分析。这导致对以前存在的患者状况的倒退方案。在许多情况下， 这可导致患者过早出院或者无意旅行到在可导致SCD的心脏病发作的事件中可能难以获 得医疗协助的位置。因此，患者的ECG和/或其它生理数据的发生分析和SCD风险的计算 还为临床医生提供了当在临床医生的护理下分析患者的总体医疗健康中的另一个工具。另 外，如本文中公开的实施例提供产生利用多个SCD风险分析技术和/或算法的复合SCD风 险分析的优点。由于通过可同时应用到收集的ECG和/或生理数据的其它算法中的长处， 可克服单个特定SCD风险算法中的弱点，因此，这提供SCD风险的更健壮指示。如本文中公开的，系统、方法和装置的一些实施例可单独在计算机上实现，在一些 此类实施例中，方法步骤和/或系统块可由微处理器上操作的软件来执行，其中，软件配置 为接收输入、将算法或功能应用到输入并产生结果输出的一系列模块。在这些此类实施例 中，技术效果是产生患者的S⑶风险的更前摄性和健壮的指示，从而促进临床医生评价患 者的总体健康和/或心脏状况的能力。此书面描述使用示例来公开本发明，包括最佳模式，并且还使得本领域的技术人 员能够做出和使用本发明。本发明可取得专利的范围由权利要求来定义，并且可包括本领 域技术人员想到的其它示例。如果此类其它示例具有与权利要求的书面语言无不同的结构 要素，或者如果它们包括具有与权利要求的书面语言的非实质不同的等效要素，则它们旨 在在权利要求的范围内。
10
权利要求
一种用于由从患者收集的生理数据来预测心脏猝死的系统，所述系统包括患者监视器，连接到至少一个患者，所述患者监视器从所述患者采集多个生理数据，所述生理数据包括至少心电图数据；Holter分析工作站，在通信上连接到所述患者监视器以采集所述患者生理数据，所述Holter分析工作站将多个数据分析算法应用到所述生理数据以创建心脏猝死报告；以及医院信息网络，在通信上将多个临床医生和多个医院记录与所述Holter分析工作站连接，使得可更新医院记录以包括所述心脏猝死报告，并且可向至少一个临床医生通知所述Holter分析工作站的结果。
2.如权利要求1所述的系统，其中所述多个数据分析算法包括至少T波交替检测、心率 震荡的测量和心脏减速能力的测量。
3.如权利要求2所述的系统，还包括心电图管理系统，所述管理系统形成所述Holter 分析工作站和所述医院信息网络之间的通信连接。
4.如权利要求3所述的系统，其中所述患者监视器实时从所述患者收集生理数据。
5.如权利要求3所述的系统，其中所述患者监视器在预定时间间隔从所述患者收集生 理数据。
6.如权利要求5所述的系统，其中所述Holter分析工作站每十二小时采集由所述患者 监视器收集的累积生理数据。
7.如权利要求3所述的系统，其中所述心电图管理系统从所述Holter分析工作站接收 所述心脏猝死报告，将所述心脏猝死报告中的数据分析算法的结果与预定限制进行比较， 并且在所述心脏猝死报告中的所述结果超过所述预定限制时通过警报通知至少一个临床 医生。
8.如权利要求7所述的系统，其中所述预定限制包括至少一个值范围，其在结果在所 述范围外时指示心脏猝死的增加的风险。
9.如权利要求7所述的系统，还包括在通信上连接到所述Holter分析工作站和所述心 电图管理系统的心脏猝死报告数据库；其中所述心电图管理系统检索患者的心脏猝死报告 中的至少一个以用于确定患者的心脏猝死的风险。
10.如权利要求9所述的系统，其中所述心电图管理系统在确定患者的心脏猝死的风 险时分析多个心脏猝死报告。
11.一种具有心脏猝死的预测能力的Holter分析装置，所述Holter分析装置包括心电图数据检索模块，所述模块以预定间隔检索在预定时期采集的心电图数据；第一心脏猝死分析技术模块，所述第一技术模块包括第一配置模块和第一计算模块， 所述第一技术模块将心脏猝死分析技术应用到所述心电图数据以产生心脏猝死风险的第 一指示；第二心脏猝死分析技术模块，所述第二技术模块包括第二配置模块和第二计算模块， 所述第二技术模块将心脏猝死技术应用到所述心电图数据以产生心脏猝死风险的第二指 示；以及心脏猝死报告生成模块，接收心脏猝死风险的所述第一和第二指示并基于所述第一和 第二指示来产生心脏猝死报告。
12.如权利要求11所述的Holter分析装置，其中所述第一技术从包括以下技术的技术列表中选择T波交替检测、心率震荡的测量和心脏减速能力的测量，并且所述第二技术从 包括以下技术的技术列表中选择Τ波交替检测、心率震荡的测量和心脏减速能力的测量。
13.如权利要求12所述的Holter分析装置，还包括心电图数据注释模块，所述注释模 块检测心电图形态并在所述心电图数据中标记所检测的形态的存在。
14.如权利要求13所述的Holter分析装置，还包括心脏猝死报告存储模块，所述存储 模块接收和存储为所述患者生成的多个心脏猝死报告。
15.如权利要求13所述的Holter分析装置，还包括第三心脏猝死分析技术模块，所述 第三技术模块包括第三配置模块和第三计算模块，所述第三技术模块将心脏猝死分析技术 应用到所述心电图数据以产生心脏猝死风险的第三指示，其中所述心脏猝死报告还基于心 脏猝死风险的所述第三指示。
16.一种在临床环境中预测患者的心脏猝死的方法，所述方法包括从所述患者接收心电图(ECG)数据；应用第一心电图数据分析技术以生成心脏猝死风险的第一指示；将第二心电图数据分析技术应用到所述ECG数据以生成心脏猝死风险的第二指示；分析心脏猝死风险的所述第一指示和心脏猝死风险的所述第二指示；以及基于所述第一指示和所述第二指示的分析，产生所述患者的心脏猝死的风险的复合指
17.如权利要求16所述的方法，其中所述第一心电图数据分析技术和所述第二心电图 数据分析技术从包括T波交替检测、测量心率震荡和测量心脏减速能力的列表中选择。
18.如权利要求17所述的方法，还包括比较所述复合指示和指示所述患者的心脏猝死的风险的至少一个预定阈值；以及产生指示心脏猝死的所检测的风险的警报。
19.如权利要求17所述的方法，还包括应用第三心电图数据分析技术，所述第三技术 从包括以下技术的列表中选择检测T波交替、测量心率震荡和测量心脏减速能力，以接收 心脏猝死风险的第二指示，其中所述复合指示还基于所述第三技术的结果。
20.如权利要求19所述的方法，还包括应用从包括计算心率变异性、计算QT间隔趋势、 计算ST间隔趋势的列表中选择的至少一个另外的心电图数据分析技术，其中所述复合指 示还基于所述至少一个另外的心电图数据分析技术的结果。
21.如权利要求20所述的方法，还包括将至少一个非ECG数据分析技术应用到其它生 理数据，其中所述生理数据包括心电图数据和其它生理数据。
全文摘要
用于预测心脏猝死的系统和方法。系统包括患者监视站、Holter分析工作站及医院信息网络。Holter分析工作站是操作的以应用多个数据分析算法来创建心脏猝死报告。方法应用第一数据分析技术和第二数据分析技术到心电图数据以产生心脏猝死风险的指示。
文档编号G06F19/00GK101911083SQ200880124660
公开日2010年12月8日 申请日期2008年12月10日 优先权日2008年1月7日
发明者J·谢恩贝克, M·施奈德, P·多尔西 申请人:通用电气公司