具有预测性紧急调度风险评估的个人紧急响应系统的制作方法

下文总体地涉及医学领域，并且更具体地涉及医学监测领域、医学紧急响应领域等。

背景技术：

老年人或具有慢性医学问题或风险因子(诸如重度肥胖)的人处于某些类型的失能医学紧急的较高风险中，所述失能医学紧急诸如为跌倒(尤其是跌倒导致骨折或其它严重伤害)、心脏病发作、急性哮喘发作或其它呼吸紧急等。这些人处于快速变得丧失能力并且从而不能寻求医学帮助的风险中。访视护士或家庭护理提供者能够部分地解决该问题，但是代价高并通常不能一直随着处于风险中的人。处于风险中的人可以携带蜂窝电话(移动电话)，其可以提供对帮助的快速访问。然而，移动电话相对笨重并且可能在失能事件期间不与处于风险的人在一起，或者可能在事件中丢失(例如，在严重跌倒期间可能掉落移动电话)。移动电话还通常需要显著的认知能力来进行操作，并且在严重跌倒之后处于疼痛中或经历心脏病发作或哮喘发作的人可能不能够使用移动电话来呼叫帮助。另一选项是使处于风险中的人进入疗养院或其它专业看护设施，但是该选项也是昂贵的且常常违反个人想要保持独立的意愿。

个人紧急响应服务(PERS)是专用系统，其被设计为向处于风险中的人提供立即可访问紧急帮助，从而使得处于风险中的人能够继续享有独立性。这些系统通过向处于风险中的人提供内心的平静，知道他们在需要时可以具有对紧急帮助的立即访问，而使得他们能够独立生活。在典型的PERS服务中，向处于风险中的人提供项链佩戴式挂件或手镯的形式的呼叫按钮。通过按压呼叫按钮，激活住处处的扬声电话控制台，通过所述扬声电话控制台，处于风险中的人与由PERS组织或提供者维护的呼叫中心处的操作者取得电话联系。基于住处的电话号码，呼叫中心自动确定处于风险中的人的地址和身份，并且在计算机显示器上将该信息与从PERS数据库检索的处于风险中的人的简介一起自动显示给响应呼叫中心操作者。通过图示，该个人简介例如可以包括姓名、位置、人口统计信息、个人的已知慢性状况的列表、个人药物的列表、最近医院的标识、紧急联系人的列表(配偶、亲戚、朋友)、医师信息等。利用该信息，呼叫中心操作者能够很好地与处于风险中的人会话以访问个人状况。如果适当，则操作者可以呼叫适当的帮助，例如，通知在个人PERS简介中列出的邻居，或呼叫紧急调度(ED)以便将救护车召唤到处于风险中的人的住处。额外地或备选地，呼叫中心操作者可以通过医学症发作与人交谈，例如，通过指导人进行呼吸训练以便从哮喘发作恢复。另一方面，如果响应呼叫中心操作者不能够与发起呼叫的处于风险中的人通信，则这能够建议所述人已经变得失能并因此操作者立即呼叫ED。

下文公开了解决上述问题和其它问题的新的且改进的系统和方法。

技术实现要素：

在一个公开方面中，公开了一种个人紧急响应系统(PERS)。PERS数据库存储针对PERS客户的简介，所述简介至少包括人口统计信息和关于对PERS呼叫中心的过去的呼叫的信息。关于过去的呼叫的信息包括关于由PERS呼叫中心发起的过去的紧急调度事件的信息。PERS服务器系统包括PERS服务器计算机，所述PERS服务器计算机被编程为执行包括以下项的操作：(i)从PERS数据库检索PERS客户的简介，(ii)根据检索的所述简介生成针对所述PERS客户的特征集的值，所述特征集包括至少一个紧急调度事件新近性特征，并且(iii)使用在被存储于所述PERS数据库中的PERS客户简介上训练的紧急调度风险模型，并且接收在操作(ii)中针对所述PERS客户生成的所述特征集的所述值作为用于计算的输入，来计算在未来时间范围上的针对所述PERS客户的紧急调度风险预测。

在另一公开方面中，公开了一种个人紧急响应系统(PERS)。PERS服务器系统包括PERS服务器计算机和PERS数据库，所述PERS数据库存储针对PERS客户的简介，所述简介至少包括人口统计信息和关于对PERS呼叫中心的过去的呼叫的信息。关于过去的呼叫的信息包括关于由PERS呼叫中心发起的过去的紧急调度事件的信息。PERS呼叫中心计算机被设置在所述PERS呼叫中心并包括显示部件。提供可佩戴呼叫设备；以及扬声电话控制台，其由所述可佩戴呼叫设备激活以与所述PERS呼叫中心连接，从而使得呼叫PERS客户能够与所述PERS呼叫中心处的操作者会话，同时所述呼叫PERS客户的简介由所述PERS服务器计算机来从所述PERS数据库检索，并且被显示在所述PERS呼叫中心计算机的显示部件上。提供了移动设备，在所述移动设备上加载移动设备应用，所述移动设备应用对所述移动设备进行编程以接收并显示关于针对PERS客户的由所述PERS呼叫中心发起的至少一个紧急调度事件的信息。

在另一公开方面中，提供了一种结合个人紧急响应系统(PERS)服务执行的方法，在所述个人紧急响应系统服务中，由PERS客户对可佩戴呼叫设备的激活使得扬声电话控制台与PERS呼叫中心连接以使得所述PERS客户能够与在所述PERS呼叫中心处的操作者会话，同时从PERS数据库检索所述PERS客户的简介，并且被包含在所述简介中的信息被显示在所述PERS呼叫中心处的显示部件上。所述方法包括：(i)根据所述简介，使用计算机(50)生成针对所述PERS客户的特征集的值；(ii)基于使用所述计算机所生成的针对所述PERS客户的所述特征集的值，来计算在未来时间范围上的针对所述PERS客户的风险预测；并且(iii)在所述显示部件上显示针对所述PERS客户的所计算的风险预测以及被包含在所述简介中的所显示的信息。

一个优点在于提供具有预测性风险评估的PERS服务，例如以评估PERS客户在未来时间范围上需要紧急调度的风险，或者评估PERS客户在未来时间范围上需要进入全天护理设施的风险。

另一优点在于提供PERS服务的呼叫中心操作者计算机，其中，计算机显示器提供对呼叫PERS客户的状态的更有效和快速的评估。

另一优点在于经由移动设备向“非正式护理提供者”(例如，亲戚、朋友、邻居、访视护士等)提供关于PERS客户的PERS简介的信息。任选地，还经由移动设备提供预测性风险评估。

另一优点在于提供关于处于针对紧急调度的最高风险(或一些其它风险)中的PERS客户的信息。

另一优点在于提供预期在未来时间间隔上的紧急调度事件的数量的估计。

给定的实施例可以不提供上述优点，提供上述优点中的一个、两个、更多或全部，和/或可以提供其它优点，如对于本领域普通技术人员而言在阅读和理解了本公开后将变得显然的。

附图说明

本发明可以采用各种部件和各部件布置的形式，并且可以采取各种步骤和各步骤安排的形式。附图仅是为了图示优选实施例而不应被解释为对本发明的限制。

图1图解地图示了如本文公开的包括预测性紧急调度(ED)评估模块的个人紧急响应系统(PERS)。

图2图解地图示了图1的预测性ED评估模块的适当实施例。

图3图解地图示了由图1和图2的预测性ED评估模块适当地执行的ED风险模型训练过程。

图4图解地图示了对针对图1的PERS呼叫中心的用户呼叫的处理，包括与操纵用户呼叫结合的图1和图2的预测性ED评估模块的操作。

图5图解地图示了由图1和图2的预测性ED评估模块适当地执行的PERS群体分析过程。

图6示出了使用本文描述的说明性ED风险模型生成的30天的未来时间范围的针对医院运输的真正结果对预测的ED风险的校准曲线图。

图7描绘了在说明性ED风险模型的验证期间生成的针对验证队列的受试者工作曲线(ROC)。

图8图示了突出显示具有高ED风险的用户(即，“患者”)的报告，所述报告可以由图1和2的ED评估模块生成。

具体实施方式

本文公开了个人紧急响应系统(PERS)服务(和/或支持装备和/或基础设施)，其提供(在特定时间范围内)由PERS服务所服务的处于风险中的人需要紧急调度(ED)的可能性的预测性估计。该ED风险预测为由PERS服务所服务的人提供量化ED风险评估，这可以被广泛使用。例如，针对呼叫中心的呼叫者的ED风险预测可以被计算，并显示被在由呼叫中心操作者在操纵呼叫时查看的显示器上。该信息帮助呼叫中心操作者做出是否呼叫ED的重要决定，并且能够被用于其它目的，例如对进入的呼叫区分优先次序。在另一应用中，为针对PERS服务的所有用户计算ED风险预测，并且统计地分析结果以估计在时间范围内可能发生的ED事件的数量，和/或通过风险值对结果进行排序以识别处于需要ED的最高风险中的用户，使得可以对这些高风险用户考虑前摄干预。在一些实施例中，针对不同类型的紧急执行ED风险评估，例如，可以针对以下中的每项计算量化ED风险预测：响应于跌倒的ED；响应于心脏病发作的ED；响应于呼吸窘迫的ED；等等。例如，可以使用该更详细的ED预测信息来向EMS人员警告在呼叫者不能将该信息传递给呼叫中心操作者的情况下的最可能的紧急类型。

本文所使用的术语“紧急调度”或“ED”指代对医学紧急的响应，其中，救护车或其它紧急医学服务(EMS)车辆被调度到需要紧急帮助的人的住处处，其中，在EMS车辆中行进的EMS人员评估经历医学紧急的人的医学状况。ED事件还可以包括使用调度的EMD车辆来在医学上合适时将人运送到本地医院。在本文的说明性实施例中，在救护车或其它紧急车辆被调度到住处时对ED事件进行计数，而不管所述人是否被带到医院。

在备选实施例中，可以仅在人被实际带到医院时对ED事件进行计数(亦即，在这种备选实施例中，当调度了救护车但经由救护车到达的EMS人员确定该人不需要被带到医院时，不对ED事件进行计数)。在另一备选实施例中，两者情况的计数被维持：其中紧急车辆被调度到住处的ED事件的计数，以及人被实际运送到医院的那些ED事件的子集的(较低)计数。

可以通过本地政府(例如，城市、国家等)，或通过私人实体(例如，和城市签约以提供EMS服务的私人救护车服务)提供ED服务。在典型的序列中，通过拨打指定的紧急电话号码来发起ED事件，例如，在北美洲通过拨打“911”，或者在欧洲通过拨打“112”。在由PERS呼叫中心发起ED的情况下，呼叫中心操作者可以使用常规的“911”或“112”，或者可以使用针对EMS服务的不同的通信链接。呼叫中心操作者能够需要指示EMS人员关于需要紧急帮助的处于风险中的人的身份和地址，和/或可以提供另外的信息，例如，紧急的性质、已知慢性状况等。

为了方便，在本文中，由EPRS服务所服务的处于风险中的人在图示范例中被称作“PERS用户”或简称作“用户”。这反映了作为PERS订阅服务的公用实施方式，其中，用户(或者用户的朋友或亲戚)支付循环(例如，每月)订阅费，以维持持续访问PERS服务。订阅费还可以绑定针对诸如扬声电话控制台和可佩戴呼叫设备的装备的循环租赁费。尽管为了方便使用了这种命名法，但是应理解的是，“用户”可以具有其它布置或与PERS服务的关系，例如，可以向用户提供PERS服务而不需要用户的成本，例如，当作为本地EMS服务的组成向处于风险的居民免费提供PERS服务时；或者可以由医学保险公司或其它私人实体来提供PERS服务，或者在处于风险中的军事人员或退伍军人的情况下由军队来提供PERS服务；等等。更一般的术语是“PERS客户”或简称“客户”，其涵盖说明性PERS用户，并且额外地涵盖在其它布置下由PERS服务所服务的处于风险中的人，例如由本地政府、由保险公司、雇主或其它私人实体，或由退伍军人组织赞助的，等等。

参考图1，说明性PERS服务基础设施包括以下部件：针对每个PERS用户的可佩戴呼叫设备10；针对用户的每个住处14的通信器或扬声电话控制台12；PERS服务器系统16以及呼叫中心18。出于说明性目的，说明性图1示出了单个住处14，其具有单个通信器12和可适当地由用户(未示出)佩戴的单个可佩戴呼叫设备10。然而，将理解，PERS系统服务居住在分布于由PERS服务的地理区域内的住处中的用户的群体，每个用户具有其自己的可佩戴呼叫设备10和相关联的通信器12。如果住处14足够大，则在住处中可以存在两个或更多通信器单元以提供对由用户访问的所有区域的完全覆盖。说明性可佩戴呼叫设备10是具有大的容易按压的呼叫按钮22的挂件20，其经由项链24(部分示出)佩戴在颈部周围。更一般地，可佩戴呼叫设备可以具有任意适当的可佩戴形式因子，例如说明性项链佩戴式挂件，或手镯等，并包括简单且有效的机构，例如用于触发对PERS呼叫中心18的呼叫的说明性按钮22。呼叫设备10适当地以电池供电，以实现完全的便携性。尽管说明性(优选大的)按钮是方便的呼叫触发机构，但是还可以预期其它呼叫触发机构，例如，语音激活触发机构。还可以预期提供可以基于特定输入自动触发呼叫的可佩戴呼叫设备。例如，可佩戴呼叫设备10可以包括加速度计，并且呼叫设备10在加速度计检测到佩戴呼叫设备10的用户的快速向下加速度(即，突然跌倒)时触发呼叫。可佩戴呼叫设备10任选地具有其它属性，例如，任选地是防水的，从而其可以在洗澡或淋浴时佩戴。推动呼叫按钮22或以其它方式激活呼叫设备10令呼叫设备10发出无线信号26(例如，短距离射频信号)，其由通信器12接收以发起针对PERS呼叫中心18的呼叫。可佩戴呼叫设备10任选地可以具有其它按钮或用户输入，例如LED指示灯或LCD显示器，其提供例如电池水平的信息；然而，呼叫设备10优选地被设计为操作非常简单(例如，在一些实施例中，仅图示的呼叫按钮22)，使得用户甚至在重大医学困境中时或甚至在(例如，医学相关或疼痛引起的)认知力不足中时可以操作呼叫设备。

在住处14中的通信器或扬声电话控制台12提供对讲功能。当由呼叫设备10触发时，通信器12自动建立与PERS呼叫中心18的通信链接30，经由所述通信链接用户可以与呼叫中心操作者通信。在一些PERS服务配置中，通信链接30是经由电话陆地线的电话链接。该方法的优点在于，PERS呼叫中心18可以基于与通信器12相关联的电话号码自动识别用户。在其它实施例中，通信链接30是例如经由3G或4G无线手机网络的无线链接。还预期各种组合，例如具有遍及住处分布的多个通信器，每个经由WiFi或另一无线通信协议与主基站无线连接，主基站然后经由电话陆地线以电话方式与呼叫中心链接。通信器12包括扬声电话32，其具有遍及通信器12覆盖的住处区域由用户所听见的足够功率，并且类似地具有拾取用户声音的麦克风(未示出)。如已经提及的，如果需要可以在住处14中定位多于一个通信器，以提供完全的区域覆盖。在一些实施例中，麦克风位于可佩戴呼叫设备10中，并且麦克风信号经由对无线信号26的适当调制而从呼叫设备无线传输到通信器12。

在PERS呼叫中心18处，建立具有由呼叫中心操作者(未示出)使用的说明性计算机40的通信链接30。出于说明性目的，还示出了另外地操作者计算机41、42，以图解地图示呼叫中心18通常具有多个操作者，每个具有相关联的计算机40、41、42，从而足以确保总是有呼叫中心操作者操纵用户的呼叫。呼叫中心操作者的必要数量以及因此计算机40、41、42的必要数量取决于被分配给呼叫中心18的PERS用户的数量以及统计频率和用户呼叫的持续时间。PERS呼叫中心18具有呼叫路由系统(未示出)，其将每个进入的用户呼叫路由到可用呼叫中心操作者的计算机。计算机40包括显示器部件或设备44、用于拾取呼叫操作者的语音的麦克风(未示出)，以及经由其听到用户语音的扬声器(未示出)，从而实现在呼叫用户和操纵呼叫的呼叫中心操作者之间实行双向音频会话。当接收到呼叫时，呼叫者ID单元或模块(未示出)识别呼叫通信器单元12的电话号码。如果通信链接30不是电话链接，则优选采用另一自动识别系统，其适于所使用的通信链接的类型。自动检测的标识符(例如，由呼叫者ID获取的电话号码)被传送给PERS服务器系统16。

PERS服务器系统16适于由服务器计算机50和PERS数据库52来实现，其中后者可以实施为RAID磁盘阵列、乘法冗余硬盘驱动系统等等。可以不同地实施并且不同地定位计算和数据存储硬件50、52，例如以与PERS呼叫中心18定位在同一地点的服务器计算机的形式，或者远离PERS呼叫中心18定位，或者实施为分布式或云计算架构，其具有被实施为网络式或以其他方式操作性互连的多个计算机的服务器计算机50。服务器计算机50被编程为执行如本文描述的PERS数据存储、检索和处理功能。该功能包括初始用户设置(在图1中未指示)，包括设置初始用户简介信息(例如，姓名、地址、电话号码、联系人信息、医师信息、人口统计信息(如，年龄、性别等)、在初始订阅时已知的慢性状况等)。可以从各种源获得设置信息，例如，由用户(或由用户的被授权访问用户信息的朋友或亲戚，或使用咨询用户的PERS系统的订阅咨询雇员所填写的在线表格)填写的订阅表格。一些设置信息任选地从(一个或多个)可用数据库自动获得-例如，患者医学信息任选地由PERS服务器系统16从一个或多个电子医学记录(EMR)数据库54自动获取。另外的这样的功能在图1中被图解地指示为用户简介检索模块56、用户事故输入模块58、以及预测性紧急调度(ED)风险评估模块60。响应于说明性呼叫，由呼叫者ID确定的通信链接30的电话号码被传送到用户简介检索模块56，其访问PERS数据库52以检索对应于该电话号码的用户简介，并将检索的用户简介传送到计算机40，在计算机40中，在显示设备或部件44上显示有关用户信息以供呼叫中心操作者查看。该信息例如可以包括：用户名称(包括任意“昵称”)；人口统计信息(性别、年龄、种族)；住处地址；住处类型(单层、多层等)；过去事故历史；距最近的ED(如果有的话)的时间；在过去两年中ED事件的数量；等等。用户信息还被传递给预测性ED风险评估模块60，其为呼叫用户生成ED风险预测，并且该ED风险预测还被传送给计算机40以在显示设备或部件44上进行显示。呼叫中心操作者因此具有对该信息(包括呼叫者的ED风险预测)的访问，从而很好地与呼叫用户会话以访问用户的医学状况，并做出关于适当的呼叫解决方案的决策。

如果呼叫中心操作者确定ED是适当的动作，则操作者联系本地紧急医学服务(EMS)调度中心70，其将救护车或其它EMS车辆72调度到住处14。呼叫中心操作者经由其联系EMS调度中心70的通信链接74可以是紧急电话号码(例如，在北美洲是“911”或欧洲是“112”)，或者可以是针对EMS调度中心70的专用有线和/或无线通信链接，例如专用单目的陆地线。在典型的PERS响应协议中，如果呼叫中心操作者不能经由链接30有效地与呼叫用户通信，则将发起ED。如果有效通信是可能的，则是否发起ED的决定将取决于由操作者基于通信做出的医学评估。

不管呼叫解决方案的类型，呼叫中心操作者经由计算机40输入针对呼叫的用户事故报告，其经由用户事故输入模块58存储于PERS数据库52中，并且更具体地在用户简介中或被记录于PERS数据库52中。出于审计目的，这样的事故报告通常由操作者归档，即使呼叫被证明是意外呼叫(亦即，用户通过意外按压在他或她的呼叫设备10上的呼叫按钮20而非故意地进行的呼叫)，或是签到呼叫(亦即，用户为了验证PERS通信链接30的操作的目的、或为了接合呼叫中心操作者以进行会话的目的、或为了与医学紧急无关的一些其它目的而故意进行的呼叫)，或者不需要ED或其它显著补救动作的呼叫。通常，事故报告包括诸如以下项的信息：呼叫的日期/时间、持续时间、操作者标识(这些信息通常被自动记录)、呼叫类型(签到、意外、医学相关的)、以及呼叫解决方案信息(诸如关于在进行其时的ED呼叫的信息、或当是采取的动作时联系特定邻居的陈述)。将事故信息添加到用户简介中。

如上所述，由预测性ED风险评估模块60生成的ED风险预测有利地经由计算机40提供给呼叫中心操作者以供在操纵用户呼叫时进行考虑。额外地或备选地，ED风险预测可以用于其它目的。在说明性图1中，预测性ED风险评估模块60可以为由PERS服务的所有用户运行ED的风险的风险报告以供PERS服务管理76使用。ED风险报告例如可以提供ED风险分布柱状图或曲线形式的匿名ED风险预测信息，和/或可以包括ED风险预测高于选定的阈值的这些用户的列表，使得可以为处于需要紧急调度的高风险中的这些用户采取前摄动作。

在ED风险预测的另一应用中，可以经由移动设备80向亲戚、护理提供者或朋友提供用户简介以及ED风险预测，在移动设备80上加载有移动设备应用(app)82(在图1中由指示app 82的图标图解地指示)。移动设备80例如可以是蜂窝电话、平板电脑或平板计算机等。在移动设备app 82向第三方提供用户信息的情况下，可以任选地省略用户简介的一些信息，与可应用隐私规则(例如，美国的HIPAA)兼容。(类似地，应理解，PERS服务器作为整体被预期遵守所有的HIPAA或其它可应用医学数据隐私规则，例如通过在获取和存储医学相关用户信息之前从用户中获得书面征得同意。)

参考图2，描述了预测性ED风险评估模块60的说明性实施方式。ED风险模型训练模块90使用训练数据训练ED风险模型92，所述训练数据包括从PERS数据库52提取的用户简介。在本文的一些说明性实施例中，采用多元逻辑回归模型来训练ED风险模型92；然而，实质上可以采用任意其它类型的模型，例如多元线性回归模型、朴素贝叶斯模型、神经网络等。经训练的ED风险模型92由ED风险估计模块94使用以基于从PERS数据库52检索的用户的当前简介提供针对用户的ED风险预测。ED风险统计模块96被任选地提供以对PERS数据库中的用户的ED风险预测执行统计或其它分析，以供PERS管理或PERS服务76的提供者使用。

参考图3，描述了由ED风险模型训练模块90适当执行的说明性训练方法。在操作100中，从PERS数据库52提取用户简介训练数据集102。操作100可以任选地包括数据匿名化、过滤(例如，以移除太短的用户简介，例如，仅在一个月前订阅到PERS服务的用户可能不具有用于训练的足够历史)等。用户简介可以用作如下的注释训练数据(其中，假设预测时间范围为三十天)：对于每个用户，如果在最近的30天中为该用户进行了ED，则该用户被标记为阳性样本；如果在最近的30天内没有为所述用户进行ED，则该用户被标记为阴性样本。对于每个用户，生成特征集。一些说明性特征可以包括以下的一些或所有：用户人口统计信息(年龄、性别、种族等)；自我报告医学状况；从电子医学记录(EMR)数据库54(如果可用的话)获得的医学状况；自用户的最后的ED起的时间间隔；用户的最后的住院治疗；在过去的时间范围(例如，在一些说明性范例中，2年)上针对所述用户的ED呼叫的数量；在该过去的时间范围中住院治疗的天数；住处的类型(与单层住处相比用户能够更可能在多层住处中具有严重跌倒)；等等。例如自最后的ED起的时间间隔或自最后的住院治疗起的时间间隔的特征量化自最后的这样的事件起的时间，并且在本文中被称作“新近性”特征。诸如ED呼叫的数量或住院治疗天数的特征量化这样的事件的数量或频率(通常在特定的过去的时间范围上，例如，在最后的两年上)，并且在本文中被称作“频率”特征。预期以各种方式调节特征，诸如通过在计算ED频率特征的值时对较旧的ED呼叫进行折扣。

除了上述特征，实验已经指示一些额外的特征，其呈现与ED风险令人惊讶的相关，并因此适于用作训练数据集102中的特征。一个这种特征涉及由用户进行的签到呼叫的数量。签到呼叫是用户为了验证PERS通信链接30的操作的目的或为了接合呼叫中心操作者以进行会话或为了与医学紧急不相关的一些其它目的而故意进行的呼叫。用户的较高频率的签到呼叫已经被发现与用户的后续ED事件正相关。不限于操作的任意特定理论，人们相信高频率的签到呼叫指示用户方面的高水平的焦虑。在一些情况下，该焦虑可能是基于生理学的，例如由于呼吸困难、初期心脏问题等，这可能(尚)不被用户自觉认识到。

在具体实施方式中，在用户接收特定信号时或在预定义的规律签到时间点处要求用户签到。在签到期间，建立与呼叫中心的语音通信，或由用户执行特定动作以给出一切正常的指示。针对ED风险评估的特征可以表示用户对这些“签到规则”的遵守。应预见到，正常用户将遵守这些规则或甚至会略过签到，而具有焦虑的用户可能比所需的签到更多次，以确保在需要时会获得帮助。

被发现与ED风险相关并因此适于用作训练数据集中的特征的另一特征是由用户无意按压他或她的呼叫设备10上的呼叫按钮20而非故意进行的意外呼叫。再次不限于操作的任意特定理论，人们相信高频率的意外呼叫能够指示用户方面的增加的健忘或精神衰弱。这种状况可能导致引起ED事件的意外(例如，严重的跌倒)的增加的可能性，或者可能具有能够导致ED事件的生理基础(例如，由于心脏问题的减少的血流，或者由于呼吸问题的减少的血氧)。

如果可佩戴呼叫设备10包括加速度计或其它“自动跌倒检测器”，则这任选地可以用于生成额外特征。例如，来自自动跌倒检测器的错误警报可以用作表示“接近跌倒”或可能的危险情况的特征。

继续参考图3，说明性训练模块采用交叉验证数据集划分操作104，其将训练数据划分为训练子集和验证子集。在训练操作106中，训练子集用于利用时间相关协变量来训练多元逻辑回归模型(或者，在其它实施例中，训练操作采用线性或逻辑回归模型、决策树、自适应增强、随机森林或其它类型的模型训练算法)，以生成经训练的ED风险模型108。在本文的说明性实施例中，多元逻辑回归模型用于计算即将发生的ED的可能性。逻辑回归模型描述不同因子如何增加或降低风险(在这种情况下，针对ED运输的)。由指数i指代的用户的对数回归公式可以被写作如下：

其中，针对用户i的p_i(x)是接下来的30天中具有ED的概率，并在回归公式中考虑系数β进行计算。项x_i1、…、x_ik指代特征集的k特征的用户i的值，并且系数β₁、…、β_k是由训练操作106优化以产生ED风险预测性模型的特征集的k特征的系数。再次，这仅仅是一个说明性ED风险模型，并且可以采用其它模型设计，例如，线性回归模型、决策树、自适应增强模型、随机森林模型或等等。

总体而言，模型被设计为(1)接收从用户简介获得的针对特征集的值作为输入，并且(2)输出ED风险预测，其是指示用户在事件范围时间(例如，在图示范例中，在接下来的30天)中需要ED的风险的值。ED风险预测可以以各种方式来呈现。在一些实施例中，ED风险模型被设计为输出概率，亦即，在范围[0，1]中的风险预测，其然后可以被呈现为百分值(例如，低百分比值指示需要ED的低可能性，并且接近100％的百分比值指示在接下来30天中需要ED的非常高的可能性)。在其它实施例中，ED风险值被量化，使得输出例如是以下量化值之一：“低风险”、“中等风险”、“高风险”。训练操作106的目标是选择针对ED风险模型的参数的值，从而最大化在由模型预测的ED风险与训练数据的实际ED注释之间的一致性，同时避免过拟合并且生成可归纳的预测。

在ED风险模型验证操作110中，验证数据子集用于执行模型108的验证。该验证需要将验证用户样本(或更具体地，他们各自的特征集)输入到ED风险模型108中，并评估假阳性的数量，和/或假阴性的数量，或者以其它方式评估ED风险模型108的性能。如果验证成功(例如，假阳性和/或假阴性的数量足够低)，则ED风险模型108成为预测性ED风险评估模块60的ED风险模型92。如果验证不成功(例如，假阳性率太高和/或假阴性率太高)，则过程流程返回到框100(或者备选地，返回到框104)，以执行ED风险模型的进一步改善。

在上述训练过程中，假设ED风险模型92是用于整体ED风险的。在一些实施例中，额外地或备选地期望训练用于各种类型的ED风险的ED风险模型，例如用于严重跌倒的ED的风险，用于急性心脏病的ED的风险，用于呼吸困难的ED的风险等。此处，用户简介适当地注释为如下(其中，预测时间范围再次假设为三十天)：对于每个用户和每种风险类型，如果在最后的30天中为该用户进行了针对该风险类型的ED，则将所述用户标记为响应于该风险类型的ED的阳性样本；如果在最后30天内为没有该用户进行针对该风险类型的ED，则将该用户标记为响应于该风险类型的ED的阴性样本。训练操作104、106、108、110然后针对每种风险类型独立地执行(使用针对该风险类型的阳性/阴性样本)，以便生成针对每种风险类型的ED风险模型。在这种情况下，最终的ED风险模型92实际上包括多个ED风险模型，针对每种风险类型，一个模型，并且一个模型还可能用于无差别的ED风险。(在备选方法中，可以采用用于训练单个多标签输出模型的已知技术，其有利地可以实现在不同风险类型之间的相关的优势)。

并不预期ED风险因子随着时间快速改变。然而，一些改变是可能的。例如，PERS服务操作指南可以偶尔更新，并且这样的更新可能导致用于发起ED的标准的改变。类似地，EMS协议可以周期性更新，并且这样的更新可以导致应用于决定何时将人运送到医院的不同标准。ED风险因子还能够受到技术发展(例如，新的监测设备)、人口统计改变(例如，老龄群体)、改进的药物选择等的影响。为了考虑这样的随着时间的改变，可以以一定基础(例如，每月、或每两周等)发起112ED风险模型更新。有利地，现有ED风险模型92的参数可以用作针对模型更新的初始值，并因为预期ED风险因子随着时间相对慢地改变，因此模型更新通常是快速过程。

参考图4，描述了在用户呼叫的背景下由ED风险估计模块94适当执行的说明性方法。在操作120中，用户通过激活他或她的可佩戴呼叫设备10而发起对PERS呼叫中心18的呼叫。呼叫者ID要素或PERS呼叫中心18的其它自动呼叫者识别子系统识别呼叫用户，并且在操作122中从PERS数据库52检索用户简介。在操作124中，调用ED风险估计模块94来预测针对呼叫用户的ED风险。为此，与在训练过程(图3)中使用的相同的特征集的值从在操作122中检索的呼叫用户简介来提取。从在操作122中检索的简介提取的特征集包括由于ED风险模型92被训练而生成的任何“新的”简介数据-例如，从最后的ED起的时间的新近性特征反映了由于模型训练而发生的任何ED事件。(然而，针对用户的特征集并不反映由于当前呼叫引起的任何更新)。取决于ED风险模型92是如何设计的，模型输出可以是在0(事实上在接下来30天中没有ED风险)和1(在接下来30天中的非常高的ED风险)之间的ED风险概率。如果ED风险模型92包括针对不同风险类型(跌倒、心脏病、呼吸等)的模型，则操作124适当地应用每个这样的类型特异性ED风险模型来生成针对不同风险类型中的每个的ED风险预测。

在操作126中，用户的简介被显示在由操纵呼叫的呼叫中心操作者使用的计算机40的显示设备44上(参见图1)，与ED风险预测(或在针对不同风险类型的预测的情况下，各风险预测)的显示一起。如果ED风险高，则可以任选地以突出显示的格式来显示，例如，使用红色字体颜色、闪光等。在一个预期的实施例中，以计量器形式显示ED风险预测。在另一预期的实施例中，以具有红色＝高风险、黄色＝中等风险、绿色＝低风险的交通灯形式显示ED风险预测。任选地，高风险用户可以被标记有红色标签指示符或其它指示符。任选地，用户的风险历史可以被计算为时间的函数(例如，通过人工移除在特定时间之后生成的数据以计算在该特定时间处的ED风险，并在呈现之前重复若干不同次数)，并且可以将结果示出为线或条形图，以指示用户的ED风险是否已经随着时间增加。

所显示的ED风险预测使得呼叫中心操作者能够考虑ED风险以帮助呼叫者。例如，操作者可能对高风险用户花费更多的时间，并且得出与潜在风险因子相关的来自他们的更多信息。呼叫中心操作者与用户会话(如果可能的话)，并开发呼叫解决方案128，其在适当时可以包括ED发起，或者可以设立呼叫邻居，或在适当时与用户谈论医学发作。如果呼叫是签到呼叫，则呼叫解决方案128将所述呼叫记录为签到呼叫。如果呼叫是意外呼叫，则呼叫解决方案128将该呼叫记录为意外呼叫，可能结合标注呼叫的任何值得注意的方面(例如，用户的认知状态)。在操作130中，呼叫中心操作者以最新近的呼叫更新用户简介，包括日期/时间戳(通常自动记录)，记录(一个或多个)任何自我报告的医学状况、输入呼叫解决方案128和任何辅助信息(例如，在ED情况下，如果可用，调度的EMS车辆号)。该呼叫信息之后是呼叫用户的简介的部分，并可以被包括于用于向前计算用户的ED风险的特征集中。因此应看到，由于由用户发起的呼叫，或者(在其它范例中)由于针对用户的经更新的EMR数据等等，用户的ED风险预测可以随着时间演进。在一些实施例中，预期通过在更新操作130的完成之后立即调用ED风险估计模块94，在呼叫完成之后立即更新ED风险预测，以便在操纵当前呼叫之后测定ED风险中的改变。

参考图5，描述了由ED风险估计模块94和统计模块96适当执行的说明性方法。在操作140中，从PERS数据库52检索(第一)用户简介，并且根据该简介生成特征集的值。在操作142中，调用ED风险估计模块94以预测其简介在操作140中被检索的用户的ED风险。在循环操作144中，针对由PERS服务所服务的用户池中的每个用户(或者针对该池的一些子集，例如，如果目标是提供针对特定区的数据)重复操作140、142。如果ED风险模型92包括针对不同风险类型的部件，则这些中的每个均在操作140、142、144中针对每个用户来计算。操作140、142、144的结果是针对每个用户的ED风险(或者在存在针对不同风险类型计算的不同ED风险时，各风险)的表150。该表150可以以各种方式被使用。例如，在操作152中，生成ED风险(任选地，针对给定的ED风险类型)超过特定阈值风险的所有用户的列表。换言之，操作152生成最高ED风险用户的列表。额外地或备选地，在操作154中，在表150中包含的数据被统计地分析，例如以生成对在时间范围(例如，接下来的30天)中具有一个或多个ED事件的用户的预期数量的估计。例如，如果用户在接下来30天中具有一个或多个ED事件的风险被量化为概率P，则具有一个或多个ED事件的用户的预期数量可以被估计为Σ_i∈popP_i，其中，该和是在由PERS服务所服务的群体(pop)上的。可以在所有PERS用户上或在由例如地理区域、医学状况或特定健康程序或健康保险的成员定义的PERS用户的子群体上进行所述计算。另一预期的分析是计算针对患者的作为时间的函数的ED风险，随着时间快速上升的ED风险可以指示严重医学状况的开始。在操作160中，根据分析152、154生成(一个或多个)适当的报告，以供PERS服务管理在管理操作中使用，所述管理操作例如为规划在PERS呼叫中心18处的人员值级，为处于最高风险中用户针对紧急调度提供前摄干预(前摄干预通常比紧急救护车呼叫成本低)，用于与EMS调度中心70的改进的协调等。关于后者，预期在准备报告时访问在线映射服务，以便在地理地图上绘制高风险用户的位置(即，住处)，以便帮助规划救护车的部署。还可以与旨在防止入院的社区健康程序共享类似报告要素。

参考图6-9，描述了预测性ED风险评估模块60的另外的说明性范例。ED风险模型训练模块90再次采用先前描述的多元逻辑回归模型。说明性范例使用特征集，其通过图示包括：区域特征；针对被表示为二进制值的多个自我报告状况中的每个的特征(例如，如果用户报告了所述状况，则为“1”；否则为“0”)；指示用户的支持网络的特征；以及表征各种风险类型的呼叫和ED事件的新近性和频率特征。图6示出了30天的未来时间范围的针对医院运送的真实结果对预测的紧急调度(ED)风险的校准曲线图。示出了十分位数的风险的总计平均。由具有经调整的R²＝0.999的y＝1.03x-0.0002得到线性回归。图7描绘了由ED风险模型验证操作110(参见图3)生成的针对验证队列的受试者工作曲线(ROC)。ROC曲线的曲线下面积(AUC)是AUC＝0.7602。图8图示了可以由图5的操作152生成的类型的典型的报告。在该说明性范例中，应理解，生成的报告是交互式在线或基于计算机的报告(但是预期其包括打印报告的硬拷贝版本的选项)。图8的报告的左手窗格示出了排序列表，标题为具有最高ED风险的那些PERS用户(在图8的报告中称作“患者”)的“具有用于运送的风险的患者”。对ED风险进行规则化，使得1.00的ED风险值对应于群体的平均ED风险。左侧面板列出了ED风险大于1.5的阈值的那些患者。如进一步看到的，已经选定了一个用户(“John Smith”)(例如，使用通过鼠标、轨迹球、跟踪板或其它指向用户输入设备控制的屏幕上指针)，以供进一步查看。右手面板图示了在ED风险的柱状图中突出显示的John Smith的ED风险(ED风险为1.70)。柱状图是对数正态的且在ED风险接近一时处于峰处，这是由于ED风险值被规则化，使得1.00对应于群体的平均ED风险。还指示了针对前摄动作的1.5的阈值。因此，图8的交互式报告使得PERS管理能够快速识别具有在接下来三十天内需要紧急调度的最高预测风险的那些用户。基于该信息，PERS人员可以采取前摄动作，例如连续这些PERS用户、或者护理提供者或代表人(例如，亲戚、朋友或在用户的PERS简介中指示的其他联系人)，以建议他们尽快安排医生访视。

在说明性范例中，说明性预测性风险评估模块60预测在未来时间范围上的紧急调度(ED)的风险，其中，ED可以在特定实施方式中以各种方式被定义为救护车呼叫的风险(不管人实际上是否被运送到医院都计数)或经由救护者实际运送到医院的更具体的风险(只有当人被实际运送到医院才计数)。然而，将意识到，所公开的技术可以容易地应用于构建结合PERS服务操作以预测其它类型的风险的预测性风险评估模块。例如，预测性风险评估模块可以被设计为预测用户进入疗养院、高级生活设施或其它全天护理设施中的风险。该信息可以有用于触发能够使得用户能够保持在他或她的个人住处中的前摄动作。

返回参考图1，在一些实施例中，可以经由在说明性移动设备80(例如，蜂窝电话、平板电脑或平板计算机等)上运行的移动设备app 82将用户简介和/或ED风险预测提供给亲戚、护理提供者或朋友。该方面解决了一些PERS蜂窝的显著缺陷，即它们建立在可能不能并入第三方(例如，用户的亲戚、访视护士或朋友)的订阅关系上。这样的“非正式”护理提供者对知道用户的医学状况感兴趣，并还会受益于针对高ED风险被警告。

所公开的移动设备app 82可以在多个移动设备(在图1中为了图示仅示出了单个设备/app实例)上运行，在蜂窝电话网络、WiFi网络或其它无线网络上的移动设备之中同步。单个PERS用户可以同时具有多个非正式护理提供者(例如，配偶、一个或多个孩子、访视护士、邻居等)，每个护理提供者拥有运行app 82的实例的移动电话或其它移动设备。通过经由移动设备app 82共享数据而增强了事故操纵、信息和应答器动作的通信和同步。例如，当PERS呼叫中心操作者通知邻居跌倒并将此记录在PERS系统中时，这适当地经由app 82在用户的所有非正式护理提供者之中共享，使得所有的非正式护理提供者知道跌倒事故并还知道其已经由邻居进行了处理。这增强了非正式护理提供者之间的团队合作。

在下文中，描述了app 82的一些额外的预期的能力。

在一些实施例中，app 82允许非正式护理提供者比较不同PERS用户的短期(例如，90天)ED风险。由ED风险模型92使用来自PERS服务的可用的事故数据和健康数据来计算风险。该方面可能具有针对护理提供者(例如访视护士)的特定值，所述护理提供者护理多个不同的PERS用户并可能希望比较其相对医学状态。

在一些实施例中，提供了长期(例如，一年)计算的ED风险，其可以与总体群体(PERS群体或区域或国家群体)的ED风险进行比较。

App 82可以提供具有输入的“风险仪表板”，经由所述输入非正式护理提供者可以输入参数，例如与健康状况、人口统计学、听力和视觉状况等PERS用户目前不具有的那些相关参数。根据这些条目，当出现(一个或多个)这样的状况时，预测性ED风险评估模块60计算较长期ED风险，从而预期PERS用户应该开发这些状况的较长期ED风险。

在另一预期的变型中，app 82可以操作外部可听和/或视觉警报，例如，通过IP接口操作灯以使得室内灯闪烁从而向护理提供者通知PERS服务已经发起针对用户的住处的ED。

在图示实施例中，app 82结合包括预测性ED风险评估模块60的图1的说明性PERS服务操作，并且因此提供包括用户简介信息(可能根据HIPAA或其它私人规则和/或根据用户的指令编写的)和针对用户的ED风险预测的信息。然而，将意识到，本文公开的app 82可以备选地结合不包括所公开的预测性ED风险评估模块60的PERS服务而有用地提供-在这样的实施例中，app 82有用地向非正式护理提供者提供信息，诸如，对PERS呼叫中心的最新近医学相关用户呼叫及其解决方案的总结，但是不提供ED风险预测。

将意识到，所公开的由PERS服务器计算机50和/或呼叫中心计算机40实施的方法还可以实现为非瞬态存储介质，其存储由这样的计算机40、50可读和可执行的指令，以执行所公开的数据处理操作。通过说明，这样的非瞬态存储介质可以包括：硬盘驱动器或其它磁存储介质；光盘或其它光存储介质；只读存储器(ROM)，电可编程只读存储器(PROM)，闪存存储器或其它电子存储介质；其各种组合；等等。类似地，PERS数据库52可以被存储于这样的存储介质上，在一些实施例中有利地实现为RAID阵列或提供冗余的其它非瞬态存储介质。

已经参考优选实施例描述了本发明。其他人在阅读和理解了前述详细描述时可以想到修改和变化。本发明旨在被解释为包括所有这些修改和变化，只要其落入权利要求及其等价方案的范围内。