專利名稱：使用數學模型用于監視的方法和設備的制作方法
技術領域：
本發明涉及監視。更具體地涉及處理在監視對象過程中獲得的數據的方法。
背景技術：
監視器用作監視各種變量以尋找特定顯著事件的發生。不幸的是，很多這些監視器表明當實際上沒有重大事件發生時發生了一個事件(誤肯定)。能夠降低誤肯定率而不增加誤否定率的監視器是所希望的。
很多對象擁有獨特的性質。一個值可能表明一個對象的異常事件，也可能是另一個對象的正常值。能使用基于對象性質的限制的監視器更優越。
有些時候，一個值的變化是一個重大事件。其它時候，值不變化要比值發生變化是更重大的事件。當無變化很重要時，能夠辨別基于無變化事件的監視器更優越。能夠識別基于當無變化很重要時的無變化事件，和在當存在變化很重要時的存在變化事件的監視器是所希望的。
另外，在很多緊急情況下，當異常情況出現時，醫生需要做出快速的決定。經常的，醫生需要瀏覽大量信息來做出恰當的決定。能夠簡化醫生做決定能力的系統更優越。
并且，包括緊急情況的一些情況對于某個特定的醫生是很稀少或難得的。能夠在這些環境的某個環境中幫助醫生的系統更優越。
并且，在很多現行監視情況下，病人潛在的生理反應是計劃一個干預最重要的特征。用于幫助選擇適當反應的數據模型可能會十分有益。此外，為了做決定，附加數據可能不是必須的，并可能會增加額外開銷。此外，附加、臨界的相關數據只可能減緩做決定的過程。對于監視應用程序來說可能不是很重要的這樣的一個數據集，可能是病人特殊的解剖特征。因為很多病人監視器的決定要求快速決定，并且不能提供量大、昂貴的過程去獲取和處理可能只是臨界相關的數據，所以用于監視病人的數學模型傾向于能操作主要是基于生理的數學模型。特別地，用于幫助為被監視病人挑選可選治療的數學模型傾向于不要求合并病人的解剖特征，以幫助做決定的過程(解剖特征是如某個器官的位置、肋骨的數量、傷口位置以及和物理特征包括年齡、體重、身高、種族、性別等等相反的類似信息的特征)。
下文的教學擴展了包括在附加的權利要求范圍內的實施方案，而不管他們是否完成了上面提到的一個或多個需求。
發明內容
一個實施方案是關于產生報警的方法。該方法包括從對象獲取數據，以及根據該數據和對象代表的數據模型產生比較。
另一個實施方案利用一個醫學監視設備為產生報警提供了一個方法。該方法包括從病人獲取數據，以及比較該數據和生理數學模型。然后，比較結果可用于識別異常情況并產生報警。和異常情況相關的信息也可被顯示。
另一個實施方案提供治療病人的一個方法。該方法包括輸入和病人相關的生理數據，并且根據生理數據而不用解剖數據模型來確定適當的反應。
另一個實施方案涉及醫學監視系統。該系統包括被配置為獲取病人相關生理數據的數據獲取設備。該系統還包括被配置為產生基于數據獲取設備獲取的生理數據和考慮對病人治療效果的數據模型比較的處理器。該處理器也可被配置為根據該比較發送報警信號。
本發明的其它原理特征和優點在本行業技術人員回顧以下附圖、詳細描述和附加的權利要求后會變得十分明顯。
圖1是根據本發明一個方面的監視系統的一個示例實施方案框圖，這里對象被識別、監視器被連接到網絡以及根據監視器的使用產生一個記帳記錄；圖2是一個用于利用根據本發明一個方面的數學模型來監視對象的流程圖的示例說明；圖3是一個用于根據本發明的另一個方面來監視對象的流程圖的示例說明，這里會產生不同的報警，并且從多個監視器收集數據；圖4是另一個用于根據本發明的另一個方面來監視對象的系統的示例實施方案；
圖5是另一個用于利用根據本發明另一個方面的數學模型來監視對象的流程圖的示例說明；圖6是一個根據本發明另一個方面的所獲取數據流和仿真數據流比較的示例說明。
具體實施例方式
在下面的描述中，為了解釋的目的，闡明許多具體的細節，以全面地理解本發明的示例實施方案。但是，業界技術人員顯然不需要這可些具體細節就可以實行示例實施方案。在其它情況下，周知的結構和設備在框圖表中顯示，以方便示例實施方案的描述。
首先參考圖1，監視系統8包括監視器14和網絡18。監視器14也包括一個允許在網絡18之間傳輸數據的網路接口30。網路接口30最好被配置為允許無線數據傳輸。更好地，網路接口30被配置為用某個電波頻率傳輸數據。網路接口30可使監視器直接方便網絡上的數據傳輸，或通過將監視器和其它直接方便傳輸的設備結合來方便數據傳輸。
從監視器14傳輸到網絡18的數據可能是未加工數據和/或已處理數據。并且，數據能被傳輸到監視器14以幫助、配置或操作監視器14的功能、或能為其它和監視器14相關的用途服務。例如，和一個特殊對象相關的數學模型326(圖4)能利用網絡18被傳輸到監視器14。
數據獲取設備13從對象10獲取數據。由數據獲取設備13獲取的數據最好是來自病人的生理數據。處理器25能被配置為根據從獲取設備所獲取數據和數學模型326產生的比較，以及根據該比較發送報警信號。例如，處理器25可被配置為如果來自病人的生理數據值偏離一個閾值數量或偏離依據數據模型的正常希望的很大量，就發送報警信號。
處理器25可以是任何信號處理電路，比如一個或多個結合了存儲在內存中的程序邏輯的微處理器。處理器25可由一系列子處理器組成，每個子處理器執行處理器25其中一個功能。另外，處理器26可執行處理器25的功能。此外，處理器26和處理器25可能是另一個負責不同功能處理器的子處理器。
生理數學模型326要考慮不同人體部位及其它們對治療過程反應的仿真。考慮對象上事件效果的數學模型是數學地代表對象工作的模型，包括當給出了影響對象10的事件，要考慮從數據獲取設備13期望什么樣的數據。該模型可用有限元素分析技術創建。例如，生理數學模型326可通過將病人身體系統劃分為各部位來操作，并試圖數學地表示在各部位生理地發生了什么以及不同部位是如何與醫學治療相互作用和反應的。如果某個事件發生，比如躺在床上、飲食、呼吸、移動、注射麻醉劑、吃藥、刺激反應、治療反應等，這就可被用作計算生理數據的預測值。模型326最好能為許多事件產生預測值。
數學模型326可以是通用的，但最好為考慮對象性質而定制。對于病人，數學模型326可以考慮年齡、體重、和/或其它標準。另外，模型還可以結合與對象相關的經驗數據來考慮對象的性質。一些可包含的經驗數據可包括圖象掃描結果、對象上進行的測試、生理輸入以及其它各種病人數據。
有好幾種為對象10定制數學模型326的方法。用戶可以把對象的性質輸入到數學模型326中。這樣的信息可以直接從對象文件中接收。除了在對象文件10中找到的那些性質外，該文件可包含來至從對象10注冊的預治療數據流，以合并對象10的性質。
做為用作監視病人生理狀況的病人監視系統的基本模型的數據模型的一個例子是麻醉的身體仿真(BODY Simulation)。身體仿真是一個已經在PC上實現的多媒體交互麻醉訓練者。它仿真了一個病人、一個麻醉工作站、一個通風設備和氣體釋放電路、手術室的一部分以及甚至一些手術室的工作人員。麻醉身體仿真是基于生理學和藥理學的數學模型。當被刺激物(藥物、氣體、疼痛等等)影響后，病人的反應被計算得盡可能接近平均人水平。這是利用一套復雜的數學公式完成的。
身體仿真能被用作產生實時數據圖，讓用戶能看到圖形顯示的不同的臨床和生理參數。可以觀看在16不同身體部位中的藥物濃度和藥物質量圖。也可以利用動態氣體顯示和呼吸X-Y圖。這些工具讓用戶能看到壓力、流量、抵抗力，以及心臟、血管、肺臟和其它器官的順應性，及其各部位的藥物濃度和藥物質量。
數學模型326還可以是可調整的。數學模型326可被調整的一個方式是基于監視結果。例如，如果模型326不斷產生假報警，該模型可被調整以適宜對象、更加容錯，和/或一些其它降低假報警可能性的方法。
數學模型326還可以是可改變的。例如，模型可以改變，如果一個新的藥物在模型看來十分合適，一個更新能被加入以考慮新藥物的效果。而且，模型可以改變，因為模型的一部分可用于一種情況，但模型的其它部分可用于其它情況。這可以允許相關部分被應用，而不要求在每種情況運行模型每個部分的冗長步驟。
由處理器25產生的報警信號可基于容錯因子，如果容錯因子高就允許大的差別。容錯因子能基于許多不同的標準。例如，容錯因子可以被用戶調整，可基于和對象10相關的信息調整，和/或基于向對象10輸入的數據量調整(輸入數據越多，數學模型就更能精確代表對象)。該容錯因子可根據時間變化，并可根據對于對象10的模型的不同應用程序而不同。
另外，由處理器25發出的報警信號可以被發送給和處理器直接物理連接的報警信號設備62，或可位于處理器25遠處的報警信號設備60。遠程報警信號設備60可以是尋呼機或其它一些通訊設備的一部分。遠程報警信號設備60還能夠位于離散位置，比如在健康護理設施中的護士工作站。那么從處理器25來的信號就可引起報警信號設備60和62產生報警。
報警信號設備60和62產生的報警可以呈現任何的形式，包括但不僅限于聽得見的聲音、視覺指示器和/或振動警報。報警信號設備60和62產生的報警可包括指明報警原因的消息。報警信號設備60和62產生的報警可以依據許多標準而不同，這些標準包括引起報警的事件類型和嚴重程度。另外，如果系統有一個以上報警信號設備，信號通知警報的設備可以依據許多標準而不同，這些標準包括潛在事件類型和嚴重程度。
處理器25也可以被配置為如果異常情況(可能引起報警的情況)被識別，以產生用于公式化反應的信息。可以使用很多技術在很多方式中識別異常情況。
異常情況存在的可能原因可包括實際異常情況、設備故障、設備的不正確啟動(初始的或由以后一些事件引起的不正確——比如病人移動)。
處理器25可處理從不同傳感器輸入的數據并當異常情況存在時根據輸入的數據顯示信息。顯示的信息可以列出引起確定異常情況存在的數據，可以顯示異常情況被指出的原因(比如數據和基于該數據的計算結果)，可以提出為什么異常情況存在的原因，可以建議對被指出異常情況的事實的正常反應，和/或可以是其它和異常情況相關的一些信息。
在健康護理裝置中，數學模型最好被用于確定對應于由監視用戶所識別的異常情況的適當響應。該異常情況可能立刻對用戶產生相反作用。通過對異常情況的反應來確定執行不同治療的可能效果，數學模型可以用于識別最能減緩異常情況的反應。該系統可包括平衡治療的長期效果和立刻減輕異常情況的相反作用的短期需求。
當應用到病人，處理器25可以輸入和病人相關的不同生理數據來尋找異常情況。輸入的生理數據可以被應用到基于生理學和病理生理學的數學模型。該模型可用于正在運行的病人監視，比如發生在危急護理設施中。
存儲器22可包括存儲數學模型的數據庫。被存儲的數學模型可以是通用模型，或是前面已經為對象10用戶定制的模型。來自存儲器22的數據可被傳輸到監視器14，并且來自監視器14的數據可被傳輸到存儲器22。
監視系統8還可包括事件監視器66。事件監視器66能夠監視可能影響基于處理器25所使用的數學模型的預測值的事件發生。例如，病人可能接受靜脈藥物，那么事件監視器66能監視速率和使用的藥物濃度，并監視使用的藥物總量。并且，事件監視器66可以用來表明對象10是在移動或躺著，甚至對象10移動的速率或對象10躺了多久。還有很多其它能被事件監視器66監視的事件。于是，事件監視器66能根據對對象10的監視發送信號。然后事件監視器信號可被包括到基于數學模型的預測值的計算中。
參考圖2，用數學模型來監視對象的過程包括在步驟140識別對象。在步驟140的識別可以被手工執行(操作者把用戶ID輸入到監視器14中，操作者插入用戶ID卡等)，或自動執行(使用無線檢測器無線識別病人)。基于被識別對象，被識別對象的性質在步驟110被導入。這些性質和被存儲的基本數學模型一起在步驟108被用作形成調整模型。這可以通過改變反應對象性質的數學模型參數來完成。在步驟102存儲的基本數學模型可以是通用模型或以前已經為對象定制的模型。對于病人，基本數學模型最好能包括生理數學模型。
并且，在步驟100從對象得到數據。對于病人，該數據最好能包括由監視器收集的生理數據。該數據可以來自一個源也可以來自多個源。在步驟106產生基于來自步驟108的調整模型和在步驟100獲取的數據之間的比較。該比較最好包括所獲得數據的至少一個值和用數學模型預測的值之間的比較，以及兩個值之間是否不同的決定。
在塊112，在塊106上產生的比較用作確定是否需要產生一個報警。確定是否需要產生一個報警可基于任何數量的標準。另外，可基于不同標準來產生不同的報警種類/級別。如果報警沒有產生，那么在步驟100獲取數據。如果需要產生報警，那么在步驟116產生報警。
之后，在步驟118做出報警是否是有效報警的決定。如果本不應當產生該報警，該決定能由發送輸入的用戶做出，該決定能通過監視對象的其它源表明是否應當產生報警做出，該決定能使用這些標準的一些組合來做出，或使用一些其它標準來做出。如果報警不是有效的，在步驟108調整數學模型使該模型作為一個更好的適當報警預測者運行。如果報警有效，在步驟114生成報警記錄，并且在步驟100獲取數據。
參考圖3，和對象相關的數據在塊200從多個監視器獲得。從多個監視器獲得的數據在塊204被相關以形成相關數據集。該相關數據集只參考對象的一個被監視性質，或參考對象的多個被監視性質。在塊206，相關數據被用來產生相關數據集和對象數學模型之間的比較。該比較可包括對分別來自每個監視器的數據和基于數學模型的預測值所做的比較，或可包括對整個相關數據集和基于數學模型的預測值所做的比較。
在塊208，在塊206上的比較用作確定情況是否足夠嚴重以在塊210上產生嚴重報警。如果條件還不夠嚴重，用在塊206上的比較來在塊212上確定情況是足夠否嚴重以需要在塊210上產生中等報警。如果這些情況不能保證中等報警，用在塊206上的比較來在塊216上確定足夠否嚴重以需要在塊218上產生輕微報警。產生的報警嚴重程度可能依賴于預測值和數據之間的差異量，也可基于數據值和預測值不相同數量等等。
如果沒有產生報警，在塊200上獲得數據。如果一個報警被發送到210、214或218，該報警原因的標記在塊202上產生。該標記可以是任何形式。另外，該標記可指出什么樣的值不恰當，和/或哪些監視器正給出指明報警的指示數。另外，引起報警的值可組合在一起，以為用戶給出更好的報警原因標記(而不需要察看大量不同的地點去尋找適當的值)。
現在參考圖4，病人生理監視裝置310包括為了接收實時生理數據流316與病人傳感器314通信的控制器312。可預期病人傳感器314和實時生理數據流316可包含許多種監視病人生理性質。這些性質包括但不局限于心率、血壓、StO2、CO2、EtC2、呼吸率和各種其它病人生理反應。能夠理解，許多種這些反應和為接收它們而設計的傳感器314都可以被使用。類似地，本行業技術人員也可以理解放大器、過濾器和數字轉換元件的主機可以和傳感器314結合使用。本行業技術人員可以理解控制器312可以和許多種交互元件比如顯示器318和控制特征320結合使用。
控制器312包括適于執行多種圖5中所示功能的邏輯322。需要理解，術語控制器312和邏輯322被用作單數的本國語，但多個互不相同的控制器312和邏輯322也可以被使用，并且可預期會被合并到已選本國語中。用舉例的方法，一個獨立的生理效仿系統324可以用作執行不同的功能。邏輯322適于開發病人的生理數學模型410。
邏輯322注冊治療程序450的初始化。可以使用許多種治療程序。用舉例的方法，一個預期治療程序在手術前預測麻醉劑對病人的施行。但是，其它治療程序可包含很大范圍的程序，包括但不局限于藥物注射、氣體治療和甚至簡單的觀察護理。治療程序450的初始化打算包括許多同時發生的單個治療。治療程序450的初始化和在生理數學模型460上的治療程序仿真是一致的。如所陳述的，生理數學模型326是允許治療和對該治療預期反應仿真的人體解剖系統的仿真。
可以理解，邏輯322中用物理治療程序470調整仿真治療的單獨一步也可被合并。調整邏輯470企圖包括許多實施方案。
在一個實施方案中，可以預期一個臨床醫生在選擇一個治療和所述數學模型326中的參數后就會在物理過程開始的幾乎同一時刻激活仿真過程。
在另一個實施方案中，可以預期仿真過程(數學模型326)能被置于和治療設備、或一組這樣的設備通信的位置，這樣激活治療設備328就能自動地實行仿真治療的開始。仍在另一個預期實施方案中，治療設備328和數學模型326間的通信考慮到為數學模型326提供精確實時治療信息。例如，麻醉劑的類型、質量和流動率可自動地從治療設備328傳遞到數學模型326，這樣仿真治療就精確地反應出物理治療而不用要求和臨床醫生過多的交互。
數學模型326被用作產生響應仿真治療460的仿真生理數據流480。需要理解，仿真生理數據流330不需要代表每時每刻病人生理數據的確切預測，但能代表一段時間預測響應的某個范圍。邏輯322還適于從病人接收實時生理數據流490。如所述的，實時生理數據流316企圖包含許多不同的病人生理性質。邏輯322適于比較實時生理數據流和仿真生理數據流495。這允許實時生理數據流316和仿真生理數據流330之間比較以證實病人響應數學模型326所預測的治療。邏輯322接著檢測實時生理數據流316和仿真生理數據流330之間的偏差500來確定病人對治療的反應是否和數學模型326所預測的不同。如果偏差332被發現，邏輯322適于產生報警警告510。該報警警告企圖包括可聽見的報警和臨床指導聲明。
可以理解，可以利用許多種檢測偏差500的途徑。在一個預測實施方案中，偏差332可簡單地代表一個相關于仿真生理數據流330的硬閾值，仿真生理數據流330一旦被實時生理數據流316超過就引發報警警告。在其它實施方案中，當實時生理數據流316開始向仿真生理數據流330預測的反方向移動時，偏差332可被注冊。這樣，如果仿真生理數據流330預測到心率下降而實時生理數據流316上升或保持不變，偏差332由邏輯322注冊。作為一個實際例子，如果病人要動手術，一般會使用麻醉劑。響應麻醉劑，病人的血壓通常會快速的下降。但是在手術的某個期間，手術很集中并且使血壓上升。這樣有效血壓會保持不變。普通的監視系統沒有辦法確定這種血壓的無變化而應當產生警告報警(因為由麻醉劑而使血壓的下降是所期望的)。這里，當血壓保持不變，偏差332被注冊并且報警發聲510。
企圖減少不期望報警警告發生的許多特征也可被合并。其中一個特征預測基線平均數據的生理數據流520。基線數據平均值334是實時生理數據流316的平均速率。術語平均數據和平均速率企圖包含數據平均和跟蹤技術。通過舉例的方式，一個這樣的實施方案比較每個新的生理數據樣本并將其和運行基線334以及和通過預先確定值在基線334中下一點的增量或減量做比較。這樣，通過利用這一技術以及各種其它技術，基本數據平均值334能跟蹤和時間一致的真實生理變化。
另外，基本數據平均值334的應用有利于忽略噪聲和產生的其它人造物品。在實施方案中，通過利用基本數據平均值334，實時生理數據率和仿真生理數據率間的比較由比較仿真生理數據率330和基本數據平均值334來完成。雖然只公開了單個減少不必要報警的方法，但是許多的方法和途徑可以利用。
可以增加許多特征來擴展監視系統8在醫療設施中的有效性。其中這樣一個增加的特征是通過將邏輯322適于產生對提出的治療530的仿真生理響應的預測來達到的。這允許臨床醫生檢查病人對治療的那些反應會發生在治療450實際初始化之前。這個特征唯一一個優點是能允許臨床醫生在治療比如手術期間在治療室中直接從監視系統310訪問該預測功能。這樣，即時預測建議能夠在手術和其它以前本不可用的治療選項期間成為可用。
另一項特征包括和監視系統310通信的多個網絡連接的監視器336。這些網絡連接的監視器336允許病人被移動到任何網絡中的監視器并仍然保留了比較實時的生理數據流316和仿真生理數據流330的功能。通過舉例的方式，一個病人可能在手術過程中接受了麻醉劑。在手術結束之后，病人一般被移動到恢復室。通過使用和監視系統310通信的網絡連接的監視器336的數學模型326，可繼續生成能和實時生理數據流316比較的仿真生理數據流330。因此，因為模型預測到對麻醉劑效果逐漸出現的反應的生理數據的調整，所以它能和實時生理數據流316比較，以監視病人在康復過程中是否出現問題。這樣，如果病人沒有按所期望的對麻醉劑有適當的表現，警告報警響起，使得臨床醫生做進一步分析。雖然列出了單個的例子，但是應當理解許多種過程可以利用網絡連接的監視器336做出。
再次參考圖1，監視器14包括被配置為識別對象10的身份檢測設備16。身份檢測設備16能通過檢測和對象10的利害有關的識別設備12來識別對象10。識別設備12是一塊卡或其它和對象相關的物體。識別設備12可被配置為允許用身份檢測設備16進行無線檢測。
網絡18可以是任何類型數據能在其上傳輸的網絡。例如，網絡18可以是一個局域網，一個廣域網和因特網。網絡18和報告產生器20、數據存儲設備22、記錄保管設備24、處理器以及顯示器連接。報告產生器20可基于通過監視器14的數據獲取設備13所獲取的數據來產生報告，數據存儲設備22可存儲通過監視器14的數據獲取設備13所獲取的數據，記錄保管設備24可用于通過監視器14的數據獲取設備13所獲取的數據來生成或增加記錄，處理26能處理以及顯示器28能顯示通過監視器14的數據獲取設備13所獲取的數據。
另外，帳單生成器32能基于監視器14的使用生成帳單。帳單生成器32能為監視器14的使用生成帳單，或可將監視器14的使用合并到一個將被發送的更大帳單中。帳單生成器32還能監視監視器14的使用，并且根據監視器14的使用生成報告。帳單生成器32還能用作向網絡18中的人發送通知，以表明監視器14已經被使用并且被記帳了。期望接收到該通知的人可能包括病人的主治醫生、治療醫生和保險承擔人以及病人。傳遞通知到保險承擔人可允許更快地批準突然、意料外的監視器14的使用。這就使醫院能更快積累資金并使病人更少地的擔心在治療之后得到保險總額。一旦帳單生成，就可以被物理地或電子地發送給接受者。該接受者可以是計算保險總額范圍以及根據監視器14使用的支付總額的保險公司的一臺計算機。
在不同詳細的和示例的實施方案及技術的參考下描述了本發明。但是需要理解，在保持本發明思想和范圍的同時可以做很多的變化和修改。例如，雖然本發明對病人監視特別有用，本發明的一些方面可以應用在其它監視活動中。
權利要求
1.一種產生報警的方法，包括從多個測量不同數據100、200類型的數據源獲取來自對象的數據；并且基于代表對象的數學模型和數據產生比較106，206。
2.權利要求1的方法，更進一步包括基于比較116、210、214、218產生報警。
3.權利要求1或2的方法，更進一步包括基于比較106、206識別異常情況。
4.權利要求3的方法，更進一步包括顯示與已被識別的異常情況202相關的信息。
5.權利要求4的方法，其中被顯示的信息包括被識別的異常情況202的原因。
6.權利要求3、4或5的方法，其中被顯示的信息包括對異常情況510識別的建議反應。
7.權利要求1-6的方法，其中數據是和對象生理特性490相關的數據。
8.權利要求1-7的方法，其中數學模型包括一個生理數學模型410。
9.權利要求1-8的方法，其中所述數據和所述數學模型的比較包括確定基于所述模型預測的預測值和基于所述獲取的數據106的數值之間的不同程度。
10.權利要求1-9的方法，更進一步包括修改所述數學模型的參數以反應對象108的性質。
11.權利要求1-10的方法，更進一步包括從數據庫110獲得對象的性質。
12.權利要求1-11的方法，其中所述對象的所述數學模型模擬治療效果。
13.權利要求12的方法，其中用所述生理數學模型所模擬的一個治療從由藥物實施和治療實施460組成的一個組中選擇。
14.權利要求1-13的方法，其中從對象獲取的數據包括從多個監視器200獲取生理數據。
15.一種實現權利要求1-14的方法的醫學監視系統，包括被配置為獲取和病人相關的生理數據的數據獲取設備13；和被配置為基于由所述數據獲取設備獲取的生理數據和由生理數學模型106、206預測的值而產生的比較，并被配置為基于所述比較112來發送一個報警信號的處理器25、26。
16.權利要求1-14的方法，更進一步包括為基于所述數據模型326中使用的生理數據來確定一項適當的治療510，其中所述數據模型326不向將被合并的解剖特征去要求將被生成的適當建議。
全文摘要
公開一種用于監視的方法和設備。該方法和系統包括數學模型108的使用。當使用生理數學模型108時，該方法和設備在病人監視領域特別有用。數學模型108可被用作識別異常情況106、206。數學模型108還能被用作生成報警116。而且，如果異常情況出現，該數學模型能被用作糾正異常情況，特別用作糾正需要相對緊急關注的異常情況來產生建議治療510。
文檔編號A61B5/00GK1550205SQ20041004457
公開日2004年12月1日 申請日期2004年5月19日 優先權日2003年5月19日
發明者G·M·哈欽森, P·S·施盧特, G M 哈欽森, 施盧特 申請人:Ge醫療系統信息技術公司