用于监测电子医学记录数据输入和溢出的方法和系统
文献发布时间:2024-04-18 20:01:23
技术领域
本公开总体上涉及用于使用数据输入监测系统来监测输入到电子医学记录(EMR)系统中的数据的方法和系统。
背景技术
电子医学记录(EMR)已经为患者信息的管理提供了新的水平,并且因此已经提高了患者护理的水平。然而,患者记录的数字化也引入了重大的新挑战和危险。
患者记录数字化的主要挑战之一是引入错误。错误的许多定义之一是人为输入错误,诸如由于不正确地输入数据或省略数据。错误的主要原因是EMR接口。这些接口通常不是用户友好的,并且包括有问题的方面,诸如隐藏不可直接到达的关键信息、模糊基本数据的图形显示、EMR软件的不想要的建议以及其他方面。
另一个主要的错误来源是工作流。例如,当患者需要比可用于EMR簿记的时间更多的时间时,更可能发生错误。实际上,临床医师必须优先考虑患者的护理,并且因此到EMR中的数据输入必然是次要活动,但是强制性的活动。通常,当在EMR中输入信息时,临床医师的注意力不完全集中。此外,由于紧急事件,在压力的情况下更可能发生错误。此外,工作流障碍导致要输入到EMR中的信息积压,从而导致堆积的数据。当处理患者的护理和紧急情况(诸如不稳定、突然变化等)时,可能会导致缺失信息。这可能是恶性循环,其中,在时间压力下输入不正确或不可靠的值,并且因此错误可能性增加。错误可能导致更低水平的护理,从而危及患者。
发明内容
持续需要监测输入到电子医学记录数据库(EMR)中的数据并使得能够识别有问题的数据的方法和系统。
本文中的各种实施例和实施方式涉及被配置为监测输入到电子医学记录系统中的数据的方法和系统。该方法包括:(i)估计要在第一监测时段期间输入到EMR系统中的信息的量;(ii)确定在第一监测时段期间输入到EMR系统中的信息的量;(iii)将所确定的输入到EMR系统中的信息的量与所估计的要输入到EMR系统中的信息的量进行比较;(iv)基于所述比较来估计在第一监测时段期间输入到EMR系统中的信息的错误可能性;(v)基于所估计的错误可能性,将可靠性度量分配给输入到EMR系统中的信息或从EMR系统缺失的信息;以及(vi)可选地基于所分配的可靠性度量来标记输入到EMR系统中的信息或从EMR系统缺失的信息。
根据一个方面,提供了一种用于监测输入到电子医学记录(EMR)系统中的数据的方法。所述方法包括:(i)估计要在第一监测时段期间输入到所述EMR系统中的信息的量,其中,所估计的要输入到所述EMR系统中的信息的量还包括估计的输入所述信息的时间;(ii)确定在所述第一监测时段期间输入到所述EMR系统中的信息的量,其中,确定还包括确定所述信息输入到所述EMR系统中的时间;(iii)将所确定的在所述第一监测时段期间输入到所述EMR系统中的信息的量与所估计的要输入到所述EMR系统中的信息的量进行比较;(iv)基于所述比较来估计在所述第一监测时段期间输入到所述EMR系统中的所述信息的错误可能性;以及(v)基于所估计的错误可能性,将可靠性度量分配给输入到所述EMR系统中的信息或所述EMR系统中缺失的信息。
根据实施例,所述方法还包括以下步骤:基于所分配的可靠性度量来标记输入到所述EMR系统中的所述信息或所述EMR系统中缺失的所述信息。
根据实施例,在以下情况时分配较高的错误可能性:(i)所述信息在获得所述信息与输入所述信息之间的滞后时段之后而被输入到所述EMR系统中;(ii)所述信息是关于具有高风险健康护理状态的患者的;(iii)所述信息由没有经验的健康护理专业人员输入到所述EMR系统中;(iv)所述EMR系统中缺少信息;(v)信息在健康护理专业人员轮班期间在不太可靠的时间点被输入到所述EMR系统中;和/或(vi)信息是使用具有较高错误率的机制而被输入到所述EMR系统中的。
根据实施例,所估计的要输入到所述EMR系统中的信息的量至少部分地基于以下中的一项或多项:(i)在所述第一监测时段期间被监测的患者的数量;(ii)在所述第一监测时段期间被监测的所述患者中的一个或多个患者的健康护理状态;(iii)在所述第一监测时段期间参与监测的健康护理专业人员的数量;和/或(iv)在第一监测时段期间参与监测的一个或多个健康护理专业人员的经验水平;(v)在第一监测时段期间参与监测的健康护理专业人员中的一个或多个健康护理专业人员的可用性;(vi)健康护理专业人员轮班期间的时间点;(vii)所述健康护理专业人员在轮班期间的位置;(viii)所述健康护理专业人员的精神或身体状态;(ix)所述患者的监测情况;以及(x)患者所位于的健康护理环境的指南或协议。
根据实施例,所述错误可能性包括以下中的一种或多种:无错误可能性、低错误可能性、中等错误可能性、高错误可能性和/或0和1之间的值。
根据实施例,所述方法还包括向健康护理专业人员通知从所述EMR系统中缺少信息。
根据实施例,所述方法还包括向健康护理专业人员通知先前输入到或当前输入到所述EMR系统中的信息包括较高的错误可能性。
根据实施例,当所分配的可靠性度量低于预定可靠性度量阈值时,向所述健康护理专业人员通知先前输入到或当前输入到所述EMR系统中的信息包括较高的错误可能性。
根据实施例,利用所分配的可靠性度量来标记输入到所述EMR系统中的所述信息或所述EMR系统中缺失的所述信息包括元数据。
根据实施例,所述监测系统包括患者监测器,所述患者监测器被配置为提供关于以下中的一个或多个的信息:(i)在所述第一监测时段期间被监测的患者的数量;(ii)在所述第一监测时段期间被监测的所述患者中的一个或多个患者的健康护理状态;以及(iii)在所述第一监测时段期间输入到所述EMR系统中的信息的量。
根据另一方面,提供了一种被配置为监测输入到EMR系统中的电子医学记录(EMR)数据的系统。所述系统包括:患者监测器,其被配置为获得关于患者的信息;用户接口,其被配置为向健康护理专业人员提供输出和/或从所述健康护理专业人员接收输入;以及处理器,其被配置为:(i)估计要在第一监测时段期间输入到所述EMR系统中的信息的量,其中,要在所述第一监测时段期间输入到所述EMR系统中的所估计的信息的量至少部分地基于由所述患者监测器获得的关于所述患者的所述信息;(ii)确定在所述第一监测时段期间输入到所述EMR系统中的信息的量,其中,确定还包括确定所述信息输入到所述EMR系统中的时间;(iii)将所确定的在所述第一监测时段期间输入到所述EMR系统中的信息的量与所估计的要输入到所述EMR系统中的信息的量进行比较;(iv)基于所述比较来估计在所述第一监测时段期间输入到所述EMR系统中的所述信息的错误可能性;以及(v)基于所估计的错误可能性,将可靠性度量分配给输入到所述EMR系统中的信息或所述EMR系统中缺失的信息。
根据实施例,所述处理器还被配置为经由所述用户接口向健康护理专业人员通知先前输入到或当前输入到所述EMR系统中的信息包括较高的错误可能性,或信息所述EMR系统中缺失。根据实施例,对所述健康护理专业人员的通知包括较高错误可能性的原因。
应该理解的是,以下更详细讨论的前述概念和额外的概念的所有组合(假定这样的概念不相互不一致)被预期为本文公开的发明主题的部分。具体而言,出现在本公开的结束处的请求保护的主题的所有组合被预期为本文公开的发明主题的部分。还应该意识到,本文明确采用的也可以出现在通过引用并入的任何公开中的术语应该被赋予与本文公开的特定概念最一致的含义。
参考下文描述的(一个或多个)实施例,各种实施例的这些和其他方面将是显而易见的并将得以阐明。
附图说明
在附图中,贯穿不同视图,相似的附图标记通常指代相同的部件。附图示出了实施各种实施例的特征和方式,并且不应被解释为限制于落入所附权利要求的范围内的其他可能实施例。而且,附图不一定是按比例的,而是通常将强调放在图示各种实施例的原理上。
图1是根据实施例的用于监测输入到电子医学记录系统中的数据的方法的流程图。
图2是根据实施例的监测系统的示意性表示。
图3是描绘根据实施例的要输入到EMR系统中的数据与数据输入到EMR系统中的时间之间的关系的曲线图。
图4是根据实施例的监测系统的示意性表示。
图5是根据实施例的数据输入随时间的曲线图。
具体实施方式
本公开描述了被配置为监测到电子医学记录数据库(EMR)中的数据录入的系统和方法的各种实施例。更一般地,申请人已经认识并理解,提供一种使得能够识别输入到EMR中的有问题的数据的方法和系统将是有益的。所述系统包括:患者监测器,其被配置为获得关于患者的信息;用户接口,其被配置为向健康护理专业人员提供输出;以及处理器,其被配置为:(i)估计要输入到所述EMR系统中的信息的量,其中,要在所述第一监测时段期间输入到所述EMR系统中的所估计的信息的量至少部分地基于由所述患者监测器获得的关于所述患者的所述信息;(ii)确定输入到所述EMR系统中的信息的量,其中,确定还包括确定所述信息输入到所述EMR系统中的时间;(iii)将输入到所述EMR系统中的所确定的信息的量与所估计的要输入到所述EMR系统中的信息的量进行比较;(iv)基于所述比较来估计在所述第一监测时段期间输入到所述EMR系统中的所述信息的错误可能性;(v)基于所估计的错误可能性,将可靠性度量分配给输入到所述EMR系统中的信息或所述EMR系统中缺失的信息;以及(vi)利用所分配的可靠性度量标记输入到所述EMR系统中的信息或所述EMR系统中缺失的信息。所述系统可以被配置为经由所述用户接口向健康护理专业人员通知输入到所述EMR系统中的信息包括较高的错误可能性,或者输入到所述EMR系统中的信息包括较低的错误可能性,或信息所述EMR系统中缺失。
参考图1,在一个实施例中,图1是用于使用监测系统监测输入到电子医学记录系统中的数据的方法100的流程图。结合附图描述的方法仅作为示例提供,并且应理解为不限制本公开的范围。监测系统可以是本文描述或者设想的任何系统。监测系统可以是单个系统或多个不同的系统。
在该方法的步骤102处,提供监测系统200。参考如图2所示的监测系统200的实施例,例如,该系统包括以下中的一个或多个:经由一个或多个系统总线212互连的处理器220、存储器230、用户接口240、通信接口250和存储设备260。应当理解,图2在一些方面构成抽象,并且系统200的部件的实际组织可以与所示出的不同并且更复杂。另外,监测系统200可以是本文描述或者设想的任何系统。监测系统200的其他元件和部件在本文中的其他地方公开和/或设想。
根据实施例,监测系统包括电子医学记录系统270或与电子医学记录系统270直接或间接通信。除了其他可能的数据之外,电子医学记录数据库或系统还包括当前正在经历护理的多个患者中的每一个的一个或多个医学记录。电子医学记录数据库或系统可以是任何这样的数据库或系统,包括但不限于本文描述或者设想的数据库和系统。
根据实施例,监测系统包括患者监测器280或与患者监测器280直接或间接通信。患者监测器可以是与患者通信或者接收来自患者或关于患者的信息的任何监测器、设备或系统,包括但不限于本文描述或者设想的监测器和系统。根据实施例,患者监测器被配置或设计为提供关于以下中的一个或多个的信息:(i)在第一监测时段期间被监测的患者的数量;(ii)在第一监测时段期间被监测的患者中的一个或多个患者的健康护理状态;以及(iii)在第一监测时段期间输入到EMR系统中的信息的量、以及信息的许多其他点。
监测系统是能够识别和/或标记输入到电子医学记录系统中的潜在有问题的信息或数据的重要工具。监测系统可以例如警告临床医师输入到电子医学记录系统中的数据可能有问题,这可以改善患者护理和结果。根据实施例,监测系统可以包括优化对患者的处置的临床路径管理系统,可以是优化对患者的处置的临床路径管理系统的部件,或者可以与优化对患者的处置的临床路径管理系统通信。
根据实施例,监测系统是监测或以者知道输入到电子医学记录数据库或系统中的数据流或数据的集成的多元件或多部件系统。监测系统可以知晓或者估计或确定或知道关于临床医师、患者和/或时间段应当将多少数据和/或什么数据输入到电子医学记录数据库或系统中。监测系统可以知晓或者估计或确定或知道关于该临床医师、患者和/或时间段实际有多少数据和/或什么数据实际输入到电子医学记录数据库或系统中。因此,监测系统可以估计、确定或者知道或知晓关于输入到电子医学记录数据库或系统中的数据的实际错误和/或错误可能性。根据许多其他实施例中的仅一个可能的实施例,监测系统因此包括关于以下的信息:(i)监测系统或临床医师、部门、楼层或其他分组或群组正在监测的患者的数量、以及关于那些患者的信息(诸如人口统计、危急状况水平、不稳定风险等);(ii)监测临床医师的数量,包括其概况、处置中的角色、短期和/或长期经验水平(包括病房的小时数、患者数量、患者类型、处理的危机等)和其他信息,其中临床医师可以是与患者交互或处置患者的任何人,包括但不限于医师、护士、住院医师、技术人员等;(iii)患者护理信息,包括但不限于预后、处置信息、历史处置信息、历史健康信息、基本生命体征信息(诸如ECG、血压、SPCE等)和/或高级监测信息(诸如超声心动图、动脉血压、肺动脉压等)。
在该方法的步骤104处,系统估计临床医师要在第一监测时段期间输入到EMR系统中的信息的量。根据实施例,所估计的要输入到EMR系统中的信息的量还包括估计的输入信息的时间。值得注意的是,临床医师可以是将信息输入到EMR系统中的任何人,包括但不限于健康护理专业人员、技术人员或各种其他个体中的任何一种。
在第一监测时段期间由临床医师输入到EMR系统中的估计信息的量可以基于各种各样的不同因素,并且可以由监测系统所利用的各种机制中的任何一种来确定。根据实施例,要由临床医师输入到EMR系统中的信息的量可以至少部分地基于以下中的一项或多项:(i)在第一监测时段期间被监测的患者的数量;(ii)在第一监测时段期间被监测的患者中的一个或多个患者的健康护理状态;(iii)在第一监测时段期间参与监测的健康护理专业人员的数量;和/或(iv)在第一监测时段期间参与监测的一个或多个健康护理专业人员的经验水平;(v)在第一监测时段期间参与监测的健康护理专业人员中的一个或多个健康护理专业人员的可用性;(vi)健康护理专业人员轮班期间的时间点;(vii)在轮班期间健康护理专业人员的位置(其中位置可以是过去、当前和/或预测的未来位置);(viii)所述健康护理专业人员的精神或身体状态(其中精神或身体状态可以是过去、当前和/或预测的未来精神或身体状态);(ix)患者的监测情况(其中信息的量可以取决于监测算法和监测设备的特性(诸如基于机器学习的预测算法、AI、数字孪生、在传感器或设备中运行的数据分析等));以及(x)患者所在的健康护理环境的指南或协议(诸如链接到EMR数据采集、准备、输入和验证的指南或协议;这些协议可以特定于医院,并且可以具有不同程度的灵活性)、以及许多其他可能性。例如,健康护理专业人员轮班期间的时间点(其中健康护理专业人员可以是照顾患者或护理对象或者负责患者或护理对象或以任何方式与患者或护理对象相关联的任何人)可以是专业人员轮班的开始、在专业人员轮班期间、在专业人员轮班结束时、和/或轮班更换、以及其他时间。
虽然健康护理专业人员可以是照顾患者或护理对象或者负责患者或护理对象或以任何方式与患者或护理对象相关联的任何人,但是健康护理专业人员也可以是负责将患者数据数字存储到数据存储解决方案(诸如数据库或电子医学记录(EMR))中的人。值得注意的是,收集数据的人和输入数据的人可以是同一个人,但他们也可以是不同的人。此外,个体可以属于不同的组织、在不同的位置、在不同的环境中操作、服从不同的协议和指南、具有不同的表现度量(KPI)等。仅作为一个示例,EMR信息条目可以外包给不同的组织,或者可能存在经由eICU或远程健康护理或远程健康护理解决方案输入信息的情况。在这些情况下,应当考虑计算关于两个个体和两个组织的误差度量信息,因为误差源可能是由于数据收集、数据存储、数据访问、数据传输、数据解释或数据输入。在一个实施例中,该方法或系统甚至可以考虑具有针对这些方面中的每一个计算的单独的误差度量。
例如,在由临床医师或部门或楼层或群组监测的患者数量更多或患者与临床医师比率更大的情况下,要输入到EMR数据库或系统中的数据量可能更大,并且因此可能存在更大的错误可能性。此外,如果由临床医师监测的一个或多个患者包括需要更高水平的监测、处置或其他护理的健康护理状态,则要输入到EMR数据库或系统中的数据量可能更大,并且因此可能存在更大的错误可能性。因此,如果监测系统知道临床医师或其他实体正在监测多少患者——诸如通过与患者数据和/或患者监测进行通信——则监测系统可以估计应当或可能输入到EMR数据库或系统中的信息的量。该估计可以基于用历史数据训练的将多个患者和/或其健康护理状态与数据输入相关联的机器学习算法来确定,或可以基于其他机制来确定。
作为另一示例,在较少数量的临床医师监测一组或其他群组的患者的情况下,由任何一个临床医师输入到EMR数据库或系统中的数据量可能更大,并且因此可能存在更大的错误可能性。此外,临床医师的可用性可以影响数据输入期间错误可能性。例如,如果临床医师在执行其他职责时正在监测患者,则临床医师的注意力可能不太集中在患者的数据输入上。对错误输入的另一潜在影响是护理患者和/或将信息输入到EMR数据库或系统中的临床医师的经验水平。作为另一示例,健康护理专业人员轮班期间将信息输入EMR数据库或系统的时间点可能影响错误可能性。例如,临床医师进入轮班的时间越长,或临床医师可能越费时,出错的可能性越大。因此,如果监测系统知道临床医师人员配置、角色和/或经验水平——诸如通过与人员配置和临床医师人口统计信息进行通信——则监测系统可以估计应当或可能输入到EMR数据库或系统中的信息的量。该估计可以基于用历史数据训练的将该临床医师信息中的任何或全部与数据输入相关联的机器学习算法来确定,或可以基于其他机制来确定。因此,根据实施例,监测系统可以预测被监测的患者所需的护理水平,并且因此可以预测要输入到EMR数据库或系统中的数据量。
参考图3,在一个实施例中,图3是描绘要输入到EMR系统中的数据(“数据”)与数据输入到EMR系统中的时间(“时间”)之间的潜在关系的曲线图。当以预期速率或在预期时间间隔内输入预期数据量时,该关系沿着或接近倾斜虚线(“预期”)。具有变化斜率的虚线(“实际”)是随时间输入到EMR系统中的实际数据量的示例。当随时间输入到EMR系统中的实际数据量接近预期时,实际接近预期(其中预期也可以意味着更低的错误可能性或没有错误可能性、以及其他阈值或错误水平)。当随着时间输入到EMR系统中的实际数据量超过预期时,实际在曲线图中向左上漂移。这可以例如,指示存在错误输入的更大可能性。例如,一条阈值线可以指示错误条目的中等风险的阈值,并且另一条阈值线可以指示错误条目的高风险。
根据实施例,监测系统将随时间要输入到EMR数据库或系统中的数据确定为中心虚线。如果人员配备与要输入和验证的数据相当,则示出输入到EMR系统中的实际数据量的线与中心虚线对齐。当输入和/或验证更少的数据时,实际线将从最佳中心虚线转向,从而证明数据输入滞后(并且因此证明增加的错误风险或可能性)。
在该方法的步骤106处,系统确定、度量、计算或者识别在第一监测时段期间输入到EMR系统中的信息的量。根据实施例,系统还确定将信息输入到EMR系统中的时间。监测系统与EMR数据库或系统通信,或是EMR数据库或系统的门户,或者访问或确定临床医师输入的数据量,可能具有关于添加信息的条件的信息,包括但不限于输入时间、关于临床医师的信息和其他背景信息。
根据实施例,在第一监测时段期间由临床医师输入到EMR系统中的信息的量可以由监测系统所利用的各种机制中的任何一种来确定。根据实施例,由临床医师输入到EMR系统中的信息的量可以由与EMR数据库或系统直接或间接通信的监测系统直接确定或测量。
根据实施例,可以使用各种方法中的任何一种将信息输入到系统中。例如,可以键入信息,诸如手动输入信息,包括但不限于使用键盘、基于语音到文本的接口、基于手势的接口、基于增强或虚拟现实的接口以及其他接口或输入方法。输入信息还可以意味着验证(即,检查、在需要时校正和批准)已经由算法创建的信息,或验证(即,检查、在需要时校正和批准)已经由另一个人创建的信息等。根据实施例,如本文描述或者设想的,输入信息的方法可能促进错误可能性。
在该方法的步骤108处,系统将输入到EMR系统中的确定的信息的量与要输入到EMR系统中的估计的信息的量进行比较。根据实施例,系统将在第一监测时段期间输入到EMR系统中的信息的量与要在第一监测时段期间输入到EMR系统中的估计信息的量进行比较,和/或将由特定临床医师和/或关于特定患者输入到EMR系统中的信息的量与由特定临床医师和/或特定患者输入到EMR系统中的估计信息的量进行比较。根据实施例,可以通过由监测系统利用的各种机制中的任何一种来进行比较。
根据实施例,可以在将信息输入到EMR数据库或系统中时进行比较,或可以在将信息输入到EMR数据库或系统中之后进行比较。例如,比较可以包括关于什么信息在什么时间被输入到EMR系统中的存储数据的比较。比较的结果可以立即使用或存储在本地或远程存储器中以用于在该方法的其他步骤中使用。
在该方法的步骤110处,系统基于该方法的步骤108中的比较来估计在第一监测时段期间输入到EMR系统中的信息的错误可能性。根据实施例,可以使用由监测系统利用的各种机制中的任何一种来确定估计。
根据实施例,当以下情况时,可以估计或分配较高的错误可能性:(i)所述信息是在获得信息与输入信息之间的滞后时段之后被输入到所述EMR系统中;(ii)信息是关于具有高风险健康护理状态的患者的;(iii)所述信息由没有经验的健康护理专业人员输入到所述EMR系统中;(iv)所述EMR系统中缺少信息;和/或(v)信息在健康护理专业人员轮班期间的不太可靠的时间点被输入到所述EMR系统中。
可以以各种不同的方式来限定或量化所确定或估计的误差可能性。例如,错误可能性可以包括以下中的一种或多种:无错误可能性、低错误可能性、中等错误可能性、高错误可能性、和/或0和1之间的值、以及许多其他分类或标记。
根据实施例,输入信息的方法可能贡献于错误可能性。例如,经由键盘或经由语音识别(语音到文本)输入的信息可以固有地包括较高的错误可能性,而经由算法或其他机制输入的信息可以固有地包括更低的错误可能性(或者反之亦然)。
根据实施例,估计的错误可能性可以被立即利用或存储在本地或远程存储设备中以用于在该方法的其他步骤中使用。
值得注意的是,系统可以类似地估计或分配输入到EMR系统中的信息包括错误的更低可能性,和/或可以在错误可能性低于特定风险或错误阈值时通知用户。
根据实施例,系统在步骤108处重新比较和/或在步骤110处重新估计后续时间点处的信息的错误可能性。例如,步骤108和/或110可以包括输入到系统中并经受比较和估计的初始信息,并且还可以包括输入到系统中的后续信息。因此,时间T处的初始信息可以包括似然估计,并且该估计可以影响或不影响时间T+t处的信息的比较和/或估计。许多其他变化是可能的。
根据实施例,系统可以类似地估计或分配尚未输入到系统中的信息包括更低或较高错误可能性的可能性。例如,系统可以确定系统缺少预期信息,并且可以分配或确定或估计该信息的错误可能性。例如,系统可以基于输入到系统中的类似或相关联或历史信息来分配或确定或估计该信息的错误可能性。例如,系统可以确定已知个体X具有高错误率,并且因此应当由个体X输入但未输入的信息可能具有高错误可能性(或反之亦然,如果已知个体X具有低错误率,则应当由个体X输入但未输入的信息可能具有低错误可能性)。分配或确定或估计针对缺失信息的错误可能性的许多其他方法是可能的。
根据实施例,系统可以基于人类输入来分配或确定或估计输入到系统中或从系统缺失的信息的错误可能性。例如,用户可以检查输入到系统中或从系统缺失的信息,并确定错误可能性。可以从确定的选项列表中选择错误可能性,用户可以在给定计算的错误的情况下提供输入,可以以开放形式输入文本,或者可以以其他方式分配或确定或估计信息的错误可能性。
在该方法的步骤112处,系统基于估计的错误可能性将可靠性度量分配给输入到EMR系统中的信息或EMR系统中缺失的信息。根据实施例,可以使用由监测系统利用的各种机制中的任何一种来确定可靠性度量。可靠性度量可以是权重、标签或各种其他度量中的任何一种。根据实施例,利用所分配的可靠性度量来标记输入到EMR系统中的信息或从EMR系统缺失的信息包括与输入到EMR数据库或系统中或从EMR数据库或系统缺失的信息相关联的元数据。
值得注意的是,根据实施例,可靠性度量仅仅是在该方法的步骤110中计算或估计的错误可能性。另外地或替代地,可靠性度量是在该方法的步骤110中计算或估计的误差可能性的任何修改、调整、加权或其他方面。
因此,根据实施例,监测系统基于输入到EMR数据库或系统中的信息来更新和/或考虑风险或稳定性状态。如果在可能指示错误的高可能性的情况下输入信息,或预期输入但未输入的信息,则监测系统将可靠性度量分配给输入或缺失的信息。系统还可以利用关于临床医师人员配备、经验和/或工作负荷的信息、以及许多其他因素。监测系统可以利用该信息,例如,以计算EMR数据输入要求与工作人员的时间可用性的关系。另外,当分配风险和/或可靠性度量时,监测系统可以考虑工作人员的成功输入的历史记录。监测系统计算和更新患者紧急度水平、不稳定风险、临床医师经验和/或临床医师工作压力以及其他因素。然后使用这些导出的数据来估计误差的可能性。在这种情况下,缺失但预期的数据可以被视为错误。监测系统可以知道预期数据缺失,因为它可以从EMR数据库或系统获得该信息。根据实施例,监测系统在评估EMR数据时通过使医务人员能够直接参与输入和验证的数据或稍后咨询这样的数据来提供安全网,使得这样的数据已经被分配了低、中等或高可靠性度量、以及其他可能的可靠性权重度量类型或参数。根据实施例,监测系统可以通过提供导致由监测系统进行的特定可靠性度量分配的事件的根本原因分析来进一步使可靠性度量合格。
根据实施例,所分配的可靠性度量可以被立即利用或被存储在本地或远程存储设备中以用于在该方法的其他步骤中使用。
根据实施例,系统可以基于人类输入来分配错误可能性。例如,用户可以检查输入到系统中或从系统缺失的信息,并确定错误可能性和/或可靠性度量(其可以可选地仅是错误可能性、以及许多其他度量)。可以从确定的选项列表中选择错误可能性,用户可以在给定计算的错误的情况下提供输入,可以以开放形式输入文本,或可以以其他方式分配或确定或估计信息的错误可能性,并且这可以用于分配可靠性度量。
在该方法的步骤114处,系统基于所分配的可靠性度量来标记输入到EMR系统中的信息或从EMR系统缺失的信息。根据实施例,监测系统可以使用各种机制中的任何一种利用所分配的可靠性度量来标记输入到EMR系统中的信息或从EMR系统缺失的信息。例如,输入到EMR数据库或系统中或从EMR数据库或系统缺失的信息可以直接利用所分配的可靠性度量标记,诸如经由将信息或缺失信息标记为元数据或任何其他标记。作为另一示例,输入到EMR数据库或系统中或从EMR数据库或系统缺失的信息可以在存储器中与所分配的可靠性度量相关联。作为另一示例,输入到EMR数据库或系统中或从EMR数据库或系统中缺失的信息可以与查找表或其他参考机制中的所分配的可靠性度量相关联。
根据实施例,系统可以基于人类输入用错误可能性来标记信息。例如,用户可以检查输入到系统中或从系统缺失的信息,并确定错误可能性和/或可靠性度量(其可以可选地仅是错误可能性、以及许多其他度量),并且因此指示系统用该可靠性度量标记信息。
根据实施例,信息标记可以被立即利用或存储在本地或远程存储设备中以用于在该方法的其他步骤中使用。
在该方法的步骤116处,系统可选地通知或警告临床医师或其他个体EMR系统中缺少信息,和/或先前输入或当前输入EMR系统的信息包括较高的错误可能性。根据实施例,监测系统可以使用各种不同机制中的任何一种来生成通知或警报。根据一个实施例,当所分配的可靠性度量高于预定可靠性度量阈值时,和/或当信息从EMR数据库或系统缺失时,通知临床医师或其他个体输入到EMR数据库或系统中的信息包括较高的错误可能性。根据另一实施例,系统可选地通知或警告临床医师或其他个体信息被输入到系统中,和/或先前输入或当前输入到EMR系统中的信息包括任何错误可能性,包括但不限于无错误可能性、低错误可能性或任何其他水平的错误可能性。
根据实施例,可以经由监测系统的用户接口向用户提供通知或警报。因此,警报可以是文本、声音、触觉反馈、可视化、文本、电子邮件或给用户的任何其他类型的通知。通知或警报可以包括关于输入或缺失的信息、时间段、(一个或多个)患者、(一个或多个)临床医师的信息、以及与用户对通知或警报的分析和/或理解相关的任何其他信息。根据实施例,监测系统可以经由用户接口提供通知或警报的可视化。可视化可以是使得用户能够分析和/或理解相关信息的任何可视化。
参考图4,在一个实施例中,图4是监测系统400的示意性表示。该系统与一个或多个患者(诸如经由“患者监测器”)和一个或多个临床医师(“工作人员”)通信或监测关于一个或多个患者和一个或多个临床医师(“工作人员”)的一个或多个活动或其他信息。关于工作人员的信息(诸如人员配置、经验和工作量)也可以由监测系统(“工作人员特征数据库”)接收。监测系统包括从诸如患者监测器、临床医师和其他信息源的各种源向其中输入信息的EMR数据库或系统(“EMR”)。监测系统监测输入EMR数据库或系统的数据流,将此与要输入到EMR数据库或系统中的预期信息进行比较,并确定错误风险。监测系统可以与各种各样的信息源通信,包括但不限于药房信息系统、实验室信息系统、放射学信息系统、临床数据储存库(CDR)、护理文档(DOC)、电子药物管理记录(eMAR)、临床决策支持系统(CDS)、计算机化医师订单输入系统(CPOE)和许多其他系统。
示例
利用监测系统的以下示例仅是一个可能的实施例和/或示例。因此,应当理解,它是监测系统的非限制性示例。
在该示例中,临床医师将从患者A测量的实验室参数(即乳酸)输入到患者B的EMR记录文件中。这是由临床医师引起的数据输入错误。乳酸实验室参数在生理-病理范围内,因此监测系统本身不知道这是错误。监测系统可以计算该数据被错误输入的可能性,并且知道其被输入的情况,包括其被输入的时间。例如,可能在数据堆栈滞后于特定阈值(诸如每个工作人员每分钟30个值)时输入乳酸日期。这仅仅是特定阈值的一个示例,并且许多变化是可能的。此外,可能在一段紧急时间后由在病房活动三个月的工作人员输入乳酸数据。因此,由于数据堆栈概述、初级临床医师/用户和危机后输入,乳酸数据被分级以可靠性度量。
参考图5,在一个实施例中,图5是数据随时间的曲线图,具有随时间输入到EMR数据库或系统中的数据量的图表线以及预期随时间输入到EMR数据库或系统中的数据量的图表线。尽管在图5中展示预期随时间输入到EMR数据库或系统中的数据量的线相对稳定,但是应当理解,该数据量可以随时间广泛变化。在该示例中,时段A(由图中的“A”示出)是需求(即,预期输入到EMR数据库或系统中的数据)等于供应(即,实际输入到EMR数据库或系统中的数据)的时段。在时段B中,需求超过供应,并且随着供应减少,存在负斜率。在时段C中,需求仍然超过供应,但是随着供应增加,存在正斜率。在时段D中,供应超过需求。当临床医师赶上数据输入时,斜率为正。在时段E中,供应大于需求,具有更大的正范围,并且临床医师仍然跟上数据输入。在时段F中,供应仍然超过需求,但是斜率是负的,因为数据输入被追上和/或减慢。在时段G中,需求近似等于供应。根据实施例,系统可以确定例如时段B和C至少等于时段D、E和F,以确保输入所有所需的数据。
根据实施例,在对应于区域B和C的时间段期间,输入少于所需的基线数据,而在时间段D、E和F期间,输入比基线更多的数据以补偿时间段B和C。由于在D、E、F期间输入多于基线的数据,因此假设用于数据输入的资源(即,人数和花费的时间)没有改变,这些时间段期间的可能性或误差大于其他时间段(例如,A、B、C和G)。此外,可以比较曲线下面积除以时间,以计算区域D、E和F每单位时间输入的数据量,以确定这些区域中的哪一个的误差可能性将更大。在一个实施例中,当信息输入速率大于基线或大于协议中建立的值时,则错误可能性与输入信息的速率正相关。
根据实施例,可以使用各种机制来计算或估计预期随时间输入到EMR数据库或系统中的数据量。根据一个实施例,可以利用标准操作程序(SOP)或其他指南。例如,SOP/指南可以指示需要数据来进行评估或决策,并且因此增加需求值。根据一个实施例,可以利用算法,使得如果算法的预测能力下降,则数据的需求值上升。系统还可以指示哪种数据类型是更高需求的。根据一个实施例,患者的临床情况和/或其他值可以指示建议增加的需求值的恶化。根据一个实施例,患者的移交增加了错误可能性以及对更多数据的需要以更好地判断错误率。
根据实施例,可以以各种方式计算错误可能性阈值。最简单的实施方式是诸如基于文献的经验方法。另一种方法是数据驱动的,其中监测系统计算与该特定病房相关的一个或多个关键性能指标(例如,再住院率、死亡率、并发症率、平均住院时间、床位占用率和/或许多其他指标),并且将此在具有机器学习算法的一般线性模型中与数据堆栈溢出水平相关联。另一种方式是通过标记医务人员本身已经发现的错误。这里概述的那些的混合模型也是可能的。根据实施例,监测系统可以将未填写的数据保持在存储器中,并且在给定患者的敏锐度和工作人员可用性时提醒工作人员该任务可以被执行的时刻。
根据实施例,可以利用数据驱动的实施方式来计算可靠性度量,其中可以训练机器学习算法以计算可靠性权重,或选择可以计算可靠性权重的函数,或者计算可以由(数学)函数或另一机器学习算法使用以计算可靠性权重的输出。许多不同类型的输入数据可用于训练。此外,可以考虑不同类别的数据来计算输入特征,诸如关于数据的信息、关于用户和工作流的信息以及关于EMR设置的信息。
根据实施例,监测系统可以考虑数据特性。数据特性的示例包括时间戳。可以考虑不同的时间戳,诸如:(i)由协议定义的时间戳(将信息输入到EMR中的建议的最佳时间),(ii)实际数据收集的时间,以及(iii)将数据输入到EMR中的时间。可以考虑数据的起源/来源,诸如:监测数据(例如,患者生命体征)、设备数据(例如,呼吸机数据、超声数据)、人类输入(例如,用户笔记)、实验室数据、药物数据、财务等。根据实施例,当数据是由预测或描述性算法生成的数据时,系统可以考虑数据的来源,诸如用于计算患者稳定性的软件、用于评估患者状态的数字孪生运行模拟、超声图像分析算法、MRI分割算法以及许多其他类型的软件或算法。可以考虑数据的类型,诸如:文本、数字、符号、图像、视频、语音等。还可以考虑数据量、每给定时间输入的数据量、数据输入速率、以及从数据量导出的各种其他度量和统计、以及数据输入的持续时间(诸如数据输入的最大速率、数据输入的平均速率等)。可以考虑数据的创建者,诸如:人类(经由注释和注释)、传感器、算法等。可以考虑创建原始数据的介质,例如:纸质笔记(然后将其转换为EMR)、电子笔记(在计算机上创建的笔记)、自动(由传感器/监测器、算法创建的数据)等。可以考虑创建EMR数据的方法,诸如:经由键入数据,经由复制和粘贴,经由语音到文本,通过EMR自动完成,经由由用户验证跟随的通过EMR的自动创建数据等。可以考虑记录创建者的特征,诸如:在EMR中输入数据的人是否与创建(例如,度量、记录、处理)数据的人相同等。可以考虑数据是否由算法(机器学习)生成。监测系统可以考虑源中(例如,笔记中)的数据量与EMR中输入的数据量。源中的数据格式是否与输入的数据格式相同(例如,源中的数据是项目符号,而EMR数据是详细解释;监测数据是波形,而EMR条目是统计数据或这些波形的部分;药物数据库包括完整的药物名称,而EMR数据包括缩写等)。可以考虑数据的完整性/分段,诸如:对应于当前条目的数据是完整的还是分段的,完整的数据是一次性输入还是在不同的时间点输入,完整的数据是否由同一个人输入等。可以考虑数据的异质性/同质性,诸如:数据是否来自单个源/类型(例如,仅监测器数据,或监测器数据加护士笔记等)。可以考虑输入的数据的类型,诸如:即输入到EMR的数据的类型和数量是否先前已经由同一个人输入。
此外,监测系统可以考虑用户和工作流特性。例如,可以考虑以下特性:用户临床体验、用户对EMR的体验、数据输入期间的用户中断的数量和类型、工作流程相关信息(单元繁忙程度、在轮班的哪个阶段输入数据,诸如轮班的开始、中间或结束)、在数据输入之前或期间对应单元中的重大事件(诸如危机、患者恶化、新问题、轮等)是什么,和/或个人方面,诸如临床感觉如何(例如,疲倦、压力、情绪和更多)。
此外,监测系统可以考虑EMR和上下文相关特征。例如,可以考虑以下特性:用于在EMR中输入数据的设备、软件或工具;输入数据时用户的位置;在数据输入期间EMR的设置(哪些特征被激活、错误检查、自动完成、使用算法的验证等);显示拥挤、打开多少窗口、可视化的其他数据、点击次数等;以及数据输入的持续时间、以及许多其他方面。
通过这些和/或其他考虑,可以训练监测系统以计算可靠性度量。为了训练这种算法,可以使用包括现有EMR条目的错误或包括标记/注释的缺失EMR条目的标记数据集。
根据实施例,监测系统利用患者状况信息或从群体数据或从类似患者学习来预测应当在特定时间段内输入的数据量。作为预防措施将输入的信息的量与应当已经输入的信息进行比较意味着可以向目标护士或EMR数据库或系统的其他用户生成警报。例如,可以警告用户延迟输入数据将如何影响数据的可靠性,诸如:“如果您将数据输入延迟X个时间量,则错误或缺失数据的风险将增加Y%”。当前患者状态可以用于量化延迟数据输入到EMR数据库或系统中的影响。
参考图2,图2是集成系统200的示意性表示。系统200可以是本文描述或者设想的任何系统,并且可以包括本文描述或者设想的任何部件。应当理解,图2在一些方面构成抽象,并且系统200的部件的实际组织可以与所示出的不同并且更复杂。
根据实施例,系统200包括能够执行存储在存储器230或存储设备260中的指令或者处理数据以例如执行该方法的一个或多个步骤的处理器220。处理器220可以由一个或多个模块形成。处理器220可以采取任何合适的形式,包括但不限于微处理器、微控制器、多个微控制器、电路、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、单个处理器或多个处理器。
存储器230可以采取任何合适的形式,包括非易失性存储器和/或RAM。存储器230可以包括各种存储器,诸如例如L1、L2或L3高速缓存或系统存储器。因此,存储器230可以包括静态随机存取存储器(SRAM)、动态RAM(DRAM)、闪存存储器、只读存储器(ROM)或其他类似的存储器设备。存储器可以存储操作系统等。RAM由处理器用于临时存储数据。根据实施例,操作系统可以包含代码,该代码在由处理器执行时控制系统200的一个或多个部件的操作。显而易见的是,在处理器以硬件实施本文描述的一个或多个功能的实施例中,可以省略在其他实施例中被描述为对应于这样的功能的软件。
用户接口240可以包括用于实现与用户的通信的一个或多个设备。用户接口可以是允许传送和/或接收信息的任何设备或系统,并且可以包括用于接收用户命令的显示器、鼠标和/或键盘。在一些实施例中,用户接口240可以包括可以经由通信接口250呈现给远程终端的命令行接口或图形用户接口。用户接口可以与系统的一个或多个其他部件一起定位,或可以远离系统定位并且经由有线和/或无线通信网络进行通信。
通信接口250可以包括用于实现与其他硬件设备的通信的一个或多个设备。例如,通信接口250可以包括被配置为根据以太网协议进行通信的网络接口卡(NIC)。另外,通信接口250可以实施用于根据TCP/IP协议进行通信的TCP/IP栈。用于通信接口250的各种替代或附加硬件或配置将是显而易见的。
存储设备260可以包括一种或多种机器可读存储介质,诸如只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪存设备或类似的存储介质。在各种实施例中,存储设备260可以存储用于由处理器220执行的指令或处理器220可以操作的数据。例如,存储设备260可以存储用于控制系统200的各种操作的操作系统261。
将显而易见的是,被描述为存储在存储设备260中的各种信息可以另外地或替代地存储在存储器230中。在这方面,存储器230也可以被认为构成存储设备,并且存储设备260可以被认为是存储器。各种其他布置将是显而易见的。此外,存储器230和存储设备260都可以被认为是非瞬态机器可读介质。如本文所使用的,术语非瞬态将被理解为排除瞬态信号,但是包括所有形式的存储设备,包括易失性和非易失性存储器两者。
虽然系统200被示出为包括每个所描述的部件中的一个,但是在各种实施例中可以复制各种部件。例如,处理器220可以包括被配置为独立地执行本文描述的方法或被配置为执行本文描述的方法的步骤或子例程使得多个处理器协作以实现本文描述的功能的多个微处理器。此外,在系统200的一个或多个部件被实施在云计算系统中的情况下,各种硬件部件可以属于单独的物理系统。例如,处理器220可以包括第一服务器中的第一处理器和第二服务器中的第二处理器。许多其他变型和配置是可能的。
根据实施例,系统200的存储设备260可以存储一个或多个算法、模块和/或指令,以执行本文描述或者设想的方法的一个或多个功能或步骤。例如,处理器220可以包括估计指令262、确定指令263、比较指令264、误差估计指令265、分配指令266和/或报告指令267、以及其他指令或数据。
根据实施例,估计指令262指示系统估计在第一监测时段期间要由临床医师输入到EMR系统中的信息的量。根据实施例,所估计的要输入到EMR系统中的信息的量还包括估计的输入信息的时间。值得注意的是,临床医师可以是将信息输入到EMR系统中的任何人,包括但不限于健康护理专业人员、技术人员、或各种其他个体中的任何一种。在第一监测时段期间要由临床医师输入到EMR系统中的估计信息的量可以基于各种各样的不同因素,并且可以由监测系统所利用的各种机制中的任何一种来确定。
根据实施例,确定指令263指示系统确定、度量、计算或者识别在第一监测时段期间输入到EMR系统中的信息的量。根据实施例,系统还确定将信息输入到EMR系统中的时间。监测系统与EMR数据库或系统通信,或是EMR数据库或系统的门户,或者访问或确定临床医师输入的数据量,可能具有关于添加信息的条件的信息,包括但不限于输入时间、关于临床医师的信息和其他背景信息。根据实施例,在第一监测时段期间由临床医师输入到EMR系统中的信息的量可以由监测系统所利用的各种机制中的任何一种来确定。根据实施例,由临床医师输入到EMR系统中的信息的量可以由与EMR数据库或系统直接或间接通信的监测系统直接确定或度量。
根据实施例,比较指令264指示系统将输入到EMR系统中的确定的信息的量与要输入到EMR系统中的估计的信息的量进行比较。根据实施例,系统将在第一监测时段期间输入到EMR系统中的信息的量与要在第一监测时段期间输入到EMR系统中的估计信息的量进行比较,和/或将由特定临床医师和/或关于特定患者输入到EMR系统中的信息的量与由特定临床医师和/或特定患者输入到EMR系统中的估计信息的量进行比较。根据实施例,可以通过由监测系统利用的各种机制中的任何一种来进行比较。根据实施例,可以在将信息输入到EMR数据库或系统中时进行比较,或可以在将信息输入到EMR数据库或系统中之后进行比较。
根据实施例,误差估计指令265指示系统估计在第一监测时段期间输入到EMR系统中的信息的误差可能性。根据实施例,可以使用由监测系统利用的各种机制中的任何一种来确定估计。
根据实施例,分配指令266指示系统基于估计的错误可能性将可靠性度量分配给输入到EMR系统中的信息或从EMR系统缺失的信息。根据实施例,可以使用由监测系统利用的各种机制中的任何一种来确定可靠性度量。可靠性度量可以是权重、标签或各种其他度量中的任何一种。根据实施例,利用所分配的可靠性度量标记输入到EMR系统中的信息或从EMR系统缺失的信息包括与输入到EMR数据库或系统中或从EMR数据库或系统缺失的信息相关联的元数据。
根据实施例,报告指令267指示系统通知或警告临床医师或其他用户EMR系统中缺少信息,和/或先前输入或当前输入EMR系统的信息包括较高的错误可能性。根据实施例,监测系统可以使用各种不同机制中的任何一种来生成通知或警报。根据一个实施例,当所分配的可靠性度量高于预定可靠性度量阈值时,和/或当信息从EMR数据库或系统缺失时,通知临床医师或其他个体输入到EMR数据库或系统中的信息包括较高的错误可能性。根据实施例,监测系统200经由系统的用户接口240和/或经由其他机制通知或警告用户。系统可以经由任何警报机制来警告用户,包括但不限于视觉显示、可听通知、文本消息、电子邮件、页面或任何其他通知方法。
重要的是要注意,使用监测系统进行监测的方法可以用于除了输入到电子医学记录系统中的数据之外的各种各样的数据系统。因此,在本说明书利用“电子医学记录”和/或“电子医学记录系统”的情况下,这些术语可以用“数据”或“数据记录”或“[插入数据类型]记录”代替“电子医学记录”以及对应的数据系统。因此,该系统和方法可以应用于存在由专业人员和关键操作维护的数字记录的任何地方,这损害了这种系统中的数据输入的常规流入。例如,该方法和系统也可以在OR病房或医院环境内的其他类似病房中工作。然而,该方法和系统可以在非医院环境中同样容易地工作。
如本文所定义和使用的所有定义应被理解为控制在字典定义、通过引用并入的文献中的定义和/或所定义的术语的普通含义上。
如本文中在说明书和权利要求书中所使用的词语“一”和“一个”应被理解为意指“至少一个”,除非明确相反指示。
如在本说明书和权利要求书中所使用的短语“和/或”应该被理解为是指如此联合的元素中的“任一个或两者”,即在一些情况下联合存在并且在其他情况下分离存在的元素。利用“和/或”列出的多个元素应该以相同的方式解释,即如此联合的元素中的“一个或多个”。除了由“和/或”子句特别识别的元素,其他元素可以可选地存在,不管与具体识别的那些元素相关还是不相关。
如在本说明书和权利要求书中所使用的,“或”应当被理解为具有与上面所定义的“和/或”相同的含义。例如,当在列表中分离项目时,“或”或“和/或”应被解释为包含性的,即包括多个元素或元素列表中的至少一个元素,但也包括多于一个元素,以及可选的其他未列出项目。仅清楚地指示为相反的术语,诸如“仅一个”或“确切地一个”,或,当在权利要求中使用时,“由...组成”,将指包括多个元素或元素列表中的确切地一个元素。通常,如本文使用的术语“或”仅当前面有排他性术语(例如“任一个”,“...中的一个”,“...中的仅一个”,或“...中的确切地一个”)时才应解释为指示排他性备选(即,“一个或另一个但是并非两者”)。
如本文中在说明书和权利要求书中所使用的,涉及一个或多个元素的列表的短语“至少一个”应该被理解为是指选自元素列表中的元素中的任何一个或多个的至少一个元素,但是不必包括元素列表内具体列出的每一个元素和每个元素中的至少一个,并且不排除元素列表中的元素的任何组合。该定义还允许除了在短语“至少一个”涉及的元素列表内具体识别的元素之外元素可以可选地存在,而不管与具体识别的那些元素相关还是不相关。
还应该理解,除非明确地相反指示,在本文所要求保护的包括多于一个步骤或动作的任何方法中,方法的步骤或动作的顺序不必限于叙述该方法的步骤或动作的顺序。
在权利要求书以及上面的说明书中,所有的过渡性短语,诸如“包括”、“包含”、“携带”、“具有”、“含有”、“涉及”、“保持”、“带有”等等应被理解为是开放式的,即意味着包括但不限于。只有过渡性短语“由...组成”和“实质上由...组成”应分别是封闭式或半封闭式过渡短语。
虽然本文已经描述和说明了若干发明实施例,但是本领域普通技术人员将容易想到用于执行功能和/或获得结果和/或本文描述的优点中的一个或多个优点的各种其他单元和/或结构。这样的变化和/或修改中的每个变化和/或修改都被认为是在本文描述的发明实施例的范围内。更一般地,本领域技术人员将容易理解,本文描述的所有参数、尺寸、材料和配置均旨在是示例性的,并且实际参数、尺寸、材料和/或配置将取决于一个或多个使用本发明教导的具体应用。本领域技术人员将认识到或能够使用不超过常规的实验手段来确定本文描述的具体发明实施例的许多等同物。因此,应当理解,前述实施例仅作为示例呈现,并且在权利要求及其等同物的范围内,本发明的实施例可以以不同于具体描述和要求保护的方式来实践。本公开内容的发明实施例涉及本文描述的每个单独的特征、系统、物品、材料、套件和/或方法。另外,如果这样的特征、系统、物品、材料、套件和/或方法并不相互矛盾,则两个或更多个这样的特征、系统、物品、材料、套件和/或方法的任何组合能够被包括在本公开内容的发明范围内。
- 一种基于边缘计算的工业现场设备控制方法、装置及系统
- 物联网边缘计算环境中异常数据的检测方法、装置及设备
- 一种飞机机载设备监测数据的边缘填充方法
- 一种时空数据的边缘计算设备
- 一种电力配网数据边缘计算模型及基于边缘计算模型的配网设备消缺辅助系统和消缺方法