本公开总体上涉及健康数据系统，并且更具体地涉及一种基于从呼吸压力疗法装置收集的数据和患者相关数据提供依从性预测的系统。
背景技术：
1、慢性疾病是全世界死亡和残疾的主要原因。到2020年，预计他们的贡献将上升到所有死亡人数的73％和全球疾病负担的60％。这与健康护理的高成本相关联。慢性疾病是健康护理成本的主要驱动因素，在美国每花费一美元，慢性疾病就占九十美分(90￠)。这一成本与人口老龄化有关。在2015年，全世界8人中有1人年龄为60岁或以上。到2030年，估计6人中有1人年龄将为60岁或以上。
2、许多患有慢性疾病的患者需要补充氧气作为长期氧气疗法(ltot)的一部分。目前，接受ltot的绝大多数患者被诊断为慢性阻塞性肺疾病(copd)的一般类别。这种一般诊断包括诸如慢性支气管炎、肺气肿和相关肺部病症的常见疾病。其他患者也可能需要补充氧气，例如需要维持升高的活性水平的肥胖患者、囊性纤维化患者或支气管肺发育不良婴儿。
3、许多此类患者利用呼吸压力疗法装置来辅助治疗呼吸或睡眠疾患。例如，cpap装置在睡眠期间需要保持空气通道打开时提供空气压力。此类装置可以用于治疗多种呼吸障碍。呼吸障碍的实例包括周期性肢体运动障碍(plmd)、不宁腿综合征(rls)、睡眠障碍性呼吸(sdb)、阻塞性睡眠呼吸暂停(osa)、呼吸努力相关唤醒(rera)、中枢性睡眠呼吸暂停(csa)、潮式呼吸(csr)、呼吸功能不全、肥胖换气过度综合征(ohs)、慢性阻塞性肺疾病(copd)、神经肌肉疾病(nmd)和胸壁障碍。这些障碍通常使用呼吸疗法系统来治疗。某些障碍可以以特定事件表征，例如呼吸暂停、呼吸不足和呼吸过度。
4、cpap疗法装置的操作依赖于充当气动夹板的持续气道正压通气，并且诸如通过向前推动软腭和舌头并且使其远离后口咽壁来防止上气道闭塞。然而，通过cpap疗法装置对睡眠呼吸暂停的治疗通常是自愿的，并且因此如果患者发现用于提供这种疗法的装置不舒服、难以使用、昂贵或美学上无吸引力，则他们可能选择不依从疗法。
5、由于用户依从性的困难，此类cpap装置被配置成在用户操作期间传送某些操作数据。这种数据允许确定被开具呼吸疗法处方的患者是否“依从”，例如，患者已经根据一个或多个“依从规则”使用他们的呼吸压力疗法装置。用于cpap疗法的依从性规则的一个实例是，为了被认为是依从性的，要求患者在九十(90)天的周期内，在连续三十(30)天中的至少二十一(21)天的夜晚中使用呼吸压力疗法装置至少四小时。为了确定患者的依从性，呼吸压力疗法装置的提供者(诸如健康护理提供者)可以使用呼吸压力疗法装置手动获得描述患者疗法的数据。提供者可以计算在预定时间周期内的使用，并且将其与依从性规则进行比较。一旦健康护理提供者已经确定患者已经根据依从规则使用他们的呼吸压力疗法装置，健康护理提供者可以通知第三方(诸如付款人)患者是依从的。
6、患者通常在首次接受装置后定期使用其cpap装置，但未能持续使用装置，因此认为患者是依从的。在这些非依从患者中，17.7％在达到依从性的5天内就诊。目前，患者装置数据不能有效地用于确定患者何时处于变得不依从的风险中，因为现有的依从性进程是由主要基于患者装置数据的规则驱动的“问题后修复”方式。这些规则是静态的，不随时间学习，具有有限的个性化，并且即使有行动组也需要手动配置和管理。另外，当前的进程不能按比例放大以分析大量的患者，因为患者不是按优先顺序排列的，而是按问题平均分组的。因此，健康护理提供者和其他行为者被迫作出关于将来哪些患者可能不依从的主观预测。此类预测是不可靠的，因为它们可能基于不同演员的不同判断而变化，并且此类演员不知道和/或不具有用于此类预测的相关数据。
7、为了增加依从性，存在为睡眠呼吸障碍和联合病症发病率较高的老年人提供技术解决方案的趋势。此类解决方案可以包括智能电话应用、持续气道正压通气(cpap)使用应用、可穿戴活动监测器、医学物联网(iomt)、人工智能(ai)和诸如wi-fi、蓝牙、4g和5g的通信技术。
8、然而，当前的慢性疾病管理治疗和相关联的辅助应用往往具有较差的结果，因为用户必须定期地与他们交互，并且可能向应用提供不准确的信息。如果用户认为某些答案可能改变保险或护理的价格/成本或可用性，则该情况尤其如此。在其他情况下，用户不能简单地判断他们的病症是否恶化，或者哪些症状比其他症状更重要。
9、有一大群患者趋向于依从性但最终达不到依从性，并且这些患者中的许多非常接近依从性。提供者具有有限的资源/时间，并且需要区分可能接近不依从但将积极地响应附加资源(诸如教练和外展服务)或对装置设置的调整并且实现依从的患者的优先级。因此，有利的是基于患者变得不依从的可能性如何来快速且有效地区分资源、对设置的调整和其他干预的优先级。因此，需要一种可以预测患者使用呼吸压力治疗装置的依从性的系统。
技术实现思路
1、一个公开的实例是一种预测患者对呼吸治疗方案的依从性的方法。从呼吸压力疗法装置收集操作数据。收集患者的人口统计数据。基于将操作数据和人口统计数据输入到具有依从性预测输出的机器学习依从性预测模型，预测治疗的依从性。根据使用呼吸压力疗法装置的患者群体的操作数据和人口统计数据来训练机器学习模型。
2、示例方法的另一实施方式是其中该方法还包括将依从性数据发送到由与患者相关联的健康护理提供者操作的用户装置。另一实施方式是其中示例方法包括将依从性数据发送到由患者操作的用户装置。另一实施方式是其中示例方法包括基于依从性预测经由用户装置向患者提供动机。另一实施方式是其中示例方法包括基于患者群体的多个分类对患者进行分类。另一实施方式是其中机器学习依从性预测模型包括基于患者分类的输出。另一实施方式是其中机器学习依从性预测模型针对每天具有预定时间周期的治疗方案输出预测。另一实施方式是其中示例方法包括与呼吸压力疗法装置通信以响应于依从性预测而改变对患者的呼吸疗法。另一实施方式是其中呼吸压力疗法装置包括电动机、鼓风机和面罩以向患者供应加压空气。所收集的操作数据包括来自流量传感器、空气压力传感器和电动机速度换能器的数据。另一实施方式是其中呼吸压力疗法装置是气道正压通气(pap)装置、无创通气(niv)装置或自适应支持通气(asv)装置中的一种。另一实施方式是其中示例方法包括从健康监测器收集生理数据。将所收集的生理数据输入到机器学习依从性预测模型以确定预测。另一实施方式是其中健康监测器包括至少一个传感器，该至少一个传感器选自以下组中的一个：音频传感器、心率传感器、呼吸传感器、ecg传感器、光学体积描记法(ppg)传感器、红外传感器、活动传感器、射频传感器、sonar传感器、光学传感器、多普勒雷达运动传感器、温度计、阻抗传感器、压电传感器、光电传感器或应变计传感器。另一实施方式是其中示例方法包括经由用户装置接收所收集的操作数据并且经由网络传送该数据。另一实施方式是其中机器学习依从性预测模型在确定预测时分析与患者相关的环境数据。另一实施方式是其中机器学习依从性预测模型在确定预测时分析与患者相关的人口统计数据。另一实施方式是其中示例方法包括为每种类型的使用数据和人口统计数据提供shap值。另一实施方式是其中所收集的操作数据用于导出使用持续时间、泄漏数据、ahi和面罩类型。另一实施方式是其中人口统计数据包括年龄和性别。另一实施方式是其中示例方法包括从调查收集患者输入数据。机器学习依从性预测模型在确定预测时分析患者输入数据。另一实施方式是其中该方法包括显示患者的依从性预测。另一实施方式是其中在示出治疗周期的日历中显示依从性预测。另一实施方式是其中日历示出了过去的依从性天数。另一实施方式是其中日历基于依从性预测示出计划的依从性周期的结束。另一实施方式是其中该方法包括显示与患者的最后一次联系尝试相关的信息。另一实施方式是其中显示器包括患者的联系数据。
3、另一公开的实例是包括指令的计算机程序产品，当由计算机执行时，该指令使计算机实行以上方法。计算机程序产品的另一实施方式是其中计算机程序产品是非暂时性计算机可读介质。
4、另一公开的实例是一种用于预测患者对呼吸治疗方案的依从性的系统。该系统包括具有发送器的呼吸压力疗法装置和向患者提供基于气流的呼吸疗法的空气控制装置。该呼吸压力疗法装置收集操作数据并且传送所收集的操作数据。患者数据库存储与患者相关联的人口统计数据。网络接收来自呼吸压力疗法装置的所收集的操作数据和来自数据库的人口统计数据。依从性分析引擎联接到网络。依从性分析引擎将所收集的操作数据和人口统计数据输入到在包括操作和人口统计数据以及所得到的依从性的大患者群体数据集上训练的依从性预测模型。依从性预测模型输出患者使用呼吸压力疗法装置对依从性的预测。
5、示例系统的另外的实施方式包括联接到依从性分析引擎的网络接口。网络接口将依从性数据发送到由与患者相关联的健康护理提供者操作的用户装置。示例系统的另一实施方式包括联接到依从性分析引擎的网络接口。网络接口将依从性数据发送到由患者操作的用户装置。另一实施方式是其中用户装置被配置成基于依从性预测向患者提供动机。另一实施方式是其中依从性分析引擎基于患者群体的多个分类对患者进行分类。另一实施方式是其中机器学习依从性预测模型包括基于患者分类的输出。另一实施方式是其中机器学习依从性预测模型针对每天具有预定时间周期的治疗方案输出预测。另一种实现方式是其中依从性分析引擎被配置成与呼吸压力疗法装置通信以响应于依从性预测来改变对患者的呼吸疗法。另一实施方式是其中呼吸压力疗法装置包括电动机、鼓风机和面罩以向患者供应加压空气。所收集的操作数据包括来自流量传感器、空气压力传感器和电动机速度换能器的数据。另一实施方式是其中呼吸压力疗法装置是气道正压通气(pap)装置、无创通气(niv)装置或自适应支持通气(asv)装置中的一种。另一实施方式是其中系统包括健康监测器。依从性分析引擎被配置成从健康监测器收集生理数据。将所收集的生理数据输入到机器学习依从性预测模型以确定预测。另一实施方式是其中健康监测器包括至少一个传感器，该至少一个传感器选自以下组中的一个：音频传感器、心率传感器、呼吸传感器、ecg传感器、光学体积描记法(ppg)传感器、红外传感器、活动传感器、射频传感器、sonar传感器、光学传感器、多普勒雷达运动传感器、温度计、阻抗传感器、压电传感器、光电传感器或应变计传感器。另一实现方式是其中该系统包括用户装置，该用户装置被配置成接收所收集的操作数据并且经由网络传送数据。另一实施方式是其中机器学习依从性预测模型在确定预测时分析与患者相关的环境数据。另一实施方式是其中机器学习依从性预测模型在确定预测时分析与患者相关的人口统计数据。另一实施方式是其中机器学习依从性预测模型为每种类型的使用数据和人口统计数据提供shap值。另一实施方式是其中所收集的操作数据用于导出使用持续时间、泄漏数据、ahi和面罩类型。另一实施方式是其中人口统计数据包括患者的年龄和性别。另一实施方式是其中依从性分析引擎从调查收集患者输入数据。机器学习依从性预测模型在确定预测时分析患者输入数据。另一实施方式是其中系统包括联接到依从性分析引擎的显示器。显示器显示了患者的依从性预测。另一实施方式是其中在示出治疗周期的日历中显示依从性预测。另一实施方式是其中日历示出了过去的依从性天数。另一实施方式是其中日历基于依从性预测示出计划的依从性周期的结束。另一实施方式是其中显示器显示了与患者的最后一次联系尝试相关的信息。另一实施方式是其中显示器包括患者的联系数据。
6、另一公开的实例是一种训练依从性预测模型的方法，该依从性预测模型用于输出患者对呼吸治疗方案的依从性的预测。收集来自每个使用呼吸压力疗法装置的患者群体的操作数据。收集来自患者群体的人口统计数据。基于操作数据确定来自患者群体的依从性数据。基于所收集的操作和人口统计数据来选择输入特征集合。用在输入特征集合中选择的所收集的操作和人口统计数据以及对应的依从性数据来训练依从性预测模型，以输出依从性预测。
7、示例方法的另一实施方式包括收集与患者群体相关的环境数据作为输入特征集合中的一个。另一实施方式是其中示例方法包括训练依从性预测模型以为该输入特征集合中的每一个提供shap值。另一实施方式是其中输入特征集合包括使用持续时间、泄漏数据、ahi和面罩类型。另一实施方式是其中人口统计数据包括年龄和性别。另一实施方式是其中该方法包括从调查收集患者输入数据作为输入特征集合中的一个。
8、以上
技术实现要素：
并不旨在表示本公开的每个实施例或每个方面。相反，前述发明内容仅提供了本文阐述的一些新颖方面和特征的实例。当结合附图和所附权利要求考虑时，从以下用于执行本发明的代表性实施例和模式的详细描述中，本公开的以上特征和优点以及其他特征和优点将显而易见。
1.一种预测患者对呼吸治疗方案的依从性的方法，所述方法包括：
2.根据权利要求1所述的方法，还包括将依从性数据发送到由与所述患者相关联的健康护理提供者操作的用户装置。
3.根据权利要求1至2中任一项所述的方法，还包括将所述依从性数据发送到由所述患者操作的用户装置。
4.根据权利要求3所述的方法，还包括基于所述依从性预测经由所述用户装置向所述患者提供动机。
5.根据权利要求1至4中任一项所述的方法，还包括基于所述患者群体的多个分类对所述患者进行分类。
6.根据权利要求5所述的方法，其中所述机器学习依从性预测模型包括基于所述患者的所述分类的输出。
7.根据权利要求1至6中任一项所述的方法，其中所述机器学习依从性预测模型针对每天具有预定时间周期的所述治疗方案输出所述预测。
8.根据权利要求1至7中任一项所述的方法，还包括与所述呼吸压力疗法装置通信以响应于所述依从性预测而改变对所述患者的呼吸疗法。
9.根据权利要求1至8中任一项所述的方法，其中所述呼吸压力疗法装置包括电动机、鼓风机和面罩以向所述患者供应加压空气，并且其中所收集的操作数据包括来自流量传感器、空气压力传感器和电动机速度换能器的数据。
10.根据权利要求9所述的方法，其中所述呼吸压力疗法装置是气道正压通气(pap)装置、无创通气(niv)装置或自适应支持通气(asv)装置中的一种。
11.根据权利要求1至10中任一项所述的方法，还包括从健康监测器收集生理数据，其中所收集的生理数据被输入到所述机器学习依从性预测模型以确定所述预测。
12.根据权利要求11所述的方法，其中所述健康监测器包括至少一个传感器，所述至少一个传感器选自以下组中的一个：音频传感器、心率传感器、呼吸传感器、ecg传感器、光学体积描记法(ppg)传感器、红外传感器、活动传感器、射频传感器、sonar传感器、光学传感器、多普勒雷达运动传感器、温度计、阻抗传感器、压电传感器、光电传感器或应变计传感器。
13.根据权利要求1至12中任一项所述的方法，还包括经由用户装置接收所收集的操作数据并且经由网络传送所述数据。
14.根据权利要求1至13中任一项所述的方法，其中所述机器学习依从性预测模型在确定所述预测时分析与所述患者相关的环境数据。
15.根据权利要求1至14中任一项所述的方法，其中所述机器学习依从性预测模型在确定所述预测时分析与所述患者相关的人口统计数据。
16.根据权利要求1至15中任一项所述的方法，还包括为每种类型的使用数据和人口统计数据提供shap值。
17.根据权利要求1至16中任一项所述的方法，其中所收集的操作数据用于导出使用持续时间、泄漏数据、ahi和面罩类型。
18.根据权利要求1至17中任一项所述的方法，其中所述人口统计数据包括所述患者的年龄和性别。
19.根据权利要求1至18中任一项所述的方法，还包括从调查收集患者输入数据，并且其中所述机器学习依从性预测模型在确定所述预测时分析所述患者输入数据。
20.根据权利要求1至19中任一项所述的方法，还包括显示所述患者的所述依从性预测。
21.根据权利要求20所述的方法，其中所述依从性预测显示在示出治疗周期的日历中。
22.根据权利要求21所述的方法，其中所述日历示出了过去的依从性天数。
23.根据权利要求21所述的方法，其中所述日历基于所述依从性预测示出计划的依从性周期的结束。
24.根据权利要求19至23中任一项所述的方法，还包括显示与所述患者的最后一次联系尝试相关的信息。
25.根据权利要求24所述的方法，其中所述显示包括所述患者的联系数据。
26.一种包括指令的计算机程序产品，所述指令在由计算机执行时使所述计算机执行根据权利要求1至25中任一项所述的方法。
27.根据权利要求26所述的计算机程序产品，其中所述计算机程序产品是非暂时性计算机可读介质。
28.一种预测患者对呼吸治疗方案的依从性的系统，所述系统包括：
29.根据权利要求28所述的系统，还包括联接到所述依从性分析引擎的网络接口，所述网络接口将依从性数据发送到由与所述患者相关联的健康护理提供者操作的用户装置。
30.根据权利要求28至29中任一项所述的系统，还包括联接到所述依从性分析引擎的网络接口，所述网络接口将所述依从性数据发送到由所述患者操作的用户装置。
31.根据权利要求30所述的系统，其中所述用户装置被配置成基于所述依从性预测向所述患者提供动机。
32.根据权利要求28至31中任一项所述的系统，其中所述依从性分析引擎基于所述患者群体的多个分类对所述患者进行分类。
33.根据权利要求32所述的系统，其中所述机器学习依从性预测模型包括基于所述患者的所述分类的输出。
34.根据权利要求28至33中任一项所述的系统，其中所述机器学习依从性预测模型针对每天具有预定时间周期的所述治疗方案输出所述预测。
35.根据权利要求28至34中任一项所述的系统，其中所述依从性分析引擎被配置成与所述呼吸压力疗法装置通信以响应于所述依从性预测而改变对所述患者的所述呼吸疗法。
36.根据权利要求28至35中任一项所述的系统，其中所述呼吸压力疗法装置包括电动机、鼓风机和面罩以向所述患者供应加压空气，并且其中所述所收集的操作数据包括来自流量传感器、空气压力传感器和电动机速度换能器的数据。
37.根据权利要求36所述的系统，其中所述呼吸压力疗法装置是气道正压通气(pap)装置、无创通气(niv)装置或自适应支持通气(asv)装置中的一种。
38.根据权利要求28至37中任一项所述的系统，还包括健康监测器，其中所述依从性分析引擎被配置成从所述健康监测器收集生理数据，其中所收集的生理数据被输入到所述机器学习依从性预测模型以确定所述预测。
39.根据权利要求38所述的系统，其中所述健康监测器包括至少一个传感器，所述至少一个传感器选自以下组中的一个：音频传感器、心率传感器、呼吸传感器、ecg传感器、光学体积描记法(ppg)传感器、红外传感器、活动传感器、射频传感器、sonar传感器、光学传感器、多普勒雷达运动传感器、温度计、阻抗传感器、压电传感器、光电传感器或应变计传感器。
40.根据权利要求28至39中任一项所述的系统，还包括被配置成接收所述所收集的操作数据并且经由网络传送所述数据的用户装置。
41.根据权利要求28至40中任一项所述的系统，其中所述机器学习依从性预测模型在确定所述预测时分析与所述患者相关的环境数据。
42.根据权利要求28至41中任一项所述的系统，其中所述机器学习依从性预测模型在确定所述预测时分析与所述患者相关的人口统计数据。
43.根据权利要求28至42中任一项所述的系统，其中所述机器学习依从性预测模型为每种类型的使用数据和人口统计数据提供shap值。
44.根据权利要求28至43中任一项所述的系统，其中所述所收集的操作数据用于导出使用持续时间、泄漏数据、ahi和面罩类型。
45.根据权利要求28至44中任一项所述的系统，其中所述人口统计数据包括所述患者的年龄和性别。
46.根据权利要求28至45中任一项所述的系统，其中所述依从性分析引擎从调查收集患者输入数据，并且其中所述机器学习依从性预测模型在确定所述预测时分析所述患者输入数据。
47.根据权利要求28至46中任一项所述的系统，还包括联接到所述依从性分析引擎的显示器，其中所述显示器显示所述患者的所述依从性预测。
48.根据权利要求47所述的系统，其中所述依从性预测显示在示出治疗周期的日历中。
49.根据权利要求48所述的系统，其中所述日历示出了过去的依从性天数。
50.根据权利要求48所述的系统，其中所述日历基于所述依从性预测示出计划的依从性周期的结束。
51.根据权利要求47至50中任一项所述的系统，其中所述显示器显示与所述患者的最后一次联系尝试相关的信息。
52.根据权利要求51所述的系统，其中所述显示器包括所述患者的联系数据。
53.一种训练依从性预测模型的方法，所述依从性预测模型用于输出患者对呼吸治疗方案的依从性的预测，所述方法包括：
54.根据权利要求53所述的方法，还包括收集与所述患者群体相关的环境数据作为所述输入特征集合中的一个。
55.根据权利要求53至54中任一项所述的方法，还包括训练所述依从性预测模型以为所述输入特征集合中的每一个提供shap值。
56.根据权利要求53至55中任一项所述的方法，其中所述输入特征集合包括使用持续时间、泄漏数据、ahi和面罩类型。
57.根据权利要求53至56中任一项所述的方法，其中所述人口统计数据包括年龄和性别。
58.根据权利要求53至57中任一项所述的方法，还包括从调查收集患者输入数据作为所述输入特征集合中的一个。
