用于动态监测药物和抗微生物药耐药趋势的系统和方法与流程

用于动态监测药物和抗微生物药耐药趋势的系统和方法
1.相关申请的交叉引用
2.本技术要求于2020年2月25日提交的美国临时申请no.62/981,439的权益，其全部内容通过引用并入本文。
技术领域
3.本公开的实施例涉及提供在具体到患者、具体到设施和具体到区域的基础上对具体病原体的耐药率、具体抗生素方案治疗耐药病原体的成功率、相关病原体对新的抗生素方案的易感率的动态态势感知(situational awareness)的系统和方法。本公开的系统和方法包括数据处理，包括数据库和文件管理，以及用于优化治疗方案和基于关于耐药率、治疗成功率和易感率和治疗结果分析的实时数据改善患者结果的数据库系统。


背景技术：

4.抗生素耐药感染的增长和传播速度继续以惊人的速度增加。美国每年大约发生280万例抗生素耐药感染，造成35,000人死亡。虽然在了解和减少抗生素耐药感染(或所谓的“超级病菌”)的传播方面取得了进展，但由可以迅速传播的细菌和微生物引起的无法治愈的传染病的威胁仍在继续增长。耐药性通常与滥用和过度使用抗生素和其他微生物治疗有关，这导致细菌演变成耐治疗菌株。解决抗生素耐药性对于确保救命药物有效并及时输送、改善患者预后至关重要。


技术实现要素：

5.本文所述的系统、方法和设备各自具有若干方面，其中没有一个单独负责其期望属性。在不限制本公开的范围的情况下，现在将简要描述几个非限制性特征。
6.本公开的实施例涉及用于合并和分析来自离散和变化的数据集的数据并基于合并的数据动态地生成和应用定制模型的数据库系统(在本文中也称为“系统”)。本公开的电子数据库提供数字数据记录的存储和检索。此类数据库中的数据记录可以以电子方式自动更新和实时处理，无需人工干预。
7.在一个方面，提供了一种用于对特定患者选择治疗方案的系统。该系统包括：第一数据存储装置，其包括对第一多个患者的第一多个患者记录；第二数据存储装置，其包括针对多个感染和引起感染的病原体的多个治疗方案的疗效率；以及硬件处理器。硬件处理器被配置为执行计算机可执行指令以：从用户接收特定患者的第一感染的指示和为治疗第一感染而开出的第一治疗方案；通过在第一数据存储装置的第一多个患者记录中识别与第一感染的诊断或治疗相关联的患者记录，生成包括第二多个患者记录的第一数据库；生成第二数据库，该第二数据库包括第二多个患者记录，附有来自第二数据存储装置的对第一感染的疗效率；以及生成动态模型，该动态模型被配置为确定第一治疗方案是治疗第一感染的适当治疗方案的可能性估计。动态模型被配置为：基于第二数据库，识别第一治疗方案治疗第一感染的第一疗效率；以及从第二数据库中识别第二治疗方案治疗第一感染的第二疗
效率。硬件处理器进一步被配置为执行计算机可执行指令以在识别的第一疗效率小于第一阈值水平或识别的第二疗效率大于第二阈值水平时向用户生成第一警报。第一数据存储装置可以不断地用附加患者记录填充。硬件处理器可以进一步被配置为动态地且自动地执行计算机可执行指令以：基于附加患者记录的与第一感染相关联的患者记录来更新第一数据库和第二数据库；以及更新第一疗效率和第二疗效率。
8.计算机可执行指令可以进一步被配置为从用户接收保健设施的指示，其中由计算机可执行指令识别的第二多个患者记录是与第一感染和所指示的保健设施相关联的患者记录。
9.计算机可执行指令可以进一步被配置为从用户接收地理区域的指示，其中由计算机可执行指令识别的第二多个患者记录是与第一感染和所指示的地理区域相关联的患者记录。
10.计算机可执行指令可以进一步被配置为从用户接收时间段的指示，其中由计算机可执行指令识别的第二多个患者记录是与所指示的时间段内的第一感染的诊断或治疗相关联的患者记录。
11.计算机可执行指令可以被配置为过滤附有疗效率的第二多个患者记录以包括与多个治疗方案中的特定治疗方案、与第一感染相关的感染、地理区域和保健设施中的至少一个相关联的患者记录。
12.计算机可执行指令可以进一步被配置为如果在更新第一疗效率和第二疗效率之后，第一疗效率下降到低于第一阈值或第二疗效率上升到高于第二阈值，则向用户生成第二警报。
13.在另一方面，提供了一种计算机实施的方法。计算机实施的方法使用包括对第一多个患者的第一多个患者记录的第一数据存储装置和包括针对多个感染和引起感染的病原体的多个治疗方案的疗效率的第二数据存储装置来对特定患者选择治疗方案。计算机实施的方法包括，在一个或多个处理器的控制下：接收特定患者的第一感染的指示和为治疗第一感染而开出的第一治疗方案；通过在第一数据存储装置的第一多个患者记录中识别与第一感染的诊断或治疗相关联的患者记录，生成包括第二多个患者记录的第一数据库；生成第二数据库，该第二数据库包括第二多个患者记录，附有来自第二数据存储装置的对第一感染的疗效率；以及生成动态模型，该动态模型被配置为确定第一治疗方案是治疗第一感染的适当治疗方案的可能性估计。动态模型进一步被配置为：基于第二数据库，第一治疗方案识别治疗第一感染的第一疗效率；以及从第二数据库中识别第二治疗方案治疗第一感染的第二疗效率。计算机实施的方法进一步包括在一个或多个处理器的控制下，当识别的第一疗效率小于第一阈值水平或识别的第二疗效率大于第二阈值水平时接收生成第一警报。
14.第一数据存储装置可以不断地用附加患者记录填充，并且计算机实施的方法可以进一步包括：基于附加患者记录的与第一感染相关联的患者记录来更新第一数据库和第二数据库；以及更新第一疗效率和第二疗效率。
15.计算机实施的方法可以进一步包括接收保健设施的指示，其中第二多个患者记录是与第一感染和所指示的保健设施相关联的患者记录。
16.计算机实施的方法可以进一步包括接收地理区域的指示，其中第二多个患者记录
是与第一感染和所指示的地理区域相关联的患者记录。
17.计算机实施的方法可以进一步包括接收时间段的指示，其中第二多个患者记录是与所指示的时间段内的第一感染的诊断或治疗相关联的患者记录。
18.计算机实施的方法可以进一步包括过滤附有疗效率的第二多个患者记录以包括与多个治疗方案中的特定治疗方案、与第一感染相关的感染、地理区域和保健设施中的至少一个相关联的患者记录。
19.计算机实施的方法可以进一步包括如果在更新第一疗效率和第二疗效率之后，第一疗效率下降到低于第一阈值或第二疗效率上升到高于第二阈值，则生成第二警报。
20.下面参考所附权利要求描述本公开的附加实施例，其可以用作本公开的附加发明内容。
21.在各个实施例中，公开了包括与一个或多个非暂时性计算机可读存储设备通信的一个或多个硬件计算机处理器的计算机系统，其中一个或多个硬件计算机处理器被配置为执行多个计算机可执行指令以使计算机系统执行包括上述实施例的一个或多个方面(包括所附权利要求的一个或多个方面)的操作。
22.在各个实施例中，公开了计算机实施的方法，其中在配置有具体计算机可执行指令的一个或多个硬件计算设备的控制下，实施和/或执行上述实施例的一个或多个方面(包括所附权利要求的一个或多个方面)。
23.在各个实施例中，公开了存储软件指令的计算机可读存储介质，其中，响应于具有一个或多个硬件处理器的计算系统的执行，软件指令将计算系统配置为执行包括上述实施例的一个或多个方面的操作(包括所附权利要求的一个或多个方面)。
24.尽管以下公开了某些实施例和示例，但本发明主题超出具体公开的实施例，延伸到其他替代实施例和/或用途以及其修改和等效物。因此，本技术的范围不受下述任何特定实施例的限制。例如，在本文公开的任何方法或过程中，方法或过程的动作或操作可以以任何合适的顺序执行并且不必限于任何特定公开的顺序。可以以有助于理解某些实施例的方式依次将各个操作描述为多个离散操作；然而，描述的顺序不应被解释为暗示这些操作是依赖于顺序的。此外，本文所述的结构、系统和/或设备可以体现为集成部件或分开的部件。为了比较各个实施例的目的，描述了这些实施例的某些方面和优点。不一定所有这些方面或优点都通过任何特定实施例来实现。因此，例如，可以以实现或优化如本文所教导的一个优点或一组优点的方式来执行各个实施例，而不必实现也如本文可教导或建议的其他方面或优点。
附图说明
25.现在将参考附图结合各个方面描述本技术的上述方面以及其他特征、方面和优点。然而，所示的方面仅仅是示例并且不旨在进行限制。
26.本文所描绘的图和对应的描述可以利用涉及患者、医生、其他护理提供者(诸如护士、药剂师和微生物学家)、药物、疾病和病症以及对应的实体和记录的示例。但是，这些实体和记录可以被其他实体和记录替换。
27.图1a是根据实施例的用于提供关于数据库记录的电子通知的药物数据库系统的框图或数据流程图；
28.图1b-图1i是根据实施例的可以在图1a的药物数据库系统的数据流程图中实施的示例表格和图；
29.图2图示了根据本公开的一个实施例的被称为动态系统的治疗方案数据库系统的框图或数据流程图的示例；
30.图3是根据实施例的通信流程图的一个实施例，描绘了在图2的系统的各个部件之间传递的用于提供关于数据库记录的电子通知的通信；
31.图4图示了根据实施例的可从图2的系统获得的重叠的见解水平(levels of insights)的图；
32.图5图示了根据实施例的图2的系统的一个可能的组织的框图，该组织可以动态地生成和应用用于跟踪药物疗效的模型并跟踪用于基于来自一个或多个数据库的信息识别潜在耐药性状况的情况；
33.图6是对应于图2的动态系统和/或系统的示例实施例的硬件和/或软件部件的一个方面的框图。
具体实施方式
34.本公开的系统和方法有利地在各个水平(包括在具体到患者水平、具体到设施水平和具体到区域水平)实施抗微生物药管理和抗微生物药耐药性(amr)目标。本公开的系统和方法在三个核心水平下向医疗人员提供关于药物和抗微生物药耐药性趋势的动态、实时见解和态势感知：区域见解和态势感知、具体到设施的见解和态势感知，以及具体到患者的见解和态势感知。
35.医生、护士、药剂师、医疗人员、医疗管理人员、医疗研究人员和参与诊断和治疗传染病的其他实体(以下简称医疗实体)了解耐药感染的公共卫生威胁以及滥用和过度使用特定药物可以增加这种耐药性。医疗实体可以接收更新的药物疗效信息，但以非常不频繁的间隔(例如，每5-7年)，并且基于跨越广泛时间范围和地理区域的汇总数据。此外，在为患者诊断和开药时，临床医生(诸如医生)可能无法意识到哪些可用的治疗方案(包括药物的类型和剂量)可能是合适的或不合适的(例如，哪些治疗方案已被经验和临床证明可有效解决感染并且哪些没有)。
36.此外，在诊断出感染之前，医生可以基于患者呈现的症状来评估治疗方案。在某些情况下，医生可能对患者先前的感染和治疗信息没有足够的了解。例如，被医生诊断的患者可能已经从不同的地理区域前往医生的保健设施，或者可能已经在前往或访问不同的地理区域时被感染。因此，医生可能对引起感染的病原体的起源和类型(并且特别是病原体对哪些治疗方案耐药或易感)的信息不充分或不准确。结果，医生可能基于医生的设施的地理区域以及医生可以同时从患者那里收集的信息来诊断感染并开出治疗方案。因此，医生可能依赖诊断测试结果(例如，血液测试、培养、细菌识别和易感性测试等)，这可能会花费时间并延迟医生准确诊断传染病和开出适当的治疗方案所需的信息。因此，医生可能不知道引起感染的病原体是否起源于该病原体对治疗方案的耐药性比其他地区强或弱的地理区域，具体患者是否具有由相同病原体引起的先前感染历史，具体患者是否具有对该病原体的治疗的耐药性的历史(出于与病原体相关或无关的原因)，和/或医生对相同或类似感染的先前诊断和处方是否已成功解决，其中任何一项可能对医生应该给病人开什么治疗方案有指
导意义。
37.为了准确地诊断传染病和开出有效的治疗方案，医疗实体需要动态地和实时地接收准确的信息。在对患者进行诊断并且已经开出治疗方案之后接收到的信息不如在诊断期间和开出治疗方案之前接收到的信息有用。此外，提供有关医生开出有效治疗方案的频率的信息可以有助于允许医生通过识别滥用或过度使用抗生素药物来调整其实践以改善患者护理，并允许医生识别如何调整以改善患者护理。
38.开出不适当治疗方案的医生可能不知道如何纠正或改善他们的护理标准。医生可能没有意识到，他们有不同的药物选择，这些药物的疗效率自医生上次研究或接收到关于疗效率的更新后发生了变化。此外，医生在治疗特定的当前患者时，医生可能不知道他们选择的治疗方案是否成功解决了先前患者的传染病(例如，他们的先前患者是否通过给予开出的药物类型和剂量从感染中恢复)。例如，虽然医生记得先前的患者患有感染x，并且医生开了治疗方案a，但医生可能不知道开出的治疗方案是否解决了先前患者的感染x。因此，医生可能会在不知道治疗方案a是否针对感染x有效或是否存在要考虑的其他因素的情况下，为表现出感染x的症状的当前患者开出治疗方案a(例如，当前患者具有对使用药物a的治疗的耐药性的历史，当前患者在已知具有对药物a耐药的感染x的菌株的地理区域患上了感染x，等等)。此外，在诊断(或重新诊断)感染的过程中，以及在感染得到部分治疗、接近完成治疗或治疗失败的临床范围内，资源将不可避免地重复。缓解资源重复增加了整体财务价值主张，并有助于加快患者安全和护理。
39.本公开的系统和方法的实施例在患者护理的诊断阶段和/或开处方阶段向医疗实体提供动态更新的信息，从而允许医生定制和调整开出的疗法以改善对特定患者的当前情况的护理，同时考虑最近的过去疗法。本公开的系统和方法使用来自各个数据存储装置的实时或接近实时的数据输入，并使用这些数据输入来具体关注当前患者和当前患者的具体需求和情况。除了具体到患者的见解外，数据输入还与具体到设施的见解和具体到区域的见解有关。作为非限制性示例，如果患者在国外旅行时感染了病原体，则系统和方法可以分析由相同病原体在国外引起的类似感染的记录，以在开出治疗方案时考虑结果相关变量(例如，耐药性、病原体的不同菌株等)。
40.此外，在许多情况下，医生可能不知道为了识别对特定患者的引起感染的病原体而进行哪些测试。例如，当患者具有对该病原体或类似病原体的传统疗法的耐药性的历史时，测试特定的引起感染的病原体是否对特定治疗方案是耐药的可能更有用。但是，如果医生被告知第一患者可能感染了病原体a的耐药菌株，并且第二患者感染了病原体a的非耐药菌株，则医生可以使用与为第二患者开出的治疗方案不同的治疗方案来治疗第一患者，例如，通过要求第一患者进行附加血培养测试以测试对其他抗生素的耐药性，但不使用宝贵的、有限的血培养测试资源来测试第二患者中的耐药性。此外，医生可能会基于已识别或怀疑的耐药性为第一患者和第二患者开出不同的治疗方案。
41.动态更新的参数的概述
42.本公开的实施方式解决了在治疗感染疾病中信息流和态势感知的上述缺陷。本文描述的系统和方法在与抗微生物药管理和诊断资源管理直接相关的五个参数中提供动态更新的具体到区域、设施和患者的见解和分析。尽管在本公开全文中提及“医生”或“特定医生”，但应理解，本文描述的系统和方法的实施例向涉及患者护理的任何医疗实体提供动态
见解和态势感知。
43.参数1：具体病原体或感染的耐药率
44.在第一步中，如果在定义的时间范围内特定实体的设施中和特定实体的地理区域内对具体病原体或感染的耐药率高，本公开的系统和方法使用动态更新的数据通知医疗实体。与此参数相关的见解可以基于在医生选择的时间范围内或由医生的设施、监管机构或任何其他实体建立的时间范围内收集的数据。在一个非限制性示例中，时间范围是在医生请求或接收到动态更新的数据之日结束的季度或三个月时段。其他示例时间范围包括前一天、前一周、前两周、前一个月、前两个月、前六个月和前一年。应当理解，可以在本公开的实施例中实施任何合适的时间范围。数据可以以多个形式提供给医生。在时间范围是前一季度的一个非限制性示例中，医生识别医生正在考虑为特定患者开出的抗生素治疗方案。
45.响应于识别的抗生素的接收，本公开的系统和方法可以向医生显示可以使用选择的抗生素进行治疗的相关或高活性的多药耐药(mdr)病原体的季度热图。示例性mdr病原体包括但不限于耐碳青霉烯类肠杆菌科(cre)和鲍曼不动杆菌(acb)。本公开的系统和方法可以显示尿液、皮肤/伤口或呼吸道培养物对相关或高活性mdr病原体呈阳性的季度热图。在接收到这些类型的季度热图中的一个或两个后，医生会动态地了解与医生的设施(诸如医院或门诊护理设施)的抗菌谱相比，某些抗生素候选者在治疗由耐药病原体引起的特定感染方面比其他抗生素候选者更盛行。
46.参数2：特定医生的地理区域和设施中的相关抗生素使用(例如，医嘱、配药和/或施用)
47.本公开的系统和方法使用动态更新的数据通知医疗实体，在实体的特定地理区域和实体的特定设施中有多少相关抗生素使用来治疗以上参数1中识别的具体病原体。应当理解，有关抗生素使用的信息可以包括有关已在实体的地理区域或设施中医嘱(ordered)、配药(filled)和/或施用的抗生素的信息。在一个非限制性示例中，本公开的实施例通知医生已经评估了用于治疗具体识别的耐药性类型的抗生素的相关性的研究。例如，在carb ns/cre的情况下，本文所述的系统和方法显示了评估新型抗生素治疗carb ns/cre(例如xerava、vabomere、avycaz、zemdri、zerbaxa和粘菌素)的相关性的研究。本公开的系统和方法可以评估和显示其他相关信息，诸如但不限于在特定医生的地理区域和设施中与相关抗生素使用相关的可能或普遍并发症。例如，开出了基于多粘菌素的治疗方案的患者出现肾功能不全的百分比可以作为见解提供给医生。作为另一个非限制性示例，可以基于在以上参数1下选择的抗生素向医生提供与抗生素组合方案有关的见解。
48.最后，治疗的意图与医师开处方的模式有关，这也可能因地理区域和当地文化习俗而异。此外，亚专科医生(physician subspecialists)通常可以“超控(override)”入院(admitting)或普通医师医嘱。因此，医嘱的药物与施用的药物可能在体积、量级和数量上有所不同。取决于分析的类型和目的，在本公开的实施例中可以优先使用对医嘱的和施用的药物(或在非卧床环境中配药的药物)中的一个或两个的分析的系统和方法。
49.与该参数有关的见解可以基于在医生选择的时间范围内或由医生的设施、监管机构或任何其他实体建立的时间范围内收集的数据。在一个非限制性示例中，时间范围是在医生请求或接收动态更新的数据的日期结束的季度。其他示例时间范围包括前一天、前一周、前两周、前一个月、前两个月、前六个月和前一年。应当理解，可以在本公开的实施例中
实施任何合适的时间范围。
50.参数3：在特定医生的地理区域和设施中抗生素使用不适当的频率
51.本公开的系统和方法使用动态更新的数据通知医疗实体在医疗实体的地理区域和医疗实体的设施中参数1中选择的抗生素被不适当地选择以治疗耐药病原体的频率。在一个非限制性示例中，本公开的实施例动态地通知医生在上述参数1下选择的抗生素在最近一个季度整体和局部(在医生的地理区域和医生的设施中)的无效经验性治疗(iet)率。在另一个非限制性示例中，本公开的实施例动态地通知医生最近一个季度整体和局部(在医生的地理区域和医生的设施中)对于常见感染的无效经验性治疗(iet)率。示例常见感染包括但不限于sssi、菌血症、cap、hcap、hap/vap、尿路感染(uti)。
52.与该参数相关的见解可以基于在医生选择的时间范围内或由医生的设施、监管机构或任何其他实体建立的时间范围内收集的数据。在一个非限制性示例中，时间范围是在医生请求或接收动态更新的数据的日期结束的季度。其他示例时间范围包括前一天、前一周、前两周、前一个月、前两个月、前六个月和前一年。应当理解，可以在本公开的实施例中实施任何合适的时间范围。
53.参数4：在特定医生的地理区域和设施中测试新抗生素的相关病原体和新抗生素的易感性
54.本公开的系统和方法使用动态更新的数据通知医疗实体，市场上可用的较新的抗生素治疗方案针对以上参数2和3中识别的相关病原体进行测试的频率。动态更新的数据可以包括关于实体的特定地理区域和实体的特定设施中较新的抗生素的易感性的信息。有利地，本公开的实施例可以使用真实世界数据确定易感率，使用真实世界数据确定正在执行什么类型的患者测试，以及是否在可能需要这种测试的入院中进行测试。
55.在一个非限制性示例中，本公开的系统和方法按总体和按来源评估测试的病原体对以上参数1中识别的特定抗生素的易感率和最小抑制浓度(mic)分布。常规微生物例行测试小组中不包含的较新的抗生素示例包括xerava、vabomere、avycaz、zemdri和/或zerbaxa。在另一个非限制性示例中，本公开的系统和方法评估较新的抗生素的测试的季度趋势。在又一个示例中，本公开的系统和方法针对与特定耐药性类型相关联的总体和具体到来源的耐药率评估国家和地方对这些选择的抗生素的测试率。例如，该信息可以包括对特定耐药性类型的耐药率热图。本公开的实施例可以评估这些见解以支持在以上参数1中识别的候选抗生素的选择。
56.与该参数相关的见解可以基于在医生选择的时间范围内或由医生的设施、监管机构或任何其他实体建立的时间范围内收集的数据。在一个非限制性示例中，时间范围是在医生请求或接收动态更新的数据的日期结束的季度。其他示例时间范围包括前一天、前一周、前两周、前一个月、前两个月、前六个月和前一年。应当理解，可以在本公开的实施例中实施任何合适的时间范围。
57.参数5：识别具体感染和耐药性类型的具体到患者风险因素
58.本公开的系统和方法使用动态更新的数据通知医疗实体，在以上参数1至4中识别的具体感染和耐药性类型的患者风险因素。本公开的实施方式可以在患者群体上开发风险评分，其允许医疗实体通过感染来区分具体病原体类型(例如，ssi、cap、hcap)。例如，风险评分可以考虑与特定耐药性或病原体类型相关联的风险因素。在另一个示例中，风险评分
可以考虑与这些风险因素相关联的混合耐药性或病原体类型。本公开的实施方式可以开发增量模型来指导对具体混合耐药性或病原体类型的覆盖的需要。动态更新的数据可以包括关于实体的特定地理区域和实体的特定设施中较新的抗生素的易感性的信息。有利地，本公开的实施例可以使用真实世界数据确定易感率，使用真实世界数据确定正在执行什么类型的患者测试，以及是否在可能需要这种测试的入院中进行测试。
59.与该参数有关的见解可以基于在医生选择的时间范围内或由医生的设施、监管机构或任何其他实体建立的时间范围内收集的数据。在一个非限制性示例中，时间范围是在医生请求或接收动态更新的数据的日期结束的季度。其他示例时间范围包括前一天、前一周、前两周、前一个月、前两个月、前六个月和前一年。应当理解，可以在本公开的实施例中实施任何合适的时间范围。
60.图1a是根据本公开的实施例的提供针对上述参数的动态更新的具体到区域、设施和患者的见解和分析的示例方法的框图或数据流程图。方法10的流程图可以由本文描述的任何设备(例如系统100的计算系统102或动态系统103，下文将进一步详细描述)执行。在一些实施例中，方法10的一个或多个步骤/框可以被消除或与另一个步骤/框组合，或者附加步骤/框可以被添加到方法10。
61.在框12处，该方法包括接收来自用户(诸如但不限于医生、医院管理员或其他保健专业人员)的输入。例如，用户是评估患有由病原体引起的病症的患者的医生。来自医生的输入可以包括医生正在考虑开出的特定抗生素的选择，和/或医生怀疑或已确认导致病症的病原体，诸如细菌感染。在一些实施例中，用户提供包括病原体和抗生素两者的输入(例如，当医生用选择的抗生素正在治疗或计划治疗选择的病原体时)。在一些实施例中，输入仅包括选择的病原体(例如，当医生不确定使用哪种抗生素来治疗选择的病原体时)。在一些实施例中，输入仅包括选择的抗生素(例如，当医生不确定是什么具体病原体导致感染，但知道使用什么抗生素来一般性地治疗患者的症状时)。
62.基于选择的抗生素和/或病原体，方法10移动到框14，在框14中识别隶属于选择的抗生素和/或病原体的耐药率。例如，方法10从一个或多个数据库(例如，第二数据存储装置108，下面更详细地描述)中识别并获得或审查信息(例如，研究、报告、培养信息、热图、抗菌谱等中的一个或多个)。示例研究如图1b所示。在一个非限制性实施例中，医生可以评估该研究和其他适用的研究，以评定最近一个季度在医生的地理区域(诸如区域2)或医生的设施(诸如区域2中的急症护理机构)中对选择的抗生素和/或病原体的耐药率是否高。在示例研究中，医生可以确定carb-ns铜绿假单胞菌在医生的地理区域(区域2)中的不易感率(17.1％)明显高于区域1、3和4。方法10可以获得信息并将其存储在本地，例如存储在系统100的数据库中。
63.例如，基于选择的抗生素，方法10获得相关的热图。示例热图在图1c中图示。此示例热图示了住院患者中针对具体病原体(病原体x)的尿液分离物(urine isolates)的地理发病率(每1000次入院)。示例病原体是esbl-ent(超广谱β-内酰胺酶肠杆菌科)。使用此热图，医生可以评定在医生的特定地理区域(南加州)中的尿液分离物中的病原体x的发病率相对于其他地理区域较高。进一步的详细信息可以在与上述参数1相关联的描述中找到。此外，方法10可以获得与选择的病原体和/或选择的抗生素相关的热图。在另一示例中，当医生提供选择的抗生素和选择的病原体两者时，方法10识别针对选择的病原体和选择的抗生
素的热图，或仅识别其中一个或另一个。热图可以示出针对选择的抗生素和/或选择的病原体的耐药性信息。例如，具体到选择的抗生素的热图示出在特定地理区域或设施中以及在特定时间段期间或之内选择的抗生素相对于通常由选择的抗生素治疗的病原体的耐药性。与选择的抗生素和选择的病原体两者相关的热图可以示出在特定地理区域或设施中以及在特定时间段期间或之内的选择的病原体相对于选择的抗生素的耐药性(例如，如通过尿液、皮肤/伤口或呼吸道培养物确定的)。在一些实施例中，用户还选择特定地理区域或设施和/或特定时间段作为系统100的输入。在一些实施例中，特定地理区域或设施和/或特定时间段是预定的。预定可以是基于例如用户的位置、设施或系统可检测的参数的静态预定。预定可以是基于系统可检测的一个或多个参数的动态预定。例如，如果用户是移动诊所用户，则系统可以识别距移动诊所用户使用的移动设备的当前位置在阈值距离内(例如，在50或100英里内)的地理区域。基于所获得的信息，方法10可以确定选择的抗生素候选者如何或多或少地普遍用于治疗选择的病原体，同时考虑选择的病原体的任何耐药性特征。在一些实施例中，在框14处，方法10还基于选择的抗生素和/或病原体识别特定耐药性类型。
64.一旦在框14获得各个数据，方法10可以在框16处识别用于治疗耐药病原体的相关抗生素使用。在一些实施例中，如果用户选择病原体并且选择的病原体不是耐药的，则方法10的这个步骤/框可以被省略或绕过(通过系统100或通过用户的选择)。在一些实施例中，选择的病原体是耐药的并且系统100识别用以治疗选择的病原体的抗生素的相关使用。识别的抗生素可以包括选择的抗生素或通常用于治疗选择的耐药病原体的抗生素。框16可以包括获得信息，例如，具体到选择的抗生素或通常用于治疗选择的耐药病原体的抗生素的研究。在一些实施例中，所获得的信息还包括关于特定抗生素的并发症或副作用、包括多个抗生素的治疗方案等的信息。关于框16的进一步的详细信息可以在上面与参数2相关联的描述中找到。所获得的信息可以与特定地理区域或设施相关，并且在特定时间段期间或之内，对于选择的病原体相对于选择的抗生素(例如，如通过尿液、皮肤/伤口或呼吸道培养物确定)。在一些实施例中，用户还选择特定地理区域或设施和/或特定时间段作为方法10的输入。在一些实施例中，特定地理区域或设施和/或特定时间段是预定的。预定可以是基于例如用户的位置、设施或系统可检测的参数的静态预定。预定可以是基于系统可检测的一个或多个参数的动态预定。例如，如果用户是移动诊所用户，则系统可以识别距移动诊所用户使用的移动设备的当前位置在阈值距离内(例如，在50或100英里内)的地理区域。
65.示例研究在图1d中示出。在一个非限制性实施例中，医生可以评估该研究以评定医生的地理区域中和/或医生设施中发生了治疗框12中识别的具体耐药病原体的多少相关抗生素使用。使用图1d中所示的研究，例如，医生可以评定4个类别的抗生素(类别a、类别b、类别c和类别d)的累积高风险抗生素使用(按总体高风险抗生素使用率排序)。抗生素的示例类别包括头孢菌素类、氟喹诺酮类、碳青霉烯类和林可酰胺类。例如，医生可以确定医生的医院中类别d抗生素的累积抗生素使用特别高。
66.在框18处，方法10确定治疗耐药病原体的相关的不适当抗生素使用的详细信息，并使用该信息来通知用户选择的抗生素(或另一抗生素)被不适当地选择以治疗选择的病原体的频率。例如，方法10获得与有效治疗率相关的信息(例如，从一个或多个数据库)。例如，方法10识别和/或接收选择的抗生素针对选择的耐药病原体的有效治疗率(在特定时间段期间和在特定地理区域或设施中)。替代地或附加地，方法10识别和/或接收选择的抗生
素针对通常对其应用该抗生素的常见耐药病原体的有效治疗率。替代地或附加地，方法10识别和/或接收通常使用得一个或多个抗生素针对选择的耐药病原体的有效治疗率。关于框18的进一步详细信息可以在上面与参数3相关联的描述中找到。所获得的信息可以与特定地理区域或设施有关，并且在特定时间段期间或之内，对于选择的病原体相对于选择的抗生素。在一些实施例中，用户还选择特定地理区域或设施和/或特定时间段作为系统100的输入。在一些实施例中，特定地理区域或设施和/或特定时间段是预定的。预定可以是基于例如用户的位置、设施或系统可检测的参数的静态预定。预定可以是基于系统可检测的一个或多个参数的动态预定。例如，如果用户是移动诊所用户，则系统可以识别距移动诊所用户使用的移动设备的当前位置在阈值距离内(例如，在50或100英里内)的地理区域。
67.示例研究在图1e、图1f和图1g中示出。在一个非限制性示例中，医生可以评定在医生的地理区域和/或设施中针对具体感染/耐药性类型不适当的抗生素使用的频率。例如，医生可以评估图1e(针对病原体y的复杂尿路感染(cuti)的初始经验性抗生素疗法)和图1f(具有由病原体y引起的cuti的患者的临床特征)中所呈现的适当和不适当的抗生素使用。示例病原体包括肠杆菌科。在图1g所示的另一个非限制性示例中，医生可以按病原体类别评估抗生素a到抗生素s的不适当经验疗法(iet)。示例抗生素包括万古霉素-iv、哌拉西林/他唑巴坦-iv、克林霉素-iv、头孢吡肟-iv，头孢曲松-iv，美罗培南-iv，左氧氟沙星-iv，头孢唑林-iv，氨苄西林/舒巴坦-iv，达托霉素-iv，利奈唑胺-iv，环丙沙星-iv，头孢洛林-iv，磺胺甲恶唑/甲氧苄啶-口服，厄他培南-iv，强力霉素-口服、环丙沙星-口服、甲硝唑-iv和左氧氟沙星-口服。
68.在框20处，方法10可以识别可用于治疗选择的病原体或替代选择的抗生素或两者的一个或多个抗生素。在一些实施例中，这种识别包括接收和/或解析与可用抗生素相关的信息。例如，方法10可以接收和评估病原体(诸如选择的病原体或相关耐药病原体)和抗生素(诸如选择的抗生素或通常用于治疗选择的病原体或相关耐药病原体的抗生素)之间的易感率。在一些实施例中，该信息涉及新抗生素的测试或测试趋势和/或测试率(例如，是否正在测试新的治疗方案)。关于框20的进一步详细信息可以在上面与参数4相关联的描述中找到。所获得的信息可以与特定地理区域或设施有关，并且在特定时间段期间或之内，对于选择的病原体相对于选择的抗生素。在一些实施例中，用户还选择特定地理区域或设施和/或特定时间段作为系统100的输入。在一些实施例中，特定地理区域或设施和/或特定时间段是预定的。预定可以是基于例如用户的位置、设施或系统可检测的参数的静态预定。预定可以是基于系统可检测的一个或多个参数的动态预定。例如，如果用户是移动诊所用户，则系统可以识别距移动诊所用户使用的移动设备的当前位置在阈值距离内(例如，在50或100英里内)的地理区域。
69.示例研究在图1h中示出。在一个非限制性实施例中，医生可以评估该研究以评定市场上可用的较新的抗生素针对框12中选择的病原体进行测试的频率。例如，使用图1h中所示的研究，医生可以评估针对较新的抗生素(在这种情况下为c/t(头孢唑烷/他唑巴坦))测试的非重复psa(铜绿假单胞菌)分离物的来源分布。
70.在框22处，方法10可以识别与选择的病原体和/或抗生素或确定的具体感染类型相关的患者风险因素。在一些实施例中，患者风险因素包括例如针对患者群体的风险评分。风险因素可以允许通过病原体类型或耐药性类型来识别或解析，或者基于风险因素来识别
病原体类型或耐药性类型。例如，方法10可以使用风险因素来识别具有特定(例如，用户选择或预定的)风险因素的特定的特定耐药性或病原体类型(或混合耐药性或病原体类型)。此外，方法10可以生成一个或多个模型(例如，动态模型)以识别特定的混合耐药性或病原体类型和/或针对选择的病原体使用的特定抗生素。关于框22的进一步详细信息可以在上面与参数5相关联的描述中找到。所获得的信息可以与特定地理区域或设施有关，并且在特定时间段期间或之内，对于选择的病原体相对于选择的抗生素。在一些实施例中，用户还选择特定地理区域或设施和/或特定时间段作为系统100的输入。在一些实施例中，特定地理区域或设施和/或特定时间段是预定的。预定可以是基于例如用户的位置、设施或系统可检测的参数的静态预定。预定可以是基于系统可检测的一个或多个参数的动态预定。例如，如果用户是移动诊所用户，则系统可以识别距移动诊所用户使用的移动设备的当前位置在阈值距离内(例如，在50或100英里内)的地理区域。
71.示例研究在图1i中示出。在一个非限制性实施例中，医生可以评估该研究和相关研究以针对框12中选择的病原体识别具体感染类型(例如，皮肤和皮肤结构感染(sssi)、尿路感染(uti)、肺炎菌血症、cap、hcap、hap/vap)的患者风险因素。例如，使用图1i中所示的研究，医生可以通过索引(index)psa感染非易感性(ns)状态评估在后索引铜绿假单胞菌(psa)入院时作为经验性疗法开处方的抗假单胞菌β-内酰胺。示例抗生素包括抗假单胞菌β-内酰胺、碳青霉烯类(carb)、超广谱头孢菌素(esc2)和哌拉西林/他唑巴坦(tzp)。
72.在一些实施例中，方法10在框24处向用户生成可定制的输出。在一些实施例中，向用户的输出是交互式报告或通知，例如向用户提供通过如关于图1a和上述参数描述的方法10获得的各个信息。由方法10生成的报告可以包括例如选择的抗生素(或当方法10识别出更有效的替代物用于对抗选择的病原体时的替代抗生素)。在一些实施例中，报告包括获得的热图、报告和其他相关信息。因此，框24可以生成与方法10的处理相关并且基于与上述讨论相关的各个框的输出和参数的输出。
73.在一些实施例中，用户可以通过用户接口与方法10交互。因此，用户可以具有基于提供给实施方法10的系统100的输入来选择执行方法10的哪些步骤的选项。例如，如果用户已经确认将在治疗方案中使用特定抗生素，则用户可以选择跳过新抗生素的识别。
74.提供动态更新的参数的示例数据库系统
75.本公开的实施例可以包括数据库系统(本文中也称为“系统”)，该数据库系统用于集成来自远程、可能不同的数据库系统的数据并动态生成电子通知(在本文中也称为“通知”或“警报”)到各个医疗实体，例如使用一个或多个定制模型来提供与上述参数1至5中的任何一个或组合相关的动态更新的数据。来自不同数据库系统的数据的子集可以被处理、合并和进一步过滤以匹配医疗实体选择的要求和标准。此外，还可以应用各个过滤器，包括地理过滤器、设施类型过滤器、治疗方案过滤器、病原体过滤器、耐药性类型过滤器和/或感染类型过滤器，以将合并的数据子集聚合和/或解析成数据集，该数据集可以用于动态生成电子通知，而不会使可用的处理能力或存储器存储紧张，当数据集的使用水平太细时，可能会发生这种情况。合并的数据子集的聚合还可以帮助改善准确性水平，当大量数据集被合并时，准确性水平也会下降。
76.本公开的实施例还可以允许系统和/或方法在将数据添加到数据库和/或个体实体时请求(选择的过滤器等)可能不同的情况下以时间有效的方式进行这样的处理、合并、
过滤、聚合和/或警报。
77.系统和方法可以依赖于来自多个数据库的数据馈送，其中多个数据库中的一个或多个数据库包括不同格式和/或与不同信息和/或地理区域相关的数据。动态生成的定制警报可以基于用于处理数据并基于其生成输出的各个定制模型和规则来生成。处理数据可以包括例如聚合、过滤、合并、比较和/或精炼数据库中的数据以及自动生成新的数据文件和/或数据库。
78.术语
79.为了便于理解本文讨论的系统和方法，下面描述了多个术语。下文描述的术语以及本文使用的其他术语应广义地解释为包括所描述的信息、这些术语的普通和习惯含义、和/或相应术语的任何其他隐含含义。因此，以下描述不限制这些术语的含义，而仅提供示例性描述。
80.数据存储装置：包括任何计算机可读存储介质和/或设备(或数据存储介质和/或设备的集合)。数据存储装置的示例包括但不限于光盘(例如，cd-rom和dvd-rom)、磁盘(例如，硬盘、软盘等)和存储器电路(例如，固态驱动器和随机存取存储器(“ram”))。数据存储装置的另一个示例是托管存储环境，该环境包括可以远程访问并且可以根据需要快速供应的物理数据存储设备的集合(通常称为“云”存储)。
81.数据库：包括用于存储和/或组织数据的任何数据结构(和/或多个数据结构的组合)，包括但不限于关系数据库(例如，oracle数据库和mysql数据库)、非关系数据库(例如，nosql数据库)、内存数据库、电子表格，逗号分隔值(“csv”)文件、可扩展标记语言(“xml”)文件、text(“txt”)文件、平面文件、电子表格文件和/或任何其他广泛使用或专有的数据存储格式。数据库通常存储在一个或多个数据存储装置中。因此，在本文提及的每个数据库(例如，本文描述和/或本技术的附图中)将被理解为存储在一个或多个数据存储装置中。
82.数据库记录和/或记录：包括存储在数据库中的一个或多个相关数据项。构成记录的一个或多个相关数据项可以在数据库中例如通过公共键值和/或公共索引值相关。
83.电子通知、通知和/或警报：包括记录的计算、分析和/或其他处理的结果的电子通知。例如，通知可以向用户(诸如医疗实体)指示记录的计算、分析和/或其他处理的结果。通知可以电子方式传输，并且可以引起一个或多个过程的激活，如本文所述。
84.用户和/或医疗实体：包括向系统提供输入(例如，请求)的实体和/或利用设备接收事件通知、通知或警报的实体(例如，有兴趣接收通知的用户)。用户的非限制性示例包括医师、护士、药剂师、医疗人员、医疗管理员、医疗研究人员和监管机构。
85.根据本公开的动态系统的示例操作
86.图2图示了根据本公开的一个实施例的被称为动态系统103或系统103的治疗方案数据库系统的示例框图或数据流程图。系统103使用各个数据库中的数据库记录来动态生成电子通知，例如关于治疗方案疗效率、抗生素使用和感染率(按地理区域和设施)、耐药性热图以及与上述参数1至5有关的其他信息。在一些实施方式中，图1a中的一个或多个框可以是可选的，可以添加附加框，和/或可以重新排列框。如图所示，系统103是系统100的一部分，参照图5进一步详细描述系统100。
87.系统103包括第一过滤器112信息、过滤后的记录114、合并的内部数据库记录116、过滤器118、动态模型120和生成的通知。第一过滤器112被配置为过滤第一数据存储装置
104中的记录。在一些实施例中，第一数据存储装置104存储关于患者群体的信息。第一过滤器112可以包括用户选择的内容(例如，选择的抗生素和/或选择的病原体)。动态系统103可以使用第一过滤器112来识别第一数据存储装置104中满足、匹配或以其他方式基于过滤器内容的多个记录，并且过滤器对患者群体的具体子集执行计算。第一数据存储装置104中的数据库记录可以表示患者，并且可以包括患者的姓名、地址(包括城市、县、州、国家和邮政编码)、先前的医疗历史、先前的治疗方案(包括关于先前的治疗方案的效果的信息)、当前的医疗状况(包括疑似或确认的感染)、已知的健康问题或医疗状况，以及当前开出的治疗方案。在一些实施例中，第一过滤器112包括用于对由系统存储在第一数据存储装置104中的数据库记录应用或执行一个或多个具体过滤功能或计算的指令。系统103可以向第一数据存储装置104查询具体数据集并对数据执行计算(基于第一过滤器112)以自动生成过滤后的记录114的集合。下面描述这种指令和/或过滤器和/或计算的非限制性示例。系统可以确定第一过滤器112包括对在第一数据存储装置104中具有记录且居住在具体地理区域(诸如，例如识别的地理区域、邮政编码、邮政编码 4地区、城市、县、州、5个具体邮政编码的集合或任何其他合适的地理区域)内的人的数量执行计数的指令。
88.例如，第一过滤器112可应用于第一数据存储装置104中的记录以生成或识别第一数据存储装置104的与第一过滤器112相关或在应用第一过滤器112之后剩余的那些记录。在一个非限制性实施例中，第一数据存储装置104包括已经在特定护理机构(诸如具体医院或门诊设施)入院或治疗的患者或者居住在特定地理区域(例如县或州)的患者的医疗记录。继续这个非限制性示例，第一过滤器112可以包括以下中的一个或多个：特定感染、特定引起感染的病原体、引起感染的病原体的特定菌株、开给一个或多个患者的治疗方案(包括诸如抗生素的药物的类型和剂量信息)，或该州的特定城市。通过将第一过滤器112应用于第一数据存储装置104中的记录，动态系统103生成过滤后的记录114的第一集合，其仅包括来自第一数据存储装置104的与第一过滤器112的用户选择的参数匹配的那些记录。因此，当第一数据存储装置104包括针对特定州的所有患者记录并且第一过滤器112包括针对耐甲氧西林金黄色葡萄球菌(mrsa)感染的过滤器时，所得到的过滤后的记录114仅包括来自第一数据存储装置104的涉及在特定州中的感染或曾经感染mrsa的患者的那些记录。
89.在一些实施例中，第二数据存储装置108可以包括关于治疗方案针对特定感染或引起感染的病原体的疗效率的记录。在一些实施例中，记录可以包括特定地理区域、不同感染菌株、不同类别的患者、不同治疗方案等的详细信息。
90.如上所述，过滤后的记录114包括来自第一数据存储装置104的满足第一过滤器112的那些记录。在一些实施例中，动态系统103将来自第二数据存储装置108的治疗方案疗效数据与过滤后的记录114组合，以生成组合或合并的内部数据库记录116。这样的记录组合可以包括进一步附有来自第二数据存储装置108的疗效信息的过滤后的记录114。因此，对于合并的内部数据库记录116中的每个患者记录，合并的内部数据库记录116中的记录可以包括每个患者的详细信息，包括该患者的(一个或多个)当前感染和(一个或多个)当前治疗方案(以及其他信息)，附有来自第二数据存储装置108的疗效信息。每个患者的详细信息还可以包括有关该患者的(一个或多个)先前感染以及治疗这些先前感染的先前治疗方案的信息。在一个非限制性示例中，针对感染有mrsa的患者的指示使用甲氧苄啶-磺胺甲恶唑(tmp-smx)治疗的患者记录附有使用基于上一季度聚合的真实世界数据动态更新的信息建
立的tmp-smx针对mrsa的疗效率。在本公开的实施例中，所附信息具体到患者生活或被感染的地理区域，和/或具体到患者正在其中接受治疗的设施。
91.在一些实施例中，合并的内部数据库记录116包括第一数据存储装置104的对应的数据库记录中包括的一项或多项(或所有项)以及来自第二数据存储装置108的所附信息。动态系统103可以使过滤后的记录114动态地附有来自第二数据存储装置108的信息(例如，当在第一数据存储装置104或第二数据存储装置108中接收到新的数据或记录时，或者以规则的时间间隔，例如，每天、每周、每月、每两个月、每两年、每年、每28天或任何其他合适的时间表)。在一些实施例中，当动态系统103的用户请求信息时，动态系统103可以过滤和合并来自第一数据存储装置104和第二数据存储装置108的记录。
92.有利地，存储这样的过滤后的记录并将过滤后的记录与疗效信息合并可以加速动态系统103的后续处理，诸如，例如定制模型的动态生成和/或附加过滤或合并操作。例如，如下所述，通过实时或周期性存储与治疗方案或感染相关联的患者记录子集，诸如被mrsa感染并用静脉万古霉素治疗的那些患者，当系统接收到用户请求时，可以更快地分析这些记录并将其与按一个或多个水平组织的其他数据集合并。索引是可以更快地访问数据的一种方式。影响索引过程和索引所需资源的因素包括被索引的记录的数量、索引中包含的字段的数量以及索引中包含的字段中存储的数据的尺寸。可以对信息的子集进行专门索引，以加快将来对记录的检索和分析，同时使用资源高效的索引。
93.在一些实施例中，第一数据存储装置104和第二数据存储装置108中的一个或多个可以例如每天、每周、每月、每两个月、每两年、每年、每28天或任何其他类型的时间表进行更新。在一些实施例中，可以按需或者每当检测到具体变化阈值时(例如，记录的2％已经更新，记录的某些字段的0.8％已更新，等等)更新第一数据存储装置和/或第二数据存储装置108。
94.在一些实施例中，合并的内部数据库记录116被存储在与第一数据存储装置104和/或第二数据存储装置108分开的文件中，而在其他实施例中，合并的内部数据库记录116被存储在第一数据存储装置104和第二数据存储装置108之一中。在一些实施例中，分开存储合并的内部数据库记录116可以有一些优点，诸如，例如当访问的数据集与第一数据存储装置104和/或第二数据存储装置108中的完整记录集相比是比较小的数据集时，或者作为另一个示例，当合并的内部数据库记录116被存储为文件或存储在比第一数据存储装置104和/或第二数据存储装置108可以更容易读取和访问的系统中时。在一些实施例中，合并的内部数据库记录116本地存储在动态系统103内，而在其他实施例中，合并的内部数据库记录116远离动态系统103存储，诸如存储在外部数据库或第二数据存储装置108中。如果与第二数据存储装置108分开，则合并的内部数据库记录116可以由动态系统103处理，而无需进一步与第一数据存储装置104或第二数据存储装置108通信以处理合并的内部数据库记录116。
95.在该示例过程的下一步中，动态系统103然后可以将过滤器118应用到合并的内部数据库记录116。这可以实时或周期性地发生，如上所述。在一些实施例中，过滤器118包括存储在动态系统103中或由动态系统103访问的一个或多个标准。过滤器118可以用于将见解集中在特定治疗方案、感染、地理区域等上。在一些实施例中，从应用过滤器118生成的数据子集被存储为与合并的内部数据库记录116分开的数据库，而在其他实施例中，过滤后的
数据子集存储在临时存储器位置，诸如被访问以用于动态模型120的ram或缓冲存储器，下面将详细讨论。
96.在一些实施例中，当应用过滤器118时，过滤器118的一个或多个标准基于用户输入。例如，用户可以利用计算设备与动态系统103对接并请求关于具体地理区域内的具体治疗方案针对特定感染或特定病原体的疗效的信息。应当理解，在某些情况下，尚未最终确定特定感染或病原体，并且可以基于患者经历的症状向用户提供见解。在一些实施例中，附加信息(诸如感兴趣的日期)由用户提供作为数据参数。例如，用户还可以提供指令以过滤当前日期之前六个月的时间段之外的结果，以确保在分析和处理中使用的信息是及时和相关的。
97.在一些实施例中，动态系统103(例如，经由动态模型生成器)可以动态地生成和应用动态模型120(例如，作为定制模型或定制建模算法)，该动态模型120在应用过滤器118之后对过滤后的子集进行分组以确定用于治疗当前感染的适当治疗方案的预测或可能性估计。动态系统103可以使用上述各个形式的数据来生成动态模型120。使用上面的示例，动态系统103可以获取针对具体感染或病原体、具体治疗方案和具体地理区域的过滤后的患者记录集，以动态生成动态模型120，该动态模型120通过优化选择的治疗方案在给定的时间段、给定的地理区域等内对所讨论的感染具有最高(或足够高)的疗效的可能性来确定具有治疗当前感染的最高疗效率(或比其他候选治疗方案更高的疗效率)的治疗方案。在一些实施例中，动态模型120考虑上述不同的参数1-5并生成输出到用户的报告，包括风险因素和/或风险评分。动态模型120可以是动态的，因为模型本身是如何用可能影响由动态模型120生成的输出的附加信息连续更新。
98.在一些实施例中，动态系统103可以生成和/或识别用于生成推荐的疗效率阈值。例如，当治疗方案具有小于第一阈值的疗效率时，然后系统100可以不推荐该特定治疗方案。在一个非限制性示例中，当治疗方案具有的疗效率下降到低于90％的第一阈值时，系统100不推荐该特定治疗方案。替代地或附加地，如果疗效率高于第二阈值，则可以推荐第二(例如，较新的)治疗方案而不是第一(较旧的或先前选择的)治疗方案，即使第一治疗方案具有可接受的疗效率(例如，高于第一阈值)。在一个非限制性示例中，如果疗效率大于80％的第二阈值，则推荐第二(例如，较新的)治疗方案而不是第一(较旧的或先前选择的)治疗方案，即使第一治疗方案具有的疗效率超过90％的第一阈值。应当理解，这些示例第一阈值和第二阈值不是限制性的，并且本公开的实施例可以使用其他可接受的第一阈值和第二阈值来适当地实施。
99.例如，用户可以寻求关于在特定地理区域治疗mrsa的最佳(最合适)治疗方案的见解和态势感知。用户可以过滤第一数据存储装置104中的患者记录(例如，经由第一过滤器112，包括感染mrsa)以生成过滤后的记录114，该过滤后的记录114仅包括暴露于mrsa的患者的那些患者记录(在用户的具体地理区域、患者居住的具体地理区域、患者患上感染的具体地理区域、用户的具体设施或这些的任何组合)以及在这些情况下用于治疗mrsa的对应的治疗方案。动态系统103通过将来自第二数据存储装置108的疗效率应用到过滤后的记录114来生成合并的内部数据库记录116。动态系统103然后可以进一步过滤合并的内部数据库记录116(例如，基于地理区域、感兴趣的时间段等中的一个或多个)。然后可以使用生成的记录的子集生成定制模型，该定制模型用于基于当前患者的医疗信息和记录的子集中的
记录、合并的内部数据库记录116或过滤后的记录114来识别治疗mrsa感染的最佳(最合适)治疗方案。如上所述，本公开的实施例包括考虑具体到患者的信息的(一个或多个)动态模型120，诸如但不限于具体患者先前暴露于导致当前感染的相同病原体，具体患者先前已确认或可能由相同病原体引起的感染，以及具体患者先前对相同感染的治疗的耐药性(使用与用户当前正在考虑治疗当前感染的治疗方案相同或不同的治疗方案)。
100.本文所述的动态建模(如由动态模型120执行的)可以允许更新各个治疗方案的疗效率信息，并鉴于诊断出的感染为推荐的治疗方案提供警报或通知，而不必使医疗设施的计算系统负担过重。例如，本公开的实施例可以通过关注由系统(或系统的用户)识别的参数而不是不相关的参数，并输送对这些参数的相关见解，从而避免医疗设施的计算系统负担过重。例如，可以开发对特定地理区域或特定时间范围的见解，而无需处理其他不相关的地理区域或时间范围的数据。作为另一个示例，本公开的实施例可以通过基于实时或接近实时更新的数据动态生成患者和疗效率信息来避免医疗设施的计算系统负担过重，从而减少计算系统的存储器需求。如上所述，第一数据存储装置104和第二数据存储装置108中的一个或多个可以每天、每周或每月或者任何其他合适的时间表频繁地更新。
101.动态系统103还可以动态地或周期性地(例如，每天、每周、每月、每两个月、每季度、每半年等)生成输出文件或通知122，并发送通知警报或通知包。生成的通知包或警报可以包括数字和/或电子消息。通知包可以包括用以治疗患者的当前感染的用户选择的治疗方案的指示。通知包可以包括用户应该访问动态系统103以审查来自与动态系统103相关联的各个数据存储装置和数据库的记录的指示。通知可以发送给提供过滤标准的用户，和/或发送给用户或通知包指示的任何其他接收者。此外，可以通过任何适当的方式来输送通知包。使用上面的示例，动态系统103可以发送通知包，该通知包包括关于基于在定义的时间段内获得的疗效数据在给定地理区域中治疗感染的最佳治疗方案的信息。
102.在一些实施例中，这样的通知警报(在本文中也称为通知122)可以包括推荐不要开出特定治疗方案的通知，以及开出替代治疗方案的推荐。本文所述的动态建模可以使动态系统103能够通过监视和聚合患者记录并分析它们来生成更新的疗效率以识别导致疗效率增加或降低的因素。动态建模可以考虑各个地理因素、时间段等以确定更新的疗效率。
103.在一些实施例中，警报和/或通知被自动传输到由与对应的通知相关联的用户操作的设备。例如，警报和/或通知可以在生成警报和/或通知时，或在生成警报和/或通知之后的某个预定时间，传输到下面参考图3和图5描述的计算设备106。当计算设备106接收到警报和/或通知时，警报和/或通知可以使计算设备106经由激活计算设备106上的应用程序(例如，浏览器、移动应用程序等)来显示警报和/或通知。例如，警报和/或通知的接收可以自动激活计算设备106上的应用程序，诸如消息传递应用程序(包括但不限于sms或mms消息传递应用程序)、独立应用程序(例如，用户的消息传递应用程序)或浏览器，并显示警报和/或通知中包含的信息。如果在传输警报和/或通知时计算设备106离线，则可以在计算设备106在线时自动激活应用程序，使得显示警报和/或通知。作为另一示例，接收到警报和/或通知可以使浏览器打开并被重定向到由系统100生成的登录页面，使得用户可以登录到系统100并查看警报和/或通知。替代地，警报和/或通知可以包括与警报和/或通知相关联的网页的url(或其他在线信息)，使得当计算设备106接收到警报时，自动激活浏览器(或其他应用程序)并经由因特网访问警报和/或通知中包含的url。
104.在一些实施方式中，警报和/或通知可以自动地直接路由到交互式用户接口，用户(例如医生或管理员)可以在交互式用户接口中查看和/或评估警报和/或通知。在另一个示例中，警报和/或通知可以自动地直接路由到打印机设备，在打印机设备中可以将警报和/或通知打印在报告中以供用户审查。在另一个示例中，警报和/或通知可以自动地直接路由到电子工作队列设备，使得来自通知的信息可以自动显示给用户，并且可选地，来自通知的信息可以自动用于例如联系(例如，拨打电话号码)通知中表示的实体(诸如但不限于主管或医院管理员)。在进一步的示例中，警报和/或通知可以作为输入自动路由到外部系统(例如，馈送到药房的处方管理系统、医院患者管理系统或健康保险客户关系管理系统)。
105.在一些实施例中，如果开出治疗方案所针对的感染比给定阈值更具耐药性(例如，在给定的地理区域中超过50％的耐药性，使得治疗方案的有效性低于50％)，则通知122可以指示或推荐医生不要开出由医生最初选择的治疗方案。替代地或附加地，如果不同的治疗方案比选择的治疗方案更有效(意味着耐药性更小)，则通知122可以向医生指示推荐以开出更有效的治疗方案。例如，如果不同的治疗方案具有大于第二阈值的疗效率(例如，在给定区域或给定设施中针对感染的有效性超过70％)，则通知122可以推荐该不同的治疗方案而不是最初选择的治疗方案。
106.在各个实施方式中，第一数据存储装置104、第二数据存储装置108、过滤后的记录114、合并的内部数据库记录116和/或这些数据库或其他数据库和/或系统的数据存储设备的任何组合可以组合和/或分开成附加的和/或在应用过滤器118之后生成的记录子集可以合并到一个或多个公共数据库中或分开到不同的数据库。
107.图3是根据本公开的实施例的示例通信流程图300，其描绘了在图2的系统100的各个部件之间传递的用于提供关于数据库记录的电子通知的通信。通信流程图300图示了系统100的几个部件。该非限制性实施例的通信流程涉及计算设备106、数据存储装置104和108以及动态系统103。虽然未示出，但是计算设备106、数据存储装置104和108以及动态系统103中的每一个可以经由网络(诸如下文详细描述的图5的网络110)耦合。因此，例如，所描绘的部件中的每一个可以被配置为通过网络连接进行通信。
108.在一个实施例中，计算设备106被配置为接收用户输入302。接收用户输入302的计算设备106可以是以下参考图5描述的计算设备102。在一些实施例中，用户输入302可以是选择的抗生素和选择的病原体中的一个或多个。此外，用户输入302可以包括地理限制和/或感兴趣的时间段或持续时间。用户输入302可以全部在单个时间或在不同时间或间隔提供。类似地，数据存储装置104和108可以被配置为接收或获得各个类型的信息，包括患者信息和/或健康记录、病原体信息(包括耐药性信息、易感性信息等)、抗生素信息(包括耐药性信息、易感性信息、测试信息等)、热图和耐药性研究。在一些实施例中，患者信息和健康记录被存储在第一数据存储装置104中并且剩余信息被存储在第二数据存储装置108中。
109.基于接收到的用户输入302，动态系统103可以生成对动态系统103的用户请求304。对动态系统103的用户请求304可以包括选择的抗生素、选择的病原体、特定地理区域，以及特定时间段或时间范围中的一个或多个。当计算设备102接收到用户输入302时，计算设备102可以基于接收到的用户输入302生成用户请求304。
110.动态系统103可以接收用户请求304并且基于用户请求304生成对目标的见解的一个或多个请求。例如，对目标的见解的请求可以包括对特定患者、特定设施和/或特定地理
的见解的请求。替代地或附加地，见解306的请求可以包括在特定时间段或时间范围内对与选择的抗生素和/或选择的病原体有关的见解的请求。
111.基于接收到的见解306的请求，数据存储装置104和108可以获得和/或访问数据。例如，第一数据存储装置104和第二数据存储装置108可以获得或访问患者记录；病原体信息；抗生素信息；热图；耐药性研究、信息和证据等。在308处，数据存储装置104和108可以将获得或访问的数据提供给动态系统103。在一些实施例中，从数据存储装置104和108提供给动态系统103的相关信息包括患者记录或来自患者记录的信息，病原体信息(例如，有关病原体的耐药性的详细信息，以及类似信息)，有关选择的抗生素的详细信息，热图(例如，由动态系统103或系统100先前生成的那些)，以及其他相关信息。动态系统103可以使用来自用户请求304的信息和相关信息308来生成和/或更新动态模型310。动态模型310使用用户请求304和相关信息308来生成关于治疗选择的病原体的最佳抗生素和/或治疗方案的分析或附加信息。在一些实施例中，最佳抗生素可以是选择的抗生素或另一种抗生素。动态模型310可以解析接收到的请求和相关信息308以识别关于选择的抗生素针对选择的病原体的疗效的信息，其可以包括耐药性信息。
112.在310处生成或更新动态模型之后，动态系统103可以在312处向用户提供报告。在一些实施例中，报告可以包括用于生成推荐的抗生素和/或治疗方案以及相关风险因素的动态系统103的一条或多条信息(在本文中进一步详细描述)。报告312还可以包括热图、病原体信息、患者信息和来自数据存储装置104和/或108的其他信息，以及由动态系统103生成的与推荐的抗生素和/或治疗方案和对应的选择相关的分析。报告312可以包括所有这些信息以允许用户审查与推荐相关的任何信息。
113.图4图示了根据本公开的实施例的可供图2的系统100的用户使用的重叠的见解水平的图形400。例如，图形400示出了系统100可以提供的多个见解水平。第一水平(具体到患者的见解水平402)可以包括具体到特定患者的见解。因此，基于各个输入(图4中所示的示例)，系统100可以基于输入识别一个或多个特定患者见解，并将这些见解输送到用户。在一个非限制性示例中，系统100可以识别被检查或复查的具体患者当前是否被具体病原体感染或先前被具体病原体感染。在另一个非限制性示例中，系统100可以识别被检查或复查的具体患者是否具有与特定治疗方案相关联的健康风险。在又一个非限制性示例中，系统100可以识别具体患者是否先前使用具体治疗方案治疗或者当前使用具体治疗方案治疗。如上面详细描述的，系统100可以在患者护理时间线中的最佳窗口期间有利地将这些和其他见解输送到用户。
114.第二水平(对应于图形400中的下一个最大的圆)表示具体到设施的见解404，表示对特定设施的见解。具体到设施的见解可以包括对在特定设施治疗的患者的见解。例如，系统100可以识别正在检查具体病原体、治疗具体病原体、确定暴露于具体病原体等的患者。因此，对特定设施的具体到设施的见解404固有地包括对在特定设施治疗的患者的具体到患者的见解402。
115.第三水平(对应于图形400中的下一个最大的圆)表示具体到地理的见解406，其表示对特定地理区域的见解。具体到地理的见解可以包括对存在于特定地理区域内的设施的具体到设施的见解。例如，系统100可以识别特定地理区域内正在检查具体病原体、治疗具体病原体、确定暴露于具体病原体等的所有患者，这将包括在特定地理区域内的任何特定
设施处治疗的任何特定患者。因此，对特定地理区域的具体到地理的见解406固有地包括对特定地理区域内的任何设施的具体到设施的见解404和对在特定地理区域内的设施处治疗的患者的具体到患者见解402。如上所述，这些见解可以基于实时或在具体时间段(包括在用户请求见解之日结束的时间段)内聚合的实时数据。因此，本公开的系统和方法的实施例可以在三个核心水平(具体到地理区域的见解和态势感知、具体到设施的见解和态势感知以及具体到患者的见解和态势感知)向临床工作人员提供动态、实时的见解和态势感知。
116.根据本公开的动态系统的附加示例实施方式
117.图5和图6图示了根据本公开的实施方式的被配置为与系统100中的数据存储装置进行通信的动态系统103的附加非限制性实施例。
118.系统概述
119.图5图示了根据本公开的实施例的图2的系统的一种可能的组织的框图，该系统可以动态地生成和应用用于跟踪药物疗效的模型并跟踪用于基于来自一个或多个数据库的信息识别潜在耐药性状况的情况。系统100可以允许用户动态地生成用于处理源自各个数据库的记录和数据的模型，其中模型可以基于来自用户的动态变化的需求从数据中生成输出(例如，报告和通知)。
120.图5的系统100包括与计算设备102对接的动态系统103、第一数据存储装置104、第二数据存储装置108、附加计算设备106和网络110。另外，示出了通信链路使系统100的部件之间能够经由网络110进行通信。计算设备102被示为以本地方式(例如，经由本地通信链路)通信地耦合到动态系统103，尽管动态系统103可以集成到计算设备102或反之亦然，或者可经由网络110访问。此外，在一些实施例中，本文描述的数据存储装置中的一个或多个可以组合成单个数据存储装置，该单个数据存储装置在计算设备102本地或远离计算设备102。在一些实施例中，上述部件中的两个或更多个可以被集成。在一些实施例中，部件中的一个或多个可以从通信系统100中排除，或者图5中未示出的一个或多个部件可以被包括在通信系统100中。通信系统100可以用于实施本文所述的系统和方法。
121.在一些实施例中，网络110可以包括任何有线或无线通信网络，通过这些网络可以在多个电子和/或计算设备之间传达数据和/或信息。无线或有线通信网络可以用于采用广泛使用的联网协议，将附近的设备或系统互连在一起。本文所述的各个方面可以适用于任何通信标准，诸如无线802.11协议。计算设备102可以包括被配置为经由网络110为医疗实体传输和接收数据和信息的任何计算设备。医疗实体可以是个人(例如，个人医生或护士)或机构，诸如但不限于企业、非营利组织、教育机构、医疗设施。在一些实施例中，计算设备102可以包括或可以访问一个或多个数据库(例如，第一数据存储装置104和第二数据存储装置108)，其中包括各个记录和信息，这些记录和信息可以用于生成定制输出。在一些实施例中，计算设备102可以在本地可访问以及经由网络110可远程访问。计算设备102可以基于与患者相关联的事件(例如，先前的感染、先前开出的治疗方案、健康状况、健康事件和健康风险)创建定制输出。这些事件(以及对应的信息)可以用于动态生成模型，针对该模型开出治疗方案，以确保针对特定感染、特定病原体或特定病原体耐药菌株的最大疗效。
122.第一数据存储装置104可以包括一个或多个数据库或数据存储装置，并且还可以存储关于任何历史或当前事件的数据。使用示例用例，第一数据存储装置104可以包括患者记录，该患者记录包括患者姓名、联系信息、地址信息、医疗信息、当前和过去的感染、开出
的先前治疗方案、患者被感染的地理区域(或基于居住地或旅行信息可能被感染的地理区域)，以及患者生病的日期。在一些实施例中，第一数据存储装置104可以为特定地理区域内的患者提供数据，如用户经由一个或多个计算设备106或计算设备102定义的那样。例如，第一数据存储装置104可以提供关于由州、县、邮政编码或其他地理标识符定义的地理区域中的患者的详细信息。
123.计算设备102、106可以包括被配置为经由网络110传输和接收数据和信息的任何计算设备。在一些实施例中，计算设备106可以被配置为执行对传输和接收的数据和信息的分析并且/或者基于执行的分析和/或传输和接收的数据和信息执行一个或多个动作。在一些实施例中，一个或多个计算设备102、106可以包括移动或固定计算设备，包括但不限于个人计算机、服务器计算机、手持或膝上型设备、多处理器系统、基于微处理器的系统、微控制器或基于微控制器的系统、可编程消费电子产品、网络pc、小型计算机、大型计算机、包括任何上述系统或设备的分布式计算环境以及智能电话。因此，本文所述的用户(例如，医生、医院管理员等)可以使用这些类型的设备中的任何一种来访问基于他们的请求或查询而生成的报告。在一些实施例中，计算设备102、106可以集成到单个终端或设备中。在一些实施例中，当计算设备102远离患者、用户、医生、医院等时。用户可以使用计算设备106来访问网络110并远程访问计算设备102。例如，计算设备102可以放置在医疗设施中并且可由计算设备106访问。
124.第二数据存储装置108还可以包括一个或多个数据库或数据存储装置，并且还可以存储关于治疗方案针对特定感染或病原体的疗效率的数据，例如在不同的地理区域和在不同的定义时间范围内。在示例用例中，如上所述，第二数据存储装置108包括用对应于感染的治疗方案和/或在第一数据存储装置104中具有记录的患者的治疗方案治疗感染的疗效率的数据库。
125.动态系统103可以处理来自第一数据存储装置104和第二数据存储装置108的数据并且还基于用户经由计算设备106和计算设备102提供的请求或输入生成一个或多个模型。动态系统103可以动态地生成一个或多个模型，该一个或多个模型应用于从第一数据存储装置104、第二数据存储装置108或用户中的一个或多个(经由一个或多个计算设备106)获得的数据。在一些实施例中，模型可以由动态系统103随着输入和数据改变或按照预定时间表动态生成。例如，动态系统103可以基于从用户接收的输入(诸如但不限于被诊断的感染的类型、所开出的治疗方案的类型、患上感染的区域以及相关的时间范围)实时生成变化模型。在一些实施例中，生成的模型本身可以动态地应用于输入和数据。例如，动态系统103生成的模型可以基于分别源自第一数据存储装置104和第二数据存储装置108的数据以及源自用户自己的数据(例如，用户选择的过滤器和地理区域)创建各个度量和数据点。在某些情况下，模型可以动态应用一个或多个规则，以确认生成的输出不违反关于数据挖掘、存储等的任何预定要求或标准(例如，以确保满足医疗信息合规性因素)。在一些实施例中，模型的开发可以包括开发一组启发式规则、过滤器和/或电子数据筛选，以基于当前和/或历史数据确定和/或识别和/或预测哪些药物将被认为更有可能满足具体标准。在一些实施例中，动态系统103可以自动调整模型以满足预先选择的准确性和/或效率水平。
126.在一些实施例中，动态系统103可以自适应于来自第一数据存储装置104、第二数据存储装置108或来自不断变化的用户的数据。例如，从用户接收的输入(例如，经由用户接
口模块214或i/o接口和设备204，下面将进一步详细描述)对于每个用户来说可以是不同的。使用示例用例，一个用户(例如，第一医生)可以对在第一邮政编码集中感染mrsa的患者在用tmp-smx治疗时的疗效率感兴趣，而另一用户(例如，第二医生)可以对在第一邮政编码集中感染肺炎链球菌的患者在用青霉素治疗时的疗效率感兴趣，而第三用户(例如，第三医生)可以对第三感染在由第三药物治疗时的疗效率感兴趣。因此，使用来自用户的过滤标准从第一数据存储装置104和第二数据存储装置108获得的数据将可能不断变化。因此，处理和/或模型生成将针对每个用户和/或针对感兴趣数据的每个组合而改变。此外，随着数据存储装置中的记录被更新、替换和/或删除，从第一数据存储装置104和第二数据存储装置108获得的数据将可能随着时间而改变。在示例用例中，不同的用户可以请求不同的时间段、不同的患者参数、不同的感染、不同的治疗方案等，使得患者记录和药物记录不断更新。因此，动态系统103可以动态地生成模型以处理不断变化的数据和请求。
127.基于用户请求，如将在本文中详述的，可以过滤分别从第一数据存储装置104和第二数据存储装置108获得的数据以消除不期望的那些记录。例如，在示例用例中，可以过滤记录以消除不感兴趣的感染、日期和/或治疗方案。
128.在各个实施例中，大量数据响应于用户输入被自动且动态地交互计算，并且计算的数据由系统高效且紧凑地呈现给用户。因此，在一些实施例中，与先前的数据处理和用户接口生成(其中数据和模型没有响应于交互输入而动态更新并且紧凑且有效地呈现给用户)相比，本文描述的数据处理和用户接口的生成更有效。
129.此外，如本文所述，系统可以被配置和/或设计为生成可用于渲染(rendering)所述的各个交互式用户接口或报告的输出数据和/或信息。系统100和/或另一个计算机系统、设备和/或软件应用程序(例如，浏览器应用程序)可以使用输出数据来渲染交互式用户接口或报告。交互式用户接口或报告可以显示在例如电子显示器(包括例如启用触摸的显示器)上。
130.本公开的交互式和动态数据处理和输出生成的各个实施例是重要的研究、开发、改善、迭代和测试的结果。这种非平凡的发展导致了本文描述的建模和输出生成，与先前的系统相比，这可以提供显著的效率和优势。交互式和动态建模、用户接口和输出生成包括改善的人机和计算机-计算机交互，其可以为用户提供减少的工作量、改善的预测分析等。例如，经由本文描述的交互式用户接口的输出生成可以提供时变报告相关信息的优化显示，并且可以使用户能够比先前的系统更快速地访问、导航、评定和领悟这样的信息。
131.在一些实施例中，输出数据或报告可以在适当的情况下以图形表示形式(诸如可视化表示，诸如图表、电子表格和曲线图)呈现，以允许用户有效地审查大量数据并利用人类的与视觉刺激相关的特别强的模式识别能力。在一些实施例中，系统可以呈现聚合量，诸如总数、计数和平均值。该系统还可以利用该信息来内插或外推(例如，预测)未来发展。
132.此外，本文描述的模型、数据处理以及交互式和动态用户接口通过高效数据处理、建模、用户接口之间的交互以及底层系统和部件的创新来实现。例如，本文公开了接收用户输入、将这些输入翻译和输送到各个系统部件、响应于输入输送自动和动态执行复杂过程、自动数据采集、系统的各个部件和过程之间的自动交互，以及用户接口的自动和动态报告生成和更新的改善的方法。
133.本公开的各个实施例提供对各个技术和技术领域的改善。例如，如上所述，现有的
数据存储装置和处理技术(包括，例如，在存储器数据库中)在各个方面受到限制(例如，手动数据审查速度慢、成本高且不太详细；数据量太大等等)，并且本公开的各个实施例提供了对这种技术的显著改善。此外，本公开的各个实施例与计算机技术密不可分。特别地，各个实施例依赖于经由图形用户接口检测用户输入、基于这些输入获取数据、基于这些用户输入对数据进行建模以生成动态输出、自动处理相关电子数据以及经由交互式图形用户接口或报告呈现输出信息。此类特征和其他特征(例如，大量电子数据的处理和分析)与计算机技术密切相关并由计算机技术支持，并且除了计算机技术之外不会存在。例如，以下参考各个实施例描述的与数据源和显示数据的交互在没有在其上实施各个实施例的计算机技术的情况下不能合理地由人类单独执行。此外，经由计算机技术实施本公开的各个实施例能够实现本文描述的许多优点，包括与各个类型的电子数据的更有效的交互和各个类型的电子数据的呈现。
134.示例动态系统
135.图6是对应于图5的动态系统103和/或系统100的示例实施例的硬件和/或软件部件的一个方面的框图。如以下参考框图200所讨论的，硬件和/或软件部件可以被包括在系统100的任何设备中(例如，计算设备102、计算设备106或动态系统103)。这些各个描绘的部件可以用于实施本文所述的系统和方法。
136.在一些实施例中，以下描述的某些模块(诸如被包括在动态系统103中的建模模块215、用户接口模块214或报告模块216)可以被包括在系统100的不同和/或多个设备中、由该不同和/或多个设备执行或分布在该不同和/或多个设备中。例如，本文描述的某些用户接口功能可以由各个设备(诸如计算设备102和/或一个或多个计算设备106)的用户接口模块214执行。
137.在一些实施例中，本文描述的各个模块可以通过硬件或软件来实施。在实施例中，被包括在动态系统103中的各个软件模块可以被存储在动态系统103本身的部件(例如，本地存储器206或大容量存储设备210)上，或者存储在与动态系统103分开并经由网络110或其他适当的方式与动态系统103通信的计算机可读存储介质或其他部件上。
138.动态系统103可以包括例如与ibm、macintosh或linux/unix兼容的计算机或者在任何对应的操作系统上操作的服务器或工作站或移动计算设备。在一些实施例中，动态系统103与智能电话、个人数字助理、信息亭、平板电脑、智能手表、汽车控制台、电子助理、媒体播放器或类似的电子计算设备对接。在一些实施例中，动态系统103可以包括多于一个的这些设备。在一些实施例中，动态系统103包括一个或多个中央处理单元(“cpu”或处理器)202、i/o接口和设备204、存储器206、建模模块215、大容量存储设备210、多媒体设备212、用户接口模块214、报告模块216和总线218。
139.cpu 202可以控制动态系统103的操作。cpu 202也可以被称为处理器。处理器202可以包括用一个或多个处理器实施的处理系统或者是用一个或多个处理器实施的处理系统的部件。一个或多个处理器可以用通用微处理器、微控制器、数字信号处理器(“dsp”)、现场可编程门阵列(“fpga”)、可编程逻辑设备(“pld”)、控制器、状态机、门控逻辑、离散硬件部件、专用硬件有限状态机或可以执行计算或其他信息操纵的任何其他合适实体的任意组合来实施。
140.i/o接口204可以包括小键盘、麦克风、触摸板、扬声器和/或显示器，或任何其他常
用的输入/输出(“i/o”)设备和接口。i/o接口204可以包括将信息传达给动态系统103的用户(例如，提出请求的医生、护士、医院管理员、研究人员或其他实体)和/或接收来自用户的输入的任何元件或部件。在一个实施例中，i/o接口204包括一个或多个显示设备，诸如监视器，其允许将数据视觉呈现给消费者。更特别地，显示设备例如提供gui、应用程序软件数据、网站、网络应用和多媒体呈现的呈现。
141.在一些实施例中，i/o接口204可以向各个外部设备提供通信接口。例如，动态系统103电子耦合到网络110(图5)，网络110包括lan、wan和/或因特网中的一个或多个。因此，i/o接口204包括允许与网络110通信(例如，经由有线通信端口、无线通信端口或其组合)的接口。网络110可以允许各个计算设备和/或其他电子设备经由有线或无线通信链路相互通信。
142.包括只读存储器(rom)和随机存取存储器(“ram”)中的一者或两者的存储器206可以向处理器202提供指令和数据。例如，经由通过动态系统103的一个或多个部件接收的输入接收的数据可以存储在存储器206中。存储器206的一部分还可以包括非易失性随机存取存储器(“nvram”)。处理器202通常基于存储在存储器206内的程序指令来执行逻辑和算术操作。存储器206中的指令可以是可执行的以实施本文描述的方法。在一些实施例中，存储器206可以被配置为数据库并且可以存储经由用户接口模块214或i/o接口和设备204接收的信息。
143.动态系统103还可以包括用于存储软件或信息(例如，生成的模型或模型被应用到的所获得的数据)的大容量存储设备210。软件应广义地解释为意味着任何类型的指令，无论是指软件、固件、中间件、微代码、硬件描述语言或其他。指令可以包括代码(例如，源代码格式、二进制代码格式、可执行代码格式或任何其他合适的代码格式)。指令在由一个或多个处理器执行时使处理系统执行本文所述的各个功能。因此，动态系统103可以包括例如硬件、固件和软件，或其中的任何组合。大容量存储设备210可以包括硬盘驱动器、软磁盘、固态驱动器或光学介质存储设备。在一些实施例中，大容量存储设备210可以被构造成使得存储在其中的数据容易被操纵和解析。
144.如图6所示，动态系统103包括建模模块215。如本文所述，建模模块215可以动态地生成一个或多个模型，用于处理从数据存储装置或用户获得的数据。在一些实施例中，建模模块215还可以将生成的模型应用于数据。在一些实施例中，一个或多个模型可以存储在大容量存储设备210或存储器206中。在一些实施例中，建模模块215可以作为由处理器202执行的可执行软件代码存储在大容量存储设备210或存储器206中。该模块和动态系统103中的其他模块可以包括部件，诸如硬件和/或软件部件、面向对象的软件部件、类部件和任务部件、进程、功能、属性、过程、子例程、程序代码段、驱动程序、固件、微代码、电路、数据、数据库、数据结构、表格、数组和变量。在图6所示的实施例中，动态系统103被配置为执行建模模块215以执行如本文所述的各个方法和/或过程。
145.在一些实施例中，报告模块216可以被配置为生成本文提及和进一步描述的报告、通知或输出。在一些实施例中，报告模块216可以利用从动态系统103接收的信息、从数据存储装置和/或图5的计算设备102或计算设备106或计算设备102的用户获取的数据，以为具体医生、护士、医疗管理员、医疗研究人员或其他医疗实体生成报告、通知或输出。例如，动态系统103可以接收医生、护士、医疗管理员、医疗研究人员或其他医疗实体经由网络110提
供的信息，动态系统103使用该信息从数据存储装置中获取信息并生成模型以用于处理信息。在一些实施例中，所生成的报告、通知或输出可以包括数据文件，该数据文件包括与用于治疗特定患者的输入感染的推荐治疗方案相关的相关医疗信息。在一些实施例中，报告模块216可以在生成的报告、通知或输出中包括从用户接收的信息。在一些实施例中，报告模块216或处理器202可以生成图2中引用的通知122。
146.动态系统103还包括用户接口模块214。在一些实施例中，用户接口模块214也可以作为由处理器202执行的可执行软件代码存储在大容量存储设备210中。在图6所示的实施例中，动态系统103可以被配置为执行用户接口模块214以执行如本文所述的各个方法和/或过程。
147.用户接口模块214可以被配置为生成和/或操作各个类型的用户接口。在一些实施例中，用户接口模块214构造要在网络浏览器或计算机/移动应用程序中显示的页面、应用程序或显示。在一些实施例中，用户接口模块214可以提供应用程序或类似模块，用于在计算设备102和/或计算设备106上下载和操作，用户可以通过其与动态系统103对接以获得期望的报告或输出。在一些实施例中，页面或显示可以具体到设备类型，诸如移动设备或台式机网络浏览器，以最大化特定设备的可用性。在一些实施例中，用户接口模块214还可以与客户端应用程序(诸如移动电话应用程序、独立台式机应用程序或用户通信帐户(例如，电子邮件或sms消息应用))交互，并提供显示药物或感染通知所必需的数据。
148.例如，如本文所述，具体医生、护士、医疗管理员、医疗研究人员或其他医疗实体可以经由网站访问动态系统103。在一些实施例中，用户可以选择接收或选择不接收任何报告或输出。
149.一旦动态系统103接收到用户输入(例如，识别的感染、感兴趣的数据时间范围、地理区域、感兴趣的治疗方案)，用户就可以经由i/o接口和设备204和/或用户接口模块214查看接收到的信息。一旦动态系统103从数据存储装置(例如，经由i/o接口和设备204或经由用户接口模块214)接收到信息，处理器202或建模模块215可以将接收到的输入和信息存储在存储器206和/或大容量存储设备210中。在一些实施例中，从数据存储装置接收到的信息可以由动态系统103的处理器202解析和/或操纵(例如，过滤或类似处理)。
150.在一些实施例中，处理器202或建模模块215可以生成上面参考图2描述的动态模型120。
151.动态系统103的各个部件可以通过总线系统218耦合在一起。总线系统218可以包括例如数据总线以及除了数据总线之外的电源总线、控制信号总线和状态信号总线。在不同的实施例中，总线可以例如以外围部件互连(“pci”)、微通道、小型计算机系统接口(“scsi”)、工业标准架构(“isa”)和扩展isa(“eisa”)架构来实施。此外，动态系统103的部件和模块中提供的功能可以组合到比图6所示的更少的部件和模块中，或者进一步分开到附加部件和模块中。
152.示例用例——使用动态更新的感染数据的系统和方法
153.如上面简要描述的，系统100可以用于各个环境中以执行数据库更新和动态生成定制模型。作为上文和本文所讨论的一个非限制性示例，系统100可以用于处理感染和治疗方案数据。参与患者护理的医疗实体(例如，医生、药剂师、护士、医疗管理人员和医疗研究人员)始终致力于维持最新的最佳实践。在某些情况下，这包括维持对感染和疾病的药物疗
效的感知(awareness)，并在感兴趣的地理区域内跟踪感染和疾病。由于药物用于治疗各个来源的感染、病症和疾病，这些来源可能对药物产生(一个或多个)耐药性。例如，随着抗生素被用于治疗许多细菌感染，耐药细菌在世界范围内变得越来越普遍。在一些实施例中，这样的药物耐药性可以是具体到地理的。例如，不同的地理区域可以暴露于不同的病原体，或者开出不同的药物来治疗感染和其他病症。因此，不同的地理区域可以存在具有不同耐药水平的病原体。耐药性的差异影响为治疗感染而开出的治疗方案的疗效率或疗效。每个药物可以具有对开出该药物所针对的每个感染的具体到地理的、具体到设施的和具体到患者的疗效率。例如，青霉素对某些病症的疗效率可以高于其他细菌感染。因此，药物可以针对不同的病症或疾病具有不同的疗效率(例如，无论病症或疾病是病毒、细菌、真菌等)。同样，不同的青霉素菌株可以对不同的耐青霉素的细菌感染具有不同的疗效率。
154.在某些情况下，出现在医疗设施进行诊断和/或治疗的患者可以已经在与治疗患者的医疗设施不同的地理区域中或与当前医疗设施相同的地理区域中的不同医疗设施中暴露于引起感染的病原体。例如，患者可以在旅行时被感染，但在患者旅行返回后才开始出现症状或生病。作为另一个示例，患者可以从他们最初被感染的家庭区域前往人口较多地区的医疗设施，以诊断和/或治疗病症。本公开的实施例允许当前正在治疗这样的患者(或对与这样的患者相关的疾病趋势感兴趣)的医疗实体考虑与医疗设施存在的或普遍暴露的地理区域不同的地理区域的感染、药物和疗效率信息。在一些实施例中，患有相同感染的不同患者访问不同的医疗设施进行治疗，并且因此，没有单一个医疗设施将具有与给定地理区域的任何感染和/或对应的治疗相关联的所有数据。在本公开的一些实施例中，医疗设施可以在患者记录中存储与患者相关联的感染和用于治疗感染的治疗方案的详细信息，以及来自治疗的对应的结果和感染的相对日期。因此，患者的医疗记录(例如存储在第一数据存储装置104中的那些)可以包括用于更新药物针对相同和其他医疗设施中的特定病症的疗效信息的详细信息。
155.在一些实施例中，与医疗设施相关联的医生、药剂师、护士、医疗管理员和医疗研究人员可以对疗效率进行研究，以维持质量控制并发展关于处方趋势的态势感知。然而，这种努力可能耗时并且通常难以手动完成，因为限制和系统不兼容可能使从不同医疗设施访问患者记录是繁琐、耗时、低效且昂贵的。此类限制和系统不兼容使得使用实时数据分析耐药性和抗生素使用趋势几乎是不可能的。此外，聚合足够的信息以准确更新药物针对感染的疗效率可能需要大量的数据点、时间和资源(例如，占用耗时的数据处理和计算)。此外，在准确更新药物疗效率和/或甚至聚合来自多个医疗设施的信息方面，这些努力的结果可能不可靠。本公开的实施例通过利用从与用户的请求相关的时间范围内收集的真实世界、大型数据集搜集的实时见解和态势感知动态地响应定制用户输入来解决现有系统和方法的这些缺点。
156.在一些实施例中，甚至关于特定患者、病症和/或药物的详细信息的患者记录可以是可用的，但是信息存储在隔离的、访问受限的医疗记录中，不能从这些记录中用其他详细信息聚合有用信息片段或进行分析以生成当前信息(例如，由于法规和系统不兼容)。一些患者记录可能不包括有关患者是否基于开出的治疗方案从感染中完全康复的信息，或者可能不包括有关诊断出的感染或开出的治疗方案的适当详细信息。因此，通常对此类记录感兴趣的医疗实体可能无法使用来自患者记录的信息和/或无法确定和/或更新此类疗效率。
此外，这些实体可能无法基于特定患者的记录识别治疗感染的最佳治疗方案，或者这些实体可能没有意识到他们选择的治疗方案不如替代治疗方案最佳。
157.本公开的实施例使用动态更新的数据记录和用户指定的过滤器以基于在整个地理区域或设施上聚合的信息产生见解来解决这些缺点，其中已经在跨越用户请求信息之前的最近几个季度、几个月、几周和几天的时间段内聚合了信息。
158.示例用例——使用风险评分的系统和方法
159.根据本公开的系统100的实施例为具体患者生成风险评分，并生成关于感染、药物疗效率、感染的地理分布、药物疗效率变化和其他有价值的、及时的见解的热图(和类似的数据显示)。
160.动态系统103可以结合来自第一数据存储装置104的患者记录和来自第二数据存储装置108的疗效率信息使用当前患者的信息或记录(以下称为当前患者记录)来生成风险评分。风险评分可以指示患者被诊断患有特定感染的风险、诊断出的感染是由耐药病原体引起的风险、当前患者对使用特定药物治疗特定病原体具有耐药性的风险和/或诊断出的感染将对特定药物产生响应或不产生响应的风险。例如，当前患者的信息或记录可以指示某些症状(以及可用时的测试结果)。本公开的动态系统103可以基于当前患者的症状和测试结果与针对感染的已知症状和测试结果的比较，以及与存在于与当前患者相同的地理区域中的感染的比较，确定当前患者具有特定感染的可能性。动态系统103还可以确定表示当前患者的感染对特定药物或药物类别有耐药性的可能性的风险评分。例如，动态系统103可以使用动态模型来确定当前患者感染了感染的耐药菌株的风险评分。较高的风险评分可以指示当前患者感染了耐药菌株的可能性较高。在一些实施例中，基于在相同或附近感兴趣的地理区域中的类似成功治疗方案的记录，较高的风险评分还或可替代地示出特定治疗方案将成功治疗感染的可能性。
161.在一些实施例中，系统100针对个体患者、患者的特定人口统计、特定地理区域和其他患者分组识别风险评分。在一些实施例中，系统100可以合并患者(或对应的患者组)的先前诊断、与诊断相关联的一个或多个医疗设施的详细信息等。系统100还可以基于对当前患者的先前诊断、对药物的响应以及当前患者的当前症状和诊断的分析来确定表示当前患者对使用特定药物的治疗有耐药性的可能性的风险评分。
162.在一些实施例中，系统100可以使用点评分系统或确定的风险评分来识别治疗方案或药物疗法失败的风险。例如，如果为治疗识别出的感染而开出的药物具有针对耐药性的高风险评分(意味着感染更可能对使用开出的药物的治疗耐药)，则系统100可以识别出较高的失败风险。例如，点评分系统可以聚合来自对治疗有耐药性的感染的风险评分和当前患者对治疗有耐药性或对特定药物响应不佳的风险评分，以及当前患者感染了耐药病原体的风险。本公开的实施例可以在患者护理的关键时刻(当医疗实体基于患者正在经历的症状首次评估和权衡治疗方案时，在某些情况下甚至在诊断出特定感染之前)生成这些风险评分并将其通知给医疗实体。
163.本公开的实施例还提供有价值的见解和态势感知，其导致诊断测试资源的改善的管理。某些感染的检测困难、耗时和/或昂贵。此外，耐药性测试可能不会涵盖所有相关、可用或适当的药物，并且因此，一些耐药感染可能无法通过常见的测试小组来解决。此外，即使特定感染已知或预期某种程度的耐药性，也可能不会针对耐药感染测试不同剂量的药
物。例如，即使已知特定mrsa菌株在特定药物的特定剂量水平下具有耐药性，用户可能不知道对mrsa菌株有效的其他药物剂量或什么剂量治疗该mrsa菌株无效或不合适。基于第一数据存储装置104和第二数据存储装置108中的所有记录，本公开的动态系统103和/或系统100可以基于第一数据存储装置104中的患者信息和第二数据存储装置108中的疗效信息来确定和推荐要开出的具体药物和/或剂量，而医疗实体不必命令诊断测试来确定导致患者感染的特定病原体。以此方式，本公开的实施例增加了稀缺且通常昂贵的诊断测试资源的管理。
164.本公开的动态系统103和系统100的实施例能够识别医生何时开出不适当或不恰当的治疗方案来治疗当前患者的感染。不恰当的治疗方案可以包括不适当的、次优的或无效的药物(例如，已知感染对其耐药的药物)、不足以克服感染的耐药性的剂量等。因此，动态系统103能够识别个体医生在为他们诊断出的感染开出适当药物方面的成功程度、特定医疗设施在为它们诊断和/或治疗的感染开出适当药物方面的效率以及为治疗开出的新的/现有药物的量。在一些实施例中，随着在第一数据存储装置104中添加或更新附加患者记录和/或在第二数据存储装置108中添加或更新疗效信息，动态系统103或系统100以动态方式跨越医疗设施的医师、地理区域的医师、特定专业的医师或任何其他合适的分组来比较数量。在一些实施例中，动态系统103或系统100为个体医生生成报告以指示个体医生不恰当地开药的频率，并识别医生可以在哪里调整或改变常规处方策略，以在患者护理的早期阶段改善适当治疗方案的选择(例如，向医生发送提示，通知治疗方案选择不当，向医生发送更优化治疗方案的推荐，向药剂师或测试临床医生发送推荐，以通过命令患者样本的诊断测试，尽早干预医生选择的治疗方案)。
165.附加实施例
166.前述描述详述了本文公开的系统、设备和方法的某些实施例。然而，应当理解，无论前面在文本中如何详细，系统、设备和方法都可以以多个方式实施。如上所述，应该注意的是，在描述本发明的某些特征或方面时使用特定术语不应被视为暗示该术语在本文中被重新定义为限制为包括与该术语相关联的技术的特征或方面的任何具体特性。
167.虽然以上详细描述已经示出、描述和指出了应用于各个实施例的开发的新颖特征，但是应当理解，所示设备或过程的形式和详细信息的各个省略、替换和改变可以由本领域技术人员在不背离开发精神的情况下进行。如将认识到的，本开发可以体现在不提供本文所述的所有特征和益处的形式中，因为一些特征可以与其他特征分开使用或实践。在权利要求的等效含义和范围内的所有变化都应被包含在其范围内。
168.一般而言，如本文所用，词语“模块”指的是体现在硬件或固件中的逻辑，或者是指本文描述的以任何编程语言编写的可能具有入口和出口点的软件指令的集合。软件模块可以编译并链接到可执行程序中，安装在动态链接库中，或者可以用任何解释性编程语言编写。可以理解，软件模块可以从其他模块或它们自身可调用，和/或可以响应于检测到的事件或中断而被调用。被配置用于在计算设备上执行的软件模块可以被提供在计算机可读介质上，诸如光盘、数字视频盘、闪存驱动器或任何其他有形介质。这样的软件代码可以部分或全部存储在执行计算设备(诸如动态系统103)的存储器设备上，以供计算设备执行。软件指令可以嵌入在固件中，诸如eprom。还将理解，硬件模块可以包括连接的逻辑单元(诸如门和触发器)，和/或可以包括可编程单元(诸如可编程门阵列或处理器)。本文描述的模块优
选地被实施为软件模块。它们可以用硬件或固件来表示。通常，本文描述的模块是指可以与其他模块组合或划分为子模块的逻辑模块，而不管它们的物理组织或存储如何。模块可以存储在任何类型的非暂时性计算机可读介质或计算机存储设备(诸如硬盘驱动器、固态存储器、光盘等)上。系统和模块还可以作为生成的数据信号(例如，作为载波或其他模拟或数字传播信号的一部分)在各个计算机可读传输介质(包括基于无线和基于有线/线缆的介质)上传输，并且可以采取各个形式(例如，作为单个或多路复用模拟信号的一部分，或作为多个离散数字包或帧)。过程和算法可以部分或全部在专用电路中实施。所公开的过程和过程步骤的结果可以持久地或以其他方式存储在任何类型的非暂时性计算机存储设备中，诸如，例如易失性或非易失性存储设备。熟练的技术人员可以针对每个特定应用以不同的方式实施所描述的功能，但是这种实施决策不应被解释为导致背离本发明的范围。
169.模型通常可以指代可以用于自动生成结果或产物的机器学习构造。可以训练模型。训练模型通常是指用以生成接受输入并提供结果或产物作为输出的模型的自动机器学习过程。模型可以被表示为针对给定值识别一个或多个相关值的数据结构。例如，数据结构可以包括指示一个或多个类别的数据。在这样的实施方式中，模型可以被索引以提供类别值的有效查找和检索。在其他实施例中，可以基于以可执行代码中实施的统计或数学属性和/或定义来开发模型，而不必采用机器学习。
170.机器学习通常是指自动化过程，通过该过程分析接收到的数据以生成和/或更新一个或多个模型。机器学习可以包括人工智能，诸如神经网络、遗传算法、聚类等。机器学习可以使用训练数据集来执行。训练数据可用于生成模型，该模型使用训练数据最佳表征感兴趣的特征。在一些实施方式中，可以在训练之前识别特征类别。在这种情况下，可以训练模型以提供与目标特征类别最相似的输出。在一些实施方式中，可能没有先验知识可用于训练数据。在这种情况下，模型可以发现所提供训练数据的新关系。这种关系可以包括蛋白质(诸如蛋白质功能)之间的相似性。
171.微处理器可以是任何常规的通用单芯片或多芯片微处理器，诸如处理器、pro处理器、8051处理器、处理器、power处理器或处理器。此外，微处理器可以是任何常规的专用微处理器，诸如数字信号处理器或图形处理器。微处理器通常具有常规地址线、常规数据线和一个或多个常规控制线。
172.该系统可以与各个操作系统结合使用，诸如或microsoft
173.系统控制可以用任何常规编程语言编写，诸如c、c 、basic、pascal、.net(例如，c#)或java，并在常规操作系统下运行。c、c 、basic、pascal、java和fortran是许多商业编译器可以用于创建可执行代码的行业标准编程语言。系统控制也可以使用解释性语言(诸如perl、python或ruby)编写。也可以使用其他语言，诸如php、javascript等。
174.关于本文中基本上任何复数和/或单数术语的使用，本领域技术人员可以根据上下文和/或应用从复数翻译成单数和/或从单数翻译成复数。为了清楚起见，可以在本文中明确阐述各个单数/复数置换。