用于识别有睡眠障碍和倾向的个体的系统及方法与流程

阅读：评论：0

用于识别有睡眠障碍和倾向的个体的系统及方法
1.相关申请的交叉引用
2.本技术要求于2020年6月29日提交的63/045,397号美国临时专利申请的优先权和权益，该申请的公开内容在此通过引用整体并入本文。
技术领域
3.本发明总体上涉及用于识别有表明为阻塞性睡眠呼吸暂停的某些身体和健康特征的个体的系统及方法；并且更具体地，本发明涉及进一步识别有表明长期坚持阻塞性睡眠呼吸暂停的行为特征的个体的系统及方法。

背景技术：

4.许多个体患睡眠相关和/或呼吸相关障碍，诸如，例如，周期性肢体抽动障碍(plmd)、不宁腿综合症(rls)、睡眠呼吸障碍(sdb)(诸如阻塞性睡眠呼吸暂停(osa)、中枢性睡眠呼吸暂停(csa)、诸如混合呼吸暂停和呼吸不足的其他类型呼吸暂停)、呼吸努力相关唤醒(rera)、潮式呼吸(csr)、呼吸功能不全、肥胖过度换气综合征(ohs)、慢性阻塞性肺病(copd)、神经肌肉疾病(nmd)、快速眼动(rem)行为障碍(也被称为rbd)、梦境演绎行为(deb)、高血压、糖尿病、中风、失眠以及胸壁障碍。这些障碍经常使用呼吸疗法系统来。
5.然而，一些使用者发现此系统是令人不舒服的、难以使用的、昂贵的、不美观的和/或未能感受到与使用该系统相关联的益处。因此，一些使用者会选择不开始使用呼吸疗法系统，或在没有证明不使用呼吸疗法时其症状的严重性的情况下停止使用呼吸疗法系统。因此，一些使用者在没有鼓励或肯定呼吸疗法系统正在改善他们的睡眠质量并减轻这些障碍的症状的情况下，会停止使用呼吸疗法系统。本发明涉及这些和其他问题的解决方案。

技术实现要素：

6.根据本发明的一些实现方式，一种方法，包括：提供被存储在数据储存库中的患者数据。患者数据包括对应于可识别个体的身体、健康和行为数据。该方法还包括：应用第一患者识别算法来处理患者数据的至少一部分，以识别与选定的身体和健康特征相关联的初始个体组。对初始个体组的识别基于可识别个体的阻塞性睡眠呼吸暂停的所确定的可能性满足或超过第一门限值标准。该方法还包括：应用第二患者识别算法来处理与初始个体组相关联的患者数据的至少一部分，以识别与选定的行为特征相关联的较窄个体子组。对较窄个体组的识别基于较窄子组中的个体的长期坚持阻塞性睡眠呼吸暂停的所确定的可能性满足或超过第二门限值标准。患者可识别信息是根据患者数据生成的，以允许对一个或多个指定实体通知：较窄子组中的个体中的一个或多个是阻塞性睡眠呼吸暂停的优选个体。
7.根据本发明的一些实现方式，一种系统包括：控制系统，该控制系统包括一个或多个处理器，以及存储器，该存储器具有存储在其上的机器可读指令。控制系统耦合到存储
器，并且当存储器中的机器可执行指令由控制系统的一个或多个处理器中的至少一个执行时，实施该方法。
8.根据本发明的一些实现方式，一种识别可能患有潜在睡眠障碍并且可能坚持处方长期计划的个体的系统。该系统包括：控制系统，该控制系统被配置为实现该方法。
9.根据到来的实现方式，一种包括指令的计算机程序产品，该指令在由计算机执行时使计算机实施该方法。
10.根据到来的实现方式，该计算机程序产品是非暂时性计算机可读介质。
11.上述概述并不旨在表示本发明的每个实现方式或每一个方面。附加特征和益处从下文阐述的详细描述和附图中显而易见。
附图说明
12.图1a是根据本发明的一些实现方式的用于分析数据以识别有睡眠障碍并且具有采用睡眠障碍计划的长期倾向的个体的示例性系统的功能框图。
13.图1b是根据本发明的一些实现方式的用于分析数据以识别有睡眠障碍并且具有采用睡眠障碍计划的长期倾向的个体的另一示例性系统的功能框图。
14.图2是根据本发明的一些实现方式的用于识别有睡眠障碍并且具有采用睡眠障碍计划的长期倾向的个体的示例性方法的过程流程图。
15.图3是根据本发明的一些实现方式的用于训练算法以用于识别有睡眠障碍并且具有采用睡眠障碍计划的长期倾向的个体的示例性方法的过程流程图。
16.虽然本发明易受各种修改和替代形式的影响，但其具体实现方式和实施例已经在附图中以示例方式显示，并将在本文中进行详细描述。然而，应当理解，不旨在将本发明限于所公开的特定形式，相反，本发明将覆盖落入如所附权利要求定义的本发明的精神和范围内的所有修改、等同物和替代物。
具体实施方式
17.许多个体患有睡眠相关和/或呼吸相关障碍。睡眠相关和/或呼吸障碍的示例包括周期性肢体抽动障碍(plmd)、不宁腿综合症(rls)、睡眠呼吸障碍(sdb)(诸如阻塞性睡眠呼吸暂停(osa)、中枢性睡眠呼吸暂停(csa)、诸如混合呼吸暂停和呼吸不足的其他类型呼吸暂停)、呼吸努力相关唤醒(rera)、潮式呼吸(csr)、呼吸功能不全、肥胖过度换气综合征(ohs)、慢性阻塞性肺病(copd)、神经肌肉疾病(nmd)、快速眼动(rem)行为障碍(也被称为rbd)、梦境演绎行为(deb)、高血压、糖尿病、中风、失眠以及胸壁障碍。
18.阻塞性睡眠呼吸暂停(osa)是睡眠呼吸障碍(sdb)的一个形式，其特征在于包括睡眠期间上呼吸道闭塞或阻塞的事件，这种闭塞或阻塞是由异常小的上呼吸道以及舌头、软腭和口咽后壁的区域中的肌肉张力正常丧失的组合造成的。这些障碍的特征在于在个体正在睡眠时发生的特定事件(例如，打鼾、呼吸暂停、呼吸不足、不宁腿、睡眠障碍、窒息、心率加快、呼吸困难、哮喘发作、癫痫发作、癫痫或其任何组合)。
19.阻塞性睡眠呼吸暂停(osa)引起受影响患者停止呼吸，持续时间典型地为30秒至120秒，有时每晚200至300次。这经常引起白天过度嗜睡，并且可引起心血管疾病和脑损伤。并发症状是常见疾病，尤其在中年超重男性中，尽管受影响的人可能并未意识到这个问题。
见美国专利no.4,944,310(sullivan)。
20.呼吸压力疗法(rpt)装置可以单独使用或作为系统的一部分使用以递送若干疗法中的一个或多个，诸如通过操作该装置来生成空气流以用于递送至气道接口。空气流可以是压力控制的(对于呼吸压力疗法)或流量控制的(对于诸如hft的流量疗法)。因此，rpt装置也可以充当流量疗法装置。rpt装置的示例包括持续气道正压通气(cpap)装置。
21.cpap疗法已经用于阻塞性睡眠呼吸暂停(osa)。作用机制是持续气道正压通气充当气动夹板，并且可以诸如通过向前并远离口咽后壁推挤软腭和舌头来防止上气道闭塞。cpap疗法对某些呼吸障碍非常有效，前提是患者遵守疗法。如果面罩是令人不舒服的或难以使用的，则患者可能不遵守疗法。由于经常建议患者定期清洗他们的面罩，如果面罩是难以清洗的(例如，难以组装或拆卸)，则患者可能不清洗他们的面罩，并且这可能影响患者的遵守度。通过cpap疗法的osa的可以是自愿的，并且因此如果患者发现用于提供此疗法的装置是不舒适的、难以使用的、昂贵的和不美观中的一个或多个，则患者可以选择不遵守此疗法。
22.并非所有呼吸疗法目的都是递送处方疗法压力。一些呼吸疗法目的是可能通过在目标持续时间内以流速曲线为目标来递送处方呼吸量。在其他情况下，患者气道的接口是“开放的”(未封口的)，并且呼吸疗法可能仅补充患者自己的自主呼吸。在一个示例中，高流量疗法(hft)是以在整个呼吸周期中保持大致恒定的“流速”，通过未封口的或开放的患者接口向气道入口提供连续、加热、加湿的空气流。流速被标称地设定为超过患者的峰值吸气流速。hft已经用于osa、csr、copd和其他呼吸障碍。一个作用机制是气道入口处的高空气流速通过从患者的解剖死腔冲洗或冲刷出呼出的co2来改善通气效率。因此，hft有时被称为死腔疗法(dst)。在其他流量疗法中，流速可以遵循在呼吸周期内变化的曲线。
23.个体的多种身体和健康特征都可以归因于osa或因其加重。例如，直接或间接归因于osa或因其加重的身体特征可以包括个体的颈围、体重、性别、血压、年龄、体重指数以及其他特征。直接或间接归因于osa或因其加重的健康特征可以包括打鼾史、心脏状况、疲劳史、观察到的呼吸暂停、糖尿病以及其他特征。此外，患有或可能患有osa并可能遵守osa长期计划的个体的某些行为特征包括个体的人口统计信息，诸如教育、就业、居住地、婚姻状态以及其他。患有或可能患有osa并可能遵守osa长期计划的个体的附加行为特征可以包括个体的动机、健身水平、锻炼习惯、对处方药物方案的坚持、对先前医生建议的坚持以及其他特征。
24.与个体的身体、健康和行为特征相关联的数据由各种来源收集，并且可以作为历史患者数据存储，这可以是医疗保健记录的一部分。数据可以由医疗保健提供者在患者就诊期间收集并且被存储在例如护理管理平台内。数据还可以由整合医疗网络、医疗保健系统、医疗保健付款人以及其他管理者收集。在一些实例中，数据可以由患者直接或间接提供。在一些实例中，数据可以由医生或其他医疗保健专业人员收集。在又一些实例中，诸如行为信息的数据可以从第三方来源收集，只要此数据可以归因于个体的行为、身体和健康特征数据。所有这些数据都可以被存储在数据储存库中。本发明的系统及方法的期望实现方式用以从数据储存库中识别具有表明为阻塞性睡眠呼吸暂停的某些身体和健康特征的个体，并且用以进一步识别具有表明长期坚持osa的某些行为特征的个体。
25.osa是许多其他医疗问题的促成因素，这些问题增加了医疗保健提供者和付款人的长期费用、连同对有osa的个体的生活质量的具有深远影响。当有医疗问题的专利被确定为患有osa时，osa状况可以最小化或在一些实例中消除医疗问题。这可能是令人期望的，因为长期医疗保健费用被最小化，并且个体的生活质量提高，尤其是在osa及早得到的情况下。osa具有许多积极的益处，但并不是所有被开出osa计划处方的个体都长期坚持，这可能降低益处。本发明的期望方面是从历史患者数据储存库中识别可能坚持osa计划的个体，这些个体最初基于他们的身体和健康特征数据被识别为可能患有osa。
26.设想一系统，该系统接收或访问来自数据库(诸如患者健康记录数据库)的数据，并且使用第一经训练的算法来识别可能患有osa的当前患者以生成初始个体组。然后，通过第二经训练的算法来处理初始组中的每个个体的一些或所有数据，以识别可能采用和/或长期坚持osa疗法(例如，cpap、下颌骨复位装置、刺激疗法、生活方式改变)的当前患者，从而生成初始个体组的子组。在一些方面中，个体子组是所设想的系统的主要输出，并且可以具有与子组中每个个体相关联的患者可识别信息。然后，该个体子组可以对于医疗保健提供者、医疗保健付款人或个体本身被识别为应该咨询过关于osa以及最小化长期医疗保健费用并提高生活质量的预期益处的候选人。
27.参考图1a和图1b，系统100、100'包括数据储存库200、200'、存储器300、300'、控制系统400、400'以及一个或多个终端装置500、500'(在下文中简称终端装置500、500')。如本文所述，系统100、100'通常可以用于识别可能患有潜在睡眠障碍(例如，阻塞性睡眠呼吸暂停)并且可能坚持(例如，由医生或其他处方者开出的)处方长期计划的个体(例如，医疗保健提供者的患者)。
28.当系统100、100'被显示为包括各种元素时，系统100、100'可以包括本文所示和描述的元素的任何部分和/或子集，和/或系统100、100'可以包括未在图1a或图1b中具体显示的一个或多个附加元素。数据储存库200、200'通信耦合到相应的网络250、250'。在一些实现方式中，数据储存库200、200'经由它们相应的网络250、250'或经由另一网络255、255'通信连接到相应的控制系统400、400'和/或一个或多个相应的终端装置500、500'。
29.数据储存库200、200'包括用于存储患者或患者可归因数据的多个存储装置。在本发明的一些实现方式中，数据储存库200和200'可以包括个体的电子健康数据记录，并且可以具有多个个体的身体特征数据210(或图1b中的210')、连同健康特征数据220(或图1b中的220')和行为特征数据230(或图1b中的230')。虽然数据储存库200和200'(图1b中)被显示为包括各种存储装置，但数据储存库200或210'可以包括本文所示和描述的元素的任何子集，和/或数据储存库200或210'可以包括未在图1中具体显示一个或多个附加元素。
30.被存储在数据储存库200或200'(图1b中)中的数据可以包括多种类型和/或内容的数据。例如，在一些实现方式中，被存储在数据储存库200或200'中的数据包括直接或间接归因于osa或因其加重的身体特征数据，诸如颈围、体重、性别、血压、年龄和/或体重指数。在另一示例中，该数据包括直接或间接归因于osa或因其加重的健康特征数据，诸如打鼾史、心脏状况、疲劳史、观察到的呼吸暂停和/或糖尿病。在另一示例中，该数据包括患有或可能患有osa并可能遵守osa长期计划的个体的某些行为特征，诸如人口统计信息，诸如教育、就业、居住地、婚姻状态和/或医疗保健付款人信息。在一些实现方式中，该数据
包括患有或可能患有osa并可能遵守osa长期计划的个体的附加行为特征数据，诸如动机、健身水平、运动习惯、对处方药物方案的坚持和/或对先前医生建议的支持。被存储在数据储存库200或200'中的数据包括历史患者数据，诸如身体、健康和行为特征数据，这些数据对应于可识别个体(例如，当前或以前的患者)。
31.进一步详细说明了被存储在数据储存库200或200'中的对应于可识别个体的附加数据。再如，在一些实现方式中，该数据包括与类似于该个体的多个个体相关联的坚持度数据。再如，在一些实现方式中，该数据包括对个体在睡眠期间是否遇到呼吸困难的确定。再如，在一些实现方式中，该数据包括个体的关系信息。再如，在一些实现方式中，该数据包括由个体执行的网络搜索。再如，在一些实现方式中，该数据包括对个体是否可能表现出暴饮暴食行为的确定、对个体是否可能改变行为的确定或两者。再如，在一些实现方式中，该数据包括个体已经改变的临床行为的历史记录的至少一部分的总结。再如，在一些实现方式中，该数据包括一个或多个日常健康评估，这些日常健康评估包括由个体经历的头痛和/或偏头痛的发生率和/或频率。再如，在一些实现方式中，该数据包括个体的家属信息。再如，在一些实现方式中，该数据包括个体在基于移动或网络的健康应用中的订阅、与个体相关联的社交媒体信息或其任何组合。再如，在一些实现方式中，该数据包括对个体成为技术早期采用者的倾向的确定。再如，在一些实现方式中，该数据包括与个体是否是使用者相关联的信息、与个体是否饮酒相关联的信息或其任何组合。再如，在一些实现方式中，该数据包括诸如年龄、性别、bmi、健康信息、个体是否吸烟或不吸烟、个体是否饮酒或其任何组合的信息。再如，在一些实现方式中，该数据包括诸如自述痛点的信息，诸如白天嗜睡、打鼾、疲劳、锻炼水平(持续时间、强度、类型)、难以入睡等或其任何组合。将理解，被存储在数据储存库200或210'中的数据可以包括上述类型的数据和/或本文未具体描述的其他类型的数据的任何组合。
32.在一些实现方式中，控制系统400(或图1b中的400')执行机器可读指令(被存储在图1a中相应的存储器300或图1b中的300'中、或不同的存储器中或两者中)以应用第一患者识别算法来处理患者数据的至少一部分，从而识别与选定的身体和健康特征相关联的初始个体组。对初始个体组的识别基于可识别个体的阻塞性睡眠呼吸暂停的所确定的可能性满足或超过第一门限值标准或预定门限值。控制系统400或400'进一步执行机器可读指令(被存储在相应的存储器300或300'中、或不同的存储器中或两者中)以应用第二患者识别算法来处理与初始个体组相关联的患者数据的至少一部分，从而识别与选定的行为特征相关联的较窄个体子组。对较窄个体组的识别基于较窄子组中的个体的长期坚持阻塞性睡眠呼吸暂停的所确定的可能性满足或超过第二门限值标准或预定门限值。最后，控制系统400或400'执行机器可读指令(被存储在相应的存储器300或300'中、或不同的存储器中或两者中)以根据患者数据生成患者可识别信息，从而允许对一个或多个指定实体通知：较窄子组中的个体中的一个或多个是阻塞性睡眠呼吸暂停的优选个体。在一些实现方式中，患者识别算法可以是机器学习算法。在一些实现方式中，患者识别算法可以是预编程的算法。在一些实现方式中，预编程的算法可以如用户所期望的以预定间隔更新。
33.在一些实现方式中，被存储在数据储存库200或200'中的数据可以包括与多个个体相关联的训练数据(例如，历史的、实时的)。在一些此实现方式中，控制系统400或400'执行机器可读指令(被存储在相应的存储器300或300'中、或不同的存储器中或两者中)以用
训练数据训练图1a中的(一个或多个)机器学习患者识别算法330或图1b中的330'(被存储在存储器300或300'中、或不同的存储器中或两者中)。通过使用训练数据，(一个或多个)机器学习患者识别算法330或330'被配置为接收被存储在数据储存库200或200'中的与可识别个体相关联的数据的至少一部分作为输入。
34.图1a中的一个或多个终端装置500或图1b中的500'可以与个体、医疗保健提供者、整合医疗网络、医疗保健付款人、管理者或其他指定实体相关联。在一些实现方式中，终端装置500(或500')被配置为从控制系统400或400'接收一个或多个通知。在一些实现方式中，通知包括如由患者识别算法所识别的较窄子组中的个体中的一个或多个是用于osa的优选(例如，可能坚持长期的)个体。一个或多个终端装置500或500'可以包括个人计算机510(或图1b中的510')、移动装置520(或图1b中的520')或其任何组合。在一些实现方式中，终端装置500或500'可以向数据储存库200或200'通信数据和/或从它们接收数据，诸如可能被发送到数据储存库的患者数据，无论是作为医疗保健记录的一部分，或者直接从个体(例如，患者)接收的数据。
35.在一些实现方式中，存储器300或300'存储机器可读指令320或320'以及第一和第二患者识别算法。控制系统400或400'通信耦合到相应的存储器300或300’，并且包括一个或多个处理器410或410'。控制系统400通常用于控制(例如，致动)系统100的各个组件和/或分析由系统100的组件获得和/或生成的数据。控制系统400'同样用于控制(例如，致动)系统100'的各个组件和/或分析由组件200'和/或500'在系统之外获得和/或生成的数据。处理器410(或图1b中的410')执行被存储在相应的存储器装置300或300'中的相应的机器可读指令320(或图1b中的320')，并且可以是通用或专用的处理器或微处理器。
36.虽然图1a中显示了一个处理器410，并且图1b中显示了一个处理器，但相应的控制系统400或400'可以包括任何合适数量的处理器(例如，一个处理器、两个处理器、五个处理器、十个处理器等)。相应的存储器300或300'可以是任何合适的计算机可读存储装置或介质，诸如，例如，随机或串行存取存储器装置、硬盘驱动器、固态驱动器、闪速存储器装置等。控制系统400和/或存储器300可以耦合到一个或多个终端装置500和/或位于其壳体内。控制系统400和/或存储器300可以是集中式的(在一个壳体内)或分散式的(在两个或更多个物理上不同的壳体内)。控制系统400'和/或存储器300'可以是集中式的(在一个壳体内)或分散式的(在两个或更多个物理上不同的壳体内)。
37.在本发明的一些实现方式中，处理器410(或图1b中410'＝)被配置为执行机器可读指令320(或图1b中的320')以接收被存储在数据储存库200或200'(图1b中)中的数据的至少一部分。在一些此实现方式中，接收到的数据的部分对应于可识别个体。存储器300或300'(图1b中)中的第一和第二患者识别算法处理接收到的数据或其一部分以确定用于osa的优选(例如，可能长期坚持的)可识别个体。
38.在一些实现方式中，要被识别在初始个体组中的个体的阻塞性睡眠呼吸暂停的所确定的可能性包括满足或超过第一门限值标准的个体(例如，95％以上的osa可能性、90％以上的osa可能性、80％以上的osa可能性、70％以上的osa可能性、60％以上的osa可能性)。在一些实现方式中，个体的长期坚持osa的所确定的可能性(用于纳入较窄个体子组)包括与满足或超过第二门限值标准的数据相关联的个体(例如，95％以上的坚持可能性、90％以上的坚持可能性、80％以上的坚持可能性、70％以上的坚持可能性、60％以上的坚持
可能性)。
39.在一些实现方式中，处理器410或410'执行机器可读指令320或320'以给用于osa的较窄优选个体子组中的一个或多个个体生成(一个或多个)个性化途径。个性化途径基于与较窄子组内的多个个体中的每一个相对应的身体、健康和/或行为特征数据。
40.可以设想，本文描述的系统包括经由算法驱动的模块识别具有患有osa的门限值可能性和长期坚持osa的门限值可能性的患者。所描述的系统及方法的期望之处在于以下能力：审查历史患者数据以识别医疗保健提供者(例如，心脏病专家、内分泌专家、家庭医生)的先前患者以及基于该数据，能够在这些历史患者中识别可能患有osa并可能坚持计划的个体。
41.在一些实现方式中，这些系统及方法可以进一步将提供者引导到对所识别的患者来说将成功的期望途径。在心脏病医疗保健提供者的示例中，有心脏问题的历史患者或在导致心脏问题的道路上的历史患者可以被系统识别为具有可能促成心脏问题的osa可能性。如果所识别的患者还具有表明坚持osa的可能性的行为特征，则患者信息可以被发送到医疗保健提供者、医疗保健付款人或整合医疗网络，以允许该指定实体与该历史患者进行咨询。
42.现在参考图2，描绘了用于识别有睡眠障碍的个体和具有采用计划的长期倾向的个体的方法的过程流程图。在步骤600处，提供被存储在数据储存库中或从其中检索到的患者数据。患者数据包括对应于可识别个体的身体、健康和行为特征数据。在步骤610处，应用第一患者识别算法来处理患者数据的至少一部分，以识别与选定的身体和健康特征相关联的初始个体组。身体和健康特征可以从身体特征数据613和健康特征数据616中导出。对初始个体组的识别基于可识别个体的阻塞性睡眠呼吸暂停的所确定的可能性满足或超过第一门限值标准。在步骤620处，应用第二患者识别算法来处理与初始个体组相关联的患者数据的至少一部分，以识别与选定的行为特征相关联的较窄个体子组。行为特征可以从行为特征数据623中导出。对较窄个体组的识别基于较窄子组中的个体的长期坚持阻塞性睡眠呼吸暂停的所确定的可能性满足或超过第二门限值标准。在步骤630处，根据患者数据生成患者可识别信息，以允许对一个或多个指定实体通知：较窄子组中的个体中的一个或多个是阻塞性睡眠呼吸暂停的优选个体。
43.在一些实现方式中，可以通知一个或多个指定实体，并且该一个或多个指定实体可以包括医疗保健提供者、整合医疗网络、医疗保健付款人、管理者、一个或多个个体中的至少一个或其任何组合。
44.在一些实现方式中，至少部分地基于与较窄个体子组内的一个或多个个体中的每一个相对应的身体数据、健康数据、和行为数据来为一个或多个所识别的个体生成个性化途径。例如，个性化途径可以包括识别用于所识别的个体的优选睡眠测试方法、或对通过osa改善的健康结果的分析。改善的健康结果可以包括降低的死亡率、降低的再入院、降低的住院时间、或其任何组合。其他改善的健康结果可以包括改善的临床、财务和患者体验。所生成的个人途径可以传送给对应的个体、医疗保健提供者、其他指定实体或其任何组合。
45.在一些实现方式中，通知可以包括对通过潜在阻塞性睡眠呼吸暂停节省的潜
在医疗保健成本的分析。
46.在一些实现方式中，警报被直接传送给对应的个体以询问关于与他们的医疗保健提供者进行的睡眠测试。
47.在一些实现方式中，在可供第三方访问的网络服务器上提供所生成的患者可识别信息。
48.在一些实现方式中，数据储存库可以包括与护理管理平台、医疗保健系统或两者相关联的数据。在一些实现方式中，患者数据包括历史患者数据。
49.在一些实现方式中，选定的身体和健康特征中的一个或多个包括由可识别个体提供的信息。在一些实现方式中，选定的健康信息、行为信息、或人口统计信息是在一个或多个先前患者就诊期间由医疗保健提供者输入的数据。
50.在一些实现方式中，对所识别的个体的通知包括直接消息或通过健康门户递送的消息。在一些实现方式中，对与所识别的个体相关联的医疗保健提供者或管理者的通知包括最有可能导致患者跟进的通信方法的指示。在一些实现方式中，通信方法包括短消息、、电话或安排就诊的邀请中的一个。在一些实现方式中，通信方法还可以包括递送由管理员、护士或医生之一发起的短消息、、电话、或安排就诊的邀请。
51.在一些实现方式中，生成在较窄个体子组内识别的多个个体的列表，以引导主动外联。
52.在一些实现方式中，这些系统及方法包括识别缺失的患者数据，缺失的患者数据将提高识别个体的准确性，以便进行有针对性的跟进。
53.现在参考图3，描绘了用于训练算法以用于识别有睡眠障碍和具有采用计划的长期倾向的个体的示例性方法的过程流程图。在步骤700处，接收患者数据，并且该患者数据可以包括身体特征数据703、健康特征数据706和/或行为特征数据709。在步骤710处，确定或接收用于训练患者数据内的可识别个体的第一门限值，并且该第一门限值可以包括与已知患有osa的个体相关联的患者数据。接下来，在步骤720处，可以训练第一患者识别算法以用于基于具有osa可能性的所确定的门限值来识别个体。同样地，在步骤715处，确定或接收用于训练患者数据内的可识别个体的第二门限值，并且该第二门限值可以包括与已知长期坚持osa的个体相关联的患者数据。接下来，在步骤720处，可以训练第二患者识别算法以用于基于长期坚持osa的所确定的门限值来识别个体。
54.来自以下权利要求1至29中任一项或多项的一个或多个元素或方面或步骤或其任何(一个或多个)部分可以与来自其他权利要求1至29中任一项或多项或其组合的元素或方面或步骤或其任何(一个或多个)部分相组合以形成一个或多个附加实现方式和/或本发明的权利要求。
55.虽然已经参考一个或多个特定的实施例或实现方式描述了本发明，但本领域的技术人员将认识到，在不脱离本发明的精神和范围的情况下，可以对其进行许多改变。这些实现方式中的每一个及其明显变型都被设想为落入本发明的精神和范围内。还设想，根据本发明的各方面的附加实现方式可以组合本文描述的任何实现方式中的任何数量的特征。

技术特征：

1.一种方法，包括：提供被存储在数据储存库中的患者数据，所述患者数据包括对应于可识别个体的身体数据、健康数据、和行为数据；应用第一患者识别算法来处理所述患者数据的至少一部分，以识别与选定的身体特征和健康特征相关联的初始个体组，对所述初始个体组的识别基于可识别个体的阻塞性睡眠呼吸暂停的所确定的可能性满足或超过第一门限值标准；应用第二患者识别算法来处理与所述初始个体组相关联的所述患者数据的至少一部分，以识别与选定的行为特征相关联的较窄个体子组，对所述较窄个体组的识别基于所述较窄子组中的个体的长期坚持阻塞性睡眠呼吸暂停的所确定的可能性满足或超过第二门限值标准；以及根据所述患者数据生成患者可识别信息，以允许对一个或多个指定实体通知：所述较窄子组中的个体中的一个或多个是阻塞性睡眠呼吸暂停的优选个体。2.根据权利要求1所述的方法，其中，所述一个或多个指定实体包括：医疗保健提供者、整合医疗网络、医疗保健付款人、管理者、所述一个或多个个体中的至少一个、或它们的任何组合。3.根据权利要求1或2所述的方法，还包括：至少部分地基于与所述较窄个体子组内的一个或多个个体中的每一个相对应的身体数据、健康数据、和行为数据来为所述一个或多个个体生成个性化途径。4.根据权利要求3所述的方法，还包括：向对应的个体、医疗保健提供者、其他指定实体、或它们的任何组合传送所生成的个人途径。5.根据权利要求1至4中任一项所述的方法，其中，所述通知包括对通过潜在阻塞性睡眠呼吸暂停节省的潜在医疗保健成本的分析。6.根据权利要求3至5中任一项所述的方法，其中，所生成的个人途径还包括对通过阻塞性睡眠呼吸暂停改善的健康结果的分析。7.根据权利要求6所述的方法，其中，改善的健康结果包括降低的死亡率、降低的再入院、降低的住院时间、或它们的任何组合。8.根据权利要求1至7中任一项所述的方法，还包括：向对应的个体直接传送警报，以询问关于与他们的医疗保健提供者进行的睡眠测试。9.根据权利要求3至8中任一项所述的方法，其中，所生成的个人途径包括建议的睡眠测试方法。10.根据权利要求1至9中任一项所述的方法，还包括：在可供第三方访问的网络服务器上提供所生成的患者可识别信息。11.根据权利要求1至10中任一项所述的方法，其中，所述数据储存库包括与护理管理平台、医疗保健系统、或它们两者相关联的数据。12.根据权利要求1至11中任一项所述的方法，其中，所述患者数据包括历史患者数据。13.根据权利要求1至12中任一项所述的方法，其中，选定的身体特征和健康特征中的一个或多个间接归因于阻塞性睡眠呼吸暂停或因其加重。14.根据权利要求1至13中任一项所述的方法，其中，选定的身体特征包括颈围、体重、性别、血压、年龄、体重指数、或它们的任何组合。
15.根据权利要求1至14中任一项所述的方法，其中，选定的身体特征和健康特征中的一个或多个包括由所述可识别个体提供的信息。16.根据权利要求1至15中任一项所述的方法，其中，选定的健康特征包括打鼾史、心脏状况、疲劳历史、观察到的呼吸暂停、糖尿病、或它们的任何组合。17.根据权利要求1至16中任一项所述的方法，其中，所述行为特征包括人口统计信息。18.根据权利要求17所述的方法，其中，所述人口统计信息包括教育、就业、居住地、婚姻状态、或它们的任何组合。19.根据权利要求1至18中任一项所述的方法，其中，所述行为特征包括动机、健身水平、锻炼习惯、对处方药物方案的坚持、对先前医生建议的坚持、或它们的任何组合。20.根据权利要求1至19中任一项所述的方法，其中，选定的健康信息、行为信息、或人口统计信息中的任一个是在一个或多个先前患者就诊期间由医疗保健提供者输入的数据。21.根据权利要求1至20中任一项所述的方法，其中，对所识别的个体的通知包括直接消息或通过健康门户递送的消息。22.根据权利要求1至21中任一项所述的方法，其中，对与所识别的个体相关联的医疗保健提供者或管理者的通知包括最有可能导致患者跟进的通信方法的指示。23.根据权利要求22所述的方法，其中，所述通信方法包括短消息、、电话、或安排就诊的邀请中的一者。24.根据权利要求23所述的方法，其中，所述通信方法还包括递送由管理员、护士或医生之一发起的短消息、、电话、或安排就诊的邀请。25.根据权利要求1至23中任一项所述的方法，还包括：生成在所述较窄子组内识别的多个个体的列表，以引导主动外联。26.一种系统，包括：控制系统，所述控制系统包括一个或多个处理器；以及存储器，所述存储器具有存储在其上的机器可读指令；其中，所述控制系统联接到所述存储器，并且当所述存储器中的机器可执行指令由所述控制系统的一个或多个处理器中的至少一个处理器执行时，实施根据权利要求1至25中任一项所述的方法。27.一种用于识别可能患有潜在睡眠障碍并可能坚持处方长期计划的个体的系统，所述系统包括：控制系统，所述控制系统被配置来实施根据权利要求1至25中任一项所述的方法。28.一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实施根据权利要求1至25中任一项所述的方法。29.根据权利要求28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。

技术总结

一种系统及方法包括：(i)提供被存储在数据储存库中的患者数据，(ii)对患者数据应用第一患者识别算法，以识别与选定的身体特征和健康特征相关联的初始个体组，(iii)对与初始个体组相关联的患者数据应用第二患者识别算法，以识别与选定的行为特征相关联的较窄子组，以及(iv)根据患者数据生成患者可识别信息，以允许通知。对初始组的识别基于个体的阻塞性睡眠呼吸暂停(OSA)的所确定的可能性满足或超过第一门限值标准。对较窄组的识别基于个体的长期坚持OSA的所确定的可能性满足或超过第二门限值标准。对指定实体通知：较窄子组中的个体中的一个或多个是OSA的优选个体。体中的一个或多个是OSA的优选个体。体中的一个或多个是OSA的优选个体。