改善医院的医疗团队协作传输通过基于云计算的移动系统

文摘

临床事实是更好的病人之间的流程管理和医院提高医疗服务质量,资源利用率和成本效率。随着医院的病人数量不断的增长,需要医院转移直接影响。转诊小组转移需要有几个原因,但他们通常当一个病人所需的诊断和治疗设备不是本地可用。医院之间传输关键病人通常伴随着死亡和并发症的风险。这就提出了一个问题:我们如何才能改善医院的医疗团队协作传输通过使用新兴的信息技术和通讯服务吗?本文提出一种基于云计算的移动系统支持团队协作和决策在运输的病人情况危急。快速急诊医学的分数(REMS)规模作为结果变量,成为一个有用的规模评估关键风险的病人需要医院之间进行传输。这有助于医务人员采取适当的风险防范措施在处理传递和反应时间在运输过程中如果出现任何并发症。

1。介绍

转诊小组转移(《国际先驱论坛报》)的患者,也称为interfacility或二次转移,医疗服务交付的一个组成部分。有各种各样的原因患者可能需要《国际先驱论坛报》(1]。病人可能需要转移由于缺少重要保健设施或在医院的床上。其他人可能需要更专业的治疗和设备只能在更复杂的设施。转移的常用分类如下:(一)主要转移将病人送往医院之前的设置,接收医院;(b)二次转移医院,医院转移,包括三级中心;(c)三次转移从二或三级医院,国家中心的专业知识;和(d)第四纪转移,国际转移。

这种情况导致了医疗和交通与物流服务通常需要援助和决策。具体来说,《国际先驱论坛报》时需要诊断和治疗病人所需设施不本地可用2]。不幸的是,它是常见的并发症发生在运输。运送病人的决定必须做平衡的潜在好处后运输和其中涉及的风险。虽然细致pretransfer检查可以评估风险,病人的生命体征旅行时可能会受到重大的变化(3]。

智利目前的紧急医疗运输系统由SAMU(紧急医疗护理服务)。它提供了一个中心的第一反应车辆和救护车有或没有医生。然而,大多数救护车不能够适当装备远程监控病人的生命体征,运输。SAMU有许多问题与设备上救护车。他们使用的设备非常大,不适合紧急运输:一些非常脆弱,而很少能够传输数据到服务器。经常突然加速,停止,和《国际先驱论坛报》的不断振动固有可以显著改变传感器的测量,甚至破坏设备,导致巨额货币损失。SAMU还管理车辆和医院之间的通信通过广播渠道,将分析病人的病情的责任完全在船上人员并创建协调困难,同时转移。尽管对嵌入式设备的兴趣增加,移动应用程序,和云平台,目前仍有差距重要SAMU所使用的传感器设计和实际需求的医生和医生监测病人在运输。

这个项目试图填补这一缺口,通过提供一个低功耗嵌入式解决方案能够捕获的一些病人的生命体征,如心率和血氧饱和度,并将它们发送给智能手机使用无线连接。病人的生命体征监测的嵌入式设备配备传感器至关重要。装备这些设备使患者实时生命体征数据的捕获和传输。这反过来允许远程监控平台的建设和智能手机应用程序为了提高医疗团队协作在《国际先驱论坛报》。通过集中云中的这些信息通过智能手机的手机广播、离线医生可以支持护理人员在他们的决策过程,同时监测病人的生命机能。这个项目的目标是建立一个风险评估平台被用来决定是否通过SAMU运输病人,触发在途的并发症,早期反应和克服当前监控系统的许多缺点。

部分2描述当前状态的艺术在移动医疗技术专注于移动远程医疗。部分3描述了新兴信息技术对医疗服务的趋势。部分4描述了快速急诊医学的分数(REMS)在智利进行研究。部分5提出了系统和部分6提出了讨论,结论和未来的工作。

2。相关工作

移动远程医疗是遥远的病人提供医疗服务的科学通过使用信息和通信技术。已经研究了几十年的主题提供患者的院前早期关注关键的病人可能意味着生与死的区别,然而移动远程医疗解决方案一直局限于固有mobility-related约束等有限的吞吐量和连接不可靠。第一个记录移动远程医疗项目救护车远程医疗系统(4在1990年代初提出。以biosignal监视器连接到笔记本电脑和GSM调制解调器。它让320年的传播240 JEPG图像和病人的实时生物信号(心电、心率、血压、血氧饱和度)一个医疗小组监控情况在很长一段距离。架构遵循客户机-服务器模型中,客户端将负责建立通信,发送数据,并要求病人的医疗记录。系统使用TCP / IP协议在GSM和限制在最大速度为9.6 kbit / s由于2 g技术的局限性。

之后,移动网络的发展看到许多新的移动远程医疗计划利用他们开发新的应用程序。WAP远程医疗系统(5]介绍了移动健康应用设备提供给消费者:在这个特殊的案例中,一个wap功能的手机。它允许ECG信号的存储和传递,病历、医院的消息,和医生的建议。2004年,一个系统,允许静态图像的传输,视频,和车辆控制和管理提出了(6]。这看到的GPS和无线摄像头设备的救护车提供更丰富的信息。可靠性仍然是一个问题在欠发达的农村地区移动网络可用性并不丰富。应对这一挑战,作者在7)提出了一个系统,将循环通过多个无线通信标准,以通过最可靠的信道发送信息。

移动3 g网络,平台提出了(8)引入了一个具有成本效益的便携式系统通过一台笔记本电脑或平板电脑,实现收集和传递心电图信号,医学图像和实时视频。这些将被发送通过3 g医院单元中实现一个台式电脑。这些特性是通过增加新网络的数据传输速率。类似的设备提出了(9),一个产品的电脑和一个摄像头和一个麦克风/耳机连接到无线连接的WIBRO调制解调器。该解决方案将利用QoS的增加,区域范围,比特率传输的WiMax成功使医护人员在医院和医务人员之间的电话会议。然而,测试在实际条件表明,设备只满足基本性能参数,主要是由于连接可靠性的问题。

救护车移动远程医疗系统开发4 g LTE-advanced不太常见的文学因其相对新奇,但它们仍然相当丰富的偏远地区的患者监测和自我保健。这些技术是相当主要的身体传感器网络。BSNs是无线传感器网络中,传感器的一个子集是明确用于监控一个独立的个体。然而,有效实施BSNs非常具有挑战性,因为大量的并发数据流产生。他们需要收集、处理和分析,以生成用于病人或医务人员的信息。其他的运营挑战包括隐私、安全性和异构设备的无缝集成。努力为简化这个过程导致了BSN框架的创建BodyCloud等云计算系统架构管理和监视的身体传感器数据流(10],C-SPINE协作的框架BSNs使传感器发现,激活、执行、内部通信和数据融合(11]。Bourouis等人介绍一个特定BSN实现的一个例子,他们利用移动设备收集运动和老年患者的生理参数通过蓝牙。分析这些数据和发送到服务器上的任何相关的感知变化(12]。类似的架构提出了(13),虽然收集到的信息是由病人的进一步丰富自己的状态日志和社交网络传递信息。后来被称为数据服务器通过SOAP API。

彻底调查移动车辆的移动远程医疗解决方案场景可以在[14]。Batistatos et al。15)还分析同样的技术,但他们的研究更多的是集中在他们的需求、特点、优点,和局限性。他们的结论是远程医疗在移动场景的最大的挑战是不断变化的业务环境。因此,解决方案应该支持自适应网络适应任何基础设施是目前可用的或者是功能齐全的情况下网络可用性差或不存在的。

我们的系统被设计成利用最新的api和移动设备提供给消费者创造一个低成本的解决方案特定环境的病人的生命体征监测传感器和《国际先驱论坛报》。我们不深入研究资源密集型多媒体交互通信可靠性已被证明在几个这些研究中一个非常重要的问题。相反,我们关注的参数集最有可能影响患者生存期间紧急转移。我们提供这些当地的医护人员团队和使用它们来计算一个全球得分。然后大家共享这些信息在医院医务人员只要网络连接可用;然而,系统的主要功能并不是由于缺乏连通性和医护人员仍可能产生一些受益于这样的场景的解决方案。

虽然许多远程病人监控项目存在,这些大多是针对静态背景和不考虑流动性约束。其他限制自己简单的生命体征监测,不执行任何历史数据分析,主动提醒任何不规则的医生,或者他们可能依赖于高质量的无线网络是可用的,经常在欠发达地区并非如此。我们的解决方案是专门为这些目标而设计的。

部分3描述了新兴信息技术在医疗保健服务的趋势被认为是在我们的基于云计算的移动系统的建议。

3所示。移动云计算和医疗服务

云计算是一个模型,使按需网络访问一个可配置的云资源最少的开发人员的努力。这些资源可以快速分配或根据当前服务器发布需求自动(如Amazon EC2)或手动。云计算被用于移动医疗服务好几年了,它已经被有效地演示了缓解发展与健康有关的架构(16]。然而,将这些服务与移动平台远琐碎,构成一个完全不同的挑战。有效的移动远程医疗解决方案必须支持普遍的和无处不在的数据访问和妥善处理硬件资源有限,没有过度的电池使用。理想情况下他们应该支持至少部分离线功能和自动数据库同步。

基础设施,允许移动平台利用云的资源和支持上述功能属于移动云计算的范畴(MCC)。MCC架构由一个移动和云组件通过移动网络连接互联网。云服务部署在集群的服务器通常由云服务提供商(如谷歌的云计算平台,微软Azure和Amazon Web服务)。然后可以分类基于云服务的可定制性和控制潜在的系统提供给开发人员和部署速度和易于维护(见图1)。在这个范例中,我们认识到三个主要类别:基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)17]。

IaaS是高度可定制的,因为开发人员负责从设置操作系统部署应用程序和配置它的运行时环境。一般PaaS解决方案(比如Web和工人做更多的开发人员的重任,因为服务有一个操作系统和中间件应用程序已经配置。PaaS解决方案针对特定应用程序的一个子集,如网络,媒体,或移动,能够提供更多的胶水代码的应用程序的需求。最后,SaaS允许没有定制和只支持一个特定的软件分发。因此,SaaS解决方案是专门针对一个特定的需求。

为了减轻云服务的集成和移动客户,有最近的移动后端服务(MBaaS)提供者,允许开发者建立复杂的移动云相互作用很少配置。这些解决方案为程序员提供两个主要特点:在客户端,我们有专门为每个移动客户自定义库使有关手机操作系统;在服务器端,我们有控制面板,使广泛的配置可能在几分钟内。MBaaS不仅使所有基于云服务的连接性和可伸缩性也供应解决方案等常见的移动开发挑战用户身份验证,推送通知、数据存储、整合社交媒体,地理空间查询,离线同步,分析等等。这提供了一个一致的方法来管理手机后端需求作为服务和删除需要开发自定义的特殊解决方案,往往遭受严重的性能和安全问题。

我们可以看到在18),使用MBaaS不是外国医疗应用程序,它用于大大促进数据路由、安全、身份验证、授权、离线功能,服务编排。

在前面的段落我们解释如何移动和云计算代表了截然不同的方法来解决方案交付,如何将这一技术的基础之一的下一代计算。《国际先驱论坛报》的下一节描述雷姆的重要性和相关性的IT解决方案对提高医疗团队协作在《国际先驱论坛报》。

4所示。理解雷姆的重要性作为转诊小组的风险评估工具转移病人的关键

快速急诊医学的分数(REMS)是一种对危重急诊病人住院死亡率的预测。首次提到了2003年由奥尔森和林德在文学和已被证明是比类似的死亡率预测如饶舌歌(19和喵喵20.]。雷姆0到26之间不同,一个更高的分数意味着更大的死亡风险。它认为六个变量:平均动脉压、心率、呼吸率、外围血氧饱和度,格拉斯哥昏迷评分,和年龄。他们每个人可能贡献4分,最后的分数,除了年龄,贡献6分。表1详细总结了如何计算分数。雷姆的主要优点之一是它的自然和放松来确定。所有这些变量可以估计由训练有素的医生或衡量公共医疗监视器。尽管它很简单,它是一个非常强大的工具来辅助临床决策。

自成立以来,已经有若干举措来评估其应用领域对ICU患者住院死亡率。在[21),去撞墙受伤的患者中进行的一项研究发现了相似的雷姆和住院死亡率之间的相关性(AUC的0.91)。尤其是我们的例子中,开始时也被证明在转诊小组评估死亡率风险转移时表现相对较好。在[20.),研究人员进行了一项回顾性研究在危重病人转移到加护病房,发现雷姆表现相当不错的预测死亡率(AUC的0.72)。他们进一步强调雷姆纳入电子决策支持工具可以“帮助临床医生在平衡资源,风险,和物流选项在复杂病人转移场景。”

为了验证这些结果和评估的适用性雷姆SAMU转移,我们进行自己的研究来验证其有效性在评估病人的临床状态进行二级医院之间的转移。我们进行了回顾性分析转诊小组转移由SAMU在圣地亚哥,智利,2014年10月和2015年5月之间。总共3629名患者(男性61.9%,女性38.1%)包括在分析中。我们认为雷姆在《国际先驱论坛报》以及其他相关变量。这些数据总结表2。通过分析初始雷姆和患者死亡率的关系,我们的结果显示一个AUC为0.72,从而证实了先前发表的结果。进一步的研究可以在[1,22]。

有鉴于此,雷姆可以作为早期预警系统来评估病人的病情的严重性。因此,病人被归类在三个类别之一:低风险(REMS < 6),中等风险(6⩽雷姆⩽13),和高风险(REMS > 13)。根据分类,额外的预防措施可以采取安全在转移病人的健康。在转移,突然雷姆峰值表明增加死亡风险,可能引发早期治疗行为的护理人员的协作医院医务人员可能挽救病人的生命。这些可能包括使用作用于血管的药物,重新评估使用辅助氧化和通风,或变更转移到附近诊所。因此,护理人员可以采取适当的措施避免病人的早期阶段physiopathological恶化。因此,我们可以防止风险和更积极的干预措施,降低临床资源的使用,避免长期住院。因此,当初始转移患者一个中间或高雷姆,常数必须维护评估以识别潜在风险的情况下时间3]。

5。提出了基于云计算的移动系统

5.1。应用精益创业作为一个可行的方法解决医疗与多学科团队研究项目

精益创业运动首次官方试图进入医疗保健行业当史蒂夫空白了生命科学和医疗保健的精益发射台:正确的方式重新设计医疗(23]。目的是教育研究者和临床医生如何将他们的技术从一个学术实验室或诊所进入商业世界。生命科学类聚集药物开发人员、软件工程师、和医疗设备发明家和鼓励他们来检验自己的想法之前发射业务。

精益创业原则是在许多方面类似于科学的方法应用到创业公司(24,25]。治疗你的假设,假设,然后去测试他们先从最关键的和最便宜的测试将业务模型转换为数据你的假设。使用精益创业原则允许多学科团队提出个人项目或研究想法被更广泛的团队(投票表决24]。

精益创业的核心模型是Build-Measure-Learn反馈回路(图2),采用与专业培训团队,专注于一个元素的反馈循环(26]。因此,正确使用精益创业原则使本研究可以轻松地集成多学科视角提出解决医疗研究项目。形成一个跨学科的团队特别相关的医疗保健专业人士更有洞察力的医疗保健行业的需要,而计算机科学家更熟悉移动服务的成功的关键因素:确定实际和潜在开放研究问题,研究移动服务是如何影响和他们(即是如何表现的。用户的行为),揭示他们真正期望(即。需求和偏好)。

本研究使用的数据暴露部分4,对于REMS规模作为切入点。在最初的学习阶段,我们确定了REMS的有用的预测风险和病人的病情的严重程度在《国际先驱论坛报》;然而,它没有被积极作为决策工具。因此,我们设想一个平台,可以计算,其他数据,实时雷姆和支持决策为《国际先驱论坛报》。

在第一个周期的方法,我们专注于提供一组工具来帮助住院临床工作人员和医护人员救护车。初始模型建立与实际用户作为我们的第一个产品和测试。我们第一次使用半结构式访谈测量方法,确定几个关键方面关于可用性和架构,因此通知我们哪些特性对最终用户增加了更多的价值。最后,在学习阶段,这些评论和反馈分析和整合,导致提出的改进和验证模型和核心功能。

反馈来自第一个周期,我们的团队转移到关注建设和获得最初的最小可行产品(MVP)将把我们确定的核心特性。我们将平台划分为三个主要组件:一个后端,移动应用程序和嵌入式设备。我们确定每个组件解决一个核心特征:后端提供了可伸缩性和数据集中,移动应用提供了监控接口,嵌入式设备被用于数据提取。我们测试了这个平台的第一个版本与模拟数据来模拟真实的《国际先驱论坛报》,用同样的方法作为第一个周期收集反馈。核心功能都不错,但是我们的移动应用程序的可用性被确认为重要平台的成功。

最后,我们固定的问题发现在之前的周期和我们建立了一个稳定版本的平台。系统测试与模拟传输使用我们的嵌入式传感器在一个真正的救护车。我们给卫生保健专业人士,本科民事计算学生和护理学生测试平台。成功之间的通信建立了远程医疗转移团队和专业车载,和每个人都能遵循雷姆的实时变化。

5.2。基于云计算的移动系统的体系结构

基于云计算的移动应用程序提供不断的监控功能和保健指南,如我们的解决方案,可以分类下的协作系统。这些应用软件可以实现由于mobility-related限制特别具有挑战性的前端和后端(27]。移动前端需求与内在的局限性与设备交互,常数对于大多数应用程序。另一方面,需求相关的应用程序后端非常不同和独特的监测和协作平台。这些包括环境(互操作性、异构性、可伸缩性和可用性)、安全性(可靠性和隐私)和性能(电池寿命、存储和带宽)的要求。

为了处理这些限制,我们的解决方案增强功能的移动设备将移动云计算的原则。MCC架构寻求利用外部资源节点的功能来提高性能和电池寿命28]。因此,我们的解决方案使用智能手机作为无线传输的枢纽和显示各种传感器的数据;后来传递到服务器负责所有网络连接可用时繁重的处理。这使得服务器实时处理和分析传入的数据为了获得统计数据和上下文信息不过度移动设备的电池(29日]。

图3显示了提出了系统的总体架构,将功能分为三个基本的应用程序:(a)基于云计算和数据存储后端服务的目的,(b)移动和Web应用程序之间加强协作,分析SAMU和医疗团队,和(c)嵌入式和移动应用程序帮助生命体征监测和改善沟通在医疗服务。

依靠这个通用架构,提出平台工作如下。开始转移之前,一个办公室医疗专业分配转移到救护车通过使用网络系统。指定的护理人员急救通知移动系统。一旦病人准备和传感器连接到他,开始转移。在转让、嵌入式传感器测量生命体征和发送测量到移动系统。移动系统计算雷姆和是以图形化的方式显示信息,发送数据到云。然后,办公室卫生保健专业人士能够观察到的所有信息关于实时状态的病人,这增强了SAMU员工的不同成员之间的协作在转移。图4显示了一个序列图描述的过程。

5.3。移动端作为服务

后端服务启用方便,按需网络访问计算资源和服务的共享池,可以迅速分布通过最少的管理工作。这些基于云的后端服务是用来收集来自多个传感器的数据,为不同的用户提供访问这些信息。在使用权力云手机服务的优点如下:(我)按需自助服务:随时可以使用的资源和访问。(2)广泛的网络访问:可以通过网络访问的资源从多个类型的设备。(3)可伸缩性:用户可以迅速获得更多的资源从云的扩展。(iv)处理能力:它允许减少设备相比,复杂的任务的计算时间和有限的资源。(v)安全和隐私:可以集中的身份验证和授权。

服务平台构建Ruby on Rails (RoR)框架。它公开了一个REST Web服务,通过它接收数据和定义了协议由医护人员在紧急情况下使用。只允许经过身份验证的用户与Web服务交互,因此确保患者的医疗数据仍然是安全的。存储的目的,我们的云服务使用SQL和NoSQL数据库。MongoDB NoSQL数据库被选在一个关系数据库由于其高可伸缩性和更好的性能在处理大型负载的并发写操作(30.]。这种模式非常适合于传感器的内在写密集型特征数据收集应用程序。

RoR服务托管在Heroku的云平台和数据库实例使用一个动态的移动,这是一个轻量级的Linux容器,一个运行指定的命令。即组件使用平台服务解决方案,它允许我们来管理应用程序,同时避免基础设施的复杂性。

后端服务需要多个用户共享和分发数据和一些设备和平台。为了达到这个目标,两种技术都被采纳了。第一个是谷歌云的消息传递,它被用来发送非敏感信息云服务的移动设备。第二种是PubNub,用来与网络用户提供实时交互的数据到云。

5.4。前端Web应用程序

Web应用程序的主要目标是提供远程实时跟踪的病人被转移。它主要针对医疗监管机构可以远程协助护理人员在紧急情况下。使用现成的信息,他们可以立即下令重新传送的情况需要它。

医疗提供图形化的数据图表显示病人的临床状态的趋势(REMS)及其参数为每个活动转移。应用程序背后的技术包括RoR, AngularJS和常见的Web技术(HTML、CSS和JavaScript)。我们使用模型-视图-控制器设计模式的后端服务和Web应用程序的前端。

Web应用程序的主要布局图所示5。在左边,有转让的列表。当选择转会,雷姆及其参数的趋势显示在右边的图表中。当参数被观察到的是在正常范围内,数据以绿色显示,但当它达到危险值时,它显示为红色。移动应用程序生成的警报显示这个界面的顶部。当删除一个护理人员参加或当病人的条件返回到正常状态。

考虑到病人的病情恶化可能导致严重的情况下,重要的是能够为医护人员提供正确的方向。一个重要的决定是改变目标医院的病人需要的状态的时候。为了支持这样的决定,Web应用程序可以显示一个地图实时显示救护车的位置(参见图6)。

最后,正如转移完成,信息从屏幕上消失,只可见医疗管理员。这些卫生专业人员在《国际先驱论坛报》访问历史信息(见图7)。

5.5。移动应用程序

监控系统提供了一个工具,医护人员在救护车和医疗监管机构SAMU办公室可以追踪病人的状态转移。它是实现使用一个移动应用程序和Web应用程序。他们两人与后端服务交互实时发送和接收数据。下面列出了移动应用程序的主要组件:(我)交流:移动应用管理接待来自传感器的数据和处理数据的发送到云上。(2)转移:负责执行更新用户界面的新数据。(3)存储:它管理访问不同文件存储在本地。(iv)位置:它管理相关的所有程序决定救护车的位置。(v)计算器:它执行所需的计算确定病人的雷姆和呼吸率。(vi)持久性:负责保存数据时,移动网络不可用。

本机移动应用程序是建立在Android平台上,需要设备运行Android 4.1或更高。它提供了一个简单的图形用户界面,使护理人员监测病人的生命体征随着时间的推移,通过动态图表。这些图表允许医护人员观察病人的雷姆的趋势及其参数,而面板显示当前值的参数。应用程序还包括一系列协议和指南应用具体情况发生时在转移。

移动应用程序接收数据从传感器的使用一个本地wi - fi网络。然后处理数据,计算,并更新相应的图表。同时,信息被发送到云服务的使用移动网络。移动网络不可用的,数据存储在本地,直到恢复连接。当这种情况发生时,数据发送last-come-first-serve基础上。

图8显示了移动应用程序的用户界面。其布局划分如下:在左边有一个列表显示当前值雷姆及其参数。在右边,有一个图表显示的趋势随着时间的推移,雷姆。选择左边的一个特定参数来观察自己的趋势图表是可能的。在顶部,有一个允许医护人员选择的复选框列表特殊病人可能的条件。最后,在右上角,可以观察生成警报当检测到潜在的危险情况。

此外,这个应用程序支持一个可选的谷歌眼镜外围。谷歌眼镜的主要优势比其他智能手机等用户界面的能力与它交互,而无需使用一个人的手中。例如,在紧急情况下,医护人员的注意力必须集中在病人,应该双手自由参加。医护人员能够使用相机拍照的医疗情况下安装在谷歌玻璃边缘(见图9)。谷歌眼镜将图像发送给医生在卫生设施接收表示的过程。因此,与谷歌玻璃,护理人员可以集中全部注意力集中在病人相关信息时直接在他们的眼前。

5.6。嵌入式设备

嵌入式应用程序的目的是提高收集数据的过程可穿戴传感器设备的重要标志。传感器平台由两个组件,传感器设备本身和一个移动应用程序集中在生命体征监测和通信与云平台。

图10显示了配置不同的平台使用的盾牌。Arduino Uno和e-Health传感器盾v2.0被用来支持检索数据从相应的传感器。特别是,一个动脉血氧饱和度传感器(见图(11日))是用于阅读脉搏和血氧水平,而一个气流传感器(见图11 (b))是用于计算呼吸率。动脉血氧饱和度传感器被安装在一个病人的手指。气流传感器安装在病人的头部,传感器本身的鼻子。这些传感器连接到e-Health保护通过有线连接。Arduino Uno e-Health盾安装,这是程序接收数据和发送它通过wi - fi和UDP协议到移动设备,使用xBee盾牌和RN-XV妻子模块。

提出了设置的主要优势和当前设备所使用的医疗服务是低成本。不仅是每个组件可用的安排以非常低的价格,但每个人都是独立于其他。因此,最终影响单个模块的故障不会影响休息和嵌入式设备可以继续函数在有缺陷的模块替换。

两个重要约束存在的传感器。首先是这一事实没有血压传感器,无线发送数据时可用的原型。出于这个原因,这个数据必须收集使用标准的设备可以在救护车和手动输入到移动应用程序。然而,可以创建自动血压袖口兼容Arduino使用非常基本的电子元器件;我们不包括由于时间问题。第二个约束是目前没有Arduino的呼吸速率传感器存在。我们设法绕过这个限制,适应一个气流传感器的读数。我们的系统需要气流测量每50毫秒和推断是否对应于病人吸入或呼出。有足够的测量随着时间的推移,很容易估计呼吸率。

5.7。测试基于云计算的移动系统的结果

为了测试系统在实际环境中,我们进行了模拟病人转移在一个实际的救护车用于二次转移。三个护理人员,而其他卫生专业人员呆在办公室监控传输通过Web应用程序(参见图12(一个))。持续沟通成立为了比较移动设备中的信息在Web应用程序的信息。图12 (b)显示的图片使用的传感器和移动设备在一个模拟的转移。Arduino的灰色框所示的第一形象,在移动设备的护理人员,第二幅图所示。第二幅图还显示当前设备的救护车监测病人的健康状态。

救护车的路径长约6公里,山背后点会为了测试信号强度。仿真呼吁一个无意识的病人;因此,格拉斯哥被分配在雷姆4分。模拟病人也在呼吸援助,给4分呼吸率。因此,最初的雷姆是8,假设所有其他参数评价得分为0。

传感器连接到病人在旅途中。血压读数是每五分钟,手动更新的移动设备。的数据,可以观察雷姆改变由于心率的变化以及血压的变化。

系统的可用性和性能而言,传感器平台相比,表现良好在救护车上可用的传感器。事实上,阅读整个旅行几乎是相同的。一个消极的方面是心率传感器偶尔失去联系由于振动时产生的救护车转移。连接中断了大约5秒钟,因此不是至关重要的。根据护理人员,这些也断开连接发生与传感器平台目前在救护车上。

另一方面,移动应用程序给常数反馈状态的病人通过图表雷姆的条款。信息已成功发送到云实时时间的98%左右。其余的数据交付一些延迟是由于移动网络信号的本质。然而,由于网络的停机时间是无关紧要的相比,其正常运行时间,这不是视为一个问题。

另一个重要方面是移动应用程序能够检测断开连接的传感器。当这发生时,系统可能最糟糕的分数分配给雷姆参数,它反映了山峰的雷姆图。生成的系统也相应的警报,促使医护人员检查设备。Web应用程序允许的观察和分析的信息实时传输没有问题。参数的趋势显示在图表,以及生成的警报。

6。讨论和结论

本文提出一种新颖的低成本的基于云计算的移动系统,协助临床决策在高危患者转诊小组转移。它已经被证明是可靠的足以促进护理人员之间的沟通和协作和住院医疗人员当移动网络是可用的,并提供一个有价值的指标,并不时病人的状态。谷歌眼镜的使用也显示出有前景的结果,尽管硬件缺乏成熟的,我们期待与未来的迭代优化这些解决方案的玻璃设备。在这种情况下,电池寿命被认为是不切实际的,医护人员显示良好的态度谷歌眼镜的实际应用这个问题应该解决了。

传感器平台的性能,能够准确地读取所需的参数分离率低和断开等错误发生时迅速复苏。移动应用程序能够接收数据速度快,执行计算,并将数据发送到云没有大问题。它能够提供实时数据到云在大约98%的转移。

Web应用程序能够显示移动设备发送的信息和实时更新,使护理人员有效地跟踪病人的状态,且转移。要求该组件包括几个同时救护车转移的保养,每一个在一个较高的传输速率发送数据。使用NoSQL数据库应用程序的性能显著增加。

在可用性方面,移动和Web应用程序提供了信息的方式很容易读的医护人员,他们预计将成为未来有用的进行研究。关于传感器平台,发现传感器电线相当短,延长他们可以提高可用性。

我们目前的原型满足所有的需求,站在自己的MVP。不幸的是,我们到目前为止无法前进走向真正的应用程序由于缺乏医疗认证我们的嵌入式传感器。由于这个,我们无法进行实际测试作为有道德和法律在医院管理者的关注。然而,必须要强调的一点是,我们的测试显示差异很少使用我们的设备,SAMU的救护车。在理论上,他们应该产生相似的结果。

在未来,我们希望将批准医疗设备为了这最后一步。此外,我们希望包括更多的无线传感器系统中为了扩大平台的好处。12-channel心电图,例如,由医护人员广泛使用,医生帮助病人诊断。通过使用可用的硬件在今天的智能手机,我们还应该能够添加实时会议功能。额外的工作,这个系统我们可以负担得起的和健壮的足以被包括在任何救护车和足够灵活,可以被连接到多个应急系统。特别是我们目前正在研究是区际转移系统。通常是在智利南部,没有道路获得一些更偏远的地方。在严重的情况下(自然灾害、工业事故),救护车不可用的崩溃SAMU面对大量的病人。例如,2015年9月16日,一个8.4级的地震袭击了智利北部。城市应急运输车辆不足参加所有的受伤,飞机必须作为最后把受伤的(见图13)。空中和海上交通工具的使用在这些场景中并不少见,但显然没有通过传统互联网接入移动网络在这种情况下。作为一个可能的解决方案,我们正在调查卫星网络为了绕过这个限制,并把这个平台在飞机和船只。

总之,我们认为,从研究中获得的证据生成的数据在实际传输可以增加质量,病人护理决策的有效性和效率。根据流行病学的需求和流行,我们确定一个病人的需要创建风险概况卫生系统,这将使我们能够描述风险组织和开发策略旨在防止健康问题在传输和并发症。云服务信息数据库之上的预测分析解决方案将快速识别组织最危险,如老年患者在极端,产生新的严重程度量表等团体。

信息披露

摘要是一篇论文的扩展和修改后的版本在第九届国际会议上无处不在的计算和环境智能(UCAmI 2015) (31日]。

相互竞争的利益

作者宣称没有利益冲突有关的出版。

确认

这项工作是支持的部分VRI-PUC跨学科批准号03/2013,FONIS 2014 SA 12 i2045 CONICYT, SAMU。最后,我们要感谢所有学生的计算机科学和智利天主教大学护理学院的人参与了这个研究项目。

引用

1. m . j . Carrillo Barrera) c·赫雷斯a·科尔特斯et al .,“Traslado interhospitalario samu metropolitana领域:En busqueda de una药对calidad de atencion”FONISSA12I2045, 2014年。视图:谷歌学术搜索
2. d . Sethi和美国萨勃拉曼尼亚”,当地点和时间问题:如何进行安全的跨基础转移的病人,”沙特麻醉学杂志,8卷,不。1,第113 - 104页,2014。视图:出版商的网站|谷歌学术搜索
3. b . m . j . Carrillo和s·m·t·乌鲁蒂亚“危险Perfil de pacientes adultos sometidos一traslado secundario为什么墨西哥avanzados del sistema de atencion书de urgencia metropolitana德尔地区,”智利航空杂志上》,卷140,不。10日,1297 - 1303年,2012页。视图:出版商的网站|谷歌学术搜索
4. s . Pavlopoulos e . Kyriacou A . berl s Dembeyiotis和d . Koutsouris”小说紧急基于无线通信的远程医疗系统technology-AMBULANCE,”IEEE在生物医学信息技术,卷2,不。4、261 - 267年,1998页。视图:出版商的网站|谷歌学术搜索
5. k .挂和Y.-T。张”,实现WAP-based病人监控,远程医疗系统”IEEE在生物医学信息技术,7卷,不。2、101 - 107年,2003页。视图:出版商的网站|谷歌学术搜索
6. g . Mandellos d . Lymperopoulos m . Koukias tz, n . Lazarou和c . Vagianos”小说为救护车运输移动远程医疗系统。设计和评价”IEEE学报》26日的年度国际会议IEEE磨床,卷2,页3080 - 3083,旧金山,加州,美国,2004年。视图:谷歌学术搜索
7. e . Sutjiredjeki Soegijoko, t·l·r·Mengko和s . Tjondronegoro”移动远程医疗系统的发展对城市和农村地区多通信链路在印尼,”3日吉隆坡国际会议2006年生物医学工程:生物医学2006年,2006年12月11 - 14号吉隆坡,马来西亚15卷IFMBE诉讼施普林格,页660 - 663年,柏林,德国,2007年。视图:出版商的网站|谷歌学术搜索
8. y楚和A . Ganz”移动teletrauma系统使用3 g网络。”IEEE在生物医学信息技术,8卷,不。4、456 - 462年,2004页。视图:出版商的网站|谷歌学术搜索
9. i . h . m . j .夸克j . m . Kim Shin et al .,“实时医疗控制使用无线视听传播的传输设备在院前急救服务在韩国,“远程医疗和Telecare杂志》上,15卷,不。8,404 - 408年,2009页。视图:出版商的网站|谷歌学术搜索
10. g . Fortino d Parisi诉Pirrone, g . Di Fatta”BodyCloud: SaaS的方法对社区的身体传感器网络,”未来一代计算机系统,35卷,第79 - 62页,2014年。视图:出版商的网站|谷歌学术搜索
11. g . Fortino s Galzarano、r . Gravina和w·李”的框架协同计算和多传感器数据融合的身体传感器网络,”信息融合卷。22日,50 - 70年,2015页。视图:出版商的网站|谷歌学术搜索
12. a . Bourouis m . Feham, a . Bouchachia”无处不在的移动健康监测系统为老年人(UMHMSE)”国际计算机科学与信息技术杂志》上,3卷,不。3、74 - 82年,2011页。视图:谷歌学术搜索
13. A . k . Triantafyllidis v . g . Koutkias Chouvarda,和n . Maglaveras”普遍的卫生系统整合病人监测、状态记录,与社会共享,“IEEE生物医学和卫生信息学杂志》上,17卷,不。1,30-37,2013页。视图:出版商的网站|谷歌学术搜索
14. 张炳扬。林,“移动远程医疗:一项调查研究中,“医疗系统杂志,36卷,不。2、511 - 520年,2012页。视图:出版商的网站|谷歌学术搜索
15. m . c . Batistatos g . v . Tsoulos, g . e . Athanasiadou”移动车辆的移动远程医疗场景:无线技术的选择和挑战,”网络和计算机应用》杂志上,35卷,不。3、1140 - 1150年,2012页。视图:出版商的网站|谷歌学术搜索
16. c . Doukas t Pliakas, i Maglogiannis“移动医疗信息管理利用云计算和android操作系统,”IEEE美国第32届国际会议在医学和生物工程协会(EMBC 10),页1037 - 1040,布宜诺斯艾利斯,阿根廷,2010年9月。视图:出版商的网站|谷歌学术搜索
17. h·t·Dinh c·李,d . Niyato p·王,“移动云计算的一项调查显示:架构、应用程序、方法,”无线通信和移动计算,13卷,不。18日,第1611 - 1587页,2013年。视图:出版商的网站|谷歌学术搜索
18. H.-K。金,“U-healthcare企业移动应用程序框架,”国际生物科学和生物技术杂志》上,7卷,不。1,第218 - 207页,2015。视图:出版商的网站|谷歌学术搜索
19. t·奥尔森和l·林德”比较快速急诊医学的分数和APACHE II的非手术急诊病人,”学术急诊医学,10卷,不。10日,1040 - 1048年,2003页。视图:出版商的网站|谷歌学术搜索
20. m . Bulut h . Cebicci d Sigirli et al .,“改良早期预警评分的比较快速急诊医学得分:前瞻性多中心观察性队列研究在医学和外科急诊病人,”急诊医学杂志没有,卷。31日。6,476 - 481年,2014页。视图:出版商的网站|谷歌学术搜索
21. b·f·伊霍夫n . j·汤普森·m·a·黑斯廷斯n .纳齐尔·m·mouncure和c m .大炮”快速急诊医学创伤评分(REMS)人口:一项回顾性研究中,“BMJ开放,4卷,不。5篇文章ID e004738 2014。视图:出版商的网站|谷歌学术搜索
22. b . m . j . CarrilloDeterioro fisiopatologico y mortalidad de los pacientes adultos sometidos一traslado interhospitalario失去de Paciente Critico为什么墨西哥del Servicio de Atencion书de Urgencia Metropolitana德尔地区,智利圣地亚哥[博士。论文),2015年大学de Sao巴勃罗。
23. a·温特劳布“精益创业课程为医疗保健企业,”2014年2月,http://www.entrepreneur.com/article/230862。视图:谷歌学术搜索
24. k . Jureen精益医疗企业家:精益创业方法适用于当面对医疗挑战?(硕士论文)工业工程和管理学院,斯德哥尔摩,瑞典,2014年。
25. s e·p·席尔瓦·r·d·Calado m·b·席尔瓦和m·a·Nascimento“精益创业在医疗应用:一个可行的方法持续改进发展的新产品和新服务,”学报第六届ACM IFAC /会议管理和控制生产和物流(MCPL 13)福塔雷萨,页295 - 299年,巴西,2013年9月。视图:出版商的网站|谷歌学术搜索
26. e·里斯精益创业,皇冠,2011年。
27. A . Neyem f•奥乔亚,j·A·皮诺和r·d·弗朗哥,“移动协作应用程序可重用结构设计。”系统和软件杂志》上,卷85,不。3、511 - 524年,2012页。视图:出版商的网站|谷歌学术搜索
28. m·r·拉希米j . Ren c·h·刘,a . v . Vasilakos和n .文卡塔萨布拉曼尼亚”移动云计算:一个调查中,国家的艺术和未来的发展方向,”移动网络和应用程序,19卷,不。2、133 - 143年,2014页。视图:出版商的网站|谷歌学术搜索
29. 韩·巴尔r . y . l . e . Li和m . Satyanarayanan“推进移动云计算的状态,”第三届ACM学报》研讨会上移动云计算和服务(MCS 12)页- ACM,湖区,英国,2012年6月。视图:出版商的网站|谷歌学术搜索
30. j·范·德·维恩·b·范德Waaij和r·j·梅耶尔”传感器数据存储性能:SQL或NoSQL、物理或虚拟,”《IEEE五云计算国际会议(云”12)IEEE,页431 - 438年,檀香山,夏威夷,美国,2012年6月。视图:出版商的网站|谷歌学术搜索
31. A . Neyem g . Valenzuela n . Risso j . s . Rojas-Riethmuller j . i Benedetto和m . j . Carrillo“基于云计算的移动系统改善生命体征监测在医院转移,”无处不在的计算和环境智能。传感、处理和使用环境信息卷,9454在计算机科学的课堂讲稿施普林格,页467 - 479年,2015年。视图:谷歌学术搜索

版权

版权©2016 Andres Neyem et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。