ホーム > 特許ランキング > アリン インコーポレイテッド
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2023-06-08
(54)【発明の名称】治療推奨
(51)【国際特許分類】
G16H 50/00 20180101AFI20230601BHJP
【ＦＩ】
G16H50/00
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2022566459
(86)(22)【出願日】2021-04-30
(85)【翻訳文提出日】2022-12-13
(86)【国際出願番号】 US2021030258
(87)【国際公開番号】W WO2021222802
(87)【国際公開日】2021-11-04
(31)【優先権主張番号】63/018,493
(32)【優先日】2020-04-30
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】522423879
【氏名又は名称】アリン インコーポレイテッド
(74)【代理人】
【識別番号】110001173
【氏名又は名称】弁理士法人川口國際特許事務所
(72)【発明者】
【氏名】デ・ブリース，デイビッド
(72)【発明者】
【氏名】キム，ユニス
(72)【発明者】
【氏名】キム，ユナ
(72)【発明者】
【氏名】クライン，アミット
(72)【発明者】
【氏名】ローズ，ジェフリー
(72)【発明者】
【氏名】ムーアヘッド，ペンジット
【テーマコード（参考）】
5L099
【Ｆターム（参考）】
5L099AA15
(57)【要約】
一態様では、患者に関連付けられたヘルスケア情報を特徴付けるデータを受信することができる。健康転帰評価を、受信したヘルスケア情報データに基づいて、患者に関して決定することができる。患者のリスク予測を、決定された健康転帰評価に基づいて決定することができる。患者に対する治療推奨を、決定されたリスク予測に基づいて決定することができ、治療推奨を提供することができる。
【特許請求の範囲】
【請求項1】
方法であって、患者に関連付けられたヘルスケア情報を特徴付けるデータを受信することと、
前記受信したヘルスケア情報データに基づいて、前記患者の健康転帰評価を決定することと、
前記決定された健康転帰評価に基づいて、前記患者のリスク予測を決定することと、
前記決定されたリスク予測に基づいて、前記患者に対する治療推奨を決定することと、
前記治療推奨を提供することと、を含む、方法。
【請求項2】
前記健康転帰評価の前記決定が、前記受信したヘルスケア情報データを、集約された患者の集団に関する所定のヘルスケアパラメータのセットを特徴付けるヘルスケアデータと比較することと、
前記所定のヘルスケアパラメータのセットに基づいて、前記受信したヘルスケア情報データの欠陥を決定することと、
前記決定された欠陥に基づいて、少なくとも１つの質問を特徴付けるアンケートデータを生成することと、
前記アンケートデータを前記患者のクライアントデバイスに提供することと、
クライアントデバイスから、前記アンケートデータによって特徴付けられた前記少なくとも１つの質問への少なくとも１つの回答を特徴付ける回答データを受信することと、を含み、
前記健康転帰評価が前記回答データに基づく、請求項１に記載の方法。
【請求項3】
前記アンケートデータの前記生成が、前記決定された欠陥に基づいて、前記少なくとも１つの質問に関してアンケートルールエンジンに問い合わせることであって、前記アンケートルールエンジンが、前記少なくとも１つの質問を生成するように構成されており、前記アンケートルールエンジンが、前記受信したヘルスケア情報データに基づいて予測変数を識別し、前記識別された予測変数に基づいて前記アンケートルールエンジンを訂正する、アンケート予測モデルによって修正される、問い合わせることと、
前記アンケートデータに含めるために、前記アンケートルールエンジンから前記少なくとも１つの質問を受信することと、を含む、請求項２に記載の方法。
【請求項4】
前記受信したヘルスケア情報データ及び前記決定された健康転帰評価に基づいて、前記患者の臨床的患者プロファイルを決定することであって、前記臨床的患者プロファイルが、前記患者の属性を特徴付ける、決定することを更に含む、請求項１に記載の方法。
【請求項5】
前記受信したヘルスケアデータに基づいて、前記患者へのヘルスケアサービスの提供者の提供者プロファイルを決定することであって、前記提供者プロファイルが、前記提供者の属性を特徴付ける、決定することを更に含む、請求項１に記載の方法。
【請求項6】
前記患者の前記リスク予測の前記決定が、負の健康転帰の可能性を予測するリスク因子のリスク予測モデルを実行することを含み、前記リスク予測モデルが、過去の患者リスクデータに基づいて問い合わせに応答して前記リスク因子を提供するように訓練される、請求項１に記載の方法。
【請求項7】
前記治療推奨の前記決定が、前記決定されたリスク因子、前記健康転帰評価、及び／又は前記受信したヘルスケア情報データのうちの少なくとも１つに基づいて、推奨パラメータに関して治療推奨ルールエンジンに問い合わせることであって、前記問い合わせが、前記治療推奨ルールエンジンによる推奨ルールの実行を含む、問い合わせることと、
前記推奨パラメータを特徴付ける推奨文字列を生成することと、を含む、請求項６に記載の方法。
【請求項8】
前記治療推奨ルールエンジンが、前記治療推奨によって特徴付けられる介入の成功の可能性を特徴付ける予測変数を、前記介入の成功のレベルを示す受信したフィードバックデータに基づいて識別し、前記識別された予測変数に基づいて前記推奨ルールへの修正を決定し、かつ前記決定された修正に基づいて前記推奨ルールを修正する、予測モデルによって修正される、請求項７に記載の方法。
【請求項9】
前記治療推奨の前記提供が、クライアントデバイスのグラフィカルユーザインタフェース上で提示するために前記推奨文字列を送信することを含む、請求項７に記載の方法。
【請求項10】
前記治療推奨ルールエンジンが、前記受信したヘルスケア情報データに基づいて、前記治療推奨によって示唆される介入のアドヒアランスにおけるパターンを特徴付ける予測変数を識別し、前記識別に基づいて前記治療推奨ルールエンジンのルールを修正する、推奨予測モデルによって修正される、請求項７に記載の方法。
【請求項11】
前記患者の前記リスク予測の前記決定が、前記決定された健康転帰評価に基づいて、臨床的リスクのレベルを特徴付ける臨床的リスクパラメータを決定することと、前記決定された健康転帰評価に基づいて、社会的リスクのレベルを特徴付ける社会的リスクパラメータを決定することと、前記決定された健康転帰評価に基づいて、行動的リスクのレベルを特徴付ける行動的リスクパラメータを決定することと、を含む、請求項６に記載の方法。
【請求項12】
前記臨床的リスクパラメータ、前記社会的リスクパラメータ、及び前記行動的リスクパラメータのうちの１つ以上が、前記患者を特徴付ける受信したフィードバックデータに基づいて動的に更新される、請求項１１に記載の方法。
【請求項13】
システムであって、少なくとも１つのデータプロセッサと、
前記少なくとも１つのデータプロセッサに、
患者に関連付けられたヘルスケア情報を特徴付けるデータを受信することと、
前記受信したヘルスケア情報データに基づいて、前記患者の健康転帰評価を決定することと、
前記決定された健康転帰評価に基づいて、前記患者のリスク予測を決定することと、
前記決定されたリスク予測に基づいて、前記患者に対する治療推奨を決定することと、
前記治療推奨を提供することと、を含む動作を実行させるように構成された命令を格納するメモリと、を備える、システム。
【請求項14】
前記健康転帰評価の前記決定が、前記受信したヘルスケア情報データを、集約された患者の集団に関する所定のヘルスケアパラメータのセットを特徴付けるヘルスケアデータと比較することと、
前記所定のヘルスケアパラメータのセットに基づいて、前記受信したヘルスケア情報データの欠陥を決定することと、
前記決定された欠陥に基づいて、少なくとも１つの質問を特徴付けるアンケートデータを生成することと、
前記アンケートデータを前記患者のクライアントデバイスに提供することと、
クライアントデバイスから、前記アンケートデータによって特徴付けられた前記少なくとも１つの質問への少なくとも１つの回答を特徴付ける回答データを受信することと、を含み、
前記健康転帰評価が前記回答データに基づく、請求項１３に記載のシステム。
【請求項15】
前記アンケートデータの前記生成が、前記決定された欠陥に基づいて、前記少なくとも１つの質問に関してアンケートルールエンジンに問い合わせることであって、前記アンケートルールエンジンが、前記少なくとも１つの質問を生成するように構成されており、前記アンケートルールエンジンが、前記受信したヘルスケア情報データに基づいて予測変数を識別し、前記識別された予測変数に基づいて前記アンケートルールエンジンを訂正する、アンケート予測モデルによって修正される、問い合わせることと、
前記アンケートデータに含めるために、前記アンケートルールエンジンから前記少なくとも１つの質問を受信することと、を含む、請求項１４に記載のシステム。
【請求項16】
前記患者の前記リスク予測の前記決定が、負の健康転帰の可能性を予測するリスク因子のリスク予測モデルを実行することを含み、前記リスク予測モデルが、過去の患者リスクデータに基づいて問い合わせに応答して前記リスク因子を提供するように訓練される、請求項１３に記載のシステム。
【請求項17】
前記治療推奨の前記決定が、前記決定されたリスク因子、前記健康転帰評価、及び／又は前記受信したヘルスケア情報データのうちの少なくとも１つに基づいて、推奨パラメータに関して治療推奨ルールエンジンに問い合わせることであって、前記問い合わせが、前記治療推奨ルールエンジンによる推奨ルールの実行を含む、問い合わせることと、
前記推奨パラメータを特徴付ける推奨文字列を生成することと、を含む、請求項１３に記載のシステム。
【請求項18】
前記治療推奨ルールエンジンが、前記治療推奨によって特徴付けられる介入の成功の可能性を特徴付ける予測変数を、前記介入の成功のレベルを示す受信したフィードバックデータに基づいて識別し、前記識別された予測変数に基づいて前記推奨ルールへの修正を決定し、かつ前記決定された修正に基づいて前記推奨ルールを修正する、予測モデルによって修正される、請求項１７に記載のシステム。
【請求項19】
前記治療推奨ルールエンジンが、前記受信したヘルスケア情報データに基づいて、前記治療推奨によって示唆される介入のアドヒアランスにおけるパターンを特徴付ける予測変数を識別し、前記識別に基づいて前記治療推奨ルールエンジンのルールを修正する、推奨予測モデルによって修正される、請求項１７に記載のシステム。
【請求項20】
命令を格納する非一時的コンピュータプログラム製品であって、命令が、少なくとも１つのコンピューティングシステムの一部を形成する少なくとも１つのデータプロセッサによって実行されると、前記少なくとも１つのデータプロセッサに、患者に関連付けられたヘルスケア情報を特徴付けるデータを受信することと、
前記受信したヘルスケア情報データに基づいて、前記患者の健康転帰評価を決定することと、
前記決定された健康転帰評価に基づいて、前記患者のリスク予測を決定することと、
前記決定されたリスク予測に基づいて、前記患者に対する治療推奨を決定することと、
前記治療推奨を提供することと、を含む動作を実施させる、非一時的コンピュータプログラム製品。
【発明の詳細な説明】
【技術分野】
【0001】
関連出願の相互参照
本出願は、２０２０年４月３０日に出願された米国仮特許出願第６３／０１８，４９３号に対する米国特許法第１１９条（ｅ）に基づく優先権を主張し、その内容全体が参照により本明細書に明示的に援用される。
本出願は、２０２０年４月３０日に出願された米国仮特許出願第６３／０１８，４９３号に対する米国特許法第１１９条（ｅ）に基づく優先権を主張し、その内容全体が参照により本明細書に明示的に援用される。
【0002】
本明細書に記載される主題は、患者の治療に対する推奨、例えば、完全で最適な患者ケア計画に関する推奨を提供することに関する。
【背景技術】
【0003】
患者に包括的な治療情報を提供するには、多くの異なるソースから大量のデータを取り入れる必要があり得る。データソースは、最新の患者の健康データ、専門家の臨床的ガイダンス、及び、慢性状態を最良に管理するため、健康を改善するため、ウェルビーイングを改善するためなどの、最も最適な治療の経過（例えば、ケア計画）について患者に適切に通知するために必要な全体観的な幅を含まない場合がある。治療計画のエラーは、誤った処方箋の書き込み及び摂取、薬剤へのアクセスの課題、並びに薬剤の安全でない組み合わせによる薬物有害事象などを含み得る。実際、最適化されていない治療計画の発生率及びリスクは、患者が例えば４つ以上の薬剤を処方される場合、又は患者が１つを超える提供者から薬剤及び他の治療を処方される場合、指数関数的に高まる可能性がある。薬物関連の問題の他の要因には、提供者間の情報転送が不十分であること、並びに患者が摂取している他の市販薬及び漢方薬について患者から開示されていないことが挙げられる。
【0004】
これらの負の結果を回避することを目的とした患者介入は、薬剤師又は医師が行う対面の面談として、所定の時点で提供することができる。ただし、これらの介入は、過去又は将来の健康リスクを考慮することなく、断面的な時点での各患者の健康状態を考慮するのみである。いくつかの場合では、これらの既存の解決策は、患者の過去又は将来の健康リスクを考慮せず、代わりに、健康リスクの高まりに起因して患者が介入を必要とする時点ではなく、特許の臨床観察及び行動観察から独立した所定の時点で介入する。そのような制限により、患者が、自身のケアの過程を通じて、必要性が高い治療教育及びカウンセリングにアクセスすることが制限され、それによって、持続的な投薬エラーの割合を悪化させる可能性がある。
【発明の概要】
【0005】
治療推奨のための方法及びシステムが提供される。関連する装置、技術、及び物品も記載される。
【0006】
一態様では、患者に関連付けられたヘルスケア情報を特徴付けるデータを受信することができる。健康転帰評価を、受信したヘルスケア情報データに基づいて、患者に対して決定することができる。患者のリスク予測を、決定された健康転帰評価に基づいて決定することができる。患者に対する治療推奨を、決定されたリスク予測に基づいて決定することができ、治療推奨を提供することができる。
【0007】
以下の特徴のうちの１つ以上が、任意の実現可能な組み合わせで含まれ得る。例えば、健康転帰評価の決定が、受信したヘルスケア情報データを、集約された患者の集団に関する所定のヘルスケアパラメータのセットを特徴付けるヘルスケアデータと比較することと、所定のヘルスケアパラメータのセットに基づいて、受信したヘルスケア情報データの欠陥を決定することと、決定された欠陥に基づいて、少なくとも１つの質問を特徴付けるアンケートデータを生成することと、アンケートデータを患者のクライアントデバイスに提供することと、クライアントデバイスから、アンケートデータによって特徴付けられた少なくとも１つの質問への少なくとも１つの回答を特徴付ける回答データを受信することと、を含むことができ、健康転帰評価が回答データに基づくことができる。例えば、アンケートデータの生成が、決定された欠陥に基づいて、少なくとも１つの質問に関してアンケートルールエンジンに問い合わせることであって、アンケートルールエンジンが、少なくとも１つの質問を生成するように構成されており、アンケートルールエンジンが、受信したヘルスケア情報データに基づいて予測変数を識別し、識別された予測変数に基づいてアンケートルールエンジンを訂正する、アンケート予測モデルによって修正される、問い合わせることと、アンケートデータに含めるために、アンケートルールエンジンから少なくとも１つの質問を受信することと、を含むことができる。例えば、臨床的患者プロファイルが、受信したヘルスケア情報データ及び決定された健康転帰評価に基づいて患者について決定されることができ、臨床的患者プロファイルが、患者の属性を特徴付けることができる。例えば、提供者プロファイルが、受信したヘルスケアデータに基づいて、患者へのヘルスケアサーバの提供者について決定されることができ、提供者プロファイルが、提供者の属性を特徴付けることができる。例えば、患者のリスク予測の決定が、負の健康転帰の可能性を予測するリスク因子のリスク予測モデルを実行することを含むことができ、リスク予測モデルが、過去の患者リスクデータに基づいて問い合わせに応答してリスク因子を提供するように訓練される。例えば、治療推奨の決定が、決定されたリスク因子、健康転帰評価、及び／又は受信したヘルスケア情報データのうちの少なくとも１つに基づいて、推奨パラメータに関して治療推奨ルールエンジンに問い合わせることであって、問い合わせが、治療推奨ルールエンジンによる推奨ルールの実行を含む、問い合わせることと、推奨パラメータを特徴付ける推奨文字列を生成することと、を含むことができる。例えば、治療推奨ルールエンジンが、治療推奨によって特徴付けられる介入の成功の可能性を特徴付ける予測変数を、介入の成功のレベルを示す受信したフィードバックデータに基づいて識別し、識別された予測変数に基づいて推奨ルールへの修正を決定し、かつ決定された修正に基づいて推奨ルールを修正する、予測モデルによって修正されることができる。例えば、治療推奨の提供が、クライアントデバイスのグラフィカルユーザインタフェース上で提示するために推奨文字列を送信することを含むことができる。例えば、治療推奨ルールエンジンが、受信したヘルスケア情報データに基づいて、治療推奨によって提案される介入のアドヒアランスにおけるパターンを特徴付ける予測変数を識別し、識別に基づいて治療推奨ルールエンジンのルールを修正する、推奨予測モデルによって修正されることができる。例えば、患者のリスク予測の決定が、決定された健康転帰評価に基づいて、臨床的リスクのレベルを特徴付ける臨床的リスクパラメータを決定することと、決定された健康転帰評価に基づいて、社会的リスクのレベルを特徴付ける社会的リスクパラメータを決定することと、決定された健康転帰評価に基づいて、行動的リスクのレベルを特徴付ける行動的リスクパラメータを決定することと、を含む。例えば、臨床的リスクパラメータ、社会的リスクパラメータ、及び行動的リスクパラメータのうちの１つ以上が、患者を特徴付ける受信したフィードバックデータに基づいて動的に更新されることができる。
【0008】
別の態様では、システムが提供され、少なくとも１つのデータプロセッサと、少なくとも１つのデータプロセッサに、本明細書で記載する動作を実行させるように構成された命令を格納するメモリとを含む。動作が、患者に関連付けられたヘルスケア情報を特徴付けるデータを受信することと、受信したヘルスケア情報データに基づいて、患者の健康転帰評価を決定することと、決定された健康転帰評価に基づいて、患者のリスク予測を決定することと、決定されたリスク予測に基づいて、患者に対する治療推奨を決定することと、治療推奨を提供することと、を含むことができる。
【0009】
以下の特徴のうちの１つ以上が、任意の実現可能な組み合わせで含まれ得る。例えば、健康転帰評価の決定が、受信したヘルスケア情報データを、集約された患者の集団に関する所定のヘルスケアパラメータのセットを特徴付けるヘルスケアデータと比較することと、所定のヘルスケアパラメータのセットに基づいて、受信したヘルスケア情報データの欠陥を決定することと、決定された欠陥に基づいて、少なくとも１つの質問を特徴付けるアンケートデータを生成することと、アンケートデータを患者のクライアントデバイスに提供することと、クライアントデバイスから、アンケートデータによって特徴付けられた少なくとも１つの質問への少なくとも１つの回答を特徴付ける回答データを受信することと、を含むことができ、健康転帰評価が回答データに基づくことができる。例えば、アンケートデータの生成が、決定された欠陥に基づいて、少なくとも１つの質問に関してアンケートルールエンジンに問い合わせることであって、アンケートルールエンジンが、少なくとも１つの質問を生成するように構成されており、アンケートルールエンジンが、受信したヘルスケア情報データに基づいて予測変数を識別し、識別された予測変数に基づいてアンケートルールエンジンを訂正する、アンケート予測モデルによって修正される、問い合わせることと、アンケートデータに含めるために、アンケートルールエンジンから少なくとも１つの質問を受信することと、を含むことができる。例えば、患者のリスク予測の決定が、負の健康転帰の可能性を予測するリスク因子のリスク予測モデルを実行することを含むことができ、リスク予測モデルが、過去の患者リスクデータに基づいて問い合わせに応答してリスク因子を提供するように訓練される。例えば、治療推奨の決定が、決定されたリスク因子、健康転帰評価、及び／又は受信したヘルスケア情報データのうちの少なくとも１つに基づいて、推奨パラメータに関して治療推奨ルールエンジンに問い合わせることであって、問い合わせが、治療推奨ルールエンジンによる推奨ルールの実行を含む、問い合わせることと、推奨パラメータを特徴付ける推奨文字列を生成することと、を含むことができる。例えば、治療推奨ルールエンジンが、治療推奨によって特徴付けられる介入の成功の可能性を特徴付ける予測変数を、介入の成功のレベルを示す受信したフィードバックデータに基づいて識別し、識別された予測変数に基づいて推奨ルールへの修正を決定し、かつ決定された修正に基づいて推奨ルールを修正する、予測モデルによって修正されることができる。例えば、治療推奨ルールエンジンが、受信したヘルスケア情報データに基づいて、治療推奨によって提案される介入のアドヒアランスにおけるパターンを特徴付ける予測変数を識別し、識別に基づいて治療推奨ルールエンジンのルールを修正する、推奨予測モデルによって修正されることができる。
【0010】
非一時的コンピュータプログラム製品（すなわち、物理的に具体化されたコンピュータプログラム製品）であって、１つ以上のコンピューティングシステムのうちの１つ以上のデータプロセッサによって実行されると、少なくとも１つのデータプロセッサに、本明細書における動作を実施させる命令を格納する、非一時的なコンピュータプログラム製品も記載される。同様に、１つ以上のデータプロセッサと、１つ以上のデータプロセッサに結合されたメモリとを含むことができるコンピュータシステムも記載される。メモリが、少なくとも１つのプロセッサに、本明細書に記載される動作のうちの１つ以上を実施させる命令を一時的に又は恒久的に格納することができる。加えて、方法が、単一のコンピューティングシステム内の、又は２つ以上のコンピューティングシステム間で分散された１つ以上のデータプロセッサによって実装され得る。そのようなコンピューティングシステムが、ネットワーク（例えば、インターネット、無線ワイドエリアネットワーク、ローカルエリアネットワーク、ワイドエリアネットワーク、有線ネットワークなど）を介した接続を含む１つ以上の接続を介して、複数のコンピューティングシステムのうちの１つ以上の間の直接接続を介してなど、接続されることができ、データ及び／又はコマンド若しくは他の命令などを交換することができる。
【0011】
本明細書に記載される主題の１つ以上の変形の詳細は、添付の図面及び以下の説明に記載される。本明細書に記載される主題の他の特徴及び利点は、説明及び図面から、並びに特許請求の範囲から明らかになるであろう。
【図面の簡単な説明】
【0012】
上述した実施形態は、添付の図面と併せて以下の詳細な説明からより完全に理解されるであろう。図面は、縮尺通りに描かれることを意図しない。明確にするために、全ての構成要素が全ての図面において表記されているわけではない。以下の図面である。
【0013】
【図1】治療推奨を提供することができる、本件主題のいくつかの実施態様の例示的なプロセスを示すプロセスフローチャートである。
【図2】治療推奨を提供することができる、本件主題のいくつかの実施態様の例示的なシステムを示すシステム図である。
【0014】
様々な図面における同様の参照符号は、同様の要素を示す。
【発明を実施するための形態】
【0015】
患者のケア計画、薬物療法及び投与に関する情報を提供するためのいくつかの現在のプロセスは、過度に厳密（例えば、アドヒアランス）であり、手間がかかる（例えば、コールセンター）可能性があり、制限されたスケールを有し、最小限の改善につながる可能性がある。患者介入は、薬剤師又は医師が行う対面の面談として、所定の時点で提供することができ、過去又は将来の健康リスクを考慮することなく、断面的な時点での各患者の健康状態を考慮する可能性がある。これらの問題により、患者が、自身のケアの過程を通じて、必要性が高い治療教育及びカウンセリングにアクセスすることが制限され、それによって、持続的な投薬エラーの割合を悪化させる可能性がある。病態の治療及び薬剤の投与に関する推奨を提供するためのいくつかの既存のアプローチ及びソフトウェア製品は、限られた臨床的影響を有することが示されており、より良い戦略及びプラットフォームの必要性を強調している。
【0016】
本件主題のいくつかの実施態様は、本明細書に記載されるように、治療情報を提供するための改善されたアプローチを提供することができる。本件主題のいくつかの実施態様は、動的ルールエンジンの実行によって、患者に対する優先順位付けされた治療推奨を生成するために、複数の異なるデータソースを有利に取り込んで分析することができ、治療推奨の優先順位付けのための方法論は、少なくとも、成功した治療転帰を様々な治療推奨に関連付ける履歴データによって動的ルールエンジンを訓練することによって決定することができる。このように、患者のための堅牢な治療情報及びオーダーメードの治療推奨を、ケアの格差及び最適化されていない治療に対処し、既存のケア計画を調整し、薬剤及び処方ミスを回避し、有害な薬物事象を回避し、ヘルスケア及び薬物アクセスの課題を回避及び対処するためにキュレートし、効率的に広めることができる。したがって、治療推奨は、各患者のケアの過程で適切な場所及び適切な時間に各患者のニーズに合わせて提供することができる。
【0017】
図１は、本明細書に記載される主題による、患者に対する治療推奨を提供するための例示的なプロセス１００を示すフローチャートである。動作１１０において、患者に関連付けられたヘルスケア情報を特徴付けるデータを受信することができる。受信したヘルスケア情報データは、患者の処方請求、医療保険請求、ヘルスケア利用、診断、行動、人口統計学、事前承諾、電子医療記録（例えば、ラボデータ及びカルテデータ）、並びに処方された治療計画のアドヒアランスを特徴付けるデータを含むことができる。いくつかの実施態様では、受信したヘルスケア情報データは、患者モニタリングに使用されるウェアラブルデバイスから取得されるデータ、健康アプリケーション又はソフトウェア、患者によって提供される患者アンケートへの回答、患者によって提供されるリスク評価への回答、患者の地理位置データ、並びに患者の属性を特徴付けるラボ及び／又はゲノムデータを含むことができる。いくつかの実施態様では、受信したヘルスケア情報データは、保険金請求の請求額、電子健康記録、アルゴリズムに由来する健康質問への回答、症例管理、患者健康計画、及び薬剤費保険負担データを特徴付けるデータを含むこともできる。患者の医療状態に関連付けられた追加のデータ、例えば、入院及び／又は外来診療で患者と接するヘルスケア提供者から受信される医療データも含めることができる。
【0018】
いくつかの実施態様では、ヘルスケア情報データは、患者の１つ以上のクライアントデバイスから直接受信されてもよい。患者の１つ以上のクライアントデバイスは、患者のモバイルデバイスのプラットフォームインタフェース（例えば、モバイルデバイス上で実行可能なウェブページ又はアプリケーション）、患者のパーソナルコンピュータのプラットフォームインタフェース（例えば、パーソナルコンピュータ上で実行可能なウェブページ又はアプリケーション）、患者の健康パラメータ及び／又はバイオマーカを測定し、測定した健康パラメータ及び／又はバイオマーカを特徴付けるデータをプラットフォームに送信するように構成されたウェアラブルデバイス、並びに患者の健康パラメータ及び／又はバイオマーカを測定し、測定した健康パラメータ及び／又はバイオマーカを特徴付けるデータを送信するように構成されたポータブル医療デバイスを含むことができる。
【0019】
いくつかの実施態様では、ヘルスケア情報データは、ヘルスケア提供者及び／又は臨床医のデバイスから受信することができる。そのようなデバイスは、上述した患者のものと同じ又は類似の機能を含むことができる、提供者及び／又は臨床医のモバイルデバイス、パーソナルコンピュータ、及び／又は医療デバイスを含むことができる。例えば、いくつかの実施態様では、提供者によって提供されるデータは、その患者に関する情報、推奨が実施されたかどうかを含む、その患者のために送信された推奨に対する応答、及び臨床的根拠を含むことができる。他の提供者が報告するデータは、提供者の介入中に患者が回答した臨床的質問、提供者に報告された患者病歴、提供者が利用可能なラボデータ及び他のバイタル、特定の患者タイプ及び診断に合わせて処方される薬剤、バイタルサイン、最新の来院日及び目的などの患者情報、患者の診断若しくは薬剤に関する情報、又は患者に関連する他のヘルスケア結果評価データを含むことができる。
【0020】
いくつかの実施態様では、受信したヘルスケア情報データは、医師などのヘルスケア提供者に関する情報も含むことができる。例えば、受信したヘルスケア情報データは、提供者の処方パターン、提供者の場所を特徴付けるデータ、提供者と他の提供者との関連を特徴付けるデータ、提供者と患者との関連を特徴付けるデータ、提供者の人口統計学的属性を特徴付ける人口統計データ、及び提供者によって行われた患者の健康における過去の介入を特徴付けるデータを含むことができる。いくつかの実施態様では、受信したヘルスケア情報データは、提供者の専門性を特徴付けるデータ、提供者の処方履歴、提供者による以前に受信した治療推奨の提供者実施（以下で更に詳細に説明する）、提供者の教育レベル、提供者によって行われた以前のヘルスケア介入、提供者のパフォーマンスを特徴付ける品質スコア、提供者に関連付けられた患者の数（例えば、提供者パネルサイズ、提供者の紹介ネットワーク、提供者によって計画／受け入れられた保険会社、提供者に関連付けられた支払いデータなど）も含むことができる。
【0021】
いくつかの実施態様では、受信したヘルスケア情報データは、薬物情報データベースのような外部データベースからの薬物データも含むことができる。薬物データは、薬剤名、投薬量、起源、外観、既知の薬物間相互作用に関する情報、並びに薬物が使用される既知の症状及び公開されている副作用を含む製造情報を特徴付けることができる。いくつかの実施態様では、受信したデータは、処方履歴データベース及び医療履歴データベースのような外部データベースなどのデータも含むことができ、これらは、第三者からライセンスされてもよく、ソフトウェアプラットフォームに結合された他のデータソースがアクセスできない場合がある患者の薬物、医療履歴、及びヘルスケア利用に関する履歴情報を含むことができる。例えば、患者が健康計画を切り替える場合、第三者は、患者が計画Ａのメンバーであったときの患者に関する情報にアクセスすることができ、ソフトウェアプラットフォームは、計画Ｂから継続中の顧客データフィードを取得するように構成することができる。
【0022】
いくつかの実施態様では、受信したデータは、患者集団の健康情報を特徴付ける、複数のソースからのヘルスケアデータを含むことができる。ヘルスケアデータは、医療請求データ、薬局請求データ、リスク層化データ、ケアの質データ、電子診療記録データ、ラボ値データ、利用データ、ウェアラブル及び診断デバイスデータ、社会経済データ、プログラム適格性データ及び人口統計データ、薬理ゲノム学データ、臨床試験データ、ソーシャルネットワークデータ、電子処方データ、電子事前承諾データ、本明細書に記載されるソフトウェアプラットフォームに結合されたデータソースからの他のデジタルデバイスデータを含むことができる。ヘルスケアデータのソースは、患者、ヘルスケア提供者／臨床医、健康保険会社、薬局給付管理会社、地方及び州政府機関、ケア管理会社、病院及び健康システム、医療グループ、小売薬局、製薬会社、説明責任のあるケア組織又は他の企業のヘルスケア会社、並びに健康保険制度の患者又はメンバーを含むことができる、ソフトウェアプラットフォームのユーザ又は受益者を含み得る。これらのソースのそれぞれからのデータは、以下で更に詳細に考察されるように、単一のデータセットを形成するために組み合わせることができる（「集約データ」）。プラットフォームは、無限のソースからデータを取り込み、集約することができる。
【0023】
データは、進行中（リアルタイム）若しくは定期的にスケジュールされるデータフィード、又はアドホックを介して前述のデータソースから受信することができる。受信したデータは、経時的に患者及び提供者から直接収集される追加のデータで補完することができる。
【0024】
全ての受信したデータは、スキーマベースのデータストレージ（例えば、ＲＤＳ、ＰｏｓｔＧｒｅｓ）、並びにソフトウェアプラットフォームがフラットな関係データよりも複雑なデータ構造及びスキーマを記憶することを可能にすることができるドキュメントベースのデータストレージ（例えば、ＤｙｎａｍｏＤＢ）を使用して記憶することができる。これは、ソフトウェアプラットフォームが、あらゆる種類又はタイプのデータを記憶することができるという点で柔軟性を有することを可能にすることができる。データ構造フォーマットは、頻度又はデータ構造／フォーマットに関係なく、継続的に任意の新しいデータタイプ又はフォーマットで単一の臨床プロファイルを深めることを可能にすることができる。
【0025】
１２０において、受信したヘルスケア情報データに基づいて、患者の健康転帰評価を決定することができる。健康転帰評価の一部として評価されるデータセットは、調査回答、医療請求データ、薬局請求データ、ラボデータ、他のアンケートデータ、患者報告データ、提供者報告データ、他のコストデータ、第三者データソース（例えば、ＳｕｒｅＳｃｒｉｐｔｓからの処方データ、ＬｅｘｉｓＮｅｘｉｓからのリスク又は信用データ）、及び電子健康記録を含む。評価されるデータは、患者及びそのケア計画、治療パターン、並びに現在までの既往歴に関する履歴データを含むことができる。
【0026】
いくつかの実施態様では、健康転帰評価は、受信したヘルスケア情報データに基づいて決定され得るメトリクスを含むことができる。決定されるメトリクスは、利用パターン（例えば、入院、救急診療部の訪問、診療所の訪問）、臨床値（例えば、糖尿病患者の場合のＡ１ｃ、高血圧患者の場合の血圧）、ヘルスケア支出パターン（例えば、薬局請求コスト、医療請求コスト、自己負担コスト）、薬剤情報（例えば、薬物クラス、ジェネリック、ブランド、処方）、薬剤摂取パターン、アンケート回答（例えば、一般的な不安障害アンケートの調査回答の改善、ノンアドヒアランスの理由）、疾患プロファイル（例えば、診断、期間、疾患による利用）、提供者の行動（例えば、処方行動、品質メトリクス、介入）、患者の人口統計学的及びエンゲージメントプロファイルを含み得る。メトリクスは、患者の人口統計学、薬剤補充、診断、入院／外来／救急診療部／診療所の訪問、提供者の人口統計学、検査室の人口統計学、及び／又は価格情報を特徴付けるデータに基づいて決定することができ、これらは、受信したヘルスケア情報データから正規化、変換、及び／又は集約することができる。
【0027】
いくつかの実施態様では、メトリクスは、全米提供者識別子（ＮＰＩ）記録などの提供者情報を特徴付けるデータに基づいて決定することができる。いくつかの実施態様では、メトリクスは、薬物マッピング、薬物症状、薬物間相互作用、薬物群のマッピング、及び／又は薬物画像への全米医薬品コード（ＮＤＣ）のような薬物情報を特徴付けるデータに基づいて決定することができる。いくつかの実施態様では、メトリクスは、薬物群マッピング及び診断群マッピングへのＩＣＤ１０／ＣＰＴコードのような診断情報を特徴付けるデータに基づいて決定することができる。いくつかの実施態様では、メトリクスは、（以下で更に詳細に説明するように）受信したヘルスケア情報データに基づいて患者に合わせられたアンケートを特徴付けるデータに基づいて決定することができる。いくつかの実施態様では、メトリクスは、患者のクライアントデバイス、ウェアラブルデバイス、及び／又は患者の医療デバイスを介して患者によって直接報告される、受信したヘルスケア情報データのサブセットに基づいて決定することができる。そのようなデータサブセットは、患者が摂取する薬物、患者の薬物摂取行動、薬物関連の質問／ニーズ、健康状態、及び患者エンゲージメントを特徴付けるデータを含むことができる。いくつかの実施態様では、メトリクスは、患者又は同様の健康特性を有する患者の集団に関連する提供者によって行われる治療決定を特徴付ける、受信したヘルスケア情報データのサブセットに基づいて決定することができる。
【0028】
いくつかの実施態様では、健康転帰評価は、受信したヘルスケア情報データのサブセットであり、患者の人口統計学的、地理位置情報、社会経済的、及びヘルスケアエンゲージメント属性を特徴付ける患者データに基づいて決定することができる。いくつかの実施態様では、健康転帰評価は、受信したヘルスケア情報データのサブセットであり、薬物画像、薬物群、用量形態、経路、用量単位、症状、及び処方者などの患者の薬物情報を特徴付けるデータに基づいて決定することができる。いくつかの実施態様では、健康転帰評価は、受信したヘルスケア情報データのサブセットであり、患者の薬物の服用（例えば、投与レジメン、１日当たりの用量、月間処方基準（ＭＰＲ）、薬物を摂取する理由、薬物を中止する理由、副作用、薬物相互作用）を特徴付けるデータに基づいて決定することができる。いくつかの実施態様では、健康転帰評価は、受信したヘルスケア情報データのサブセットであり、患者の疾患プロファイル（例えば、疾患期間、診断群、ヘルスケア利用、及び異常なラボ値）を特徴付ける患者データに基づいて決定することができる。いくつかの実施態様では、健康転帰評価は、受信したヘルスケア情報データのサブセットであり、提供者の行動（例えば、処方行動、品質メトリック、介入タイプ、及び介入頻度）を特徴付ける提供者データに基づいて決定することができる。いくつかの実施態様では、健康転帰評価は、受信したヘルスケア情報データからすぐに実施可能な評価を達成するために、必要に応じてプログラムされるカスタマイズ可能なデータフラグに基づいて決定することができる。
【0029】
いくつかの実施態様では、健康転帰評価は、治療ガイドラインの概要、治療レジメン及びその臨床転帰への影響に関する現実世界のエビデンス及びデータの概要、品質メトリクス及びベストプラクティスの概要、特定の特徴に基づく患者の理想的な治療計画に関連する臨床知識及び情報の概要を含み得る、臨床知識データベースからのデータに基づいて決定することができる。健康転帰評価は、クライアント固有のデータベースからのデータに基づいて更に更新することができ、これは、顧客のメリット及びカバレッジレベル、顧客の処方集、顧客の患者又はメンバーの管理プログラム、顧客のコスト、顧客の支援プログラム、並びに顧客の特定の好ましい治療及びケアサイトの詳細を含む、顧客の利用可能なプログラム及びサービスに関する情報を含むことができる。いくつかの実施態様では、健康転帰評価は、他の第三者のプログラム及びデータベースに基づいて更に更新することができる。
【0030】
いくつかの実施態様では、健康転帰評価は、患者の処方されている自身の現在の治療レジメンのアドヒアランスの詳細な理解、治療計画の自身のアドヒアランス及びコンプライアンス、自身の現在の治療計画のリスク、薬物、臨床検査、提供者訪問、自身の臨床的リスクプロファイル及び入院などの臨床イベントの可能性などの自身の治療計画の欠如要素、誤った用量、組み合わせ、又は不必要な処方を含む危険な薬物の組み合わせ、並びに他の健康行動など、他の特定される問題及び潜在的な課題を特徴付けるデータを出力することができる。いくつかの実施態様では、健康転帰評価は、前述のデータソースのうちの１つ以上に基づいて、患者のヘルスケア利用、患者の臨床状態の傾向、患者の行動の傾向、提供者の処方行動の傾向、ヘルスケアコストの傾向を特徴付けるデータ、及び患者が直面するリスクを特徴付けるデータを出力することができる。
【0031】
健康転帰評価及びこれらの前述のデータ出力は、健康転帰評価の基礎を形成する前述のデータ／メトリクスのタイプ／属性に基づいて、出力されるデータに含めるためのコンテンツを選択的に決定することができる健康転帰評価アルゴリズムによって決定することができる。健康転帰評価アルゴリズムは、抽出変換ロード（ＥＴＬ）プロセスにおいて健康転帰評価の基礎を形成することができる上記で論じたデータ／メトリクスを評価することができ、ＥＴＬは、データ／メトリクスに対してアルゴリズムを実行して、健康転帰評価を決定する。いくつかの実施態様では、１つ以上のアルゴリズムを、上述の受信したヘルスケア情報データ及びメトリクスに適用することができ、患者に提示するための、１つ以上のアルゴリズムによって検出される、受信したデータの１つ以上の欠陥に対処するように構成された一連のオーダーメードの質問を生成することができる。例えば、１つ以上のアルゴリズムは、受信したデータソースを評価し、臨床決定を推進するために重要である、患者に対応するデータの欠陥を識別するアンケートルールエンジンを使用することによって、受信したデータを分析することができる。次いで、これらの欠陥は、アンケートルールエンジンによって分析することができ、アンケートルールエンジンは、患者及び／又はその介護者によって回答されるべき少なくとも１つの質問を特徴付け、欠陥に対処するように構成されたアンケートデータを生成することができる。例えば、患者がメトホルミンを処方されたが、この薬剤を定期的に摂取していない場合、患者がメトホルミンに対する何らかの副作用を経験しているかどうかを判断するように構成されたオーダーメードの質問を、アンケートルールエンジンによって生成することができる。別の例では、患者がメディケイドを使用しているか、又は低所得の郵便番号地域に住んでいる場合、健康の社会的決定要因に関する質問が現れる（例えば、交通障壁、住宅障壁、コスト障壁など）。
【0032】
いくつかの実施態様では、アンケートデータは、患者／介護者のデバイスのウェブインタフェースを介して、対面で、又は電話で患者（及び／又はその介護者）に提供することができる。アンケートデータは、薬剤師、看護師、医師、及び医療環境における他の資格のあるヘルスケア専門家が実施したクラス最高の臨床面接を模倣することができる質問を含むことができる。いくつかの実施態様では、アンケートデータは、現在及び過去の薬剤摂取行動、副作用、及び患者が報告した症状、転帰、並びにコスト、予約を行うことの困難、リテラシー／健康リテラシーの低さ、教育障壁、交通困難などのようなケアへのアクセスに関する課題に構成され得る質問を含むことができる。
【0033】
いくつかの実施態様では、アンケートルールエンジンは、受信したヘルスケア情報データに基づいて、アンケートデータに含める質問を決定することができる。例えば、受信したヘルスケア情報データが、患者が低所得の郵便番号に住んでおり、メディケイドの受益者であり、低所得の補助金の受益者であり、又は低所得を示す適格性情報を通じて特定された他のプログラムにあることを示す場合、アンケートルールエンジンは、受信したヘルスケアデータのこれらの属性を分析し、ケアへのアクセスの質問がアンケートデータに含まれるべきであるという判断を下すことができる。別の例では、受信したヘルスケア情報データが、患者が糖尿病診断を受けていることを示す場合、アンケートルールエンジンは、患者の最新の血糖値の測定値、患者の食習慣、患者が自身の薬剤を摂取している間にめまい又は立ちくらみを感じたかどうか、患者が自身のインスリンの使用に何らかの困難を経験したかどうかなどを確認することを意図する質問など、患者の自身の糖尿病の管理に関連する追加の情報を確認するように構成された特定の質問を生成することができる。別の例では、受信したヘルスケア情報データが、患者が食料砂漠に住んでおり、低所得であることを示す場合、アンケートルールエンジンは、患者の食料保証及び自身の薬物又は医師の訪問に対する支払いの能力、患者がクーポン／患者支援プログラムを必要とするかどうかなどに関連する追加の情報を確認するように構成された特定の質問を生成することができる。また、別の例では、受信したヘルスケア情報データが、患者が歩行困難であることを示す場合、アンケートルールエンジンは、通信販売薬剤の受け取り、医療予約のための交通支援、在宅健康サポート及びケア管理、又はバーチャルなヘルスケアなどの、患者の好みに関連する追加の情報を確認するように構成された特定の質問を生成することができる。
【0034】
いくつかの実施態様では、アンケートルールエンジンは、受信したデータを、ヘルスケアパラメータの所定のセットを特徴付ける集約されたヘルスケアデータと比較し、比較に基づいて、受信したヘルスケア情報データの１つ以上の欠陥を決定し、決定された欠陥に基づいて、アンケートデータに含めるための質問を決定することができる。
【0035】
いくつかの実施態様では、１つ以上のアルゴリズムは、受信したヘルスケア情報データを分析し、受信したヘルスケア情報データが患者の進行中の負の健康行動を示すかどうかを判断し、分析に基づいてアンケートを生成して、患者に関する更なる洞察を求めることができる。例えば、患者が自身の薬物にノンアドヒアランスであるとき、１つ以上のアルゴリズムは、受信したデータを分析することによってノンアドヒアランスの発生を識別し、識別されたノンアドヒアランスに基づいて、患者のノンアドヒアランスの理由（例えば、副作用、コスト障壁、重要性の理解の欠如）を患者から取得するように構成された１つ以上の質問を生成することができる。上述したこれらの質問への回答は、患者の健康状態及び行動に更なる深さ及び背景を提供するために分析され得る。その他の点では未知の患者の行動への洞察を提供するアンケートデータは、受信したデータと組み合わせて、以下で更に説明するように、より包括的なヘルスケア評価データセットを決定することができる全く新しいデータセットを作成することができる。
【0036】
いくつかの実施態様では、アンケートルールエンジンは、予測モデリング技術の使用によって継続的に改善され得る。例えば、いくつかの実施態様では、患者がアンケートを通じて特定の薬物への副作用を報告するかどうかに関するデータが収集される。予測モデルは、データを評価し、特定の集団に関して副作用を経験する有意な予測因子を識別するために使用することができる。予測モデルは、識別された有意な予測因子に基づいて、アンケートルールエンジンによって利用されるルールを修正することができ、それによって、予測因子によって特徴付けられた集団を対象とする修正されたルールに基づいて、オーダーメードの質問を生成することができる。
【0037】
いくつかの実施態様では、患者の臨床的患者プロファイルを、受信したヘルスケア情報データ及び決定された健康転帰評価に基づいて決定することができる。いくつかの実施態様では、臨床的患者プロファイルは、患者のヘルスケア利用、患者の現在及び過去の入院及び救急診療部訪問、患者の現在及び過去の診断、並びに患者の現在及び過去の薬剤の使用、並びにケアの格差、非最適なケア計画、人口統計情報、連絡先情報、ラボ及び他の検査結果、健康保険情報、リスク評価情報、現在及び過去の臨床アンケート情報、並びに好ましい介入方法など、患者の属性を特徴付けるグラフィカルユーザインタフェースを含むことができる。臨床的患者プロファイルは、患者の現在及び過去の市販薬及びサプリメントの使用、患者のケアチームの構成（例えば、患者のプライマリケア提供者、専門医、及び／又は薬局などの身元）、患者の現在のケア及び治療計画、患者のラボ検査及び臨床値、並びに患者の何らかの推奨されるケア計画の変更を含むことができる。
【0038】
いくつかの実施態様では、集団レベルの提供者プロファイルを、受信したヘルスケアデータに基づいて決定することができる。提供者プロファイルデータは、場所、提供者のタイプ、並びに処方行動及び介入などの提供者の行動などの、提供者人口統計に関する健康転帰評価から導出されたメトリクスを含む。提供者プロファイルは、提供者に関連付けられた患者のパネルのヘルスケアデータの簡単に解釈された見識、及びパネルの現在のケアの格差、パネルのヘルスケアサービス利用などの、提供者の患者に関する情報を含むことができる。提供者プロファイルまた、患者及び／又は提供者の電話番号、電子メールアドレス、郵送先住所、ファックス番号、並びに他の電気通信情報のような連絡先情報など、患者の人口統計情報を特徴付けるデータも含むことができる。いくつかの実施態様では、提供者プロファイルは、年齢、保険タイプ、場所（自宅住所）、及び他の記述子による提供者の患者パネルの構成の概要も含むことができる。いくつかの実施態様では、そのようなデータは、第三者のデータソースから、又は電話によるアウトリーチ若しくは他の通信からのデータ入力を介して提供者若しくは患者から直接供給されることができる。
【0039】
いくつかの実施態様では、提供者プロファイルは、提供者によって受け入れられた保険プラン、及び患者の保険プランを特徴付ける健康保険情報、提供者の自身の患者に関する全体的なパネルリスクプロファイルを特徴付けるリスク評価情報、提供者のリスクプロファイル、並びに提供者の現在及び過去の臨床品質パフォーマンス（特定のヘルスケア有効性データ及び情報セット（ＨＥＤＩＳ）品質尺度又は提供者のパフォーマンスを評価するために使用される他のメトリックにおける提供者のパフォーマンス、提供者の処方パターン、提供者の治療計画パターン、患者パネル情報など）を含むことができる。いくつかの実施態様では、提供者プロファイルは、提供者プロファイル内の提供者を特徴付けるデータの基礎として使用される患者の数を特徴付けるデータ、提供者の患者パネルの自宅住所などの場所、提供者の診療所の場所、提供者の患者が保有する保険のタイプ、提供者からの患者の平均距離、特定の期間中に患者が提供者によって診察された回数、並びに提供者が情報を受け取るために好む方法（例えば、電子メール、テキスト、電話、ファックス）などの好ましい介入及び通信方法を含むことができる。いくつかの実施態様では、患者プロファイルを集約して、提供者に割り当てることもできる（例えば、患者Ａ及び患者Ｂがともに医師Ｘによって診察され、推奨１、２、３が提供者に送信され、１及び２は患者Ａに割り当てられ、３は患者Ｂに割り当てられる）。
【0040】
１３０において、患者のリスク予測を、健康転帰評価に基づいて決定することができる。いくつかの実施態様では、患者のリスク予測は、プラットフォームから生成された介入及びそれらの介入の結果として生じる転帰を特徴付ける、上述の受信したデータに基づいて決定することができる。リスク予測は、診断、薬歴、オーダーメードの質問への回答、臨床変数、患者の人口統計情報、患者に関連する処方者を特徴付ける提供者データ、それらの場所、処方パターン、品質スコア、過去の介入を特徴付ける患者転帰データなどに関するデータなど、健康転帰評価に含まれるデータの１つ以上の態様を分析する予測多変数モデルによって決定することができる。
【0041】
このように、リスク予測モデルは、患者に関する全体的なリスク予測、並びに臨床的、社会的、及び行動的リスクサブカテゴリの各々のリスク予測を生成することができる。臨床的因子は、医療診断、投薬レジメン、ヘルスケア利用、他の処方された治療、市販のサプリメント、病歴、物理的測定値、バイタルを含む臨床値及びラボ値、ゲノムデータ、検証された臨床アンケートデータなどを含むことができる。社会的因子は、年齢、性別、人種、郵便番号、職業、職業的地位、教育、食料保証状況、住宅状況、収入、健康保険状況、ヘルスリテラシー、ケアアクセス、大気及び水質、収監状況、家族構成、介護者状況、婚姻状況、ストレス要因、社会的サポートなどのような人口統計情報を含む。行動的因子は、喫煙、飲酒、身体活動、肥満、食事、性的健康、睡眠パターン、服薬行動などを含む。以下で更に詳細に説明するように、各リスクサブカテゴリのリスク予測は、各患者の固有のニーズに最良に対処する正しい推奨を決定するために、リスクを、それらのリスクを低下させる最も可能性の高い推奨と関連付けるように使用することができる。いくつかの実施態様では、統計的方法を利用して、サブカテゴリに紐付けられた予測変数の存在に基づいて、これらの学習されたモデルからの全体的なリスク評価を、これらのサブカテゴリに細分化することができる。
【0042】
以下で更に詳細に記載するように、リスク予測モデルは、更新された情報に基づいて健康転帰評価を最適化するように構成された予測モデリング技術によって、動的に更新することができる。いくつかの実施態様では、リスクモデルは、臨床的患者プロファイルの属性を特徴付ける履歴データ、並びに／又は全体的なリスクプロファイルと、臨床的、社会的、及び行動的リスク因子などの様々なリスクサブカテゴリとに関連付けられた健康転帰評価を使用して訓練することができる。本件主題のいくつかの実施態様は、任意の患者の全体的なリスクを評価及び予測し、そのリスクの発生源を前述の臨床的、社会的、及び行動的リスクサブカテゴリに分類することができる。
【0043】
１４０において、患者に対する治療推奨を、計算されたリスクに基づいて決定することができる。いくつかの実施態様では、治療推奨は、患者教育資料、薬剤行動計画、及び薬剤リストを特徴付けるデータを含むことができる。
【0044】
いくつかの実施態様では、治療推奨アルゴリズムは、前述のリスクコンポーネントのそれぞれに基づいた治療推奨を提供することができる。例えば、患者の決定されたリスク予測の社会的リスクコンポーネント、行動的リスクコンポーネント、及び臨床的リスクコンポーネントは、それぞれ独立して、又は互いに併用して、各リスクコンポーネントを最小限に抑えるオーダーメードの治療推奨を決定するために使用することができる。例えば、患者の決定されたリスク予測が高い社会的リスクを示す場合、この患者に対する決定された治療推奨は、ケア障壁へのアクセスを克服するために利用可能なリソースについて学ぶためのソーシャルワーカへの紹介を含むことができる。また、例えば、決定されたリスクが低い社会的リスクを示す場合、患者に対する決定された治療推奨には、ケア障壁へのアクセスに対処するために提案されるいずれの介入も含まれない。
【0045】
いくつかの実施態様では、治療推奨は、健康転帰評価、及び／又は決定された健康転帰評価に組み込まれた受信されたヘルスケア情報データに基づいて決定することができる。治療推奨は、推奨ルールエンジンによって生成することができる。
【0046】
いくつかの実施態様では、患者が同じ全体的なリスク及びリスクコンポーネントを有する可能性がある場合、リスクコンポーネントのメインドライバ（例えば、様々な予測変数）は異なることができ、治療推奨ルールエンジンは、特定の治療推奨を決定するときにリスクコンポーネントのこの分散を考慮することができる。治療推奨ルールエンジンは、治療推奨とともに、これらのリスクコンポーネント及び各リスクコンポーネント内の予測変数の重みを考慮する。例えば、患者のうちの１人について、行動的リスクの有意な予測変数のうちの１つが、特定の薬物に関する薬物ノンアドヒアランスである場合、治療推奨アルゴリズムは、この患者に対する推奨のうちの１つが、その特定の薬物に関するアドヒアランスカウンセリングを実施することであると決定する。同じ行動的リスクを有する他の患者が、有意な変数としてノンアドヒアランスを有さず、代わりに高い臨床的リスクコンポーネントを有する場合、治療推奨アルゴリズムは、アドヒアランスカウンセリングの代わりに、治療をエスカレートさせる治療推奨を決定する。
【0047】
いくつかの実施態様では、推奨ルールエンジンは、治療推奨を生成するために論理（例えば、１つ以上のルール）を実行するルール実行エンジンを含むことができる。例えば、推奨ルールエンジンのルール実行エンジンは、健康転帰評価の一部として生成されたメトリクス／データ出力、前述のリスク予測、患者の健康計画を特徴付けるデータ、臨床ガイドラインを特徴付けるデータ、及び／又は他の患者／提供者ヘルスケアデータを含むことができる入力を分析し、推奨ルールのライブラリに問い合わせして、分析された入力に関連する実行のルールをライブラリから取得し、入力に対してルールを実行して、治療推奨を決定することができる。
【0048】
いくつかの実施態様では、推奨ルールエンジンは、治療推奨を提示するための様々な文字列テンプレートを格納するテンプレートデータベースに問い合わせることができる文言検索プロセスも含むことができる。文言検索は、治療推奨に基づいて、テンプレートデータベースから適切なテンプレートを取得することができる。次に、推奨ルールエンジンは、以下で更に詳細に記載するように、取得されたテンプレートに基づいて、患者及び／又は提供者に提供するための治療推奨を特徴付ける推奨文字列を生成することができる。いくつかの実施態様では、推奨ルールエンジンの文言検索プロセスは、ルール実行エンジンによって実施される上述の入力の分析に基づいて、検索されたテンプレートを、健康転帰評価、前述のリスク予測、患者の健康計画を特徴付けるデータ、臨床ガイドラインを特徴付けるデータ、及び／又は他の患者／提供者ヘルスケアデータに基づく、最適化された推奨文字列に変換することができる。
【0049】
いくつかの実施態様では、治療推奨を決定するために、推奨ルールエンジンは、ハイレベル言語を上述の入力に対する分析のための複雑なルールセットに変換することができるルールインタプリタを含むことができる。そのような機能は、上述の分析された入力のデータ構造を特徴付けるデータを受信することなく、複雑なルールセットを決定することを可能にすることができ、これは、ルール実行エンジンによって使用されるルールのより迅速かつより計算効率的な発展及び推奨ルールライブラリの拡張を可能にすることができる。
【0050】
いくつかの実施態様では、治療推奨を決定するために、推奨ルールエンジンは、ハイレベル言語を上述の入力に対する分析のための複雑なルールセットに変換することができるルールインタプリタを含むことができる。そのような機能は、上述の分析された入力のデータ構造の基礎知識なしに、複雑なルールセットを決定することを可能にすることができ、これは、ルール実行エンジンによって使用されるルールのより迅速かつより計算効率的な発展及び推奨ルールライブラリの拡張を可能にすることができる。
【0051】
いくつかの実施態様では、治療推奨は、上述のアンケートデータの質問への回答に基づいて決定することができる。例えば、アンケートの回答が、処方された治療計画の患者のノンアドヒアランスの理由が、処方された治療が望ましくない副作用を引き起こすことであることを示す場合、１つ以上の治療推奨アルゴリズムは、専門家の臨床知識を特徴付ける受信したデータの評価、既存の臨床ガイドライン、及び他の第三者のデータソースに基づいて、これらの副作用を引き起こさない代替の治療の推奨を決定する。
【0052】
いくつかの実施態様では、治療推奨を超える非臨床的推奨を決定することができる。そのような推奨は、コスト節約の機会、金銭的インセンティブとより整合的になるための薬剤の切り替えの機会、社会的若しくは行動的ケアサポートプログラム、患者が自身の保険又は政府を通じて資格を得ることができる他のプログラム、又は患者の健康を改善することができる、患者が利用可能な地域ベースのリソースを含むことができる。これらの推奨は、上述の治療推奨アルゴリズムと動作が実質的に同様である非臨床的推奨アルゴリズムによって決定することができるが、代わりに、治療推奨の代わりに前述の補助的推奨を提供する。非臨床的推奨アルゴリズムは、患者の決定されたリスク予測及び臨床的患者プロファイルと類似するリスク及び人口統計学的プロファイルを有する様々な患者についての、患者が利用可能な機会を特徴付けるデータに基づいて訓練することができ、アルゴリズムの訓練は、利用可能な機会への変更に基づいて定期的に更新することができる。
【0053】
いくつかの実施態様では、治療推奨は、提供者推奨を含むことができる。提供者推奨は、提供者による使用を意図した治療推奨を特徴付けるデータを含むことができる。提供者に対する推奨は、患者に対する治療推奨が決定されるのと実質的に同じ方法で決定することができる。しかしながら、提供者推奨アルゴリズムは、提供者推奨を生成するときに前述の提供者プロファイルによって特徴付けられる提供者特性（人口統計学、専門、処方パターン、実施部位）及び提供者によって行われる臨床的決定（以前の提供者治療推奨に基づく場合もあれば、基づかない場合もある）を利用することもできる。いくつかの実施態様では、提供者推奨は、識別された全ての治療の懸念事項及びそれらの提案された解決策のリストを含むことができる。提供者推奨は、重要な患者データ（例えば、最近の入院）、臨床的情報参照データベースをソースとする治療ガイドライン、及び推奨ルールエンジンによって生成される推奨の説明的根拠など、追加のコンテキスト情報を特徴付けるデータも含むことができる。いくつかの実施態様では、以下で更に詳細に説明するように、治療推奨ルールエンジンは、患者の決定されたリスク予測と類似するリスクプロファイルを有する様々な患者に対する推奨治療の相対的成功を特徴付ける履歴データに基づいて訓練及び／又は最適化することができる。
【0054】
１５０において、治療推奨を提供することができる。例えば、提供者推奨が決定されるいくつかの実施態様では、提供者は、患者のクライアントデバイスのウェブブラウザ上のウェブページ内に提供されるユーザインタフェース内の提供者推奨をレビューすることができ、これは、識別された全ての主要な課題及びそれらの提案される解決策を提供することができる。例えば、いくつかの実施態様では、治療推奨及び／又は非臨床的推奨は、患者のクライアントデバイスのウェブブラウザ上のウェブページ内に提供されるユーザインタフェースに提供されることができ、したがって、患者は、自身のクライアントデバイス上で治療及び／又は非臨床的推奨を閲覧することができる。例えば、いくつかの実施態様では、前述の治療推奨及び非臨床的推奨のうちの１つ以上を含むことができる治療推奨は、患者及び／又は提供者による閲覧に適したフォーマットされた資料にすることができる。この資料は、電子メール送信、印刷及び郵送、及び／又はファックス送信することができる。いくつかの実施態様では、提供者治療推奨は、電子カルテシステムに転送することもできる。いくつかの実施態様では、ユーザインタフェースは、ケア調整を必要とする全ての患者に関して提供者に助言するために、いくつかの異なる提供者治療推奨を特徴とする提供者レベル報告を生成して提供することができる。いくつかの実施態様では、追加及び／若しくは代替の推奨文書又はケア計画を、治療推奨、非臨床的推奨、及び／又は提供者治療推奨に基づいて、患者及び提供者に提供することができる。
【0055】
いくつかの実施態様では、提案される治療推奨は、患者に関連付けられたタスクの作成を推進することができる。これらのタスクは、プラットフォームユーザが患者リスクを低減することを目的とした提案された行動を閲覧することができるように、リスト形態で優先順位を付けることができる。各推奨は、行動のための関連する優先レベル及び時間枠を特徴付けるデータを含むことができる。例えば、各患者のモデル及び推奨によって決定される社会的、臨床的、及び行動的リスクが高い患者は、臨床的社会的及び行動的リスクが低い、又は推奨の重み付けが低い患者よりも優先度の高いタスクを有する。いくつかの実施態様では、本明細書に記載されるプロセスのうちの１つ以上を実行するための構成可能なワークフローエンジンを、ケアチームメンバーへのタスクの割り当てが各固有のワークフロー及びケアチーム構成と整合することができるように、含めることができる。ワークフローエンジンは、健康転帰評価からデータを引き出すこともできる。ワークフローエンジンは、介入の履歴を分析して、次の行動のコース及び優先レベルを決定することもできる。例えば、健康転帰評価データにおける薬剤変更の欠如によって証明されるような、提供者が治療推奨に応答しなかった場合、提供者に念を押すためにタスクを作成することができる。
【0056】
いくつかの実施態様では、患者及び／又は提供者による提案された治療推奨の実施は、前述の健康転帰評価、臨床的患者プロファイル、提供者プロファイル、リスク予測、及び／又は治療推奨のうちの１つ以上の将来的な反復決定における使用のために、継続的に測定、記録及び提供することができる。いくつかの実施態様では、提供される治療推奨の影響は、臨床的及び経済的観点の両方から定量化され得る。例えば、治療推奨が、患者が自身の糖尿病のためにスタチンを処方されていることを示し、システムによって受信されたデータが、スタチンが処方されて開始されたことを示す薬局請求ファイルを含む場合、システムは、治療推奨を実施されたものとしてマークすることができる。実施されている推奨の臨床的影響（例えば、ラボ値、健康の改善など）及び経済的影響（例えば、スタチンの処方前／後のケアの全体的なコスト）も測定することができる。いくつかの実施態様では、システムは、患者にわたるオーダーメードの質問の応答及び結果として生じる臨床的決定を分析し、どの質問が最適な介入につながるかを決定し、前述のアンケートデータに含めるためにそれらの質問を優先順位付けすることができる。
【0057】
いくつかの実施態様では、提供者による治療計画レビューの完了及び提供者による指示の後、治療推奨が実施されるべきかどうかに関して、患者の健康状態の継続的な変化を、患者デバイス、提供者デバイス、及び／又は外部データベースから受信したデータストリームに含まれるヘルスケア情報データを分析することによって検出することができる。例えば、薬剤の変更（例えば、追加された新規薬剤、投薬量の変更、薬剤の中止）を監視し、推奨が実施されたかどうかの決定の基礎として使用することができる。いくつかの実施態様では、新規の医療診断、処方された新規の薬剤、新規のラボ値、新規のデバイス情報、入院、及び緊急入院、提供者訪問を含むがこれらに限定されない事象が、識別されることができ、そのような事象を示す通知が、提供者によって患者を更にフォローアップするために提供者に直接転送され得る。これは、入院及び救急診療部の訪問を含むがこれらに限定されないヘルスケアサービス利用の増加を推進する可能性のある潜在的な課題の悪化を防止し、ベストプラクティスのアドヒアランスを確実にすることができる。これらのフラグ付けされた事象は、アンケートルールエンジン、ワークフロールールエンジン、及び推奨ルールエンジン、並びに本明細書の他の箇所に記載される決定に使用するための予測モデルにおいて考慮されるデータパラメータでもある。
【0058】
いくつかの実施態様では、患者の行動を臨床的、社会的、及び経済的転帰に関連付けるために使用され得る追加のデータが受信されるとき、予測アルゴリズムは、受信したヘルスケア情報データ（いくつかの実施態様では、提供された治療推奨に基づく、及び／若しくは提供された治療推奨によって提案された、実施された介入に関するフィードバックを特徴付けるデータ、提供された治療推奨に基づく、及び／若しくは提供された治療推奨によって提案されたいずれの介入も実施しない決定及び／若しくは根拠を特徴付けるデータ、並びに提供された治療推奨に基づいて実施された介入の有効性を特徴付けるデータも含むことができる）、並びに／又は提供された治療推奨に基づく、及び／若しくは提供された治療推奨によって提案された、実施された介入に関するフィードバックを特徴付けるデータ、提供された治療推奨に基づく、及び／若しくは提供された治療推奨によって提案されたいずれの介入も実施しない決定を特徴付けるデータ、並びに提供された治療推奨に基づいて実施された介入の有効性を特徴付けるデータに基づいて決定された健康転帰評価を使用し、上記で詳細に記載した様々なルールエンジンを更新することによって、患者推奨、提供者推奨、タスク及び介入を更にオーダーメードすることができる。このようにして、臨床転帰及び患者のケアの質への最大の影響を達成することができる。本明細書の他の箇所に詳細に記載される様々なルールエンジン及びアルゴリズムは、ヘルスケア利益を特徴付けるデータ、決定された治療推奨によって提案された任意の介入前の治療のアドヒアランスの過去のパターンを特徴付けるデータ、患者人口統計データ、患者地理空間データ、ヘルスケア利用及び支出パターンを特徴付けるデータ、薬剤利用パターンを特徴付けるデータ、患者報告データ、及び／又は本明細書の他の箇所に記載される他の予測モデルからの結果を分析することにより、治療推奨によって提案された介入のアドヒアランスにおけるパターンを識別する予測モデルを使用することによって更新することができる。予測モデルは、この分析を介して、介入のアドヒアランスの向上をもたらす介入を識別し、本明細書の他の箇所に記載される様々なルールライブラリに格納されたルールに追加され得る予測変数、及び／又はより正確であり、より予測的である可能性が高いルールエンジン出力をもたらすことができる、本明細書の他の箇所に記載されるルールライブラリに格納されたルールのうちの１つ以上への修正を決定することができる。例えば、予測モデルは、推奨ルールエンジンに、提供者及び／又は患者によって利用される改善された介入を生じ、それによって改善された健康転帰を生じる可能性がより高い治療推奨を決定させることができる、推奨ルールライブラリに格納されたルールへの予測変数を追加することができる。例えば、推奨ルールエンジンの推奨は、最初は治療ガイドラインパラメータに基づくことができ、次に、予測モデルでより多くのデータが検討されるにつれて、時間の経過とともにより的を絞られることができる。ガイドラインを作成するために使用されるデータは、典型的には、より小さなサンプルサイズ、均質な集団、収集された限られた数のデータ要素に基づく、ランダム化臨床試験からのものである。これにより、予測因子は、年齢、人種、性別、薬物グループ、疾患グループに限定される可能性がある。更に、ガイドラインでは、これらの予測因子は次いで、年齢６５超又は６５未満などのバイナリに変えることができる。コントロール不良２型糖尿病と同時に心血管疾患を有する患者の場合、米国糖尿病学会に従ってグルカゴン様ペプチド－１アゴニスト又はナトリウム－グルコース共輸送体－２阻害剤を推奨することが最初の推奨である。例えば、機械学習モデルは、別の併発状態、又は年齢範囲などの特定の人口統計などの治療成功の他のデータ予測因子（この場合、ヘモグロビンＡ１ｃの測定を介した糖尿病管理として定義される）を識別し、この併発状態及び年齢範囲を、治療ガイドラインで考慮されるものを超えるパラメータを組み込むために、推奨ルールエンジンの論理に追加することができる。
【0059】
例えば、いくつかの実施態様では、システムは、最適化された治療介入を予測し、最適化された治療介入を実施するための推奨を患者及び／又は提供者に提供することができる。介入が成功したことを示すフィードバックに基づいて、システムは、機械学習モデルを使用して成功の予測因子を識別することができる。例えば、機械学習モデルは、治療成功の指標として、ヘモグロビンＡ１ｃの測定を介して糖尿病管理の予測因子を識別することができる。識別された成功の予測因子を使用して、システムは、推奨ルールエンジンに挿入することができる追加の論理（例えば、ルールへの修正、新規のルール、ルールの削除など）を生成することができる。例えば、システムは、所定の年齢範囲が成功の予測因子であることを示すルールを生成することができ、所与の治療／介入推奨が、患者が所定の年齢閾値内にあるという判断に応答して提供されるべきである。その後の推奨について、修正された推奨ルールエンジンは、所定の年齢範囲が成功した介入の強力な予測因子であることを示す論理を実装し、それによって介入のための改善された推奨を提供する。
【0060】
例えば、薬物アドヒアランスの予測モデルを使用して、患者が薬物にアドヒアランスを維持するか、又はノンアドヒアランスになる可能性が高いかを予測することができる。予測モデルは、患者の人口統計学的及び社会経済的データ、薬剤の名称、診断、任意の患者の併存疾患、患者によって報告された任意の副作用、並びに過去の行動を含む他の関連情報を評価することができる。予測モデルは、特定の患者だけでなく、データ入力及びパラメータに基づいて、類似のプロファイル及び特徴を有すると決定された他の多くの患者についても、このデータを分析することができる。いくつかの実施態様では、予測モデルは、このデータを評価し、成功した治療転帰の有意な予測因子である予測変数を決定することによって、この分析を実施することができる。決定された予測変数は、成功した治療転帰を達成する可能性が高い他の患者を識別するために、より広範な患者集団を特徴付けるデータに適用することができる。この分析、並びに同様のプロファイル及び特徴を有する全ての患者の薬剤アドヒアランスの過去のパフォーマンスに基づいて、アルゴリズムは、患者が自身の薬剤に対してノンアドヒアランスになる可能性、及びそのノンアドヒアランス事象の開始の予想されるタイミングを予測することができる。
【0061】
更に、いくつかの実施態様では、前述のリスク予測パラメータは、患者の健康及びウェルビーイングにどのように影響を与えるかに関連する、これらの全てのパラメータの複合体で構成される動的リスクスコアを作成するために、継続的に評価することができる。ソフトウェアプラットフォームは、患者がノンアドヒアランスになる前に介入を促すように（例えば、「ジャストインタイム」推奨を作成することによって）構成することができる。これらのモデルは、以前の及び同様の介入並びに／又は推奨タイミングの成功又は失敗に基づいたフィードバックループに依存して、ノンアドヒアランスに成功裏に対処するために必要な介入のタイミング及びタイプを更に磨くことができる。
【0062】
いくつかの実施態様では、治療推奨ルールエンジンは、改善された健康転帰をもたらす可能性が最も高い患者及び提供者との相互作用の方法を予測することができる予測モデリング技術に基づいて修正されることができる。例えば、システムは、場所、専門、処方履歴、好ましい治療計画などの提供者特徴を分析することができ、提供者を他の同様の提供者と比較することができる。次いで、ソフトウェアプラットフォームは、提供者の特徴及び行動に基づいて推奨が実施される可能性を最大限に高めるために、治療推奨を配信するための最適なタイミング（例えば、月曜日の朝）、形式（例えば、オフィスへのファックス）、及び頻度（例えば、週に１回）を決定することができる。これらの機能は、提供者による実施を確実にするために必要な推奨を配信する最適なタイミング及びタイプを更に決定するために、過去の介入の成功を含むデータのフィードバックループに基づいて移植することができる。臨床反応及び介入の実施の成功などの転帰が追跡され、介入の影響がラベル付けされ、前述のモデル／ルールエンジンにフィードバックされて、モデルの追加機能として含まれる。このモデルの次の反復では、これらの新規の有意な機能が、リスク予測及び将来の介入を更に洗練するためにモデルに組み込まれる。
【0063】
いくつかの実施態様では、プラットフォームは、転帰報告を自動化することもでき、患者及び提供者のパフォーマンス及び成功の継続的な可視性及び透明性を提供することができる。転帰報告の一部として測定されて含まれる転帰は、薬剤アドヒアランスの変化、全体的なケアのコスト、全体的な医療コスト、全体的な薬局コスト、救急診療部受診及び入院の回数、解決された投薬ミスの割合、患者、提供者及び薬局のアウトリーチに関連するエンゲージメント尺度、並びに提供者が提案された推奨を実施したかどうかを含むことができる。
【0064】
プラットフォームは、患者の満足度、提供者の満足度、推奨の実施までの時間、推奨を配信するための最良の時刻、推奨を届けるための最良の方法（限定はされないが、電話、電子メール、電子健康記録メッセージ、ファックスなど）、患者及び提供者のエンゲージメントなどの転帰を付加的に測定することができる。他の測定された転帰の計算は、上記の他の箇所が参照される（例えば、通院、入院、エラーの解決率など）。電話ピックアップ率、ファックス受信率などのようなエンゲージメント尺度は、自動的に（例えば、電話がピックアップされる、通話の長さ、通話の時刻、受取人のタイムゾーンなど）、又はプラットフォームのロギング機能を介して手動で、電話のロギング及びそれらの関連する転帰を介して測定することができる。患者／提供者の満足度は、ポータルから直接与えられるアンケートを介して測定することができ、それにより、患者／提供者の回答がプラットフォームに記録され、満足度を理解し、利害関係者に基づいて満足度スコアを生成するためのデータ収集努力の一部として、他の患者／提供者の回答と集約される。推奨の実施までの時間は、推奨が処方者にファックス、電子メールを介して送信されるか、又は電話で配信される時点から、及び、データフィード表示されるか（例えば、薬剤の追加、推奨に基づいて新規の薬剤が追加された日付）、又は提供者によって直接提供される推奨の実施のファックス／電話受領される、処方者が変更を実施する時点からの時間として計算することができる。
【0065】
いくつかの実施態様では、この機能は、以下の構成要素：抽出変換ロード（ＥＴＬ）プロセス、分析プランナ、報告プランナ、分析計画エグゼキュータ、及び報告ジェネレータのうちの１つ以上を含むことができる自動転帰分析エンジンの使用によって実装され得る。ＥＴＬプロセスは、複数のデータソースからのデータロード、データ抽出及び正規化、データウェアハウス内のデータの集約及び格納を含むことができる。分析プランナは、実行される分析のリスト、実行スケジュール、コホート定義、及び各分析のパラメータを含む分析計画ローダを含むことができる。報告プランナは、報告に含める分析のリスト、報告テンプレート、配信方法、及び受信者を含む報告計画を含むことがきる。分析計画エグゼキュータは、データウェアハウスからデータ分析計画をロードし、分析計画によってスケジュールされた分析を実行することができるデータ分析パイプラインを含むことができ、各分析の結果をデータウェアハウスに格納することができる。報告ジェネレータは、分析計画の分析結果を監視することができる。結果がデータウェアハウスで利用可能になると、報告ジェネレータは報告を生成し、報告計画に従って配信することができる。複数の報告計画を、同じ又は分析結果のサブセットについて作成することができる。これは、異なる視覚化テンプレート、配信方法、又は受信者を含む。
【0066】
これらの測定値及びメンバー、提供者、並びに臨床コンテンツ属性は、前述のルールエンジン及びアルゴリズムによって自動的に使用されるパラメータの重み付けを自動的に調整するために使用することができる。１）ルールエンジン／アルゴリズムのコンテンツ、２）臨床的推奨の配信方法、３）本明細書の他の箇所に記載されるリスクプロファイリングを含む、ルールエンジン／アルゴリズムによって使用することができる患者に関連する属性及びコンテンツ、４）ルールエンジン／アルゴリズムによって使用することができる提供者に関連する属性及びコンテンツ、並びに５）本明細書の他の箇所に記載される臨床的及び経済的転帰への影響に関連付けられた転帰の観察を使用して、アルゴリズム及び推奨の後続の反復を通知することができる。これにより、各固有のデータラベル又は特徴の相対的な確率及び重み付けが、配信されることができる後続のアルゴリズム及び推奨のために考慮されることを確実にすることができる。この自動測定及びアルゴリズムの再較正に基づいて、配信される各推奨は、時間の経過とともに、より影響力が高くなり、目標結果を推進する可能性が高くなる。
【0067】
例えば、前述のアルゴリズム／ルールエンジンは、高い行動的リスクを有する患者を識別し、ユーザインタフェースを介して、この患者が、未治療の双極性障害のための抗精神病薬の服用を開始するよう提供者に推奨することができる。システムは、患者のデータのアルゴリズムレビューを介して、薬剤が患者の投薬レジメンに追加されたかどうかを追跡することができる。処方されると、プラットフォームは、本明細書の他の箇所に記載されるように、患者のリスクプロファイルを分析し、患者データからも識別される、ノンアドヒアランスのために患者が高い行動的リスクにあるままであることを、ユーザインタフェースを介して提供者に警告する。これは、本明細書の他の箇所に記載されるようなオーダーメードのアンケートの生成を促し、ユーザにノンアドヒアランスの理由を特定するよう促す。オーダーメードのアンケートへの患者の回答を分析して、患者のノンアドヒアランスの原因が体重増加の副作用に起因する可能性が高いと判断することができる。プラットフォームは、新規の患者データセットを分析することができ、同じ程度の代謝の有害作用を有しない代替薬に関して患者に対する治療推奨を決定することができる。提供者は、この治療推奨を配信することができ、システムは、薬剤が患者レジメンに追加されたかどうかを監視することができる。薬剤が追加されると、患者の行動的健康リスクはシステムによって低下するとみなされ、メンバーが安定する。これらのデータポイントは全て、ルールエンジン／アルゴリズムにフィードバックすることができ、ルールエンジン／アルゴリズムが患者全体でこれらのパターンを学習し、観察するにつれて、システムは次に、同様の社会的、臨床的、及び行動的特徴並びにリスク因子を有する他の患者に対する代替案を推奨し、この特定の抗精神病薬のノンアドヒアランスを積極的に防止し、行動的健康リスクの上昇を防止することができる。
【0068】
いくつかの実施態様では、システムは、品質尺度のアドヒアランス、薬物製品選択、薬物投与レジメン、薬物－薬物相互作用、薬物－疾患相互作用、有害作用／事象、禁忌、患者の製品の誤用、処方の切り替えの機会、治療ガイドラインのアドヒアランス、慢性薬物のアドヒアランス、患者教育ニーズ、社会的支援ニーズ、必要なラボ検査、必要な健康スクリーニング、必要な診察予約、必要な薬局の予約、疾患管理ニーズ、利用ニーズなどの、より具体的な薬剤関連の課題に対応する１つ以上のモジュールを含むことができる。各モジュールは、特定のプログラム、健康状態、疾患領域、薬剤クラス、治療領域、処方、又は特定の焦点となる教育課題など、システムユーザの最も緊急なニーズを満たすようにカスタマイズすることができる。いくつかの変形を上記で詳細に記載してきたが、他の修正又は追加が可能である。例えば、本件主題のいくつかの実施態様は、薬剤に対する患者の臨床反応及び薬剤が達成している結果に基づいて、患者の薬剤の用量を最適化するために使用することができる。例えば、現在、低用量のスタチンを処方されている患者であって、自身の薬剤にアドヒアランスであるが、高コレステロールレベルを示し続けている患者は、自身の臨床プロファイルに基づいて、その用量をより高いレベルに増加させるか、又は中程度若しくは高強度のスタチンに切り替える推奨を受けることができる。
【0069】
図２は、本明細書に記載される機能を提供することができる、本件主題のいくつかの実施態様の例示的なシステムを例示するシステム図２００であり、図３は、図２に例示されるシステム構成要素間の、及び本件主題のいくつかの実施態様に従った、本明細書に記載されるデータのタイプのうちの１つ以上の転送を例示するデータフロー図３００である。図２に示されるように、システム２００は、本明細書に記載されるプロセスのうちの１つ以上を実施するように構成されたプラットフォームサーバ２１０を含むことができる。例えば、プラットフォームサーバ２１０は、ヘルスケア情報データを格納する様々な外部データベース２２０、患者の生理学的パラメータ及び／又はバイオマーカを記録するように構成された患者データ記録デバイス２３０、本明細書の他の箇所に記載される適用可能な患者関連データフォームに関連する患者からの入力を患者から受信するように構成された患者クライアントデバイス２４０（例えば、モバイルデバイス、パーソナルコンピュータなど）、及び本明細書の他の箇所に記載される適用可能な提供者関連データフォームに関連する提供者からの入力を受信するように構成された提供者クライアントデバイス２５０（例えば、モバイルデバイス、パーソナルコンピュータなど）などの、様々なソースからデータを受信することができる。
【0070】
図３に示されるように、本明細書の他の箇所に記載されるようなヘルスケア情報データ（並びに患者のケアで行われた介入を特徴付けるフィードバックデータ、並びにプラットフォームサーバ２１０の以前の出力及び本明細書の他の箇所に記載されるプロセスからの他の形式のフィードバック）を、データ受信プロセス３０１において、プラットフォームサーバ２１０によって、様々な外部データベース２２０、患者データレコーダ２３０、患者クライアントデバイス２４０、及び／又は提供者クライアントデバイス２５０のうちの１つ以上から受信することができる。データ受信プロセス３０１において受信されたデータは、本明細書の他の箇所に記載の様々なプロセスを実行して、健康転帰評価を決定する、健康転帰評価プロセス３０２に提供することができる。いくつかの実施態様では、健康転帰評価プロセス３０２中に、健康転帰評価プロセス３０２が健康転帰評価を完全に策定するために、患者が受信したデータの欠陥に対処するようにいくつかの質問に回答する必要があると判断される場合、健康転帰評価プロセス３０２は、欠陥に対処するために適用可能な質問を生成し、それらをアンケートプロセス３０３に提供することができる。アンケートプロセス３０３は、質問を特徴付けるアンケートデータに質問を組み込むことができる。それが完了すると、アンケートデータは、患者クライアントデバイス２４０のグラフィカルユーザインタフェース上に表示するために、患者クライアントデバイス２４０に提供されることができる。患者は、患者クライアントデバイス２４０のグラフィカルユーザインタフェースと相互作用することによって質問に回答することができ、回答を特徴付けるデータは、患者クライアントデバイス２４０によって、アンケートプロセス３０３への入力としてプラットフォームサーバ２１０に提供することができる。次いで、回答は、患者クライアントデバイス２４０によって提供された回答データから抽出され、健康転帰評価の決定の完了のために健康転帰評価プロセス３０２に戻されることができる。
【0071】
健康転帰評価プロセス３０３の出力とすることができる健康転帰評価は、健康転帰評価及び／又はデータ受信プロセス３０１においてプラットフォームサーバ２１０によって受信されたデータ（患者／提供者プロファイル生成プロセス３０４に提供することもできる）に基づいて、本明細書の他の箇所に記載されるプロセスに従って、本明細書の他の箇所に記載される患者及び／又は提供者プロファイルのうちの１つ以上を生成することができる、患者／提供者プロファイル生成プロセス３０４に提供することができる。患者及び／又は提供者プロファイルは、患者／提供者プロファイル生成プロセス３０４から出力され、患者クライアントデバイス２４０及び／又は提供者クライアントデバイス２５０上に描写するために患者クライアントデバイス２４０及び／又は提供者クライアントデバイス２５０上に表示するように提供されることができる。また、健康転帰評価は、リスク予測生成プロセス３０５に提供することができ、リスク予測生成プロセス３０５は、健康転帰評価及び／又はデータ受信プロセス３０１においてプラットフォームサーバ２１０によって受信されたデータ（リスク予測生成プロセス３０５に提供することもできる）に基づいて、本明細書の他の箇所に記載されるリスク予測を生成することができる。リスク予測生成プロセス３０５は、生成したリスク予測を特徴付けるデータを、推奨生成プロセス３０６に出力することができ、推奨生成プロセス３０６は、受信したリスク予測及び／又はデータ受信プロセス３０１においてプラットフォームサーバ２１０によって受信されたデータ（推奨生成プロセス３０６に提供することもできる）に基づいて、本明細書の他の箇所に記載される推奨のうちの１つ以上を生成することができる。生成された１つ以上の推奨は、本明細書の他の箇所に記載される技術に従って１つ以上の推奨をフォーマットし、フォーマットされた推奨を患者クライアントデバイス２４０及び／又は提供者クライアントデバイス２５０に提供することができる、推奨提供プロセス３０７に提供することができる。
【0072】
本明細書に記載される主題は、多くの技術的利点を提供する。例えば、本件主題のいくつかの実施態様は、患者又は提供者との会話中の治療計画の変更及び推奨のリアルタイムの更新を可能にすることができる。ソフトウェアのユーザは、患者ケア又は患者若しくは提供者との会話の過程で新規の情報を学習する場合、このデータを患者又は提供者のプロファイルに追加し、コンテキスト内の追加データをリアルタイムで分析して治療プロファイルを更新することができる。更に、システムは、本明細書で詳細に記載される動作を実施することにより、患者の臨床的及び経済的リスクに基づいて、介入を最も必要とする患者及び提供者をランク付け及び優先順位付けすることができ、したがって、ユーザが母集団に最も効率的に立ち向かい、ケアの格差に対処することを可能にし、介入から最も利益を得る患者及び提供者に推奨を提供する。
【0073】
前述の推奨を生成するとともに、推奨に基づくことができ、電子的に、ファクシミリを介して配信することができるか、又は郵送用に印刷することができる患者及び提供者資料を自動的に生成することによって、臨床医は、５～１０倍より効率的に作業することができ、臨床カウンセリングに集中することができる。ソフトウェアプラットフォームが既存の課題を検出し、関連する推奨を提供することにより、薬剤師、看護師、及び他の資格のあるヘルスケア専門家は、訓練を受けた医薬専門家として、自身のライセンスを最大限に活かして働くことができる。ここで、患者とのカウンセリングセッション中に、資格のあるヘルスケア専門家は、文書調べ及び調査の代わりに、医薬教育及びカウンセリングに集中することができる。これにより、患者との総合的な薬剤レビューの時間を１時間から５～１０分に短縮することができる。また、このプラットフォームは、健康データ交換のためのＦａｓｔ Ｈｅａｌｔｈｃａｒｅ Ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ Ｒｅｓｏｕｒｃｅｓ（ＦＨＩＲ）規格に従って構築され、他の電子健康記録及びソフトウェアシステムとの統合を介して提供者との通信を可能にする。治療推奨は自動的に生成されることができ、有資格の臨床要員によってレビューされ、重要なデータ入力又は手作業の必要なしに、患者及びそのケアチームに電子的又は物理的に配信されることができ、臨床要員、多くの場合に薬剤師の効率を５～１０倍高める。治療推奨は、患者及びその介護者に直接配信することもできる。
【0074】
本明細書に記載される主題の１つ以上の態様又は特徴は、デジタル電子回路、集積回路、特別に設計された特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡs）コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組み合わせで実現することができる。これらの様々な態様又は特徴は、格納システム、少なくとも１つの入力デバイス、及び少なくとも１つの出力デバイスからデータ及び命令を受信し、かつデータ及び命令を送信するように結合された、特別又は汎用であり得る少なくとも１つのプログラム可能プロセッサを含む、プログラム可能システム上で実行可能及び／又は解釈可能である１つ以上のコンピュータプログラムにおける実装を含むことができる。プログラム可能システム又はコンピューティングシステムは、クライアント及びサーバを含んでもよい。クライアント及びサーバは、一般に互いに遠隔にあり、典型的には、通信ネットワークを通じて相互作用する。クライアント及びサーバの関係は、それぞれのコンピュータ上で実行され、互いにクライアント－サーバの関係を有するコンピュータプログラムによって生じる。
【0075】
プログラム、ソフトウェア、ソフトウェアアプリケーション、アプリケーション、コンポーネント、又はコードとも呼ぶことができるこれらのコンピュータプログラムは、プログラム可能プロセッサへの機械命令を含み、ハイレベル手続き型言語、オブジェクト指向プログラミング言語、関数型プログラミング言語、論理型プログラミング言語、及び／又はアセンブリ言語／機械語で実装することができる。本明細書で使用される場合、「機械可読媒体」という用語は、例えば、磁気ディスク、光ディスク、メモリ、及びプログラマブルロジックデバイス（ＰＬＤ）などの任意のコンピュータプログラム製品、装置、及び／又はデバイスを指し、機械可読信号として機械命令を受信する機械可読媒体を含む、プログラム可能プロセッサに機械命令及び／又はデータを提供するために使用される。「機械可読信号」という用語は、プログラム可能プロセッサに機械命令及び／又はデータを提供するために使用される任意の信号を指す。機械可読媒体は、例えば、非一時的ソリッドステートメモリ若しくは磁気ハードドライブ又は任意の同等の格納媒体と同様に、そのような機械命令を非一時的に格納することができる。機械可読媒体は、例えば、１つ以上の物理プロセッサコアに関連付けられたプロセッサキャッシュ又は他のランダムアクセスメモリと同様に、そのような機械命令を一過性の方法で代替的又は追加的に格納することができる。
【0076】
ユーザとの相互作用を提供するために、本明細書に記載される主題の１つ以上の態様又は特徴は、例えば、陰極線管（ＣＲＴ）若しくは液晶ディスプレイ（ＬＣＤ）などの表示デバイス、又はユーザに情報を表示するための発光ダイオード（ＬＥＤ）モニタ、並びにユーザがコンピュータに入力を提供するのに用いることができる、キーボード、及び例えばマウス又はトラックボールなどのポインティングデバイスを有するコンピュータ上に実装することができる。他の種類のデバイスを使用して、ユーザとの相互作用を提供することもできる。例えば、ユーザに提供されるフィードバックは、例えば視覚フィードバック、聴覚フィードバック、又は触覚フィードバックなどの任意の形態の感覚フィードバックであることができ、ユーザからの入力は、音響、発話、又は触覚入力を含む任意の形態で受信することができる。他の可能な入力デバイスは、タッチスクリーン又は他のタッチ式デバイス、例えば、シングル若しくはマルチポイント抵抗又は静電容量式トラックパッド、音声認識ハードウェア及びソフトウェア、光学スキャナ、光学ポインタ、デジタル画像キャプチャデバイス並びに関連する解釈ソフトウェアなどを含む。
【0077】
上記の記載及び特許請求の範囲において、「～のうちの少なくとも１つ（ａｔ ｌｅａｓｔ ｏｎｅ ｏｆ）」又は「～のうちの１つ以上（ｏｎｅ ｏｒ ｍｏｒｅ ｏｆ）」などの言い回しが、要素又は特徴の一連のリストの前に現れ得る。「及び／又は（ａｎｄ／ｏｒ）」という用語もまた、２つ以上の要素又は特徴のリスト内に現れ得る。このような言い回しは、それが使用される前後関係と暗示的又は明示的に矛盾しない限り、列挙された要素若しくは特徴のいずれかを個別に、又は列挙された要素若しくは特徴を他の列挙された要素若しくは特徴のいずれかと組み合わせたものを、意味することが意図される。例えば、「Ａ及びＢのうちの少なくとも１つ」、「Ａ及びＢのうちの１つ以上」、並びに「Ａ及び／又はＢ」という言い回しは、各々、「Ａ単独、Ｂ単独、又はＡ及びＢをともに」を意味することが意図される。３つ以上の項目を含むリストについても同様の解釈が意図される。例えば、「Ａ、Ｂ、及びＣのうちの少なくとも１つ」、「Ａ、Ｂ、及びＣのうちの１つ以上」、並びに「Ａ、Ｂ、及び／又はＣ」は、各々、「Ａ単独、Ｂ単独、Ｃ単独、Ａ及びＢをともに、Ａ及びＣをともに、Ｂ及びＣをともに、又はＡ及びＢ及びＣをともに」を意味することが意図される。加えて、上記の及び特許請求の範囲中の「～に基づいて（ｂａｓｅｄ ｏｎ）」という用語の使用は、列挙されていない特徴又は要素も許容されるように、「～に少なくとも部分的に基づいて（ｂａｓｅｄ ａｔ ｌｅａｓｔ ｉｎ ｐａｒｔ ｏｎ）」を意味することが意図される。
【0078】
本明細書で記載する主題は、所望の構成に応じてシステム、装置、方法及び／又は物品として具現化することができる。上述の説明に記載した実施態様は、本明細書で記載する主題と一致する全ての実施態様を表すものではない。代わりに、それらは、記載する主題に関連する態様と一致するいくつかの実施例に過ぎない。いくつかの変形を上記で詳細に記載してきたが、他の修正又は追加が可能である。具体的には、本明細書に記載されているものに加えて、更なる特徴及び／又は変形を提供することができる。例えば、上記で記載した実施態様は、開示する特徴の様々な組み合わせ及び副次的な組み合わせ、並びに／又は上記で開示したいくつかの更なる特徴の組み合わせ及び副次的な組み合わせを対象とすることができる。更に、添付図面に表され、及び／又は本明細書で記載する論理フローは、所望の結果を達成するために、必ずしも示される特定の順序、又は順番を必要としない。他の実施態様は、以下の特許請求の範囲の範囲内であり得る。
【0079】
特定の例示的な実施形態は、本明細書に開示されるデバイス及び方法の構造、機能、製造及び使用の原理の全体的な理解を提供するために本明細書に記載される。これらの実施形態の１つ以上の例が、添付の図面に示される。当業者は、本明細書で具体的に記載され、添付の図面に示されるデバイス及び方法が非限定的な例示的な実施形態であり、本発明の範囲が特許請求の範囲によってのみ規定されることを理解するであろう。１つの例示的な実施形態に関連して例示又は記載される特徴は、他の実施形態の特徴と組み合わせてもよい。そのような修正及び変形は、本発明の範囲内に含まれることが意図される。
【0080】
更に、本開示では、実施形態の同様の名称の構成要素は、概して、同様の特徴を有し、したがって、特定の実施形態内では、各同様の名称の構成要素の各特徴は、必ずしも完全に詳細に説明されない。
【図1】
【図2】
【図3】
【国際調査報告】