Telemonitoreringssystem til tidlig diagnose af KOL-eksacerbationer.

Kronisk obstruktiv lungesygdom (KOL) er et globalt sundhedsproblem i hele verden. Det er ikke kun den fjerde dødsårsag med 600 millioner dødsfald hvert år, men det er også den hurtigst stigende patologi med hensyn til dødelighed i industrialiserede lande, og i 2020 vil det blive den anden dødsårsag (WHO-data). Desuden er dets indvirkning stort set undervurderet. Kun én ud af fire får diagnosen, ofte med forsinkelse, og det reducerer naturligvis den terapeutiske chance. Derfor identificeres og helbredes KOL ofte først i de sene stadier, mens det udgør et vigtigt sundhedsproblem også hos yngre mennesker (fra 45-50 år). Nylige undersøgelser anslår en gennemsnitlig omkostning på 1.300 euro pr. patient hvert år, hvilket kan stige til 7.000 euro i mere alvorlige stadier. En skræddersyet håndtering af KOL-patienter vil naturligvis gøre det muligt at reducere omkostningerne til indlæggelser og forbedre livskvaliteten. Denne ledelse kunne drage fordel af informations- og kommunikationsteknologistøtten, som kan tilbyde muligheden for telemonitorering af patienter uden behov for gentagne hospitalsbesøg og forbedre effektiviteten af ​​sundhedsydelser. Ydermere gør den høje frekvens af eksacerbationer og deres ofte atypiske kliniske præsentation hos den ældre patient særlig ønskværdig tilgængeligheden af ​​et teleovervågningssystem, som kunne garantere kontinuerlig kontrol og tidlig intervention i tilfælde af nødvendighed. Brugen af ​​telemonitoreringssystemer hos KOL-patienter har allerede vist en moderat effektivitet til at reducere hospidaliseringer og andre relaterede resultater (Pedone C et al. BMC Health Serv Res 2003), men beviserne er ikke homogene (Pedone C e Lelli D Pneumonol Alergol Pol 2015). En yderligere forbedring af virkningen af ​​telemonitoreringssystemer på KOL-patienters helbredsstatus kunne stamme fra Decision Support System (DSS), der er i stand til at forudsige kliniske hændelser (dvs. eksacerbationer) og at hjælpe sundhedspersonale med at overvåge eller forudsige hændelser på basis af variation af kliniske parametre, ikke direkte indsamlet med konventionelle strategier.

Vores forskergruppe (L.I.A., Università Campus Biomedico di Roma, Asl n. 4 Lanusei) har allerede udviklet en prædiktiv algoritme for eksacerbationer eller klinisk bekymrende hændelser før symptomernes opståen. Projektet er blevet finansieret af Provincia Autonoma di Bolzano (Italien) og præsenteret på IEEE-EMBS International Conference on Biomedical and Health Informatics (BHI) i Las Vegas den 24.-27. februar 2016 ["On the Remote Detection of COPD-Related Worrisome" Begivenheder" - BHI 2016]. Hele papiret er blevet offentliggjort i IEEE Journal of Biomedical and Health Informatics ["A decision support system for tele-monitoring COPD-related worrisome events"] marts 2017.

Ved at udnytte vores resultater er der udviklet et innovativt medicinsk udstyr til overvågning af helbredstilstand til at opdage eksacerbationer eller klinisk bekymrende hændelser gennem overvejelse af tidlige tegn, som patienten stadig ikke er opmærksom på, og som følgelig foreslår ham at henvise til læger, før symptomer opstår. . Enheden består af et digitalt Bluetooth-pulsoximeter og en APP. APP'en forbindes med pulsoximeteret, der måler puls og blodets iltmætning. APP'en tilpasser sig i første omgang til hver patients fysiologiske karakteristika, og personaliserer dermed dens svar og sætter sine egne koefficienter til analysen af ​​de anvendte parametre på basis af den kontinuerlige strøm af data modtaget fra pulsoximeteret. Den indledende periode med "tilpasning" til maskinens grundindstilling er estimeret om 5 dage, hvorefter apparatet vil fortsætte med at modellere sig på patienten både gennem selvlæring ved hjælp af inputdata, og gennem en evt. obligatorisk indgriben fra læger, der ændrer konfigurationsparametrene for en bedre respons fra maskinen. Vores resultater tyder på, at algoritmen er i stand til at detektere potentielt kritiske situationer med et sensitivitetsindeks på 98 % og en specificitet på 100 %.

3. Studiemål

At teste algoritmen på en større population for at verificere ydeevnen af ​​det nuværende system. Baseret på antallet af deskriptorer, der bruges af systemet, i betragtning af en frafaldsrate på 15 %, fejlmargin på 0,02, p = 0,05, er antallet af tilmeldte patienter 120.

At træne algoritmen til genkendelse af eksacerbationer, defineret som forværring af dyspnø eller opspyt af enheder, der er overlegne i forhold til den normale døgnrytmevariabilitet og kræver behandlingsmodifikationer, konstateret gennem klinisk evaluering; At kalibrere og validere algoritmen til genkendelse af eksacerbationsepisoder.

For at evaluere systemets effektivitet med hensyn til omkostninger og patientens livskvalitet:

Effektivitet:

den vil være baseret på sammenligningen af ​​hyppigheden af ​​skadestuer og hospitalsindlæggelser i de tre år før interventionen og i interventionsperioden for at verificere det forventede fald i behovet for ekstraordinær pleje. Til dette formål, efter autorisation, vil fil A og fil L i Scheda di Dimissione Ospedaliera (SDO) blive brugt. På denne måde vil alle data vedrørende skadestue og hospitalsindlæggelser, årsager og indlæggelsesdage blive hentet for hver patient. En væsentlig reduktion i den kumulative frekvens af resultatet vil blive betragtet som bevis på effektivitet. Sammenligningen mellem interventionsåret og det foregående år vil blive suppleret med analysen af ​​tidsserierne inklusive de foregående 3 år og interventionen for at undgå, at en tilsyneladende signifikant forskel mellem interventionsåret og det foregående år kun afspejler udviklingen i en tendens. Desuden, da detekterede parametre også kan modificeres ved hændelse, ikke kun respiratorisk, men også af anden oprindelse (f.eks. hjerte) patologi, vil årsagerne til akutmodtagelser eller hospitalsindlæggelser blive opdaget og katalogiseret med henblik på en analytisk evaluering af virkningerne af interventionen.

analysen af ​​objektive resultater, som er udtryk for plejebehovet (effektivitetstjek 1), vil blive suppleret med de sundhedseffekter, der udtrykkes ved en baseline og endelig oligodimensionel evaluering, herunder et mål for dyspnø (MRC), et fysisk præstationsindeks ( 6'WT), en personlig autonomiskala (ADL, IADL) og et sundhedsstatus spørgeskema korreleret med respiratorisk sygdom (CAT). Da der ikke er nogen sammenligning for dette resultat, vil det samme blive betragtet som opnået i tilfælde af stabilitet i ydeevnen sammenlignet med baseline.

Omkostning/effektivitet: forudsat en vægtet gennemsnitlig omkostning ved indlæggelse for forværret KOL og estimering af omkostningerne ved den foreslåede intervention (se vedlagte analyseskema), vil interventionen blive betragtet som omkostningseffektiv, hvis de opnåede besparelser vil overstige mindst 25 % af udgifterne afholdt. Denne tærskel, om end vilkårlig, er bekvem og rimelig, fordi lavere værdier kunne straffes af forskellige lokale defekter i proceduren til beregning af de involverede variable.

Patienter med KOL med hyppige eksacerbationer vil blive indskrevet uanset bronkial obstruktionsgrad eller GOLD-stadium. Ifølge 2018 GOLD-retningslinjerne anses to eller flere eksacerbationer hvert år eller mindst én, der fører til hospitalsindlæggelse, som hyppige. Forværring betyder enhver ændring i respiratorisk sundhed, der kræver en ændring i lægemiddelbehandling, uanset behovet for akutmodtagelse eller hospitalsindlæggelse, som omvendt karakteriserer andelen af ​​eksacerbationer, der udgør det første effektudfald. Patienter i langvarig iltbehandling, med kognitiv svækkelse, der efter investigators opfattelse hæmmer muligheden for at overholde protokollen og med en forventet levetid begrænset til et år, vil blive udelukket. Der vil ikke blive forudset andre udelukkelseskriterier, især co-morbiditet, da undersøgelsen er designet til en virkelighedsdimension, og algoritmen kan bruges til at formidle information af interesse for forværring af ikke-respiratorisk patologi.

Hver patient vil blive forsynet med BPCOmedia-sættet til måling af status for patientens helbreds-KOL. Sættet består af et Bluetooth-pulsoximeter og en APP til Android-system, der kan downloades fra Google Play og installeres på patientens Android-smartphone fra version 4.1 og frem.

Under forsøget vil en dedikeret sagsbehandler sygeplejerske sørge for, for den professionelle teamleder (praktiserende læge) og for hele teamet, hvor specialpneumologen er til stede, en upartisk og tværgående tilgang til udvikling af en personlig behandlingsplan, der letter koordineringen og passende brug af de forskellige tjenester.

Målinger af oxyhæmoglobin mætning og hjertefrekvens vil blive udført 3 gange om dagen i henhold til en foruddefineret monitoreringsplan, og når patienten oplever symptomer. Patienten vil først henvise til sagsbehandlersygeplejersken eller til den praktiserende læge, hvis den første er utilgængelig, når som helst algoritmen vil opdage en potentielt farlig situation, eller når dens opfattede helbredstilstand vil afvige fra måling udført af telemonitoreringssystemet. Til gengæld vil sagsbehandler sygeplejerske og praktiserende læge dagligt overvåge parametrene og vurdere, om de modtagne værdier er forenelige med en igangværende eller forestående forringelse af helbredstilstanden ("bekymrende hændelse"). I dette tilfælde vil patienten blive kontaktet telefonisk for at undersøge symptomerne eller tilstedeværelsen af ​​tegn på eksacerbation (dyspnø, asteni, øget sekretion). På grundlag af de indhentede data vil den bekymrende begivenhed blive omklassificeret som følger:

Falsk alarm; Mindre hændelse (klinisk forværring, der ikke kræver terapeutisk intervention eller andre indgreb) Mulig forværring. I tilfælde af mulig eksacerbation vil patienten blive besøgt af den praktiserende læge, som vil fastslå den faktiske tilstedeværelse af en eksacerbation (med deraf følgende modifikation af terapi, indikation af yderligere diagnostiske undersøgelser eller videresendelse til højere behandlingsniveauer, afhængigt af indikationen). eller omklassificere begivenheden som "Minor Event".

Pneumologen vil altid stå til rådighed for tolkning af situationer, der involverer specialviden og vil blive kontaktet af både sagsbehandler sygeplejerske og den praktiserende læge afhængig af tilgængelighed. I tilfælde af særlige situationer, f.eks. vigtige desaturationer, aktiveres foretrukne ruter, så speciallægen kan gribe ind hurtigt.

For at opnå et tilstrækkeligt antal arrangementer til projektets mål er det planlagt at tilmelde mindst 120 patienter, som vil blive fulgt i en periode på 12 måneder.

Hovedresultatet vil være bronkiale eksacerbationer, som antages at have en Poisson-fordeling med et gennemsnit på 2/patient/år. I betragtning af som klinisk signifikant en reduktion på 0,25 eksacerbationer/patient/år, ved hjælp af Lehrs ligning med Type I og Type II fejl på henholdsvis 5% og 20%, opnår vi et estimat af stikprøvestørrelsen på 480 personer fulgt i et år; det anses for hensigtsmæssigt at øge til 500 for at udligne eventuelle tab under opfølgningen.

Denne stikprøvestørrelse er også tilstrækkelig til udviklingen af ​​hændelsesforudsigelsesalgoritmen: faktisk baseret på antallet af deskriptorer, der bruges af systemet og i betragtning af en frafaldsrate på 15 %, fejlmargen på 0,02, p = 0,05, antallet krævede patienter er 120.

Instrumenteringen vil blive leveret inden for en træningssession, hvor patienten vil blive instrueret i, hvordan telemonitoreringssystemet fungerer, og om den adfærd, der skal tages i tilfælde af ændringer i helbredstilstanden.

Den passende forståelse vil blive verificeret ved afslutningen af ​​sessionen, og undersøgelsespersonalet vil tilbyde patienten yderligere sessioner, selv efter nogen tid i tilfælde af behov.

Patienten vil også blive specificeret, at udredningssystemet ikke erstatter den sædvanlige assistance, og at det i tilfælde af afvigelse af symptomerne er nødvendigt at følge de sædvanlige procedurer ved at kontakte primærlægen eller speciallægen efter behov.

Alle patienter vil underskrive et informeret samtykke. Det anvendte teleovervågningssystem er ikke tænkt som en erstatning for normal assistance, og undersøgelsesprocedurerne giver ikke nødinterventioner, derfor vil deltagerne blive bedt om at kontakte deres læge for at vurdere eventuelle helbredsproblemer og for at aktivere de sædvanlige nødprocedurer i tilfælde af kritiske situationer.

Dataanalyse Data vil blive analyseret i henhold til beskrivende statistiske metoder for at evaluere ydeevnen, beregne nøjagtighed, præcision, specificitet og følsomhed. I første omgang vil træningsfasen bruge data fra en referencepopulation. Efterfølgende vil systemtræningen, ved at bruge en udeladt person, blive evalueret igen ved hjælp af de data, der er opnået under det nuværende forsøg, og derefter fortsætte til estimat af præstationerne.

5. Teleovervågningssystem

Grundlæggende karakteristika er opsummeret nedenfor:

Systemet bestående af appen og et pulsoximeter og er certificeret som medicinsk udstyr (næste juni 2017); Patienten modtager et kit bestående af et pulsoximeter og Android-appen, der kan downloades fra Google Play og kan installeres på din Android-smartphone fra version 4.1 og opefter; Patienten bruger appen til at udføre målinger i hjemmet, uden behov for ekstern støtte; Appen fungerer i tre tilstande: konfiguration, træning / kalibrering, overvågning; Under konfigurationen opretter brugeren en konto tilknyttet det købte pulsoximeter og appen for at reducere misbruget af enheden af ​​personer, der ikke har købt den; Under træningsfasen får appen den nødvendige information til at kalibrere algoritmen og gøre den i stand til at identificere forekomsten af ​​en af ​​de førnævnte farlige hændelser; Under overvågningsfasen bruger patienten appen til at overvåge begyndelsen af ​​en af ​​de førnævnte farlige hændelser; Brugeren kan, ved hjælp af de legitimationsoplysninger, der er angivet under konfigurationen, få adgang til en webportal kaldet patientportalen, hvor han kan kontrollere historikken for de udførte målinger; Patientportalen giver slutbrugeren mulighed for at se deres data i en grafisk og intuitiv form og dele målinger med deres læge; Læger får adgang til en portal dedikeret til dem og kaldet den medicinske portal; I lægeportalen kan lægen konsultere de målinger, som hans patienter har udført, forudsat at patienten har gjort det muligt for lægen at konsultere sine data; Mulighed for lægen at indhente rapporter om de foranstaltninger, som patienterne udfører; Appen og både patientportalen og den medicinske portal understøtter de vigtigste europæiske sprog startende fra italiensk og engelsk.

Installations- og konfigurationsfase Brugeren downloader Android-appen fra Google Play Store. På installationstidspunktet guider appen brugeren til at registrere en ny konto, hvis den ikke allerede er i besiddelse af en, og til at registrere det købte pulsoximeter ved at indtaste den alfanumeriske kommercielle kode, der er tilgængelig i pakken.

En enkelt konto kan knyttes til handelskoden.

Under kontooprettelse og tilknytning til pulsoximetri-guiden kræver appen minimumsoplysningerne for registrering og brugerprofilering:

Navn og efternavn E-mailadresse Telefonnummer Brugernavn og adgangskode For at kunne fortsætte med registreringen skal patienten se privatlivserklæringen og give samtykke til behandling af personlige helbredsoplysninger som krævet i gældende lovgivning.

I slutningen af ​​installations-/konfigurationsfasen starter appen i trænings-/kalibreringstilstand.

Trænings- og kalibreringsfase For korrekt funktion har appen brug for en indledende træningsfase af den foruddefinerede varighed på N = 5 dage.

Træningsfasen er baseret på en monitoreringsplan bestående af tre målinger/dag divideret med foruddefineret tidsperiode: morgen, eftermiddag, aften. Der kræves en måling for hvert tidsrum.

Overvågningsplanen indeholder en række påmindelser, der via push-meddelelsen forbundet med et lydsignal minder patienten om de målinger, der skal udføres. Overvågningsplanen kan konsulteres i read only på appen i et særligt afsnit.

Ved hver måling angivet af M indhenter appen værdien af ​​procentdelen af ​​hæmoglobinmætning SpO2, værdien af ​​HR-pulsen målt af pulsoximeteret og datoen og klokkeslættet, hvor målingen finder sted. Indgangsdataene er formelt angivet med treklangen (SPO2, HR, t), hvor værdien t angiver både dato og tidspunkt for målingen M og tjener derfor til at klassificere målebåndet: morgen, eftermiddag, aften.

Ved afslutningen af ​​de 5 dage, dvs. af træningsfasen, ved hjælp af målingerne og et datasæt med patientprofiler, der er gemt på forhånd i APP'en, videregives det automatisk under monitoreringsfasen.

APP'en viser i et særligt bånd, der altid tydeligt kan ses den fase, den befinder sig i: træning eller overvågning.

Under træningsfasen gemmer appen dataene for de enkelte målinger og resultatet af kalibreringen på backend ved afslutningen af ​​træningsfasen. Appen fungerer også på en uafhængig måde fra backend, så dataene synkroniseres i baggrunden på en gennemsigtig måde for brugeren selv i mangel af forbindelse.

Overvågningsfase Når trænings- og kalibreringsfasen er afsluttet, går appen ind i monitoreringsfasen, hvor patienten udfører foranstaltningerne for at holde sit helbred kontrolleret og overvåget.

De oplysninger, der skal huskes i denne fase, er:

HR-puls; SpO2 hæmoglobinmætning; Dato og tidspunkt for detektion Ifølge overvågningsplanen inviterer appen brugeren til at udføre målingen ved at bære og tænde for pulsoximeteret. Efter detektion advarer appen brugeren ved at invitere ham til at fjerne pulsoximeteret. Den enkelte måling, der er fuldstændig gennemsigtig for brugeren, implementeres som en række målinger, der er mere passende filtreret (vejledende gennemsnittet af målinger udført på 5 - 10 sekunder).

Ved hver måling forespørger appen, som modtog parametrene fra pulsoximeteret, algoritmen ved at sende SpO2, puls, dato og klokkeslæt og viser resultatet af algoritmens behandling. Dette resultat præsenteres for patienten gennem let forståelig tekst og med passende ikoner, der giver en klar og umiddelbar forståelse af patientens helbredstilstand.

Appen er i stand til at udføre målingen selv i mangel af forbindelse, så alle konfigurationsparametre (se overvågningsplan) gemmes lokalt i appen og fra tid til anden synkroniseret med, hvad der er til stede eksternt til backend.

Efter målingen gemmes parametrene for selve målingen og resultatet af behandlingen lokalt og om muligt i skyen. I tilfælde af at det ikke er muligt umiddelbart at gemme dem på skyen på grund af manglende forbindelse, vil justeringen af ​​dataene ske på en gennemsigtig måde for patienten.

Appen opbevarer også en målehistorik lokalt, så patienten kan konsultere målingerne direkte fra appen. Disse mål er præsenteret i tabelform og grafisk tilstand.

I overvågningsfasen skal patienten have mulighed for at kontakte den pårørende læge i tilfælde af en forværring af de oplevede tilstande, og hvis han finder en uoverensstemmelse mellem hans/hendes oplevede tilstand og resultatet af appen. Det er derfor muligt direkte fra appen at starte en ny trænings-/træningsfase for at genkalibrere algoritmen.

Indstillinger Appen indeholder en særlig sektion dedikeret til personlige indstillinger. I dette afsnit kan patienten konsultere sine personlige data, overvågningsplanen og udføre en nulstilling for at genstarte trænings- og kalibreringsfasen.

Algoritmebibliotek Algoritmen er indkapslet i et bibliotek udviklet af Biomedical Campus ved universitetet i Rom og ejet af Giuseppe Capassos L.I.A.

Patienternes grænseflade

Ved at bruge de legitimationsoplysninger, der er valgt under den indledende konfigurationsfase, kan patienten få adgang til en webportal dedikeret til patienter. Efter adgang til denne portal har patienten mulighed for:

Administrer dine personlige data og skift adgangskoden for at få adgang til portalen og appen.

Se standardovervågningsplanen, der er tilgængelig som skrivebeskyttet. Se listen over udførte målinger og vis dem i grafisk tilstand med mulighed for at filtrere og se dem for tidsperioder.

Opret din egen læge, som du derefter kan dele dine overvågningsdata med. Patienten inviterer lægen til at få adgang til hans data på en måde svarende til den, der bruges af de mest almindelige sociale netværk til at dele information.

Lægers grænseflade Denne portal giver behandlende læger mulighed for at få adgang til deres patienters data via nettet. Ved at følge det relevante link 'Tilmeld dig som læge på login-siden på lægeportalen, kan lægen tilmelde sig på portalen. Aktiveringen skal ske efter tilstrækkelig verifikation fra administratorerne, som kan anmode om yderligere dokumentation for at fastslå identiteten på den læge, der anmoder om registrering.

Når lægen er registreret, kan lægen bruge sine legitimationsoplysninger til at få adgang til portalen, hvor han kan administrere sine personlige data indtastet under registreringen og få adgang til målinger af patienter, der har delt adgang. Lægen kan til gengæld søge efter patienter og sende en anmodning om indsigt i data. Patienten kan derefter acceptere anmodningen eller ej.

Lægen kan ikke foretage ændringer i patientens data, han har dem skrivebeskyttet. Der er kendte felter, hvor du kan indtaste andre oplysninger, der stammer fra en sygehistorie eller et besøg.

Lægers grænseflade - specifikke funktioner For at understøtte opnåelsen af ​​målene for undersøgelsen/eksperimentet er der forudset en række funktioner for at indsamle et sæt "visse" data, som valideres af lægen i nærheden af ​​det detekterede mål, så at den samme læge har mulighed for at konfrontere patienten og bekræfte eller omdirigere resultatet genereret af algoritmen. Fra et teknisk synspunkt handler det om at indsamle de data, som app'en sender i backend, men giver lægen mulighed for at bekræfte dataene eller omklassificere det resultat, som ifølge hans mening burde være genereret. Derfor vil lægen, som allerede forudset, få adgang til bagenden med mulighed for at vælge den pågældende patient, for at undersøge de foranstaltninger, der er interesserede i, at dommen bekræfter resultatet eller ændrer det i henhold til en række etiketter, der vil blive angivet af den videnskabelige udvalg.

Informationen kan derefter udtrækkes ad hoc og leveres til analyse på Biomedicinsk Campus.

Arbejdsskema Følgende diagram repræsenterer hele systemets logiske arkitektur. Diagrammet viser også, hvilke dele der ligger i smartphonen (Smarphton-området), og hvilke der i stedet er hjælpekomponenter, der ligger på nettet (webområdet). Det er vigtigt at huske på, at det medicinske udstyr består af appen og den algoritme, der er inkluderet i området markeret som Smartphone. Brugerne af systemet er patienten og lægen. Patienten bruger smartphonen til overvågning og konsultation, mens webdelen bruges til simpel konsultation både af patienten og af lægen i de relevante webportaler.

De vigtigste komponenter er beskrevet nedenfor.

App Dette repræsenterer den app, der er installeret på patientens smartphone. Appen modtager målinger fra pulsoximetrien under overvågningsfasen og interagerer med den forudsigende algoritme for at bestemme patientens helbredstilstand. De data, der er nyttige til behandling af helbredsstatus og til konsultation, gemmes derefter i en lokal database, så du kan arbejde uafhængigt af internetforbindelsen. Appen interagerer med backend med det ene formål at gemme målinger og helbredsdata eksternt.

Prædiktiv algoritme Selvom den er fysisk integreret i appen, er algoritmen lokalt en blok i sig selv, givet dens kritikalitet. App'en sørger for at styre tidsintervallerne for foranstaltningerne baseret på overvågningsplanen og kalder i overensstemmelse hermed den forudsigende algoritme, der videregiver informationen indsamlet af pulsoximeteret og anden information behandlet fra de historiske data, der er gemt i den lokale database. Med udgangspunkt i disse oplysninger bestemmer algoritmen patientens helbredstilstand.

Lokal database Den lokale database bruges af appen til lokalt at vedligeholde de nødvendige foranstaltninger i første omgang til algoritmen til at udføre behandlingen og til at bestemme patientens helbredsstatus, og for det andet til at give patienten mulighed for at konsultere de tidligere foranstaltninger direkte på smartphonen. For den korrekte behandling kræver algoritmen målinger fra de sidste 90 dage. Det er de mål, der er gemt i den lokale database.

Pulsoximeter. Det er det medicinske udstyr, som patienten bruger til at udføre måling af SpO2 og hjertefrekvens. Interagerer via bluetooth med appen for at dele den udførte måling.

Bagende

Dette er den eksterne hardware-/softwarekomponent, hvorpå de målinger, der er foretaget af de forskellige patienter, og patientprofilerne gemmes. Her lagres dataene i en fjerndatabase og er altid tilgængelige til at blive downloadet på smartphones i tilfælde af behov, for at blive konsulteret af patienter og læger gennem de relevante portaler, eller til at blive brugt af forskere fra Rome Biomedical Campus til at forfine og yderligere udvikle algoritmen. Det følgende afsnit dedikeret til den detaljerede arkitektur vil også beskrive de forskellige protokoller, der bruges til interaktionen med de andre komponenter i systemet.

Fjerndatabase Fjerndatabase, hvor patientmålinger og patient- og medicinske profildata gemmes.

Webgrænseflade Disse er de komponenter i systemet, der gør det muligt for patienter og læger at konsultere de data, der er gemt i backend.

Struktur Følgende diagram repræsenterer hele systemets fysiske arkitektur og hvordan komponenterne i hele systemet interagerer/kommunikerer med hinanden.