CN102385666A - 一种慢性阻塞性肺疾病的初步检测系统 - Google Patents
一种慢性阻塞性肺疾病的初步检测系统 Download PDFInfo
- Publication number
- CN102385666A CN102385666A CN2011102801833A CN201110280183A CN102385666A CN 102385666 A CN102385666 A CN 102385666A CN 2011102801833 A CN2011102801833 A CN 2011102801833A CN 201110280183 A CN201110280183 A CN 201110280183A CN 102385666 A CN102385666 A CN 102385666A
- Authority
- CN
- China
- Prior art keywords
- information
- measured
- unit
- copd
- discriminant function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种慢性阻塞性肺疾病的初步检测系统,它包括用于采集被测者的危险因素和临床信息的信息采集单元,用于存储被测者的危险因素和临床信息的信息存储单元,用于建立判别函数模型的信息分析单元,用于输出检测结果数据信息的初步处理单元;所述信息采集单元、信息存储单元、信息分析单元、初步处理单元依次连接,通过信息采集单元输入被测者信息,存储至信息存储单元,由信息分析单元将存储的被测者信息作为判别因子建立判别函数模型而进行分析判断,经初步处理单元输出结果数据信息。本发明的初步检测系统成本低廉,使用简便。
Description
技术领域
本发明涉及医疗辅助工具,尤其是一种慢性阻塞性肺疾病的初步检测系统。
背景技术
慢性阻塞性肺疾病,英文简称COPD,是目前我国农村第3位、城市第4位的死亡原因疾病,40岁以上人群COPD的总患病率高达8.2%。目前慢性阻塞性肺疾病的检测和严重程度分级依赖于肺功能检查,但是,由于肺功能检查的仪器较为昂贵,导致肺功能检查在很多医院、尤其是基层医院没有普及,而且由于肺功能检查具有检查方法较复杂、检查时间较长、收费较贵的缺点。因此,许多慢性阻塞性肺疾病患者被漏诊或误诊,影响患者的及时正确的治疗。
发明内容
本发明的目的在于提供一种慢性阻塞性肺疾病的初步检测系统,其成本低廉,使用简便。
本发明的目的通过以下技术方案实现:一种慢性阻塞性肺疾病的初步检测系统,它包括用于采集被测者的危险因素和临床信息的信息采集单元,用于存储被测者的危险因素和临床信息的信息存储单元,用于建立判别函数模型的信息分析单元,用于输出检测结果数据信息的初步处理单元;所述信息采集单元、信息存储单元、信息分析单元、初步处理单元依次连接,通过信息采集单元输入被测者信息,存储至信息存储单元,由信息分析单元将存储的被测者信息作为判别因子建立判别函数模型而进行分析判断,再经初步处理单元输出初步检测判断的结果及建议。
本发明还包括用于修正判别函数模型的信息反馈单元,所述信息反馈单元将经外部肺功能检查仪器得到的被测者结果信息反馈至信息分析单元。
本发明所述的判别因子包括:生活环境、性别、年龄、气促级、吸烟指数、职业暴露史、体重指数、咳嗽、喘息。
本发明所述信息分析单元中的判别函数模型为:
Y0=-72.84619+10.42377x1+9.69731x2+0.58220x3-0.68222x5+0.00540x7-0.00684x8+3.30434x11-0.13336x12+2.60295x14;(a)
Y1=-72.00038+12.33394x1+7.73661x2+0.72004x3-0.52833x5+0.00786x7-0.00281x8+2.83796x11+0.33442x12+2.02699x14;(b)
Y2=-72.17307+12.44860x1+7.52607x2+0.74809x3-0.11923x5+0.00955x7+0.02361x8+2.64365x11+0.38577x12+3.38533x14;(c)
其中:式(a)为无COPD疾病的函数模型,式(b)为轻中度COPD患者的判别函数,式(c)为重度及极重度COPD患者的判别函数,x1为生活环境、x2为性别、x3为年龄、x5为气促级、x7为吸烟指数、x8为职业暴露史、x11为体重指数、x12为咳嗽、x14为喘息。
与现有技术相比,该发明技术具有以下优点:
1、本系统成本低廉,使用简便,易于在医院普及使用;
2、通过信息反馈单元使系统具有修正功能,修正判别函数模型,不断完善检测的准确性。
附图说明
图1为本发明具体实施例的单元连接示意图。
具体实施方式
如图1所示,本发明它包括用于采集被测者的危险因素和临床信息的信息采集单元,用于存储被测者的危险因素和临床信息的信息存储单元,用于建立判别函数模型的信息分析单元,用于输出检测结果数据信息的初步处理单元,用于修正判别函数模型的信息反馈单元;信息采集单元、信息存储单元、信息分析单元、初步处理单元依次连接,通过信息采集单元输入被测者信息,存储至信息存储单元,由信息分析单元将存储的被测者信息作为判别因子建立判别函数模型而进行分析判断,经初步处理单元输出初步检测判断的结果数据信息,信息反馈单元将经外部肺功能检查仪器得到的被测者结果信息反馈至信息分析单元,以修正判别函数模型;其中,信息采集单元、信息存储单元、信息分析单元、初步处理单元和信息反馈单元可以借助计算机软件写入硬件处理器中,通过编程使该硬件处理模块具有上述各个功能,也可以安装在通用计算机上构成本初步检测系统,使得检测操作简便,系统的制造成本低廉。
对被测者进行信息采集工作时,信息采集单元采集的信息可以包括:
(1)人口学资料:包括姓名、性别、年龄;
(2)生活环境:包括城市、农村;
(3)呼吸道症状:包括咳嗽、咳痰、气促和喘息;
(4)吸烟状况:包括吸烟的年数、平均每天吸烟的包数;
(5)近十年接触的主要烹饪燃料:包括电、煤气或天然气、燃煤、生物燃料或其他;
(6)职业暴露史:职业粉尘烟雾和有害气体暴露的年数;
(7)儿童时期呼吸疾病史:包括感染麻疹、百日咳、支气管炎、肺炎;
(8)家族史:包括父母及兄弟姐妹有慢性支气管炎、肺气肿、哮喘或COPD。
将这些危险因素和临床信息进行整合、储存和格式转换后进入信息存储单元,并建立起被测者的危险因素和临床信息的数据库。
通过信息分析单元建立慢性阻塞性肺疾病的判别函数模型时,借助计算机和统计分析技术,调用已存储的数据库的对应被测者数据进行分析,建立慢性阻塞性肺疾病的判别函数模型。建立慢性阻塞性肺疾病的判别函数的模型的具体过程为:
借助SAS统计软件,应用贝叶斯准则下的逐步判别分析方法,对已采集的被测者信息进行统计分析,筛选出生活环境(x1)、性别(x2)、年龄(x3)、气促级(x5)、吸烟指数(x7)、职业暴露史(x8)、体重指数(x11)、咳嗽(x12)、喘息(x14)九个最具有判别效果的判别因子,并建立慢性阻塞性肺疾病的判别函数如下:
Y0=-72.84619+10.42377x1+9.69731x2+0.58220x3-0.68222x5+0.00540x7-0.00684x8+3.30434x11-0.13336x12+2.60295x14;(a)
Y1=-72.00038+12.33394x1+7.73661x2+0.72004x3-0.52833x5+0.00786x7-0.00281x8+2.83796x11+0.33442x12+2.02699x14;(b)
Y2=-72.17307+12.44860x1+7.52607x2+0.74809x3-0.11923x5+0.00955x7+0.02361x8+2.64365x11+0.38577x12+3.38533x14;(c)
其中:式(a)为无COPD疾病的函数模型,式(b)为轻中度COPD患者的判别函数模型,式(c)为重度及极重度COPD患者的判别函数模型;
针对被测者的不同情况,其判别因子的取值方法如下:
x1为生活环境,其取值为:被测者生活于农村为1,被测者生活于城市为0;
x2为性别,其取值为:被测者是男性为1,被测者是女性为2;
x3为年龄,其取值为被测者年龄的岁数数值;
x5为气促级,分为5级,其取值分别为:1,2,3,4,5;
x7为吸烟指数,其取值为:被测者的吸烟年数×包数/天;
x8为职业暴露史,其取值为:被测者在粉尘烟雾或有害气体下暴露的年数;
x11为体重指数,其取值为:被测者的体重(kg)/身高的平方(m2);
x12为咳嗽,其取值为:被测者咳嗽的实际年数,若过去两年无经常咳嗽为0;
x14为喘息,其取值为:被测者无喘息为0,被测者有喘息为1。
以上判别因子为现筛选出最具有判别效果的判别因子,此外,尚未纳入判别函数模型的变量还有x4、x6、x9、x10和x13,这些变量同样属于被测者的危险因素和临床信息,其中,
x4为文化程度,其取值为:被测者未上学为0,被测者学历是小学为1,被测者学历是初中为2,被测者学历是高中为3,被测者学历是大学为4,被测者学历是研究生为5;
x6为近十年接触烹饪燃料的主要种类,其取值为:被测者不接触任何烹饪燃料为0,被测者接触电为1,被测者接触煤气或天然气为2,被测者接触燃煤为3,被测者接触生物燃料或其他为4;
x9为呼吸疾病的家族史,其取值为:被测者无家族史为0,被测者的兄弟姐妹及父母之中有1个患有呼吸疾病为1,被测者的兄弟姐妹及父母之中有2个或2个以上患有呼吸疾病为2;
x10为儿童时期呼吸道感染,其取值为:被测者无呼吸道感染为0,被测者有感染麻疹、百日咳、支气管炎、肺炎中的其中1种疾病为1,被测者有感染麻疹、百日咳、支气管炎、肺炎中的其中2种疾病为2,被测者有感染麻疹、百日咳、支气管炎、肺炎中的其中3种或3种以上疾病为3;
x13为咳痰,其取值为:被测者咳痰的实际年数,若被测者过去两年无经常咳痰为0。
针对建立的判别函数模型,可通过组内回代、前瞻性考核和病例验证对函数进行考核,检验该模型函数的在判别COPD的应用价值。
在初步处理单元,通过判别函数得到初步判别,输出判断的结果及建议。只要将被测者信息如x1~x14的取值代入判别函数中即可得出Y0、Y1、Y2的值,比较三者的大小,最大者即为被测者所处的状态;具体地:当Y0>Y1,Y0>Y2时,检测判断结果是被测者无COPD疾病;当Y0<Y1,Y1>Y2时,检测判断结果是被测者为轻中度COPD患者;当Y0<Y2,Y1<Y2时,检测判断结果是被测者为重度及极重度COPD患者。
如果被测者进行了肺功能的检查,则可以通过信息反馈单元,将肺功能检测后的结果信息数据FEV1、FVC及FEV1/FVC等储存在信息储存单元,再调用既往存储的被测者信息数据库和新储存的肺功能检查结果信息数据,通过信息分析单元重新计算慢性阻塞性肺疾病的判别函数的系数,修正判别函数,用于下一个被测者的判别;在进行修正判别函数模型时,还可根据统计的结果,去除已经纳入上述判别函数模型的变量,或加入尚未纳入判别函数模型的变量x4、x6、x9、x10和x13,以完善判别函数模型,得到更为准确的检测结果。
本发明的实施方式不限于此,根据上述内容,按照本领域的普通技术知识和惯用手段,在不脱离本发明上述基本技术思想前提下,本发明还可以做出其它多种形式的等效修改、替换或变更,均可实现本发明目的。
Claims (3)
1.一种慢性阻塞性肺疾病的初步检测系统,其特征在于:它包括用于采集被测者的危险因素和临床信息的信息采集单元,用于存储被测者的危险因素和临床信息的信息存储单元,用于建立判别函数模型的信息分析单元,用于输出检测结果数据信息的初步处理单元;所述信息采集单元、信息存储单元、信息分析单元、初步处理单元依次连接,通过信息采集单元输入被测者信息,存储至信息存储单元,由信息分析单元将存储的被测者信息作为判别因子建立判别函数模型而进行分析判断,经初步处理单元输出结果数据信息。
2.根据权利要求1所述的慢性阻塞性肺疾病的初步检测系统,其特征在于:还包括用于修正判别函数模型的信息反馈单元,所述信息反馈单元将经外部肺功能检查仪器得到的被测者结果信息反馈至信息分析单元。
3.根据权利要求2所述的慢性阻塞性肺疾病的初步检测系统,其特征在于:所述信息分析单元中的判别函数模型为:
Y0=-72.84619+10.42377x1+9.69731x2+0.58220x3-0.68222x5+0.00540x7-0.00684x8+3.30434x11-0.13336x12+2.60295x14;(a)
Y1=-72.00038+12.33394x1+7.73661x2+0.72004x3-0.52833x5+0.00786x7-0.00281x8+2.83796x11+0.33442x12+2.02699x14;(b)
Y2=-72.17307+12.44860x1+7.52607x2+0.74809x3-0.11923x5+0.00955x7+0.02361x8+2.64365x11+0.38577x12+3.38533x14;(c)
其中:式(a)为无COPD疾病的函数模型,式(b)为轻中度COPD患者的判别函数,式(c)为重度及极重度COPD患者的判别函数,x1为生活环境、x2为性别、x3为年龄、x5为气促级、x7为吸烟指数、x8为职业暴露史、x11为体重指数、x12为咳嗽、x14为喘息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102801833A CN102385666A (zh) | 2011-09-20 | 2011-09-20 | 一种慢性阻塞性肺疾病的初步检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102801833A CN102385666A (zh) | 2011-09-20 | 2011-09-20 | 一种慢性阻塞性肺疾病的初步检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102385666A true CN102385666A (zh) | 2012-03-21 |
Family
ID=45825079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011102801833A Pending CN102385666A (zh) | 2011-09-20 | 2011-09-20 | 一种慢性阻塞性肺疾病的初步检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102385666A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785960A (zh) * | 2018-12-29 | 2019-05-21 | 上海依智医疗技术有限公司 | 一种判别哮喘的方法及装置 |
CN109817331A (zh) * | 2019-01-25 | 2019-05-28 | 温州职业技术学院 | 一种针对慢性阻塞性肺疾病的远程医疗辅助决策方法 |
CN110875087A (zh) * | 2018-09-03 | 2020-03-10 | 广州呼吸健康研究院 | 一种慢性肺疫病管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529865A (zh) * | 2000-11-20 | 2004-09-15 | ������ҽ�ƽ�������˾ | 用于处理病人医疗信息的系统和方法 |
CN101727532A (zh) * | 2008-10-14 | 2010-06-09 | 邱小益 | 基于互联网的健康管理系统及方法 |
CN101794354A (zh) * | 2010-03-19 | 2010-08-04 | 广东医卫互动信息科技有限公司 | 高血压危险度测评方法 |
US20100332141A1 (en) * | 2009-06-25 | 2010-12-30 | The University Hospital Of North Staffordshire Nhs Trust | Analyzer apparatus and methods for lung disease |
CN102024090A (zh) * | 2009-09-14 | 2011-04-20 | 深圳市嘉实特科技有限公司 | 一种乙肝指标数据处理装置、检测设备及检测系统 |
-
2011
- 2011-09-20 CN CN2011102801833A patent/CN102385666A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529865A (zh) * | 2000-11-20 | 2004-09-15 | ������ҽ�ƽ�������˾ | 用于处理病人医疗信息的系统和方法 |
CN101727532A (zh) * | 2008-10-14 | 2010-06-09 | 邱小益 | 基于互联网的健康管理系统及方法 |
US20100332141A1 (en) * | 2009-06-25 | 2010-12-30 | The University Hospital Of North Staffordshire Nhs Trust | Analyzer apparatus and methods for lung disease |
CN102024090A (zh) * | 2009-09-14 | 2011-04-20 | 深圳市嘉实特科技有限公司 | 一种乙肝指标数据处理装置、检测设备及检测系统 |
CN101794354A (zh) * | 2010-03-19 | 2010-08-04 | 广东医卫互动信息科技有限公司 | 高血压危险度测评方法 |
Non-Patent Citations (2)
Title |
---|
JIANGYU CUI 等: "A discriminant function model as an alternative method to spirometry for COPD screening in primary care settings in China", 《JOURNAL OF THORACIC DISEASE》, vol. 4, no. 6, 31 December 2012 (2012-12-31), pages 594 - 600 * |
崔江禹: "适宜我国社区和基层应用的慢性阻塞性肺疾病病情初步判别方法研究", 《万方数据企业知识服务平台》, 27 April 2011 (2011-04-27), pages 26 - 27 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110875087A (zh) * | 2018-09-03 | 2020-03-10 | 广州呼吸健康研究院 | 一种慢性肺疫病管理系统 |
CN110875087B (zh) * | 2018-09-03 | 2024-06-07 | 广州呼吸健康研究院 | 一种慢性肺疫病管理系统 |
CN109785960A (zh) * | 2018-12-29 | 2019-05-21 | 上海依智医疗技术有限公司 | 一种判别哮喘的方法及装置 |
CN109817331A (zh) * | 2019-01-25 | 2019-05-28 | 温州职业技术学院 | 一种针对慢性阻塞性肺疾病的远程医疗辅助决策方法 |
CN109817331B (zh) * | 2019-01-25 | 2022-11-01 | 温州职业技术学院 | 一种针对慢性阻塞性肺疾病的远程医疗辅助决策系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104915561B (zh) | 疾病特征智能匹配方法 | |
Infante et al. | Use of cough sounds for diagnosis and screening of pulmonary disease | |
CN103392183B (zh) | 用于识别处于转化为阿尔茨海默病的风险中的具有轻度认知障碍的患者的系统 | |
CN111681728B (zh) | 一种电子病历的内涵质控方法及装置 | |
JP7057356B2 (ja) | 誤ったアラーム検出 | |
Medic et al. | Evidence-based Clinical Decision Support Systems for the prediction and detection of three disease states in critical care: A systematic literature review | |
US20130124221A1 (en) | Real-time time series matrix pathophysiologic pattern processor and quality assessment method | |
Lin et al. | Maximal information coefficient for feature selection for clinical document classification | |
CN111274400B (zh) | 一种医学术语系统的构建方法、装置、设备及存储介质 | |
CN111177356B (zh) | 一种酸碱指标医疗大数据分析方法及系统 | |
Zeidler et al. | Predictors of obstructive sleep apnea on polysomnography after a technically inadequate or normal home sleep test | |
WO2022178947A1 (zh) | 基于多维度的监测预警方法、装置、设备及存储介质 | |
CN102385666A (zh) | 一种慢性阻塞性肺疾病的初步检测系统 | |
Tougas et al. | Good cascade impactor practices, AIM and EDA for orally inhaled products | |
CN107970027A (zh) | 一种桡动脉检测与人体体质识别系统和方法 | |
Tiew et al. | Sensitisation to recombinant Aspergillus fumigatus allergens and clinical outcomes in COPD | |
US20230074363A1 (en) | Methods and systems for machine learning-powered identification of cancer diagnoses and diagnosis dates from electronic health records | |
CN215272755U (zh) | 用于哮喘急性发作监测的便携式手持设备 | |
JPWO2014103201A1 (ja) | 生体情報測定器と、同生体情報測定器を用いた生体情報測定システムと、同生体情報測定器を用いた方法 | |
Sreedevi et al. | RespoBot: Chatbot used for the prediction of diseases using Machine Learning and Deep Learning with respect to Covid-19 | |
Li et al. | [Retracted] Application of the Artificial Neural Network in the Diagnosis of Infantile Bronchial Bridge with 64‐Slice Multislice Spiral CT | |
Lazic et al. | Information extraction from clinical records: An example for breast cancer | |
Tapuria et al. | Digital Analysis of Clinical Screening Criteria for a Rare Disease–Behcet’s Disease | |
Ferreira et al. | Detecting cardiac pathologies from annotated auscultations | |
Shen et al. | Using machine learning for early detection of chronic obstructive pulmonary disease: a narrative review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120321 |