CN109147947A - 一种适用于慢病及高危患者的循环递进式健康管理方法 - Google Patents
一种适用于慢病及高危患者的循环递进式健康管理方法 Download PDFInfo
- Publication number
- CN109147947A CN109147947A CN201810928668.0A CN201810928668A CN109147947A CN 109147947 A CN109147947 A CN 109147947A CN 201810928668 A CN201810928668 A CN 201810928668A CN 109147947 A CN109147947 A CN 109147947A
- Authority
- CN
- China
- Prior art keywords
- patient
- risk
- disease
- factor
- intervention
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Abstract
本发明涉及一种适用于慢病及高危患者的循环递进式健康管理系统,其特征在于,所述系统包括档案建立模块、筛查分级模块、管理计划模块、自我管理模块、随访评估模块、以及计划更新模块;所述档案建立模块、筛查分级模块、管理计划模块、自我管理模块、随访评估模块、以及计划更新模块依次连接且首尾相连形成一个循环封闭的链环结构,将慢病及高危疾病患者的健康疾病管理整合在一起,通过档案建立、筛查分级、管理计划、自我管理、随访评估、以及计划更新,有效实现对慢病及高危疾病患者的有效建档、筛查、分级分类、干预、评估、预警等健康管理工作。
Description
技术领域
本发明涉及医疗检测和预警系统的技术领域,尤其涉及一种适用于慢病及高危患者的循环递进式健康管理方法。
背景技术
随着现代社会人们对自身健康认知和关注度的不断提高,目前个人对自身健康管理的重视程度也逐步加深,医院等医疗机构对每个居民也逐步建立了居民个人健康档案,以及时维护和跟进医院及社区范围内居民的个人体征健康状况,但是现有技术中居民个人健康档案往往通过居民定期体检、就诊或复查时提供的体征数据作为依据,对于患有慢性疾病和/或高危疾病的患者跟踪、随访、提示以及预警都不能及时有效地传达到患者个人,严重影响到慢病及高危患者的个人健康管理工作。
公开号为CN103020408A的专利申请公开了一种慢性病健康管理非药物干预方法及系统,其记载的技术方案中公开了对慢性病及高危人群进行报警干预的方法,但是技术方案中主要是通过能量检测仪来实现上述目的,并没有具体限定相关约束条件,精确度较差。
公开号为CN108269611A的专利申请公开了一种基于云计算和移动互联技术的慢病管理系统及其实现方法,其记载的技术方案中主要是公开了慢病管理的健康平台,而并没有涉及有关高危疾病的相关记载。
公开号为CN102068260A的专利申请公开了睡眠质量监测方法以及生活方式管理建议系统,其记载的技术方案中公开了通过睡眠质量管理的方式改善人的生活健康状态,但是并未提及有关高危疾病和慢病预警管理的相关记载。
发明内容
本发明要解决的技术问题是;为了克服现有技术中存在的不足和缺陷,本发明提供了一种适用于慢病及高危患者的循环递进式健康管理方法。
本发明解决其技术问题所采用的技术方案是:一种适用于慢病及高危患者的循环递进式健康管理方法,其特征在于,包括以下步骤:
(1)确定建档成立判断条件:医生根据实际需要,确定建档成立的判断条件为患者患有高危疾病或慢性疾病其中至少任一;
(2)对患者进行慢性疾病及高危疾病筛查:以确定患者是否患有高危疾病或慢性疾病其中至少任一,当满足步骤(1)中建档成立判断条件时,为患者建立慢病及高危健康管理档案,当不满足步骤(1)中建档成立判断条件时,则不为患者建立慢病及高危健康管理档案;
(3)高危及慢病分类:对患者所患高危和/或慢性疾病根据预设病症种类进行分类;
(4)高危及慢病分级:对患者所患高危和/或慢性疾病根据预设病症严重程度进行分级;
(5)高危及慢病分析:采用均差占比算法分析高危和/或慢性疾病的可能诱因,即通过计算本次检测影响因子与患者平均影响因子的差值绝对值与患者平均影响因子的比值,并按照比值大小进行排序,从而分析患者高危和/或慢性疾病的可能诱因;
(6)判断是否需要转诊:根据步骤(4)中对患者高危和/或慢性疾病的分级结果,判断其是否超出预设风险阈值,当超出阈值时,向患者及医生同时发送转诊预警信息;当未超出阈值时,则不发送转诊预警信息;
(7)确定干预顺序及数量:根据步骤(5)中确定的比值大小及排序,确定与各影响因子对应的干预方式的干预量及干预顺序,依次按照确定的干预顺序及干预量对患者进行干预;
(8)检测记录干预措施:远程监测步骤(7)中确定的干预顺序及干预量,并及时记录接受干预后的患者的健康状态,当接受干预后患者存在明显不适或恶化症状时,及时向患者及医生发出报警提示;
(9)评估风险收集影响因素:收集影响风险评估结果的因素,并同时评估患者所患高危和/或慢性疾病的潜在风险;
(10)更新数据:及时更新患者的诊疗数据及体检数据,并将患者的最新诊疗数据及体检数据发送至患者的慢病及高危健康管理档案中。
进一步地,所述步骤(5)中的均差占比算法中影响因子至少包含运动因子、饮食因子、睡眠因子、生活因子以及心理因子。
进一步地,所述步骤(5)中排序前2位的影响因子的比值之和在所述步骤(5)中所有影响因子的比值之和的占比超出50%时,在步骤(7)中确定同时选择与所述步骤(5)中排序前2位的影响因子相对应的干预方式对患者进行干预。
进一步地,所述步骤(5)中排序前3位的影响因子的比值之和与所述步骤(5)中所有影响因子的比值之和的占比超出50%时,在步骤(7)中确定同时选择与所述步骤(5)中排序前3位的影响因子相对应的干预方式对患者进行干预。
进一步地,所述步骤(7)中收集影响风险评估结果的因素通过电子调查问卷、纸质调查问卷、语音调查问卷中的至少一种形式进行。
进一步地,所述步骤(9)中评估患者所患高危和/或慢性疾病的潜在风险通过加权算法进行,加权算法中的权重因子至少包括所述步骤(5)中的影响因子和所述影响风险评估结果的因素。
本发明的有益效果是;
(1)将慢病及高危疾病患者的健康疾病管理整合在一起,通过建立档案、筛查、分类、分级、分析、干预、检测、风险评估、以及数据更新,有效实现对慢性疾病及高危疾病患者的健康管理工作。
(2)建档成立判断条件可以针对单独患有慢性疾病或者高危疾病的患者,也可以是同时患有慢性疾病和高危疾病的患者,适用范围广。
(3)采用均差占比算法分析慢性疾病和高危疾病的可能诱因,并按照比值大小进行排序,从而分析患者高危和/或慢性疾病的可能诱因,结果直观准确,且为相应干预提供有效指导,从而提高干预的准确性和针对性,避免盲目干预。
(4)通过远程监测有效实现干预措施的实施及时和到位,并及时对接受干预后的患者的健康状态做出记录,当接受干预后患者存在明显不适或恶化症状后,及时向患者及医生发出报警提示,保证相应干预有效。
(5)步骤(5)中排序前2位或前3位的影响因子的比值之和在所述步骤(5)中所有影响因子的比值之和的占比超出50%时,在步骤(7)中确定同时选择与所述步骤(5)中排序前2位或前3位的影响因子相对应的干预方式对患者进行干预,以提高干预效果,减少干预时间,保证干预及时有效。
(6)采用加权法评估患者所患高危和/或慢性疾病的潜在风险,加权算法中的权重因子至少包括步骤(5)中的影响因子和影响风险评估结果的因素,从而提高风险评估的真实性和有效性。
附图说明
图1为本发明一种适用于慢病及高危患者的循环递进式健康管理方法的步骤流程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示,一种适用于慢病及高危患者的循环递进式健康管理方法,其特征在于,包括以下步骤:
(1)确定建档成立判断条件:医生根据实际需要,确定建档成立的判断条件为患者患有高危疾病或慢性疾病其中至少任一,建档成立判断条件可以针对单独患有慢性疾病或者高危疾病的患者,也可以是同时患有慢性疾病和高危疾病的患者,适用范围广;
(2)对患者进行慢性疾病及高危疾病筛查:以确定患者是否患有高危疾病或慢性疾病其中至少任一,当满足步骤(1)中建档成立判断条件时,为患者建立慢病及高危健康管理档案,当不满足步骤(1)中建档成立判断条件时,则不为患者建立慢病及高危健康管理档案;
(3)高危及慢病分类:对患者所患高危和/或慢性疾病根据预设病症种类进行分类;
(4)高危及慢病分级:对患者所患高危和/或慢性疾病根据预设病症严重程度进行分级;
(5)高危及慢病分析:采用均差占比算法分析高危和/或慢性疾病的可能诱因,即通过计算本次检测影响因子与患者平均影响因子的差值绝对值与患者平均影响因子的比值,并按照比值大小进行排序,从而分析患者高危和/或慢性疾病的可能诱因,结果直观准确,且为相应干预提供有效指导,从而提高干预的准确性和针对性,避免盲目干预;
(6)判断是否需要转诊:根据步骤(4)中对患者高危和/或慢性疾病的分级结果,判断其是否超出预设风险阈值,当超出阈值时,向患者及医生同时发送转诊预警信息;当未超出阈值时,则不发送转诊预警信息;
(7)确定干预顺序及数量:根据步骤(5)中确定的比值大小及排序,确定与各影响因子对应的干预方式的干预量及干预顺序,依次按照确定的干预顺序及干预量对患者进行干预;
(8)检测记录干预措施:远程监测步骤(7)中确定的干预顺序及干预量,并及时记录接受干预后的患者的健康状态,当接受干预后患者存在明显不适或恶化症状时,及时向患者及医生发出报警提示,保证相应干预有效;
(9)评估风险收集影响因素:收集影响风险评估结果的因素,并同时评估患者所患高危和/或慢性疾病的潜在风险,从而提高风险评估的真实性和有效性;
(10)更新数据:及时更新患者的诊疗数据及体检数据,并将患者的最新诊疗数据及体检数据发送至患者的慢病及高危健康管理档案中。
将慢病及高危疾病患者的健康疾病管理整合在一起,通过建立档案、筛查、分类、分级、分析、干预、检测、风险评估、以及数据更新,有效实现对慢性疾病及高危疾病患者的健康管理工作。
具体地,步骤(5)中的均差占比算法中影响因子至少包含运动因子、饮食因子、睡眠因子、生活因子以及心理因子,根据好坏程度从1-5中为各影响因子的检测结果平均结果及本次检测结果赋值,例如患者平时运动足量适宜,而最近缺少运动,则为患者平均运动因子赋值为5,而本次检测运动因子赋值1-2,进而带入均差占比算法中分析患者高危和/或慢性疾病的可能诱因,为相应干预提供有效指导,从而提高干预的准确性和针对性,避免盲目干预。
具体地,步骤(5)中排序前2位的影响因子的比值之和在步骤(5)中所有影响因子的比值之和的占比超出50%时,在步骤(7)中确定同时选择与步骤(5)中排序前2位的影响因子相对应的干预方式对患者进行干预,以提高干预效果,减少干预时间,保证干预及时有效。
具体地,步骤(5)中排序前3位的影响因子的比值之和与步骤(5)中所有影响因子的比值之和的占比超出50%时,在步骤(7)中确定同时选择与步骤(5)中排序前3位的影响因子相对应的干预方式对患者进行干预,以提高干预效果,减少干预时间,保证干预及时有效。
具体地,步骤(7)中收集影响风险评估结果的因素通过电子调查问卷、纸质调查问卷、语音调查问卷中的至少一种形式进行。
具体地,步骤(9)中评估患者所患高危和/或慢性疾病的潜在风险通过加权算法进行,加权算法中的权重因子至少包括步骤(5)中的影响因子和影响风险评估结果的因素(例如家族遗传疾病等),从而提高风险评估的真实性和有效性。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (6)
1.一种适用于慢病及高危患者的循环递进式健康管理方法,其特征在于,包括以下步骤:
(1)确定建档成立判断条件:医生根据实际需要,确定建档成立的判断条件为患者患有高危疾病或慢性疾病其中至少任一;
(2)对患者进行慢性疾病及高危疾病筛查:以确定患者是否患有高危疾病或慢性疾病其中至少任一,当满足步骤(1)中建档成立判断条件时,为患者建立慢病及高危健康管理档案,当不满足步骤(1)中建档成立判断条件时,则不为患者建立慢病及高危健康管理档案;
(3)高危及慢病分类:对患者所患高危和/或慢性疾病根据预设病症种类进行分类;
(4)高危及慢病分级:对患者所患高危和/或慢性疾病根据预设病症严重程度进行分级;
(5)高危及慢病分析:采用均差占比算法分析高危和/或慢性疾病的可能诱因,即通过计算本次检测影响因子与患者平均影响因子的差值绝对值与患者平均影响因子的比值,并按照比值大小进行排序,从而分析患者高危和/或慢性疾病的可能诱因;
(6)判断是否需要转诊:根据步骤(4)中对患者高危和/或慢性疾病的分级结果,判断其是否超出预设风险阈值,当超出阈值时,向患者及医生同时发送转诊预警信息;当未超出阈值时,则不发送转诊预警信息;
(7)确定干预顺序及数量:根据步骤(5)中确定的比值大小及排序,确定与各影响因子对应的干预方式的干预量及干预顺序,依次按照确定的干预顺序及干预量对患者进行干预;
(8)检测记录干预措施:远程监测步骤(7)中确定的干预顺序及干预量,并及时记录接受干预后的患者的健康状态,当接受干预后患者存在明显不适或恶化症状时,及时向患者及医生发出报警提示;
(9)评估风险收集影响因素:收集影响风险评估结果的因素,并同时评估患者所患高危和/或慢性疾病的潜在风险;
(10)更新数据:及时更新患者的诊疗数据及体检数据,并将患者的最新诊疗数据及体检数据发送至患者的慢病及高危健康管理档案中。
2.根据权利要求1所述的一种适用于慢病及高危患者的循环递进式健康管理方法,其特征在于:所述步骤(5)中的均差占比算法中影响因子至少包含运动因子、饮食因子、睡眠因子、生活因子以及心理因子。
3.根据权利要求2所述的一种适用于慢病及高危患者的循环递进式健康管理方法,其特征在于:所述步骤(5)中排序前2位的影响因子的比值之和在所述步骤(5)中所有影响因子的比值之和的占比超出50%时,在步骤(7)中确定同时选择与所述步骤(5)中排序前2位的影响因子相对应的干预方式对患者进行干预。
4.根据权利要求2所述的一种适用于慢病及高危患者的循环递进式健康管理方法,其特征在于:所述步骤(5)中排序前3位的影响因子的比值之和与所述步骤(5)中所有影响因子的比值之和的占比超出50%时,在步骤(7)中确定同时选择与所述步骤(5)中排序前3位的影响因子相对应的干预方式对患者进行干预。
5.根据权利要求1所述的一种适用于慢病及高危患者的循环递进式健康管理方法,其特征在于:所述步骤(7)中收集影响风险评估结果的因素通过电子调查问卷、纸质调查问卷、语音调查问卷中的至少一种形式进行。
6.根据权利要求5所述的一种适用于慢病及高危患者的循环递进式健康管理方法,其特征在于:所述步骤(9)中评估患者所患高危和/或慢性疾病的潜在风险通过加权算法进行,加权算法中的权重因子至少包括所述步骤(5)中的影响因子和所述影响风险评估结果的因素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810928668.0A CN109147947A (zh) | 2018-08-15 | 2018-08-15 | 一种适用于慢病及高危患者的循环递进式健康管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810928668.0A CN109147947A (zh) | 2018-08-15 | 2018-08-15 | 一种适用于慢病及高危患者的循环递进式健康管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109147947A true CN109147947A (zh) | 2019-01-04 |
Family
ID=64789596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810928668.0A Withdrawn CN109147947A (zh) | 2018-08-15 | 2018-08-15 | 一种适用于慢病及高危患者的循环递进式健康管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109147947A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782990A (zh) * | 2019-10-12 | 2020-02-11 | 广东徕康医疗科技有限公司 | 用于基层公卫服务脑卒中风险评估的方法、系统及移动平台 |
CN111916180A (zh) * | 2020-08-18 | 2020-11-10 | 李秋 | 判断启动摄食行为的饥饿类型的计算机实施方法 |
CN112802604A (zh) * | 2021-02-22 | 2021-05-14 | 苏州市卫生健康委员会 | 慢性疾病的筛查方法及系统 |
CN114496250A (zh) * | 2022-01-17 | 2022-05-13 | 无锡市第二人民医院 | 一种螺旋体系下的老年综合评估方法及系统 |
US11450434B2 (en) * | 2018-12-20 | 2022-09-20 | HVH Precision Analytics LLC | Implementation of machine-learning based query construction and pattern identification through visualization in user interfaces |
-
2018
- 2018-08-15 CN CN201810928668.0A patent/CN109147947A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11450434B2 (en) * | 2018-12-20 | 2022-09-20 | HVH Precision Analytics LLC | Implementation of machine-learning based query construction and pattern identification through visualization in user interfaces |
CN110782990A (zh) * | 2019-10-12 | 2020-02-11 | 广东徕康医疗科技有限公司 | 用于基层公卫服务脑卒中风险评估的方法、系统及移动平台 |
CN111916180A (zh) * | 2020-08-18 | 2020-11-10 | 李秋 | 判断启动摄食行为的饥饿类型的计算机实施方法 |
CN112802604A (zh) * | 2021-02-22 | 2021-05-14 | 苏州市卫生健康委员会 | 慢性疾病的筛查方法及系统 |
CN114496250A (zh) * | 2022-01-17 | 2022-05-13 | 无锡市第二人民医院 | 一种螺旋体系下的老年综合评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109147947A (zh) | 一种适用于慢病及高危患者的循环递进式健康管理方法 | |
Sargent et al. | The validity of activity monitors for measuring sleep in elite athletes | |
Bultz et al. | Emotional distress: the sixth vital sign—future directions in cancer care | |
Fonseca et al. | Automatic sleep staging using heart rate variability, body movements, and recurrent neural networks in a sleep disordered population | |
CN109065106A (zh) | 一种适用于慢病及高危患者的循环递进式健康管理系统 | |
Zhang et al. | Sleep stage classification using bidirectional lstm in wearable multi-sensor systems | |
CN107463770A (zh) | 一种基于疾病诊断相关分组的评价方法和系统 | |
Feemster et al. | Normative and isolated rapid eye movement sleep without atonia in adults without REM sleep behavior disorder | |
WO2007142968A2 (en) | Methods, systems, and computer program products for evaluating a patient in a pediatric intensive care unit | |
CN106874632B (zh) | 慢病健康指数智能监控系统 | |
CN107049283A (zh) | 一种基于自适应残差比较算法的睡眠呼吸暂停检测方法 | |
Rong et al. | A speech measure for early stratification of fast and slow progressors of bulbar amyotrophic lateral sclerosis: Lip movement jitter | |
CN113288065A (zh) | 一种基于鼾声的实时呼吸暂停及低通气预测方法 | |
Hamida et al. | How many sleep stages do we need for an efficient automatic insomnia diagnosis? | |
CN110265118A (zh) | 一种肺部影像诊断报告质量的评估方法和系统 | |
CN113140275B (zh) | 一种肝癌靶向治疗疗效的监测系统及方法 | |
CN105816175B (zh) | 一种鼾声分型方法 | |
Valenza et al. | Predicting mood changes in bipolar disorder through heartbeat nonlinear dynamics: A preliminary study | |
Harmon et al. | Assessing Clinically Important Differences During Rehabilitation for Stroke: A Pilot Study Evaluating Anchor and Distribution Derived Estimates of Physical Function Change in Classically Summed and Rasch Models of Section GG of the Inpatient Rehabilitation Facility Patient Assessment Instrument | |
Ball et al. | M3 checklist and SF-12 correlation study | |
JP7333549B2 (ja) | 疾病リスク評価方法、疾病リスク評価システム、及び健康情報処理装置 | |
Sanmita et al. | AMBULATORY BLOOD PRESSURE MONITORING IN CHRONIC KIDNEY DISEASE. | |
Polce et al. | Defining maximal outcome improvement thresholds for patient satisfaction after reverse total shoulder arthroplasty: a minimum two-year follow-up study | |
Pietrantonio et al. | The correct setting to improve the quality of health care process: A retrospective study in Internal Medicine Department | |
Maresh et al. | Role of automated detection of respiratory related heart rate changes in the diagnosis of sleep disordered breathing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190104 |