CN109350025A - 一种动态血压分析方法 - Google Patents
一种动态血压分析方法 Download PDFInfo
- Publication number
- CN109350025A CN109350025A CN201811373415.8A CN201811373415A CN109350025A CN 109350025 A CN109350025 A CN 109350025A CN 201811373415 A CN201811373415 A CN 201811373415A CN 109350025 A CN109350025 A CN 109350025A
- Authority
- CN
- China
- Prior art keywords
- pressure
- value
- history
- current
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Vascular Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
一种动态血压分析方法;包括:在不同日期对用户的血压值进行测量,测得的血压值作为历史血压值;对历史收缩压和历史舒张压进行曲线拟合,分别得出两者的变化趋势函数;测量用户的当前血压值;将当前收缩压与历史收缩压的变化趋势函数进行比对,或者/同时,将当前舒张压与历史舒张压的变化趋势函数进行比对;若当前收缩压及当前舒张压中至少一者与各自对应的函数不匹配,则判定当前血压值不正常;若当前收缩压及当前舒张压均与各自对应的函数相匹配,则判定当前血压值正常。
Description
技术领域
本发明涉及电子血压监测技术领域,尤其涉及一种可以对用户的血压进行长期监测,对异常血压状态进行警示的血压动态分析方法。
背景技术
家用血压计已经逐渐进入人们的日常生活中。通过日常自测血压,用户可对自身的血压值做到随时了解,当血压值超过标准值时可警示用户注意,可提高高血压治疗的及时性,另外,由于准确掌握了血压信息,因此还可辅助于治疗,使治疗的针对性得到加强,进而提高治疗质量。
众所周知,血压是一个长期变化的过程,其中血压的波动情况是血压的重要风险指标之一,更能体现身体的健康变化状况。目前现有的家用血压计仅对单次测量得到的血压值进行比对,并不对血压的长期变化情况做分析,因此不能全面的反应出人体的健康状况。
其原因在于,这种采用历史血压平均值与测得的血压值进行对比的分析方法存在以下问题:一、分析的结论不准确,无法反应出用户血压的突然波动,因此容易忽略潜在的血压问题;二、由于用户的血压受其他因素(如年龄等)影响较大,因此与平均值对比得出的结论就显得不准确;三、面对血压计检测出的专业数值分析,常规用户很难直接了解其健康数据的含义。
因此,如何解决上述现有技术存在的不足,便成为本发明所要研究解决的课题。
发明内容
本发明的目的是提供一种动态血压分析方法。
为达到上述目的,本发明采用的技术方案是:
一种动态血压分析方法;包括:
按日期正序,在连续或断续的不同日期对用户的血压值进行分别测量,测得的血压值作为历史血压值;
以及
对所述历史血压值中的历史收缩压和历史舒张压进行曲线拟合,分别得出所述历史收缩压的变化趋势函数以及所述历史舒张压的变化趋势函数;
以及
测量用户的当前血压值;
以及
将所述当前血压值中的当前收缩压与所述历史收缩压的变化趋势函数进行比对,或者/同时,将所述当前血压值中的当前舒张压与所述历史舒张压的变化趋势函数进行比对;
若所述当前收缩压及所述当前舒张压中至少一者与各自对应的函数不匹配,则判定所述当前血压值不正常;
若所述当前收缩压及所述当前舒张压均与各自对应的函数相匹配,则判定所述当前血压值正常。
上述技术方案中的有关内容解释如下:
1.上述方案中,所述拟合方式包括多项式拟合、指数函数拟合、高斯拟合(拟合方式并不局限于上述三种,仅为举例说明);
假设:历史时间点xi为:x1,x2,…,xn,历史血压值yi为:y1,y2,…yn,表示为离散函数y=f(x);yi为历史收缩压或历史舒张压,i为1到n中的任意自然数,n为自然数,表示历史血压值的个数。
2.上述方案中,所述拟合方式为多项式拟合法;模型为:p(x)=amxm+am-1xm-1+…+a1x+a0∈∏m(m+1<n);
用函数y′=p(x)拟合上述离散函数y=f(x),其中y′表示预测收缩压或预测舒张压的数值;
用aj表示a0,a1,…,am,为多项式的系数;j为1到m中的任意自然数,m为自然数;所述系数aj由被拟合的离散函数对应的所有(xi,yi)值确定。
系数aj由上述已知的历史时间点及历史血压值(xi,yi)带入模型函数后求解得出。
3.上述方案中,所述拟合方式为指数函数拟合法;模型为:
用函数y′=p(x)拟合上述离散函数y=f(x),其中y′表示预测收缩压或预测舒张压的数值;
用bj表示b0,b1,…,bm,用λj表示λ1,λ2,…,λm,均为指数函数系数;j为1到m中的任意自然数,m为自然数;所述系数bj和所述系数λj是由被拟合的离散函数对应的所有(xi,yi)值确定。
系数bj和系数λj是由上述已知的历史时间点及历史血压值(xi,yi)带入模型函数后求解得出。
4.上述方案中,所述拟合方式为高斯拟合法;模型为:
用函数y′=p(x)拟合上述离散函数y=f(x),其中y′表示预测收缩压或预测舒张压的数值;
用cj表示c0,c1,…,cm,用μj表示μ1,μ2,…,μm,用σj表示σ1,σ2,…,σm,均为高斯函数的系数;j为1到m中的任意自然数,m为自然数,;所述系数cj,所述系数μj和所述系数σj是由被拟合的离散函数对应的所有(xi,yi)值确定。
系数cj,系数μj和系数σj是由上述已知的历史时间点及历史血压值(xi,yi)带入模型函数后求解得出。
5.上述方案中,e为自然对数的底数,为无限不循环小数,其值约为:2.71828182845904523536。
6.上述方案中,求解拟合函数模型系数的方法可以为最小二乘法:
使用p(x)函数模型拟合y=f(x)
最小二乘法就是使得拟合函数y=p(x),在任意xi点,拟合函数点与被拟合函数点的距离最小,即所有的(xi,p(xi))与(xi,yi)距离之和最小;
即:
两边同时对函数模型所带的系数求偏导。
7.上述方案中,若函数模型为多项式,则两边同时对aj求偏导;
即:设
对aj求偏导为:
将所有(xi,yi)带入求解方程组,得到a0,a1,…,am。
8.上述方案中,若函数模型为指数函数,则分别两边同时对bj和λj求偏导;
即:设
对bj求偏导为:
对λj求偏导为:
将所有(xi,yi)带入求解方程组,得到b0,b1,…,bm及λ1,λ2,…,λm。
9.上述方案中,若函数模型为高斯函数,则分别两边同时对cj,μj和σj求偏导;
即:设
对cj求偏导为:
对μj求偏导为:
对σj求偏导为:
将所有(xi,yi)带入求解方程组,得到c0,c1,…,cm及μ1,μ2,…,μm及σ1,σ2,…,σm。
10.上述方案中,在测量用户的当前血压值之后,先与一预设值进行比对,判断测得的所述当前血压值是否为有效值。即,排除异常状态下测得的明显是错误的测量值。
11.上述方案中,按日期正序,在连续或断续的不同日期对用户的血压值进行分别测量,且每个测量日至少测量一次,测得的血压值作为历史血压值。例如,进行分时段的测量。
12.上述方案中,在测量用户的当前血压值之后,查看所述当前血压值对应的时刻所处的时间段,并将所述当前血压值储存到当日的对应的所述时间段中。
所述时间段至少包括每个测量日的早上或/和晚上,具体可包括:6:00-9:00、17:00-20:00、9:00-17:00、20:00-24:00、0:00-6:00等。
13.上述方案中,判断所述用户在对应的所述时间段中所述历史血压值是否达到预定数量;若所述历史血压值的数量大于或等于预定数量,则对用户的所述当前血压值做分析。
14.上述方案中,对各所述时间段中的所述历史血压值中的历史收缩压和历史舒张压进行曲线拟合,分别得到与所述时间段数量一致的所述历史收缩压的变化趋势函数曲线以及所述历史舒张压的变化趋势函数曲线。
15.上述方案中,通过所述曲线拟合算出当前血压值的预测收缩压和预测舒张压(即,理论上当前血压值应有的收缩压和舒张压),再分别算出所述当前收缩压与所述预测收缩压的第一偏差值(SD)及所述当前舒张压与所述预测舒张压的第二偏差值(DD);
然后,根据预设阈值对所述第一偏差值(SD)和所述第二偏差值(DD)进行分析,得出用户的血压波动信息,即得出结论用户的当前血压值是正常还是异常,或者异常程度进行等级化,预设阈值的参数可由长期临床数据分析得出,也可人为设定。
16.上述方案中,所述第一偏差值(SD)及所述第二偏差值(DD)为绝对值,所述血压波动信息包括:
所述第一偏差值(SD)大于第一收缩压预设阈值(SL1)或所述第二偏差值(DD)大于第一舒张压预设阈值(DL1),判断所述用户的血压波动为第一等级;
所述第一偏差值(SD)大于第二收缩压预设阈值(SL2)或所述第二偏差值(DD)大于第二舒张压预设阈值(DL2),判断所述用户的血压波动为第二等级;
所述第一偏差值(SD)大于第三收缩压预设阈值(SL3)或所述第二偏差值(DD)大于第三舒张压预设阈值(DL3),判断所述用户的血压波动为第三等级。
第一收缩压预设阈值(SL1)小于第二收缩压预设阈值(SL2)小于第三收缩压预设阈值(SL3),第一舒张压预设阈值(DL1)小于第二舒张压预设阈值(DL2)小于第三舒张压预设阈值(DL3)。
17.上述方案中,对于测试结果的等级划分说明,可如下述示意:
若为第一等级,则表示血压波动为轻度异常;
若为第二等级,则表示血压波动为中度异常;
若为第三等级,则表示血压波动为重度异常。
等级划分的数量并不仅限于本案揭示的三级,可更加实际需要增减,目的在于表示血压波动的严重程度,比如轻度异常意味着血压需要引起用户注意,建议用户调整饮食作息,而中度和重度异常则意味着用户需要接受医生诊断。
18.上述方案中,所述第一偏差值(SD)为正值或负值,所述第二偏差值(DD)为正值或负值;所述预设阈值包括正预设阈值和负预设阈值,当两偏差值为正时与正预设阈值进行分析比对,当两偏差值为负时与负预设阈值进行分析比对,得出用户的血压波动信息。
若在阈值区间内则判断为正常,若在阈值区间外则判断为异常,且可将异常程度等级化。
19.上述方案中,还可预设一数值作为历史血压值,或者取首次测得的血压值作为历史血压值,由于历史血压值的数量为单个,不具备直接拟合为曲线的条件,因此需要多次测量获得用户的多次血压值之后才具备曲线拟合条件。
20.上述方案中,曲线拟合可以在测量用户的当前血压值之前完成,也可以在当前测量之后进行。
21.上述方案中,得出用户的血压波动信息之后,所述系统以显示屏显示或灯光提示或语音播报或响起蜂鸣声中的一种或几种方式告知用户本次测量得到的所述当前血压值,或者/并且提示用户所述当前血压值是否正常,还可告知所述当前血压值的波动信息。
本发明的工作原理及优点如下:
本发明通过曲线拟合的方式对历史血压值进行分析,可有效地对用户血压值的变化趋势进行预测,一方面可在用户进行当前测量时给出血压是否正常的判断结论,另一方面可以对用户的血压变化的动态进行展示,并可提供给用户健康提示,使人们更清楚了解自身的健康状态,同时便于医院就诊时提供有助于用药指导的血压数据;
本发明在使用时,无需用户严格遵照某一特定的测量规则进行测量,用户可在任意时间进行测量,每次测量均可通过与历史血压值的变化趋势函数比对得出血压值正常与否的结论。但是,基于本发明的技术方案,除上述离散形测量方式而外,本发明还包括但不限于以下专业功能:
1、本发明具备拟合每天血压值变化趋势函数的功能,测量点为每个测量日的不同时段,经过多个测量日测量之后,有助于掌握每个测量日的血压值变化动态,还可进行每日与每日之间变化趋势函数的比对,由于变化趋势函数可以曲线的形式展现,因此有助于判断是否当前测量日与之前测量日相比,血压有不正常波动;
2、本发明具备拟合每周血压值变化趋势函数的功能,测量点为每周的七个测量日,经过多周测量之后,有助于掌握每周的血压值变化动态,还可进行周与周之间变化趋势函数的比对,由于变化趋势函数可以曲线的形式展现,因此有助于判断是否当前测量周与之前测量周相比,血压有不正常波动;
3、本发明具备拟合某个特定时间段血压值变化趋势函数的功能,测量点为每个测量日的特定时间段,如早晨6:00-9:00,经过多次测量之后,有助于掌握每天该时间段的血压值变化动态,因此有助于判断是否当前测量与之前测量相比,血压有不正常波动。
本发明的动态血压分析方法,将随着使用时间越长,采集的血压数据越多,得到更为准确分析结论。
附图说明
附图1为本发明实施例的工作流程框图。
具体实施方式
下面结合附图及实施例对本发明作进一步描述:
实施例:参见附图1所示,一种动态血压分析方法;包括:
按日期正序,在连续或断续的不同日期对用户的血压值进行分别测量,测得的血压值作为历史血压值;
以及
对所述历史血压值中的历史收缩压和历史舒张压进行曲线拟合,分别得出所述历史收缩压的变化趋势函数以及所述历史舒张压的变化趋势函数;
以及
测量用户的当前血压值;
以及
将所述当前血压值中的当前收缩压与所述历史收缩压的变化趋势函数进行比对,或者/同时,将所述当前血压值中的当前舒张压与所述历史舒张压的变化趋势函数进行比对;
若所述当前收缩压及所述当前舒张压中至少一者与各自对应的函数不匹配,则判定所述当前血压值不正常;
若所述当前收缩压及所述当前舒张压均与各自对应的函数相匹配,则判定所述当前血压值正常,同时,将所述当前血压值计入所述历史血压值中。
所述拟合方式包括多项式拟合、指数函数拟合、高斯拟合(拟合方式并不局限于上述三种,仅为举例说明);
假设:历史时间点xi为:x1,x2,…,xn,历史血压值yi为:y1,y2,…yn,表示为离散函数y=f(x);yi为历史收缩压或历史舒张压,i为1到n中的任意自然数,n为自然数,表示历史血压值的个数。
若所述拟合方式为多项式拟合法;
则模型为:p(x)=amxm+am-1xm-1+…+a1x+a0∈∏m(m+1<n);
用函数y′=p(x)拟合上述离散函数y=f(x),其中y′表示预测收缩压或预测舒张压的数值;
用aj表示a0,a1,…,am,为多项式的系数;j为1到m中的任意自然数,m为自然数;所述系数aj由被拟合的离散函数对应的所有(xi,yi)值确定。
系数aj由上述已知的历史时间点及历史血压值(xi,yi)带入模型函数后求解得出。
若所述拟合方式为指数函数拟合法;
则模型为:
用函数y′=p(x)拟合上述离散函数y=f(x),其中y′表示预测收缩压或预测舒张压的数值;
用bj表示b0,b1,…,bm,用λj表示λ1,λ2,…,λm,均为指数函数系数;j为1到m中的任意自然数,m为自然数;所述系数bj和所述系数λj是由被拟合的离散函数对应的所有(xi,yi)值确定。
其中,e为自然对数的底数,为无限不循环小数,其值约为:2.71828182845904523536。
系数bj和系数λj是由上述已知的历史时间点及历史血压值(xi,yi)带入模型函数后求解得出。
若所述拟合方式为高斯拟合法;
则模型为:
用函数y′=p(x)拟合上述离散函数y=f(x),其中y′表示预测收缩压或预测舒张压的数值;
用cj表示c0,c1,…,cm,用μj表示μ1,μ2,…,μm,用σj表示σ1,σ2,…,σm,均为高斯函数的系数;j为1到m中的任意自然数,m为自然数,;所述系数cj,所述系数μj和所述系数σj是由被拟合的离散函数对应的所有(xi,yi)值确定。
系数cj,系数μj和系数σj是由上述已知的历史时间点及历史血压值(xi,yi)带入模型函数后求解得出。
其中,求解拟合函数模型系数的方法可以为最小二乘法:
使用p(x)函数模型拟合y=f(x)
最小二乘法就是使得拟合函数y=p(x),在任意xi点,拟合函数点与被拟合函数点的距离最小,即所有的(xi,p(xi))与(xi,yi)距离之和最小;
即:
两边同时对函数模型所带的系数求偏导。
其中,若函数模型为多项式,则两边同时对aj求偏导;
即:设
对aj求偏导为:
将所有(xi,yi)带入求解方程组,得到a0,a1,…,am。
若函数模型为指数函数,则分别两边同时对bj和λj求偏导;
即:设
对bj求偏导为:
对λj求偏导为:
将所有(xi,yi)带入求解方程组,得到b0,b1,…,bm及λ1,λ2,…,λm。
若函数模型为高斯函数,则分别两边同时对cj,μj和σj求偏导;
即:设
对cj求偏导为:
对μj求偏导为:
对σj求偏导为:
将所有(xi,yi)带入求解方程组,得到c0,c1,…,cm及μ1,μ2,…,μm及σ1,σ2,…,σm。
其中,在测量用户的当前血压值之后,先与一预设值进行比对,判断测得的所述当前血压值是否为有效值。即,排除异常状态下测得的明显是错误的测量值。
其中,可按日期正序,在连续或断续的不同日期对用户的血压值进行分别测量,且每个测量日至少测量一次,测得的血压值作为历史血压值。例如,进行分时段的测量。
在测量用户的当前血压值之后,查看所述当前血压值对应的时刻所处的时间段,并将所述当前血压值储存到当日的对应的所述时间段中。
所述时间段至少包括每个测量日的早上或/和晚上,具体可包括:6:00-9:00、17:00-20:00、9:00-17:00、20:00-24:00、0:00-6:00等。
在测量用户的当前血压值之后,会先判断所述用户在对应的所述时间段中所述历史血压值是否达到预定数量;若所述历史血压值的数量大于或等于预定数量,则对用户的所述当前血压值做分析。
然后,对各所述时间段中的所述历史血压值中的历史收缩压和历史舒张压进行曲线拟合,分别得到与所述时间段数量一致的所述历史收缩压的变化趋势函数曲线以及所述历史舒张压的变化趋势函数曲线。
接着,通过所述曲线拟合算出当前血压值的预测收缩压和预测舒张压(即,理论上当前血压值应有的收缩压和舒张压),再分别算出所述当前收缩压与所述预测收缩压的第一偏差值(SD)及所述当前舒张压与所述预测舒张压的第二偏差值(DD);
然后,根据预设阈值对所述第一偏差值(SD)和所述第二偏差值(DD)进行分析,得出用户的血压波动信息,即得出结论用户的当前血压值是正常还是异常,或者异常程度进行等级化,预设阈值的参数可由长期临床数据分析得出,也可人为设定。
其中,所述第一偏差值(SD)及所述第二偏差值(DD)为绝对值,所述血压波动信息包括:
所述第一偏差值(SD)大于第一收缩压预设阈值(SL1)或所述第二偏差值(DD)大于第一舒张压预设阈值(DL1),判断所述用户的血压波动为第一等级;
所述第一偏差值(SD)大于第二收缩压预设阈值(SL2)或所述第二偏差值(DD)大于第二舒张压预设阈值(DL2),判断所述用户的血压波动为第二等级;
所述第一偏差值(SD)大于第三收缩压预设阈值(SL3)或所述第二偏差值(DD)大于第三舒张压预设阈值(DL3),判断所述用户的血压波动为第三等级。
第一收缩压预设阈值(SL1)小于第二收缩压预设阈值(SL2)小于第三收缩压预设阈值(SL3),第一舒张压预设阈值(DL1)小于第二舒张压预设阈值(DL2)小于第三舒张压预设阈值(DL3)。
其中,对于测试结果的等级划分说明,可如下述示意:
若为第一等级,则表示血压波动为轻度异常;
若为第二等级,则表示血压波动为中度异常;
若为第三等级,则表示血压波动为重度异常。
等级划分的数量并不仅限于本案揭示的三级,可更加实际需要增减,目的在于表示血压波动的严重程度,比如轻度异常意味着血压需要引起用户注意,建议用户调整饮食作息,而中度和重度异常则意味着用户需要接受医生诊断。
其中,所述第一偏差值(SD)为正值或负值,所述第二偏差值(DD)为正值或负值;所述预设阈值包括正预设阈值和负预设阈值,当两偏差值为正时与正预设阈值进行分析比对,当两偏差值为负时与负预设阈值进行分析比对,得出用户的血压波动信息。
若在阈值区间内则判断为正常,若在阈值区间外则判断为异常,且可将异常程度等级化。
另外,还可预设一数值作为历史血压值,或者取首次测得的血压值作为历史血压值,由于历史血压值的数量为单个,不具备直接拟合为曲线的条件,因此需要多次测量获得用户的多次血压值之后才具备曲线拟合条件。
其中,曲线拟合可以在测量用户的当前血压值之前完成,也可以在当前测量之后进行。
其中,得出用户的血压波动信息之后,所述系统以显示屏显示或灯光提示或语音播报或响起蜂鸣声中的一种或几种方式告知用户本次测量得到的所述当前血压值,或者/并且提示用户所述当前血压值是否正常,还可告知所述当前血压值的波动信息。
本发明通过曲线拟合的方式对历史血压值进行分析,可有效地对用户血压值的变化趋势进行预测,一方面可在用户进行当前测量时给出血压是否正常的判断结论,另一方面可以对用户的血压变化的动态进行展示,并可提供给用户健康提示,使人们更清楚了解自身的健康状态,同时便于医院就诊时提供有助于用药指导的血压数据;
本发明在使用时,无需用户严格遵照某一特定的测量规则进行测量,用户可在任意时间进行测量,每次测量均可通过与历史血压值的变化趋势函数比对得出血压值正常与否的结论。但是,基于本发明的技术方案,除上述离散形测量方式而外,本发明还包括但不限于以下专业功能:
1、本发明具备拟合每天血压值变化趋势函数的功能,测量点为每个测量日的不同时段,经过多个测量日测量之后,有助于掌握每个测量日的血压值变化动态,还可进行每日与每日之间变化趋势函数的比对,由于变化趋势函数可以曲线的形式展现,因此有助于判断是否当前测量日与之前测量日相比,血压有不正常波动;
2、本发明具备拟合每周血压值变化趋势函数的功能,测量点为每周的七个测量日,经过多周测量之后,有助于掌握每周的血压值变化动态,还可进行周与周之间变化趋势函数的比对,由于变化趋势函数可以曲线的形式展现,因此有助于判断是否当前测量周与之前测量周相比,血压有不正常波动;
3、本发明具备拟合某个特定时间段血压值变化趋势函数的功能,测量点为每个测量日的特定时间段,如早晨6:00-9:00,经过多次测量之后,有助于掌握每天该时间段的血压值变化动态,因此有助于判断是否当前测量与之前测量相比,血压有不正常波动。
本发明的动态血压分析方法,将随着使用时间越长,采集的血压数据越多,得到更为准确分析结论。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (13)
1.一种动态血压分析方法;其特征在于:包括:
按日期正序,在连续或断续的不同日期对用户的血压值进行分别测量,测得的血压值作为历史血压值;
以及
对所述历史血压值中的历史收缩压和历史舒张压进行曲线拟合,分别得出所述历史收缩压的变化趋势函数以及所述历史舒张压的变化趋势函数;
以及
测量用户的当前血压值;
以及
将所述当前血压值中的当前收缩压与所述历史收缩压的变化趋势函数进行比对,或者/同时,将所述当前血压值中的当前舒张压与所述历史舒张压的变化趋势函数进行比对;
若所述当前收缩压及所述当前舒张压中至少一者与各自对应的函数不匹配,则判定所述当前血压值不正常,并由系统发出提示;
若所述当前收缩压及所述当前舒张压均与各自对应的函数相匹配,则判定所述当前血压值正常。
2.根据权利要求1所述的分析方法,其特征在于:所述拟合方式包括多项式拟合、指数函数拟合、高斯拟合;
假设:历史时间点xi为:x1,x2,…,xn,历史血压值yi为:y1,y2,…yn,表示为离散函数y=f(x);历史血压值yi具体采用历史收缩压或历史舒张压的数值,i为1到n中的任意自然数,n为自然数,表示历史血压值的个数。
3.根据权利要求2所述的分析方法,其特征在于:所述拟合方式为多项式拟合法;模型为:p(x)=amxm+am-1xm-1+…+a1x+a0∈∏m(m+1<n);
用函数y′=p(x)拟合上述离散函数y=f(x),其中y′表示预测收缩压或预测舒张压的数值;
用aj表示a0,a1,…,am,为多项式的系数;j为1到m中的任意自然数,m为自然数;所述系数aj由被拟合的离散函数对应的所有(xi,yi)值确定。
4.根据权利要求2所述的分析方法,其特征在于:所述拟合方式为指数函数拟合法;模型为:
用函数y′=p(x)拟合上述离散函数y=f(x),其中y′表示预测收缩压或预测舒张压的数值;
用bj表示b0,b1,…,bm,用λj表示λ1,λ2,…,λm,均为指数函数系数;j为1到m中的任意自然数,m为自然数;所述系数bj和所述系数λj是由被拟合的离散函数对应的所有(xi,yi)值确定。
5.根据权利要求2所述的分析方法,其特征在于:所述拟合方式为高斯拟合法;模型为:
用函数y′=p(x)拟合上述离散函数y=f(x),其中y′表示预测收缩压或预测舒张压的数值;
用cj表示c0,c1,…,cm,用μj表示μ1,μ2,…,μm,用σj表示σ1,σ2,…,σm,均为高斯函数的系数;j为1到m中的任意自然数,m为自然数;所述系数cj,所述系数μj和所述系数σj是由被拟合的离散函数对应的所有(xi,yi)值确定。
6.根据权利要求1所述的分析方法,其特征在于:在测量用户的当前血压值之后,先与一预设值进行比对,判断测得的所述当前血压值是否为有效值。
7.根据权利要求1所述的分析方法,其特征在于:按日期正序,在连续或断续的不同日期对用户的血压值进行分别测量,且每个测量日至少测量一次,测得的血压值作为历史血压值。
8.根据权利要求1所述的分析方法,其特征在于:在测量用户的当前血压值之后,查看所述当前血压值对应的时刻所处的时间段,并将所述当前血压值储存到当日的对应的所述时间段中。
9.根据权利要求8所述的分析方法,其特征在于:判断所述用户在对应的所述时间段中所述历史血压值是否达到预定数量;若所述历史血压值的数量大于或等于预定数量,则对用户的所述当前血压值做分析。
10.根据权利要求8所述的分析方法,其特征在于:对各所述时间段中的所述历史血压值中的历史收缩压和历史舒张压进行曲线拟合,分别得到与所述时间段数量一致的所述历史收缩压的变化趋势函数曲线以及所述历史舒张压的变化趋势函数曲线。
11.根据权利要求1所述的分析方法,其特征在于:通过所述曲线拟合算出当前血压值的预测收缩压和预测舒张压,再分别算出所述当前收缩压与所述预测收缩压的第一偏差值(SD)及所述当前舒张压与所述预测舒张压的第二偏差值(DD);
然后,根据预设阈值对所述第一偏差值(SD)和所述第二偏差值(DD)进行分析,得出用户的血压波动信息。
12.根据权利要求11所述的分析方法,其特征在于:
所述第一偏差值(SD)及所述第二偏差值(DD)为绝对值,所述血压波动信息包括:
所述第一偏差值(SD)大于第一收缩压预设阈值(SL1)或所述第二偏差值(DD)大于第一舒张压预设阈值(DL1),判断所述用户的血压波动为第一等级;
所述第一偏差值(SD)大于第二收缩压预设阈值(SL2)或所述第二偏差值(DD)大于第二舒张压预设阈值(DL2),判断所述用户的血压波动为第二等级;
所述第一偏差值(SD)大于第三收缩压预设阈值(SL3)或所述第二偏差值(DD)大于第三舒张压预设阈值(DL3),判断所述用户的血压波动为第三等级。
13.根据权利要求1所述的分析方法,其特征在于:所述第一偏差值(SD)为正值或负值,所述第二偏差值(DD)为正值或负值;所述预设阈值包括正预设阈值和负预设阈值,当两偏差值为正时与正预设阈值进行分析比对,当两偏差值为负时与负预设阈值进行分析比对,得出用户的血压波动信息。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2018217164958 | 2018-10-23 | ||
CN201821716495 | 2018-10-23 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109350025A true CN109350025A (zh) | 2019-02-19 |
Family
ID=65332162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811373415.8A Pending CN109350025A (zh) | 2018-10-23 | 2018-11-19 | 一种动态血压分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109350025A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110522435A (zh) * | 2019-09-25 | 2019-12-03 | 宁波智能装备研究院有限公司 | 一种检测电子血压计袖带捆绑松紧度的方法 |
CN114579073A (zh) * | 2022-03-17 | 2022-06-03 | 深圳市奥极健康科技有限公司 | 血压数据的显示方法和系统、基于实时血压参考值描述血压状态的方法和系统、存储设备 |
CN114903457A (zh) * | 2022-05-10 | 2022-08-16 | 湖北智奥物联网科技有限公司 | 人体生理参数正负关联的动态血压监测装置及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100280396A1 (en) * | 2009-05-04 | 2010-11-04 | Siemens Medical Solutions Usa, Inc. | System for Cardiac Pathology Detection and Characterization |
CN104116503A (zh) * | 2014-07-16 | 2014-10-29 | 华中科技大学 | 一种无创连续血压的测量方法及装置 |
CN107320089A (zh) * | 2017-06-27 | 2017-11-07 | 西南大学 | 自校准的人体血压测量方法 |
CN107495947A (zh) * | 2017-09-19 | 2017-12-22 | 广东乐心医疗电子股份有限公司 | 一种血压动态分析方法及血压测量装置 |
CN107995981A (zh) * | 2017-02-22 | 2018-05-04 | 清华大学深圳研究生院 | 一种用于血压测量装置的数据处理方法 |
-
2018
- 2018-11-19 CN CN201811373415.8A patent/CN109350025A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100280396A1 (en) * | 2009-05-04 | 2010-11-04 | Siemens Medical Solutions Usa, Inc. | System for Cardiac Pathology Detection and Characterization |
CN104116503A (zh) * | 2014-07-16 | 2014-10-29 | 华中科技大学 | 一种无创连续血压的测量方法及装置 |
CN107995981A (zh) * | 2017-02-22 | 2018-05-04 | 清华大学深圳研究生院 | 一种用于血压测量装置的数据处理方法 |
CN107320089A (zh) * | 2017-06-27 | 2017-11-07 | 西南大学 | 自校准的人体血压测量方法 |
CN107495947A (zh) * | 2017-09-19 | 2017-12-22 | 广东乐心医疗电子股份有限公司 | 一种血压动态分析方法及血压测量装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110522435A (zh) * | 2019-09-25 | 2019-12-03 | 宁波智能装备研究院有限公司 | 一种检测电子血压计袖带捆绑松紧度的方法 |
CN114579073A (zh) * | 2022-03-17 | 2022-06-03 | 深圳市奥极健康科技有限公司 | 血压数据的显示方法和系统、基于实时血压参考值描述血压状态的方法和系统、存储设备 |
CN114903457A (zh) * | 2022-05-10 | 2022-08-16 | 湖北智奥物联网科技有限公司 | 人体生理参数正负关联的动态血压监测装置及系统 |
CN114903457B (zh) * | 2022-05-10 | 2023-04-28 | 湖北智奥物联网科技有限公司 | 人体生理参数正负关联的动态血压监测装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220280122A1 (en) | Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance | |
US20200242566A1 (en) | System and method of prioritizing patients for clinician management | |
Wolfe | A reappraisal of HAQ disability in rheumatoid arthritis | |
Seel et al. | Assessment scales for disorders of consciousness: evidence-based recommendations for clinical practice and research | |
US7606617B2 (en) | Urinalysis for the early detection of and recovery from worsening heart failure | |
JP4243605B2 (ja) | 自律神経検査装置 | |
RU2757048C1 (ru) | Способ и система оценки здоровья тела человека на основе данных большого объема о сне | |
Hays et al. | Evaluating the statistical significance of health-related quality-of-life change in individual patients | |
Nath et al. | Smart wristband-based stress detection framework for older adults with cortisol as stress biomarker | |
CN109350025A (zh) | 一种动态血压分析方法 | |
CN109859843B (zh) | 智能健康一体机 | |
Wulterkens et al. | It is all in the wrist: wearable sleep staging in a clinical population versus reference polysomnography | |
TWI610655B (zh) | 具有心率分析模組之血壓計 | |
CA2693100A1 (en) | A medical vital sign indication tool, system and method | |
CN113520395A (zh) | 一种精神状态的实时评估系统和方法 | |
CN113499035B (zh) | 一种基于置信区间融合阈值判据的疼痛识别系统 | |
WO2021004168A1 (zh) | 一种具备人工智能的医疗数据整合系统及方法 | |
Khanna et al. | Postoperative ward monitoring–Why and what now? | |
Tham et al. | IoT health monitoring device of oxygen saturation (SpO2) and heart rate level | |
US10098584B2 (en) | Patient health improvement monitor | |
Kenneth et al. | Data fusion of multimodal cardiovascular signals | |
US20160220127A1 (en) | Wellness or illness assessment system, method, and computer program product | |
KR20200050530A (ko) | 혈관 건강도 측정 시스템 및 그 방법 | |
Giuliano et al. | Interpretation and use of statistics in nursing research | |
EP3688473B1 (en) | Method and computer program for predicting bilirubin levels in neonates |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190219 |