CN109767837A - 一种基于胸痛地图的院前急救方法 - Google Patents
一种基于胸痛地图的院前急救方法 Download PDFInfo
- Publication number
- CN109767837A CN109767837A CN201811562186.4A CN201811562186A CN109767837A CN 109767837 A CN109767837 A CN 109767837A CN 201811562186 A CN201811562186 A CN 201811562186A CN 109767837 A CN109767837 A CN 109767837A
- Authority
- CN
- China
- Prior art keywords
- pectoralgia
- map
- patient
- hospital
- risk
- 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
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于胸痛地图的院前急救方法,该方法能够根据胸痛患者的时空状态地图进行院前急救的智能优化和急救调度,其中胸痛地图主要包括身体、知识、医院、资源四类胸痛地图。身体胸痛地图汇总患者的体检、病历、日常主诉等信息,传到知识胸痛地图用于预判病因及风险归因与归类,根据医院胸痛地图呈现的位置信息和接诊能力确定高危胸痛患者急救的运送目的地;资源胸痛地图提供现场阶段所需除颤器、家庭医生、急救药品等急救资源的位置信息,以及运送阶段所需救护车、医院胸痛中心等急救资源的位置信息。本发明将身体、知识、医院、资源四类胸痛地图集成应用,有助于指导急救资源的优化配置,为胸痛患者提供生存概率最大化的调度方案。
Description
技术领域
本发明涉及一种基于胸痛地图的院前急救方法,尤其涉及一种能够根据胸痛患者的监测信息进行预警和资源优化调度的方法。
背景技术
据调查,我国每年有180万人,每分钟有3-4人死于猝死,92%的患者猝死前发生症状性胸痛,80%死于医院外。而相较于发达国家8%的抢救成功率,我国猝死的抢救成功率只有0.6‰,不足千分之一。正常人群胸痛发生概率高达15.5%,心梗等高危致命性胸痛只有1.2%,初期胸痛发生时无法识别是否是高危致命性胸痛,直到危急重症发生后拨打120,被动的等待救护车,错过黄金急救期是我国猝死率高的主要原因。事实上,心梗类胸痛患者90%以上有高血压、高血糖、高血脂等基础慢性病,可由日常健康档案采集信息辅助决策,75%~95%患者,发病前1~2周内尤其是24小时内发生心律失常,可由穿戴式设备或家庭医生上门监测确诊。
心梗类高危胸痛发生后,每延迟减少1小时的治疗,患者存活率就会下降2%,猝死类危急重症胸痛发生后,患者的生存概率处于更快下降状态,每延迟1分钟患者存活率下降7~10%,这场与死神的战斗,迫切需要一张作战地图:急救覆盖范围内有哪些高危人群?发生胸痛后最近能赶到的急救人员在哪?最近的急救设备在哪?最近的胸痛中心在哪?目前胸痛急救的优化方法主要集中在患者入院后,而入院前的信息化手段缺失,各节点信息系统受空间分布和数据格式的限制,无法实现实时共享,难以为及时诊断治疗提供信息服务,更难为急救管理提供实时全景监控和动态决策支持服务。
发明内容
发明目的:本发明目的是提供一种基于胸痛地图的院前急救方法,能够根据胸痛患者的时空状态地图进行院前急救的智能优化、急救调度,该方法可在胸痛发生、发展、诊断、急救的全过程中,根据胸痛患者的时空状态进行动态预警监测,结合胸痛监测与急救资源的分布优化调度方案,以提高急救的有效性。
技术方案:为实现上述目的,本发明采用的技术方案是:
一种基于胸痛地图的院前急救方法,所述方法基于身体、知识、医院、资源四类胸痛地图进行高危胸痛的预警监测和急救资源的优化调度;其中身体胸痛地图包括患者胸痛关键指标数据库,用于记录患者的体检、病历、日常主诉信息,所述知识胸痛地图包括医学知识库模块和风险评估模块,用于预判病因确定胸痛类型,所述胸痛类型包括猝死类胸痛、高危类胸痛和低危类胸痛;所述医院胸痛地图包括医院的位置信息和接诊能力,用于确定高危胸痛患者急救的运送目的地;所述资源胸痛地图包括胸痛救护所需资源的分布和调度方案,用于提供资源位置信息,包括现场阶段所需除颤器、家庭医生、急救药品,以及运送阶段所需救护车和医院胸痛中心;所述院前急救方法对三类胸痛类型的处理方法分别为:
对于猝死类胸痛,呼叫、派出胸痛地图上最近的救护车,同时搜索胸痛地图上最近的除颤器,发送位置给现场人员,如预判获取除颤器时间超过设定分钟数,则选择由无人机运送;
对于高危类胸痛,搜索胸痛地图上最近的胸痛中心,发送位置给现场人员,计算患者自行来院与救护车抵达时间,供现场人员决策自行来院或救护车运送;
对于低危类胸痛,搜索胸痛地图上最近的社区家庭医生,发送患者位置,家庭医生接收到位置后携带急救药物和监测设备前往患者现场做初步检查,检查结果上传分析后,正常者保持低危胸痛标签,异常者归类为高危类胸痛处理。
作为优选,所述胸痛关键指标数据库包括基础指标、主诉指标和监测指标;所述基础指标包括年龄、性别、体重指数、血糖、血压、血脂、心率、心律,从患者自我健康管理、社区家庭医生的医疗健康服务记录、居民健康档案信息源,通过数据接口方式采集;所述主诉指标,包括胸痛部位、症状、发生次数、持续时间,通过患者主动问诊、拨打急救120电话的问诊记录采集;所述监测指标,包括动态心电图、快速生化监测指标,通过现场急救人员携带的终端设备、救护车上的化验设备采集。
作为优选,所述医学知识库模块是汇集医学文献知识库、主治医生知识库和专家会诊知识库创建的专家决策系统,用于对患者的病程状态做出初步分析;所述风险评估模块用于将专家决策系统判定的先验概率与患者发生胸痛时的关键指标数据进行集成,根据致命性胸痛概率分布模型得出胸痛风险系数,确定胸痛类型并标记相应的标签;所述致命性胸痛概率分布模型利用马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo),识别风险因素(如基础疾病、胸痛部位、持续时间、心率变化等),筛选出对模型影响较大的不确定因素的来源,调整先验概率密度函数并进行随机模拟、动态抽样验证,从而得到可靠的系统预测值。
作为优选,所述医院胸痛地图中更新维护通过胸痛中心认证的医院,以及已经开展直接经皮冠状动脉介入治疗(PPCI)但尚未达到标准的医院,包括医院的地理位置、胸痛中心认证情况的日常数据信息,以及患者胸痛发生时,运送医院的交通状况、医院医护人力、床位、排队等候时间的动态数据。
作为优选,所述高危胸痛的预警监测流程包括如下步骤:
(1)通过手机终端接收患者发生胸痛时发出的症状提醒;
(3)验证患者身份,调取基础指标信息和地理位置信息;
(4)录入主诉指标,将胸痛症状、发生次数、持续时间胸痛特征录入身体胸痛地图;
(5)上传身体胸痛地图信息到云端知识胸痛地图,对基础指标和主诉指标进行识别分析,如分析结果提示猝死类胸痛或高危类胸痛,启动对应调度方案;
(6)如分析结果显示低危,根据主诉指标无法做出准确判断,需要进一步动态监测指标,通过资源胸痛地图搜寻最近的家庭医生前往现场进行动态监测并上传信息;
(7)如动态监测信息录入后,状态识别反馈具有致命性胸痛特征,则给予高危标签,并切换到步骤(5);
(8)如动态监测信息录入后,状态识别未反馈致命性胸痛特征,则保持高危标签,实施24小时动态监测;
(9)24小时动态监测无异常后,解除高危预警,降至低危标签。
作为优选,所述急救资源的优化调度流程包括如下步骤:
(1)调度方案收到指令,发出双向推送,由患者选择自行前往社区就诊还是家庭医生上门问诊;
(2)获取动态监测信息,上传到知识胸痛地图,预判是否为猝死及高危类胸痛;
(3)如预判为低危类胸痛,调度过程切换为待查状态;
(4)如预判为猝死类胸痛,呼叫、派出资源胸痛地图上最近的救护车,同时搜索资源—胸痛地图上最近的除颤器,发送位置给现场人员,如预判获取除颤器时间超过4分钟,由无人机运送,在救护车到达之前进行心肺复苏;
(5)如预判为高危类胸痛,触发急救调度方案系统;
(6)胸痛急救调度方案模块收到指令,确定患者地理位置;
(7)资源胸痛地图匹配可最快抵达患者的现场急救所需医药资源及物流工具;
(8)资源胸痛地图同步匹配可最快抵达的可提供高级生命支持及运送患者的救护车;
(9)医院胸痛地图自动匹配患者可最快抵达的胸痛中心;
(10)调度胸痛中心做好急救手术准备;
(11)更新救护车辆动态位置和患者监测状态;
(12)患者抵达医院,院前调度完成;
(13)患者抵达手术室,院内调度完成。
有益效果:本发明与现有技术相比,其显著优点是:
(1)全方位:本发明方法可内嵌于医院现有院前急救涉及到的所有主体和环节,包括患者、医院、社区、家庭医生及急救药箱、救护无人机、社区、救护车辆等;
(2)全周期:本发明第一次汇集全生命周期数据库对胸痛患者进行动态标签分类,为急救过程中的不同阶段及时决策提供所需的患者健康状况动态数据和决策参考依据;
(3)全共享:本发明通过急救网络和分级转诊体系间的信息综合集成共享,可在大量胸痛患者中快速识别高危患者,及时分诊、分流,既防止低危人群挤占医院优质医疗服务资源,又防止高危人群漏诊。
附图说明
图1为基于胸痛地图的院前急救方法的框架结构示意图。
图2为四类胸痛地图结构示意图。
图3为身体胸痛地图结构示意图。
图4为知识胸痛地图结构示意图。
图5为医院胸痛地图结构示意图。
图6为资源胸痛地图结构示意图。
图7为高危胸痛的预警监测流程图。
图8为急救资源的优化调度流程图。
图9为基于胸痛地图的院前急救方法的系统集成示意图。
具体实施方式
下面结合附图和具体实施例对本发明作如下详述:
如图1所示,本发明实施例公开的一种基于胸痛地图的院前急救方法,主要涉及能够根据胸痛患者的时空状态地图进行院前急救的智能优化、急救调度方法,其中地图主要包括身体、知识、医院、资源四类胸痛地图。如图2所示,身体胸痛地图汇总患者的体检、病历、日常主诉等信息,传到知识胸痛地图用于预判病因及风险归因与归类,根据医院胸痛地图呈现的位置信息和接诊能力确定高危胸痛患者急救的运送目的地;资源胸痛地图提供现场阶段所需除颤器、家庭医生、急救药品等急救资源的位置信息,以及运送阶段所需救护车、医院胸痛中心等急救资源的位置信息,及时提供患者生存概率最大化的调度方案。
如图3所示,身体胸痛地图主要包括创建患者胸痛关键指标数据库;其中胸痛关键指标数据库包括三部分:
一是基础指标:包括年龄、性别、体重指数、血糖、血压、血脂、心率、心律等,从患者自我健康管理、社区家庭医生的医疗健康服务记录、居民健康档案等信息源,通过数据接口方式采集。
二是主诉指标,包括胸痛部位、症状、发生次数、持续时间,通过患者主动问诊、拨打急救120电话的问诊记录采集。
三是监测指标,包括动态心电图、快速生化监测指标等,通过现场急救人员携带的终端设备、救护车上的化验设备采集。
如图4所示,知识胸痛地图主要包括医学知识库模块和风险评估模块;其中医学知识库模块,是汇集医学文献知识库、主治医生知识库和专家会诊知识库创建的专家决策系统,对患者的病程状态做出初步分析。风险评估模块,将专家决策系统判定的先验概率与患者发生胸痛时的关键指标数据进行集成,根据致命性胸痛概率分布模型得出胸痛风险系数以及病程状态,快速预测猝死类、高危类、心源性、非心源性胸痛,测算病因归类的概率,辅助急救决策。传统的胸痛类心脑血管意外事件的风险评估主要通过确定性分析。然而疾病风险因素具有多变量、随机性、时变性、非线性等特点,给风险评估带来不确定性问题。健康风险评价的不确定系统分析方法中,以概率统计为核心的蒙特卡罗方法因建模预测的可靠性、高效性和适用性逐渐在各个领域得到应用。本发明所用马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo),将马尔科夫过程引入到蒙特卡洛模拟中,实现抽样分布随模拟运行而改变的动态模拟,弥补了传统蒙特卡洛只能静态模拟的缺陷,增加了致命性胸痛风险动态变化预测的可靠性。具体可参见谭淼等2014年在中华疾病控制杂志发表的蒙特卡罗方法在健康风险评估中的应用。
如图5所示,医院胸痛地图主要包括医院的位置距离与接诊能力;医院胸痛地图主要更新维护通过胸痛中心认证的医院,以及已经开展直接经皮冠状动脉介入治疗(PPCI)但尚未达到标准的医院,其地理位置、胸痛中心认证情况的日常数据信息,以及患者胸痛发生时,运送医院的交通状况、医院医护人力、床位、排队等候时间的动态数据。
如图6所示,资源胸痛地图主要包括胸痛救护所需资源的分布和调度方案;救护资源包括除颤器、社区家庭医生、救护车、救护无人机等,根据动态标签匹配相对应的资源;
如图7所示,高危胸痛的预警监测流程步骤包括:
(1)患者发生胸痛,利用手机终端发出症状提醒;
(2)验证患者身份;
(3)调取基础指标信息和地理位置信息;
(4)录入主诉指标,包括胸痛症状、发生次数、持续时间等胸痛特征录入身体胸痛地图;
(5)上传身体胸痛地图信息到云端知识胸痛地图,对基础指标和主诉指标进行识别分析,分析结果提示猝死类胸痛或高危类胸痛,启动对应调度方案;
(6)如分析结果显示低危,根据主诉指标无法做出准确判断,需要进一步动态监测指标,通过资源—胸痛地图搜寻最近的家庭医生前往现场进行动态监测并上传信息;
(7)如远程心电图等动态监测信息等录入后,状态识别反馈具有致命性胸痛特征,则给予高危标签,并切换到步骤(5);
(8)如动态监测信息录入后,状态识别未反馈致命性胸痛特征,则保持高危标签,实施24小时动态监测;
(9)24小时动态监测无异常后,解除高危预警,降至低危标签;
(10)切换到步骤(5)的患者康复出院后,风险评估根据其病情信息更新标签;
(11)处理该个体胸痛诊断治疗全周期信息,充实新的知识数据;
(12)结束。
如图8所示,急救资源的优化调度流程包括:
(1)预判分析触发动态监测需求指令;
(2)调度方案收到指令,发出双向推送,由患者选择自行前往社区就诊还是家庭医生上门问诊;
(3)获取动态监测(主要是动态心电图)信息,上传到知识胸痛地图,预判是否为猝死及高危类胸痛;
(4)如果动态标签显示低危类胸痛,调度过程切换为待查状态;
(5)如果动态标签显示猝死类胸痛,呼叫、派出资源—胸痛地图上最近的救护车,同时搜索资源—胸痛地图上最近的除颤器,发送位置给现场人员。如预判获取除颤器时间超过4分钟,由无人机运送,在救护车到达之前进行心肺复苏;
(6)动态标签为高危类胸痛,触发急救调度方案系统;
(7)胸痛急救调度方案模块收到指令,确定患者地理位置;
(8)资源—胸痛地图自动匹配可最快抵达患者的救护无人机、社区药箱、社区家庭医生等现场急救所需医药资源及物流工具;
(9)资源—胸痛地图同步匹配可最快抵达的可提供高级生命支持及运送患者的救护车;
(10)医院—胸痛地图自动匹配患者可最快抵达的胸痛中心;
(11)调度胸痛中心做好急救手术准备;
(12)更新救护车辆动态位置和患者监测状态;
(13)患者抵达医院,院前调度完成;
(14)患者抵达手术室,院内调度完成;
(15)结束。
如图9所示,本发明方法可以在现有的设备和应用的基础上的进行系统集成,主要分为三层,数据层、分析层、决策层,可内嵌于各个医疗机构、救护车辆和远程医疗设备中,为胸痛急救提供辅助决策支持。
Claims (6)
1.一种基于胸痛地图的院前急救方法,其特征在于,所述方法基于身体、知识、医院、资源四类胸痛地图进行高危胸痛的预警监测和急救资源的优化调度;其中身体胸痛地图包括患者胸痛关键指标数据库,用于记录患者的体检、病历、日常主诉信息,所述知识胸痛地图包括医学知识库模块和风险评估模块,用于预判病因确定胸痛类型,所述胸痛类型包括猝死类胸痛、高危类胸痛和低危类胸痛;所述医院胸痛地图包括医院的位置信息和接诊能力,用于确定高危胸痛患者急救的运送目的地;所述资源胸痛地图包括胸痛救护所需资源的分布和调度方案,用于提供资源位置信息,包括现场阶段所需除颤器、家庭医生、急救药品,以及运送阶段所需救护车和医院胸痛中心;所述院前急救方法对三类胸痛类型的处理方法分别为:
对于猝死类胸痛,呼叫、派出胸痛地图上最近的救护车,同时搜索胸痛地图上最近的除颤器,发送位置给现场人员,如预判获取除颤器时间超过设定分钟数,则选择由无人机运送;
对于高危类胸痛,搜索胸痛地图上最近的胸痛中心,发送位置给现场人员,计算患者自行来院与救护车抵达时间,供现场人员决策自行来院或救护车运送;
对于低危类胸痛,搜索胸痛地图上最近的社区家庭医生,发送患者位置,家庭医生接收到位置后携带急救药物和监测设备前往患者现场做初步检查,检查结果上传分析后,正常者保持低危胸痛标签,异常者归类为高危类胸痛处理。
2.根据权利要求1所述的基于胸痛地图的院前急救方法,其特征在于,所述胸痛关键指标数据库包括基础指标、主诉指标和监测指标;所述基础指标包括年龄、性别、体重指数、血糖、血压、血脂、心率、心律,从患者自我健康管理、社区家庭医生的医疗健康服务记录、居民健康档案信息源,通过数据接口方式采集;所述主诉指标,包括胸痛部位、症状、发生次数、持续时间,通过患者主动问诊、拨打急救120电话的问诊记录采集;所述监测指标,包括动态心电图、快速生化监测指标,通过现场急救人员携带的终端设备、救护车上的化验设备采集。
3.根据权利要求1所述的基于胸痛地图的院前急救方法,其特征在于,所述医学知识库模块是汇集医学文献知识库、主治医生知识库和专家会诊知识库创建的专家决策系统,用于对患者的病程状态做出初步分析;所述风险评估模块用于将专家决策系统判定的先验概率与患者发生胸痛时的关键指标数据进行集成,根据致命性胸痛概率分布模型得出胸痛风险系数,确定胸痛类型并标记相应的标签;所述致命性胸痛概率分布模型利用马尔科夫链蒙特卡洛方法识别风险因素,筛选出对模型影响较大的不确定因素的来源,调整先验概率密度函数并进行随机模拟、动态抽样验证,从而得到系统预测值。
4.根据权利要求1所述的基于胸痛地图的院前急救方法,其特征在于,所述医院胸痛地图中更新维护通过胸痛中心认证的医院,以及已经开展直接经皮冠状动脉介入治疗(PPCI)但尚未达到标准的医院,包括医院的地理位置、胸痛中心认证情况的日常数据信息,以及患者胸痛发生时,运送医院的交通状况、医院医护人力、床位、排队等候时间的动态数据。
5.根据权利要求1所述的基于胸痛地图的院前急救方法,其特征在于,所述高危胸痛的预警监测流程包括如下步骤:
(1)通过手机终端接收患者发生胸痛时发出的症状提醒;
(2)验证患者身份;
(3)调取基础指标信息和地理位置信息;
(4)录入主诉指标,将胸痛症状、发生次数、持续时间胸痛特征录入身体胸痛地图;
(5)上传身体胸痛地图信息到云端知识胸痛地图,对基础指标和主诉指标进行识别分析,如分析结果提示猝死类胸痛或高危类胸痛,启动对应调度方案;
(6)如分析结果显示低危,根据主诉指标无法做出准确判断,需要进一步动态监测指标,通过资源胸痛地图搜寻最近的家庭医生前往现场进行动态监测并上传信息;
(7)如动态监测信息录入后,状态识别反馈具有致命性胸痛特征,则给予高危标签,并切换到步骤(5);
(8)如动态监测信息录入后,状态识别未反馈致命性胸痛特征,则保持高危标签,实施24小时动态监测;
(9)24小时动态监测无异常后,解除高危预警,降至低危标签。
6.根据权利要求1所述的基于胸痛地图的院前急救方法,其特征在于,所述急救资源的优化调度流程包括如下步骤:
(1)调度方案收到指令,发出双向推送,由患者选择自行前往社区就诊还是家庭医生上门问诊;
(2)获取动态监测信息,上传到知识胸痛地图,预判是否为猝死及高危类胸痛;
(3)如预判为低危类胸痛,调度过程切换为待查状态;
(4)如预判为猝死类胸痛,呼叫、派出资源胸痛地图上最近的救护车,同时搜索资源—胸痛地图上最近的除颤器,发送位置给现场人员,如预判获取除颤器时间超过4分钟,由无人机运送,在救护车到达之前进行心肺复苏;
(5)如预判为高危类胸痛,触发急救调度方案系统;
(6)胸痛急救调度方案模块收到指令,确定患者地理位置;
(7)资源胸痛地图匹配可最快抵达患者的现场急救所需医药资源及物流工具;
(8)资源胸痛地图同步匹配可最快抵达的可提供高级生命支持及运送患者的救护车;
(9)医院胸痛地图自动匹配患者可最快抵达的胸痛中心;
(10)调度胸痛中心做好急救手术准备;
(11)更新救护车辆动态位置和患者监测状态;
(12)患者抵达医院,院前调度完成;
(13)患者抵达手术室,院内调度完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811562186.4A CN109767837A (zh) | 2018-12-20 | 2018-12-20 | 一种基于胸痛地图的院前急救方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811562186.4A CN109767837A (zh) | 2018-12-20 | 2018-12-20 | 一种基于胸痛地图的院前急救方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109767837A true CN109767837A (zh) | 2019-05-17 |
Family
ID=66451969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811562186.4A Pending CN109767837A (zh) | 2018-12-20 | 2018-12-20 | 一种基于胸痛地图的院前急救方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109767837A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110534187A (zh) * | 2019-07-01 | 2019-12-03 | 首都医科大学附属北京胸科医院 | 一种患者数据的监控方法、装置及计算机可读存储介质 |
CN110752017A (zh) * | 2019-09-04 | 2020-02-04 | 重庆特斯联智慧科技股份有限公司 | 一种基于深度学习的社区医生调度方法及系统 |
CN113066573A (zh) * | 2021-03-26 | 2021-07-02 | 嘉兴市第二医院 | 基于5g通信技术的院前急救监控及诊断方法 |
CN113658669A (zh) * | 2021-07-30 | 2021-11-16 | 深圳市联影医疗数据服务有限公司 | 公众健康地图生成应用方法、系统、终端及存储介质 |
CN114626836A (zh) * | 2022-05-17 | 2022-06-14 | 浙江大学 | 基于多智能体强化学习的急救后送决策系统及方法 |
CN117116453A (zh) * | 2023-10-25 | 2023-11-24 | 苏州鱼跃医疗科技有限公司 | 智能化快速获取aed到达急救现场方法及系统、装置、介质 |
CN117954133A (zh) * | 2024-03-26 | 2024-04-30 | 北京麦迪克斯科技有限公司 | 一种心脏监测预警系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258139A (zh) * | 2013-05-29 | 2013-08-21 | 美合实业(苏州)有限公司 | 一种远程用户多诊断方式选择的医疗方法 |
CN103605911A (zh) * | 2013-12-11 | 2014-02-26 | 东南大学 | 一种基于物联网的社区智能医护系统控制方法 |
CN105068486A (zh) * | 2015-09-02 | 2015-11-18 | 杨珊珊 | 一种无人机紧急医疗救助系统及方法 |
CN105160424A (zh) * | 2015-08-13 | 2015-12-16 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于线性规划的应急救援车调度方法 |
CN105162880A (zh) * | 2015-09-24 | 2015-12-16 | 江苏大学附属医院 | 一种acs区域化协同救治网络系统及其辅助决策方法 |
CN105306528A (zh) * | 2015-09-16 | 2016-02-03 | 胡金原 | 一种互联网院前急救信息传输实现方法及系统 |
CN106446488A (zh) * | 2015-08-07 | 2017-02-22 | 纬创资通股份有限公司 | 风险评估系统及数据处理方法 |
CN107194191A (zh) * | 2017-06-20 | 2017-09-22 | 北京时代科华科技有限公司 | 一种健康看护智能生态系统 |
CN107516006A (zh) * | 2017-07-28 | 2017-12-26 | 武汉依迅北斗空间技术有限公司 | 一种救护车调度方法及系统 |
CN108074642A (zh) * | 2017-12-29 | 2018-05-25 | 青岛大学附属医院 | 紧急医疗救援方法及系统、计算机装置及可读存储介质 |
CN108322252A (zh) * | 2018-04-08 | 2018-07-24 | 董亮 | 基于北斗短报文通信的急救信息通联系统 |
CN108324258A (zh) * | 2018-02-07 | 2018-07-27 | 沈磊 | 可穿戴式医用生命体征监测终端、检测探头及分析方法 |
CN108550391A (zh) * | 2018-04-16 | 2018-09-18 | 青岛大学附属医院 | 医疗救援方法、系统、计算机装置及可读存储介质 |
CN108565018A (zh) * | 2018-04-28 | 2018-09-21 | 中南大学湘雅医院 | 院前急救远程医疗救护系统 |
CN108766568A (zh) * | 2018-04-19 | 2018-11-06 | 新绎健康科技(北京)有限公司 | 一种疾病风险自动预警方法及系统 |
CN108831540A (zh) * | 2018-06-15 | 2018-11-16 | 吕传柱 | 一种急救管理平台、方法、设备及计算机可读存储介质 |
-
2018
- 2018-12-20 CN CN201811562186.4A patent/CN109767837A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258139A (zh) * | 2013-05-29 | 2013-08-21 | 美合实业(苏州)有限公司 | 一种远程用户多诊断方式选择的医疗方法 |
CN103605911A (zh) * | 2013-12-11 | 2014-02-26 | 东南大学 | 一种基于物联网的社区智能医护系统控制方法 |
CN106446488A (zh) * | 2015-08-07 | 2017-02-22 | 纬创资通股份有限公司 | 风险评估系统及数据处理方法 |
CN105160424A (zh) * | 2015-08-13 | 2015-12-16 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于线性规划的应急救援车调度方法 |
CN105068486A (zh) * | 2015-09-02 | 2015-11-18 | 杨珊珊 | 一种无人机紧急医疗救助系统及方法 |
CN105306528A (zh) * | 2015-09-16 | 2016-02-03 | 胡金原 | 一种互联网院前急救信息传输实现方法及系统 |
CN105162880A (zh) * | 2015-09-24 | 2015-12-16 | 江苏大学附属医院 | 一种acs区域化协同救治网络系统及其辅助决策方法 |
CN107194191A (zh) * | 2017-06-20 | 2017-09-22 | 北京时代科华科技有限公司 | 一种健康看护智能生态系统 |
CN107516006A (zh) * | 2017-07-28 | 2017-12-26 | 武汉依迅北斗空间技术有限公司 | 一种救护车调度方法及系统 |
CN108074642A (zh) * | 2017-12-29 | 2018-05-25 | 青岛大学附属医院 | 紧急医疗救援方法及系统、计算机装置及可读存储介质 |
CN108324258A (zh) * | 2018-02-07 | 2018-07-27 | 沈磊 | 可穿戴式医用生命体征监测终端、检测探头及分析方法 |
CN108322252A (zh) * | 2018-04-08 | 2018-07-24 | 董亮 | 基于北斗短报文通信的急救信息通联系统 |
CN108550391A (zh) * | 2018-04-16 | 2018-09-18 | 青岛大学附属医院 | 医疗救援方法、系统、计算机装置及可读存储介质 |
CN108766568A (zh) * | 2018-04-19 | 2018-11-06 | 新绎健康科技(北京)有限公司 | 一种疾病风险自动预警方法及系统 |
CN108565018A (zh) * | 2018-04-28 | 2018-09-21 | 中南大学湘雅医院 | 院前急救远程医疗救护系统 |
CN108831540A (zh) * | 2018-06-15 | 2018-11-16 | 吕传柱 | 一种急救管理平台、方法、设备及计算机可读存储介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110534187A (zh) * | 2019-07-01 | 2019-12-03 | 首都医科大学附属北京胸科医院 | 一种患者数据的监控方法、装置及计算机可读存储介质 |
CN110752017A (zh) * | 2019-09-04 | 2020-02-04 | 重庆特斯联智慧科技股份有限公司 | 一种基于深度学习的社区医生调度方法及系统 |
CN113066573A (zh) * | 2021-03-26 | 2021-07-02 | 嘉兴市第二医院 | 基于5g通信技术的院前急救监控及诊断方法 |
CN113658669A (zh) * | 2021-07-30 | 2021-11-16 | 深圳市联影医疗数据服务有限公司 | 公众健康地图生成应用方法、系统、终端及存储介质 |
CN114626836A (zh) * | 2022-05-17 | 2022-06-14 | 浙江大学 | 基于多智能体强化学习的急救后送决策系统及方法 |
CN114626836B (zh) * | 2022-05-17 | 2022-08-05 | 浙江大学 | 基于多智能体强化学习的急救后送决策系统及方法 |
CN117116453A (zh) * | 2023-10-25 | 2023-11-24 | 苏州鱼跃医疗科技有限公司 | 智能化快速获取aed到达急救现场方法及系统、装置、介质 |
CN117116453B (zh) * | 2023-10-25 | 2024-02-09 | 普美康(江苏)医疗科技有限公司 | 智能化快速获取aed到达急救现场方法及系统、装置、介质 |
CN117954133A (zh) * | 2024-03-26 | 2024-04-30 | 北京麦迪克斯科技有限公司 | 一种心脏监测预警系统 |
CN117954133B (zh) * | 2024-03-26 | 2024-06-11 | 北京麦迪克斯科技有限公司 | 一种心脏监测预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767837A (zh) | 一种基于胸痛地图的院前急救方法 | |
CN108717678B (zh) | 一种智慧养老系统 | |
CN109394247B (zh) | 一种多特征融合的就诊用户情绪监控方法 | |
RU2700498C2 (ru) | Персональная система экстренного реагирования с прогностической оценкой риска экстренного вызова | |
CN106357810B (zh) | 交通急救院前医联网系统及其应用方法 | |
EP2375964A1 (de) | Verfahren zur ferndiagnostischen überwachung und unterstützung von patienten sowie einrichtung und telemedizinisches zentrum | |
CN112735610A (zh) | 一种院后随访系统及随访方法 | |
CN116895372B (zh) | 一种基于大规模语言模型与元学习的智能急救分级系统 | |
CN112309552A (zh) | 一种基于ai的手环式放疗安全智能化全程管理系统及方法 | |
CN110570919A (zh) | 面向慢病人群的健康风险智能监测、预警方法及平台 | |
CN103942455A (zh) | 一种基于远程数据的手术排程优化设计方法 | |
CN110689935A (zh) | 物联网急救服务平台及预警方法 | |
CN111681751A (zh) | 一种胸痛患者时间管理系统及方法 | |
CN112331334A (zh) | 基于智能终端的大数据精准医疗系统和方法 | |
CN109637644A (zh) | 一种基于移动互联网的脑卒中数据管理系统及管理方法 | |
CN106606348A (zh) | 基于移动通信的监测长者生命安全、健康及生活安全系统 | |
CN111374651A (zh) | 一种新型智慧养老系统 | |
CN105787232A (zh) | 一种数据处理方法、装置、健康系统平台及终端 | |
CN116825337A (zh) | 患者安全护理预警系统 | |
CN114613478A (zh) | 急诊护理智能管理系统 | |
CN113724891A (zh) | 医院疫情监测方法、装置及相关设备 | |
CN113393942A (zh) | 一种应对突发公共卫生事件疫情防控信息系统 | |
CN111739654A (zh) | 基于物联网的隔离型医院安全监管方法、装置及存储介质 | |
CN111048213A (zh) | 一种急诊质量评估管理系统 | |
CN116313017B (zh) | 云计算下的公共卫生调度一体化平台 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190517 |
|
RJ01 | Rejection of invention patent application after publication |