CN110379481B - 帕金森患者病后管理方法和系统 - Google Patents
帕金森患者病后管理方法和系统 Download PDFInfo
- Publication number
- CN110379481B CN110379481B CN201910672815.7A CN201910672815A CN110379481B CN 110379481 B CN110379481 B CN 110379481B CN 201910672815 A CN201910672815 A CN 201910672815A CN 110379481 B CN110379481 B CN 110379481B
- Authority
- CN
- China
- Prior art keywords
- data
- patients
- treatment
- movement
- judgment result
- 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.)
- Active
Links
- 208000027089 Parkinsonian disease Diseases 0.000 title claims abstract description 25
- 206010034010 Parkinsonism Diseases 0.000 title claims abstract description 25
- 238000007726 management method Methods 0.000 title claims description 25
- 230000033001 locomotion Effects 0.000 claims abstract description 86
- 208000024891 symptom Diseases 0.000 claims abstract description 38
- 230000005856 abnormality Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 27
- 201000010099 disease Diseases 0.000 claims abstract description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 9
- 238000011269 treatment regimen Methods 0.000 claims abstract description 6
- 238000011282 treatment Methods 0.000 claims description 80
- 238000004458 analytical method Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 208000018737 Parkinson disease Diseases 0.000 claims description 13
- 238000011369 optimal treatment Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 208000012661 Dyskinesia Diseases 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 9
- WTDRDQBEARUVNC-LURJTMIESA-N L-DOPA Chemical compound OC(=O)[C@@H](N)CC1=CC=C(O)C(O)=C1 WTDRDQBEARUVNC-LURJTMIESA-N 0.000 description 4
- WTDRDQBEARUVNC-UHFFFAOYSA-N L-Dopa Natural products OC(=O)C(N)CC1=CC=C(O)C(O)=C1 WTDRDQBEARUVNC-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 206010056242 Parkinsonian gait Diseases 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 229960004502 levodopa Drugs 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010006100 Bradykinesia Diseases 0.000 description 1
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 208000006083 Hypokinesia Diseases 0.000 description 1
- 208000002740 Muscle Rigidity Diseases 0.000 description 1
- 206010071390 Resting tremor Diseases 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 230000001144 postural effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000009256 replacement therapy Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Physical Education & Sports Medicine (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了帕金森患者病后管理方法和系统，其特征在于，由如下步骤实现：S1、获取各人体特定部位的运动数据；S2、根据帕金森病症的运动旨症，逐一判断该运动数据中是否存在与运动旨症相符合的情况；当判断结果为“是”时，进行S3；当判断结果为“否”时，结束当前程序；S3、逐一记录本次出现帕金森病症的运动旨症，将其标记为运动异常，并对该运动异常进行病症分析后，给出治疗策略。该方法和系统，能够精确的识别帕金森患者的病症情况和发展趋势，并提出有效的医疗策略。
Description
技术领域
本发明涉及帕金森病症的量化评估，诊断及预后评判处置，具体地，涉及帕金森患者病后管理方法和系统。
背景技术
帕金森病(Parkinson's disease，PD)是一种中老年人常见的神经系统退行性疾病。主要特征为静止性震颤、运动迟缓、肌僵直和姿势步态障碍。左旋多巴(Levodopa,L-dopa)替代疗法是目前临床治疗帕金森病的主要方案，但仍有局限性，约50％患者服药5～10年后会出现左旋多巴诱发的运动并发症，其中主要是异动症。帕金森病异动症是临床治疗较为棘手的问题，严重影响患者运动功能和生活质量，当前缺乏有效量化评估的方法。此外患者常有起步困难的情况，医学上称为“冻结步态”，具体表现为行走前或行走时运动的短暂性阻滞，起步犹豫，不能行走，或行走时感觉脚像“粘”在地板上，一般持续数秒，偶尔时间长至30秒。
冻结步态发生于PD晚期。冻结步态的发生，极容易导致患者发生摔倒，还对患者的日常生活能力和生存质量产生较大负作用。目前，针对于帕金森症患者在治疗过程和服药期间的病征一直是靠传统的观察来进行获取状态值，但是该状态值的观察只能定性而无法定量，因此对进一步的精细化的病情管理带来了一个不小的门槛，同时对于新药物及新的治疗方法的疗效同样无法细致的观察和明确。
发明内容
本发明针对于以上情况结合物联网技术、数据处理技术、移动技术实现对帕金森病患的数据获取、数据传输、数据分析及数据展示，为医院及病患监控、获取相关病征数据成为可能性。
本发明提供一种帕金森患者症状量化评估及管理方法，其特征在于，由如下步骤实现：
S1、获取各人体特定部位的运动数据；
S2、根据帕金森病症的运动旨症，逐一判断该运动数据中是否存在与运动旨症相符合的情况；
当判断结果为“是”时，进行S3；
当判断结果为“否”时，结束当前程序；
S3、逐一记录本次出现帕金森病症的运动旨症，将其标记为运动异常，并对该运动异常进行病症分析后，给出策略。
进一步地，本发明提供了一种帕金森患者病后管理方法，其特征在于：
S3中，上述对病症进行分析的具体步骤如下所示：
S3-1、判断当前病患是否有患病历史；
当判断结果为“否”时，就当前获取的运动旨症，比对数据库中的治疗方案，获取类似病症的治疗方法，并给出策略；
当判断结果为“是”时，调取第N-1次的运动异常数据，进行S3-2；
S3-2、比对第N次和第N-1次的运动异常数据，判断是否存在进步；
当判断结果为“是”时，给出“继续当前治疗方案”的结论；
当判断结果为“否”时，给出“无进步”的结论。
进一步地，本发明提供了一种帕金森患者病后管理方法，其特征在于：
当判断结果为“否”时，还进行S3-3；
S3-3、比对第N次和第N-1次的运动异常数据，判断是“无明显变化”还是“恶化”；
当结果为“无明显变化”时，与历史数据进行继续比对；
当结果为“恶化”时，给出“停止当前治疗方案”的结论。
进一步地，本发明提供了一种帕金森患者病后管理方法，其特征在于：
当结果为“恶化”时，还根据类似病症的治疗方法，给出新的策略。
进一步地，本发明提供了一种帕金森患者病后管理方法，其特征在于：
当结果为“无明显变化”时，与历史数据进行继续比对的具体方法为：
S3-3-1、逐一比对第N次和第N-x次的运动异常数据，x为2，3，4，5......N的自然数，判断是否存在第N次相对第N-x次的运动异常数据是存有进步的；
当判断结果为“是”时，标记第N-x次的运动异常数据，并进行S3-4；
当判断结果为“否”时，进行S3-5；
S3-4、判断x是否达到第一阀值；
当判断结果为“否”时，给出“继续当前治疗方案”的结论；
当判断结果为“是”时，给出“当前治疗方案待调整”的结论；
S3-5、判断N是否达到第二阀值；
当判断结果为“否”时，给出“继续当前治疗方案”的结论；
当判断结果为“是”时，给出“当前治疗方案待调整”的结论。
进一步地，本发明提供了一种帕金森患者病后管理方法，其特征在于：
上述S1中，各人体特定部位包括头部、手部、腿部中的至少一个以上。
进一步地，本发明提供了一种帕金森患者病后管理方法，其特征在于：
还将N次运动异常数据进行汇总后，制作趋势图。
另外，本发明还提供了一种帕金森患者病后管理系统，其特征在于：包括数据采集端和服务端；
上述数据采集端和服务端均具有通讯模块，用于实现各相关设备之间的数据交互；
上述数据采集端，包括若干安装于人体不同部位的数据采集器；
上述数据采集器，通过感应的方式，获取和记录实时运动数据，并将该运动数据传送服务端；
上述服务端，包括分析模块、数据存储模块和策略模块；
上述数据存储模块，接收数据采集器传送的运动数据，并进行存储；
上述数据存储模块，还存储有各类典型性帕金森患者的运动旨症数据和医疗方案；
上述分析模块，根据典型性帕金森患者的运动旨症数据，对当前接收到的运动数据进行分析；
上述策略模块，根据分析结果，参照典型性帕金森患者的医疗方案进行医疗策略的制定。
进一步地，本发明提供了一种帕金森患者病后管理系统，其特征在于：
还包括客户端；
上述客户端也具有通讯模块，用于实现各相关设备之间的数据交互；
上述服务端，将分析结果和医疗策略发送到客户端进行显示。
进一步地，本发明提供了一种帕金森患者病后管理系统，其特征在于：
上述服务端，还包括警报模块；
上述分析模块，根据实时数据，判断是否发生运动异常的情况；
当运动异常发生时，通过警报模块，向客户端发送警示。
本发明的作用和效果：
本发明专利利用物联网技术，通过对传感器所获取数据的分析，实现了对帕金森症患者病征发展周期的判断。从而能实现辅助医师精准了解病患病症发展情况的作用，并且能提供直观的数据结论。
附图说明
图1、本实施例涉及的帕金森患者病后管理系统的示意图；
图2、本实施例涉及的帕金森患者病后管理系统设备的装配示意图；
图3、本实施例涉及的帕金森病症的运动旨症的示例图。
具体实施方式
如图1所示,本实施例提供了一种帕金森患者病后管理系统，由数据采集端云服务端和客户端组成；
该客户端、数据采集端和服务端均具有通讯模块，用于实现各相关设备之间的数据交互；
该数据采集端，在本实施例中包括5个分别安装于人体不同部位的数据采集器(bmi 160博世传感器)；分别为如图2所示的头部、左臂、右臂、左腿、右腿。
该数据采集器，通过感应的方式，获取和记录指定时间内(根据实际测试的需要，该指定时间可以为12小时，24小时，48小时或更长时间)的实时运动数据，并将该运动数据传送服务端；
该服务端，包括分析模块、数据存储模块和策略模块；
该数据存储模块，接收数据采集器传送的运动数据，并进行存储，该存储的方式可以为树状存储结构，将没个病人分别打包，记录病史、每次测试数据、所有的医疗策略数据等等；；
该数据存储模块，还存储有各类典型性帕金森患者的运动旨症数据和医疗方案；
该典型性帕金森患者的运动旨症数据和医疗方案，一般通过收集各医疗机构的病人数据来实现，将每个病人的体征(年龄，体重、血压等基础医疗检测数据，病史，运动数据等)、治疗过程、治疗过程中的医疗采集数据、以及治疗过程中的医疗方案进行记录。
其中，通过对若干病人的体征数据与正常人的进行对比，可以发现，帕金森患者，当病发时会产生的运动异常的运动旨症数据，如图3所示，此类凸跃式的变化情况。收集此类异常图谱，当被检测的病人的检测数据中也发现相似的情况时，就能被认定为符合运动旨症数据；
此处所谓的医疗方案，也是根据现有的医疗实践来进行的分析后的结论，具体的分析方法为：
步骤1、在对所有的病患进行筛选后，获取经治疗有良性进展的病患数据；该良性进展的判断标准可以为某一项具体的医疗指标变好，或同时间同时长检测的振颤次数变少等等；
步骤2、设定此类病患的最后一次治疗为N次，选取所有病患第N-1次的数据，根据1小时(或其他设定的时间)内异常指标出现的次数，进行统计；
步骤3、将统计结果，按振颤次数进行分类，如：所有的病人分为5次以下，5-15次，15-25次，等等；
步骤4、根据分类后的病患数据，分别调取每类病患的治疗方案，分析出最佳治疗方案和候补治疗方案；
具体方法为：
A1、就其中的一个分类来看，获取所有这类病患的第N次数据；
A2、将第N次数据与第N-1次数据进行对比，按振颤次数减少量从大到小进行排序，获得前n位的治疗方案；n可人工调整，如：将其设定为前5位等。
A3、合并相似的治疗方案，获得使用频次最高的方案，将其设定为最佳治疗方案，频次次一位的为候补治疗方案I。。。。依次类推；
最佳治疗方案和候补治疗方案的作用在于：当被检测的病患具有一样的振颤频次时，通过比对病患本身的年龄、体重、血压、病史等信息，来确定是否与最佳治疗方案的相关病患匹配，如没有匹配的此类历史病人的话，就在候补治疗方案的相似病人中寻找，如能找到就选择该候补方案，如不能的话，就推送最佳治疗方案。
从而获得所有分类下的，最佳治疗方案和候补治疗方案，并进行存储。
随着，在本平台下获得的病患数据越来越多，根据机器自我学习的过程来看，该最佳治疗方案和候补治疗方案会被逐步进行调整。
该分析模块，根据典型性帕金森患者的运动旨症数据，对当前接收到的运动数据进行分析；即、将当前接收到的运动数据与典型性帕金森患者的运动旨症数据进行比对，根据异常图谱的特征，来获得本次检测过程中，出现异常的情况和次数；
该策略模块，根据分析结果，参照典型性帕金森患者的医疗方案进行医疗策略的制定。即、将本次检测的异常次数和病患的体貌特点进行匹配，得到医疗策略。
该服务端，将上述分析结果和医疗策略发送到客户端进行显示。
此外，该服务端，还包括警报模块；
当分析模块，根据实时数据，判断是否发生运动异常的情况；
当运动异常发生时，通过警报模块，向客户端发送警示，从而让客户端持有人(主治医师、病患家属、病患本人等相关人)及时了解病症的发生情况。
上述系统的具体运行方法如下所示：
S1、获取5个人体特定部位的运动数据；
S2、根据帕金森病症的运动旨症，逐一判断所有5个部位的运动数据中是否存在与运动旨症相符合的情况；即、当前数据中出现如图3这类的异常图像；
当判断结果为“是”时，进行S3；
当判断结果为“否”时，结束当前程序，返回数据，并标记正常；
S3、逐一记录本次出现帕金森病症的运动旨症，将其标记为运动异常，并对进行3-1；
S3-1、判断当前病患是否有患病历史；
当判断结果为“否”时，就当前获取的运动旨症，比对数据库中的治疗方案，获取类似病症的治疗方法，并给出策略；
当判断结果为“是”时，调取第N-1次的运动异常数据，进行S3-2；
S3-2、比对第N次和第N-1次的运动异常数据，判断是否存在进步；
当判断结果为“是”时，给出“继续当前治疗方案”的结论；
当判断结果为“否”时，给出“无进步”的结论，并进行S3-3；
S3-3、比对第N次和第N-1次的运动异常数据，判断是“无明显变化”还是“恶化”；
当结果为“恶化”时，给出“停止当前治疗方案”的结论，或者比对数据库中的治疗方案，获取类似病症的治疗方法，并给出新的策略；
新的策略区别于上次的策略，例如：当分析结果推送的治疗策略为库中此类表征病人的最佳策略时，此次则推送候补策略I；如推送的策略为候补策略I时，则判断是否推送过最佳策略，如没有则推送最佳策略，如有则推送其他更相近的候补策略或显示报错，需人工介入；
当结果为“无明显变化”时，与历史数据进行继续比对，并进行S3-3-1；
S3-3-1、逐一比对第N次和第N-x次的运动异常数据，x为2，3，4，5......N的自然数，判断是否存在第N次相对第N-x次的运动异常数据是存有进步的；
当判断结果为“是”时，标记第N-x次的运动异常数据，并进行S3-4；
当判断结果为“否”时，进行S3-5；这种情况往往发生在刚采用第一套治疗方案的情况下；
S3-4、判断x是否达到第一阀值；第一阀值可进行预设定，如：设定为，同样的治疗方案，经2个周期的治疗，仍无明显结果的情况下，则需调整，则x为2；
当判断结果为“否”时，给出“继续当前治疗方案”的结论；即、未达到设定的治疗周期，治疗效果不显的情况下，继续当前治疗；
当判断结果为“是”时，给出“当前治疗方案待调整”的结论；即、达到设定的治疗周期，治疗效果不显的情况下，则认定当前治疗方案不合理需调整；
S3-5、判断N是否达到第二阀值；如：设定为，同样的治疗方案，经4个周期的治疗，仍无明显结果的情况下，则需调整，则N为4；
当判断结果为“否”时，给出“继续当前治疗方案”的结论；即、未达到设定的治疗周期，治疗效果不显的情况下，继续当前治疗；
当判断结果为“是”时，给出“当前治疗方案待调整”的结论；即、达到设定的治疗周期，治疗效果不显的情况下，则认定当前治疗方案不合理需调整。
另外，为了提高治疗的积极性和量化效果：
本系统还将N次运动异常数据进行汇总后，制作趋势图，让患者、家属或其治疗医师能直观的了解到病患的治疗情况。
Claims (7)
1.帕金森患者病后管理方法，其特征在于，由如下步骤实现：
S1、获取各人体特定部位的运动数据；
S2、根据帕金森病症的运动旨症，逐一判断该运动数据中是否存在与运动旨症相符合的情况；
当判断结果为“是”时，进行S3；
当判断结果为“否”时，结束当前程序；
S3、逐一记录本次出现帕金森病症的运动旨症，将其标记为运动异常，并对该运动异常进行病症分析后，给出策略；
S3中，所述对病症进行分析的具体步骤如下所示：
S3-1、判断当前病患是否有患病历史；
当判断结果为“否”时，就当前获取的运动旨症，比对数据库中的治疗方案，获取类似病症的治疗方法，并给出策略；
当判断结果为“是”时，调取第N-1次的运动异常数据，进行S3-2；
S3-2、比对第N次和第N-1次的运动异常数据，判断是否存在进步；
当判断结果为“是”时，给出“继续当前治疗方案”的结论；
当判断结果为“否”时，给出“无进步”的结论；
当判断结果为“否”时，还进行S3-3；
S3-3、比对第N次和第N-1次的运动异常数据，判断是“无明显变化”还是“恶化”；
当结果为“无明显变化”时，与历史数据进行继续比对；
当结果为“恶化”时，给出“停止当前治疗方案”的结论；
当结果为“无明显变化”时，与历史数据进行继续比对的具体方法为：
S3-3-1、逐一比对第N次和第N-x次的运动异常数据，x为2，3，4，5......N的自然数，判断是否存在第N次相对第N-x次的运动异常数据是存有进步的；
当判断结果为“是”时，标记第N-x次的运动异常数据，并进行S3-4；
当判断结果为“否”时，进行S3-5；
S3-4、判断x是否达到第一阀值；
当判断结果为“否”时，给出“继续当前治疗方案”的结论；
当判断结果为“是”时，给出“当前治疗方案待调整”的结论；
S3-5、判断N是否达到第二阀值；
当判断结果为“否”时，给出“继续当前治疗方案”的结论；
当判断结果为“是”时，给出“当前治疗方案待调整”的结论；
所述治疗方案，为根据现有的医疗实践来进行的分析后的结论，具体的分析方法为：
步骤1、在对所有的病患进行筛选后，获取经治疗有良性进展的病患数据；
步骤2、设定此类病患的最后一次治疗为N次，选取所有病患第N-1次的数据，根据其他设定的时间内异常指标出现的次数，进行统计；
步骤3、将统计结果，按振颤次数进行分类；
步骤4、根据分类后的病患数据，分别调取每类病患的治疗方案，分析出最佳治疗方案和候补治疗方案；
分析出最佳治疗方案和候补治疗方案的具体方法为：
A1、就其中的一个分类来看，获取所有这类病患的第N次数据；
A2、将第N次数据与第N-1次数据进行对比，按振颤次数减少量从大到小进行排序，获得前n位的治疗方案；
A3、合并相似的治疗方案，获得使用频次最高的方案，将其设定为最佳治疗方案，频次次一位的为候补治疗方案I，依次类推；
比对数据库中的治疗方案，获取类似病症的治疗方法，并给出策略的方法为：当被检测的病患具有一样的振颤频次时，通过比对病患本身的信息，来确定是否与最佳治疗方案的相关病患匹配，如没有匹配的此类历史病人的话，就在候补治疗方案的相似病人中寻找，如能找到就选择该候补方案，如不能的话，就推送最佳治疗方案。
2.如权利要求1所述的帕金森患者病后管理方法，其特征在于：
当结果为“恶化”时，还根据类似病症的治疗方法，给出新的策略。
3.如权利要求1所述的帕金森患者病后管理方法，其特征在于：
所述S1中，各人体特定部位包括头部、手部、腿部中的至少一个以上。
4.如权利要求1所述的帕金森患者病后管理方法，其特征在于：
还将N次运动异常数据进行汇总后，制作趋势图。
5.一种执行如权利要求1-4任一所述的帕金森患者病后管理方法的帕金森患者病后管理系统，其特征在于：包括数据采集端和服务端；
所述数据采集端和服务端均具有通讯模块，用于实现各相关设备之间的数据交互；
所述数据采集端，包括若干安装于人体不同部位的数据采集器；
所述数据采集器，通过感应的方式，获取和记录实时运动数据，并将该运动数据传送服务端；
所述服务端，包括分析模块、数据存储模块和策略模块；
所述数据存储模块，接收数据采集器传送的运动数据，并进行存储；
所述数据存储模块，还存储有各类典型性帕金森患者的运动旨症数据和医疗方案；
所述分析模块，根据典型性帕金森患者的运动旨症数据，对当前接收到的运动数据进行分析；
所述策略模块，根据分析结果，参照典型性帕金森患者的医疗方案进行医疗策略的制定。
6.如权利要求5所述的帕金森患者病后管理系统，其特征在于：
还包括客户端；
所述客户端也具有通讯模块，用于实现各相关设备之间的数据交互；
所述服务端，将分析结果和医疗策略发送到客户端进行显示。
7.如权利要求6所述的帕金森患者病后管理系统，其特征在于：
所述服务端，还包括警报模块；
所述分析模块，根据实时数据，判断是否发生运动异常的情况；
当运动异常发生时，通过警报模块，向客户端发送警示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910672815.7A CN110379481B (zh) | 2019-07-24 | 2019-07-24 | 帕金森患者病后管理方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910672815.7A CN110379481B (zh) | 2019-07-24 | 2019-07-24 | 帕金森患者病后管理方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110379481A CN110379481A (zh) | 2019-10-25 |
| CN110379481B true CN110379481B (zh) | 2024-04-30 |
Family
ID=68255666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910672815.7A Active CN110379481B (zh) | 2019-07-24 | 2019-07-24 | 帕金森患者病后管理方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110379481B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111150404B (zh) * | 2020-01-16 | 2022-08-02 | 桂林医学院附属医院 | 一种帕金森病情的步态监测装置 |
| CN113362946A (zh) * | 2021-07-20 | 2021-09-07 | 景昱医疗器械(长沙)有限公司 | 视频处理装置、电子设备及计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105595995A (zh) * | 2016-01-29 | 2016-05-25 | 电子科技大学 | 生理数据检测系统、检测装置、终端设备、数据分析方法 |
| CN107224678A (zh) * | 2017-07-17 | 2017-10-03 | 上海联影医疗科技有限公司 | 一种治疗评估系统及存储介质 |
| CN108665954A (zh) * | 2018-05-22 | 2018-10-16 | 王含 | 帕金森综合征疗效管理方法及管理装置 |
| CN109691983A (zh) * | 2018-11-13 | 2019-04-30 | 深圳市和缘科技有限公司 | 一种智能帕金森患者监护系统 |
| CN109744701A (zh) * | 2018-02-09 | 2019-05-14 | 深圳市洋沃电子有限公司 | 一种脱毛系统、脱毛云系统及脱毛方法 |
-
2019
- 2019-07-24 CN CN201910672815.7A patent/CN110379481B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105595995A (zh) * | 2016-01-29 | 2016-05-25 | 电子科技大学 | 生理数据检测系统、检测装置、终端设备、数据分析方法 |
| CN107224678A (zh) * | 2017-07-17 | 2017-10-03 | 上海联影医疗科技有限公司 | 一种治疗评估系统及存储介质 |
| CN109744701A (zh) * | 2018-02-09 | 2019-05-14 | 深圳市洋沃电子有限公司 | 一种脱毛系统、脱毛云系统及脱毛方法 |
| CN108665954A (zh) * | 2018-05-22 | 2018-10-16 | 王含 | 帕金森综合征疗效管理方法及管理装置 |
| CN109691983A (zh) * | 2018-11-13 | 2019-04-30 | 深圳市和缘科技有限公司 | 一种智能帕金森患者监护系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110379481A (zh) | 2019-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11596327B2 (en) | Detection of hypokinetic and hyperkinetic states | |
| RU2650586C2 (ru) | Система мониторинга состояния здоровья для вычисления общей оценки риска | |
| JP5604451B2 (ja) | 臨床的に意味のある生命徴候を自動的に捕獲及び記録保存するシステム及び方法 | |
| EP2055235A1 (en) | Fetal movement information processing device and fetal movement information processing method | |
| US20110270132A1 (en) | Method and system for knee joint evaluation and diagnostic aid in normal and pathologic state | |
| CN112669967B (zh) | 一种主动式健康医疗决策辅助方法及设备 | |
| CN106037720B (zh) | 混合连续信息分析技术的医学应用系统 | |
| CN110379481B (zh) | 帕金森患者病后管理方法和系统 | |
| EP1485023B1 (en) | System for continuous performance testing | |
| WO2018227239A1 (en) | Mental state indicator | |
| KR20190115978A (ko) | 운동 능력 파라미터들에 기초한 노쇠 정도 측정기 | |
| EP1454586A1 (en) | Chaologic brain function diagnosis apparatus | |
| CN116019429B (zh) | 基于生理指标的健康监测方法、装置、设备及存储介质 | |
| CN116013514A (zh) | 一种基于多参数融合的一体化糖尿病足预测系统 | |
| CN117373584B (zh) | 一种急性肾损伤的动态预测方法及系统 | |
| JP2000166877A (ja) | 生体リズム検査装置及び生体リズム検査方法 | |
| Chen et al. | An auxiliary diagnostic system for Parkinson’s disease based on wearable sensors and genetic algorithm optimized random forest | |
| CN117174291A (zh) | 一种糖尿病前期人群发生糖尿病风险预测的方法及系统 | |
| CN117079807A (zh) | 一种针对中老年常见疾病的智能诊断支持系统和方法 | |
| CN112071428A (zh) | 一种基于健康数据采集的潜在性疾病分析系统 | |
| Chen et al. | Beat-to-beat heart rate detection based on seismocardiogram using BiLSTM network | |
| Onim et al. | CASD-OA: Context-Aware Stress Detection for Older Adults with Machine Learning and Cortisol Biomarker | |
| KR20200048288A (ko) | 보행 속도에 기초한 노쇠 정도 측정기 | |
| CN113855570B (zh) | 帕金森病服药提醒方法、系统、电子设备及存储介质 | |
| CN117316367B (zh) | 一种基于ai的智能化诊断系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |