CN110782990B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110782990B CN110782990B CN201910966329.6A CN201910966329A CN110782990B CN 110782990 B CN110782990 B CN 110782990B CN 201910966329 A CN201910966329 A CN 201910966329A CN 110782990 B CN110782990 B CN 110782990B
- Authority
- CN
- China
- Prior art keywords
- risk
- item
- risk level
- risk assessment
- health data
- 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
- 208000006011 Stroke Diseases 0.000 title claims abstract description 86
- 238000012502 risk assessment Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000036541 health Effects 0.000 claims abstract description 83
- 230000002490 cerebral effect Effects 0.000 claims abstract description 48
- 206010008190 Cerebrovascular accident Diseases 0.000 claims abstract description 47
- 238000012216 screening Methods 0.000 claims abstract description 22
- 230000005180 public health Effects 0.000 claims abstract description 19
- 238000003745 diagnosis Methods 0.000 claims abstract description 9
- 238000011835 investigation Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 37
- 238000011156 evaluation Methods 0.000 claims description 29
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 206010020772 Hypertension Diseases 0.000 claims description 9
- 206010003658 Atrial Fibrillation Diseases 0.000 claims description 8
- 206010012601 diabetes mellitus Diseases 0.000 claims description 8
- 208000018578 heart valve disease Diseases 0.000 claims description 8
- 230000000391 smoking effect Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 6
- 208000032928 Dyslipidaemia Diseases 0.000 claims description 5
- 208000017170 Lipid metabolism disease Diseases 0.000 claims description 5
- 208000008589 Obesity Diseases 0.000 claims description 5
- 206010033307 Overweight Diseases 0.000 claims description 5
- 235000020824 obesity Nutrition 0.000 claims description 5
- 201000010875 transient cerebral ischemia Diseases 0.000 claims description 5
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 150000002632 lipids Chemical class 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 208000001953 Hypotension Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 208000035474 group of disease Diseases 0.000 description 1
- 208000021822 hypotensive Diseases 0.000 description 1
- 230000001077 hypotensive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011321 prophylaxis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 208000023516 stroke disease Diseases 0.000 description 1
- 230000009861 stroke prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 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
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种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，其中方法包括：步骤1：建立与居民身份信息对应的健康档案；步骤2：居民完成体检以及问卷调查，填入所述健康数据表；步骤3：录入健康数据表中的含有关注项的所有健康数据；步骤4：利用预先设置的风险评估算法对所述关注项统计，根据统计结果评估出居民所患脑卒中的风险等级；步骤5：设置初筛条件，对满足初筛条件的居民标注为待确认对象；步骤6：对待确认对象进一步的诊断，并由医生做出脑卒中风险高低的最终评估结论。本发明提供一种用于基层公卫服务脑卒中风险评估的方法，该方法能够克服现有技术中无法在脑卒中未发生时做出风险评估，提前对高危人群进行干预的技术问题。
Description
技术领域
本发明涉及基层公共卫生领域，具体地说，涉及一种用于基层公卫服务脑卒中风险评估的方法、系统及移动移动平台。
背景技术
脑卒中是一种急性脑血管疾病，是由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病。调查显示，城乡合计脑卒中已成为我国第一位死亡原因，也是中国成年人残疾的首要原因，脑卒中具有发病率高、死亡率高和致残率高的特点。不同类型的脑卒中，其治疗方式不同。由于一直缺乏有效的治疗手段，目前认为预防是最好的措施，其中高血压是导致脑卒中的重要可控危险因素，因此，降压治疗对预防卒中发病和复发尤为重要。
然而目前还没有一种在脑卒中还未发生时，对基层公卫服务脑卒中风险评估，继而根据风险评估结论做出提前干预的行之有效的手段。
除此之外，增加脑卒中预防在国家基层的公共卫生服务的要求也没有得到满足和适用。
发明内容
本发明的目的在于提供一种用于基层公卫服务脑卒中风险评估的方法、系统以及移动移动平台，旨在解决现有技术无法在脑卒中未发生时做出风险评估，提前对高危人群进行干预的技术问题。
本发明提供一种用于基层公卫服务脑卒中风险评估的方法，包括：步骤1：建立与居民身份信息对应的健康档案，所述健康档案包括预先设置的健康数据表模板；步骤2：居民根据健康数据表中需填写的内容，完成体检以及问卷调查，并将结果填入所述健康数据表；步骤3：录入健康数据表中的健康数据，所述健康数据中含有多项脑卒中风险的关注项；步骤4：利用预先设置的风险评估算法对所述关注项统计，根据统计结果评估出居民所患脑卒中的风险等级，所述风险等级具有多个，多个所述风险等级彼此之间风险高低不同；步骤5：设置初筛条件，所述初筛条件是从多个所述风险等级中选择的至少一个，对满足初筛条件的居民标注为待确认对象；步骤6：对待确认对象进一步的诊断，并由医生做出脑卒中风险高低的最终评估结论。
在本发明中，首先对基层居民建立健康档案，并将通过体检和问卷的形式填写一份健康数据表保存；之后根据健康数据表保存的数据对健康数据中与脑卒中相关的关注项利用预先设置的风险评估算法进行计算和统计，根据结果得到风险等级。此时得到的风险等级为参考值，接着根据预先确定的初筛条件对居民健康数据再次筛查，筛查出满足初筛的居民信息，并将这些居民标注为待确认对象；此时标注出的待确认对象就与潜在发生脑卒中的风险较为相关；之后，在由医生对待确认对象进行进一步的诊断，根据诊断结构得到最终评估结论。
本发明中，首先对建立了健康档案的所有基层居民进行基层公卫服务脑卒中风险评估，可对每个居民评估为高中低三种风险等级之一；之后，根据初筛条件再从高中低三种风险等级中筛选出需要特别关注的风险等级的居民，并标注为待确认对象，进一步地缩小需要现场由医生检测评估的居民范围和数量，其中筛选出的待确认对象的脑卒中风险也相应的进一步提高，能够使得医生的检测更有针对性，避免对更低风险等级的居民的检测而占用医疗资源的情况出现；最后，医生根据，现场实际的检测结果，对这些待确认对象的脑卒中风险做出一个风险等级的评估，最终做出的风险等级的评估为最终评估结论。
本发明能够在居民脑卒中发病之前，对其进行风险等级的算法预先评估，再从那些预先评估风险等级中初筛出一些具有较高患病风险的患者，对这些初筛出的患者由医生现场检测诊断，直至最终做出最终评估结论；克服了现有技术中，无法在脑卒中未发生时做出风险评估，提前对高危人群进行干预的技术问题。
附图说明
图1是本发明用于基层公卫服务脑卒中风险评估的方法的流程示意图；
图2是本发明风险评估算法的评估过程示意图；
图3是本发明用于基层公卫服务脑卒中风险评估系统的模块示意图；
图4是本发明另一种风险评估系统的实施方式的示意图。
具体实施方式
下面结合具体实施例和说明书附图对本发明做进一步阐述和说明:
参阅图1，本发明提供一种用于基层公卫服务脑卒中风险评估的方法，该方法能够克服现有技术中无法在脑卒中未发生时做出风险评估，提前对高危人群进行干预的技术问题。
具体的，该方法包括：步骤1：建立与居民身份信息对应的健康档案，所述健康档案包括预先设置的健康数据表模板。
健康档案与居民身份信息相对应，每份健康档案均对应于一个居民信息，该健康档案是后续基层公卫服务脑卒中风险评估的数据来源，联系方式来源以及其他提醒、跟踪、服务的基础，也是基础公共卫生服务的建档要求。居民在建立了健康档案后，能够利用自己的身份信息对健康档案查看等操作。
健康数据表模板是预先设置的表格，针对所有居民均相同，待居民向该健康数据表模板中填入各自的健康数据后就形成了健康数据表，该健康数据表被保存在相对应的居民的健康档案下。
步骤2：居民根据健康数据表中需填写的内容，完成体检以及问卷调查，并将结果填入所述健康数据表。
在该健康数据表中需要填入的内容分为两类，一类是通过医疗检测设备检测后，根据实际的检测结果就能够直接填入的数据，即体检数据；另一类是在健康数据表中设置问卷的形式，通过居民答复问卷内容才能填入的数据，即问卷数据。其中，体检数据例如：血压值，身高体重比，血脂数值；问卷数据例如：是否有脑卒中的家族史，心脏病史，是否吸烟等跟病史和生活习惯相关的问题。
居民要根据健康数据表中需要填写的内容进行相应的体检或问卷答复，之后填入结果，形成居民个人的健康数据。
步骤3：录入健康数据表中的健康数据，所述健康数据中含有多项脑卒中风险的关注项。
具体的，所述关注项是指该内容是脑卒中发作的影响因子,具体哪些是关注项是在健康数据表中预先设置得。且预先设置得关注项的内容对脑卒中发生的影响大小不完全相同。具体的，所述关注项包括第一项和第二项，所述第一项的影响因子关联性小于第二项的影响因子关联性，所述第一项包括：高血压，血脂异常，糖尿病，房颤或瓣膜性心脏病，吸烟史，超重或肥胖，缺乏运动，脑卒中家族史；所述第二项包括：短暂性脑缺血，既往脑卒中史。同时在第一项中并非所有的关注项对脑卒中发生的影响均相同，具体的，所述第一项内含有标定项，所述标定项的影响因子关联性大于第一项中非标定项的影响因子关联性，所述标定项包括：高血压，糖尿病，心房颤动或瓣膜性心脏病。
步骤4：利用预先设置的风险评估算法对所述关注项统计，根据统计结果评估出居民所患脑卒中的风险等级，所述风险等级具有多个，多个所述风险等级彼此之间风险高低不同。
在本发明的实施方式中，设置风险等级为3级，分别是低危等级、中危等级以及高危等级；其中3个危险等级对患脑卒中的风险依次升高，即高危等级的居民患脑卒中的风险大于中危等级居民以及低危等级居民。
其中，预先设置的风险评估算法包括：统计法和定性法，定性法是指从关注项中首先判定预先特定设置的几项关注项是否存在，若存在，则评估出一种风险等级；统计法是指统计存在异常的关注项的数量，若达到预先设定的数量阈值，则评估为一种风险等级。
如图2，在本实施方式中，用定性法判定是，特定设置的项是第二项以及标定项；具体的，判断过程如下：
步骤41：用定性法对第二项对应内容判定，若第二项中任何一个关注项异常，则评估为高危等级，若第二项中任意一个关注项均未异常，则执行步骤42；
步骤42：用统计法对第一项对应内容中的存在异常的关注项数量进行统计，若统计的数量不小于3，则评估为高危等级，若统计的数量小于3，则执行步骤43；
步骤43：用定性法对标定项对应内容判定，若标定项中任何一个关注项异常，则评估为中危等级；若标定项中没有任何一个关注项异常，则评估为低危等级。
在本实施方式中，根据关注项的内容对脑卒中发生的影响因子的大小，从大到小的排序如下：第二项(短暂性脑缺血，具有既往脑卒中史)＞第一项中的标定项(高血压，糖尿病，心房颤动或瓣膜性心脏病)＞第一项中的非标定项(血脂异常，吸烟史，超重或肥胖，缺乏运动，脑卒中家族史)。
在本实施方式中，通过设置不同影响因子大小的关注项能够根据出现的健康数据将居民所患脑卒中的风险做一个初步的自动化评估，一方面能够对居民接下来的生活做出指引，另一发明还可以进一步地根据风险等级筛选，缩小需要关注的居民数量和范围，做到更好的更精准的服务。
步骤5：设置初筛条件，所述初筛条件是从多个所述风险等级中选择的至少一个，对满足初筛条件的居民标注为待确认对象。
在本实施方式中，所述初筛条件设置为高危等级，即对经过上述评估后患脑卒中为高危等级的居民标注为待确认对象，为重点需要关注的对象，需要进一步的评估和关注。
步骤6：对待确认对象进一步的诊断，并由医生做出脑卒中风险高低的最终评估结论。
对待确认对象进一步的诊断包括对待确认的对象进行颈部超声检查，并由医生根据静脉超声结果从低危等级、中危等级以及高危等级中选择一个风险等级作为最终评估结论。
即在经过超声检测后，这些待确认对象的风险等级可以被改变，就是说对这些待确认对象的风险等级的评估以最终的医生的主管评估为准，此时最终的评估结论也可以是判定为低危等级或中危等级。
申请人利用本申请的脑卒中评估方法，对10000人进行评估的统计，统计结果如下表1：
表1本方法对万人评估统计对照表
对上表1的分析主要是：
1、在最终评估结论为低危等级的人群中，并没有一人是从医生进一步B超诊断确定的；即，通过对预先评估为高危等级的待确认对象，不存在经过医生再次B超检测评估后改为低危等级的情况。说明，通过预先设置的风险评估算法对所述关注项统计、评估的结果基本上与医生B超检测的评估结论相一致。
2、经过风险评估算法评估出的高危等级的人员有821人，而这821人在全部经过医生B超再检测评估后，认为仍然为高危等级的人员达到789人，仅32人被全部改为中危等级，更改率为3.8％，准确度较高。
3、申请人针对评估为各个风险等级的后续跟踪，跟踪期为18个月，在跟踪期内实际发生脑卒中的居民人数分别是：3、8以及63人。明显可以看到，实际发生脑卒中人员的数量成递增趋势。其中评估为3个等级的实际发病率分别为：0.055％、2.11％、7.98％；由此可看出实际的发病率与风险等级相一致。根据已经所做的脑卒中发病情况的调查统计，目前脑卒中患病率(含首次发病以及具有病史再次发病)为1.59％，来源《Circulation》2017.1.4日由Ness-China发布的《中国脑卒中疾病负担横断面调查研究》。
在以上数据的参考下，可以看出评估为低危等级的居民中实际脑卒中发病率0.055％远低于统计值1.59％，而评估为中危等级的实际发病率2.11％略高于统计值1.59％，评估为高危等级的实际发病率7.98％已经远大于统计值1.59％。所以通过本评估方法做出的评估能够将不易发病的低危等级以及高发病的高危等级从大量的统计标本中区分出来；据此该评估方法做出的评估结论与实际发病是相一致的，是具有参考价值的。
参阅图3，本发明同时提供了一种用于基层公卫服务脑卒中风险评估的系统，该系统包括建档模块10。该建档模块10用于根据居民的身份信息建立健康档案，每个居民对应于一个健康档案。该健康档案是后续基层公卫服务脑卒中风险评估的数据来源，联系方式来源以及其他提醒、跟踪、服务的基础，也是基础公共卫生服务的建档要求。居民在建立了健康档案后，能够利用自己的身份信息对健康档案查看等操作。
其中，该系统还包括储存有健康数据表21，并与建档模块10通信的录入终端20。所述录入终端20用于根据检测或问卷调查向健康数据表21中录入健康数据，所述健康数据表21中含有多项脑卒中风险的关注项。
其中，该系统还包括至少一项医学检测设备30，用于对人体健康数据检测，并将检测到的健康数据导入所述录入终端20的健康数据表21；
在本发明中健康数据分为两类，一类是通过医疗检测设备检测后，根据实际的检测结果就能够直接填入的数据，即体检数据；另一类是在健康数据表21中设置问卷的形式，通过居民答复问卷内容才能填入的数据，即问卷数据。其中，体检数据例如：血压值，身高体重比，血脂数值；问卷数据例如：是否有脑卒中的家族史，心脏病史，是否吸烟等跟病史和生活习惯相关的问题。
其中，医学检测设备30导入录入终端20中的健康数据包含第一类，即体检数据；而通过录入终端20直接录入的健康数据包括第一类和第二类，即既可以是体检数据还可以是问卷数据。
居民要根据健康数据表21中需要填写的内容进行相应的体检或问卷答复，之后填入结果，形成居民个人的健康数据。
在本发明中关注项是预先设置在健康数据表21中的项目，具体的是指该内容是脑卒中发作的影响因子,具体哪些是关注项是在健康数据表21中预先设置的。且预先设置的关注项的内容对脑卒中发生的影响大小不完全相同。具体的，所述关注项包括第一项和第二项，所述第一项的影响因子关联性小于第二项的影响因子关联性，所述第一项包括：高血压，血脂异常，糖尿病，房颤或瓣膜性心脏病，吸烟史，超重或肥胖，缺乏运动，脑卒中家族史；所述第二项包括：短暂性脑缺血，既往脑卒中史。同时在第一项中并非所有的关注项对脑卒中发生的影响均相同，具体的，所述第一项内含有标定项，所述标定项的影响因子关联性大于第一项中非标定项的影响因子关联性，所述标定项包括：高血压，糖尿病，心房颤动或瓣膜性心脏病。
本系统还包括风险评估中心40，该风险评估中心40根据预设于其中的风险评估算法对填入健康数据后的健康数据表21中的关注项统计，根据统计结果评估居民所患脑卒中的风险等级。
在本发明的实施方式中，风险评估中心40中设置风险等级为3级，分别是低危等级、中危等级以及高危等级；其中3个危险等级对患脑卒中的风险依次升高，即高危等级的居民患脑卒中的风险大于中危等级居民以及低危等级居民。
其中，预先设置的风险评估算法包括：统计法和定性法，定性法是指从关注项中首先判定预先特定设置的几项关注项是否存在，若存在，则评估出一种风险等级；统计法是指统计存在异常的关注项的数量，若达到预先设定的数量阈值，则评估为一种风险等级。
在本实施方式中，用定性法判定是，特定设置的项是第二项以及标定项；具体的，风险评估中心40的判断评估过程如下：
步骤41：用定性法对第二项对应内容判定，若第二项中任何一个关注项异常，则评估为高危等级，若第二项中任意一个关注项均未异常，则执行步骤42；
步骤42：用统计法对第一项对应内容中的存在异常的关注项数量进行统计，若统计的数量不小于3，则评估为高危等级，若统计的数量小于3，则执行步骤43；
步骤43：用定性法对标定项对应内容判定，若标定项中任何一个关注项异常，则评估为中危等级；若标定项中没有任何一个关注项异常，则评估为低危等级。
在本实施方式中，根据关注项的内容对脑卒中发生的影响因子的大小，从大到小的排序如下：第二项(短暂性脑缺血，具有既往脑卒中史)＞第一项中的标定项(高血压，糖尿病，心房颤动或瓣膜性心脏病)＞第一项中的非标定项(血脂异常，吸烟史，超重或肥胖，缺乏运动，脑卒中家族史)。
本系统还包括初筛模块50，设置初筛条件，所述初筛条件是从多个所述风险等级中选择的至少一个，所述初筛模块50筛选满足所述初筛条件的居民，并将筛选的所述居民标识为待确认对象，本系统中初筛条件是高危等级，即满足高危等级的居民就会被标识为待确认对象。
本系统还包括再确认检测模块60，所述再确认检测模块60进一步对待确认对象检测，并由医生根据再检测结果对待确认对象做出最终评估结论。对待确认对象进一步的检测和诊断包括对待确认的对象进行颈部超声检查，并由医生根据静脉超声结果从低危等级、中危等级以及高危等级中选择一个风险等级作为最终评估结论。
即在经过超声检测后，这些待确认对象的风险等级可以被改变，就是说对这些待确认对象的风险等级的评估以最终的医生的主管评估为准，此时最终的评估结论也可以是判定为低危等级或中危等级。
参阅图4，在本发明的一种极简实施方式中，录入终端20为智能移动终端22，所述智能移动终端22内预设有建档模块10，风险评估中心40，初筛模块50；所述建档模块10，风险评估中心40，初筛模块50均为内嵌软件程序和算法；所述多项医学检测设备30为一体化体检移动平台及相对应检测项目的快速检测盒32；所述风险评估中心40包括算法执行单元41以及关注项数值抓取单元42，通过抓取关注项数值并由算法执行单元41评估出风险等级；所述再确认检测模块60为远程B超检测设备61。
此时，居民前往该系统，首先通过智能移动终端22建档，之后再通过智能移动终端22录入健康数据表21中的数据，对于需要进行体检的方式才能填入的数据，安排居民前往一体化体检移动平台进行体检，需要抽血检测或者其他生化检测的采用快速检测盒32检测，之后再统一利用智能移动终端22填入或者录入健康数据表21。健康数据表21完成后，智能移动终端22内的抓取单元根据预先设置的关注项抓取健康数据发送至算法执行单元41，算法执行单元41通过预设的风险评估算法评估出该居民的脑卒中风险等级；之后智能移动终端22满足预设为高危等级的初筛条件的居民健康档案发送至医生端，医生通过B超检测设备对高危等级的居民进行颈部B超检测，并做出最终评估结论，将最终评估结论录入所述智能移动终端22即可。
本发明另外还提供了一种用于脑卒中的风险评估移动移动平台，该移动移动平台包括上述的用于脑卒中的风险评估系统。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (4)
1.一种用于基层公卫服务脑卒中风险评估的系统，其特征在于，包括：
建档模块，用于建立与居民身份信息对应的健康档案，所述健康档案包括预先设置的健康数据表模板；
储存有所述健康数据表，并与建档模块通信的录入终端，所述录入终端用于根据检测或问卷调查向健康数据表中录入健康数据，所述健康数据表中含有多项脑卒中风险的关注项；
至少一项医学检测设备，用于对人体健康数据检测，并将检测到的健康数据导入所述录入终端的健康数据表；
风险评估中心，根据预设于其中的风险评估算法对填入健康数据后的健康数据表中的关注项统计，根据统计结果评估居民所患脑卒中的风险等级；
初筛模块，设置初筛条件，所述初筛条件是从多个所述风险等级中选择的至少一个，所述初筛模块筛选满足所述初筛条件的居民，并将筛选的所述居民标识为待确认对象，以便于做出脑卒中风险高低的最终评估结论；
再确认检测模块，所述再确认检测模块进一步对待确认对象检测，并由医生根据再检测结果对待确认对象做出最终评估结论；
其中，所述风险评估算法包括：统计法和定性法，定性法是指从关注项中首先判定预先特定设置的几项关注项是否存在，若存在，则评估出一种风险等级；统计法是指统计存在异常的关注项的数量，若达到预先设定的数量阈值，则评估为一种风险等级；
所述关注项包括第一项和第二项，所述第一项的影响因子关联性小于第二项的影响因子关联性，所述第一项包括：高血压，血脂异常，糖尿病，房颤或瓣膜性心脏病，吸烟史，超重或肥胖，缺乏运动，脑卒中家族史；所述第二项包括：短暂性脑缺血，既往脑卒中史；所述第一项内含有标定项，所述标定项的影响因子关联性大于第一项中非标定项的影响因子关联性，所述标定项包括：高血压，糖尿病，心房颤动或瓣膜性心脏病；所述风险等级包括3个，分别是低危等级、中危等级以及高危等级；风险评估算法包括以下步骤：
步骤41：用定性法对第二项对应内容判定，若第二项中任何一个关注项异常，则评估为高危等级，若第二项中任意一个关注项均未异常，则执行步骤42；
步骤42：用统计法对第一项对应内容中的存在异常的关注项数量进行统计，若统计的数量不小于3，则评估为高危等级，若统计的数量小于3，则执行步骤43；
步骤43：用定性法对标定项对应内容判定，若标定项中任何一个关注项异常，则评估为中危等级；若标定项中没有任何一个关注项异常，则评估为低危等级。
2.如权利要求1所述的基层公卫服务脑卒中风险评估的系统，其特征在于，所述初筛条件设置为高危等级，对满足为高危等级的居民标注为待确认对象；对待确认对象进一步的诊断包括对待确认的对象进行颈部超声检查，并由医生根据颈部超声结果从低危等级、中危等级以及高危等级中选择一个风险等级作为最终评估结论。
3.如权利要求2所述的用于基层公卫服务脑卒中风险评估的系统，其特征在于，所述录入终端为智能移动终端，所述智能移动终端内预设有建档模块，风险评估中心，初筛模块；所述建档模块，风险评估中心，初筛模块均为内嵌软件程序和算法；所述医学检测设备为一体化体检平台及相对应检测项目的快速检测盒；所述风险评估中心包括算法执行单元以及关注项数值抓取单元，通过抓取关注项数值并由算法执行单元评估出风险等级；所述再确认检测模块为远程B超检测设备。
4.一种用于基层公卫服务脑卒中风险评估的移动平台，其特征在于，包括如权利要求1至3任意一项所述的基层公卫服务脑卒中风险评估系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910966329.6A CN110782990B (zh) | 2019-10-12 | 2019-10-12 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910966329.6A CN110782990B (zh) | 2019-10-12 | 2019-10-12 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110782990A CN110782990A (zh) | 2020-02-11 |
| CN110782990B true CN110782990B (zh) | 2024-06-07 |
Family
ID=69386155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910966329.6A Active CN110782990B (zh) | 2019-10-12 | 2019-10-12 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110782990B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111918A (zh) * | 2021-03-17 | 2021-07-13 | 重庆城市管理职业学院 | 基于异常样本检测和多维信息输出的脑卒中风险筛查方法 |
| CN113299387A (zh) * | 2021-05-11 | 2021-08-24 | 上海福晞科技发展有限公司 | 一种社区脑健康智能宣传评估训练服务平台 |
| CN114334157A (zh) * | 2022-01-19 | 2022-04-12 | 北京富通东方科技有限公司 | 一种脑卒中风险预测方法及装置 |
| CN115299890A (zh) * | 2022-07-26 | 2022-11-08 | 湖北智奥物联网科技有限公司 | 孕期健康管理的柔性装置及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107085817A (zh) * | 2017-05-27 | 2017-08-22 | 北京医健保健康管理有限公司 | 医疗系统 |
| CN108288504A (zh) * | 2018-01-24 | 2018-07-17 | 首都医科大学宣武医院 | 检测数据批量处理方法及系统 |
| CN109147947A (zh) * | 2018-08-15 | 2019-01-04 | 南京旭颢信息科技有限公司 | 一种适用于慢病及高危患者的循环递进式健康管理方法 |
| CN109300515A (zh) * | 2018-09-28 | 2019-02-01 | 安徽名流健康管理有限公司 | 基于大数据分析的健康管理系统 |
-
2019
- 2019-10-12 CN CN201910966329.6A patent/CN110782990B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107085817A (zh) * | 2017-05-27 | 2017-08-22 | 北京医健保健康管理有限公司 | 医疗系统 |
| CN108288504A (zh) * | 2018-01-24 | 2018-07-17 | 首都医科大学宣武医院 | 检测数据批量处理方法及系统 |
| CN109147947A (zh) * | 2018-08-15 | 2019-01-04 | 南京旭颢信息科技有限公司 | 一种适用于慢病及高危患者的循环递进式健康管理方法 |
| CN109300515A (zh) * | 2018-09-28 | 2019-02-01 | 安徽名流健康管理有限公司 | 基于大数据分析的健康管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110782990A (zh) | 2020-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110782990B (zh) | 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 | |
| Moran et al. | Effectiveness of systematic screening for the detection of atrial fibrillation | |
| Morgan et al. | Randomised trial of two approaches to screening for atrial fibrillation in UK general practice. | |
| Moran et al. | Systematic screening for the detection of atrial fibrillation | |
| Kosinski et al. | A six-item short-form survey for measuring headache impact: The HIT-6™ | |
| Hu et al. | Automated detection of postoperative surgical site infections using supervised methods with electronic health record data | |
| CN107153774A (zh) | 慢性病风险评估双曲线模型的构建及应用该模型的疾病预测系统 | |
| Stott et al. | Screening for speech and language disorders: The reliability, validity and accuracy of the General Language Screen | |
| Kodama et al. | Unstable bodyweight and incident type 2 diabetes mellitus: a meta‐analysis | |
| Yao et al. | Batch enrollment for an artificial intelligence-guided intervention to lower neurologic events in patients with undiagnosed atrial fibrillation: rationale and design of a digital clinical trial | |
| CN109544370A (zh) | 一种基于智能决策的照护对象的评定方法及相关设备 | |
| Barbic et al. | Validation of the brief version of the Recovery Self-Assessment (RSA-B) using Rasch measurement theory. | |
| CN114010173A (zh) | 基于神经网络的非瓣膜性房颤心源性卒中评估系统和方法 | |
| CN114566282A (zh) | 一种基于超声心动图检测报告的治疗决策系统 | |
| Leafloor et al. | Long-term outcomes in syncope patients presenting to the emergency department: A systematic review | |
| CN114550896A (zh) | 基于人工神经网络的头晕患者急诊预检分诊决策方法、装置及模型 | |
| Linley‐Adams et al. | The Behavioural Outcomes of Anxiety scale (BOA): a preliminary validation in stroke survivors | |
| Page et al. | Using daily monitoring of psychiatric symptoms to evaluate hospital length of stay | |
| CN113611428A (zh) | 一种脑卒中高危人群筛选方法和系统 | |
| Cholerton et al. | Cognitive performance in Parkinson’s disease in the Brain Health Registry | |
| Suwanpasu et al. | Accuracy of modified early warning scores for predicting mortality in hospital: A systematic review and meta-analysis | |
| CN105354414A (zh) | 一种基于层次分析的人体健康状况评估方法 | |
| Sethi et al. | Breathlessness Predicts Mortality in Adults: A Systematic Review and Meta-Analysis | |
| CN114203307A (zh) | 一种受试者分配方法、系统及电子设备 | |
| Barbosa-Leiker et al. | Testing gender and longitudinal measurement invariance of the SF-36 in American Indian older adults: The strong heart study. |
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 |