CN110840424A - 一种预警式诊中监测装置及方法 - Google Patents
一种预警式诊中监测装置及方法 Download PDFInfo
- Publication number
- CN110840424A CN110840424A CN201911146099.5A CN201911146099A CN110840424A CN 110840424 A CN110840424 A CN 110840424A CN 201911146099 A CN201911146099 A CN 201911146099A CN 110840424 A CN110840424 A CN 110840424A
- Authority
- CN
- China
- Prior art keywords
- information
- module
- risk level
- early warning
- dynamic curve
- 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.)
- Granted
Links
- 238000012806 monitoring device Methods 0.000 title claims abstract description 19
- 238000003745 diagnosis Methods 0.000 title abstract description 45
- 238000000034 method Methods 0.000 title description 19
- 230000002159 abnormal effect Effects 0.000 claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 208000024891 symptom Diseases 0.000 claims abstract description 16
- 230000036772 blood pressure Effects 0.000 claims description 45
- 230000008859 change Effects 0.000 claims description 35
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 20
- 229910052760 oxygen Inorganic materials 0.000 claims description 20
- 239000001301 oxygen Substances 0.000 claims description 20
- 239000008280 blood Substances 0.000 claims description 19
- 210000004369 blood Anatomy 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 12
- 230000035487 diastolic blood pressure Effects 0.000 claims description 7
- 230000035488 systolic blood pressure Effects 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000002496 oximetry Methods 0.000 claims 1
- 201000010099 disease Diseases 0.000 description 20
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 20
- 238000004891 communication Methods 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 9
- 206010020772 Hypertension Diseases 0.000 description 7
- 230000001154 acute effect Effects 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 208000024172 Cardiovascular disease Diseases 0.000 description 4
- 238000009530 blood pressure measurement Methods 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000002216 heart Anatomy 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 210000003734 kidney Anatomy 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 208000004998 Abdominal Pain Diseases 0.000 description 2
- 208000009525 Myocarditis Diseases 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 208000021760 high fever Diseases 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 208000018316 severe headache Diseases 0.000 description 2
- 230000008733 trauma Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000008673 vomiting Effects 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 206010033557 Palpitations Diseases 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 206010053476 Traumatic haemorrhage Diseases 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 231100000570 acute poisoning Toxicity 0.000 description 1
- 230000001754 anti-pyretic effect Effects 0.000 description 1
- 239000002221 antipyretic Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 208000035850 clinical syndrome Diseases 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 230000002977 hyperthermial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 208000011818 severe chest pain Diseases 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 208000014221 sudden cardiac arrest Diseases 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 210000004916 vomit Anatomy 0.000 description 1
Images
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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种预警式诊中监测装置，所述装置至少包括信息采集模块、分级评估模块、分级校准模块、预警协调模块和至少一个终端设备，所述分级评估模块基于至少一个终端设备输入的症状信息和/或所述信息采集模块采集的第一生理信息按照预设关联关系确定第一危险等级，所述分级校准模块基于由所述信息采集模块按照预设时间间隔采集并生成的至少一种生理信息动态曲线来分析第二危险等级并根据所述第二危险等级来校准所述第一危险等级，所述预警协调模块基于至少一种存在异常状态的所述生理信息动态曲线、预测候诊时间、定位信息和/或校准后的所述第一危险等级确定预警线路的优先顺序。本发明能够更准确地对候诊病人进行分诊分级。
Description
技术领域
本发明涉及智能医疗技术领域，尤其涉及一种预警式诊中监测装置及方法。
背景技术
高血压(hypertension)是指以体循环动脉血压(收缩压和/或舒张压)增高为主要特征(收缩压≥140毫米汞柱，舒张压≥90毫米汞柱)，可伴有心、脑、肾等器官的功能或器质性损害的临床综合征。高血压是最常见的慢性病，也是心脑血管病最主要的危险因素。正常人的血压随内外环境变化在一定范围内波动。在整体人群，血压水平随年龄逐渐升高，以收缩压更为明显，但50岁后舒张压呈现下降趋势，脉压也随之加大。近年来，人们对心血管病多重危险因素的作用以及心、脑、肾靶器官保护的认识不断深入，高血压的诊断标准也在不断调整，目前认为同一血压水平的患者发生心血管病的危险不同，因此有了血压分层的概念，即发生心血管病危险度不同的患者，适宜血压水平应有不同。当血压突然升高到一定程度时甚至会出现剧烈头痛、呕吐、心悸、眩晕等症状，严重时会发生神志不清、抽搐，这就属于急进型高血压和高血压危重症，多会在短期内发生严重的心、脑、肾等器官的损害和病变，如中风、心梗、肾衰等；所以高血压患者在护理时需要实时的进行血压监测。
目前，医疗诊断中采用了监测设备，例如电子腕带来对患者的血压、脉搏、血氧饱和度和体温进行测量，并且在超出阈值的情况下进行预警，并且将预警信息发送至护士站。例如，中国专利CN110141202A公开了一种手镯样自动报警电子血压计，其特征在于：包括移动端、主机、分机和监测系统，所述移动端包括佩戴装置和移动端主机，佩戴装置为带有衔接扣的腕带，分别与移动端主机的底座连接，所述移动端主机包括安装在底座上的壳体，壳体上表面安装触控显示屏和电源模块，壳体表面设有蜂鸣器、扬声器和LED警示灯，侧面安装功能按键，主机通过无线传输模块接收移动端的信号；所述监测系统包括壳体内置分别与电源模块连接的微处理器、定位模块、语音模块、无线传输模块和底座内置与电源模块连接的检测单元，以及主机内置无线传输模块、控制模块、显示模块和警示模块；所述检测单元包括血压检测单元、脉搏检测单元、氧饱和度检测单元；所述主机通过4G网络、蓝牙模块或无线局域网与分机连接，所述分机包括移动端、智能PC、社区医院主机、护士站主机和护理人员PC。该专利是典型的具有预警功能的电子血压计，能够测量数据并进行基本的预警。
例如，中国专利108771537A公开了一种智能血压预警系统。该系统可以包括：用户端，包括血压计量单元，用于获取用户的血压信息；处理模块，根据血压信息，计算血压安全等级，并传输至控制模块；控制模块，根据血压安全等级，将血压信息传输至预警模块；预警模块，获取血压信息并发送提示信息至用户端。本发明通过获取血压信息并分析，实现智能血压预警，提前发现疾病隐患。
例如，中国专利CN 108042120 A公开了一种智能血压计的数据监测方法，其特征在于，包括步骤：S1：接收测量开关开启信号，同时通过测量开关上的指纹识别装置采集用户的指纹信息，并将采集的指纹信息发送至后台服务器以便于后台服务器对该指纹信息与预设建立的个人体系账户匹配；S2：将采集的用户血压测量数据发送至后台服务器，用于后台服务器对采集的用户血压测量数据进行数据分析并判断采集的血压测量数据是否在预设范围内；S3：若采集的用户血压测量数据不在预设范围内，则进行预设预警并对异常状态进行对应的预设提示。
例如，中国专利CN 102499660 A公开了一种动态监测血压的血压计，所述血压计包括袖带与主机，主机包括测量模块、气泵与排气阀，测量模块连接气泵与排气阀且通过气管连接到袖带。所述测量模块包括中央处理单元、传感器、A/D转换电路、加速度传感器、显示处理单元、按键处理单元与蜂鸣器，中央处理单元分别与气泵、气阀、A/D转换电路、加速度传感器、显示处理单元、按键处理单元、蜂鸣器电路连接；传感器分别与袖带、A/D转换电路连接。本发明具有对患者的行动进行监测，对于导致血压升高的行为进行预警，从而避免患者由于过度运动造成血压升高的危害的优点。
如上所述，现有技术中，血压计仅能够根据采集的数据以及预设的阈值进行预警，预警可以发送至用户端、护士站或者相关终端，仅适用于患者血压的测量和预警，对于医院的门诊来说并没有额外的帮助。分诊、分级依然需要护士进行人工分诊、人工分级。挂号候诊的患者众多，而护士的数量有限，人工分诊、人工分级难免会使得少量患者延误病情。而且，在医疗的诊断过程中，护士和医生仅得知预警信息是不足够的，在长期测量过程中，患者不会一直待在一个位置，而是可能活动至多个区域。对于护士和医生来说，即使在终端收到预警信息，也需要快速获得病人的定位信息并送至相应的诊断科室进行救治。在患者的血压以及其他体征复杂的情况下，仅凭借血压计的预警信息是不足够对病人进行分诊、血压级别进行准确分级。不仅如此，对于急诊中的候诊患者，其安全的准确分级至关重要。当前的血压计还无法对候诊患者进行准确分级，也无法对患者进行分诊和规划个性化的报警线路。
例如，中国专利CN 108717871 A公开了一种成人急诊病情分级系统，其特征在于：包括：输入单元，用于输入急诊患者的生理指标；对比评分单元，用于根据急诊患者的每一项生理指标给出相应的分值；评估单元，用于计算A评分值，且用于将A评分值在第一评分等级中所属的病情分级作为急诊患者所属的病情分级，所述A评分值为对比评分单元中得到的各个生理指标的分值相加得到的总分，所属病情分级包括病情紧急程度依次降低的急危症、急重症、紧急症、亚急症。该专利虽然对急诊候诊中的患者指标进行分级，但是分级有误差且无法纠正。
中国专利CN 107169298 A公开了一种智能急诊分级分诊系统，，应用于对急诊患者进行分级诊断，其特征在于，包括：服务端，所述服务端保存有每个急诊患者的患者挂号信息；第一客户端，与所述服务端连接，用以根据一急诊患者的病情数据自所述服务端获取对应的所述患者挂号信息，并将所述病情数据与对应的所述患者挂号信息关联形成关联数据，以及根据所述病情数据对对应的所述关联数据分配等级后回传至所述服务端；至少一个关联于对应急诊区域的第二客户端，所述急诊区域与所述等级一一对应；所述第二客户端与所述服务端连接，用以自所述服务端获取对应等级的所述关联数据，以及对所述关联数据添加诊断和/或治疗信息。该专利也仅仅是针对患者的数据进行分级，而没有进行分级调整阶段。急诊候诊患者的病情是变化的，有可能会急剧恶化。因此，按照固有的分级来让患者候诊，有可能耽误急剧恶化的患者的病情以及错过最佳急救时机。
此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于发明人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
针对现有技术之不足，本发明提供一种预警式诊中监测装置，所述装置至少包括可穿戴设备、云服务器和终端设备，其特征在于，所述可穿戴设备至少包括信息采集模块和分级评估模块，所述云服务器至少包括分级校准模块和预警协调模块，所述分级评估模块基于至少一个终端设备输入的症状信息和/或所述信息采集模块采集的第一生理信息按照预设关联关系确定第一危险等级，所述分级校准模块基于由所述信息采集模块按照预设时间间隔采集并生成的至少一种生理信息动态曲线来分析第二危险等级并根据所述第二危险等级来校准所述第一危险等级，所述预警协调模块基于所述分级评估模块发送的至少一种存在异常状态的所述生理信息动态曲线、预测候诊时间、定位信息和/或所述分级校准模块校准后的所述第一危险等级确定预警线路的优先顺序。
优选的，所述云服务器还包括群体样本库，所述分级校准模块与群体样本库进行数据连接，所述分级校准模块将至少一种生理信息动态曲线与所述群体样本库中对应的生理信息动态曲线样本进行比较，提取含有时间信息的异常生理数据并统计异常频率，在所述异常频率超出频率阈值的情况下，所述分级校准模块基于生理信息动态曲线分析所述第二危险等级。
优选的，在候诊的过程中，所述分级校准模块以迭代的方式更新所述至少一种生理信息动态曲线并分析第二危险等级，在根据所述第二危险等级来校准所述第一危险等级之后，所述分级校准模块基于患者的挂号信息和所述第二危险等级信息更新预测候诊时间，并且在所述预测候诊时间与对应于所述异常频率的安全候诊时间的差值大于安全间隔时间的情况下，所述预警协调模块基于确定的预警线路优先顺序发出预警信息。
优选的，所述预警协调模块确定预警线路的优先顺序的方法包括：在所述预测候诊时间与对应于所述异常频率的安全候诊时间的差值仅大于第一安全间隔时间的情况下，所述预警协调模块基于所述定位信息选择距离最近的由医生或护士管理的至少一个终端设备并向其发送预警信息；在所述预测候诊时间与对应于所述异常频率的安全候诊时间的差值大于第二安全间隔时间的情况下，所述预警协调模块向与挂号信息一致的就诊医生的就诊终端发送含有病人症状信息和异常生理信息的预警信息以使患者在所述第一安全间隔时间内得到诊治。
优选的，所述分级校准模块分析第二危险等级的方式包括：将当前监测的生理信息动态曲线拟合得到的第一变化趋势函数和与所述第一危险等级对应的动态曲线样本的第二变化趋势函数进行比较，若第一变化趋势函数与所述第二变化趋势函数的相似度小于相似阈值，则所述第二危险等级与所述第一危险等级相异并将所述第一危险等级进行校准。
优选的，所述可穿戴设备还包括个人信息模块，所述个人信息模块基于患者的挂号信息生成二维码信息并标记患者的生理信息以及诊断信息至所述群体样本库，所述分级校准模块基于所述群体样本库存储的病史信息与异常状态的所述生理信息动态曲线进行关联并将形成的关联信息以查询指令的方式发送至所述群体样本库，所述分级校准模块将所述第二危险等级与所述群体样本库反馈的第三危险等级进行比较，在所述第三危险等级紧急于所述第二危险等级的情况下，将所述第一危险等级校准为第三危险等级。
优选的，所述分级校准模块分析生理信息动态曲线的方式包括：
以多项式拟合、指数拟合或高斯的方式拟合生理信息动态曲线的第一变化趋势函数。
优选的，所述分级校准模块分析脉搏动态曲线的方式包括：将按照所述预设时间间隔获取的脉搏动态曲线进行分解以提取若干本征模态函数，选择与所述脉搏动态曲线较接近的所述本征模态函数进行希尔伯特变换以获得边际谱密度函数并提取所述边际谱密度函数的最大频率，将所述边际谱密度函数的最大频率与群体样本库中的频率样本进行比较以得到脉搏的子危险等级。
优选的，所述分级校准模块分析血氧饱和度动态曲线的方式包括：利用SSF算法对至少两组脉搏采集信号分别作微分处理，以获取各个脉搏动态曲线的斜率和最大点的值以及斜率和最大点的位置，基于至少一个符合选取条件的脉搏动态曲线的斜率最大值点附近面积变化量来求比率值R为：
其中，t为时间，
表示第i点红光的交流量，
表示第i点红外光的交流量，Irdc表示红光的直流量，Iirdc表示红外光的直流量，根据R值计算血氧饱和度值，将在预设时间间隔内的血氧饱和度动态曲线与群体样本库中的血氧饱和度曲线样本进行比较以得到血氧饱和度的子危险等级。
优选的，所述分级校准模块分析血压动态曲线的方式包括：
将在预设时间间隔内的血压动态曲线的收缩压和舒张压进行曲线拟合得到第一变化趋势函数，
将所述第一变化趋势函数与群体样本库中的血压曲线样本的第二变化趋势函数进行比较，
基于所述第一变化趋势函数与第二变化趋势函数的差异得到血压的子危险等级。
本发明的有益技术效果：
现有技术中，对候诊过程中的采集的信息直接进行分级判断。每个级别的患者就诊诊室、候诊时间是不同的。在患者候诊的过程中，患者的病情是变化的，病情分级就会出现不准确的情况。现有技术在病情恶化超出阈值的情况下直接进行预警，以达到进行预警紧急救治的目的。然而，这样简单粗暴的方式依然无法满足病情的病人的需求。即使在监测设备预警的情况下，现场的护士只能将患者提前送至就诊处诊治，此时不仅打断了医生的诊断过程，而且医生不掌握患者的具体病情信息以及病史，依然有可能延误病情。本发明通过设置分级校准模块，在患者候诊的过程中，对患者的病情进行分级校准，从而在还未达到预警的情况下准确进行分级，对病情恶化的患者重新进行分级，缩短患者的候诊时间。本发明能够根据患者的并且变化，合理安排个性化的预警线路，使得病人能够得到最及时的救治和合理安排。
附图说明
附图1是本发明的模块示意图；和
附图2是本发明的可穿戴设备的优选示意图。
附图标记列表
10：可穿戴设备；20：信息采集模块；21：脉率采集传感器；22：血压采集传感器；23：体温传感器；24：血氧饱和度传感器；30：分级评估模块；40：通讯模块；41：第一网络通讯模块；42：蓝牙通讯模块；50：云服务器；51：第二网络通讯模块；52：分级校准模块；53：预警协调模块；54：群体样本库；60：终端设备；61：第一终端设备；62：第二终端设备；6n：第n终端设备。
具体实施方式
下面进行详细说明。
实施例1
本发明提供一种预警式诊中监测装置，如图1所示，装置至少包括可穿戴设备10、云服务器50和终端设备60。可穿戴设备10至少包括信息采集模块20和分级评估模块30。可穿戴设备10还包括通讯模块40，用于与云服务器50和终端设备60分别进行有线或无线的通讯。信息采集模块20、分级评估模块30和通讯模块40依次进行数据连接。通讯模块40包括第一网络通讯模块41，用于与云服务器50的第二网络通讯模块51进行网络数据传输，其数据传输方式可以是有线传输，也可以是无线传输。
云服务器50至少包括分级校准模块52、预警协调模块53和群体样本库54。第二网络通讯模块51与分级校准模块52、预警协调模块53和群体样本库54分别进行数据传输连接以将数据信息进行发出和接收。分级校准模块52、预警协调模块53和群体样本库54三者之间分别进行数据连接，以进行数据传输。分级校准模块52、预警协调模块53和群体样本库54均可以是服务器、服务器群组、处理器等设备。
第二网络通讯模块51还与终端设备60中的若干终端设备进行连接，以进行数据传输。终端设备60包括第一终端设备61、第二终端设备62……第n终端设备6n。优选的，终端设备包括电脑、手机、平板电脑、智能穿戴设备等终端。
分级评估模块30基于至少一个终端设备输入的症状信息和/或信息采集模块20采集的第一生理信息按照预设关联关系确定第一危险等级。分级校准模块52基于由信息采集模块20按照预设时间间隔采集并生成的至少一种生理信息动态曲线来分析第二危险等级并根据第二危险等级来校准第一危险等级。预警协调模块53基于至少一种存在异常状态的生理信息动态曲线、预测候诊时间、定位信息和/或校准后的第一危险等级确定预警线路的优先顺序。
优选的，本发明的预警式诊中监测装置，能够以腕带、智能手环等可穿戴设备的方式呈现，如图2所示。信息采集模块、分级评估模块、分级校准模块、预警协调模块可以设置在腕带、智能手环以监测患者的生理信息。优选的，分级校准模块、预警协调模块还可以设置在云服务器中，与可穿戴设备通过网络信号传输。优选的，生理信息至少包括体温、脉率、血氧饱和度、血压等数据信息。信息采集模块20至少包括温度传感器21、脉率传感器22、血氧饱和度传感器23和血压传感器24。优选的，温度传感器、脉率传感器、血氧饱和度传感器和血压传感器可以是微型的电子件和传感器。
优选的，本发明的预警式诊中监测装置的生理信息采集时间间隔是预设的，可以按照预设的时间间隔来采集一次生理信息。例如，时间间隔可以设置为1分钟、2分钟、3分钟等等。以间隔时间方式采集生理信息的优势在于，有利于连接患者的病情变化，从而针对患者的病情变化进行分级校准和预警。
患者的分诊分级需要的候诊时间是不同的。一级为急危症，有生命危险。生命体征不稳定需要立即急救，如心搏呼吸骤停、剧烈胸痛、持续严重心律失常、严重呼吸困难、重度创伤大出血、急性中毒及老年复合伤，是即刻救治。二级为急重症，有潜在的生命危险，病情有可能急剧变化。如心、脑血管意外；严重骨折、突发剧烈头痛、腹痛持续36小时以上、开发性创伤、儿童高热等。应当在10分钟内给予处理。三级为亚紧急，生命体征尚稳定，急性症状持续不能缓解的病人。如高热、呕吐、轻度外伤、轻度腹痛等。应当在30分钟内给予处理。四级为非紧急，病情不会转差。应当在180分钟内给予处理。因此，候诊的分级的准确划分，能够避免耽误患者的病情，使病人及时得到救治。本发明通过分析生理信息动态曲线来分析一段时间内的患者病情变化，从而能够更准确的依据病情校准分级情况。相比于针对某个数值进行预警，时间段内的数据变化能够更准确的反应患者病情。例如，高热患者的体温可以由于吃了退烧药而体温下降或反复。仅根据一次的高温是不需要进行紧急救治的，而时间段内的持续高温是需要重视和紧急救治的。
根据一个优选实施方式，分级校准模块52与群体样本库54进行数据连接。优选的，群体样本库54设置在远程的云服务器中。本发明的可穿戴设备与云服务器通过无线通讯进行远程连接和远程数据传输。群体样本库54存储有根据群体样本采集并选取的具有典型病症关联的症状信息、生理信息曲线样本以及对应的病情危险等级信息。
分级校准模块52将至少一种生理信息动态曲线与群体样本库54中对应的生理信息动态曲线样本进行比较。在进行比较之后，提取含有时间信息的异常生理数据并统计异常频率。仅提取异常信息能够减少无线数据量的传输，也能够后续的数据处理量。在异常频率超出频率阈值的情况下，分级校准模块52基于生理信息动态曲线分析第二危险等级。例如，假设异常频率阈值为30分钟内3次。初次确定的第一危险等级为四级，应当处于非急症。在候诊的过程中，血压快速升高，心跳加快，且在30分钟内出现5次，则患者的病情明显增重，应当为三级此时第二危险等级与第一危险等级不同，应当将一级校准为三级。若患者的血压快速升高，心跳加快的症状仅在30分钟内出现1次，则患者的病情是能够缓解和非紧急的，则第二危险等级依然为一级，此时第二危险等级与第一危险等级相同。这样设置的优势在于，既减少了数据的处理量，又能够根据患者的病情变化进行相应的调整。相比于直接预警，对于不需要即可救治状态的患者，调节危险等级能够节省患者的候诊时间，而不是临时打乱当前门诊的就诊状态，更不会延误其他患者的病情。
根据一个优选实施方式，在候诊的过程中，分级校准模块52以迭代的方式更新至少一种生理信息动态曲线并分析第二危险等级。迭代更新的优势在于，实时更新数据能够避免耽误患者的最新病情，从而使得分级校准的结果更准确。
在根据第二危险等级来校准第一危险等级之后，分级校准模块52基于患者的挂号信息和第二危险等级信息更新预测候诊时间，并且在预测候诊时间与对应于异常频率的安全候诊时间的差值大于安全间隔时间的情况下，预警协调模块53基于确定的预警线路优先顺序发出预警信息。确定预警路线的优势在于，能够根据患者病情变化和危险等级，基于实际情况进行预警，使得患者能够在历史安全的情况下快速得到救治，而不是已经发生危险的时候再预警寻找医生。个性化的预警路线的确定，使得与患者的病症信息比较匹配的医生能够以最端的时间获得预警信息并主动为患者进行紧急救治，缩短患者危险发生前的安全就诊时间。不仅如此，个性化的预警路线能够使患者获得最专业的医治，使得治疗效果更好。
优选的，安全间隔时间应当是患者应当接受诊治的时间间隔。例如二级的安全间隔时间是10分钟，三级的安全间隔时间是30分钟，四级的安全间隔时间是180分钟。分级校准模块52在对分级进行校准后，依据所在诊治的候诊患者数量和平均每个患者的就诊时间，是能够预测患者需要等待的候诊时间的。在三级的情况下，安全候诊时间应当为10分钟。若预测候诊时间为20分钟，则预测候诊时间与对应于异常频率的安全候诊时间的差值为10分钟，安全间隔时间为20分钟。而医生对患者的诊治的时间长短是动态的，有时反而会因为诊治顺利而缩短时间，因此，20分钟内的差距影响患者就医的危险不大，在候诊过程中有可能。但是，若预测候诊时间与对应于异常频率的安全候诊时间的差值大于20分钟，则患者有可能耽误病情。因此，在预测候诊时间与对应于异常频率的安全候诊时间的差值大于安全间隔时间的情况下，预警协调模块53基于确定的预警线路优先顺序发出预警信息。安全间隔时间的设置，能够缓解患者危险等级对应的时间和候诊时间之间的矛盾，在患者确实在危急情况候诊无望的情况下进行预警从而另行安排，避免患者因为候诊时间较长发生的多余危险，使得患者的安全更多一份保障。
在所述信息采集模块确定了的至少一种所述生理信息数据异常时且在所述分级评估模块确定的异常生理数据变化曲线超过预警条件的情况下，所述预警协调模块基于所述分级评估模块评估给出的危险等级和/或来自所述信息采集模块的症状特征，选择至少一个关联急诊科室的终端设备作为用于提醒医护人员的备选预警终端，并且由所述预警协调模块评估预警的优先顺序，以在所述异常生理数据变化曲线和/或异常频率触发预警条件的情况下按照所述优先顺序对佩戴有所述备选预警终端的相应医护人员进行预警。
现有技术中，仅基于信息采集模块的信号进行报警，经常存在大量误报的情况；而仅基于“异常生理数据变化曲线分析”给出报警信号也存在因采集误差累进而引发的误报情况。对于候诊情况而言，随时随地的报警等于没有报警，所以目前没有医院采用机器报警的措施。本发明集合了异常点与趋势分析之间的相关性，并针对性给少量人员提供预警，有效提升了报警准确性，又避免了广泛性报警引发的对大量医护人员工作的干扰。考虑到医院医护人员轮询式值班，每个人医护人员因采用本发明而仅在适应病症出现时才会得到预警，使得每个医护人员每日预警数量远低于10次，进而能够通过有效减少广泛性误报而针对性给患者以准确救治。
优选的，预警协调模块53确定预警线路的优先顺序的方法包括：在预测候诊时间与对应于异常频率的安全候诊时间的差值仅大于第一安全间隔时间的情况下，预警协调模块53基于定位信息选择距离最近的由医生或护士管理的至少一个终端设备并向其发送预警信息。此时，患者是有可能等到就诊的，临近的医生或护士从终端接收到预警信息后，能够立即帮助患者判断是立即就那些诊治还是需要辅助药物临时治疗，同时候诊等待就诊医生进行确诊。在预测候诊时间与对应于异常频率的安全候诊时间的差值大于第二安全间隔时间的情况下，预警协调模块53向与挂号信息一致的就诊医生的就诊终端发送含有病人症状信息和异常生理信息的预警信息以使患者在第一安全间隔时间内得到诊治。其中，第一安全间隔时间小于第二安全间隔时间。此时，病人的病情已经等不到继续候诊了，而前方的患者还有多个，因此需要医生对诊治顺序进行调节。医生在接收到预警信息后，可以根据患者病情的紧急，优先安排病重患者进行紧急诊治。如此设置的优势在于，使得患者能够就近得到专业匹配医生的个性化救治，而不是需要护士分析和寻找医生进行救治。即，在处于空诊医生接收答预警信号能够快速做出反应并根据患者的地理位置对患者进行救治。基于地理位置的预警路线的设置，对于不处于同一楼内且医院范围较大的医疗环境来说，能够快速引导医生找到与其医治住哪也对症的患者进行诊断和参与紧急救治，避免了急诊科的全科医生的盲区，更缩短了专业救治的时间，提升了患者的生命安全程度。
优选的，分级校准模块52分析第二危险等级的方式包括：将当前监测的生理信息动态曲线拟合得到的第一变化趋势函数和与第一危险等级对应的动态曲线样本的第二变化趋势函数进行比较，若第一变化趋势函数与第二变化趋势函数的相似度小于相似阈值，则第二危险等级与第一危险等级相异并将第一危险等级进行校准。此种方式的优势在于，若两个变化趋势函数相似，则第二危险等级与第一危险等级相同，不需要校准。例如，相似阈值可以是70％。若相似度小于70％，则差异较大，需要校准第一危险等级。
根据一个优选实施方式，装置还包括个人信息模块。个人信息模块将患者就诊的个人信息形成二维码，有利于将个人的所有诊疗信息进行分类存储。从而方便医生在终端设备了解病人候诊的病情发展情况以及病史，给出更准确的治疗方案。
分级校准模块52基于群体样本库54存储的病史信息与异常状态的生理信息动态曲线进行关联并将形成的关联信息以查询指令的方式发送至群体样本库54。分级校准模块52将第二危险等级与群体样本库54反馈的第三危险等级进行比较，在第三危险等级紧急于第二危险等级的情况下，将第一危险等级校准为第三危险等级。有些情况下，医生并不了解病人的病史，病人也不会陈述全部病史，从而忽略一些重要的危险情况，例如心肌炎的诱发。因此，将例如是心肌炎的病史与当前异常的生理信息动态曲线进行关联，有利于从群体样本库54中获得相关病历的第三危险级别，若第三危险级别比第二危险级别更紧急，则有利于校准第一危险级别并且对患者进行准确的而检查和治疗，避免遗漏患者的隐藏危险病情。
优选的，可穿戴设备设置有蓝牙模块42。蓝牙模块42检索并与距离在设定范围例如0.5米范围内的诊室内的终端设备的终端蓝牙模块进行蓝牙信号连接。蓝牙模块42将与其连接的终端蓝牙模块的设备信息记录并通过第一网络通讯模块41发送至预警协调模块53。语音信息采集模块的终端蓝牙模块的设备信息确认与其对应的终端设备编号。
可穿戴设备还设置有即时语音信息采集模块。即时语音信息采集模块在蓝牙模块42连接完成的信息触发后启动，开始采集医患交流的语音信息。优选的，语音信息采集模块将采集的语音信箱发送至云服务器中的语音识别模块进行即时医患语音识别，并且将确认为医患语音的确认信息发送至预警协调模块53。预警协调模块53基于接收到的确认信息确认与终端蓝牙设备对应的终端设备的值班医生处于诊治状态。预警协调模块53根据终端设备的值班医生的诊治状态来确定不同时具有蓝牙设备信息和具有医患语音确认信息的终端设备对应的值班医生处于空诊状态。预警协调模块53优先选择处于空诊状态的值班医生的终端设备发送预警信息，从而使得值班医生能够快速基于预警信息主动救治患者。值班医生在接收到预警信息后，通过终端设备相应预警信息以确认其进行接诊。预警协调模块如此确定医生是否空诊的方式，能够提高确定医生是否空诊的准确度，即使在不具有挂号系统的情况下也能够确定自动确认医生的空诊状态。预警协调模块的预警路线的协调方式，不需要GPS定位，就能够在短距离确定患者就诊的位置和医生的诊治状态，从而规避了GPS在室内不能够精准的不足。本发明预警协调模块的预警路线的协调方式的优势还在于，能够适用于不具有挂号系统的战场救治的预警协调，从而使得受伤的战士能够快速得到空诊医生的诊治，能够快速将待急救的伤员与空诊医生进行快速匹配。
根据一个优选实施方式，分级校准模块分析生理信息动态曲线的方式包括：以多项式拟合、指数拟合或高斯的方式拟合生理信息动态曲线的第一变化趋势函数。
根据一个优选实施方式，分级校准模块分析血压动态曲线的方式包括：
将在预设时间间隔内的血压动态曲线的收缩压和舒张压进行曲线拟合得到第一变化趋势函数，将第一变化趋势函数与群体样本库54中的血压曲线样本的第二变化趋势函数进行比较，基于第一变化趋势函数与第二变化趋势函数的差异得到血压的子危险等级。
例如，对于血压动态曲线，采用多项式集合法进行拟合。
模型为：p(x)＝amxm+am-1xm-1+…+a1x+a0∈Πm(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；系数aj由被拟合的离散函数对应的所有(xi,yi)值确定。
子危险等级为单一生理信息对应的紧急程度。第二危险等级由多个子危险等级综合评估得到。例如，五个生理信息的子危险等级，分别为1一级、一级、一级、二级、一级。由对应的最紧急的子危险等级即二级为第二危险等级。
根据一个优选实施方式，分级校准模块52分析脉搏动态曲线的方式包括：将按照预设时间间隔获取的脉搏动态曲线进行分解以提取若干本征模态函数，选择与脉搏动态曲线较接近的本征模态函数进行希尔伯特变换以获得边际谱密度函数并提取边际谱密度函数的最大频率，将边际谱密度函数的最大频率与群体样本库54中的频率样本进行比较以得到脉搏的子危险等级。
具体地，从脉搏动态曲线中提取出若干个本征模态函数，包括步骤：
步骤S11，提取脉搏动态曲线x(t)中所有的局部极大值和局部极小值；若某个时刻的值既大于前一时刻的值也大于后一时刻的值，则该时刻的值为局部极大值；若某个时刻的值既小于前一时刻的值也小于后一时刻的值，则该时刻的值为局部极小值；
步骤S12，使用三次样条函数进行拟合，获得上包络线xmax(t)和下包络线xmin(t)，并计算上包络线、下包络线的均值，m(t)＝[xmax(t)+xmin(t)]/2；
步骤S13，用脉搏动态曲线x(t)减去均值m(t)，得到一个组件h(t)＝x(t)-m(t)；
步骤S14，判断h(t)是否为本征模态函数，若是，则进入步骤S15，否则进入步骤S16；
步骤S15，令I1(t)＝h(t)，r(t)＝x(t)-I1(t)，并判断r(t)是否为单调序列或常值序列，
若是则结束，否则以r(t)代替x(t)，并返回步骤S11；
步骤S16，以h(t)代替x(t)，并返回步骤S11。
步骤S6还可以为：判断SD是否大于设定值，若是，则以h(t)代替x(t)，并返回步骤S11，否则进入步骤S15。其中，h1(k-1)(t)和h1k(t)分别表示两个连续的筛选结果。
基于该本征模态函数进行希尔伯特变换，得到脉搏动态曲线的边际谱密度函数，包括步骤：
步骤S31，对该本征模态函数做希尔伯特变换，
步骤S32，构造解析信号zi(t)，
式中，αi(t)为幅值，φi(t)为相位。
则瞬时频率
步骤S33，将脉写搏动态曲线改写为：
则
把H(ω，t)对时间积分，得到Hilbert边际谱函数为：
T表示总的数据长度。
优选的，分级校准模块52分析血氧饱和度动态曲线的方式包括：利用SSF算法对至少两组脉搏采集信号分别作微分处理，以获取各个脉搏动态曲线的斜率和最大点的值以及斜率和最大点的位置，基于至少一个符合选取条件的脉搏动态曲线的斜率最大值点附近面积变化量来求比率值R为：
其中，t为时间，
表示第i点红光的交流量，
表示第i点红外光的交流量，Irdc表示红光的直流量，Iirdc表示红外光的直流量，根据R值计算血氧饱和度值，将在预设时间间隔内的血氧饱和度动态曲线与群体样本库54中的血氧饱和度曲线样本进行比较以得到血氧饱和度的子危险等级。
实施例2
本实施例是对实施例1的进一步改进，重复的内容不再赘述。
本发明还提供了一种预警式诊中监测方法，所述方法至少包括：
S1：分级评估模块30基于至少一个终端设备输入的症状信息和/或所述信息采集模块20采集的第一生理信息按照预设关联关系确定第一危险等级，
S2：分级校准模块52基于由所述信息采集模块20按照预设时间间隔采集并生成的至少一种生理信息动态曲线来分析第二危险等级并根据所述第二危险等级来校准所述第一危险等级，
S3：预警协调模块53基于至少一种存在异常状态的所述生理信息动态曲线、预测候诊时间、定位信息和/或校准后的所述第一危险等级确定预警线路的优先顺序。
优选的，预警式诊中监测方法还包括：
S21：分级校准模块52将至少一种生理信息动态曲线与所述群体样本库中对应的生理信息动态曲线样本进行比较，提取含有时间信息的异常生理数据并统计异常频率。
S22：在所述异常频率超出频率阈值的情况下，所述分级校准模块52基于生理信息动态曲线分析所述第二危险等级。
优选的，预警式诊中监测方法还包括：
S23：在候诊的过程中，所述分级校准模块52以迭代的方式更新所述至少一种生理信息动态曲线并分析第二危险等级，
S24：在根据所述第二危险等级来校准所述第一危险等级之后，所述分级校准模块52基于患者的挂号信息和所述第二危险等级信息更新预测候诊时间，并且在所述预测候诊时间与对应于所述异常频率的安全候诊时间的差值大于安全间隔时间的情况下，所述预警协调模块基于确定的预警线路优先顺序发出预警信息。
优选的，所述分级校准模块52分析第二危险等级的方式包括：
S25：将当前监测的生理信息动态曲线拟合得到的第一变化趋势函数和与所述第一危险等级对应的动态曲线样本的第二变化趋势函数进行比较，
S26：若第一变化趋势函数与所述第二变化趋势函数的相似度小于相似阈值，则所述第二危险等级与所述第一危险等级相异并将所述第一危险等级进行校准。
优选的，所述分级校准模块52分析生理信息动态曲线的方式包括：
以多项式拟合、指数拟合或高斯的方式拟合生理信息动态曲线的第一变化趋势函数。
优选的，所述预警协调模块53确定预警线路的优先顺序的方式为：
S31：在所述预测候诊时间与对应于所述异常频率的安全候诊时间的差值仅大于第一安全间隔时间的情况下，所述预警协调模块53基于所述定位信息选择距离最近的由医生或护士管理的至少一个终端设备并向其发送预警信息；
在所述预测候诊时间与对应于所述异常频率的安全候诊时间的差值大于第二安全间隔时间的情况下，所述预警协调模块53向与挂号信息一致的就诊医生的就诊终端发送含有病人症状信息和异常生理信息的预警信息以使患者在所述第一安全间隔时间内得到诊治。
优选的，预警式诊中监测方法还包括：
S4：基于患者的挂号信息生成二维码信息并标记患者的生理信息以及诊断信息至所述群体样本库。所述分级校准模块基于所述群体样本库存储的病史信息与异常状态的所述生理信息动态曲线进行关联并将形成的关联信息以查询指令的方式发送至所述群体样本库。所述分级校准模块将所述第二危险等级与所述群体样本库反馈的第三危险等级进行比较，在所述第三危险等级紧急于所述第二危险等级的情况下，将所述第一危险等级校准为第三危险等级。
优选的，预警式诊中监测方法还包括：
蓝牙模块42检索并与距离在设定范围例如0.5米范围内的诊室内的终端设备的终端蓝牙模块进行蓝牙信号连接。蓝牙模块42将与其连接的终端蓝牙模块的设备信息记录并通过第一网络通讯模块41发送至预警协调模块53。
即时语音信息采集模块在蓝牙模块42连接完成的信息触发后启动，开始采集医患交流的语音信息。优选的，语音信息采集模块将采集的语音信箱发送至云服务器中的语音识别模块进行即时医患语音识别，并且将确认为医患语音的确认信息发送至预警协调模块53。预警协调模块53基于接收到的确认信息确认与终端蓝牙设备对应的终端设备的值班医生处于诊治状态。预警协调模块53根据终端设备的值班医生的诊治状态来确定不同时具有蓝牙设备信息和具有医患语音确认信息的终端设备对应的值班医生处于空诊状态。预警协调模块53优先选择处于空诊状态的值班医生的终端设备发送预警信息，从而使得值班医生能够快速基于预警信息主动救治患者。值班医生在接收到预警信息后，通过终端设备相应预警信息以确认其进行接诊。预警协调模块如此确定医生是否空诊的方式，能够提高确定医生是否空诊的准确度，即使在不具有挂号系统的情况下也能够确定自动确认医生的空诊状态。预警协调模块的预警路线的协调方式，不需要GPS定位，就能够在短距离确定患者就诊的位置和医生的诊治状态，从而规避了GPS在室内不能够精准的不足。本发明预警协调模块的预警路线的协调方式的优势还在于，能够适用于不具有挂号系统的战场救治的预警协调，从而使得受伤的战士能够快速得到空诊医生的诊治，能够快速将待急救的伤员与空诊医生进行快速匹配。
需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.一种预警式诊中监测装置，所述装置至少包括可穿戴设备(10)、云服务器(50)和终端设备(60)，其特征在于，所述可穿戴设备(10)至少包括信息采集模块(20)和分级评估模块(30)，所述云服务器(50)至少包括分级校准模块(52)和预警协调模块(53)，
所述分级评估模块(30)基于至少一个终端设备输入的症状信息和/或所述信息采集模块(20)采集的第一生理信息按照预设关联关系确定第一危险等级，
所述分级校准模块(52)基于由所述信息采集模块(20)按照预设时间间隔采集并生成的至少一种生理信息动态曲线来分析第二危险等级并根据所述第二危险等级来校准所述第一危险等级，
所述预警协调模块(53)基于所述分级评估模块发送的至少一种存在异常状态的所述生理信息动态曲线、预测候诊时间、定位信息和/或所述分级校准模块(52)校准后的所述第一危险等级确定预警线路的优先顺序。
2.根据权利要求1所述的预警式诊中监测装置，其特征在于，所述云服务器还包括群体样本库(54)，所述分级校准模块(52)与群体样本库(54)进行数据连接，
所述分级校准模块(52)将至少一种生理信息动态曲线与所述群体样本库中对应的生理信息动态曲线样本进行比较，提取含有时间信息的异常生理数据并统计异常频率，
在所述异常频率超出频率阈值的情况下，所述分级校准模块(52)基于生理信息动态曲线分析所述第二危险等级。
3.根据权利要求2所述的预警式诊中监测装置，其特征在于，在候诊的过程中，所述分级校准模块(52)以迭代的方式更新所述至少一种生理信息动态曲线并分析第二危险等级，
在根据所述第二危险等级来校准所述第一危险等级之后，所述分级校准模块(52)基于患者的挂号信息和所述第二危险等级信息更新预测候诊时间，并且在所述预测候诊时间与对应于所述异常频率的安全候诊时间的差值大于安全间隔时间的情况下，所述预警协调模块基于确定的预警线路优先顺序发出预警信息。
4.根据权利要求3所述的预警式诊中监测装置，其特征在于，所述预警协调模块(53)确定预警线路的优先顺序的方法包括：
在所述预测候诊时间与对应于所述异常频率的安全候诊时间的差值仅大于第一安全间隔时间的情况下，所述预警协调模块(53)基于所述定位信息选择距离最近的由医生或护士管理的至少一个终端设备并向其发送预警信息；
在所述预测候诊时间与对应于所述异常频率的安全候诊时间的差值大于第二安全间隔时间的情况下，所述预警协调模块(53)向与挂号信息一致的就诊医生的就诊终端发送含有病人症状信息和异常生理信息的预警信息以使患者在所述第一安全间隔时间内得到诊治。
5.根据权利要求4所述的预警式诊中监测装置，其特征在于，所述分级校准模块(52)分析第二危险等级的方式包括：
将当前监测的生理信息动态曲线拟合得到的第一变化趋势函数和与所述第一危险等级对应的动态曲线样本的第二变化趋势函数进行比较，
若第一变化趋势函数与所述第二变化趋势函数的相似度小于相似阈值，则所述第二危险等级与所述第一危险等级相异并将所述第一危险等级进行校准。
6.根据权利要求5所述的预警式诊中监测装置，其特征在于，所述可穿戴设备还包括个人信息模块，
所述个人信息模块基于患者的挂号信息生成二维码信息并标记患者的生理信息以及诊断信息至所述群体样本库，
所述分级校准模块基于所述群体样本库存储的病史信息与异常状态的所述生理信息动态曲线进行关联并将形成的关联信息以查询指令的方式发送至所述群体样本库，
所述分级校准模块将所述第二危险等级与所述群体样本库反馈的第三危险等级进行比较，
在所述第三危险等级紧急于所述第二危险等级的情况下，将所述第一危险等级校准为第三危险等级。
7.根据前述权利要求之一所述的预警式诊中监测装置，其特征在于，所述分级校准模块(52)分析生理信息动态曲线的方式包括：
以多项式拟合、指数拟合或高斯的方式拟合生理信息动态曲线的第一变化趋势函数。
8.根据前述权利要求之一所述的预警式诊中监测装置，其特征在于，所述分级校准模块分析脉搏动态曲线的方式包括：
将按照所述预设时间间隔获取的脉搏动态曲线进行分解以提取若干本征模态函数，选择与所述脉搏动态曲线较接近的所述本征模态函数进行希尔伯特变换以获得边际谱密度函数并提取所述边际谱密度函数的最大频率，
将所述边际谱密度函数的最大频率与群体样本库中的频率样本进行比较以得到脉搏的子危险等级。
9.根据前述权利要求之一所述的预警式诊中监测装置，其特征在于，所述分级校准模块分析血氧饱和度动态曲线的方式包括：
利用SSF算法对至少两组脉搏采集信号分别作微分处理，以获取各个脉搏动态曲线的斜率和最大点的值以及斜率和最大点的位置，
基于至少一个符合选取条件的脉搏动态曲线的斜率最大值点附近面积变化量来求比率值R为：
其中，t为时间，表示第i点红光的交流量，
表示第i点红外光的交流量，Irdc表示红光的直流量，Iirdc表示红外光的直流量，
根据R值计算血氧饱和度值，
将在预设时间间隔内的血氧饱和度动态曲线与群体样本库中的血氧饱和度曲线样本进行比较以得到血氧饱和度的子危险等级。
10.根据前述权利要求之一所述的预警式诊中监测装置，其特征在于，所述分级校准模块分析血压动态曲线的方式包括：
将在预设时间间隔内的血压动态曲线的收缩压和舒张压进行曲线拟合得到第一变化趋势函数，
将所述第一变化趋势函数与群体样本库中的血压曲线样本的第二变化趋势函数进行比较，
基于所述第一变化趋势函数与第二变化趋势函数的差异得到血压的子危险等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911146099.5A CN110840424B (zh) | 2019-11-20 | 2019-11-20 | 一种预警式诊中监测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911146099.5A CN110840424B (zh) | 2019-11-20 | 2019-11-20 | 一种预警式诊中监测装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110840424A true CN110840424A (zh) | 2020-02-28 |
| CN110840424B CN110840424B (zh) | 2022-05-10 |
Family
ID=69603240
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911146099.5A Active CN110840424B (zh) | 2019-11-20 | 2019-11-20 | 一种预警式诊中监测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110840424B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113171061A (zh) * | 2021-03-26 | 2021-07-27 | 广东省科学院健康医学研究所 | 一种无创血管功能评估方法、装置、设备及介质 |
| CN113520371A (zh) * | 2021-07-27 | 2021-10-22 | 中科全联科技(北京)有限公司 | 监测颈椎曲度的方法和装置 |
| CN114190904A (zh) * | 2021-12-08 | 2022-03-18 | 吉林大学 | 一种血管吻合通畅性评估方法、光电镊以及系统 |
| CN116035543A (zh) * | 2023-01-03 | 2023-05-02 | 科亚医疗科技股份有限公司 | 一种高血压等级确定方法、装置、设备及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050197544A1 (en) * | 2004-02-24 | 2005-09-08 | Bernstein Steven L. | System and method for indexing emergency department crowding |
| US20070073555A1 (en) * | 2003-10-29 | 2007-03-29 | Patientrack Pty Ltd. | System and process for facilitating the provision of health care |
| US20070226008A1 (en) * | 2005-03-23 | 2007-09-27 | Halsted Mark J | Automated system and method for prioritization of waiting patients |
| CN102043894A (zh) * | 2009-10-13 | 2011-05-04 | 北京大学 | 一种生理数据监测系统及方法 |
| CN102902874A (zh) * | 2011-07-29 | 2013-01-30 | 通用电气公司 | 用于在急诊部中进行自动化的检伤分类和安排的系统和方法 |
| US20150088546A1 (en) * | 2013-09-22 | 2015-03-26 | Ricoh Company, Ltd. | Mobile Information Gateway for Use by Medical Personnel |
| US20160217260A1 (en) * | 2015-01-22 | 2016-07-28 | Koninklijke Philips N.V. | System, method and computer program product for patient triage |
| CN106193229A (zh) * | 2016-07-14 | 2016-12-07 | 杨林 | 一种基于态势地图的智能马桶控制系统 |
| CN107730841A (zh) * | 2017-09-08 | 2018-02-23 | 深圳市盛路物联通讯技术有限公司 | 报警处理方法及相关产品 |
| CN109882834A (zh) * | 2019-03-27 | 2019-06-14 | 新奥数能科技有限公司 | 锅炉设备的运行数据监测方法及装置 |
| CN109952615A (zh) * | 2016-11-11 | 2019-06-28 | 皇家飞利浦有限公司 | 用于患者监测的队列 |
-
2019
- 2019-11-20 CN CN201911146099.5A patent/CN110840424B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070073555A1 (en) * | 2003-10-29 | 2007-03-29 | Patientrack Pty Ltd. | System and process for facilitating the provision of health care |
| US20050197544A1 (en) * | 2004-02-24 | 2005-09-08 | Bernstein Steven L. | System and method for indexing emergency department crowding |
| US20070226008A1 (en) * | 2005-03-23 | 2007-09-27 | Halsted Mark J | Automated system and method for prioritization of waiting patients |
| CN102043894A (zh) * | 2009-10-13 | 2011-05-04 | 北京大学 | 一种生理数据监测系统及方法 |
| CN102902874A (zh) * | 2011-07-29 | 2013-01-30 | 通用电气公司 | 用于在急诊部中进行自动化的检伤分类和安排的系统和方法 |
| US20150088546A1 (en) * | 2013-09-22 | 2015-03-26 | Ricoh Company, Ltd. | Mobile Information Gateway for Use by Medical Personnel |
| US20160217260A1 (en) * | 2015-01-22 | 2016-07-28 | Koninklijke Philips N.V. | System, method and computer program product for patient triage |
| CN106193229A (zh) * | 2016-07-14 | 2016-12-07 | 杨林 | 一种基于态势地图的智能马桶控制系统 |
| CN109952615A (zh) * | 2016-11-11 | 2019-06-28 | 皇家飞利浦有限公司 | 用于患者监测的队列 |
| CN107730841A (zh) * | 2017-09-08 | 2018-02-23 | 深圳市盛路物联通讯技术有限公司 | 报警处理方法及相关产品 |
| CN109882834A (zh) * | 2019-03-27 | 2019-06-14 | 新奥数能科技有限公司 | 锅炉设备的运行数据监测方法及装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113171061A (zh) * | 2021-03-26 | 2021-07-27 | 广东省科学院健康医学研究所 | 一种无创血管功能评估方法、装置、设备及介质 |
| CN113171061B (zh) * | 2021-03-26 | 2024-03-01 | 广东省科学院健康医学研究所 | 一种无创血管功能评估方法、装置、设备及介质 |
| CN113520371A (zh) * | 2021-07-27 | 2021-10-22 | 中科全联科技(北京)有限公司 | 监测颈椎曲度的方法和装置 |
| CN113520371B (zh) * | 2021-07-27 | 2024-04-12 | 中科全联科技(北京)有限公司 | 监测颈椎曲度的方法和装置 |
| CN114190904A (zh) * | 2021-12-08 | 2022-03-18 | 吉林大学 | 一种血管吻合通畅性评估方法、光电镊以及系统 |
| CN116035543A (zh) * | 2023-01-03 | 2023-05-02 | 科亚医疗科技股份有限公司 | 一种高血压等级确定方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110840424B (zh) | 2022-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110840425B (zh) | 一种急诊患者诊中健康监护系统及方法 | |
| CN110840424B (zh) | 一种预警式诊中监测装置及方法 | |
| US10874345B2 (en) | Automated detection of breathing disturbances | |
| US20200000338A1 (en) | Cloud-based physiological monitoring system | |
| US9569723B2 (en) | Method of continuous prediction of patient severity of illness, mortality, and length of stay | |
| JP7568345B2 (ja) | 神経系メトリックに基づく病気検出 | |
| JP6408479B2 (ja) | 患者モニタリングシステム及び患者モニタリング方法 | |
| US20140257058A1 (en) | Automated personal medical diagnostic system, method, and arrangement | |
| CN110832602B (zh) | 利用软件进行健康状态判定的装置、及健康状态判定方法 | |
| WO2012099534A2 (en) | Method and apparatus for deriving a health index for determining cardiovascular health | |
| JP6719799B1 (ja) | ソフトウェア、健康状態判定装置及び健康状態判定方法 | |
| CN113520395A (zh) | 一种精神状态的实时评估系统和方法 | |
| EP3769666A1 (en) | Human body wearable body information measuring device and medical support system using same | |
| CN115990002B (zh) | 一种生命体征监测系统及方法 | |
| CN106991293B (zh) | 一种重症疾病早期沟通系统、方法及沟通仪 | |
| KR20130062464A (ko) | 생체신호수집을 위한 ｕｓｎ 기반의 통합의료관리 시스템 및 방법 | |
| CN115426936A (zh) | 软件、健康状态判定装置及健康状态判定方法 | |
| JP4665490B2 (ja) | 生活支援装置 | |
| CN114999647A (zh) | 一种基于大数据的智慧健康监测方法及系统 | |
| Al-Dmour | Fuzzy Logic Based Patients' Monitoring System | |
| WO2017001981A1 (en) | Measurement re-take alert system | |
| WO2024047640A1 (en) | System and method for allergic reaction detection | |
| Chi | Sensor Diagnosis System for Sleep |
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 |