CN110926655A - 基于可穿戴体温传感器的疫情监控方法和系统 - Google Patents
基于可穿戴体温传感器的疫情监控方法和系统 Download PDFInfo
- Publication number
- CN110926655A CN110926655A CN202010096252.4A CN202010096252A CN110926655A CN 110926655 A CN110926655 A CN 110926655A CN 202010096252 A CN202010096252 A CN 202010096252A CN 110926655 A CN110926655 A CN 110926655A
- Authority
- CN
- China
- Prior art keywords
- body temperature
- temperature data
- individual
- suspected
- individuals
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
- G01K13/20—Clinical contact thermometers for use with humans or animals
-
- 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种基于可穿戴体温传感器的疫情监控方法,包括:通过可穿戴式体温传感器定时获取隔离点内的个体的体温数据和地理位置;逐个判断个体的体温数据是否超过37.3℃,是,则判为疑似人,隔离疑似人;然后,在每个隔离点内,监控疑似接触人的体温数据与正常值偏差是否达到0.3℃以上,是,则判为需迫切关注的疑似接触人,需要进行医学手段介入判断;同时,筛查隔离点内是否有超过5%的个体的体温数据与正常值偏差0.5℃以上,是,则判为待筛查疑似人,问询后确认是否需要医学手段介入;从而实现了疑似人的深入、分层次筛查;实现病毒隐藏传播者、患病人群的早发现、早隔离和早治疗。
Description
技术领域
本发明涉及体温监测技术领域,具体涉及一种基于可穿戴体温传感器的疫情监控方法和系统。
背景技术
2003年的SARS病毒和2020年初的新型冠状病毒的传播,对社会生产和居民生活带来了巨大的影响。在病毒肆虐期间,如果能够对病患或疑似病患进行无接触、持续的体温监测,将极大减少医护人员或者护理亲属被传染的风险。
为有效应对近期发生的新型冠状病毒(2019-nCoV)感染肺炎疫情,增强新发突发传染病的防控能力,国家自然科学基金委员、科技部会同国家卫生健康委、发展改革委等部门以及各省市相关科技部委,紧密围绕新型冠状病毒感染的病原学、流行病学、发病机制、疾病防治等相关重大科学问题,开展基础性、前瞻性的联合研究。钟南山院士指出:“发热仍然是新型冠状病毒感染的典型症状”,对疑似病人的监控依然依赖人工的体温等指标的检测,为减少监护(医疗人员的)交叉感染,实现实时、智能化、穿戴式的远程监测个体状态和掌控疫情传播状态,成为当务之急。
在实现人体体温数据的监控之后,如何发现潜在的病毒隐藏传播者、如何实现患病人群的早发现具有重大的现实意义。
发明内容
本发明要解决的技术问题是建立一种基于可穿戴体温传感器的疫情监控方法和系统,实现对病毒传播者的追踪、筛选,实现对大量个体、传染病患者或疑似患者进行无接触、持续的体温监测,并筛选出需要重点关注的群体,实现病毒隐藏传播者、患病人群的早发现、早隔离和早治疗。
本发明一种基于可穿戴体温传感器的疫情监控方法,包括:
步骤H.按照设定的时间间隔,通过可穿戴式体温传感器获取个体的体温数据和个体的地理位置信息;
个体在某一时间段内位于一个隔离点,个体在另外的时间进入另一个隔离点,至少一个隔离点的个体的数量在50个以上,我们分析的切入口在人数较多的隔离点,这种隔离点可能是医院、工厂、办公室或家庭人数较多的家里;
I.逐个分析判断个体的体温数据是否与疫情的体温数据吻合;当某个个体的体温数据吻合时,判断为疑似人,隔离疑似人,开始步骤K;当所有的个体的体温数据都不吻合时,开始步骤J;
步骤J.判断是否有超过10%的个体的体温数据与正常值偏差0.5℃以上,如果否,则继续从步骤H开始下一轮监控,如果是,则标记体温数据与正常值偏差大于等于0.5℃的个体为待筛查疑似个体,并发出提示。
需要说明的是10%的参考值的选取是基于隔离点的个体数量确定,例如隔离点的个体数量为50个时,10%则意味着有5个以上的个体的体温数据增大了0.5℃以上。在一些人数较少的隔离点,例如20个人的小公司,设置10%,即2个人出现体温数据增大了0.5℃以上可能并不具有太大的关注的意义,在这种情况下,我们设置另外的参考标准,在50个个体以下的隔离点,我们设置至少有5个人的温数据增大了0.5℃以上时设置为需要关注的事件,此时筛查出的个体标记为待筛查疑似个体。而在一些超大型的公司,例如人数在1000人以上,此时的10%就有100个人了,此时再以10%为预警值,则可能会出现晚发现的危险,此时需要针对大型公司进行隔离点的切割,切割成一些小的隔离点进行分析和监控,切割过程中可以基于办公区域,也可以基于办公人员接触的可能性,也就是说隔离点可以是空间上的相对明确的隔离点,也可以是时间上的经常会聚集到一块的一群人,尽管这群人可能并没有固定的隔离点,但是这群人经常会碰到一起。隔离点的人数控制在200人以内是相对合理的,以保持数据的准确性和发现的及时性。当然,还要考虑病毒的传染能力和危害性,如果病毒的传播能力或称传染能力很强,则需要设置更小的预警值。
0.5℃的选取的说明。因为2019新型冠状病毒的感染者有最长达24天的潜伏期,也有患者没有表现出较明显的症状而自愈了,但是即使是自愈了的患者,其在潜伏期、得病过程中、恢复过程中和恢复好后都具有较强的传染能力,并且这个过程中其体温通常意义下会出现波动,这是本发明提出的技术方案的理论意义和重要意义所在。通常情况,个体的体温数据的波动值不会大于0.5℃,也就是说当个体的体温数据的波动值大于0.5℃以上时,通常已经发生了病变。
为了实现新型冠状肺炎的早发现、早隔离、早治疗的目标,我们将数据进行了下沉处理,正常人的体温数据为36.5℃左右,而37.3℃高出正常人的体温0.8℃,常规情况下当某个个体的体温数据升高0.5℃也就是达到37℃时不会触发新型冠状肺炎的预警,但是当多个个体,例如超过10%的个体的体温数据同时升高0.5℃时,则很可能已经发生了病毒的大面积感染和传播,因此,此时需要进行分析和预警,需要针对本步骤筛查出的个体做进一步的医学上的诊断;本步骤是极其重要和有意义的。
步骤K. 在每个隔离点内寻找与疑似人有过接触的疑似接触人,监控疑似接触人的个体的体温数据与正常值偏差0.3℃以上,如果否,则继续下一轮监控,如果是,则标记体温数据与正常值偏差0.3℃的个体为需迫切关注接触疑似接触人,并发出提示。与疑似人接触过的个体被感染病毒的可能性增大,所以我们将体温的预警值降低,以实现疾病的早发现。
优选的,步骤J中,个体的体温数据与正常值偏差小于等于1℃。当个体的体温数据与正常值偏差大于1℃时,通常已经达到37.3℃,已经超过了本次2019新型冠状病毒的表征温度。
优选的,个体在2个隔离点之间移动时,可能对两个隔离点的影响不同,一个隔离点可能是班上、另一个隔离点是家里,因为两个隔离点的人数不多,其对隔离点的影响和隔离点对他的影响都会不同,需要分析他对每个隔离点的影响也要关注每个隔离点对他的影响。我们从大的、人数较多的隔离点入手进行分析,有利于较早的控制局面和发现问题。
现实中,针对一个独立的个体,可能还会出现第三个隔离点,例如公交车、私家车或地铁等。有时候,隔离点内的个体的数量和人都不是固定的,例如地铁内;有些隔离点内的个体的数量和人是相对固定的,例如一个公司内部。在进行隔离点的分析时,要考虑隔离点的特殊性,考虑时间间隔的选取是否合理。
疫情的体温数据为以官方公布的为准,针对2019新型冠状病毒,为37.3℃及以上。
本发明还提供了一种基于可穿戴体温传感器的疫情监控系统。
一种基于可穿戴体温传感器的疫情监控系统,包括:
大数据获取单元.按照设定的时间间隔,通过可穿戴式体温传感器获取个体的体温数据和个体的地理位置信息;
个体在某一时间段内位于一个隔离点,个体在另外的时间进入另一个隔离点,也就是说个体在两个不同的隔离点之间可以移动,通常意义上人需要上班和回家,这是最需要的和无法回避的,至少一个隔离点的个体的数量在50个以上;
大数据分析单元一.逐个分析判断个体的体温数据是否与疫情的体温数据吻合;当某个个体的体温数据吻合时,判断为疑似人,隔离疑似人,进入大数据分析单元二;当所有的个体的体温数据都不吻合时,则进入大数据分析单元三。
大数据分析单元二.判断是否有超过10%的个体的体温数据与正常值偏差0.5℃以上,如果否,则继续进入大数据分析单元一开始下一轮监控,如果是,则标记体温数据与正常值偏差大于等于0.5℃的个体为待筛查疑似个体,并发出提示;
大数据分析单元三. 在每个隔离点内寻找与疑似人有过接触的疑似接触人,监控疑似接触人的个体的体温数据与正常值偏差0.3℃以上,如果否,则继续下一轮监控,如果是,则标记体温数据与正常值偏差0.3℃的个体为需迫切关注接触疑似接触人,并发出提示。
大数据分析单元一、大数据分析单元二和大数据分析单元三合作,主要作用是实现个体的分类分级筛选和处理,将个体分为暂时正常人进入下一轮筛选、疑似人隔离处理、待筛查疑似个体进行普通筛查、疑似接触人需要迫切关注并进行医学筛查。
大数据分析单元二中,0.5℃,可以被替换为0.5℃以上,例如0.55℃。个体的体温数据与正常值偏差小于等于1℃。
本发明的有益效果是,一种基于可穿戴体温传感器的疫情监控方法,包括:步骤H.按照设定的时间间隔,通过可穿戴式体温传感器获取个体的体温数据和个体的地理位置信息;个体在某一时间段内位于一个隔离点,个体在另外的时间进入另一个隔离点,也即个体在两个隔离点之间可移动;步骤I.逐个分析判断个体的体温数据是否与疫情的体温数据吻合;当某个个体的体温数据吻合时,判断为疑似人,隔离疑似人,开始步骤K;当所有的个体的体温数据都不吻合时,开始步骤J;步骤J.判断是否有超过10%的个体的体温数据与正常值偏差0.5℃以上,如果否,则继续从步骤H开始下一轮监控,如果是,则标记体温数据与正常值偏差大于等于0.5℃的个体为待筛查疑似人,并发出提示,需要对待筛查疑似人作进一步跟踪,通过CT拍摄胸部等医学手段做进一步的判断;步骤K. 在每个隔离点内寻找与疑似人有过接触的疑似接触人,监控疑似接触人的个体的体温数据与正常值偏差是否达到0.3℃以上,如果否,则继续下一轮监控,如果是,则标记体温数据与正常值偏差0.3℃的个体为需迫切关注接触疑似接触人,并发出提示,需要对待筛查疑似人作进一步跟踪,通过CT拍摄胸部等医学手段做进一步的判断。需迫切关注接触疑似接触人优先于待筛查疑似人,需要优先进行处理和进一步的医学筛查,以尽快的找到隐藏的具有传染能力的病毒感染者,从而实现了疑似人的深入、分层次筛查;实现病毒隐藏传播者、患病人群的早发现、早隔离和早治疗。
附图说明
下面结合附图1-11对本发明一种基于可穿戴体温传感器的疫情监控方法和系统作进一步说明。
图1是本发明一种基于可穿戴体温传感器的疫情监控方法的实施例一的流程图。
图2是本发明一种基于可穿戴体温传感器的疫情监控系统的实施例一的结构框图。
图3是本发明一种基于可穿戴体温传感器的疫情监控系统的拓扑结构图。
图4是本发明采用中继基站作为中继器的场景说明图。
图5是本发明采用中继基站作为中继器的系统图。
图6是本发明采用手机作为中继器的场景说明图。
图7是本发明采用手机作为中继器的系统图。
图8是本发明一种基于可穿戴体温传感器的疫情监控系统获得的t时刻的多个单元的体温数据图。
图9是本发明一种基于可穿戴体温传感器的疫情监控系统获得的t到t+n时刻段的多个单元的个体体温变化的体温数据图。
图10是本发明一种基于可穿戴体温传感器的疫情监控系统获得的个体A从一个独立单元迁移到另一个独立单元后的各个独立单元的体温数据图。
图11是本发明基于可穿戴体温传感器的疫情宏观监控系统获得的多个独立单元的体温数据图,其中个体B发生的迁移,个体B在t-2n到t-n、t-n到t以及t到t+n三个时间段体温有波动。
图中:
1-体温传感器,11-体温检测单元,12-第一蓝牙通讯单元,13-电源单元,2-中继器,21-中继基站,211-主控单元,212-第二蓝牙通讯单元,213-WIFI单元,214-NB-IoT物联网单元,215-存储单元,216-人机交互单元,22-手机,3-云平台。
NB-IoT:窄带物联网。
具体实施方式
本发明提供了一种基于可穿戴体温传感器的疫情监控方法。
实施例1
个体在某一时间段内位于一个隔离点,个体在另外的时间进入另一个隔离点,也就是说个体具有移动性,例如立体可能在工作单位与家之间移动,为了从大数据、更宏观的角度进行分析,我们假设至少一个隔离点的个体的数量在50个以上,以增大我们获取的数据的概率上的准确性和代表性,我们选取某口罩生产线设备的组装车间作为例子,人数为65人。
一种基于可穿戴体温传感器的疫情监控方法,包括:
步骤H.按照设定的时间间隔,每隔5分钟,通过可穿戴式体温传感器获取个体的体温数据和个体的地理位置信息;
步骤I.逐个分析判断个体的体温数据是否达到或超过37.3℃;当某个个体的体温数据与疫情的体温数据吻合时,判断为疑似人,隔离疑似人,开始步骤K;当所有的个体的体温数据都低于37.3℃时,开始步骤J;
步骤J.判断是否有超过7个人的体温数据与正常值偏差0.5℃以上,如果否,则继续从步骤H开始下一轮监控,如果是,则标记体温数据与正常值偏差大于等于0.5℃的个体为待筛查疑似个体,并发出提示。在监控的起始阶段,我们需要首先确定个体的正常的体温数值,我们以常规情形下前五分钟测量所得到的体温最高值作为体温正常值,该体温正常值要在前五分钟的测量过程中持续5S以上。通过问询待筛查疑似个体,得到更准确的体温数据偏差的原因,如果不能排除感染病毒的可能性,则需要通过CT影像、试剂盒检测等医学检测手段的介入。
步骤K. 借助我们获得的个体的地理位置信息和工厂内部的分工图、工序衔接图及工作接触的可能性,在车间内部寻找与疑似人有过接触的疑似接触人,监控疑似接触人的个体的体温数据与正常值的偏差是否达到0.3℃以上,如果否,则继续下一轮监控,如果是,则标记体温数据与正常值偏差0.3℃的个体为需迫切关注接触疑似接触人,并发出提示。我们将预警值设置为0.3℃是因为病毒传播能力比较强,疑似接触人感染病毒的可能性比较大,所以在体温产生异常的起始阶段就去干预和检测,以实现新冠肺炎的早发现、早隔离和早治疗。
疑似人是与感染者密切接触的个体,感染病毒的可能性极大,其可能表现出明显的医学症状也可能不表现,但是其传染病毒的能力却很强。与疑似接触人有过接触的个体被称为二次疑似接触人,二次疑似接触人感染病毒的风险也很大。
图8为t时刻的多个隔离点-独立单元的体温数据图,从中可以看出改时间点各个独立单元内的个体的体温数值,实现从宏观上对每个个体的体温数据进行观察和分析。
图9是t到t+n时刻段的多个独立单元的个体体温变化的体温数据图,从中可以看出个体的体温数据的波动值,以及是否超过警戒值。
图10是疫情宏观监控系统获得的个体A从一个独立单元迁移到另一个独立单元后的各个独立单元的体温数据图,个体A的体温数据是异常的,已经超过37.3℃,他的迁移可能是引起两个独立单元内其他人的体温升高的原因,需要对他进行重点监控和分析。
隔离点与独立单元是相同的概念。
实施例2
本实施例中,隔离点是相对分散的为某县的领导班子,人数为60人,由于工作需要,他们每周要在一起开一次会议,尽管会议的地址可能会发生变动,但我们仍然可以定义这60个人为一个隔离点,采用本发明提供的基于可穿戴体温传感器的疫情监控方法:
步骤H.按照设定的时间间隔,每隔十分钟,通过可穿戴式体温传感器获取一次每隔个体的体温数据和个体的地理位置信息;
个体在某一时间段内位于一个隔离点,个体在另外的时间进入另一个隔离点,也就是说个体具有移动性,例如这些个体会去自己工作的办公室、会回到自己的家里;
步骤I.逐个分析判断个体的体温数据是否与疫情的体温数据吻合;当某个个体的体温数据与疫情的体温数据吻合时,判断为疑似人,隔离疑似人,开始步骤K;当所有的个体的体温数据都不吻合时,开始步骤J,在本次的2019新冠状肺炎的疫情传染过程中,我们取疫情的体温数据为37.3℃及以上,也就是说个体的体温数据大于等于37.3℃时,我们判断为该个体与疫情的体温数据吻合。
步骤J.判断是否有超过6个人的体温数据与正常值偏差0.5℃以上,如果否,则继续从步骤H开始下一轮监控,如果是,则标记体温数据与正常值偏差大于等于0.5℃的个体为待筛查疑似个体,并发出提示。
步骤K. 在每个隔离点内寻找与疑似人有过接触的疑似接触人,监控疑似接触人的个体的体温数据与正常值的偏差是否达到0.3℃以上,如果否,则继续下一轮监控,如果是,则标记体温数据与正常值偏差0.3℃的个体为需迫切关注接触疑似接触人,并发出提示。疑似人是与感染者密切接触的个体,感染病毒的可能性极大,传染能力也很强,与其有过接触的个体被称为疑似接触人,疑似接触人感染病毒的风险也很大,
图11是本发明获得的多个独立单元的体温数据图,其中个体B发生的迁移,个体B在t-2n到t-n、t-n到t以及t到t+n三个时间段体温有波动。在后两个时间段内个体B的体温已经低于37.3℃,他看起来是健康的,但是如果追溯他的历史体温数据发现,他体温曾经超过37.3℃,也就是说他可能得过病并且自愈了,这为快速分析与他曾同在一个单元内的其他人的体温数据提供了重要的数据。
本发明还提供了一种基于可穿戴体温传感器的疫情监控系统。
实施例1
一种基于可穿戴体温传感器的疫情监控系统,包括:
本实施例中,包括体温传感器1、中继器2和云平台3;
体温传感器1为可穿戴式设备,用于采集人体体表温度和地理位置信息,并将体温数据传输给中继器2,中继器2实现隔离点的多个个体的体温数据的集中采集;
中继器2用于通过网络访问云平台3,并向云平台3发送接收到的体温数据,云平台3可以同时接受多个中继器2的访问,云平台3集成有大数据分析单元一、大数据分析单元二和大数据分析单元三;
体温传感器1和中继器2相当于大数据获取单元。按照设定的时间间隔,通过可穿戴式体温传感器获取个体的体温数据和个体的地理位置信息;个体在某一时间段内位于一个隔离点,个体在另外的时间进入另一个隔离点,我们选取某生产企业的某个车间作为隔离点,隔离点的人数为55,一个组装车间。
大数据分析单元一,我们逐个分析这55个人的体温数据是否与疫情的体温数据吻合;当某个个体的体温数据吻合时,判断为疑似人,隔离疑似人,进入大数据分析单元二;当所有的个体的体温数据都不吻合时,则进入大数据分析单元三;
大数据分析单元二,判断是否有超,5个人的体温数据与正常值偏差0.5℃以上,如果否,则继续进入大数据分析单元一开始下一轮监控,如果是,则标记体温数据与正常值偏差大于等于0.5℃的个体为待筛查疑似个体,并发出提示,通过医学手段确认这几个人是否感染了病毒,如果没有感染病毒则将这几个人送回车间继续生产活动,如果这几个人有感染病毒的则将其隔离,并进一步寻找与其进行过接触的个体,进行跟踪、观察和处理;
大数据分析单元三. 在每个隔离点内寻找与疑似人有过接触的疑似接触人,监控疑似接触人的个体的体温数据与正常值偏差是否达到0.3℃以上,如果否,则继续下一轮监控,如果是,则标记体温数据与正常值偏差0.3℃的个体为需迫切关注接触疑似接触人,并发出提示。
云平台3对每个体温传感器1建档管理,并对接收到的体温数据进行整理汇总和分析。
本实施例中,体温传感器1粘贴固定于人体体表,体温传感器1包括体温检测单元11、第一蓝牙通讯单元12和电源单元13;
体温检测单元11用于检测人体体表温度;
第一蓝牙单元12用于与中继器2通讯,包括上传体温数据和接收控制信号;
电源单元13具有内置电池,用于为体温传感器1持续供电。
本实施例中,云平台3实时记录每个已建档的体温传感器1的温度数据,并形成连续的体温曲线图;
在体温曲线图中,标识体温传感器1的佩戴状态、正常体温状态和发热体温状态。
本实施例中,云平台3根据体温传感器佩戴者的位置区域进行分组管理,实现隔离点的分割和定位;
在分组界面中图表显示隔离点的个体即组员的状态,包括每个组员的具体位置、当前体温、1小时内最高体温,并对发热人员突出显示;
在汇总界面中图表显示分组状态,包括突出显示的各分组发热人员数量,并进行数量上的统计和分析。
本实施例中,中继器2为手机22,手机22安装有用于控制体温传感器1并访问云平台3的APP程序;
体温传感器1通过第一蓝牙通讯单元12与手机22连接。
独立单元、疫情隔离点为:医院,酒店,社区,学校等。
在本发明中:疫情的体温数据为:37.3℃。
实施例2
本实施例中,包括基于可穿戴体温传感器的远程集中监控系统,进行远程数据监控和采集,使医务人员通过该系统实时掌握患者的体温数据,实现患者、疑似病例、病毒潜在传播者的早发现和早治疗。
本实施例适用于集中监测的场景,可以比作一个个单独的相对独立的隔离点,比如病患集中的医院隔离区、大型隔离车辆或轮船、居家隔离的家庭,尤其适用于武汉临时方舱医院。
本实施例中,我们选取一艘被隔离的游轮为应用案例,虽然轮船上有3000人以上,我们建议将轮船根据地理位置上的区域、工作的需要进行独立单元的划分,以将人数限制在一个较小的范围内,例如200人为一个隔离点,当然这些隔离点可能有重合。
首先,远程集中监控系统包括体温传感器1、中继器2和云平台3;
体温传感器1为可穿戴式设备,用于采集人体体表温度,并将体温数据传输给中继器2;云平台3集成有大数据分析单元一、大数据分析单元二和大数据分析单元三;体温传感器1和中继器2相当于大数据获取单元。
中继器2用于通过网络访问云平台3,并向云平台3发送接收到的体温数据,云平台3可以同时接受多个中继器2的访问;
云平台3对每个体温传感器1建档管理,并对接收到的体温数据进行整理汇总和分析。
本实施例中,体温传感器1粘贴固定于人体体表,体温传感器1包括体温检测单元11、第一蓝牙通讯单元12和电源单元13;
体温检测单元11用于检测人体体表温度;
第一蓝牙单元12用于与中继器2通讯,包括上传体温数据和接收控制信号;
电源单元13具有内置电池,用于为体温传感器1持续供电。
本实施例中,云平台3实时记录每个已建档的体温传感器1的温度数据,并形成连续的体温曲线图;
在体温曲线图中,标识体温传感器1的佩戴状态、正常体温状态和发热体温状态。
本实施例中,云平台3根据体温传感器佩戴者的位置区域进行分组管理;
在分组界面中图表显示组员状态,包括每个组员的具体位置、当前体温、1小时内最高体温,并对发热人员突出显示;
在汇总界面中图表显示分组状态,包括突出显示的各分组发热人员数量。
本实施例中,中继器2为中继基站21;
中继基站21包括主控单元211、第二蓝牙通讯单元212;
主控单元211用于控制中继基站21;
第二蓝牙通讯单元212用于与第一蓝牙单元12进行通讯,第二蓝牙通讯单元212可同时与多个第一蓝牙单元12无线连接;
本实施例中,中继基站21还包括WIFI单元213;
WIFI单元213用于与路由器连接,使中继基站21接入广域网。
本实施例中,中继基站21还包括NB-IoT物联网单元214,用于通过无线移动网络访问云平台3。
本实施例中,中继基站21还包括存储单元215,存储单元215用于无法连接广域网时存储体温传感器1上传的体温数据。
本实施例中,中继基站21还包括人机交互单元216;
人机交互单元216用于与操作者的手机连接,操作者通过手机在中继基站21信号覆盖区域内直接查询管理中继基站21所连接的体温传感器1状态数据。
本发明的不局限于上述实施例,本发明的上述各个实施例的技术方案彼此可以交叉组合形成新的技术方案,另外凡采用等同替换形成的技术方案,均落在本发明要求的保护范围内。
Claims (8)
1.一种基于可穿戴体温传感器的疫情监控方法,其特征在于,包括:
步骤H.按照设定的时间间隔,通过可穿戴式体温传感器获取个体的体温数据和个体的地理位置信息;
个体在某一时间段内位于一个隔离点,个体在另外的时间进入另一个隔离点,至少一个隔离点的个体的数量在20个以上;
步骤I.逐个分析判断所述个体的体温数据是否与疫情的体温数据吻合;当某个个体的体温数据吻合时,判断为疑似人,隔离疑似人,开始步骤K;当所有的个体的体温数据都不吻合时,开始步骤J;
步骤J.判断是否有超过10%的个体的体温数据与正常值偏差0.5℃以上,如果否,则继续从步骤H开始下一轮监控,如果是,则标记所述体温数据与正常值偏差大于等于0.5℃的个体为待筛查疑似人,并发出提示;
步骤K. 在每个隔离点内寻找与所述疑似人有过接触的疑似接触人,监控所述疑似接触人的个体的体温数据与正常值偏差是否达到0.3℃以上,如果否,则继续下一轮监控,如果是,则标记所述体温数据与正常值偏差0.3℃的个体为需迫切关注的疑似接触人,并发出提示。
2.如权利要求1所述基于可穿戴体温传感器的疫情监控方法,其特征在于,每个隔离点的个体的数量在50个以上。
3.如权利要求2所述基于可穿戴体温传感器的疫情监控方法,其特征在于,所述步骤J中:个体的体温数据与正常值偏差小于等于1℃。
4.如权利要求1所述基于可穿戴体温传感器的疫情监控方法,其特征在于,所述疫情的体温数据为大于等于37.3℃。
5.一种基于可穿戴体温传感器的疫情监控系统,其特征在于,包括:
大数据获取单元.按照设定的时间间隔,通过可穿戴式体温传感器获取个体的体温数据和个体的地理位置信息;
所述个体在某一时间段内位于一个隔离点,所述个体在另外的时间进入另外一个隔离点;
大数据分析单元一.逐个分析判断所述个体的体温数据是否与疫情的体温数据吻合;当某个个体的体温数据吻合时,判断为疑似人,隔离疑似人,进入大数据分析单元三;当所有的个体的体温数据都不吻合时,进入大数据分析单元二;
大数据分析单元二.判断是否有超过10%的个体的体温数据与正常值偏差0.5℃以上,如果否,则继续进入大数据分析单元一开始下一轮监控,如果是,则标记所述体温数据与正常值偏差大于等于0.5℃的个体为待筛查疑似人,并发出提示;
大数据分析单元三. 在每个隔离点内寻找与所述疑似人有过接触的疑似接触人,监控所述疑似接触人的个体的体温数据与正常值偏差是否达到0.3℃以上,如果否,则继续下一轮监控,如果是,则标记所述体温数据与正常值偏差0.3℃的个体为需迫切关注的疑似接触人,并发出提示。
6.如权利要求5所述基于可穿戴体温传感器的疫情监控系统,其特征在于,每个隔离点的个体的数量在50个以上。
7.如权利要求5所述基于可穿戴体温传感器的疫情监控系统,其特征在于,所述大数据分析单元二中:个体的体温数据与正常值偏差小于等于1℃。
8.如权利要求5所述基于可穿戴体温传感器的疫情监控系统,其特征在于,所述疫情的体温数据为大于等于37.3℃。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010096252.4A CN110926655A (zh) | 2020-02-17 | 2020-02-17 | 基于可穿戴体温传感器的疫情监控方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010096252.4A CN110926655A (zh) | 2020-02-17 | 2020-02-17 | 基于可穿戴体温传感器的疫情监控方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110926655A true CN110926655A (zh) | 2020-03-27 |
Family
ID=69854818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010096252.4A Pending CN110926655A (zh) | 2020-02-17 | 2020-02-17 | 基于可穿戴体温传感器的疫情监控方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110926655A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111182470A (zh) * | 2020-04-10 | 2020-05-19 | 杭州沃朴物联科技有限公司 | 一种可穿戴体温检测装置、监控系统及方法 |
CN111486990A (zh) * | 2020-04-29 | 2020-08-04 | 广州柏颐信息科技有限公司 | 一种人体状态监测方法、系统、装置及存储介质 |
CN111815257A (zh) * | 2020-05-27 | 2020-10-23 | 福信富通科技股份有限公司 | 一种基于疫情对隔离人员的智能管理方法、装置及系统 |
CN111833599A (zh) * | 2020-05-29 | 2020-10-27 | 广东岭南通股份有限公司 | 一种突发公共卫生安全事件密切接触者预警方法及系统 |
CN112102945A (zh) * | 2020-11-09 | 2020-12-18 | 电子科技大学 | 一种用于预测covid-19病患重症化的装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1542416A (zh) * | 2003-05-02 | 2004-11-03 | 北京行者华视网络系统集成技术有限公 | 测温方法和测温装置 |
CN102043895A (zh) * | 2009-10-13 | 2011-05-04 | 北京大学 | 一种疾病防控方法和系统 |
CN204306808U (zh) * | 2014-12-11 | 2015-05-06 | 郑州晟诺生物科技有限公司 | 基于物联网的呼吸道传染病监控系统 |
CN106580283A (zh) * | 2016-11-16 | 2017-04-26 | 神农架林区疾病预防控制中心 | 人感染高致病性禽流感的疫情防控方法 |
CN107277763A (zh) * | 2017-05-05 | 2017-10-20 | 中国科学院深圳先进技术研究院 | 一种传染病防控方法及系统 |
CN108498080A (zh) * | 2018-04-10 | 2018-09-07 | 中山市徕康医疗信息软件技术有限公司 | 一种发热疫情快速筛查与管理的智能公卫服务系统 |
CN108695003A (zh) * | 2018-08-07 | 2018-10-23 | 中山市徕康医疗信息软件技术有限公司 | 一种发热疫情监控与溯源的云管理系统及方法 |
CN109166630A (zh) * | 2018-08-03 | 2019-01-08 | 杜占玮 | 一种传染病数据监控处理方法和系统 |
CN109378079A (zh) * | 2018-09-27 | 2019-02-22 | 同济大学 | 一种基于发热症状监测传染病的系统及方法 |
-
2020
- 2020-02-17 CN CN202010096252.4A patent/CN110926655A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1542416A (zh) * | 2003-05-02 | 2004-11-03 | 北京行者华视网络系统集成技术有限公 | 测温方法和测温装置 |
CN102043895A (zh) * | 2009-10-13 | 2011-05-04 | 北京大学 | 一种疾病防控方法和系统 |
CN204306808U (zh) * | 2014-12-11 | 2015-05-06 | 郑州晟诺生物科技有限公司 | 基于物联网的呼吸道传染病监控系统 |
CN106580283A (zh) * | 2016-11-16 | 2017-04-26 | 神农架林区疾病预防控制中心 | 人感染高致病性禽流感的疫情防控方法 |
CN107277763A (zh) * | 2017-05-05 | 2017-10-20 | 中国科学院深圳先进技术研究院 | 一种传染病防控方法及系统 |
CN108498080A (zh) * | 2018-04-10 | 2018-09-07 | 中山市徕康医疗信息软件技术有限公司 | 一种发热疫情快速筛查与管理的智能公卫服务系统 |
CN109166630A (zh) * | 2018-08-03 | 2019-01-08 | 杜占玮 | 一种传染病数据监控处理方法和系统 |
CN108695003A (zh) * | 2018-08-07 | 2018-10-23 | 中山市徕康医疗信息软件技术有限公司 | 一种发热疫情监控与溯源的云管理系统及方法 |
CN109378079A (zh) * | 2018-09-27 | 2019-02-22 | 同济大学 | 一种基于发热症状监测传染病的系统及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111182470A (zh) * | 2020-04-10 | 2020-05-19 | 杭州沃朴物联科技有限公司 | 一种可穿戴体温检测装置、监控系统及方法 |
CN111486990A (zh) * | 2020-04-29 | 2020-08-04 | 广州柏颐信息科技有限公司 | 一种人体状态监测方法、系统、装置及存储介质 |
CN111815257A (zh) * | 2020-05-27 | 2020-10-23 | 福信富通科技股份有限公司 | 一种基于疫情对隔离人员的智能管理方法、装置及系统 |
CN111833599A (zh) * | 2020-05-29 | 2020-10-27 | 广东岭南通股份有限公司 | 一种突发公共卫生安全事件密切接触者预警方法及系统 |
CN112102945A (zh) * | 2020-11-09 | 2020-12-18 | 电子科技大学 | 一种用于预测covid-19病患重症化的装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110926655A (zh) | 基于可穿戴体温传感器的疫情监控方法和系统 | |
CN103905549B (zh) | 基于物联网和云计算的健康管理系统及方法 | |
CN107145704B (zh) | 一种面向社区的健康医疗监护、评测系统及其方法 | |
CN111063450A (zh) | 一种基于可穿戴体温传感器的疫情疑似人筛选方法和系统 | |
CN111163110A (zh) | 一种基于可穿戴体温传感器的体温集中监测系统 | |
CN103230261B (zh) | 一种生理信息监测系统及监测方法 | |
CN103605911A (zh) | 一种基于物联网的社区智能医护系统控制方法 | |
CN104490388A (zh) | 一种可扩展的人体健康远程记录、监护和诊断系统 | |
CN110349372B (zh) | 居家养老人员活动异常预警方法和装置 | |
CN1540566A (zh) | 掌上型移动远程心电监护系统 | |
CN1943505A (zh) | 高危心脏病人群的远程实时监护系统及集控式连续监护方法 | |
CN104042196A (zh) | 实时健康监测及智能预警系统与方法 | |
JP2015513746A (ja) | 個人における連続心臓モニタリングのための方法、システム及び装置 | |
CN105011930A (zh) | 一种实时心脏监控、报警及救援系统及方法 | |
CN103536278A (zh) | 新型健康监护系统 | |
CN204336910U (zh) | 一种可扩展的人体健康远程记录、监护和诊断系统 | |
CN110926656A (zh) | 一种基于可穿戴体温传感器的疫情监控方法和系统 | |
CN108399956A (zh) | 养老院看护管理装置、养老院看护管理设备以及系统 | |
CN103024937A (zh) | 基于物联网技术的体征监测平台 | |
CN101083697A (zh) | 一种移动医疗救助数字信息系统及其工作方法 | |
CN113729643A (zh) | 基于健康监测和轨道监测的传染病防控方法、设备及系统 | |
CN101732034A (zh) | 一种医疗特护领域的远程监护及定位跟踪系统 | |
CN206995246U (zh) | 一种基于心电和体态的实时定位救助系统 | |
CN108492869A (zh) | 基于物联网的智慧云心电智能监控与数据处理系统 | |
CN205994490U (zh) | 一种监护系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200327 |