CN111685742B - 一种用于脑卒中病治疗的评估系统及方法 - Google Patents
一种用于脑卒中病治疗的评估系统及方法 Download PDFInfo
- Publication number
- CN111685742B CN111685742B CN202010546006.4A CN202010546006A CN111685742B CN 111685742 B CN111685742 B CN 111685742B CN 202010546006 A CN202010546006 A CN 202010546006A CN 111685742 B CN111685742 B CN 111685742B
- Authority
- CN
- China
- Prior art keywords
- data
- treatment
- comprehensive
- patient
- nursing
- 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
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
- A61B5/48—Other medical applications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明实施例公开了一种用于脑卒中病治疗的评估系统及方法,包括单次复诊检测模块、数据收集处理服务器、看护数据记录模块以及综合治疗评分模型,单次复诊检测模块用于提供医院检查仪器检测的标准病情数据;看护数据记录模块用于提供患者治疗过程中通过家庭式检查仪器检测的基本病情数据;数据收集处理服务器将接收的数据同步导入综合治疗评分模型;综合治疗评分模型根据看护数据记录模块统计的基本病情数据以及单次复诊检测模块获取的标准病情数据进行计算治疗评分,并通过对比治疗评分的变化曲线来直观显示治疗效果;本方案以长期的每天的检测数据取代现有的单次复诊检测数据,从而提高诊断结果的准确性,并将治疗效果以评分的方式直观显示。
Description
技术领域
本发明实施例涉及脑卒中病治疗技术领域,具体涉及一种用于脑卒中病治疗的评估系统及方法。
背景技术
脑卒中发生的最常见原因是脑部供血血管内壁上有小栓子,脱落后导致动脉-动脉栓塞,即缺血性卒中。也可能由于脑血管或血栓出血造成,为出血性卒中。冠心病伴有房颤患者的心脏瓣膜容易发生附壁血栓,栓子脱落后可以堵塞脑血管,也可导致缺血性卒中。其他因素有高血压、糖尿病、高血脂等。其中,高血压是中国人群卒中发病的最重要危险因素,尤其是清晨血压异常升高。研究发现清晨高血压是卒中事件最强的独立预测因子,缺血性卒中在清晨时段发生的风险是其他时段的4倍,清晨血压每升高10mmHg,卒中风险增加44%。
脑卒中患者在治疗时间长,需要一个长期的监控过程,以避免病情反复加重,因此需要配合脑卒中患者的日常看护治疗和定期复诊工作,但是现有的医患配合治疗中还存在的缺陷如下:
(1)患者的日常生命体征监测数据,包括呼吸频率、体温、血压和血糖等数据,无法及时与医生进行数据交互和数据共享,导致监测数据的丢失;
(2)医生只能根据复诊时的监测项目数据评断治疗效果,而单次的血压和血糖数据无法准确体现治疗过程的效果,容易导致治疗效果评估精度低,影响后期的治疗方案;
(3)无法形成监测数据的变化图,因此非医务人员的患者无法根据监测数据的医学意义评估治疗效果,医患之间的沟通少,影响患者的治疗心态。
发明内容
为此,本发明实施例提供一种用于脑卒中病治疗的评估系统及方法,以解决现有技术中患者的日常生命体征监测数据无法及时与医生进行数据交互和数据共享,导致治疗效果评估精度低,影响后期的治疗方案,医患之间的沟通少,影响患者的治疗心态的问题。
为了实现上述目的,本发明的实施方式提供如下技术方案:
本发明一方面提供了一种用于脑卒中病治疗的评估系统,包括单次复诊检测模块、数据收集处理服务器、看护数据记录模块以及综合治疗评分模型,所述数据收集处理服务器接收并存储所述单次复诊检测模块和所述看护数据记录模块的数据,所述数据收集处理服务器将接收的数据同步导入所述综合治疗评分模型,所述综合治疗评分模型对每个治疗疗程中的数据综合计分;
所述单次复诊检测模块用于提供医院检查仪器检测的标准病情数据;
所述看护数据记录模块用于提供患者治疗过程中通过家庭式检查仪器检测的基本病情数据;
所述综合治疗评分模型根据所述看护数据记录模块统计的基本病情数据以及所述单次复诊检测模块获取的标准病情数据进行计算治疗评分,并通过对比治疗评分的变化曲线来直观显示治疗效果。
作为本发明的一种优选方案,所述看护数据记录模块在一天时间内按照不同的时间点分别记录患者的生命体征数据,所述生命体征数据包括呼吸频率、患者体温、患者血压、患者心律以及患者在餐前餐后的血糖;
所述单次复诊检测模块定期对患者进行检查项目检测和实时生命体征数据检测。
作为本发明的一种优选方案,所述综合治疗评分模型对所述看护数据记录模块的生命体征数据以及所述单次复诊检测模块的检查项目进行一次加权分化,并且对所述看护数据记录模块的生命体征数据以及所述单次复诊检测模块的检查项目所处范围进行二次区间定值;
所述综合治疗评分模型根据一次加权分化和二次区间定值的设定规则对每天的所述看护数据记录模块进行基本综合评分,且对每次定期的所述单次复诊检测模块进行标准综合评分,通过对比所述述看护数据记录模块的基本综合评分和所述单次复诊检测模块的标准综合评分的曲线变化图以直观显示治疗效果。
作为本发明的一种优选方案,所述看护数据记录模块安装在移动终端上,并且所述看护数据记录模块提供记录患者生命体征数据的操作界面,并且所述操作界面的数据在保存后通过通讯网络发送到所述数据收集处理服务器内。
作为本发明的一种优选方案,所述综合治疗评分模型计算所述看护数据记录模块每次输入的生命体征数据的基本综合评分,并按照时间轴建立每天同一时间点的基本综合评分的曲线图、每天基本综合评分的最低分变化曲线图和每天基本综合评分的平均分变化曲线图以评估治疗效果。
本发明另一方面提供了一种用于脑卒中病治疗的评估方法,包括以下步骤:
步骤100、建立看护人员的移动终端与医院的数据服务器之间的数据通讯关系,并且每个移动终端通过权限认定和身份识别申请患者看护参数记录表格;
步骤200、在患者看护参数记录表格定时填写表格中的患者生命体征数据,并提交至医院的数据服务器;
步骤300、医院的数据服务器通过治疗评分模型对每次填写的患者生命体征数据进行基本综合评分,并对每天的综合评分计算平均值;
步骤400、统计患者定期复诊时的实时生命体征数据和检查项目检测数据,并对每次的复诊数据进行标准综合评分;
步骤500、沿着时间轴横向对比基本综合评分的变化和标准综合评分的变化来直观评估治疗效果。
作为本发明的一种优选方案,在步骤100中,医生在数据服务器上创建患者看护参数记录表格,并对每个患者看护参数记录表格进行加密并设定权限后共享至云平台,每个所述移动终端通过权限认定和身份识别后申请到对应患者的患者看护参数记录表格。
作为本发明的一种优选方案,在步骤300中,利用治疗评分模型对每次填写的患者生命体征数据进行基本综合评分的实现步骤为:
步骤301、划分患者生命体征数据的分类,包括呼吸频率、患者体温、患者血压、患者心律以及患者在餐前餐后的血糖;
步骤302、按照生命体征数据的分类进行一次加权分化;
步骤303、确定每个分类的生命体征数据的标准指标范围和标准指标范围对应的区间取值,根据标准指标范围两侧的高范围和低范围建立关于区间取值设定的正态分布曲线;
步骤304、实时提取患者看护参数记录表格内的患者生命体征数据,并且根据正态分布曲线对应的区间值进行单个生命体征数据评分;
步骤305、按照不同生命体征数据分类的加权值,对所有生命体征数据的评分进行加权平均以确定患者日常的基本综合评分。
作为本发明的一种优选方案,在步骤400中,根据治疗评分模型计算基本综合评分的步骤,对患者定期复诊时的单次生命体征数据进行基本综合评分以及对检查项目检测数据进行附加评分,将基本综合评分和附加评分的总值设定为标准综合评分。
作为本发明的一种优选方案,在步骤500中,将每项生命体征数据和检查项目检测数据,对应的基本综合评分和标准综合评分均按照时间点保存在数据服务器内,通过提取数据服务器内的数据来建立满足不同需求的曲线图。
本发明的实施方式具有如下优点:
(1)本发明将患者的日常生命体征监测数据进行实时处理,并且监测数据发送至医院的服务器内存储,供医生查看,以长期的每天的检测数据取代现有的单次复诊检测数据,从而提高诊断结果的准确性,方便医生确定治疗方案;
(2)本发明将每天的检测数据通过综合治疗评分模型转化为患者治疗效果的评分,由于非医务人员无法准确的判断生命体征的监测数据的实际意义,而本实施方式通过将检测数据转化为治疗效果的评分,并建立评分-时间之间的曲线图之后,可直观的观察评分变化,根据评分高度来间接反映治疗效果,从而便于医患之间的沟通交流;
(3)本发明根据自定义的需求,可生成不同评估对象的变化图,从而多角度全面的实现对治疗效果的评估,包括每次监测的生命体征数据对应的评分变化曲线,每天监测的生命体征数据对应的评分平均值变化曲线,每天监测的生命体征数据对应的最低评分变化曲线,以及血糖变化率的变化曲线等等。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施方式中的评估系统的结构框图;
图2为本发明实施方式中的评估方法的流程示意图。
图中:
1-单次复诊检测模块;2-数据收集处理服务器;3-看护数据记录模块;4-综合治疗评分模型。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供了一种用于脑卒中病治疗的评估系统及方法,本实施方式的评估系统主要用于实现脑卒中治疗过程中的医患沟通,并且在治疗过程中,医生可以实时查看脑卒中治疗过程中的病情监测情况,利用治疗评分模型对每天监控的病情数据转化为分数值,分数越高则意味着治疗情况越好,而分数越低则意味着病人的情况越差,因为患者通过治疗疗程内的评分变化曲线来直观的感受治疗效果,从而便于医患之间的沟通,并且本评估系统不仅对病情数据评分,还可以存储并追踪原始的病情数据,从而提高评分数据的可靠性。
评估系统包括单次复诊检测模块1、数据收集处理服务器2、看护数据记录模块3以及综合治疗评分模型4,数据收集处理服务器2接收并存储单次复诊检测模块1和看护数据记录模块3的数据,数据收集处理服务器2将接收的数据同步导入综合治疗评分模型4,综合治疗评分模型4对每个治疗疗程中的数据综合计分。
由于脑卒中治疗是一个长期的过程,并且通常脑卒中患者的一般治疗方法为药物治疗和日常管理监控,主要检测患者的生命体征,如呼吸、体温、血压和血糖等指标是否稳定,密切检测患者的呼吸频率是否郑航,维持体温、血压、血糖在正常的范围内。
看护数据记录模块3用于提供患者治疗过程中通过家庭式检查仪器检测的基本病情数据,看护数据记录模块3在一天时间内按照不同的时间点分别记录患者的生命体征数据,生命体征数据包括呼吸频率、患者体温、患者血压、患者心律以及患者在餐前餐后的血糖。
单次复诊检测模块1用于提供医院检查仪器检测的标准病情数据,单次复诊检测模块1定期对患者进行检查项目检测和实时生命体征数据检测。
综合治疗评分模型4根据看护数据记录模块3统计的基本病情数据以及单次复诊检测模块1获取的标准病情数据进行计算治疗评分,并通过对比治疗评分的变化曲线来直观显示治疗效果。
为了实现对患者的日常监控,本实施方式通过看护数据记录模块3实时记载患者的病情监测数据,并将病情监测数据提交发送到数据收集处理服务器2,数据收集处理服务器2利用综合治疗评分模型4对病情监测数据进行处理分析,实现在医院治疗以外的时间进行病情监控,与传统的医院复诊判断治疗效果的方式相比,本实施方式的评估系统更能帮助患者查看定期的治疗效果,从而使得评估结果更加的准确,并且同时给患者自信心。
而在医院治疗时,单次复诊检测模块1将对生命体征参数的监控,以及其他的监测数据提交至对应的数据收集处理服务器2,数据收集处理服务器2利用综合治疗评分模型4对在医院定期复查时的数据进行处理分析,实现在医院治疗中的病情监控。
一般情况下,看护数据记录模块3在一天时间内分早中晚记载患者生命体征的三次病情监测数据,综合治疗评分模型4对看护数据记录模块3每次提交的基本病情数据进行评分。
因此综合治疗评分模型4对于评分结果的处理方式,一般按照每天的平均评分值作为参考数据,根据平均评分值的曲线图直观评估治疗效果,或者是根据每天的同一次监测评分的曲线图来精确的评估治疗效果。
另外综合治疗评分模型4还可以对餐后血糖的降低速率的曲线图来自定义的创建治疗效果图。
也就是说,本实施方式的综合治疗评分模型4根据数据收集处理服务器2内保存的数据,自定义的设计评估对象的变化图,从而多角度全面的实现对治疗效果的评估。
综合治疗评分模型4的具体实现过程和实现结果为:
1、首先对看护数据记录模块3的生命体征数据以及单次复诊检测模块1的检查项目进行一次加权分化;
根据生命体征数据对脑卒中的病情影响力,而划分呼吸频率、患者体温、患者血压、患者心律以及患者在餐前餐后的血糖5项指标对应的加权数,以及单次复诊检测模块1对患者进行细化检查的其他检查项目的加权数,从而提高综合治疗评分模型4的评分精度。
2、对看护数据记录模块3的生命体征数据以及单次复诊检测模块1的检查项目所处范围进行二次区间定值,区间定值的标准为:
将处于正常范围内的生命体征数据和检查项目数据定义为评分最大值;
将超过正常范围的生命体征数据按照区间等级依次降低评分值。
3、综合治疗评分模型4根据一次加权分化和二次区间定值的设定规则对每天的看护数据记录模块3进行基本综合评分,且对每次定期的单次复诊检测模块1进行标准综合评分,通过对比述看护数据记录模块3的基本综合评分和单次复诊检测模块1的标准综合评分的曲线变化图以直观显示治疗效果。
其中,看护数据记录模块3安装在移动终端上,并且看护数据记录模块3提供记录患者生命体征数据的操作界面,并且操作界面的数据在保存后通过通讯网络发送到数据收集处理服务器2内。
综合治疗评分模型4计算看护数据记录模块3每次输入的生命体征数据的基本综合评分,并按照时间轴建立每天同一时间点的基本综合评分的曲线图、每天基本综合评分的最低分变化曲线图和每天基本综合评分的平均分变化曲线图以评估治疗效果。
因此本实施方式区别于现有技术来说,具有以下的区别效果:
(1)、本实施方式将患者的日常生命体征监测数据进行实时处理,并且监测数据发送至医院的服务器内存储,供医生查看,以长期的每天的检测数据取代现有的单次复诊检测数据,从而提高诊断结果的准确性,方便医生确定治疗方案;
(2)本实施方式将每天的检测数据通过综合治疗评分模型4转化为患者治疗效果的评分,由于非医务人员无法准确的判断生命体征的监测数据的实际意义,而本实施方式通过将检测数据转化为治疗效果的评分,并建立评分-时间之间的曲线图之后,可直观的观察评分变化,根据评分高度来间接反映治疗效果,从而便于医患之间的沟通交流;
(3)综合治疗评分模型4根据自定义的需求,可生成不同评估对象的变化图,从而多角度全面的实现对治疗效果的评估,包括每次监测的生命体征数据对应的评分变化曲线,每天监测的生命体征数据对应的评分平均值变化曲线,每天监测的生命体征数据对应的最低评分变化曲线,以及血糖变化率的变化曲线等等;
(4)医生根据各自的需要,按照时间轴获取每次监测的原始生命体征数据,可直接观察每项生命体征数据或者检查项目对应的变化曲线图,从而实现对原始数据的追溯并观察原始数据的变化。
另外如图2所示,本发明还提供了一种用于脑卒中病治疗的评估方法,包括以下步骤:
第一步、建立看护人员的移动终端与医院的数据服务器之间的数据通讯关系,并且每个移动终端通过权限认定和身份识别申请患者看护参数记录表格。
医生在数据服务器上创建患者看护参数记录表格,并对每个患者看护参数记录表格进行加密并设定权限后共享至云平台,每个移动终端通过权限认定和身份识别后申请到对应患者的患者看护参数记录表格。
每个患者只能查看并编辑自己的患者看护参数记录表格,从而实现保护患者隐私的效果,并且医生可以及时地了解各个医院针对脑卒中患者的治疗情况,以及便于每个医院尽快提升在脑卒中治疗中的救治水平。
第二步、在患者看护参数记录表格定时填写表格中的患者生命体征数据,并提交至医院的数据服务器;
第三步、医院的数据服务器通过治疗评分模型对每次填写的患者生命体征数据进行基本综合评分,并对每天的综合评分计算平均值。
利用治疗评分模型对每次填写的患者生命体征数据进行基本综合评分的实现步骤为:
1、划分患者生命体征数据的分类,包括呼吸频率、患者体温、患者血压、患者心律以及患者在餐前餐后的血糖;
2、按照生命体征数据的分类进行一次加权分化;
3、确定每个分类的生命体征数据的标准指标范围和标准指标范围对应的二次区间取值,即确定每个生命体征数据对应的标准指标范围后,则设定该标准指标范围的区间取值最大,超过标准指标范围两侧的高范围以及低于标准指标范围两侧的低范围对应的区间取值依次降低,建立关于指标范围以及对应指标范围的区间取值的正态分布曲线;
4、实时提取患者看护参数记录表格内的患者生命体征数据,并且根据正态分布曲线对应的区间值进行单个生命体征数据评分;
5、按照不同生命体征数据分类的加权值,对所有生命体征数据的评分进行加权平均以确定患者日常的基本综合评分。
随着脑卒中的治疗过程,每个生命体征数据对应的指标范围大多会逐渐恢复到标准指标范围,那么对应的生命体征数据每更改一个指标范围,则对应区间取值的生命体征数据评分不同,因此对于按照不同生命体征数据分类的加权值,对所有生命体征数据的评分进行加权平均以确定患者日常的基本综合评分,基本综合评分的变化则意味着治疗效果的变化。
第四步、统计患者定期复诊时的实时生命体征数据和检查项目检测数据,并对每次的复诊数据进行标准综合评分。
根据治疗评分模型计算基本综合评分的步骤,对患者定期复诊时的单次生命体征数据进行基本综合评分以及对检查项目检测数据进行附加评分,将基本综合评分和附加评分的总值设定为标准综合评分。
第五步、沿着时间轴横向对比基本综合评分的变化和标准综合评分的变化来直观评估治疗效果。
将每项生命体征数据和检查项目检测数据,对应的基本综合评分和标准综合评分均按照时间点保存在数据服务器内,通过提取数据服务器内的数据来建立满足不同需求的曲线图。
因此本实施方式通过在监测时间范围内的单项生命体征数据对应的评分变化,或者监测时间范围内的所有项生命体征数据对应的评分变化,即可对脑卒中的治疗效果进行直观的评估。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (1)
1.一种用于脑卒中病治疗的评估系统,其特征在于,包括单次复诊检测模块(1)、数据收集处理服务器(2)、看护数据记录模块(3)以及综合治疗评分模型(4),所述数据收集处理服务器(2)接收并存储所述单次复诊检测模块(1)和所述看护数据记录模块(3)的数据,所述数据收集处理服务器(2)将接收的数据同步导入所述综合治疗评分模型(4),所述综合治疗评分模型(4)对每个治疗疗程中的数据综合计分;
所述单次复诊检测模块(1)用于提供医院检查仪器检测的标准病情数据;
所述看护数据记录模块(3)用于提供患者治疗过程中通过家庭式检查仪器检测的基本病情数据;
所述综合治疗评分模型(4)根据所述看护数据记录模块(3)统计的基本病情数据以及所述单次复诊检测模块(1)获取的标准病情数据进行计算治疗评分,并通过对比治疗评分的变化曲线来直观显示治疗效果;
所述看护数据记录模块(3)在一天时间内按照不同的时间点分别记录患者的生命体征数据,所述生命体征数据包括呼吸频率、患者体温、患者血压、患者心律以及患者在餐前餐后的血糖;
所述单次复诊检测模块(1)定期对患者进行检查项目检测和实时生命体征数据检测;
所述综合治疗评分模型(4)对所述看护数据记录模块(3)的生命体征数据以及所述单次复诊检测模块(1)的检查项目进行一次加权分化,并且对所述看护数据记录模块(3)的生命体征数据以及所述单次复诊检测模块(1)的检查项目所处范围进行二次区间定值;
所述综合治疗评分模型(4)根据一次加权分化和二次区间定值的设定规则对每天的所述看护数据记录模块(3)进行基本综合评分,且对每次定期的所述单次复诊检测模块(1)进行标准综合评分,所述标准综合评分为基本综合评分和附加评分的总值,所述附加评分为对患者定期复诊时的单次生命体征数据进行基本综合评分以及对检查项目检测数据进行附加评分;
通过对比所述述看护数据记录模块(3)的基本综合评分和所述单次复诊检测模块(1)的标准综合评分的曲线变化图以直观显示治疗效果;
所述看护数据记录模块(3)安装在移动终端上,并且所述看护数据记录模块(3)提供记录患者生命体征数据的操作界面,并且所述操作界面的数据在保存后通过通讯网络发送到所述数据收集处理服务器(2)内;
所述综合治疗评分模型(4)计算所述看护数据记录模块(3)每次输入的生命体征数据的基本综合评分,并按照时间轴建立每天同一时间点的基本综合评分的曲线图、每天基本综合评分的最低分变化曲线图和每天基本综合评分的平均分变化曲线图以评估治疗效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010546006.4A CN111685742B (zh) | 2020-06-16 | 2020-06-16 | 一种用于脑卒中病治疗的评估系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010546006.4A CN111685742B (zh) | 2020-06-16 | 2020-06-16 | 一种用于脑卒中病治疗的评估系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111685742A CN111685742A (zh) | 2020-09-22 |
CN111685742B true CN111685742B (zh) | 2023-05-19 |
Family
ID=72481154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010546006.4A Active CN111685742B (zh) | 2020-06-16 | 2020-06-16 | 一种用于脑卒中病治疗的评估系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111685742B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112542244B (zh) * | 2020-12-09 | 2023-07-18 | 北京百度网讯科技有限公司 | 辅助信息的生成方法、相关装置及计算机程序产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005052343A (ja) * | 2003-08-04 | 2005-03-03 | Higashi Nihon Medicom Kk | 自動問診装置 |
CN102349829A (zh) * | 2011-10-28 | 2012-02-15 | 重庆大学 | 一种心电信号的远程监测系统 |
CN105975742A (zh) * | 2016-04-21 | 2016-09-28 | 张明飞 | 一种带有家庭护理的综合医疗系统 |
CN106096294A (zh) * | 2016-06-17 | 2016-11-09 | 湖南格尔智慧科技有限公司 | 医院外延续护理的方法、装置及系统 |
CN110840425A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种急诊患者诊中健康监护系统及方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2717387Y (zh) * | 2004-07-19 | 2005-08-17 | 余羡鸣 | 便携式网络生命体征监护仪 |
CA2666379A1 (en) * | 2006-10-13 | 2008-04-17 | Michael Rothman & Associates | System and method for providing a health score for a patient |
US9456755B2 (en) * | 2011-04-29 | 2016-10-04 | Medtronic, Inc. | Method and device to monitor patients with kidney disease |
CN103778312B (zh) * | 2012-10-24 | 2017-05-10 | 中兴通讯股份有限公司 | 远程家庭保健系统 |
US11410777B2 (en) * | 2012-11-02 | 2022-08-09 | The University Of Chicago | Patient risk evaluation |
US9775533B2 (en) * | 2013-03-08 | 2017-10-03 | Singapore Health Services Pte Ltd | System and method of determining a risk score for triage |
US20150305688A1 (en) * | 2014-04-25 | 2015-10-29 | Wipro Limited | Method of determining discharge readiness condition for a patient and system thereof |
US10198505B2 (en) * | 2014-08-21 | 2019-02-05 | Affectomatics Ltd. | Personalized experience scores based on measurements of affective response |
CN105433934A (zh) * | 2015-11-07 | 2016-03-30 | 成都艾克尔特医疗科技有限公司 | 一种基于生命体征监护手环的个人健康检查评测方法 |
US11129549B2 (en) * | 2016-08-24 | 2021-09-28 | Koninklijke Philips N.V. | Device, system and method for patient monitoring to predict and prevent bed falls |
CN106419841A (zh) * | 2016-09-13 | 2017-02-22 | 深圳市迈迪加科技发展有限公司 | 睡眠评估方法、装置及系统 |
US20180247713A1 (en) * | 2017-02-28 | 2018-08-30 | Steven I Rothman | Intelligent Wearable Sensors for Adaptive Health Score Analytics |
CN207912677U (zh) * | 2017-05-16 | 2018-09-28 | 中国医学科学院北京协和医院 | 多维度信息数据采集分析系统 |
JP6512648B1 (ja) * | 2017-11-15 | 2019-05-15 | 前田商事株式会社 | ソフトウェア、健康状態判定装置及び健康状態判定方法 |
US11908581B2 (en) * | 2018-04-10 | 2024-02-20 | Hill-Rom Services, Inc. | Patient risk assessment based on data from multiple sources in a healthcare facility |
CN110570919A (zh) * | 2019-09-23 | 2019-12-13 | 深圳甲田科技有限公司 | 面向慢病人群的健康风险智能监测、预警方法及平台 |
CN110710956A (zh) * | 2019-10-21 | 2020-01-21 | 广州市花都区人民医院 | 一种昏迷患者的预后评估方法和评估系统 |
CN111265189A (zh) * | 2020-01-22 | 2020-06-12 | 广州医科大学附属第一医院 | 一种医疗监护预警方法及系统 |
-
2020
- 2020-06-16 CN CN202010546006.4A patent/CN111685742B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005052343A (ja) * | 2003-08-04 | 2005-03-03 | Higashi Nihon Medicom Kk | 自動問診装置 |
CN102349829A (zh) * | 2011-10-28 | 2012-02-15 | 重庆大学 | 一种心电信号的远程监测系统 |
CN105975742A (zh) * | 2016-04-21 | 2016-09-28 | 张明飞 | 一种带有家庭护理的综合医疗系统 |
CN106096294A (zh) * | 2016-06-17 | 2016-11-09 | 湖南格尔智慧科技有限公司 | 医院外延续护理的方法、装置及系统 |
CN110840425A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种急诊患者诊中健康监护系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111685742A (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tan et al. | Non-invasive continuous blood pressure measurement based on mean impact value method, BP neural network, and genetic algorithm | |
CN106037720B (zh) | 混合连续信息分析技术的医学应用系统 | |
US20100057490A1 (en) | Methods, systems, and computer program products for evaluating a patient in a pediatric intensive care unit | |
CN106066933B (zh) | 获取房颤识别人工神经网络权重值矩阵的方法 | |
CN104462744B (zh) | 适用于心血管远程监测系统的数据质量控制方法 | |
RU2675048C9 (ru) | Оптимизация установочных значений сигнализации для консультаций на основе сигнализации с использованием ее обновления | |
CN105611872A (zh) | 用于评估多通道ecg信号的装置和方法 | |
JP5544365B2 (ja) | マルチパラメーターモニタリングにおける改善又はマルチパラメーターモニタリングに関する改善 | |
CN112786203A (zh) | 一种机器学习糖尿病视网膜病变发病风险预测方法及应用 | |
CN111685742B (zh) | 一种用于脑卒中病治疗的评估系统及方法 | |
CN115185936A (zh) | 一种基于大数据的医疗临床数据质量分析系统 | |
CN110782990A (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 | |
CN110464369A (zh) | 一种基于人体体征数值的精神状态判断算法 | |
WO2018201683A1 (zh) | 生理信号的同源性识别方法及装置 | |
CN117116475A (zh) | 缺血性脑卒中的风险预测方法、系统、终端及存储介质 | |
CN114242239B (zh) | 一种vte风险监测及结果质控系统 | |
CN110097937B (zh) | 个性化血糖区间统计方法及装置 | |
CN114664445A (zh) | 一种脑卒中复发风险患者用预测系统 | |
CN114496232A (zh) | 基于数据处理的术后瓣膜恢复复查用诊断决策系统 | |
Sundas et al. | Comprehensive Study of Machine Learning-Based Systems for Early Warning of Clinical Deterioration | |
CN110292388A (zh) | 一种认知负荷与心理压力的测量方法及终端 | |
JP7507984B1 (ja) | 体調検出装置、体調検出システム、体調検出方法、及び体調検出プログラム | |
Rahmaniar et al. | Classification of Hypertension Levels Based on Photoplethysmography Signals Using Convolutional Neural Network (CNN) | |
CN117954116B (zh) | 基于人工智能的呼吸重症患者状态监测预警方法 | |
CN117379021B (zh) | 基于智能穿戴设备的老年人健康指标监测系统 |
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 |