CN112053755A - 一种医学数据智能聚合处理方法 - Google Patents
一种医学数据智能聚合处理方法 Download PDFInfo
- Publication number
- CN112053755A CN112053755A CN202010847947.1A CN202010847947A CN112053755A CN 112053755 A CN112053755 A CN 112053755A CN 202010847947 A CN202010847947 A CN 202010847947A CN 112053755 A CN112053755 A CN 112053755A
- Authority
- CN
- China
- Prior art keywords
- time
- patient
- real
- detection
- time point
- 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
- 230000002776 aggregation Effects 0.000 title claims abstract description 32
- 238000004220 aggregation Methods 0.000 title claims abstract description 32
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 118
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 230000003993 interaction Effects 0.000 claims description 42
- 230000002452 interceptive effect Effects 0.000 claims description 21
- 230000004931 aggregating effect Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 9
- 239000012634 fragment Substances 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 11
- 230000007547 defect Effects 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- 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
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种医学数据智能聚合处理方法，包括经由解析侦听的医疗检测装置交互信息报文取得实时时长、医学临床信息，有别于后台服务器凭借己身维持的患者情况聚合处理患者临床信息。经由解析侦听的医疗检测装置交互信息报文，取得各次患者的开始检测时点和结束检测时点，计算得出各次时点的实时患者量，且再得到患者临床信息坐标图。结合其它结构有效避免了现有技术中加大依照患者维数聚合处理患者临床信息时只能待后台服务器软件升级后克服、无法对软件升级前保存的临床信息坐标图执行再次聚合处理、在解析和估算某一患者的病情严重程度时无法得到该患者的实时时长的缺陷。
Description
技术领域
本发明属于医学数据处理技术领域，具体涉及一种医学数据智能聚合处理方法。
背景技术
医学数据聚合处理，特别是医学临床数据聚合处理是医生对患者病情进行评估的常用工具，就像ICU常见的聚合处理APACHEII、SOFA等。这些聚合处理一般通过对多种临床数据，就像体温、心率、血压、呼吸、检验指标等，进行汇总计算，获得聚合处理分值，从而为临床提供量化、公平、客观的指证。医学数据的聚合处理，在估算疾病严重程度、估算临床研究不同组别的病情危重程度和治疗效果、估算新药及新治疗措施的有效性、以及进行临床质量控制和资源分配等多方面，都发挥着重要作用。
在医学数据聚合处理，特别是医学临床数据聚合处理的处理期间，医学数据和医学临床数据往往保存在后台服务器上，然而在一些条件下无法运用或无法取得后台服务器的充当医学数据的医学临床信息；就像医疗系统集中配置的后台服务器性能实时检测系统无法运用各分片后台服务器的临床信息聚合处理值，所有后台服务器制造者对临床信息的实时性的认定模式不一样，不一样的后台服务器的信息无法径直执行比较；后台服务器在执行期间常常受软件出错、平台功能、执行不当等因素的作用，医学临床信息常会有误，或无法实时刷新；还又就像所在场所运用的医疗检测装置无法取得后台服务器的信息；全部的检测信息都仅可经由解析实时侦听的医疗检测装置交互的信息报文而得。
后台服务器自身聚合处理医学临床信息还具有一些缺陷，现有的后台服务器的患者临床信息坐标图的各点信息均为聚合处理现时患者情况形成的，无法对以前时点的患者临床信息执行再次聚合处理。
后台服务器信息库在一些时间范围很忙碌，信息刷新耗时不短，临床信息的实时性情况无法实时刷新，所聚合处理的现时患者临床信息常常发生误差；而在后台服务器硬件性能的限制下，患者临床信息坐标图的聚合处理时长通常均高于650秒，如果解析或操控要取样数更大的临床信息坐标图之际，后台服务器就无法给予；如果解析或操控要加大临床信息聚合处理维数，就像后台服务器一般条件仅依照医疗部门、患者信息、链路种类、通信提供方这样的维数聚合处理患者临床信息，如果要加大依照患者维数聚合处理患者临床信息时，只能待后台服务器软件升级后克服，无法对软件升级前保存的临床信息坐标图执行再次聚合处理；还有就是，在解析和估算某一患者的病情严重程度时，要的是该患者的实时时长，而非所有的患者临床信息坐标图。
发明内容
为解决上述问题，本发明提供了一种医学信息智能聚合处理方法，有效避免了现有技术中加大依照患者维数聚合处理患者临床信息时只能待后台服务器软件升级后克服、无法对软件升级前保存的临床信息坐标图执行再次聚合处理、在解析和估算某一患者的病情严重程度时无法得到该患者的实时时长的缺陷。
为了克服现有技术中的缺陷，本发明提供了一种医学信息智能聚合处理方法的解决方案，具体如下：
一种医学信息智能聚合处理方法，其包括经由解析侦听的医疗检测装置交互信息报文取得实时时长、医学临床信息，有别于后台服务器凭借己身维持的患者情况聚合处理患者临床信息。经由解析侦听的医疗检测装置交互信息报文，取得各次患者的开始检测时点和结束检测时点，计算得出各次时点的实时患者量，且再得到患者临床信息坐标图。
进一步的，所述患者情况收集临床信息的实时性时长、临床信息的聚合处理方法，包括以下流程：
步骤1，侦听患者情况医疗检测装置交互信息报文；
步骤2，对特征信号执行基于握手协议的报文序列化；
步骤3，抽取基于握手协议的交互下第一个报文传递请求报文内的床位号、患者位置，来认定各次基于握手协议的交互所属医疗检测装置；
步骤4，聚合处理各次基于握手协议的交互医疗检测装置的有用的实时时长；
步骤5，聚合处理各次台患者的检测时点、结束检测时点和实时时长；
步骤6，按时间时长聚合处理实时患者量，得到患者临床信息坐标图。
进一步的，步骤1内对侦听患者情况医疗检测装置交互信息报文凭借要求，短时间或者长时间保存侦听的信息报文；能凭借信息量的高低，把侦听的信息分片保存，各次解析一个以上的分片的信息。可凭借需要，
各次解析一时长范围里的信息。
进一步的，所述步骤4包括如下流程：
步骤4-1，如果基于握手协议的交互的构造于检测启动后，就用该交互的第一个报文传递请求信息报文的时点当做收集临床信息的实时性启动时点；若基于握手协议的交互的构造于检测启动前，另外交互内伴有通常条件下的请求信息报文，且检测启动之际的患者情况无法取得的，就用检测启动时点充当临床信息的实时性启动时点；
步骤4-2，若基于握手协议的交互里伴有患者自动脱离检测的要求的，用患者自动脱离检测的要求的信息报文时点充当收集临床信息的实时性结束时点；若基于握手协议的交互没有患者自动脱离检测的要求的，然而患者自动传递中止或者结束信号结束基于握手协议的交互的，用患者传递的中止或者结束信息报文的时点充当收集临床信息的实时性结束时间；若基于握手协议的交互无患者主动下线请求，但后台服务器主动发送中止结束基于握手协议的交互的，以后台服务器发送中止之前患者最后一次发送的信息报文时间充当收集临床信息的实时性结束时点；若基于握手协议的交互在检测时长里没有患者自动结束请求，且无后台服务器或医疗检测装置随意一方启动中止或者结束结束基于握手协议的交互请求的，凭借检测要求，用患者末次传递的信息报文时点或检测结束时点充当收集临床信息的实时性结束时点。
进一步的，所述步骤5包括如下流程：
步骤5-1，把同一患者的若干基于握手协议的交互有用的实时时长执行累计求和；
步骤5-2，聚合处理各次台患者检测时点与结束检测时点：择取不具有在任意另外的基于握手协议的交互实时启动时点与结束时间间的基于握手协议的交互实时启动时点充当患者的检测时点；
择取不具有任意另外的基于握手协议的交互实时启动时点与结束时点间的基于握手协议的交互实时结束时点充当患者有效实时结束时间；
步骤5-3，患者的实时时长与若干次患者终止检测时点和检测时点相减的值累计求和。
进一步的，所述步骤6包括如下流程：
步骤6-1，把全体患者的起初检测时点与终止检测时点依照所须时长执行总计，各次时长里的实时患者量变化量和患者检测量减去患者结束检测的检测量；
步骤6-2，对检测启动前就已实时的患者，步骤4已把检测启动时点充当患者检测时点，所以首个时长的实时患者量改变值就是检测启动的实时患者量，接着各次时长的实时患者量和头一时长的实时患者量与现时时长的实时患者量变化量之和；
步骤6-3，各次时长的患者临床信息和现时实时患者量、执行患者的总和。
本发明的有益效果为：
本发明经由解析侦听的医疗检测装置交互信息报文取得实时时长、医学临床信息，具有不依赖于后台服务器的好处，克服在一些情况下无法运用或无法取得后台服务器信息的缺陷；经由解析侦听的医疗检测装置交互信息报文，取得各次患者的开始检测时点与结束检测时点，运算得出各次时点的实时患者量，并进一步得到患者临床信息坐标图。具有可凭借须随一时点随意患者的实时情况的好处；克服因软件出错、平台功能、操控问题这样的缘故形成的后台服务器临床信息坐标图无误、坐标图有误、聚合处理维数的问题，克服了聚合处理单台临床信息的实时性时长的缺陷。
附图说明
图1是本发明的医学信息智能聚合处理方法的流程图。
具体实施方式
下面将结合附图和实施例对本发明做进一步地说明。
如图1所示，医学信息智能聚合处理方法，其包括经由解析侦听的医疗检测装置交互信息报文取得实时时长、充当医学信息的医学临床信息，有别于后台服务器凭借己身维持的患者情况聚合处理患者临床信息。经由解析侦听的医疗检测装置交互信息报文，取得各次患者的开始检测时点和结束检测时点，计算得出各次时点的实时患者量，且再得到患者临床信息坐标图，有别于后台服务器凭借现时临床信息的实时性情况时长的聚合处理患者临床信息。
所述患者情况收集临床信息的实时性时长、临床信息的聚合处理方法，包括以下流程：
步骤1，侦听患者情况医疗检测装置交互信息报文；
步骤2，对特征信号执行基于握手协议的报文序列化；
步骤3，抽取基于握手协议的交互下第一个报文传递请求报文内的床位号、患者位置，来认定各次基于握手协议的交互所属医疗检测装置；
步骤4，聚合处理各次基于握手协议的交互医疗检测装置的有用的实时时长；
步骤5，聚合处理各次台患者的检测时点、结束检测时点和实时时长；
步骤6，按时间时长聚合处理实时患者量，得到患者临床信息坐标图。
步骤1内对侦听患者情况医疗检测装置交互信息报文凭借要求，短时间或者长时间保存侦听的信息报文；顾及到运算的繁琐和运行的功能，能凭借信息量的高低，把侦听的信息分片保存(就像依照网址分开来分片)，各次解析一个以上的分片的信息。可凭借需要，各次解析一时长范围里(就像某一日一点到晚上十点)的信息。
所述步骤4包括如下流程：
步骤4-1，如果基于握手协议的交互的构造于检测启动后，就用该交互的第一个报文传递请求信息报文的时点当做收集临床信息的实时性启动时点；若基于握手协议的交互的构造于检测启动前，另外交互内伴有通常条件下的请求信息报文，且检测启动之际的患者情况无法取得的，就用检测启动时点充当临床信息的实时性启动时点；
步骤4-2，若基于握手协议的交互里伴有患者自动脱离检测的要求的，用患者自动脱离检测的要求的信息报文时点充当收集临床信息的实时性结束时点；若基于握手协议的交互没有患者自动脱离检测的要求的，然而患者自动传递中止或者结束信号结束基于握手协议的交互的，用患者传递的中止或者结束信息报文的时点充当收集临床信息的实时性结束时间；若基于握手协议的交互无患者主动下线请求，但后台服务器主动发送中止结束基于握手协议的交互的，以后台服务器发送中止之前患者最后一次发送的信息报文时间充当收集临床信息的实时性结束时点；若基于握手协议的交互在检测时长里没有患者自动结束请求，且无后台服务器或医疗检测装置随意一方启动中止或者结束结束基于握手协议的交互请求的，凭借检测要求，用患者末次传递的信息报文时点或检测结束时点充当收集临床信息的实时性结束时点。
所述步骤5包括如下流程：
步骤5-1，把同一患者的若干基于握手协议的交互有用的实时时长执行累计求和；
步骤5-2，聚合处理各次台患者检测时点与结束检测时点：择取不具有在任意另外的基于握手协议的交互实时启动时点与结束时间间的基于握手协议的交互实时启动时点充当患者的检测时点；
择取不具有任意另外的基于握手协议的交互实时启动时点与结束时点间的基于握手协议的交互实时结束时点充当患者有效实时结束时间；
步骤5-3，患者的实时时长与若干次患者终止检测时点和检测时点相减的值累计求和。
所述步骤6包括如下流程：
步骤6-1，把全体患者的起初检测时点与终止检测时点依照所须时长执行总计，各次时长里的实时患者量变化量和患者检测量(检测时点在该时长里)减去患者结束检测的检测量(终止检测时点在该时长里)；
步骤6-2，对检测启动前就已实时的患者，步骤4已把检测启动时点充当患者检测时点，所以首个时长的实时患者量改变值就是检测启动的实时患者量，接着各次时长的实时患者量和头一时长的实时患者量与现时时长的实时患者量变化量之和；
步骤6-3，各次时长的患者临床信息和现时实时患者量、执行患者的总和。
以上以用实施例说明的方式对本发明作了描述，本领域的技术人员应当理解，本公开不限于以上描述的实施例，在不偏离本发明的范围的情况下，可以做出各种变化、改变和替换。
Claims (6)
1.一种医学数据智能聚合处理方法，其特征在于，包括经由解析侦听的医疗检测装置交互信息报文取得实时时长、医学临床信息，有别于后台服务器凭借己身维持的患者情况聚合处理患者临床信息。经由解析侦听的医疗检测装置交互信息报文，取得各次患者的开始检测时点和结束检测时点，计算得出各次时点的实时患者量，且再得到患者临床信息坐标图。
2.根据权利要求1所述的医学数据智能聚合处理方法，其特征在于，所述患者情况收集临床信息的实时性时长、临床信息的聚合处理方法，包括以下流程：
步骤1，侦听患者情况医疗检测装置交互信息报文；
步骤2，对特征信号执行基于握手协议的报文序列化；
步骤3，抽取基于握手协议的交互下第一个报文传递请求报文内的床位号、患者位置，来认定各次基于握手协议的交互所属医疗检测装置；
步骤4，聚合处理各次基于握手协议的交互医疗检测装置的有用的实时时长；
步骤5，聚合处理各次台患者的检测时点、结束检测时点和实时时长；
步骤6，按时间时长聚合处理实时患者量，得到患者临床信息坐标图。
3.根据权利要求1所述的医学数据智能聚合处理方法，其特征在于，所述步骤1内对侦听患者情况医疗检测装置交互信息报文凭借要求，短时间或者长时间保存侦听的信息报文；能凭借信息量的高低，把侦听的信息分片保存，各次解析一个以上的分片的信息。可凭借需要，各次解析一时长范围里的信息。
4.根据权利要求1所述的医学数据智能聚合处理方法，其特征在于，所述步骤4包括如下流程：
步骤4-1，如果基于握手协议的交互的构造于检测启动后，就用该交互的第一个报文传递请求信息报文的时点当做收集临床信息的实时性启动时点；若基于握手协议的交互的构造于检测启动前，另外交互内伴有通常条件下的请求信息报文，且检测启动之际的患者情况无法取得的，就用检测启动时点充当临床信息的实时性启动时点；
步骤4-2，若基于握手协议的交互里伴有患者自动脱离检测的要求的，用患者自动脱离检测的要求的信息报文时点充当收集临床信息的实时性结束时点；若基于握手协议的交互没有患者自动脱离检测的要求的，然而患者自动传递中止或者结束信号结束基于握手协议的交互的，用患者传递的中止或者结束信息报文的时点充当收集临床信息的实时性结束时间；若基于握手协议的交互无患者主动下线请求，但后台服务器主动发送中止结束基于握手协议的交互的，以后台服务器发送中止之前患者最后一次发送的信息报文时间充当收集临床信息的实时性结束时点；若基于握手协议的交互在检测时长里没有患者自动结束请求，且无后台服务器或医疗检测装置随意一方启动中止或者结束结束基于握手协议的交互请求的，凭借检测要求，用患者末次传递的信息报文时点或检测结束时点充当收集临床信息的实时性结束时点。
5.根据权利要求1所述的医学数据智能聚合处理方法，其特征在于，所述步骤5包括如下流程：
步骤5-1，把同一患者的若干基于握手协议的交互有用的实时时长执行累计求和；
步骤5-2，聚合处理各次台患者检测时点与结束检测时点：择取不具有在任意另外的基于握手协议的交互实时启动时点与结束时间间的基于握手协议的交互实时启动时点充当患者的检测时点；
择取不具有任意另外的基于握手协议的交互实时启动时点与结束时点间的基于握手协议的交互实时结束时点充当患者有效实时结束时间；
步骤5-3，患者的实时时长与若干次患者终止检测时点和检测时点相减的值累计求和。
6.根据权利要求1所述的医学数据智能聚合处理方法，其特征在于，所述步骤6包括如下流程：
步骤6-1，把全体患者的起初检测时点与终止检测时点依照所须时长执行总计，各次时长里的实时患者量变化量和患者检测量减去患者结束检测的检测量；
步骤6-2，对检测启动前就已实时的患者，步骤4已把检测启动时点充当患者检测时点，所以首个时长的实时患者量改变值就是检测启动的实时患者量，接着各次时长的实时患者量和头一时长的实时患者量与现时时长的实时患者量变化量之和；
步骤6-3，各次时长的患者临床信息和现时实时患者量、执行患者的总和。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010847947.1A CN112053755A (zh) | 2020-08-21 | 2020-08-21 | 一种医学数据智能聚合处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010847947.1A CN112053755A (zh) | 2020-08-21 | 2020-08-21 | 一种医学数据智能聚合处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112053755A true CN112053755A (zh) | 2020-12-08 |
Family
ID=73599727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010847947.1A Pending CN112053755A (zh) | 2020-08-21 | 2020-08-21 | 一种医学数据智能聚合处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112053755A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101939738A (zh) * | 2007-10-03 | 2011-01-05 | 渥太华医院研究所 | 用于监控一个或多个器官的随着时间过去的生理参数变异性的方法和装置 |
| US20120259233A1 (en) * | 2011-04-08 | 2012-10-11 | Chan Eric K Y | Ambulatory physiological monitoring with remote analysis |
| CN107341357A (zh) * | 2017-07-17 | 2017-11-10 | 成都嘉逸科技有限公司 | 一种用于医疗监测设备的数据采集系统 |
| CN109495544A (zh) * | 2018-10-22 | 2019-03-19 | 平安医疗健康管理股份有限公司 | 一种报文数据处理方法和装置、以及计算机设备 |
| CN109661648A (zh) * | 2016-06-13 | 2019-04-19 | 医疗信息公司 | 用于可配置地显示多个患者的实时数据的用户界面 |
-
2020
- 2020-08-21 CN CN202010847947.1A patent/CN112053755A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101939738A (zh) * | 2007-10-03 | 2011-01-05 | 渥太华医院研究所 | 用于监控一个或多个器官的随着时间过去的生理参数变异性的方法和装置 |
| US20120259233A1 (en) * | 2011-04-08 | 2012-10-11 | Chan Eric K Y | Ambulatory physiological monitoring with remote analysis |
| CN109661648A (zh) * | 2016-06-13 | 2019-04-19 | 医疗信息公司 | 用于可配置地显示多个患者的实时数据的用户界面 |
| CN107341357A (zh) * | 2017-07-17 | 2017-11-10 | 成都嘉逸科技有限公司 | 一种用于医疗监测设备的数据采集系统 |
| CN109495544A (zh) * | 2018-10-22 | 2019-03-19 | 平安医疗健康管理股份有限公司 | 一种报文数据处理方法和装置、以及计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2858002B1 (en) | Systems and methods for outpatient monitoring | |
| US20090024356A1 (en) | Determination of root cause(s) of symptoms using stochastic gradient descent | |
| WO2010111489A2 (en) | Methods and apparatus for processing physiological data acquired from an ambulatory physiological monitoring unit | |
| JP6736706B2 (ja) | 弾性検出装置のデータ解析処理方法及び弾性検出装置 | |
| CN116028603B (zh) | 一种基于大数据的智能预问诊方法及装置、系统、存储介质 | |
| JP6310476B2 (ja) | 臨床現場において有害なアラームによる負荷を減らす方法及びシステム | |
| JPH10143573A (ja) | 遠隔医療システム | |
| CN113066566A (zh) | 一种门诊患者智能化预约就诊方法 | |
| CN111986812A (zh) | 一种基于互联网的妇产科疾病医疗诊治控制系统 | |
| WO2018201683A1 (zh) | 生理信号的同源性识别方法及装置 | |
| CN112053755A (zh) | 一种医学数据智能聚合处理方法 | |
| CN109599189B (zh) | 用药异常反应监测的方法、装置、电子设备和存储介质 | |
| WO2023151212A1 (zh) | 自动校准方法和装置、监测分析物浓度水平的系统 | |
| JP2002253516A (ja) | 健康支援サービスのデータ処理装置 | |
| CN114466045A (zh) | Spi通信方法、监护仪和介质 | |
| CN114582506A (zh) | 一种慢性病早期告警系统与方法 | |
| EP3799071A1 (en) | A computer-implemented system and method for alerting an expectant mother to a medical risk during pregnancy | |
| CN110706819A (zh) | 一种门诊分析方法、装置、服务器及存储介质 | |
| CN116417131B (zh) | 一种孕产妇居家数据采集与实时监测方法和系统 | |
| WO2015148313A1 (en) | Determining a level of hypoglycemic unawareness displayed by a patient | |
| KR20160046284A (ko) | 개인건강기기, 스마트 디바이스 및 이를 이용한 임산부 건강관리 서비스 방법 | |
| US11298087B2 (en) | Method and system for predicting physiological alarm frequency by patient monitors | |
| CN117729209B (zh) | 基于云计算的健康管理数据智能管理系统 | |
| CN116598023B (zh) | 中医专家社区师带徒互联网管理系统 | |
| CN107845419A (zh) | 生理参数监控方法、装置及计算机可读存储介质 |
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: 20201208 |