CN112289465A - 一种基于大数据的医疗监管系统 - Google Patents

一种基于大数据的医疗监管系统 Download PDF

Info

Publication number
CN112289465A
CN112289465A CN202011132747.4A CN202011132747A CN112289465A CN 112289465 A CN112289465 A CN 112289465A CN 202011132747 A CN202011132747 A CN 202011132747A CN 112289465 A CN112289465 A CN 112289465A
Authority
CN
China
Prior art keywords
user
data
weight
module
preset
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.)
Withdrawn
Application number
CN202011132747.4A
Other languages
English (en)
Inventor
梁秀文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202011132747.4A priority Critical patent/CN112289465A/zh
Publication of CN112289465A publication Critical patent/CN112289465A/zh
Withdrawn legal-status Critical Current

Links

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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Business, Economics & Management (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种基于大数据的医疗监管系统，包括数据采集模块、数据分析模块、服务器、显示模块、报警模块、智能匹配模块、目标选中模块、监控模块以及调度模块；本发明通过数据分析模块接收用户的体征数据并进行分析，计算得到用户的综合健康指数，当用户的综合健康指数大于等于预设阈值时，将该用户标记为预警用户并生成预警信号；当用户发现病兆，想要到医院或者体检中心进一步确定病因时，通过智能匹配模块推荐对应的医生进行进一步诊疗；根据初选医生的注册信息和历史就诊数据计算分析初选医生的推送值，用户能够参考推送值从中合理选择目标医生进行就诊预约，提高就诊效率。

Description

一种基于大数据的医疗监管系统
技术领域
本发明涉及健康管理技术领域，特别涉及一种基于大数据的医疗监管系统。
背景技术
随着生活水平不断提高和人们工作和生活节奏逐渐加快，健康成为人们越来越关注的话题，人们越来越多地注意通过体检或健康调查等途径及时准确的了解自身健康状况。
公开号CN106308770A公开了一种移动健康监控系统，它包括有若干个可移动的生理特征采集终端、后台专家系统和若干个显示终端，其中生理特征采集终端包括有生理信号采集电路、A/D转换电路、数据转换电路和zigbee无线通讯模块以及存储模块、显示模块；所述生理特征采集终端用于实时采集用户的生理信号并将生理信号经过处理后传输至后台专家系统，由显示终端显示后台专家系统的分析结果并反馈诊断意见；本发明实现了对用户身体状况的实时监测，并且相对于当前通常的医疗方式而言，在用户的生理信息检测方面更加快捷和方便，避免了检测人员由于不能及时发现病兆而错过了最佳的治疗时机，导致病情的恶化。
然而该专利中仅仅是实时采集用户的生理信号，没有对数据作进一步分析，综合的数据没法评估，也没有考虑体重的影响；标准体重也是反映和衡量一个人健康状况的重要标志之一，过胖和过瘦都不利于健康，也不会给人以健美感；且当用户发现病兆，想要到医院或者体检中心进一步确定病因时，往往需要提前预约或者排队，无法智能推荐合适的医院和医生进行诊断，非常麻烦。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于大数据的医疗监管系统。本发明通过数据分析模块接收用户的体征数据并进行分析，计算得到用户的综合健康指数，当用户的综合健康指数大于等于预设阈值时，将该用户标记为预警用户并生成预警信号，本发明能实时记录用户的体征数据，在综合健康指数时能起到报警、通知的作用，实用价值高，提高了对用户健康监护的便利性和及时性；
当用户发现病兆，想要到医院或者体检中心进一步确定病因时，通过智能匹配模块推荐对应的医生进行进一步诊疗；根据初选医生的注册信息和历史就诊数据计算分析初选医生的推送值，用户能够参考推送值从中合理选择目标医生进行就诊预约，提高就诊效率；本发明可实现同一医生可同时接收多个就诊时段预定，同时同一用户可对多个医生进行不同时段的就诊预定，提高了医生的工作效率和用户的就诊效率；
本发明通过监控模块实时监测用户的体重并进行分析，判断用户体重是否正常以及有无暴饮暴食或厌食状况的发生，及时预警，提示用户合理安排饮食，控制体重，避免超重或低重造成的健康问题。
本发明的目的可以通过以下技术方案实现：一种基于大数据的医疗监管系统，包括数据采集模块、数据分析模块、服务器、显示模块、报警模块、智能匹配模块、目标选中模块、监控模块以及调度模块；
数据采集模块用于采集用户的体征数据并将用户的体征数据传输至数据分析模块；数据分析模块用于接收用户的体征数据并对体征数据进行分析；具体分析步骤为：
S1：实时获取用户的体温数据，并将用户的体温数据标记为Tc；c＝1，2，…，n；
S2：将Tc和预设的标准值进行比对，若Tc大于预设值，则将该用户标记为发热用户并生成预警信号；
若Tc小于等于预设值，则将该用户标记为待分析用户；执行S3；
S3：获取待分析用户系统当前时间前15天的体温数据并标记为LTi，i＝1，2，…，15；将预设的标准值标记为T0；
将LTi按照从高到低的顺序排序，获取到所有高于T0的LTi；将其标记为Twi，i＝1，...，m；获取对应Twi的采集时间并将其标记为WTi；将系统当前时间标记为TD；
S4：利用公式
Figure BDA0002735681000000031
获取得到单次威胁系数F(i)；将所有的单次威胁系数F(i)进行求和得到威胁值FD；
Figure BDA0002735681000000032
其中，a1为预设比例系数；
S5：若威胁值FD大于等于威胁阈值，则表明该用户处于高烧初愈状态并生成监测信号；
S6：实时获取用户的脉搏频率，并将用户的脉搏频率标记为Mi；
实时获取用户的血氧浓度数据，并将用户的血氧浓度数据标记为Xi；
实时获取用户的血压数据，并将用户的血压数据标记为Ai；
实时获取用户的呼吸频率，并将用户的呼吸频率标记为Hi；
实时获取用户的心电值，并将用户的心电值标记为Di；
根据用户的体征数据计算用户的综合健康指数，用户的综合健康指数通过以下公式计算：
ZA＝B1×Mi+B2×Xi+B3×Ai+B4×Hi+B5×Di+FD×B6
式中，B1、B2、B3、B4、B5和B6为对应的回归参数；
S7：当用户的综合健康指数ZA大于等于预设指数值时，将该用户标记为预警用户并生成预警信号；
数据分析模块将预警信号和对应预警用户的体征数据传输到服务器，服务器接收预警信号驱动控制报警模块进行报警并将对应预警用户的各项体征数据传输到显示模块实时显示；
智能匹配模块用于接收预警信号后推荐对应的医生进行进一步诊疗；智能匹配模块包括需求输入单元和匹配单元，需求输入单元用于用户输入需求信息；需求信息包括期望就诊时间、就诊科室、用户住址以及体征数据；匹配单元用于根据需求信息推荐对应的医生。
进一步地，体征数据包括脉搏频率、体温数据、血氧浓度数据、血压数据、呼吸频率和心电值；用户登录注册模块用于用户通过用户终端提交注册信息进行注册并将注册成功的注册信息发送至服务器内进行存储；其中注册信息包括姓名、性别、住址以及手机号码。
进一步地，智能匹配模块的具体工作步骤为：
步骤一：医生通过医生注册登录模块提交注册信息进行注册并将注册成功的注册信息发送至服务器内进行存储；其中注册信息包括医师资格证信息、所属医院、所属科室、从医时间、医院等级、医院地址与空闲就诊时间；
步骤二：用户通过需求输入单元输入需求信息并向匹配单元发送就诊请求，就诊请求携带有期望就诊时间、就诊科室、用户住址和体征数据；
步骤三：匹配单元接收就诊请求并根据就诊请求在服务器中存储的各个医生的注册信息中查找用户住址周边预设范围内满足就诊请求的可预定的医生信息；并对可预定的医生信息进行分析，具体分析步骤包括：
SS31：获取用户住址周边预设范围内满足就诊请求的若干个可预定的医生并标记为初选医生；
SS32：获取初选医生的预设时间内的历史就诊数据；历史就诊数据包括就诊次数和用户评价系数；用户评价系数的规则为：给医生的诊疗评分，满分为100分；
SS33：将用户评价系数标记为Qx，将用户评价系数Qx进行求和再取平均值得到评价均值Qs；将就诊次数标记为Cs；
设定医院所有的医院等级均对应一个预设值，将初选医生所属医院的医院等级与所有的医院等级进行匹配得到对应的预设值并标记为DS；
将医院地址与用户住址进行距离差计算得到就诊间距并标记为DJ；
将初选医生的从医时间与系统当前时间进行时间差计算得到从医时长并标记为CT；
SS34：利用公式WS＝Qs×A1+Cs×A2+DS×A3+1/DJ×A4+CT×A5获取得到初选医生的推送值WS；其中A1、A2、A3、A4和A5均为预设比例系数；
步骤四：获取推送值排名前五的初选医生；而后将推送值排名前五的初选医生信息反馈给服务器；
服务器将推送值排名前五的初选医生信息推送至用户终端；用户终端通过目标选中模块从推送的初选医生信息中选中目标医生信息并发送至服务器。
进一步地，监控模块用于实时监测用户的体重并进行分析，具体步骤为：
SSS1：获取用户的体重数据和身高数据，将用户的体重数据标记为Zk；k＝1，2，…，p；将用户的身高数据标记为Gk；
SSS2：设定若干个体重阈值并标记为Km；m＝1，……，n；K1<K2<……<Kg；每个体重阈值对应一个预设身高范围，依次分别为(k1,k2]，……，(km,km+1]；当Gk∈(km,km+1]，则预设身高范围对应的体重阈值为Km；
SSS3：建立用户的体重数据随时间变化的曲线图；
根据体重数据的变化情况将体重数据随时间变化的曲线分割为上升阶段、过渡阶段和下降阶段；
分别计算曲线图中上升阶段、过渡阶段和下降阶段曲线方程的体重数据变化导数值；
SSS4：当体重数据处于上升阶段，若在第一预设时间T1内，用户的体重数据变化导数值都大于等于预设导数阈值；则表示用户处于暴饮暴食阶段，生成暴饮暴食信号；
当体重数据处于下降阶段，若在第一预设时间T1内，用户的体重数据变化导数值均小于零且用户的体重数据变化导数值的绝对值都大于等于预设导数阈值；则表示用户处于厌食状态，生成厌食信号；
SSS5：当体重数据处于过渡阶段，计算用户的体重数据Zk与对应的体重阈值Km的差值得到体重差CZk；
若在第二预设时间T2内，体重差CZk均小于预设差值且用户的体重数据变化导数值的绝对值都小于预设导数阈值，则判定用户体重处于正常状态，生成体重正常信号；
若在第二预设时间T2内，Zk均大于Km，体重差CZk均大于等于预设差值且用户的体重数据变化导数值的绝对值都小于预设导数阈值，则判定用户体重处于超重状态，生成体重超重信号；
若在第二预设时间T2内，Zk均小于Km，体重差CZk均大于等于预设差值且用户的体重数据变化导数值的绝对值都小于预设导数阈值，则判定用户体重处于低重状态，生成体重低重信号；
SSS6：监控模块用于将暴饮暴食信号、厌食信号、体重正常信号、体重超重信号以及体重低重信号传输至服务器；
服务器用于将暴饮暴食信号、厌食信号、体重正常信号、体重超重信号以及体重低重信号传输至显示模块实时显示；服务器还用于接收到暴饮暴食信号、厌食信号、体重超重信号以及体重低重信号后控制报警模块发出警报。
本发明的有益效果是：
1、本发明通过数据采集模块采集用户的体征数据；数据分析模块用于接收用户的体征数据并进行分析；将用户的体温数据标记为Tc；将Tc和预设的标准值进行比对，若Tc大于预设值，则将该用户标记为发热用户并生成预警信号；若Tc小于等于预设值，则将该用户标记为待分析用户；获取待分析用户系统当前时间前15天的体温数据，结合相关算法得到威胁值FD；若威胁值FD大于等于阈值，则表明该用户处于高烧初愈状态并生成监测信号，用于提示用户时刻注意病后恢复，以防病情反复；获取用户的其余各项体征数据，计算用户的综合健康指数；当用户的综合健康指数ZA大于等于预设阈值时，将该用户标记为预警用户并生成预警信号；提高了对用户健康监护的便利性和及时性；
2、本发明在用户发现病兆，想要到医院或者体检中心进一步确定病因时，通过智能匹配模块推荐对应的医生进行进一步诊疗；用户通过需求输入单元输入需求信息并向匹配单元发送就诊请求，医生通过医生注册登录模块提交注册信息进行注册并将注册成功的注册信息发送至服务器内进行存储；匹配单元接收就诊请求并根据就诊请求在服务器中存储的各个医生的注册信息中查找用户住址周边预设范围内满足就诊请求的可预定的医生信息；并对可预定的医生信息进行分析；获取用户住址周边预设范围内满足就诊请求的若干个可预定的医生并标记为初选医生；获取初选医生的预设时间内的历史就诊数据；根据初选医生的注册信息和历史就诊数据计算分析初选医生的推送值，用户能够参考推送值从中合理选择目标医生进行就诊预约，提高就诊效率；本发明可实现同一医生可同时接收多个就诊时段预定，同时同一用户可对多个医生进行不同时段的就诊预定，提高了医生的工作效率和用户的就诊效率；
3、本发明通过监控模块实时监测用户的体重并进行分析，建立用户的体重数据随时间变化的曲线图；根据体重数据的变化情况将体重数据随时间变化的曲线分割为上升阶段、过渡阶段和下降阶段；分别计算曲线图中上升阶段、过渡阶段和下降阶段曲线方程的体重数据变化导数值；判断用户体重是否正常以及有无暴饮暴食或厌食状况的发生，及时预警，提示用户合理安排饮食，控制体重，避免超重或低重造成的健康问题。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的系统框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于大数据的医疗监管系统，包括数据采集模块、数据分析模块、服务器、显示模块、报警模块、智能匹配模块、目标选中模块、监控模块以及调度模块；
所述数据采集模块用于采集用户的体征数据并将用户的体征数据传输至数据分析模块；数据采集模块包括脉搏传感器、体温传感器、血氧传感器、血压传感器、呼吸监测仪以及心电传感器；所述体征数据包括脉搏频率、体温数据、血氧浓度数据、血压数据、呼吸频率和心电值；
所述数据分析模块用于接收用户的体征数据并对体征数据进行分析；具体分析步骤为：
S1：实时获取用户的体温数据，并将用户的体温数据标记为Tc；c＝1，2，…，n；
S2：将Tc和预设的标准值进行比对，若Tc大于预设值，则将该用户标记为发热用户并生成预警信号；
若Tc小于等于预设值，则将该用户标记为待分析用户；执行S3；
S3：获取待分析用户系统当前时间前15天的体温数据并标记为LTi，i＝1，2，…，15；将预设的标准值标记为T0；
将LTi按照从高到低的顺序排序，获取到所有高于T0的LTi；将其标记为Twi，i＝1，...，m；获取对应Twi的采集时间并将其标记为WTi；将系统当前时间标记为TD；
S4：利用公式
Figure BDA0002735681000000091
获取得到单次威胁系数F(i)；
将所有的单次威胁系数F(i)进行求和得到威胁值FD；
Figure BDA0002735681000000092
其中，a1为预设比例系数；
S5：若威胁值FD大于等于威胁阈值，则表明该用户处于高烧初愈状态并生成监测信号，用于提示用户时刻注意病后恢复，以防病情反复；
S6：实时获取用户的脉搏频率，并将用户的脉搏频率标记为Mi；
实时获取用户的血氧浓度数据，并将用户的血氧浓度数据标记为Xi；
实时获取用户的血压数据，并将用户的血压数据标记为Ai；
实时获取用户的呼吸频率，并将用户的呼吸频率标记为Hi；
实时获取用户的心电值，并将用户的心电值标记为Di；
根据用户的体征数据计算用户的综合健康指数，所述用户的综合健康指数通过以下公式计算：
ZA＝B1×Mi+B2×Xi+B3×Ai+B4×Hi+B5×Di+FD×B6
式中，B1、B2、B3、B4、B5和B6为对应的回归参数；
S7：当用户的综合健康指数ZA大于等于预设指数值时，将该用户标记为预警用户并生成预警信号；
所述数据分析模块将预警信号和对应预警用户的体征数据传输到服务器，服务器接收预警信号驱动控制报警模块进行报警并将对应预警用户的各项体征数据传输到显示模块实时显示；
所述智能匹配模块用于接收预警信号后推荐对应的医生进行进一步诊疗；所述智能匹配模块包括需求输入单元和匹配单元，所述需求输入单元用于用户输入需求信息；所述需求信息包括期望就诊时间、就诊科室、用户住址以及体征数据；所述匹配单元用于根据需求信息推荐对应的医生，具体步骤为：
步骤一：医生通过医生注册登录模块提交注册信息进行注册并将注册成功的注册信息发送至服务器内进行存储；其中注册信息包括医师资格证信息、所属医院、所属科室、从医时间、医院等级、医院地址与空闲就诊时间；
步骤二：用户通过需求输入单元输入需求信息并向匹配单元发送就诊请求，所述就诊请求携带有所述期望就诊时间、就诊科室、用户住址和体征数据；
步骤三：所述匹配单元接收就诊请求并根据就诊请求在服务器中存储的各个医生的注册信息中查找用户住址周边预设范围内满足就诊请求的可预定的医生信息；并对可预定的医生信息进行分析，具体分析步骤包括：
SS31：获取用户住址周边预设范围内满足就诊请求的若干个可预定的医生并标记为初选医生；
SS32：获取初选医生的预设时间内的历史就诊数据；所述历史就诊数据包括就诊次数和用户评价系数；所述用户评价系数的规则为：给医生的诊疗评分，满分为100分；
SS33：将用户评价系数标记为Qx，将用户评价系数Qx进行求和再取平均值得到评价均值Qs；将就诊次数标记为Cs；
设定医院所有的医院等级均对应一个预设值，将初选医生所属医院的医院等级与所有的医院等级进行匹配得到对应的预设值并标记为DS；
将医院地址与用户住址进行距离差计算得到就诊间距并标记为DJ；
将初选医生的从医时间与系统当前时间进行时间差计算得到从医时长并标记为CT；
SS34：利用公式WS＝Qs×A1+Cs×A2+DS×A3+1/DJ×A4+CT×A5获取得到初选医生的推送值WS；其中A1、A2、A3、A4和A5均为预设比例系数；
步骤四：获取推送值排名前五的初选医生；而后将推送值排名前五的初选医生信息反馈给服务器；所述服务器将推送值排名前五的初选医生信息推送至用户终端；
所述用户终端通过目标选中模块从推送的初选医生信息中选中目标医生信息并发送至服务器；
本发明可实现同一医生可同时接收多个就诊时段预定，同时同一用户可对多个医生进行不同时段的就诊预定，提高了医生的工作效率和用户的就诊效率；同时可根据医生的注册信息和历史就诊数据计算分析医生的推送值，用户能够参考推送值从中合理选择目标医生进行就诊预约，提高就诊效率；
用户登录注册模块用于用户通过用户终端提交注册信息进行注册并将注册成功的注册信息发送至服务器内进行存储；其中注册信息包括姓名、性别、住址以及手机号码；
所述监控模块用于实时监测用户的体重并进行分析，具体步骤为：
SSS1：获取用户的体重数据和身高数据，将用户的体重数据标记为Zk；k＝1，2，…，p；将用户的身高数据标记为Gk；
SSS2：设定若干个体重阈值并标记为Km；m＝1，……，n；K1<K2<……<Kg；每个体重阈值对应一个预设身高范围，依次分别为(k1,k2]，……，(km,km+1]；当Gk∈(km,km+1]，则预设身高范围对应的体重阈值为Km；
SSS3：建立用户的体重数据随时间变化的曲线图；
根据体重数据的变化情况将体重数据随时间变化的曲线分割为上升阶段、过渡阶段和下降阶段；
分别计算曲线图中上升阶段、过渡阶段和下降阶段曲线方程的体重数据变化导数值；
SSS4：当体重数据处于上升阶段，若在第一预设时间T1内，用户的体重数据变化导数值都大于等于预设导数阈值；则表示用户处于暴饮暴食阶段，生成暴饮暴食信号；
当体重数据处于下降阶段，若在第一预设时间T1内，用户的体重数据变化导数值均小于零且用户的体重数据变化导数值的绝对值都大于等于预设导数阈值；则表示用户处于厌食状态，生成厌食信号；
SSS5：当体重数据处于过渡阶段，计算用户的体重数据Zk与对应的体重阈值Km的差值得到体重差CZk；
若在第二预设时间T2内，体重差CZk均小于预设差值且用户的体重数据变化导数值的绝对值都小于预设导数阈值，则判定用户体重处于正常状态，生成体重正常信号；
若在第二预设时间T2内，Zk均大于Km，体重差CZk均大于等于预设差值且用户的体重数据变化导数值的绝对值都小于预设导数阈值，则判定用户体重处于超重状态，生成体重超重信号；
若在第二预设时间T2内，Zk均小于Km，体重差CZk均大于等于预设差值且用户的体重数据变化导数值的绝对值都小于预设导数阈值，则判定用户体重处于低重状态，生成体重低重信号；
SSS6：监控模块用于将暴饮暴食信号、厌食信号、体重正常信号、体重超重信号以及体重低重信号传输至服务器；
服务器用于接收到暴饮暴食信号、厌食信号、体重正常信号、体重超重信号以及体重低重信号后将暴饮暴食信号、厌食信号、体重正常信号、体重超重信号以及体重低重信号传输至显示模块实时显示；服务器还用于接收到暴饮暴食信号、厌食信号、体重超重信号以及体重低重信号后控制报警模块发出警报；提示用户合理安排饮食，控制体重，避免超重或低重造成的健康问题；
所述调度模块用于进行医院与医院之间的资源调配，具体调配过程中如下：
H1：在预设时间段内，采集所有医院的人力资源信息，将每个医院的医疗人员人数标记为Di，i＝1，……，n，采集每个医院每天的就诊人数并标记为Si，i＝1……n；其中Di与Si一一对应；将所有的Si进行求和并取均值得到平均就诊人数SA；
H2：通过公式Di/SA＝Q，可以得到每个病人在进行诊疗时的人力资源数量Q；
H3：将医院按照人力资源数量Q从大到小的顺序排列，当Q值最小的医院就诊人数猛增时，调度模块即会调度Qmax的医院中的人力资源到Qmin医院中进行协助就诊，当Qmin+1的医院就诊人数猛增时，调度模块即会调度Qmax-1的医院中的人力资源到Qmin+1的医院中进行协助就诊，……，当Qmin+n的医院就诊人数猛增时，调度模块即会调取Qmax-n的医院中的人力资源到Qmin+n的医院中进行协助就诊；通过设置的调度模块，能够将各个医院的医疗人力资源进行合理调配，从而有效的减少了部分医院医疗人力资源过剩，造成的医疗人力资源浪费和部分医院医疗人力资源过少病人过多，导致病人无法及时得到诊断的状况发生，更加合理的利用医疗人力资源。
一种基于大数据的医疗监管系统，在工作时，首先通过数据采集模块采集用户的体征数据，数据分析模块接收用户的体征数据并进行分析；将用户的体温数据标记为Tc；将Tc和预设的标准值进行比对，若Tc大于预设值，则将该用户标记为发热用户并生成预警信号；若Tc小于等于预设值，则将该用户标记为待分析用户；获取待分析用户系统当前时间前15天的体温数据，结合相关算法得到威胁值FD；若威胁值FD大于等于威胁阈值，则表明该用户处于高烧初愈状态并生成监测信号，用于提示用户时刻注意病后恢复，以防病情反复；获取用户的其余各项体征数据，计算用户的综合健康指数；ZA＝B1×Mi+B2×Xi+B3×Ai+B4×Hi+B5×Di+FD×B6；当用户的综合健康指数ZA大于等于预设阈值时，将该用户标记为预警用户并生成预警信号；提高了对用户健康监护的便利性和及时性；
当用户发现病兆，想要到医院或者体检中心进一步确定病因时，通过智能匹配模块推荐对应的医生进行进一步诊疗；用户通过需求输入单元输入需求信息并向匹配单元发送就诊请求，医生通过医生注册登录模块提交注册信息进行注册并将注册成功的注册信息发送至服务器内进行存储；匹配单元接收就诊请求并根据就诊请求在服务器中存储的各个医生的注册信息中查找用户住址周边预设范围内满足就诊请求的可预定的医生信息；并对可预定的医生信息进行分析；获取用户住址周边预设范围内满足就诊请求的若干个可预定的医生并标记为初选医生；获取初选医生的预设时间内的历史就诊数据；根据初选医生的注册信息和历史就诊数据计算分析初选医生的推送值，用户能够参考推送值从中合理选择目标医生进行就诊预约，提高就诊效率；本发明可实现同一医生可同时接收多个就诊时段预定，同时同一用户可对多个医生进行不同时段的就诊预定，提高了医生的工作效率和用户的就诊效率；
监控模块用于实时监测用户的体重并进行分析，获取用户的体重数据和身高数据，设定若干个体重阈值并标记为Km；每个体重阈值对应一个预设身高范围，依次分别为(k1,k2]，……，(km,km+1]；当Gk∈(km,km+1]，则预设身高范围对应的体重阈值为Km；建立用户的体重数据随时间变化的曲线图，分别计算曲线图中上升阶段、过渡阶段和下降阶段曲线方程的体重数据变化导数值，判断用户体重是否正常，服务器用于接收到暴饮暴食信号、厌食信号、体重超重信号以及体重低重信号后控制报警模块发出警报；提示用户合理安排饮食，控制体重，避免超重或低重造成的健康问题。
上述公式均是由采集大量数据进行软件模拟及相应专家进行参数设置处理，得到与真实结果符合的公式。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.一种基于大数据的医疗监管系统，其特征在于，包括数据采集模块、数据分析模块、服务器、显示模块、报警模块、智能匹配模块、目标选中模块、监控模块以及调度模块；
所述数据采集模块用于采集用户的体征数据并将用户的体征数据传输至数据分析模块；所述数据分析模块用于接收用户的体征数据并对体征数据进行分析；具体分析步骤为：
S1：实时获取用户的体温数据，并将用户的体温数据标记为Tc；c＝1，2，…，n；
S2：将Tc和预设的标准值进行比对，若Tc大于预设值，则将该用户标记为发热用户并生成预警信号；
若Tc小于等于预设值，则将该用户标记为待分析用户；执行S3；
S3：获取待分析用户系统当前时间前15天的体温数据并标记为LTi，i＝1，2，…，15；将预设的标准值标记为T0；
将LTi按照从高到低的顺序排序，获取到所有高于T0的LTi；将其标记为Twi，i＝1，...，m；获取对应Twi的采集时间并将其标记为WTi；将系统当前时间标记为TD；
S4：利用公式
Figure FDA0002735680990000011
获取得到单次威胁系数F(i)；
将所有的单次威胁系数F(i)进行求和得到威胁值FD；
Figure FDA0002735680990000012
其中，a1为预设比例系数；
S5：若威胁值FD大于等于威胁阈值，则表明该用户处于高烧初愈状态并生成监测信号；
S6：实时获取用户的脉搏频率，并将用户的脉搏频率标记为Mi；
实时获取用户的血氧浓度数据，并将用户的血氧浓度数据标记为Xi；
实时获取用户的血压数据，并将用户的血压数据标记为Ai；
实时获取用户的呼吸频率，并将用户的呼吸频率标记为Hi；
实时获取用户的心电值，并将用户的心电值标记为Di；
根据用户的体征数据计算用户的综合健康指数，所述用户的综合健康指数通过以下公式计算：
ZA＝B1×Mi+B2×Xi+B3×Ai+B4×Hi+B5×Di+FD×B6
式中，B1、B2、B3、B4、B5和B6为对应的回归参数；
S7：当用户的综合健康指数ZA大于等于预设指数值时，将该用户标记为预警用户并生成预警信号；
所述数据分析模块将预警信号和对应预警用户的体征数据传输到服务器，服务器接收预警信号驱动控制报警模块进行报警并将对应预警用户的各项体征数据传输到显示模块实时显示；
所述智能匹配模块用于接收预警信号后推荐对应的医生进行进一步诊疗；所述智能匹配模块包括需求输入单元和匹配单元，所述需求输入单元用于用户输入需求信息；所述需求信息包括期望就诊时间、就诊科室、用户住址以及体征数据；所述匹配单元用于根据需求信息推荐对应的医生。
2.根据权利要求1所述的一种基于大数据的医疗监管系统，其特征在于，所述体征数据包括脉搏频率、体温数据、血氧浓度数据、血压数据、呼吸频率和心电值；用户登录注册模块用于用户通过用户终端提交注册信息进行注册并将注册成功的注册信息发送至服务器内进行存储；其中注册信息包括姓名、性别、住址以及手机号码。
3.根据权利要求1所述的一种基于大数据的医疗监管系统，其特征在于，所述智能匹配模块的具体工作步骤为：
步骤一：医生通过医生注册登录模块提交注册信息进行注册并将注册成功的注册信息发送至服务器内进行存储；其中注册信息包括医师资格证信息、所属医院、所属科室、从医时间、医院等级、医院地址与空闲就诊时间；
步骤二：用户通过需求输入单元输入需求信息并向匹配单元发送就诊请求，所述就诊请求携带有所述期望就诊时间、就诊科室、用户住址和体征数据；
步骤三：所述匹配单元接收就诊请求并根据就诊请求在服务器中存储的各个医生的注册信息中查找用户住址周边预设范围内满足就诊请求的可预定的医生信息；并对可预定的医生信息进行分析，具体分析步骤包括：
SS31：获取用户住址周边预设范围内满足就诊请求的若干个可预定的医生并标记为初选医生；
SS32：获取初选医生的预设时间内的历史就诊数据；所述历史就诊数据包括就诊次数和用户评价系数；所述用户评价系数的规则为：给医生的诊疗评分，满分为100分；
SS33：将用户评价系数标记为Qx，将用户评价系数Qx进行求和再取平均值得到评价均值Qs；将就诊次数标记为Cs；
设定医院所有的医院等级均对应一个预设值，将初选医生所属医院的医院等级与所有的医院等级进行匹配得到对应的预设值并标记为DS；
将医院地址与用户住址进行距离差计算得到就诊间距并标记为DJ；
将初选医生的从医时间与系统当前时间进行时间差计算得到从医时长并标记为CT；
SS34：利用公式WS＝Qs×A1+Cs×A2+DS×A3+1/DJ×A4+CT×A5获取得到初选医生的推送值WS；其中A1、A2、A3、A4和A5均为预设比例系数；
步骤四：获取推送值排名前五的初选医生；而后将推送值排名前五的初选医生信息反馈给服务器；
所述服务器将推送值排名前五的初选医生信息推送至用户终端；用户终端通过目标选中模块从推送的初选医生信息中选中目标医生信息并发送至服务器。
4.根据权利要求1所述的一种基于大数据的医疗监管系统，其特征在于，所述监控模块用于实时监测用户的体重并进行分析，具体步骤为：
SSS1：获取用户的体重数据和身高数据，将用户的体重数据标记为Zk；k＝1，2，…，p；将用户的身高数据标记为Gk；
SSS2：设定若干个体重阈值并标记为Km；m＝1，……，n；K1<K2<……<Kg；每个体重阈值对应一个预设身高范围，依次分别为(k1,k2]，……，(km,km+1]；当Gk∈(km,km+1]，则预设身高范围对应的体重阈值为Km；
SSS3：建立用户的体重数据随时间变化的曲线图；
根据体重数据的变化情况将体重数据随时间变化的曲线分割为上升阶段、过渡阶段和下降阶段；
分别计算曲线图中上升阶段、过渡阶段和下降阶段曲线方程的体重数据变化导数值；
SSS4：当体重数据处于上升阶段，若在第一预设时间T1内，用户的体重数据变化导数值都大于等于预设导数阈值；则表示用户处于暴饮暴食阶段，生成暴饮暴食信号；
当体重数据处于下降阶段，若在第一预设时间T1内，用户的体重数据变化导数值均小于零且用户的体重数据变化导数值的绝对值都大于等于预设导数阈值；则表示用户处于厌食状态，生成厌食信号；
SSS5：当体重数据处于过渡阶段，计算用户的体重数据Zk与对应的体重阈值Km的差值得到体重差CZk；
若在第二预设时间T2内，体重差CZk均小于预设差值且用户的体重数据变化导数值的绝对值都小于预设导数阈值，则判定用户体重处于正常状态，生成体重正常信号；
若在第二预设时间T2内，Zk均大于Km，体重差CZk均大于等于预设差值且用户的体重数据变化导数值的绝对值都小于预设导数阈值，则判定用户体重处于超重状态，生成体重超重信号；
若在第二预设时间T2内，Zk均小于Km，体重差CZk均大于等于预设差值且用户的体重数据变化导数值的绝对值都小于预设导数阈值，则判定用户体重处于低重状态，生成体重低重信号；
SSS6：监控模块用于将暴饮暴食信号、厌食信号、体重正常信号、体重超重信号以及体重低重信号传输至服务器；
服务器用于将暴饮暴食信号、厌食信号、体重正常信号、体重超重信号以及体重低重信号传输至显示模块实时显示；服务器还用于接收到暴饮暴食信号、厌食信号、体重超重信号以及体重低重信号后控制报警模块发出警报。
CN202011132747.4A 2020-10-21 2020-10-21 一种基于大数据的医疗监管系统 Withdrawn CN112289465A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011132747.4A CN112289465A (zh) 2020-10-21 2020-10-21 一种基于大数据的医疗监管系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011132747.4A CN112289465A (zh) 2020-10-21 2020-10-21 一种基于大数据的医疗监管系统

Publications (1)

Publication Number Publication Date
CN112289465A true CN112289465A (zh) 2021-01-29

Family

ID=74424592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011132747.4A Withdrawn CN112289465A (zh) 2020-10-21 2020-10-21 一种基于大数据的医疗监管系统

Country Status (1)

Country Link
CN (1) CN112289465A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077897A (zh) * 2021-02-23 2021-07-06 壹健康健康产业(深圳)有限公司 一种基于药箱的用户健康提示方法及装置
CN113192655A (zh) * 2021-05-22 2021-07-30 上海融达信息科技有限公司 一种基于个人授权的疾病管理方法及平台
CN113825253A (zh) * 2021-11-23 2021-12-21 深圳市计量质量检测研究院（国家高新技术计量站、国家数字电子产品质量监督检验中心） 一种基于大数据的智能电子秤监控系统及其方法
CN113990477A (zh) * 2021-10-20 2022-01-28 上海轻迅信息科技有限公司 一种基于云平台的大数据智能健康监护系统
CN114469084A (zh) * 2022-04-02 2022-05-13 剑博微电子(深圳)有限公司 一种基于高精度adc的血氧监测系统
CN114491284A (zh) * 2022-04-15 2022-05-13 科学技术文献出版社有限公司 一种基于多渠道数据分析的信息推送系统
CN116779125A (zh) * 2023-08-25 2023-09-19 万链指数(青岛)信息科技有限公司 基于大数据的智慧医疗管理系统及方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077897A (zh) * 2021-02-23 2021-07-06 壹健康健康产业(深圳)有限公司 一种基于药箱的用户健康提示方法及装置
CN113192655A (zh) * 2021-05-22 2021-07-30 上海融达信息科技有限公司 一种基于个人授权的疾病管理方法及平台
CN113990477A (zh) * 2021-10-20 2022-01-28 上海轻迅信息科技有限公司 一种基于云平台的大数据智能健康监护系统
CN113990477B (zh) * 2021-10-20 2022-11-18 上海轻迅信息科技有限公司 一种基于云平台的大数据智能健康监护系统
CN113825253A (zh) * 2021-11-23 2021-12-21 深圳市计量质量检测研究院（国家高新技术计量站、国家数字电子产品质量监督检验中心） 一种基于大数据的智能电子秤监控系统及其方法
CN114469084A (zh) * 2022-04-02 2022-05-13 剑博微电子(深圳)有限公司 一种基于高精度adc的血氧监测系统
CN114469084B (zh) * 2022-04-02 2022-06-24 剑博微电子(深圳)有限公司 一种基于高精度adc的血氧监测系统
CN114491284A (zh) * 2022-04-15 2022-05-13 科学技术文献出版社有限公司 一种基于多渠道数据分析的信息推送系统
CN116779125A (zh) * 2023-08-25 2023-09-19 万链指数(青岛)信息科技有限公司 基于大数据的智慧医疗管理系统及方法
CN116779125B (zh) * 2023-08-25 2023-11-07 万链指数(青岛)信息科技有限公司 基于大数据的智慧医疗管理系统及方法

Similar Documents

Publication Publication Date Title
CN112289465A (zh) 一种基于大数据的医疗监管系统
EP3779994B1 (en) Method of continuous prediction of patient severity of illness and mortality
CN104838382B (zh) 用于优化数据收集频率的方法、系统、介质及监测站
CN104207753A (zh) 个人健康监视系统
CN105279362A (zh) 个人健康监视系统
CN110875087B (zh) 一种慢性肺疫病管理系统
CN104158914A (zh) 面向家庭的远程尿液检测与健康咨询服务系统及方法
KR20080004125A (ko) 원격 검진/건강관리 시스템
CN107066832A (zh) 一种利用腕带的智能监控系统及监控方法
JP2002149831A (ja) 健康管理システム及び情報処理装置
CN113241196A (zh) 基于云-终端协同的远程医疗与分级监控系统
CN106021957A (zh) 一种基于家庭的社区健康云服务系统
CN105912870A (zh) 一种便携式多传感器监护的医疗系统
CN117877681A (zh) 一种心衰患者日常饮食数据监测和预警方法及装置
CN112735579A (zh) 一种急诊病人快速登记治疗系统
CN106991293A (zh) 一种重症疾病早期沟通系统、方法及沟通仪
CN110570932A (zh) 多参数临床移动生理量测管理方法及系统
Conci et al. Utilizing consumer-grade wearable sensors for unobtrusive rehabilitation outcome prediction
Aghav et al. Health track
CN110974216B (zh) 一种无线心电监护传感器的遥控系统
JP7403166B2 (ja) 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判定装置の動作方法、及び、睡眠時無呼吸症候群判定プログラム
Keil et al. Self-measurement of vital signs to prevent and treat common disease patterns
JP2002269231A (ja) 臨床データ解析処理方法、システム、コンピュータプログラムおよび媒体
Xu et al. Physio6: A sensor-based monitoring system for 6-minute walking test in the era of COVID-19
US20160228067A1 (en) System and method for intelligent monitoring of patient vital signs

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210129

WW01 Invention patent application withdrawn after publication