CN112885469A - 慢病人群的生命体征监测方法及系统 - Google Patents
慢病人群的生命体征监测方法及系统 Download PDFInfo
- Publication number
- CN112885469A CN112885469A CN202110136907.0A CN202110136907A CN112885469A CN 112885469 A CN112885469 A CN 112885469A CN 202110136907 A CN202110136907 A CN 202110136907A CN 112885469 A CN112885469 A CN 112885469A
- Authority
- CN
- China
- Prior art keywords
- vital sign
- evaluation model
- population
- reference range
- individual
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 208000017667 Chronic Disease Diseases 0.000 title claims abstract description 25
- 238000013210 evaluation model Methods 0.000 claims abstract description 120
- 238000011156 evaluation Methods 0.000 claims abstract description 50
- 238000005070 sampling Methods 0.000 claims description 18
- 230000001684 chronic effect Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000003862 health status Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 208000032928 Dyslipidaemia Diseases 0.000 description 1
- 208000017170 Lipid metabolism disease Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
Landscapes
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种慢病人群的生命体征监测方法及系统，该方法包括以下步骤：1)构建慢病患者的时间‑体征数据集合：2)构建个体评价模型：3)构建群体评价模型：4)构建经典评价模型：5)利用三个评价模型对被监测患者的健康状态进行综合评价。本发明中，将被监测患者的生命体征指标的评价细化至若干时间段，使得评价结果更具代表性，且更准确；本发明赋予个体评价模型、群体评价模型、经典评价模型的评价结果的以不同的权重，既能将各评价模型的评价结果进行综合体现，又能突出各个评价模型的评价结果对最终健康状态评价结果的影响程度，从而使得最终的结果更为准确、全面，更具参考价值，能更准确的体现患者的真实健康状态。
Description
技术领域
本发明涉及健康信息处理领域，特别涉及一种慢病人群的生命体征监测方法及系统。
背景技术
在慢病患者进行生理参数检测后，通常会根据结果出具体检报告，并依据相关的参考指标对患者健康状态进行评价。现有的参考指标通过是根据行业标准或临床数据制定的同一标准，对于不同地域的患者通常是采用相同的指标进行健康状态评价，没有考虑到个体差异以及地域差异，另外，也未考虑到不同时间段，患者的生理参数具有不同特征这一因素，导致现有的针对慢病患者的监测方法的评价结果的参考价值有限，精细化不够，难以真正体现患者的真实健康状态。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种慢病人群的生命体征监测方法。
为解决上述技术问题，本发明采用的技术方案是：一种慢病人群的生命体征监测方法，包括以下步骤：
1)构建慢病患者的时间-体征数据集合：
将全天24小时分为若干个时间段T，对若干个患者进行多种生命体征指标的取样测量：在每个时间段内，针对每个患者的每种生命体征指标至少取样测量两次，完成所有患者的取样测量，保存数据，得到患者的时间-体征数据集合；
2)构建个体评价模型：
针对每个患者，统计其在每个时间段内的每种生命体征指标的中心值μ和标准差σ，将(μ-σ，μ+σ)作为对应生命体征指标的个体参考范围，完成所有患者的统计，保存数据，从而得到每个患者在每个时间段内的每种生命体征指标的个体参考范围，获得个体评价模型；
3)构建群体评价模型：
针对每个时间段，计算每种生命体征指标Sk在所有患者中的中心值的平均值
和对应的标准差的平均值
将
作为对应生命体征指标的群体参考范围，完成所有时间段的统计，保存数据，从而得到每个时间段内的每种生命体征指标在群体中的平均水平，即群体参考范围，获得群体评价模型；
4)构建经典评价模型：
统计每种生命体征指标在全天各个时间段内的标准参考范围，完成所有生命体征指标的统计，保存数据，从而得到每个时间段内的每种生命体征指标的标准参考范围，获得经典评价模型；
5)采集被监测患者的生命体征指标，然后分别与个体评价模型中的个体参考范围、群体评价模型群体中的群体参考范围以及经典评价模型中的标准参考范围进行比较，从而获得被监测患者的健康状态评价结果。
优选的是，所述步骤1)中构建慢病患者的时间-体征数据集合的方法具体为：
将全天24小时分为m个时间段T，对q个患者H进行取样测量，在每个时间段Ti内，针对每个患者Hj的每种生命体征指标Sk至少取样测量两次，完成所有患者的取样测量，保存数据，得到时间-体征数据集合；
其中，i＝1,2,...,m；j＝1,2,...,q；k＝1,2,...,n；n为生命体征指标的总数量。
优选的是，所述步骤2)中构建个体评价模型的方法具体为：
针对患者Hj，统计其在每个时间段Ti内的每种生命体征指标Sjik的中心值μjik和标准差σjik，将(μjik-σjik，μjik+σjik)作为对应生命体征指标Sjik的个体参考范围，完成所有患者的统计，保存数据，从而得到每个患者Hj在每个时间段Ti内的每种生命体征指标Sk的个体参考范围：(μk-σk，μk+σk)，获得个体评价模型。
优选的是，所述步骤3)中构建群体评价模型的方法具体为：
3-1)针对时间段Ti，计算生命体征指标Sk的平均水平：
提取每个患者Hj的生命体征指标Sijk的中心值μijk和标准差σijk，计算所有患者的该生命体征指标Sik的中心值的平均值
和标准差的平均值
从而得到时间段Ti内生命体征指标Sk的群体参考范围
其中，
3-2)计算时间段Ti内的所有生命体征指标的群体参考范围，记为
3-3)计算所有时间段内的所有生命体征指标的群体参考范围，记为
3-4)保存数据，从而得到每个时间段Ti内的每种生命体征Sk指标在群体中的平均水平，即群体参考范围
获得群体评价模型。
优选的是，所述步骤4)中构建经典评价模型的方法具体为：
通过生命体征指标标准范围文库获取每种生命体征指标在全天各个时间段内的标准参考范围，生命体征指标Sk在时间段Ti内的标准参考范围记为 Sik(minbik，maxbik)；完成所有生命体征指标的统计，保存数据，从而得到每个时间段内的所有生命体征指标的标准参考范围(minb，maxb)，获得经典评价模型。
优选的是，所述步骤5)具体包括：
5-1)采集被监测患者的生命体征指标S'k；
5-2)将每个S'k与个体评价模型中相同时间段内的相同生命体征指标的个体参考范围进行比较，获得针对每个S'k的个体评价模型的健康得分E1k；计算所有健康得分E1k的平均值，记为
5-3)将每个S'k与群体评价模型中相同时间段内的相同生命体征指标的群体参考范围进行比较，获得针对每个S'k的群体评价模型的健康得分E2k；计算所有健康得分E2k的平均值，记为
5-4)将每个S'k与经典评价模型中相同时间段内的相同生命体征指标的标准参考范围进行比较，获得针对每个S'k的经典评价模型的健康得分E3k；计算所有健康得分E3k的平均值，记为
5-5)分别赋予个体评价模型、群体评价模型、经典评价模型的评价结果的以相应的权重，依次记为A、B、C，按下式计算被监测患者的综合得分Ez，并作为被监测患者的健康状态评价结果输出；
优选的是，所述步骤5-2)中，根据S'k与个体参考范围进行比较而获得个体评价模型的健康得分E1k的比较方法具体为：
记监测患者的生命体征指标S'k的值为Vk，记个体评价模型中与S'k对应的相同时间段内的相同生命体征指标的个体参考范围为(μk-σk，μk+σk)；
判断Vk是否在个体参考范围(μk-σk，μk+σk)内，若结果为是，则健康得分E1k＝E0k；若结果为否，则E1k＝Fk*E0k，Fk为根据Vk相对个体参考范围 (μk-σk，μk+σk)的偏离程度Δk所对应的修正系数；其中，Fk＜1，且Δk越大， Fk越小。
优选的是，其中，偏离程度Δk定义为：Vk与个体参考范围(μk-σk，μk+σk) 的两个端点的差值的绝对值中的较小者与μk之间的比值，计算公式为：
其中min{|Δk-(μk-σk)|，|Δk-(μk+σk)|}表示取|Δk-(μk-σk)|和|Δk-(μk+σk)|中的较小者。
优选的是，所述步骤5-3)中根据S'k与群体参考范围进行比较而获得群体评价模型的健康得分E2k的比较方法，以及所述步骤5-4)中根据S'k与标准参考范围进行比较而获得经典评价模型的健康得分E3k的比较方法均与所述步骤5-1)中的比较方法相同。
本发明还提供一种慢病人群的生命体征监测系统，其采用如上所述的方法进行慢病人群的生命体征监测，该系统包括：
数据采集单元，其用于采集患者的生命体征指标；
数据库单元，其用于构建慢病患者的时间-体征数据集合；
个体评价单元，其用于构建个体评价模型；
群体评价单元，其用于构建群体评价模型；
经典评价单元，其用于构建经典评价模型；
以及健康状态评价单元，其获取数据采集单元采集的被监测患者的生命体征指标，然后分别与个体评价模型中的个体参考范围、群体评价模型群体中的参考范围以及经典评价模型中的标准参考范围进行比较，从而获得被监测患者的健康状态评价结果。
本发明的有益效果是：
本发明中，将被监测患者的生命体征指标的评价细化至若干时间段，引入了不同时间段，个体的生命体征指标会有所变化这一特征，考评价结果中考虑了不同时间段患者的生命体征指标具有不同特点这一因素，使得评价结果更具代表性，且更准确；
本发明中，通过引入患者自身在各个时间段的生命体征指标范围作为一个比较标准，能够体现患者生命体征指标在各个时间段的波动变化这一特征，可体现个体生命体征指标相对于自身正常范围的发生偏差时的健康状态程度，且通过对健康状态进行打分能量化偏差范围与健康状态程度之间的关系；
本发明中，通过将个体的生命体征指标与同区域的群体的平均范围进行比较来评价健康状态，能引入生命体征指标的地域性差异这一特征，使得评价比较标准适应了地域特性，从而更具参考价值；
进一步的，本发明中，还将个体的生命体征指标与大区域范围的标准参考范围进行比较来评价健康状态，能引入普适性的经典评价指标，能进一步完善最终健康状态评价结果的准确性和全面性；
本发明赋予个体评价模型、群体评价模型、经典评价模型的评价结果的以不同的权重，既能将各评价模型的评价结果进行综合体现，又能突出各个评价模型的评价结果对最终健康状态评价结果的影响程度，从而使得最终的结果更为准确、全面，更具参考价值，能更准确的体现患者的真实健康状态。
附图说明
图1为本发明的慢病人群的生命体征监测方法的流程图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
实施例1
参照图1，本实施例提供了一种慢病人群的生命体征监测方法，包括以下步骤：
S1、构建慢病患者的时间-体征数据集合：
将全天24小时分为若干个时间段T，对若干个患者进行多种生命体征指标的取样测量：在每个时间段内，针对每个患者的每种生命体征指标至少取样测量两次，完成所有患者的取样测量，保存数据，得到患者的时间-体征数据集合；
具体为：将全天24小时分为m个时间段T，对q个患者H进行取样测量，在每个时间段Ti内，针对每个患者Hj的每种生命体征指标Sk至少取样测量两次，完成所有患者的取样测量，保存数据，得到时间-体征数据集合；
其中，i＝1,2,...,m；j＝1,2,...,q；k＝1,2,...,n；n为生命体征指标的总数量。
例如，在一种实施例中，将全天均分为96个时间段，每个时间段跨度为 15分钟，在每个时间段内取样测量3-5次。生命体征指标包括血压、血糖、血脂等可用于评价患者健康状态的常用医学指标。
S2、构建个体评价模型：
针对每个患者，统计其在每个时间段内的每种生命体征指标的中心值μ和标准差σ，将(μ-σ，μ+σ)作为对应生命体征指标的个体参考范围，完成所有患者的统计，保存数据，从而得到每个患者在每个时间段内的每种生命体征指标的个体参考范围，获得个体评价模型；
具体为：针对患者Hj，统计其在每个时间段Ti内的每种生命体征指标Sjik的中心值μjik和标准差σjik，将(μjik-σjik，μjik+σjik)作为对应生命体征指标 Sjik的个体参考范围，完成所有患者的统计，保存数据，从而得到每个患者 Hj在每个时间段Ti内的每种生命体征指标Sk的个体参考范围：(μk-σk，μk+σk)，获得个体评价模型。
例如，针对患者H1，所有时间段T1至Tm内的生命体征指标包括：
在时间段T1内的所有生命体征指标：
{S111(μ111，σ111)，S112(μ112，σ112)，...，S11k(μ11k，σ11k)，...， S11n(μ11n，σ11n)}；
在时间段T2内的所有生命体征指标：
{S121(μ121，σ121)，S122(μ122，σ122)，...，S12k(μ12k，σ12k)，...， S12n(μ12n，σ12n)}；
...
在时间段Tm内的所有生命体征指标：
{S1m1(μ1m1，σ1m1)，S1m2(μ1m2，σ1m2)，...，S1ik(μ1mk，σ1mk)，...， S1mn(μ1mn，σ1mn)}。
针对其他患者Hj，以此类推。
S3、构建群体评价模型：
针对每个时间段，计算每种生命体征指标Sk在所有患者中的中心值的平均值
和对应的标准差的平均值
将
作为对应生命体征指标的群体参考范围，完成所有时间段的统计，保存数据，从而得到每个时间段内的每种生命体征指标在群体中的平均水平，即群体参考范围，获得群体评价模型；
步骤S3、具体包括：
3-1、针对时间段Ti，计算生命体征指标Sk的平均水平：
提取每个患者Hj的生命体征指标Sijk的中心值μijk和标准差σijk，计算所有患者的该生命体征指标Sik的中心值的平均值
和标准差的平均值
从而得到时间段Ti内生命体征指标Sk的群体参考范围
其中，
3-2、计算时间段Ti内的所有生命体征指标的群体参考范围，记为
3-3、计算所有时间段内的所有生命体征指标的群体参考范围，记为
3-4、保存数据，从而得到每个时间段Ti内的每种生命体征Sk指标在群体中的平均水平，即群体参考范围
获得群体评价模型。
S4、构建经典评价模型：
通过生命体征指标标准范围文库获取每种生命体征指标在全天各个时间段内的标准参考范围，生命体征指标Sk在时间段Ti内的标准参考范围记为 Sik(minbik，maxbik)；完成所有生命体征指标的统计，保存数据，从而得到每个时间段内的所有生命体征指标的标准参考范围(minb，maxb)，获得经典评价模型。其中，生命体征指标标准范围文库包括现有的相关书籍、论文及各类指南，可从中获取生命体征指标Sk的标准参考范围，例如《健康管理师-社区管理分册》、中国成人血脂异常防治指南(2016版)、《中华人民共和国卫生行业标准——成人体重判定》(标准号WS/T 428-2013)、《中国糖尿病防治指南》等。
S5、利用三个评价模型对被监测患者的健康状态进行综合评价：
采集被监测患者的生命体征指标，然后分别与个体评价模型中的个体参考范围、群体评价模型群体中的群体参考范围以及经典评价模型中的标准参考范围进行比较，从而获得被监测患者的健康状态评价结果。
其中，在优选的实施例中，群体评价模型中采集的所有患者与被监测患者的地域应相近，例如同县或同市或同省地区的人群。所以，将集被监测患者的生命体征指标与地域相近的人群的平均指标进行比较而对健康状态进行打分时，能引入生命体征指标的地域性差异这一特征，使得评价比较标准适应了地域特性，从而更具参考价值。
步骤S5具体包括：
5-1、采集被监测患者的生命体征指标S'k；
5-2、将每个S'k与个体评价模型中相同时间段内的相同生命体征指标的个体参考范围进行比较，获得针对每个S'k的个体评价模型的健康得分E1k；计算所有健康得分E1k的平均值，记为
5-3、将每个S'k与群体评价模型中相同时间段内的相同生命体征指标的群体参考范围进行比较，获得针对每个S'k的群体评价模型的健康得分E2k；计算所有健康得分E2k的平均值，记为
5-4、将每个S'k与经典评价模型中相同时间段内的相同生命体征指标的标准参考范围进行比较，获得针对每个S'k的经典评价模型的健康得分E3k；计算所有健康得分E3k的平均值，记为
5-5、分别赋予个体评价模型、群体评价模型、经典评价模型的评价结果的以相应的权重，依次记为A、B、C，按下式计算被监测患者的综合得分Ez，并作为被监测患者的健康状态评价结果输出；
在一种优选的实施例中，A＝0.5，B＝0.3，C＝0.2。
在一种优选的实施例中，步骤5-2)中，根据S'k与个体参考范围进行比较而获得个体评价模型的健康得分E1k的比较方法具体为：
记监测患者的生命体征指标S'k的值为Vk，记个体评价模型中与S'k对应的相同时间段内的相同生命体征指标的个体参考范围为(μk-σk，μk+σk)；
判断Vk是否在个体参考范围(μk-σk，μk+σk)内，若结果为是，则健康得分E1k＝E0k；若结果为否，则E1k＝Fk*E0k，Fk为根据Vk相对个体参考范围 (μk-σk，μk+σk)的偏离程度Δk所对应的修正系数；其中，Fk＜1，且Δk越大， Fk越小。即Vk相对个体参考范(μk-σk，μk+σk)偏离越大，则打分越低。
其中，偏离程度Δk定义为：Vk与个体参考范围(μk-σk，μk+σk)的两个端点的差值的绝对值中的较小者与μk之间的比值，计算公式为：
其中min{|Δk-(μk-σk)|，|Δk-(μk+σk)|}表示取|Δk-(μk-σk)|和|Δk-(μk+σk)|中的较小者。
在一种优选的实施例中，步骤5-3)中根据S'k与群体参考范围进行比较而获得群体评价模型的健康得分E2k的比较方法，以及步骤5-4)中根据S'k与标准参考范围进行比较而获得经典评价模型的健康得分E3k的比较方法均与步骤5-1)中的比较方法相同。
本实施例中，将被监测患者的生命体征指标的评价细化至若干时间段，引入了不同时间段，个体的生命体征指标会有所变化这一特征；本实施例中通过引入患者自身在各个时间段的生命体征指标范围作为一个比较标准，能够体现患者生命体征指标在各个时间段的波动变化这一特征，可体现个体生命体征指标相对于自身正常范围的发生偏差时的健康状态程度，且通过对健康状态进行打分能量化偏差范围与健康状态程度之间的关系；本实施例中，通过将个体的生命体征指标与同区域的群体的平均范围进行比较来评价健康状态，能引入生命体征指标的地域性差异这一特征，使得评价比较标准适应了地域特性，从而更具参考价值；进一步的，本实施例中，还将个体的生命体征指标与大区域范围的标准参考范围进行比较来评价健康状态，能引入普适性的经典评价指标，能进一步完善最终健康状态评价结果的准确性和全面性。本实施例赋予个体评价模型、群体评价模型、经典评价模型的评价结果的以不同的权重，既能将各评价模型的评价结果进行综合体现，又能突出各个评价模型的评价结果对最终健康状态评价结果的影响程度，从而使得最终的结果更为准确、全面，更具参考价值。
实施例2
本实施例提供了一种慢病人群的生命体征监测系统，其采用如实施例1 的方法进行慢病人群的生命体征监测，该系统包括：
数据采集单元，其用于采集患者的生命体征指标；
数据库单元，其用于构建慢病患者的时间-体征数据集合；
个体评价单元，其用于构建个体评价模型；
群体评价单元，其用于构建群体评价模型；
经典评价单元，其用于构建经典评价模型；
以及健康状态评价单元，其获取数据采集单元采集的被监测患者的生命体征指标，然后分别与个体评价模型中的个体参考范围、群体评价模型群体中的参考范围以及经典评价模型中的标准参考范围进行比较，从而获得被监测患者的健康状态评价结果。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。
Claims (10)
1.一种慢病人群的生命体征监测方法，其特征在于，包括以下步骤：
1)构建慢病患者的时间-体征数据集合：
将全天24小时分为若干个时间段T，对若干个患者进行多种生命体征指标的取样测量：在每个时间段内，针对每个患者的每种生命体征指标至少取样测量两次，完成所有患者的取样测量，保存数据，得到患者的时间-体征数据集合；
2)构建个体评价模型：
针对每个患者，统计其在每个时间段内的每种生命体征指标的中心值μ和标准差σ，将(μ-σ，μ+σ)作为对应生命体征指标的个体参考范围，完成所有患者的统计，保存数据，从而得到每个患者在每个时间段内的每种生命体征指标的个体参考范围，获得个体评价模型；
3)构建群体评价模型：
针对每个时间段，计算每种生命体征指标Sk在所有患者中的中心值的平均值
和对应的标准差的平均值
将
作为对应生命体征指标的群体参考范围，完成所有时间段的统计，保存数据，从而得到每个时间段内的每种生命体征指标在群体中的平均水平，即群体参考范围，获得群体评价模型；
4)构建经典评价模型：
统计每种生命体征指标在全天各个时间段内的标准参考范围，完成所有生命体征指标的统计，保存数据，从而得到每个时间段内的每种生命体征指标的标准参考范围，获得经典评价模型；
5)采集被监测患者的生命体征指标，然后分别与个体评价模型中的个体参考范围、群体评价模型群体中的群体参考范围以及经典评价模型中的标准参考范围进行比较，从而获得被监测患者的健康状态评价结果。
2.根据权利要求1所述的慢病人群的生命体征监测方法，其特征在于，所述步骤1)中构建慢病患者的时间-体征数据集合的方法具体为：
将全天24小时分为m个时间段T，对q个患者H进行取样测量，在每个时间段Ti内，针对每个患者Hj的每种生命体征指标Sk至少取样测量两次，完成所有患者的取样测量，保存数据，得到时间-体征数据集合；
其中，i＝1,2,...,m；j＝1,2,...,q；k＝1,2,...,n；n为生命体征指标的总数量。
3.根据权利要求2所述的慢病人群的生命体征监测方法，其特征在于，所述步骤2)中构建个体评价模型的方法具体为：
针对患者Hj，统计其在每个时间段Ti内的每种生命体征指标Sjik的中心值μjik和标准差σjik，将(μjik-σjik，μjik+σjik)作为对应生命体征指标Sjik的个体参考范围，完成所有患者的统计，保存数据，从而得到每个患者Hj在每个时间段Ti内的每种生命体征指标Sk的个体参考范围：(μk-σk，μk+σk)，获得个体评价模型。
4.根据权利要求3所述的慢病人群的生命体征监测方法，其特征在于，所述步骤3)中构建群体评价模型的方法具体为：
3-1)针对时间段Ti，计算生命体征指标Sk的平均水平：
提取每个患者Hj的生命体征指标Sijk的中心值μijk和标准差σijk，计算所有患者的该生命体征指标Sik的中心值的平均值
和标准差的平均值
从而得到时间段Ti内生命体征指标Sk的群体参考范围
其中，
3-2)计算时间段Ti内的所有生命体征指标的群体参考范围，记为
3-3)计算所有时间段内的所有生命体征指标的群体参考范围，记为
3-4)保存数据，从而得到每个时间段Ti内的每种生命体征Sk指标在群体中的平均水平，即群体参考范围
获得群体评价模型。
5.根据权利要求4所述的慢病人群的生命体征监测方法，其特征在于，所述步骤4)中构建经典评价模型的方法具体为：
通过生命体征指标标准范围文库获取每种生命体征指标在全天各个时间段内的标准参考范围，生命体征指标Sk在时间段Ti内的标准参考范围记为Sik(minbik，maxbik)；完成所有生命体征指标的统计，保存数据，从而得到每个时间段内的所有生命体征指标的标准参考范围(minb，maxb)，获得经典评价模型。
6.根据权利要求5所述的慢病人群的生命体征监测方法，其特征在于，所述步骤5)具体包括：
5-1)采集被监测患者的生命体征指标S'k；
5-2)将每个S'k与个体评价模型中相同时间段内的相同生命体征指标的个体参考范围进行比较，获得针对每个S'k的个体评价模型的健康得分E1k；计算所有健康得分E1k的平均值，记为
5-3)将每个S'k与群体评价模型中相同时间段内的相同生命体征指标的群体参考范围进行比较，获得针对每个S'k的群体评价模型的健康得分E2k；计算所有健康得分E2k的平均值，记为
5-4)将每个S'k与经典评价模型中相同时间段内的相同生命体征指标的标准参考范围进行比较，获得针对每个S'k的经典评价模型的健康得分E3k；计算所有健康得分E3k的平均值，记为
5-5)分别赋予个体评价模型、群体评价模型、经典评价模型的评价结果的以相应的权重，依次记为A、B、C，按下式计算被监测患者的综合得分Ez，并作为被监测患者的健康状态评价结果输出；
7.根据权利要求6所述的慢病人群的生命体征监测方法，其特征在于，所述步骤5-2)中，根据S'k与个体参考范围进行比较而获得个体评价模型的健康得分E1k的比较方法具体为：
记监测患者的生命体征指标S'k的值为Vk，记个体评价模型中与S'k对应的相同时间段内的相同生命体征指标的个体参考范围为(μk-σk，μk+σk)；
判断Vk是否在个体参考范围(μk-σk，μk+σk)内，若结果为是，则健康得分E1k＝E0k；若结果为否，则E1k＝Fk*E0k，Fk为根据Vk相对个体参考范围(μk-σk，μk+σk)的偏离程度Δk所对应的修正系数；其中，Fk＜1，且Δk越大，Fk越小。
8.根据权利要求7所述的慢病人群的生命体征监测方法，其特征在于，其中，偏离程度Δk定义为：Vk与个体参考范围(μk-σk，μk+σk)的两个端点的差值的绝对值中的较小者与μk之间的比值，计算公式为：
其中min{|Δk-(μk-σk)|，|Δk-(μk+σk)|}表示取|Δk-(μk-σk)|和|Δk-(μk+σk)|中的较小者。
9.根据权利要求8所述的慢病人群的生命体征监测方法，其特征在于，所述步骤5-3)中根据S'k与群体参考范围进行比较而获得群体评价模型的健康得分E2k的比较方法，以及所述步骤5-4)中根据S'k与标准参考范围进行比较而获得经典评价模型的健康得分E3k的比较方法均与所述步骤5-1)中的比较方法相同。
10.一种慢病人群的生命体征监测系统，其特征在于，其采用如权利要求1-9中任意一项所述的方法进行慢病人群的生命体征监测，该系统包括：
数据采集单元，其用于采集患者的生命体征指标；
数据库单元，其用于构建慢病患者的时间-体征数据集合；
个体评价单元，其用于构建个体评价模型；
群体评价单元，其用于构建群体评价模型；
经典评价单元，其用于构建经典评价模型；
以及健康状态评价单元，其获取数据采集单元采集的被监测患者的生命体征指标，然后分别与个体评价模型中的个体参考范围、群体评价模型群体中的参考范围以及经典评价模型中的标准参考范围进行比较，从而获得被监测患者的健康状态评价结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110136907.0A CN112885469A (zh) | 2021-02-01 | 2021-02-01 | 慢病人群的生命体征监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110136907.0A CN112885469A (zh) | 2021-02-01 | 2021-02-01 | 慢病人群的生命体征监测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112885469A true CN112885469A (zh) | 2021-06-01 |
Family
ID=76052309
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110136907.0A Pending CN112885469A (zh) | 2021-02-01 | 2021-02-01 | 慢病人群的生命体征监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112885469A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103577686A (zh) * | 2013-09-11 | 2014-02-12 | 奥美之路(北京)技术顾问有限公司 | 中国人群健康体适能评价模型 |
| CN105147277A (zh) * | 2015-09-25 | 2015-12-16 | 南京丰生永康软件科技有限责任公司 | 基于时辰的人体整体生理功能指数分析方法 |
| CN106096274A (zh) * | 2016-06-08 | 2016-11-09 | 江苏华康信息技术有限公司 | 一种基于正态分布的分段线性拟合健康评估方法 |
| CN107169307A (zh) * | 2017-07-07 | 2017-09-15 | 中北大学 | 健康风险评估方法和装置 |
| CN108511067A (zh) * | 2018-04-02 | 2018-09-07 | 武汉久乐科技有限公司 | 预警方法及电子设备 |
| CN109009017A (zh) * | 2018-07-03 | 2018-12-18 | 中南大学 | 一种智能健康监测系统及其数据处理方法 |
| CN110473633A (zh) * | 2019-08-19 | 2019-11-19 | 泰康保险集团股份有限公司 | 健康信息管理方法、装置、介质及电子设备 |
| CN112002424A (zh) * | 2020-09-01 | 2020-11-27 | 张婉婷 | 一种基于大数据的智慧社区养老健康智能分析管理系统 |
-
2021
- 2021-02-01 CN CN202110136907.0A patent/CN112885469A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103577686A (zh) * | 2013-09-11 | 2014-02-12 | 奥美之路(北京)技术顾问有限公司 | 中国人群健康体适能评价模型 |
| CN105147277A (zh) * | 2015-09-25 | 2015-12-16 | 南京丰生永康软件科技有限责任公司 | 基于时辰的人体整体生理功能指数分析方法 |
| CN106096274A (zh) * | 2016-06-08 | 2016-11-09 | 江苏华康信息技术有限公司 | 一种基于正态分布的分段线性拟合健康评估方法 |
| CN107169307A (zh) * | 2017-07-07 | 2017-09-15 | 中北大学 | 健康风险评估方法和装置 |
| CN108511067A (zh) * | 2018-04-02 | 2018-09-07 | 武汉久乐科技有限公司 | 预警方法及电子设备 |
| CN109009017A (zh) * | 2018-07-03 | 2018-12-18 | 中南大学 | 一种智能健康监测系统及其数据处理方法 |
| CN110473633A (zh) * | 2019-08-19 | 2019-11-19 | 泰康保险集团股份有限公司 | 健康信息管理方法、装置、介质及电子设备 |
| CN112002424A (zh) * | 2020-09-01 | 2020-11-27 | 张婉婷 | 一种基于大数据的智慧社区养老健康智能分析管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kim et al. | Quantification of bradykinesia during clinical finger taps using a gyrosensor in patients with Parkinson’s disease | |
| CN101087559B (zh) | 从呼吸信号中检测和区别呼吸模式的方法 | |
| CN106037720B (zh) | 混合连续信息分析技术的医学应用系统 | |
| AU2021204600B2 (en) | A probabilistic context free grammar for food intake | |
| Mataczyński et al. | End-to-end automatic morphological classification of intracranial pressure pulse waveforms using deep learning | |
| 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 | |
| Pham et al. | Respiratory artefact removal in forced oscillation measurements: A machine learning approach | |
| CN116864062B (zh) | 一种基于互联网的健康体检报告数据分析管理系统 | |
| CN116936104B (zh) | 一种基于人工智能的健康检测仪数据分析系统及方法 | |
| CN107837083B (zh) | 基于最小二乘支持向量机的j波自动检测方法 | |
| CN116453641B (zh) | 一种中医辅助分析信息的数据处理方法及系统 | |
| CN112885469A (zh) | 慢病人群的生命体征监测方法及系统 | |
| Davoudi et al. | Phenotyping cognitive impairment using graphomotor and latency features in digital clock drawing test | |
| Michael Bence et al. | Differential sensitivity of the MMPI‐2 depression scales and subscales | |
| CN115804581A (zh) | 心率特征的测量方法、症状检测方法及相关设备 | |
| CN113425298A (zh) | 一种通过穿戴设备采集数据分析抑郁程度的方法 | |
| Avcı et al. | Comparison of the ANN based classification accuracy for real time sleep apnea detection methods | |
| CN112768031A (zh) | 一种综合饮食运动体检调理和预防慢性病的健康管理方法 | |
| Liu et al. | Relating process and outcome metrics for meaningful and interpretable cannulation skill assessment: A machine learning paradigm | |
| CN114145722B (zh) | 一种面向胰腺炎患者的脉搏病理特征挖掘方法 | |
| Athavale et al. | Classification of periodic leg movements through actigraphy signal analysis | |
| WO2003079894A1 (en) | Method of analysis of circadian rhythms | |
| CN111653371B (zh) | 一种基于加权判断的潜在致瘾致幻药品的预警方法 | |
| CN117542483A (zh) | 一种智能化中医辨证论治方法、系统及存储介质 | |
| Damayanti et al. | Analysis Adherence Of Hypertension Controlling Blood Pressure In Patients At Puskesmas Pegandon |
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 |