CN113886407A - 麻醉剂用药数据库的智能更新方法、装置、系统及介质 - Google Patents
麻醉剂用药数据库的智能更新方法、装置、系统及介质 Download PDFInfo
- Publication number
- CN113886407A CN113886407A CN202111149706.0A CN202111149706A CN113886407A CN 113886407 A CN113886407 A CN 113886407A CN 202111149706 A CN202111149706 A CN 202111149706A CN 113886407 A CN113886407 A CN 113886407A
- Authority
- CN
- China
- Prior art keywords
- anesthetic
- information
- current user
- sample
- dosage
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Medicinal Chemistry (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于智慧医疗辅助技术领域,解决了现有技术依靠医护人员从业经验或者有限样本数据库进行麻醉剂的配药,所导致麻醉剂用量不准确的技术问题,提供了一种麻醉剂用药数据库的智能更新方法、装置、系统及介质。该方法包括:根据当前用户的身体指标参数遍历数据库,得到患者的麻醉剂信息和对应的预测麻醉效果曲线,对比预测麻醉效果曲线和实际麻醉效果曲线的差异,从而对该麻醉剂信息进行优化,并以当前患者和优化后麻醉剂信息对应的新增患者更新数据库。本发明还包括用于执行上述方法的装置、系统及介质。本发明通过麻醉剂用量信息对应的实际麻醉效果去优化用量信息和预测麻醉效果,完善麻醉剂用药数据库,实现以患者的身体指标进行精准用药。
Description
技术领域
本发明涉及智慧医疗辅助技术领域,尤其涉及一种麻醉剂用药数据库的智能更新方法、装置、系统及介质。
背景技术
众所周知,当我们做手术或者治疗某些疾病时。医生会使用麻醉药物,使机体或者机体的局部暂时失去知觉与痛觉,从而使人体免受手术的痛苦,也促进手术更加顺利地进行。麻醉药物可以分为吸入性麻醉药物、静脉麻醉药物和局部麻醉药物三类。
麻醉药品、精神药品被医生用于麻醉病人,便于手术的顺利进行,但若是它们落入不法分子的手中,则会被用作毒品,危害社会。为此,国家出台了严格的法律法规以规制麻醉药品的使用,医疗机构在采购、存储和使用等环节按照《麻醉药品和精神药品管理条例》的要求执行。现有技术中,麻醉药品的存储和使用都有较为严格的约束,但麻醉药品的药剂量的选用都依赖于医生根据患者的体重、体脂率等结合自己的从业经验来确定不同患者的麻醉药品的药剂量。
然而不同医生在使用麻醉药品过程中的任意性,一方面会给麻醉药品管理带来风险,另一方面剂量过大会导致患者产生耐药性。最近,随着计算机技术尤其是深度学习、人工智能技术的兴起,智慧医疗逐渐成为医疗技术发展的一个方向,现有技术对于麻醉剂用量的使用方向上也提出了一些不依赖于医生经验等的计算机方法。例如现有技术CN112807542A提出一种麻醉剂用量控制的方法和装置,该方法主要包括:获得第一用户的第一生理状态信息;根据第一用户的第一生理状态信息,对第一用户的第一生理状态信息进行归类,获得第一类别生理状态信息;获得第一用户的手术信息;将第一类别生理状态信息和第一用户的手术信息输入术前干预模型,获得第一术前干预方案;根据第一术前干预方案,对第一用户进行术前干预,获得第一术前干预结果;将第一术前干预结果和手术信息输入麻醉用量估计模型,获得第一用户的第一麻醉用量信息。上述方法是基于每一用户的生理状态信息和手术信息输入一个事先建立好的术前干预模型,得到术前干预方案,然后结合术前干预结果和手术信息得到麻醉用量估计模型,整体上都是依赖于事先建立好的数据模型估测麻醉用量,实际上忽视了模型本身存在的局限性,如果数据模型采集的样本较少,没有做大量样本的深度学习不断优化数据模型,或者每个数据模型的准确率即便达到90%,则两个数据模型的准确率也会大大下降,这导致获取的麻醉剂用量数据不准确。
发明内容
有鉴于此,本发明实施例提供了一种麻醉剂用药数据库的智能更新方法、装置、系统及介质,用以解决现有技术中,依靠医护人员从业经验或者有限样本数据库进行麻醉剂的配药,所导致麻醉剂用量不准确的技术问题。
本发明采用的技术方案是:
本发明提供了一种麻醉剂用药数据库的智能更新方法,所述方法包括:
S1:获取当前用户的身体指标参数;
S2:根据所述身体指标参数遍历麻醉剂用药数据库,输出与当前用户的所述身体指标参数匹配的麻醉剂信息,其中,麻醉剂信息包括麻醉剂类型、用量、使用方式及手术过程中麻醉效果的预测麻醉效果曲线;
S3:获取当前用户在所述麻醉剂信息的麻醉剂作用下对应的手术过程中的实际麻醉效果曲线;
S4:对比所述预测麻醉效果曲线和所述实际麻醉效果曲线,得到当前用户的用药效果差异信息;
S5:根据所述用药效果差异信息优化所述麻醉剂信息,得到与优化后的所述麻醉剂信息对应的新增病例样本和与所述麻醉剂信息对应的当前用户的真实病例样本,以所述新增病例样本和所述真实病例样本更新所述麻醉剂用药数据库。
优选地,所述S2包括:
S21:根据所述身体指标参数遍历麻醉剂用药数据库,得到至少一个与所述身体指标参数对应的体征信息适配的参考病例样本;
S22:根据各所述参考病例样本的麻醉剂样本信息,得到当前用户的所述麻醉剂信息;
其中,所述体征信息包括正常体征和肥胖体征。
优选地,所述S21包括:
S211:根据所述身体指标参数的身高信息和体重信息,得到当前用户的体征信息;
S212:根据所述身体指标参数遍历麻醉剂用药数据库,得到各所述体征信息相对应的所有历史病例样本;
S213:根据当前用户的所述体征信息和各所述历史病例样本对应的各所述体征信息,得到当前用户的各所述参考病例样本。
优选地,所述S211包括:
S2111:根据当前用户的所述身高信息和所述体重信息,由公式B=W/H2计算得到当前用户的身体质量指数;
S2112:当所述身体质量指数超过预设的体征阈值范围时,确定当前用户的体征信息为所述肥胖体征;
S2113:当所述身体质量指数小于等于预设的所述体征阈值范围时,确定当前用户的体征信息为所述正常体征;
其中,B为身体质量指数,W为患者体重,H为患者身高。
优选地,所述S22包括:
S221:获取参考病例样本的样本体脂率和当前用户的目标体脂率;
S222:根据所述样本体脂率和所述目标体脂率,由公式A=Wa(1-C)计算得到麻醉剂用量的补偿剂量;
S223:根据所述补偿剂量和所述参考病例样本的样本用药信息,得到当前用户的所述麻醉剂用量信息;
其中,A为当前用户相对于参考病例样本的麻醉剂用量的补偿剂量,W为患者体重,a为单位体重的麻醉剂用量的补偿剂量,C为当前用户与参考病例样本的体脂率比值。
优选地,若当前患者的体征信息为肥胖体征,所述S222包括:
S2221:获取当前用户的性别信息和年龄信息;
S2222:根据所述性别信息、所述年龄信息以及身体质量指数,由公式 K=mB+nY-S+b计算得到所述目标体脂率;
S2223:根据所述目标体脂率和所述样本体脂率,由A=Wa{1-(mB+nY-S+b)}/Q 计算得到所述麻醉剂用量的补偿剂量;
其中,Q为参考病例样本的样本体脂率,K为当前用户的体脂率,B为身体质量指数,Y为患者年龄,S为患者性别,b、m、n为常数。
优选地,所述S3包括:
S31:利用BIS麻醉深度监测仪实时测定手术过程中当前用户的脑电波波形和采集对应的外部条件反馈信息;
S32:根据所述脑电波波形和所述外部条件反馈信息,通过BIS评价系统输出当前用户实时的睡眠程度;
S33:根据当前用户实时的所述睡眠程度,建立所述当前麻醉效果曲线;
其中,所述外部条件反馈信息至少包括以下之一:吞咽反射、睫毛反射、瞳孔大小对应的反馈信息。
本发明还提供了一种麻醉剂用药数据库的智能更新装置,所述装置包括:
身体指标检测模块:获取当前用户的身体指标参数;
数据处理模块:根据所述身体指标参数遍历麻醉剂用药数据库,输出与当前用户的所述身体指标参数匹配的麻醉剂信息,其中,麻醉剂信息包括麻醉剂类型、用量、使用方式及手术过程中麻醉效果的预测麻醉效果曲线;
当前麻醉效果模块:获取当前用户在所述麻醉剂信息的麻醉剂作用下对应的手术过程中的实际麻醉效果曲线;
麻醉效果差异模块:对比所述预测麻醉效果曲线和所述实际麻醉效果曲线,得到当前用户的用药效果差异信息;
数据库更新模块:根据所述用药效果差异信息优化所述麻醉剂信息,得到与优化后的所述麻醉剂信息对应的新增病例样本和与所述麻醉剂信息对应的当前用户的真实病例样本,以所述新增病例样本和所述真实病例样本更新所述麻醉剂用药数据库。
本发明还提供了一种麻醉剂用药数据库的智能更新系统,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现上述任一项所述的方法。
本发明还提供了一种介质,其上存储有计算机程序指令,当所述计算机程序指令被处理器执行时实现上述任一项所述的方法。
综上所述,本发明的有益效果如下:
本发明提供的一种麻醉剂用药数据库的智能更新方法、装置、系统及介质,获取当前用户的身体指标参数,然后在麻醉剂用药数据库中查找与该身体指标参数相似的参考病例样本,根据参考病例样本的麻醉剂用药信息和对应的手术过程中的麻醉效果曲线,来确定当前用户的麻醉剂用量信息和预测麻醉效果曲线,然后采集当前用户手术过程中的实时麻醉效果,建立实际的当前麻醉效果曲线;根据预测麻醉效果曲线和当前麻醉效果曲线的差异来优化当前用户本次的麻醉剂用量信息及其对应的预测麻醉效果曲线,得到与优化后的麻醉剂用量信息和麻醉效果曲线更接近的身体指标参数对应的目标,以当前用户和优化后的麻醉剂信息对应的新增样本更新麻醉剂用药数据库,丰富麻醉剂用药数据库的参考样本,实现根据患者的身体指标参数进行麻醉剂精准用药,提高用药准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,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,还可以根据这些附图获得其他的附图,这些均在本发明的保护范围内。
图1为实施例1中麻醉剂用药数据库的智能更新方法的流程示意图;
图2为实施例1中获取预测麻醉效果曲线的流程示意图;
图3为实施例1中获取历史病历样本的流程示意图;
图4为实施例1中获取实际麻醉效果曲线的流程示意图;
图4-1为实施例1中BIS麻醉深度监测仪的结构示意图;
图5为实施例2中麻醉剂用药数据库的智能更新装置的结构示意图;
图6为实施例3中麻醉剂用药数据库的智能更新系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。在本发明的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。如果不冲突,本发明以及实施例中的各个特征可以相互结合,均在本发明的保护范围之内。
实施例1
在背景技术中提到,现有的麻醉剂量是麻醉师根据患者的体重、体脂率,然后结合麻醉师的从业经验进行用药,该方式存在较大波动,无法针对各患者进行精准用药,从而影响手术过程中的麻醉效果。请参见图1,图1为本发明实施例1中一种麻醉剂用药数据库的智能更新方法的流程示意图。这里的麻醉剂用药数据库可以是医院自行建立的小型数据库,也可以是一个地区的医疗系统中构建的专门数据库,该地区的医院可以共享本地区用户的麻醉剂用药历史情况,包括历史用药类型、剂量、手术信息等。麻醉剂用药数据库通过不断地增加新的病例样本,为每一使用过麻醉剂药物的用户建立样本,对于新的未使用过麻醉剂药物的用户,可以根据用户的身体指标参数等,在数据库中查找相似的参考样本,然后给出参考麻醉剂用药量,当然随着用户数量(如不同年龄、不同性别、不同身体指标数据的患者)的增加,数据库通过不断更新,随着样本数量的增加,会对新用户的麻醉剂用药信息给出更准确的数值,比如用户20 岁使用麻醉剂药物时身体体形偏瘦,但30岁使用麻醉剂药物时体形发胖,50岁使用麻醉剂药物时又变瘦,其不同时期可以分别建立起病例样本,这些病例样本可以为后来的新用户作为参考,同时也可对同一患者在不同年龄段建立起数据模型,也可建立起同一用户整个生命过程的病例样本(后续使用时根据患者以前麻醉剂用药过程中的体验备注的一些用药禁忌事项),这样可以大幅度提升用户的麻醉剂用药体验。本发明实施例1中的麻醉剂用药数据库的智能更新方法包括:
S1:获取当前用户的身体指标参数;
具体的,患者在手术前进行身体检查,身体指标参数对应的身体检查项目至少包括以下之一:历史病例检查、当前身体各项生理指标和生命现象状态等;历史病例检查包括不限于:高血压、糖尿病、肺部疾病、心脏疾病、过敏史等,当前身体各项生理指标包括不限于:心率、呼吸频率、血压、血常规、血生化、心电图、身体各部位彩超、B超等影像数据;生命现象状态包括不限于:体温、睡眠、内分泌、心率、情绪反应和新陈代谢等参数。以身体指标参数确定患者的麻醉剂用量信息,麻醉剂用量信息至少包括以下信息:麻醉剂类别、麻醉剂剂量、麻醉使用时间和麻醉类型;其中,麻醉剂类别包括不限于局部麻醉的利多卡因、丁卡因、罗哌卡因等,以及全身麻醉的吸入性麻醉药物(七氟烷、异氟烷、安氟烷等)、静脉麻醉药物(丙泊酚、依托咪酯等)、麻醉镇痛类药物 (玛咖、芬太尼等)和肌肉松弛类药物(阿曲库铵、顺式阿曲库铵等),麻醉类型包括不限于局部麻醉、椎管内麻醉和全身麻醉,各麻醉类型还可以进一步划分。
S2:根据所述身体指标参数遍历麻醉剂用药数据库,输出与当前用户的所述身体指标参数匹配的麻醉剂信息,其中,麻醉剂信息包括麻醉剂类型、用量、使用方式及手术过程中麻醉效果的预测麻醉效果曲线;
具体的,麻醉剂信息包括麻醉剂用量信息和麻醉效果曲线,麻醉剂用量信息包括麻醉剂类型、用量和使用方式,使用方式包括麻醉类型和使用时间;搜集完成手术的患者病例信息建立麻醉剂用药数据库。该麻醉剂用药数据库包括各手术患者的身体指标参数及其麻醉剂用量信息,以及手术过程中患者的麻醉深度信息建立的麻醉效果曲线,同时,还包括多个具有相似的身体指标参数对应的各手术患者进行相同或相似的手术时,各身体指标参数拟合的虚拟患者的身体指标参数对应的麻醉剂用量信息及其对应的麻醉效果曲线;以当前用户的身体指标参数去遍历麻醉剂用药数据库,找到至少一个历史病例作为当前用户的参考样本,从而得到当前用户的麻醉剂用量信息,以及预测的手术过程的麻醉效果曲线,手术过程包括手术前准备阶段、手术阶段和手术后唤醒阶段。
需要说明的是:当前用户的麻醉剂用量信息可以是多个参考样本的麻醉剂用量信息的综合取值,也可以是对身体指标参数进行进一步对比,以重要参数的近似度最高的样本的麻醉剂用量信息,预测麻醉效果曲线为麻醉剂用量信息对应的关于时间与睡醒程度的关系曲线,该曲线可以是多样本的曲线拟合得到。
在一实施例中,请参见图2,所述S2包括:
S21:根据所述身体指标参数遍历麻醉剂用药数据库,得到至少一个与所述身体指标参数对应的体征信息适配的参考病例样本;
具体的,将当前用户的身体指标参数与数据库中各样本的身体指标参数进行对比,将相似的样本作为参考样本输出,得到参考病例样本,参考病例样本包括样本患者的手术信息、麻醉剂信息等。
在一实施例中,请参见图3,所述S21包括:
S211:根据所述身体指标参数的身高信息和体重信息,得到当前用户的体征信息;
具体的,针对麻醉剂的使用,选取体征信息作为样本的筛选方式,提高参考样本的可靠性;以身体指标参数中的身高信息和体重信息来确定当前用户的体征信息,体征类型包括肥胖体质和正常体质。
在一实施例中,所述S211包括:
S2111:根据当前用户的所述身高信息和所述体重信息,由公式B=W/H2计算得到当前用户的身体质量指数;
S2112:当所述身体质量指数超过预设的体征阈值范围时,确定当前用户的体征信息为所述肥胖体征;
S2113:当所述身体质量指数小于等于预设的所述体征阈值范围时,确定当前用户的体征信息为所述正常体征;
其中,B为身体质量指数,W为患者体重,H为患者身高。
具体地,身体质量指数是衡量人体胖瘦程度的指标参数,根据患者的身高信息以及体重信息可根据公式计算得到患者的身体质量指数,应当说明的是,身体质量指数的正常值在20至25之间,超过25则认定为超重体征,超过30 则认定为属于肥胖体征;对于超重体征,可以根据实际情况以实际体重或者比实际体重对应的药物剂量稍低的剂量予以给药;但是,对于身体体征为肥胖的患者,必须按照实际体重对应的药物剂量予以一定幅度的削减,否则将造成用药剂量过大,对患者造成危险。例如,身高为1.75m的人,体重为75kg,则其身体质量参数为B=75/1.752≈24.49位于20至25之间,其属于正常体征,可以依据其实际体重给药,但对于身高为1.75m的人,若其体重为98kg,则其身体质量参数为B=98/1.752=32超过30,其属于肥胖体征,则对其使用的药品剂量应予一定幅度的削减,防止用药剂量过度。
S212:根据所述身体指标参数遍历麻醉剂用药数据库,得到各所述体征信息相对应的所有历史病例样本;
具体的,利用身体指标参数遍历麻醉剂用药数据库,得到与身体指标参数相似的各类体征信息的历史病例样本,即历史病例样本包括有正常体征和肥胖体征的病例样本。
S213:根据当前用户的所述体征信息和各所述历史病例样本对应的各所述体征信息,得到当前用户的各所述参考病例样本。
具体的,从历史病例样本中,筛选出与当前用户的体征信息相似的体征信息对应的病例样本,作为当前用户的参考病例样本;以相同体征的病例样本作为参考样本,能够极大保证麻醉剂对当前样本的麻醉效果与预测效果更接近,提高用药的准确性。
S22:根据各所述参考病例样本的麻醉剂样本信息,得到当前用户的所述麻醉剂信息;
其中,所述体征信息包括正常体征和肥胖体征。
具体的,将各参考样本的麻醉剂样本信息进行对比,得到当前用户的麻醉剂信息;如将身体指标参数相似,麻醉剂类型不同时对应的麻醉效果进行对比,选择麻醉效果更符合当前手术要求的麻醉剂样本信息作为当前用户的麻醉剂信息,又如,身体指标参数相似,麻醉剂类型相同时对应的麻醉效果进行对比,综合所有麻醉剂样本信息进行用药,得到麻醉剂信息;因此麻醉剂信息生成方式此处不做具体限定。
在一实施例中,请参见图4,若当前患者的体征信息为肥胖体征,所述S22 包括:
S221:获取参考病例样本的样本体脂率和当前用户的目标体脂率;
S222:根据所述样本体脂率和所述目标体脂率,由公式A=Wa(1-C)计算得到麻醉剂用量的补偿剂量;
具体地,之所以造成肥胖体征的患者相比正常体征的患者,在按照实际体重给药时需要一定幅度的削减,其根本原因在于两者的体脂率不同,肥胖体征的患者其体内脂肪含量高一些,若是按照其实际体重给药,则势必造成用药剂量虚高,可能给患者的身体健康带来损害,为此,本实施例中根据正常体征和肥胖体征对用药剂量有不同的确定方式,对于正常体征的患者来说,若是其体重为75kg,选用的麻醉药品为力月西,力月西的用量单位体重的麻醉剂用量的补偿剂量为0.003-0.005mg/kg,若其身体质量指数判定其属于肥胖体征,且知晓其体脂率为30%,参考样本的体脂率为25%,则其对应的麻醉剂补偿剂量为A =75kg×0.003~0.005mg/kg×(1-30%/25%)=-0.45~(-0.75)mg;即在肥胖体征的当前用户在参考样本的用药剂量的基础上予以折减,以保证用药剂量的安全。
在一实施例中,所述S222包括:
S2221:获取当前用户的性别信息和年龄信息;
S2222:根据所述性别信息、所述年龄信息以及身体质量指数,由公式 K=mB+nY-S+b计算得到所述目标体脂率;
S2223:根据所述目标体脂率和所述样本体脂率,由A=Wa{1-(mB+nY-S+b)}/Q 计算得到所述麻醉剂用量的补偿剂量;
其中,Q为参考病例样本的样本体脂率,K为当前用户的体脂率,B为身体质量指数,Y为患者年龄,S为患者性别,b、m、n为常数。
具体地,在本实施例中,在根据患者的体重信息和身高信息计算出其身体质量参数,判定其属于肥胖体征以后,则在用药剂量确定之前,还应该根据其性别信息和年龄信息计算其体脂率,以便于计算对应的用药剂量。例如,当患者为男性时S取值为1,当患者为女性时S取值为0,设m=1.2,n=0.23,b=5.4,则年龄40岁的成年男性,身高为1.75m,其体重为98kg,则其身体质量参数为 B=98/1.752=32超过30,其属于肥胖体征,则计算其体脂率K=1.2×32 +0.23×40-1-5.4=41.2,则其体脂率为41.2%,在计算时候应根据41.2%的体脂率参数对其用药剂量进行折减。
S223:根据所述补偿剂量和所述参考病例样本的样本用药信息,得到当前用户的所述麻醉剂用量信息;
其中,A为当前用户相对于参考病例样本的麻醉剂用量的补偿剂量,W为患者体重,a为单位体重的麻醉剂用量的补偿剂量,K为当前用户与参考病例样本的体脂率比值。
S3:获取当前用户在所述麻醉剂信息的麻醉剂作用下对应的手术过程中的实际麻醉效果曲线;
具体的,在手术过程中,采用BIS(Bispectral Idex)麻醉深度监测仪对当前用户进行镇静深度评价,从而建立时间-当前麻醉效果曲线,便于分析在手术过程中当前麻醉剂用量信息对应的身体指标参数产生的麻醉效果;如当BIS值为 85~100,则表示当前用户处于清醒状态,当BIS值为65~85,则表示当前用户处于镇静状态,当BIS值为40~65,则表示当前用户处于麻醉状态,当BIS值小于 40时,则表示当前用户可能存在爆发抑制;利用BIS评价系统可以直观、准确的得到手术过程中,当前用户所处的麻醉效果;可以有针对性的进行手术前干预和手术后恢复的干预,请参见图4-1所示,BIS(Bispectral Idex)麻醉深度监测仪包括BIS模块和BIS传感器,BIS传感器贴在患者的额头上,用户采集脑电图信息,BIS(Bispectral Idex)麻醉深度监测仪是指测定脑电图线性成份(包括频率和功率),同时分析成份波之间的非线性关系(相位和谐波)。把能代表不同镇静水平的各脑电信号挑选出来,进行标准化和数字化处理,最终转化为一种简单的量化指标,即BIS值。
在一实施例中,请参见图5,所述S3包括:
S31:利用BIS麻醉深度监测仪实时测定手术过程中当前用户的脑电波波形和采集对应的外部条件反馈信息;
S32:根据所述脑电波波形和所述外部条件反馈信息,通过BIS评价系统输出当前用户实时的睡眠程度;
具体的,BIS主要反映大脑皮质的兴奋或抑制状态,BIS值的大小与镇静、意识、记忆有高度相关,通过实时采集脑电图信号,通过对脑电图波形的波幅、频率和相位来描述脑细胞群的有规律的电活动,结合对应的外部条件反馈,确定当前麻醉剂信息在外部刺激下的麻醉效果,同时,在需要持续麻醉用药的手术中,还可以实时调整外部条件刺激和麻醉剂用量;外部条件反馈包括不限于语言应答测试、吞咽反射、睫毛反射、瞳孔大小等反馈的信息。
S33:根据当前用户实时的所述睡眠程度,建立所述当前麻醉效果曲线;
其中,所述外部条件反馈信息至少包括以下之一:语言应答、吞咽反射、睫毛反射、瞳孔大小对应的反馈信息。
S4:对比所述预测麻醉效果曲线和所述实际麻醉效果曲线,得到当前用户的用药效果差异信息;
具体的,当前用户的参考样本存在多个历史样本时,麻醉剂信息的麻醉剂量为多个参考样本对应的麻醉剂用量的综合值,优选平均值,预测麻醉效果曲线为各参考样本对应的麻醉效果曲线的拟合曲线;将预测麻醉效果曲线与当前麻醉效果曲线进行对比,确定差异位置的取值为用药效果差异信息,用药差异信息至少包括以下之一:手术前、手术中和手术后利用BIS麻醉深度监测仪检测到的当前用户的镇静深度对应的睡醒差异。
S5:根据所述用药效果差异信息优化所述麻醉剂信息,得到与优化后的所述麻醉剂信息对应的新增病例样本和与所述麻醉剂信息对应的当前用户的真实病例样本,以所述新增病例样本和所述真实病例样本更新所述麻醉剂用药数据库。
具体的,通过用药效果差异信息对麻醉剂信息进行优化,包括麻醉剂用量的调整、麻醉剂使用时间的调整以及对应的手术过程中外部条件刺激的干预,从而提高与当前用户的身体指标参数相同或相近的目标对象的用药效果,同时,利用该用药效果差异信息优化预测麻醉效果曲线,得到一条与优化后的麻醉剂信息对应的新增麻醉效果曲线,同时根据该新增麻醉剂效果曲线和优化后的麻醉剂信息,生成一个理想状态下的病例样本作为新增病例样本,为下一次出现近似的身体指标参数的病例样本增加更多的参考样本,以便下一次的用药信息和对应的麻醉效果曲线更接近真实的麻醉效果,实现科学、精准用药,也就是说,在完成当前用户的手术后,麻醉剂用药数据库会增加两个新样本,一个样本为当前用户的身体指标参数及其对应的麻醉剂信息的真实样本,另一个为以用药效果差异信息优化的麻醉剂信息表征的理想状态下的身体指标参数对应的新增病例样本。
采用本实施例的麻醉剂用药数据库的智能更新方法,麻醉剂用药数据库的智能更新方法、装置、系统及介质,获取当前用户的身体指标参数,然后在麻醉剂用药数据库中查找与该身体指标参数相似的参考病例样本,根据参考病例样本的麻醉剂用药信息和对应的手术过程中的麻醉效果曲线,来确定当前用户的麻醉剂用量信息和预测麻醉效果曲线,然后采集当前用户手术过程中的实时麻醉效果,建立实际的当前麻醉效果曲线;根据预测麻醉效果曲线和当前麻醉效果曲线的差异来优化当前用户本次的麻醉剂用量信息及其对应的预测麻醉效果曲线,得到与优化后的麻醉剂用量信息和麻醉效果曲线更接近的身体指标参数对应的目标,以当前用户和优化后的麻醉剂信息对应的新增样本更新麻醉剂用药数据库,丰富麻醉剂用药数据库的参考样本,实现根据患者的身体指标参数进行麻醉剂精准用药,提高用药准确性。
本发明实施例提供的方法还可以利于麻醉剂用药管理部门科学监管麻醉剂用药异常情况,减少不必要的医疗事故发生,有助于缓和医患关系,提升用户的就医体验。
实施例2
本发明实施例2基于实施例1的方法对应还提供了一种麻醉剂用药数据库的智能更新装置,请参见图6,包括:
身体指标检测模块:获取当前用户的身体指标参数;
数据处理模块:根据所述身体指标参数遍历麻醉剂用药数据库,输出与当前用户的所述身体指标参数匹配的麻醉剂信息,其中,麻醉剂信息包括麻醉剂类型、用量、使用方式及手术过程中麻醉效果的预测麻醉效果曲线;
当前麻醉效果模块:获取当前用户在所述麻醉剂信息的麻醉剂作用下对应的手术过程中的实际麻醉效果曲线;
麻醉效果差异模块:对比所述预测麻醉效果曲线和所述实际麻醉效果曲线,得到当前用户的用药效果差异信息;
数据库更新模块:根据所述用药效果差异信息优化所述麻醉剂信息,得到与优化后的所述麻醉剂信息对应的新增病例样本和与所述麻醉剂信息对应的当前用户的真实病例样本,以所述新增病例样本和所述真实病例样本更新所述麻醉剂用药数据库。
采用本实施例的麻醉剂用药数据库的智能更新装置,麻醉剂用药数据库的智能更新方法、装置、系统及介质,获取当前用户的身体指标参数,然后在麻醉剂用药数据库中查找与该身体指标参数相似的参考病例样本,根据参考病例样本的麻醉剂用药信息和对应的手术过程中的麻醉效果曲线,来确定当前用户的麻醉剂用量信息和预测麻醉效果曲线,然后采集当前用户手术过程中的实时麻醉效果,建立实际的当前麻醉效果曲线;根据预测麻醉效果曲线和当前麻醉效果曲线的差异来优化当前用户本次的麻醉剂用量信息及其对应的预测麻醉效果曲线,得到与优化后的麻醉剂用量信息和麻醉效果曲线更接近的身体指标参数对应的目标,以当前用户和优化后的麻醉剂信息对应的新增样本更新麻醉剂用药数据库,丰富麻醉剂用药数据库的参考样本,实现根据患者的身体指标参数进行麻醉剂精准用药,提高用药准确性。
在一实施例中,所述数据处理模块包括:
参考病例单元:根据所述身体指标参数遍历麻醉剂用药数据库,得到至少一个与所述身体指标参数适配的参考病例样本;
麻醉效果曲线单元:根据各所述参考病例样本的麻醉剂样本信息,得到当前用户的所述麻醉剂信息;
其中,所述体征信息包括正常体征和肥胖体征。
在一实施例中,所述参考病例单元包括:
体征信息单元:根据所述身体指标参数的身高信息和体重信息,得到当前用户的体征信息;
历史病例单元:根据所述身体指标参数遍历麻醉剂用药数据库,得到各所述体征信息相对应的所有历史病例样本;
病例筛选单元:根据当前用户的所述体征信息和各所述历史病例样本对应的各所述体征信息,得到当前用户的各所述参考病例样本。
在一实施例中,所述体征信息单元包括:
身体质量单元:根据当前用户的所述身高信息和所述体重信息,由公式 B=W/H2计算得到当前用户的身体质量指数;
第一身体体征识别单元:当所述身体质量指数超过预设的体征阈值范围时,确定当前用户的体征信息为所述肥胖体征;
第二身体体征识别单元:当所述身体质量指数小于等于预设的所述体征阈值范围时,确定当前用户的体征信息为所述正常体征;
其中,B为身体质量指数,W为患者体重,H为患者身高。
在一实施例中,所述麻醉效果曲线单元包括:
体脂率获取单元:获取参考病例样本的样本体脂率和当前用户的目标体脂率;
补偿剂量单元:根据所述样本体脂率和所述目标体脂率,由公式A=Wa(1-C) 计算得到麻醉剂用量的补偿剂量;
麻醉剂用量单元:根据所述补偿剂量和所述参考病例样本的样本用药信息,得到当前用户的所述麻醉剂用量信息;
其中,A为当前用户相对于参考病例样本的麻醉剂用量的补偿剂量,W为患者体重,a为单位体重的麻醉剂用量的补偿剂量,C为当前用户与参考病例样本的体脂率比值。
在一实施例中,若当前患者的体征信息为肥胖体征,所述补偿剂量单元包括:
个人信息获取单元:获取当前用户的性别信息和年龄信息;
目标体脂率单元:根据所述性别信息、所述年龄信息以及身体质量指数,由公式K=mB+nY-S+b计算得到所述目标体脂率;
补偿剂量计算单元:根据所述目标体脂率和所述样本体脂率,由A=Wa{1- (mB+nY-S+b)}/Q计算得到所述麻醉剂用量的补偿剂量;
其中,Q为参考病例样本的样本体脂率,K为当前用户的体脂率,B为身体质量指数,Y为患者年龄,S为患者性别,b、m、n为常数。
在一实施例中,所述当前麻醉效果模块包括:
实时数据采集单元:利用BIS麻醉深度监测仪实时测定手术过程中当前用户的脑电波波形和采集对应的外部条件反馈信息;
苏醒评价单元:根据所述脑电波波形和所述外部条件反馈信息,通过BIS 评价系统输出当前用户实时的睡眠程度;
麻醉效果曲线单元:根据当前用户实时的所述睡眠程度,建立所述当前麻醉效果曲线;
其中,所述外部条件反馈信息至少包括以下之一:吞咽反射、睫毛反射、瞳孔大小对应的反馈信息。
采用本实施例的麻醉剂用药数据库的智能更新装置,获取当前用户的身体指标参数,然后在麻醉剂用药数据库中查找与该身体指标参数相似的参考病例样本,根据参考病例样本的麻醉剂用药信息和对应的手术过程中的麻醉效果曲线,来确定当前用户的麻醉剂用量信息和预测麻醉效果曲线,然后采集当前用户手术过程中的实时麻醉效果,建立实际的当前麻醉效果曲线;根据预测麻醉效果曲线和当前麻醉效果曲线的差异来优化当前用户本次的麻醉剂用量信息及其对应的预测麻醉效果曲线,以便优化后的麻醉剂用量信息和麻醉效果曲线能够适用于普通群体,实现根据患者的身体指标参数进行麻醉剂精准用药,提高用药准确性。
实施例3
本发明提供了一种麻醉剂用药数据库的智能更新系统和存储介质,如图6所示,包括至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令。
具体地,上述处理器可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器可包括可移除或不可移除 (或固定)的介质。在合适的情况下,存储器可在数据处理装置的内部或外部。在特定实施例中,存储器是非易失性固态存储器。在特定实施例中,存储器包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写 ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器通过读取并执行存储器中存储的计算机程序指令,以实现上述实施例方式一中任意一种麻醉剂用药数据库的智能更新方法。
在一个示例中,电子设备还可包括通信接口和总线。其中,处理器、存储器、通信接口通过总线连接并完成相互间的通信。
通信接口,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA) 总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA) 总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
综上所述,本发明实施例提供了一种麻醉剂用药数据库的智能更新方法、装置、系统及介质。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种麻醉剂用药数据库的智能更新方法,其特征在于,所述方法包括:
S1:获取当前用户的身体指标参数;
S2:根据所述身体指标参数遍历麻醉剂用药数据库,输出与当前用户的所述身体指标参数匹配的麻醉剂信息,其中,麻醉剂信息包括麻醉剂类型、用量、使用方式及手术过程中麻醉效果的预测麻醉效果曲线;
S3:获取当前用户在所述麻醉剂信息的麻醉剂作用下对应的手术过程中的实际麻醉效果曲线;
S4:对比所述预测麻醉效果曲线和所述实际麻醉效果曲线,得到当前用户的用药效果差异信息;
S5:根据所述用药效果差异信息优化所述麻醉剂信息,得到与优化后的所述麻醉剂信息对应的新增病例样本和与所述麻醉剂信息对应的当前用户的真实病例样本,以所述新增病例样本和所述真实病例样本更新所述麻醉剂用药数据库。
2.根据权利要求1所述的麻醉剂用药数据库的智能更新方法,其特征在于,所述S2包括:
S21:根据所述身体指标参数遍历麻醉剂用药数据库,得到至少一个与所述身体指标参数对应的体征信息适配的参考病例样本;
S22:根据各所述参考病例样本的麻醉剂样本信息,得到当前用户的所述麻醉剂信息;
其中,所述体征信息包括正常体征和肥胖体征。
3.根据权利要求2所述的麻醉剂用药数据库的智能更新方法,其特征在于,所述S21包括:
S211:根据所述身体指标参数的身高信息和体重信息,得到当前用户的体征信息;
S212:根据所述身体指标参数遍历麻醉剂用药数据库,得到各所述体征信息相对应的所有历史病例样本;
S213:根据当前用户的所述体征信息和各所述历史病例样本对应的各所述体征信息,得到当前用户的各所述参考病例样本。
4.根据权利要求3所述的麻醉剂用药数据库的智能更新方法,其特征在于,所述S211包括:
S2111:根据当前用户的所述身高信息和所述体重信息,由公式B=W/H2计算得到当前用户的身体质量指数;
S2112:当所述身体质量指数超过预设的体征阈值范围时,确定当前用户的体征信息为所述肥胖体征;
S2113:当所述身体质量指数小于等于预设的所述体征阈值范围时,确定当前用户的体征信息为所述正常体征;
其中,B为身体质量指数,W为患者体重,H为患者身高。
5.根据权利要求2所述的麻醉剂用药数据库的智能更新方法,其特征在于,所述S22包括:
S221:获取参考病例样本的样本体脂率和当前用户的目标体脂率;
S222:根据所述样本体脂率和所述目标体脂率,由公式A=Wa(1-C)计算得到麻醉剂用量的补偿剂量;
S223:根据所述补偿剂量和所述参考病例样本的样本用药信息,得到当前用户的所述麻醉剂用量信息;
其中,A为当前用户相对于参考病例样本的麻醉剂用量的补偿剂量,W为患者体重,a为单位体重的麻醉剂用量的补偿剂量,C为当前用户与参考病例样本的体脂率比值。
6.根据权利要求5所述的麻醉剂用药数据库的智能更新方法,其特征在于,若当前患者的体征信息为肥胖体征,所述S222包括:
S2221:获取当前用户的性别信息和年龄信息;
S2222:根据所述性别信息、所述年龄信息以及身体质量指数,由公式K=mB+nY-S+b计算得到所述目标体脂率;
S2223:根据所述目标体脂率和所述样本体脂率,由A=Wa{1-(mB+nY-S+b)}/Q计算得到所述麻醉剂用量的补偿剂量;
其中,Q为参考病例样本的样本体脂率,K为当前用户的体脂率,B为身体质量指数,Y为患者年龄,S为患者性别,b、m、n为常数。
7.根据权利要求1至6任一项所述的麻醉剂用药数据库的智能更新方法,其特征在于,所述S3包括:
S31:利用BIS麻醉深度监测仪实时测定手术过程中当前用户的脑电波波形和采集对应的外部条件反馈信息;
S32:根据所述脑电波波形和所述外部条件反馈信息,通过BIS评价系统输出当前用户实时的睡眠程度;
S33:根据当前用户实时的所述睡眠程度,建立所述当前麻醉效果曲线;
其中,所述外部条件反馈信息至少包括以下之一:吞咽反射、睫毛反射、瞳孔大小对应的反馈信息。
8.一种麻醉剂用药数据库的智能更新装置,其特征在于,所述装置包括:
身体指标检测模块:获取当前用户的身体指标参数;
数据处理模块:根据所述身体指标参数遍历麻醉剂用药数据库,输出与当前用户的所述身体指标参数匹配的麻醉剂信息,其中,麻醉剂信息包括麻醉剂类型、用量、使用方式及手术过程中麻醉效果的预测麻醉效果曲线;
当前麻醉效果模块:获取当前用户在所述麻醉剂信息的麻醉剂作用下对应的手术过程中的实际麻醉效果曲线;
麻醉效果差异模块:对比所述预测麻醉效果曲线和所述实际麻醉效果曲线,得到当前用户的用药效果差异信息;
数据库更新模块:根据所述用药效果差异信息优化所述麻醉剂信息,得到与优化后的所述麻醉剂信息对应的新增病例样本和与所述麻醉剂信息对应的当前用户的真实病例样本,以所述新增病例样本和所述真实病例样本更新所述麻醉剂用药数据库。
9.一种麻醉剂用药数据库的智能更新系统,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111149706.0A CN113886407A (zh) | 2021-09-29 | 2021-09-29 | 麻醉剂用药数据库的智能更新方法、装置、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111149706.0A CN113886407A (zh) | 2021-09-29 | 2021-09-29 | 麻醉剂用药数据库的智能更新方法、装置、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113886407A true CN113886407A (zh) | 2022-01-04 |
Family
ID=79008055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111149706.0A Pending CN113886407A (zh) | 2021-09-29 | 2021-09-29 | 麻醉剂用药数据库的智能更新方法、装置、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113886407A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114947755A (zh) * | 2022-07-26 | 2022-08-30 | 深圳美格尔生物医疗集团有限公司 | 一种nox指数计算方法及监护仪 |
CN116779152A (zh) * | 2023-08-21 | 2023-09-19 | 瑞鞍星医疗科技(苏州)有限公司 | 一种麻醉机器人系统 |
CN116884605A (zh) * | 2023-08-24 | 2023-10-13 | 上海罗根医疗科技有限公司 | 一种手术麻醉信息智能管理系统 |
-
2021
- 2021-09-29 CN CN202111149706.0A patent/CN113886407A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114947755A (zh) * | 2022-07-26 | 2022-08-30 | 深圳美格尔生物医疗集团有限公司 | 一种nox指数计算方法及监护仪 |
CN116779152A (zh) * | 2023-08-21 | 2023-09-19 | 瑞鞍星医疗科技(苏州)有限公司 | 一种麻醉机器人系统 |
CN116779152B (zh) * | 2023-08-21 | 2023-12-05 | 瑞鞍星医疗科技(苏州)有限公司 | 一种麻醉机器人系统 |
CN116884605A (zh) * | 2023-08-24 | 2023-10-13 | 上海罗根医疗科技有限公司 | 一种手术麻醉信息智能管理系统 |
CN116884605B (zh) * | 2023-08-24 | 2024-04-26 | 上海罗根医疗科技有限公司 | 一种手术麻醉信息智能管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113886407A (zh) | 麻醉剂用药数据库的智能更新方法、装置、系统及介质 | |
Huang et al. | Hidden Markov models for monitoring circadian rhythmicity in telemetric activity data | |
Blackwell et al. | Factors that may influence the classification of sleep-wake by wrist actigraphy: the MrOS Sleep Study | |
US11972843B2 (en) | Systems and methods for predicting adverse events and assessing level of sedation during medical procedures | |
JP7328200B2 (ja) | 生理的反応を改善するための方法およびシステム | |
US10388405B2 (en) | Systems and methods for predicting adverse events and assessing level of sedation during medical procedures | |
CN110752002B (zh) | 一种药物用量预测装置 | |
CN111223546A (zh) | 一种治疗方案智能审核的方法、系统和设备 | |
Jungquist et al. | Identifying patients experiencing opioid‐induced respiratory depression during recovery from anesthesia: The application of electronic monitoring devices | |
Dirks et al. | Patient and physician characteristics influencing medical decisions in asthma | |
CN110547868A (zh) | 一种连续麻醉装置 | |
US20180110462A1 (en) | Device, system and method for detecting illness- and/or therapy-related fatigue of a person | |
CN113921124A (zh) | 一种医疗费用管理方法及系统 | |
CN113506622A (zh) | 一种智能诊断分析系统及其使用方法 | |
CN111161886A (zh) | 一种手术方案智能指导的方法、系统和设备 | |
CN111798956A (zh) | 一种用于人工智能麻醉的决策确定方法、装置及系统 | |
US20180203009A1 (en) | Device, system and method for managing treatment of an inflammatory autoimmune disease of a person | |
WO2024032811A1 (zh) | 生命信息处理系统和生命信息处理方法 | |
Elgendi et al. | Mobile and wearable systems for health monitoring | |
Šapina et al. | Multi-lag tone–entropy in neonatal stress | |
CN116525058A (zh) | 一种智能计算小儿麻醉给药剂量的计算方法及系统 | |
CN116807392A (zh) | 一种多模态麻醉监测系统 | |
CN113707267A (zh) | 一种给药途径智能推荐的方法及其系统 | |
Matsumoto et al. | DPC in acute-phase inpatient hospital care | |
Kaul et al. | The Psychological Influence of a Musical Therapeutic Intervention on Hospitalized Patients |
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 |