CN114680820A - 状态报警方法、监护设备、监护系统及可读存储介质 - Google Patents
状态报警方法、监护设备、监护系统及可读存储介质 Download PDFInfo
- Publication number
- CN114680820A CN114680820A CN202011645383.XA CN202011645383A CN114680820A CN 114680820 A CN114680820 A CN 114680820A CN 202011645383 A CN202011645383 A CN 202011645383A CN 114680820 A CN114680820 A CN 114680820A
- Authority
- CN
- China
- Prior art keywords
- state
- patient
- data
- information
- status
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 106
- 238000012806 monitoring device Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 80
- 201000010099 disease Diseases 0.000 claims description 77
- 238000005259 measurement Methods 0.000 claims description 53
- 238000012360 testing method Methods 0.000 claims description 41
- 238000003745 diagnosis Methods 0.000 claims description 34
- 230000035939 shock Effects 0.000 claims description 28
- 239000008280 blood Substances 0.000 claims description 22
- 210000004369 blood Anatomy 0.000 claims description 22
- 208000032843 Hemorrhage Diseases 0.000 claims description 19
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 16
- 206010019280 Heart failures Diseases 0.000 claims description 16
- 230000006866 deterioration Effects 0.000 claims description 16
- 230000003068 static effect Effects 0.000 claims description 16
- 230000005713 exacerbation Effects 0.000 claims description 14
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 13
- 208000004756 Respiratory Insufficiency Diseases 0.000 claims description 12
- 206010038678 Respiratory depression Diseases 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 11
- 230000000747 cardiac effect Effects 0.000 claims description 11
- 229910052760 oxygen Inorganic materials 0.000 claims description 11
- 239000001301 oxygen Substances 0.000 claims description 11
- 230000036760 body temperature Effects 0.000 claims description 10
- 208000015181 infectious disease Diseases 0.000 claims description 10
- 238000009666 routine test Methods 0.000 claims description 10
- 208000001647 Renal Insufficiency Diseases 0.000 claims description 9
- 201000006370 kidney failure Diseases 0.000 claims description 9
- 208000010496 Heart Arrest Diseases 0.000 claims description 8
- 230000036772 blood pressure Effects 0.000 claims description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 230000000740 bleeding effect Effects 0.000 claims description 7
- 239000001569 carbon dioxide Substances 0.000 claims description 7
- 230000000004 hemodynamic effect Effects 0.000 claims description 7
- 230000004089 microcirculation Effects 0.000 claims description 7
- 230000008557 oxygen metabolism Effects 0.000 claims description 7
- 230000000241 respiratory effect Effects 0.000 claims description 7
- 238000010876 biochemical test Methods 0.000 claims description 6
- 239000007789 gas Substances 0.000 claims description 6
- 230000023555 blood coagulation Effects 0.000 claims description 5
- 238000009535 clinical urine test Methods 0.000 claims description 5
- 230000001900 immune effect Effects 0.000 claims description 5
- 238000009592 kidney function test Methods 0.000 claims description 5
- 238000007449 liver function test Methods 0.000 claims description 5
- 230000000474 nursing effect Effects 0.000 claims description 5
- 210000001685 thyroid gland Anatomy 0.000 claims description 5
- 239000000439 tumor marker Substances 0.000 claims description 5
- 238000002604 ultrasonography Methods 0.000 claims description 5
- 230000001154 acute effect Effects 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 206010038669 Respiratory arrest Diseases 0.000 claims 5
- 206010007556 Cardiac failure acute Diseases 0.000 claims 1
- 238000013139 quantization Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 10
- 230000036541 health Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 8
- 230000003340 mental effect Effects 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 230000035488 systolic blood pressure Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000003862 health status Effects 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 6
- 206010007625 cardiogenic shock Diseases 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 206010024642 Listless Diseases 0.000 description 4
- 239000004310 lactic acid Substances 0.000 description 4
- 235000014655 lactic acid Nutrition 0.000 description 4
- 208000017971 listlessness Diseases 0.000 description 4
- 230000036997 mental performance Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 230000007958 sleep Effects 0.000 description 4
- 210000002700 urine Anatomy 0.000 description 4
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 3
- 206010040070 Septic Shock Diseases 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 3
- 208000035475 disorder Diseases 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000006996 mental state Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 238000006213 oxygenation reaction Methods 0.000 description 3
- 230000036303 septic shock Effects 0.000 description 3
- 208000020401 Depressive disease Diseases 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 210000000987 immune system Anatomy 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 201000003102 mental depression Diseases 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000002345 respiratory system Anatomy 0.000 description 2
- 230000002485 urinary effect Effects 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 206010067723 Skin plaque Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 238000003018 immunoassay Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 210000003657 middle cerebral artery Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000002106 pulse oximetry Methods 0.000 description 1
- 208000004124 rheumatic heart disease Diseases 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000002562 urinalysis Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H40/63—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 local 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
- 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
- G16H50/30—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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种状态报警方法、监护设备、监护系统及可读存储介质。状态报警方法,应用于监护设备,包括:获取表征患者状态的患者数据;获取相关的状态模板;分析患者数据,以获取状态特征集;计算状态特征集中的每一目标状态特征与相关的状态模板中对应的参考状态特征之间的匹配距离;根据计算所获得的所有匹配距离,判断状态特征集中的目标状态特征集与相关的状态模板是否匹配,其中,目标状态特征集为由所有目标状态特征构成的集合;在确定目标状态特征集与相关的状态模板匹配时,输出状态报警信息,通过综合考虑表征患者状态的患者数据,从而避免监护设备出现误报警、漏报警等问题,且医护人员可根据状态报警信息可靠地判断患者病情。
Description
技术领域
本发明涉及医疗监护技术领域,尤其涉及一种状态报警方法、监护设备、监护系统及可读存储介质。
背景技术
监护设备可以通过获取患者的监测参数的方式来监护患者。当患者的监测参数的数值超出预设的报警门限范围(例如高于报警阈值上限或低于报警阈值下限)时,监护设备会产生报警,包括声音报警、灯光报警或者图文报警等,以提示医护人员关注患者及根据报警限息进行干预。
目前,监护设备主要采用以下几种报警方法进行报警。一是基于单一监测参数的报警方法,当确定单一监测参数在预设时间点或预设段时间内的数值超出报警门限后,监护设备会产生报警。二是基于多监测参数的报警方法,当确定多个监测参数对应的数值在预设段时间内同时超出报警门限后,监护设备会产生报警。三是基于单一监测参数的趋势报警方法,当确定单一监测参数在预设段时间内的数值较之前的数值呈下降或上升趋势,且两者的差异超过了预设阈值,监护设备会产生报警。
然而,监测参数和患者其它数据(例如精神行为数据、患者病史、诊断信息、患者或家属主诉信息等)之间通常存在相关关系,患者状态往往体现在多个监测参数及患者其它数据的综合表现上。现有监护设备采用的单一监测参数的阈值报警方法、单一监测参数的趋势报警方法及多监测参数的阈值报警方法等报警方法未考虑这种相关关系,不仅容易出现误报警、漏报警等问题,且影响医护人员快速、可靠地判断病情,从而不利于对患者健康状态的实时掌握。此外,当前的监护设备基于上述报警方法生成的报警信息通常只呈现监测参数的数值变化,从而不利于对患者健康状态的实时掌握。
发明内容
有鉴于此,本发明有必要提供一种状态报警方法、监护设备、监护系统及可读存储介质,以解决上述问题。
第一方面,本发明实施例提供了一种状态报警方法,应用于监护设备,所述状态报警方法包括如下步骤:
获取表征患者状态的患者数据;
获取相关的状态模板;
分析所述患者数据,以获取状态特征集;
计算所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离,其中,所述目标状态特征与所述参考状态特征相关联;
根据计算所获得的所有匹配距离,判断所述状态特征集中的目标状态特征集与所述相关的状态模板是否匹配,其中,所述目标状态特征集为由所有所述目标状态特征构成的集合;
在确定所述目标状态特征集与所述相关的状态模板匹配时,输出状态报警信息。
第二方面,本发明实施例提供了一种监护设备,包括处理器和输出装置,所述处理器用于:
获取表征患者状态的患者数据;
获取相关的状态模板;
分析所述患者数据,以获取状态特征集;
计算所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离,其中,所述目标状态特征与所述参考状态特征相关联;
根据计算所获得的所有匹配距离,判断所述状态特征集中的目标状态特征集与所述相关的状态模板是否匹配,其中,所述目标状态特征集为由所有所述目标状态特征构成的集合;
在确定所述目标状态特征集与所述相关的状态模板匹配时,控制所述输出装置输出状态报警信息。
第三方面,本发明实施例还提供了另一种监护设备,包括处理器和输出装置,所述处理器用于:
获取表征患者状态的患者数据,所述患者数据包括病情数据、监测数据、检验数据、检查数据中的至少一种;
根据所述患者数据,判断患者病情恶化的发生时间和/或发生概率;
控制所述输出装置输出用于表征患者病症恶化的预测结果的第一字符串信息,所述第一字符串信息包括病症类型、病症恶化、病症恶化程度中的至少一者。
第四方面,本发明实施例提供了一种监护系统,包括上述监护设备和通讯连接于所述监护设备的第三方设备。
第五方面,本发明实施例提供了一种可读存储介质,所述可读存储介质上存储有交互程序,所述交互程序被处理器运行时执行如上所述的状态报警方法。
本发明实施例提供了一种状态报警方法、监护设备、监护系统及可读存储介质。所述状态报警方法,应用于监护设备,通过分析所述患者数据,以获取状态特征集,并基于计算出的所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离,判断所述状态特征集中的目标状态特征集与所述相关的状态模板是否匹配,以及在确定所述目标状态特征集与所述相关的状态模板匹配时,输出状态报警信息,如此监护设备综合考虑了表征患者状态的患者数据,从而避免监护设备出现误报警、漏报警等问题,且医护人员能够根据状态报警信息快速、可靠地判断患者病情,从而便利于对患者健康状态的实时掌握。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的监护系统的程序模块的结构示意图。
图2是本发明实施例提供的状态报警方法的步骤流程图。
图3所示为本发明第一实施方式提供的状态报警信息对应的报警提示框的界面图。
图4所示为本发明第二实施方式提供的状态报警信息对应的报警提示框的界面图。
图5所示为本发明第三实施方式提供的状态报警信息对应的报警提示框的界面图。
图6所示为本发明第四实施方式提供的状态报警信息对应的报警提示框的界面图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
可以理解,本申请的说明书和权利要求书及上述附图中的术语仅是为了描述特定实施例,并非要限制本申请。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而非用于描述特定顺序。除非上下文另有明确表述,否则单数形式“一”和“所述”也旨在包括复数形式。术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,本申请可以以多种不同的形式来实现,并不限于本实施例所描述的实施例。提供以下具体实施例的目的是便于对本申请公开内容更清楚透彻的理解,其中上、下、左、右等指示方位的字词仅是针对所示结构在对应附图中位置而言。
本申请的说明书和权利要求书及上述附图中的术语“状态模板”是指临床诊断一种病症或病症某种分期、分级的一套特异性较强的规则组合,所述状态模板包括若干参考状态特征。术语“匹配距离”是指目标状态特征集与所述相关的状态模板的接近程度,即用于衡量所述目标状态特征集与所述相关的状态模板的相似性。术语“参数测量值”是指利用监护设备的传感器连续监测到的参数数据,所述参数数据用于表征患者的生命体征参数。术语“指标测量值”是指利用独立于监护设备的生理指标测量装置间断获取到的参数数据,所述参数数据也用于表征患者的生命体征参数,例如,但不局限于血气分析数据、尿检数据、体温数据等。术语“非量化指标数据”是指用于表征患者状态,但无法用数字的大小来量化表示的数据,例如,但不局限于用于精神行为数据、生活行为数据、体态特征数据、病史信息、医嘱信息、诊断信息、护理记录信息、问诊对话信息等。术语“动态特征”是指反映一种数值变化方向和快慢的量化特征,即在某一时间段内某个数值的趋势变化对应的特征,其中,所述数值包括参数测量值、指标测量值及其组合。术语“动态特征集”是指所有动态特征的集合。术语“静态特征”是指在某一时刻(例如当前秒)或与该时刻最接近的时间点的某个固定参数测量值、某个固定指标测量值或非量化指标数据对应的特征。术语“静态特征集”是指所有静态特征的集合。
说明书后续描述为实施本申请的较佳实施例,然上述描述乃以说明本申请的一般原则为目的,并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。
目前,监护设备主要采用以下几种报警方法进行报警。一是基于单一监测参数的报警方法,当确定单一监测参数在预设时间点或预设段时间内的数值超出报警门限后,监护设备会产生报警。二是基于多监测参数的报警方法,当确定多个监测参数对应的数值在预设段时间内同时超出报警门限后,监护设备会产生报警,从而实现了多件报警事件的叠加,避免了报警疲劳。三是基于单一监测参数的趋势报警方法,当确定单一监测参数在预设段时间内的数值较之前的数值呈下降或上升趋势,且两者的差异超过了预设阈值,监护设备会产生报警。
然而,监测参数和患者其它数据(例如精神行为数据、患者病史、诊断信息、患者或家属主诉信息等)之间通常存在相关关系,患者状态往往体现在多个监测参数及患者其它数据的综合表现上。现有监护设备采用的单一监测参数的阈值报警方法、单一监测参数的趋势报警方法及多监测参数的阈值报警方法等报警方法未考虑这种相关关系,不仅容易出现误报警、漏报警等问题,且影响医护人员快速、可靠地判断病情,从而不利于对患者健康状态的实时掌握。此外,当前的监护设备基于上述报警方法生成的报警信息通常只呈现监测参数的数值变化,从而不利于对患者健康状态的实时掌握。
此外,现有监护设备输出的报警信息通常只包括报警名称、报警声光提示信息或其组合,从而医护人员无法基于该报警信息直接、快速地掌握患者当前的病情状态,进而降低了医护人员的工作效率。
本发明实施例提供了一种状态报警方法、监护设备、监护系统及可读存储介质。所述状态报警方法,应用于监护设备,通过分析所述患者数据,以获取状态特征集,并基于计算出的所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离,判断所述状态特征集中的目标状态特征集与所述相关的状态模板是否匹配,以及在确定所述目标状态特征集与所述相关的状态模板匹配时,输出状态报警信息,如此监护设备综合考虑了表征患者状态的患者数据,从而避免监护设备出现误报警、漏报警等问题,且医护人员能够根据状态报警信息快速、可靠地判断患者病情,从而便利于对患者健康状态的实时掌握。
请参阅图1,图1所示为本申请实施例提供的监护系统1000的结构示意图。监护系统1000包括监护设备100和通讯连接于监护设备100的第三方设备300。监护设备100和第三方设备300均可以用于获取表征患者状态的患者数据。
其中,监护设备100可以为,但不局限于监护仪、本地中央站、远程中央站、云端服务系统、移动终端中的任意一个或其组合。在本实施例中,监护设备100可以为监护仪,所述监护仪用于对患者的监测数据进行实时监测,所述监护仪可包括床边监护仪、穿戴式监护仪等等。第三方设备300包括中央站。所述中央站用于接收所述监护仪发送的监测数据,并对所述监测数据进行集中监护。其中,所述中央站可以包括本地中央站、远程中央站中的至少一者。
需要说明的是,所述中央站通过网络将一个科室或多个科室内的监护仪进行连接,以达到实时集中监护以及数据海量存储的目的。例如,所述中央站存储有,但不局限于患者基本信息、病史信息和诊断信息。
在一些实施例中,所述监护仪与所述中央站可以通过BeneLink组成互连平台,以实现所述监护仪与所述中央站之间进行数据通讯,例如,所述中央站可以对所述监护仪监测到的监测数据进行访问,所述监护仪从所述中央站获取患者基本信息、病史信息和诊断信息等。在其它一些实施例中,所述监护仪与所述中央站还可以通过通信模块建立数据连接。所述通信模块可以是,但不局限于wifi、蓝牙或移动通信的2G、3G、4G、5G等通信模块。
本领技术人员应当理解的是,所述图1仅是监护系统1000包括的部件的示例,并不构成对监护系统1000的限定,且监控设备100及监护系统1000可以包括比图1所示更多或更少的部件,或者组合某些部件,或者不同的部件,例如监护设备100还可以包括电源模块等,监护系统1000还可以包括定位导航装置、打印装置等。
具体的,监护设备100可以为便携式监护设备、转运式监护设备、或者移动式监护设备。在本实施例中,监护设备100包括,但不限于处理器20和输出装置30。处理器20用于:获取表征患者状态的患者数据;获取相关的状态模板;分析所述患者数据,以获取状态特征集;计算所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离,其中,所述目标状态特征与所述参考状态特征相关联;根据计算所获得的所有匹配距离,判断所述状态特征集中的目标状态特征集与所述相关的状态模板是否匹配,其中,所述目标状态特征集为由所有所述目标状态特征构成的集合;以及在确定所述目标状态特征集与所述相关的状态模板匹配时,控制输出装置30输出状态报警信息。
如此,监护设备综合考虑表征患者状态的患者数据,从而避免监护设备出现误报警、漏报警等问题,且医护人员能够根据状态报警信息或概览报告快速、可靠地判断患者病情,从而便利于对患者健康状态的实时掌握。
其中,所述患者数据包括,但不局限于监测数据、病情数据、检验数据、检查数据中的至少一种。所述监测数据包括,但不局限于生命体征参数数据,所述生命体征参数数据包括心电、血压、脉搏血氧、呼吸、体温、心排量、二氧化碳、运动数据、视频数据、呼吸力学参数、血流动力学参数、氧代谢参数、脑电参数、双频指数及微循环参数中的至少一种。所述病情数据包括,但不局限于患者基本信息、疾病诊断信息、治疗方案信息、护理记录信息以及电子病历系统上自然语言信息中的至少一种。所述检验数据包括,但不局限于生化检验指标数据,所述生化检验指标数据包括血常规检验数据、肝功能检验数据、肾功能检验数据、甲状腺检验数据、尿液检验数据、免疫检验数据、凝血检验数据、血气检验数据、便常规检验数据及肿瘤标记物检验数据中的至少一种。所述检查数据包括,但不局限于DR影像数据、CT影像数据、MRI影像数据、PET影像数据、超声影像数据、量表数据、体格测验数据中的至少一种。所述患者基本信息包括,但不局限于患者的精神行为数据、生活行为数据、体态特征数据中的至少一者。所述精神行为数据是指反映患者的精神状态、意识或思维活动。所述生活行为数据包括,但不局限于睡眠数据、情绪数据、饮食数据等。所述体态特征数据包括,但不局限于面色数据、五官数据、体态数据、皮肤数据、指纹数据等。
所述状态报警信息第一字符串信息。在本实施例中,所述第一字符串信息用于表征患者的病症恶化的预测结果。所述第一字符串信息包括,但不局限于第一字段和第二字段,所述第一字段用于表征患者病情恶化的发生时间和/或发生概率,所述第二字段用于表征患者病症。如此,医护人员可以基于所述第一字符串信息快速掌握患者的病情,从而降低患者病情延误的风险,且可以避免监护设备产生误报警或漏报警,进而提升了监护设备的使用体验。
具体地,所述第一字符串信息包括,但不局限于患者可能休克、患者可能即将发生休克、患者具有休克风险、请检查患者是否发生休克、患者可能心衰、患者可能急性心衰、患者可能发生急性心脏事件、患者可能即将发生心衰、患者具有心衰风险、请检查患者是否发生心衰、患者可能心脏骤停、患者可能即将发生心脏骤停、患者具有心脏骤停风险、请检查患者是否发生心脏骤停、患者可能内出血、患者可能即将发生内出血、患者具有内出血风险、请检查患者是否发生内出血、患者可能呼吸抑制、患者可能即将发生呼吸抑制、患者具有呼吸抑制风险、请检查患者是否发生呼吸抑制、患者可能颅脑出血、患者可能即将发生颅脑出血、患者具有颅脑出血风险、请检查患者是否发生颅脑出血、患者可能肾脏衰竭、患者可能即将发生肾脏衰竭、患者具有肾脏衰竭风险、请检查患者是否发生肾脏衰竭、患者可能严重感染、患者可能即将发生严重感染、患者具有严重感染风险、请检查患者是否发生严重感染中的至少一者。
在其他一些实施例中,所述第一字符串信息包括所述相关的状态模板的名称。所述状态报警信息还包括第二字符串信息。其中,所述第二字符串信息包括所述状态模板中的参考状态特征信息、所述状态特征集中的目标状态特征信息及所述患者数据中的疾病诊断信息中的至少一者,所述目标状态特征信息包括所述目标状态特征的文字信息、所述目标状态特征的数值信息、用于表征所述目标状态特征的数值信息的变化趋势的指示图标、所述目标状态特征的发生时间中的至少一者,所述疾病诊断信息包括当前疾病诊断信息和历史疾病诊断信息中的至少一者。此外,综合第一字符串信息和第二字符串信息进一步了解患者的病症,这也大大提高了医护人员工作效率。
在一些实施例中,所述状态报警信息的输出方式包括,但不局限于声音、光信号、文字信息、图形信息或振动等方式。如此,可以提醒医护人员针对所述状态报警信息进行干预,提升了用户体验。
在一些实施例中,监护设备100还包括传感器10、存储器40、报警模块50.输入装置60及通信模块70。传感器10及输入装置60与处理器20之间可以通过有线通信技术或无线通信技术相连,以使传感器10和输入装置60与处理器20之间可以进行数据交互。所述无线通信技术包括但不限于:各代移动通信技术(2G、3G、4G及5G)、无线网络、蓝牙Bluetooth、ZigBee、超宽带UWB、NFC等。在本实施例中,传感器10及输入装置60可以通过通信模块70与处理器20建立通信连接。
传感器10用于连续采集患者的监测数据。需要说明的是,术语“连续采集”是指传感器10在一段时间段内每隔预设时间连续多次测定的监测数据,其中,所述预设时间这里指的是传感器10返回一个监测数据所对应的最短时间。
在本实施例中,传感器10可以独立设置于监护设备100之外而与监护设备100可拆卸连接。传感器10用于采集患者的生命体征参数数据。处理器20还用于对来自传感器10采集到的生命体征参数数据进行数据处理。传感器10包括,但不局限于心电、血压、脉搏血氧、呼吸、体温、心排量、二氧化碳、运动数据、视频数据、呼吸力学参数、血流动力学参数、氧代谢参数、脑电参数、双频指数及微循环参数等监测附件。其中,监护设备100设置有若干连接接口。若干连接口可以是,但不局限于心电接口、血压接口、脉搏血氧接口、呼吸接口、体温接口等。所述监测附件通过连接接口电气连接于监护设备100上。在其它一些实施例中,传感器10还可以集成于监护设备100上。在其它一些实施例中,监护设备100也可不包括传感器10,监护设备100可以通过通信模块接收外部监测附件采集的监测数据。
所述传感器10还可以为,但不局限于睡眠传感器、运动传感器等。所述监测数据还可以包括,但不局限于精神行为数据、生活行为数据等。所述精神行为数据是指反映患者的精神状态、意识或思维活动。所述生活行为数据包括,但不局限于睡眠数据、情绪数据、饮食数据等。
处理器20还可以用于控制监护设备100内的各个功能器件的协作。具体的,处理器20用于处理传感器10采集到的心电、血压、脉搏血氧、呼吸、体温、心排量、二氧化碳、运动数据、视频数据、呼吸力学参数、血流动力学参数、氧代谢参数、脑电参数、双频指数及微循环参数等生命体征参数,以得到监测数据,并控制输出装置30显示所述监测数据。所述监测数据包括,但不局限于监测参数和监测参数波形中的至少一者。
第三方设备300也可以包括,但不局限于互联网云服务器、生理指标测量装置、检查装置、移动终端中的至少一个。第三方设备300获取到的患者数据可以通过有线或无线的方式传输至监护设备100。
在本实施例中,第三方设备300包括所述云端服务系统、所述生理指标测量装置及所述检查装置。所述生理指标测量装置包括,但不局限于血气分析装置、尿液分析装置、体温检测装置、免疫分析仪中的至少一者。所述检查装置包括,但不局限于数字X线诊断摄影机、CT探测仪、核磁共振仪、PET仪、超声设备等。
具体的,所述患者数据的类型包括参数测量值、指标测量值和非量化指标数据。其中,所述参数测量值由传感器10采集到的监测数据获得。所述指标测量值由所述生理指标测量装置采集到的生化检验指标数据。所述非量化指标数据可以通过设备互联、网络通讯、信息系统、人机交互(例如医护人员语音描述患者病情,仪器通过“自然语言处理”技术来提取语义)等方式获取或是由专用检查仪器获取。在本实施例中,所述非量化指标数据由所述互联网云服务器提取到的或由输入装置60输入的所述病情数据获得或是由所述检查装置检查到的检查数据获得。
需要说明的是,在本申请实施例中,所述参数测量值和所述指标测量值可以均由仪器测得的数据,所述非量化指标数据可以是医生诊断出的患者病症相关的特征数据及病症数据。所述非量化指标数据也可以是基于仪器测得的且用来评估患者状态的数据,例如仪器用于获得患者监测部位的影像图像,将所述影像图像中的特征信息作为所述非量化指标数据。基于皮肤影像图像,确定患者的皮肤出现花斑。
在本实施例中,输出装置30为显示器。所述显示器用于为用户提供可视化的显示输出。具体的,输出装置30可以用于为用户提供可视化显示界面,例如是,但不局限于参数界面和报警参数设置界面。输出装置30显示的参数界面用于显示所述监测数据。输出装置30显示的报警参数设置界面用于显示所述报警信息或所述概览报告。输出装置30显示的参数界面或其它可视化界面也可以用于显示所述报警信息或所述概览报告。具体的,输出装置30可为触摸显示器,或者具有输入面板的输出装置30。输出装置30还可以为打印机、语音播放装置、USB插口、网口等输出设备。
在一些实施例中,处理器20具体用于:获取表征患者状态的患者数据,所述患者数据包括病情数据、监测数据、检验数据、检查数据中的至少一种;
根据所述患者数据,判断患者病情恶化的发生时间和/或发生概率;
控制输出装置30输出用于表征患者病症恶化的预测结果的第一字符串信息,所述第一字符串信息包括病症类型、病症恶化、病症恶化程度中的至少一者。需要说明的是,“病情恶化”的报警可以包括以下两种情况。第一种情况是,监护设备并未从所述病情数据中获得有效信息或者在第一时间段内确定所述目标状态特征集与所述相关的状态模板不匹配,即患者并未患有与所述相关的状态模板相关联的病症,且在第二时间段内确定所述目标状态特征集与所述相关的状态模板匹配时,控制监护设备输出对应的状态报警信息,此时表明患者当前患有与所述相关的状态模板相关联的病症,并由此可以推知患者的病情发生了恶化,从而便利于医护人员快速且实时对患者健康状态的实时掌握。第二种情况是,监护设备从所述病情数据中获得有效信息或者在第一时间段内确定所述目标状态特征集与所述相关的状态模板匹配,即患者之前或在该第一时间段患有与所述相关的状态模板相关联的病症,且在第二时间段仍确定所述目标状态特征集与所述相关的状态模板匹配时,控制监护设备输出对应的状态报警信息,此时表明患者当前可能仍患有与所述相关的状态模板相关联的病症,从而便利于医护人员快速且实时对患者健康状态的实时掌握。在第二种情况下,假设在第一时间段内确定所述目标状态特征集与所述相关的状态模板匹配时对应计算出的匹配距离为D1,且在第二时间段内确定所述目标状态特征集与所述相关的状态模板也匹配时对应计算出的匹配距离为D2,若D2大于D1,则可以推知患者的病情减轻;若D2大于D1,则可以推知患者的病情发生了恶化。
具体的,所述第一字符串信息包括第一字段和第二字段,所述第一字段用于表征患者病情恶化的发生时间和/或发生概率,所述第二字段用于表征患者病症。
其中,所述第一字符串信息的内容用户可以自定义,也可以是出厂默认设置。所述相关的状态模板的类型适用于循环系统、呼吸系统、神经系统、泌尿系统及免疫系统等。
在一些实施例中,处理器20还用于:控制输出装置30输出第二字符串信息。所述报警提示框包括第一显示区域和第二显示区域。处理器20还用于控制在所述第一显示区域内显示所述第一字符串信息,及在所述第二显示区域内显示所述第二字符串信息。
如此,医护人员基于监护设备100输出的报警状态信息快速地了解表征患者状态的患者数据,从而提高了医护人员的工作效率,并提升了用户体验。其次,报警状态信息中的第一字符串信息和第二字符串信息同屏且直观地呈现于监护设备100显示的可视化界面,从而方便医护人员快速、准确地了解患者当前的病情状态,进而方便对患者健康状态的实时掌握。当监护设备100输出状态报警信息时,表明患者的病情状态可能发生恶化,从而医护人员可以基于状态报警信息及时进行干预,避免病情延误。此外,所述状态报警信息基于表征患者状态的所有患者数据,综合考虑了监测数据和非监测数据(例如病情数据、检验数据、检查数据)之间的相关关系,避免出现误报警、漏报警等问题。
报警模块50用于输出报警提示,以便医护人员执行相应的救护措施,且可以实时了解患者的情况及设备的工作状态,从而避免医护人员或者患者出现疏忽的现象,提高了监护的安全性。报警模块50例如是,但不局限于发光二极管或者蜂鸣器,而用于产生声光报警信号。输入装置60用于供用户输入操作指令。输入装置60例如是,但不局限于键盘、鼠标、触控屏、遥控器等输入设备。处理器20还用于控制通信模块70将传感器10采集到的生命体征监测数据及第二类患者数据发送至第三方设备300。其中,如前所述,输入装置60和输出装置30还可整合成一个输入输出装置,例如触摸显示屏。
在一些实施例中,监护设备100可以通过通信模块70与第三方设备300建立数据通信。通信模块70可以是,但不局限于wifi、蓝牙、NFC或移动通信的2G、3G、4G、5G等通信模块。因此,患者的监测数据及报警提示信息等监护信息可以通过监护设备100的通信模块70无线传输到医院的第三方设备300进行集中监护。在其它一些实施例中,监护设备100还可以通过线缆与第三方设备300建立连接。第三方设备300可以是,但不局限于中央监护服务站设备或床边监护仪。第三方设备300还可以是云端服务系统或手机、平板电脑、个人电脑等移动终端。
其中,监护设备100的数量可以包括一个或多个。第三方设备300与至少一个监护设备100建立数据通信。第三方设备300包括处理器302,输出装置304、存储器306及报警模块308。在一些实施例中,第三方设备300的处理器302,输出装置304、存储器306及报警模块308的功能可以包括与监护设备100的处理器20,输出装置30、存储器40及报警模块50相同的功能,此处不再赘述。举例来说,处理器302也可以用于处理传感器10所采集到的监测数据,并控制输出装置304显示所述监测数据。第三方设备300的处理器302,输出装置304及存储器306的功能还可以包括监护设备100的处理器20,输出装置30及存储器40的不具备的功能,例如,处理器20可以接收并处理不同监护设备100通过通信模块70直接发送的监测数据。
处理器20,302可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。处理器20是监护设备100的控制中心,利用各种接口和线路连接整个监护设备100的各个部分。处理器20是第三方设备300的控制中心,利用各种接口和线路连接整个第三方设备300的各个部分。
其中,处理器20,302还用于执行下述状态报警方法中的所有步骤。例如,图2中的步骤S201至步骤S211等。具体的,存储器40存储有程序代码401,存储器306存储有程序代码307,处理器20,302用于调用存储器40,306的程序代码401,307而执行下述状态报警方法中所有步骤。
存储器40,306可以用于存储患者数据。存储器40,306可用于存储计算机程序和/或模块,处理器20,302通过运行或执行存储在存储器40,306内的计算机程序和/或模块,以及调用存储在存储器40,306内的数据,实现监护设备100和第三方设备300的各种功能。存储器40,306可主要包括程序存储区和数据存储区,其中,程序存储区可存储操作系统、多个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;数据存储区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器40,306可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、多个磁盘存储器件、闪存器件、或其它易失性固态存储器件。
本发明实施例提供的监护设备,包括处理器和输出装置。所述处理器用于:获取表征患者状态的患者数据;获取相关的状态模板;分析所述患者数据,以获取状态特征集;计算所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离,其中,所述目标状态特征与所述参考状态特征相关联;根据计算所获得的所有匹配距离,判断所述状态特征集中的目标状态特征集与所述相关的状态模板是否匹配,其中,所述目标状态特征集为由所有所述目标状态特征构成的集合;在确定所述目标状态特征集与所述相关的状态模板匹配时,输出状态报警信息。因此,监护设备综合考虑表征患者状态的患者数据,从而避免监护设备出现误报警、漏报警等问题,且医护人员能够根据状态报警信息快速、可靠地判断患者病情,从而便利于对患者健康状态的实时掌握。
此外,监护设备输出的状态报警信息包括表征患者病症恶化的预测结果,从而医护人员可以直观、快速地了解患者的病情状态是否发生恶化,进而医护人员可以基于状态报警信息及时进行干预,避免病情延误。
本发明实施例公开了一种状态报警方法,不仅可以避免监护设备出现误报警、漏报警等问题,且医护人员能够根据状态报警信息快速、可靠地判断患者病情,从而便利于对患者健康状态的实时掌握。
请一并参阅图1和图2,图2所示为本申请一实施例提供的一种状态报警方法的流程图。如图2所示,所述状态报警方法,应用于上述监护系统1000。具体的,所述状态报警方法,可以单独应用于上述监护设备100,也可以单独应用于上述第三方设备300,还可以同时应用于上述监护设备100和第三方设备300。在本实施例中,以所述状态报警方法应用于上述监护设备100为例进行说明。所述状态报警方法包括如下步骤。
步骤S201,获取表征患者状态的患者数据。
在本实施例中,所述患者数据包括监测数据。所述患者数据还包括病情数据、检验数据、检查数据中的至少一种。所述监测数据包括,但不局限于生命体征参数数据,所述生命体征参数数据包括心电、血压、脉搏血氧、呼吸、体温、心排量、二氧化碳、运动数据、视频数据、呼吸力学参数、血流动力学参数、氧代谢参数、脑电参数、双频指数及微循环参数中的至少一种。所述病情数据包括,但不局限于患者基本信息、疾病诊断信息、治疗方案信息、护理记录信息以及电子病历系统上自然语言信息中的至少一种。所述检验数据包括,但不局限于生化检验指标数据,所述生化检验指标数据包括血常规检验数据、肝功能检验数据、肾功能检验数据、甲状腺检验数据、尿液检验数据、免疫检验数据、凝血检验数据、血气检验数据、便常规检验数据及肿瘤标记物检验数据中的至少一种。所述检查数据包括,但不局限于DR影像数据、CT影像数据、MRI影像数据、PET影像数据、超声影像数据、量表数据、体格测验数据中的至少一种。所述患者基本信息包括,但不局限于患者的精神行为数据、生活行为数据、体态特征数据中的至少一者。所述精神行为数据是指反映患者的精神状态、意识或思维活动。所述生活行为数据包括,但不局限于睡眠数据、情绪数据、饮食数据等。所述体态特征数据包括,但不局限于面色数据、五官数据、体态数据、皮肤数据、指纹数据等。
需要说明的是,在其他一些实施例中,所述患者数据可以不包括监测数据及,即所述患者数据包括病情数据、检验数据、检查数据中的至少一种。换就话说,所述状态方法运用于监护仪之外的其他设备时,所述患者数据可以不包括监测数据,因此所述患者数据的类型本申请不作具体限定。
步骤S203,获取相关的状态模板。
其中,所述相关的状态模板是根据临床先验知识来设定的。所述状态模板中的文字信息和所述数值元素可以基于患者基本信息,例如性别、年龄、体重、病症类型等进行设置,从而提高状态报警信息输出的准确性。所述相关的状态模板的类型适用于循环系统、呼吸系统、神经系统、泌尿系统及免疫系统等。
在一些实施例中,所述获取相关的状态模板,具体包括:在检测到所述病情数据中包含与所述相关的状态模板相关的有效信息时,根据所述病情数据中的有效信息,获取所述相关的状态模板。其中,所述有效信息包括,但不局限于病症类型。在一些实施例中,所述有效信息与所述相关的状态模板预先建立对应关系,从而可以实现从状态模块库中快速筛选出所述相关的状态模板。
在另一些实施例中,所述获取相关的状态模板,具体包括:在检测到所述病情数据中不包含与所述相关的状态模板相关的有效信息时,将所述监护设备默认的通用状态模板作为所述相关的状态模板。
需要说明的是,所述相关的状态模板是指可以用于表征患者状态的状态模板,即与患者状态相关的状态模板。而在监护设备无法获取到所述相关的状态模板时,则将监护设备默认的通用状态模板代替所述相关的状态模板。
可以理解地,通过预先设置通用状态模板,避免监护设备将所述状态特征集与监护设备的状态模板库中的所有状态模板均进行一次匹配,从而降低处理器的运算量和系统的功耗。其中,所述通用状态模板可以出厂默认设置,也可以用户根据临床经验知识设置使用频率较高的状态模板来自定义所述通用状态模板。
在其他一些实施例中,在检测到所述病情数据中不包含与所述相关的状态模板相关的有效信息时,接收用户输入的状态模板,并作为所述相关的状态模板。如此,医护人员可以基于了解到的患者状态来输入一个或多个状态模板,以提高状态报警方法的准确性和有效性。
所述有效信息包括与病症状态相关的信息,所述根据所述病情数据中的有效信息,获取所述相关的状态模板,具体包括:
获取所述病情数据中的诊断语句,并从所述诊断语句中提取与病症状态相关的关键词;
从状态模板数据库中筛选出与所述关键词匹配的状态模板,作为所述相关的状态模板。
在本实施例中,监护设备100基于采用自然语言处理(Natural LanguageProcessing,NLP)获取所述病情数据中的诊断语句,并从所述诊断语句中提取与病症状态相关的关键词,再基于所述关键词筛选出所述相关的状态模板,从而减少了运算量,提高了报警信息的生成效率,避免患者的病情发生延误。
步骤S205,分析所述患者数据,以获取状态特征集。
其中,所述状态特征集包括动态特征集、静态特征集或它们之间的组合。所述分析所述患者数据,以获取状态特征集,具体包括:
分析所述患者数据中的监测数据、病情数据、检验数据、检查数据中的至少一种,提取与所述相关的状态模板中的特征相同的参数测量值、指标测量值和非量化指标数据的特征;
分析所述参数测量值和所述指标测量值,以获取动态特征集;
分析所述参数测量值、所述指标测量值和所述非量化指标数据,以获取静态特征集;以及
将所述动态特征集和所述静态特征集进行组合,以获得所述状态特征集。
所述分析所述参数测量值和所述指标测量值,以获取动态特征集,具体包括:
基于所述参数测量值和所述指标测量值,构建在预设时间段内的至少一趋势特征向量,所述至少一趋势特征向量包括单参数趋势特征向量、组合参数趋势特征向量、单指标趋势特征向量、组合指标趋势特征向量、组合参数和指标趋势特征向量中的至少一者;
将所述至少一趋势特征向量作为所述动态特征集;
所述分析所述参数测量值、所述指标测量值和所述非量化指标数据,以获取静态特征集,具体包括:
基于所述参数测量值和所述非量化指标数据,构建在预设时间点的特征向量;
将所述特征向量作为所述静态特征集。为了更真实反映患者的当前状态,所述预设时间点为距离所述预设时间段的结束时间点最近的患者数据输入所对应的时间点,从而提高监护仪报警的准确度。所述预设时间段可以出厂默认设置,也可以用户自定义设置,例如是1小时、2小时、4小时、8小时、24小时等。在一实施例中,所述预设时间点为所述预设时间段的结束时间点。在其它一些实施例中,所述预设时间点为距离所述结束时间点最近的患者数据输入所对应的时间点。例如,所述预设时间段为4h,其中,开始时间为8:54,结束时间为12:54。若监护仪在所述结束时间点之前获取到乳酸值(数值为300)的最近时间点为12:15,那么该乳酸值在预设时间点的取值为300U/L。
举例来说,所述动态特征集包括,但不局限于“心率(单参数)在1小时内以平均+0.3次/分钟的速度单调上升”、“氧合指数在1小时内以平均-0.5mmHg/分钟的速度单调下降”、“呼吸率快速波动,呼吸率大于22次/min”、“收缩压(SBP)单调下降,SBP值小于90mmHg”等。其中,心率(单参数)在1小时内以平均+0.3次/分钟的速度单调上升为单参数趋势特征向量,所述单参数趋势特征向量中的向量大小为+0.3次/分钟,所述单参数趋势特征向量中的向量方向为单调上升。所述氧合指数是指动脉血氧分压与吸入氧浓度之比,简写为PaO2/FiO2。可以理解的,吸入氧浓度FiO2可以是监护仪内的CO2模块测得,动脉血氧分压PaO2可以是生理指标测量装置测得的指标测量数据。所述氧合指数对应的状态特征数据为组合参数和指标趋势特征向量,其中,所述组合参数和指标趋势特征向量的向量大小为-0.5mmHg/分钟,所述组合参数和指标趋势特征向量的向量方向为单调下降。在本实施例中,单调上升可用数值1进行数值编码,单调下降可用数值-1进行数值编码。
在一些实施例中,所述基于所述参数测量值和所述指标测量值,构建在预设时间段内的至少一趋势特征向量,具体包括:
将所述预设时间段换分为多段,并作为目标时间段;
计算每段所述目标时间段的数值的变化速度,以得到速度值,其中,所述数值包括所述参数测量值和所述指标测量值中的至少一者;
计算所有速度值的平均值,并作为所述至少一趋势特征向量。
所述静态特征集包括,但不局限于“心率值为180bpm”、“血乳酸超过4mmol/L”、“出现过精神萎靡”、“出现过皮肤花斑”、“意识混浊不请”“尿量小于0.5mL/Kg/h”、“乳酸值为300U/L”等。
在本实施例中,所述动态特征集和所述静态特征集中的所有特征元素进行数字化,从而提高了所述状态特征集与所述预设模板匹配的成功率,且使得计算出的第一匹配距离更具代表性,从而提高了状态报警信息输出的准确性。
在一些实施例中,所述相关的状态模板包括至少一个参考状态特征集,所述状态报警方法,还包括:
获取所述患者数据中的患者基本信息,并从所述患者基本信息中提取与病症指标相关的关联信息,所述关联信息包括患者类型、患者体重、患者性别中的至少一者;
根据预先定义的关联信息和参考状态特征集的对应关系,确定与当前患者相关的参考状态特征集,并作为目标参考状态特征集;
所述判断所述目标状态特征集与所述相关的状态模板是否匹配,具体包括:
判断所述目标状态特征集与所述目标参考状态特征集是否匹配,在确定所述目标状态特征集与所述目标参考状态特征集匹配时,确认所述目标状态特征集与所述相关的状态模板匹配。
可以理解的,不同患者对状态模板的要求有所差异。例如,同样是休克患者,休克类型包括分心源性休克和感染性休克。当确定当前患者为分心源性休克的患者时,确定与当前患者相关的参考状态特征集为与“分心源性休克”对应的状态特征集。在一些实施例中,“分心源性休克”对应的状态特征集与“感染性休克”对应的状态特征集的特征一样,但每一状态特征对应的数值可能不同。在其它一些实施例中,“分心源性休克”对应的状态特征集与“感染性休克”对应的状态特征集的特征不一样。同样,目标参考状态特征集受患者类型、患者体重、患者性别等影响。所述状态模板中的参考状态特征集中的特征类别及元素取值可以基于临床先验知识来设定。如此,通过采用NLP获取所述患者数据中的患者基本信息,并从所述患者基本信息中提取与病症指标相关的关联信息,根据预先定义的关联信息和参考状态特征集的对应关系,确定与当前患者相关的参考状态特征集,并作为目标参考状态特征集,从而大大减少了所述状态特征集与所述相关的状态模板的匹配的预算量,进而提高报警效率及准确率。步骤S207,计算所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离,其中,所述目标状态特征与所述参考状态特征相关联。
其中,所述状态特征集包括至少一个目标状态特征,所述相关的状态模板包括至少一个参考状态特征。监护设备通过将所述状态特征集中的所有状态特征与所述至少一个参考状态特征进行比较,并计算所述状态特征集中的所有目标状态特征与对应的参考状态特征之间的匹配距离,从而可以基于计算出的匹配距离来衡量每一目标特征与相关联的参考状态特征的接近程度,以便进行后续判断所述状态特征集中的目标状态特征集与相关的状态模板是否匹配,进而提高状态报警信息输出的准确性。
举例来说,所述匹配距离是指其中一个所述目标状态特征与相关联的参考状态特征的接近程度。例如,当所述目标状态特征为意识混浊不清,所述参考状态特征也为意识混浊不清,确定所述目标状态特征和所述参考状态特征之间的匹配距离为0,表明所述目标状态特征与对应的参考状态特征的接近程度达到100%。
在一些实施例中,在所述计算所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离之前,所述状态报警方法还包括:
判断所述状态特征集和所述相关的状态模板是否满足第一匹配条件;
在确定所述状态特征集和所述相关的状态模板满足第一匹配条件时,从所述状态特征集中提取所述目标状态特征集。
通过从所述状态特征集中提取所述目标状态特征集,即监护设备可以基于所述相关的状态模板中的参考状态特征从所述动态特征集中确定出待分析的所有目标状态特征,从而可以降低处理器的运算量和系统的功耗,进而提高了后续报警信息生成的效率,及避免患者的病情发生延误。
所述判断所述状态特征集和所述相关的状态模板是否满足第一匹配条件,具体包括:
在检测到所述状态特征集中的所有目标状态特征中包含所述相关的状态模板中的所有参考状态特征时,则确定所述状态特征集和所述相关的状态模板满足第一匹配条件;或者,
在检测到所述状态特征集中的所有目标状态特征中包含所述相关的状态模板中的部分参考状态特征,且所述所有目标状态特征与所述所有参考状态特征的占比大于预设值时,则确定所述状态特征集和所述相关的状态模板满足第一匹配条件;或者,
在检测到所述状态特征集中的所有目标状态特征中包含所述相关的状态模板中的部分参考状态特征,且所述所有目标状态特征包含有所述相关的状态模板中的关键参考状态特征时,则确定所述状态特征集和所述相关的状态模板满足第一匹配条件。
可以理解地,所述至少一个状态特征中包含有所述参考状态特征是指,所述状态特征的特征类型与对应的参考状态特征的特征类型相同,例如所述状态特征与对应的参考状态特征均为同一类别的监测数据或影像数据、面色数据、五官数据、体态数据、皮肤数据、指纹数据等。换句话说,所述状态特征的文字信息与对应的参考状态特征的文字信息部分相同或完全相同。
在一些实施例中,在检测到所述状态特征集中的所有目标状态特征中包含所述相关的状态模板中的所有参考状态特征时,则确定所述状态特征集和所述相关的状态模板满足第一匹配条件,从而避免监护设备100出现误报警问题,确保了状态报警的准确度。
在另一实施例中,在检测到所述状态特征集中的所有目标状态特征中包含所述相关的状态模板中的部分参考状态特征,且所述所有目标状态特征与所述所有参考状态特征的占比大于预设值(例如匹配率大于80%)时,则确定所述状态特征集和所述相关的状态模板满足第一匹配条件,确定所述状态特征集和所述相关的状态模板匹配,从而避免监护设备100出现漏报警问题、且扩大了所述相关的状态模板的适用范围。
在检测到所述状态特征集中的所有目标状态特征中包含所述相关的状态模板中的部分参考状态特征,且所述所有目标状态特征包含有所述相关的状态模板中的关键参考状态特征时,则确定所述状态特征集和所述相关的状态模板满足第一匹配条件,从而避免监护设备100出现误报警、漏报警等问题,进而提高了状态报警的准确度、且扩大了所述相关的状态模板的适用范围。
步骤S209,根据计算所获得的所有匹配距离,判断所述状态特征集中的目标状态特征集与所述相关的状态模板是否匹配,其中,所述目标状态特征集为由所有所述目标状态特征构成的集合。
所述根据计算所获得的所有匹配距离,判断所述目标状态特征集与所述相关的状态模板是否匹配,具体包括:
将所述所有匹配距离按照预设算法进行计算,得到综合匹配距离;
在所述综合匹配距离小于或等于预设的综合匹配距离阈值时,则确定所述目标状态特征集与所述相关的状态模板匹配。
其中,所述综合匹配距离的值越小,所述目标状态特征集与所述相关的状态模板之间的匹配度越高。在一实施例中,两数值之间的距离计算公式适用于所述预设算法。例如,计算每一目标状态特征与相关联的参考状态特征之间的匹配距离,即计算所述其中一个所述目标状态特征所对应的数值与对应的参考状态特征所对应的数值之间的差值,再取平方,最后将计算出的匹配距离全部累加,以得到所述综合匹配距离。在其它一些实施例中,计算所述其中一个所述目标状态特征所对应的数值与对应的参考状态特征所对应的数值之间的差值,再取平方,然后乘以相关联的预设的加权系数,最后全部累加加权计算后的所有匹配距离,以得到所述综合匹配距离。所述目标状态特征根据重要等级设置对应的加权系数,从而提高监护设备100输出报警信息的准确性。
在另一些实施例中,所述根据计算所获得的所有匹配距离,判断所述目标状态特征集与所述相关的状态模板是否匹配,具体包括:在每一所述匹配距离均小于或等于对应的预设的匹配距离阈值时,则确定所述目标状态特征集与所述相关的状态模板匹配。
在本实施例中,当每一所述匹配距离大于或等于对应的预设的匹配距离阈值,即每一所述目标状态特征与对应的参考状态特征的接近程度达到预设值,例如80%,确定所述目标状态特征集与所述相关的状态模板匹配。
在其它一些实施例中,所述根据计算所获得的所有匹配距离,判断所述目标状态特征集与所述相关的状态模板是否匹配,具体包括:在每一所述匹配距离小于或等于对应的预设的匹配距离阈值的占比大于预设值时,则确定所述目标状态特征集与所述相关的状态模板匹配。
所述计算所状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离之前,所述方法还包括:
提取所述状态特征集中所有目标状态特征对应的目标状态特征信息及提取所述相关的状态模板中所有参考状态特征对应的参考状态特征信息;
从所述状态特征集中筛选出目标状态特征信息中未包含有可量化参数数据的目标状态特征及从所述相关的状态模板中筛选出参考状态特征信息中未包含有可量化参数数据的参考状态特征,分别作为选定目标状态特征和选定参考状态特征;
将所述选定目标状态特征和所述选定参考状态特征按照预设规则进行数值化编码。
其中,所述目标状态特征信息和所述参考状态特征信息均包括特征类型对应的文字信息及特征类型对应的数值信息。在一实施例中,从所述目标状态特征集中筛选出目标状态特征信息中未包含有可量化参数数据的目标状态特征及从所述相关的状态模板中筛选出参考状态特征信息中未包含有可量化参数数据的参考状态特征,分别作为选定目标状态特征和选定参考状态特征,具体包括:
在所述目标状态特征信息及所述参考状态特征信息中不包含所述数值信息时,将所述目标状态特征信息中未包含有所述数值信息对应的目标状态特征作为选定目标状态特征,以及将所述参考状态特征信息中未包含有所述数值信息对应的参考状态特征作为选定参考状态特征。
在所述目标状态特征信息及所述参考状态特征信息中包含所述数值信息时,判断所述目标状态特征信息及所述参考状态特征信息中是否包含预设文字信息;
在确定所述目标状态特征信息及所述参考状态特征信息中包含所述预设文字信息,将所述目标状态特征信息中包含有所述预设文字信息对应的目标状态特征作为选定目标状态特征,以及将所述参考状态特征信息中包含有所述预设文字信息对应的参考状态特征作为选定参考状态特征。
其中,所述目标状态特征信息和所述参考状态特征信息中包含的所述预设文字信息例如是,但不局限于“乳酸值”、“精神萎靡”等。
可以理解的,所述数字编码是只采用数字和有关特殊字符来表示数据和指令的编码。所述数字可以用户自定义,出厂默认设置,例如是1,-1。例如,状态特征“精神萎靡”进行数值编码后为“精神萎靡(1)”、状态特征“心率单调上升”进行数值编码后为“心率单调上升(1)”、状态特征“收缩压单调下降”进行数值编码后为“收缩压单调下降(-1)”。当所述目标状态特征信息及所述参考状态特征信息均为“精神萎靡”时,经数值编码后为“精神萎靡(1)”。由此可知,所述目标状态特征与所述参考状态特征的匹配距离为0,则表明所述目标状态特征与所述参考状态特征完全匹配。
步骤S211,在确定所述目标状态特征集与所述相关的状态模板匹配时,输出状态报警信息。
在一些实施例中,所述相关的状态模板的数量可以为一个,因此,监护设备在确定所述目标状态特征集与所述相关的状态模板匹配后只输出一条状态报警信息。
在另一些实施例中,所述相关的状态模板的数量包括多个,所述状态报警信息的数量与所述状态模板的数量对应,所述输出状态报警信息,具体包括:
获取每一所述相关的状态模板与所述目标状态特征集之间的匹配度;
按照每一匹配距离的数值从高到低的顺序依次输出对应的状态报警信息。
可以理解的,当所述相关的状态模板的数量包括多个时,所述状态特征集将与所有所述相关的状态模板进行一次匹配,并按照所述匹配距离的数值从高到低的顺序依次输出对应的状态报警信息。如此,医护人员可以优先处理病症恶化程度高的患者,从而避免病情延误的风险,且减少了医护人员的工作量。
所述输出状态报警信息,具体包括:
显示一报警提示框,并在所述报警提示框内显示所述状态报警信息。
所述状态报警信息包括字符串信息。在一些实施例中,所述状态报警信息还包括声音、灯光或图文等提示信息。所述输出状态报警信息,还包括:
确定所述状态报警信息的报警级别;
根据所述报警状态信息的报警级别,将所述报警提示框的背景底色设置为与所述报警级别对应的颜色。
在本实施例中,通过确定所述状态报警信息的报警级别后,将所述报警提示框的背景底色设置为与所述报警级别对应的颜色,从而医护人员能够根据状态报警信息或概览报告快速、可靠地判断患者病情的恶化程度,从而便利于对患者健康状态的实时掌握。其中,红色表示致命或高级报警,黄色表示重要或中级报警,绿色表示提示或低级报警。所述背景底色对应的颜色与报警级别的对应关系不局限于上述描述,可以用户喜好自定义两者的对应关系。
在一些实施例中,所述状态报警方法还包括:响应针对所述状态报警信息的目标操作,控制显示所述状态报警信息对应的详情内容。
其中,所述详情内容包括,但不局限于所述相关的状态模板的名称、患者基本信息、病症类型、病症恶化、病症恶化程度、所述目标状态特征信息包括目标状态特征的文字信息、目标状态特征的数值信息、用于表征所述目标状态特征的数值信息的变化趋势的指示图标、所述目标状态特征的发生时间等。所述目标操作可以是,但不局限于点击、双击、滑动、长按等操作。其中,所述患者基本信息可以包括性别、年龄、体重等。
在一些实施例中,所述状态报警信息包括第一字符串信息,所述第一字符串信息包括所述相关的状态模板的名称。如此,通过在显示所述状态模板的名称,从而医护人员能够根据所述状态模板的名称推测患者可能何种病情的恶化,从而便利于对患者健康状态的实时掌握。
在另一些实施例中,所述状态报警信息包括第一字符串信息,所述第一字符串信息用于表征患者的病症恶化的预测结果。如此,通过显示表征患者的病症恶化的预测结果,从而医护人员能够根据所述预测结果快速、可靠地掌握患者病情,从而便利于对患者健康状态的实时掌握。
具体地,所述第一字符串信息包括病症类型、病症恶化、病症恶化程度中的至少一者。需要说明的是,“病情恶化”的报警可以包括以下两种情况。第一种情况是,监护设备并未从所述病情数据中获得有效信息或者在第一时间段内确定所述目标状态特征集与所述相关的状态模板不匹配,即患者并未患有与所述相关的状态模板相关联的病症,且在第二时间段内确定所述目标状态特征集与所述相关的状态模板匹配时,控制监护设备输出对应的状态报警信息,此时表明患者当前患有与所述相关的状态模板相关联的病症,并由此可以推知患者的病情发生了恶化,从而便利于医护人员快速且实时对患者健康状态的实时掌握。第二种情况是,监护设备从所述病情数据中获得有效信息或者在第一时间段内确定所述目标状态特征集与所述相关的状态模板匹配,即患者之前或在该第一时间段患有与所述相关的状态模板相关联的病症,且在第二时间段仍确定所述目标状态特征集与所述相关的状态模板匹配时,控制监护设备输出对应的状态报警信息,此时表明患者当前可能仍患有与所述相关的状态模板相关联的病症,从而便利于医护人员快速且实时对患者健康状态的实时掌握。在第二种情况下,假设在第一时间段内确定所述目标状态特征集与所述相关的状态模板匹配时对应计算出的匹配距离为D1,且在第二时间段内确定所述目标状态特征集与所述相关的状态模板也匹配时对应计算出的匹配距离为D2,若D2大于D1,则可以推知患者的病情减轻;若D2大于D1,则可以推知患者的病情发生了恶化。
其中,所述第一字符串信息包括第一字段和第二字段,所述第一字段用于表征患者病情恶化的发生时间和/或发生概率,所述第二字段用于表征患者病症。所述第一字符串信息的内容用户可以自定义,也可以是出厂默认设置。
所述第一字符串信息包括,但不局限于患者可能休克、患者可能即将发生休克、患者具有休克风险、请检查患者是否发生休克、患者可能心衰、患者可能急性心衰、患者可能发生急性心脏事件、患者可能即将发生心衰、患者具有心衰风险、请检查患者是否发生心衰、患者可能心脏骤停、患者可能即将发生心脏骤停、患者具有心脏骤停风险、请检查患者是否发生心脏骤停、患者可能内出血、患者可能即将发生内出血、患者具有内出血风险、请检查患者是否发生内出血、患者可能呼吸抑制、患者可能即将发生呼吸抑制、患者具有呼吸抑制风险、请检查患者是否发生呼吸抑制、患者可能颅脑出血、患者可能即将发生颅脑出血、患者具有颅脑出血风险、请检查患者是否发生颅脑出血、患者可能肾脏衰竭、患者可能即将发生肾脏衰竭、患者具有肾脏衰竭风险、请检查患者是否发生肾脏衰竭、患者可能严重感染、患者可能即将发生严重感染、患者具有严重感染风险、请检查患者是否发生严重感染中的至少一者。
所述状态报警信息还包括第二字符串信息,其中,所述第二字符串信息包括所述状态模板中的参考状态特征信息、所述状态特征集中的目标状态特征信息及所述患者数据中的疾病诊断信息中的至少一者,所述目标状态特征信息包括所述目标状态特征的文字信息、所述目标状态特征的数值信息、用于表征所述目标状态特征的数值信息的变化趋势的指示图标、所述目标状态特征的发生时间中的至少一者,所述疾病诊断信息包括当前疾病诊断信息和历史疾病诊断信息中的至少一者。此外,综合第一字符串信息和第二字符串信息进一步了解患者的病症,这也大大提高了医护人员工作效率。
所述报警提示框包括第一显示区域和第二显示区域,监护设备显示一可视化界面,所述可视化界面包括第一显示区域和第二显示区域;所述输出状态报警信息,具体包括:
控制在所述第一显示区域内显示所述第一字符串信息,以及在所述第二显示区域内显示所述第二字符串信息。
其中,所述第一区域可以位于所述第二区域的上方。在一些实施例中,所述第二区域可以位于所述第一区域的至少一侧。所述第一区域和所述第二区域的排布方式可以根据可视化界面显示的内容信息或根据用户观察习惯等因素进行设置,本发明不做具体限定。
下面以休克状态报警为例进行说明。假设休克状态模板中的参考状态特征包括以下5个特征,即(1)意识混浊不清;(2)心率>100bpm;(3)呼吸率>22次/min;(4)收缩压<90mmHg或相比基线下降30mmHg;(5)尿量<0.5mL/kg/h。在所述状态特征集与所述休克状态模板匹配时,所述监护仪输出报警提示框,并在所述报警提示框内显示对应的状态报警信息。请参阅图3,图3所示为本发明第一实施方式提供的状态报警信息对应的报警提示框的界面图。报警提示框60内显示的状态报警信息为状态模板的名称,为休克状态模板。其中,所述报警提示框的背景底色为黄色,表明当前的状态报警信息对应的报警级别为中级。
请参阅图4,图4所示为本发明第二实施方式提供的状态报警信息对应的报警提示框的界面图。报警提示框60包括第一显示区域601和第二显示区域603,其中,所述第一显示区域601显示所述状态模板的名称,为休克状态模板;所述第二显示区域603显示所述状态模板的参考状态特征。其中,所述报警提示框的背景底色为黄色,表明当前的状态报警信息对应的报警级别为中级。
请参阅图5,图5所示为本发明第三实施方式提供的状态报警信息对应的报警提示框的界面图。报警提示框60内显示的状态报警信息为用于表征患者的病症恶化的预测结果的第一字符串信息,即“患者可能发生休克”。其中,所述报警提示框的背景底色为红色,表明当前的状态报警信息对应的报警级别为高级。
请参阅图6,图6所示为本发明第四实施方式提供的状态报警信息对应的报警提示框的界面图。报警提示框60包括第一显示区域601和第二显示区域603,其中,所述第一显示区域601显示用于表征患者的病症恶化的预测结果的第一字符串信息,即“患者可能发生休克”;所述第二显示区域603显示患者基本信息、诊断信息、所述状态模板的参考状态特征、及所述状态特征集中与所述状态模板相关联的目标状态特征信息。所述目标状态特征信息包括所述目标状态特征的文字信息、所述目标状态特征的数值信息、用于表征所述目标状态特征的数值信息的变化趋势的指示图标、所述目标状态特征的发生时间中的至少一者,所述疾病诊断信息包括当前疾病诊断信息和历史疾病诊断信息中的至少一者。其中,所述基本信息可以包括性别、年龄、体重等。所述诊断信息包括病症类型。所述报警提示框的背景底色为红色,表明当前的状态报警信息对应的报警级别为高级。
举例来说,患者从神经外科转入重症加强护理病房(Intensive Care Unit,ICU)。基本信息显示患者的性别为女,年龄为74岁。诊断信息显示患者大脑中动脉狭窄、风湿性心脏病,且肺部轻度感染。基于获取到的患者数据与休克状态模板的第一匹配距离,显示当前患者可能发生休克,且报警提示框的背景底色显示为用于表征所述休克状态报警的报警级别为高级报警的红色。获取到的患者数据满足所述休克状态模板中的5个参考状态特征。具体的,参考状态特征“意识混浊不清”显示位置的右侧显示意识混浊不清的发生时间为2020年7月26日,9点5分。参考状态特征“心率>100bpm”显示位置的右侧显示向上箭头,参考状态特征“收缩压<90mmHg”和“尿量<0.5mL/kg/h”显示位置的右侧显示向下箭头,其中,向上箭头代表参数测量值或指标测量值处于上升状态,向下箭头代表参数测量值或指标测量值处于下降趋势。参考状态特征“呼吸率>22次/min”显示位置的右侧显示波浪曲线,其中,所述波浪曲线表示呼吸率数值在快速波动。
本发明实施例提供了一种状态报警方法、监护设备、监护系统及可读存储介质。所述状态报警方法,应用于监护设备,通过分析所述患者数据,以获取状态特征集,并基于计算出的所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离,判断所述状态特征集中的目标状态特征集与所述相关的状态模板是否匹配,以及在确定所述目标状态特征集与所述相关的状态模板匹配时,输出状态报警信息,如此监护设备综合考虑了表征患者状态的患者数据,从而避免监护设备出现误报警、漏报警等问题,且医护人员能够根据状态报警信息快速、可靠地判断患者病情,从而便利于对患者健康状态的实时掌握。
此外,通过在报警提示框内显示用于表征患者的病症恶化的预测结果的第一字符串信息,从而医护人员可以快速、可靠地掌握患者病情,提高医护人员的工作效率。进一步的,通过将所述报警提示框的背景底色设置为与所述报警级别对应的颜色,从而大大提升了用户的操作体验和视觉体验,且便利于医护人员操作,更加符合人性化。
本发明实施例还提供一种计算机存储介质,其中,所述计算机存储介质可存储有程序,所述程序执行时包括上述方法实施例中记载的任意一种状态报警方法的部分或全部步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应所述知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可能可以采用其它顺序或者同时进行。其次,本领域技术人员也应所述知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在本申请所提供的几个实施例中,应所述理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。上述状态报警方法以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的全部或部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明各个实施例上述状态报警方法的全部或部分步骤。其中,而前述的存储介质可包括:U盘、移动硬盘、磁碟、光盘、只读存储器(英文:Read-Only Memory,缩写:ROM)或者随机存取存储器(英文:Random AccessMemory,缩写:RAM)等各种可以存储程序代码的介质。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上上述,本说明书内容不应理解为对本发明的限制。
Claims (31)
1.一种状态报警方法,应用于监护设备,其特征在于,所述状态报警方法包括如下步骤:
获取表征患者状态的患者数据;
获取相关的状态模板;
分析所述患者数据,以获取状态特征集;
计算所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离,其中,所述目标状态特征与所述参考状态特征相关联;
根据计算所获得的所有匹配距离,判断所述状态特征集中的目标状态特征集与所述相关的状态模板是否匹配,其中,所述目标状态特征集为由所有所述目标状态特征构成的集合;
在确定所述目标状态特征集与所述相关的状态模板匹配时,输出状态报警信息。
2.如权利要求1所述的状态报警方法,其特征在于,所述患者数据包括监测数据,所述患者数据还包括病情数据、检验数据、检查数据中的至少一种,
所述监测数据包括生命体征参数数据,所述生命体征参数数据包括心电、血压、脉搏血氧、呼吸、体温、心排量、二氧化碳、运动数据、视频数据、呼吸力学参数、血流动力学参数、氧代谢参数、脑电参数、双频指数及微循环参数中的至少一种;
所述病情数据包括患者基本信息、疾病诊断信息、治疗方案信息、护理记录信息以及电子病历系统上自然语言信息中的至少一种;
所述检验数据包括生化检验指标数据,所述生化检验指标数据包括血常规检验数据、肝功能检验数据、肾功能检验数据、甲状腺检验数据、尿液检验数据、免疫检验数据、凝血检验数据、血气检验数据、便常规检验数据及肿瘤标记物检验数据中的至少一种;
所述检查数据包括DR影像数据、CT影像数据、MRI影像数据、PET影像数据、超声影像数据、量表数据、体格测验数据中的至少一种。
3.如权利要求2所述的状态报警方法,其特征在于,所述分析所述患者数据,以获取状态特征集,具体包括:
分析所述患者数据中的监测数据、病情数据、检验数据、检查数据中的至少一种,提取与所述相关的状态模板中的特征相同的参数测量值、指标测量值和非量化指标数据的特征;
分析所述参数测量值和所述指标测量值,以获取动态特征集;
分析所述参数测量值、所述指标测量值和所述非量化指标数据,以获取静态特征集;以及
将所述动态特征集和所述静态特征集进行组合,以获得所述状态特征集。
4.如权利要求3所述的状态报警方法,其特征在于,所述分析所述参数测量值和所述指标测量值,以获取动态特征集,具体包括:
基于所述参数测量值和所述指标测量值,构建在预设时间段内的至少一趋势特征向量,所述至少一趋势特征向量包括单参数趋势特征向量、组合参数趋势特征向量、单指标趋势特征向量、组合指标趋势特征向量、组合参数和指标趋势特征向量中的至少一者;
将所述至少一趋势特征向量作为所述动态特征集;
所述分析所述参数测量值、所述指标测量值和所述非量化指标数据,以获取静态特征集,具体包括:
基于所述参数测量值和所述非量化指标数据,构建在预设时间点的特征向量;
将所述特征向量作为所述静态特征集。
5.如权利要求4所述的状态报警方法,其特征在于,所述预设时间点为距离所述预设时间段的结束时间点最近的患者数据输入所对应的时间点。
6.如权利要求2所述的状态报警方法,其特征在于,所述获取相关的状态模板,具体包括:
在检测到所述病情数据中包含与所述相关的状态模板相关的有效信息时,根据所述病情数据中的有效信息,获取所述相关的状态模板;或者,
在检测到所述病情数据中不包含与所述相关的状态模板相关的有效信息时,将所述监护设备默认的通用状态模板作为所述相关的状态模板。
7.如权利要求6所述的状态报警方法,其特征在于,所述有效信息包括与病症状态相关的信息,所述根据所述病情数据中的有效信息,获取所述相关的状态模板,具体包括:
获取所述病情数据中的诊断语句,并从所述诊断语句中提取与病症状态相关的关键词;
从状态模板数据库中筛选出与所述关键词匹配的状态模板,作为所述相关的状态模板。
8.如权利要求1所述的状态报警方法,其特征在于,所述相关的状态模板包括至少一个参考状态特征集,所述状态报警方法,还包括:
获取所述患者数据中的患者基本信息,并从所述患者基本信息中提取与病症指标相关的关联信息,所述关联信息包括患者类型、患者体重、患者性别中的至少一者;
根据预先定义的关联信息和参考状态特征集的对应关系,确定与当前患者相关的参考状态特征集,并作为目标参考状态特征集;
所述判断所述目标状态特征集与所述相关的状态模板是否匹配,具体包括:
判断所述目标状态特征集与所述目标参考状态特征集是否匹配,在确定所述目标状态特征集与所述目标参考状态特征集匹配时,确认所述目标状态特征集与所述相关的状态模板匹配。
9.如权利要求1所述的状态报警方法,其特征在于,在所述计算所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离之前,所述状态报警方法还包括:
判断所述状态特征集和所述相关的状态模板是否满足第一匹配条件;
在确定所述状态特征集和所述相关的状态模板满足第一匹配条件时,从所述状态特征集中提取所述目标状态特征集。
10.如权利要求9所述的状态报警方法,其特征在于,所述判断所述状态特征集和所述相关的状态模板是否满足第一匹配条件,具体包括:
在检测到所述状态特征集中的所有目标状态特征中包含所述相关的状态模板中的所有参考状态特征时,则确定所述状态特征集和所述相关的状态模板满足第一匹配条件;或者,
在检测到所述状态特征集中的所有目标状态特征中包含所述相关的状态模板中的部分参考状态特征,且所述所有目标状态特征与所述所有参考状态特征的占比大于预设值时,则确定所述状态特征集和所述相关的状态模板满足第一匹配条件;或者,
在检测到所述状态特征集中的所有目标状态特征中包含所述相关的状态模板中的部分参考状态特征,且所述所有目标状态特征包含有所述相关的状态模板中的关键参考状态特征时,则确定所述状态特征集和所述相关的状态模板满足第一匹配条件。
11.如权利要求1所述的状态报警方法,其特征在于,所述根据计算所获得的所有匹配距离,判断所述目标状态特征集与所述相关的状态模板是否匹配,具体包括:
将所述所有匹配距离按照预设算法进行计算,得到综合匹配距离;
在所述综合匹配距离小于或等于预设的综合匹配距离阈值时,则确定所述目标状态特征集与所述相关的状态模板匹配;或者,
在每一所述匹配距离均小于或等于对应的预设的匹配距离阈值时,则确定所述目标状态特征集与所述相关的状态模板匹配;或者,
在每一所述匹配距离小于或等于对应的预设的匹配距离阈值的占比大于预设值时,则确定所述目标状态特征集与所述相关的状态模板匹配。
12.如权利要求1所述的状态报警方法,其特征在于,所述计算所状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离之前,所述方法还包括:
提取所述状态特征集中所有目标状态特征对应的目标状态特征信息及提取所述相关的状态模板中所有参考状态特征对应的参考状态特征信息;
从所述状态特征集中筛选出目标状态特征信息中未包含有可量化参数数据的目标状态特征及从所述相关的状态模板中筛选出参考状态特征信息中未包含有可量化参数数据的参考状态特征,分别作为选定目标状态特征和选定参考状态特征;
将所述选定目标状态特征和所述选定参考状态特征按照预设规则进行数值化编码。
13.如权利要求1所述的状态报警方法,其特征在于,所述相关的状态模板的数量包括多个,所述状态报警信息的数量与所述状态模板的数量对应,所述输出状态报警信息,具体包括:
获取每一所述相关的状态模板与所述目标状态特征集之间的匹配度;
按照每一匹配距离的数值从高到低的顺序依次输出对应的状态报警信息。
14.如权利要求1所述的状态报警方法,其特征在于,所述状态报警信息包括第一字符串信息,所述第一字符串信息包括所述相关的状态模板的名称。
15.如权利要求1所述的状态报警方法,其特征在于,所述状态报警信息包括第一字符串信息,所述第一字符串信息用于表征患者的病症恶化的预测结果。
16.如权利要求14或15所述的状态报警方法,其特征在于,所述状态报警信息还包括第二字符串信息,其中,所述第二字符串信息包括所述状态模板中的参考状态特征信息、所述状态特征集中的目标状态特征信息及所述患者数据中的疾病诊断信息中的至少一者,所述目标状态特征信息包括所述目标状态特征的文字信息、所述目标状态特征的数值信息、用于表征所述目标状态特征的数值信息的变化趋势的指示图标、所述目标状态特征的发生时间中的至少一者,所述疾病诊断信息包括当前疾病诊断信息和历史疾病诊断信息中的至少一者。
17.如权利要求15所述的状态报警方法,其特征在于,所述第一字符串信息包括第一字段和第二字段,所述第一字段用于表征患者病情恶化的发生时间和/或发生概率,所述第二字段用于表征患者病症。
18.如权利要求15所述的状态报警方法,其特征在于,所述第一字符串信息包括患者可能休克、患者可能即将发生休克、患者具有休克风险、请检查患者是否发生休克、患者可能心衰、患者可能急性心衰、患者可能发生急性心脏事件、患者可能即将发生心衰、患者具有心衰风险、请检查患者是否发生心衰、患者可能心脏骤停、患者可能即将发生心脏骤停、患者具有心脏骤停风险、请检查患者是否发生心脏骤停、患者可能内出血、患者可能即将发生内出血、患者具有内出血风险、请检查患者是否发生内出血、患者可能呼吸抑制、患者可能即将发生呼吸抑制、患者具有呼吸抑制风险、请检查患者是否发生呼吸抑制、患者可能颅脑出血、患者可能即将发生颅脑出血、患者具有颅脑出血风险、请检查患者是否发生颅脑出血、患者可能肾脏衰竭、患者可能即将发生肾脏衰竭、患者具有肾脏衰竭风险、请检查患者是否发生肾脏衰竭、患者可能严重感染、患者可能即将发生严重感染、患者具有严重感染风险、请检查患者是否发生严重感染中的至少一者。
19.一种监护设备,其特征在于,包括处理器和输出装置,所述处理器用于:
获取表征患者状态的患者数据;
获取相关的状态模板;
分析所述患者数据,以获取状态特征集;
计算所述状态特征集中的每一目标状态特征与所述相关的状态模板中对应的参考状态特征之间的匹配距离,其中,所述目标状态特征与所述参考状态特征相关联;
根据计算所获得的所有匹配距离,判断所述状态特征集中的目标状态特征集与所述相关的状态模板是否匹配,其中,所述目标状态特征集为由所有所述目标状态特征构成的集合;
在确定所述目标状态特征集与所述相关的状态模板匹配时,控制所述输出装置输出状态报警信息。
20.如权利要求19所述的监护设备,其特征在于,所述患者数据包括监测数据,所述患者数据还包括病情数据、检验数据、检查数据中的至少一种,
所述监测数据包括生命体征参数数据,所述生命体征参数数据包括心电、血压、脉搏血氧、呼吸、体温、心排量、二氧化碳、运动数据、视频数据、呼吸力学参数、血流动力学参数、氧代谢参数、脑电参数、双频指数及微循环参数中的至少一种;
所述病情数据包括患者基本信息、疾病诊断信息、治疗方案信息、护理记录信息以及电子病历系统上自然语言信息中的至少一种;
所述检验数据包括生化检验指标数据,所述生化检验指标数据包括血常规检验数据、肝功能检验数据、肾功能检验数据、甲状腺检验数据、尿液检验数据、免疫检验数据、凝血检验数据、血气检验数据、便常规检验数据及肿瘤标记物检验数据中的至少一种;
所述检查数据包括DR影像数据、CT影像数据、MRI影像数据、PET影像数据、超声影像数据、量表数据、体格测验数据中的至少一种。
21.如权利要求19所述的监护设备,其特征在于,所述处理器还用于:分析所述患者数据中的监测数据、病情数据、检验数据、检查数据中的至少一种,提取与所述相关的状态模板中的特征相同的参数测量值、指标测量值和非量化指标数据的特征;分析所述参数测量值和所述指标测量值,以获取动态特征集;分析所述参数测量值、所述指标测量值和所述非量化指标数据,以获取静态特征集;以及将所述动态特征集和所述静态特征集进行组合,以获得所述状态特征集。
22.如权利要求19所述的监护设备,其特征在于,所述状态报警信息包括第一字符串信息,所述第一字符串信息用于表征患者病症恶化的预测结果,所述第一字符串信息包括病症类型、病症恶化、病症恶化程度中的至少一者。
23.如权利要求22所述的监护设备,其特征在于,所述状态报警信息还包括第二字符串信息,其中,所述第二字符串信息包括所述状态模板中的参考状态特征信息、所述状态特征集中的目标状态特征信息及所述患者数据中的疾病诊断信息中的至少一者,所述目标状态特征信息包括所述目标状态特征的文字信息、所述目标状态特征的数值信息、用于表征所述目标状态特征的数值信息的变化趋势的指示图标、所述目标状态特征的发生时间中的至少一者,所述疾病诊断信息包括当前疾病诊断信息和历史疾病诊断信息中的至少一者。
24.一种监护设备,其特征在于,包括处理器和输出装置,所述处理器用于:
获取表征患者状态的患者数据,所述患者数据包括病情数据、监测数据、检验数据、检查数据中的至少一种;
根据所述患者数据,判断患者病情恶化的发生时间和/或发生概率;
控制所述输出装置输出用于表征患者病症恶化的预测结果的第一字符串信息,所述第一字符串信息包括病症类型、病症恶化、病症恶化程度中的至少一者。
25.如权利要求24所述的监护设备,其特征在于,
所述监测数据包括生命体征参数数据,所述生命体征参数数据包括心电、血压、脉搏血氧、呼吸、体温、心排量、二氧化碳、运动数据、视频数据、呼吸力学参数、血流动力学参数、氧代谢参数、脑电参数、双频指数及微循环参数中的至少一种;
所述病情数据包括患者基本信息、疾病诊断信息、治疗方案信息、护理记录信息以及电子病历系统上自然语言信息中的至少一种;
所述检验数据包括生化检验指标数据,所述生化检验指标数据包括血常规检验数据、肝功能检验数据、肾功能检验数据、甲状腺检验数据、尿液检验数据、免疫检验数据、凝血检验数据、血气检验数据、便常规检验数据及肿瘤标记物检验数据中的至少一种;
所述检查数据包括DR影像数据、CT影像数据、MRI影像数据、PET影像数据、超声影像数据、量表数据、体格测验数据中的至少一种。
26.如权利要求22或24所述的监护设备,其特征在于,所述第一字符串信息包括第一字段和第二字段,所述第一字段用于表征患者病情恶化的发生时间和/或发生概率,所述第二字段用于表征患者病症。
27.如权利要求22或24所述的监护设备,其特征在于,所述第一字符串信息包括患者可能休克、患者可能即将发生休克、患者具有休克风险、请检查患者是否发生休克、患者可能心衰、患者可能急性心衰、患者可能发生急性心脏事件、患者可能即将发生心衰、患者具有心衰风险、请检查患者是否发生心衰、患者可能心脏骤停、患者可能即将发生心脏骤停、患者具有心脏骤停风险、请检查患者是否发生心脏骤停、患者可能内出血、患者可能即将发生内出血、患者具有内出血风险、请检查患者是否发生内出血、患者可能呼吸抑制、患者可能即将发生呼吸抑制、患者具有呼吸抑制风险、请检查患者是否发生呼吸抑制、患者可能颅脑出血、患者可能即将发生颅脑出血、患者具有颅脑出血风险、请检查患者是否发生颅脑出血、患者可能肾脏衰竭、患者可能即将发生肾脏衰竭、患者具有肾脏衰竭风险、请检查患者是否发生肾脏衰竭、患者可能严重感染、患者可能即将发生严重感染、患者具有严重感染风险、请检查患者是否发生严重感染中的至少一者。
28.如权利要求24所述的监护设备,其特征在于,所述处理器还用于:控制所述输出装置输出第二字符串信息,其中,所述第二字符串信息包括所述状态模板中的参考状态特征信息、所述状态特征集中的目标状态特征信息及所述患者数据中的疾病诊断信息中的至少一者,所述目标状态特征信息包括所述目标状态特征的文字信息、所述目标状态特征的数值信息、用于表征所述目标状态特征的数值信息的变化趋势的指示图标、所述目标状态特征的发生时间中的至少一者,所述疾病诊断信息包括当前疾病诊断信息和历史疾病诊断信息中的至少一者。
29.如权利要求19或24所述的监护设备,其特征在于,所述监护设备为监护仪、本地中央站、远程中央站、云端服务系统、移动终端中的任意一个或其组合。
30.一种监护系统,其特征在于,包括如权利要求19或24所述的监护设备和通讯连接于所述监护设备的第三方设备。
31.一种可读存储介质,其特征在于,所述可读存储介质上存储有交互程序,所述交互程序被处理器运行时执行如权利要求1-18中任一项所述的状态报警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011645383.XA CN114680820A (zh) | 2020-12-31 | 2020-12-31 | 状态报警方法、监护设备、监护系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011645383.XA CN114680820A (zh) | 2020-12-31 | 2020-12-31 | 状态报警方法、监护设备、监护系统及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114680820A true CN114680820A (zh) | 2022-07-01 |
Family
ID=82135507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011645383.XA Pending CN114680820A (zh) | 2020-12-31 | 2020-12-31 | 状态报警方法、监护设备、监护系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114680820A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315885A (zh) * | 2023-09-04 | 2023-12-29 | 中国人民解放军总医院第四医学中心 | 一种监测尿袋尿量与心电监护仪的远程共享报警系统 |
WO2024032811A1 (zh) * | 2022-08-12 | 2024-02-15 | 深圳迈瑞生物医疗电子股份有限公司 | 生命信息处理系统和生命信息处理方法 |
-
2020
- 2020-12-31 CN CN202011645383.XA patent/CN114680820A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024032811A1 (zh) * | 2022-08-12 | 2024-02-15 | 深圳迈瑞生物医疗电子股份有限公司 | 生命信息处理系统和生命信息处理方法 |
CN117315885A (zh) * | 2023-09-04 | 2023-12-29 | 中国人民解放军总医院第四医学中心 | 一种监测尿袋尿量与心电监护仪的远程共享报警系统 |
CN117315885B (zh) * | 2023-09-04 | 2024-05-28 | 中国人民解放军总医院第四医学中心 | 一种监测尿袋尿量与心电监护仪的远程共享报警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220277849A1 (en) | Wellness analysis system | |
US9775569B2 (en) | Electronic fetal monitoring applications and display | |
US9700218B2 (en) | Systems and methods for reducing nuisance alarms in medical devices | |
JP5841196B2 (ja) | ヒトの健康に関する残差ベースの管理 | |
US20180296092A1 (en) | System and method for monitoring and determining a medical condition of a user | |
JP2018513727A (ja) | 心血管劣化の警告スコア | |
JP2011510784A (ja) | 患者の呼吸安定を測定及び予測する装置 | |
US8988227B2 (en) | Alarm information processing apparatus and alarm information processing program | |
US20170329918A1 (en) | Internet of things based monitoring and assessment platform | |
CN114680820A (zh) | 状态报警方法、监护设备、监护系统及可读存储介质 | |
CN116580858A (zh) | 一种基于ai的远程医疗照护提醒方法、装置和存储介质 | |
US10535433B1 (en) | Predicting respiratory distress | |
US20220202350A1 (en) | Multiparameter noninvasive sepsis monitor | |
US11064906B2 (en) | Method and apparatus for determining respiration state based on plurality of biological indicators calculated using bio-signals | |
Pimentel | Modelling of vital-sign data from post-operative patients | |
KR20220148289A (ko) | 소프트웨어, 건강 상태 판정 장치 및 건강 상태 판정 방법 | |
JP2011180817A (ja) | ネットワークを介した生活習慣病予防及び治療のための健康管理システム | |
De Lauretis et al. | Intelligent Agents and Complex Event Processing to enhance Patient Monitoring. | |
WO2024032811A1 (zh) | 生命信息处理系统和生命信息处理方法 | |
CN117158938A (zh) | 一种应用于智能手表的健康监测方法、装置及电子设备 | |
Dahane et al. | An Innovative Low-cost IoT-Based Asthma Exacerbation Prediction System Using Federated Learning. | |
WO2023214957A1 (en) | Machine learning models for estimating physiological biomarkers | |
WO2023214956A1 (en) | Systems, devices, and methods for biomarker detection and tracking | |
CN117594180A (zh) | 显示医疗数据的方法和生命信息处理系统 | |
CN117653053A (zh) | 一种通过智能手表预测健康风险的方法 |
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 |