CN114694355A - 远程预警方法及系统 - Google Patents
远程预警方法及系统 Download PDFInfo
- Publication number
- CN114694355A CN114694355A CN202011631470.XA CN202011631470A CN114694355A CN 114694355 A CN114694355 A CN 114694355A CN 202011631470 A CN202011631470 A CN 202011631470A CN 114694355 A CN114694355 A CN 114694355A
- Authority
- CN
- China
- Prior art keywords
- early warning
- user
- monitoring data
- remote
- patient
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 201000010099 disease Diseases 0.000 claims abstract description 170
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 170
- 238000012544 monitoring process Methods 0.000 claims abstract description 92
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 40
- 238000003745 diagnosis Methods 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 28
- 238000007726 management method Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 17
- 230000035945 sensitivity Effects 0.000 description 11
- 208000014085 Chronic respiratory disease Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000013136 deep learning model Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 208000028399 Critical Illness Diseases 0.000 description 3
- 206010038687 Respiratory distress Diseases 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 208000023504 respiratory system disease Diseases 0.000 description 3
- 238000013517 stratification Methods 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 206010021079 Hypopnoea Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 208000001797 obstructive sleep apnea Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种远程预警方法,该方法包括:根据疾病筛查结果对每个用户进行分类及分层标识;针对不同分类及分层的所述用户分别进行预警阈值设定;接收所述用户的当前疾病监测数据;根据所述当前疾病监测数据和所述用户对应的所述预警阈值判断是否需要进行预警;当需要进行预警时,按照预设方式发出预警提示。本申请还公开了一种远程预警系统、电子装置和计算机可读存储介质。由此,能够以标准的指标阈值为基准,针对不同用户进行个性化的预警阈值设定,提升预警的精准度和实用性。
Description
技术领域
本申请涉及数据分析技术领域,尤其涉及一种远程预警方法、系统、电子装置及计算机可读存储介质。
背景技术
针对呼吸慢病(例如阻塞性睡眠呼吸暂停、慢性阻塞性肺疾病等)的居家治疗是该疾病管理的必要过程,但是,脱离医院的治疗过程,医护人员将无法掌握患者的具体治疗情况。当诊断指标出现异常时,患者常常无法理解或判断不了后续如何处理,在无医护人员的管理中选择忽略,长此以往会对患者疾病的治疗起到负面作用,也降低患者对医生的信任度。
目前行业普遍使用的患者预警方案都是根据指南进行标准的指标异常预警,不区分患者处于什么阶段,只要患者诊断指标出现异常时,即推送提醒给患者、医生,医生针对该异常数据进行相应的处理。这种方案存在以下问题:
当患者在不同疾病阶段时,对异常数据的关注情况不一致。若以标准指标异常进行提醒,针对所有患者的不同疾病阶段都定义相同的预警阈值,从医生角度来说,可能会出现过于频繁的异常提醒,有些异常可能与患者真实疾病情况无太多关联。另外,由于预警规则只参考患者本次数据指标进行判断,所以也可能会导致数据异常的判断本质没错,但实用性不强。
需要说明的是,上述内容并不用于限制申请保护范围。
发明内容
本申请的主要目的在于提出一种远程预警方法、系统、电子装置及计算机可读存储介质,旨在解决如何针对不同疾病阶段的患者提高预警的准确性和实用性的问题。
为实现上述目的,本申请实施例提供了一种远程预警方法,所述方法包括:
根据疾病筛查结果对每个用户进行分类及分层标识;
针对不同分类及分层的所述用户分别进行预警阈值设定;
接收所述用户的当前疾病监测数据;
根据所述当前疾病监测数据和所述用户对应的所述预警阈值判断是否需要进行预警;及
当需要进行预警时,按照预设方式发出预警提示。
可选地,所述方法在接收所述用户的当前疾病监测数据后还包括:
获取所述用户的历史疾病监测数据及历史处理结果;
结合所述当前疾病监测数据、所述历史疾病监测数据、所述历史处理结果和所述用户对应的所述预警阈值执行所述判断是否需要进行预警的步骤。
可选地,所述根据疾病筛查结果对每个用户进行分类及分层标识包括:
根据疾病类型对所述用户进行分类标识;
根据疾病阶段和严重程度对所述用户进行分层标识。
可选地,所述针对不同分类及分层的所述用户分别进行预警阈值设定包括:
根据所述用户的分类标识从预设的治疗指南中获取各个诊断指标的标准阈值;
根据所述用户的分层标识在所述标准阈值基础上为所述用户设定对应的个性化预警阈值。
可选地,所述针对不同分类及分层的所述用户分别进行预警阈值设定还包括:
结合所述用户的基础信息、疾病类型、疾病阶段和严重程度,以及历史疾病监测数据及历史处理结果,综合分析后在各个诊断指标的所述标准阈值基础上进行修改,得到所述用户对应的一组预警阈值。
可选地,所述根据所述用户的分层标识在所述标准阈值基础上为所述用户设定对应的个性化预警阈值包括:
针对第一层级的用户,在各个诊断指标的所述标准阈值上进行范围缩小设定;
针对第二层级的用户,按照各个诊断指标的所述标准阈值进行设定;
针对第三层级的用户,在各个诊断指标的标准阈值上进行范围扩大设定。
可选地,所述按照预设方式发出预警提示包括:
在所述用户使用的治疗终端上展示预警提示信息;
向所述用户和对应的医生的移动端设备发送预警提示信息。
此外,为实现上述目的,本申请实施例还提供一种远程预警系统,所述系统包括:
标识模块,用于根据疾病筛查结果对每个用户进行分类及分层标识;
设定模块,用于针对不同分类及分层的所述用户分别进行预警阈值设定;
接收模块,用于接收所述用户的当前疾病监测数据;
判断模块,用于根据所述当前疾病监测数据和所述用户对应的所述预警阈值判断是否需要进行预警;
提示模块,用于当需要进行预警时,按照预设方式发出预警提示。
为实现上述目的,本申请实施例还提供一种电子装置,所述电子装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的远程预警程序,所述远程预警程序被所述处理器执行时实现如上述的远程预警方法。
为实现上述目的,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有远程预警程序,所述远程预警程序被处理器执行时实现如上述的远程预警方法。
本申请实施例提出的远程预警方法、系统、电子装置及计算机可读存储介质,能够以标准的指标阈值为基准,参考用户的疾病阶段、严重程度进行计算分析,针对不同用户进行个性化的预警阈值设定,从而根据当前疾病监测数据和所述用户对应的预警阈值判断是否需要进行预警,可得出对于每个患者来说都非常精准而有效,对于医生来说也符合管理要求的预警方案,不会出现灵敏性过高或过低的情况,大大提升呼吸慢病患者预警的精准度和实用性,从而提升对患者的治疗效果。
附图说明
图1为实现本申请各个实施例的一种应用环境架构图;
图2为本申请第一实施例提出的一种远程预警方法的流程图;
图3为图2中步骤S202的细化流程示意图;
图4为本申请第二实施例提出的一种远程预警方法的流程图;
图5为本申请第三实施例提出的一种电子装置的硬件架构示意图;
图6为本申请第四实施例提出的一种远程预警系统的模块示意图;
图7为本申请第五实施例提出的一种远程预警系统的模块示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。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他实施例,都属于本申请保护的范围。
需要说明的是,在本申请实施例中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
请参阅图1,图1为实现本申请各个实施例的一种应用环境架构图。本申请可应用于包括,但不仅限于治疗终端2、服务器4、移动端6的应用环境中。
其中,所述治疗终端2用于为用户(呼吸慢病患者)进行居家治疗,采集所述用户当前的疾病监测数据并上传至服务器4。另外,所述治疗终端2还用于接收和展示预警提示信息。
所述服务器4用于根据疾病筛查结果对每个用户进行分类及分层标识,并针对不同分类及分层的所述用户分别进行预警阈值设定,然后在接收到用户的当前疾病监测数据后,根据所述用户对应的预警阈值判断是否需要进行预警。所述服务器4可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备,可以是独立的服务器,也可以是多个服务器所组成的服务器集群。在本申请实施例中,所述服务器4为云端服务器,采用云端处理技术对用户的治疗数据进行大数据处理和分析。
所述移动端6包括所述用户(患者)和对应医生的移动端设备(例如手机等),用于接收和展示预警提示信息。另外,当所述移动端6为医生的移动端设备时,还可以为所述医生展示患者的各种信息和疾病监测数据等。
所述服务器4和一个或多个所述治疗终端2、移动端6之间通过有线或无线网络通信连接,以进行数据传输和交互。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication,GSM)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等。
实施例一
如图2所示,为本申请第一实施例提出的一种远程预警方法的流程图。可以理解,本方法实施例中的流程图不用于对执行步骤的顺序进行限定。根据需要,还可以对该流程图中的部分步骤进行添加或删减。
该方法包括以下步骤:
S200,根据疾病筛查结果对每个用户进行分类及分层标识。
在本实施例中,所述用户主要为呼吸慢病的患者。患者在完成呼吸慢病筛查后,可以依据筛查结果进行疾病确诊,并将患者按疾病类型、疾病阶段、严重程度进行分类及分层标识,便于后续进行个性化的管理。
其中,所述分类标识主要是根据疾病类型对所述患者进行分类。所述分层标识主要是根据疾病阶段和严重程度对所述患者进行分层。例如,对于疾病阶段为前期且病症较轻微的患者标注为轻症患者,对于疾病阶段为后期且病症严重的患者或者特殊患者标注为重症患者等。
S202,针对不同分类及分层的用户分别进行预警阈值设定。
在对每个患者进行分类及分层标识之后,可以针对所管理的患者按照不同分类及分层分别为各个诊断指标定义不同的预警阀值。
具体而言,进一步参阅图3,为上述步骤S202的一种细化流程示意图。可以理解,该流程图不用于对执行步骤的顺序进行限定。根据需要,还可以对该流程图中的部分步骤进行添加或删减。在本实施例中,所述步骤S202具体包括:
S2020,根据所述用户的分类标识从预设的治疗指南中获取各个诊断指标的标准阈值。
针对每种呼吸慢病,预设的治疗指南中包含约定的指标内容作为临床的指导,以该指标内容来结合治疗数据生成标准的预警阀值,该标准阀值只能满足一部分患者的预警需要,针对特殊的患者管理该预警就无法满足。在传统的预警方案中,是将患者当前的疾病监测数据与所述标准阈值进行对比,若所述疾病监测数据超过标准阈值,则标注为异常数据,并发出预警提示。而在本实施例中,为了提高预警的准确性和实用性,需要在所述标准阈值的基础上针对不同分层的患者进行个性化设定,以对各个患者进行精准的管理。
S2022,根据所述用户的分层标识在所述标准阈值基础上为所述用户设定对应的个性化预警阈值。
简单来说,所述个性化预警阈值设定可以包括:
对于重症患者(例如确诊为呼吸重症或特殊病例的患者)进行小阈值范围高灵敏度的预警,中度患者进行标准预警,轻症患者进行大阈值范围低灵敏度的预警等。也就是说,针对重症患者,在各诊断指标的标准阈值上进行范围缩小设定;对于中度患者,则按照各诊断指标的标准阈值进行设定;对于轻症患者,在各诊断指标的标准阈值上进行范围扩大设定。由此,提高重症患者的预警灵敏度以便医生密切关注病情进展,降低轻症患者的预警灵敏度以减少预警次数,避免出现重症患者报警不及时,轻症患者频繁报警的情况,影响医生对患者疾病的正确判断,管理精力分配不合理。
针对不同的患者,可以根据患者基础信息、疾病类型、疾病阶段、严重程度这些数据在各诊断指标的标准阈值上进行修改,生成一组精准的预警阈值。在管理过程中选择性进行标准化和个性化阀值的设定,根据患者病情设置每个患者具体的预警阈值,以满足针对不同患者管理的需要,保证在合理的规范下尽量实现每个患者的差异化精准策略,整体提升医生的管理效率和质量。
值得注意的是,所述分类及分层标识和预警阈值设定可以由医生根据患者情况进行设置,也可以采用分类模型或深度学习模型等方式进行自动化设置,还可以预先保存各种疾病类型、疾病阶段、严重程度与分类分层标识之间的对应关系,以及各种分类分层标识与预警阈值之间的对应关系,然后根据所述对应关系进行设置。
回到图2,S204,接收用户当前的疾病监测数据。
在设定好各个用户对应的预警阈值后,则可以根据患者的实时状况和所述预警阈值进行相应的预警处理。居家治疗的患者可以通过终端设备(例如治疗终端、患者手机等)上传自己当前的疾病监测数据,服务器接收各个患者的所述疾病监测数据并实时分析。
S206,根据所述疾病监测数据和所述用户对应的预警阈值判断是否需要进行预警。
在接收到患者当前的所述疾病监测数据后,将所述疾病监测数据与所述用户对应的预警阈值进行对比。若有某个或多个诊断指标的当前疾病监测数据超过(大于)阈值,则标注为异常数据,需要进行预警;若所有诊断指标的当前疾病监测数据均未超过阈值,则未出现异常,不需要进行预警。
S208,当需要进行预警时,按照预设方式发出预警提示。
当根据所述患者当前的疾病监测数据判断出需要进行预警时,则分别向所述患者和对应医生发出预警提示。
所述预警提示的预设方式可以分为治疗终端预警、移动端预警等。所述治疗终端预警是指在患者使用的治疗终端上展示预警提示信息(例如对异常指标进行特别标示),便于患者知晓。所述移动端预警是指通过移动端平台向医生、患者的移动端设备(例如手机)发送预警提示信息,同时推送患者和医生进行提醒。当医生收到异常预警时,根据实时发生情况启动远程干预,由于远程干预的依据为个性化定义的预警阀值,保证不会有异常或正常范围的超标提醒,医生会根据指标情况和患者进行远程沟通干预,确定下一步的治疗方案调整。
本实施例提出的远程预警方法,以标准的指标阈值为基准,参考患者的疾病阶段、严重程度进行计算分析,针对不同患者进行个性化的预警阈值设定,从而根据当前疾病监测数据和所述患者对应的预警阈值判断是否需要进行预警,可得出对于每个患者来说都非常精准而有效,对于医生来说也符合管理要求的预警方案,不会出现灵敏性过高或过低的情况,大大提升呼吸慢病患者预警的精准度和实用性,从而提升对患者的治疗效果。
实施例二
如图4所示,为本申请第二实施例提出的一种远程预警方法的流程图。在第二实施例中,所述远程预警方法在上述第一实施例的基础上,还包括步骤S306。可以理解,本方法实施例中的流程图不用于对执行步骤的顺序进行限定。根据需要,还可以对该流程图中的部分步骤进行添加或删减。
该方法包括以下步骤:
S300,根据疾病筛查结果对每个用户进行分类及分层标识。
在本实施例中,所述用户主要为呼吸慢病的患者。患者在完成呼吸慢病筛查后,可以依据筛查结果进行疾病确诊,并将患者按疾病类型、疾病阶段、严重程度进行分类及分层标识,便于后续进行个性化的管理。
其中,所述分类标识主要是根据疾病类型对所述患者进行分类。所述分层标识主要是根据疾病阶段和严重程度对所述患者进行分层。例如,对于疾病阶段为前期且病症较轻微的患者标注为轻症患者,对于疾病阶段为后期且病症严重的患者或者特殊患者标注为重症患者等。
S302,针对不同分类及分层的用户分别进行预警阈值设定。
在对每个患者进行分类及分层标识之后,可以针对所管理的患者按照不同分类及分层分别为各个诊断指标定义不同的预警阀值。
简单来说,所述预警阈值设定可以包括:
对于重症患者(例如确诊为呼吸重症或特殊病例的患者)进行小阈值范围高灵敏度的预警,中度患者进行标准预警,轻症患者进行大阈值范围低灵敏度的预警等。也就是说,针对重症患者,在各诊断指标的标准阈值上进行范围缩小设定;对于中度患者,则按照各诊断指标的标准阈值进行设定;对于轻症患者,在各诊断指标的标准阈值上进行范围扩大设定。由此,提高重症患者的预警灵敏度以便医生密切关注病情进展,降低轻症患者的预警灵敏度以减少预警次数,避免出现重症患者报警不及时,轻症患者频繁报警的情况,影响医生对患者疾病的正确判断,管理精力分配不合理。
针对不同的患者,可以根据患者基础信息、疾病类型、疾病阶段、严重程度这些数据在各诊断指标的标准阈值上进行修改,生成一组精准的预警阈值。在管理过程中选择性进行标准化和个性化阀值的设定,根据患者病情设置每个患者具体的预警阈值,以满足针对不同患者管理的需要,保证在合理的规范下尽量实现每个患者的差异化精准策略,整体提升医生的管理效率和质量。
值得注意的是,所述分类及分层标识和预警阈值设定可以由医生根据患者情况进行设置,也可以采用分类模型或深度学习模型等方式进行自动化设置,还可以预先保存各种疾病类型、疾病阶段、严重程度与分类分层标识之间的对应关系,以及各种分类分层标识与预警阈值之间的对应关系,然后根据所述对应关系进行设置。
S304,接收用户当前的疾病监测数据。
在设定好各个用户对应的预警阈值后,则可以根据患者的实时状况和所述预警阈值进行相应的预警处理。居家治疗的患者可以通过终端设备(例如治疗终端、患者手机等)上传自己当前的疾病监测数据,服务器接收各个患者的所述疾病监测数据并实时分析。
S306,获取所述用户的历史疾病监测数据及历史处理结果。
若只参考患者当前的疾病监测数据进行判断,未对患者历史疾病监测数据和历史处理结果进行整体分析,可能会导致异常判断的实用性不强。在本实施例中,在当前疾病监测数据的基础上,还需要获取所述用户的历史疾病监测数据及历史处理结果,以结合起来进行综合分析判断。所述历史处理结果是指当根据所述历史疾病监测数据发出预警后,医生对所述患者的病情的处理结果,也就是之前发生异常预警时医生对所述患者的处理结果。
S308,结合所述当前疾病监测数据、历史疾病监测数据及历史处理结果和所述用户对应的预警阈值判断是否需要进行预警。
在本实施例中,除了要将所述当前疾病监测数据与所述用户对应的预警阈值进行对比外,还需要结合所述历史疾病监测数据及历史处理结果来综合分析是否需要进行预警。例如,虽然所述当前疾病监测数据超过阈值,但所述患者在上一次异常预警之后已被医生治疗,且所述当前疾病监测数据超过阈值的比例比上一次小,则表示所述患者的症状有所减轻,可以不需要发出预警。又例如,虽然所述当前疾病监测数据未超过阈值,但相对于上一次的疾病监测数据发生了较大的变化(例如某一个诊断指标的数据升高幅度很大),则表示所述患者的身体状况与之前相比发生了异常,也需要发出预警。再例如,假设所述当前疾病监测数据中某一个诊断指标的数据超过阈值,但上一次也发生了同样的异常,且预警之后医生的处理结果是不需要额外治疗,则这次可以不需要发出预警。
在本实施例中,可以采用模型(例如深度学习模型)根据所述当前疾病监测数据、历史疾病监测数据及历史处理结果和所述用户对应的预警阈值进行自动化判断。判断的分析过程包含患者历史数据及预警阈值,整个过程可以控制在3秒以内,保证异常预警的及时反馈。
值得注意的是,在其他实施例中,还可以将所述历史疾病监测数据及历史处理结果作为设定所述用户对应的预警阈值的一种依据,结合患者基础信息、疾病类型、疾病阶段、严重程度和历史数据(所述历史疾病监测数据及历史处理结果)综合分析,来设定所述用户的个性化预警阈值。则在每次接收到所述用户的疾病监测数据或者在预警之后得到医生的处理结果后,都需要对所述用户对应的预警阈值进行重新分析和设定。那么在接收到所述用户当前的疾病监测数据后,可以直接根据更新的所述预警阈值来判断是否需要进行预警。
S310,当需要进行预警时,按照预设方式发出预警提示。
当根据所述患者当前的疾病监测数据判断出需要进行预警时,则分别向所述患者和对应医生发出预警提示。
所述预警提示的预设方式可以分为治疗终端预警、移动端预警等。所述治疗终端预警是指在患者使用的治疗终端上展示预警提示信息(例如对异常指标进行特别标示),便于患者知晓。所述移动端预警是指通过移动端平台向医生、患者的移动端设备(例如手机)发送预警提示信息。医生根据系统分析数据,在移动端参考患者的疾病状态判断当前异常情况,给予相应的处理,让患者的异常情况及时得到合理的专业处理。
本实施例提出的远程预警方法,以标准的指标阈值为基准,参考患者的疾病阶段、严重程度进行计算分析,针对不同患者进行个性化的预警阈值设定,并结合当前疾病监测数据和历史数据综合判断是否需要进行预警,可得出对于每个患者来说都非常精准而有效,对于医生来说也符合管理要求的预警方案,不会出现灵敏性过高或过低的情况,大大提升呼吸慢病患者预警的精准度和实用性,从而提升对患者的治疗效果。
实施例三
如图5所示,为本申请第三实施例提出一种电子装置20的硬件架构示意图。本实施例中,所述电子装置20可包括,但不仅限于,可通过系统总线相互通信连接的存储器21、处理器22、网络接口23。需要指出的是,图5仅示出了具有组件21-23的电子装置20,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。在本实施例中,所述电子装置20可以是所述服务器4。
所述存储器21至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器21可以是所述电子装置20的内部存储单元,例如该电子装置20的硬盘或内存。在另一些实施例中,所述存储器21也可以是所述电子装置20的外部存储设备,例如该电子装置20上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器21还可以既包括所述电子装置20的内部存储单元也包括其外部存储设备。本实施例中,所述存储器21通常用于存储安装于所述电子装置20的操作系统和各类应用软件,例如远程预警系统60的程序代码等。此外,所述存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制所述电子装置20的总体操作。本实施例中,所述处理器22用于运行所述存储器21中存储的程序代码或者处理数据,例如运行所述远程预警系统60等。
所述网络接口23可包括无线网络接口或有线网络接口,该网络接口23通常用于在所述电子装置20与其他电子设备之间建立通信连接。
实施例四
如图6所示,为本申请第四实施例提出一种远程预警系统60的模块示意图。所述远程预警系统60可以被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本申请实施例。本申请实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,以下描述将具体介绍本实施例各程序模块的功能。
在本实施例中,所述远程预警系统60包括:
标识模块600,用于根据疾病筛查结果对每个用户进行分类及分层标识。
在本实施例中,所述用户主要为呼吸慢病的患者。患者在完成呼吸慢病筛查后,可以依据筛查结果进行疾病确诊,并将患者按疾病类型、疾病阶段、严重程度进行分类及分层标识,便于后续进行个性化的管理。
其中,所述分类标识主要是根据疾病类型对所述患者进行分类。所述分层标识主要是根据疾病阶段和严重程度对所述患者进行分层。例如,对于疾病阶段为前期且病症较轻微的患者标注为轻症患者,对于疾病阶段为后期且病症严重的患者或者特殊患者标注为重症患者等。
设定模块602,用于针对不同分类及分层的用户分别进行预警阈值设定。
在对每个患者进行分类及分层标识之后,可以针对所管理的患者按照不同分类及分层分别为各个诊断指标定义不同的预警阀值。
具体地,所述预警阈值设定过程具体包括:
(1)根据所述用户的分类标识从预设的治疗指南中获取各个诊断指标的标准阈值。
针对每种呼吸慢病,预设的治疗指南中包含约定的指标内容作为临床的指导,以该指标内容来结合治疗数据生成标准的预警阀值,该标准阀值只能满足一部分患者的预警需要,针对特殊的患者管理该预警就无法满足。在传统的预警方案中,是将患者当前的疾病监测数据与所述标准阈值进行对比,若所述疾病监测数据超过标准阈值,则标注为异常数据,并发出预警提示。而在本实施例中,为了提高预警的准确性和实用性,需要在所述标准阈值的基础上针对不同分层的患者进行个性化设定,以对各个患者进行精准的管理。
(2)根据所述用户的分层标识在所述标准阈值基础上为所述用户设定对应的个性化预警阈值。
简单来说,所述个性化预警阈值设定可以包括:
对于重症患者(例如确诊为呼吸重症或特殊病例的患者)进行小阈值范围高灵敏度的预警,中度患者进行标准预警,轻症患者进行大阈值范围低灵敏度的预警等。也就是说,针对重症患者,在各诊断指标的标准阈值上进行范围缩小设定;对于中度患者,则按照各诊断指标的标准阈值进行设定;对于轻症患者,在各诊断指标的标准阈值上进行范围扩大设定。由此,提高重症患者的预警灵敏度以便医生密切关注病情进展,降低轻症患者的预警灵敏度以减少预警次数,避免出现重症患者报警不及时,轻症患者频繁报警的情况,影响医生对患者疾病的正确判断,管理精力分配不合理。
针对不同的患者,可以根据患者基础信息、疾病类型、疾病阶段、严重程度这些数据在各诊断指标的标准阈值上进行修改,生成一组精准的预警阈值。在管理过程中选择性进行标准化和个性化阀值的设定,根据患者病情设置每个患者具体的预警阈值,以满足针对不同患者管理的需要,保证在合理的规范下尽量实现每个患者的差异化精准策略,整体提升医生的管理效率和质量。
值得注意的是,所述分类及分层标识和预警阈值设定可以由医生根据患者情况进行设置,也可以采用分类模型或深度学习模型等方式进行自动化设置,还可以预先保存各种疾病类型、疾病阶段、严重程度与分类分层标识之间的对应关系,以及各种分类分层标识与预警阈值之间的对应关系,然后根据所述对应关系进行设置。
接收模块604,用于接收用户当前的疾病监测数据。
在设定好各个用户对应的预警阈值后,则可以根据患者的实时状况和所述预警阈值进行相应的预警处理。居家治疗的患者可以通过终端设备(例如治疗终端、患者手机等)上传自己当前的疾病监测数据,接收模块604接收各个患者的所述疾病监测数据以进行实时分析。
判断模块606,用于根据所述疾病监测数据和所述用户对应的预警阈值判断是否需要进行预警。
在接收到患者当前的所述疾病监测数据后,将所述疾病监测数据与所述用户对应的预警阈值进行对比。若有某个或多个诊断指标的当前疾病监测数据超过(大于)阈值,则标注为异常数据,需要进行预警;若所有诊断指标的当前疾病监测数据均未超过阈值,则未出现异常,不需要进行预警。
提示模块608,用于当需要进行预警时,按照预设方式发出预警提示。
当根据所述患者当前的疾病监测数据判断出需要进行预警时,则分别向所述患者和对应医生发出预警提示。
所述预警提示的预设方式可以分为治疗终端预警、移动端预警等。所述治疗终端预警是指在患者使用的治疗终端上展示预警提示信息(例如对异常指标进行特别标示),便于患者知晓。所述移动端预警是指通过移动端平台向医生、患者的移动端设备(例如手机)发送预警提示信息,同时推送患者和医生进行提醒。当医生收到异常预警时,根据实时发生情况启动远程干预,由于远程干预的依据为个性化定义的预警阀值,保证不会有异常或正常范围的超标提醒,医生会根据指标情况和患者进行远程沟通干预,确定下一步的治疗方案调整。
本实施例提出的远程预警系统,以标准的指标阈值为基准,参考患者的疾病阶段、严重程度进行计算分析,针对不同患者进行个性化的预警阈值设定,从而根据当前疾病监测数据和所述患者对应的预警阈值判断是否需要进行预警,可得出对于每个患者来说都非常精准而有效,对于医生来说也符合管理要求的预警方案,不会出现灵敏性过高或过低的情况,大大提升呼吸慢病患者预警的精准度和实用性,从而提升对患者的治疗效果。
实施例五
如图7所示,为本申请第五实施例提出一种远程预警系统60的模块示意图。在本实施例中,所述远程预警系统60除了包括第四实施例中的所述标识模块600、设定模块602、接收模块604、判断模块606、提示模块608之外,还包括获取模块610。
所述获取模块610,用于获取所述用户的历史疾病监测数据及历史处理结果。
若只参考患者当前的疾病监测数据进行判断,未对患者历史疾病监测数据和历史处理结果进行整体分析,可能会导致异常判断的实用性不强。在本实施例中,在当前疾病监测数据的基础上,还需要获取所述用户的历史疾病监测数据及历史处理结果,以结合起来进行综合分析判断。所述历史处理结果是指当根据所述历史疾病监测数据发出预警后,医生对所述患者的病情的处理结果,也就是之前发生异常预警时医生对所述患者的处理结果。
然后,触发所述判断模块606结合所述当前疾病监测数据、历史疾病监测数据及历史处理结果和所述用户对应的预警阈值判断是否需要进行预警。
在本实施例中,除了要将所述当前疾病监测数据与所述用户对应的预警阈值进行对比外,还需要结合所述历史疾病监测数据及历史处理结果来综合分析是否需要进行预警。例如,虽然所述当前疾病监测数据超过阈值,但所述患者在上一次异常预警之后已被医生治疗,且所述当前疾病监测数据超过阈值的比例比上一次小,则表示所述患者的症状有所减轻,可以不需要发出预警。又例如,虽然所述当前疾病监测数据未超过阈值,但相对于上一次的疾病监测数据发生了较大的变化(例如某一个诊断指标的数据升高幅度很大),则表示所述患者的身体状况与之前相比发生了异常,也需要发出预警。再例如,假设所述当前疾病监测数据中某一个诊断指标的数据超过阈值,但上一次也发生了同样的异常,且预警之后医生的处理结果是不需要额外治疗,则这次可以不需要发出预警。
在本实施例中,可以采用模型(例如深度学习模型)根据所述当前疾病监测数据、历史疾病监测数据及历史处理结果和所述用户对应的预警阈值进行自动化判断。判断的分析过程包含患者历史数据及预警阈值,整个过程可以控制在3秒以内,保证异常预警的及时反馈。
值得注意的是,在其他实施例中,还可以将所述历史疾病监测数据及历史处理结果作为设定所述用户对应的预警阈值的一种依据,设定模块602结合患者基础信息、疾病类型、疾病阶段、严重程度和历史数据(所述历史疾病监测数据及历史处理结果)综合分析,来设定所述用户的个性化预警阈值。则在每次接收到所述用户的疾病监测数据或者在预警之后得到医生的处理结果后,设定模块602都需要对所述用户对应的预警阈值进行重新分析和设定。那么在接收模块604接收到所述用户当前的疾病监测数据后,判断模块606可以直接根据更新的所述预警阈值来判断是否需要进行预警。
本实施例提出的远程预警系统,以标准的指标阈值为基准,参考患者的疾病阶段、严重程度进行计算分析,针对不同患者进行个性化的预警阈值设定,并结合当前疾病监测数据和历史数据综合判断是否需要进行预警,可得出对于每个患者来说都非常精准而有效,对于医生来说也符合管理要求的预警方案,不会出现灵敏性过高或过低的情况,大大提升呼吸慢病患者预警的精准度和实用性,从而提升对患者的治疗效果。
实施例六
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有远程预警程序,所述远程预警程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的远程预警方法的步骤。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
显然,本领域的技术人员应该明白,上述的本申请实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请实施例不限制于任何特定的硬件和软件结合。
以上仅为本申请实施例的优选实施例,并非因此限制本申请实施例的专利范围,凡是利用本申请实施例说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请实施例的专利保护范围内。
Claims (10)
1.一种远程预警方法,其特征在于,所述方法包括:
根据疾病筛查结果对每个用户进行分类及分层标识;
针对不同分类及分层的所述用户分别进行预警阈值设定;
接收所述用户的当前疾病监测数据;
根据所述当前疾病监测数据和所述用户对应的所述预警阈值判断是否需要进行预警;及
当需要进行预警时,按照预设方式发出预警提示。
2.根据权利要求1所述的远程预警方法,其特征在于,所述方法在接收所述用户的当前疾病监测数据后还包括:
获取所述用户的历史疾病监测数据及历史处理结果;
结合所述当前疾病监测数据、所述历史疾病监测数据、所述历史处理结果和所述用户对应的所述预警阈值执行所述判断是否需要进行预警的步骤。
3.根据权利要求1或2所述的远程预警方法,其特征在于,所述根据疾病筛查结果对每个用户进行分类及分层标识包括:
根据疾病类型对所述用户进行分类标识;
根据疾病阶段和严重程度对所述用户进行分层标识。
4.根据权利要求1所述的远程预警方法,其特征在于,所述针对不同分类及分层的所述用户分别进行预警阈值设定包括:
根据所述用户的分类标识从预设的治疗指南中获取各个诊断指标的标准阈值;
根据所述用户的分层标识在所述标准阈值基础上为所述用户设定对应的个性化预警阈值。
5.根据权利要求4所述的远程预警方法,其特征在于,所述针对不同分类及分层的所述用户分别进行预警阈值设定还包括:
结合所述用户的基础信息、疾病类型、疾病阶段和严重程度,以及历史疾病监测数据及历史处理结果,综合分析后在各个诊断指标的所述标准阈值基础上进行修改,得到所述用户对应的一组预警阈值。
6.根据权利要求4所述的远程预警方法,其特征在于,所述根据所述用户的分层标识在所述标准阈值基础上为所述用户设定对应的个性化预警阈值包括:
针对第一层级的用户,在各个诊断指标的所述标准阈值上进行范围缩小设定;
针对第二层级的用户,按照各个诊断指标的所述标准阈值进行设定;
针对第三层级的用户,在各个诊断指标的标准阈值上进行范围扩大设定。
7.根据权利要求1或2所述的远程预警方法,其特征在于,所述按照预设方式发出预警提示包括:
在所述用户使用的治疗终端上展示预警提示信息;
向所述用户和对应的医生的移动端设备发送预警提示信息。
8.一种远程预警系统,其特征在于,所述系统包括:
标识模块,用于根据疾病筛查结果对每个用户进行分类及分层标识;
设定模块,用于针对不同分类及分层的所述用户分别进行预警阈值设定;
接收模块,用于接收所述用户的当前疾病监测数据;
判断模块,用于根据所述当前疾病监测数据和所述用户对应的所述预警阈值判断是否需要进行预警;
提示模块,用于当需要进行预警时,按照预设方式发出预警提示。
9.一种电子装置,其特征在于,所述电子装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的远程预警程序,所述远程预警程序被所述处理器执行时实现如权利要求1至7中任一项所述的远程预警方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有远程预警程序,所述远程预警程序被处理器执行时实现如权利要求1至7中任一项所述的远程预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011631470.XA CN114694355B (zh) | 2020-12-30 | 2020-12-30 | 远程预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011631470.XA CN114694355B (zh) | 2020-12-30 | 2020-12-30 | 远程预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114694355A true CN114694355A (zh) | 2022-07-01 |
CN114694355B CN114694355B (zh) | 2024-02-23 |
Family
ID=82134438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011631470.XA Active CN114694355B (zh) | 2020-12-30 | 2020-12-30 | 远程预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114694355B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115831334A (zh) * | 2022-11-10 | 2023-03-21 | 江苏智先生信息科技有限公司 | 一种用于医疗机构的安全防护管理监测系统及管理平台 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120136221A1 (en) * | 2010-11-05 | 2012-05-31 | Killen Roger | System and method for monitoring the health of a hospital patient |
CN108766568A (zh) * | 2018-04-19 | 2018-11-06 | 新绎健康科技(北京)有限公司 | 一种疾病风险自动预警方法及系统 |
CN109599178A (zh) * | 2018-11-30 | 2019-04-09 | 苏州麦迪斯顿医疗科技股份有限公司 | 阈值判定模型确定方法、装置、医疗检测设备及存储介质 |
CN110752035A (zh) * | 2019-09-06 | 2020-02-04 | 深圳壹账通智能科技有限公司 | 健康数据处理方法、装置、计算机设备及存储介质 |
CN111276230A (zh) * | 2020-02-24 | 2020-06-12 | 上海市同仁医院 | 一种心脑血管疾病一体化分层管理系统及方法 |
CN111883256A (zh) * | 2020-07-22 | 2020-11-03 | 杭州市红十字会医院 | 基于电子病历数据的肺结核患者预警系统及预警方法 |
-
2020
- 2020-12-30 CN CN202011631470.XA patent/CN114694355B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120136221A1 (en) * | 2010-11-05 | 2012-05-31 | Killen Roger | System and method for monitoring the health of a hospital patient |
CN108766568A (zh) * | 2018-04-19 | 2018-11-06 | 新绎健康科技(北京)有限公司 | 一种疾病风险自动预警方法及系统 |
CN109599178A (zh) * | 2018-11-30 | 2019-04-09 | 苏州麦迪斯顿医疗科技股份有限公司 | 阈值判定模型确定方法、装置、医疗检测设备及存储介质 |
CN110752035A (zh) * | 2019-09-06 | 2020-02-04 | 深圳壹账通智能科技有限公司 | 健康数据处理方法、装置、计算机设备及存储介质 |
CN111276230A (zh) * | 2020-02-24 | 2020-06-12 | 上海市同仁医院 | 一种心脑血管疾病一体化分层管理系统及方法 |
CN111883256A (zh) * | 2020-07-22 | 2020-11-03 | 杭州市红十字会医院 | 基于电子病历数据的肺结核患者预警系统及预警方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115831334A (zh) * | 2022-11-10 | 2023-03-21 | 江苏智先生信息科技有限公司 | 一种用于医疗机构的安全防护管理监测系统及管理平台 |
CN115831334B (zh) * | 2022-11-10 | 2023-10-03 | 江苏智先生信息科技有限公司 | 一种用于医疗机构的安全防护管理监测系统及管理平台 |
Also Published As
Publication number | Publication date |
---|---|
CN114694355B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112071425B (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
EP3722901B1 (en) | Vehicle trouble diagnosis method and vehicle trouble diagnosis apparatus | |
CN111899878A (zh) | 老年人健康检测系统、方法、计算机设备及可读存储介质 | |
US11640852B2 (en) | System for laboratory values automated analysis and risk notification in intensive care unit | |
CN114300106A (zh) | 医疗资源分配方法、装置及电子设备 | |
CN114496264B (zh) | 基于多维数据的健康指数分析方法、装置、设备及介质 | |
CN112016905B (zh) | 基于审批流程的信息展示方法、装置、电子设备及介质 | |
CN111402070A (zh) | 医疗信息识别方法、装置、计算机设备及存储介质 | |
CN112216381B (zh) | 一种影像科患者检查核对方法及系统 | |
CN112559305B (zh) | 不间断电源系统内部关键模块性能预测方法、装置和设备 | |
CN111696663A (zh) | 疾病风险的分析方法、装置、电子设备及计算机存储介质 | |
CN114694355A (zh) | 远程预警方法及系统 | |
CN112542219A (zh) | 患者入院管理方法、装置、管理设备及可读存储介质 | |
CN112686683A (zh) | 成本核算系统及相应设备和存储介质 | |
CN116631626A (zh) | 一种患者临床风险评估方法、装置、设备及介质 | |
CN113782192A (zh) | 基于因果推断的分群模型构建方法和医疗数据处理方法 | |
CN111651652B (zh) | 基于人工智能的情感倾向识别方法、装置、设备及介质 | |
CN112927152A (zh) | Ct图像去噪处理方法、装置、计算机设备及介质 | |
CN112489746A (zh) | 数据管理的任务推送方法、装置、电子设备及存储介质 | |
CN116978527A (zh) | 基于dip的医院数据分析方法及装置 | |
CN112734580B (zh) | 基于数据分析的风险预警系统 | |
CN117352180B (zh) | 一种精神科病人自虐风险预警方法 | |
CN112599227A (zh) | 医院资源消耗管控方法、系统及相应设备和存储介质 | |
CN117672532B (zh) | 住院患者护理风险评估预警监控系统及方法 | |
CN116013480A (zh) | 一种智能医疗信息生成提示方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |