CN114694851A - 一种转氨酶数据通信的监护方法及应用方法 - Google Patents
一种转氨酶数据通信的监护方法及应用方法 Download PDFInfo
- Publication number
- CN114694851A CN114694851A CN202011585275.8A CN202011585275A CN114694851A CN 114694851 A CN114694851 A CN 114694851A CN 202011585275 A CN202011585275 A CN 202011585275A CN 114694851 A CN114694851 A CN 114694851A
- Authority
- CN
- China
- Prior art keywords
- transaminase
- value
- data
- monitoring
- current data
- 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
- 102000003929 Transaminases Human genes 0.000 title claims abstract description 411
- 108090000340 Transaminases Proteins 0.000 title claims abstract description 411
- 238000012544 monitoring process Methods 0.000 title claims abstract description 252
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004891 communication Methods 0.000 title claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000000630 rising effect Effects 0.000 claims description 20
- 230000010287 polarization Effects 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 15
- 230000001174 ascending effect Effects 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 9
- 230000007717 exclusion Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 14
- 230000037406 food intake Effects 0.000 description 7
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 208000012266 Needlestick injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 230000003914 insulin secretion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 206010033675 panniculitis Diseases 0.000 description 1
- 210000004304 subcutaneous tissue Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B5/00—Near-field transmission systems, e.g. inductive or capacitive transmission systems
- H04B5/70—Near-field transmission systems, e.g. inductive or capacitive transmission systems specially adapted for specific purposes
- H04B5/72—Near-field transmission systems, e.g. inductive or capacitive transmission systems specially adapted for specific purposes for local intradevice communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pathology (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提出一种转氨酶数据通信的监护方法及应用方法,通过转氨酶数据监测系统,包括传感器、发射器、监测接收终端、监护接收终端和云端服务器,所述云端服务器能够接收所述监测接收终端数据并将数据传输给所述监护接收终端;所述监护接收终端设有至少两个,且分别设有至少两级的优先级。
Description
技术领域
本发明涉及转氨酶数据的通信、监测及监护领域,更具体的说涉及转氨酶数据通信的监护方法及应用方法。
背景技术
动态转氨酶监测系统(RGMS)是近年来投入临床使用的一种新型持续动态转氨酶监测系统,它连接一个探测头类似针头,探测头用于置入皮下组织。探测头直径很小,置入时患者无明显痛感和不适感。仪器间隔一定时间从探测头接受一次反映转氨酶变化的电信号,将多次采集到的电信号平均值转化成为转氨酶值存储起来。每天可以记录几百个转氨酶值。动态转氨酶监测仪还可以同时存储进餐、运动、用药等时间。这就可以让患者不用每天再忍受针扎的痛苦,并且它能提供每日转氨酶图,多日转氨酶图波动趋势分析和每日转氨酶数据的小结,是转氨酶检测的新突破。
转氨酶值通过传感器产生电流,再通过无线传输方式将电流数据传输至终端设备并进行计算得出。人体排异反应等原因会对传感器电流产生一定影响,使电流值出现异常跳动,会导致后续计算的转氨酶值不准确;此外,转氨酶监测和监护等设备之间的数据传输方式、利用数据传输的监护方式和应用方式都会对传感器佩戴者以及监护人员的使用体验产生影响,其数据通信方式和保证数据准确的算法也是技术难题。公开号为CN107788994B的发明专利公开了一种基于云端大数据的智能实时动态转氨酶监测系统及方法,该专利采取的方法为将电流数据传输至云端大数据服务器进行计算并对转换系数进行修正,再将计算得到的转氨酶数据传输回转氨酶监测软件进行显示。该专利的技术存在一些问题:其一,将数据传输至云端进行计算再传输回监测软件显示会产生延迟,特别是在网络条件较差的环境下,可能会存在数据接收不到的情况;其二,该专利算法根据指血转氨酶测量值和电化学阻抗数据对转氨酶值进行校准,但是影响电流值的因素有很多,并不仅仅是电化学阻抗数据,而且各种复杂因素导致电流数据不稳定后,储存在云端的历史数据也是不准确的,后续的校准算法也就变的意义不大;其三,人体转氨酶值的变化主要受进食和胰岛素分泌的变化影响,其存在的规律性并不强,而该专利采用的最小二乘法和历史数据回归算法等计算方式是需要历史数据有较强的规律性的,故该算法的准确性有待商榷;其四,通过校准后显示给用户的转氨酶值,和实际测得的转氨酶值存在偏差,反而可能会给用户带来误导,严重时还可能危及生命。
因此,对于转氨酶数据的处理、计算等方式不仅影响到用户使用的体验,更是影响到监测转氨酶值的准确性,故提供一种可靠的转氨酶数据监测系统以及利用数据通信的监护方法和应用方法显得至关重要。
发明内容
针对现有技术的不足之处本发明提供一种转氨酶数据监测系统,本发明的转氨酶数据监测系统在监测接收终端和发射器之间通过蓝牙连接,能够保证在网络较差环境下依然能够传输数据,监测接收终端在接收到数据后首先通过数据处理模块进行计算,采用异常数据排除算法、初始佩戴算法和参比修正算法等计算方法保证转氨酶数据的准确性,并通过监测数据显示模块显示转氨酶数据,尽可能减少延迟;云端服务器在接收到监测接收终端的数据后将数据同步至监护接收终端,并采用转氨酶值分割算法和转氨酶预测警报算法等计算方法进行预测性计算,将预测结果反馈至监测接收终端和监护接收终端,提醒使用者注意转氨酶控制;此外,本发明还提供一种转氨酶数据通信的监护方法及应用方法,本发明的监护接收终端可以给多人使用,并且根据优先级设置不同的推送条件,使转氨酶预警的信息优先推送给佩戴者亲人,在比较紧急的时候再推送给医护人员,可以减轻医护人员工作压力,达到更好的监护效果,增强用户的使用体验。
本发明的具体技术方案如下,转氨酶数据监测系统,包括传感器、发射器、监测接收终端、监护接收终端和云端服务器;所述传感器设有电极以及与所述电极导通的第一导电触点;所述发射器包括电池模块、内存模块、第一蓝牙模块和第二导电触点,所述传感器和所述发射器之间通过所述第一导电触点和所述第二导电触点的电连接实现数据传输,所述电池模块为所述发射器和所述电极供电,所述内存模块接收所述电极的微电流数据并通过所述第一蓝牙模块传输至所述监测接收终端;所述监测接收终端包括第二蓝牙模块、第一无线网络模块和监测软件,所述第二蓝牙模块和所述第一蓝牙模块配对实现所述监测接收终端和所述发射器之间的数据传输,所述第一无线网络模块能够实现和所述云端服务器之间的数据传输,所述监测软件包括数据处理模块、监测数据显示模块、参比输入模块、监测提示警报模块;所述监护接收终端包括第二无线网络模块和监护软件,所述第二无线网络模块能够实现和所述云端服务器之间的数据传输,所述监护软件包括监护数据显示模块、监护提示警报模块;所述云端服务器能够接收所述监测接收终端数据并将数据传输给所述监护接收终端。
由此,所述监测接收终端和所述发射器之间通过蓝牙连接,能够保证在网络较差环境下依然能够传输数据;所述监测接收终端在接收到数据后首先通过所述数据处理模块进行计算,并通过所述监测数据显示模块显示转氨酶数据,尽可能减少延迟;所述云端服务器在接收到所述监测接收终端的数据后将数据同步至所述监护接收终端,并进行预测性计算,将预测结果反馈至所述监测接收终端和所述监护接收终端,提醒使用者注意转氨酶控制。
作为本发明的优选,所述数据处理模块包括异常数据排除算法、初始佩戴算法和参比修正算法。
由此,在所述传感器电流值由于人体排异反应等原因出现跳动时,通过所述异常数据排除算法能够排除异常的电流数据,使转氨酶值更加符合实际;所述传感器在佩戴初始时间,所述电极存在一个极化的过程,通过所述初始佩戴算法能够计算极化结束时间,使所述监测接收终端开始计算转氨酶值;所述传感器在佩戴过程中为了保证转氨酶数据的准确性,需要进行多次指血转氨酶值的矫正,通过所述参比修正算法,能够对转氨酶值和转氨酶参比进行及时的修正,保证转氨酶数据的准确性。
作为本发明的优选,所述云端服务器包括转氨酶值分割算法和转氨酶预测警报算法。
由此,人体转氨酶值在摄食之后会明显上升,之后再缓慢下降,由于摄食存在一定的随机性,故根据整体的历史转氨酶数据进行转氨酶值预测并不是很准确;所述转氨酶值分割算法将空腹状态的转氨酶值和就餐之后转氨酶升高的转氨酶值进行区分,从而使所述转氨酶预测警报算法根据区分后的转氨酶值进行预测计算,使预测更加准确。
作为本发明的优选,所述初始佩戴算法包括以下计算步骤:步骤A、所述发射器每间隔时间t接收一次所述传感器的电流数据并存入所述内存模块,接收a次后将a个电流数据封装成一个数据包发送给所述监测接收终端;步骤B、所述监测接收终端接收所述发射器的数据包后由所述数据处理模块增加时间数据,并且对数据包内的a个电流数据分别和前一个电流数据进行比较,其中数据包内的第一个电流数据和前一个数据包内的最后一个电流数据进行比较;设置极化阈值p,将后一个电流数据减前一个电流数据的差值和所述极化阈值p进行比较,连续5个差值小于p则认为结束极化时间,开始计算转氨酶值。
由此,一般时间间隔t设置1min,接收次数a设置3次,即所述发射器间隔3分钟发送一个数据包,从而能够降低蓝牙功耗;在极化过程中,电流数据处于一个慢慢增长的过程,通过判断后一个电流数据减前一个电流数据的差值便可进行分辨,当连续5个差值小于p时,说明电流值已经恢复到一个较为稳定的状态,即极化完成。
作为本发明的优选,所述异常数据排除算法包括以下计算步骤:步骤A、所述发射器每间隔时间t接收一次所述传感器的电流数据并存入所述内存模块,接收a次后将a个电流数据封装成一个数据包发送给所述监测接收终端;步骤B、所述监测接收终端接收所述发射器的数据包后由所述数据处理模块增加时间数据,并且对数据包内的a个电流数据分别和前一个电流数据进行比较,其中数据包内的第一个电流数据和前一个数据包内的最后一个电流数据进行比较;设置电流数据上升阈值m和下降阈值n,若后一个电流数据减前一个电流数据为正,则将差值和所述上升阈值m进行比较,差值大于m则认为电流数据出现异常对电流数据进行排除;若后一个电流数据减前一个电流数据为负,则将差值和所述下降阈值n进行比较,差值的绝对值大于n则认为电流数据出现异常对电流数据进行排除;步骤C、若电流数据的前一个或多个电流数据因异常已经被排除,则该电流数据和前一个有效电流数据进行比较,其中间隔的被排除的电流数据的个数为k;若该电流数据减前一个电流数据为正,则将差值和累积上升阈值m(k+1)进行比较,差值大于m(k+1)则认为电流数据出现异常对电流数据进行排除;若该电流数据减前一个电流数据为负,则将差值和累积下降阈值n(k+1)进行比较,差值的绝对值大于n(k+1)则认为电流数据出现异常对电流数据进行排除;步骤D、计算每一个数据包内的电流数据的算术平均值作为包电流值,和数据包的时间数据相对应;若数据包内的电流数据全部被舍弃,则取前一个有效的包电流值和后一个有效的包电流值的平均值作为包电流值;若存在两个连续的数据包内的数据为空,则监测接收终端驱动所述监测提示警报模块发出所述传感器异常的警报;步骤E、计算包电流值乘以转氨酶转换系数作为转氨酶值,将时间数据作为横坐标,转氨酶值作为纵坐标生成转氨酶变化曲线,并通过所述监测数据显示模块进行显示;步骤F、所述监测接收终端将时间数据以及对应的转氨酶值通过所述第一无线网络模块发送给所述云端服务器,所述云端服务器再将时间数据以及对应的转氨酶值发送给所述监护接收终端,所述监护数据显示模块同步显示转氨酶变化曲线。
由此,传感器在人体佩戴时环境复杂,除了人体转氨酶外,还存在许多干扰电流的因素,主要表现在电流数据的突然上升或下降,正常的人体转氨酶值变化是连续的,故设置上升阈值m和下降阈值n,当电流数据变化差值超过上升阈值m或下降阈值n时便判定为电流数据异常,通过对异常电流数据的排除以及将多个电流数据取平均值的方式,能够减小异常电流数据带来的影响,使得转氨酶值更加准确,对于后续的算法也更加准确。
作为本发明的优选,所述参比修正算法包括以下计算步骤:步骤A、从所述监测接收终端的所述参比输入模块输入参比转氨酶值SC;步骤B、将所述参比转氨酶值SC和最新的数据包的转氨酶值SG进行比较,设置参比差值阈值q,若|SG-SC|≤q,则执行步骤C;若|SG-SC|>q,则监测接收终端驱动所述监测提示警报模块发出重新进行指血测定并输入参比转氨酶值的警报,若重新测定SC后,|SG-SC|≤q,则更新参比值SC并执行步骤C,若重新测定SC后,|SG-SC|>q,则监测接收终端驱动所述监测提示警报模块发出所述传感器损耗大需更换的警报;步骤C、根据原最新的转氨酶值SG、最新的转氨酶转换系数SF、参比转氨酶值SC以及参比权重值r,计算更新后的转氨酶值CG和转氨酶转换系数CF,得到CG=SC*r+SG*(1-r),CF=SF *CG /SG,其中0.6≤r≤0.95;再将CG赋值给SG、将CF赋值给SF。
由此,所述参比转氨酶值SC通过指血转氨酶仪测得,通常来说能测得较为准确的转氨酶值,但不排除测定过程中出现差错导致指血转氨酶值测定不准的情况,若指血转氨酶值和传感器测得的转氨酶值偏差较大,则认为指血测定过程出现问题,需重新测定指血转氨酶值,若指血转氨酶值测定两次偏差依然较大,则认为传感器损耗较大,提示更换传感器;测定准确的指血转氨酶值使用较大的权重比例,传感器测定的转氨酶值使用较小的权重比例,从而保证更新后的转氨酶值和转氨酶转换系数准确。
作为本发明的优选,所述转氨酶值分割算法包括以下计算步骤:步骤A、所述云端服务器接收所述监测接收终端发送的时间数据以及对应的转氨酶值;步骤B、对每个时间数据对应的转氨酶值分别和前一个时间数据对应的转氨酶值进行比较,设置转氨酶上升阈值q,将后一个转氨酶值减前一个转氨酶值的差值和所述转氨酶上升阈值q进行比较,若连续5个差值大于q,则记录第一个转氨酶值SG0以及时间数据t0,对t0之后的转氨酶值和SG0进行比较,直到接收到下一个比SG0更低的转氨酶值,记录该转氨酶值为SG1以及对应的时间数据为t1,从t1开始再重复该计算步骤;步骤C、在t0和t1处将转氨酶值分割,将t0开始t1结束的转氨酶值和时间数据存入历史上升转氨酶区间数据库,将t1开始t0结束的转氨酶值和时间数据存入历史正常转氨酶区间数据库。
由此,后一个转氨酶值减前一个转氨酶值的差值为正即转氨酶上升,连续5个差值大于所述转氨酶上升阈值q则认为用户处于进食后的转氨酶上升期,再等转氨酶值恢复到初始水平,将上升到下降恢复这段转氨酶变化值进行分割,将较为平稳的转氨酶变化值也进行分割,分别存入不同的历史转氨酶值数据库,以保证后续的所述转氨酶预测警报算法更加准确。
作为本发明的优选,所述转氨酶预测警报算法包括以下计算步骤:步骤A、计算历史上升转氨酶区间数据库内每段曲线的最大转氨酶值和SG0的差值DSt,将每个差值DSt和开始时间t0存入二维数组;计算历史正常转氨酶区间数据库内每段曲线的最大转氨酶值和最小转氨酶值的差值DZt,将每个差值DZt和开始时间t1存入二维数组;步骤B、所述云端服务器接收所述监测接收终端发送的时间数据t以及对应的转氨酶值SG;步骤C、设置时间阈值Dt、转氨酶上限SGmax、转氨酶下限SGmin;对每个时间数据t对应的转氨酶值SG分别和所述历史上升转氨酶区间数据库内时间差在Dt内的转氨酶差值DSt进行比较,若|t-t0|SGmax,则将高转氨酶预警信息发送给所述监测接收终端和/或监护接收终端,所述监测提示警报模块和/或所述监护提示警报模块发出高转氨酶预警;对每个时间数据t对应的转氨酶值SG分别和所述历史正常转氨酶区间数据库内时间差在Dt内的转氨酶差值DZt进行比较,若|t-t1|
由此,通过计算历史上升转氨酶区间数据库内每段曲线的最大转氨酶值和SG0的差值DSt,以及历史正常转氨酶区间数据库内每段曲线的最大转氨酶值和最小转氨酶值的差值DZt,能够得到转氨酶值在t0时间附近可能发生的升高值以及在t1时间附近可能发生的降低值;高转氨酶预警由当前转氨酶值加上时间差在所述时间阈值Dt内的转氨酶升高差值DSt得到的预测值和所述转氨酶上限SGmax进行比较,超过所述转氨酶上限SGmax就发出预警,佩戴用户能够调整饮食,避免转氨酶偏高;低转氨酶预警由当前转氨酶值减去时间差在所述时间阈值Dt内的转氨酶下降差值DZt得到的预测值和所述转氨酶下限SGmin进行比较,低于所述转氨酶下限SGmin就发出预警,佩戴用户能够采取进食等方式避免低转氨酶发生。
作为本发明的优选,所述时间阈值Dt为15min~60min。
由此,所述时间阈值Dt能够根据用户佩戴时间,所述历史上升转氨酶区间数据库和所述历史正常转氨酶区间数据库内存储的历史转氨酶数据的数据量进行调整,数据量越大,时间阈值Dt设置的越小,一般设置15min~60min。
转氨酶数据通信的监护方法,转氨酶数据监测系统包括传感器、发射器、监测接收终端、监护接收终端和云端服务器,所述云端服务器能够接收所述监测接收终端数据并将数据传输给所述监护接收终端;所述监护接收终端设有至少两个,且分别设有至少两级的优先级。
由此,所述监护接收终端可以给多人使用,并且根据优先级设置不同的推送条件;一般佩戴者的亲人会使用优先级较高的监护接收终端,医护人员由于需要同时监护多个佩戴者,故使用优先级较低的监护接收终端,从而使转氨酶预警的信息优先推送给佩戴者亲人,在比较紧急的时候再推送给医护人员,可以减轻医护人员工作压力。
作为本发明的优选,所述监护接收终端至少包括一级监护终端和二级监护终端;所述云端服务器设置转氨酶上限SGmax、转氨酶下限SGmin、优先级递减比例w,并且计算历史上升转氨酶区间数据库内每段曲线的最大转氨酶值和SG0的差值DSt,计算历史正常转氨酶区间数据库内每段曲线的最大转氨酶值和最小转氨酶值的差值DZt;所述一级监护终端预警条件为SG+DSt>(1-2w)SGmax或SG-DZt <(1+2w)SGmin,所述二级监护终端预警条件为SG+DSt>(1-w)SGmax或SG-DZt <(1+w)SGmin。
由此,通过所述优先级递减比例w,使得所述一级监护终端预警条件优先于所述二级监护终端。
作为本发明的优选,所述优先级递减比例w为5%~20%。
由此,所述优先级递减比例w优选10%~15%。
转氨酶数据通信的应用方法,转氨酶数据监测系统包括传感器、发射器、监测接收终端、监护接收终端和云端服务器,所述监护接收终端至少包括一级监护终端和二级监护终端;所述监测接收终端跟随所述传感器和所述发射器佩戴者使用,所述监护接收终端由佩戴者亲人、社区工作者或者医院医护人员使用;佩戴者亲人使用所述一级监护终端、社区工作者或者医院医护人员使用所述二级监护终端。
由此,所述监护接收终端可以由多人使用对糖尿病人进行监护,并设置不同的监护等级,从而达到更好的监护效果,增强用户的使用体验。
综上所述,本发明具有以下有益效果:1、本发明的转氨酶数据监测系统在监测接收终端和发射器之间通过蓝牙连接,在监测接收终端和云端服务器之间通过无线网络连接,在监护接收终端和云端服务器之间通过无线网络连接,保证传感器佩戴者接收转氨酶数据不受网络环境影响,数据传输稳定,并且数据显示时效性高。
2、监测接收终端采用异常数据排除算法、初始佩戴算法和参比修正算法等计算方法;在传感器电流值由于人体排异反应等原因出现跳动时,通过异常数据排除算法能够排除异常的电流数据,使转氨酶值更加符合实际;传感器在佩戴初始时间,电极存在一个极化的过程,通过初始佩戴算法能够计算极化结束时间,使监测接收终端开始计算转氨酶值;传感器在佩戴过程中为了保证转氨酶数据的准确性,需要进行多次指血转氨酶值的矫正,通过参比修正算法,能够对转氨酶值和转氨酶参比进行及时的修正,保证转氨酶数据的准确性。
3、云端服务器采用转氨酶值分割算法和转氨酶预测警报算法等计算方法;人体转氨酶值在摄食之后会明显上升,之后再缓慢下降,由于摄食存在一定的随机性,故根据整体的历史转氨酶数据进行转氨酶值预测并不是很准确;转氨酶值分割算法将空腹状态的转氨酶值和就餐之后转氨酶升高的转氨酶值进行区分,从而使转氨酶预测警报算法根据区分后的转氨酶值进行预测计算,使预测更加准确。
4、本发明的转氨酶数据通信的监护方法,采用多个监护接收终端给多人使用,并且根据优先级设置不同的推送条件,保证监护效果的同时增强用户的使用体验。
5、本发明的转氨酶数据通信的应用方法,使监护接收终端由佩戴者亲人、社区工作者或者医院医护人员使用,并且佩戴者亲人使用一级监护终端,社区工作者或者医院医护人员使用二级监护终端;转氨酶预警的信息优先推送给一级监护终端,在比较紧急的时候再推送给二级监护终端,可以减轻医护人员或者社区工作者的工作压力。
附图说明
图1为本发明转氨酶数据监测系统的结构示意图。
具体实施方式
下面将结合附图,通过具体实施例对本发明作进一步说明。
实施例1:如图1,转氨酶数据监测系统,包括传感器、发射器、监测接收终端、监护接收终端和云端服务器;传感器设有电极以及与电极导通的第一导电触点;发射器包括电池模块、内存模块、第一蓝牙模块和第二导电触点,传感器和发射器之间通过第一导电触点和第二导电触点的电连接实现数据传输,电池模块为发射器和电极供电,内存模块接收电极的微电流数据并通过第一蓝牙模块传输至监测接收终端;监测接收终端包括第二蓝牙模块、第一无线网络模块和监测软件,第二蓝牙模块和第一蓝牙模块配对实现监测接收终端和发射器之间的数据传输,第一无线网络模块能够实现和云端服务器之间的数据传输,监测软件包括数据处理模块、监测数据显示模块、参比输入模块、监测提示警报模块;监护接收终端包括第二无线网络模块和监护软件,第二无线网络模块能够实现和云端服务器之间的数据传输,监护软件包括监护数据显示模块、监护提示警报模块;云端服务器能够接收监测接收终端数据并将数据传输给监护接收终端。
由此,监测接收终端和发射器之间通过蓝牙连接,能够保证在网络较差环境下依然能够传输数据;监测接收终端在接收到数据后首先通过数据处理模块进行计算,并通过监测数据显示模块显示转氨酶数据,尽可能减少延迟;云端服务器在接收到监测接收终端的数据后将数据同步至监护接收终端,并进行预测性计算,将预测结果反馈至监测接收终端和监护接收终端,提醒使用者注意转氨酶控制。
数据处理模块包括异常数据排除算法、初始佩戴算法和参比修正算法。
由此,在传感器电流值由于人体排异反应等原因出现跳动时,通过异常数据排除算法能够排除异常的电流数据,使转氨酶值更加符合实际;传感器在佩戴初始时间,电极存在一个极化的过程,通过初始佩戴算法能够计算极化结束时间,使监测接收终端开始计算转氨酶值;传感器在佩戴过程中为了保证转氨酶数据的准确性,需要进行多次指血转氨酶值的矫正,通过参比修正算法,能够对转氨酶值和转氨酶参比进行及时的修正,保证转氨酶数据的准确性。
云端服务器包括转氨酶值分割算法和转氨酶预测警报算法。
由此,人体转氨酶值在摄食之后会明显上升,之后再缓慢下降,由于摄食存在一定的随机性,故根据整体的历史转氨酶数据进行转氨酶值预测并不是很准确;转氨酶值分割算法将空腹状态的转氨酶值和就餐之后转氨酶升高的转氨酶值进行区分,从而使转氨酶预测警报算法根据区分后的转氨酶值进行预测计算,使预测更加准确。
初始佩戴算法包括以下计算步骤:步骤A、发射器每间隔时间t接收一次传感器的电流数据并存入内存模块,接收a次后将a个电流数据封装成一个数据包发送给监测接收终端;步骤B、监测接收终端接收发射器的数据包后由数据处理模块增加时间数据,并且对数据包内的a个电流数据分别和前一个电流数据进行比较,其中数据包内的第一个电流数据和前一个数据包内的最后一个电流数据进行比较;设置极化阈值p,将后一个电流数据减前一个电流数据的差值和极化阈值p进行比较,连续5个差值小于p则认为结束极化时间,开始计算转氨酶值。
由此,一般时间间隔t设置1min,接收次数a设置3次,即发射器间隔3分钟发送一个数据包,从而能够降低蓝牙功耗;在极化过程中,电流数据处于一个慢慢增长的过程,通过判断后一个电流数据减前一个电流数据的差值便可进行分辨,当连续5个差值小于p时,说明电流值已经恢复到一个较为稳定的状态,即极化完成。
异常数据排除算法包括以下计算步骤:步骤A、发射器每间隔时间t接收一次传感器的电流数据并存入内存模块,接收a次后将a个电流数据封装成一个数据包发送给监测接收终端;步骤B、监测接收终端接收发射器的数据包后由数据处理模块增加时间数据,并且对数据包内的a个电流数据分别和前一个电流数据进行比较,其中数据包内的第一个电流数据和前一个数据包内的最后一个电流数据进行比较;设置电流数据上升阈值m和下降阈值n,若后一个电流数据减前一个电流数据为正,则将差值和上升阈值m进行比较,差值大于m则认为电流数据出现异常对电流数据进行排除;若后一个电流数据减前一个电流数据为负,则将差值和下降阈值n进行比较,差值的绝对值大于n则认为电流数据出现异常对电流数据进行排除;步骤C、若电流数据的前一个或多个电流数据因异常已经被排除,则该电流数据和前一个有效电流数据进行比较,其中间隔的被排除的电流数据的个数为k;若该电流数据减前一个电流数据为正,则将差值和累积上升阈值m(k+1)进行比较,差值大于m(k+1)则认为电流数据出现异常对电流数据进行排除;若该电流数据减前一个电流数据为负,则将差值和累积下降阈值n(k+1)进行比较,差值的绝对值大于n(k+1)则认为电流数据出现异常对电流数据进行排除;步骤D、计算每一个数据包内的电流数据的算术平均值作为包电流值,和数据包的时间数据相对应;若数据包内的电流数据全部被舍弃,则取前一个有效的包电流值和后一个有效的包电流值的平均值作为包电流值;若存在两个连续的数据包内的数据为空,则监测接收终端驱动监测提示警报模块发出传感器异常的警报;步骤E、计算包电流值乘以转氨酶转换系数作为转氨酶值,将时间数据作为横坐标,转氨酶值作为纵坐标生成转氨酶变化曲线,并通过监测数据显示模块进行显示;步骤F、监测接收终端将时间数据以及对应的转氨酶值通过第一无线网络模块发送给云端服务器,云端服务器再将时间数据以及对应的转氨酶值发送给监护接收终端,监护数据显示模块同步显示转氨酶变化曲线。
由此,传感器在人体佩戴时环境复杂,除了人体转氨酶外,还存在许多干扰电流的因素,主要表现在电流数据的突然上升或下降,正常的人体转氨酶值变化是连续的,故设置上升阈值m和下降阈值n,当电流数据变化差值超过上升阈值m或下降阈值n时便判定为电流数据异常,通过对异常电流数据的排除以及将多个电流数据取平均值的方式,能够减小异常电流数据带来的影响,使得转氨酶值更加准确,对于后续的算法也更加准确。
参比修正算法包括以下计算步骤:步骤A、从监测接收终端的参比输入模块输入参比转氨酶值SC;步骤B、将参比转氨酶值SC和最新的数据包的转氨酶值SG进行比较,设置参比差值阈值q,若|SG-SC|≤q,则执行步骤C;若|SG-SC|>q,则监测接收终端驱动监测提示警报模块发出重新进行指血测定并输入参比转氨酶值的警报,若重新测定SC后,|SG-SC|≤q,则更新参比值SC并执行步骤C,若重新测定SC后,|SG-SC|>q,则监测接收终端驱动监测提示警报模块发出传感器损耗大需更换的警报;步骤C、根据原最新的转氨酶值SG、最新的转氨酶转换系数SF、参比转氨酶值SC以及参比权重值r,计算更新后的转氨酶值CG和转氨酶转换系数CF,得到CG=SC*r+SG*(1-r),CF= SF *CG /SG,其中0.6≤r≤0.95;再将CG赋值给SG、将CF赋值给SF。
由此,参比转氨酶值SC通过指血转氨酶仪测得,通常来说能测得较为准确的转氨酶值,但不排除测定过程中出现差错导致指血转氨酶值测定不准的情况,若指血转氨酶值和传感器测得的转氨酶值偏差较大,则认为指血测定过程出现问题,需重新测定指血转氨酶值,若指血转氨酶值测定两次偏差依然较大,则认为传感器损耗较大,提示更换传感器;测定准确的指血转氨酶值使用较大的权重比例,传感器测定的转氨酶值使用较小的权重比例,从而保证更新后的转氨酶值和转氨酶转换系数准确。
转氨酶值分割算法包括以下计算步骤:步骤A、云端服务器接收监测接收终端发送的时间数据以及对应的转氨酶值;步骤B、对每个时间数据对应的转氨酶值分别和前一个时间数据对应的转氨酶值进行比较,设置转氨酶上升阈值q,将后一个转氨酶值减前一个转氨酶值的差值和转氨酶上升阈值q进行比较,若连续5个差值大于q,则记录第一个转氨酶值SG0以及时间数据t0,对t0之后的转氨酶值和SG0进行比较,直到接收到下一个比SG0更低的转氨酶值,记录该转氨酶值为SG1以及对应的时间数据为t1,从t1开始再重复该计算步骤;步骤C、在t0和t1处将转氨酶值分割,将t0开始t1结束的转氨酶值和时间数据存入历史上升转氨酶区间数据库,将t1开始t0结束的转氨酶值和时间数据存入历史正常转氨酶区间数据库。
由此,后一个转氨酶值减前一个转氨酶值的差值为正即转氨酶上升,连续5个差值大于转氨酶上升阈值q则认为用户处于进食后的转氨酶上升期,再等转氨酶值恢复到初始水平,将上升到下降恢复这段转氨酶变化值进行分割,将较为平稳的转氨酶变化值也进行分割,分别存入不同的历史转氨酶值数据库,以保证后续的转氨酶预测警报算法更加准确。
转氨酶预测警报算法包括以下计算步骤:步骤A、计算历史上升转氨酶区间数据库内每段曲线的最大转氨酶值和SG0的差值DSt,将每个差值DSt和开始时间t0存入二维数组;计算历史正常转氨酶区间数据库内每段曲线的最大转氨酶值和最小转氨酶值的差值DZt,将每个差值DZt和开始时间t1存入二维数组;步骤B、云端服务器接收监测接收终端发送的时间数据t以及对应的转氨酶值SG;步骤C、设置时间阈值Dt、转氨酶上限SGmax、转氨酶下限SGmin;对每个时间数据t对应的转氨酶值SG分别和历史上升转氨酶区间数据库内时间差在Dt内的转氨酶差值DSt进行比较,若|t-t0|SGmax,则将高转氨酶预警信息发送给监测接收终端和/或监护接收终端,监测提示警报模块和/或监护提示警报模块发出高转氨酶预警;对每个时间数据t对应的转氨酶值SG分别和历史正常转氨酶区间数据库内时间差在Dt内的转氨酶差值DZt进行比较,若|t-t1|
由此,通过计算历史上升转氨酶区间数据库内每段曲线的最大转氨酶值和SG0的差值DSt,以及历史正常转氨酶区间数据库内每段曲线的最大转氨酶值和最小转氨酶值的差值DZt,能够得到转氨酶值在t0时间附近可能发生的升高值以及在t1时间附近可能发生的降低值;高转氨酶预警由当前转氨酶值加上时间差在时间阈值Dt内的转氨酶升高差值DSt得到的预测值和转氨酶上限SGmax进行比较,超过转氨酶上限SGmax就发出预警,佩戴用户能够调整饮食,避免转氨酶偏高;低转氨酶预警由当前转氨酶值减去时间差在时间阈值Dt内的转氨酶下降差值DZt得到的预测值和转氨酶下限SGmin进行比较,低于转氨酶下限SGmin就发出预警,佩戴用户能够采取进食等方式避免低转氨酶发生。
时间阈值Dt为15min~60min。
由此,时间阈值Dt能够根据用户佩戴时间,历史上升转氨酶区间数据库和历史正常转氨酶区间数据库内存储的历史转氨酶数据的数据量进行调整,数据量越大,时间阈值Dt设置的越小,一般设置15min~60min。
实施例2:转氨酶数据通信的监护方法,转氨酶数据监测系统包括传感器、发射器、监测接收终端、监护接收终端和云端服务器,云端服务器能够接收监测接收终端数据并将数据传输给监护接收终端;监护接收终端设有至少两个,且分别设有至少两级的优先级。
由此,监护接收终端可以给多人使用,并且根据优先级设置不同的推送条件;一般佩戴者的亲人会使用优先级较高的监护接收终端,医护人员由于需要同时监护多个佩戴者,故使用优先级较低的监护接收终端,从而使转氨酶预警的信息优先推送给佩戴者亲人,在比较紧急的时候再推送给医护人员,可以减轻医护人员工作压力。
监护接收终端至少包括一级监护终端和二级监护终端;云端服务器设置转氨酶上限SGmax、转氨酶下限SGmin、优先级递减比例w,并且计算历史上升转氨酶区间数据库内每段曲线的最大转氨酶值和SG0的差值DSt,计算历史正常转氨酶区间数据库内每段曲线的最大转氨酶值和最小转氨酶值的差值DZt;一级监护终端预警条件为SG+DSt>(1-2w)SGmax或SG-DZt <(1+2w)SGmin,二级监护终端预警条件为SG+DSt>(1-w)SGmax或SG-DZt <(1+w)SGmin。
由此,通过优先级递减比例w,使得一级监护终端预警条件优先于二级监护终端。
优先级递减比例w为5%~20%。
由此,优先级递减比例w优选10%~15%。
实施例3:转氨酶数据通信的应用方法,转氨酶数据监测系统包括传感器、发射器、监测接收终端、监护接收终端和云端服务器,监护接收终端至少包括一级监护终端和二级监护终端;监测接收终端跟随传感器和发射器佩戴者使用,监护接收终端由佩戴者亲人、社区工作者或者医院医护人员使用;佩戴者亲人使用一级监护终端、社区工作者或者医院医护人员使用二级监护终端。
由此,监护接收终端可以由多人使用对糖尿病人进行监护,并设置不同的监护等级,从而达到更好的监护效果,增强用户的使用体验。
上面所述的实施例仅是对本发明的优选实施方式进行描述,并非对本发明的构思和范围进行限定。在不脱离本发明设计构思的前提下,本领域普通人员对本发明的技术方案做出的各种变型和改进,均应落入到本发明的保护范围,本发明请求保护的技术内容,已经全部记载在权利要求书中。
Claims (10)
1.一种转氨酶数据通信的监护方法,其特征在于:通过转氨酶数据监测系统实现,所述转氨酶数据监测系统包括传感器、发射器、监测接收终端、监护接收终端和云端服务器,所述云端服务器能够接收所述监测接收终端数据并将数据传输给所述监护接收终端;所述监护接收终端设有至少两个,且分别设有至少两级的优先级。
2.根据权利要求1所述的转氨酶数据通信的监护方法,其特征在于:所述监护接收终端至少包括一级监护终端和二级监护终端;所述云端服务器设置转氨酶上限SGmax、转氨酶下限SGmin、优先级递减比例w,并且计算历史上升转氨酶区间数据库内每段曲线的最大转氨酶值和SG0的差值DSt,计算历史正常转氨酶区间数据库内每段曲线的最大转氨酶值和最小转氨酶值的差值DZt;所述一级监护终端预警条件为SG+DSt>(1-2w)SGmax或SG-DZt <(1+2w)SGmin,所述二级监护终端预警条件为SG+DSt>(1-w)SGmax或SG-DZt <(1+w)SGmin。
3.根据权利要求1所述的转氨酶数据通信的监护方法,其特征在于,所述转氨酶数据通信监护方法通过转氨酶数据监测系统实现,所述转氨酶数据监测系统包括:传感器、发射器、监测接收终端、监护接收终端和云端服务器;所述传感器设有电极以及与所述电极导通的第一导电触点;所述发射器包括电池模块、内存模块、第一蓝牙模块和第二导电触点,所述传感器和所述发射器之间通过所述第一导电触点和所述第二导电触点的电连接实现数据传输,所述电池模块为所述发射器和所述电极供电,所述内存模块接收所述电极的微电流数据并通过所述第一蓝牙模块传输至所述监测接收终端;所述监测接收终端包括第二蓝牙模块、第一无线网络模块和监测软件,所述第二蓝牙模块和所述第一蓝牙模块配对实现所述监测接收终端和所述发射器之间的数据传输,所述第一无线网络模块能够实现和所述云端服务器之间的数据传输,所述监测软件包括数据处理模块、监测数据显示模块、参比输入模块、监测提示警报模块;所述监护接收终端包括第二无线网络模块和监护软件,所述第二无线网络模块能够实现和所述云端服务器之间的数据传输,所述监护软件包括监护数据显示模块、监护提示警报模块;所述云端服务器能够接收所述监测接收终端数据并将数据传输给所述监护接收终端。
4.根据权利要求1所述的转氨酶数据通信的监护方法,其特征在于,所述数据处理模块包括异常数据排除算法、初始佩戴算法和参比修正算法;所述云端服务器包括转氨酶值分割算法和转氨酶预测警报算法;所述初始佩戴算法包括以下计算步骤:步骤A、所述发射器每间隔时间t接收一次所述传感器的电流数据并存入所述内存模块,接收a次后将a个电流数据封装成一个数据包发送给所述监测接收终端;步骤B、所述监测接收终端接收所述发射器的数据包后由所述数据处理模块增加时间数据,并且对数据包内的a个电流数据分别和前一个电流数据进行比较,其中数据包内的第一个电流数据和前一个数据包内的最后一个电流数据进行比较;设置极化阈值p,将后一个电流数据减前一个电流数据的差值和所述极化阈值p进行比较,连续5个差值小于p则认为结束极化时间,开始计算转氨酶值。
5.根据权利要求4所述的转氨酶数据通信的监护方法,其特征在于,所述异常数据排除算法包括以下计算步骤:步骤A、所述发射器每间隔时间t接收一次所述传感器的电流数据并存入所述内存模块,接收a次后将a个电流数据封装成一个数据包发送给所述监测接收终端;步骤B、所述监测接收终端接收所述发射器的数据包后由所述数据处理模块增加时间数据,并且对数据包内的a个电流数据分别和前一个电流数据进行比较,其中数据包内的第一个电流数据和前一个数据包内的最后一个电流数据进行比较;设置电流数据上升阈值m和下降阈值n,若后一个电流数据减前一个电流数据为正,则将差值和所述上升阈值m进行比较,差值大于m则认为电流数据出现异常对电流数据进行排除;若后一个电流数据减前一个电流数据为负,则将差值和所述下降阈值n进行比较,差值的绝对值大于n则认为电流数据出现异常对电流数据进行排除;步骤C、若电流数据的前一个或多个电流数据因异常已经被排除,则该电流数据和前一个有效电流数据进行比较,其中间隔的被排除的电流数据的个数为k;若该电流数据减前一个电流数据为正,则将差值和累积上升阈值m(k+1)进行比较,差值大于m(k+1)则认为电流数据出现异常对电流数据进行排除;若该电流数据减前一个电流数据为负,则将差值和累积下降阈值n(k+1)进行比较,差值的绝对值大于n(k+1)则认为电流数据出现异常对电流数据进行排除;步骤D、计算每一个数据包内的电流数据的算术平均值作为包电流值,和数据包的时间数据相对应;若数据包内的电流数据全部被舍弃,则取前一个有效的包电流值和后一个有效的包电流值的平均值作为包电流值;若存在两个连续的数据包内的数据为空,则监测接收终端驱动所述监测提示警报模块发出所述传感器异常的警报;步骤E、计算包电流值乘以转氨酶转换系数作为转氨酶值,将时间数据作为横坐标,转氨酶值作为纵坐标生成转氨酶变化曲线,并通过所述监测数据显示模块进行显示;步骤F、所述监测接收终端将时间数据以及对应的转氨酶值通过所述第一无线网络模块发送给所述云端服务器,所述云端服务器再将时间数据以及对应的转氨酶值发送给所述监护接收终端,所述监护数据显示模块同步显示转氨酶变化曲线。
6.根据权利要求5所述的转氨酶数据通信的监护方法,所述参比修正算法包括以下计算步骤:步骤A、从所述监测接收终端的所述参比输入模块输入参比转氨酶值SC;步骤B、将所述参比转氨酶值SC和最新的数据包的转氨酶值SG进行比较,设置参比差值阈值q,若|SG-SC|≤q,则执行步骤C;若|SG-SC|>q,则监测接收终端驱动所述监测提示警报模块发出重新进行指血测定并输入参比转氨酶值的警报,若重新测定SC后,|SG-SC|≤q,则更新参比值SC并执行步骤C,若重新测定SC后,|SG-SC|>q,则监测接收终端驱动所述监测提示警报模块发出所述传感器损耗大需更换的警报;步骤C、根据原最新的转氨酶值SG、最新的转氨酶转换系数SF、参比转氨酶值SC以及参比权重值r,计算更新后的转氨酶值CG和转氨酶转换系数CF,得到CG=SC*r+SG*(1-r),CF= SF *CG /SG,其中0.6≤r≤0.95;再将CG赋值给SG、将CF赋值给SF。
7.根据权利要求6所述的转氨酶数据通信的监护方法,其特征在于,所述转氨酶值分割算法包括以下计算步骤:步骤A、所述云端服务器接收所述监测接收终端发送的时间数据以及对应的转氨酶值;步骤B、对每个时间数据对应的转氨酶值分别和前一个时间数据对应的转氨酶值进行比较,设置转氨酶上升阈值q,将后一个转氨酶值减前一个转氨酶值的差值和所述转氨酶上升阈值q进行比较,若连续5个差值大于q,则记录第一个转氨酶值SG0以及时间数据t0,对t0之后的转氨酶值和SG0进行比较,直到接收到下一个比SG0更低的转氨酶值,记录该转氨酶值为SG1以及对应的时间数据为t1,从t1开始再重复该计算步骤;步骤C、在t0和t1处将转氨酶值分割,将t0开始t1结束的转氨酶值和时间数据存入历史上升转氨酶区间数据库,将t1开始t0结束的转氨酶值和时间数据存入历史正常转氨酶区间数据库。
8.根据权利要求7所述的转氨酶数据通信的监护方法,其特征在于,所述转氨酶预测警报算法包括以下计算步骤:步骤A、计算历史上升转氨酶区间数据库内每段曲线的最大转氨酶值和SG0的差值DSt,将每个差值DSt和开始时间t0存入二维数组;计算历史正常转氨酶区间数据库内每段曲线的最大转氨酶值和最小转氨酶值的差值DZt,将每个差值DZt和开始时间t1存入二维数组;步骤B、所述云端服务器接收所述监测接收终端发送的时间数据t以及对应的转氨酶值SG;步骤C、设置时间阈值Dt、转氨酶上限SGmax、转氨酶下限SGmin;对每个时间数据t对应的转氨酶值SG分别和所述历史上升转氨酶区间数据库内时间差在Dt内的转氨酶差值DSt进行比较,若|t-t0|<Dt,则计算预测上升转氨酶值 SG+DSt,若存在SG+DSt>SGmax,则将高转氨酶预警信息发送给所述监测接收终端和/或监护接收终端,所述监测提示警报模块和/或所述监护提示警报模块发出高转氨酶预警;对每个时间数据t对应的转氨酶值SG分别和所述历史正常转氨酶区间数据库内时间差在Dt内的转氨酶差值DZt进行比较,若|t-t1|<Dt,则计算预测下降转氨酶值 SG-DZt,若存在SG-DZt <SGmin,则将低转氨酶预警信息发送给所述监测接收终端和/或监护接收终端,所述监测提示警报模块和/或所述监护提示警报模块发出低转氨酶预警。
9.根据权利要求8所述的转氨酶数据通信的监护方法,其特征在于:所述时间阈值Dt为15min~60min。
10.一种转氨酶数据通信的应用方法,其特征在于:转氨酶数据监测系统,包括传感器、发射器、监测接收终端、监护接收终端和云端服务器,所述监护接收终端至少包括一级监护终端和二级监护终端;所述监测接收终端跟随所述传感器和所述发射器佩戴者使用,所述监护接收终端由佩戴者亲人、社区工作者或者医院医护人员使用;佩戴者亲人使用所述一级监护终端、社区工作者或者医院医护人员使用所述二级监护终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011585275.8A CN114694851A (zh) | 2020-12-28 | 2020-12-28 | 一种转氨酶数据通信的监护方法及应用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011585275.8A CN114694851A (zh) | 2020-12-28 | 2020-12-28 | 一种转氨酶数据通信的监护方法及应用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114694851A true CN114694851A (zh) | 2022-07-01 |
Family
ID=82129610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011585275.8A Pending CN114694851A (zh) | 2020-12-28 | 2020-12-28 | 一种转氨酶数据通信的监护方法及应用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114694851A (zh) |
-
2020
- 2020-12-28 CN CN202011585275.8A patent/CN114694851A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111920423B (zh) | 血糖数据监测系统、血糖数据通信的监护方法及应用方法 | |
AU2002338433B2 (en) | Adaptive selection of a warning limit in patient monitoring | |
US20210000424A1 (en) | Physiological sensor history backfill system and method | |
US7621871B2 (en) | Systems and methods for monitoring and evaluating individual performance | |
AU2002338433A1 (en) | Adaptive selection of a warning limit in patient monitoring | |
USRE43767E1 (en) | Control of data transmission between a remote monitoring unit and a central unit | |
US7273454B2 (en) | Health monitoring system | |
JP2007508076A (ja) | 生理学的状態を診断する装置及び方法 | |
AU2002338434A1 (en) | Data transmission between remote and central monitoring unit | |
WO2009107007A1 (en) | Hemodynamic monitors and alarms | |
US20210093253A1 (en) | Determining heart condition statuses using subcutaneous impedance measurements | |
US10531842B2 (en) | Method and apparatus for adjusting a monitoring system | |
CN114052655A (zh) | 一种报警阈值的设置建议方法、系统以及监护仪 | |
CN111372506A (zh) | 使用可穿戴设备预测甲状腺毒症的系统和计算机程序 | |
CN111820879A (zh) | 一种适用于慢性疾病患者的健康评价管理方法 | |
CN114694851A (zh) | 一种转氨酶数据通信的监护方法及应用方法 | |
CN114694347A (zh) | 转氨酶数据监测系统 | |
CN112885489B (zh) | 适用不同病情糖尿病患者的血糖数据监测算法系统 | |
CN109147906A (zh) | 评价手术麻醉质量的方法、终端及具有存储功能的装置 | |
CN113796858B (zh) | 用于血糖数据监测的参比偏移校准算法系统 | |
US20180360323A1 (en) | Method for monitoring blood pressure, and a device thereof | |
CN113303804A (zh) | 生理讯号测量装置动态阈值调校系统 | |
WO2019060991A1 (en) | PREDICTION OF PHYSIOLOGICAL PROPERTIES | |
JP2002034941A (ja) | 脈拍計および健康監視装置 | |
CN115969365A (zh) | 基于无创血糖仪的智能血糖管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220701 |