CN115019973A - 一种icu后综合征自评快速筛查系统及其筛查方法 - Google Patents
一种icu后综合征自评快速筛查系统及其筛查方法 Download PDFInfo
- Publication number
- CN115019973A CN115019973A CN202210941915.7A CN202210941915A CN115019973A CN 115019973 A CN115019973 A CN 115019973A CN 202210941915 A CN202210941915 A CN 202210941915A CN 115019973 A CN115019973 A CN 115019973A
- Authority
- CN
- China
- Prior art keywords
- icu
- syndrome
- information
- post
- evaluation
- 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
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Abstract
本发明公开了一种ICU后综合征自评快速筛查系统及其筛查方法,ICU后综合征自评模块,用于患者填写、输入ICU治疗后的症候信息;ICU后综合征计算模块,用于根据接收的生理信息、心理信息和认知信息进行信息的快速筛查,并向ICU后综合征报告模块输出筛查后对应的评估结果;ICU后综合征报告模块,用于根据评估结果,生成ICU综合征评估报告和对应于ICU综合征评估报告的处置建议。本发明通过在移动终端上搭载ICU后综合征自评筛查量表,并通过各模块的配合,实现用户快速自评并出具ICU后综合征结果及报告,使得患者或家属充分认识ICU后综合征并得到相应的治疗,最终达到节约患者及医生的时间的效果。
Description
技术领域
本发明属于互联网医疗的技术领域,具体涉及一种ICU后综合征自评快速筛查系统及其筛查方法。
背景技术
ICU后综合征(Post-intensive care syndrome ,PICS)是患者经历ICU治疗好转出院回家或者进入普通病房后,之前症状恶化反复或者出现一系列新症状等不良表现,严重影响了患者的生活质量。PICS最常见的临床表现包括生理、心理以及认知方面的障碍:其中生理方面障碍主要包括四肢肌肉萎缩、ICU获得性衰弱以及失眠症等;心理方面的障碍主要包括创伤后应激功能障碍(PTSD)和广泛性焦虑抑郁发作等;认知方面的障碍则主要体现为谵妄,患者出现注意力无法集中,执行能力和记忆力出现明显下滑等。据相关研究报道,ICU患者转出患者60%出现生理障碍,50%左右出现心理障碍,25%以上出现认知障碍,给患者和家属均带来沉重的负担,导致家属在身心方面也容易出现障碍,甚至出现自杀等严重不良事件的发生。
PICS 受到国内外学者和医务人员越来越多的关注,现有 PICS 评估工具大多仅针对 PICS 的各维度症状的评估,PICS 特异性评估工具较少,目前尚无公认的、有效的PICS 特异性评估工具。
发明内容
本发明的目的在于针对现有技术中的上述不足,提供一种ICU后综合征自评快速筛查系统及其筛查方法,以解决现有技术难以实现PICS快速筛查的问题。
为达到上述目的,本发明采取的技术方案是:
第一方面,一种ICU后综合征自评快速筛查系统,其包括:
ICU后综合征自评模块,用于患者填写、输入ICU治疗后的症候信息,其至少包括生理信息、心理信息和认知信息,并将生理信息、心理信息和认知信息传送至ICU后综合征计算模块;
ICU后综合征计算模块,用于根据接收的生理信息、心理信息和认知信息进行信息的快速筛查,并向ICU后综合征报告模块输出筛查后对应的评估结果;
ICU后综合征报告模块,用于根据评估结果,生成ICU综合征评估报告和对应于ICU综合征评估报告的处置建议。
第二方面,一种ICU后综合征自评快速筛查系统的筛查方法,包括以下步骤:
S1、用户填写ICU后综合征自评筛查量表,并将填写后的ICU后综合征自评筛查量表上传至ICU后综合征计算模块;
S2、ICU后综合征计算模块读取ICU后综合征自评筛查量表中患者填写的症候信息,并对该症候信息进行快速筛查,得到筛查后的评估结果;
S3、根据筛查后的评估结果,生成ICU综合征评估报告,并输出对应于ICU综合征评估报告的处置建议。
进一步地,步骤S1具体包括:
S1.1、用户在移动终端的APP上进行实名制注册,注册信息包括姓名、年龄、性别、民族、文化程度、联系电话、用户名称和身份证信息;
S1.2、用户在APP填写或由院方根据注册信息填写就诊信息,就诊信息包括住院号、病案号、入院时间、入ICU时间、出ICU时间、出院时间;
S1.3、根据用户的注册信息和就诊信息,调用并匹配用户在医期间的ICU治疗信息,并根据用户的ICU治疗信息,向用户推送综合征自评筛查量表;
S1.4、用户根据推送的ICU后综合征自评筛查量表,填写对应的生理信息、心理信息和认知信息。
进一步地,步骤S1.3中的ICU后综合征自评筛查量表包括生理测试评估量表、心理测试评估量表和认知测试评估量表。
进一步地,步骤S2具体包括:
S2.1、读取用户填写的ICU后综合征自评筛查量表中的信息,对该信息进行特征分类,包括:
第一类,生理障碍特征集合c1=(x1、x2、x3…,xj),xj为第j个生理障碍临床表现影响因素对应的特征值;
第二类,心理障碍特征集合c2=(y1、y2、y3…,yj),yj为第j个心理障碍临床表现影响因素对应的特征值;
第三类,认知障碍特征集合c3=(z1、z2、z3…,zj),zj为第j个认知障碍临床表现影响因素对应的特征值;
S2.2、采用朴素贝叶斯算法分别计算每一类中影响因素对应的特征值的后验概率,包括:发生生理障碍后验概率P(c1|xj)、发生心理障碍后验概率P(c2|yj)和发生认知障碍后验概率P(c3|zj);
S2.3、若P(c1|xj)≥第一阈值,
且P(c2|yj)≥第二阈值,
且P(c3|zj)≥第三阈值,则输出对应于用户病历的评估结果,并结束;否则进入S2.4;
S2.4、基于互联网大数据获取ICU后综合征的生理障碍、心理障碍和认知障碍对应的多个临床表现信息,并对每个临床表现信息进行打分,以构建专家经验赋分知识库;
S2.5、获取多个临床表现信息,并对其进行分类,包括:
生理障碍临床表现信息集合Ai=(a1、a2、a3…,ai),ai为第i个生理障碍临床表现影响因素;
心理障碍临床表现信息集合Bi=(b1、b2、b3…,bi),bi为第i个心理障碍临床表现影响因素;
认知障碍临床表现信息集合Di=(d1、d2、d3…,di),di为第i个认知障碍临床表现影响因素;
S2.6、调用S2.4中的专家经验赋分知识库对S2.5中的每个影响因素进行打分,并分别计算得到生理障碍临床表现信息集合总得分Wa、心理障碍临床表现信息集合总得分Wb和认知障碍临床表现信息集合总得分Wd;
S2.7、根据生理障碍临床表现信息集合总得分Wa、心理障碍临床表现信息集合总得分Wb和认知障碍临床表现信息集合总得分Wd,构建用户ICU后综合征综合评价模型:
M=α1*Wa+α2*Wb+α3*Wd+β
其中,M为综合得分,α1、α2、α3分别为生理障碍临床表现信息集合总得分、心理障碍临床表现信息集合总得分、认知障碍临床表现信息集合总得分的权重系数,β为修正值;
S2.8、基于MATLAB多元非线性回归方法求解权重系数α1、α2、α3和修正值β,并求解得到最优用户ICU后综合征综合评价模型;
S2.9、将用户填写的ICU后综合征自评筛查量表中的信息通过分类、求和后,输入最优用户ICU后综合征综合评价模型中,并输出对应于用户病历的评估结果。
进一步地,步骤S2.2中采用朴素贝叶斯算法计算发生生理障碍后验概率P(c1|xj)为:
其中,P(c1)为发生生理障碍的概率;P(xj | c1)为在已知发生生理障碍的条件下,特征值xj发生的概率,即xj发生的后验概率;P(xj)为xj发生的概率,即先验概率;P(xj,c1)为条件联合概率。
进一步地,S2.6中计算得到生理障碍临床表现信息集合总得分Wa为:
Wa= Wa1+ Wa2+ Wa3+ …+ Wai
其中,Wai为第i个生理障碍临床表现影响因素对应的分数;
心理障碍临床表现信息集合总得分Wb为:
Wb= Wb1+ Wb2+ Wb3+ …+ Wbi
其中,Wbi为第i个心理障碍临床表现影响因素对应的分数;
认知障碍临床表现信息集合总得分Wd为:
Wd= Wd1+ Wd2+ Wd3+ …+ Wdi
其中,Wdi为第i个认知障碍临床表现影响因素对应的分数。
本发明提供的ICU后综合征自评快速筛查系统及其筛查方法,具有以下有益效果:
本发明采用朴素贝叶斯算法进行发生生理障碍后验概率、发生心理障碍后验概率和发生认知障碍后验概率的计算,并通过对三类后验概率进行阈值比较,当三类后验概率同时大于阈值时,则可快速得到用户病历的评估结果以及对应评估结果的处置建议;若三类后验概率任何一个不满足阈值要求,则通过构建用于赋值打分的用户ICU后综合征综合评价模型进行深度的评价,以得到准确的用户病历的评估结果以及对应评估结果的处置建议。
本发明通过后验概率的计算实现快速的结果评估,可有效地减少计算量,提高评估效率;同时,也可采用赋值打分和权重占比方法,进一步得到更为准确的评估结果,本发明将两种方法相互结合,具有较高的市场应用前景和较高的灵活性。
本发明通过在移动终端上搭载ICU后综合征自评筛查量表,并通过对应的数字逻辑算法,实现用户快速自评并出具ICU后综合征结果及报告,使得患者或家属充分认识ICU后综合征并得到相应的治疗,最终达到节约患者及医生的时间的效果。
本发明管理高效,系统基于互联网应用,重点在于可对ICU患者的长期管理,通过系统,医生和患者能够更深入密切联系,获得更高效的医疗服务。
附图说明
图1为ICU后综合征自评快速筛查系统的筛查方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例1,本方案的ICU后综合征自评快速筛查系统,包括ICU后综合征自评模块、ICU后综合征计算模块和ICU后综合征报告模块,三个模块可以搭载于移动终端的APP上,以使得患者和用户可以进行ICU后综合征快速自查,且该APP与互联网相连,用户和医生可进行信息共享,但用户客户端的权限不同于医生客户端的权限,用户客户端主要用于进行信息的填写和上传,医生客户端具有监督权限,以及发送处置建议的权限;且用户客户端和医生客户端可进行信息交流,包括文字交流、语音交流和视频交流,以更好的辅助、监督用户在ICU治疗后的恢复进程。
具体的,本实施例的三个模块的功能为:
ICU后综合征自评模块,用于患者填写、输入ICU治疗后的症候信息,其至少包括生理信息、心理信息和认知信息,并将生理信息、心理信息和认知信息传送至ICU后综合征计算模块;
ICU后综合征计算模块,用于根据接收的生理信息、心理信息和认知信息进行信息的快速筛查,并向ICU后综合征报告模块输出筛查后对应的评估结果;
ICU后综合征报告模块,用于根据评估结果,生成ICU综合征评估报告和对应于ICU综合征评估报告的处置建议。
本实施例用户通过自主填写完成通俗易懂的ICU后综合征自评模块,获得用户生理、心理及认知状况数据,数据通过ICU后综合征计算模块通过算法进行分析判定,根据实时评估结果,自动生成评估结果,输出至ICU后综合征报告模块,最终形成ICU后综合征评估报告和处置建议。
本发明通过在移动终端上搭载ICU后综合征自评筛查量表,并通过算法计算,可以实现用户快速自评并出具ICU后综合征结果及报告,使得患者或家属充分认识ICU后综合征并得到相应的治疗,优于医务人员评估处置模式,对于解决目前ICU后综合征筛查率低、大部分ICU后综合征得不到相应的治疗及诊断方法耗时耗力等问题具有重大意义。
实施例2,参考图1,一种ICU后综合征自评快速筛查系统的筛查方法,包括以下步骤:
S1、用户填写ICU后综合征自评筛查量表,并将填写后的ICU后综合征自评筛查量表上传至ICU后综合征计算模块,其具体包括:
S1.1、用户在移动终端的APP上进行实名制注册,注册信息包括姓名、年龄、性别、民族、文化程度、联系电话、用户名称和身份证信息;
S1.2、用户在APP填写或由院方根据注册信息填写就诊信息,就诊信息包括住院号、病案号、入院时间、入ICU时间、出ICU时间、出院时间;
S1.3、根据用户的注册信息和就诊信息,调用并匹配用户在医期间的ICU治疗信息,并根据用户的ICU治疗信息,向用户推送综合征自评筛查量表;
ICU后综合征自评筛查量表包括生理测试评估量表、心理测试评估量表和认知测试评估量表。
S1.4、用户根据推送的ICU后综合征自评筛查量表,填写对应的生理信息、心理信息和认知信息,具体的:
生理信息方面:步行、独立洗澡,独立完成家务活、购买杂货、在适当的时间服用适当剂量的药物、准备或提供膳食、独处;
心理方面:对做事情、爱要或活动缺乏兴趣,感到沮丧或绝望,感到焦虑、紧张、恐惧或恐慌,相信别人在偷你的东西或打算伤害你,听到声音、看到实物或不在场的人交谈,食欲不振或暴饮暴食,入睡困难或早醒,冲动行事,不考虑自己行为的后果等;
认知方面:忘记正确的月份或年份,记住约定,反复重复同样的事情,处理复杂的财务事务等。
每个信息方面还包括四个选择项,从无(0天),偶尔(2~6天),经常(7~11天),总是(12天以上)。
S2、ICU后综合征计算模块读取ICU后综合征自评筛查量表中患者填写的症候信息,并对该症候信息进行快速筛查,得到筛查后的评估结果,其具体包括:
第一次快速筛查阶段,第一次筛查阶段包括步骤S2.1~步骤S2.3,具体如下:
S2.1、读取用户填写的ICU后综合征自评筛查量表中的信息,对该信息进行特征分类,包括:
第一类,生理障碍特征集合c1=(x1、x2、x3…,xj),xj为第j个生理障碍临床表现影响因素对应的特征值;
第二类,心理障碍特征集合c2=(y1、y2、y3…,yj),yj为第j个心理障碍临床表现影响因素对应的特征值;
第三类,认知障碍特征集合c3=(z1、z2、z3…,zj),zj为第j个认知障碍临床表现影响因素对应的特征值;
S2.2、采用朴素贝叶斯算法分别计算每一类中影响因素对应的特征值的后验概率,包括:发生生理障碍后验概率P(c1|xj)、发生心理障碍后验概率P(c2|yj)和发生认知障碍后验概率P(c3|zj);
发生生理障碍后验概率P(c1|xj)为:
其中,P(c1)为发生生理障碍的概率;P(xj | c1)为在已知发生生理障碍的条件下,特征值xj发生的概率,即xj发生的后验概率;P(xj)为xj发生的概率,即先验概率;P(xj,c1)为条件联合概率;
采用相同的算法计算得到发生心理障碍后验概率P(c2|yj)和发生认知障碍后验概率P(c3|zj),本实施例不再赘述其过程;
S2.3、若P(c1|xj)≥第一阈值,
且P(c2|yj)≥第二阈值,
且P(c3|zj)≥第三阈值,则输出对应于用户病历的评估结果,并结束;否则进入S2.4;
本实施例的该阶段采用朴素贝叶斯算法进行计算,并选择每一类中所有特征值中的最大概率进行输出,若每一类的最大概率值都已大于预设的阈值,则显然可知,每一类所有的特征值的概率总和必然大于预设的阈值,并根据此理论,进行快速筛查,以快速推送评估结果。
第二次筛查阶段,即进阶筛查,其具体包括以下步骤:
S2.4、基于互联网大数据获取ICU后综合征的生理障碍、心理障碍和认知障碍对应的多个临床表现信息,并对每个临床表现信息进行打分,以构建专家经验赋分知识库;
S2.5、获取多个临床表现信息,并对其进行分类,包括:
生理障碍临床表现信息集合Ai=(a1、a2、a3…,ai),ai为第i个生理障碍临床表现影响因素;
心理障碍临床表现信息集合Bi=(b1、b2、b3…,bi),bi为第i个心理障碍临床表现影响因素;
认知障碍临床表现信息集合Di=(d1、d2、d3…,di),di为第i个认知障碍临床表现影响因素;
S2.6、调用S2.4中的专家经验赋分知识库对S2.5中的每个影响因素进行打分,并分别计算得到生理障碍临床表现信息集合总得分Wa、心理障碍临床表现信息集合总得分Wb和认知障碍临床表现信息集合总得分Wd;
生理障碍临床表现信息集合总得分Wa为:
Wa= Wa1+ Wa2+ Wa3+ …+ Wai
其中,Wai为第i个生理障碍临床表现影响因素对应的分数;
心理障碍临床表现信息集合总得分Wb为:
Wb= Wb1+ Wb2+ Wb3+ …+ Wbi
其中,Wbi为第i个心理障碍临床表现影响因素对应的分数;
认知障碍临床表现信息集合总得分Wd为:
Wd= Wd1+ Wd2+ Wd3+ …+ Wdi
其中,Wdi为第i个认知障碍临床表现影响因素对应的分数;
S2.7、根据生理障碍临床表现信息集合总得分Wa、心理障碍临床表现信息集合总得分Wb和认知障碍临床表现信息集合总得分Wd,构建用户ICU后综合征综合评价模型:
M=α1*Wa+α2*Wb+α3*Wd+β
其中,M为综合得分,α1、α2、α3分别为生理障碍临床表现信息集合总得分、心理障碍临床表现信息集合总得分、认知障碍临床表现信息集合总得分的权重系数,β为修正值;
S2.8、基于MATLAB多元非线性回归方法求解权重系数α1、α2、α3和修正值β,并求解得到最优用户ICU后综合征综合评价模型;
本步骤的MATLAB多元非线性回归方法为本领域的常规手段,即不再赘述其原理。
S2.9、将用户填写的ICU后综合征自评筛查量表中的信息通过分类、求和后,输入最优用户ICU后综合征综合评价模型中,并输出对应于用户病历的评估结果。
S3、根据筛查后的评估结果,生成ICU综合征评估报告,并输出对应于ICU综合征评估报告的处置建议。
根据分项得分、总得分和干扰选项情况,得出一个综合报告,比如认知受限,心理障碍等,根据不同的报告,给与相应的康复建议。
虽然结合附图对发明的具体实施方式进行了详细地描述,但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (6)
1.一种ICU后综合征自评快速筛查系统,其特征在于,包括:
ICU后综合征自评模块,用于患者填写、输入ICU治疗后的症候信息,其至少包括生理信息、心理信息和认知信息,并将生理信息、心理信息和认知信息传送至ICU后综合征计算模块;
ICU后综合征计算模块,用于根据接收的生理信息、心理信息和认知信息进行信息的快速筛查,并向ICU后综合征报告模块输出筛查后对应的评估结果;
ICU后综合征报告模块,用于根据评估结果,生成ICU综合征评估报告和对应于ICU综合征评估报告的处置建议。
2.一种根据权利要求1所述的ICU后综合征自评快速筛查系统的筛查方法,其特征在于,包括以下步骤:
S1、用户填写ICU后综合征自评筛查量表,并将填写后的ICU后综合征自评筛查量表上传至ICU后综合征计算模块;
S2、ICU后综合征计算模块读取ICU后综合征自评筛查量表中患者填写的症候信息,并对该症候信息进行快速筛查,得到筛查后的评估结果;
S3、根据筛查后的评估结果,生成ICU综合征评估报告,并输出对应于ICU综合征评估报告的处置建议;
步骤S1具体包括:
S1.1、用户在移动终端的APP上进行实名制注册,注册信息包括姓名、年龄、性别、民族、文化程度、联系电话、用户名称和身份证信息;
S1.2、用户在APP填写或由院方根据注册信息填写就诊信息,就诊信息包括住院号、病案号、入院时间、入ICU时间、出ICU时间、出院时间;
S1.3、根据用户的注册信息和就诊信息,调用并匹配用户在医期间的ICU治疗信息,并根据用户的ICU治疗信息,向用户推送综合征自评筛查量表;
S1.4、用户根据推送的ICU后综合征自评筛查量表,填写对应的生理信息、心理信息和认知信息。
3.根据权利要求2所述的ICU后综合征自评快速筛查系统的筛查方法,其特征在于,所述步骤S1.3中的ICU后综合征自评筛查量表包括生理测试评估量表、心理测试评估量表和认知测试评估量表。
4.根据权利要求3所述的ICU后综合征自评快速筛查系统的筛查方法,其特征在于,所述步骤S2具体包括:
S2.1、读取用户填写的ICU后综合征自评筛查量表中的信息,对该信息进行特征分类,包括:
第一类,生理障碍特征集合c1=(x1、x2、x3…,xj),xj为第j个生理障碍临床表现影响因素对应的特征值;
第二类,心理障碍特征集合c2=(y1、y2、y3…,yj),yj为第j个心理障碍临床表现影响因素对应的特征值;
第三类,认知障碍特征集合c3=(z1、z2、z3…,zj),zj为第j个认知障碍临床表现影响因素对应的特征值;
S2.2、采用朴素贝叶斯算法分别计算每一类中影响因素对应的特征值的后验概率,包括:发生生理障碍后验概率P(c1|xj)、发生心理障碍后验概率P(c2|yj)和发生认知障碍后验概率P(c3|zj);
S2.3、若P(c1|xj)≥第一阈值,
且P(c2|yj)≥第二阈值,
且P(c3|zj)≥第三阈值,则输出对应于用户病历的评估结果,并结束;否则进入S2.4;
S2.4、基于互联网大数据获取ICU后综合征的生理障碍、心理障碍和认知障碍对应的多个临床表现信息,并对每个临床表现信息进行打分,以构建专家经验赋分知识库;
S2.5、获取多个临床表现信息,并对其进行分类,包括:
生理障碍临床表现信息集合Ai=(a1、a2、a3…,ai),ai为第i个生理障碍临床表现影响因素;
心理障碍临床表现信息集合Bi=(b1、b2、b3…,bi),bi为第i个心理障碍临床表现影响因素;
认知障碍临床表现信息集合Di=(d1、d2、d3…,di),di为第i个认知障碍临床表现影响因素;
S2.6、调用S2.4中的专家经验赋分知识库对S2.5中的每个影响因素进行打分,并分别计算得到生理障碍临床表现信息集合总得分Wa、心理障碍临床表现信息集合总得分Wb和认知障碍临床表现信息集合总得分Wd;
S2.7、根据生理障碍临床表现信息集合总得分Wa、心理障碍临床表现信息集合总得分Wb和认知障碍临床表现信息集合总得分Wd,构建用户ICU后综合征综合评价模型:
M=α1*Wa+α2*Wb+α3*Wd+β
其中,M为综合得分,α1、α2、α3分别为生理障碍临床表现信息集合总得分、心理障碍临床表现信息集合总得分、认知障碍临床表现信息集合总得分的权重系数,β为修正值;
S2.8、基于MATLAB多元非线性回归方法求解权重系数α1、α2、α3和修正值β,并求解得到最优用户ICU后综合征综合评价模型;
S2.9、将用户填写的ICU后综合征自评筛查量表中的信息通过分类、求和后,输入最优用户ICU后综合征综合评价模型中,并输出对应于用户病历的评估结果。
6.根据权利要求4所述的ICU后综合征自评快速筛查系统的筛查方法,其特征在于,所述S2.6中计算得到生理障碍临床表现信息集合总得分Wa为:
Wa= Wa1+ Wa2+ Wa3+ …+ Wai
其中,Wai为第i个生理障碍临床表现影响因素对应的分数;
心理障碍临床表现信息集合总得分Wb为:
Wb= Wb1+ Wb2+ Wb3+ …+ Wbi
其中,Wbi为第i个心理障碍临床表现影响因素对应的分数;
认知障碍临床表现信息集合总得分Wd为:
Wd= Wd1+ Wd2+ Wd3+ …+ Wdi
其中,Wdi为第i个认知障碍临床表现影响因素对应的分数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210941915.7A CN115019973B (zh) | 2022-08-08 | 2022-08-08 | 一种icu后综合征自评快速筛查系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210941915.7A CN115019973B (zh) | 2022-08-08 | 2022-08-08 | 一种icu后综合征自评快速筛查系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115019973A true CN115019973A (zh) | 2022-09-06 |
CN115019973B CN115019973B (zh) | 2022-10-25 |
Family
ID=83065489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210941915.7A Active CN115019973B (zh) | 2022-08-08 | 2022-08-08 | 一种icu后综合征自评快速筛查系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115019973B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999658A (zh) * | 2022-08-04 | 2022-09-02 | 四川大学华西医院 | 一种数字干预icu后综合征的系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960132A (zh) * | 2016-12-16 | 2017-07-18 | 遵义医学院附属医院 | 一种icu患者非计划性拔管预警系统 |
CN110604565A (zh) * | 2019-08-02 | 2019-12-24 | 北京脑陆科技有限公司 | 一种基于便携式eeg设备的脑部健康筛查方法 |
CN111081379A (zh) * | 2019-12-02 | 2020-04-28 | 中南大学 | 一种疾病概率决策方法及其系统 |
CN111524602A (zh) * | 2020-04-28 | 2020-08-11 | 西安玖诚玖谊实业有限公司 | 一种老年人记忆及认知功能评估筛查预警系统 |
CN112071438A (zh) * | 2020-09-29 | 2020-12-11 | 武汉东湖大数据交易中心股份有限公司 | 一种百日咳智能筛查方法及系统 |
CN112470229A (zh) * | 2018-02-27 | 2021-03-09 | 基因组学公开有限公司 | 分析关于生物体的基因数据的计算机实现的方法 |
CN113035296A (zh) * | 2021-02-25 | 2021-06-25 | 四川大学华西医院 | 用于icu后综合征的随访方法及系统 |
CN113628750A (zh) * | 2021-09-17 | 2021-11-09 | 成都尚医信息科技有限公司 | 一种基于数字技术的营养不良快速筛查系统 |
CN113825440A (zh) * | 2018-10-23 | 2021-12-21 | 布莱克索恩治疗公司 | 用于对患者进行筛查、诊断和分层的系统和方法 |
CN114334123A (zh) * | 2020-10-10 | 2022-04-12 | 北京师范大学 | 一种适用于轻度认知障碍快速检测的认知测评体系 |
-
2022
- 2022-08-08 CN CN202210941915.7A patent/CN115019973B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960132A (zh) * | 2016-12-16 | 2017-07-18 | 遵义医学院附属医院 | 一种icu患者非计划性拔管预警系统 |
CN112470229A (zh) * | 2018-02-27 | 2021-03-09 | 基因组学公开有限公司 | 分析关于生物体的基因数据的计算机实现的方法 |
CN113825440A (zh) * | 2018-10-23 | 2021-12-21 | 布莱克索恩治疗公司 | 用于对患者进行筛查、诊断和分层的系统和方法 |
CN110604565A (zh) * | 2019-08-02 | 2019-12-24 | 北京脑陆科技有限公司 | 一种基于便携式eeg设备的脑部健康筛查方法 |
CN111081379A (zh) * | 2019-12-02 | 2020-04-28 | 中南大学 | 一种疾病概率决策方法及其系统 |
CN111524602A (zh) * | 2020-04-28 | 2020-08-11 | 西安玖诚玖谊实业有限公司 | 一种老年人记忆及认知功能评估筛查预警系统 |
CN112071438A (zh) * | 2020-09-29 | 2020-12-11 | 武汉东湖大数据交易中心股份有限公司 | 一种百日咳智能筛查方法及系统 |
CN114334123A (zh) * | 2020-10-10 | 2022-04-12 | 北京师范大学 | 一种适用于轻度认知障碍快速检测的认知测评体系 |
CN113035296A (zh) * | 2021-02-25 | 2021-06-25 | 四川大学华西医院 | 用于icu后综合征的随访方法及系统 |
CN113628750A (zh) * | 2021-09-17 | 2021-11-09 | 成都尚医信息科技有限公司 | 一种基于数字技术的营养不良快速筛查系统 |
Non-Patent Citations (1)
Title |
---|
王尚哲等: "基于ABC-NB的慢性病诊断分类研究", 《计算机测量与控制》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999658A (zh) * | 2022-08-04 | 2022-09-02 | 四川大学华西医院 | 一种数字干预icu后综合征的系统及方法 |
CN114999658B (zh) * | 2022-08-04 | 2022-11-11 | 四川大学华西医院 | 一种数字干预icu后综合征的系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115019973B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Majerovitz | Role of family adaptability in the psychological adjustment of spouse caregivers to patients with dementia. | |
Haley et al. | Appraisal, coping, and social support as mediators of well-being in black and white family caregivers of patients with Alzheimer's disease. | |
Smith et al. | Improving follow-up for children with asthma after an acute emergency department visit | |
Pakenham | Benefit finding in multiple sclerosis and associations with positive and negative outcomes. | |
Hole et al. | The patient’s experience of the psychosocial process that influences identity following stroke rehabilitation: a metaethnography | |
Mazumder | Does education improve health? A reexamination of the evidence from compulsory schooling laws | |
Orrow et al. | Effectiveness of physical activity promotion based in primary care: systematic review and meta-analysis of randomised controlled trials | |
Rutter et al. | Longitudinal analysis of the illness representation model in patients with irritable bowel syndrome (IBS) | |
Soldo et al. | Cross-cohort differences in health on the verge of retirement | |
Stewart | The medical outcomes study framework of health indicators | |
CN115019973B (zh) | 一种icu后综合征自评快速筛查系统 | |
Munir et al. | An analysis of families experiences with young children with intellectual and developmental disabilities (IDDs) during COVID-19 lockdown in Pakistan | |
Bass-Haugen | Health disparities: Examination of evidence relevant for occupational therapy | |
Gochman et al. | The social structure of the hospice decision | |
CN114999658B (zh) | 一种数字干预icu后综合征的系统及方法 | |
Brailer et al. | Improving performance with clinical decision support | |
Breazu et al. | The Level of Resources and Quality of the Health System in the Romanian Country | |
Smith | The impact of SES on health over the life-course | |
Rathi et al. | Assessing mental health crisis in pandemic situation with computational intelligence | |
JP7418072B1 (ja) | ソフトウェア、データ処理装置及びデータ処理方法 | |
Li et al. | Research on intelligent traditional chinese medicine prescription model based on noisy-or bayesian network | |
Carlozzi et al. | An app-based just-in-time-adaptive self-management intervention for care partners: The CareQOL feasibility pilot study. | |
Russell | Development and Testing of an Idiopathic Pulmonary Fibrosis (IPF) Patient Reported Outcome Measure (PROM). | |
CHANG et al. | Building a cohesive partnership: Perspectives of staff caregivers on improving self-care independence among older adults living in long-term care facilities | |
Han et al. | Age-Based Health Insurance Coverage Policies and Mental Health |
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 |