CN115040093A - 一种用于内科高龄患者的护理干预方法及系统 - Google Patents
一种用于内科高龄患者的护理干预方法及系统 Download PDFInfo
- Publication number
- CN115040093A CN115040093A CN202210756551.5A CN202210756551A CN115040093A CN 115040093 A CN115040093 A CN 115040093A CN 202210756551 A CN202210756551 A CN 202210756551A CN 115040093 A CN115040093 A CN 115040093A
- Authority
- CN
- China
- Prior art keywords
- early warning
- information
- monitoring
- sign
- nursing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- 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
-
- 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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/08—Elderly
Abstract
本发明公开了一种用于内科高龄患者的护理干预方法及系统,涉及内科高龄患者护理相关领域,获得目标护理对象的年龄信息和既往病史;根据体检信息和年龄信息生成身体状态评价参数;构建监测关联体征和体征分级阈值,通过监测关联体征分级阈值集合对监测数据集合进行预警评价,基于图像采集结果进行目标护理对象的行为预警评价,根据第一预警约束系数和第二预警约束系数进行所述目标护理对象的护理干预管理,解决了现有技术在进行高龄患者护理的过程中,更多的依赖于人工进行患者的监测评价或者患者主动的呼叫护理,缺少智能准确根据监测的预警信息进行预警,导致浪费人力且预警不准确的技术问题。
Description
技术领域
本发明涉及内科高龄患者护理相关领域,尤其涉及一种用于内科高龄患者的护理干预方法及系统。
背景技术
内科包括呼吸内科、消化内科、心血管内科、神经内科、血液内科等,随着我国社会逐渐进入老龄化阶段,老人患病比例逐年上升。基于高龄患者的年龄特殊性,还可能存在基础疾病,身体状况较差,容易出现护理不及时、护理异常问题,因此需要投入较多的关注,以保证对于高龄患者的护理及时性。
现有技术在进行高龄患者护理的过程中,更多的依赖于人工进行患者的监测评价或者患者主动的呼叫护理,缺少智能准确根据监测的预警信息进行预警,导致浪费人力且预警不准确的技术问题。
发明内容
本申请通过提供一种用于内科高龄患者的护理干预方法及系统,解决了现有技术在进行高龄患者护理的过程中,更多的依赖于人工进行患者的监测评价或者患者主动的呼叫护理,缺少智能准确根据监测的预警信息进行预警,导致浪费人力且预警不准确的技术问题,达到通过分析用户信息,构建关联体征的预警阈值,进而实现用户的智能化监测和预警的技术效果。
鉴于上述问题,提出了本申请提供一种用于内科高龄患者的护理干预方法及系统。
第一方面,本申请提供了一种用于内科高龄患者的护理干预方法,所述方法应用于智能处理系统,所述智能处理系统与信息采集装置、图像采集装置通信连接,所述方法包括:根据目标护理对象的基础信息获得所述目标护理对象的年龄信息和既往病史;采集所述目标护理对象的体检信息,根据所述体检信息和所述年龄信息进行所述目标护理对象的身体状态评价,生成身体状态评价参数;根据所述既往病史构建所述目标护理对象的监测关联体征;根据所述身体状态评价参数和所述既往病史进行所述监测关联体征的体征分级阈值构建,获得监测关联体征分级阈值集合;通过所述信息采集装置进行所述目标护理对象的实时体征信息采集,得到监测数据集合;通过所述监测关联体征分级阈值集合对所述监测数据集合进行预警评价,生成第一预警约束系数;通过所述图像采集装置进行所述目标护理对象的图像采集,基于图像采集结果进行所述目标护理对象的行为预警评价,生成第二预警约束系数;根据所述第一预警约束系数和所述第二预警约束系数进行所述目标护理对象的护理干预管理。
另一方面,本申请还提供了一种用于内科高龄患者的护理干预系统,所述系统与信息采集装置、图像采集装置通信连接,所述系统包括:信息采集模块,所述信息采集模块用于根据目标护理对象的基础信息获得所述目标护理对象的年龄信息和既往病史;评价模块,所述评价模块用于采集所述目标护理对象的体检信息,根据所述体检信息和所述年龄信息进行所述目标护理对象的身体状态评价,生成身体状态评价参数;构建模块,所述构建模块用于根据所述既往病史构建所述目标护理对象的监测关联体征;分级阈值构建模块,所述分级阈值构建模块用于根据所述身体状态评价参数和所述既往病史进行所述监测关联体征的体征分级阈值构建,获得监测关联体征分级阈值集合;实时监测信息采集模块,所述实时监测信息采集模块用于通过所述信息采集装置进行所述目标护理对象的实时体征信息采集,得到监测数据集合;预警评价模块,所述预警评价模块用于通过所述监测关联体征分级阈值集合对所述监测数据集合进行预警评价,生成第一预警约束系数;图像评价模块,所述图像评价模块用于通过所述图像采集装置进行所述目标护理对象的图像采集,基于图像采集结果进行所述目标护理对象的行为预警评价,生成第二预警约束系数;护理干预管理模块,所述护理干预管理模块用于根据所述第一预警约束系数和所述第二预警约束系数进行所述目标护理对象的护理干预管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了采集目标护理对象的年龄信息和既往病史,通过体检信息和所述年龄信息进行所述目标护理对象的身体状态评价,生成身体状态评价参数,通过所述既往病史构建所述目标护理对象的监测关联体征,根据所述身体状态评价参数和所述监测关联体征进行体征分级阈值构建,获得监测关联体征分级阈值集合,通过所述信息采集装置进行实时体征信息采集,得到监测数据集合;通过监测关联体征分级阈值集合对监测数据集合进行预警评价,生成第一预警约束系数;通过图像采集装置进行所述目标护理对象的图像采集,基于图像采集结果进行行为预警评价,生成第二预警约束系数;基于第一预警约束系数和第二预警约束系数进行护理干预管理,达到通过分析用户信息,构建关联体征的预警阈值,进而实现用户的智能化监测和预警的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请一种用于内科高龄患者的护理干预方法的流程示意图;
图2为本申请一种用于内科高龄患者的护理干预方法的监测关联体征分级阈值集合构建的流程示意图;
图3为本申请一种用于内科高龄患者的护理干预方法获得初始体征分级阈值构建结果的流程示意图;
图4为本申请一种用于内科高龄患者的护理干预系统的结构示意图。
附图标记说明:信息采集模块1,评价模块2,构建模块3,分级阈值构建模块4,实时监测信息采集模块5,预警评价模块6,图像评价模块7,护理干预管理模块8。
具体实施方式
本申请通过提供一种用于内科高龄患者的护理干预方法及系统,解决了现有技术在进行高龄患者护理的过程中,更多的依赖于人工进行患者的监测评价或者患者主动的呼叫护理,缺少智能准确根据监测的预警信息进行预警,导致浪费人力且预警不准确的技术问题,达到通过分析用户信息,构建关联体征的预警阈值,进而实现用户的智能化监测和预警的技术效果。下面结合附图,对本申请的实施例进行描述。本领域普通技术人员可知,随着技术的发展和新场景的出现,本申请提供的技术方案对于类似的技术问题,同样适用。
本申请的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请提供了一种用于内科高龄患者的护理干预方法,所述方法应用于智能处理系统,所述智能处理系统与信息采集装置、图像采集装置通信连接,所述方法包括:
步骤S100:根据目标护理对象的基础信息获得所述目标护理对象的年龄信息和既往病史;
步骤S200:采集所述目标护理对象的体检信息,根据所述体检信息和所述年龄信息进行所述目标护理对象的身体状态评价,生成身体状态评价参数;
具体而言,所述智能处理系统为进行信息统筹分析、处理预警的系统,所述信息采集装置为与各个体征监测器械可以通信连接,进行信息采集和传输的装置,所述体征监测器械包括但不限于血氧饱和度监测设备、脉率监测设备、呼吸监测设备、体温监测设备、血压监测设备等,所述图像采集装置为设置在所述目标护理对象护理病房,用于对所述目标护理对象进行图像采集的设备,且所述信息采集装置、所述图像采集装置都分别与所述智能处理系统通信连接,可以进行与所述智能处理系统的信息交互。
进一步的,所述目标护理对象为进行护理的目标用户,且所述目标用户为年龄较大的目标用户,所述目标护理对象在进行治疗后,需要进行所述目标护理对象的临床护理,以提高所述目标护理对象的康复速度,及时对所述目标护理对象出现异常进行护理。
在所述目标护理对象许可的前提下,进行所述目标护理对象的信息采集,得到所述基础信息,且所述基础信息包括所述目标护理对象的年龄信息和既往病史,所述既往病史是指所述目标护理对象的既往出现过的疾病信息,同时包括此次的诊断疾病信息,通过所述既往病史的确定,为了更加准确的对于所述目标护理对象的身体状态进行准确评价,进而构建出更加适配于所述护理目标对象的关联体征监测结果,进而实现后续的准确监测和预警。
采集所述目标护理对象的体检信息,所述体检信息是指所述目标护理对象的最近时间阶段的身体检测信息,包括超声、心电、放射、血液、尿便等全方面的身体检查。通过所述体检信息和所述年龄信息对于所述目标护理对象的实际身体状态进行准确评价,进而为后续进行准确的设定监测和预警阈值提供了数据支持。
步骤S300:根据所述既往病史构建所述目标护理对象的监测关联体征;
步骤S400:根据所述身体状态评价参数和所述既往病史进行所述监测关联体征的体征分级阈值构建,获得监测关联体征分级阈值集合;
具体而言,所述监测关联体征为与所述目标护理对象的病情相关联的监测特征的集合,一般包括脉率特征、体温特征、呼吸特征、心率特征、血压特征等,通过所述目标护理对象的身体状态评价参数和所述既往病史,对于所述监测关联体征的分级阈值构建。
进一步的,为了更加准确的实现阈值预警,因此,构建的所述分级阈值即包括体征的高数值异变的预警阈值,还包括体征低数值异变长持续时间的预警阈值和频率性出现低数值的预警阈值。且每一个监测关联体征均对应有自己的分级阈值,所述分级阈值通过结合大数据、所述身体状态评价参数和既往病史构建而成。
步骤S500:通过所述信息采集装置进行所述目标护理对象的实时体征信息采集,得到监测数据集合;
步骤S600:通过所述监测关联体征分级阈值集合对所述监测数据集合进行预警评价,生成第一预警约束系数;
具体而言,所述信息采集装置可以与各个体征监测设备进行数据交互,即可实时进行体征监测设备的信息读取。所述目标护理对象在被护理过程中,通过设置在所述目标护理对象病房中的体征监测设备,如心电监测设备、血氧监测设备、血压监测设备、体温监测设备、血糖监测设备等,对所述目标护理对象进行实时数据采集,并通过所述信息采集装置进行实时数据进行收集整合,以此得到所述监测数据集合。通过所述监测数据集合的获取,为后续进行准确的护理干预预警提供了数据支持。
进一步的,通过所述监测关联体征分级阈值进行所述监测数据集合的预警评价,根据预警评价结果生成第一预警约束系数,所述预警评价的过程包括体征的波动值比对评价,波动持续时间的比对变化,波动出现频率的比对评价三个维度。通过三个维度参数的比对评价,生成一个体征的异常预警约束系数,基于所有的体征变化信息生成所述第一预警约束系数。
步骤S700:通过所述图像采集装置进行所述目标护理对象的图像采集,基于图像采集结果进行所述目标护理对象的行为预警评价,生成第二预警约束系数;
步骤S800:根据所述第一预警约束系数和所述第二预警约束系数进行所述目标护理对象的护理干预管理。
具体而言,所述图像采集装置设置在所述目标护理对象的护理病房内,可以进行所述目标护理对象的图像信息采集,所述图像采集装置可以根据所述目标护理对象的需要护理的等级,进行图像采集频率设定,即依据预定的采集频率进行图像采集,以降低图像处理的数据量,降低监测成本。当预定频率采集的图像识别存在异常特征时,则控制所述图像采集装置进行连续时间范围内的目标护理对象的图像采集,并将采集结果进行实时的图像识别,以监测异常的特征。
除却进行预定频率范围内的图像采集外,所述图像采集装置还可以与所述信息采集装置相互配合,进行所述目标护理对象的图像采集,即当识别出现监测体征异常时,则可适配性的启动所述图像采集装置的图像采集功能进行所述目标护理对象的图像采集,以提高体征监测信息的监测准确性,进而实现更加准确的护理干预。基于图像采集结果进行所述目标护理对象的行为预警评价,生成第二预警约束系数,通过所述第一预警约束系数和所述第二预警约束系数进行所述目标护理对象的护理管理,进而实现所述目标护理对象的准确护理干预管理,通过分析用户信息,构建关联体征的预警阈值,进而实现用户的智能化监测和预警的技术效果。
进一步的,如图2所示,本申请步骤S400还包括:
步骤S410:获得所述目标护理对象的诊断治疗信息,其中,所述诊断治疗信息为所述目标护理对象的护理前诊断治疗信息;
步骤S420:根据所述既往病史和所述诊断治疗信息进行所述目标护理对象的病情稳定排行分析,获得病情稳定排行结果;
步骤S430:根据所述病情稳定排行结果进行所述监测关联体征的体征分级阈值初始构建,获得初始体征分级阈值构建结果;
步骤S440:通过所述身体状态评价参数进行所述初始体征分级阈值构建结果进行调整,获得所述监测关联体征分级阈值集合。
具体而言,所述诊断治疗信息为所述目标护理对象的当前的诊断和治疗信息,当所述目标护理对象进行诊断治疗后,根据相关医生对于所述目标护理对象的诊断信息采集读取、治疗信息读取,所述治疗信息包括治疗方案、预期治疗效果、实际治疗信息等(所述目标护理对象授权前提下),根据所述目标护理对象的诊断治疗信息和所述既往病史,进行所述目标护理对象的病情分析,依据疾病相对于目标护理对象的严重程度、复发/易被触发的概率信息,进行严重程度和易触发程度,两个维度的分值评价,根据分值评价结果生成所述病情稳定排行结果。
更进一步的,通过所述病情稳定排行结果进行所述监测关联体征的体征分级阈值初始构建,获得初始体征分级阈值构建结果。所述初始体征分级阈值构建结果为基于各个体征波动对于所述目标护理对象的波动影响构建的多个体征的分级构建结果,并通过实时的目标护理对象的身体状态进行所述初始体征分级阈值构建结果优化调整,进而获得监测关联体征分级阈值集合。通过所述病情稳定排行结果,进而使得构建的所述监测关联体征的体征分级阈值与目标护理对象更加的适配,进而为后续进行准确的护理干预管理夯实了基础。
进一步的,如图3所示,本申请步骤S430还包括:
步骤S431:通过大数据根据所述既往病史和所述监测关联体征进行体征波动数据匹配,获得所述监测关联体征的关联体征波动数据集合;
步骤S432:对所述关联体征波动数据集合进行波动预警等级构建,得到波动预警等级构建结果;
步骤S433:通过所述关联体征波动数据集合进行波动持续时长预警等级构建,得到波动持续预警等级构建结果;
步骤S434:通过所述关联体征波动数据集合进行波动频率预警等级构建,得到波动频率预警等级构建结果
步骤S435:根据所述波动预警等级构建结果、所述波动持续预警等级构建结果和所述波动频率预警等级构建结果获得所述初始体征分级阈值构建结果。
具体而言,基于大数据,对于既往病史和所述监测关联体征中各个关联体征的数据波动值进行采集,根据数据采集结果获得关联体征波动数据集合。更进一步的,对于关联体征波动数据集合进行多个维度的预警等级构建,所述多个维度的预警等级包括波动预警等级、波动持续预警等级和波动频率预警等级。
进一步的,所述波动预警等级构建结果为根据关联体征波动数据中,仅仅依赖于体征的单次波动值变化,即可认为存在病情异常的标识数据构建而成的预警等级,一般而言,所述单次波动变化值构建而成的波动预警等级预警数值一般较大,具有高的辨识度。
更进一步的,所述波动频率预警等级是依据一定的波动预警值(此波动预警值较上述单次波动预警数值低)进行预警出现频率识别的阈值,即未出现较高的体征波动异常,但依据在预定时间范围内,出现多次低幅度的体征波动,进而可以被判别异常的标识数据构建而成。
更进一步的,波动持续预警等级为依据波动值和持续时长构建而成的预警约束等级,即波动值越大、持续时间越长,则预警值越高,目标护理对象当前的状态愈发紧急。依据所述波动预警等级构建结果、所述波动持续预警等级构建结果和所述波动频率预警等级构建结果获得所述初始体征分级阈值构建结果。
通过构建更加准确的初始体征分级阈值,进而为后续实现用户的智能化监测和准确预警夯实了基础。
进一步的,本申请步骤S600还包括:
步骤S610:判断所述监测数据集合中是否存在监测数据满足所述监测关联体征分级阈值集合;
步骤S620:当存在时,获得所述监测数据集合中满足所述监测关联体征分级阈值集合的特征种类信息;
步骤S630:当所述特征种类信息为存在单种特征满足所述监测关联体征分级阈值集合时,则通过所述单种特征的特征值生成预警等级信息;
步骤S640:根据所述预警等级信息生成所述第一预警约束系数。
具体而言,为了使得获得的预警信息更加准确,进而实现准确的护理干预,在进行所述第一预警约束系数获取的过程中,需要进行各个体征特征的单个比对,而后整合成多个特征的比对结果。首先,依据一个特征比对为例,如呼吸特征。判断所述监测数据集合中是否存在呼吸特征不满足所述监测呼吸体征分级阈值集合的部分,当存在时,则进行呼吸特征数据的比对分析。
判断出现的呼吸特征满足监测关呼吸体征分级阈值中的特征数量,判断所述特征数量是否为单体特征,当为单体特征时,代表此时的监测呼吸数据中,仅满足呼吸波动预警等级构建结果、呼吸波动持续预警等级构建结果和呼吸波动频率预警等级构建结果中的一种,此时则根据对应监测呼吸数据中满足上述三种特征中满足的那一种特征的满足特征值来生成预警等级信息。
并基于所有监测体征的比对结果来获得所述第一预警约束系数。通过进行同一特征的满足种类比对,以使得获得的同特征的预警等级更加准确,进而为后续获得更加准确的预警约束系数夯实了基础。
进一步的,本申请步骤S620还包括:
步骤S621:当所述特征种类信息为存在多种特征满足所述监测关联体征分级阈值集合时,则根据所述多种特征对应的特征值生成多特征预警等级信息;
步骤S622:对所述多特征预警等级信息进行等级顺序排序,获得顺序排序结果;
步骤S623:获得所述顺序排序结果中的最高预警等级信息,并将所述最高预警等级信息通过所述多种特征数量进行调整,获得调整预警等级信息;
步骤S624:根据所述调整预警等级信息生成所述第一预警约束系数。
具体而言,当所述特征种类信息为存在多种特征满足所述监测关联体征分级阈值集合时,即代表同体征下,存在同时满足波动预警等级、波动持续预警等级和所述波动频率预警等级中的多种,此时需要重新进行预警等级的评价。
更进一步而言,对于不同的特征,即波动预警特征、波动持续预警特征和波动频率预警特征,具有同级映射预警等级,即同一预警等级,都存在与其对应的波动预警阈值、波动持续预警阈值和波动频率预警阈值。当一个特征存在多特征预警等级信息预警时,通过换算多特征预警等级信息到同一预警等级下,然后进行预警等级比对,获得预警等级顺序排序结果。依据顺序排序结果中预警等级最高的等级作为基础评价等级,将多种预警等级的数量减一作为调整等级,进而获得调整预警等级信息,并依据所述调整预警等级信息获得所述第一预警约束系数。
同样依据上述呼吸特征为例,当存在呼吸波动预警特征、呼吸波动持续预警特征和呼吸波动频率预警特征同时满足时,且呼吸波动预警特征预警等级为3级,呼吸波动持续预警特征预警等级为2级,呼吸波动频率预警特征预警等级为4级,则顺序排序结果为呼吸波动频率预警特征预警等级:4级>呼吸波动预警特征预警等级:3级>呼吸波动持续预警特征预警等级:2级,最高预警等级为4级,预警数量为3个,则实际呼吸预警等级为4+(3-1)=6级。同样,对于其他体征对应下的预警等级进行计算,根据所有体征计算下的结果获得最终的所述第一预警约束系数。通过多特征预警等级的分级计算,进而使得获得的第一预警约束系数更加的准确,进而为实现准确的预警和护理干预夯实了基础。
进一步的,本申请步骤S700还包括:
步骤S710:通过所述既往病史结合大数据进行所述目标护理对象的动作特征集合构建,其中,所述动作特征集合中的所有特征均对应有特征预警值;
步骤S720:基于所述动作特征集合进行所述图像采集结果特征匹配,根据特征匹配结果和所述特征预警值生成所述第二预警约束系数。
具体而言,在进行预定频率下或者与信息采集装置采集信息相匹配的信息适配下的图像采集后,即时进行采集的对应图像进行特征识别,以生成基于图像的所述目标护理对象的预警信息。因此,在进行图像特征识别前,需要依据所述目标护理对象的既往病史,进行预警动作特征集合的构建,即对于不同用户,在不同病史下,同一特征可以出现不同的预警等级。通过所述既往病史结合大数据进行所述目标护理对象的动作特征集合构建,并基于构建的动作特征集合进行图像的预警识别,基于预警识别结果生成所述第二预警约束系数。
更进一步而言,为了对于一些特殊情况的识别更加准确,还可构建与图像识别结果同步识别的声音识别特征集合,并基于实时监测的声音数据进行声音识别特征集合的匹配预警,根据声音结合图像共同生成所述第二预警约束系数,以使得预警更加的准确。
进一步的,本申请还包括:
步骤S910:根据所述第一预警约束系数和所述第二预警约束系数匹配预警等级;
步骤S920:设定预警等级评价阈值;
步骤S930:判断所述预警等级是否满足所述预警等级评价阈值;
步骤S940:当所述预警等级满足所述预警等级评价阈值时,生成红色预警信息;
步骤S950:基于所述红色预警信息进行所述目标护理对象的护理干预管理。
具体而言,所述预警等级评价阈值为进行总预警等级约束的阈值,当满足所述预警等级评价阈值时,认为所述目标护理对象处于极危险状态,需要进行及时的护理处理。最终确定的预警等级由两部分组成,即第一预警约束系数部分和第二预警约束系数部分,通过所述第一预警约束系数的值和第二预警约束系数的值,确定两个维度的预警等级,并由这两个维度的预警等级共同构成总预警等级,当总预警等级满足所述预警等级评价阈值时,生成红色预警信息,基于所述红色预警信息进行所述目标护理对象的护理干预管理。通过红色预警信息的设定,进而使得护理干预更加的及时,避免因为预警信息处理不及时,导致目标护理对象出现异常。
实施例二
基于与前述实施例中一种用于内科高龄患者的护理干预方法同样发明构思,本发明还提供了一种用于内科高龄患者的护理干预系统,如图4所示,所述系统与信息采集装置、图像采集装置通信连接,所述系统包括:
信息采集模块1,所述信息采集模块1用于根据目标护理对象的基础信息获得所述目标护理对象的年龄信息和既往病史;
评价模块2,所述评价模块2用于采集所述目标护理对象的体检信息,根据所述体检信息和所述年龄信息进行所述目标护理对象的身体状态评价,生成身体状态评价参数;
构建模块3,所述构建模块3用于根据所述既往病史构建所述目标护理对象的监测关联体征;
分级阈值构建模块4,所述分级阈值构建模块4用于根据所述身体状态评价参数和所述既往病史进行所述监测关联体征的体征分级阈值构建,获得监测关联体征分级阈值集合;
实时监测信息采集模块5,所述实时监测信息采集模块5用于通过所述信息采集装置进行所述目标护理对象的实时体征信息采集,得到监测数据集合;
预警评价模块6,所述预警评价模块6用于通过所述监测关联体征分级阈值集合对所述监测数据集合进行预警评价,生成第一预警约束系数;
图像评价模块7,所述图像评价模块7用于通过所述图像采集装置进行所述目标护理对象的图像采集,基于图像采集结果进行所述目标护理对象的行为预警评价,生成第二预警约束系数;
护理干预管理模块8,所述护理干预管理模块8用于根据所述第一预警约束系数和所述第二预警约束系数进行所述目标护理对象的护理干预管理。
进一步的,所述分级阈值构建模块4还用于:
获得所述目标护理对象的诊断治疗信息,其中,所述诊断治疗信息为所述目标护理对象的护理前诊断治疗信息;
根据所述既往病史和所述诊断治疗信息进行所述目标护理对象的病情稳定排行分析,获得病情稳定排行结果;
根据所述病情稳定排行结果进行所述监测关联体征的体征分级阈值初始构建,获得初始体征分级阈值构建结果;
通过所述身体状态评价参数进行所述初始体征分级阈值构建结果进行调整,获得所述监测关联体征分级阈值集合。
进一步的,所述分级阈值构建模块4还用于:
通过大数据根据所述既往病史和所述监测关联体征进行体征波动数据匹配,获得所述监测关联体征的关联体征波动数据集合;
对所述关联体征波动数据集合进行波动预警等级构建,得到波动预警等级构建结果;
通过所述关联体征波动数据集合进行波动持续时长预警等级构建,得到波动持续预警等级构建结果;
通过所述关联体征波动数据集合进行波动频率预警等级构建,得到波动频率预警等级构建结果;
根据所述波动预警等级构建结果、所述波动持续预警等级构建结果和所述波动频率预警等级构建结果获得所述初始体征分级阈值构建结果。
进一步的,所述分级阈值构建模块4还用于:
判断所述监测数据集合中是否存在监测数据满足所述监测关联体征分级阈值集合;
当存在时,获得所述监测数据集合中满足所述监测关联体征分级阈值集合的特征种类信息;
当所述特征种类信息为存在单种特征满足所述监测关联体征分级阈值集合时,则通过所述单种特征的特征值生成预警等级信息;
根据所述预警等级信息生成所述第一预警约束系数。
进一步的,所述分级阈值构建模块4还用于:
当所述特征种类信息为存在多种特征满足所述监测关联体征分级阈值集合时,则根据所述多种特征对应的特征值生成多特征预警等级信息;
对所述多特征预警等级信息进行等级顺序排序,获得顺序排序结果;
获得所述顺序排序结果中的最高预警等级信息,并将所述最高预警等级信息通过所述多种特征数量进行调整,获得调整预警等级信息;
根据所述调整预警等级信息生成所述第一预警约束系数。
进一步的,所述图像评价模块7还用于:
通过所述既往病史结合大数据进行所述目标护理对象的动作特征集合构建,其中,所述动作特征集合中的所有特征均对应有特征预警值;
基于所述动作特征集合进行所述图像采集结果特征匹配,根据特征匹配结果和所述特征预警值生成所述第二预警约束系数。
进一步的,所述护理干预管理模块8还用于:
根据所述第一预警约束系数和所述第二预警约束系数匹配预警等级;
设定预警等级评价阈值;
判断所述预警等级是否满足所述预警等级评价阈值;
当所述预警等级满足所述预警等级评价阈值时,生成红色预警信息;
基于所述红色预警信息进行所述目标护理对象的护理干预管理。
前述图1实施例一中的一种用于内科高龄患者的护理干预方法的各种变化方式和具体实例同样适用于本实施例的一种用于内科高龄患者的护理干预系统,通过前述对一种用于内科高龄患者的护理干预方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种用于内科高龄患者的护理干预系统的实施方法,所以为了说明书的简洁,在此不再详述。
以上所述仅为本申请技术方案的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种用于内科高龄患者的护理干预方法,其特征在于,所述方法应用于智能处理系统,所述智能处理系统与信息采集装置、图像采集装置通信连接,所述方法包括:
根据目标护理对象的基础信息获得所述目标护理对象的年龄信息和既往病史;
采集所述目标护理对象的体检信息,根据所述体检信息和所述年龄信息进行所述目标护理对象的身体状态评价,生成身体状态评价参数;
根据所述既往病史构建所述目标护理对象的监测关联体征;
根据所述身体状态评价参数和所述既往病史进行所述监测关联体征的体征分级阈值构建,获得监测关联体征分级阈值集合;
通过所述信息采集装置进行所述目标护理对象的实时体征信息采集,得到监测数据集合;
通过所述监测关联体征分级阈值集合对所述监测数据集合进行预警评价,生成第一预警约束系数;
通过所述图像采集装置进行所述目标护理对象的图像采集,基于图像采集结果进行所述目标护理对象的行为预警评价,生成第二预警约束系数;
根据所述第一预警约束系数和所述第二预警约束系数进行所述目标护理对象的护理干预管理。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得所述目标护理对象的诊断治疗信息,其中,所述诊断治疗信息为所述目标护理对象的护理前诊断治疗信息;
根据所述既往病史和所述诊断治疗信息进行所述目标护理对象的病情稳定排行分析,获得病情稳定排行结果;
根据所述病情稳定排行结果进行所述监测关联体征的体征分级阈值初始构建,获得初始体征分级阈值构建结果;
通过所述身体状态评价参数进行所述初始体征分级阈值构建结果进行调整,获得所述监测关联体征分级阈值集合。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
通过大数据根据所述既往病史和所述监测关联体征进行体征波动数据匹配,获得所述监测关联体征的关联体征波动数据集合;
对所述关联体征波动数据集合进行波动预警等级构建,得到波动预警等级构建结果;
通过所述关联体征波动数据集合进行波动持续时长预警等级构建,得到波动持续预警等级构建结果;
通过所述关联体征波动数据集合进行波动频率预警等级构建,得到波动频率预警等级构建结果;
根据所述波动预警等级构建结果、所述波动持续预警等级构建结果和所述波动频率预警等级构建结果获得所述初始体征分级阈值构建结果。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
判断所述监测数据集合中是否存在监测数据满足所述监测关联体征分级阈值集合;
当存在时,获得所述监测数据集合中满足所述监测关联体征分级阈值集合的特征种类信息;
当所述特征种类信息为存在单种特征满足所述监测关联体征分级阈值集合时,则通过所述单种特征的特征值生成预警等级信息;
根据所述预警等级信息生成所述第一预警约束系数。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
当所述特征种类信息为存在多种特征满足所述监测关联体征分级阈值集合时,则根据所述多种特征对应的特征值生成多特征预警等级信息;
对所述多特征预警等级信息进行等级顺序排序,获得顺序排序结果;
获得所述顺序排序结果中的最高预警等级信息,并将所述最高预警等级信息通过所述多种特征数量进行调整,获得调整预警等级信息;
根据所述调整预警等级信息生成所述第一预警约束系数。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述既往病史结合大数据进行所述目标护理对象的动作特征集合构建,其中,所述动作特征集合中的所有特征均对应有特征预警值;
基于所述动作特征集合进行所述图像采集结果特征匹配,根据特征匹配结果和所述特征预警值生成所述第二预警约束系数。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述第一预警约束系数和所述第二预警约束系数匹配预警等级;
设定预警等级评价阈值;
判断所述预警等级是否满足所述预警等级评价阈值;
当所述预警等级满足所述预警等级评价阈值时,生成红色预警信息;
基于所述红色预警信息进行所述目标护理对象的护理干预管理。
8.一种用于内科高龄患者的护理干预系统,其特征在于,所述系统与信息采集装置、图像采集装置通信连接,所述系统包括:
信息采集模块,所述信息采集模块用于根据目标护理对象的基础信息获得所述目标护理对象的年龄信息和既往病史;
评价模块,所述评价模块用于采集所述目标护理对象的体检信息,根据所述体检信息和所述年龄信息进行所述目标护理对象的身体状态评价,生成身体状态评价参数;
构建模块,所述构建模块用于根据所述既往病史构建所述目标护理对象的监测关联体征;
分级阈值构建模块,所述分级阈值构建模块用于根据所述身体状态评价参数和所述既往病史进行所述监测关联体征的体征分级阈值构建,获得监测关联体征分级阈值集合;
实时监测信息采集模块,所述实时监测信息采集模块用于通过所述信息采集装置进行所述目标护理对象的实时体征信息采集,得到监测数据集合;
预警评价模块,所述预警评价模块用于通过所述监测关联体征分级阈值集合对所述监测数据集合进行预警评价,生成第一预警约束系数;
图像评价模块,所述图像评价模块用于通过所述图像采集装置进行所述目标护理对象的图像采集,基于图像采集结果进行所述目标护理对象的行为预警评价,生成第二预警约束系数;
护理干预管理模块,所述护理干预管理模块用于根据所述第一预警约束系数和所述第二预警约束系数进行所述目标护理对象的护理干预管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210756551.5A CN115040093A (zh) | 2022-06-29 | 2022-06-29 | 一种用于内科高龄患者的护理干预方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210756551.5A CN115040093A (zh) | 2022-06-29 | 2022-06-29 | 一种用于内科高龄患者的护理干预方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115040093A true CN115040093A (zh) | 2022-09-13 |
Family
ID=83165522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210756551.5A Pending CN115040093A (zh) | 2022-06-29 | 2022-06-29 | 一种用于内科高龄患者的护理干预方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115040093A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115577266A (zh) * | 2022-11-25 | 2023-01-06 | 深圳市警泰欣科技有限公司 | 一种行动约束装置的智能控制方法及系统 |
CN116864060A (zh) * | 2023-07-14 | 2023-10-10 | 四川大学 | 一种早癌手术围手术期数据管理系统及方法 |
CN117042031A (zh) * | 2023-10-08 | 2023-11-10 | 深圳曼瑞德科技有限公司 | 一种移动通讯终端及远程血氧监护系统 |
CN117153316A (zh) * | 2023-09-05 | 2023-12-01 | 中普达科技股份有限公司 | 一种多用户的医疗信息采集终端的管理系统 |
-
2022
- 2022-06-29 CN CN202210756551.5A patent/CN115040093A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115577266A (zh) * | 2022-11-25 | 2023-01-06 | 深圳市警泰欣科技有限公司 | 一种行动约束装置的智能控制方法及系统 |
CN115577266B (zh) * | 2022-11-25 | 2023-05-16 | 深圳市警泰欣科技有限公司 | 一种行动约束装置的智能控制方法及系统 |
CN116864060A (zh) * | 2023-07-14 | 2023-10-10 | 四川大学 | 一种早癌手术围手术期数据管理系统及方法 |
CN117153316A (zh) * | 2023-09-05 | 2023-12-01 | 中普达科技股份有限公司 | 一种多用户的医疗信息采集终端的管理系统 |
CN117153316B (zh) * | 2023-09-05 | 2024-04-19 | 中普达科技股份有限公司 | 一种多用户的医疗信息采集终端的管理系统 |
CN117042031A (zh) * | 2023-10-08 | 2023-11-10 | 深圳曼瑞德科技有限公司 | 一种移动通讯终端及远程血氧监护系统 |
CN117042031B (zh) * | 2023-10-08 | 2023-12-26 | 深圳曼瑞德科技有限公司 | 一种移动通讯终端及远程血氧监护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115040093A (zh) | 一种用于内科高龄患者的护理干预方法及系统 | |
CN104305961B (zh) | 肠鸣音监测识别系统 | |
CN116580830B (zh) | 一种基于云平台的远程智能医疗服务系统 | |
WO2022099668A1 (zh) | 一种基于家族遗传病与体征数据关联的精准健康管理与风险预警方法及系统 | |
Singla et al. | A novel fuzzy logic-based medical expert system for diagnosis of chronic kidney disease | |
CN112712882A (zh) | 一种提高重症护理管理水平的方法和系统 | |
CN114121266A (zh) | 一种智能化的辅助诊断方法和系统 | |
CN114842935B (zh) | 一种用于医院夜间查房的智能检测方法及系统 | |
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 | |
CN115714022A (zh) | 基于人工智能的新生儿黄疸健康管理系统 | |
CN113643798A (zh) | 为失能人员匹配照护人员的方法、装置及计算机设备 | |
CN112992355A (zh) | 一种食管癌患者的术前评估方法及系统 | |
US20230060794A1 (en) | Diagnostic Tool | |
CN117253580A (zh) | 一种自动化患者监测护理系统、方法以及装置 | |
CN113053482B (zh) | 一种肾内科患者的体征监测分析系统及方法 | |
CN115295110A (zh) | 一种术后并发症预测系统及方法 | |
CN112768066A (zh) | 一种神经外科患者综合诊疗方法及系统 | |
CN110910980A (zh) | 一种脓毒血症的预警装置、设备及存储介质 | |
CN112951408B (zh) | 一种预防呼吸道感染的系统及方法 | |
CN114613506B (zh) | 基于大数据的路径预测管控方法、装置及存储介质 | |
CN117079807A (zh) | 一种针对中老年常见疾病的智能诊断支持系统和方法 | |
WO2010099764A2 (en) | Method of recognizing the risk of preterm birth consisting in observing the uterine activity based on the analysis of uterine contractions and arrangement for performing thereof | |
EP4368115A1 (en) | Cardiotocographic scanning session duration | |
AU2015258238B2 (en) | Method of recognizing the risk of preterm birth consisting in observing the uterine activity based on the analysis of uterine contractions and arrangement for performing thereof | |
Singla et al. | Research Article A Novel Fuzzy Logic-Based Medical Expert System for Diagnosis of Chronic Kidney Disease |
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 |