CN115223702A - 一种osa云加端智能辅助管理系统及方法 - Google Patents

一种osa云加端智能辅助管理系统及方法 Download PDF

Info

Publication number
CN115223702A
CN115223702A CN202210990767.8A CN202210990767A CN115223702A CN 115223702 A CN115223702 A CN 115223702A CN 202210990767 A CN202210990767 A CN 202210990767A CN 115223702 A CN115223702 A CN 115223702A
Authority
CN
China
Prior art keywords
osa
sleep
patient
diagnosis
treatment
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
Application number
CN202210990767.8A
Other languages
English (en)
Inventor
白春学
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huizhong Health Technology Suzhou Co ltd
Original Assignee
Huizhong Health Technology Suzhou Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huizhong Health Technology Suzhou Co ltd filed Critical Huizhong Health Technology Suzhou Co ltd
Priority to CN202210990767.8A priority Critical patent/CN115223702A/zh
Publication of CN115223702A publication Critical patent/CN115223702A/zh
Pending legal-status Critical Current

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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请实施例提供一种OSA云加端智能辅助管理系统及方法。该系统包括：OSA患者端、OSA医生端、OSA专家端和云服务器；OSA患者端用于获取OSA患者的睡眠数据，并向云服务器发送睡眠数据；睡眠数据包括OSA患者的睡眠情况和基本信息；云服务器用于接收睡眠数据，根据睡眠数据、预设的共识指南信息和评估算法，确定OSA患者的睡眠症状为轻症、危险或高危；根据OSA患者的睡眠症状获取对应的诊疗意见，并将诊疗意见推送至OSA患者端、OSA医生端或OSA专家端；OSA医生端用于根据诊疗意见实施对应的诊疗方案；OSA专家端用于根据诊疗意见对OSA患者发起会诊。本申请实施例提供的OSA云加端智能辅助管理系统及方法可以高效辅助OSA医生进行OSA诊疗。

Description

一种OSA云加端智能辅助管理系统及方法
技术领域
本申请实施例涉及医疗技术领域，尤其涉及一种OSA云加端智能辅助管理系统及方法。
背景技术
睡眠可以为人体消除疲惫、补充精力，良好的睡眠有助于提高人们的生活质量。此外，睡眠质量的好坏与人体健康息息相关，若睡眠出现问题，会引发潜在的健康风险。呼吸暂停，是一种与主要神经认知和心血管后遗症相关的疾病，患有阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea，OSA)的人们在睡眠时，会出现无法控制的打鼾及呼吸暂停和呼吸表浅，夜间反复发生低氧血症、高碳酸血症和睡眠结构紊乱，发展至一定程度后常引起白天嗜睡、心脑血管并发症等多器官损害，严重影响OSA患者的生活质量和寿命。
对于疾病应有早发现早治疗的意识，但一些OSA医生因临床经验限制，诊疗水平参差不一，即使有共识指南进行辅助诊疗，还是会有贻误病情或过度治疗的风险。
因此，亟需一种高效的诊疗辅助工具，辅助OSA医生进行OSA的诊疗。
发明内容
鉴于上述问题，本申请实施例提供了一种OSA云加端智能辅助管理系统及方法，可以高效辅助OSA医生进行OSA诊疗。
第一方面，本申请实施例提供了一种OSA云加端智能辅助管理系统，包括：OSA患者端、OSA医生端、OSA专家端和云服务器；
OSA患者端用于获取OSA患者的睡眠数据，并向云服务器发送睡眠数据；睡眠数据包括OSA患者的睡眠情况和基本信息。并且患者还可通过OSA患者端了解OSA的行业内医生、专家的诊疗讲座或医生的随访或康复治疗；
云服务器用于接收睡眠数据，根据睡眠数据、预设的共识指南信息和评估算法，确定OSA患者的睡眠症状为轻症、危险或高危；根据OSA患者的睡眠症状获取对应的诊疗意见，并将诊疗意见分级推送至OSA患者端、OSA医生端和/或OSA专家端。并且本云服务器会根据不断增加的患者睡眠数据，会同步进行诊断模型的优化，提供更精准的智能辅助方案；
OSA医生端用于根据诊疗意见实施对应的诊疗方案。根据OSA患者的睡眠症状获取对应的诊疗意见，并将诊疗意见推送分级OSA医生端和/或OSA专家端；OSA医生端用于根据诊疗意见实施对应的诊疗方案和/或进一步的生化检测方案；
OSA专家端用于根据诊疗意见对疑难的OSA患者进行会诊，并根据诊疗结果生成专家诊疗方案，实施进一步生化检测方案和/或诊疗方案。
在一种可能的实现方式中，将诊疗意见推送至OSA患者端、OSA医生端或OSA专家端，包括：
当OSA患者的睡眠症状为轻症时，云服务器获取轻症对应的睡眠改善意见，并将睡眠改善意见作为诊疗意见推送至OSA患者端；
当OSA患者的睡眠症状为危险时，云服务器获取危险对应的检查建议，会通过OSA患者端向患者发出危险情况的警示，并将检查建议作为诊疗意见推送至OSA医生端；
当OSA患者的睡眠症状为高危时，云服务器会通过OSA患者端向患者发出高危情况的警示，向OSA医生端发送监护指令，指示OSA医生将OSA患者转入睡眠呼吸中心，并生成会诊请求指令，向OSA专家端发送会诊请求指令；会诊请求指令包括OSA患者的睡眠数据。
在一种可能的实现方式中，检查建议包括上气道三维重建CT检查、Ⅰ级监测和Ⅱ级监测中的至少一种。
在一种可能的实现方式中，危险包括低危和中危，云服务器在获取危险对应的检查建议时，具体用于：
当OSA患者的睡眠症状为低危时，云服务器确定低危对应的检查建议为Ⅰ级监测；
当OSA患者的睡眠症状为中危时，云服务器确定中危对应的检查建议为上气道三维重建CT检查和/或Ⅱ级监测。
在一种可能的实现方式中，还包括远程监测设备；
当检查建议为Ⅰ级监测时，远程监测设备用于获取OSA患者的实时睡眠数据，并将实时睡眠数据发送至云服务器；
云服务器用于接收实时睡眠数据，并根据实时睡眠数据确定OSA患者的实时睡眠症状。
在一种可能的实现方式中，OSA医生端接收诊疗意见之后，还用于：
根据诊疗意见，判断OSA患者的病情严重程度为高危时，向OSA专家端发起会诊请求；
OSA专家端接收OSA医生端发送的会诊请求，根据会诊请求发起会诊，并根据会诊结果生成对应的诊疗方案。
在一种可能的实现方式中，OSA患者端获取问诊者的睡眠数据之后，还用于：
根据睡眠数据确定OSA患者的睡眠症状是否为无症状；
若是，显示无症状的诊断结果；
若否，执行向云服务器发送睡眠数据的步骤。
第二方面，本申请实施例提供了一种OSA辅助管理方法，包括：
获取OSA患者的睡眠数据，睡眠数据包括OSA患者的睡眠情况和基本信息；
根据睡眠数据、预设的共识指南信息和评估算法，确定OSA患者的睡眠症状为轻症、危险或高危；
根据OSA患者的睡眠症状确定对应的诊疗意见，并将诊疗意见推送至OSA患者端、OSA医生端或OSA专家端，以使OSA医生端根据诊疗意见实施对应的诊疗方案和/或进一步生化检测方案，或使OSA专家端根据诊疗意见对OSA患者发起会诊。
在一种可能的实现方式中，OSA医生端接收诊疗意见之后，还包括：
根据诊疗意见，判断OSA患者的病情严重程度为高危时，向OSA专家端发起会诊请求；
OSA专家端接收OSA医生端发送的会诊请求，根据会诊请求发起会诊，并根据会诊结果生成对应的诊疗方案。
在一种可能的实现方式中，将诊疗意见推送至OSA患者端、OSA医生端或OSA专家端，包括：
当OSA患者的睡眠症状为轻症时，获取轻症对应的睡眠改善意见，并将睡眠改善意见作为诊疗意见推送至OSA患者端；
当OSA患者的睡眠症状为危险时，获取危险对应的检查建议，并将检查建议作为诊疗意见推送至OSA医生端；
当OSA患者的睡眠症状为高危时，向OSA医生端发送监护指令，指示OSA医生将OSA患者转入睡眠呼吸中心，并生成会诊请求指令，向OSA专家端发送会诊请求指令；会诊请求指令包括OSA患者的睡眠数据。
在一种可能的实现方式中，还包括：获取OSA患者的实时睡眠数据，并根据实时睡眠数据确定OSA患者的实时睡眠症状。
在一种可能的实现方式中，获取OSA患者的睡眠数据之后，还包括：
根据睡眠数据确定OSA患者的睡眠症状是否为无症状；
若是，将无症状的诊断结果在OSA患者端显示；
若否，执行根据睡眠数据、预设的共识指南信息和评估算法，确定OSA患者的睡眠症状为轻症、危险或高危的步骤。
本申请实施例提供的OSA云加端智能辅助管理系统及方法，通过OSA患者端获取OSA患者的睡眠数据，云服务器根据OSA患者的睡眠数据、共识指南及评估算法，对OSA患者的睡眠症状进行初步的确定，并根据睡眠症状的严重程度获取对应的诊疗意见，发送给不同的处理端，由对应的OSA患者、OSA医生或OSA专家执行诊疗方案或进一步会诊，从而可以直接根据OSA患者的睡眠数据初步诊断并确定对应的治疗方案，高效辅助OSA医生进行OSA的诊疗。
上述说明仅是本申请实施例技术方案的概述，为了能够更清楚了解本申请实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本申请实施例的上述和其它目的、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
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种系统结构示意图。
图2是本申请实施例提供的一种系统架构示意图。
图3是本申请实施例提供的一种通信示意图。
图4是本申请实施例提供的一种系统流程示意图。
图5是本申请实施例提供的一种方法流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语“实施例”并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：存在A，同时存在A和B，存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
此外，本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序，可以明示或者隐含地包括一个或者更多个该特征。
在本申请的描述中，除非另有说明，“多个”的含义是指两个以上(包括两个)，同理，“多组”指的是两组以上(包括两组)。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，机械结构的“相连”或“连接”可以是指物理上的连接，例如，物理上的连接可以是固定连接，例如通过固定件固定连接，例如通过螺丝、螺栓或其它固定件固定连接；物理上的连接也可以是可拆卸连接，例如相互卡接或卡合连接；物理上的连接也可以是一体地连接，例如，焊接、粘接或一体成型形成连接进行连接。电路结构的“相连”或“连接”除了可以是指物理上的连接，还可以是指电连接或信号连接，例如，可以是直接相连，即物理连接，也可以通过中间至少一个元件间接相连，只要达到电路相通即可，还可以是两个元件内部的连通；信号连接除了可以通过电路进行信号连接外，也可以是指通过媒体介质进行信号连接，例如，无线电波。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
睡眠呼吸疾病为常见疾病，且具有潜在健康风险，其中以阻塞性睡眠呼吸暂停最为常见。OSA主要临床表现为睡眠时打鼾并伴有呼吸暂停和呼吸表浅，夜间反复发生低氧血症、高碳酸血症和睡眠结构紊乱，发展至一定程度后即常引起白天嗜睡、心脑血管并发症等多器官损害，严重影响OSA患者的生活质量和寿命。
相关研究表明，睡眠障碍的患病率及其对OSA患者和公众健康的影响非常严重，估计占成年人口的35％至40％。与没失眠者相比，每位OSA患者因缺勤和短期残疾索赔而导致的失眠成本高达1,200美元。OSA与医疗保健资源的利用增加以及发病率和死亡率过高有关。有证据表明OSA发病率正在上升，这可能是因为肥胖率上升。相关数据表明，OSA患病率估计为3.62％，估计全球9.36亿(95％CI 903-970)30-69岁(男性和女性)的成年人患有轻度至重度OSA，4.25亿(399-450)30-69岁的成年人患有中度至重度OSA。
为此，各级学会也越来越重视睡眠呼吸紊乱的诊断和治疗。近年来，相关领域的专家合作制定了全球第一个物联网辅助睡眠呼吸暂停综合征的专家共识，比如，呼吸、神经、耳鼻喉、全科、内分泌、心血管和儿科都积极参加了防治睡眠呼吸紊乱的诊疗，分别组织专家制定了不同的共识指南。这对推动睡眠呼吸紊乱的诊治起到了积极的作用。此外，全科也介入了这项工作，并制定了相关指南，但是，还有很多OSA患者得不到及时诊断和治疗。其主要原因是患病率高，专业的睡眠呼吸医学从业者有限，缺乏强基层广覆盖的医疗模式。
目前，物联网医学用于睡眠的研究已在全球开展，并已经取得很多经验。在2013年已经发表相应共识(国际呼吸杂志,2013,33:241-244)，其后很多协会、学会也均发表共识指南，其全面感知、可靠传输与智能处理的软硬件系统，已经变得越来越普遍。但是，这种系统至今没有得到广泛应用，原因是没有被发展成简单、便捷的设备，没有体现提高基层OSA医生同质化诊疗水平的作用。
虽然从理论上讲互联网和物联网医学技术，适合用于医联体和分级诊疗，但是没有明显起到强基层广覆盖的作用。我们也做了很多(包括基层)OSA共识指南，但是缺乏简单便捷迅速提高基层OSA医生水平的软件设备，特别是无法大幅度赋能资深OSA专家(“云”OSA专家)和基层OSA医生(“端”OSA医生)的同质化医疗模式。仍然需要“云”OSA专家沿用现有的师徒传承模式培去养和提高“端”OSA医生水平，“端”OSA医生仍然需要花费大量的时间死记硬背共识指南和老师所教。但是扣除学习所花费的时间和精力后，“物有所值”体现的不明显。其原因主要是：(1)缺乏“云”OSA专家高效培养“端”OSA医生的模式；(2)缺乏传承和融会贯通程序性知识的软件设备；(3)缺“云加端”医疗平台。
为了解决这一问题，发明人研发出“一种OSA云加端智能辅助管理系统”，旨在通过应用云加端系统设备使“复杂问题简单化，简单问题数字化，数字问题程序化，程序问题体系化”。将共识指南融入其中，通过简单，便捷、可数字化和程序化设备，形成体系化流程，成为所有OSA医生(高低年资OSA医生)喜爱的“物有所值”工具，辅助OSA医生进行诊疗。这种新型“云加端”体系化模式可为“端”OSA医生带来更大方便，花费很少时间即可学会，不需要死记硬背共识指南，助力融会贯通师徒传承的程序化知识，迅速提高OSA同质化医疗水平。因此，通过本申请实施例提供的OSA云加端智能辅助管理系统，最终可以通过“云加端”模式将目前水平高低不一的医疗保健模式，提高为达到国家，甚至国际标准的现代化流水作业工程。
具体地，本申请实施例提供一种OSA云加端智能辅助管理系统及方法，通过多端交互协作，辅助OSA医生对OSA患者病情进行分级诊疗，并根据对应的诊疗意见实施诊疗方案。本申请实施例提供的OSA云加端智能辅助管理系统及方法简单便捷、高效准确，可以高效辅助OSA医生进行OSA诊疗。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。需要说明，在不冲突的情况下，本申请中不同的技术特征之间可以相互结合。
图1是本申请实施例提供的一种系统结构示意图，包括：作为“端”的端OSA医生(使用移动端或计算机与OSA医生的交互)及作为“云”的数据中心、云平台及云OSA专家。“云”是可以自我维护和管理的虚拟计算资源，为大型服务器集群。其中包括计算服务器、存储服务器、宽带资源等等。这里的“云”端特指参与OSA诊疗管理的云计算的计算机集合。云端是软件和操作系统的中间载体，能解决以往使用软件时安装、维护、对硬件资源要求等影响和使用效率的问题，实现真正的完全的软件绿色化。通过“云”可以进行云计算框架下的海量信息深度挖掘，提取OSA诊疗相关的询问数据及检查项目数据，建其数据模型，以及基于物联网的睡眠信息监测交互和在线医疗服务等。“端”为OSA医生智能手机、PAD或者笔记本电脑下载应用的“端”软件小程序(即智能辅助诊治OSA小程序)，与“云”实时在线交流互动，应用基于“云”平台上运行的小程序辅助专病诊治。小程序后端还可使用Java语言开发，OSS(对象存储，Object Storage Service)用作数据存储。上传至云计算后，供其监测数据，分析和深度挖掘，得出辅助诊断和治疗的参考意见，最终辅助所有OSA医生简便易行地根据其流程化智能系统辅助疾病的诊断和治疗。
本申请实施例的云加端平台中的云，指云技术，包括边缘云或雾计算(简称“雾边云”)融合，与基于微信“云”的网络技术链接配合。并赋予智能辅助功能，生成诊断和治疗等参考意见。云加端平台指由医学中心OSA专家(“云”OSA专家)通过“云”进行云计算框架下的海量信息智能分析，提取OSA参数特征、构建受检者的数据模型和开展在线医疗服务。所有医师均可通过“端”设备页面选择键与“云”实时在线交流互动，开展“云加端”OSA防治。即由“云”OSA专家指导分中心的“端”OSA医生(包括社区OSA医生)，更加精细、动态和“智慧”地防治OSA。
图2是本申请实施例提供的一种系统架构示意图，如图2所示，本申请实施例提供的一种OSA云加端智能辅助管理系统1，可以包括：OSA患者端10、OSA医生端20、OSA专家端30和云服务器40。其中，OSA患者端10可以是OSA患者所使用的智能手机、平板电脑或者笔记本电脑等终端，基于终端中应用程序平台上运行的针对OSA患者的小程序实现对应的软件功能。OSA医生端20可以是初评门诊OSA医生使用的智能手机、平板电脑或者笔记本电脑等终端，同样可基于终端中应用程序平台上运行的针对门诊OSA医生的小程序实现对应的软件功能。类似的，OSA专家端30可以是研判OSA专家级OSA医生使用的智能手机、平板电脑或者笔记本电脑等终端，同样可基于终端中应用程序平台上运行的针对研判OSA专家级OSA医生的小程序实现对应的软件功能。云服务器40可以通过通信链路接收来自OSA患者端10、OSA医生端20以及OSA专家端30的数据，对来自OSA患者端10、OSA医生端20、OSA专家端30的数据进行处理，并向对应的终端发出相应的指令。
图3是本申请实施例提供的一种通信示意图。下面结合图3对本实施例的OSA云加端智能辅助管理系统1中，OSA患者端10、OSA医生端20、OSA专家端30和云服务器40之间的通信过程进行描述。
OSA患者端10用于获取OSA患者的睡眠数据，并向云服务器40发送睡眠数据，睡眠数据包括OSA患者的睡眠情况和基本信息。
可选地，OSA患者端10在获取OSA患者的睡眠数据之前，可以通过扫描二维码或在网络搜索“OSapp5A”进入本申请实施例提供的OSA云加端智能辅助管理系统1，通过页面上的按钮将身份注册为OSA患者，使OSA患者所用的终端成为OSA患者端10。
可选地，OSA患者端10还可以获取并推送OSA的行业内医生、专家的诊疗讲座或医生的随访或康复治疗，患者可以通过OSA患者端10了解OSA的行业内医生、专家的诊疗讲座或医生的随访或康复治疗。
图4是本申请实施例提供的一种系统流程示意图。如图4所示，OSA患者可以在进入本申请提供的OSA云加端智能辅助管理系统之后，依次选择1A、2A、3A、4A、5A来完成后续对OSA的诊疗。在1A中，OSA患者端通过询问，让OSA患者填入基本信息。
可选地，OSA患者的基本信息可以通过OSA患者手动填入，或从其他平台或数据文件中自动填入。示例性的，OSA患者可以通过OSA患者端10的页面，获取需要填写的基本信息项目，在对应处据实填写。基本信息可以包括OSA患者的危险因素史，肥胖、糖尿病、冠心病等病史，和家族史。
具体的，睡眠情况可以包括OSA患者近期内的睡眠病史。示例性的，可以通过让OSA患者据实填写Epworth嗜睡量表(Epworth Sleepiness Scale,ESS)和/或STOP-Bang问卷来得到睡眠情况。
例如，详细询问睡眠病史，可先采用表1嗜睡量表评估。
表1 Epworth嗜睡量表
Figure BDA0003803828350000091
Figure BDA0003803828350000101
注：评分≥9分考虑存在日间嗜睡。
例如，基层医院可采用表2STOP-Bang问卷对可疑的OSA患者进行筛查和分层。STOP-Bang问卷评分≥3分为OSA(AHI≥5次/h)高危，其敏感度为84.7％，特异度为52.6％。
表2 STOP-Bang问卷中文版
Figure BDA0003803828350000102
注：总分>3分为OSA高危，<3分为阻塞性睡眠呼吸暂停低危。
云服务器40用于接收睡眠数据，根据睡眠数据、预设的共识指南信息和评估算法，确定OSA患者的睡眠症状为轻症、危险或高危。根据OSA患者的睡眠症状获取对应的诊疗意见，并将诊疗意见推送至OSA患者端10、OSA医生端20或OSA专家端30。其中，OSA医生端20用于根据诊疗意见实施对应的诊疗方案和/或进一步的生化检测方案，OSA专家端30用于根据诊疗意见对OSA患者发起会诊。
可选地，OSA患者端10发送至云服务器40的睡眠数据，经过云服务器40评估后，认为病情严重程度高的(例如高危)，则会将诊疗意见发送给OSA专家端30，OSA专家端30生成辅助诊疗防范发送给OSA医生端20(此处不发送给OSA患者端10，患者端看不懂诊疗方案)。OSA患者端10向云服务器40发送的睡眠数据，经过云服务器40评估后，认为病情严重程度低的(如轻症、危险)，将诊疗意见直接发送到OSA医生端20，由OSA医生出具诊疗方案。较难处理的病症、情况复杂的病症、疑难病症的OSA患者需要分给OSA专家端30做进一步生化检测方案和/或诊疗方案。
具体的，预设的共识指南信息可以包括上述由相关领域的专家合作制定的专家共识的信息，以及各科、全科专家共同制定的相关指南的信息之中的至少一种。评估算法可以是根据患者案例和/或专家经验得到的算法，根据评估算法和OSA患者的睡眠数据，以及预设的共识指南信息，可以快速地对OSA患者的病情作出准确的分析。
如图4所示，OSA患者进行完1A步骤后，点击2A选项，可以对其睡眠数据进行评估。评估的内容包括完善初筛，PSG监测和鉴别诊断检查。评估之后，点击3A选项，可以获取云服务器40对其的检查建议。建议可以包括上气道三维重建CT检查，滴定供OSA专家提供诊治方案参考。点击4A选项，可以获取云服务器40为OSA患者安排的治疗方案，可以针对病因给予相应治疗，或给予减肥、生活习惯调整治疗，或在必要时采取CPAP治疗。点击5A选项，可以获取辅助治疗方案，例如，通过物联π辅助质控，远程监测家中管理。
具体的，云服务器40通过睡眠数据，确定睡眠情况的分数，并结合基本信息对OSA患者的睡眠状况进行初筛。例如，通过Epworth嗜睡量表得到的评分，在大于或等于9分时考虑OSA患者存在日间嗜睡，通过STOP-Bang问卷得到的评分，在大于3分时考虑OSA患者为OSA高危，在小于3分时考虑OSA患者为OSA低危。当OSA患者通过Epworth嗜睡量表得到的评分为12，且通过STOP-Bang问卷得到的评分为4时，可以确定OSA患者的睡眠症状为高危。当OSA患者通过Epworth嗜睡量表得到的评分为2，且通过STOP-Bang问卷得到的评分为1时，可以结合OSA患者的基本情况，判断OSA患者是否有OSA风险。比如当OSA患者有冠心病时，可以判断OSA患者的睡眠症状为轻症。
可选地，判断标准还可以包括：每晚睡眠过程中呼吸暂停发作次数，睡眠呼吸暂停低通气指数(AHI)，和/或，是否伴有嗜睡等临床症状。
OSA患者在诊疗之前可以进行自检，观察是否存在以下情况：白天嗜睡，醒后精力未恢复，疲劳或失眠，夜间因憋气、喘息或窒息而醒，习惯性打鼾，呼吸中断，高血压，冠心病，脑卒中，心力衰竭，心房颤动，2型糖尿病，情绪障碍，认知障碍等。若存在上述情况中的至少一种，便可通过OSA云加端智能辅助管理系统的OSA患者端进行进一步地诊疗。
目前不建议在无症状的普通人群中进行OSA的筛查。OSA患者在诊疗之前，若发现身体有不明原因的夜尿增多、白天头痛、易醒/失眠、记忆力减退、注意力和白天警觉性下降、性功能障碍等，自查有糖尿病、冠心病等病史，也可确定需要通过OSA云加端智能辅助管理系统的OSA患者端10进行进一步地诊疗。
可选地，诊疗意见可以包括诊疗方案和/或进一步的生化检测方案，云服务器40根据OSA患者的睡眠数据和基本情况综合确定诊疗意见中是否需要做进一步的生化检测。
可选地，可以对OSA医生端20和/或OSA专家端30进行分级，云服务器40根据OSA患者的睡眠症状获取对应的诊疗意见，并根据诊疗意见的等级推送至对应级别的OSA医生端和/或OSA专家端。示例性的，可以根据医生或专家的任务量、好评度、痊愈比例、擅长病症类别等分级。
通过OSA患者端10获取OSA患者的睡眠数据，云服务器40根据OSA患者的睡眠数据、共识指南及评估算法，对OSA患者的睡眠症状进行初步的确定，并根据睡眠症状的严重程度获取对应的诊疗意见和/或进一步的生化检测方案，发送给不同的处理端，由对应的OSA患者、OSA医生或OSA专家执行诊疗方案或进一步会诊，从而可以直接根据OSA患者的睡眠数据初步诊断并确定对应的治疗方案，高效辅助OSA医生进行OSA的诊疗。
可选地，云服务器40可以在不断接收到增加的睡眠数据后，基于增加的睡眠数据对诊断模型的进行同步优化，以提供更精准的智能辅助方案，辅助医生诊疗以提高医生的诊断水准。
可选地，将诊疗意见推送至OSA患者端10、OSA医生端20或OSA专家端30，可以包括：
当OSA患者的睡眠症状为轻症时，云服务器40获取轻症对应的睡眠改善意见，并将睡眠改善意见作为诊疗意见推送至OSA患者端10。
可以理解的是，当OSA患者的睡眠症状为轻症时，表示OSA患者在睡眠上对身体健康没有太大的影响，不需要就诊吃药，可通过生活习惯自行监督改善睡眠。因此，可以根据OSA患者具体的睡眠数据生成对应的睡眠改善意见，推送至OSA患者端10，由OSA患者自行改善生活习惯，恢复正常睡眠。
例如，睡眠改善意见可以包括生活方式改变，减重锻炼等，OSA患者依照睡眠改善意见进行自我调整。
可选地，OSA患者端10可以周期性推送问卷筛查，和/或设置筛查入口使患者自主进入填写问卷进行筛查，以使OSA患者端10可以帮助患者及时发现当下的睡眠改善情况。
当OSA患者的睡眠症状为危险时，云服务器40获取危险对应的检查建议，并将检查建议作为诊疗意见推送至OSA医生端20。
可以理解的是，当OSA患者的睡眠症状为危险时，OSA患者很难通过改善生活习惯进行自愈，需要OSA医生对其进行诊断，从而对症下药进行治疗。因此，可以将OSA患者的睡眠数据及初筛数据发送至OSA医生端20，由OSA医生端20做进一步的诊疗。
可选地，当OSA患者的睡眠症状为危险时，云服务器40在将检查建议作为诊疗意见推送至OSA医生端20的同时，还可以通过OSA患者端10向患者发出危险情况的警示，使患者重视病情，及时求诊。
当OSA患者的睡眠症状为高危时，云服务器40向OSA医生端20发送监护指令，指示OSA医生将OSA患者转入睡眠呼吸中心，并生成会诊请求指令，向OSA专家端30发送会诊请求指令。会诊请求指令包括OSA患者的睡眠数据。
可以理解的是，当OSA患者的睡眠症状为高危时，表示出现了较为复杂、严重的病情。此时，一方面OSA患者病情严重，需要通知OSA医生将其转入睡眠呼吸中心进行观测，以便及时知晓OSA患者病情变化。另一方面，高危表示OSA患者无法通过改善生活习惯进行自愈，而OSA医生由于经验的限制，需要OSA专家协助诊疗，才可防止诊断不当。因此，将高危对应的诊疗意见发送至OSA专家端30，以请求OSA专家的协助，通过OSA专家会诊对OSA患者的病情作进一步地诊断。
可选地，当OSA患者的睡眠症状为高危时，云服务器40在向OSA医生端20发送监护指令，向OSA专家端30发送会诊请求指令之后，还可以通过OSA患者端10向患者发出高危情况的警示，使患者重视病情，及时求诊。
可选地，检查建议可以包括上气道三维重建CT检查、Ⅰ级监测和Ⅱ级监测中的至少一种。
可选地，OSA医生端20接收诊疗意见之后，还用于：
根据诊疗意见，判断OSA患者的病情严重程度为高危时，向OSA专家端30发起会诊请求。
OSA专家端30接收OSA医生端20发送的会诊请求，根据会诊请求发起会诊，并根据会诊结果生成对应的诊疗方案。
具体的，OSA医生端20收到诊疗意见后，判断OSA患者的病情比较严重的(例如高危)，则会向OSA专家端30发起会诊请求指令。OSA专家会诊后，向OSA医生端20发送诊疗方案，OSA医生根据诊疗方案治疗患者。
示例性的，OSA医生端20收到云服务器40发送的检查建议后，根据检查建议利用设备检查OSA患者的身体数据，根据身体数据对OSA患者的病情严重程度做进一步的判断。例如，可以采用Ⅲ型改良便携式睡眠呼吸暂停检查(modified portable sleep-apneatesting)设备对OSA患者的身体数据进行检查和记录。Ⅲ型改良便携式睡眠呼吸暂停检查设备可以记录至少4个指标，包括心电图或心率、血氧饱和度及至少2个导联的呼吸指标(两导呼吸运动，或呼吸运动和呼吸气流各一个导联)，检查过程不要求有专业人员持续值守。也可以采用Ⅳ型单或双生物指标记录(continuous single or dual bioparameterrecording)设备对OSA患者的身体数据进行检查和记录。Ⅳ型单或双生物指标记录设备至少监测血氧饱和度、气流或呼吸运动中的一项，不要求有专业人员持续值守检查过程。此外，还可以采用如脉搏传导时间和睡眠垫技术等简便易行的设备对OSA患者的身体数据进行检查和记录，此类设备利于广覆盖式同质化推广应用，可以推荐为基层医院的筛查。
可选地，根据身体数据对OSA患者的病情严重程度做进一步的判断，可以包括：当AHI数值在5～15之间，血氧饱和度在85％～90％之间时，可以确定OSA患者的病情严重程度为轻度。当AHI数值在15～30之间，血氧饱和度在80％～85％之间时，可以确定OSA患者的病情严重程度为中度。当AHI数值大于30，血氧饱和度大于80％时，可以确定OSA患者的病情严重程度为重度。
可选地，根据身体数据对OSA患者的病情严重程度做进一步的判断，可以包括：每晚睡眠过程中呼吸暂停发作次数达30次以上，或睡眠呼吸紊乱指数(AHI，即平均每小时睡眠中的呼吸暂停/低通气次数)大于或等于5时，可以确定患者具有鼾症，可进一步确定患者的鼾症类型，类型可以包括阻塞型、中枢型、混合型，结合嗜睡等临床症状确定患者的病情严重程度。
通过实时监测到的身体数据对患者的病情做进一步判断，可以得出更准确的病情。
在一些情况下，OSA患者的睡眠常和呼吸器官有关联，因此，可以通过上气道三维重建CT检查来直观的观察OSA患者的身体健康状况，判断是否由于上气道有病变而引起睡眠呼吸暂停。
此外，当病情严重时，还可选择对病人进行Ⅰ级监测或Ⅱ级监测，从而观测病人的病情。其中，Ⅰ级监测可以是标准多导睡眠监测(Polysomnography，PSG)设备，Ⅰ级监测记录至少7个指标，包括脑电图、眼动电图、下颌肌电图、心电图、呼吸气流、呼吸运动(努力)和血氧饱和度，必须记录睡眠体位(人工或仪器监测)，必须有专业人员持续值守检查过程，必要时进行相应处理，建议同时记录音视频以及腿动情况。Ⅱ级监测可以是全指标便携式多导睡眠监测(Portable Polysomnography)设备，Ⅱ级监测至少记录7个指标，除用心率监测替代心电图记录和睡眠体位记录为非必须项外，其余均与Ⅰ级相同，不要求有专业人员持续值守检查过程。
可选地，睡眠症状中的危险可以包括低危和中危，云服务器40在获取危险对应的检查建议时，具体用于：
当OSA患者的睡眠症状为低危时，云服务器40确定低危对应的检查建议为Ⅰ级监测。当OSA患者的睡眠症状为中危时，云服务器40确定中危对应的检查建议为上气道三维重建CT检查和/或Ⅱ级监测。
对OSA患者的睡眠症状中的危险级别进行进一步地细分，将其分为低危和中危。当睡眠症状为低危时，可以将OSA患者转入Ⅰ级监测房间，对OSA患者的睡眠情况进行全天候的监测，并根据数据分析病情。当OSA患者的睡眠症状为中危时，可以为OSA患者安排上气道三维重建CT检查，根据检查结果确定是否需要Ⅱ级监测，需要则将OSA患者转入Ⅱ级监测房间，对OSA患者的睡眠情况进行全天候的监测，并根据数据分析病情。
可选地，本申请实施例提供的OSA云加端智能辅助管理系统1还可以包括：远程监测设备。具体地，当检查建议为Ⅰ级监测时，远程监测设备用于获取OSA患者的实时睡眠数据，并将实时睡眠数据发送至云服务器40。云服务器40用于接收实时睡眠数据，并根据实时睡眠数据确定OSA患者的实时睡眠症状。
可选地，Ⅰ级监测房间可以是具有远程监测设备的OSA患者自己居住的房间，比如OSA患者的住所。远程监测设备是一个小型的具有传感器和处理器的设备，其与云服务器40存在通信连接，将OSA患者的实时睡眠数据发送至云服务器40，由云服务器40根据实时睡眠数据确定OSA患者的实时睡眠症状。
可以理解的是，远程监测设备适用于OSA患者处于自行改善时期或病情恢复期。
在一些实施例中，远程监测设备还可以对OSA患者的实时睡眠数据进行筛选，将超过预设范围的可疑数据上传至云服务器40，由云服务器40确定是否通知OSA医生端20和OSA专家端30。例如，OSA患者处于病情恢复期的末期，各项睡眠数据良好，偶有急促呼吸的症状，远程监测设备便可在监测到OSA患者呼吸急促时将数据和发生时间上传至云服务器40进行处理。而当睡眠数据处于正常睡眠数据范围内时，不需要向云服务器40传输正常睡眠数据，可汇总为区间的形式，在某一时刻上传。例如，OSA患者A在2022年7月20日20:30至2022年7月21日07:30之间睡眠数据正常，呼吸频率每分钟17至19次，使OSA医生据此了解OSA患者的恢复情况。
可选地，OSA患者端10获取问诊者的睡眠数据之后，还用于：根据睡眠数据确定OSA患者的睡眠症状是否为无症状。若是，显示无症状的诊断结果。若否，执行向云服务器40发送睡眠数据的步骤。
OSA患者端10在将睡眠数据发送至云服务器40、由云服务器40根据睡眠数据对OSA患者进行诊疗之前，可以先确定OSA患者是否存在睡眠问题。假设OSA患者只是由于昨日熬夜而今日嗜睡、精力不集中，这属于由于一时休息不当引起的身体不适，而非阻塞性睡眠呼吸暂停，在此情况下告知OSA患者为无症状，可进行适当休息改善，不需要进行下一步的诊疗。若OSA患者近期几乎每天的睡眠质量都很差，存在夜间因呼吸不畅而醒，白天头疼困乏等症状，则表示需要对该OSA患者作进一步地诊断，可由OSA患者进一步填写睡眠情况，将其和基本信息一起作为睡眠数据发送至云服务器进行分析。
本申请实施例提供的OSA云加端智能辅助管理系统1，通过OSA患者端10获取OSA患者的睡眠数据，云服务器40根据OSA患者的睡眠数据、共识指南及评估算法，对OSA患者的睡眠症状进行初步的确定，并根据睡眠症状的严重程度获取对应的诊疗意见，发送给不同的处理端，由对应的OSA患者、OSA医生或OSA专家执行诊疗方案或进一步会诊，从而可以直接根据OSA患者的睡眠数据初步诊断并确定对应的治疗方案，高效辅助OSA医生进行OSA的诊疗。
本申请实施例还提供了一种OSA辅助管理方法，具体可以由上述系统实施例中的云服务器执行。
图5是本申请实施例提供的一种方法流程示意图。如图5所示，本申请实施例提供的一种OSA诊疗管理方法，可以包括：
S401、获取OSA患者的睡眠数据，睡眠数据包括OSA患者的睡眠情况和基本信息。
具体的，基本信息可以包括OSA患者的危险因素史，肥胖、糖尿病、冠心病等病史，和家族史。睡眠情况可以包括OSA患者近期内的睡眠病史，示例性的，可以包括Epworth嗜睡量表和/或STOP-Bang问卷中的信息。
S402、根据睡眠数据、预设的共识指南信息和评估算法，确定OSA患者的睡眠症状为轻症、危险或高危。
S403、根据OSA患者的睡眠症状确定对应的诊疗意见，并将诊疗意见推送至OSA患者端10、OSA医生端20或OSA专家端30，以使OSA医生端20在接收诊疗意见之后，根据诊疗意见实施对应的诊疗方案和/或进一步生化检测方案，或使OSA专家端30在接收诊疗意见之后，根据诊疗意见对OSA患者发起会诊。
可选地，OSA医生端接收诊疗意见之后，还包括：
根据诊疗意见，判断OSA患者的病情严重程度为高危时，向OSA专家端发起会诊请求；
OSA专家端接收OSA医生端发送的会诊请求，根据会诊请求发起会诊，并根据会诊结果生成对应的诊疗方案。
可选地，S403可以包括：
S4031、当OSA患者的睡眠症状为轻症时，获取轻症对应的睡眠改善意见，并将睡眠改善意见作为诊疗意见推送至OSA患者端10。
S4032、当OSA患者的睡眠症状为危险时，获取危险对应的检查建议，并将检查建议作为诊疗意见推送至OSA医生端20。
S4033、当OSA患者的睡眠症状为高危时，向OSA医生端20发送监护指令，指示OSA医生将OSA患者转入睡眠呼吸中心，并生成会诊请求指令，向OSA专家端30发送会诊请求指令。会诊请求指令包括OSA患者的睡眠数据。
可选地，本申请实施例提供的OSA诊疗管理方法还可以包括：
S104、获取OSA患者的实时睡眠数据，并根据实时睡眠数据确定OSA患者的实时睡眠症状。
可选地，S401之后，还可以包括：
S4011、根据睡眠数据确定OSA患者的睡眠症状是否为无症状。
S4012、若是，将无症状的诊断结果在OSA患者端10显示。
S4013、若否，执行S402中的步骤。
具体的，上述方法步骤的具体内容可以参考系统实施例中的描述，对此不再赘述。
本申请实施例提供的OSA诊疗管理方法，通过云服务器中的共识指南和评估算法，对OSA患者的睡眠数据进行分析，得到OSA患者的睡眠症状，并获取对应的诊疗意见，发送至对应的处理端，由OSA患者、OSA医生或OSA专家执行诊疗方案或进一步会诊，从而可以直接根据OSA患者的睡眠数据初步诊断并确定对应的治疗方案，高效辅助OSA医生进行OSA的诊疗。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
在本申请各个实施例中的各功能单元或模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。本申请描述的“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了装置若干的单元权利要求中，这些装置中的若干个单元可以是通过同一个硬件项来具体体现。第一、第二、以及第三等的使用不表示任何顺序，可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (12)

1.一种OSA云加端智能辅助管理系统，其特征在于，包括：OSA患者端、OSA医生端、OSA专家端和云服务器；
所述OSA患者端用于获取OSA患者的睡眠数据，并向所述云服务器发送所述睡眠数据；所述睡眠数据包括所述OSA患者的睡眠情况和基本信息；
所述云服务器用于接收所述睡眠数据，根据所述睡眠数据、预设的共识指南信息和评估算法，确定所述OSA患者的睡眠症状为轻症、危险或高危；根据所述OSA患者的睡眠症状获取对应的诊疗意见，并将所述诊疗意见推送至所述OSA患者端、所述OSA医生端或所述OSA专家端；
所述OSA医生端用于接收所述诊疗意见，并根据所述诊疗意见实施对应的诊疗方案；
所述OSA专家端用于接收所述诊疗意见，并根据所述诊疗意见对所述OSA患者发起会诊，以及根据诊疗结果生成专家诊疗方案。
2.根据权利要求1所述的系统，其特征在于，所述将所述诊疗意见推送至所述OSA患者端、所述OSA医生端或所述OSA专家端，包括：
当所述OSA患者的睡眠症状为所述轻症时，所述云服务器获取所述轻症对应的睡眠改善意见，并将所述睡眠改善意见作为所述诊疗意见推送至所述OSA患者端；
当所述OSA患者的睡眠症状为所述危险时，所述云服务器获取所述危险对应的检查建议，并将所述检查建议作为所述诊疗意见推送至所述OSA医生端；
当所述OSA患者的睡眠症状为所述高危时，所述云服务器向所述OSA医生端发送监护指令，指示OSA医生将所述OSA患者转入睡眠呼吸中心，并生成会诊请求指令，向所述OSA专家端发送所述会诊请求指令；所述会诊请求指令包括所述OSA患者的睡眠数据。
3.根据权利要求2所述的系统，其特征在于，所述检查建议包括上气道三维重建CT检查、Ⅰ级监测和Ⅱ级监测中的至少一种。
4.根据权利要求3所述的系统，其特征在于，所述危险包括低危和中危，所述云服务器在获取所述危险对应的检查建议时，具体用于：
当所述OSA患者的睡眠症状为所述低危时，所述云服务器确定所述低危对应的检查建议为所述Ⅰ级监测；
当所述OSA患者的睡眠症状为所述中危时，所述云服务器确定所述中危对应的检查建议为所述上气道三维重建CT检查和/或所述Ⅱ级监测。
5.根据权利要求4所述的系统，其特征在于，还包括远程监测设备；
当所述检查建议为所述Ⅰ级监测时，所述远程监测设备用于获取所述OSA患者的实时睡眠数据，并将所述实时睡眠数据发送至所述云服务器；
所述云服务器用于接收所述实时睡眠数据，并根据所述实时睡眠数据确定所述OSA患者的实时睡眠症状。
6.根据权利要求1所述的系统，其特征在于，所述OSA医生端接收所述诊疗意见之后，还用于：
根据所述诊疗意见，判断所述OSA患者的病情严重程度为高危时，向所述OSA专家端发起会诊请求；
所述OSA专家端接收所述OSA医生端发送的所述会诊请求，根据所述会诊请求发起会诊，并根据会诊结果生成对应的诊疗方案。
7.根据权利要求1所述的系统，其特征在于，所述OSA患者端获取问诊者的睡眠数据之后，还用于：
根据所述睡眠数据确定所述OSA患者的睡眠症状是否为无症状；
若是，显示所述无症状的诊断结果；
若否，执行所述向所述云服务器发送所述睡眠数据的步骤。
8.一种OSA云加端智能辅助管理方法，其特征在于，应用于如权利要求1至7中任一项所述的系统，所述方法包括：
获取OSA患者的睡眠数据，所述睡眠数据包括所述OSA患者的睡眠情况和基本信息；
根据所述睡眠数据、预设的共识指南信息和评估算法，确定所述OSA患者的睡眠症状为轻症、危险或高危；
根据所述OSA患者的睡眠症状确定对应的诊疗意见，并将所述诊疗意见推送至OSA患者端、OSA医生端或OSA专家端，以使所述OSA医生端根据所述诊疗意见实施对应的诊疗方案，或使所述OSA专家端根据所述诊疗意见对所述OSA患者发起会诊。
9.根据权利要求8所述的方法，其特征在于，所述将所述诊疗意见推送至OSA患者端、OSA医生端或OSA专家端，包括：
当所述OSA患者的睡眠症状为所述轻症时，获取所述轻症对应的睡眠改善意见，并将所述睡眠改善意见作为所述诊疗意见推送至所述OSA患者端；
当所述OSA患者的睡眠症状为所述危险时，获取所述危险对应的检查建议，并将所述检查建议作为所述诊疗意见推送至所述OSA医生端；
当所述OSA患者的睡眠症状为所述高危时，向所述OSA医生端发送监护指令，指示OSA医生将所述OSA患者转入睡眠呼吸中心，并生成会诊请求指令，向所述OSA专家端发送所述会诊请求指令；所述会诊请求指令包括所述OSA患者的睡眠数据。
10.根据权利要求8所述的方法，其特征在于，还包括：
获取所述OSA患者的实时睡眠数据，并根据所述实时睡眠数据确定所述OSA患者的实时睡眠症状。
11.根据权利要求8所述的方法，其特征在于，所述OSA医生端接收所述诊疗意见之后，还包括：
根据所述诊疗意见，判断所述OSA患者的病情严重程度为高危时，向所述OSA专家端发起会诊请求；
所述OSA专家端接收所述OSA医生端发送的所述会诊请求，根据所述会诊请求发起会诊，并根据会诊结果生成对应的诊疗方案。
12.根据权利要求8所述的方法，其特征在于，所述获取OSA患者的睡眠数据之后，还包括：
根据所述睡眠数据确定所述OSA患者的睡眠症状是否为无症状；
若是，将所述无症状的诊断结果在所述OSA患者端显示；
若否，执行所述根据所述睡眠数据、预设的共识指南信息和评估算法，确定所述OSA患者的睡眠症状为轻症、危险或高危的步骤。
CN202210990767.8A 2022-08-18 2022-08-18 一种osa云加端智能辅助管理系统及方法 Pending CN115223702A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210990767.8A CN115223702A (zh) 2022-08-18 2022-08-18 一种osa云加端智能辅助管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210990767.8A CN115223702A (zh) 2022-08-18 2022-08-18 一种osa云加端智能辅助管理系统及方法

Publications (1)

Publication Number Publication Date
CN115223702A true CN115223702A (zh) 2022-10-21

Family

ID=83615977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210990767.8A Pending CN115223702A (zh) 2022-08-18 2022-08-18 一种osa云加端智能辅助管理系统及方法

Country Status (1)

Country Link
CN (1) CN115223702A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115966278A (zh) * 2022-12-07 2023-04-14 北京健康在线技术开发有限公司 一种基于数字疗法的心血管代谢疾病防治方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202505352U (zh) * 2012-02-22 2012-10-31 复旦大学附属中山医院 用于家庭机械通气患者管理的手机云加端物联网医学系统
CN103793610A (zh) * 2014-02-17 2014-05-14 复旦大学附属中山医院 基于云加端物联网的ards监测和分析管理系统
US20160188826A1 (en) * 2014-12-24 2016-06-30 Koninklijke Philips N.V. System and method for providing customized triage
CN110174878A (zh) * 2019-05-20 2019-08-27 苏州肯博思智能科技有限公司 一种无人化智能装备健康与保障综合管理通用系统
CN112687389A (zh) * 2021-01-13 2021-04-20 罗春华 基于5g和区块链的人工智能医疗分级就诊方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202505352U (zh) * 2012-02-22 2012-10-31 复旦大学附属中山医院 用于家庭机械通气患者管理的手机云加端物联网医学系统
CN103793610A (zh) * 2014-02-17 2014-05-14 复旦大学附属中山医院 基于云加端物联网的ards监测和分析管理系统
US20160188826A1 (en) * 2014-12-24 2016-06-30 Koninklijke Philips N.V. System and method for providing customized triage
CN110174878A (zh) * 2019-05-20 2019-08-27 苏州肯博思智能科技有限公司 一种无人化智能装备健康与保障综合管理通用系统
CN112687389A (zh) * 2021-01-13 2021-04-20 罗春华 基于5g和区块链的人工智能医疗分级就诊方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115966278A (zh) * 2022-12-07 2023-04-14 北京健康在线技术开发有限公司 一种基于数字疗法的心血管代谢疾病防治方法和系统

Similar Documents

Publication Publication Date Title
Alberts et al. The Short Health Anxiety Inventory: A systematic review and meta-analysis
Doran Nursing outcomes: State of the science
Anderson et al. Intergenerational transmission of child abuse: Predictors of child abuse potential among racially diverse women residing in domestic violence shelters
Maulik et al. Childhood disability in low-and middle-income countries: overview of screening, prevention, services, legislation, and epidemiology
Krause-Parello et al. Examining the effects of a service-trained facility dog on stress in children undergoing forensic interview for allegations of child sexual abuse
Welton et al. Nursing diagnoses, diagnosis-related group, and hospital outcomes
US20140316220A1 (en) Personal Health Monitoring System
De Los Reyes et al. Introduction to the special issue: Toward implementing physiological measures in clinical child and adolescent assessments
Flegel et al. Predictive validity of the Test of Infant Motor Performance as measured by the Bruininks-Oseretsky Test of Motor Proficiency at school age
Isaksson et al. Prehospital experiences of older men with a first myocardial infarction: a qualitative analysis within the Northern Sweden MONICA Study
WO2003079137A2 (en) Diagnostic information systems
CN110718302A (zh) 一种基于大数据的糖尿病管理路径的系统
CN110875087B (zh) 一种慢性肺疫病管理系统
Le-Dong et al. Machine learning–based sleep staging in patients with sleep apnea using a single mandibular movement signal
Murray et al. The symptom experience of community-dwelling persons with dementia: Self and caregiver report and comparison with standardized symptom assessment measures
CN112466423A (zh) 智能慢病健康管理方法及系统
Bishop et al. Development and initial analysis of multiple sclerosis self-management scale
CN116472591A (zh) 使用人工智能生成与脊髓性肌萎缩症相关的预测结果的技术
CN115223702A (zh) 一种osa云加端智能辅助管理系统及方法
Akhtar et al. Detection of sleep paralysis by using IoT based device and its relationship between sleep paralysis and sleep quality
White et al. A simple nutrition screening tool to identify nutritional deterioration in long stay paediatric inpatients: The paediatric nutrition rescreening tool (PNRT)
Al‐Hassan et al. The effects of health beliefs on health care‐seeking decisions of Jordanian patients with myocardial infarction symptoms
Pollock Adaptation to chronic illness: Analysis of nursing research
Sonntag et al. The mind‐in‐mind study: A pilot randomised controlled trial that compared modified mentalisation based treatment with supportive clinical management for patients with eating disorders without borderline personality disorder
Shi et al. Congestive heart failure detection based on attention mechanism-enabled bi-directional long short-term memory model in the internet of medical things

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