CN115346648A - 一种手术室护理风险评估方法及系统 - Google Patents
一种手术室护理风险评估方法及系统 Download PDFInfo
- Publication number
- CN115346648A CN115346648A CN202210997353.8A CN202210997353A CN115346648A CN 115346648 A CN115346648 A CN 115346648A CN 202210997353 A CN202210997353 A CN 202210997353A CN 115346648 A CN115346648 A CN 115346648A
- Authority
- CN
- China
- Prior art keywords
- nursing
- target user
- data
- evaluation
- risk
- 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.)
- Withdrawn
Links
- 230000000474 nursing effect Effects 0.000 title claims abstract description 278
- 238000012502 risk assessment Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 205
- 230000008451 emotion Effects 0.000 claims description 70
- 230000004044 response Effects 0.000 claims description 63
- 238000012544 monitoring process Methods 0.000 claims description 29
- 238000009825 accumulation Methods 0.000 claims description 28
- 230000008909 emotion recognition Effects 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 14
- 238000007726 management method Methods 0.000 description 52
- 239000008280 blood Substances 0.000 description 11
- 210000004369 blood Anatomy 0.000 description 11
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 9
- 230000002996 emotional effect Effects 0.000 description 9
- 239000008103 glucose Substances 0.000 description 9
- 206010012601 diabetes mellitus Diseases 0.000 description 6
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 206010020772 Hypertension Diseases 0.000 description 3
- 102000004877 Insulin Human genes 0.000 description 3
- 108090001061 Insulin Proteins 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000008921 facial expression Effects 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 229940125396 insulin Drugs 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006397 emotional response Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 206010036790 Productive cough Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000001217 buttock Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 210000003802 sputum Anatomy 0.000 description 1
- 208000024794 sputum Diseases 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 238000005406 washing Methods 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Multimedia (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Psychiatry (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种手术室护理风险评估方法及系统，涉及护理风险管控技术领域，方法包括：获取目标用户的历史就诊信息、体检信息进行目标用户的病情整合，生成基础病情管控数据和个体差异数据，将护理工作计划数据与基础病情管控数据和个体化差异数据进行风险评价，生成第一风险评价参数，再用图像采集装置采集得到图像采集集合后再进行护理特征识别，将护理特征识别结果和护理工作计划数据进行护理执行评价，由执行评价结果生成第二风险评价参数，而后通过第一、第二风险评价参数进行目标用户的护理风险评估管理，解决了现有技术中存在的护理工作由于不够严谨且监管方式完备性不足而导致护理风险较高的问题，实现了关于护理工作的合理化精准管控。
Description
技术领域
本发明涉及护理风险管控技术领域，具体涉及一种手术室护理风险评估方法及系统。
背景技术
随着社会经济的高速发展以及人们对医疗需求的不断提升，急诊医学也逐渐发展，手术室护理是急诊医学的重要组成部分，发挥着重要的作用。通过对已往手术室护理中发现的问题进行分析，研究手术室护理工作中的风险评估以及相应的防范措施，总结护理特点和其中存在的风险因素，同时制订相应的预防措施，对于最大限度地减少护理风险，降低护患纠纷发生，提升手术室护理效果，具有非常重要的意义。
现有技术中存在的护理工作由于不够严谨且监管方式完备性不足而导致护理风险较高的问题，使得最终关于护理工作无法合理化精准管控。
发明内容
本申请提供了一种手术室护理风险评估方法及系统，解决了现有技术中存在的护理工作由于不够严谨且监管方式完备性不足而导致护理风险较高的问题，实现了关于护理工作的合理化精准管控。
鉴于上述问题，本申请提供了一种手术室护理风险评估方法及系统。
第一方面，本申请提供了一种手术室护理风险评估方法，所述方法包括：读取目标用户的历史就诊信息、体检信息；通过历史就诊信息和体检信息进行目标用户的病情整合，生成基础病情管控数据和个体差异数据；获得护理工作计划数据，基于护理工作计划数据、基础病情管控数据和个体化差异数据进行风险评价，生成第一风险评价参数；通过所述图像采集装置进行护理人员的护理图像采集，得到图像采集集合，其中，图像采集集合具有采集时间标识，且护理人员为所述目标用户的护理工作人员；基于图像采集集合进行护理特征识别，基于护理特征识别结果和护理工作计划数据进行护理执行评价，基于执行评价结果生成第二风险评价参数；通过第一风险评价参数和第二风险评价参数进行目标用户的护理风险评估管理。
第二方面，本申请提供了一种手术室护理风险评估系统，系统包括：信息采集模块：信息采集模块用于读取目标用户的历史就诊信息、体检信息；信息生成模块：信息生成模块用于通过历史就诊信息和体检信息进行目标用户的病情整合，生成基础病情管控数据和个体差异数据；护理风险评价模块：护理风险评价模块用于获得护理工作计划数据，基于护理工作计划数据、基础病情管控数据和个体化差异数据进行风险评价，生成第一风险评价参数；图像采集模块：图像采集模块用于通过图像采集装置进行护理人员的护理图像采集，得到图像采集集合，其中，图像采集集合具有采集时间标识，且护理人员为目标用户的护理工作人员；护理执行评价模块：护理执行评价模块用于基于图像采集集合进行护理特征识别，基于护理特征识别结果和护理工作计划数据进行护理执行评价，基于执行评价结果生成第二风险评价参数；风险评估模块：风险评估模块用于通过第一风险评价参数和所述第二风险评价参数进行所述目标用户的护理风险评估管理。
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：
本申请实施例提供的一种手术室护理风险评估方法，获取目标用户的历史就诊信息、体检信息进行目标用户的病情整合，生成基础病情管控数据和个体差异数据，将护理工作计划数据与基础病情管控数据和个体化差异数据进行风险评价，生成第一风险评价参数，再用图像采集装置采集得到图像采集集合后再进行护理特征识别，将护理特征识别结果和护理工作计划数据进行护理执行评价，由执行评价结果生成第二风险评价参数，而后通过第一、第二风险评价参数进行目标用户的护理风险评估管理，解决了现有技术中存在的护理工作由于不够严谨且监管方式完备性不足而导致护理风险较高的问题，实现了关于护理工作的合理化精准管控，从而进一步从护理人员与目标用户两方面入手，一方面是提升护理人员对目标用户的护理工作的响应速度以及护理方式，另一方面是对目标用户的心理进行监测预警，大大降低了手术室护理风险系数，以此来提高护理的安全性。
附图说明
图1为本申请提供了一种手术室护理风险评估方法流程示意图；
图2为本申请提供了一种手术室护理风险评估方法中通过实时预警等级采集反馈预警响应时间流程示意图；
图3为本申请提供了一种手术室护理风险评估方法中情绪频次累计生成目标用户的心理预警信息流程示意图；
图4为本申请提供了一种手术室护理风险评估系统结构示意图。
附图标记说明：信息采集模块a，信息生成模块b，护理风险评价模块c，图像采集模块d，护理执行评价模块e，风险评估模块f。
具体实施方式
本申请通过提供一种手术室护理风险评估方法，获取目标用户的历史就诊信息、体检信息进行目标用户的病情整合，生成基础病情管控数据和个体差异数据，将护理工作计划数据与基础病情管控数据和个体化差异数据进行风险评价，生成第一风险评价参数，再用图像采集装置采集得到图像采集集合后再进行护理特征识别，将护理特征识别结果和护理工作计划数据进行护理执行评价，由执行评价结果生成第二风险评价参数，而后通过第一、第二风险评价参数进行目标用户的护理风险评估管理，解决了现有技术中存在的护理工作由于不够严谨且监管方式完备性不足而导致护理风险较高的问题，实现了关于护理工作的合理化精准管控。
实施例一
如图1所示，本申请提供了一种手术室护理风险评估方法，应用于智能管理系统，该智能管理系统与图像采集装置通信连接，方法包括：
步骤S100：读取目标用户的历史就诊信息、体检信息；
具体而言，本申请实施例提供的智能管理系统用于对目标用户的个人基础信息，包括但不仅限于姓名、性别、年龄、身份证号等进行整理、统计以及管控，图像采集装置通信用于对目标进行图像信息的采集，同时获取实时图像信息进行记录与管控，其图像采集装置可以是摄像头，摄像机，相机，扫描仪，或其他带有拍照功能的设备，首先，获取目标用户的历史就诊信息及体检信息，其中目标用户的历史就诊信息包含目标用户是否存在在本院就诊历史信息，以及目标用户是否存在外院就诊历史信息，若目标用户存在本院历史就诊信息则该历史就诊信息可直接进行调取，若目标用户存在外院就诊历史信息则需要判断本院与存在目标用户历史就诊信息的外院是否存在关联平台以便本院进行目标用户历史就诊信息的调取，若不存在与该外院存在关联平台则需要目标用户自行提供外院的历史就诊信息，第二，体检信息是指目标用户在本院或在外院进行的体检信息，其中体检信息可以指常规体检做的项目,其中包括内科、外科、眼科、耳鼻喉科等，进一步将目标用户的历史就诊信息及体检信息作为参考依据进行对目标用户基础信息的完善，从而为后期目标用户的基础病情管控数据和个体化差异数据提供参考依据。
步骤S200：通过历史就诊信息和体检信息进行目标用户的病情整合，生成基础病情管控数据和个体差异数据；
具体而言，以目标用户的历史就诊信息及体检信息为基础，从而进一步对目标用户的历史就诊信息及体检信息进行病情的划分与整合，以此生成基础病情管控数据和个体差异数据，基础病情管控数据是指目标用户在历史就诊信息中所呈现的既往病史，示例性的，目标用户患有糖尿病，即目标用户要比未患糖尿病的人血糖值更高，因此在生成基础病情管控数据时就会对患有糖尿病的目标用户的血糖值进行标记以及管控，而个体差异数据是指每一个目标用户都会存在不同的身体特征，以之前为例，以正常人为前提，即不是每个人都患有糖尿病，故对该目标用户来说，患有糖尿病就是一项该目标用户的个体差异数据，以此生成基础病情管控数据和个体差异数据，将基础病情管控数据和个体差异数据为基准从而为后期目标用户的风险评价参数提供参考依据。
步骤S300：获得护理工作计划数据，基于护理工作计划数据、基础病情管控数据和所述个体化差异数据进行风险评价，生成第一风险评价参数；
具体而言，获得并记录护理工作计划数据，其中护理工作计划数据是指护理工作人员在医院已经生成的对目标用户群体的护理工作安排，包括但不仅限于护理时长、护理方式等，基于护理工作计划数据、基础病情管控数据与个体化差异数据进行风险评估，其风险评估是指在目标用户所具有的基础病情管控数据与个体化差异数据的基础上，与护理人员的护理计划相匹配，举例而言，根据目标用户病情发展和护理人员工作计划来相互制约，即若目标用户病情严重，则需调动更多的护理人员进行看护，以及目标用户拥有个体化差异，对于护理时长、护理方式都会存在不同，因此会匹配出不同等级的风险评价，从而进一步生成第一风险评价参数，并以第一风险评价参数为基准为后期目标用户的护理风险评估管理作为参考。
步骤S400：通过图像采集装置进行护理人员的护理图像采集，得到图像采集集合，其中，图像采集集合具有采集时间标识，且护理人员为所述目标用户的护理工作人员；
具体而言，确定护理人员的工作区域，从而通过图像采集装置对护理人员的护理图像进行采集，该图像采集装置可以是但不仅限于是摄像头，摄像机，相机，扫描仪，或其他带有拍照功能的设备，进一步对护理人员在进行护理工作时进行护理人员的护理图像采集，从而得到图像采集集合，其中对护理人员的护理图像采集是指图像采集装置需要对当前区域进行划分，从而定位到护理人员，以此捕捉护理人员的护理图像信息的采集，示例性的，将所采集区域进行等块划分，再根据每一个等块所捕捉到的图像信息进行遍历、识别和筛查，来进一步确定护理人员所在位置以及护理动作，并且在捕捉护理人员的护理图像的同时也会生成捕捉图像的实时护理时间，避免因护理人员的护理时长亦或是护理方式不当，甚至影响目标用户的病情，进而将图像采集集合整理归纳，以便对后续关于护理风险评价参数进行合理的判断。
步骤S500：基于图像采集集合进行护理特征识别，基于护理特征识别结果和护理工作计划数据进行护理执行评价，基于执行评价结果生成第二风险评价参数；
具体而言，通过获取图像采集集合后，对护理人员的护理特征进行识别，其中护理特征识别是指不同的护理人员所具有的护理习惯以及护理方式可能会有所不同，举例而言，假设患有糖尿病的目标用户需要每日进行胰岛素的注射，而胰岛素的注射部位可以是上臂、腹部以及大腿外侧和臀部等，以上这些部位都可以进行胰岛素的注射，但不同的护理人员对于不同的部位存在注射熟练度的差别，同时，不同的目标用户对不同的部位被注射存在不同敏感程度，故此，针对不同的护理人员所具有的护理方式与护理工作计划数据对护理人员进行护理执行评价，护理执行评价指其护理人员是否按照目标用户所需进行护理，以及护理人员的护理执行力等，以此进行护理执行评价，在此基础上进行整合得出第二风险评价参数，以此为后期生成目标用户护理风险评估管理提供参考依据。
步骤S600：通过第一风险评价参数和第二风险评价参数进行目标用户的护理风险评估管理。
具体而言，以第一风险评价参数与第二风险评价参数为基准，通过护理工作计划数据和基础病情管控数据和所述个体化差异数据进行风险评价从而生成的第一风险评价参数与通过护理特征识别结果和护理工作计划数据进行护理执行评价从而由执行评价结果生成的第二风险评价参数的映射对应，进而进行对目标用户的护理风险评估管理，其中，护理风险评估管理即护理人员对目标用户的护理风险参数，从第一风险评价参数与第二风险评价参数两方面进行护理人员与目标用户信息与图像的采集，以此达到护理风险评估的精准性，并且护理风险评估管理为进行目标用户护理管理的参考依据之一。
进一步的，确定目标用户的历史就诊信息以及体检信息，即意在获得目标用户的既往病史以及基础身体情况，并从其中整合出目标用户的基础病情数据以及其个体差异数据，且在目标用户的基础病情数据、其个体差异数据以及护理工计划数据的基础上，进行三方面数据的匹配，以此生成第一风险评价参数，同时，通过图像采集装置得到护理人员实施护理的图像采集集合，基于护理图像采集集合来进行护理人员的护理特征的识别，从而将护理特征识别结果与护理工作计划数据进一步生成护理人员的护理执行评价，由护理执行评价结果从而进一步得到第二风险参数，对生成的第一风险评价参数与第二风险评价参数再进行目标用户的护理风险评估管理，以此来保障护理工作的严谨性且因监管方式完备性不足而导致的护理风险较高的问题，进行关于护理工作的合理化精准管控,其中包括两个方面对护理风险进行评估，一方面是对护理人员对目标用户的护理反馈响应时间与护理人员响应速度评价结果进行监测和预警，另一方面是对目标用户的情绪频次进行累计、统计，从而生成目标用户的心里预警信息来对目标用户进行进一步更为细致的监测预警，以此达到对护理风险评估的获取更为精准化。
进一步而言，如图2所示，本申请步骤S200还包括：
步骤S210：通过数据采集装置进行目标用户的生命体征监测数据采集整合，得到生命体征数据；
步骤S220：基于生命体征数据进行目标用户的体征稳定性评估，通过评估结果、基础病情管控数据和个体差异数据匹配实时预警等级；
步骤S230：基于实时预警等级进行目标用户的监测预警，采集反馈预警响应时间；
步骤S240：通过反馈预警响应时间生成第三风险评价参数；
步骤S250：通过第一风险评价参数、第二风险评价参数和第三风险评价参数进行目标用户的护理风险评估管理。
具体而言，通过数据采集装置进行对目标用户的生命体征监测数据，其中数据采集装置包含但不仅限于多传感器阵列的生命体征监测装置、物联网技术新型生命体征监测装置等，从而检测目标用户的体温、脉搏、呼吸、血压、血氧，以此得到目标用户的生命体征数据，该生命体征数据是指使用数据采集装置检测到目标用户的包括体温、脉搏、呼吸、血压、血氧的值，并通过生命体征数据进行对目标用户的体征稳定性评估，示例性的，目标用户患有高血压，那么数据采集装置在采集目标用户的生命体征监测数据时，得到的生命体征数据中血压值一定高于正常人的血压值，因此，在生成目标用户体征稳定性评估时，进一步将目标用户的血压异常进行记录，以此生成该目标用户的体征稳定性评估，并通过目标用户的体征稳定性评估结果与目标用户的基础病情管理数据和个体差异数据匹配生成实时预警等级，举例而言，患有高血压的目标用户的高血压值即目标用户的个体差异数据，而实时预警等级会根据目标用户当时所监测到的生命体征结合目标用户的基础病情以及个体差异进行识别，若目标用户被实时预警等级识别划分为高等级，则实时预警将会实时进行频率高，节奏快，声音强的特点进行报警，若目标用户被实时预警等级识别划分为低等级，则实时预警将会进行频率低，节奏慢，声音弱的特点进行报警，从实时预警进行报警时起开始采集护理人员的反应与响应该实时预警的速度，即采集反馈预警响应时间，进一步通过反馈预警响应时间从而生成第三风险评价参数，再以第一风险评价参数、第二风险评价参数与第三风险评价参数为基准，为后续目标用户护理风险评估管理进行护理风险的管控。
进一步而言，本申请步骤S240还包括：
步骤S241：构建预警等级与约束响应时间的关联集合；
步骤S232：通过所述实时预警等级进行所述关联集合中的约束响应时间匹配，生成实时约束响应时间；
步骤S243：基于所述反馈预警响应时间和所述实时约束响应时间进行响应速度评价，基于响应速度评价结果生成所述第三风险评价参数。
具体而言，构建预警等级与约束响应时间的关联集合，其中该预警等级是指通过获取目标用户的生命体征结合目标用户的病情以及个体差异，从而决定目标用户的预警等级，再根据目标用户的预警等级与护理人员的反馈预警响应时间即约束响应时间来构成关联集合，进一步的，由目标用户的实时预警等级与该关联集合中的约束响应时间相匹配，即根据实时预警等级的不同来影响约束响应时间不同，从而生成实时约束响应时间，实施约束响应时间是指目标用户达到预警等级，从护理人员接收到报警信息到护理人员到达并开始护理的时间，进一步通过反馈预警响应时间与实时约束响应时间进行响应速度的评价，即对护理人员在进行处理报警信息的速度的快与慢的评价，并基于响应速度评价结果生成第三风险评价参数。
进一步而言，如图3所示，本申请步骤S400还包括：
步骤S410：通过图像采集装置进行目标用户的图像连续采集监测，生成连续监测图像集合；
步骤S420：通过大数据构建情绪识别特征集合；
步骤S430：基于情绪识别特征集合进行连续监测图像集合的情绪识别匹配，生成情绪识别匹配结果；
步骤S440：对情绪识别匹配结果进行情绪频次累计，根据情绪频次累计结果生成目标用户的心理预警信息；
步骤S450：通过心理预警信息进行目标用户的监测预警。
具体而言，根据图像采集装置对目标用户的图像连续采集监测，并以此为基准生成连续监测图像集合，其中，该图像采集装置可以是但不仅限于是摄像头，摄像机，相机，扫描仪，或其他带有拍照功能的设备，进一步对目标用户进行连续不间断的图像进行采集与监测，从而生成的连续监测图像集合可以是一段视频、一组连续的图像等，再将连续监测图像集合在大数据的基础上，构建情绪识别特征集合，示例性的，大数据将会匹配历史人在不同情绪下的动作以及表情等，并同时需要定位目标用户处于图像的位置，将所采集区域进行等块划分，再根据每一个等块所捕捉到的图像信息进行遍历、识别和筛查，在对图像采集集合进行图像识别的过程中，可以通过以卷积核特征比对的方式进行实现，示例性的，根据图像采集装置所获取的图像信息，在所获取的图像信息的基础上，对该图像信息进行等分，同时根据图像等分中第一个区域设为起始点，即所获得的第一区域，标识为零点区域，再从第一区域开始进行遍历，将每一个区域中所得到的信息与大数据中的情绪特征进行匹配，从而生成目标用户的情绪信息，后续每一次情绪动作以及面部表情的变化，均以所述零点位置为基准点，并将变化信息进行标识记录，再通过对区域进行标识和分区，对目标用户的情绪动作以及面部表情进行区域分区编码，为后续准确定位目标用户的情绪，与大数据情绪识别特征进行对比，提高捕捉目标用户情绪的准确性，为提高目标用户心理预警的精确性夯实了基础，来进一步确定目标用户所在位置以及情绪动作与面部表情，并且在捕捉目标用户的情绪图像的同时也会与大数据中的情绪动作以及面部特进行匹配，以此来获取目标用户的情绪数据，并基于情绪识别特征集合进行与获取的连续监测图像集合的情绪识别进行匹配，进一步生成情绪识别匹配结果，同时进行情绪频次的累计，该情绪频次是指在生成的情绪识别匹配结果中，其中分为三个方面，分别是采集到目标用户的正面情绪、中性情绪以及负面情绪，举例而言，以采集到的全部情绪结果为基础，其中以情绪占比生成情绪频次，其中若三个情绪中其中一个情绪占比超过50%，则记为该情绪频次，例如负面情绪的占比占总比例超过50%则记为负面情绪，根据情绪频次累计结果进一步生成目标用户心理预警信息，该心理预警信息是指在生成负面情绪时则响应产生预警信息，同时根据用户心理预警信息实现护理人员对目标用户的护理方案进行调整，并且对目标用户进行监测预警，该监测预警由两方面构成，一方面是对护理人员对目标用户的护理反馈响应时间与护理人员响应速度评价结果进行监测和预警，另一方面是对目标用户的情绪频次进行累计、统计，从而生成目标用户的心里预警信息来对目标用户进行进一步更为细致的监测预警。
进一步而言，本申请步骤S440还包括：
步骤S441：构建负面情绪累计频次约束阈值；
步骤S442：获得所述情绪频次累计中负面情绪的第一累计频次值，基于所述第一累计频次值和所述负面情绪累计频次约束阈值得到占比评价值；
步骤S443：将所述占比评价值作为第一评价数据；
步骤S444：获得所述情绪频次累计中正面情绪的第二累计频次值，通过所述第一累计频次值和所述第二累计频次值的比例分布生成第二评价数据；
步骤S445：通过所述第一评价数据和所述第二评价数据生成所述目标用户的心理预警信息。
具体而言，由负面情绪累计频次来构建负面情绪累计频次约束阈值，示例性的，基于负面情绪累计频次，由两天作为一个评价周期，其中在两天的限定阈值内，对负面情绪的频次进行统计及归纳，从而获得情绪频次累计中负面情绪的第一累计频次值，该第一累计频次值是指在捕捉情绪频次的同时，主要针对负面情绪的捕捉与统计从而形成第一累计频次值，根据第一累计频次值与负面情绪累计频次约束阈值，进一步获得负面情绪占比评价值，其中占比评价值是指总情绪频次累计中的负面情绪与在约束阈值内的负面累计频次相匹配所得，从而将所述占比评价值作为第一评价数据，再根据获得情绪频次累计中正面情绪的第二累计频次值，该第二累计频次值是指在捕捉情绪频次的同时，主要针对正面情绪的捕捉与统计从而形成第二累计频次值，进一步将第一累计频次值与第二累计频次值其两者的比例生成第二评价数据，其中第二评价数据是指将情绪频次累计中的负面情绪与正面情绪按所捕捉到的频次比率来进行统计和分布所得，再将第一评价数据与第二评价数据进行整合，从而生成目标用户的心理预警信息，该目标用户的心理预警信息是指目标用户的负面情绪的频次累计与正面情绪的频次累计进行比较，整合与统计所得，为了对目标用户心理的精准化管理来降低护理的风险。
进一步而言，本申请步骤S450还包括：
步骤S451：对目标用户的心理预警信息进行频次统计；
步骤S452：构建递增评价值集合；
步骤S453：通过递增评价值集合和心理预警信息的频次统计结果生成第四风险评价参数；
步骤S454：通过第一风险评价参数、第二风险评价参数和第四风险评价参数进行目标用户的护理风险评估管理。
具体而言，对所获取的目标用户的心理预警信息进行频次统计，即目标用户每次生成的心理预警信息都会被记录，最终根据目标用户的心理预警信息所出现的次数进行整合、归纳以及总结，从而进一步构建递增评价值集合，其中递增评价值集合是指，以负面情绪频次值为基础值，在此基础值上，每再出现同样情绪值则视为递增，示例性的，若负面情绪频次累计值在限定阈值中只出现一次的值视为1，若负面情绪频次累计值在限定阈值中出现两次的值视为3，每出现不同次数所对应一个固定值，并且每多出现同样情绪值则视为递增，从而只会出现递增评价值多或递增评价值少的两种情况，将所有出现的递增评价值的情况进行归纳，从而形成递增评价值集合，进一步通过该递增评价值集合与目标用户的心理预警的信息进行频次统计，进而生成第四风险评价参数，故此，第一风险评价参数、第二风险评价参数与所述第四风险评价参数从而对目标用户的护理风险评估管理进行提高护理的安全性打基础。
进一步而言，本申请步骤S243还包括：
步骤S2431：通过护理统计装置进行护理数据统计，基于护理数据统计结果进行时段划分，得到时段划分结果；
步骤S2432：设定预期响应速度约束阈值；
步骤S2433：对响应速度评价结果中不满足预期响应速度约束阈值的频次进行统计；
步骤S2434：基于统计结果进行所述时段划分结果的时段分布分析，获得时段分布占比数据；
步骤S2435：通过时段分布占比数据生成第五风险评价参数，通过第一风险评价参数、第二风险评价参数、第三风险评价参数和第五风险评价参数进行目标用户的护理风险评估管理。
具体而言，将护理统计装置采集到的护理数据进行归纳统计，该护理统计装置包括但不仅限于血糖仪、雾化器、吸痰器、床上洗头机、吸氧器、牵引器等，从而基于护理数据统计结果再进行时段的划分，示例性的，使用血糖仪进行测量得到血糖值平稳的时段为8点到10点，再将不同时段的血糖结果根据血糖值进行结果的划分，在此基础上，设定预期响应速度约束阈值，举例而言，目标用户在血糖值趋于平稳的时段与目标用户在血糖值产生波动时需要的护理方式与护理人数是不同的，在设定预期响应速度约束阈值时可以就护理人员距离目标用户的远近来进行约束阈值，例如，在预期响应速度内距离近的护理人员可以先行对目标用户进行护理，以防目标用户在需要更多护理人员进行护理时，护理人员因距离原因而导致响应速度慢，从而增加护理风险，其中响应速度评价结果中不满足预期响应速度约束阈值的频次进行统计，即护理人员在对目标用户的护理期间有些时间点可能会对目标用户当时的护理需求无法达到预期响应速度，例如，凌晨三点至五点，可能会因为护理人员人手或精力不足所导致的不满足其预期响应速度，进一步基于统计结果进行时段划分结果的时段分布分析，从而获得时段分布占比数据，其中以统计结果进行时段划分结果的时段分布分析为基础，来获得每个时段的护理数据统计结果，从而进行每个时段的护理数据统计结果的占比数据，进一步通过该时段分布占比数据生成第五风险评价参数，并同时将第一风险评价参数、第二风险评级参数、第三风险评价参数与第五风险评价参数进行对目标用户的护理风险评估管理，使得护理人数与响应速度按需匹配到目标用用户，以此来减小护理风险系数。
实施例二
基于与前述实施例中一种手术室护理风险评估方法相同的发明构思，如图4所示，本申请提供了一种手术室护理风险评估系统，所述系统包括：
信息采集模块a：所述信息采集模块a用于读取目标用户的历史就诊信息、体检信息；
信息生成模块b：所述信息生成模块b用于通过所述历史就诊信息和所述体检信息进行所述目标用户的病情整合，生成基础病情管控数据和个体差异数据；
护理风险评价模块c：所述护理风险评价模块c用于获得护理工作计划数据，基于所述护理工作计划数据、所述基础病情管控数据和所述个体化差异数据进行风险评价，生成第一风险评价参数；
图像采集模块d：所述图像采集模块d用于通过所述图像采集装置进行护理人员的护理图像采集，得到图像采集集合，其中，所述图像采集集合具有采集时间标识，且所述护理人员为所述目标用户的护理工作人员；
护理执行评价模块e：所述护理执行评价模块e用于基于所述图像采集集合进行护理特征识别，基于护理特征识别结果和所述护理工作计划数据进行护理执行评价，基于执行评价结果生成第二风险评价参数；
风险评估模块f：所述风险评估模块f用于通过所述第一风险评价参数和所述第二风险评价参数进行所述目标用户的护理风险评估管理。
进一步而言，所述系统还包括:
采集数据模块：其中采集数据模块用于采集目标用户的生命体征监测数据进行整合，得到生命体征数据；
预警等级匹配模块：其中预警等级匹配模块用于将生命体征数据进行目标用户的体征稳定性评估，通过评估结果与基础病情管控数据和个体差异数据匹配实时预警等级；
预警响应模块：其中预警响应模块用于在实时预警等级的基础上进行目标用户的监测预警并采集反馈预警响应时间；
风险评价生成模块：其中风险评价生成模块用于获得反馈预警响应时间后得到；
护理风险评估管理模块：其中护理风险评估管理模块是通过第一风险评价参数、第二风险评价参数与第三风险评价参数而获得的。
进一步而言，所述系统还包括：
约束响应时间模块：其中约束响应时间模块用于通过实时预警等级进行所述关联集合中的约束响应时间匹配，生成实时约束响应时间；
风险评价生成模块：其中风险生成模块用于基于所述反馈预警响应时间和实时约束响应时间进行响应速度评价，基于响应速度评价结果生成第三风险评价参数。
进一步而言，所述系统还包括：
监测图像采集模块：其中图像采集模块用于通过所述图像采集装置进行目标用户的图像连续采集监测，生成连续监测图像集合；
情绪特征识别模块：其中情绪特征识别模块用于通过大数据构建情绪识别特征集合；
识别情绪特征模块：其中识别情绪特征模块用于基于情绪识别特征集合进行连续监测图像集合的情绪识别匹配，生成情绪识别匹配结果；
情绪频次累计模块：其中情绪频次累计模块用于对情绪识别匹配结果进行情绪频次累计，根据情绪频次累计结果生成目标用户的心理预警信息；
监测预警模块：其中监测预警模块用于通过心理预警信息进行所述目标用户的监测预警。
进一步而言，所述系统还包括：
约束阈值模块：其中约束阈值模块用于构建负面情绪累计频次约束阈值；
负面情绪频次累计模块：其中负面情绪频次累计模块用于获得情绪频次累计中负面情绪的第一累计频次值，基于第一累计频次值和负面情绪累计频次约束阈值得到占比评价值；
占比评价模块：其中占比评价模块用于将占比评价值作为第一评价数据；
正面情绪频次累计模块：其中正面情绪频次累计模块用于获得情绪频次累计中正面情绪的第二累计频次值，通过第一累计频次值和所述第二累计频次值的比例分布生成第二评价数据；
心理预警模块：其中心理预警模块用于通过第一评价数据和第二评价数据生成目标用户的心理预警信息。
进一步而言，所述系统还包括：
心里预警频次统计模块：其中频次统计模块用于对目标用户的心理预警信息进行频次统计；
集合构建模块：其中集合构建模块用于构建递增评价值集合；
风险评价参数获取模块：其中风险评价参数获取模块用于通过递增评价值集合和心理预警信息的频次统计结果生成第四风险评价参数；
护理风险评估获取模块：其中护理风险评估获取模块用于通过第一风险评价参数、第二风险评价参数和第四风险评价参数进行目标用户的护理风险评估管理。
进一步而言，所述系统还包括：
时段划分模块：其中时段划分模块用于通过护理统计装置进行护理数据统计，基于护理数据统计结果进行时段划分，得到时段划分结果；
约束阈值生成模块：其中约束阈值生成模块用于根据设定预期响应速度约束阈值；
频次统计模块：其中频次统计模块用于对响应速度评价结果中不满足预期响应速度约束阈值的频次进行统计；
时段分布占比模块：其中时段分布占比模块用于基于统计结果进行时段划分结果的时段分布分析，获得时段分布占比数据；
获取护理风险评估模块：其中获取护理风险评估模块用于通过时段分布占比数据生成第五风险评价参数，通过第一风险评价参数、第二风险评价参数、第三风险评价参数和第五风险评价参数进行目标用户的护理风险评估管理。
本说明书通过前述对一种手术室护理风险评估方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种手术室护理风险评估方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种手术室护理风险评估方法，其特征在于，所述方法应用于智能管理系统，所述智能管理系统与图像采集装置通信连接，所述方法包括：
读取目标用户的历史就诊信息、体检信息；
通过所述历史就诊信息和所述体检信息进行所述目标用户的病情整合，生成基础病情管控数据和个体差异数据；
获得护理工作计划数据，基于所述护理工作计划数据、所述基础病情管控数据和所述个体化差异数据进行风险评价，生成第一风险评价参数；
通过所述图像采集装置进行护理人员的护理图像采集，得到图像采集集合，其中，所述图像采集集合具有采集时间标识，且所述护理人员为所述目标用户的护理工作人员；
基于所述图像采集集合进行护理特征识别，基于护理特征识别结果和所述护理工作计划数据进行护理执行评价，基于执行评价结果生成第二风险评价参数；
通过所述第一风险评价参数和所述第二风险评价参数进行所述目标用户的护理风险评估管理。
2.如权利要求1所述的方法，其特征在于，所述智能管理系统还与数据采集装置通信连接，所述方法还包括：
通过所述数据采集装置进行所述目标用户的生命体征监测数据采集整合，得到生命体征数据；
基于所述生命体征数据进行所述目标用户的体征稳定性评估，通过评估结果、所述基础病情管控数据和所述个体差异数据匹配实时预警等级；
基于所述实时预警等级进行所述目标用户的监测预警，采集反馈预警响应时间；
通过所述反馈预警响应时间生成第三风险评价参数；
通过所述第一风险评价参数、所述第二风险评价参数和所述第三风险评价参数进行所述目标用户的护理风险评估管理。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
构建预警等级与约束响应时间的关联集合；
通过所述实时预警等级进行所述关联集合中的约束响应时间匹配，生成实时约束响应时间；
基于所述反馈预警响应时间和所述实时约束响应时间进行响应速度评价，基于响应速度评价结果生成所述第三风险评价参数。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
通过所述图像采集装置进行所述目标用户的图像连续采集监测，生成连续监测图像集合；
通过大数据构建情绪识别特征集合；
基于所述情绪识别特征集合进行所述连续监测图像集合的情绪识别匹配，生成情绪识别匹配结果；
对所述情绪识别匹配结果进行情绪频次累计，根据情绪频次累计结果生成所述目标用户的心理预警信息；
通过所述心理预警信息进行所述目标用户的监测预警。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
构建负面情绪累计频次约束阈值；
获得所述情绪频次累计中负面情绪的第一累计频次值，基于所述第一累计频次值和所述负面情绪累计频次约束阈值得到占比评价值；
将所述占比评价值作为第一评价数据；
获得所述情绪频次累计中正面情绪的第二累计频次值，通过所述第一累计频次值和所述第二累计频次值的比例分布生成第二评价数据；
通过所述第一评价数据和所述第二评价数据生成所述目标用户的心理预警信息。
6.如权利要求4所述的方法，其特征在于，所述方法还包括：
对所述目标用户的心理预警信息进行频次统计；
构建递增评价值集合；
通过所述递增评价值集合和所述心理预警信息的频次统计结果生成第四风险评价参数；
通过所述第一风险评价参数、所述第二风险评价参数和所述第四风险评价参数进行所述目标用户的护理风险评估管理。
7.如权利要求3所述的方法，其特征在于，所述智能管理系统还与护理统计装置通信连接，所述方法还包括：
通过所述护理统计装置进行护理数据统计，基于护理数据统计结果进行时段划分，得到时段划分结果；
设定预期响应速度约束阈值；
对所述响应速度评价结果中不满足所述预期响应速度约束阈值的频次进行统计；
基于统计结果进行所述时段划分结果的时段分布分析，获得时段分布占比数据；
通过所述时段分布占比数据生成第五风险评价参数，通过所述第一风险评价参数、所述第二风险评价参数、所述第三风险评价参数和所述第五风险评价参数进行所述目标用户的护理风险评估管理。
8.一种手术室护理风险评估系统，其特征在于，所述系统与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读取目标用户的历史就诊信息、体检信息；
信息生成模块：所述信息生成模块用于通过所述历史就诊信息和所述体检信息进行所述目标用户的病情整合，生成基础病情管控数据和个体差异数据；
护理风险评价模块：所述护理风险评价模块用于获得护理工作计划数据，基于所述护理工作计划数据、所述基础病情管控数据和所述个体化差异数据进行风险评价，生成第一风险评价参数；
图像采集模块：所述图像采集模块用于通过所述图像采集装置进行护理人员的护理图像采集，得到图像采集集合，其中，所述图像采集集合具有采集时间标识，且所述护理人员为所述目标用户的护理工作人员；
护理执行评价模块：所述护理执行评价模块用于基于所述图像采集集合进行护理特征识别，基于护理特征识别结果和所述护理工作计划数据进行护理执行评价，基于执行评价结果生成第二风险评价参数；
风险评估模块：所述风险评估模块用于通过所述第一风险评价参数和所述第二风险评价参数进行所述目标用户的护理风险评估管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210997353.8A CN115346648A (zh) | 2022-08-19 | 2022-08-19 | 一种手术室护理风险评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210997353.8A CN115346648A (zh) | 2022-08-19 | 2022-08-19 | 一种手术室护理风险评估方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115346648A true CN115346648A (zh) | 2022-11-15 |
Family
ID=83953120
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210997353.8A Withdrawn CN115346648A (zh) | 2022-08-19 | 2022-08-19 | 一种手术室护理风险评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115346648A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115775620A (zh) * | 2023-02-13 | 2023-03-10 | 浙江妙智康健康科技有限公司 | 一种基于人工智能的医疗信息管理方法及系统 |
| CN118197559A (zh) * | 2024-05-17 | 2024-06-14 | 绵阳市第三人民医院 | 一种用于心理障碍患者的护理信息管理方法及系统 |
-
2022
- 2022-08-19 CN CN202210997353.8A patent/CN115346648A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115775620A (zh) * | 2023-02-13 | 2023-03-10 | 浙江妙智康健康科技有限公司 | 一种基于人工智能的医疗信息管理方法及系统 |
| CN118197559A (zh) * | 2024-05-17 | 2024-06-14 | 绵阳市第三人民医院 | 一种用于心理障碍患者的护理信息管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115346648A (zh) | 一种手术室护理风险评估方法及系统 | |
| US6816603B2 (en) | Method and apparatus for remote medical monitoring incorporating video processing and system of motor tasks | |
| CN111785374A (zh) | 一种基于大数据的健康状况分析预测方法及系统 | |
| KR102439807B1 (ko) | 치매 환자 관리 방법 및 그 시스템 | |
| US20150025905A1 (en) | Method for medical information monitoring and processing | |
| CN107708548A (zh) | 用于吸烟行为的量化和预测的系统和方法 | |
| US20120220846A1 (en) | System and method for diagnosing sleep apnea | |
| EP2055235A1 (en) | Fetal movement information processing device and fetal movement information processing method | |
| JP2011517982A (ja) | 睡眠／覚醒状態評価方法及びシステム | |
| CN112908481B (zh) | 一种自动化个人健康评估及管理方法及系统 | |
| US20120179066A1 (en) | Sleeping quality monitor system and a method for monitoring a physiological signal | |
| CN115662631A (zh) | 基于ai智能判别的养老院管理系统 | |
| KR20200056674A (ko) | 반려동물 만성질환 통합 관리 시스템, 서버 및 방법 | |
| KR101993649B1 (ko) | 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치 | |
| KR102552787B1 (ko) | 생체신호 분석 기반 코골이 분석과 질병 진단 예측 서비스를 제공하는 코골이 분석 서비스 방법 | |
| CN118248332A (zh) | 一种智能多模态生理数据监测系统 | |
| CN114403808A (zh) | 一种基于环境监测的人体睡眠分析方法、设备及存储介质 | |
| CN114582489A (zh) | 一种用于针灸治疗膝骨关节炎的红外热像辅助选穴系统 | |
| CN106606348A (zh) | 基于移动通信的监测长者生命安全、健康及生活安全系统 | |
| CN112992355A (zh) | 一种食管癌患者的术前评估方法及系统 | |
| CN112669963B (zh) | 智能健康机、健康数据生成方法以及健康数据管理系统 | |
| CN117322841A (zh) | 一种基于云计算服务的睡眠健康管理系统 | |
| CN117038038A (zh) | 一种基于健康大数据的患者诊疗智能预警系统 | |
| US20210077013A1 (en) | System and method for digital monitoring of sleep apnea | |
| CN114847872A (zh) | 一种基于物联网技术的医疗诊断系统及其实施方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221115 |