CN115721284A - 健康监测系统、方法、电子设备和存储介质 - Google Patents
健康监测系统、方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115721284A CN115721284A CN202211466091.9A CN202211466091A CN115721284A CN 115721284 A CN115721284 A CN 115721284A CN 202211466091 A CN202211466091 A CN 202211466091A CN 115721284 A CN115721284 A CN 115721284A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- early warning
- person under
- under guardianship
- derived
- 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
Abstract
本公开提供了一种健康监测系统、方法、电子设备以及计算机可读存储介质,涉及电子医疗设备技术领域,可以应用于对被监护人的心率数据进行异常监测的场景。该系统包括:数据监测终端用于采集心率信号,根据心率信号计算衍生心率;还用于采集被监护人的运动参数;人体状态识别模块用于根据被监护人的运动参数,筛选被监护人处于静止状态的衍生心率,心率异常识别模块用于根据静止状态的衍生心率确定预警类型;预警平台,用于根据预警类型生成对应的预警策略;决策终端,用于执行预警策略,从而实现对被监护人的健康监测。本公开可以提升数据采集准确性,实时监测缩短心率异常事件的发现时长,对于隐匿性高风险被监护人,及时给予关注及必要干预。
Description
技术领域
本公开涉及电子医疗设备技术领域,具体而言,涉及一种健康监测系统、健康监测方法、电子设备以及计算机可读存储介质。
背景技术
智慧社区是社区管理的一种新理念,也是当下社会管理创新的一种新模式。智慧社区是指充分利用物联网、云计算、移动互联网等新一代信息技术的集成,为社区居民提供一个安全、舒适、便利的现代化、智慧化生活环境,从而形成基于信息化智能化社会管理与服务一体的新管理形态社区。
猝死是人类的最严重的疾病之一。世界卫生组织(WHO)对猝死的定义是:“平素身体健康或貌似健康的患者,在出乎意料的短时间内,因自然疾病而突然死亡即为猝死。”临床上多把猝死分为:心源性猝死及非心源性猝死。研究发现,心源性猝死占全部猝死患者例数的75%。而大部分心源性猝死由心律失常所引起。心率监测及心率变异性分析对多种心律失常的早期判断与预后判断有指导提示作用。
针对养老机构或者指挥社区中发生的居民猝死事件,通过采取多种干预手段以期降低猝死事件的发生率、提高事件即时发现率。然而,该方式存在成本高、操作难度大、数据准确性差的问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种健康监测系统、健康监测方法、电子设备以及计算机可读存储介质,进而至少在一定程度上克服现有的居民猝死监测方法存在成本高、操作难度大、数据准确性差的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本公开的第一方面,提供一种健康监测系统,包括数据监测终端、风险识别系统、预警平台和决策终端,其中,所述数据监测终端,用于采集心率信号,根据心率信号计算衍生心率;还用于采集被监护人的运动参数;所述风险识别系统包括人体状态识别模块和心率异常识别模块,所述人体状态识别模块用于根据被监护人的运动参数,筛选被监护人处于静止状态的衍生心率,所述心率异常识别模块用于根据所述静止状态的衍生心率确定预警类型;所述预警平台,用于根据所述预警类型生成对应的预警策略;所述决策终端,用于执行所述预警策略,从而实现对所述被监护人的健康监测。
在本公开的一个实施例中,所述心率异常识别模块包括第一异常识别模块,所述第一异常识别模块用于当第一衍生心率满足第一预设条件时,确定所述被监护人的预警类型为实时告警;所述预警平台用于根据所述实时告警生成实时告警策略,所述实时告警策略用以向决策终端发出实时告警。
在本公开的一个实施例中,所述第一衍生心率包括静息心率和/或实时心率。
在本公开的一个实施例中,所述心率异常识别模块还包括第二异常识别模块,所述第二异常识别模块用于判断第二衍生心率是否满足第二预设条件,若满足,则确定预警类型为常规预警;所述预警平台用于根据所述常规预警生成常规预警策略,所述常规预警策略用于在第一预设时间内向决策终端发送提醒。
在本公开的一个实施例中,所述第二衍生心率包括以下中的至少一项:心率变化速率、静息心率、长间期百分比。
在本公开的一个实施例中,所述心率异常识别模块还包括第三异常识别模块,所述第三异常识别模块用于判断第三衍生心率是否满足第三预设条件,若满足,则确定所述被监护人的预警类型为阶段预警;所述预警平台用于根据所述阶段预警生成阶段预警策略,所述阶段预警策略用于在第二预设时间内向决策终端发送提醒。
在本公开的一个实施例中,所述第三衍生心率包括以下中的至少一项:静息心率、实时心率、心率变异性和心率减速力。
在本公开的一个实施例中,所述心率异常识别模块包括第四异常识别模块,用于根据被监护人健康基本信息和第四衍生心率确定健康评价结果,根据健康评价结果进行阶段预警。
在本公开的一个实施例中,所述第四衍生心率包括以下中的至少一项:静息心率、心率变异性和心率减速力。
在本公开的一个实施例中,所述系统还包括数据中心平台,所述数据中心平台用于对衍生心率进行处理。
在本公开的一个实施例中,所述决策终端,还用于将数据回传至心率异常识别模块,根据所述数据对心率异常识别模块的参数优化。
根据本公开的第二方面,还提供了一种健康监测方法,包括:采集被监护人的心率信号,根据所述心率信号计算衍生心率;采集所述被监护人的运动参数;根据所述被监护人的运动参数,筛选被监护人处于静止状态时的衍生心率;根据所述被监护人处于静止状态时的衍生心率,确定所述被监护人的预警类型;根据所述预警类型,生成对应的预警策略,并执行所述预警策略。
根据本公开的第三方面,提供一种电子设备,包括:处理器;以及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的健康监测方法。
根据本公开的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据上述任意一项所述的健康监测方法。
根据本公开的第五方面,提供一种计算机程序产品,所述计算机程序产品包括计算机程序或计算机指令,所述计算机程序或所述计算机指令由处理器加载并执行,以使计算机实现上述的健康监测方法。
本公开的实施例所提供的一种健康监测系统、方法、电子设备和存储介质,通过数据监测终端采集心率信号,计算衍生心率,通过采集被监护人的运动参数,人体状态识别模块根据被监护人的运动参数识别人体状态,并筛选被监护人处于静止状态时的衍生心率,心率异常识别模块根据被监护人处于静止状态的衍生心率确定预警类型,从而能根据不同风险等级的预警类型执行不同的预警策略,一方面提升数据采集的准确性,另一方面实时监测能够显著缩短心率异常事件的发现时长,及时发现隐匿性高风险居民,及时给予关注及必要干预。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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。在附图中:
图1示出本公开实施例提供的一种健康监测系统的结构示意图;
图2示出本公开实施例提供的一种健康监测系统示例的结构示意图;
图3示出本公开实施例提供的数据监测终端的结构示意图;
图4示出本公开实施例提供的又一种健康监测系统的结构示意图;
图5示出本公开实施例提供的另一种健康监测系统的结构示意图;
图6示出本公开实施例提供的另一种健康监测系统的结构示意图;
图7示出本公开实施例提供的另一种健康监测系统的结构示意图;
图8示出本公开实施例提供的健康监测系统控制逻辑原理图;
图9示出本公开实施例提供的一种健康监测方法的流程图;
图10示出本公开实施例提供的又一种健康监测方法的流程图;
图11示出本公开实施例提供的另一种健康监测方法的流程图;
图12示出本公开实施例提供的电子设备的框图;
图13示出本公开实施例提供的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
目前,对老人等被监护人监测跌倒或猝死的业务场景已经存在多种解决方案。在一些相关技术中,针对健康信息监测或生命体征监测技术可以大致分为接触时生命监测或非接触式生命监测。测试的电极片或监测传感器贴敷或接触人体的监测方式称为接触式生命监测,反之则称为非接触式生命监测。
非接触式生命监测的优点是监测设备与人体无直接接触,产品使用过程无感知,舒适性较好,但是其对产品使用条件要求较严苛,无法满足空间灵活变换或户外监测的需求。
对于接触式生命监测产品,其形态可以分为传统式设备和便携式可穿戴设备,传统式设备以监测仪为代表,便携式可穿戴设备主要包括手环手表类、贴片类、腰带类、床垫类等。其中,监测仪类传统式设备价格昂贵、对操作者专业要求很高,仅适用于有特定医疗诉求的小部分人群或患者。在以日常健康监测或康复期监测为目的人群中,更倾向于使用简单、维护方便、监测不适感低、成比较低的产品。相比之下,手环手表类、贴片类、腰带类等便携式可穿戴产品符合上述要求。
然而,经过调研现有可穿戴产品的功能及使用感受后发现,存在以下不足:产品功能针对性差,并非针对老年人群特点开发,老年人群对于运动、卡路里摄入控制等需求明显降低,对心肺功能监测、安全监测要求明显提高;产品功能较为单一,仅针对某个固定阈值的告警提示,如心率低于某固定数值或高于某固定数值即触发告警,无法进行个性化动态设置;无数据校准机制,因PPG或心电监测技术受人体活动影响导致数据准确性低,从而限制了数据深度分析及应用。
基于此,本公开实施例提供的一种健康监测系统,通过数据监测终端采集心率信号,计算衍生心率,通过采集被监护人的运动参数,人体状态识别模块根据被监护人的运动参数识别人体状态,并筛选被监护人处于静止状态时的衍生心率,心率异常识别模块根据被监护人处于静止状态的衍生心率确定预警类型,从而能根据不同风险等级的预警类型执行不同的预警策略,一方面提升数据采集的准确性,另一方面实时监测能够显著缩短心率异常事件的发现时长,及时发现隐匿性高风险居民,及时给予关注及必要干预。
图1示出本公开实施例提供的一种健康监测系统的结构示意图。如图1所示,该健康监测系统包括包括数据监测终端110、风险识别系统130、预警平台140和决策终端150。
其中,数据监测终端110,用于采集心率信号,根据心率信号计算衍生心率;还用于采集被监护人的运动参数;
风险识别系统130包括人体状态识别模块131和心率异常识别模块132,人体状态识别模块131用于根据被监护人的运动参数,筛选被监护人处于静止状态的衍生心率,心率异常识别模块132用于根据静止状态的衍生心率确定预警类型;
预警平台140,用于根据预警类型生成对应的预警策略;
决策终端150,用于执行预警策略,从而实现对被监护人的健康监测。
根据本示例实施例中的健康监测系统,一方面通过数据监测终端采集心率信号,计算衍生心率,通过采集被监护人的运动参数,人体状态识别模块根据被监护人的运动参数识别人体状态,并筛选被监护人处于静止状态时的衍生心率,提升数据采集的准确性,基于便携式可穿戴设备的心率监测及人体状态识别功能,结合被监护人健康数据共同构建以心脏功能监测、心源性猝死的及时发现、及时预警为目标的监测系统;另一方面,心率异常识别模块根据被监护人处于静止状态的衍生心率确定预警类型,从而能根据不同风险等级的预警类型执行不同的预警策略实时监测能够显著缩短心率异常事件的发现时长,及时发现隐匿性高风险居民,及时给予关注及必要干预,早发现早干预,可以有效降低老年人心因性不良事件不良事件的发生率。
下面,将对本示例实施例中的健康监测系统进行进一步的说明。
在一些实施例中,对于数据监测终端110,可以包括手环类、贴片类等便携式可穿戴产品,以手环类产品为优选,具有不适感低、可持续佩戴等优势,更适合日常健康监测,对于贴片类产品不易受人体活动状态的干扰,但可能存在接触性过敏等因素限制佩戴时长,故当被监护人不需要长时间佩戴且人体活动较多时,也可以选择贴片类产品实现心脏功能的监测。
数据监测终端110可以采集被监护人的心率信号包括心电信号和/或脉搏波信号,能够输出心电信号和/或脉搏波信号的波峰峰值间期P-P间期(或波谷谷值间期R-R间期)的时间序列数据。
数据监测终端110可以采集被监护人的心率值,并根据采集的心率值计算被监护人的衍生心率,其中,心率值的采集频率不低于120秒/个,衍生心率包括静息心率、安全心率、平均心率发展速率、心率恢复时间、长间期百分比、心率变异性、心率减速力中的至少一项。
如图1所示,在一个实施例中,该健康监测系统还包括数据中心平台120,数据中心平台120用于接收数据监测终端110发送的被监护人的心率信号(衍生心率、心率值以及被监护人的运动参数),对上述的心率信号和被监护人的运动参数进行处理、保存。
在一个实施例中,参考图2,数据中心平台120包括物联网IoT平台、数据清洗单元和数据存储单元,IoT平台通过网络(例如4G、5G、蓝牙或WIFI等)接收数据监测终端110发送的被监护人的心率信号;数据清洗单元用于对接收到的被监护人的心率信号进行缺失数据处理、添加默认值、删除不完整行或列、规范化数据类型等;经清洗后的数据存储于数据存储单元,以为风险识别系统130提供可靠的分析数据。
为了将被监护人与数据监测终端110一一对应,数据中心平台120还用于存储数据监测终端110(例如便携式可穿戴设备)的设备ID、被监护人绑定信息、信号采集时间戳等。被监护人绑定信息至少包括被监护人身份信息、被监护人健康基本信息等,其中,被监护人身份信息可以为被监护人的身份证号等,被监护人健康基本信息包括被监护人的性别、年龄、目前是否吸烟、腰围、身高、体重(自动计算BMI)、最近一次的收缩压测量值、最近一次的总胆固醇检测值、最近一次的高密度脂蛋白检测值、疾病史(是否因下列疾病留院观察或住院治疗:冠心病、心肌梗塞、脑卒中、高血压、糖尿病、心脏瓣膜病、肾脏疾病)、家族史(一级亲属中是否有人患上述疾病)等。需要说明的是,被监护人健康基本信息可以通过数据中心平台120的云端健康档案调入,也可以在决策终端150手动输入。
风险识别系统130用于被监护人的运动参数,识别被监护人状态,并筛选被监护人处于静止状态时的衍生心率、心率值,根据被监护人处于静止状态时的衍生心率、心率值,确定用于被监护人的预警类型。
具体的,人体状态识别模块131用于根据被监护人的运动参数识别被监护人状态,以被监护人的运动参数为加速度为例进行说明,当加速度标准差小于或等于预设标准差阈值时,采样次数开始累加,假设采样频率为f,当采样次数累加超过预设采样次数s时,或维持时长大于或等于预设第一维持时长阈值时,判定被监护人处于静止状态;当静止状态维持时长大于或等于预设第二维持时长阈值时,判定被监护人处于睡眠或休息状态;当采样次数累加未超过预设采样次数s,或维持时长小于预设第一维持时长阈值时,判定被监护人处于运动状态。
需要说明的是,标准差阈值、第一维持时长阈值、第二维持时长阈值等预先设置于人体状态识别模块131,各个量的取值可以根据实际情况而定,本公开不做具体限定,例如标准差阈值可以取0.3,第一维持时长阈值可以取0.5分钟,第二维持时长阈值可以取15分钟。
对于被监护人状态,可以采用数字、文字、符号等进行标识,通过标识区别被监护人状态,进而筛选被监护人处于静止状态时的衍生心率及心率值。例如,静止状态可以用0表示,睡眠或休息状态可以采用1表示,其他状态采用2表示,本公开不做具体限定。
为了便于筛选被监护人处于静止状态时的衍生心率及心率值,可以将数据监测终端110输出的衍生心率、心率值、PPI时序数据、被监护人状态、设备信息等信息或数据采用数据表的形式进行存储。
示例性的,心率值由数据检测终端110直接输出心率值,心率值输出频率为60秒/个,心率值和被监护人状态共同存储于同一数据表内,在数据表中包括设备ID、被监护人状态(status)、心率值(hertreat)、数据录入时间(collect)、数据创建时间(createat)等,其中设备ID表征设备的唯一识别码,可以采用文字、数字、符号等进行标识。
示例性的,PPI时间序列的采集及保存条件为:状态识别判定为休息状态;连续采集时长不少于5分钟,若不足5分钟,则舍弃此段数据,重新采集;24小时内需采集6段数据,采集时间间隔不做具体限定。在存储PPI时间序列的数据表中包括设备ID、数据录入时间(collect)、数据创建时间(createat)、确定值(value)、P-P间期(单位为毫秒)等。
示例性的,存储设备信息的数据表可以包括便携式可穿戴设备的设备ID、被监护人绑定信息、信号采集时间戳等,其中,被监护人绑定信息可采用云端健康档案编号或身份证号记录。
示例性的,存储被监护人健康信息的数据表包括:设备ID、性别(gender,0代表女性,1代表男性)、年龄(age)、是否吸烟(smoking,Y代表吸烟,N代表不吸烟)、腰围(WC)、身高(stature)、体重指数(BMI)、收缩压血压值(systolic)、总胆固醇(TC)、高密度脂蛋白(HDL-C)、疾病史(disease history)、家族史(family history)、数据存入时间(collect)、数据创建时间(createat)等。
需要说明的是,上述存储各类数据的数据表仅为说明本公开实施例而提供的具体示例,不应视为对本公开保护范围的限制。根据具体的实现(例如,数据类型的增减等)在另一些实现方式中,也可以具有不同的数据表形式或内容。
在实际运行过程中,心率异常识别模块模块132用于根据人体状态识别模块131筛选得到的被监护人处于静止状态的衍生心率及心率值、PPI时序数据,确定用于被监护人的预警类型,预警平台140根据预警类型生成对应的预警策略,决策终端150执行预警策略,决策终端150具有显示屏,例如平板、手机等,以弹窗形式展示告警信息,从而针对被监护人的不同情形指定不同的干预策略,降低被监护人发生心源性猝死的风险,早发现早干预,有效降低老年人心因性不良事件的发生率。
如图2所示,预警平台140包括示警策略管理单元和自动告警功能单元,示警策略管理单元用于存储示警策略以及示警策略的判断条件、模型参数等;自动告警功能单元用于生成预警策略。
在一个实施例中,预警类型包括但不限于实时告警、常规预警和阶段预警,相应地,预警策略包括但不限于实时告警策略、常规预警策略、阶段预警策略,实时告警策略用于通过决策终端150立即向监护人(医护人员、亲属、照护人员等)发出告警,代表被监护人目前状态异常,需要立即核实、确认或干预;常规预警策略用于通过决策终端150向监护人提醒被监护人应该尽快得到医生的进一步检查或治疗;阶段预警策略代表被监护人应更多的得到医生的关注,及时发现不良影响因素并干预。
本公开从多个维度的告警或预警设置,按照事件的潜在风险严重程度将警示级别分为实时告警、常规预警和阶段预警三个层次,从而降低被监护人发生心源性猝死的风险,早发现早干预,有效降低老年人心因性不良事件的发生率。
图3示出本公开实施例提供的数据监测终端的结构示意图。如图3所示,数据监测终端110包括CPU、I2C接口模块111,I2C接口模块111与心率传感器、3D-Gsenor、体温传感器等连接,数据监测终端110通过I2C接口模块111采集心电信号和/或脉搏波波形的初始信号,以脉搏波波形的初始信号为例进行说明,对初始信号进行信号预处理,提取脉搏波波形峰峰值并计算间期,形成脉搏波波形的时间序列数据。
需要说明的是,可以采用数据监测终端110已具备的心率检测数据接口直接调用,以采集被监护人的心率值。
在一个实施例中,数据监测终端110还可以通过I2C接口模块获取3D-Gsenor传感器采集到的人体的加速度信号,并进行信号处理,得到人体的运动参数。
数据监测终端110还包括通信模块112,通信模块112用于将时间序列数据、心率值以及人体的运动参数上传至数据中心平台120,例如,通信模块112可以包括BLE模块、CAT.1模块、GSM/GPRS模块、UART模块、无线网、蓝牙或WIFI等。
需要说明的是,数据监测终端110需要具备以下基础功能:可以采集脉搏波信号和/或心电信号并对采集到的脉搏波信号和/或心电信号进行处理,输出P-P间期或R-R间期的时间序列数据、可以采集并输出人体的运动参数、可以提供心率检测及根据心率信号计算衍生心率。
除此之外,数据监测终端110还可以包括GPIO接口、SPI接口、电源管理模块、NorFlash、SPI Flash接口等,GPIO接口与按键连接,被监护人通过按键完成时间、被监护人基本信息等信息的录入;SPI接口连接显示屏113,通过显示屏113可以展示被监护人状态、心率值等信息;电源管理模块与锂电池连接,为数据监测终端110提供电能;Nor Flash用于数据的存储等;SPI Flash接口与NAND Flash连接,用于扩容;音频模块与MIC接口连接,实现与被监护人之间的交互。
图4示出本公开实施例提供的又一种健康监测系统的结构示意图。如图4所示,在一个实施例中,心率异常识别模块132包括第一异常识别模块1321,第一异常识别模块1321用于当第一衍生心率满足第一预设条件时,确定被监护人的预警类型为实时告警;预警平台140包括告警模块141,告警模块141用于根据实时告警生成实时告警策略,实时告警策略用以向决策终端发出实时告警。
心脏是人体的动力器官,心率及其变化速率的监测对于判断身体机能的强弱及心脏功能是否正常具有重要的参考意义,心跳间隔的微小变化能过反映交感神经和副交感神经的平衡状态、评估被监护人迷走神经张力的高低,进而筛选和预警猝死高危患者。
需要说明的是,第一衍生心率包括静息心率和/或实时心率,第一预设条件可以根据第一衍生心率的类型设定,第一预设条件包括静息心率对应的判定实时告警的条件;还可以包括实时心率对应的判定实时告警的条件。
静息心率可以整体监测被监护人的心脏功能,用于初步评估心脏功能状态,当静息心率超过预设阈值范围时,则启动实时告警。需要说明的是,预设阈值范围应当结合目标人群特点,如年龄、性别、基础患病等因素,结合专家经验设置。
示例性的,例如,获取到被监护人的静息心率为HRbase,根据实验测算结果及专家经验校正,将静息心率分为三个区间:优秀区间[55,70]、风险区间[45,54]和[71,79]、以及不良区间[30,44]和[80,120]。当静息心率处于优秀区间时,被监护人的静息心率正常,无需预警;当静息心率处于不良区间[30,44]时,预警类型为实时告警,需执行实时告警策略,用于向决策终端实时告警,以告知监护人,被监护人状态异常,需要立即查看、核实、确认或干预,以防止急性不良事件发生的可能。
实时心率可以实时监测心率,用于发现心动过缓和心动过速,当实时心率超过预设阈值范围时,则启动告警。当实时心率过低或实时心率过高时,确定预警类型为实时告警。需要说明的是,实时心率采用动态阈值方式预警。实时心率以静息心率为基点,计算动态安全心率阈值范围HRsafe,安全心率阈值范围与静息心率、年龄、性别有关。
示例性的,当实时心率小于40或实时心率大于二倍静息心率时,确定预警类型为实时告警,需执行实时告警策略。
需要说明的是,静息心率或实时心率仅有一个满足第一预设条件,即生成实时告警策略,上述的静息心率的三个区间作为是否满足第一预设条件的取值范围仅是为说明本公开实施例的具体示例,不应视为对本公开保护范围的限制。根据具体的实现(例如,静息心率区间划分方式、区间取值等)在另一些实现方式中,也可以具有不同的划分方式,进而对应不同的区间取值。
图5示出本公开实施例提供的另一种健康监测系统的结构示意图。如图5所示,在一个实施例中,本公开提供的健康监测系统中,心率异常识别模块132还包括第二异常识别模块1322,第二异常识别模块1322用于若第一衍生心率不满足第一预设条件,则判断第二衍生心率是否满足第二预设条件,若满足,则确定预警类型为常规预警;预警平台140用于根据常规预警生成常规预警策略,常规预警策略用于在第一预设时间内向决策终端150发送提醒。
第一预设时间通常设置为24小时、48小时等,可以根据实际情况而定,本公开不做具体限定。
需要说明的是,第二衍生心率包括以下中的至少一项:心率变化速率、静息心率、长间期百分比。
常规预警可以在24小时内向监护方(医护人员、亲属、照护人员)发送提醒,提醒被监护人应当尽快得到医生的进一步检查或治疗,常规预警指标或第二衍生心率满足第二预设条件,包括:心率变化率超过预设变化率阈值、静息心率超过预设心率阈值、长间期百分比超过预设百分比范围中的至少一项。
对于静息心率,当静息心率处于不良区间[80,120]时,静息心率中度偏离,触发常规预警。
对于心率变化率,用于抓取心率异常加快区间,初步辨别是否存在非生理因素的心动过速,评估维度为平均心率发展速率和心率恢复时间。假设时间滑窗定为30分钟,根据测算结果及专家经验校正,当心率变化率大于或者等于心率变化率阈值(例如1.18)时,判定被监护人心率上升速率较大,若设备的心率输出频率为60秒/个,计时起点为HRx/HR1≥110%,结束点为HRx′/HR1≤110%或时间滑窗终点,当持续时长大于或等于预设时长阈值时,触发常规预警。例如,预设时长阈值可以取10分钟。即当心率变化率大于或等于1.18且持续时长大于或等于10min,触发常规预警,需预警非生理性心动过速的可能。上述的时间滑窗、心率变化率阈值、以及时长阈值应结合被监护人特点,如年龄、性别、基础疾病等因素,并结合专家经验设置,可以根据实际情况进行调整。
对于长间期百分比超预设百分比范围,用于辨别被监护人是否存在心动过缓,长间期百分比,又称长P-P间期,为超过I毫秒的P-P间期,其中I为间期阈值,可以根据实际情况而定,计算长P-P间期在全部P-P间期中所占的百分比,当长P-P间期超过预设百分比阈值时,启动常规预警。
需要说明的是,预设百分比阈值应当结合被监护人的特点,如年龄、性别、基础疾病等因素,并结合专家经验设置,可动态调整,根据实际情况而定,本公开不做具体限定。
示例性的,定义PPI≥1500ms的P-P间期为被监护人的PPL,计算PPL在24小时内测得的全部PPI中所占的百分比PPL%,根据实验结果及专家经验校正,当PPL%大于20%时,需启动常规预警,表明被监护人存在心动过缓的可能。
需要说明的是,上述的第二衍生心率中,只要存在其中一个满足第二预设条件,即可启动常规预警。
本公开实施例提供的健康监测系统,当第一衍生心率不满足第一预设条件时,通过比较第二衍生心率与第二预设条件之间的关系,从而确定被监护人的预警类型,从而实现对老年人的以客观监测数据为基础的疾病风险分层管理,可以应用与居家养老状态的老人心率监测及报警,以及经参数适配后应用与具有心脑血管发病风险的全人群心率监测及体征异常报警,实时监测显著缩短心率异常事件的发现时长,有助于发现更多隐匿性高风险居民,及时给予关注及必要干预。
图6示出本公开实施例提供的另一种健康监测系统的结构示意图,如图6所示,在另一个实施例中,心率异常识别模块132还包括第三异常识别模块1323,第三异常识别模块1323用于判断第三衍生心率是否满足第三预设条件,若满足,则确定被监护人的预警类型为阶段预警;预警平台140用于根据阶段预警生成阶段预警策略,阶段预警策略用于在第二预设时间内向决策终端发送提醒,其中,第二预设时间大于第一预设时间。
需要说明的是,第三衍生心率包括以下中的至少一项:静息心率、实时心率、心率变异性和心率减速力。第一预设时间通常设置为24小时、48小时等,第二预设时间通常设置为7天、10天等,可以根据实际情况而定,本公开不做具体限定。
示例性的,当静息心率处于风险区间[45,54]或[71,79]时,表明被监护人的静息心率轻度偏离,需执行阶段预警。
示例性的,当实时心率小于动态安全心率阈值范围的最小值或大于动态安全心率阈值范围的最大值时,表明被监护人的静息心率轻度偏离,需执行阶段预警。
示例性的,本公开采用短时心率变异性时域分析SDNN进行判定,计算被监护人的SDNN,根据测算结果及专家经验校正,将SDNN分为三个区间:优秀区间[100,180];风险区间[50,99];不良区间[0,49];当SDNN处于风险区间或不良区间时,表明被监护人发生心血管不良事件的风险高,心率变异性减低,需执行阶段预警。
示例性的,获得每日被监护人的心率减速力,根据测算结果及专家经验矫正,将心率减速力分为三个区间:优秀区间[4.5,10];风险区间[2.6,4.4];不良区间[0,2.6];当心率减速力处于风险区间或不良区间时,需预警心源性猝死事件发生的风险提高,执行阶段预警。
需要说明的是,该系统可以包括第一异常识别模块1321和第三异常识别模块1323,通过第三异常识别模块1323与第一异常识别模块1321配合使用,从而识别被监护人的实时告警和阶段预警;或者,该系统可以包括第一异常识别模块1321、第二异常识别模块1322、第三异常识别模块1323,通过三个异常识别模块实现实时告警、常规预警和阶段预警,本公开不做具体限定。
图7示出本公开实施例提供的另一种健康监测系统的结构示意图。在图5实施例的基础上,心率异常识别模块132增加第四异常识别模块1324,以根据被监护人健康基本信息和第四衍生心率对被监护人的健康状态进行评价。在一个实施例中,如图7所示,心率异常识别模块132还包括第四异常识别模块1324,用于根据被监护人健康基本信息和第四衍生心率确定健康评价结果,根据健康评价结果进行阶段预警。
需要说明的是,第四衍生心率包括以下中的至少一项:静息心率、心率变异性和心率减速力。
通过年龄、腰围、BMI(体质指数)、SBP(收缩压)、TC(血浆总胆固醇)、HDL-C(高密度脂蛋白胆固醇)、是否吸烟、是否因心脑血管疾病留院观察或住院治疗、是否有一级亲属患病、心率变异性(HRV)、心率减速力(DC)、RHR(静息心率)共12项模型参数,构建Logistic回归建模,预测发生心源性猝死的概率P,发生心源性猝死的概率P通过以下公式表示:
其中,z=b0+b1×x1+b2×x2+…+b12×x12;b1,b2,…b12为Logistic回归系数,b0表示lnOR,即某一因素改变一个单位时,效应指标发生与不发生事件的概率之比的对数变化值;x1,x2,…x12代表12个评估指标。
采用Logistic回归模型,将参数特征转化为评分,采取单项参数分别评分,加权求和得到被监护人的总得分,根据总得分得到评估结果,评估结果将被监护人分为高危、中危、低危三组。
不同参数对应的评分规则如下:
表1不同年龄的评分规则
表2不同体质指数BMI的评分规则
表3腰围WC的评分规则
表4总胆固醇TC的评分规则
表5高密度脂蛋白HDL-C的评分规则
表6收缩压SBP的评分规则
表7吸烟的评分规则
表8疾病史的评分规则
表9家族史的评分规则
表10心率变异性SDNN的评分规则
表11心率减速力DC的评分规则
表12静息心率RHR的评分规则
当男性被监护人的分值处于[21,32]或者女性被监护人的分值处于[29,40]时,触发中危阶段预警;当男性被监护人分值处于[29,40]或者女性被监护人的分值处于[41,80]时,触发高危阶段预警。
需要说明的是,上述各个参数的划分标准、取值范围、赋值以及中危阶段预警和高危阶段预警的判断标准可以根据实际情况而定,本公开不做具体限定。
除此之外,还可以构建其他类型的回归模型,预测被监护人发生心源性猝死的概率,本公开不做具体限定。
需要说明的是,该系统可以包括第一异常识别模块1321和第四异常识别模块1324,可选的,该系统还可以包括第二异常识别模块1322和/第三异常识别模块1323,从而实现实时告警、常规预警和阶段预警。
示例性的,心率异常识别模块132可以包括第一异常识别模块1321、第二异常识别模块1322、第三异常识别模块1323以及第四异常识别模块1324,第一异常识别模块1321用于根据第一衍生心率和第一预设条件确定被监护人的预警类型是否为实时告警;第二异常识别模块1322用于当第一衍生心率不满足第一预设条件时,根据第二衍生心率和第二预设条件确定被监护人的预警类型是否为常规预警;第三异常识别模块1323用于当根据第三衍生心率和第三预设条件确定被监护人的预警类型是否为阶段预警;第四异常识别模块1324用于根据被监护人健康基本信息和第四衍生心率确定健康评价结果,根据健康评价结果进行阶段预警。
在一个实施例中,决策终端150还用于将数据回传至心率异常识别模块,根据数据对心率异常识别模块的参数优化,通过在决策终端150预留各个指标阈值修改界面以及健康信息修改界面,方便被监护人个性化设置。
图8示出本公开实施例提供的健康监测系统控制逻辑原理图。如图8所示,数据监测终端110采集被监护人的心率信号、运动参数,并对心率信号进行处理,得到衍生心率,对运动参数进行处理,识别被监护人状态。数据监测终端110将得到的心率值、衍生心率以及被监护人状态等传输至数据中心平台120。
数据中心平台120对接收到的衍生心率等进行处理并存储,以供人体状态识别模块131调用。经衍生心率等进行数据处理后输入人体状态识别模块131,筛选被监护人处于静止状态的衍生心率,以作为第一异常识别模块1321的输入数据。
第一异常识别模块1321对输入数据进行动态阈值计算,并判断第一衍生心率是否满足第一预设条件(根据动态阈值确定),若满足,则将比较结果反馈至告警模块141,告警模块141生成实时告警策略,并发送至决策终端150执行实时告警策略,以供医护人员、监护人等及时查看被监护人的情况。
第二异常识别模块1322可以用于当第一衍生心率不满足第一预设条件时,根据第二衍生心率和第二预设条件判断是否符合常规预警类型。
需要说明的是,第二异常识别模块1322还可以用于根据第三衍生心率和第三预设条件判断是否符合阶段预警类型,或者根据第三衍生心率和被监护人健康基本信息确定健康评价结果,并将健康评价结果发送至预警模块142,即将上述的第三异常识别模块1323和第四异常识别模块1324集成于第二异常识别模块1322。
预警模块142根据第二异常识别模块的判定结果,将被监护人的风险类型划分为高风险、中风险和低风险三种类型,并反馈至决策终端150执行阶段预警。
医护人员或监护人能够查看决策终端150的预警结果,并根据预警结果修改第一异常识别模块1321、第二异常识别模块1322的模型参数,同时,决策终端150能够将数据回传,对第二异常识别模块1322进行数据回传及参数优化。
基于同一发明构思,本公开实施例中还提供了一种健康监测方法,如下面的实施例所述。由于该方法实施例解决问题的远离与上述系统实施例相似,因此该方法实施例的实施可以参见上述方法实施例的实施,重复之处不再赘述。
在本公开示例实施例中,提供了一种健康监测方法,可以利用服务器来实现本公开的健康监测方法,也可以利用终端设备来实现本公开所述的方法,其中,本公开中描述的终端设备可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(PersonalDigital Assistant,PDA)等移动终端,以及诸如台式计算机等固定终端。
图9示出本公开实施例中提供的一种健康监测方法。如图9所示,在一个实施例中提供的健康监测方法,包括:
S902、采集被监护人的心率信号,根据心率信号计算衍生心率。
本实施例的衍生心率包括但不限于静息心率、安全心率、平均心率发展速率、心率恢复时间、长间期百分比、心率变异性、心率减速力等。
其中,静息心率(Resting Heart Rate,HR),又称、安静心率、基线心率HRbase,是指在清醒、不活动的安静状态下,每分钟心跳的次数。静息心率可以取每日6:00-8:00期间、静止状态的所有心率中最低的三次心率值HR1、HR2、HR3,计算其平均值作为当日的基线心率HRbase,即:
HRbase=(HR1+HR2+HR3)/3 (公式二)。
安全心率HRsafe,以静息心率为基点,得到安全心率范围为HRsafe∈[HRmin,HRmax],安全心率的计算方法为:
HRmin=HRbase×[1-(a-age)×b]-Gender×c;
HRmax=HRbase×[1+(a-age)×b]-Gender×c (公式三)
其中,age为被监护人(或者被监护人)的年龄因子得分,Gender为被监护人的性别因子得分,a、b、c分别为权重系数。
对于平均心率发展速率(VRt1),指的是心率从常规值增加至心率最大值的速率,假设在时间滑窗t1内,测得的一组心率数据为:HR1,HR2,HR3,…,HRmax,HRi-3,HRi-2,HRi-1,HRi。假设最大心率值HRmax是第n个心率值,VRt1通过以下公式四得到:
对于心率恢复时间T1,指的是心率从常规值增加至最大值再回落至常规值的时长。假设设备的心率输出频率为f秒/个,在时间滑窗t1内,测得的一组心率数据为:HR1,HR2,HR3,…,HRmax,HRi-3,HRi-2,HRi-1,HRi。计算每一个心率值与HR1的比值,在心率上升阶段,当第q个心率值HRq与首个心率值(HR1)的比值大于或等于X%时,开始累计时长;在心率下降阶段,当首次出现第q′个心率值HRq′与首个心率值(HR1)的比值小于或等于X%时,或者,当到达时间滑窗终点时,结束计时,计算此时的累计时长,得到心率恢复时间T1,即:
对于长P-P间期百分比,将大于或者等于预设间期Pms的P-P间期定义为长P-P间期,其中,预设间期P的单位为ms,根据实际情况而定,长P-P间期百分比PPL%为长P-P间期在24小时内测得的全部P-P间期所占的百分比,通过公式六计算得到:
其中,PP≥Pms为长P-P间期;PPsum为24小时内测得的全部P-P间期。
对于心率变异性(Heart Rate Variability,HRV),又称心率波动性,是指逐次心跳周期差异的变化情况,或者,指的是心跳快慢的变化情况,心率变异分析是判定自主神经活动的常用的定量指标,一般来说,心率变异性低,表明身体处于来自于运动、心理事件或其他内部或外部压力源的压力之下;心率变异性较高,通常意味着身体具有较强的耐受应激能力或从先前压力中恢复的过程。通常的心率变异性越高,说明自主神经调节能力越强。
本公开采用5min短时计算P-P间期的标准差SDNN,作为心率变异性指标。取睡眠或休息状态(静止、侧位),持续徐时长不少于5min的PPI(或RRI)时序数据,通过公式七得到SDNN:
其中,n为全程记录中的PPI(或RRI)的数量,PPi是第i个P-P间期(或R-R间期),i=1,2,…,n,meanPP是n个P-P间期(或R-R间期)的平均值。
需要说明的是,在24小时内,采集并存储6段PPI时序数据或RRI时序数据,分别计算每段数据的SDNN值,将获得的6个SDNN值的平均值作为当日的SDNN值。
对于心率减速力(Deceleration Capacity of Rate,DC),是一种检测自主神经张力的技术,DC值降低表示迷走神经兴奋性降低,增加被监护人猝死率。
在本公开中,采用5min短时计算方法获得心率减速力,具体过程如下:
A.减速点锚点
将PPI(或RRI)时序数据列中,所有大于前一数值的点做标记,该间期为减速间期,作为新心率段的中心。
B.新建心率段
以A步骤标记的间期为中心,标记为HR(0),在其左右依次各取x个心率间期组成若干个新的心率段,即取X个间期值,从左至右依次标记(在选择心率段时允许重叠)为:[HR(-x),…,HR(-2),HR(-1),HR(0),HR(+1),HR(+2),…,HR(+x)]。
C.排列心率段
将按照B步骤重新生成的心率段,以各心率段的HR(0)为中心,对齐,有序排列,分别获得N个HR(0)、N个HR(+1)、N个HR(-1)、N个HR(-2)。
D.计算DC值
对应序号的周期进行信号平均(相位矫正信号平均,PRSA)并带入DC计算公式,即:分别计算HR(0)、HR(+1)、HR(-1)、HR(-2)的RR间期的平均值,得到: 带入心率减速力公式,得到DC值,单位为毫秒。DC值计算公式如下所示:
S904、采集被监护人的运动参数。
数据监测终端110还可以采集被监护人的状态参数,被监护人的状态参数可以通过惯性传感器(加速度传感器、陀螺仪、磁力计等)或其他能够实现人体静止状态和非静止状态识别的方式获得,例如,被监护人的状态参数为人体的加速度,可以通过加速度传感器获得。本公开的人体状态识别的目的不在于做出精确的运动状态分类,而是分离出人体静止状态,进而获得静止状态下的衍生心率及其相关指标的时域分析值,提升数据精确度。
示例性的,在本公开中,数据监测终端110可以通过加速度传感器实现人体状态识别。取加速度标准差作为识别静止状态的参数。假设测得的多轴合加速度信号为a1、a2、a3、…、an,静止状态的加速度为ast,加速度标准差δ的计算公式如下:
其中,n为样本数,即全程记录的加速度值的数量,ai为第i个多轴合加速度信号,i=1,2,…,n。
S906、根据运动参数,识别被监护人状态。
人体状态判定规则如下:当加速度标准差δ≤m时,采样次数开始累加,m为预设加速度标准差阈值,可以根据实际情况而定。假设采样频率为f,当采样次数累加超过预设采样次数阈值s(次)时,即维持时长≥预设第一时长阈值d1分钟时,判定被监护人处于静止状态;当静止状态维持时长大于等于预设第二时长阈值d2分钟时,判定被监护人处于睡眠或休息状态。
S908、根据被监护人的运动参数,筛选被监护人处于静止状态时的衍生心率。
对于被监护人状态,可以采用数字、文字、符号等进行标识,通过标识区别被监护人状态,进而筛选被监护人处于静止状态时的衍生心率及心率值。例如,静止状态可以用0表示,睡眠或休息状态可以采用1表示,其他状态采用2表示。
可以将数据监测终端110输出的衍生心率、心率值、PPI时序数据、被监护人状态、设备信息等信息或数据采用数据表的形式进行存储,以便于筛选被监护人处于静止状态时的衍生心率。
S910、根据被监护人处于静止状态时的衍生心率,确定被监护人的预警类型。
预警类型包括但不限于实时告警、常规预警和阶段预警。
S912、根据预警类型,生成对应的预警策略,并执行预警策略。
预警策略包括但不限于实时告警策略、常规预警策略、阶段预警策略,实时告警策略用于通过决策终端立即向监护人(医护人员、亲属、照护人员等)发出告警,代表被监护人目前状态异常,需要立即核实、确认或干预;常规预警策略用于通过决策终端向监护人提醒被监护人应该尽快得到医生的进一步检查或治疗;阶段预警策略代表被监护人应更多的得到医生的关注,及时发现不良影响因素并干预。
本公开实施例提供的健康监测方法,通过采集心率信号,计算衍生心率,通过采集被监护人的运动参数,根据被监护人的运动参数识别人体状态,并筛选被监护人处于静止状态时的衍生心率,根据被监护人处于静止状态的衍生心率确定预警类型,从而能根据不同风险等级的预警类型执行不同的预警策略,一方面提升数据采集的准确性,另一方面实时监测能够显著缩短心率异常事件的发现时长,及时发现隐匿性高风险居民,及时给予关注及必要干预。
在一个实施例中,根据被监护人处于静止状态时的衍生心率,确定被监护人的预警类型,包括:当第一衍生心率满足第一预设条件时,确定被监护人的预警类型为实时告警;根据预警类型,生成对应的预警策略,包括:根据实时告警生成实时告警策略,实时告警策略用以向监护方发出实时告警。
需要说明的是,第一衍生心率包括静息心率和/或实时心率。
在另一个实施例中,该方法还包括:若第一衍生心率不满足第一预设条件,则判断第二衍生心率是否满足第二预设条件,若满足,则确定预警类型为常规预警;根据常规预警生成常规预警策略,常规预警策略用于在第一预设时间内向决策终端发送提醒。
需要说明的是,第二衍生心率包括以下中的至少一项:心率变化速率、静息心率、长间期百分比。
在一个实施例中,该方法还包括:判断第三衍生心率是否满足第三预设条件,若满足,则确定被监护人的预警类型为阶段预警;根据阶段预警生成阶段预警策略,阶段预警策略用于在第二预设时间内向决策终端发送提醒。
需要说明的是,第三衍生心率包括以下中的至少一项:静息心率、实时心率、心率变异性和心率减速力。
在一个实施例中,该方法还包括:根据被监护人健康基本信息和第四衍生心率确定健康评价结果,根据健康评价结果进行阶段预警。
需要说明的是,第四衍生心率包括以下中的至少一项:静息心率、心率变异性和心率减速力。
在一个实施例中,该方法还包括:对衍生心率进行处理;从处理后的衍生心率中筛选被监护人处于静止状态时的衍生心率。
在一个实施例中,该方法还包括:将数据回传至心率异常识别模块,根据数据对心率异常识别模块的参数优化。
为了便于对上述实施例的实现方式的理解,下面结合图10对健康监测方法的过程进行详细描述。
如图10所示,一种健康监测方法主要包括以下过程:
S1001、采集被监护人的心率信号,根据心率信号计算衍生心率。
心率信号包括心率值、脉搏信号和/或心电信号,计算得到的衍生心率包括以下中的至少一项:静息心率、安全心率、平均心率发展速率、心率恢复时间、长间期百分比、心率变异性、心率减速力。
S1002、对衍生心率进行处理。
通过数据监测终端(例如手环)采集到的心电信号和/或脉搏信号的原始信号,不可避免会带入一些噪声干扰,在对信号的分析诊断钱需要进行噪声的滤除处理。
在采集得到原始心率信号后,采用FIR或IIR低通滤波,获得滤波后的心电波或脉搏波,采用逐次比较型A/D转换器处理滤波后的波形信号,形成波形数据序列。
对波形数据序列进行初步处理,标记波峰所在未知,计算逐跳的脉搏波峰峰值间期,形成P-P间期的时间序列,或者记录逐跳的脉搏波谷谷值间期,形成R-R间期的时间序列,单位为ms。
S1003、采集被监护人的运动参数。
数据监测终端可以通过加速度传感器或者其他方式采集被监护人的加速度实现人体状态识别,在本公开中采用加速度标准差作为识别静态动作的参数。
S1004、根据运动参数,识别被监护人状态。
示例性的。当加速度标准差小于或等于预设标准差阈值时,采样次数开始累加,假设采样频率为f,当采样次数累加超过预设采样次数s时,或维持时长大于或等于预设第一维持时长阈值时,判定被监护人处于静止状态;当静止状态维持时长大于或等于预设第二维持时长阈值时,判定被监护人处于睡眠或休息状态;当采样次数累加未超过预设采样次数s,或维持时长小于预设第一维持时长阈值时,判定被监护人处于运动状态。
对于被监护人状态,可以采用数字、文字、符号等进行标识,通过标识区别被监护人状态,进而筛选被监护人处于静止状态时的衍生心率及心率值。例如,静止状态可以用0表示,睡眠或休息状态可以采用1表示,其他状态采用2表示。
S1005、从处理后的衍生心率中筛选被监护人处于静止状态时的衍生心率。
S1006、判断第一衍生心率是否满足第一预设条件,若满足,则执行步骤S1007;若不满足,则执行S1008。
第一衍生心率包括静息心率和/或实时心率,第一预设条件可以根据第一衍生心率的类型设定,第一预设条件包括静息心率对应的判定实时告警的条件;还可以包括实时心率对应的判定实时告警的条件。
S1007、确定预警类型为实时告警,根据实时告警生成实时告警策略,用于向决策终端实时告警。
S1008、判断第二衍生心率是否满足第二预设条件,若满足,则执行步骤S1009;若不满足,则执行S1010。
其中,第二衍生心率包括以下中的至少一项:心率变化速率、静息心率、长间期百分比。
S1009、确定预警类型为常规预警,生成常规预警策略,用于在第一预设时间内向决策终端发送提醒。
S1010、判断第三衍生心率是否满足第三预设条件,若满足,则执行步骤S1012;若不满足,则执行步骤S1011。
其中,第三衍生心率包括以下中的至少一项:静息心率、实时心率、心率变异性和心率减速力。
S1011、无需预警。
S1012、确定预警类型为阶段预警,生成阶段预警策略,用于在第二预设时间内向决策终端发送提醒,第二预设时间大于第一预设时间。
第一预设时间通常设置为24小时、48小时等,第二预设时间通常设置为7天、10天等,可以根据实际情况而定,本公开不做具体限定。
图11示出本公开实施例提供的另一种健康监测方法的流程图。在一个实施例中,增加根据用户健康基本信息和第四衍生心率,得到被监护人的健康评估结果,进而对被监护人进行健康监测的方案。具体的,如图11所示,本实施例的健康监测方法包括步骤S1001~S1007、S1011、S1013~S1015。具体的,在步骤S1005之后,该方法还包括:
S1006、判断第一衍生心率是否满足第一预设条件,若满足则执行S1007,若不满足,则执行S1013。
S1013、根据被监护人健康基本信息和第四衍生心率,得到被监护人的健康评估结果。
其中,第四衍生心率包括静息心率、心率变异性和心率减速力中的至少一项。
被监护人健康基本信息包括但不限于年龄、腰围、BMI(体质指数)、SBP(收缩压)、TC(血浆总胆固醇)、HDL-C(高密度脂蛋白胆固醇)、是否吸烟、是否因心脑血管疾病留院观察或住院治疗、是否有一级亲属患病等。
通过预先构建的Logistic回归模型对第四衍生心率和被监护人健康基本信息进行处理,得到被监护人发生心源性猝死的概率,即被监护人的健康评估结果。
S1014、判断健康评估结果是否满足第四预设条件,若满足,则执行步骤S1015;若不满足,则执行步骤S1011。
值得注意的是,上述的S1001~S1007、S1011的实现方式与上述实施例的具体实现方式相同,此处不再赘述。
需要说明的是,在上述两个实例中,还可以包括对衍生心率进行处理;从处理后的衍生心率中筛选被监护人处于静止状态时的衍生心率;以及将数据回传至心率异常识别模块,根据数据对心率异常识别模块的参数优化。
需要说明的是,尽管在附图中以特定顺序描述了本发明中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
上述中各健康监测方法的具体细节已经在对应的健康监测系统中进行了详细的描述,因此此处不再赘述。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“系统”。
下面参照图12来描述根据本公开的这种实施方式的电子设备1200。图12显示的电子设备1200仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图12所示,电子设备1200以通用计算设备的形式表现。电子设备1200的组件可以包括但不限于:上述至少一个处理单元1210、上述至少一个存储单元1220、连接不同系统组件(包括存储单元1220和处理单元1210)的总线1230。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1210执行,使得所述处理单元1210执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元1210可以执行上述方法实施例的如下步骤:采集被监护人的心率信号,根据心率信号计算衍生心率;采集被监护人的运动参数;根据被监护人的运动参数,筛选被监护人处于静止状态时的衍生心率;根据被监护人处于静止状态时的衍生心率,确定被监护人的预警类型;根据预警类型,生成对应的预警策略,并执行预警策略。
存储单元1220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)12201和/或高速缓存存储单元12202,还可以进一步包括只读存储单元(ROM)12203。
存储单元1220还可以包括具有一组(至少一个)程序模块12205的程序/实用工具12204,这样的程序模块12205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1200也可以与一个或多个外部设备1240(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1200交互的设备通信,和/或与使得该电子设备1200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1250进行。并且,电子设备1200还可以通过网络适配器1260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图12所示,网络适配器1260通过总线1230与电子设备1200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。图13示出本公开实施例中提供的一种计算机可读存储介质示意图,如图13所示,该计算机可读存储介质1300上存储有能够实现本公开上述方法的程序产品。在本公开的示例性实施例中,还提供了一种计算机程序产品,计算机程序产品包括计算机程序或计算机指令,计算机程序或计算机指令由处理器加载并执行,以使计算机实现上述任一健康监测方法。
本公开中的计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本公开中,计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可选地,计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
在具体实施时,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在被监护人计算设备上执行、部分地在被监护人设备上执行、作为一个独立的软件包执行、部分在被监护人计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到被监护人计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围由所附的权利要求指出。
Claims (14)
1.一种健康监测系统,其特征在于,包括数据监测终端、风险识别系统、预警平台和决策终端,其中,
所述数据监测终端,用于采集心率信号,根据心率信号计算衍生心率;还用于采集被监护人的运动参数;
所述风险识别系统包括人体状态识别模块和心率异常识别模块,所述人体状态识别模块用于根据被监护人的运动参数,筛选被监护人处于静止状态的衍生心率,所述心率异常识别模块用于根据所述静止状态的衍生心率确定预警类型;
所述预警平台,用于根据所述预警类型生成对应的预警策略;
所述决策终端,用于执行所述预警策略,从而实现对所述被监护人的健康监测。
2.根据权利要求1所述的健康监测系统,其特征在于,所述心率异常识别模块包括第一异常识别模块,所述第一异常识别模块用于当第一衍生心率满足第一预设条件时,确定所述被监护人的预警类型为实时告警;
所述预警平台用于根据所述实时告警生成实时告警策略,所述实时告警策略用以向决策终端发出实时告警。
3.根据权利要求2所述的健康监测系统,其特征在于,所述第一衍生心率包括静息心率和/或实时心率。
4.根据权利要求2所述的健康监测系统,其特征在于,所述心率异常识别模块还包括第二异常识别模块,
所述第二异常识别模块用于若所述第一衍生心率不满足第一预设条件,则判断第二衍生心率是否满足第二预设条件,若满足,则确定预警类型为常规预警;
所述预警平台用于根据所述常规预警生成常规预警策略,所述常规预警策略用于在第一预设时间内向决策终端发送提醒。
5.根据权利要求4所述的健康监测系统,其特征在于,所述第二衍生心率包括以下中的至少一项:心率变化速率、静息心率、长间期百分比。
6.根据权利要求2-5任一项所述的健康监测系统,其特征在于,所述心率异常识别模块还包括第三异常识别模块,所述第三异常识别模块用于判断第三衍生心率是否满足第三预设条件,若满足,则确定所述被监护人的预警类型为阶段预警;
所述预警平台用于根据所述阶段预警生成阶段预警策略,所述阶段预警策略用于在第二预设时间内向决策终端发送提醒。
7.根据权利要求6所述的健康监测系统,其特征在于,所述第三衍生心率包括以下中的至少一项:静息心率、实时心率、心率变异性和心率减速力。
8.根据权利要求2-5任一项所述的健康监测系统,其特征在于,所述心率异常识别模块包括第四异常识别模块,用于根据被监护人健康基本信息和第四衍生心率确定健康评价结果,根据健康评价结果进行阶段预警。
9.根据权利要求8所述的健康监测系统,其特征在于,所述第四衍生心率包括以下中的至少一项:静息心率、心率变异性和心率减速力。
10.根据权利要求1所述的健康监测系统,其特征在于,所述系统还包括数据中心平台,所述数据中心平台用于对衍生心率进行处理。
11.根据权利要求1所述的健康监测系统,其特征在于,所述决策终端,还用于将数据回传至心率异常识别模块,根据所述数据对心率异常识别模块的参数优化。
12.一种健康监测方法,其特征在于,包括:
采集被监护人的心率信号,根据所述心率信号计算衍生心率;
采集所述被监护人的运动参数;
根据所述被监护人的运动参数,筛选被监护人处于静止状态时的衍生心率;
根据所述被监护人处于静止状态时的衍生心率,确定所述被监护人的预警类型;
根据所述预警类型,生成对应的预警策略,并执行所述预警策略。
13.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求12所述的健康监测方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求12所述的健康监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211466091.9A CN115721284A (zh) | 2022-11-22 | 2022-11-22 | 健康监测系统、方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211466091.9A CN115721284A (zh) | 2022-11-22 | 2022-11-22 | 健康监测系统、方法、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115721284A true CN115721284A (zh) | 2023-03-03 |
Family
ID=85297326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211466091.9A Pending CN115721284A (zh) | 2022-11-22 | 2022-11-22 | 健康监测系统、方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115721284A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN117084646A (zh) * | 2023-07-02 | 2023-11-21 | 中国消防救援学院 | 一种基于电子传感的训练伤监测预警方法及系统 |
CN117653066A (zh) * | 2023-11-02 | 2024-03-08 | 中国消防救援学院 | 基于训练伤解析的训练质量预测方法及系统 |
-
2022
- 2022-11-22 CN CN202211466091.9A patent/CN115721284A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117084646A (zh) * | 2023-07-02 | 2023-11-21 | 中国消防救援学院 | 一种基于电子传感的训练伤监测预警方法及系统 |
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 |
CN117653066A (zh) * | 2023-11-02 | 2024-03-08 | 中国消防救援学院 | 基于训练伤解析的训练质量预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11457822B2 (en) | Methods and systems for arrhythmia tracking and scoring | |
US11246520B2 (en) | Using heartrate information to classify PTSD | |
JP5961235B2 (ja) | 睡眠/覚醒状態評価方法及びシステム | |
CN115721284A (zh) | 健康监测系统、方法、电子设备和存储介质 | |
US20110190650A1 (en) | Computerized Systems and Methods for Stability-Theoretic Prediction and Prevention of Sudden Cardiac Death | |
WO2017040331A1 (en) | Determining sleep stages and sleep events using sensor data | |
US20100131028A1 (en) | Remote sleep quality detecting system and method thereof | |
US10531838B2 (en) | Apparatus, system, method and computer program for assessing the risk of an exacerbation and/or hospitalization | |
US11717234B2 (en) | Forecasting neonatal vitality | |
JP2023548642A (ja) | 神経系メトリックに基づく病気検出 | |
Ho et al. | A telesurveillance system with automatic electrocardiogram interpretation based on support vector machine and rule-based processing | |
Boursalie | Mobile Machine Learning for Real-time Predictive Monitoring of Cardiovascular Disease | |
US20220313148A1 (en) | Pregnancy-related complication identification and prediction from wearable-based physiological data | |
Khan et al. | Severe analysis of cardiac disease detection using the wearable device by artificial intelligence | |
Bouhenguel et al. | An energy efficient model for monitoring and detecting atrial fibrillation in wearable computing | |
CN117653053A (zh) | 一种通过智能手表预测健康风险的方法 | |
Duangburong et al. | Determining the optimal time interval for AF classification from ECG signal by machine learning | |
Butkuvienė | Characterization of temporal episode patterns in paroxysmal atrial fibrillation | |
CN117414299A (zh) | 一种基于行为分析的慢性病患者用药提醒预警系统 | |
WO2023133163A1 (en) | System and method for monitoring an efficacy of a treatment for a cardiac condition | |
Pyke | Analysis of inpatient surveillance data for automated classification of deterioration | |
O'Donnell | Predicting heart failure deterioration | |
Kim et al. | Development of computer aided prediction technology for paroxysmal atrial fibrillation in mobile healthcare |
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 |