CN116230238B - 一种用于心血管的监测预警系统 - Google Patents
一种用于心血管的监测预警系统 Download PDFInfo
- Publication number
- CN116230238B CN116230238B CN202310510620.9A CN202310510620A CN116230238B CN 116230238 B CN116230238 B CN 116230238B CN 202310510620 A CN202310510620 A CN 202310510620A CN 116230238 B CN116230238 B CN 116230238B
- Authority
- CN
- China
- Prior art keywords
- data
- index
- early warning
- patient
- analysis
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Epidemiology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及医疗数据处理技术领域,具体公开了一种用于心血管的监测预警系统,包括运算模块以及与运算模块通讯连接的数据分析模块、监测数据采集模块、数据存储模块、预警提示模块;本发明通过结合妊娠期糖尿病患者自身的属性信息、冠脉微循环有创测量参数以及患者血液检查中甘油三酯、胆固醇以及空腹血糖水平,多维度确定妊娠期糖尿病患者中ST段抬高型高危人群的监测数据分析状态,用于解决现有的监测预警方法难以针对ST段抬高型心肌梗死患者的临床监测数据进行预警监测的问题,便于妊娠期糖尿病患者中ST段抬高型高危人群的监测。
Description
技术领域
本发明涉及医疗数据处理技术领域,更具体地说,本发明涉及一种用于心血管的监测预警系统。
背景技术
心血管疾病是一组包括心脏和血管疾病的总称,而冠心病就是心血管疾病中一种较为常见的疾病,心肌梗死是冠心病的一种主要临床表现,其中ST段抬高型心肌梗死是心血管内科常见的急危重症,具有病死率高以及预后差的特点,严重威胁了患者的健康。针对ST段抬高型心肌梗死首选的治疗方法是经皮冠状动脉介入治疗(简写成PCI),这种治疗方法能够帮助患者恢复心外膜冠状动脉的血流,以期减少心肌细胞死亡数目,尽最大可能减少缺血引起的心功能损伤。虽然PCI技术能够帮助降低患者的死亡率,但是ST抬高型心肌梗死死亡率和预后仍然不理想。因此针对ST段抬高型心肌梗死患者心血管临床监测数据的评估就变得非常重要。
早期识别高危的ST段抬高型心肌梗死高危人群以及早期干预治疗均需要建立在丰富的数据基础和分析工作上,已有研究表明代谢综合征能够以胰岛素抵抗为前提,多种危险因素共同作用导致患者代谢失衡,其重要的特征就是增强炎症细胞因子的活性,能够预测患者处于血栓前状态,进而ST段抬高型心肌梗死的发生风险显著增加,尤其是妊娠糖尿病人群胰岛素抵抗普遍存在。由于妊娠糖尿病存在ST段抬高型心肌梗死高危风险的患者临床监测数据中涉及的数据较多,现有的监测预警方法往往仅能单一地对其进行分析,对临床监测数据的判断具有不准确性和表面性,难以针对ST段抬高型心肌梗死患者的临床监测数据进行预警监测。
为了解决上述问题,现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷,本发明提供一种用于心血管的监测预警系统,通过结合妊娠期糖尿病患者自身的属性信息、冠脉微循环有创测量参数以及患者血液检查中甘油三酯、胆固醇以及空腹血糖水平,针对ST段抬高型心肌梗死患者的临床监测数据进行预警监测,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种用于心血管的监测预警系统,包括运算模块以及与运算模块通讯连接的数据分析模块、监测数据采集模块、数据存储模块、预警提示模块;数据分析模块接收到监测数据采集模块发送的信息后,通过运算模块调用数据存储模块内部存储的数据,并采用数据分析模块中的算法公式对妊娠期糖尿病患者的监测数据进行分析处理,得到不同维度的预警提示数据,并将预警提示数据发送至预警提示模块;数据分析模块中关于妊娠期糖尿病患者监测数据的算法公式包括患者自身属性评估指标公式、冠脉微循环评估指标公式以及血液分析评估指标公式,其中,冠脉微循环评估指标与微循环阻力指数负相关,与冠状动脉血流储备正相关,与心肌缺血时血流动力学状态血流分级正相关,冠脉微循环评估指标的公式为:
;
式中:为冠脉微循环评估指标,/>为微循环阻力指数,/>为冠状动脉血流储备,/>为心肌缺血时血流动力学状态血流分级,/>为调整系数,根据妊娠期糖尿病患者的历史监测数据通过数值分析所得,用于平衡/>与/>之间的数量级差异。
作为本发明进一步的方案,患者的冠脉微循环评估公式的自变量包括微循环阻力指数、冠状动脉血流储备以及心肌缺血时血流动力学状态血流分级,因变量为冠脉微循环评估指标,患者的冠脉微循环评估公式使得冠脉微循环评估指标存在以下的变化趋势:
在冠状动脉血流储备与心肌缺血时血流动力学状态血流分级相同时,冠脉微循环评估指标随着微循环阻力指数的增大而减小,随着微循环阻力指数的减小而增大;
在微循环阻力指数以及心肌缺血时血流动力学状态血流分级相同时,冠脉微循环评估指标随着冠状动脉血流储备的增大而增大,随着冠状动脉血流储备的减小而减小;
在微循环阻力指数以及冠状动脉血流储备相同时,冠脉微循环评估指标随着心肌缺血时血流动力学状态血流分级的增大而增大,随着心肌缺血时血流动力学状态血流分级的减小而减小。
作为本发明进一步的方案,作为本发明进一步的方案,在数据分析模块中,患者自身属性评估指标公式的自变量包括患者的BMI指数、年龄以及孕周数,因变量为患者自身属性评估指标,患者自身属性评估指标的公式使得患者自身属性评估指标存在以下变化趋势:
在患者年龄以及孕周数相同时,患者自身属性评估指标的数值随着患者BMI指数的增大而减小,随着患者BMI指数的减小而增大;
在患者BMI指数与孕周数相同时,患者自身属性评估指标的数值随着患者的年龄增大而减小,随着患者年龄的减小而增大;
在患者BMI以及年龄相同时,患者自身属性评估指标的数值随着患者孕周数的增大而减小,随着患者孕周数的减小而增大。
优选的,患者自身属性评估指标与BMI指数负相关,与年龄负相关,与孕周数负相关,患者自身属性评估指标的公式为:
;
式中:为患者自身属性评估指标,/>为患者的BMI指数,/>为患者的年龄,/>为患者的妊娠孕周数,/>为大于0且小于1的常数,通过平衡/>和/>项的数量级进行数值分析获得。
作为本发明进一步的方案,在数据分析模块中,血液分析评估指标公式的自变量包括患者在进行血液生化检查中的甘油三酯水平、胆固醇水平和空腹血糖水平,因变量为血液分析评估指标,血液分析评估指标公式使血液分析评估指标与甘油三酯水平、胆固醇水平以及空腹血糖水平存在以下变化趋势:
当甘油三酯水平与空腹血糖比值相同时,血液分析评估指标的数值随着患者胆固醇水平的增大而减小,随着患者胆固醇水平的减小而增大;
当患者胆固醇水平相同时,血液分析评估指标的数值随着患者甘油三酯水平与空腹血糖比值的增大而减小,随着患者甘油三酯水平与空腹血糖比值的减小而增大。
优选的,血液分析评估指标与甘油三酯和空腹血糖的比值负相关,与患者的胆固醇水平负相关,血液分析评估指标的公式为:
;
式中:为血液分析评估指标,/>为血液检查数据中的甘油三酯水平,/>为血液检查数据中的空腹血糖水平,/>为血液检查数据中的胆固醇水平。
作为本发明进一步的方案,数据分析模块包括用于进行算法公式计算的数据计算单元以及用于交叉分析数据计算单元计算出的数据的交叉分析单元,交叉分析单元利用患者自身属性评估指标交叉冠脉微循环评估指标分析获取第一交叉预警指数,利用第一交叉预警指数的公式获取在患者自身属性影响的情况下冠脉微循环评估指标的交叉影响预警值,第一交叉预警指数为冠脉微循环评估指标的患者自身属性评估指标评级的指数次方,第一交叉预警指数的公式为:
;
式中:为第一交叉预警指数,/>为患者自身属性评估指标的评级。
作为本发明进一步的方案,交叉分析单元利用患者血液分析评估指标交叉冠脉微循环评估指标分析获取第二交叉预警指数,利用第二交叉预警指数的公式获取在患者血脂、血糖和胆固醇检查指标影响情况下的冠脉微循环评估指标的交叉影响预警值,第二交叉预警指数为冠脉微循环评估指标与血液分析评估指标评级的比值,第二交叉预警指数的公式为:
;
式中:为第二交叉预警指数,/>为血液分析评估指标的评级。
作为本发明进一步的方案,交叉分析单元对血液分析评估指标以及患者自身属性评估指标的评级方法包括如下步骤:
步骤S1,数据采集:采集需要评级指标的历史获取数据,建立样本数据集,对样本数据集中的数据进行数据清洗和数据预处理,获取处理好的样本数据集;
步骤S2,数据标准化和数据正则化:利用均值-标准差法对样本数据集中的数据进行标准化和无量纲化,并利用L2范数对数据进行正则化,获取标准数据集;
步骤S3,数据归一化:利用函数对标准数据集中的数值进行归一化,其中/>为归一化函数,/>为标准数据集中的数据值,将标准数据集中的数值归入到[0,1]之间,获取归一化数据集;
步骤S4,指标评级分类:以0.5为界,将归一化数据集中指标数值在[0,0.5)之间的指标评级评为1,将指标数值在[0.5,1]之间的指标评级评为2。
作为本发明进一步的方案,运算模块用于处理来自一种用于心血管的监测预警系统的至少一个组件的数据;监测数据采集模块用于采集获取妊娠期糖尿病患者的自身属性数据、血液检查以及冠脉微循环数据,将获取到的信息发送至数据分析模块进行分析处理,并将获取到的信息发送至数据存储模块进行存储。
作为本发明进一步的方案,预警提示模块根据接收的预警数值,分别对妊娠期高血糖患者在自身属性以及血液检查数据的交叉影响下的预警数值进行预警提示;数据存储模块用于存储妊娠期糖尿病患者的历史监测数据和分析数据。
本发明一种用于心血管的监测预警系统的技术效果和优点:本发明是通过结合妊娠期糖尿病患者自身的属性信息、冠脉微循环有创测量参数以及患者血液检查中甘油三酯、胆固醇以及空腹血糖水平,多维度确定妊娠期糖尿病患者中ST段抬高型高危人群的监测数据分析状态,便于为妊娠期糖尿病患者中ST段抬高型高危人群的监测,针对ST段抬高型心肌梗死患者的临床监测数据进行预警监测。
附图说明
图1为本发明一种用于心血管的监测预警系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1。本发明实施例1是对一种用于心血管的监测预警系统进行介绍。
图1给出了本发明一种用于心血管的监测预警系统的结构示意图,包括运算模块以及与运算模块通讯连接的数据分析模块、监测数据采集模块、数据存储模块、预警提示模块;数据分析模块接收到监测数据采集模块发送的信息后,通过运算模块调用数据存储模块内部存储的数据,并采用数据分析模块中的算法公式对妊娠期糖尿病患者的监测数据进行分析处理,得到不同维度的预警提示数据,并将预警提示数据发送至预警提示模块;数据分析模块中监测数据的算法公式包括患者自身属性评估指标公式、冠脉微循环评估指标公式以及血液分析评估指标公式,其中,冠脉微循环评估指标与微循环阻力指数负相关,与冠状动脉血流储备正相关,与心肌缺血时血流动力学状态血流分级正相关,冠脉微循环评估指标的公式为:
;
式中:为冠脉微循环评估指标,/>为微循环阻力指数,/>为冠状动脉血流储备,/>为心肌缺血时血流动力学状态血流分级,/>为调整系数,根据妊娠期糖尿病患者的历史监测数据通过数值分析所得,用于平衡/>与/>之间的数量级差异。
进一步的,患者自身属性评估指标与BMI指数负相关,与年龄负相关,与孕周数负相关,患者自身属性评估指标的公式为:
;
式中:为患者自身属性评估指标,/>为患者的BMI指数,/>为患者的年龄,/>为患者的妊娠孕周数,/>为大于0且小于1的常数,通过平衡/>和/>项的数量级进行数值分析获得。
进一步的,通过患者自身属性评估指标的设置,能够在妊娠期糖尿病患者的自身属性中选取患者BMI指数、年龄以及妊娠孕周数作为指标的输入自变量,进而获取患者有关于身体脂肪占比、年龄引起的代谢问题以及妊娠孕周数对患者冠脉微循环的影响。
进一步的,血液分析评估指标与甘油三酯和空腹血糖的比值负相关,与患者的胆固醇水平负相关,血液分析评估指标的公式为:
;
式中:为血液分析评估指标,/>为血液检查数据中的甘油三酯水平,/>为血液检查数据中的空腹血糖水平,/>为血液检查数据中的胆固醇水平。
进一步的,通过患者的血液分析评估指标公式,择优选取与代谢相关的脂类代谢、糖类代谢以及固醇类代谢监测数值,对患者的胰岛素抵抗以及心血管不良事件危险因素进行综合分析,获取多类别物质的代谢评估值。
进一步的,数据分析模块包括用于进行算法公式计算的数据计算单元以及用于交叉分析数据计算单元计算出的数据的交叉分析单元,交叉分析单元利用患者自身属性评估指标交叉冠脉微循环评估指标分析获取第一交叉预警指数,利用第一交叉预警指数的公式获取在患者自身属性影响的情况下冠脉微循环评估指标的交叉影响预警值,第一交叉预警指数为冠脉微循环评估指标的患者自身属性评估指标评级的指数次方,第一交叉预警指数的公式为:
;
式中:为第一交叉预警指数,/>为患者自身属性评估指标的评级。
进一步的,通过第一交叉预警指数的公式能够在患者进行冠脉微循环监测数据预警时,交叉分析患者的自身属性对第一交叉预警指数带来的影响,分析在患者自身属性的BMI指数、年龄以及孕周数的影响下,患者冠脉微循环评估指标的评估预警程度。
进一步的,交叉分析单元利用患者血液分析评估指标交叉冠脉微循环评估指标分析获取第二交叉预警指数,利用第二交叉预警指数的公式获取在患者血脂、血糖和胆固醇检查指标影响情况下的冠脉微循环评估指标的交叉影响预警值,第二交叉预警指数为冠脉微循环评估指标与血液分析评估指标评级的比值,第二交叉预警指数的公式为:
;
式中:为第二交叉预警指数,/>为血液分析评估指标的评级。
进一步的,第二交叉预警指数能够在联合妊娠期糖尿病患者中存在代谢综合征的胰岛素抵抗现象时,ST段抬高型心肌梗死高发的监测数据的预警,方便在糖代谢的方面交叉冠脉微循环的评估预警,为冠脉微循环的糖代谢危险因素的监测数据进行联合交叉预警。
进一步的,交叉分析单元对血液分析评估指标以及患者自身属性评估指标的评级方法包括如下步骤:
步骤S1,数据采集:采集需要评级指标的历史获取数据,建立样本数据集,对样本数据集中的数据进行数据清洗和数据预处理,获取处理好的样本数据集;
步骤S2,数据标准化和数据正则化:利用均值-标准差法对样本数据集中的数据进行标准化和无量纲化,并利用L2范数对数据进行正则化,获取标准数据集;
步骤S3,数据归一化:利用函数对标准数据集中的数值进行归一化,其中/>为归一化函数,/>为标准数据集中的数据值,将标准数据集中的数值归入到[0,1]之间,获取归一化数据集;
步骤S4,指标评级分类:以0.5为界,将归一化数据集中指标数值在[0,0.5)之间的指标评级评为1,将指标数值在[0.5,1]之间的指标评级评为2。
进一步的,通过血液分析评估指标以及患者自身属性评估指标的评级能够将这两种指标对冠脉微循环评估指标的影响归为数值1和2的影响,避免这两种指标多样化的数值造成交叉预警分析结果的获取计算成本升高。
进一步的,运算模块用于处理来自一种用于心血管的监测预警系统的至少一个组件的数据;监测数据采集模块用于采集获取妊娠期糖尿病患者的自身属性数据、血液检查以及冠脉微循环数据,将获取到的信息发送至数据分析模块进行分析处理,并将获取到的信息发送至数据存储模块进行存储。预警提示模块根据接收的预警数值,分别对妊娠期高血糖患者在自身属性以及血液检查数据的交叉影响下的预警数值进行预警提示;数据存储模块用于存储妊娠期糖尿病患者的历史监测数据和分析数据。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种用于心血管的监测预警系统,包括运算模块以及与运算模块通讯连接的数据分析模块、监测数据采集模块、数据存储模块、预警提示模块,其特征在于,数据分析模块接收到监测数据采集模块发送的信息后,通过运算模块调用数据存储模块内部存储的数据,并采用数据分析模块中的算法公式对妊娠期糖尿病患者的监测数据进行分析处理,得到不同维度的预警提示数据,并将预警提示数据发送至预警提示模块;数据分析模块中关于妊娠期糖尿病患者监测数据的算法公式包括患者自身属性评估指标公式、冠脉微循环评估指标公式以及血液分析评估指标公式;其中,血液分析评估指标公式的自变量包括患者在进行血液生化检查中的甘油三酯水平、胆固醇水平和空腹血糖水平,因变量为血液分析评估指标,血液分析评估指标的公式为:
;
式中:为血液分析评估指标,/>为血液检查数据中的甘油三酯水平,/>为血液检查数据中的空腹血糖水平,/>为血液检查数据中的胆固醇水平;
在数据分析模块中,患者自身属性评估指标公式的自变量包括患者的BMI指数、年龄以及孕周数,因变量为患者自身属性评估指标,患者自身属性评估指标的公式为:
;
式中:为患者自身属性评估指标,/>为患者的BMI指数,/>为患者的年龄,/>为患者的妊娠孕周数,/>为大于0且小于1的常数,通过平衡/>和/>项的数量级进行数值分析获得;
在数据分析模块中,冠脉微循环评估指标的公式为:
;
式中:为冠脉微循环评估指标,/>为微循环阻力指数,/>为冠状动脉血流储备,为心肌缺血时血流动力学状态血流分级,/>为调整系数,根据妊娠期糖尿病患者的历史监测数据通过数值分析所得,用于平衡/>与/>之间的数量级差异;
数据分析模块包括用于进行算法公式计算的数据计算单元以及用于交叉分析数据计算单元计算出的数据的交叉分析单元,交叉分析单元利用患者自身属性评估指标交叉冠脉微循环评估指标分析获取第一交叉预警指数,利用第一交叉预警指数的公式获取在患者自身属性影响的情况下冠脉微循环评估指标的交叉影响预警值,第一交叉预警指数为冠脉微循环评估指标的患者自身属性评估指标评级的指数次方,第一交叉预警指数的公式为:
;
式中:为第一交叉预警指数,/>为患者自身属性评估指标的评级;
交叉分析单元利用患者血液分析评估指标交叉冠脉微循环评估指标分析获取第二交叉预警指数,利用第二交叉预警指数的公式获取在患者血脂、血糖和胆固醇检查指标影响情况下的冠脉微循环评估指标的交叉影响预警值,第二交叉预警指数为冠脉微循环评估指标与血液分析评估指标评级的比值,第二交叉预警指数的公式为:
;
式中:为第二交叉预警指数,/>为血液分析评估指标的评级;
交叉分析单元对血液分析评估指标以及患者自身属性评估指标的评级方法包括如下步骤:
步骤S1,数据采集:采集需要评级指标的历史获取数据,建立样本数据集,对样本数据集中的数据进行数据清洗和数据预处理,获取处理好的样本数据集;
步骤S2,数据标准化和数据正则化:利用均值-标准差法对样本数据集中的数据进行标准化和无量纲化,并利用L2范数对数据进行正则化,获取标准数据集;
步骤S3,数据归一化:利用函数对标准数据集中的数值进行归一化,其中/>为归一化函数,/>为标准数据集中的数据值,将标准数据集中的数值归入到[0,1]之间,获取归一化数据集;
步骤S4,指标评级分类:以0.5为界,将归一化数据集中指标数值在[0,0.5)之间的指标评级评为1,将指标数值在[0.5,1]之间的指标评级评为2;
运算模块用于处理来自一种用于心血管的监测预警系统的至少一个组件的数据;监测数据采集模块用于采集获取妊娠期糖尿病患者的自身属性数据、血液检查以及冠脉微循环数据,将获取到的信息发送至数据分析模块进行分析处理,并将获取到的信息发送至数据存储模块进行存储。
2.根据权利要求1所述的一种用于心血管的监测预警系统,其特征在于,预警提示模块根据接收的预警数值,分别对妊娠期高血糖患者在自身属性以及血液检查数据的交叉影响下的预警数值进行预警提示;数据存储模块用于存储妊娠期糖尿病患者的历史监测数据和分析数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310510620.9A CN116230238B (zh) | 2023-05-08 | 2023-05-08 | 一种用于心血管的监测预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310510620.9A CN116230238B (zh) | 2023-05-08 | 2023-05-08 | 一种用于心血管的监测预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116230238A CN116230238A (zh) | 2023-06-06 |
CN116230238B true CN116230238B (zh) | 2023-07-21 |
Family
ID=86569889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310510620.9A Active CN116230238B (zh) | 2023-05-08 | 2023-05-08 | 一种用于心血管的监测预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116230238B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117373664B (zh) * | 2023-10-09 | 2024-05-28 | 曜立科技(北京)有限公司 | 基于数字疗法的冠脉术后危险数据分析预警系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110021437A (zh) * | 2017-10-31 | 2019-07-16 | 东莞东阳光科研发有限公司 | 一种糖尿病的管理方法和系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10247356A1 (de) * | 2002-10-10 | 2004-04-22 | Konrad, Thomas, Priv.-Doz. Dr.med. | Verfahren zur Erstellung eines Risikoprofils bei einer Prädisposition für Stoffwechsel- und Gefäßerkrankungen |
EP2650016A1 (en) * | 2011-01-28 | 2013-10-16 | Sanofi | Human antibodies to PSCK9 for use in methods of treatment based on particular dosage regimens (11565) |
US11191490B2 (en) * | 2015-12-02 | 2021-12-07 | Siemens Healthcare Gmbh | Personalized assessment of patients with acute coronary syndrome |
CN111839496B (zh) * | 2019-04-24 | 2022-11-15 | 苏州润迈德医疗科技有限公司 | 一种通过常规造影图像测量出血流储备分数的系统 |
CN111091913A (zh) * | 2019-12-27 | 2020-05-01 | 西北工业大学 | 基于血流储备分数和冠状动脉ct造影图像的微循环阻力计算方法 |
CN114496210A (zh) * | 2020-10-23 | 2022-05-13 | 四川大学华西医院 | St段抬高型心肌梗死预后评分系统 |
CN115910354A (zh) * | 2022-10-24 | 2023-04-04 | 复旦大学附属中山医院 | 一种无创模拟患者特异性的冠状动脉ffr的系统及方法 |
-
2023
- 2023-05-08 CN CN202310510620.9A patent/CN116230238B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110021437A (zh) * | 2017-10-31 | 2019-07-16 | 东莞东阳光科研发有限公司 | 一种糖尿病的管理方法和系统 |
Non-Patent Citations (1)
Title |
---|
妊娠期糖尿病与代谢综合征相关性分析;周博;;实用妇科内分泌杂志(电子版)(第19期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116230238A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Comparison of the prognostic significance of the electrocardiographic QRS/T angles in predicting incident coronary heart disease and total mortality (from the atherosclerosis risk in communities study) | |
US4957115A (en) | Device for determining the probability of death of cardiac patients | |
Li et al. | Association between metabolic syndrome and risk of stroke: a meta-analysis of cohort studies | |
US20070299360A1 (en) | Systems and Methods for Analyzing and Assessing Dementia and Dementia-Type Disorders | |
Eick et al. | Autonomic nervous system activity as risk predictor in the medical emergency department: a prospective cohort study | |
CN116230238B (zh) | 一种用于心血管的监测预警系统 | |
Timóteo et al. | Optimal cut-off value for homeostasis model assessment (HOMA) index of insulin-resistance in a population of patients admitted electively in a Portuguese cardiology ward | |
Jhamnani et al. | The spectrum of electrocardiographic manifestations of acute myocarditis: an expanded understanding | |
Muminov et al. | Localization and classification of myocardial infarction based on artificial neural network | |
CN111710423A (zh) | 基于回归模型测定心境障碍发病风险概率的方法 | |
Jelinek et al. | Diagnostic accuracy of random ECG in primary care for early, asymptomatic cardiac autonomic neuropathy | |
CN114023440A (zh) | 可解释分层老年mods早期死亡风险评估模型、装置及其建立方法 | |
Wang et al. | Automated J wave detection from digital 12-lead electrocardiogram | |
CN116453694A (zh) | 基于有放回欠采样集成框架的疾病风险预测方法及系统 | |
JP6401297B2 (ja) | インスリン分泌能分析装置、当該装置を備えるインスリン分泌能分析システム及びインスリン分泌能分析方法 | |
CN111063435A (zh) | 一种糖尿病分型诊断系统 | |
Šuran et al. | Predictors of early cardiac changes in patients with type 1 diabetes mellitus: An echocardiography-based study | |
Yang et al. | Cystatin C is an important biomarker for cardiovascular autonomic dysfunction in Chinese type 2 diabetic patients | |
US20220262516A1 (en) | Atrial Fibrillation Prediction Model And Prediction System Thereof | |
Shahzad et al. | Prediabetes in adolescents—an emerging epidemic—a cross-sectional survey of medical students at a public university, Quetta, Pakistan | |
Zhao et al. | Prevalence and risk factors of diabetes mellitus among elderly patients in the Lugu community | |
Botros et al. | Detection of Heart Failure Using a Convolutional Neural Network via ECG Signals | |
Suárez-León et al. | Irregular heartbeat detection using sequentially truncated multilinear singular value decomposition | |
Uvaliyeva et al. | Mathematical Model for Early Diagnosis of Diabetes Mellitus | |
Chen et al. | Risk Prediction of Diabetes Progression Using Big Data Mining with Multifarious Physical Examination Indicators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |