CN116434975B - 一种呼吸内科清肺排痰装置智能管理系统 - Google Patents
一种呼吸内科清肺排痰装置智能管理系统 Download PDFInfo
- Publication number
- CN116434975B CN116434975B CN202310703898.8A CN202310703898A CN116434975B CN 116434975 B CN116434975 B CN 116434975B CN 202310703898 A CN202310703898 A CN 202310703898A CN 116434975 B CN116434975 B CN 116434975B
- Authority
- CN
- China
- Prior art keywords
- nursing
- data
- patient
- historical data
- sputum excretion
- 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
- 239000003814 drug Substances 0.000 title claims abstract description 17
- 206010062717 Increased upper airway secretion Diseases 0.000 title claims abstract description 11
- 208000026435 phlegm Diseases 0.000 title claims abstract description 11
- 230000000474 nursing effect Effects 0.000 claims abstract description 316
- 206010036790 Productive cough Diseases 0.000 claims abstract description 189
- 208000024794 sputum Diseases 0.000 claims abstract description 189
- 210000003802 sputum Anatomy 0.000 claims abstract description 179
- 230000029142 excretion Effects 0.000 claims abstract description 174
- 230000000694 effects Effects 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000000241 respiratory effect Effects 0.000 claims abstract description 16
- 238000007599 discharging Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 31
- 238000006467 substitution reaction Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 17
- 230000000052 comparative effect Effects 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 5
- 210000004072 lung Anatomy 0.000 claims 2
- 238000012545 processing Methods 0.000 abstract description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 7
- 239000008280 blood Substances 0.000 description 7
- 210000004369 blood Anatomy 0.000 description 7
- 229910052760 oxygen Inorganic materials 0.000 description 7
- 239000001301 oxygen Substances 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Accommodation For Nursing Or Treatment Tables (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种呼吸内科清肺排痰装置智能管理系统,包括:历史数据获取模块、相对护理效果计算模块、护理档位推荐模块,获得所有患者已完成的所有次排痰护理对应的所有条历史数据;计算所有两条历史数据的患者体征数据的相似度;获得所有条历史数据的患者体数据相对于所有条历史数据的所有相对组的相对护理效果;获得所有患者的护理历史数据序列;根据新患者的患者体征数据获得新患者的推荐护理档位序列,根据新患者的推荐护理档位序列对新患者进行多次排痰护理。本发明实现对医生工作的智能辅助,降低对医生经验程度的依赖,改善患者护理体验,对新患者的体征数据进行一次获取,简化护理流程,提高护理效率。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种呼吸内科清肺排痰装置智能管理系统。
背景技术
近年来,人工智能技术与医疗健康领域的融合不断加深,人工智能的应用场景越发丰富,人工智能的技术也逐渐影响医疗行业发展,成为提升医疗服务水平的重要因素。
而现有技术中的排痰机在设置档位时需要医生根据患者每次排痰护理前的体征数据来设定,患者体征数据是指患者的体重、心率、血压、呼吸频率、呼吸深度等多个维度的数据,过渡依赖医生的经验程度,对于经验不足的医生来说很容易判断不准,影响患者的护理效果,每次排痰护理前的都需要获得患者的体征数据,导致排痰护理过程繁琐,增加医护人员的工作量,降低护理效率。
因此,急需一种智能管理系统来辅助医生工作,实现排痰机智能档位推荐,降低对医生经验程度的依赖,改善患者护理体验,简化护理流程,提高护理效率。
发明内容
本发明提供一种呼吸内科清肺排痰装置智能管理系统,以解决现有的问题。
本发明的一种呼吸内科清肺排痰装置智能管理系统采用如下技术方案:
本发明提供了一种呼吸内科清肺排痰装置智能管理系统,所述系统包括:
历史数据获取模块,将获取的每个患者每次排痰护理的患者体征数据、实际护理档位和排痰护理效果记为一条历史数据,获得所有患者已完成的所有次排痰护理对应的所有条历史数据;
相对护理效果计算模块,根据实际护理档位将所有条历史数据划分为多个护理档位组,计算所有两条历史数据的患者体征数据的相似度;获得所有条历史数据的患者体数据相对于所有条历史数据的所有相对组的相对护理效果;
护理档位推荐模块,获得所有患者的护理历史数据序列;将任意一个没有排痰护理的患者记为新患者,利用体征监测传感器获得新患者的患者体征数据;根据新患者的患者体征数据获得新患者的推荐护理档位序列,包括:
K1,设置一个计数器h,计数器的初始值为1;
K2,获得新患者的第h次排痰护理的替代历史数据,获得新患者的第h次排痰护理的所有替代历史数据的所有对比历史数据;计算每个护理档位组对新患者的第h次排痰护理的推荐得分,将推荐得分最大的护理档位组的实际护理档位作为新患者的第h次排痰护理的推荐护理档位;将计数器加1;
K3,重复执行K2,直至新患者的第h次排痰护理的替代历史数据为空时停止,将获得的所有推荐护理档位按照顺序组成的序列记为新患者的推荐护理档位序列;
根据新患者的推荐护理档位序列对新患者进行多次排痰护理。
进一步地,所述计算所有两条历史数据的患者体征数据的相似度,包括的具体步骤如下:
第a条历史数据和第b条历史数据的患者体征数据的相似度的计算公式为:
式中,表示第a条历史数据和第b条历史数据的患者体征数据的相似度,表示第a条历史数据和第b条历史数据的患者体征数据的欧式距离,/>表示第a条历史数据的患者体征数据,/>表示第b条历史数据的患者体征数据,/>表示以自然常数为底的对数函数;
计算所有两条历史数据的患者体征数据的相似度。
进一步地,所述获得所有条历史数据的患者体数据相对于所有条历史数据的所有相对组的相对护理效果,包括的具体步骤如下:
将任意一条历史数据记为目标历史数据,将所有护理档位组中除目标历史数据对应的护理档位组外的其他所有护理档位组记为目标历史数据的所有相对组;
第p条历史数据的患者体数据相对于第p条历史数据的第q个相对组的相对护理效果的计算公式为:
式中,表示第p条历史数据的患者体数据相对于第p条历史数据的第q个相对组的相对护理效果,/>表示第p条历史数据的第q个相对组中所有条历史数据的数量,表示第p条历史数据和第p条历史数据的第q个相对组中的第k条历史数据的患者体征数据的相似度,/>表示第p条历史数据的患者体征数据,/>表示第p条历史数据的第q个相对组中的第k条历史数据的患者体征数据,/>表示第p条历史数据的第q个相对组的第k条历史数据的排痰护理效果;
同理,获得所有条历史数据的患者体数据相对于所有条历史数据的所有相对组的相对护理效果。
进一步地,所述获得所有患者的护理历史数据序列,包括的具体步骤如下:
对于任意一个患者而言,进行多次排痰护理后会产生多条历史数据,将该患者的所有条历史数据按照先后顺序组成的序列记为该患者的护理历史数据序列,获得所有患者的护理历史数据序列。
进一步地,所述获得新患者的第h次排痰护理的替代历史数据,包括的具体步骤如下:
如果,将新患者的患者体征数据作为新患者的第h次排痰护理的替代历史数据;如果/>,获取新患者的第h-1次排痰护理的所有对比历史数据中,实际护理档位等于新患者的第h-1次排痰护理的推荐护理档位的对比历史数据,获得这些对比历史数据在所有患者的护理历史数据序列中的下一条历史数据,将获得的所有历史数据记为新患者的第h次排痰护理的替代历史数据。
进一步地,所述获得新患者的第h次排痰护理的所有替代历史数据的所有对比历史数据,包括的具体步骤如下:
对新患者的第h次排痰护理的任意一个替代历史数据,获取该替代历史数据的患者体征数据和所有条历史数据的患者体征数据的相似度,将相似度最大的K条历史数据作为该替代历史数据的对比历史数据,K表示预设数量;将所有替代历史数据的所有对比历史数据记为新患者的第h次排痰护理的所有对比历史数据。
进一步地,所述计算每个护理档位组对新患者的第h次排痰护理的推荐得分,包括的具体步骤如下:
第r个护理档位组对新患者的第h次排痰护理的推荐得分的计算公式为:
式中,表示第r个护理档位组对新患者的第h次排痰护理的推荐得分,/>表示新患者的第h次排痰护理的替代历史数据的数量,/>表示新患者的第h次排痰护理的第/>个替代历史数据的对比历史数据的数量,/>表表示新患者的第h次排痰护理的第个替代历史数据的患者体征数据和新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的患者体征数据的相似度,/>表示新患者的第h次排痰护理的第/>个替代历史数据的患者体征数据,/>表示新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的患者体征数据,/>表示新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果。
进一步地,所述新患者的第h次排痰护理的第个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果具体为:
如果新患者的第h次排痰护理的第个替代历史数据的第f条对比历史数据属于第r个护理档位组,将新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的排痰护理效果作为新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果;如果新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据不属于第r个护理档位组,将新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的患者体数据相对于第r个护理档位组的相对护理效果作为新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果。
本发明的技术方案的有益效果是:相比于现有依赖医生经验和患者当时的患者体征数据的排痰机档位设置方式,本发明根据大量历史数据,结合任意两条历史数据的患者体征数据的相似度,获得每条历史数据的患者体数据相对于每条历史数据的任意一个相对组的相对护理效果,对还未进行排痰护理的新患者采集一次患者体征数据,结合新患者的患者体征数据与历史数据的相似性,依次预测新患者每次排痰护理的替代历史数据和每个替代历史数据的所有对比历史数据,根据替代历史数据和所有对比历史数据的相似性,以及所有对比历史数据相对于每个护理档位组的对比护理效果,计算每个护理档位组对新患者的每次排痰护理的推荐得分,进而获得新患者每次排痰护理的推荐护理档位组成的推荐护理档位序列,根据新患者的推荐护理档位序列对新患者进行多次排痰护理。通过推荐护理档位序列对新患者进行多次排痰护理后的排痰护理效果好且稳定,降低对医生经验程度的依赖,实现对医生工作的智能辅助,改善患者护理体验,实现对新患者的体征数据进行一次获取,获得新患者整个排痰护理过程中多次排痰护理的推荐护理档位,简化护理流程,提高护理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明的一种呼吸内科清肺排痰装置智能管理系统的系统框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种呼吸内科清肺排痰装置智能管理系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
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发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种呼吸内科清肺排痰装置智能管理系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种呼吸内科清肺排痰装置智能管理系统,该系统包括以下模块:
历史数据获取模块S101,用于获得所有患者已完成的所有次排痰护理对应的所有条历史数据。
对于同一个患者来说,每次排痰护理前,患者体征数据可能不同,在每次排痰护理前,利用体征监测传感器,获取患者体征数据,患者体征数据包括患者的体重、心率、血压、呼吸频率、呼吸深度等多个维度的数据,因此,患者体征数据为多维数组。
将患者每次排痰护理过程中排痰机的档位设置信息记为实际护理档位。
将每个患者的历史数据中的血氧饱和度的最大值记为每个患者的最大血氧饱和度,在每次排痰护理前,获得患者的血氧饱和度,在每次排痰护理后,获得患者的血氧饱和度,将每次排痰护理前患者的血氧饱和度与排痰护理后患者的血氧饱和度的差值,与患者的最大血氧饱和度的比值记为患者的排痰护理效果。
不同患者具有不同的编号,对于每个患者来说,在治疗期间的都需要进行若干次排痰护理,将每个患者每次排痰护理的患者体征数据、实际护理档位和排痰护理效果记为一条历史数据,获得所有患者已完成的所有次排痰护理对应的所有条历史数据。
相对护理效果计算模块S102,用于计算任意两条历史数据的患者体征数据的相似度,根据两条历史数据的患者体征数据的相似度,计算每条历史数据的患者体数据相对于每条历史数据的任意一个相对组的相对护理效果。
1.计算所有两条历史数据的患者体征数据的相似度。
在每次排痰护理过程中,排痰机的档位确定后就无法变更因此,因此,每条历史数据只有一个实际护理档位,根据实际护理档位将所有条历史数据划分为多个护理档位组,每个护理档位组中包含的所有条历史数据的实际护理档位相同。
计算所有条历史数据中的任意两条历史数据的患者体征数据的相似度,第a条历史数据和第b条历史数据的患者体征数据的相似度的计算公式为:
式中,表示第a条历史数据和第b条历史数据的患者体征数据的相似度,表示第a条历史数据和第b条历史数据的患者体征数据的欧式距离,/>表示第a条历史数据的患者体征数据,/>表示第b条历史数据的患者体征数据,/>表示以自然常数为底的对数函数。
第a条历史数据和第b条历史数据的患者体征数据的欧式距离越小,则第a条历史数据和第b条历史数据的患者体征数据越相似,第a条历史数据和第b条历史数据的患者体征数据的相似度越大。
计算所有两条历史数据的患者体征数据的相似度。
2.根据两条历史数据的患者体征数据的相似度,计算每条历史数据的患者体数据相对于每条历史数据的任意一个相对组的相对护理效果。
将任意一条历史数据记为目标历史数据,将所有护理档位组中除目标历史数据对应的护理档位组外的其他所有护理档位组记为目标历史数据的所有相对组,计算目标历史数据的患者体数据相对于目标历史数据的任意一个相对组的相对护理效果,第p条历史数据的患者体数据相对于第p条历史数据的第q个相对组的相对护理效果的计算公式为:
式中,表示第p条历史数据的患者体数据相对于第p条历史数据的第q个相对组的相对护理效果,/>表示第p条历史数据的第q个相对组中所有条历史数据的数量,表示第p条历史数据和第p条历史数据的第q个相对组中的第k条历史数据的患者体征数据的相似度,/>表示第p条历史数据的患者体征数据,/>表示第p条历史数据的第q个相对组中的第k条历史数据的患者体征数据,/>表示第p条历史数据的第q个相对组的第k条历史数据的排痰护理效果。
越大,第p条历史数据和第p条历史数据的第q个相对组中的第k条历史数据的患者体征数据越相似,因此,第p条历史数据的第q个相对组的第k条历史数据的排痰护理效果/>对计算第p条历史数据的患者体数据相对于第p条历史数据的第q个相对组的相对护理效果/>的参考意义越大,因此,将/>作为第p条历史数据的第q个相对组的第k条历史数据的排痰护理效果/>的权值,将第p条历史数据的第q个相对组的所有条历史数据的排痰护理效果的加权求和结果/>作为表示第p条历史数据的患者体数据相对于第p条历史数据的第q个相对组的相对护理效果/>。
计算任意一条历史数据的患者体数据相对于该条历史数据的所有相对组的相对护理效果,获得所有条历史数据的患者体数据相对于所有条历史数据的所有相对组的相对护理效果。
护理档位推荐模块S103,用于获取所有患者的护理历史数据序列,根据新患者的患者体征数据获得新患者的推荐护理档位序列,根据新患者的推荐护理档位序列对新患者进行多次排痰护理。
1.获取所有患者的护理历史数据序列。
对于任意一个患者而言,进行多次排痰护理后会产生多条历史数据,将该患者的所有条历史数据按照先后顺序组成的序列记为该患者的护理历史数据序列,获得所有患者的护理历史数据序列。
2.根据新患者的患者体征数据获得新患者的推荐护理档位序列。
需要说明的是,对于还未进行排痰护理的新患者,本实施例期望根据大量历史数据中,与新患者的患者体征数据相似的历史数据的排痰护理效果和相对护理效果,获得新患者的进行排痰护理时的推荐护理档位,以期望新患者在排痰护理后的排痰护理效果最好。对于新患者来说,进行排痰护理的次数很可能不止为一次,考虑到患者的患者体征数据和排痰护理效果随着患者进行排痰护理的次数变化而变化,因此,需要根据所有患者的护理历史数据序列以及新患者的患者体征数据,获得新患者的推荐护理档位序列。
在本实施例中,将任意一个没有排痰护理的患者记为新患者,利用体征监测传感器获得新患者的患者体征数据;
K1,设置一个计数器h,计数器的初始值为1;
K201,获得新患者的排痰护理的替代历史数据,包括:
如果,将新患者的患者体征数据作为新患者的第h次排痰护理的替代历史数据;如果/>,获取新患者的第h-1次排痰护理的所有对比历史数据中,实际护理档位等于新患者的第h-1次排痰护理的推荐护理档位的对比历史数据,获得这些对比历史数据在所有患者的护理历史数据序列中的下一条历史数据,将获得的所有历史数据记为新患者的第h次排痰护理的替代历史数据,其中,新患者的第h-1次排痰护理的所有对比历史数据在获得第h-1次排痰护理的推荐护理档位的过程中获取,此处不再进行赘述。
K202,获得新患者的排痰护理的所有替代历史数据的所有对比历史数据,包括:
对新患者的第h次排痰护理的任意一个替代历史数据,获取该替代历史数据的患者体征数据和所有条历史数据的患者体征数据的相似度,将相似度最大的K条历史数据作为该替代历史数据的对比历史数据,K表示预设数量;将所有替代历史数据的所有对比历史数据记为新患者的第h次排痰护理的所有对比历史数据。
在本实施例中,预设数量K=10,在其他实施例中,实施人员可根据实际实施情况和经验设置预设数量K。
K203,计算每个护理档位组对新患者的排痰护理的推荐得分,包括:
第r个护理档位组对新患者的第h次排痰护理的推荐得分的计算公式为:
式中,表示第r个护理档位组对新患者的第h次排痰护理的推荐得分,/>表示新患者的第h次排痰护理的替代历史数据的数量,/>表示新患者的第h次排痰护理的第/>个替代历史数据的对比历史数据的数量,/>表示新患者的第h次排痰护理的第/>个替代历史数据的患者体征数据和新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的患者体征数据的相似度,/>表示新患者的第h次排痰护理的第/>个替代历史数据的患者体征数据,/>表示新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的患者体征数据,/>表示新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果。
如果新患者的第h次排痰护理的第个替代历史数据的第f条对比历史数据属于第r个护理档位组,将新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的排痰护理效果作为新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果;如果新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据不属于第r个护理档位组,将新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的患者体数据相对于第r个护理档位组的相对护理效果作为新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果。
越大,新患者的第h次排痰护理的第/>个替代历史数据的患者体征数据和新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的患者体征数据越相似,则新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果对获得新患者的第h次排痰护理的推荐护理档位的参考意义越大,第r个护理档位组对新患者的第h次排痰护理的推荐得分/>越大;a/>越大,新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果越好,此时,根据第r个护理档位组获得新患者的第h次排痰护理的推荐护理档位后,新患者的第h次排痰护理的排痰护理效果越好,则第r个护理档位组对新患者的第h次排痰护理的推荐得分/>越大。
K204,将推荐得分最大的护理档位组的实际护理档位作为新患者的第h次排痰护理的推荐护理档位;将计数器加1。
K3,重复执行K201到K204,直至新患者的第h次排痰护理的替代历史数据为空时停止,将获得的所有推荐护理档位按照顺序组成的序列记为新患者的推荐护理档位序列。
3.根据新患者的推荐护理档位序列对新患者进行多次排痰护理。
根据新患者的推荐护理档位序列中的第u个排痰护理的推荐护理档位对新患者进行第u次排痰护理。
本发明的系统包括历史数据获取模块、相对护理效果计算模块、护理档位推荐模块。相比于现有依赖医生经验和患者当时的患者体征数据的排痰机档位设置方式,本发明根据大量历史数据,结合任意两条历史数据的患者体征数据的相似度,获得每条历史数据的患者体数据相对于每条历史数据的任意一个相对组的相对护理效果,对还未进行排痰护理的新患者采集一次患者体征数据,结合新患者的患者体征数据与历史数据的相似性,依次预测新患者每次排痰护理的替代历史数据和每个替代历史数据的所有对比历史数据,根据替代历史数据和所有对比历史数据的相似性,以及所有对比历史数据相对于每个护理档位组的对比护理效果,计算每个护理档位组对新患者的每次排痰护理的推荐得分,进而获得新患者每次排痰护理的推荐护理档位组成的推荐护理档位序列,根据新患者的推荐护理档位序列对新患者进行多次排痰护理。通过推荐护理档位序列对新患者进行多次排痰护理后的排痰护理效果好且稳定,降低对医生经验程度的依赖,实现对医生工作的智能辅助,改善患者护理体验,实现对新患者的体征数据进行一次获取,获得新患者整个排痰护理过程中多次排痰护理的推荐护理档位,简化护理流程,提高护理效率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (6)
1.一种呼吸内科清肺排痰装置智能管理系统,其特征在于,所述系统包括:
历史数据获取模块,将获取的每个患者每次排痰护理的患者体征数据、实际护理档位和排痰护理效果记为一条历史数据,获得所有患者已完成的所有次排痰护理对应的所有条历史数据;
相对护理效果计算模块,根据实际护理档位将所有条历史数据划分为多个护理档位组,计算所有两条历史数据的患者体征数据的相似度;获得所有条历史数据的患者体数据相对于所有条历史数据的所有相对组的相对护理效果;
护理档位推荐模块,获得所有患者的护理历史数据序列;将任意一个没有排痰护理的患者记为新患者,利用体征监测传感器获得新患者的患者体征数据;根据新患者的患者体征数据获得新患者的推荐护理档位序列,包括:
K1,设置一个计数器h,计数器的初始值为1;
K2,获得新患者的第h次排痰护理的替代历史数据,获得新患者的第h次排痰护理的所有替代历史数据的所有对比历史数据;计算每个护理档位组对新患者的第h次排痰护理的推荐得分,将推荐得分最大的护理档位组的实际护理档位作为新患者的第h次排痰护理的推荐护理档位;将计数器加1;
K3,重复执行K2,直至新患者的第h次排痰护理的替代历史数据为空时停止,将获得的所有推荐护理档位按照顺序组成的序列记为新患者的推荐护理档位序列;
根据新患者的推荐护理档位序列对新患者进行多次排痰护理;
所述获得所有条历史数据的患者体数据相对于所有条历史数据的所有相对组的相对护理效果,包括的具体步骤如下:
将任意一条历史数据记为目标历史数据,将所有护理档位组中除目标历史数据对应的护理档位组外的其他所有护理档位组记为目标历史数据的所有相对组;
第p条历史数据的患者体数据相对于第p条历史数据的第q个相对组的相对护理效果的计算公式为:一种呼吸内科清肺排痰装置智能管理系统,其特征在于,所述系统包括:
历史数据获取模块,将获取的每个患者每次排痰护理的患者体征数据、实际护理档位和排痰护理效果记为一条历史数据,获得所有患者已完成的所有次排痰护理对应的所有条历史数据;
相对护理效果计算模块,根据实际护理档位将所有条历史数据划分为多个护理档位组,计算所有两条历史数据的患者体征数据的相似度;获得所有条历史数据的患者体数据相对于所有条历史数据的所有相对组的相对护理效果;
护理档位推荐模块,获得所有患者的护理历史数据序列;将任意一个没有排痰护理的患者记为新患者,利用体征监测传感器获得新患者的患者体征数据;根据新患者的患者体征数据获得新患者的推荐护理档位序列,包括:
K1,设置一个计数器h,计数器的初始值为1;
K2,获得新患者的第h次排痰护理的替代历史数据,获得新患者的第h次排痰护理的所有替代历史数据的所有对比历史数据;计算每个护理档位组对新患者的第h次排痰护理的推荐得分,将推荐得分最大的护理档位组的实际护理档位作为新患者的第h次排痰护理的推荐护理档位;将计数器加1;
K3,重复执行K2,直至新患者的第h次排痰护理的替代历史数据为空时停止,将获得的所有推荐护理档位按照顺序组成的序列记为新患者的推荐护理档位序列;
根据新患者的推荐护理档位序列对新患者进行多次排痰护理;
所述获得所有条历史数据的患者体数据相对于所有条历史数据的所有相对组的相对护理效果,包括的具体步骤如下:
将任意一条历史数据记为目标历史数据,将所有护理档位组中除目标历史数据对应的护理档位组外的其他所有护理档位组记为目标历史数据的所有相对组;
第p条历史数据的患者体数据相对于第p条历史数据的第q个相对组的相对护理效果的计算公式为:
;
式中,表示第p条历史数据的患者体数据相对于第p条历史数据的第q个相对组的相对护理效果,/>表示第p条历史数据的第q个相对组中所有条历史数据的数量,表示第p条历史数据和第p条历史数据的第q个相对组中的第k条历史数据的患者体征数据的相似度,/>表示第p条历史数据的患者体征数据,/>表示第p条历史数据的第q个相对组中的第k条历史数据的患者体征数据,/>表示第p条历史数据的第q个相对组的第k条历史数据的排痰护理效果;
同理,获得所有条历史数据的患者体数据相对于所有条历史数据的所有相对组的相对护理效果;
所述计算每个护理档位组对新患者的第h次排痰护理的推荐得分,包括的具体步骤如下:
第r个护理档位组对新患者的第h次排痰护理的推荐得分的计算公式为:
;
式中,表示第r个护理档位组对新患者的第h次排痰护理的推荐得分,/>表示新患者的第h次排痰护理的替代历史数据的数量,/>表示新患者的第h次排痰护理的第/>个替代历史数据的对比历史数据的数量,/>表示新患者的第h次排痰护理的第/>个替代历史数据的患者体征数据和新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的患者体征数据的相似度,/>表示新患者的第h次排痰护理的第/>个替代历史数据的患者体征数据,/>表示新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的患者体征数据,/>表示新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果。
2.根据权利要求1所述的一种呼吸内科清肺排痰装置智能管理系统,其特征在于,所述计算所有两条历史数据的患者体征数据的相似度,包括的具体步骤如下:
第a条历史数据和第b条历史数据的患者体征数据的相似度的计算公式为:
;
式中,表示第a条历史数据和第b条历史数据的患者体征数据的相似度,表示第a条历史数据和第b条历史数据的患者体征数据的欧式距离,/>表示第a条历史数据的患者体征数据,/>表示第b条历史数据的患者体征数据,/>表示以自然常数为底的对数函数;
计算所有两条历史数据的患者体征数据的相似度。
3.根据权利要求1所述的一种呼吸内科清肺排痰装置智能管理系统,其特征在于,所述获得所有患者的护理历史数据序列,包括的具体步骤如下:
对于任意一个患者而言,进行多次排痰护理后会产生多条历史数据,将该患者的所有条历史数据按照先后顺序组成的序列记为该患者的护理历史数据序列,获得所有患者的护理历史数据序列。
4.根据权利要求1所述的一种呼吸内科清肺排痰装置智能管理系统,其特征在于,所述获得新患者的第h次排痰护理的替代历史数据,包括的具体步骤如下:
如果,将新患者的患者体征数据作为新患者的第h次排痰护理的替代历史数据;如果/>,获取新患者的第h-1次排痰护理的所有对比历史数据中,实际护理档位等于新患者的第h-1次排痰护理的推荐护理档位的对比历史数据,获得这些对比历史数据在所有患者的护理历史数据序列中的下一条历史数据,将获得的所有历史数据记为新患者的第h次排痰护理的替代历史数据。
5.根据权利要求1所述的一种呼吸内科清肺排痰装置智能管理系统,其特征在于,所述获得新患者的第h次排痰护理的所有替代历史数据的所有对比历史数据,包括的具体步骤如下:
对新患者的第h次排痰护理的任意一个替代历史数据,获取该替代历史数据的患者体征数据和所有条历史数据的患者体征数据的相似度,将相似度最大的K条历史数据作为该替代历史数据的对比历史数据,K表示预设数量;将所有替代历史数据的所有对比历史数据记为新患者的第h次排痰护理的所有对比历史数据。
6.根据权利要求1所述的一种呼吸内科清肺排痰装置智能管理系统,其特征在于,所述新患者的第h次排痰护理的第个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果具体为:
如果新患者的第h次排痰护理的第个替代历史数据的第f条对比历史数据属于第r个护理档位组,将新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的排痰护理效果作为新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果;如果新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据不属于第r个护理档位组,将新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据的患者体数据相对于第r个护理档位组的相对护理效果作为新患者的第h次排痰护理的第/>个替代历史数据的第f条对比历史数据相对于第r个护理档位组的对比护理效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310703898.8A CN116434975B (zh) | 2023-06-14 | 2023-06-14 | 一种呼吸内科清肺排痰装置智能管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310703898.8A CN116434975B (zh) | 2023-06-14 | 2023-06-14 | 一种呼吸内科清肺排痰装置智能管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116434975A CN116434975A (zh) | 2023-07-14 |
CN116434975B true CN116434975B (zh) | 2023-09-01 |
Family
ID=87085871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310703898.8A Active CN116434975B (zh) | 2023-06-14 | 2023-06-14 | 一种呼吸内科清肺排痰装置智能管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116434975B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778042A (zh) * | 2017-01-26 | 2017-05-31 | 中电科软件信息服务有限公司 | 心脑血管患者相似性分析方法及系统 |
CN108543182A (zh) * | 2018-05-02 | 2018-09-18 | 北京雅果科技有限公司 | 无创呼吸机用辅助排痰方法及无创呼吸机 |
CN110610761A (zh) * | 2018-06-14 | 2019-12-24 | 胡盛寿 | 一种高血压辅诊方法和系统 |
WO2021139116A1 (zh) * | 2020-05-14 | 2021-07-15 | 平安科技(深圳)有限公司 | 相似患者智能分群方法、装置、设备和存储介质 |
CN113744867A (zh) * | 2021-08-30 | 2021-12-03 | 平安科技(深圳)有限公司 | 一种药物推荐循证支持方法、装置、设备及存储介质 |
CN114203299A (zh) * | 2021-12-13 | 2022-03-18 | 浙江大学 | 基于患者相似性的先心病术后风险可视化评估方法 |
CN114569093A (zh) * | 2022-03-02 | 2022-06-03 | 宁波市第一医院 | 呼吸科用清肺排痰设备 |
CN114947755A (zh) * | 2022-07-26 | 2022-08-30 | 深圳美格尔生物医疗集团有限公司 | 一种nox指数计算方法及监护仪 |
DE102022105049A1 (de) * | 2021-03-08 | 2022-09-08 | Korea Labor Welfare Corporation Co., Ltd. | Verfahren, vorrichtung und system zur empfehlung eines sets aus rehabilitationsprogrammen für einen bei einem arbeitsunfall verletzten arbeiter |
WO2022249407A1 (ja) * | 2021-05-27 | 2022-12-01 | 日本電気株式会社 | アセスメント支援システム、アセスメント支援方法、及び記録媒体 |
-
2023
- 2023-06-14 CN CN202310703898.8A patent/CN116434975B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778042A (zh) * | 2017-01-26 | 2017-05-31 | 中电科软件信息服务有限公司 | 心脑血管患者相似性分析方法及系统 |
CN108543182A (zh) * | 2018-05-02 | 2018-09-18 | 北京雅果科技有限公司 | 无创呼吸机用辅助排痰方法及无创呼吸机 |
CN110610761A (zh) * | 2018-06-14 | 2019-12-24 | 胡盛寿 | 一种高血压辅诊方法和系统 |
WO2021139116A1 (zh) * | 2020-05-14 | 2021-07-15 | 平安科技(深圳)有限公司 | 相似患者智能分群方法、装置、设备和存储介质 |
DE102022105049A1 (de) * | 2021-03-08 | 2022-09-08 | Korea Labor Welfare Corporation Co., Ltd. | Verfahren, vorrichtung und system zur empfehlung eines sets aus rehabilitationsprogrammen für einen bei einem arbeitsunfall verletzten arbeiter |
WO2022249407A1 (ja) * | 2021-05-27 | 2022-12-01 | 日本電気株式会社 | アセスメント支援システム、アセスメント支援方法、及び記録媒体 |
CN113744867A (zh) * | 2021-08-30 | 2021-12-03 | 平安科技(深圳)有限公司 | 一种药物推荐循证支持方法、装置、设备及存储介质 |
CN114203299A (zh) * | 2021-12-13 | 2022-03-18 | 浙江大学 | 基于患者相似性的先心病术后风险可视化评估方法 |
CN114569093A (zh) * | 2022-03-02 | 2022-06-03 | 宁波市第一医院 | 呼吸科用清肺排痰设备 |
CN114947755A (zh) * | 2022-07-26 | 2022-08-30 | 深圳美格尔生物医疗集团有限公司 | 一种nox指数计算方法及监护仪 |
Non-Patent Citations (1)
Title |
---|
慢性阻塞性肺疾病急性加重期患者排痰专项护理疗效观察;洪艳丽;王霞;;临床误诊误治(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116434975A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111696660B (zh) | 基于人工智能的患者分群方法、装置、设备及存储介质 | |
CN103116707A (zh) | 一种基于案例推理的心脏病智能诊断方法 | |
CN111899861A (zh) | 一种重症病房智能护理方法及系统 | |
CN116453706B (zh) | 一种基于强化学习的血液透析方案制定方法及系统 | |
CN105848581A (zh) | 用于管理身体中的体液体积的方法和装置 | |
CN111939353A (zh) | 血液透析中低血压事件的预测模型的构建方法 | |
CN110477907B (zh) | 一种智能辅助识别痫性发作的建模方法 | |
CN115497616B (zh) | 一种感染性疾病辅助决策的方法、系统、设备及存储介质 | |
US20220047789A1 (en) | Adequacy assessment method and system | |
CN116682566B (zh) | 一种血液透析的数据处理方法及系统 | |
CN116434975B (zh) | 一种呼吸内科清肺排痰装置智能管理系统 | |
CN113066556A (zh) | 基于不同体能表现水平的运动指导方法 | |
CN116631563B (zh) | 一种医药行业大数据存储及智能匹配方法 | |
CN116886104B (zh) | 一种基于人工智能的智慧医疗数据分析方法 | |
CN117503153A (zh) | 基于人工智能的患者术后康复评价方法 | |
CN111261283B (zh) | 基于金字塔型卷积层的心电信号深度神经网络建模方法 | |
CN108986920B (zh) | 透析充分性蛋白分解率评估方法及系统 | |
CN112992312B (zh) | 一种脊髓损伤康复训练合格监测方法及系统 | |
CN113903470A (zh) | 一种血液透析后患者的生活智能提醒方法及系统 | |
CN115099275A (zh) | 一种基于人工神经网络的心律失常诊断模型的训练方法 | |
Celik et al. | Deep Learning Approaches for Type-1 Diabetes: Blood Glucose Prediction | |
CN109887599B (zh) | 一种基于神经网络的中医处方疗效推演方法 | |
CN117912634B (zh) | 一种神经外科患者术后康复训练推荐方法 | |
CN113368403B (zh) | 一种可以提高心肺功能的智能理疗系统 | |
CN112216394A (zh) | 一种基于自适应寻优模型的血糖变化趋势预测系统 |
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 |