CN116439698A - 一种重症监护室血糖监测预警方法、系统及设备 - Google Patents
一种重症监护室血糖监测预警方法、系统及设备 Download PDFInfo
- Publication number
- CN116439698A CN116439698A CN202310342139.3A CN202310342139A CN116439698A CN 116439698 A CN116439698 A CN 116439698A CN 202310342139 A CN202310342139 A CN 202310342139A CN 116439698 A CN116439698 A CN 116439698A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- time
- data
- historical
- blood sugar
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 263
- 239000008280 blood Substances 0.000 title claims abstract description 254
- 210000004369 blood Anatomy 0.000 title claims abstract description 254
- 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 title claims abstract description 155
- 239000008103 glucose Substances 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 52
- 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 claims abstract description 248
- 102000004877 Insulin Human genes 0.000 claims abstract description 124
- 108090001061 Insulin Proteins 0.000 claims abstract description 124
- 229940125396 insulin Drugs 0.000 claims abstract description 124
- 238000005086 pumping Methods 0.000 claims abstract description 109
- 238000004364 calculation method Methods 0.000 claims abstract description 61
- 238000005259 measurement Methods 0.000 claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 238000012937 correction Methods 0.000 claims abstract description 36
- 238000012795 verification Methods 0.000 claims abstract description 12
- 235000016709 nutrition Nutrition 0.000 claims description 55
- 230000035764 nutrition Effects 0.000 claims description 49
- 238000011156 evaluation Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 230000002641 glycemic effect Effects 0.000 claims description 8
- 238000011897 real-time detection Methods 0.000 claims description 6
- 235000006286 nutrient intake Nutrition 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000003556 assay Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 230000003345 hyperglycaemic effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 230000001360 synchronised effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 208000028399 Critical Illness Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 201000001421 hyperglycemia Diseases 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000001990 intravenous administration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/142—Pressure infusion, e.g. using pumps
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/20—Blood composition characteristics
- A61M2230/201—Glucose concentration
-
- 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
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Optics & Photonics (AREA)
- Emergency Medicine (AREA)
- Vascular Medicine (AREA)
- Anesthesiology (AREA)
- Hematology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及信息监测技术领域,更具体地,涉及一种重症监护室血糖监测预警方法、系统及设备。该方案包括设置传感器监测配置,自动生成每个监测位置的实时血糖测定值;对监测时点根据历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据;根据历史血糖监测数据、监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合。该方案通过多个传感器实时监测重症监护患者的血糖,并根据人工智能学习计算获得多个安全等级对应的胰岛素泵入剂量,结合基于物联网技术的多节点自同步,实现医生站和护士站同步监测预警。
Description
技术领域
本发明涉及信息监测技术领域,更具体地,涉及一种重症监护室血糖监测预警方法、系统及设备。
背景技术
血糖异常升高或降低是急危重症患者最常见的病理现象,有报道危重患者中血糖正常者仅占22.7%。合理的血糖监测与控制是急危重症患者整体治疗中的重要环节,越来越受到人们的重视。但是,微量泵胰岛素静脉推注是控制危重患者高血糖最主要的方法,缺乏统一的方案及流程。
在本发明技术之前,重症监护患者血糖管理难度大,血糖管理过分依赖经验,无法及时、准确地胰岛素泵入,难以实现自动血糖管理的问题。
发明内容
鉴于上述问题,本发明提出了一种重症监护室血糖监测预警方法、系统及设备,通过多个传感器实时监测重症监护患者的血糖,并根据人工智能学习计算获得多个安全等级对应的胰岛素泵入剂量,结合基于物联网技术的多节点自同步,实现医生站和护士站同步监测预警。
根据本发明实施例第一方面,提供一种重症监护室血糖监测预警方法。
在一个或多个实施例中,优选地,所述一种重症监护室血糖监测预警方法包括:
设置传感器监测配置,自动生成每个监测位置的实时血糖测定值;
对实时血糖测定值加入时标,形成每个监测位置的历史血糖监测数据;
对每次胰岛素泵入量和时间进行统计,形成历史胰岛素泵入量数据;
获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据对应设置摄入营养后的监测时点;
对所述监测时点根据所述历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据;
根据所述历史血糖监测数据、所述监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合。
在一个或多个实施例中,优选地,所述设置传感器监测配置,自动生成每个监测位置的实时血糖测定值,具体包括:
在线设置每个传感器的监测方式、监测时间和监测时点;
启动所有的传感器,自动生成每个监测位置的实时血糖测定值。
在一个或多个实施例中,优选地,所述对实时血糖测定值加入时标,形成每个监测位置的历史血糖监测数据,具体包括:
获得所述实时血糖测定值,提取当前的监测时间,对每个实时血糖测定值加入时标;
对每个加入时标的实时血糖测定值,按照监测点的不同进行保存,形成每个监测位置的历史血糖监测数据。
在一个或多个实施例中,优选地,所述对每次胰岛素泵入量和时间进行统计,形成历史胰岛素泵入量数据,具体包括:
对每次胰岛素泵入量和时间进行统计,并对每个时间段内的胰岛素泵入量进行流量的记录;
按照不同的监测点的位置,存储形成历史胰岛素泵入量数据。
在一个或多个实施例中,优选地,所述获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据对应设置摄入营养后的监测时点,具体包括:
设置摄入营养后的监视时间间隔长度;
记录每次的摄入营养数据,所述摄入营养数据至少包括摄入营养时刻;
对所述摄入营养时刻后,按照所述监视时间间隔长度设置若干个监测时点。
在一个或多个实施例中,优选地,所述对所述监测时点根据所述历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据,具体包括:
根据所述监测时点等待所述医护人员进行离线分析并生成数据分析结果;
根据所述分析结果,判断每个监测位置的历史血糖监测数据在哪些监测时点血糖过高,认定为实时血糖测定值超过上限;
根据所述分析结果,判断每个监测位置的历史血糖监测数据在哪些监测时点血糖过低,认定为实时血糖测定值超过下限。
在一个或多个实施例中,优选地,所述根据所述历史血糖监测数据、所述监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合,具体包括:
获得当前时刻的每个监测位置的实时血糖测定值,判断是否满足第一计算公式,若满足则不做处理,若不满足则启动实时检测控制模块,其中,所述实时检测控制模块用于控制自动进行每个监测位置的胰岛素泵入和风险预警;
提取每个监测位置的历史血糖监测数据,对应获取历史胰岛素泵入量数据,对于历史血糖监测数据中实时血糖测定值超过上限时的全部数据,利用第二计算公式进行拟合更新,对于历史血糖监测数据中实时血糖测定值超过下限时的全部数据,利用第三计算公式进行拟合更新;
根据当前的所述实时血糖测定值和对应的摄入营养数据,确定当前的时点,利用拟合更新后的第二计算公式计算第一历史动态曲线预测值,利用拟合更新后的第三计算公式计算第二历史动态曲线预测值,利用第四计算公式进行判断,若满足所述第四计算公式,则不做处理,若高于所述第一历史动态曲线预测值,则发出高风险预警,若低于所述第二历史动态曲线预测值,则发出启动自适应泵入量运算命令;
在收到所述启动自适应泵入量运算命令后,对历史数据中全部的血糖过低时的数据利用第五计算公式计算第一血糖裕度和第二血糖裕度,并对历史数据中全部的胰岛素泵入流量利用第六计算公式计算第一胰岛素泵入流量和第二胰岛素泵入流量;
当所述实时血糖测定值高于所述第二血糖裕度,推荐泵入流量为第一胰岛素泵入流量;
当所述实时血糖测定值不高于所述第二血糖裕度,且低于所述第一血糖裕度,推荐泵入第二胰岛素泵入流量;
当所述实时血糖测定值低于所述第一血糖裕度,发出危险告警,并推荐泵入第二胰岛素泵入流量的1.2倍;
在胰岛素泵入完成后记录当次泵入流量,并收集泵入量评分,利用第七计算公式上限数据修正系数的集合和下限数据修正系数集合;
所述第一计算公式为:
L1<C<L2
其中,C为实时血糖测定值,L1为所述绝对启动范围上限,L2为绝对启动范围下限;
所述第二计算公式为:
其中,y1为第一历史动态曲线预测值,i为摄入营养后的第i个上限超限测试时点,n1为上限超限测试时点,A1i为第i个上限数据修正系数;
所述第三计算公式为:
其中,y2为第二历史动态曲线预测值,j为摄入营养后的第j个下限超限测试时点,n2为下限超限测试时点,A2j为第j个下限数据修正系数;
所述第四计算公式为:
y2<C<y1;
所述第五计算公式为:
其中,为提取历史数据中血糖过低时血糖最低三分之一的流量,为提取历史数据中血糖过低时血糖最大三分之一的流量,B1为第一血糖裕度,B2为第二血糖裕度;
所述第六计算公式为:
其中,T1为第一胰岛素泵入流量,T2为第二胰岛素泵入流量,为提取历史数据中胰岛素泵入流量最低三分之一的流量,/>为提取历史数据中胰岛素泵入流量最大三分之一的流量;
所述第七计算公式为:
其中,arg min()为提取胰岛素泵入评价分数总和最高时对应的{A1i}和{A1j},k为胰岛素泵入次数,PJk为第k次胰岛素泵入评价分数,K为胰岛素泵入次数总数,{A1i}为上限数据修正系数的集合,{A1j}为下限数据修正系数。
根据本发明实施例第二方面,提供一种重症监护室血糖监测预警系统。
在一个或多个实施例中,优选地,所述一种重症监护室血糖监测预警系统包括:
血糖监视模块,用于设置传感器监测配置,自动生成每个监测位置的实时血糖测定值;
多点同步模块,用于对实时血糖测定值加入时标,形成每个监测位置的历史血糖监测数据;
时间记录模块,用于对每次胰岛素泵入量和时间进行统计,形成历史胰岛素泵入量数据;
时点分析模块,用于获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据对应设置摄入营养后的监测时点;
越限分析模块,用于对所述监测时点根据所述历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据;
泵入控制模块,用于根据所述历史血糖监测数据、所述监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合。
根据本发明实施例第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面,提供一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明方案中,通过人工智能学习设置获得多个安全等级对应的胰岛素泵入剂量自动学习方法,提升泵入剂量控制精度。
本发明方案中,基于物联网技术的多节点自同步,实现自动信息同步,完成自适应的重症监护。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的一种重症监护室血糖监测预警方法的流程图。
图2是本发明一个实施例的一种重症监护室血糖监测预警方法中的设置传感器监测配置,自动生成每个监测位置的实时血糖测定值的流程图。
图3是本发明一个实施例的一种重症监护室血糖监测预警方法中的对实时血糖测定值加入时标,形成每个监测位置的历史血糖监测数据的流程图。
图4是本发明一个实施例的一种重症监护室血糖监测预警方法中的对每次胰岛素泵入量和时间进行统计,形成历史胰岛素泵入量数据的流程图。
图5是本发明一个实施例的一种重症监护室血糖监测预警方法中的获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据对应设置摄入营养后的监测时点的流程图。
图6是本发明一个实施例的一种重症监护室血糖监测预警方法中的对所述监测时点根据所述历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据的流程图。
图7是本发明一个实施例的一种重症监护室血糖监测预警方法中的根据所述历史血糖监测数据、所述监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合的流程图。
图8是本发明一个实施例的一种重症监护室血糖监测预警系统的结构图。
图9是本发明一个实施例中一种电子设备的结构图。
具体实施方式
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
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,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
血糖异常升高或降低是急危重症患者最常见的病理现象,有报道危重患者中血糖正常者仅占22.7%。合理的血糖监测与控制是急危重症患者整体治疗中的重要环节,越来越受到人们的重视。但是,微量泵胰岛素静脉推注是控制危重患者高血糖最主要的方法,缺乏统一的方案及流程。
在本发明技术之前,重症监护患者血糖管理难度大,血糖管理过分依赖经验,无法及时、准确地胰岛素泵入,难以实现自动血糖管理的问题。
本发明实施例中,提供了一种重症监护室血糖监测预警方法、系统及设备。该方案通过多个传感器实时监测重症监护患者的血糖,并根据人工智能学习计算获得多个安全等级对应的胰岛素泵入剂量,结合基于物联网技术的多节点自同步,实现医生站和护士站同步监测预警。
根据本发明实施例第一方面,提供一种重症监护室血糖监测预警方法。
图1是本发明一个实施例的一种重症监护室血糖监测预警方法的流程图。
在一个或多个实施例中,优选地,所述一种重症监护室血糖监测预警方法包括:
S101、设置传感器监测配置,自动生成每个监测位置的实时血糖测定值;
S102、对实时血糖测定值加入时标,形成每个监测位置的历史血糖监测数据;
S103、对每次胰岛素泵入量和时间进行统计,形成历史胰岛素泵入量数据;
S104、获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据对应设置摄入营养后的监测时点;
S105、对所述监测时点根据所述历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据;
S106、根据所述历史血糖监测数据、所述监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合。
在本发明实施例中,通过多点协同,结合物联网进行数据的在线同步分析,使得多个监测点采用相同的评价模式和时点运算方式,并基于历史血糖数据和历史的胰岛素泵入和评价结果,自动进行对应的推荐的胰岛素泵入量,并形成在线的自动学习、自动更新机制,实现自适应的重症监测点的数据更新与量化。
图2是本发明一个实施例的一种重症监护室血糖监测预警方法中的设置传感器监测配置,自动生成每个监测位置的实时血糖测定值的流程图。
如图2所示,在一个或多个实施例中,优选地,所述设置传感器监测配置,自动生成每个监测位置的实时血糖测定值,具体包括:
S201、在线设置每个传感器的监测方式、监测时间和监测时点;
S202、启动所有的传感器,自动生成每个监测位置的实时血糖测定值。
在本发明实施例中,为了满足每次监视过程中不影响重症监护者的状态,在预先根据每个患者的情况,由医师预先在系统上设置好每个传感器的监测方式、监测时间和监测时点,进而在后续执行中,自动进行对应数据的提取。
图3是本发明一个实施例的一种重症监护室血糖监测预警方法中的对实时血糖测定值加入时标,形成每个监测位置的历史血糖监测数据的流程图。
如图3所示,在一个或多个实施例中,优选地,所述对实时血糖测定值加入时标,形成每个监测位置的历史血糖监测数据,具体包括:
S301、获得所述实时血糖测定值,提取当前的监测时间,对每个实时血糖测定值加入时标;
S302、对每个加入时标的实时血糖测定值,按照监测点的不同进行保存,形成每个监测位置的历史血糖监测数据。
在本发明实施例中,为了保障每次的监视数据全部能够有效的存储对实时血糖测定值加入时标,并自动进行保存,进而形成每个监测位置的历史血糖监测数据。
图4是本发明一个实施例的一种重症监护室血糖监测预警方法中的对每次胰岛素泵入量和时间进行统计,形成历史胰岛素泵入量数据的流程图。
如图4所示,在一个或多个实施例中,优选地,所述对每次胰岛素泵入量和时间进行统计,形成历史胰岛素泵入量数据,具体包括:
S401、对每次胰岛素泵入量和时间进行统计,并对每个时间段内的胰岛素泵入量进行流量的记录;
S402、按照不同的监测点的位置,存储形成历史胰岛素泵入量数据。
在本发明实施例中,当监测期间,对患者进行了胰岛素的泵入,自动进行对每次胰岛素泵入量和时间进行统计,进而根据不同的监测点形成历史胰岛素泵入量数据。
图5是本发明一个实施例的一种重症监护室血糖监测预警方法中的获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据对应设置摄入营养后的监测时点的流程图。
如图5所示,在一个或多个实施例中,优选地,所述获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据对应设置摄入营养后的监测时点,具体包括:
S501、设置摄入营养后的监视时间间隔长度;
S502、记录每次的摄入营养数据,所述摄入营养数据至少包括摄入营养时刻;
S503、对所述摄入营养时刻后,按照所述监视时间间隔长度设置若干个监测时点。
在本发明实施例中,为了能够形成客观的监视数据,获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据为基础,对应设置摄入营养后的监测时点。
图6是本发明一个实施例的一种重症监护室血糖监测预警方法中的对所述监测时点根据所述历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据的流程图。
如图6所示,在一个或多个实施例中,优选地,所述对所述监测时点根据所述历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据,具体包括:
S601、根据所述监测时点等待所述医护人员进行离线分析并生成数据分析结果;
S602、根据所述分析结果,判断每个监测位置的历史血糖监测数据在哪些监测时点血糖过高,认定为实时血糖测定值超过上限;
S603、根据所述分析结果,判断每个监测位置的历史血糖监测数据在哪些监测时点血糖过低,认定为实时血糖测定值超过下限。
在本发明实施例中,在每个监测时点,根据所述历史血糖监测数据,由医护人员离线进行评价分析,进而设置在历史数据中的实时血糖测定值超过上限和实时血糖测定值超过下限的时段,并记录对应的时段内的胰岛素泵入量数据和历史血糖监测数据。
图7是本发明一个实施例的一种重症监护室血糖监测预警方法中的根据所述历史血糖监测数据、所述监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合的流程图。
如图7所示,在一个或多个实施例中,优选地,所述根据所述历史血糖监测数据、所述监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合,具体包括:
S701、获得当前时刻的每个监测位置的实时血糖测定值,判断是否满足第一计算公式,若满足则不做处理,若不满足则启动实时检测控制模块,其中,所述实时检测控制模块用于控制自动进行每个监测位置的胰岛素泵入和风险预警;
S702、提取每个监测位置的历史血糖监测数据,对应获取历史胰岛素泵入量数据,对于历史血糖监测数据中实时血糖测定值超过上限时的全部数据,利用第二计算公式进行拟合更新,对于历史血糖监测数据中实时血糖测定值超过下限时的全部数据,利用第三计算公式进行拟合更新;
S703、根据当前的所述实时血糖测定值和对应的摄入营养数据,确定当前的时点,利用拟合更新后的第二计算公式计算第一历史动态曲线预测值,利用拟合更新后的第三计算公式计算第二历史动态曲线预测值,利用第四计算公式进行判断,若满足所述第四计算公式,则不做处理,若高于所述第一历史动态曲线预测值,则发出高风险预警,若低于所述第二历史动态曲线预测值,则发出启动自适应泵入量运算命令;
S704、在收到所述启动自适应泵入量运算命令后,对历史数据中全部的血糖过低时的数据利用第五计算公式计算第一血糖裕度和第二血糖裕度,并对历史数据中全部的胰岛素泵入流量利用第六计算公式计算第一胰岛素泵入流量和第二胰岛素泵入流量;
S705、当所述实时血糖测定值高于所述第二血糖裕度,推荐泵入流量为第一胰岛素泵入流量;
S706、当所述实时血糖测定值不高于所述第二血糖裕度,且低于所述第一血糖裕度,推荐泵入第二胰岛素泵入流量;
S707、当所述实时血糖测定值低于所述第一血糖裕度,发出危险告警,并推荐泵入第二胰岛素泵入流量的1.2倍;
S708、在胰岛素泵入完成后记录当次泵入流量,并收集泵入量评分,利用第七计算公式上限数据修正系数的集合和下限数据修正系数集合;
所述第一计算公式为:
L1<C<L2
其中,C为实时血糖测定值,L1为所述绝对启动范围上限,L2为绝对启动范围下限;
所述第二计算公式为:
其中,y1为第一历史动态曲线预测值,i为摄入营养后的第i个上限超限测试时点,n1为上限超限测试时点,A1i为第i个上限数据修正系数;
所述第三计算公式为:
其中,y2为第二历史动态曲线预测值,j为摄入营养后的第j个下限超限测试时点,n2为下限超限测试时点,A2j为第j个下限数据修正系数;
所述第四计算公式为:
y2<C<y1;
所述第五计算公式为:
其中,为提取历史数据中血糖过低时血糖最低三分之一的流量,为提取历史数据中血糖过低时血糖最大三分之一的流量,B1为第一血糖裕度,B2为第二血糖裕度;
所述第六计算公式为:
其中,T1为第一胰岛素泵入流量,T2为第二胰岛素泵入流量,为提取历史数据中胰岛素泵入流量最低三分之一的流量,/>为提取历史数据中胰岛素泵入流量最大三分之一的流量;
所述第七计算公式为:
其中,arg min()为提取胰岛素泵入评价分数总和最高时对应的{A1i}和{A1j},k为胰岛素泵入次数,PJk为第k次胰岛素泵入评价分数,K为胰岛素泵入次数总数,{A1i}为上限数据修正系数的集合,{A1j}为下限数据修正系数。
在本发明实施例中,进行基于血糖监视和历史数据的在线分析与评价,完成每次泵入胰岛素剂量的分级控制,并结合评价结果综合管理动态过程的上限数据和下限数据的系数,最终,实现了动态的基于多点数据的自动精准控制胰岛素的泵入预测数据,结合评价分数自适应更正预估的泵入剂量与血糖之间的最优关系。
根据本发明实施例第二方面,提供一种重症监护室血糖监测预警系统。
图8是本发明一个实施例的一种重症监护室血糖监测预警系统的结构图。
在一个或多个实施例中,优选地,所述一种重症监护室血糖监测预警系统包括:
血糖监视模块801,用于设置传感器监测配置,自动生成每个监测位置的实时血糖测定值;
多点同步模块802,用于对实时血糖测定值加入时标,形成每个监测位置的历史血糖监测数据;
时间记录模块803,用于对每次胰岛素泵入量和时间进行统计,形成历史胰岛素泵入量数据;
时点分析模块804,用于获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据对应设置摄入营养后的监测时点;
越限分析模块805,用于对所述监测时点根据所述历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据;
泵入控制模块806,用于根据所述历史血糖监测数据、所述监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合。
在本发明实施例中,通过一系列的模块化设计,实现一个适用于不同结构下的系统,该系统能够通过采集、分析和控制,实现闭环的、可靠的、高效的执行。
根据本发明实施例第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面,提供一种电子设备。图9是本发明一个实施例中一种电子设备的结构图。图9所示的电子设备为通用重症监护室血糖监测预警装置,其包括通用的计算机硬件结构,其至少包括处理器901和存储器902。处理器901和存储器902通过总线903连接。存储器902适于存储处理器901可执行的指令或程序。处理器901可以是独立的微处理器,也可以是一个或者多个微处理器集合。由此,处理器901通过执行存储器902所存储的指令,从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线903将上述多个组件连接在一起,同时将上述组件连接到显示控制器904和显示装置以及输入/输出(I/O)装置905。输入/输出(I/O)装置905可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地,输入/输出装置905通过输入/输出(I/O)控制器906与系统相连。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明方案中,通过人工智能学习设置获得多个安全等级对应的胰岛素泵入剂量自动学习方法,提升泵入剂量控制精度。
本发明方案中,基于物联网技术的多节点自同步,实现自动信息同步,完成自适应的重症监护。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种重症监护室血糖监测预警方法,其特征在于,该方法包括:
设置传感器监测配置,自动生成每个监测位置的实时血糖测定值;
对实时血糖测定值加入时标,形成每个监测位置的历史血糖监测数据;
对每次胰岛素泵入量和时间进行统计,形成历史胰岛素泵入量数据;
获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据对应设置摄入营养后的监测时点;
对所述监测时点根据所述历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据;
根据所述历史血糖监测数据、所述监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合。
2.如权利要求1所述的一种重症监护室血糖监测预警方法,其特征在于,所述设置传感器监测配置,自动生成每个监测位置的实时血糖测定值,具体包括:
在线设置每个传感器的监测方式、监测时间和监测时点;
启动所有的传感器,自动生成每个监测位置的实时血糖测定值。
3.如权利要求2所述的一种重症监护室血糖监测预警方法,其特征在于,所述对实时血糖测定值加入时标,形成每个监测位置的历史血糖监测数据,具体包括:
获得所述实时血糖测定值,提取当前的监测时间,对每个实时血糖测定值加入时标;
对每个加入时标的实时血糖测定值,按照监测点的不同进行保存,形成每个监测位置的历史血糖监测数据。
4.如权利要求1所述的一种重症监护室血糖监测预警方法,其特征在于,所述对每次胰岛素泵入量和时间进行统计,形成历史胰岛素泵入量数据,具体包括:
对每次胰岛素泵入量和时间进行统计,并对每个时间段内的胰岛素泵入量进行流量的记录;
按照不同的监测点的位置,存储形成历史胰岛素泵入量数据。
5.如权利要求1所述的一种重症监护室血糖监测预警方法,其特征在于,所述获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据对应设置摄入营养后的监测时点,具体包括:
设置摄入营养后的监视时间间隔长度;
记录每次的摄入营养数据,所述摄入营养数据至少包括摄入营养时刻;
对所述摄入营养时刻后,按照监视时间间隔长度设置若干个监测时点。
6.如权利要求1所述的一种重症监护室血糖监测预警方法,其特征在于,所述对所述监测时点根据所述历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据,具体包括:
根据所述监测时点等待所述医护人员进行离线分析并生成数据分析结果;
根据所述分析结果,判断每个监测位置的历史血糖监测数据在哪些监测时点血糖过高,认定为实时血糖测定值超过上限;
根据所述分析结果,判断每个监测位置的历史血糖监测数据在哪些监测时点血糖过低,认定为实时血糖测定值超过下限。
7.如权利要求3所述的一种重症监护室血糖监测预警方法,其特征在于,所述根据所述历史血糖监测数据、所述监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合,具体包括:
获得当前时刻的每个监测位置的实时血糖测定值,判断是否满足第一计算公式,若满足则不做处理,若不满足则启动实时检测控制模块,其中,所述实时检测控制模块用于控制自动进行每个监测位置的胰岛素泵入和风险预警;
提取每个监测位置的历史血糖监测数据,对应获取历史胰岛素泵入量数据,对于历史血糖监测数据中实时血糖测定值超过上限时的全部数据,利用第二计算公式进行拟合更新,对于历史血糖监测数据中实时血糖测定值超过下限时的全部数据,利用第三计算公式进行拟合更新;
根据当前的所述实时血糖测定值和对应的摄入营养数据,确定当前的时点,利用拟合更新后的第二计算公式计算第一历史动态曲线预测值,利用拟合更新后的第三计算公式计算第二历史动态曲线预测值,利用第四计算公式进行判断,若满足所述第四计算公式,则不做处理,若高于所述第一历史动态曲线预测值,则发出高风险预警,若低于所述第二历史动态曲线预测值,则发出启动自适应泵入量运算命令;
在收到所述启动自适应泵入量运算命令后,对历史数据中全部的血糖过低时的数据利用第五计算公式计算第一血糖裕度和第二血糖裕度,并对历史数据中全部的胰岛素泵入流量利用第六计算公式计算第一胰岛素泵入流量和第二胰岛素泵入流量;
当所述实时血糖测定值高于所述第二血糖裕度,推荐泵入流量为第一胰岛素泵入流量;
当所述实时血糖测定值不高于所述第二血糖裕度,且低于所述第一血糖裕度,推荐泵入第二胰岛素泵入流量;
当所述实时血糖测定值低于所述第一血糖裕度,发出危险告警,并推荐泵入第二胰岛素泵入流量的1.2倍;
在胰岛素泵入完成后记录当次泵入流量,并收集泵入量评分,利用第七计算公式上限数据修正系数的集合和下限数据修正系数集合;
所述第一计算公式为:
L1<C<L2
其中,C为实时血糖测定值,L1为所述绝对启动范围上限,L2为绝对启动范围下限;
所述第二计算公式为:
其中,y1为第一历史动态曲线预测值,i为摄入营养后的第i个上限超限测试时点,n1为上限超限测试时点,A1i为第i个上限数据修正系数;
所述第三计算公式为:
其中,y2为第二历史动态曲线预测值,j为摄入营养后的第j个下限超限测试时点,n2为下限超限测试时点,A2j为第j个下限数据修正系数;
所述第四计算公式为:
y2<C<y1;
所述第五计算公式为:
其中,为提取历史数据中血糖过低时血糖最低三分之一的流量,/>为提取历史数据中血糖过低时血糖最大三分之一的流量,B1为第一血糖裕度,B2为第二血糖裕度;
所述第六计算公式为:
其中,T1为第一胰岛素泵入流量,T2为第二胰岛素泵入流量,为提取历史数据中胰岛素泵入流量最低三分之一的流量,/>为提取历史数据中胰岛素泵入流量最大三分之一的流量;
所述第七计算公式为:
其中,arg min()为提取胰岛素泵入评价分数总和最高时对应的{A1i}和{A1j},k为胰岛素泵入次数,PJk为第k次胰岛素泵入评价分数,K为胰岛素泵入次数总数,{A1i}为上限数据修正系数的集合,{A1j}为下限数据修正系数。
8.一种重症监护室血糖监测预警系统,其特征在于,该系统用于实施如权利要求1-7中任一项所述的方法,该系统包括:
血糖监视模块,用于设置传感器监测配置,自动生成每个监测位置的实时血糖测定值;
多点同步模块,用于对实时血糖测定值加入时标,形成每个监测位置的历史血糖监测数据;
时间记录模块,用于对每次胰岛素泵入量和时间进行统计,形成历史胰岛素泵入量数据;
时点分析模块,用于获取每个监测位置输入的摄入营养数据,并以所述摄入营养数据对应设置摄入营养后的监测时点;
越限分析模块,用于对所述监测时点根据所述历史血糖监测数据进行评价分析,获得实时血糖测定值超过上限时和实时血糖测定值超过下限时对应的胰岛素泵入量数据和历史血糖监测数据;
泵入控制模块,用于根据所述历史血糖监测数据、所述监测时点进行在线验证分析,获得推荐的胰岛素泵入量,并设置上限数据修正系数的集合和下限数据修正系数集合。
在本发明实施例中,通过一系列的模块化设计,实现一个适用于不同结构下的系统,该系统能够通过采集、分析和控制,实现闭环的、可靠的、高效的执行。
9.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310342139.3A CN116439698B (zh) | 2023-03-31 | 2023-03-31 | 一种重症监护室血糖监测预警方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310342139.3A CN116439698B (zh) | 2023-03-31 | 2023-03-31 | 一种重症监护室血糖监测预警方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116439698A true CN116439698A (zh) | 2023-07-18 |
CN116439698B CN116439698B (zh) | 2023-12-15 |
Family
ID=87129567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310342139.3A Active CN116439698B (zh) | 2023-03-31 | 2023-03-31 | 一种重症监护室血糖监测预警方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116439698B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110098548A1 (en) * | 2009-10-22 | 2011-04-28 | Abbott Diabetes Care Inc. | Methods for modeling insulin therapy requirements |
CN102500013A (zh) * | 2011-11-22 | 2012-06-20 | 北京化工大学 | 基于模型预测控制的大剂量胰岛素全自动智能输注方法和装置 |
US20120246106A1 (en) * | 2009-09-30 | 2012-09-27 | Mor Research Applications Ltd. | Monitoring device for management of insulin delivery |
CN103500285A (zh) * | 2013-10-14 | 2014-01-08 | 宋涛 | 血糖控制图谱 |
CN107715230A (zh) * | 2017-10-12 | 2018-02-23 | 微泰医疗器械(杭州)有限公司 | 基于云端大数据的胰岛素泵个体化配置优化系统和方法 |
US20200015738A1 (en) * | 2016-09-21 | 2020-01-16 | Commissariat à I'énergie atomique et aux énergies alternatives | Automated system for controlling the blood glucose level of a patient |
CN113270204A (zh) * | 2021-06-04 | 2021-08-17 | 荣曦 | 一种胰岛素泵初始剂量的预测方法 |
CN114023418A (zh) * | 2022-01-06 | 2022-02-08 | 苏州百孝医疗科技有限公司 | 胰岛素推荐方法和装置、监控血糖水平的系统 |
US20220062551A1 (en) * | 2018-12-21 | 2022-03-03 | Commissariat à I'énergie atomique et aux énergies alternatives | Automated system for regulating the blood glucose level of a patient |
-
2023
- 2023-03-31 CN CN202310342139.3A patent/CN116439698B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120246106A1 (en) * | 2009-09-30 | 2012-09-27 | Mor Research Applications Ltd. | Monitoring device for management of insulin delivery |
US20110098548A1 (en) * | 2009-10-22 | 2011-04-28 | Abbott Diabetes Care Inc. | Methods for modeling insulin therapy requirements |
CN102500013A (zh) * | 2011-11-22 | 2012-06-20 | 北京化工大学 | 基于模型预测控制的大剂量胰岛素全自动智能输注方法和装置 |
CN103500285A (zh) * | 2013-10-14 | 2014-01-08 | 宋涛 | 血糖控制图谱 |
US20200015738A1 (en) * | 2016-09-21 | 2020-01-16 | Commissariat à I'énergie atomique et aux énergies alternatives | Automated system for controlling the blood glucose level of a patient |
CN107715230A (zh) * | 2017-10-12 | 2018-02-23 | 微泰医疗器械(杭州)有限公司 | 基于云端大数据的胰岛素泵个体化配置优化系统和方法 |
WO2019072141A1 (zh) * | 2017-10-12 | 2019-04-18 | 微泰医疗器械(杭州)有限公司 | 基于云端大数据的胰岛素泵个体化配置优化系统和方法 |
US20220062551A1 (en) * | 2018-12-21 | 2022-03-03 | Commissariat à I'énergie atomique et aux énergies alternatives | Automated system for regulating the blood glucose level of a patient |
CN113270204A (zh) * | 2021-06-04 | 2021-08-17 | 荣曦 | 一种胰岛素泵初始剂量的预测方法 |
CN114023418A (zh) * | 2022-01-06 | 2022-02-08 | 苏州百孝医疗科技有限公司 | 胰岛素推荐方法和装置、监控血糖水平的系统 |
Non-Patent Citations (5)
Title |
---|
FEDERICO BILOTTA, M.D., PH.D: "Safety and Efficacy of Intensive Insulin Therapy in Critical Neurosurgical Patients", CRITICAL CARE MEDICINE, vol. 110 * |
NALANI HAVILAND: "Update on Clinical Utility of Continuous Glucose Monitoring in Type 1 Diabetes", CURRENT DIABETES REPORTS, vol. 16, no. 11, XP036085901, DOI: 10.1007/s11892-016-0808-5 * |
TORKESTANI, JA: "A learning automata-based blood glucose regulation mechanism in type 2 diabetes", CONTROL ENGINEERING PRACTICE, vol. 26 * |
左艳艳, 康焰, 尹万红等.: "重症急性胰腺炎患者血糖水平、血糖变异性与预后的资料分析", 中华医学会第五次全国重症医学大会论文汇编 * |
郭佳: "儿童青少年1型糖尿病患者疾病适应模型的理论与实证研究", 中国博士学位论文全文数据库 (医药卫生科技辑), no. 12 * |
Also Published As
Publication number | Publication date |
---|---|
CN116439698B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Samadi et al. | Automatic detection and estimation of unannounced meals for multivariable artificial pancreas system | |
JP6427554B2 (ja) | 流体分析器および関連方法 | |
US20240042192A1 (en) | Systems and methods for predicting patient health status | |
US10313422B2 (en) | Controlling a device based on log and sensor data | |
JP5728767B2 (ja) | インスリン送達の管理のための監視システム、方法、およびコンピュータプログラム | |
CN109682976B (zh) | 基于多模型融合的连续血糖监测传感器在线故障检测方法 | |
RU2014111290A (ru) | Способ, система и машиночитаемый носитель для адаптационного рекомендательного контроля сахарного диабета | |
Zhao et al. | Statistical analysis based online sensor failure detection for continuous glucose monitoring in type I diabetes | |
CN116682566B (zh) | 一种血液透析的数据处理方法及系统 | |
CN110379503B (zh) | 一种基于连续血糖监测系统的在线故障检测与诊断系统 | |
CN110827950A (zh) | 麻醉药物用量的确定方法、模型的训练方法以及模型 | |
CN116134532A (zh) | 用于通气患者的预测性撤机的系统和方法 | |
CN110448306B (zh) | 一种基于连续血糖监测系统的在线故障检测与诊断方法 | |
CN116612875A (zh) | 一种智能数字化管理制氧机监测控制系统 | |
CN116439698B (zh) | 一种重症监护室血糖监测预警方法、系统及设备 | |
US20220062548A1 (en) | Post meal compensation for automatic insulin delivery systems | |
CN112603834A (zh) | 一种用于患者肠内营养输入的控制系统及方法 | |
CN114842978B (zh) | 一种基于医疗大数据的血气分析智能检测系统及方法 | |
CN116206743A (zh) | 一种适用于糖尿病监测仪的运行检测管理系统 | |
EP2968707B1 (en) | Methods and computer system for determining a patient parameter, including a volume of fluid drainage | |
CN117280423A (zh) | 用于餐后血糖水平预测的方法和装置 | |
US20230335268A1 (en) | Time-controlled alarm handling for a medical dialysis device | |
Heuschkel et al. | Towards Automatic Classification of Common Therapy Errors for Diabetes Therapy Support | |
CN110740766A (zh) | 血液净化系统 | |
Cinar et al. | Fault Detection and Data Reconciliation |
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 |