CN116806132A - 评价装置、评价系统、评价方法、评价程序以及存储介质 - Google Patents

评价装置、评价系统、评价方法、评价程序以及存储介质 Download PDF

Info

Publication number
CN116806132A
CN116806132A CN202180092702.5A CN202180092702A CN116806132A CN 116806132 A CN116806132 A CN 116806132A CN 202180092702 A CN202180092702 A CN 202180092702A CN 116806132 A CN116806132 A CN 116806132A
Authority
CN
China
Prior art keywords
evaluation
respiratory
severity
pneumonia
patient
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
Application number
CN202180092702.5A
Other languages
English (en)
Inventor
宫川繁
泽芳树
麻野井英次
池川直
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heart Laboratory Co
Osaka University NUC
Original Assignee
Heart Laboratory Co
Osaka University NUC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heart Laboratory Co, Osaka University NUC filed Critical Heart Laboratory Co
Publication of CN116806132A publication Critical patent/CN116806132A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6892—Mats
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A61B2010/0083—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements for taking gas samples
    • A61B2010/0087—Breath samples
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0247—Pressure sensors

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种评价对象患者的肺炎的严重程度的评价装置(4)，其包括：取得单元(42)，取得所述对象患者的呼吸波形；计算单元(43)，根据所述呼吸波形计算表示呼吸周期或呼吸频率的不稳定性的指标的值；以及评价单元(44)，基于所述计算得到的值评价所述严重程度。

Description

评价装置、评价系统、评价方法、评价程序以及存储介质
技术领域
本发明涉及一种评价肺炎严重程度的技术，尤其是涉及一种评价由COVID-19引起的肺炎严重程度的技术。
背景技术
COVID-19在世界各国或地区传播，2021年1月下旬累计患者数超过1亿人、死亡数也达到210万人。在日本国内，2021年1月8日当天出现了7882名新患者，并且无法使所有患者都在医疗机构住院。即，几乎所有的COVID-19患者都进行投宿(收容)疗养和自家疗养，在这一过程中不得不仅让需要高级治疗的重病患者去住院。
对此，日本厚生劳动省(日本卫生、劳工和福利行政单位)规定，关于投宿疗养·自家疗养的COVID-19患者的健康观察，以日本的都、道、府、县(行政区划)的卫生所等为中心，使用电话等信息通信设备定期地掌握健康状态，并且在患者的症状恶化时能够迅速地到适当的医疗机构就诊(下述非专利文献1的第4页)。另外，还推进了通过向自家疗养者发送脉搏血氧计、检查氧饱和度来进行自家疗养者的健康观察(下述非专利文献2)。
引用文献列表
非专利文献
非专利文献1：“有关新型冠状病毒感染症的轻病患者等实施自家疗养(家庭护理)的注意事项”，日本厚生劳动省(the Ministry of Health,Labour and Welfare)，新型冠状病毒感染症对策推进本部，2020年5月1日(2020年8月7日修订)，因特网<URL：https：//www.mhlw.go.jp/content/000657891.pdf>
非专利文献2：“关于自家疗养中健康观察时的脉搏血氧计的有效利用”，厚生劳动省，新型冠状病毒感染症对策推进本部，2021年1月28日，因特网<URL：
https://www.mhlw.go.jp/content/000732500.pdf>
发明内容
发明想要解决的问题
COVID-19的特征在于，除了肺炎等呼吸衰竭之外还会引起心律失常和心脏障碍等心血管系统疾病、肺栓塞和急性期脑卒中等血栓栓塞等以及并发症而急剧重病化并导致死亡。目前，正在自家疗养·投宿疗养中的COVID-19患者，患者自身检查主观症状和体温进而检查氧饱和度，根据其结果对住院治疗的必要性进行鉴别分类。然而，主观症状和体温对肺炎的特异性低，难以成为鉴别分类的判断依据。虽然氧饱和度是鉴别分类的重要信息，但需要患者在身体不舒服的情况下自行测量并将数据报告给卫生所(医疗中心)等管理者这样的行动，这会成为患者的负担。尽管这些项目得到自我检查，但遗憾的是陆续有处于自家疗养·投宿疗养中的患者死亡的情况。
如此地，为了防止自家疗养·投宿疗养中的患者的死亡，需要一种不需要患者自身的行动并且能够远程监测多个患者的病情、能够根据该信息简单地判断住院的必要性的系统。
本发明就是为了解决上述问题而完成的，其目的(要解决的技术问题)在于简便地评价肺炎的严重程度。
用于解决问题的手段
为了解决上述技术问题，本发明包括下列技术方案。
第1项：
一种评价对象患者的肺炎严重程度的评价装置，其包括：
取得单元，取得所述对象患者的呼吸波形；
计算单元，根据所述呼吸波形计算表示呼吸周期或呼吸频率的不稳定性的指标的值；
评价单元，基于所述计算得到的值评价所述严重程度。
第2项：
如第1项所述的评价装置，其中，所述计算单元计算RST作为所述指标的值，所述RST是所述呼吸频率的标准偏差的倒数。
第3项：
如第2项所述的评价装置，其中，所述评价单元在所述RST小于阈值的情况下评价为所述严重程度高。
第4项：
如第1至3项中任一项所述的评价装置，其中，所述肺炎是由COVID-19引起的肺炎。
第5项：
一种评价系统，其包括：
检测装置，检测包含所述对象患者的呼吸波形的信号；以及
第1至4项中任一项所述的评价装置。
第6项：
如第5项所述的评价系统，其中，
所述检测装置具备在处于床铺上的所述对象患者之下位置所配设的片式传感器并且检测所述片式传感器产生的体压信号作为所述信号。
第7项：
一种评价对象患者的肺炎严重程度的评价方法，其包括：
取得步骤，取得所述对象患者的呼吸波形；
计算步骤，根据所述呼吸波形计算表示呼吸周期或呼吸频率的不稳定性的指标的值；
评价步骤，基于所述计算得到的值评价所述严重程度。
第8项：
一种评价程序，其用于使计算机通过以第1至4项中任一项所述的评价装置的各单元的方式来进行操作(运作)。
第9项：
一种计算机可读存储介质，其中存储了第8项所述的评价程序。
发明效果
基于本发明，根据RST等表示呼吸周期或呼吸频率的不稳定性的指标的值来评价肺炎的严重程度。该指标能够从远程的对象患者那里容易地监测到，因此能够简便地评价肺炎的严重程度。
附图说明
图1是示出基于本发明的一实施方式的评估系统的示意性结构配置的框图。
图2是示出检测装置和中继终端的设置例的概略图。
图3是示出使用本实施方式的评价系统评价对象患者的肺炎的严重程度的评价方法的处理顺序的流程图。
图4是示出针对日本厚生劳动省发行的“COVID-19诊疗指南”所示的“中度病II重病”患者与“轻病·中度病I”患者的RST进行比较的箱形图。
图5是示出针对使用英国国家早期预警评分(National Early Warning Score：NEWS)表示的“Medium或High(中度或高度)”的患者与“Low或Low-medium(低度或中低度)”的患者的RST进行比较的箱形图。
图6是示出针对CT(计算机断层扫描)上具有肺炎影像的患者和没有肺炎影像的患者的RST进行比较的箱形图。
图7是示出针对COVID-19患者的严重程度的ROC曲线图。
具体实施方式
下面，参照附图，对本发明的实施方式进行详细说明。另外，本发明并不局限于下述实施方式。
系统配置
图1是示出基于本发明的一实施方式的评估系统的示意性结构配置的框图。评价系统1是评价对象患者的肺炎的严重程度的系统，具备检测装置2、中继终端3、评价装置4以及阅览终端5。
在本实施方式中，对象患者被判定为COVID-19阳性，是正在自家或投宿设施中疗养(康复)的人。检测装置2和中继终端3设置于对象患者停留的自家或投宿设施中。另外，评价装置4设置于云端(Cloud)，阅览终端5设置于针对对象患者施行健康观察的机构(卫生所、医院等)。另外，也可以将评价装置4和阅览终端5构成为单个装置。
图2是示出检测装置和中继终端的设置例的概略图。检测装置2是检测包含对象患者的呼吸波形的信号的装置，具备片式传感器21和测量单元22。
片式传感器21是由薄而柔软的带状的压电橡胶构成的压电型的身体动作传感器，例如设置于对象患者使用的床铺上。另外，在图2中，省略了铺设于片式传感器21上的床单或被褥的图示。在对象患者处于床铺上的期间，对片式传感器21施加压力，片式传感器21通过压电效应产生模拟的体压信号。除了呼吸波形之外，在体压信号中还包括由噪声或除了呼吸以外的身体动作所引起的波形。
测量单元22与片式传感器21连接，对片式传感器21产生的体压信号进行AD转换。另外，测量单元22具有使用蓝牙(Bluetooth：注册商标)与中继终端3进行通信的功能，将体压信号发送给中继终端3。
中继终端3由智能电话构成，将从测量单元22接收到的体压信号经由因特网N发送至云端的评价装置4。另外，若测量单元22能够与因特网N连接，则也可以省略中继终端3，将体压信号从测量单元22直接发送给评价装置4。
图1所示的评价装置4可以被配置为服务器装置。评价装置4具有存储单元41、取得单元42、计算单元43以及评价单元44。
存储单元41例如可以由HDD或SSD构成。在存储单元41中存储有评价程序D1等各种数据。
取得单元42、计算单元43以及评价单元44的各单元可以通过逻辑电路等以硬件方式实现，也可以使用CPU等以软件方式实现。在以软件实现上述各单元的情况下，上述各单元能够通过评价装置4的CPU等在主存储装置中读出并执行评价程序D1来实现。评价程序D1可以经由因特网N等通信网络下载到评价装置4，也可以经由记录了评价程序D1的CD-R等计算机可读取的非临时存储介质安装到评价装置4。
取得单元42具有取得对象患者的呼吸波形的功能。在本实施方式中，取得单元42通过从经由中继终端3从检测装置2接收到的体压信号中去除由呼吸以外的身体动作或噪声引起的波形来提取呼吸波形。
计算单元43具有根据由取得单元42取得的呼吸波形计算表示呼吸周期或呼吸频率的不稳定性的指标的值的功能。在本实施方式中，计算单元43通过对呼吸波形进行频率分析(最大熵法)来计算出呼吸频率的标准偏差的倒数即RST(Respiratory StabilityTime：呼吸稳定时间)作为上述指标的值。具体而言，RST是通过从呼吸波形中提取呼吸周期的频带来求出呼吸频率成分(也称“呼吸频率分量”)的最大值的5％以上的频率的标准偏差并且以该标准偏差的倒数的方式计算得到的。
RST＝1/A
A：呼吸频率成分的最大值的5％以上的频率的标准偏差
评价单元44具有基于由计算单元43求出的值评价对象患者的肺炎的严重程度的功能。在本实施方式中，评价单元44在RST小于阈值的情况下评价为上述严重程度高。当对象患者是COVID-19阳性者时，阈值优选为20～30秒，更优选为26秒。
评价单元44的评价结果被保存于存储单元41中，并且经由因特网N被发送至阅览终端5。在阅览终端5中，对象患者的RST得到一览显示，对于评价为严重程度高的对象患者，以与其他患者不同的方式(使颜色不同、突出显示等)进行数值显示。由此，阅览终端5的用户(卫生所的管理者等)能够容易地识别需住院的对象患者。
处理步骤
图3是示出使用本实施方式的评价系统1评价对象患者的肺炎的严重程度的评价方法的处理顺序的流程图。
在步骤S1中，通过检测装置2的片式传感器21检测处于床铺上的对象患者的体压信号。在步骤S2(取得步骤)中，评价装置4的取得单元42从检测装置2接收到的体压信号中取得对象患者的呼吸波形。在步骤S3(计算步骤)中，评价装置4的计算单元43根据由取得单元42取得的呼吸波形计算RST。在步骤S4(评价步骤)中，评价装置4的评价单元44基于由计算单元43计算出的值，评价对象患者的肺炎的严重程度。在步骤S5中，阅览终端5显示由评价单元44得出的评价结果。
另外，各步骤的动作主体不限于以上所述。
效果
如上所述，在本实施方式中，基于RST评价了肺炎的严重程度。RST通过自动地从处于床铺上的对象患者之下设置的片式传感器21产生的体压信号中提取·分析呼吸波形而得到。具体而言，RST不需要患者自身的特殊动作(例如在使用脉搏血氧计的情况下)并且在对患者无创性、无约束的环境中获得。另外，由于管理者等不需要面对对象患者，因此即使对于因COVID-19等感染症而被隔离在自家或投宿疗养所的患者，也能够从远程简便、廉价且连续地每天监测RST。进而，若RST小于一定阈值，则能够判断为肺炎的发病等状态已恶化。
如此地，若使用本实施方式的评价系统，则能够基于RST检测需要住院治疗的患者。由此，能够使需住院的患者及时住院，因此不仅能够减少自家疗养·投宿疗养中的患者的死亡，而且能够给予患者远程关怀的安心感。
另外，由于卫生所等的员工能够以较少的人数对多个自家疗养·投宿疗养中的患者进行统一管理，因此还能够有效利用医疗资源。另外，对于患者来说，通过发现早期恶化现象，可以减轻身心负担和经济负担。
原理
RST是本申请发明人为了定量评价呼吸方式变化而给出的指标。
在肺的支气管和间质中有4个牵张感受器。由心力衰竭引起的肺动脉压升高或间质水肿会刺激这些生物传感器并使呼吸不稳定。另外，作为由心力衰竭引起的循环的延迟以及中枢性化学反射的增强，也会使呼吸不稳定并且诱发周期性呼吸。根据呼吸波形的频率分析可以计算出的RST在能够用单个指数(单一的指标)对这些不稳定呼吸进行定量这一方面是优异的。
在诸如由COVID-19引起的肺炎或吸入性肺炎的肺炎患者的情况下，被认为肺实质的炎症可能刺激肺牵张感受器，从而使呼吸变得不稳定。因此，认为在本实施方式的评价系统中，通过远程监视RST能够早期检测出肺炎的重病化的可能性高。另外，根据本实施方式的评价系统，能够进行重视个体化的先发制人的医疗，并带来患者QOL提高(例如避免早期治疗、住院等)以及医疗经济效果。
补充说明
以上，对本发明的实施方式进行了说明，但本发明不限于上述实施方式，只要不脱离其主旨就可以进行各种变更。
在上述实施方式中，通过从片式传感器检测出的体压信号中去除由呼吸以外的身体动作或噪声引起的波形来取得呼吸波形，但本发明不限于此，例如也可以通过贴附于对象患者的鼻腔附近的皮肤面上的呼吸气流传感器来取得呼吸波形。此外，作为呼吸信号的检测装置，也可以使用深度传感器(Depth sensor)、雷达多普勒(radar Doppler)、超声波多普勒(ultrasonic Doppler)等。然而，由于增加了患者自身的负担，因此从简便性的观点出发优选前述实施方式。
另外，在上述实施方式中，使用了RST作为评价肺炎的严重程度的指标，但只要是表示与RST等价的呼吸周期或呼吸频率的不稳定性的指标就没有特别限定。
此外，除了RST之外，还可以考虑呼吸率和心率来评价肺炎的严重程度。在这种情况下，图1所示的计算单元43根据呼吸波形计算RST、呼吸率和心率，评价单元44根据RST、呼吸率和心率评价肺炎的严重程度。由此，能够进一步提高评价的精度。
实施例
下面，对本发明的实施例进行详细说明。本发明不局限于下述实施例。
本申请的发明人等以2020年7月31日至2020年11月19日期间日本全国40名患者(COVID-19患者为32名、肺炎患者为8名)为对象，根据片式传感器21的体压信号进行通宵远程监测RST。作为片式传感器21，使用了住友理工株式会社(Sumitomo Riko Co.,Ltd.)制的身体动作传感器。
其结果是，日本厚生劳动省发行的“COVID-19诊疗指南”所示的“中度病II重病”的患者的RST值显著低于“轻病·中度病I”的患者的RST值(图4)。同样，使用英国国家早期预警评分(National Early Warning Score：NEWS)表示的“Medium或High(中度或高度)”的患者与“Low或Low-medium(低度或中低度)”的患者相比，具有显著更低的RST值(图5)。另外，CT上有肺炎影像(有浸润)的患者与无肺炎影像的患者相比，具有显著更低的RST值(图6)。
仅对COVID-19患者进行了研究。针对将来重病化的有无，检测了敏感性和特异性达到最高的住院时的RST，结果截止阈值为26.3秒。图7示出处于其最佳截止值的ROC曲线(图中“敏感性”对应英文为“sensitivity”又称“真阳性率”)，图中“1-特异性”对应英文为“1-specificity”又称“假阳性率”)。敏感性为0.727，特异性为0.700，曲线下面积为0.7227。
这些结果表明，作为评价患者是否属于中度病II或重病的基准的RST阈值为26秒左右。因此，当RST下降至小于20～30秒时，可以判断肺炎严重(重病化)到足以需住院的程度。
工业实用性
本发明特别适用于但不限于监测隔离的COVID-19阳性患者。例如，本发明可应用于老年医疗保健设施等中，通过监视入住者的RST，可以早期检测吸入性肺炎(误吸性肺炎)和其它状况。
附图标记的说明
1评价系统
2检测装置
21片式传感器
22测量单元
3中继终端
4评价装置
41存储单元
42取得单元
43计算单元
44评价单元
5阅览终端
D1评价程序

Claims (9)

1.一种评价对象患者的肺炎严重程度的评价装置，其包括：
取得单元，取得所述对象患者的呼吸波形；
计算单元，根据所述呼吸波形计算表示呼吸周期或呼吸频率的不稳定性的指标的值；以及
评价单元，基于所述计算得到的值评价所述严重程度。
2.如权利要求1所述的评价装置，其中，所述计算单元计算RST作为所述指标的值，所述RST是所述呼吸频率的标准偏差的倒数。
3.如权利要求2所述的评价装置，其中，所述评价单元在所述RST小于阈值的情况下评价为所述严重程度高。
4.如权利要求1至3中任一项所述的评价装置，其中，所述肺炎是由COVID-19引起的肺炎。
5.一种评价系统，其包括：
检测装置，检测包含所述对象患者的呼吸波形的信号；以及
权利要求1至4中任一项所述的评价装置。
6.如权利要求5所述的评价系统，其中，
所述检测装置具备在处于床铺上的所述对象患者之下位置所配设的片式传感器，并且检测所述片式传感器产生的体压信号作为所述信。
7.一种评价对象患者的肺炎严重程度的评价方法，其包括：
取得步骤，取得所述对象患者的呼吸波形；
计算步骤，根据所述呼吸波形计算表示呼吸周期或呼吸频率的不稳定性的指标的值；以及
评价步骤，基于所述计算得到的值评价所述严重程度。
8.一种评价程序，其用于使计算机通过以权利要求1至4中任一项所述的评价装置的各单元的方式来进行操作。
9.一种计算机可读存储介质，其中存储了权利要求8所述的评价程序。
CN202180092702.5A 2021-02-18 2021-11-15 评价装置、评价系统、评价方法、评价程序以及存储介质 Pending CN116806132A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021-023870 2021-02-18
JP2021023870 2021-02-18
PCT/JP2021/041823 WO2022176287A1 (ja) 2021-02-18 2021-11-15 評価装置、評価システム、評価方法、評価プログラムおよび記録媒体

Publications (1)

Publication Number Publication Date
CN116806132A true CN116806132A (zh) 2023-09-26

Family

ID=82931338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180092702.5A Pending CN116806132A (zh) 2021-02-18 2021-11-15 评价装置、评价系统、评价方法、评价程序以及存储介质

Country Status (5)

Country Link
US (1) US20240122533A1 (zh)
EP (1) EP4295782A1 (zh)
JP (1) JPWO2022176287A1 (zh)
CN (1) CN116806132A (zh)
WO (1) WO2022176287A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118349191B (zh) * 2024-06-18 2024-09-13 山东开正信息产业有限公司 基于区块链的医疗数据存储系统及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006046996A1 (de) * 2006-10-01 2008-04-03 Brahms Aktiengesellschaft Diagnose von Infektionen oder Entzündungserkrankungen der Atemwege und Lunge assoziiert mit Herzinsuffizienz
JP6219590B2 (ja) * 2013-04-18 2017-10-25 英次 麻野井 診断装置および医療システム

Also Published As

Publication number Publication date
EP4295782A1 (en) 2023-12-27
JPWO2022176287A1 (zh) 2022-08-25
WO2022176287A1 (ja) 2022-08-25
US20240122533A1 (en) 2024-04-18

Similar Documents

Publication Publication Date Title
Nicolò et al. The importance of respiratory rate monitoring: From healthcare to sport and exercise
JP6697985B2 (ja) 生体情報出力装置
Hernandez-Silveira et al. Assessment of the feasibility of an ultra-low power, wireless digital patch for the continuous ambulatory monitoring of vital signs
US9801553B2 (en) System, method, and computer program product for the real-time mobile evaluation of physiological stress
US11051768B1 (en) Determining when to emit an alarm
Chen et al. Machine-learning enabled wireless wearable sensors to study individuality of respiratory behaviors
WO2017068582A1 (en) System and method for monitoring and determining a medical condition of a user
US11179095B2 (en) Method, system, and apparatus for remote patient monitoring or tracking of sepsis-related indicators
Borges et al. Sensor fusion methods for reducing false alarms in heart rate monitoring
EP3397146A1 (en) Cardio-kinetic cross-spectral density for assessment of sleep physiology
US10149647B2 (en) Weaning readiness indicator, sleeping status recording device, and air providing system applying nonlinear time-frequency analysis
CN116806132A (zh) 评价装置、评价系统、评价方法、评价程序以及存储介质
WO2017038966A1 (ja) 生体情報出力装置、生体情報出力方法及びプログラム
JP6318047B2 (ja) 疾病予測装置、及びプログラム
Arulvallal et al. Design and development of wearable device for continuous monitoring of sleep apnea disorder
Bui et al. Remote patient monitoring for improving outpatient care of patients at risk for sepsis
US20230290506A1 (en) Systems and methods for rapidly screening for signs and symptoms of disorders
Wang et al. A quantitative approach and preliminary application in healthy subjects and patients with valvular heart disease for 24-h breathing patterns analysis using wearable devices
Gashgari et al. Collecting patient data from sensor-based systems: benefits and challenges
Alvis et al. Respiratory non-invasive venous waveform analysis for assessment of respiratory distress in coronavirus disease 2019 patients: an observational study
Pal et al. Real Time Patient Vital Monitoring and Alarm System with Prediction of Anomalies and Future Clinical Episodes using Machine Learning Models
Manikandan et al. Covid-19 contagion detected by using wearable sensor
Mary et al. Smart Wearable Devices for Prediction Using Machine Learning Techniques: Depth Exploration
Giguère et al. Identifying Episodes of Hypovigilance in Intensive Care Units Using Routine Physiological Parameters and Artificial Intelligence: a Derivation Study
Lakshmi et al. Early prediction of cardiac arrest using ECG signal through IoT

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