CN116844702A - 基于智能终端计算信息的急危重症区域信息管理系统 - Google Patents
基于智能终端计算信息的急危重症区域信息管理系统 Download PDFInfo
- Publication number
- CN116844702A CN116844702A CN202310804542.3A CN202310804542A CN116844702A CN 116844702 A CN116844702 A CN 116844702A CN 202310804542 A CN202310804542 A CN 202310804542A CN 116844702 A CN116844702 A CN 116844702A
- Authority
- CN
- China
- Prior art keywords
- module
- information
- disease
- patient
- control module
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 24
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 73
- 201000010099 disease Diseases 0.000 claims abstract description 71
- 238000004891 communication Methods 0.000 claims abstract description 49
- 238000012216 screening Methods 0.000 claims abstract description 49
- 208000015181 infectious disease Diseases 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims description 43
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 34
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 17
- 239000008280 blood Substances 0.000 claims description 17
- 210000004369 blood Anatomy 0.000 claims description 17
- 230000036772 blood pressure Effects 0.000 claims description 17
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 17
- 239000001569 carbon dioxide Substances 0.000 claims description 17
- 229910052760 oxygen Inorganic materials 0.000 claims description 17
- 239000001301 oxygen Substances 0.000 claims description 17
- 230000001154 acute effect Effects 0.000 claims description 13
- 208000028399 Critical Illness Diseases 0.000 claims description 12
- 230000036387 respiratory rate Effects 0.000 claims description 10
- 239000003086 colorant Substances 0.000 claims description 3
- 208000035475 disorder Diseases 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 17
- 238000003745 diagnosis Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000029058 respiratory gaseous exchange Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 230000007488 abnormal function Effects 0.000 description 3
- 238000003759 clinical diagnosis Methods 0.000 description 3
- 238000010339 medical test Methods 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 210000000629 knee joint Anatomy 0.000 description 2
- 210000000323 shoulder joint Anatomy 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010053159 Organ failure Diseases 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000035565 breathing frequency Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001835 viscera Anatomy 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
- 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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及信息管理系统的技术领域，具体涉及基于智能终端计算信息的急危重症区域信息管理系统，所述系统包括计算机，计算机包括相互电性连接的储存模块、筛分模块、控制模块和通信模块；控制模块计算床位可使用系数和医院选择函数，并将医院选择的信息传输至筛分模块、储存模块和通信模块；控制模块计算病情严重系数和病情区域选择函数，并将病情区域选择的信息传输至筛分模块、储存模块和通信模块；筛分模块包括初分子模块和细分子模块；初分子模块根据病患的相关信息匹配科室，并根据医院选择的信息匹配医院；细分子模块根据病患的相关信息匹配传染区域，并根据病情区域选择的信息匹配病情区域。本发明对病患起到较佳的分流效果。
Description
技术领域
本发明涉及信息管理系统的技术领域，具体涉及基于智能终端计算信息的急危重症区域信息管理系统。
背景技术
急危重症通常指病人的脏器功能衰竭，包括“六衰”；衰竭的脏器数目越多，说明病情越危重。
公开号为CN112750524A的申请文件公开了一种急危重症管理方法，包括以下步骤：建立不同类型急危重症对应的急诊中心模块，得到多中心平台；获取患者的就诊信息，并根据所述就诊信息进行危险分级，筛选出急危重症患者；获取急危重症患者的分诊类型，根据所述分诊类型从所述多中心平台中选择对应的急诊中心模块；基于对应的急诊中心模块的急诊流程对急危重症患者进行接诊。
然而上述筛选过程中，并未考虑中心平台实际可用床位的数量，在分流过程中可能导致中心平台无法负载的情形。
发明内容
本发明的目的在于及时对病患分流，针对上述存在的不足，提出基于智能终端计算信息的急危重症区域信息管理系统。
本发明采用如下技术方案：
基于智能终端计算信息的急危重症区域信息管理系统，包括计算机，所述计算机包括相互电性连接的储存模块、筛分模块、控制模块和通信模块；
所述储存模块用于储存病患的相关信息和医院的相关信息，并传输至控制模块、筛分模块和通信模块；
所述控制模块计算床位可使用系数和医院选择函数，并将医院选择的信息传输至筛分模块、储存模块和通信模块；所述控制模块计算病情严重系数和病情区域选择函数，并将病情区域选择的信息传输至筛分模块、储存模块和通信模块；
所述筛分模块包括初分子模块和细分子模块；所述初分子模块根据病患的相关信息匹配科室，并根据医院选择的信息匹配医院；所述细分子模块根据病患的相关信息匹配传染区域，并根据病情区域选择的信息匹配病情区域；
所述通信模块将病患的相关信息、医院的相关信息、匹配科室的信息、匹配医院的信息、匹配传染区域的信息和匹配病情区域的信息传输至医生端；
所述控制模块计算床位可使用系数时，满足以下式子：
其中，A为床位可使用系数，a2为可用床位数量，其通过储存模块可得出，a1为总床位数量，其通过储存模块可得出，amin为紧急床位数量，其根据医生的经验提前设定，h为24小时内医生平均收入重症的数量，n为医生的数量，ei为24小时内第i个医生收入重症的数量；
所述控制模块计算医院选择函数时，满足以下式子：
其中，Z(A)为医院选择函数，amax为床位可使用系数的阈值，amax的取值为30％；Z(A)＝1时，对应的医院可选择，Z(A)＝0时，对应的医院不可选择。
可选的，所述初分子模块包括科室筛分单元和平台分流单元；
所述科室筛分单元根据病患的相关信息匹配科室；
所述平台分流单元根据医院选择的信息匹配医院。
可选的，所述细分子模块包括传染筛分单元和病情筛分单元；
所述传染筛分单元根据病患的相关信息匹配传染区域；
所述病情筛分单元根据病情区域选择的信息匹配病情区域。
可选的，所述控制模块计算病情严重系数时，满足以下式子：
其中，B为病情严重系数，b1为急危症的数量，其通过储存模块可得出，b2为急重症的数量，其通过储存模块可得出，b3为亚紧急症的数量，其通过储存模块可得出，t1为急危症的平均发病时间，其通过储存模块可得出，t2为急重症的平均发病时间，其通过储存模块可得出，t3为亚紧急症的平均发病时间，其通过储存模块可得出。
所述控制模块计算病情区域选择函数时，满足以下式子：
其中，Y(B)为病情区域选择函数，β1至β3为标注颜色不同的病情区域，β3为病情严重所在的病情区域，该区域为红色，β2为病情一般所在的病情区域，该区域为橙色，β1为病情较轻所在的病情区域，该区域为黄色，至/>为不同的病情区域选择函数对应的选择阈值，/>取值为30％，/>取值为60％。
可选的，所述控制模块计算病患关注函数并将病患关注的信息传输至通信模块，通信模块将病患关注的信息传输至医生端；
所述控制模块计算病患关注函数时，满足以下公式：
其中，Z(b1)为病患关注函数；Z(b1)＝1时，病患需要特别关注，Z(b1)＝0时，病患不需要特别关注。
可选的，所述计算机还包括监测模块和报警模块；
所述监测模块用于监测病患生命体征并传输至控制模块；
所述控制模块将病患生命体征的信息与预先设定的阈值分析，并将分析的信息传输至报警模块和通信模块；
所述报警模块根据分析的信息分级报警。
可选的，所述监测模块包括监护子模块，所述监护子模块用于监测实时心率、实时血氧饱和度、实时呼吸频率、实时血压、实时脉搏和实时二氧化碳浓度并传输至控制模块。
本发明所取得的有益效果是：
1、储存模块能储存病患的相关信息以及医院的相关信息，通过通信模块传输上述信息便于医生端了解病患的病情；
2、控制模块计算床位可使用系数和医院选择函数，对病患起到准确的分流效果，且分流过程中能保证对应的医院始终有一定的紧急床位数量满足当地的入住需求；
3、细分子模块筛分过程中，能根据传染区域以及病情区域进行筛分，其一，使医护人员对病情严重的患者多加注意，其二，对于有传染病的患者，医护人员需要多加防护，对医护人员起到一定的保护效果；
4、控制模块计算病患关注函数，通信模块将病患关注函数传输至医生端，在医护人员换班时不需要逐一口头交接，通过医生端能及时查看；
5、由于每天的重症病患收入人数较多，医护人员无法一直监测某一病患的生命体中，通过监护子模块能监测病患的实时心率、实时血氧饱和度、实时呼吸频率、实时血压、实时脉搏和实时二氧化碳浓度并传输至控制模块，控制模块根据病患生命体征的信息与预先设定的阈值分析，并将分析的信息传输至报警模块进行分级报警。
为使能更进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本发明加以限制。
附图说明
图1为本发明基于智能终端计算信息的急危重症区域信息管理系统实施例一的整体结构示意图；
图2为本发明基于智能终端计算信息的急危重症区域信息管理系统实施例一中诊疗子模块的结构示意图；
图3为本发明基于智能终端计算信息的急危重症区域信息管理系统实施例一中医疗资料子模块的结构示意图；
图4为本发明基于智能终端计算信息的急危重症区域信息管理系统实施例一中初分子模块的结构示意图；
图5为本发明基于智能终端计算信息的急危重症区域信息管理系统实施例一中细分子模块的结构示意图；
图6为本发明基于智能终端计算信息的急危重症区域信息管理系统实施例二中监护子模块的结构示意图；
图7为本发明基于智能终端计算信息的急危重症区域信息管理系统实施例三的整体结构示意图；
图8为本发明基于智能终端计算信息的急危重症区域信息管理系统实施例三中拍摄子模块的结构示意图；
图9为本发明基于智能终端计算信息的急危重症区域信息管理系统实施例三中采集单元转化的成帧图像；
图10为本发明基于智能终端计算信息的急危重症区域信息管理系统实施例三中单位单元将关节部位标识后的图像。
具体实时方式
以下是通过特定的具体实时例来说明本发明的实时方式，本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实时例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸描绘，事先声明。以下实时方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。
实时例一：本实时例提供了基于智能终端计算信息的急危重症区域信息管理系统，结合图1至图5所示。
基于智能终端计算信息的急危重症区域信息管理系统，系统包括计算机，计算机包括相互电性连接的储存模块、筛分模块、控制模块和通信模块；
储存模块用于储存病患的相关信息和医院的相关信息，并传输至控制模块、筛分模块和通信模块；
控制模块计算床位可使用系数和医院选择函数，并将医院选择的信息传输至筛分模块、储存模块和通信模块；控制模块计算病情严重系数和病情区域选择函数，并将病情区域选择的信息传输至筛分模块、储存模块和通信模块；
筛分模块包括初分子模块和细分子模块；初分子模块根据病患的相关信息匹配科室，并根据医院选择的信息匹配医院；细分子模块根据病患的相关信息匹配传染区域，并根据病情区域选择的信息匹配病情区域；
通信模块将病患的相关信息、医院的相关信息、匹配科室的信息、匹配医院的信息、匹配传染区域的信息和匹配病情区域的信息传输至医生端；
控制模块计算床位可使用系数时，满足以下式子：
其中，A为床位可使用系数，a2为可用床位数量，其通过储存模块可得出，a1为总床位数量，其通过储存模块可得出，amin为紧急床位数量，其根据医生的经验提前设定，h为24小时内医生平均收入重症的数量，n为医生的数量，其通过储存模块可得出，ei为24小时内第i个医生收入重症的数量，其通过储存模块可得出；
控制模块计算医院选择函数时，满足以下式子：
其中，Z(A)为医院选择函数，amax为床位可使用系数的阈值，amax的取值为30％；Z(A)＝1时，对应的医院可选择，Z(A)＝0时，对应的医院不可选择。
可选的，储存模块包括诊疗子模块和医疗资料子模块；
诊疗子模块用于储存病患的相关信息，并传输至控制模块、筛分模块和通信模块；
医疗资料子模块用于储存医院的相关信息，并传输至控制模块、筛分模块和通信模块。
可选的，诊疗子模块包括临床诊断单元、医学化验单元、医学图像单元、病历单元和基础信息单元；
临床诊断单元用于储存医生临床诊断的信息，并传输至控制模块、筛分模块和通信模块；
医学化验单元用于储存医学化验的化验结果的信息，并传输至控制模块、筛分模块和通信模块；
医学图像单元用于储存医学检测时拍摄的图像信息，并传输至控制模块、筛分模块和通信模块；
病历单元用于储存医生诊断结果以及相关的用药信息，并传输至控制模块、筛分模块和通信模块；
基础信息单元用于储存病患的基本信息和过敏源，并传输至控制模块、筛分模块和通信模块，其中，基本信息包括年龄、性别、家庭住址、是否具有传染病等基本信息。
可选的，医疗资料子模块包括床位统计单元和医院统计单元；
床位统计单元用于统计总床位数量、可用床位数量和使用中床位数量，并传输至控制模块、筛分模块和通信模块；
医院统计单元用于统计急危症的数量、急重症的数量、亚紧急症的数量、医生的数量、24小时内单个医生收入重症的数量、急危症的平均发病时间、急重症的平均发病时间和亚紧急症的平均发病时间，并传输至控制模块、筛分模块和通信模块。
可选的，初分子模块包括科室筛分单元和平台分流单元；
科室筛分单元根据病患的相关信息匹配科室；
平台分流单元根据医院选择的信息匹配医院。
可选的，细分子模块包括传染筛分单元和病情筛分单元；
传染筛分单元根据病患的相关信息匹配传染区域；
病情筛分单元根据病情区域选择的信息匹配病情区域。
可选的，控制模块计算病情严重系数时，满足以下式子：
其中，B为病情严重系数，b1为急危症的数量，其通过储存模块可得出，b2为急重症的数量，其通过储存模块可得出，b3为亚紧急症的数量，其通过储存模块可得出，t1为急危症的平均发病时间，其通过储存模块可得出，t2为急重症的平均发病时间，其通过储存模块可得出，t3为亚紧急症的平均发病时间，其通过储存模块可得出。
控制模块计算病情区域选择函数时，满足以下式子：
其中，Y(B)为病情区域选择函数，β1至β3为标注颜色不同的病情区域，β3为病情严重所在的病情区域，该区域为红色，β2为病情一般所在的病情区域，该区域为橙色，β1为病情较轻所在的病情区域，该区域为黄色，至/>为不同的病情区域选择函数对应的选择阈值，/>取值为30％，/>取值为60％。
可选的，控制模块计算病患关注函数并将病患关注的信息传输至通信模块，通信模块将病患关注的信息传输至医生端；
控制模块计算病患关注函数时，满足以下公式：
其中，X(b1)为病患关注函数；X(b1)＝1时，病患需要特别关注，X(b1)＝0时，病患不需要特别关注。
可选的，计算机还包括监测模块和报警模块；
监测模块用于监测病患生命体征并传输至控制模块；
控制模块将病患生命体征的信息与预先设定的阈值分析，并将分析的信息传输至报警模块和通信模块；
报警模块根据分析的信息分级报警。
可选的，监测模块包括监护子模块，监护子模块用于监测实时心率、实时血氧饱和度、实时呼吸频率、实时血压、实时脉搏和实时二氧化碳浓度并传输至控制模块。
实时例二：本实时例包含了实时例一的全部内容，提供了基于智能终端计算信息的急危重症区域信息管理系统，结合图6所示。
监护子模块包括心电监护单元、血氧呼吸监护单元、血压监护单元和二氧化碳监护单元；
心电监护单元用于监测病患的实时心率并传输至控制模块，控制模块将病患的实时心率与预先设定的阈值分析，并将分析的信息传输至报警模块、通信模块；
具体的，实时心率对应的预先设定的阈值为：15岁以上正常心率为60至100次/分钟；新生儿(1至28天)120至140次/分钟；婴儿(1至12个月)110至130次/分钟；幼儿(2至3岁)100至120次/分钟；学龄前(4至7岁)80至100次/分钟；学龄中(8至14岁)70至90次/分钟；心电监护单元会接收基本信息，通过控制模块将实时心率与对应的预先设定的阈值分析，进而得到分析合格的信息或分析不合格的信息；
血氧呼吸监护单元用于监测病患的实时血氧饱和度和实时呼吸频率，并传输至控制模块，控制模块将病患的实时心率与预先设定的阈值分析，并将分析的信息传输至报警模块、通信模块；
具体的，实时血氧饱和度对应的预先设定的阈值为95％至99％，通过控制模块将实时血氧饱和度和对应的预先设定的阈值分析，进而得到分析合格的信息或分析不合格的信息；实时呼吸频率对应的预先设定的阈值为：新生儿的呼吸频率为40至45次
/min，10岁以上人的呼吸频率为12至20次/min，在新生儿和10岁之间人的呼吸频率为20至40次/min，通过控制模块将实时呼吸频率和对应的预先设定的阈值分析，进而得到分析合格的信息或分析不合格的信息；
血压监护单元用于监测病患的实时血压和实时脉搏，并传输至控制模块，控制模块将病患的实时心率与预先设定的阈值分析，并将分析的信息传输至报警模块、通信模块；
具体的，实时血压对应的预先设定的阈值为：收缩压120至139mmHg，舒张压80至89mmHg，通过控制模块将实时血压和对应的预先设定的阈值分析，进而得到分析合格的信息或分析不合格的信息；实时脉搏对应的预先设定的阈值为60至100次/分，通过控制模块将实时脉搏和对应的预先设定的阈值分析，进而得到分析合格的信息或分析不合格的信息。
二氧化碳监护单元用于监测病患的实时二氧化碳浓度并传输至控制模块，控制模块将病患的实时心率与预先设定的阈值分析，并将分析的信息传输至报警模块、通信模块。
具体的，实时二氧化碳浓度对应的预先设定的阈值为1％，通过控制模块将实时二氧化碳浓度和对应的预先设定的阈值分析，进而得到分析合格的信息或分析不合格的信息。
可选的，监护子模块还包括分析单元，分析单元获取心电监护单元、血氧呼吸监护单元、血压监护单元和二氧化碳监护单元分析的信息，分析单元用于统计实时心率不合格次数、实时血氧饱和度不合格次数、实时呼吸频率不合格次数、实时血压不合格次数、实时脉搏不合格次数、实时二氧化碳浓度不合格次数、实时心率合格次数、实时血氧饱和度合格次数、实时呼吸频率合格次数、实时血压合格次数、实时脉搏合格次数、实时二氧化碳浓度合格次数，分析单元将实时心率不合格次数、实时血氧饱和度不合格次数、实时呼吸频率不合格次数、实时血压不合格次数、实时脉搏不合格次数、实时二氧化碳浓度不合格次数传输至控制模块，控制模块计算异常系数、报警级别选择函数并传输至报警模块和通信模块，通信模块将报警级别选择信息传输至医生端。
可选的，控制模块计算异常比例时，满足以下公式：
其中，D为异常比例，d1为实时心率不合格次数，d2为实时血氧饱和度不合格次数、d3为实时呼吸频率不合格次数、d4为实时血压不合格次数、d5为实时脉搏不合格次数、d6为实时二氧化碳浓度不合格次数、d7为实时心率合格次数、d8为实时血氧饱和度合格次数、d9为实时呼吸频率合格次数、d10为实时血压合格次数、d11为实时脉搏合格次数、d12为实时二氧化碳浓度合格次数。
控制模块计算报警级别选择函数时，满足以下式子：
其中，W(D)为报警级别选择函数；W(D)＝1时，选择一级报警，W(D)＝0时，选择二级报警。具体的，医生端显示的一级报警为红灯持续闪烁加振动，医生端显示的二级报警为橙灯持续闪烁；报警模块显示的一级报警为对应病床亮红灯，报警模块显示的二级报警为对应病床亮橙灯。
实时例三：本实时例包含了实时例二的全部内容，提供了基于智能终端计算信息的急危重症区域信息管理系统，结合图7至图10所示。
某些重症病患可能会出现意外乱动的情形，此时会影响插接在其身上的监护子模块，因此需要增设监测模块。
监测模块还包括拍摄子模块，拍摄子模块与控制模块、通信模块相互电性连接。
拍摄子模块包括采集单元和定位单元；
采集单元用于采集视频并将视频转化为成帧图像，采集单元采集的视频传输至通信模块并通过通信模块传输至医生端；
定位单元用于定位成帧图像中人体的关节部位并得到坐标点，并将坐标点传输至控制模块，控制模块用于计算对应关节的关节点的相邻两点的特征向量、对应关节角度余弦值和对应关节角度异常函数，控制模块将关节角度异常信息传输至通信模块，通信模块将关节角度异常信息传输至医生端。
具体的，关节部位包括两个膝关节、两个胯关节、两个肘关节和两个肩关节，其中，定位单元对动作捕捉以及定位人体的关节部位并得到坐标点的过程中用到人体姿态估计算法。
控制模块计算对应关节的关节点的相邻两点的特征向量时，满足以下公式：
f1＝(xa，ya)＝(x1-x0，y1-y0)；
f2＝(xb，yb)＝(x2-x0，y2-y0)；
其中，f1和f2为相邻两点的特征向量，xa和ya为特征向量f1中的参数，xb和yb为特征向量f2中的参数，x1和y1为其中一个点的坐标，x2和y2为另一个点的坐标，x0和y0为对应关节点的坐标；
具体的，基于人体姿态估计算法获取人体的关节部位，且通过定位单元输出关节部位的坐标原理如下，通过penpose网络首先从成帧图像中提取特征，然后将特征输入到卷积层的两个并行分支中，第一个分支预测了一组置信图，每个置信图表示人体姿态骨架图的关节部位，第二个分支预测另一组PAF，PAF表示关节部位之间的关联程度，然后在细化每一个分支做出的预测，利用部件置信图在关节部位之间形成二分图，再利用PAF值对二分图中较弱的链接进行剪枝，最后可以估算出人体姿态骨架图，并且输出对应的坐标点，人体姿态骨架图已经将关节部位进行标点处理，且根据实际情况，关节部位相邻的两点均为同一侧的目标点，此时通过图像能判断对应的关节部位相邻的两点的位置。例如，胯关节相邻的两点为同一侧的肩关节和膝关节。
控制模块计算对应关节角度余弦值时，满足以下公式：
其中，cosθ为对应关节角度余弦值。
控制模块计算对应关节角度异常函数时，满足以下公式：
其中，G(θ)为对应关节角度异常函数，θ为对应的关节角度，通过cosθ能推算θ的具体值，θmax为对应的关节角度的最大值，其由医生根据经验预先设定；G(θ)＝1时，对应关节角度异常，G(θ)＝0时，对应关节角度正常。
以上所公开的内容仅为本发明的优选可行实时例，并非因此局限本发明的保护范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均包含于本发明的保护范围内，此外，随着技术发展其中的元素是可以更新的。
Claims (7)
1.基于智能终端计算信息的急危重症区域信息管理系统，其特征在于，所述系统包括计算机，所述计算机包括相互电性连接的储存模块、筛分模块、控制模块和通信模块；
所述储存模块用于储存病患的相关信息和医院的相关信息，并传输至控制模块、筛分模块和通信模块；
所述控制模块计算床位可使用系数和医院选择函数，并将医院选择的信息传输至筛分模块、储存模块和通信模块；所述控制模块计算病情严重系数和病情区域选择函数，并将病情区域选择的信息传输至筛分模块、储存模块和通信模块；
所述筛分模块包括初分子模块和细分子模块；所述初分子模块根据病患的相关信息匹配科室，并根据医院选择的信息匹配医院；所述细分子模块根据病患的相关信息匹配传染区域，并根据病情区域选择的信息匹配病情区域；
所述通信模块将病患的相关信息、医院的相关信息、匹配科室的信息、匹配医院的信息、匹配传染区域的信息和匹配病情区域的信息传输至医生端；
所述控制模块计算床位可使用系数时，满足以下式子：
其中，A为床位可使用系数，a2为可用床位数量，其通过储存模块可得出，a1为总床位数量，其通过储存模块可得出，amin为紧急床位数量，其根据医生的经验提前设定，h为24小时内医生平均收入重症的数量，n为医生的数量，ei为24小时内第i个医生收入重症的数量；
所述控制模块计算医院选择函数时，满足以下式子：
其中，Z(A)为医院选择函数，amax为床位可使用系数的阈值，amax的取值为30％；Z(A)＝1时，对应的医院可选择，Z(A)＝0时，对应的医院不可选择。
2.如权利要求1所述的基于智能终端计算信息的急危重症区域信息管理系统，其特征在于，所述初分子模块包括科室筛分单元和平台分流单元；
所述科室筛分单元根据病患的相关信息匹配科室；
所述平台分流单元根据医院选择的信息匹配医院。
3.如权利要求2所述的基于智能终端计算信息的急危重症区域信息管理系统，其特征在于，所述细分子模块包括传染筛分单元和病情筛分单元；
所述传染筛分单元根据病患的相关信息匹配传染区域；
所述病情筛分单元根据病情区域选择的信息匹配病情区域。
4.如权利要求3所述的基于智能终端计算信息的急危重症区域信息管理系统，其特征在于，所述控制模块计算病情严重系数时，满足以下式子：
其中，B为病情严重系数，b1为急危症的数量，其通过储存模块可得出，b2为急重症的数量，其通过储存模块可得出，b3为亚紧急症的数量，其通过储存模块可得出，t1为急危症的平均发病时间，其通过储存模块可得出，t2为急重症的平均发病时间，其通过储存模块可得出，t3为亚紧急症的平均发病时间，其通过储存模块可得出。
所述控制模块计算病情区域选择函数时，满足以下式子：
其中，Y(B)为病情区域选择函数，β1至β3为标注颜色不同的病情区域，β3为病情严重所在的病情区域，该区域为红色，β2为病情一般所在的病情区域，该区域为橙色，β1为病情较轻所在的病情区域，该区域为黄色，至/>为不同的病情区域选择函数对应的选择阈值，取值为30％，/>取值为60％。
5.如权利要求4所述的基于智能终端计算信息的急危重症区域信息管理系统，其特征在于，所述控制模块计算病患关注函数并将病患关注的信息传输至通信模块，通信模块将病患关注的信息传输至医生端；
所述控制模块计算病患关注函数时，满足以下公式：
其中，Z(b1)为病患关注函数；Z(b1)＝1时，病患需要特别关注，Z(b1)＝0时，病患不需要特别关注。
6.如权利要求5所述的基于智能终端计算信息的急危重症区域信息管理系统，其特征在于，所述计算机还包括监测模块和报警模块；
所述监测模块用于监测病患生命体征并传输至控制模块；
所述控制模块将病患生命体征的信息与预先设定的阈值分析，并将分析的信息传输至报警模块和通信模块；
所述报警模块根据分析的信息分级报警。
7.如权利要求6所述的基于智能终端计算信息的急危重症区域信息管理系统，其特征在于，所述监测模块包括监护子模块，所述监护子模块用于监测实时心率、实时血氧饱和度、实时呼吸频率、实时血压、实时脉搏和实时二氧化碳浓度并传输至控制模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310804542.3A CN116844702A (zh) | 2023-07-03 | 2023-07-03 | 基于智能终端计算信息的急危重症区域信息管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310804542.3A CN116844702A (zh) | 2023-07-03 | 2023-07-03 | 基于智能终端计算信息的急危重症区域信息管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116844702A true CN116844702A (zh) | 2023-10-03 |
Family
ID=88173791
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310804542.3A Pending CN116844702A (zh) | 2023-07-03 | 2023-07-03 | 基于智能终端计算信息的急危重症区域信息管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116844702A (zh) |
-
2023
- 2023-07-03 CN CN202310804542.3A patent/CN116844702A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103565418B (zh) | 用于监视对象的临床状态的方法、设备 | |
| US7591793B2 (en) | Infant movement analysis system and infant movement analysis method | |
| Gardner et al. | Real time data acquisition: recommendations for the Medical Information Bus (MIB) | |
| CN111260884A (zh) | 一种基于智慧医疗的患者生命体征监测报警系统 | |
| CN113257440A (zh) | 一种基于病患视频识别的icu智能看护系统 | |
| KR20210066271A (ko) | 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템 | |
| Halín et al. | The LifeShirt system for wireless patient monitoring in the operating room | |
| CN115153571A (zh) | 一种智能生命支持一体机 | |
| CN112971722A (zh) | 一种围术期环境智能麻醉安全监控方法及系统 | |
| Orphanidou et al. | Telemetry-based vital sign monitoring for ambulatory hospital patients | |
| Wang et al. | Integrating computerized anesthesia charting into a hospital information system | |
| CN116844702A (zh) | 基于智能终端计算信息的急危重症区域信息管理系统 | |
| CN114360709B (zh) | 基于大数据的医疗数据采集校验系统及方法 | |
| Nerella et al. | AI-Enhanced Intensive Care Unit: Revolutionizing Patient Care with Pervasive Sensing | |
| KR102414191B1 (ko) | 모빌리티 클리닉 차량을 구비하는 감염병 진료 시스템 | |
| US20230165456A1 (en) | Medical system and medical method | |
| CN109378075A (zh) | 一种基于云数据叠加的创伤智能评估系统 | |
| US20230200642A1 (en) | Medical system, medical information processing apparatus, and medical method | |
| US20220344048A1 (en) | Severity evaluation apparatus and model generation apparatus | |
| CN107229829A (zh) | 临床重症远程辅助诊疗的管理方法 | |
| Friesdorf et al. | Data quality of bedside monitoring in an intensive care unit | |
| US20200168332A1 (en) | Display system for medical information and method for generating display content | |
| Hsueh-fen Young et al. | Computerized ventilator data selection: artifact rejection and data reduction | |
| Qomariyah et al. | IoT-based COVID-19 Patient Vital Sign Monitoring | |
| US11361864B2 (en) | Tracking usage of a pulse oximeter via a network system |
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 |