CN116884575A - 一种针对癌症患者心理健康评估系统的控制方法及装置 - Google Patents
一种针对癌症患者心理健康评估系统的控制方法及装置 Download PDFInfo
- Publication number
- CN116884575A CN116884575A CN202310840398.9A CN202310840398A CN116884575A CN 116884575 A CN116884575 A CN 116884575A CN 202310840398 A CN202310840398 A CN 202310840398A CN 116884575 A CN116884575 A CN 116884575A
- Authority
- CN
- China
- Prior art keywords
- user
- video
- basic information
- pushing
- self
- 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
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 46
- 201000011510 cancer Diseases 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000009323 psychological health Effects 0.000 title abstract description 36
- 238000012360 testing method Methods 0.000 claims abstract description 67
- 238000011156 evaluation Methods 0.000 claims abstract description 60
- 230000004630 mental health Effects 0.000 claims abstract description 57
- 238000011282 treatment Methods 0.000 claims abstract description 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000003745 diagnosis Methods 0.000 claims abstract description 3
- 238000012549 training Methods 0.000 claims description 33
- 230000003449 preventive effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000002996 emotional effect Effects 0.000 claims description 6
- 230000000474 nursing effect Effects 0.000 claims description 6
- 238000011269 treatment regimen Methods 0.000 claims description 6
- 238000002560 therapeutic procedure Methods 0.000 claims description 5
- 230000003340 mental effect Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 abstract description 11
- 230000002265 prevention Effects 0.000 abstract description 4
- 208000019901 Anxiety disease Diseases 0.000 description 13
- 230000036506 anxiety Effects 0.000 description 13
- 230000001960 triggered effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 208000020401 Depressive disease Diseases 0.000 description 3
- 238000009225 cognitive behavioral therapy Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000002249 anxiolytic agent Substances 0.000 description 2
- 230000000949 anxiolytic effect Effects 0.000 description 2
- 238000007475 c-index Methods 0.000 description 2
- 230000003001 depressive effect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013542 behavioral therapy Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G16H40/67—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 for remote operation
-
- 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
Abstract
本发明涉及心理健康技术领域，公开了一种针对癌症患者心理健康评估系统的控制方法及装置。该方法根据用户的基本信息，可以利用AI识别模型对用户的心理健康情况进行评估并分类，当用户属于确诊用户，则向用户推送自助式治疗视频和宣教视频，若用户属于健康用户，则向用户推送自助式预防视频和宣教视频；利用测试量表定期监测用户的心理健康，若用户的测试量表得分超过阈值则触发预警机制，以使医护端对该用户进行针对性的远程评估，并推送对应的治疗方案。本发明可以更便捷地对用户心理健康情况进行分类，定期对用户的心理健康进行监测，及时做出反馈，起到监测用户心理健康状态的作用，实现了远程评估，并根据评估结果进行对应的远程干预。
Description
技术领域
本发明涉及心理健康技术领域，特别是涉及一种针对癌症患者心理健康评估系统的控制方法及装置。
背景技术
近年来，癌症患者的抑郁和焦虑发病率逐渐升高，癌症患者的心理健康问题日益凸显，如何简单又高效地评估患者的心理健康状态具有重要意义。目前评估心理健康情况主要依靠量表工具，其中，针对焦虑筛查的量表有GAD-7，BAI，SAS等；而针对抑郁的筛查，相关评估工具有PHQ-9，BDI，SDS等。
但使用量表工具需要进行各种测试和评估，用于评估的时间较长，而且容易受个体主观态度以及社会赞许性的影响，会导致准确性不高。因此，如何突破常规的心理健康评估模式，构建医患认可且不受时间、空间限制的心理健康评估方式则极具科学研究意义和临床应用价值。
发明内容
本发明提供了一种针对癌症患者心理健康评估系统的控制方法及装置，可以提高对癌症患者心理健康情况进行分类的效率和准确性，定期对用户的心理健康进行监测，及时做出反馈，实现了远程评估。
为了解决上述技术问题，本发明提供了一种针对癌症患者心理健康评估系统的控制方法，包括：
获取第一用户的基本信息；所述基本信息包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量；
利用预设的AI识别模型，根据所述第一用户的基本信息对第一用户进行分类；
当第一用户被识别为确诊用户时，向所述第一用户推送自助式治疗视频和宣教视频；
当第一用户被识别为健康用户时，向所述第一用户推送自助式预防视频和宣教视频
本发明获取癌症患者用户的基本信息，无需用户自主进行更多的测试，即可利用AI识别模型对用户的心理健康情况进行识别并分类，提高识别用户心理健康的效率和便捷性；当识别出用户属于确诊用户的类别，则向用户推送自助式治疗视频和宣教视频，若用户属于健康用户的类别，则向用户推送自助式预防视频和宣教视频，及时向用户提供有效的心理健康支持。
进一步地，在所述利用预设的AI识别模型，根据所述第一用户的基本信息对第一用户进行分类后，还包括：
根据预设的监测周期获取第一用户输入的测试量表；
计算所述测试量表的得分结果；
当所述测试量表的得分结果超过设定的第一阈值时，发出警报，以使医护端接收警报，并生成第一用户的治疗方案；
接收并转发所述第一用户的治疗方案至第一用户。
本发明利用测试量表定期监测用户的心理健康，若用户的测试量表得分超过阈值则表明该用户有可能患有心理疾病，因此会触发预警机制，以使医护端对该用户进行针对性的远程评估，起到监测用户心理健康状态的作用。
进一步地，所述预设的AI识别模型，具体为：
在XGB分类器中设定变量；其中，所述变量包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量；
获取若干个用户的基本信息和心理状况，形成第一数据；
将所述第一数据根据预设的比例划分成训练集和测试集；
利用所述训练集训练所述XGB分类器；
当所述XGB分类器训练完成后，利用所述测试集对所述XGB分类器进行测试；
确定通过测试的XGB分类器为AI识别模型。
进一步地，所述当第一用户被识别为确诊用户时，向所述第一用户推送自助式治疗视频和宣教视频，具体为：
当第一用户被识别为确诊用户时，确定推送视频至确诊用户的第一时间周期；
根据第一时间周期分别向所述第一用户推送自助式治疗视频和宣教视频。
进一步地，所述当第一用户被识别为健康用户时，向所述第一用户推送自助式预防视频和宣教视频，具体为：
当第一用户被识别为健康用户时，确定推送视频至健康用户的第二时间周期；
根据第二时间周期分别向所述第一用户推送自助式预防视频和宣教视频。
进一步地，所述医护端接收警报，并生成第一用户的治疗方案，具体为：
当医护端接收到警报时，对第一用户进行远程评估，生成评估结果；
根据所述评估结果后生成第一用户的治疗方案；其中，所述治疗方案包括：用户心理教育、情感支持、压力管理训练、正念训练和药物干预治疗。
进一步地，所述当医护端接收到警报时，对第一用户进行远程评估，生成评估结果，具体为：
当所述医护端接收到警报时，将第一用户的基本信息和测试量表发送至评估团队；所述评估团队包括临床肿瘤科医生、护理团队、精神科医生和心理健康专家团队；
接收所述评估团队的反馈信息，并根据所述反馈信息生成第一用户的评估结果。
本发明在医护端接收到警报时，将该警报对应的用户的基本信息和测试量表发送给评估团队，评估团队可以远程对该用户的心理健康进行评估，并返回评估结果，以使医护端生成用户的治疗方案，并通过系统将治疗方案发送给用户，及时为用户提供有效的心理健康支持。
本发明提供了一种针对癌症患者心理健康评估系统的控制方法，根据用户的基本信息，可以利用AI识别模型对用户的心理健康情况进行评估并分类，当识别出用户属于确诊用户的类别，则向用户推送自助式治疗视频和宣教视频，若用户属于健康用户的类别，则向用户推送自助式预防视频和宣教视频；利用测试量表定期监测用户的心理健康，若用户的测试量表得分超过阈值则触发预警机制，以使医护端对该用户进行针对性的远程评估，并推送对应的治疗方案。本发明可以更便捷地对用户心理健康情况进行分类，定期对用户的心理健康进行监测，及时做出反馈，起到监测用户心理健康状态的作用，实现了远程评估。
相应的，本发明提供了一种针对癌症患者心理健康评估系统的控制装置，包括：信息获取模块、分类模块、第一推送模块和第二推送模块；
所述信息获取模块用于获取第一用户的基本信息；所述基本信息包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量；
所述分类模块用于利用预设的AI识别模型，根据所述第一用户的基本信息对第一用户进行分类；
所述第一推送模块用于当第一用户被识别为确诊用户时，向所述第一用户推送自助式治疗视频和宣教视频；
所述第二推送模块用于当第一用户被识别为健康用户时，向所述第一用户推送自助式预防视频和宣教视频。
进一步地，所述针对癌症患者心理健康评估系统的控制装置，还包括：量表获取模块、计算模块、预警模块和转发模块；
所述量表获取模块用于根据预设的监测周期获取第一用户输入的测试量表；
所述计算模块用于计算所述测试量表的得分结果；
所述预警模块用于当所述测试量表的得分结果超过设定的第一阈值时，发出警报，以使医护端接收警报，并生成第一用户的治疗方案；
所述转发模块用于接收并转发所述第一用户的治疗方案至第一用户。
进一步地，所述预设的AI识别模型，具体为：
在XGB分类器中设定变量；其中，所述变量包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量；
获取若干个用户的基本信息和心理状况，形成第一数据；
将所述第一数据根据预设的比例划分成训练集和测试集；
利用所述训练集训练所述XGB分类器；
当所述XGB分类器训练完成后，利用所述测试集对所述XGB分类器进行测试；
确定通过测试的XGB分类器为AI识别模型。
本发明提供了一种针对癌症患者心理健康评估系统的控制装置，以模块间的有机结合为基础，可以提高对用户心理健康情况进行分类的效率和准确性，定期对用户的心理健康进行监测，及时做出反馈，实现了远程评估。
附图说明
图1为本发明提供的针对癌症患者心理健康评估系统的控制方法的一种实施例的流程示意图；
图2为本发明提供的针对癌症患者心理健康评估系统的控制方法的另一种实施例的流程示意图；
图3为本发明提供的针对癌症患者心理健康评估系统的控制装置的一种实施例的结构示意图；
图4为本发明提供的针对癌症患者心理健康评估系统的控制装置的另一种实施例的结构示意图；
图5为本发明提供的针对癌症患者心理健康评估系统的一种流程示意图。
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。
实施例1
参见图1，是本发明提供的针对癌症患者心理健康评估系统的控制方法的一种实施例的流程示意图，该方法包括步骤101至步骤104，各步骤具体如下：
步骤101：获取第一用户的基本信息；所述基本信息包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量。
步骤102：利用预设的AI识别模型，根据所述第一用户的基本信息对第一用户进行分类。
在本发明第一实施例中，在获取了用户的基本信息，如年龄、性别、压力水平、经济收入、就业状态、疲劳程度及生活质量等，将用户的基本信息输入至训练好的AI识别模型进行个体化分类，无需用户自主进行其他测试，经过AI识别模型智能识别后，即可对用户的心理健康情况进行识别和分类，提高识别用户心理健康的效率和便捷性。
进一步地，在本发明第一实施例中，所述预设的AI识别模型，具体为：
在XGB分类器中设定变量；其中，所述变量包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量；
获取若干个用户的基本信息和心理状况，形成第一数据；
将所述第一数据根据预设的比例划分成训练集和测试集；
利用所述训练集训练所述XGB分类器；
当所述XGB分类器训练完成后，利用所述测试集对所述XGB分类器进行测试；
确定通过测试的XGB分类器为AI识别模型。
在本发明第一实施例中，在XGB分类器中设定变量，可以拟合出一个基于XGBoost的分类模型，采集若干个用户的基本信息和心理状况数据，可以将采集到的数据按4：1的比例划分成训练集和测试集，使用XGBClassifier()函数构建分类器，将训练集输入到clf.fit()函数中训练可以得出AI识别模型。其中，训练完成的AI识别模型对焦虑的评估效能为：C-index 0.89，敏感性93.5％，特异性88.2％；对抑郁的评估效能：C-index 0.87，敏感性90.5％，特异性85.7％；利用AI识别模型对用户的心理健康状况进行识别可以提高评估准确性。
步骤103：当第一用户被识别为确诊用户时，向所述第一用户推送自助式治疗视频和宣教视频。
进一步地，在本发明第一实施例中，当第一用户被识别为确诊用户时，向所述第一用户推送自助式治疗视频和宣教视频，具体为：
当第一用户被识别为确诊用户时，确定推送视频至确诊用户的第一时间周期；
根据第一时间周期分别向所述第一用户推送自助式治疗视频和宣教视频。
步骤104：当第一用户被识别为健康用户时，向所述第一用户推送自助式预防视频和宣教视频。
进一步地，在本发明第一实施例中，当第一用户被识别为健康用户时，向所述第一用户推送自助式预防视频和宣教视频，具体为：
当第一用户被识别为健康用户时，确定推送视频至健康用户的第二时间周期；
根据第二时间周期分别向所述第一用户推送自助式预防视频和宣教视频。
在本发明第一实施例中，当AI识别模型通过用户的基本信息将用户进行分类后，会对确诊用户推送线上自助式认知行为疗法(CBT)和相关的科普视频宣教；针对健康用户则会推送线上自助式心理健康教育和相关的科普视频宣教。其中，可以按照预定的时间周期推送视频，例如，对确诊用户推送的线上自助式认知行为疗法(CBT)可以每周推送一次，持续6周或8周；对健康用户推送的线上自助式心理健康教育可以每周推送一次，持续2周；推送给确诊用户和健康用户的相关的科普视频宣教可以每周推送一次，持续5周；可以及时且持续性地向用户提供有效的心理健康支持，能起到预防焦虑、抑郁的作用。
进一步地，参见图2，是本发明提供的针对癌症患者心理健康评估系统的控制方法的另一种实施例的流程示意图，在所述利用预设的AI识别模型，根据所述第一用户的基本信息对第一用户进行分类后，还包括步骤201至步骤204，各步骤具体如下：
步骤201：根据预设的监测周期获取第一用户输入的测试量表。
步骤202：计算所述测试量表的得分结果。
步骤203：当所述测试量表的得分结果超过设定的第一阈值时，发出警报，以使医护端接收警报，并生成第一用户的治疗方案。
进一步地，在本发明第一实施例中，医护端接收警报，并生成第一用户的治疗方案，具体为：
当医护端接收到警报时，对第一用户进行远程评估，生成评估结果；
根据所述评估结果后生成第一用户的治疗方案；其中，所述治疗方案包括：用户心理教育、情感支持、压力管理训练、正念训练和药物干预治疗。
进一步地，在本发明第一实施例中，当医护端接收到警报时，对第一用户进行远程评估，生成评估结果，具体为：
当所述医护端接收到警报时，将第一用户的基本信息和测试量表发送至评估团队；所述评估团队包括临床肿瘤科医生、护理团队、精神科医生和心理健康专家团队；
接收所述评估团队的反馈信息，并根据所述反馈信息生成第一用户的评估结果。
步骤204：接收并转发所述第一用户的治疗方案至第一用户。
在本发明第一实施例中，用户可以定期填写测试量表，系统根据用户填写的测试量表可以自动计算量表得分，当得分超过设定阈值时会触发预警机制。例如，测试量表可以包括焦虑量表GAD-7和抑郁量表PHQ-9，当焦虑量表得分GAD-7≥7或抑郁量表得分PHQ-9≥8时，会触发预警机制，起到监测心理健康状态的作用。
在本发明第一实施例中，当触发预警机制时，医护端将接收警报，查看用户数据，将触发预警的用户的基本信息和测试量表发送给评估团队，其中，评估团队包括临床肿瘤科医生、护理团队、精神科医生和心理健康专家团队，即MDT团队，评估团队可远程对用户进行心理健康评估，以确定用户是否真正存在心理健康问题。如用户被确诊，则将生成对应的治疗方案，并将该方案推送给确诊用户，以实现远程评估，且及时做出线上反馈。其中，治疗方案可以包括相关指南推荐的患者教育/心理教育、情感支持、放松技巧和压力管理训练、解决问题的办法、正念训练、甚至抗焦虑/抑郁药物干预治疗等。
综上，本发明第一实施例提供了一种针对癌症患者心理健康评估系统的控制方法根据用户的基本信息，可以利用AI识别模型对用户的心理健康情况进行评估并分类，当识别出用户属于确诊用户的类别，则向用户推送自助式治疗视频和宣教视频，若用户属于健康用户的类别，则向用户推送自助式预防视频和宣教视频；利用测试量表定期监测用户的心理健康，若用户的测试量表得分超过阈值则触发预警机制，以使医护端对该用户进行针对性的远程评估，并推送对应的治疗方案，可以更便捷地对用户心理健康情况进行分类，定期对用户的心理健康进行监测，及时做出反馈，起到监测用户心理健康状态的作用，实现了远程评估。
实施例2
参见图3，是本发明提供的针对癌症患者心理健康评估系统的控制装置的一种实施例的结构示意图，该装置包括信息获取模块301、分类模块302、第一推送模块303和第二推送模块304；
信息获取模块301用于获取第一用户的基本信息；所述基本信息包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量；
分类模块302用于利用预设的AI识别模型，根据所述第一用户的基本信息对第一用户进行分类；
第一推送模块303用于当第一用户被识别为确诊用户时，向所述第一用户推送自助式治疗视频和宣教视频；
第二推送模块304用于当第一用户被识别为健康用户时，向所述第一用户推送自助式预防视频和宣教视频。
进一步地，参见图4，是本发明提供的针对癌症患者心理健康评估系统的控制装置的另一种实施例的结构示意图，包括：量表获取模块401、计算模块402、预警模块403和转发模块404；
量表获取模块401用于根据预设的监测周期获取第一用户输入的测试量表；
计算模块402用于计算所述测试量表的得分结果；
预警模块403用于当所述测试量表的得分结果超过设定的第一阈值时，发出警报，以使医护端接收警报，并生成第一用户的治疗方案；
转发模块404用于接收并转发所述第一用户的治疗方案至第一用户。
进一步地，在本发明第二实施例中，预设的AI识别模型，具体为：
在XGB分类器中设定变量；其中，所述变量包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量；
获取若干个用户的基本信息和心理状况，形成第一数据；
将所述第一数据根据预设的比例划分成训练集和测试集；
利用所述训练集训练所述XGB分类器；
当所述XGB分类器训练完成后，利用所述测试集对所述XGB分类器进行测试；
确定通过测试的XGB分类器为AI识别模型。
进一步地，在本发明第二实施例中，第一推送模块303，包括第一确定单元和第一推送单元；
第一确定单元用于当第一用户被识别为确诊用户时，确定推送视频至确诊用户的第一时间周期；
第一推送单元用于根据第一时间周期分别向所述第一用户推送自助式治疗视频和宣教视频。
进一步地，在本发明第二实施例中，第二推送模块304，包括第二确定单元和第二推送单元；
第二确定单元用于当第一用户被识别为健康用户时，确定推送视频至健康用户的第二时间周期；
第二推送单元用于根据第二时间周期分别向所述第一用户推送自助式预防视频和宣教视频。
进一步地，在本发明第二实施例中，预警模块403，包括接收单元和生成单元；
接收单元用于当医护端接收到警报时，对第一用户进行远程评估，生成评估结果；
生成单元用于根据所述评估结果后生成第一用户的治疗方案；其中，所述治疗方案包括：用户心理教育、情感支持、压力管理训练、正念训练和药物干预治疗。
进一步地，在本发明第二实施例中，接收单元，包括发送子单元和接收子单元；
发送子单元用于当所述医护端接收到警报时，将第一用户的基本信息和测试量表发送至评估团队；所述评估团队包括临床肿瘤科医生、护理团队、精神科医生和心理健康专家团队；
接收子单元用于接收所述评估团队的反馈信息，并根据所述反馈信息生成第一用户的评估结果。
综上，本发明第二实施例提供了一种针对癌症患者心理健康评估系统的控制装置，以模块间的有机结合为基础，根据用户的基本信息，可以利用AI识别模型对用户的心理健康情况进行评估并分类，当识别出用户属于确诊用户的类别，则向用户推送自助式治疗视频和宣教视频，若用户属于健康用户的类别，则向用户推送自助式预防视频和宣教视频；利用测试量表定期监测用户的心理健康，若用户的测试量表得分超过阈值则触发预警机制，以使医护端对该用户进行针对性的远程评估，并推送对应的治疗方案，可以更便捷地对用户心理健康情况进行分类，定期对用户的心理健康进行监测，及时做出反馈，起到监测用户心理健康状态的作用，实现了远程评估。
实施例3
本发明提供了一种针对癌症患者心理健康评估系统，该系统包括评估板块、推送板块、监测与预警板块和反馈板块。
作为本发明第三实施例的一种举例，可以利用本发明提供的针对癌症患者心理健康评估系统应用于癌症患者，评估癌症患者的焦虑和抑郁情况，具体如下：
获取癌症患者的基本信息(如年龄、性别、压力水平、经济收入、就业状态、癌性疲劳程度及生活质量等)，将癌症患者的基本信息输入至系统的评估板块；评估板块基于深度学习算法，对癌症患者的焦虑、抑郁情况进行人工智能自动评估，并将评估结果发送至推送板块；推送板块根据评估结果，对识别为焦虑、抑郁的患者进行线上自助式认知行为疗法(CBT)+自助式癌症科普视频宣教；针对无焦虑、抑郁的患者则进行线上自助式心理健康教育+自助式癌症科普视频宣教。
进入系统的患者可以定期填写焦虑和抑郁量表(分别为GAD-7和PHQ-9)，系统中的监测、预警板块可以自动计算量表得分，当得分超过设定阈值时(GAD-7≥7，PHQ-9≥8)会触发预警机制；当触发预警机制时，医护反馈端将接收警报，并利用系统的反馈模块做出远程及时反馈。其中，医护反馈端包括临床肿瘤科医生、护理团队、精神科医生和心理健康专家团队，即MDT团队，当医护反馈端收到预警后将对患者的焦虑/抑郁情况进行评估，以确定患者是否真正存在焦虑/抑郁。如患者被确诊为焦虑/抑郁，医护反馈端将遵从癌症患者焦虑、抑郁相关指南来执行，反馈的具体操作包括指南推荐的患者教育/心理教育、情感支持、放松技巧和压力管理训练、解决问题的办法、正念训练、甚至抗焦虑/抑郁药物干预治疗等。
参见图5，是本发明提供的针对癌症患者心理健康评估系统的一种流程示意图，具体如下：
患者通过微信小程序可以进入针对癌症患者心理健康评估系统。每位参与的患者通过受保护的独立账号密码登录系统，填写基本信息，系统会根据患者的临床基本信息进行AI分析识别焦虑、抑郁，并给予相应的线上自助式心理干预。患者在使用期间根据设定的周期定期在系统上填写GAD-7和PHQ-9，系统可以自动计算GAD-7和PHQ-9得分，并生成(GAD-7≥7分或PHQ-9≥8分)或不生成(GAD-7＜7分且PHQ-9＜8分)预警；医护端也可以通过系统接收预警并查看患者数据，对预警患者及时做出线上反馈。
综上，本发明提供了一种针对癌症患者心理健康评估系统，可以根据用户的基本信息，可以利用AI识别模型对用户的心理健康情况进行评估并分类，当识别出用户属于确诊用户的类别，则向用户推送自助式治疗视频和宣教视频，若用户属于健康用户的类别，则向用户推送自助式预防视频和宣教视频；利用测试量表定期监测用户的心理健康，若用户的测试量表得分超过阈值则触发预警机制，以使医护端对该用户进行针对性的远程评估，并推送对应的治疗方案，可以更便捷地对用户心理健康情况进行分类，定期对用户的心理健康进行监测，及时做出反馈，起到监测用户心理健康状态的作用，实现了远程评估。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种针对癌症患者心理健康评估系统的控制方法，其特征在于，包括：
获取第一用户的基本信息；所述基本信息包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量；
利用预设的AI识别模型，根据所述第一用户的基本信息对第一用户进行分类；
当第一用户被识别为确诊用户时，向所述第一用户推送自助式治疗视频和宣教视频；
当第一用户被识别为健康用户时，向所述第一用户推送自助式预防视频和宣教视频。
2.根据权利要求1所述的针对癌症患者心理健康评估系统的控制方法，其特征在于，在所述利用预设的AI识别模型，根据所述第一用户的基本信息对第一用户进行分类后，还包括：
根据预设的监测周期获取第一用户输入的测试量表；
计算所述测试量表的得分结果；
当所述测试量表的得分结果超过设定的第一阈值时，发出警报，以使医护端接收警报，并生成第一用户的治疗方案；
接收并转发所述第一用户的治疗方案至第一用户。
3.根据权利要求1所述的针对癌症患者心理健康评估系统的控制方法，其特征在于，所述预设的AI识别模型，具体为：
在XGB分类器中设定变量；其中，所述变量包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量；
获取若干个用户的基本信息和心理状况，形成第一数据；
将所述第一数据根据预设的比例划分成训练集和测试集；
利用所述训练集训练所述XGB分类器；
当所述XGB分类器训练完成后，利用所述测试集对所述XGB分类器进行测试；
确定通过测试的XGB分类器为AI识别模型。
4.根据权利要求1所述的针对癌症患者心理健康评估系统的控制方法，其特征在于，所述当第一用户被识别为确诊用户时，向所述第一用户推送自助式治疗视频和宣教视频，具体为：
当第一用户被识别为确诊用户时，确定推送视频至确诊用户的第一时间周期；
根据第一时间周期分别向所述第一用户推送自助式治疗视频和宣教视频。
5.根据权利要求1所述的针对癌症患者心理健康评估系统的控制方法，其特征在于，所述当第一用户被识别为健康用户时，向所述第一用户推送自助式预防视频和宣教视频，具体为：
当第一用户被识别为健康用户时，确定推送视频至健康用户的第二时间周期；
根据第二时间周期分别向所述第一用户推送自助式预防视频和宣教视频。
6.根据权利要求2所述的针对癌症患者心理健康评估系统的控制方法，其特征在于，所述医护端接收警报，并生成第一用户的治疗方案，具体为：
当医护端接收到警报时，对第一用户进行远程评估，生成评估结果；
根据所述评估结果后生成第一用户的治疗方案；其中，所述治疗方案包括：用户心理教育、情感支持、压力管理训练、正念训练和药物干预治疗。
7.根据权利要求6所述的针对癌症患者心理健康评估系统的控制方法，其特征在于，所述当医护端接收到警报时，对第一用户进行远程评估，生成评估结果，具体为：
当所述医护端接收到警报时，将第一用户的基本信息和测试量表发送至评估团队；所述评估团队包括临床肿瘤科医生、护理团队、精神科医生和心理健康专家团队；
接收所述评估团队的反馈信息，并根据所述反馈信息生成第一用户的评估结果。
8.一种针对癌症患者心理健康评估系统的控制装置，其特征在于，包括：信息获取模块、分类模块、第一推送模块和第二推送模块；
所述信息获取模块用于获取第一用户的基本信息；所述基本信息包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量；
所述分类模块用于利用预设的AI识别模型，根据所述第一用户的基本信息对第一用户进行分类；
所述第一推送模块用于当第一用户被识别为确诊用户时，向所述第一用户推送自助式治疗视频和宣教视频；
所述第二推送模块用于当第一用户被识别为健康用户时，向所述第一用户推送自助式预防视频和宣教视频。
9.根据权利要求8所述的针对癌症患者心理健康评估系统的控制装置，其特征在于，还包括：量表获取模块、计算模块、预警模块和转发模块；
所述量表获取模块用于根据预设的监测周期获取第一用户输入的测试量表；
所述计算模块用于计算所述测试量表的得分结果；
所述预警模块用于当所述测试量表的得分结果超过设定的第一阈值时，发出警报，以使医护端接收警报，并生成第一用户的治疗方案；
所述转发模块用于接收并转发所述第一用户的治疗方案至第一用户。
10.根据权利要求8所述的针对癌症患者心理健康评估系统的控制装置，其特征在于，所述预设的AI识别模型，具体为：
在XGB分类器中设定变量；其中，所述变量包括年龄、性别、压力水平、经济收入、就业状态、疲劳程度和生活质量；
获取若干个用户的基本信息和心理状况，形成第一数据；
将所述第一数据根据预设的比例划分成训练集和测试集；
利用所述训练集训练所述XGB分类器；
当所述XGB分类器训练完成后，利用所述测试集对所述XGB分类器进行测试；
确定通过测试的XGB分类器为AI识别模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310840398.9A CN116884575A (zh) | 2023-07-10 | 2023-07-10 | 一种针对癌症患者心理健康评估系统的控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310840398.9A CN116884575A (zh) | 2023-07-10 | 2023-07-10 | 一种针对癌症患者心理健康评估系统的控制方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116884575A true CN116884575A (zh) | 2023-10-13 |
Family
ID=88269200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310840398.9A Pending CN116884575A (zh) | 2023-07-10 | 2023-07-10 | 一种针对癌症患者心理健康评估系统的控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116884575A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109147949A (zh) * | 2018-08-16 | 2019-01-04 | 辽宁大学 | 一种基于分类回归树来用于检测教师亚健康状态的方法 |
| CN113782154A (zh) * | 2021-09-16 | 2021-12-10 | 南充心海无忧医疗科技有限公司 | 孕产妇心理健康管理系统 |
| CN115527673A (zh) * | 2022-09-19 | 2022-12-27 | 内蒙古卫数数据科技有限公司 | 一种基于大数据的心理健康风险筛查系统及其方法 |
| US20230154575A1 (en) * | 2020-06-04 | 2023-05-18 | Healmed Solutions Llc | Systems and Methods for Mental Health Care Delivery Via Artificial Intelligence |
-
2023
- 2023-07-10 CN CN202310840398.9A patent/CN116884575A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109147949A (zh) * | 2018-08-16 | 2019-01-04 | 辽宁大学 | 一种基于分类回归树来用于检测教师亚健康状态的方法 |
| US20230154575A1 (en) * | 2020-06-04 | 2023-05-18 | Healmed Solutions Llc | Systems and Methods for Mental Health Care Delivery Via Artificial Intelligence |
| CN113782154A (zh) * | 2021-09-16 | 2021-12-10 | 南充心海无忧医疗科技有限公司 | 孕产妇心理健康管理系统 |
| CN115527673A (zh) * | 2022-09-19 | 2022-12-27 | 内蒙古卫数数据科技有限公司 | 一种基于大数据的心理健康风险筛查系统及其方法 |
Non-Patent Citations (1)
| Title |
|---|
| 丛昌盛;于甬华;刘希军;朱昆莉;: "直肠癌放化疗患者心理问题与生活质量评估", 实用癌症杂志, vol. 23, no. 02, pages 166 - 168 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Brown et al. | The National Consortium on Alcohol and NeuroDevelopment in Adolescence (NCANDA): a multisite study of adolescent development and substance use | |
| Levenson et al. | Factors predicting selection of sexually violent predators for civil commitment | |
| US20150040685A1 (en) | Impact sensing, evaluation & tracking system | |
| Yechiam et al. | A formal cognitive model of the go/no-go discrimination task: evaluation and implications. | |
| US20100324454A1 (en) | Deception detection using oculomotor movements | |
| Spielmans et al. | A comparison of rational versus empirical methods in the prediction of psychotherapy outcome | |
| Kang et al. | Understanding the pathways from depression to suicidal risk from the perspective of the interpersonal–Psychological theory of suicide | |
| TWI709146B (zh) | 生理數據智能處理方法與系統 | |
| JP2022068362A (ja) | 医療システム及びそれを実行する方法 | |
| Perillo et al. | Examining the scope of questionable diagnostic reliability in Sexually Violent Predator (SVP) evaluations | |
| WO2022087116A1 (en) | Systems and methods for mental health assessment | |
| Wootton et al. | Internet-delivered cognitive-behaviour therapy (ICBT) for obsessive-compulsive disorder when delivered as routine clinical care: A phase IV clinical trial | |
| Miettinen | Important concepts in epidemiology | |
| Lockmuller et al. | Sexual offenders with mental health problems: epidemiology, assessment and treatment | |
| Langevin et al. | Intergenerational continuity of child maltreatment: The role of maternal emotional dysregulation and mother–child attachment. | |
| EP4107750A1 (en) | Neurodevelopmental/cognitive assessment and cognitive training on a digital device and identification and measurement of digital cognitive biomarkers | |
| CN116884575A (zh) | 一种针对癌症患者心理健康评估系统的控制方法及装置 | |
| WO2020227703A1 (en) | Adaptive psychological assessment tool | |
| Heard et al. | Speech workload estimation for human-machine interaction | |
| Ogloff et al. | A clarion call: Caution and humility must be the theme when assessing risk for sexual violence under post-sentence laws | |
| US20240050006A1 (en) | System and method for prediction and control of attention deficit hyperactivity (adhd) disorders | |
| Grace et al. | Employment status and recidivism after relationship violence intervention. | |
| da Conceição Teixeira et al. | Repeated clinical assessment using sensory modality assessment and rehabilitation technique for diagnosis in prolonged disorders of consciousness | |
| Batastini et al. | A longitudinal examination of stepping up, stepping out with incarcerated men in restrictive housing: An expansion of the 2021 pilot. | |
| Gurusamy et al. | Comparison of Behavioural Observation and Physiological Measurements to Examine the Psychological State of Students using Machine learning |
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 |