CN116978510A - 一种居家脑卒中患者的护理分级评估系统 - Google Patents
一种居家脑卒中患者的护理分级评估系统 Download PDFInfo
- Publication number
- CN116978510A CN116978510A CN202310974114.5A CN202310974114A CN116978510A CN 116978510 A CN116978510 A CN 116978510A CN 202310974114 A CN202310974114 A CN 202310974114A CN 116978510 A CN116978510 A CN 116978510A
- Authority
- CN
- China
- Prior art keywords
- patient
- home
- nursing
- care
- cerebral apoplexy
- 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
- 230000000474 nursing effect Effects 0.000 title claims abstract description 160
- 208000006011 Stroke Diseases 0.000 title claims abstract description 149
- 206010008190 Cerebrovascular accident Diseases 0.000 title claims abstract description 138
- 230000002490 cerebral effect Effects 0.000 title claims abstract description 138
- 238000011156 evaluation Methods 0.000 title claims abstract description 58
- 238000012706 support-vector machine Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 14
- 238000013210 evaluation model Methods 0.000 claims description 15
- 230000035790 physiological processes and functions Effects 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000036772 blood pressure Effects 0.000 claims description 3
- 230000003920 cognitive function Effects 0.000 claims description 3
- 230000008451 emotion Effects 0.000 claims description 3
- 230000029142 excretion Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 230000009747 swallowing Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010010774 Constipation Diseases 0.000 description 1
- 208000019505 Deglutition disease Diseases 0.000 description 1
- 208000020401 Depressive disease Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008506 pathogenesis 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
-
- 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
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Abstract
本发明公开了一种居家脑卒中患者的护理分级评估系统，具体涉及医疗设备技术领域，包括患者信息获取模块、居家患者监督模块、护理分级评估模块以及通讯模块；本发明通过患者信息获取模块获得居家脑卒中患者的生理数据信息以及实时视频信息，再通过支持向量机对分析处理后的生理数据信息进行分类处理，并建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，依据居家脑卒中患者的护理需求度进行护理分级，以判断患者的护理级别，有助于根据患者的具体需求和病情提供个性化的护理建议，帮助患者在家庭环境中获得更好的康复效果，同时持续监测患者的康复进度，为患者提供及时、有针对性的康复指导，提高康复效率。
Description
技术领域
本发明涉及医疗设备技术领域，更具体地说，本发明涉及一种居家脑卒中患者的护理分级评估系统。
背景技术
脑卒中作为全球第二致死原因，其具有发病率高、死亡率高、致残率高复发率高以及经济负担重的特点。由于脑卒中患者体质、并发症种类以及发病部位的不同，决定其护理需求具有一定的特殊性，在患者手术完成且病情处于稳定状态时，多伴有不同程度的便秘、吞咽障碍、语言障碍、并发症发作以及焦虑抑郁的不良问题，仅通过患者家属以及医护人员对患者进行实时监护需要极大的经济成本，现缺少规范完整的系统对居家脑卒中患者的护理需求度及护理等级进行判定，为了解决上述问题，现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种居家脑卒中患者的护理分级评估系统，通过患者信息获取模块获得居家脑卒中患者的生理数据信息以及实时视频信息，通过支持向量机对分析处理后的生理数据信息进行分类处理，并建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，再依据居家脑卒中患者的护理需求度进行护理分级，以判断患者的护理级别，有助于根据患者的具体需求和病情提供个性化的护理建议，帮助患者在家庭环境中获得更好的康复效果，同时可以持续监测患者的康复进度，为患者提供及时、有针对性的康复指导，提高康复效率，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种居家脑卒中患者的护理分级评估系统，包括患者信息获取模块、居家患者监督模块、护理分级评估模块以及通讯模块，患者信息获取模块用于获取居家脑卒中患者的生理数据信息以及实时视频信息，护理分级评估模块包括护理信息分类单元、患者护理评估单元、患者护理分级单元以及护理信息存储单元，护理信息分类单元通过支持向量机对居家脑卒中患者的生理数据信息进行分类，分为生理功能指标、心理状态指标、自理能力指标以及社会关怀指标四类，患者护理评估单元通过建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，其中，患者护理需求度评估模型的公式为：
式中：HLTI为居家脑卒中患者的护理需求度，ZLO为居家脑卒中患者的生理功能指标，ZLF为居家脑卒中患者的心理状态指标，ZLP为居家脑卒中患者的自理能力指标，ZLE为居家脑卒中患者的社会关怀指标。
作为本发明的进一步方案，各模块的具体作用为：
患者信息获取模块用于获得居家脑卒中患者的生理数据信息以及实时视频信息；
居家患者监督模块用于对居家脑卒中患者的生理数据信息以及实时视频信息进行分析处理，并对患者行为进行判断；
护理分级评估模块通过支持向量机对分析处理后的生理数据信息进行分类处理，并建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，再依据居家脑卒中患者的护理需求度进行护理分级，以判断患者的护理级别；
通讯模块用于对患者进行定位，并将患者的信息传送至家属以及护理中心。
作为本发明的进一步方案，患者信息获取模块与居家患者监督模块相连接，居家患者监督模块与护理分级评估模块相连接，护理分级评估模块与通讯模块相连接。
作为本发明的进一步方案，护理分级评估模块包括护理信息分类单元、患者护理评估单元、患者护理分级单元以及护理信息存储单元，护理信息分类单元用于通过支持向量机对居家脑卒中患者的生理数据信息进行分类，患者护理评估单元通过建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，患者护理分级单元依据居家脑卒中患者的护理需求度对患者进行护理分级，护理信息存储单元用于储存护理分级评估模块涉及的数据。
作为本发明的进一步方案，护理信息分类单元与患者护理评估单元相连接，患者护理评估单元与患者护理分级单元相连接，患者护理分级单元与护理信息存储单元相连接。
作为本发明的进一步方案，通讯模块包括患者定位单元以及报警单元。
作为本发明的进一步方案，患者信息获取模块包括患者生理信息获取单元以及患者视频信息采集单元，其中，患者生理信息获取单元通过患者的病例、体检指标以及问卷调查获取患者的视力指标、听力指标、运动指标、血压、吞咽功能指标、排泄功能指标、皮肤状况指标、睡眠状况指标、并发症发作指标、巴塞尔指数、基本日常生活活动能力、工具性日常生活活动能力、认知功能指标、情绪指标、日常行为指标、社会环境适应指标、社会参与指标以及社会资源指标，患者视频信息采集单元通过摄像头对患者的日常活动进行采集。
作为本发明的进一步方案，居家患者监督模块用于对居家脑卒中患者的生理数据信息以及实时视频信息进行分析处理，对居家脑卒中患者的生理数据信息进行归一化以及标准化处理，对实时视频信息进行分帧处理并实时存储。
作为本发明的进一步方案，居家患者监督模块对居家脑卒中患者的生理数据信息进行归一化以及标准化处理，其中，对居家脑卒中患者的生理数据信息进行归一化处理的具体公式为：
式中：Z为归一化后的居家脑卒中患者的生理数据信息，GO为原始居家脑卒中患者的生理数据信息，GA为居家脑卒中患者的生理数据信息中的最大值，GI为居家脑卒中患者的生理数据信息中的最小值；
居家脑卒中患者的生理数据信息进行标准化处理的具体公式为：
式中：P′为标准化后的居家脑卒中患者的生理数据信息数据，为居家脑卒中患者的生理数据信息的均值，GS为居家脑卒中患者的生理数据信息的标准差。
作为本发明的进一步方案，护理信息分类单元用于通过支持向量机对居家脑卒中患者的生理数据信息进行分类的步骤为：
步骤一，对居家脑卒中患者的生理数据信息及逆行数据清洗、数据整理以及消除异常值；
步骤二，将处理后的居家脑卒中患者的生理数据信息作为护理特征，对护理特征进行缩放使其在同一数量级上；
步骤三，将护理特征划分为训练数据集、验证数据集以及测试数据集，通过支持向量机模型将训练数据集分为生理功能指标、心理状态指标、自理能力指标以及社会关怀指标四类，利用测试数据集对支持向量机模型进行评估并计算评估指标，评估指标包括准确率、召回率以及F1值。
作为本发明的进一步方案，患者护理分级单元依据居家脑卒中患者的护理需求度对患者进行护理分级，其中，
当75％<HLTI≤100％时，居家脑卒中患者归为一级护理，需要医护人员进行一对一专业照顾；
当35％<HLTI≤75％时，居家脑卒中患者归为二级护理，需要患者家属参照医嘱对患者进行照料并实时监控；
当0<HLTI≤35％时，居家脑卒中患者归为三级护理，需要医护人员每周对患者身体进行检查。
本发明一种居家脑卒中患者的护理分级评估系统的技术效果和优点：
1、本发明能够根据居家脑卒中患者的具体需求和病情提供个性化的护理建议，帮助患者在家庭环境中获得更好的康复效果；
2、本发明持续监测居家脑卒中患者的康复进度，为患者提供及时、有针对性的康复指导，提高康复效率；
3、本发明通过提供居家护理服务，患者能够避免长时间住院，降低医疗费用，减轻患者和家庭的经济负担；
4、本发明通过收集居家脑卒中患者数据，为研究人员提供丰富的研究资源，有助于发现更有效的治疗和康复方法。
附图说明
图1为本发明一种居家脑卒中患者的护理分级评估系统的结构示意图。
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做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。
一种居家脑卒中患者的护理分级评估系统，包括患者信息获取模块、居家患者监督模块、护理分级评估模块以及通讯模块，患者信息获取模块用于获取居家脑卒中患者的生理数据信息以及实时视频信息，护理分级评估模块包括护理信息分类单元、患者护理评估单元、患者护理分级单元以及护理信息存储单元，护理信息分类单元通过支持向量机对居家脑卒中患者的生理数据信息进行分类，分为生理功能指标、心理状态指标、自理能力指标以及社会关怀指标四类，患者护理评估单元通过建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，其中，患者护理需求度评估模型的公式为：
式中：HLTI为居家脑卒中患者的护理需求度，ZLO为居家脑卒中患者的生理功能指标，ZLF为居家脑卒中患者的心理状态指标，ZLP为居家脑卒中患者的自理能力指标，ZLE为居家脑卒中患者的社会关怀指标。
其中，居家脑卒中患者的护理需求度与居家脑卒中患者的生理功能指标的平方成反函数关系，与居家脑卒中患者的心理状态指标对数的平方根成反函数关系，与居家脑卒中患者的自理能力指标的平方根成反函数关系，与居家脑卒中患者的社会关怀指标的e的指数成反函数关系，e为自然对数函数关系，由函数关系反映居家脑卒中患者的护理需求度受居家脑卒中患者的生理功能指标的影响较大，受居家脑卒中患者的心理状态指标、居家脑卒中患者的自理能力指标以及居家脑卒中患者的社会关怀指标的影响较小。
本发明中各模块的具体作用为：
患者信息获取模块用于获得居家脑卒中患者的生理数据信息以及实时视频信息；
居家患者监督模块用于对居家脑卒中患者的生理数据信息以及实时视频信息进行分析处理，并对患者行为进行判断；
护理分级评估模块通过支持向量机对分析处理后的生理数据信息进行分类处理，并建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，再依据居家脑卒中患者的护理需求度进行护理分级，以判断患者的护理级别；
通讯模块用于对患者进行定位，并将患者的信息传送至家属以及护理中心。
本发明中患者信息获取模块与居家患者监督模块相连接，居家患者监督模块与护理分级评估模块相连接，护理分级评估模块与通讯模块相连接。
本发明通过患者信息获取模块获得居家脑卒中患者的生理数据信息以及实时视频信息，通过支持向量机对分析处理后的生理数据信息进行分类处理，并建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，再依据居家脑卒中患者的护理需求度进行护理分级，以判断患者的护理级别，有助于根据患者的具体需求和病情提供个性化的护理建议，帮助患者在家庭环境中获得更好的康复效果，同时可以持续监测患者的康复进度，为患者提供及时、有针对性的康复指导，提高康复效率。
本发明中护理分级评估模块包括护理信息分类单元、患者护理评估单元、患者护理分级单元以及护理信息存储单元，护理信息分类单元用于通过支持向量机对居家脑卒中患者的生理数据信息进行分类，患者护理评估单元通过建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，患者护理分级单元依据居家脑卒中患者的护理需求度对患者进行护理分级，护理信息存储单元用于储存护理分级评估模块涉及的数据。
本发明中护理信息分类单元与患者护理评估单元相连接，患者护理评估单元与患者护理分级单元相连接，患者护理分级单元与护理信息存储单元相连接。
本发明中的护理分级评估模块通过护理信息分类单元将居家脑卒中患者的生理数据信息分为生理功能指标、心理状态指标、自理能力指标以及社会关怀指标四类，将四类指标数据传送至患者护理评估单元，患者护理评估单元通过四类指标数据建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，随后，患者护理分级单元依据居家脑卒中患者的护理需求度对患者进行护理分级，护理信息存储单元用于储存护理分级评估模块涉及的数据。
本发明中通讯模块包括患者定位单元以及报警单元。
当患者的护理需求度在0-35％时，不需要医护人员或者患者家属对其进行实时监视，但无法避免意外情况的发生。居家患者监督模块通过视频信息对患者的行为进行判断，当检测到患者的行为存在危险时，通讯模块中的患者定位模块将定位患者的位置信息，并通过报警单元通过互联网将危险信息传送至家属以及护理中心并发出警报声；当未监测出患者行为存在危险时，报警单元将实时传送患者的居家信息。
本发明中患者信息获取模块包括患者生理信息获取单元以及患者视频信息采集单元，其中，患者生理信息获取单元通过患者的病例、体检指标以及问卷调查获取患者的视力指标、听力指标、运动指标、血压、吞咽功能指标、排泄功能指标、皮肤状况指标、睡眠状况指标、并发症发作指标、巴塞尔指数、基本日常生活活动能力、工具性日常生活活动能力、认知功能指标、情绪指标、日常行为指标、社会环境适应指标、社会参与指标以及社会资源指标，患者视频信息采集单元通过摄像头对患者的日常活动进行采集。
本发明中居家患者监督模块用于对居家脑卒中患者的生理数据信息以及实时视频信息进行分析处理，对居家脑卒中患者的生理数据信息进行归一化以及标准化处理，对实时视频信息进行分帧处理并实时存储。
本发明中居家患者监督模块对居家脑卒中患者的生理数据信息进行归一化以及标准化处理，其中，对居家脑卒中患者的生理数据信息进行归一化处理的具体公式为：
式中：Z为归一化后的居家脑卒中患者的生理数据信息，GO为原始居家脑卒中患者的生理数据信息，GA为居家脑卒中患者的生理数据信息中的最大值，GI为居家脑卒中患者的生理数据信息中的最小值；
居家脑卒中患者的生理数据信息进行标准化处理的具体公式为：
式中：P′为标准化后的居家脑卒中患者的生理数据信息数据，为居家脑卒中患者的生理数据信息的均值，GS为居家脑卒中患者的生理数据信息的标准差。
通过对居家脑卒中患者的生理数据信息进行归一化以及标准化处理，进行标准化处理能够将不同量纲的变量转换为统一量纲的数据，消除量纲对分析结果的影响，并降低异常值对模型的影响，提高分析的准确性；进行归一化处理，能够将数据缩放到相同的范围内，避免极值对分析结果的影响。
本发明中护理信息分类单元用于通过支持向量机对居家脑卒中患者的生理数据信息进行分类的步骤为：
步骤一，对居家脑卒中患者的生理数据信息及逆行数据清洗、数据整理以及消除异常值；
步骤二，将处理后的居家脑卒中患者的生理数据信息作为护理特征，对护理特征进行缩放使其在同一数量级上；
步骤三，将护理特征划分为训练数据集、验证数据集以及测试数据集，通过支持向量机模型将训练数据集分为生理功能指标、心理状态指标、自理能力指标以及社会关怀指标四类，利用测试数据集对支持向量机模型进行评估并计算评估指标，评估指标包括准确率、召回率以及F1值。
本发明中患者护理分级单元依据居家脑卒中患者的护理需求度对患者进行护理分级，其中，
当75％<HLTI≤100％时，居家脑卒中患者归为一级护理，需要医护人员进行一对一专业照顾；
当35％<HLTI≤75％时，居家脑卒中患者归为二级护理，需要患者家属参照医嘱对患者进行照料并实时监控；
当0<HLTI≤35％时，居家脑卒中患者归为三级护理，需要医护人员每周对患者身体进行检查。
本发明通过患者信息获取模块获得居家脑卒中患者的生理数据信息以及实时视频信息，利用居家患者监督模块用于对居家脑卒中患者的生理数据信息以及实时视频信息进行分析处理，并依据视频信息对患者的行为进行危险性判断。随后，护理分级评估模块通过支持向量机对分析处理后的生理数据信息进行分类处理，将居家脑卒中患者的生理数据信息分为生理功能指标、心理状态指标、自理能力指标以及社会关怀指标四类，并建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，再依据居家脑卒中患者的护理需求度进行护理分级以判断患者的护理级别。当患者的护理需求度在0-35％时，居家脑卒中患者归为三级护理，需要医护人员每周对其身体进行检查，不需要家属或医护人员对其实时看护；当患者的护理需求度在35％-75％时,居家脑卒中患者归为二级护理，需要患者家属参照医嘱对患者进行照料并实时监控；当患者的护理需求度在75％-100％时，此时患者的护理需求度极高，居家脑卒中患者归为一级护理，需要医护人员进行一对一专业照顾。本发明有助于根据患者的具体需求和病情提供个性化的护理建议，帮助患者在家庭环境中获得更好的康复效果，同时可以持续监测患者的康复进度，为患者提供及时、有针对性的康复指导，提高康复效率，并且患者能够避免长时间住院，减轻了患者和家庭的经济负担。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，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 (8)
1.一种居家脑卒中患者的护理分级评估系统，包括患者信息获取模块、居家患者监督模块、护理分级评估模块以及通讯模块，其特征在于，患者信息获取模块用于获取居家脑卒中患者的生理数据信息以及实时视频信息，护理分级评估模块包括护理信息分类单元、患者护理评估单元、患者护理分级单元以及护理信息存储单元，护理信息分类单元通过支持向量机对居家脑卒中患者的生理数据信息进行分类，分为生理功能指标、心理状态指标、自理能力指标以及社会关怀指标四类，患者护理评估单元通过建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，其中，患者护理需求度评估模型的公式为：
式中：HLTI为居家脑卒中患者的护理需求度，ZLO为居家脑卒中患者的生理功能指标，ZLF为居家脑卒中患者的心理状态指标，ZLP为居家脑卒中患者的自理能力指标，ZLE为居家脑卒中患者的社会关怀指标。
2.根据权利要求1所述的一种居家脑卒中患者的护理分级评估系统，其特征在于，
患者信息获取模块用于获得居家脑卒中患者的生理数据信息以及实时视频信息；
居家患者监督模块用于对居家脑卒中患者的生理数据信息以及实时视频信息进行分析处理，并对患者行为进行判断；
护理分级评估模块通过支持向量机对分析处理后的生理数据信息进行分类处理，并建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，再依据居家脑卒中患者的护理需求度进行护理分级，以判断患者的护理级别；
通讯模块包括患者定位单元以及报警单元，患者定位单元用于对患者进行定位，报警单元将患者的信息传送至家属以及护理中心。
3.根据权利要求1所述的一种居家脑卒中患者的护理分级评估系统，其特征在于，患者信息获取模块与居家患者监督模块相连接，居家患者监督模块与护理分级评估模块相连接，护理分级评估模块与通讯模块相连接。
4.根据权利要求1所述的一种居家脑卒中患者的护理分级评估系统，其特征在于，护理分级评估模块包括护理信息分类单元、患者护理评估单元、患者护理分级单元以及护理信息存储单元，护理信息分类单元用于通过支持向量机对居家脑卒中患者的生理数据信息进行分类，患者护理评估单元通过建立患者护理需求度评估模型评估居家脑卒中患者的护理需求度，患者护理分级单元依据居家脑卒中患者的护理需求度对患者进行护理分级，护理信息存储单元用于储存护理分级评估模块涉及的数据。
5.根据权利要求1所述的一种居家脑卒中患者的护理分级评估系统，其特征在于，护理信息分类单元与患者护理评估单元相连接，患者护理评估单元与患者护理分级单元相连接，患者护理分级单元与护理信息存储单元相连接。
6.根据权利要求1所述的一种居家脑卒中患者的护理分级评估系统，其特征在于，患者信息获取模块包括患者生理信息获取单元以及患者视频信息采集单元，其中，患者生理信息获取单元通过患者的病例、体检指标以及问卷调查获取患者的视力指标、听力指标、运动指标、血压、吞咽功能指标、排泄功能指标、皮肤状况指标、睡眠状况指标、并发症发作指标、巴塞尔指数、基本日常生活活动能力、工具性日常生活活动能力、认知功能指标、情绪指标、日常行为指标、社会环境适应指标、社会参与指标以及社会资源指标，患者视频信息采集单元通过摄像头对患者的日常活动进行采集。
7.根据权利要求1所述的一种居家脑卒中患者的护理分级评估系统，其特征在于，居家患者监督模块用于对居家脑卒中患者的生理数据信息以及实时视频信息进行分析处理，对居家脑卒中患者的生理数据信息进行归一化以及标准化处理，对实时视频信息进行分帧处理并实时存储。
8.根据权利要求1所述的一种居家脑卒中患者的护理分级评估系统，其特征在于，患者护理分级单元依据居家脑卒中患者的护理需求度对患者进行护理分级，其中，
当75％<HLTI≤100％时，居家脑卒中患者归为一级护理，需要医护人员进行一对一专业照顾；
当35％<HLTI≤75％时，居家脑卒中患者归为二级护理，需要患者家属参照医嘱对患者进行照料并实时监控；
当0<HLTI≤35％时，居家脑卒中患者归为三级护理，需要医护人员每周对患者身体进行检查。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310974114.5A CN116978510A (zh) | 2023-08-02 | 2023-08-02 | 一种居家脑卒中患者的护理分级评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310974114.5A CN116978510A (zh) | 2023-08-02 | 2023-08-02 | 一种居家脑卒中患者的护理分级评估系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116978510A true CN116978510A (zh) | 2023-10-31 |
Family
ID=88479357
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310974114.5A Pending CN116978510A (zh) | 2023-08-02 | 2023-08-02 | 一种居家脑卒中患者的护理分级评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116978510A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117275648A (zh) * | 2023-11-21 | 2023-12-22 | 南通大学附属医院 | 一种基于物联网的重症监护病房患者智能护理方法 |
-
2023
- 2023-08-02 CN CN202310974114.5A patent/CN116978510A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117275648A (zh) * | 2023-11-21 | 2023-12-22 | 南通大学附属医院 | 一种基于物联网的重症监护病房患者智能护理方法 |
| CN117275648B (zh) * | 2023-11-21 | 2024-02-09 | 南通大学附属医院 | 一种基于物联网的重症监护病房患者智能护理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8364254B2 (en) | Method and device for probabilistic objective assessment of brain function | |
| CN111613335A (zh) | 一种健康预警系统及方法 | |
| WO2019052063A1 (zh) | 基于人工智能的医学影像分类处理系统及方法 | |
| CN111540471A (zh) | 一种基于用户健康数据的健康状态跟踪及预警方法和系统 | |
| CN116978510A (zh) | 一种居家脑卒中患者的护理分级评估系统 | |
| CN113499035B (zh) | 一种基于置信区间融合阈值判据的疼痛识别系统 | |
| CN111916196A (zh) | 一种基于人工智能技术的伤口及皮肤压力性损伤辅助诊断系统 | |
| CN113241196A (zh) | 基于云-终端协同的远程医疗与分级监控系统 | |
| Singh et al. | A comprehensive review of intelligent medical diagnostic systems | |
| CN111370124A (zh) | 一种基于面手部识别和大数据的健康分析系统及方法 | |
| CN114469084B (zh) | 一种基于高精度adc的血氧监测系统 | |
| CN115985515A (zh) | 一种基于机器学习的弱视矫治效果预测方法、装置及设备 | |
| CN117476217B (zh) | 一种慢性心脏病病情发展趋势预测系统 | |
| CN117133464A (zh) | 一种老年人健康智能监测系统及监测方法 | |
| CN109620263B (zh) | 一种企事业单位上岗人员体征安全分析方法 | |
| CN114343585B (zh) | 认知和行为障碍的预警方法、装置、设备及存储介质 | |
| CN116189866A (zh) | 一种基于数据分析的远程医用护理分析系统 | |
| CN115662631A (zh) | 基于ai智能判别的养老院管理系统 | |
| CN113331840B (zh) | 一种抑郁情绪脑电波信号识别系统及方法 | |
| CN114452133A (zh) | 一种基于分级监护模式的护理方法及护理系统 | |
| Punarselvam | A pragmatic approach of Parkinson disease detection using hybrid case-based reasoning neuro-fuzzy classification system over Mobile edge computing | |
| CN112908483A (zh) | 一种智慧健康社区系统 | |
| CN113724853A (zh) | 一种基于深度学习的智慧医疗系统 | |
| CN117617921B (zh) | 基于物联网的智能血压监控系统及方法 | |
| Patil et al. | Detection of Cardiac Abnormalities and Heart Disease Using Machine Learning Techniques |
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 |