CN117238466B - 一种实现多级联动的资源交互的护理智慧信息管理系统 - Google Patents
一种实现多级联动的资源交互的护理智慧信息管理系统 Download PDFInfo
- Publication number
- CN117238466B CN117238466B CN202311409785.3A CN202311409785A CN117238466B CN 117238466 B CN117238466 B CN 117238466B CN 202311409785 A CN202311409785 A CN 202311409785A CN 117238466 B CN117238466 B CN 117238466B
- Authority
- CN
- China
- Prior art keywords
- information
- nursing
- management
- curve
- coefficient
- 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.)
- Active
Links
- 230000000474 nursing effect Effects 0.000 title claims abstract description 123
- 230000003993 interaction Effects 0.000 title claims abstract description 62
- 238000012544 monitoring process Methods 0.000 claims abstract description 56
- 238000005457 optimization Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000007726 management method Methods 0.000 claims description 88
- 201000010099 disease Diseases 0.000 claims description 58
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 58
- 238000011156 evaluation Methods 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 13
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000013058 risk prediction model Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000003908 quality control method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 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 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种实现多级联动的资源交互的护理智慧信息管理系统，涉及信息管理技术领域，包括信息采集单元、交互存储单元、数据处理单元和优化管理单元，资源交互单元包括信息存储模块和信息调用模块，通过信息采集单元对患者的病情信息进行存储管理，实现了信息调用的多级联动与资源交互，从而实现系统对病情信息的一体化管理，且保证病人信息的隐私与安全，便于监督与数据追溯，通过数据处理单元对患者身体参数进行分类与细化分析，并通过优化管理单元实现系统自动优化升级，优化后的资源交互单元能够进一步提升病情监测的准确性，保证个性化护理方案的及时调整，从而提升护理工作的效率及效果，为病人提供更加精准、高效、优质的护理服务。
Description
技术领域
本发明涉及信息管理技术领域，尤其涉及一种实现多级联动的资源交互的护理智慧信息管理系统。
背景技术
医院在对患者病情信息进行存储后，上下级、同级之间对于病情信息的资源交互不便，存在信息不对称及合作复杂化等缺陷，进而在信息调用过程中容易导致信息泄露等安全问题，难以保证患者隐私；
现有技术中护理信息化目前大致有6类系统：门诊输液管理系统、智慧治疗管理系统；护理网+护理系统通过其他APP登录，再连医护系统；智能血压、智能血糖监测系统；执行医嘱的HIS系统；护理质控、护理排班等管理的医护助手系统，这六类系统各自运行，护理人员要在不同系统往返登录，而医院在对患者病情信息进行存储后，上下级、同级之间对于病情信息的资源交互不便，存在信息不对称及合作复杂化等缺陷，进而在信息调用过程中容易导致信息泄露等安全问题，难以保证患者隐私，使得护理工作十分不便；
并且在护理工作中需要针对患者的身体状况进行护理方案的及时调整，而现有的病情监测预警方式本身存在预测精准度不高的问题，在信息资源交互存储与调用传输等过程中，系统状态存在风险也会导致病情预测精准度下降，从而导致护理方案会存在针对性不强的缺陷，难以为病人提供更专业更优质的护理服务；
针对上述的技术缺陷，现提出一种解决方案。
发明内容
本发明的目的在于：解决了病情信息的资源交互不便、信息不对称及合作复杂化等缺陷以及信息隐私泄露等安全问题，并解决了病情监测预警的精准度不高、护理方案针对性不强的缺陷，实现了多级联动与资源交互的一体化管理，进而优化医嘱执行、护理记录、护理质控、护理管理、互联网+护理以及护理中心等工作，安全性高，通过对患者的身体参数进行分类与细化分析，提升病情监测与风险预测的精准性，并通过监测与优化资源交互的进程，进一步提升病情监测的准确度，保证个性化护理方案的及时调整，从而提升护理工作的效率及效果，为病人提供更专业更优质的护理服务。
为了实现上述目的，本发明采用了如下技术方案：
一种实现多级联动的资源交互的护理智慧信息管理系统，包括信息采集单元、交互存储单元、数据处理单元和优化管理单元，信息采集单元、交互存储单元、数据处理单元和优化管理单元之间信号连接；
信息采集单元用于采集病情信息和管理信息：通过病情监测设备获取病情信息并记录上传到信息采集单元，且信息采集单元在信息存储与调用的资源交互过程中采集管理信息，再传输到数据处理单元；
资源交互单元包括信息存储模块和信息调用模块，资源交互单元用于对病情信息进行存储调用操作，其中，信息存储模块和信息调用模块之间信号连接，信息存储模块用于对获取的病情信息进行整合存储，信息调用模块用于对存储信息进行多级联动交互；
数据处理单元用于病情监测预警与系统风险预警：建立病情监测预警模型，通过获取护理患者的病情信息，监测患者的身体状态，并生成个性化护理方案；建立系统风险预警模型，通过获取数据资源交互中的管理信息，监测系统风险程度，生成并输出护理方案的适配性程度与系统优化管理方案；
优化管理单元接收个性化护理方案和系统优化管理方案，将个性化护理方案与护理方案的适配性程度供专业护理人员进行参考，从而对患者的护理工作进行阶段性调整，并通过系统优化管理方案生成相应的管理信号，反馈到资源交互单元进行相应的处理，实现系统的自动优化升级，以提升病情监测的精准性与护理工作的适配性。
进一步的，存储调用操作的具体过程为：
信息存储模块用于对获取的病情信息进行整合存储，将数据存储单元划分为N个网格区间，将病情信息按照隐私程度分配到N个网格区间内，对于任一个网格区间设置相应级别的调用权限；
信息调用模块用于对存储信息进行多级联动与资源交互，设置M个调用层级，将任一个调用层级标记为Mi，调用层级Mi设置m个调用端口；
其中，多个层级之间垂直整合，根据层级设置相应级别的权限，对应管理相应范围的信息；同层级的多个端口之间链式整合，设置端口用户名，任意的数据调用与传输环节都设置签发机制。
进一步的，建立病情监测预警模型的具体过程为：
病情信息包括nc个参数，将任一个参数标记为参数A，设置信息采集周期，对病情信息进行定期采集，预设有n0个患者，将任一个患者标记为R；
建立参数状态分析模型，先进行单一指标参数的状态评估，经数据处理输出参数A的状态评估系数XA；
将患者R的参数A输入到参数状态分析模型中，以采集周期T为X轴，以参数A的数值为Y轴，建立参数A-采集周期T的动态曲线S0的变化图；
将动态曲线S0的全部点的斜率进行累加并求取平均值，获取曲线S0的平均增率通过求取动态曲线S0的全部点的平均值/>进而求取平方差，获取动态曲线S0的波动系数σ0；
预设参数A的标准区间，先获取标准区间的中间值YM，再从动态曲线S0中提取在标准区间以外的n1个曲线片段，建立曲线波动分析模型，对提取的曲线片段进行波动分析：将n1个曲线片段代入曲线波动分析模型中，获取动态曲线S0的波升增率Kp0、波降增率Kq0、波峰变动系数σf0以及波谷变动系数σg0；
标记动态曲线S0末端点Am的坐标值为(Xm，Ym)，建立公式获取当前时间节点的参数A的状态评估系数XA；
将病情信息中的nc个参数依次代入病情监测预警模型中，先依次输出全部参数对应的参数状态评估系数，再将nc个参数状态评估系数相结合，赋予相应的权重因子系数，建立公式评估患者R的身体状态综合系数XZ；
再建立病情风险预测模型，通过身体状态综合系数XZ对预设时间点的病情风险进行预测评估，从而进行相应的预警工作。
进一步的，建立曲线波动分析模型的具体过程为：
将任一个曲线片段标记为Si，获取曲线片段Si的两个端点的斜率并分别标记为kp、kq，其中，斜率kp大于0，斜率kq小于0；将全部的斜率kp进行累加再求平均值，获取波升增率Kp，并将全部的斜率kq进行累加再求平均值，获取波降增率Kq；
提取曲线片段Si中斜率为0的全部点，将其中任一个斜率为0的点标记为波动点，将离波动点最近的下一点标记为参考点，若参考点的斜率为负数，则判定该波动点为峰点，若参考点的斜率为正数，则判定该波动点为谷点；将全部的峰点进行整合，通过求取均方差获取波峰变动系数σf，并将全部的谷点进行整合，通过求取均方差获取波谷变动系数σg。
进一步的，建立病情风险预测模型的具体过程为：
以采集周期T为X轴，以身体状态综合系数XZ为Y轴，建立身体状态综合系数XZ-采集周期T的动态曲线S1的变化图；
先获取动态曲线S1的平均增率以及波动系数σ0z；
预设身体状态综合系数的标准阈值，将低于标准阈值的n2个曲线片段提取出来进行分析：将n2个曲线片段代入曲线波动分析模型中，获取动态曲线S1的波升增率Kp1、波降增率Kq1、波峰变动系数σf1与波谷变动系数σg1；
标记动态曲线S1末端点St的坐标为(Xt，Yt)，曲线S1末端点的斜率为km，预测时间段为T0，分类细化分析并建立公式获取身体状态综合系数XZ的风险预测系数XF：
预设风险预测系数XF的公式为：
再设置病情风险阈值，并生成相应的病情预警信号，通过接收病情预警信号并遵循临床实践指南与专业医疗团队意见的数据库，自动生成个性化护理方案到可视化终端进行显示，供专业护理人员参考。
进一步的，建立系统风险预警模型的具体过程为：
先监测并采集管理信息，管理信息包括nd个指标值，将任一个指标值标记为Zh，建立正相关集合与负相关集合，并赋予相应的权重因子系数，将nd个指标值相结合，输出系统状态评估系数XT；
通过对于数据存储与交互过程中的系统情况进行分析，获取系统状态评估系数XT，并设置系统风险阈值：当系统状态评估系数XT低于系统风险阈值时，判定系统存在风险及相应的风险程度，根据系统风险程度推导出护理方案的适配性程度；
结合系统的历史处理方案生成系统优化管理方案，通过系统优化管理方案生成相应的管理信号，反馈到资源交互单元进行相应的处理，实现系统的自动优化升级，并将系统优化管理方案发送到可视化终端并显示，供专业技术人员参考。
进一步的，病情信息还包括个人需求偏好数据，通过监测患者的基础生理数据，并结合护理患者的个人需求与偏好，来制定个性化护理方案，再将评估数据反馈并存储到资源交互单元，持续评估与记录护理效果，再进行护理工作的调整，进一步提升护理方案的精准性。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明通过信息采集单元对护理病情信息进行存储管理，实现了信息调用的多级联动与资源交互，从而实现系统对病情信息的一体化管理，且多层级之间按照级别权限进行信息调用，保证病人信息的隐私与安全，并通过同层级之间的签发机制，明确责任制，便于监督与数据追溯，进而优化医嘱执行、护理记录、护理质控、护理管理、互联网+护理以及护理中心等工作；
本发明通过数据处理单元对患者的身体参数的风险片段进行分类与细化分析，提升病情监测与风险预测的精准性，并将资源交互过程中的系统风险程度参与到病情监测过程中，评估个性化护理方案的适配性，通过优化管理单元实现系统自动优化升级，优化后的资源交互单元能够进一步提升病情监测的准确性，保证个性化护理方案的及时调整，从而提升护理工作的效率及效果，为病人提供更专业更优质的护理服务。
附图说明
图1示出了本发明的模块示意图；
图2示出了本发明的流程示意图。
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它实施例，都属于本发明保护的范围。
实施例1：
如图1-图2所示，一种实现多级联动的资源交互的护理智慧信息管理系统，包括信息采集单元、交互存储单元、数据处理单元和优化管理单元，信息采集单元、交互存储单元、数据处理单元和优化管理单元之间信号连接，其中，资源交互单元包括信息存储模块和信息调用模块，信息存储模块和信息调用模块之间信号连接；
工作步骤如下：
S1：信息采集单元采集病情信息，通过病情监测设备获取病情信息并记录上传到信息采集单元；
S1-1：病情信息包括nc个参数，将任一个参数标记为参数A，设置信息采集周期，对病情信息进行定期采集，其中，病情信息内的参数包括心率BPM、体温、呼吸频率和血压；
S1-2：通过现有技术进行病情信息的采集，例如，心率BPM可以通过远程设置便携式监测设备或者安排专人上门等方式，对护理患者的身体状况进行医学检查，具体选择通过心电监测设备获取心电图并传输到信息采集单元，或者腕间佩戴监测仪获取心率数据并远程上传到信息采集单元；
S2：资源交互单元对病情信息进行存储调用操作，其中，信息存储模块对获取的病情信息进行整合存储，信息调用模块对存储信息进行多级联动交互；
其中，存储调用操作的具体过程为：
信息存储模块用于对获取的病情信息进行整合存储，将数据存储单元划分为N个网格区间，将病情信息按照隐私程度分配到N个网格区间内，对于任一个网格区间设置相应级别的调用权限；
信息调用模块用于对存储信息进行多级联动与资源交互，设置M个调用层级，将任一个调用层级标记为Mi，调用层级Mi设置m个调用端口，其中，多个层级之间垂直整合，根据层级设置相应级别的权限，对应管理相应范围的信息，实现多层级之间有权限的信息管理，保证信息隐私性；同层级的多个端口之间链式整合，设置端口用户名，任意的数据调用与传输环节都设置签发机制；
多个调用层级包括医院、医师、护士，其中，还包括医院级别、医师级别与护士级别，例如，设置6个级别，由上到下依次对应为A级医院、B级医院、C级医师、D级医师、E级护士和F级护士，将6个层级的存储病情信息对应设置6级权限，按照病情的隐私级别进行设置，非权限内则不得查询调用；
病情信息中包括患者的全部与病情相关的信息，对病情信息进行归一化处理，实现了将门诊输液管理系统、智慧治疗管理系统、护理网+护理系统、智能血压、智能血糖监测系统、护理质控、护理排班等管理功能的护理管理助手系统、智慧病房信息化护理管理系统、医联体患者信息共享系统以及家庭病床护理信息管理系统融为一体，通过多级联动与资源交互，实现了系统对病情信息的一体化管理，且多层级之间按照级别权限进行信息调用，保证病人信息的隐私与安全，并通过同层级之间的签发机制，明确责任制，便于监督与数据追溯，进而优化医嘱执行、护理记录、护理质控、护理管理、互联网+护理以及护理中心等工作；
S3：信息采集单元采集管理信息：通过网络检测工具或系统监控工具在信息存储与调用的资源交互过程中采集管理信息，再传输到数据处理单元；
S3-1：管理信息包括nd个指标值，将任一个指标值标记为Zh，其中，管理信息内的指标包括信息的存储偏差值、调用错误值、传输错误率和访问调用次数；
S3-2：管理信息的数据通过本领域常规手段进行信息采集，例如，存储偏差值通过监测存储前后的信息数据再进行数据对比，获取存储偏差值；调用错误值通过访问日志记录，对多层级之间的越权访问以及同层级之间的非法访问等错误次数进行累计，从而获取调用错误值；传输错误率是通过监测对比调用前的存储数据与调用后的查询数据，从而获取传输错误率；访问调用次数通过系统监测工具进行采集；
S4：数据处理单元进行病情监测预警与系统风险预警；
S4-1：建立病情监测预警模型，通过获取护理患者的病情信息，监测患者的身体状态，并生成个性化护理方案：
建立病情监测预警模型的具体过程为：
A1：预设有n0个患者，将任一个患者标记为R，建立参数状态分析模型，先进行单一指标参数的状态评估，经数据处理输出参数A的状态评估系数XA；
由于病情波动起伏对于病况发展具有重要影响作用，因此护理工作过程中需要对患者的病情波动起伏进行针对性分析；
其中，建立参数状态分析模型的具体过程如下：
A1-1：将患者R的参数A输入到参数状态分析模型中，以采集周期T为X轴，以参数A的数值为Y轴，建立参数A-采集周期T的动态曲线S0的变化图；
A1-2：将动态曲线S0的全部点的斜率进行累加并求取平均值，获取曲线S0的平均增率通过求取动态曲线S0的全部点的平均值/>进而求取平方差，获取动态曲线S0的波动系数σ0；
A1-3：预设参数A的标准区间，先获取标准区间的中间值YM，再从动态曲线S0中提取在标准区间以外的n1个曲线片段，建立曲线波动分析模型，对提取的曲线片段进行波动分析：
其中，建立曲线波动分析模型的具体过程为：
A1-31：将任一个曲线片段标记为Si，获取曲线片段Si的两个端点的斜率并分别标记为kp、kq，其中，斜率kp大于0，斜率kq小于0；
A1-32：将全部的斜率kp进行累加再求平均值，获取波升增率Kp，并将全部的斜率kq进行累加再求平均值，获取波降增率Kq；
A1-33：提取曲线片段Si中斜率为0的全部点，将其中任一个斜率为0的点标记为波动点，将离波动点最近的下一点标记为参考点，若参考点的斜率为负数，则判定该波动点为峰点，若参考点的斜率为正数，则判定该波动点为谷点；
A1-34：将全部的峰点进行整合，通过求取均方差获取波峰变动系数σf，并将全部的谷点进行整合，通过求取均方差获取波谷变动系数σg；
A1-4：将n1个曲线片段代入曲线波动分析模型中，获取动态曲线S0的波升增率Kp0、波降增率Kq0、波峰变动系数σf0以及波谷变动系数σg0；
A2：标记动态曲线S0末端点Am的坐标值为(Xm，Ym)，建立公式获取当前时间节点的参数A的状态评估系数XA：
其中，μ为参数A的转化系数，且μ大于0，转化系数通过大量实验数据测量进行预设；
当末端点Am的纵坐标Ym与标准区间的中间值YM之间的差距越大，表示参数A偏离标准值越多，说明状态越差，且曲线S0的平均增率以及波动系数σ0越高，则表示参数A的整体波动情况越高，也能说明状态越差；
由于预设标准区间，将标准区间以外的区间标记为风险区间，则提取风险区间的曲线片段进行针对性分析，从而精细化评估风险区间的波动变化情况：当波升增率Kp的平方值越高，说明风险区间的峰点斜率变化幅度越高，当波降增率Kq的平方值越高，说明风险区间的谷点斜率变化幅度越高，而波峰变动系数σf与波谷变动系数σg越高，说明在风险区间的波动情况越高，参数A的状态风险系数越高，进而说明参数A的状态越差；
S4-2：将病情信息中的nc个参数依次代入病情监测预警模型中，先依次输出全部参数对应的参数状态评估系数，并将各项参数的分析结果显示到可视化终端供专业护理人员参考；
S4-3：再将nc个参数状态评估系数相结合，赋予相应的权重因子系数，建立公式评估患者R的身体状态综合系数XZ：
预设身体状态综合系数XZ的公式为：其中，ω为参数A的权重因子系数，且ω大于0，当nc个参数的状态评估系数越高，则患者R的身体状态综合系数越高，说明患者的护理情况越好；
S4-4：再建立病情风险预测模型，通过身体状态综合系数XZ对预设时间点的病情风险进行预测评估，从而进行相应的预警工作；
建立病情风险预测模型的具体过程为：
B1：以采集周期T为X轴，以身体状态综合系数XZ为Y轴，建立身体状态综合系数XZ-采集周期T的动态曲线S1的变化图；
B1-1：先获取动态曲线S1的平均增率以及波动系数σ0z；
B1-2：预设标准阈值，将低于标准阈值的n2个曲线片段提取出来进行分析，将n2个曲线片段代入曲线波动分析模型中，获取动态曲线S1的波升增率Kp1、波降增率Kq1、波峰变动系数σf1与波谷变动系数σg1；
B1-3：标记动态曲线S1末端点St的坐标为(Xt，Yt)，曲线S1末端点的斜率为km，预测时间段为T0，分类细化分析并建立公式获取身体状态综合系数XZ的风险预测系数XF：
预设风险预测系数XF的公式为：
B1-31：若动态曲线S1的末端点的斜率km等于0，表示身体状态趋于平缓：
此时，当动态曲线S1的平均增率越高，表示身体状态综合系数XZ处于增长状态，身体状态在护理过程中逐渐变好，预测风险会降低；而波动系数σ0z越高，表示身体状态越不稳定，会使得身体状态的预测风险变高；
B1-32：当动态曲线S1的末端点的斜率km不等于0时，说明曲线S1的末端点有升高或降低的趋势，除了分析动态曲线S1的整体平均增率以及波动系数σ0z以外，还需要结合曲线S1末端点的趋势变化情况进行针对性分析：
B1-32-1：当动态曲线S1的末端点的斜率km大于0时，说明末端点处于增长趋势，则应用波升增率Kpz与波峰变动系数σfz进行评估：当波升增率Kpz与当前斜率km之和越高，说明身体状态综合系数XZ增长的概率越高，且身体状态在护理过程中变好趋势越高，则预测风险会降低；而波峰变动系数σfz越高，表示末端点在增长后的身体状态越不稳定，会使得身体状态的预测风险变高；
B1-32-2：当动态曲线S1的末端点的斜率km小于0时，说明末端点处于下降趋势，则应用波降增率Kqz与波谷变动系数σgz进行评估：当波降增率Kqz与当前斜率km之和越高，说明身体状态综合系数XZ下降概率越高，且身体状态在护理过程中变差趋势越高，则预测风险会升高；而波谷变动系数σgz越高，表示末端点在降低后的身体状态越不稳定，也会使得身体状态的预测风险变高；
B2：再设置病情风险阈值，并生成相应的病情预警信号，通过接收病情预警信号并遵循临床实践指南与专业医疗团队意见的数据库，自动生成个性化护理方案到可视化终端进行显示，供专业护理人员参考；
通过对患者的身体参数的风险片段进行分类与细化分析，提升病情监测与风险预测的精准性；
S4-2：建立系统风险预警模型，通过获取数据资源交互中的管理信息，监测系统风险程度，生成并输出护理方案的适配性程度与系统优化管理方案；
建立系统风险预警模型的具体过程为：
先监测并采集管理信息，将任一个指标值标记为Zh，设置信息采集周期进行定时采集，建立正相关集合与负相关集合，并赋予相应的权重因子系数，将nd个指标值相结合，输出系统状态评估系数XT；
预设系统状态评估系数XT的公式为：
其中，α为指标值Zh对应的权重因子系数：当指标Zh属于正相关集合时，则设置权重因子系数为正值；当指标Zh属于负相关集合时，则设置权重因子系数为负值；
将访问调用次数纳入正相关集合，将信息的存储偏差值、调用错误值、传输错误率纳入负相关集合，当访问调用次数越高，则表示系统状态越好，而当信息的存储偏差值、调用错误值、传输错误率越高，则表示系统状态越差；
通过对于数据存储与交互过程中的系统情况进行分析，获取系统状态评估系数XT，并设置系统风险阈值：
当系统状态评估系数XT低于系统风险阈值时，判定系统存在风险及相应的风险程度，例如，由高到低设置系统风险阈值为a1、a2、a3，当系统状态评估系数XT低于系统风险阈值a3时，判定系统风险程度为Ⅲ级，存在严重风险；当系统状态评估系数XT位于系统风险阈值a2-a3之间时，判定系统风险程度为Ⅱ级，存在中度风险；当系统状态评估系数XT位于系统风险阈值a1-a2之间时，判定系统风险程度为Ⅰ级，存在轻度风险；
根据系统风险程度推出护理方案的适配性程度，并结合系统的历史处理方案生成系统优化管理方案；
系统状态越差说明存在的风险越高，表示在资源的存储与交互过程中，产生了数据错误的情况，病情信息的数据值错误情况会影响病情信息的监测与处理，从而影响个性化护理方案的参考价值，所以，将系统风险程度参与到病情监测过程中，作为其中一个影响因子，对病情监测结果产生一定影响，因此需要对系统状态进行监测；
通过评估个性化护理方案的适配性，病情监测结果除了基础的病况还有方案的参考价值，当系统风险程度越高时，表示护理方案适配性越低，对专业护理人员的参考价值越低，此时通过系统优化管理方案进行优化，优化后的资源交互单元能够进一步提升病情监测的准确性；
S5：优化管理单元进行个性化精准护理与系统优化升级；
S5-1：通过接收个性化护理方案和系统优化管理方案，将个性化护理方案与护理方案的适配性程度供专业护理人员进行参考，从而给对患者的护理工作进行阶段性调整；
S5-2：通过系统优化管理方案生成相应的管理信号，反馈到资源交互单元进行相应的处理，实现系统的自动优化升级，提升病情监测的精准性与护理工作的适配性；
其中，对于软件部分优化可以选择通过系统优化管理方案生成相应的管理信号，反馈到资源交互单元进行相应的处理，包括对内存的扩展以及对算法的更新等处理，实现系统的自动优化升级；对于硬件部分优化可以通过将系统优化管理方案发送到可视化终端并显示，供专业技术人员参考，从而针对性进行硬件更换或修复；
另外，病情信息还包括个人需求偏好数据，通过监测患者的基础生理数据，并结合护理患者的个人需求与偏好，来制定个性化护理方案，再将评估数据反馈并存储到资源交互单元，持续评估与记录护理效果，再进行护理工作的调整，进一步提升护理方案的精准性；
综上所述，本发明通过信息采集单元对护理病情信息进行存储管理，实现了信息调用的多级联动与资源交互，从而实现系统对病情信息的一体化管理，且多层级之间按照级别权限进行信息调用，保证病人信息的隐私与安全，并通过同层级之间的签发机制，明确责任制，便于监督与数据追溯，进而优化医嘱执行、护理记录、护理质控、护理管理、互联网+护理以及护理中心等工作；再通过数据处理单元对患者的身体参数的风险片段进行分类与细化分析，提升病情监测与风险预测的精准性，并将系统风险程度参与到病情监测过程中，评估个性化护理方案的适配性，通过优化管理单元实现系统自动优化升级，优化后的资源交互单元能够进一步提升病情监测的准确性，保证个性化护理方案的及时调整，从而提升护理工作的效率及效果，为病人提供更加精准、高效、优质的护理服务。
以上所述，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种实现多级联动的资源交互的护理智慧信息管理系统，其特征在于：包括信息采集单元、交互存储单元、数据处理单元和优化管理单元，信息采集单元、交互存储单元、数据处理单元和优化管理单元之间信号连接；
信息采集单元用于采集病情信息和管理信息：通过病情监测设备获取病情信息并记录上传到信息采集单元，且信息采集单元在信息存储与调用的资源交互过程中采集管理信息，再传输到数据处理单元；
资源交互单元包括信息存储模块和信息调用模块，资源交互单元用于对病情信息进行存储调用操作，其中，信息存储模块和信息调用模块之间信号连接，信息存储模块用于对获取的病情信息进行整合存储，信息调用模块用于对存储信息进行多级联动交互；
数据处理单元用于病情监测预警与系统风险预警：建立病情监测预警模型，通过获取护理患者的病情信息，监测患者的身体状态，并生成个性化护理方案；建立系统风险预警模型，通过获取数据资源交互中的管理信息，监测系统风险程度，生成并输出护理方案的适配性程度与系统优化管理方案；
优化管理单元接收个性化护理方案和系统优化管理方案，将个性化护理方案与护理方案的适配性程度供专业护理人员进行参考，从而对患者的护理工作进行阶段性调整，并通过系统优化管理方案生成相应的管理信号，反馈到资源交互单元进行相应的处理，实现系统的自动优化升级，以提升病情监测的精准性与护理工作的适配性；
建立病情监测预警模型的具体过程为：
A1：病情信息包括nc个参数，将任一个参数标记为参数A，设置信息采集周期，对病情信息进行定期采集，预设有n0个患者，将任一个患者标记为R；
建立参数状态分析模型，先进行单一指标参数的状态评估，经数据处理输出参数A的状态评估系数XA，具体过程如下：
A1-1：将患者R的参数A输入到参数状态分析模型中，以采集周期T为X轴，以参数A的数值为Y轴，建立参数A-采集周期T的动态曲线S0的变化图；
A1-2：将动态曲线S0的全部点的斜率进行累加并求取平均值，获取曲线S0的平均增率通过求取动态曲线S0的全部点的平均值/>进而求取平方差，获取动态曲线S0的波动系数σ0；
A1-3：预设参数A的标准区间，先获取标准区间的中间值YM，再从动态曲线S0中提取在标准区间以外的n1个曲线片段，建立曲线波动分析模型，对提取的曲线片段进行波动分析；
A1-4：将n1个曲线片段代入曲线波动分析模型中，获取动态曲线S0的波升增率Kp0、波降增率Kq0、波峰变动系数σf0以及波谷变动系数σg0；
A2：标记动态曲线S0末端点Am的坐标值为(Xm，Ym)，建立公式获取当前时间节点的参数A的状态评估系数XA；
A3：将病情信息中的nc个参数依次代入病情监测预警模型中，先依次输出全部参数对应的参数状态评估系数，再将nc个参数状态评估系数相结合，赋予相应的权重因子系数，建立公式评估患者R的身体状态综合系数XZ；
A4：再建立病情风险预测模型，通过身体状态综合系数XZ对预设时间点的病情风险进行预测评估，从而进行相应的预警工作；
建立曲线波动分析模型的具体过程为：
将任一个曲线片段标记为Si，获取曲线片段Si的两个端点的斜率并分别标记为kp、kq，其中，斜率kp大于0，斜率kq小于0；将全部的斜率kp进行累加再求平均值，获取波升增率Kp，并将全部的斜率kq进行累加再求平均值，获取波降增率Kq；
提取曲线片段Si中斜率为0的全部点，将其中任一个斜率为0的点标记为波动点，将离波动点最近的下一点标记为参考点，若参考点的斜率为负数，则判定该波动点为峰点，若参考点的斜率为正数，则判定该波动点为谷点；将全部的峰点进行整合，通过求取均方差获取波峰变动系数σf，并将全部的谷点进行整合，通过求取均方差获取波谷变动系数σg；
建立病情风险预测模型的具体过程为：
B1：以采集周期T为X轴，以身体状态综合系数XZ为Y轴，建立身体状态综合系数XZ-采集周期T的动态曲线S1的变化图；
B1-1：先获取动态曲线S1的平均增率以及波动系数σ0z；
B1-2：预设身体状态综合系数的标准阈值，将低于标准阈值的n2个曲线片段提取出来进行分析：将n2个曲线片段代入曲线波动分析模型中，获取动态曲线S1的波升增率Kp1、波降增率Kq1、波峰变动系数σf1与波谷变动系数σg1；
B1-3：标记动态曲线S1末端点St的坐标为(Xt，Yt)，曲线S1末端点的斜率为km，预测时间段为T0，分类细化分析并建立公式获取身体状态综合系数XZ的风险预测系数XF：
预设风险预测系数XF的公式为：
B2：再设置病情风险阈值，并生成相应的病情预警信号，通过接收病情预警信号并遵循临床实践指南与专业医疗团队意见的数据库，自动生成个性化护理方案到可视化终端进行显示，供专业护理人员参考。
2.根据权利要求1所述的一种实现多级联动的资源交互的护理智慧信息管理系统，其特征在于：存储调用操作的具体过程为：
信息存储模块用于对获取的病情信息进行整合存储，将数据存储单元划分为N个网格区间，将病情信息按照隐私程度分配到N个网格区间内，对于任一个网格区间设置相应级别的调用权限；
信息调用模块用于对存储信息进行多级联动与资源交互，设置M个调用层级，将任一个调用层级标记为Mi，调用层级Mi设置m个调用端口；
其中，多个层级之间垂直整合，根据层级设置相应级别的权限，对应管理相应范围的信息；同层级的多个端口之间链式整合，设置端口用户名，任意的数据调用与传输环节都设置签发机制。
3.根据权利要求2所述的一种实现多级联动的资源交互的护理智慧信息管理系统，其特征在于：建立系统风险预警模型的具体过程为：
先监测并采集管理信息，管理信息包括nd个指标值，将任一个指标值标记为Zh，建立正相关集合与负相关集合，并赋予相应的权重因子系数，将nd个指标值相结合，输出系统状态评估系数XT；
通过对于数据存储与交互过程中的系统情况进行分析，获取系统状态评估系数XT，并设置系统风险阈值：当系统状态评估系数XT低于系统风险阈值时，判定系统存在风险及相应的风险程度，根据系统风险程度推导出护理方案的适配性程度；
结合系统的历史处理方案生成系统优化管理方案，通过系统优化管理方案生成相应的管理信号，反馈到资源交互单元进行相应的处理，实现系统的自动优化升级，并将系统优化管理方案发送到可视化终端并显示，供专业技术人员参考。
4.根据权利要求3所述的一种实现多级联动的资源交互的护理智慧信息管理系统，其特征在于：病情信息还包括个人需求偏好数据，通过监测患者的基础生理数据，并结合护理患者的个人需求与偏好，来制定个性化护理方案，再将评估数据反馈并存储到资源交互单元，持续评估与记录护理效果，再进行护理工作的调整，进一步提升护理方案的精准性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311409785.3A CN117238466B (zh) | 2023-10-27 | 2023-10-27 | 一种实现多级联动的资源交互的护理智慧信息管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311409785.3A CN117238466B (zh) | 2023-10-27 | 2023-10-27 | 一种实现多级联动的资源交互的护理智慧信息管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117238466A CN117238466A (zh) | 2023-12-15 |
| CN117238466B true CN117238466B (zh) | 2024-03-01 |
Family
ID=89096832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311409785.3A Active CN117238466B (zh) | 2023-10-27 | 2023-10-27 | 一种实现多级联动的资源交互的护理智慧信息管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117238466B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117594247B (zh) * | 2024-01-18 | 2024-04-26 | 吉林大学第一医院 | 一种用于分布式终端的护理信息协同管理方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114758767A (zh) * | 2022-03-14 | 2022-07-15 | 湖北智奥物联网科技有限公司 | 远程实时监测身体健康状态并给出调控指导的方法及装置 |
| CN115049069A (zh) * | 2022-06-01 | 2022-09-13 | 东南大学 | 一种可视化交互式的脓毒症早期智能预警方法 |
| CN116504373A (zh) * | 2023-05-17 | 2023-07-28 | 湖南超视物联智能网络科技有限公司 | 数智病房综合管理信息平台 |
-
2023
- 2023-10-27 CN CN202311409785.3A patent/CN117238466B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114758767A (zh) * | 2022-03-14 | 2022-07-15 | 湖北智奥物联网科技有限公司 | 远程实时监测身体健康状态并给出调控指导的方法及装置 |
| CN115049069A (zh) * | 2022-06-01 | 2022-09-13 | 东南大学 | 一种可视化交互式的脓毒症早期智能预警方法 |
| CN116504373A (zh) * | 2023-05-17 | 2023-07-28 | 湖南超视物联智能网络科技有限公司 | 数智病房综合管理信息平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117238466A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117238466B (zh) | 一种实现多级联动的资源交互的护理智慧信息管理系统 | |
| CN112365978B (zh) | 心动过速事件早期风险评估的模型的建立方法及其装置 | |
| CN107242858B (zh) | 一种个性化孕婴监护方法及系统 | |
| CN108257648B (zh) | 一种基于大数据的医疗健康数据管理系统 | |
| US20040103001A1 (en) | System and method for automatic diagnosis of patient health | |
| CN108198594A (zh) | 电子病历管理方法和系统 | |
| CN107895595B (zh) | 面向用户需求的软件快速定义智能环境的规划选择方案推荐方法 | |
| CN111863238A (zh) | 一种基于平行智能的慢病诊疗系统及诊疗方法 | |
| CN108962394A (zh) | 一种医疗数据决策支持方法及系统 | |
| CN105956409A (zh) | 智能医疗设备实时数据管理方法及系统 | |
| CN113241196A (zh) | 基于云-终端协同的远程医疗与分级监控系统 | |
| CN101877035A (zh) | 基于金标准数据库的心电图分析系统 | |
| US10937545B2 (en) | Method and system for centralized patient monitoring management | |
| CN102068239A (zh) | 一种体域网的智能采集生理信息方法 | |
| Jabirullah et al. | Development of e-health monitoring system for remote rural community of India | |
| CN110277147A (zh) | 一种实现病案诊断智能化编目的系统及方法 | |
| CN106778049A (zh) | 一种基于大数据平台的社区精准医疗救助及其方法 | |
| CN113921127A (zh) | 一种区域内血液资源优化调度及精准使用信息系统及方法 | |
| CN108962344A (zh) | 一种用于慢病管理的健康档案管理系统及方法 | |
| CN117251443A (zh) | 一种临床数据管理平台 | |
| CN117292840A (zh) | 融合深度学习的医疗数据挖掘方法与系统 | |
| US11837359B2 (en) | Method and system for centralized patient monitoring management | |
| CN116246782A (zh) | 一种老年人照护服务的风险判定系统 | |
| CN106372435A (zh) | 一种生命体征管理系统 | |
| CN112086151A (zh) | 一种基于医用智能设备的实时监护方法及系统 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240331 Address after: 200126 no.360 Changli Road, Shanggang street, Pudong New Area, Shanghai Patentee after: SHANGHAI PUDONG NEW AREA SHANGGANG COMMUNITY HEALTH SERVICE CENTER Country or region after: China Address before: 200126 no.360 Changli Road, Shanggang street, Pudong New Area, Shanghai Patentee before: SHANGHAI PUDONG NEW AREA SHANGGANG COMMUNITY HEALTH SERVICE CENTER Country or region before: China Patentee before: Shanghai Chuangxin Zhirui Internet Network Co.,Ltd. |
|
| TR01 | Transfer of patent right |