CN117275676A - 一种神经内科监护安全隐患分析方法及系统 - Google Patents

一种神经内科监护安全隐患分析方法及系统 Download PDF

Info

Publication number
CN117275676A
CN117275676A CN202311551873.7A CN202311551873A CN117275676A CN 117275676 A CN117275676 A CN 117275676A CN 202311551873 A CN202311551873 A CN 202311551873A CN 117275676 A CN117275676 A CN 117275676A
Authority
CN
China
Prior art keywords
patients
neurology
patient
type
information
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.)
Granted
Application number
CN202311551873.7A
Other languages
English (en)
Other versions
CN117275676B (zh
Inventor
吉彩霞
吴胜顺
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.)
Shenzhen Jianyikang Medical Instrument Technology Co ltd
Original Assignee
Shenzhen Jianyikang Medical Instrument Technology Co ltd
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 Shenzhen Jianyikang Medical Instrument Technology Co ltd filed Critical Shenzhen Jianyikang Medical Instrument Technology Co ltd
Priority to CN202311551873.7A priority Critical patent/CN117275676B/zh
Publication of CN117275676A publication Critical patent/CN117275676A/zh
Application granted granted Critical
Publication of CN117275676B publication Critical patent/CN117275676B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70ICT 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/16Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165Evaluating the state of mind, e.g. depression, anxiety
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/48Other medical applications
    • A61B5/4848Monitoring or testing the effects of treatment, e.g. of medication
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7275Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT 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
    • G16H40/20ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT 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)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Psychiatry (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Primary Health Care (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Social Psychology (AREA)
  • Psychology (AREA)
  • Theoretical Computer Science (AREA)
  • Child & Adolescent Psychology (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Educational Technology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)

Abstract

本发明公开了一种神经内科监护安全隐患分析方法及系统,涉及神经内科监护技术领域,其技术方案要点包括以下步骤:获取康复中心房间内部神经内科患者在康复过程中的脸部表情信息和与人沟通交流信息,以及获取神经内科患者每天锻炼信息;根据神经内科患者在康复过程中的脸部表情信息、与人沟通交流信息和神经内科患者每天锻炼信息进行处理分析得到安全隐患值,根据安全隐患值提醒工作人员对该患者进行心理辅导与指引;根据安全隐患值将康复中心房间内部神经内科患者进行归类划分为第一类患者或第二类患者;效果是提醒对各个房间内部第一类患者和第二类患者人数进行调整,防止心态较差的患者都在同一个康复中心房间内部影响患者的康复进度。

Description

一种神经内科监护安全隐患分析方法及系统
技术领域
本发明涉及神经内科监护技术领域,更具体地说,它涉及一种神经内科监护安全隐患分析方法及系统。
背景技术
神经内科主要收治脑血管疾病(脑梗塞、脑出血)、偏头痛、脑部炎症性疾病(脑炎、脑膜炎)、脊髓炎、癫痫、痴呆、代谢病和遗传倾向疾病、三叉神经痛、坐骨神经病、周围神经病及重症肌无力等。主要检查手段包括头颈部MRI,CT,ECT,PETCT,脑电图,TCD(经颅多普勒超声),肌电图,诱发电位及血流变学检查、基因诊断等。同时与心理科交叉进行神经衰弱、失眠等功能性疾患的诊治。
神经内部患者在治疗后进行康复过程中,需要对患者进行监护处理,以便于及时了解神经内科患者的康复情况,然而现有神经内科监护安全隐患分析方法可以获取患者在康复过程中的脸部表情信息、与人沟通交流信息、以及获取神经内科患者每天锻炼信息,但是不能根据患者在康复过程中的脸部表情信息、与人沟通交流信息、以及获取神经内科患者每天锻炼信息进行处理分析对各个康复中心内部患者进行调整,即容易使心态不好患者位于同一个康复中心房间内部,从而导致该康复中心房间内部心理负面情绪较大。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种神经内科监护安全隐患分析方法及系统。
为实现上述目的,本发明提供了如下技术方案:
一种神经内科监护安全隐患分析方法,该方法包括以下步骤:
获取康复中心房间内部神经内科患者在康复过程中的脸部表情信息和与人沟通交流信息,以及获取神经内科患者每天锻炼信息。
根据神经内科患者在康复过程中的脸部表情信息、与人沟通交流信息和神经内科患者每天锻炼信息进行处理分析得到安全隐患值,根据安全隐患值提醒工作人员对该患者进行心理辅导与指引;
根据安全隐患值将康复中心房间内部神经内科患者进行归类划分为第一类患者或第二类患者;
统计康复中心各个房间内部第一类患者的总人数信息和第二类患者的总人数信息,将每个康复中心房间内部第一类患者的总人数信息和第二类患者的总人数信息进行处理分析得到调整值;
根据调整值对各个康复中心房间内部的第一类患者和第二类患者进行调整。
优选地,所述与人沟通交流信息包括每天与人沟通次数信息和每天与人沟通时长信息;
将康复中心房间内部神经内科患者在康复过程中每天与人沟通次数信息进行取值和标记得到每天沟通次数值GTC;
将康复中心房间内部神经内科患者在康复过程中每天与人沟通时长信息进行取值和标记得到每天沟通时长值GTS。
优选地,所述神经内科患者每天锻炼信息包括神经内科患者每天锻炼次数信息和神经内科患者每天锻炼时长信息;
将神经内科患者每天锻炼次数信息进行取值和标记得到每天锻炼次数值DLC;
将神经内科患者每天锻炼时长信息进行取值和标记得到每天锻炼时长值DLS。
优选地,所述康复中心房间内部神经内科患者在康复过程中的脸部表情信息具体为康复中心房间内部神经内科患者在康复过程中的每天微笑次数信息;
将康复中心房间内部神经内科患者在康复过程中的每天微笑次数信息进行取值和标记得到脸部表情值LBQ。
优选地,通过第一处理分析函数计算得到安全隐患值AQZ;其中,a1、a2、a3、a4和a5为影响因子且大于零;
将安全隐患值AQZ与预设的安全阈值AQY进行比较:
如果安全隐患值AQZ≥预设的安全阈值AQY,则不需要提醒工作人员对该患者进行心理辅导与指引;
如果安全隐患值AQZ<预设的安全阈值AQY,则需要提醒工作人员对该患者进行心理辅导与指引。
优选地,将安全隐患值AQZ与预设的归类阈值A进行比较:
如果安全隐患值AQZ≥预设的归类阈值A,则将康复中心房间内部神经内科患者进行归类划分为第一类患者;
如果安全隐患值AQZ<预设的归类阈值A,则将康复中心房间内部神经内科患者进行归类划分为第二类患者。
优选地,将康复中心各个房间内部第一类患者的总人数信息进行取值和标记得到第一类患者总人数值DYH;
将康复中心各个房间内部第二类患者的总人数信息进行取值和标记得到第二类患者总人数值DEH。
优选地,如果第一类患者总人数值DYH>第二类患者总人数值DEH,则使每个康复中心房间内部第一类患者人数多于第二类患者人数;
如果第一类患者总人数值DYH=第二类患者总人数值DEH,则使每个康复中心房间内部第一类患者人数等于第二类患者人数;
如果第一类患者总人数值DYH<第二类患者总人数值DEH,则使每个康复中心房间内部第二类患者人数相等,使每个康复中心房间内部第一类患者人数相等。
优选地,通过第二处理分析函数计算得到评价值PJZ;
将评价值PJZ与预设的评价阈值B进行比较;
如果评价值PJZ≥预设的评价阈值B,则工作人员对整体患者进行心理辅导与指引情况不合格;
如果评价值PJZ<预设的评价阈值B,则工作人员对整体患者进行心理辅导与指引情况合格。
一种神经内科监护安全隐患分析系统,包括:
获取模块,获取康复中心房间内部神经内科患者在康复过程中的脸部表情信息和与人沟通交流信息,以及获取神经内科患者每天锻炼信息;
分析模块,根据神经内科患者在康复过程中的脸部表情信息、与人沟通交流信息和神经内科患者每天锻炼信息进行处理分析得到安全隐患值,根据安全隐患值提醒工作人员对患者进行心理辅导与指引;
归类模块,根据安全隐患值将康复中心房间内部神经内科患者进行归类划分为第一类患者或第二类患者;
处理模块,统计康复中心各个房间内部第一类患者的总人数信息和第二类患者的总人数信息,将每个康复中心房间内部第一类患者的总人数信息和第二类患者的总人数信息进行处理分析得到调整值;
调整模块,根据调整值对各个康复中心房间内部的第一类患者和第二类患者进行调整。
与现有技术相比,本发明具备以下有益效果:
能够根据患者的安全隐患值对患者进行归类为第一类患者和第二类患者,同时由于康复中心房间数量较多,因此能够提醒对各个房间内部第一类患者和第二类患者人数进行调整,防止心态较差的患者都在同一个康复中心房间内部影响患者的康复进度;同时本申请能够对康复中心工作人员对患者心理辅导作出评价。
附图说明
图1为本发明提出一种神经内科监护安全隐患分析系统的模块示意图;
图2为本发明提出一种神经内科监护安全隐患分析方法的流程示意图。
具体实施方式
参照图1至图2所示。
实施例对本发明提出的一种神经内科监护安全隐患分析方法及系统做进一步说明。
一种神经内科监护安全隐患分析方法,该方法包括以下步骤:
获取康复中心房间内部神经内科患者在康复过程中的脸部表情信息和与人沟通交流信息,以及获取神经内科患者每天锻炼信息;
根据神经内科患者在康复过程中的脸部表情信息、与人沟通交流信息和神经内科患者每天锻炼信息进行处理分析得到安全隐患值,根据安全隐患值提醒工作人员对该患者进行心理辅导与指引。
如果神经内科患者在康复过程中心理负面影响较大,则存在安全隐患,不利于患者的康复;
根据安全隐患值将康复中心房间内部神经内科患者进行归类划分为第一类患者或第二类患者;
统计康复中心各个房间内部第一类患者的总人数信息和第二类患者的总人数信息,将每个康复中心房间内部第一类患者的总人数信息和第二类患者的总人数信息进行处理分析得到调整值;
根据调整值对各个康复中心房间内部的第一类患者和第二类患者进行调整。
由于患者在治疗后需要进行康复处理,患者在康复过程中需要锻炼和心理辅导,本申请能够根据患者的安全隐患值对患者进行归类为第一类患者和第二类患者,同时由于康复中心房间数量较多,因此能够提醒对各个房间内部第一类患者和第二类患者人数进行调整,防止心态较差的患者都在同一个康复中心房间内部影响患者的康复进度,因此心态对于患者康复过程有积极的帮助作用。
与人沟通交流信息包括每天与人沟通次数信息和每天与人沟通时长信息;
需要注意的是,如果患者在康复过程中与人沟通交流较多,则说明患者的心态较好,在患者心态较好的情况下越有利于康复,本申请通过获取康复中心房间内部神经内科患者在康复过程中每天与人沟通次数信息和每天与人沟通时长信息,能够实时了解患者沟通情况。
将康复中心房间内部神经内科患者在康复过程中每天与人沟通次数信息进行取值和标记得到每天沟通次数值GTC;
将康复中心房间内部神经内科患者在康复过程中每天与人沟通时长信息进行取值和标记得到每天沟通时长值GTS。
需要注意的是,由于康复中心房间内部安装有摄像头,通过摄像头可以拍摄得到患者每天与人沟通的次数信息和每天与人沟通的时长信息,如果康复中心房间内部神经内科患者在康复过程中每天与人沟通次数为3次,则每天沟通次数值GTC的取值为3,如果康复中心房间内部神经内科患者在康复过程中每天与人沟通次数为5次,则每天沟通次数值GTC的取值为5。
如果康复中心房间内部神经内科患者在康复过程中每天与人沟通的总时长为30分钟,则每天沟通时长值GTS的取值为30;
如果康复中心房间内部神经内科患者在康复过程中每天与人沟通的总时长为56分钟,则每天沟通时长值GTS的取值为56。
神经内科患者每天锻炼信息包括神经内科患者每天锻炼次数信息和神经内科患者每天锻炼时长信息;
将神经内科患者每天锻炼次数信息进行取值和标记得到每天锻炼次数值DLC;
将神经内科患者每天锻炼时长信息进行取值和标记得到每天锻炼时长值DLS。
需要注意的是,由于康复中心的锻炼区域安装有摄像头,通过摄像头可以拍摄得到神经内科患者每天锻炼信息,如果患者每天锻炼的次数和时长越多,则越有利于患者康复,其中,神经内科患者每天锻炼信息包括神经内科患者每天锻炼次数信息和神经内科患者每天锻炼时长信息;
如果神经内科患者每天锻炼次数为6次,则每天锻炼次数值DLC的取值为6,如果神经内科患者每天锻炼次数为3次,则每天锻炼次数值DLC的取值为3;如果神经内科患者每天锻炼时长为10分钟,则每天锻炼时长值DLS为10,如果神经内科患者每天锻炼时长为16分钟,则每天锻炼时长值DLS为16。
康复中心房间内部神经内科患者在康复过程中的脸部表情信息具体为康复中心房间内部神经内科患者在康复过程中的每天微笑次数信息;
将康复中心房间内部神经内科患者在康复过程中的每天微笑次数信息进行取值和标记得到脸部表情值LBQ;
需要注意的是,由于康复中心房间内部安装有摄像头,通过摄像头可以拍摄得到康复中心房间内部神经内科患者在康复过程中的脸部表情,即通过摄像头可以拍摄得到康复中心房间内部神经内科患者在康复过程中的脸部是否有微笑,如果神经内科患者在康复过程中的脸部有微笑,则说明患者康复较好;
如果康复中心房间内部神经内科患者在康复过程中的每天微笑次数为10次,则脸部表情值LBQ的取值为10;
如果康复中心房间内部神经内科患者在康复过程中的每天微笑次数为6次,则脸部表情值LBQ的取值为6。
通过第一处理分析函数计算得到安全隐患值AQZ;其中,a1、a2、a3、a4和a5为影响因子且大于零。
需要注意的是,本申请通过对神经内科患者在康复过程中的脸部表情信息、与人沟通交流信息和神经内科患者每天锻炼信息进行处理分析得到安全隐患值,根据安全隐患值能够提醒工作人员对患者进行心理辅导和指引,即能够根据每位患者的实际情况进行针对性的心理辅导和指引。
这里将a2、a4的取值均设定为1,将a1、a3和a5的取值设定为2,在每天沟通次数值GTC的取值为5、每天沟通时长值GTS的取值为30、每天锻炼次数值DLC的取值为6、每天锻炼时长值DLS为16和脸部表情值LBQ的取值为6的情况下,通过第一处理分析函数计算得到安全隐患值AQZ为80。
将安全隐患值AQZ与预设的安全阈值AQY进行比较:
如果安全隐患值AQZ≥预设的安全阈值AQY,则不需要提醒工作人员对该患者进行心理辅导与指引;
如果安全隐患值AQZ<预设的安全阈值AQY,则需要提醒工作人员对该患者进行心理辅导与指引;
需要注意的是,本申请将安全隐患值AQZ与预设的安全阈值AQY进行比较,主要是判断是否需要工作人员对该患者进行心理辅导和指引,防止患者心理负面影响大,从而影响康复过程。
这里将预设的安全阈值AQY设定为30,在安全隐患值AQZ为80的情况下,由于安全隐患值AQZ>预设的安全阈值AQY,说明该患者的心理负面影响较小,则不需要提醒工作人员对该患者进行心理辅导与指引;在安全隐患值AQZ为20的情况下,安全隐患值AQZ<预设的安全阈值AQY,说明该患者的心理负面影响较大,则需要提醒工作人员对该患者进行心理辅导与指引。
将安全隐患值AQZ与预设的归类阈值A进行比较:
如果安全隐患值AQZ≥预设的归类阈值A,则将康复中心房间内部神经内科患者进行归类划分为第一类患者;
如果安全隐患值AQZ<预设的归类阈值A,则将康复中心房间内部神经内科患者进行归类划分为第二类患者;
需要注意的是,本申请将安全隐患值AQZ与预设的归类阈值A进行比较,从而对患者进行归类划分,即将患者归类划分为第一类患者或第二类患者,这里将预设的归类阈值A设定为40,在安全隐患值AQZ为80的情况下,由于安全隐患值AQZZ>预设的归类阈值A,说明该患者的心理负面影响较小,则将康复中心房间内部神经内科患者进行归类划分为第一类患者;在安全隐患值AQZ为20的情况下,由于安全隐患值AQZZ<预设的归类阈值A,说明该患者的心理负面影响较大,则将康复中心房间内部神经内科患者进行归类划分为第一类患者。
将康复中心各个房间内部第一类患者的总人数信息进行取值和标记得到第一类患者总人数值DYH;
将康复中心各个房间内部第二类患者的总人数信息进行取值和标记得到第二类患者总人数值DEH;
需要注意的是,本申请将安全隐患值AQZ与预设的归类阈值A进行比较,将患者归类划分为第一类患者或第二类患者,由于康复中心设置的房间较多,获取康复中心各个房间内部第一类患者的总人数和第二类患者的总人数,从而便于对康复中心各个房间内部第一类患者和第二类患者进行调整。
如果康复中心各个房间内部第一类患者的总人数为30人,则第一类患者总人数值DYH的取值为30;如果康复中心各个房间内部第二类患者的总人数为20人,则第二类患者总人数值DEH的取值为20;
如果第一类患者总人数值DYH>第二类患者总人数值DEH,则使每个康复中心房间内部第一类患者人数多于第二类患者人数;
如果第一类患者总人数值DYH=第二类患者总人数值DEH,则使每个康复中心房间内部第一类患者人数等于第二类患者人数;
如果第一类患者总人数值DYH<第二类患者总人数值DEH,则使每个康复中心房间内部第二类患者人数相等,使每个康复中心房间内部第一类患者人数相等;
需要注意的是,在第一类患者总人数值DYH>第二类患者总人数值DEH的情况下,使每个康复中心房间内部第一类患者人数多于第二类患者人数,即每个康复中心房间内部心态较好患者较多,有利于心态较好患者与心态不好患者进行沟通,从而可以对心态不好患者进行正向引导。
在第一类患者总人数值DYH=第二类患者总人数值DEH,则使每个康复中心房间内部第一类患者人数等于第二类患者人数,防止心态不好患者齐聚在同一个康复中心房间内部,同时由于康复中心每个房间内部第一类患者人数和第二类患者人数相等,因此也有利于态较好患者与心态不好患者进行沟通,从而也可以对心态不好患者进行正向引导。
在第一类患者总人数值DYH<第二类患者总人数值DEH,则使每个康复中心房间内部第二类患者人数相等,使每个康复中心房间内部第一类患者人数相等,防止心态不好的患者齐聚在同一个康复中心房间内部,同时提醒工作人员加强对患者进行心理辅导和指引。
通过第二处理分析函数计算得到评价值PJZ;
将评价值PJZ与预设的评价阈值B进行比较;
如果评价值PJZ≥预设的评价阈值B,则工作人员对整体患者进行心理辅导与指引情况不合格;
如果评价值PJZ<预设的评价阈值B,则工作人员对整体患者进行心理辅导与指引情况合格。
由于患者在康复过程中都安排有工作人员对患者进行心理辅导,通过对第一类患者总人数值DYH和第二类患者总人数值DEH进行处理分析可以对工作人员对整体患者进行心理辅导与指引情况进行评价。
在第二类患者总人数值DEH为40、第一类患者总人数值DYH为60的情况下,通过第二处理分析函数计算得到评价值PJZ为0.4。
这里将预设的评价阈值B设定为0.3,在评价值PJZ为0.4的情况下,由于评价值PJZ>预设的评价阈值B,即康复中心心态不好的患者人数比例还较大,则工作人员对整体患者进行心理辅导与指引情况不合格;在评价值PJZ为0.2的情况下,由于评价值PJZ<预设的评价阈值B,即康复中心心态不好的患者人数比例较小,则工作人员对整体患者进行心理辅导与指引情况合格。
一种神经内科监护安全隐患分析系统,包括:
获取模块,获取康复中心房间内部神经内科患者在康复过程中的脸部表情信息和与人沟通交流信息,以及获取神经内科患者每天锻炼信息;
分析模块,根据神经内科患者在康复过程中的脸部表情信息、与人沟通交流信息和神经内科患者每天锻炼信息进行处理分析得到安全隐患值,根据安全隐患值提醒工作人员对患者进行心理辅导与指引;
归类模块,根据安全隐患值将康复中心房间内部神经内科患者进行归类划分为第一类患者或第二类患者;
处理模块,统计康复中心各个房间内部第一类患者的总人数信息和第二类患者的总人数信息,将每个康复中心房间内部第一类患者的总人数信息和第二类患者的总人数信息进行处理分析得到调整值;
调整模块,根据调整值对各个康复中心房间内部的第一类患者和第二类患者进行调整。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种神经内科监护安全隐患分析方法,其特征在于,该方法包括以下步骤:
获取康复中心房间内部神经内科患者在康复过程中的脸部表情信息和与人沟通交流信息,以及获取神经内科患者每天锻炼信息;
根据神经内科患者在康复过程中的脸部表情信息、与人沟通交流信息和神经内科患者每天锻炼信息进行处理分析得到安全隐患值,根据安全隐患值提醒工作人员对该患者进行心理辅导与指引;
根据安全隐患值将康复中心房间内部神经内科患者进行归类划分为第一类患者或第二类患者;
统计康复中心各个房间内部第一类患者的总人数信息和第二类患者的总人数信息,将每个康复中心房间内部第一类患者的总人数信息和第二类患者的总人数信息进行处理分析得到调整值;
根据调整值对各个康复中心房间内部的第一类患者和第二类患者进行调整。
2.根据权利要求1所述的一种神经内科监护安全隐患分析方法,其特征在于,所述与人沟通交流信息包括每天与人沟通次数信息和每天与人沟通时长信息;
将康复中心房间内部神经内科患者在康复过程中每天与人沟通次数信息进行取值和标记得到每天沟通次数值GTC;
将康复中心房间内部神经内科患者在康复过程中每天与人沟通时长信息进行取值和标记得到每天沟通时长值GTS。
3.根据权利要求2所述的一种神经内科监护安全隐患分析方法,其特征在于,所述神经内科患者每天锻炼信息包括神经内科患者每天锻炼次数信息和神经内科患者每天锻炼时长信息;
将神经内科患者每天锻炼次数信息进行取值和标记得到每天锻炼次数值DLC;
将神经内科患者每天锻炼时长信息进行取值和标记得到每天锻炼时长值DLS。
4.根据权利要求3所述的一种神经内科监护安全隐患分析方法,其特征在于,所述康复中心房间内部神经内科患者在康复过程中的脸部表情信息具体为康复中心房间内部神经内科患者在康复过程中的每天微笑次数信息;
将康复中心房间内部神经内科患者在康复过程中的每天微笑次数信息进行取值和标记得到脸部表情值LBQ。
5.根据权利要求4所述的一种神经内科监护安全隐患分析方法,其特征在于,通过第一处理分析函数计算得到安全隐患值AQZ;其中,a1、a2、a3、a4和a5为影响因子且大于零;
将安全隐患值AQZ与预设的安全阈值AQY进行比较:
如果安全隐患值AQZ≥预设的安全阈值AQY,则不需要提醒工作人员对该患者进行心理辅导与指引;
如果安全隐患值AQZ<预设的安全阈值AQY,则需要提醒工作人员对该患者进行心理辅导与指引。
6.根据权利要求5所述的一种神经内科监护安全隐患分析方法,其特征在于,将安全隐患值AQZ与预设的归类阈值A进行比较:
如果安全隐患值AQZ≥预设的归类阈值A,则将康复中心房间内部神经内科患者进行归类划分为第一类患者;
如果安全隐患值AQZ<预设的归类阈值A,则将康复中心房间内部神经内科患者进行归类划分为第二类患者。
7.根据权利要求6所述的一种神经内科监护安全隐患分析方法,其特征在于,将康复中心各个房间内部第一类患者的总人数信息进行取值和标记得到第一类患者总人数值DYH;
将康复中心各个房间内部第二类患者的总人数信息进行取值和标记得到第二类患者总人数值DEH。
8.根据权利要求7所述的一种神经内科监护安全隐患分析方法,其特征在于,如果第一类患者总人数值DYH>第二类患者总人数值DEH,则使每个康复中心房间内部第一类患者人数多于第二类患者人数;
如果第一类患者总人数值DYH=第二类患者总人数值DEH,则使每个康复中心房间内部第一类患者人数等于第二类患者人数;
如果第一类患者总人数值DYH<第二类患者总人数值DEH,则使每个康复中心房间内部第二类患者人数相等,使每个康复中心房间内部第一类患者人数相等。
9.根据权利要求8所述的一种神经内科监护安全隐患分析方法,其特征在于,通过第二处理分析函数计算得到评价值PJZ;
将评价值PJZ与预设的评价阈值B进行比较:
如果评价值PJZ≥预设的评价阈值B,则工作人员对整体患者进行心理辅导与指引情况不合格;
如果评价值PJZ<预设的评价阈值B,则工作人员对整体患者进行心理辅导与指引情况合格。
10.一种神经内科监护安全隐患分析系统,应用如权利要求1所述的一种神经内科监护安全隐患分析方法,其特征在于,包括:
获取模块,获取康复中心房间内部神经内科患者在康复过程中的脸部表情信息和与人沟通交流信息,以及获取神经内科患者每天锻炼信息;
分析模块,根据神经内科患者在康复过程中的脸部表情信息、与人沟通交流信息和神经内科患者每天锻炼信息进行处理分析得到安全隐患值,根据安全隐患值提醒工作人员对患者进行心理辅导与指引;
归类模块,根据安全隐患值将康复中心房间内部神经内科患者进行归类划分为第一类患者或第二类患者;
处理模块,统计康复中心各个房间内部第一类患者的总人数信息和第二类患者的总人数信息,将每个康复中心房间内部第一类患者的总人数信息和第二类患者的总人数信息进行处理分析得到调整值;
调整模块,根据调整值对各个康复中心房间内部的第一类患者和第二类患者进行调整。
CN202311551873.7A 2023-11-21 2023-11-21 一种神经内科监护安全隐患分析方法及系统 Active CN117275676B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311551873.7A CN117275676B (zh) 2023-11-21 2023-11-21 一种神经内科监护安全隐患分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311551873.7A CN117275676B (zh) 2023-11-21 2023-11-21 一种神经内科监护安全隐患分析方法及系统

Publications (2)

Publication Number Publication Date
CN117275676A true CN117275676A (zh) 2023-12-22
CN117275676B CN117275676B (zh) 2024-02-09

Family

ID=89218079

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311551873.7A Active CN117275676B (zh) 2023-11-21 2023-11-21 一种神经内科监护安全隐患分析方法及系统

Country Status (1)

Country Link
CN (1) CN117275676B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2210396C1 (ru) * 2002-02-20 2003-08-20 Якубов Лазарь Михайлович Способ лечения наркотической и/или никотиновой зависимости
CN106214163A (zh) * 2016-07-18 2016-12-14 北京科技大学 一种下肢畸形矫正术后康复的人工心理辅导装置
CN109830280A (zh) * 2018-12-18 2019-05-31 深圳壹账通智能科技有限公司 心理辅助分析方法、装置、计算机设备和存储介质
CN110147930A (zh) * 2019-04-16 2019-08-20 平安科技(深圳)有限公司 基于大数据分析的数据统计方法、装置及存储介质
CN112669186A (zh) * 2020-12-31 2021-04-16 山东师范大学 人群疏散中积极情绪和消极情绪的最优化干预方法及系统
CN112890817A (zh) * 2021-01-21 2021-06-04 全映波 一种精神障碍康复期情绪监测与干预方法
CN114943997A (zh) * 2022-05-18 2022-08-26 上海大学 基于注意力和神经网络的脑卒中患者表情分类算法及系统
CN115006786A (zh) * 2022-04-25 2022-09-06 同济大学 一种用于颈椎康复的仿生眼医疗机器人与康复评估方法
CN115218437A (zh) * 2022-07-07 2022-10-21 青岛海尔空调器有限总公司 空调器控制方法及装置
CN115252365A (zh) * 2022-07-20 2022-11-01 南京体医融合康复产业研究院有限公司 上肢镜像康复训练机器人系统、控制方法和计算机介质
CN115474926A (zh) * 2022-10-09 2022-12-16 张晨 一种用于医疗辅助的步态识别方法及系统
CN115985462A (zh) * 2023-02-10 2023-04-18 四川大学 儿童脑瘫康复益智训练系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2210396C1 (ru) * 2002-02-20 2003-08-20 Якубов Лазарь Михайлович Способ лечения наркотической и/или никотиновой зависимости
CN106214163A (zh) * 2016-07-18 2016-12-14 北京科技大学 一种下肢畸形矫正术后康复的人工心理辅导装置
CN109830280A (zh) * 2018-12-18 2019-05-31 深圳壹账通智能科技有限公司 心理辅助分析方法、装置、计算机设备和存储介质
CN110147930A (zh) * 2019-04-16 2019-08-20 平安科技(深圳)有限公司 基于大数据分析的数据统计方法、装置及存储介质
CN112669186A (zh) * 2020-12-31 2021-04-16 山东师范大学 人群疏散中积极情绪和消极情绪的最优化干预方法及系统
CN112890817A (zh) * 2021-01-21 2021-06-04 全映波 一种精神障碍康复期情绪监测与干预方法
CN115006786A (zh) * 2022-04-25 2022-09-06 同济大学 一种用于颈椎康复的仿生眼医疗机器人与康复评估方法
CN114943997A (zh) * 2022-05-18 2022-08-26 上海大学 基于注意力和神经网络的脑卒中患者表情分类算法及系统
CN115218437A (zh) * 2022-07-07 2022-10-21 青岛海尔空调器有限总公司 空调器控制方法及装置
CN115252365A (zh) * 2022-07-20 2022-11-01 南京体医融合康复产业研究院有限公司 上肢镜像康复训练机器人系统、控制方法和计算机介质
CN115474926A (zh) * 2022-10-09 2022-12-16 张晨 一种用于医疗辅助的步态识别方法及系统
CN115985462A (zh) * 2023-02-10 2023-04-18 四川大学 儿童脑瘫康复益智训练系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
咸振萍;: "系统家庭治疗对康复期精神分裂症患者心理健康状况的影响", 当代医学, no. 16, pages 48 - 49 *

Also Published As

Publication number Publication date
CN117275676B (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
EP3217869B1 (en) Scoring method based on improved signals analysis
JP2011517962A (ja) 中枢神経系に関連する医学的状態の治療のための、および認知機能の向上のためのシステムならびに方法
Hartmann et al. EpiScan: online seizure detection for epilepsy monitoring units
Akben et al. Classification of multi-channel EEG signals for migraine detection
WO2011059951A1 (en) Brain activity as a marker of disease
Li et al. The recognition of multiple anxiety levels based on electroencephalograph
WO2014029764A1 (en) Method for detection of an abnormal sleep pattern in a person
WO2019064136A1 (en) MICRO-STATE ANALYSIS OF EEG
US20200164218A1 (en) Eeg microstates for controlling neurological treatment
Khan et al. Effective connectivity in default mode network for alcoholism diagnosis
US20240090817A1 (en) Cortical recording and signal processing methods and devices
Mahmud et al. Multivariate models for decoding hearing impairment using EEG gamma-band power spectral density
CN117275676B (zh) 一种神经内科监护安全隐患分析方法及系统
Panchavati et al. Pretrained transformers for seizure detection
Douglass A study of bilaterally recorded electroencephalograms of adult stutterers.
Torkamani-Azar et al. Prediction of motor imagery performance based on pre-trial spatio-spectral alertness features
Komogortsev et al. The application of eye movement biometrics in the automated detection of mild traumatic brain injury
Molina et al. Tonic EEG dynamics during psychomotor vigilance task
Yu et al. P300-BCI-based authentication system
Cheng et al. Exploring cognitive distraction of galvanic skin response while driving: An artificial intelligence modeling
Pascual et al. Artificial neural network based stress level detection system using physiological signals
TWI813222B (zh) 用於評估疼痛敏感度的大腦活動量測方法與系統
WO2019101678A1 (de) Automatisierte erkennung und erfassung von unerwünschten ereignissen
Watanabe et al. Neural signatures of human psychological resilience driven by acute stress
Cantor et al. Quantitative electroencephalography (qEEG) clinical applications: a review and update

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