CN117352180A - 一种精神科病人自虐风险预警方法 - Google Patents
一种精神科病人自虐风险预警方法 Download PDFInfo
- Publication number
- CN117352180A CN117352180A CN202311643207.6A CN202311643207A CN117352180A CN 117352180 A CN117352180 A CN 117352180A CN 202311643207 A CN202311643207 A CN 202311643207A CN 117352180 A CN117352180 A CN 117352180A
- Authority
- CN
- China
- Prior art keywords
- risk
- self
- abuse
- psychiatric
- psychiatric patient
- 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
Links
- 201000009032 substance abuse Diseases 0.000 title claims abstract description 251
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 140
- 238000012502 risk assessment Methods 0.000 claims abstract description 59
- 238000011282 treatment Methods 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims description 69
- 230000003340 mental effect Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000008451 emotion Effects 0.000 claims description 9
- 238000013210 evaluation model Methods 0.000 claims description 9
- 230000000737 periodic effect Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 230000004617 sleep duration Effects 0.000 claims description 8
- 230000004622 sleep time Effects 0.000 claims description 6
- 230000007958 sleep Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000036651 mood Effects 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 206010010144 Completed suicide Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011328 necessary treatment Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003997 social interaction Effects 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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Hospice & Palliative Care (AREA)
- Data Mining & Analysis (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种精神科病人自虐风险预警方法，涉及精神科防自虐技术领域。该精神科病人自虐风险预警方法，通过获取精神科病人的自虐相关信息计算出精神科病人的自虐风险评估指数，用于评估精神科病人发生自虐风险的概率程度；依照精神科病人的自虐风险评估指数划分精神科病人发生自虐的风险等级，所述精神科病人发生自虐的风险等级包括低风险、高风险；通过定期监测计划监测低风险精神科病人状态，利用实时监测计划实时监测高风险精神科病人状态；通过获取高风险精神科病人的监测信息计算高风险精神科病人的自虐倾向监测值，用于判断高风险精神科病人是否有发生自虐风险趋势；对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置。
Description
技术领域
本发明涉及精神科防自虐技术领域，具体为一种精神科病人自虐风险预警方法。
背景技术
目前各大医院均存在精神科病人自虐的现象，针对监测防止精神科病人自虐的要求也越发重要，传统医院精神科监测防范病人自虐常通过医护人员人工监测防护，或结合心理咨询减少病人自虐心理，而目前随着智能化时代的到来，自动化监测病人自虐的研究也迫在眉睫，针对监测精神科病人状态，存在一种利用智能装置监测的方法，例如公开号为：CN111489818A公开的一种精神科防自杀风险预警方法及装置，通过对患者划分不同的自杀风险等级，便于对不同风险程度的患者进行针对性的治疗与管理，通过一个安全管理脚环对中度以上的风险等级的患者进行实时动态监视，包括位置监测、睡眠监测、声音监测、动作监测、心率监测、皮肤温度监测、皮肤电阻监测、时间控制等，动态监测患者的时时活动，对患者的风险因素和风险行为作出突出预警、同比预警和环比预警，依据时间序列等算法对自杀风险事故进行预测，当预测值超过设定阀值时向护士站终端进行预警，能够大大减少患者的出走率、自杀率、伤人率等不安全事件。
然而，上述关于精神科防自杀风险预警方法及装置，对于预警精神科病人自杀自虐，缺乏客观的数值展现，缺少对于精神科病人自虐监测的模型设置。
因此，针对以上问题，亟待需要一种精神科病人自虐风险预警方法。
发明内容
针对现有技术的不足，本发明提供了一种精神科病人自虐风险预警方法，解决了防范精神科病人自虐困难、监测每个精神科病人耗费人工的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种精神科病人自虐风险预警方法，包括以下步骤：获取精神科病人的自虐风险评估指数，用于评估精神科病人发生自虐风险的概率程度；依照精神科病人的自虐风险评估指数划分精神科病人发生自虐的风险等级，所述精神科病人发生自虐的风险等级包括低风险、高风险；通过定期监测计划监测低风险精神科病人状态，利用实时监测计划实时监测高风险精神科病人状态；获取高风险精神科病人的自虐倾向监测值，用于判断高风险精神科病人是否有发生自虐风险趋势；对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置。
进一步地，所述获取精神科病人的自虐风险评估指数，具体包括：获取精神科病人的自虐相关信息，所述自虐相关信息包括精神科病人自身层面信息、精神科病人社会层面信息；通过精神科病人自身层面信息计算获得精神科病人的自身评估系数，用于评估精神科病人个体心理因素对于自虐倾向的影响程度；通过精神科病人社会层面信息计算获得精神科病人的社会状态评估系数，用于评估精神科病人社会关系因素对于自虐倾向的影响程度；通过自身评估系数、社会状态评估系数计算获取精神科病人的自虐风险评估指数。
进一步地，所述精神科病人的自身评估系数，具体计算步骤为：利用精神科病人自身层面信息分析构建精神科病人的自身评估模型，得到精神科病人的自身评估系数，所述精神科病人自身层面信息包括：精神科病人的身体自虐痕迹符合值、情绪符合值、亲友评分；所述精神科病人的自身评估系数，计算公式为：；式中/>表示为精神科病人的自身评估系数，f、t、r分别表示为精神科病人的身体自虐痕迹符合值、情绪符合值、亲友评分，f0、t0、r0分别表示为预设的精神科病人的身体自虐痕迹符合值、情绪符合值、亲友评分，/>、e表示为自然常数。
进一步地，所述精神科病人的社会状态评估系数，具体计算步骤为：利用精神科病人社会层面信息分析构建社会状态评估模型，得到精神科病人的社会状态评估系数，所述精神科病人社会层面信息包括：精神科病人的家庭状态符合值、社交状态符合值；所述精神科病人的社会状态评估系数，计算公式为：；式中/>表示为精神科病人的社会状态评估系数，/>、/>分别表示为精神科病人的家庭状态符合值、社交状态符合值，/>、/>分别表示为预设的精神科病人的家庭状态符合值、社交状态符合值，e表示为自然常数。
进一步地，所述精神科病人的自虐风险评估指数，具体计算步骤为：结合精神科病人的自身评估系数与精神科病人的社会状态评估系数分析，构建出精神科病人的自虐风险评估模型，得到精神科病人的自虐风险评估指数，所述精神科病人的自虐风险评估指数计算公式为：；式中/>表示为精神科病人的自虐风险评估指数，/>、/>表示为精神科病人的自身评估系数与精神科病人的社会状态评估系数，/>、/>分别表示精神科病人的自身评估系数与精神科病人的社会状态评估系数相对于的权重，e表示为自然常数。
进一步地，所述依照精神科病人的自虐风险评估指数划分精神科病人发生自虐的风险等级，具体为：将精神科病人的自虐风险评估指数与自虐风险评估阈值进行对比分析，当精神科病人的自虐风险评估指数低于自虐风险评估阈值时，判定精神科病人为低风险精神科病人；当精神科病人的自虐风险评估指数超过自虐风险评估阈值时，判定精神科病人为高风险精神科病人。
进一步地，所述通过定期监测计划监测低风险精神科病人状态，具体为：对低风险精神科病人实施定期监测计划，所述定期监测计划包括：设置监测周期，依照监测周期获取低风险精神科病人的自虐风险评估指数，判断低风险精神科病人是否转化为高风险精神科病人，对转化为高风险精神科病人的情况采取实时监测计划；所述利用实时监测计划实时监测高风险精神科病人状态，具体为：对高风险精神科病人实施实时监测计划，所述实时监测计划包括：实时监测高风险精神科病人活动，所述高风险精神科病人活动包括高风险精神科病人日常言语、社交日常、睡眠情况，同时实时获取高风险精神科病人的监测信息。
进一步地，所述获取高风险精神科病人的自虐倾向监测值，具体包括:结合实时获取的高风险精神科病人的监测信息与高风险精神科病人的自虐风险评估指数分析，构建高风险精神科病人的自虐倾向监测模型，得到高风险精神科病人的自虐倾向监测值，所述高风险精神科病人的监测信息包括：高风险精神科病人的心率波动值、言语分贝、睡眠时长。
进一步地，所述高风险精神科病人的自虐倾向监测值，计算公式为：；式中/>表示为高风险精神科病人的自虐倾向监测值，/>、/>、/>分别表示为高风险精神科病人的心率波动值、言语分贝、睡眠时长，、/>、/>分别表示为预设的高风险精神科病人的心率波动值、言语分贝、睡眠时长，、/>、/>分别表示为高风险精神科病人的心率波动值、言语分贝、睡眠时长相对应的权重，/>表示为高风险精神科病人的自虐风险评估指数，e表示为自然常数。
进一步地，所述对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置，具体为：利用高风险精神科病人的自虐倾向监测值与自虐倾向监测阈值进行对比分析，当高风险精神科病人的自虐倾向监测值高于自虐倾向监测阈值时，判断高风险精神科病人存在发生自虐风险趋势，利用预警机制对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置，所述紧急预警处置包括：为存在发生自虐风险趋势情况的高风险精神科病人提供心理咨询、引入家属与医护人员、利用束缚仪器限制存在发生自虐风险趋势情况的高风险精神科病人自虐。
一种用于精神科病人自虐风险预警方法的系统，包括：自虐风险评估模块，用于获取精神科病人的自虐风险评估指数，评估精神科病人发生自虐风险的概率程度；风险等级划分模块，用于依照精神科病人的自虐风险评估指数划分精神科病人发生自虐的风险等级，所述精神科病人发生自虐的风险等级包括低风险、高风险；分类监测模块，用于通过定期监测计划监测低风险精神科病人状态，利用实时监测计划实时监测高风险精神科病人状态；自虐倾向检测模块，用于获取高风险精神科病人的自虐倾向监测值，判断高风险精神科病人是否有发生自虐风险趋势；自虐风险预警处置模块，用于对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置。
本发明具有以下有益效果：
（1）、该精神科病人自虐风险预警方法，通过获取患者的自身层面信息和社会层面信息，分别计算出精神科病人的自身评估系数和社会状态评估系数，能够提供个性化、综合性的评估，有助于全面地理解患者的状况，包括精神科病人自身的心理状态、及社会方面状态；通过自虐风险评估指数，提供了一个直观的量化指标，有助于医护人员更准确地评估患者的自虐风险程度；通过自虐倾向监测值，有助于医护人员能够及时地察觉患者是否存在自虐风险趋势，进而迅速采取必要的处置措施，保障患者的安全。
（2）、该精神科病人自虐风险预警方法，将患者划分为低风险和高风险两个等级，有助于医护人员针对性地制定治疗计划和监测策略，有助于优化资源分配，将更多关注放在高风险患者身上；针对低风险患者，采用定期监测计划，可以更加灵活地进行监测，确保患者状态的稳定，针对高风险患者，通过实时监测计划，可以及时发现潜在的风险，采取紧急预警处置措施，提高患者的安全性。
（3）、该精神科病人自虐风险预警方法，采取数据处理技术手段，通过利用精神科病人的自虐相关信息计算出精神科病人的自身评估系数及社会状态评估系数，进而获取精神科病人的自虐风险评估指数，结合精神科病人的自虐风险评估指数与监测信息计算获得自虐倾向监测值，对于精神科病人自虐的监测预警客观有效，避免了医护人员主观监测的失误进而影响精神科病人身心健康，同时利用自动化监测计算，减少了医护人员看护压力。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
图1为本发明一种精神科病人自虐风险预警方法流程图。
具体实施方式
本申请实施例通过一种精神科病人自虐风险预警方法，实现了自动化监测精神科病人状态，有效防范精神科病人自虐风险，减少精神科病人自虐情况的问题。
本申请实施例中的问题，总体思路如下：通过获取精神科病人自身层面信息、精神科病人社会层面信息分别计算获得精神科病人的自身评估系数、精神科病人的社会状态评估系数，进一步根据精神科病人的自身评估系数、精神科病人的社会状态评估系数计算出精神科病人的自虐风险评估指数，用于评估精神科病人发生自虐风险的概率程度；依照精神科病人的自虐风险评估指数划分精神科病人发生自虐的风险等级，所述精神科病人发生自虐的风险等级包括低风险、高风险；通过定期监测计划监测低风险精神科病人状态，利用实时监测计划实时监测高风险精神科病人状态；通过获取高风险精神科病人的监测信息计算高风险精神科病人的自虐倾向监测值，用于判断高风险精神科病人是否有发生自虐风险趋势；对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置。
请参阅图1，本发明实施例提供一种技术方案：一种精神科病人自虐风险预警方法，包括以下步骤：获取精神科病人的自虐风险评估指数，用于评估精神科病人发生自虐风险的概率程度；依照精神科病人的自虐风险评估指数划分精神科病人发生自虐的风险等级，所述精神科病人发生自虐的风险等级包括低风险、高风险；通过定期监测计划监测低风险精神科病人状态，利用实时监测计划实时监测高风险精神科病人状态；获取高风险精神科病人的自虐倾向监测值，用于判断高风险精神科病人是否有发生自虐风险趋势；对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置。
具体地，获取精神科病人的自虐风险评估指数，具体包括：获取精神科病人的自虐相关信息，所述自虐相关信息包括精神科病人自身层面信息、精神科病人社会层面信息；通过精神科病人自身层面信息计算获得精神科病人的自身评估系数，用于评估精神科病人个体心理因素对于自虐倾向的影响程度；通过精神科病人社会层面信息计算获得精神科病人的社会状态评估系数，用于评估精神科病人社会关系因素对于自虐倾向的影响程度；通过自身评估系数、社会状态评估系数计算获取精神科病人的自虐风险评估指数。
本实施方案中，通过采集病人的自身层面信息和社会层面信息，能够全面地了解患者的个体心理状况、心理健康状况、社会关系状态和环境等因素，有助于评估他们的整体情况，这有助于医护人员更具体地了解患者在心理和社会方面的脆弱性，以及可能导致自虐行为的潜在因素。
具体地，精神科病人的自身评估系数，具体计算步骤为：利用精神科病人自身层面信息分析构建精神科病人的自身评估模型，得到精神科病人的自身评估系数，所述精神科病人自身层面信息包括：精神科病人的身体自虐痕迹符合值、情绪符合值、亲友评分；所述精神科病人的自身评估系数，计算公式为：；式中/>表示为精神科病人的自身评估系数，f、t、r分别表示为精神科病人的身体自虐痕迹符合值、情绪符合值、亲友评分，f0、t0、r0分别表示为预设的精神科病人的身体自虐痕迹符合值、情绪符合值、亲友评分，/>、e表示为自然常数。
本实施方案中，身体自虐痕迹符合值、情绪符合值和亲友评分分别通过医护人员根据精神科病人的身体自虐痕迹严重程度打分、心理咨询师基于获取精神科病人心理情感打分及病人亲友综合评分，有助于减少依赖患者主观报告的可能偏见，能够提供客观的数据，有助于医疗人员更准确地评估患者的个人基础状况。
具体地，精神科病人的社会状态评估系数，具体计算步骤为：利用精神科病人社会层面信息分析构建社会状态评估模型，得到精神科病人的社会状态评估系数，所述精神科病人社会层面信息包括：精神科病人的家庭状态符合值、社交状态符合值；所述精神科病人的社会状态评估系数，计算公式为：
；式中/>表示为精神科病人的社会状态评估系数，/>、/>分别表示为精神科病人的家庭状态符合值、社交状态符合值，/>、/>分别表示为预设的精神科病人的家庭状态符合值、社交状态符合值，e表示为自然常数。
本实施方案中，家庭状态符合值和社交状态符合值的获取依照心理咨询师与精神科病人沟通交流进行打分，结合家庭状态符合值和社交状态符合值对于精神科病人的社会状态评估系数的计算有助于了解病人在家庭和社交环境中的情况，包括他们的关系、支持系统和交往方式，帮助医护人员了解病人社会家庭因素对病人情绪的影响。
具体地，精神科病人的自虐风险评估指数，具体计算步骤为：结合精神科病人的自身评估系数与精神科病人的社会状态评估系数分析，构建出精神科病人的自虐风险评估模型，得到精神科病人的自虐风险评估指数，所述精神科病人的自虐风险评估指数计算公式为：
；式中/>表示为精神科病人的自虐风险评估指数，/>、表示为精神科病人的自身评估系数与精神科病人的社会状态评估系数，/>、/>分别表示精神科病人的自身评估系数与精神科病人的社会状态评估系数相对于的权重，e表示为自然常数。
本实施方案中，将精神科病人的自身评估系数和社会状态评估系数结合，分别赋予权重，计算出自虐风险评估指数，能够提高对自虐行为风险的准确判断，有助于医护人员更准确地评估患者的自虐风险程度，进而针对性的进行分类管理规划。
具体地，依照精神科病人的自虐风险评估指数划分精神科病人发生自虐的风险等级，具体为：将精神科病人的自虐风险评估指数与自虐风险评估阈值进行对比分析，当精神科病人的自虐风险评估指数低于自虐风险评估阈值时，判定精神科病人为低风险精神科病人；当精神科病人的自虐风险评估指数超过自虐风险评估阈值时，判定精神科病人为高风险精神科病人。
本实施方案中，将患者划分为低风险和高风险两个等级，有助于医护人员针对性地制定治疗计划和监测策略，有助于优化资源分配，将更多关注放在高风险患者身上。
具体地，通过定期监测计划监测低风险精神科病人状态，具体为：对低风险精神科病人实施定期监测计划，所述定期监测计划包括：设置监测周期，依照监测周期获取低风险精神科病人的自虐风险评估指数，判断低风险精神科病人是否转化为高风险精神科病人，对转化为高风险精神科病人的情况采取实时监测计划；所述利用实时监测计划实时监测高风险精神科病人状态，具体为：对高风险精神科病人实施实时监测计划，所述实时监测计划包括：实时监测高风险精神科病人活动，所述高风险精神科病人活动包括高风险精神科病人日常言语、社交日常、睡眠情况，同时实时获取高风险精神科病人的监测信息。
本实施方案中，针对低风险患者，采用定期监测计划，可以更加灵活地进行监测，确保患者状态的稳定，针对高风险患者，通过实时监测计划，可以及时发现潜在的风险，采取紧急预警处置措施，提高患者的安全性。
具体地，获取高风险精神科病人的自虐倾向监测值，具体包括：结合实时获取的高风险精神科病人的监测信息与高风险精神科病人的自虐风险评估指数分析，构建高风险精神科病人的自虐倾向监测模型，得到高风险精神科病人的自虐倾向监测值，所述高风险精神科病人的监测信息包括：高风险精神科病人的心率波动值、言语分贝、睡眠时长。
本实施方案中，结合心率波动、言语分贝和睡眠时长，能够提供全面的监测数据，有助于构建更精准的自虐倾向监测模型，提高对高风险精神科病人自虐行为潜在风险的预测准确性。
具体地，高风险精神科病人的自虐倾向监测值，计算公式为：；式中/>表示为高风险精神科病人的自虐倾向监测值，/>、/>、/>分别表示为高风险精神科病人的心率波动值、言语分贝、睡眠时长，、/>、/>分别表示为预设的高风险精神科病人的心率波动值、言语分贝、睡眠时长，、/>、/>分别表示为高风险精神科病人的心率波动值、言语分贝、睡眠时长相对应的权重，/>表示为高风险精神科病人的自虐风险评估指数，e表示为自然常数。
本实施方案中，自虐行为往往伴随着生理和行为上的变化，包括心率波动、言语分贝和睡眠时长，通过监测这些指标并将它们整合到自虐倾向监测值中，可以更早地发现患者可能出现自虐行为的趋势，提供更早、更有效的干预机会，以减轻患者的痛苦。
具体地，对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置，具体为：利用高风险精神科病人的自虐倾向监测值与自虐倾向监测阈值进行对比分析，当高风险精神科病人的自虐倾向监测值高于自虐倾向监测阈值时，判断高风险精神科病人存在发生自虐风险趋势，利用预警机制对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置，所述紧急预警处置包括：为存在发生自虐风险趋势情况的高风险精神科病人提供心理咨询、引入家属与医护人员、利用束缚仪器限制存在发生自虐风险趋势情况的高风险精神科病人自虐。
本实施方案中，通过监测自虐倾向监测值并设置自虐倾向监测阈值，有助于医护人员及时地介入，提供心理咨询和其他支持，以防止患者自虐行为的发生；自虐倾向监测阈值可以根据每位患者的个体差异设置不同的数值，这种差异化的预警有助于提供更有针对性的干预。
一种用于精神科病人自虐风险预警方法的系统，包括：自虐风险评估模块，用于获取精神科病人的自虐风险评估指数，评估精神科病人发生自虐风险的概率程度；风险等级划分模块，用于依照精神科病人的自虐风险评估指数划分精神科病人发生自虐的风险等级，所述精神科病人发生自虐的风险等级包括低风险、高风险；分类监测模块，用于通过定期监测计划监测低风险精神科病人状态，利用实时监测计划实时监测高风险精神科病人状态；自虐倾向检测模块，用于获取高风险精神科病人的自虐倾向监测值，判断高风险精神科病人是否有发生自虐风险趋势；自虐风险预警处置模块，用于对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置。
综上，本申请至少具有以下效果：通过获取患者的自身层面信息和社会层面信息，以及计算自身评估系数和社会状态评估系数，有助于更全面地理解患者的状况，包括他们的心理状态、社会交际状况；利用自身评估系数和社会状态评估系数融合，计算出自虐风险评估指数，提供了一个直观的量化指标，有助于医护人员更准确地评估患者的自虐风险程度；将患者划分为低风险和高风险两个等级，使医护人员能够更有针对性地制定治疗计划和监测策略，有助于优化资源分配，将更多关注放在高风险患者身上；针对低风险患者，采用定期监测计划，可以更加灵活地进行监测，确保患者状态的稳定，对于高风险患者，通过实时监测计划，可以及时发现潜在的风险，采取紧急预警处置措施，提高患者的安全性；对于高风险患者，通过监测信息计算自虐倾向监测值，使医护人员能够更及时地察觉患者是否存在自虐风险趋势，使医护人员能够迅速采取必要的处置措施，保障患者的安全。
本领域内的技术人员应明白，本发明的实施例可提供为方法。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法的流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种精神科病人自虐风险预警方法，其特征在于，包括以下步骤：
获取精神科病人的自虐风险评估指数，用于评估精神科病人发生自虐风险的概率程度；
依照精神科病人的自虐风险评估指数划分精神科病人发生自虐的风险等级，所述精神科病人发生自虐的风险等级包括低风险、高风险；
通过定期监测计划监测低风险精神科病人状态，利用实时监测计划实时监测高风险精神科病人状态；
获取高风险精神科病人的自虐倾向监测值，用于判断高风险精神科病人是否有发生自虐风险趋势；
对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置。
2.根据权利要求1所述的一种精神科病人自虐风险预警方法，其特征在于,所述获取精神科病人的自虐风险评估指数，具体包括：
获取精神科病人的自虐相关信息，所述自虐相关信息包括精神科病人自身层面信息、精神科病人社会层面信息；
通过精神科病人自身层面信息计算获得精神科病人的自身评估系数，用于评估精神科病人个体心理因素对于自虐倾向的影响程度；
通过精神科病人社会层面信息计算获得精神科病人的社会状态评估系数，用于评估精神科病人社会关系因素对于自虐倾向的影响程度；
通过自身评估系数、社会状态评估系数计算获取精神科病人的自虐风险评估指数。
3.根据权利要求2所述的一种精神科病人自虐风险预警方法，其特征在于，所述精神科病人的自身评估系数，具体计算步骤为：
利用精神科病人自身层面信息分析构建精神科病人的自身评估模型，得到精神科病人的自身评估系数，所述精神科病人自身层面信息包括：精神科病人的身体自虐痕迹符合值、情绪符合值、亲友评分；
所述精神科病人的自身评估系数，计算公式为：
；
式中表示为精神科病人的自身评估系数，f、t、r分别表示为精神科病人的身体自虐痕迹符合值、情绪符合值、亲友评分，f0、t0、r0分别表示为预设的精神科病人的身体自虐痕迹符合值、情绪符合值、亲友评分，/>、e表示为自然常数。
4.根据权利要求2所述的一种精神科病人自虐风险预警方法，其特征在于，所述精神科病人的社会状态评估系数，具体计算步骤为：
利用精神科病人社会层面信息分析构建社会状态评估模型，得到精神科病人的社会状态评估系数，所述精神科病人社会层面信息包括：精神科病人的家庭状态符合值、社交状态符合值；
所述精神科病人的社会状态评估系数，计算公式为：
；
式中表示为精神科病人的社会状态评估系数，/>、/>分别表示为精神科病人的家庭状态符合值、社交状态符合值，/>、/>分别表示为预设的精神科病人的家庭状态符合值、社交状态符合值，e表示为自然常数。
5.根据权利要求4所述的一种精神科病人自虐风险预警方法，其特征在于，所述精神科病人的自虐风险评估指数，具体计算步骤为：
结合精神科病人的自身评估系数与精神科病人的社会状态评估系数分析，构建出精神科病人的自虐风险评估模型，得到精神科病人的自虐风险评估指数，所述精神科病人的自虐风险评估指数计算公式为：；
式中表示为精神科病人的自虐风险评估指数，/>、/>表示为精神科病人的自身评估系数与精神科病人的社会状态评估系数，/>、/>分别表示精神科病人的自身评估系数与精神科病人的社会状态评估系数相对于的权重，e表示为自然常数。
6.根据权利要求5所述的一种精神科病人自虐风险预警方法，其特征在于，所述依照精神科病人的自虐风险评估指数划分精神科病人发生自虐的风险等级，具体为：将精神科病人的自虐风险评估指数与自虐风险评估阈值进行对比分析，当精神科病人的自虐风险评估指数低于自虐风险评估阈值时，判定精神科病人为低风险精神科病人；
当精神科病人的自虐风险评估指数超过自虐风险评估阈值时，判定精神科病人为高风险精神科病人。
7.根据权利要求6所述的一种精神科病人自虐风险预警方法，其特征在于，所述通过定期监测计划监测低风险精神科病人状态，具体为：对低风险精神科病人实施定期监测计划，所述定期监测计划包括：设置监测周期，依照监测周期获取低风险精神科病人的自虐风险评估指数，判断低风险精神科病人是否转化为高风险精神科病人，对转化为高风险精神科病人的情况采取实时监测计划；
所述利用实时监测计划实时监测高风险精神科病人状态，具体为：对高风险精神科病人实施实时监测计划，所述实时监测计划包括：实时监测高风险精神科病人活动，所述高风险精神科病人活动包括高风险精神科病人日常言语、社交日常、睡眠情况，同时实时获取高风险精神科病人的监测信息。
8.根据权利要求7所述的一种精神科病人自虐风险预警方法，其特征在于，所述获取高风险精神科病人的自虐倾向监测值，具体包括：
结合实时获取的高风险精神科病人的监测信息与高风险精神科病人的自虐风险评估指数分析，构建高风险精神科病人的自虐倾向监测模型，得到高风险精神科病人的自虐倾向监测值，所述高风险精神科病人的监测信息包括：高风险精神科病人的心率波动值、言语分贝、睡眠时长。
9.根据权利要求8所述的一种精神科病人自虐风险预警方法，其特征在于，所述高风险精神科病人的自虐倾向监测值，计算公式为：
；
式中表示为高风险精神科病人的自虐倾向监测值，/>、/>、/>分别表示为高风险精神科病人的心率波动值、言语分贝、睡眠时长，/>、/>、/>分别表示为预设的高风险精神科病人的心率波动值、言语分贝、睡眠时长，/>、/>、/>分别表示为高风险精神科病人的心率波动值、言语分贝、睡眠时长相对应的权重，/>表示为高风险精神科病人的自虐风险评估指数，e表示为自然常数。
10.根据权利要求9所述的一种精神科病人自虐风险预警方法，其特征在于，所述对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置，具体为：利用高风险精神科病人的自虐倾向监测值与自虐倾向监测阈值进行对比分析，当高风险精神科病人的自虐倾向监测值高于自虐倾向监测阈值时，判断高风险精神科病人存在发生自虐风险趋势，利用预警机制对高风险精神科病人存在发生自虐风险趋势的情况进行紧急预警处置，所述紧急预警处置包括：为存在发生自虐风险趋势情况的高风险精神科病人提供心理咨询、引入家属与医护人员、利用束缚仪器限制存在发生自虐风险趋势情况的高风险精神科病人自虐。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311643207.6A CN117352180B (zh) | 2023-12-04 | 2023-12-04 | 一种精神科病人自虐风险预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311643207.6A CN117352180B (zh) | 2023-12-04 | 2023-12-04 | 一种精神科病人自虐风险预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117352180A true CN117352180A (zh) | 2024-01-05 |
| CN117352180B CN117352180B (zh) | 2024-03-22 |
Family
ID=89356062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311643207.6A Active CN117352180B (zh) | 2023-12-04 | 2023-12-04 | 一种精神科病人自虐风险预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117352180B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| UA70520A (en) * | 2003-11-27 | 2004-10-15 | Univ Kharkiv State Medical | Method for predicting non-psychotic disorders of pmethod for predicting non-psychotic disorders of psychics in patients with neurangiosis sychics in patients with neurangiosis |
| US20040225529A1 (en) * | 2003-05-06 | 2004-11-11 | Snyder Bernard M. | Method and apparatus for monitoring and treating medical signs and symptoms |
| CN104881719A (zh) * | 2015-06-03 | 2015-09-02 | 重庆医科大学 | 一种青少年自杀或自伤风险评估预警模型构建方法 |
| CN111489818A (zh) * | 2020-04-15 | 2020-08-04 | 广东省人民医院(广东省医学科学院) | 一种精神科防自杀风险预警方法及装置 |
| CN111785373A (zh) * | 2020-05-28 | 2020-10-16 | 成都市第四人民医院 | 社区严重精神障碍患者危险性行为的风险预警评估方法 |
| CN116363829A (zh) * | 2023-03-02 | 2023-06-30 | 郑州市第八人民医院(郑州市精神卫生中心) | 一种基于个体行为与性格特征的精神病人暴力预警系统 |
-
2023
- 2023-12-04 CN CN202311643207.6A patent/CN117352180B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040225529A1 (en) * | 2003-05-06 | 2004-11-11 | Snyder Bernard M. | Method and apparatus for monitoring and treating medical signs and symptoms |
| UA70520A (en) * | 2003-11-27 | 2004-10-15 | Univ Kharkiv State Medical | Method for predicting non-psychotic disorders of pmethod for predicting non-psychotic disorders of psychics in patients with neurangiosis sychics in patients with neurangiosis |
| CN104881719A (zh) * | 2015-06-03 | 2015-09-02 | 重庆医科大学 | 一种青少年自杀或自伤风险评估预警模型构建方法 |
| CN111489818A (zh) * | 2020-04-15 | 2020-08-04 | 广东省人民医院(广东省医学科学院) | 一种精神科防自杀风险预警方法及装置 |
| CN111785373A (zh) * | 2020-05-28 | 2020-10-16 | 成都市第四人民医院 | 社区严重精神障碍患者危险性行为的风险预警评估方法 |
| CN116363829A (zh) * | 2023-03-02 | 2023-06-30 | 郑州市第八人民医院(郑州市精神卫生中心) | 一种基于个体行为与性格特征的精神病人暴力预警系统 |
Non-Patent Citations (1)
| Title |
|---|
| 宋惠群;: "基层精神科住院患者一日高风险因素分析及干预对策", 中国药物经济学, no. 11, pages 108 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117352180B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10827926B2 (en) | Systems and methods for assessing cognitive function | |
| US9861308B2 (en) | Method and system for monitoring stress conditions | |
| US10912508B2 (en) | Method and system for assessing mental state | |
| KR102129730B1 (ko) | 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법 | |
| JP2017038924A (ja) | 双方向の遠隔的な患者監視および状態管理介入システム | |
| US20190311809A1 (en) | Patient status monitor and method of monitoring patient status | |
| CN109475304B (zh) | 用于监测哮喘症状的系统和方法 | |
| RU2013140670A (ru) | Клиническая система поддержки принятия решений для прогнозирующего планирования выписки | |
| Smeth | Evaluating risk assessments among sex offenders: A comparative analysis of static and dynamic factors | |
| US20140323815A1 (en) | Apparatus for controlling medical device safety and method for same | |
| EP3016061A1 (en) | Discovery of incentive effectiveness | |
| US11705230B1 (en) | Assessing health risks using genetic, epigenetic, and phenotypic data sources | |
| US20220020492A1 (en) | Predicting orthosomnia in an individual | |
| CN117352180B (zh) | 一种精神科病人自虐风险预警方法 | |
| US20190088365A1 (en) | Neuropsychological evaluation screening system | |
| US20220359092A1 (en) | A system and method for triggering an action based on a disease severity or affective state of a subject | |
| KR102650936B1 (ko) | 정신건강 위험신호 탐지 시스템, 그리고 이를 이용한 정신건강 위험신호 탐지 방법 | |
| US11901083B1 (en) | Using genetic and phenotypic data sets for drug discovery clinical trials | |
| TWI549073B (zh) | 個人化適切活動建議分析方法 | |
| US20210235995A1 (en) | Blood pressure measurement analysis method and system | |
| CN117711626A (zh) | 一种基于多维度因素的抑郁情绪评测方法 | |
| EP3624135A1 (en) | Triggering an alert for a subject | |
| CN117542163A (zh) | 一种基于体外监测设备的人体管理监护系统 | |
| CN110600130A (zh) | 触发针对对象的警报 | |
| CN112863686A (zh) | 基于多源大数据的传染病协同监测方法和机器人 |
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 |