CN117355251A - 婴幼儿生理状态确定设备 - Google Patents

Abstract

本发明涉及一种构造为佩戴在儿童(300)身上的便携式设备(200)，该儿童是婴幼儿。该设备包括：一个或多个传感器(412、414、416)，用于检测儿童的多个生命参数，其中，所述生命参数至少包括心率、血氧饱和度和呼吸频率；评估软件(408)，配置为根据传感器测量的心率、血氧饱和度和呼吸频率来预测儿童的至少一种当前或未来的生理状态；接口(403、404)，用于将关于至少一种生理状态的预测结果传输到用户的移动电信设备(302)和/或服务器计算机系统。

Description

婴幼儿生理状态确定设备

技术领域

本发明涉及一种婴幼儿生理状态确定设备，该设备佩戴在儿童身上并且包含多个传感器。

背景技术

现有技术中公开了各种用于监测新生儿和幼儿的生命参数的设备和传感器系统。在专门的医疗环境中，例如医院新生儿病房或重症监护室中，这些设备通常具有检测特别危及生命的生理状态的高精度特点。然而，为此采用的传感器系统通常非常昂贵，又要求时间、经验且常需各种复杂的大型设备将传感器正确附着到儿童身体上。这类为新生儿病房设计的设备就不适合供儿童家长在家庭环境中监测儿童生理状态。

在家庭环境中，目前有些方案让家长能够使用相对简单的途径来监测儿童的至少一些生理状态。

专利申请US2016324466A1描述了一种用于本地监测婴儿猝死综合症(SuddenInfant Death Syndrome-SIDS)环境风险因素的方法、设备和系统。该设备用于由家长或其他看护者在家中监测新生儿和婴儿的睡眠环境。该设备放置在婴儿脸部附近，监测呼出空气中二氧化碳含量和儿童躺姿等。特别是睡姿和用床上用品可能覆盖头部会视为危险因素，因为这样可能会阻塞气道并损害呼吸。却不监测血液参数值。

专利申请US2018000405A1公开了一种用于健康监测的系统和方法。该系统记录母亲在产褥期的各种生命参数以及新生儿的胎心率、氧合等各种参数。然而，该申请未曾描述机器学习法用于预测生理参数，特别是不会检测婴儿猝死综合症风险增高或检测饥饿感。

专利申请US2020/0060590A1描述了一种由传感器单元和接收单元组成的婴儿监视器。传感器单元包含各种传感器、处理单元和发射单元。处理单元处理传感器测量的原始数据，特别是将这些原始数据格式化。发射单元将格式化的数据发送至接收单元。传感器单元安装在婴儿脚上，包含用于测量心率、血氧含量和运动测量的传感器。借由脉搏血氧仪测量心率和血氧含量。接收单元(但不是传感器单元)分析接收到的数据，必要时触发警报。

许多现有技术中监测家庭环境生命参数的设备都存在各种问题。此类设备通常仅含几个传感器，因为可用于连接传感器的空间或区域很小，大量传感器常常难以集成到婴幼儿可以穿着的衣服或配饰中。传感器个数少通常意味着数据库不大，基于该数据库的预测质量不佳。添加额外的传感器通常会大幅增加设备成本。

现有技术使用的某些设备的另一问题是测量数据本身对于用户而言通常作用有限。呼吸频率改变或血氧浓度下降可能存在各种原因，仅凭这些值无法让家长确定是否存在问题。

发明内容

本发明目的是提供一种用于检测婴幼儿生理状态的改进设备，该设备不存在上述问题或很少表现出上述问题。

为了达成上述目的，本发明提出了独立权利要求的特征。本发明具体实施方案请参阅从属权利要求。下文提出的实施方案只要互不相斥即可自由互组。

一方面，本发明涉及一种便携式设备。所述便携式设备设计为佩戴在儿童身上(“可穿戴”)。儿童为婴幼儿。所述设备包括：

-一个或多个传感器，用于检测儿童的多个生命参数，其中，生命参数至少包括心率、血氧饱和度和呼吸频率；

-评估软件，配置为根据传感器测量的心率、血氧饱和度和呼吸频率来预测儿童的至少一种当前或未来的生理状态；

-接口，用于将关于至少一种生理状态的预测结果传输到用户的移动电信设备和/或服务器计算机系统。

这可能有利的原因是，上述参数已证实尤能预测各种相关的生理状态，特别是包括婴儿猝死综合症风险增高的生理状态。评估所述参数的优势在于，能够借由可直接附着到身上的传感器来进行评估，从而获得的测量值不易受儿童相对于外置传感器的相对运动影响，对于各种外界影响因素也不太敏感。申请人观察到上述三个参数可以高精度地预测婴儿猝死综合症风险增高。虽然通过考虑额外参数可以进一步提高准确性，但基于上述三个参数就能实现足够精确的预测质量，从而既能可靠地警告有关SIDS的风险状况，又能不要触发太多误报，以免家长不得不停用这项功能。

用于监测儿童体位或呼吸的外置传感器(例如外置摄像头或麦克风)的缺点是儿童可能移出传感器区域，从而可能无法再检测到临界状况。另一个缺点是传感器环境设置非常复杂，在许多情况下，例如度假旅行时或儿童躺在客厅沙发上而不是婴儿床上时，传感器环境根本无法使用。这就造成了保护上的漏洞。由于所述设备构造为具有相应传感器和评估软件的“可穿戴设备”，这意味着无需再设置传感器环境，儿童也不可能离开外置传感器监控的区域。

所记录的三个最少生命参数也相对不易出错：外界空气中二氧化碳浓度升高并不一定表明儿童有呼吸问题。房间里的空气可能普遍不够新鲜。评估来自外置麦克风有关呼吸声音的声学信号也可能受到背景噪声干扰，例如装修工程，或麦克风前面拂过盖毯。上述三个生命参数则不存在此类问题。

更有利的方面，例如，当使用光电体积描记传感器(又称PPG传感器)，可以经由同一传感器记录所有三个参数或者从单个传感器的原始数据导出所有三个参数。

本发明实施例能够实现在有问题生理状态实际发生之前预测其发生可能性，从而家长或看护者可以及时采取对策。

更有利的方面，所述设备至少包括检测或导出上述三个生命参数所需的传感器。任选地，便携式设备可以包含用于额外生命参数和/或一个或多个环境参数的多个额外传感器。这就表明无需给儿童接线。戴上或“穿上”设备足以使多个传感器与儿童身体相接触。这样儿童的自然运动就不会受到电线阻碍，确保不会因儿童暂离或旅行期间被带离“受监控”环境而出现保护漏洞。

有别于通过外置传感器测量儿童生命参数的系统，不存在测量结果因儿童与外置测量单元的相对运动而失真的风险。所述设备附着在儿童身体上，因此也会跟随儿童的动作。

更有利的方面，所预测的儿童生理状态作为预测结果输出或传输到电信设备。电信设备可以例如是家长或看护者的智能电话。用户不必解读各个生理参数，而是直接获知儿童可能的生理状态。

补充地或替代地，一些从便携式设备记录或导出的数据、预测结果或中间预测结果也可以经由网络传输到服务器计算机系统(Server-Computer System)。例如，服务器计算机系统可以进一步处理从便携式设备接收的数据。例如，进一步处理可以包括对数据进行计算量更大的复杂分析和/或将原始数据存储在数据库中。进一步处理可以包括将来自便携式设备的数据与来自其他外置传感器的数据组合，以便获得关于至少一种生理状态的最终预测结果并将该最终预测结果存储和/或经由网络发送到家长的电信设备。

更有利的方面，直接在设备上至少关于需要看护者立即干预的那些生理状态进行数据处理。

根据实施例，仅当已经检测到当前的临界生理状态或急迫的临界生命参数或环境参数时或者当看护者通过电信设备明确请求数据传输(通过拉取功能)时，才将预测结果(任选地补充有传感器记录的一些参数值(原始数据)发送到电信设备。

这会减少网络上的数据业务，还能延长电池使用寿命，因为准备发送数据和发送数据本身需要计算能力进而也需要能量。无线电模块的操作尤其是在“正常辐射”操作模式下同样需要能量。

预测婴儿猝死综合症风险增高

根据实施例，至少一种生理状态是婴儿猝死综合症风险增高的状态。评估软件配置为至少使用心率、血氧饱和度和呼吸频率作为输入来预测急迫或未来存在婴儿猝死综合症风险增高。

例如，评估软件可以包含用于预测婴儿猝死综合症的预测模型，又称“SIDS模型”。在本文中，SIDS模型是指用于预测婴儿猝死综合症风险增高的预测模型。SIDS模型配置为至少使用心率、血氧饱和度和呼吸频率以及任选的一些额外生命参数和环境参数作为输入来预测存在婴儿猝死综合症风险增高。

优选地，SIDS模型是基于机器学习、特别是神经网络的模型。但也可能有替代实施例，例如基于规则的系统。

使用所述参数的优势在于，与先前家用设备领域中可能的情况相比，能够以更高的灵敏性和特异性来检测婴儿猝死综合症(SIDS)风险增高。高度灵敏性在此尤其重要的原因是，婴儿猝死综合症是婴幼儿最常见的死因之一。高度特异性却也十分重要的原因是，一方面，每次误报都会给家长带来巨大压力，另一方面，误报率太高也存在紧急情况下忽略警报的风险。

提高预测质量尤其是归因于结合评估所述参数心率、血氧饱和度和呼吸频率。

通过结合评估心率、血氧饱和度和呼吸频率，可以在呼吸停止或呼吸异常模式发生之前提早识别婴儿猝死综合症风险增高。这样就能更早地提醒家长，为预防婴儿猝死综合症赢得了宝贵的时间。

呼吸异常(呼吸暂停(Apnoe)、呼吸频率紊乱)甚至在低氧血症发生之前就能表明SIDS风险增高。随着病理进展，可能会出现心动过缓(心率降低)。最终，血液中含氧浓度急剧下降(低氧血症)，儿童气喘。通常，自主神经系统会识别并抵抗缺氧。但在婴儿猝死综合症的情况下，由于目前未知的原因，这种对抗反应可能不会发生。造成这种情况的可能原因是自主神经系统不成熟。这会导致进一步缺氧，发生SIDS。

根据本发明实施例，评估软件配置为计算当前或未来发生SIDS风险增高，并根据紧急程度分级生成不同的警报消息(例如根据紧急程度按不同颜色编码)并且直接或间接(通过服务器计算机系统)输出到看护者的电信设备：

-对于紊乱呼吸模式(Apnoe<ZEITDAUER)，但心率和血氧浓度正常：警告：请看儿科医生！

-对于紊乱呼吸模式(Apnoe>ZEITDAUER)，但心率和血氧浓度正常：输出紧急警报，1级，橙色；

-对于紊乱呼吸模式(Apnoe>ZEITDAUER)+缺氧+心率正常：输出紧急警报，1级，橙色；

-对于紊乱呼吸模式(Apnoe>ZEITDAUER)+缺氧+心动过缓：输出紧急警报，2级，红色。

优选地，ZEITDAUER(持续时间)参数的取值范围为12秒到19秒，特别是14秒到17秒，例如15秒、16秒或16.5秒。

结合评估参数可以更早更可靠地发出警告。可以及早发现SIDS风险增高的儿童，以便尽早向其看护者建议进行适当的体检。所记录的生命参数(呼吸频率、心率、血氧饱和度)优选地存储在便携式设备、看护者的电信设备或服务器计算机系统中，因此家长可以向医生提供关于儿童生命参数的有效长期数据以便医生作出诊断。此外，便携式设备还可以检测外源性压力源，例如热应力(由于趴卧或环境温度过高)、趴卧引发梗阻、趴卧或盖毯/枕头遮盖脸部)以便看护者能够立即干预。

根据另一实施例，便携式设备包括用于测量儿童皮肤温度的温度传感器。优选地，便携式设备还包含用于测量环境温度的温度传感器。

评估软件可以结合使用体温和环境温度来提高预测SIDS风险增高的精确性。结合体温和环境温度允许至少近似地推导出核心体温。例如，核心体温明显升高可能表明热积聚，这会增加SIDS风险。通过结合评估皮肤温度和环境温度，可以进一步提高有关SIDS风险增高的预测质量。

根据某些实施例，所述设备还包含湿度传感器，在所述预测中也考虑该湿度传感器的测量值。当湿度较高时，儿童愈加难以通过增加出汗来补偿热积聚。考虑到此类风险因素(体温升高，可能结合环境温度，任选地还可结合设备周围空气的潮湿度)，可以提高预测质量。

根据某些实施例，评估软件配置为不仅生成是否存在SIDS风险增高的报告作为预测结果，而且还输出相关风险参数本身(例如血氧浓度降低、心率或呼吸频率变化、体温或环境温度过高等)。这会让家长有机会针对性解决相关的风险因素。例如，可以改变儿童躺姿、拿走盖毯或开窗降低室温。

用于测量儿童局部皮肤温度的温度计优选地位于设备佩戴位置，其中温度计优选地与皮肤直接接触。

根据实施例，所述设备具有用于测量儿童局部皮肤温度的温度计以及用于测量环境温度的温度计。

例如，皮肤温度传感器可以附接到与儿童皮肤直接接触的绑带状设备的内侧。环境温度传感器可以附接到绑带外侧。然而，根据某些实施例，外置温度传感器也可以构造为外置传感器，其经由基站将环境温度数据发送到便携式设备和/或服务器计算机系统。

这样的优势在于可以进一步提高预测质量。如果环境温度很高，则皮肤上测量到的体温升高问题不大，因为环境温度也会直接影响皮肤温度。然而，如果外界温度不高，则皮肤温度升高是生理过热的明显迹象，例如由于儿童身上盖毯太多。

根据实施例，评估软件从测量的儿童皮肤温度导出核心体温或核心体温变化。这样得出的体温与环境温度一起作为评估软件的输入来预测SIDS风险增高。

从皮肤温度导出核心体温的方法本身为公知，例如参阅下述公布文献针对成年男性的描述：P·Eggenberger等人著“Prediction of Core Body Temperature Based onSkin Temperature,Heat Flux,and Heart Rate Under Different Exercise andClothing Conditions in the Heat in Young Adult Males(根据皮肤温度、热通量和心率预测青壮年男性在热天不同运动和穿衣条件下的核心体温)”，2018年《生理学前沿(Front Physiol)》，9:1780，发表于2018年12月10日，doi:10.3389/fphys.2018.01780。还可以为儿童生成相应的数据记录，其中将不同条件下同时测量的皮肤温度、环境温度和核心体温联系起来。例如，通过对这些数据进行回归分析，可以生成特指公式或方程的函数或基于机器学习的预测模型，能够从皮肤温度导出核心体温。本申请人观察到，使用导出的体温代替直接测量的皮肤温度可以进一步提高婴儿猝死综合症风险增高的预测质量，因为核心体温较皮肤温度受环境干扰参数的影响更少，与SIDS风险的相关性更高。

例如，通过使用导出的核心体温代替皮肤温度，可以识别发烧时血液集中的影响以及核心体温随时间变化模式。

根据实施例，评估软件还配置为检测存在发烧和/或预测未来存在发烧。评估软件可以使用导出核心体温的变化曲线以及任选的一个或多个额外参数作为输入来预测当前或未来存在发烧。如果预测到发烧，则设备直接发出相应的消息(发烧警报)和/或经由接口传输到电信设备。

这样，通过分析全体数据(例如心率、呼吸频率、血氧浓度、导出的核心体温以及任选的环境温度)，能够实现提高关于婴儿猝死综合症的预测质量。

根据实施例，传感器包括光电体积描记传感器，又称PPG传感器。评估软件配置为根据PPG传感器记录的信号导出儿童的心率、血血氧饱和度和呼吸频率，并将这些数据作为评估软件的输入来预测当前或未来婴儿猝死综合症风险增高。

使用PPG传感器从PPG信号导出上述生命参数具备优势的原因很多：一方面，节省空间，从而设备中可以轻松容纳更多的附加传感器。此外，设备生产成本更低、重量更轻并且不易出现故障，因为与必须为每个相关参数安装单独的传感器相比，传感器数量更少。本申请人观察到，当今PPG传感器生成的数据所包含的信息足以能够导出所述参数。

例如，PPG传感器可以是具有发光元件和测光元件的光电体积描记探测器。发光元件例如可以由激光器或多激光器组合组成。各个激光器反射光的光谱和光强提供了有关在特定时刻通过PPG传感器附近的血管系统泵送的血量的信息，进而还可以从原始数据导出心率。吸气和呼气会影响动脉血流，因此可以从PPG信号导出呼吸频率。呼吸频率异常以及心率和血氧饱和度是SIDS风险的重要预后因素。

PPG检测到的光信号允许识别出单位时间输送血量的波动。这些波动尤其是受到心跳和呼吸的影响，因此评估软件还可以从PPG传感器数据中识别心跳和呼吸节律。

例如，可以如下借助PPG传感器记录或计算心率：PPG传感器包含一个或多个光源，例如特定波长的LED，发光穿透皮肤并(尤其)照射到血管。光被组织及其所含的血管吸收、散射和反射。光电探测器测量透射或反射光的光强。

血液和其他组织成分的吸收特性不同，因此可以在体积描记图中分析血管体积变化。体积描记波形图由“直流(DC)”分量和“交流(AC)”分量组成。DC分量主要取决于组织的结构以及动脉血和静脉血的平均血容量。通过DC分量变化可以确定静脉血容量变化。AC分量反映了心脏收缩和舒张期间的血管体积变化。基于该脉动可以确定心率。

优选地，借由PPG传感器记录或从原始数据导出不仅心率还有呼吸率，因为呼吸与心血管系统相互影响。

吸气和呼气时，由于胸腔内压力变化，导致动脉和静脉血量波动。由于吸气时胸腔内产生负压，静脉压力下降，流入心脏的静脉血量增多，尤其是收缩压下降，心率加快。呼气时会出现相反的效果。

这些呼吸相关的血压和心率波动会导致血量波动，从而导致光电探测器上测量的光强波动。

因此，PPG传感器可用于测定儿童呼吸频率。

从PPG信号导出呼吸频率例如可以参阅LM·Nilsson著“Respiration signalsfrom photoplethysmography(来自光电体积描记法的呼吸信号)”，2013年10月《麻醉和镇痛(Anesth Analg.)》；117(4):859-65，doi:10.1213/ANE.0b013e31828098b2，电子版2013年2月28日，PMID:23449854。还可以采取类似方式从PPG数据导出心跳频率。

这些值可能受到儿童其他运动的影响，因此运动可能成为误差源。然而，通过使用滤波器可以检测并过滤掉因儿童运动(呼吸除外！)引起的血流波动。另外，根据本发明实施例，PPG信号用于确定儿童血液参数(特别是血氧饱和度)以及优选地额外血液参数，借此可以提高预测婴儿猝死综合症风险增高的质量/精度和/或借此可以预测或识别其他生理状态。

可用于提高预测婴儿猝死综合症风险增高的质量/精度的额外血液参数(故用作“对照血液参数”)特别是与血氧浓度不相关或负相关或通过公知的非线性方式与血氧正相关的血液参数。

血液参数是由血液的某种特性产生的测量值，例如血液中某种分子的浓度。

与血氧浓度负相关的血液参数例如是随着血氧浓度增高而强度下降、随着血氧浓度降低而强度升高的血液参数，例如血液中的CO₂浓度。

与血氧浓度不相关的血液参数例如是强度至少近似独立于血氧浓度水平的血液参数。例如，碳氧血红蛋白的浓度主要取决于空气中的一氧化碳浓度，而不是氧浓度，因为一氧化碳会置换血红素中的氧。

然而，其他血液参数一般也可用作对照血液参数，其源自血液成分并以公知的非线性方式(例如根据指数或多项式关系)与氧浓度正相关。例如，如果检测到血氧浓度下降30％，已知某种血液成分随氧浓度升高或降低，例如氧浓度的三倍，也可以将其用作对照参数：如果这种血液成分的测量或导出浓度也像血氧浓度一样下降30％，则可假设存在测量误差，例如因为要用于从原始数据导出血氧浓度以及对照参数的PPG传感器脱落。如果血氧浓度下降30％时所述血液成分却下降90％，则可假设血氧浓度实际上有所下降，因为传感器系统中的误差(例如由于缺乏接触)在大多数情况下应呈线性，这些传感器测得所有测量值时应具有相同的效果。

根据某些实施例，一个或多个传感器包括用于检测儿童至少一个血液参数的传感器，其中血液参数例如是儿童血液中的CO₂浓度、血液中的高铁血红蛋白浓度和/或血液中的碳氧血红蛋白浓度。

例如，用于检测血液参数的传感器可以已经用于检测血氧水平、呼吸频率和心跳的PPG传感器。这样的优势在于，无需任何附加传感器，而是可以使用已经测量血氧浓度或从原始数据导出氧浓度的相同传感器。

评估软件配置为使用至少一个血液参数(血液中CO₂浓度、高铁血红蛋白浓度和/或碳氧血红蛋白浓度)作为附加输入参数来降低预测婴儿猝死综合症风险增高的误报率。

作为上述三个最少生命参数“心跳、呼吸频率和血氧浓度”的补充或替代，也可以使用一个或多个对照血液参数“CO₂浓度、血液中高铁血红蛋白和/或碳氧血红蛋白浓度”作为预测SIDS风险增高时的对照参数。

碳氧血红蛋白(HbCO)由一氧化碳(CO)与血红素基团的铁离子可逆键合形成。一氧化碳与血红蛋白的键合位置与氧相同，但强度约为氧的200倍。这样HbCO就不能再键合氧。正常室内空气中不会产生或不会大量产生一氧化碳，因此可以假设正常条件下一氧化碳浓度保持恒定。如果除了氧浓度过低还测量到碳氧血红蛋白浓度过低，则可假设存在测量误差。然而，如果碳氧血红蛋白值保持恒定，评估软件可以假设氧浓度实际上很低。

高铁血红蛋白是一种同样不能再输送氧气的血红蛋白形式，它是通过将血红素基团中的二价铁(Fe²⁺)氧化为三价铁(Fe³⁺)而产生。血液中高铁血红蛋白的生理浓度低于1％，但由于存在某些化合物而可能会浓度增高。

如同碳氧血红蛋白一样，高铁血红蛋白是一种通常浓度恒定存在于血液中的血液参数，故可用作对照参数。根据实施例，高铁血红蛋白含量作为额外输入参数(“对照参数”)传递到评估软件，以便通过将输入的血氧浓度与该对照值或其他对照值进行比较，可以识别是存在测量误差还是血氧浓度实际上过低。

测量血液中所述物质的浓度或从PPG传感器信号导出该浓度的可能优势在于，所述血液参数均可用作对照参数来避免误报预测和误报。例如，如果测量到的血氧浓度过低，评估软件可以基于上述一项或多项对照血液参数来确定是否确实婴儿猝死综合症风险增高，或者是否是测量误差造成血氧浓度过低。当儿童移动时，设备随之移动，则可能会出现这种测量误差。如果血氧浓度明显降低，但同时血液中CO₂浓度在正常范围内甚至升高，则可能是血氧浓度实际上过低。如果血液中CO₂(或其他对照物质，如碳氧血红蛋白或高铁血红蛋白)浓度也较低，则可能是测量不当所致。如果血氧饱和度确实下降，CO₂作为对照物质必然增多；如果出现误报，CO₂也会像O₂一样减少。

评估软件使用并考虑了附加对照参数作为输入参数，因此可以避免误报，这在检测危及生命的生理状态的背景下尤为重要。

根据实施例，所述设备包括用于确定至少一个额外生命参数和/或环境参数的至少一个传感器。

作为环境参数传感器的补充或替代，所述设备还可以包含用于从一个或多个外置传感器接收额外生命参数和/或环境参数的接口。例如，也可以由附装在儿童居住房间中的额外组件来测定数据，并将该数据传输到儿童身上的设备和/或服务器计算机系统。至少一个额外环境参数可以特别是环境空气CO₂浓度或空气湿度。至少一个额外生命参数可以包含表征儿童运动活动的视频数据或运动数据。也可以从安装在便携式设备中或构造为外置传感器的麦克风传输声学数据到便携式设备和/或服务器计算机系统，并将该声学数据用作预测SIDS风险增高的额外输入数据。

评估软件配置为使用至少一个额外生命参数和/或环境参数作为附加输入参数来预测存在婴儿猝死综合症风险增高。

例如，一个或多个传感器可以附装在儿童床的床垫中或者作为被套、睡衣或睡袋上的贴片。外置传感器可以例如是运动传感器或压力传感器，例如用于测量睡眠期间胸部的运动。补充地或替代地，如陀螺仪等运动传感器也可以安装在便携式设备中。根据实施例，评估软件也可以将该运动数据用作额外输入参数来降低预测误报率(Falsch-Positiv-Rate)并提高预测质量：在儿童胸部运动的情况下，这可以表明呼吸功能正常，血氧浓度降低可能是因测量误差所致。特别地，麦克风和/或摄像头及其测量数据即可用来降低SIDS预测的误报率。

根据另一实施例，外置或设备内置传感器测量环境空气中CO₂浓度。该参数可以用作评估软件的额外输入参数来提高预测精度。环境空气中CO₂含量过高表明环境空气已耗尽。如果CO₂值过高，则表明不利的环境条件会增加婴儿猝死综合症的风险。

根据另一实施例，外置或设备内置声音信号传感器(麦克风)检测儿童声音和环境声音(因为麦克风检测环境声音和儿童声音，它既是环境传感器又是生命参数传感器)。捕获的声学信号可以用作额外输入参数来提高预测精度。如果儿童哭泣，可能还有其他问题，却非缺氧或婴儿猝死综合症风险增高。

补充地或替代地，来自便携式设备的加速度传感器的运动数据和/或来自针对儿童的外置摄像头的视频数据可用于记录儿童运动或运动模式，该运动数据可供评估软件用作输入数据。对于好动的儿童，可以假设不存在婴儿猝死综合症风险增高。

根据某一实施例，摄像头是红外(IR)摄像头。这样的特殊优势在于，来自红外摄像头的图像允许图像分析软件识别儿童面部(在隔热衣服或盖毯的背景下，红外摄像头中一般清晰可见)是朝上还是朝下，从而显示儿童是处于俯卧位还是仰卧位。俯卧位会增加婴儿猝死综合征的风险，因为儿童会朝向床垫呼吸和/或温度交换可能受到限制。

根据某一实施例，便携式设备关于存在婴儿猝死综合症风险增高的预测结果首先作为中间结果传输到服务器计算机系统。服务器计算机系统经由网络可操作性耦合至IR摄像头，例如直接地或经由基站间接地耦合至IR摄像头。服务器计算机系统从外置摄像头接收儿童的IR图像，并使用图像分析软件对其进行评估。图像分析的计算相对繁复，因此该分析优选地在服务器上而非计算能力有限的便携式设备上进行。图像分析的结果是儿童处于俯卧位还是仰卧位。服务器计算机系统构造为根据便携式设备的中间结果和图像分析的结果来计算关于存在婴儿猝死综合征风险增高的最终结果，并将该最终结果发送到看护者的电信设备。

预测饥饿感

根据本发明实施例，至少一个生命参数传感器构造为非侵入式确定儿童的血糖浓度。评估软件配置为识别儿童当前或未来的饥饿感。为此，评估软件配置为至少使用测量的血糖浓度作为输入来预测当前或未来存在饥饿感和/或饥饿感出现时刻。待预测的生理状态即为儿童饥饿状态。例如，如果当前或未来的血糖水平低于预定限值，则预测到饥饿感。根据其他实施例，预测饥饿感也可以是基于更复杂的算法，除了血糖浓度之外，该算法还考虑到儿童的其他生命参数或环境参数。例如，环境温度和/或儿童当前或先前的运动模式或运动活动也可能对当前或未来的饥饿感产生影响。环境温度较高通常会减轻饥饿感，身体活动增加会暂时减轻饥饿感，但长时间运动后减少身体活动会增强饥饿感。除了基于血糖浓度限值的简单预测算法之外，根据其他实施例，也可以使用考虑额外参数(生命参数、环境参数)的其他预测算法来预测饥饿感。预测算法可以是关于一个或多个参数超出限值的基于规则的条件(If-Then)预测，也可以是机器学习步骤中生成的预测模型。预测模型可以例如是神经网络。也可能是组合方式，例如借由训练过的网络进行预测，在某个时刻血糖浓度将低于某个极限，这评价为该时刻存在饥饿感。

例如，评估软件可以配置为根据血液流动特性来计算儿童的当前和/或未来的血糖水平，并基于所计算的血糖水平来预测当前或未来的饥饿感。

血液流动特性尤其取决于血糖水平。血糖水平与血液粘度约成正比，与流速约成反比。评估软件可以例如包含可从PPG信号导出血糖水平的卷积神经网络。例如，可以借由所述网络来完成推导，如参阅S·Hossain、B·Debnath、S·Biswas、M·J·Al-Hossain、A·Anika和S·K·Zaman Navid著“Estimation ofBlood Glucose from PPG Signal UsingConvolutional Neural Network(利用卷积神经网络从PPG信号估计血糖)”，2019年《IEEE生物医学工程、计算机和信息技术促进健康国际会议(BECITHCON)》，2019年第53-58页，doi:10.1109/BECITHCON48839.2019.9063187。

或者，也可以根据下述方法从PPG传感器信号导出血糖值：PPG传感器使用935nm、950nm和1070nm的LED在短波近红外光谱范围内进行脉动测量，例如参阅S·Delbeck等人著“Non-invasive monitoring of blood glucose using optical methods for skinspectroscopy-opportunities and recent advances(利用皮肤光谱光学法进行无创血糖监测-机遇与最新进展)”，2019年1月《分析与生物分析化学(Anal Bioanal Chem.)》；411(1):63-77，doi:10.1007/s00216-018-1395-x，电子版2018年10月3日，PMID:30283998。在通过基于神经网络的自适应降噪滤波器(Adaline)对时间相关信号进行预处理后，通过人工神经网络(ANN)完成预测葡萄糖浓度。训练神经网络后，该网络用于基于PPG传感器采集的光谱数据来预测血糖水平。

根据实施例，评估软件可以包含或可操作性耦合至其他神经网络或其他预测算法，该其他神经网络或其他预测算法配置为根据计算出的儿童血液中葡萄糖浓度来预测当前或未来的饥饿感。例如，该其他神经网络同样可以是卷积神经网络。

正确识别或早期预测儿童饥饿感对于家长既有益又重要的原因很多：儿童还不能用语言表达自己，因此家长经常无法识别儿童是因饥饿、受伤、疾病还是其他原因而哭。通过使用所述便携式设备，基于测量的血糖水平来检测或预测儿童饥饿感，家长能够更好地了解儿童需求。

另一个优势可能源于：能够及早识别饥饿感，即，在这种感觉尚未变得强烈到儿童开始哭泣的时候便予识别。这样家长能够尽早准备食物，或者若家长带儿童旅行则可尽早找到可以给儿童喂食的场所。

根据实施例，传感器包括光电体积描记传感器，又称PPG传感器。评估软件配置为除了儿童的心率、血氧饱和度和呼吸频率之外还根据PPG传感器记录的信号导出儿童的测量血糖浓度，并至少提供该血糖浓度作为评估软件的输入。

这样的优势在于，可以非侵入式非常频繁地(例如定期地)测量血糖浓度，以当血糖值下降时，可以预测饥饿感出现或强烈到儿童会哭泣表态的时刻。

根据某些实施例，用作预测SIDS风险增高的校正参数的血液参数也用来检测错误的血糖测量。

根据实施例，评估软件直接地或借由电信设备的软件应用或经由服务器计算机系统通信耦合至备食电子设备。电信设备的评估软件或软件应用配置为响应于当前或未来会出现饥饿感的预测来激活电子设备，从而使电子设备为儿童准备食物。

例如，电子设备可以是奶瓶加热器、烧水壶或微波炉等。

其他实施例

根据本发明实施例，评估软件可用于检测和/或预测多种生理状态。除了预测婴儿猝死综合征风险增高以及预测饥饿感或预测饥饿感出现时间之外，所述设备还可用于检测发烧以及各种急性或慢性疾病。

这样本发明实施例就能检测可以例如指示先天性疾病、急性或慢性疾病的异常。

由于便携式设备可以记录大量参数，因此创建了范围非常广泛的数据库，可以高质量地预测儿童当前和未来的生理状态。

根据某些实施例，评估软件配置为选择性识别儿童当前或未来存在需要立即干预的问题生理状态。例如，这种生理状态可能是婴儿猝死综合症风险增高。评估软件将便携式设备测量或导出的至少一些生命参数或中间预测结果经由网络转发到服务器计算机系统，而无需本地计算最终预测结果，以便服务器计算机系统能够预测不必立即干预的生理状态。

这样可能有利的原因是，便携式设备尺寸不大，计算能力有限。

事实上，临界生理状态是由设备本身预测，而非临界状态和/或记录的原始数据则会定期或批量(“批量上传”)发送到服务器进行服务器端分析，例如在充电过程中，从而可以确保无论是否与服务器计算机系统建立网络连接，便携式设备本身都能始终向电信设备发送警报信号。这也确保了儿童在任何情况下(无论是睡在客厅沙发上还是旅行时)都关于真正临界的生理状态和参数(SIDS风险、血氧浓度等)受到监控，因为无论服务器计算机系统如何，也无论外置传感器是否可用，便携式绑带的核心功能始终可用。连接到服务器计算机系统和/或拉取外置传感器提供的额外参数可以进一步细化预测结果。因此，关于临界系统状态的预测质量在例如儿童习惯睡眠地点(摄像头、麦克风和基站也可能位于该处)的背景下将更加精确。尽管如此，儿童也可能随时突然被带到既无网络连接又无摄像头监控的另一个地点，只要儿童身上装有便携式设备，并且看护者在电信设备上安装了相关软件，基本保护措施就会一直有效。

设备电池得以省电，从而设备无需更换电池或为电池充电就能长时间运行。处理待发送的预测结果需要计算能力，例如将数据转换成正确的格式以便发送或建立通信信道。事实上，并不针对每次测量和后续每次预测发送测量结果或预测结果，而是仅在检测或预测到临界或问题的生理状态或参数值时才发送预测结果，这就节省了计算能力。

另外，根据某些实施例，已经在便携式设备上处理了有关临界状态的原始数据，从而仅需传输预测结果和可能与预测结果相关的少数原始数据而不必传输原始数据，因此数据业务有所缩减，而优选地在稍后某个时刻收集并传输整体传感器数据或至少用于预测另一种生理状态的传感器数据。

例如，可以经由无线电信号、特别是经由根据蓝牙协议的无线电信号将数据传输到电信设备。然而，也可以通过WLAN进行数据传输。根据某些实施例，来自便携式设备的至少一些数据首先传输到服务器计算机系统，例如直接经由WLAN连接传输到互联网，或者间接例如凭借无线电或WLAN传输到基站并自此传输到服务器计算机系统。

根据本发明实施例，评估软件配置为检测儿童当前或未来存在问题生理状态，条件是：

-至少一个生命参数值或环境参数值超出预定正常范围；

-识别出多个生命参数值的模式表明儿童当前或未来的问题生理状态，其中，所有生命参数和/或环境参数各自处于其正常范围之内时也能识别该模式。

评估软件配置为响应于识别出当前或未来的问题生理状态而将关于预测问题生理状态的消息发送到移动电信设备。

这样，不仅在确定SIDS风险增高等情况下，而且在血氧值低于最小值或环境温度超过预定最大值等情况下，也会向家长发出警告。

根据本发明实施例，便携式设备是儿童脚踝或腿部上的腕镯或绑带。这样的优势在于，儿童的运动自由度不受限制，该设备可以牢固附接至肢体，重点是可以例如通过使用弹性材料制作绑带或通过调节锁定件来设置接触压力，使传感器以一定的最小压力与儿童身体接触，从而提高测量质量。

例如，绑带的长度可以设计为适合佩戴在周长大约7-15cm(对应于婴幼儿相应四肢的周长)的手臂、脚踝或腿部上。例如，包括锁定机构的绑带可以是7.5-20cm长。

根据实施例，传感器包括一个或多个压力传感器，其构造为检测设备对儿童身体的接触压力。评估软件配置为基于所测量的接触压力来识别接触压力是否处于预定的容许接触压力范围之内，该范围内一个或多个记录生命体征的传感器可以正常工作，该范围内绑带不会导致儿童出现压痛。评估软件配置为：如果所测量的接触压力处于容许接触压力范围之外，则经由设备的信号元件向用户发出警告和/或经由接口向电信设备发出警告。补充地或替代地，评估软件配置为阻止一个或多个传感器测量生命参数，直到接触压力再次处于容许接触压力范围之内。

这样的优势在于，确保传感器始终与身体充分接触，以便能够进行有意义的测量。这会减少错误预测次数，防止因缺乏与身体接触而记录下无意义的测量数据。

便携式设备可以例如发出关于缺乏接触的警告。例如，可以经由集成到便携式设备中的扬声器直接发出警告，也可以通过发光或闪烁的光源(例如LED灯)发出警告。补充地或替代地，便携式设备还可以向便携式电信设备上的软件或向基站发送警告，以便电信设备和/或基站发出关于缺乏接触的警告。

便携式设备向用户发出警告，用户就能将设备重新定位在儿童身体上的合适位置。

根据本发明实施例，所述便携式设备配置为自动定期记录所测量的生命参数以及任选的至少一种环境参数并且使用评估软件来评估这些参数。然后可以收集数据，例如使用推送或拉取功能将数据上传到服务器计算机和/或传输到电信设备。例如，当便携式设备充电时和/或当看护者经由电信设备向便携式设备发送关于当前数据的请求时，可以进行传输。

根据实施例，用于向电信设备传输数据的接口是用于经由近场信号、特别是经由无线电信号传输数据的接口，特别是蓝牙接口。

所述便携式设备配置为可在低辐射和正常辐射操作状态下运行。

所述便携式设备配置为在正常操作模式下未预测到任何生理状态并且未测量到任何需要立即干预的生命参数或环境参数时则以低辐射操作模式工作。如果评估软件确定当前或未来存在问题生理状态，特别是婴儿猝死综合症风险增高和/或饥饿感，或者生命参数或环境参数处于健康临界值范围之内，则便携式设备自动切换到正常辐射操作模式。优选地，该设备传输关于临界生理状态和/或参数的相关数据之后，自动返回到低辐射状态。

这样不仅能够节省便携式设备的电池，还能最大限度地减少一些家长认为有问题的无线电辐射。

根据所用的技术，低辐射操作模式的实施方式可能略有不同。

当使用蓝牙作为近场通信技术时，便携式设备切换到低辐射操作模式可以例如采取如下实施方式：

选项1：变更通告操作模式下的“通告率(Advertising-Rate)”

该变型中，便携式设备既能在正常操作模式下工作，又能在所谓的“通告(Advertising)”模式下以低辐射操作模式工作。在蓝牙设备的这种工作模式下，所述设备并不持久连接(耦合)到其他设备。便携式设备与电信设备在此操作模式中就不耦合，传感器记录的数据不会从便携式设备传输到电信设备。在“通告”状态下，便携式设备以规则的间隔(例如10秒或1分钟)凭借无线电发出所谓的“通告”数据包，带有便携式设备存在但不想与电信设备建立连接的信息。发送这些“通告”数据包的速率称为“通告率”。这里，“低辐射操作状态”是启用蓝牙功能的设备的“通告”状态，其中通告率低于预定义的最大值，例如每分钟最多一个通告数据包或每10秒最多一个通告数据包。这里，“正常辐射操作状态”是启用蓝牙功能的设备的“通告”状态，其中通告率高于预定义的最大值，例如每分钟超过一个通告数据包或每10秒超过一个通告数据包。

这种“通告”操作模式期间，如果未预测到临界生理状态，则便携式设备正常处于低辐射操作模式。在此，在便携式设备中本地存储和分析生命参数，低频发送通告数据包，这本质上仅表明便携式设备存在但不希望耦合至其他设备。

一旦便携式设备的评估软件预测到需要立即干预的临界生理状态，评估软件就会加快发送“通告”数据包的频率，以便能够尽快传输数据包。优选地，便携式设备在传输包含关于预测的临界生理状态和/或临界生命参数或环境参数的警报和/或测量值的一个或多个数据包之后从“低辐射”操作模式切换到“正常辐射”操作模式。在发送一个或多个警报数据包之后，便携式设备及其无线电模块返回到低辐射操作模式。

该通告数据包范围内已连接到便携式设备(与之耦合)的所有设备、特别是适用于此的所有电信设备都可以接收并进一步处理该数据包，必要时在电信设备的显示器上显示给用户。为了确保警报消息到达电信设备的确定性更高，通告请求还可以包含便携式设备当前想要连接(耦合)到电信设备的信息。一旦建立该连接，便携式设备便还可以辨别出带有警报的数据包已到达接收者。

选项2：变更耦合操作模式期间的“反馈率”

根据本实施变型，便携式设备在正常操作模式下耦合至看护者的电信设备，因此便携式设备与电信设备之间存在主动连接。正常情况下，蓝牙设备在耦合操作状态下会非常频繁地发送请求(例如每秒大约100次)，以确定所连接的设备是否仍然还在，并期望来自所连接的设备的反馈表明情况确实如此。

在低辐射操作模式下，如果便携式设备未预测到需要干预的生理状态或者测量到需要干预的环境参数或生命参数，则便携式设备在低辐射操作模式下工作，此时便携式设备耦合至电信设备，但向其反馈在预定义数量的继续反馈(例如下100条反馈)后便不再报告。这意味着减少从便携式设备向电信设备发送的反馈数据包。另一方面，如果预测或测量到临界的生理状态或生命参数或环境参数，则便携式设备无需等待“取消”反馈周期届满就立即向耦合的电信设备发送带有需要干预状态相关信息的反馈。在此情形下，便携式通信设备首先切换到正常辐射操作模式，因为是在耦合蓝牙状态的常用频率下发送反馈。然而，一旦带有需要干预状态相关信息的警告传递到耦合的电信设备，便携式设备就自动返回到低辐射操作模式，反馈表示在预定义数量的继续反馈信息后便不再报告。预定义数量的继续反馈优选为超过50条反馈，更优选为超过100条反馈。

选项3：连接良好时降低发射功率

根据第三实施变型，所述便携式设备在正常操作模式下耦合至电信设备并且连续测定连接质量。例如，测定预期反馈消息不出现的频率或者电信设备的蓝牙信号的信号强度水平。

如果当前未预测到临界系统状态并且未记录或计算出临界环境参数或生命参数，并且如果到电信设备的连接质量高于预定义的最低质量水平，则便携式设备降低蓝牙无线电模块的发射功率，从而过渡到低辐射操作模式。如果连接质量不佳，即低于预定义的最低质量水平，或者如果预测到需要立即干预的生理状态或检测到需要立即干预的环境参数或生命参数，则便携式设备的无线电模块维持或提高无线电模块的发射功率。

这样能够节省电能并延长电池使用寿命。

除了蓝牙之外，也可以使用其他标准和/或协议进行基于近场的数据交换，例如ZigBee。

例如，当使用蓝牙或ZigBee时，便携式设备具有无线电模块(“传输模块”)。如果不存在要求看护者立即注意的异常情况，数据会本地存储，传输模块会在低辐射操作模式下运行。在此状态下，根据实施例，便携式设备和接收器设备(即，便携式电信设备以及任选的基站)不会连续同步。如果借由便携式设备中的评估软件确定存在异常情况和/或临界生理状态，则无线电模块切换到正常辐射操作模式，并将数据(测量值和/或预测结果)发送到接收器设备。

许多家庭中蓝牙信号或ZigBee信号的范围通常比不上WLAN信号，因此也可以在评估软件与电信设备之间实施WLAN或其他合适的基于互联网的数据通信来替代蓝牙或ZigBee。

根据实施例，所述便携式设备包括选自下组的一个或多个环境参数传感器：

-温度计，用于测量环境温度；

-测量仪，用于测量环境空气湿度；

-气体，特别是CO₂；

-麦克风，用于捕捉环境声音和/或儿童声音；

-UV传感器，用于检测累积UV辐射剂量，特别是每日累积UV辐射剂量。

根据实施例，用于记录生命参数的传感器还包括选自下组的额外传感器：

-加速度传感器，例如检测儿童位置(特别是俯卧位或仰卧位)；

-温度计，用于测量儿童皮肤温度；

-摄像头(特别是用于检测俯卧位或仰卧位的热成像摄像头)；

另一方面，本发明涉及一种包含上述设备和一个或多个下述额外组件的系统：

-便携式电信设备，其中，在便携式电信设备上实例化用户软件，其中，用户软件与评估软件互操作，并配置为经由接口向用户显示从便携式设备接收的预测结果和/或使用户能够配置评估软；和/或

-服务器计算机系统；和/或

-基站，耦合至一个或多个用于测量儿童的生命参数或儿童环境的环境参数的外置传感器；该基站配置为将外置传感器测量的参数值以原始或经处理的形式转发到服务器系统。例如，通信耦合或可通信耦合至基站的外置传感器可以包括摄像头(特别是热成像摄像头)、麦克风、环境温度传感器、空气湿度传感器和/或用于检测环境空气中CO₂浓度的传感器。根据某些实施例，基站包含用于例如经由感应场对便携式设备充电的模块。根据某些实施例，基站包含网络接口，特别是WIFI接口，用于将基站和/或与之通信耦合的外置传感器通信耦合至服务器计算机系统。基站还包含与便携式设备上的评估软件以及服务器应用可互操作的软件；和/或

-一个或多个外置传感器，特别是摄像头，特别是热成像摄像头。

根据本发明实施例，预测软件包含至少一个预测模型，用于预测至少一种生理状态。至少一个预测模型是通过机器学习法基于训练数据集生成的模型。特别地，预测模型可以是神经网络。经证实，神经网络特别适合于检测和预测各种生命参数和/或环境参数以及各种生理状态之间的关系。

基于机器学习的预测模型允许识别并在预测中考虑参数之间以及参数与待预测生理状态之间的复杂依赖关系。尤其在生理学领域，生命参数和环境参数通常以非线性的复杂方式相互作用，相互增强或削弱。机器学习法(例如神经网络)能够记录这些复杂的参数依赖关系，从而预测中利用这样的复杂不仅可预测当前的生理状态，还可预测未来可能发生的状态(也可能预测发生时刻)。

又一方面，本发明涉及一种提供便携式设备来监测儿童生理状态的方法。

所述方法包括：提供训练数据集。训练数据集包含多条数据记录。每条数据记录中指定儿童的至少一种生理状态，该生理状态与儿童的生命参数(特别是心率、血氧饱和度和呼吸频率，也可能是皮肤温度或导出的核心体温、运动模式、视频或音频数据等)相关联地存储。任选地，数据记录还可以包含一个或多个环境参数，例如环境温度、空气湿度、环境空气中CO₂浓度等。优选地，数据记录针对每个生命参数和/或环境参数包含大量数据值，这些参数值均与时间戳相关联地存储，由此生理状态也与时间戳相关联地存储。这样不仅能识别多个参数与生理状态之间的相关性，还能识别其时间依赖性。

所述方法还包括：对训练数据执行机器学习法以生成至少一个预测模型。至少一个预测模型构造为至少基于心率、血氧饱和度和呼吸频率以及任选的额外生命参数和/或环境参数来预测儿童当前或未来的生理状态。根据某些实施例，预测模型还学习时间依赖性，以便在给定一组参数值的情况下，预测模型还能预测生理状态的发生时刻。

所述方法还包括：在便携式设备上安装包含至少一个预测模型的评估软件。该设备构造为佩戴在儿童身上，其中该设备的尺寸和形状构造为可供婴幼儿佩戴。

该设备包括一个或多个传感器，用于记录儿童的多个生命参数。生命参数至少包括心率、血氧饱和度和呼吸频率。评估软件配置为使用至少一个预测模型基于传感器记录的测量值来预测生理状态。

该便携式设备还包括用于将关于生理状态的预测结果传输到用户(看护者，例如家长)的移动电信设备和/或服务器计算机系统的接口。

优选地，用于与电信设备通信的接口是近场通信接口，例如凭借无线电或WLAN，但根据某些实施例，该接口也可以是移动无线电连接。

用于与服务器计算机系统通信的接口可以例如是WLAN连接或移动无线电连接。

根据本发明实施例，至少一个模型包括用于预测当前或未来婴儿猝死综合症风险增高的SIDS模型。任选地，至少一个模型可以包含一个或多个额外预测模型，例如用于预测儿童是否有饥饿感和/或何时有饥饿感的饥饿模型。

SIDS模型在训练阶段基于训练数据进行训练，训练数据至少包括血氧浓度、心率和呼吸频率。除了血氧浓度之外，训练数据优选地还包括一个或多个额外血液参数用作对照参数，例如CO₂浓度、高铁血红蛋白和/或碳氧血红蛋白。优选地，训练数据中的血液参数是在真实条件下记录，即，训练数据还包含因测量误差而过低的血氧浓度以及训练数据中注释为错误的血氧浓度。

用于训练饥饿模型的训练数据集优选地包含大量数据记录，每条数据记录除了饥饿感出现时刻之外还包括一些其他带时间戳的参数，例如血糖水平。

再一方面，本发明涉及一种构造为佩戴在儿童身上的便携式设备，该儿童是婴幼儿。所述设备包括：

-至少一个传感器，用于非侵入式检测儿童的生命参数血糖水平；

-评估软件，配置为根据传感器测量的血糖水平而至少预测儿童当前或未来饥饿感形式的儿童当前或未来生理状态；

-接口，用于将关于至少一种生理状态的预测结果传输到用户的移动电信设备和/或服务器计算机系统。

再一方面，本发明涉及一种提供便携式设备来监测儿童生理状态的方法，该生理状态是儿童当前或未来饥饿感。所述方法包括：

-提供包含多条数据记录的训练数据集，每条数据记录中存储有至少一种儿童生理状态与儿童的生命参数相关联，该生命参数包含非侵入式测量的儿童血糖浓度；

-对训练数据执行机器学习法，以生成至少一个预测模型，该模型配置为至少基于血糖浓度来预测儿童当前或未来饥饿感；

-在便携式设备上安装包含至少一个预测模型的评估软件，该设备构造为佩戴在儿童身上，该儿童是婴幼儿，其中，该设备包括：

·用于非侵入式检测血糖浓度的传感器，其中评估软件配置为使用至少一个预测模型基于传感器检测到的血糖浓度来预测生理状态；

·用于将关于至少一种生理状态的预测结果传输到用户移动电信设备和/或服务器计算机系统的接口。

再一方面，本发明涉及一种提供便携式设备来监测儿童的第一生理状态和第二生理状态的方法，该第一生理状态是婴儿猝死综合症风险增高的状态，该第二生理状态是儿童当前或未来存在饥饿感的状态。所述方法包括：

-提供包含多条数据记录的第一训练数据集，其中每条数据记录中至少存储有儿童的第一生理状态与儿童生命参数相关联，该生命参数至少包含心率、氧气饱和度和呼吸频率，并且提供包含多条数据记录的第二训练数据集，其中每条数据记录中至少存储有儿童的第二生理状态与儿童生命参数相关联，该生命参数包含非侵入式测量的儿童血糖浓度；

-对第一训练数据和第二训练数据执行机器学习法以生成至少第一预测模型和第二预测模型，该第一预测模型配置为至少基于心率、血氧饱和度和呼吸频率来预测儿童的第一生理状态，该第二预测模型配置为至少基于血糖浓度来预测儿童的第二生理状态；

-将包含至少一个预测模型的评估软件安装在便携式设备上，该设备构造为佩戴在儿童身上，该儿童是婴幼儿，该评估软件配置为至少使用心率、血氧饱和度和呼吸频率作为输入来预测存在婴儿猝死综合症风险增高，其中，该评估软件配置为至少使用血糖浓度作为输入来至少根据所测量的血糖浓度来预测儿童当前或未来存在饥饿感和/或预测出现饥饿感的未来时刻，其中，当前或未来血糖水平为低于预定义的限值时预测到饥饿感，其中，该设备包括：

·一个或多个传感器，用于记录儿童的多个生命参数，这些生命参数至少包括心率、血氧饱和度、呼吸频率和血糖浓度，其中，评估软件配置为使用第一预测模型基于传感器检测到的心率、血氧饱和度和呼吸频率来预测第一生理状态，并配置为使用第二预测模型基于传感器检测到的血糖浓度来预测第二生理状态；

·用于将关于第一生理状态和第二生理状态的预测结果传输到用户移动电信设备和/或服务器计算机系统的接口。

本文中，“便携式设备”是指应用时佩戴在用户身上的电子设备，又称“可穿戴设备”。例如，该设备可以使用某种紧固件(例如绑带，特别是魔术贴、搭扣、磁性锁等)附接到身体或集成到衣服中。该设备优选地包括一个或多个传感器和数据处理单元。

本文中，“电信设备”是指能够经由网络传输数据的任何便携式数据处理设备，特别是移动通信设备、智能电话、智能手表或平板电脑或笔记本电脑。

本文中，“儿童”是指幼儿或婴儿。本文中，“幼儿”是指两岁、三岁或四岁的儿童，“婴儿”是指一岁以内的儿童。

本文中，“电池”是指不可充电的一次电池或可充电的二次电池(常称为蓄电池)。

本文中，“预测模型”是指启用软件程序或本身设计为识别当前存在实体的特定物理状态和/或预测未来存在该状态的可执行文件、参数集和/或数据结构。通常，预测模型使用关于待检测或待预测状态的历史数据来进行计算。例如，历史数据可以用作训练数据以在机器学习过程中提取该数据中包含的知识并将该知识存储在预测模型中。该知识特别是可以包括参数相关性的知识。

本文中，“机器学习”是指将关于训练数据中包含的多个参数之间关系的知识转移到所谓“模型”中的过程，该模型可用于自动计算关于实体和流程属性的预测。即，不是简单地熟记实例，而是在学习数据中识别模式和规律。这意味着系统还能评估未知数据(学习迁移)。例如，创建的模型可以是经训练的人工神经网络或其他数据结构(例如支持向量机)形式的预测模型。

本文中，“生命参数”是指反映人体的状态和/或当前特性的数据值，特别是数值。生命参数可以是直接通过测量作为测量值获得的数据值或原始数据值，或者是从测量的原始数据以数学方式导出的值。

本文中，“环境参数”是指完全或至少很大程度上取决于人体外实体的数据值，特别是数值。例如，太阳紫外线辐射强度是一种环境参数，而室温也是一种环境参数，因为人的体温可能使房间存在一定程度的升温，但其影响一般可忽略不计。环境参数值可以是直接通过测量作为测量值获得的数据值或原始数据值，或者是从测量的原始数据以数学方式导出的值。

本文中，“生理状态”是指有机体(例如儿童)某些生命过程的生物物理状态。该状态可以例如是健康状态、患病状态或高危状态。例如，所有生命参数都在正常范围内的状态一般视为健康状态，而一个或多个重要生物物理参数偏离正常范围并引起当前症状的状态则称为患病状态。本文中，“高危状态”是指相关人员目前健康尚未明显受损但发生患病状况的风险却大幅增高的状态。

附图说明

下面结合附图来描述本发明实施方案。图中：

图1示出了提供便携式设备来预测儿童生理状态的方法；

图2示出了构造为腕镯的设备变型的图示；

图3示出了通过近场信号从腕镯向智能电话传输警报的图示；

图4示出了便携式设备具有多个传感器的一部分的框图；

图5示出了关于预测SIDS风险增高的各种参数的推导使用图；

图6示出关于预测饥饿感的参数的推导使用图；

图7示出了由多个组件组成的儿童健康监测系统。

具体实施方式

图1示出了提供便携式设备来预测儿童生理状态的方法。

第一步骤102，提供训练数据集。例如，可以在存储介质上提供或通过网络下载训练数据集。

例如，生成训练数据集可以是通过将具有多个传感器的便携式设备附接到多个婴幼儿，以便在较长时间段内记录并存储多个生命参数和/或环境参数。此外，这样获得的数据还注释有经验证的生理状态。如果儿童数量足够多，观察时间足够长，就会出现各种状况，有时甚至是临界状况及相应的生理状态。例如，可能会出现感冒和相伴的发烧。如果行程延误而无法遵守儿童喂食时间，短期内可能会出现饥饿感。也可能发生呼吸模式异常(例如呼吸暂停)、低氧血症和心动过缓。这些和其他异常特别是可能发生在早产儿中，并且可以收集并保存为训练数据集。生成训练数据集还可以设置为除了便携式设备之外还使用外置传感器来记录附加的生命参数和/或环境参数，以便扩大训练数据集。

下一步骤104中，借助机器学习法来训练预测模型。可以使用各种方法，例如神经网络、支持向量机等类似方法。但经证实，在此背景下神经网络格外有用。整体参数及其各自的时间戳代表了待训练模型的输入参数。带注释的儿童生理状态代表输出数据。在训练过程中调整模型的各种参数，例如神经网络节点的权重，使得模型基于一组输入参数预测的输出(生理状态)尽可能与实际观察到且训练数据集中注释的生理状态相同或相似。这个过程可能包括最小化所谓的“损失函数”。

再一步骤106中，可以将经训练的预测模型集成到评估软件中，并且将其安装到一个或多个便携式设备和/或服务器计算机系统上。可以提供与评估软件可互操作的软件应用作为所谓的“App”经由电信设备的相应操作系统提供商的应用商店以供下载并安装在电信设备上。

图2示出了构造为腕镯的便携式设备200变型的图示。本图所示的变型中，全部或大部分传感器位于中央传感器区块202内，两个臂体204、206固接至中央传感器区块202。该设备的尺寸、形状和材料适合佩戴在婴幼儿的手腕、脚踝、手臂或腿部上。例如，臂体可以由诸如硅树脂或织物等柔性材料制成。它们具有允许设备200牢固附接至儿童身体的锁定机构。臂体204、206的材料优选地呈弹性，以便确保足够的接触压力。

但其他实施例中，传感器也可以分布到两个臂体之一或两个臂体上。

图3示出了通过近场信号从腕镯向智能电话传输警报的图示。例如，腕镯200可以具有近场通信模块，例如蓝牙模块。蓝牙标准的无线电信号一般足以穿透一堵或两堵墙，从而即使家长例如短时间待在另一个房间但仍然离儿童很近，便携式电信设备302(例如家长的智能电话)也能从便携式设备200接收到警告信号。电信设备302上的软件可以基于从腕镯200接收的数据(特别是关于生理状态的预测结果，但任选地还有原始数据或从原始数据导出的生命参数)生成输出。例如，输出可以包括经由智能电话显示器显示的GUI，例如包含关于预测生理状态的警告和/或行动建议。建议可以例如是将儿童翻身、给儿童喂食、降低或升高房间温度等。作为通过显示器的视觉输出的补充或替代，还可以通过声音警告看护者，例如通过警报音或激活智能电话的振动功能。

图4示出了便携式设备具有多个传感器的一部分的框图。便携式设备200包括电池406以及一个或多个处理器402，处理器402例如可以构造为微处理器。

该设备包含用于与便携式电信设备302交换数据的接口404，例如无线电接口。优选地，该设备还包含用于与服务器计算机系统交换数据的接口403。接口403可以例如是移动电信连接或WLAN连接，以便可以通过互联网与服务器计算机系统交换数据。

便携式设备上安装有评估软件408。软件可以包含一个或多个预测模型410，这些预测模型均已经过训练，以例如预测特定生理状态(例如婴儿猝死综合症风险增高、出现饥饿感、出现发烧等)。除了模型之外，还可以使用基于规则的算法。

传感器模块202包括一个或多个用于记录生命参数的传感器418。特别地，模块202包括PPG传感器412，从其原始数据可以导出各种相关的生命参数，例如包括心率、呼吸频率、血液中氧浓度、血液中葡萄糖浓度以及SIDS预测中用作对照的一些其他生命参数或血液成分。某些实施例中，设备200包括用于生命参数的额外传感器，例如皮肤温度传感器414、用于检测儿童运动的陀螺仪416和/或麦克风418。

另外，传感器模块202可以包括用于检测环境参数的额外传感器422，例如空气湿度传感器424、环境温度传感器426和/或每日或每小时UV辐射剂量传感器428。例如，传感器428可用于记录儿童一天中暴露于UV光的剂量。如果达到或超过建议的最大剂量，评估软件可以向智能电话App发送警告，必须保护儿童免受继续暴露在阳光下。然而，随着时间推移记录每天的UV光剂量也可以帮助确定是否缺乏阳光。

根据实施例，可以使用来自不同制造商的不同传感器，其中一些传感器在处理所记录的测量数据的方式上有所不同。例如，温度传感器通常以摄氏度或华氏度来指示温度。另一方面，PPG传感器信号112传送一个或多个光谱，其中仅通过后续处理光谱获得一个或多个生命参数，例如血氧浓度或葡萄糖浓度。

图5示出了关于预测SIDS风险增高的各种参数的推导使用图。例如，便携式设备200上的评估软件可以包含SIDS模型520，该SIDS模型520至少需要心率504、呼吸频率506和儿童血氧浓度508作为输入参数。这些生命参数可以例如通过基于PPG传感器412的原始数据或光谱数据的信号分析502来获得。只要儿童身上仅戴有便携式设备，这三个生命参数便始终可用。SIDS模型520构造为还评估额外输入参数，以使婴儿猝死综合症风险增高的预测更加精确。这些额外输入参数例如包括一些血液参数值形式的对照参数，这些对照参数也可以从PPG传感器的原始数据导出(本图未显示)。它们还可以包括额外生命参数，例如由设备的温度传感器414记录的皮肤温度512、由麦克风418记录的呼吸声音510、由二氧化碳传感器513记录的环境空气中二氧化碳浓度、空气湿度424和/或环境温度426。例如，对呼吸声音的分析可用于确定呼吸是否受到梗阻影响，而这意味着SIDS风险增高。运动数据和/或视频数据(本图未示出)也可以属于预测中，因为它们例如能够识别儿童是否活跃或者儿童是趴卧还是仰躺。

如果预测显示儿童当前或即将面临婴儿猝死综合症风险增高，则设备200直接向看护者的智能电话发送警报消息522或者首先间接向服务器计算机发送警报消息522，必要时可以基于外置传感器通过基站提供的数据来进一步细化预测结果。然后，服务器计算机系统将细化后的预测结果经由网络转发至看护者的智能电话并在此输出，前提是细化后的预测结果也表明发生婴儿猝死综合症的风险增高。

图6示出关于预测饥饿感的参数的推导使用图。这里，也可以首先采用PPG传感器412来记录从儿童皮肤和皮肤中血管反射的一个或多个光谱。根据原始数据，评估软件凭借信号分析602来确定至少一个导出的生命参数，即血糖水平604。至少包括血糖水平和任选的额外参数作为通过经训练的“饥饿”预测模型620预测当前或未来饥饿感的输入参数。关于是否存在饥饿感或何时存在饥饿感的预测结果622直接凭借近场信号发送到智能电话或者间接经由服务器计算机系统发送，其中，服务器计算机系统特别是用于通过来自额外传感器的额外数据和/或通过可能计算复杂的额外分析来细化预测结果。

图7示出了由多个组件组成的儿童健康监测系统。该系统至少包括便携式设备200，这里，该便携式设备200例如构造为用于附接至儿童300手腕的腕镯。

该系统还可以包括一个或多个便携式电信设备302，通常是看护者的智能电话，其上安装有与设备200的评估软件可互操作的软件，以便可与之交换数据。例如，评估软件可以凭借推送消息向电信设备302的所有者通知儿童的临界生理状态和/或可以凭借拉取功能主动从便携式设备200请求关于儿童300的生理状态的状态数据或历史数据。

该系统还可以包括经由诸如互联网等网络704连接到便携式设备200和评估软件408的服务器计算机系统706。例如，由设备200记录和酌情导出的数据以及预测结果可以立即或例如在电池充电期间经由网络传输到服务器计算机系统，这取决于紧急程度和配置。服务器计算机系统特别是用于将从一个或多个设备200或外置传感器712接收的数据存储在数据库708中。另外，可以在服务器计算机系统上对经由网络704从便携式设备200及其传感器接收到的预测结果进行细化和完善。这一点尤可通过额外考虑由外置传感器712测定并直接经由网络(例如互联网)或间接经由基站710传输到服务器计算机系统和/或由服务器计算机系统执行复杂的计算密集型分析的附加数据。例如，儿童正常睡觉的床里或床上可以安装有麦克风716和/或摄像头712(特别是热成像摄像头)或其他额外传感器714作为外置传感器。这些外置传感器直接经由网络或者间接经由基站710通信耦合至服务器计算机系统706并且可以向服务器计算机系统706发送数据。例如，服务器计算机系统上的服务器应用可以对来自摄像头712的视频数据执行图像分析，以例如识别儿童是处于仰卧位还是俯卧位，这是对于婴儿猝死综合症风险的重要预后因素。

根据某一实施例，外置传感器是摄像头，特别是热成像摄像头，其经由近场通信接口(例如无线电，特别是蓝牙或WLAN)通信连接至便携式电信设备，以便看护者能够通过视频信号监视婴儿。优选地，摄像头呈便携式，可自由设置，可例如凭WLAN经由互联网通信耦合至服务器计算机，优选地也无需基站。这样的优势在于，家长无需费力安装工作也能在儿童所处的周围环境安装摄像头，例如在旅行时，从而提高了家长的机动性。

根据某一变型实施例，设备200的评估软件和/或智能电话302上与该评估软件可互操作的应用经由网络704可操作性耦合至一个或多个用于给儿童预备或准备食物的设备702、703。设备702、703可以例如是微波炉、烧水壶、牛奶或婴儿食品加热设备等。如果便携式设备200借由评估软件检测或预测儿童当前或即将有饥饿感，则评估软件可以自动向一个或多个设备702、703发送控制命令，使其开始准备食物。优选地，控制命令却不直接发送到所述设备702、703，而是首先发送到智能电话302上的软件。响应于接收到控制命令，智能电话软件提示用户授权将控制命令发送到相关的设备。智能电话接收到用户批准后再将控制命令发送到相关的设备702、703。这确保了评估软件不会在看护者不知情的情况下自动远程激活设备，因为这可能会带来安全风险。

服务器计算机系统706可以是传统的单片型服务器计算机，但也可以是分布型服务器架构，特别是云计算机系统。

Claims (19)

1.一种便携式设备(200)，

其中，所述便携式设备构造为佩戴在儿童(300)身上，其中，所述儿童是婴幼儿；

其中，所述便携式设备包括：

一个或多个传感器(412、414、416)，用于检测儿童的多个生命参数，其中，所述生命参数至少包括心率、血氧饱和度和呼吸频率；

评估软件(408)，配置为根据传感器测量的心率、血氧饱和度和呼吸频率来预测儿童的至少一种当前或未来的生理状态；

接口(403、404)，用于将关于至少一种生理状态的预测结果传输到用户的移动电信设备(302)和/或服务器计算机系统。

2.根据权利要求1所述的便携式设备，

其中，所述至少一种生理状态是婴儿猝死综合症风险增高的状态，

其中，所述评估软件配置为至少使用心率、血氧饱和度和呼吸频率作为输入来预测存在婴儿猝死综合症风险增高。

3.根据权利要求2所述的便携式设备，其中，所述评估软件配置为根据一个或多个额外参数来预测存在婴儿猝死综合症风险增高，所述一个或多个额外参数包括：

儿童体表温度；

环境温度；和/或

环境空气湿度。

4.根据上述权利要求中任一项所述的便携式设备，

其中，所述传感器包括光电体积描记传感器，又称PPG传感器(412)，

其中，所述评估软件配置为根据所述PPG传感器记录的信号获得儿童的心率、血氧饱和度和呼吸频率作为所述评估软件的输入。

5.根据上述权利要求中任一项所述的便携式设备，

其中，所述一个或多个传感器包括用于检测儿童的至少一个血液参数的传感器，其中,所述至少一个血液参数特别是儿童血液中的高铁血红蛋白浓度和/或碳氧血红蛋白浓度和/或二氧化碳浓度，其中，所述用于检测血液参数的传感器可以特别是构造为根据权利要求4所述的PPG传感器；

其中，所述评估软件配置为使用所述至少一个血液参数作为附加输入参数来降低所述评估软件预测婴儿猝死综合征风险增高的误报率。

6.根据上述权利要求中任一项所述的便携式设备，

其中，所述便携式设备包括用于确定至少一个额外生命参数和/或额外环境参数的至少一个传感器或者用于从外置传感器接收额外生命参数和/或额外环境参数的接口，其中，所述至少一个额外环境参数选自下组：

环境空气中的二氧化碳浓度；

儿童的视频数据，特别是来自红外摄像头的视频数据；

麦克风捕获的声音数据；

表征儿童运动活动的运动数据；

其中，所述评估软件配置为使用至少一个额外生命参数和/或额外环境参数作为附加输入参数来预测存在婴儿猝死综合症风险增高。

7.根据上述权利要求中任一项所述的便携式设备，

其中，至少一个生命参数传感器构造为非侵入式测量儿童的血糖浓度；

其中，所述评估软件配置为至少根据测量的血糖浓度来预测儿童当前或未来饥饿感形式的额外生理状态和/或预测未来出现饥饿感的时刻觉。

8.根据权利要求7所述的便携式设备，

其中，所述传感器包括光电体积描记传感器，又称PPG传感器(412)，

所述评估软件配置为除了儿童的心率、血氧饱和度和呼吸频率之外，还根据所述PPG传感器所记录的信号导出儿童的血糖浓度，并至少提供所述血糖浓度作为输入至少用于预测饥饿感。

9.根据上述权利要求中任一项所述的便携式设备，

其中，所述评估软件配置为识别儿童当前或未来存在问题生理状态，条件是：

至少一个生命参数值超出预定正常范围；且/或

识别出多个生命参数值的模式表明儿童当前或未来问题生理状态，其中，所有生命参数均处于其正常范围之内时也能识别所述模式；

其中，所述评估软件配置为响应于识别出当前或未来的问题生理状态而将关于预测问题生理状态的消息发送到所述移动电信设备(302)和/或所述服务器计算机系统。

10.根据上述权利要求中任一项所述的便携式设备，

其中，所述评估软件配置为选择性识别儿童当前或未来存在需要立即干预的问题生理状态，其中，所述问题生理状态尤其包括婴儿猝死综合症风险增高；

其中，将至少一些所述便携式设备测量或导出的生命参数或中间预测结果经由网络转发到所述服务器计算机系统，以使所述服务器计算机系统能够预测生理状态和/或计算最终精确预测，特别是无需立即干预的生理状态。

11.根据权利要求7至10中任一项所述的便携式设备，

其中，所述评估软件直接或借由所述电信设备的软件应用通信地耦合至用于备食电子设备(702)；

其中，所述评估软件和/或所述电信设备的软件应用配置为使得所述电子设备响应于预测儿童当前或未来饥饿感而为儿童准备食物。

12.根据上述权利要求中任一项所述的便携式设备，其中，所述便携式设备(200)是脚踝或腿上的腕镯或绑带。

13.根据权利要求12所述的便携式设备，

其中，所述传感器包括一个或多个压力传感器，构造为检测所述便携式设备对儿童身体的接触压力；

其中，所述评估软件配置为基于所测量的接触压力来识别所述接触压力是否处于预定的容许接触压力范围之内，该范围内一个或多个记录生命体征的传感器能够正常工作；

其中，所述评估软件配置为：如果所测量的接触压力处于所述容许接触压力范围之外，则经由所述便携式设备(200)的信号元件向用户发出警告和/或经由所述接口向所述电信设备发出警告；且/或

其中，所述评估软件配置为阻止通过所述一个或多个传感器测量生命参数，直到所述接触压力再次处于所述容许接触压力范围之内。

14.根据上述权利要求中任一项所述的便携式设备，其中，所述便携式设备配置为：

仅当所述评估软件确定当前或未来存在问题生理状态，特别是婴儿猝死综合症风险增高和/或饥饿感，或者确定存在生命参数或环境参数处于健康临界值范围之内时，才向所述用户设备发送消息；

否则自动保存记录的生命参数和任选记录的环境参数而不发送消息。

15.根据上述权利要求中任一项所述的便携式设备，

其中，用于向所述电信设备传输数据的接口(404)是用于经由近场信号、特别是经由无线电信号传输数据的接口，特别是蓝牙接口或ZigBee接口；

其中，所述便携式设备能够在低辐射和正常辐射操作状态下运行；

其中，所述便携式设备配置为在正常操作模式下未预测到任何生理状态并且未测量到任何需要立即干预的生命参数或环境参数时则以低辐射操作模式工作；其中,所述便携式设备配置为：如果所述评估软件已确定当前或未来存在问题生理状态，特别是婴儿猝死综合症风险增高和/或饥饿感，或者确定存在生命参数或环境参数处于健康临界值范围内，才自动切换到正常辐射操作模式。

16.根据上述权利要求中任一项所述的便携式设备，

其中，所述便携式设备包括选自下组的一个或多个环境参数传感器：

温度计，用于测量环境温度；

测量仪，用于测量环境空气湿度；

气体，特别是CO₂；

UV传感器，用于检测累积UV辐射剂量，特别是每日累积UV辐射剂量；且/或

其中，所述便携式设备的用于记录生命参数的传感器包括选自下组的额外传感器：

加速度传感器，用于检测儿童体位(仰卧、俯卧)；

温度传感器，用于检测皮肤温度；

麦克风，用于捕捉环境声音和/或儿童声音；

摄像头，特别是热成像摄像头。

17.根据上述权利要求中任一项所述的便携式设备，其中，所述预测软件包括用于预测至少一种生理状态的至少一个预测模型，其中，所述至少一个预测模型是通过机器学习法基于训练数据集生成的模型。

18.一种包括根据上述权利要求中任一项所述的便携式设备以及下列一个或多个额外组件的系统：

便携式电信设备，其中，在所述便携式电信设备上实例化用户软件，其中，所述用户软件与所述评估软件互操作，并配置为经由所述接口向用户显示从所述便携式设备接收的预测结果和/或使用户能够配置所述评估软；和/或

服务器计算机系统；和/或

基站，耦合至一个或多个用于测量儿童的生命参数或儿童环境的环境参数的外置传感器；和/或

一个或多个外置传感器，特别是摄像头，特别是热成像摄像头。

19.一种提供便携式设备(200)来监测儿童生理状态的方法，包括：

提供(102)包含多条数据记录的训练数据集，其中，每条数据记录中存储有至少一个儿童生理状态与儿童的生命参数相关联，其中，所述生命参数至少包括心率、血氧饱和度和呼吸频率；

对训练数据执行(104)机器学习法以生成至少一个预测模型(520、620)，其中，所述预测模型构造为至少基于心率、血氧饱和度和呼吸频率来预测儿童生理状态；

在所述便携式设备上安装(106)评估软件(408)，所述评估软件(408)包含所述至少一个预测模型(410、520、620)，其中，所述便携式设备构造为佩戴在儿童(300)身上，所述儿童是婴幼儿，所述便携式设备包括：

一个或多个传感器(412、414、416)，用于记录儿童的多个生命参数，所述生命参数至少包括心率、血氧饱和度和呼吸频率，其中，所述评估软件配置为使用至少一个预测模型基于所述传感器记录的心率、血氧饱和度和呼吸频率来预测生理状态；

接口(403、404)，用于将关于至少一种生理状态的预测结果传输到用户的移动电信设备(302)和/或服务器计算机系统的。