CN117542163B - 一种基于体外监测设备的人体管理监护系统 - Google Patents
一种基于体外监测设备的人体管理监护系统 Download PDFInfo
- Publication number
- CN117542163B CN117542163B CN202410033592.0A CN202410033592A CN117542163B CN 117542163 B CN117542163 B CN 117542163B CN 202410033592 A CN202410033592 A CN 202410033592A CN 117542163 B CN117542163 B CN 117542163B
- Authority
- CN
- China
- Prior art keywords
- data
- current
- influence
- item
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 167
- 201000010099 disease Diseases 0.000 claims abstract description 136
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 136
- 238000007477 logistic regression Methods 0.000 claims abstract description 28
- 238000000338 in vitro Methods 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 9
- 238000012806 monitoring device Methods 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 6
- 230000000630 rising effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 230000008901 benefit Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000035790 physiological processes and functions Effects 0.000 description 3
- 230000003042 antagnostic effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010010071 Coma Diseases 0.000 description 1
- 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
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明属于医用监测设备技术领域，本发明公开了一种基于体外监测设备的人体管理监护系统；包括：数据库模块，获取体外监测设备的监测项目，监测项目对应有项目数据，获取疾病的参考范围，构建Logistic回归模型；本发明通过病人存在的影响因素和影响疾病采用对应的参考范围，能便于体外监测设备在进行监测时采用较为贴合的参考范围，使得偏离程度的判定更具有准确性；通过获取当前项目数据的偏离比值，能得到当前项目数据的偏离程度等级，能根据应用信号的紧急程度能够及时地对相关人员进行提醒，便于相关人员根据不同的应用信号对病人做出相应的措施。
Description
技术领域
本发明涉及医用监测设备技术领域，更具体地说，本发明涉及一种基于体外监测设备的人体管理监护系统。
背景技术
随着医疗技术的不断进步，为了更好地监测和管理人体健康，各种监测设备和技术应运而生。其中，基于体外监测设备的监护系统在医疗中得到了广泛应用。传统的监护系统大多基于医院内的医疗设备，这些设备通常只能提供有限的监测功能，无法全面地反映人体的健康状况。随着可穿戴技术和移动医疗的迅速发展，人们开始关注基于体外监测设备的监护系统。这些系统通常由便携式或可穿戴的监测设备组成，能够实时监测人体的生理参数，如心率、血压、血糖等。通过将这些数据传输到远程监护中心或移动设备上，用户可以随时了解自己的健康状况，并及时采取必要的措施。
现有中国发明授权专利号为CN116269266B 的基于的老年人健康监测方法和系统的专利，本发明提供基于/>的老年人健康监测方法和系统，其同步采集目标对象的活动数据和生理参数数据，并进行/>分析得到活动特征信息和生理状态特征信息，对目标对象进行活动动作和生理状态的双方面监测，为后续对目标对象的身体状态变化监测提供充分的数据；该确定目标对象发生活动异常事件和生理异常事件对应的第一发生时间分布信息和第二发生时间分布信息，以此确定引发生理异常事件的活动异常事件，使得后续进一步挖掘引发生理异常事件的人体活动因素，这样当目标对象做出与人体活动因素匹配的活动行为并且生理状态未出现异常前，即可有预见性地对目标对象可能潜在发生的健康问题进行及时的报警提醒。
当病人在进行重大手术或者其他医疗后，处于昏迷、虚弱等无意识或者微意识状态下，需要家庭或医护等相关人员进行陪护，但医院人手紧张，且家人陪护压力大，一般需要长时间连续陪护，对陪护人员的身体和心理造成极大的压力，并且，监测设备中监测项目的数据一般都是采用参考数据范围对病人的当前状态进行判定，部分影响项目和影响疾病容易对参考数据范围造成影响，从而不便于根据项目数据向相关人员发送准确的应用信号。
鉴于此，本发明提出一种基于体外监测设备的人体管理监护系统以解决上述问题。
发明内容
为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：一种基于体外监测设备的人体管理监护系统，包括：
数据库模块，获取体外监测设备的监测项目，监测项目对应有项目数据，获取疾病的参考范围，构建Logistic回归模型，并对病人的个体因素与对应的监测项目的影响关系、疾病与疾病之间的监测项目的影响关系进行判定，进而得到影响项目和影响疾病；
监测判断模块，用于判断当前体外监测设备是否正常工作；
监测模块，对当前病人的个体因素进行采集，基于病人的个体因素确定病人的疾病种类，基于当前病人的疾病种类确定当前病人是否存在影响项目以及影响疾病，通过体外监测设备对当前病人的监测项目进行监测，获得当前项目数据；
分析模块，基于当前项目数据与对应的参考范围的比值得到当前项目数据的偏离比值；
发送模块，通过偏离比值构建偏离程度，基于偏离程度输出对应的判定指令，根据判定指令生成应用信号，对生成的应用信号进行发送。
进一步地，所述构建Logistic回归模型，并对病人的个体因素与对应的监测项目的影响关系、疾病与疾病之间的监测项目的影响关系进行判定，进而得到影响项目和影响疾病，包括：
在历史数据中，对项目数据与病人的个体因素、对单种疾病与多种疾病的项目数据进行收集；
将病人的个体因素逐一作为自变量、病人的个体因素对应的项目数据作为因变量输入Logistic回归模型中；将单种疾病的项目数据逐一作为自变量，将多种疾病的项目数据作为因变量输入Logistic回归模型中：
将项目数据与病人的个体因素通过Logistic回归模型存在影响关系的记为影响项目，将影响项目与病人的个体因素进行关联；将单种疾病与多种疾病的项目数据通过Logistic回归模型存在影响关系的记为影响疾病，将疾病与对应的影响疾病进行关联。
进一步地，在所述Logistic回归模型中，对病人的个体因素与对应的监测项目的影响关系、疾病与疾病之间的监测项目的影响关系进行判定，包括：
在历史数据中，将同一监测项目中病人的不同个体因素与对应的监测项目组成一个数组；
将病人的不同个体因素中对监测项目造成数据波动的个体因素记为1，将病人的不同个体因素中对监测项目未造成数据波动的个体因素记为0；
获取不同个体因素在数组中的概率，将不同个体因素的概率记为；
将代入公式计算预测概率值：
，
其中，表示概率，若/>，则认为存在影响关系，若/>，则认为不存在影响关系。
进一步地，在所述数据库模块中，参考范围即为正常数据范围；获取影响项目与疾病的项目数据，基于影响项目与疾病的项目数据构建影响项目关系式，得到对应的影响项目系数，其中，通过影响项目系数对参考范围进行调整，得到对应的参考范围；
获取影响疾病与疾病的项目数据，基于影响疾病与疾病的项目数据构建影响疾病关系式，得到对应的影响疾病系数，其中，通过影响疾病系数对参考范围进行调整，得到对应的参考范围。
进一步地，所述用于判断当前体外监测设备是否正常工作，包括：
以获取的体外监测设备的初始化数据为样本，初始化数据包括体外监测设备接触到人体的升温数据和项目数据；
通过多个样本构建升温数据与时间的函数关系、项目数据与时间的函数关系：
获取当前体外监测设备的初始化数据，将当前体外监测设备的初始化数据代入上面的两个函数关系，判断其是否属于符合上面的两个函数关系；
若当前体外监测设备的初始化数据符合上述两个函数关系，则认为当前体外监测设备为正常运行，若当前体外监测设备的初始化数据不符合上述两个函数关系，则对该体外监测设备在人体设置的位置进行重新调整，直至当前体外监测设备的初始化数据符合上述两个函数关系。
进一步地，所述对当前病人的个体因素进行采集，基于病人的个体因素确定病人的疾病种类，基于当前病人的疾病种类确定当前病人是否存在影响项目以及影响疾病，包括：
采集当前病人的个体因素，以此确定病人的疾病种类；
判断当前病人是否存在影响项目，若存在影响项目，则采用影响项目对应的参考范围；
判断病人的疾病种类是否大于1，若病人的疾病种类大于1，则判断病人的疾病种类是否存在关联的影响疾病，若存在影响疾病则采用影响疾病对应的参考范围。
进一步地，所述基于当前项目数据与对应的参考范围的比值得到当前项目数据的偏离比值，包括：
将当前病人对应的参考范围记为，将当前项目数据记为/>，
判断当前项目数据是否属于参考范围，判断公式为：
，
若当前项目数据满足上式，则当前项目数据属于参考范围；
将当前项目数据与对应的参考范围进行比对，得到偏离比值，偏离比值的计算公式为：
当时，则采用如下计算公式：
，
当时，则采用如下计算公式：
；
其中，为当前项目数据超出对应的参考范围的偏离比值，/>为当前项目数据中监测项目超出对应的参考范围的数值，/>为当前项目数据内监测项目对应的参考范围的最大波动值，/>为当前项目数据中监测项目低于对应的参考范围的偏离比值，/>为当前项目数据中监测项目低于对应的参考范围的数值。
进一步地，所述通过偏离比值构建偏离程度，基于偏离程度输出对应的判定指令，根据判定指令生成应用信号，包括：
根据或/>的偏离比值构建偏离程度等级，偏离程度等级从低到高分别为第一程度、第二程度、第三程度、第四程度、第五程度；
预设第一程度的范围为：/>，预设第二程度/>的范围为：/>，预设第三程度/>的范围为：/>，预设第四程度的范围为：/>，预设第五程度/>的范围为：/>，；
第一程度生成对应的第一判定指令、第二程度生成对应的第二判定指令、第三程度生成对应的第三判定指令、第四程度生成对应的第四判定指令、第五程度生成对应的第五判定指令；
偏离程度等级中的每一程度等级均对应有应用信号，应用信号的紧急程度由低到高分别为第一信号、第二信号、第三信号、第四信号、第五信号，其中，第一判定指令对应有第一信号，第二判定指令对应有第二信号，第三判定指令对应有第三信号，第四判定指令对应有第四信号，第五判定指令对应有第五信号。
进一步地，在所述分析模块中还包括：获取当前监测项目在当前时间周期内的状态：
获取当前体外监测设备的监测项目在当前时间周期内对应的项目数据；
S61、将当前时间周期中项目对应的初始项目数据记为，将当前时间周期中项目对应的结束项目数据记为/>，将上一时间周期中项目对应的初始项目数据记为，将上一时间周期中项目对应的结束项目数据记为/>，那么，当前时间周期与上一时间周期的数据变化的计算公式为：
，
其中，为大于0的常数，/>为数据变化比值，/>为当前时间周期中监测项目在一个时间周期内的数据变化，/>为上一时间周期中监测项目在一个时间周期内的数据变化；
将大于1的定为上升状态，将/>小于1的定为下降状态，将/>等于1的记为稳定状态；
与1的数值差别越大，则对/>的偏离程度等级调整就越大。
进一步地，在所述分析模块中，将生成的应用信号发送至相关人员进行提醒；当无异常数据时，则预设巡查时间周期，按照巡查时间周期定期对相关人员发送无异常应用信号。
本发明一种基于体外监测设备的人体管理监护系统的技术效果和优点：
1.通过构建Logistic回归模型，能够得到影响项目和影响疾病，通过影响项目和影响疾病，能够对参考范围进行调整，从而能够在体外监测设备对其进行监测时，采用对应的参考范围，进而能够便于体外监测设备在进行监测时采用较为贴合的参考范围，使得偏离程度的判定更具有准确性；
2.通过获取当前项目数据的偏离比值，能够得到当前项目数据的偏离程度等级，通过偏离程度等级能够生成对应的应用信号，使得发送的应用信号较为准确，根据应用信号的紧急程度能够及时的对相关人员进行提醒，便于相关人员根据不同的应用信号对病人做出相应的措施；通过生成的应用信号对相关人员的提醒，能够改善医院医护人员紧张的情况，降低病人家属的陪护压力，可以减少或避免对病人的长时间陪护。
附图说明
图1为本发明的一种基于体外监测设备的人体管理监护系统的整体结构示意图；
图2为本发明的系统流程示意图；
图3为本发明的应用场景示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
参照图1、图2和图3，实施例一对本发明提出的一种基于体外监测设备的人体管理监护系统做进一步说明。
一种基于体外监测设备的人体管理监护系统，包括：
数据库模块，获取体外监测设备的监测项目，监测项目对应有项目数据，获取疾病的参考范围，构建Logistic回归模型，并对病人的个体因素与对应的监测项目的影响关系、疾病与疾病之间的监测项目的影响关系进行判定，进而得到影响项目和影响疾病；
其中，病人的个体因素可为病人的体重、年龄、疾病等，例如，影响项目可为病人的个体因素为年龄，监测项目为血压，项目数据为血压值，随着年龄的不同病人的年龄影响血压的参考范围，血压范围即为对应的参考范围；
构建Logistic回归模型，并对病人的个体因素与对应的监测项目的影响关系、疾病与疾病之间的监测项目的影响关系进行判定，进而得到影响项目和影响疾病，包括：
S10、在历史数据中，对项目数据与病人的个体因素、对单种疾病与多种疾病的项目数据进行收集，例如单种疾病是疾病，多种疾病则为包含/>以及其他的疾病；
S11、将病人的个体因素逐一作为自变量、病人的个体因素对应的项目数据作为因变量输入Logistic回归模型中；将单种疾病的项目数据逐一作为自变量，将多种疾病的项目数据作为因变量输入Logistic回归模型中：
S12、将项目数据与病人的个体因素通过Logistic回归模型存在影响关系的记为影响项目，将影响项目与病人的个体因素进行关联；将单种疾病与多种疾病的项目数据通过Logistic回归模型存在影响关系的记为影响疾病，将疾病与对应的影响疾病进行关联；
Logistic回归模型的训练包括：分别选择若干个项目数据与病人的个体因素作为样本，将样本以70%、15%、15%分别作为训练集、测试集和测试集；将病人的个体因素作为自变量进行输入，将项目数据作为因变量对Logistic回归模型进行训练；以机器学习的形式进行监督学习，多次训练之后，完成Logistic回归模型的训练；
通过Logistic回归模型得到一种监测项目与多种项目数据的协同关系、拮抗关系、无关系，将存在协同关系或拮抗关系的疾病与疾病之间进行关联：
在Logistic回归模型中，对病人的个体因素与对应的监测项目的影响关系、疾病与疾病之间的监测项目的影响关系进行判定，包括：
S110、在历史数据中，将同一监测项目中病人的不同个体因素与对应的监测项目组成一个数组；
S111、将病人的不同个体因素中对监测项目造成数据波动的个体因素记为1，将病人的不同个体因素中对监测项目未造成数据波动的个体因素记为0；
S112、获取不同个体因素在数组中的概率，将不同个体因素的概率记为；
S113、将代入公式计算预测概率值：
，
其中，表示概率，若/>，则认为存在影响关系，若/>，则认为不存在影响关系。
在数据库模块中，参考范围即为正常数据范围；获取影响项目与疾病的项目数据，基于影响项目与疾病的项目数据构建影响项目关系式，得到对应的影响项目系数：其中，通过影响项目系数对参考范围进行调整，得到对应的参考范围；
监测项目、项目数据、以及参考范围三者之间相互对应；
获取影响疾病与疾病的项目数据，基于影响疾病与疾病的项目数据构建影响疾病关系式，得到对应的影响疾病系数，其中，通过影响疾病系数对参考范围进行调整，得到对应的参考范围；
例如，以影响项目与疾病的项目数据为样本，通过多个样本对应的影响项目与疾病的项目数据构建最佳拟合直线，通过最佳拟合直线得到影响项目关系式，通过影响项目关系式得到对应的影响项目系数，假如，影响项目关系式为，其中，/>为疾病的项目数据，/>为疾病的影响项目，/>即为影响项目系数，表示影响项目对疾病的项目数据的影响程度，/>是截距；
通过将参考范围与影响项目系数相乘，即可得到对应的参考范围；
另外，当项目数据同时存在影响项目和影响疾病时，则按照上述步骤以影响项目和影响疾病同时对项目数据的影响为样本，获取影响系数，根据影响系数对参考范围进行调整，得到对应的参考范围；
本实施例中，通过构建Logistic回归模型，能够得到影响项目和影响疾病，通过影响项目和影响疾病，能够对参考范围进行调整，从而能够在体外监测设备对其进行监测时，采用对应的参考范围，进而能够便于体外监测设备在进行监测时采用较为贴合的参考范围，使得偏离程度的判定更具有准确性。
实施例二
参照图1、图2和图3，实施例二对本发明提出的一种基于体外监测设备的人体管理监护系统做进一步说明。
一种基于体外监测设备的人体管理监护系统，包括：
监测判断模块，用于判断当前体外监测设备是否正常工作；
用于判断当前体外监测设备是否正常工作，包括：
S20、以获取的体外监测设备的初始化数据为样本，初始化数据包括体外监测设备接触到人体的升温数据和项目数据；
S21、通过多个样本构建升温数据与时间的函数关系、项目数据与时间的函数关系：
例如，建立升温数据与时间的函数关系包括：收集多个时间点上的升温数据，通过线性回归分析来拟合一个直线方程，表示升温数据与时间的关系，通过线性回归分析得到最佳拟合直线，使得该最佳拟合直线能够最好地预测未来的升温数据，这个直线方程可以表示为，其中/>是升温数据，/>是斜率，表示温度随时间的变化率，/>是截距；
建立项目数据与时间的函数关系包括：收集多个时间点上的项目数据，通过线性回归分析来拟合一个直线方程，表示项目数据与时间的关系，通过线性回归分析得到最佳拟合直线，使得该直线能够最好地预测未来的项目数据，这个直线方程可以表示为，其中/>是项目数据，/>是斜率，表示项目数据随时间的变化率，/>是截距；
S22、获取当前体外监测设备的初始化数据，将当前体外监测设备的初始化数据代入上面的两个函数关系，判断其是否属于符合上面的两个函数关系；
S23、若当前体外监测设备的初始化数据符合上述两个函数关系，则认为当前体外监测设备为正常运行，若当前体外监测设备的初始化数据不符合上述两个函数关系，则对该体外监测设备在人体设置（设置包括贴合、粘贴等）的位置进行重新调整：
其中，通过判断当前体外监测设备是否正常工作以及对非正常工作的当前体外监测设备进行调整，从而能够增加当前体外监测设备对监测项目进行项目数据监测时的准确性，进而能够还能够增加后续偏离程度的准确性。
监测模块，对当前病人的个体因素进行采集，基于病人的个体因素确定病人的疾病种类，基于当前病人的疾病种类确定当前病人是否存在影响项目以及影响疾病，通过体外监测设备对当前病人的监测项目进行监测，获得当前项目数据；
对当前病人的个体因素进行采集，基于病人的个体因素确定病人的疾病种类，基于当前病人的疾病种类确定当前病人是否存在影响项目以及影响疾病，包括：
S30、采集当前病人的个体因素，以此确定病人的疾病种类；
S31、判断当前病人是否存在影响项目，若存在影响项目，则采用影响项目对应的参考范围（调整的方式为：通过影响项目系数对参考范围进行调整）；
S31、判断病人的疾病种类是否大于1，若病人的疾病种类大于1，则判断病人的疾病种类是否存在关联的影响疾病，若存在影响疾病则采用影响疾病对应的参考范围（若病人的疾病种类小于1，则无需判断是否存在影响疾病）；
分析模块，基于当前项目数据与对应的参考范围的比值得到当前项目数据的偏离比值，通过偏离比值构建偏离程度，基于偏离程度输出对应的判定指令，根据判定指令生成应用信号；
基于当前项目数据与对应的参考范围的比值得到当前项目数据的偏离比值，包括：
S40、将当前病人对应的参考范围记为，将当前项目数据记为/>，
S41、判断当前项目数据是否属于参考范围，判断公式为：
，
若当前项目数据满足上式，则当前项目数据属于参考范围；
S42、将当前项目数据与对应的参考范围进行比对，得到偏离比值，偏离比值的计算公式为：
当时，则采用如下计算公式：
，
当时，则采用如下计算公式：
；
其中，为当前项目数据超出对应的参考范围的偏离比值，/>为当前项目数据中监测项目超出对应的参考范围的数值，/>为当前项目数据内监测项目对应的参考范围的最大波动值，/>为当前项目数据中监测项目低于对应的参考范围的偏离比值，/>为当前项目数据中监测项目低于对应的参考范围的数值；
通过偏离比值构建偏离程度，基于偏离程度输出对应的判定指令，根据判定指令生成应用信号，包括：
S50、根据或/>的偏离比值构建偏离程度等级，偏离程度等级从低到高分别为第一程度、第二程度、第三程度、第四程度、第五程度；
S51、预设第一程度的范围为：/>，预设第二程度/>的范围为：/>，预设第三程度/>的范围为：/>，预设第四程度/>的范围为：/>，预设第五程度/>的范围为：，/>，（为/>或/>的偏离比值，具体数值由相关人员根据实际情况自行设定）；
S52、第一程度生成对应的第一判定指令、第二程度生成对应的第二判定指令、第三程度生成对应的第三判定指令、第四程度生成对应的第四判定指令、第五程度生成对应的第五判定指令；
S53、偏离程度等级中的每一程度等级均对应有应用信号，应用信号的紧急程度由低到高分别为第一信号、第二信号、第三信号、第四信号、第五信号，其中，第一判定指令对应有第一信号，第二判定指令对应有第二信号，第三判定指令对应有第三信号，第四判定指令对应有第四信号，第五判定指令对应有第五信号；
在分析模块中还包括：获取当前监测项目在当前时间周期内的状态：
S60、获取当前体外监测设备的监测项目在当前时间周期内对应的项目数据；
S61、将当前时间周期中项目对应的初始项目数据记为，将当前时间周期中项目对应的结束项目数据记为/>，将上一时间周期中项目对应的初始项目数据记为，将上一时间周期中项目对应的结束项目数据记为/>，那么，当前时间周期与上一时间周期的数据变化的计算公式为：
，
其中，为大于0的常数，/>为数据变化比值，/>为当前时间周期中项目在一个时间周期内的数据变化，/>为上一时间周期中项目在一个时间周期内的数据变化；
S62、将大于1的定为上升状态，将/>小于1的定为下降状态，将/>等于1的记为稳定状态，
其中，若一个时间周期内存在大于两种的状态，则以一个时间周期内相较于项目数据的变化总和进行判定，总和为正大于0则为上升状态，总和小于0则为下降状态，总和等于0的则为平稳状态；
例如，当前时间周期内项目数据的分别为3.2、3.3、3.1、2.1、4.0，当前时间周期内初始项目数据为3.4，那么，（3.2-3.4）+（3.3-3.4）+（3.1-3.4）+（2.1-3.4）+（4.0-3.4）=-0.7，那么，当前当前时间周期内项目数据为下降状态；
S63、与1的数值差别越大，则/>的偏离程度等级调整越大；
其中，与1的数值差别越大，则/>的偏离程度等级调整越大，具体的等级调整由相关人员根据实际情况进行设置（例如，可在/>与1的差别在2倍以上时，将偏离程度上调一个程度等级，可在/>与1的差别在5倍以上时，将偏离程度上调两个程度等级）；
当的异常数据大于1或者小于1时，则根据其比值大小，对其对应的偏离程度等级按照比值大小进行偏离程度等级上升（其中，偏离程度等级按照比值大小进行上升的比值由相关人员根据实际情况设置具体数值）。
发送模块，对生成的应用信号进行发送；在分析模块中，将生成的应用信号发送至相关人员进行提醒，相关人员可通过电脑、手机等方式接收应用信号；当无异常数据时，则预设巡查时间周期，按照巡查时间周期定期对相关人员发送无异常应用信号，其中，巡查时间周期的具体时间长度由相关人员根据具体情况进行设置，当相关人员未设置人为检查周期，则以一个小时为一个周期对相关人员进行提醒。
本实施例中，通过获取当前项目数据的偏离比值，能够得到当前项目数据的偏离程度等级，通过偏离程度等级能够生成对应的应用信号，使得发送的应用信号较为准确，根据应用信号的紧急程度能够及时的对相关人员进行提醒，便于相关人员根据不同的应用信号对病人做出相应的措施；通过生成的应用信号对相关人员的提醒，能够改善医院医护人员紧张的情况，降低病人家属的陪护压力，可以减少或避免对病人的长时间陪护。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
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用户来说，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 (6)
1.一种基于体外监测设备的人体管理监护系统，其特征在于，包括：
数据库模块，获取体外监测设备的监测项目，监测项目对应有项目数据，获取疾病的参考范围，构建Logistic回归模型，并对病人的个体因素与对应的监测项目的影响关系、疾病与疾病之间的监测项目的影响关系进行判定，进而得到影响项目和影响疾病；
监测判断模块，用于判断当前体外监测设备是否正常工作；
监测模块，对当前病人的个体因素进行采集，基于病人的个体因素确定病人的疾病种类，基于当前病人的疾病种类确定当前病人是否存在影响项目以及影响疾病，通过体外监测设备对当前病人的监测项目进行监测，获得当前项目数据；
分析模块，基于当前项目数据与对应的参考范围的比值得到当前项目数据的偏离比值；
发送模块，通过偏离比值构建偏离程度，基于偏离程度输出对应的判定指令，根据判定指令生成应用信号，对生成的应用信号进行发送；
所述构建Logistic回归模型，并对病人的个体因素与对应的监测项目的影响关系、疾病与疾病之间的监测项目的影响关系进行判定，进而得到影响项目和影响疾病，包括：
在历史数据中，对项目数据与病人的个体因素、对单种疾病与多种疾病的项目数据进行收集；
将病人的个体因素逐一作为自变量、病人的个体因素对应的项目数据作为因变量输入Logistic回归模型中；将单种疾病的项目数据逐一作为自变量，将多种疾病的项目数据作为因变量输入Logistic回归模型中：
将项目数据与病人的个体因素通过Logistic回归模型存在影响关系的记为影响项目，将影响项目与病人的个体因素进行关联；将单种疾病与多种疾病的项目数据通过Logistic回归模型存在影响关系的记为影响疾病，将疾病与对应的影响疾病进行关联；
在所述Logistic回归模型中，对病人的个体因素与对应的监测项目的影响关系、疾病与疾病之间的监测项目的影响关系进行判定，包括：
在历史数据中，将同一监测项目中病人的不同个体因素与对应的监测项目组成一个数组；
将病人的不同个体因素中对监测项目造成数据波动的个体因素记为1，将病人的不同个体因素中对监测项目未造成数据波动的个体因素记为0；
获取不同个体因素在数组中的概率，将不同个体因素的概率记为x；
将x代入公式计算预测概率值：
其中，P表示概率，若P＞0.5，则认为存在影响关系，若P≤0.5，则认为不存在影响关系；
在所述数据库模块中，参考范围即为正常数据范围；获取影响项目与疾病的项目数据，基于影响项目与疾病的项目数据构建影响项目关系式，得到对应的影响项目系数，其中，通过影响项目系数对参考范围进行调整，得到对应的参考范围；
获取影响疾病与疾病的项目数据，基于影响疾病与疾病的项目数据构建影响疾病关系式，得到对应的影响疾病系数，其中，通过影响疾病系数对参考范围进行调整，得到对应的参考范围；
在所述分析模块中还包括：获取当前监测项目在当前时间周期内的状态：
获取当前体外监测设备的监测项目在当前时间周期内对应的项目数据；
将当前时间周期中项目对应的初始项目数据记为Dcst，将当前时间周期中项目对应的结束项目数据记为Det，将上一时间周期中项目对应的初始项目数据记为Dcst-1，将上一时间周期中项目对应的结束项目数据记为Det-1，那么，当前时间周期与上一时间周期的数据变化的计算公式为：
其中，α为大于0的常数，Vcs为数据变化比值，Det-Dcst为当前时间周期中监测项目在一个时间周期内的数据变化，Det-1-Dcst-1为上一时间周期中监测项目在一个时间周期内的数据变化；
将Vcs大于1的定为上升状态，将Vcs小于1的定为下降状态，将Vcs等于1的记为稳定状态；Vcs与1的数值差别越大，则对Vcs的偏离程度等级调整就越大。
2.根据权利要求1所述的一种基于体外监测设备的人体管理监护系统，其特征在于，所述用于判断当前体外监测设备是否正常工作，包括：
以获取的体外监测设备的初始化数据为样本，初始化数据包括体外监测设备接触到人体的升温数据和项目数据；
通过多个样本构建升温数据与时间的函数关系、项目数据与时间的函数关系：
获取当前体外监测设备的初始化数据，将当前体外监测设备的初始化数据代入上面的两个函数关系，判断其是否属于符合上面的两个函数关系；
若当前体外监测设备的初始化数据符合上述两个函数关系，则认为当前体外监测设备为正常运行，若当前体外监测设备的初始化数据不符合上述两个函数关系，则对该体外监测设备在人体设置的位置进行重新调整，直至当前体外监测设备的初始化数据符合上述两个函数关系。
3.根据权利要求1所述的一种基于体外监测设备的人体管理监护系统，其特征在于，所述对当前病人的个体因素进行采集，基于病人的个体因素确定病人的疾病种类，基于当前病人的疾病种类确定当前病人是否存在影响项目以及影响疾病，包括：
采集当前病人的个体因素，以此确定病人的疾病种类；
判断当前病人是否存在影响项目，若存在影响项目，则采用影响项目对应的参考范围；
判断病人的疾病种类是否大于1，若病人的疾病种类大于1，则判断病人的疾病种类是否存在关联的影响疾病，若存在影响疾病则采用影响疾病对应的参考范围。
4.根据权利要求1所述的一种基于体外监测设备的人体管理监护系统，其特征在于，所述基于当前项目数据与对应的参考范围的比值得到当前项目数据的偏离比值，包括：
将当前病人对应的参考范围记为[a1,a2]，将当前项目数据记为a3，
判断当前项目数据是否属于参考范围，判断公式为：
a2-a3≥0，且a3-a1≥0，
若当前项目数据满足上式，则当前项目数据属于参考范围；
将当前项目数据与对应的参考范围进行比对，得到偏离比值，偏离比值的计算公式为：
当a3-a2＞0时，则采用如下计算公式：
当a3-a1＜0时，则采用如下计算公式：
其中，Plch为当前项目数据超出对应的参考范围的偏离比值，a3-a2为当前项目数据中监测项目超出对应的参考范围的数值，a2-a1为当前项目数据内监测项目对应的参考范围的最大波动值，Pldy为当前项目数据中监测项目低于对应的参考范围的偏离比值，a1-a3为当前项目数据中监测项目低于对应的参考范围的数值。
5.根据权利要求4所述的一种基于体外监测设备的人体管理监护系统，其特征在于，所述通过偏离比值构建偏离程度，基于偏离程度输出对应的判定指令，根据判定指令生成应用信号，包括：
根据Plch或Pldy的偏离比值构建偏离程度等级，偏离程度等级从低到高分别为第一程度、第二程度、第三程度、第四程度、第五程度；
预设第一程度deg1的范围为：Pl1≤deg1＜Pl2，预设第二程度deg2的范围为：Pl2≤deg2＜Pl3，预设第三程度deg3的范围为：Pl3≤deg3＜Pl4，预设第四程度deg4的范围为：Pl4≤deg4＜Pl5，预设第五程度deg5的范围为：Pl5≤deg5＜Pl6，Pl1＜Pl2＜Pl3＜Pl4＜Pl5＜Pl6；
第一程度生成对应的第一判定指令、第二程度生成对应的第二判定指令、第三程度生成对应的第三判定指令、第四程度生成对应的第四判定指令、第五程度生成对应的第五判定指令；
偏离程度等级中的每一程度等级均对应有应用信号，应用信号的紧急程度由低到高分别为第一信号、第二信号、第三信号、第四信号、第五信号，其中，第一判定指令对应有第一信号，第二判定指令对应有第二信号，第三判定指令对应有第三信号，第四判定指令对应有第四信号，第五判定指令对应有第五信号。
6.根据权利要求1所述的一种基于体外监测设备的人体管理监护系统，其特征在于，在所述分析模块中，将生成的应用信号发送至相关人员进行提醒；当无异常数据时，则预设巡查时间周期，按照巡查时间周期定期对相关人员发送无异常应用信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410033592.0A CN117542163B (zh) | 2024-01-10 | 2024-01-10 | 一种基于体外监测设备的人体管理监护系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410033592.0A CN117542163B (zh) | 2024-01-10 | 2024-01-10 | 一种基于体外监测设备的人体管理监护系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117542163A CN117542163A (zh) | 2024-02-09 |
| CN117542163B true CN117542163B (zh) | 2024-04-12 |
Family
ID=89784684
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410033592.0A Active CN117542163B (zh) | 2024-01-10 | 2024-01-10 | 一种基于体外监测设备的人体管理监护系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117542163B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6110109A (en) * | 1999-03-26 | 2000-08-29 | Biosignia, Inc. | System and method for predicting disease onset |
| CN112315432A (zh) * | 2020-09-29 | 2021-02-05 | 北京化工大学 | 信息监测方法、信息监测装置及计算机可读存储介质 |
| CN114052655A (zh) * | 2020-08-04 | 2022-02-18 | 深圳迈瑞生物医疗电子股份有限公司 | 一种报警阈值的设置建议方法、系统以及监护仪 |
| CN114639478A (zh) * | 2022-03-09 | 2022-06-17 | 曜立科技(北京)有限公司 | 一种基于心脏瓣膜病的超声监测系统 |
| CN115770062A (zh) * | 2021-09-07 | 2023-03-10 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声波数据的处理方法、成像装置 |
| CN116421178A (zh) * | 2023-04-19 | 2023-07-14 | 河北金盛达医疗用品有限公司 | 辅助监护的方法、装置、终端设备及可读存储介质 |
| CN116509350A (zh) * | 2023-07-03 | 2023-08-01 | 云天智能信息(深圳)有限公司 | 一种基于智能手环的医疗监控系统 |
| CN116864139A (zh) * | 2023-06-30 | 2023-10-10 | 平安科技（深圳）有限公司 | 疾病风险评估方法、装置、计算机设备及可读存储介质 |
-
2024
- 2024-01-10 CN CN202410033592.0A patent/CN117542163B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6110109A (en) * | 1999-03-26 | 2000-08-29 | Biosignia, Inc. | System and method for predicting disease onset |
| CN114052655A (zh) * | 2020-08-04 | 2022-02-18 | 深圳迈瑞生物医疗电子股份有限公司 | 一种报警阈值的设置建议方法、系统以及监护仪 |
| CN112315432A (zh) * | 2020-09-29 | 2021-02-05 | 北京化工大学 | 信息监测方法、信息监测装置及计算机可读存储介质 |
| CN115770062A (zh) * | 2021-09-07 | 2023-03-10 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声波数据的处理方法、成像装置 |
| CN114639478A (zh) * | 2022-03-09 | 2022-06-17 | 曜立科技(北京)有限公司 | 一种基于心脏瓣膜病的超声监测系统 |
| CN116421178A (zh) * | 2023-04-19 | 2023-07-14 | 河北金盛达医疗用品有限公司 | 辅助监护的方法、装置、终端设备及可读存储介质 |
| CN116864139A (zh) * | 2023-06-30 | 2023-10-10 | 平安科技（深圳）有限公司 | 疾病风险评估方法、装置、计算机设备及可读存储介质 |
| CN116509350A (zh) * | 2023-07-03 | 2023-08-01 | 云天智能信息(深圳)有限公司 | 一种基于智能手环的医疗监控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117542163A (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2298158B1 (en) | Adaptive selection of a warning limit in patient monitoring | |
| US20100081889A1 (en) | Systems and methods for monitoring and evaluating individual performance | |
| AU2002338433A1 (en) | Adaptive selection of a warning limit in patient monitoring | |
| US20080021287A1 (en) | System and method for adaptively adjusting patient data collection in an automated patient management environment | |
| US9060681B2 (en) | Trend monitoring system with multiple access levels | |
| US20100262045A1 (en) | Patient monitoring method and system | |
| RU2712395C1 (ru) | Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты) | |
| KR20190105163A (ko) | 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법 | |
| US20120108910A1 (en) | Performing measurement of a subject | |
| US20130317319A1 (en) | Physiology monitoring system and physiology monitoring method | |
| CN107019500A (zh) | 一种养老监护方法及智能辅助养老系统 | |
| CN118098545A (zh) | 一种大数据驱动的中老年患者健康状态评估方法 | |
| US20080246617A1 (en) | Monitor apparatus, system and method | |
| CN117542163B (zh) | 一种基于体外监测设备的人体管理监护系统 | |
| KR20040049486A (ko) | 혈당측정 및 경보시스템 | |
| CN117095509A (zh) | 一种老年健康数据分析系统 | |
| CN106991293A (zh) | 一种重症疾病早期沟通系统、方法及沟通仪 | |
| CN112957017B (zh) | 一种昏迷患者的实时体征监测方法及系统 | |
| JP3994773B2 (ja) | 在宅者健康状態遠隔診断装置 | |
| Ahmed | A personalized health-monitoring system for elderly by combining rules and case-based reasoning | |
| Tóth-Laufer et al. | A personal profile based patient-specific anytime risk calculation model | |
| WO2001095802A1 (en) | Body activity detection and processing | |
| AU2021104542A4 (en) | I-Health-Care: Technologies Towards 5G Network for Intelligent Health-Care Using IoT Notification with Machine Learning Programming | |
| CN117352180B (zh) | 一种精神科病人自虐风险预警方法 | |
| KR102382659B1 (ko) | 당화혈색소 수치 추정을 위한 인공지능학습 모델의 학습 방법 및 그 시스템 |
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 |