CN117594223A - 一种人体生物检测数据信息处理方法 - Google Patents
一种人体生物检测数据信息处理方法 Download PDFInfo
- Publication number
- CN117594223A CN117594223A CN202311555208.5A CN202311555208A CN117594223A CN 117594223 A CN117594223 A CN 117594223A CN 202311555208 A CN202311555208 A CN 202311555208A CN 117594223 A CN117594223 A CN 117594223A
- Authority
- CN
- China
- Prior art keywords
- biomarker
- patient
- medicine taking
- disease
- target
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 230000010365 information processing Effects 0.000 title claims abstract description 14
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 239000003814 drug Substances 0.000 claims abstract description 205
- 239000000090 biomarker Substances 0.000 claims abstract description 129
- 238000012544 monitoring process Methods 0.000 claims abstract description 109
- 208000017667 Chronic Disease Diseases 0.000 claims abstract description 102
- 238000011282 treatment Methods 0.000 claims abstract description 94
- 230000000694 effects Effects 0.000 claims abstract description 81
- 229940079593 drug Drugs 0.000 claims abstract description 73
- 230000008859 change Effects 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 14
- 230000001684 chronic effect Effects 0.000 claims description 73
- 201000010099 disease Diseases 0.000 claims description 45
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 45
- 238000001647 drug administration Methods 0.000 claims description 18
- 238000012423 maintenance Methods 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 3
- 230000001225 therapeutic effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims 1
- 230000008506 pathogenesis Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 230000003068 static effect Effects 0.000 abstract description 4
- 239000008280 blood Substances 0.000 description 7
- 210000004369 blood Anatomy 0.000 description 7
- 206010012601 diabetes mellitus Diseases 0.000 description 6
- 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 4
- 206010020772 Hypertension Diseases 0.000 description 4
- 239000008103 glucose Substances 0.000 description 4
- 208000031226 Hyperlipidaemia Diseases 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 208000037273 Pathologic Processes Diseases 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 150000002632 lipids Chemical class 0.000 description 2
- 230000009054 pathological process Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004037 social stress Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 238000005303 weighing Methods 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H40/00—ICT 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
- G16H40/60—ICT 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 operation of medical equipment or devices
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Cardiology (AREA)
- Optics & Photonics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Emergency Medicine (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Vascular Medicine (AREA)
- Physiology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明属于生物检测数据处理技术领域，具体公开一种人体生物检测数据信息处理方法，本发明在采集慢性病对应的人体生物检测数据时将关注点落在了生物标志物和并发症关联指标上，实现了生物标志物和并发症的同等关注监测，使得监测的数据能够有效结合慢性病的发病机理，大大规避了现有分析方式的片面性，有利于提高分析结果的可靠度，与此同时在基于慢性病对应的生物标志物监测数据分析药物治疗效果时通过增加药物进入人体的动态变化过程监测，将其结合生物标志物的下降底线监测，实现了生物标志物的动静态兼具监测，在该监测数据下分析的治疗效果更加真实、全面、有效，在很大程度上提高了了分析结果的准确度。
Description
技术领域
本发明属于生物检测数据处理技术领域，具体涉及到一种人体生物检测数据信息处理方法。
背景技术
随着环境改变,社会压力增加,慢性病发生率也在逐年增加,慢性病已经成为影响人体健康的主要疾病之一，例如糖尿病、高血压、高血脂等，由于慢性疾病通常是复杂的，并且在许多情况下，它们是不可逆转的，使得慢性病的治疗是一个长期过程，在这种情况下需要定期监测病情，采集人体生物检测数据，分析治疗效果以针对性调整治疗方案，例如服药方式。
然而现有技术在采集慢性病的人体生物检测数据分析治疗效果时只关注慢性病对应的生物标志物，忽略了慢性病对应并发症的控制能力对治疗效果的影响，由于慢性病是一种长期存在和进展的疾病，其病理过程持续存在于患者的身体中。这种持续性的病理过程可能会进一步损害器官组织的功能，导致并发症的发生，例如糖尿病会引发心血管疾病，并发症的控制能力也在一定程度上反映了慢性病的治疗效果，由此可见现有技术对慢性病治疗效果的分析脱离了慢性病的发病机理，导致分析方式过于片面，进而影响了分析结果的可靠度，从而难以为治疗方案调整提供有价值的参考依据。
另外现有技术在基于慢性病对应的生物标志物监测数据分析治疗效果时大多单纯以生物标志物的下降底线作为分析参数，由于该分析参数属于结果型参数，使得在该分析参数下得到的治疗效果只能反映慢性病最终达到的治疗状态，而慢性病患者在治疗时治疗手段(例如服药)在体内的反应是一个动态变化过程，其动态变化过程能够更加真实、全面、有效地反映治疗效果，由此可见现有技术单纯以结果型参数进行治疗效果分析很显然是有局限的，缺乏对生物标志物的动态变化监测，导致分析参数过于单一，且难以从本质上凸显治疗效果，在很大程度上降低了分析结果的准确度。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种人体生物检测数据信息处理方法，以服药治疗作为慢性病的治疗方式，通过扩展慢性病对应的人体生物检测数据，分析药物治疗效果，由此针对性地对慢性病患者的服药方式进行调整，有效解决了现有技术存在的问题。
本发明的目的可以通过以下技术方案实现：一种人体生物检测数据信息处理方法,包括：S1、获取目标慢性病患者对应的患病基础信息和现有服药方式信息。
S2、设定监测周期，进而在当前监测周期中目标慢性病患者每次服药前利用佩戴的生物检测终端采集生物标志物值，并在各次服药后监测病情变化指征。
S3、基于各次服药后目标慢性病患者的病情变化指征分析目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数。
S4、依据目标慢性病患者的患病基础信息和目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数评判药物治疗效果是否达标。
S5、在评判药物治疗效果不达标时对目标慢性病患者的现有服药方式进行调整。
作为本发明的进一步创新，所述患病基础信息包括患病程度和患病时长。
作为本发明的进一步创新，所述现有服药方式信息包括现有服药频次和现有服药剂量。
作为本发明的进一步创新，所述病情变化指征包括生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长、并发症关联指标回归时长和并发症关联指标回归值。
作为本发明的进一步创新，所述病情变化指征的具体监测过程如下：(1)生物标志物下降速度监测：在目标慢性病患者每次服药后利用佩戴的生物检测终端实时采集生物标志物值，得到各采集时刻的生物标志物值，并与服药前的生物标志物值进行对比，直至某采集时刻的生物标志物值大于或等于服药前的生物标志物值时停止监测，此时将该采集时刻对应的前一采集时刻记为有效采集时刻，进而按照时间先后顺序对采集时刻进行编号排列，从而按照排列顺序将第一采集时刻与有效采集时刻之间所有采集时刻的生物标志物值进行相邻采集时刻对比，得到相邻采集时刻的生物标志物值变化量，并利用公式计算出生物标志物下降速度。
(2)生物标志物下降底线值监测：在目标慢性病患者每次服药后将第一采集时刻与有效采集时刻之间所有采集时刻的生物标志物值进行对比，从中选取最小生物标志物值作为生物标志物下降底线值。
(3)生物标志物下降维持时长监测：在目标慢性病患者每次服药后将第一采集时刻与有效采集时刻之间的间隔时长作为生物标志物下降维持时长。
(4)并发症关联指标回归时长监测：在目标慢性病患者每次服药后利用佩戴的生物检测终端实时监测并发症关联指标，得到各采集时刻的并发症关联指标监测值，并与并发症关联指标正常值进行对比，按照时间先后顺序分别计算各采集时刻的并发症关联指标正常趋近度，同时进行相互对比，从中选取最大并发症关联指标正常趋近度对应的采集时刻作为特定采集时刻，进而将第一采集时刻与特定采集时刻之间的时长作为并发症关联指标回归时长。
(5)并发症关联指标回归值监测：在目标慢性病患者各次服药后将最大并发症关联指标正常趋近度对应采集时刻的并发症关联指标监测值作为并发症关联指标回归值。
作为本发明的进一步创新，所述分析目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数包括下述步骤：从病情变化指征中提取生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长，由此将目标慢性病患者每次服药后将生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长代入统计公式
统计得到目标慢性病患者各次服药后的病情控制效用指数式中i表示为目标慢性病患者在当前监测周期内的各次服药编号，i＝1,2,......,n，v下降i、qi、ti分别表示为目标慢性病患者第i次服药后的生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长，v0表示为设定的参考速度，q正常表示为生物标志物正常浓度，T表示为设定监测周期的时长，A、B分别表示为预设常数，且A>1,B>1,e表示为自然常数。
从病情变化指征中提取并发症关联指标回归速度和并发症关联指标回归值，由此在目标慢性病患者每次服药后将并发症关联指标回归速度和并发症关联指标回归值导入统计公式统计得到目标慢性病患者各次服药后的并发症控制效用指数φi，式中fij表示为目标慢性病患者第i次服药后的第j并发症关联指标回归时长，j表示为并发症关联指标编号，j＝1,2,......,m，m表示为并发症关联指标的数量，pij表示为目标慢性病患者第i次服药后的第j并发症关联指标回归值，pj正常表示为第j并发症关联指标的正常值，εj表示为预设的第j并发症关联指标的权衡因子。
利用分析模型分析得到目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数Qi。
作为本发明的进一步创新，所述药物治疗效果是否达标参见下述评判方式：获取目标慢性病患者当前监测周期所处的服药疗程。
将目标慢性病患者对应的患病基础信息同当前监测周期所处的服药疗程与云信息库中目标慢性病患者所属慢性病种类对应各种患病基础信息在各种服药疗程下的达标药物治疗效果系数进行匹配，从中筛选出目标慢性病患者在当前监测周期的达标药物治疗效果系数。
通过表达式统计得到目标慢性病患者在当前监测周期中各次服药的达标药物治疗效果系数Qi达标，Q0表示为目标慢性病患者在当前监测周期的达标药物治疗效果系数，n表示为当前监测周期中最后一次服药编号。
将目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数与达标药物治疗效果系数进行对比，计算目标慢性病患者在当前监测周期的药物治疗效果达标度，计算表达式为式中ψ表示为目标慢性病患者在当前监测周期的药物治疗效果达标度。
将目标慢性病患者在当前监测周期的药物治疗效果达标度与预配阈值进行对比，若药物治疗效果达标度小于预配阈值，则评判药物治疗效果达标，反之则评判药物治疗效果不达标。
作为本发明的进一步创新，所述对目标慢性病患者的现有服药方式进行调整具体包括下述步骤：从现有服药方式中提取现有服药剂量，与云信息库中存储的目标慢性病患者所属慢性病种类对应的最大服药剂量进行对比，若现有服药剂量未达到目标慢性病患者所属慢性病种类对应的最大服药剂量，则提高现有服药剂量，若现有服药剂量达到目标慢性病患者所属慢性病种类对应的最大服药剂量，则从现有服药方式中提取现有服药频次，将其与云信息库中存储的目标慢性病患者所属慢性病种类对应的最大服药频次进行对比，若现有服药频次未达到最大服药频次，则提高服药频次，若现有服药频次达到最大服药频次，则更换其他药物。
作为本发明的进一步创新，该方法在实施过程中还用到了云信息库，用于存储目标慢性病患者所属慢性病种类对应各种患病基础信息在各种服药疗程下的达标药物治疗效果系数，存储目标慢性病患者所属慢性病种类对应的最大服药剂量和最大服药频次。
相较于现有技术，本发明的有益效果如下：1、本发明在采集慢性病对应的人体生物检测数据时将关注点落在了生物标志物和并发症关联指标上，实现了生物标志物和并发症的同等关注监测，使得监测的数据能够有效结合慢性病的发病机理，大大规避了现有分析方式存在的片面性，有利于提高分析结果的可靠度，能够为服药方式调整提供有价值的参考依据。
2、本发明在基于慢性病对应的生物标志物监测数据分析药物治疗效果时通过增加药物进入人体生物标志物的动态变化过程监测，如生物标志物下降速度，将其结合生物标志物的下降底线监测，实现了生物标志物的动静态兼具监测，在该监测数据下分析的治疗效果更加真实、全面、有效，能够更加凸显药物治疗水平，在很大程度上提高了了分析结果的准确度。
3、本发明在基于慢性病的治疗效果进行服药方式调整时通过设定监测周期，在各监测周期实时进行治疗效果分析，由此进行服药方式在下一监测周期的调整，使得服药方式的调整更加具有针对性、时效性，实现了慢性病持续性、有效性地治疗，有利于慢性病治疗水平地提升，从而在一定程度上缩短了慢性病的治疗时长。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的实施步骤示意图。
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。
请参阅图1所示，本发明提出一种人体生物检测数据信息处理方法,包括：S1、获取目标慢性病患者对应的患病基础信息和现有服药方式信息，所述患病基础信息包括患病程度和患病时长，所述现有服药方式信息包括现有服药频次和现有服药剂量。
需要说明的是，本发明针对的慢性病主要是指糖尿病、高血压病、高血脂病这一类的疾病。
进一步需要说明的是，服药频次是指一天内的服药次数。
S2、设定监测周期，进而在当前监测周期中目标慢性病患者每次服药前利用佩戴的生物检测终端采集生物标志物值，并在各次服药后监测病情变化指征，其中病情变化指征包括生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长、并发症关联指标回归时长和并发症关联指标回归值。
应用于上述实施例，监测周期可以为一个月、两个月、三个月等。
需要理解的是，上述方案中提到的生物标志物是基于慢性病种类得到的，当慢性病种类为糖尿病时，生物标志物为血糖，此时的生物标志物值为血糖浓度，当慢性病种类为高血压病时，生物标志物为血压，此时的生物标志物值为血压值，当慢性病种类为高血脂病时，生物标志物为血脂，此时的生物标志物值为血脂浓度。
优选地，上述提到的生物检测终端是可以检测血糖浓度或血压值或血脂浓度的仪器，在一个具体示例中，当慢性病种类为糖尿病时，生物检测终端可以为动态血糖仪。
在一个可行的实施例中，各次服药后对病情变化指征的监测可以在各次服药后的固定时间间隔进行监测。
作为本发明的进一步方案，病情变化指征的具体监测过程如下：(1)生物标志物下降速度监测：在目标慢性病患者每次服药后利用佩戴的生物检测终端实时采集生物标志物值，得到各采集时刻的生物标志物值，并与服药前的生物标志物值进行对比，直至某采集时刻的生物标志物值大于或等于服药前的生物标志物值时停止监测，此时将该采集时刻对应的前一采集时刻记为有效采集时刻，进而按照时间先后顺序对采集时刻进行编号排列，从而按照排列顺序将第一采集时刻与有效采集时刻之间所有采集时刻的生物标志物值进行相邻采集时刻对比，得到相邻采集时刻的生物标志物值变化量，并利用公式计算出生物标志物下降速度。
(2)生物标志物下降底线值监测：在目标慢性病患者每次服药后将第一采集时刻与有效采集时刻之间所有采集时刻的生物标志物值进行对比，从中选取最小生物标志物值作为生物标志物下降底线值。
(3)生物标志物下降维持时长监测：在目标慢性病患者每次服药后将第一采集时刻与有效采集时刻之间的间隔时长作为生物标志物下降维持时长。
需要知道的是，由于糖尿病、高血压病、高血脂病这一类疾病的共有特征是生物标志物值较高，例如糖尿病是血糖浓度过高，在进行服药治疗后生物标志物值会呈现一定程度的降低，因而生物标志物值的降低程度能够主体反映病情变化。
本发明在基于慢性病对应的生物标志物监测数据分析药物治疗效果时通过增加药物进入人体生物标志物的动态变化过程监测，如生物标志物下降速度，将其结合生物标志物的下降底线监测，实现了生物标志物的动静态兼具监测，在该监测数据下分析的治疗效果更加真实、全面、有效，能够更加凸显药物治疗水平，在很大程度上提高了了分析结果的准确度。
(4)并发症关联指标回归时长监测：在目标慢性病患者每次服药后利用佩戴的生物检测终端实时监测并发症关联指标，得到各采集时刻的并发症关联指标监测值，并与并发症关联指标正常值进行对比，按照时间先后顺序分别计算各采集时刻的并发症关联指标正常趋近度，其中
同时进行相互对比，从中选取最大并发症关联指标正常趋近度对应的采集时刻作为特定采集时刻，进而将第一采集时刻与特定采集时刻之间的时长作为并发症关联指标回归时长。
需要补充的是，生物检测终端还包括并发症关联指标监测仪。
(5)并发症关联指标回归值监测：在目标慢性病患者各次服药后将最大并发症关联指标正常趋近度对应采集时刻的并发症关联指标监测值作为并发症关联指标回归值。
本发明在采集慢性病对应的人体生物检测数据时将关注点落在了生物标志物和并发症关联指标上，实现了生物标志物和并发症的同等关注监测，使得监测的数据能够有效结合慢性病的发病机理，大大规避了现有分析方式存在的片面性，有利于提高分析结果的可靠度，能够为服药方式调整提供有价值的参考依据。
S3、基于各次服药后目标慢性病患者的病情变化指征分析目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数,具体分析过程包括下述步骤：从病情变化指征中提取生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长，由此将目标慢性病患者每次服药后将生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长代入统计公式统计得到目标慢性病患者各次服药后的病情控制效用指数/>式中i表示为目标慢性病患者在当前监测周期内的各次服药编号，i＝1,2,......,n，v下降i、qi、ti分别表示为目标慢性病患者第i次服药后的生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长，v0表示为设定的参考速度，q正常表示为生物标志物正常浓度，T表示为设定监测周期的时长，A、B分别表示为预设常数，且A>1,B>1,e表示为自然常数，其中生物标志物下降速度越快、生物标志物下降底线值越接近正常值，生物标志物下降维持时长越长，病情控制效用指数越大。
从病情变化指征中提取并发症关联指标回归时长和并发症关联指标回归值，由此在目标慢性病患者每次服药后将并发症关联指标回归时长和并发症关联指标回归值导入统计公式统计得到目标慢性病患者各次服药后的并发症控制效用指数φi，式中fij表示为目标慢性病患者第i次服药后的第j并发症关联指标回归时长，j表示为并发症关联指标编号，j＝1,2,......,m，m表示为并发症关联指标的数量，pij表示为目标慢性病患者第i次服药后的第j并发症关联指标回归值，pj正常表示为第j并发症关联指标的正常值，εj表示为预设的第j并发症关联指标的权衡因子，其中并发症关联指标回归时长越短，并发症关联指标回归值越接近正常值，并发症控制效用指数越大。
利用分析模型分析得到目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数Qi。
S4、依据目标慢性病患者的患病基础信息和目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数评判药物治疗效果是否达标，具体评判过程如下：获取目标慢性病患者当前监测周期所处的服药疗程。
将目标慢性病患者对应的患病基础信息同当前监测周期所处的服药疗程与云信息库中目标慢性病患者所属慢性病种类对应各种患病基础信息在各种服药疗程下的达标药物治疗效果系数进行匹配，进而将匹配成功的达标药物治疗效果系数作为目标慢性病患者在当前监测周期的达标药物治疗效果系数。
通过表达式统计得到目标慢性病患者在当前监测周期中各次服药的达标药物治疗效果系数Qi达标，Q0表示为目标慢性病患者在当前监测周期的达标药物治疗效果系数，n表示为当前监测周期中最后一次服药编号。
需要理解的是，在上述表达式中代表的是服药进程，由于药物进入体内的反应是一个过程，每一次服药后的效果都是在上一次服药后的基础上产生的，因而每一次服药后的达标药物治疗效果与服药进程有关。
将目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数与达标药物治疗效果系数进行对比，计算目标慢性病患者在当前监测周期的药物治疗效果达标度，计算表达式为式中ψ表示为目标慢性病患者在当前监测周期的药物治疗效果达标度，其中每次服药后的药物治疗效果系数越大于达标药物治疗效果系数，药物治疗效果达标度越大。
将目标慢性病患者在当前监测周期的药物治疗效果达标度与预配阈值进行对比，若药物治疗效果达标度小于预配阈值，则评判药物治疗效果达标，反之则评判药物治疗效果不达标。
S5、在评判药物治疗效果不达标时对目标慢性病患者的现有服药方式进行调整，具体调整方式为：从现有服药方式中提取现有服药剂量，与云信息库中存储的目标慢性病患者所属慢性病种类对应的最大服药剂量进行对比，若现有服药剂量未达到目标慢性病患者所属慢性病种类对应的最大服药剂量，则提高现有服药剂量，若现有服药剂量达到目标慢性病患者所属慢性病种类对应的最大服药剂量，则从现有服药方式中提取现有服药频次，将其与云信息库中存储的目标慢性病患者所属慢性病种类对应的最大服药频次进行对比，若现有服药频次未达到最大服药频次，则提高服药频次，若现有服药频次达到最大服药频次，则更换其他药物。
本发明在实施过程中还用到了云信息库，用于存储目标慢性病患者所属慢性病种类对应各种患病基础信息在各种服药疗程下的达标药物治疗效果系数，存储目标慢性病患者所属慢性病种类对应的最大服药剂量和最大服药频次。
本发明在基于慢性病的治疗效果进行服药方式调整时通过设定监测周期，在各监测周期实时进行治疗效果分析，由此进行服药方式在下一监测周期的调整，使得服药方式的调整更加具有针对性、时效性，实现了慢性病持续性、有效性地治疗，有利于慢性病治疗水平地提升，从而在一定程度上缩短了慢性病的治疗时长。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。
Claims (9)
1.一种人体生物检测数据信息处理方法，其特征在于,包括：
S1、获取目标慢性病患者对应的患病基础信息和现有服药方式信息；
S2、设定监测周期，进而在当前监测周期中目标慢性病患者每次服药前利用佩戴的生物检测终端采集生物标志物值，并在各次服药后监测病情变化指征；
S3、基于各次服药后目标慢性病患者的病情变化指征分析目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数；
S4、依据目标慢性病患者的患病基础信息和目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数评判药物治疗效果是否达标；
S5、在评判药物治疗效果不达标时对目标慢性病患者的现有服药方式进行调整。
2.如权利要求1所述的一种人体生物检测数据信息处理方法，其特征在于：所述患病基础信息包括患病程度和患病时长。
3.如权利要求1所述的一种人体生物检测数据信息处理方法，其特征在于：所述现有服药方式信息包括现有服药频次和现有服药剂量。
4.如权利要求1所述的一种人体生物检测数据信息处理方法，其特征在于：所述病情变化指征包括生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长、并发症关联指标回归时长和并发症关联指标回归值。
5.如权利要求4所述的一种人体生物检测数据信息处理方法，其特征在于：所述病情变化指征的具体监测过程如下：
(1)生物标志物下降速度监测：在目标慢性病患者每次服药后利用佩戴的生物检测终端实时采集生物标志物值，得到各采集时刻的生物标志物值，并与服药前的生物标志物值进行对比，直至某采集时刻的生物标志物值大于或等于服药前的生物标志物值时停止监测，此时将该采集时刻对应的前一采集时刻记为有效采集时刻，进而按照时间先后顺序对采集时刻进行编号排列，从而按照排列顺序将第一采集时刻与有效采集时刻之间所有采集时刻的生物标志物值进行相邻采集时刻对比，得到相邻采集时刻的生物标志物值变化量，并利用公式计算出生物标志物下降速度；
(2)生物标志物下降底线值监测：在目标慢性病患者每次服药后将第一采集时刻与有效采集时刻之间所有采集时刻的生物标志物值进行对比，从中选取最小生物标志物值作为生物标志物下降底线值；
(3)生物标志物下降维持时长监测：在目标慢性病患者每次服药后将第一采集时刻与有效采集时刻之间的间隔时长作为生物标志物下降维持时长；
(4)并发症关联指标回归时长监测：在目标慢性病患者每次服药后利用佩戴的生物检测终端实时监测并发症关联指标，得到各采集时刻的并发症关联指标监测值，并与并发症关联指标正常值进行对比，按照时间先后顺序分别计算各采集时刻的并发症关联指标正常趋近度，同时进行相互对比，从中选取最大并发症关联指标正常趋近度对应的采集时刻作为特定采集时刻，进而将第一采集时刻与特定采集时刻之间的时长作为并发症关联指标回归时长；
(5)并发症关联指标回归值监测：在目标慢性病患者各次服药后将最大并发症关联指标正常趋近度对应采集时刻的并发症关联指标监测值作为并发症关联指标回归值。
6.如权利要求4所述的一种人体生物检测数据信息处理方法，其特征在于：所述分析目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数包括下述步骤：
从病情变化指征中提取生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长，由此将目标慢性病患者每次服药后将生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长代入统计公式统计得到目标慢性病患者各次服药后的病情控制效用指数/>式中i表示为目标慢性病患者在当前监测周期内的各次服药编号，i＝1,2,......,n，v下降i、qi、ti分别表示为目标慢性病患者第i次服药后的生物标志物下降速度、生物标志物下降底线值、生物标志物下降维持时长，v0表示为设定的参考速度，q正常表示为生物标志物正常浓度，T表示为设定监测周期的时长，A、B分别表示为预设常数，且A>1,B>1,e表示为自然常数；
从病情变化指征中提取并发症关联指标回归时长和并发症关联指标回归值，由此在目标慢性病患者每次服药后将并发症关联指标回归速度和并发症关联指标回归值导入统计公式统计得到目标慢性病患者各次服药后的并发症控制效用指数φi，式中fij表示为目标慢性病患者第i次服药后的第j并发症关联指标回归时长，j表示为并发症关联指标编号，j＝1,2,......,m，m表示为并发症关联指标的数量，pij表示为目标慢性病患者第i次服药后的第j并发症关联指标回归值，pj正常表示为第j并发症关联指标的正常值，εj表示为预设的第j并发症关联指标的权衡因子；
利用分析模型分析得到目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数Qi。
7.如权利要求2所述的一种人体生物检测数据信息处理方法，其特征在于：所述药物治疗效果是否达标参见下述评判方式：
获取目标慢性病患者当前监测周期所处的服药疗程；
将目标慢性病患者对应的患病基础信息同当前监测周期所处的服药疗程与云信息库中目标慢性病患者所属慢性病种类对应各种患病基础信息在各种服药疗程下的达标药物治疗效果系数进行匹配，从中筛选出目标慢性病患者在当前监测周期的达标药物治疗效果系数；
通过表达式统计得到目标慢性病患者在当前监测周期中各次服药的达标药物治疗效果系数Qi达标，Q0表示为目标慢性病患者在当前监测周期的达标药物治疗效果系数，n表示为当前监测周期中最后一次服药编号；
将目标慢性病患者在当前监测周期中各次服药的药物治疗效果系数与达标药物治疗效果系数进行对比，计算目标慢性病患者在当前监测周期的药物治疗效果达标度，计算表达式为式中ψ表示为目标慢性病患者在当前监测周期的药物治疗效果达标度；
将目标慢性病患者在当前监测周期的药物治疗效果达标度与预配阈值进行对比，若药物治疗效果达标度小于预配阈值，则评判药物治疗效果达标，反之则评判药物治疗效果不达标。
8.如权利要求3所述的一种人体生物检测数据信息处理方法，其特征在于：所述对目标慢性病患者的现有服药方式进行调整具体包括下述步骤：
从现有服药方式中提取现有服药剂量，与云信息库中存储的目标慢性病患者所属慢性病种类对应的最大服药剂量进行对比，若现有服药剂量未达到目标慢性病患者所属慢性病种类对应的最大服药剂量，则提高现有服药剂量，若现有服药剂量达到目标慢性病患者所属慢性病种类对应的最大服药剂量，则从现有服药方式中提取现有服药频次，将其与云信息库中存储的目标慢性病患者所属慢性病种类对应的最大服药频次进行对比，若现有服药频次未达到最大服药频次，则提高服药频次，若现有服药频次达到最大服药频次，则更换其他药物。
9.如权利要求1所述的一种人体生物检测数据信息处理方法，其特征在于：该方法在实施过程中还用到了云信息库，用于存储目标慢性病患者所属慢性病种类对应各种患病基础信息在各种服药疗程下的达标药物治疗效果系数，存储目标慢性病患者所属慢性病种类对应的最大服药剂量和最大服药频次。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311555208.5A CN117594223A (zh) | 2023-11-21 | 2023-11-21 | 一种人体生物检测数据信息处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311555208.5A CN117594223A (zh) | 2023-11-21 | 2023-11-21 | 一种人体生物检测数据信息处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117594223A true CN117594223A (zh) | 2024-02-23 |
Family
ID=89914558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311555208.5A Pending CN117594223A (zh) | 2023-11-21 | 2023-11-21 | 一种人体生物检测数据信息处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117594223A (zh) |
-
2023
- 2023-11-21 CN CN202311555208.5A patent/CN117594223A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2022200642B2 (en) | Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance | |
| Mazze et al. | Ambulatory glucose profile: representation of verified self-monitored blood glucose data | |
| US10163174B2 (en) | Methods, systems, and computer program products for evaluating a patient in a pediatric intensive care unit | |
| RU2749187C2 (ru) | Компьютерно-реализуемый способ и портативный прибор для анализа данных контроля глюкозы, показывающих уровень глюкозы в физиологической жидкости | |
| RU2685681C2 (ru) | Система и способ для оптимизирования частоты сбора данных и пороговых значений для алгоритма обнаружения ухудшения состояния | |
| EP2006786A1 (en) | Method and glucose monitoring system for monitoring individual metabolic response and for generating nutritional feedback | |
| Alt et al. | Day-to-day variability of blood glucose concentration curves generated at home in cats with diabetes mellitus | |
| US11295860B2 (en) | Using at home measures to predict clinical state and improving the accuracy of at home measurements/predictions data associated with circadian rhythm and meal timing | |
| JP2013503712A (ja) | 自己監視血糖（ｓｍｂｇ）データからの糖尿病における差し迫った低血糖の可能性の観測 | |
| CN111588384B (zh) | 获得血糖检测结果的方法、装置及设备 | |
| EP3370175A1 (en) | Method for providing a wearable device, method for predicting an acute exacerbation and system for predicting an acute exacerbation | |
| CN102217940A (zh) | 利用容积脉搏波特征值实现无创伤测量人体血糖的方法 | |
| CN112786203A (zh) | 一种机器学习糖尿病视网膜病变发病风险预测方法及应用 | |
| Stoffel et al. | How to assess and interpret everyday life salivary cortisol measures: A tutorial on practical and statistical considerations | |
| WO2008138219A1 (fr) | Unification et normalisation de valeur de référence de plage normale et de valeur de mesure réelle de rapport de détection ou de laboratoire en médecine clinique | |
| Chiu et al. | BMI trajectories as a harbinger of pre-diabetes or underdiagnosed diabetes: an 18-year retrospective cohort study in Taiwan | |
| CN105181869B (zh) | 一种巨大儿辅助诊断标志物的应用 | |
| CN116936104B (zh) | 一种基于人工智能的健康检测仪数据分析系统及方法 | |
| Cobelli et al. | Yet another glucose variability index: time for a paradigm change? | |
| CN117594223A (zh) | 一种人体生物检测数据信息处理方法 | |
| CN116959748A (zh) | 一种药品认证试验监测方法及装置 | |
| EP3844767A1 (en) | Using at home measurements to predict clinical state and improving the accuracy of at home measurements/predictions using data associated with circadian rhythm and meal timing | |
| CN112768031A (zh) | 一种综合饮食运动体检调理和预防慢性病的健康管理方法 | |
| CN210802651U (zh) | 智能进食量监控电子秤的装置 | |
| KR102418339B1 (ko) | 연속혈당 데이터를 이용한 혈당 수치 추출 장치 및 그 방법 |
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 |