CN117936054B - 一种基于大数据的急诊急救质控指标灵活展示统计方法 - Google Patents
一种基于大数据的急诊急救质控指标灵活展示统计方法 Download PDFInfo
- Publication number
- CN117936054B CN117936054B CN202410339361.2A CN202410339361A CN117936054B CN 117936054 B CN117936054 B CN 117936054B CN 202410339361 A CN202410339361 A CN 202410339361A CN 117936054 B CN117936054 B CN 117936054B
- Authority
- CN
- China
- Prior art keywords
- data
- emergency
- emergency treatment
- fluctuation
- acquiring
- 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
- 238000011282 treatment Methods 0.000 title claims abstract description 101
- 238000003908 quality control method Methods 0.000 title claims abstract description 19
- 238000007619 statistical method Methods 0.000 title claims description 13
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 206010000891 acute myocardial infarction Diseases 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 230000000474 nursing effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 5
- 239000003814 drug Substances 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000002297 emergency surgery Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000003146 anticoagulant agent Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003527 fibrinolytic agent Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 230000002537 thrombolytic effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 208000010496 Heart Arrest Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种基于大数据的急诊急救质控指标灵活展示统计方法,涉及急诊急救质控指标统计技术领域,目的是在降低算力消耗的情况下实现对急诊急救质控指标的本身及其波动的高效且全面的统计,包括通过大数据在多个时间节点采集多项急诊急救数据;分别获取每项急诊急救数据的单项波动参数;获取多项急诊急救数据在多个时间节点上的综合波动参数,根据综合波动参数获取最大波动时间节点;获取最大波动时间节点中波动最大的前三项急诊急救数据;根据单项波动参数和综合波动参数的情况判断是否异常,并在异常时候进行预警,且展示最大波动时间节点中波动最大的前三项急诊急救数据。本发明具有急诊急救数据统计和分析全面、算力要求低的优点。
Description
技术领域
本发明涉及急诊急救质控指标统计技术领域,具体而言,涉及一种基于大数据的急诊急救质控指标灵活展示统计方法。
背景技术
在大数据处理技术领域,医疗急救管理是一个重要的应用方向。在这一领域中,大量的医疗数据需要被收集、处理和分析,以提供有效的医疗服务。其中,质控指标的管理是一个关键环节,它可以帮助医疗机构评估其医疗服务的质量,并根据评估结果进行改进。此外,信息可视化技术也在这一领域中发挥着重要作用,它可以帮助医疗机构直观地展示各种医疗数据,使得决策者能够更轻松地理解和掌握医疗服务的情况。
现有的医疗急救管理系统通常会收集和处理大量的医疗数据,包括患者的基本信息、诊断结果、治疗过程等。然后,这些数据会被用于计算各种质控指标,如患者死亡率、抢救成功率等。最后,这些质控指标会被以表格或者图形的形式展示给决策者,以便他们能够了解医疗服务的质量,并根据需要进行改进。同时,一些医疗急救管理系统也会使用信息可视化技术,将复杂的医疗数据以易于理解的方式展示出来。然而,现有的医疗急救管理系统在处理质控指标方面还存在一些问题,例如只能简单设定阈值进行监测,对数据波动的监测算法较为复杂等缺点。
因此需要在降低算力消耗的情况下实现对急诊急救质控指标的本身及其波动的高效且全面的统计。
发明内容
本发明的目的在于提供一种基于大数据的急诊急救质控指标灵活展示统计方法,其可以在降低算力消耗的情况下实现对急诊急救质控指标的本身及其波动的高效且全面的统计。
本发明的实施例通过以下技术方案实现:
一种基于大数据的急诊急救质控指标灵活展示统计方法,包括以下步骤:
通过大数据在多个时间节点采集多项急诊急救数据;
分别获取每项所述急诊急救数据的单项波动参数;
获取多项急诊急救数据在多个时间节点上的综合波动参数,根据所述综合波动参数获取最大波动时间节点;
获取最大波动时间节点中波动最大的前三项急诊急救数据;
根据所述单项波动参数和所述综合波动参数的情况判断是否异常,并在异常时候进行预警,且展示最大波动时间节点中波动最大的前三项所述急诊急救数据。
优选地,多项所述急诊急救数据包括急诊科医患比、急诊科护患比、急诊各级患者比例、抢救室滞留时间中位数、急性心肌梗死患者平均门药时间、急性心肌梗死患者门药时间达标率、急性心肌梗死患者平均门球时间、急性心肌梗死患者平均门球时间达标率、急诊抢救室患者死亡率、急诊手术患者死亡率、ROSC 成功率和非计划重返抢救室率。
优选地,分别获取每项所述急诊急救数据的单项波动参数的方法为:
;
其中,为第/>项所述急诊急救数据的单项波动参数,/>为第/>项所述急诊急救数据的权重,/>为采集多项急诊急救数据的时间节点总数,/>为第/>项所述急诊急救数据在时间节点/>的值,/>为所述多个时间节点中第/>项所述急诊急救数据的平均值。
优选地,获取多项急诊急救数据在多个时间节点上的综合波动参数的方法为:
建立急诊急救数据矩阵;
获取单一急诊急救数据参考值;
获取单一时间节点参考值;
获取所述综合波动参数。
优选地,所述建立急诊急救数据矩阵的方法为:
;
;
;
其中,为所述急诊急救数据矩阵,/>为矩阵第i行第j列元素且代表第/>项所述急诊急救数据在时间节点/>的值,/>为所述急诊急救数据的总项数,/>为采集多项急诊急救数据的时间节点总数。
优选地,所述获取单一急诊急救数据参考值的方法为:
;
其中,为时间节点/>时第/>项所述急诊急救数据的单一急诊急救数据参考值,为第/>项所述急诊急救数据的权重。
优选地,第项所述急诊急救数据的权重/>的获取方法为:
基于大数据在K个时间节点采集多项所述急诊急救数据,;
分别获取每项所述急诊急救数据中数值最大的个数据和数值最小的个数据;
分别获取每项所述急诊急救数据的差异参考值:
;
;
;
其中,为第/>项所述急诊急救数据的差异参考值,/>和/>分别代表每项所述急诊急救数据中数值最大的/>个数据之和以及数值最小的/>个数据之和;
获取第项所述急诊急救数据的权重/>:
。
优选地,所述获取单一时间节点参考值的方法为:
;
其中,为时间节点/>的单一时间节点参考值。
优选地,获取所述综合波动参数的方法为:
;
其中,为所述综合波动参数,/>为所有/>的平均值;
根据所述综合波动参数获取最大波动时间节点的方法为获取中的最大值:
;
为所述最大波动时间节点。
优选地,获取最大波动时间节点中波动最大的前三项急诊急救数据的方法为:
获取最大波动时间节点中每项急诊急救数据的偏差:
为最大波动时间节点中第/>项急诊急救数据的偏差,/>为所述多个时间节点中第/>项所述急诊急救数据的平均值,/>为第/>项所述急诊急救数据在最大波动时间节点的值;
获取中数值最大的三项,对应的所述急诊急救数据即为最大波动时间节点中波动最大的前三项急诊急救数据。
本发明实施例的技术方案至少具有如下优点和有益效果:
本发明基于大数据采集多种急诊急救数,数据分析的广泛且全面,有助于更准确和可靠地进行数据分析;
本发明对于采集的数据进行分析,可以监测基于单一数据的波动情况和基于时间节点的综合波动情况,有助于后续的分析改进工作;
本发明获取各项波动情况的计算过程中算力资源消耗较低,计算速度快且可靠性高;
本发明可以展示多种数据分析结果,结果清晰明了,且便于自定义要分析的对象和展示的对象,目标数据项有变化的时候也不需要对分析过程做改动,在不同情况下的应用方便简洁。
附图说明
图1为本发明实施例1提供的基于大数据的急诊急救质控指标灵活展示统计方法的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
实施例1
一种基于大数据的急诊急救质控指标灵活展示统计方法,参阅图1,包括以下步骤:
步骤S1:通过大数据在多个时间节点采集多项急诊急救数据;
步骤S2:分别获取每项所述急诊急救数据的单项波动参数;
步骤S3:获取多项急诊急救数据在多个时间节点上的综合波动参数,根据所述综合波动参数获取最大波动时间节点;
步骤S4:获取最大波动时间节点中波动最大的前三项急诊急救数据;
步骤S5:根据所述单项波动参数和所述综合波动参数的情况判断是否异常,并在异常时候进行预警,且展示最大波动时间节点中波动最大的前三项所述急诊急救数据。在这一步可以分别针对单项波动参数和综合波动参数设置阈值来判定是否异常。
作为本实施例的优选方案,多项所述急诊急救数据包括急诊科医患比、急诊科护患比、急诊各级患者比例、抢救室滞留时间中位数、急性心肌梗死患者平均门药时间、急性心肌梗死患者门药时间达标率、急性心肌梗死患者平均门球时间、急性心肌梗死患者平均门球时间达标率、急诊抢救室患者死亡率、急诊手术患者死亡率、ROSC 成功率和非计划重返抢救室率。
本实施例的目的在于,对一个时间段内的每项急诊急救数据的波动情况分别进行监测以及对一个时间段内多项急诊急救数据的整体波动情况进行监测,相当于一方面以单一急诊急救数据为主体进行数据观测,另一方面以时间节点为主体进行监测。进而本实施例实现了全面可靠的医疗数据统计方法,同时可以采用低算力消耗的方式执行具体的统计分析。
在急诊急救数据的选择上比较灵活自由,可以针对不同地区、科室、时间内的就诊情况、分析目的针对性组合选择。本实施例所提到的各种急诊急救数据的具体获取方法可以参考以下内容:
急诊科医患比=急诊科固定在岗(本院)医师总数/同期急诊科接诊患者总数(万人次)×100%;
急诊科护患比=急诊科固定在岗(本院)护士(师)总数/同期急诊科接诊患者总数(万人次)×100%;
急诊各级患者比例=急诊科就诊的各级患者总数/同期急诊科就诊患者总数×100%;
n 为奇数时,抢救室滞留时间中位数=X*(n+1)/2,n 为偶数时,抢救室滞留时间中位数=(X*n/2+X*n/2+1)/2, 其中,n 为急诊抢救室患者数,X 为抢救室滞留时间;
急性心肌梗死患者平均门药时间=行溶栓药物治疗的心肌梗死患者的门药时间总和/同期行溶栓药物治疗的心肌梗死患者总数;
急性心肌梗死患者门药时间达标率=急性心肌梗死患者门药时间达标的患者数/同期就诊时在溶栓药物时间窗内应行溶栓药物治疗的急性心肌梗死患总数;
急性心肌梗死患者平均门球时间=院前患者取达到医院时间,院内患者取预检分诊时间—球囊扩张时间(需要包含住院部球囊扩张时间)例数时间累加/总人数;
急性心肌梗死患者门球时间达标率=发病 12 小时内且门球时间在 90 分钟内人数/发病 12 小时内人数;
急诊抢救室患者死亡率=抢救室患者死亡总数/同期患者抢救总数 ×100%;
急诊手术患者死亡率= 急诊手术患者死亡总数/同期急诊手术患者总数 ×100%;
ROSC 成功率=ROSC成功总例次数/同期急诊呼吸心脏骤停患者行心肺复苏总例次数 ×100%;
非计划重返抢救室率=72小时非计划重返急诊抢救室患者总数/同期离开急诊抢救室患者总数;
特别说明的是,以上数据的采集,可以是截止采集的时间节点的数据情况,也可以是自上一个时间节点开始到当前采集的时间节点为止的数据情况,根据检测需求进行选择即可。涉及的数据均可基于大数据获取。
实施例2
本实施例基于实施例1的技术方案,主要对步骤S2-S5做进一步改进说明。
在本实施例中,步骤S2中分别获取每项所述急诊急救数据的单项波动参数的方法为:
;
其中,为第/>项所述急诊急救数据的单项波动参数,/>为第/>项所述急诊急救数据的权重,/>为采集多项急诊急救数据的时间节点总数,/>为第/>项所述急诊急救数据在时间节点/>的值,/>为所述多个时间节点中第/>项所述急诊急救数据的平均值。这一步便于观测单项指标的波动情况。
进一步地,的设置目的在于,面对种类庞大的急诊急救数据,可以只设置一个的单项波动参数的单项波动参数的阈值方便后面进行异常判断,不需要对每个数据单独设置阈值使得判定过程更整洁简单和明了,但是每个不同类型的急诊急救数据的波动幅度本身就不同,所以这例基于大量的数据来评估一下每种急诊急救数据的最大波动情况,再标准化处理获得权重,目的是给本身波动偏大的数据较小的权重,以减少后续处理计算时候这种数据的差异变化,防止这种数据造成的误警报,最终使得各项数据的变化幅度在一个标准化范围内,便于统一方法进行异常判别。步骤S2和步骤S302所涉及的第/>项所述急诊急救数据的权重/>的获取方法为:
基于大数据在K个时间节点采集多项所述急诊急救数据,;
分别获取每项所述急诊急救数据中数值最大的个数据和数值最小的个数据;
分别获取每项所述急诊急救数据的差异参考值:
;
;
;
其中,为第/>项所述急诊急救数据的差异参考值,/>和/>分别代表每项所述急诊急救数据中数值最大的/>个数据之和以及数值最小的/>个数据之和;
获取第项所述急诊急救数据的权重/>:
。
作为优选方案,这一步主要是观测一个时间段内的综合波动情况,步骤S3获取多项急诊急救数据在多个时间节点上的综合波动参数的方法为:
步骤S301:建立急诊急救数据矩阵;
步骤S302:获取单一急诊急救数据参考值;
步骤S303:获取单一时间节点参考值;
步骤S304:获取所述综合波动参数。
具体地,步骤S301执行的建立急诊急救数据矩阵的方法为:
;
;
;
其中,为所述急诊急救数据矩阵,/>为矩阵第i行第j列元素且代表第/>项所述急诊急救数据在时间节点/>的值,/>为所述急诊急救数据的总项数,/>为采集多项急诊急救数据的时间节点总数。
其次,步骤S302中获取单一急诊急救数据参考值的方法为:
;
其中,为时间节点/>时第/>项所述急诊急救数据的单一急诊急救数据参考值,为第/>项所述急诊急救数据的权重,/>为所述多个时间节点中第/>项所述急诊急救数据的平均值。
的设置原因和方法都可以参考前面步骤S2实施时候的说明。
进一步地,步骤S303中获取单一时间节点参考值的方法为:
;
其中,为时间节点/>的单一时间节点参考值,他可以表征一个时间节点的数据综合偏差情况。
最后,步骤S304获取所述综合波动参数的方法为:
;
其中,为所述综合波动参数,他可以表征不同时间节点下的数据综合偏差情况的波动情况,数值过大则可以说明不同时间节点之间数据的偏差情况的浮地较大,也就说明数据波动较大;/>为所有/>的平均值。
根据所述综合波动参数获取最大波动时间节点的方法为获取中的最大值:
;
为所述最大波动时间节点。
而在步骤S4中,获取最大波动时间节点中波动最大的前三项急诊急救数据的方法为:
获取最大波动时间节点中每项急诊急救数据的偏差:
为最大波动时间节点中第/>项急诊急救数据的偏差,/>为所述多个时间节点中第/>项所述急诊急救数据的平均值,/>为第/>项所述急诊急救数据在最大波动时间节点的值;
获取中数值最大的三项,对应的所述急诊急救数据即为最大波动时间节点中波动最大的前三项急诊急救数据。
在本实施例数据分析的方法的具体设计上具有泛用性,可以直接应用于任意数量和任意组合的急诊急救数据分析,不涉及训练模型等故而不需要做调整和改动,可以直接基于建立的矩阵进行应用分析。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于大数据的急诊急救质控指标灵活展示统计方法,其特征在于,包括以下步骤:
通过大数据在多个时间节点采集多项急诊急救数据;
分别获取每项所述急诊急救数据的单项波动参数;
获取多项急诊急救数据在多个时间节点上的综合波动参数,根据所述综合波动参数获取最大波动时间节点;
获取最大波动时间节点中波动最大的前三项急诊急救数据;
根据所述单项波动参数和所述综合波动参数的情况判断是否异常,并在异常时候进行预警,且展示最大波动时间节点中波动最大的前三项所述急诊急救数据;
分别获取每项所述急诊急救数据的单项波动参数的方法为:
;
其中,为第/>项所述急诊急救数据的单项波动参数,/>为第/>项所述急诊急救数据的权重,/>为采集多项急诊急救数据的时间节点总数,/>为第/>项所述急诊急救数据在时间节点的值,/>为所述多个时间节点中第/>项所述急诊急救数据的平均值;
获取多项急诊急救数据在多个时间节点上的综合波动参数的方法为:
建立急诊急救数据矩阵;
获取单一急诊急救数据参考值;
获取单一时间节点参考值;
获取所述综合波动参数;
所述获取单一急诊急救数据参考值的方法为:
;
其中,为时间节点/>时第/>项所述急诊急救数据的单一急诊急救数据参考值,/>为第/>项所述急诊急救数据的权重,/>为所述多个时间节点中第/>项所述急诊急救数据的平均值;
第项所述急诊急救数据的权重/>的获取方法为:
基于大数据在K个时间节点采集多项所述急诊急救数据,;
分别获取每项所述急诊急救数据中数值最大的个数据和数值最小的个数据;
分别获取每项所述急诊急救数据的差异参考值:
;
;
;
其中,为第/>项所述急诊急救数据的差异参考值,/>和/>分别代表每项所述急诊急救数据中数值最大的/>个数据之和以及数值最小的/>个数据之和;
获取第项所述急诊急救数据的权重/>:
;
所述获取单一时间节点参考值的方法为:
;
其中,为时间节点/>的单一时间节点参考值;
获取所述综合波动参数的方法为:
;
其中,为所述综合波动参数,/>为所有/>的平均值;
根据所述综合波动参数获取最大波动时间节点的方法为获取中的最大值/>:
;
为所述最大波动时间节点。
2.根据权利要求1所述的一种基于大数据的急诊急救质控指标灵活展示统计方法,其特征在于,多项所述急诊急救数据包括急诊科医患比、急诊科护患比、急诊各级患者比例、抢救室滞留时间中位数、急性心肌梗死患者平均门药时间、急性心肌梗死患者门药时间达标率、急性心肌梗死患者平均门球时间、急性心肌梗死患者平均门球时间达标率、急诊抢救室患者死亡率、急诊手术患者死亡率、ROSC 成功率和非计划重返抢救室率。
3.根据权利要求1所述的一种基于大数据的急诊急救质控指标灵活展示统计方法,其特征在于,所述建立急诊急救数据矩阵的方法为:
;
;
;
其中,为所述急诊急救数据矩阵,/>为矩阵第i行第j列元素且代表第/>项所述急诊急救数据在时间节点/>的值,/>为所述急诊急救数据的总项数,/>为采集多项急诊急救数据的时间节点总数。
4.根据权利要求1所述的一种基于大数据的急诊急救质控指标灵活展示统计方法,其特征在于,获取最大波动时间节点中波动最大的前三项急诊急救数据的方法为:
获取最大波动时间节点中每项急诊急救数据的偏差:
为最大波动时间节点中第/>项急诊急救数据的偏差,/>为所述多个时间节点中第/>项所述急诊急救数据的平均值,/>为第/>项所述急诊急救数据在最大波动时间节点的值;
获取中数值最大的三项,对应的所述急诊急救数据即为最大波动时间节点中波动最大的前三项急诊急救数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410339361.2A CN117936054B (zh) | 2024-03-25 | 2024-03-25 | 一种基于大数据的急诊急救质控指标灵活展示统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410339361.2A CN117936054B (zh) | 2024-03-25 | 2024-03-25 | 一种基于大数据的急诊急救质控指标灵活展示统计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117936054A CN117936054A (zh) | 2024-04-26 |
CN117936054B true CN117936054B (zh) | 2024-05-17 |
Family
ID=90765068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410339361.2A Active CN117936054B (zh) | 2024-03-25 | 2024-03-25 | 一种基于大数据的急诊急救质控指标灵活展示统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117936054B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150090938A (ko) * | 2014-01-29 | 2015-08-07 | 주식회사 글로비트 | 사물 인터넷을 이용한 응급환자 상태정보 실시간 전송 시스템 |
CN112396345A (zh) * | 2020-12-01 | 2021-02-23 | 福州市天弓信息科技有限公司 | 一种应急数据收集整理和分析处理方法 |
CN113408899A (zh) * | 2017-12-05 | 2021-09-17 | 北京绪水互联科技有限公司 | 设备的剩余应急维修时间的预警点检测方法、预警方法、及预警系统 |
CN113689944A (zh) * | 2021-08-31 | 2021-11-23 | 众志飞救医疗科技(深圳)有限公司 | 医疗急救的调控方法、装置以及计算机可读存储介质 |
CN113706336A (zh) * | 2021-09-01 | 2021-11-26 | 知能汇融(北京)咨询有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
CN114141343A (zh) * | 2021-11-19 | 2022-03-04 | 东台市卫生健康委员会 | 院内病人防疫管理系统 |
CN114613478A (zh) * | 2022-03-02 | 2022-06-10 | 复旦大学附属中山医院 | 急诊护理智能管理系统 |
CN115512820A (zh) * | 2022-10-12 | 2022-12-23 | 心智医联(北京)科技有限公司 | 一种云智医智慧医疗平台 |
CN115631836A (zh) * | 2022-10-18 | 2023-01-20 | 重庆橡树信息科技有限公司 | 一种分析急救资源进行合理分配的系统及方法 |
CN115858509A (zh) * | 2022-11-17 | 2023-03-28 | 深圳达实旗云健康科技有限公司 | 医疗数据波动率监测方法、装置、设备及可读存储介质 |
CN116825314A (zh) * | 2023-08-28 | 2023-09-29 | 四川互慧软件有限公司 | 基于运筹学的医疗救护资源动态优化分配系统与方法 |
CN116895372A (zh) * | 2023-09-11 | 2023-10-17 | 之江实验室 | 一种基于大规模语言模型与元学习的智能急救分级系统 |
CN117316457A (zh) * | 2023-10-23 | 2023-12-29 | 上海交通大学宁波人工智能研究院 | 一种透析中生理指标预测智慧管理方法与系统 |
CN117612693A (zh) * | 2024-01-24 | 2024-02-27 | 四川互慧软件有限公司 | 一种患者实时监测和预警方法、装置、计算机及存储介质 |
CN117710165A (zh) * | 2024-02-05 | 2024-03-15 | 氧乐互动(天津)科技有限公司 | 基于模拟人的急救成效分析的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021129885A1 (de) * | 2021-11-16 | 2023-05-17 | Peiker Holding Gmbh | Computerimplementiertes Verfahren zum Managen eines digitalen Informationsaustausches im Zusammenhang mit Rettungseinsätzen und Verfahren zur Koordination von in einem Notarzt-Pool verfügbaren Notärzten |
-
2024
- 2024-03-25 CN CN202410339361.2A patent/CN117936054B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150090938A (ko) * | 2014-01-29 | 2015-08-07 | 주식회사 글로비트 | 사물 인터넷을 이용한 응급환자 상태정보 실시간 전송 시스템 |
CN113408899A (zh) * | 2017-12-05 | 2021-09-17 | 北京绪水互联科技有限公司 | 设备的剩余应急维修时间的预警点检测方法、预警方法、及预警系统 |
CN112396345A (zh) * | 2020-12-01 | 2021-02-23 | 福州市天弓信息科技有限公司 | 一种应急数据收集整理和分析处理方法 |
CN113689944A (zh) * | 2021-08-31 | 2021-11-23 | 众志飞救医疗科技(深圳)有限公司 | 医疗急救的调控方法、装置以及计算机可读存储介质 |
CN113706336A (zh) * | 2021-09-01 | 2021-11-26 | 知能汇融(北京)咨询有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
CN114141343A (zh) * | 2021-11-19 | 2022-03-04 | 东台市卫生健康委员会 | 院内病人防疫管理系统 |
CN114613478A (zh) * | 2022-03-02 | 2022-06-10 | 复旦大学附属中山医院 | 急诊护理智能管理系统 |
CN115512820A (zh) * | 2022-10-12 | 2022-12-23 | 心智医联(北京)科技有限公司 | 一种云智医智慧医疗平台 |
CN115631836A (zh) * | 2022-10-18 | 2023-01-20 | 重庆橡树信息科技有限公司 | 一种分析急救资源进行合理分配的系统及方法 |
CN115858509A (zh) * | 2022-11-17 | 2023-03-28 | 深圳达实旗云健康科技有限公司 | 医疗数据波动率监测方法、装置、设备及可读存储介质 |
CN116825314A (zh) * | 2023-08-28 | 2023-09-29 | 四川互慧软件有限公司 | 基于运筹学的医疗救护资源动态优化分配系统与方法 |
CN116895372A (zh) * | 2023-09-11 | 2023-10-17 | 之江实验室 | 一种基于大规模语言模型与元学习的智能急救分级系统 |
CN117316457A (zh) * | 2023-10-23 | 2023-12-29 | 上海交通大学宁波人工智能研究院 | 一种透析中生理指标预测智慧管理方法与系统 |
CN117612693A (zh) * | 2024-01-24 | 2024-02-27 | 四川互慧软件有限公司 | 一种患者实时监测和预警方法、装置、计算机及存储介质 |
CN117710165A (zh) * | 2024-02-05 | 2024-03-15 | 氧乐互动(天津)科技有限公司 | 基于模拟人的急救成效分析的方法及系统 |
Non-Patent Citations (1)
Title |
---|
医疗质量管理数据查询与监测软件的研发;马睿;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120315(第03期);第I138-638页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117936054A (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10248762B2 (en) | System and method of medical device alarm management | |
US5277188A (en) | Clinical information reporting system | |
US7395216B2 (en) | Using predictive models to continuously update a treatment plan for a patient in a health care location | |
Rahman et al. | An intelligent health monitoring and diagnosis system based on the internet of things and fuzzy logic for cardiac arrhythmia COVID-19 patients | |
US20240108220A1 (en) | Method and apparatus for monitoring collection of physiological patient data | |
US20100259395A1 (en) | Patient monitoring system and method | |
CN116895372B (zh) | 一种基于大规模语言模型与元学习的智能急救分级系统 | |
Giuliano | Improving patient safety through the use of nursing surveillance | |
CN111329459A (zh) | 一种改良的患者生命体征监测预警评分方法 | |
CN104823195A (zh) | 一种降低临床设定中的妨害性警报负荷的方法和系统 | |
KR102598101B1 (ko) | 딥 뉴럴 네트워크 기반 실시간 중환자실 환자 상태 분석 시스템 및 방법 | |
CN113905664B (zh) | 一种用于检测生理状况的事件驱动脉冲神经网络系统 | |
CN117612725A (zh) | 一种用于重症监护室的呼吸机警报管理方法及系统 | |
Kenneth et al. | Data fusion of multimodal cardiovascular signals | |
CN117936054B (zh) | 一种基于大数据的急诊急救质控指标灵活展示统计方法 | |
EP4079224A1 (en) | Electrocardiographic analysis device, electrocardiographic analysis method, and program | |
Choi et al. | Vitalcore: Analytics and support dashboard for medical device integration | |
CN116013536A (zh) | 一种基于急危重症科室医疗质控指标自动采集分析方法及系统 | |
Portela et al. | Pervasive real-time intelligent system for tracking critical events with intensive care patients | |
CN118280563A (zh) | 一种辅助脓毒症患者的治疗的评估系统及方法 | |
Khalil et al. | Efficient extreme learning machine (ELM) based algorithm for electrocardiogram (ECG) heartbeat classification | |
Marudhapandi et al. | Wearable ecg monitoring system and data analysis | |
Stolba et al. | Towards sustainable decision-support system facilitating EBM | |
WO2024014840A1 (ko) | 심전도에 기반하여 응급 환자의 이송 서비스 및 입원 환자의 모니터링을 제공하는 방법, 프로그램 및 장치 | |
CN116965785B (zh) | 一种生命体征监测分析方法、系统、终端及存储介质 |
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 |