CN117942044B - 一种用于老年护理用镇痛评估方法及系统 - Google Patents
一种用于老年护理用镇痛评估方法及系统 Download PDFInfo
- Publication number
- CN117942044B CN117942044B CN202410346180.2A CN202410346180A CN117942044B CN 117942044 B CN117942044 B CN 117942044B CN 202410346180 A CN202410346180 A CN 202410346180A CN 117942044 B CN117942044 B CN 117942044B
- Authority
- CN
- China
- Prior art keywords
- nursing
- information
- value
- analgesic
- rest
- 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
- 230000036407 pain Effects 0.000 title claims abstract description 108
- 238000011156 evaluation Methods 0.000 title claims abstract description 58
- 230000000474 nursing effect Effects 0.000 claims abstract description 203
- 230000000202 analgesic effect Effects 0.000 claims abstract description 86
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000008859 change Effects 0.000 claims abstract description 24
- 239000003814 drug Substances 0.000 claims description 43
- 229940079593 drug Drugs 0.000 claims description 39
- 230000036592 analgesia Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 15
- 230000003313 weakening effect Effects 0.000 claims description 13
- 230000004622 sleep time Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims description 2
- 229940035676 analgesics Drugs 0.000 description 4
- 239000000730 antalgic agent Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004617 sleep duration Effects 0.000 description 2
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000036267 drug metabolism Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Landscapes
- Accommodation For Nursing Or Treatment Tables (AREA)
Abstract
本发明涉及护理技术领域，具体公开了一种用于老年护理用镇痛评估方法及系统，所述方法包括：获取监测周期内被护理患者的镇痛信息、护理信息和作息信息；对镇痛信息进行分析，基于镇痛信息计算获得镇痛表现值；得到体征变化信息；获取作息信息，并基于作息信息和镇痛信息，计算获得作息影响因子；根据体征变化信息和作息影响因子计算获得护理评估值；将护理评估值与预设护理值进行比较；并得到护理状态信息，获取护理状态待提高信号，基于护理模型调整护理信息并得到护理状态向好信号，基于分析结果对护理信息进行调整，使被护理患者在护理监测周期内可以得到实时的监测评判，然后基于监测评判的结果对护理信息进行调整。
Description
技术领域
本发明涉及护理技术领域，具体涉及一种用于老年护理用镇痛评估方法及系统。
背景技术
老年护理即诊断和处理老人现存的或潜在的健康问题。比如老人心理健康、各种疾病的护理；目前，老年人可能因为多种原因（如退行性疾病、慢性疾病等）而经历疼痛，疼痛可能会影响老年人的日常生活、社交和心理健康，现如今对患者镇痛的评估一般通过患者的自身感受描述作为对患者镇痛程度的评价；然而，这种通过描述对患者镇痛进行评价在一定程度上存在很大的片面性。
现有技术中，一项公开号为CN117219218A的中国发明专利公开了一种患者疼痛信息管理系统，该系统可以应用于老年人，其中，系统包括疼痛管理记录书写模块、疼痛管理预警模块、患者疼痛自我管理模块、疼痛多学科团队协作管理平台和疼痛质量管理模块；疼痛管理记录书写模块，用于记录患者的疼痛情况及处理措施，分析患者疼痛规律；疼痛管理预警模块，用于针对镇痛药物的不良反应风险以及患者的疼痛强度进行预警；患者疼痛自我管理模块，用于患者自行录入疼痛信息；疼痛多学科团队协作管理平台，用于对疼痛患者进行分级，并基于分级情况自动发起团队会诊；疼痛质量管理模块，用于统计和监控患者疼痛数据。采用该方案能以系统方式记录患者疼痛情况，可便于对疼痛患者信息统一管理，有利于疼痛患者信息后续的使用和编辑。另一项公开号为CN116313103A 的中国发明专利公开了一种疼痛识别模型的训练方法、疼痛识别方法、装置和介质，所述疼痛识别模型的训练方法包括：基于第一数据集和第二数据集，构建第一样本数据；第一样本数据包括第一数据集或第二数据集中同一个对象的参考图像帧和目标图像帧；构建疼痛识别模型，并将第一样本数据输入至疼痛识别模型中进行迭代训练，其中，训练好的疼痛识别模型用于识别病患表情对应的疼痛指数，疼痛识别模型的第一层结构分别应用于第一样本数据中的参考图像帧和目标图像帧，并基于参考图像帧与目标图像帧相减生成特征图。可见，现有技术只是对疼痛数据的处理以及识别，并不能对老年人的镇痛药物的效果进行评估，无法保证镇痛治疗的有效性。
另外，随着年龄的增长，老年人的身体机能和药物代谢能力会发生变化，对镇痛药物的需求和反应可能与年轻人不同，因此，需要及时发现并采取有效措施缓解疼痛，进而提高老人的生活质量。
基于此，我们提出一种用于老年护理用镇痛评估方法及系统，可以定期评估镇痛药物的效果，并根据评估结果及时调整药物剂量或用药频率，确保镇痛治疗的有效性。
发明内容
本发明的目的在于提供一种用于老年护理用镇痛评估方法及系统，以解决上述背景中问题。
本发明的目的可以通过以下技术方案实现：
一种用于老年护理用镇痛评估方法，包括：
步骤一：获取监测周期内被护理患者的镇痛信息、护理信息和作息信息；
步骤二：对镇痛信息进行分析，基于镇痛信息计算获得镇痛表现值；得到体征变化信息；
步骤三：获取作息信息，并基于作息信息和镇痛信息，计算获得作息影响因子ZX；
步骤四：根据体征变化信息和作息影响因子ZX计算获得护理评估值HLp；将护理评估值HLp与预设护理值HLy进行比较；并得到护理状态信息，其中，护理状态信息包括护理状态向好信号和护理状态待提高信号；
步骤五：获取护理状态待提高信号，基于护理模型调整护理信息并得到护理状态向好信号。
作为本发明进一步的方案：步骤一中：镇痛信息包括被护理患者的疼痛程度值、疼痛频次值和疼痛时长值；
护理信息为被护理患者在护理过程中的用药信息，包括用药频率值和用药剂量值；
作息信息包括被护理患者的睡眠时长值。
作为本发明进一步的方案：步骤二中镇痛表现值的获取方式为：
将监测周期时长划分为若干相同时长为t的子周期单元，并标记为n；
获取子周期单元内镇痛信息；包括疼痛程度值TDn、疼痛频次值TCn和疼痛时长值TTn；
通过计算获得区间镇痛值JZn；其中，a为区间镇痛影
响因子，b为区间镇痛干扰因子；
再通过计算获得镇痛表现值ZTbn。
作为本发明进一步的方案：体征变化信息包括镇痛减弱信号和镇痛增强信号；
若镇痛表现值ZTbn＜0，则生成镇痛减弱信号；
若镇痛表现值ZTbn≥0，则生成镇痛增强信号。
作为本发明进一步的方案：步骤三中作息影响因子ZX的获取方式为：
获取子周期单元n内被护理患者的睡眠时长值，并标记为SMn；同时，获取被护理患者在监测周期内的子周期单元n中的疼痛频次值TCn和疼痛时长值TTn；
通过计算获得被护理患者在监测子周期单元n中的作息影响因子
ZX。
作为本发明进一步的方案：护理评估值HLp的获取方式为：
获取子周期单元n内的镇痛表现值ZTbn和作息影响因子ZX；
同时获取被护理患者在监测周期内的子周期单元n中的用药频率值YYp和用药剂量值YYj；
通过计算获得护理评估值HLp，其中，c为用药频率影响系数，d
为用药剂量影响系数，e为护理评估修正值。
作为本发明进一步的方案：若护理评估值HLp＜预设护理值HLy，则生成护理状态待提高信号；
若护理评估值HLp≥预设护理值HLy且镇痛表现值ZTbn＜0，则生成护理状态向好信号。
作为本发明进一步的方案：护理模型的获取方式为：
获取历史监测数据，包括历史镇痛表现值ZTbs和历史护理信息，其中，历史护理信息包括历史用药频率值YYps和历史用药剂量值YYjs；
通过计算获得用药频率影响因子γ、用药剂量影响
因子β和用药修正系数θ；即可得到护理模型。
作为本发明进一步的方案：获取护理状态待提高信号，调节用药频率值YYp和用药剂量值YYj，获取镇痛信息并计算得到镇痛减弱信号，同时获得护理状态向好信号。
作为本发明进一步的方案：一种用于老年护理用镇痛评估系统，包括：数据获取模块：用于获取监测周期内被护理患者的镇痛信息、护理信息和作息信息；
处理模块：用于对镇痛信息进行分析，基于镇痛信息计算获得镇痛表现值；得到体征变化信息；
分析模块：用于获取作息信息，并基于作息信息和镇痛信息，计算获得作息影响因子ZX；
评估模块：根据体征变化信息和作息影响因子ZX计算获得护理评估值HLp；将护理评估值HLp与预设护理值HLy进行比较；并得到护理状态信息，其中，护理状态信息包括护理状态向好信号和护理状态待提高信号；
护理调整模块：获取护理状态待提高信号，基于护理模型调整护理信息并得到护理状态向好信号。
本发明的有益效果：
本发明中，通过对被护理患者在监测周期内的镇痛信息、护理信息和作息信息进行分析计算，分别得到被护理患者在监测子周期内的体征变化信息，进一步可以快速判断被护理患者在监测子周期内的镇痛状况，另外，基于被护理患者的镇痛表现值和检测子周期内的护理信息与作息信息，获得被护理患者在监测子周期内的护理评估值，进而判断得到被护理患者在监测子周期内的护理情况是护理状态向好还是护理状态待提高；
若出现护理状态待提高的情况时，则基于护理模型对护理信息进行调整，调整过程中，首先基于护理模型使被护理患者的镇痛减弱，即得到镇痛减弱信号；然后进一步计算得到护理评估值满足预设护理值的护理信息；此时，便可以根据调整之后的护理信息进行后续的护理工作，即可以得到镇痛情况减弱且护理评估值满足要求的护理需求；
通过对被护理患者护理过程中的镇痛信息和作息信息进行分析，得到被护理患者在护理过程中的镇痛变化情况，然后基于被护理患者的体征变化信息和护理状态信息进行分析判定，然后基于分析结果对护理信息进行调整，使被护理患者在护理监测周期内可以得到实时的监测评判，然后基于监测评判的结果对护理信息进行调整，使得被护理患者可以得到及时的护理，保证护理效果。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的方法流程示意图；
图2是本发明的系统框图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为一种用于老年护理用镇痛评估方法，包括：
步骤一：获取监测周期内被护理患者的镇痛信息、护理信息和作息信息；
步骤二：对镇痛信息进行分析，基于镇痛信息计算获得镇痛表现值；得到体征变化信息；
步骤三：获取作息信息，并基于作息信息和镇痛信息，计算获得作息影响因子ZX；
步骤四：根据体征变化信息和作息影响因子ZX计算获得护理评估值HLp；将护理评估值HLp与预设护理值HLy进行比较；并得到护理状态信息，其中，护理状态信息包括护理状态向好信号和护理状态待提高信号；
步骤五：获取护理状态待提高信号，基于护理模型调整护理信息并得到护理状态向好信号。
通过对被护理患者在护理监测过程中的各项数据进行获取，对被护理患者在护理过程中的镇痛信息进行分析计算，得到被护理患者的镇痛表现值，进而可以判断并得到被护理患者的体征变化信息，若镇痛表现值小于0，则说明在护理过程中，被护理患者的镇痛情况在逐渐减弱，然后，再基于护理信息和被护理患者的睡眠状况进行分析，得到衡量被护理患者在监测过程中的护理状态评估值，进一步判断该护理状态对被护理患者是否有效。
实施例二
基于上述镇痛评估方法，具体的，本实施例如下方法：
步骤001：获取监测周期内被护理患者的镇痛信息、护理信息和作息信息；其中，镇痛信息包括被护理患者的疼痛程度值TD、疼痛频次值TC和疼痛时长值TT；护理信息为被护理患者在护理过程中的用药信息，包括用药频率值YYp和用药剂量值YYj；作息信息包括被护理患者的睡眠时长值SM；
步骤002：将监测周期时长划分为若干相同时长为t的子周期单元，并标记为n；获取子周期单元内镇痛信息；包括疼痛程度值TDn、疼痛频次值TCn和疼痛时长值TTn；
步骤003：通过计算获得区间镇痛值JZn；其中，a为区
间镇痛影响因子，b为区间镇痛干扰因子；
再通过计算获得镇痛表现值ZTbn；
若镇痛表现值ZTbn＜0，则生成镇痛减弱信号；表示被护理患者在监测子周期单元内的镇痛状况有所减弱，即该监测子周期单元内的护理信息符合该被护理患者的镇痛情况，可以继续保持；
若镇痛表现值ZTbn≥0，则生成镇痛增强信号；表示被护理患者在监测子周期单元内的镇痛出现增强的情况，即需要调整被护理患者的护理情况；以减少被护理患者的镇痛状况；
步骤004：获取子周期单元n内被护理患者的睡眠时长值，并标记为SMn；同时，获取被护理患者在监测周期内的子周期单元n中的疼痛频次值TCn和疼痛时长值TTn；
步骤005：通过计算获得被护理患者在监测子周期单元n中的作息影
响因子ZX。
其中，作息影响因子是指去子周期单元时长内，非睡眠状态下的单次疼痛时长值；用于评判监测子周期单元内被护理人的护理状态效果；
步骤006：获取子周期单元n内的镇痛表现值ZTbn和作息影响因子ZX；同时获取被护理患者在监测周期内的子周期单元n中的用药频率值YYp和用药剂量值YYj；
步骤007：通过计算获得护理评估值HLp，其中，c为用药频率影
响系数，d为用药剂量影响系数，e为护理评估修正值；
若护理评估值HLp＜预设护理值HLy，则生成护理状态待提高信号；
若护理评估值HLp≥预设护理值HLy且镇痛表现值ZTbn＜0，则生成护理状态向好信号；
需要说明的是，护理状态待提高信号包括两种情况，分别为护理评估值HLp＜预设护理值HLy且镇痛表现值ZTbn＜0和护理评估值HLp＜预设护理值HLy且镇痛表现值ZTbn≥0两种情况，即当护理评估值HLp小于预设护理值HLy时，均得到护理状态待提高信号；此时，则需要基于护理模型调整护理信息，包括被护理患者在护理过程中的用药信息和用药频率；使得护理评估值HLp≥预设护理值HLy且镇痛表现值ZTbn＜0；即得到镇痛减弱信号，同时获得护理状态向好信号；
通过对被护理患者在监测周期内的镇痛信息、护理信息和作息信息进行分析计算，分别得到被护理患者在监测子周期内的体征变化信息，进一步可以快速判断被护理患者在监测子周期内的镇痛状况，另外，基于被护理患者的镇痛表现值和检测子周期内的护理信息与作息信息，获得被护理患者在监测子周期内的护理评估值，进而判断得到被护理患者在监测子周期内的护理情况是护理状态向好还是护理状态待提高；
若出现护理状态待提高的情况时，则基于护理模型对护理信息进行调整，调整过程中，首先基于护理模型使被护理患者的镇痛减弱，即得到镇痛减弱信号；然后进一步计算得到护理评估值满足预设护理值的护理信息；此时，便可以根据调整之后的护理信息进行后续的护理工作，即可以得到镇痛情况减弱且护理评估值满足要求的护理需求；
通过对被护理患者护理过程中的镇痛信息和作息信息进行分析，得到被护理患者在护理过程中的镇痛变化情况，然后基于被护理患者的体征变化信息和护理状态信息进行分析判定，然后基于分析结果对护理信息进行调整，使被护理患者在护理监测周期内可以得到实时的监测评判，然后基于监测评判的结果对护理信息进行调整，使得被护理患者可以得到及时的护理，保证护理效果。
实施例三
基于上述实施例中，通过护理模型调整护理信息，并得到护理状态向好信号，其中，关于护理模型的获取方式，本申请提供以下方案：
获取历史监测数据，包括历史镇痛表现值ZTbs和历史护理信息，其中，历史护理信息包括历史用药频率值YYps和历史用药剂量值YYjs；
通过计算获得用药频率影响因子γ、用药剂量影响
因子β和用药修正系数θ；即可得到护理模型。
需要说明的是，护理模型是用药频率值和用药剂量值对镇痛表现值的影响，仅为了获得用药频率和用药剂量对镇痛表现值的线性影响曲线，并基于线性影响曲线调整用药频率和用药剂量，关于真实的镇痛表现值，则通过实时监测的镇痛信息、护理信息和作息信息进行实时计算获取；
另外，在对护理信息进行调整时，若镇痛表现值ZTbn≥0，则说明在护理过程中，被
护理患者的镇痛状况并没有减弱，此时，则基于护理模型中降低镇痛表现值的角度调节护
理信息，降低镇痛表现值，即可实现镇痛减弱的目的；然后，在调节护理信息使镇痛表现值
ZTbn＜0之后，再通过进一步计算，判断护理评估值HLp是否满足护理需
求；当护理评估值满足标准之后，则说明该护理信息满足被护理患者的护理需求。
实施例四
参照图2所示，一种用于老年护理用镇痛评估系统，包括：
数据获取模块：用于获取监测周期内被护理患者的镇痛信息、护理信息和作息信息；
处理模块：用于对镇痛信息进行分析，基于镇痛信息计算获得镇痛表现值；得到体征变化信息；
分析模块：用于获取作息信息，并基于作息信息和镇痛信息，计算获得作息影响因子ZX；
评估模块：根据体征变化信息和作息影响因子ZX计算获得护理评估值HLp；将护理评估值HLp与预设护理值HLy进行比较；并得到护理状态信息，其中，护理状态信息包括护理状态向好信号和护理状态待提高信号；
护理调整模块：获取护理状态待提高信号，基于护理模型调整护理信息并得到护理状态向好信号。
通过获取被护理患者在护理监测过程中的各项数据，并进行分析计算；得到被护理患者的镇痛表现值，进而判断并得到被护理患者的体征变化信息，若镇痛表现值小于0，则说明在护理过程中，被护理患者的镇痛情况在逐渐减弱，然后，再基于护理信息和被护理患者的睡眠状况进行分析，得到衡量被护理患者在监测过程中的护理状态评估值，进一步判断该护理状态对被护理患者是否有效，若出现护理状态待提高的情况时，则基于护理模型对护理信息进行调整，以使护理状态待提高的情况时，则基于护理模型对护理信息进行调整。
关于上述的实施例中的镇痛信息，其中，镇痛信息包括被护理患者的疼痛程度值TD、疼痛频次值TC和疼痛时长值TT，其中，选用的评估工具包括数字等级评定量表（NRS）和语言等级评定量表（VRS）；
其中，数字等级评定量表为评判疼痛的量化工具，让患者选择一个0到10之间的数字来表示他们的疼痛程度，数字范围从0（无疼痛）到10（最剧烈的疼痛）；语言等级评定量表是使用描述性的词语或短语来量化疼痛程度，如无疼痛、轻度疼痛、中度疼痛和重度疼痛。
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，公式中的预设参数由本领域的技术人员根据实际情况及大量数据和工作经验进行计算并设置。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (3)
1.一种用于老年护理用镇痛评估方法，其特征在于，包括：
步骤一：获取监测周期内被护理患者的镇痛信息、护理信息和作息信息；镇痛信息包括被护理患者的疼痛程度值、疼痛频次值和疼痛时长值；
步骤二：对镇痛信息进行分析，基于镇痛信息计算获得镇痛表现值；得到体征变化信息；
镇痛表现值的获取方式为：
将监测周期时长划分为若干相同时长为t的子周期单元，并标记为n；
获取子周期单元内镇痛信息；包括疼痛程度值TDn、疼痛频次值TCn和疼痛时长值TTn；
通过计算获得区间镇痛值JZn；其中，a为区间镇痛影响因子，b为区间镇痛干扰因子；
再通过计算获得镇痛表现值ZTbn；
体征变化信息包括镇痛减弱信号和镇痛增强信号；
若镇痛表现值ZTbn＜0，则生成镇痛减弱信号；
若镇痛表现值ZTbn≥0，则生成镇痛增强信号；
步骤三：获取作息信息，并基于作息信息和镇痛信息，计算获得作息影响因子ZX；
步骤四：根据体征变化信息和作息影响因子ZX计算获得护理评估值HLp；将护理评估值HLp与预设护理值HLy进行比较；并得到护理状态信息，其中，护理状态信息包括护理状态向好信号和护理状态待提高信号；
步骤五：获取护理状态待提高信号，基于护理模型调整护理信息并得到护理状态向好信号；
步骤一中：
护理信息为被护理患者在护理过程中的用药信息，包括用药频率值和用药剂量值；
作息信息包括被护理患者的睡眠时长值；
步骤三中作息影响因子ZX的获取方式为：
获取子周期单元n内被护理患者的睡眠时长值，并标记为SMn；同时，获取被护理患者在监测周期内的子周期单元n中的疼痛频次值TCn和疼痛时长值TTn；
通过计算获得被护理患者在监测子周期单元n中的作息影响因子ZX；
护理评估值HLp的获取方式为：
获取子周期单元n内的镇痛表现值ZTbn和作息影响因子ZX；
同时获取被护理患者在监测周期内的子周期单元n中的用药频率值YYp和用药剂量值YYj；
通过计算获得护理评估值HLp，其中，c为用药频率影响系数，d为用药剂量影响系数，e为护理评估修正值；
若护理评估值HLp＜预设护理值HLy，则生成护理状态待提高信号；
若护理评估值HLp≥预设护理值HLy且镇痛表现值ZTbn＜0，则生成护理状态向好信号；
护理模型的获取方式为：
获取历史监测数据，包括历史镇痛表现值ZTbs和历史护理信息，其中，历史护理信息包括历史用药频率值YYps和历史用药剂量值YYjs；
通过计算获得用药频率影响因子γ、用药剂量影响因子β和用药修正系数θ；即可得到护理模型
。
2.根据权利要求1所述的一种用于老年护理用镇痛评估方法，其特征在于，获取护理状态待提高信号，调节用药频率值YYp和用药剂量值YYj，获取镇痛信息并计算得到镇痛减弱信号，同时获得护理状态向好信号。
3.一种用于老年护理用镇痛评估系统，该系统实现如权利要求1-2任一项所述的方法，其特征在于，包括：
数据获取模块：用于获取监测周期内被护理患者的镇痛信息、护理信息和作息信息；
处理模块：用于对镇痛信息进行分析，基于镇痛信息计算获得镇痛表现值；得到体征变化信息；
分析模块：用于获取作息信息，并基于作息信息和镇痛信息，计算获得作息影响因子ZX；
评估模块：根据体征变化信息和作息影响因子ZX计算获得护理评估值HLp；将护理评估值HLp与预设护理值HLy进行比较；并得到护理状态信息，其中，护理状态信息包括护理状态向好信号和护理状态待提高信号；
护理调整模块：获取护理状态待提高信号，基于护理模型调整护理信息并得到护理状态向好信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410346180.2A CN117942044B (zh) | 2024-03-26 | 2024-03-26 | 一种用于老年护理用镇痛评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410346180.2A CN117942044B (zh) | 2024-03-26 | 2024-03-26 | 一种用于老年护理用镇痛评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117942044A CN117942044A (zh) | 2024-04-30 |
| CN117942044B true CN117942044B (zh) | 2024-05-28 |
Family
ID=90794655
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410346180.2A Active CN117942044B (zh) | 2024-03-26 | 2024-03-26 | 一种用于老年护理用镇痛评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117942044B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106232000A (zh) * | 2014-02-14 | 2016-12-14 | 美敦力公司 | 感测和刺激系统 |
| CN113499035A (zh) * | 2021-07-12 | 2021-10-15 | 扬州大学 | 一种基于置信区间融合阈值判据的疼痛识别系统 |
| CN113924627A (zh) * | 2019-02-22 | 2022-01-11 | 派尔疗法股份有限公司 | 用于治疗与偏头痛相关联的症状的系统和方法 |
| CN116153489A (zh) * | 2023-02-21 | 2023-05-23 | 首都医科大学附属北京天坛医院 | 一种电子镇痛泵的智能管理方法和系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6529195B1 (en) * | 2000-09-08 | 2003-03-04 | James B. Eberlein | Pain migration tracking and display method |
| US8574156B2 (en) * | 2005-07-05 | 2013-11-05 | General Electric Company | Determination of the clinical state of a subject |
| US10850034B2 (en) * | 2013-03-15 | 2020-12-01 | Ivan Osorio | Automatic treatment of pain |
| ES2765802T3 (es) * | 2015-07-17 | 2020-06-11 | Quantium Medical S L | Dispositivo y método para evaluar el nivel de consciencia, dolor y nocicepción durante el estado de vigilia, la sedación y la anestesia general |
-
2024
- 2024-03-26 CN CN202410346180.2A patent/CN117942044B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106232000A (zh) * | 2014-02-14 | 2016-12-14 | 美敦力公司 | 感测和刺激系统 |
| CN113924627A (zh) * | 2019-02-22 | 2022-01-11 | 派尔疗法股份有限公司 | 用于治疗与偏头痛相关联的症状的系统和方法 |
| CN113499035A (zh) * | 2021-07-12 | 2021-10-15 | 扬州大学 | 一种基于置信区间融合阈值判据的疼痛识别系统 |
| CN116153489A (zh) * | 2023-02-21 | 2023-05-23 | 首都医科大学附属北京天坛医院 | 一种电子镇痛泵的智能管理方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| Low use of opioid risk reduction strategies in primary care even for high risk patients with chronic pain;Joanna L Starrels et al;《J Gen Intern Med.》;20110930;全文 * |
| 心肌缺血预适应对急性心肌梗死病人的影响;李轩 等;《中西医结合心脑血管病杂志》;20060831;第4卷(第8期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117942044A (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Woods et al. | Action (verb) fluency: Test–retest reliability, normative standards, and construct validity | |
| EP3277181B1 (en) | Systems and methods for assessing cognitive function | |
| Stevenson et al. | Statistical assessment of the stability of neural movement representations | |
| Hertig-Godeschalk et al. | Microsleep episodes in the borderland between wakefulness and sleep | |
| Jorge et al. | Alcohol misuse and mood disorders following traumatic brain injury | |
| Sinclair et al. | Actigraphic assessment of sleep disturbances following traumatic brain injury | |
| Hammad et al. | pyActigraphy: Open-source python package for actigraphy data visualization and analysis | |
| Stone et al. | Generalizability of a neural network model for circadian phase prediction in real-world conditions | |
| Pillay et al. | Applying a data-driven approach to quantify EEG maturational deviations in preterms with normal and abnormal neurodevelopmental outcomes | |
| Rempe et al. | An automated sleep-state classification algorithm for quantifying sleep timing and sleep-dependent dynamics of electroencephalographic and cerebral metabolic parameters | |
| Asgari et al. | Quantitative measures of EEG for prediction of outcome in cardiac arrest subjects treated with hypothermia: a literature review | |
| Wang et al. | Study on the effect of man-machine response mode to relieve driving fatigue based on EEG and EOG | |
| CN117942044B (zh) | 一种用于老年护理用镇痛评估方法及系统 | |
| Imaizumi et al. | A neuronal prospect theory model in the brain reward circuitry | |
| Gay et al. | Feasibility of EEG measures in conjunction with light exercise for return-to-play evaluation after sports-related concussion | |
| Xue et al. | Effects of brain-computer interface training on upper limb function recovery in stroke patients: a protocol for systematic review and meta-analysis | |
| DE202023100911U1 (de) | Ein Internet der Dinge-basiertes Covid-Erkennungs- und Präventionssystem | |
| CN117059222A (zh) | 一种基于中医体质辨识的智能康复方案分析系统 | |
| Sanders et al. | Behavioural treatment of childhood recurrent abdominal pain: Relationships between pain, children's psychological characteristics and family functioning | |
| Källstrand et al. | A new method for analyzing auditory brain-stem response waveforms using a moving-minimum subtraction procedure of digitized analog recordings | |
| Kuruvilla et al. | Electropalatographic (EPG) assessment of tongue‐to‐palate contacts in dysarthric speakers following TBI | |
| Trujillo et al. | Using personality traits to construct linear growth models of mental health in family members of individuals with severe brain injury. | |
| DE102015109853A1 (de) | Assistenz- und Entscheidungssystem und Verfahren zur Auswertung von Elektroenzephalogrammen | |
| Chen et al. | A new application of TMR: A study on implicit self-esteem | |
| MASULO et al. | Methods for qualitative and quantitative analysis of pain and quality of life validated in Brazil: systematic review |
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 |