KR20160131406A - 만성질환 상태 변화도 예측 장치 - Google Patents

만성질환 상태 변화도 예측 장치 Download PDF

Info

Publication number
KR20160131406A
KR20160131406A KR1020150063739A KR20150063739A KR20160131406A KR 20160131406 A KR20160131406 A KR 20160131406A KR 1020150063739 A KR1020150063739 A KR 1020150063739A KR 20150063739 A KR20150063739 A KR 20150063739A KR 20160131406 A KR20160131406 A KR 20160131406A
Authority
KR
South Korea
Prior art keywords
chronic disease
risk
state change
degree
time
Prior art date
Application number
KR1020150063739A
Other languages
English (en)
Inventor
정상진
Original Assignee
한국전자통신연구원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020150063739A priority Critical patent/KR20160131406A/ko
Publication of KR20160131406A publication Critical patent/KR20160131406A/ko

Links

Images

Classifications

    • G06F19/3431—
    • G06F19/322—

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

의료 관계자들의 많은 노력이 없어도 만성질환 환자들 및 고위험군들은 본 시스템을 이용하여 질병의 상태 변화도를 예측할 수 있고, 일반인들은 본인의 만성질환 상태 변화도 예측 시스템을 통해 쉽게 인지함으로써 자신의 건강 상태를 보다 효율적으로 관리할 수 있게 하여 비용 효과적인 개인 맞춤형 건강관리를 제공하고 만성질환의 예방을 가능하게 하는 만성질환 상태 변화도 예측 장치 및 방법을 제시한다. 제시된 장치는 사용자로부터 만성질환의 각 생체정보별 측정지표의 측정값을 입력받는 입력부; 상기 만성질환의 각 생체정보별 측정지표의 측정값을 근거로 상기 사용자에 대한 시간에 따른 만성질환 발병 위험도를 계산하는 상태 변화도 계량화부; 및 상기 시간에 따른 만성질환 위험도에 근거하여 상기 사용자에 대한 만성질환 위험도 상태 변화도를 추정하는 상태 변화도 추정부;를 포함한다.

Description

만성질환 상태 변화도 예측 장치{Apparatus for estimating temporal progress of chronic disease}
본 발명은 만성질환 상태 변화도 예측 장치 및 방법에 관한 것으로, 보다 상세하게는 만성질환 환자의 질병 상태 변화도를 예측하기 위한 장치 및 방법에 관한 것이다.
고령화 사회로 진입함에 따라 만성질환 환자의 수가 급증하는 추세이다. 특히, 당뇨병과 심혈관계 질환 발병에 영향이 큰 대사증후군의 유병률이 급속히 증가하고 있다.
최근, 우리나라 사람들의 10대 사망원인 중 상당수가 뇌혈관질환, 심장질환, 당뇨병과 같은 만성질환으로 인한 사망이다. 이런 질병은 사망률뿐만 아니라 질병의 발생률이나 유병률도 상당히 높은 수준이다. 이러한 질병은 질병 자체의 문제뿐만 아니라 질병으로 인한 삶의 질 저하나 경제 손실 등과 같은 사회 전반적인 문제 발생의 주요 원인이 될 수 있다.
비만, 당뇨병, 고혈압 등의 만성질환은 가정내에서 지속적인 관리가 필요한 질병으로서, 이러한 질병이 발생하면 평생에 걸쳐 지속적인 관리 및 치료가 필요하고 국가 차원의 의료비 증가에도 큰 영향을 주고 있다.
따라서, 만성질환 환자가 가정에서 자가관리를 수행하는 경우, 질병의 상태 변화도를 예측하여 질병의 생태 악화를 조기에 예측함으로써 고위험군의 환자를 효과적으로 관리할 수 있는 시스템 및 방법의 개발이 필요하다.
본 발명과 관련되는 선행기술로는, 대한민국 공개특허 제2014-0022641호(만성질환 관리를 위한 지능형 에이전트 기반의 건강일지 서비스 시스템 및 그 방법)가 있다.
본 발명은 상기한 종래의 문제점을 해결하기 위해 제안된 것으로, 의료 관계자들의 많은 노력이 없어도 만성질환 환자들 및 고위험군들은 본 시스템을 이용하여 질병의 상태 변화도를 예측할 수 있고, 일반인들은 본인의 만성질환 상태 변화도 예측 시스템을 통해 쉽게 인지함으로써 자신의 건강 상태를 보다 효율적으로 관리할 수 있게 하여 비용 효과적인 개인 맞춤형 건강관리를 제공하고 만성질환의 예방을 가능하게 하는 만성질환 상태 변화도 예측 장치 및 방법을 제공함에 그 목적이 있다.
상기와 같은 목적을 달성하기 위하여 본 발명의 바람직한 실시양태에 따른 만성질환 상태 변화도 예측 장치는, 사용자로부터 만성질환의 각 생체정보별 측정지표의 측정값을 입력받는 입력부; 상기 만성질환의 각 생체정보별 측정지표의 측정값을 근거로 상기 사용자에 대한 시간에 따른 만성질환 발병 위험도를 계산하는 상태 변화도 계량화부; 및 상기 시간에 따른 만성질환 위험도에 근거하여 상기 사용자에 대한 만성질환 위험도 상태 변화도를 추정하는 상태 변화도 추정부;를 포함한다.
상기 상태 변화도 계량화부는, 상기 입력부에서 입력받은 측정값을 기초로 만성질환 발병 위험도를 계산하고, 계산된 만성질환 발병 위험도를 기반으로 상기 시간에 따른 만성질환 발병 위험도의 변화도를 계산할 수 있다.
상기 만성질환 발병 위험도는 레이더 도표 구성장치를 기반으로 계산될 수 있다.
상기 상태 변화도 추정부는, 상기 상태 변화도 계량화부로부터의 현재 시점의 측정된 생체지표 결과값 기반의 만성질환 발병 위험도에 근거하여 일정 시간 이후의 시점에서의 만성질환 발병위험도 예측값을 계산하고, 계산된 상기 일정 시간 이후의 시점에서의 만성질환 발병위험도 예측값 및 해당 시점에서의 만성질환 위험도 측정값과의 차이를 기반으로 만성질환 위험도 상태 변화도를 추정할 수 있다.
상기 상태 변화도 추정부는, 회귀분석 방법을 통해 상기 일정 시간 이후의 시점에서의 만성질환 발병위험도 예측값 및 해당 시점에서의 만성질환 위험도 측정값과의 차이를 기반으로 만성질환 위험도 상태 변화도를 추정할 수 있다.
상기 상태 변화도 추정부는, 만성질환 위험도 상태 변화도 추정값이 상기 사용자의 이전 상태와 비교하여 심각하면 메시지를 상기 사용자에게 보낼 수 있다.
상기 만성질환의 각 생체정보 측정 지표별로 상이한 가중치가 부여될 수 있다.
상기 만성질환이 대사증후군인 경우, 상기 생체정보 측정 지표는 공복혈당, 허리둘레, 고밀도 콜레스테롤, 중성지방, 및 혈압을 포함할 수 있다.
또한, 본 발명의 바람직한 실시양태에 따른 만성질환 상태 변화도 예측 방법은, 입력부가, 사용자로부터 만성질환의 각 생체정보별 측정지표의 측정값을 입력받는 단계; 상태 변화도 계량화부가, 상기 만성질환의 각 생체정보별 측정지표의 측정값을 근거로 상기 사용자에 대한 시간에 따른 만성질환 발병 위험도를 계산하는 단계; 및 상태 변화도 추정부가, 상기 시간에 따른 만성질환 위험도에 근거하여 상기 사용자에 대한 만성질환 위험도 상태 변화도를 추정하는 단계;를 포함한다.
상기 시간에 따른 만성질환 발병 위험도를 계산하는 단계는, 상기 입력받는 단계에서 입력받은 측정값을 기초로 만성질환 발병 위험도를 계산하는 단계; 및 계산된 만성질환 발병 위험도를 기반으로 상기 시간에 따른 만성질환 발병 위험도의 변화도를 계산하는 단계;를 포함할 수 있다.
상기 만성질환 위험도 상태 변화도를 추정하는 단계는, 상기 시간에 따른 만성질환 발병 위험도를 계산하는 단계에서의 현재 시점의 측정된 생체지표 결과값 기반의 만성질환 발병 위험도에 근거하여 일정 시간 이후의 시점에서의 만성질환 발병위험도 예측값을 계산하는 단계; 및 상기 계산된 일정 시간 이후의 시점에서의 만성질환 발병위험도 예측값 및 해당 시점에서의 만성질환 위험도 측정값과의 차이를 기반으로 만성질환 위험도 상태 변화도를 추정하는 단계;를 포함할 수 있다.
상기 만성질환 위험도 상태 변화도를 추정하는 단계는, 만성질환 위험도 상태 변화도 추정값이 상기 사용자의 이전 상태와 비교하여 심각하면 메시지를 상기 사용자에게 보낼 수 있다.
이러한 구성의 본 발명에 따르면, 만성질환 관련 판단지표들의 생체정보의 측정값에 대해 지표별로 상이한 가중치를 부여하고, 이를 기반으로 도표를 구성하여 구성된 도표 기반 위험도를 계량화하고, 계산된 위험도 계량화 값 기반의 회귀분석 결과를 이용하여 미래 시점의 만성질환 발병 위험도를 예측한다.
추후 해당 미래시점에서 실측된 만성질환 판단지표 기반의 만성질환 발병 위험도와 예측된 발병위험도를 비교함으로써 만성질환의 상태 변화도 정도의 심각성을 판단할 수 있다.
도 1은 본 발명의 실시예에 따른 만성질환 상태 변화도 예측 장치의 구성도이다.
도 2는 본 발명의 실시예에 따른 만성질환 상태 변화도 예측 방법을 설명하기 위한 흐름도이다.
도 3은 만성질환이 대사증후군인 것으로 가정하고 본 발명의 실시예에 따른 만성질환 상태 변화도 예측 방법을 설명하는 도면이다.
도 4는 본 발명의 실시예가 구현된 컴퓨터 시스템을 나타낸 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
본 발명에서는 만성질환 상태 변화도를 예측하기 위해, 만성질환 위험인자들을 시각화하여 도표를 구성하고, 구성된 도표를 기반으로 상태 변화도를 예측하며, 예측된 위험도를 기반으로 만성질환 상태가 위험 상태로 전이될 가능성이 있는 고위험군을 선별하는 장치를 제공한다.
본 발명의 기술적 과제는 검진자의 만성질환 판단지표 관련 생체 정보를 입력받으면 생체 정보를 기반으로 해당 만성질환의 상태 변화도를 계산하고, 계산된 변화도에 따라 만성질환 발병 고위험군 여부를 판별하는 방법으로 달성될 수 있다.
또한, 본 발명의 기술적 과제는, 만성질환 상태 변화도와 연관된 생체 정보를 계량화하여, 만성질환 판정을 위한 생체정보들의 계량화 값과 비교하여 위험군 여부를 판별하는 것을 특징으로 하는 만성질환 상태 변화도 예측 장치에 의해서도 달성될 수 있다.
도 1은 본 발명의 실시예에 따른 만성질환 상태 변화도 예측 장치의 구성도이다.
본 발명의 실시예에 따른 만성질환 상태 변화도 예측 장치는 입력부(10), 상태 변화도 계량화부(20), 및 상태 변화도 추정부(30)를 포함한다.
입력부(10)는 사용자로부터 만성질환의 각 생체정보 측정 지표의 측정값을 입력받는다.
상태 변화도 계량화부(20)는 입력부(10)에서 입력받은 측정값을 기초로 종래의 레이더 도표 구성장치 기반의 만성질환 발병 위험도를 계산한다. 이때, 만성질환의 각 생체정보 측정 지표별로 상이한 가중치가 부여되기도 한다.
그리고, 상태 변화도 계량화부(20)는 계산된 값(즉, 만성질환 발병 위험도 계산값)을 기반으로 시간에 따른 만성질환 발병 위험도를 계산(계량화)할 수 있다.
상태 변화도 추정부(30)는 상태 변화도 계량화부(20)로부터 현재 시점에서 측정된 생체지표 결과값을 기반으로 하는 만성질환 발병 위험도에 근거하여 일정 시간 이후의 시점(즉, 미래 시점)에서의 만성질환 발병위험도 예측값을 계산한다.
그리고, 상태 변화도 추정부(30)는 계산한 일정 시간 이후의 시점(미래 시점)에서의 만성질환 발병위험도 예측값 및 해당 시점에서의 생체정보 실측값을 이용한 만성질환 위험도 측정값과의 차이를 기반으로 만성질환 위험도 상태 변화도의 정도를 추정한다. 상태 변화도 계량화부(20)에서 시간에 따른 만성질환 발병 위험도를 계산하여 주기 때문에, 상태 변화도 추정부(30)는 이를 근거로 해당 시점(즉, 일정 시간 이후의 시점)에서의 만성질환 위험도 측정값을 쉽게 구할 수 있다.
도 2는 본 발명의 실시예에 따른 만성질환 상태 변화도 예측 방법을 설명하기 위한 흐름도이다.
먼저, 입력부(10)가 사용자로부터 만성질환의 각 생체정보 측정 지표의 측정값을 수신한다(S10). 입력부(10)는 해당 사용자에 대한 만성질환의 각 생체정보 측정 지표의 측정값을 상태 변화도 계량화부(20)에게로 전달한다.
그에 따라, 상태 변화도 계량화부(20)는 해당 사용자에 대한 만성질환의 각 생체정보 측정 지표의 측정값을 기초로 종래의 레이더 도표 구성장치 기반의 만성질환 발병 위험도를 계산한다(S20). 이때, 만성질환의 각 생체정보 측정 지표별로 상이한 가중치를 부여하여도 된다.
이후, 상태 변화도 계량화부(20)는 계산된 만성질환 발병 위험도 계산값을 기반으로 시간에 따른 만성질환 발병 위험도를 계량화한다(S30).
그리고, 상태 변화도 계량화부(20)는 계산된(계량화된) 시간에 따른 만성질환 발병 위험도를 상태 변화도 추정부(30)에게로 전달한다.
그에 따라, 상태 변화도 추정부(30)는 현재 시점에서 측정된 생체지표 결과값을 기반으로 하는 만성질환 발병 위험도에 근거하여 일정 시간 이후의 시점(미래 시점)에서의 만성질환 발병위험도 예측값을 계산한다(S40).
그리고, 상태 변화도 추정부(30)는 계산한 일정 시간 이후의 시점에서의 만성질환 발병위험도 예측값 및 해당 시점(즉, 일정 시간 이후의 시점)에서의 생체정보 실측값을 이용한 만성질환 위험도 측정값과의 차이를 기반으로 만성질환 위험도 상태 변화도의 정도를 추정한다(S50).
이후, 상태 변화도 추정부(30)는 만성질환 위험도 상태 변화도 추정값이 해당 사용자(환자)의 이전 상태와 비교하여 심각한가를 판단하여 심각한 경우 병원방문을 조치한다(S60). 예를 들어, 상태 변화도 추정부(30)는 SMS, 이메일 등의 메시지를 해당 사용자에게 보냄으로써 해당 사용자에게 심각성을 알리고 병원을 방문할 것을 알릴 수 있다.
도 3은 만성질환이 대사증후군인 것으로 가정하고 본 발명의 실시예에 따른 만성질환 상태 변화도 예측 방법을 설명하는 도면이다.
이하에서는 다양한 만성질환 중 대사증후군을 이용하여 설명한다. 대사증후군의 진단을 위해서는 다음과 같이 공복혈당, 허리둘레, 고밀도 콜레스테롤, 중성지방, 혈압 등 총 5개의 생체정보 측정 지표에 대한 측정이 필요하다. 검진자가 일정시간마다 위의 5개의 생체정보 측정 지표를 측정한 결과가 하기의 표 1과 같다고 예시한다.
검진시간 T0 T1 T2 T3 T4 T5 T6 T7 T8
공복혈당
(mg/dl)		 92 91 96 89 89 87 94 85 91
허리둘레
(cm)		 80 77 82 83 78 77 79 82 77
고밀도 콜레스테롤
(mg/dl)		 58 49 61 47 58 42 61 63 57
중성지방
(mg/dl)		 120 97 84 91 70 87 83 78 94
수축기 혈압(mmHg) 116 120 110 110 110 100 120 110 114
이완기 혈압(mmHg) 64 80 70 70 70 60 60 70 75
이와 같은 생체정보별 측정지표의 측정값은 입력부(10)에게로 입력된다(S100).
그에 따라, 상태 변화도 계량화부(20)는 생체정보별 측정지표의 측정값을 기초로 각 생체정보 측정 시점에서의 대사증후군 발병 위험도를 계산하게 되는데, 종래의 레이더 도표를 구성하는 방식을 기반으로 대사증후군 발병 위험도를 계산한다(S110).
시간에 따른 생체 정보 데이터(즉, 생체정보별 측정 지표의 측정값)가 남아 있으면(S120에서 "Yes") 상기 단계 S110의 동작을 반복한다.
각 측정 시점에서의 대사증후군 발병 위험도가 모두 계산되면, 상태 변화도 계량화부(20)는 하기의 수학식 1에 따라 두 인접한 측정 시점에서의 대사증후군 발병 위험도의 변화도를 계산한다.
(수학식 1)
Figure pat00001
수학식 1에서, ASD(RA|RB)와 ASD(RB|RA)는 종래의 레이더 도표 구성장치 기반의 대사증후군 발병 위험도 계산값을 나타낸다.
아래의 표 2는 수학식 1에 따라 대사증후군 발병 위험도 변화량을 계산한 것이다.
시간 T0-T1 T1-T2 T2-T3 T3-T4 T4-T5 T5-T6 T6-T7 T7-T8
Chronological distance 0.042 0.064 0.021 0.110 0.034 0.001 0.062 0.063
이와 같이 대사증후군 발병 위험도 변화량의 값이 계산되면, 상태 변화도 추정부(30)는 이를 선형회귀분석 방법을 이용하여 회귀분석을 수행한다(S130). 회귀분석을 수행한 결과를 하기의 수학식 2라고 할 수 있다.
(수학식 2)
y(T) = aT + b
y(ti)와 y(ti +1)를 시간 Ti 및 시간 Ti +1 시점에서의 회귀분석 값이라고 하고, y'(ti+1)를 시간 Ti +1 시점에서의 측정된 생체정보 값 기반의 대사증후군 위험도 값이라고 하자.
그러면, 상태 변화도 추정부(30)는 아래의 수학식 3과 같이 시간 Ti +1 시점에서의 대사증후군 위험도 예측값과 실측값과의 차이에 의해 환자의 대사증후군 상태 변화도를 측정할 수 있다(S140).
그리고, 상태 변화도 추정부(30)는 변화도가 기설정된 제어범위(δ) 이내에 들어오는가를 기준으로 상태 변화가 심각한지를 판단할 수 있다(S150).
(수학식 3)
｜y(ti) - y'(ti +1)｜＜ y(ti +1)*δ
수학식 3의 결과가 사전에 의료관계자들이 설정한 범위를 벗어나는 경우, 상태 변화도 추정부(30)는 해당 환자에게 메시지를 보냄으로써, 환자는 병원을 방문하여 상세 검진을 받게 된다(S160). 환자의 상태 변화도가 심각한 수준인지를 판정하기 위한 변화도 범위인 δ의 값은 의료 관계자들의 의학적 지식에 기반하여 설정될 수 있다.
한편, 상술한 본 발명의 실시예는 컴퓨터 시스템에서 구현될 수 있다. 도 4에 도시된 바와 같이, 컴퓨터 시스템(120)은 버스(122)를 통하여 서로 통신하는 하나 이상의 프로세서(121), 메모리(123), 사용자 인터페이스 입력 장치(126), 사용자 인터페이스 출력 장치(127) 및 스토리지(128)를 포함할 수 있다. 또한, 컴퓨터 시스템(120)은 네트워크(130)에 연결되는 하나 이상의 네트워크 인터페이스(129)를 더 포함할 수 있다. 프로세서(121)는 중앙 처리 장치 또는 메모리(123) 또는 스토리지(128)에 저장된 프로세싱 인스트럭션들을 실행하는 반도체 장치일 수 있다. 메모리(123) 및 스토리지(128)는 다양한 형태의 휘발성 또는 비휘발성 저장 매체일 수 있다. 예를 들어, 메모리(123)는 ROM(124)이나 RAM(125)을 포함할 수 있다.
그리고, IoT 시대를 대비하여 컴퓨터 시스템(120)을 소형의 컴퓨팅 디바이스로 구현시킨 경우, 컴퓨팅 디바이스에 이더넷(Ethernet) 케이블을 연결하면 무선 공유기처럼 동작해서 모바일 디바이스가 무선으로 게이트웨이에 붙어서 암복호화 기능을 할 수 있으므로, 이를 위해 컴퓨터 시스템(120)은 무선 통신 칩(와이파이 칩)(131)을 추가로 포함할 수 있다.
따라서, 본 발명의 실시예는 컴퓨터로 구현된 방법이나 컴퓨터에서 실행가능한 명령어들이 기록된 비일시적인 컴퓨터에서 읽을 수 있는 매체로 구현될 수 있다.
이상에서와 같이 도면과 명세서에서 최적의 실시예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로, 본 기술 분야의 통상의 지식을 가진자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10 : 입력부 20 : 상태 변화도 계량화부
30 : 상태 변화도 추정부

Claims (1)

  1. 사용자로부터 만성질환의 각 생체정보별 측정지표의 측정값을 입력받는 입력부;
    상기 만성질환의 각 생체정보별 측정지표의 측정값을 근거로 상기 사용자에 대한 시간에 따른 만성질환 발병 위험도를 계산하는 상태 변화도 계량화부; 및
    상기 시간에 따른 만성질환 위험도에 근거하여 상기 사용자에 대한 만성질환 위험도 상태 변화도를 추정하는 상태 변화도 추정부;를 포함하는 것을 특징으로 하는 만성질환 상태 변화도 예측 장치.
KR1020150063739A 2015-05-07 2015-05-07 만성질환 상태 변화도 예측 장치 KR20160131406A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150063739A KR20160131406A (ko) 2015-05-07 2015-05-07 만성질환 상태 변화도 예측 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150063739A KR20160131406A (ko) 2015-05-07 2015-05-07 만성질환 상태 변화도 예측 장치

Publications (1)

Publication Number Publication Date
KR20160131406A true KR20160131406A (ko) 2016-11-16

Family

ID=57540927

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150063739A KR20160131406A (ko) 2015-05-07 2015-05-07 만성질환 상태 변화도 예측 장치

Country Status (1)

Country Link
KR (1) KR20160131406A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200022877A (ko) 2018-08-24 2020-03-04 주식회사 클리노믹스 환경적 요인 변화에 따른 질병 발생 위험도 변동 시각화 장치 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200022877A (ko) 2018-08-24 2020-03-04 주식회사 클리노믹스 환경적 요인 변화에 따른 질병 발생 위험도 변동 시각화 장치 및 방법
JP2021535527A (ja) * 2018-08-24 2021-12-16 クリノミクス，インコーポレイテッド 環境的要因の変化に応じた疾病発症リスク変動視覚化装置及び方法

Similar Documents

Publication Publication Date Title
JP6325617B2 (ja) 心肺機能不全に対する易罹患性（ｓｕｓｃｅｐｔｉｂｉｌｉｔｙ）を判断するシステム及びその装置を制御する方法
Owan et al. Epidemiology of diastolic heart failure
du Bois et al. Ascertainment of individual risk of mortality for patients with idiopathic pulmonary fibrosis
Corte et al. Pulmonary vascular resistance predicts early mortality in patients with diffuse fibrotic lung disease and suspected pulmonary hypertension
Conkar et al. Is daytime systolic load an important risk factor for target organ damage in pediatric hypertension?
CN109452935B (zh) 使用统计后处理从血管容积图估计血压的无创方法和系统
CN108135507B (zh) 用于预测心力衰竭代偿失调的系统和方法
KR20140107714A (ko) 건강 관리 시스템 및 그것의 건강 정보 제공 방법
WO2017073713A1 (ja) 血糖値予測装置、血糖値予測方法及びコンピュータ読み取り可能な記録媒体
JP2018533798A (ja) 患者の生理学的反応に基づいた急性呼吸器疾患症候群（ａｒｄｓ）の予測
Akdur et al. Prediction of mortality in COVID-19 through combing CT severity score with NEWS, qSOFA, or peripheral perfusion index
CN114496243A (zh) 数据处理方法、装置、存储介质及电子设备
McKechnie et al. Frailty and incident heart failure in older men: the British Regional Heart Study
Deter et al. Growth patterns and cardiovascular abnormalities in small for gestational age fetuses: 1. Pattern characteristics
KR20160131406A (ko) 만성질환 상태 변화도 예측 장치
Marcadet Exercise testing: New guidelines
Seibel et al. B‐Lines for the assessment of extravascular lung water: Just focused or semi‐quantitative?
Martín-Rodríguez et al. Risk for early death in acutely ill older adults attended by prehospital emergency medical services
Zheng et al. B‐lines in assessment of pulmonary hypertension in patients with interstitial lung diseases: feasibility of transthoracic lung sonographic signs
US8380297B2 (en) System for measuring a user's percentage of body fat
Gondrie et al. The prognostic value of vascular diameter measurements on routine chest computed tomography in patients not referred for cardiovascular indications
KR102376340B1 (ko) 자가격리 환자의 병원으로 이송을 결정하기 위한 이동식 질병 검사 장치 및 방법
EP2355695B1 (en) Method and system for measuring parameters of autonomic dysfunction tests
Salinas et al. An evaluation of hemoglobin A1c test ordering patterns in a primary care setting
Balasubramanian Critical time parameters for evaluation of body area Wireless Sensor Networks in a Healthcare Monitoring Application