CN110189822A - 一种基于机械通气参数及波形进行智能分析的方法 - Google Patents

一种基于机械通气参数及波形进行智能分析的方法 Download PDF

Info

Publication number
CN110189822A
CN110189822A CN201910436139.3A CN201910436139A CN110189822A CN 110189822 A CN110189822 A CN 110189822A CN 201910436139 A CN201910436139 A CN 201910436139A CN 110189822 A CN110189822 A CN 110189822A
Authority
CN
China
Prior art keywords
data
analysis
ventilator
wave
wave data
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
Application number
CN201910436139.3A
Other languages
English (en)
Inventor
卫新
陈小斌
张世强
邓晟华
周力阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Boerji Information Technology Co Ltd
Original Assignee
Guangzhou Boerji Information Technology Co Ltd
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 Guangzhou Boerji Information Technology Co Ltd filed Critical Guangzhou Boerji Information Technology Co Ltd
Priority to CN201910436139.3A priority Critical patent/CN110189822A/zh
Publication of CN110189822A publication Critical patent/CN110189822A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Animal Behavior & Ethology (AREA)
  • Hematology (AREA)
  • Physics & Mathematics (AREA)
  • Emergency Medicine (AREA)
  • Anesthesiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pulmonology (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Veterinary Medicine (AREA)
  • General Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Heart & Thoracic Surgery (AREA)

Abstract

本发明提供了一种新的呼吸机数据分析方法，可以实现呼吸机数据的清洗、存储、查询和计算等功能，实现大数据分析、波形分析、病人模型处理、AI智能辅助运算等功能。同时，本申请的分析方法可以获取并分析呼吸机的高级统计参数，可以获取有价值的医疗技术信息，并可以为流程管理优化提供支持数据，通过对数据的综合研判，实现危重病人的实时监控和濒死预警、临床重点数据展示、通过呼吸治疗辅助决策树、辅助医生制定符合个体化需求的呼吸治疗方案。还可以方便的实现分类型汇总或分时间汇总的数据统计分析功能，帮助医生方便的追踪治疗实施方案，为效果评估提供依据，形成临床数据闭环，为科研和临床工作提供依据。

Description

一种基于机械通气参数及波形进行智能分析的方法
技术领域
本发明属于医疗数据智能化分析领域，涉及一种基于机械通气参数及波形进行智能分析的方法。
背景技术
随着我国医疗水平的逐步提高及医疗投入的不断加大，呼吸机这一设备已经由ICU的应急设备转变为急诊、ICU、呼吸科、麻醉科等众多科室的日常治疗设备。随着呼吸机的普及和装机量的提升，对病人机械通气的管理在占用医生护士越来越多的时间。
因为我国医疗、医生资源的紧张，且我国专业的呼吸治疗师尚未普及，呼吸机通常由医生护士进行操作。这也造成了查房效率低，每个病人逐一查看浪费时间精力、且对人员要求高，不同医生之间判断标准的差异，导致了病人无法得到精准的治疗。
同时，在每天的临床使用中，呼吸机会产生大量的数据，其中有部分数据对医院管理、临床诊断或者科研有着相当重要的意义。而由于既往呼吸机联网功能缺失或者较为单一，导致这些数据无法被长期的存储、统一采集、计算和展示，造成了极大的损失。目前市场上急缺可以让医院的呼吸机设备充分发挥潜力、跟上技术发展潮流、帮助院方在设备管理、医疗服务、科学研究中更进一步的技术方案。基于此，申请人提出一种对呼吸机数据进行分析的方法，将呼吸机所产生的大量数据利用起来以辅助医生的治疗工作。
发明内容
针对上述现有技术存在的问题，本发明提供一种基于机械通气参数及波形进行智能分析的方法，为呼吸机这一类医疗设备的数据智能化提供支持途径。
本发明采用以下技术方案：
一种基于机械通气参数及波形进行智能分析的方法，其特征在于：包括以下步骤：
S1，选定分析时间段，读取该分析时间段内的指定呼吸机的所有参数数据；
S2，根据S1中所读取的参数数据，判断该分析时间段内的参数数据是否存在人工干预或操作，若参数数据存在人工干预或操作，则重新选定分析时间段，再次执行S1；
S3，若S2中判断在分析时间段内不存在人工干预或操作，则读取设置项数据，对传感器周期性产生的监测项数据的单一值及平均值进行阈值判断，根据不同的阈值范围，判断是否需要结合波形数据进一步分析；
S4，若S3中的阈值判断结果为需要结合波形数据进一步分析，则首先进行波形数据的预处理，所述波形数据的预处理包括以下步骤：
S4-1，根据设置项数据情况，选择滤波算法，对波形数据进行滤波处理，排除分析干扰；
S4-2，若原始波形数据未划分呼吸相，则按照理想机械通气模型，根据各波形变化情况对所有波形数据划分呼吸相；
S5，波形数据分析
S5-1，根据设置项数据，选择所述机械通气模型，代入各呼吸相的参数数据，描绘理想呼吸曲线；
S5-2，对于每个呼吸相区间，计算实际波形曲线与所述步骤S5-1中的理想呼吸曲线的偏离度；
S5-3，对所述步骤S5-2的所有偏离度数据进行统计，根据所述步骤S5-1中选择的机械通气模型划分的阈值范围进行分析，形成分析结果。
进一步的，在所述步骤S2中判断该分析时间段内的参数数据是否存在人工干预或操作，其具体表现为判断所有的设置项数据是否全部一致无差别。
进一步的，在所述步骤S3中判断是否需要结合波形数据具体为：根据不同的阈值范围，有以下情况：
-数据值存在较大波动或干扰，继续分析无意义；
-数据值反映出某一特定情况，无须进一步分析，可以直接得出分析结论；
-数据值需要结合波形数据进一步分析。
进一步的，在所述步骤S1中的参数数据为呼吸机的工作参数及波形数据，所述参数数据包括设置项数据、监测项数据、波形数据；所述设置项数据为呼吸机内可以人工操作修改的参数，所述监测项数据为呼吸机传感器周期性产生的监测数据，所述波形数据为呼吸机传感器连续性产生的监测数据。
进一步的，在所述步骤S1中，选定较长的分析时间段长度，以排除较短时间的特异化数据干扰。
进一步的，在所述步骤S3中，监测项数据的单一值、平均值、变化范围对分析结果均有指导意义。
进一步的，在所述步骤S4-1中，波形数据根据数据模型的不同，可以选择进行或不进行滤波处理，滤波处理可以排除一定程度的硬件(比如传感器、管道等设备零部件)以及病人身体活动所造成的干扰，使得数据所反应的情况更为准确。
进一步的，在所述步骤S5-1中，机械通气模型通过自动或手动的方式进行选择；所述步骤S5-3中，分析结果是基于机械通气模型及数据统计形成的，此处所使用的机械通气模型一般为现有技术这已经存在的机械通气模型。
本发明提供了一种新的呼吸机数据分析方法，呼吸机在接入物联网采集模块之后，呼吸机产生的数据即可被实时、完整的传输到大数据分析***中，这些数据经过本申请的分析方法分析、处理之后，可以展示在科室内的显示大屏或者远在千里之外专家的平板电脑上。
本申请的数据分析方法可以实现呼吸机数据的清洗、存储、查询和计算等功能，实现大数据分析、波形分析、病人模型处理、AI智能辅助运算等功能。同时，本申请的分析方法可以获取并分析呼吸机的高级统计参数，比如：压力变异、潮气量变异、流量变异、时间变异、肺牵张系数、肺膨胀系数、动态顺应性/动态阻力、ASV算法参考等。
本申请的数据分析方法通过对波形数据的自动分析，自动机器学习获取可以获取有价值的医疗技术信息，比如：呼吸机参数设置是否恰当，是否存在通气不足，人机对抗情况分析等。通过智能收集与分类筛选信息，集中 医护人员的精力，实现精细化管理，并可以为流程管理优化提供支持数据。通过对基本通气参数及细微波形模型的大数据分析，实时监控呼吸机器运行情况，实现关键临床报警、病人状态趋势分析、人机对抗分析、临床专家指导辅助通气指标 设定等功能。通过对数据的综合研判、实现危重病人的实时监控、濒死预警。临床重点数据展示，通过呼吸治疗辅助决策树，辅助医生制定符合个体化需求的呼吸治疗方案。
本申请的分析方法还可以方便的实现分类型汇总或分时间汇总的数据统计分析功能，帮助医生方便的追踪治疗实施方案，为效果评估提供依据，形成临床数据闭环，为科研和临床工作提供依据。
具体实施方式
为了进一步理解本发明，下面将结合实施例和对比例对本发明的实施方案作进一步详细的描述，但是本发明的实施方式并不限于此。
实施例1 病人脱机情况分析：
S1，选定一个分析时间段，读取该分析时间段内的指定呼吸机的所有参数数据；
S2，根据S1中所读取的参数数据，判断该分析时间段内的参数数据是否存在人工干预或操作，具体表现为判断所有可以人工操作修改的参数，即设置项参数，是否全部一致无差别；若参数数据存在人工干预或操作，则继续分析无意义，需要重新选定分析时间段，再次执行S1；若参数数据不存在人工干预或操作，则执行下一个步骤；
S3，若S2中判断在分析时间段内不存在人工干预或操作，则读取设置项数据，读取该时间段内的监测项数据，计算平均呼吸频率、平均压力支持水平（PS）、平均呼气末正压（PEEP）、平均氧浓度（FiO2）等数值，根据当前呼吸机运行模式（即设置项数据情况）划定以上数值的阈值范围，判断呼吸机支持水平是否足够低；
S4，若支持水平较高，则判定当前病人不适合进行脱机操作；
S5，若支持水平足够低，根据该时间段内的设置项数据，计算病人的BSA、IBW、SMV、SVt、Sf等数据，将以上数据与该时间段内所有监测项数据代入机械通气模型的计算公式，判断所有计算结果在某一阈值范围内的百分比。
即：采用机械通气模型的计算公式abs((Rate-Sf) / Sf) < 20%，代入病人的Sf，以及所有监测项的呼吸频率（Rate）值，计算符合此公式的数量与所有监测项的数量占比，用于评估自主呼吸节律。当前分析已得出结论，无须进一步分析波形数据。
实施例2病人是否存在内源性PEEP：
S1，选定一个分析时间段，读取该分析时间段内的指定呼吸机的所有参数数据；
S2，根据S1中所读取的参数数据，判断该分析时间段内的参数数据是否存在人工干预或操作，具体表现为判断所有可以人工操作修改的参数，即设置项参数，是否全部一致无差别；若参数数据存在人工干预或操作，则继续分析无意义，需要重新选定分析时间段，再次执行S1；若参数数据不存在人工干预或操作，则执行下一个步骤；
S3，对该时间段内的监测项数据，计算平均监测PEEP值，判断该值与设置项的PEEP的差值是否大于一定阈值，若是则继续执行分析；若否则得出结论：病人不存在内源性PEEP；
S4，对该时间段内的监测项数据，计算平均Vti与平均Vte的比值，判断该值是否大于一定阈值，若是则继续执行分析；若否则得出结论：病人可能存在内源性PEEP；
S5，对波形数据进行滤波处理，并划分呼吸相；代入理想机械通气模型，描绘理想呼吸曲线，将各呼吸相区间的实际流量波形与理想流量波形进行比较，计算并统计呼气末流量的偏离程度，若偏离程度高于一定阈值，则判定为病人确认存在内源性PEEP，若低于一定阈值，则判定为病人存在气道陷闭。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (8)

1.一种基于机械通气参数及波形进行智能分析的方法，其特征在于：包括以下步骤：
S1，选定分析时间段，读取该分析时间段内的指定呼吸机的所有参数数据；
S2，根据S1中所读取的参数数据，判断该分析时间段内的参数数据是否存在人工干预或操作，若参数数据存在人工干预或操作，则重新选定分析时间段，再次执行S1；
S3，若S2中判断在分析时间段内不存在人工干预或操作，则读取设置项数据，对传感器周期性产生的监测项数据的单一值及平均值进行阈值判断，根据不同的阈值范围，判断是否需要结合波形数据进一步分析；
S4，若S3中的阈值判断结果为需要结合波形数据进一步分析，则首先进行波形数据的预处理，所述波形数据的预处理包括以下步骤：
S4-1，根据设置项数据情况，选择滤波算法，对波形数据进行滤波处理，排除分析干扰；
S4-2，若原始波形数据未划分呼吸相，则按照理想机械通气模型，根据各波形变化情况对所有波形数据划分呼吸相；
S5，波形数据分析
S5-1，根据设置项数据，选择所述机械通气模型，代入各呼吸相的参数数据，描绘理想呼吸曲线；
S5-2，对于每个呼吸相区间，计算实际波形曲线与所述步骤S5-1中的理想呼吸曲线的偏离度；
S5-3，对所述步骤S5-2的所有偏离度数据进行统计，根据所述步骤S5-1中选择的机械通气模型划分的阈值范围进行分析，形成分析结果。
2.根据权利要求1所述的方法，其特征在于：所述步骤S2中判断该分析时间段内的参数数据是否存在人工干预或操作，其具体表现为判断所有的设置项数据是否全部一致无差别。
3.根据权利要求1所述的方法，其特征在于：所述步骤S3中判断是否需要结合波形数据具体为：根据不同的阈值范围，有以下情况：
-数据值存在较大波动或干扰，继续分析无意义；
-数据值反映出某一特定情况，无须进一步分析，可以直接得出分析结论；
-数据值需要结合波形数据进一步分析。
4.根据权利要求3所述的方法，其特征在于：所述步骤S1中的参数数据为呼吸机的工作参数及波形数据，所述参数数据包括设置项数据、监测项数据、波形数据；所述设置项数据为呼吸机内可以人工操作修改的参数，所述监测项数据为呼吸机传感器周期性产生的监测数据，所述波形数据为呼吸机传感器连续性产生的监测数据。
5.根据权利要求1所述的方法，其特征在于：所述步骤S1中，选定较长的分析时间段长度，以排除较短时间的特异化数据干扰。
6.根据权利要求1所述的方法，其特征在于：所述步骤S3中，监测项数据的单一值、平均值、变化范围对分析结果均有指导意义。
7.根据权利要求1所述的方法，其特征在于：所述步骤S4-1中，波形数据根据数据模型的不同，可以选择进行或不进行滤波处理。
8.根据权利要求1所述的方法，其特征在于：所述步骤S5-1中，机械通气模型通过自动或手动的方式进行选择；所述步骤S5-3中，分析结果是基于机械通气模型及数据统计形成的。
CN201910436139.3A 2019-05-23 2019-05-23 一种基于机械通气参数及波形进行智能分析的方法 Pending CN110189822A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910436139.3A CN110189822A (zh) 2019-05-23 2019-05-23 一种基于机械通气参数及波形进行智能分析的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910436139.3A CN110189822A (zh) 2019-05-23 2019-05-23 一种基于机械通气参数及波形进行智能分析的方法

Publications (1)

Publication Number Publication Date
CN110189822A true CN110189822A (zh) 2019-08-30

Family

ID=67717463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910436139.3A Pending CN110189822A (zh) 2019-05-23 2019-05-23 一种基于机械通气参数及波形进行智能分析的方法

Country Status (1)

Country Link
CN (1) CN110189822A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111383764A (zh) * 2020-02-25 2020-07-07 山东师范大学 一种机械通气驱动压与呼吸机相关事件的相关性检测***
WO2023102820A1 (zh) * 2021-12-09 2023-06-15 深圳迈瑞生物医疗电子股份有限公司 医疗设备及通气状态识别方法
WO2024001010A1 (zh) * 2022-07-01 2024-01-04 上海术木医疗科技有限公司 一种机械通气治疗数据管理方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100249631A1 (en) * 2009-03-30 2010-09-30 Nihon Kohden Corporation Respiratory waveform analyzer
CN104688239A (zh) * 2015-03-26 2015-06-10 北京怡和嘉业医疗科技有限公司 睡眠呼吸事件的种类的确定方法及***
US20170255756A1 (en) * 2014-09-12 2017-09-07 Mermaid Care A/S Mechanical ventilation system for respiration with decision support
CN108186018A (zh) * 2017-11-23 2018-06-22 苏州朗开信通信息技术有限公司 一种呼吸数据处理方法及装置
CN108784704A (zh) * 2018-07-05 2018-11-13 广州和普乐健康科技有限公司 一种呼吸梗阻检测方法
CN109589117A (zh) * 2018-10-31 2019-04-09 深圳市龙华区中心医院 一种基于大数据的呼吸内科用监护仪控制方法及***
CN109718440A (zh) * 2018-12-28 2019-05-07 北京谊安医疗***股份有限公司 降低呼吸支持设备人机对抗的方法和***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100249631A1 (en) * 2009-03-30 2010-09-30 Nihon Kohden Corporation Respiratory waveform analyzer
US20170255756A1 (en) * 2014-09-12 2017-09-07 Mermaid Care A/S Mechanical ventilation system for respiration with decision support
CN104688239A (zh) * 2015-03-26 2015-06-10 北京怡和嘉业医疗科技有限公司 睡眠呼吸事件的种类的确定方法及***
CN108186018A (zh) * 2017-11-23 2018-06-22 苏州朗开信通信息技术有限公司 一种呼吸数据处理方法及装置
CN108784704A (zh) * 2018-07-05 2018-11-13 广州和普乐健康科技有限公司 一种呼吸梗阻检测方法
CN109589117A (zh) * 2018-10-31 2019-04-09 深圳市龙华区中心医院 一种基于大数据的呼吸内科用监护仪控制方法及***
CN109718440A (zh) * 2018-12-28 2019-05-07 北京谊安医疗***股份有限公司 降低呼吸支持设备人机对抗的方法和***

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111383764A (zh) * 2020-02-25 2020-07-07 山东师范大学 一种机械通气驱动压与呼吸机相关事件的相关性检测***
CN111383764B (zh) * 2020-02-25 2024-03-26 山东师范大学 一种机械通气驱动压与呼吸机相关事件的相关性检测***
WO2023102820A1 (zh) * 2021-12-09 2023-06-15 深圳迈瑞生物医疗电子股份有限公司 医疗设备及通气状态识别方法
WO2024001010A1 (zh) * 2022-07-01 2024-01-04 上海术木医疗科技有限公司 一种机械通气治疗数据管理方法及***

Similar Documents

Publication Publication Date Title
CN110189822A (zh) 一种基于机械通气参数及波形进行智能分析的方法
CN112675393B (zh) 一种呼吸机撤机管理***及方法
CN101500633B (zh) 呼吸器监控***和使用同样***的方法
Sinha et al. Deadspace ventilation: a waste of breath!
CN108847274A (zh) 一种基于云平台的生命体征数据处理方法及***
US20140288440A1 (en) Systems and methods for quantitative capnogram analysis
CN115200911A (zh) 一种机械通气分析预警方法及***
CN110179465A (zh) 机械通气脱机量化评估方法、装置、设备和存储介质
CN110232961A (zh) 一种基于大数据的语音识别智能麻醉***
CN117612725B (zh) 一种用于重症监护室的呼吸机警报管理方法及***
CN110537917A (zh) 一种基于呼吸力学的机械通气智能监测***及监测方法
Lozano-Zahonero et al. Automated mechanical ventilation: adapting decision making to different disease states
CN110277158A (zh) 一种适合于各类呼吸机进行自动化适配并整理存储数据的方法
CN114887169B (zh) 一种呼吸机智能控制决策方法与***
CN112466469A (zh) 一种重大危机及死亡风险预测方法
CN205198627U (zh) 一种呼吸机治疗质量管理***
WO2024001010A1 (zh) 一种机械通气治疗数据管理方法及***
CN115798715B (zh) 基于数据分析的慢性呼吸疾病防治信息管理***
Naseri et al. Intelligent rule extraction in complex event processing platform for health monitoring systems
Grant et al. Fuzzy logic and decision-making in anaesthetics
CN109589117A (zh) 一种基于大数据的呼吸内科用监护仪控制方法及***
CN205302289U (zh) 一种慢性气道疾病患者随访信息***
CN111584088A (zh) 一种基于病源信息熵的电网施工人员高原病防治方法
CN108597610A (zh) 一种健康管理云平台经络数据处理方法
Huang et al. Research on risk assessment based on Monte Carlo simulation and dose-response multistage model

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