CN117352175A - 一种用于骨科护理的骨折智能辅助监测*** - Google Patents
一种用于骨科护理的骨折智能辅助监测*** Download PDFInfo
- Publication number
- CN117352175A CN117352175A CN202311365421.XA CN202311365421A CN117352175A CN 117352175 A CN117352175 A CN 117352175A CN 202311365421 A CN202311365421 A CN 202311365421A CN 117352175 A CN117352175 A CN 117352175A
- Authority
- CN
- China
- Prior art keywords
- nursing
- physiological
- patient
- scheme
- physiological index
- 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
- 230000000474 nursing effect Effects 0.000 title claims abstract description 133
- 230000000399 orthopedic effect Effects 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 32
- 208000010392 Bone Fractures Diseases 0.000 claims description 43
- 238000011084 recovery Methods 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 238000003745 diagnosis Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000010998 test method Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 102000001554 Hemoglobins Human genes 0.000 claims description 3
- 108010054147 Hemoglobins Proteins 0.000 claims description 3
- 208000027418 Wounds and injury Diseases 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 210000000988 bone and bone Anatomy 0.000 claims description 2
- 230000036541 health Effects 0.000 abstract description 3
- 206010017076 Fracture Diseases 0.000 description 29
- 230000037213 diet Effects 0.000 description 4
- 235000005911 diet Nutrition 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000002980 postoperative effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 208000035965 Postoperative Complications Diseases 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 206010023201 Joint contracture Diseases 0.000 description 1
- 206010023230 Joint stiffness Diseases 0.000 description 1
- 208000001132 Osteoporosis Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 201000000585 muscular atrophy Diseases 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 208000019206 urinary tract infection Diseases 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Physical Education & Sports Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种用于骨科护理的骨折智能辅助监测***,属于医疗卫生服务技术领域,具体包括数据库,用于存储不同患者的就诊记录和护理方案;方案初始模块,用于通过当前患者的就诊记录,为患者制定初步护理方案;数据采集模块,用于采集患者当前周期T的生理指标;方案优化模块,用于通过监测患者的生理指标与初步护理方案中的生理指标趋势进行对比,得到异常生理指标,从数据库中选取相似生理指标,将该相似指标的护理子方案对异常子方案进行替代,本发明通过监测患者周期内的各项生理指标,得到当前阶段患者实际恢复情况,根据患者的实际康复情况和个体差异从数据库中筛选出最符合患者的康复方案,从而为每位患者制定专门的医疗护理方案。
Description
技术领域
本发明涉及医疗卫生服务技术领域,具体涉及一种用于骨科护理的骨折智能辅助监测***。
背景技术
骨折是骨科临床上常见的一种创伤,骨折发生后患者需要接受相应的治疗以保证受损的骨骼恢复健康。由于骨折病人的活动受到限制,在患者术后恢复中容易出现肌肉萎缩、***、骨质疏松、关节僵硬挛缩等并发症,所以在患者康复期间需要有专门的护理康复人员对其进行护理。
随着人们生活水平的不断提高,病人对术后的护理要求也越来越高,对于护理人员的要求也越来越严格,由于骨科病种复杂,治疗方法各异,因此,需要在骨科整体护理中针对个体差异性,结合病人的实际情况,为每位病人制定出切实可行的诊断和护理措施,提供具有针对性的医疗护理服务。
但是目前的医疗***受限于现有医疗资源不足,护理人员通常根据经验对术后的骨折患者制定初步的护理方案,但是每一位患者在骨折康复过程中的实际恢复情况存在差异,前期制定的护理方案可能出现不匹配的情况,从而影响了患者的康复进度,导致患者对于医疗护理效果并不满意。因此,亟需一种骨折智能辅助监测***,帮助护理人员根据患者在不同阶段的实际情况对护理方案进行动态调整,为每位患者制定专门的医疗护理方案。
发明内容
本发明的目的在于提供一种用于骨科护理的骨折智能辅助监测***,解决以下技术问题:
目前的医疗***受限于现有医疗资源不足,护理人员通常根据经验对术后的骨折患者制定初步的护理方案,但是每一位患者在骨折康复过程中的实际恢复情况存在差异,前期制定的护理方案可能出现不匹配的情况,从而影响了患者的康复进度,导致患者对于医疗护理效果并不满意。
本发明的目的可以通过以下技术方案实现:
一种用于骨科护理的骨折智能辅助监测***,包括:
数据库,用于存储不同患者的就诊记录,所述就诊记录包括性别、年龄、骨折位置和骨折程度,还存储了不同患者不同恢复阶段的生理指标和护理方案,所述生理指标的单位存储周期为T,所述生理指标包括疼痛等级、疼痛持续时间、创伤部位温度和血红蛋白含量,所述护理方案包括若干个护理子方案,每个单位存储周期T内的生理指标对应一个护理子方案;
方案初始模块,用于从数据库中筛选出与当前患者最相似的就诊记录,以该就诊记录对应患者的护理方案作为当前患者的初步护理方案;
数据采集模块,用于采集患者当前周期T内的生理指标S1-S4;
方案优化模块,用于采用 Mann-Kendall检验法对患者的当前周期T的各项生理指标分别进行数据趋势分析,得到各项生理指标的变化趋势Z1-Z4,并分别与初步护理方案中已知的各项生理指标的变化趋势M1-M4进行对比,若存在变化趋势差异大于预设阈值的生理指标Si,i∈[1,4],则标记为异常生理指标,则将异常生理指标对应的初步护理子方案标记为异常子方案,获取异常生理指标的类型和变动趋势Zi,从数据库中筛选与变动趋势Zi的差异小于预设阈值且类型相同的若干个生理指标,并标记为待定生理指标,选取与异常生理指标最相似的待定生理指标,并标记为相似生理指标;获取相似生理指标对应的护理子方案,将该护理子方案对异常子方案进行替代。
作为本发明进一步的方案:所述数据库中的护理方案由医生和护理人员共同参与制定。
作为本发明进一步的方案:还包括恢复阶段评定模块,用于基于数据库中的护理方案将骨科护理分为不同恢复阶段,所述不同恢复阶段分为初期护理阶段、中期护理阶段、后期护理阶段。
作为本发明进一步的方案:还包括智能反馈模块,预设各项生理指标阈值,若存在生理指标大于等于预设阈值,则向护理人员和患者发出警报。
作为本发明进一步的方案:所述方案优化模块中,对患者的各项生理数据和疼痛数据采用 Mann-Kendall检验法进行趋势分析过程为:
将当前周期T内患者的任一生理指标中的数据按时间顺序进行排列,依次将除第一个数据外的任一数据与前面所有的数据分别进行数值对比,生成若干个对比关系,所述对比关系包括大于、小于和等于,将大于的对比关系赋值为1,将小于的对比关系赋值为-1,将等于的对比关系赋值为0,根据所有对比关系的值计算当前生理指标的变动趋势Z,若Z大于0则说明该变动趋势是上升趋势,若Z小于0则说明该变动趋势是下降趋势,若Z等于0则说明变动趋势为平稳趋势,Z的绝对值越大,代表变动趋势越大,具体计算过程为:
;
;
;
其中n为周期T的天数,xj为当前数据点,xk为当前数据点前的任一点,sgn为对比关系的值,S为所有对比关系的和,var_s为赋值后的对比关系值的方差,Z为变动趋势。
作为本发明进一步的方案:所述方案优化模块中,分别与初步护理方案中的已知的各项生理指标的变化趋势M1-4进行对比的过程为:
计算每项生理指标Z1-4和M1-4差值的绝对值,若差值的绝对值大于等于对应的变动趋势阈值,则判定该项生理指标为异常生理指标,若差值绝对值小于变动趋势阈值,则判定该项生理指标为正常生理指标。
作为本发明进一步的方案:对正常生理指标进行再对比:
分别计算患者各项正常生理指标中数据的平均值并标记为avg-a,并与初步护理方案中已知的生理指标数据的平均值avg-b进行对比,预设阈值系数a,若avg-a大于(1+a)%*avg-b或avg-b大于(1+a)%*avg-a,则将该正常生理指标标记为异常生理指标,并将该生理指标所对应的初步护理子方案标记为异常护理子方案。
作为本发明进一步的方案:所述方案优化模块中,获取相似生理指标的过程为:
分别计算每个待定生理指标所对应的变动趋势并标记为Zq1,Zq2,...,Zqa,分别计算每一个待定生理指标Zqa与患者生理指标Zi的差值绝对值并标记为U1,U2,...,Uqa,若Uqa大于等于预设阈值,则将该Uqa所对应的待定生理指标剔除,分别计算剔除后剩余的待定生理指标的平均值,并分别与患者异常生理指标的平均值做差,得到差值的绝对值并标记为I,提取剩余待定生理指标对应的患者的就诊记录中的年龄、性别、骨折程度、骨折位置,分别与当前患者的就诊记录中的年龄、性别、骨折程度、骨折位置进行一一对比,得到每一项就诊记录的对比结果,若对比结果相同,则将对比结果赋值为-1,若对比结果不同,则将对比结果赋值为1,预设每一项就诊记录的权重系数,计算每一项就诊记录的对比结果的赋值乘以对应权重系数的数值,对所有的数值进行相加,得到相似值O,通过公式L=b*U+d*I+f*O进行最终评定,得到最终评定值L,其中,b、d、f是预设系数,且d大于b大于f,选取最终评定值L最小的待定生理指标,即为相似生理指标。
本发明的有益效果:本发明首先通过患者的当前患者就诊记录,对数据库进行筛选,能够得到最符合患者当前阶段的初步护理方案,采集患者当前周期T的生理指标,通过Mann-Kendall检验法对患者的当前周期T的各项生理指标分别进行数据趋势分析,能够更准确地评估患者生理指标的趋势变化,护理人员能够密切监测患者的康复进程,可以及早采取措施,预防术后并发症的发生,同时,综合了患者生理指标的变动趋势、差异程度、个体差异和特定情况等因素,最终确定相似生理指标,获取相似生理指标对应的护理子方案,将该护理子方案对异常子方案进行替代,从而为每位患者根据实际康复情况制定相匹配的护理方案,提高了护理的个性化程度和准确性,有助于改善患者的康复过程,提高患者的康复效果。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的流程示意图。
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、完整的描述,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,本发明为一种用于骨科护理的骨折智能辅助监测***,包括:
数据库,用于存储不同患者的就诊记录,所述就诊记录包括性别、年龄、骨折位置和骨折程度,还存储了不同患者不同恢复阶段的生理指标和护理方案,所述生理指标的单位存储周期为T,所述生理指标包括疼痛等级、疼痛持续时间、创伤部位温度和血红蛋白含量,所述护理方案包括若干个护理子方案,每个单位存储周期T内的生理指标对应一个护理子方案;
方案初始模块,用于从数据库中筛选出与当前患者最相似的就诊记录,以该就诊记录对应患者的护理方案作为当前患者的初步护理方案;
数据采集模块,用于采集患者当前周期T内的生理指标S1-S4;
方案优化模块,用于采用 Mann-Kendall检验法对患者的当前周期T的各项生理指标分别进行数据趋势分析,得到各项生理指标的变化趋势Z1-Z4,并分别与初步护理方案中已知的各项生理指标的变化趋势M1-M4进行对比,若存在变化趋势差异大于预设阈值的生理指标Si,i∈[1,4],则标记为异常生理指标,则将异常生理指标对应的初步护理子方案标记为异常子方案,获取异常生理指标的类型和变动趋势Zi,从数据库中筛选与变动趋势Zi的差异小于预设阈值且类型相同的若干个生理指标,并标记为待定生理指标,选取与异常生理指标最相似的待定生理指标,并标记为相似生理指标;获取相似生理指标对应的护理子方案,将该护理子方案对异常子方案进行替代。
本发明首先通过患者的当前患者就诊记录,对数据库进行筛选,能够得到最符合患者当前阶段的初步护理方案,采集患者当前周期T的生理指标,通过Mann-Kendall检验法对患者的当前周期T的各项生理指标分别进行数据趋势分析,能够更准确地评估患者生理指标的趋势变化,护理人员能够密切监测患者的康复进程,可以及早采取措施,预防术后并发症的发生,同时,综合考虑了生理指标的变动趋势、差异程度、个体差异和特定情况等因素,最终确定相似生理指标,获取相似生理指标对应的护理子方案,将该护理子方案对异常子方案进行替代,从而为每位患者根据实际康复情况制定相匹配的护理方案,提高了护理的个性化程度和准确性,有助于改善患者的康复过程,提高患者的康复效果。
在本发明的一种优选的实施例中,所述数据库中的护理方案由医生和护理人员共同参与制定。
可以充分利用多名医生和护理人员的专业知识和经验,确保数据库中的护理方案更全面性和更准确性,同时,不同的医生和护理人员可能有不同的观点和建议,通过他们的共同参与制定,可以促进护理方案的全面讨论和多方面考虑,避免了个别观点或偏见的影响,提高护理方案的质量和适用性。
在本发明的另一种优选的实施例中,还包括恢复阶段评定模块,用于基于数据库中的护理方案将骨科护理分为不同恢复阶段,所述不同恢复阶段分为初期护理阶段、中期护理阶段、后期护理阶段。
通过将护理分为不同的阶段,能够更好地管理和规划患者的护理过程,对于不同的恢复阶段,能够有针对性地制定相应的护理方案和措施,以满足患者在不同恢复阶段的护理需求,恢复阶段评定模块可以根据数据库中的护理方案对患者进行评估,并确定患者所处的恢复阶段,这样能够及时调整和优化患者护理方案,确保患者得到最优质的护理服务。同时,恢复阶段评定模块还可以提供康复进展的记录和报告,供医生和护理人员参考和分析,便于对患者进行更好的进行康复管理和指导,提高了护理的个性化和针对性。
在本发明的另一种优选的实施例中,还包括智能反馈模块,预设各项生理指标阈值,若存在生理指标大于等于预设阈值,则向护理人员和患者发出警报。
通过智能反馈模块的警报功能,可以及时发现和解决患者的生理异常或不适情况,护理人员可以快速采取相应的措施,例如调整治疗方案、更密切地监测患者的病情,来确保患者的安全和康复进程,提高护理的及时性和有效性,保障患者的安全和健康。
在本发明的另一种优选的实施例中,所述方案优化模块中,采用 Mann-Kendall检验法对患者的当前周期T的各项生理指标分别进行数据趋势分析的过程为:
将当前周期T内患者的任一生理指标中的数据按时间顺序进行排列,依次将除第一个数据外的任一数据与前面所有的数据分别进行数值对比,生成若干个对比关系,所述对比关系包括大于、小于和等于,将大于的对比关系赋值为1,将小于的对比关系赋值为-1,将等于的对比关系赋值为0,根据所有对比关系的值计算当前生理指标的变动趋势Z,若Z大于0则说明该变动趋势是上升趋势,若Z小于0则说明该变动趋势是下降趋势,若Z等于0则说明变动趋势为平稳趋势,Z的绝对值越大,代表变动趋势越大,具体计算过程为:
;
;
;
其中n为周期T的天数,xj为当前数据点,xk为当前数据点前的任一点,sgn为对比关系的值,S为所有对比关系的和,var_s为赋值后的对比关系值的方差,Z为变动趋势。
Mann-Kendall检验法是一种非参数统计方法,它能够检测数据序列中的趋势性变化,并且不需要对数据进行假设检验。因此,采用Mann-Kendall检验法能够更准确地评估患者生理指标的趋势变化,并且不受数据分布的限制,进而能够提供有关患者生理指标变化的有价值的信息,为医疗决策提供科学依据,同时,通过对患者生理指标进行趋势分析,护理人员也能够更好地了解患者的生理状态,并根据趋势变化来为患者调整护理方案。
在本发明的另一种优选的实施例中,所述方案优化模块中,分别与初步护理方案中的已知的各项生理指标的变化趋势M1-4进行对比的过程为:
计算每项生理指标Z1-4和M1-4差值的绝对值,若差值的绝对值大于等于对应的变动趋势阈值,则判定该项生理指标为异常生理指标,若差值绝对值小于变动趋势阈值,则判定该项生理指标为正常生理指标。
通过对患者各项恢复指标与初步护理方案对应的患者恢复指标进行对比,可以判断患者的康复情况是否符合良好。如果患者的恢复指标趋势与初步护理方案对应的恢复指标趋势相近,患者的康复进展良好,初步护理方案的符合当前患者,如果患者的恢复指标趋势与初步护理方案对应的恢复指标趋势相差太大,说明当前的护理方案不符合当前患者,需要对该项生理指标的初步护理方案进行调整,从而为每位患者根据实际康复情况制定相匹配的护理方案,提高了护理的个性化程度和准确性,有助于改善患者的康复过程,提高患者的康复效果。
在本发明的另一种优选的实施例中,对正常生理指标进行再对比:
分别计算患者各项正常生理指标中数据的平均值并标记为avg-a,并与初步护理方案中已知的生理指标数据的平均值avg-b进行对比,预设阈值系数a,若avg-a大于(1+a)%*avg-b或avg-b大于(1+a)%*avg-a,则将该正常生理指标标记为异常生理指标,并将该生理指标所对应的初步护理子方案标记为异常护理子方案。
由于每位患者的个体存在差异,仅仅依据与初始方案对应患者的变动趋势来判断指标是否正常可能会导致误判,即使当前患者的变动趋势与初始方案对应患者相同,该项指标的数据也不能归为正常范围。因此,根据患者的生理指标均值和变动趋势,能够更准确地判断指标是否正常,从而能够更好得到每位患者的实际情况,提高判断的准确性,为后续护理方案的调整提供了更加全面的护理方案制定。
在本发明的另一种优选的实施例中,所述方案优化模块中,获取相似生理指标的过程为:
分别计算每个待定生理指标所对应的变动趋势并标记为Zq1,Zq2,...,Zqa,分别计算每一个待定生理指标Zqa与患者生理指标Zi的差值绝对值并标记为U1,U2,...,Uqa,若Uqa大于等于预设阈值,则将该Uqa所对应的待定生理指标剔除,分别计算剔除后剩余的待定生理指标的平均值,并分别与患者异常生理指标的平均值做差,得到差值的绝对值并标记为I,提取剩余待定生理指标对应的患者的就诊记录中的年龄、性别、骨折程度、骨折位置,分别与当前患者的就诊记录中的年龄、性别、骨折程度、骨折位置进行一一对比,得到每一项就诊记录的对比结果,若对比结果相同,则将对比结果赋值为-1,若对比结果不同,则将对比结果赋值为1,预设每一项就诊记录的权重系数,计算每一项就诊记录的对比结果的赋值乘以对应权重系数的数值,对所有的数值进行相加,得到相似值O,通过公式L=b*U+d*I+f*O进行最终评定,得到最终评定值L,其中,b、d、f是预设系数,且d大于b大于f,选取最终评定值L最小的待定生理指标,即为相似生理指标。
通过每个生理指标进行定量化的变动趋势评估,筛选出变动较大的生理指标,剔除变动较大的生理指标后,计算剩余生理指标的平均值,并与患者生理指标的平均值进行差值计算,通过差值大小来衡量剩余生理指标与患者自身指标的差异程度,提取剩余生理指标对应的患者的就诊记录中的年龄、性别、骨折程度、骨折位置,与患者的就诊记录中的年龄、性别、骨折程度、骨折位置进行对比,得到患者与数据库中记录患者的个体差异和特定情况。设定每一项的权重系数,综合考虑了生理指标的变动趋势、差异程度、个体差异和特定情况等因素,最终确定相似生理指标,使最终得到护理方案更加符合患者当前实际情况,从而得到最符合患者实际情况的护理方案,提高了患者的康复效果,同时,护理子方案中包括药物调整、康复锻炼和饮食调整,对于得到的若干异常生理指标对应的相似生理指标对应的护理子方案,得到待处理子方案,收集待处理子方案中的不同护理子方案的文本数据,包括药物调整、康复锻炼和饮食调整的描述,对得到多个护理子方案进行文本筛选去重,比较不同护理子方案之间的文本相似度,识别出现在多个护理子方案中的相同药物调整、康复锻炼和饮食调整的描述,并将其标记为重复护理步骤,对重复护理步骤进行去重,将去重后的待处理子方案进行合并,得到最终的生成优化护理方案。
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 (8)
1.一种用于骨科护理的骨折智能辅助监测***,其特征在于,包括:
数据库,用于存储不同患者的就诊记录,所述就诊记录包括性别、年龄、骨折位置和骨折程度,还存储了不同患者不同恢复阶段的生理指标和护理方案,所述生理指标的单位存储周期为T,所述生理指标包括疼痛等级、疼痛持续时间、创伤部位温度和血红蛋白含量,所述护理方案包括若干个护理子方案,每个单位存储周期T内的生理指标对应一个护理子方案;
方案初始模块,用于从数据库中筛选出与当前患者最相似的就诊记录,以该就诊记录对应患者的护理方案作为当前患者的初步护理方案;
数据采集模块,用于采集患者当前周期T内的生理指标S1-S4;
方案优化模块,用于采用 Mann-Kendall检验法对患者的当前周期T的各项生理指标分别进行数据趋势分析,得到各项生理指标的变化趋势Z1-Z4,并分别与初步护理方案中已知的各项生理指标的变化趋势M1-M4进行对比,若存在变化趋势差异大于预设阈值的生理指标Si,i∈[1,4],则标记为异常生理指标,则将异常生理指标对应的初步护理子方案标记为异常子方案,获取异常生理指标的类型和变动趋势Zi,从数据库中筛选与变动趋势Zi的差异小于预设阈值且类型相同的若干个生理指标,并标记为待定生理指标,选取与异常生理指标最相似的待定生理指标,并标记为相似生理指标;获取相似生理指标对应的护理子方案,将该护理子方案对异常子方案进行替代。
2.根据权利要求1所述的一种用于骨科护理的骨折智能辅助监测***,其特征在于,所述数据库中的护理方案由医生和护理人员共同参与制定。
3.根据权利要求1所述的一种用于骨科护理的骨折智能辅助监测***,其特征在于,还包括恢复阶段评定模块,用于基于数据库中的护理方案将骨科护理分为不同恢复阶段,所述不同恢复阶段分为初期护理阶段、中期护理阶段、后期护理阶段。
4.根据权利要求1所述的一种用于骨科护理的骨折智能辅助监测***,其特征在于,还包括智能反馈模块,预设各项生理指标阈值,若存在生理指标大于等于预设阈值,则向护理人员和患者发出警报。
5.根据权利要求1所述的一种用于骨科护理的骨折智能辅助监测***,其特征在于,所述方案优化模块中,采用 Mann-Kendall检验法对患者的当前周期T的各项生理指标分别进行数据趋势分析的过程为:
将当前周期T内患者的任一生理指标中的数据按时间顺序进行排列,依次将除第一个数据外的任一数据与前面所有的数据分别进行数值对比,生成若干个对比关系,所述对比关系包括大于、小于和等于,将大于的对比关系赋值为1,将小于的对比关系赋值为-1,将等于的对比关系赋值为0,根据所有对比关系的值计算当前生理指标的变动趋势Z,若Z大于0则说明该变动趋势是上升趋势,若Z小于0则说明该变动趋势是下降趋势,若Z等于0则说明变动趋势为平稳趋势,Z的绝对值越大,代表变动趋势越大,具体计算过程为:
;
;
;
其中n为周期T的天数,xj为当前数据点,xk为当前数据点前的任一点,sgn为对比关系的值,S为所有对比关系的和,var_s为赋值后的对比关系值的方差,Z为变动趋势。
6.根据权利要求1所述的一种用于骨科护理的骨折智能辅助监测***,其特征在于,所述方案优化模块中,分别与初步护理方案中的已知的各项生理指标的变化趋势M1-4进行对比的过程为:
计算每项生理指标Z1-4和M1-4差值的绝对值,若差值的绝对值大于等于对应的变动趋势阈值,则判定该项生理指标为异常生理指标,若差值绝对值小于变动趋势阈值,则判定该项生理指标为正常生理指标。
7.根据权利要求6所述的一种用于骨科护理的骨折智能辅助监测***,其特征在于,对正常生理指标进行再对比:
分别计算患者各项正常生理指标中数据的平均值并标记为avg-a,并与初步护理方案中已知的生理指标数据的平均值avg-b进行对比,预设阈值系数a,若avg-a大于(1+a)%avg-b或avg-b大于(1+a)%avg-a,则将该正常生理指标标记为异常生理指标,并将该生理指标所对应的初步护理子方案标记为异常护理子方案。
8.根据权利要求1所述的一种用于骨科护理的骨折智能辅助监测***,其特征在于,所述方案优化模块中,获取相似生理指标的过程为:
分别计算每个待定生理指标所对应的变动趋势并标记为Zq1,Zq2,...,Zqa,分别计算每一个待定生理指标Zqa与患者生理指标Zi的差值绝对值并标记为U1,U2,...,Uqa,若Uqa大于等于预设阈值,则将该Uqa所对应的待定生理指标剔除,分别计算剔除后剩余的待定生理指标的平均值,并分别与患者异常生理指标的平均值做差,得到差值的绝对值并标记为I,提取剩余待定生理指标对应的患者的就诊记录中的年龄、性别、骨折程度、骨折位置,分别与当前患者的就诊记录中的年龄、性别、骨折程度、骨折位置进行一一对比,得到每一项就诊记录的对比结果,若对比结果相同,则将对比结果赋值为-1,若对比结果不同,则将对比结果赋值为1,预设每一项就诊记录的权重系数,计算每一项就诊记录的对比结果的赋值乘以对应权重系数的数值,对所有的数值进行相加,得到相似值O,通过公式L=b*U+d*I+f*O进行最终评定,得到最终评定值L,其中,b、d、f是预设系数,且d大于b大于f,选取最终评定值L最小的待定生理指标,即为相似生理指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311365421.XA CN117352175A (zh) | 2023-10-20 | 2023-10-20 | 一种用于骨科护理的骨折智能辅助监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311365421.XA CN117352175A (zh) | 2023-10-20 | 2023-10-20 | 一种用于骨科护理的骨折智能辅助监测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117352175A true CN117352175A (zh) | 2024-01-05 |
Family
ID=89368864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311365421.XA Pending CN117352175A (zh) | 2023-10-20 | 2023-10-20 | 一种用于骨科护理的骨折智能辅助监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117352175A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117877664A (zh) * | 2024-03-13 | 2024-04-12 | 吉林大学 | 基于5g物联网的智能护理管理*** |
-
2023
- 2023-10-20 CN CN202311365421.XA patent/CN117352175A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117877664A (zh) * | 2024-03-13 | 2024-04-12 | 吉林大学 | 基于5g物联网的智能护理管理*** |
CN117877664B (zh) * | 2024-03-13 | 2024-07-19 | 吉林大学 | 基于5g物联网的智能护理管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117352175A (zh) | 一种用于骨科护理的骨折智能辅助监测*** | |
KR20190105163A (ko) | 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법 | |
CN112908481B (zh) | 一种自动化个人健康评估及管理方法及*** | |
CN113539482B (zh) | 一种术后临床路径智能分析管理*** | |
CN115040093A (zh) | 一种用于内科高龄患者的护理干预方法及*** | |
CN112967819A (zh) | 一种神经外科手术的术前评估方法及*** | |
CN112712882A (zh) | 一种提高重症护理管理水平的方法和*** | |
CN116864104A (zh) | 基于人工智能的慢性血栓栓塞性肺动脉高压风险分级*** | |
CN111899867A (zh) | 基于深度学习的手术并发症预测及规避辅助决策*** | |
CN115579107A (zh) | 一种基于围手术期医护最优行为的智能辅助决策模型 | |
CN117577267A (zh) | 一种肝癌消融护理质量评价方法及*** | |
CN117059222A (zh) | 一种基于中医体质辨识的智能康复方案分析*** | |
CN116564458A (zh) | 一种基于电子病历的数据处理方法、***、设备及介质 | |
CN116597981A (zh) | 一种结合数字孪生技术进行慢阻肺疾病防治管理的方法 | |
CN116246782A (zh) | 一种老年人照护服务的风险判定*** | |
Matsumoto et al. | DPC in acute-phase inpatient hospital care | |
CN113077893A (zh) | 一种智能辅具适配决策***及方法 | |
CN113192631A (zh) | 一种多学科协作进行智能化大脑抗衰老诊疗的***和方法 | |
CN110675930A (zh) | 一种针对非小细胞肺癌的决策方法、***及装置 | |
CN118016270B (zh) | 一种基于互联网的***围手术期中医护理监控方法及*** | |
CN118197522B (zh) | 一种急诊重症患者生命体征实时监控预警方法及*** | |
CN118173253B (zh) | 一种基于病患数据分析管理***及方法 | |
CN117912634B (zh) | 一种神经外科患者术后康复训练推荐方法 | |
Leonenko et al. | A Modeling Framework for Decision Support in Periprosthetic Joint Infection Treatment | |
CN118352073A (zh) | 基于患者体检数据决策树分析的疾病风险预估方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |