CN117373664B - 基于数字疗法的冠脉术后危险数据分析预警*** - Google Patents
基于数字疗法的冠脉术后危险数据分析预警*** Download PDFInfo
- Publication number
- CN117373664B CN117373664B CN202311298110.6A CN202311298110A CN117373664B CN 117373664 B CN117373664 B CN 117373664B CN 202311298110 A CN202311298110 A CN 202311298110A CN 117373664 B CN117373664 B CN 117373664B
- Authority
- CN
- China
- Prior art keywords
- time
- period
- change trend
- postoperative
- 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.)
- Active
Links
- 230000002980 postoperative effect Effects 0.000 title claims abstract description 76
- 238000007405 data analysis Methods 0.000 title claims abstract description 25
- 238000002560 therapeutic procedure Methods 0.000 title claims abstract description 21
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 16
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 claims abstract description 166
- 229940109239 creatinine Drugs 0.000 claims abstract description 83
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 238000001356 surgical procedure Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims 3
- 230000007495 abnormal renal function Effects 0.000 abstract description 4
- 239000002872 contrast media Substances 0.000 description 3
- 208000017169 kidney disease Diseases 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229940039231 contrast media Drugs 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/15—Devices for taking samples of blood
- A61B5/153—Devices specially adapted for taking samples of venous or arterial blood, e.g. with syringes
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Hematology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了基于数字疗法的冠脉术后危险数据分析预警***，涉及数据分析技术领域，包括对照数获取模块、对照数据分析模块、判断模块和显示模块；解决了对患者的肌酐数据进行监测，无法对患者在术后的肌酐数据的变化趋势是否处于正常变化趋势内进行判断，会导致对患者肾功能异常的及时干预不足的技术问题：通过对监测患者在各个时段的变化趋势标记与各个时段的对照标记进行对比，生成对应时段的异常标记，通过异常标记提醒医护人员监测患者在对应时段内肌酐数据的变化趋势出现异常，提醒医护人员及时对监测患者进行检查和干预。
Description
技术领域
本发明涉及数据分析技术领域，具体涉及基于数字疗法的冠脉术后危险数据分析预警***。
背景技术
数字疗法的冠脉术是一种常见的心血管介入治疗方法，通过向冠状动脉注射造影剂，可以清晰显示冠状动脉的狭窄或堵塞情况，帮助医生确定心脏血管疾病的诊断和治疗方案，然而，尽管冠脉造影术在临床上应用广泛，但在一些患者中，可能会发生一些并发症。
其中，最常见的并发症之一是造影剂肾病，即造影剂对肾脏造成负担，导致肾功能异常，注入造影剂之后，会对肾脏造成负担，诱发造影剂肾病，会使肌酐升高造影剂肾病的主要临床表现是肌酐水平升高，这是一个衡量肾功能的指标，所以进行完数字疗法的冠脉术后需要监测患者的肌酐水平；
然而，上述方案在对进行完数字疗法的冠脉术后的患者进行肌酐水平监测时，通常通过对患者的肌酐数据进行监测，无法对患者在术后的肌酐数据的变化趋势是否处于正常变化趋势内进行判断，会导致对患者肾功能异常的及时干预不足，延误治疗时机，进而提出基于数字疗法的冠脉术后危险数据分析预警***。
发明内容
本发明的目的在于提供基于数字疗法的冠脉术后危险数据分析预警***，解决了对患者的肌酐数据进行监测，无法对患者在术后的肌酐数据的变化趋势是否处于正常变化趋势内进行判断，会导致对患者肾功能异常的及时干预不足的技术问题。
本发明的目的可以通过以下技术方案实现：
基于数字疗法的冠脉术后危险数据分析预警***，包括：
对照数据获取模块，用于对n个对照患者在术后时间范围z内的术后肌酐数据进行获取，并将其发送至对照数据分析模块，此处n≥1；
对照数据分析模块，用于将术后时间范围z均等分为v个术后时段，然后对v个术后时段内对照患者的术后肌酐数据进行分析，并通过分析结果获取肌酐数据在v个术后时段内对应的数据变化趋势，并将其标记为各个时段的对照标记，同时将各个时段的对照标记输入至判断模块；
对各个时段监测患者的肌酐数据进行实时获取的方式具体指，在各个时段的起始时刻和结束时刻对监测患者的肌酐数据实时进行获取；
判断模块，用于对各个时段监测患者的肌酐数据进行实时获取，并对其进行分析，根据分析结果获得监测患者各个时段肌酐数据的变化趋势标记，然后将其与对应时段的对照标记进行对比分析，根据分析结果生成异常标记，并将异常标记发送至显示模块；
显示模块，用于对异常标记和异常标记时段进行显示，同时对异常标记时段的对应变化趋势标记间显示。
作为本发明进一步的方案：术后时间范围z指代为对照患者在进行完成基于数字疗法的冠脉手术后往推z时长的这一时间范围，z＞0。
作为本发明进一步的方案：获取各个时段的对照标记的具体方式为：
S1：从v个术后时段内选取一个为目标时段；
S2：对n个对照患者在目标时段内起始时刻和结束时刻的术后肌酐数据进行获取，并对其进行分析判断，根据分析判断结果对n个对照患者在目标时段内对应的数据变化趋势进行获取，获取n个对照患者在目标时段内对应的数据变化趋势的具体方式为：
S21：选取一个对照患者为指定患者，将指定患者在目标时段内起始时刻和结束时刻的术后肌酐数据分别标记为A1和A2；
S22： 将目标时段的起始时刻和结束时刻的时间点分别标记为t1和t2，将起始时刻的时间点t1和结束时刻的时间点t2之间的时间间隔标记为L，此处L=z÷v；
S23：将指定患者在目标时段的起始时刻和结束时刻的术后肌酐数据进行坐标化处理，将目标时段的起始时刻和结束时刻的时间点作为x轴坐标，将目标时段的起始时刻和结束时刻对应的术后肌酐数据作为y轴坐标，即指定患者在目标时段内的起始时刻和结束时刻的术后肌酐数据进行坐标化处理的结果为（t1，A1）和（t2，A2）；
S24：对指定患者在目标时段的起始时刻（t1，A1）和结束时刻（t2，A2）两个坐标点之间的斜率K1进行计算获取，具体的计算获取方式为：K1=[A2－A1]／[x2－x1]；
S25：重复以上步骤S21-S24，即可获得n个对照患者在目标时段内的对应斜率，并将其依次标记为K1、K2、……、Kn；
S3：将n个对照患者在目标时段内的对应斜率K1、K2、……、Kn中为正值的数量标记为d，为负值的数量标记为e，为零的数量标记为f，此处满足d+e+f=n；
S4：将d、e和f对应的数值按照从小到大的顺序进行排序，根据d、e和f中数值最大的所对应斜率的正负情况判断该目标时段的变化趋势标记；
S5：重复步骤S1-S4，即可获得v个时段肌酐数据变化趋势对应的变化趋势标记，并将其作为各个时段的对照标记。
作为本发明进一步的方案：通过斜率的正负情况判断对应时段的变化趋势标记的具体方式为：若斜率为正值则将对应时段的变化趋势标记为增加标记，若斜率为负值则将对应时段的变化趋势标记为减小标记，若斜率为零，则将对应时段的变化趋势标记为平稳标记。
作为本发明进一步的方案：生成异常标记的具体方式为：
S01：将监测患者在各个时段的起始时刻和结束时刻的术后肌酐数据进行坐标化处理，将监测患者在各个时段起始时刻和结束时刻的时间点作为x轴坐标，将监测患者在各个时段起始时刻和结束时刻对应的术后肌酐数据作为y轴坐标，即监测患者在各个时段起始时刻和结束时刻的术后肌酐数据进行坐标化处理的结果为（m1v，B1v）和（m2v，B2v）；
S02：通过，对监测患者在各个时段的斜率Kv进行计算获取，v≥n≥1；
S03：将监测患者在各个时段的斜率Kv所对应斜率的正负情况判断该目标时段的变化趋势标记，若为正值则将其变化趋势标记为增加标记，若为负值则将其变化趋势标记为减小标记，若为零，则将其变化趋势标记为平稳标记；
S04：将监测患者在各个时段的变化趋势标记与各个时段的对照标记进行对比，若相同则不做任何处理，若不同则生成异常标记，发送至显示模块，同时将对应时段的变化趋势标记输出至显示模块。
作为本发明进一步的方案：对各个时段监测患者的肌酐数据进行实时获取的方式具体指，在各个时段的起始时刻和结束时刻对监测患者的肌酐数据实时进行获取。
作为本发明进一步的方案：将监测患者在v个时段内生成异常标记的个数标记为P，当（P/v）＞θ1时，则生成重点监护标记，并输出至显示模块。
作为本发明进一步的方案：显示模块，用于对重点监护标记、异常标记和异常标记时段进行显示，同时对异常标记时段的对应变化趋势标记进行显示。
本发明的有益效果：
本发明，通过对监测患者在各个时段的变化趋势标记与各个时段的对照标记进行对比，生成对应时段的异常标记，通过异常标记提醒医护人员监测患者在对应时段内肌酐数据的变化趋势出现异常，提醒医护人员及时对监测患者进行检查和干预，同时通过对异常标记时段对应的变化趋势标记进行显示，便于医护人员根据对应的变化趋势标记对医护人员进行针对性的检查和干预措施，便于对患者的术后肌酐数据恢复情况进行监测，同时减少患者并发症发生的可能性；
本发明，通过对监测患者在v个时段内生成异常标记的个数进行分析生成重点监护标记，便于医护人员根据重点监护标记对监测患者进行重点监护，对监测患者及时进行检查和干预，有利于监测患者的术后恢复同时减少监测患者并发症的发生。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明基于数字疗法的冠脉术后危险数据分析预警***的***框架结构示意图。
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。
实施例一
请参阅图1所示，本发明为基于数字疗法的冠脉术后危险数据分析预警***，包括对照数获取模块、对照数据分析模块、判断模块和显示模块；
对照数据获取模块，用于对n个对照患者在术后时间范围z内的术后肌酐数据进行获取，并将其发送至对照数据分析模块，此处n≥1；
此处，术后时间范围z指代为对照患者在进行完成基于数字疗法的冠脉手术后往推z时长的这一时间范围，z具体取值由具体的相关人员根据实际情况进行拟定，z＞0；
需要注意的是，在对对照患者进行选择时，默认对照患者的关键特征和检测患者具有相似性，关键特征包括年龄、性别、疾病类型等，这样可以减少其他因素对结果的干扰，使对比更加准确；
在临床上，肌酐数据获取的方式有很多种，均为现有且成熟的技术，最常见的获取的方法是通过抽取患者的血液样本，使用血清肌酐测定方法进行测量，在此不做赘述，此处不具体对肌酐数据的获取的方式进行限定和说明；
对照数据分析模块，用于将术后时间范围z均等分为v个术后时段，然后对v个术后时段内对照患者的术后肌酐数据进行分析，并通过分析结果获取肌酐数据在v个术后时段内对应的数据变化趋势，并将其标记为各个时段的对照标记，同时将各个时段的对照标记输入至判断模块，获取各个时段的对照标记的具体方式为：
S1：从v个术后时段内选取一个为目标时段；
S2：对n个对照患者在目标时段内起始时刻和结束时刻的术后肌酐数据进行获取，并对其进行分析判断，根据分析判断结果对n个对照患者在目标时段内对应的数据变化趋势进行获取，获取n个对照患者在目标时段内对应的数据变化趋势的具体方式为：
S21：选取一个对照患者为指定患者，将指定患者在目标时段内起始时刻和结束时刻的术后肌酐数据分别标记为A1和A2；
S22： 将目标时段的起始时刻和结束时刻的时间点分别标记为t1和t2，将起始时刻的时间点t1和结束时刻的时间点t2之间的时间间隔标记为L，此处L=z÷v；
S23：将指定患者在目标时段的起始时刻和结束时刻的术后肌酐数据进行坐标化处理，将目标时段的起始时刻和结束时刻的时间点作为x轴坐标，将目标时段的起始时刻和结束时刻对应的术后肌酐数据作为y轴坐标，即指定患者在目标时段内的起始时刻和结束时刻的术后肌酐数据进行坐标化处理的结果为（t1，A1）和（t2，A2）；
S24：对指定患者在目标时段的起始时刻（t1，A1）和结束时刻（t2，A2）两个坐标点之间的斜率K1进行计算获取，具体的计算获取方式为：K1=[A2－A1]／[x2－x1]；
对K1的正负性进行判断，当K1为正值时，则说明对照患者的术后肌酐数据在目标时段内为增长趋势的，当K1为负值时，则说明对照患者的术后肌酐数据在目标时段内为减小趋势的，当K1为零时，则说明对照患者的术后肌酐数据在目标时段内没有发生改变；
S25：重复以上步骤S21-S24，即可获得n个对照患者在目标时段内的对应斜率，并将其依次标记为K1、K2、……、Kn；
S3：将n个对照患者在目标时段内的对应斜率K1、K2、……、Kn中为正值的数量标记为d，为负值的数量标记为e，为零的数量标记为f，此处满足d+e+f=n；
S4：将d、e和f对应的数值按照从小到大的顺序进行排序，根据d、e和f中数值最大的所对应斜率的正负情况判断该目标时段的变化趋势标记，若为正值则将其变化趋势标记为增加标记，若为负值则将其变化趋势标记为减小标记，若为零，则将其变化趋势标记为平稳标记；
S5：重复步骤S1-S4，即可获得v个时段肌酐数据变化趋势对应的变化趋势标记，并将其作为各个时段的对照标记；
判断模块，用于对各个时段监测患者的肌酐数据进行实时获取，并对其进行分析，根据分析结果获得监测患者各个时段肌酐数据的变化趋势标记，然后将其与对应时段的对照标记进行对比分析，根据分析结果生成异常标记，并将异常标记发送至显示模块，生成异常标记的具体方式为：
对各个时段监测患者的肌酐数据进行实时获取的方式具体指，在各个时段的起始时刻和结束时刻对监测患者的肌酐数据实时进行获取；
S01：将监测患者在各个时段的起始时刻和结束时刻的术后肌酐数据进行坐标化处理，将监测患者在各个时段起始时刻和结束时刻的时间点作为x轴坐标，将监测患者在各个时段起始时刻和结束时刻对应的术后肌酐数据作为y轴坐标，即监测患者在各个时段起始时刻和结束时刻的术后肌酐数据进行坐标化处理的结果为（m1v，B1v）和（m2v，B2v）；
S02：通过，对监测患者在各个时段的斜率Kv进行计算获取，v≥n≥1；
S03：将监测患者在各个时段的斜率Kv所对应斜率的正负情况判断该目标时段的变化趋势标记，若为正值则将其变化趋势标记为增加标记，若为负值则将其变化趋势标记为减小标记，若为零，则将其变化趋势标记为平稳标记；
S04：将监测患者在各个时段的变化趋势标记与各个时段的对照标记进行对比，若相同则不做任何处理，若不同则生成异常标记，发送至显示模块，同时将对应时段的变化趋势标记输出至显示模块；
显示模块，用于对异常标记和异常标记时段进行显示，同时对异常标记时段的对应变化趋势标记进行显示；
通过对监测患者在各个时段的变化趋势标记与各个时段的对照标记进行对比，生成对应时段的异常标记，通过异常标记提醒医护人员监测患者在对应时段内肌酐数据的变化趋势出现异常，提醒医护人员及时对监测患者进行检查和干预，同时通过对异常标记时段对应的变化趋势标记进行显示，便于医护人员根据对应的变化趋势标记对医护人员进行针对性的检查和干预措施；
实施例二
作为本发明的实施例二，本申请在具体实施时，相较于实施例一，本实施例的技术方案与实施例一的区别仅在于本实施例中，将监测患者在v个时段内生成异常标记的个数标记为P，当（P/v）＞θ1时，则生成重点监护标记，并输出至显示模块，便于医护人员根据重点监护标记对监测患者进行重点监护，对监测患者及时进行检查和干预，有利于监测患者的术后恢复同时减少监测患者并发症的发生；
θ1为预设值，具体数值由相关人员根据经验进行拟定；
实施例三
作为本发明的实施例三，本申请在具体实施时，相较于实施例一和实施例二，本实施例的技术方案是在于将上述实施例一和实施例二的方案进行组合实施。
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，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.基于数字疗法的冠脉术后危险数据分析预警***，其特征在于，包括：
对照数据获取模块，用于对n个对照患者在术后时间范围z内的术后肌酐数据进行获取，并将其发送至对照数据分析模块，此处n≥1；
对照数据分析模块，用于将术后时间范围z均等分为v个术后时段，然后对v个术后时段内对照患者的术后肌酐数据进行分析，并通过分析结果获取肌酐数据在v个术后时段内对应的数据变化趋势，并将其标记为各个时段的对照标记，同时将各个时段的对照标记输入至判断模块；
对各个时段监测患者的肌酐数据进行实时获取的方式具体指，在各个时段的起始时刻和结束时刻对监测患者的肌酐数据实时进行获取；
判断模块，用于对各个时段监测患者的肌酐数据进行实时获取，并对其进行分析，根据分析结果获得监测患者各个时段肌酐数据的变化趋势标记，然后将其与对应时段的对照标记进行对比分析，根据分析结果生成异常标记，并将异常标记发送至显示模块；
显示模块，用于对异常标记和异常标记时段进行显示，同时对异常标记时段的对应变化趋势标记间显示；
获取各个时段的对照标记的具体方式为：
S1：从v个术后时段内选取一个为目标时段；
S2：对n个对照患者在目标时段内起始时刻和结束时刻的术后肌酐数据进行获取，并对其进行分析判断，根据分析判断结果对n个对照患者在目标时段内对应的数据变化趋势进行获取，获取n个对照患者在目标时段内对应的数据变化趋势的具体方式为：
S21：选取一个对照患者为指定患者，将指定患者在目标时段内起始时刻和结束时刻的术后肌酐数据分别标记为A1和A2；
S22： 将目标时段的起始时刻和结束时刻的时间点分别标记为t1和t2，将起始时刻的时间点t1和结束时刻的时间点t2之间的时间间隔标记为L，此处L=z÷v；
S23：将指定患者在目标时段的起始时刻和结束时刻的术后肌酐数据进行坐标化处理，将目标时段的起始时刻和结束时刻的时间点作为x轴坐标，将目标时段的起始时刻和结束时刻对应的术后肌酐数据作为y轴坐标，即指定患者在目标时段内的起始时刻和结束时刻的术后肌酐数据进行坐标化处理的结果为（t1，A1）和（t2，A2）；
S24：对指定患者在目标时段的起始时刻（t1，A1）和结束时刻（t2，A2）两个坐标点之间的斜率K1进行计算获取，具体的计算获取方式为：K1=[A2－A1]／[x2－x1]；
S25：重复以上步骤S21-S24，即可获得n个对照患者在目标时段内的对应斜率，并将其依次标记为K1、K2、……、Kn；
S3：将n个对照患者在目标时段内的对应斜率K1、K2、……、Kn中为正值的数量标记为d，为负值的数量标记为e，为零的数量标记为f，此处满足d+e+f=n；
S4：将d、e和f对应的数值按照从小到大的顺序进行排序，根据d、e和f中数值最大的所对应斜率的正负情况判断该目标时段的变化趋势标记；
S5：重复步骤S1-S4，即可获得v个时段肌酐数据变化趋势对应的变化趋势标记，并将其作为各个时段的对照标记；
生成异常标记的具体方式为：
S01：将监测患者在各个时段的起始时刻和结束时刻的术后肌酐数据进行坐标化处理，将监测患者在各个时段起始时刻和结束时刻的时间点作为x轴坐标，将监测患者在各个时段起始时刻和结束时刻对应的术后肌酐数据作为y轴坐标，即监测患者在各个时段起始时刻和结束时刻的术后肌酐数据进行坐标化处理的结果为（m1v，B1v）和（m2v，B2v）；
S02：通过，对监测患者在各个时段的斜率Kv进行计算获取，v≥n≥1；
S03：将监测患者在各个时段的斜率Kv所对应斜率的正负情况判断该目标时段的变化趋势标记，若为正值则将其变化趋势标记为增加标记，若为负值则将其变化趋势标记为减小标记，若为零，则将其变化趋势标记为平稳标记；
S04：将监测患者在各个时段的变化趋势标记与各个时段的对照标记进行对比，若相同则不做任何处理，若不同则生成异常标记，发送至显示模块，同时将对应时段的变化趋势标记输出至显示模块。
2.根据权利要求1所述的基于数字疗法的冠脉术后危险数据分析预警***，其特征在于，术后时间范围z指代为对照患者在进行完成基于数字疗法的冠脉手术后往推z时长的这一时间范围，z＞0。
3.根据权利要求1所述的基于数字疗法的冠脉术后危险数据分析预警***，其特征在于，通过斜率的正负情况判断对应时段的变化趋势标记的具体方式为：若斜率为正值则将对应时段的变化趋势标记为增加标记，若斜率为负值则将对应时段的变化趋势标记为减小标记，若斜率为零，则将对应时段的变化趋势标记为平稳标记。
4.根据权利要求3所述的基于数字疗法的冠脉术后危险数据分析预警***，其特征在于，对各个时段监测患者的肌酐数据进行实时获取的方式具体指，在各个时段的起始时刻和结束时刻对监测患者的肌酐数据实时进行获取。
5.根据权利要求4所述的基于数字疗法的冠脉术后危险数据分析预警***，其特征在于，将监测患者在v个时段内生成异常标记的个数标记为P，当（P/v）＞θ1时，则生成重点监护标记，并输出至显示模块，θ1为预设值。
6.根据权利要求5所述的基于数字疗法的冠脉术后危险数据分析预警***，其特征在于，显示模块，用于对重点监护标记、异常标记和异常标记时段进行显示，同时对异常标记时段的对应变化趋势标记进行显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311298110.6A CN117373664B (zh) | 2023-10-09 | 2023-10-09 | 基于数字疗法的冠脉术后危险数据分析预警*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311298110.6A CN117373664B (zh) | 2023-10-09 | 2023-10-09 | 基于数字疗法的冠脉术后危险数据分析预警*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117373664A CN117373664A (zh) | 2024-01-09 |
| CN117373664B true CN117373664B (zh) | 2024-05-28 |
Family
ID=89395650
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311298110.6A Active CN117373664B (zh) | 2023-10-09 | 2023-10-09 | 基于数字疗法的冠脉术后危险数据分析预警*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117373664B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110782989A (zh) * | 2019-09-18 | 2020-02-11 | 平安科技（深圳）有限公司 | 数据分析方法、装置、设备及计算机可读存储介质 |
| CN112017778A (zh) * | 2020-08-06 | 2020-12-01 | 东北大学 | 一种面向临床的多层级血糖异常预警方法 |
| CN114023441A (zh) * | 2021-11-08 | 2022-02-08 | 中国人民解放军总医院 | 基于可解释机器学习模型的严重aki早期风险评估模型、装置及其开发方法 |
| CN116230238A (zh) * | 2023-05-08 | 2023-06-06 | 寿光市人民医院 | 一种用于心血管的监测预警*** |
| CN116453645A (zh) * | 2023-04-28 | 2023-07-18 | 胜利油田中心医院 | 一种基于临床用药的反馈方法及*** |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2007308078A1 (en) * | 2006-10-13 | 2008-04-17 | PeraHealth, Inc | System and method for providing a health score for a patient |
| WO2023164584A1 (en) * | 2022-02-23 | 2023-08-31 | Dexcom, Inc. | Sensing systems and methods for providing decision support around kidney health and/or diabetes |
-
2023
- 2023-10-09 CN CN202311298110.6A patent/CN117373664B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110782989A (zh) * | 2019-09-18 | 2020-02-11 | 平安科技（深圳）有限公司 | 数据分析方法、装置、设备及计算机可读存储介质 |
| WO2021052156A1 (zh) * | 2019-09-18 | 2021-03-25 | 平安科技（深圳）有限公司 | 数据分析方法、装置、设备及计算机可读存储介质 |
| CN112017778A (zh) * | 2020-08-06 | 2020-12-01 | 东北大学 | 一种面向临床的多层级血糖异常预警方法 |
| CN114023441A (zh) * | 2021-11-08 | 2022-02-08 | 中国人民解放军总医院 | 基于可解释机器学习模型的严重aki早期风险评估模型、装置及其开发方法 |
| CN116453645A (zh) * | 2023-04-28 | 2023-07-18 | 胜利油田中心医院 | 一种基于临床用药的反馈方法及*** |
| CN116230238A (zh) * | 2023-05-08 | 2023-06-06 | 寿光市人民医院 | 一种用于心血管的监测预警*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117373664A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11335450B2 (en) | Dehydration amount prediction method for hemodialysis and electronic device using the same | |
| CN105030203B (zh) | 一种监护数据显示方法及监护设备 | |
| Hu et al. | Predictive combinations of monitor alarms preceding in-hospital code blue events | |
| US10456087B2 (en) | Method for score confidence interval estimation when vital sign sampling frequency is limited | |
| CN114842935B (zh) | 一种用于医院夜间查房的智能检测方法及*** | |
| JP6993690B2 (ja) | 重症化推定装置及び重症化推定プログラム | |
| CN115862793B (zh) | 心血管医疗数据分析的装置和方法、计算机存储介质 | |
| JP5544365B2 (ja) | マルチパラメーターモニタリングにおける改善又はマルチパラメーターモニタリングに関する改善 | |
| CN111329459A (zh) | 一种改良的患者生命体征监测预警评分方法 | |
| CN108447530B (zh) | 一种临床数据判定的方法、装置、设备和存储介质 | |
| CN117373664B (zh) | 基于数字疗法的冠脉术后危险数据分析预警*** | |
| CN114366060A (zh) | 一种基于心率变异性的健康预警方法、装置及电子设备 | |
| KR20130048597A (ko) | 의료 검사 데이터 분석결과 표현 방법 및 장치 | |
| Ignácz et al. | NB-SQI: A novel non-binary signal quality index for continuous blood pressure waveforms | |
| Baig et al. | Detection and classification of hypovolaemia during anaesthesia | |
| JP2016087182A (ja) | 情報処理システム、情報処理装置、情報処理方法および情報処理プログラム | |
| CN110558961B (zh) | 生理信息显示方法、设备和计算机可读存储介质 | |
| CN117577334B (zh) | 一种基于医疗器械设备的健康监测*** | |
| CN106919778B (zh) | 基于医疗大数据的数据处理方法及装置 | |
| Zhang et al. | A Framework for Digital Data Quality Assessment in Digital Biomarker Research | |
| CN117393157A (zh) | 一种基于知识库的vte不良事件上报方法、***和介质 | |
| JP7474841B2 (ja) | 信頼性の高い血圧測定の検出 | |
| Zhao et al. | Automatic and online fault detection of sensor problems using continuous glucose monitoring data for type 1 diabetes | |
| Toddenroth et al. | Algorithmic Summaries of Perioperative Blood Pressure Fluctuations | |
| CN118072971A (zh) | 基于信息深度整合的智慧养老服务管理方法 |
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 |