CN117918800A - 结核潜伏感染者智能健康监测*** - Google Patents
结核潜伏感染者智能健康监测*** Download PDFInfo
- Publication number
- CN117918800A CN117918800A CN202410030120.XA CN202410030120A CN117918800A CN 117918800 A CN117918800 A CN 117918800A CN 202410030120 A CN202410030120 A CN 202410030120A CN 117918800 A CN117918800 A CN 117918800A
- Authority
- CN
- China
- Prior art keywords
- patient
- data
- tuberculosis
- respiratory rate
- risk
- 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
- 201000008827 tuberculosis Diseases 0.000 title claims abstract description 116
- 238000012544 monitoring process Methods 0.000 title claims abstract description 112
- 230000036541 health Effects 0.000 title claims abstract description 51
- 230000036387 respiratory rate Effects 0.000 claims abstract description 96
- 239000008280 blood Substances 0.000 claims abstract description 69
- 210000004369 blood Anatomy 0.000 claims abstract description 69
- 208000032420 Latent Infection Diseases 0.000 claims abstract description 55
- 208000037771 disease arising from reactivation of latent virus Diseases 0.000 claims abstract description 55
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 30
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 26
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 26
- 239000001301 oxygen Substances 0.000 claims abstract description 26
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 208000033353 latent tuberculosis infection Diseases 0.000 claims description 28
- 206010065048 Latent tuberculosis Diseases 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 230000035565 breathing frequency Effects 0.000 claims description 12
- 238000002560 therapeutic procedure Methods 0.000 claims description 12
- 208000015181 infectious disease Diseases 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 241000725303 Human immunodeficiency virus Species 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 7
- 201000010001 Silicosis Diseases 0.000 claims description 6
- 206010054094 Tumour necrosis Diseases 0.000 claims description 6
- 230000000259 anti-tumor effect Effects 0.000 claims description 6
- 238000000502 dialysis Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 210000004072 lung Anatomy 0.000 claims description 6
- 210000000056 organ Anatomy 0.000 claims description 6
- 238000002054 transplantation Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 206010006334 Breathing abnormalities Diseases 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 8
- 230000036565 night sweats Effects 0.000 abstract description 4
- 206010029410 night sweats Diseases 0.000 abstract description 4
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 39
- 239000008103 glucose Substances 0.000 description 39
- 235000013305 food Nutrition 0.000 description 11
- 238000001914 filtration Methods 0.000 description 10
- 235000012054 meals Nutrition 0.000 description 9
- 241000187479 Mycobacterium tuberculosis Species 0.000 description 7
- 125000002791 glucosyl group Chemical group C1([C@H](O)[C@@H](O)[C@H](O)[C@H](O1)CO)* 0.000 description 7
- 208000036981 active tuberculosis Diseases 0.000 description 6
- 239000012678 infectious agent Substances 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 5
- 230000002146 bilateral effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000241 respiratory effect Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 241000193830 Bacillus <bacterium> Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000036039 immunity Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 238000011998 interferon-gamma release assay Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000010076 replication Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000035900 sweating Effects 0.000 description 2
- XUFXOAAUWZOOIT-SXARVLRPSA-N (2R,3R,4R,5S,6R)-5-[[(2R,3R,4R,5S,6R)-5-[[(2R,3R,4S,5S,6R)-3,4-dihydroxy-6-methyl-5-[[(1S,4R,5S,6S)-4,5,6-trihydroxy-3-(hydroxymethyl)-1-cyclohex-2-enyl]amino]-2-oxanyl]oxy]-3,4-dihydroxy-6-(hydroxymethyl)-2-oxanyl]oxy]-6-(hydroxymethyl)oxane-2,3,4-triol Chemical compound O([C@H]1O[C@H](CO)[C@H]([C@@H]([C@H]1O)O)O[C@H]1O[C@@H]([C@H]([C@H](O)[C@H]1O)N[C@@H]1[C@@H]([C@@H](O)[C@H](O)C(CO)=C1)O)C)[C@@H]1[C@@H](CO)O[C@@H](O)[C@H](O)[C@H]1O XUFXOAAUWZOOIT-SXARVLRPSA-N 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 102000008070 Interferon-gamma Human genes 0.000 description 1
- 108010074328 Interferon-gamma Proteins 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 229960002632 acarbose Drugs 0.000 description 1
- XUFXOAAUWZOOIT-UHFFFAOYSA-N acarviostatin I01 Natural products OC1C(O)C(NC2C(C(O)C(O)C(CO)=C2)O)C(C)OC1OC(C(C1O)O)C(CO)OC1OC1C(CO)OC(O)C(O)C1O XUFXOAAUWZOOIT-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 206010061428 decreased appetite Diseases 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229940044627 gamma-interferon Drugs 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- XZWYZXLIPXDOLR-UHFFFAOYSA-N metformin Chemical compound CN(C)C(=N)NC(N)=N XZWYZXLIPXDOLR-UHFFFAOYSA-N 0.000 description 1
- 229960003105 metformin Drugs 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 210000003802 sputum Anatomy 0.000 description 1
- 208000024794 sputum Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 229960001005 tuberculin Drugs 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Pulmonology (AREA)
- Optics & Photonics (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Medicine (AREA)
- Mathematical Physics (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明实施例公开了一种结核潜伏感染者智能健康监测***，包括：数据采集模块，用于采集结核潜伏感染高危患者的健康监测数据；所述健康监测数据包括呼吸频率、心率、血氧、盗汗及血糖；数据分析模块，用于采用所述健康监测数据实现对所述结核潜伏感染高危患者的呼吸监测、心率监测、血氧监测、盗汗监测及血糖监测。本发明弥补了目前未对该类人群(结核潜伏感染者)进行监测的空白，且在发现异常时会及时上报给医院端，可以为医院对该类人群的管理提供一定帮助。
Description
技术领域
本发明涉及健康监测技术领域，具体涉及一种结核潜伏感染者智能健康监测***。
背景技术
1.结核病仍然是危害人民健康和公共卫生安全的重大传染病
2015年，WHO提出到2035年终结结核病流行(END TB)的全球战略目标，即在20年内使全球结核病发病率下降90％。但根据当前全球结核病发病率每年下降2％的趋势，到2035年远远不能实现这个目标。
2.结核潜伏感染是导致结核病发病率持续不断的重要源头。
结核潜伏感染人群一直以来是一个庞大的、潜在的“患者库”，持续不断输送着新的活动性结核病患者，如何控制这些潜伏感染者体内的结核分枝杆菌不呈明显复制状态，不出现活动性结核病的临床症状已成为结核病控制的重点。高危人群或重点人群的LTBI率较高，不同国家、不同地区及不同人群的LTBI率差异较大，其原因与不同地区、不同人群的结核病现状、调查对象、诊断技术及方法等不同有关。
3.降低结核潜伏感染者直接发病率是实现终结结核全球战略目标的重要靶点
机体感染结核分枝杆菌后可能出现以下三种情况：(1)结核分枝杆菌被消灭；(2)结核分枝杆菌被抑制，但未被消灭，呈LTBI状态；(3)结核分枝杆菌呈现明显的复制并出现活动性结核病的临床症状。据模型估计，全球大约四分之一的人感染了结核分枝杆菌(MTB)并长期处于潜伏感染状态，这其中有5％-10％的人可能会在一生中某个时刻发展为活动性结核病(ATB)[7-9]。结核分枝杆菌感染的最终结局主要取决于宿主免疫***与病原菌之间的相互作用，此外还受结核病现况、防控策略、社会经济及生活环境等因素的影响[10]。在疫苗研发难以突破的前提下，除了早发现和对结核病患者规范治疗外，降低LTBI人群直接发病率关系到结核病防控全球战略的成败[11]。然而结核潜伏感染者随着生活条件、居住环境、作息规律，压力来源，心理状态等情况的改变都可影响身体素质、免疫力水平，那么如何降低发病率，提高免疫力水平，做好结核潜伏感染者健康监测和自我管理是当下需要不断探索的课题。
4.目前我国尚未***开展对结核潜伏感染者的适宜干预技术和管理策略的研究。
近年来，不同国家和地区陆续开展了LTBI调查，覆盖了不同的人群，包括在移民、难民、寻求庇护者、羁押人群、卫生保健工作者、肺结核患者密切接触者、人类免疫缺陷病毒(HIV)感染者等高危人群。我国是全球结核病第三高负担国家，LTBI人群的界定和适宜干预技术的研究还未***开展，尚未形成成熟的监测和管理策略。更为重要的是，我国结核病特征和人群特征与低负担国家存在显著差异，LTBI的监测和管理不能照搬国外经验和指南。在没有结核病高负担国家成功经验可循的现状下，为有效降低全国结核病的目标，***研究开展结核潜伏感染者健康干预方案、监测管理等方面内容，提供实时评价干预目标人群反应技术支撑，形成适宜我国国情和人群特征的结核潜伏感染者管理策略势在必行。
结核潜伏感染(LTBI)通常是指体内(通常是肺)存在结核杆菌，但仍未出现明显的症状。结核潜伏感染者的曼托试验呈阳性，但无症状且痰中也无结核菌。在某些情况下，结核菌可以一生持续感染而不发病。
LTBI无任何临床症状，在常规体检或入院筛查中LTBI筛查并不是必须项目，同时群众对结核病防治知识知晓率也处于较低水平，且就医过程中更多选择基层医疗机构极易造成诊断延误或漏诊。但是，结核潜伏感染者仍具有传染性，因此有必要对该类人群进行健康监测。
发明内容
针对背景技术中所提及的技术缺陷，本发明实施例的目的在于提供一种结核潜伏感染者智能健康监测***。
为实现上述目的，第一方面，本发明实施例提供了一种结核潜伏感染者智能健康监测***，包括：
患者选取模块，用于选取结核潜伏感染高危患者；
呼吸监测模块，用于：
通过可穿戴设备采集所述结核潜伏感染高危患者当前时刻的第一呼吸频率；
若所述第一呼吸频率处于标准呼吸频率范围内，则记录所述第一呼吸频率，否则，丢弃所述第一呼吸频率，并持续采集当前时刻的第一呼吸频率；
通过可穿戴设备采集所述结核潜伏感染高危患者下一时刻的第二呼吸频率；所述当前时刻与下一时刻的差值大于一分钟；
若所述第二呼吸频率处于标准呼吸频率范围内，则记录所述第二呼吸频率，否则，丢弃所述第二呼吸频率，并持续采集下一时刻的第二呼吸频率；
计算所述第一呼吸频率与第二呼吸频率的差值，若所述差值处于差值呼吸频率范围内，则所述结核潜伏感染高危患者呼吸正常，反之，则所述结核潜伏感染高危患者呼吸异常，并通过所述可穿戴设备发起预警，同时将呼吸预警情况远程发送至医院端。
作为本申请的一种优选实现方式，所述呼吸监测模块还用于：
根据所述第一呼吸频率、第二呼吸频率、两者的差值以及呼吸异常预警情况生成呼吸图文报告。
作为本申请的一种具体实现方式，所述患者选取模块具体用于：
获取流行病学史数据、患者临床表现数据、肺部影像数据及辅助检查检验数据，由专家团队基于上述数据进行医学诊断，以确定出结核潜伏感染高危患者。
作为本申请的另一种具体实现方式，所述患者选取模块具体用于：
获取医生给出的风险因素；所述风险因素包括患者感染人类免疫缺陷病毒、患者存在结核病接触史、患者正在接受或接受过抗肿瘤坏死因子治疗、患者接受过器官移植、矽肺以及患者接收过透析疗法；
若患者具有一条或多条所述风险因素，则确定患者为结核潜伏感染高危患者。
作为本申请的一种优选实现方式，所述***还包括心率监测模块，用于：
通过可穿戴设备采集所述结核潜伏感染高危患者的心率数据；
若所述心率数据满足标准值，则对所述心率数据进行特征提取，得到特征数据；
将所述特征数据输入神经网络模型进行预测，得到预测结果；
若所述预测结果满足预设条件，则提示心率正常，反之，则提示心率异常并通过所述可穿戴设备进行预警。
进一步地，所述心率监测模块还用于：
记录满足标准值的所有心率数据、提示心率正常的次数、提示心率异常的次数；
根据上述数据生成心率图文报告。
进一步地，在本申请的一些优选实现方式中，所述***还包括血氧监测模块，用于采集所述结核潜伏感染高危患者的血氧数据，若所述血氧数据满足标准值，则提示血氧正常。
第二方面，本发明实施例提供了另一种结核潜伏感染者智能健康监测***，包括：
数据采集模块，用于采集结核潜伏感染高危患者的健康监测数据；所述健康监测数据包括呼吸频率、心率和血氧；
数据分析模块，用于采用所述健康监测数据实现对所述结核潜伏感染高危患者的呼吸监测、心率监测和血氧监测；
其中，呼吸监测的具体过程为：
通过可穿戴设备采集所述结核潜伏感染高危患者当前时刻的第一呼吸频率；
若所述第一呼吸频率处于标准呼吸频率范围内，则记录所述第一呼吸频率，否则，丢弃所述第一呼吸频率，并持续采集当前时刻的第一呼吸频率；
通过可穿戴设备采集所述结核潜伏感染高危患者下一时刻的第二呼吸频率；所述当前时刻与下一时刻的差值大于一分钟；
若所述第二呼吸频率处于标准呼吸频率范围内，则记录所述第二呼吸频率，否则，丢弃所述第二呼吸频率，并持续采集下一时刻的第二呼吸频率；
计算所述第一呼吸频率与第二呼吸频率的差值，若所述差值处于差值呼吸频率范围内，则所述结核潜伏感染高危患者呼吸正常，反之，则所述结核潜伏感染高危患者呼吸异常，并通过所述可穿戴设备发起预警，同时将呼吸预警情况远程发送至医院端。
其中，心率监测的过程具体为：
通过可穿戴设备采集所述结核潜伏感染高危患者的心率数据；
若所述心率数据满足标准值，则对所述心率数据进行特征提取，得到特征数据；
将所述特征数据输入神经网络模型进行预测，得到预测结果；
若所述预测结果满足预设条件，则提示心率正常，反之，则提示心率异常并通过所述可穿戴设备进行预警。
进一步地，所述数据分析模块还用于选取结核潜伏感染高危患者，具体为：
获取流行病学史数据、患者临床表现数据、肺部影像数据及辅助检查检验数据，由专家团队基于上述数据进行医学诊断，以确定出结核潜伏感染高危患者；或
获取医生给出的风险因素；所述风险因素包括患者感染人类免疫缺陷病毒、患者存在结核病接触史、患者正在接受或接受过抗肿瘤坏死因子治疗、患者接受过器官移植、矽肺以及患者接收过透析疗法；
若患者具有一条或多条所述风险因素，则确定患者为结核潜伏感染高危患者。
本发明实施例提供的结核潜伏感染者智能健康监测***，通过患者选取模块确定健康监测对象(即结核潜伏感染高危患者)，呼吸监测模块对该健康监测对象进行呼吸监测，弥补了目前未对该类人群(结核潜伏感染者)进行监测的空白，且在发现异常时会及时上报给医院端，可以为医院对该类人群的管理提供一定帮助。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明第一实施例提供的结核潜伏感染者智能健康监测***的结构图；
图2是本发明第二实施例提供的结核潜伏感染者智能健康监测***的结构图；
图3是电子设备的结构图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
请参考图1，本发明实施例所提供的结核潜伏感染者智能健康监测***包括患者选取模块、呼吸监测模块、心率监测模块和血氧监测模块。
其中，患者选取模块用于选取结核潜伏感染高危患者，可采用如下两种方式：
第一种：当结核菌素皮肤试验(Tuberculinskinrelease assay，TST)结果中度阳性或强阳性，或γ-干扰素释放试验(Interferongammareleaseassay，IGRA)阳性，专家团队(由结核病专科专家、感控专家、感染专家、信息工程师组成)同时结合流行病学史数据、临床表现数据、胸部影像数据、相关的辅助检查及鉴别诊断等排除活动性结核病，则确定该患者为结核潜伏感染高危患者。
第二种：获取医生给出的风险因素；所述风险因素包括患者感染人类免疫缺陷病毒、患者存在结核病接触史、患者正在接受或接受过抗肿瘤坏死因子治疗、患者接受过器官移植、矽肺以及患者接收过透析疗法；
若患者具有一条或多条所述风险因素，则确定患者为结核潜伏感染高危患者。
需要说明的是，上述结核潜伏感染者智能健康监测***可与多个定点医疗机构(例如专门的肺病医院)通信，将LTBI结核病高危患者的检查结果(包括但不仅限于图片、视频及数值等)发送至医疗定点机构，该机构的医疗专家会根据检查结果确定出个性化干预措施，并将该个性化干预措施推送至结核潜伏感染者智能健康监测***。
当采用上述方式选取出结核潜伏感染高危患者作为研究对象后，可对其进行呼吸监测、心率监测和血氧监测。
具体地，呼吸监测模块具体用于：
通过可穿戴设备采集所述结核潜伏感染高危患者当前时刻的第一呼吸频率；其中，可穿戴设备包括不但仅限于手表、呼吸监测传感器等；
若所述第一呼吸频率处于标准呼吸频率范围内，则记录所述第一呼吸频率，否则，丢弃所述第一呼吸频率，并持续采集当前时刻的第一呼吸频率；即，此处对所监测的呼吸频率做了筛选，只有符合要求的数据才会对呼吸监测具有意义，且进行数据筛选后，也可降低后续数据分析的计算量；
通过可穿戴设备采集所述结核潜伏感染高危患者下一时刻的第二呼吸频率；所述当前时刻与下一时刻的差值大于一分钟；
若所述第二呼吸频率处于标准呼吸频率范围内，则记录所述第二呼吸频率，否则，丢弃所述第二呼吸频率，并持续采集下一时刻的第二呼吸频率；
计算所述第一呼吸频率与第二呼吸频率的差值，若所述差值处于差值呼吸频率范围内，则所述结核潜伏感染高危患者呼吸正常，反之，则所述结核潜伏感染高危患者呼吸异常，并通过所述可穿戴设备发起预警，同时将呼吸预警情况远程发送至医院端；
根据所述第一呼吸频率、第二呼吸频率、两者的差值以及呼吸异常预警情况生成呼吸图文报告。
具体地，心率监测模块，用于：
通过可穿戴设备采集所述结核潜伏感染高危患者的心率数据；
若所述心率数据满足标准值，则对所述心率数据进行特征提取，得到特征数据；
将所述特征数据输入神经网络模型进行预测，得到预测结果；其中，神经网络模型的选择有很多，例如BP神经网络、CNN神经网络等；
若所述预测结果满足预设条件，则提示心率正常，反之，则提示心率异常并通过所述可穿戴设备进行预警；
记录满足标准值的所有心率数据、提示心率正常的次数、提示心率异常的次数；
根据上述数据生成心率图文报告。
具体地，血氧监测模块，用于采集所述结核潜伏感染高危患者的血氧数据，若所述血氧数据满足标准值，则提示血氧正常。
需要说明的是，结核潜伏感染高危患者通常会出现如下症状：
1、自感乏力：免疫力下降，容易疲劳、犯困；
2、食欲不振：胃肠消化功能可能受影响；
3、体温不稳定，易出现盗汗(以入睡后汗出异常，醒后汗泄即止为特征的一种病征)；
4、血糖异常。
基于此，在本申请的某些优选实现方式中，上述智能健康监测***还包括饮食监测模块，用于：
获取结核潜伏感染高危患者的三餐时间和三餐食物；
将三餐时间和三餐食物与数据库存储的标准数据进行比对，判断该患者是否准时进食、是否进食了对其病情会产生影响的食物；
将三餐时间、三餐食物和比对结果发送至医院端，医院端可通过软件+医生经验判断相结合的方式，来给出该患者饮食调整建议。
需要说明的是，本实施例中可使患者佩戴汗液传感器来实现盗汗检测。
在众多有关结核潜伏感染的研究中发现，大部分结核潜伏感染高危患者都存在血糖异常。因此，本申请的发明人认为，有必要对其进行血糖监测。故，在本实施例中，上述智能健康监测***还包括血糖监测模块，用于：
根据前述的呼吸数据、心率数据和血氧数据，由医学专家确定好血糖监测位置；
将血糖检测仪放置于血糖监测位置处，以获取预设时间段(例如24)小时的多个血糖值；其中，血糖检测仪的采集频率可自行设定，例如2小时一次，或者在固定的餐前时间、餐后2小时等时间点进行采集；
当每一个血糖值出现异常(例如高于医学标准)时，产生异常记录；
根据正常的血糖值和异常记录生成血糖图谱。
其中，生成血糖图谱的具体过程如下：
(1)在前述的血糖监测点(例如大拇指指腹)处，血糖检测仪的探针部分采集患者的血糖信号。
(2)该血糖信号通常是模拟信号，为了后续通过数据分析设备来得到血糖值，因此，此处需要将血糖信号转换为数字信号。具体的数字转换处理可以包括：
a.对血糖信号进行数字采样，得到离散信号Q＝(X*Ts)W/T；Q表示离散信号，X表示血糖信号的采样信号，Ts表示采样间隔周期，W表示血糖信号，T表示采样持续时间；
b.将离散信号进行量化，得到信号离散值；
c.对信号离散值进行数字编码，得到数字信号。
(3)该血糖信号在采集过程中，或多或少会夹杂一些噪声，因此，还需要对转换处理后的数字进行降噪及滤波处理。所采用的降噪算法包括但不仅限于双指数边缘保护的平滑处理器(BEEPS，Bi-Exponential Edge-Preserving Smoother)算法、中值滤波(MedianFilter)算法、均值滤波算法、双边滤波(Bilateral Filtering)算法、联合双边滤波、向导滤波等。上述的降噪算法存在细微的差异，例如双指数边缘保护的平滑处理器算法和中值滤波算法处理速度快，而联合双边滤波和向导滤波等降噪算法处理效果好。至于选择何种降噪算法，在具体实施应用时，用户可自行选择。
(4)根据降噪及滤波后的数字信号，分析血糖影响因子，包括但不仅限于药物(胰岛素、二甲双胍、阿卡波糖片等)、运动情况、睡眠情况以及患者的三餐食物情况。
(5)根据正常的血糖值、异常血糖值及血糖影响因子绘制血糖图谱。
从以上描述可以得知，本发明实施例提供的结核潜伏感染者智能健康监测***，通过患者选取模块确定健康监测对象(即结核潜伏感染高危患者)，呼吸监测模块对该健康监测对象进行呼吸监测，弥补了目前未对该类人群(结核潜伏感染者)进行监测的空白，且在发现异常时会及时上报给医院端，可以为医院对该类人群的管理提供一定帮助。
再请参考图2，本发明实施例还提供了另一种结核潜伏感染者智能健康监测***，包括：
数据采集模块，用于采集结核潜伏感染高危患者的健康监测数据；所述健康监测数据包括呼吸频率、心率和血氧；
数据分析模块，用于采用所述健康监测数据实现对所述结核潜伏感染高危患者的呼吸监测、心率监测和血氧监测。
其中，呼吸监测的具体过程为：
通过可穿戴设备采集所述结核潜伏感染高危患者当前时刻的第一呼吸频率；
若所述第一呼吸频率处于标准呼吸频率范围内，则记录所述第一呼吸频率，否则，丢弃所述第一呼吸频率，并持续采集当前时刻的第一呼吸频率；
通过可穿戴设备采集所述结核潜伏感染高危患者下一时刻的第二呼吸频率；所述当前时刻与下一时刻的差值大于一分钟；
若所述第二呼吸频率处于标准呼吸频率范围内，则记录所述第二呼吸频率，否则，丢弃所述第二呼吸频率，并持续采集下一时刻的第二呼吸频率；
计算所述第一呼吸频率与第二呼吸频率的差值，若所述差值处于差值呼吸频率范围内，则所述结核潜伏感染高危患者呼吸正常，反之，则所述结核潜伏感染高危患者呼吸异常，并通过所述可穿戴设备发起预警，同时将呼吸预警情况远程发送至医院端。
其中，心率监测的过程具体为：
通过可穿戴设备采集所述结核潜伏感染高危患者的心率数据；
若所述心率数据满足标准值，则对所述心率数据进行特征提取，得到特征数据；
将所述特征数据输入神经网络模型进行预测，得到预测结果；
若所述预测结果满足预设条件，则提示心率正常，反之，则提示心率异常并通过所述可穿戴设备进行预警。
进一步地，所述数据分析模块还用于选取结核潜伏感染高危患者，具体为：
获取流行病学史数据、患者临床表现数据、肺部影像数据及辅助检查检验数据，由专家团队基于上述数据进行医学诊断，以确定出结核潜伏感染高危患者；或
获取医生给出的风险因素；所述风险因素包括患者感染人类免疫缺陷病毒、患者存在结核病接触史、患者正在接受或接受过抗肿瘤坏死因子治疗、患者接受过器官移植、矽肺以及患者接收过透析疗法；
若患者具有一条或多条所述风险因素，则确定患者为结核潜伏感染高危患者。
作为一种可选实现方式，上述数据分析模块可以是如图3所示的电子设备，包括：一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104，上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104用于存储计算机程序，所述计算机程序包括程序指令，所述处理器101被配置用于调用所述程序指令执行如下步骤：
选取结核潜伏感染高危患者；
采集结核潜伏感染高危患者的健康监测数据；所述健康监测数据包括呼吸频率、心率和血氧；
采用所述健康监测数据实现对所述结核潜伏感染高危患者的呼吸监测、心率监测和血氧监测。
进一步地，所述处理器101还被配置用于调用所述程序指令执行如下步骤：
获取结核潜伏感染高危患者的三餐时间和三餐食物；
将三餐时间和三餐食物与数据库存储的标准数据进行比对，判断该患者是否准时进食、是否进食了对其病情会产生影响的食物；
将三餐时间、三餐食物和比对结果发送至医院端，医院端可通过软件+医生经验判断相结合的方式，来给出该患者饮食调整建议。
进一步地，所述处理器101还被配置用于调用所述程序指令执行如下步骤：
根据前述的呼吸数据、心率数据和血氧数据对结核潜伏感染高危患者进行血糖监测。
其中，血糖监测的具体过程可以是：
根据前述的呼吸数据、心率数据和血氧数据，由医学专家确定好血糖监测位置；
将血糖检测仪放置于血糖监测位置处，以获取预设时间段(例如24)小时的多个血糖值；其中，血糖检测仪的采集频率可自行设定，例如2小时一次，或者在固定的餐前时间、餐后2小时等时间点进行采集；
当每一个血糖值出现异常(例如高于医学标准)时，产生异常记录；
根据正常的血糖值和异常记录生成血糖图谱。
具体的呼吸监测、心率监测、血氧监测流程及血糖图图谱的具体生成过程，请参考前述实施例，在此不再赘述。
应当理解，在本发明实施例中，所称处理器101可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备102可以包括键盘等，输出设备103可以包括显示器(LCD等)、扬声器等。
该存储器104可以包括只读存储器和随机存取存储器，并向处理器101提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如，存储器104还可以存储设备类型的信息。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种结核潜伏感染者智能健康监测***，其特征在于，包括：
患者选取模块，用于选取结核潜伏感染高危患者；
呼吸监测模块，用于：
通过可穿戴设备采集所述结核潜伏感染高危患者当前时刻的第一呼吸频率；
若所述第一呼吸频率处于标准呼吸频率范围内，则记录所述第一呼吸频率，否则，丢弃所述第一呼吸频率，并持续采集当前时刻的第一呼吸频率；
通过可穿戴设备采集所述结核潜伏感染高危患者下一时刻的第二呼吸频率；所述当前时刻与下一时刻的差值大于一分钟；
若所述第二呼吸频率处于标准呼吸频率范围内，则记录所述第二呼吸频率，否则，丢弃所述第二呼吸频率，并持续采集下一时刻的第二呼吸频率；
计算所述第一呼吸频率与第二呼吸频率的差值，若所述差值处于差值呼吸频率范围内，则所述结核潜伏感染高危患者呼吸正常，反之，则所述结核潜伏感染高危患者呼吸异常，并通过所述可穿戴设备发起预警，同时将呼吸预警情况远程发送至医院端。
2.如权利要求1所述的智能健康监测***，其特征在于，所述呼吸监测模块还用于：
根据所述第一呼吸频率、第二呼吸频率、两者的差值以及呼吸异常预警情况生成呼吸图文报告。
3.如权利要求1所述的智能健康监测***，其特征在于，所述患者选取模块具体用于：
获取流行病学史数据、患者临床表现数据、肺部影像数据及辅助检查检验数据，由专家团队基于上述数据进行医学诊断，以确定出结核潜伏感染高危患者。
4.如权利要求1所述的智能健康监测***，其特征在于，所述患者选取模块具体用于：
获取医生给出的风险因素；所述风险因素包括患者感染人类免疫缺陷病毒、患者存在结核病接触史、患者正在接受或接受过抗肿瘤坏死因子治疗、患者接受过器官移植、矽肺以及患者接收过透析疗法；
若患者具有一条或多条所述风险因素，则确定患者为结核潜伏感染高危患者。
5.如权利要求3或4所述的智能健康监测***，其特征在于，所述***还包括心率监测模块，用于：
通过可穿戴设备采集所述结核潜伏感染高危患者的心率数据；
若所述心率数据满足标准值，则对所述心率数据进行特征提取，得到特征数据；
将所述特征数据输入神经网络模型进行预测，得到预测结果；
若所述预测结果满足预设条件，则提示心率正常，反之，则提示心率异常并通过所述可穿戴设备进行预警。
6.如权利要求5所述的智能健康监测***，其特征在于，所述心率监测模块还用于：
记录满足标准值的所有心率数据、提示心率正常的次数、提示心率异常的次数；
根据上述数据生成心率图文报告。
7.如权利要求6所述的智能健康监测***，其特征在于，所述***还包括血氧监测模块，用于采集所述结核潜伏感染高危患者的血氧数据，若所述血氧数据满足标准值，则提示血氧正常。
8.一种结核潜伏感染者智能健康监测***，其特征在于，包括：
数据采集模块，用于采集结核潜伏感染高危患者的健康监测数据；所述健康监测数据包括呼吸频率、心率和血氧；
数据分析模块，用于采用所述健康监测数据实现对所述结核潜伏感染高危患者的呼吸监测、心率监测和血氧监测；
其中，呼吸监测的具体过程为：
通过可穿戴设备采集所述结核潜伏感染高危患者当前时刻的第一呼吸频率；
若所述第一呼吸频率处于标准呼吸频率范围内，则记录所述第一呼吸频率，否则，丢弃所述第一呼吸频率，并持续采集当前时刻的第一呼吸频率；
通过可穿戴设备采集所述结核潜伏感染高危患者下一时刻的第二呼吸频率；所述当前时刻与下一时刻的差值大于一分钟；
若所述第二呼吸频率处于标准呼吸频率范围内，则记录所述第二呼吸频率，否则，丢弃所述第二呼吸频率，并持续采集下一时刻的第二呼吸频率；
计算所述第一呼吸频率与第二呼吸频率的差值，若所述差值处于差值呼吸频率范围内，则所述结核潜伏感染高危患者呼吸正常，反之，则所述结核潜伏感染高危患者呼吸异常，并通过所述可穿戴设备发起预警，同时将呼吸预警情况远程发送至医院端。
9.如权利要求8所述的智能健康监测***，其特征在于，心率监测的过程具体为：
通过可穿戴设备采集所述结核潜伏感染高危患者的心率数据；
若所述心率数据满足标准值，则对所述心率数据进行特征提取，得到特征数据；
将所述特征数据输入神经网络模型进行预测，得到预测结果；
若所述预测结果满足预设条件，则提示心率正常，反之，则提示心率异常并通过所述可穿戴设备进行预警。
10.如权利要求8或9所述的智能健康监测***，其特征在于，所述数据分析模块还用于选取结核潜伏感染高危患者，具体为：
获取流行病学史数据、患者临床表现数据、肺部影像数据及辅助检查检验数据，由专家团队基于上述数据进行医学诊断，以确定出结核潜伏感染高危患者；或
获取医生给出的风险因素；所述风险因素包括患者感染人类免疫缺陷病毒、患者存在结核病接触史、患者正在接受或接受过抗肿瘤坏死因子治疗、患者接受过器官移植、矽肺以及患者接收过透析疗法；
若患者具有一条或多条所述风险因素，则确定患者为结核潜伏感染高危患者。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410030120.XA CN117918800A (zh) | 2024-01-08 | 2024-01-08 | 结核潜伏感染者智能健康监测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410030120.XA CN117918800A (zh) | 2024-01-08 | 2024-01-08 | 结核潜伏感染者智能健康监测*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117918800A true CN117918800A (zh) | 2024-04-26 |
Family
ID=90762331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410030120.XA Pending CN117918800A (zh) | 2024-01-08 | 2024-01-08 | 结核潜伏感染者智能健康监测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117918800A (zh) |
-
2024
- 2024-01-08 CN CN202410030120.XA patent/CN117918800A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11963744B2 (en) | Bio-information output device, bio-information output method and program | |
| Anikwe et al. | Mobile and wearable sensors for data-driven health monitoring system: State-of-the-art and future prospect | |
| WO2006046648A1 (ja) | 健康管理装置及びこれを機能させるためのプログラム | |
| EP3402405A1 (en) | System and method for diagnosis and notification regarding the onset of a stroke | |
| US11854699B1 (en) | Predicting respiratory distress | |
| KR102414191B1 (ko) | 모빌리티 클리닉 차량을 구비하는 감염병 진료 시스템 | |
| US20220015667A1 (en) | Systems and methods for obtaining and monitoring respiration, cardiac function, and other health data from physical input | |
| CN109247926A (zh) | 一种特定区域内人体健康监测及跟踪*** | |
| WO2017038966A1 (ja) | 生体情報出力装置、生体情報出力方法及びプログラム | |
| Li et al. | Health activities monitoring and warning system for geriatric daily living in extra care homes | |
| Goyal et al. | Mathematical modelling for prediction of spread of corona virus and artificial intelligence/machine learning-based technique to detect COVID-19 via smartphone sensors | |
| CN117918800A (zh) | 结核潜伏感染者智能健康监测*** | |
| CN115410712A (zh) | 一种基于数据处理的可视化探视***及方法 | |
| Al-Kalidi et al. | Respiratory rate measurement in children using a thermal camera | |
| Dhaliwal et al. | Analyzing wearable data for diagnosing COVID-19 using machine learning model | |
| Kerr et al. | Sensor-based Vital Sign Monitoring, Analysis and Visualisation for Ageing in Place | |
| Valsalan et al. | Remote healthcare monitoring using expert system | |
| Fu et al. | Pulmonary disease management system with distributed wearable sensors | |
| Veeramanikandasamy et al. | Smart Vital Signs Monitoring System for Covid-19 Patients in Quarantine | |
| Rammo et al. | Comatose patient monitoring system based on (IoT) | |
| US20220151569A1 (en) | System and Methods for Indicating Pre-Sympomatic Adverse Conditions in a Human | |
| Jaiswal et al. | An approach to a wrist wearable based Covid-19 prediction system to protect Health Care Professionals | |
| Gajanayake et al. | Smart Health Monitoring System | |
| Chen et al. | P14-Contactless Determination of Respiratory Rate Based on an Ultra High Frequency Sensor | |
| Lee et al. | Diagnostic device for acute cardiac disease using ECG and accelerometer |
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 |