申请/专利权人：天津市胸科医院

申请日：2023-12-18

公开（公告）日：2024-04-19

公开（公告）号：CN117457191B

主分类号：G16H50/20

分类号：G16H50/20;G16H10/60;G16H20/60;G16H50/30;G06F18/2433

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明属于慢性病管理技术领域，具体公开一种基于人工智能的线上数字化慢性病患者跟踪管理系统，通过对慢性病患者进行体重和体征指标监测，由此进行体重变动系数和体征波动指数分析，并进行相关度判断，进而根据判断结果决定是否进行健康警示，使得健康警示服务与相应体重管理群体的健康警示需求达到较好的适配度，能够为因体重管理不当引发身体机能异常的群体提供针对性的警示服务，与此同时通过深入分析体重变动系数和体征波动指数数据，提炼出体重变动关联体征和健康体重变动值，以此实施健康警示，使得慢性病患者能够通过实施的健康警示明确体重管理过程中的关注要点，能够为后续体重管理调整提供针对性的调整方向。

主权项：1.一种基于人工智能的线上数字化慢性病患者跟踪管理系统，其特征在于，包括：智能监测设备佩戴模块，用于将患有慢性病的人员作为目标监测者，进而由目标监测者佩戴智能监测设备；身体指标监测上传模块，用于由目标监测者自设定起始监测日期、截止监测日期和监测间隔日，得到若干监测日，进而由智能监测终端在各监测日进行身体指标监测，其中身体指标包括体重和体征指标；基础信息上传模块，用于由目标监测者在显示终端上传基础信息；身体指标对比分析模块，用于将相邻监测日的身体指标进行对比分析，得到各监测日所处相邻监测日的体重变动系数和体征波动指数；异常监测日识别模块，用于判断目标监测者的体重变动与体征波动是否存在相关性，若存在相关性，则进行异常监测日识别；健康管理库，用于存储慢性病在各年龄段的正常体征波动指数；体重变动关联体征识别模块，用于将各异常监测日所处相邻监测日的体征指标进行分析，从中识别出体重变动关联体征；健康体重变动值解析模块，用于基于各异常监测日从所有监测日中筛选出正常监测日，以此进行健康体重变动值解析；健康警示模块，用于将目标监测者对应的体重变动关联体征和健康体重变动值作为健康警示参数，实施健康警示；还包括营养摄入关联分析模块，用于由目标监测者在各监测日上传各种营养素的摄入量，并计算各异常监测日所处相邻监测日对应各种营养素的摄入差量，进而结合各异常监测日所处相邻监测日的体征波动指数及各种营养素的摄入差量分析各种营养素摄入差量与体征波动的相关度，进而取最大相关度对应的营养素作为风险关联营养素，并添加到健康警示参数中；所述体征指标包括血压、心率和血氧浓度，基础信息包括年龄段和原始体重；所述体重变动系数的分析过程如下：将相邻监测日的体重进行对比，通过分析公式，得到各监测日所处相邻监测日的体重变动系数，t表示为监测日编号，，、分别表示为第t+1、第t监测日的体重，表示为目标监测者的原始体重；所述体征波动指数的分析过程如下：将相邻监测日的体征指标进行对比，通过体征波动指数分析公式计算出各监测日所处相邻监测日的体征波动指数，、、分别表示为第t+1监测日的血压、心率、血氧浓度，、、分别表示为第t监测日的血压、心率、血氧浓度，e表示为自然常数；所述判断目标监测者的体重变动与体征波动是否存在相关性参见下述过程：以监测日为横坐标，分别以体重变动系数和体征波动指数为纵坐标，构建平面坐标系，进而针对目标监测者在各监测日所处相邻监测日的体重变动系数和体征波动指数在所构建的平面坐标系内形成体重变动曲线、体征波动曲线；分别对体重变动曲线、体征波动曲线在各监测日进行斜率获取，并提取斜率的符号，从而识别出各监测日对应体重变动曲线的变化趋势、体征波动曲线的变化趋势；将各监测日对应体重变动曲线的变化趋势、体征波动曲线的变化趋势进行相互对比，若某监测日对应体重变动曲线的变化趋势与体征波动曲线的变化趋势一致，则将该监测日作为重点监测日；统计重点监测日的数量，并通过公式得到目标监测者对应的体重变动—体征波动相关度；将目标监测者对应的体重变动—体征波动相关度与设定的有效相关度进行对比，若目标监测者对应的体重变动—体征波动相关度大于或等于有效相关度，则判断目标监测者的体重变动与体征波动存在相关性，反之则判断目标监测者的体重变动与体征波动不存在相关性；所述异常监测日识别参见下述过程：从基础信息中提取年龄段，进而基于目标监测者所在年龄段从健康管理库中提取目标监测者的正常体征波动指数；将目标监测者在各监测日所处相邻监测日的体征波动指数目标监测者的正常体征波动指数进行对比，若目标监测者在某监测日所处相邻监测日的体征波动指数大于正常体征波动指数，则将该监测日作为异常监测日；所述体重变动关联体征的识别过程如下：将各异常监测日所处相邻监测日中后监测日的体征指标与前监测日的体征指标进行对比，得到各异常监测日中各体征指标对应的对比绝对值；将各异常监测日中各体征指标对应的对比绝对值进行相互对比，从中选取最大对比绝对值对应的体征指标作为各异常监测日对应的有效体征指标；将各异常监测日对应的有效体征指标进行相互对比，进而将相同有效体征指标对应的异常监测日进行归类，得到各有效体征指标对应的若干异常监测日；统计各有效体征指标对应的异常监测日数量，以此计算各有效体征指标对应的异常监测日占比率，并利用表达式计算出有效体征指标对应的占比分化度，其中表示为第i有效体征指标对应的异常监测日数量，i表示为有效体征指标编号，；将有效体征指标对应的占比分化度与预配阈值进行对比，若有效体征指标对应的占比分化度大于预配阈值，则从各有效体征指标中挑选出最大异常监测日占比率对应的有效体征指标作为体重变动关联体征，反之则将各有效体征指标对应的异常监测日占比率与设定的中间占比率进行对比，进而取大于中间占比率的所有有效体征指标，均作为体重变动关联体征；所述健康体重变动值解析包括以下步骤：（1）将各正常监测日所处相邻监测日对应的体重变动系数进行相互对比，判断是否存在相同体重变动系数，若存在，则提取该体重变动系数，作为代表体重变动系数，并执行（2），反之执行（3）；（2）将体重变动系数分析公式进行变换，进而将代表体重变动系数导入变换公式，得到相邻监测日的体重变动值，作为健康体重变动值；（3）依次以各正常监测日所处相邻监测日对应的体重变动系数作为主体体重变动系数，进而将其他正常监测日所处相邻监测日对应的体重变动系数与主体体重变动系数进行方差计算，得到以各正常监测日对应体重变动系数作为主体体重变动系数的方差值，进而取最小方差值所属正常监测日对应的体重变动系数作为倾向体重变动系数，进而同理依照（2）得到健康体重变动值。

全文数据：

权利要求：

百度查询： 天津市胸科医院 一种基于人工智能的线上数字化慢性病患者跟踪管理系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD