一种多维度监控重症患者的预测护理方法及系统

1.本发明涉及监控技术领域，特别涉及一种多维度监控重症患者的预测护理方法及系统。


背景技术：

2.目前，随着医疗条件的逐渐成熟，对重症患者在治疗过程中的监控方法以及监控手段也得到逐步改善；
3.传统的临床医学上对重症患者一般采用针对应或单一性监控，并采用医护人员与监测机器相结合的方式对重症患者进行监测，监控效率大大降低，且不能及时发现重症患者的异常情况，导致护理难度加大，存在护理风险；
4.因此，本发明提供了一种多维度监控重症患者的预测护理方法及系统，用以通过根据重症患者的身份情况确定对重症患者的多维度监控指标，从而从多维度对重症患者进行监控，提高了对重症患者监控的严谨性，同时，便于根据监控结果对重症患者进行相应的护理操作，提高了对重症患者的护理效果，保障了重症患者的安全性。


技术实现要素：

5.本发明提供一种多维度监控重症患者的预测护理方法及系统，用以通过根据重症患者的身份情况确定对重症患者的多维度监控指标，从而从多维度对重症患者进行监控，提高了对重症患者监控的严谨性，同时，便于根据监控结果对重症患者进行相应的护理操作，提高了对重症患者的护理效果，保障了重症患者的安全性。
6.本发明提供了一种多维度监控重症患者的预测护理方法，包括：
7.步骤1：获取重症患者的身份信息，并基于所述身份信息确定所述重症患者对应的多维度监控指标；
8.步骤2：基于所述多维度监控指标对所述重症患者进行多维度监控，得到所述重症患者在不同维度下的体征监测数据；
9.步骤3：基于所述体征监测数据确定对所述重症患者进行的目标护理项目，并基于所述目标护理项目对所述重症患者进行护理操作。
10.优选的，一种多维度监控重症患者的预测护理方法，步骤1中，获取重症患者的身份信息，包括：
11.基于预设图像采集终端采集所述重症患者的人脸图像，并对所述人脸图像进行处理，提取所述人脸图像中所述重症患者的人脸特征；
12.将所述人脸特征与预设患者信息库中的录入人脸进行匹配，并基于匹配结果确定所述人脸特征与各录入人脸之间的匹配度；
13.基于所述匹配度确定目标录入人脸，并基于所述目标录入人脸确定所述重症患者的身份标识；
14.基于所述身份标识从预设服务器中调取所述重症患者的身份信息。
15.优选的，一种多维度监控重症患者的预测护理方法，基于所述身份标识从预设服务器中调取所述重症患者的身份信息，包括：
16.获取所述重症患者的身份信息，并基于所述身份信息调取所述重症患者的历史就诊信息；
17.基于所述历史就诊信息获取所述重症患者的历史就诊身份录入信息，并基于所述历史就诊身份录入信息对所述重症患者的身份信息进行比较，判断所述重症患者的身份是否异常；
18.若异常，则进行第一报警提醒，并调取所述重症患者的医保卡信息；
19.基于所述医保卡信息对所述重症患者的身份信息进行纠正，得到所述重症患者的身份信息；
20.否则，进行第二报警提醒，且判定所述重症患者的身份信息无误。
21.优选的，一种多维度监控重症患者的预测护理方法，步骤1中，基于所述身份信息确定所述重症患者对应的多维度监控指标，包括：
22.获取所述重症患者的身份信息，并基于所述身份信息从预设数据库中调取所述重症患者的诊断结果；
23.基于所述诊断结果确定所述重症患者的检查项目以及所述检查项目对应的检查数据，并基于所述检查项目以及所述检查项目对应的检查数据确定所述重症患者的目标治疗项目，其中，所述目标治疗项目至少为一种；
24.确定与所述目标治疗项目相关的体征参数，并基于所述体征参数确定所述重症患者对应的多维度监控指标。
25.优选的，一种多维度监控重症患者的预测护理方法，基于所述体征参数确定所述重症患者对应的多维度监控指标，包括：
26.获取所述重症患者对应的多维度监控指标，并基于所述多维度监控指标制定对所述重症患者的多维度监控策略，其中，每一维度对应一种监控策略；
27.确定所述多维度监控策略与所述多维度监控指标的对应关系，并基于所述对应关系将所述多维度监控策略与所述多维度监控指标进行格式转换并捆绑，得到目标待记录数据包；
28.确定所述目标待记录数据包的字节值，并基于所述字节值为所述目标待记录数据包分配目标存储空间；
29.基于所述目标存储空间将所述目标待记录数据包进行存储记录。
30.优选的，一种多维度监控重症患者的预测护理方法，步骤2中，基于所述多维度监控指标对所述重症患者进行多维度监控，得到所述重症患者在不同维度下的体征监测数据，包括：
31.获取所述重症患者对应的多维度监控指标，并基于所述多维度监控指标确定每一维度对应的监控业务，其中，所述监控业务包括监控项目；
32.提取所述监控业务的业务特征，并基于所述业务特征确定每一维度对应的监控项目类型；
33.基于所述监控项目类型对所述多维度监控指标进行处理，确定每一维度对应的监控指标组合，并基于所述监控指标组合确定每一维度对应的监控基线；
34.基于所述每一维度对应的监控基线确定每一维度对应的目标监控目的，并基于所述目标监控目的确定每一维度对应的全局监控项集群；
35.基于每一维度对应的监控指标组合确定每一维度对应的全局监控项集群的监控模式以及监控时长，并基于所述监控时长通过所述监控模式对所述重症患者进行多维度监控；
36.基于所述多维度监控确定所述重症患者在每一维度下的体征监测数据，同时，获取所述重症患者的身份信息，并基于所述身份信息调取所述重症患者的病例信息；
37.基于所述病例信息对每一维度的体征监测数据进行预处理，确定每一维度中与所述重症患者的病例信息相关的目标体征监测数据以及无关的异常体征监测数据，并将所述异常体征监测数据进行剔除，得到所述重症患者最终的体征监测数据；
38.基于所述重症患者的身份信息设置所述重症患者的身份标识，并基于所述身份标识将所述重症患者的身份信息、每一维度对应的监控指标组合以及每一维度最终的体征监测数据进行关联；
39.基于关联结果将所述重症患者的身份信息、每一维度对应的监控指标组合以及每一维度最终的体征监测数据存储至预设服务器。
40.优选的，一种多维度监控重症患者的预测护理方法，基于关联结果将所述重症患者的身份信息、每一维度对应的监控指标组合以及每一维度最终的体征监测数据存储至预设服务器，包括：
41.获取待查询重症患者的查询身份标识，并将所述查询身份标识与所述预设服务器中存储的身份标识进行匹配；
42.基于匹配结果确定所述查询身份标识与所述预设服务器中存储的身份标识之间的相关度，并基于所述相关度确定所述查询身份标识对应的目标身份标识；
43.基于所述目标身份标识从所述预设服务器中调取所述目标身份标识对应的每一维度对应的监控指标组合以及每一维度最终的体征监测数据，并将所述每一维度对应的监控指标组合以及每一维度最终的体征监测数据传输至医护终端，完成对数据的调取。
44.优选的，一种多维度监控重症患者的预测护理方法，步骤3中，基于所述体征监测数据确定对所述重症患者进行的目标护理项目，并基于所述目标护理项目对所述重症患者进行护理操作，包括：
45.获取历史标准体征监测数据，并基于所述历史标准体征监测数据构建初始健康评估模型，其中，所述历史标准体征监测数据包括对多个患者进行监测所得；
46.确定所述历史标准体征监测数据中每个数据点对应的概率密度，并将所述概率密度大于预设阈值的数据点判定为异常点，剩余历史标准体征监测数据对应的数据点判定为正常点；
47.基于所述异常点以及正常点对所述初始健康评估模型进行训练，得到目标健康评估模型；
48.获取所述重症患者的体征监测数据，并将所述体征监测数据输入所述目标健康评估模型进行预处理，确定所述体征监测数据中的目标数据特征；
49.将所述目标数据特征与所述目标健康评估模型中网络层进行融合学习，确定所述体征监测数据中的异常体征监测数据与正常体征监测数据，并将所述异常体征监测数据进
行统一封装，生成电子化数据分析报告；
50.基于所述电子化数据分析报告确定所述异常体征监测数据对应的目标护理项目，并提取所述目标护理项目的属性信息，其中，所述目标护理项目至少为一项；
51.基于所述属性信息确定所述重症患者的目标护理项目的护理程度，并基于所述护理程度确定完成所述目标护理项目所需的医疗资源；
52.确定所述医疗资源的名称以及数量，并将所述医疗资源的名称以及数量生成资源调度表，且将所述资源调度表上传至后台服务端进行医疗资源调配；
53.基于调配结果对所述重症患者进行护理操作。
54.优选的，一种多维度监控重症患者的预测护理方法，基于调配结果对所述重症患者进行护理操作之后，包括：
55.获取所述重症患者所需的目标护理项目，并基于重症患者的身份信息确定所述目标护理项目的护理要求；
56.同时，实时监测对所述重症患者进行护理操作时的操作数据，并构建护理效果评估模型；
57.基于所述护理效果评估模型根据所述目标护理项目的护理要求对所述操作数据进行评估，得到对所述重症患者的目标护理项目的护理等级。
58.优选的，一种多维度监控重症患者的预测护理方法，基于调配结果对所述重症患者进行护理操作，包括：
59.获取对所述重症患者的多维度监控指标，并将所述多维度监控指标传输至预设专家终端进行评价；
60.基于评价结果确定参加评价的专家数量以及多维度监控指标个数，基于所述专家数量以及多维度监控指标个数计算协调系数，并基于所述协调系数计算基于多维度监控指标对重症患者监控得到的目标护理项目的护理难度分数，具体步骤包括：
61.根据如下公式计算协调系数：
[0062][0063]
其中，κ表示所述协调系数，且取值范围为[0，1]；a表示常数，取值范围为(10，15)；m表示所述参加评价的专家数量；q表示所述多维度监控指标的总个数；i表示参与评价的当前专家，且取值范围为[1，m]；τi表示对第i个专家评价意见的修正系数，且取值范围为(0.6，0.9)；d
l2
表示第l个多维度监控指标的等级方差值；q1表示当参与评价的当前专家为m时，对应的历史最佳匹配的指标个数；m1表示当指标个数为q时，对应的历史最佳匹配的专家数量；exp()表示指数函数；yi表示第i个专家评价意见的意见值；表示相同多维度监控指标下对应的历史平均意见值；
[0064]
根据如下公式计算目标护理项目的护理难度分数：
[0065][0066]
其中，表示所述目标护理项目的护理难度分数；κ表示所述协调系数，且取值范
围为[0，1)；ω
l
表示第l个多维度监控指标的权重值；μ
l
表示第l个多维度监控指标的等级得分；ρ表示误差因子，且取值范围为(0.02，0.05)；
[0067]
基于所述目标护理项目的护理难度分数确定所述目标护理项目的难度等级，并基于所述难度等级从预设医护人员数据库中匹配目标医护人员；
[0068]
向所述目标医护人员的智能终端发送所述目标护理项目的护理信息，并基于所述智能终端提醒所述目标医护人员根据所述护理信息对所述重症患者进行护理操作。
[0069]
优选的，一种多维度监控重症患者的预测护理系统，包括：
[0070]
监控指标确定模块，用于获取重症患者的身份信息，并基于所述身份信息确定所述重症患者对应的多维度监控指标；
[0071]
监测模块，用于基于所述多维度监控指标对所述重症患者进行多维度监控，得到所述重症患者在不同维度下的体征监测数据；
[0072]
护理模块，用于基于所述体征监测数据确定对所述重症患者进行的目标护理项目，并基于所述目标护理项目对所述重症患者进行护理操作。
[0073]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0074]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0075]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0076]
图1为本发明实施例中一种多维度监控重症患者的预测护理方法的流程图；
[0077]
图2为本发明实施例中一种多维度监控重症患者的预测护理方法中步骤1的流程图；
[0078]
图3为本发明实施例中一种多维度监控重症患者的预测护理系统的结构图。
具体实施方式
[0079]
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0080]
实施例1：
[0081]
本实施例提供了一种多维度监控重症患者的预测护理方法，如图1所示，包括：
[0082]
步骤1：获取重症患者的身份信息，并基于所述身份信息确定所述重症患者对应的多维度监控指标；
[0083]
步骤2：基于所述多维度监控指标对所述重症患者进行多维度监控，得到所述重症患者在不同维度下的体征监测数据；
[0084]
步骤3：基于所述体征监测数据确定对所述重症患者进行的目标护理项目，并基于所述目标护理项目对所述重症患者进行护理操作。
[0085]
该实施例中，身份信息指的是重症患者的姓名、年龄、性别等。
[0086]
该实施例中，多维度监控指标指的是需要对重症患者进行监控的方面或角度，例
如可以是但不限于重症患者的当前身体指标情况、患者的恢复情况以及患者的饮食情况等。
[0087]
该实施例中，多维度监控指的是对重症患者从不同监控方面进行相应的监控，以便对重症患者进行全面的监控。
[0088]
该实施例中，体征监测数据指的是从不同的监控维度对重症患者当前的治疗情况进行监控后得到的重症患者不同维度的身体健康指标数据。
[0089]
该实施例中，目标护理项目指的是需要对重症患者进行护理的类型，是根据重症患者的体征监测数据进行确定的，用于当重症患者的体监测数据不达标时或是存在危险时，及时确定相应的护理项目对重症患者进行护理。。
[0090]
上述技术方案的有益效果是：通过根据重症患者的身份情况确定对重症患者的多维度监控指标，从而从多维度对重症患者进行监控，提高了对重症患者监控的严谨性，同时，便于根据监控结果对重症患者进行相应的护理操作，提高了对重症患者的护理效果，保障了重症患者的安全性。
[0091]
实施例2：
[0092]
在上述实施例1的基础上，本实施例提供了一种多维度监控重症患者的预测护理方法，如图2所示，步骤1中，获取重症患者的身份信息，包括：
[0093]
步骤101：基于预设图像采集终端采集所述重症患者的人脸图像，并对所述人脸图像进行处理，提取所述人脸图像中所述重症患者的人脸特征；
[0094]
步骤102：将所述人脸特征与预设患者信息库中的录入人脸进行匹配，并基于匹配结果确定所述人脸特征与各录入人脸之间的匹配度；
[0095]
步骤103：基于所述匹配度确定目标录入人脸，并基于所述目标录入人脸确定所述重症患者的身份标识；
[0096]
步骤104：基于所述身份标识从预设服务器中调取所述重症患者的身份信息。
[0097]
该实施例中，预设图像采集终端是提前在病房中设定好的，用于采集患者的人脸图像，其中，预设移动终端可以是但不局限于摄像头等。
[0098]
该实施例中，对所述人脸图像进行处理指的是对采集到的人脸图像进行分辨率改善以及色彩优化等操作。
[0099]
该实施例中，人脸特征指的是能够明显表明重者患者特点的五官形状、分布情况等。
[0100]
该实施例中，基于所述匹配度确定目标录入人脸指的是将匹配度最高的录入人脸确定为最终的匹配结果。
[0101]
该实施例中，录入人脸指的是患者在接受治疗前，对患者提前进行人脸图像采集得到的图像。
[0102]
该实施例中，目标录入人脸指的是与重症患者人脸特征相匹配的录入人脸。
[0103]
该实施例中，身份标识指的是能够代表重症患者在医院或医疗机构中身份信息的一种标签。
[0104]
该实施例中，预设服务器是用来存储患者的身份的，是提前设定好的。
[0105]
上述技术方案的有益效果是：通过对重症患者进行人脸图像采集，实现根据人脸图像对重症患者的身份信息进行准确判断，便于根据重症患者的身份信息实现对重症患者
的多维度监控指标进行确认，从而为保障对重症患者进行监控的全面性提供了保障。
[0106]
实施例3：
[0107]
在上述实施例2的基础上，本实施例提供了一种多维度监控重症患者的预测护理方法，基于所述身份标识从预设服务器中调取所述重症患者的身份信息，包括：
[0108]
获取所述重症患者的身份信息，并基于所述身份信息调取所述重症患者的历史就诊信息；
[0109]
基于所述历史就诊信息获取所述重症患者的历史就诊身份录入信息，并基于所述历史就诊身份录入信息对所述重症患者的身份信息进行比较，判断所述重症患者的身份是否异常；
[0110]
若异常，则进行第一报警提醒，并调取所述重症患者的医保卡信息；
[0111]
基于所述医保卡信息对所述重症患者的身份信息进行纠正，得到所述重症患者的身份信息；
[0112]
否则，进行第二报警提醒，且判定所述重症患者的身份信息无误。
[0113]
该实施例中，历史就诊信息指的是重症患者以前接受治疗的治疗情况，包括以前治疗的病因等。
[0114]
该实施例中，历史就诊身份录入信息指的是重症患者以前接受治疗时登记的身份信息。
[0115]
该实施例中，第一报警提醒指的是当重症患者的身份信息异常时进行报警，例如可以是声音报警等。
[0116]
该实施例中，医保卡信息指的是重症患者的医保卡上的人脸图像以及登记的姓名、年龄等。
[0117]
该实施例中，第二报警提醒指的是重症患者的身份信息无误时进行的报警方式，例如可以是灯光报警等。
[0118]
上述技术方案的有益效果是：通过根据重症患者的历史就诊信息，实现对重症患者身份信息的准确性进行验证，便于根据重症患者的身份信息确定有效的多维监控指标，从而保障了对重症患者监控的全面性，为提高重症患者的安全性提供了保障。
[0119]
实施例4：
[0120]
在上述实施例1的基础上，本实施例提供了一种多维度监控重症患者的预测护理方法，步骤1中，基于所述身份信息确定所述重症患者对应的多维度监控指标，包括：
[0121]
获取所述重症患者的身份信息，并基于所述身份信息从预设数据库中调取所述重症患者的诊断结果；
[0122]
基于所述诊断结果确定所述重症患者的检查项目以及所述检查项目对应的检查数据，并基于所述检查项目以及所述检查项目对应的检查数据确定所述重症患者的目标治疗项目，其中，所述目标治疗项目至少为一种；
[0123]
确定与所述目标治疗项目相关的体征参数，并基于所述体征参数确定所述重症患者对应的多维度监控指标。
[0124]
该实施例中，预设数据库是提前设定好的，用于存储对患者的诊断数据或是诊断结果。
[0125]
该实施例中，检查项目指的是重症患者进行检查时的检查内容，例如可以是心脏、
血压等。
[0126]
该实施例中，检查数据指的是每个检查项目对应的具体检查数值，例如可以是脉搏跳动频率，血压的取值等。
[0127]
该实施例中，目标治疗项目指的是根据各个检查项目对应的检查数据确定重症患者各检查项目中未达到正常标准的项目即为目标治疗项目。
[0128]
该实施例中，体征参数指的是与目标治疗项目有关的身体指标数据，例如当目标治疗项目为心脏时，体征参数可以是血压、脉搏以及其他与心脏跳动相关的身体指标参数等。
[0129]
上述技术方案的有益效果是：通过根据重症患者的身份信息实现对重症患者的诊断结果进行调取，从而便于根据诊断结果实现对重症患者的目标治疗项目进行准确确认，从而确保根据目标治疗项目确定对重症患者的监控指标，提高了对重症患者监控的全面性，提高了重症患者的安全系数。
[0130]
实施例5：
[0131]
在上述实施例4的基础上，本实施例提供了一种多维度监控重症患者的预测护理方法，基于所述体征参数确定所述重症患者对应的多维度监控指标，包括：
[0132]
获取所述重症患者对应的多维度监控指标，并基于所述多维度监控指标制定对所述重症患者的多维度监控策略，其中，每一维度对应一种监控策略；
[0133]
确定所述多维度监控策略与所述多维度监控指标的对应关系，并基于所述对应关系将所述多维度监控策略与所述多维度监控指标进行格式转换并捆绑，得到目标待记录数据包；
[0134]
确定所述目标待记录数据包的字节值，并基于所述字节值为所述目标待记录数据包分配目标存储空间；
[0135]
基于所述目标存储空间将所述目标待记录数据包进行存储记录。
[0136]
该实施例中，多维度监控策略指的是用于表征根据多维度监控指标对重症患者进行多维度监控的方式方法，包括监控时间的起点，监控时长以及监控异常时对应的处理措施等。
[0137]
该实施例中，目标待记录数据包指的是将多维度监控策略与所述多维度监控指标进行格式转换并捆绑后得到的数据，目的是便于对数据进行存储。
[0138]
该实施例中，目标存储空间指的是用于存储多维度监控策略与所述多维度监控指标对应的存储区域。
[0139]
上述技术方案的有益效果是：通过根据多维度监控指标实现对多维度监控策略进行准确制定，同时将多维度监控指标与多维度监控策略进行格式转换并存储，便于根据制定的监控策略对重症患者进行准确有效的监控，提高了对重症患者多维度监控的严谨性以及有序性，保障了监控结果准确可靠。
[0140]
实施例6：
[0141]
在上述实施例1的基础上，本实施例提供了一种多维度监控重症患者的预测护理方法，步骤2中，基于所述多维度监控指标对所述重症患者进行多维度监控，得到所述重症患者在不同维度下的体征监测数据，包括：
[0142]
获取所述重症患者对应的多维度监控指标，并基于所述多维度监控指标确定每一
维度对应的监控业务，其中，所述监控业务包括监控项目；
[0143]
提取所述监控业务的业务特征，并基于所述业务特征确定每一维度对应的监控项目类型；
[0144]
基于所述监控项目类型对所述多维度监控指标进行处理，确定每一维度对应的监控指标组合，并基于所述监控指标组合确定每一维度对应的监控基线；
[0145]
基于所述每一维度对应的监控基线确定每一维度对应的目标监控目的，并基于所述目标监控目的确定每一维度对应的全局监控项集群；
[0146]
基于每一维度对应的监控指标组合确定每一维度对应的全局监控项集群的监控模式以及监控时长，并基于所述监控时长通过所述监控模式对所述重症患者进行多维度监控；
[0147]
基于所述多维度监控确定所述重症患者在每一维度下的体征监测数据，同时，获取所述重症患者的身份信息，并基于所述身份信息调取所述重症患者的病例信息；
[0148]
基于所述病例信息对每一维度的体征监测数据进行预处理，确定每一维度中与所述重症患者的病例信息相关的目标体征监测数据以及无关的异常体征监测数据，并将所述异常体征监测数据进行剔除，得到所述重症患者最终的体征监测数据；
[0149]
基于所述重症患者的身份信息设置所述重症患者的身份标识，并基于所述身份标识将所述重症患者的身份信息、每一维度对应的监控指标组合以及每一维度最终的体征监测数据进行关联；
[0150]
基于关联结果将所述重症患者的身份信息、每一维度对应的监控指标组合以及每一维度最终的体征监测数据存储至预设服务器。
[0151]
该实施例中，监控业务指的是每一维度需要监控的项目，例如可以是监控血压、监控血氧饱和度等。
[0152]
该实施例中，业务特征指的是能够明显表明当前监控业务区别于其他监控业务的监控手段或是监控数据类型等。
[0153]
该实施例中，监控指标组合指的是将每一维度对应的监控指标从多维度监控指标中进行重组得到的适用于当前监控维度的监控指标。
[0154]
该实施例中，监控基线指的是用于表明每一维度的监控的主项目以及主项目对应主要目的。
[0155]
该实施例中，目标监控目的指的是用于表征当前维度最终要实现的监控目的，例如可以是监控重症患者的心跳情况等。
[0156]
该实施例中，全局监控项集群指的是要实现每一维度的监控目的需要进行监控的与当前监控目的相关联的其他体征项目参数。
[0157]
该实施例中，监控模式是提前设定好的，用于对不同的监控项目进行相应的监控。
[0158]
该实施例中，预处理指的是体征监测数据进行数据分析，确定体征监测数据中与体征相关的数据以及无关的数据。
[0159]
该实施例中，目标体征监测数据指的是与重症患者病例信息相关的体征监测数据。
[0160]
该实施例中，异常体征监测数据指的是与重症患者病例信息无关的体征监测数据。
[0161]
该实施例中，身份标识指的是用于标记重症患者身份信息的一种标签。
[0162]
该实施例中，预设服务器是提前设定好的，用于存储重症患者的体征监测数据。
[0163]
上述技术方案的有益效果是：通过根据多维度监控指标确定重症患者需要进行监控的项目，其次根据监控项目确定每一维度对应的监控指标组合，从而实现对重症患者进行多维度监控，提高了对重症患者监控的全面性以及严谨性，同时对获取到的体征监测数据进行处理，确保最终得到的体征监测数据准确有效，为准确确定重症患者的护理项目提供了保障，确保对重症患者进行有效护理。
[0164]
实施例7：
[0165]
在上述实施例6的基础上，本实施例提供了一种多维度监控重症患者的预测护理方法，基于关联结果将所述重症患者的身份信息、每一维度对应的监控指标组合以及每一维度最终的体征监测数据存储至预设服务器，包括：
[0166]
获取待查询重症患者的查询身份标识，并将所述查询身份标识与所述预设服务器中存储的身份标识进行匹配；
[0167]
基于匹配结果确定所述查询身份标识与所述预设服务器中存储的身份标识之间的相关度，并基于所述相关度确定所述查询身份标识对应的目标身份标识；
[0168]
基于所述目标身份标识从所述预设服务器中调取所述目标身份标识对应的每一维度对应的监控指标组合以及每一维度最终的体征监测数据，并将所述每一维度对应的监控指标组合以及每一维度最终的体征监测数据传输至医护终端，完成对数据的调取。
[0169]
该实施例中，待查询重症患者指的是在对患者的体征监测数据进行调取时，任意一个重症患者。
[0170]
该实施例中，查询身份标识指的是待查询重症患者的身份标识。
[0171]
该实施例中，目标身份标识指的是预设服务器中与查询重症患者一致的身份标识，从而便于调取对应的体征监测数据。
[0172]
上述技术方案的有益效果是：通过根据待查询重症患者的身份标识，并与预设服务器中存储的身份标识进行匹配，实现对待查询重症患者的体征监测数据进行准确调取，从而为实现确定重症患者护理项目提供了便利。
[0173]
实施例8：
[0174]
在上述实施例1的基础上，本实施例提供了一种多维度监控重症患者的预测护理方法，步骤3中，基于所述体征监测数据确定对所述重症患者进行的目标护理项目，并基于所述目标护理项目对所述重症患者进行护理操作，包括：
[0175]
获取历史标准体征监测数据，并基于所述历史标准体征监测数据构建初始健康评估模型，其中，所述历史标准体征监测数据包括对多个患者进行监测所得；
[0176]
确定所述历史标准体征监测数据中每个数据点对应的概率密度，并将所述概率密度大于预设阈值的数据点判定为异常点，剩余历史标准体征监测数据对应的数据点判定为正常点；
[0177]
基于所述异常点以及正常点对所述初始健康评估模型进行训练，得到目标健康评估模型；
[0178]
获取所述重症患者的体征监测数据，并将所述体征监测数据输入所述目标健康评估模型进行预处理，确定所述体征监测数据中的目标数据特征；
[0179]
将所述目标数据特征与所述目标健康评估模型中网络层进行融合学习，确定所述体征监测数据中的异常体征监测数据与正常体征监测数据，并将所述异常体征监测数据进行统一封装，生成电子化数据分析报告；
[0180]
基于所述电子化数据分析报告确定所述异常体征监测数据对应的目标护理项目，并提取所述目标护理项目的属性信息，其中，所述目标护理项目至少为一项；
[0181]
基于所述属性信息确定所述重症患者的目标护理项目的护理程度，并基于所述护理程度确定完成所述目标护理项目所需的医疗资源；
[0182]
确定所述医疗资源的名称以及数量，并将所述医疗资源的名称以及数量生成资源调度表，且将所述资源调度表上传至后台服务端进行医疗资源调配；
[0183]
基于调配结果对所述重症患者进行护理操作。
[0184]
该实施例中，历史标准体征监测数据指的是多个以前患者的体征监测数据，用于训练健康评估模型。
[0185]
该实施例中，概率密度指的是历史标准体征监测数据中每个数据发生异常的概率。
[0186]
该实施例中，预设阈值是提前设定好的，用于衡量数据异常的概率是否最大允许范围。
[0187]
该实施例中，异常点指的是体征监测数据中数据相比正常数据异常情况过大的点。
[0188]
该实施例中，正常点指的是体征监测数据中数据相比正常数据异常情况在预设阈值以内的点。
[0189]
该实施例中，目标健康评估模型指的是对初始健康评估模型进行训练后的得到的健康评估模型。
[0190]
该实施例中，目标数据特征指的是体征监测数据的数据种类以及对应的数量等。
[0191]
该实施例中，异常体征监测数据指的是体征监测数据中相比正常标准，发生异常过大的体征监测数据。
[0192]
该实施例中，正常体征监测数据指的是体征监测数据中相比正常标准，发生异常的程度在允许范围内的体征监测数据。
[0193]
该实施例中，电子化数据分析报告指的是将异常体征监测数据进行记录后得到的报告。
[0194]
该实施例中，属性信息指的是目标护理项目的种类以及对应的护理操作、重症患者当前目标护理项目发生异常的程度等。
[0195]
该实施例中，资源调度表指的是用于记录目标护理项目需要的医疗器件以及药物的名称以及对应的数量等。
[0196]
该实施例中，基于调配结果对所述重症患者进行护理操作，包括：
[0197]
获取对所述重症患者的多维度监控指标，并将所述多维度监控指标传输至预设专家终端进行评价；
[0198]
基于评价结果确定所述参加评价的专家数量以及多维度监控指标个数，基于所述专家数量以及多维度监控指标个数计算协调系数，并基于所述协调系数计算基于多维度监控指标对重症患者监控得到的目标护理项目的护理难度分数，具体步骤包括：
[0199]
根据如下公式计算协调系数：
[0200][0201]
其中，κ表示所述协调系数，且取值范围为[0，1]；a表示常数，取值范围为(10，15)；m表示所述参加评价的专家数量；q表示所述多维度监控指标的总个数；i表示参与评价的当前专家，且取值范围为[1，m]；τi表示对第i个专家评价意见的修正系数，且取值范围为(0.6，0.9)；d
l2
表示第l个多维度监控指标的等级方差值；q1表示当参与评价的当前专家为m时，对应的历史最佳匹配的指标个数；m1表示当指标个数为q时，对应的历史最佳匹配的专家数量；exp()表示指数函数；yi表示第i个专家评价意见的意见值；表示相同多维度监控指标下对应的历史平均意见值；
[0202]
根据如下公式计算目标护理项目的护理难度分数：
[0203][0204]
其中，表示所述目标护理项目的护理难度分数；κ表示所述协调系数，且取值范围为[0，1]；ω
l
表示第l个多维度监控指标的权重值；μ
l
表示第l个多维度监控指标的等级得分；ρ表示误差因子，且取值范围为(0.02，0.05)；
[0205]
基于所述目标护理项目的护理难度分数确定所述目标护理项目的难度等级，并基于所述难度等级从预设医护人员数据库中匹配目标医护人员；
[0206]
向所述目标医护人员的智能终端发送所述目标护理项目的护理信息，并基于所述智能终端提醒所述目标医护人员根据所述护理信息对所述重症患者进行护理操作。
[0207]
上述协调系数所有专家对多维度监控指标的评价意见的一致程度，取值越大表明各个多维度监控指标之间的协调性越高，即对重症患者的监控越准确有效。
[0208]
上述技术方案的有益效果是：通过构建健康评估模型，并对健康评估模型进行训练，从而实现通过健康评估模型对重症患者的体征监测数据进行准确有效的评估，从而确保对患者需要进行护理的项目进行准确判断，其次，根据护理项目的属性信息实现对护理项目需要的医疗资源进行快速准确的调配以及调度，实现对重症患者进行快速有效的护理，提高了对重症患者护理的效率以及效果，确保了重症患者的安全性。
[0209]
实施例9：
[0210]
在上述实施例8的基础上，本实施例提供了一种多维度监控重症患者的预测护理方法，基于调配结果对所述重症患者进行护理操作，包括：
[0211]
获取所述重症患者所需的目标护理项目，并基于重症患者的身份信息确定所述目标护理项目的护理要求；
[0212]
同时，实时监测对所述重症患者进行护理操作时的操作数据，并构建护理效果评估模型；
[0213]
基于所述护理效果评估模型根据所述目标护理项目的护理要求对所述操作数据进行评估，得到对所述重症患者的目标护理项目的护理等级。
[0214]
该实施例中，目标护理要求指的是目标护理项目最终要实现的护理效果。
[0215]
该实施例中，操作数据指的是医护人员或是相应的医疗器械在对重症患者进行护理的操作情况。
[0216]
上述技术方案的有益效果是：通过对目标护理项目的护理过程进行实时监控，并根据监控结果对护理过程进行护理等级评估，确保了对重症患者护理的有效性以及准确性，确保了重症患者的安全性。
[0217]
实施例10：
[0218]
本实施例提供了一种多维度监控重症患者的预测护理系统，如图3所示，包括：
[0219]
监控指标确定模块，用于获取重症患者的身份信息，并基于所述身份信息确定所述重症患者对应的多维度监控指标；
[0220]
监测模块，用于基于所述多维度监控指标对所述重症患者进行多维度监控，得到所述重症患者在不同维度下的体征监测数据；
[0221]
护理模块，用于基于所述体征监测数据确定对所述重症患者进行的目标护理项目，并基于所述目标护理项目对所述重症患者进行护理操作。
[0222]
上述技术方案的有益效果是：通过根据重症患者的身份情况确定对重症患者的多维度监控指标，从而从多维度对重症患者进行监控，提高了对重症患者监控的严谨性，同时，便于根据监控结果对重症患者进行相应的护理操作，提高了对重症患者的护理效果，保障了重症患者的安全性。
[0223]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。