【技术实现步骤摘要】
本专利技术涉及智能护理，具体涉及重症高热患者智能护理方法。
技术介绍
1、重症高热患者的治疗和管理是一个复杂的过程，需要综合考虑患者的具体病情和病因；在治疗重症高热患者时，医疗团队需要密切监控患者的病情变化，并根据最新的临床指南和研究成果调整治疗方案。同时，中西医结合的治疗方法可以提供更加全面的治疗策略，以提高治疗效果和患者生存率。
2、现有的通过实时监测患者的生命体征信息和当前的患者的监护疗程及监护状态，通常构建患者安全智能预警系统能够在一定程度上对患者的护理状态进行监测，随着近些年传染性疾病的患者的剧增，相应的护理人数、护理病房和监护疗程的增加，需要增派更多的护理人员来进行应对，并且还需要增派监测端及相应的管理人员的实时监护数据的获取，通常因为治疗院区面积的限制以及重症高热患者疾病类型的多样还需要进行隔离监护等措施，大量的监护人员反而不利于重症高热患者的治疗和康复过程。
3、现有的，通过设计基于物联网的智能化、系统化的护理分级系统应用在护理工作中，但是随着重症高热患者的增加，由于护理人员数量有限，通过直接增派护理人员的方案不再适用于大量重症高热患者的护理过程，并且现有的分级护理的护理质量及效率难以通过数据化评价进行客观的体现，需要依据当前护理人员对当前患者潜在并发症的发现率、术后并发症及不良事件发生率的具体数据来进行分析；然而对于重症高热患者而言，由于治疗的紧迫性以及生命安全风险的严重程度较大，仅通过医护口头查房沟通的护理方式，临床效率较低，并且影响了实际患者的治疗康复效率。
<
1、本专利技术的目的在于提供重症高热患者智能护理方法，解决以下技术问题：
2、怎样提高智能护理分级精确度，达到重症高热患者的高质量安全护理目的，同时提高护理临床价值。
3、本专利技术的目的可以通过以下技术方案实现：
4、重症高热患者智能护理方法，方法包括：
5、s1、获取监护时间段内重症高热患者的生命体征变化参数和有效护理周期内重症高热患者的病情变化特征输入循环神经网络模型训练并输出护理等级结果；
6、生命体征变化参数包括：体温变化值、心率变化值、血压变化值；
7、病情变化特征包括：病情好转、病情恶化、病情稳定；
8、护理等级结果根据护理干预严重程度由高到低依次分为一级护理、二级护理和三级护理；
9、s2、根据护理等级结果获取监护安全风险提示信息；
10、s3、根据监护安全风险提示信息调取预设护理分级系统中的护理等级参数；
11、s4、将调取后的护理等级参数输入当前训练好的循环神经网络模型中输出当前护理等级结果的调整系数，并根据当前调整系数大小开展护理工作。
12、优选地，步骤s1中护理等级数据的获取方法为：
13、确定监护时间段内重症高热患者的生命体征变化参数集合{x1，x2，......xm}；
14、确定所有有效护理周期内重症高热患者的病情变化特征参数集合{b1，b2，......bn}，n为有效护理周期数；
15、获取每个有效护理周期内病情变化特征参数集合bi的所有元素{(y1)i，(y2)i，......(ym)i}与相同时间点内对应的生命体征变化参数集合{x1，x2，......xm}进行组合，组成新的集合c，且集合c∈{(x1y1)i，(x2y2)i，......(xmym)i}；i为当前有效护理周期；m为有效护理周期下的时间点总数；
16、将新的集合c中的所有元素作为训练集输入循环神经网络模型中进行训练，获取每个元素对应的有效护理值，并将当前有效护理值按照预设有效护理值阈值区间进行从大到小划分并输出护理等级结果。
17、优选地，有效护理值的计算方式为：
18、通过公式计算出实时有效护理值efj；
19、其中，j为当前时间点，且j∈[1，m]；ε、δ均为预设权重系数，且ε、δ均大于0；f为预设护理函数；vsj为当前时间点的生命体征变化参数，vsj0为相同时间点的标准生命体征变化参数，δvsj为预设当前时间点的生命体征变化参数偏差值；qk为病情变化转化函数，k为病情变化特征；coj为当前时间点的病情变化特征参数，coj0为当前时间点的标准病情变化特征参数；βi为第i个有效护理周期的影响系数。
20、优选地，护理等级结果包括：
21、将当前有效护理值efj与预设有效护理值阈值区间[efa，efb]进行比对：
22、若efj＜efa，则判断当前有效护理质量优，需要护理干预少，护理等级定为三级护理；
23、若efa≤efj≤efb，则判断当前有效护理质量一般，需要较多护理干预，护理等级定为二级护理；
24、若efj＞efb，则判断当前有效护理质量差，需要更多护理干预，护理等级定为一级护理。
25、优选地，监护安全风险提示信息包括：
26、根据护理等级结果确认每个重症高热患者的护理等级信号；
27、根据护理等级信号确认匹配相应等级的护理人员信息；护理人员信息包括护理人员等级、护理人员经验参数；
28、根据一级护理等级生成预警信号，监测一级护理等级的重症高热患者的护理状态变化。
29、优选地，步骤s3中：
30、将所有重症高热患者的护理等级信号及相应护理人员信息输入预设护理分级系统的分析模型中，输出护理等级参数；
31、以及根据预警信号反馈一级护理等级的重症高热患者的调整信息，并生成调整表格。
32、优选地，步骤s4中：
33、通过公式计算出调整系数adj；
34、其中，δt为有效护理周期时间点数内的预设时间段；nuri为第i个有效护理周期累积时间段内实时的护理等级参数，nuri0为第i个有效护理周期的预设标准护理等级参数，δnuri为第i个有效护理周期的预设护理等级参数的偏差值；h(·)为护理等级参数的转化函数；efi(t)为第i个有效护理周期的实时有效护理值。
35、优选地，将调整系数adj与预设调整系数阈值区间[adj1，adj2]进行比对：
36、若adj∈[adj1，adj2]，则判断当前调整系数正常，保持当前护理等级，继续维持当前护理工作；
37、若adj＞adj2，则判断当前调整系数偏大，降低当前护理等级，根据调整结果开展相应的护理工作；
38、若adj(t)＜adj1，则判断当前调整系数偏小，提高当前护理等级，根据调整结果开展相应的护理工作。
39、本专利技术的有益效果：本专利技术通过获取监护时间段内重症高热患者的生命体征变化参数和有效护理周期内重症高热患者的病情变化特征输入循环神经网络模型训练并输出护理等级结果；通过监护安全风险提示信息反映重症高热患者的护理情况，并根据护理等级信号精确匹配对应的护理人员形成对不同等级的重症高热患者的护理和安全监测过本文档来自技高网...
【技术保护点】
1.重症高热患者智能护理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的重症高热患者智能护理方法，其特征在于，所述步骤S1中护理等级数据的获取方法为：
3.根据权利要求2所述的重症高热患者智能护理方法，其特征在于，所述有效护理值的计算方式为：
4.根据权利要求3所述的重症高热患者智能护理方法，其特征在于，所述护理等级结果包括：
5.根据权利要求1所述的重症高热患者智能护理方法，其特征在于，所述监护安全风险提示信息包括：
6.根据权利要求5所述的重症高热患者智能护理方法，其特征在于，所述步骤S3中：
7.根据权利要求4所述的重症高热患者智能护理方法，其特征在于，所述步骤S4中：
8.根据权利要求1所述的重症高热患者智能护理方法，其特征在于，将调整系数Adj与预设调整系数阈值区间[Adj1，Adj2]进行比对：
【技术特征摘要】
1.重症高热患者智能护理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的重症高热患者智能护理方法，其特征在于，所述步骤s1中护理等级数据的获取方法为：
3.根据权利要求2所述的重症高热患者智能护理方法，其特征在于，所述有效护理值的计算方式为：
4.根据权利要求3所述的重症高热患者智能护理方法，其特征在于，所述护理等级结果包括：
5.根据权利要求1...
【专利技术属性】
技术研发人员：臧莉，刘佳佳，
申请(专利权)人：中国人民解放军空军军医大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。