[0001] 本发明涉及临床诊疗数据分析领域，具体涉及一种基于临床数据的急危重症辅助评估系统。

[0002] 急危重症是指在短时间内生命受到严重威胁，急需救治的疾病，在临床表现中常为中风、脑溢血、心机梗死等症状，而患有这类急危重症的病人往往需要进行实时监测生理体征等临床数据，临床数据是监测病患生理体征的重要依据，所以需要针对急危重症患者，进行临床数据收集，以做评估生命体征及后续应对策略等辅助手段。

[0003] 传统的临床数据监测系统，往往只能凭借心率监测仪对患者的生理特征进行实时监测，但心率监测仪只能用于观察体温监测、呼吸监测及血压监测，其他如人体微量元素含量的变动、血液中的PH值、白细胞及血小板计数等微小但足以影响人体健康的数据并未被
心率检测仪监测，同时，单纯的依靠单一患者的生理特征无法判断疾病为恶化状态还是好
转状态，而且传统的实时监测无法与历史数据与过往病例通过互联网大数据相联系，无法
做到更好地监测并预警病情恶化速度及程度，同时，传统的临床数据分析系统只能够做到
实时监测并分析，无法做到根据临床数据进行辅助评估并预警，这不仅会增加医护人员的
工作量，也难以保证患者的生命健康。

[0004] 因此，需要将历史数据、各国已公开的医疗系统中的过往病例与现患者的生理特征作对比，从而构建该急危重症的疾病特征模型，便于针对不同患者的相同病症进行辅助
评估，进而完善治疗过程。

[0064] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

[0065] 在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

[0066] 参考图1至图4，一种基于临床数据的急危重症辅助评估系统，其特征在于，包括：

[0067] 数据采集模块，用于通过医疗设备实时获取患者的生理特征；

[0068] 数据预处理模块，用于将数据采集模块获取到的实时生理特征进行数据预处理；

[0069] 数据分析模块，用于将预处理过后的数据输入计算方法中，得出正常数据及异常数据；

[0070] 预警模块，用于根据过往数据设定预警阈值，建立预警体系，将正常数据及异常数据输入至预警体系内，当异常数据超过预警阈值时，进行实时监控及预警工作；

[0071] 数据存储模块，用于对预处理后的实时数据、数据分析模块中的正常数据及异常数据及预警阈值进行存储，并定期清理冗余数据。

[0072] 所述数据采集模块所采集患者的生理特征包括患者心率、血压、血氧饱和度、呼吸频率、体温、微量元素浓度及血液PH值等。

[0073] 参考图3，所述数据预处理模块中，所述将数据采集模块获取到的实时生理特征进行数据预处理的具体方法为：

[0074] 清洗数据，对错误数据、缺失数据或异常值进行清洗；

[0075] 填补数据，对清洗过后的空白数据进行填补，提高数据质量和可靠性，需要说明的是，在整体数据均匀分布的情况下采用该组数据的均值填补缺失，在整体数据倾斜分布的情况下采用中位数进行填补缺失；

[0076] 规范化数据，将完整的数据转换为适合分析的形式，并且根据数据的格式及来源不同，对数据进行命名和单位的规范化处理，减少数据解读误差。

[0077] 所述数据预处理模块中，清洗数据采用标准残差的方法检测异常值并清洗，具体步骤为：

[0078] 将数据采集模块采集到的生理特征转换为数据形式，将每一个样本转换为二维坐标(x，y)的形式，将同种生理特征所得到的历史数据整理后形成集合X，则集合X＝{(x1，
y1)，······(xn，yn)}，将集合X放置于二维坐标系中，二维坐标系的横轴x表示时间，
纵轴y表示因变量；

[0079] 估算标准误差：

[0080]

[0081] 其中，se为估计标准误差，yi为因变量的实际值， 为根据回归方程推算出的因变量估计值，SSE为估计值与实际值的离差平方和，MSE为均方误差；

[0082] 计算残差：

[0083]

[0084] 其中，ei为第i个实际值的残差；

[0085] 计算标准化残差：

[0086]

[0087] 当样本数据落于大于3的区间内即为异常值，可被清洗。

[0088] 参考图4，所述数据分析模块中采取的计算方法为四分位距法，具体计算步骤为：

[0089] 定义下四分位数Q1、上四分位数Q3、四分位间距IQR；

[0090] 根据患者过去某一生理特征进行特征向量分析，选取在正常状态下的最低生理特征数据为下四分位数Q1，选取正常状态下的最高生理特征数据为上四分位数Q2，则四分位
间距IQR：

[0091] IQR＝Q3‑Q1

[0092] 定义中位数Q2，所述中位数Q2等于样本中所有数值由小到大排列后第50％的数值；

[0093] 定义生理特征数据最小值的下界Q4，所述Q4：

[0094] Q4＝Q1‑1.5*IQR

[0095] 定义生理特征数据最大值的上界Q5，所述Q5：

[0096] Q5＝Q3+1.5*IQR

[0097] 将预处理模块处理过后的数据带入四分位距法中进行判断，如果该数据小于Q4或大于Q5时，视为异常数据。

[0098] 所述预警模块中的预警阈值设定来源为：已公开的医学期刊、论文、各国已公开的医疗系统内部危重病例以及过往死亡病例。

[0099] 所述数据存储模块中，所述对预处理后的实时数据、数据分析模块中的正常数据及异常数据，及预警阈值进行存储，并定期清理冗余数据包括：

[0100] 根据获取时间及生理特征进行分类，将经数据预处理模块预处理过后的数据进行打包存储；

[0101] 对数据分析模块中的正常数据及异常数据进行存储，并记录于患者的电子档案中；

[0102] 将预警模块中设立的预警阈值进行存储；

[0103] 当数据存储模块数据过多时，适时清理无用数据，保留重要数据，清理的目标数据包括在连续分析过程中出现的相同或相近的正常数据；

[0104] 保留的目标数据包括患者入院时初始数据、患者住院期间的持续性异常数据、患者出院时的最终数据或导致患者无生命体征的最后一次发病时的异常数据。

[0105] 参考图2，所述基于临床数据的急危重症辅助评估系统的评估方法包括以下步骤：

[0106] S1：通过现有医疗设备获取患者样本的实时临床数据；

[0107] S2：将步骤S1获取的临床数据打包后发送至数据预处理模块；

[0108] S3：数据预处理模块将步骤S2给出的打包数据拆解后分为不同类型进行预处理；

[0109] S4：根据患者所患急危重症，提取世界各地已公开的相同病情的医疗案例并与患者所患急危重症对比，判断是否会出现并发症、并发症出现时间及并发症出现先兆；

[0110] S5：将预处理过后的实时数据发送至数据分析模块，数据分析模块根据历史数据建立以四分位距法为标准的计算方法，将当前数据输入计算方法，得出正常数据及异常数
据；

[0111] S6：将正常数据及异常数据输入预警模块，并根据过往病例及实验数据设定预警阈值，建立预警体系，对患者的实时临床数据与预警阈值的差值实时监控以及对并发症出
现先兆进行实时监控；

[0112] 当实时临床数据与预警阈值的差值在短时间内趋近于0时，及时进行报警；

[0113] 当出现与历史医疗案例相同或高度重合的并发症先兆时，及时进行报警；

[0114] S7：对步骤S3预处理过后的实时数据、步骤S5所得出的正常数据及异常数据存储至数据存储模块；

[0115] 定期清理数据存储模块中的冗余数据。

[0116] 本发明提供了一种基于临床数据的急危重症辅助评估系统，目的为辅助急危重症病房内部的医疗监测系统，建立以实时监测‑评估‑预警为一体的辅助系统，通过采集医疗设备所监测到的数据，进行预处理后采用四分位距法对数据进行分析，得出正常数据及异
常数据后设定预警阈值，建立预警体系，当异常数据超过预警阈值时，进行预警工作，并将异常数据、预警阈值等重点数据进行存储，保障患者的生命健康被实时监控。

[0117] 本发明的一实施例中，当一名急危重症患者被收录至危重症病房时，医护人员便可启动本系统，具体的，可在原医疗监护系统的基础之上增加本系统，收录患者时对患者进行一次全身详细体检，包括患者年龄、体征、既往病史及遗传病史等，并将所得结果记录于本系统中，建立专属该患者的医疗档案；

[0118] 在患者住院过程中，原医疗监护系统对患者进行生理特征的实时监测，而本发明的数据采集模块周期性的通过原医疗监护系统记录患者某一时间的生理特征，之后将本次
记录的生理特征发送至数据预处理模块；

[0119] 数据预处理模块负责将获取到的实时特征进行数据预处理，具体步骤及方式为：

[0120] 首先将生理特征转换为适合计算机语言的生理特征数据；

[0121] 第二步清洗数据，通过标准残差检测异常值并清洗，通过将生理特征数据转换为二维坐标(x，y)形式，将同种生理特征所得到的历史数据整理后形成集合X，则集合X＝
{(x1，y1)，······(xn，yn)}，将集合X放置于二维坐标系中，横轴x表示时间，估计标
准误差：

[0122]

[0123] 式中，se为估计标准误差(Standard error of estimate)即残差平方和的均方根，yi为因变量的实际值， 为根据回归方程推算出的因变量估计值，SSE为估计值与实际
值的离差平方和，MSE为均方误差；

[0124] 计算残差，残差为因变量的实际值yi与根据回归方程推算出的因变量估计值 的差值，用e表示，即用估计的回归方程观测yi而引起的误差，则第i个实际值的残差为：

[0125]

[0126] 计算标准化残差：

[0127]

[0128] 当数据落于大于3的区间内即可清洗；

[0129] 第三步为填补数据，对第二步清洗过后的异常数据、错误数据及缺失数据等空白数据进行填补，提高数据质量和可靠性，当整体数据均匀分布时，采用该组数据的均值填补缺失，当整体数据倾斜分布的情况下采用中位数进行填补缺失；

[0130] 第四步规范化数据，将完整的数据转换为适合分析的形式，并且根据数据的格式及来源不同，对数据进行命名和单位的规范化处理，减少数据解读误差；

[0131] 之后提取世界各地已经公开的相同病因的医疗案例并与现患者所患急危重症对比，判断已公开的医疗案例中是否会出现并发症、并发症出现的时间以及并发症出现的先
兆，目的是防止现患者突然出现并发症，防患于未然；

[0132] 将处理过后的数据发送至数据分析模块，数据分析模块根据所得数据建立四分位距法，具体操作为：

[0133] 根据患者的某一时间段内的某一生理特征进行向量分析，定义下四分位数Q1、上四分位数Q3、四分位间距IQR；

[0134] 所述下四分位数Q1为在正常状态下的最低生理特征数据，所述上四分位数Q3为正常状态下的最高生理特征数据，则四分位间距IQR：

[0135] IQR＝Q3‑Q1

[0136] 定义中位数Q2，所述中位数Q2等于样本中所有生理特征数据由小到大排列后第50％的数值，注意，样本中所有生理特征数据具体指的是该患者自被收至以来所测量得出
的某一生理特征的有效数值；

[0137] 定义生理特征数据最小值的下界Q4，所述Q4：

[0138] Q4＝Q1‑1.5*IQR

[0139] 定义生理特征数据最大值的上界Q5，所述Q5：

[0140] Q5＝Q3+1.5*IQR

[0141] 将预处理模块处理过后的数据带入四分位距法中进行判断，如果该数据小于Q4或大于Q5时，视为异常数据；

[0142] 将所得出的正常数据及异常数据输入至预警体系内，当异常数据超过预警阈值时，进行实时监控及预警工作；

[0143] 需要说明的是，所述预警阈值设定来源为：已公开的医学期刊、论文、各国已公开的医疗系统内部危重病例以及过往死亡病例，综合上述材料所得预警阈值；

[0144] 之后将所有数据放入数据存储模块，数据存储模块按照时间线存储相同生理特征的数据，数据存储模块主要存储内容为：患者入院时的首次全身体检数据、每次预处理后的实时生理特征数据、经过数据分析后所得出的正常数据及异常数据，以及设定好的预警阈
值；

[0145] 当患者入院时间较长时，数据存储模块自动清理无用数据，保留重要数据；

[0146] 清理的目标数据包括在连续分析过程中出现的相同或相近的正常数据；

[0147] 保留的目标数据包括患者入院时初始数据、患者住院期间的持续性异常数据、患者出院时的最终数据或导致患者无生命体征的最后一次发病时的异常数据。

[0148] 本发明将危重症病房内的医疗监测系统所监测到的病患的生理特征进行采集、数据预处理、数据分析、预警及存储数据等操作，辅助现有的医疗监测设备，对急危重症病患的生理特征进行实时监测、评估及预警，并将历史数据及过往病例整合，以大数据的形式对现有数据进行实时监控、评估及预警，辅助现代医疗设备，更好的完善对急危重症患者的医疗监护系统。

[0149] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。