[发明专利]慢阻肺急性加重自动预警方法和平台、及可读存储介质

说明书

本发明公开了一种慢阻肺急性加重自动预警方法，在慢阻肺急性加重自动预警方法及平台中，通过呼吸机、穿戴设备其他医疗器械等呼吸护理过程中采集患者的护理数据，对获取用户在呼吸护理过程中产生的时间数据以及与该时间数据对应的护理数据进行预处理；将预处理过后的所述时间数据和数据输入至预先建立好的学习模型中，并获取所述学习的急性加重结果；在所述模型预测的结果为急性加重，向正在用呼吸机进行护理的用户发送报警信息。

技术领域

本发明涉及计算机数据处理技术领域，尤其涉及一种慢阻肺急性加重自动预警方法和平台、及计算机可读存储介质。

背景技术

慢性阻塞性肺疾病(chronic obstructive pulmonary diseases，COPD)，简称慢阻肺，是一种破坏性的肺部疾病，以不完全可逆的呈进行性发展的气流受限为特征，并与肺对有害颗粒或气体的异常炎症反应有关。该病症作为一种慢性病，具有病程长且病程反复的特点，患有该疾病的患者大部分时间处于家中静养的状态，而大部分医生更注重慢阻肺急性加重期的病情控制，而忽略了稳定期的恢复和治疗，以致急性加重次数增加。慢阻肺急性加重具有反复发作和复发时间具有不定性的特点，并且当前并没有较准确的预测方法，所以根据当前患者的身体情况对急性加重进行预警具有十分重要的现实意义。

发明内容

本发明的主要目的在于提供一种科学、客观的慢阻肺急性加重自动预警方法和平台，解决现有技术中慢阻肺急性加重预测中存在的问题。

为实现上述目的，本发明提供的慢阻肺急性加重自动预警方法，其特征在于，包括步骤：

S1，对获取用户在呼吸护理过程中产生的时间数据以及与该时间数据对应的护理数据进行预处理；

S2，将预处理过后的所述时间数据和所述护理数据输入至预先建立好的学习模型中，并获取所述学习模型输出的急性加重结果；其中，所述学习模型函数为Res为用户当前时刻的急性加重的概率，x为所述护理数据中的一项具体护理数据的特征向量值，θ为所述x对应的的权重向量，T为常数；

S3，在所述模型预测的结果为急性加重，向正在用呼吸机进行护理的用户发送报警信息。

进一步地，在所述步骤S2包括，将预处理过后的所述时间数据和所述护理数据输入至预先建立好的学习模型中，并获取所述学习模型输出的Res是否大与预设的阈值，在所述Res大于等于0.5时，所述学习模型函数输出结果为急性加重；在所述Res小于0.5时，所述学习模型函数输出结果非急性加重。

进一步地，所述阈值为0.5。

进一步地，所述护理数据包括血压均值P、呼吸频率均值B、血氧均值S、心率均值H、体温均值T及分钟通气量MV中的至少一个。

进一步地，所述步骤S2之前，还包括：

获取用于训练逻辑回归模型的训练集，所述训练集包括第一预设数量的用户在呼吸护理过程中产生的时间数据、呼吸护理过程中产生的护理数据及对应的急性加重分类结果；

获取用于验证逻辑回归模型的验证集，所述验证集包括第二预设数量的用户在呼吸护理过程中产生的时间数据、呼吸护理过程中产生的护理数据及对应的急性加重分类结果；

利用训练集中不同用户对应的时间数据、护理数据及急性加重分类结果对逻辑回归模型进行构建；

利用验证集中不同用户对应的时间数据、护理数据及急性加重分类结果对之前构建的逻辑回归模型进行验证；

若验证集的通过率大于等于之前设定的通过率阈值，那么表示逻辑回归模型训练完成，并且以训练并验证后的该逻辑回归模型作为步骤S2中的模型，否则继续调整训练参数和增加训练集，再重新训练和验证，直到通过率满足为止。