[发明专利]一种呼吸机撤机管理系统及方法

说明书

本发明公开了一种呼吸机撤机管理系统及方法，从医院的His，Lis，EMR系统里获取多维度数据，把获取的多维度临床数据进行清洗整理，并按照入院时间进行排序，变成结构化的时间序列数据以作为待提取数据，按照6h，12h，24h为周期计算各个基础变量的变化值，得到时间序列数据的衍生变量，并动态评估患者的疾病状态(COPD，ARDS，VAP)，最终把时间序列数据、衍生变量和疾病的动态评估结果三部分已处理数据合并成一标准的输入数据集，输入到模式转换模型和脱机预测模型中评估，针对模式转换模型给出的判断，给出特征贡献度的解释，给医生的临床决策提供询证依据，医生结合特征解释与预测概率进行综合判断。

技术领域

本发明涉及呼吸机撤机管理技术领域，特别涉及一种呼吸机撤机管理系统及方法。

背景技术

呼吸机是用于预防和治疗呼吸衰竭，挽救及延长病人生命的重要医疗设备。呼吸机分为有创和无创两种，危重的病人往往需要有创呼吸机，而长期使用有创呼吸机，病人得感染和肺炎的风险会增高。除此之外，使用呼吸机时间越长，病人容易对呼吸机产生依赖，从而很难脱机。所以当病人病情得到好转，适当时候合理减少呼吸支持，让病人逐渐恢复自主呼吸，尽早进行脱机，减少对呼吸机的依赖，提高疾病预后。

目前市场上存在的智能呼吸机选用参数太单一，只有呼吸机的数据，其功能简单。在实际临床上，医生要根据很多参数(呼吸参数，生命体征，血气分析等)综合判断，来决定是否对病人进行脱机；但这些数据一般存放在医院的不同的系统中，而且这些变量的采集频次也不一样，导致时间序列的数据信息很难得到有效利用；除此之外，病人的疾病诊断在医院系统中都是静态，只知道疾病的发生，但是很难知道疾病的是否治愈，以及治愈的时间，所以动态的得到病人的疾病评估对呼吸机撤机有很大的帮助。

随着医疗信息化的完善，医疗数据越来越多，利用大数据分析技术来解决医疗问题也成一个必然的一个趋势，该方法利用机器学习方法，结合临床实践情况所用的测量变量，建立一个针对呼吸机撤机管理的模型方法。

现有技术中，有公开一种用于监控一个或多个器官的随着时间过去的生理参数变异性的方法和装置(专利号为CN200880118871.6)，并具体公开了以下技术特征(见说明书0058-0060)，“支持多个时间间隔内的变异性分析(例如，连续的变异性分析)的基本理论在很多场景中广泛的应用，例如，用于治疗、早期诊断和总的健康监控。”监控多个时间间隔下的参数变异性变化情况的另一个临床用途是用于评估某个干预措施下的变异性变化情况，例如，这使下面所述的系统和/或其部分能够在危重患者中从医疗装置例如机械通气装置解放的安全和计时方面帮助临床医生。“随着时间过去的变异性分析”或“变异性分析”通常指在多个时间间隔内对每个患者参数、变量、器官等的变异性的度量的计算。变异性的每个度量指示在一个时间间隔内相应的患者参数变化的程度和特征，以及每个变异性分析使患者参数的变异性的变化能够在一段时间内被观察到。可对一个或多个患者参数，即，单个参数和/或多个参数(例如，单个器官或多个器官)执行如这里所述的变异性分析，且变异性的多个度量可根据例如间歇的、连续的等的任何适当的模式获得。

在上述的技术方案中，有透露采用患者数据基于时间变化进行变异性分析，可以在医疗装置例如机械通气装置(呼吸机)解放的安全和计时方面帮助临床医生，但并未过多介绍或系统介绍设想如何进行落地实现，经检索分析，多年来也均未关于呼吸机设备撤机管控相关的技术方案的出现，由此本申报的一种呼吸机撤机管理系统及方法经过完整可实行的方案介绍弥补了此处的技术空白，对呼吸机患者和主治医生对患者的撤机时机和医生判断提供了科学的参考依据。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种呼吸机撤机管理系统及方法，解决上述存在的问题。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种呼吸机撤机管理方法，包括以下步骤：