【技术实现步骤摘要】
本专利技术涉及风险预警，具体涉及一种脑卒中复发风险的监测模型及监测方法。
技术介绍
1、脑卒中作为一种急性脑血管病。作为一个不可逆的、复杂的、循序渐进的疾病过程，脑卒中没有特定的治疗标准，家庭，社会危害性很大，通过对脑卒中预防筛查分析系统进行脑卒中筛查可以有效预防中风和对治疗效果评估，提高病人预防意识，如果延缓中风发病年龄5-10年，将会减轻对家庭、国家、社会的经济负担和就医负担。
2、现有技术中通过预防筛查分析系统过程可以有效的帮助人们预防脑卒中，但是却忽略了脑卒中的高复发性质，对于曾有脑卒中患病史的患者要进行特别关注，现有技术中，往往是基于病人的临床表现来判断病人是否发病，这样容易错过脑卒中的最佳防范时机。
3、因此，亟需提供一种脑卒中复发风险的监测模型及监测方法。
技术实现思路
1、本专利技术的目的在于提供一种脑卒中复发风险的监测模型及监测方法，通过对脑卒患者周期内的动态行为数据进行获取，即通过在周期内对患者的饮食数据、运动数据和脑卒患者病情严重度值进行处理，从而从多个维度对脑卒患者的状态进行周期识别，数据真实性高。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种脑卒中复发风险的监测方法，包括以下步骤：
4、步骤一：获取脑卒患者周期内的动态行为数据，根据患者的动态行为数据得到脑卒患者周期内的动态行为值；
5、步骤二：对脑卒患者连续多个周期内的动态行为值进行数据处理，对脑卒患者的复发风险进行识别；
6、其中，脑卒患者的复发风险包括一级风险监测信号、二级风险监测信号和三级风险监测信号；
7、步骤三：对不同级别的监测信号的进行不同色彩的预警显示。
8、作为本专利技术进一步的方案：步骤一中的动态行为数据包括脑卒患者的饮食数据和运动数据。
9、作为本专利技术进一步的方案：将脑卒患者的饮食数据标记为yi；
10、将脑卒患者的运动数据标记为di；
11、通过公式获取得到脑卒患者周期内的动态行为值dy；其中，b1与b2均为预设比例系数，ni为被监测脑卒患者的实际年龄，ny为脑卒中复发人数最多的年龄,hi为脑卒患者病情严重度值；
12、其中，ny是通过对大量的脑卒中复发人群统计得到。
13、作为本专利技术进一步的方案：饮食数据包括脑卒患者在周期内的日食盐摄入比和日胆固醇含量比；
14、日食盐摄入比为周期内每天食盐摄入量的均值与日食盐摄入基准值的比值；
15、将周期内的食盐摄入量总量记为y1，日食盐摄入基准值为5g；
16、通过公式获取得到脑卒患者的日食盐摄入比y2,为预设修正系数，t为周期总天数；
17、日胆固醇含量比为周期内摄入高胆固醇的食物总质量与摄入低脂肪的食物总质量的比值，将日胆固醇含量比标记为y3；
18、将日食盐摄入比y2与日胆固醇含量比y3进行加权处理，将日食盐摄入比y2的权重占比分为，将日胆固醇含量比y3的权重占比分为，其中，n1和n2均大于0，且n2大于n1；
19、通过公式yi=y2*+y3*获取脑卒患者的饮食数据yi。
20、作为本专利技术进一步的方案：运动数据包括脑卒患者在周期内的运动总次数、运动频率和单次运动平均时长；
21、将脑卒患者在周期内的运动总次数标记为d1；
22、将脑卒患者在周期内的运动频率标记为d2；
23、将脑卒患者周期内的单次运动平均时长标记为d3；
24、通过公式获取得到脑卒患者的运动数据di，其中为特定比例系数，且。
25、作为本专利技术进一步的方案：脑卒患者病情严重度值的获取过程为：
26、构建一脑卒患者数据调用系统，数据调用系统内存储有脑卒患者所有的检查报告和诊治医生的诊断报告；
27、结合脑卒患者的检查报告和诊治医生的诊断报告，将脑卒患者的病变程度标记为hs；
28、调取数据调用系统中被调用次数最多的检查报告，将该检查报告的调取次数标记为ds；
29、根据数据调用系统接收到的检查报告总次数，将接收检查报告总次数标记为ts；
30、通过公式计算得到脑卒患者病情严重度值hi，其中，为预设的比例系数，取2.2653。
31、作为本专利技术进一步的方案：步骤二中，获取任意周期内脑卒患者的动态行为值；预设脑卒患者周期内的动态行为阈值为dy；
32、若动态行为值＜动态行为阈值dy时，则表示脑卒患者的动态状态差，生成一级风险监测信号；
33、若动态行为值≥动态行为阈值dy时，则表示脑卒患者的动态状态正常。
34、作为本专利技术进一步的方案：在脑卒患者的动态状态正常情况下；
35、以该动态行为值所处的周期为中心，获取脑卒患者连续多个月的动态行为值，将脑卒患者连续多个月动态行为值的方差记为dyi，预设脑卒患者连续多个月动态行为值的方差阈值为dyi；
36、若脑卒患者连续多个月动态行为值的方差dyi≥脑卒患者连续多个月动态行为值的方差阈值dyi时，则说明该脑卒患者在连续多个月内的动态数据状态波动大，在连续多个月内脑卒患者的状态不稳定，生成二级风险监测信号。
37、作为本专利技术进一步的方案：若脑卒患者连续多个月动态行为值的方差dyi＜脑卒患者连续多个月动态行为值的方差阈值dyi时，则说明该脑卒患者在连续多个月内的动态数据状态波动小，对脑卒患者在连续多个月内的动态行为值进行二次识别；
38、即通过对脑卒患者在连续多个月内的动态行为值线性关系进行识别，若脑卒患者在连续多个月内的动态行为值为连续减小，则说明脑卒患者连续多个月动态数据异常，生成三级风险监测信号。
39、一种脑卒中复发风险的监测模型及，包括数据获取模块、动态分析模块、预警显示模块和服务器；
40、所述数据获取模块用于获取脑卒患者周期内的动态行为数据，根据患者的动态行为数据得到脑卒患者周期内的动态行为值，数据获取模块将得到的动态行为值传送至服务器；
41、所述动态分析模块接收服务器传送的脑卒患者周期内的动态行为值，对脑卒患者连续多个周期内的动态行为值进行数据处理，对脑卒患者的复发风险进行识别；
42、所述预警显示模块根据接收到监测信号进行预警显示。
43、本专利技术的有益效果：
44、（1）本专利技术通过对脑卒患者周期内的动态行为数据进行获取，即通过在周期内对患者的饮食数据、运动数据和脑卒患者病情严重度值进行处理，对脑卒患者周期内的状态进行识别，即脑卒患者病情严重度值越小，则脑卒患者周期内的动态行为值越小，则表示脑卒患者周期内的动态数据越差，脑卒患者周期内的状况越差，若脑卒患者的饮食数据越小运动数据越大，则脑卒患者周期内的动态行为值越大，则表示脑卒患者周期内的动态数据越好，脑卒患者周期内的状况越好，从而从多个维度对脑卒患者的状态进行周期识别，数本文档来自技高网...
【技术保护点】
1.一种脑卒中复发风险的监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种脑卒中复发风险的监测方法,其特征在于，步骤一中的动态行为数据包括脑卒患者的饮食数据和运动数据。
3.根据权利要求2所述的一种脑卒中复发风险的监测方法,其特征在于，将脑卒患者的饮食数据标记为Yi；
4.根据权利要求3所述的一种脑卒中复发风险的监测方法,其特征在于，饮食数据包括脑卒患者在周期内的日食盐摄入比和日胆固醇含量比；
5.根据权利要求3所述的一种脑卒中复发风险的监测方法,其特征在于，运动数据包括脑卒患者在周期内的运动总次数、运动频率和单次运动平均时长；
6.根据权利要求3所述的一种脑卒中复发风险的监测方法,其特征在于，脑卒患者病情严重度值的获取过程为：
7.根据权利要求1所述的一种脑卒中复发风险的监测方法,其特征在于，步骤二中，获取任意周期内脑卒患者的动态行为值；预设脑卒患者周期内的动态行为阈值为dy；
8.根据权利要求7所述的一种脑卒中复发风险的监测方法,其特征在于，在脑卒患者的动态状态正常情况下；p>
9.根据权利要求7所述的一种脑卒中复发风险的监测方法,其特征在于，若脑卒患者连续多个月动态行为值的方差DYI＜脑卒患者连续多个月动态行为值的方差阈值dyi时，则说明该脑卒患者在连续多个月内的动态数据状态波动小，对脑卒患者在连续多个月内的动态行为值进行二次识别；
10.一种如权利要求1-9任一项所述的方法的脑卒中复发风险的监测模型,其特征在于，包括数据获取模块、动态分析模块、预警显示模块和服务器；
...【技术特征摘要】
1.一种脑卒中复发风险的监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种脑卒中复发风险的监测方法,其特征在于，步骤一中的动态行为数据包括脑卒患者的饮食数据和运动数据。
3.根据权利要求2所述的一种脑卒中复发风险的监测方法,其特征在于，将脑卒患者的饮食数据标记为yi；
4.根据权利要求3所述的一种脑卒中复发风险的监测方法,其特征在于，饮食数据包括脑卒患者在周期内的日食盐摄入比和日胆固醇含量比；
5.根据权利要求3所述的一种脑卒中复发风险的监测方法,其特征在于，运动数据包括脑卒患者在周期内的运动总次数、运动频率和单次运动平均时长；
6.根据权利要求3所述的一种脑卒中复发风险的监测方法,其特征在于，脑卒患者病情严重度值的获取过程...
【专利技术属性】
技术研发人员：林蓓蕾，靳雨佳，李凤垒，刘腊梅，张慧，张伟宏，王鹏，袁长伟，张振香，
申请(专利权)人：郑州大学，
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。