【技术实现步骤摘要】
本专利技术涉及智能监测，尤其涉及一种药物成瘾风险监测的方法及系统。
技术介绍
1、药物成瘾是一种严重的医疗问题，它涉及到对药物的过度依赖和强迫性使用。药物成瘾可能导致一系列的身体健康问题，如肝肾功能损害、心脏疾病、免疫系统削弱，甚至导致死亡。药物成瘾也可能会导致严重的心理问题，如焦虑、抑郁、暴力倾向和幻觉等。
2、目前，在药物成瘾风险监测技术方面，最常见的方法是通过血液检测来检测药物的存在。然而，这种方法需要采集血液样本，并且在一些情况下，药物在血液中的浓度可能较低，难以检测。此外，一些药物在体内的代谢和排泄速度较快，因此需要频繁地采集样本进行检测，这给药物服用者带来了一定的不便。
3、因此，本专利技术提供一种合理有效的、数据采集方便的、准确度高的药物成瘾风险监测方法及系统。
技术实现思路
1、(一)要解决的技术问题
2、鉴于现有技术的上述缺点、不足，本专利技术提供一种药物成瘾风险监测的方法及系统，其解决了药物成瘾风险监测采样不方便，且在特殊情况下难以检测出来的技术问题。
3、(二)技术方案
4、为了达到上述目的，本专利技术采用的主要技术方案包括：
5、第一方面，本专利技术实施例提供一种药物成瘾风险监测的方法。
6、本专利技术实施例提出的一种药物成瘾风险监测的方法，包括：
7、s10、使用可穿戴设备连续收集药物服用者的指定生理信号数据，并传输至云端服务器；
8、可穿戴设备包括
9、s20、云端服务器根据收集到的生理信号数据，计算得出药物服用者的药物成瘾风险等级；
10、s30、云端服务器将所述药物成瘾风险等级和预设安全等级进行比较，确定药物服用者的药物成瘾风险是否超过安全范围，得到安全判断结果，生成评估结果；
11、所述评估结果包括：药物服用者的各项生理指标数据、药物成瘾风险等级和安全判断结果；
12、s40、若评估结果中的药物成瘾风险等级超过预设风险等级，云端服务器则向医疗机构发出预警，若评估结果中的安全判断结果为指定判断结果，云端服务器则向医疗机构发出治疗指示。
13、可选地，所述方法还包括：
14、s50、根据药物服用者的各项生理指标数据和药物成瘾风险等级，云端服务器向药物服用者提供针对性的干预措施和建议。
15、可选地，所述s10包括：
16、s11、可穿戴设备接收来自医护人员的确认信息，根据确认信息对药物服用者的指定生理信号数据进行收集；
17、所述确认信息包括：医护人员根据药物成瘾风险特点确定的需要监测的生理信号和对应的收集频率；
18、s12、将收集到的生理信号数据实时传输至云端服务器。
19、可选地，所述s20包括：
20、s21、对收集到的原始生理信号数据进行筛选和分类；
21、s22、根据分类后的生理信号数据，计算得出药物服用者的药物成瘾风险系数；
22、s23、根据药物服用者的药物成瘾风险系数和预设药物成瘾风险等级对照表，得出药物服用者的药物成瘾风险等级。
23、可选地，所述s21包括：
24、s211、根据预设的正常生理信号数值范围，将收集到的原始生理信号数据中的异常生理信号数据和无关数据进行剔除，得到有效的生理信号数据；
25、其中，异常生理信号数据为明显偏离正常生理信号数值范围的信号数据，无关数据为与药物成瘾风险不直接相关的数据；
26、s212、将有效生理信号数据按照不同的类别进行分类，得到分类后的生理信号数据，再根据药物服用者的服药时间将分类后的生理信号数据进行时段分割，得到时段分割后的生理信号数据；
27、其中，分类后的生理信号数据包括：心率数据、血压数据和脑电波数据，时段分割后的生理信号数据包括：第一指定时间段内的第一心率数据、第二血压数据和第一脑电数据，第二指定时间段内的第二心率数据、第二血压数据和第二脑电数据；
28、所述第一指定时间段为服药m小时内，第二指定时间段为服药指定时间间隔后的m小时内。
29、可选地，所述s22包括：
30、根据时段分割后的生理信号数据，采用药物成瘾风险系数计算表达式，计算得出药物服用者的药物成瘾风险系数；
31、所述药物成瘾风险系数计算表达式为：
32、
33、其中，p为药物成瘾风险系数，rr1i和rr2i分别为第一指定时间段内和第二指定时间段内的第i个相邻心跳间期，rr1(i+1)和rr2(i+1)分别为第一指定时间段内和第二指定时间段内的第i+1个相邻心跳间期，q为m小时内相邻心跳间期的总数，h为预设心率系数，x1j和x2j分别为第一指定时间段内和第二指定时间段内的第j次测量的血压值，x_mean1和x_mean2分别为第一指定时间段内和第二指定时间段内的所有血压值的平均数，n为m小时内血压测量次数，b为预设血压系数，y1v和y2v分别为第一指定时间段内和第二指定时间段内的第v次测量的脑电信号值，y_mean1和y_mean2分别为第一指定时间段内和第二指定时间段内的所有脑电信号值的平均数，d为m小时内脑电信号值的总数，r为预设脑电系数。
34、可选地，所述药物成瘾风险等级包括10个等级，所述安全判断结果包括未成瘾和已成瘾。
35、可选地，所述s40包括：
36、s41、若评估结果中的药物成瘾风险等级超过预设风险等级，根据不同的药物成瘾风险等级，采取不同的颜色或提示信息向医疗机构进行显示预警；
37、s42、若评估结果中的安全判断结果为已成瘾，云端服务器则向医疗机构发出警报提醒、警示灯闪烁提醒和治疗指示；
38、所述警报提醒和警示灯闪烁提醒持续进行，直至接收到医护人员的确认收到信息。
39、第二方面，本专利技术实施例提供一种药物成瘾风险监测的系统。
40、本专利技术实施例提出的一种药物成瘾风险监测的系统，包括：
41、生理信号数据收集模块，用于连续收集药物服用者的指定生理信号数据，并传输至云端服务器；
42、药物成瘾风险等级计算模块，用于根据收集到的生理信号数据，计算得出药物服用者的药物成瘾风险等级；
43、评估结果获得模块，用于将所述药物成瘾风险等级和预设安全等级进行比较，确定药物服用者的药物成瘾风险是否超过安全范围，得到安全判断结果，生成评估结果；
44、所述评估结果包括：药物服用者的各项生理指标数据、药物成瘾风险等级和安全判断结果；
45、警示发布模块，用于若评估结果中的药物成瘾风险等级超过预设风险等级，云端服务器则向医疗机构发出预警，若评估结果中的安全判断结果为指定判断结果，云端服务器则向医疗机构发出治疗指示。
46、可选地，所述系统还包本文档来自技高网...
【技术保护点】
1.一种药物成瘾风险监测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述S10包括：
4.根据权利要求1所述的方法，其特征在于，所述S20包括：
5.根据权利要求4所述的方法，其特征在于，所述S21包括：
6.根据权利要求5所述的方法，其特征在于，所述S22包括：
7.根据权利要求1所述的方法，其特征在于，所述药物成瘾风险等级包括10个等级，所述安全判断结果包括未成瘾和已成瘾。
8.根据权利要求7所述的方法，其特征在于，所述S40包括：
9.一种药物成瘾风险监测的系统，其特征在于，包括：
10.根据权利要求9所述的系统，其特征在于，所述系统还包括：
【技术特征摘要】
1.一种药物成瘾风险监测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述s10包括：
4.根据权利要求1所述的方法，其特征在于，所述s20包括：
5.根据权利要求4所述的方法，其特征在于，所述s21包括：
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：齐中祥，
申请(专利权)人：沃民高新科技北京股份有限公司，
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。