【技术实现步骤摘要】
本专利技术涉及医疗设备警报，具体地说，涉及基于seips模型的icu医疗设备警报管理系统。
技术介绍
1、seips模型并不是一个具体的单元模块，而是一种用于理解工作系统中人类行为的方法论框架，seips模型强调的是在设计和优化工作系统时，需要综合考虑人、工具和技术、组织架构、工作环境以及任务等多个维度，在设计基于seips模型的icu医疗设备警报管理系统时，seips模型并不是直接集成到上述单元模块中，而是作为设计和评估这些模块的原则和指南；
2、icu中的医疗设备通常会产生大量的警报信号，这些警报有时过于频繁或者不够精准，导致医护人员产生警报疲劳，对警报的敏感性和信任度降低，忽视甚至关闭一些非紧急警报，这种情况可能导致真正需要紧急处理的警报被忽略，从而影响患者的安全；由于患者个体差异较大，特别是术后恢复期间的患者，他们的生理参数可能会在正常范围内波动，传统的固定阈值警报系统可能无法适应这种波动，从而产生误报或者漏报的现象；在繁忙的icu环境中，医护人员面临着不同的声音、视觉信号的干扰，以及物理环境中存在空间布局限制，如何有效地将警报信息传递给合适的医护人员是一个挑战，因此，设计基于seips模型的icu医疗设备警报管理系统。
技术实现思路
1、本专利技术的目的在于提供基于seips模型的icu医疗设备警报管理系统，以解决上述
技术介绍
中提出的警报疲劳、警报误报与漏报以及警报信息传递不畅的问题。
2、为实现上述目的，本专利技术目的在于提供了基于seips模型
3、警报生成单元，所述警报生成单元监测患者的生理参数，并基于分布阈值算法生成警报信号，考虑不同患者的生理参数以及术后恢复期不同，对分布阈值算法进行优化；
4、警报处理单元，所述警报处理单元接收到来自不同设备的警报信号后，并对警报信号进行分类和过滤；
5、警报通信单元，所述警报通信单元接收经过筛选后的警报信号，并将警报信息通过无线传输方式传达给医护人员。
6、作为本技术方案的进一步改进，警报生成单元监测的生理参数包括心率、血压和血氧饱和度。
7、作为本技术方案的进一步改进，所述警报生成单元基于分布阈值算法生成警报信号，包括以下步骤：
8、s1.1、对生理参数进行预处理；
9、s1.2、利用分布阈值算法来发现正常生理参数的分布模式，并根据此分布模式设定阈值，考虑不同患者的生理参数以及术后恢复期不同，对分布阈值算法进行优化，由于术后恢复期的不同患者存在生理差异及其生理状态随时间变化，因此，对分布阈值算法进一步优化；
10、s1.3、将实时监测的生理参数与预设的阈值进行比较，当监测到的生理参数超出预设阈值时，立即生成警报信号。
11、作为本技术方案的进一步改进，所述s1.2中，分布阈值算法为：
12、；
13、考虑不同患者的生理参数以及术后恢复期不同，对分布阈值算法进行优化为：
14、；
15、由于术后恢复期的不同患者存在生理差异及其生理状态随时间变化，因此，对分布阈值算法进一步优化为：
16、；
17、其中，表示阈值设定点；表示针对不同患者的生理参数以及术后恢复期不同优化后阈值的设定点；表示在术后恢复期内，针对不同患者存在的生理差异及其生理状态随时间变化进一步优化后的阈值设定点；表示生理参数；表示正常生理参数的中心值；表示生理参数的时间戳；表示衰减系数，用于决定术后恢复期生理参数随时间衰减的速度；表示调整患者生理差异影响的参数；表示患者生理差异；表示基于时间的权重函数，用于调整随时间变化的权重；表示趋势因子；表示数据集中包含的生理参数测量值的总数；表示数据集中包含的生理参数测量值的索引变量。
18、作为本技术方案的进一步改进，警报处理单元对警报信号进行分类和过滤，包括以下步骤：
19、s2.1、接收警报信号，并将警报信号集合作为数据集，从警报信号中提取关键特征；
20、s2.2、使用警报分类模型对警报信号进行分类，根据警报的关键特征将警报信号归入不同的类别；
21、s2.3、使用关系评估模型来评估多个警报之间的关系，并确定优先级，使用重复搜索算法发现不同警报之间的关联性，排除因同一原因产生的冗余警报；
22、s2.4、将分类和过滤后的警报信号进行汇总，发送给警报通信单元。
23、作为本技术方案的进一步改进，所述s2.2中，使用警报分类模型对警报信号进行分类，根据警报的关键特征将警报信号归入不同的类别，包括以下步骤：
24、s2.21、对于每个关键特征，使用警报指数作为特征选择标准，考虑常见警报和罕见警报特征对警报指数的影响，再考虑由于心率、血氧饱和度和血压随时间变化的动态性对警报指数的紧急程度产生影响，对警报指数进行优化；
25、s2.22、选择具有最低警报指数的特征作为当前节点的最佳分裂特征；
26、s2.23、根据选定的分裂特征的不同取值，将数据集分成若干子集；
27、s2.24、继续分裂子集中的数据，直到达到预定的停止条件，通过警报异常算法识别异常警报；
28、s2.25、使用已经构建好的警报分类模型对警报信号进行分类，输入警报的关键特征，分类树沿着从根节点到某个叶子节点的路径进行判断，最终到达的叶子节点决定了警报信号的类别。
29、作为本技术方案的进一步改进，所述s2.21中，警报指数为：
30、；
31、考虑常见警报和罕见警报对警报指数的影响，其中，常见警报包括心率异常、血氧饱和度低和血压异常警报，罕见警报包括急性心肌梗死、急性脑血管事件和严重的呼吸衰竭警报；
32、则警报指数为：
33、；
34、由于心率、血氧饱和度和血压随时间变化的动态性对警报指数的紧急程度产生影响，对警报指数进行优化为：
35、；
36、其中，表示数据集；表示警报指数；表示考虑常见警报和罕见警报的特征后的警报指数；考虑常见警报和罕见警报特征随时间变化的动态性后的警报指数；表示数据集里的类别总数；表示类别索引；表示数据集中报警记录的总数；表示报警记录的索引；表示当前时间；表示第个警报记录的发生时间；表示控制报警记录权重随时间衰减速度的衰减系数；表示第类的特征参数，用于调整常见警报和罕见警报的权重；表示第个警报记录属于的警报类别；表示自然对数的底数；表示指示函数。
37、作为本技术方案的进一步改进，所述s2.3中，使用关系评估模型来评估多个警报之间的关系，并确定优先级，包括以下步骤：
38、s2.31、接收经过分类和过滤后的警报信号，并对警报信号数据进行预处理；
39、s2.32、确定警报信号的关键属性，并建立警报信号关系矩阵；
40、s2.33、收集历史警报信号数据，使用历史警报信号数本文档来自技高网...
【技术保护点】
1.基于SEIPS模型的ICU医疗设备警报管理系统，其特征在于，包括：
2.根据权利要求1所述的基于SEIPS模型的ICU医疗设备警报管理系统，其特征在于：警报生成单元（1）监测的生理参数包括心率、血压和血氧饱和度。
3.根据权利要求2所述的基于SEIPS模型的ICU医疗设备警报管理系统，其特征在于：所述警报生成单元（1）基于分布阈值算法生成警报信号，包括以下步骤：
4.根据权利要求3所述的基于SEIPS模型的ICU医疗设备警报管理系统，其特征在于：所述S1.2中，分布阈值算法为：
5.根据权利要求4所述的基于SEIPS模型的ICU医疗设备警报管理系统，其特征在于：警报处理单元（2）对警报信号进行分类和过滤，包括以下步骤：
6.根据权利要求5所述的基于SEIPS模型的ICU医疗设备警报管理系统，其特征在于：所述S2.2中，使用警报分类模型对警报信号进行分类，根据警报的关键特征将警报信号归入不同的类别，包括以下步骤：
7.根据权利要求6所述的基于SEIPS模型的ICU医疗设备警报管理系统，其特征在于：所述S2.
8.根据权利要求7所述的基于SEIPS模型的ICU医疗设备警报管理系统，其特征在于：所述S2.3中，使用关系评估模型来评估多个警报之间的关系，并确定优先级，包括以下步骤：
9.根据权利要求8所述的基于SEIPS模型的ICU医疗设备警报管理系统，其特征在于：所述S2.3中，使用重复搜索算法发现不同警报之间的关联性，包括以下步骤：
10.根据权利要求9所述的基于SEIPS模型的ICU医疗设备警报管理系统，其特征在于：所述警报通信单元（3）将警报信息通过无线传输方式传达给相关的医护人员，包括以下步骤：
...【技术特征摘要】
1.基于seips模型的icu医疗设备警报管理系统，其特征在于，包括：
2.根据权利要求1所述的基于seips模型的icu医疗设备警报管理系统，其特征在于：警报生成单元（1）监测的生理参数包括心率、血压和血氧饱和度。
3.根据权利要求2所述的基于seips模型的icu医疗设备警报管理系统，其特征在于：所述警报生成单元（1）基于分布阈值算法生成警报信号，包括以下步骤：
4.根据权利要求3所述的基于seips模型的icu医疗设备警报管理系统，其特征在于：所述s1.2中，分布阈值算法为：
5.根据权利要求4所述的基于seips模型的icu医疗设备警报管理系统，其特征在于：警报处理单元（2）对警报信号进行分类和过滤，包括以下步骤：
6.根据权利要求5所述的基于seips模型的icu医疗设备警报管理系统，其特征在于：...
【专利技术属性】
技术研发人员：徐小群，罗铎麟，杨春清，高萍，项俊之，
申请(专利权)人：温州医科大学附属第一医院，
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。