[发明专利]一种不典型危重患者的动态识别方法

说明书

本发明涉及一种不典型危重患者的动态识别方法通过计算待测病人的第一动态体征序列集与历史病人的第二动态体征数据序列集之间的近似度距离，得到前K个近似度距离最小的第二动态体征数据序列集，以形成候选集，再通过待测病人第一动态体征序列集与候选集的各个第二动态体征序列集之间的近似度距离计算待测病人的风险评分，最后再通过比较该风险评分与设定阈值的大小，以判断该待测病人是否为危重患者。由于第一动态体征序列集与待测病人的至少两种体征一一对应，其为待测病人体征数据在时间域的动态数据序列，相较于原有的通过静态数据人工判断待测病人是否为危重患者的方法更为精确，效率也更高。

技术领域

本发明涉及一种识别，尤其涉及一种不典型危重患者的动态识别方法。

背景技术

针对急诊就诊量增加与有限的医疗资源分配存在的矛盾，目前可通过采用急诊分诊系统，根据患者病情轻重缓急安排诊疗优先次序，进而合理分配医疗资源。分诊系统具有时效性特点，其分诊误差会造成不同程度的急诊拥堵和诊疗延迟问题，相应造成医疗资源浪费或病人死亡率增加的问题。

中国目前使用的是卫计委2011年发布的《急症病人病情分级指导原则》中确定的中国4级分诊系统，分诊为1-2级的濒危和危重患者直接分诊进入抢救室或监护生命体征，而分诊为3-4级的急症和非急症患者则需要等待诊室接诊。目前的分诊系统在多数情况下都是准确有效的，但依然会有部分潜在的危重患者被电子分诊系统分诊为3-4级，但在很短的时间内被送进抢救室的。对于这类患者来说候诊的过程可能会是危险的。而这种分诊系统的误差在各类分诊系统中是普遍存在的，通过合理手段识别潜在的危重患者，有助于改善急诊场景下诊疗延迟问题。如果能在患者候诊期间对患者进行动态评估，能及时发现不典型危重患者的病情变化，较入室时单次评估更加有利于对不典型危重患者的识别，国际同行也有采用急诊室关键体征间断测量的方式，间隔若干小时采集数据再重新评级，但该方式仍然是静态评估，没有充分挖掘患者动态发展数据。

综上，现有的分诊系统主要存在以下两个问题：

1、现有的急诊分级往往是根据患者入院就诊时的数据进行一次分级，用于分级的数据一般是患者就诊时的生命体征和重要主诉，为静态评估方式，只能反映患者就诊时的疾病状态，无法发现患者候诊时的病情变化，同时也未考虑其他与危重症发生相关的因素。

2、对于初始分级为紧急和不紧急的患者，在其候诊期间，医生可采用间断测量的方式采集患者不同时刻的关键体征，而后进行重新评级。但由于规则系统下的分级系统只能对患者的当前状态进行评估，仍然属于静态评估方式。

发明内容

为解决上述技术问题，本发明的目的是提供一种充分利用患者在候诊期间的动态体征数据，提出的基于多元时序数据挖掘的不典型危重患者的动态识别方法。

本发明的不典型危重患者的动态识别方法，包括以下步骤：

S1：获取待测病人的第一动态体征数据序列集，第一动态体征数据序列集包括与待测病人至少两种体征一一对应的多个第一动态体征数据序列；

S2：获取与N个历史病人对应的N个第二动态体征数据序列集，每个第二动态体征数据序列集包括相应历史病人与所述体征一一对应的多个第二动态体征数据序列；

S3：分别计算步骤S1中第一动态体征数据序列集与步骤S2中N个第二动态体征数据序列集中每个第二动态体征数据序列集之间的近似度距离D；

S4：获取步骤S3中前K个使得近似度距离最小的第二动态体征数据序列集，并由所述K个使得近似度距离最小的第二动态体征数据序列集形成候选集，其中K小于N；

S5：通过以下公式获取待测病人的风险评分：

其中，D_i为第一动态体征数据序列集与候选集中第i个第二动态体征数据序列集之间的近似度距离；