【摘要】：慢阻肺的病程被劃分為急性加重期和穩(wěn)定期。大多數(shù)醫(yī)生和患者比較重視急性加重期的病情控制,而忽略了穩(wěn)定期的康復(fù)治療和管理,從而導(dǎo)致急性加重的次數(shù)增加,病情惡化。目前,國內(nèi)外對于慢阻肺家庭護(hù)理系統(tǒng)的研究仍然處于起步階段,大多數(shù)的研究主要停留在監(jiān)測患者的生理指標(biāo)階段,而忽略對患者整個(gè)家庭護(hù)理過程的管理。為此,本文提出了慢阻肺綜合護(hù)理路徑和急性加重預(yù)警模型,旨在為不同病情的慢阻肺患者提供個(gè)性化的家庭護(hù)理計(jì)劃和急性加重預(yù)警,并在此基礎(chǔ)上設(shè)計(jì)了慢阻肺家庭護(hù)理系統(tǒng)。本文的主要工作包括以下幾個(gè)方面:1.提出以患者為中心的家庭綜合護(hù)理路徑。綜合護(hù)理路徑是一種以促進(jìn)患者自我管理為目的,以患者為中心的家庭護(hù)理方法。該方法將患者產(chǎn)生的數(shù)據(jù)與患者嚴(yán)重等級的自動評估關(guān)聯(lián)起來,然后將評估報(bào)告發(fā)送給臨床醫(yī)生對患者的嚴(yán)重等級進(jìn)行確認(rèn),并基于綜合評估結(jié)果為患者提供個(gè)性化的家庭護(hù)理計(jì)劃。最后,通過具體的案例,完成對個(gè)性化護(hù)理計(jì)劃生成算法的有效性驗(yàn)證;2.提出評估慢阻肺患者嚴(yán)重等級的綜合評估模型。本文通過加權(quán)投票的方式將線性核支持向量機(jī)和隨機(jī)森林分類器集成起來構(gòu)造集成分類器,從而實(shí)現(xiàn)對患者的嚴(yán)重等級進(jìn)行綜合評估。通過實(shí)驗(yàn),慢阻肺綜合評估模型已經(jīng)在812條被醫(yī)生標(biāo)注的患者數(shù)據(jù)集上進(jìn)行了驗(yàn)證,并獲得了令人比較滿意的結(jié)果;3.提出慢阻肺患者個(gè)體化急性加重預(yù)警模型。急性加重預(yù)警模型通過檢測與慢阻肺病情加重的相關(guān)事件的發(fā)生,觸發(fā)警告和報(bào)警,以便能夠及時(shí)對患者病情惡化進(jìn)行干預(yù)。本文利用著色Petri網(wǎng)來反映患者狀態(tài)隨時(shí)間推移的動態(tài)變化,并給出了觸發(fā)警告和報(bào)警約束條件的個(gè)體化自由參數(shù)估計(jì)算法。利用20組患者的數(shù)據(jù),驗(yàn)證了個(gè)體化急性加重預(yù)警模型的有效性;4.基于綜合護(hù)理路徑和急性加重預(yù)警模型,設(shè)計(jì)了慢阻肺家庭護(hù)理系統(tǒng)的體系結(jié)構(gòu)、軟件架構(gòu)、服務(wù)流程及數(shù)據(jù)模型,并給出了慢阻肺家庭護(hù)理系統(tǒng)原型。
【圖文】：

第 2 章 相關(guān)技術(shù)基礎(chǔ)2.1 個(gè)人健康技術(shù)個(gè)人健康技術(shù)使用個(gè)人移動設(shè)備和后端服務(wù)器進(jìn)行健康和行為相關(guān)的數(shù)據(jù)采樣，處理，可視化和反饋。個(gè)人健康技術(shù)是一類與人們健康問題相關(guān)的普適計(jì)算系統(tǒng)的統(tǒng)稱。通用的個(gè)人健康技術(shù)體系結(jié)構(gòu)是由兩個(gè)主要的節(jié)點(diǎn)組成，即帶有傳感器的移動設(shè)備和基礎(chǔ)設(shè)施，如圖 2.1 所示[40]。帶有傳感器的移動設(shè)備通常是具有嵌入式傳感器的智能電話或者與身體穿戴或環(huán)境傳感器通信的智能手機(jī)�；A(chǔ)設(shè)施通常是一個(gè)可擴(kuò)展的基于云的服務(wù)。個(gè)人健康技術(shù)體系結(jié)構(gòu)包含三種成分：圓角矩形組件為特定操作系統(tǒng)和傳感器系統(tǒng)設(shè)備；三維矩形組件為移動數(shù)據(jù)管理和同步通用組件；而矩形組件為專為特定的個(gè)人衛(wèi)生技術(shù)應(yīng)用的核心組件。

碩士學(xué)位論文9圖 2.2 總體分類過程示意圖2.2.1 支持向量機(jī)支持向量機(jī)（SVM）的起源可以追溯到 20 世紀(jì) 90 年代。SVM 是基于統(tǒng)計(jì)學(xué)理論的一種機(jī)器學(xué)習(xí)算法。支持向量機(jī)模型的分類原則是結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則。SVM 與其它分類算法相比，在樣本數(shù)據(jù)量較少的情況下，仍然能得到較滿意的結(jié)果。支持向量機(jī)對新樣本有很好的適應(yīng)能力，，使其能夠在最常用、效果最好的分類器中占有一席之地。追根究底，這是由支持向量機(jī)的分類原則決定的。另外，SVM 通過引入核映射方法，能有效地解決高維難題和非線性問題。圖 2.3 反映了 SVM 在線性可分的情況下的核心思想[41]。粗直線表示用來分隔右上方的小圓圈和左下方的小方塊的最大超平面。最優(yōu)分類面即是使得兩個(gè)點(diǎn)集到該平面的最小距離最大的平面。利用最優(yōu)分類面把不同類別的樣本數(shù)據(jù)分隔開來。圖 2.3SVM 最大超平面假設(shè)分類面方程為：f ( x) x b（2.1）
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R473.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 涂景梅;;護(hù)理干預(yù)對慢阻肺再入院率和肺功能的影響[J];國際護(hù)理學(xué)雜志;2016年12期

2 馬豪;陳荃;秦盼盼;王巖;單政;;國內(nèi)外遠(yuǎn)程醫(yī)療技術(shù)發(fā)展?fàn)顩r及相關(guān)問題分析[J];醫(yī)學(xué)信息學(xué)雜志;2014年12期

3 鞠慶梅;;家庭遠(yuǎn)程醫(yī)療與家庭訪視的研究現(xiàn)狀[J];護(hù)理研究;2014年34期

4 ;慢性阻塞性肺疾病診治指南(2013年修訂版)(一)[J];全科醫(yī)學(xué)臨床與教育;2013年05期

5 葉長廣;;慢阻肺治療最新進(jìn)展[J];北方藥學(xué);2012年05期

相關(guān)博士學(xué)位論文 前1條

1 程麗麗;支持向量機(jī)集成學(xué)習(xí)算法研究[D];哈爾濱工程大學(xué);2009年

相關(guān)碩士學(xué)位論文 前4條

1 胡立新;基于ARM的醫(yī)療終端的研究與設(shè)計(jì)[D];蘭州交通大學(xué);2015年

2 卞晨;基于ZigBee技術(shù)的無線社區(qū)遠(yuǎn)程醫(yī)療監(jiān)護(hù)系統(tǒng)研究[D];合肥工業(yè)大學(xué);2014年

3 戴仲巖;反射式脈搏血氧動態(tài)監(jiān)測系統(tǒng)的設(shè)計(jì)及關(guān)鍵技術(shù)研究[D];中南大學(xué);2012年

4 董偉;變鄰域搜索算法研究及在組合優(yōu)化中的應(yīng)用[D];遼寧工程技術(shù)大學(xué);2011年

本文編號：2638236