技術領域

本發明涉及一種嚴重度排序方法及其系統，且尤其涉及一種病癥嚴重度排序方法及其系統。

背景技術

我們處于一個日新月異且發展迅速的信息時代，在許多領域里，計算機已經以不同的形式被使用來協助判斷某個狀況或事件的發生，這些判斷的基礎大多是根據相關領域里先前或已知的狀況或事件，尤其是當使用于涉及到許多生理參數的醫療領域時。

因應高齡化社會的來臨，醫療監控產業逐漸成形，這個市場主要的成長動能來自于可以不受時間地點的限制以提供高質量的醫療與健康服務，其中之一的監控功能為利用監控儀器監控病患的生理狀態，由監控儀器取得生理參數后，利用預先建立好的規則庫，當生理參數值達到規則庫中設定的警示值時即觸發警示，以便在病患發病時能夠做第一時間的處理。

然而，其缺點為：無法呈現聚合多個生理參數值背后所呈現的病癥，因此需由醫護人員自行根據相關專業經驗進行判斷，具備豐富專業經驗的醫護人員可立即進行判斷，但初級或經驗較少的醫護人員可能無法做出實時且適當的反應來幫助病患，而受限于反應時間及人員的調度上。另外，當生理參數改變時，無法判定病癥趨勢及嚴重度變化。而且，當多個病癥同時出現時，無法建議醫護人員處理的優先級。

因此，需要一個病癥嚴重度排序方法來改善上述問題。

發明內容

本發明所要解決的技術問題在于提供一種病癥嚴重度排序方法及系統以及記錄媒體，此方法利用生理參數及病癥歷史數據庫以判定聚合多個生理參數所呈現的病癥，評估病癥的嚴重度及發展趨勢，當數個病癥同時出現時，判定建議處理順序。

為實現上述目的，提出一種病癥嚴重度排序方法。依照本發明一較佳實施例，此病癥嚴重度排序方法提供訓練階段及執行階段。訓練階段包括下列步驟：從病癥歷史數據庫取得病癥歷史數據，以及利用病癥歷史數據建立最適數學模型。執行階段包括下列步驟：進行生理參數正規化作業以得到正規化的生理參數，將正規化的生理參數代入最適數學模型以計算出病癥能量值，以及根據病癥能量值及病癥的被選取機率值計算出病癥優先值。

病癥歷史數據庫搜集來自于醫護人員對各種病癥的診療紀錄、相關案例、相關信息及各醫療領域專家的意見。在訓練階段時，利用病癥歷史數據建立最適數學模型的步驟包括：選擇訓練模式，利用訓練模式產生及調整病癥的數學模型，當病癥的數學模型符合預期結果時，進行信度分析，當信度分析高于設定值時，建立病癥的最適數學模型。當病癥的數學模型不符合預期結果時，重新選擇一種新的訓練模式。當信度分析低于設定值時，重新選擇一新的訓練模式。訓練模式可以是統計方法、數學方法、人工智能方法或其它具訓練能力的技術。本發明中的訓練模式是使用統計方法中的回歸分析方法來分析生理參數與病癥嚴重度間的關系。

在執行階段時，生理參數正規化作業是根據生理事件強度演進曲線進行值域轉換及正規化，將生理參數轉換成同一比較標準，生理事件強度演進曲線是根據以事件強度演進為基礎的事件檢測方法或其它具描繪事件強度演進的方法所建立。

取得病癥歷史數據的步驟以及利用病癥歷史數據建立最適數學模型的步驟可用病癥模型分析模塊實現。其中當醫護人員對最適數學模型有結果回饋時，病癥模型分析模塊進行自我調適機制，此自我調適機制是根據結果回饋以適當地調整最適數學模型。進行生理參數正規化作業以得到正規化的生理參數可用生理參數正規化模塊實現。將正規化的生理參數代入最適數學模型以計算出病癥的能量值可用病癥嚴重度評估模塊實現。根據病癥能量值及病癥的被選取機率值計算優先值可用病癥優先序評估模塊實現。

而且，為實現上述目的，本發明提供一種病癥嚴重度排序系統，其特征在于，包含：一病癥模型分析模塊，利用一訓練模式及從一病癥歷史數據庫取得的一病癥的歷史數據以建立該病癥的一最適數學模型；一生理參數正規化模塊，將多個生理參數進行一生理參數正規化作業以得到多個正規化的生理參數；

一病癥嚴重度評估模塊，將該些正規化的生理參數代入該病癥的該最適數學模型以計算出該病癥的一能量值，并分析該病癥的發展趨勢；以及一病癥優先序評估模塊，根據該病癥的該能量值及該病癥的一被選取機率值以計算出該病癥的一優先值，當多個病癥同時出現時，以該病癥的該優先值判定一建議處理順序。