技术领域
[0001] 本
发明属于公共卫生数据管理系统领域，尤其涉及一种物联网急救服务平台及预警方法。
背景技术
[0002] 随着现代高新技术的迅速发展和人们健康生活意识的转变，对个人医疗保健服务的需求逐渐增加。信息通信技术和医疗
生物技术的飞速发展，不仅提高了个人的医疗保健服务
水平，而且使人类进入了长寿的时代。为了提供个人医疗服务，雾和
云计算为无处不在的健康信息传递提供了有效的解决方案，健康
大数据分析模型可以提供每日的个人健康状况分析报告。
[0003] 然而，伤害死亡和突发性
疾病导致的死亡往往给家庭带来巨大的痛苦。目前还没有有效的抢救方法来挽救宝贵的生命，也没有预测疾病发病可能性的方法。
[0004] 据统计，导致死亡的十大主要原因是心
血管疾病、癌症、脑血管疾病、伤害性死亡、
呼吸系统疾病、糖尿病、神经精神疾病、
呼吸道感染、消化系统疾病和泌尿生殖疾病。从年龄组来看，死因的顺序是不同的。儿童(1～14岁)组死亡原因前三位为伤害、癌症和先天性畸形，占74.28％；青年(15～44岁)组死亡原因前三位为组死亡原因前三位为伤害、癌症和心血管疾病，占75.97％；中老年(45岁以上)组死亡原因前三位为心血管疾病、癌症和脑血管疾病。占88.07％。根据死亡原因统计分析结果，癌症占29％，心血管疾病占20％，伤害占19％，脑血管疾病占11％，先天性畸形占9％。其中，癌症和先天性异常大多属于遗传性疾病。本
专利提出的紧急情况监测和疾病预测服务模型主要针对伤害、脑血管经和心虚管疾病紧急情况监测和疾病发病可能性进行分析并提供结果报告书。
[0005] 中国专利
申请201811454499.8本发明公开了一种基于物联网的医疗大数据分析处理系统及其方法，属于
数据处理技术领域。所述大数据分析处理系统主要由包括云服务平台、用户端、医院
数据库和医护平台终端构成，本发明医疗大数据分析处理方法包括数据获取与传输、数据预处理、构建
预测模型和测试与优化预测模型的主要步骤来得到用以表示所预测对象的患病概率或所预测对象患有某种疾病概率的预测模型，通过通信模
块实现数据信息的物联网传输，并且所述预测模型基于
卷积神经网络构建得到，输入的相关联性多、影响范围广的数据源，并且数据有进行了预处理步骤，大大提高了预测结果的准确参考价值。
[0006] 其存在的不足是，初期接受
信号未经过优化和分级，会导致应对不及时，会危害病患健康。
发明内容
[0007] 针对
现有技术存在的问题，本发明提供了一种反应及时、误差小、准确率高的物联网急救服务平台，以及预警方法。
[0008] 本发明是这样实现的，一种物联网急救服务平台，其特征在于：一种物联网急救服务平台，其特征在于：包括网络连接的
传感器层、雾计算模块、核心网、云计算模块和移动边缘计算模块，其中，
[0009] 雾计算模块，包括接收单元、系统管理单元和输出单元，接收单元接收来自传感器层的数据信息，系统管理单元进行分析，判断数据信息是否紧迫，将紧迫数据信息通过输出单元发送移动边缘计算模块，将非紧迫数据上传核心网；
[0010] 云计算模块，包括个人健康记录管理系统、大数据分析平台，健康管理文件系统、紧急情况分析服务单元和疾病预测服务单元，个人健康记录管理系统接受并且分析来自移动边缘计算模块的数据，经过分析后反馈给移动边缘计算模块的医疗机构；
[0011] 移动边缘计算模块，包括家庭用户、医疗机构和或健康管理中心。
[0012] 所述的网络连接为有线网络、蜂窝无线网、移动通讯网和卫星通讯网的一种或组合。
[0013] 所述的传感器层包括
血压计、运动量测量仪、
血糖仪、
脑电图仪、
心电图仪、
氧饱和度仪、体成分测量仪和体重身高测量仪。
[0014] 所述的传感器层还包括
光电传感器和人机对话装置，所述的人机对话装置包括按钮、手持移动通讯设备和佩戴式
电子设备。
[0015] 所述的雾计算模块的系统管理单元包括个人健康记录系统和紧急情况监控服务管理系统，个人健康记录系统连接云计算模块的个人健康记录管理系统，紧急情况监控服务管理系统连接云计算模块的紧急情况分析服务单元。
[0016] 所述的疾病预测服务单元连接健康管理中心的抢救服务中心。
[0017] 一种根据上述服务平台的基于物联网急救服务平台的预警方法，其特征在于，[0018] 步骤1，用人工输入、传感器自动读取健康信息、电子病历扫描或者
机器学习方式输入数据信息，建立大数据库，大数据库至少包括安全数据、应急
阈值数据以及疾病影响因素标准值；
[0019] 步骤2，雾计算模块的系统管理单元对输入数据进行分析，判断数据信息是否紧迫，将紧迫数据信息通过输出单元采用低延迟方式发送移动边缘计算模块，将非紧迫数据上传核心网；
[0020] 步骤3，移动边缘计算模块将紧迫数据信息分发至医疗机构、健康管理中心、医务人员、患者家庭成员及患者；
[0021] 步骤4，患者周边的传感器层包括血压计、运动量测量仪、血糖仪、脑电图仪、心电图仪、氧饱和度仪、体成分测量仪和体重身高测量仪，采集数据上传雾计算模块，进行下一循环。
[0022] 所述的非紧迫数据上传核心网后，经过与安全数据和应急阈值数据的比对，建立基于时间序列的APC模型，通过每个队列的系数实现疾病预测。
[0023] 所述的基于时间序列的APC模型的疾病发生可能性分析公式是
[0024]
[0025] 其中，E(rijk)是某特征全【即某年龄组(i)、某时期(j)以及某出生队列(k)人群】疾病发生可能性期望值；θijk表示在j时期观察到的i年龄组的疾病发生可能性期望值，Nijk表示在对应年龄组、时期和出生队列的人口数；μ是回归模型的截距，αi是第i个年龄队列的影响，βj是第j个时期期的影响，γk是第k个出生队列的影响，εijk为随机误差。
[0026] 本发明的优点及积极效果为：
[0027] 本专利是基于传感器捕捉个人日常健康信息，并基于雾计算和移动应用监测紧急情况，以及基于云计算和大数据分析的疾病预测。通过对试验结果的比较，证明了所提出的基于雾云计算的应急监测和基于大数据分析的疾病预测模型，不仅比传统的应急处理方法获得了更多的救援时间，而且能够准确的预测疾病的发病可能性。
附图说明
[0029] 图2是本发明的系统构架图示意图；
[0030] 图3是本发明的服务模块构成图；
具体实施方式
[0031] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合
实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0032] 下面结合附图对本发明的应用原理作详细的描述。
[0033] 实施例1：
[0034] 如图1-3所示，一种物联网急救服务平台，其特征在于：一种物联网急救服务平台，包括网络连接的传感器层、雾计算模块、核心网、云计算模块和移动边缘计算模块，其中，[0035] 雾计算模块，包括接收单元、系统管理单元和输出单元，接收单元接收来自传感器层的数据信息，系统管理单元进行分析，判断数据信息是否紧迫，将紧迫数据信息通过输出单元发送移动边缘计算模块，将非紧迫数据上传核心网；
[0036] 云计算模块，包括个人健康记录管理系统、大数据分析平台，健康管理文件系统、紧急情况分析服务单元和疾病预测服务单元，个人健康记录管理系统接受并且分析来自移动边缘计算模块的数据，经过分析后反馈给移动边缘计算模块的医疗机构；
[0037] 移动边缘计算模块，包括家庭用户、医疗机构和或健康管理中心。
[0038] 所述的网络连接为有线网络、蜂窝无线网、移动通讯网和卫星通讯网的一种或组合。
[0039] 所述的传感器层包括血压计、运动量测量仪、血糖仪、脑电图仪、心电图仪、氧饱和度仪、体成分测量仪和体重身高测量仪。
[0040] 所述的传感器层还包括光电传感器和人机对话装置，所述的人机对话装置包括按钮、手持移动通讯设备和佩戴式电子设备。
[0041] 所述的雾计算模块的系统管理单元包括个人健康记录系统和紧急情况监控服务管理系统，个人健康记录系统连接云计算模块的个人健康记录管理系统，紧急情况监控服务管理系统连接云计算模块的紧急情况分析服务单元。
[0042] 所述的疾病预测服务单元连接健康管理中心的抢救服务中心。
[0043] 本系统服务平台，可以实现基于个人健康记录的健康管理服务和基于电子健康记录的健康管理服务。基于个人健康记录的健康管理服务包括喜好数据分析、谱图数据分析、案例诊断分析、疾病预测和紧急情况监控，提供方式可以依据智能传感器和移动设备的网页服务和移动服务。基于电子健康记录的健康管理服务包括生活习惯网上专家咨询、医学影像管理咨询、家庭健康管理咨询、疾病诊断中的疾病分析及
治疗和紧急情况的监控及抢救，提供方式可以依据医疗机构的网页服务和面对面服务。
[0044] 实施例2：
[0045] 一种根据上述服务平台的基于物联网急救服务平台的预警方法，包括：
[0046] 步骤1，用人工输入、传感器自动读取健康信息、电子病历扫描或者机器学习方式输入数据信息，建立大数据库，大数据库至少包括安全数据、应急阈值数据以及疾病影响因素标准值；
[0047] 步骤2，雾计算模块的系统管理单元对输入数据进行分析，判断数据信息是否紧迫，将紧迫数据信息通过输出单元采用低延迟方式发送移动边缘计算模块，将非紧迫数据上传核心网；
[0048] 步骤3，移动边缘计算模块将紧迫数据信息分发至医疗机构、健康管理中心、医务人员、患者家庭成员及患者；
[0049] 步骤4，患者周边的传感器层包括血压计、运动量测量仪、血糖仪、脑电图仪、心电图仪、氧饱和度仪、体成分测量仪和体重身高测量仪，采集数据上传雾计算模块，进行下一循环。
[0050] 所述的非紧迫数据上传核心网后，经过与安全数据和应急阈值数据的比对，建立基于时间序列的APC模型，通过每个队列的系数实现疾病预测。
[0051] 所述的基于时间序列的APC模型的疾病发生可能性分析公式是
[0052]
[0053] 其中，E(rijk)是某特征全【即某年龄组(i)、某时期(j)以及某出生队列(k)人群】疾病发生可能性期望值；θijk表示在j时期观察到的i年龄组的疾病发生可能性期望值，Nijk表示在对应年龄组、时期和出生队列的人口数；μ是回归模型的截距，αi是第i个年龄队列的影响，βj是第j个时期期的影响，γk是第k个出生队列的影响，εijk为随机误差。
[0054] 实施例3：
[0055] 下面以实际案例对比分析：
[0056] 移动距离为5公里时，突发心血管疾病病人救护过程中，传统急救和提出的急救方式所耗时间的比较
[0057] (1)发现紧急情况:
[0058] 传统的紧急救护模式中，被他人发现并联系急救中心。在被动的发现过程一般大于等于1分钟左右。未知紧急情况现状。如，伤害性紧急情况、疾病导致的紧急情况等。
[0059] 发明的紧急救护模式中，移动通信设备自带的心脉测试传感器以及
软件判断该突发事件并把相关数据传送到雾层(链接传感器或移动通信设备等边缘接收数据的仪器)服务，因雾层作为网关服务，网络延迟很少。可以在30秒内接收突发事件信息并分析并传送给急救服务中心。
[0060] 此过程中仪器接收的数据主要是收缩压和舒张压，并根据性别和年龄段的标准值为危险状况的判断依据。收缩压大于等于年龄段参考值加10的值和舒张压小于等于年龄段参考值减10的值时作为紧急情况并向平台发送预警，发送相关数据。
[0061]
[0062]
[0063] 表1.中国人各年龄段正常血压参考值
[0064] (2)求救过程:
[0065] 传统的紧急救护模式中，首先拨打邻近医院120急救服务并求救，然后联系家人。此过程中联系急救服务需要联系医院并提供
位置信息，所以至少需要大于等于1分钟的时间。患者处于昏迷等情况下联系家人比较迟缓，也可能无法联系。未能联系家人的情况下，很难直接运送到邻近医院进行抢救。
[0066] 发明的紧急救护模式中，收到异常情况后，服务平台立刻自动联系到邻近多家医院120急救服务并及时让医院派送救护车。根据患者在平台注册的会员信息以及紧急情况联系人的相关信息即刻联系家人。求救过程都是自动化智能处理，所以所需时间小于等于30秒。
[0067] 为了节省患者移动到医院所需时间，平台服务可及时链接“滴滴打车”服务平台并通过特殊情况认证后得到护送服务。此过程大概需要1分钟左右，并能得到有抢救经验特殊救护车辆的服务。
[0068] (3)移动过程:
[0069] 传统的紧急救护模式中，医院收到120服务求救后，从医院派送车辆并护送患者到医院需要往返的路程移动时间。一般情况下，大概需要大于等于30分钟。
[0070] 发明的紧急救护模式中，医院得到求救信息后即刻派送救护车，并根据患者身体状况配备医护人员。患者及时得到特殊救护车辆服务并与120救护车辆实时保持联系并共享地理位置来减少移动时间并及时把患者护送到遇见120救护车辆。这样可以缩
短路程，接近单向护送，所以移动过程所需时间接近一半，一半小于等于18分钟。
[0071] (4)抢救过程:
[0072] 传统的紧急救护模式中，救护人员遇见患者后判断患者的状况并汇报给医院才能做响应地抢救准备。抢救进行前所需时间最少需要3分钟。
[0073] 发明的紧急救护模式中，医护人员可根据患者在抢救服务平台的健康信息以及云平台储存的个人健康信息提前做好抢救准备，可以提前准备好各种
治疗方案。抢救准备过程不耽误任何时间。
[0074] 经过实验验证：
[0075] 1.紧急情况服务实验结果
[0076]
[0077] 表2. 5公里内紧急情况应对实验结果比较
[0078] 2、基于APC模型的疾病预测结果
[0079]
[0080]
[0081] 表3.基于APC模型的疾病预测结果
[0082] (***p<0.0001；**p<0.001；*p<0.05；标准偏差：系数方差的平方根。系数的计算基于最大似然估计中的观测信息矩阵。)
[0083] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何
修改、等同替换和改进等，均应包含在本发明的保护范围之内。
