Screening und Frühwarnung vor chronisch obstruktiver Lungenerkrankung in Kombination mit Schlaf-Atemwegserkrankungen basierend auf dem medizinischen Internet der Dinge

Bei dieser Studie handelt es sich um eine multizentrische Verbundstudie, die im Wesentlichen aus zwei Teilen besteht. Zunächst wurde eine Querschnittsbeobachtungsstudie angenommen, um Patienten mit stabiler COPD in mehreren Zentren zu rekrutieren. Die diagnostischen Kriterien der COPD folgen den diagnostischen Richtlinien in China, und die Patienten wurden unter 40-80-jährigen ausgewählt. Beachten Sie, dass wir Patienten ausgeschlossen haben, die die mobilen Anwendungen von IoT nicht nutzen und die Schlafüberwachung und Nachsorgeuntersuchungen nicht abschließen können. Alle Patienten sammeln Schlafüberwachungsinformationen über tragbare Geräte, zusammen mit demografischen Merkmalen, Lungenfunktionstests, Blutroutinen, Biochemie, Elektrokardiogramm, Röntgenaufnahme des Brustkorbs, COPD-Bewertungsskala, modifiziertem Dyspnoe-Index der British Medical Research Association, St. George's Quality of Life Questionnaire, Schlaf Klinischer Apnoe-Score, Berliner Fragebogen, Epworth-Schläfrigkeitsskala usw. Diese Studie schätzt den Gesundheitszustand des Patienten anhand der gesammelten Informationen, diagnostiziert dann Schlafapnoe und berechnet die Schlafapnoe-Prävalenz. Insbesondere bauen wir Standards aus der Analyse von Schlafüberwachungsinformationen auf und bilden ein OSA-Screening-Modell durch Anwendung von Algorithmen für maschinelles Lernen. Zweitens richten wir eine COPD-Kohorte zusammen mit Schlafatmungskrankheiten ein, in der wir COPD-Patienten auswählen, die die diagnostischen Kriterien für Schlafatmungskrankheiten erfüllen. Alle Patienten verwenden tragbare Geräte und IoT-Technologie zur Informationserfassung und Datenverwaltung. Wir bauen auch die Frühwarnplattform, die eine flexible Anpassung des COPD-Plans an individuelle Unterschiede und Unterschiede in der Gemeinschaft ermöglicht. Diese Studie erfordert einen Folgebesuch einmal im Monat. Durch die Beobachtung der Anzahl der Krankenhauseinweisungen, der Inzidenz akuter Exazerbationen und anderer sekundärer Beobachtungsindikatoren von COPD-Patienten kann die Frühwarnplattform die akuten Exazerbationen von COPD in Kombination mit Atemwegserkrankungen im Schlaf analysieren. Wir entwickeln das Krankheits- und Prognosemodell für COPD-Patienten mit SAO, indem wir maschinelle Lernalgorithmen auf der vorherigen Plattform anwenden.