Seulonta ja varhainen varoitus kroonisesta obstruktiivisesta keuhkosairaudesta yhdistettynä unen hengityselinsairauksiin lääketieteellisen esineiden internetin perusteella

Tämä tutkimus on monen keskuksen yhteistutkimus, joka koostuu pääosin kahdesta osasta. Ensin otettiin käyttöön poikkileikkaushavainnointitutkimus potilaiden, joilla oli stabiili keuhkoahtaumatauti, värväämiseksi useisiin keskuksiin. Keuhkoahtaumataudin diagnostiset kriteerit noudattavat Kiinassa diagnostisia ohjeita, ja potilaat valittiin 40-80-vuotiaiden joukosta. Huomaa, että poistimme potilaat, jotka eivät voi käyttää IoT:n mobiilisovelluksia ja jotka eivät voi suorittaa unenseuranta- ja seurantakäyntejä. Kaikki potilaat keräävät unenseurantatietoja puettavien laitteiden avulla sekä demografisia ominaisuuksia, keuhkojen toimintakokeita, verirutiineja, biokemiaa, EKG, rintakehän röntgenkuvaa, COPD-arviointiasteikkoa, muunnettua British Medical Research Associationin hengenahdistusindeksiä, St. Georgen elämänlaatukyselyä, unta. Apnea Clinical Score, Berliinin kyselylomake, Epworth Sleepiness Scale jne. Tässä tutkimuksessa arvioidaan potilaan terveydentila kerättyjen tietojen perusteella, diagnosoidaan sitten uniapnea ja lasketaan uniapnean esiintyvyys. Erityisesti rakennamme standardeja unenvalvontatietojen analysoinnista ja muodostamme OSA-seulontamallin käyttämällä koneoppimisalgoritmeja. Toiseksi perustamme unenhengityssairauden kanssa yhdistetyn COPD-kohortin, johon valitsemme unenhengityssairauden diagnostiset kriteerit täyttävät COPD-potilaat. Kaikki potilaat käyttävät puettavia laitteita ja IoT-teknologiaa tiedon keräämiseen ja tiedonhallintaan. Rakennamme myös ennakkovaroitusalustan, joka mahdollistaa keuhkoahtaumatautisuunnitelman joustavan mukauttamisen yksilöllisten ja yhteisöllisten erojen mukaan. Tämä tutkimus vaatii seurantakäynnin kerran kuukaudessa. Tarkkailemalla sairaalahoitojen määrää, akuuttien pahenemisvaiheiden ilmaantuvuutta ja muita keuhkoahtaumatautipotilaiden toissijaisia ​​havainnointiindikaattoreita, varhaisvaroitusalusta voi analysoida COPD:n akuutteja pahenemisvaiheita yhdistettynä unen hengityselinsairauksiin. Kehitämme SAO-potilaiden sairaus- ja ennustemallia soveltamalla koneoppimisalgoritmeja edellisellä alustalla.