Скрининг и раннее предупреждение хронической обструктивной болезни легких в сочетании с респираторными заболеваниями во сне на основе медицинского Интернета вещей

Это исследование представляет собой многоцентровое совместное исследование, которое в основном состоит из двух частей. Во-первых, было принято перекрестное обсервационное исследование для набора пациентов со стабильной ХОБЛ в нескольких центрах. Диагностические критерии ХОБЛ соответствуют диагностическим рекомендациям Китая, и пациенты были отобраны в возрасте 40-80 лет. Обратите внимание, что мы исключили пациентов, которые не могут использовать мобильные приложения IoT и не могут выполнять мониторинг сна и последующие визиты. Все пациенты собирают информацию о мониторинге сна с помощью носимых устройств, а также демографические характеристики, тесты функции легких, анализ крови, биохимию, электрокардиограмму, рентгенограмму грудной клетки, шкалу оценки ХОБЛ, модифицированный индекс одышки Британской ассоциации медицинских исследований, опросник качества жизни Св. Георгия, сон. Клиническая оценка апноэ, Берлинский опросник, шкала сонливости Эпворта и т. д. Это исследование оценивает состояние здоровья пациента на основе собранной информации, затем диагностирует апноэ во сне и рассчитывает распространенность апноэ во сне. В частности, мы разрабатываем стандарты на основе анализа информации мониторинга сна и формируем модель скрининга СОАС, применяя алгоритмы машинного обучения. Во-вторых, мы создаем когорту ХОБЛ, объединенную с болезнью дыхания во сне, где мы отбираем пациентов с ХОБЛ, отвечающих диагностическим критериям болезни дыхания во сне. Все пациенты используют носимые устройства и технологии IoT для сбора информации и управления данными. Мы также создаем платформу раннего предупреждения, которая позволяет гибко корректировать план ХОБЛ в соответствии с индивидуальными различиями и различиями сообщества. Это исследование требует повторного визита один раз в месяц. Наблюдая за количеством госпитализаций, частотой обострений и другими вторичными показателями наблюдения за пациентами с ХОБЛ, платформа раннего предупреждения может анализировать обострения ХОБЛ в сочетании с респираторными заболеваниями во сне. Мы разрабатываем модель заболевания и прогноза для пациентов с ХОБЛ с САО, применяя алгоритмы машинного обучения на предыдущей платформе.