Covid 19 患者居家隔离期间基于传感器的生命体征监测 (HSC19)

严重急性呼吸系统综合症 (SARS) SARS-Cov-2 病 (COVID-19) 是由冠状病毒引起的传染病。 这场首次在中国武汉描述的大流行病已经蔓延到全世界，给许多国家的医疗保健造成了巨大压力。 该病毒主要通过感染者咳嗽或打喷嚏时的唾液飞沫或鼻腔分泌物传播。1 感染该病毒的患者大多报告轻度至中度呼吸道症状，如呼吸急促和咳嗽，以及发热症状。 大多数人无需特殊治疗即可康复。 然而，老年人和有基础疾病（心血管疾病、糖尿病、慢性呼吸系统疾病和癌症）的人更容易患上严重疾病。1 据报道，较年轻的患者也患有严重疾病。 在目前的情况下，最重要的是在不将所有感染患者转移到急诊室或医院的情况下，通过识别重病患者来保持卫生服务能力。 此外，重要的是要尽早识别重病患者，并在他们达到恶化点之前识别他们，在恶化点，他们在院前和医院环境中处理起来都极具挑战性。

病毒检测呈阳性的受试者人数正在增加，住院患者的人数也在增加。 2 与此同时，大多数测试结果呈阳性或出现典型临床症状的患者都在家中，并知道如果他们的临床症状状况恶化该怎么办。 2 挪威互动改革于2012.3实施 改革的关键内容是指导未来的医疗保健并确定新的方向。 预防和早期努力很重要，这将通过为我们卫生系统的不同部分创建合作场所来实现。 必须将更多的卫生服务转移到离居民居住地更近的地方，同时加强社区卫生系统。 必须开发监测患者健康状况的新工具，以便尽早采取行动，避免健康状况严重恶化并避免新的住院治疗。 在 Covid 19 大流行期间，这一目标变得更加重要，因为医疗保健系统还没有准备好或没有建立起来来照顾医院中的所有这些患者。

在当地社区建立了可穿戴和无线生物传感器，实时收集连续生理数据 (CPD)，以生成反映患者当前状态的信息。 这被认为是福利技术，是一组异构技术的通用术语。 4 很少有研究记录它们的功效、有效性和效率。 可穿戴生物传感器发展的一个关键驱动力是使用 CPD 从预测分析中生成实时的、临床上可操作的见解的潜力，包括临床恶化的早期警告和行为改变的提示。 可以从大量 CPD 中检测细微模式的机器学习方法的出现可能使这成为可能。

使用 CPD 指导临床决策可能是慢性病患者的重大进步，目前我们的卫生系统处于极度紧张状态。 这可能会推动从偶发性患者护理到持续性患者护理的演变。

本研究旨在对因轻度和中度 SARS-Cov-2 病在家接受治疗和观察的患者的生物传感器数据进行采样。 这样的系统对于个体患者的治疗以及评估给予这些患者的护理的有效性和安全性都是有用的。 调查人员打算通过持续监测和一套后续规则来提高家庭护理的质量和安全性。

研究人员假设患者和当地卫生系统可能会从一个简单的监测系统的反馈中受益，该系统可以检测呼吸、温度和循环变量的变化，并结合患者的主观护理体验。 患者可能会提前住院。 在本研究中，研究人员将使用实时连续和非连续生物传感器数据来监测 Covid 19 患者与未进行电子监测（护理标准）的患者相比的重要参数的发展。