关于呼吸应急和医疗急救系统的研究.docxVIP

关于呼吸应急和医疗急救系统的研究 摘要：通过大数据信息采集分析建立起一种组织严密、行动迅速，并能实施有效救治的医疗系统。该系统达到预测可提出有效的医疗预防效果并在发生重大医疗事故时实行最优化资源配置。 关键词：医疗急救、大数据 一?项目研究背景 （一）我国医疗急救现状 我国卫生部门高度关注紧急医学救援体系,救援系统逐步完善,形成了灾区个人互助急救、国家统筹紧急医学救援及跨国互助紧急救援体系等。国内急救主要模式是指挥型，即把应急平台作为整个应急体系的中枢，形成高度智能化的指挥系统。市急救中心作为指挥平台，在受理120呼叫后，指挥患者附近的医院或直属急救站点，派出救护车和救护人员开展现场救治，再送往相关医院。 医疗急救体系现存问题：院前急救方面，等待救护车的时间较长，医疗急救人员的紧缺，都是目前比较棘手的问题。院内急救方面，医院急诊室的利用情况也不容乐观，三级医院急诊室收治大量非急诊患者，急诊资源难以得到合理利用；二级医院的急诊资源利用率也同样较低。社会急救方面，公民们尤其是一些特殊岗位人群并不具备足够的急救知识，相应的简易急救器材配置也不够。 （二）项目研究意义 对于人们的健康数据进行专业化的处理和再利用，可以对监测身体状况、预防有关疾病和分析卫生健康趋势产生重大且积极的影响。 我们利用终端汇集众多医疗机构和城市交通状况的实时信息，当有突发情况发生时，个人佩戴的外部设备向终端发送其心率等身体状况和位置信息，终端就通过算法计算判断出援救伤员的最佳医院和路线，及时准确地进行医疗救援，以减少人员伤亡。这样也可以有效缓解紧急救援产业人才缺乏等问题。 种群、地区、性别、年龄等都是影响健康标准设置的重要因素，利用大数据资源深入研究和分析不同因素的影响状况，总结出相关规律，对卫生保健、疾病预防和治疗也有着重大的指导意义。 （三）项目已有基础 （1）大数据信息采集基础：全球健康大数据正以每年48%的速度增长，在2020年数据量将超过2300Exabytes。大量健康医疗数据的积累为算法搭建提供了基础。 （2）健康大数据的整理方式，目前有EHR(电子健康档案)EMR(电子病历)两种。 （3）我国医疗的大数据体系逐渐完善，人工智能深度学习也在逐步加强，在图像识别、语音识别两方面已达到很高层面，这些信息完全足够系统分析判别突发事件场景进而做出决策。 （4）现已有基于贝叶斯的网络应急资源实时调度方法的改进研究。采用有向无环图表述每个网络应用,将信誉因子引入到资源实时调度中,对网络资源使用情况进行实时评估,刺激节点在任务结束后释放占用资源,给出资源调度策略,并对调度决策进行后期修正,利用修正的结果进行网络应急资源实时调度。 （5）5G网络是一种新型的网络方式，其普及率仍较低，仍需进一步进行研究及发展。5G网络在实际应用过程中表现出更加强化的功能，并且理论上其传输速度每秒能够达到数十GB，因此 5G技术将在我们的救援系统中得以应用，帮助终端更快地做出最优判断，进一步维护伤者安全。 二?项目研究目标及主要内容 （一）项目研究目标 通过大数据信息采集分析建立起一种组织结构严密，行动迅速，并能实施有效救治的医疗系统，该系统一方面可以利用我国医疗系统的大数据分析功能，对系统使用者个人健康状况进行预测并提出有效预防措施。另一方面可以应对城市中由于重大交通事故、地震、火灾等突发事件所造成的群体伤亡或个人伤害，提供快速、合理、及时的灾害处理方法，实行最优化医疗资源分配，最大可能地减少人员伤亡。 （二）项目研究内容 首先，该项目的研究展开要采集大量关于医疗卫生方面的信息，为此需要进行社区问卷走访调查，并通过合理手段收集医院及急救中心的相关信息。与此同时，查阅资料并归纳现阶段社会拥有的科技能力，了解市场中智能手环等智能终端的应用原理及发展前景； 其次，完成数据汇总后，聘请相关技术人员，以及指导老师的帮助，采取三种分析法分析数据。一是样本微观分析，在汇总的医疗信息中抽取部分样本进行分析其数据；二是定性定量分析，以因果关系为基础，采取数学和统计学模型定向描述或拟合样本的特征、规律和联系，用函数关系近似描述相关关系，同时反复检验以控制误差；三是趋势外推分析，通过大数据分析、定性定量分析和总体分析，对比归纳演绎进行趋势外推，扩大到整个城区进行总体预测评估； 再次，运用算法并利用GIS、GPS系统进行辅助。GPS的定位功能，可将被急救方位置发送至急救方；再利用GIS对地理信息进行高效获取、更新、操作、分析及显示； 最后，利用移动互联技术，根据现代科技来研发智能设备，使该系统能够达到监控个人健康状况的目的。将健康数据发送至终端并结合历史数据分析预测个人健康救援需求，系统可通过救援调度算法，制定最优方案高效救助伤员。 三、项目中期研究 为进一步了解我组项目，我们在通过调查问卷、实地调研的