一种高热患者的重症监护护理方法及系统与流程

本发明涉及疾病监护相关技术领域，尤其涉及一种高热患者的重症监护护理方法及系统。

背景技术：

发热是机体在致热原的作用下，使产热与散热不能保持动态平衡，产热大于散热，而引起病理性体温升高，也是肌体对疾病因子的一种防御反应。临床最常见与人体有关的致热原有类胆固醇、病原体致热原及组织致热原。这些致热原先激活中性粒细胞与单核细胞，使其释放白细胞致热原，直接作用于体温调节中枢，使热敏神经元的阀值升高，调定点上移，产热中枢兴奋，故产热增加，散热减少，体温因而升高。

在医学中，体温超过39℃时，即可视为高热，在临床上十分常见，长时间持续高热会对神经中枢产生一定的损害，所以在重症监护病房做好高热患者的护理工作是十分重要的，现有技术中常见的监护手段是通过监测生命体征，在体温出现异常时，对高热病人进行护理。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中一般在高热症状出现时采取护理措施，导致患者接受护理时具有一定的滞后性，存在患者无法得到及时护理的技术问题。

技术实现要素：

本申请实施例通过提供一种高热患者的重症监护护理方法及系统，解决了现有技术中一般在高热症状出现时采取护理措施，导致患者接受护理时具有一定的滞后性，存在患者无法得到及时护理的技术问题。通过对患者的病症分析，预测发热可能，并实时监测患者生命体征各项数据的变化趋势，再经过智能化模型预测判断可能出现的发热等级，进而制定相应的监护方案，达到了患者在高热症状出现时可立即得到有效护理的技术效果。

鉴于上述问题，本申请实施例提供了一种高热患者的重症监护护理方法及系统。

第一方面，本申请实施例提供了一种高热患者的重症监护护理方法，其中，所述方法包括：获得第一患者的疾病特征信息；获得所述第一患者的基础身体特征信息；根据所述第一患者的疾病特征信息和所述基础身体特征信息，确定所述第一患者的疾病是否会引起发热；如果所述第一患者的疾病会引起发热，从所述疾病特征信息中提取第一发热指标；获得所述第一患者的实时生命体征信息；将所述第一发热指标和所述实时生命体征信息输入发热几率等级评估模型，获得第一发热几率等级信息；根据所述第一发热几率等级信息，制定第一高热重症护理方案；根据所述第一高热重症护理方案，对所述第一患者进行监护。

另一方面，本申请实施例提供了一种高热患者的重症监护护理系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得第一患者的疾病特征信息；第二获得单元，所述第二获得单元用于获得所述第一患者的基础身体特征信息；第一确认单元，所述第一确认单元用于根据所述第一患者的疾病特征信息和所述基础身体特征信息，确定所述第一患者的疾病是否会引起发热；第一提取单元，所述第一提取单元用于如果所述第一患者的疾病会引起发热，从所述疾病特征信息中提取第一发热指标；第三获得单元，所述第三获得单元用于获得所述第一患者的实时生命体征信息；第四获得单元，所述第四获得单元用于将所述第一发热指标和所述实时生命体征信息输入发热几率等级评估模型，获得第一发热几率等级信息；第一制定单元，所述第一制定单元用于根据所述第一发热几率等级信息，制定第一高热重症护理方案；第一执行单元，所述第一执行单元用于根据所述第一高热重症护理方案，对所述第一患者进行监护。

第三方面，本申请实施例提供了一种高热患者的重症监护护理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了获得第一患者的疾病特征信息；获得所述第一患者的基础身体特征信息；根据所述第一患者的疾病特征信息和所述基础身体特征信息，确定所述第一患者的疾病是否会引起发热；如果所述第一患者的疾病会引起发热，从所述疾病特征信息中提取第一发热指标；获得所述第一患者的实时生命体征信息；将所述第一发热指标和所述实时生命体征信息输入发热几率等级评估模型，获得第一发热几率等级信息；根据所述第一发热几率等级信息，制定第一高热重症护理方案；根据所述第一高热重症护理方案，对所述第一患者进行监护的技术方案。通过对患者的病症分析，预测发热可能，并实时监测患者生命体征各项数据的变化趋势，再经过智能化模型预测判断可能出现的发热等级，进而制定相应的监护方案，达到了患者在高热症状出现时可立即得到有效护理的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种高热患者的重症监护护理方法的流程示意图；

图2为本申请实施例一种高热患者的重症监护护理系统的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第一确认单元13，第一提取单元14，第三获得单元15，第四获得单元16，第一制定单元17，第一执行单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本申请实施例通过提供一种高热患者的重症监护护理方法及系统，解决了现有技术中一般在高热症状出现时采取护理措施，导致患者接受护理时具有一定的滞后性，存在患者无法得到及时护理的技术问题。通过对患者的病症分析，预测发热可能，并实时监测患者生命体征各项数据的变化趋势，再经过智能化模型预测判断可能出现的发热等级，进而制定相应的监护方案，达到了患者在高热症状出现时可立即得到有效护理的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

发热是机体在致热原的作用下，使产热与散热不能保持动态平衡，产热大于散热，而引起病理性体温升高，也是肌体对疾病因子的一种防御反应。临床最常见与人体有关的致热原有类胆固醇、病原体致热原及组织致热原。这些致热原先激活中性粒细胞与单核细胞，使其释放白细胞致热原，直接作用于体温调节中枢，使热敏神经元的阀值升高，调定点上移，产热中枢兴奋，故产热增加，散热减少，体温因而升高。在医学中，体温超过39℃时，即可视为高热，在临床上十分常见，长时间持续高热会对神经中枢产生一定的损害，所以在重症监护病房做好高热患者的护理工作是十分重要的，现有技术中常见的监护手段是通过监测生命体征，在体温出现异常时，对高热病人进行护理。但现有技术中一般在高热症状出现时采取护理措施，导致患者接受护理时具有一定的滞后性，存在患者无法得到及时护理的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种高热患者的重症监护护理方法，其中，所述方法包括：获得第一患者的疾病特征信息；获得所述第一患者的基础身体特征信息；根据所述第一患者的疾病特征信息和所述基础身体特征信息，确定所述第一患者的疾病是否会引起发热；如果所述第一患者的疾病会引起发热，从所述疾病特征信息中提取第一发热指标；获得所述第一患者的实时生命体征信息；将所述第一发热指标和所述实时生命体征信息输入发热几率等级评估模型，获得第一发热几率等级信息；根据所述第一发热几率等级信息，制定第一高热重症护理方案；根据所述第一高热重症护理方案，对所述第一患者进行监护。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种高热患者的重症监护护理方法，其中，所述方法包括：

s100：获得第一患者的疾病特征信息；

具体而言，所述第一患者指的是可能需要进行高热重症监护的患病人员，所述疾病特征信息指的所述第一患者疾病的症状标志信息。举例如暑热症的特征信息为长期发热、口渴多饮、多尿、少汗或汗闭等；急性细菌性痢疾的特征信息为无中毒症状，体温正常或稍高，腹痛腹泻较轻，大便次数多10次以下/日，呈糊状或水样，含少量粘液，里急后重感不明显，可有恶心呕吐。根据所述疾病特征信息可以判断所述第一患者是否有发生高热症状的风险，便于进一步的信息反馈处理。

s200：获得所述第一患者的基础身体特征信息；

s300：根据所述第一患者的疾病特征信息和所述基础身体特征信息，确定所述第一患者的疾病是否会引起发热；

具体而言，所述第一患者的基础身体特征信息指的是所述第一患者的身体基本情况，例如性别，年龄，病史，新陈代谢，身高，体重等信息。根据所述基本身体特征信息，可以对所述第一患者的身体免疫能力和身体现状做初步评判，例如若是所述第一患者新陈代谢频率正常，尿液大便也无异常信息，则所述第一患者在此时发生高热的可能性就会很低；相反若是新陈代谢频率异常，比如排尿达到2次每小时、排便4次每日等，则所述第一患者发生高热的可能性就会增强。

进一步的，通过对所述第一患者的身体免疫能力和身体现状做初步评判，进而结合所述第一患者的疾病特征信息，综合评判所述第一患者的疾病引起发热的可能性，具体的评判方式举优选的一例，首先调用所述第一患者的疾病特征信息，若为暑热症、急性细菌性痢疾感染、流行性乙型脑炎等易引起发热的常见症状，则输出引起发热的可能性为≥90％；若所述第一患者的疾病特征信息为其他疾病症状，则需要结合所述第一患者的基础身体特征信息进行判断，例如若是新陈代谢紊乱，且所述第一患者为体质较弱，当前疾病症状明显，则输出引起发热的可能性为75％-90％；若是所述第一患者的疾病特征信息为其他疾病症状，且症状较轻，而所述第一患者的基础身体情况若是出现异常，则输出引起发热的可能性为50％-75％；若是所述第一患者的疾病特征信息和所述基础身体特征信息都未出现异常信息，则输出引起发热的可能性为≤50％。当引起发热的可能性为≥90％和75％-90％，则需要针对所述第一患者制定相应的护理方案，当引起发热可能性在50％-75％和≤50％，则需要对所述第一患者继续监测，直至康复。

通过结合所述第一患者的基础身体特征信息，加强了在所述第一患者疾病不是引起发热的常见疾病时的监测，保证了所述第一患者的安全性，对引起发热可能性量化，达到了使监测信息更加全面的，准确的技术效果。

s400：如果所述第一患者的疾病会引起发热，从所述疾病特征信息中提取第一发热指标；

s500：获得所述第一患者的实时生命体征信息；

具体而言，所述第一发热指标指的是基于所述第一患者的疾病特征信息提取得到的可以表征所述第一患者发热的指标信息，具体举例如感染性发热，则需要进行验血，主要指标有白细胞数目，c反应蛋白，降钙素原，内毒素等，表现的特征信息部分举例为白细胞数目升高为提示会发热，c反应蛋白升高幅度与感染严重程度正比，降钙素原逐渐降低，考虑手术等非感染因素，逐渐升高则可能为细菌感染等；举例如非感染性发热，则主要指标举例为热程时长、长期发热无中毒症状、无痛性多部位淋巴结肿大等信息。进一步的，所述第一患者的实时生命体征信息指的是实时监测得到的所述第一患者的生命体征信息，举例如体温、心率、脉搏、血压、呼吸、疼痛、血氧、瞳孔和角膜反射的改变等数据。通过调用所述第一发热的指标的检测数据和所述第一患者的生命体征信息的实时监测数据，可以对所述第一患者身体情况实时的全面掌控，便于在发热的第一时间及时护理，更为进一步的进程提供了信息基础。

s600：将所述第一发热指标和所述实时生命体征信息输入发热几率等级评估模型，获得第一发热几率等级信息；

具体而言，所述第一发热几率等级信息是根据所述第一发热指标和所述实时生命体征信息对所述第一患者的发热几率和等级的进一步智能化分析得到的结果，所述发热几率等级评估模型是以神经网络模型为基础建立，具有神经网络模型的特性，其中，人工神经网络是在现代神经科学的基础上提出和发展起来的，旨在反映人脑结构及功能的一种抽象数学模型，神经网络是一种运算模型，由大量的节点（或称神经元）之间相互连接构成，每个节点代表一种特定的输出函数称为激励函数，每两个节点之间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆，网络的输出则依照网络的连接方式，是对一种逻辑策略的表达，基于神经网络模型建立的所述发热几率等级评估模型能够输出准确的所述第一发热几率等级信息，从而具备了较强的分析计算能力，达到了准确而高效的技术效果。

s700：根据所述第一发热几率等级信息，制定第一高热重症护理方案；

s800：根据所述第一高热重症护理方案，对所述第一患者进行监护。

具体而言，所述第一高热重症护理方案指的是基于所述第一发热几率等级信息针对所述第一患者制定的个体化程度较高且有效的护理方案，具体实施举例为，所述第一发热几率等级信息分为低热是指体温37.3℃-38℃，中等热为38.1℃-39℃，高热为39.1℃-41℃，超高热是指体温≥41℃，针对不同的发热等级制定不同的护理方案，例如部分护理方案举例体温超过38.5℃，在物理降温及控制原发病以外，要给予化学降温，比如可以给予阿司匹林，布洛芬等，同时要建议患者注意休息，多饮水，清淡易消化的饮食，具体的护理方案需要基于所述第一发热几率等级信息并结合所述第一患者的实时身体状况进行制定。进一步的，基于所述第一高热重症护理方案，结合所述第一患者的实时身体状况对所述第一患者进行监护。由于所述第一发热几率等级信息是通过所述发热几率等级评估模型智能化评估得到，其基于神将网络模型训练得到的评估和预测数据准确性较高，进而对所述第一患者使用个体化程度较高的所述第一高热重症护理方案，避免了在发现发热状况时才进行护理的滞后性，达到了患者在高热症状出现时可立即得到有效护理的技术效果。

进一步的，所述方法还包括：

s900：如果所述第一患者的疾病不会引起发热，根据所述疾病特征信息确定第一预定温度阈值；

s1000：根据所述第一患者的实时生命体征信息，获得实时体温信息；

s1100：判断所述实时体温信息是否在所述第一预定温度阈值之内；

s1200：如果所述实时体温信息超出所述第一预定温度阈值，获得第一预警信息，所述第一预警信息用于提醒所述第一患者体温升高。

具体而言，所述第一患者的疾病不会引起发热指的是综合所述第一患者的疾病特征信息和所述基础身体特征信息，所述第一患者不会发热的疾病，举例的发热的可能性输出为50％-75％和≤50％时，则所述第一患者的疾病不会引起发热，所述第一预定温度阈值信息指的基于所述疾病特征信息得到的会影响所述第一患者身体正常状况的温度值；对于不会引起发热的所述第一患者，需要进行实时的监控，所述实时体温信息指的是所述第一患者的实时体温监测数据，将所述实时体温信息与所述第一预定温度阈值比较，若是所述实时体温信息高于所述第一预定温度阈值，则判断为所述实时体温信息是在所述第一预定温度阈值之内，进而获得获得所述第一预警信息，所述第一预警信息用于提醒所述第一患者体温升高，若是达到相应的所述发热几率等级，则使用相对应的护理方案，保证了所述第一患者的安全性。

更进一步的，基于所述获得第一预警信息，所述方法还包括：

s1300：获得第一图像信息，所述第一图像信息包括所述第一患者所在的病房内的图像信息；

s1400：根据所述第一图像信息，判断所述第一患者所在的病房内是否有看护人员；

s1500：如果所述第一患者所在的病房内有看护人员，获得第一预警信息；

s1600：如果所述第一患者所在的病房内没有看护人员，获得第二预警信息。

具体而言，所述第一图像信息指的是指的是通过图像采集装置获得所述第一患者所在病房的图像信息，可以优选智能摄像头采集图像；基于所述第一图像可以判断当所述第一患者体温升高至所述第一预定温度阈值时，其所在病房是否有看护人员，若是有，则发出所述第一预警信息，所述第一预警信息为常规所述第一预警信息；所述第二预警信息指的是在所述第一患者所在病房没有看护人员时发出的预警信号，该预警信号可以第一时间传达给诸如护士站这样的护理人员聚集区域。通过所述第二预警信息的设置，达到了当所述第一患者体温出现异常，其无力通知看护人员，而看护人员又不在病房的情况出现时，看护人员聚集区域也可以第一时间得知相应预警，并及时执行护理方案的技术效果。

进一步的，基于所述如果所述第一患者的疾病会引起发热，从所述疾病特征信息中提取第一发热指标，步骤s400还包括：

s410：获得第一发热卷积特征；

s420：根据所述第一发热卷积特征，对所述疾病特征信息进行遍历比对，获得多个卷积比对结果；

s430：获得预定卷积阈值；

s440：从所述多个卷积比对结果中提取符合所述预定卷积阈值的卷积比对结果，获得所述第一发热指标。

更进一步的，基于所述从所述多个卷积比对结果中提取符合所述预定卷积阈值的卷积比对结果，获得所述第一发热指标，步骤s420还包括：

s450：从所述多个卷积比对结果中提取符合所述预定卷积阈值的卷积比对结果，获得第一卷积比对结果集合；

s460：根据所述第一卷积比对结果集合中各卷积比对结果，获得第一卷积比对曲线；

s470：根据所述第一卷积比对曲线，获得所述第一卷积比对曲线的波峰区段；

s480：根据所述波峰区段，获得所述第一发热指标。

具体而言，所述第一发热卷积特征是对历史所述疾病特征信息特征进行卷积提取，进一步的，卷积可以作为在机器学习中的特征提取器，从而使得提取到的特征信息具有集中性和代表性，进而获得所述疾病特征信息发热卷积特征，进一步的，以所述第一发热卷积特征为基准，在所述疾病特征信息中进行遍历，进而得到相应多组与所述疾病特征信息的卷积比对结果，可以选用列表的方式将这些对比结果进行存储；所述预定卷积阀值指的是当所述疾病特征信息比对会发热时其所拥有的所述第一发热卷积特征量；将每一组的所述卷积比对结果与所述预定卷积阈值进行比较，将所述卷积比对结果在所述预定卷积阀值之内的所述疾病特征作为所述第一发热指标。

更进一步的，所述第一卷积比对结果集合指的是符合所述预定卷积阈值的卷积比对结果的集合，进而根据所述第一卷积比对结果集合绘制所述第一卷积比对曲线，则处于所述第一卷积比对曲线的波峰区段时，所述第一患者容易发热，所以所述波峰区段可以作为所述疾病特征信息的发热指标，即得到所述第一发热指标。

进一步的，基于所述将所述第一发热指标和所述实时生命体征信息输入发热几率等级评估模型，获得第一发热几率等级信息，步骤s600包括：

s610：将所述第一发热指标和所述实时生命体征信息作为输入信息输入发热几率等级评估模型；

s620：所述发热几率等级评估模型通过多组作为训练数据的历史数据训练至收敛获得，所述每组历史数据中的每组均包括：历史患者的第一发热指标、历史患者的实时生命体征信息和用于标识第一发热几率等级信息的标识信息；

s630：获得所述发热几率等级评估模型的输出信息，所述输出信息包括所述第一发热几率等级信息。

具体而言，所述发热几率等级评估模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。其中，它能根据训练数据进行不断的自我训练学习，训练数据中的每一组训练数据均包括历史患者的第一发热指标、历史患者的实时生命体征信息和用于标识第一发热几率等级信息的标识信息，所述发热几率等级评估模型不断地自我的修正，当所述发热几率等级评估模型的输出信息达到预定的准确率/收敛状态时，则监督学习过程结束。通过对所述发热几率等级评估模型进行数据训练，使得所述发热几率等级评估模型处理输入数据更加准确，进而使得输出的所述第一发热几率等级信息也更加准确，达到了准确获得数据信息，提高评估结果智能化的技术效果。

综上所述，本申请实施例所提供的一种高热患者的重症监护护理方法及系统具有如下技术效果：

1、由于采用了获得第一患者的疾病特征信息；获得所述第一患者的基础身体特征信息；根据所述第一患者的疾病特征信息和所述基础身体特征信息，确定所述第一患者的疾病是否会引起发热；如果所述第一患者的疾病会引起发热，从所述疾病特征信息中提取第一发热指标；获得所述第一患者的实时生命体征信息；将所述第一发热指标和所述实时生命体征信息输入发热几率等级评估模型，获得第一发热几率等级信息；根据所述第一发热几率等级信息，制定第一高热重症护理方案；根据所述第一高热重症护理方案，对所述第一患者进行监护。解决了现有技术中一般在高热症状出现时采取护理措施，导致患者接受护理时具有一定的滞后性，存在患者无法得到及时护理的技术问题。通过对患者的病症分析，预测发热可能，并实时监测患者生命体征各项数据的变化趋势，再经过智能化模型预测判断可能出现的发热等级，进而制定相应的监护方案，达到了患者在高热症状出现时可立即得到有效护理的技术效果。

2、由于所述第一发热几率等级信息是通过所述发热几率等级评估模型智能化评估得到，其基于神将网络模型训练得到的评估和预测数据准确性较高，进而对所述第一患者使用个体化程度较高的所述第一高热重症护理方案，避免了在发现发热状况时才进行护理的滞后性，达到了患者在高热症状出现时可立即得到有效护理的技术效果。

3、卷积可以作为在机器学习中的特征提取器，从而使得提取到的特征信息具有集中性和代表性，通过卷积特征提取，将感染性发热指标与非感染性发热指标统一量化，得到所述第一发热指标，达到了对于所述第一患者的发热情况可以更加高效与准确的判断的技术效果。

实施例二

基于与前述实施例中一种高热患者的重症监护护理方法相同的发明构思，如图2所示，本申请实施例提供了一种高热患者的重症监护护理系统，所述系统包括：

第一获得单元11，所述第一获得单元11用于获得第一患者的疾病特征信息；

第二获得单元12，所述第二获得单元12用于获得所述第一患者的基础身体特征信息；

第一确认单元13，所述第一确认单元13用于根据所述第一患者的疾病特征信息和所述基础身体特征信息，确定所述第一患者的疾病是否会引起发热；

第一提取单元14，所述第一提取单元14用于如果所述第一患者的疾病会引起发热，从所述疾病特征信息中提取第一发热指标；

第三获得单元15，所述第三获得单元15用于获得所述第一患者的实时生命体征信息；

第四获得单元16，所述第四获得单元16用于将所述第一发热指标和所述实时生命体征信息输入发热几率等级评估模型，获得第一发热几率等级信息；

第一制定单元17，所述第一制定单元17用于根据所述第一发热几率等级信息，制定第一高热重症护理方案；

第一执行单元18，所述第一执行单元18用于根据所述第一高热重症护理方案，对所述第一患者进行监护。

进一步的，所述系统还包括：

第二确认单元，所述第二确认单元用于如果所述第一患者的疾病不会引起发热，根据所述疾病特征信息确定第一预定温度阈值；

第五获得单元，所述第五获得单元用于根据所述第一患者的实时生命体征信息，获得实时体温信息；

第二判断单元，所述第二判断单元用于判断所述实时体温信息是否在所述第一预定温度阈值之内；

第一预警单元，所述第一预警单元用于如果所述实时体温信息超出所述第一预定温度阈值，获得第一预警信息，所述第一预警信息用于提醒所述第一患者体温升高。

进一步的，所述系统还包括：

第六获得单元，所述第六获得单元用于获得第一图像信息，所述第一图像信息包括所述第一患者所在的病房内的图像信息；

第三判断单元，所述第三判断单元用于根据所述第一图像信息，判断所述第一患者所在的病房内是否有看护人员；

第七获得单元，所述第七获得单元用于如果所述第一患者所在的病房内有看护人员，获得第一预警信息；

第八获得单元，所述第八获得单元用于如果所述第一患者所在的病房内没有看护人员，获得第二预警信息。

进一步的，所述系统还包括：

第十获得单元，所述第十获得单元用于获得第一发热卷积特征；

第十一获得单元，所述第十一获得单元用于根据所述第一发热卷积特征，对所述疾病特征信息进行遍历比对，获得多个卷积比对结果；

第十二获得单元，所述第十二获得单元用于获得预定卷积阈值；

第十三获得单元，所述第十三获得单元用于从所述多个卷积比对结果中提取符合所述预定卷积阈值的卷积比对结果，获得所述第一发热指标。

进一步的，所述系统还包括：

第十四获得单元，所述第十四获得单元用于从所述多个卷积比对结果中提取符合所述预定卷积阈值的卷积比对结果，获得第一卷积比对结果集合；

第十五获得单元，所述第十五获得单元用于根据所述第一卷积比对结果集合中各卷积比对结果，获得第一卷积比对曲线；

第十六获得单元，所述第十六获得单元用于根据所述第一卷积比对曲线，获得所述第一卷积比对曲线的波峰区段；

第十七获得单元，所述第十七获得单元用于根据所述波峰区段，获得所述第一发热指标。

进一步的，所述系统还包括：

第一输入单元，所述第一输入单元用于将所述第一发热指标和所述实时生命体征信息作为输入信息输入发热几率等级评估模型；

第一训练单元，所述第一训练单元用于所述发热几率等级评估模型通过多组作为训练数据的历史数据训练至收敛获得，所述每组历史数据中的每组均包括：历史患者的第一发热指标、历史患者的实时生命体征信息和用于标识第一发热几率等级信息的标识信息；

第一输出单元，所述第一输出单元用于获得所述发热几率等级评估模型的输出信息，所述输出信息包括所述第一发热几率等级信息。

示例性电子设备

下面参考图3来描述本申请实施例的电子设备。

基于与前述实施例中一种高热患者的重症监护护理方法相同的发明构思，本申请实施例还提供了一种高热患者的重症监护护理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。

其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本申请实施例提供了一种高热患者的重症监护护理方法，其中，所述方法包括：获得第一患者的疾病特征信息；获得所述第一患者的基础身体特征信息；根据所述第一患者的疾病特征信息和所述基础身体特征信息，确定所述第一患者的疾病是否会引起发热；如果所述第一患者的疾病会引起发热，从所述疾病特征信息中提取第一发热指标；获得所述第一患者的实时生命体征信息；将所述第一发热指标和所述实时生命体征信息输入发热几率等级评估模型，获得第一发热几率等级信息；根据所述第一发热几率等级信息，制定第一高热重症护理方案；根据所述第一高热重症护理方案，对所述第一患者进行监护。解决了现有技术中一般在高热症状出现时采取护理措施，导致患者接受护理时具有一定的滞后性，存在患者无法得到及时护理的技术问题。通过对患者的病症分析，预测发热可能，并实时监测患者生命体征各项数据的变化趋势，再经过智能化模型预测判断可能出现的发热等级，进而制定相应的监护方案，达到了患者在高热症状出现时可立即得到有效护理的技术效果。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。