38、心率预测模型与个人健康记录的集成研究

心率预测模型与个人健康记录的集成研究

1. 背景与目标

心率（HR）是康复训练中反映患者身体状态的重要生命体征参数。了解影响运动生理学的因素，有助于医生和自主系统确定患者在训练中所能承受的负荷，进而支持训练计划的制定与优化，并在训练过程中预测后续进程。在远程康复场景下，患者在家中无人监督训练，预测正常训练的心率趋势与实际测量心率的差异，能提前发现潜在的异常状况。

当前，针对心肺患者适用的心率模型较少，基于机器学习的方法虽能适应个体差异，但需先进行训练；基于规则的系统虽适用于多数用户，但阈值缺乏个性化。此外，专业维护的电子病历（EPR）分散在不同医疗机构，格式和接口各异，而用户控制的个人健康记录（PHR）可通过标准化接口实现数据交换，但目前存在隐私担忧和互操作性不足等问题。

本研究的目标一是引入基于患者和环境信息预测心率的模型，二是构建使用标准化数据交换的PHR系统，结合专业和用户生成的信息为心率模型参数化，并解决现有PHR的接受度问题。

2. 方法

2.1 模型数据的特征与准备

心率预测模型的数据来自NYHA 1 - 2级和COPD 2 - 3级的心肺患者门诊康复训练。原始数据集包含164名患者（82名女性，82名男性）的1201次训练记录，采集时间为2009年7月至9月。患者每周训练两次，平均每人约8次训练（±7.7）。心率数据基于心电图（ECG）获取，同时还包括以下信息：
- 患者人口统计学信息：年龄、性别
- 训练数据：日期、时间、持续时间、负荷
- 生命体征数据：训练前静息心率、训练后恢复心率、血压（静息、负荷、恢复 - 收缩压和舒张压）、Borg值（6 - 20刻度）、训练