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