本发明涉及护理信息管理，更具体地说，本发明涉及一种基于患者报告结局的癌症患者居家疼痛管理决策系统。
背景技术：
1、患者报告结局(patient-reported outcomes，pros)是指由患者直接报告的且与其健康状况相关的任何信息，而不是通过医疗人员的解释及判断获得的，pros包括患者的症状、功能状态、生活质量、疼痛程度、情绪状态等方面的信息，这些数据通常通过问卷、日记、电子设备等方式收集，pros的关键在于其数据来源的主观性和实时性，能够提供第一手的患者体验数据，在居家环境中，癌症患者的疼痛管理涉及大量数据的收集、传输、存储和分析，居家环境中的数据收集主要依赖患者的主动报告，受到患者自身理解能力、设备操作水平以及情绪状态的影响，导致数据质量参差不齐，缺乏实时数据收集手段，使得数据更新和反馈速度较慢，且居家环境中的数据量大且多样，涉及结构化和非结构化数据，如何高效地处理和分析这些数据，挖掘出有用的信息，成为当前亟待解决的技术难题。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明提供一种基于患者报告结局的癌症患者居家疼痛管理决策系统，是通过动态数据清洗和数据标准化去除噪声与异常值，利用多源数据融合确保数据一致性，并通过大规模数据分析和lstm模型分析实时数据，预测癌症患者的未来疼痛状态和风险，生成个性化管理建议，提高居家疼痛管理的效率和效果。
2、为实现上述目的，本发明提供如下技术方案：
3、一种基于患者报告结局的癌症患者居家疼痛管理决策系统，包括智能感知与数据聚合模块、云端服务器、分布式计算与数据处理模块、智慧决策支持模块以及用户交互反馈模块，智能感知与数据聚合模块通过家庭网络和安全通信协议连接到分布式计算与数据处理模块，并且直接与云端服务器通信，分布式计算与数据处理模块的处理结果传输至智慧决策支持模块，智慧决策支持模块生成的结果通过用户交互反馈模块展示给患者的医疗专业人员，用户交互反馈模块收集的用户反馈数据回传至智能感知与数据聚合模块和分布式计算与数据处理模块，智能感知与数据聚合模块使用动态数据清洗算法去除数据中的噪声和异常值，标准化数据格式，进行多源数据融合后，将数据传输至云端服务器，分布式计算与数据处理模块在边缘设备上进行初步数据分析和数据过滤，对需要及时反馈的数据进行实时响应，将处理后的数据传输至云端服务器，同时在分布式数据库系统中存储数据，使用特征提取算法提取关键特征，应用分布式计算框架进行大规模数据分析，识别复杂模式和趋势，将获取的特征及初步分析报告传输给智慧支持模块，智慧支持模块通过预先训练好的深度学习模型对当前数据进行分析，预测癌症患者的未来疼痛状态，结合患者的历史数据和预测结果，自动生成个性化的居家癌症患者疼痛管理建议。
4、作为本发明进一步的方案，智能感知与数据聚合模块包括数据采集单元、动态数据清洗单元和多源数据聚合单元，数据采集单元包括智能手机、平板电脑、家庭监测终端、可穿戴生物传感器以及智能医疗设备，采集的数据包括疼痛评分、情绪状态评分、恶心指数、疲劳指数、头痛指数、睡眠质量评分、日常活动能力评分、心率、血压、体温、血氧水平、血糖水平、室内pm2.5浓度、室内二氧化碳水平。
5、作为本发明进一步的方案，多源数据聚合单元的具体实施流程包括：
6、步骤11，数据采集：数据采集单元采集智能手机、平板电脑、家庭监测终端、可穿戴生物传感器以及智能医疗设备的数据；
7、步骤12，数据标准化与格式转换：统一不同数据源的数据格式和单位，将不同设备和传感器采集的数据转换为标准的预设格式，统一不同设备采集数据的单位，将不同设备采集的数据按照统一的时间标准进行同步；
8、步骤13，数据动态清洗：基于预设的动态数据清洗策略对居家癌症患者的疼痛评分数据进行动态数据清洗，再将清洗完成的数据以及其他数据通过家庭网络和安全通信协议将数据传输至多源数据融合单元中；
9、步骤14，多源数据融合：将所有数据点按照时间顺序对齐，根据数据源的可靠性和重要性给每个数据源分配权重，并使用贝叶斯网络法进行数据融合，对于不同类型的数据，进行多维拼接融合，形成全面的居家癌症患者疼痛管理数据集；
10、步骤15，数据存储与传输：将清洗和融合后的数据存储在分布式数据库系统中，通过安全通信协议，将数据传输至云端服务器和分布式计算与数据处理模块中。
11、作为本发明进一步的方案，在动态数据清洗单元中，对居家癌症患者的疼痛评分数据，采用动态四分位距法进行异常值检测和处理，其具体流程包括：
12、步骤1，数据准备：采集并整理居家癌症患者的疼痛评分数据集，数据集为s，数据集s中的数据点数量为n，将疼痛评分数据集s中的数据按照从小到大排序，得到排序后的数据集ssorted；
13、步骤2，计算四分位数：将排序后数据集下25％的数据点作为第一四分位数，将排序后数据集下75％的数据点作为第三四分位数，将数据集的中间数据点作为中位数，数据点的总数n为奇数，第一四分位数等于ssorted中第个数据点的数值，第三四分位数为ssorted中第个数据点的数值，数据点的总数n为偶数，第一四分位数等于ssorted中第个数据点的数值与第个数据点的数值的均值，第三四分位数等于ssorted中第个数据点的数值与第个数据点的数值的均值；
14、步骤3，计算四分位距：四分位距等于第三四分位数减去第一四分位数；
15、步骤4，确定异常值范围：居家癌症患者疼痛评分的下界为max(0,q1-ξ×kiqr)，上界为min(10,q3+ξ×kiqr)，其中q1、q3分别为第一四分位数和第三四分位数，kiqr为四分位距，ξ为疼痛评分的敏感度参数，根据实际情况具体设定；
16、步骤5，检测和处理异常值：对于每个数据点，满足数据点小于下界值或大于上界值，标记为异常值，通过与患者核实，进一步验证该异常值的真伪，对于确认的异常值，使用邻近数据点的均值进行修正，移除无法确认的异常值，插补邻近数据点的中位数进行修正。
17、作为本发明进一步的方案，动态数据清洗单元获取癌症患者居家的疼痛评分数据，通过预设的疼痛评分个性准则数公式获取居家疼痛评分个性特征值，按照预设的阈值范围，基于居家疼痛评分个性特征值获取癌症患者的居家疼痛评分特色类目，并按照每个类目设定的规则获取癌症患者居家疼痛评分的敏感度参数，再通过癌症患者居家疼痛评分四分位距法对患者的疼痛评分进行异常值检测和处理。
18、作为本发明进一步的方案，在动态数据清洗单元中，预设的疼痛评分个性准则数公式将患者主动报告中近一个月的疼痛评分数据的波动性、离散性以及数据趋势进行非线性组合，获取居家癌症患者的疼痛评分个性准则数，预设的疼痛评分个性准则数公式为：
19、
20、式中：c为居家癌症患者的疼痛评分个性准则数，kmad为近一个月疼痛评分数据的中位数绝对偏差，μrecent为近一个月的平均疼痛评分，σrecent为近一个月疼痛评分的标准差，ktrend为近一个月疼痛评分的数据趋势，通过移动平均法计算获得。
21、作为本发明进一步的方案，在动态数据清洗单元中，基于设定的分类阈值，将居家癌症患者的疼痛评分按照获取的疼痛评分个性准则数的数值分为低波动疼痛类、中等波动疼痛类和高波动疼痛类，低波动疼痛类、中等波动疼痛类和高波动疼痛类的分类标准分别为c≤cl、cl<c≤cm、c>cm，其中cl和cm分别为设定的低类目阈值和中类目阈值。
22、作为本发明进一步的方案，在动态数据清洗单元中，居家癌症患者疼痛评分为低波动疼痛类，疼痛评分敏感参数的获取规则为：
23、
24、式中：ξ0为初始疼痛评分敏感参数，为1.5，α1为指数调节参数，根据需求设定。
25、作为本发明进一步的方案，在动态数据清洗单元中，居家癌症患者疼痛评分为中等波动疼痛类，疼痛评分敏感参数的获取规则为：
26、
27、式中：β1、β2分别为项和项的影响因子，根据需求设定。
28、作为本发明进一步的方案，在动态数据清洗单元中，居家癌症患者疼痛评分为高波动疼痛类，疼痛评分敏感参数的获取规则为：
29、
30、式中：γ1、γ2、γ3分别为项、项、项的影响因子，根据需求设定。
31、作为本发明进一步的方案，分布式计算与数据处理模块的具体实施流程为：
32、步骤21，初步数据分析和数据过滤：基于统计方法和规则引擎进行快速初步筛选，对需要及时反馈的数据(急性疼痛变化)进行实时分析，识别疼痛的风险值，过滤掉冗余数据；
33、步骤22，特征提取：根据疼痛管理的需求，从多源数据中选择心率、血压、体温、疼痛评分作为特征，对选定的特征进行标准化和归一化，利用lda(线性判别分析法)法提取关键特征；
34、步骤23，大规模数据分析：利用分布式计算框架和大数据分析工具，通过聚类分析的方法分析大规模数据中的复杂模式和趋势，根据历史数据和当前数据，使用时间序列分析方法预测未来的癌症患者疼痛趋势和风险，并将数据传输给智慧决策支持模块。
35、作为本发明进一步的方案，智慧决策支持模块的具体实施流程包括：
36、步骤31，深度学习模型分析：根据数据特征和分析需求选择lstm模型作为选定的模型，使用历史数据对模型进行训练，优化模型参数，对实时数据进行推理，预测癌症患者未来疼痛状态和风险；
37、步骤32，生成个性化疼痛管理建议：根据模型预测结果和患者的历史数据，评估患者面临的疼痛风险和其他风险，生成疼痛管理药物的数据、物理疼痛管理方案的频率调整量、医患沟通频次调整量以及睡眠的调整量。
38、相比于现有技术，本发明为解决技术问题存在的技术效果：本发明是通过利用动态数据清洗算法和数据标准化技术，有效去除数据噪声和异常值，提高数据质量，多源数据融合方法则将来自不同来源的数据进行综合处理，确保数据的完整性和一致性，通过大规模数据分析工具和分布式计算框架，快速识别数据中的复杂模式和趋势，提取出关键的健康特征，同时采用lstm深度学习模型，对实时数据进行分析和推理，预测癌症患者的未来疼痛状态和潜在风险，结合患者的历史数据和当前分析结果，生成个性化的疼痛管理建议，能够实时、精确地响应患者需求，提高了居家环境中疼痛管理的效率和效果。
1.一种基于患者报告结局的癌症患者居家疼痛管理决策系统，其特征在于，包括智能感知与数据聚合模块、云端服务器、分布式计算与数据处理模块、智慧决策支持模块以及用户交互反馈模块，智能感知与数据聚合模块通过家庭网络和安全通信协议连接到分布式计算与数据处理模块，并且直接与云端服务器通信，分布式计算与数据处理模块的处理结果传输至智慧决策支持模块，智慧决策支持模块生成的结果通过用户交互反馈模块展示给患者的医疗专业人员，用户交互反馈模块收集的用户反馈数据回传至智能感知与数据聚合模块和分布式计算与数据处理模块，智能感知与数据聚合模块使用动态数据清洗算法去除数据中的噪声和异常值，标准化数据格式，进行多源数据融合后，将数据传输至云端服务器，分布式计算与数据处理模块在边缘设备上进行初步数据分析和数据过滤，对需要及时反馈的数据进行实时响应，将处理后的数据传输至云端服务器，同时在分布式数据库系统中存储数据，使用特征提取算法提取关键特征，应用分布式计算框架进行大规模数据分析，识别复杂模式和趋势，将获取的特征及初步分析报告传输给智慧支持模块，智慧支持模块通过预先训练好的深度学习模型对当前数据进行分析，预测癌症患者的未来疼痛状态，结合患者的历史数据和预测结果，自动生成个性化的居家癌症患者疼痛管理建议。
2.根据权利要求1所述的一种基于患者报告结局的癌症患者居家疼痛管理决策系统，其特征在于，智能感知与数据聚合模块包括数据采集单元、动态数据清洗单元和多源数据聚合单元，数据采集单元包括智能手机、平板电脑、家庭监测终端、可穿戴生物传感器以及智能医疗设备，采集的数据包括疼痛评分、情绪状态评分、恶心指数、疲劳指数、头痛指数、睡眠质量评分、日常活动能力评分、心率、血压、体温、血氧水平、血糖水平、室内pm2.5浓度、室内二氧化碳水平。
3.根据权利要求2所述的一种基于患者报告结局的癌症患者居家疼痛管理决策系统，其特征在于，在动态数据清洗单元中，对居家癌症患者的疼痛评分数据，采用动态四分位距法进行异常值检测和处理，其具体流程包括：
4.根据权利要求3所述的一种基于患者报告结局的癌症患者居家疼痛管理决策系统，其特征在于，动态数据清洗单元获取癌症患者居家的疼痛评分数据，通过预设的疼痛评分个性准则数公式获取居家疼痛评分个性特征值，按照预设的阈值范围，基于居家疼痛评分个性特征值获取癌症患者的居家疼痛评分特色类目，并按照每个类目设定的规则获取癌症患者居家疼痛评分的敏感度参数，再通过癌症患者居家疼痛评分四分位距法对患者的疼痛评分进行异常值检测和处理。
5.根据权利要求4所述的一种基于患者报告结局的癌症患者居家疼痛管理决策系统，其特征在于，在动态数据清洗单元中，预设的疼痛评分个性准则数公式将患者主动报告中近一个月的疼痛评分数据的波动性、离散型以及数据趋势进行非线性组合，获取居家癌症患者的疼痛评分个性准则数，预设的疼痛评分个性准则数公式为：
6.根据权利要求5所述的一种基于患者报告结局的癌症患者居家疼痛管理决策系统，其特征在于，在动态数据清洗单元中，基于设定的分类阈值，将居家癌症患者的疼痛评分按照获取的疼痛评分个性准则数的数值分为低波动疼痛类、中等波动疼痛类和高波动疼痛类，低波动疼痛类、中等波动疼痛类和高波动疼痛类的分类标准分别为c≤cl、cl<c≤cm、c>cm，其中cl和cm分别为设定的低类目阈值和中类目阈值。
7.根据权利要求6所述的一种基于患者报告结局的癌症患者居家疼痛管理决策系统，其特征在于，在动态数据清洗单元中，居家癌症患者疼痛评分为低波动疼痛类，疼痛评分敏感参数的获取规则为：
8.根据权利要求7所述的一种基于患者报告结局的癌症患者居家疼痛管理决策系统，其特征在于，在动态数据清洗单元中，居家癌症患者疼痛评分为中等波动疼痛类，疼痛评分敏感参数的获取规则为：
9.根据权利要求7所述的一种基于患者报告结局的癌症患者居家疼痛管理决策系统，其特征在于，在动态数据清洗单元中，居家癌症患者疼痛评分为高波动疼痛类，疼痛评分敏感参数的获取规则为：
