1 |
1
사용자 단말기가, 환자의 개인정보, 상기 환자의 임상데이터, 및 상기 환자의 분만경과에 따른 측정데이터 중 하나 이상을 포함하는 데이터인 환자데이터를 수신하는 제1단계;상기 사용자 단말기가, 제왕절개분만 가능성에 대한 예측모델의 연산식이 적용된 모바일 분만계산기에 상기 환자데이터를 입력하여, 상기 환자의 제왕절개분만 가능성에 대한 확률값을 계산하는 제2단계;상기 사용자 단말기가, 상기 측정데이터를 이용하여 시간당 자궁경부개대를 나타낸 그래프를 생성하는 제3단계; 및상기 사용자 단말기가, 상기 생성된 그래프 및 상기 계산된 확률값을 포함하는 모바일 분만차트를 상기 사용자 단말기의 화면에 표출하는 제4단계;를 포함하는,모바일 분만진행상태 평가방법
|
2 |
2
제1항에 있어서, 상기 사용자 단말기가, 상기 확률값을 생성하는 단계 이후에, 상기 확률값에 대응하는 알람명을 상기 사용자 단말기의 화면에 표출하는 단계를 더 포함하며,상기 알람명은 상기 확률값이 미리 결정된 값 이하인 경우 정상(normal)으로 설정되고, 상기 확률값이 상기 미리 결정된 값을 초과한 경우 주의(attention)로 설정되며,상기 알람명은 상기 확률값이 변동될 때마다 갱신되어 상기 사용자 단말기의 화면에 표출되는, 모바일 분만진행상태 평가방법
|
3 |
3
제1항에 있어서, 상기 측정데이터는, 자궁경부개대, 자궁수축 정도, 수축 기간, 수축 강도, 태아두위 하강도, 태아 심박수, 태아 두위 몰딩 상태, 산모 호흡수, 산모 맥박수, 산모 호흡수, 산모 혈압, 산모 체온, 양막 상태, 양수 상태, 소변량, 및 분만 처치 중 하나 이상을 포함하는, 모바일 분만진행상태 평가방법
|
4 |
4
제1항에 있어서, 상기 사용자 단말기는, 상기 제1단계 내지 제4단계를 포함하는 프로세스를 반복하도록 되어 있으며,상기 사용자 단말기가, 상기 수신한 측정데이터 중 상기 환자의 자궁경부개대가 미리 결정된 제1개대값인 경우, 상기 환자의 자궁경부개대가 상기 미리 결정된 제1개대값이 되는 좌표점에서 미리 결정된 제1시간마다 소정의 제1간격의 좌표점이 이어지는 경고선(alert line)을 상기 그래프에 추가로 표시하는 단계; 및상기 사용자 단말기가, 상기 경고선에서 평행으로 상기 제1시간보다 큰 미리 결정된 제4시간이 경과한 직후에 상기 제1시간마다 상기 제1간격의 좌표점이 이어지는 처치선(action line)을 상기 그래프에 추가로 표시하는 단계;를 더 포함하는,모바일 분만진행상태 평가방법
|
5 |
5
제1항에 있어서, 상기 사용자 단말기가, 상기 수신한 측정데이터를 기초로, 상기 환자의 진통이 시작된 것으로 판단되면, 진통이 시작된 시점의 자궁경부개대에 대응하는 좌표점을 통과하는 수직선인 진통 시작선(labor start)을 상기 그래프에 추가로 표시하는 단계; 및상기 사용자 단말기가, 상기 수신한 측정데이터를 기초로, 상기 환자의 자궁경부개대가 미리 결정된 제2개대값에 도달한 것으로 판단하면, 상기 미리 결정된 제2개대값에 도달한 시점에서의 상기 미리 결정된 제2개대값의 좌표를 통과하는 수직선인 분만2기선(second stage of labor)을 상기 그래프에 추가로 표시하는 단계;를 더 포함하는,모바일 분만진행상태 평가방법
|
6 |
6
제1항에 있어서, 상기 환자의 개인정보, 및 상기 환자의 분만경과에 따른 측정데이터는 상기 사용자 단말기의 사용자에 의해 상기 사용자 단말기의 사용자 인터페이스를 통해 수신되거나, 또는 상기 사용자 단말기와는 다른 장치로부터 네트워크를 통해 자동으로 수신되는, 모바일 분만진행상태 평가방법
|
7 |
7
제1항에 있어서, 상기 예측모델은 인공지능 딥러닝 알고리즘을 통해 기계학습된 제왕절개분만 가능성 예측모델이며,상기 예측모델의 종속변수는 제왕절개분만과 질식분만 데이터를 포함하는,모바일 분만진행상태 평가방법
|
8 |
8
제1항에 있어서, 상기 예측모델은 제왕절개분만 및 질식분만으로 구분되는 환자 임상데이터들을 입력값으로 하고, 제왕절개분만 가능성에 대한 확률값을 출력값으로 하여 학습된 통계모델로서, 로지스틱 회귀분석 예측모델을 포함하는,모바일 분만진행상태 평가방법
|
9 |
9
제1항에 있어서, 상기 예측모델은 상기 환자의 분만 전과정에서 상기 확률값을 예측할 수 있는 제1예측모델을 포함하는, 모바일 분만진행상태 평가방법
|
10 |
10
제1항에 있어서, 상기 예측모델은 상기 환자가 활성기 분만에 진입한 후에 상기 확률값을 예측할 수 있는 제2예측모델을 포함하는, 모바일 분만진행상태 평가방법
|
11 |
11
수신부, 처리부, 및 표출부를 포함하는 단말기로서,상기 수신부는, 환자의 개인정보, 상기 환자의 임상데이터, 및 상기 환자의 분만경과에 따른 측정데이터 중 하나 이상을 포함하는 데이터인 환자데이터를 수신하도록 되어 있으며,상기 처리부는, 제왕절개분만 가능성에 대한 예측모델에 상기 환자데이터를 입력하여, 상기 환자의 제왕절개분만 가능성에 대한 확률값을 계산하도록 되어 있으며, 상기 측정데이터를 이용하여 시간당 자궁경부개대를 나타낸 그래프를 생성하도록 되어 있고,상기 표출부는, 상기 생성된 그래프 및 상기 계산된 확률값을 포함하는 모바일 분만차트를 표출하도록 되어 있는,단말기
|
12 |
12
제11항에 있어서, 상기 처리부가, 상기 확률값을 생성한 이후에 상기 확률값에 대응하는 알람명을 생성하도록 되어 있고,상기 처리부는 상기 표출부에 상기 생성된 알람명을 표출하도록 되어 있으며,상기 알람명은 상기 확률값이 미리 결정된 값 이하인 경우 정상(normal)으로 설정되고, 상기 확률값이 상기 미리 결정된 값을 초과한 경우 주의(attention)로 설정되며,상기 처리부는 상기 알람명을 상기 확률값이 변동될 때마다 갱신하여 상기 표출부에 표출시키도록 되어 있는, 단말기
|
13 |
13
제11항에 있어서, 상기 측정데이터는, 자궁경부개대, 자궁수축 정도, 수축 기간, 수축 강도, 태아두위 하강도, 태아 심박수, 태아 두위 몰딩 상태, 산모 호흡수, 산모 맥박수, 산모 호흡수, 산모 혈압, 산모 체온, 양막 상태, 양수 상태, 소변량, 및 분만 처치 중 하나 이상을 포함하는, 단말기
|
14 |
14
제11항에 있어서, 상기 처리부는, 상기 수신부로부터 상기 측정데이터를 수신할 때마다 상기 그래프를 갱신하도록 되어 있으며,상기 처리부는,상기 수신부로부터 수신한 측정데이터 중 상기 환자의 자궁경부개대가 미리 결정된 제1개대값인 경우, 상기 환자의 자궁경부개대가 상기 미리 결정된 제1개대값이 되는 좌표점에서 미리 결정된 제1시간마다 소정의 제1간격의 좌표점이 이어지는 경고선(alert line)을 상기 그래프에 추가로 표시하도록 되어 있으며,상기 경고선에서 평행으로 상기 제1시간보다 큰 미리 결정된 제4시간이 경과한 직후에 상기 제1시간마다 상기 제1간격의 좌표점이 이어지는 처치선(action line)을 상기 그래프에 추가로 표시하도록 되어 있는,단말기
|
15 |
15
제11항에 있어서, 상기 처리부는, 상기 수신부로부터 수신한 측정데이터를 기초로, 상기 환자의 진통이 시작된 것으로 판단되면, 진통이 시작된 시간의 자궁경부개대에 대응하는 좌표점을 통과하는 수직선인 진통 시작선(labor start)을 상기 그래프에 추가로 표시하도록 되어 있으며,상기 환자의 자궁경부개대가 미리 결정된 제2개대값(예컨대, 10cm)에 도달한 것으로 판단하면, 상기 미리 결정된 제2개대값에 도달한 시점에서의 상기 미리 결정된 제2개대값의 좌표를 통과하는 수직선인 분만2기선(second stage of labor)을 상기 그래프에 추가로 표시하도록 되어 있는,단말기
|