人工智能在兒童哮喘病人中應(yīng)用的研究進(jìn)展

支氣管哮喘作為一種以慢性氣道炎癥和氣道高反應(yīng)性為特征的異質(zhì)性疾病，以反復(fù)發(fā)作的喘息、咳嗽、氣促、胸悶為主要臨床表現(xiàn)，并常伴有可逆性氣流受限，常在夜間或凌晨發(fā)作或加劇。支氣管哮喘是兒童最常見(jiàn)的呼吸系統(tǒng)疾病之一，給患兒及其家庭及社會(huì)都帶來(lái)了沉重的負(fù)擔(dān)。頻繁的哮喘發(fā)作會(huì)影響患兒正常的生長(zhǎng)發(fā)育，使其體力活動(dòng)減少、肺功能逐漸下降；同時(shí)，也增加患兒家庭經(jīng)濟(jì)負(fù)擔(dān)和時(shí)間成本，導(dǎo)致了更多醫(yī)療資源的浪費(fèi)；社會(huì)也需要為哮喘患兒配置更多的醫(yī)療資源。近幾年隨著科技的進(jìn)步，人工智能逐漸在各個(gè)領(lǐng)域嶄露頭角，如何運(yùn)用人工智能處理醫(yī)療、護(hù)理領(lǐng)域相關(guān)問(wèn)題，并推動(dòng)其發(fā)展成了熱門(mén)話(huà)題。本研究通過(guò)對(duì)近年國(guó)內(nèi)外人工智能(artificial intelligence，AI)技術(shù)在哮喘患兒中的應(yīng)用新進(jìn)展進(jìn)行綜述，旨在為今后哮喘患兒的治療及護(hù)理提供思路和建議。

1 人工智能發(fā)展概況

人工智能是指利用構(gòu)造的具有一定智能的人工系統(tǒng)來(lái)完成過(guò)去需要人力才能實(shí)現(xiàn)的智能工作，是一門(mén)涉及計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)等的綜合性學(xué)科。人工智能在1956年達(dá)特茅斯(Dartmouth)學(xué)會(huì)上被首次提出，至今已有60多年的發(fā)展歷程

。2017年，國(guó)務(wù)院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》政策中提道：要推廣應(yīng)用人工智能治療新模式、新手段，建立快速精準(zhǔn)的智能醫(yī)療體系。同年，衛(wèi)生健康委員會(huì)發(fā)布的《“十三五”全國(guó)人口健康信息化發(fā)展規(guī)劃》指出，要充分發(fā)揮人工智能、醫(yī)用機(jī)器人、可穿戴設(shè)備等先進(jìn)技術(shù)和裝備產(chǎn)品在人口健康信息化和健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展中的引領(lǐng)作用。人工智能近幾年在醫(yī)療領(lǐng)域被廣泛應(yīng)用。利用人工智能可以在有限的時(shí)間內(nèi)完成大量病人數(shù)據(jù)的采集、儲(chǔ)存和處理，并通過(guò)各種算法從中獲取一些規(guī)律經(jīng)驗(yàn)來(lái)更好地輔助疾病的診斷和治療。在護(hù)理領(lǐng)域中，人工智能通過(guò)精簡(jiǎn)流程和提高準(zhǔn)確性來(lái)改善護(hù)理服務(wù)質(zhì)量等

。

2 人工智能技術(shù)在兒童哮喘病人中的應(yīng)用

2.1 哮喘的識(shí)別與診斷

機(jī)器學(xué)習(xí)(machine learning)屬于人工智能的一個(gè)分支，指讓機(jī)器或計(jì)算機(jī)學(xué)習(xí)如何執(zhí)行特定任務(wù)的過(guò)程，并以類(lèi)似于人類(lèi)的方式，隨著經(jīng)驗(yàn)的不斷累積從而發(fā)揮更大的作用。人工智能和機(jī)器學(xué)習(xí)都是數(shù)據(jù)驅(qū)動(dòng)的過(guò)程，通過(guò)計(jì)算和編程等步驟，從大量的復(fù)雜數(shù)據(jù)中“挖掘”出潛在的聯(lián)系，從而獲得知識(shí)和經(jīng)驗(yàn)。臨床上能否快速識(shí)別哮喘兒童病情的突然變化以及疾病的嚴(yán)重程度往往直接影響患兒的預(yù)后，甚至影響其生存率。近年來(lái)，國(guó)內(nèi)外醫(yī)院或團(tuán)隊(duì)通過(guò)制定評(píng)估工具來(lái)判斷兒童哮喘的嚴(yán)重程度，如：兒童哮喘嚴(yán)重程度評(píng)分(PASS)、兒童呼吸困難評(píng)分(PRAM)等。這些評(píng)估工具在一定程度上縮短了患兒的住院時(shí)間，降低了再次入院率以及減少了藥物使用。但需消耗大量時(shí)間進(jìn)行頻繁的重新評(píng)估也成了護(hù)理人員工作的一大挑戰(zhàn)。人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)屬于機(jī)器學(xué)習(xí)的一種模式，是模仿人腦結(jié)構(gòu)的一組特定算法，通過(guò)利用計(jì)算機(jī)挖掘大量電子健康記錄(electronic health record,EHR)的深層信息，并進(jìn)行自主學(xué)習(xí)與訓(xùn)練，從而構(gòu)建各疾病的預(yù)測(cè)、診斷及預(yù)后等模型。Messinger等將重癥監(jiān)護(hù)室患兒的監(jiān)護(hù)儀與數(shù)據(jù)庫(kù)相連，通過(guò)人工神經(jīng)網(wǎng)絡(luò)算法來(lái)同步儲(chǔ)存、處理患兒生命體征相關(guān)數(shù)據(jù)以及電子健康記錄上的人口統(tǒng)計(jì)學(xué)數(shù)據(jù)，最終生成了自動(dòng)呼吸嚴(yán)重程度評(píng)分(PARS)。PARS能自動(dòng)且持續(xù)地收集監(jiān)護(hù)儀上的數(shù)據(jù)，既避免了人工收集數(shù)據(jù)的錯(cuò)誤率及耗時(shí)長(zhǎng)等問(wèn)題，還能及時(shí)發(fā)現(xiàn)患兒可能出現(xiàn)的急性病情變化情況。最終服務(wù)于快速臨床決策，并推動(dòng)高質(zhì)量護(hù)理。

目前，在全球的臨床與科研活動(dòng)中，哮喘的診斷標(biāo)準(zhǔn)、確診流程尚無(wú)統(tǒng)一標(biāo)準(zhǔn)，甚至對(duì)于哮喘的定義也是眾說(shuō)紛紜。曾有研究對(duì)122篇關(guān)于診斷兒童哮喘的定義數(shù)據(jù)文獻(xiàn)進(jìn)行分析，發(fā)現(xiàn)其產(chǎn)生了60種不同的定義

。Seol等對(duì)基于人工智能的自然語(yǔ)言處理(NLP)技術(shù)用于在兒科人群EHR中識(shí)別具有鮮明特征的哮喘及其亞組的效果進(jìn)行評(píng)估，運(yùn)用了預(yù)測(cè)哮喘標(biāo)準(zhǔn)和哮喘預(yù)測(cè)指數(shù)來(lái)驗(yàn)證自然語(yǔ)言處理算法，在2個(gè)標(biāo)準(zhǔn)皆為陽(yáng)性的兒童中，有30%是未被醫(yī)生診斷為哮喘的。并且運(yùn)用該標(biāo)準(zhǔn)得出的哮喘指數(shù)日期比醫(yī)生首次診斷哮喘早了近1年時(shí)間。綜上所述，基于人工智能的自然語(yǔ)言處理算法能在EHR時(shí)代提高哮喘的診斷率，同時(shí)也提高了精確度，使患兒能盡早獲得相應(yīng)的治療。Yu等研發(fā)的人工智能模型幫助兒科醫(yī)生更準(zhǔn)確地識(shí)別、診斷兒童哮喘，且研究結(jié)果顯示其模型對(duì)于減少抗生素以及全身糖皮質(zhì)激素的濫用有重要的臨床價(jià)值。

臨床上的許多監(jiān)測(cè)儀在科技的發(fā)展下都實(shí)現(xiàn)了精簡(jiǎn)這一目的?？杀O(jiān)測(cè)設(shè)備越便攜、集成功能越強(qiáng)大對(duì)哮喘患兒越便利。哮喘病人氣道對(duì)各種刺激因子，如藥物、運(yùn)動(dòng)、變應(yīng)原、食物等表現(xiàn)出高度敏感狀態(tài)。Buonocore等

研發(fā)了一款基于智能手表的無(wú)線(xiàn)健康監(jiān)測(cè)系統(tǒng)，將感知得來(lái)的患兒實(shí)時(shí)生理狀態(tài)(如心率、活動(dòng)量、肺功能數(shù)據(jù)等)以及當(dāng)下所處環(huán)境的各項(xiàng)指標(biāo)(如空氣所含顆粒物濃度等)與當(dāng)日實(shí)時(shí)信息結(jié)合(如交通、天氣、空氣質(zhì)量等)，由機(jī)器學(xué)習(xí)模型處理數(shù)據(jù)，預(yù)測(cè)哮喘發(fā)作的風(fēng)險(xiǎn)，為患兒提供實(shí)時(shí)的預(yù)警。Venkataramanan 等設(shè)計(jì)的K-Health套組包含收集睡眠和活動(dòng)數(shù)據(jù)、峰值流量計(jì)、空氣質(zhì)量監(jiān)測(cè)器等功能，在具備上述功能的基礎(chǔ)上還收集了患兒睡眠狀態(tài)、每12 h空氣中的花粉含量、臭氧濃度等。該可穿戴設(shè)備通過(guò)對(duì)哮喘患兒的持續(xù)監(jiān)測(cè)，識(shí)別季節(jié)、溫度、濕度等與觸發(fā)兒童哮喘發(fā)作及相關(guān)癥狀之間的關(guān)聯(lián)，以便制定更詳細(xì)的個(gè)性化哮喘管理方案，達(dá)到更好的哮喘控制效果。

2.2 哮喘分型

1項(xiàng)針對(duì)哮喘患兒家長(zhǎng)對(duì)待人工智能參與哮喘健康管理的態(tài)度調(diào)查指出,家長(zhǎng)一致認(rèn)為僅依靠人工智能技術(shù)參與患兒哮喘管理的決策遠(yuǎn)遠(yuǎn)不夠。即使基于算法決策系統(tǒng)的準(zhǔn)確率及避免哮喘復(fù)發(fā)的成功率更高，醫(yī)務(wù)工作者在哮喘管理中仍扮演著關(guān)鍵一環(huán)。家長(zhǎng)的受教育水平及經(jīng)濟(jì)條件影響他們對(duì)新技術(shù)的接受程度。同時(shí)，人工智能技術(shù)作為一個(gè)“沒(méi)有生命、沒(méi)有感情”的技術(shù)手段，缺乏與患兒產(chǎn)生語(yǔ)言及非語(yǔ)言的交流。盡管人工智能技術(shù)可以幫助醫(yī)務(wù)人員做出更好的判斷，但在對(duì)患兒的照護(hù)中仍需要醫(yī)務(wù)人員的參與。

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和普及，手機(jī)的功能日益強(qiáng)大，智能手機(jī)的使用群體也非常龐大。我國(guó)互聯(lián)網(wǎng)絡(luò)信息中心(China Internet Network Information Center,CNNIC)顯示，截至2020年12月，我國(guó)互聯(lián)網(wǎng)用戶(hù)已達(dá)9.89億人，其中手機(jī)用戶(hù)占比99.7%，青少年用戶(hù)占手機(jī)用戶(hù)的16.6%。智能手機(jī)的應(yīng)用在青少年間已非常地普及。如何將健康管理與智能手機(jī)軟件相結(jié)合以達(dá)到更好的效果也是國(guó)內(nèi)外研究的熱點(diǎn)。服藥依從性差已經(jīng)成為兒童哮喘控制不理想的主要原因之一。Lv等團(tuán)隊(duì)基于此，開(kāi)發(fā)了一款智能手機(jī)軟件來(lái)輔助護(hù)士進(jìn)行哮喘患兒的健康管理。該軟件不僅具備服藥依從性管理，還包含了急性哮喘發(fā)作警報(bào)、酸中毒嚴(yán)重程度評(píng)估、健康日記、治療推薦等功能。該研究將以智能手機(jī)軟件輔助護(hù)士進(jìn)行的健康管理與僅有護(hù)士參與的健康管理進(jìn)行對(duì)照，并最終從哮喘惡化頻率、服藥依從性、兒童哮喘控制測(cè)試量表評(píng)分(C-ACT)、呼吸道感染、上學(xué)出勤率及醫(yī)療費(fèi)用等方面對(duì)該軟件的有效性進(jìn)行了全面的評(píng)估，結(jié)果顯示，以智能手機(jī)軟件為輔助的哮喘管理效果要優(yōu)于僅靠護(hù)士主導(dǎo)的健康管理效果。

2.3 哮喘的管理與監(jiān)測(cè)

哮喘作為一種慢性疾病，可通過(guò)嚴(yán)格的管理和控制減少其惡化及復(fù)發(fā)。研究發(fā)現(xiàn)，80%～92%的患兒發(fā)生致死性哮喘的數(shù)天前都表現(xiàn)出哮喘控制不良、癥狀加重等情況?，F(xiàn)有的預(yù)測(cè)模型側(cè)重于預(yù)測(cè)哮喘的惡化程度，但哮喘的惡化往往發(fā)生于哮喘長(zhǎng)期失控的晚期。基于此，Luo等團(tuán)隊(duì)研究開(kāi)發(fā)了1個(gè)預(yù)測(cè)哮喘控制惡化的模型。該模型通過(guò)將收集的210例患兒，共2 912份每周哮喘控制評(píng)估數(shù)據(jù)與患兒個(gè)人基本條件和環(huán)境變量相結(jié)合，以機(jī)器學(xué)習(xí)的方式，能提前1周預(yù)測(cè)兒童哮喘控制惡化。該模型具有71.8%的準(zhǔn)確度、73.8%的靈敏度及71.4%的特異度，可作為哮喘控制惡化的參考依據(jù)。

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和普及，手機(jī)的功能日益強(qiáng)大，智能手機(jī)的使用群體也非常龐大。我國(guó)互聯(lián)網(wǎng)絡(luò)信息中心(China Internet Network Information Center,CNNIC)顯示，截至2020年12月，我國(guó)互聯(lián)網(wǎng)用戶(hù)已達(dá)9.89億人，其中手機(jī)用戶(hù)占比99.7%，青少年用戶(hù)占手機(jī)用戶(hù)的16.6%[16]。智能手機(jī)的應(yīng)用在青少年間已非常地普及。如何將健康管理與智能手機(jī)軟件相結(jié)合以達(dá)到更好的效果也是國(guó)內(nèi)外研究的熱點(diǎn)。服藥依從性差已經(jīng)成為兒童哮喘控制不理想的主要原因之一[17]。Lv等[18]團(tuán)隊(duì)基于此，開(kāi)發(fā)了一款智能手機(jī)軟件來(lái)輔助護(hù)士進(jìn)行哮喘患兒的健康管理。該軟件不僅具備服藥依從性管理，還包含了急性哮喘發(fā)作警報(bào)、酸中毒嚴(yán)重程度評(píng)估、健康日記、治療推薦等功能。該研究將以智能手機(jī)軟件輔助護(hù)士進(jìn)行的健康管理與僅有護(hù)士參與的健康管理進(jìn)行對(duì)照，并最終從哮喘惡化頻率、服藥依從性、兒童哮喘控制測(cè)試量表評(píng)分(C-ACT)、呼吸道感染、上學(xué)出勤率及醫(yī)療費(fèi)用等方面對(duì)該軟件的有效性進(jìn)行了全面的評(píng)估，結(jié)果顯示，以智能手機(jī)軟件為輔助的哮喘管理效果要優(yōu)于僅靠護(hù)士主導(dǎo)的健康管理效果。

臨床上的許多監(jiān)測(cè)儀在科技的發(fā)展下都實(shí)現(xiàn)了精簡(jiǎn)這一目的?？杀O(jiān)測(cè)設(shè)備越便攜、集成功能越強(qiáng)大對(duì)哮喘患兒越便利。哮喘病人氣道對(duì)各種刺激因子，如藥物、運(yùn)動(dòng)、變應(yīng)原、食物等表現(xiàn)出高度敏感狀態(tài)。Buonocore等[19]研發(fā)了一款基于智能手表的無(wú)線(xiàn)健康監(jiān)測(cè)系統(tǒng)，將感知得來(lái)的患兒實(shí)時(shí)生理狀態(tài)(如心率、活動(dòng)量、肺功能數(shù)據(jù)等)以及當(dāng)下所處環(huán)境的各項(xiàng)指標(biāo)(如空氣所含顆粒物濃度等)與當(dāng)日實(shí)時(shí)信息結(jié)合(如交通、天氣、空氣質(zhì)量等)，由機(jī)器學(xué)習(xí)模型處理數(shù)據(jù)，預(yù)測(cè)哮喘發(fā)作的風(fēng)險(xiǎn)，為患兒提供實(shí)時(shí)的預(yù)警。Venkataramanan 等[20]設(shè)計(jì)的K-Health套組包含收集睡眠和活動(dòng)數(shù)據(jù)、峰值流量計(jì)、空氣質(zhì)量監(jiān)測(cè)器等功能，在具備上述功能的基礎(chǔ)上還收集了患兒睡眠狀態(tài)、每12 h空氣中的花粉含量、臭氧濃度等。該可穿戴設(shè)備通過(guò)對(duì)哮喘患兒的持續(xù)監(jiān)測(cè)，識(shí)別季節(jié)、溫度、濕度等與觸發(fā)兒童哮喘發(fā)作及相關(guān)癥狀之間的關(guān)聯(lián)，以便制定更詳細(xì)的個(gè)性化哮喘管理方案，達(dá)到更好的哮喘控制效果。

3 人工智能技術(shù)應(yīng)用于哮喘患兒面臨的挑戰(zhàn)

3.1 人工智能技術(shù)在臨床上應(yīng)用的局限性

自2009年全球哮喘倡議(GINA)首次提出哮喘表型的概念，全球?qū)ζ溥M(jìn)行的相關(guān)研究呈現(xiàn)出愈演愈烈的趨勢(shì)

。但目前仍沒(méi)有統(tǒng)一的劃分標(biāo)準(zhǔn)，這意味著不能按照對(duì)應(yīng)的哮喘表型對(duì)病人實(shí)施治療、護(hù)理活動(dòng)，哮喘病人無(wú)法得到精準(zhǔn)化治療，使治療過(guò)程效率低下，對(duì)醫(yī)療資源也會(huì)造成一定程度上的浪費(fèi)。Brew等的團(tuán)隊(duì)利用數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)根據(jù)病人癥狀和EHR相關(guān)數(shù)據(jù)來(lái)識(shí)別兒童哮喘及哮喘表型。研究結(jié)果分析確定了4種哮喘表型：早期短暫性哮喘、流行性哮喘、輕度哮喘、中度哮喘。4種表型之間完全獨(dú)立，醫(yī)護(hù)人員可通過(guò)各個(gè)表型所特有的癥狀進(jìn)行對(duì)應(yīng)的治療與護(hù)理活動(dòng)。

3.2 健康管理軟件的可及性與普及性

智能手機(jī)軟件的有效使用依賴(lài)于家庭的經(jīng)濟(jì)條件以及監(jiān)護(hù)人和患兒的自覺(jué)程度。但目前，智能手機(jī)并未完全普及，即使存在最有效的監(jiān)測(cè)軟件及健康管理程序，在面對(duì)這一狀況下仍舊是無(wú)計(jì)可施。有些健康管理軟件需要上傳或登記“管理日記”，以便醫(yī)護(hù)人員更好地了解管理狀況，但這取決于患兒及家長(zhǎng)對(duì)哮喘的認(rèn)知及自覺(jué)程度?，F(xiàn)有的健康管理軟件還面臨著受眾面窄的問(wèn)題，大部分軟件只在開(kāi)發(fā)團(tuán)隊(duì)管理的范圍內(nèi)應(yīng)用，缺少合適的途徑使其服務(wù)于整個(gè)哮喘患兒群體。

另有部分女子面對(duì)嚴(yán)苛的道德規(guī)訓(xùn)，表現(xiàn)出大膽的質(zhì)疑意識(shí)。駱綺蘭追隨袁枚、王昶、王文治三先生學(xué)詩(shī)的行為受到了世人的攻擊，但她卻認(rèn)為三位先生德高望重、才學(xué)深厚，以能得其親炙為幸。她以《詩(shī)經(jīng)》中《葛覃》《卷耳》《雞鳴》《昧旦》等篇都出于女子之手，圣人并未刪之以反駁世人以其從師為非禮之說(shuō)。夏伊蘭亦用《詩(shī)經(jīng)》之例反駁世人的言論，曰：“不見(jiàn)三百篇,婦作傳匪鮮”[注](清)蔡殿齊：《國(guó)朝閨閣詩(shī)鈔》， 續(xù)修四庫(kù)全書(shū)，上海：上海古籍出版社，1995-2002年，第1626冊(cè)，第649頁(yè)。，進(jìn)而認(rèn)為人生才德兼?zhèn)浞綖橥隄M(mǎn)。又如才女葛宜更用實(shí)際行動(dòng)反抗道德規(guī)訓(xùn)：

3.3 患兒隱私和各類(lèi)數(shù)據(jù)的安全性

人工智能技術(shù)參與疾病控制管理需要獲得和儲(chǔ)存大量病人數(shù)據(jù)，而數(shù)據(jù)的安全是當(dāng)下亟待關(guān)注的一個(gè)問(wèn)題。病人數(shù)據(jù)的泄露不但會(huì)造成病人隱私的公開(kāi)，還會(huì)被不法分子用于違法途徑，給社會(huì)造成很大的安全隱患。制定相應(yīng)的管理制度，提高醫(yī)護(hù)人員的法律意識(shí)，嚴(yán)格控制電子病例查看權(quán)限并對(duì)每個(gè)訪(fǎng)問(wèn)者進(jìn)行監(jiān)控等都是社會(huì)及醫(yī)療機(jī)構(gòu)在今后發(fā)展EHR時(shí)所要關(guān)注的焦點(diǎn)。

4 展望

隨著科技的進(jìn)步以及交叉學(xué)科的發(fā)展，人工智能技術(shù)參與輔助醫(yī)護(hù)治療及護(hù)理的趨勢(shì)已勢(shì)不可擋。目前，人工智能已經(jīng)逐步滲透到臨床的各個(gè)方面，但它依然存在許多問(wèn)題。對(duì)于哮喘患兒及其家庭來(lái)說(shuō)，人工智能在哮喘管理方面的應(yīng)用能控制病情、減輕家庭負(fù)擔(dān)。對(duì)于醫(yī)護(hù)人員來(lái)說(shuō)，人工智能可幫助醫(yī)護(hù)人員更好的決策，使醫(yī)療資源得到合理分配。如何把握住該機(jī)遇，還需要今后逐步探索。同時(shí)，在技術(shù)層面，怎樣保證相關(guān)設(shè)備在便攜的前提下具備更多的監(jiān)測(cè)功能、降低設(shè)備耗電等也是今后臨床醫(yī)護(hù)人員與人工智能開(kāi)發(fā)者合作研究的重點(diǎn)。

[1] 中華醫(yī)學(xué)會(huì)兒科學(xué)分會(huì)呼吸學(xué)組,《中華兒科雜志》編輯委員會(huì).兒童支氣管哮喘診斷與防治指南(2016年版)[J].中華兒科雜志,2016,54(3):167-181.

[2] SULLIVAN P W,GHUSHCHYAN V,NAVARATNAM P,

.The national burden of poorly controlled asthma,school absence and parental work loss among school-aged children in the United States[J].The Journal of Asthma:Official Journal of the Association for the Care of Asthma,2018,55(6):659-667.

[3] MINTZ Y,BRODIE R.Introduction to artificial intelligence in medicine[J].Minimally Invasive Therapy & Allied Technologies,2019,28(2):73-81.

[4] EXARCHOS K P,BELTSIOU M,VOTTI C A,

.Artificial intelligence techniques in asthma:a systematic review and critical appraisal of the existing literature[J].The European Respiratory Journal,2020,56(3):2000521.

[5] GORELICK M H,STEVENS M W,SCHULTZ T R,

.Performance of a novel clinical score,the Pediatric Asthma Severity Score(PASS),in the evaluation of acute asthma[J].Academic Emergency Medicine,2004,11(1):10-18.

[6] DUCHARME F M,CHALUT D,PLOTNICK L,

.The pediatric respiratory assessment measure:a valid clinical score for assessing acute asthma severity from toddlers to teenagers[J].The Journal of Pediatrics,2008,152(4):476-480.e1.

[7] MESSINGER A I,BUI N,WAGNER B D,

.Novel pediatric-automated respiratory score using physiologic data and machine learning in asthma[J].Pediatric Pulmonology,2019,54(8):1149-1155.

[8] 周丹,尹安春.人工神經(jīng)網(wǎng)絡(luò)在護(hù)理領(lǐng)域的應(yīng)用研究進(jìn)展[J].護(hù)理學(xué)雜志,2020,35(3):94-97.

[9] VAN WONDEREN K E,VAN DER MARK L B,MOHRS J,

.Different definitions in childhood asthma:how dependable is the dependent variable? [J].The European Respiratory Journal,2010,36(1):48-56.

[10] SEOL H Y,ROLFES M C,CHUNG W,

.Expert artificial intelligence-based natural language processing characterises childhood asthma[J].BMJ Open Respiratory Research,2020,7(1):e000524.

[11] YU G,LI Z M,LI S X,

.The role of artificial intelligence in identifying asthma in pediatric inpatient setting[J].Annals of Translational Medicine,2020,8(21):1367.

[12] 王強(qiáng),楊繼,翟國(guó)超,等.支氣管哮喘表型研究進(jìn)展[J].江蘇醫(yī)藥,2019,45(10):1058-1061.

[13] BREW B K,CHIESA F,LUNDHOLM C,

.A modern approach to identifying and characterizing child asthma and wheeze phenotypes based on clinical data[J].PLoS One,2019,14(12):e0227091.

[14] PLAZA V,SERRANO J,PICADO C,

.Frequency and clinical characteristics of rapid-onset fatal and near-fatal asthma[J].The European Respiratory Journal,2002,19(5):846-852.

[15] LUO G,STONE B L,FASSL B,

.Predicting asthma control deterioration in children[J].BMC Medical Informatics and Decision Making,2015,15:84.

[16] 中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心．第47次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL]．[2021-02-01].http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202102/t20210203_71361.htm.

[17] BLAKE K V.Improving adherence to asthma medications:current knowledge and future perspectives[J].Current Opinion in Pulmonary Medicine,2017,23(1):62-70.

[18] LV S X,YE X H,WANG Z J,

.A randomized controlled trial of a mobile application-assisted nurse-led model used to improve treatment outcomes in children with asthma[J].Journal of Advanced Nursing,2019,75(11):3058-3067.

[19] BUONOCORE C M,ROCCHIO R A,ROMAN A,

.Wireless sensor-dependent ecological momentary assessment for pediatric asthma mHealth applications[C].2017 IEEE/ACM International Conference on Connected Health:Applications,Systems and Engineering Technologies,2017:137-146.

[20] VENKATARAMANAN R,THIRUNARAYAN K,JAIMINI U,

.Determination of personalized asthma triggers from multimodal sensing and a mobile app:observational study[J].JMIR Pediatrics and Parenting,2019,2(1):e14300.

[21] ABDOUL C,CROS P,COUTIER L,

.Parents′ views on artificial intelligence for the daily management of childhood asthma:a survey[J].The Journal of Allergy and Clinical Immunology in Practice,2021,9(4):1728-1730.