对比文件的名称：2007-06-14_US2007136102A_发明申请_US20070136102A1 METHODS FOR REFINING PATIENT, STAFF AND VISITOR PROFILES USED IN MONITORING QUALITY AND PERFORMANCE AT A HEALTHCARE FACILITY
目标专利的名称：1338离床报警系统CN102150186B
本次调用的模型名称：GPT-4
### 特征比对表格
| 技术特征描述及公开性判断结果 | 对比文件原文引用（中文翻译） | 公开性论述 |
| **技术特征A：该系统包括一个或多个传感器（10）**<br>《直接公开》 | 段落[0075]：“传感器312可以包括各种类型的传感器，例如，视频摄像机、静止摄像机、麦克风、运动传感器、疼痛量表传感器、压力传感器、声学传感器、温度传感器、心率监测器、电导率传感器、RFID检测器、全球定位传感器、手动辅助开关/按钮、床传感器、扶手传感器、床垫传感器、位置传感器、氧气罐传感器、支撑位置传感器、呼叫按钮等。” | 对比文件明确公开了传感器312，包括多种传感器，相当于本发明的传感器，因此该技术特征被直接公开。 |
| **技术特征B：所述一个或多个传感器（10）用于测量该用户的一种或多种生理特征**<br>《直接公开》 | 段落[0075]中列出了“心率监测器、温度传感器”等。 | 对比文件公开的传感器包括心率监测器和温度传感器，这些传感器用于测量心率和体温等生理特征，因此该特征被直接公开。 |
| **技术特征C：所述一个或多个传感器（10）用于产生指示所述一种或多种生理特征的对应信号**<br>《直接公开》 | 段落[0077]：“事件检测模块316可以监视和处理来自传感器的输入以检测是否输入组合指示潜在可操作事件317的发生。” | 对比文件中的传感器产生输入信号，由处理器监视和处理，即传感器产生对应信号，因此该特征被直接公开。 |
| **技术特征D：和处理器（12）**<br>《直接公开》 | 段落[0066]：“计算机系统可以包括一个或多个集中式计算机，称为‘设施主控’，以及一个或多个本地计算机，例如‘室内控制器’。” | 对比文件公开了计算机系统，包括处理器，因此该特征被直接公开。 |
| **技术特征E：所述处理器（12）适于监视所述对应信号**<br>《直接公开》 | 段落[0077]：“事件检测模块316可以监视和处理来自传感器的输入以检测是否输入组合指示潜在可操作事件317的发生。” | 对比文件明确处理器监视来自传感器的输入信号，因此该特征被直接公开。 |
| **技术特征F：并所述处理器（12）适于根据所述一种或多种生理特征的变化来确定该用户将要离开床（2）的可能性**<br>《隐含公开》 | 段落[0079]：“可操作事件可以在给定患者的特定警报水平被满足时被检测到。例如，风险行为和/或生命体征的特定组合可能导致可操作事件被检测到。”；段落[0017]：“质量性能标准包括但不限于……防止无辅助支持退出……” | 对比文件公开了生命体征的特定组合可用于检测可操作事件，而可操作事件包括无辅助支持退出（即离床）。因此，本领域技术人员可以合理推断，生命体征的变化可用于确定用户离床的可能性，故该特征被隐含公开。 |
| **技术特征G：其中所述处理器（12）适于通过比较所述一种或多种生理特征的变化与在多次先前的用户离床期间收集的数据来确定用户将要离开床（2）的可能性**<br>《隐含公开》 | 段落[0025]：“信息反馈循环也可以用于更新患者档案以更好地预测未来的支持退出。”；段落[0302]：“根据一次或多次确认或拒绝预测的离床，可以学习关于患者特定离床习惯的额外信息。步骤1403包括手动或自动修改先前设置的离床限制以更准确地预测患者离床行为。” | 对比文件公开了基于多次先前的离床事件（确认或拒绝）来更新患者档案，从而调整预测算法。虽然对比文件明确使用位置和行为数据，但本领域技术人员可合理推断，生理特征的变化也可同样通过比较历史数据来预测离床，因此该特征被隐含公开。 |
| **技术特征H：其中所述处理器（12）进一步适于在其确定用户可能离开床（2）的情况下发出警报或报警信号**<br>《直接公开》 | 段落[0024]：“如果检测到预测患者支持退出的行为，则触发适当的响应，例如包括向工作人员发出警报、建立双向音视频通信等。” | 对比文件明确在预测离床时发出警报，因此该特征被直接公开。 |
| **技术特征I：其中由所述一个或多个传感器（10）测量的该用户的所述一种或多种生理特征包括心率、脉率、呼吸率、体温、血压或心率变异性中的任意一种或多种**<br>《直接公开》 | 段落[0075]中列出了“心率监测器、温度传感器”。 | 对比文件公开了心率监测器和温度传感器，对应心率和体温，因此该特征至少部分被直接公开。 |
| **技术特征J：进一步包括用于检测用户存在或不存在于床（2）上的传感器（18）**<br>《直接公开》 | 段落[0075]中列出了“床传感器、床垫传感器”；段落[0112]的数据通道包括“no body in bed (absent/present)”。 | 对比文件公开了用于检测患者是否在床上的传感器，因此该特征被直接公开。 |
| **技术特征K：其中所述用于测量生理特征的一个或多个传感器（10）之一被用作为所述用于检测用户存在或不存在于床（2）上的传感器（18）**<br>不公开 | 对比文件未公开同一传感器同时用于测量生理特征和检测存在。虽然公开了压力传感器可用于检测存在，但未公开其用于测量生理特征（如心跳）。 | 对比文件没有明确或暗示将生理特征传感器兼用作存在检测器，因此该特征未被公开。 |
| **技术特征L：其中所述传感器（18）包括压力传感器或应变计**<br>《直接公开》 | 段落[0075]中列出了“压力传感器”。 | 对比文件公开了压力传感器，因此该特征被直接公开。 |
| **技术特征M：其中所述处理器（10）进一步适于在所述传感器（18）指示用户已经离开床（2）的情况下发出警报或报警信号**<br>《直接公开》 | 段落[0358]：“床退出已发生：(6)为absent且RFID [F]为positive，则……发送警报。” | 对比文件明确在检测到用户已离开床时发出警报，因此该特征被直接公开。 |
| **技术特征N：其中所述处理器（10）适于使用离床预测算法来根据所述一种或多种生理特征的变化确定该用户将要离开床（2）的可能性**<br>《隐含公开》 | 段落[0112]描述了离床预测算法，使用数据通道A-H等；段落[0079]提到生命体征可用于检测可操作事件。 | 对比文件公开了离床预测算法，虽然其具体实施基于位置和运动数据，但结合生命体征可用于检测可操作事件的教导，本领域技术人员可合理推断该算法也可基于生理特征变化实现，因此该特征被隐含公开。 |
| **技术特征O：其中所述处理器（10）适于基于所确定的可能性与来自传感器（18）的用户是否随后离开床（2）的指示之间的比较来更新所述离床预测算法**<br>《直接公开》 | 段落[0025]：“信息反馈循环也可以用于更新患者档案以更好地预测未来的支持退出。”；段落[0302]：“根据一次或多次确认或拒绝预测的离床，可以学习关于患者特定离床习惯的额外信息。步骤1403包括手动或自动修改先前设置的离床限制以更准确地预测患者离床行为。” | 对比文件明确公开了基于预测的离床可能性与实际离床指示的比较来更新预测算法（即患者档案中的限制），因此该特征被直接公开。 |
| **技术特征P：其中所述处理器（10）包括用于实现所述离床预测算法的监督分类算法**<br>不公开 | 对比文件未明确公开监督分类算法用于离床预测。段落[0051]提到“预测建模和人工智能”，但未具体到监督分类；在支持退出算法中，采用规则触发，而非分类器。 | 对比文件没有公开监督分类算法，本领域技术人员也无法从对比文件直接或隐含得出该特征，因此该特征未被公开。 |
<<<A>>><<<B>>><<<C>>><<<D>>><<<E>>><<<H>>><<<I>>><<<J>>><<<L>>><<<M>>><<<O>>><<<f>>><<<g>>><<<n>>>