CN104021261A - 医疗领域数据处理方法和装置 - Google Patents
医疗领域数据处理方法和装置 Download PDFInfo
- Publication number
- CN104021261A CN104021261A CN201310064224.4A CN201310064224A CN104021261A CN 104021261 A CN104021261 A CN 104021261A CN 201310064224 A CN201310064224 A CN 201310064224A CN 104021261 A CN104021261 A CN 104021261A
- Authority
- CN
- China
- Prior art keywords
- indication
- data
- conditional
- patient data
- section
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种处理医疗领域数据的方法和装置,其中处理指征条件的方法包括:获取预定的多个指征条件,其涉及多个参数;以及根据所述多个指征条件中定义的所述多个参数的各个取值,形成多个条件区段,其分别对应于所述多个参数的取值范围的多种组合。处理患者数据的方法包括,获取患者数据在如上所述形成的多个条件区段的分布信息;以及根据所述分布信息确定患者数据与至少一个指征条件的匹配关系。所述装置与上述方法对应。利用上述方法和装置,直接基于患者数据在各个条件区段中的分布来确定患者数据与多个指征条件的匹配关系,从而减小或避免了多次数据获取、转换和分析导致的效率降低,提高了患者数据的处理效率。
Description
技术领域
本发明涉及数据处理,更具体而言,涉及用于处理医疗领域相关数据的方法和装置。
背景技术
随着医疗电子化的推广,已经利用电子健康档案(EHR)来记录患者的医疗相关数据。通常,EHR中包含了患者的基本信息,主要疾病以及所有的就诊记录。就诊记录记录了患者在不同时间(例如,每次就诊时,一段时间内的每天,等等)的就诊情况,包括诊断结果,实验室检查检验结果,例如对各种身体指标进行测量的测量结果。现有的EHR典型地采用XML语言将患者数据记录为医疗档案架构(Clinical Document Architecture,CDA)形式。
另一方面,权威机构通过大量的临床实践和临床证据,针对不同疾病,发布了临床指南,以帮助医生全面了解患者的状况。一般地,临床指南包括多项指征以及该指征的判断条件。例如,关于糖尿病的临床指南中可能包含血糖受控的指征1和血糖持续偏高的指征2,指征1的条件为,最近一个月内的80%的血糖测量值满足空腹血糖<7.5mmol/L,或者(饭后)2小时血糖<10mmol/L,而指征2的条件为,最近3个月80%的血糖测量值满足空腹血糖>=9mmol/L,或者2小时血糖>=13mmol/L。确定单独的指征并不能直接进行疾病的诊断和治疗,但是多项指征的组合可以帮助医生更加全面地获取患者的综合信息。由于指征的判断和匹配需要以用户的测量结果为基础,因此,希望从EHR中获取患者数据,对患者数据进行处理,以将其与临床指南中的指征条件相匹配,从而附加地提供更加全面的患者信息。
图1示意性示出现有技术中处理患者数据的方式。如图1所示,在需要对临床指南中的多个指征条件1-n进行匹配分析的情况下,逐个地针对每个指征条件执行数据获取步骤101,数据转换步骤102和条件匹配步骤103。具体地,对于某个指征条件i,在数据获取步骤101,获取指征条件i所需要的患者数据。例如,对于上述指征1的指征条件,需要获取患者最近一个月内空腹血糖数据和2小时血糖数据。然后,在数据转换步骤102,将获取的患者数据转换为需要的格式。如前所述,现有的EHR采用XML语言将患者数据记录为CDA形式。然而,这样的形式并不利于直接进行数据分析和匹配。因此,在步骤102,将患者数据从CDA形式转换为虚拟病例VMR(Virtual Medical Record)形式。VMR形式可以体现为一个以患者为根节点,以观测结果的各个属性为叶节点的树形结构。通过遍历该树形结构,在条件匹配步骤103,可以将患者数据与指征条件i进行匹配,也就是分析患者数据是否符合指征条件i。在完成指征条件i的匹配之后,按照同样的步骤101-103分析下一指征条件。由此,通过对患者数据的处理和分析,可以获取患者数据与临床指南中各个指征条件的匹配情况。
然而,以上处理患者数据的方式不能达到理想的执行效率。导致效率不理想的原因包括冗余的数据处理。例如,为了分析指征条件1,需要获取患者最近一个月内空腹血糖数据和2小时血糖数据;为了分析指征条件2,需要获取患者最近3个月的空腹血糖数据和2小时血糖数据。尽管指征条件2所需的数据包含了指征条件1所需的数据,但是根据图1的方法,在分析指征条件2时,仍然需要重新从EHR中读取最近3个月的全部血糖数据。于是,最近1个月的血糖数据在分析指征条件1和指征条件2时,被反复读取。进而,在接下来的数据转换步骤12,以上数据又被多次进行转换;在条件匹配步骤13,以上数据又被多次遍历。显然,这样的冗余处理降低了患者数据的处理效率。实践中,针对某项病症的临床指南往往包含上百条甚至几百条指征条件。由于要分析的指征条件较多,患者数据的处理一般不能实时进行,而是要花费很长时间。这也使得医生无法及时获取患者的综合信息。
因此,希望提出改进的方案,以提高患者数据的处理效率。
发明内容
考虑到现有技术中的问题,提出本发明,旨在提高患者数据的处理效率。
根据本发明第一方面,提供了一种处理指征条件的方法,包括:获取预定的多个指征条件,所述多个指征条件涉及多个参数;根据所述多个指征条件中定义的所述多个参数的各个取值,形成多个条件区段,其中所述多个条件区段分别对应于所述多个参数的取值范围的多种组合。
根据本发明第二方面的实施例,提供了一种处理患者数据的方法,包括:获取患者数据在利用第一方面的方法针对多个指征条件所形成的多个条件区段的分布信息;以及根据所述分布信息确定患者数据与所述多个指征条件中的至少一个指征条件的匹配关系。
根据本发明的第三方面,提供了一种处理指征条件的装置,包括:指征条件获取单元,配置为获取预定的多个指征条件,所述多个指征条件涉及多个参数;条件区段形成单元,配置为根据所述多个指征条件中定义的所述多个参数的各个取值,形成多个条件区段,其中所述多个条件区段分别对应于所述多个参数的取值范围的多种组合。
根据本发明第四方面,提供了一种处理患者数据的装置,包括:分布获取单元,配置为获取患者数据在利用第三方面的装置针对多个指征条件所形成的多个条件区段的分布信息;以及匹配确定单元,配置为根据所述分布信息确定患者数据与所述多个指征条件中的至少一个指征条件的匹配关系。
利用本发明实施例的方法和装置,可以基于患者数据在形成的各个条件区段中的分布信息,直接确定患者数据与多个指征条件的匹配关系。由于减小了冗余的数据获取、数据转换的次数,本发明实施例的方法和装置提高了患者数据处理效率。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示意性示出现有技术中处理患者数据的方式;
图2示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图;
图3示出根据本发明一个实施例的处理指征条件的方法;
图4示出根据一个实施例的形成多个条件区段的子步骤;
图5示出根据一个实施例的条件区段形成过程示意图;
图6示出根据一个实施例形成的多个条件区段;
图7示出根据另一实施例形成的多个条件区段;
图8示出根据本发明一个实施例的处理患者数据的方法;
图9A示出根据本发明一个实施例的处理指征条件的装置的示意框图;以及
图9B示出根据本发明一个实施例的处理患者数据的装置的示意框图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
所属技术领域的技术人员知道,本发明可以实现为***、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为“电路”、“模块”或“***”。此外,在一些实施例中,本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
下面将参照本发明实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述本发明。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,这些计算机程序指令通过计算机或其它可编程数据处理装置执行,产生了实现流程图和/或框图中的方框中规定的功能/操作的装置。
也可以把这些计算机程序指令存储在能使得计算机或其它可编程数据处理装置以特定方式工作的计算机可读介质中,这样,存储在计算机可读介质中的指令就产生出一个包括实现流程图和/或框图中的方框中规定的功能/操作的指令装置(instruction means)的制造品(manufacture)。
也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其它可编程装置上执行的指令能够提供实现流程图和/或框图中的方框中规定的功能/操作的过程。
图2示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。图2显示的计算机***/服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图2所示,计算机***/服务器12以通用计算设备的形式表现。计算机***/服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机***/服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机***/服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机***/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图1中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机***/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机***/服务器12交互的设备通信,和/或与使得该计算机***/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机***/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机***/服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机***/服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
以下结合附图描述本发明的执行方式。根据本发明的实施例,综合考虑多个指征条件,根据指征条件中涉及的各个参数形成多个条件区段。然后,分析患者数据在各个条件区段的分布,并基于这样的分布信息确定患者数据与各个指征条件的匹配关系。由此,减小或避免了冗余的数据获取、数据转换操作。下面具体描述实现以上构思的各个实施例。
现在参看图3,其示出根据本发明一个实施例的处理指征条件的方法。如图3所示,本发明一个实施例中处理指征条件的方法包括:步骤30,获取预定的多个指征条件,所述多个指征条件涉及多个参数;步骤32,根据所述多个指征条件中定义的所述多个参数的各个取值,形成多个条件区段,其中所述多个条件区段分别对应于所述多个参数的取值范围的多种组合。下面结合具体例子描述以上各个步骤的执行。
首先,在步骤30,获取预定的多个指征条件。在一个实施例中,所述多个指征条件是临床指南中包含的指征条件。由于现有技术中已经采用计算机化的方式来记录和存储临床指南,因此,在步骤30,可以直接从计算机化的临床指南中读取感兴趣的若干项指征条件。在一个具体例子中,所述多个指征条件是针对某项疾病的临床指南中包含的所有指征条件。可以理解,在其他实施例中,也可以从其他的数据源获取预先定义的指征条件。一般地,一个指征条件涉及多个参数,这些参数典型地包括测量指标,参照标准,时间段。在有些情况下,指征条件还可能涉及其他参数,例如测量条件、测量方式等。
基于以上所述的多个指征条件中定义的多个参数的各个取值,在步骤32,形成多个条件区段,其中所述多个条件区段分别对应于所述多个参数的不同取值范围的多种组合。下面结合以下3个指征条件的例子描述上述步骤32的执行。
指征1:血糖受控;
指征条件1:最近一个月内的80%的血糖测量值满足空腹血糖<7.5mmol/L,或者2h血糖<10mmol/L;
指征2:血糖持续偏高;
指征条件2:最近3个月80%的血糖测量值满足空腹血糖>=9mmol/L,或者2h血糖>=13mmol/L;
指征3:低血糖
指征条件3:最近一次血糖测量值<3.9mmol/L。
可以看到,以上指征条件1-3涉及的参数均包括测量指标,参照标准,时间段。在指征条件1中,测量指标取值为空腹血糖或2h血糖,参照标准取值为(空腹血糖)7.5mmol/L以及(2h血糖)10mmol/L,时间段取值为最近1个月。类似地,可以获得指征条件2和3中涉及的参数(测量指标、参照标准,时间段)的取值。基于这些取值,在步骤32,可以形成多个条件区段,以定义患者数据的多种可能状态。
图4示出根据一个实施例的形成多个条件区段的子步骤,即,上述步骤32的子步骤。如图4所示,首先,在步骤321,从所述多个参数中选择第一参数,根据所述多个指征条件中定义的所述第一参数的取值,形成第一层级条件区段;接着,在步骤322,从剩余参数中选择另一参数,根据所述多个指征条件中定义的所述另一参数的取值,形成多个范围区段;在步骤323,将所述多个范围区段与更高层级条件区段结合,形成新一层级条件区段。接着,在步骤324,判断上述多个参数是否都进行了处理。如果没有,则步骤322-323反复执行,直到上述多个参数均得到处理。在处理所有多个参数的情况下,在步骤325,将此时形成的最新层级的条件区段作为所需的多个条件区段。
对于以上的指征条件1-3,涉及的参数包括测量指标,参照标准和时间段。在一个例子中,在步骤321,将测量指标选择为第一参数。进一步地,获取该第一参数在各个指征条件中的取值。对于测量指标来说,指征条件1-3对其的赋值包括空腹血糖和2h血糖(其中指征条件3中的血糖测量包括空腹血糖和2h血糖)。因此,可以基于这两个取值形成第一层级条件区段。也就是,在第一层级,定义了2个条件区段:空腹血糖和2h血糖,从而将患者数据划分为分别符合这两个条件区段的两部分。
接着,在步骤322,从剩余参数中选择另一参数,并获取该另一参数在各个指征条件中的取值,形成多个范围区段。由于测量指标已经选择为第一参数,在一个例子中,选择参照标准作为此处的另一参数。通过对指征条件1-3的分析,可以容易地提取出参照标准的各个取值,获得如下信息:指征条件1定义了参照标准的如下取值:7.5mmol/L,10mmol/L;指征条件2定义的取值包括:9mmol/L,13mmol/L;指征条件3中定义的取值包括3.9mmol/L。在此基础上,将提取获得的各个取值进行排序,将相邻取值结合为一个区段,从而可以获得多个取值范围。对于以上的参照标准的各个取值,可以形成如下范围区段:<3.9,[3.9,7.5),[7.5,9),[9,10),[10,13),以及>=13。
接着,在步骤323,将所述多个范围区段与更高层级条件区段结合,形成新一层级条件区段。在当前例子中,更高层级条件区段也就是步骤321中形成的第一层级条件区段,更具体地,由空腹血糖和2h血糖定义的2个条件区段。于是,在步骤323,利用通过参照标准的各个取值形成的多个范围区段将第一层级的2个条件区段进行进一步划分,以形成新一层级条件区段。在一个例子中,直接将形成的每个范围区段与更高层级的各个条件区段进行组合。在这样的情况下,如果更高层级已经形成n个条件区段,并且在步骤322形成了m个范围,那么可以在新一层级得到n*m个条件区段。在另一实施例中,考虑各个指征条件中定义的参数之间的关联,将步骤322中形成的范围区段与更高层级条件区段结合。具体地,指征条件1中所定义的参照标准的取值<7.5仅针对空腹血糖,而参照标准的取值<10mmol/L仅针对2h血糖。因此,涉及取值7.5mmol/L的范围区段仅需要与第一层级中空腹血糖的条件区段相结合,而涉及取值10mmol/L的范围区段仅需要与第一层级中2h血糖的条件区段相结合。
图5示出根据一个实施例的条件区段形成过程示意图,其中图5A示出一个两层级的条件区段,其中第一层级条件区段是在步骤321中基于测量指标的取值而形成,第二层级条件区段是如前所述在步骤322和323中,基于参照标准的取值而形成。具体地,在图5A中,考虑了指征条件中定义的测量指标和参照标准的关联,因此在第二层级中,与第一层级中的“空腹血糖”条件区段相结合的范围区段仅包含:<3.9,[3.9,7.5),[7.5,9),>=9。相应地,与第一层级中的“2h血糖”条件区段相结合的范围区段包含:<3.9,[3.9,10),[10,13),>=13。由此,在第二层级,形成了8个条件区段。
如前所述,步骤322-323需要反复执行,直到多个参数均得到处理。图5A所形成的条件区段仅仅考虑了测量指标和参照标准这两个参数。因此,接下来,针对剩余的另一参数:时间段,再次执行步骤322和323。
类似地,在步骤322,获取该另一参数“时间段”在各个指征条件中的取值,形成多个范围区段。在指征条件1-3中,针对时间段定义了如下的取值:最近一个月,最近3个月,以及最近一次。由此,可以形成如下的范围区段:最近一次,最近1个月内,以及最近1个月到3个月之间。这些范围区段表示为:最新,<1m,[1m,3m)。接着,在步骤323,将上述多个范围区段与更高层级条件区段,也就是图5A所示的第一和第二层级条件区段相结合,形成新一层级条件区段。如前所述,通过考虑指征条件中定义的参数之间的关联,可以确定,仅指征条件3中与参照标准<3.9相关联地考虑了“最近一次”这一范围区段,因此,该范围区段仅需要与更高层级条件区段中的<3.9这一区段相结合。因此,通过选择性地将时间段的范围区段与更高层级的条件区段进行组合,形成图5B所示的第三层级的条件区段,这些条件区段通过数字标注为条件区段(1)-(9)。在图5B中,出于清楚简洁的目的,省略了2h血糖这一分支在第三层级的条件区段。
对于上述的指征条件1-3,通过执行上述步骤321-323,分层级地形成了如图5B所示的多个条件区段。此时指征条件1-3中涉及的参数:测量指标、参照标准、时间段均已得到处理,因此,将形成的最新层级的条件区段,也就是第三层级条件区段作为所需的多个条件区段。这里,每一条件区段对应于各个参数的不同取值范围的一种组合。例如,条件区段(1)对应于测量指标取值为空腹血糖,参照标准取值为<3.9mmol/L,同时时间段取值为“最近一次”的组合,条件区段(4)对应于测量指标取值为空腹血糖,参照标准取值为[3.9,7.5),同时时间段取值为一个月之内的组合。
为了形成所需的多个条件区段,在如图5所示的形成过程中,在第一层级,将测量指标选择为第一参数,根据其取值形成第一层级的条件区段;然后在第二层级和第三层级,分别根据参照标准和时间段的取值形成新一层级的条件区段。然而,这样的顺序并不是必须的。在一个例子中,在步骤321,仍然根据测量指标的取值形成第一层级条件区段;然而,接下来,在第二层级,根据时间段的取值形成第二层级条件区段,接着,根据参照标准的取值形成第三层级条件区段,由此得到图6所示的条件区段。在另一例子中,在步骤321,根据时间段的取值形成第一层级条件区段,接着,根据测量指标形成第二层级条件区段,并根据参照标准的取值形成最后一级条件区段,由此得到图7所示的条件区段。可以理解,还可以采用其他顺序来形成各个条件区段。
以上结合具体的指征条件1-3的例子描述了条件区段的形成。可以理解,在其他例子中,指征条件中的参数可以具有与上述例子不同的取值。例如,测量指标可以取值为血脂、血压等,相应地,参照标准也会有所不同。对此,可以类似地执行步骤321-323,从而获得所需的条件区段。更一般地,在其他指征条件中,可能涉及不同的参数或者更多的参数,例如测量条件、测量方式等。在此情况下,除了针对不同参数类似地执行上述步骤321-323,还可以通过反复多次执行步骤322-323来处理更多的参数,从而获得更多层级的条件区段。
通过以上方法形成的条件区段分别对应于各个指征条件中所定义的参数取值范围的各种组合,这样的组合可以用于对患者数据进行划分,进而将患者数据与各个指征条件进行匹配。换而言之,以上针对多个指征条件所形成的条件区段可以用于患者数据的处理,更具体地,用于分析患者数据与各个指征条件的匹配。
因此,在以上形成条件区段的基础上,本发明的实施例还提供了处理患者数据的方法。图8示出根据一个实施例的处理患者数据的方法的流程图。如图8所示,在步骤82,获取患者数据在利用上述方法针对多个指征条件所形成的多个条件区段中的分布信息;以及步骤84,根据所述分布信息确定患者数据与所述多个指征条件中的至少一个指征条件的匹配关系。下面描述上述步骤的具体执行过程。
在步骤82,获取患者数据在多个条件区段的分布信息,所述多个条件区段根据图3的方法针对多个指征条件而形成。在一个实施例中,为形成的各个条件区段设置计数器,进而在步骤82中,利用各个条件区段的计数器统计落入相应条件区段的患者数据的数目。具体地,在步骤82,从EHR获取患者数据,并在必要时对患者数据进行格式转换。在此基础上,可以将各条患者数据与形成的各个条件区段相匹配。具体地,将患者数据的属性值,例如测量时间、测量指标、测量值等,与各个条件区段所对应的参数的取值范围进行比对,从而判断该患者数据所属于的条件区段。对于特定条件区段来说,一旦将某条患者数据确定为属于该条件区段,或与该条件区段相匹配,就将该特定条件区段的计数器加1。由此,各个条件区段的计数器可以反映落入相应条件区段中的患者数据的数目。因此,通过读取各个条件区段的计数器的计数,可以获得各个条件区段的统计结果,进而获得患者数据在各个条件区段的分布。
特别地,针对某些特殊的条件区段,可以设置寄存器或存储器来存储更多信息。例如,对于图5-图7中时间段的取值范围为“最新”的条件区段,附加地设置一存储器,用于存储进入该条件区段患者数据的测量时间。每当新的数据进入该条件区段,就将新的数据的测量时间与存储的测量时间相比对;如果新的数据的测量时间晚于存储的测量时间,则用新的数据的测量时间替换原先存储的测量时间;如果新的数据的测量时间早于存储的测量时间,则仍然保留原先存储的测量时间。
在一个实施例中,在根据图3的方法形成的多个条件区段之外,附加地设置一“其他”条件区段,用于包括不属于根据该方法形成的任一条件区段的数据。或者,在一个实施例中,对于不属于上述任一条件区段的数据不进行任何记录。
在一个实施例中,为了避免步骤82中不必要的数据匹配操作,在步骤82之前执行步骤80(图8中虚线示出),其中根据多个指征条件确定所需的患者数据,由此缩小步骤82要处理的患者数据的范围。下面仍然结合指征条件1-3的例子进行描述,其中涉及的参数包括测量指标、参照标准和时间段。
在一个实施例中,纵向地基于特定参数在多个指征条件中的取值来确定所需的患者数据。具体地,步骤80可以包括,根据所述多个参数中至少一个参数在所述多个指征条件中的取值范围的并集,确定所需的患者数据。
在一个实施例中,在步骤80,根据参数“测量指标”的取值范围的并集确定所需的患者数据。具体地,测量指标在指征条件1-3中被取值为空腹血糖或2h血糖,其并集即为,空腹血糖和2h血糖的集合。因此,在步骤80,可以将患者数据中有关空腹血糖和2h血糖的数据确定为所需的患者数据。
在一个实施例中,在步骤80,根据参数“时间段”的取值范围的并集确定所需的患者数据。具体地,时间段在指征条件1-3中分别被取值为最近一个月,最近3个月和最近一次,其并集即为,最近3个月。因此,在步骤80,可以将患者数据中最近3个月的所有数据确定为所需的患者数据。
在一个实施例中,考虑两个参数来确定所需的患者数据。此时,步骤80可以包括,根据所述多个参数中第一参数在所述多个指征条件中的取值范围的并集,确定第一数据部分;根据所述多个参数中第二参数在所述多个指征条件中的取值范围的并集,确定第二数据部分;确定第一数据部分和第二数据部分的交集作为所需的患者数据。
在一个例子中,将测量指标作为上述第一参数,将时间段作为上述第二参数。根据之前实施例的分析,可以将患者数据中有关空腹血糖和2h血糖的数据确定为第一数据部分,将患者数据中最近3个月的所有数据确定为第二数据部分。通过对第一数据部分和第二数据部分求交集,可以将患者数据中最近3个月的有关空腹血糖和2h血糖的数据确定为所需的患者数据。
可以理解,在考虑更多个参数来确定所需的患者数据的情况下,可以在两个参数基础上,根据另一参数的取值的并集确定另一数据部分,然后将该另一数据部分与之前获得的数据部分求交集,从而进一步缩窄要分析的患者数据的范围。
在一个实施例中,还可以横向地逐个考虑各个指征条件来确定所需的患者数据。具体地,步骤80可以包括,根据各个指征条件的定义,确定各个指征条件所需的数据部分,以及,获取所述各个指征条件所需的数据部分的并集作为所需的患者数据。
在一个例子中,逐条考虑上述指征条件1-3,分别确定其需要的数据部分。例如,根据指征条件1的定义,可以确定该指征条件1所需的数据部分包括患者最近一个月的空腹血糖数据和最近一个月的2h血糖数据。类似地,分别确定指征条件2和指征条件3所需的数据部分。然后,将获得的用于各个指征条件的数据部分求并集,从而确定所需的患者数据。
以上对不同取值范围和不同数据部分求并集或交集的过程可以采用现有技术中各种数学分析方法进行,在此不再赘述。
通过该步骤80,排除了不可能落入根据图3的方法形成的各个条件区段的数据,减小了步骤82中要分析的数据量,提高了步骤82的处理效率,从而更快速地获取患者数据在各个条件区段的分布。
在获取患者数据在各个条件区段的分布信息的基础上,在步骤84,根据所述分布信息,分析患者数据与所述多个指征条件中的至少一个指征条件的匹配关系。为此,首先将要分析的特定指征条件转换为对至少一个条件区段的数据分布的运算,然后根据上述至少一个条件区段的数据分布,确定患者数据与该特定指征条件的匹配关系。例如,指征条件1包含了如下条件:最近一个月内的80%的血糖测量值满足空腹血糖<7.5mmol/L。该条件可以转换为,获得最近一个月内有关空腹血糖的测量数据中测量结果<7.5mmol/L的数据数目占总数据数目的比例,判断该比例是否小于80%。在根据指征条件1-3形成了图5B所示的条件区段的情况下,上述比例对应于以下运算:(C(2)+C(4))/(C(2)+C(4)+C(6)+C(8)),其中C(i)表示条件区段(i)中分布的数据计数。由此,通过获取条件区段(2),(4),(6),(8)的数据分布,也就是落入其中的数据数目的计数,可以直接计算上述比例,进而确定患者数据与指征条件1是否匹配。指征条件2也可以转换为类似的运算。指征条件3可以转换为判断条件区段(1)计数是否为0。由于条件区段是根据各个指征条件而形成的,因此,指征条件可以容易地转换为对条件区段的数据分布结果的运算。可以理解,在步骤84针对各个指征条件进行匹配分析时,只需要直接利用步骤82获取的各个条件区段的数据分布,而不必再次对患者数据进行读取、转换、分析。
因此,综合来说,在以上描述的本发明的实施例中,可以针对多个指征条件形成多个条件区段,然后获取患者数据在各个条件区段的分布信息。由此,对于各个指征条件,均可以直接基于上述分布信息来确定患者数据与其的匹配关系。相对于现有技术中针对每一指征条件重新进行数据获取、数据转换和数据分析的处理方式,本发明的实施例避免了多次数据获取、转换和分析导致的效率降低,从而高效地实现患者数据的处理和分析。
基于同一发明构思,本发明的实施例还提供了一种处理指征条件的装置和处理患者数据的装置。图9A示出根据本发明一个实施例的处理指征条件的装置的示意框图。在图9中,该装置总体表示为91。如图所示,用于处理指征条件的装置91包括:指征条件获取单元910,配置为获取预定的多个指征条件,所述多个指征条件涉及多个参数;条件区段形成单元912,配置为根据所述多个指征条件中定义的所述多个参数的各个取值,形成多个条件区段,其中所述多个条件区段分别对应于所述多个参数的取值范围的多种组合。
根据一个实施例,上述条件区段形成单元912包括(未示出):第一层级形成模块,配置为从所述多个参数中选择第一参数,根据所述多个指征条件中定义的所述第一参数的取值,形成第一层级条件区段;范围区段形成模块,配置为从剩余参数中选择另一参数,根据所述多个指征条件中定义的所述另一参数的取值,形成多个范围区段;以及结合模块,配置为将所述多个范围区段与更高层级条件区段结合,以形成新一层级条件区段;其中所述范围区段形成模块和所述结合模块反复执行,直到所述多个参数均得到处理,此时形成的新一层级条件区段被确定为所述多个条件区段。
根据一个实施例,上述结合模块配置为,考虑所述多个指征条件中定义的多个参数之间的关联,将所述多个范围区段与更高层级条件区段结合。
根据一个实施例,所述指征条件获取单元910配置为,从临床指南获取所述多个指征条件,所述多个参数包括,测量指标,参照标准以及时间段。
图9B示出根据本发明一个实施例的处理患者数据的装置的示意框图。在图9B中,该装置总体表示为92,并包括:分布获取单元922,配置为获取患者数据在利用图9A的装置针对多个指征条件形成的多个条件区段的分布信息;以及匹配确定单元924,配置为根据所述分布确定患者数据与所述多个指征条件中的至少一个指征条件的匹配关系。
在一个实施例中,所述分布获取单元922配置为:利用针对所述多个条件区段设置的计数器统计落入相应条件区段的患者数据的数目;通过读取所述多个条件区段的计数器的计数,获得患者数据在各个条件区段的分布。
根据一个实施例,装置92还包括数据确定单元920(虚线示出),配置为根据所述多个参数中至少一个参数在所述多个指征条件中的取值范围的并集,确定所需的患者数据;其中所述分布获取单元配置为,确定所述所需的患者数据在所述多个条件区段的分布。
在一个实施例中,所述数据确定单元920配置为:根据所述多个参数中第一参数在所述多个指征条件中的取值范围的并集,确定第一数据部分;根据所述多个参数中第二参数在所述多个指征条件中的取值范围的并集,确定第二数据部分;以及确定第一数据部分和第二数据部分的交集作为所需的患者数据。
根据一个实施例,所述匹配确定单元924配置为:将所述至少一个指征条件转换为对至少一个条件区段的数据分布的运算;以及根据上述至少一个条件区段的数据分布,确定患者数据与所述至少一个指征条件的匹配关系。
以上处理指征条件的装置91和处理患者数据的装置92的具体执行方式可以参照之前结合具体例子对方法的描述,在此不再赘述。
本发明实施例的方法和装置减小或避免了多次数据获取、转换和分析导致的效率降低,从而高效地实现患者数据的处理和分析。
附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (20)
1.一种处理医疗领域中的指征条件的方法,包括:
获取预定的多个指征条件,所述多个指征条件涉及多个参数;以及
根据所述多个指征条件中定义的所述多个参数的各个取值,形成多个条件区段,其中所述多个条件区段分别对应于所述多个参数的取值范围的多种组合。
2.根据权利要求1的方法,其中,所述形成多个条件区段包括:
从所述多个参数中选择第一参数,根据所述多个指征条件中定义的所述第一参数的取值,形成第一层级条件区段;
从剩余参数中选择另一参数,根据所述多个指征条件中定义的所述另一参数的取值,形成多个范围区段;以及
将所述多个范围区段与更高层级条件区段组合,以形成新一层级条件区段;
其中形成多个范围区段的步骤与形成新一层级条件区段的步骤反复执行,直到所述多个参数均得到处理,将此时形成的新一层级条件区段确定为所述多个条件区段。
3.根据权利要求2的方法,其中将所述多个范围区段与更高层级条件区段组合包括,考虑所述多个指征条件中定义的多个参数之间的关联,将所述多个范围区段与更高层级条件区段结合。
4.一种处理患者数据的方法,包括:
获取患者数据在利用权利要求1-3任一项的方法针对多个指征条件所形成的多个条件区段中的分布信息;以及
根据所述分布信息确定所述患者数据与所述多个指征条件中的至少一个指征条件的匹配关系。
5.根据权利要求4的方法,其中获取所述分布信息包括:利用针对所述多个条件区段设置的计数器统计落入相应条件区段的患者数据的数目;通过读取所述多个条件区段的计数器的计数,获得患者数据在各个条件区段的分布。
6.根据权利要求4的方法,还包括,根据所述多个指征条件确定所需的患者数据;其中获取所述分布信息包括,确定所述所需的患者数据在所述多个条件区段的分布。
7.根据权利要求6的方法,其中确定所需的患者数据包括,根据所述多个指征条件所涉及的多个参数中至少一个参数在所述多个指征条件中的取值范围的并集,确定所需的患者数据。
8.根据权利要求7的方法,其中确定所需的患者数据包括:
根据所述多个参数中第一参数在所述多个指征条件中的取值范围的并集,确定第一数据部分;
根据所述多个参数中第二参数在所述多个指征条件中的取值范围的并集,确定第二数据部分;以及
确定第一数据部分和第二数据部分的交集作为所需的患者数据。
9.根据权利要求6的方法,其中确定所需的患者数据包括:
根据各个指征条件的定义,确定各个指征条件所需的数据部分;以及
获取所述各个指征条件所需的数据部分的并集作为所需的患者数据。
10.根据权利要求4的方法,其中根据所述分布信息确定患者数据与所述多个指征条件中的至少一个指征条件的匹配关系包括:
将所述至少一个指征条件转换为对至少一个条件区段的数据分布的运算;以及
根据上述至少一个条件区段的数据分布,确定患者数据与所述至少一个指征条件的匹配关系。
11.一种处理医疗领域中的指征条件的装置,包括:
指征条件获取单元,配置为获取预定的多个指征条件,所述多个指征条件涉及多个参数;以及
条件区段形成单元,配置为根据所述多个指征条件中定义的所述多个参数的各个取值,形成多个条件区段,其中所述多个条件区段分别对应于所述多个参数的取值范围的多种组合。
12.根据权利要求11的装置,其中,所述条件区段形成单元包括:
第一层级形成模块,配置为从所述多个参数中选择第一参数,根据所述多个指征条件中定义的所述第一参数的取值,形成第一层级条件区段;
范围区段形成模块,配置为从剩余参数中选择另一参数,根据所述多个指征条件中定义的所述另一参数的取值,形成多个范围区段;以及
组合模块,配置为将所述多个范围区段与更高层级条件区段组合,以形成新一层级条件区段;
其中所述范围区段形成模块和所述组合模块反复执行,直到所述多个参数均得到处理,此时形成的新一层级条件区段被确定为所述多个条件区段。
13.根据权利要求12的装置,其中所述组合模块配置为,考虑所述多个指征条件中定义的多个参数之间的关联,将所述多个范围区段与更高层级条件区段结合。
14.一种处理患者数据的装置,包括:
分布获取单元,配置为获取患者数据在利用权利要求11-13的装置针对多个指征条件所形成的多个条件区段中的分布信息;以及
匹配确定单元,配置为根据所述分布信息确定患者数据与所述多个指征条件中的至少一个指征条件的匹配关系。
15.根据权利要求14的装置,其中所述分布获取单元配置为:利用针对所述多个条件区段设置的计数器统计落入相应条件区段的患者数据的数目;通过读取所述多个条件区段的计数器的计数,获得患者数据在各个条件区段的分布。
16.根据权利要求14的装置,还包括,数据确定单元,配置为根据所述多个指征条件确定所需的患者数据;其中所述分布获取单元配置为,确定所述所需的患者数据在所述多个条件区段的分布。
17.根据权利要求16的装置,其中所述数据确定单元配置为,根据所述多个指征条件所涉及的多个参数中至少一个参数在所述多个指征条件中的取值范围的并集,确定所需的患者数据。
18.根据权利要求17的装置,其中所述数据确定单元配置为:
根据所述多个参数中第一参数在所述多个指征条件中的取值范围的并集,确定第一数据部分;
根据所述多个参数中第二参数在所述多个指征条件中的取值范围的并集,确定第二数据部分;以及
确定第一数据部分和第二数据部分的交集作为所需的患者数据。
19.根据权利要求16的装置,其中所述数据确定单元配置为:
根据各个指征条件的定义,确定各个指征条件所需的数据部分;以及
获取所述各个指征条件所需的数据部分的并集作为所需的患者数据。
20.根据权利要求14的装置,其中所述匹配确定单元配置为:
将所述至少一个指征条件转换为对至少一个条件区段的数据分布的运算;以及
根据上述至少一个条件区段的数据分布,确定患者数据与所述至少一个指征条件的匹配关系。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310064224.4A CN104021261A (zh) | 2013-02-28 | 2013-02-28 | 医疗领域数据处理方法和装置 |
US14/186,079 US10068668B2 (en) | 2013-02-28 | 2014-02-21 | Method and apparatus for processing medical data |
US16/053,086 US11004564B2 (en) | 2013-02-28 | 2018-08-02 | Method and apparatus for processing medical data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310064224.4A CN104021261A (zh) | 2013-02-28 | 2013-02-28 | 医疗领域数据处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104021261A true CN104021261A (zh) | 2014-09-03 |
Family
ID=51389059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310064224.4A Pending CN104021261A (zh) | 2013-02-28 | 2013-02-28 | 医疗领域数据处理方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (2) | US10068668B2 (zh) |
CN (1) | CN104021261A (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10304007B2 (en) * | 2015-12-08 | 2019-05-28 | International Business Machines Corporation | Using a plurality of heterogeneous decision engines to produce a single decision |
WO2017175208A1 (en) * | 2016-04-08 | 2017-10-12 | Optum, Inc. | Methods, apparatuses, and systems for gradient detection of significant incidental disease indicators |
BR102016011525A2 (pt) | 2016-05-20 | 2017-12-05 | Pulse Participações S.A | System and related methods for conducting correlation between medical data and conditions of diagnosis and follow-up of health treatment of patient monitored in real time |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6272480B1 (en) * | 1997-10-17 | 2001-08-07 | Siemens Aktiengesellschaft | Method and arrangement for the neural modelling of a dynamic system with non-linear stochastic behavior |
US20040083084A1 (en) * | 2002-10-24 | 2004-04-29 | Mike West | Binary prediction tree modeling with many predictors |
CN1588308A (zh) * | 2004-07-02 | 2005-03-02 | 北京邮电大学 | 采用改进遗传算法的试题库自动组卷实现方法 |
CN101388006A (zh) * | 2008-10-24 | 2009-03-18 | 中国科学院计算技术研究所 | 一种自动化的文摘实验装置与方法 |
CN101599217A (zh) * | 2009-07-17 | 2009-12-09 | 北京交通大学 | 一种快速路交通状态判别方法 |
CN101938939A (zh) * | 2008-02-07 | 2011-01-05 | 皇家飞利浦电子股份有限公司 | 用于测量和预测患者呼吸稳定性的装置 |
CN101990673A (zh) * | 2008-02-29 | 2011-03-23 | 霍夫曼-拉罗奇有限公司 | 用于评估血糖控制的装置和方法 |
CN102314614A (zh) * | 2011-10-24 | 2012-01-11 | 北京大学 | 一种基于类共享多核学习的图像语义分类方法 |
CN102540157A (zh) * | 2010-12-08 | 2012-07-04 | 中国科学院电子学研究所 | 一种基于简缩极化合成孔径雷达数据的地物分类方法 |
US20120209855A1 (en) * | 2009-10-27 | 2012-08-16 | S. Grants Co., Ltd. | Bit-string key classification/distribution apparatus, classification/distribution method, and program |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1934702A2 (en) | 2005-09-06 | 2008-06-25 | Kedasys, LLC | Clinical decision support system |
US20070112827A1 (en) * | 2005-11-10 | 2007-05-17 | International Business Machines Corporation | Abstract rule sets |
US20070118399A1 (en) | 2005-11-22 | 2007-05-24 | Avinash Gopal B | System and method for integrated learning and understanding of healthcare informatics |
US20080133275A1 (en) * | 2006-11-28 | 2008-06-05 | Ihc Intellectual Asset Management, Llc | Systems and methods for exploiting missing clinical data |
US20080154642A1 (en) | 2006-12-21 | 2008-06-26 | Susan Marble | Healthcare Core Measure Tracking Software and Database |
US8597190B2 (en) * | 2007-05-18 | 2013-12-03 | Optiscan Biomedical Corporation | Monitoring systems and methods with fast initialization |
US20090192822A1 (en) | 2007-11-05 | 2009-07-30 | Medquist Inc. | Methods and computer program products for natural language processing framework to assist in the evaluation of medical care |
JP5185785B2 (ja) * | 2008-11-19 | 2013-04-17 | オムロンヘルスケア株式会社 | 健康状態判断装置 |
US20100138231A1 (en) | 2008-11-30 | 2010-06-03 | Linthicum Steven E | Systems and methods for clinical element extraction, holding, and transmission in a widget-based application |
-
2013
- 2013-02-28 CN CN201310064224.4A patent/CN104021261A/zh active Pending
-
2014
- 2014-02-21 US US14/186,079 patent/US10068668B2/en active Active
-
2018
- 2018-08-02 US US16/053,086 patent/US11004564B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6272480B1 (en) * | 1997-10-17 | 2001-08-07 | Siemens Aktiengesellschaft | Method and arrangement for the neural modelling of a dynamic system with non-linear stochastic behavior |
US20040083084A1 (en) * | 2002-10-24 | 2004-04-29 | Mike West | Binary prediction tree modeling with many predictors |
CN1588308A (zh) * | 2004-07-02 | 2005-03-02 | 北京邮电大学 | 采用改进遗传算法的试题库自动组卷实现方法 |
CN101938939A (zh) * | 2008-02-07 | 2011-01-05 | 皇家飞利浦电子股份有限公司 | 用于测量和预测患者呼吸稳定性的装置 |
CN101990673A (zh) * | 2008-02-29 | 2011-03-23 | 霍夫曼-拉罗奇有限公司 | 用于评估血糖控制的装置和方法 |
CN101388006A (zh) * | 2008-10-24 | 2009-03-18 | 中国科学院计算技术研究所 | 一种自动化的文摘实验装置与方法 |
CN101599217A (zh) * | 2009-07-17 | 2009-12-09 | 北京交通大学 | 一种快速路交通状态判别方法 |
US20120209855A1 (en) * | 2009-10-27 | 2012-08-16 | S. Grants Co., Ltd. | Bit-string key classification/distribution apparatus, classification/distribution method, and program |
CN102540157A (zh) * | 2010-12-08 | 2012-07-04 | 中国科学院电子学研究所 | 一种基于简缩极化合成孔径雷达数据的地物分类方法 |
CN102314614A (zh) * | 2011-10-24 | 2012-01-11 | 北京大学 | 一种基于类共享多核学习的图像语义分类方法 |
Non-Patent Citations (1)
Title |
---|
黎毅: "《会计实证研究方法》", 31 August 2012, 大连:东北财经大学出版社 * |
Also Published As
Publication number | Publication date |
---|---|
US20180366226A1 (en) | 2018-12-20 |
US10068668B2 (en) | 2018-09-04 |
US11004564B2 (en) | 2021-05-11 |
US20140244299A1 (en) | 2014-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shickel et al. | DeepSOFA: a continuous acuity score for critically ill patients using clinically interpretable deep learning | |
JP6691401B2 (ja) | 個別化予測モデルを用いた、個人レベルのリスク・ファクタの識別およびランク付け | |
Vuokko et al. | Impacts of structuring the electronic health record: Results of a systematic literature review from the perspective of secondary use of patient data | |
CN109524069B (zh) | 医疗数据处理方法、装置、电子设备和存储介质 | |
US20170061102A1 (en) | Methods and systems for identifying or selecting high value patients | |
CN105096225A (zh) | 辅助疾病诊疗的分析***、装置及方法 | |
US20220084639A1 (en) | Electronic Phenotyping Technique for Diagnosing Chronic Kidney Disease | |
Mohaddes et al. | National neuroinformatics framework for canadian consortium on neurodegeneration in aging (CCNA) | |
US20150371203A1 (en) | Medical billing using a single workflow to process medical billing codes for two or more classes of reimbursement | |
US20210343420A1 (en) | Systems and methods for providing accurate patient data corresponding with progression milestones for providing treatment options and outcome tracking | |
CN107066783A (zh) | 一种跨平台临床大数据分析及显示*** | |
Matuszak et al. | Performance/outcomes data and physician process challenges for practical big data efforts in radiation oncology | |
Peiris et al. | Validation of a general practice audit and data extraction tool | |
US11004564B2 (en) | Method and apparatus for processing medical data | |
Cheng et al. | Data driven approach to burden of treatment measurement: a study of patients with breast cancer | |
TW201837745A (zh) | 跨平台臨床醫療數據分析及顯示系統 | |
US20190051411A1 (en) | Decision making platform | |
US20170124260A1 (en) | Medical home treatment system | |
US20200234315A1 (en) | Systems and methods for patient retention in network through referral analytics | |
Gupta et al. | A system-wide population health value approach to reduce hospitalization among chronic kidney disease patients: an observational study | |
CN111383123A (zh) | 临床医疗开销的统计方法、装置、存储介质及电子设备 | |
Pivovarov et al. | Can patient record summarization support quality metric abstraction? | |
Basch | Evaluating alternative payment models in oncology | |
Shi et al. | Clinical decision modeling system | |
Kopanitsa et al. | Implementation of fast healthcare interoperability resources for an integration of laboratory and hospital information systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140903 |
|
RJ01 | Rejection of invention patent application after publication |