CN110459285A - 疾病就诊数据的预处理方法、***、设备及介质 - Google Patents
疾病就诊数据的预处理方法、***、设备及介质 Download PDFInfo
- Publication number
- CN110459285A CN110459285A CN201910759623.XA CN201910759623A CN110459285A CN 110459285 A CN110459285 A CN 110459285A CN 201910759623 A CN201910759623 A CN 201910759623A CN 110459285 A CN110459285 A CN 110459285A
- Authority
- CN
- China
- Prior art keywords
- data
- hospital
- geographical location
- patient assessment
- disease
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开公开了疾病就诊数据的预处理方法、***、设备及介质,包括:从医院服务器获取患者就诊记录;对获取的患者就诊记录进行数据清洗;对数据单位不统一的数据,转换到同一个数据单位;将名称不同但是含义相同的数据名称,转换到同一个数据名称;将汉字进行数值化处理;采用最大最小值归一化处理算法,对数据进行归一化处理;对患者就诊记录所对应的医院地理位置进行处理,得到预处理后的疾病就诊数据。计算机处理数据时,对分类型数据不敏感甚至出错,通过科学性的方法把具有多种分类型数据维度的医疗数据转化为机器可处理的数据,对后续数据挖掘出有价值信息具有重要意义。
Description
技术领域
本公开涉及疾病就诊数据处理技术领域,特别是涉及疾病就诊数据的预处理方法、***、设备及介质。
背景技术
本部分的陈述仅仅是提到了与本公开相关的背景技术,并不必然构成现有技术。
对历年患者就诊记录得到的数据进行数据预处理和数据挖掘,可以得出传染病的传染规律和传染走向,对于医疗卫生机构来说可以提早做好准备和预防;对于疾病控制中心来说,也可以做到防患于未然。
在实现本公开的过程中,发明人发现现有技术中存在以下技术问题:
(1)现有的患者就诊记录不规范不完整,因为医生在写诊断记录的过程中有自己的习惯用语和一些缩写词,导致从不同医院不同医师那里采集过来的就诊记录不规范不完整。
(2)患者就诊记录存在缺失值和异常值。有一些文字型的记录不能直接进行数值计算。有一些数值型记录因为单位不统一,导致从不同医院采集的数据也是存在差异性。
发明内容
为了解决现有技术的不足,本公开提供了疾病就诊数据的预处理方法、***、设备及介质;解决了从不同医院不同医师那里采集的数据不规范不完整的问题,为后续的数据挖掘工作奠定良好的数据基础。
第一方面,本公开提供了疾病就诊数据的预处理方法;
疾病就诊数据的预处理方法,包括:
从医院服务器获取患者就诊记录;
对获取的患者就诊记录进行数据清洗;
对数据单位不统一的数据,转换到同一个数据单位;将名称不同但是含义相同的数据名称,转换到同一个数据名称;
将汉字进行数值化处理;
采用最大最小值归一化处理算法,对数据进行归一化处理;
对患者就诊记录所对应的医院地理位置进行处理,得到预处理后的疾病就诊数据。
第二方面,本公开还提供了疾病就诊数据的预处理***;
疾病就诊数据的预处理***,包括:
获取模块,其被配置为:从医院服务器获取患者就诊记录;
数据清洗模块,其被配置为:对获取的患者就诊记录进行数据清洗;
数据统一模块,其被配置为:对数据单位不统一的数据,转换到同一个数据单位;将名称不同但是含义相同的数据名称,转换到同一个数据名称;
数值化处理模块,其被配置为:将汉字进行数值化处理;
归一化处理模块,其被配置为:采用最大最小值归一化处理算法,对数据进行归一化处理;
地理位置处理模块,其被配置为:对患者就诊记录所对应的医院地理位置进行处理,得到预处理后的疾病就诊数据。
第三方面,本公开还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面所述方法的步骤。
第四方面,本公开还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面所述方法的步骤。
与现有技术相比,本公开的有益效果是:
处理后的数据更加规范和完整,对于医生的缩写词会统一转换成疾病诊断标准名称。
处理后的数据不存在缺失值和异常值,因为缺失值通过补全的技术手段实现数据补全;异常值通过数据清洗的形式进行数据异常值剔除。
为了使地理位置类的分类较多的分类型数据数值化,我们按照行政区域等级设置初始值,是为了在加权计算时有差异性体现,能够根据实际情况进行权值的调整,而非初始值。
计算机处理数据时,对分类型数据不敏感甚至出错,通过科学性的方法把具有多种分类型数据维度的医疗数据转化为机器可处理的数据,对后续数据挖掘出有价值信息具有重要意义。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为第一个实施例的方法流程图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一,本实施例提供了疾病就诊数据的预处理方法;
如图1所示,疾病就诊数据的预处理方法,包括:
S1:从医院服务器获取患者就诊记录;
S2:对获取的患者就诊记录进行数据清洗;
S3:对数据单位不统一的数据,转换到同一个数据单位;将名称不同但是含义相同的数据名称,转换到同一个数据名称;
S4:将汉字进行数值化处理;
S5:采用最大最小值归一化处理算法,对数据进行归一化处理;
S6:对患者就诊记录所对应的医院地理位置进行处理,得到预处理后的疾病就诊数据。
作为一个或多个实施例,所述数据清洗包括:删除重复数据、对缺失数据进行补全和异常值剔除;
对缺失数据进行补全,采用拉格朗日插值算法进行插值补全。
作为一个或多个实施例,将汉字进行数值化处理,具体步骤包括:
对于分类明显的汉字采用0-1独热编码的方式进行数值化处理;分类明显的汉字,例如性别(男、女)、治疗分类(初治、诊治)、诊断结果(阳性、阴性);
对于不能使用0-1独热编码方式进行数值化处理的汉字,设定N个离散点,每个离散点表示一个数值。例如:不能使用0-1独热编码方式进行数值化处理的汉字,包括:民族、职业。
作为一个或多个实施例,对患者就诊记录所对应的医院地理位置进行处理,包括:
S61:根据患者就诊记录所对应的医院地理位置,按照省市区县四个等级进行划分,每个等级均对应初始值r;
S62:设置每个医院某个设定时间段内就诊人数为加权因子;
S63:计算出每一种类型就诊人群对应的医院地理位置权值,计算医院地理位置加权半径;
其中,wi表示第i个医院地理位置权值,表示第i个医院某个设定时间段内平均就诊人数,某个设定时间段例如一个月或一个季度;zi表示第i个医院某个设定时间段内的就诊人数;Ri表示医院地理位置加权半径;r表示医院地理位置等级的初始值;
分类型数据,例如:按照性别将人口分为男、女两类;按照经济性质将企业分为国有、集体、私营、其他经济等。
S64:医院地理位置的加权半径即为医院地理位置预处理后对应的数值。
初始值r根据行政区域等级划分,将省级市级医院设为0.5,区和县级医院设为1.0,根据wi灵活调整最终数值化的结果Ri,在计算Ri时,会有大于1的数值出现,我们统一将它设为最高值1.0。
作为一个或多个实施例,所述对缺失数据进行补全,采用拉格朗日插补方法进行插值补全。
实施例二,本实施例还提供了疾病就诊数据的预处理***;
疾病就诊数据的预处理***,包括:
获取模块,其被配置为:从医院服务器获取患者就诊记录;
数据清洗模块,其被配置为:对获取的患者就诊记录进行数据清洗;
数据统一模块,其被配置为:对数据单位不统一的数据,转换到同一个数据单位;将名称不同但是含义相同的数据名称,转换到同一个数据名称;
数值化处理模块,其被配置为:将汉字进行数值化处理;
归一化处理模块,其被配置为:采用最大最小值归一化处理算法,对数据进行归一化处理;
地理位置处理模块,其被配置为:对患者就诊记录所对应的医院地理位置进行处理,得到预处理后的疾病就诊数据。
本公开还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成方法中的各个操作,为了简洁,在此不再赘述。
所述电子设备可以是移动终端以及非移动终端,非移动终端包括台式计算机,移动终端包括智能手机(Smart Phone,如Android手机、IOS手机等)、智能眼镜、智能手表、智能手环、平板电脑、笔记本电脑、个人数字助理等可以进行无线通信的移动互联网设备。
应理解,在本公开中,该处理器可以是中央处理单元CPU,该处理器还算可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本公开所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能的划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另外一点,所显示或讨论的相互之间的耦合或者直接耦合或者通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.疾病就诊数据的预处理方法,其特征是,包括:
从医院服务器获取患者就诊记录;
对获取的患者就诊记录进行数据清洗;
对数据单位不统一的数据,转换到同一个数据单位;将名称不同但是含义相同的数据名称,转换到同一个数据名称;
将汉字进行数值化处理;
采用最大最小值归一化处理算法,对数据进行归一化处理;
对患者就诊记录所对应的医院地理位置进行处理,得到预处理后的疾病就诊数据。
2.如权利要求1所述的方法,其特征是,所述数据清洗包括:删除重复数据、对缺失数据进行补全和异常值剔除。
3.如权利要求1所述的方法,其特征是,将汉字进行数值化处理,具体步骤包括:
对于分类明显的汉字采用0-1独热编码的方式进行数值化处理;
对于不能使用0-1独热编码方式进行数值化处理的汉字,设定N个离散点,每个离散点表示一个数值。
4.如权利要求1所述的方法,其特征是,对患者就诊记录所对应的医院地理位置进行处理,包括:
S61:根据患者就诊记录所对应的医院地理位置,按照省市区县四个等级进行划分,每个等级均对应初始值r;
S62:设置每个医院某个设定时间段内就诊人数为加权因子;
S63:计算出每一种类型就诊人群对应的医院地理位置权值,计算医院地理位置加权半径;
S64:医院地理位置的加权半径即为医院地理位置预处理后对应的数值。
5.如权利要求4所述的方法,其特征是,计算出每一种类型就诊人群对应的医院地理位置权值,计算医院地理位置加权半径;
其中,wi表示第i个医院地理位置权值,表示第i个医院某个设定时间段内平均就诊人数;zi表示第i个医院某个设定时间段内的就诊人数;Ri表示医院地理位置加权半径;r表示医院地理位置等级的初始值。
6.如权利要求5所述的方法,其特征是,初始值r根据行政区域等级划分,将省级市级医院设为0.5,区和县级医院设为1.0。
7.如权利要求2所述的方法,其特征是,所述对缺失数据进行补全,采用拉格朗日插补方法进行插值补全。
8.疾病就诊数据的预处理***,其特征是,包括:
获取模块,其被配置为:从医院服务器获取患者就诊记录;
数据清洗模块,其被配置为:对获取的患者就诊记录进行数据清洗;
数据统一模块,其被配置为:对数据单位不统一的数据,转换到同一个数据单位;将名称不同但是含义相同的数据名称,转换到同一个数据名称;
数值化处理模块,其被配置为:将汉字进行数值化处理;
归一化处理模块,其被配置为:采用最大最小值归一化处理算法,对数据进行归一化处理;
地理位置处理模块,其被配置为:对患者就诊记录所对应的医院地理位置进行处理,得到预处理后的疾病就诊数据。
9.一种电子设备,其特征是,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7任一项方法所述的步骤。
10.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项方法所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910759623.XA CN110459285A (zh) | 2019-08-16 | 2019-08-16 | 疾病就诊数据的预处理方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910759623.XA CN110459285A (zh) | 2019-08-16 | 2019-08-16 | 疾病就诊数据的预处理方法、***、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110459285A true CN110459285A (zh) | 2019-11-15 |
Family
ID=68487292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910759623.XA Pending CN110459285A (zh) | 2019-08-16 | 2019-08-16 | 疾病就诊数据的预处理方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110459285A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110851503A (zh) * | 2019-11-19 | 2020-02-28 | 天津开心生活科技有限公司 | 医疗模式转换识别方法及装置、电子设备、存储介质 |
CN112597128A (zh) * | 2020-12-17 | 2021-04-02 | 广东南方通信建设有限公司 | 一种数据迁移方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868564A (zh) * | 2016-04-05 | 2016-08-17 | 苏州联康网络有限公司 | 疾病的就诊医院推荐*** |
CN105893766A (zh) * | 2016-04-06 | 2016-08-24 | 成都数联易康科技有限公司 | 基于数据挖掘的分级诊疗评估方法 |
CN106874693A (zh) * | 2017-03-15 | 2017-06-20 | 国信优易数据有限公司 | 一种医疗大数据分析处理***及方法 |
CN108986919A (zh) * | 2018-07-19 | 2018-12-11 | 清华大学 | 一种医疗数据的处理方法及装置 |
JP2019021136A (ja) * | 2017-07-19 | 2019-02-07 | 富士フイルム株式会社 | 医療情報提供装置および医療情報提供装置の作動方法並びに医療情報提供プログラム |
CN109524069A (zh) * | 2018-11-09 | 2019-03-26 | 南京医渡云医学技术有限公司 | 医疗数据处理方法、装置、电子设备和存储介质 |
-
2019
- 2019-08-16 CN CN201910759623.XA patent/CN110459285A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868564A (zh) * | 2016-04-05 | 2016-08-17 | 苏州联康网络有限公司 | 疾病的就诊医院推荐*** |
CN105893766A (zh) * | 2016-04-06 | 2016-08-24 | 成都数联易康科技有限公司 | 基于数据挖掘的分级诊疗评估方法 |
CN106874693A (zh) * | 2017-03-15 | 2017-06-20 | 国信优易数据有限公司 | 一种医疗大数据分析处理***及方法 |
JP2019021136A (ja) * | 2017-07-19 | 2019-02-07 | 富士フイルム株式会社 | 医療情報提供装置および医療情報提供装置の作動方法並びに医療情報提供プログラム |
CN108986919A (zh) * | 2018-07-19 | 2018-12-11 | 清华大学 | 一种医疗数据的处理方法及装置 |
CN109524069A (zh) * | 2018-11-09 | 2019-03-26 | 南京医渡云医学技术有限公司 | 医疗数据处理方法、装置、电子设备和存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110851503A (zh) * | 2019-11-19 | 2020-02-28 | 天津开心生活科技有限公司 | 医疗模式转换识别方法及装置、电子设备、存储介质 |
CN110851503B (zh) * | 2019-11-19 | 2022-07-05 | 天津开心生活科技有限公司 | 医疗模式转换识别方法及装置、电子设备、存储介质 |
CN112597128A (zh) * | 2020-12-17 | 2021-04-02 | 广东南方通信建设有限公司 | 一种数据迁移方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190325995A1 (en) | Method and system for predicting patient outcomes using multi-modal input with missing data modalities | |
Cote | Patient flow and resource utilization in an outpatient clinic | |
US7664659B2 (en) | Displaying clinical predicted length of stay of patients for workload balancing in a healthcare environment | |
US20090319297A1 (en) | Workplace Absenteeism Risk Model | |
CN107833605A (zh) | 一种医院病历信息的编码方法、装置、服务器及*** | |
WO2022134650A1 (zh) | 医院门诊规划方法、装置、设备及存储介质 | |
Moen et al. | An analysis of patient-sharing physician networks and implantable cardioverter defibrillator therapy | |
WO2012058242A2 (en) | System and method for machine based medical diagnostic code identification, accumulation, analysis and automatic claim process adjudication | |
DE102007026802A1 (de) | Systeme und Verfahren zur Identifizierung von Kandidaten für eine klinische Studie | |
Krishnan | Application of analytics to big data in healthcare | |
Golmohammadi et al. | Prediction modeling and pattern recognition for patient readmission | |
US7844472B1 (en) | Method and system for aggregating and standardizing healthcare quality measures | |
CN108648808A (zh) | 随访计划实例生成方法和装置 | |
Furian et al. | GEDMod–Towards a generic toolkit for emergency department modeling | |
CN110459285A (zh) | 疾病就诊数据的预处理方法、***、设备及介质 | |
Yu et al. | Forecasting patient visits to hospitals using a WD&ANN-based decomposition and ensemble model | |
CN107729450A (zh) | 一种基于元数据的智能化区域移动医疗集成数据中心***原型 | |
CN112908452A (zh) | 事件数据建模 | |
Reddy et al. | AI-IoT based healthcare prognosis interactive system | |
Ceglowski et al. | Knowledge discovery through mining emergency department data | |
CN108630320A (zh) | 一种基于医保大数据测算疾病患病率的方法 | |
Machado et al. | Predicting the risk associated to pregnancy using data mining | |
CN116543917A (zh) | 一种针对异构时间序列数据的信息挖掘方法 | |
CN106446592A (zh) | 一种医疗信息共享*** | |
Kipourgos et al. | An artificial intelligence based application for triage nurses in emergency department, using the emergency severity index protocol |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191115 |
|
RJ01 | Rejection of invention patent application after publication |