CN112820372B - 护理方案自动生成方法及*** - Google Patents
护理方案自动生成方法及*** Download PDFInfo
- Publication number
- CN112820372B CN112820372B CN202110136898.5A CN202110136898A CN112820372B CN 112820372 B CN112820372 B CN 112820372B CN 202110136898 A CN202110136898 A CN 202110136898A CN 112820372 B CN112820372 B CN 112820372B
- Authority
- CN
- China
- Prior art keywords
- disease
- patient
- database
- lowest
- feature
- 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.)
- Active
Links
- 230000000474 nursing effect Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 25
- 201000010099 disease Diseases 0.000 claims abstract description 197
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 197
- 208000024891 symptom Diseases 0.000 claims description 31
- 238000012216 screening Methods 0.000 claims description 17
- 206010025482 malaise Diseases 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 abstract description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 5
- 230000001788 irregular Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010006458 Bronchitis chronic Diseases 0.000 description 1
- 206010007558 Cardiac failure chronic Diseases 0.000 description 1
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 206010006451 bronchitis Diseases 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 208000007451 chronic bronchitis Diseases 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000004104 gestational diabetes Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 201000003068 rheumatic fever Diseases 0.000 description 1
- 208000004124 rheumatic heart disease Diseases 0.000 description 1
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种护理方案自动生成方法及***,该方法包括以下步骤:1)建立患病特征数据库;2)建立疾病类型数据库;3)建立患者护理方案数据库;4)对入院患者,利用所述患病特征数据库、所述疾病类型数据库匹配,判断得到患者所患的最低级别病种的名称,最后结合患者的基础信息从所述患者护理方案数据库中匹配得到该患者的个性化护理方案。本发明能够实现护理方案的自动生成,能减小医生的工作量,且能生成规范化的护理方案,防止出现护理方案缺失、信息遗漏等问题;本发明通过以患者的病种结合患者的个人特征信息为依据,能得出针对患者特征的个性化护理方案,使得护理方案能更加贴合患者的实际需求,具有更好的护理效果。
Description
技术领域
本发明涉及护理技术领域,特别涉及一种护理方案自动生成方法及***。
背景技术
通常在健康管理***中,由医生根据患者的病症人工出具护理方案,由于护理方案种类多,且针对不同病症需要分别定制,人工处理工作量大,且处理过程中可能出现护理方案缺失、描述不规范、信息遗漏等错误,可能导致护理方案的不规范。另一方面,现在通常是仅根据患者患病类别来制定护理方案,而对于不同患者的个人特征(如生理指标、年龄等)的差异不能给出不同的护理方案,使得护理方案并不能很好的贴合患者的个性化需求,导致护理效果欠佳。
所以,现在需要一种更可靠的方案。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种护理方案自动生成方法及***。
为解决上述技术问题,本发明采用的技术方案是:一种护理方案自动生成方法,包括以下步骤:
1)建立患病特征数据库,其包括若干条患病特征项目,每条患病特征项目具有唯一的编号以及患病特征描述文本;
2)建立疾病类型数据库,其包括若干条最低级别病种项目,每条最低级别病种项目包括最低级别病种名称以及与之对应的由至少一条表征该低级别病种的症状的患病特征项目构成的患病特征向量;
3)建立患者护理方案数据库,其针对所述疾病类型数据库中的每种最低级别病种以及患者的性别、年龄段、体征信息特征配置有不同的个性化护理方案;
4)对入院患者,利用所述患病特征数据库对患者的诊断报告进行识别,得到与患者表征出的症状对应的患病特征项目,然后将该患病特征项目与所述疾病类型数据库匹配,判断得到患者所患的最低级别病种的名称,最后结合患者的基础信息从所述患者护理方案数据库中匹配得到该患者的个性化护理方案;其中,患者的基础信息至少包括患者的性别、年龄和体征信息。
优选的是,所述步骤1)具体包括:
1-1)参照现有的症状指南、健康管理标准、护理标准采集表征若干条不同疾病的症状的描述文本条目;
1-2)使用文本相似度计算方法,计算所有的描述文本条目之间的相似度,将相似度高于设定阈值的若干描述文本条目合并为一条;
1-3)赋予每条描述文本唯一的编号,形成患病特征项目。
优选的是,所述患病特征项目中还包括获得该患病特征项目中的描述文本的判断标准。
优选的是,所述步骤2)具体包括:
2-1)将疾病分为多个级别,采集疾病的每个最底层级别病种的表征症状文本;
2-2)将患病特征数据库中的患病特征项目中的患病特征描述文本与最底层级别病种的表征症状文本进行相似度计算,提取所有相似度大于预先设定的阈值的患病特征描述文本所对应的患病特征项目,构建为当前最底层级别病种得患病特征向量,
2-3)将患病特征向量与对应的最低级别病种的名称结合,得到最低级别病种项目;
2-4)按照步骤2-1)至2-3)的方法获得每种疾病的每个最底层级别病种的最低级别病种项目,构建得到所述疾病类型数据库。
优选的是,所述步骤3)中,每种个性化护理方案至少包括护理内容、护理总次数、护理频率、护理人员数、护理所需资源的信息。
优选的是,所述步骤4)具体包括:
4-1)对入院患者,利用所述患病特征数据库对患者的诊断报告进行识别,得到与患者表征出的症状对应的患病特征项目,并通过采集患者的基础信息,得到患者的性别、年龄和体征信息;
4-2)将得到的患病特征项目与所述疾病类型数据库匹配,判断得到患者所患的最低级别病种的名称;
4-3)先根据患者所患的最低级别病种的名称从所述患者护理方案数据库中进行第一次筛选,筛选出满足要求的患者护理方案,然后根据患者的体征信息、性别、年龄对第一次筛选的结果进行逐次筛选,最终得到满足患者患病特征和基础信息特征的个性化护理方案。
优选的是,该方法还包括:步骤4-4)按个性化护理方案对患者实施护理后,监测患者的体征信息变化情况,并依据监测结果对患者的个性化护理方案进行调整。
优选的是,所述步骤4-4)中,对于得到的患者的个性化护理方案,先通过医生对个性化护理方案进行人工审核,审核通过后再按个性化护理方案对患者实施护理。
本发明还提供一种护理方案自动生成***,其采用如上所述的方法自动生成针对入院患者的护理方案。
优选的是,该护理方案自动生成***包括:
患病特征数据库构建模块,其用于构建患病特征数据库,患病特征数据库包括若干条患病特征项目,每条患病特征项目具有唯一的编号以及患病特征描述文本;
疾病类型数据库构建模块,其用于构建疾病类型数据库,疾病类型数据库包括若干条最低级别病种项目,每条最低级别病种项目包括最低级别病种名称以及与之对应的由至少一条表征该低级别病种的症状的患病特征项目构成的患病特征向量;
患者护理方案数据库构建模块,其用于构建患者护理方案数据库,患者护理方案数据库针对所述疾病类型数据库中的每种最低级别病种以及患者的性别、年龄段、体征信息特征配置有不同的个性化护理方案;
以及护理方案生成模块,其对入院患者,利用所述患病特征数据库对患者的诊断报告进行识别,得到与患者表征出的症状对应的患病特征项目,然后将该患病特征项目与所述疾病类型数据库匹配,判断得到患者所患的最低级别病种的名称,最后结合患者的基础信息从所述患者护理方案数据库中匹配,生成该患者的个性化护理方案;其中,患者的基础信息至少包括患者的性别、年龄和体征信息。
本发明的有益效果是:本发明能够实现护理方案的自动生成,能减小医生的工作量,且能生成规范化的护理方案,防止出现护理方案缺失、信息遗漏等问题;本发明通过以患者的病种结合患者的个人特征信息为依据,能得出针对患者特征的个性化护理方案,使得护理方案能更加贴合患者的实际需求,具有更好的护理效果。
附图说明
图1为本发明的护理方案自动生成方法的流程图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
应当理解,本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
实施例1
参照图1,本实施例的一种护理方案自动生成方法,包括以下步骤:
S1、建立患病特征数据库,其包括若干条患病特征项目,每条患病特征项目具有唯一的编号以及患病特征描述文本。
步骤1)具体包括:
1-1)参照现有的症状指南、健康管理标准、护理标准等资料采集表征若干条不同疾病的症状的描述文本条目;
1-2)使用文本相似度计算方法,计算所有的描述文本条目之间的相似度,将相似度高于设定阈值的若干描述文本条目合并为一条;
1-3)赋予每条描述文本唯一的编号,形成患病特征项目。
在一种优选的实施例中,患病特征项目中还包括获得该患病特征项目中的描述文本的判断标准(包括判断指标、判断方式等)。
S2、建立疾病类型数据库,其包括若干条最低级别病种项目,每条最低级别病种项目包括最低级别病种名称以及与之对应的由至少一条表征该低级别病种的症状的患病特征项目构成的患病特征向量。
步骤2)具体包括:
2-1)将疾病分为多个级别,采集疾病的每个最底层级别病种的表征症状文本;
2-2)将患病特征数据库中的患病特征项目中的患病特征描述文本与最底层级别病种的表征症状文本进行相似度计算,提取所有相似度大于预先设定的阈值的患病特征描述文本所对应的患病特征项目,构建为当前最底层级别病种得患病特征向量,
2-3)将患病特征向量与对应的最低级别病种的名称结合,得到最低级别病种项目;
2-4)按照步骤2-1)至2-3)的方法获得每种疾病的每个最底层级别病种的最低级别病种项目,构建得到疾病类型数据库。
即对于不同的疾病可细分为多个级别,并最终细分成多个最底层级别病种,每个最底层级别病种表现的症状对应于患病特征数据库中的一体或多条患病特征项目,从而通过患病特征项目可实现最底层级别病种的分类识别。例如慢性病主要包括高血压,冠心病,糖尿病,高脂血症,脑梗死,脑出血,慢性支气管炎慢性心衰,风湿性心脏病,风湿性关节炎,肿瘤等,以其中的糖尿病为例可进一步细分为1型糖尿病、2型糖尿病、特殊类型的糖尿病和妊娠期糖尿病四种最底层级别病种,每种类型的糖尿病表现的症状对应于患病特征数据库中的一体或多条患病特征项目,从而通过患病特征项目可对糖尿病类型进行分类识别。
S3、建立患者护理方案数据库,其针对疾病类型数据库中的每种最低级别病种以及患者的性别、年龄段、体征信息特征配置有不同的个性化护理方案。
即根据患者的病种不同对应有多种不同大类的护理方案,然后根据患者的特征:性别、年龄段、体征信息(或称生理指标,如心率、血压等能表征患者生理状况的指标)
每种个性化护理方案至少包括护理内容、护理总次数、护理频率、护理人员数、护理所需资源的信息。
S4、对入院患者,利用患病特征数据库对患者的诊断报告进行识别,得到与患者表征出的症状对应的患病特征项目,然后将该患病特征项目与疾病类型数据库匹配,判断得到患者所患的最低级别病种的名称,最后结合患者的基础信息从患者护理方案数据库中匹配得到该患者的个性化护理方案;其中,患者的基础信息至少包括患者的性别、年龄和体征信息。
步骤4)具体包括:
4-1)对入院患者,利用患病特征数据库对患者的诊断报告进行识别,得到与患者表征出的症状对应的患病特征项目,并通过采集患者的基础信息,得到患者的性别、年龄和体征信息;
4-2)将得到的患病特征项目与疾病类型数据库匹配,判断得到患者所患的最低级别病种的名称;
4-3)先根据患者所患的最低级别病种的名称从患者护理方案数据库中进行第一次筛选,筛选出满足要求的患者护理方案,然后根据患者的体征信息、性别、年龄对第一次筛选的结果进行逐次筛选,最终得到满足患者患病特征和基础信息特征的个性化护理方案。在一种实施例中,对于个性化护理方案的筛选顺序为:先按最低级别病种的名称筛选,然后按照患者的体征信息再次筛选,接着按照照患者的性别进行三次筛选,最后按照患者的年龄进行四次筛选,最终得到个性化护理方案。通过以患者的病种结合患者的个人特征信息为依据,筛选得出针对患者的个性化护理方案,使得得到的护理方案能更加贴合患者的实际需求,具有更好的护理效果。
在一种优选的实施例中,该方法还包括:步骤4-4)按个性化护理方案对患者实施护理后,监测患者的体征信息变化情况,并依据监测结果对患者的个性化护理方案进行调整。进一步的,步骤4-4)中,对于得到的患者的个性化护理方案,先通过医生对个性化护理方案进行人工审核,审核通过后再按个性化护理方案对患者实施护理。若审核不通过,则对个性化护理方案进行人工修改,直至满足要求。
实施例2
本实施例提供一种护理方案自动生成***,其采用实施例1的方法自动生成针对入院患者的护理方案,该护理方案自动生成***包括:
患病特征数据库构建模块,其用于构建患病特征数据库,患病特征数据库包括若干条患病特征项目,每条患病特征项目具有唯一的编号以及患病特征描述文本;
疾病类型数据库构建模块,其用于构建疾病类型数据库,疾病类型数据库包括若干条最低级别病种项目,每条最低级别病种项目包括最低级别病种名称以及与之对应的由至少一条表征该低级别病种的症状的患病特征项目构成的患病特征向量;
患者护理方案数据库构建模块,其用于构建患者护理方案数据库,患者护理方案数据库针对疾病类型数据库中的每种最低级别病种以及患者的性别、年龄段、体征信息特征配置有不同的个性化护理方案;
以及护理方案生成模块,其对入院患者,利用患病特征数据库对患者的诊断报告进行识别,得到与患者表征出的症状对应的患病特征项目,然后将该患病特征项目与疾病类型数据库匹配,判断得到患者所患的最低级别病种的名称,最后结合患者的基础信息从患者护理方案数据库中匹配,生成该患者的个性化护理方案;其中,患者的基础信息至少包括患者的性别、年龄和体征信息。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节。
Claims (9)
1.一种护理方案自动生成方法,其特征在于,包括以下步骤:
1)建立患病特征数据库,其包括若干条患病特征项目,每条患病特征项目具有唯一的编号以及患病特征描述文本;
2)建立疾病类型数据库,其包括若干条最低级别病种项目,每条最低级别病种项目包括最低级别病种名称以及与之对应的由至少一条表征该最低级别病种的症状的患病特征项目构成的患病特征向量;
3)建立患者护理方案数据库,其针对所述疾病类型数据库中的每种最低级别病种以及患者的性别、年龄段、体征信息特征配置有不同的个性化护理方案;
4)对入院患者,利用所述患病特征数据库对患者的诊断报告进行识别,得到与患者表征出的症状对应的患病特征项目,然后将该患病特征项目与所述疾病类型数据库匹配,判断得到患者所患的最低级别病种的名称,最后结合患者的基础信息从所述患者护理方案数据库中匹配得到该患者的个性化护理方案;其中,患者的基础信息至少包括患者的性别、年龄和体征信息;
所述步骤2)具体包括:
2-1)将疾病分为多个级别,采集疾病的每个最底层级别病种的表征症状文本;
2-2)将患病特征数据库中的患病特征项目中的患病特征描述文本与最底层级别病种的表征症状文本进行相似度计算,提取所有相似度大于预先设定的阈值的患病特征描述文本所对应的患病特征项目,构建为当前最底层级别病种得患病特征向量,
2-3)将患病特征向量与对应的最低级别病种的名称结合,得到最低级别病种项目;
2-4)按照步骤2-1)至2-3)的方法获得每种疾病的每个最底层级别病种的最低级别病种项目,构建得到所述疾病类型数据库。
2.根据权利要求1所述的护理方案自动生成方法,其特征在于,所述步骤1)具体包括:
1-1)参照现有的症状指南、健康管理标准、护理标准采集表征若干条不同疾病的症状的描述文本条目;
1-2)使用文本相似度计算方法,计算所有的描述文本条目之间的相似度,将相似度高于设定阈值的若干描述文本条目合并为一条;
1-3)赋予每条描述文本唯一的编号,形成患病特征项目。
3.根据权利要求1所述的护理方案自动生成方法,其特征在于,所述患病特征项目中还包括获得该患病特征项目中的描述文本的判断标准。
4.根据权利要求1所述的护理方案自动生成方法,其特征在于,所述步骤3)中,每种个性化护理方案至少包括护理内容、护理总次数、护理频率、护理人员数、护理所需资源的信息。
5.根据权利要求4所述的护理方案自动生成方法,其特征在于,所述步骤4)具体包括:
4-1)对入院患者,利用所述患病特征数据库对患者的诊断报告进行识别,得到与患者表征出的症状对应的患病特征项目,并通过采集患者的基础信息,得到患者的性别、年龄和体征信息;
4-2)将得到的患病特征项目与所述疾病类型数据库匹配,判断得到患者所患的最低级别病种的名称;
4-3)先根据患者所患的最低级别病种的名称从所述患者护理方案数据库中进行第一次筛选,筛选出满足要求的患者护理方案,然后根据患者的体征信息、性别、年龄对第一次筛选的结果进行逐次筛选,最终得到满足患者患病特征和基础信息特征的个性化护理方案。
6.根据权利要求5所述的护理方案自动生成方法,其特征在于,还包括:步骤4-4)按个性化护理方案对患者实施护理后,监测患者的体征信息变化情况,并依据监测结果对患者的个性化护理方案进行调整。
7.根据权利要求6所述的护理方案自动生成方法,其特征在于,所述步骤4-4)中,对于得到的患者的个性化护理方案,先通过医生对个性化护理方案进行人工审核,审核通过后再按个性化护理方案对患者实施护理。
8.一种护理方案自动生成***,其特征在于,其采用如权利要求1-7中任意一项所述的方法自动生成针对入院患者的护理方案。
9.根据权利要求8所述的护理方案自动生成***,其特征在于,该***包括:
患病特征数据库构建模块,其用于构建患病特征数据库,患病特征数据库包括若干条患病特征项目,每条患病特征项目具有唯一的编号以及患病特征描述文本;
疾病类型数据库构建模块,其用于构建疾病类型数据库,疾病类型数据库包括若干条最低级别病种项目,每条最低级别病种项目包括最低级别病种名称以及与之对应的由至少一条表征该最低级别病种的症状的患病特征项目构成的患病特征向量;
患者护理方案数据库构建模块,其用于构建患者护理方案数据库,患者护理方案数据库针对所述疾病类型数据库中的每种最低级别病种以及患者的性别、年龄段、体征信息特征配置有不同的个性化护理方案;
以及护理方案生成模块,其对入院患者,利用所述患病特征数据库对患者的诊断报告进行识别,得到与患者表征出的症状对应的患病特征项目,然后将该患病特征项目与所述疾病类型数据库匹配,判断得到患者所患的最低级别病种的名称,最后结合患者的基础信息从所述患者护理方案数据库中匹配,生成该患者的个性化护理方案;其中,患者的基础信息至少包括患者的性别、年龄和体征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110136898.5A CN112820372B (zh) | 2021-02-01 | 2021-02-01 | 护理方案自动生成方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110136898.5A CN112820372B (zh) | 2021-02-01 | 2021-02-01 | 护理方案自动生成方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112820372A CN112820372A (zh) | 2021-05-18 |
CN112820372B true CN112820372B (zh) | 2024-01-23 |
Family
ID=75860963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110136898.5A Active CN112820372B (zh) | 2021-02-01 | 2021-02-01 | 护理方案自动生成方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112820372B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113628718A (zh) * | 2021-06-30 | 2021-11-09 | 成都乐享智家科技有限责任公司 | 一种生成自动化护理任务的平台及方法 |
CN116206774B (zh) * | 2023-04-27 | 2023-07-14 | 深圳市浩然盈科通讯科技有限公司 | 一种结合大数据自动匹配护理治疗方案的方法及*** |
CN118280594B (zh) * | 2024-06-03 | 2024-07-30 | 吉林大学第一医院 | 一种基于多源数据融合的肿瘤护理信息协同管理*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000259712A (ja) * | 1999-03-04 | 2000-09-22 | Mitsubishi Electric Corp | 介護計画作成支援装置および介護計画作成支援装置における介護計画作成方法 |
CN103679332A (zh) * | 2013-09-27 | 2014-03-26 | 山东中医药大学附属医院 | 一种用于中医整体护理的医疗护理*** |
CN106096294A (zh) * | 2016-06-17 | 2016-11-09 | 湖南格尔智慧科技有限公司 | 医院外延续护理的方法、装置及*** |
CN110544522A (zh) * | 2019-08-23 | 2019-12-06 | 甘肃中医药大学附属医院 | 一种基于中医护理程序的移动护理信息*** |
CN111128329A (zh) * | 2019-11-22 | 2020-05-08 | 泰康保险集团股份有限公司 | 个性化健康摘要的动态生成方法、装置、介质及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10706485B2 (en) * | 2014-09-18 | 2020-07-07 | Preventice Solutions, Inc. | Creating individually tailored care plans |
EP3422223A1 (en) * | 2017-06-30 | 2019-01-02 | Koninklijke Philips N.V. | Generating a patient care plan |
-
2021
- 2021-02-01 CN CN202110136898.5A patent/CN112820372B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000259712A (ja) * | 1999-03-04 | 2000-09-22 | Mitsubishi Electric Corp | 介護計画作成支援装置および介護計画作成支援装置における介護計画作成方法 |
CN103679332A (zh) * | 2013-09-27 | 2014-03-26 | 山东中医药大学附属医院 | 一种用于中医整体护理的医疗护理*** |
CN106096294A (zh) * | 2016-06-17 | 2016-11-09 | 湖南格尔智慧科技有限公司 | 医院外延续护理的方法、装置及*** |
CN110544522A (zh) * | 2019-08-23 | 2019-12-06 | 甘肃中医药大学附属医院 | 一种基于中医护理程序的移动护理信息*** |
CN111128329A (zh) * | 2019-11-22 | 2020-05-08 | 泰康保险集团股份有限公司 | 个性化健康摘要的动态生成方法、装置、介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112820372A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112820372B (zh) | 护理方案自动生成方法及*** | |
CN107680676B (zh) | 一种基于电子病历数据驱动的妊娠期糖尿病预测方法 | |
LaFreniere et al. | Using machine learning to predict hypertension from a clinical dataset | |
CN110459328B (zh) | 临床监护设备 | |
CN107785057B (zh) | 医疗数据处理方法、装置、存储介质和计算机设备 | |
CN111584021A (zh) | 病案信息校验方法、装置、电子设备及存储介质 | |
CN108511056A (zh) | 基于脑卒中患者相似性分析的治疗方案推荐方法及*** | |
Sirgo et al. | Validation of the ICU-DaMa tool for automatically extracting variables for minimum dataset and quality indicators: The importance of data quality assessment | |
CN107145715B (zh) | 一种基于推举算法的临床医学智能判别装置 | |
CN107767960A (zh) | 临床检测项目的数据处理方法、装置及电子设备 | |
KR101565331B1 (ko) | 패턴을 이용한 의료정보 분석시스템 및 방법 | |
CN115116612A (zh) | 一种儿童患者病情智能风险评估***及方法 | |
CN110739075A (zh) | 一种基于大数据的copd疾病辅助诊断监测*** | |
CN107480419A (zh) | 胎儿出生缺陷智能化诊断*** | |
Boag et al. | EHR safari: data is contextual | |
CN110010250A (zh) | 基于数据挖掘技术的心血管疾病患者虚弱症分级方法 | |
Ahmed et al. | A computer aided system for post-operative pain treatment combining knowledge discovery and case-based reasoning | |
Hsieh et al. | Mimic-eye: Integrating mimic datasets with reflacx and eye gaze for multimodal deep learning applications | |
Ko et al. | Integrative literature review of patient classification tools for nursing intensity evaluation: focusing on comparison of South Korean and international tools | |
CN115831320A (zh) | 住院儿童营养管理***、方法、装置、处理器及其计算机可读存储介质 | |
Bichindaritz | Solving safety implications in a case based decision-support system in medicine | |
Batista et al. | A methodology for estimating hospital intensive care unit length of stay using novel machine learning tools | |
Zhang et al. | Value of rehabilitation training for children with cerebral palsy diagnosed and analyzed by computed tomography imaging information features under deep learning | |
CN114283942A (zh) | 基于老年综合评估情况生成个体化护理方案的***及方法 | |
Alsaidi et al. | Exploring analogical inference in healthcare |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |