CN114005530A - 区域内医学重复检查、检验智能提醒与监管方法及*** - Google Patents

区域内医学重复检查、检验智能提醒与监管方法及*** Download PDF

Info

Publication number
CN114005530A
CN114005530A CN202111303143.6A CN202111303143A CN114005530A CN 114005530 A CN114005530 A CN 114005530A CN 202111303143 A CN202111303143 A CN 202111303143A CN 114005530 A CN114005530 A CN 114005530A
Authority
CN
China
Prior art keywords
inspection
examination
mutual
item
repeated
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
Application number
CN202111303143.6A
Other languages
English (en)
Inventor
徐辉
吴鹏
秦浩
李庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Clp Tongshang Digital Technology Shanghai Co ltd
Original Assignee
Clp Tongshang Digital Technology Shanghai Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Clp Tongshang Digital Technology Shanghai Co ltd filed Critical Clp Tongshang Digital Technology Shanghai Co ltd
Priority to CN202111303143.6A priority Critical patent/CN114005530A/zh
Publication of CN114005530A publication Critical patent/CN114005530A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了区域内医学重复检查、检验智能提醒与监管方法及***，该方法包括以下步骤：S1、采集医疗机构的历史检查、检验数据；S2、从历史检查、检验数据中提取对应的检查、检验项目信息；S3、建立检查、检验项目信息与区域医学检查、检验互认项目的映射规则；S4、通过映射规则进行映射，输出映射结果；S5、将关联上标签的历史检查、检验数据存储在带有互认项目标签的检查、检验历史数据库中；S6、迭代优化所述映射规则；S7、重复检查、检验智能提醒引擎进行智能提醒；S8、重复检查、检验监测引擎定期监测带有互认项目标签的检查、检验历史数据库。有益效果：通过自动匹配智能提醒等，规范与改进医疗行为与服务。

Description

区域内医学重复检查、检验智能提醒与监管方法及***
技术领域
本发明涉及医疗资源管理技术领域，具体来说，涉及区域内医学重复检查、检验智能提醒与监管方法及***。
背景技术
患者在医疗机构就诊过程中常常遇到过度检查、检验，不合理检查、检验及重复检查、检验的情况，患者转诊后在上一家医院做的检查、检验结果不能被下一家医院认可，因此被要求进行重复检查、检验，这一系列不合理的医学检查、检验行为对患者的身体和经济带来负面影响。为了规范医疗行为，改进医疗服务，降低患者就诊费用，简化患者就医环节，在医疗过程中体现以人为本的服务理念，同时合理、有效利用医疗资源，国家和地方政府卫生健康管理部门均针对促进合理检查、检验颁布了相关政策，要求医疗机构在满足互认条件下对患者之前做过的检查、检验项目结果进行互认。
目前尚未提出有效的解决方案来配合相关政策发现重复检查、检验问题，通过在事中及时提醒，在事后监管考核，进而***性地减少区域内重复检查、检验的不合理医疗行为。
发明内容
针对相关技术中的问题，本发明提出区域内医学重复检查、检验智能提醒与监管方法及***，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
根据本发明的一个方面，提供了区域内医学重复检查、检验智能提醒与监管方法，该方法包括以下步骤：
S1、通过卫生专网采集区域内预设覆盖范围及预设时间段内医疗机构的历史检查、检验数据，并存储在区域医疗数据云平台上；
S2、从每条所述历史检查、检验数据中提取对应的检查、检验项目信息；
S3、建立所述检查、检验项目信息与区域医学检查、检验互认项目的映射规则；
S4、将从每条所述历史检查、检验数据中提取的所述检查、检验项目信息分别通过所述映射规则进行映射，输出映射结果，所述映射结果包括对应的区域医学检查、检验互认项目与空；
S5、将每条映射结果为所述对应的区域医学检查、检验互认项目的历史检查、检验数据关联上对应的互认项目标签，并存储在带有互认项目标签的检查、检验历史数据库中；
S6、定期分析映射结果为空的以及所述带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据，迭代优化所述映射规则；
S7、当医生通过医生工作站为患者开检查、检验申请单时，重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配；若匹配成功，进行智能提醒；
S8、重复检查、检验监测引擎定期监测所述带有互认项目标签的检查、检验历史数据库，并将监测结果上报至区域卫生健康管理机构。
进一步的，所述历史检查、检验数据包括历史检查数据与历史检验数据；
其中，所述历史检查数据包括检查申请单、检查报告及影像文件，所述历史检验数据包括检验申请单及检验报告。
进一步的，所述检查、检验项目信息包括检查项目信息与检验项目信息；
其中，所述检查项目信息包括***位、检查方法、检查项目名称、检查项目编码、检查项目收费编码及医疗机构编码，所述检验项目信息包括检验项目名称、检验项目内容、检验项目编码、检验项目收费编码及医疗机构编码。
进一步的，所述区域医学检查、检验互认项目指区域卫生健康管理机构明确的纳入互认范围的医学检查、检验项目，所述互认项目标签包括标准项目名称及唯一编码。
进一步的，所述建立所述检查、检验项目信息与区域医学检查、检验互认项目的映射规则的方法包括人工、统计学或机器学习中的至少一种。
进一步的，所述重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒的方法为一次查询或二次查询。
进一步的，采用所述一次查询的方法实现重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒，包括以下步骤：
S71、当医生通过医生工作站为患者开检查、检验申请单时，医生点击保存后，所述医生工作站将携带患者身份信息和检查、检验项目信息向重复检查、检验智能提醒引擎发送查询请求；
S72、重复检查、检验智能提醒引擎接收到查询请求后，将接收到的检查、检验项目信息通过所述映射规则进行映射，输出映射结果；
S73、当所述映射结果为对应的区域医学检查、检验互认项目，则重复检查、检验智能提醒引擎使用该项目对应的标准项目名称、唯一编码及接收到的患者身份信息与带有互认项目标签的检查、检验历史数据库中互认时效期内的数据进行匹配，并返回结果至医生工作站；
S74、若匹配成功，医生工作站弹窗提醒，医生可查看该患者的历史检查、检验数据，并根据实际情况决定是否取消重复检查、检验项目申请。
进一步的，采用所述二次查询的方法实现重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒，包括以下步骤：
S71′、当医生通过医生工作站为患者开检查、检验申请单，选中患者打开电子病历时，医生工作站将携带患者身份信息向重复检查、检验智能提醒引擎发送第一次查询请求；
S72′、重复检查、检验智能提醒引擎接收到第一次查询请求后，将接收到的患者身份信息与带有互认项目标签的检查、检验历史数据库中互认时效期内的数据进行匹配，返回结果至医生工作站，同时重复检查、检验智能提醒引擎将在数据库中匹配到的患者互认时效期内检查、检验历史数据缓存至内存，加快第二次查询速度；
S73′、医生工作站接收到第一次查询结果，若患者在互认时效期内未做过互认项目则不触发重复检查、检验提醒，若患者在互认时效期内曾做过互认项目则触发第二次查询；
S74′、当医生勾选完检查、检验项目并点击保存时，若第一次查询结果为患者在互认时效期内曾做过互认项目，则触发第二次查询，医生工作站携带患者身份信息和检查、检验项目信息向重复检查、检验智能提醒引擎发送第二次查询请求；
S75′、重复检查、检验智能提醒引擎接收到第二次查询请求后，将接收到的检查、检验项目信息通过所述映射规则进行映射，输出映射结果；
S76′、当所述映射结果为对应的区域医学检查、检验互认项目，则重复检查、检验智能提醒引擎使用该项目对应的标准项目名称、唯一编码及接收到的患者身份信息与缓存中的患者互认时效期内检查、检验历史数据进行匹配，并返回结果至医生工作站；
S77′、若匹配成功，医生工作站弹窗提醒，医生可查看该患者的历史检查、检验数据，并根据实际情况决定是否取消重复检查、检验项目申请。
进一步的，所述重复检查、检验监测引擎定期监测所述带有互认项目标签的检查、检验历史数据库，并将监测结果上报至区域卫生健康管理机构包括以下步骤：
S81、重复检查、检验监测引擎将指定时间间隔内，所述带有互认项目标签的检查、检验历史数据库中各新增数据对应的患者身份信息、互认项目标签，与数据库中互认时效期内的所有数据对应的患者身份信息、互认项目标签进行一一匹配；
S82、将匹配成功的数据上报至区域卫生健康管理机构进行定向监管。
根据本发明的另一个方面，还提供了区域内医学重复检查、检验智能提醒与监管***，该***包括以下组成：
医生工作站，用于医疗机构帮助临床医生规范、高效的完成日常处方、病历的书写和维护的信息***；
重复检查、检验智能提醒引擎，用于自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒；
重复检查、检验监测引擎，用于监测带有互认项目标签的检查、检验历史数据库，识别出高度疑似重复检查、检验的数据，并将监测结果上报至区域卫生健康管理机构；
其中，所述重复检查、检验智能提醒引擎与所述重复检查、检验监测引擎的基础数据库为带有互认项目标签的检查、检验历史数据库。
本发明的有益效果为：通过数据采集、数据治理、建立映射规则、形成带有互认项目标签的检查、检验历史数据库等步骤，结合重复检查、检验智能提醒引擎与重复检查、检验监测引擎，实现了在事中自动识别重复检查、检验并及时提醒医生，在事后为区域卫生健康管理机构提供定期定向的监管服务，有效减少了区域内医学重复检查、检验问题的发生，从而进一步规范了医疗行为，改进了医疗服务，降低了患者就诊费用，简化了患者就医环节，同时使医疗资源得以合理、有效的运用，为广大群众带来民生价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的区域内医学重复检查、检验智能提醒与监管方法的流程图；
图2是根据本发明实施例的区域内医学重复检查、检验智能提醒与监管方法中一次查询模式流程图；
图3是根据本发明实施例的区域内医学重复检查、检验智能提醒与监管方法中二次查询模式流程图；
图4是根据本发明实施例的区域内医学重复检查、检验智能提醒与监管方法中整体方案流程图；
图5是根据本发明实施例的区域内医学重复检查、检验智能提醒与监管***的***框图。
图中：
1.医生工作站；2.重复检查、检验智能提醒引擎；3.重复检查、检验监测引擎。
具体实施方式
根据本发明的一个实施例，提供了区域内医学重复检查、检验智能提醒与监管方法。
现结合附图和具体实施方式对本发明进一步说明，如图1-图4所示，根据本发明实施例的区域内医学重复检查、检验智能提醒与监管方法，该方法包括以下步骤：
S1、通过卫生专网采集区域内预设覆盖范围及预设时间段内医疗机构的历史检查、检验数据，并存储在区域医疗数据云平台上；
其中，所述区域内预设覆盖范围可以为区域内部分医疗机构(如区域内二级及以上医疗机构)，也可以为区域内所有医疗机构，具体将根据该区域卫生健康管理部门明确的互认机构范围决定；所述预设时间段也可根据该区域卫生健康管理部门明确的互认时效调节。
S2、从每条所述历史检查、检验数据中提取对应的检查、检验项目信息；
其中，所述历史检查、检验数据包括历史检查数据与历史检验数据，所述检查、检验项目信息包括检查项目信息与检验项目信息；
其中，所述历史检查数据包括检查申请单、检查报告及影像文件(患者单次检查对应的检查申请单、检查报告、影像文件等数据作为一条历史检查数据)；所述历史检验数据包括检验申请单及检验报告(患者单次检验对应的检验申请单、检验报告等数据作为一条历史检验数据)；所述检查项目信息包括***位、检查方法、检查项目名称、检查项目编码、检查项目收费编码及医疗机构编码，所述检验项目信息包括检验项目名称、检验项目内容、检验项目编码、检验项目收费编码及医疗机构编码。
S3、建立所述检查、检验项目信息与区域医学检查、检验互认项目的映射规则；
由于医生们的习惯各不相同且不同医院在管理规范及信息化程度上也存在差异，致使针对同一检查、检验项目时，所提取到的检查、检验项目信息内容也不尽相同。因此，需要建立映射规则，将采集到的历史检查、检验数据与标准化的区域医学检查、检验互认项目对应起来，便于后续利用统一的标准进行重复检查、检验项目的匹配。
并且，建立映射规则时可以将检查、检验项目信息中的部分或全部字段作为映射的源数据，具体使用字段可根据利用的方法不同灵活选择。
此外，所述区域医学检查、检验互认项目指卫生健康管理机构明确的纳入互认范围的医学检查、检验项目，所述互认项目标签包括标准项目名称及唯一编码。以重庆市为例，重庆市卫健委发文明确了41个放射类检查项目作为首批医学检查互认项目，且为这41个检查项目设置了唯一编码。
其中，所述建立所述检查、检验项目信息与区域医学检查、检验互认项目的映射规则的方法包括人工、统计学或机器学习中的至少一种，具体使用方法可根据各区域的实际数据量、可用资源等条件灵活选择。
以下以人工建立映射规则为例进行说明：
1.检查、检验项目名称拆解：针对一条历史检查、检验数据中提取的检查、检验项目名称实际包含多个检查、检验项目的情况，将其拆分成多个检查、检验项目名称；
2.检查、检验项目名称去噪：对拆分后的所有检查、检验项目名称进行去噪处理，去除无意义符号；
去噪的目的是让检查、检验项目名称聚合度更高。
3.检查、检验项目名称高低频排序：将拆分、去噪后的检查、检验项目名称按在所有历史数据中的出现频率由高至低排序；
通过分析检查、检验项目名称高低频分布的聚合度，发现Top500检查、检验项目名称的出现次数占历史数据总次数的90％以上，意味着解决Top500检查、检验项目名称就可以解决90％以上检查、检验项目的映射问题。
4.建立检查、检验项目映射表：通过人工分析，建立Top检查、检验项目名称与区域医学检查、检验互认项目的映射关系表。
其中，Top具体数值可根据实际应用场景灵活设置，建议至少为Top500。若分析时发现Top检查、检验项目名称中存在部分名称不属于区域医学检查、检验互认项目，则表示该部分名称与区域医学检查、检验互认项目不存在映射关系，映射结果为空。
除了人工建立映射规则外，所述机器学习方法可以为FastText、TextCNN、TextRNN、Hierarchical Attention Network等。
以下以FastText为例进行说明：
1.将从历史检查、检验数据中提取到的检查、检验项目信息转化为对应的词汇文本序列；
2.将所述词汇文本序列通过输入层，得到对应的词向量；
3.将所述词向量及标准化的区域医学检查、检验互认项目，通过隐含层、输出层，并结合AUC、ROC、LOSS曲线进行拟合、训练，输出对应的映射规则。
S4、将从每条所述历史检查、检验数据中提取的所述检查、检验项目信息分别通过所述映射规则进行映射，输出映射结果，所述映射结果包括对应的区域医学检查、检验互认项目与空；
S5、将每条映射结果为所述对应的区域医学检查、检验互认项目的历史检查、检验数据关联上对应的互认项目标签，并存储在带有互认项目标签的检查、检验历史数据库中；
其中，该带有互认项目标签的检查、检验历史数据库将会实时更新，只要所述区域内预设覆盖范围内的医疗机构产生了新的检查、检验互认项目数据则会经过前述步骤存入带有互认项目标签的检查、检验历史数据库中。
S6、定期分析映射结果为空的以及所述带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据，迭代优化所述映射规则；
其中，所述定期分析、迭代优化映射规则的方法众多，需根据映射规则建立时使用的方法及实际应用场景需要灵活选择，举例如下：
例如，将预设时间段内映射结果为空的历史检查、检验数据对应的检查、检验项目名称按出现频率由高至低排序，人工分析其中的高频(高低频阈值根据实际场景需要设置即可)检查、检验项目名称与区域医学检查、检验互认项目的关系，并对应更新步骤S3建立的映射规则。
例如，针对带有互认项目标签的检查、检验历史数据库中的数据进行随机抽样，抽取预设样本数量的数据进行人工核查，分析映射错误的数据，进一步迭代优化步骤S3建立的映射规则。
S7、当医生通过医生工作站为患者开检查、检验申请单时，重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配；若匹配成功，进行智能提醒；
其中，所述重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒的方法为一次查询或二次查询，医疗机构可以根据自身实际情况(服务器性能、业务量等)选择适合自己的查询方法。
其中，如图2所示，采用所述一次查询的方法实现重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒，包括以下步骤：
S71、当医生通过医生工作站为患者开检查、检验申请单时，医生点击保存后，所述医生工作站将携带患者身份信息和检查、检验项目信息向重复检查、检验智能提醒引擎发送查询请求；
其中，所述患者身份信息包括患者姓名、年龄、性别、身份证号及医保***。
S72、重复检查、检验智能提醒引擎接收到查询请求后，将接收到的检查、检验项目信息通过所述映射规则进行映射，输出映射结果；
其中，具体使用检查、检验项目信息中的哪些字段作为源数据，以及映射前需要对源数据进行什么前期处理(如拆解、去噪等)皆需根据实际应用场景中步骤S3建立的映射规则进行设置。
S73、当所述映射结果为对应的区域医学检查、检验互认项目，则重复检查、检验智能提醒引擎使用该项目对应的标准项目名称、唯一编码及接收到的患者身份信息与带有互认项目标签的检查、检验历史数据库中互认时效期内的数据进行匹配，并返回结果至医生工作站；
S74、若匹配成功，医生工作站弹窗提醒，医生可查看该患者的历史检查、检验数据，并根据实际情况决定是否取消重复检查、检验项目申请。
其中，如图3所示，采用所述二次查询的方法实现重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒，包括以下步骤：
S71′、当医生通过医生工作站为患者开检查、检验申请单，选中患者打开电子病历时，医生工作站将携带患者身份信息向重复检查、检验智能提醒引擎发送第一次查询请求；
其中，所述患者身份信息包括患者姓名、年龄、性别、身份证号及医保***。
S72′、重复检查、检验智能提醒引擎接收到第一次查询请求后，将接收到的患者身份信息与带有互认项目标签的检查、检验历史数据库中互认时效期内的数据进行匹配，返回结果至医生工作站，同时重复检查、检验智能提醒引擎将在数据库中匹配到的患者互认时效期内检查、检验历史数据缓存至内存，加快第二次查询速度；
S73′、医生工作站接收到第一次查询结果，若患者在互认时效期内未做过互认项目则不触发重复检查、检验提醒，若患者在互认时效期内曾做过互认项目则触发第二次查询；
S74′、当医生勾选完检查、检验项目并点击保存时，若第一次查询结果为患者在互认时效期内曾做过互认项目，则触发第二次查询，医生工作站携带患者身份信息和检查、检验项目信息向重复检查、检验智能提醒引擎发送第二次查询请求；
S75′、重复检查、检验智能提醒引擎接收到第二次查询请求后，将接收到的检查、检验项目信息通过所述映射规则进行映射，输出映射结果；
其中，具体使用检查、检验项目信息中的哪些字段作为源数据，以及映射前需要对源数据进行什么前期处理(如拆解、去噪等)皆需根据实际应用场景中步骤S3建立的映射规则进行设置。
S76′、当所述映射结果为对应的区域医学检查、检验互认项目，则重复检查、检验智能提醒引擎使用该项目对应的标准项目名称、唯一编码及接收到的患者身份信息与缓存中的患者互认时效期内检查、检验历史数据进行匹配，并返回结果至医生工作站；
S77′、若匹配成功，医生工作站弹窗提醒，医生可查看该患者的历史检查、检验数据，并根据实际情况决定是否取消重复检查、检验项目申请。
S8、重复检查、检验监测引擎定期监测所述带有互认项目标签的检查、检验历史数据库，并将监测结果上报至区域卫生健康管理机构。
其中，所述重复检查、检验监测引擎定期监测带有互认项目标签的检查、检验历史数据库，并将监测结果上报至区域卫生健康管理机构包括以下步骤：
S81、重复检查、检验监测引擎将指定时间间隔内，带有互认项目标签的检查、检验历史数据库中各新增数据对应的患者身份信息、互认项目标签，与数据库中互认时效期内的所有数据对应的患者身份信息、互认项目标签进行一一匹配；
S82、将匹配成功的数据上报至区域卫生健康管理机构进行定向监管。
根据本发明的另一个实施例，如图5所示，还提供了区域内医学重复检查、检验智能提醒与监管***，该***包括以下组成：
医生工作站1，用于医疗机构帮助临床医生规范、高效的完成日常处方、病历的书写和维护的信息***；
重复检查、检验智能提醒引擎2，用于自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒；
重复检查、检验监测引擎3，用于监测带有互认项目标签的检查、检验历史数据库，识别出高度疑似重复检查、检验的数据，并将监测结果上报至区域卫生健康管理机构；
其中，所述重复检查、检验智能提醒引擎2与所述重复检查、检验监测引擎3的基础数据库为带有互认项目标签的检查、检验历史数据库。
实施例
区域内医学重复检查、检验智能提醒与监管***在重庆市卫生健康委员会以及下属的17家医院进行了实际落地推广。重庆市卫生健康委员会首批认定41个放射类检查项目作为区域医学检查互认项目。
目前采集17家医院检查数据660万，其中属于重庆市41个互认项目范围的数据为212万，每日新增互认项目数据5000左右。同时，已在17家医院的医生工作站完成了智能提醒***的集成，每日重复检查平均提醒次数20次。此外，重复检查监测引擎对每日新增数据进行监测，上线后1个月内每天平均发现6个重复检查问题，经人工核实重复检查发现准确率高达90％以上。
综上所述，借助于本发明的上述技术方案，通过数据采集、数据治理、建立映射规则、形成带有互认项目标签的检查、检验历史数据库等步骤，结合重复检查、检验智能提醒引擎与重复检查、检验监测引擎，实现了在事中自动识别重复检查、检验并及时提醒医生，在事后为区域卫生健康管理机构提供定期定向的监管服务，有效减少了区域内医学重复检查、检验问题的发生，从而进一步规范了医疗行为，改进了医疗服务，降低了患者就诊费用，简化了患者就医环节，同时使医疗资源得以合理、有效的运用，为广大群众带来民生价值。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.区域内医学重复检查、检验智能提醒与监管方法，其特征在于，该方法包括以下步骤：
S1、通过卫生专网采集区域内预设覆盖范围及预设时间段内医疗机构的历史检查、检验数据，并存储在区域医疗数据云平台上；
S2、从每条所述历史检查、检验数据中提取对应的检查、检验项目信息；
S3、建立所述检查、检验项目信息与区域医学检查、检验互认项目的映射规则；
S4、将从每条所述历史检查、检验数据中提取的所述检查、检验项目信息分别通过所述映射规则进行映射，输出映射结果，所述映射结果包括对应的区域医学检查、检验互认项目与空；
S5、将每条映射结果为所述对应的区域医学检查、检验互认项目的历史检查、检验数据关联上对应的互认项目标签，并存储在带有互认项目标签的检查、检验历史数据库中；
S6、定期分析映射结果为空的以及所述带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据，迭代优化所述映射规则；
S7、当医生通过医生工作站为患者开检查、检验申请单时，重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配；若匹配成功，进行智能提醒；
S8、重复检查、检验监测引擎定期监测所述带有互认项目标签的检查、检验历史数据库，并将监测结果上报至区域卫生健康管理机构。
2.根据权利要求1所述的区域内医学重复检查、检验智能提醒与监管方法，其特征在于，所述历史检查、检验数据包括历史检查数据与历史检验数据；
其中，所述历史检查数据包括检查申请单、检查报告及影像文件，所述历史检验数据包括检验申请单及检验报告。
3.根据权利要求2所述的区域内医学重复检查、检验智能提醒与监管方法，其特征在于，所述检查、检验项目信息包括检查项目信息与检验项目信息；
其中，所述检查项目信息包括***位、检查方法、检查项目名称、检查项目编码、检查项目收费编码及医疗机构编码，所述检验项目信息包括检验项目名称、检验项目内容、检验项目编码、检验项目收费编码及医疗机构编码。
4.根据权利要求3所述的区域内医学重复检查、检验智能提醒与监管方法，其特征在于，所述区域医学检查、检验互认项目指区域卫生健康管理机构明确的纳入互认范围的医学检查、检验项目，所述互认项目标签包括标准项目名称及唯一编码。
5.根据权利要求4所述的区域内医学重复检查、检验智能提醒与监管方法，其特征在于，所述建立所述检查、检验项目信息与区域医学检查、检验互认项目的映射规则的方法包括人工、统计学或机器学习中的至少一种。
6.根据权利要求5所述的区域内医学重复检查、检验智能提醒与监管方法，其特征在于，所述重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒的方法为一次查询或二次查询。
7.根据权利要求6所述的区域内医学重复检查、检验智能提醒与监管方法，其特征在于，采用所述一次查询的方法实现重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒，包括以下步骤：
S71、当医生通过医生工作站为患者开检查、检验申请单时，医生点击保存后，所述医生工作站将携带患者身份信息和检查、检验项目信息向重复检查、检验智能提醒引擎发送查询请求；
S72、重复检查、检验智能提醒引擎接收到查询请求后，将接收到的检查、检验项目信息通过所述映射规则进行映射，输出映射结果；
S73、当所述映射结果为对应的区域医学检查、检验互认项目，则重复检查、检验智能提醒引擎使用该项目对应的标准项目名称、唯一编码及接收到的患者身份信息与带有互认项目标签的检查、检验历史数据库中互认时效期内的数据进行匹配，并返回结果至医生工作站；
S74、若匹配成功，医生工作站弹窗提醒，医生可查看该患者的历史检查、检验数据，并根据实际情况决定是否取消重复检查、检验项目申请。
8.根据权利要求7所述的区域内医学重复检查、检验智能提醒与监管方法，其特征在于，采用所述二次查询的方法实现重复检查、检验智能提醒引擎自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒，包括以下步骤：
S71′、当医生通过医生工作站为患者开检查、检验申请单，选中患者打开电子病历时，医生工作站将携带患者身份信息向重复检查、检验智能提醒引擎发送第一次查询请求；
S72′、重复检查、检验智能提醒引擎接收到第一次查询请求后，将接收到的患者身份信息与带有互认项目标签的检查、检验历史数据库中互认时效期内的数据进行匹配，返回结果至医生工作站，同时重复检查、检验智能提醒引擎将在数据库中匹配到的患者互认时效期内检查、检验历史数据缓存至内存，加快第二次查询速度；
S73′、医生工作站接收到第一次查询结果，若患者在互认时效期内未做过互认项目则不触发重复检查、检验提醒，若患者在互认时效期内曾做过互认项目则触发第二次查询；
S74′、当医生勾选完检查、检验项目并点击保存时，若第一次查询结果为患者在互认时效期内曾做过互认项目，则触发第二次查询，医生工作站携带患者身份信息和检查、检验项目信息向重复检查、检验智能提醒引擎发送第二次查询请求；
S75′、重复检查、检验智能提醒引擎接收到第二次查询请求后，将接收到的检查、检验项目信息通过所述映射规则进行映射，输出映射结果；
S76′、当所述映射结果为对应的区域医学检查、检验互认项目，则重复检查、检验智能提醒引擎使用该项目对应的标准项目名称、唯一编码及接收到的患者身份信息与缓存中的患者互认时效期内检查、检验历史数据进行匹配，并返回结果至医生工作站；
S77′、若匹配成功，医生工作站弹窗提醒，医生可查看该患者的历史检查、检验数据，并根据实际情况决定是否取消重复检查、检验项目申请。
9.根据权利要求8所述的区域内医学重复检查、检验智能提醒与监管方法，其特征在于，所述重复检查、检验监测引擎定期监测所述带有互认项目标签的检查、检验历史数据库，并将监测结果上报至区域卫生健康管理机构包括以下步骤：
S81、重复检查、检验监测引擎将指定时间间隔内，所述带有互认项目标签的检查、检验历史数据库中各新增数据对应的患者身份信息、互认项目标签，与数据库中互认时效期内的所有数据对应的患者身份信息、互认项目标签进行一一匹配；
S82、将匹配成功的数据上报至区域卫生健康管理机构进行定向监管。
10.区域内医学重复检查、检验智能提醒与监管***，用于权利要求1-9中任一项所述区域内医学重复检查、检验智能提醒与监管方法的实现，其特征在于，该***包括以下组成：
医生工作站(1)，用于医疗机构帮助临床医生规范、高效的完成日常处方、病历的书写和维护的信息***；
重复检查、检验智能提醒引擎(2)，用于自动对新数据进行映射，并与带有互认项目标签的检查、检验历史数据库中的历史检查、检验数据进行匹配，若匹配成功，进行智能提醒；
重复检查、检验监测引擎(3)，用于监测带有互认项目标签的检查、检验历史数据库，识别出高度疑似重复检查、检验的数据，并将监测结果上报至区域卫生健康管理机构；
其中，所述重复检查、检验智能提醒引擎(2)与所述重复检查、检验监测引擎(3)的基础数据库为带有互认项目标签的检查、检验历史数据库。
CN202111303143.6A 2021-11-04 2021-11-04 区域内医学重复检查、检验智能提醒与监管方法及*** Pending CN114005530A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111303143.6A CN114005530A (zh) 2021-11-04 2021-11-04 区域内医学重复检查、检验智能提醒与监管方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111303143.6A CN114005530A (zh) 2021-11-04 2021-11-04 区域内医学重复检查、检验智能提醒与监管方法及***

Publications (1)

Publication Number Publication Date
CN114005530A true CN114005530A (zh) 2022-02-01

Family

ID=79927683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111303143.6A Pending CN114005530A (zh) 2021-11-04 2021-11-04 区域内医学重复检查、检验智能提醒与监管方法及***

Country Status (1)

Country Link
CN (1) CN114005530A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115905319A (zh) * 2022-11-16 2023-04-04 国网山东省电力公司营销服务中心(计量中心) 一种海量用户电费异常的自动识别方法及***
CN117393096A (zh) * 2023-10-27 2024-01-12 中世康恺科技有限公司 一种检查检验互认***

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115905319A (zh) * 2022-11-16 2023-04-04 国网山东省电力公司营销服务中心(计量中心) 一种海量用户电费异常的自动识别方法及***
CN115905319B (zh) * 2022-11-16 2024-04-19 国网山东省电力公司营销服务中心(计量中心) 一种海量用户电费异常的自动识别方法及***
CN117393096A (zh) * 2023-10-27 2024-01-12 中世康恺科技有限公司 一种检查检验互认***

Similar Documents

Publication Publication Date Title
Waghade et al. A comprehensive study of healthcare fraud detection based on machine learning
CN110148440B (zh) 一种医疗信息查询方法
Ekina et al. Application of bayesian methods in detection of healthcare fraud
CN114005530A (zh) 区域内医学重复检查、检验智能提醒与监管方法及***
CN113808738B (zh) 一种基于自识别影像的疾病识别***
CN112365941A (zh) 受试者招募的方法及***
CN114519524A (zh) 基于知识图谱的企业风险预警方法、装置及存储介质
CN112687399A (zh) 一种基于人工智能信息化的传染病监测与预警***
CN116932523B (zh) 一种整合和监管第三方环境检测机构的平台
CN110428891A (zh) 一种就诊意图的处理方法、装置及设备
CN111984898A (zh) 基于大数据的标签推送方法、装置、电子设备及存储介质
CN112259170A (zh) 基于机器学***台
Khan et al. Analysis of tree-family machine learning techniques for risk prediction in software requirements
CN115577168A (zh) 基于人工智能的智慧医疗大数据处理方法及智慧医疗***
CN112949745B (zh) 多源数据的融合处理方法、装置、电子设备及存储介质
Boruah et al. Analytical study of data mining applications in malaria prediction and diagnosis
CN114169901A (zh) 一种基于行为序列分类的医保异常检测方法及***
Choppala et al. Reduction of Healthcare Resources by Classifying Patient's Data
Liu et al. Research on application of data mining in hospital management
Heydari et al. Graph Representation Learning Towards Patents Network Analysis
Marinescu et al. FREIDA-fracture risk evaluation using highly efficient information retrieval and analysis of large healthcare datasets
CN109785926A (zh) 用于单位端的检报处理方法及装置
CN111079420B (zh) 文本识别方法、装置、计算机可读介质及电子设备
Semenov et al. Implementation of a decision support system for interpretation of laboratory tests for patients
Simanjuntak et al. Patients Clustering on BPJS Health Insurance Data Using Partition Clustering Algorithm

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