CN102246174B - 用于在采用异构信任模型的分布式和自治保健环境中改进记录链接的自动决断再利用 - Google Patents

Abstract

决断接受值矩阵(300)指示决断的可靠性，特别是由医疗机构联盟中具有不同患者记录系统和一些公共患者的其它医疗机构所作的记录是否匹配的决断或者决定。来自不同机构的、具有高匹配似然性或者不匹配的记录被自动匹配或者不匹配。对那些不明确的进行手动审查。使用决断接受值矩阵减少或者加快手动审查。

Description

用于在采用异构信任模型的分布式和自治保健环境中改进记录链接的自动决断再利用

本申请涉及数据连续性技术。其尤其应用于在医疗环境中对患者记录的管理。然而，它还将使用在对数据连续性感兴趣的其它类型的应用中。

对于患者，其通常接受来自地理上分散在多个地点的多个保健提供商的护理。使用多个保健提供商导致患者接收多个患者标识符，每个患者标识符归属于指定保健提供商。诸如医疗图像和其它相关医疗信息的患者数据散布在多个保健提供商的所在地。为了使保健提供商对存储在多个保健提供商所在地的患者数据记录进行调取，必须使对应保健提供商的多个患者标识符一致，并且将多个患者标识符链接在一起。当前，存在对当患者在地理上分散在多个场所的多个保健提供商之间移动时能够使得医疗记录跟随患者的系统的需求。

本申请提供了克服上述问题和其它问题的改进的方法和设备。

根据一个方面，提出了再利用比较的方法，包括接收由外部团体提供的记录；将所接收的记录与由接收团体当前保持的多个记录进行比较以便确定任何两个所比较的记录是否对应于同一个客户。这用于基于所比较的记录匹配的概率来产生似然率，并且该定量用于将所述似然率与接受阈值和拒绝阈值进行比较，其中，接受阈值与拒绝阈值不同。然后，对于例外列表，当记录的似然率值小于接受阈值并且还大于拒绝阈值时，将该记录分配给例外列表。然后，确定是应该接受例外列表上的记录以作为匹配，还是拒绝例外列表上的记录以作为不匹配，并且记录该确定；接收外部团体所作的是接受还是拒绝例外列表上的记录作为匹配的决断。然后，对例外列表上、由接收记录的团体和每个外部团体都接受和拒绝中的至少一种的记录进行比较，以便计算对于每个外部团体的决断接受值。最后，以矩阵格式执行对决断接受值的记录。

根据另一个方面，提出了用于产生可再利用比较的设备，包括：接收由外部团体提供的记录的输入；存储多个记录的数据库；至少一个处理器，其将所接收的记录与从数据库调取的每个记录进行比较，以便基于所比较的记录匹配的概率产生似然率。然后，该设备将似然率与接受阈值和拒绝阈值进行比较，将在接受阈值和拒绝阈值之间的记录分配给例外列表，用于手动确定例外列表上的记录是否匹配。该至少一个处理器还对至少一个外部团体的所作的决断进行接收，其中，该决断包括是接受还是拒绝例外列表上的记录作为匹配；对例外列表上、由接收记录的团体和每个外部团体都接受和拒绝中的至少一种的记录进行比较，以便计算对于每个外部团体的决断接受值。最后，该设备以矩阵格式记录决断接受值。

根据另一个方面，提出了将对于具有不同医疗记录系统的多个医疗机构的患者记录进行匹配的方法，其中，一些患者在多个医疗记录系统中具有记录。方法包括：将医疗记录系统中所选择的患者医疗记录与来自至少一个其它医疗记录系统的多个患者记录进行比较，产生指示所选择的患者医疗记录与每个所比较的记录匹配的概率的似然率。该方法致力于将所选择的患者医疗记录与所比较的记录之一进行自动匹配，如果似然率超过接受阈值的话，不将所选择的患者医疗记录与所比较的满足拒绝阈值的记录进行匹配，并且如果所选择的患者医疗记录以及一个或多个所比较的记录既不满足接受阈值也不满足拒绝阈值，就将所选择的患者医疗记录分配给例外列表用于手动审查。然后，接收是否将所选择的患者医疗记录与所比较的另一个医疗机构的记录之一进行匹配的指示；并且最后，根据指示其它医疗机构所作的匹配可靠性的决断接受值矩阵执行手动审查和产生步骤中的至少一个。

一个优点在于能够减少对同一个记录连续进行多次评估的需要。

另一个优点在于更大的精确性保证。

另一个优点在于识别不一致的结果和可能的错误。

一个优点在于这样的事实：其它保健提供商可以看到指定保健提供商如何对特定患者在之前保健提供商处的医疗记录进行评估，并且使用该评估做出他们自己对该指定患者医疗记录的评价。

本发明可以采用各种部件和部件布置、以及各种步骤和步骤布置的形式。图仅仅是为了说明优选实施例的目的，而不是理解为限制本发明。

图1说明了用于关于记录匹配对3个结果进行区分的两个阈值。

图2说明了在具有自治场所的分布式异构环境中的决断接受。

图3说明了用于具有4个参与机构的联盟的决断接受矩阵。注意到矩阵数据结构仅仅是对该信息进行存储的许多可能方式中的一种，其它方法(例如，一列列表、存储库集合等)是同样可用的。

图4说明了方法权利要求的流程图。

图5说明了信息如何流经设备。

参考图1，将固定记录与许多用于匹配的候选进行比较的概率算法为分别与拒绝阈值110或接受阈值120进行比较的每个候选计算似然率或者加权分。使用拒绝阈值110作为用于决定记录是否落在拒绝阈值110之下的比较的基础。如果记录的似然率小于拒绝阈值110，那么就拒绝130记录，作为不匹配150，并且不链接该记录。使用接受阈值120作为用于决定哪个记录超过接受阈值的比较的基础。如果记录的似然率大于接受阈值120，那么就接受140记录，作为匹配170，并且链接该记录。如果记录大于拒绝阈值110并且还小于接受阈值120，那么所计算的似然率落在接受阈值和拒绝阈值之间。这里，可以拒绝180或者接受190该记录。不自动决定，而是对其进行标记，用于通过有资格的人员进行手动审查160。进行手动审查以确定记录是否应该适当地拒绝180或者接受190记录作为匹配。由于链接错误可能具有最终危及患者健康的深远后果，所以为了最小化这些错误，不确定匹配的手动审查160是极其重要的。

随着医疗提供商或者保健系统联合或者合并，共享患者记录是有利地。同一个患者可能以不同的医疗记录号(MRN)存在于多个提供商数据库中。典型地，通过患者主索引(MPI)引导信息流入和流出患者记录，其中，当单位记录存在时，患者主索引(MPI)将提供商编号系统中唯一的医疗记录号与每个患者实体相关联。为了跨多个分布式数据源对患者在企事业单位范围进行查看，为每个患者用一个公共的、企事业单位范围的唯一MRN来实现企事业单位患者主索引(EMPI)，使得通过一个并且仅通过一个MRN就知道每个患者，而不依赖于指定医疗设施，使得同一个患者在加入本申请所公开的系统的任何一个以及每个医疗提供商处将具有相同的唯一MRN。通过对一起组成企事业单位的实体中的个体MPI的整合来开发EMPI。一般而言，通过对诸如姓和名、性别、出生日期、地址、以及其它统计数据的统计属性进行比较，以创建EMPI作为企事业单位级别患者标识符的形式来实现整合，其中，单独一个唯一的MRN将标识在使用本系统的每个医疗设施处的同一个患者。这种企事业单位级别患者标识符很少基于在企事业单位中的不同组织之间共享的单独一个标识符。

可以使用概率算法将固定记录与用于匹配的许多候选进行比较，为每个候选计算似然率或者加权分，将似然率或者加权分与所选择的接受阈值和拒绝阈值进行比较，如上文结合图1所说明的。使用该方法决定是否将记录链接到公共标识符或者企事业单位范围的MRN。当不能自动进行决定时，例如，当所计算的似然率落在两个阈值之下时，有资格的人员在接受之前审查或者标记可能的匹配，并且还在拒绝之前审查不匹配。为了最小化链接错误，不确定匹配的手动审查是非常重要的，但是同时它是耗时并且昂贵的。

参考图2，提供了在两个不同医疗提供商处、具有属于同一个患者的似然性的记录之间的链接的基于决断的记录链接，使得能够明了在整组的机构(也被称为联盟或者企事业单位)中的决断，将所有决断视为对于发布它们的机构而言是本地基本真值但是对于其它机构不一定是真值。决断是两个医疗记录涉及或者不涉及同一个患者的信念。给客户分配对于客户记录唯一的记录号。将客户的统计数据与可能属于同一个客户的一批记录中的每个记录的统计数据进行比较，以便得到对于每个所比较记录的似然率。将每个似然率与定义的接受阈值以及定义的拒绝阈值进行比较。在对落入两个阈值之间的记录手动审查期间，基于似然率比较做出关于记录对是否匹配的决断，声明它相信两个记录是否属于同一个患者。本地基本真值方法需要所有参与机构进行它们自己的记录手动审查，以便解决需要手动审查的记录的例外列表。当机构组或者联盟内的信任级别很低时，每个机构理所当然地不回采用其它机构的决断。要解决没有机构信任任何其它机构的最差情况情景是最耗时的。

在一些参与机构之间的信任级别可能很大。例如，想象大型良好建立的保健提供商200可能已经采用它们自己的患者识别方案获得了一些较小的机构。让我们假定医院A、医院B和医院C一起加入了一个联盟，添加诸如D的另一个机构扩大该联盟。随着时间的过去，医院A、B和C已经建立了公共程序，并且已经彼此具有完全信任。在该示例中，当医院A做出两个参与标识符是相同的决断210时，将该决断接受为不仅对于医院A而且对于医院B和医院C也是本地真值。在该情况下，不需要医院B和医院C的手动审查。另一方面，医院D可能还没有发展这种高级别的信任，并且能够本地推翻医院A的决断。同时，医院A产生的决断可以在确定对于医院D的手动审查的病例的自动匹配过程中起作用。当然，取决于医院D对医院A的信任级别，医院A的决断关于医院D的决断匹配的影响将更大或者更小。对医院B、C和D分别做出的决断240、250和270进行类似处理。

本申请提出了对用于机构联盟内所有参与机构之间的相互信任对进行明确量化的模块进行描述，并且使用该数据最大化可用决断在手动审查阶段的再利用，从而使得每次存取患者记录的确定过程都执行决断的劳动密集型任务最小化，同时允许联盟内的异构信任模型。为此，创建联盟信任矩阵，并且应用于自动决断再利用，其中，可用的决断成为计算阈值的概率公式的一部分。该方法使得能够促进在合作异构保健环境内进行自动患者识别过程中的决断再利用的流畅并且有效的决断处理。

参考图3，为了允许在异构保健多企事业单位患者匹配背景下的决断再利用，我们提出了使用所谓的接受矩阵300，其阐明了在参与机构之间的决断接受级别。示例性矩阵300中的行330代表了接收决断的机构，列310代表了发布决断的机构。值的范围从0到1(例如，0％到100％)，并且指示接收机构分配给机构的决断的百分比或权重，其中，0意味着不接受350，而1意味着将输入决断视为本地真值370。

在决断矩阵300的变体中，接受百分比(包括肯定和否定决断的权重)对于来自一个发布机构的分别关于患者ID匹配和不匹配的决断可能不同，矩阵变化中的每个单元将包含两个接受值，一个用于肯定决断，一个用于否定决断。这里，单元将包含两个值，一个值是作为记录被接受的概率的接受率，其中，0是不接受或拒绝，而1是肯定接受；而第二个值是被拒绝的概率，其中，0是不接受，而1是肯定拒绝。这两个值将以如下方式存在于矩阵的同一个单元内：并排、上和下、一个在另一个顶部、彼此对角邻近、或者为任何数字的组合或并行矩阵，或者还可以以另一种合适的数据结构类型存储，例如列表的列等。

注意到，矩阵300在对角矩阵单元中具有1，指示机构将它们自己的决断作为基本事实380。然而，每个机构可以意识到错误的可能性，并且给它自己诸如0.95的高百分比或权重，但是可能不接受它作为基本事实。同时注意到，由于信任程度也不一定是对称的，所以矩阵300或者其变化不必需是对称的，例如，当医院D以.5的程度接受来自医院A的决断(360)但是医院A根本不考虑医院D的决断(不接受350)时。通过简单地随着所指示的百分比变化增大接受度，或者将该百分比紧接着诸如基于姓、出生日期等的匹配的其它常见匹配标准嵌入所选择的概率公式中，可以将来自决断矩阵300的值嵌入所采用的自动匹配算法内。因此，例如在医院D的情况下，如果医院D从医院A接收到关于特定病例的决断，那么将增加患者ID匹配的可能性50％。在医院D接收到医院A的决断之后，它然后继续进行匹配算法，考虑所有可用的统计数据加上基于医院A的决断所增加的可能性计算整个匹配分数。然后，基于所选择阈值的分数，自动链接患者ID，或者宣布患者ID为不同或用于手动审查。

在缺乏全局公共标识符的联合的环境中患者识别的问题是所需要解决的关键问题之一，是能够构建和部署联合图片归档和通信系统(PACS)解决方法的先决条件。本申请致力于在自治环境背景下的匹配过程的手动审查阶段。

参考图4，给出了方法步骤的流程图。首先，对由外部团体所提供的记录进行接收410。然后，将该记录与由接收团体当前所保持的多个记录进行比较420以便确定任何两个所比较的记录是否对应于同一个客户。从该比较中，基于所比较的记录匹配的概率产生似然率430。然后，将该似然率与接受阈值和拒绝阈值进行比较440。将具有既小于接受比率又大于拒绝比率450的似然率的任何记录放置在例外列表上用于手动审查。对例外列表上的记录单独进行手动评估460，以便确定是否应该接受或者拒绝这些记录并且记录该确定。然后，通过外部团体对所评估的、所接受的和所拒绝的记录总数进行分割，以便计算对于每个单独外部团体470的接受比率。然后，将该接受比率数据放置480在矩阵300中。以这种方式，给其它机构所作出的决定的权重可以随着经验改变。

参考图5，说明了经过诸如但不限于计算机的设备的信息流500，该设备可以被编程以执行本申请。数据经输入终端510录入，并且以公共格式500对数据进行格式化以用于存储540在数据库530中并且用于比较。以任何预定义的形式摘录输入数据，并且用于创建唯一的标识符520。该输入标识符由诸如但不限于名字542、年龄544、以及性别、生活方式、电话号码和地址546的统计数据组成。使用输入数据导出唯一的标识符，使用该标识符作为与其它数据进行比较525的指针。对数据库记录进行调取535和比较550(每次一个记录并进行一次比较)，直到已经对数据库530中的每个记录进行比较为止。数据库包含之前录入的记录，并且由诸如但不限于名字542、年龄544、以及性别、生活方式、电话号码和地址546的相似类型的统计数据组成。

为了进行精确比较，输入数据的格式必须与存储在数据库中的以及从数据库中调取的数据的格式是相同的。图5中所描述的格式，其中，年龄、用于性别的一个字母、用于生活方式的一个字母、以及用于地址的几个数字520不是能够使用的唯一格式，但是它必须与数据库535中用于进行匹配的数据是相同的格式。

在执行每次记录比较之后，对结果进行处理548，并且为将输入记录510与其进行比较的每个记录计算在输入记录510和每个数据库记录552之间存在的匹配的似然率554。在一个实施例中，存储器530包含或者参考由其它机构手动接受以作为匹配的或者手动拒绝以作为不匹配的患者记录以及由哪个机构(5)的对应表。存储器还包含信任矩阵300。如果在矩阵中具有零信任值的医院进行了手动匹配或拒绝，之前的匹配或拒绝就被分配零权重，即忽略不计。如果具有信任值1的医院已将输入记录与另一个记录进行了手动匹配，这种之前匹配就使得分配100％的似然率。在0和1之间的信任值使得似然率相应提高。另一个机构之前的手动拒绝使得似然率类似地下降。随后，还可以通过所选择的概率公式对该似然率进行调整，并且然后，将其与接受阈值560和预定义的拒绝阈值562进行比较556。将具有大于接受阈值的似然率的匹配决断为是匹配564，并且将具有低于拒绝阈值的似然率的匹配决断为将被拒绝568。对具有小于接受阈值560并且高于拒绝比率562的似然率的记录进行标记用于手动审查566。

在执行手动审查之后，结果输入570。然后，接收机构575对用于每对比较的每个决断进行分解575和平均，以便计算所接收的输入记录的百分比586，将其放置在矩阵300中。矩阵在一个轴上包含提交、提供或者发送记录的机构的名称，并且在另一个轴上包含对记录进行接收的机构的名称。水平轴582可以用于发送或接收机构，而垂直轴584可以接纳发送或接收机构。

然后，将矩阵记录588在数据库530中，并且可以经诸如但不限于因特网连接590形式的因特网590的网络在机构联盟成员或者非机构联盟成员的其它机构之间进行共享。

例如，所录入的记录是对于一名55岁男性城市居民乔(Joe)的。与数据库中一名14岁男性城市居民亚当(Adam)的比较将产生19％的低似然率的匹配，这是由于在两个所比较的记录之间大的年龄和地址差异。如果拒绝阈值比率是20％，那么该具有19％比率的记录将落在20％拒绝阈值之下，并且将被拒绝。这两个所比较的记录很可能不是对于同一个人的。

另一个比较，这次将55岁男性城市居民乔的录入记录与另一名不同的59岁男性城市居民乔的数据库记录进行比较，因为这两个记录在年龄和地址方面非常接近匹配，所以将产生91％的较高似然率。如果接受的阈值比率是90％，那么该具有91％接受比率的记录将在90％接受比率之上，并且将被接受为匹配。这两个所比较的记录很可能是对于同一个人的。

与一名55岁女性农村居民简(Joan)的记录的比较将产生72％的似然率。由于该72％在20％的拒绝比率之上并且还在90％的接受比率之下，所以将该记录放置在例外列表上，并且进行标记用于手动审查。仅手动审查才可以决定这些记录是否是对于同一个人的。

可以对每个统计因素进行相等加权，但这不是必须的。例如，个人的地址可以在短时期内改变许多。因此，可以将该统计因素加权为不如其它统计因素重要。可以给诸如性别或种族的几乎或者从来不改变的统计因素更大的权重，因为该统计因素作为指定人的指示符可能更可靠。这可以解释为什么虽然Joe 55M U 123Oak和Joe 59M U 998Balsa之间的地址差异很大，但是这两个个体之间的相似性匹配是91％。这里，类似地，对年龄、性别、和生活方式的加权比对地址的加权更重。

在另一个实施例中，将之前的匹配和拒绝确定以及进行该确定的机构提供给手动审查者。还给手动审查者提供机构信任矩阵300。手动审查根据给予其它医院的信任值对之前的决定进行加权。

在另一个实施例中，可以使用之前的匹配/拒绝决定和信任矩阵300调整接受或拒绝阈值。

当两个机构关于两个记录是否匹配做出相反决定时，将冲突公告发送到两个机构。可以将两个记录自动发送给两个机构的手动审查者用于重新考虑。

在具有一个或多个计算机软件程序的一个或多个计算机或计算机系统上执行上述过程。可以将用于执行各步骤的计算机程序存储在诸如磁盘、计算机存储器等的有形计算机可读介质上。

参考优选实施例描述了本公开。一旦阅读并且理解了前述详细说明，其他人可以进行修改和改变。旨在将本发明构造为包括所有这些修改和改变，只要它们落在所附权利要求或者其等同替代的范围内。

Claims (13)

1.一种管理患者记录的方法，包括：

接收由外部团体所提供的记录；

将所接收的记录与由接收团体当前所保持的多个记录进行比较，以便确定任何两个所比较的记录是否对应于同一个客户；

基于所比较的记录匹配的概率产生似然率；

将所述似然率与接受阈值和拒绝阈值进行比较，所述接受阈值与所述拒绝阈值不同；

当一记录的似然率的值小于所述接受阈值并且还大于所述拒绝阈值时，将该记录分配给例外列表；

确定是应该接受所述例外列表上的所述记录以作为匹配，还是拒绝所述例外列表上的所述记录以作为不匹配，并且记录所述确定；

接收由外部团体所作的是接受还是拒绝所述例外列表上的记录作为匹配的决断；

对所述例外列表上、由接收所述记录的团体和每个外部团体都接受和拒绝中的至少一种的所述记录进行比较，以便计算对于每个外部团体的决断接受值；以及

以矩阵格式记录所述决断接受值。

2.如权利要求1所述的方法，其中，通过下列步骤创建决断接受值的所述矩阵（300）：

将接收决断的至少一个团体的名称放置在一个轴上；

将发布所述决断的至少一个团体的名称放置在第二个轴上；以及

为在接收轴和发布轴之间的每个交叉部创建一个单元，其中，每个单元包含至少一个决断接受值。

3.如权利要求2所述的方法，其中，所述概率的值在从0到1的范围内，包括0和1，其中，0代表不接受，而1意味着所接收的决断是基本真值。

4.如权利要求2所述的方法，其中，将每个决断接受值计算为由所述接收团体和每个其它团体所确定的之前的公共决断的加权比。

5.如权利要求2所述的方法，其中，决断接受值的所述矩阵中的每个单元可以包含单独的用于肯定决断的决断接受值以及用于否定决断的决断接受值。

6.如权利要求1-5中的任一项所述的方法，其中，所述接收团体和所述外部团体是医疗机构的公共联盟的成员，并且所述记录是患者记录，所述机构包括具有不同的患者标识符的不同医疗记录系统。

7.如权利要求6所述的方法，其中，给所接收的记录和另一个团体所接受的记录分配唯一的、联盟范围内的医疗记录号。

8.如权利要求1-2中的任一项所述的方法，其中，决断接受值的所述矩阵用于下列中的至少一种：

在所述似然率产生步骤中使用，以根据所述接受值增大或者减少所述概率；或者

在确定应该接受还是拒绝所述例外列表上的记录的步骤中使用。

9.一种用于管理患者记录的设备，包括：

输入（510），其接收由外部团体所提供的记录；

数据库（530），其存储多个记录；

至少一个处理器（525、548、556），其：

将所接收的记录与从所述数据库调取的每个记录进行比较，以便基于所比较的记录匹配的概率来产生似然率；

将所述似然率与接受阈值和拒绝阈值进行比较；

将在所述接受阈值和所述拒绝阈值之间的记录分配给例外列表，用于手动确定所述例外列表上的所述记录是否匹配；

其中，所述至少一个处理器还：

接收由至少一个外部团体所作的决断，其中，所述决断包括是接受还是拒绝所述例外列表上的所述记录作为匹配；

对所述例外列表上、由接收所述记录的团体和每个外部团体都接受和拒绝中的至少一种的记录进行比较，以便计算对于每个外部团体的决断接受值；以及

以矩阵格式记录所述决断接受值。

10.如权利要求9所述的设备，其中，决断接受值的所述矩阵包括：

表示接收决断的团体的至少一个轴（310）；

表示发布决断的团体的另一个轴（330）；

在接收轴和发布轴之间的每个交叉部的一个单元，其中，每个单元包含至少一个接受值。

11.如权利要求9-10中的任一项所述的设备，其中，所述矩阵中的每个单元包含单独的用于肯定决断的决断接受值和用于否定决断的决断接受值。

12.如权利要求9-10中的任一项所述的设备，其中，所述记录是医疗机构的联盟的患者记录，所述机构具有不同的医疗记录系统，一些患者在多个所述医疗机构的所述医疗系统中具有未匹配的患者记录。

13.一种将具有不同医疗记录系统的多个医疗机构的患者记录进行匹配的方法，其中，一些患者在多个所述医疗记录系统中具有记录，所述方法包括：

将医疗记录系统中所选择的患者医疗记录与来自至少一个其它医疗记录系统的多个患者记录进行比较；

产生指示所选择的患者医疗记录与所比较的记录中的每个匹配的概率的似然率；

（1）如果所述似然率超过接受阈值，就将所选择的患者医疗记录与所比较中的一个记录进行自动匹配，（2）不匹配所选择的患者医疗记录与所比较的满足拒绝阈值的记录，并且（3）如果所选择的患者医疗记录以及一个或多个所比较的记录既不满足所述接受阈值也不满足所述拒绝阈值，就将所选择的患者医疗记录分配给例外列表用于手动审查；

接收所选择的患者医疗记录是否与一个所比较的所述医疗机构中的另一个的记录匹配的指示；

根据指示由其它医疗机构所作的匹配的可靠性的决断接受值矩阵（300）执行所述手动审查和所述产生步骤中的至少一个。