CN102521500A - 健康数据分析系统及方法 - Google Patents
健康数据分析系统及方法 Download PDFInfo
- Publication number
- CN102521500A CN102521500A CN2011104019200A CN201110401920A CN102521500A CN 102521500 A CN102521500 A CN 102521500A CN 2011104019200 A CN2011104019200 A CN 2011104019200A CN 201110401920 A CN201110401920 A CN 201110401920A CN 102521500 A CN102521500 A CN 102521500A
- Authority
- CN
- China
- Prior art keywords
- rule
- data
- health
- health data
- user
- 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
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种健康数据分析系统及方法。健康数据分析系统包括:健康数据输入模块,用于接收用户的健康数据;规则配置模块,用于配置关于健康数据的规则;以及分析模块,用于根据所述规则对所述健康数据进行分析,以得出分析结果。本发明的健康数据分析系统通过自主配置规则,实现了健康数据的个性化分析。在结合调查数据、历史体检数据和当前体检数据配置规则的情况下,可以实现对用户健康状况的多角度、多层面综合评估。
Description
技术领域
本发明涉及人工智能领域,特别涉及一种健康数据分析系统及方法。
背景技术
随着生活水平不断提高和人们工作和生活节奏逐渐加快,健康成为人们越来越关注的话题,人们越来越多地注意通过体检或健康调查等途径及时准确的了解自身健康状况。此外,企业职工定期体检、招工、征兵、学生入学、特定职位的健康检查、各种慢性病和治疗和职业病的预防也都离不开医院或专门的体检机构的体检。
健康体检是个十分复杂的过程,涉及到各个科室、各个体检项目以及体检结果、体检诊断等。传统方式就是打印体检单,分配给各个体检人,然后由体检人通过体检单到各个检查科室去检查,所有项目完毕之后,体检人将收到来自各个科室的大量体检数据。但是,体检人得到的体检数据大部分是非常专业的数值或晦涩难懂的医学术语,而对于普通用户来说,在没有专业医疗人员帮助的情况下,他们无法明确地了解诸如是否患有或患有何种慢性病等更为明了的结论,这样的数据对用户而言毫无意义。此外,调查问卷等形式的健康状况数据采集,往往含有过多的用户主观因素,其结果不足以单独作为健康状况的评估依据。
随着计算机技术的飞速发展,计算机技术已越来越多地被应用于疾病诊断、医疗体检、健康调查等领域中。毫无疑问,将计算机技术应用于医学领域,方便医务工作者快速诊断疾病,普通人了解自身健康状况,具有特别重要的意义。
但是,目前现有的健康分析系统对于体检结果分析一般只能得到晦涩难懂的数据,不能给出明了的结论。即便已经有某些健康分析系统能够对于化验结果、体检数据、调查结果进行分析,但是其统计分析规则往往是单一的、固定不变的,难免导致结论的偏颇。而一般的健康调查系统或健康分析系统等,只能就调查问卷等提供的标准答案孤立地分析,得出不够全面的结论。而且目前大多健康分析系统只依据一种或少数几种固定的规则进行分析,如在未进行充分调查用户意见的情况下、武断地依据体检的数字结果设置血糖值在3.9至6.2之间的为正常(也许该用户只是在空腹状况下血糖值正常),难以满足更多用户对于灵活地分析健康数据的需求。
另外,人体各项体征数据的变化也是动态的,一顿饭一次运动都会导致体检数据的大幅变化,因此在未结合以往的健康档案信息、个人生活习惯等情况的前提下,孤立地分析某一次体检结果也是有失偏颇的。而且不同的医疗机构和用户对健康信息有不同的统计和分析的要求,而目前大多健康信息分析系统只依据一种或少数几种固定的规则进行分析,难以满足更多用户对于灵活地统计分析健康信息的需求。
综上所述,目前迫切需要一种能够自主灵活地配置规则,对调查数据、历史体检数据和当前体检数据等多种健康信息进行多层面、多角度的统计分析,为用户提供其健康状况的综合评估的健康数据分析解决方案。
发明内容
为了解决现有技术中存在的技术问题,本发明的主要目的在于提供一种健康数据分析系统,其能够基于自主配置的规则对健康数据进行分析,从而实现健康数据的个性化分析。
为达到上述目的,本发明的技术方案具体是这样实现的:
一种健康数据分析系统,包括:健康数据输入模块,用于接收用户的健康数据;规则配置模块,用于配置关于健康数据的规则;以及分析模块,用于根据所述规则对所述健康数据进行分析,以得出分析结果。
优选地,所述规则配置模块利用自然语言来配置关于健康数据的规则;并且所述健康数据分析系统进一步包括:规则引擎,用于将所述规则配置模块所配置的规则从自然语言格式转换成机器可读语言格式,将转换后的规则提供给所述分析模块。
相应地,即使用户对编程技术一无所知,也可以(例如,根据系统提供的范例)利用自然语言方便地配置规则,从而大大方便了普通用户的操作。
优选地,所述分析模块进一步用于:在对所述健康数据进行分析之前,提取所述健康数据所涉及的项目,并将所述项目发送给所述规则配置模块。所述规则配置模块针对所述项目来配置关于健康数据的规则。
相应地,可以针对当前输入的健康数据所涉及的项目来有针对性地配置关于健康数据的规则,从而避免在不知道要对哪些健康数据进行分析的情况下,花费大量的时间和精力盲目地配置大量无用的规则或者漏掉某些需要使用的规则。
优选地,该健康数据分析系统进一步包括:存储参考规则的参考规则库。所述规则配置模块进一步用于:在接收到所述项目时,从所述参考规则库中提取与所述项目相匹配的参考规则,并将所述相匹配的参考规则呈现给用户。
相应地,选择和/或修改参考规则库中的参考规则大大方便了对于基本规则的配置。
优选地,所述规则配置模块通过下列方式中的至少一种来配置所述关于健康数据的规则:用户从所述参考规则库中选择参考规则;用户对所述参考规则库中的参考规则进行修改以得到修改后的规则;以及用户自定义规则。
相应地,本发明的健康数据分析系统实现了规则的灵活配置。
优选地,所述健康数据包括:调查数据、历史体检数据和当前体检数据中的至少一种。所述规则包括每个健康数据的端点数值和关于健康数据的表达式。所述表达式包括下列至少一种:针对单个当前体检数据的第一表达式;结合多个当前体检数据的第二表达式;以及结合调查数据和历史体检数据的至少一种和当前体检数据的第三表达式。
其中,所述分析模块在根据所述规则对所述健康数据进行分析时,将所述健康数据和所述端点数值代入所述表达式进行计算,以判断所述健康数据是否符合相应的规则,并且得出对应于所述相应的规则的分析结果。
相应地,本发明的健康数据分析系统实现了对用户健康状况的多角度、多层面综合评估。
优选地,所述健康数据分析系统进一步包括:输出模块,用于输出所述分析结果。
本发明的另一个目的在于提供一种健康数据分析方法,其能够基于自主配置的规则对健康数据进行分析,从而实现健康数据的个性化分析。
为达到上述目的,本发明的技术方案具体是这样实现的:
一种健康数据分析方法,包括以下步骤:接收用户的健康数据;配置关于健康数据的规则;以及根据所述规则对所述健康数据进行分析,以得出分析结果。
优选地,配置关于健康数据的规则包括:利用自然语言配置关于健康数据的规则。该方法进一步包括:在配置关于健康数据的规则之后,将所配置的规则从自然语言格式转换成机器可读语言格式,以便可直接用于对所述健康数据进行分析。
相应地,即使用户对编程技术一无所知,也可以(例如,根据系统提供的范例)利用自然语言方便地配置规则,从而大大方便了普通用户的操作。
优选地,该方法进一步包括:在接收用户的健康数据之后,提取所述健康数据所涉及的项目;并且配置关于健康数据的规则包括:针对所述项目来配置关于健康数据的规则。
可以针对当前输入的健康数据所涉及的项目来有针对性地配置关于健康数据的规则,从而避免在不知道要对哪些健康数据进行分析的情况下,花费大量的时间和精力盲目地配置大量无用的规则或者漏掉某些需要使用的规则。
优选地,针对所述项目来配置关于健康数据的规则包括:从参考规则库中提取与所述项目相匹配的参考规则,并将所述相匹配的参考规则呈现给用户以供用户选择和/或修改。
相应地,这大大方便了对于基本规则的配置。
优选地,针对所述项目来配置关于健康数据的规则进一步包括:将用户针对所述项目自定义的规则配置为关于健康数据的规则。
相应地,本发明的健康数据分析方法实现了规则的灵活配置。
优选地,所述健康数据包括:调查数据、历史体检数据和当前体检数据中的至少一种。所述规则包括:每个健康数据的端点数值;以及关于健康数据的表达式。所述表达式包括下列至少一种:针对单个当前体检数据的第一表达式;结合多个当前体检数据的第二表达式;以及结合调查数据和历史体检数据的至少一种和当前体检数据的第三表达式。
其中,根据所述规则对所述健康数据进行分析,以得出分析结果包括:将所述健康数据和所述端点数值代入所述表达式进行计算,以判断所述健康数据是否符合相应的规则,并且得出对应于所述相应的规则的分析结果。
相应地,本发明的健康数据分析方法实现了对用户健康状况的多角度、多层面综合评估。
优选地,该方法进一步包括:输出所述分析结果。
附图说明
下面参照附图描述本发明的优选实施例,在附图中:
图1是根据本发明第一实施例的健康数据分析系统的框图。
图2是根据本发明第二实施例的健康数据分析系统的框图。
图3是根据本发明第三实施例的健康数据分析系统的框图。
图4是根据本发明第四实施例的健康数据分析方法的流程图。
图5是根据本发明第五实施例的健康数据分析方法的流程图。
图6是根据本发明第六实施例的健康数据分析方法的流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举出优选实施例,对本发明进一步详细说明。然而,需要说明的是,说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解,即便没有这些特定的细节也可以实现本发明的这些方面。
本申请使用的“模块”、“系统”等术语旨在包括与计算机相关的实体,例如但不限于硬件、固件、软硬件组合、软件或者执行中的软件。例如,模块可以是,但并不仅限于:处理器上运行的进程、处理器、对象、可执行程序、执行的线程、程序和/或计算机。举例来说,计算设备上运行的应用程序和此计算设备都可以是模块。一个或多个模块可以位于执行中的一个进程和/或线程内,一个模块也可以位于一台计算机上和/或分布于两台或更多台计算机之间。另外,可以通过存储了多种数据结构的多种计算机可读介质执行这些模块。这些模块可以通过信号利用本地和/或远程进程进行通信。
本发明的具体思想是:自主配置规则,实现健康数据的个性化分析。并且,在对调查数据、历史体检数据和当前体检数据等多种健康数据进行分析的情况下,可以为用户提供其健康状况的多角度、多层面综合评估。
首先,描述根据本发明第一实施例的健康数据分析系统100。
图1示出了本发明第一实施例的健康数据分析系统100的框图。该健康数据分析系统100包括:健康数据输入模块101、规则配置模块102和分析模块103。其中,健康数据输入模块101用于接收用户的健康数据并将其提供给分析模块103,规则配置模块102用于配置关于健康数据的规则并将其提供给分析模块103,分析模块103用于根据规则对健康数据进行分析,以得出分析结果。
相应地,用户可以在规则配置模块102中自主地配置所期望的规则,从而实现健康数据的个性化分析。
健康数据可以包括:调查数据、历史体检数据和当前体检数据。一般来说,调查数据可以包括用户的基本信息(例如用户的性别、年龄、家庭遗传病、既往病史、过敏药物列表)以及近期不适症状、持续时间、性质、并发症等;历史体检数据和当前体检数据可以包括在各个科室(例如,内科、外科、眼科、口腔科、耳鼻喉科、皮肤科等)的检查结果的数值。
健康数据输入模块101可以通过各种渠道接收用户的健康数据,例如,手动录入,以文件/数据传输方式从各种计算机端口接收,在专用网络内搜索等等。
分析模块103在根据规则对健康数据进行分析之前,可以先提取所有的健康数据各自所涉及的项目,例如体重、血压、心率、血糖、血脂等等,然后将这些项目的名称或标识发送给规则配置模块102。相应地,规则配置模块102可以针对当前输入的健康数据所涉及的项目来有针对性地配置关于健康数据的规则,从而避免在不知道要对哪些健康数据进行分析的情况下,盲目地配置大量无用的规则或者漏掉某些需要使用的规则。
规则的主要内容可以包括每个健康数据的端点数值和关于健康数据的表达式。分析模块103在根据所配置的规则对健康数据进行分析时,可以将健康数据和端点数值代入相应的表达式进行计算,以判断所述健康数据是否符合相应的规则,并且得出对应于所述相应的规则的分析结果。
最基本的关于健康数据的表达式是针对单个当前体检数据的表达式。例如,利用咽试子检测对猪流感病毒的反应的结果分为阴性和阳性,可以将端点数值设置为0,并利用以下逻辑来制定关于针对猪流感病毒的反应量x的表达式:如果x=0,则猪流感病毒抗体呈阴性;如果x>0,则猪流感病毒抗体呈阳性。再如,对于空腹血糖值的判断,通常空腹血糖值在3.9至6.2mmol/L之间被视为在正常范围内,那么可以将3.9和6.2设置为空腹血糖值的端点数值,并利用以下逻辑来制定关于空腹血糖值x的表达式:如果3.9≤x≤6.2,则属于正常范围;如果x<3.9,则空腹血糖偏低;如果x>6.2,则空腹血糖偏高。当然针对单个当前体检数据的表达式还可以包括更为复杂的表达式。例如,人的腋下体温一般在35℃-37℃之间,针对发热的种类,可以设置多个端点数值,如37℃、38℃、39℃和40℃,并利用以下逻辑来制定关于体温x的表达式:如果x≤37℃,则属于正常范围;如果37℃<x<38℃,则属于低热;如果38℃≤x<39℃,则属于中度发热;如果39℃≤x<40℃,则属于高热;如果x≥40℃,则属于超高热。相应地,当将用户的腋下体温值代入利用上述逻辑制定的表达式时,可以得出用户是否正在发热以及属于何种类型的发热。
关于健康数据的表达式还可以包括结合多个当前体检数据的表达式。本领域技术人员能够理解,在多数情况下,仅凭借单个体检数据远远不足以对某种疾病的风险进行分析,往往需要结合多个当前体检数据才能得出有价值的参考结果。例如,如上所述,通常空腹血糖值在3.9至6.2mmol/L之间被视为在正常范围内,但是如果用户的空腹血糖值x1在6.2至7.0之间时,仅凭借x1这一数值只能得出用户空腹血糖偏高,而不能判断该用户是否患有糖尿病,通常还需要进一步分析用户的餐后两小时血糖值。通常餐后两小时血糖值在3.9-7.8mmol/L之间被视为在正常范围内。如果发现用户的餐后两小时血糖值x2在此正常范围内,即如果6.2<x1<7.0且3.9<x2<7.8,则可以基本排除糖尿病;如果发现用户的餐后两小时血糖x2高于此正常范围,即如果6.2<x1<7.0且x2>7.8,则表明用户具有患上早期糖尿病的可能。另外,如果发现用户的空腹血糖高于7.0或者餐后两小时血糖值高于11.1,即如果x1>7.0或x2>11.1,则表明用户患上糖尿病。相应地,可以利用上述逻辑制定关于糖尿病的规则。
另外,关于健康数据的表达式还可以包括结合调查数据和历史体检数据的至少一种和当前体检数据的表达式。关于结合调查数据和当前体检数据的表达式,举例来说,本领域技术人员能够理解,很多体检数据是与人的性别、年龄相关联的。对于不同性别、不同年龄的人来说,体检数据对应的正常范围也是不同的。以血压为例,通常认为收缩压120&舒张压80是理想血压。但是,随着年龄的增长,收缩压和舒张压具有一定程度的升高也被视为在正常范围内(具体可参照目前广泛采用的血压-年龄对照表)。因此,可以结合调查数据(年龄、性别)和当前数据(收缩压和舒张压)利用与血压-年龄对照表相对应的逻辑制定表达式,以用于分析用户的血压是否正常以及有何异常。再如,在试图根据当前体检数据(鼻窦肿大)进行分析时,往往需要结合用户的症状(例如,鼻塞,流涕)、持续时间(例如,2周)、性质(例如,阵发性)、并发症(例如,头痛)等调查数据,制定出用于分析用户患有某种疾病(例如,鼻炎或鼻窦炎)的可能性的表达式。结合历史体检数据和当前体检数据的表达式一般用于分析用户的健康变化趋势,从而向用户提供健康提示。以体重为例,可以利用用户的历次体检结果是否单调上升或下降以及是否在指导范围之外的逻辑来制定表达式。如果用户的历次体检结果呈现出体重逐渐上升的现象且超出指导范围,则提醒用户注意改变生活习惯、体重持续上升的相关风险以及应当进行相关的进一步检查。
相应地,通过配置包括上述三种表达式中的至少一种的规则,实现了对健康数据的多角度、多层面的综合分析。
接下来,描述根据本发明第二实施例的健康数据分析系统200。
图2示出了根据本发明第二实施例的健康数据分析系统200的框图。与根据本发明第一实施例的健康数据分析系统100相同的是,该健康数据分析系统200包括:健康数据输入模块201、规则配置模块202和分析模块203。其中,健康数据输入模块201接收用户的健康数据并将其提供给分析模块203,规则配置模块202配置关于健康数据的规则并将其提供给分析模块203,分析模块203根据规则对健康数据进行分析,以得出分析结果。
健康数据可以包括:调查数据、历史体检数据和当前体检数据。健康数据输入模块201可以通过各种渠道接收用户的健康数据。
分析模块203在根据规则对健康数据进行分析之前,可以先提取所有的健康数据各自所涉及的项目,例如体重、血压、心率、血糖、血脂等等,然后将这些项目的名称或标识发送给规则配置模块202。相应地,规则配置模块202可以针对当前输入的健康数据所涉及的项目来有针对性地配置关于健康数据的规则,从而避免在不知道要对哪些健康数据进行分析的情况下,盲目地配置大量无用的规则或者漏掉某些需要使用的规则。
规则的主要内容可以包括每个健康数据的端点数值和关于健康数据的表达式。表达式可以包括:针对单个当前体检数据的表达式;结合多个当前体检数据的表达式;以及结合调查数据和历史体检数据的至少一种和当前体检数据的表达式。在本发明的第一实施例中已对这三种表达式举例说明,在此不再赘述。
分析模块103在根据所配置的规则对健康数据进行分析时,可以将健康数据和端点数值代入相应的表达式进行计算,以判断所述健康数据是否符合相应的规则,并且得出对应于所述相应的规则的分析结果。
特别地,在本实施例中,规则配置模块202利用自然语言来配置关于健康数据的规则。并且,该健康数据分析系统200还包括:规则引擎204,用于将所述规则配置模块所配置的规则从自然语言格式转换成机器可读语言格式,将转换后的规则提供给所述分析模块203。
由于本发明的健康数据分析系统是一种通过计算机技术实现的系统,分析模块在对健康数据进行分析时,需要使用机器可读语言格式的规则。然而,对于普通用户来说,直接使用机器可读语言来配置规则或者查看机器可读语言格式的规则显然是比较困难的。因此,在本实施例中,规则引擎204的引入很好地解决了这个问题,即使用户对编程技术一无所知,用户也可以通过利用自然语言与规则配置模块进行交互来实现对预期规则的配置,从而大大方便了普通用户的操作。
接下来,描述根据本发明第三实施例的健康数据分析系统300。
图3示出了根据本发明第三实施例的健康数据分析系统300的框图。与根据本发明第一实施例和第二实施例的健康数据分析系统100和200相同的是,该健康数据分析系统300包括:健康数据输入模块301、规则配置模块302和分析模块303。其中,健康数据输入模块301接收用户的健康数据并将其提供给分析模块303,规则配置模块302配置关于健康数据的规则并将其提供给分析模块303,分析模块303根据规则对健康数据进行分析,以得出分析结果。
健康数据可以包括:调查数据、历史体检数据和当前体检数据。健康数据输入模块301可以通过各种渠道接收用户的健康数据。
分析模块303在根据规则对健康数据进行分析之前,可以先提取所有的健康数据各自所涉及的项目,例如体重、血压、心率、血糖、血脂等等,然后将这些项目的名称或标识发送给规则配置模块302。相应地,规则配置模块202可以针对当前输入的健康数据所涉及的项目来有针对性地配置关于健康数据的规则,从而避免在不知道要对哪些健康数据进行分析的情况下,盲目地配置大量无用的规则或者漏掉某些需要使用的规则。
规则的主要内容可以包括每个健康数据的端点数值和关于健康数据的表达式。表达式可以包括:针对单个当前体检数据的表达式;结合多个当前体检数据的表达式;以及结合调查数据和历史体检数据的至少一种和当前体检数据的表达式。在本发明的第一实施例中已对这三种表达式举例说明,在此不再赘述。
分析模块303在根据所配置的规则对健康数据进行分析时,可以将健康数据和端点数值代入相应的表达式进行计算,以判断所述健康数据是否符合相应的规则,并且得出对应于所述相应的规则的分析结果。
与根据本发明第一实施例的健康数据分析系统100不同的是,规则配置模块302利用自然语言来配置关于健康数据的规则。并且,该健康数据分析系统300还包括:规则引擎304,用于将所述规则配置模块所配置的规则从自然语言格式转换成机器可读语言格式,将转换后的规则提供给所述分析模块303。
由于本发明的健康数据分析系统是一种通过计算机技术实现的系统,分析模块在对健康数据进行分析时,需要使用机器可读语言格式的规则。然而,对于普通用户来说,直接使用机器可读语言来配置规则或者查看机器可读语言格式的规则显然是比较困难的。因此,在本实施例中,规则引擎304的引入很好地解决了这个问题,即使用户对编程技术一无所知,用户也可以通过利用自然语言与规则配置模块进行交互来实现对预期规则的配置,从而大大方便了普通用户的操作。
特别地,在本实施例中,该健康数据分析系统300还包括:存储参考规则的参考规则库305。参考规则库305中所存储的参考规则,将大部分用户关心的典型的病症、健康状况等项目,预先设置出其判断规则,为用户配置提供参考。其中,参考规则库304中所存储的参考规则可以采用机器可读语言的格式,也可以采用自然语言的格式。
在参考规则采用机器可读语言的格式的情况下,可以将参考规则库305连接到规则引擎304,规则配置模块302在从分析模块303接收到体检数据所涉及的项目时,规则配置模块302可以通过规则引擎304从参考规则库305中提取与所涉及的项目相匹配的参考规则,规则引擎304负责将所匹配的参考规则从机器可读语言格式转换成自然语言格式并提供给规则配置模块302,规则配置模块302则将转换后的参考规则呈现给用户以供用户选择和/或修改。
在参考规则采用自然语言格式的情况下,可以将参考规则库305连接到规则引擎304和规则配置模块302(未示出),规则配置模块302可以直接从参考规则库305中提取与所涉及的项目相匹配的参考规则,并将此参考规则呈现给用户以供用户选择和/或修改。在分析模块303要根据用户选择和/或修改的参考规则对健康数据进行分析时,可以首先由规则引擎304将这些参考规则由自然语言格式转换成机器可读语言格式。
在使用参考规则库305的情况下,用户只需在规则配置模块302中选择参考规则,或者简单修改数字阈值、字符串关键字,或者增删规则中的数据种类等,即可实现配置规则的目的。相应地,选择和/或修改参考规则库305中的参考规则大大方便了对于基本规则的配置。
另外,除了通过选择和/或修改参考规则库305中的规则之外,用户还可以在规则配置模块302中自定义规则,从而可以实现对较为复杂的规则的配置。
其中参考规则参阅表1,其示出了机器可读语言格式的参考规则。其中,项目Itemi表示某一类健康信息,如肺部疾病、心脑疾病等。参考规则中的Sorti和Sortj表示该项数据属于何种类,如调查数据、历史体检数据或当前体检数据。数据种类后面的之后的表达式,是描述该数据种类需要匹配的逻辑规则;各种类数据的逻辑规则之间可以有逻辑与(&&)、或逻辑或(‖)等逻辑关系。针对一种数据种类的逻辑规则中,DataTypemi表示数据类型,这里的数据类型是软件范畴的概念,例如该数据属于整型、字符串型或浮点型等等,LogicRule表示该种数据类型应符合的逻辑规则。分析结果描述符合该条统计规则的数据,其最终的统计分析结论是什么。
表1参考规则示例
以其中糖尿病为例,其参考规则可以为
(Ssurvey(S^糖尿病))‖(Sexam((!S^正常)&&(Nbeyong^7.0)))
其中Ssurvey表示健康数据来自于调查数据,Sexam表示导入体检结果得到的当前体检数据,S表示字符串类型的数据,Nbeyong表示数字类型中的高于指定阈值的数据。“Ssurvey(S^糖尿病)”表示在调查数据中,其字符串类型数据包含“糖尿病”这个关键词;Sexam((!S^正常)&&(Nbeyong^7.0))表示在当前体检数据中,其字符串类型数据不包含“正常”关键词、或者数字类型数据大于阈值7.0。这两个规则有逻辑或关系,即符合其中任一条件,即认为该用户患有糖尿病。
在使用所配置的规则进行数据分析时,首先将规则按照数据种类进行拆分,之后按照数据类型进行拆分,直到得到不能继续拆分的原子规则,之后一一比对匹配。如针对糖尿病疾病的相关数据进行分析时,首先将糖尿病规则按照数据种类拆分为(Ssurvey(S^糖尿病))、(Sexam((!S^正常)&&(Nbeyong^7.0)))两个部分;之后分别提取用户的调查数据、体检数据进行匹配相应的规则表达式;其中在体检数据匹配之前,还要按数据类型拆分为“!S^正常”、“Nbeyong^7.0”两个表达式,如果这两个规则表达式中还有子规则,需要继续拆分至无法再拆分的原子规则为止;得到原子规则之后,对相应数据进行匹配,直到匹配成功或者失败。
健康数据分析系统300还可以包括:输出模块306,用于输出所述分析结果。输出模块306可以将分析结果放置在web服务器上,以便用户通过web远程访问,或者输出模块306可以将分析结果以电子邮件、IM消息、手机短消息的形式发送给用户。
健康数据分析系统300还可以包括:数据库307,用于存储用户的健康数据和分析结果。
另外,健康数据分析系统300还可以包括统计规则库(未示出),该统计规则库用于存储通过规则配置模块302配置并经过规则引擎304转换后的规则。该统计规则库可以位于数据库307中,也可以与数据库307分开提供。
下面描述根据本发明第四实施例的健康数据分析方法。
图4示出了根据本发明第四实施例的健康数据分析方法400的流程图。健康数据分析方法400包括以下步骤:
步骤401:接收用户的健康数据。
健康数据可以包括:调查数据、历史体检数据和当前体检数据。一般来说,调查数据可以包括用户的基本信息(例如用户的性别、年龄、家庭遗传病、既往病史、过敏药物列表)以及近期不适症状、持续时间、性质、并发症等;历史体检数据和当前体检数据可以包括在各个科室(例如,内科、外科、眼科、口腔科、耳鼻喉科、皮肤科等)的检查结果的数值。
其中,可以通过各种渠道接收用户的健康数据,例如,手动录入,以文件/数据传输方式从各种计算机端口接收,在专用网络内搜索等等。
步骤402:配置关于健康数据的规则。
所配置的规则的主要内容可以包括每个健康数据的端点数值和关于健康数据的表达式。
最基本的关于健康数据的表达式是针对单个当前体检数据的表达式。例如,利用咽试子检测对猪流感病毒的反应的结果分为阴性和阳性,可以将端点数值设置为0,并利用以下逻辑来制定关于针对猪流感病毒的反应量x的表达式:如果x=0,则猪流感病毒抗体呈阴性;如果x>0,则猪流感病毒抗体呈阳性。再如,对于空腹血糖值的判断,通常空腹血糖值在3.9至6.2mmol/L之间被视为在正常范围内,那么可以将3.9和6.2设置为空腹血糖值的端点数值,并利用以下逻辑来制定关于空腹血糖值x的表达式:如果3.9≤x≤6.2,则属于正常范围;如果x<3.9,则空腹血糖偏低;如果x>6.2,则空腹血糖偏高。当然针对单个当前体检数据的表达式还可以包括更为复杂的表达式。例如,人的腋下体温一般在35℃-37℃之间,针对发热的种类,可以设置多个端点数值,如37℃、38℃、39℃和40℃,并利用以下逻辑来制定关于体温x的表达式:如果x≤37℃,则属于正常范围;如果37℃<x<38℃,则属于低热;如果38℃≤x<39℃,则属于中度发热;如果39℃≤x<40℃,则属于高热;如果x≥40℃,则属于超高热。相应地,当将用户的腋下体温值代入利用上述逻辑制定的表达式时,可以得出用户是否正在发热以及属于何种类型的发热。
关于健康数据的表达式还可以包括结合多个当前体检数据的表达式。本领域技术人员能够理解,在多数情况下,仅凭借单个体检数据远远不足以对某种疾病的风险进行分析,往往需要结合多个当前体检数据才能得出有价值的参考结果。例如,如上所述,通常空腹血糖值在3.9至6.2mmol/L之间被视为在正常范围内,但是如果用户的空腹血糖值x1在6.2至7.0之间时,仅凭借x1这一数值只能得出用户空腹血糖偏高,而不能判断该用户是否患有糖尿病,通常还需要进一步分析用户的餐后两小时血糖值。通常餐后两小时血糖值在3.9-7.8mmol/L之间被视为在正常范围内。如果发现用户的餐后两小时血糖值x2在此正常范围内,即如果6.2<x1<7.0且3.9<x2<7.8,则可以基本排除糖尿病;如果发现用户的餐后两小时血糖x2高于此正常范围,即如果6.2<x1<7.0且x2>7.8,则表明用户具有患上早期糖尿病的可能。另外,如果发现用户的空腹血糖高于7.0或者餐后两小时血糖值高于11.1,即如果x1>7.0或x2>11.1,则表明用户患上糖尿病。相应地,可以利用上述逻辑制定关于糖尿病的规则。
另外,关于健康数据的表达式还可以包括结合调查数据和历史体检数据的至少一种和当前体检数据的表达式。关于结合调查数据和当前体检数据的表达式,举例来说,本领域技术人员能够理解,很多体检数据是与人的性别、年龄相关联的。对于不同性别、不同年龄的人来说,体检数据对应的正常范围也是不同的。以血压为例,通常认为收缩压120&舒张压80是理想血压。但是,随着年龄的增长,收缩压和舒张压具有一定程度的升高也被视为在正常范围内(具体可参照目前广泛采用的血压-年龄对照表)。因此,可以结合调查数据(年龄、性别)和当前数据(收缩压和舒张压)利用与血压-年龄对照表相对应的逻辑制定表达式,以用于分析用户的血压是否正常以及有何异常。再如,在试图根据当前体检数据(鼻窦肿大)进行分析时,往往需要结合用户的症状(例如,鼻塞,流涕)、持续时间(例如,2周)、性质(例如,阵发性)、并发症(例如,头痛)等调查数据,制定出用于分析用户患有某种疾病(例如,鼻炎或鼻窦炎)的可能性的表达式。结合历史体检数据和当前体检数据的表达式一般用于分析用户的健康变化趋势,从而向用户提供健康提示。以体重为例,可以利用用户的历次体检结果是否单调上升或下降以及是否在指导范围之外的逻辑来制定表达式。如果用户的历次体检结果呈现出体重逐渐上升的现象且超出指导范围,则提醒用户注意改变生活习惯、体重持续上升的相关风险以及进行相关的进一步检查。
步骤403:根据所述规则对所述健康数据进行分析,以得出分析结果。
在步骤403中,可以将所述健康数据和所述端点数值代入所述表达式进行计算,以判断所述健康数据是否符合相应的规则,并且得出对应于所述相应的规则的分析结果。
本实施例的健康数据分析方法400能够自主地配置所期望的规则,从而实现健康数据的个性化分析。并且,在结合多种健康数据配置规则的情况下,可以对用户的健康状况进行多角度、多层面的综合评估。
下面描述根据本发明第五实施例的健康数据分析方法。
图5示出了根据本发明第五实施例的健康数据分析方法500的流程图。健康数据分析方法500包括以下步骤:
步骤501:接收用户的健康数据。
其中,健康数据可以包括:调查数据、历史体检数据和当前体检数据。一般来说,调查数据可以包括用户的基本信息(例如用户的性别、年龄、家庭遗传病、既往病史、过敏药物列表)以及近期不适症状、持续时间、性质、并发症等;历史体检数据和当前体检数据可以包括在各个科室(例如,内科、外科、眼科、口腔科、耳鼻喉科、皮肤科等)的检查结果的数值。
步骤502:利用自然语言配置关于健康数据的规则。
其中,规则的主要内容可以包括每个健康数据的端点数值和关于健康数据的表达式。表达式可以包括:针对单个当前体检数据的表达式;结合多个当前体检数据的表达式;以及结合调查数据和历史体检数据的至少一种和当前体检数据的表达式。在本发明的第四实施例中已对这三种表达式举例说明,在此不再赘述。
步骤503:将所述规则从自然语言格式转换成机器可读语言格式。
步骤504:根据所述规则对所述健康数据进行分析,以得出分析结果。
其中,可以将所述健康数据和所述端点数值代入所述表达式进行计算,以判断所述健康数据是否符合相应的规则,并且得出对应于所述相应的规则的分析结果。
本实施例能够自主地配置所期望的规则,从而实现健康数据的个性化分析。并且,在结合多种健康数据配置规则的情况下,可以对用户的健康状况进行多角度、多层面的综合评估。
特别地,本发明的健康数据分析方法是通过计算机技术实现的,在对健康数据进行分析时,需要使用机器可读语言格式的规则。然而,对于普通用户来说,直接使用机器可读语言来配置规则或者查看机器可读语言格式的规则显然是比较困难的。然而,在本实施例的健康数据分析方法中,即使用户对编程技术一无所知,用户也可以(例如,根据系统提供的范例)利用自然语言方便地配置规则来实现对预期规则的配置,从而大大方便了普通用户的操作。
下面描述根据本发明第六实施例的健康数据分析方法。
图6示出了根据本发明第六实施例的健康数据分析方法600的流程图。健康数据分析方法600包括以下步骤:
步骤601:接收用户的健康数据。
其中,健康数据可以包括:调查数据、历史体检数据和当前体检数据。一般来说,调查数据可以包括用户的基本信息(例如用户的性别、年龄、家庭遗传病、既往病史、过敏药物列表)以及近期不适症状、持续时间、性质、并发症等;历史体检数据和当前体检数据可以包括在各个科室(例如,内科、外科、眼科、口腔科、耳鼻喉科、皮肤科等)的检查结果的数值。
步骤602:提取所述健康数据所涉及的项目。
步骤603:从参考规则库中提取与所述项目相匹配的参考规则。
参考规则库将大部分用户关心的典型的病症、健康状况等项目,预先设置出其判断规则,为用户配置提供参考。其中,参考规则库中所存储的参考规则可以采用机器可读语言的格式,也可以采用自然语言的格式。在本实施例中,以参考规则库存储机器可读语言的格式的参考规则为例描述接下来的步骤。本领域技术人员在通读本申请之后可以理解,对本实施例中的步骤稍加改变就可得出参考规则使用自然语言格式情况下的方法步骤。
步骤604:将所提取的参考规则从机器可读语言格式转换成自然语言格式。
步骤605:通过选择和/或修改转换后的参考规则和/或利用自然语言自定义规则,来配置关于健康数据的规则。
其中,规则的主要内容可以包括每个健康数据的端点数值和关于健康数据的表达式。表达式可以包括:针对单个当前体检数据的表达式;结合多个当前体检数据的表达式;以及结合调查数据和历史体检数据的至少一种和当前体检数据的表达式。在本发明的第四实施例中已对这三种表达式举例说明,在此不再赘述。
步骤606:将所配置的规则从自然语言格式转换成机器可读语言格式,以便可直接用于对所述健康数据进行分析。
步骤607:根据所述规则对所述健康数据进行分析,以得出分析结果。
其中,可以将所述健康数据和所述端点数值代入所述表达式进行计算,以判断所述健康数据是否符合相应的规则,并且得出对应于所述相应的规则的分析结果。
步骤608:输出所述分析结果。
可以将分析结果放置在web服务器上,以便用户通过web远程访问,或者可以将分析结果以电子邮件、IM消息、手机短消息的形式发送给用户。
本实施例能够自主地配置所期望的规则,从而实现健康数据的个性化分析。并且,在结合多种健康数据配置规则的情况下,可以对用户的健康状况进行多角度、多层面的综合评估。
并且,在本实施例中,即使用户对编程技术一无所知,也可以(例如,根据系统提供的范例)利用自然语言方便地配置规则,从而大大方便了普通用户的操作。
特别地,在本实施例中,可以针对当前输入的健康数据所涉及的项目来有针对性地配置关于健康数据的规则,从而避免在不知道要对哪些健康数据进行分析的情况下,花费大量的时间和精力盲目地配置大量无用的规则或者漏掉某些需要使用的规则。
另外,在本实施例中,引入了参考规则库来配置规则,用户只需选择参考规则,或者简单修改参考规则(例如数字阈值、字符串关键字,或者增删规则中的数据种类等),即可实现配置规则的目的,相应地,其大大方便了对于基本规则的配置。而自定义规则可以实现对较为复杂的规则的配置。选择/修改参考规则加上用户自定义规则,可以实现对规则的综合前面配置,从而使得分析结果更加完善。
虽然这里参照特定的实施例描述了本发明,但是需要明白的是,这些实施例是示例性的,并且,本发明的范围并不限于这些实施例。对上面所描述的实施例的很多变形、修改、增加和改进都是可能的。可以预料到,这些变形、修改、增加和改进都落入权利要求所限定的保护范围。
Claims (15)
1.一种健康数据分析系统,包括:
健康数据输入模块,用于接收用户的健康数据;
规则配置模块,用于配置关于健康数据的规则;以及
分析模块,用于根据所述规则对所述健康数据进行分析,以得出分析结果。
2.如权利要求1所述的健康数据分析系统,其特征在于,所述规则配置模块利用自然语言来配置关于健康数据的规则;并且
所述健康数据分析系统进一步包括:
规则引擎,用于将所述规则配置模块所配置的规则从自然语言格式转换成机器可读语言格式,将转换后的规则提供给所述分析模块。
3.如权利要求1或2所述的健康数据分析系统,其特征在于:
所述分析模块进一步用于:在对所述健康数据进行分析之前,提取所述健康数据所涉及的项目,并将所述项目发送给所述规则配置模块;并且
所述规则配置模块针对所述项目来配置关于健康数据的规则。
4.如权利要求3所述的健康数据分析系统,其特征在于,
所述健康数据分析系统进一步包括:存储参考规则的参考规则库;并且
所述规则配置模块进一步用于:
在接收到所述项目时,从所述参考规则库中提取与所述项目相匹配的参考规则,并将所述相匹配的参考规则呈现给用户;和
通过下列方式中的至少一种来配置所述关于健康数据的规则:
用户从所述参考规则库中选择参考规则;用户对所述参考规则库中的参考规则进行修改以得到修改后的规则;以及用户自定义规则。
5.如权利要求1所述的健康数据分析系统,其特征在于,
所述健康数据包括:调查数据、历史体检数据和当前体检数据中的至少一种;
所述规则包括每个健康数据的端点数值和关于健康数据的表达式。
6.如权利要求5所述的健康数据分析系统,其特征在于,所述表达式包括下列至少一种:
针对单个当前体检数据的第一表达式;
结合多个当前体检数据的第二表达式;以及
结合调查数据和历史体检数据的至少一种和当前体检数据的第三表达式。
7.如权利要求6所述的健康数据分析系统,其特征在于,
所述分析模块在根据所述规则对所述健康数据进行分析时,将所述健康数据和所述端点数值代入所述表达式进行计算,以判断所述健康数据是否符合相应的规则,并且得出对应于所述相应的规则的分析结果。
8.如权利要求1所述的健康数据分析系统,其特征在于,所述健康数据分析系统进一步包括:
输出模块,用于输出所述分析结果。
9.一种健康数据分析方法,包括以下步骤:
接收用户的健康数据;
配置关于健康数据的规则;以及
根据所述规则对所述健康数据进行分析,以得出分析结果。
10.如权利要求9所述的方法,其特征在于,
配置关于健康数据的规则包括:利用自然语言配置关于健康数据的规则;并且
该方法进一步包括:
在配置关于健康数据的规则之后,将所配置的规则从自然语言格式转换成机器可读语言格式,以便可直接用于对所述健康数据进行分析。
11.如权利要求9所述的方法,其特征在于,该方法进一步包括:
在接收用户的健康数据之后,提取所述健康数据所涉及的项目;并且
配置关于健康数据的规则包括:针对所述项目来配置关于健康数据的规则。
12.如权利要求11所述的方法,其特征在于,针对所述项目来配置关于健康数据的规则包括:
从参考规则库中提取与所述项目相匹配的参考规则,并将所述相匹配的参考规则呈现给用户以供用户选择和/或修改;
将用户针对所述项目自定义的规则配置为关于健康数据的规则。
13.如权利要求9所述的方法,其特征在于,
所述健康数据包括:调查数据、历史体检数据和当前体检数据中的至少一种;
所述规则包括:每个健康数据的端点数值,以及关于健康数据的表达式。
14.如权利要求13所述的方法,其特征在于,所述表达式包括下列至少一种:
针对单个当前体检数据的第一表达式;
结合多个当前体检数据的第二表达式;以及
结合调查数据和历史体检数据的至少一种和当前体检数据的第三表达式。
15.如权利要求14所述的方法,其特征在于,根据所述规则对所述健康数据进行分析,以得出分析结果包括:
将所述健康数据和所述端点数值代入所述表达式进行计算,以判断所述健康数据是否符合相应的规则,并且得出对应于所述相应的规则的分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104019200A CN102521500A (zh) | 2011-12-06 | 2011-12-06 | 健康数据分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104019200A CN102521500A (zh) | 2011-12-06 | 2011-12-06 | 健康数据分析系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102521500A true CN102521500A (zh) | 2012-06-27 |
Family
ID=46292411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104019200A Pending CN102521500A (zh) | 2011-12-06 | 2011-12-06 | 健康数据分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102521500A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225184A (zh) * | 2015-11-06 | 2016-01-06 | 吴志宏 | 一种发热患者病历信息分析系统及其分析方法 |
CN105678066A (zh) * | 2015-12-31 | 2016-06-15 | 天津迈沃医药技术有限公司 | 基于用户反馈信息完成数据训练的疾病自诊方法及系统 |
CN105956384A (zh) * | 2016-04-26 | 2016-09-21 | 江苏物联网研究发展中心 | 健康评估系统中评估引擎的实现方法 |
CN105956975A (zh) * | 2016-04-21 | 2016-09-21 | 中国石油化工股份有限公司 | 一种职业健康检查项目决策系统 |
CN106251267A (zh) * | 2016-08-16 | 2016-12-21 | 深圳市智亲科技有限公司 | 一种健康数据的处理方法及装置 |
CN107616781A (zh) * | 2017-08-08 | 2018-01-23 | 石家庄金域医学检验所有限公司 | 疾病指示方法及装置 |
CN107993693A (zh) * | 2017-12-11 | 2018-05-04 | 泰康保险集团股份有限公司 | 体检数据管理方法、系统、存储介质及电子设备 |
CN108231137A (zh) * | 2016-12-15 | 2018-06-29 | 童综合医疗社团法人童综合医院 | 一种具有回馈学习的医疗系统 |
CN108304730A (zh) * | 2017-12-14 | 2018-07-20 | 广州华夏汇海科技有限公司 | 基于身份识别的体质测试方法、装置及系统 |
CN108847281A (zh) * | 2018-06-26 | 2018-11-20 | 莱博生物科技股份有限公司 | 体检数据的处理方法、装置及电子设备 |
CN109065160A (zh) * | 2018-05-31 | 2018-12-21 | 广东省科技基础条件平台中心 | 一种基于验查数据与医学共识的健康引导模型的建立方法 |
CN109448849A (zh) * | 2018-09-27 | 2019-03-08 | 广东省科技基础条件平台中心 | 一种基于框架表示的体检项目指标正异常判定方法 |
CN110021424A (zh) * | 2017-10-13 | 2019-07-16 | 广州金域医学检验集团股份有限公司 | 病例提示反射方法及装置 |
CN113168919A (zh) * | 2021-03-04 | 2021-07-23 | 曹庆恒 | 一种利用个性化指标进行健康分析的系统及其使用方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1977283A (zh) * | 2003-08-14 | 2007-06-06 | 美国医软科技公司 | 用于医疗诊断的智能定性和定量分析的方法及系统 |
CN101051333A (zh) * | 2006-04-05 | 2007-10-10 | 迈世亚(北京)科技有限公司 | 医疗信息处理平台 |
CN101703391A (zh) * | 2009-11-06 | 2010-05-12 | 中国科学院合肥物质科学研究院 | 人体机能动态测评方法 |
US20110166880A1 (en) * | 2008-09-08 | 2011-07-07 | Healarium Inc. | Method and System for Analyzing Health Related Data of Patients |
-
2011
- 2011-12-06 CN CN2011104019200A patent/CN102521500A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1977283A (zh) * | 2003-08-14 | 2007-06-06 | 美国医软科技公司 | 用于医疗诊断的智能定性和定量分析的方法及系统 |
CN101051333A (zh) * | 2006-04-05 | 2007-10-10 | 迈世亚(北京)科技有限公司 | 医疗信息处理平台 |
US20110166880A1 (en) * | 2008-09-08 | 2011-07-07 | Healarium Inc. | Method and System for Analyzing Health Related Data of Patients |
CN101703391A (zh) * | 2009-11-06 | 2010-05-12 | 中国科学院合肥物质科学研究院 | 人体机能动态测评方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225184A (zh) * | 2015-11-06 | 2016-01-06 | 吴志宏 | 一种发热患者病历信息分析系统及其分析方法 |
CN105678066B (zh) * | 2015-12-31 | 2019-02-22 | 天津迈沃医药技术股份有限公司 | 基于用户反馈信息完成数据训练的疾病自诊方法及系统 |
CN105678066A (zh) * | 2015-12-31 | 2016-06-15 | 天津迈沃医药技术有限公司 | 基于用户反馈信息完成数据训练的疾病自诊方法及系统 |
CN105956975A (zh) * | 2016-04-21 | 2016-09-21 | 中国石油化工股份有限公司 | 一种职业健康检查项目决策系统 |
CN105956384A (zh) * | 2016-04-26 | 2016-09-21 | 江苏物联网研究发展中心 | 健康评估系统中评估引擎的实现方法 |
CN106251267A (zh) * | 2016-08-16 | 2016-12-21 | 深圳市智亲科技有限公司 | 一种健康数据的处理方法及装置 |
CN108231137A (zh) * | 2016-12-15 | 2018-06-29 | 童综合医疗社团法人童综合医院 | 一种具有回馈学习的医疗系统 |
CN107616781A (zh) * | 2017-08-08 | 2018-01-23 | 石家庄金域医学检验所有限公司 | 疾病指示方法及装置 |
CN110021424B (zh) * | 2017-10-13 | 2021-11-16 | 广州金域医学检验集团股份有限公司 | 病例提示反射方法及装置 |
CN110021424A (zh) * | 2017-10-13 | 2019-07-16 | 广州金域医学检验集团股份有限公司 | 病例提示反射方法及装置 |
CN107993693A (zh) * | 2017-12-11 | 2018-05-04 | 泰康保险集团股份有限公司 | 体检数据管理方法、系统、存储介质及电子设备 |
CN108304730A (zh) * | 2017-12-14 | 2018-07-20 | 广州华夏汇海科技有限公司 | 基于身份识别的体质测试方法、装置及系统 |
CN109065160A (zh) * | 2018-05-31 | 2018-12-21 | 广东省科技基础条件平台中心 | 一种基于验查数据与医学共识的健康引导模型的建立方法 |
CN108847281A (zh) * | 2018-06-26 | 2018-11-20 | 莱博生物科技股份有限公司 | 体检数据的处理方法、装置及电子设备 |
CN109448849A (zh) * | 2018-09-27 | 2019-03-08 | 广东省科技基础条件平台中心 | 一种基于框架表示的体检项目指标正异常判定方法 |
CN113168919A (zh) * | 2021-03-04 | 2021-07-23 | 曹庆恒 | 一种利用个性化指标进行健康分析的系统及其使用方法 |
WO2022183460A1 (zh) * | 2021-03-04 | 2022-09-09 | 曹庆恒 | 一种利用个性化指标进行健康分析的系统及其使用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102521500A (zh) | 健康数据分析系统及方法 | |
Bray et al. | Racial differences in statewide suicide mortality trends in Maryland during the coronavirus disease 2019 (COVID-19) pandemic | |
Dhruva et al. | Association of use of an intravascular microaxial left ventricular assist device vs intra-aortic balloon pump with in-hospital mortality and major bleeding among patients with acute myocardial infarction complicated by cardiogenic shock | |
Eberly et al. | Patient characteristics associated with telemedicine access for primary and specialty ambulatory care during the COVID-19 pandemic | |
Baillargeon et al. | Testosterone prescribing in the United States, 2002-2016 | |
Naim et al. | Association of bystander cardiopulmonary resuscitation with overall and neurologically favorable survival after pediatric out-of-hospital cardiac arrest in the United States: a report from the cardiac arrest registry to enhance survival surveillance registry | |
Dhruva et al. | Use of mechanical circulatory support devices among patients with acute myocardial infarction complicated by cardiogenic shock | |
Nuti et al. | Association of admission to veterans affairs hospitals vs non–veterans affairs hospitals with mortality and readmission rates among older men hospitalized with acute myocardial infarction, heart failure, or pneumonia | |
Layton et al. | Comparative safety of testosterone dosage forms | |
Chan et al. | Rapid response teams: a systematic review and meta-analysis | |
Rotheram-Borus et al. | Diabetes buddies: peer support through a mobile phone buddy system | |
Gustafsson et al. | Adherence to the enhanced recovery after surgery protocol and outcomes after colorectal cancer surgery | |
Teno et al. | Hospital characteristics associated with feeding tube placement in nursing home residents with advanced cognitive impairment | |
Blumenthal et al. | An electronic health records study of long-term weight gain following antidepressant use | |
Takahashi et al. | A randomized controlled trial of telemonitoring in older adults with multiple health issues to prevent hospitalizations and emergency department visits | |
Wolfe et al. | The recommended dietary allowance of protein: a misunderstood concept | |
Leung et al. | Preoperative hyponatremia and perioperative complications | |
Li et al. | Association of race and sites of care with pressure ulcers in high-risk nursing home residents | |
Bethel et al. | Longitudinal incidence and prevalence of adverse outcomes of diabetes mellitus in elderly patients | |
Federoff et al. | Evolving from reductionism to holism: is there a future for systems medicine? | |
Hashemi et al. | Clinical features and comorbidities of patients with necrobiosis lipoidica with or without diabetes | |
Burcu et al. | Trends in stimulant medication use in commercially insured youths and adults, 2010-2014 | |
Qian et al. | ‘Quicker and sicker’under medicare's prospective payment system for hospitals: new evidence on an old issue from a national longitudinal survey | |
Khorrami et al. | Changes in US Medicaid enrollment during the COVID-19 pandemic | |
Unger et al. | The scientific impact of positive and negative phase 3 cancer clinical trials |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120627 |