CN102947832B - 患者记录的身份匹配 - Google Patents
患者记录的身份匹配 Download PDFInfo
- Publication number
- CN102947832B CN102947832B CN201180029765.2A CN201180029765A CN102947832B CN 102947832 B CN102947832 B CN 102947832B CN 201180029765 A CN201180029765 A CN 201180029765A CN 102947832 B CN102947832 B CN 102947832B
- Authority
- CN
- China
- Prior art keywords
- patient
- record
- clinical
- clinical attributes
- attributes
- 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
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
公开了一种用于将一对患者记录匹配为属于同一个体或患者的系统。一组匹配规则(4)表示患者临床属性的持久特性。临床属性提取器(5)用于从第一患者记录(1)中包含的临床信息提取至少一个第一临床属性,以及从第二患者记录(2)中包含的临床信息提取至少一个第二临床属性。匹配检测器(3)用于基于所述第一临床属性、所述第二临床属性和所述一组匹配规则(4)检测所述第一患者记录(1)和所述第二患者记录(2)是否涉及同一患者。人口统计学属性提取器(6)用于提取人口统计学数据。
Description
技术领域
本发明涉及患者记录的身份匹配。
背景技术
在几家保健组织接收护理的患者可能收到几个不同的患者标识符,通常在他们拜访的每家自主保健组织收到一个患者标识符。患者数据,例如电子医疗记录、医疗图像和其他相关医学信息分布在多个地点。为了能够不论这些数据是在哪里获取并存储的都检索到所有相关的患者数据,应当将各个地点的患者标识符和相应患者记录链接起来,而不需要各地点采用公共的患者标识符。
在诸如癌症的复杂疾病情境中,为患者收集的数据量已大大增加,这些数据中描述患者病史的大部分可能对于患者的诊断和治疗是相关的。对于复发的癌症患者,与癌症相关的健康变故可能在很多年以前。共病常常也是相关的,因为它们可能是选择治疗的约束因素。例如,很多化疗药剂有心脏毒性,为了选择正确的治疗,关于心脏病的先验信息可能很重要。非常可能的是,关于患者的所有这些健康相关事件的信息存在于单个机构的系统中。不过,诊疗患者的主治临床医生应当能够从患者记录中提取所有相关的在先健康事件,既有癌症相关的又有癌症不相关的事件。每个患者记录都可以包括很多事件并跨越几十年。
典型地,通过主患者索引(MPI)传送进出患者记录的信息流,在存在单元记录时,主患者索引将唯一的医疗记录编号(MRN)与每位患者实体相关联。为了跨过分布式数据源获得患者概况,需要协调个体机构中的本地标识符。当前是通过构建MPI来这样做的,MPI将作为合作群组一部分的医院或企业中的所有标识符互相关。通过整合源的个体MPI开发出企业主患者索引(EMPI)。通常,通过比较人口统计学属性来实现整合,这样的属性例如是姓/名、性别、出生日期、地址等,以生成企业层级的标识符,并且该整合很少基于企业不同机构间共享的单个标识符。大多数现有系统部署概率算法,概率算法通常比较固定的记录和若干候选者以找到匹配,针对每个候选者计算似然比(加权分数),将该似然比与选择的接受和拒绝阈值进行比较。这被用于决定是否链接记录。在不能自动做出决定时(计算的可能性落到接受和拒绝阈值之间),在接受(或拒绝)它们之前,有资质人员审查或标记潜在的(不)匹配。不过,提交大量记录人工审查成本非常高,可能使得方案不切实际。
自动拒绝、接受或提交进行人工审查的匹配数量取决于与比较期间的与不同属性相关联的权重以及选择的拒绝和接受阈值,基于所述权重可以计算似然比。利用这些阈值,通过权衡数据一致性和完整性,调谐匹配过程。提交分数在拒绝和接受阈值之间的记录对供人工审查,这意味着临床专家或专门人员需要人工审查那些记录,并决定是否匹配它们,甚至询问患者两个记录是否属于他或她。利用保守方法,在需要避免假阳性和假阴性时,这可能导致保健组织的高成本。而且,在跨过大型医疗记录系统和诸如PACS和实验室系统的其他数据源匹配时,以及在需要针对每对潜在匹配的记录人工审查和匹配大量数据时,错误匹配的数量可能上升。
S.J.Grannis等人,“AnalysisofaprobabilisticRecordLinkageTechniquewithoutHumanReview”,AMIA2003SymposiumProceedings,259-263页,公开了使用随机链接技术的记录链接。Grannis等人进一步公开了在这种方法中,利用估算器功能,使用期望值最大化算法建立单个真实链接阈值,从而避免人工检查。
发明内容
在独立权利要求中描述了本发明的各方面。从属权利要求描述了本发明的有利实施例。
有利的是具有一种改进的系统用于将一对患者记录匹配为属于相同个体或患者。为了更好地解决这个问题,在第一方面中,本发明提供了一种系统,包括:
-表示患者临床属性的持久特性的一组匹配规则;
-临床属性提取器,其用于从第一患者记录中包含的临床信息提取至少一个第一临床属性,以及从第二患者记录中包含的临床信息提取至少一个第二临床属性;
-匹配检测器,其基于所述第一临床属性、所述第二临床属性和所述组匹配规则检测所述第一患者记录和所述第二患者记录是否涉及同一患者。
人口统计学数据的精度和稳定性具有其局限性,并且可能包括误差。例如,人会改变地址,结婚后可能改变姓氏,个体可以具有几个昵称,登记人员可能在输入患者记录中的数据中引入错误,患者可能拒绝提供其社会保险号或提供不正确的社会保险号。另一方面,临床数据遵循预定的持久性规则。例如,患者的血型一般不会变化。因此,可以使用两个患者记录中提到的血型的比较来强化匹配的确定性(如果血型相同)或拒绝匹配(如果血型不同)。而且,一些临床事件会留下永久性痕迹,例如身体中的抗体,其应当存在于将来的临床试验中。这允许基于患者的临床属性的持久性特性建立该组匹配规则。使用这些匹配规则和临床信息可以改善记录匹配和/或减少为人工评价而提交的记录数量。
该系统可以包括人口统计学属性提取器,人口统计学属性提取器用于从第一患者记录提取第一人口统计学数据,以及从第二患者记录提取第二人口统计学数据,其中匹配检测器被布置成还基于第一人口统计学数据和第二人口统计学数据进行检测。这样,临床数据和人口统计学数据都被利用,进一步改善了记录的匹配。
该组匹配规则可以与一组对应的权重相关联。此外,匹配检测器可以被布置成基于该组匹配规则和该组对应权重针对所述对患者记录确定匹配分数。这样可以组合不同的匹配规则。此外,它允许计算指示匹配置信水平的匹配分数。不过,也可以使用组合匹配规则的其他方法。
匹配检测器可以包括:人口统计学匹配评价器,其用于评价所述第一人口统计学数据和所述第二人口统计学数据,以便将所述对患者记录分类为匹配、不匹配或未定中的至少一种;以及临床匹配评价器,其用于在所述对患者记录被分类为未定时评价第一临床属性和第二临床属性。这样,仅在人口统计学信息不足以确定所述对患者记录是否匹配时,才需要提取和/或评价临床属性。这减少了数据处理的量。临床匹配评价器可以被配置成评价更多临床属性,以便获得更高确定性的匹配。
匹配检测器可以被布置成利用该组匹配规则检测第一临床属性和第二临床属性之间的不兼容性。可以通过几种方式使用这种不兼容性、不一致性或矛盾的了解。首先,匹配检测器可以被布置成在检测到不兼容性时自动拒绝匹配。这样能够改善匹配过程。第二,该系统可以包括校正建议器,校正建议器用于向用户建议校正不兼容性。这样,可以使用该系统通过检测被分类为匹配对的患者记录的患者记录中的不兼容性来改善患者记录的实际内容。
该系统可以包括用户输入,用户输入用于使用户能够指示两个未定的患者记录是否匹配。这样,在仍然不能确定一对患者记录是否匹配时,基于人口统计学和/或临床数据,可以对患者记录进行人工处理。
所述匹配检测器可以包括用于评价所述人口统计学数据和所述临床属性两者的组合式算法的实现方式。这是匹配检测器的有效率实现方式。此外,通过在组合式算法中组合人口统计学信息和临床信息,可以提高精度。
临床属性提取器可以包括图像处理模块,图像处理模块用于从至少一个医学图像提取临床属性。这样,可以将医学图像数据中包括的临床信息用于匹配过程。
所述第一和/或第二临床属性可以包括如下至少一项:基因型数据、血型、抗体信息、血液检查、实验室测试、基于医学图像的信息。
也可以在诸如医疗工作站的工作站中并入该系统。
在另一方面中,本发明提供了一种匹配包括第一患者记录和第二患者记录的一对患者记录的方法,包括:
-从所述第一患者记录中包含的临床信息提取至少一个第一临床属性,以及从所述第二患者记录中包含的临床信息提取至少一个第二临床属性;
-基于所述第一临床属性、所述第二临床属性和表示患者的临床属性的持久性特性的一组匹配规则检测所述第一患者记录和所述第二患者记录是否涉及同一患者。
在另一方面中,本发明提供了一种计算机程序产品,包括用于令处理器系统执行所述方法的指令。
本领域的技术人员将要认识到,可以通过任何认为有用的方式组合两个或更多上述本发明的实施例、实现方式和/或方面。
可以由本领域的技术人员依据本描述进行对应于系统的所述修改和变化的工作站、方法和/或计算机程序产品的修改和变化。
附图说明
本发明的这些和其他方面将从下文描述的实施例变得显而易见并参考其加以阐述。在附图中:
图1是系统的方框图,该系统用于匹配一对患者记录属于同一个体或患者;
图2是流程图,图示了将一对患者记录匹配为属于同一个体或患者的方法;以及
图3是分布式保健信息系统的图示。
具体实施方式
在当前的方法中,如果不能自动链接两条记录或断言它们不同,则通过匹配应用将它们放在例外清单上,需要由专门的登记人员审查。人的干预可能需要人工比较两条记录以检测它们是否属于同一人。登记人员还可以询问患者该记录是否属于他或她。人工审查和比较描述很多健康事件且跨越几十年的患者记录常常是困难且耗时的。这种人工过程也容易出错,因为人具有较小的注意窗口,发现难以跟踪跨很多数据源的大量变量。而且,可能必须询问患者澄清,这是繁重的事情。
例外清单越长,人工审查记录和消除假阳性(似乎属于同一患者但事实上属于两个不同患者的记录)所花的时间越长。减小例外清单会节省大量时间,降低成本并减小错误的可能性。
图1图示了用于匹配一对患者记录属于同一个体或患者的系统各方面。一对患者记录包括第一患者记录1和第二患者记录2。患者记录可以包括几种与单个患者相关的信息。例如,患者记录可以包含标识患者的人口统计学信息,例如姓名、地址、本地患者标识符、社会保险号、保险信息、出生日期、性别。患者记录还可以包括临床信息,例如医疗图像数据、实验室结果、血型、测试结果、诊断信息。通常在临床组织本地生成患者记录。因此,可能在不同的临床组织为同一患者生成不同的患者记录。为了改善治疗和诊断,必须要组合不同患者记录中关于患者的信息。为此,可以将不同临床地点的患者记录比较以找到的属于同一患者的记录。该系统可以包括一组匹配规则4,表示患者临床属性的持久特性。这样匹配规则的范例是患者的血型不改变。另一个范例是在接种疫苗之后,应当能够在血液中检测到抗体。在本说明书中别处描述了其他类型的匹配规则。
该系统包括临床属性提取器5,临床属性提取器用于从第一患者记录1中包含的临床信息提取至少一个第一临床属性,以及从第二患者记录2中包含的临床信息提取至少一个第二临床属性。这些临床属性可能对应于匹配规则4中使用的临床属性。该系统还包括匹配检测器3,匹配检测器用于检测第一患者记录1和第二患者记录2是否涉及同一患者。这基于第一临床属性、第二临床属性和该组匹配规则4。可以使用更多临床属性和更多匹配规则来检测一对患者记录是否匹配。第一和第二临床属性可以涉及相同类型的临床属性,例如血型。或者,第一和第二临床属性可以涉及不同类型的临床属性,例如血型和基因型。不同类型临床属性之间的关系可以由匹配规则4给出。
该系统可以包括人口统计学属性提取器6,人口统计学属性提取器用于从第一患者记录1中提取第一人口统计学数据,以及从第二患者记录2中提取第二人口统计学数据,其中匹配检测器3被布置成还基于第一人口统计学数据和第二人口统计学数据进行检测。为此,可以将匹配检测器3布置成比较患者记录1、2中存储的人口统计学数据。系统可以有不同的方式处理人口统计学和临床数据。例如,该系统可以首先比较人口统计学数据,如果人口统计学数据充分相似或不相似,无需评价临床数据即确定是否有匹配。为此,匹配检测器3可以包括人口统计学匹配评价器8,用于评价第一人口统计学数据和第二人口统计学数据,以便将一对患者记录1、2分配为匹配、不匹配或未定中的至少一种。匹配检测器还可以包括临床匹配评价器9,临床匹配评价器9用于在人口统计学匹配评价器8将一对患者记录1、2分类为未定时评价第一临床属性和第二临床属性。
匹配检测器3可以被布置成即使人口统计学数据相同也评价临床数据,以防止人口统计学数据相似的两个人之间的意外匹配。也可以将匹配检测器布置成对临床和人口统计学数据的比较结果加权。或者,该组匹配规则4可以包括关于人口统计学和临床属性的规则;可以由推理机按照所述推理机指定的次序评价这些规则和其中使用的属性。
匹配检测器3可以被布置成利用该组匹配规则4检测第一临床属性和第二临床属性之间的不兼容性。匹配检测器3可以被布置成在检测到不兼容性时自动拒绝匹配。
该系统可以包括校正建议器10,校正建议器用于向用户建议校正不兼容性。校正建议器10可以被布置成在以充分不确定度检测到匹配,同时数据中仍然有一个或多个不兼容性时做出建议。这些不兼容性可能是错误的结果,可以进行校正。
该组匹配规则4可以与一组对应的权重7相关联。匹配检测器3可以被布置成基于该组匹配规则4和该组对应权重7针对一对患者记录1、2确定匹配分数。该系统可以包括用户输入11,用户输入用于在匹配检测器3的结果是未定时使用户能够指出一对患者记录1、2是否涉及同一患者。可以基于用于评价人口统计学数据和临床属性两者的组合算法实现匹配检测器3。
临床属性提取器5可以包括图像处理模块12,图像处理模块用于从至少一个医学图像中提取临床属性。例如,图像处理可以基于模式识别技术。例如,可以检测到骨折。而且,可以利用图像处理技术验证植入物的存在。
根据权利要求1所述的系统,其中第一和/或第二临床属性包括如下至少一项:基因型数据、血型、抗体信息、血液检查、实验室测试、基于医学图像的信息、诊断。于是可以布置临床属性提取器5用于从患者记录1和2提取这样的属性。
可以利用例如软件在工作站中实现该系统。工作站可以包括:用户输入装置,例如键盘和鼠标,使用户能够控制系统;以及显示器,其用于向用户显示结果。可以提供存储装置和通信端口,例如网络接口,用于从一个或多个外部资源收集患者记录的内容。
可以提供工具13,使用户能够配置系统。为此,工具13包括用户接口14。工具13可以使用户能够指示要在匹配过程中使用的一组患者临床属性。此外,工具13可以使用户能够指示表示临床属性的持久特性的该组匹配规则4。使用规则来组合从患者记录中提取的患者临床属性。工具13可以提供匹配规则的列表,用户可以从其中选择一个或多个匹配规则。此外或替代地,工具13可以允许用户利用可以由匹配检测器3解释的适当语言输入一个或多个匹配规则。
图2示出了流程图,该流程图图示了匹配包括第一患者记录和第二患者记录的一对患者记录的方法的各方面。该方法包括步骤201,从第一患者记录中包含的临床信息提取至少一个第一临床属性,以及从第二患者记录中包含的临床信息提取至少一个第二临床属性。该方法还包括步骤202,基于第一临床属性、第二临床属性和表示患者临床属性的持久性特性的一组匹配规则检测第一患者记录和第二患者记录是否涉及同一患者。可以考虑到本说明书由技术人员实施该方法的修改和/或扩展。可以将该方法实现为设计成运行于处理器系统上的计算机程序产品。
除了通用的人口统计学数据之外,还可以利用具有高识别价值和时间有效性的临床数据来扩展身份匹配过程,以改善自动匹配效率。可以静态地从要匹配的一对记录决定要搜索并提取的一组临床数据属性并决定与那些属性的每个对应的权重。这种属性的范例包括血型、基因型信息和/或血液中抗体的存在。基因型信息的范例是单核甘酸多态性(SNP)。
更正式的方法是定义数据模型以及属性间的一组语义关系和规则,从而实现检测属性间的不一致性或明显匹配,以判断两条记录是否属于相同的个体。在这种情况下,可以向如上所述的简单属性的比较中添加更复杂的推理。例如,曾做过髋部替换或有严重骨折的患者之后不能在同一区域具有正常X射线。还需要构建一组模块来管理该组规则和相关的临床数据。
基于这种额外的数据,可以提高自动匹配的成功率。
或者,可以利用基于现有身份系统扫描例外清单的算法扩展记录匹配过程,例外清单包含不能被自动接受或拒绝为匹配的记录,该算法使用要匹配的患者记录中临床数据的语义和内容以判断记录对是否属于同一患者。当在一对记录中检测到不一致性时,自动断言它们不匹配并从例外清单中清除,供人工审查。替代方案是将对匹配分数的贡献乘以特定权重,由此相应地减小针对每个不一致性的分数。在记录对的分数下降到拒绝阈值以下时,拒绝潜在的匹配。
可以在匹配过程中使用人口统计学数据。不过,人口统计学数据会变化,并且可能包含错误。在登记过程中,可能会错误地引入数值数据,名称可能拼错,患者在提供其地址时可能犯错,可能提供不同的绰号等。此外,人口统计学数据可能变化:患者的地址可能变化,或患者的姓可能在婚后改变。结果,人口统计学数据中的不匹配相当常见。这些错误或变化可能会降低匹配算法的性能并增加放在例外清单上的记录数量。
另一方面,几个临床数据项允许识别人,或允许检测不匹配。在匹配过程中可以使用基因组数据(基因型)、各种实验室数据,例如血型、检测的抗体和持久的病毒感染,已知的过敏反应、图像数据和其他测量结果。
如果收集了生物测定识别数据,也可以用于识别。
在匹配过程的范例中,可以将来自医院A的记录与来自另一医院B的可能匹配(例如,因为一些相关人口统计学数据匹配)的记录选择进行比较。在选择潜在匹配之后,可以在来自医院A的记录和来自医院B的选定记录的每个之间应用匹配算法。
可以采取若干步骤以利用临床数据进行身份匹配。
-可以创建描述应当提取的临床数据项的概况文件(profile)以及描述可以将这些项与对应记录中的其他项进行比较的方式的一组规则。可以在匹配过程中使用这组规则。这样的规则可以包括,例如“将抗体的存在与先前已知的疫苗接种匹配”,“将XRAY上的可见标记与先前骨折的腿匹配”。也可以使用数据模型和各数据项之间的一组语义关系。
-可以向匹配算法中要使用的临床数据项和/或规则的每个分配权重。
-为了对来自医院A的记录与来自医院B的一组可能匹配记录进行匹配:
1.根据概况文件处理来自医院A的患者记录以提取能够用于识别患者的数据。
2.可以在PR(患者登记)中或在专用存储设备(患者标识登记,PIR)中,与记录的本地标识符一起存储所提取的数据。只要选择这条记录与来自不同医院的记录比较,就可以再次使用该数据,在这种情况下,患者标识登记内容需要是持久的,或者可以在工作中检索,在这种情况下,仅需要有限的存储设备。
3.根据概况文件处理来自医院B的可能匹配的患者记录以提取能够用于识别患者的数据。如步骤1和2中那样,可以从医院B的记录提取这种数据,或者在之前医院B的PR或PIR中存储数据时,从医院B的PR或PIR提取这种数据。
4.接下来,可以根据该算法进行匹配。可以根据已知流程匹配人口统计学数据。可以根据定义的概况文件中的规则组匹配临床数据。可以计算总分数并决定匹配两条记录还是拒绝匹配。
可以针对所有要匹配的记录对重复同样的步骤。
一种用于扫描例外清单的范例算法比较要匹配的记录之间具有高身份价值的临床数据项,并自动检测不一致性,在检测到不一致性时,降低匹配分数(然后可能降到拒绝阈值之下)或从例外清单移除记录对(拒绝潜在匹配)。
两种相关标识符可能是值得注意的:第一种,值不会随时间变化的持久信息,例如血型、持久的遗传信息(例如基因型)。第二,从开始之后就一直持续的已知临床事件和属性,例如手术、慢性病、各种病毒感染。可以使用这些来检测更近来的记录数据的不一致性。
图3示出了如何可以在覆盖多家医院或组织301、302和303的系统中部署该系统的范例。每个组织都具有存储患者记录311、312、313的存储服务器314、315、316。医院之一301中的客户端317可以被配置成请求与患者记录311的患者X相关的所有患者记录。向患者登记305(或PIX管理器)提出这种请求。患者登记305可以存储针对同一患者在其他组织302、303的患者标识符。如果在患者登记305中尚没有所请求患者X的信息,可以由服务器306将查询转发到组织302、303的不同服务器309、310。服务器306可以访问概况文件307。服务器306联系组织301的服务器308以根据概况文件307从患者记录311提取能够用于识别的数据。接下来,服务器306从服务器309和310请求可能匹配的患者记录312、313,并根据概况文件307进行匹配。可以在患者登记305中存储匹配的患者并返回给请求的客户端317。
要认识到,本发明还适用于适于将本发明投入实践的计算机程序,尤其是载体上或载体中的计算机程序。程序可以是源代码、目标代码、居于源代码和目标代码中间的代码形式,例如部分编译的形式,或适于用在实施根据本发明的方法时的任何其他形式。还要认识到,这样的程序可能具有很多不同的架构设计。例如,实施根据本发明的方法或系统功能的程序代码可以细分成一个或多个子例程。对于技术人员而言,在这些子例程之间分配功能的很多不同方式将是显而易见的。可以将子例程一起存储在一个可执行文件中以形成自包含的程序。这样的可执行文件可以包括计算机可执行指令,例如,处理器指令和/或解释器指令(例如Java解释器指令)。或者,可以在至少一个外部库文件中存储一个或多个或所有子例程,并例如在运行时间将其与主程序静态或动态地链接。主程序包含至少一个对至少一个子例程的调用。子例程还可以包括对彼此的函数调用。涉及计算机程序产品的实施例包括与这里阐述的方法中的至少一个的每个处理步骤对应的计算机可执行指令。可以将这些指令细分成子例程和/或存储在可以静态或动态链接的一个或多个文件中。涉及计算机程序产品的另一实施例包括与这里阐述的系统和/或产品中的至少一个的每个模块对应的计算机可执行指令。可以将这些指令细分成子例程和/或存储在可以静态或动态链接的一个或多个文件中。
计算机程序的载体可以是能够承载程序的任何实体或设备。例如,载体可以包括存储介质,例如ROM,例如CDROM或半导体ROM,或磁记录介质,例如软盘或硬盘。此外,载体可以是可传输载体,例如电信号或光信号,可以经由电缆或光缆或通过无线电或其他手段传输它们。当在这种信号中实现程序时,载体可以由这样的线缆或其他设备或模块构成。或者,载体可以是其中嵌入了程序的集成电路,该集成电路适于执行相关方法或在执行相关方法时使用。
应当指出,上述实施例例示而非限制本发明,本领域的技术人员将能够设计很多替代实施例而不脱离所附权利要求的范围。在权利要求中,置于括号之间的任何附图标记都不应被解释为限制权利要求。使用动词“包括”及其词形变化不排除存在权利要求中所述那些之外的元件或步骤。元件前的冠词不排除存在多个这样的元件。可以利用包括若干不同元件的硬件并利用适当编程控制的计算机来实施本发明。在枚举了若干模块的设备权利要求中,可以由同一件硬件实现这些模块中的几个。在互不相同的从属权利要求中列举特定手段的简单事实并不表示不能有利地使用这些手段的组合。
Claims (13)
1.一种用于将一对患者记录匹配为属于同一个体或患者的系统,其中,所述一对患者记录包括第一患者记录(1)和第二患者记录(2),所述系统包括:
-表示患者的临床属性的持久特性的一组匹配规则(4);
-临床属性提取器(5),其用于从所述第一患者记录(1)中包含的临床信息提取至少一个第一临床属性,以及从所述第二患者记录(2)中包含的临床信息提取至少一个第二临床属性;
-人口统计学属性提取器(6),其用于从所述第一患者记录(1)提取第一人口统计学数据,以及从所述第二患者记录(2)提取第二人口统计学数据;
-匹配检测器(3),其用于检测所述第一患者记录(1)和所述第二患者记录(2)是否涉及同一患者,
其中,所述匹配检测器(3)包括:
-人口统计学匹配评价器(8),其用于基于所述第一人口统计学数据和所述第二人口统计学数据执行所述检测,以便将所述一对患者记录(1,2)分类为匹配、不匹配或未定中的一种;以及
-临床匹配评价器(9),其用于在所述人口统计学匹配评价器(8)将所述一对患者记录(1,2)分类为未定时基于所述第一临床属性、所述第二临床属性和所述一组匹配规则(4)执行所述检测。
2.根据权利要求1所述的系统,其中,所述一组匹配规则(4)与一组对应权重(7)相关联,且其中,所述匹配检测器(3)被布置成基于所述一组匹配规则(4)和所述一组对应权重(7)确定所述一对患者记录(1,2)的匹配分数。
3.根据权利要求1所述的系统,其中,所述匹配检测器(3)被布置成利用所述一组匹配规则(4)检测所述第一临床属性和所述第二临床属性之间的不兼容性。
4.根据权利要求3所述的系统,其中,所述匹配检测器(3)被布置成在检测到所述不兼容性时自动拒绝匹配。
5.根据权利要求3所述的系统,包括校正建议器(10),所述校正建议器用于建议用户校正所述不兼容性。
6.根据权利要求1所述的系统,还包括用户输入(11),所述用户输入用于在所述匹配检测器(3)的结果是未定时使用户能够指示所述一对患者记录(1,2)是否涉及同一患者。
7.根据权利要求1所述的系统,其中,所述匹配检测器包括用于评价所述人口统计学数据和所述临床属性两者的组合式算法的实现方式。
8.根据权利要求1所述的系统,其中,所述临床属性提取器包括图像处理模块(12),所述图像处理模块用于从至少一个医学图像提取所述临床属性。
9.根据权利要求1所述的系统,其中,所述第一临床属性和/或所述第二临床属性包括如下至少一项:基因型数据、血型、抗体信息、血液检查、实验室测试、基于医学图像的信息、诊断。
10.一种工作站,包括根据权利要求1所述的系统。
11.一种用于配置根据权利要求1所述的系统的工具(12),包括用户接口(14),所述用户接口用于使用户能够指示一组患者的临床属性,并用于使所述用户能够指示表示所述临床属性的持久特性间关系的一组匹配规则。
12.一种匹配包括第一患者记录和第二患者记录的一对患者记录的方法,包括:
-从所述第一患者记录中包含的临床信息提取(201)至少一个第一临床属性,以及从所述第二患者记录中包含的临床信息提取(201)至少一个第二临床属性;
-从所述第一患者记录(1)提取第一人口统计学数据,以及从所述第二患者记录(2)提取第二人口统计学数据;
-检测(202)所述第一患者记录和所述第二患者记录是否涉及同一患者,包括:
-基于所述第一人口统计学数据和所述第二人口统计学数据执行所述检测,以便将所述一对患者记录(1,2)分类为匹配、不匹配或未定中的一种;以及
-在所述一对患者记录(1,2)被分类为未定时,基于所述第一临床属性、所述第二临床属性和表示患者的临床属性的持久特性的一组匹配规则执行所述检测。
13.一种匹配包括第一患者记录和第二患者记录的一对患者记录的装置,包括:
-用于从所述第一患者记录中包含的临床信息提取(201)至少一个第一临床属性,以及从所述第二患者记录中包含的临床信息提取(201)至少一个第二临床属性的单元;
-用于从所述第一患者记录(1)提取第一人口统计学数据,以及从所述第二患者记录(2)提取第二人口统计学数据的单元;
-用于检测(202)所述第一患者记录和所述第二患者记录是否涉及同一患者的单元,包括:
-用于基于所述第一人口统计学数据和所述第二人口统计学数据执行所述检测,以便将所述一对患者记录(1,2)分类为匹配、不匹配或未定中的一种的单元;以及
-用于在所述一对患者记录(1,2)被分类为未定时,基于所述第一临床属性、所述第二临床属性和表示患者的临床属性的持久特性的一组匹配规则执行所述检测的单元。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP10166325.0 | 2010-06-17 | ||
EP10166325 | 2010-06-17 | ||
PCT/IB2011/052548 WO2011158163A1 (en) | 2010-06-17 | 2011-06-10 | Identity matching of patient records |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102947832A CN102947832A (zh) | 2013-02-27 |
CN102947832B true CN102947832B (zh) | 2016-06-08 |
Family
ID=44628021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180029765.2A Active CN102947832B (zh) | 2010-06-17 | 2011-06-10 | 患者记录的身份匹配 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10657613B2 (zh) |
EP (1) | EP2583207B1 (zh) |
CN (1) | CN102947832B (zh) |
WO (1) | WO2011158163A1 (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090157426A1 (en) * | 2007-12-12 | 2009-06-18 | Mckesson Financial Holdings Limited | Methods, apparatuses & computer program products for facilitating efficient distribution of data within a system |
US20110066446A1 (en) * | 2009-09-15 | 2011-03-17 | Arien Malec | Method, apparatus and computer program product for providing a distributed registration manager |
US20110218819A1 (en) * | 2010-03-02 | 2011-09-08 | Mckesson Financial Holdings Limited | Method, apparatus and computer program product for providing a distributed care planning tool |
US8805900B2 (en) | 2012-03-30 | 2014-08-12 | Mckesson Financial Holdings | Methods, apparatuses and computer program products for facilitating location and retrieval of health information in a healthcare system |
US10249385B1 (en) * | 2012-05-01 | 2019-04-02 | Cerner Innovation, Inc. | System and method for record linkage |
CN104063567B (zh) * | 2013-03-20 | 2019-06-21 | 武汉联影医疗科技有限公司 | 一种病人身份源交叉索引的建立方法 |
US10510440B1 (en) | 2013-08-15 | 2019-12-17 | Change Healthcare Holdings, Llc | Method and apparatus for identifying matching record candidates |
US11114185B1 (en) | 2013-08-20 | 2021-09-07 | Change Healthcare Holdings, Llc | Method and apparatus for defining a level of assurance in a link between patient records |
US20150095349A1 (en) * | 2013-09-27 | 2015-04-02 | Microsoft Corporation | Automatically identifying matching records from multiple data sources |
KR101515303B1 (ko) * | 2013-10-15 | 2015-04-24 | 제너럴 일렉트릭 캄파니 | 환자 개인정보 히스토리 제공 방법, 서버 및 기록매체 |
US10685743B2 (en) | 2014-03-21 | 2020-06-16 | Ehr Command Center, Llc | Data command center visual display system |
US10007407B2 (en) | 2014-11-03 | 2018-06-26 | Cerner Innovation, Inc. | Duplication detection in clinical documentation to update a clinician |
CN106529110A (zh) * | 2015-09-09 | 2017-03-22 | 阿里巴巴集团控股有限公司 | 一种用户数据分类的方法和设备 |
CN108351895A (zh) * | 2015-11-11 | 2018-07-31 | 皇家飞利浦有限公司 | 向去识别化的数据库整合和/或添加纵向信息 |
US10971252B2 (en) * | 2016-01-05 | 2021-04-06 | International Business Machines Corporation | Linking entity records based on event information |
US9864746B2 (en) * | 2016-01-05 | 2018-01-09 | International Business Machines Corporation | Association of entity records based on supplemental temporal information |
CN106295182B (zh) * | 2016-08-10 | 2019-03-08 | 依据数据(湖南)科技有限公司 | 一种基于患者生物信息的身份识别方法 |
US11133088B2 (en) * | 2016-11-18 | 2021-09-28 | International Business Machines Corporation | Resolving conflicting data among data objects associated with a common entity |
US11194829B2 (en) | 2017-03-24 | 2021-12-07 | Experian Health, Inc. | Methods and system for entity matching |
US11907187B1 (en) | 2017-04-28 | 2024-02-20 | Verato, Inc. | Methods and systems for facilitating data stewardship tasks |
US11899632B1 (en) | 2017-04-28 | 2024-02-13 | Verato, Inc. | System and method for secure linking and matching of data elements across independent data systems |
US11327975B2 (en) * | 2018-03-30 | 2022-05-10 | Experian Health, Inc. | Methods and systems for improved entity recognition and insights |
US11688494B2 (en) | 2018-09-24 | 2023-06-27 | International Business Machines Corporation | Cross-organization data instance matching |
US11515018B2 (en) | 2018-11-08 | 2022-11-29 | Express Scripts Strategic Development, Inc. | Systems and methods for patient record matching |
US20210327550A1 (en) * | 2018-11-08 | 2021-10-21 | Express Scripts Strategic Development, Inc. | Systems and methods for patient record matching |
CN109739862A (zh) * | 2019-01-07 | 2019-05-10 | 深圳中兴网信科技有限公司 | 患者主索引权重建立方法、患者主索引权重建立系统 |
US11837334B2 (en) | 2019-08-29 | 2023-12-05 | Shrpro, Llc | Whole-life, medication management, and ordering display system |
CN110176282A (zh) * | 2019-05-22 | 2019-08-27 | 浙江大学 | 一种基于最大期望算法的患者身份匹配方法 |
US20220350921A1 (en) * | 2019-06-21 | 2022-11-03 | Intellijoint Surgical Inc. | Systems and methods for the safe transfer and verification of sensitive data |
US11645344B2 (en) | 2019-08-26 | 2023-05-09 | Experian Health, Inc. | Entity mapping based on incongruent entity data |
EP4136539A1 (en) * | 2020-04-17 | 2023-02-22 | Genincode PLC | Storing and processing longitudinal data sets |
US20230123662A1 (en) * | 2021-10-14 | 2023-04-20 | Optum, Inc. | Clinical data harvester |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1235684A (zh) * | 1996-10-29 | 1999-11-17 | 匹兹堡大学高等教育联邦体系 | 匹配x射线图像与基准图像的设备 |
WO2001022285A2 (en) * | 1999-09-21 | 2001-03-29 | Borthwick Andrew E | A probabilistic record linkage model derived from training data |
JP2005508054A (ja) * | 2001-10-31 | 2005-03-24 | シーメンス メディカル ソルーションズ ヘルス サーヴィシズ コーポレイション | 様々なソースからの患者関連情報を統合するためのヘルスケアシステム及びユーザインタフェース |
US6978268B2 (en) * | 2002-03-16 | 2005-12-20 | Siemens Medical Solutions Health Services Corporation | Healthcare organization central record and record identifier management system |
WO2006015340A2 (en) * | 2004-07-30 | 2006-02-09 | Ultra-Scan Corporation | Medical records system and method |
EP1647929A1 (en) * | 2004-10-12 | 2006-04-19 | International Business Machines Corporation | Method, system and computer programm for associating healthcare records with an individual |
CN1811758A (zh) * | 2005-01-28 | 2006-08-02 | 商之器科技股份有限公司 | 配置不同医疗信息格式的方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020007284A1 (en) * | 1999-12-01 | 2002-01-17 | Schurenberg Kurt B. | System and method for implementing a global master patient index |
US6912549B2 (en) * | 2001-09-05 | 2005-06-28 | Siemens Medical Solutions Health Services Corporation | System for processing and consolidating records |
US20040018500A1 (en) | 2001-11-21 | 2004-01-29 | Norman Glassbrook | Methods and systems for analyzing complex biological systems |
US7788040B2 (en) | 2003-12-19 | 2010-08-31 | Siemens Medical Solutions Usa, Inc. | System for managing healthcare data including genomic and other patient specific information |
US8554742B2 (en) * | 2009-07-06 | 2013-10-08 | Intelligent Medical Objects, Inc. | System and process for record duplication analysis |
-
2011
- 2011-06-10 EP EP11730078.0A patent/EP2583207B1/en active Active
- 2011-06-10 US US13/700,743 patent/US10657613B2/en active Active
- 2011-06-10 CN CN201180029765.2A patent/CN102947832B/zh active Active
- 2011-06-10 WO PCT/IB2011/052548 patent/WO2011158163A1/en active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1235684A (zh) * | 1996-10-29 | 1999-11-17 | 匹兹堡大学高等教育联邦体系 | 匹配x射线图像与基准图像的设备 |
WO2001022285A2 (en) * | 1999-09-21 | 2001-03-29 | Borthwick Andrew E | A probabilistic record linkage model derived from training data |
JP2005508054A (ja) * | 2001-10-31 | 2005-03-24 | シーメンス メディカル ソルーションズ ヘルス サーヴィシズ コーポレイション | 様々なソースからの患者関連情報を統合するためのヘルスケアシステム及びユーザインタフェース |
US6978268B2 (en) * | 2002-03-16 | 2005-12-20 | Siemens Medical Solutions Health Services Corporation | Healthcare organization central record and record identifier management system |
WO2006015340A2 (en) * | 2004-07-30 | 2006-02-09 | Ultra-Scan Corporation | Medical records system and method |
EP1647929A1 (en) * | 2004-10-12 | 2006-04-19 | International Business Machines Corporation | Method, system and computer programm for associating healthcare records with an individual |
CN1811758A (zh) * | 2005-01-28 | 2006-08-02 | 商之器科技股份有限公司 | 配置不同医疗信息格式的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102947832A (zh) | 2013-02-27 |
EP2583207A1 (en) | 2013-04-24 |
EP2583207B1 (en) | 2018-12-19 |
US20130080192A1 (en) | 2013-03-28 |
WO2011158163A1 (en) | 2011-12-22 |
US10657613B2 (en) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102947832B (zh) | 患者记录的身份匹配 | |
US11410760B2 (en) | Medical evaluation system and method for use therewith | |
JP6542664B2 (ja) | 患者情報を臨床基準にマッチングするシステム及び方法 | |
CN108352196A (zh) | 没有明显的准标识符的去标识的健康护理数据库的医院匹配 | |
CN102576431B (zh) | 存储于不同实体处的患者信息记录的自主链接 | |
US7917377B2 (en) | Patient data mining for automated compliance | |
JP6907831B2 (ja) | コンテキストベースの患者類似性の方法及び装置 | |
CN110619959A (zh) | 一种智能分诊的方法及系统 | |
CN102405473A (zh) | 医护点动作医疗系统和方法 | |
Boudin et al. | Positional language models for clinical information retrieval | |
JP2022036125A (ja) | 検査値のコンテキストによるフィルタリング | |
CN107169259A (zh) | 基于协同过滤和建议的个性化医学决定支持系统 | |
KR101295785B1 (ko) | 유전변이 데이터 베이스 구축 장치 및 방법 | |
Lytvyn et al. | Medical Content Processing in Intelligent System of District Therapist. | |
CN116525124B (zh) | 用于医疗大数据的数据标准化治理方法及系统 | |
KR101744800B1 (ko) | 의료 정보 제공 시스템 | |
CN109522331A (zh) | 以个人为中心的区域化多维度健康数据处理方法及介质 | |
Bouhaddou et al. | Use of the HELP clinical database to build and test medical knowledge | |
Zhai et al. | Personalized Package Recommendation System for Health Examination | |
AS et al. | Significance of Integrated Taxonomy Approach in Diverse Liver Chaoses | |
Luo et al. | Detection of pneumonia in chest X‐ray image based on separable convolutional neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |