CN103294908B - 基于云计算的恶性肿瘤放化疗规范执行度评估的方法 - Google Patents

基于云计算的恶性肿瘤放化疗规范执行度评估的方法 Download PDF

Info

Publication number
CN103294908B
CN103294908B CN201310189058.0A CN201310189058A CN103294908B CN 103294908 B CN103294908 B CN 103294908B CN 201310189058 A CN201310189058 A CN 201310189058A CN 103294908 B CN103294908 B CN 103294908B
Authority
CN
China
Prior art keywords
malignant tumor
regulation enforcement
degree
concurrent chemoradiotherapy
cloud computing
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.)
Expired - Fee Related
Application number
CN201310189058.0A
Other languages
English (en)
Other versions
CN103294908A (zh
Inventor
沈虹
潘平
李颂元
孟静磊
袁明敏
袁瑛
黄建
徐栋
魏启春
陈天洲
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201310189058.0A priority Critical patent/CN103294908B/zh
Publication of CN103294908A publication Critical patent/CN103294908A/zh
Application granted granted Critical
Publication of CN103294908B publication Critical patent/CN103294908B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)

Abstract

本发明公开了一种基于云计算平台的恶性肿瘤放化疗规范执行度评估的方法。提出了一套评估恶性肿瘤放化疗规范化的衡量指标恶性肿瘤放化疗规范执行度,包括如下步骤:1)搭建私有云计算平台;2)前台智能医疗办公系统提交信息给后台服务器;3)后台服务器计算恶性肿瘤放化疗规范执行度;4)后台服务器将计算出来的恶性肿瘤放化疗规范执行度的相关数据反馈到前台智能医疗办公系统。本发明可以有效地提高医疗设备的利用率,减少药物用量,使中远期的医药储备和运输的效率和可靠性提高。另外,为全国恶性肿瘤放化疗的资源、信息的存储、及时同步共享提供了一个可靠的方案。最后,由于标准规范的推行和及时评估,使医院系统更加环保节能。

Description

基于云计算的恶性肿瘤放化疗规范执行度评估的方法
技术领域
本发明属于医疗中的恶性肿瘤放化疗规范化评估的领域,结合现代计算机云计算平台技术,具体涉及一种基于云计算的恶性肿瘤放化疗规范执行度自动、智能评估的方法。
背景技术
近几十年来,恶性肿瘤治疗在手术、放化疗的基础上各种技术层出不穷,新旧交叠,如生物治疗、介入治疗、热疗、激光、微波治疗、亚氦治疗、核医学、免疫治疗等等。但如果使用不当,往往适得其反,会加重恶性肿瘤患者痛苦、甚至加速患者死亡。在美国,所有恶性肿瘤患者的5年生存率平均达到68%,而中国只有25%,最主要原因就是恶性肿瘤治疗不规范。
在恶性肿瘤的治疗过程中,恶性肿瘤切除手术操作,由于其持续时间不长,手术目的明确,肿瘤切除手术相对比较规范化。但是放化疗就有所不同了,放化疗作为恶性肿瘤的重要的治疗手段,被广泛使用于治疗的多个阶段,尤其在非可切除恶性肿瘤的治疗和可切除恶性肿瘤手术切除后的辅助治疗和姑息治疗中,放化疗被广泛使用。放化疗的计量灵活,次数,间隔时间等因人而异,不同医院甚至不同医生往往根据自己以前的临床经验自行决定治疗方案,如果使用不当,往往会加重患者痛苦、加速死亡。
中国的医疗规范在卫生部、中国食品药品监督总局CFDA、中华医学会等部门的领导下,中国的恶性肿瘤治疗规范指南也正在逐步完善中,但是还没有出现恶性肿瘤放化疗规范执行的评估方法、评估机制,本发明就是基于这个出发点,结合现代云计算平台技术,提出了一种恶性肿瘤放化疗规范执行的评估方法。
发明内容
针对我国目前医疗中的恶性肿瘤放化疗治疗缺乏有效的统一的规范化评估机制,本发明的目的在于提供一种基于云计算的恶性肿瘤放化疗规范执行度评估的方法。
一种基于云计算的恶性肿瘤放化疗规范执行度评估的方法,提出了一套评估恶性肿瘤放化疗规范化的衡量指标恶性肿瘤放化疗规范执行度,该套衡量指标包括三个参数:单个疗程的放化疗规范执行度SEDC、所有放化疗疗程的加权平均规范执行度整个放化疗治疗过程的规范执行度W-SEDC。
所述的单个疗程的放化疗规范执行度SEDC的公式如下:
SEDC ( i ) = 1 - ( α * | 1 - Drug D ′ rug | + β * | 1 - Dose D ′ ose | + δ * | 1 - Times T ′ imes | + γ * | 1 - Int I ′ nt | ) ,
其中SEDC(i)表示第i个疗程的恶性肿瘤放化疗规范执行度,i为自然数,Drug,Dose,Times,Int分别是本疗程治疗方案的药物选择、剂量、放化疗总次数、每两次间的时间间隔;D’rug、D’ose、T’imes、I’nt分别表示后台数据中心检索出的标准病例或规范指南中的对应疗程治疗方案的药物选择、剂量、放化疗总次数、每两次间的时间间隔;α,β,δ,γ分别表示对应的权重系数,且α+β+δ+γ=1;
所述的所有放化疗疗程的加权平均规范执行度的公式如下:
SEDC ‾ = Σ i = 0 n w ( i ) * SEDC ( i ) Σ i = 0 n w ( i ) ,
其中,w(i)是第i个疗程的权重系数;
所述的整个放化疗治疗过程的规范执行度W-SEDC的公式如下:
W - SEDC = ϵ * Omit + ζ * Add + η * Seq + θ * SEDC ‾ ,
其中Omit是针对整个过程中是否有遗漏的或忽略的治疗步骤的规范执行度,Add是针对整个过程中是否添加了不必要的治疗步骤的规范执行度,Seq是表示整个过程中各疗程、阶段是否符合规范顺序的规范执行度,ε,ζ,η,θ分别是各自的权重系数,且ε+ζ+η+θ=1。
所述的云计算包括如下步骤:
1)搭建恶性肿瘤放化疗规范执行度评估的私有云计算平台;
2)云计算平台的前台智能医疗办公系统,将病人的身体状况和治疗方案的信息,提交给云计算平台的后台服务器;
3)云计算平台的后台服务器计算恶性肿瘤放化疗规范执行度;
4)后台服务器将计算出来的恶性肿瘤放化疗规范执行度数据反馈到前台智能医疗办公系统,并给出相应的评估。
所述的私有云计算平台包括前台智能医疗办公系统,后台服务器,所述的后台服务器包括后台数据中心、后台神经网络计算中心。
所述的前台智能医疗办公系统,能够将医务人员在线输入的病人身体状况和治疗方案的文本信息,自动智能地解析成固定格式的各个数据项,并将这些数据项打包成一个数据集,提交给云计算平台的后台服务器。
所述的后台数据中心用于云存储,存储的数据包括国家卫生部、国家食品药品监督管理总局、中华医学会联合制定的各种恶性肿瘤治疗规范指南,以及标准病例;后台神经网络计算中心,采用BP神经网络算法,计算恶性肿瘤放化疗规范执行度参数。
所述的恶性肿瘤放化疗规范执行度的计算过程如下:后台服务器把从前台智能医疗系统提交来的数据集分成病人信息数据集和治疗方案数据集,分别传输到后台数据中心和后台神经网络计算中心;后台数据中心根据病人信息数据集进行检索,得到最匹配的标准病例或者规范指南,并将这些标准病例和规范指南传输到后台神经网络计算中;后台神经网络计算中心,将后台服务器传输来的治疗方案数据集、数据中心检索得到的标准病例或规范指南,作为两路输入数据进行计算,得到恶性肿瘤放化疗规范执行度评估参数SEDC、W-SEDC,结果分为:规范、部分规范、不规范、严重不规范4个等级。
本发明的有益效果:
本发明提出了一套评估恶性肿瘤放化疗规范化的衡量指标,可以有效地提高医疗设备的利用率,减少药物用量,使中远期的医药储备和运输的效率和可靠性提高。另外,恶性肿瘤放化疗规范执行度评估私有云计算平台,为全国恶性肿瘤放化疗的资源、信息的存储、及时同步共享提供了一个可靠的方案。最后,由于标准规范的推行和及时评估,使医院系统更加环保节能。
附图说明
图1为基于云计算的恶性肿瘤放化疗规范执行度评估的方法的流程图;
图2为恶性肿瘤放化疗规范执行度的私有云计算平台的架构;
图3为恶性肿瘤放化疗规范执行度计算过程中的数据流图。
具体实施方式
以下结合附图和具体实时方式对本发明做进一步的说明。
首先,为了有效地评估恶性肿瘤放化疗规范执行程度,我们提出了一套衡量指标——恶性肿瘤放化疗规范执行度,用于表示恶性肿瘤患者的放化疗治疗方案与国际、国家或者行业内权威拟定的规范指南的拟合程度。这套指标包含三个主要参数:单个疗程的放化疗规范执行度SEDC、所有放化疗疗程的加权平均规范执行度整个放化疗治疗过程的规范执行度W-SEDC。
为计算这三个参数,我们制定了相应的计算模型:
SEDC = 1 - ( α * | 1 - Drug D ′ rug | + β * | 1 - Dose D ′ ose | + δ * | 1 - Times T ′ imes | + γ * | 1 - Int I ′ nt | ) - - - 1
公式1为单个疗程恶性肿瘤放化疗规范执行度计算的公式,其中:
SEDC是单个疗程的放化疗规范执行度;Drug,Dose,Times,Int分别是本疗程治疗方案的药物选择、剂量、放化疗总次数、每两次间的时间间隔;D’rug,D’ose,T’imes,I’nt分别表示后台数据中心检索出的标准病例或规范指南中的对应疗程治疗方案的药物选择、剂量、放化疗总次数、每两次间的时间间隔;α,β,δ,γ分别表示对应的权重系数,且α+β+δ+γ=1。
对于单个放化疗疗程规范化的评估,涉及到化疗药物选择以用量是否合理。比如说,用了大量的放射性化疗药物,必然对患者和环境造成不利的影响。尤其是,化疗药物有可能会对周围的人群和动物的生殖系统造成可遗传的危害。假如,化疗药物和放射性药物联用的话,后期的环保处理需要信息及时共享,统一规划处理。
SEDC ‾ = Σ i = 0 n w ( i ) * SEDC ( i ) Σ i = 0 n w ( i ) - - - 2
公式2表示病人所有放化疗疗程的加权平均规范执行度计算公式,其中
是所有放化疗疗程的加权平均规范执行度,SEDC(i)是第i个疗程的恶性肿瘤放化疗规范执行度,由公式1分别计算而来,w(i)是第i个疗程的权重系数。
由于恶性肿瘤放化疗治疗过程,会有多个放化疗疗程组成,每个疗程对患者的治疗作用会有很大不同,因此是否规范化,各疗程的权重比例也有所不同。一般来说,患者被确诊后早期的放化疗会作用更大,早期的放化疗对控制病情有着关键的作用,因此其规范化要求更为严格;到后期患者放弃积极治疗而转为姑息化疗后,放化疗可以根据患者意愿和患者病情表现做部分改变,因为姑息化疗更注重患者生命最后时期的生活质量而不在于治愈疾病,为了减轻药物毒副作用对患者的痛苦,可以适当减小剂量(部分偏离的放化疗规范化)。第二个参数正是评估所以放化疗疗程的加权平均规范执行度。
W - SEDC = α * Omit + β * Add + γ * Seq + δ * SEDC ‾ - - - 3
公式3是整个放化疗治疗过程的规范执行度计算公式,其中
W-SEDC是整体的放化疗规范执行度,Omit是针对整个过程中是否有遗漏的或忽略的治疗步骤的规范执行度,Add是针对整个过程中是否添加了不必要的治疗步骤的规范执行度,Seq是表示整个过程中各疗程、阶段是否符合规范顺序的规范执行度,是公式2计算出的加权平均规范执行度,ε,ζ,η,θ分别是各自的权重系数,且ε+ζ+η+θ=1。
患者的整个恶性肿瘤放化疗治疗过程,是一个长期的复杂的过程,包含多个不同的阶段,每个阶段也有多个步骤,这些阶段、步骤不得有遗漏、多余或者顺序不当的情况。比如,采用靶向药物化疗之前,必须不得遗漏上皮生长因子受体基因检测(EGFR基因检测),因为靶向药物只对特殊基因的人群才有治疗作用,在遗漏EGFR基因检测这一步骤的情况下,贸然对患者采用靶向药物,有可能对病人身体造成不必要的伤害,给患者带来了很大的经济上的浪费,而且还会耽误治疗时机。治疗阶段、步骤不得有遗漏,也不可人为添加不必要的多余的步骤,如增加许多不必要的体检项目,使用一些没有被证明有效的药物等等。同时,治疗过程中,各个阶段和步骤必须按照规范的顺序进行,否则可能会耽误治疗或者影响疗效。
其次,在对恶性肿瘤放化疗规范执行度评估完成建模之后,开始着手整个方法的实施,本方法的流程如图1所示,主要包含如下几个步骤:
1)搭建专门的恶性肿瘤放化疗规范执行度评估私有云计算平台。
所搭建的恶性肿瘤放化疗规范执行度评估私有云计算平台包括以下三个部分:前台智能医疗办公系统,后台数据中心,后台神经网络计算中心,整体架构如图2所示。其中前台智能医疗办公系统安装在各医院医生办公室的个人电脑上,通过互联网与后台服务器连接进行数据交互。后台服务器包括后台数据中心和后台神经网络计算中心两部分;后台数据中心用于云存储,存储的数据包括国家卫生部、国家食品药品监督管理总局CFDA、中华医学会等权威机构联合制定的各种恶性肿瘤治疗规范指南,以及得到权威鉴定认可的标准病例(某些典型的病症最佳治疗方案)等;后台神经网络计算中心,采用神经网络算法,根据给定的输入信息,计算恶性肿瘤放化疗规范执行度参数。
2)云计算平台的前台智能医疗办公系统,将病人的身体状况和治疗方案的信息,提交给云计算平台的后台服务器。
医务人员将病人的身体状况和治疗方案信息以文字的形式在线输入到前台智能医疗办公系统,再由前台智能医疗办公系统自动解析成相应的数据,并打包成一个完整的数据集,然后通过互联网提交给后台服务器。前台智能医疗办公系统解析文本信息,采用的技术是自然语言处理,提取并整合数据的方式,由前台智能医疗系统中的自然语言解析程序实现。比如,医生输入的病人信息:“姓名:李刚,性别:男,身份证号:42118119901215701X,体重:48kg,身高:170cm,体表面积:1.645m2…”,其中各项信息的顺序无关紧要,因为自然语言解析程序解析文本时,是根据字符匹配解析的。自然语言解析程序对各个单项信息出来后,会进行简单的容错处理,如果发现有违常规,会自动提醒医务人员,比如:如果解析身高数据为352(352cm,身高数据正常范围设定为15—260cm),会提示“输入的身高信息有误!”。如果解析出来的单项信息数据无误,则将其填充到数据集的指定位置(比如身高信息放在下面数据集格式的第23-25位的位置)。我们假定解析后生成的数据集格式如下:第1-18位存放身份证号,第19位表示性别,第20-22位表示体重,第23-25位表示身高,第26-30位表示体表面积等,则上面医生输入的信息被解析为如下的数据集格式:“42118119901215701X048017016400…”,这种被解析、打包后的数据提交到后台服务器,网络传输中数据量小便于传输,同时更重要的是后台服务器的计算机很方便处理这种格式化的数据。
3)云计算平台的后台服务器计算恶性肿瘤放化疗规范执行度。
所述的恶性肿瘤放化疗规范执行度的计算过程中,数据流如图3所示,后台服务器把前台智能医疗系统提交来的数据集分成两部分,一部分是病人信息数据集,一部分是治疗方案数据集,分别传输到后台数据中心和后台神经网络计算中心;后台数据中心根据接受到的病人信息数据集进行检索,得到与病人状况最匹配的标准病例或者规范指南,并传输到后台神经网络计算中心;后台神经网络计算中心,将后台服务器传输来的治疗方案数据集、数据中心检索得到的标准病例或规范指南,作为两路输入数据进行计算,得到恶性肿瘤放化疗规范执行度评估参数。
4)后台服务器将计算出来的恶性肿瘤放化疗规范执行度数据反馈到前台智能医疗办公系统,并给出相应的评估和后续治疗的建议。
经过后台神经网络计算中心的一系列计算,会得到一组数据:SEDC(i)(第i个放化疗疗程对应的SEDC值)、W-SEDC,根据这些数据的不同,将放化疗规范执行度评估分为4个等级,如下表1所示:
表1:恶性肿瘤放化疗规范执行度评估标准
规范:所有的SEDC(i),和W-SEDC数值都大于等于80%,表示整个恶性肿瘤放化疗过程都是规范的,符合规范指南或标准病例;
部分规范:部分SEDC(i)小于80%且大于等于60%,和W-SEDC大于等于80%,表示有部分单个放化疗疗程没有按规范执行,但整个放化疗过程还是基本规范的;对于SEDC(i)小于80%的放化疗疗程,有可能是不规范的,也有可能是处于比如姑息化疗阶段,为考虑到患者的生活质量而减小了用药剂量等;
不规范:部分或全部SEDC(i)小于80%且也小于80%但都大于等于60%,但W-SEDC大于等于80%,这种情况表示整个放化疗流程是基本符合规范的,但是有多个放化疗疗程不符合规范;
严重不规范:有两个及以上SEDC(i)小于0.6,或小于0.6,或W-SEDC小于0.6,表示放化疗过程中存在严重的不规范现象。

Claims (5)

1.一种基于云计算的恶性肿瘤放化疗规范执行度评估的方法,其特征在于,提出了一套评估恶性肿瘤放化疗规范化的衡量指标—恶性肿瘤放化疗规范执行度,该套衡量指标包括三个参数:单个疗程的放化疗规范执行度SEDC、所有放化疗疗程的加权平均规范执行度整个放化疗治疗过程的规范执行度W-SEDC;
所述的单个疗程的放化疗规范执行度SEDC的公式如下:
S E D C ( i ) = 1 - ( α * | 1 - D r u g D ′ r u g | + β * | 1 - D o s e D ′ o s e | + δ * | 1 - T i m e s T ′ i m e s | + γ * | 1 - I n t I ′ n t | ) , 其中SEDC(i)表示第i个疗程的恶性肿瘤放化疗规范执行度,i为自然数,Drug,Dose,Times,Int分别是本疗程治疗方案的药物选择、剂量、放化疗总次数、每两次间的时间间隔;D’rug、D’ose、T’imes、I’nt分别表示后台数据中心检索出的标准病例或规范指南中的对应疗程治疗方案的药物选择、剂量、放化疗总次数、每两次间的时间间隔;α,β,δ,γ分别表示对应的权重系数,且α+β+δ+γ=1;
所述的所有放化疗疗程的加权平均规范执行度的公式如下:
S E D C ‾ = Σ i = 0 n w ( i ) * S E D C ( i ) Σ i = 0 n w ( i ) ,
其中,w(i)是第i个疗程的权重系数;
所述的整个放化疗治疗过程的规范执行度W-SEDC的公式如下:
W - S E D C = ϵ * O m i t + ζ * A d d + η * S e q + θ * S E D C ‾ ,
其中Omit是针对整个过程中是否有遗漏的或忽略的治疗步骤的规范执行度,Add是针对整个过程中是否添加了不必要的治疗步骤的规范执行度,Seq是表示整个过程中各疗程、阶段是否符合规范顺序的规范执行度,ε,ζ,η,θ分别是各自的权重系数,且ε+ζ+η+θ=1;
所述的云计算包括如下步骤:
1)搭建恶性肿瘤放化疗规范执行度评估的私有云计算平台;
2)云计算平台的前台智能医疗办公系统,将病人的身体状况和治疗方案的信息,提交给云计算平台的后台服务器;
3)云计算平台的后台服务器计算恶性肿瘤放化疗规范执行度;
4)后台服务器将计算出来的恶性肿瘤放化疗规范执行度数据反馈到前台智能医疗办公系统,并给出相应的评估。
2.如权利要求1所述的基于云计算的恶性肿瘤放化疗规范执行度评估的方法,其特征在于,所述的私有云计算平台包括前台智能医疗办公系统,后台服务器,所述的后台服务器包括后台数据中心、后台神经网络计算中心。
3.如权利要求1所述的基于云计算的恶性肿瘤放化疗规范执行度评估的方法,其特征在于,所述的前台智能医疗办公系统,能够将医务人员在线输入的病人身体状况和治疗方案的文本信息,自动智能地解析成固定格式的各个数据项,并将这些数据项打包成一个数据集,提交给云计算平台的后台服务器。
4.如权利要求1所述的基于云计算的恶性肿瘤放化疗规范执行度评估的方法,其特征在于,所述的后台数据中心用于云存储,存储的数据包括国家卫生部、国家食品药品监督管理总局、中华医学会联合制定的各种恶性肿瘤治疗规范指南,以及标准病例;后台神经网络计算中心,采用BP神经网络算法,计算恶性肿瘤放化疗规范执行度参数。
5.如权利要求1所述的基于云计算的恶性肿瘤放化疗规范执行度评估的方法,其特征在于,所述的恶性肿瘤放化疗规范执行度的计算过程如下:后台服务器把从前台智能医疗系统提交来的数据集分成病人信息数据集和治疗方案数据集,分别传输到后台数据中心和后台神经网络计算中心;后台数据中心根据病人信息数据集进行检索,得到最匹配的标准病例或者规范指南,并将这些标准病例和规范指南传输到后台神经网络计算中心;后台神经网络计算中心,将后台服务器传输来的治疗方案数据集、数据中心检索得到的标准病例或规范指南,作为两路输入数据进行计算,得到恶性肿瘤放化疗规范执行度评估参数SEDC、W-SEDC,结果分为:规范、部分规范、不规范、严重不规范4个等级。
CN201310189058.0A 2013-05-20 2013-05-20 基于云计算的恶性肿瘤放化疗规范执行度评估的方法 Expired - Fee Related CN103294908B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310189058.0A CN103294908B (zh) 2013-05-20 2013-05-20 基于云计算的恶性肿瘤放化疗规范执行度评估的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310189058.0A CN103294908B (zh) 2013-05-20 2013-05-20 基于云计算的恶性肿瘤放化疗规范执行度评估的方法

Publications (2)

Publication Number Publication Date
CN103294908A CN103294908A (zh) 2013-09-11
CN103294908B true CN103294908B (zh) 2016-04-20

Family

ID=49095759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310189058.0A Expired - Fee Related CN103294908B (zh) 2013-05-20 2013-05-20 基于云计算的恶性肿瘤放化疗规范执行度评估的方法

Country Status (1)

Country Link
CN (1) CN103294908B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933652A (zh) * 2015-04-27 2015-09-23 苏州敏宇医疗科技有限公司 一种基于云计算的肿瘤放射治疗的剂量验证系统和方法
CN104933313A (zh) * 2015-06-29 2015-09-23 徐海平 一种恶性肿瘤放化疗规范符合度的量化评估系统
CN105975741B (zh) * 2016-04-21 2018-07-24 张明飞 一种带有病人状态分级的医疗系统
CN105975740B (zh) * 2016-04-21 2018-09-11 寇玮蔚 一种带有智能诊断的医疗系统
CN105709302B (zh) * 2016-04-21 2018-11-09 王芳 一种带有输液监控的医疗系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
J.Meng.《Five different conformity indexes in treatment plan evaluation and optimization》.《Radiotherapy and Oncology》.2007,S57. *
姜瑞瑶 等.《构建数字化放化疗网络,实现放射治疗规范化管理》.《医疗设备信息》.2007,第22卷(第10期), *
惠中青.《符合放疗质控规定要求的放射治疗计划规范临床治疗设计》.《中国医药卫生信息》.2003, *
李德録 等.《上海市推行肿瘤诊治规范的效果评估》.《中国肿瘤》.2001,第10卷(第4期), *
鲁会侠 等.《临床药师在肺癌化疗方案执行过程中应关注的问题》.《儿科药学杂志》.2012,第18卷(第8期), *

Also Published As

Publication number Publication date
CN103294908A (zh) 2013-09-11

Similar Documents

Publication Publication Date Title
CN103294908B (zh) 基于云计算的恶性肿瘤放化疗规范执行度评估的方法
Izawa et al. Pre-hospital advanced airway management for adults with out-of-hospital cardiac arrest: nationwide cohort study
Yovich et al. PIVET rFSH dosing algorithms for individualized controlled ovarian stimulation enables optimized pregnancy productivity rates and avoidance of ovarian hyperstimulation syndrome
BR112016006998A2 (pt) método implementado por computador, sistema de computação, meio de armazenamento legível por computador
Goto et al. Prognostic implications of conversion from nonshockable to shockable rhythms in out-of-hospital cardiac arrest
Dawson et al. Sulphate in pregnancy
Wu et al. Quantitative analysis of efficacy and associated factors of calcium intake on bone mineral density in postmenopausal women
CN105334292A (zh) 一种鲆鲽鱼组织中磺胺药物残留的预测方法
Patel et al. Vaccine wastage assessment after introduction of open vial policy in Surat municipal corporation area of India
Iacobucci GP services in England get multibillion cash injection in landmark deal
Keepanasseril et al. Complete atrioventricular block in pregnancy: report of seven pregnancies in a patient without pacemaker
Wang et al. Guideline for postmarketing Chinese medicine pharmacoeconomic evaluation
Boyer et al. Trends in peritoneal dialysis technique survival, death, and transfer to hemodialysis: a decade of data from the RDPLF
Roth et al. Administration of GnRH at onset of estrus, determined by automatic activity monitoring, to improve dairy cow fertility during the summer and autumn
Garcia-Contreras et al. The effects of maternal metformin treatment on late prenatal and early postnatal development of the offspring are modulated by sex
Moilanen et al. Reproductive toxicity evaluation of the dental resin monomer bisphenol a glycidyl methacrylate (CAS 1565-94-2) in mice
Pezoulas et al. Generation of virtual patients for in silico cardiomyopathies drug development
Vagnoni et al. Effects of postpartum supplemental oral Ca for dairy cows fed prepartum dietary acidogenic salts
Kang et al. Testing for bioequivalence of highly variable drugs from TR‐RT crossover designs with heterogeneous residual variances
Borgerding et al. Tramadol use in pediatric sickle cell disease patients with vaso-occlusive crisis
Hernández-Rivera et al. A Stochastic Model Predictive Control Approach to Deal with Cancerous Tumor Growth
Connolly et al. A cost per live birth comparison of HMG and rFSH randomized trials
Joshi et al. The Indian patent system and indigenous R&D
Puerini et al. The 49th hour: analysis of a follow-up medication and vaccine dispensing field test
Feng et al. The distribution of the EQ-5D-5L index in patients populations

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160420

Termination date: 20190520

CF01 Termination of patent right due to non-payment of annual fee