CN103870668A - 一种面向区域医疗的病人主索引建立方法和装置 - Google Patents

Abstract

一种面向区域医疗的病人主索引建立方法和装置，所述病人主索引建立的方法包括：(1)将注册病人的N种身份属性根据事先按优先级划分的n个等级进行分类，其中每个所述等级含有M_i种身份属性，i表示等级，1≤i≤n；(2)将M_i种身份属性与当前数据集合中的身份属性进行匹配，记匹配结果为数据集合P_i；(3)当所述集合P_i含有零个元素，则为注册病人建立主索引；当所述集合P_i非空且只含有一个元素，则为注册病人和匹配病人建立交叉索引；当所述集合P_i非空且至少含有两个元素，则进入下一个级别，即i加1，并转到所述步骤(2)重新匹配。本方案基于优先级进行逐级匹配，过程简单，匹配效率高，匹配准确性高。

Description

一种面向区域医疗的病人主索引建立方法和装置

 

技术领域

本发明涉及一种面向区域医疗的病人主索引建立方法和装置。

背景技术

区域医疗信息平台是连接区域内多家医疗机构信息系统的信息共享和交换的平台，医疗信息共享能够最大限度地提高医疗服务的可及性、提升医疗诊断的质量和效率、降低病人就医的成本和风险。我国医疗信息系统具有垂直建设的特点，区域内的不同性质的医疗机构，如综合性医院、社区卫生服务中心、妇幼保健院、公共卫生专业机构、专科医院等，相对独立地开展业务，病人信息分散在多个相互封闭的信息系统中，不能有效地共享和交换。

为了整合区域范围内不同医疗机构的信息系统，实现区域医疗信息共享和交换，需要解决相同病人在不同医疗信息系统中的身份标识号如何进行关联的问题。美国放射学会（Radiological Society of North America，RSNA）及美国医疗信息和管理系统学会（Healthcare Information and Management Systems Society，HIMSS）等多家机构共同发起并提供了一种集成医疗企业医疗（integration healthcare enterprise，IHE）健康信息集成规范，其中的病人身份交叉索引（patient identifier cross-referencing，PIX）技术框架为关联不同医疗机构的病人身份标识号提供了指导标准。IHE PIX技术框架定了三种角色，分别为病人身份源（patient identity source）、PIX管理器（PIX manager）以及PIX使用者（PIX consumer）。PIX管理器可接收多个病人身份源提供的病人注册信息，并通过唯一的主索引将多个病人身份源关联在一起，并为PIX使用者提供查询服务。其中，主索引是指在特定区域范围内，用来标识每个病人并保持其唯一性的编码。

建立共享域范围的病人主索引（master patient index，MPI）是PIX管理器的核心功能，一般通过病人信息匹配来实现。目前，最常采用的方法是对病人身份属性进行逐项匹配并根据各项属性的权重计算匹配程度。这类方法的弊端是：各属性的权重之和必须为1，当任意属性缺失时，必须重新调整其余所有属性的权重。在实际应用中，由于不同医疗机构登记个人信息时可能存在填写不规范、不完全甚至出现偏差等情况，病人身份属性的错误率和缺失率较高，区域医疗信息平台覆盖的病人众多，医疗机构数据庞大，权重的调整流程十分复杂，严重影响病人主索引建立方法的效率性和准确性，导致病人主索引在区域医疗中的使用价值显著降低。

 

发明内容

本发明要解决的是提供一种面向区域医疗的病人主索引建立方法和装置，用以解决主索引建立过程中病人身份属性的优先级分类及逐级匹配实现主索引的建立，从而改善匹配效率低和准确性低等问题。

为了解决上述问题，本发明提供了一种面向区域医疗的病人主索引建立方法，包括如下步骤：

步骤(1） 将注册病人的N种病人身份属性根据事先按优先级划分的n个等级进行分类，其中每个所述等级含有M _i 种身份属性，其中M _i 为小于等于N的整数，i表示等级，为小于等于n的正整数；

步骤（2）     将M _i 种身份属性与当前数据集合中的身份属性进行匹配，记匹配结果为数据集合P _i ；

步骤（3）     当所述集合P _i 含有零个元素，即所述M_i种身份属性与所述当前数据集合中病人的身份属性不匹配，则为注册病人建立主索引；

当所述集合P _i 只含有一个元素，即所述M _i 种身份属性与所述当前数据集合中的一个病人的身份属性匹配，则为注册病人匹配数据建立交叉索引；

当所述集合P _i 至少含有两个元素，即所述M _i 种身份属性与所述当前数据集合中多个病人的身份属性匹配，则进入下一个级别，即i加1，并转到所述步骤（2）重新匹配。

上述所述的面向区域医疗的病人主索引建立方法，其中，所述n为5，按优先级高低依次为精确匹配属性、关键匹配属性、模糊匹配属性、辅助匹配属性和不匹配属性。

上述所述的面向区域医疗的病人主索引建立方法，其中，在执行所述步骤（2）之前判断M₁的值，所述M₁的值不为0，则所述步骤（2）中的M _i 为M₁，并记匹配结果为数据集合P₁；所述M₁的值为0，则所述步骤（2）中的M _i 中的i为大于1且小于等于n的正整数，并记匹配结果为数据集合P _i 。

上述所述的面向区域医疗的病人主索引建立方法，其中，所述当前数据集合为存放病人主索引数据库或数据集合P _i 。

上述所述的面向区域医疗的病人主索引建立方法，其中，确定所述数据集合P₁的过程包括：根据所述M₁种身份属性创建向量A;根据存放病人主索引数据库中第j个病人的第一等级身份属性创建向量AA _j；交叉比较向量A和向量AA _j中的元素，并根据所述比较的结果确定数据集合P₁。

上述所述的面向区域医疗的病人主索引建立方法，其中，在所述M₁的值为0时，则确定所述数据集合P _i 过程包括：根据所述M _i 种身份属性创建向量B；根据数据库中第j个病人的第i等级的身份属性创建向量BB _j ；计算向量B和向量BB _j 的相似度值；比较所述相似度值和预先设定阈值的大小，确定数据集合P _i 。

上述所述的面向区域医疗的病人主索引建立方法，其中，所述相似度值的计算公式为： 

所述向量B中包括的各项第i等级身份属性不相关，则所述相似度值的计算公式为：                                                 

其中，向量

，N₁为向量B包括的第i等级身份属性的数量，也为向量BB _j 包括的第i等级身份属性的数量；向量

； j表示数据集合P _i-1中的第j个病人；θ为字符串匹配函数;

所述向量B中包括的各项第i等级身份属性相关，则所述相似度值的计算公式为： 

其中，向量

，N₁为向量B包括的第i等级身份属性的数量；向量

，N₂为向量BB _j 包括的第i等级身份属性的数量； j表示数据集合P _i-1的第j个病人；θ为字符串匹配函数。

为解决上述问题，本发明提供可一种面向区域医疗的病人主索引建立装置，包括：

优先级划分单元，用于将注册病人的N种病人身份属性根据事先按优先级划分的n个等级进行分类，其中每个所述等级含有M _i 种身份属性，其中M _i 为小于等于N的整数,i表示等级，为小于等于n的正整数；

匹配单元，用于将所述优先级划分单元划分后的M _i 种身份属性与当前数据集合中的身份属性进行匹配，记匹配结果为数据集合P _i ；

主索引建立单元，用于如权利要求1所述的方法中为所述注册病人建立主索引。

与现有技术相比，上述技术方案引入了对病人身份属性的等级分类，使用的病人身份属性更为全面，保证了身份匹配的准确性和可靠性，而且无需为各项属性分配权重，当任意属性缺失时，也无需采取繁琐的方法重新调整各项属性的权重，操作流程简单，具有更好的实用性。

进一步地，通过逐级匹配的方法对病人身份属性进行匹配，在保证匹配准确率的同时，可以大幅度减少匹配次数，使得病人主索引建立的同时具备效率性和准确性，而且在分级匹配过程中可以根据实际需要快速、便捷地调整匹配算法和匹配阈值，提高匹配结果的准确性；引入人工处理的方式来处理可能出现多条匹配记录的情况，保证病人主索引的唯一性和可靠性，提高病人主索引的实用价值。

附图说明

图1所示为本发明实施例病人主索引建立方法的流程示意图；

图2a所示为本发明实施例对HL7标准中定义的30种病人身份属性进行分类的示意图；

图2b所示为本发明实施例注册病人11种身份属性的示意图；

图3所示为本发明实施例确定数据集合P _i 的流程示意图；

图4所示为本发明实施例病人主索引建立装置的结构示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。

其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。

下面结合附图和实施例对本发明进行详细地说明。在本实施例中，以HL7（Health Level 7，卫生信息交换标准）标准中定义的30种病人身份属性为例，根据精确性和重要性将HL7标准中定义的30种病人身份属性按优先级高低划分为精确匹配属性、关键匹配属性、模糊匹配属性、辅助匹配属性和不匹配属性五个等级（如图2a所示），即n=5，其中，各等级内所包含的身份属性可以根据实际情况改变。本发明面向区域医疗的病人主索引建立方法如图1所示，首先，执行步骤S1，将注册病人的N种病人身份属性根据事先按优先级划分的5个等级进行分类，其中每个所述等级含有M _i 种身份属性，其中M _i 为小于等于N的整数，i表示等级，为小于等于n的正整数。在本实施例中，具体地，如图2b所示，注册病人含有11种病人身份属性，即N=11，将这11种病人身份属性和HL7标准中定义的30种病人身份属性进行比较，可知，其中每个等级含有的身份属性分别为1，5，2，2和1，即M₁=1，M₂=5，M₃=2，M₄=2，M₅=1。在具体实施过程中，不匹配属性等级的属性在实际应用中大部分都为空，或容易发生变化，或不会对匹配结果产生太大影响，该等级的属性可以不用于身份匹配，因此注册病人的种族这个身份属性不用于身份匹配。M _i 的值根据实际注册病人提供的信息进行确定。

接着执行步骤S2，将M _i 种身份属性与当前数据集合中的身份属性进行匹配，记匹配结果为数据集合P _i 。在执行所述步骤（2）之前判断M₁的值，所述M₁的值不为0，则所述步骤（2）中的M _i 为M₁，并记匹配结果为数据集合P₁；所述M₁的值为0，则所述步骤（2）中的M _i 的中的i为大于1且小于等于n的正整数，并记匹配结果为数据集合P _i 。在本实施例中，根据步骤S1可知，注册病人含有一个精确匹配属性，即M₁=1，则将1种病人身份属性（身份标识号）与存放病人主索引数据库（MPI数据库）中的精确匹配属性（身份标识号）进行匹配，记匹配结果为数据集合P₁。具体的匹配过程为：根据所述1种病人身份属性（身份标识号）创建向量

，向量A中的元素为注册病人的非空精确匹配属性（身份标识号）；接着根据MPI数据库中第j个病人的精确匹配属性（身份标识号）创建向量

，向量AA _j 中的元素为MPI数据库中第j个病人的非空精确匹配属性（身份标识号）；交叉比较向量A和向量AA _j 中的元素，遍历整个MPI数据库，即将注册病人的身份标识号和MPI数据库中每一个病人的身份标识号都进行了比较，将两个向量中完全相同的元素放入P₁中，所述P₁中的元素为和注册病人身份标识号这个身份属性匹配的病人（匹配数据），即如果向量A和向量AA ₅（j=5）中的元素完全相同，则表示注册病人和MPI数据库中第5个病人的身份属性匹配，则将第5个病人放入P₁中。其中，如果注册病人的精确匹配属性为身份标识号列表，并且身份标识号列表非空，则将其中的每个元素拆分出来，分别放入向量A中，则相应地，将MPI数据库中第j个病人的身份标识号列表中的每个元素拆分出来放入向量AA _j 中。

另外，如果注册病人的N种身份属性中不含有精确匹配属性，即M₁为0，则将注册病人的N种身份属性中的M₂种身份属性，即关键匹配属性，与MPI数据库中的关键匹配属性进行匹配，记匹配结果为数据集合P₂。具体的匹配过程如图3所示，先执行S201，根据所述M₂种身份属性创建向量B；接着执行S202，根据数据库中第j个病人的关键身份属性创建向量BB _j ；再接着执行S203，计算向量B和向量BB _j 的相似度值；最后执行S204，比较所述相似度值和预先设定阈值的大小，则确定数据集合P₂，所述集合P₂中的元素为和注册病人M₂种身份属性匹配的病人（匹配数据）。

当所述向量B中包括的各项关键身份属性不相关，则所述相似度值的计算公式为：  

               （1）

其中，向量

，N₁为向量B包括的关键身份属性的数量，也为向量BB _j 包括的关键身份属性的数量；向量

； j表示MPI数据库中的第j个病人；θ为字符串匹配函数。

当所述向量B中包括的各项第i等级身份属性相关，则所述相似度值的计算公式为：  

         （2）

其中，向量

，N₁为向量B包括的关键身份属性的数量；向量

，N₂为向量BB _j 包括的关键身份属性的数量； j表示MPI数据库中的第j个病人；θ为字符串匹配函数。

在本实施例中，如果注册病人的身份属性中不包含身份标识号，就只有5种关键匹配属性，2种模糊匹配属性，2种辅助匹配属性和1种不匹配属性，从图2b可知，注册病人的M₂种关键身份属性为姓名、别名、社会保险号码、驾照号码和公民身份证号码，则将姓名和别名创建姓名拼音B，如果姓名和别名中存在多音字，则向量B包括所有可能的拼音组合，向量B中各关键属性存在相关性，则根据上述公式（2）来计算向量B和向量BB _j 之间的相似度，向量BB _j 根据MPI数据库中第j个病人的姓名和别名而创建。根据社会保险号码、驾照号码和公民身份证号码创建号码向量，向量中各关键属性不存在相关性，则根据上述公式（1）来计算向量B和向量BB _j 之间的相似度，向量BB _j 根据MPI数据库中第j个病人的社会保险号、驾照号码和公民身份证号码而创建。接着比较根据公式（1）和（2）计算得到的相似度值和预先设定的阈值的大小，在本实施例中，为关键属性预先设定的阈值为0.85，遍历整个MPI数据库，如果根据公式（1）和公式（2）计算得到的相似度值均大于预先设定的阈值，则将MPI数据库中的第j个病人放入数据集合P₂中，即如果向量B和向量BB ₆的相似度大于0.85，则表示注册病人和MPI数据库中第6个病人的身份属性匹配，则将第6个病人放入P₂中。

再接着执行步骤S3，当所述集合P _i 为含有零个元素，即所述M _i 种身份属性与所述当前数据集合中病人的身份属性不匹配，则执行步骤S4，为注册病人建立主索引；当所述集合P _i 只含有一个元素，即所述M _i 种身份属性与所述数据库中的一个病人的身份属性匹配，则执行步骤S5，为注册病人和匹配数据建立交叉索引；当所述集合P _i 至少含有两个元素，即所述M _i 种身份属性与数据库中多个病人的身份属性匹配，则进入下一个级别，即i加1，并转到所述步骤S2重新匹配。在本实施例中，具体地，在步骤S2中确定了数据集合P₁，当P₁为含有零个元素，即向量A和向量AA _j 不完全相同，则为注册病人建立新的主索引，当P₁非空，即向量A和向量AA _j 完全相同，则为注册病人和P₁中的匹配病人建立交叉索引，由步骤S2中可知，P₁中含有MPI数据库中的第5个病人，则为注册病人和MPI数据中的第5个病人建立交叉索引。

另外，在注册病人不含有精确匹配属性的情况下，上述步骤S2中确定了数据集合P₂，当P₂为含有零个元素，则执行步骤S4，为注册病人建立新的主索引；当P₂非空且只含有一个元素，则执行步骤S5，为注册病人和P₂中的匹配病人建立交叉索引；当P₂非空且至少含有两个元素，即注册病人的5种关键身份属性至少和MPI数据中的两个病人的关键身份属性匹配，则进入下一级别，即模糊匹配，并转到步骤S2重新匹配，此时，将注册病人的M₃（M₃=2）种模糊匹配属性（出生日期和性别）与数据集合P₂中病人的模糊属性（出生日期和性别）进行匹配，并确定数据集合P₃。其中，匹配的过程和关键属性匹配的过程相同，在计算相似度的公式（1）和公式（2）中j表示的是数据集合P₂中的第j个病人。再根据数据集合P₃中含有的元素个数来建立主索引，该过程如集合P₂。当集合P₃至少含有两个元素，则进入下一个级别，即辅助匹配，并转到步骤（2）重新匹配，此时，将注册病人的M₄（M₄=2）种辅助匹配属性（联系地址和家庭电话号码）与数据集合P₃中的病人辅助属性（联系地址和家庭电话号码）进行匹配，并确定数据集合P₄，之后的过程如上述，在计算相似度的公式（1）和公式（2）中j表示的是数据集合P₃中的第j个病人。当集合P₄至少含有两个元素，由于不匹配等级并不参与匹配，则通过人工处理的方式来处理数据，以保证病人主索引的唯一性和可靠性。

对应于上述面向区域医疗的病人主索引建立方法，本发明实施例还提供一种面向区域医疗的病人主索引建立的装置，如图4所示，包括优先级划分单元1、匹配单元2和主索引建立单元3。

所述优先级划分单元1适于将注册病人的N种身份属性根据事先按优先级划分的n个等级进行分类，其中每个所述等级含有M _i 种身份属性，其中M _i 为小于等于N的整数，i表示等级，为小于等于n的正整数。在本实施例中，根据精确性和重要性将HL7标准中定义的30种病人身份属性按优先级高低划分为精确匹配属性、关键匹配属性、模糊匹配属性、辅助匹配属性和不匹配属性五个等级（如图2a所示），即n=5。具体地，注册病人11种病人属性和HL7标准中定义的30种病人身份属性进行比较，则自动将注册病人的N种病人属性进行了划分，如图2b所示。

所述匹配单元2适于将所述优先级划分单元划分后的M _i 种身份属性与当前数据集合中的身份属性进行匹配，记匹配结果为数据集合P _i 。在所述匹配单元之前还包括判断单元，适于判断注册病人的N种身份属性中是否有精确匹配属性，若有，则将注册病人M₁种精确匹配属性与MPI数据库中的精确匹配属性进行匹配，记匹配结果为数据集合P₁。如果N种身份属性中并没有精确匹配属性，则匹配单元中的确定数据集合单元，适于将注册病人M₂种关键匹配属性与MPI数据库中的关键匹配属性进行匹配，记匹配结果为数据集合P₂。匹配单元中的确定集合单元包括创建向量单元、计算单元和比较单元。创建向量单元适于根据所述M _i 种身份属性创建向量B，并根据数据库中第j个病人的第i等级的身份属性创建向量BB _j ；计算单元适于计算向量B和向量BB _j 的相似度值；比较单元适于比较所述相似度值和预先设定阈值的大小，则确定数据集合P _i 。

所述主索引建立单元3适于在以上方法中为所述注册病人建立主索引。在本实施例中，当匹配单元中的P₁为含有零个元素，则为注册病人建立新的主索引；当匹配单元中的P₁非空，将为注册病人和P₁中的匹配病人建立交叉索引。当匹配单元中的P₂为含有零个元素，则为注册病人建立新的主索引；当匹配单元中的P₂只含有一个元素，则为注册病人和P₂中的匹配数据建立交叉索引；当匹配单元中P₂至少含有两个元素，则进入下一级别，即模糊匹配，并转到匹配单元重新匹配，此时，匹配单元适于将注册病人的M₃种模糊匹配属性与数据集合P₂中的病人模糊属性进行匹配，并确定数据集合P₃。再根据集合P₃的情况来进行后面的匹配，具体的过程如上述所述，当进行最后一级匹配所确定的集合中还含有至少两个以上元素，则转入人工处理单元。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (8)

1.一种面向区域医疗的病人主索引建立方法，其特征在于，包括如下步骤：

步骤（1）   将注册病人的N种病人身份属性根据事先按优先级划分的n个等级进行分类，其中每个所述等级含有M _i 种身份属性,其中M _i 为小于等于N的整数，i表示等级，为小于等于n的正整数；

步骤（2）  将M _i 种身份属性与当前数据集合中的身份属性进行匹配，记匹配结果为数据集合P _i ；

步骤（3）  当所述集合P _i 含有零个元素，即所述M _i 种身份属性与所述当前数据集合中病人的身份属性不匹配，则为注册病人建立主索引；

当所述集合P _i 只含有一个元素，即所述M _i 种身份属性与所述当前数据集合中的一个病人的身份属性匹配，则为注册病人和匹配数据建立交叉索引；

当所述集合P _i 至少含有两个元素，即所述M _i 种身份属性与所述当前数据集合中多个病人的身份属性匹配，则进入下一个级别，即i加1，并转到所述步骤（2）重新匹配。

2. 如权利要求1所述一种面向区域医疗的病人主索引建立方法，其特征在于，所述n为5，病人身份属性按优先级高低依次为精确匹配属性、关键匹配属性、模糊匹配属性、辅助匹配属性和不匹配属性。

3.如权利要求1所述一种面向区域医疗的病人主索引建立方法，其特征在于，在执行所述步骤（2）之前判断M₁的值，所述M₁的值不为0，则所述步骤（2）中的M _i 为M₁，并记匹配结果为数据集合P₁；所述M₁的值为0，则所述步骤（2）中的M _i 中的i为大于1且小于等于n的正整数，并记匹配结果为数据集合P _i 。

4.如权利要求1所述一种面向区域医疗的病人主索引建立方法，其特征在于，所述当前数据集合为存放病人主索引的数据库或数据集合P _i 。

5. 如权利要求3所述一种面向区域医疗的病人主索引建立方法，其特征在于，确定所述数据集合P₁的过程包括：

根据所述M₁种身份属性创建向量A;

根据存放病人主索引数据库中第j个病人的第一等级身份属性创建向量AA _j ；

交叉比较向量A和向量AA _j 中的元素，并根据所述比较的结果确定数据集合P₁。

6.如权利要求3所述一种面向区域医疗的病人主索引建立方法，其特征在于，在所述M₁的值为0时，则确定所述数据集合P _i 过程包括：

根据所述M _i 种身份属性创建向量B；

根据数据库中第j个病人的第i等级的身份属性创建向量BB _j ；

计算向量B和向量BB _j 的相似度值；

比较所述相似度值和预先设定阈值的大小，确定数据集合P _i 。

7. 如权利要求6所述一种面向区域医疗的病人主索引建立方法，其特征在于，所述相似度值的计算公式为： 

所述向量B中包括的各项第i等级身份属性不相关，则所述相似度值的计算公式为：                                                

其中，向量

，N₁为向量B包括的第i等级身份属性的数量，也为向量BB _j 包括的第i等级身份属性的数量；向量

； j表示数据集合P _i-1中的第j个病人；θ为字符串匹配函数；

所述向量B中包括的各项第i等级身份属性相关，则所述相似度值的计算公式为： 

其中，向量

，N₁为向量B包括的第i等级身份属性的数量；向量

，N₂为向量BB _j 包括的第i等级身份属性的数量； j表示数据集合P _i-1中的第j个病人；θ为字符串匹配函数。

8. 一种面向区域医疗的病人主索引的建立装置，其特征在于，包括：

优先级划分单元，用于将注册病人的N种病人身份属性根据事先按优先级划分的n个等级进行分类，其中每个所述等级含有M _i 种身份属性,其中M _i 为小于等于N的整数，i表示等级，为小于等于n的正整数；

匹配单元，用于将所述优先级划分单元划分后的M _i 种身份属性与当前数据集合中的身份属性进行匹配，记匹配结果为数据集合P _i ；

主索引建立单元，用于如权利要求1所述的方法中为所述注册病人建立主索引。

Images