CN104156441A - 一种基于数据挖掘技术的lis数据分析方法 - Google Patents
一种基于数据挖掘技术的lis数据分析方法 Download PDFInfo
- Publication number
- CN104156441A CN104156441A CN201410397454.7A CN201410397454A CN104156441A CN 104156441 A CN104156441 A CN 104156441A CN 201410397454 A CN201410397454 A CN 201410397454A CN 104156441 A CN104156441 A CN 104156441A
- Authority
- CN
- China
- Prior art keywords
- data
- value
- determined
- lis
- minimum value
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G06F19/32—
-
- 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)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Pathology (AREA)
- Fuzzy Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及医疗领域，特别涉及一种基于数据挖掘技术的LIS数据分析方法。本发明是通过以下技术方案得以实现的：一种基于数据挖掘技术的LIS数据分析方法，包括数据采集的步骤：用于从LIS原始数据库导入历史数据，并定时和/或间隔预定时间向LIS数据仓库提取新数据；自动诊断的步骤：用于对检查项目的指标进行判定，从而确定指标是否异常；向用户发送检查结果的步骤。本发明能有效节省患者的就诊时间。
Description
技术领域
本发明涉及医疗领域，特别涉及一种基于数据挖掘技术的LIS数据分析方法。
背景技术
现有技术中，LIS（laboratory Information Management System）系统经历十几年的发展，数据架构基本上已经成熟，如申请公布号为CN103699764A的发明专利申请，申请公布号为CN103699765A的发明专利申请，都有涉及LIS系统，但LIS系统的应用范围主要是医院内部检验科和医生工作站，大大减轻了检验科工作程序，提高了医生的工作效率，但是对于患者的就诊程序挂号-就诊-化验-等结果-复诊，每项程序还是没有时间上的节省， 其中大部分时间是在，排队抽血、等化验单、持单复诊这3个步骤；所以LIS系统在患者身上体现不出任何便利。
发明内容
本发明的目的是提供一种基于数据挖掘技术的LIS数据分析方法，能有效节省患者的就诊时间。
本发明的上述技术目的是通过以下技术方案得以实现的：一种基于数据挖掘技术的LIS数据分析方法，包括
数据采集的步骤：用于从LIS原始数据库导入历史数据，并定时和/或间隔预定时间向LIS数据仓库提取新数据；
自动诊断的步骤：用于对检查项目的指标进行判定，从而确定指标是否异常；
向用户发送检查结果的步骤。
作为本发明的优选，数据采集的步骤，具体为：
（1）检查是否有新数据的步骤，定时将系统服务器中的最后一条日志时间与LIS原始数据库中的日志时间进行对比，若具有服务器中最后一条日志时间之后的日志时间，则代表具有新数据；
（2）检查新项目的步骤，检测LIS数据仓库中新日志时间所对应的检测项目、检测指标标准在以前是否有记录，若没有记录，则更新；若有记录，则进入下一步；
（3）读取数据的步骤：读取LIS数据仓库中新日志所对应的病人基本信息、诊断、送检时间、单项指标值、检验医生、结果时间；
（4）数据标准化的步骤：将所读取的数据进行格式转换，使每条数据作为一个存储单元都具有层次化，第一层为病人基本信息，包括ID、姓名、年龄、地址、手机号等；第二层为日期、诊断、医生、检查属性；第三层为所检测的项目及指标值；所述的检查属性是指，对该病人在该日期的检测项目是否为单位体检、门诊、住院或急诊进行标记；
（5）检测ID是否为新ID的步骤，与服务器中的已有ID进行查询比较，若没有相同则为新ID，则为该新ID建立新记录；若有相同ID，则为旧ID，在该ID以前的记录下追加新数据。
作为本发明的优选，在服务器中预先存储有所有单项检查项目指标的国家通用标准，并将枚举值指标设置成布尔值；所述自动诊断的步骤，包括单项指标的判定，其中对于指标值为具体数值的单项指标判定，具体为：
（1）检测待判定指标值的标准是否有最大值、最小值；
（2）检测待判定指标值是否小于最大值和/或大于最小值；
（3）检测待判定指标值是否等于最大值或最小值，若等于最大值或最小值，则检测待判定指标值的标准是否包括最大值或最小值。
作为本发明的优选，对于指标值为具体数值的单项指标判定，具体为：
（1）若待判定指标值的标准有最大值，没有最小值：
a、若待判定指标值小于最大值，则判定正常；
b、若待判定指标值等于最大值，则检测标准是否包括最大值，若标准包括最大值，则判定正常；若标准不包括最大值，则判定异常；
c、若待判定指标大于最大值，则判定异常；
（2）若待判定指标值的标准有最大值，有最小值：
a、若待判定指标值大于最小值且小于最大值，则判定正常;
b、若待判定指标值小于最小值或大于最大值，则判定异常；
c、若待判定指标等于最大值，则检测标准是否包括最大值，若标准包括最大值，则判定正常；若标准不包括最大值，则判定异常；
d、若待判定指标等于最小值，则检测标准是否包括最小值，若标准包括最小值，则判定正常；若标准不包括最小值，则判定异常；
（3）若待判定指标值的标准没有最大值，有最小值：
a、若待判定指标值小于最小值，则判定异常；
b、若待判定指标值大于最小值，则判定正常；
c、若待判定指标值等于最小值，则判定标准是否包括最小值，若标准包括最小值，则判定正常；若标准不包括最小值，则判定异常。
作为本发明的优选，该分析方法还包括单项指标异常度判定的步骤，在服务器中预设若干异常等级，对特定异常等级设定指标值区间；对异常等级较高的指标信息发送给医生及患者。
作为本发明的优选，该分析方法还包括特定诊断综合指标异常度判定的步骤，在服务器中预设至少需要两项单项指标所确定的诊断的异常等级，对特定异常等级设定相应单项指标的指标值区间；对异常等级较高的指标信息发送给医生及患者。
作为本发明的优选，该分析方法还包括患者查询模块，患者在客户端以自己的ID作为登陆帐号，并输入登陆时由服务器向患者手机发送的验证码进行登陆，按照时间顺序排列该患者所有的检验记录及异常的单项指标情况；所述客户端可读取指定单项指标的所有历史数据，以生成图表。
用户的终端设备可以是手机、ipad和笔记本等移动工具，也可以是台式机等固定终端工具。
作为本发明的优选，该方法还包括医生查询模块及集团单位用户查询模块。
作为本发明的优选，该分析方法还包括患者隐私保护方法，具体为患者通过客户端登陆服务器后，每次对相应指标项的点击都会触发服务器对患者客户端IP的检测，检测当前点击时的IP是否与上次点击时的IP一致，若一致，则显示该指标项的信息；若不一致，则不显示该指标项的信息。
作为本发明的优选，所述患者隐私保护方法，还包括在单位用户登陆服务器时，服务器检测单位用户的帐号，从而只向客户端提供标记单位体检的数据。
综上所述，本发明具有以下有益效果：
1、本发明能够定时实时采集LIS服务器中的数据，并可将患者的检测数据自动发送至患者的手机，例如，患者在验血完毕后，即可离开医院，等检测结果出来，本发明会将结果数据发送至患者手机，以使患者能够第一时间了解检测结果，并且，本发明可将检测结果进行正常、异常、异常等级的判定，也可只选择标记有异常等级的异常数据发送给患者和医生，让患者和医生能够及时了；同时节省了患者等化验单及持单复诊的时间；
2、患者可通过客户端登陆，查询自身的检测数据，并可通过服务器形成对某一项指标的历史变化图表，以便于患者进一步了解自身的身体状况；
3、本发明具体严格的隐私保密方法；
4、本发明具有独特的数据更新方式，从而便于本发明服务器对数据的处理；
5、本发明具有独特的指标异常判定方式；
6、本发明具有医生查询系统，可通过对标准化数据的检测，查询到该医生名下的所有患者的信息；同时医生还可以在服务器中设置针对某种诊断的多种指标综合判定方式，比如，当第一指标和第二指标分别位于某种程度时，相应的诊断应判定为严重或非常严重等；
7、本发明还具有单位用户查询系统，单位用户根据单位ID只能查询到标准数据中标记为单位体检的数据；
8、本发明还可具有专业查询系统，服务器可对标准化数据中某类指标或某几类指标异常的患者进行筛选，以便于对对应诊断的分析。
具体实施方式
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
实施例：一种基于数据挖掘技术的LIS数据分析方法，设置有服务器与客户端。
该分析方法包括：
数据采集的步骤：用于从LIS原始数据库导入历史数据，并定时和/或间隔预定时间向LIS数据仓库提取新数据；具体为：
（1）检查是否有新数据的步骤，定时向将系统服务器中的最后一条日志时间与LIS数据仓库中的日志时间进行对比，若具有服务器中最后一条日志时间之后的日志时间，则代表具有新数据；
（2）检查新项目的步骤，检测LIS数据仓库中新日志时间所对应的检测项目、检测指标标准在以前是否有记录，若没有记录，则更新；若有记录，则进入下一步；
（3）读取数据的步骤：读取LIS数据仓库中新日志所对应的病人基本信息、诊断、送检时间、单项指标值、检验医生、结果时间；
（4）数据标准化的步骤：将所读取的数据进行格式转换，使每条数据作为一个存储单元都具有层次化，第一层为病人基本信息，包括ID、姓名、年龄、地址、手机号、单位等；第二层为日期、诊断、医生、检查属性；第三层为所检测的项目及指标值；所述的检查属性是指，对该病人在该日期的检测项目是否为单位体检、门诊、住院或急诊进行标记；
（5）检测ID是否为新ID的步骤，与服务器中的已有ID进行查询比较，若没有相同则为新ID，则为该新ID建立新记录；若有相同ID，则为旧ID，在该ID以前的记录下追加新数据。
自动诊断的步骤：用于对检查项目的指标进行判定，从而确定指标是否异常；在服务器中预先存储有所有单项检查项目指标的国家通用标准，该标准可以是国家标准，也可以是医生根据国家标准而设定；并将枚举值指标设置布尔值，例如，阴性指标定义为1，阳性指标定义为0；在数据标准化步骤，将从LIS服务器读取的阴性指标转化为1，阳性指标转化为0。
自动诊断的步骤，包括单项指标的判定，其中对于枚举值指标的判定，对标准化数据中标记为1的指标判定为正常，对标记为0的指标判定为异常；其中对于指标值为具体数值的单项指标判定，具体为：
（1）检测待判定指标值的标准是否有最大值、最小值；
（2）检测待判定指标值是否小于最大值和/或大于最小值；
（3）检测待判定指标值是否等于最大值或最小值，若等于最大值或最小值，则检测待判定指标值的标准是否包括最大值或最小值。
，对于指标值为具体数值的单项指标判定，更具体可以为：
（1）若待判定指标值的标准有最大值，没有最小值：
a、若待判定指标值小于最大值，则判定正常；
b、若待判定指标值等于最大值，则检测标准是否包括最大值，若标准包括最大值，则判定正常；若标准不包括最大值，则判定异常；
c、若待判定指标大于最大值，则判定异常；
（2）若待判定指标值的标准有最大值，有最小值：
a、若待判定指标值大于最小值且小于最大值，则判定正常;
b、若待判定指标值小于最小值或大于最大值，则判定异常；
c、若待判定指标等于最大值，则检测标准是否包括最大值，若标准包括最大值，则判定正常；若标准不包括最大值，则判定异常；
d、若待判定指标等于最小值，则检测标准是否包括最小值，若标准包括最小值，则判定正常；若标准不包括最小值，则判定异常；
（3）若待判定指标值的标准没有最大值，有最小值：
a、若待判定指标值小于最小值，则判定异常；
b、若待判定指标值大于最小值，则判定正常；
c、若待判定指标值等于最小值，则判定标准是否包括最小值，若标准包括最小值，则判定正常；若标准不包括最小值，则判定异常。
自动诊断的步骤还可以包括单项指标异常度判定的步骤，在服务器中预设若干异常等级，对特定异常等级设定指标值区间；并可将异常等级较高的指标信息及时发送给医生及患者。
自动诊断的步骤还可以包括特定诊断综合指标异常度判定的步骤，即在服务器中预设至少需要两项单项指标所确定的诊断的异常等级，对特定异常等级设定至少两项相应单项指标的指标值区间；这种预设可以由医生设置；自动诊断中对单项指标判定后，针对相应诊断自动筛选出对应的两个或两个以上的单项指标，从而根据医生的设置进行对该诊断正常、异常或异常程度的判定，并对异常等级较高的指标信息发送给医生及患者。
同时，医生可预先在服务器中针对不同异常度设置建议，比如无需复诊、需要复诊、尽快复诊等。
服务器可自动将患者的检测信息发送至患者手机，比如，患者在检查完毕后，即可离开医院，等检查结果出来并被服务器所更新后，即可将检查结果发送至患者手机。
本实施例还包括患者查询模块，患者在客户端以自己的ID作为登陆帐号，并输入登陆时由服务器向患者手机发送的验证码进行登陆，按照时间顺序排列该患者所有的检验记录及异常的单项指标情况；且客户端可读取指定单项指标的所有历史数据，以生成图表。
患者查询模块还具有患者隐私保护方法，具体为患者通过客户端登陆服务器后，每次对相应指标项的点击都会触发服务器对患者客户端IP的检测，检测当前点击时的IP是否与上次点击时的IP一致，若一致，则显示该指标项的信息；若不一致，则不显示该指标项的信息。
本实施例还包括医生查询模块，医生登陆后，后查询该医生名下的所有患者信息，服务器还可针对对应患者某一诊断的历史数据图表。
本实施例还包括集团单位用户查询模块，主要用于单位体检，在集团单位用户登陆服务器时，服务器检测单位用户的帐号，从而只向客户端提供标记单位体检的数据，以保护患者的隐私。
本实施例还包括专业用户模块，服务器可对标准化数据中某类指标或某几类指标异常的患者进行筛选，以便于对对应诊断的分析。
Claims (10)
1.一种基于数据挖掘技术的LIS数据分析方法，其特征在于，包括
数据采集的步骤：用于从LIS原始数据库导入历史数据，并定时和/或间隔预定时间向LIS数据仓库提取新数据；
自动诊断的步骤：用于对检查项目的指标进行判定，从而确定指标是否异常；
向用户发送检查结果的步骤。
2.根据权利要求1所述的一种基于数据挖掘技术的LIS数据分析方法，其特征在于数据采集的步骤，具体为：
（1）检查是否有新数据的步骤，定时向将系统服务器中的最后一条日志时间与LIS数据仓库中的日志时间进行对比，若具有服务器中最后一条日志时间之后的日志时间，则代表具有新数据；
（2）检查新项目的步骤，检测LIS数据仓库中新日志时间所对应的检测项目、检测指标标准在以前是否有记录，若没有记录，则更新；若有记录，则进入下一步；
（3）读取数据的步骤：读取LIS数据仓库中新日志所对应的病人基本信息、诊断、送检时间、单项指标值、检验医生、结果时间；
（4）数据标准化的步骤：将所读取的数据进行格式转换，使每条数据作为一个存储单元都具有层次化，第一层为病人基本信息，包括ID、姓名、年龄、地址、手机号等；第二层为日期、诊断、医生、检查属性；第三层为所检测的项目及指标值；所述的检查属性是指，对该病人在该日期的检测项目是否为单位体检、门诊、住院或急诊进行标记；
（5）检测ID是否为新ID的步骤，与服务器中的已有ID进行查询比较，若没有相同则为新ID，则为该新ID建立新记录；若有相同ID，则为旧ID，在该ID以前的记录下追加新数据。
3.根据权利要求1所述的一种基于数据挖掘技术的LIS数据分析方法，其特征在于，在服务器中预先存储有所有单项检查项目指标的国家通用标准，并将枚举值指标设置成布尔值；所述自动诊断的步骤，包括单项指标的判定，其中对于指标值为具体数值的单项指标判定，具体为：
（1）检测待判定指标值的标准是否有最大值、最小值；
（2）检测待判定指标值是否小于最大值和/或大于最小值；
（3）检测待判定指标值是否等于最大值或最小值，若等于最大值或最小值，则检测待判定指标值的标准是否包括最大值或最小值。
4.根据权利要求3所述的一种基于数据挖掘技术的LIS数据分析方法，其特征在于，对于指标值为具体数值的单项指标判定，具体为：
（1）若待判定指标值的标准有最大值，没有最小值：
a、若待判定指标值小于最大值，则判定正常；
b、若待判定指标值等于最大值，则检测标准是否包括最大值，若标准包括最大值，则判定正常；若标准不包括最大值，则判定异常；
c、若待判定指标大于最大值，则判定异常；
（2）若待判定指标值的标准有最大值，有最小值：
a、若待判定指标值大于最小值且小于最大值，则判定正常;
b、若待判定指标值小于最小值或大于最大值，则判定异常；
c、若待判定指标等于最大值，则检测标准是否包括最大值，若标准包括最大值，则判定正常；若标准不包括最大值，则判定异常；
d、若待判定指标等于最小值，则检测标准是否包括最小值，若标准包括最小值，则判定正常；若标准不包括最小值，则判定异常；
（3）若待判定指标值的标准没有最大值，有最小值：
a、若待判定指标值小于最小值，则判定异常；
b、若待判定指标值大于最小值，则判定正常；
c、若待判定指标值等于最小值，则判定标准是否包括最小值，若标准包括最小值，则判定正常；若标准不包括最小值，则判定异常。
5.根据权利要求4所述的一种基于数据挖掘技术的LIS数据分析方法，其特征在于，该分析方法还包括单项指标异常度判定的步骤，在服务器中预设若干异常等级，对特定异常等级设定指标值区间；对异常等级较高的指标信息发送给医生及患者。
6.根据权利要求5所述的一种基于数据挖掘技术的LIS数据分析方法，其特征在于，该分析方法还包括特定诊断综合指标异常度判定的步骤，在服务器中预设至少需要两项单项指标所确定的诊断的异常等级，对特定异常等级设定相应单项指标的指标值区间；对异常等级较高的指标信息发送给医生及患者。
7.根据权利要求6所述的一种基于数据挖掘技术的LIS数据分析方法，其特征在于，该分析方法还包括患者查询模块，患者在客户端以自己的ID作为登陆帐号，并输入登陆时由服务器向患者手机发送的验证码进行登陆，按照时间顺序排列该患者所有的检验记录及异常的单项指标情况；所述客户端可读取指定单项指标的所有历史数据，以生成图表。
8.根据权利要求7所述的一种基于数据挖掘技术的LIS数据分析方法，其特征在于，该方法还包括医生查询模块及集团单位用户查询模块。
9.根据权利要求8所述的一种基于数据挖掘技术的LIS数据分析方法，其特征在于，该分析方法还包括患者隐私保护方法，具体为患者通过客户端登陆服务器后，每次对相应指标项的点击都会触发服务器对患者客户端IP的检测，检测当前点击时的IP是否与上次点击时的IP一致，若一致，则显示该指标项的信息；若不一致，则不显示该指标项的信息。
10.根据权利要求9所述的一种基于数据挖掘技术的LIS数据分析方法，其特征在于，所述患者隐私保护方法，还包括在单位用户登陆服务器时，服务器检测单位用户的帐号，从而只向客户端提供标记单位体检的数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410397454.7A CN104156441A (zh) | 2014-08-14 | 2014-08-14 | 一种基于数据挖掘技术的lis数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410397454.7A CN104156441A (zh) | 2014-08-14 | 2014-08-14 | 一种基于数据挖掘技术的lis数据分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104156441A true CN104156441A (zh) | 2014-11-19 |
Family
ID=51881939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410397454.7A Pending CN104156441A (zh) | 2014-08-14 | 2014-08-14 | 一种基于数据挖掘技术的lis数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104156441A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105447090A (zh) * | 2015-11-05 | 2016-03-30 | 华中科技大学 | 一种自动化数据挖掘预处理方法 |
| CN105787843A (zh) * | 2014-12-26 | 2016-07-20 | 北大医疗信息技术有限公司 | 医疗报告的通知方法、通知系统、处理方法和处理系统 |
| CN106294847A (zh) * | 2016-08-22 | 2017-01-04 | 成都天地网络科技有限公司 | 基于数据挖掘的业务运营系统 |
| CN107679160A (zh) * | 2017-09-28 | 2018-02-09 | 深圳市华傲数据技术有限公司 | 基于图数据库的数据处理方法及装置 |
| CN108021739A (zh) * | 2017-11-22 | 2018-05-11 | 中国北方发动机研究所(天津) | 一种大功率军用柴油机实时仿真模型参数影响度分析方法 |
| 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 |
| CN110415822A (zh) * | 2019-07-23 | 2019-11-05 | 珠海格力电器股份有限公司 | 一种预测癌症的方法和装置 |
| CN110910974A (zh) * | 2019-10-21 | 2020-03-24 | 黄永刚 | 一种医疗临床信息管理系统及其管理方法 |
| CN111833135A (zh) * | 2019-08-01 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 订单数据的分析方法、装置及电子设备 |
| CN111971664A (zh) * | 2018-03-30 | 2020-11-20 | 三菱电机株式会社 | 学习处理装置、数据分析装置、分析模式选择方法、及分析模式选择程序 |
-
2014
- 2014-08-14 CN CN201410397454.7A patent/CN104156441A/zh active Pending
Non-Patent Citations (2)
| Title |
|---|
| 任慧朋 等: ""利用数据挖掘技术实现LIS数据共享的设计实践"", 《中国数字医学》 * |
| 赵勇 等: ""临床实验室信息系统（LIS）的应用研究"", 《医学信息学杂志》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105787843A (zh) * | 2014-12-26 | 2016-07-20 | 北大医疗信息技术有限公司 | 医疗报告的通知方法、通知系统、处理方法和处理系统 |
| CN105447090A (zh) * | 2015-11-05 | 2016-03-30 | 华中科技大学 | 一种自动化数据挖掘预处理方法 |
| CN105447090B (zh) * | 2015-11-05 | 2018-10-26 | 华中科技大学 | 一种自动化数据挖掘预处理方法 |
| CN106294847A (zh) * | 2016-08-22 | 2017-01-04 | 成都天地网络科技有限公司 | 基于数据挖掘的业务运营系统 |
| CN107679160A (zh) * | 2017-09-28 | 2018-02-09 | 深圳市华傲数据技术有限公司 | 基于图数据库的数据处理方法及装置 |
| CN108021739A (zh) * | 2017-11-22 | 2018-05-11 | 中国北方发动机研究所(天津) | 一种大功率军用柴油机实时仿真模型参数影响度分析方法 |
| CN111971664A (zh) * | 2018-03-30 | 2020-11-20 | 三菱电机株式会社 | 学习处理装置、数据分析装置、分析模式选择方法、及分析模式选择程序 |
| CN111971664B (zh) * | 2018-03-30 | 2022-03-15 | 三菱电机株式会社 | 学习处理装置、数据分析装置、分析模式选择方法、及分析模式选择程序 |
| 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 |
| CN110415822A (zh) * | 2019-07-23 | 2019-11-05 | 珠海格力电器股份有限公司 | 一种预测癌症的方法和装置 |
| CN111833135A (zh) * | 2019-08-01 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 订单数据的分析方法、装置及电子设备 |
| CN110910974A (zh) * | 2019-10-21 | 2020-03-24 | 黄永刚 | 一种医疗临床信息管理系统及其管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104156441A (zh) | 一种基于数据挖掘技术的lis数据分析方法 | |
| Agarwal et al. | Home sperm testing device versus laboratory sperm quality analyzer: comparison of motile sperm concentration | |
| Shi et al. | Diagnostic test accuracy of the Montreal Cognitive Assessment in the detection of post-stroke cognitive impairment under different stages and cutoffs: a systematic review and meta-analysis | |
| Plebani et al. | Quality indicators for the total testing process | |
| Stausberg | International prevalence of adverse drug events in hospitals: an analysis of routine data from England, Germany, and the USA | |
| Plebani et al. | Quality indicators to detect pre-analytical errors in laboratory testing | |
| Reitsma et al. | Systematic reviews of studies quantifying the accuracy of diagnostic tests and markers | |
| CN104240171B (zh) | 电子病历生成方法及系统 | |
| McTaggart et al. | Diagnostic accuracy of point-of-care tests for detecting albuminuria: a systematic review and meta-analysis | |
| WO2014144478A3 (en) | System and method for integrating a medical sequencing apparatus and laboratory system into a medical facility | |
| JP6438651B2 (ja) | 散在するログを探索して表示する方法及びシステム | |
| WO2015009354A1 (en) | Methods and systems for processing test results based on patient-specific data and reference data | |
| US20190050422A1 (en) | Analysis information management system | |
| CN109684468B (zh) | 针对循证医学的文献筛选标注系统 | |
| CN117151655B (zh) | 一种用于多项目检测结果综合分析管理系统及方法 | |
| Juliano et al. | Comparison of point-of-care versus laboratory troponin testing in an emergency department setting | |
| CN111863235A (zh) | 一种疾病筛查及全程预防的云平台系统 | |
| CN111180027B (zh) | 一种基于医疗大数据的患者画像相关性规则筛选方法及装置 | |
| CN107634878A (zh) | 一种性能测试管理平台 | |
| Schneider et al. | An integrative clinical database and diagnostics platform for biomarker identification and analysis in ion mobility spectra of human exhaled air | |
| LLopis et al. | Quality assurance in the preanalytical phase | |
| Oorschot et al. | Considerations relating to the components of a laboratory DNA contamination minimisation monitoring (DCMM) program | |
| Yu et al. | Using bug reports as a software quality measure | |
| RU2753267C1 (ru) | Способ детектирования фокальных эпилептиформных разрядов в длительной записи ээг | |
| CN114783557A (zh) | 肿瘤患者数据的处理方法和装置、存储介质及处理器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141119 |