CN104584021A - 一种智能选药的方法、系统和设备 - Google Patents
一种智能选药的方法、系统和设备 Download PDFInfo
- Publication number
- CN104584021A CN104584021A CN201480001284.4A CN201480001284A CN104584021A CN 104584021 A CN104584021 A CN 104584021A CN 201480001284 A CN201480001284 A CN 201480001284A CN 104584021 A CN104584021 A CN 104584021A
- Authority
- CN
- China
- Prior art keywords
- medicine
- patient
- intelligent selection
- information
- association 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.)
- Granted
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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Bioethics (AREA)
- Toxicology (AREA)
- Pharmacology & Pharmacy (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种智能选药的方法、系统和设备。所述方法包括:建立多维度属性项字典;提取药品使用要素信息;根据多维度属性项字典对药品使用要素信息进行处理;提取患者用药相关要素信息;根据多维度属性项字典对患者用药相关要素信息进行处理;将药品使用要素信息与患者用药相关要素信息中各属性项信息的进行智能选药匹配比对;生成智能选药列表。通过实施本发明的智能选药方法、系统和设备,可以应用信息化技术分析和处理海量用药数据,提供智能化的选药方式。
Description
技术领域
本发明涉及智能化药品信息处理的技术领域,特别是涉及一种智能选药的方法和系统。
背景技术
药品是指用于预防、治疗、诊断人的疾病,有目的地调节人的生理机能并规定有适应症或者功能主治、用法和用量的物质。选择适宜的药品以及正确的用法用量,是关系到患者健康、安全的重要问题。
适宜药品及用法用量的选择涉及到多种因素和海量的医学、药学数据,仅靠现有的方法,在医生处方或患者自主选药时,既难以获得所有的患者用药关键数据,也不能全面的分析药物之间的复杂关系,容易造成关键信息的缺失,给患者的健康和安全带来隐患。
本方法和系统是以安全、有效、经济用药为目标的,基于患者、疾病、药品等多种维度综合分析,适用于医生处方或制定用药方案、药店药师/店员推荐药品、患者自主选择OTC(Over The Counter)药品等各种应用场景的,辅助选择药品及用法用量的药学智能系统。
发明内容
本发明提供了一种智能选药的方法、系统和设备。
一种智能选药的方法,其特征在于,所述方法包括:
建立多维度属性项字典;
提取药品使用要素信息;
根据多维度属性项字典对药品使用要素信息进行处理;
提取患者用药相关要素信息;
根据多维度属性项字典对患者用药相关要素信息进行处理;
将药品使用要素信息与患者用药相关要素信息中各属性项信息进行智能选药匹配比对;
生成智能选药列表;
生成智能用法用量方案。
较佳的,多维度属性项字典,根据用药信息的医学或药学属性结构及各属性定义建立。
较佳的,多维度属性项字典,用于提供药品使用信息和患者用药信息中各项医学或药学属性涉及的标准字典。
较佳的,多维度属性项字典,用于提供药品使用信息和患者用药信息中各项医学或药学属性不同来源异名与标准字典关联关系。
较佳的,多维度属性项字典,根据不同的医学或药学属性将药品使用信息拆分到最小属性分项,同时保存各属性项之间的逻辑关系,并将各最小属性分项的数据与标准医学或药学属性项字典库关联。
较佳的,多维度属性项字典中涉及的医学属性项至少包括:患者的人群相关属性、患者的特殊人群相关属性、患者的疾病相关属性、患者的症状相关属性、患者的既往病史相关属性、患者的操作相关属性、患者的个人生活史相关属性、患者的生理状态相关属性、患者的检查指标相关属性等的其中至少一个维度。
较佳的,多维度属性项字典中涉及的药学属性项至少包括:用药目的相关属性、药品成分的相关属性、药品规格包装的相关属性、药品适应症的相关属性、药品用法用量的相关属性、药品给药途径的相关属性、药品禁忌症的相关属性、药品不良反应的相关属性、药品注意事项的相关属性以及患者过敏史相关属性、患者用药史相关属性、患者用药的给药途径相关属性、患者用药相关基因属性等的其中至少一个维度。
较佳的,通过适应症选药生成智能选药列表。
较佳的,该方法进一步包括通过药物禁忌、药物过敏等药物的单项审核维度排除不适宜药品,生成智能选药列表。
较佳的,该方法进一步包括通过药物相互作用、重复用药等涵盖患者所有在用药品的重整审核维度排除不适宜药品,生成智能选药列表。
较佳的,该方法进一步包括对智能选药列表进行医疗保险审核。
较佳的,该方法进一步包括通过个性化筛选生成智能选药列表。
较佳的,该方法进一步包括生成用法用量推荐信息。
较佳的,提取药品使用信息,用于提取每一种药品使用信息中适应症、用法用量适用条件、用药禁忌的相关医学/药学属性要素信息。
较佳的,药品使用信息来源于药品说明书、药典、国家处方集、治疗/用药指南、专家共识、以及各级医疗机构用药规定等的其中至少之一。
较佳的,提取患者用药相关信息,用于提取患者用药时相关属性要素的实际信息。
较佳的,患者用药信息的来源为医生处方、治疗方案、用药方案、病历、病案、药历、检查结果、患者自述症状、患者自主选药等其中的至少之一。
较佳的,生成匹配比对结果的方式为,
此药物的某条适应证的年龄元素与该患者的用药信息中的年龄元素匹配结果为:
此药物的某条适应证与该患者的患者用药信息匹配结果为:
患者Pa,是否能够使用本药物Med的结果为:
其中,某患者(Patient,简称Pa),其患者用药信息包括年龄:(age,简称ag)、性别(gender,简称gen)、所属特殊人群(special,简称spe)、症状(symptom,简称sym)、既有病史(history disease,简称his)、家族病史(familydisease,简称fam)、过敏史(allergic history,简称ale)、其他状况(Other,简称Oth)等。该患者的身体状况为Pa(ag,gen,spe,sym,his,fam,ale,Oth)。
某药品药物(Medicine,简称Med)Med,其药品使用信息中某条适应证为Med(xi),拆分结果为Med(xi(ag,gen,spe,sym,his,fam,ale,Oth))
较佳的,通过药物单项审核维度排除不适宜药品生成智能选药列表、通过药物重整审核维度进一步排除不适宜药品生成智能选药列表、对智能选药列表进行医疗保险审核、通过个性化筛选生成智能选药列表的先后顺序可以根据使用情况进行调整。
较佳的,该方法可用于辅助医生处方、药师制定用药方案、患者自主选择药品(OTC)时智能推荐药品及用法用量的药学智能服务其中至少一项。
一种智能选药的系统,其特征在于,所述系统包括:
药品使用要素信息提取单元,用于提取药品使用要素信息;
多维度属性项字典单元,用于提供多维度属性项字典;
药品使用要素信息多维度处理单元,根据多维度属性项字典单元对药品使用要素信息进行处理;
患者用药相关要素信息提取单元,用于提取患者用药相关要素信息;
患者用药相关要素信息多维度处理单元,根据多维度属性项字典单元对患者用药相关要素信息进行处理;
智能选药匹配比对单元,将药品使用要素信息与患者用药相关要素信息中各属性项信息的进行智能选药匹配比对;
智能选药单元,生成智能选药列表;
智能用法用量单元,生成智能用法用量方案。
较佳的,多维度属性项字典单元,根据用药信息的医学或药学属性结构及各属性定义建立。
较佳的,多维度属性项字典单元,用于提供药品使用信息和患者用药信息中各项医学或药学属性涉及的标准字典。
较佳的,多维度属性项字典单元,用于提供药品使用信息和患者用药信息中各项医学或药学属性不同来源异名与标准字典关联关系。
较佳的,多维度属性项字典单元,根据不同的医学或药学属性将药品使用信息拆分到最小属性分项,同时保存各属性项之间的逻辑关系,并将各最小属性分项的数据与标准医学或药学属性项字典库关联。
较佳的,多维度属性项字典中涉及的医学属性项至少包括:患者的人群相关属性、患者的特殊人群相关属性、患者的疾病相关属性、患者的症状相关属性、患者的既往病史相关属性、患者的操作相关属性、患者的个人生活史相关属性、患者的生理状态相关属性、患者的检查指标相关属性等的其中至少一个维度。
较佳的,多维度属性项字典中涉及的药学属性项至少包括:用药目的相关属性、药品成分的相关属性、药品规格包装的相关属性、药品适应症的相关属性、药品用法用量的相关属性、药品给药途径的相关属性、药品禁忌症的相关属性、药品不良反应的相关属性、药品注意事项的相关属性以及患者过敏史相关属性、患者用药史相关属性、患者用药的给药途径相关属性、患者用药相关基因属性等的其中至少一个维度。
较佳的,通过适应症选药生成智能选药列表。
较佳的,该系统进一步包括通过药物禁忌、药物过敏等药物的单项审核维度排除不适宜药品的智能选药单元。
较佳的,该系统进一步包括通过药物相互作用、重复用药等涵盖患者所有在用药品的重整审核维度排除不适宜药品的智能选药单元。
较佳的,该系统进一步包括医疗保险审核单元。
较佳的,该系统进一步包括个性化筛选智能选药单元。
较佳的,该系统进一步包括用法用量推荐单元。
较佳的,药品使用要素信息提取单元,用于提取每一种药品使用信息中适应症、用法用量适用条件、用药禁忌的相关医学/药学属性要素信息。
较佳的,药品使用信息来源于药品说明书、药典、国家处方集、治疗/用药指南、专家共识、以及各级医疗机构用药规定等的其中至少之一。
较佳的,患者用药相关信息提取单元,用于提取患者用药时相关属性要素的实际信息。
较佳的,患者用药信息的来源为医生处方、治疗方案、用药方案、病历、病案、药历、检查结果、患者自述症状、患者自主选药等其中的至少之一。
较佳的,生成匹配比对结果的方式为,
此药物的某条适应证的年龄元素与该患者的用药信息中的年龄元素匹配结果为:
此药物的某条适应证与该患者的患者用药信息匹配结果为:
患者Pa,是否能够使用本药物Med的结果为:
其中,某患者(Patient,简称Pa),其患者用药信息包括年龄:(age,简称ag)、性别(gender,简称gen)、所属特殊人群(special,简称spe)、症状(symptom,简称sym)、既有病史(history disease,简称his)、家族病史(familydisease,简称fam)、过敏史(allergic history,简称ale)、其他状况(Other,简称Oth)等。该患者的身体状况为Pa(ag,gen,spe,sym,his,fam,ale,Oth)。
某药品药物(Medicine,简称Med)Med,其药品使用信息中某条适应证为Med(xi),拆分结果为Med(xi(ag,gen,spe,sym,his,fam,ale,Oth))
较佳的,通过药物单项审核维度排除不适宜药品的智能选药单元、通过药物重整审核维度进一步排除不适宜药品的智能选药单元、医疗保险审核单元、个性化筛选智能选药单元的先后顺序可以根据进行调整。
较佳的,该系统可用于辅助医生处方、药师制定用药方案、患者自主选择药品(OTC)时智能推荐药品及用法用量的药学智能系统其中至少一项。
一种智能选药的设备,其特征在于,所述设备包括:
药品使用要素信息提取模块,用于提取药品使用要素信息;
多维度属性项字典模块,用于提供多维度属性项字典;
药品使用要素信息多维度处理模块,根据多维度属性项字典模块对药品使用要素信息进行处理;
患者用药相关要素信息提取模块,用于提取患者用药相关要素信息;
患者用药相关要素信息多维度处理模块,根据多维度属性项字典模块对患者用药相关要素信息进行处理;
智能选药匹配比对模块,将药品使用要素信息与患者用药相关要素信息中各属性项信息的进行智能选药匹配比对;
智能选药模块,生成智能选药列表;
较佳的,多维度属性项字典模块,根据用药信息的医学或药学属性结构及各属性定义建立。
较佳的,多维度属性项字典模块,用于提供药品使用信息和患者用药信息中各项医学或药学属性涉及的标准字典。
较佳的,多维度属性项字典模块,用于提供药品使用信息和患者用药信息中各项医学或药学属性不同来源异名与标准字典关联关系。
较佳的,多维度属性项字典模块,根据不同的医学或药学属性将药品使用信息拆分到最小属性分项,同时保存各属性项之间的逻辑关系,并将各最小属性分项的数据与标准医学或药学属性项字典库关联。
较佳的,多维度属性项字典模块中涉及的医学属性项至少包括:患者的人群相关属性、患者的特殊人群相关属性、患者的疾病相关属性、患者的症状相关属性、患者的既往病史相关属性、患者的操作相关属性、患者的个人生活史相关属性、患者的生理状态相关属性、患者的检查指标相关属性等的其中至少一个维度。
较佳的,多维度属性项字典模块中涉及的药学属性项至少包括:用药目的相关属性、药品成分的相关属性、药品规格包装的相关属性、药品适应症的相关属性、药品用法用量的相关属性、药品给药途径的相关属性、药品禁忌症的相关属性、药品不良反应的相关属性、药品注意事项的相关属性以及患者过敏史相关属性、患者用药史相关属性、患者用药的给药途径相关属性、患者用药相关基因属性等的其中至少一个维度。
较佳的,通过适应症选药生成智能选药列表。
较佳的,该设备进一步包括通过药物禁忌、药物过敏等药物的单项审核维度排除不适宜药品,生成智能选药列表的模块。
较佳的,该设备进一步包括通过药物相互作用、重复用药等涵盖患者所有在用药品的重整审核维度排除不适宜药品,生成智能选药列表的模块。
较佳的,该设备进一步包括医疗保险审核模块。
较佳的,该设备进一步包括个性化筛选智能选药模块。
较佳的,该设备进一步包括用法用量推荐模块。
较佳的,药品使用要素信息提取模块,用于提取每一种药品使用信息中适应症、用法用量适用条件、用药禁忌的相关医学/药学属性要素信息。
较佳的,药品使用信息来源于药品说明书、药典、国家处方集、治疗/用药指南、专家共识、以及各级医疗机构用药规定等的其中至少之一。
较佳的,患者用药相关信息提取模块,用于提取患者用药时相关属性要素的实际信息。
较佳的,患者用药信息的来源为医生处方、治疗方案、用药方案、病历、病案、药历、检查结果、患者自述症状、患者自主选药等其中的至少之一。
较佳的,生成匹配比对结果的方式为:
此药物的某条适应证的年龄元素与该患者的用药信息中的年龄元素匹配结果为:
此药物的某条适应证与该患者的患者用药信息匹配结果为:
患者Pa,是否能够使用本药物Med的结果为:
其中,某患者(Patient,简称Pa),其患者用药信息包括年龄:(age,简称ag)、性别(gender,简称gen)、所属特殊人群(special,简称spe)、症状(symptom,简称sym)、既有病史(history disease,简称his)、家族病史(familydisease,简称fam)、过敏史(allergic history,简称ale)、其他状况(Other,简称Oth)等。该患者的身体状况为Pa(ag,gen,spe,sym,his,fam,ale,Oth)。
某药品药物(Medicine,简称Med)Med,其药品使用信息中某条适应证为Med(xi),拆分结果为Med(xi(ag,gen,spe,sym,his,fam,ale,Oth))。
较佳的,单项审核维度排除不适宜药品智能选药模块、重整审核维度排除不适宜药品智能选药模块、医疗保险审核模块、个性化筛选智能选药模块的先后顺序可以根据进行调整。
较佳的,该设备可用于辅助医生处方、药师制定用药方案、患者自主选择药品(OTC)时智能推荐药品及用法用量的药学智能服务其中至少一项。
较佳的,该设备包括但不限于于医疗机构医生工作站、药师工作站,药店药师工作站、店员工作站、患者自助终端,患者可接入互联网设备(电脑、智能电视、移动电脑、智能手机、智能手表等)。
附图说明
图1示出根据本发明的系统结构示意图;
图2示出根据本发明的智能选药的方法流程示意图;
图3示出根据本发明的单项审核维度排除不适宜药品的方法流程示意图;
图4示出根据本发明的药物重整审核维度排除不适宜药品的方法流程示意图;
图5示出根据本发明的对智能选药列表进行医疗保险审核的方法流程示意图;
图6示出根据本发明的个性化筛选的方法流程示意图;
图7示出根据本发明的用法用量推荐的方法流程示意图;
图8示出根据本发明的智能选药系统的功能结构示意图;
图9示出根据本发明的单项审核维度排除不适宜药品系统的功能结构示意图;
图10示出根据本发明的药物重整审核维度排除不适宜药品系统的功能结构示意图;
图11示出根据本发明的对智能选药列表进行医疗保险审核系统的功能结构示意图;
图12示出根据本发明的个性化筛选系统的功能结构示意图;
图13示出根据本发明的用法用量推荐系统的功能结构示意图;
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1示出了本发明的系统结构图。其中,工作站通过公网或医疗机构、零售药店的内网连接到服务器。工作站包括医师工作站、药师工作站、店员工作站、患者自助终端等。工作站可以是PC终端、移动终端、可穿戴设备等的其中至少一项。工作站与服务器的网络架构可以是C/S架构也可以是B/S架构。
图2为本发明的一个实施例,一种智能选药方法的工作流程示意图。
在步骤101中,建立多维度属性项字典。
多维度属性项字典,用于提供药品使用信息和患者用药信息中各项医学或药学属性涉及的标准字典以及各不同来源异名与标准字典关联关系,是基于医学或药学属性信息对药品使用信息进行多维度的拆分而建立的结构化标准数据库。
药品使用信息来源于药品说明书、药典、国家处方集、治疗/用药指南、专家共识、以及各级医疗机构用药规定中。这些信息又可以分为药品适应症、用法用量适用条件、用药禁忌等多种的信息类型。
药品适应症信息指药物适用条件的所有信息。同一药品在不同条件下可能需要按照不同的用法用量适用,所以药品的用法用量适用条件是指同一药品的不同用法用量所适用的不同条件的信息。用药禁忌信息,即常规的用药禁忌,指药品禁忌使用的条件的所有信息。药品适应症信息、药品用法用量适用条件信息和用药禁忌信息的来源包括:药品说明书、国家处方集、国家药典、临床指南、用药指南、临床共识、医疗机构院内药事会以及相关文献。
药品适应症、用法用量适用条件、用药禁忌的信息中含有大量的不同医学或药学属性的数据,将这些数据根据其不同的医学或药学属性拆分到最小属性分项,同时保存各属性项之间的逻辑关系,并将各最小属性分项的数据与标准医学或药学属性项字典库关联,即可生成药品适应症、用法用量适用条件、用药禁忌各自对应的医学或药学属性信息的结构化标准数据库,建立多维度属性项字典。
以阿司匹林肠溶片的适应症信息为例:
阿司匹林肠溶片的适应症信息节选为:预防大手术后深静脉血栓和肺栓塞;降低心血管危险因素者(冠心病家族史、糖尿病、血脂异常、高血压、肥胖、抽烟史、年龄大于50岁者)心肌梗死发作的风险。
在多维度属性项字典中对于该药的适应症记录包括:
属性项 | 属性描述 | 对应属性字典 |
作用类型 | 预防 | 预防 |
操作 | 大手术 | 大手术 |
作用类型 | 降低….的风险 | 降低风险 |
家族病史 | 冠心病家族史 | 冠心病家族史 |
诊断 | 糖尿病 | 糖尿病 |
诊断 | 血脂异常 | 高脂血症 |
诊断 | 高血压 | 高血压 |
特殊人群 | 肥胖 | 肥胖人群 |
特殊人群 | 抽烟史 | 吸烟史人群 |
年龄人群 | 年龄大于50岁者 | >50 |
再以阿替洛尔片的用法用量适用条件信息为例:
阿替洛尔片成人常用量:开始每次6.25~12.5mg,一日两次,按需要及耐受量渐增至50~200mg。肾功能损害时,肌酐清除率小于15ml/(min.1.73m[sup]2[/sup])者,每日25mg;15~35ml/(min.1.73m[sup]2[/sup])者,每日最多50mg。或遵医嘱。
儿童用量:用于儿童应从小剂量开始0.25~0.5mg/kg,每日二次。注意监测心率、血压。
老人用药:所需剂量可以减少,尤其是肾功能衰退的患者。
在多维度属性项字典中对于阿替洛尔片用法用量适用条件的记录包括:
再以奥美拉唑肠溶胶囊的用药禁忌信息为例:
奥美拉唑肠溶胶囊,对该药过敏者、严重肾功能不全者及婴幼儿禁用。
在多维度属性项字典中对于奥美拉唑肠溶胶囊用药禁忌的记录包括:
属性项 | 属性描述 | 对应属性字典 |
过敏史 | 本品 | 奥美拉唑 |
诊断 | 严重肾功能不全者 | 严重肾功能不全 |
年龄人群 | 婴幼儿 | <3 |
多维度属性项字典中涉及的多维度医学属性项至少包括:患者的人群相关属性,例如,年龄、性别、体重、身高、体表面积、民族、婚姻状况等;患者的特殊人群相关属性,例如,待孕、怀孕、哺乳期、更年期等;患者的疾病相关属性,例如,发病情况、病程、致病因、疾病部位、诊断、症状、检查结果、生理指标、伴随病症、后遗症等;患者的既往病史相关属性,例如,家族病史、疾病史、慢病史、传染病史、预防接种史、手术外伤史、输血史等;患者的操作相关属性,例如,手术、检查操作、辅助操作等;患者的个人生活史相关属性,例如,出生地及长期居留地、生活习惯、烟/酒/食物/药物等嗜好、职业与工作条件的可能健康损害等。多维度属性项字典中涉及的医学属性项至少包括患者的人群相关属性、患者的特殊人群相关属性、患者的疾病相关属性、患者的既往病史相关属性、患者的操作相关属性、患者的个人生活史相关属性等的其中至少一个维度。
多维度属性项字典中涉及的多维度药学属性项至少包括:用药目的相关属性,例如,治疗、预防、检查、诊断等;患者过敏史相关属性,例如,药物过敏史、食物过敏史、过敏源等;患者用药史相关属性,例如,曾用特殊药物、在服药物、药物不良反应等;患者用药的给药途径相关属性,例如,口服、外用、注射、吸入等;患者用药相关基因属性等。多维度属性项字典中涉及的药学属性项至少包括:用药目的相关属性、患者过敏史相关属性、患者用药史相关属性、患者用药的给药途径相关属性、患者用药相关基因属性等的其中至少一个维度。
在步骤102中,提取药品使用要素信息。药品使用要素信息,主要包括每一种药品使用信息中适应症、用法用量适用条件、用药禁忌的相关医学或药学属性要素信息。药品使用信息来源于药品说明书、药典、国家处方集、治疗/用药指南、专家共识、以及各级医疗机构用药规定等。
步骤103,根据多维度属性项字典对药品使用要素信息进行处理。
根据拆分后的信息通过查找多维度属性项字典进行多维度处理。根据多维度属性项字典还可以异名处理同一种疾病在不同医院的不同诊断名称,比如将阿尔茨海默病与老年痴呆进行异名统一处理;也可以异名处理同一药品的不同剂型和规格的商品,进而提高了关联匹配的准确性。
在步骤104中,提取患者用药相关要素信息。用于提取患者用药时相关属性要素的实际信息。例如,包括患者性别、年龄、既往病史、疾病名称,病症等信息,尤其应包含患者所使用药品的药品使用信息中的必要信息。患者用药信息的来源为医生处方、治疗方案、用药方案、病历、病案、药历、检查结果、患者自述症状、患者自主选药等。
步骤105,根据多维度属性项字典对患者用药相关要素信息进行处理。根据拆分后的信息查找属性项字典,进行多维度处理。
步骤106,智能选药匹配比对。
具体的匹配比对公式描述如下:
某患者(Patient,简称Pa),其患者用药信息包括年龄:(age,简称ag)、性别(gender,简称gen)、所属特殊人群(special,简称spe)、症状(symptom,简称sym)、既有病史(history disease,简称his)、家族病史(family disease,简称fam)、过敏史(allergic history,简称ale)、其他状况(Other,简称Oth)等。该患者的身体状况为Pa(ag,gen,spe,sym,his,fam,ale,Oth)。
某药品药物(Medicine,简称Med)Med,其药品使用信息中某条适应证为Med(xi),拆分结果为Med(xi(ag,gen,spe,sym,his,fam,ale,Oth))。
此药物的某条适应证的年龄元素与该患者的用药信息中的年龄元素匹配结果为:
此药物的某条适应证与该患者的患者用药信息匹配结果为:
患者Pa,是否能够使用本药物Med的结果为:
步骤107,通过适应症选药生成智能选药列表。符合匹配规则的药品进入适应症符合的待选药品目录,供选择。
根据本发明的另一个实施例,参照图3,该工作流程进一步包括步骤108。
步骤108,单项审核维度排除不适宜药品生成智能选药列表。提取筛选出列表的药品用药禁忌、致敏成分等不适宜使用的单项审核信息,与患者用药信息库数据进行比对,系统自动排除存在不适宜使用情况的药品,进一步生成推荐药品列表。对于用药信息不全的患者,系统提示关键信息由医生、药师、店员与患者确认或有患者自行确认,再进行排除。
根据本发明的另一个实施例,参照图4该工作流程进一步包括步骤109。
步骤109,药物重整审核维度排除不适宜药品生成智能选药列表。提取筛选后可供推荐的推荐列表的药品相互作用、重复用药等药物重整审核信息,与患者信息库数据中用药史或在服药品进行比对,自动排除存在相互作用、重复用药等不适宜使用的药品,进一步生成推荐药品列表。对于用药信息不全的患者,提示关键信息由医生、药师、店员与患者确认或由患者自行确认,再进行排除。
根据本发明的另一个实施例,参照图5该工作流程进一步包括步骤110。
步骤110,对智能选药列表进行医疗保险审核。根据患者是否使用医疗保险以及患者医疗保险的规定,系统对推荐药品的医疗保险支付情况进行自动审核,并将需要患者自费支付的药品提交给患者进行选择,从而进一步生成推荐药品列表。
根据本发明的另一个实施例,参照图6该工作流程进一步包括步骤111。
步骤111,通过个性化筛选生成智能选药列表。根据治疗方案需要或患者对选择药品的其他参数的要求(如剂型、用药周期、用药频率、口感、药品厂家品牌、用户评价、价格、携带、储存等),由医生、药师、店员或由患者自行(OTC药品)选择筛选要素后,自动对生成的推荐药品列表进一步筛选,得出推荐药品列表,由医生、药师或店员、患者(购买OTC药品)选择。
本领域技术人员,可以得知上述步骤中的108、109、110、111可以根据需要调整其先后顺序。
根据本发明的另一个实施例,参照图7该工作流程进一步包括步骤112。
步骤112,生成用法用量推荐信息。根据最终选择的药品的用法用量信息,与之前步骤中获取或确认的信息进行自动比对,推荐出较为适宜的用法用量,以方便医生、药师或店员、患者(购买OTC药品)进行确认。
图8为本发明的一个实施例,一种智能选药系统的功能结构示意图,该系统包括药品使用要素信息提取单元201,多维度属性项字典单元202,药品使用要素信息多维度处理单元203,患者用药相关要素信息提取单元204,患者用药相关要素信息多维度处理单元205,智能选药匹配比对单元206,适应症智能选药单元207。
药品使用要素信息提取单元201。用于提取每一种药品使用信息中适应症、用法用量适用条件、用药禁忌的相关医学或药学属性要素信息。药品使用信息来源于药品说明书、药典、国家处方集、治疗/用药指南、专家共识、以及各级医疗机构用药规定等。
多维度属性项字典单元202,用于提供药品使用信息和患者用药信息中各项医学或药学属性涉及的标准字典以及各不同来源异名与标准字典关联关系。药品适应症、用法用量适用条件、用药禁忌的信息中含有大量的不同医学或药学属性的数据,将这些数据根据其不同的医学或药学属性拆分到最小属性分项,同时保存各属性项之间的逻辑关系,并将各最小属性分项的数据与标准医学或药学属性项字典库关联,即可生成药品适应症、用法用量适用条件、用药禁忌各自对应的医学或药学属性信息的结构化标准数据库,建立多维度属性项字典单元。
药品使用要素信息多维度处理单元203,用于根据多维度属性项字典对拆分后的药品各属性信息进行多维度处理。根据多维度属性项字典单元,还可以异名处理同一种疾病在不同医院的不同诊断名称,比如将阿尔茨海默病与老年痴呆进行异名统一处理;也可以异名处理同一药品的不同剂型和规格的商品,进而提高了关联匹配的准确性。
患者用药相关要素信息提取单元204,用于提取患者用药时相关属性要素的实际信息。例如,包括患者性别、年龄、既往病史、疾病名称,病症等信息,尤其应包含患者所使用药品的药品使用信息中的必要信息。患者用药信息的来源为医生处方、治疗方案、用药方案、病历、病案、药历、检查结果、患者自述症状、患者自主选药等。
患者用药相关要素信息多维度处理单元205,根据多维度属性项字典对相关信息进行多维度处理。根据拆分后的信息查找属性项字典,进行多维度处理。
智能选药匹配比对单元206。下面展示了一种生成关联匹配度的方式。
具体的匹配比对公式描述如下:
某患者(Patient,简称Pa),其患者用药信息包括年龄:(age,简称ag)、性别(gender,简称gen)、所属特殊人群(special,简称spe)、症状(symptom,简称sym)、既有病史(history disease,简称his)、家族病史(family disease,简称fam)、过敏史(allergic history,简称ale)、其他状况(Other,简称Oth)等。该患者的身体状况为Pa(ag,gen,spe,sym,his,fam,ale,Oth)。
某药品药物(Medicine,简称Med)Med,其药品使用信息中某条适应证为Med(xi),拆分结果为Med(xi(ag,gen,spe,sym,his,fam,ale,Oth))。
此药物的某条适应证的年龄元素与该患者的用药信息中的年龄元素匹配结果为:
此药物的某条适应证与该患者的患者用药信息匹配结果为:
患者Pa,是否能够使用本药物Med的结果为:
适应症智能选药单元207,通过适应症选药生成智能选药列表。符合匹配规则的药品进入适应症符合的待选药品目录,供选择。
根据本发明的另一个实施例,参照图9,该工作流程进一步包括药物单项审核维度排除不适宜药品智能选药单元208。
药物单项审核维度排除不适宜药品智能选药单元208。提取筛选出列表的药品用药禁忌、致敏成分等不适宜使用的单项审核信息,与患者用药信息库数据进行比对,系统自动排除存在不适宜使用情况的药品,进一步生成推荐药品列表。对于用药信息不全的患者,系统提示关键信息由医生、药师、店员与患者确认或有患者自行确认,再进行排除。
根据本发明的另一个实施例,参照图10该工作流程进一步包括药物重整审核维度排除不适宜药品智能选药单元209。
动态排除不适宜药品智能选药单元209,重整审核排除不适宜药品生成智能选药列表。提取筛选后可供推荐的推荐列表的药品相互作用、重复用药等药物重整审核信息,与患者信息库数据中用药史或在服药品进行比对,自动排除存在相互作用、重复用药等不适宜使用的药品,进一步生成推荐药品列表。对于用药信息不全的患者,提示关键信息由医生、药师、店员与患者确认或由患者自行确认,再进行排除。
根据本发明的另一个实施例,参照图11该工作流程进一步包括医疗保险审核单元210。
医疗保险审核单元210,对智能选药列表进行医疗保险审核。根据患者是否使用医疗保险以及患者医疗保险的规定,系统对推荐药品的医疗保险支付情况进行自动审核,并将需要患者自费支付的药品提交给患者进行选择,从而进一步生成推荐药品列表。
根据本发明的另一个实施例,参照图12该工作流程进一步包括个性化筛选智能选药单元211。
个性化筛选智能选药单元211,通过个性化筛选生成智能选药列表。根据治疗方案需要或患者对选择药品的其他参数的要求(如剂型、用药周期、用药频率、口感、药品厂家品牌、用户评价、价格、携带、储存等),由医生、药师、店员或由患者自行(OTC药品)选择筛选要素后,自动对生成的推荐药品列表进一步筛选,得出推荐药品列表,由医生、药师或店员、患者(购买OTC药品)选择。
本领域技术人员,可以得知上述的208单元、209单元、210单元、211单元可以根据需要调整其先后顺序。
根据本发明的另一个实施例,参照图13该工作流程进一步包括用法用量推荐单元212。
用法用量推荐单元212,生成用法用量推荐信息。根据最终选择的药品的用法用量信息,与之前步骤中获取或确认的信息进行自动比对,推荐出较为适宜的用法用量,以方便医生、药师或店员、患者(购买OTC药品)进行确认。
本发明的进一步提供一种智能选药设备,该设备包括药品使用要素信息提取模块,多维度属性项字典模块,药品使用要素信息多维度处理模块,患者用药相关要素信息提取模块,患者用药相关要素信息多维度处理模块,智能选药匹配比对模块,适应症智能选药模块。
药品使用要素信息提取模块,用于提取每一种药品使用信息中适应症、用法用量适用条件、用药禁忌的相关医学或药学属性要素信息。药品使用信息来源于药品说明书、药典、国家处方集、治疗/用药指南、专家共识、以及各级医疗机构用药规定等。
多维度属性项字典模块,用于提供药品使用信息和患者用药信息中各项医学或药学属性涉及的标准字典以及各不同来源异名与标准字典关联关系。药品适应症、用法用量适用条件、用药禁忌的信息中含有大量的不同医学或药学属性的数据,将这些数据根据其不同的医学或药学属性拆分到最小属性分项,同时保存各属性项之间的逻辑关系,并将各最小属性分项的数据与标准医学或药学属性项字典库关联,即可生成药品适应症、用法用量适用条件、用药禁忌各自对应的医学或药学属性信息的结构化标准数据库,建立多维度属性项字典模块。
药品使用要素信息多维度处理模块,用于根据多维度属性项字典对拆分后的药品各属性信息进行多维度处理。根据多维度属性项字典模块,还可以异名处理同一种疾病在不同医院的不同诊断名称,比如将阿尔茨海默病与老年痴呆进行异名统一处理;也可以异名处理同一药品的不同剂型和规格的商品,进而提高了关联匹配的准确性。
患者用药相关要素信息提取模块,用于提取患者用药时相关属性要素的实际信息。例如,包括患者性别、年龄、既往病史、疾病名称,病症等信息,尤其应包含患者所使用药品的药品使用信息中的必要信息。患者用药信息的来源为医生处方、治疗方案、用药方案、病历、病案、药历、检查结果、患者自述症状、患者自主选药等。
患者用药相关要素信息多维度处理模块,根据多维度属性项字典对相关信息进行多维度处理。根据拆分后的信息查找属性项字典,进行多维度处理。
智能选药匹配比对模块。下面展示了一种生成关联匹配度的方式。
具体的匹配比对公式描述如下:
某患者(Patient,简称Pa),其患者用药信息包括年龄:(age,简称ag)、性别(gender,简称gen)、所属特殊人群(special,简称spe)、症状(symptom,简称sym)、既有病史(history disease,简称his)、家族病史(family disease,简称fam)、过敏史(allergic history,简称ale)、其他状况(Other,简称Oth)等。该患者的身体状况为Pa(ag,gen,spe,sym,his,fam,ale,Oth)。
某药品药物(Medicine,简称Med)Med,其药品使用信息中某条适应证为Med(xi)拆分结果为Med(xi(ag,gen,spe,sym,his,fam,ale,Oth))。
此药物的某条适应证的年龄元素与该患者的用药信息中的年龄元素匹配结果为:
此药物的某条适应证与该患者的患者用药信息匹配结果为:
患者Pa,是否能够使用本药物Med的结果为:
适应症智能选药模块,通过适应症选药生成智能选药列表。符合匹配规则的药品进入适应症符合的待选药品目录,供选择。
根据本发明的另一个实施例,该设备进一步包括根据药物单项审核维度排除不适宜药品智能选药模块。
药物单项审核排除不适宜药品智能选药模块,提取筛选出列表的药品用药禁忌、致敏成分等不适宜使用的静态信息,与患者用药信息库数据进行比对,设备自动排除存在不适宜使用情况的药品,进一步生成推荐药品列表。对于用药信息不全的患者,设备提示关键信息由医生、药师、店员与患者确认或有患者自行确认,再进行排除。
根据本发明的另一个实施例,该设备进一步包括药物重整审核排除不适宜药品智能选药模块。
药物重整审核排除不适宜药品智能选药模块,提取筛选后可供推荐的推荐列表的药品相互作用、重复用药等动态信息,与患者信息库数据中用药史或在服药品进行比对,自动排除存在相互作用、重复用药等不适宜使用的药品,进一步生成推荐药品列表。对于用药信息不全的患者,提示关键信息由医生、药师、店员与患者确认或由患者自行确认,再进行排除。
根据本发明的另一个实施例,该设备进一步包括医疗保险审核模块。
医疗保险审核模块,对智能选药列表进行医疗保险审核。根据患者是否使用医疗保险以及患者医疗保险的规定,设备对推荐药品的医疗保险支付情况进行自动审核,并将需要患者自费支付的药品提交给患者进行选择,从而进一步生成推荐药品列表。
根据本发明的另一个实施例,该设备进一步包括个性化筛选智能选药模块。
个性化筛选智能选药模块,通过个性化筛选生成智能选药列表。根据治疗方案需要或患者对选择药品的其他参数的要求(如剂型、用药周期、用药频率、口感、药品厂家品牌、用户评价、价格、携带、储存等),由医生、药师、店员或由患者自行(OTC药品)选择筛选要素后,自动对生成的推荐药品列表进一步筛选,得出推荐药品列表,由医生、药师或店员、患者(购买OTC药品)选择。
本领域技术人员,可以得知上述的静态排除不适宜药品智能选药模块、动态排除不适宜药品智能选药模块、医疗保险审核模块、个性化筛选智能选药模块可以根据需要调整其先后顺序。
根据本发明的另一个实施例,该设备进一步包括用法用量推荐模块。
用法用量推荐模块,生成用法用量推荐信息。根据最终选择的药品的用法用量信息,与之前步骤中获取或确认的信息进行自动比对,推荐出较为适宜的用法用量,以方便医生、药师或店员、患者(购买OTC药品)进行确认。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (61)
1.一种智能选药的方法,其特征在于,所述方法包括:
建立多维度属性项字典;
提取药品使用要素信息;
根据多维度属性项字典对药品使用要素信息进行处理;
提取患者用药相关要素信息;
根据多维度属性项字典对患者用药相关要素信息进行处理;
将药品使用要素信息与患者用药相关要素信息中各属性项信息进行智能选药匹配比对;
生成智能选药列表。
2.根据权利要求1的智能选药方法,其特征在于,多维度属性项字典,根据用药信息的医学或药学属性结构及各属性定义建立。
3.根据权利要求2的智能选药方法,其特征在于,多维度属性项字典,用于提供药品使用信息和患者用药信息中各项医学或药学属性涉及的标准字典。
4.根据权利要求2的智能选药方法,其特征在于,多维度属性项字典,用于提供药品使用信息和患者用药信息中各项医学或药学属性不同来源异名与标准字典关联关系。
5.根据权利要求2的智能选药方法,其特征在于,多维度属性项字典,根据不同的医学或药学属性将药品使用信息拆分到最小属性分项,同时保存各属性项之间的逻辑关系,并将各最小属性分项的数据与标准医学或药学属性项字典库关联。
6.根据权利要求5的智能选药方法,其特征在于,多维度属性项字典中涉及的医学属性项至少包括:患者的人群相关属性、患者的特殊人群相关属性、患者的疾病相关属性、患者的症状相关属性、患者的既往病史相关属性、患者的操作相关属性、患者的个人生活史相关属性、患者的生理状态相关属性、患者的检查指标相关属性等的其中至少一个维度。
7.根据权利要求5的智能选药方法,其特征在于,多维度属性项字典中涉及的药学属性项至少包括:用药目的相关属性、药品成分的相关属性、药品规格包装的相关属性、药品适应症的相关属性、药品用法用量的相关属性、药品给药途径的相关属性、药品禁忌症的相关属性、药品不良反应的相关属性、药品注意事项的相关属性以及患者过敏史相关属性、患者用药史相关属性、患者用药的给药途径相关属性、患者用药相关基因属性等的其中至少一个维度。
8.根据权利要求1的智能选药方法,其特征在于,通过适应症选药生成智能选药列表。
9.根据权利要求8的智能选药方法,其特征在于,该方法进一步包括通过药物单项审核排除不适宜药品生成智能选药列表。
10.根据权利要求9的智能选药方法,其特征在于,该方法进一步包括通过药物重整审核排除不适宜药品生成智能选药列表。
11.根据权利要求10的智能选药方法,其特征在于,该方法进一步包括对智能选药列表进行医疗保险审核。
12.根据权利要求11的智能选药方法,其特征在于,该方法进一步包括通过个性化筛选生成智能选药列表。
13.根据权利要求12的智能选药方法,其特征在于,该方法进一步包括生成用法用量推荐信息。
14.根据权利要求1-13中任意一项的智能选药方法,其特征在于,提取药品使用信息,用于提取每一种药品使用信息中适应症、用法用量适用条件、用药禁忌的相关医学/药学属性要素信息。
15.根据权利要求14的智能选药方法,其特征在于,药品使用信息来源于药品说明书、药典、国家处方集、治疗/用药指南、专家共识、以及各级医疗机构用药规定等的其中至少之一。
16.根据权利要求1-13中任意一项的智能选药方法,其特征在于,提取患者用药相关信息,用于提取患者用药时相关属性要素的实际信息。
17.根据权利要求16的智能选药方法,其特征在于,患者用药信息的来源为医生处方、治疗方案、用药方案、病历、病案、药历、检查结果、患者自述症状、患者自主选药等其中的至少之一。
18.根据权利要求1-13中任意一项的智能选药方法,其特征在于,生成匹配比对结果的方式为,
此药物的某条适应证的年龄元素与该患者的用药信息中的年龄元素匹配结果为:
此药物的某条适应证与该患者的患者用药信息匹配结果为:
患者Pa,是否能够使用本药物Med的结果为:
其中,某患者(Patient,简称Pa),其患者用药信息包括年龄:(age,简称ag)、性别(gender,简称gen)、所属特殊人群(special,简称spe)、症状(symptom,简称sym)、既有病史(history disease,简称his)、家族病史(familydisease,简称fam)、过敏史(allergic history,简称ale)、其他状况(Other,简称Oth)等。该患者的身体状况为Pa(ag,gen,spe,sym,his,fam,ale,Oth)。
某药品药物(Medicine,简称Med)Med,其药品使用信息中某条适应证为Med(xi),拆分结果为Med(xi(ag,gen,spe,sym,his,fam,ale,Oth))。
19.根据权利要求1-13中任意一项的智能选药方法,其特征在于,通过静态排除不适宜药品生成智能选药列表、通过动态排除不适宜药品生成智能选药列表、对智能选药列表进行医疗保险审核、通过个性化筛选生成智能选药列表的先后顺序可以根据进行调整。
20.根据权利要求1-13中任意一项的智能选药方法,其特征在于,该方法可用于医生处方推荐药品、药师制定用药方案、患者自主选择药品(OTC)、辅助选择药品及用法用量的药学智能系统其中至少一项。
21.一种智能选药的系统,其特征在于,所述系统包括:
药品使用要素信息提取单元,用于提取药品使用要素信息;
多维度属性项字典单元,用于提供多维度属性项字典;
药品使用要素信息多维度处理单元,根据多维度属性项字典单元对药品使用要素信息进行处理;
患者用药相关要素信息提取单元,用于提取患者用药相关要素信息;
患者用药相关要素信息多维度处理单元,根据多维度属性项字典单元对患者用药相关要素信息进行处理;
智能选药匹配比对单元,将药品使用要素信息与患者用药相关要素信息中各属性项信息的进行智能选药匹配比对;
智能选药单元,生成智能选药列表。
22.根据权利要求21的智能选药系统,其特征在于,多维度属性项字典单元,根据用药信息的医学或药学属性结构及各属性定义建立。
23.根据权利要求22的智能选药系统,其特征在于,多维度属性项字典单元,用于提供药品使用信息和患者用药信息中各项医学或药学属性涉及的标准字典。
24.根据权利要求22的智能选药系统,其特征在于,多维度属性项字典单元,用于提供药品使用信息和患者用药信息中各项医学或药学属性不同来源异名与标准字典关联关系。
25.根据权利要求22的智能选药系统,其特征在于,多维度属性项字典单元,根据不同的医学或药学属性将药品使用信息拆分到最小属性分项,同时保存各属性项之间的逻辑关系,并将各最小属性分项的数据与标准医学或药学属性项字典库关联。
26.根据权利要求25的智能选药系统,其特征在于,多维度属性项字典中涉及的医学属性项至少包括:患者的人群相关属性、患者的特殊人群相关属性、患者的疾病相关属性、患者的症状相关属性、患者的既往病史相关属性、患者的操作相关属性、患者的个人生活史相关属性、患者的生理状态相关属性、患者的检查指标相关属性等的其中至少一个维度。
27.根据权利要求25的智能选药系统,其特征在于,多维度属性项字典中涉及的药学属性项至少包括:用药目的相关属性、药品成分的相关属性、药品规格包装的相关属性、药品适应症的相关属性、药品用法用量的相关属性、药品给药途径的相关属性、药品禁忌症的相关属性、药品不良反应的相关属性、药品注意事项的相关属性以及患者过敏史相关属性、患者用药史相关属性、患者用药的给药途径相关属性、患者用药相关基因属性等的其中至少一个维度。
28.根据权利要求21的智能选药系统,其特征在于,通过适应症选药生成智能选药列表。
29.根据权利要求28的智能选药系统,其特征在于,该方法进一步包括药物单项审核排除不适宜药品智能选药单元。
30.根据权利要求29的智能选药系统,其特征在于,该方法进一步包括药物重整审核排除不适宜药品智能选药单元。
31.根据权利要求30的智能选药系统,其特征在于,该方法进一步包括医疗保险审核单元。
32.根据权利要求31的智能选药系统,其特征在于,该方法进一步包括个性化筛选智能选药单元。
33.根据权利要求32的智能选药系统,其特征在于,该方法进一步包括用法用量推荐单元。
34.根据权利要求21-33中任意一项的智能选药系统,其特征在于,药品使用要素信息提取单元,用于提取每一种药品使用信息中适应症、用法用量适用条件、用药禁忌的相关医学/药学属性要素信息。
35.根据权利要求34的智能选药系统,其特征在于,药品使用信息来源于药品说明书、药典、国家处方集、治疗/用药指南、专家共识、以及各级医疗机构用药规定等的其中至少之一。
36.根据权利要求21-33中任意一项的智能选药系统,其特征在于,患者用药相关信息提取单元,用于提取患者用药时相关属性要素的实际信息。
37.根据权利要求36的智能选药系统,其特征在于,患者用药信息的来源为医生处方、治疗方案、用药方案、病历、病案、药历、检查结果、患者自述症状、患者自主选药等其中的至少之一。
38.根据权利要求21-33中任意一项的智能选药系统,其特征在于,生成匹配比对结果的方式为,
此药物的某条适应证的年龄元素与该患者的用药信息中的年龄元素匹配结果为:
此药物的某条适应证与该患者的患者用药信息匹配结果为:
患者Pa,是否能够使用本药物Med的结果为:
其中,某患者(Patient,简称Pa),其患者用药信息包括年龄:(age,简称ag)、性别(gender,简称gen)、所属特殊人群(special,简称spe)、症状(symptom,简称sym)、既有病史(history disease,简称his)、家族病史(familydisease,简称fam)、过敏史(allergic history,简称ale)、其他状况(Other,简称Oth)等。该患者的身体状况为P)ag,gen,spe,sym,his,fam,ale,Oth)。
某药品药物(Medicine,简称Med)Med,其药品使用信息中某条适应证为Med(xi),拆分结果为Med(xi(ag,gen,spe,sym,his,fam,ale,Oth))。
39.根据权利要求21-33中任意一项的智能选药系统,其特征在于,静态排除不适宜药品智能选药单元、动态排除不适宜药品智能选药单元、医疗保险审核单元、个性化筛选智能选药单元的先后顺序可以根据进行调整。
40.根据权利要求21-33中任意一项的智能选药系统,其特征在于,该系统可用于医生处方推荐药品、药师制定用药方案、患者自主选择药品(OTC)、辅助选择药品及用法用量的药学智能推荐的其中至少一项。
41.一种智能选药的设备,其特征在于,所述设备包括:
药品使用要素信息提取模块,用于提取药品使用要素信息;
多维度属性项字典模块,用于提供多维度属性项字典;
药品使用要素信息多维度处理模块,根据多维度属性项字典模块对药品使用要素信息进行处理;
患者用药相关要素信息提取模块,用于提取患者用药相关要素信息;
患者用药相关要素信息多维度处理模块,根据多维度属性项字典模块对患者用药相关要素信息进行处理;
智能选药匹配比对模块,将药品使用要素信息与患者用药相关要素信息中各属性项信息的进行智能选药匹配比对;
智能选药模块,生成智能选药列表。
42.根据权利要求41的智能选药设备,其特征在于,多维度属性项字典模块,根据用药信息的医学或药学属性结构及各属性定义建立。
43.根据权利要求42的智能选药设备,其特征在于,多维度属性项字典模块,用于提供药品使用信息和患者用药信息中各项医学或药学属性涉及的标准字典。
44.根据权利要求42的智能选药设备,其特征在于,多维度属性项字典模块,用于提供药品使用信息和患者用药信息中各项医学或药学属性不同来源异名与标准字典关联关系。
45.根据权利要求42的智能选药设备,其特征在于,多维度属性项字典模块,根据不同的医学或药学属性将药品使用信息拆分到最小属性分项,同时保存各属性项之间的逻辑关系,并将各最小属性分项的数据与标准医学或药学属性项字典库关联。
46.根据权利要求45的智能选药设备,其特征在于,多维度属性项字典中涉及的医学属性项至少包括:患者的人群相关属性、患者的特殊人群相关属性、患者的疾病相关属性、患者的症状相关属性、患者的既往病史相关属性、患者的操作相关属性、患者的个人生活史相关属性、患者的生理状态相关属性、患者的检查指标相关属性等的其中至少一个维度。
47.根据权利要求45的智能选药设备,其特征在于,多维度属性项字典中涉及的药学属性项至少包括:用药目的相关属性、药品成分的相关属性、药品规格包装的相关属性、药品适应症的相关属性、药品用法用量的相关属性、药品给药途径的相关属性、药品禁忌症的相关属性、药品不良反应的相关属性、药品注意事项的相关属性以及患者过敏史相关属性、患者用药史相关属性、患者用药的给药途径相关属性、患者用药相关基因属性等的其中至少一个维度。
48.根据权利要求41的智能选药设备,其特征在于,通过适应症选药生成智能选药列表。
49.根据权利要求48的智能选药设备,其特征在于,该方法进一步包括药物单项审核排除不适宜药品智能选药模块。
50.根据权利要求49的智能选药设备,其特征在于,该方法进一步包括药物重整审核排除不适宜药品智能选药模块。
51.根据权利要求50的智能选药设备,其特征在于,该方法进一步包括医疗保险审核模块。
52.根据权利要求51的智能选药设备,其特征在于,该方法进一步包括个性化筛选智能选药模块。
53.根据权利要求52的智能选药设备,其特征在于,该方法进一步包括用法用量推荐模块。
54.根据权利要求41-53中任意一项的智能选药设备,其特征在于,药品使用要素信息提取模块,用于提取每一种药品使用信息中适应症、用法用量适用条件、用药禁忌的相关医学/药学属性要素信息。
55.根据权利要求54的智能选药设备,其特征在于,药品使用信息来源于药品说明书、药典、国家处方集、治疗/用药指南、专家共识、以及各级医疗机构用药规定等的其中至少之一。
56.根据权利要求41-53中任意一项的智能选药设备,其特征在于,患者用药相关信息提取模块,用于提取患者用药时相关属性要素的实际信息。
57.根据权利要求56的智能选药设备,其特征在于,患者用药信息的来源为医生处方、治疗方案、用药方案、病历、病案、药历、检查结果、患者自述症状、患者自主选药等其中的至少之一。
58.根据权利要求41-53中任意一项的智能选药设备,其特征在于,生成匹配比对结果的方式为,
此药物的某条适应证的年龄元素与该患者的用药信息中的年龄元素匹配结果为:
此药物的某条适应证与该患者的患者用药信息匹配结果为:
患者Pa,是否能够使用本药物Med的结果为:
其中,某患者(Patient,简称Pa),其患者用药信息包括年龄:(age,简称ag)、性别(gender,简称gen)、所属特殊人群(special,简称spe)、症状(symptom,简称sym)、既有病史(history disease,简称his)、家族病史(familydisease,简称fam)、过敏史(allergic history,简称ale)、其他状况(Other,简称Oth)等。该患者的身体状况为Pa(ag,gen,spe,sym,his,fam,ale,Oth)。
某药品药物(Medicine,简称Med)Med,其药品使用信息中某条适应证为Med(xi),拆分结果为Med(xi)ag,gen,spe,sym,his,fam,ale,Ot))。
59.根据权利要求41-53中任意一项的智能选药设备,其特征在于,静态排除不适宜药品智能选药模块、动态排除不适宜药品智能选药模块、医疗保险审核模块、个性化筛选智能选药模块的先后顺序可以根据进行调整。
60.根据权利要求41-53中任意一项的智能选药设备,其特征在于,该设备可用于医生处方推荐药品、药师制定用药方案、患者自主选择药品(OTC)、辅助选择药品及用法用量的药学智能推荐的其中至少一项。
61.根据权利要求41-53中任意一项的智能选药设备,该设备包括但不限于于医疗机构医生工作站、药师工作站,药店药师工作站、店员工作站、患者自助终端,患者可接入互联网设备(电脑、智能电视、移动电脑、智能手机、智能手表等)。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2014/090661 WO2016070439A1 (zh) | 2014-11-07 | 2014-11-07 | 一种智能选药的方法、系统和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104584021A true CN104584021A (zh) | 2015-04-29 |
CN104584021B CN104584021B (zh) | 2018-08-28 |
Family
ID=53097340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480001284.4A Active CN104584021B (zh) | 2014-11-07 | 2014-11-07 | 一种智能选药的方法、系统和设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN104584021B (zh) |
WO (1) | WO2016070439A1 (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951665A (zh) * | 2015-07-22 | 2015-09-30 | 浙江大学 | 一种推荐药品的方法和系统 |
CN105512476A (zh) * | 2015-12-01 | 2016-04-20 | 深圳还是威健康科技有限公司 | 一种数据采集的方法及智能穿戴设备 |
CN105868531A (zh) * | 2016-03-23 | 2016-08-17 | 遵义医学院 | 一种基于医疗大数据的自动辅助处方系统及方法 |
CN106066947A (zh) * | 2016-07-14 | 2016-11-02 | 广州宝荣科技应用有限公司 | 一种中药处方管理系统及处方推送方法 |
CN106096319A (zh) * | 2016-07-14 | 2016-11-09 | 广州宝荣科技应用有限公司 | 一种处方管理应用系统 |
CN106202893A (zh) * | 2016-06-30 | 2016-12-07 | 山东诺安诺泰信息系统有限公司 | 一种药品推荐方法 |
CN106446527A (zh) * | 2016-08-31 | 2017-02-22 | 杭州逸曜信息技术有限公司 | 用药信息的标识处理方法 |
CN106934409A (zh) * | 2015-12-29 | 2017-07-07 | 优信拍(北京)信息科技有限公司 | 一种数据匹配方法及装置 |
CN107194849A (zh) * | 2017-06-15 | 2017-09-22 | 宁波卫生职业技术学院 | 一种区域合理用药协同服务绩效监测系统 |
CN108447568A (zh) * | 2018-03-19 | 2018-08-24 | 杭州逸曜信息技术有限公司 | 基于药品成分的用药信息处理方法 |
CN108461115A (zh) * | 2018-03-19 | 2018-08-28 | 杭州逸曜信息技术有限公司 | 医用信息处理方法 |
CN108804419A (zh) * | 2018-05-22 | 2018-11-13 | 湖南大学 | 一种基于知识图谱的线下医药零售精准推荐技术 |
CN109036549A (zh) * | 2018-06-29 | 2018-12-18 | 重庆柚瓣家科技有限公司 | 一种基于模糊决策和病历数据的疾病预诊系统 |
CN109243567A (zh) * | 2018-08-14 | 2019-01-18 | 山东科技大学 | 一种基于处方数据挖掘的药物推荐方法 |
CN109243617A (zh) * | 2018-08-17 | 2019-01-18 | 东软集团股份有限公司 | 抗菌药处方的审核方法、装置、存储介质和电子设备 |
CN109300520A (zh) * | 2018-08-03 | 2019-02-01 | 贵州松桃信仁苗药有限公司 | 一种中药文化验证系统 |
CN109545388A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种医学风险控制方法、服务器及存储介质 |
CN109817351A (zh) * | 2019-01-31 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法、装置、设备及存储介质 |
CN109859815A (zh) * | 2019-01-24 | 2019-06-07 | 西安交通大学 | 一种辅助用药决策方法及智能辅助用药系统 |
CN109979603A (zh) * | 2019-04-30 | 2019-07-05 | 姜铁超 | 一种电子药典检索系统 |
CN110134672A (zh) * | 2019-04-12 | 2019-08-16 | 浙江大学 | 一种用于高血压药物治疗价格敏感度的识别方法及装置 |
CN110189810A (zh) * | 2019-05-30 | 2019-08-30 | 苏州大学附属儿童医院 | 一种智能药学服务机 |
CN110459290A (zh) * | 2019-08-20 | 2019-11-15 | 曹庆恒 | 一种智能推荐医疗器械的方法、系统和设备 |
CN110717082A (zh) * | 2019-10-26 | 2020-01-21 | 曹庆恒 | 一种医疗器械使用合理及合规性分析的方法、系统和设备 |
CN110797115A (zh) * | 2019-10-26 | 2020-02-14 | 曹庆恒 | 一种智能推荐医疗检查及检验的方法、系统和设备 |
WO2020253725A1 (zh) * | 2019-06-17 | 2020-12-24 | 京东方科技集团股份有限公司 | 一种药品推荐方法、电子设备和计算机可读存储介质 |
CN112712870A (zh) * | 2020-12-30 | 2021-04-27 | 北京懿医云科技有限公司 | 一种互联网医院用药方案确定方法及装置 |
CN113643783A (zh) * | 2021-08-13 | 2021-11-12 | 今彩慧健康科技(苏州)有限公司 | 亚健康人群药品推荐方法、系统、设备及存储介质 |
CN113813478A (zh) * | 2021-10-11 | 2021-12-21 | 河南省儿童医院郑州儿童医院 | 一种雾化器给药自动控制方法及系统 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330284A (zh) * | 2017-07-06 | 2017-11-07 | 上海观谷科技有限公司 | 药品信息管理方法、装置和系统 |
CN107731270A (zh) * | 2017-10-25 | 2018-02-23 | 康美药业股份有限公司 | 一种自动审核药方准确性的方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7438228B2 (en) * | 2005-05-05 | 2008-10-21 | Scott Robertson | Systems and methods for managing electronic prescriptions |
CN102004863A (zh) * | 2010-12-15 | 2011-04-06 | 中国人民解放军第四军医大学 | 临床安全合理用药决策支持方法 |
CN102012974A (zh) * | 2010-12-15 | 2011-04-13 | 中国人民解放军第四军医大学 | 临床安全合理用药决策支持系统 |
CN102737165A (zh) * | 2012-06-07 | 2012-10-17 | 北京太元通软件科技有限公司 | 临床用药决策支持系统 |
CN102968567A (zh) * | 2012-11-30 | 2013-03-13 | 西安福安创意咨询有限责任公司 | 临床安全合理用药决策支持机构 |
CN103854136A (zh) * | 2014-03-13 | 2014-06-11 | 华中科技大学同济医学院附属协和医院 | 带有用药安全监控干预功能的医院用药管理系统 |
CN103902791A (zh) * | 2011-12-20 | 2014-07-02 | 西安福安创意咨询有限责任公司 | 临床安全合理用药决策支持方法 |
-
2014
- 2014-11-07 CN CN201480001284.4A patent/CN104584021B/zh active Active
- 2014-11-07 WO PCT/CN2014/090661 patent/WO2016070439A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7438228B2 (en) * | 2005-05-05 | 2008-10-21 | Scott Robertson | Systems and methods for managing electronic prescriptions |
CN102004863A (zh) * | 2010-12-15 | 2011-04-06 | 中国人民解放军第四军医大学 | 临床安全合理用药决策支持方法 |
CN102012974A (zh) * | 2010-12-15 | 2011-04-13 | 中国人民解放军第四军医大学 | 临床安全合理用药决策支持系统 |
CN103902791A (zh) * | 2011-12-20 | 2014-07-02 | 西安福安创意咨询有限责任公司 | 临床安全合理用药决策支持方法 |
CN102737165A (zh) * | 2012-06-07 | 2012-10-17 | 北京太元通软件科技有限公司 | 临床用药决策支持系统 |
CN102968567A (zh) * | 2012-11-30 | 2013-03-13 | 西安福安创意咨询有限责任公司 | 临床安全合理用药决策支持机构 |
CN103854136A (zh) * | 2014-03-13 | 2014-06-11 | 华中科技大学同济医学院附属协和医院 | 带有用药安全监控干预功能的医院用药管理系统 |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951665A (zh) * | 2015-07-22 | 2015-09-30 | 浙江大学 | 一种推荐药品的方法和系统 |
CN105512476A (zh) * | 2015-12-01 | 2016-04-20 | 深圳还是威健康科技有限公司 | 一种数据采集的方法及智能穿戴设备 |
CN105512476B (zh) * | 2015-12-01 | 2019-10-29 | 深圳市元征科技股份有限公司 | 一种数据采集的方法及智能穿戴设备 |
CN106934409A (zh) * | 2015-12-29 | 2017-07-07 | 优信拍(北京)信息科技有限公司 | 一种数据匹配方法及装置 |
CN105868531A (zh) * | 2016-03-23 | 2016-08-17 | 遵义医学院 | 一种基于医疗大数据的自动辅助处方系统及方法 |
CN105868531B (zh) * | 2016-03-23 | 2019-05-17 | 遵义医学院 | 一种基于医疗大数据的自动辅助处方系统 |
CN106202893A (zh) * | 2016-06-30 | 2016-12-07 | 山东诺安诺泰信息系统有限公司 | 一种药品推荐方法 |
CN106066947A (zh) * | 2016-07-14 | 2016-11-02 | 广州宝荣科技应用有限公司 | 一种中药处方管理系统及处方推送方法 |
CN106096319A (zh) * | 2016-07-14 | 2016-11-09 | 广州宝荣科技应用有限公司 | 一种处方管理应用系统 |
CN106446527A (zh) * | 2016-08-31 | 2017-02-22 | 杭州逸曜信息技术有限公司 | 用药信息的标识处理方法 |
CN107194849A (zh) * | 2017-06-15 | 2017-09-22 | 宁波卫生职业技术学院 | 一种区域合理用药协同服务绩效监测系统 |
CN108461115A (zh) * | 2018-03-19 | 2018-08-28 | 杭州逸曜信息技术有限公司 | 医用信息处理方法 |
CN108447568A (zh) * | 2018-03-19 | 2018-08-24 | 杭州逸曜信息技术有限公司 | 基于药品成分的用药信息处理方法 |
CN108804419A (zh) * | 2018-05-22 | 2018-11-13 | 湖南大学 | 一种基于知识图谱的线下医药零售精准推荐技术 |
CN109036549A (zh) * | 2018-06-29 | 2018-12-18 | 重庆柚瓣家科技有限公司 | 一种基于模糊决策和病历数据的疾病预诊系统 |
CN109300520A (zh) * | 2018-08-03 | 2019-02-01 | 贵州松桃信仁苗药有限公司 | 一种中药文化验证系统 |
CN109243567A (zh) * | 2018-08-14 | 2019-01-18 | 山东科技大学 | 一种基于处方数据挖掘的药物推荐方法 |
CN109243567B (zh) * | 2018-08-14 | 2021-11-02 | 山东科技大学 | 一种基于处方数据挖掘的药物推荐方法 |
CN109243617A (zh) * | 2018-08-17 | 2019-01-18 | 东软集团股份有限公司 | 抗菌药处方的审核方法、装置、存储介质和电子设备 |
CN109545388A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种医学风险控制方法、服务器及存储介质 |
CN109859815A (zh) * | 2019-01-24 | 2019-06-07 | 西安交通大学 | 一种辅助用药决策方法及智能辅助用药系统 |
CN109817351A (zh) * | 2019-01-31 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法、装置、设备及存储介质 |
CN110134672A (zh) * | 2019-04-12 | 2019-08-16 | 浙江大学 | 一种用于高血压药物治疗价格敏感度的识别方法及装置 |
CN109979603A (zh) * | 2019-04-30 | 2019-07-05 | 姜铁超 | 一种电子药典检索系统 |
CN110189810A (zh) * | 2019-05-30 | 2019-08-30 | 苏州大学附属儿童医院 | 一种智能药学服务机 |
WO2020253725A1 (zh) * | 2019-06-17 | 2020-12-24 | 京东方科技集团股份有限公司 | 一种药品推荐方法、电子设备和计算机可读存储介质 |
CN110459290A (zh) * | 2019-08-20 | 2019-11-15 | 曹庆恒 | 一种智能推荐医疗器械的方法、系统和设备 |
CN110717082A (zh) * | 2019-10-26 | 2020-01-21 | 曹庆恒 | 一种医疗器械使用合理及合规性分析的方法、系统和设备 |
CN110797115A (zh) * | 2019-10-26 | 2020-02-14 | 曹庆恒 | 一种智能推荐医疗检查及检验的方法、系统和设备 |
CN112712870A (zh) * | 2020-12-30 | 2021-04-27 | 北京懿医云科技有限公司 | 一种互联网医院用药方案确定方法及装置 |
CN112712870B (zh) * | 2020-12-30 | 2022-12-09 | 北京懿医云科技有限公司 | 一种互联网医院用药方案确定方法及装置 |
CN113643783A (zh) * | 2021-08-13 | 2021-11-12 | 今彩慧健康科技(苏州)有限公司 | 亚健康人群药品推荐方法、系统、设备及存储介质 |
CN113813478A (zh) * | 2021-10-11 | 2021-12-21 | 河南省儿童医院郑州儿童医院 | 一种雾化器给药自动控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104584021B (zh) | 2018-08-28 |
WO2016070439A1 (zh) | 2016-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104584021A (zh) | 一种智能选药的方法、系统和设备 | |
CN104487972A (zh) | 一种多维度用药信息处理方法、系统和设备 | |
Montemurro et al. | Self-evaluation of adjuvant chemotherapy-related adverse effects by patients with breast cancer | |
Bruera et al. | The Edmonton Symptom Assessment System (ESAS): a simple method for the assessment of palliative care patients | |
Pietras et al. | Vitamin D2 treatment for vitamin D deficiency and insufficiency for up to 6 years | |
Dunlap et al. | Clinical management of opioid use disorder | |
CN104598740A (zh) | 一种智能用药指导的方法、系统和设备 | |
Blendon et al. | Users' views of dietary supplements | |
Khalifa et al. | Exacerbation of zoster interstitial keratitis after zoster vaccination in an adult | |
CN111223543A (zh) | 一种治疗方案智能指导的方法、系统和设备 | |
Das et al. | Oral zinc for the common cold | |
Lee et al. | Predictors of completeness of patients’ self-reported personal medication lists and discrepancies with clinic medication lists | |
Torpy et al. | Energy drinks | |
CN111933247A (zh) | 一种药物相互作用智能管理的方法、系统和设备 | |
Parikh et al. | Osteoporosis medication use in nursing home patients with fractures in 1 US state | |
Slomski | Falls from taking multiple medications may be a risk for both young and old | |
CN113724818A (zh) | 在诊疗过程中推送医嘱数据的方法、装置及电子设备 | |
Yoo et al. | Evaluating telemedicine in the ICU | |
CN112233765A (zh) | 一种重复用药智能分析的方法、系统和设备 | |
Katz | Opioid prescriptions for chronic nonmalignant pain: driving on a dangerous road | |
Delbanco | Leeches, spiders, and astrology: predilections and predictions | |
KR20170083736A (ko) | 환자 처방전으로부터 환자 맞춤형 질병정보를 제공하는 방법 | |
Stine et al. | Elimination of lipid levels from quality measures: implications and alternatives | |
Holdford | Perspectives on the pharmacist's" product": a narrative review | |
Voelker | Implant for opioid dependence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230829 Address after: 2908, Block C, No. 82 East Fourth Ring Middle Road, Chaoyang District, Beijing, 100022 Patentee after: PUHUA HEALTH (BEIJING) INFORMATION CO.,LTD. Address before: Room 1101, Unit 1, Building 18, Shoucheng International, No. 36 Guangqu Road, Chaoyang District, Beijing, 100028 Patentee before: Cao Qingheng |