CN104952022A - 一种面向慢性肾脏病管理的大数据处理方法和设备 - Google Patents
一种面向慢性肾脏病管理的大数据处理方法和设备 Download PDFInfo
- Publication number
- CN104952022A CN104952022A CN201510284725.2A CN201510284725A CN104952022A CN 104952022 A CN104952022 A CN 104952022A CN 201510284725 A CN201510284725 A CN 201510284725A CN 104952022 A CN104952022 A CN 104952022A
- Authority
- CN
- China
- Prior art keywords
- patient
- ckd stage
- state
- ckd
- illness characteristic
- 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
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种面向慢性肾脏病管理的大数据处理方法和设备,包括:采集处于不同CKD阶段的患者的病情特征数据,病情特征数据中包含处于不同CKD阶段的患者的身体特征数据以及用药治疗数据;将属于同一个CKD阶段的患者的病情特征数据划分为同一组;以组为分析单元,分别根据每一组病情特征数据中包含的患者的身体特征数据以及用药治疗数据,分析得到该组对应的CKD阶段的发展状态和/或影响该组对应的CKD阶段进展的关键因素。通过对不同CKD阶段的患者的病情特征数据进行分析,以确定不同CKD阶段的发展状态以及影响不同CKD阶段进展的关键因素,以便于有针对性的制定CKD各个阶段的治疗方案,提升治疗CKD的准确度。
Description
技术领域
本发明涉及计算机技术与医疗卫生领域,尤其涉及一种面向慢性肾脏病管理的大数据处理方法和设备。
背景技术
我国是全球慢性病患者增长速度最快的国家之一。慢性病是指不构成传染、经过长期积累形成疾病形态损害身体健康的疾病的总称。慢性病不容易被察觉,但是一经发现,如不及时治疗,将会造成经济、生命等方面危害。
例如:慢性肾脏病(英文:Chronic Kidney Disease;缩写:CKD)是指各种原因引起的慢性肾脏结构和功能障碍(肾脏损害病史大于3个月),包括肾小球滤过率(英文:Glomerular Filtration Rate;缩写:GFR)正常和不正常的病理损伤、血液或尿检成分异常、影像学检查异常以及不明原因GFR下降超过3个月等。
根据GFR的不同,可以将CKD划分为五个发展阶段:第一个阶段,GFR≥90ml/min.1.73m2;第二个阶段,GFR≥(60~89)ml/min.1.73m2;第三个阶段,GFR≥(30~59)ml/min.1.73m2;第四个阶段,GFR≥(15~29)ml/min.1.73m2;第五个阶段,GFR<15ml/min.1.73m2。
当CKD发展至第五个阶段时,需要进行透析和肾移植治疗。然而,对于CKD患者,发展至第五个阶段的只是其中的一部分,这就意味着寻找CKD各个阶段的发展变化规律进而制定出延缓CKD发展的治疗方案成为亟需解决的技术问题。
发明内容
有鉴于此,本发明实施例一种面向慢性肾脏病管理的大数据处理方法和设备,用于解决目前存在的如何确定CKD各个阶段的发展变化规律的问题,以便于有针对性的制定CKD各个阶段的治疗方案,提升治疗CKD的准确度。
一种面向慢性肾脏病管理的大数据处理方法,包括:
采集处于不同CKD阶段的患者的病情特征数据,其中,所述病情特征数据中包含所述处于不同CKD阶段的患者的身体特征数据以及用药治疗数据;
将属于同一个CKD阶段的患者的病情特征数据划分为同一组;
以组为分析单元,分别根据每一组病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据,分析得到该组对应的CKD阶段的发展状态和/或影响该组对应的CKD阶段进展的关键因素。
一种面向慢性肾脏病管理的大数据处理设备,包括:
采集单元,用于采集处于不同CKD阶段的患者的病情特征数据,其中,所述病情特征数据中包含所述处于不同CKD阶段的患者的身体特征数据以及用药治疗数据;
分组单元,用于将属于同一个CKD阶段的患者的病情特征数据划分为同一组;
分析单元,用于以组为分析单元,分别根据每一组病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据,分析得到该组对应的CKD阶段的发展状态和/或影响该组对应的CKD阶段进展的关键因素。
本发明有益效果如下:
本发明实施例采集处于不同CKD阶段的患者的病情特征数据,所述病情特征数据中包含所述处于不同CKD阶段的患者的身体特征数据以及用药治疗数据;将属于同一个CKD阶段的患者的病情特征数据划分为同一组;以组为分析单元,分别根据每一组病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据,分析得到该组对应的CKD阶段的发展状态和/或影响该组对应的CKD阶段进展的关键因素。通过对不同CKD阶段的患者的病情特征数据的收集,并对收集的病情特征数据进行分析,以确定不同CKD阶段的发展状态以及影响不同CKD阶段进展的关键因素,以便于有针对性的制定CKD各个阶段的治疗方案,提升治疗CKD的准确度,同时可以为后续预防CKD提供理论依据。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种面向慢性肾脏病管理的大数据处理方法的流程示意图;
图2为本发明实施例提供的一种面向慢性肾脏病管理的大数据处理设备的结构示意图。
具体实施方式
为了实现本发明的目的,本发明实施例提供了一种面向慢性肾脏病管理的大数据处理方法和设备,采集处于不同CKD阶段的患者的病情特征数据,所述病情特征数据中包含所述处于不同CKD阶段的患者的身体特征数据以及用药治疗数据;将属于同一个CKD阶段的患者的病情特征数据划分为同一组;以组为分析单元,分别根据每一组病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据,分析得到该组对应的CKD阶段的发展状态和/或影响该组对应的CKD阶段进展的关键因素。通过对不同CKD阶段的患者的病情特征数据的收集,并对收集的病情特征数据进行分析,以确定不同CKD阶段的发展状态以及影响不同CKD阶段进展的关键因素,以便于有针对性的制定CKD各个阶段的治疗方案,提升治疗CKD的准确度,同时可以为后续预防CKD提供理论依据。
下面结合说明书附图对本发明各个实施例作进一步地详细描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1为本发明实施例提供的一种面向慢性肾脏病管理的大数据处理方法的流程示意图。所述方法可以如下所示。
步骤101:采集处于不同CKD阶段的患者的病情特征数据。
其中,所述病情特征数据中包含所述处于不同CKD阶段的患者的身体特征数据以及用药治疗数据。
在步骤101中,通过智能设备采集处于不同CKD阶段的患者的病情特征数据。
例如:患者利用智能设备采用语音或者文字的方式将病情特征数据发送给CKD管理系统的服务器。
一般所述病情特征数据中包含患者基本信息,例如;年龄、性别、原发病症、过敏史、其他疾病信息等;CKD疾病发展史信息,例如:所处的CKD阶段信息;目前的各个体征数据以及对应的数值,例如:特征数据包含血压、尿素氮、肌酐、尿酸水平、24小时尿蛋白定量、白蛋白、前白蛋白、血糖、糖化血红蛋白、血红蛋白、血钙、磷、甲状旁腺激素等;当前用药治疗数据等。
可选地,对于处于不同CKD阶段的患者的病情特征数据可以采取周期性采集的方式,例如:时间周期可以为一周、或者一天等等。
可选地,采集处于不同CKD阶段的患者的日常饮食信息,其中,所述日常饮食信息用于表征患者日常的饮食习惯。
这样可以根据患者的日常饮食信息,判断患者摄取的营养是否均衡,进而确定饮食对CKD进展的影响程度。
可选地,在采集处于不同CKD阶段的患者的病情特征数据时,还可以包括:向患者推送不同的提示消息,其中,所述提示消息中包含需要咨询的问题内容;并接收患者通过用户设备返回的响应消息,其中,所述响应消息中包含针对不同咨询的问题内容的应答信息。
例如:问题内容可以为:您今天增加药物了吗?如果应答内容为增加了,请输入增加药物名称。这样有助于根据接收到的应答信息,比对患者增加的药物是否会进一步损害患者的肾脏。
问题内容可以为:您发热吗?服用非甾类消炎药吗?如果应答内容为是,请暂停利尿剂、普利或沙坦类降压药物。
步骤102:将属于同一个CKD阶段的患者的病情特征数据划分为同一组。
在步骤102中,按照患者所处的CKD阶段,将同一个CKD阶段的患者的病情特征数据划分为一个组。
可选地,针对于一个组,还可以根据同一个CKD阶段的患者的年龄或者病情发展程度进一步地划分,得到不同的病情特征数据集合,即每一个病情特征数据集合对应于一个年龄区间或者一种病情发展程度。
步骤103:以组为分析单元,分别根据每一组病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据,分析得到该组对应的CKD阶段的发展状态和/或影响该组对应的CKD阶段进展的关键因素。
在步骤103中,针对属于同一个CKD阶段的患者的病情特征数据,将不同周期采集到该CKD阶段的患者的病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据进行整合,分析得到该CKD阶段的发展规律;
和/或,针对属于同一个CKD阶段的患者的病情特征数据,选取其中一个或者多个影响该CKD阶段进展的因素,利用因素分析法,对不同周期采集到该CKD阶段的患者的病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据进行分析,得到影响该CKD阶段进展的关键因素。
可选地,所述影响一个CKD阶段进展的因素包含24小时尿蛋白定量、血压、白蛋白、血糖、糖化血红蛋白、尿酸、血钙、甲状旁腺激素。
例如:在分析得到该CKD阶段的发展规律的过程中,可以以肌酐清除率下降为研究目标,选取处于同一个CKD阶段的两组患者,分别对患者的病情特征数据进行比对,利用多变量模型分析,确定两组患者的GFR差值,进而确定该CKD阶段的发展规律。
再例如:在分析得到影响该CKD阶段进展的关键因素时,利用CoX回归模型进行与肾功能进展相关因素的单因素以及多因素分析,进而得出影响该CKD阶段进展的关键因素。
通过本发明实施例的技术方案,采集处于不同CKD阶段的患者的病情特征数据,所述病情特征数据中包含所述处于不同CKD阶段的患者的身体特征数据以及用药治疗数据;将属于同一个CKD阶段的患者的病情特征数据划分为同一组;以组为分析单元,分别根据每一组病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据,分析得到该组对应的CKD阶段的发展状态和/或影响该组对应的CKD阶段进展的关键因素。通过对不同CKD阶段的患者的病情特征数据的收集,并对收集的病情特征数据进行分析,以确定不同CKD阶段的发展状态以及影响不同CKD阶段进展的关键因素,以便于有针对性的制定CKD各个阶段的治疗方案,提升治疗CKD的准确度,同时可以为后续预防CKD提供理论依据。
图2为本发明实施例提供的一种面向慢性肾脏病管理的大数据处理设备的结构示意图。所述大数据处理设备包括:采集单元21、分组单元22和分析单元23,其中:
采集单元21,用于采集处于不同慢性肾脏病CKD阶段的患者的病情特征数据,其中,所述病情特征数据中包含所述处于不同CKD阶段的患者的身体特征数据以及用药治疗数据;
分组单元22,用于将属于同一个CKD阶段的患者的病情特征数据划分为同一组;
分析单元23,用于以组为分析单元,分别根据每一组病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据,分析得到该组对应的CKD阶段的发展状态和/或影响该组对应的CKD阶段进展的关键因素。
具体地,所述采集单元21,还用于采集处于不同CKD阶段的患者的日常饮食信息,其中,所述日常饮食信息用于表征患者日常的饮食习惯。
具体地,所述采集单元21,具体用于周期性地通过智能设备采集处于不同CKD阶段的患者的病情特征数据。
具体地,所述分析单元21,具体用于针对属于同一个CKD阶段的患者的病情特征数据,将不同周期采集到该CKD阶段的患者的病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据进行整合,分析得到该CKD阶段的发展规律;
和/或,针对属于同一个CKD阶段的患者的病情特征数据,选取其中一个或者多个影响该CKD阶段进展的因素,利用因素分析法,对不同周期采集到该CKD阶段的患者的病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据进行分析,得到影响该CKD阶段进展的关键因素。
具体地,所述影响一个CKD阶段进展的因素包含24小时尿蛋白定量、血压、白蛋白、血糖、糖化血红蛋白、尿酸、血钙、甲状旁腺激素。
需要说明的是,本发明实施例中所述的大数据处理设备可以通过软件方式实现,例如:应用软件(英文:Application;缩写:App),也可以通过硬件方式实现。
本领域的技术人员应明白,本发明的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种面向慢性肾脏病管理的大数据处理方法,其特征在于,包括:
采集处于不同慢性肾脏病CKD阶段的患者的病情特征数据,其中,所述病情特征数据中包含所述处于不同CKD阶段的患者的身体特征数据以及用药治疗数据;
将属于同一个CKD阶段的患者的病情特征数据划分为同一组;
以组为分析单元,分别根据每一组病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据,分析得到该组对应的CKD阶段的发展状态和/或影响该组对应的CKD阶段进展的关键因素。
2.如权利要求1所述的大数据处理方法,其特征在于,所述方法还包括:
采集处于不同CKD阶段的患者的日常饮食信息,其中,所述日常饮食信息用于表征患者日常的饮食习惯。
3.如权利要求1或2所述的大数据处理方法,其特征在于,采集处于不同慢性肾脏病CKD阶段的患者的病情特征数据,包括:
周期性地通过智能设备采集处于不同CKD阶段的患者的病情特征数据。
4.如权利要求3所述的大数据处理方法,其特征在于,根据一组病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据,分析得到该组对应的CKD阶段的发展状态和/或影响该组对应的CKD阶段进展的关键因素,包括:
针对属于同一个CKD阶段的患者的病情特征数据,将不同周期采集到该CKD阶段的患者的病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据进行整合,分析得到该CKD阶段的发展规律;
和/或,针对属于同一个CKD阶段的患者的病情特征数据,选取其中一个或者多个影响该CKD阶段进展的因素,利用因素分析法,对不同周期采集到该CKD阶段的患者的病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据进行分析,得到影响该CKD阶段进展的关键因素。
5.如权利要求4所述的大数据处理方法,其特征在于,所述影响一个CKD阶段进展的因素包含24小时尿蛋白定量、血压、白蛋白、血糖、糖化血红蛋白、尿酸、血钙、甲状旁腺激素。
6.一种面向慢性肾脏病管理的大数据处理设备,其特征在于,包括:
采集单元,用于采集处于不同慢性肾脏病CKD阶段的患者的病情特征数据,其中,所述病情特征数据中包含所述处于不同CKD阶段的患者的身体特征数据以及用药治疗数据;
分组单元,用于将属于同一个CKD阶段的患者的病情特征数据划分为同一组;
分析单元,用于以组为分析单元,分别根据每一组病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据,分析得到该组对应的CKD阶段的发展状态和/或影响该组对应的CKD阶段进展的关键因素。
7.如权利要求6所述的大数据处理设备,其特征在于,
所述采集单元,还用于采集处于不同CKD阶段的患者的日常饮食信息,其中,所述日常饮食信息用于表征患者日常的饮食习惯。
8.如权利要求6或7所述的大数据处理设备,其特征在于,
所述采集单元,具体用于周期性地通过智能设备采集处于不同CKD阶段的患者的病情特征数据。
9.如权利要求8所述的大数据处理设备,其特征在于,
所述分析单元,具体用于针对属于同一个CKD阶段的患者的病情特征数据,将不同周期采集到该CKD阶段的患者的病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据进行整合,分析得到该CKD阶段的发展规律;
和/或,针对属于同一个CKD阶段的患者的病情特征数据,选取其中一个或者多个影响该CKD阶段进展的因素,利用因素分析法,对不同周期采集到该CKD阶段的患者的病情特征数据中包含的所述患者的身体特征数据以及所述用药治疗数据进行分析,得到影响该CKD阶段进展的关键因素。
10.如权利要求9所述的大数据处理设备,其特征在于,所述影响一个CKD阶段进展的因素包含24小时尿蛋白定量、血压、白蛋白、血糖、糖化血红蛋白、尿酸、血钙、甲状旁腺激素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510284725.2A CN104952022A (zh) | 2015-05-28 | 2015-05-28 | 一种面向慢性肾脏病管理的大数据处理方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510284725.2A CN104952022A (zh) | 2015-05-28 | 2015-05-28 | 一种面向慢性肾脏病管理的大数据处理方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104952022A true CN104952022A (zh) | 2015-09-30 |
Family
ID=54166658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510284725.2A Pending CN104952022A (zh) | 2015-05-28 | 2015-05-28 | 一种面向慢性肾脏病管理的大数据处理方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104952022A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341399A (zh) * | 2020-02-12 | 2020-06-26 | 常州市第一人民医院 | 一种面向慢性肾脏病管理的大数据处理方法及设备 |
CN112652379A (zh) * | 2021-01-12 | 2021-04-13 | 南通大学附属医院 | 一种自动生成肾衰竭患者营养治疗方案的系统及方法 |
-
2015
- 2015-05-28 CN CN201510284725.2A patent/CN104952022A/zh active Pending
Non-Patent Citations (1)
Title |
---|
陈振鸿: ""中老年2型糖尿病人群CKD的特点及演变规律"", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341399A (zh) * | 2020-02-12 | 2020-06-26 | 常州市第一人民医院 | 一种面向慢性肾脏病管理的大数据处理方法及设备 |
CN111341399B (zh) * | 2020-02-12 | 2023-07-07 | 常州市第一人民医院 | 一种面向慢性肾脏病管理的大数据处理方法及设备 |
CN112652379A (zh) * | 2021-01-12 | 2021-04-13 | 南通大学附属医院 | 一种自动生成肾衰竭患者营养治疗方案的系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shadick et al. | Effect of low level lead exposure on hyperuricemia and gout among middle aged and elderly men: the normative aging study. | |
Ahmad et al. | Diagnostic decision support system of chronic kidney disease using support vector machine | |
Liu et al. | Long read alignment based on maximal exact match seeds | |
Ramos et al. | Quality of life of chronic renal patients in peritoneal dialysis and hemodialysis | |
Piccoli et al. | Prescribing hemodialysis or hemodiafiltration: when one size does not fit all the proposal of a personalized approach based on comorbidity and nutritional status | |
CN106933859B (zh) | 一种医疗数据的迁移方法和装置 | |
CN110674244B (zh) | 一种医疗文本的结构化处理方法及装置 | |
CN104537267A (zh) | 一种肾小球滤过率评估系统 | |
Zhang et al. | Differences in bio-incompatibility among four biocompatible dialyzer membranes using in maintenance hemodialysis patients | |
Fauziyati | Global challenge of early detection and management of chronic kidney disease | |
CN104952022A (zh) | 一种面向慢性肾脏病管理的大数据处理方法和设备 | |
Imholz et al. | The effect of glucose polymers on water removal and protein clearances during CAPD. | |
CN116230108A (zh) | 一种基于tdm和ai技术的智能用药决策方法及系统 | |
CN104933296A (zh) | 一种基于多维数据融合的大数据处理方法和设备 | |
WO2004100781A1 (en) | Disease predictions | |
Meert et al. | Evolution of protein-bound uraemic solutes during predilution haemofiltration. | |
Al-Taee et al. | Blood-glucose pattern mining algorithm for decision support in diabetes management | |
Parides et al. | Progress versus precision: challenges in clinical trial design for left ventricular assist devices | |
Fan et al. | Optimal treatment of chronic kidney disease with uncertainty in obtaining a transplantable kidney: an MDP based approach | |
Syntila et al. | Comparison of mechanical support with impella or extracorporeal life support in post-cardiac arrest cardiogenic shock: A propensity scoring matching analysis | |
Voskamp et al. | Vitamin K antagonist use and renal function in pre-dialysis patients | |
CN115039180A (zh) | 用于透析毒素置换剂化合物的建模和优化技术 | |
CN114446470A (zh) | 基于人工智能模型的急性肾损伤恢复时间预测方法 | |
Knezević et al. | Autotransplantation of the spleen | |
Rostoker et al. | Improving the efficiency of short-term single-needle hemodialysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150930 |