CN106485050B - 一种学习型的医嘱录入方法 - Google Patents
一种学习型的医嘱录入方法 Download PDFInfo
- Publication number
- CN106485050B CN106485050B CN201610818866.2A CN201610818866A CN106485050B CN 106485050 B CN106485050 B CN 106485050B CN 201610818866 A CN201610818866 A CN 201610818866A CN 106485050 B CN106485050 B CN 106485050B
- Authority
- CN
- China
- Prior art keywords
- doctor
- advice
- different
- project
- advice project
- 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.)
- Active
Links
Classifications
-
- G06F19/3481—
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种学习型的医嘱录入方法,该方法能够自动统计不同诊断结果、不同年龄段、不同性别和不同用户四个维度下各医嘱项目的使用频次,并根据设定的权重计算出各医嘱项目的加权使用频次,然后利用程序对各医嘱项目进行降序排列,将最常用的医嘱项目排在候选医嘱项目的最上面,便于用户进行选择,大大提高了其工作效率。由于不同维度的权重可以调节,可以根据实际的需要选择适当的权重,且该录入方法具备自学习功能,使用时间越长可使候选医嘱项目的排序更加合理。
Description
技术领域
本发明涉及医嘱录入领域,具体涉及一种学习型的医嘱录入方法。
背景技术
医嘱,就是医生根据病情和治疗的需要对病人在饮食、用药、化验等方面的指示。目前在医院中,大部分使用医院信息系统(HIS)进行医嘱管理。当医生开医嘱时,在HIS系统医嘱管理界面中输入要开的医嘱的首字母,系统便会下拉一个列表,显示所输入的首字母字符串所对应的可能的医嘱项目。对于诊断结果不同、年龄不同、性别不同的病人,需要开不同的医嘱。对于同一个类型的病人,不同的医生(即用户)也有不同开药的习惯。因此,如果对可能的医嘱项目列表不进行排序的话,医生要寻找要开的医嘱可能要花费较多的时间,降低工作效率。因此,有必要发明一种学习型的医嘱录入方法。
发明内容
为了解决上述技术问题,本发明的目的是提供一种学习型的医嘱录入方法,该方法能够自动统计不同维度下各医嘱项目的使用频次,并根据设定的权重计算出各医嘱项目的加权使用频次,然后对各医嘱项目进行降序排序,便于用户进行选择,提高用户的工作效率。
为达到上述目的,本发明采用的技术方案如下:
一种学习型的医嘱录入方法,包括以下步骤:
(1)建立医嘱项目库:将所有医嘱项目录入到项目库中,并为每个医嘱项目设立一个ID、建立医嘱名称与医嘱名称首字母字符串之间的映射关系。比如,表1中的医嘱项目葡萄糖注射液的字符串为pttzsy,对应的唯一ID为00001。所述医嘱项目库包括不同的诊断结果、不同的年龄段、不同的性别和不同的用户四个维度。
表1医嘱项目库示例
ID | 医嘱名称 | 字符串 |
00001 | 葡萄糖注射液 | pttzsy |
00002 | 维生素A注射液 | wssazsy |
00003 | 维生素C注射液 | wssczsy |
(2)统计各医嘱的使用次数:利用程序分别统计不同的诊断结果、不同的年龄段、不同的性别和不同的用户四个维度所对应的各医嘱项目的使用次数Xijk,用户在使用该录入方法时,采用一个医嘱项目则记数1次,即在上述四个维度中的对应医嘱项目次数加1。
其中,Xijk表示第i种维度下第j中分类的医嘱项目k的使用次数,i为1到4的自然数,其中1表示不同的诊断结果、2表示不同的年龄段、3表示不同的性别、4表示不同的用户;j表示上述四个维度下的第j种分类,j为1到n的自然数,其中n为诊断结果分类数、年龄分类数、性别分类数和用户数中的任一值;k表示第k种医嘱项目,k为1到m的自然数,其中m为医嘱项目的个数。
表2-5分别表示不同维度的各医嘱项目计算表。在用户实际使用过程中,一个医嘱项目输入一次,便可通过程序在四个表格中对应的医嘱项目处计数1次,即在使用次数处加1。
表2不同诊断结果下的医嘱项目计算表
ID | 诊断1 | 诊断2 | …… | 诊断n<sub>1</sub> |
00001 | ||||
00002 | ||||
00003 | ||||
…… | ||||
m |
表3不同年龄段下的医嘱项目计算表
ID | 0-3岁 | 3-6岁 | …… | 80岁以上(n<sub>2</sub>) |
00001 | ||||
00002 | ||||
00003 | ||||
…… | ||||
m |
表4不同性别的医嘱项目计算表
ID | 男 | 女(n<sub>3</sub>=2) |
00001 | ||
00002 | ||
00003 | ||
…… | ||
m |
表5不同用户的医嘱项目计算表
ID | 用户1 | 用户2 | …… | 用户n<sub>4</sub> |
00001 | ||||
00002 | ||||
00003 | ||||
…… | ||||
m |
例如,X223表示3-6岁年龄段下ID为00003的医嘱项目的使用次数。显然,当j≥3时,X3jk=0。
(3)计算各医嘱加权使用频次:针对某病人的已知诊断a、已知年龄段b、性别c和用户d,根据步骤(2)中的统计结果,利用程序找出与上述四个维度分别对应的各种医嘱项目的使用次数X1ak、X2bk、X3ck、X4dk,则第k种医嘱项目的加权使用频次为Fabcdk=α1X1ak+α2X2bk+α3X3ck+α4X4dk。
其中α1、α2、α3和α4分别为不同的诊断结果、不同的年龄段、不同的性别和不同的用户的影响权重。各维度的影响权重可在实际过程中逐步调整,一般而言,对于一个病人,诊断结果对其医嘱影响最大,可设置较高的权重;用户对诊断的影响排其次,性别和年龄的影响相对较小。
(4)生成候选医嘱项目列表:当用户输入一串医嘱项目的首字母字符串后,利用程序根据步骤(3)中计算出的各医嘱项目的加权使用频次生成候选医嘱项目列表,并按照加权使用频次的高低情况对相关医嘱项目进行降序排列,即加权使用频次越高的医嘱项目排在越上面,便于用户进行选择。
例如,可利用程序生成一张对应上述加权频次F值表的医嘱项目列表,见表6;然后,当用户输入一串首字母字符串后,利用程序生成候选医嘱项目列表,该候选医嘱项目列表与表6中的F值计算表进行关联,且根据F值计算表进行降序排列,F值高者排在上面,F值低者排在下面。
表6各医嘱项目F值计算表
ID | F值 |
00001 | |
00002 | |
00003 | |
…… | |
m |
进一步地,不同的诊断结果的影响权重α1为0.6-0.8,不同的年龄段的影响权重α2为0.02-0.07,不同的性别的影响权重α3为0.02-0.07,不同的用户的影响权重α4为0.1-0.3。
进一步地,不同的诊断结果的影响权重α1为0.7,不同的年龄段的影响权重α2为0.05,不同的性别的影响权重α3为0.05,不同的用户的影响权重α4为0.2。
相对于现有技术,本发明取得了有益的技术效果:
(1)提高了医嘱项目录入的合理性。学习型的医嘱录入方法可以根据病人的诊断结果、性别、年龄和主治医师分析得出待选医嘱项目排序清单,使用频率高的排在上面,低的排在下面,更具合理性。而普通的医嘱录入方法,输入一定字符串时,候选的医嘱项目清单顺序无规律可言。
(2)提高主治医师的工作效率。由于学习型的医嘱录入方法所生成的待选医嘱项目根据使用频率从高到低排序,医生可以更方便地选择更常用的医嘱项目,不用花时间在列表中大量的项目进行寻找,可以提高录入的工作效率。
(3)医嘱使用要求可调整。由于学习型的医嘱录入方法中不同维度的权重可以调节,所以可以根据实际的需要选择适当的权重,得到更符合使用要求的医嘱项目排序清单。且随着使用时间的增加,由于该录入方法的自学习功能,可使得医嘱项目的排序清单更加合理。
附图说明
图1是本发明公开的学习型医嘱录入方法的流程图。
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,以下结合实施例对本发明进行进一步详细说明,但本发明要求保护的范围并不局限于下述具体实施例。
建立医嘱项目库。假设该库中仅涉及四个医嘱项目,分别为葡萄糖注射液、维生素A注射液、维生素C注射液和维生素C泡腾片,字符串分别为pttzsy、wssazsy、wssczsy和wsscptp,对应的ID为00001-00004,参见表7
表7医嘱项目库
ID | 医嘱名称 | 字符串 |
00001 | 葡萄糖注射液 | pttzsy |
00002 | 维生素A注射液 | wssazsy |
00003 | 维生素C注射液 | wssczsy |
00004 | 维生素C泡腾片 | wsscptp |
医院某科室使用一段时间后,各维度下的医嘱项目使用次数统计见表8-11。
表8不同诊断结果下的医嘱项目计算表
ID | 诊断1 | 诊断2 | 诊断3 |
00001 | 10 | 2 | 4 |
00002 | 4 | 2 | 3 |
00003 | 12 | 4 | 3 |
00004 | 3 | 7 | 7 |
表9不同年龄段下的医嘱项目计算表
ID | 0-3岁 | 3-6岁 | …… | 80岁以上 |
00001 | 1 | 2 | 2 | |
00002 | 2 | 3 | 1 | |
00003 | 1 | 2 | 1 | |
00004 | 3 | 4 | 1 |
表10不同性别的医嘱项目计算表
ID | 男 | 女 |
00001 | 6 | 10 |
00002 | 4 | 5 |
00003 | 9 | 10 |
00004 | 10 | 7 |
表11不同用户的医嘱项目计算表
ID | 用户1 | 用户2 | …… | 用户n<sub>4</sub> |
00001 | 1 | 2 | 1 | |
00002 | 1 | 2 | 1 | |
00003 | 2 | 1 | 3 | |
00004 | 1 | 0 | 2 |
针对某病人计算各医嘱项目的加权使用频次。其中,不同的诊断结果的影响权重α1为0.7,不同的年龄段的影响权重α2为0.05,不同的性别的影响权重α3为0.05,不同的用户的影响权重α4为0.2。若某病人性别为男,年龄为2岁,诊断结果为诊断1,主治医师为用户1,则各医嘱的加权使用频次F值计算结果见表12。
表12各医嘱项目加权使用频次计算表
ID | 诊断1 | 0-3岁 | 男 | 用户1 | F值 |
00001 | 10 | 1 | 6 | 1 | 7.55 |
00002 | 4 | 2 | 4 | 1 | 3.3 |
00003 | 12 | 1 | 9 | 2 | 9.3 |
00004 | 3 | 3 | 10 | 1 | 2.95 |
当用户1输入wss时,利用程序生成候选医嘱项目列表,该列表与各医嘱项目的F值计算表进行关联,且各医嘱项目按照F值进行降序排列,即前三个字的首字母分别为wss的所有医嘱项目即00002、00003、00004将显示在下拉列表中,通过程序按F值进行降序排列后见表13,这样用户1最常使用的维生素C注射液将排在最上面,便于用户1选择,大大提高了其工作效率。
表13候选医嘱项目列表
ID | 医嘱名称 | F值 |
00003 | 维生素C注射液 | 9.3 |
00002 | 维生素A注射液 | 3.3 |
00004 | 维生素C泡腾片 | 2.95 |
根据上述说明书的揭示和教导,本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此,本发明并不局限于上面揭示和描述的具体实施方式,对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外,尽管本说明书中使用了一些特定的术语,但这些术语只是为了方便说明,并不对发明构成任何限制。
Claims (3)
1.一种学习型的医嘱录入方法,其特征在于,所述医嘱录入方法包括以下步骤:
(1)建立医嘱项目库:将所有医嘱项目录入到项目库中,并为每个医嘱项目设立一个ID、建立医嘱名称与医嘱名称首字母字符串之间的映射关系;所述医嘱项目库包括不同的诊断结果、不同的年龄段、不同的性别和不同的用户四个维度;
(2)统计各医嘱的使用次数:利用程序分别统计不同的诊断结果、不同的年龄段、不同的性别和不同的用户四个维度所对应的各医嘱项目的使用次数Xijk,用户在使用该录入方法时,采用一个医嘱项目则记数1次,即在上述四个维度中的对应医嘱项目次数加1;
其中,Xijk表示第i种维度下第j中分类的医嘱项目k的使用次数,i为1到4的自然数,其中1表示不同的诊断结果、2表示不同的年龄段、3表示不同的性别、4表示不同的用户;j表示上述四个维度下的第j种分类,j为1到n的自然数,其中n为诊断结果分类数、年龄分类数、性别分类数和用户数中的任一值;k表示第k种医嘱项目,k为1到m的自然数,其中m为医嘱项目的个数;
(3)计算各医嘱加权使用频次:针对某病人的已知诊断a、已知年龄段b、性别c和用户d,根据步骤(2)中的统计结果,利用程序找出与上述四个维度分别对应的各种医嘱项目的使用次数X1ak、X2bk、X3ck、X4dk,k为1到m的自然数,其中m为医嘱项目的个数,则第k种医嘱项目的加权使用频次为Fabcdk=α1X1ak+α2X2bk+α3X3ck+α4X4dk;
其中α1、α2、α3和α4分别为不同的诊断结果、不同的年龄段、不同的性别和不同的用户的影响权重;
(4)生成候选医嘱项目列表:当用户输入一串医嘱项目的首字母字符串后,利用程序根据步骤(3)中计算出的各医嘱项目的加权使用频次生成候选医嘱项目列表,并按照加权使用频次的高低情况对相关医嘱项目进行降序排列,即加权使用频次越高的医嘱项目排在越上面,便于用户进行选择。
2.根据权利要求1所述的医嘱录入方法,其特征在于:不同的诊断结果的影响权重α1为0.6-0.8,不同的年龄段的影响权重α2为0.02-0.07,不同的性别的影响权重α3为0.02-0.07,不同的用户的影响权重α4为0.1-0.3。
3.根据权利要求2所述的医嘱录入方法,其特征在于:不同的诊断结果的影响权重α1为0.7,不同的年龄段的影响权重α2为0.05,不同的性别的影响权重α3为0.05,不同的用户的影响权重α4为0.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610818866.2A CN106485050B (zh) | 2016-09-13 | 2016-09-13 | 一种学习型的医嘱录入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610818866.2A CN106485050B (zh) | 2016-09-13 | 2016-09-13 | 一种学习型的医嘱录入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106485050A CN106485050A (zh) | 2017-03-08 |
CN106485050B true CN106485050B (zh) | 2019-04-23 |
Family
ID=58273766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610818866.2A Active CN106485050B (zh) | 2016-09-13 | 2016-09-13 | 一种学习型的医嘱录入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106485050B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110021396A (zh) * | 2017-07-12 | 2019-07-16 | 东软集团股份有限公司 | 医嘱录入方法及装置、存储介质、电子设备 |
CN111951915A (zh) * | 2020-08-10 | 2020-11-17 | 智业软件股份有限公司 | 一种药品和药品用法推荐方法、终端设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101623202A (zh) * | 2008-07-08 | 2010-01-13 | 深圳迈瑞生物医疗电子股份有限公司 | 一种医学输入法及医疗设备 |
CN102651015A (zh) * | 2012-03-30 | 2012-08-29 | 梁宗强 | 为搜索药品分配权重方法和模块 |
CN104200069A (zh) * | 2014-08-13 | 2014-12-10 | 周晋 | 一种基于症状分析和机器学习的用药推荐系统和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7096212B2 (en) * | 2001-11-21 | 2006-08-22 | Forhealth Technologies, Inc. | Serial data capture and processing |
-
2016
- 2016-09-13 CN CN201610818866.2A patent/CN106485050B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101623202A (zh) * | 2008-07-08 | 2010-01-13 | 深圳迈瑞生物医疗电子股份有限公司 | 一种医学输入法及医疗设备 |
CN102651015A (zh) * | 2012-03-30 | 2012-08-29 | 梁宗强 | 为搜索药品分配权重方法和模块 |
CN104200069A (zh) * | 2014-08-13 | 2014-12-10 | 周晋 | 一种基于症状分析和机器学习的用药推荐系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106485050A (zh) | 2017-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meng et al. | Bidirectional representation learning from transformers using multimodal electronic health record data to predict depression | |
US11600390B2 (en) | Machine learning clinical decision support system for risk categorization | |
WO2017152802A1 (zh) | 将文本类医疗报告转换为结构化数据的智能系统及方法 | |
Peng et al. | A generalized F mixture model for cure rate estimation | |
CN104408547B (zh) | 一种基于数据挖掘的医保欺诈行为的检测方法 | |
US11127498B2 (en) | Intelligent alert suppression | |
Chattopadhyay et al. | A Case‐Based Reasoning system for complex medical diagnosis | |
CN113268511B (zh) | 一种基于古籍古方的中医处方推荐方法及系统 | |
US20210287805A1 (en) | Systems and methods for prognosis prediction of acute myeloid leukemia patients | |
CN106485050B (zh) | 一种学习型的医嘱录入方法 | |
CN106096286A (zh) | 临床路径制定方法及装置 | |
Klinthäll et al. | Migration and health: a study of effects of early life experiences and current socio-economic situation on mortality of immigrants in Sweden | |
CN108231146A (zh) | 一种基于深度学习的医疗记录模型构建方法、系统及装置 | |
CN107357782A (zh) | 一种识别用户性别的方法及终端 | |
KR19980025157A (ko) | 질병 관리 방법 및 시스템 | |
Jiang et al. | Using Data Mining to Analyze Patient Discharge Data for an Urban Hospital. | |
Li et al. | Mtssp: Missing value imputation in multivariate time series for survival prediction | |
CN109872783B (zh) | 一种基于大数据的糖尿病文献信息标准数据库集分析方法 | |
Sharma et al. | Comparing Data Mining Techniques Used For Heart Disease Prediction | |
CN112205965B (zh) | 基于时间窗口切割的健康风险关键事件检测方法及系统 | |
Almanie et al. | Economic impact of waste in Prescribing, Dispensing, and Medication consumption in the United States | |
CN106503424A (zh) | 一种学习型的电子病历录入方法 | |
Fisher et al. | Deep learning for comprehensive forecasting of Alzheimer's Disease progression | |
CN113450919A (zh) | 心衰预警模型的构建方法、构建系统和心衰预警装置 | |
Mamedov et al. | A Fuzzy Derivative Approach to Classification of outcomes from the ADRAC database |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 510700 Guangdong Province Huangpu District Maogang Village Kengtian Avenue 32 Guangzhou Yuzhu Zhigu E-PARK Creative Park C03 Applicant after: Guangzhou Huiyang Health Science and Technology Co Ltd Address before: 510000 Victoria Building 1206, 106 Huangpu Avenue West, Tianhe District, Guangzhou City, Guangdong Province Applicant before: GUANGZHOU WISEFLY INFORMATION SYSTEM TECHNOLOGY CO., LTD. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |