CN107591189A - 一种基于otc药品的推荐系统 - Google Patents
一种基于otc药品的推荐系统 Download PDFInfo
- Publication number
- CN107591189A CN107591189A CN201710755177.6A CN201710755177A CN107591189A CN 107591189 A CN107591189 A CN 107591189A CN 201710755177 A CN201710755177 A CN 201710755177A CN 107591189 A CN107591189 A CN 107591189A
- Authority
- CN
- China
- Prior art keywords
- medicine
- msub
- mrow
- symptom
- symptom 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
Abstract
本发明提供了一种基于OTC药品的推荐系统,其中,包括,症状特征数据库,用以对获取的使用者的病症信息进行匹配,以获取对应的症状特征的第一集合;药品数据库,与症状特征数据库连接,用以根据第一集合中的每个症状特征与药品之间的关联信息,获取每个症状特征的特征权重,以及获取每一症状特征对应的药品的第二集合,药品匹配模块,与药品数据库连接,用以根据特征权重以及每个症状特征对应的第二集合中的药品,分别获取每个药品的匹配度。其技术方案的有益效果在于,克服了现有技术中基于药师向患者推荐药品存在的药师水平参差不齐,导致最终推荐的药品不一定适合患者的缺陷。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种基于OTC药品的推荐系统。
背景技术
OTC非处方药,是指为方便公众用药,在保证用药安全的前提下,经国家卫生行政部门规定或审定后,不需要医师或其它医疗专业人员开写处方即可购买的药品。现有的患者在购买药品时,通常是选择去连锁药店等实体医药零售店进行购买,具体是患者将自己的症状描述给药师,药师选择相应的药品给患者,但是这种方式存在以下缺陷,药店内的执业药师的水平可能参差不齐,进而导致推荐的药品并不一定适合患者,另外各实体店需配备多名药师进而使人力成本急速上升,因此急需一种能给使用者推荐药品的系统,现有的关于应用在药品领域中的系统,大多数是对药品建立药品数据库,仅作为查询药品使用,因此并不能根据患者的病症信息作出相应药品的推荐。
发明内容
针对现有技术中存在的上述问题,现提供一种旨在根据使用者的病症信息向使用者推荐相应的药品,以及每个药品与症状特征的匹配值,进而使用者可根据匹配值准确的选择药品的推荐系统。
具体技术方案如下:
一种基于OTC药品的推荐系统,其中,包括:症状特征数据库,用以预先保存多个症状特征;
药品数据库,预先保存有每个所述症状特征与药品之间的关联信息;
症状特征处理模块,与所述症状特征数据库连接,用以将获取的使用者的病症信息与所述症状特征数据库中的多个所述症状特征进行匹配,以获取对应的所述症状特征的第一集合;
药品处理模块,与所述药品数据库以及所述症状特征处理模块连接,用以根据所述第一集合中的每个所述症状特征与药品之间的关联信息,获取每个所述症状特征的特征权重,以及获取每一所述症状特征对应的药品的第二集合,
药品匹配模块,与所述药品处理模块连接,用以根据所述特征权重以及每个所述症状特征对应的所述第二集合中的药品,分别获取每个所述药品的匹配度。
优选的,获取每个所述症状特征的所述症状权重的方法如下式所示:
其中,|{j:Pi∈Mj}|表示包含症状Pi的药品数量,Mj表示第j个药品,|M|表示药品数据库中所有药品数量。
优选的,所述症状特征的所述第一集合为P={P1,P2,L,Pn},每个所述症状特征对应的药品的所述第二集合为:M={M1,M2,L,Ms};获取每个所述药品的匹配度的方法如下式所示:
Mj表示第j个药品,WPi表示症状权重,药品Mj的匹配度AMj。
优选的,所述药品匹配模块还包括对获取的每个所述药品的所述匹配度进行归一化处理。
优选的,每个所述症状特征对应的药品的所述第二集合为:M={M1,M2,L,Ms},药品匹配度的集合为,AM={AM1,AM2,L,AMs},对每个所述药品的所述匹配度进行归一化处理的方法,如下式所示:
其中min(AM)和max(AM)分别表示药品匹配度集合AM中元素的最小值和最大值,且max(AM)-min(AM)≠0,λ为(0,1)之间的常数。
优选的,还包括一输入模块,所述输入模块与所述症状特征处理模块连接,用以获取使用者的所述病症信息,并将所述病症信息输入值所述症状特征数据库进行匹配。
优选的,还包括一输出模块,所述输出模块与所述药品匹配模块连接,用以输出每个所述药品的信息以及所述药品对应的所述匹配度。
上述技术方案具有如下优点或有益效果:本推荐系统可根据使用者的病症信息,推荐出相应的药品,以及每个药品的匹配度,进而可方便使用者准确的选择合适自己的药品,克服了现有技术中基于药师向患者推荐药品存在的药师水平参差不齐,导致最终推荐的药品不一定适合患者的缺陷。
附图说明
参考所附附图,以更加充分的描述本发明的实施例。然而,所附附图仅用于说明和阐述,并不构成对本发明范围的限制。
图1为本发明基于OTC药品的推荐系统的实施例的结构示意图。
附图标记表示:
1、症状特征数据库;2、药品数据库;3、症状特征处理模块;4、药品处理模块;5、药品匹配模块;6、输入模块;7、输出模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
本发明的技术方案中包括一种基于OTC药品的推荐系统。
如图1所示,一种基于OTC药品的推荐系统的实施例,其中,包括:症状特征数据库1,用以预先保存多个症状特征;
药品数据库2,预先保存有每个症状特征与药品之间的关联信息;
症状特征处理模块3,与症状特征数据库1连接,用以将获取的使用者的病症信息与症状特征数据库1中的多个症状特征进行匹配,以获取对应的症状特征的第一集合;
药品处理模块4,与药品数据库2以及症状特征处理模块3连接,用以根据第一集合中的每个症状特征与药品之间的关联信息,获取每个症状特征的特征权重,以及获取每一症状特征对应的药品的第二集合,
药品匹配模块5,与药品处理模块4连接,用以根据特征权重以及每个症状特征对应的第二集合中的药品,分别获取每个药品的匹配度。
针对现有技术中的,药品推荐都是药品实体店内的药师基于经验向患者推荐相应的药品,因此存在主观性较强,另一方面药师的水平参差不齐可能导致最终推荐的药品并不适合患者的问题;
本发明中,通过对使用者的病症信息进行匹配以获取相应的症状特征,其中需要说明的时,基于使用者的病症信息匹配出的症状特征可以是一个,或者是多个的集合;
症状特征与药品之间的关联关系表示的是,如果某一症状特征对应的药品数量越少,则表示该症状特征对药品的区分能力越强,即该症状特征对应的药品关联性越强;
当获取了使用者的症状特征之后,可对该症状特征进行分析,以获取改症状特征对应的药品种类的集合,即上述的第二集合,以及每个症状特征的特征权重;
最终根据每个症状特征的特征权重以及每个第二集合中的药品,获取每一药品的匹配度。
需要说明的是,该推荐系统亦可应用于医药电商中,即为不同的消费者提供的病症信息推荐相应的药品,使用者可根据推荐的药品,以及药品对应的匹配度,在线选择对应的药品进行购买,其中购买的实现方式可以通过该推荐系统将推荐的药品以界面的方式提供给使用者,并且提供每个药品的购买链接,当使用者点击该界面中的药品时,则会跳转至对应的购买界面方便使用者进行针对性的购买。
在一种较优的实施方式中,获取每个症状特征的症状权重的方法如下式所示:
其中,|{j:Pi∈Mj}|表示包含症状Pi的药品数量,Mj表示第j个药品,|M|表示药品数据库2中所有药品数量。
上述技术方案中,需要说明的是,药品数据库2中的药品数量|M|足够大,且能完全覆盖症状特征数据库1中的症状特征。
在一种较优的实施方式中,症状特征的第一集合为P={P1,P2,L,Pn},每个症状特征对应的药品的第二集合为:M={M1,M2,L,Ms};获取每个药品的匹配度的方法如下式所示:
Mj表示第j个药品,WPi表示症状权重,药品Mj的匹配度
上述技术方案中,药品数据库2中的药品数量|M|足够大,且能完全覆盖症状特征数据库1中的症状特征,所以药品Mj的匹配度满足式下式:
在一种较优的实施方式中,药品匹配模块5还包括对获取的每个药品的匹配度进行归一化处理。
在一种较优的实施方式中,每个症状特征对应的药品的第二集合为:M={M1,M2,L,Ms},药品匹配度的集合为,对每个药品的匹配度进行归一化处理的方法,如下式所示:
其中min(AM)和max(AM)分别表示药品匹配度集合AM中元素的最小值和最大值,且max(AM)-min(AM)≠0,λ为(0,1)之间的常数。
上述技术方案中,λ可通过具体的训练样本进行选择。
在一种较优的实施方式中,还包括一输入模块6,输入模块6与症状特征数处理模块连接,用以获取使用者的病症信息,并将病症信息输入值症状特征数据库1进行匹配。
在一种较优的实施方式中,还包括一输出模块7,输出模块7与药品匹配模块5连接,用以输出每个药品的信息以及药品对应的匹配度。
以下以一种具体的实施方式进行说明,我们假设使用者输入的病症信息经过症状特征数据库1匹配之后获得三种症状特征,如P1、P2、P3,三种症状特征,{P1,P2,P3};
药品数据库2中的药品假设为1000种,其中与症状特征P1相关的药品有6种,分别为{M1,M2,M3,M4,M5,M6},与症状特征P2相关的药品有5种,分别为{M1,M5,M7,M8,M9},与症状特征P3相关的药品有4种,分别为{M3,M5,M7,M10}。
症状权重Pi的权重可计算为:
药品Mi的匹配度可计算为:
若选择λ=0.65,则归一化后的药品Mi的匹配度可计算为:
最终基于OTC药品的推荐系统推荐给使用者的OTC药品信息如下:
药品M5,匹配度88.6%,
药品M1,匹配度65.0%,
药品M3,匹配度59.1%,
药品M7,匹配度53.2%,
药品M2,匹配度35.5%,
药品M4,匹配度35.5%,
药品M6,匹配度35.5%,
药品M8,匹配度29.5%,
药品M9,匹配度29.5%,
药品M10,匹配度23.6%。:
本推荐系统可根据使用者的病症信息,推荐出相应的药品,以及每个药品的匹配度,进而可方便使用者准确的选择合适自己的药品,克服了现有技术中基于药师向患者推荐药品存在的药师水平参差不齐,导致最终推荐的药品不一定适合患者的缺陷。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (7)
1.一种基于OTC药品的推荐系统,其特征在于,包括:症状特征数据库,用以预先保存多个症状特征;
药品数据库,预先保存有每个所述症状特征与药品之间的关联信息;
症状特征处理模块,与所述症状特征数据库连接,用以将获取的使用者的病症信息与所述症状特征数据库中的多个所述症状特征进行匹配,以获取对应的所述症状特征的第一集合;
药品处理模块,与所述药品数据库以及所述症状特征处理模块连接,用以根据所述第一集合中的每个所述症状特征与药品之间的关联信息,获取每个所述症状特征的特征权重,以及获取每一所述症状特征对应的药品的第二集合,
药品匹配模块,与所述药品处理模块连接,用以根据所述特征权重以及每个所述症状特征对应的所述第二集合中的药品,分别获取每个所述药品的匹配度。
2.根据权利要求1所述的推荐系统,其特征在于,获取每个所述症状特征的所述症状权重的方法如下式所示:
<mrow>
<msub>
<mi>W</mi>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mo>{</mo>
<mi>j</mi>
<mo>:</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>&Element;</mo>
<msub>
<mi>M</mi>
<mi>j</mi>
</msub>
<mo>}</mo>
<mo>|</mo>
</mrow>
<mrow>
<mo>|</mo>
<mi>M</mi>
<mo>|</mo>
</mrow>
</mfrac>
</mrow>
其中,|{j:Pi∈Mj}|表示包含症状Pi的药品数量,Mj表示第j个药品,|M|表示药品数据库中所有药品数量。
3.根据权利要求2所述的推荐系统,其特征在于,所述症状特征的所述第一集合为P={P1,P2,L,Pn},每个所述症状特征对应的药品的所述第二集合为:M={M1,M2,L,Ms};获取每个所述药品的匹配度的方法如下式所示:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>A</mi>
<msub>
<mi>M</mi>
<mi>j</mi>
</msub>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>W</mi>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>&Element;</mo>
<msub>
<mi>M</mi>
<mi>j</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>s</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
Mj表示第j个药品,表示症状权重,药品Mj的匹配度
4.根据权利要求3所述的推荐系统,其特征在于,所述药品匹配模块还包括对获取的每个所述药品的所述匹配度进行归一化处理。
5.根据权利要求4所述的推荐系统,其特征在于,每个所述症状特征对应的药品的所述第二集合为:M={M1,M2,L,Ms},每个药品匹配度的集合为,对每个所述药品的所述匹配度进行归一化处理的方法,如下式所示:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>A</mi>
<mo>&OverBar;</mo>
</mover>
<msub>
<mi>M</mi>
<mi>j</mi>
</msub>
</msub>
<mo>=</mo>
<mi>&lambda;</mi>
<mo>&CenterDot;</mo>
<mfrac>
<msub>
<mi>A</mi>
<msub>
<mi>M</mi>
<mi>j</mi>
</msub>
</msub>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>A</mi>
<mi>M</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>A</mi>
<mi>M</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>s</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中min(AM)和max(AM)分别表示药品匹配度集合AM中元素的最小值和最大值,且max(AM)-min(AM)≠0,λ为(0,1)之间的常数。
6.根据权利要求1所述的推荐系统,其特征在于,还包括一输入模块,所述输入模块与所述症状特征处理模块连接,用以获取使用者的所述病症信息,并将所述病症信息输入值所述症状特征数据库进行匹配。
7.根据权利要求1所述的推荐系统,其特征在于,还包括一输出模块,所述输出模块与所述药品匹配模块连接,用以输出每个所述药品的信息以及所述药品对应的所述匹配度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710755177.6A CN107591189A (zh) | 2017-08-29 | 2017-08-29 | 一种基于otc药品的推荐系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710755177.6A CN107591189A (zh) | 2017-08-29 | 2017-08-29 | 一种基于otc药品的推荐系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107591189A true CN107591189A (zh) | 2018-01-16 |
Family
ID=61050247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710755177.6A Pending CN107591189A (zh) | 2017-08-29 | 2017-08-29 | 一种基于otc药品的推荐系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107591189A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108198597A (zh) * | 2018-03-23 | 2018-06-22 | 顾泰来 | 一种处方外购涉及的医疗机构用药管理平台及方法 |
CN108231153A (zh) * | 2018-02-08 | 2018-06-29 | 康美药业股份有限公司 | 一种药品推荐方法、电子设备和存储介质 |
CN108389608A (zh) * | 2018-02-08 | 2018-08-10 | 康美药业股份有限公司 | 药品推荐方法、电子设备和存储介质 |
CN108470402A (zh) * | 2018-02-08 | 2018-08-31 | 康美药业股份有限公司 | 自动售药机及其售药方法、存储介质 |
CN109087691A (zh) * | 2018-08-02 | 2018-12-25 | 科大智能机器人技术有限公司 | 一种基于深度学习的非处方药品推荐系统和推荐方法 |
CN109712684A (zh) * | 2018-11-06 | 2019-05-03 | 闽江学院 | 一种组合药物的推荐方法和装置 |
CN110389997A (zh) * | 2019-07-15 | 2019-10-29 | 苏州惠邦医疗科技有限公司 | 一种医疗行业的知识库的检索系统 |
CN110706814A (zh) * | 2019-10-14 | 2020-01-17 | 郑州西亚斯学院 | 一种分布式的智能经济管理系统 |
CN111192650A (zh) * | 2019-12-25 | 2020-05-22 | 浙江大学 | 基于肠外营养的药方信息推送方法、装置和计算机设备 |
WO2020132918A1 (zh) * | 2018-12-24 | 2020-07-02 | 深圳市优必选科技有限公司 | 药品预测方法、装置、计算机设备及存储介质 |
CN112270968A (zh) * | 2020-11-16 | 2021-01-26 | 上海陶术生物科技有限公司 | 一种基于数据库的药物疾病匹配方法 |
CN112905778A (zh) * | 2021-03-22 | 2021-06-04 | 湖南智芯智能科技有限公司 | 一种用于药店服务人员的问询辅助方法及系统 |
CN112955964A (zh) * | 2018-06-14 | 2021-06-11 | 阿斯利康(英国)有限公司 | 用二甲双胍药物组合物降低血糖的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049641A (zh) * | 2012-11-13 | 2013-04-17 | 张宝永 | 一种导医诊断显示方法及系统 |
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 |
CN105373706A (zh) * | 2015-12-04 | 2016-03-02 | 上海斐讯数据通信技术有限公司 | 药品推送方法及系统 |
-
2017
- 2017-08-29 CN CN201710755177.6A patent/CN107591189A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049641A (zh) * | 2012-11-13 | 2013-04-17 | 张宝永 | 一种导医诊断显示方法及系统 |
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 |
CN105373706A (zh) * | 2015-12-04 | 2016-03-02 | 上海斐讯数据通信技术有限公司 | 药品推送方法及系统 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108231153A (zh) * | 2018-02-08 | 2018-06-29 | 康美药业股份有限公司 | 一种药品推荐方法、电子设备和存储介质 |
CN108389608A (zh) * | 2018-02-08 | 2018-08-10 | 康美药业股份有限公司 | 药品推荐方法、电子设备和存储介质 |
CN108470402A (zh) * | 2018-02-08 | 2018-08-31 | 康美药业股份有限公司 | 自动售药机及其售药方法、存储介质 |
CN108198597A (zh) * | 2018-03-23 | 2018-06-22 | 顾泰来 | 一种处方外购涉及的医疗机构用药管理平台及方法 |
CN112955964A (zh) * | 2018-06-14 | 2021-06-11 | 阿斯利康(英国)有限公司 | 用二甲双胍药物组合物降低血糖的方法 |
CN112955964B (zh) * | 2018-06-14 | 2023-10-27 | 阿斯利康(英国)有限公司 | 用二甲双胍药物组合物降低血糖的方法 |
CN109087691A (zh) * | 2018-08-02 | 2018-12-25 | 科大智能机器人技术有限公司 | 一种基于深度学习的非处方药品推荐系统和推荐方法 |
CN109712684A (zh) * | 2018-11-06 | 2019-05-03 | 闽江学院 | 一种组合药物的推荐方法和装置 |
WO2020132918A1 (zh) * | 2018-12-24 | 2020-07-02 | 深圳市优必选科技有限公司 | 药品预测方法、装置、计算机设备及存储介质 |
CN110389997A (zh) * | 2019-07-15 | 2019-10-29 | 苏州惠邦医疗科技有限公司 | 一种医疗行业的知识库的检索系统 |
CN110389997B (zh) * | 2019-07-15 | 2024-01-12 | 苏州惠邦医疗科技有限公司 | 一种医疗行业的知识库的检索系统 |
CN110706814A (zh) * | 2019-10-14 | 2020-01-17 | 郑州西亚斯学院 | 一种分布式的智能经济管理系统 |
CN111192650A (zh) * | 2019-12-25 | 2020-05-22 | 浙江大学 | 基于肠外营养的药方信息推送方法、装置和计算机设备 |
CN111192650B (zh) * | 2019-12-25 | 2021-07-30 | 浙江大学 | 基于肠外营养的药方信息推送方法、装置和计算机设备 |
CN112270968A (zh) * | 2020-11-16 | 2021-01-26 | 上海陶术生物科技有限公司 | 一种基于数据库的药物疾病匹配方法 |
CN112905778A (zh) * | 2021-03-22 | 2021-06-04 | 湖南智芯智能科技有限公司 | 一种用于药店服务人员的问询辅助方法及系统 |
CN112905778B (zh) * | 2021-03-22 | 2022-05-20 | 湖南智芯智能科技有限公司 | 一种用于药店服务人员的问询辅助方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107591189A (zh) | 一种基于otc药品的推荐系统 | |
Obama | United States health care reform: progress to date and next steps | |
US20200395112A1 (en) | A System and Method for Documenting a Patient Medical History | |
Trusko et al. | The Standardization of Uveitis Nomenclature (SUN) project: development of a clinical evidence base utilizing informatics tools and techniques | |
CN104584021B (zh) | 一种智能选药的方法、系统和设备 | |
CN109658208A (zh) | 药品的推荐方法、装置、介质和电子设备 | |
McGinnis et al. | Vital signs: core metrics for health and health care progress | |
Roberts et al. | Economic cost of visual impairment in Japan | |
CN109087691A (zh) | 一种基于深度学习的非处方药品推荐系统和推荐方法 | |
CN105528526A (zh) | 一种基于中医药传承与大数据挖掘的生命周期动态健康管理系统 | |
CN107945847B (zh) | 一种非处方药品的推荐系统及方法 | |
Mills | A person-centred approach to holistic assessment | |
Zhang | Big data and clinical research: focusing on the area of critical care medicine in mainland China | |
CN108009198A (zh) | 基于用户行为推荐药品方法、系统、电子设备及存储介质 | |
CN109166619A (zh) | 基于神经网络算法的中医智能诊断辅助系统及方法 | |
de Beurs et al. | Common measures or common metrics? A plea to harmonize measurement results | |
Geng et al. | Patient engagement in cancer survivorship care through mHealth: a consumer-centered review of existing mobile applications | |
CN111292823A (zh) | 用于零售药店购药引导的采纳方法及系统 | |
Gilden et al. | The economic burden of Medicare-eligible patients by multiple sclerosis type | |
Hung et al. | Predicting gastrointestinal bleeding events from multimodal in-hospital electronic health records using deep fusion networks | |
Poole et al. | Medication reconciliation: a necessity in promoting a safe hospital discharge | |
Hurwitz et al. | Welcome developments in UK medical humanities | |
Sinha et al. | Application of Big Data Analytics and Internet of Medical Things (IoMT) in Healthcare with View of Explainable Artificial Intelligence: A Survey | |
JP2019113949A (ja) | 処方探索システム及び方法、処方探索プログラム | |
CN109166631A (zh) | 基于网络科学和卷积神经网络的药品关联图谱的构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180116 |
|
RJ01 | Rejection of invention patent application after publication |