CN107910062B - 基于权重的疾病预警装置 - Google Patents
基于权重的疾病预警装置 Download PDFInfo
- Publication number
- CN107910062B CN107910062B CN201711248143.4A CN201711248143A CN107910062B CN 107910062 B CN107910062 B CN 107910062B CN 201711248143 A CN201711248143 A CN 201711248143A CN 107910062 B CN107910062 B CN 107910062B
- Authority
- CN
- China
- Prior art keywords
- rule
- rule set
- weight
- calling
- items
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种基于权重的疾病预警方法及装置,通过先获取若干检验项目对规则的调用结果,然后触发相应的疾病指示模板,判断所述若干检验项目对该疾病指示模板中各个规则集的调用权重的加权和,则当该加权和大于预设的阈值时,则在预设位置进行所述疾病指示模板的病例的预警显示。本发明通过引入权重的方式,可以实现采用定量数值表征各个规则集对于特定疾病诊断的重要性,能够达到“精准病例提示”或者“精准预警”。
Description
技术领域
本发明涉及医疗检测领域,尤其涉及一种基于权重的疾病预警装置。
背景技术
随着医疗体系的不断健全,作为疾病诊断手段的检验服务也更加专业化和多样化,检验服务开始进入自动化和智能化。通过预设的规则,可以自动审核检验项目是否异常,也可自动审核检验项目的阳性率等。通过上述手段,大大缩短了实验室的检测流程,无需人工比对和筛查。但是,现有技术缺少根据多个检验结果对疾病诊断的自动化手段,仍需人工对多个检验项目进行分析后才能对某种疾病的进行诊断。因此,在医疗机构中,亟需一种疾病指示系统,能自动根据多种检验项目的检测结果获得某种疾病的指示,为医疗工作者、检验人员等提供参考。
发明内容
本发明实施例的目的是提供一种基于权重的疾病预警装置,能有效解决现有技术仍需人工对多个检验项目进行分析后才能对某种疾病的进行诊断的问题,实现某种疾病的自动化预判。
为实现上述目的,本发明实施例提供了一种基于权重的疾病预警装置,包括步骤:
响应于对若干检验项目的检测结果的审核指令,根据所述检验项目的检测结果,调用规则库中的规则对所述检验项目的检测结果进行审核,并标记所述检验项目为已审核项目;其中,所述规则库包括若干规则,所述规则用于审核所述检验项目的检测结果是否异常;
根据每一所述已审核项目的审核结果,获取每一所述已审核项目对所述规则库中每一所述规则的调用结果;其中,所述规则的调用结果包括未触发、已触发未违背和已违背;
响应于疾病指示指令,根据若干已审核项目对所述规则库中每一所述规则的调用结果,触发相应的疾病指示模板,计算所述若干检验项目对所述疾病指示模板中每一规则集的调用权重;其中,所述疾病指示模板包括若干规则集,所述规则集包括若干规则;
计算对所述疾病指示模板中全部规则集的调用权重的加权和,当计算得到的所述调用权重的和大于预设的阈值时,则在预设位置进行所述疾病指示模板的病例的预警显示。
作为上述方案的改进,所述规则集在所述疾病指示模板中的权重系数根据预设的规则集之间的重要程度,并通过序关系分析法计算得到。
作为上述方案的改进,所述规则集之间的重要程度由以下方式进行表征:
当其中一规则集相对另一规则集相同重要时,则两者的权重系数比为1;
当其中一规则集相对另一规则集稍微重要时,则两者的权重系数比为1.2;
当其中一规则集相对另一规则集明显重要时,则两者的权重系数比为1.4;
当其中一规则集相对另一规则集强烈重要时,则两者的权重系数比为1.6。
作为上述方案的改进,所述疾病指示模板中包括n个规则集,n>1;每一所述规则集在所述疾病指示模板中的权重系数通过以下方式计算得到,:
获取各个规则集的序关系,并根据所述序关系对所述规则集进行依次排列;
计算规则集序列中的第n个规则集的权重系数,根据各个规则集之间的权重系数比计算其他规则集的权重系数。
作为上述方案的改进,通过以下公式计算所述疾病指示模板的n个规则集中第n个规则集的权重系数:
ωn=1/[1+(r1r2…rn-1+r2r3…rn-1+…+rn-1)]
其中,ωn为所述疾病指示模板的n个规则集中第n个规则集的权重系数,r1为第一个规则集和第二个规则集的权重系数比,r2为第二个规则集和第三个规则集的权重系数比,rn-1为第n-1个规则集和第n个规则集的权重系数比。
作为上述方案的改进,所述规则集的类型包括全违背、部分强违背和部分弱违背;所述计算对所述疾病指示模板中每一规则集的权重系数具体包括:
当任一所述规则集类型为全违背,且所述若干已审核项目对所述规则集中所有规则的调用结果均为已违背时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集在所述疾病指示模板中的权重系数;
当任一所述规则集类型为部分强违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数大于或等于所述子集大小,且不存在调用结果为已触发未违背的规则时时,则所述若干已审核项目对所述规则集的调用结果权重等于所述规则集在所述疾病指示模板中的权重系数;
当任一所述规则集类型为部分弱违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数大于或等于所述子集大小时,则所述若干已审核项目对所述规则集的调用结果权重等于所述规则集在所述疾病指示模板中的权重系数。
作为上述方案的改进,所述计算对所述疾病指示模板中每一规则集的权重系数具体还包括:
当任一所述规则集类型为全违背,且所述若干已审核项目在所述规则集中存在调用结果为未触发的规则且不存在调用结果为已触发未违背的规则时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;
当任一所述规则集类型为部分强违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数小于预设的子集大小,且不存在调用结果为已触发未违背的规则时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;
当任一所述规则集类型为部分弱违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数小于预设的子集大小,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;其中,所述规则集中每一规则的权重系数由所述规则集在所述疾病指示模板中的权重系数和所述子集大小相除计算得到。
作为上述方案的改进,所述方法还包括步骤:
当检测到任一所述规则集类型为全违背,且所述若干已审核项目在所述规则集中存在调用结果为已触发未违背的规则时,则对所述疾病指示模板中全部规则集的调用权重的加权和为零;
当检测到任一所述规则集类型为部分强违背时,且若干已审核项目对所述规则集中存在调用结果为已触发未违背的规则时,则对所述疾病指示模板中全部规则集的调用权重的加权和为零;
当对所述疾病指示模板中全部规则集的调用权重的加权和为零时,则确定所述则指示疾病预警结果与所述疾病指示模板的病例不匹配。
本发明实施例还对应提供了一种基于权重的疾病预警装置,包括:
审核模块,用于响应于对若干检验项目的检测结果的审核指令,根据所述检验项目的检测结果,调用规则库中的规则对所述检验项目的检测结果进行审核,并标记所述检验项目为已审核项目;其中,所述规则库包括若干规则,所述规则用于审核所述检验项目的检测结果是否异常;
规则调用结果获取模块,用于根据每一所述已审核项目的审核结果,获取每一所述已审核项目对所述规则库中每一所述规则的调用结果;其中,所述规则的调用结果包括未触发、已触发未违背和已违背;
规则集调用权重获取模块,用于响应于疾病指示指令,根据若干已审核项目对所述规则库中每一所述规则的调用结果,触发相应的疾病指示模板,计算所述若干检验项目对所述疾病指示模板中每一规则集的调用权重;其中,所述疾病指示模板包括若干规则集,所述规则集包括若干规则;
疾病预警模块,用于计算对所述疾病指示模板中全部规则集的调用权重的加权和,当计算得到的所述调用权重的和大于预设的阈值时,则在预设位置进行所述疾病指示模板的病例的预警显示。
作为上述方案的改进,所述规则集在所述疾病指示模板中的权重系数根据预设的规则集之间的重要程度,并通过序关系分析法计算得到。
与现有技术相比,本发明实施例公开了一种基于权重的疾病预警装置,通过先获取若干检验项目对规则的调用结果,然后触发相应的疾病指示模板,判断所述若干检验项目对该疾病指示模板中各个规则集的调用权重的加权和,则当该加权和大于预设的阈值时,则在预设位置进行所述疾病指示模板的病例的预警显示。本发明通过引入权重的方式,可以实现采用定量数值表征各个规则集对于特定疾病诊断的重要性,能够达到“精准病例提示”或者“精准预警”。
附图说明
图1为本发明实施例1提供的一种基于权重的疾病预警方法的流程示意图。
图2为本发明实施例1提供的一种疾病指示模板的示意图。
图3为本发明实施例2提供的一种基于权重的疾病预警装置的结构示意图。
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。
参见图1,为本发明实施例1提供的一种基于权重的疾病预警方法及装置的流程示意图,包括步骤:
S1、响应于对若干检验项目的检测结果的审核指令,根据所述检验项目的检测结果,调用规则库中的规则对所述检验项目的检测结果进行审核,并标记所述检验项目为已审核项目;其中,所述规则库包括若干规则,所述规则用于审核所述检验项目的检测结果是否异常;
可以理解的,对检验项目的审核是通过调用规则进行的,不同的规则预设不同的审核条件,当满足该规则下的违背条件时,则可确定该检验项目的检测结果已违背该规则。需要说明的是,不同的规则套用不同的规则模板,例如,可设规则模板3的审核条件为“当预设的检验项目的检测结果超出预设的范围时,可确定该检验项目的检测结果已违背相应的规则(该规则采用规则模板3),对该规则的调用结果为已违背”。不同的检验项目会调用不同的规则,且不同的规则采用不同的规则模板,可获得不同检验项目对不同规则的调用结果。
S2、根据每一所述已审核项目的审核结果,获取每一所述已审核项目对所述规则库中每一所述规则的调用结果;其中,所述规则的调用结果包括未触发、已触发未违背和已违背;
当某一检验项目触发某项规则,但是并未满足该规则下的违背条件时,则对该规则的调用结果为已触发未违背,而当满足该规则条件下的违背条件时,则该规则的调用结果为已违背;而当某一项目不涉及到某项规则时,则对该规则的调用结果为未触发。
需要说明的是,在医疗检验系统中,同一病患的检验项目有可能位于同一条码,也可能位于不同条码上,在这种情况下,可根据不同的需求确定查找检验项目;优选地,可先基于同一条码下的检验项目进行预警;也可基于不同条码的检验项目进行预警,但不同条码需对应同一患者,即不同条码所携带的信息需满足医院匹配、性别匹配、姓名匹配和年龄的差值小于预设的阈值。
S3、响应于疾病指示指令,根据若干已审核项目对所述规则库中每一所述规则的调用结果,触发相应的疾病指示模板,计算所述若干检验项目对所述疾病指示模板中每一规则集的调用权重;其中,所述疾病指示模板包括若干规则集,所述规则集包括若干规则;
如图2所示,所述病例指示模板包括:
规则代号,用于表示在所述病例指示模板中所采用的不同规则;
规则模板,用于表示所述病例指示模板中对应规则所采用的模板;
规则设置向导,用于说明所述病例指示模板中对应规则对所述检验项目的审核条件;
本地规则代码,用于标明所述病例指示模板中所调用的本地规则库的规则代码;
病例名称,用于标明所述病例指示模板的疾病;其中,所述疾病名称包括三位代码的病例名称和四位代码的疾病名称。
优选地,所述病例指示模板还包括文献来源,所述文献来源用于标明所述病例指示模板的疾病的科学依据。通过表明科学依据,可供医疗从业人员进行查证,也利于指导病例指示模板进行正确和科学的设置。
进一步地,所述病例指示模板还包括规则集代码和子集大小;其中,所述规则集代码用于表示不同的规则集。
此外,所述若干检验项目对所述疾病指示模板中每一规则集的调用权重由每一规则集在所述疾病指示模板中的权重系数决定,各个规则集共同决定某个病患的若干检验项目是否符合该疾病指示模板的病例诊断,符合疾病检测的方法学特性。可以理解的,各个规则集对于该所述疾病指示模板的权重系数的和为1。因此,权重的引入是以定量数值的方式来表示这些子集之间的重要性,能够达到“精准病例提示”或者“精准预警”。
值得注意的是,本发明采用“规则集”而不是检验项目进行疾病预警,是基于医学检验本身的特性,很多疾病的诊断就是通过“以上m项至少需要满足n项”这种方式进行。例如,对于缺铁性贫血诊断标准,主要的诊断指标如下所示:
(1)男性血红蛋白小于120g/L,女性血红蛋白小于100g/L;MCV小于80fl; MCH小于26pg;MCHC小于0.31;红细胞形态有明显低色素表现;
(2)有明确的缺铁性病因和临床表现;
(3)血清铁小于10.7umol/L、总铁结合力大于64.44umol/L;
(4)、运铁蛋白饱和度小于0.15;
(5)骨髓铁染色显示骨髓小粒可染铁消失,铁幼粒细胞<15%;
(6)红细胞游离原卟啉病大于0.9umol/L(50ug/dl)(全血)、或锌原卟啉大于0.96umol/L(60ug/dl)(全血)或FEP/Hb>ug/Hb;
(7)铁蛋白小于14ug/L;
(8)铁剂治疗有效。
其中,符合第1条和2~8条中任何2条以上者可以诊断为缺铁性贫血。上述例子可简单说明通过设置规则集对疾病进行预警的必要性。
S4、计算对所述疾病指示模板中全部规则集的调用权重的加权和,当计算得到的所述调用权重的和大于预设的阈值时,则在预设位置进行所述疾病指示模板的病例的预警显示。
在该步骤中,对所述疾病指示模板的病例的预警显示是指所述若干已审核项目的特征符合某项疾病的参考依据。
具体实施时,通过先获取若干检验项目对规则的调用结果,然后触发相应的疾病指示模板,判断所述若干检验项目对该疾病指示模板中各个规则集的调用权重的加权和,则当该加权和大于预设的阈值时,则在预设位置进行所述疾病指示模板的病例的预警显示。本发明通过引入权重的方式,可以实现采用定量数值表征各个规则集对于特定疾病诊断的重要性,能够达到“精准病例提示”或者“精准预警”。
优选地,上述实施例中的所述规则集在所述疾病指示模板中的权重系数根据预设的规则集之间的重要程度,并通过序关系分析法计算得到。
需要说明的是,对于同一评价对象,可存在多个评价指标,各个评价指标对该评价对象之间的重要程度可根据序关系分析方法分为“相同重要”、“稍微重要”、“明显重要”和“强烈重要”。
所述规则集之间的重要程度由以下方式进行表征:
当其中一规则集相对另一规则集相同重要时,则两者的权重系数比为1;
当其中一规则集相对另一规则集稍微重要时,则两者的权重系数比为1.2;
当其中一规则集相对另一规则集明显重要时,则两者的权重系数比为1.4;
当其中一规则集相对另一规则集强烈重要时,则两者的权重系数比为1.6。例如,当所述疾病指示模板中包括n个规则集,n>1;每一所述规则集在所述疾病指示模板中的权重系数通过以下方式计算得到:
获取各个规则集的序关系,并根据所述序关系对所述规则集进行依次排列;
计算规则集序列中的第n个规则集的权重系数,根据各个规则集之间的权重系数比计算其他规则集的权重系数。例如,若评价指标xi相对于某评价目标的重要性程度大于(或不小于)评价指标xj时,则记为xi>xj因此,每一个规则集对于某项疾病的诊断(对应某个疾病指示模板)都是一个评价指标,当规则集 x1,x2,…,xm相对于某项疾病诊断具有关系式x1>x2>…xm则确定x1,x2,…,xm的序关系。
根据统计学特性,通过以下公式计算所述疾病指示模板的n个规则集中第n 个规则集的权重系数:
ωn=1/[1+(r1r2…rn-1+r2r3…rn-1+…+rn-1)]
其中,ωn为所述疾病指示模板的n个规则集中第n个规则集的权重系数,r1为第一个规则集和第二个规则集的权重系数比,r2为第二个规则集和第三个规则集的权重系数比,rn-1为第n-1个规则集和第n个规则集的权重系数比。
如表1所示,通过一个简单的例子对上述规则集权重系数的计算进行详细说明:
表1
规则集代号 | 规则集类型 | 范围 | 子集大小 | 重要性排列 | 权重/子集 | 权重/规则 |
1 | 全违背 | A | 1 | 明显重要 | 0.43 | 0.43 |
2 | 部分强违背 | B|F | 1 | 稍微重要 | 0.31 | 0.31 |
3 | 部分弱违背 | C|D|E | 2 | 0.26 | 0.13 |
如表1所示,假设规则集代号1为规则集为x1,规则集代号2为规则集x2,规则集代号3为规则集x3,则根据重要性排列(序关系)可知, x1/x2=1.4,x2/x3=1.2,则计算(x1/x2)*(x2/x3)+(x2/x3)=2.88,则规则集x3的权重系数=1/(1+2.88)=0.26,则根据x1/x2=1.4,x2/x3=1.2可知规则集x1的权重系数=0.43,规则集x2的权重系数=0.31,规则集x3的权重系数=0.26。
在发明中,除了引入规则集的权重系数的概念,还可引入规则的权重系数概念,所述规则集中每一规则的权重系数由所述规则集在所述疾病指示模板中的权重系数和所述子集大小相除计算得到。例如上述例子的规则集x3中,包括三个规则C、D和E,子集大小为2,则可计算该规则集x3中每一规则的权重系数为0.46/2=0.23。关于规则的权重系数对于疾病预警的应用,下面将会进行更为详细的介绍。
因此,本发明通过将统计学、信息系统和临床检验的专业知识有机结合,利用“相同重要”、“稍微重要”、“明显重要”“极端重要”表征各种检测项目对于一个疾病检测的特异度、方法学特征,让疾病的诊断更加科学,对在临床专业指导具有重要意义。
而现有的采用规则集进行预警的方式,一种情况下,需所有规则集都满足特定的调用条件才会进行预警,其他情况都不予评价,则部分场景就无法评价,会导致实验室人员忽略很多关键信息,例如有些检验项目已经非常接近该病例诊断的特征,但仍需另外一个检验项目的结果才能确诊的情况;另一种情况下,当只有部分规则集满足特定的调用条件(无需考虑各个规则集所占的权重,且其他规则集对应的检验项目未出结果或为未执行),以半匹配的形式预警,则半匹配预警发生的概率会非常高,有很大程度上是非必要的预警,会造成实验室人员的精力浪费。因此,本发明通过利用调用权重的加权和以及预设的阈值进行建立准确、科学、合理的预警机制,对于临床医学人员具有科学的引导意义。
进一步地,所述规则集的类型包括全违背、部分强违背和部分弱违背;所述计算对所述疾病指示模板中每一规则集的权重系数具体包括:
当任一所述规则集类型为全违背,且所述若干已审核项目对所述规则集中所有规则的调用结果均为已违背时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集在所述疾病指示模板中的权重系数;
当任一所述规则集类型为部分强违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数大于或等于所述子集大小,且不存在调用结果为已触发未违背的规则时时,则所述若干已审核项目对所述规则集的调用结果权重等于所述规则集在所述疾病指示模板中的权重系数;
当任一所述规则集类型为部分弱违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数大于或等于所述子集大小时,则所述若干已审核项目对所述规则集的调用结果权重等于所述规则集在所述疾病指示模板中的权重系数;
当任一所述规则集类型为全违背,且所述若干已审核项目在所述规则集中存在调用结果为未触发的规则且不存在调用结果为已触发未违背的规则时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;
当任一所述规则集类型为部分强违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数小于预设的子集大小,且不存在调用结果为已触发未违背的规则时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;
当任一所述规则集类型为部分弱违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数小于预设的子集大小,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;其中,所述规则集中每一规则的权重系数由所述规则集在所述疾病指示模板中的权重系数和所述子集大小相除计算得到。
通过上述方案,可进一步细化各个规则集的类型,根据规则集类型的不同则计算其调用权重的方式也不同。
在另一优选实施例中,在实施例2的基础上,所述基于权重的疾病预警方法还包括步骤:
当检测到任一所述规则集类型为全违背,且所述若干已审核项目在所述规则集中存在调用结果为已触发未违背的规则时,则对所述疾病指示模板中全部规则集的调用权重的加权和为零;
当检测到任一所述规则集类型为部分强违背时,且若干已审核项目对所述规则集中存在调用结果为已触发未违背的规则时,则对所述疾病指示模板中全部规则集的调用权重的加权和为零;
当对所述疾病指示模板中全部规则集的调用权重的加权和为零时,则确定所述则指示疾病预警结果与所述疾病指示模板的病例不匹配。
基于上述方案,当存在某一规则的调用结果为已触发未违背时,可确切得出该疾病预警结果与所述疾病指示模板的病例不匹配的结论,避免其他规则的调用结果均满足该疾病指示模板的情况下做出关于某项疾病的错误指示,具有科学地、准确的指导意义。
参见图3,为本发明实施例2提供的一种基于权重的疾病预警装置的结构示意图,如图3 所示的基于权重的疾病预警装置100包括:
审核模块101,用于响应于对若干检验项目的检测结果的审核指令,根据所述检验项目的检测结果,调用规则库中的规则对所述检验项目的检测结果进行审核,并标记所述检验项目为已审核项目;其中,所述规则库包括若干规则,所述规则用于审核所述检验项目的检测结果是否异常;
规则调用结果获取模块102,用于根据每一所述已审核项目的审核结果,获取每一所述已审核项目对所述规则库中每一所述规则的调用结果;其中,所述规则的调用结果包括未触发、已触发未违背和已违背;
规则集调用权重获取模块103,用于响应于疾病指示指令,根据若干已审核项目对所述规则库中每一所述规则的调用结果,触发相应的疾病指示模板,计算所述若干检验项目对所述疾病指示模板中每一规则集的调用权重;其中,所述疾病指示模板包括若干规则集,所述规则集包括若干规则;
疾病预警模块104,用于计算对所述疾病指示模板中全部规则集的调用权重的加权和,当计算得到的所述调用权重的和大于预设的阈值时,则在预设位置进行所述疾病指示模板的病例的预警显示。
优选地,所述规则集在所述疾病指示模板中的权重系数根据预设的规则集之间的重要程度,并通过序关系分析法计算得到。
所述规则集之间的重要程度由以下方式进行表征:
当其中一规则集相对另一规则集相同重要时,则两者的权重系数比为1;
当其中一规则集相对另一规则集稍微重要时,则两者的权重系数比为1.2;
当其中一规则集相对另一规则集明显重要时,则两者的权重系数比为1.4;
当其中一规则集相对另一规则集强烈重要时,则两者的权重系数比为1.6。
进一步地,当所述疾病指示模板包括n个规则集,n>1;每一所述规则集在所述疾病指示模板中的权重系数通过以下方式计算得到,:
获取各个规则集的序关系,并根据所述序关系对所述规则集进行依次排列;
计算规则集序列中的第n个规则集的权重系数,根据各个规则集之间的权重系数比计算其他规则集的权重系数。
通过以下公式计算所述疾病指示模板的n个规则集中第n个规则集的权重系数:
ωn=1/[1+(r1r2…rn-1+r2r3…rn-1+…+rn-1)]
其中,ωn为所述疾病指示模板的n个规则集中第n个规则集的权重系数,r1为第一个规则集和第二个规则集的权重系数比,r2为第二个规则集和第三个规则集的权重系数比,rn-1为第n-1个规则集和第n个规则集的权重系数比。
优选地,所述基于权重的疾病预警装置还包括第二预警模块和第三预警模块,其中,所述第二预警模块用于当计算得到的所述调用权重的和大于预设的半匹配阈值时,则指示疾病预警结果与所述疾病指示模板的病例完全匹配;所述第三预警模块用于当计算得到的所述调用权重的和小于预设的半匹配阈值时,则指示疾病预警结果与所述疾病指示模板的病例不匹配。
所述规则集的类型包括全违背、部分强违背和部分弱违背;所述计算对所述疾病指示模板中每一规则集的权重系数具体包括:
当任一所述规则集类型为全违背,且所述若干已审核项目对所述规则集中所有规则的调用结果均为已违背时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集在所述疾病指示模板中的权重系数;
当任一所述规则集类型为部分强违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数大于或等于所述子集大小,且不存在调用结果为已触发未违背的规则时时,则所述若干已审核项目对所述规则集的调用结果权重等于所述规则集在所述疾病指示模板中的权重系数;
当任一所述规则集类型为部分弱违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数大于或等于所述子集大小时,则所述若干已审核项目对所述规则集的调用结果权重等于所述规则集在所述疾病指示模板中的权重系数;
当任一所述规则集类型为全违背,且所述若干已审核项目在所述规则集中存在调用结果为未触发的规则且不存在调用结果为已触发未违背的规则时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;
当任一所述规则集类型为全违背,且所述若干已审核项目在所述规则集中存在调用结果为未触发的规则且不存在调用结果为已触发未违背的规则时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;
当任一所述规则集类型为部分强违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数小于预设的子集大小,且不存在调用结果为已触发未违背的规则时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;
当任一所述规则集类型为部分弱违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数小于预设的子集大小,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;其中,所述规则集中每一规则的权重系数由所述规则集在所述疾病指示模板中的权重系数和所述子集大小相除计算得到。
在另一优选实施例中,所述疾病预警模块104进一步用于:
当检测到任一所述规则集类型为全违背,且所述若干已审核项目在所述规则集中存在调用结果为已触发未违背的规则时,则对所述疾病指示模板中全部规则集的调用权重的加权和为零;
当检测到任一所述规则集类型为部分强违背时,且若干已审核项目对所述规则集中存在调用结果为已触发未违背的规则时,则对所述疾病指示模板中全部规则集的调用权重的加权和为零;
当对所述疾病指示模板中全部规则集的调用权重的加权和为零时,则确定所述则指示疾病预警结果与所述疾病指示模板的病例不匹配。
本实施例提供的基于权重的疾病预警装置的工作原理可参考上述任一项基于权重的疾病预警的具体描述,在此不再赘述。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (7)
1.一种基于权重的疾病预警装置,其特征在于,包括:
审核模块,用于响应于对若干检验项目的检测结果的审核指令,根据所述检验项目的检测结果,调用规则库中的规则对所述检验项目的检测结果进行审核,并标记所述检验项目为已审核项目;其中,所述规则库包括若干规则,所述规则用于审核所述检验项目的检测结果是否异常;
规则调用结果获取模块,用于根据每一所述已审核项目的审核结果,获取每一所述已审核项目对所述规则库中每一所述规则的调用结果;其中,所述规则的调用结果包括未触发、已触发未违背和已违背;
规则集调用权重获取模块,用于响应于疾病指示指令,根据若干已审核项目对所述规则库中每一所述规则的调用结果,触发相应的疾病指示模板,计算所述若干检验项目对所述疾病指示模板中每一规则集的调用权重;其中,所述疾病指示模板包括若干规则集,所述规则集包括若干规则;
疾病预警模块,用于计算对所述疾病指示模板中全部规则集的调用权重的加权和,当计算得到的所述调用权重的加权和大于预设的阈值时,则在预设位置进行所述疾病指示模板的病例的预警显示。
2.如权利要求1所述的基于权重的疾病预警装置,其特征在于,所述若干检验项目对所述疾病指示模板中每一规则集的调用权重由每一规则集在所述疾病指示模板中的权重系数决定,所述规则集在所述疾病指示模板中的权重系数根据预设的规则集之间的重要程度,并通过序关系分析法计算得到。
3.如权利要求2所述的基于权重的疾病预警装置,其特征在于,所述疾病指示模板中包括n个规则集,n>1;每一所述规则集在所述疾病指示模板中的权重系数通过以下方式计算得到:
获取各个规则集的序关系,并根据所述序关系对所述规则集进行依次排列;
计算规则集序列中的第n个规则集的权重系数,根据各个规则集之间的权重系数比计算其他规则集的权重系数。
4.如权利要求3所述的基于权重的疾病预警装置,其特征在于,通过以下公式计算所述疾病指示模板的n个规则集中第n个规则集的权重系数:
ωn=1/[1+(r1r2…rn-1+r2r3…rn-1+…+rn-1)]
其中,ωn为所述疾病指示模板的n个规则集中第n个规则集的权重系数,r1为第一个规则集和第二个规则集的权重系数比,r2为第二个规则集和第三个规则集的权重系数比,rn-1为第n-1个规则集和第n个规则集的权重系数比。
5.如权利要求4所述的基于权重的疾病预警装置,其特征在于,所述规则集的类型包括全违背、部分强违背和部分弱违背;所述每一所述规则集在所述疾病指示模板中的权重系数的计算具体包括:
当任一所述规则集类型为全违背,且所述若干已审核项目对所述规则集中所有规则的调用结果均为已违背时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集在所述疾病指示模板中的权重系数;
当任一所述规则集类型为部分强违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数大于或等于所述规则集的子集大小,且不存在调用结果为已触发未违背的规则时,则所述若干已审核项目对所述规则集的调用结果权重等于所述规则集在所述疾病指示模板中的权重系数;
当任一所述规则集类型为部分弱违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数大于或等于所述规则集的子集大小时,则所述若干已审核项目对所述规则集的调用结果权重等于所述规则集在所述疾病指示模板中的权重系数。
6.如权利要求5所述的基于权重的疾病预警装置,其特征在于,所述计算对所述疾病指示模板中每一规则集的权重系数具体还包括:
当任一所述规则集类型为全违背,且所述若干已审核项目在所述规则集中存在调用结果为未触发的规则且不存在调用结果为已触发未违背的规则时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;
当任一所述规则集类型为部分强违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数小于预设的子集大小,且不存在调用结果为已触发未违背的规则时,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;
当任一所述规则集类型为部分弱违背时,且所述若干已审核项目对所述规则集中调用结果为已违背的规则个数小于预设的子集大小,则所述若干已审核项目对所述规则集的调用权重等于所述规则集中每一规则的权重系数与调用结果为已违背的规则数的乘积;其中,所述规则集中每一规则的权重系数由所述规则集在所述疾病指示模板中的权重系数和所述子集大小相除计算得到。
7.如权利要求6所述的基于权重的疾病预警装置,其特征在于,所述预警模块还用于:
当检测到任一所述规则集类型为全违背,且所述若干已审核项目在所述规则集中存在调用结果为已触发未违背的规则时,则对所述疾病指示模板中全部规则集的调用权重的加权和为零;
当检测到任一所述规则集类型为部分强违背时,且若干已审核项目对所述规则集中存在调用结果为已触发未违背的规则时,则对所述疾病指示模板中全部规则集的调用权重的加权和为零;
当对所述疾病指示模板中全部规则集的调用权重的加权和为零时,则确定指示疾病预警结果与所述疾病指示模板的病例不匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711248143.4A CN107910062B (zh) | 2017-12-01 | 2017-12-01 | 基于权重的疾病预警装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711248143.4A CN107910062B (zh) | 2017-12-01 | 2017-12-01 | 基于权重的疾病预警装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107910062A CN107910062A (zh) | 2018-04-13 |
CN107910062B true CN107910062B (zh) | 2020-05-19 |
Family
ID=61848456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711248143.4A Active CN107910062B (zh) | 2017-12-01 | 2017-12-01 | 基于权重的疾病预警装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107910062B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215782A (zh) * | 2018-09-20 | 2019-01-15 | 广州金域医学检验中心有限公司 | 临床病例诊断方法及装置、计算机可读存储介质 |
CN109147939A (zh) * | 2018-09-21 | 2019-01-04 | 宜昌市疾病预防控制中心 | 一种用于疾病控制的抽样装置及抽样方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020454A (zh) * | 2012-12-15 | 2013-04-03 | 中国科学院深圳先进技术研究院 | 发病关键因素提取与疾病预警方法及系统 |
CN106295186A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院计算技术研究所 | 一种基于智能推理的辅助疾病诊断的方法与系统 |
KR20170025264A (ko) * | 2015-08-28 | 2017-03-08 | 울산과학기술원 | 모바일 의료기기 및 의료 시스템 |
CN107247870A (zh) * | 2017-05-24 | 2017-10-13 | 杭州金域医学检验所有限公司 | 基于医疗标本检测项目结果的自动预警方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130082698A (ko) * | 2011-12-14 | 2013-07-22 | 한국전자통신연구원 | 건강 관리 서버 및 그것의 동작 방법 |
-
2017
- 2017-12-01 CN CN201711248143.4A patent/CN107910062B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020454A (zh) * | 2012-12-15 | 2013-04-03 | 中国科学院深圳先进技术研究院 | 发病关键因素提取与疾病预警方法及系统 |
KR20170025264A (ko) * | 2015-08-28 | 2017-03-08 | 울산과학기술원 | 모바일 의료기기 및 의료 시스템 |
CN106295186A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院计算技术研究所 | 一种基于智能推理的辅助疾病诊断的方法与系统 |
CN107247870A (zh) * | 2017-05-24 | 2017-10-13 | 杭州金域医学检验所有限公司 | 基于医疗标本检测项目结果的自动预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107910062A (zh) | 2018-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vamvakas | Meta-analyses of studies of the diagnostic accuracy of laboratory tests: a review of the concepts and methods | |
US5642936A (en) | Methods for identifying human hereditary disease patterns | |
US20220122739A1 (en) | Ai-based condition classification system for patients with novel coronavirus | |
CN107910062B (zh) | 基于权重的疾病预警装置 | |
US20140278135A1 (en) | Electronic variant classification | |
Stewart et al. | Learning from hospital mortality | |
JP2002022748A (ja) | 臨床検査システム | |
EP3590118A1 (en) | Cross discipline disease management system | |
CN107180167A (zh) | 用于遗传病基因诊断检测的审核方法及装置 | |
CN107616781B (zh) | 疾病指示方法及装置 | |
CN117151655A (zh) | 一种用于多项目检测结果综合分析管理系统及方法 | |
CN111261298B (zh) | 一种医疗数据质量预判方法、装置、可读介质及电子设备 | |
Heimdal et al. | Costs and benefits of diagnosing familial breast cancer | |
Daya et al. | Out‐of‐hospital respiratory measures to identify patients with serious injury: a systematic review | |
CN112151174A (zh) | 一种基于体检数据的用户健康信息分析方法、系统 | |
Mark et al. | Sensitivity of a clinical decision rule and early computed tomography in aneurysmal subarachnoid hemorrhage | |
Recher et al. | Severity of illness and organ dysfunction scoring systems in pediatric critical care: The impacts on clinician's practices and the future | |
CN113610415B (zh) | 一种核磁设备综合评价方法及系统 | |
US20240055121A1 (en) | Diagnostic Tool | |
Stout et al. | Comparison of work-related fatality surveillance in the USA and Australia | |
JP3982192B2 (ja) | 臨床検査システム | |
Friedrichs et al. | Reference intervals and decision limits | |
CN110021424B (zh) | 病例提示反射方法及装置 | |
Blomberg et al. | The use of an expert system in the clinical laboratory as an aid in the diagnosis of anemia | |
CN108542350A (zh) | 血常规自动分析仪 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 510700 No. 10, helix 3 Road, International Biological Island, Huangpu District, Guangzhou City, Guangdong Province Patentee after: GUANGZHOU KINGMED CENTER FOR CLINICAL LABORATORY Address before: 510000, No. 2429, Xingang East Road, Guangzhou, Guangdong, Haizhuqu District Patentee before: GUANGZHOU KINGMED CENTER FOR CLINICAL LABORATORY |