CN107945847B - 一种非处方药品的推荐系统及方法 - Google Patents
一种非处方药品的推荐系统及方法 Download PDFInfo
- Publication number
- CN107945847B CN107945847B CN201711322503.0A CN201711322503A CN107945847B CN 107945847 B CN107945847 B CN 107945847B CN 201711322503 A CN201711322503 A CN 201711322503A CN 107945847 B CN107945847 B CN 107945847B
- Authority
- CN
- China
- Prior art keywords
- combination
- drug
- combinations
- symptom
- patient
- 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
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种非处方药品的推荐系统及方法,其中,包括:数据存储模块,用以保存多个患者的医疗数据,医疗数据包括症状组合以及与症状组合对应的多种药品组合的信息;数据处理模块,与数据存储模块连接,用以根据医疗数据,分别处理获得患者的症状组合对应的每种药品组合占症状组合对应的总的药品组合的比重;数据推荐模块,与数据处理模块连接,用以将每种药品组合占症状组合对应的总的药品组合的比重的处理结果作为药品推荐信息。其技术方案的有益效果在于,通过对医疗数据的分析,根据患者选择的药品组合的历史记录信息,获得每个药品组合占总的药品组合的比重,进而为患者推荐最为匹配的药品组合。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种非处方药品的推荐系统及方法。
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,因此现在涌现出许多能给使用者推荐药品的系统,现有的大多数荐药系统基本上都是基于药品自身适应症来与药品适应症进行匹配,理论上确实可行,但忽略了大量专业化的药历数据,如何基于医疗数据集药例数据为患者提供最为匹配的药品信息,仍是目前需要解决的问题。
发明内容
针对现有技术中为患者推荐药品组合存在的上述问题,现提供一种旨在根据医疗数据为患者提供最为匹配的药品组合的非处方药品推荐系统及方法。
具体技术方案如下:
一种非处方药品的推荐系统,其中,包括:
数据存储模块,用以保存多个患者的医疗数据,所述医疗数据包括症状组合以及与所述症状组合对应的多种药品组合的信息;
数据处理模块,与所述数据存储模块连接,用以根据所述医疗数据,分别处理获得所述患者的所述症状组合对应的每种所述药品组合占所述症状组合对应的总的所述药品组合的比重;
数据推荐模块,与所述数据处理模块连接,用以将每种所述药品组合占所述症状组合对应的总的所述药品组合的比重的处理结果作为药品推荐信息。
优选的,处理获得所述药品组合占所述症状组合对应的总的所述药品组合的比重的方法,如下式:
其中,S是患者的集合,设{B1,B2,…,Bk}为k种所述症状组合;
其中Bi={b1,b2,…,bn},根据具体所述症状组合中的所述症状组合数量定义;
{M1,M2,…,Mt}为t种所述药品组合,其中Mi={m1,m2,…,ms};
S根据具体所述药品组合中药品数量定义;
X是S中呈现所述症状组合Bi的患者;
Yi是S中被开所述药品组合Mi的患者的事件;
Yi|X是呈现所述症状组合中恰好被开药品组合Mi的事件;
P(Yi|X)表示X事件发生情况下Yi事件也发生的概率;
P(X|Yi)表示开所述药品组合为Mi的患者中是X的概率;
P(Yi)为被开素数药品组合Mi的患者的概率。
优选的,获取P(Yi)被开所述药品组合Mi的概率的方法,如下式:
其中,N表示选择的所有所述药品组合对应的患者数量,Ni表示对于每一种药品组合Mi所被开的所述药品组合的人数。
优选的,获取P(X|Yi)的方法,如下式:
其中,P(XYi)表示X和Yi同时发生的概率,N表示选择的所有所述药品组合对应的患者数量,Wi表示每一种药品组合Mi,发现患者同时是X的人数。
还包括一种基于贝叶斯概率模型的非处方药品推荐方法,其中,提供一数据存储模块,用以保存多个患者的医疗数据,所述医疗数据包括症状组合以及与所述症状组合对应的多个药品组合的信息;
包括以下步骤:
步骤S1、于所述数据存储模块中获取多个所述医疗数据;
步骤S2、根据所述医疗数据,分别处理获得所述患者的所述症状组合对应的每种所述药品组合占所述症状组合对应的总的所述药品组合的比重;
步骤S3、将每种所述药品组合占所述症状组合对应的总的所述药品组合的比重的处理结果作为药品推荐信息。
优选的,处理获得所述患者的所述症状组合对应的每种所述药品组合占所述症状组合对应的总的所述药品组合的比重的方法,如下式:
其中,S是患者的集合,设{B1,B2,…,Bk}为k种所述症状组合;
其中Bi={b1,b2,…,bn},根据具体所述症状组合中的所述症状组合数量定义;
{M1,M2,…,Mt}为t种所述药品组合,其中Mi={m1,m2,…,ms};
S根据具体所述药品组合中药品数量定义;
X是S中呈现所述症状组合Bi的患者;
Yi是S中被开所述药品组合Mi的患者的事件;
Yi|X是呈现所述症状组合中恰好被开药品组合Mi的事件;
P(Yi|X)表示X事件发生情况下Yi事件也发生的概率;
P(X|Yi)表示开所述药品组合为Mi的患者中是X的概率;
P(Yi)为被开素数药品组合Mi的患者的概率。
优选的,获取P(Yi)被开所述药品组合Mi的概率的方法,如下式:
其中,N表示选择的所有所述药品组合对应的患者数量,Ni表示对于每一种药品组合Mi,所被开的所述药品组合的人数。
优选的,获取P(X|Yi)的方法,如下式:
其中,P(XYi)表示X和Yi同时发生的概率,N表示选择的所有所述药品组合对应的患者数量,Wi表示每一种药品组合Mi,发现患者同时是X的人数。
上述技术方案具有如下优点或有益效果:通过对医疗数据的分析,根据患者选择的药品组合的历史记录信息,获得每个药品组合占总的药品组合的比重,进而为患者推荐最为匹配的药品组合。
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为本发明一种非处方药品的推荐系统实施例的结构示意图;
图2为本发明一种非处方药品的推荐方法实施例的流程图。
附图标记表示:
1、数据存储模块;2、数据处理模块;3、数据推荐模块。
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非处方药品的推荐系统。
如图1所示,一种非处方药品的推荐系统的实施例,其中,包括:
数据存储模块1,用以保存多个患者的医疗数据,医疗数据包括症状组合以及与症状组合对应的多种药品组合的信息;
数据处理模块2,与数据存储模块1连接,用以根据医疗数据,分别处理获得患者的症状组合对应的每种药品组合占症状组合对应的总的药品组合的比重;
数据推荐模块3,与数据处理模块2连接,用以将每种药品组合占症状组合对应的总的药品组合的比重的处理结果作为药品推荐信息。
针对现有技术中,患者购买非处方类药品时,在药房中需配备多药师为患者推荐药品存在的运营成本上升的问题,另一方面计时在药师推的荐下也存在着推荐的药品并不是与患者的症状组合最为匹配的问题。
本发明中,通过对多个患者的医疗数据的分析,其中医疗数据中包括患者的症状组合,以及症状组合对应的药品组合的信息,通过处理模块对医疗数据进行处理,以获得每个药品组合占症状特征组合对应的总的药品组合的比重,将比重的处理结果作为药品推荐信息方便患者选择与自身症状组合对应的药品组合,有效的提高了匹配率。
在一种较优的实施方式中,处理获得药品组合占症状组合对应的总的药品组合的比重的方法,如下式:
其中,S是患者的集合,设{B1,B2,…,Bk}为k种症状组合;
其中Bi={b1,b2,…,bn},根据具体症状组合中的症状组合数量定义;
{M1,M2,…,Mt}为t种药品组合,其中Mi={m1,m2,…,ms};
S根据具体药品组合中药品数量定义;
X是S中呈现症状组合Bi的患者;
Yi是S中被开药品组合Mi的患者的事件;
Yi|X是呈现症状组合中恰好被开药品组合Mi的事件;
P(Yi|X)表示X事件发生情况下Yi事件也发生的概率;
P(X|Yi)表示开药品组合为Mi的患者中是X的概率;
P(Yi)为被开素数药品组合Mi的患者的概率。
优选的,获取P(Yi)被开药品组合Mi的概率的方法,如下式:
其中,N表示选择的所有药品组合对应的患者数量,Ni表示对于每一种药品组合Mi,所被开的药品组合的人数。
在一种较优的实施方式中,获取P(X|Yi)的方法,如下式:
其中,P(XYi)表示X和Yi同时发生的概率,N表示选择的所有药品组合对应的患者数量,Wi表示每一种药品组合Mi,发现患者同时是X的人数。
基于上述推荐系统,以下给出一具体的实施方式进行说明,假设有三种药品组合M1,M2,M3,都会对症状组合B产生治疗效果。
根据医疗数据,获得以下信息,如表1所示:
表1
因此在推荐药品时,三种药品组合M1,M2,M3按权重从大到小的推荐顺序为M3,M1,M2。
本发明的技术方案中还包括一种非处方药品的推荐方法。
一种非处方药品推荐方法,其中,提供一数据存储模块1,用以保存多个患者的医疗数据,医疗数据包括症状组合以及与症状组合对应的多个药品组合的信息;
如图2所示,包括以下步骤:
步骤S1、于数据存储模块1中获取多个医疗数据;
步骤S2、根据医疗数据,分别处理获得患者的症状组合对应的每种药品组合占症状组合对应的总的药品组合的比重;
步骤S3、将每种药品组合占症状组合对应的总的药品组合的比重的处理结果作为药品推荐信息。
在一种较优的实施方式中,处理获得患者的症状组合对应的每种药品组合占症状组合对应的总的药品组合的比重的方法,如下式:
其中,S是患者的集合,设{B1,B2,…,Bk}为k种症状组合;
其中Bi={b1,b2,…,bn},根据具体症状组合中的症状组合数量定义;
{M1,M2,…,Mt}为t种药品组合,其中Mi={m1,m2,…,ms};
S根据具体药品组合中药品数量定义;
X是S中呈现症状组合Bi的患者;
Yi是S中被开药品组合Mi的患者的事件;
Yi|X是呈现症状组合中恰好被开药品组合Mi的事件;
P(Yi|X)表示X事件发生情况下Yi事件也发生的概率;
P(X|Yi)表示开药品组合为Mi的患者中是X的概率;
P(Yi)为被开素数药品组合Mi的患者的概率。
在一种较优的实施方式中,获取P(Yi)被开药品组合Mi的概率的方法,如下式:
其中,N表示选择的所有药品组合对应的患者数量,Ni表示对于每一种药品组合Mi,所被开的药品组合的人数。
在一种较优的实施方式中,获取P(X|Yi)的方法,如下式:
其中,P(XYi)表示X和Yi同时发生的概率,N表示选择的所有药品组合对应的患者数量,Wi表示每一种药品组合Mi,发现患者同时是X的人数。
基于上述推荐方法,以下给出一具体的实施方式进行说明,假设有三种药品组合M1,M2,M3,都会对症状组合B产生治疗效果。
根据医疗数据,获得以下信息,如表2所示:
表2
因此在推荐药品时,三种药品组合M1,M2,M3按权重从大到小的推荐顺序为M3,M1,M2。
以上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 (5)
1.一种非处方药品的推荐系统,其特征在于,包括:
数据存储模块,用以保存多个患者的医疗数据,所述医疗数据包括症状组合以及与所述症状组合对应的多种药品组合的信息;
数据处理模块,与所述数据存储模块连接,用以根据所述医疗数据,分别处理获得所述患者的所述症状组合对应的每种所述药品组合占所述症状组合对应的总的所述药品组合的比重;
所述数据处理模块处理获得所述药品组合占所述症状组合对应的总的所述药品组合的比重的方法,如下式:
其中,S是患者的集合,设{B1,B2,...,Bk}为k种所述症状组合;
其中Bi={b1,b2,...,bn},根据具体所述症状组合中的所述症状组合数量定义;
{M1,M2,...,Mt}为t种所述药品组合,其中Mi={m1,m2,...,ms};
S根据具体所述药品组合中药品数量定义;
X是S中呈现所述症状组合Bi的患者;
Yi是S中被开所述药品组合Mi的患者的事件;
Yi|X是呈现所述症状组合中恰好被开药品组合Mi的事件;
P(Yi|X)表示X事件发生情况下Yi事件也发生的概率;
P(X|Yi)表示开所述药品组合为Mi的患者中是X的概率;
P(Yi)为被开所述 药品组合Mi的患者的概率;
获取P(Yi)被开所述药品组合Mi的概率的方法,如下式:
其中,N表示选择的所有所述药品组合对应的患者数量,Ni表示对于每一种药品组合Mi所被开的所述药品组合的人数;
获取P(X|Yi)的方法,如下式:
其中,P(XYi)表示X和Yi同时发生的概率,N表示选择的所有所述药品组合对应的患者数量,Wi表示每一种药品组合Mi,发现患者同时是X的人数;
数据推荐模块,与所述数据处理模块连接,用以将每种所述药品组合占所述症状组合对应的总的所述药品组合的比重的处理结果作为药品推荐信息。
2.一种基于贝叶斯概率模型的非处方药品推荐方法,其特征在于,提供一数据存储模块,用以保存多个患者的医疗数据,所述医疗数据包括症状组合以及与所述症状组合对应的多个药品组合的信息;
包括以下步骤:
步骤S1、于所述数据存储模块中获取多个所述医疗数据;
步骤S2、根据所述医疗数据,分别处理获得所述患者的所述症状组合对应的每种所述药品组合占所述症状组合对应的总的所述药品组合的比重;
步骤S3、将每种所述药品组合占所述症状组合对应的总的所述药品组合的比重的处理结果作为药品推荐信息。
3.一种非处方药品推荐方法,其特征在于,用于权利要求1所述的非处方药品推荐系统,处理获得所述患者的所述症状组合对应的每种所述药品组合占所述症状组合对应的总的所述药品组合的比重的方法,如下式:
其中,S是患者的集合,设{B1,B2,...,Bk}为k种所述症状组合;
其中Bi={b1,b2,...,bn},根据具体所述症状组合中的所述症状组合数量定义;
{M1,M2,...,Mt}为t种所述药品组合,其中Mi={m1,m2,...,ms};
S根据具体所述药品组合中药品数量定义;
X是S中呈现所述症状组合Bi的患者;
Yi是S中被开所述药品组合Mi的患者的事件;
Yi|X是呈现所述症状组合中恰好被开药品组合Mi的事件;
P(Yi|X)表示X事件发生情况下Yi事件也发生的概率;
P(X|Yi)表示开所述药品组合为Mi的患者中是X的概率;
P(Yi)为被开所述 药品组合Mi的患者的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711322503.0A CN107945847B (zh) | 2017-12-12 | 2017-12-12 | 一种非处方药品的推荐系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711322503.0A CN107945847B (zh) | 2017-12-12 | 2017-12-12 | 一种非处方药品的推荐系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107945847A CN107945847A (zh) | 2018-04-20 |
CN107945847B true CN107945847B (zh) | 2021-05-28 |
Family
ID=61943837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711322503.0A Active CN107945847B (zh) | 2017-12-12 | 2017-12-12 | 一种非处方药品的推荐系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107945847B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021528738A (ja) * | 2018-06-14 | 2021-10-21 | アストラゼネカ・ユーケイ・リミテッドAstraZeneca UK Limited | メトホルミン医薬組成物を用いて血糖を低下させるための方法 |
CN109102855A (zh) * | 2018-07-03 | 2018-12-28 | 北京康夫子科技有限公司 | 药物推荐方法 |
US20200222538A1 (en) | 2019-01-15 | 2020-07-16 | International Business Machines Corporation | Automated techniques for identifying optimal combinations of drugs |
CN111260448B (zh) * | 2020-02-13 | 2023-10-20 | 平安科技(深圳)有限公司 | 基于人工智能的药品推荐方法及相关设备 |
CN112992378B (zh) * | 2021-04-25 | 2021-09-03 | 南京大经中医药信息技术有限公司 | 一种多维度中药方剂推荐方法和推荐系统 |
CN114595380B (zh) * | 2022-02-14 | 2024-03-26 | 北京三快在线科技有限公司 | 药品推荐方法、装置、电子设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200069B (zh) * | 2014-08-13 | 2017-08-04 | 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 |
CN106126889A (zh) * | 2016-06-15 | 2016-11-16 | 华南师范大学 | 基于知识库的药物定制方法和系统 |
CN106919804A (zh) * | 2017-03-22 | 2017-07-04 | 李学明 | 基于临床数据的药物推荐方法、推荐装置及服务器 |
-
2017
- 2017-12-12 CN CN201711322503.0A patent/CN107945847B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107945847A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945847B (zh) | 一种非处方药品的推荐系统及方法 | |
CN104584021B (zh) | 一种智能选药的方法、系统和设备 | |
CN104200069B (zh) | 一种基于症状分析和机器学习的用药推荐系统和方法 | |
TWI236611B (en) | Medical data communication notification and messaging system and method | |
Breslow et al. | The lifetime health-monitoring program: a practical approach to preventive medicine | |
CN106202893A (zh) | 一种药品推荐方法 | |
CN106529177A (zh) | 一种基于医疗大数据的患者画像方法及装置 | |
US20190385717A1 (en) | Method and apparatus for recognition of patient activity | |
CN107591189A (zh) | 一种基于otc药品的推荐系统 | |
TW200419421A (en) | System and method for medical device authentication | |
TW200421152A (en) | Remote multi-purpose user interface for a healthcare system | |
CN107919161A (zh) | 一种药方审定的方法、电子设备及存储介质 | |
CN106650232A (zh) | 一种根据药物计算疾病发生概率的方法及其系统 | |
Christensen et al. | Identifying the “blip on the radar screen”: leveraging big data in defining drug safety and efficacy in pediatric practice | |
CN107169278A (zh) | 一种数据治理方法及医疗信息化系统 | |
CN108038974A (zh) | 基于智能终端的自动售药机 | |
JP7402008B2 (ja) | 傷病名推論システム、傷病名推論方法、傷病名推論プログラム、及びデータ構造 | |
Rodrigues et al. | Impact of pharmacist intervention on medication knowledge and adherence in hemodialysis patients | |
Cui et al. | Using Machine Learning to Identify No-Show Telemedicine Encounters in a New York City Hospital. | |
TW200426656A (en) | Separation of validated information and functions in a healthcare system | |
WO2022123790A1 (ja) | 服薬指導情報提供システムおよび服薬指導情報提供プログラム | |
Cutler | 2011 Prescott Lecture: The pharmacy profession and health care reform: Opportunities and challenges during the next decade: If we only see the glass half full or half empty, we will never be able to fill it completely | |
Lee et al. | The development and impact of an app for a smart drug interaction reminder system | |
CN117912706A (zh) | 一种基于数据对齐的全病程健康分析方法和系统 | |
Emmanuel | Assessing the level of e-health in Africa using Nigeria as a model; barriers and innovations |
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 |