CN108172295A - 确定病人就诊级别的方法及装置 - Google Patents

确定病人就诊级别的方法及装置 Download PDF

Info

Publication number
CN108172295A
CN108172295A CN201810046584.4A CN201810046584A CN108172295A CN 108172295 A CN108172295 A CN 108172295A CN 201810046584 A CN201810046584 A CN 201810046584A CN 108172295 A CN108172295 A CN 108172295A
Authority
CN
China
Prior art keywords
sign data
rank
medical
patient
class
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
Application number
CN201810046584.4A
Other languages
English (en)
Inventor
李朋海
陈金磊
于兵
张小伟
陈维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI DFYH TECH SERVICES Co Ltd
Shanghai Yanhua Smartech Technology (group) Ltd By Share Ltd
Original Assignee
SHANGHAI DFYH TECH SERVICES Co Ltd
Shanghai Yanhua Smartech Technology (group) Ltd By Share Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANGHAI DFYH TECH SERVICES Co Ltd, Shanghai Yanhua Smartech Technology (group) Ltd By Share Ltd filed Critical SHANGHAI DFYH TECH SERVICES Co Ltd
Priority to CN201810046584.4A priority Critical patent/CN108172295A/zh
Publication of CN108172295A publication Critical patent/CN108172295A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明实施例提供了一种确定病人就诊级别的方法及装置,涉及医疗设备技术领域。方法应用于就诊级别确定系统。方法包括:获得病人的至少一类体征数据;确定出至少一类体征数据中每类体征数据的就诊级别;基于每类体征数据的就诊级别,确定出病人的当前就诊级别。因此,通过就诊级别确定系统根据体征数据自动确定出病人的当前就诊级别,避免了人工处理的费时费力,极大的提高了医院的就诊效率。

Description

确定病人就诊级别的方法及装置
技术领域
本发明涉及医疗设备技术领域,具体而言,涉及一种确定病人就诊级别的方法及装置。
背景技术
目前,就医的病人到各大医院就诊时,有护士对该病人进行血压、体温、脉搏、血氧饱和度、血糖等信息内容进行测试,然后将测试获得的结果输入到电脑中作为该病人的在该医院就诊时的体征信息,以便医生可进行参考。
发明内容
有鉴于此,本发明的目的在于提供一种确定病人就诊级别的方法及装置,以有效的改善上述缺陷。
本发明的实施例通过如下方式实现:
第一方面,本发明实施例提供了一种确定病人就诊级别的方法,所述方法应用于就诊级别确定系统。所述方法包括:获得病人的至少一类体征数据;确定出所述至少一类体征数据中每类体征数据的就诊级别;基于所述每类体征数据的就诊级别,确定出所述病人的当前就诊级别。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述确定出所述至少一类体征数据中每类体征数据的就诊级别。包括:获得每类体征数据中每种体征数据的严重级别对应的得分;将每类体征数据中得分最高的最高分体征数据的严重级别作为每类体征数据的就诊级别。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述获得每类体征数据中每种体征数据的严重级别对应的得分,包括:获得每类体征数据中每种体征数据的严重级别所对应的预设得分;将每种体征数据的严重级别所对应的预设得分乘以每种体征数据的权重值,获得每类体征数据中每种体征数据的严重级别对应的得分。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,在所述确定出所述至少一类体征数据中每类体征数据的就诊级别之前,所述方法还包括:判断所述至少一类体征数据中是否有任意一种严重级别为阈值级别的目标体征数据;在为否时,执行步骤:确定出所述至少一类体征数据中每类体征数据的就诊级别。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述基于每类体征数据的就诊级别,确定出所述病人的当前就诊级别,包括:获得每类体征数据的就诊级别所对应的得分;将所述至少一类体征数据中最高得分对应的目标类体征数据的就诊级别确定为所述病人的当前就诊级别。
第二方面,本发明实施例提供了一种确定病人就诊级别的装置,所述装置应用于就诊级别确定系统。所述装置包括:数据获得模块,用于获得病人的至少一类体征数据。第一确定模块,用于确定出所述至少一类体征数据中每类体征数据的就诊级别。第二确定模块,用于基于每类体征数据的就诊级别,确定出所述病人的当前就诊级别。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,所述第一确定模块包括:第一得分获得单元,用于获得每类体征数据中每种体征数据的严重级别对应的得分。第一级别确定单元,用于将每类体征数据中得分最高的最高分体征数据的严重级别作为每类体征数据的就诊级别。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,所述第一得分获得单元包括第一预设得分获得子单元,用于获得每类体征数据中每种体征数据的严重级别所对应的预设得分。第一得分获得子单元,用于将每种体征数据的严重级别所对应的预设得分乘以每种体征数据的权重值,获得每类体征数据中每种体征数据的严重级别对应的得分。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,所述装置还包括:级别获得模块,用于获得每类体征数据中的至少一种目标体征数据的严重级别。判断模块,用于判断所述至少一类体征数据中是否有任意一种严重级别为阈值级别的目标体征数据。执行模块,用于在为否时,执行步骤:确定出所述至少一类体征数据中每类体征数据的就诊级别。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,所述第二确定模块包括:第二得分获得单元,用于获得每类体征数据的就诊级别所对应的得分。第二级别确定单元,用于将所述至少一类体征数据中最高得分对应的目标类体征数据的就诊级别确定为所述病人的当前就诊级别。
本发明实施例的有益效果是:
就诊级别确定系统通过获得病人的至少一类体征数据,那么就诊级别确定系统可确定出至少一类体征数据中每类体征数据的就诊级别。进一步的,就诊级别确定系统再基于每类体征数据的就诊级别,确定出该病人的当前就诊级别。因此,通过就诊级别确定系统根据体征数据自动确定出病人的当前就诊级别,避免了人工处理的费时费力,极大的提高了医院的就诊效率。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明第一实施例提供的一种就诊级别确定系统的结构框图;
图2示出了本发明第一实施例提供的一种就诊级别确定系统中终端设备的结构框图;
图3示出了本发明第二实施例提供的一种确定病人就诊级别的方法的流程图;
图4示出了本发明第三实施例提供的一种确定病人就诊级别的装置的第一结构框图;
图5示出了本发明第三实施例提供的一种确定病人就诊级别的装置中第一确定模块的结构框图;
图6示出了本发明第三实施例提供的一种确定病人就诊级别的装置中第一得分获得单元的结构框图;
图7示出了本发明第三实施例提供的一种确定病人就诊级别的装置中第二确定模块的结构框图;
图8示出了本发明第三实施例提供的一种确定病人就诊级别的装置的第二结构框图。
具体实施方式
在病人到目前各大医院进行就诊时,护士对该病人进行体征测试,并将体征测试所获得的体征信息输入到计算机中进行存储,以便医生就医时可进行参考。
但发明人经过长期的实践研究发现,将体征信息输入计算机不仅费时费力,且体征信息为医生就医所提供的参考极为有限,使得医生仅通过人工才能够判别出哪位患者先处理而哪位患者后处理,因而严重的降低了医院的就诊效率。
以上现有技术中的方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案,都应该是发明人在本申请过程中对本申请做出的贡献。
基于上述研究,本发明实施例提供了确定病人就诊级别的方法及装置。其中,就诊级别确定系统通过获得病人的至少一类体征数据,那么就诊级别确定系统可确定出至少一类体征数据中每类体征数据的就诊级别。进一步的,就诊级别确定系统再基于每类体征数据的就诊级别,确定出该病人的当前就诊级别。因此,通过就诊级别确定系统根据体征数据自动确定出病人的当前就诊级别,避免了人工处理的费时费力,极大的提高了医院的就诊效率。
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
第一实施例
请参阅图1,本发明第一实施例提供了一种就诊级别确定系统10,该就诊级别确定系统10包括:体征采集设备11和终端设备12。
体征采集设备11可以为常规型号的医用体征采集监测仪。当病人到医院就医,例如,病人到医院进行急诊时,护士可将体征采集设备11绑定在病人身体的测试部位上,从而采集到该病人体征数据。体征采集设备11通过与终端设备12的电连接关系,则可将采集到的体征数据输出至终端设备12。
请参阅图2,图2是终端设备12的方框示意图。所述终端设备12包括:确定病人就诊级别的装置、存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、显示单元106。
所述存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、显示单元106,各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述确定病人就诊级别的装置包括至少一个可以软件或固件(firmware)的形式存储于所述存储器中或固化在所述终端设备12的Windows操作系统中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块,例如所述确定病人就诊级别的装置包括的软件功能模块或计算机程序。
其中,存储器101可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器101用于存储程序,所述处理器103在接收到执行指令后,执行所述程序,后续本发明实施例任一实施例揭示的过程定义的终端设备12所执行的方法可以应用于处理器103中,或者由处理器103实现。
处理器103可以是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器103可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述外设接口104将各种输入输出单元105耦合至处理器103以及存储器101。在一些实施例中,外设接口,处理器以及存储控制器可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
输入输出单元105用于提供给用户输入数据实现用户与数据采集终端的交互。所述输入输出单元可以是,但不限于,鼠标和键盘等。
显示单元106在所述移动终端与用户之间提供一个交互界面,例如用户操作界面,或用于显示图像数据给用户参考。在本实施例中,所述显示单元可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器进行计算和处理。
第二实施例
请参阅图2,本发明第二实施例提供了一种确定病人就诊级别的方法,该确定病人就诊级别的方法应用于就诊级别确定系统,该确定病人就诊级别的方法包括:步骤S100、步骤S200和步骤S300。
步骤S100:获得病人的至少一类体征数据。
当病人到医院进行就诊,例如,病人到医院进行急诊的就诊时,为对该病人的状况进行初步的确认,就诊级别确定系统需要获得该病人的至少一类体征数据。
本实施例中,诊级别确定系统所获得体征数据可以为多类,例如,为获得三类体征数据,但并不作为对本实施例的限定。
具体的,诊级别确定系统中的体征采集设备可对病人的一类体征数据进行采集。体征采集设备所采集的第一类体征数据包括该病人的:收缩压数据、脉搏数据、体温数据、血样饱和数据和血糖数据,但并不作为对本实施例的限定。其中,收缩压数据、脉搏数据、体温数据、血样饱和数据和血糖数据中任意一种数据均为该一类体征数据中一种体征数据。
与此同时,护士还可对该病人进行人工的体征测试,以获得该病人的另一类体征数据。该护士测得的另一类体征数据包括该病人的:意识状态数据、疼痛评级数据和呼吸次数数据,但并不作为对本实施例的限定。其中,意识状态数据、疼痛评级数据和呼吸次数数据中任意一种数据均为该另一类体征数据中一种体征数据。进一步的,护士将测得的该另一类体征数据输入终端设备中,以使就诊级别确定系统获得了该另一类体征数据。
再者,护士还可对该病人当前的状态进行观察,从而从主诉模板表中选择出对应该病人当前的状态的最后一类的体征数据。其中,主诉模板表中的数据类型包括:
神经系统包括:神经系统神志不清、全身肌肉抽动及意识丧失、晕厥、躯体局部抽搐伴(或不伴意识障碍)、头晕伴视物旋转感、恶心、呕吐、突然动作停止伴意识障碍、头痛伴恶心(呕吐)、癫痫持续状态、突发言语表达不清(<4.5h)、突发言语表达不清(4.5h<T<7d)、突发肢体功能障碍(<4.5h)、突发肢体功能障碍(4.5h<T<7d)、突发视物不清(<4.5h)和突发视物不清(4.5h<T<7d)。
心血管系统包括:心搏呼吸骤停、休克、明确心梗(救护车转来)、胸闷、气促、ECG提示急性心肌梗死、心悸、出汗、剧烈胸痛、气促,含服硝酸甘油不缓解、酸甘油不缓解、双下肢浮肿(≤l周)、剧烈胸痛、气促、含服硝酸甘油后缓解和胸部撕裂样剧痛。
消化系统:消化系统消化道大出血、肛门无排便、排气、呕血、突发剧烈腹痛、黑便、腹痛伴发热(或黄染)、鲜血便和肾绞痛。
呼吸系:急性呼吸急促,面部发绀、急性咯血、急性呼吸急促和气道异物梗阻。
妇科:下腹痛伴阴道不规则流血、突发剧烈下腹痛、早产和流产。
综合:急性中毒(<6h)、突发双下肢无力(年轻人)、急性中毒(6h(T<24h)、年老体弱无家属陪同、急性酒精中毒、血小板减少(≤20×109L。1)、急性无尿(尿潴留)和严重电解质紊乱。
需要说明的是,护士根据该病人当前的状态所选择出的最后一类的体征数据,该最后一类的体征数据中包括了对应病人当前的状态至少一种体征数据,而主诉模板表中的每一种数据均为对应的一种体征数据。
进一步的,护士再将选择出的最后一类体征数据输入终端设备,至此,就诊级别确定系统则获得了三类体征数据。
步骤S200:确定出所述至少一类体征数据中每类体征数据的就诊级别。
在获得至少一类体征数据后,即获得三类体征数据后,就诊级别确定系统需要对每类类体征数据进行具体分析。
本实施例中,为便于就诊级别确定系统对每类体征数据进行具体分析,就诊级别确定系统预先按每类体征数据中每种类体征数据的数值范围依次分级成了各严重级别。
例如:
收缩压数据的数值范围为:小于60mmHg或大于220mmHg对应为一级;大于65mmHg且小于85mmHg或大于200mmHg且小于220mmHg对应为二级;大于170mmHg且小于200mmHg对应为三级。大于85mmHg且小于90mmHg或大于140mmHg且小于170mmHg对应为四级;大于90mmHg且小于140mmHg对应为五级。
脉搏数据的数值范围为:小于等于40次/rain或大于等于180次/rain对应为一级;大于140次/rain或小于180次/rain对应为二级;大于40次/rain且小于等于50次/rain或大于110次/rain且小于等于180次/rain对应为三级;大于50次/rain且小于60次/rain或大于100次/rain且小于110次/rain对应为四级;大于等于60次/rain且小于等于100次/rain对应为五级。
体温数据的数值范围为:小于等于34℃或大于等于41℃对应为一级;大于等于40℃且小于41℃对应为二级;大于等于39.5℃且小于40℃对应为三级;大于等于38.5℃且小于39℃对应为四级;小于38.5℃对应为五级。
血氧饱和度的数据范围为:COPD患者的血氧饱和度小于等于80%或非COPD患者的血氧饱和度小于等于85%对应为一级;COPD患者的血氧饱和度大于80%且小于85%或非COPD患者的血氧饱和度大于等于85%且小于90%对应为二级;COPD患者的血氧饱和度大于等于85%且小于90%或非COPD患者的血氧饱和度大于等于90%且小于95%对应为三级;非COPD患者的血氧饱和度大于等于95%对应为四级。
血糖的数据范围为:小于等于2.0mmol/L对应为一级;大于2.0mmol/L且小于3.9mmol/L或大于30mmol/L对应为二级;大于等于20.0mmol/L且小于等于30.0mmol/L对应为三级;大于6.1mmol/L且小于20.0mmol/L对应为四级。
意识状态的数据范围为:GCS小于等于6分钟且持续时间小于一个月对应为一级;GCS大于等于7分钟且小于等于8分钟,而持续时间小于一个月对应为二级;GCS大于等于7分钟且小于等于8分钟,而持续时间小于一个月对应为二级;GCS大于等于9分钟且小于等于11分钟对应为三级;GCS大于等于12分钟且小于等于15分钟对应为四级。
呼吸次数的数据范围为:小于等于5次/min或大于等于36次/min对应为一级;大于30次/min且小于36次/min对应为二级;大于6次/min且小于等于10次/min或大于24次/min且小于等于30次/min对应为三级;大于等于10次/min且小于等于24次/min对应为四级。
疼痛评级的数据范围为:疼痛评级大于5分对应为三级;疼痛评级大于等于3分且小于等于5分对应为四级;疼痛评级小于等于2分对应为五级。
另外,就诊级别确定系统中还预设了主诉模板表中每种数据对应的严重级别,例如,心搏呼吸骤停对应为一级、明确心梗(救护车转来)对应为一级、突发肢体功能障碍(<4.5h)对应为二级、突发视物不清(4.5h<T<7d)则对应为三级等,为保证描述的简洁并避免累述,对此便不在做过多说明。
进一步的,就诊级别确定系统基于上述预先的分级,把每类体征数据中每种体征数据均放到以匹配的范围中去,则就诊级别确定系统可获得每类体征数据中每种体征数据的严重级别。例如,收缩压数据的数值为70mmHg,则就诊级别确定系统可对应获得收缩压数据的数值对应为二级。
作为一种实施方式
由于每类体征数据中均可包括至少一种体征数据,在就诊级别确定系统获得每类体征数据中每种体征数据的严重级别后,那么就诊级别确定系统需要对每类体征数据的每种体征数据进行处理,且就诊级别确定系统针对每类体征数据的处理方式也相同。那么对于任一类体征数据,诊级别确定系统可直接从该类体征数据中选择出严重级别所对应的严重度最高的一种体征数据作为该类体征数据就诊级别。其中,严重级别的数值越小则严重级别的严重度越高,即一级为所有中的最高严重度。例如,体温数据的严重级别最高为一级,那么就诊级别确定系统则体温数据严重级别的一级作为体温数据所属的该类体征数据的就诊级别,即该体征数据的就诊级别为一级。当然,上述的实施方式仅为本实施例中根据实际考虑到中成本和场地等情况可采用的一种实施方式,并不作为对本实施例的限定。
作为另一种实施方式
与上一种实施方式不同的是,就诊级别确定系统中还预设了每种严重级别所对应的预设得分。其中,严重级别越高预设得分也相应的越高,例如,严重级别为一级则对应预设得分为5分,严重级别为二级则对应预设得分为4分。在就诊级别确定系统获得每类体征数据中每种体征数据的严重级别后,就诊级别确定系统根据预设的每种严重级别所对应的预设得分,则就诊级别确定系统可进一步的获得每类体征数据中每种体征数据的严重级别对应的预设得分。也例如,体温数据的严重级别为一级,那么就诊级别确定系统则确定体温数据的严重级别所对应的预设得分为5分。
其次,在本实施例中,虽然每类体征数据中均可包括至少一种体征数据,但在该至少一种体征数据中每种体征数据对病人所产生的影响大小是有差异的。因此,在考虑到每种体征数据对病人所产生的影响大小是有差异,以便更为准确的确定出每类体征数据的就诊级别。就诊级别确定系统中还预设了每种体征数据在所属的一类体征数据中所占的权重值。例如,一类体征数据中有两种体征数据,对病人影响严重的一种体征数据的权重值则可以为70%,而对病人影响轻微的另一种体征数据的权重值则可以为30%。进而,就诊级别确定系统可将每种体征数据的严重级别所对应的预设得分乘以每种体征数据的权重值,从而获得每类体征数据中每种体征数据的严重级别对应的得分。又例如,体温数据的严重级别为一级而获得的预设得分为5分,在体温数据的权重值为5%的情况下,那么该体温数据的严重级别对应的得分则为0.25分。在考虑到权重值而获得每类体征数据中每种体征数据的严重级别对应的得分后,就诊级别确定系统则可将得分最高的最高分体征数据的严重级别作为每类体征数据的就诊级别。也就是说,在考虑到严重级别和权重值的情况下,所确定出的每类体征数据的就诊级别才能够更加真实的反应出该病人的每类体征数据所对应的严重情况。例如,一类体征数据中A种体征数据的严重级别虽然是一级,但A种体征数据对病人的影响程度并没有该一类体征数据中B种对病人的影响程度大,且A种体征数据对病人的影响程度也没有该一类体征数据中C种对病人的影响程度大。那么在病人甲的A种体征数据的严重级别是一级,病人甲的B种体征数据的严重级别是二级,以及在病人乙的C种体征数据的严重级别是一级的情况下,在考虑到严重级别和权重值,确定病人甲的该一类体征数据的就诊级别为二级,而病人乙的该一类体征数据的就诊级别则为一级,因而根据对病人的影响程度大小则确定的更加合理。当然,上述的实施方式仅为本实施例中根据实际考虑到中成本和场地等情况可采用的一种实施方式,并不作为对本实施例的限定。
需要说明的是,在本实施例的另一种实施方式中,若一类体征数据种有两种类体征数据的得分相同。也为了更加准确的确定出该类体征数据的就诊级别,则就诊级别确定系统选择两种类体征数据中权重大的一种体征数据的严重级别作为该类体征数据的就诊级别。
另外,在本实施例中,为减小系统的运行量,并控制系统的负荷,就诊级别确定系统还预先设置了多种严重级别达到阈值级别的目标体征数据。其中,阈值级别即为一级,且严重级别达到阈值级别的每种目标体征数据均可以为事关病人生死的体征数据,例如,血样饱和度数据、心搏呼吸骤停、休克、明确心梗(救护车转来)、急性中毒(<6h)和急性呼吸急促,面部发绀等。就诊级别确定系统在执行步骤S200之前,就诊级别确定系统根据每种体征数据的数据种类,可先判断至少一类体征数据中是否有任意一种严重级别为阈值级别的目标体征数据。在判断为是时,则说明当前病人的状况十分危急,且无需在执行后续匹配或打分等,直接确定该阈值级别即为该病人的当前就诊级别,即为一级。进而医护人员根据就诊级别确定系统中该病人的当前就诊级别被确定为一级则可对该病人进行优先救治。
步骤S300:基于每类体征数据的就诊级别,确定出所述病人的当前就诊级别。
在获得每类体征数据的就诊级别后,即获得三类体征数据中每类类体征数据的就诊级别后,就诊级别确定系统还需要对每类体征数据的就诊级别也进行具体分析,从而来获得该病人的当前就诊级别。
也作为一种实施方式
体征数据的类型为至少一类,例如为三类,且每类体征数据均具有一个对应的就诊级别。那么,救诊级别确定系统可直接从至少一类体征数据的就诊级别中选择出就诊级别最高的一类体征数据的就诊级别作为该病人的当前就诊级别。其中,就诊级别的数值越小则就诊级别的越高,即一级为所有中的最高的就诊级别。当然,上述的实施方式仅为本实施例中根据实际考虑到中成本和场地等情况可采用的一种实施方式,并不作为对本实施例的限定。
也作为另一种实施方式
与上一种实施方式不同的是,那么就诊级别确定系统中还预设了每种级别的就诊级别所对应的预设得分。其中,就诊级别越高预设得分也相应的越高,例如,就诊级别为一级则对应预设得分为5分,就诊级别为二级则对应预设得分为4分。在就诊级别确定系统获得每类体征数据的就诊级别后,就诊级别确定系统根据预设的每种级别的就诊级别所对应的预设得分,则就诊级别确定系统可进一步的获得每类体征数据的就诊级别对应的预设得分。也例如,第一类体征数据的就诊级别为一级,那么就诊级别确定系统则确定第一类体征数据的就诊级别所对应的预设得分为5分。
其次,在本实施例中,虽然具有至少一类体征数据,但在该至少一类体征数据中每类体征数据对病人所产生的影响大小也是有差异的。因此,在考虑到每类体征数据对病人所产生的影响大小是有差异,以便更为准确的确定出病人的当前就诊级别。就诊级别确定系统中还预设了每类体征数据在至少一类体征数据中所占的权重值。例如,共两类体征数据,对病人影响严重的一类体征数据的权重值则可以为80%,而对病人影响轻微的另一类体征数据的权重值则可以为20%。进而,就诊级别确定系统可将每类体征数据的就诊级别所对应的预设得分乘以每类体征数据的权重值,从而获得每类体征数据就诊级别对应的得分。又例如,A类体征数据的就诊级别为一级而获得的预设得分为5分,而在A类体征数据的就诊级别的权重值为40%的情况下,那么该A类体征数据的就诊级别所对应的得分则为2分。在考虑到权重值而获得每类体征数据的就诊级别对应的得分后,就诊级别确定系统则可将得分最高的目标类体征数据的就诊级别作为该病人的当前就诊级别。
也就是说,在进一步考虑到严重级别和权重值的情况下,所确定出的目标类体征数据的就诊级别才能够更加真实的反应出该病人的当前就诊级别所对应的严重情况。例如,A类体征数据的就诊级别虽然是一级,但A类体征数据的就诊级别对病人的影响程度并没有B类体征数据的就诊级别对病人的影响程度大,且A类体征数据的就诊级别对病人的影响程度也没有C类体征数据的就诊级别种对病人的影响程度大。那么在病人甲的A类体征数据的就诊级别是一级,病人甲的B类体征数据的就诊级别是二级,以及在病人乙的C类体征数据的就诊级别是一级的情况下,在考虑到严重级别和权重值,确定病人甲的当前就诊级别为二级,而病人乙的当前就诊级别则为一级,因而根据对病人的影响程度大小则确定的更加合理。当然,上述的实施方式仅为本实施例中根据实际考虑到中成本和场地等情况可采用的一种实施方式,并不作为对本实施例的限定。
也需要说明的是,在本实施例的另一种实施方式中,若两类体征数据种得分相同。也为了更加准确的确定出该病人的当前就诊级别,则就诊级别确定系统选择两类体征数据中权重大的一类体征数据的就诊级别作为该病人的当前就诊级别。
第三实施例
请参阅图4,本发明第三实施例提供了一种确定病人就诊级别的装置100,确定病人就诊级别的装置100应用于就诊级别确定系统,该确定病人就诊级别的装置100包括:
数据获得模块110,用于获得病人的至少一类体征数据。
第一确定模块120,用于确定出所述至少一类体征数据中每类体征数据的就诊级别。
第二确定模块130,用于基于每类体征数据的就诊级别,确定出所述病人的当前就诊级别。
请参阅图5,在本发明第三实施例中,所述第一确定模块120包括:
第一得分获得单元121,用于获得每类体征数据中每种体征数据的严重级别对应的得分。
第一级别确定单元122,用于将每类体征数据中得分最高的最高分体征数据的严重级别作为每类体征数据的就诊级别。
请参阅图6,在本发明第三实施例中,所述第一得分获得单元121包括:
第一预设得分获得子单元1211,用于获得每类体征数据中每种体征数据的严重级别所对应的预设得分。
第一得分获得子单元1212,用于将每种体征数据的严重级别所对应的预设得分乘以每种体征数据的权重值,获得每类体征数据中每种体征数据的严重级别对应的得分。
请参阅图7,在本发明第三实施例中,所述第二确定模块130包括:
第二得分获得单元131,用于获得每类体征数据的就诊级别所对应的得分。
第二级别确定单元132,用于将所述至少一类体征数据中最高得分对应的目标类体征数据的就诊级别确定为所述病人的当前就诊级别。
请参阅图8,在本发明第三实施例中,确定病人就诊级别的装置100还包括:
判断模块140,用于判断所述至少一类体征数据中是否有任意一种严重级别为阈值级别的目标体征数据。
执行模块150,用于在为否时,执行步骤:确定出所述至少一类体征数据中每类体征数据的就诊级别。
需要说明的是,由于所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域内的技术人员应明白,本发明实施例可提供为方法、系统、或计算机程序产品。因此,本发明实施例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,本发明实施例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。
综上所述,本发明实施例提供了一种确定病人就诊级别的方法及装置,方法应用于就诊级别确定系统。方法包括:获得病人的至少一类体征数据;确定出至少一类体征数据中每类体征数据的就诊级别;基于每类体征数据的就诊级别,确定出病人的当前就诊级别。
就诊级别确定系统通过获得病人的至少一类体征数据,那么就诊级别确定系统可确定出至少一类体征数据中每类体征数据的就诊级别。进一步的,就诊级别确定系统再基于每类体征数据的就诊级别,确定出该病人的当前就诊级别。因此,通过就诊级别确定系统根据体征数据自动确定出病人的当前就诊级别,避免了人工处理的费时费力,极大的提高了医院的就诊效率。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种确定病人就诊级别的方法,其特征在于,所述方法应用于就诊级别确定系统,所述方法包括:
获得病人的至少一类体征数据;
确定出所述至少一类体征数据中每类体征数据的就诊级别;
基于每类体征数据的就诊级别,确定出所述病人的当前就诊级别。
2.根据权利要求1所述的确定病人就诊级别的方法,其特征在于,所述确定出所述至少一类体征数据中每类体征数据的就诊级别,包括:
获得每类体征数据中每种体征数据的严重级别对应的得分;
将每类体征数据中得分最高的最高分体征数据的严重级别作为每类体征数据的就诊级别。
3.根据权利要求2所述的确定病人就诊级别的方法,其特征在于,所述获得每类体征数据中每种体征数据的严重级别对应的得分,包括:
获得每类体征数据中每种体征数据的严重级别所对应的预设得分;
将每种体征数据的严重级别所对应的预设得分乘以每种体征数据的权重值,获得每类体征数据中每种体征数据的严重级别对应的得分。
4.根据权利要求3所述的确定病人就诊级别的方法,其特征在于,在所述确定出所述至少一类体征数据中每类体征数据的就诊级别之前,所述方法还包括:
判断所述至少一类体征数据中是否有任意一种严重级别为阈值级别的目标体征数据;
在为否时,执行步骤:确定出所述至少一类体征数据中每类体征数据的就诊级别。
5.根据权利要求4所述的确定病人就诊级别的方法,其特征在于,所述基于每类体征数据的就诊级别,确定出所述病人的当前就诊级别,包括:
获得每类体征数据的就诊级别所对应的得分;
将所述至少一类体征数据中最高得分对应的目标类体征数据的就诊级别确定为所述病人的当前就诊级别。
6.一种确定病人就诊级别的装置,其特征在于,所述装置应用于就诊级别确定系统,所述装置包括:
数据获得模块,用于获得病人的至少一类体征数据;
第一确定模块,用于确定出所述至少一类体征数据中每类体征数据的就诊级别;
第二确定模块,用于基于每类体征数据的就诊级别,确定出所述病人的当前就诊级别。
7.根据权利要求6所述的确定病人就诊级别的装置,其特征在于,所述第一确定模块包括:
第一得分获得单元,用于获得每类体征数据中每种体征数据的严重级别对应的得分;
第一级别确定单元,用于将每类体征数据中得分最高的最高分体征数据的严重级别作为每类体征数据的就诊级别。
8.根据权利要求7所述的确定病人就诊级别的装置,其特征在于,所述第一得分获得单元包括:
第一预设得分获得子单元,用于获得每类体征数据中每种体征数据的严重级别所对应的预设得分;
第一得分获得子单元,用于将每种体征数据的严重级别所对应的预设得分乘以每种体征数据的权重值,获得每类体征数据中每种体征数据的严重级别对应的得分。
9.根据权利要求8所述的确定病人就诊级别的装置,其特征在于,所述装置还包括:
判断模块,用于判断所述至少一类体征数据中是否有任意一种严重级别为阈值级别的目标体征数据;
执行模块,用于在为否时,执行步骤:确定出所述至少一类体征数据中每类体征数据的就诊级别。
10.根据权利要求9所述的确定病人就诊级别的装置,其特征在于,所述第二确定模块包括:
第二得分获得单元,用于获得每类体征数据的就诊级别所对应的得分;
第二级别确定单元,用于将所述至少一类体征数据中最高得分对应的目标类体征数据的就诊级别确定为所述病人的当前就诊级别。
CN201810046584.4A 2018-01-17 2018-01-17 确定病人就诊级别的方法及装置 Pending CN108172295A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810046584.4A CN108172295A (zh) 2018-01-17 2018-01-17 确定病人就诊级别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810046584.4A CN108172295A (zh) 2018-01-17 2018-01-17 确定病人就诊级别的方法及装置

Publications (1)

Publication Number Publication Date
CN108172295A true CN108172295A (zh) 2018-06-15

Family

ID=62514677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810046584.4A Pending CN108172295A (zh) 2018-01-17 2018-01-17 确定病人就诊级别的方法及装置

Country Status (1)

Country Link
CN (1) CN108172295A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202602716U (zh) * 2012-06-19 2012-12-12 方健 车载伤情传输系统
CN105787262A (zh) * 2016-02-20 2016-07-20 成都中医药大学 中医临床数字化评价体系及其基于大数据分析的评价方法
CN106599542A (zh) * 2016-11-11 2017-04-26 中南大学 一种老年人综合能力评估方法和评估系统
CN106650210A (zh) * 2016-10-02 2017-05-10 张家港市锦丰镇人民医院 一种护理风险综合评估系统
CN107169298A (zh) * 2017-05-26 2017-09-15 深圳市第二人民医院 一种智能急诊分级分诊系统
CN107426765A (zh) * 2017-07-19 2017-12-01 维沃移动通信有限公司 一种测量报告生成方法及移动终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202602716U (zh) * 2012-06-19 2012-12-12 方健 车载伤情传输系统
CN105787262A (zh) * 2016-02-20 2016-07-20 成都中医药大学 中医临床数字化评价体系及其基于大数据分析的评价方法
CN106650210A (zh) * 2016-10-02 2017-05-10 张家港市锦丰镇人民医院 一种护理风险综合评估系统
CN106599542A (zh) * 2016-11-11 2017-04-26 中南大学 一种老年人综合能力评估方法和评估系统
CN107169298A (zh) * 2017-05-26 2017-09-15 深圳市第二人民医院 一种智能急诊分级分诊系统
CN107426765A (zh) * 2017-07-19 2017-12-01 维沃移动通信有限公司 一种测量报告生成方法及移动终端

Similar Documents

Publication Publication Date Title
Torkamani et al. High-definition medicine
WO2018106481A1 (en) Computer-implemented methods, systems, and computer-readable media for diagnosing a condition
CN107145715B (zh) 一种基于推举算法的临床医学智能判别装置
CN108039204A (zh) 一种高危慢病患者运动康复服务系统与方法
CN111383728A (zh) 用于新冠肺炎隔离管理的医学症状信息处理装置及隔离管理系统
CN115985515A (zh) 一种基于机器学习的弱视矫治效果预测方法、装置及设备
Zheng et al. The Guangzhou twin project: An update
CN113611410B (zh) 一种脂肪性肝炎风险诊断设备、系统及其残差网络的训练方法
CN108172295A (zh) 确定病人就诊级别的方法及装置
CN105184054A (zh) 健康管理系统和管理方法
CN115101204A (zh) 一种基于血液生化指标量化评估抑郁症风险的模型、设备及存储介质
CN115691734A (zh) 一种晕厥的病史采集系统、终端、计算机设备及存储介质
CN115565690A (zh) 一种基于机器学习的孤独症谱系障碍早期识别方法
JP5426502B2 (ja) 精神疾患診断装置およびプログラム
CN116936082A (zh) 一种躯体健康风险的量化评估方法、系统和装置
CN108346471A (zh) 一种病理数据的分析方法及装置
Weir et al. Review of NCOA evidence based fall prevention strategies for the home health setting
CN115101156B (zh) 一种基于多源数据分析的家庭医生信息管理系统
Kashou et al. Impact of Computer-Interpreted ECGs on the Accuracy of Healthcare Professionals
CN205028293U (zh) 基于云平台的自动诊断设备
CN212438635U (zh) 一种体检一体机
Bobb-Semple et al. Validity of smartphone fundus photography in diagnosing diabetic retinopathy at Mbarara Regional Referral Hospital, South Western, Uganda: Validity of smartphone fundus photography in diagnosing diabetic retinopathy at Mbarara Regional Referral Hospital, South Western, Uganda
US20230371891A1 (en) User clustering and analysis method using body composition big data, and system thereof
CN215457905U (zh) 眼底照相装置和眼底照相的医疗设备
CN201955787U (zh) 亚健康状态综合评价测试仪

Legal Events

Date Code Title Description
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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180615