CN108538352B - 用药信息处理方法 - Google Patents
用药信息处理方法 Download PDFInfo
- Publication number
- CN108538352B CN108538352B CN201810225728.2A CN201810225728A CN108538352B CN 108538352 B CN108538352 B CN 108538352B CN 201810225728 A CN201810225728 A CN 201810225728A CN 108538352 B CN108538352 B CN 108538352B
- Authority
- CN
- China
- Prior art keywords
- information
- patient
- drug
- medication
- abnormal
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种用药信息处理方法,包括:接收处方信息,从处方信息中提取用药信息和患者信息;根据患者信息从人群适宜模型中调用人群特征集以及人群特征集对应的适宜药物集;根据人群特征集和适宜药物集生成患者适宜模型;根据用药信息从药物异常图谱中提取药物集和异常关系链组集;根据药物集和异常关系链组集生成患者药物组合异常模型;判断用药信息是否符合患者适宜模型;如果否,则生成第一警示信息发送至终端设备;判断用药信息是否符合患者药物组合异常模型;如果是,则生成第二警示信息发送至终端设备。本发明提供的方法,在用药之前就将可能引发医疗事故的风险检测出来,从而降低了临床用药事故的发生率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种用药信息处理方法。
背景技术
临床药理学是一门医学与药学、药理学与治疗学紧密结合的现代新兴科学。以患者为对象,利用现代理论、现代技术研究药物的体内处置过程与人体间相互作用的规律和机制,探讨临床用药的安全性、有效性,制定个体化剂量方案,减少药物不良反应和药源性疾病的发生。
当前合理用药的审查评价中,主要是通过建立审查规则来实现异常用药监控的应用。通过建立各种药物审查规则,据此判断是否可能存在不合理用药。如剂量审查、性别审查、妊娠审查、儿童用药审查等,均是通过人工设置各类筛选条件,当符合筛选条件时则判断为存在不合理用药。
现有技术中存在以下缺点:
1.药品较易出现监控漏洞。如某些特定的患者用药,需要工作人员非常细致地对限定条件进行设定,一旦未能覆盖则就可能被遗漏。
2.药物组合维护不便。所有药品之间的两两使用情况难以完全罗列完整。
3.药物医嘱点评成果不能直接得到应用。国家规定医疗机构必须定期对药物医嘱进行人工点评,但这些投入大量人力进行药物医嘱点评所得的成果,还需要工作人员再投入人力将其手工转换为审查规则方可应用于后续的合理用药审查中。
发明内容
本发明的目的是针对现有技术中存在的缺陷,提供一种用药信息处理方法。
为实现上述目的,本发明提供了一种用药信息处理方法,包括:
接收处方信息,从所述处方信息中提取用药信息和患者信息;
根据所述患者信息从人群适宜模型中调用人群特征集以及所述人群特征集对应的适宜药物集;
根据所述人群特征集和所述适宜药物集生成患者适宜模型;
根据所述用药信息从药物异常图谱中提取药物集和异常关系链组集;
根据所述药物集和异常关系链组集生成患者药物组合异常模型;
判断所述用药信息是否符合所述患者适宜模型;
如果否,则生成第一警示信息发送至终端设备;
判断所述用药信息是否符合所述患者药物组合异常模型;
如果是,则生成第二警示信息发送至终端设备。
进一步的,在根据所述患者信息从人群适宜模型中调用人群特征集以及所述人群特征集对应的适宜药物集之前,所述方法还包括:
获取预设时间段内的多个患者就诊信息,从每个所述患者就诊信息中提取患者特征信息,所述患者特征信息包括年龄信息、孕育信息、性别信息、过敏信息、疾病信息;
将所述患者特征信息生成所述患者对应的人群特征集。
进一步的,在根据所述患者信息从人群适宜模型中调用人群特征集以及所述人群特征集对应的适宜药物集之前,所述方法还包括:
获取预设时间段内的多个人群特征集对应的用药信息和适宜程度信息;
将所述用药信息中每种药物对应的给药途径、给药剂量、给药频率和所述适宜程度信息生成适宜药物集。
进一步的,在根据所述用药信息从药物异常图谱中提取药物集和异常关系链组集之前,所述方法还包括:
获取多个药品信息以及每两个药品之间的异常关系信息;
将所述药品信息和所述异常关系信息生成药物异常图谱。
进一步的,所述异常关系信息包含前置条件和异常类型;所述前置条件包含给药途径和执行间隔;所述异常类型包含类型分类和危害等级。
进一步的,所述判断所述用药信息是否符合所述患者适宜模型具体包括:
判断所述用药信息是否属于所述患者适宜模型中的适宜药物集;和/或
判断所述用药信息对应的适应程度信息是否符合预设适宜程度。
进一步的,所述判断所述用药信息是否符合所述患者药物组合异常模型具体包括:
判断所述用药信息中的每两种药物是否属于所述患者药物组合异常模型中的异常关系信息对应的药物;和/或
判断所述用药信息中的每种药物和关联药物是否符合所述患者药物组合异常模型中的异常关系信息。
进一步的,所述用药信息具体包括:
药品名称、给药途径、给药剂量、给药频率。
本发明提供的用药信息处理方法,能够在用药之前将可能引发医疗事故的风险检测出来,以便医疗机构和医生能够及时发现潜在的风险,从而降低了临床用药事故的发生率。辅助医生判断对药物的疗效和用药风险之间作出充分的评估,避免医生非主观或因药物知识不足所导致的异常用药,从而更合理地选择治疗用药。
附图说明
图1为本发明实施例提供的用药信息处理方法流程图;
图2为本发明实施例提供的人群适宜模型示意图;
图3为本发明实施例提供的人群特征集和适宜药物集的对应关系示意图;
图4为本发明实施例提供的药物异常图谱的示意图;
图5为本发明实施例提供的异常关系链组示意图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
本发明提供的用药信息处理方法,能够降低合理用药审查策略制定的覆盖不全风险,有效辅助医生开具医嘱、药师审查医嘱。同时也能够帮助各医疗机构降低临床用药事故的发生率,规避因不合理用药而造成的医疗资源浪费。
图1为本发明实施例涉及的用药信息处理方法流程图。如图1所示,具体包括如下步骤:
步骤101,接收处方信息,从处方信息中提取用药信息和患者信息;
处方信息是指医生开具的药物医嘱信息,其中记录有患者的个人信息和用药信息。患者信息包括性别、年龄、孕育、病史、过敏等信息。药物医嘱是指医生为治疗患者疾病所开具的某次或某段时间内使用的药物及其用法用量。用法用量是指在药物医嘱中,对于具体某个药品的用法和用量。用法一般是指使用药物时,药物的使用方法或者叫服用方法;用量就是指该药物在一定时间内服用的数量。
用药信息具体包括:药品名称、给药途径、给药剂量、给药频率。
给药途径同临床各类病症的治疗效果有着极为紧密的联系,同一种药物,若给药途径不同,则其药效差别巨大。
给药剂量是指给药时对机体产生一定反应的药量,通常是指防治疾病的用量。
给药频率也称为给药频次,即一段时间内用药的频率与次数。临床上给药频次的多少直接影响着药物对疾病的治疗效果。
步骤102,根据患者信息从人群适宜模型中调用人群特征集以及人群特征集对应的适宜药物集;
人群适宜模型由人群特征集、适宜药物集两个具有映射关联的数据模型组成。图2为本发明实施例提供的人群适宜模型示意图。
在步骤102之前,还包括生成人群特征集的步骤:获取预设时间段内的多个患者就诊信息,从每个患者就诊信息中提取患者特征信息,患者特征信息包括年龄信息、孕育信息、性别信息、过敏信息、疾病信息;将患者特征信息生成患者对应的人群特征集。
具体的,基于某一段时间内每次就诊的患者信息,根据患者的年龄信息、孕育信息、性别信息、过敏信息、疾病信息,形成若干个人群特征集。其中,孕育信息是指女性患者当前是否处于怀孕或哺乳状态。
过敏信息是指人对药品所存在的药品不良反应(Adverse Drug Reaction,ADR)记录。药品不良反应是指由免疫系统参与,而形成对药物反应异于常人。
例如,某个人群特征集为:“小于14周岁”、“男性”、“青霉素过敏”、“支气管哮喘”。
在步骤102之前,还包括生成适宜药物集的步骤:
获取预设时间段内的多个人群特征集对应的用药信息和适宜程度信息;将用药信息中每种药物对应的给药途径、给药剂量、给药频率和适宜程度信息生成适宜药物集。
具体的,基于某个人群特征集在某一段时间内的每次就诊用药信息,根据每次就诊所用药物及其用法用量,针对指定的人群特征集的适宜程度,形成由单个对应药物及其给药途径、给药剂量、给药频率所组成的适宜药物集。在一个具体的实施例中,人群特征集和适宜药物集的对应关系示意图如图3所示。
按照下列标准设置适宜程度信息:
禁忌:使用会显著限制患者的日常活动,需要日常生活照顾,需要医疗甚至需要住院;
谨慎:使用会轻度地限制患者的日常活动,不需要或只需要少量的医疗干预;
适宜:无任何不适,或短时间的不适(<48小时)但无需医疗。
步骤103,根据人群特征集和适宜药物集生成患者适宜模型;
具体的,根据患者信息从人群适宜模型中抽取出相匹配的人群特征集及其映射的适宜药物集,组成该患者的患者适宜模型。最终得出该患者适宜药物及其用法用量的数据集合。
需要说明的是,抽取出的人群特征集可能会是多个,各人群特征集之间在数据范围层面可能存在相互覆盖关系。患者信息中的病史,须统一对各个疾病的诊断设置一个具有参考价值的有效时间期限,超过该期限的病理诊断,则不纳入考虑范围。
步骤104,根据用药信息从药物异常图谱中提取药物集和异常关系链组集;
药物异常图谱包括药物集和异常关系链组集。药物异常图谱的示意图如图4所示。药物异常图谱可通过对已经进行了用药审查和人工点评的药物医疗数据、药品说明书、指南文献等数据中提取获得,同时也支持人工添加维护。
药物集主要是由当前临床在用的所有药品组成。
异常关系链组集主要是基于药品两两组合一起在临床使用时,存在的异常关系链组所构成,两个药品之间的异常关系链组包含若干条异常关系链。异常关系链组示意图如图5所示。
在步骤104之前,还包括生成药物异常图谱的步骤:获取多个药品信息以及每两个药品之间的异常关系信息;将药品信息和异常关系信息生成药物异常图谱。
其中,异常关系信息包含前置条件和异常类型;前置条件包含给药途径和执行间隔;异常类型包含类型分类和危害等级。
前置条件包括但不限于:
给药途径:异常关系链所接连的两个药品各自的给药途径。
执行间隔:异常关系链所接连的两个药品,若分开执行时,其执行的间隔时间。
异常类型包括但不限于:
类型分类:包括相互作用、重复用药。
危害等级:同适宜程度等级划分方式,划分等级包括禁忌、谨慎、提示。
其中,相互作用是指病人同时或在一定时间内由先后服用两种或两种以上药物后所产生的复合效应,可使药效加强或副作用减轻,也可使药效减弱或出现不应有的毒副作用。重复用药是指无正当理由为同一患者同时开具2种以上药理作用相同药物。
步骤105,根据药物集和异常关系链组集生成患者药物组合异常模型;
具体的,根据当前的用药信息从药物异常图谱中抽取出相匹配的药物集及其相互之间的异常关系链组,组成该患者的药物组合异常模型。
抽取的药物集中除当前药物医嘱中出现的药品之外,还包括这些药品在药物异常图谱中有存在异常关系链组的其它药品。
通过药物异常图谱生成药物组合异常模型时,可能生成的药物组合异常模型是空集,则说明当前的用药信息不存在药物组合的异常情况。
步骤106,判断用药信息是否符合患者适宜模型;如果是,执行步骤108;如果否,执行步骤107;
判断用药信息是否符合患者适宜模型包括判断用药信息是否属于患者适宜模型中的适宜药物集;和/或判断用药信息对应的适应程度信息是否符合预设适宜程度。
具体的,将患者信息和用药信息通过患者适宜模型,获知当前用药信息的每个药品及其用法用量,是否在该模型范围之内和在模型范围之内时所对应的适宜程度。若某个药品或其用法用量不在该模型范围之内,或该药品的用法用量在模型范围内的对应适宜程度为“禁忌”或“谨慎”,记录到异常用药风险集合中。
步骤107,生成第一警示信息发送至终端设备;
当用药信息不符合患者适宜模型时,向医生端、护士端、药师端的终端设备发送提醒信息。其中,第一警示信息是用药信息不符合患者适宜模型的提醒信息。
根据异常用药风险集合,逐药提醒其可能的异常风险情况。
对单个药物进行风险提醒时,按所来自的模型不同,标注所对应的适宜程度或异常等级。
步骤108,判断用药信息是否符合患者药物组合异常模型;如果是,则执行步骤109;如果否,则结束;
判断用药信息是否符合患者药物组合异常模型包括判断用药信息中的每两种药物是否属于患者药物组合异常模型中的异常关系信息对应的药物;和/或判断用药信息中的每种药物和关联药物是否符合患者药物组合异常模型中的异常关系信息。
具体的,将当前用药信息通过患者药物组合异常模型,判断当前用药信息的各药品之间,是否存在有异常关系链的药品。对于患者药物组合异常模型中当前药物医嘱映射到的其它非药物医嘱,则根据当前的药物医嘱在药物异常图谱中所关联映射的其它药品,与当前药物医嘱间的异常关系链存在的执行间隔,从患者的用药历史数据中检索是否存在相符的用药信息。若某两个药品的用药信息在该模型范围之内,则记录到异常用药风险集合中。
步骤109,生成第二警示信息发送至终端设备。
当用药信息符合患者药物组合异常模型时,向医生端、护士端、药师端的终端设备发送提醒信息。其中,第二警示信息是用药信息符合患者药物组合异常模型的提醒信息。
根据异常用药风险集合,逐药提醒其可能的异常风险情况。
对单个药物进行风险提醒时,按所来自的模型不同,标注所对应的适宜程度或异常等级。
本发明提供的用药信息处理方法,能够在用药之前将可能引发医疗事故的风险检测出来,以便医疗机构和医生能够及时发现潜在的风险,从而降低了临床用药事故的发生率。辅助医生判断对药物的疗效和用药风险之间作出充分的评估,避免医生非主观或因药物知识不足所导致的异常用药,从而更合理地选择治疗用药。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种用药信息处理方法,其特征在于,所述方法包括:
接收处方信息,从所述处方信息中提取用药信息和患者信息;
根据所述患者信息从人群适宜模型中调用人群特征集以及所述人群特征集对应的适宜药物集;
根据所述人群特征集和所述适宜药物集生成患者适宜模型;
根据所述用药信息从药物异常图谱中提取药物集和异常关系链组集;
根据所述药物集和异常关系链组集生成患者药物组合异常模型;
判断所述用药信息是否符合所述患者适宜模型;
如果否,则生成第一警示信息发送至终端设备;
判断所述用药信息是否符合所述患者药物组合异常模型;
如果是,则生成第二警示信息发送至终端设备;
在根据所述患者信息从人群适宜模型中调用人群特征集以及所述人群特征集对应的适宜药物集之前,所述方法还包括:
获取预设时间段内的多个患者就诊信息,从每个所述患者就诊信息中提取患者特征信息,所述患者特征信息包括年龄信息、孕育信息、性别信息、过敏信息、疾病信息;将所述患者特征信息生成所述患者对应的人群特征集;或者
获取预设时间段内的多个人群特征集对应的用药信息和适宜程度信息;将所述用药信息中每种药物对应的给药途径、给药剂量、给药频率和所述适宜程度信息生成适宜药物集;
在根据所述用药信息从药物异常图谱中提取药物集和异常关系链组集之前,所述方法还包括:
获取多个药品信息以及每两个药品之间的异常关系信息;将所述药品信息和所述异常关系信息生成药物异常图谱;
所述判断所述用药信息是否符合所述患者药物组合异常模型具体包括:
判断所述用药信息中的每两种药物是否属于所述患者药物组合异常模型中的异常关系信息对应的药物;和/或判断所述用药信息中的每种药物和关联药物是否符合所述患者药物组合异常模型中的异常关系信息。
2.根据权利要求1所述的方法,其特征在于,所述异常关系信息包含前置条件和异常类型;所述前置条件包含给药途径和执行间隔;所述异常类型包含类型分类和危害等级。
3.根据权利要求1所述的方法,其特征在于,所述判断所述用药信息是否符合所述患者适宜模型具体包括:
判断所述用药信息是否属于所述患者适宜模型中的适宜药物集;和/或
判断所述用药信息对应的适应程度信息是否符合预设适宜程度。
4.根据权利要求1所述的方法,其特征在于,所述用药信息具体包括:
药品名称、给药途径、给药剂量、给药频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810225728.2A CN108538352B (zh) | 2018-03-19 | 2018-03-19 | 用药信息处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810225728.2A CN108538352B (zh) | 2018-03-19 | 2018-03-19 | 用药信息处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108538352A CN108538352A (zh) | 2018-09-14 |
CN108538352B true CN108538352B (zh) | 2021-03-19 |
Family
ID=63484981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810225728.2A Active CN108538352B (zh) | 2018-03-19 | 2018-03-19 | 用药信息处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108538352B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109545388A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种医学风险控制方法、服务器及存储介质 |
CN109671476A (zh) * | 2018-12-13 | 2019-04-23 | 平安医疗健康管理股份有限公司 | 无关用药的识别方法、装置、终端及计算机可读存储介质 |
CN111145845A (zh) * | 2019-12-20 | 2020-05-12 | 四川大学华西第二医院 | 基于区块链抗肿瘤药物分级管理及追踪用药依从性系统 |
TWI775253B (zh) * | 2020-12-24 | 2022-08-21 | 宏碁股份有限公司 | 高風險用藥路徑的計算方法 |
CN112786213B (zh) * | 2020-12-26 | 2023-03-10 | 四川大学华西医院 | 一种多重用药风险进行全面评估的系统及方法 |
CN112907045B (zh) * | 2021-02-02 | 2023-06-30 | 阳光云救医疗科技(深圳)有限公司 | 一种基于5g物联网的智慧医疗数据采集方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022004A (zh) * | 2016-05-20 | 2016-10-12 | 北京千安哲信息技术有限公司 | 检测混合用药冲突的方法及系统 |
CN106372432A (zh) * | 2016-08-31 | 2017-02-01 | 杭州逸曜信息技术有限公司 | 药物组合信息的处理方法 |
CN106446527A (zh) * | 2016-08-31 | 2017-02-22 | 杭州逸曜信息技术有限公司 | 用药信息的标识处理方法 |
CN107169281A (zh) * | 2017-05-11 | 2017-09-15 | 杭州逸曜信息技术有限公司 | 药品不良反应信息获取方法 |
CN107180156A (zh) * | 2017-05-11 | 2017-09-19 | 杭州逸曜信息技术有限公司 | 用药信息处理方法 |
-
2018
- 2018-03-19 CN CN201810225728.2A patent/CN108538352B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022004A (zh) * | 2016-05-20 | 2016-10-12 | 北京千安哲信息技术有限公司 | 检测混合用药冲突的方法及系统 |
CN106372432A (zh) * | 2016-08-31 | 2017-02-01 | 杭州逸曜信息技术有限公司 | 药物组合信息的处理方法 |
CN106446527A (zh) * | 2016-08-31 | 2017-02-22 | 杭州逸曜信息技术有限公司 | 用药信息的标识处理方法 |
CN107169281A (zh) * | 2017-05-11 | 2017-09-15 | 杭州逸曜信息技术有限公司 | 药品不良反应信息获取方法 |
CN107180156A (zh) * | 2017-05-11 | 2017-09-19 | 杭州逸曜信息技术有限公司 | 用药信息处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108538352A (zh) | 2018-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108538352B (zh) | 用药信息处理方法 | |
Anderson et al. | Your health care may kill you: Medical errors. | |
CN108447536B (zh) | 基于疾病特征和疾病程度信息的用药信息处理方法 | |
US7594889B2 (en) | Integrated data collection and analysis for clinical study | |
US20070033073A1 (en) | System and user interface for monitoring patient treatment orders | |
CN106327395A (zh) | 医疗费用信息的处理方法 | |
WO2006104843A1 (en) | Integrated data collection and analysis for clinical study | |
CN103514576A (zh) | 一种社保就诊违规套现的筛查方法 | |
CN111899837A (zh) | 一种基于数字化手术室的手术报告协同方法及系统 | |
Missen et al. | Adult Deterioration Detection System (ADDS): An evaluation of the impact on MET and Code blue activations in a regional healthcare service | |
Kim et al. | Future and development direction of digital healthcare | |
CN107169281A (zh) | 药品不良反应信息获取方法 | |
CN108461115A (zh) | 医用信息处理方法 | |
Zulfiqar et al. | Telemedicine and cardiology in the elderly in France: inventory of experiments | |
CN114283949A (zh) | 一种基于深度学习的adr辅助决策系统 | |
CN111933245A (zh) | 超说明书用药信息处理方法、装置及相关设备 | |
CN117219243A (zh) | 一种心血管疾病评估及管理系统 | |
CN106971083A (zh) | 基于检验指标的用药信息处理方法 | |
Müller et al. | Telemedical support in patients with chronic heart failure: experience from different projects in Germany | |
CN111161891A (zh) | 一种中医信息管理平台 | |
JPWO2021035224A5 (zh) | ||
Fitzgerald et al. | Trauma reception and resuscitation | |
van der Lande et al. | Continuum of care: positioning of the virtual hospital | |
US20030181792A1 (en) | Healthcare outcome measurement, analysis and improvement system | |
WO2013016143A1 (en) | Analysis of medical therapy outcomes |
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 |