CN109522302A - 医疗数据处理方法、装置、电子设备及计算机可读介质 - Google Patents
医疗数据处理方法、装置、电子设备及计算机可读介质 Download PDFInfo
- Publication number
- CN109522302A CN109522302A CN201811333037.0A CN201811333037A CN109522302A CN 109522302 A CN109522302 A CN 109522302A CN 201811333037 A CN201811333037 A CN 201811333037A CN 109522302 A CN109522302 A CN 109522302A
- Authority
- CN
- China
- Prior art keywords
- data
- medical
- information
- subset
- characteristic information
- 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
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Abstract
本公开涉及一种医疗数据处理方法、装置、电子设备及计算机可读介质。涉及计算机信息处理领域,该方法包括:将多个来源的医疗数据进行数据清洗,获得第一数据;按照医疗就诊规则将所述第一数据进行分类,生成数据集合,所述数据集合包含多个数据子集,所述数据子集包含至少一个病历数据,所述病历数据包括特征信息与诊疗信息;分别判断每一个数据子集中的特征信息与诊疗信息是否满足筛选条件;以及在所述数据子集中的特征信息与诊疗信息满足筛选条件时,将所述病历数据储存至统计表。本公开涉及的医疗数据处理方法、装置、电子设备及计算机可读介质。能够低成本高效率的完成疾病发病特征和诊疗行为特征的统计与呈现。
Description
技术领域
本公开涉及医疗信息化技术领域,具体而言,涉及一种医疗数据处理方法、装置、电子设备及计算机可读介质。
背景技术
统计分析疾病的发病特征、诊治方法特征对于疾病的预防、治疗具有重要价值。一直以来,学术界和临床医护人员都在这个领域做出了大量有价值的工作。近年来,医疗信息化取得了长足的进步,多数医院都已经逐步建立起包含HIS、PACS、LIS等多种系统的院内信息系统。这些院内信息系统聚合后的数据可例如统称为“电子病历”数据。目前很多医院已经建立起电子病历的自动化收集、整理、存储系统,并且积累了海量临床诊疗数据。
电子病历数据直接采集自临床诊疗行为,且采集过程已经与临床诊疗过程融合,对医护人员不构成额外负担。利用这些数据分析大量疾病的发病特征、诊治方法特征,将可以大大提升相关医务人员的工作效率,更高效、低成本的推动疾病预防、治疗效率的进步。
现有技术一般针对某一种或一类疾病,采用科学研究的方式,以调查和数据收集、统计分析等方法完成疾病的发病特征与诊疗特征分析。现有的科研方式虽然严谨客观,但实施成本高,科研人员投入大量精力整理的医疗数据结果中往往只能包含某一地区的一种或一类疾病的发病特征和(或)诊疗特征。
因此,需要一种新的医疗数据处理方法、装置、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此,本公开提供一种医疗数据处理方法、装置、电子设备及计算机可读介质,能够低成本高效率的完成疾病发病特征和诊疗行为特征的统计与呈现。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一方面,提出一种医疗数据处理方法,该方法包括:将多个来源的医疗数据进行数据清洗,获得第一数据;按照医疗就诊规则将所述第一数据进行分类,生成数据集合,所述数据集合包含多个数据子集,所述数据子集包含至少一个病历数据,所述病历数据包括特征信息与诊疗信息;分别判断每一个数据子集中的特征信息与诊疗信息是否满足筛选条件;以及在所述数据子集中的特征信息与诊疗信息满足筛选条件时,将所述病历数据储存至统计表。
在本公开的一种示例性实施例中,还包括:根据所述统计表,生成医疗趋势统计数据。
在本公开的一种示例性实施例中,将多个来源的医疗数据进行数据清洗,获得第一数据包括:获取多个来源的医疗数据;以及将所述多个来源的医疗数据进行结构化处理以生成所述第一数据。
在本公开的一种示例性实施例中,按照医疗就诊规则将所述第一数据进行分类,生成数据集合包括:按照就诊记录将所述第一数据进行分类,对于每一次就诊记录生成一个数据子集,这个子集包括这次就诊中产生的所有病历数据。
在本公开的一种示例性实施例中,分别判断每一个数据子集中的特征信息与诊疗信息是否满足筛选条件包括:根据数据子集中的诊断疾病种类,确定待处理的数据子集;每一个待处理的数据子集中的特征信息与诊疗信息是否满足筛选条件。
在本公开的一种示例性实施例中,将所述病历数据储存至统计表包括:按照诊断疾病种类、特征信息与诊疗信息将所述病历数据进行分类储存至统计表。
在本公开的一种示例性实施例中,按照医疗就诊规则将所述第一数据进行分类,生成数据集合还包括:按照就诊病人将所述第一数据进行分类,生成数据集合;或按照诊断处方将所述第一数据进行分类,生成多个病历数据。
根据本公开的一方面,提出一种医疗数据处理装置,该装置包括:数据分类模块,用于按照医疗就诊规则将所述第一数据进行分类,生成数据集合,所述数据集合包含多个数据子集,所述数据子集包含至少一个病历数据,所述病历数据包括特征信息与诊疗信息;判断模块,用于分别判断每一个数据子集中的特征信息与诊疗信息是否满足筛选条件;储存模块,用于在所述数据子集中的特征信息与诊疗信息满足筛选条件时,将所述病历数据储存至统计表。
根据本公开的一方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上文的方法。
根据本公开的一方面,提出一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上文中的方法。
根据本公开的医疗数据处理方法、装置、电子设备及计算机可读介质,通过将现有多个医疗系统中的医疗数据进行数据清洗,提取疾病相关特征,并按照医疗上的特诊将数据进行分类统计的方式,能够低成本高效率的完成疾病发病特征和诊疗行为特征的统计与呈现。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,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的附图。
图1是根据一示例性实施例示出的一种医疗数据处理方法的流程图。
图2是根据另一示例性实施例示出的一种医疗数据处理方法的流程图。
图3是根据一示例性实施例示出的一种医疗数据处理方法中的统计效果图。
图4是根据一示例性实施例示出的一种医疗数据处理方法中的统计效果图。
图5是根据一示例性实施例示出的一种医疗数据处理装置的框图。
图6是根据一示例性实施例示出的一种电子设备的框图。
图7是根据一示例性实施例示出一种计算机可读存储介质示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应理解,虽然本文中可能使用术语第一、第二、第三等来描述各种组件,但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此,下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用,术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本公开所必须的,因此不能用于限制本公开的保护范围。
图1是根据一示例性实施例示出的一种医疗数据处理方法的流程图。如图1所示,医疗数据处理方法10至少包括步骤S102至S108。
如图1所示,在S102中,将多个来源的医疗数据进行数据清洗,获得第一数据。可例如,获取多个来源的医疗数据;以及将所述多个来源的医疗数据进行结构化处理以生成所述第一数据。
在一个实施例中,多个来源数据可例如为如上文所述的HIS(HospitalInformation System,医院管理和医疗活动中进行信息管理和联机操作的计算机应用系统)、PACS(Picture Archiving and Communication Systems,影像归档和通信系统)、LIS(Laboratory Information System,实验室(检验科)信息系统)等多种系统的院内信息系统中的数据。
在一个实施例中,结构化处理数据可例如是对医疗数据进行重新审查和校验的过程,目的在于删除重复信息、纠正存在的错误,并提供数据一致性。可例如进行数据一致性检查,根据每个变量的合理取值范围和相互关系,检查数据是否合乎要求,发现超出正常范围、逻辑上不合理或者相互矛盾的数据。还可例如,由于调查、编码和录入误差,数据中可能存在一些无效值和缺失值,通过数据的结构化处将差异化数据进行处理解决此类问题。
在S104中,按照医疗就诊规则将所述第一数据进行分类,生成数据集合,所述数据集合包含多个数据子集,所述数据子集包含至少一个病历数据,所述病历数据包括特征信息与诊疗信息。可例如,按照就诊记录将所述第一数据进行分类,生成数据集合,该数据集合包括多个数据子集数据。对于每一次就诊记录生成一个数据子集,这个子集包括这次就诊中产生的所有病历数据。对于前一步输出第一数据,按照就诊组织成电子病历数据。“按照就诊”指的是:将一次就诊中产生的数据保存在一条就诊的记录中。
在一个实施例中,还可例如,按照就诊病人将所述第一数据进行分类,生成数据集合。对于前一步输出第一数据,按照就诊病人进行分类,整理成电子病历数据。分类之后,得到的病历数据中每个病人对应一个病历数据。
在一个实施例中,还可例如,按照诊断处方将所述第一数据进行分类,生成数据集合。对于前一步输出第一数据,按照诊断处方进行分类,整理成电子病历数据。分类之后,得到的病历数据中每个诊断处方对应一个病历数据。
从合理性来说,按照就诊整理数据是最合理的实现方式。患者一次就诊可能存在多种症状,还可能存在既往病史,这些症状、病史之间存在内在关联,所以这些信息在一起综合才能更准确的提取出医疗行为并做出统计。
在S106中,分别判断每一个数据子集中的特征信息与诊疗信息是否满足筛选条件。可例如,根据数据子集中的诊断疾病种类,确定待处理的数据子集;每一个待处理的数据子集中的特征信息与诊疗信息是否满足筛选条件。
在一个实施例中,按规则提取一条或多条诊断疾病。一次就诊可能伴随多项诊断,例如高血压、糖尿病等,在这一步需要将所有疾病提出取来。实际应用规则由数据生产目的决定,不限于排除非疾病诊断。对于一条诊断疾病,从当前就诊数据中提取发病特征信息和诊疗行为信息,判断这些信息是否满足当前疾病纳入条件。
在一个实施例中,“发病特征信息”包括但不限于脱敏后的患者基础信息(年龄、性别等)、既往病史、症状、主诉等能够标识某种疾病发病特征的信息。
在一个实施例中,“诊疗行为信息”包括但不限于检查、检验、诊断、手术、用药、住院、出院等一切医疗诊治行为。
在一个实施例中,筛选条件可例如为按照年龄进行筛选,按照性别进行筛选,按照是否进行手术进行筛选等等一切与症状、个人信息、疾病信息相关的参数进行筛选。
在一个实施例中,筛选条件可例如为一个或者多个筛选条件,在存在多个筛选条件时,多个筛选条件相互之间可以进行“与”、“或”、“非”等的条件判断。可例如,当研究目的成年人房颤发病特点时,针对房颤可以设定纳入条件为:年龄大于18岁。还可例如,可例如,当研究目的成年人房颤发病特点时,针对房颤可以设定纳入条件为:年龄大于18岁、小于60岁,并且性别为男性。
在S108中,在所述数据子集中的特征信息与诊疗信息满足筛选条件时,将所述病历数据储存至统计表。可例如,按照诊断疾病种类、特征信息与诊疗信息将所述病历数据进行分类储存至统计表。
在本公开的一种示例性实施例中,还包括:根据所述统计表,生成医疗趋势统计数据。可例如,按照每种诊断疾病输出疾病发病特征信息和疾病诊疗行为信息,以供医疗人员参考。
根据本公开的医疗数据处理方法,通过将现有多个医疗系统中的医疗数据进行数据清洗,提取疾病相关特征,并按照医疗上的特诊将数据进行分类统计的方式,能够低成本高效率的完成疾病发病特征和诊疗行为特征的统计与呈现。
根据本公开的医疗数据处理方法,可以基于目前医院已经积累的海量诊疗数据,低成本高效率的完成疾病发病特征和诊疗行为特征的统计与呈现。这样既可以帮助疾病科研人员节约在数据收集整理过程的精力;也可以为医院、医疗管理机构提供大量疾病的发病特征、临床诊疗特征的变化趋势。
应清楚地理解,本公开描述了如何形成和使用特定示例,但本公开的原理不限于这些示例的任何细节。相反,基于本公开公开的内容的教导,这些原理能够应用于许多其它实施例。
图2是根据另一示例性实施例示出的一种医疗数据处理方法的流程图。图2所示的流程是以按照就诊规则进行数据分类的医疗数据处理方法的流程图。本申请中的医疗数据处理方法还可应用于按照其他方式(例如按照病人或者按照处方)进行分类的数据处理中,详细步骤与图2中的步骤相似,本申请在此不再赘述。
如图2所示,在S202中,读入数据并进行结构化处理。
在S204中,按照每次就诊对数据进行分类。
在S206中,对于某一次就诊,读取数据。
在S208中,按照规则提取一条或者多条诊断疾病。
在S210中,检查当前就诊数据是否满足当前诊断疾病的纳入条件。
在S212中,将疾病发病特征信息与疾病诊疗行为信息分别记录在当前诊断疾病统计数据中。
在S214中,判断当前就诊的所有判断疾病是否处理完毕。
在S216中,判断所有就诊数据是否处理完毕。提取的当前诊断中所有诊断疾病是否都处理完。如果是,则执行后续步骤,否则对下一个诊断疾病继续进行判断。
在S218中,按照每种诊断疾病输出疾病发病特征信息和疾病诊疗行为信息。作为输出的疾病发病特征示例,图2是某疾病在某医院过去3年内患者年龄分布。作为输出的疾病诊疗行为特征示例,图3是某疾病在某医院过去3年内平均住院天数的变化图。
根据本公开的医疗数据处理方法,可以免除医生和其他疾病研究人员数据收集和统计的工作量,使其专注于洞察统计结果,提高其研究效率
根据本公开的医疗数据处理方法,可以为医疗管理单位或相关单位提供一段时间一定地区内疾病发病特征、诊疗特征的统计数据,便于其了解疾病发病特征、诊疗特征的变化趋势。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时,执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图5是根据一示例性实施例示出的一种医疗数据处理装置的框图。医疗数据处理装置50包括:数据清洗模块502,数据分类模块504,判断模块506,以及储存模块508。
数据清洗模块502用于将多个来源的医疗数据进行数据清洗,获得第一数据。可例如,获取多个来源的医疗数据;以及将所述多个来源的医疗数据进行结构化处理以生成所述第一数据。
数据分类模块504按照医疗就诊规则将所述第一数据进行分类,生成数据集合,所述数据集合包含多个数据子集,所述数据子集包含至少一个病历数据,所述病历数据包括特征信息与诊疗信息。可例如,按照就诊记录将所述第一数据进行分类,生成多个病历数据。对于前一步输出第一数据,按照就诊组织成电子病历数据。“按照就诊”指的是:将一次就诊中产生的数据保存在一条就诊的记录中。
判断模块506用于分别判断每一个数据子集中的特征信息与诊疗信息是否满足筛选条件;可例如,根据数据子集中的诊断疾病种类,确定待处理的病历数据;每一个待处理的数据子集中的特征信息与诊疗信息是否满足筛选条件。
储存模块508用于在所述数据子集中的特征信息与诊疗信息满足筛选条件时,将所述病历数据储存至统计表。可例如,按照诊断疾病种类、特征信息与诊疗信息将所述病历数据进行分类储存至统计表。
根据本公开的医疗数据处理装置,可以基于目前医院已经积累的海量诊疗数据,低成本高效率的完成疾病发病特征和诊疗行为特征的统计与呈现。这样既可以帮助疾病科研人员节约在数据收集整理过程的精力;也可以为医院、医疗管理机构提供大量疾病的发病特征、临床诊疗特征的变化趋势。
图6是根据一示例性实施例示出的一种电子设备的框图。
下面参照图6来描述根据本公开的这种实施方式的电子设备200。图6显示的电子设备200仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于:至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元210执行,使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元210可以执行如图1中所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202,还可以进一步包括只读存储单元(ROM)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204,这样的程序模块2205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
图7示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
参考图7所示,描述了根据本公开的实施方式的用于实现上述方法的程序产品400,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:将多个来源的医疗数据进行数据清洗,获得第一数据;按照医疗就诊规则将所述第一数据进行分类,生成数据集合,所述数据集合包含多个数据子集,所述数据子集包含至少一个病历数据,所述病历数据包括特征信息与诊疗信息;分别判断每一个数据子集中的特征信息与诊疗信息是否满足筛选条件;以及在所述数据子集中的特征信息与诊疗信息满足筛选条件时,将所述病历数据储存至统计表。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
此外,本说明书说明书附图所示出的结构、比例、大小等,均仅用以配合说明书所公开的内容,以供本领域技术人员了解与阅读,并非用以限定本公开可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本公开所能产生的技术效果及所能实现的目的下,均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语,也仅为便于叙述的明了,而非用以限定本公开可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当也视为本公开可实施的范畴。
Claims (10)
1.一种医疗数据处理方法,其特征在于,包括:
将多个来源的医疗数据进行数据清洗,获得第一数据;
按照医疗就诊规则将所述第一数据进行分类,生成数据集合,所述数据集合包含多个数据子集,所述数据子集包含至少一个病历数据,所述病历数据包括特征信息与诊疗信息;
分别判断每一个数据子集中的特征信息与诊疗信息是否满足筛选条件;以及
在所述数据子集中的特征信息与诊疗信息满足筛选条件时,将所述病历数据储存至统计表。
2.如权利要求1所述的方法,其特征在于,还包括:
根据所述统计表,生成医疗趋势统计数据。
3.如权利要求1所述的方法,其特征在于,将多个来源的医疗数据进行数据清洗,获得第一数据包括:
获取多个来源的医疗数据;以及
将所述多个来源的医疗数据进行结构化处理以生成所述第一数据。
4.如权利要求1所述的方法,其特征在于,按照医疗就诊规则将所述第一数据进行分类,生成数据集合包括:
按照就诊记录将所述第一数据进行分类,生成数据集合。
5.如权利要求4所述的方法,其特征在于,分别判断每一个数据子集中的特征信息与诊疗信息是否满足筛选条件包括:
根据数据子集中的诊断疾病种类,确定待处理的病历数据;
每一个待处理的数据子集中的特征信息与诊疗信息是否满足筛选条件。
6.如权利要求5所述的方法,其特征在于,将所述病历数据储存至统计表包括:
按照诊断疾病种类、特征信息与诊疗信息将所述病历数据进行分类储存至统计表。
7.如权利要求1所述的方法,其特征在于按照医疗就诊规则将所述第一数据进行分类,生成数据集合还包括:
按照就诊病人将所述第一数据进行分类,生成数据集合;或
按照诊断处方将所述第一数据进行分类,生成数据集合。
8.一种医疗数据处理装置,其特征在于,包括:
数据清洗模块,用于将多个来源的医疗数据进行数据清洗,获得第一数据;
数据分类模块,用于按照医疗就诊规则将所述第一数据进行分类,生成数据集合,所述数据集合包含多个数据子集,所述数据子集包含至少一个病历数据,所述病历数据包括特征信息与诊疗信息;
判断模块,用于分别判断每一个数据子集中的特征信息与诊疗信息是否满足筛选条件;
储存模块,用于在所述数据子集中的特征信息与诊疗信息满足筛选条件时,将所述病历数据储存至统计表。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811333037.0A CN109522302A (zh) | 2018-11-09 | 2018-11-09 | 医疗数据处理方法、装置、电子设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811333037.0A CN109522302A (zh) | 2018-11-09 | 2018-11-09 | 医疗数据处理方法、装置、电子设备及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109522302A true CN109522302A (zh) | 2019-03-26 |
Family
ID=65776379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811333037.0A Pending CN109522302A (zh) | 2018-11-09 | 2018-11-09 | 医疗数据处理方法、装置、电子设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109522302A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110223761A (zh) * | 2019-06-13 | 2019-09-10 | 上海联影医疗科技有限公司 | 一种勾勒数据导入方法、装置、电子设备及存储介质 |
CN110362829A (zh) * | 2019-07-16 | 2019-10-22 | 北京百度网讯科技有限公司 | 结构化病历数据的质量评估方法、装置及设备 |
CN110400613A (zh) * | 2019-06-10 | 2019-11-01 | 南京医基云医疗数据研究院有限公司 | 一种随访患者筛选方法、装置、可读介质及电子设备 |
CN110931125A (zh) * | 2019-12-11 | 2020-03-27 | 北京深睿博联科技有限责任公司 | 用于脑卒中的判别信号识别方法及装置 |
CN111145844A (zh) * | 2019-12-31 | 2020-05-12 | 重庆亚德科技股份有限公司 | 综合医疗监管平台 |
CN112365975A (zh) * | 2020-11-12 | 2021-02-12 | 医渡云(北京)技术有限公司 | 医疗辅助决策模型解释方法及装置、存储介质、电子设备 |
CN112786130A (zh) * | 2020-12-31 | 2021-05-11 | 医渡云(北京)技术有限公司 | 一种获取病历主诊断信息的方法、装置、存储介质和设备 |
CN112863626A (zh) * | 2021-03-08 | 2021-05-28 | 北京冠新医卫软件科技有限公司 | 多平台相似医疗数据去除方法、装置及设备 |
CN113053531A (zh) * | 2019-12-26 | 2021-06-29 | 北京懿医云科技有限公司 | 医疗数据处理方法、装置、计算机可读存储介质及设备 |
CN113127461A (zh) * | 2019-12-31 | 2021-07-16 | 中国科学技术信息研究所 | 一种数据清洗方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110113049A1 (en) * | 2009-11-09 | 2011-05-12 | International Business Machines Corporation | Anonymization of Unstructured Data |
CN107833595A (zh) * | 2017-10-12 | 2018-03-23 | 山东大学 | 医疗大数据多中心整合平台及方法 |
CN108573752A (zh) * | 2018-02-09 | 2018-09-25 | 上海米因医疗器械科技有限公司 | 一种基于健康大数据的健康信息处理的方法及系统 |
-
2018
- 2018-11-09 CN CN201811333037.0A patent/CN109522302A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110113049A1 (en) * | 2009-11-09 | 2011-05-12 | International Business Machines Corporation | Anonymization of Unstructured Data |
CN107833595A (zh) * | 2017-10-12 | 2018-03-23 | 山东大学 | 医疗大数据多中心整合平台及方法 |
CN108573752A (zh) * | 2018-02-09 | 2018-09-25 | 上海米因医疗器械科技有限公司 | 一种基于健康大数据的健康信息处理的方法及系统 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400613A (zh) * | 2019-06-10 | 2019-11-01 | 南京医基云医疗数据研究院有限公司 | 一种随访患者筛选方法、装置、可读介质及电子设备 |
CN110223761A (zh) * | 2019-06-13 | 2019-09-10 | 上海联影医疗科技有限公司 | 一种勾勒数据导入方法、装置、电子设备及存储介质 |
CN110223761B (zh) * | 2019-06-13 | 2023-08-22 | 上海联影医疗科技股份有限公司 | 一种勾勒数据导入方法、装置、电子设备及存储介质 |
CN110362829A (zh) * | 2019-07-16 | 2019-10-22 | 北京百度网讯科技有限公司 | 结构化病历数据的质量评估方法、装置及设备 |
CN110362829B (zh) * | 2019-07-16 | 2023-01-03 | 北京百度网讯科技有限公司 | 结构化病历数据的质量评估方法、装置及设备 |
CN110931125A (zh) * | 2019-12-11 | 2020-03-27 | 北京深睿博联科技有限责任公司 | 用于脑卒中的判别信号识别方法及装置 |
CN113053531A (zh) * | 2019-12-26 | 2021-06-29 | 北京懿医云科技有限公司 | 医疗数据处理方法、装置、计算机可读存储介质及设备 |
CN113053531B (zh) * | 2019-12-26 | 2023-08-08 | 北京懿医云科技有限公司 | 医疗数据处理方法、装置、计算机可读存储介质及设备 |
CN113127461A (zh) * | 2019-12-31 | 2021-07-16 | 中国科学技术信息研究所 | 一种数据清洗方法、装置、电子设备及存储介质 |
CN111145844A (zh) * | 2019-12-31 | 2020-05-12 | 重庆亚德科技股份有限公司 | 综合医疗监管平台 |
CN113127461B (zh) * | 2019-12-31 | 2023-11-24 | 中国科学技术信息研究所 | 一种数据清洗方法、装置、电子设备及存储介质 |
CN112365975B (zh) * | 2020-11-12 | 2021-07-23 | 医渡云(北京)技术有限公司 | 医疗辅助决策模型解释方法及装置、存储介质、电子设备 |
CN112365975A (zh) * | 2020-11-12 | 2021-02-12 | 医渡云(北京)技术有限公司 | 医疗辅助决策模型解释方法及装置、存储介质、电子设备 |
CN112786130A (zh) * | 2020-12-31 | 2021-05-11 | 医渡云(北京)技术有限公司 | 一种获取病历主诊断信息的方法、装置、存储介质和设备 |
CN112786130B (zh) * | 2020-12-31 | 2022-12-09 | 医渡云(北京)技术有限公司 | 一种获取病历主诊断信息的方法、装置、存储介质和设备 |
CN112863626A (zh) * | 2021-03-08 | 2021-05-28 | 北京冠新医卫软件科技有限公司 | 多平台相似医疗数据去除方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522302A (zh) | 医疗数据处理方法、装置、电子设备及计算机可读介质 | |
Razzak et al. | Big data analytics for preventive medicine | |
US11720639B1 (en) | Ontology mapper | |
Belle et al. | Big data analytics in healthcare | |
US10340040B2 (en) | Method and system for identifying diagnostic and therapeutic options for medical conditions using electronic health records | |
US10930372B2 (en) | Solution for drug discovery | |
JP6780520B2 (ja) | オープンデータ及び臨床医の入力を用いて患者のリスクを評価するシステム及び方法 | |
CN111145844B (zh) | 综合医疗监管平台 | |
US11302450B2 (en) | Computer-implemented system and method for guided assessments on medication effects | |
Hameed et al. | Integration of 5G and block-chain technologies in smart telemedicine using IoT | |
US20170124263A1 (en) | Workflow and interface manager for a learning health system | |
CN110709938A (zh) | 用于生成患者数字孪生的方法和系统 | |
Mustapha et al. | Impact of industry 4.0 on healthcare: a systematic literature review (SLR) from the last decade | |
JP2018060529A (ja) | コンテキストベースの患者類似性の方法及び装置 | |
Shastry et al. | An integrated deep learning and natural language processing approach for continuous remote monitoring in digital health | |
US20220068454A1 (en) | System and method for medical research data processing, acquisition and analysis | |
KR20200022110A (ko) | 한의학 임상데이터 수집 및 딥러닝 기반 데이터 분석 시스템 | |
Kumar et al. | Deep learning for healthcare biometrics | |
Wang et al. | Realizing the promise of big data: how Taiwan can help the world reduce medical errors and advance precision medicine | |
WO2017127459A1 (en) | Method and system for identifying diagnostic and therapeutic options for medical conditions using electronic health records | |
Todor et al. | Future Trend in Healthcare: The Use of Big Data | |
McDougall et al. | Predicting Opioid Overdose Readmission and Opioid Use Disorder with Machine Learning | |
Kazemzadeh et al. | Incoporating data mining applications into clinical guildelines | |
Gautam et al. | An overview of big data applications in healthcare: opportunities and challenges | |
Koo | Next Visit Diagnosis Prediction via Medical Code-Centric Multimodal Contrastive EHR Modelling with Hierarchical Regularisation |
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: 20190326 |
|
RJ01 | Rejection of invention patent application after publication |