CN109637615A - 异常医疗处方的判断方法、装置、设备及可读存储介质 - Google Patents
异常医疗处方的判断方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN109637615A CN109637615A CN201811462365.0A CN201811462365A CN109637615A CN 109637615 A CN109637615 A CN 109637615A CN 201811462365 A CN201811462365 A CN 201811462365A CN 109637615 A CN109637615 A CN 109637615A
- Authority
- CN
- China
- Prior art keywords
- current
- field
- medical
- prescription
- exception
- 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.)
- Granted
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Computational Linguistics (AREA)
- Medicinal Chemistry (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开一种异常医疗处方的判断方法、装置、设备及可读存储介质,所述方法包括:当接收到就诊患者的当前医疗处方时,读取当前医疗处方中的当前病症字段、当前治疗字段、当前用药字段和当前就诊信息,并将当前病症字段、当前治疗字段和当前用药字段形成关联字段对;将关联字段对和各预设治疗用药组对比,确定各预设治疗用药组中与关联字段对对应的目标治疗用药组;读取目标治疗用药组的参考基线,并根据参考基线与当前就诊信息之间的对应关系,判断当前医疗处方的异常性。本方案将基于医疗大数据的历史就诊信息所生成的参考基线和就诊患者的当前就诊信息进行对比,判定就诊患者的当前医疗处方的异常性,使医疗处方异常性的判断更为准确有效。
Description
技术领域
本发明主要涉及医疗系统技术领域,具体地说,涉及一种异常医疗处方的判断方法、装置、设备及可读存储介质。
背景技术
随着社会保障制度的发展,具有医保并使用医保就诊的人员越来越多,各人员在各医疗机构使用医保就诊时,医疗机构的医疗人员会针对就诊人员的病症信息开出相应的医疗处方,以对就诊人员的疾病进行治疗。其中对于慢性病人的医疗处方在不同时间上具有相似性,如高血压病人在持续一段时间用药后,病症稳定,其医疗处方也相对稳定。
对于目前存在的一些恶意使用医保进行就诊的人员,如将本人的医保转卖给他人进行就诊,或者购买本人不需要的各类医保药品进行出售等。此类就诊人员的医疗处方差异性较大,不呈现慢性病人所具有的医疗处方稳定性,为异常医疗处方,对此类异常医疗处方的判断在杜绝医保恶意使用方面显得尤为重要。但是目前对于异常医疗处方缺乏有效的判断机制,使得不能准确的识别医保的恶意使用。
发明内容
本发明的主要目的是提供一种异常医疗处方的判断方法、装置、设备及可读存储介质,旨在解决现有技术中对异常医疗处方缺乏有效判断机制的问题。
为实现上述目的,本发明提供一种异常医疗处方的判断方法,所述异常医疗处方的判断方法包括以下步骤:
当接收到就诊患者的当前医疗处方时,读取所述当前医疗处方中的当前病症字段、当前治疗字段、当前用药字段和当前就诊信息,并将所述当前病症字段、当前治疗字段和当前用药字段形成关联字段对;
将所述关联字段对和各预设治疗用药组对比,确定各所述预设治疗用药组中与所述关联字段对对应的目标治疗用药组;
读取所述目标治疗用药组的参考基线,并根据所述参考基线与所述当前就诊信息之间的对应关系,判断所述当前医疗处方的异常性。
优选地,所述根据所述参考基线与所述当前就诊信息之间的对应关系,判断所述当前医疗处方的异常性的步骤包括:
抓取所述当前就诊信息中的当前就诊时长和当前用药量,并将所述当前就诊时长和所述参考基线对比,确定所述参考基线中与所述当前就诊时长对应的参考用药量;
将所述当前用药量和所述参考用药量做差运算,生成运算结果,并判断所述运算结果是否在预设范围内;
若所述运算结果在所述预设范围内,则判定所述当前医疗处方正常,若所述运算结果不在所述预设范围内,则判定所述当前医疗处方异常。
优选地,所述判定所述当前医疗处方异常的步骤之后包括:
读取所述就诊患者的患者信息,并根据所述患者信息获取所述就诊患者的历史医疗处方;
将所述历史医疗处方与所述当前医疗处方对比,确定所述当前医疗处方的异常类型以及异常等级,并输出提示信息。
优选地,所述将所述历史医疗处方与所述当前医疗处方对比,确定所述当前医疗处方的异常类型以及异常等级的步骤包括:
读取所述历史医疗处方中的历史病症字段、历史治疗字段、历史用药字段和历史就诊信息,并将所述历史病症字段和所述当前病症字段对比,判断所述历史病症字段和所述当前病症字段是否一致;
若所述历史病症字段和所述当前病症字段一致,则根据所述历史治疗字段、历史用药字段、历史就诊信息、当前治疗字段、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级。
优选地,所述根据所述历史治疗字段、历史用药字段、历史就诊信息、当前治疗字段、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级的步骤包括:
判断所述历史治疗字段和所述当前治疗字段是否一致,若所述历史治疗字段和所述当前治疗字段一致,则根据所述历史用药字段、历史就诊信息、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级;
若所述历史治疗字段和所述当前治疗字段不一致,则将所述当前医疗处方的异常类型确定为第一类型,并根据所述历史治疗字段和所述当前治疗字段之间的差异性,确定异常等级。
优选地,所述根据所述历史用药字段、历史就诊信息、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级的步骤包括:
判断所述历史用药字段和所述当前用药字段是否一致,若所述历史用药字段和所述当前用药字段一致,则将所述当前医疗处方的异常类型确定为第二异常类型,并根据所述历史就诊信息中历史用药量和所述当前就诊信息中当前用药量之间的差异性,确定异常等级;
若所述历史用药字段和所述当前用药字段不一致,则将所述当前医疗处方的异常类型确定为第三异常类型,并根据所述历史用药字段和所述当前用药字段之间的差异性,确定异常等级。
优选地,所述将所述关联字段对和各预设治疗用药组对比,确定各所述预设治疗用药组中与所述关联字段对对应的目标治疗用药组的步骤包括:
将所述关联字段对中的当前病症字段、当前治疗字段和当前用药字段逐一和各预设治疗用药组的标识对比,确定与所述当前病症字段、当前治疗字段和当前用药字段对应的目标标识;
将所述目标标识所归属的预设治疗用药组确定为目标治疗用药组。
此外,为实现上述目的,本发明还提出一种异常医疗处方的判断装置,所述异常医疗处方的判断装置包括:
读取模块,用于当接收到就诊患者的当前医疗处方时,读取所述当前医疗处方中的当前病症字段、当前治疗字段、当前用药字段和当前就诊信息,并将所述当前病症字段、当前治疗字段和当前用药字段形成关联字段对;
对比模块,用于将所述关联字段对和各预设治疗用药组对比,确定各所述预设治疗用药组中与所述关联字段对对应的目标治疗用药组;
判断模块,用于读取所述目标治疗用药组的参考基线,并根据所述参考基线与所述当前就诊信息之间的对应关系,判断所述当前医疗处方的异常性。
此外,为实现上述目的,本发明还提出一种异常医疗处方的判断设备,所述异常医疗处方的判断设备包括:存储器、处理器、通信总线以及存储在所述存储器上的异常医疗处方的判断程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述异常医疗处方的判断程序,以实现以下步骤:
当接收到就诊患者的当前医疗处方时,读取所述当前医疗处方中的当前病症字段、当前治疗字段、当前用药字段和当前就诊信息,并将所述当前病症字段、当前治疗字段和当前用药字段形成关联字段对;
将所述关联字段对和各预设治疗用药组对比,确定各所述预设治疗用药组中与所述关联字段对对应的目标治疗用药组;
读取所述目标治疗用药组的参考基线,并根据所述参考基线与所述当前就诊信息之间的对应关系,判断所述当前医疗处方的异常性。
此外,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于:
当接收到就诊患者的当前医疗处方时,读取所述当前医疗处方中的当前病症字段、当前治疗字段、当前用药字段和当前就诊信息,并将所述当前病症字段、当前治疗字段和当前用药字段形成关联字段对;
将所述关联字段对和各预设治疗用药组对比,确定各所述预设治疗用药组中与所述关联字段对对应的目标治疗用药组;
读取所述目标治疗用药组的参考基线,并根据所述参考基线与所述当前就诊信息之间的对应关系,判断所述当前医疗处方的异常性。
本实施例的异常医疗处方的判断方法,当接收到就诊患者的当前医疗处方时,将该当前医疗处方中的当前病症字段、当前治疗字段和当前用药字段形成关联字段对,并将该关联字段对和预设治疗用药组对比,确定与关联字段对对应的目标治疗用药组,目标治疗用药组中具有参考基线,通过该参考基线与当前医疗处方中当前就诊信息之间的对应关系,来判断当前医疗处方的异常性。目标治疗用药组中的参考基线为表征就诊患者所对应病症的参考就诊信息,由医疗大数据中多名具有该病症的历史就诊患者的正常就诊信息生成;由该参考基线和就诊患者的当前就诊信息进行对比,判定就诊患者的当前医疗处方的异常性;因参考基线的准确度较高,使得医疗处方异常性的判断也更为准确有效,提升了异常医疗处方作为判定恶意使用医保依据的准确度。
附图说明
图1是本发明的异常医疗处方的判断方法第一实施例的流程示意图;
图2是本发明的异常医疗处方的判断装置第一实施例的功能模块示意图;
图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种异常医疗处方的判断方法。
请参照图1,图1为本发明异常医疗处方的判断方法第一实施例的流程示意图。在本实施例中,所述异常医疗处方的判断方法包括:
步骤S10,当接收到就诊患者的当前医疗处方时,读取所述当前医疗处方中的当前病症字段、当前治疗字段、当前用药字段和当前就诊信息,并将所述当前病症字段、当前治疗字段和当前用药字段形成关联字段对;
本发明的异常医疗处方的判断方法应用于服务器,适用于通过服务器对患有慢性病的就诊患者的医疗处方的异常性进行判断;其中医疗处方为医疗机构中的医疗人员针对就诊患者的病症信息所开出的,用于治疗就诊患者慢性疾病的处方,涉及到治疗方案、用药方案、用药量等;医疗机构则包括但不限于综合医院、中医医院、专科医院等各种类型的医院,以及诊所、卫生院、药房等。服务器和医疗机构之间建立有通信连接,并预先设定时间间隔;当到达该时间间隔时,服务器向医疗机构发送请求,以请求获取就诊患者的当前医疗处方,该当前医疗处方为就诊患者最近一次去医疗机构就诊,医疗机构所开出的处方。医疗机构在接收到请求后,则向服务器返回就诊患者的当前医疗处方。其中服务器可在请求中指定所需要获取的就诊患者的当前医疗处方,如将就诊患者的身份证号码添加到请求中,医疗机构查找与该身份证号码对应就诊患者所具有的当前医疗处方,并将该查找的当前医疗处方返回到服务器。需要说明的是,所请求获取的当前医疗处方可以是与多名就诊患者对应的多份当前医疗处方,也可以是单个就诊患者的单份当前医疗患者,对此不做限定。
服务器对医疗机构所发送的就诊患者的当前医疗处方进行接收,并读取该当前医疗处方中的当前病症字段、当前治疗字段、当前用药字段和当前就诊信息;其中当前病症字段用于表征就诊患者最近一次去医疗机构就诊,医疗机构对该就诊患者所诊断的病症,当前治疗字段用于表征医疗机构对该就诊患者病症所采用的治疗方案,当前用药字段用于表征医疗机构对该就诊患者病症所采用的用药方案,当前就诊信息用于表征就诊患者的当前用药量以及针对该病症的当前就诊时长等。将该读取的当前病症字段、当前治疗字段和当前用药字段形成关联字段对,以表征就诊患者当前的病症、以及对应的治疗方案和用药方案。
步骤S20,将所述关联字段对和各预设治疗用药组对比,确定各所述预设治疗用药组中与所述关联字段对对应的目标治疗用药组;
进一步地,本实施例预先设置有预设治疗用药组,该预设治疗用药组为针对各类型疾病、各类型疾病的各种治疗方案,以及各种治疗方案的各用药方案的就诊信息分组,且分组数据来源于医疗机构历史针对各类疾病的就诊患者进行就诊,所使用的治疗方案、用药方案以及就诊信息。如医疗机构以往在对冠心病的治疗过程中,所涉及到治疗方案包括药物治疗、介入治疗、调脂治疗和手术治疗等,而各个治疗方案又因不同病人的病症差异性而采用不同的用药方案;如药物治疗方案中的药物包括硝酸酯类药物、抗血栓药物、纤溶药物、β-受体阻滞剂、钙通道阻断剂、肾素-血管紧张素系统抑制剂等;将药物治疗方案中所使用相同用药方案的病人就诊信息划分到同一预设治疗用药组,而形成[冠心病-药物治疗-硝酸酯类药物-就诊信息]、[冠心病-药物治疗-抗血栓药物-就诊信息]、[冠心病-药物治疗-钙通道阻断剂-就诊信息]等多个预设治疗用药组。需要说明的是,对于某些治疗方案可能不涉及到用药,如单纯的依赖器械的康复治疗方案,则将预设治疗用药组中的用药设置为空值。在依据疾病类型、治疗方案以及用药方案对各就诊患者的就诊信息进行分组之后,对各组中的各个就诊患者的就诊信息进行整合,得到具有各类疾病的就诊患者采用各类治疗方案和用药方案进行就诊后,就诊信息中的就诊时长和用药量之间的对应关系。如分组中50%的就诊患者在就诊时长a1后的用药量为a2,则在预设治疗用药组中形成就诊时长a1和用药量a2之间的对应关系。
将形成的关联字段对和各个预设治疗用药组对比,确定与该关联字段对对应的预设治疗用药组,并将该对应的预设治疗用药组作为目标治疗用药组,以通过和就诊患者具有相同病症的历史就诊患者的就诊信息来判断就诊患者的当前就诊信息是否正常。具体地,将关联字段对和各预设治疗用药组对比,确定各预设治疗用药组中与关联字段对对应的目标治疗用药组的步骤包括:
步骤S21,将所述关联字段对中的当前病症字段、当前治疗字段和当前用药字段逐一和各预设治疗用药组的标识对比,确定与所述当前病症字段、当前治疗字段和当前用药字段对应的目标标识;
为了表征各预设治疗用药组所适用的病症、治疗方案和用药方案,对各预设治疗用药组设置有各个标识,且标识以字符串的形式存在,如F-x1-x2-x3,其中F用于表征该字符串为标识,x1表征疾病类型,x2表征治疗方案,x3表征用药方案。将关联字段对中的当前病症字段、当前治疗字段和当前用药字段逐一和各个预设治疗用药组的标识对比,确定与该当前病症字段、当前治疗字段和当前用药字段对应的目标标识。如对于上述标识的形式为F-x1-x2-x3,则先将当前病症字段和各标识的x1对比,确定和当前病症字段一致的各个x1;再将当前治疗字段和该各个一致的x1所在标识中的x2对比,确定和当前治疗字段一致的各个x2;进而将当前用药字段和该各个一致的x2所在标识中的x3对比,确定和当前用药字段一致的x3,该x3所在标识即为与当前病症字段、当前治疗字段和当前用药字段对应的目标标识。
步骤S22,将所述目标标识所归属的预设治疗用药组确定为目标治疗用药组。
可理解地,因目标标识来源于预设治疗用药组,而将具有该目标标识的预设治疗用药组作为和关联字段对对应的目标治疗用药组,以便于通过目标治疗用药组中就诊时长和用药量之间的对应关系来判断就诊患者的当前就诊信息是否正常。
步骤S30,读取所述目标治疗用药组的参考基线,并根据所述参考基线与所述当前就诊信息之间的对应关系,判断所述当前医疗处方的异常性。
更进一步地,因目标治疗用药组中就诊时长和用药量之间的对应关系,由历史就诊的多个就诊患者的就诊信息生成,表征针对病症的各个就诊时长对应理论上的用药量;从而可将该就诊时长和用药量之间的对应关系作为目标治疗用药组的参考基线,该参考基线可由位于X轴和Y轴所组成的XY二维坐标系中的曲线表征,且X轴坐标表征就诊时长,而Y轴表征用药量,以表征各个就诊时长所对应的用药量。不同慢性病症因本身的特征不同而使得参考基线在XY二维坐标系中呈现不同的形态,如对于甲亢,随着治疗时间的增加,病症逐渐恢复,而使得用药量随着就诊时长的增加而成下降趋势;而对于高血压,随着治疗时间的增加,病症逐渐稳定,而使得用药量随着就诊时长的增加而成平稳趋势。通过各类病症的治疗方案以及用药方案的参考基线,来反映各病症的就诊时长与用药量之间的对应关系。因当前就诊信息中涉及到就诊患者的当前用药量以及当前就诊时长,其和参考基线存在对应关系,从而读取目标治疗用药组中的参考基线,并依据参考基线和当前就诊信息之间所存在的对应关系,判断当前医疗处方的异常性,即判断就诊患者的当前医疗处方是否为异常医疗处方。具体地,根据参考基线与当前就诊信息之间的对应关系,判断当前医疗处方的异常性的步骤包括:
步骤S31,抓取所述当前就诊信息中的当前就诊时长和当前用药量,并将所述当前就诊时长和所述参考基线对比,确定所述参考基线中与所述当前就诊时长对应的参考用药量;
可理解地,因参考基线所位于XY二维坐标系中的X轴用于表征就诊时长,当前就诊信息中的当前就诊时长在X轴上必然存在对应的x坐标点;从而抓取当前就诊信息中表征就诊患者对病症进行就诊的当前就诊时长,以及就诊患者的当前用药量,并将该当前就诊时长和参考基线所在XY二维坐标系中的X轴上各个坐标点对比,确定与当前就诊时长数值一致的x坐标点。该x坐标点在参考基线上存在对应的y坐标点,该y坐标点即为参考基线中与表征当前就诊时长的x坐标点对应的用药量;将该用药量作为参考用药量,表征对就诊患者的病症经过当前就诊时长的就诊后理论上所需要的用药量。
步骤S32,将所述当前用药量和所述参考用药量做差运算,生成运算结果,并判断所述运算结果是否在预设范围内;
进一步地,在确定与当前就诊时长对应的参考用药量之后,将当前用药量和参考用药量做差运算,其中差运算为当前用药量和参考用药量之间的相减。因当前用药量为就诊患者在经过当前就诊时长就诊后的实际用药量,而参考用药量为理论用药量,从而两者之间的相减结果,可表征实际用药量与理论用药量之间的差异大小。为了评估两者之间的差异是否过大,预先设置有预设范围,该预设范围可以是正负值的数值区间,如[-2,+2],表征当前用药量多于或少于参考用药量的正常区间;也可以是正值区间,如[0,+2],表征当前用药量多于参考用药量的正常区间,或者是负值区间,表征当前用药量少于参考用药量的正常区间。将两者相减所得到的结果作为运算结果,并将该运算结果和预设范围进行对比,判断运算结果是否在预设范围内。
步骤S33,若所述运算结果在所述预设范围内,则判定所述当前医疗处方正常,若所述运算结果不在所述预设范围内,则判定所述当前医疗处方异常。
当经对比判断出运算结果在预设范围内,则说明实际用药量与理论用药量之间的差异没有过大,在正常区间范围内,可判定就诊患者的当前医疗处方正常。如对于范围区间[-2,+2],若当前用药量为5,参考用药量为4,则运算结果1在范围区间内,当前医疗处方正常。而当经对比判断出运算结果没有在预设范围内,则说明实际用药量与理论用药量之间的差异过大,不在正常区间范围内,判定就诊患者的当前医疗处方存在异常。
本实施例的异常医疗处方的判断方法,当接收到就诊患者的当前医疗处方时,将该当前医疗处方中的当前病症字段、当前治疗字段和当前用药字段形成关联字段对,并将该关联字段对和预设治疗用药组对比,确定与关联字段对对应的目标治疗用药组,目标治疗用药组中具有参考基线,通过该参考基线与当前医疗处方中当前就诊信息之间的对应关系,来判断当前医疗处方的异常性。目标治疗用药组中的参考基线为表征就诊患者所对应病症的参考就诊信息,由医疗大数据中多名具有该病症的历史就诊患者的正常就诊信息生成;由该参考基线和就诊患者的当前就诊信息进行对比,判定就诊患者的当前医疗处方的异常性;因参考基线的准确度较高,使得医疗处方异常性的判断也更为准确有效,提升了异常医疗处方作为判定恶意使用医保依据的准确度。
进一步地,在本发明异常医疗处方的判断方法另一实施例中,所述判定所述当前医疗处方异常的步骤之后包括:
步骤S34,读取所述就诊患者的患者信息,并根据所述患者信息获取所述就诊患者的历史医疗处方;
进一步地,在判断出就诊患者的当前医疗处方存在异常,就诊患者的当前用药量不符合大众的参考用药量规律时,引起该当前用药量异常的原因可能是就诊患者在前期采用不同的治疗方案,而使得最近一次的当前医疗处方中当前用药量和参考用药量之间的差异较大;也可能是治疗方案相同而用药类型不同导致两者之间的差异性,或者直接就是当前用药量的变化。此些引起当前医疗处方异常的不同原因,属于不同的异常类型和异常等级;而为了确定异常的类型和等级,读取就诊患者的患者信息,该患者信息包括就诊患者的姓名、年龄、性别、身份证号码等,并由该患者信息查找就诊患者此前的历史医疗处方;进而由当前医疗处方和历史医疗处方的差异性,确定当前医疗处方的异常类型和异常等级。其中,历史医疗处方可以是就诊患者以往多次就诊的多个历史医疗处方、也可以是任意一次就诊的历史医疗处方;但为了使所确定的异常类型和异常等级更为准确,优选为多个历史医疗处方。
步骤S35,将所述历史医疗处方与所述当前医疗处方对比,确定所述当前医疗处方的异常类型以及异常等级,并输出提示信息。
更进一步地,将获取的各个历史医疗处方和当前医疗处方对比,确定两者的差异性,其中差异性包括治疗方案的差异、用药类型的差异以及用药量的差异;不同的差异对应不同的异常类型,且不同差异量的大小对应不同的异常等级,从而由对比的表征差异类型和差异大小的对比结果,可确定当前医疗处方的异常类型以及异常等级。同时,针对异常类型和异常等级,设置有输出提示信息的机制,且异常类型和异常等级的不同,所输出提示信息所针对的对象不同。其中异常类型和异常等级所表征当前医疗处方的异常越严重,则输出的提示信息类型所针对的对象越广泛;如当异常类型为各个历史医疗处方和当前医疗处方的用药方案均不相同,即就诊患者在就诊过程中的医疗处方频繁变化,说明就诊患者恶意使用医保的可能性越大,则向就诊患者本人、医疗机构以及医保管理机构均输出提示信息,以提醒就诊患者本人和医疗机构对就诊患者的医保使用加强管控,同时提醒医保管理机构对患者本人的医保资质进行监管审核等。具体地,将历史医疗处方与当前医疗处方对比,确定当前医疗处方的异常类型以及异常等级的步骤包括:
步骤S351,读取所述历史医疗处方中的历史病症字段、历史治疗字段、历史用药字段和历史就诊信息,并将所述历史病症字段和所述当前病症字段对比,判断所述历史病症字段和所述当前病症字段是否一致;
在将各个历史医疗处方和当前医疗处方对比过程中,先读取各个历史医疗处方中的历史病症字段、历史治疗字段、历史用药字段和历史就诊信息,表征就诊患者在以往各次的就诊过程中,经医疗机构所诊断的病症、使用的治疗方案、用药方案和就诊信息等。将读取的各历史病症字段和当前医疗处方中的当前病症字段进行对比,判断各历史病症字段中是否存在和当前病症字段一致的历史病症字段;因各历史病症字段为以往医疗机构对就诊患者所诊断的病症,而当前病症字段为最近一次医疗机构对就诊患者所诊断的病症;两者的一致性表征了就诊患者在各历史医疗处方和当前医疗处方中所诊断的病症是否相同。
步骤S352,若所述历史病症字段和所述当前病症字段一致,则根据所述历史治疗字段、历史用药字段、历史就诊信息、当前治疗字段、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级。
可理解地,当各历史病症字段和当前病症字段均不一致,就诊患者在各历史医疗处方和当前医疗处方中所诊断的病症均不相同,就诊患者的当前医疗处方为初次对当前病症字段所表征的病症进行就诊,病症具有不稳定性,当前医疗处方中的当前用药量和预设治疗用药组中参考基线的参考用药量的差异较大,可能为正常现象,从而不对此类当前医疗处方进行异常类型和异常等级的判定。而当各历史病症字段中存在任意一个历史病症字段和当前病症字段一致,则说明就诊患者以往有对当前病症字段对应的病症进行就诊。从而可根据该以往就诊的历史医疗处方和当前医疗处方中治疗方案的差异、用药类型的差异以及用药量的差异,来确定当前医疗处方的异常类型和异常等级。因治疗方案的差异、用药类型的差异以及用药量的差异分别通过历史治疗字段和当前治疗字段,历史用药字段和当前用药字段、历史就诊信息和当前就诊信息之间的差异体现;而将历史治疗字段、历史用药字段、历史就诊信息分别和当前治疗字段、当前用药字段当前就诊信息对比,生成对比结果,以依据该对比结果来确定当前医疗处方的异常类型以及异常等级。进而依据所确定的异常类型和异常等级,向对应的对象输出提示信息,以提醒就诊用户的当前医疗处方存在异常,需要采用对应的监管措施,其中监管措施可包括对就诊患者的医保资质进行重新审核、禁止就诊患者对医保的使用等。
进一步地,在本发明异常医疗处方的判断方法另一实施例中,所述根据所述历史治疗字段、历史用药字段、历史就诊信息、当前治疗字段、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级的步骤包括:
步骤q1,判断所述历史治疗字段和所述当前治疗字段是否一致,若所述历史治疗字段和所述当前治疗字段一致,则根据所述历史用药字段、历史就诊信息、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级;
可理解地,在将历史治疗字段、历史用药字段、历史就诊信息分别和当前治疗字段、当前用药字段当前就诊信息进行对比的过程中,因历史用药字段和当前用药字段分别对应就诊患者在以往就诊和当前就诊时的用药方案;而用药方案与治疗方案相关,若治疗方案相同则用药方案可能相同,也可能不同;而若治疗手段不同,用药方案的相同与否并没有意义;即用药方案需要在治疗方案相同的前提下进行。从而先将表征历史治疗方案的历史治疗字段和当前治疗方案的当前治疗字段进行对比,判断两者之间的一致性;若历史治疗字段和当前治疗字段一致,则说明就诊患者在当前和以往就诊过程中的治疗方案相同,不存在差异;则由历史用药字段、历史就诊信息和当前用药字段、当前就诊信息之间的差异性,来确定当前医疗处方的异常类型以及异常等级。具体地,根据历史用药字段、历史就诊信息、当前用药字段和当前就诊信息,确定当前医疗处方的异常类型以及异常等级的步骤包括:
步骤q11,判断所述历史用药字段和所述当前用药字段是否一致,若所述历史用药字段和所述当前用药字段一致,则将所述当前医疗处方的异常类型确定为第二异常类型,并根据所述历史就诊信息中历史用药量和所述当前就诊信息中当前用药量之间的差异性,确定异常等级;
在确定就诊患者在以往和当前就诊过程中的病症一致且治疗方案一致后,进一步判断用药方案之间的差异性;具体地,将表征历史用药方案的历史用药字段和当前用药方案的当前用药字段进行对比,判断两者的一致性,若判断出历史用药字段和当前用药字段一致,则说明就诊患者在当前和以往就诊过程中的用药方案相同,不存在差异。但是就诊患者的当前用药量和参考用药量之间的差异较大,说明就诊患者在就诊过程中,存在用药量变化的情况,当前医疗处方可能存在异常,将该类异常确定为第二异常类型。同时由各次历史就诊信息中的历史用药量和当前就诊信息中当前用药量之间的差异性,确定异常等级。其中各历史用药量和当前用药量之间的差异性涉及到变化次数占比以及变化率,当变化次数占比越多,且变化率越多,则差异性越大。预先设置变化次数占比区间和变化率区间与异常等级之间的对应关系,在由历史用药量和当前用药量对比,确定两者之间的差异性,即两者之间的变化次数占比和变化率之后;用该确定的变化次数占比和变化率分别和对应关系中的变化次数占比区间、变化率区间对比,确定变化次数占比、变化率所在的变化次数占比区间和变化率区间,该所在的变化次数占比区间和变化率区间在对应关系中对应的异常等级,即为历史用药量和当前用药量之间差异性所对应的异常等级。如设定变化次数占比区间[80%~100%],变化率区间[50%~80%]之间所对应的异常等级为二级;若读取到9项历史医疗处方和当前医疗处方的共10次医疗处方中,存在8次用药量的变化,即变化次数占比为80%;且变化率均大于50%,第一次用药量为a,第二次为1.6a,第三次为2.5a;则与该差异性对应的异常等级为二级。进而向与第二异常类型以及二级异常对应的对象输出提示信息,以对就诊患者的医保采取与第二异常类型以及二级异常对应的监管措施。
步骤q12,若所述历史用药字段和所述当前用药字段不一致,则将所述当前医疗处方的异常类型确定为第三异常类型,并根据所述历史用药字段和所述当前用药字段之间的差异性,确定异常等级。
更进一步地,若判断出历史用药字段和当前用药字段不一致,则说明就诊患者在当前和以往就诊过程中的用药方案不相同,存在差异。就诊用户在就诊过程中,存在用药方案变化的情况;虽然当前医疗处方中的当前病症字段、当前治疗字段以及当前用药字段和目标预设治疗用药组对应,但此前以往的历史用药字段和当前用药字段不一致,用药方案变化;当前医疗处方可能存在异常,将该类异常确定为第三异常类型。同时由各个历史用药字段和当前用药字段之间的差异性,确定异常等级。其中历史用药字段表征历史用药类型,当前用药字段表征当前用药类型;历史用药字段和当前用药字段之间的差异性涉及到各次历史用药类型和当前用药类型之间变化次数占比以及变化率,两者之间变化的次数占比越多,且变化率越多,则差异性越大。预先设置变化次数占比区间和变化率区间与异常等级之间的对应关系,在由历史用药字段和当前用药字段对比,确定两者之间的差异性,即两者之间的变化次数占比和变化率之后;用该确定的变化次数占比和变化率分别和对应关系中的变化次数占比区间、变化率区间对比,确定变化次数占比、变化率所在的变化次数占比区间和变化率区间,该所在的变化次数占比区间和变化率区间在对应关系中对应的异常等级,即为历史用药字段和当前用药字段之间差异性所对应的异常等级。如设定变化次数占比区间[80%~100%],变化率区间[0%5~80%]之间所对应的异常等级为二级;若读取到9项历史医疗处方和当前医疗处方的共10次医疗处方中,存在8次用药字段的变化,即变化次数占比为80%;且变化率均大于50%,第一次用药字段为m1、m2、m3,第二次为m1、n1、n2,第三次为m2、k1、k2;则与该差异性对应的异常等级为二级。进而向与第三异常类型以及二级异常对应的对象输出提示信息,以对就诊患者的医保采取与第三异常类型以及二级异常对应的监管措施。
需要说明的是,用药类型的变化不涉及到同种功效药品的替换,而是由不功效的一种药品变化为另一种类的药品。如作为用于稳定型心绞痛患者常规用药的硝酸甘油和硝酸异山梨酯之间的替换,不是用药类型的变化,即不将两者之间的用药字段判定为不一致的用药字段;而将硝酸甘油替换为抑制血小板聚集的阿司匹林,则是用药类型的变化,将两者之间的用药字段判定为不一致的用药字段。通过对相同功能的用药类型的区分,可使得第三异常类型的确定更为准确。
步骤q2,若所述历史治疗字段和所述当前治疗字段不一致,则将所述当前医疗处方的异常类型确定为第一类型,并根据所述历史治疗字段和所述当前治疗字段之间的差异性,确定异常等级;
进一步地,在将历史治疗字段和当前治疗字段对比,判断出历史治疗字段和当前治疗字段不一致时,则说明就诊患者在当前和以往就诊过程中的治疗方案不相同,存在差异。就诊用户在就诊过程中,存在治疗方案变化的情况;虽然当前医疗处方中的当前病症字段、当前治疗字段以及当前用药字段和目标预设治疗用药组对应,但此前以往的历史治疗字段和当前治疗字段不一致,治疗方案变化;当前医疗处方可能存在异常,将该类异常确定为第一异常类型。同时由历史治疗字段和当前治疗字段之间的差异性,确定异常等级。其中历史治疗字段表征历史治疗方案,当前治疗字段表征当前治疗方案;历史治疗字段和当前治疗字段之间的差异性涉及到各次历史治疗方案和当前治疗方案之间变化次数占比,两者之间变化的次数占比越多,则差异性越大。预先设置变化次数占比区间与异常等级之间的对应关系,在由历史治疗字段和当前治疗字段对比,确定两者之间的差异性,即两者之间的变化次数占比之后;用该确定的变化次数占比和对应关系中的变化次数占比区间对比,确定变化次数占比所在的变化次数占比区间,该所在的变化次数占比区间在对应关系中对应的异常等级,即为历史治疗字段和当前治疗字段之间差异性所对应的异常等级。如设定变化次数占比区间[80%~100%]所对应的异常等级为二级;若读取到9项历史医疗处方和当前医疗处方的共10次医疗处方中,存在8次用药字段的变化,即变化次数占比为80%;则与该差异性对应的异常等级为二级。进而向与第一异常类型以及二级异常对应的对象输出提示信息,以对就诊患者的医保采取与第一异常类型及二级异常对应的监管措施。
此外,请参照图2,本发明提供一种异常医疗处方的判断装置,在本发明异常医疗处方的判断装置第一实施例中,所述异常医疗处方的判断装置包括:
读取模块10,用于当接收到就诊患者的当前医疗处方时,读取所述当前医疗处方中的当前病症字段、当前治疗字段、当前用药字段和当前就诊信息,并将所述当前病症字段、当前治疗字段和当前用药字段形成关联字段对;
对比模块20,用于将所述关联字段对和各预设治疗用药组对比,确定各所述预设治疗用药组中与所述关联字段对对应的目标治疗用药组;
判断模块30,用于读取所述目标治疗用药组的参考基线,并根据所述参考基线与所述当前就诊信息之间的对应关系,判断所述当前医疗处方的异常性。
本实施例的异常医疗处方的判断装置,当接收到就诊患者的当前医疗处方时,读取模块10将该当前医疗处方中的当前病症字段、当前治疗字段和当前用药字段形成关联字段对,并由对比模块20将该关联字段对和预设治疗用药组对比,确定与关联字段对对应的目标治疗用药组,目标治疗用药组中具有参考基线,判断模块30通过该参考基线与当前医疗处方中当前就诊信息之间的对应关系,来判断当前医疗处方的异常性。目标治疗用药组中的参考基线为表征就诊患者所对应病症的参考就诊信息,由医疗大数据中多名具有该病症的历史就诊患者的正常就诊信息生成;由该参考基线和就诊患者的当前就诊信息进行对比,判定就诊患者的当前医疗处方的异常性;因参考基线的准确度较高,使得医疗处方异常性的判断也更为准确有效,提升了异常医疗处方作为判定恶意使用医保依据的准确度。
进一步地,在本发明异常医疗处方的判断装置另一实施例中,所述判断模块还包括:
对比单元,用于抓取所述当前就诊信息中的当前就诊时长和当前用药量,并将所述当前就诊时长和所述参考基线对比,确定所述参考基线中与所述当前就诊时长对应的参考用药量;
生成单元,用于将所述当前用药量和所述参考用药量做差运算,生成运算结果,并判断所述运算结果是否在预设范围内;
判断单元,用于若所述运算结果在所述预设范围内,则判定所述当前医疗处方正常,若所述运算结果不在所述预设范围内,则判定所述当前医疗处方异常。
进一步地,在本发明异常医疗处方的判断装置另一实施例中,所述判断模块还包括:
读取单元,用于读取所述就诊患者的患者信息,并根据所述患者信息获取所述就诊患者的历史医疗处方;
确定单元,用于将所述历史医疗处方与所述当前医疗处方对比,确定所述当前医疗处方的异常类型以及异常等级,并输出提示信息。
进一步地,在本发明异常医疗处方的判断装置另一实施例中,所述确定单元还用于:
读取所述历史医疗处方中的历史病症字段、历史治疗字段、历史用药字段和历史就诊信息,并将所述历史病症字段和所述当前病症字段对比,判断所述历史病症字段和所述当前病症字段是否一致;
若所述历史病症字段和所述当前病症字段一致,则根据所述历史治疗字段、历史用药字段、历史就诊信息、当前治疗字段、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级。
进一步地,在本发明异常医疗处方的判断装置另一实施例中,所述确定单元还用于:
判断所述历史治疗字段和所述当前治疗字段是否一致,若所述历史治疗字段和所述当前治疗字段一致,则根据所述历史用药字段、历史就诊信息、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级;
若所述历史治疗字段和所述当前治疗字段不一致,则将所述当前医疗处方的异常类型确定为第一类型,并根据所述历史治疗字段和所述当前治疗字段之间的差异性,确定异常等级。
进一步地,在本发明异常医疗处方的判断装置另一实施例中,所述确定单元还用于:
判断所述历史用药字段和所述当前用药字段是否一致,若所述历史用药字段和所述当前用药字段一致,则将所述当前医疗处方的异常类型确定为第二异常类型,并根据所述历史就诊信息中历史用药量和所述当前就诊信息中当前用药量之间的差异性,确定异常等级;
若所述历史用药字段和所述当前用药字段不一致,则将所述当前医疗处方的异常类型确定为第三异常类型,并根据所述历史用药字段和所述当前用药字段之间的差异性,确定异常等级。
进一步地,在本发明异常医疗处方的判断装置另一实施例中,所述对比模块还用于:
将所述关联字段对中的当前病症字段、当前治疗字段和当前用药字段逐一和各预设治疗用药组的标识对比,确定与所述当前病症字段、当前治疗字段和当前用药字段对应的目标标识;
将所述目标标识所归属的预设治疗用药组确定为目标治疗用药组。
其中,上述异常医疗处方的判断装置的各虚拟功能模块存储于图3所示异常医疗处方的判断设备的存储器1005中,处理器1001执行异常医疗处方的判断程序时,实现图2所示实施例中各个模块的功能。
参照图3,图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明实施例异常医疗处方的判断设备可以是PC(personal computer,个人计算机),也可以是智能手机、平板电脑、电子书阅读器、便携计算机等终端设备。
如图3所示,该异常医疗处方的判断设备可以包括:处理器1001,例如CPU(CentralProcessing Unit,中央处理器),存储器1005,通信总线1002。其中,通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM(random accessmemory,随机存取存储器),也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,该异常医疗处方的判断设备还可以包括用户接口、网络接口、摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi(Wireless Fidelity,无线宽带)模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图3中示出的异常医疗处方的判断设备结构并不构成对异常医疗处方的判断设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图3所示,作为一种可读存储介质的存储器1005中可以包括操作系统、网络通信模块以及异常医疗处方的判断程序。操作系统是管理和控制异常医疗处方的判断设备硬件和软件资源的程序,支持异常医疗处方的判断程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与异常医疗处方的判断设备中其它硬件和软件之间通信。
在图3所示的异常医疗处方的判断设备中,处理器1001用于执行存储器1005中存储的异常医疗处方的判断程序,实现上述异常医疗处方的判断方法各实施例中的步骤。
本发明提供了一种可读存储介质,所述可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述异常医疗处方的判断方法各实施例中的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种异常医疗处方的判断方法,其特征在于,所述异常医疗处方的判断方法包括以下步骤:
当接收到就诊患者的当前医疗处方时,读取所述当前医疗处方中的当前病症字段、当前治疗字段、当前用药字段和当前就诊信息,并将所述当前病症字段、当前治疗字段和当前用药字段形成关联字段对;
将所述关联字段对和各预设治疗用药组对比,确定各所述预设治疗用药组中与所述关联字段对对应的目标治疗用药组;
读取所述目标治疗用药组的参考基线,并根据所述参考基线与所述当前就诊信息之间的对应关系,判断所述当前医疗处方的异常性。
2.如权利要求1所述的异常医疗处方的判断方法,其特征在于,所述根据所述参考基线与所述当前就诊信息之间的对应关系,判断所述当前医疗处方的异常性的步骤包括:
抓取所述当前就诊信息中的当前就诊时长和当前用药量,并将所述当前就诊时长和所述参考基线对比,确定所述参考基线中与所述当前就诊时长对应的参考用药量;
将所述当前用药量和所述参考用药量做差运算,生成运算结果,并判断所述运算结果是否在预设范围内;
若所述运算结果在所述预设范围内,则判定所述当前医疗处方正常,若所述运算结果不在所述预设范围内,则判定所述当前医疗处方异常。
3.如权利要求2所述的异常医疗处方的判断方法,其特征在于,所述判定所述当前医疗处方异常的步骤之后包括:
读取所述就诊患者的患者信息,并根据所述患者信息获取所述就诊患者的历史医疗处方;
将所述历史医疗处方与所述当前医疗处方对比,确定所述当前医疗处方的异常类型以及异常等级,并输出提示信息。
4.如权利要求3所述的异常医疗处方的判断方法,其特征在于,所述将所述历史医疗处方与所述当前医疗处方对比,确定所述当前医疗处方的异常类型以及异常等级的步骤包括:
读取所述历史医疗处方中的历史病症字段、历史治疗字段、历史用药字段和历史就诊信息,并将所述历史病症字段和所述当前病症字段对比,判断所述历史病症字段和所述当前病症字段是否一致;
若所述历史病症字段和所述当前病症字段一致,则根据所述历史治疗字段、历史用药字段、历史就诊信息、当前治疗字段、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级。
5.如权利要求4所述的异常医疗处方的判断方法,其特征在于,所述根据所述历史治疗字段、历史用药字段、历史就诊信息、当前治疗字段、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级的步骤包括:
判断所述历史治疗字段和所述当前治疗字段是否一致,若所述历史治疗字段和所述当前治疗字段一致,则根据所述历史用药字段、历史就诊信息、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级;
若所述历史治疗字段和所述当前治疗字段不一致,则将所述当前医疗处方的异常类型确定为第一类型,并根据所述历史治疗字段和所述当前治疗字段之间的差异性,确定异常等级。
6.如权利要求5所述的异常医疗处方的判断方法,其特征在于,所述根据所述历史用药字段、历史就诊信息、当前用药字段和当前就诊信息,确定所述当前医疗处方的异常类型以及异常等级的步骤包括:
判断所述历史用药字段和所述当前用药字段是否一致,若所述历史用药字段和所述当前用药字段一致,则将所述当前医疗处方的异常类型确定为第二异常类型,并根据所述历史就诊信息中历史用药量和所述当前就诊信息中当前用药量之间的差异性,确定异常等级;
若所述历史用药字段和所述当前用药字段不一致,则将所述当前医疗处方的异常类型确定为第三异常类型,并根据所述历史用药字段和所述当前用药字段之间的差异性,确定异常等级。
7.如权利要求1-6任一项所述的异常医疗处方的判断方法,其特征在于,所述将所述关联字段对和各预设治疗用药组对比,确定各所述预设治疗用药组中与所述关联字段对对应的目标治疗用药组的步骤包括:
将所述关联字段对中的当前病症字段、当前治疗字段和当前用药字段逐一和各预设治疗用药组的标识对比,确定与所述当前病症字段、当前治疗字段和当前用药字段对应的目标标识;
将所述目标标识所归属的预设治疗用药组确定为目标治疗用药组。
8.一种异常医疗处方的判断装置,其特征在于,所述异常医疗处方的判断装置包括:
读取模块,用于当接收到就诊患者的当前医疗处方时,读取所述当前医疗处方中的当前病症字段、当前治疗字段、当前用药字段和当前就诊信息,并将所述当前病症字段、当前治疗字段和当前用药字段形成关联字段对;
对比模块,用于将所述关联字段对和各预设治疗用药组对比,确定各所述预设治疗用药组中与所述关联字段对对应的目标治疗用药组;
判断模块,用于读取所述目标治疗用药组的参考基线,并根据所述参考基线与所述当前就诊信息之间的对应关系,判断所述当前医疗处方的异常性。
9.一种异常医疗处方的判断设备,其特征在于,所述异常医疗处方的判断设备包括:存储器、处理器、通信总线以及存储在所述存储器上的异常医疗处方的判断程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述异常医疗处方的判断程序,以实现如权利要求1-7中任一项所述的异常医疗处方的判断方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有异常医疗处方的判断程序,所述异常医疗处方的判断程序被处理器执行时实现如权利要求1-7中任一项所述的异常医疗处方的判断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811462365.0A CN109637615B (zh) | 2018-11-30 | 2018-11-30 | 异常医疗处方的判断方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811462365.0A CN109637615B (zh) | 2018-11-30 | 2018-11-30 | 异常医疗处方的判断方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109637615A true CN109637615A (zh) | 2019-04-16 |
CN109637615B CN109637615B (zh) | 2022-10-14 |
Family
ID=66070680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811462365.0A Active CN109637615B (zh) | 2018-11-30 | 2018-11-30 | 异常医疗处方的判断方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109637615B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675958A (zh) * | 2019-08-31 | 2020-01-10 | 天津开心生活科技有限公司 | 一种肿瘤治疗方案判线方法及装置 |
CN110875093A (zh) * | 2019-11-19 | 2020-03-10 | 泰康保险集团股份有限公司 | 治疗方案的处理方法、装置、设备及存储介质 |
WO2020082799A1 (zh) * | 2018-10-27 | 2020-04-30 | 平安医疗健康管理股份有限公司 | 基于数据分析的就诊信息处理方法、装置、设备及介质 |
CN112447286A (zh) * | 2019-09-05 | 2021-03-05 | 天津新开心生活科技有限公司 | 一种自动判别治疗线的方法以及装置 |
CN113724816A (zh) * | 2021-08-30 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的医疗数据质检方法、装置、设备及介质 |
CN116246762A (zh) * | 2023-05-11 | 2023-06-09 | 深圳汇医必达医疗科技有限公司 | 基于人工智能的处方剂量优化方法、装置、设备及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063824A (zh) * | 2014-06-24 | 2014-09-24 | 厦门美柚信息科技有限公司 | 健康指导信息的生成方法及装置 |
CN104463456A (zh) * | 2014-12-03 | 2015-03-25 | 长沙中科院文化创意与科技产业研究院 | 一种面向患者的医疗处方审核系统及其方法 |
CN104537265A (zh) * | 2015-01-15 | 2015-04-22 | 曹庆恒 | 一种智能计算个性化合理用药时间的方法、系统和设备 |
CN106874653A (zh) * | 2017-01-13 | 2017-06-20 | 深圳市前海安测信息技术有限公司 | 医院辅助决策系统和方法 |
CN107122612A (zh) * | 2017-05-04 | 2017-09-01 | 王恩亭 | 慢性非传染性疾病智能诊疗辅助分析系统 |
CN107133437A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 监控药品使用的方法及装置 |
CN107133438A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 医疗行为监控方法及装置 |
CN107785060A (zh) * | 2017-03-03 | 2018-03-09 | 平安医疗健康管理股份有限公司 | 医疗处方审核方法及装置 |
CN107799160A (zh) * | 2017-10-26 | 2018-03-13 | 医渡云(北京)技术有限公司 | 用药辅助决策方法及装置、存储介质、电子设备 |
CN108172302A (zh) * | 2017-12-15 | 2018-06-15 | 广州市康软信息科技有限公司 | 合理用药信息监测方法及系统 |
CN108461115A (zh) * | 2018-03-19 | 2018-08-28 | 杭州逸曜信息技术有限公司 | 医用信息处理方法 |
CN108492196A (zh) * | 2018-03-08 | 2018-09-04 | 平安医疗健康管理股份有限公司 | 通过数据分析推断医疗保险违规行为的风控方法 |
-
2018
- 2018-11-30 CN CN201811462365.0A patent/CN109637615B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063824A (zh) * | 2014-06-24 | 2014-09-24 | 厦门美柚信息科技有限公司 | 健康指导信息的生成方法及装置 |
CN104463456A (zh) * | 2014-12-03 | 2015-03-25 | 长沙中科院文化创意与科技产业研究院 | 一种面向患者的医疗处方审核系统及其方法 |
CN104537265A (zh) * | 2015-01-15 | 2015-04-22 | 曹庆恒 | 一种智能计算个性化合理用药时间的方法、系统和设备 |
CN106874653A (zh) * | 2017-01-13 | 2017-06-20 | 深圳市前海安测信息技术有限公司 | 医院辅助决策系统和方法 |
CN107133437A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 监控药品使用的方法及装置 |
CN107133438A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 医疗行为监控方法及装置 |
CN107785060A (zh) * | 2017-03-03 | 2018-03-09 | 平安医疗健康管理股份有限公司 | 医疗处方审核方法及装置 |
CN107122612A (zh) * | 2017-05-04 | 2017-09-01 | 王恩亭 | 慢性非传染性疾病智能诊疗辅助分析系统 |
CN107799160A (zh) * | 2017-10-26 | 2018-03-13 | 医渡云(北京)技术有限公司 | 用药辅助决策方法及装置、存储介质、电子设备 |
CN108172302A (zh) * | 2017-12-15 | 2018-06-15 | 广州市康软信息科技有限公司 | 合理用药信息监测方法及系统 |
CN108492196A (zh) * | 2018-03-08 | 2018-09-04 | 平安医疗健康管理股份有限公司 | 通过数据分析推断医疗保险违规行为的风控方法 |
CN108461115A (zh) * | 2018-03-19 | 2018-08-28 | 杭州逸曜信息技术有限公司 | 医用信息处理方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020082799A1 (zh) * | 2018-10-27 | 2020-04-30 | 平安医疗健康管理股份有限公司 | 基于数据分析的就诊信息处理方法、装置、设备及介质 |
CN110675958A (zh) * | 2019-08-31 | 2020-01-10 | 天津开心生活科技有限公司 | 一种肿瘤治疗方案判线方法及装置 |
CN112447286A (zh) * | 2019-09-05 | 2021-03-05 | 天津新开心生活科技有限公司 | 一种自动判别治疗线的方法以及装置 |
CN112447286B (zh) * | 2019-09-05 | 2023-02-03 | 天津新开心生活科技有限公司 | 一种自动判别治疗线的方法以及装置 |
CN110875093A (zh) * | 2019-11-19 | 2020-03-10 | 泰康保险集团股份有限公司 | 治疗方案的处理方法、装置、设备及存储介质 |
CN113724816A (zh) * | 2021-08-30 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的医疗数据质检方法、装置、设备及介质 |
CN116246762A (zh) * | 2023-05-11 | 2023-06-09 | 深圳汇医必达医疗科技有限公司 | 基于人工智能的处方剂量优化方法、装置、设备及介质 |
CN116246762B (zh) * | 2023-05-11 | 2023-07-21 | 深圳汇医必达医疗科技有限公司 | 基于人工智能的处方剂量优化方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109637615B (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109637615A (zh) | 异常医疗处方的判断方法、装置、设备及可读存储介质 | |
US20190362453A1 (en) | Presentation of critical patient data | |
DE60313311T2 (de) | System zum Einstellen der Fliessgeschwindigkeit einer Infusionstherapie und Verfahren | |
CN109637620A (zh) | 基于数据分析的处方生成监测方法、装置、设备和介质 | |
CN112700838A (zh) | 基于大数据的用药方案推荐方法、装置及相关设备 | |
CN109670971A (zh) | 异常就诊费用的判断方法、装置、设备及计算机存储介质 | |
Suttajit et al. | Quetiapine versus typical antipsychotic medications for schizophrenia | |
CN102012974A (zh) | 临床安全合理用药决策支持系统 | |
CN106991292A (zh) | 一种健康导航方法及系统 | |
JP2019071146A (ja) | 臨床検査値を表示する表示装置、サーバ、表示方法及びプログラム | |
CN112151140B (zh) | 抗菌药物临床应用系统、电子设备及计算机可读存储介质 | |
CN109616216A (zh) | 医疗费用预测方法、装置、设备及计算机可读存储介质 | |
CN109509527A (zh) | 一种药品配发方法、区块链节点设备及系统 | |
CN109616187A (zh) | 医师违规执业的监控方法、监控服务端及存储介质 | |
Schiff et al. | Prescribing potassium despite hyperkalemia: medication errors uncovered by linking laboratory and pharmacy information systems | |
CN114342001A (zh) | 包含与高血压治疗相关的专业知识在内的人工智能系统 | |
Guérin et al. | Accidents and incidents related to intravenous drug administration: a pre–post study following implementation of smart pumps in a teaching hospital | |
Christensen et al. | Identifying the “blip on the radar screen”: leveraging big data in defining drug safety and efficacy in pediatric practice | |
CN111933246B (zh) | 医疗处方分析方法、系统、电子设备及存储介质 | |
Hong et al. | The application of information technology in the hospital pharmacy management based on HIS | |
CN116994702A (zh) | 处方审核方法及装置、存储介质、计算机设备 | |
EP2808813A1 (en) | Medical system and method for authorizing a user to use a medical device of a medical system | |
Vosters et al. | Implementation of a new health information technology for the management of cancer chemotherapies | |
US20180108432A1 (en) | System and method for providing a drug therapy coordination risk score and improvement model-of-care | |
CN110379478A (zh) | 处方智能点评系统 |
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 |