CN109637620A - 基于数据分析的处方生成监测方法、装置、设备和介质 - Google Patents
基于数据分析的处方生成监测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN109637620A CN109637620A CN201811529286.7A CN201811529286A CN109637620A CN 109637620 A CN109637620 A CN 109637620A CN 201811529286 A CN201811529286 A CN 201811529286A CN 109637620 A CN109637620 A CN 109637620A
- Authority
- CN
- China
- Prior art keywords
- prescription
- medicine
- target
- information
- pesticide application
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 69
- 238000007405 data analysis Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000003814 drug Substances 0.000 claims abstract description 472
- 229940079593 drug Drugs 0.000 claims abstract description 197
- 239000000575 pesticide Substances 0.000 claims abstract description 147
- 238000003745 diagnosis Methods 0.000 claims abstract description 78
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 59
- 201000010099 disease Diseases 0.000 claims abstract description 58
- 238000002560 therapeutic procedure Methods 0.000 claims abstract description 45
- 238000012806 monitoring device Methods 0.000 claims abstract description 19
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 8
- 238000012550 audit Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004321 preservation Methods 0.000 claims description 4
- 239000000523 sample Substances 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 208000002154 non-small cell lung carcinoma Diseases 0.000 description 3
- 208000029729 tumor suppressor gene on chromosome 11 Diseases 0.000 description 3
- 230000003115 biocidal effect Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000011285 therapeutic regimen Methods 0.000 description 2
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 206010013654 Drug abuse Diseases 0.000 description 1
- 206010022998 Irritability Diseases 0.000 description 1
- 206010043431 Thinking abnormal Diseases 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 150000003851 azoles Chemical class 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 239000013583 drug formulation Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000000955 prescription drug Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 208000011117 substance-related disease Diseases 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G16H20/13—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 delivered from dispensers
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
本发明公开了一种基于数据分析的处方生成监测方法，包括以下步骤：接收处方生成请求，获取医生输入的诊疗记录；根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息；判断所述处方信息中是否包含目标药品；若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优；若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出。本发明还公开了一种基于数据分析的处方生成监测装置、设备和介质。本发明中服务器基于医疗大数据分析，实现根据医生的诊疗记录，自动生成处方单，有效地保证了处方单中的各个药品的剂量更加科学合理。
Description
技术领域
本发明涉及医疗领域，尤其涉及基于数据分析的处方生成监测方法、装置、设备和介质。
背景技术
在医生的日常工作中，医生每天会开具海量的用药处方，由于各个患者个体性差异，药品种类繁多使得医生开具的处方中的用药方案不一定完全合理。
也就是说，当前的处方存在着不合理的用药方案，例如，违反合理用药准则，违反卫生部门相应的用药管理制度和违反现有的医疗保险政策等，如超量用药、重复用药、滥用抗生素、超医生级别用药等，这些不合理处方将会对患者身体健康产生严重影响，且会增加其就医成本，而患者在就医时，是很难及时了解到医生所开处方是否合理；如何有效地避免上述情况成为了当前亟待解决的技术问题。
发明内容
本发明的主要目的在于提供基于数据分析的处方生成监测方法、装置、设备和介质，旨在实现根据医生的诊疗记录，自动生成处方单，有效地保证了处方单中的各个药品的剂量更加科学合理。
为实现上述目的，本发明提供基于数据分析的处方生成监测方法，所述基于数据分析的处方生成监测方法包括以下步骤：
接收处方生成请求，获取医生输入的诊疗记录；
根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息；
判断所述处方信息中是否包含目标药品；
若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优；
若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出。
可选地，所述根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息的步骤，包括：
获取所述诊疗记录中的疾病诊断信息和医嘱用药信息，获取所述疾病诊断信息中的疾病类型，其中，所述医嘱用药信息包括：医嘱用药时间段、医嘱单次用药量和药品使用时长；
查询预设药品数据库，获取所述疾病类型关联的药品标识及各所述药品标识对应的药品使用说明；
根据各所述药品标识对应的药品使用说明和所述医嘱用药信息，生成各所述药品标识对应药品的用药策略；
将各所述药品标识对应药品的用药策略进行汇总，得到处方信息。
可选地，所述判断所述处方信息中是否包含目标药品的步骤，包括：
获取所述处方信息中的各药品标识，查询预设药品等级表，获取各所述药品标识对应药品的监控等级；
将各药品的监控等级与预设阈值进行比较，判断是否存在药品的监控等级高于预设阈值；
若存在药品的监控等级高于预设阈值，则所述处方信息中包含目标药品；
若不存在药品的监控等级高于预设阈值，则所述处方信息中不包含目标药品。
可选地，所述若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优的步骤包括：
若所述处方信息中包含目标药品，则获取所述诊疗记录的患者体表数据；
将所述目标药品的目标药品标识和所述患者体表数据输入至预设用量预测模型，得到所述目标药品的理论用药策略；
获取所述处方信息中所述目标药品的目标用药策略，将所述目标用药策略与所述理论用药策略进行比对；
若所述目标用药策略与所述理论用药策略匹配，则判定目标用药策略已最优；
若所述目标用药策略与所述理论用药策略不匹配，则判定目标用药策略不是最优。
可选地，所述若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优的步骤之后，包括：
若所述目标药品的目标用药策略不是最优，则根据所述目标药品的理论用药策略调整所述目标用药策略；
在检测到所述目标用药策略与目标药品的理论用药策略匹配时，将所述处方信息添加至预设处方模板形成处方单并输出。
可选地，所述若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出的步骤之后，包括：
获取所述处方单中的患者身份信息，查询预设医保管理平台，获取所述患者身份信息对应的个人医保；
将所述处方单与所述个人医保进行关联保存，以便处方单查询监测。
可选地，所述若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出的步骤之后，包括：
接收医保审核请求，获取所述医保审核请求中待审核的处方单及所述处方单中的药品标识；
将各所述药品标识汇总形成药品标识集合，判断所述药品标识集合中是否包含特药标识；
若所述药品标识集合中包含特药标识，则获取所述特药标识对应的特药处方；
根据所述特药处方，判断所述特药标识对应的特药使用是否合理，并输出医保审核结论。
此外，为实现上述目的，本发明还提供一种基于数据分析的处方生成监测装置，所述基于数据分析的处方生成监测装置包括：
接收模块，用于接收处方生成请求，获取医生输入的诊疗记录；
信息生成模块，用于根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息；
第一判断模块，用于判断所述处方信息中是否包含目标药品；
第二判断模块，用于若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优；
处方生成模块，用于若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出。
此外，为实现上述目的，本发明还提供一种基于数据分析的处方生成监测设备；
所述基于数据分析的处方生成监测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：
所述计算机程序被所述处理器执行时实现如上所述的基于数据分析的处方生成监测方法的步骤。
此外，为实现上述目的，本发明还提供计算机存储介质；
所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的基于数据分析的处方生成监测方法的步骤。
本发明实施例提出的基于数据分析的处方生成监测方法、装置、设备和计算机存储介质，通过接收处方生成请求，获取医生输入的诊疗记录；根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息；判断所述处方信息中是否包含目标药品；若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优；若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出。本申请中服务器进行大数据分析，实现了根据医生的诊疗记录和医嘱用药信息，自动生成符合用药规范的处方单，有效地保证了处方单中的各个药品的剂量更加科学合理。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图；
图2为本发明基于数据分析的处方生成监测方法第一实施例的流程示意图；
图3为本发明基于数据分析的处方生成监测装置一实施例的功能模块示意图。
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。
由于现有技术中医生们通常凭经验或者医学理论医疗病人，并开具对应的处方，处方中存在可能存在不合理之处。
本发明提供一种解决方案，医生将疾病诊断信息和医嘱用药信息输入至服务器，服务器获取所述诊疗记录中的疾病诊断信息和医嘱用药信息(其中，所述医嘱用药信息包括：医嘱用药时间段、医嘱单次用药量和药品使用时长)获取所述疾病诊断信息中的疾病类型；服务器并查询预设药品数据库，获取所述疾病类型关联的药品标识及各所述药品标识对应的药品使用说明；根据各所述药品标识对应的药品使用说明和所述医嘱用药信息，生成各所述药品标识对应药品的用药策略；服务器将各所述药品标识对应药品的用药策略进行汇总，得到处方信息。
进一步地，服务器并没有直接将处方信息进行输出，而是判断处方信息中是否包含目标药品，若处方信息中的目标药品，则服务器判断所述目标药品的目标用药策略是否已最优，在所述目标药品的目标用药策略已最优时，将所述处方信息添加至预设处方模板形成处方单并输出。自动生成符合用药规范的处方单，有效地保证了处方单中的各个药品的剂量更加科学合理。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的服务器(又叫基于数据分析的处方生成监测设备，其中，基于数据分析的处方生成监测设备可以是由单独的基于数据分析的处方生成监测装置构成，也可以是由其他装置与基于数据分析的处方生成监测装置组合形成)结构示意图。
本发明实施例服务器指一个管理资源并为用户提供服务的计算机，通常分为文件服务器、数据库服务器和应用程序服务器。运行以上软件的计算机或计算机系统也被称为服务器。相对于普通PC(personal computer)个人计算机来说，服务器在稳定性、安全性、性能等方面都要求较高；如图1所示，该服务器可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，网络接口1004，用户接口1003，存储器1005，通信总线1002、芯片组、磁盘系统、网络等硬件等。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WIFI接口)。存储器1005可以是高速随机存取存储器(random access memory，RAM)，也可以是稳定的存储器(non-volatilememory)，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，服务器还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块；输入单元，比显示屏，触摸屏；网络接口可选除无线接口中除WiFi外，蓝牙、探针等。本领域技术人员可以理解，图1中示出的服务器结构并不构成对服务器的限定，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1所示，该计算机软件产品存储在一个存储介质(存储介质：又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等，如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，空调器，或者网络设备等)执行本发明各个实施例所述的方法，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序。
在图1所示的服务器中，网络接口1004主要用于连接后台数据库，与后台数据库进行数据通信；用户接口1003主要用于连接客户端(客户端，又叫用户端或终端，本发明实施例终端可以固定终端也可以是移动终端，如，带联网功能的智能空调、智能电灯、智能电源、智能音箱、自动驾驶汽车、PC、智能手机、平板电脑、电子书阅读器、便携计算机等，终端中包含传感器比如光传感器、运动传感器以及其他传感器，在此不再赘述)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的计算机程序，并执行本发明以下实施例提供的基于数据分析的处方生成监测方法中的步骤。
本发明基于数据分析的处方生成监测方法的第一实施例中，所述基于数据分析的处方生成监测方法包括：
接收处方生成请求，获取医生输入的诊疗记录；
根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息；
判断所述处方信息中是否包含目标药品；
若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优；
若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出。
在本实施例服务器获取医生输入的诊疗记录，根据诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息，服务器可以对处方信息中的各个用药进行监控，实现处方单的自动生成，具体地：
参照图2，本发明基于数据分析的处方生成监测方法的第一实施例中，所述基于数据分析的处方生成监测方法包括：
步骤S10，接收处方生成请求，获取医生输入的诊疗记录。
医生在终端上触发处方生成请求，即，医生进行看诊之后不需要手动的书写处方单，而是在终端上输入诊疗记录，并触发处方生成请求，其中，触发处方生成请求的方式多种多样，本实施例中不作限定，服务器接收处方生成请求，服务器获取医生输入的诊疗记录。
所述诊疗记录包括但不仅限于：疾病诊断信息(疾病诊断信息包括：疾病类型、疾病病症和疾病史等)、医嘱用药信息(医嘱用药信息包括医嘱用药时间段、医嘱单次用药量和药品使用时长等)和患者特征信息(患者特征信息包括患者的身高体重，患者性别，患者年龄、种族、遗传和感应性等)等，影响处方用药的因素。
步骤S20，根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息。
服务器根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息的具体实现方式有多种，例如：
实现方式一：服务器获取所述诊疗记录中的疾病诊断信息和医嘱用药信息(医嘱用药信息包括：医嘱用药时间段、医嘱单次用药量和药品使用时长)，获取所述疾病诊断信息中的疾病类型，服务器查询预设药品数据库，获取所述疾病类型关联的药品标识及各所述药品标识对应的药品使用说明；根据各所述药品标识对应的药品使用说明和所述医嘱用药信息，生成各所述药品标识对应药品的用药策略；将各所述药品标识对应药品的用药策略进行汇总，得到处方信息。
实现方式二：服务器接收医生输入疾病种类，服务器获取疾病种类关联的药品信息，服务器将药品信息进行显示，以供医生编辑药品信息，医生可以选择药品信息中的一个药品或者多个药品，并设置各个药品的剂量，以药品信息进行编辑生成处方信息。
实现方式三：服务器获取所述诊疗记录中的疾病诊断信息和医嘱用药信息，服务器将疾病诊断信息和医嘱用药信息输入预设的处方生成模型(预设的处方生成模型是指预先根据多个处方训练得到的处方生成算法)，预设的处方生成模型根据疾病诊断信息确定处方用药种类，得到处方中的药品方案，预设的处方生成模型获取医嘱用药信息，得到处方中的药品方案中各个药品的剂量，并汇总生成处方信息。
本实施例中服务器基于根据医生输入的诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息。实现了自动生成处方，医生不需要手动的书写处方信息，减少了医生的手动输入处方信息繁杂的工作，同时有效地避免了医生手动书写处方的不规范。
步骤S30，判断所述处方信息中是否包含目标药品。
本实施例中在得到用药策略信息之后，并没有将得到的处方信息进行输出，而是需要对处方信息中各个药品的用量进行监测，具体地，服务器判断所述处方信息中是否包含目标药品，即，处方信息中包括有多种药品，若针对每个药品的用量进行监控，可以使得药品种类的监控范围较大，但是监控力度就不可以保证，因此，本实施例中为了对部分药品实现重点监控，以防止用药不合理的情况，本实施例中的目标药品就是指服务器需要进行监控的药品。
目标药品可以是特药(特药是指针对某种病特效药的合称，由于特药的价格昂贵，实际的医疗报销中往往对报销产生很大影响，因此，在处方中需要对处方中的特药进行监控)，目标药品还可以是副作用较大的药品或者使用受到管制的药品等等。
本实施例中的给出了判断所述处方信息中是否包含目标药品的不同实现方式，实现方式一：根据药品的监控等级确定目标药品，以判断所述处方信息中是否包含目标药品，具体地：
步骤a1，获取所述处方信息中的各药品标识，查询预设药品等级表，获取各所述药品标识对应药品的监控等级；
步骤b1，将各药品的监控等级与预设阈值进行比较，判断是否存在药品的监控等级高于预设阈值；
步骤c1，若存在药品的监控等级高于预设阈值，则所述处方信息中包含目标药品；
步骤d1，若不存在药品的监控等级高于预设阈值，则所述处方信息中不包含目标药品。
即，服务器获取所述处方信息中的各药品标识，查询预设药品等级表(预设药品等级表是指预先设置的各个药品对应的监控等级表)，终端获取各所述药品标识对应药品的监控等级；服务器将各药品的监控等级与预设阈值(预设阈值为预先设置的药品监控等级临界值，预设阈值可以根据具体情况设置，例如，设置为3级，需要说明的是本实施例中将监控等级高于预设阈值的药品作为目标药品)进行比较，判断是否存在药品的监控等级高于预设阈值；若存在药品的监控等级高于预设阈值，则所述处方信息中包含目标药品；若不存在药品的监控等级高于预设阈值，则所述处方信息中不包含目标药品。
实现方式二：预先设置目标药品标识集合(预设目标药品标识集合中预设设置有各个目标药品的标识信息，例如，预设目标药品标识集合中设置有抗生素的标识)，判断所述处方信息中是否包含目标药品，具体地：
步骤a2，获取所述处方信息中的各药品标识，将各药品标识与预设目标药品标识集合中的各个预设标识进行比对；
步骤b2，若预设目标药品标识集合存在与所述药品标识匹配的预设标识，则所述处方信息中包含目标药品；
步骤c2，若预设目标药品标识集合不存在与所述药品标识匹配的预设标识，则所述处方信息中不包含目标药品。
本实施例中服务器通过判断所述处方信息中是否包含目标药品，来进一步确定是否对对处方信息中的药品剂量进行监测，具体地，若所述处方信息中不包含目标药品，则服务器将处方信息添加至预设处方模板形成处方单并输出；若所述处方信息中包含目标药品，则服务器需要对目标药品的剂量进行监测，本实施例中对目标药品进行监测的步骤如下：
步骤S40，若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优。
若所述处方信息中包含目标药品，即，服务器确定处方中包含有需要严苛的监控用量的药品，则服务器针对处方信息中目标药品的剂量进行监控，以判断所述目标药品的目标用药策略是否已最优。
具体地，本实施例中给出一种具体实现方式，包括：
若所述处方信息中包含目标药品，则服务器使用不同的算法二次计算目标药品的用药策略，并将二次计算得到的用药策略作为理论用药策略；服务器获取所述处方信息中所述目标药品的目标用药策略，将所述初次得到的目标用药策略与二次计算得到的所述理论用药策略进行比对；若所述目标用药策略与所述理论用药策略匹配，则判定目标用药策略已最优；若所述目标用药策略与所述理论用药策略不匹配，则判定目标用药策略不是最优。
需要补充说明的是，本实施例中判断所述目标药品的目标用药策略是否已最优，还可以通过其他的方式实现，例如，对处方信息中目标药品的目标用药策略进行评分，若目标用药策略高于预设评分，则判定所述目标药品的目标用药策略已最优，反之。本实施例中通过对目标药品的目标用药策略进行监控，实现了合理用药，有效地避免了药品滥用的情况。
步骤S50，若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出。
若所述目标药品的目标用药策略已最优，则服务器将所述处方信息添加至预设处方模板(预设处方模板是指预先设置的用于输入处方信息的空白文档)形成处方单并输出。
在本实施例中服务器根据医生的诊疗记录和医嘱用药信息，自动生成符合用药规范的处方单，有效地保证了处方单中的各个药品的剂量更加科学合理。
进一步的，在本发明第一实施例的基础上，提出了本发明基于数据分析的处方生成监测方法的第二实施例，本实施例是第一实施例中步骤S20的细化，所述基于数据分析的处方生成监测方法包括：
步骤S21，获取所述诊疗记录中的疾病诊断信息和医嘱用药信息，获取所述疾病诊断信息中的疾病类型。
服务器获取所述诊疗记录中的疾病诊断信息和医嘱用药信息，服务器获取所述疾病诊断信息中的疾病类型，即，医生的诊疗记录中记录有疾病诊断信息，医嘱用药信息包括：医嘱用药时间段、医嘱单次用药量和药品使用时长，以使服务器根据获取的诊断信息确定处方用药方案。
步骤S22，查询预设药品数据库，获取所述疾病类型关联的药品标识及各所述药品标识对应的药品使用说明。
服务器查询预设药品数据库(预设药品数据库中记录有各个药品信息(药品信息包括但不仅限于：药品适用症，药品使用说明、药品配方、药品期限、药品产地、通用名称、商品名称、用法用量、不良反应、禁忌症、注意事项等)，且预设药品数据库中预先根据各个药品的药品信息，将药品标识与疾病种类建立关联关系，例如，预设药品数据库中赛可瑞与疾病非小细胞肺癌之间关联)，服务器获取所述疾病类型关联的药品标识，在得到疾病类型关联的药品标识之后，服务器将疾病类型关联的药品标识对应的药品作为处方中的药品方案，进一步地，服务器还需要确定处方中药品的剂量，即，服务器获取各所述药品标识对应的药品使用说明，以根据药品使用说明确定处方药品的剂量。
步骤S23，根据各所述药品标识对应的药品使用说明和所述医嘱用药信息，生成各所述药品标识对应药品的用药策略。
服务器根据各所述药品标识对应的药品使用说明和所述医嘱用药信息，生成各所述药品标识对应药品的用药策略，即，服务器将各所述药品标识对应的药品使用说明和所述医嘱用药信息输入至预设的处方生成模型，预设的处方生成模型获取医嘱用药信息，得到处方中的药品方案中各个药品的剂量，生成各所述药品标识对应药品的用药策略。
例如，预设的处方生成模型中获取输入的单次用药量、药品使用时长确定药品使用剂量，例如，诊疗记录中医生输入患者为非小细胞肺癌，服药医嘱上记录每日500mg，服用2个月；服务器获取非小细胞肺癌关联的药品标识为：赛可瑞(通用名克唑替尼胶囊)，服务器获取赛可瑞对应的药品使用说明输入预设的处方生成模型，预设的处方生成模型计算得到赛可瑞的用药总剂量为500mg*60；处方生成模型根据用药总剂量500mg*60与药品包装信息(200mg*60粒、250mg*60粒)，确定最优的理论配药方案为：250mg*60粒两瓶。
需要补充说明的是：预设的处方生成模型优选包括Adaboost迭代算法、SVM(SupportVectorMachine，支持向量机等等，即，在本实施例的步骤之前，先获取所述历史处方作为处方样本，然后将获取的所述处方样本加入训练样本集，最后，利用所述训练样本集训练所述初始处方生成模型，得到处方生成模型。实现在处方生成过程中，可将实时获取生成的处方加入训练样本集，并根据训练样本集训练处方生成模型，最后，使得训练样本集中的处方样本数量更多，提高了处方生成模型的准确性。也就是为了在处方生成过程中，通过不断提取各种处方样本对处方生成模型进行在线更新从而提高算法的适应性。
步骤S24，将各所述药品标识对应药品的用药策略进行汇总，得到处方信息。
在本实施例中服务器将各所述药品标识对应药品的用药策略进行汇总，出的得到处方信息。本实施例中服务器可以自动生成处方信息，不需医生手动开方，此外，本实施例中处方生成模型可以准确的确定各个药品的使用剂量，有效地保证了处方单中的各个药品的剂量更加科学合理。
进一步的，在本发明第一实施例的基础上，提出了本发明基于数据分析的处方生成监测方法的第三实施例，本实施例是第一实施例中步骤S40的细化，所述基于数据分析的处方生成监测方法包括：
步骤S41，若所述处方信息中包含目标药品，则获取所述诊疗记录的患者体表数据。
若服务器判定所述处方信息中包含目标药品，即，服务器处方信息中包括需要进行剂量审核的目标药品，则服务器获取所述诊疗记录的患者体表数据(患者体表数据包括：患者的身高、患者体重等其他影响处方药品剂量的患者身体特征信息，例如，患者身高：165cm，体重50kg)，即，服务器根据患者体表数据再次确定目标药品的使用剂量。
步骤S42，将所述目标药品的目标药品标识和所述患者体表数据输入至预设用量预测模型，得到所述目标药品的理论用药策略。
即，服务器将所述目标药品的目标药品标识和所述患者体表数据输入至预设用量预测模型(预设用量预测模型是指预先训练的用于进行药品剂量生成的算法，本实施例中的预设用量预测模型与上一实施例中的预先设置的处方生成模型原理相同，本实施例中不作赘述)，本实施例中在预设用量预测模型中增加患者体表数据，以对目标药品的剂量进行二次确定，即，预设用量预测模型将所述目标药品的目标药品标识和所述患者体表数据进行处理，得到所述目标药品的理论用药策略。
步骤S43，获取所述处方信息中所述目标药品的目标用药策略，将所述目标用药策略与所述理论用药策略进行比对。
服务器获取所述处方信息中所述目标药品的目标用药策略，服务器将所述目标用药策略与所述理论用药策略进行比对，以根据比对结果确定目标药品使用是否合理，即，本实施例中将处方生成模型得到的目标用药策略与预设用量预测模型得到的理论用药策略进行比对，根据比对结果确定判定目标用药策略已最优。
步骤S44，若所述目标用药策略与所述理论用药策略匹配，则判定目标用药策略已最优。
若所述目标用药策略与所述理论用药策略匹配，即，服务器通过不同的处理规则得到的目标药品的处方相同，则服务器判定目标用药策略已最优。此时服务器可以返回执行第一实施例中步骤S50，即，服务器将所述处方信息添加至预设处方模板形成处方单并输出。
本实施例中通过不同的处理模型得到目标药品的处方，并根据所述目标用药策略与所述理论用药策略的比对结果，对目标药品的用量进行监控，使得目标药品的剂量更加合理。
步骤S45，若所述目标用药策略与所述理论用药策略不匹配，则判定目标用药策略不是最优。
若所述目标用药策略与所述理论用药策略不匹配，则判定目标用药策略不是最优，即，多次计算的目标药品的剂量不同，需要对目标药品的剂量进行调整。
进一步地，在本实施例的步骤S45之后，
步骤S60，若所述目标药品的目标用药策略不是最优，则根据所述目标药品的理论用药策略调整所述目标用药策略；在检测到所述目标用药策略与目标药品的理论用药策略匹配时，将所述处方信息添加至预设处方模板形成处方单并输出。
若服务器判定目标药品的目标用药策略不是最优，则服务器根据所述目标药品的理论用药策略调整所述目标用药策略；即，服务器将理论用药策略与目标用药策略进行显示，医生可以根据理论用药策略调整处方信息中的目标用药策略，使得目标药品的剂量更加合理，在检测到所述目标用药策略与目标药品的理论用药策略匹配时，其中，所述目标用药策略与目标药品的理论用药策略匹配是指目标用药策略与理论用药策略比较相近，则服务器将所述处方信息添加至预设处方模板形成处方单并输出。需要补充说明的是：在某些特定条件下，用户不需要调整目标用药策略，可以选择直接输出处方信息。
在本实施例中在服务器检测到处方信息中的所述目标药品的目标用药策略不是最优，则根据所述目标药品的理论用药策略调整所述目标用药策略，使得目标药品的剂量管控更加严格。
进一步的，在本发明上述实施例的基础上，提出了本发明基于数据分析的处方生成监测方法的第四实施例，本实施中可以对处方单进行监控查询，所述基于数据分析的处方生成监测方法包括：
步骤S70，获取所述处方单中的患者身份信息，查询预设医保管理平台，获取所述患者身份信息对应的个人医保；将所述处方单与所述个人医保进行关联保存，以便处方单查询监测。
服务器获取所述处方单中的患者身份信息(患者身份信息是指患者的身份证号码，或者患者的姓名等信息)，服务器基于患者身份信息查询预设医保管理平台(预设医保管理平台是指预先设置的医疗保险信息管理平台，例如，社会医疗保险数据库)，服务器获取预设医保管理平台所述患者身份信息对应的个人医保；将所述处方单与所述个人医保进行关联保存，以便处方单查询监测，本实施例中服务器将处方信息与个人医保进行关联，一方面方便处方信息的查询，另一方面使得信息互通，可以有效地对医保进行监控。
进一步地，在上述实施例的基础上，提出了本实施例，本实施例中用户基于生成的处方单申请医保理赔，服务器进行医保理赔的审核，具体地，所述基于数据分析的处方生成监测方法包括：
步骤S80，接收医保审核请求，获取所述医保审核请求中待审核的处方单及所述处方单中的药品标识；
用户在终端上触发医疗理赔审核请求，服务器接收医保审核请求，服务器获取所述医保审核请求中待审核的处方单及所述处方单中的药品标识，即，服务器确定处方单中包含的药品种类。
步骤S90，将各所述药品标识汇总形成药品标识集合，判断所述药品标识集合中是否包含特药标识；
服务器将各所述药品标识汇总形成药品标识集合，服务器将药品标识集合中的各个药品标识与预设的各个特药标识进行比对，得到药品标识比对结果，即，服务器根据药品标识的比对结果，判断处方中是否具有特药。
步骤S100，若所述药品标识集合中包含特药标识，则获取所述特药标识对应的特药处方；根据所述特药处方，判断所述特药标识对应的特药使用是否合理，并输出医保审核结论。
若所述药品标识集合中包含特药标识，则服务器获取所述特药标识对应的特药处方；服务器获取所述特药处方中的特药剂量，确定特药的剂量是否超出预设标准(预设标准是指预先设置的药品剂量临界值)，若特药的剂量超出预设标准，则判定所述特药标识对应的特药使用不合理，并输出医保审核不通过的结论；若特药的剂量没有超出预设标准，则判定所述特药标识对应的特药使用合理，并输出医保审核通过的结论。
服务器获处方单判断处方单中是否包含特药理赔，若所述医保理赔中包含特药理赔，则判断所述特药是否符合用药规则，本申请中针对医保审核中细致审核到特药符合用药规则，实现了针对医保用药实现全面、准确地医保理赔审核。
此外，参照图3，本发明实施例还提出基于数据分析的处方生成监测装置一实施例，所述基于数据分析的处方生成监测装置包括：
接收模块10，用于接收处方生成请求，获取医生输入的诊疗记录；
信息生成模块20，用于根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息；
第一判断模块30，用于判断所述处方信息中是否包含目标药品；
第二判断模块40，用于若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优；
处方生成模块50，用于若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出。
可选地，所述信息生成模块20，包括：
获取单元，用于获取所述诊疗记录中的疾病诊断信息和医嘱用药信息，获取所述疾病诊断信息中的疾病类型，其中，所述医嘱用药信息包括：医嘱用药时间段、医嘱单次用药量和药品使用时长；
查询单元，用于查询预设药品数据库，获取所述疾病类型关联的药品标识及各所述药品标识对应的药品使用说明；
生成单元，用于根据各所述药品标识对应的药品使用说明和所述医嘱用药信息，生成各所述药品标识对应药品的用药策略；
汇总单元，用于将各所述药品标识对应药品的用药策略进行汇总，得到处方信息。
可选地，所述第一判断模块30，包括：
查询单元，用于获取所述处方信息中的各药品标识，查询预设药品等级表，获取各所述药品标识对应药品的监控等级；
比较判断单元，用于将各药品的监控等级与预设阈值进行比较，判断是否存在药品的监控等级高于预设阈值；
结论输出单元，用于若存在药品的监控等级高于预设阈值，则所述处方信息中包含目标药品；若不存在药品的监控等级高于预设阈值，则所述处方信息中不包含目标药品。
可选地，所述第二判断模块40，包括：
获取单元，用于若所述处方信息中包含目标药品，则获取所述诊疗记录的患者体表数据；
信息输入单元，用于将所述目标药品的目标药品标识和所述患者体表数据输入至预设用量预测模型，得到所述目标药品的理论用药策略；
比较输出单元，用于获取所述处方信息中所述目标药品的目标用药策略，将所述目标用药策略与所述理论用药策略进行比对；若所述目标用药策略与所述理论用药策略匹配，则判定目标用药策略已最优；若所述目标用药策略与所述理论用药策略不匹配，则判定目标用药策略不是最优。
可选地，所述基于数据分析的处方生成监测装置，包括：
处方调整模块，用于若所述目标药品的目标用药策略不是最优，则根据所述目标药品的理论用药策略调整所述目标用药策略；
检测输出模块，用于在检测到所述目标用药策略与目标药品的理论用药策略匹配时，将所述处方信息添加至预设处方模板形成处方单并输出。
可选地，所述基于数据分析的处方生成监测装置，包括：
医保获取模块，用于获取所述处方单中的患者身份信息，查询预设医保管理平台，获取所述患者身份信息对应的个人医保；
关联保存模块，用于将所述处方单与所述个人医保进行关联保存，以便处方单查询监测。
可选地，所述基于数据分析的处方生成监测装置，还包括：
接收审核模块，用于接收医保审核请求，获取所述医保审核请求中待审核的处方单及所述处方单中的药品标识；
汇总判断模块，用于将各所述药品标识汇总形成药品标识集合，判断所述药品标识集合中是否包含特药标识；
获取模块，用于若所述药品标识集合中包含特药标识，则获取所述特药标识对应的特药处方；
结论输出模块，用于根据所述特药处方，判断所述特药标识对应的特药使用是否合理，并输出医保审核结论。
其中，基于数据分析的处方生成监测装置的各个功能模块实现的步骤可参照本发明基于数据分析的处方生成监测方法的各个实施例，此处不再赘述。
此外，本发明实施例还提出一种计算机存储介质。
所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例提供的基于数据分析的处方生成监测方法中的操作。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序；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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
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，空调器，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，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于数据分析的处方生成监测方法，其特征在于，所述基于数据分析的处方生成监测包括以下步骤：
接收处方生成请求，获取医生输入的诊疗记录；
根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息；
判断所述处方信息中是否包含目标药品；
若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优；
若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出。
2.如权利要求1所述的基于数据分析的处方生成监测方法，其特征在于，所述根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息的步骤，包括：
获取所述诊疗记录中的疾病诊断信息和医嘱用药信息，获取所述疾病诊断信息中的疾病类型，其中，所述医嘱用药信息包括：医嘱用药时间段、医嘱单次用药量和药品使用时长；
查询预设药品数据库，获取所述疾病类型关联的药品标识及各所述药品标识对应的药品使用说明；
根据各所述药品标识对应的药品使用说明和所述医嘱用药信息，生成各所述药品标识对应药品的用药策略；
将各所述药品标识对应药品的用药策略进行汇总，得到处方信息。
3.如权利要求1所述的基于数据分析的处方生成监测方法，其特征在于，所述判断所述处方信息中是否包含目标药品的步骤，包括：
获取所述处方信息中的各药品标识，查询预设药品等级表，获取各所述药品标识对应药品的监控等级；
将各药品的监控等级与预设阈值进行比较，判断是否存在药品的监控等级高于预设阈值；
若存在药品的监控等级高于预设阈值，则所述处方信息中包含目标药品；
若不存在药品的监控等级高于预设阈值，则所述处方信息中不包含目标药品。
4.如权利要求1所述的基于数据分析的处方生成监测方法，其特征在于，所述若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优的步骤包括：
若所述处方信息中包含目标药品，则获取所述诊疗记录的患者体表数据；
将所述目标药品的目标药品标识和所述患者体表数据输入至预设用量预测模型，得到所述目标药品的理论用药策略；
获取所述处方信息中所述目标药品的目标用药策略，将所述目标用药策略与所述理论用药策略进行比对；
若所述目标用药策略与所述理论用药策略匹配，则判定目标用药策略已最优；
若所述目标用药策略与所述理论用药策略不匹配，则判定目标用药策略不是最优。
5.如权利要求4所述的基于数据分析的处方生成监测方法，其特征在于，所述若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优的步骤之后，包括：
若所述目标药品的目标用药策略不是最优，则根据所述目标药品的理论用药策略调整所述目标用药策略；
在检测到所述目标用药策略与目标药品的理论用药策略匹配时，将所述处方信息添加至预设处方模板形成处方单并输出。
6.如权利要求1所述的基于数据分析的处方生成监测方法，其特征在于，所述若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出的步骤之后，包括：
获取所述处方单中的患者身份信息，查询预设医保管理平台，获取所述患者身份信息对应的个人医保；
将所述处方单与所述个人医保进行关联保存，以便处方单查询监测。
7.如权利要求6所述的基于数据分析的处方生成监测方法，其特征在于，所述若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出的步骤之后，包括：
接收医保审核请求，获取所述医保审核请求中待审核的处方单及所述处方单中的药品标识；
将各所述药品标识汇总形成药品标识集合，判断所述药品标识集合中是否包含特药标识；
若所述药品标识集合中包含特药标识，则获取所述特药标识对应的特药处方；
根据所述特药处方，判断所述特药标识对应的特药使用是否合理，并输出医保审核结论。
8.一种基于数据分析的处方生成监测装置，其特征在于，所述基于数据分析的处方生成监测装置包括：
接收模块，用于接收处方生成请求，获取医生输入的诊疗记录；
信息生成模块，用于根据所述诊疗记录中的疾病诊断信息和医嘱用药信息生成处方信息；
第一判断模块，用于判断所述处方信息中是否包含目标药品；
第二判断模块，用于若所述处方信息中包含目标药品，则判断所述目标药品的目标用药策略是否已最优；
处方生成模块，用于若所述目标药品的目标用药策略已最优，则将所述处方信息添加至预设处方模板形成处方单并输出。
9.一种基于数据分析的处方生成监测设备，其特征在于，所述基于数据分析的处方生成监测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：
所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于数据分析的处方生成监测方法的步骤。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于数据分析的处方生成监测方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811529286.7A CN109637620A (zh) | 2018-12-13 | 2018-12-13 | 基于数据分析的处方生成监测方法、装置、设备和介质 |
| PCT/CN2019/118836 WO2020119385A1 (zh) | 2018-12-13 | 2019-11-15 | 基于数据分析的处方生成监测方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811529286.7A CN109637620A (zh) | 2018-12-13 | 2018-12-13 | 基于数据分析的处方生成监测方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109637620A true CN109637620A (zh) | 2019-04-16 |
Family
ID=66073768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811529286.7A Pending CN109637620A (zh) | 2018-12-13 | 2018-12-13 | 基于数据分析的处方生成监测方法、装置、设备和介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109637620A (zh) |
| WO (1) | WO2020119385A1 (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110164524A (zh) * | 2019-04-29 | 2019-08-23 | 北京国润健康医学投资有限公司 | 一种偏瘫患者康复训练任务自适应匹配方法及其系统 |
| CN110391006A (zh) * | 2019-07-23 | 2019-10-29 | 夹江县人民医院 | 用于医保结算的药物自标方法 |
| CN111009300A (zh) * | 2019-10-23 | 2020-04-14 | 广州中医药大学第二附属医院 | 一种中药调剂中的药袋标签生成方法及系统 |
| CN111063413A (zh) * | 2019-12-30 | 2020-04-24 | 广州享药户联优选科技有限公司 | 基于用药情况调整用药方案的方法及装置 |
| CN111145864A (zh) * | 2019-12-31 | 2020-05-12 | 广州享药户联优选科技有限公司 | 基于智能药箱的用药控制方法及装置、智能药箱 |
| CN111161841A (zh) * | 2019-12-30 | 2020-05-15 | 安徽省立医院 | 智能肠外营养医嘱系统 |
| CN111190931A (zh) * | 2019-11-25 | 2020-05-22 | 泰康保险集团股份有限公司 | 一种处方笺数据的处理方法及装置、电子设备、存储介质 |
| WO2020119385A1 (zh) * | 2018-12-13 | 2020-06-18 | 平安医疗健康管理股份有限公司 | 基于数据分析的处方生成监测方法、装置、设备和介质 |
| CN112164441A (zh) * | 2020-10-07 | 2021-01-01 | 上海常笑健康咨询服务有限公司 | 基于互联网的在线实时全肠外营养处方合理性优化系统 |
| CN113380362A (zh) * | 2021-06-18 | 2021-09-10 | 安徽科大讯飞医疗信息技术有限公司 | 慢病监管方法、平台、系统、电子设备和存储介质 |
| CN113658659A (zh) * | 2021-08-20 | 2021-11-16 | 平安国际智慧城市科技股份有限公司 | 医疗信息的处理方法、装置、计算机设备和存储介质 |
| CN116882377A (zh) * | 2021-01-08 | 2023-10-13 | 云南力衡医疗技术有限公司 | 一种处方的生成方法、装置及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103617343A (zh) * | 2013-11-06 | 2014-03-05 | 中国人民解放军第四军医大学 | 一种急诊电子病历系统及其信息处理方法 |
| CN105701342A (zh) * | 2016-01-12 | 2016-06-22 | 西北工业大学 | 基于代理的直觉模糊理论医疗诊断模型的构建方法及装置 |
| CN107341345A (zh) * | 2017-06-22 | 2017-11-10 | 厦门大学 | 一种基于电子病历大数据的临床合理用药风险评估方法 |
| CN107403069A (zh) * | 2017-07-31 | 2017-11-28 | 京东方科技集团股份有限公司 | 一种药物‑疾病关联关系分析系统及方法 |
| CN107451401A (zh) * | 2017-07-11 | 2017-12-08 | 武汉金豆医疗数据科技有限公司 | 一种医保智能审核方法和系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003099541A (ja) * | 2001-09-20 | 2003-04-04 | Sharp Corp | 医療情報システム |
| CN102012960A (zh) * | 2009-09-07 | 2011-04-13 | 北京韩美智恒科技有限公司 | 基于医疗信息系统的医嘱处理方法 |
| CN105868531B (zh) * | 2016-03-23 | 2019-05-17 | 遵义医学院 | 一种基于医疗大数据的自动辅助处方系统 |
| CN106096319A (zh) * | 2016-07-14 | 2016-11-09 | 广州宝荣科技应用有限公司 | 一种处方管理应用系统 |
| CN109637620A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 基于数据分析的处方生成监测方法、装置、设备和介质 |
-
2018
- 2018-12-13 CN CN201811529286.7A patent/CN109637620A/zh active Pending
-
2019
- 2019-11-15 WO PCT/CN2019/118836 patent/WO2020119385A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103617343A (zh) * | 2013-11-06 | 2014-03-05 | 中国人民解放军第四军医大学 | 一种急诊电子病历系统及其信息处理方法 |
| CN105701342A (zh) * | 2016-01-12 | 2016-06-22 | 西北工业大学 | 基于代理的直觉模糊理论医疗诊断模型的构建方法及装置 |
| CN107341345A (zh) * | 2017-06-22 | 2017-11-10 | 厦门大学 | 一种基于电子病历大数据的临床合理用药风险评估方法 |
| CN107451401A (zh) * | 2017-07-11 | 2017-12-08 | 武汉金豆医疗数据科技有限公司 | 一种医保智能审核方法和系统 |
| CN107403069A (zh) * | 2017-07-31 | 2017-11-28 | 京东方科技集团股份有限公司 | 一种药物‑疾病关联关系分析系统及方法 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020119385A1 (zh) * | 2018-12-13 | 2020-06-18 | 平安医疗健康管理股份有限公司 | 基于数据分析的处方生成监测方法、装置、设备和介质 |
| CN110164524A (zh) * | 2019-04-29 | 2019-08-23 | 北京国润健康医学投资有限公司 | 一种偏瘫患者康复训练任务自适应匹配方法及其系统 |
| CN110391006A (zh) * | 2019-07-23 | 2019-10-29 | 夹江县人民医院 | 用于医保结算的药物自标方法 |
| CN111009300A (zh) * | 2019-10-23 | 2020-04-14 | 广州中医药大学第二附属医院 | 一种中药调剂中的药袋标签生成方法及系统 |
| CN111009300B (zh) * | 2019-10-23 | 2023-06-30 | 广州中医药大学第二附属医院 | 一种中药调剂中的药袋标签生成方法及系统 |
| CN111190931A (zh) * | 2019-11-25 | 2020-05-22 | 泰康保险集团股份有限公司 | 一种处方笺数据的处理方法及装置、电子设备、存储介质 |
| CN111063413A (zh) * | 2019-12-30 | 2020-04-24 | 广州享药户联优选科技有限公司 | 基于用药情况调整用药方案的方法及装置 |
| CN111161841A (zh) * | 2019-12-30 | 2020-05-15 | 安徽省立医院 | 智能肠外营养医嘱系统 |
| CN111161841B (zh) * | 2019-12-30 | 2021-06-01 | 安徽省立医院 | 智能肠外营养医嘱系统 |
| CN111145864A (zh) * | 2019-12-31 | 2020-05-12 | 广州享药户联优选科技有限公司 | 基于智能药箱的用药控制方法及装置、智能药箱 |
| CN112164441A (zh) * | 2020-10-07 | 2021-01-01 | 上海常笑健康咨询服务有限公司 | 基于互联网的在线实时全肠外营养处方合理性优化系统 |
| CN116882377A (zh) * | 2021-01-08 | 2023-10-13 | 云南力衡医疗技术有限公司 | 一种处方的生成方法、装置及设备 |
| CN113380362A (zh) * | 2021-06-18 | 2021-09-10 | 安徽科大讯飞医疗信息技术有限公司 | 慢病监管方法、平台、系统、电子设备和存储介质 |
| CN113658659A (zh) * | 2021-08-20 | 2021-11-16 | 平安国际智慧城市科技股份有限公司 | 医疗信息的处理方法、装置、计算机设备和存储介质 |
| CN113658659B (zh) * | 2021-08-20 | 2023-07-21 | 深圳平安智慧医健科技有限公司 | 医疗信息的处理方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020119385A1 (zh) | 2020-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109637620A (zh) | 基于数据分析的处方生成监测方法、装置、设备和介质 | |
| Suryadevara | TOWARDS PERSONALIZED HEALTHCARE-AN INTELLIGENT MEDICATION RECOMMENDATION SYSTEM | |
| US20200294642A1 (en) | Methods and systems for a pharmacological tracking and reporting platform | |
| US20200303047A1 (en) | Methods and systems for a pharmacological tracking and representation of health attributes using digital twin | |
| US10872684B2 (en) | System and method for medical data analysis and sharing | |
| Mishra et al. | Analysis of the role and scope of big data analytics with IoT in health care domain | |
| US20130332194A1 (en) | Methods and systems for adaptive ehr data integration, query, analysis, reporting, and crowdsourced ehr application development | |
| US20140316797A1 (en) | Methods and system for evaluating medication regimen using risk assessment and reconciliation | |
| US20070179806A1 (en) | Medication therapy management process | |
| Liu et al. | Identification of key factors in consumers’ adoption behavior of intelligent medical terminals based on a hybrid modified MADM model for product improvement | |
| WO2009009686A2 (en) | Method and system for managing enterprise workflow and information | |
| US10777312B2 (en) | Dynamic critical access override for medication dispensing apparatuses | |
| CN109671476A (zh) | 无关用药的识别方法、装置、终端及计算机可读存储介质 | |
| CN109636652A (zh) | 购药行为异常的监控方法、监控服务端及存储介质 | |
| CN109616187A (zh) | 医师违规执业的监控方法、监控服务端及存储介质 | |
| Manias et al. | iHELP: Personalised Health Monitoring and Decision Support Based on Artificial Intelligence and Holistic Health Records | |
| Antoniades et al. | Linked2Safety: A secure linked data medical information space for semantically-interconnecting EHRs advancing patients' safety in medical research | |
| WO2016122664A1 (en) | Method and system for prescribing and determining risk associated with medications | |
| CN104008265B (zh) | 链接用于信息管理的保健应用 | |
| US20230350897A1 (en) | Method and system for processing large amounts of real world evidence | |
| Kamal et al. | Information warehouse–a comprehensive informatics platform for business, clinical, and research applications | |
| Vyas et al. | [Retracted] Investigation of Diabetes Care in Elder Individuals Using Artificial Intelligence | |
| CN110246559B (zh) | 一种麻精类药品流向异常预警方法及装置 | |
| Rammal et al. | AI-Driven pharmacy practice: Unleashing the revolutionary potential in medication management, pharmacy workflow, and patient care | |
| Liu et al. | Research on contactless intelligent medication pickup mode selection based on a hospital in China under COVID-19 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220524 Address after: 518000 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Block H, 666 Beijing East Road, Huangpu District, Shanghai 200000 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |
|
| RJ01 | Rejection of invention patent application after publication |