CN109686454A - 一种大数据精准分析和事件即时响应的方法 - Google Patents
一种大数据精准分析和事件即时响应的方法 Download PDFInfo
- Publication number
- CN109686454A CN109686454A CN201811636485.8A CN201811636485A CN109686454A CN 109686454 A CN109686454 A CN 109686454A CN 201811636485 A CN201811636485 A CN 201811636485A CN 109686454 A CN109686454 A CN 109686454A
- Authority
- CN
- China
- Prior art keywords
- data
- patient
- disease
- hygiene department
- full dose
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 201000010099 disease Diseases 0.000 claims abstract description 57
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 206010022000 influenza Diseases 0.000 claims description 24
- 238000013468 resource allocation Methods 0.000 claims description 10
- 230000036760 body temperature Effects 0.000 claims description 9
- 230000003616 anti-epidemic effect Effects 0.000 claims description 6
- 239000000645 desinfectant Substances 0.000 claims description 6
- 238000002955 isolation Methods 0.000 claims description 3
- 230000036632 reaction speed Effects 0.000 abstract description 2
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 30
- 208000005252 hepatitis A Diseases 0.000 description 22
- 210000002966 serum Anatomy 0.000 description 15
- 230000036541 health Effects 0.000 description 10
- 238000004659 sterilization and disinfection Methods 0.000 description 8
- 238000008050 Total Bilirubin Reagent Methods 0.000 description 6
- 208000036071 Rhinorrhea Diseases 0.000 description 5
- 206010039101 Rhinorrhoea Diseases 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 5
- 210000000265 leukocyte Anatomy 0.000 description 5
- 210000004698 lymphocyte Anatomy 0.000 description 5
- 210000005259 peripheral blood Anatomy 0.000 description 5
- 239000011886 peripheral blood Substances 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 210000002700 urine Anatomy 0.000 description 5
- 206010011224 Cough Diseases 0.000 description 4
- 241001269238 Data Species 0.000 description 4
- 230000001154 acute effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 2
- 208000006820 Arthralgia Diseases 0.000 description 1
- 102000003914 Cholinesterases Human genes 0.000 description 1
- 108090000322 Cholinesterases Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 206010023126 Jaundice Diseases 0.000 description 1
- 206010028748 Nasal obstruction Diseases 0.000 description 1
- 206010068319 Oropharyngeal pain Diseases 0.000 description 1
- 108090000279 Peptidyltransferases Proteins 0.000 description 1
- 201000007100 Pharyngitis Diseases 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 102100027378 Prothrombin Human genes 0.000 description 1
- 108010094028 Prothrombin Proteins 0.000 description 1
- -1 alcohol ester Chemical class 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 229940048961 cholinesterase Drugs 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229940088598 enzyme Drugs 0.000 description 1
- 210000000232 gallbladder Anatomy 0.000 description 1
- 208000006454 hepatitis Diseases 0.000 description 1
- 231100000283 hepatitis Toxicity 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 229940039716 prothrombin Drugs 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000007 visual 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种大数据精准分析和事件即时响应的方法，包括如下步骤：1）进行全量数据采集并入库；2）进行增量数据采集并入库；3）通过分析全量数据得出结果，把增量数据与分析的结果进行对比；4）把入库的全量数据、入库的增量数据和所述分析结果数据发布到有关卫生部门；5）有关卫生部门根据发布的数据进行选择订阅；6）把有关卫生部门订阅的数据保存到有关卫生部门指定的位置中；7）订阅成功后，把疾病情况反馈和应对措施建议提供给有关卫生部门。本发明减少了有关卫生部门的审阅时间，使反应速度加快，从而能够及时采取有效措施进行应对。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种大数据精准分析和事件即时响应的方法。
背景技术
疾病的传播从古至今一直是人们比较关注的一个卫生问题，如果不能有效地控制疾病传播，会使同一区域大范围的人群发生疾病，所以我们要抑制疾病的传播，要做到这个，就必须能精准的分析引起疾病的数据并且对疾病的监测要实时的反馈。
但是从现有技术来看，如申请号为CN107273685A的一种针对临床疾病的多模态大数据的数据分析方法专利，采用多模态数据挖掘方法并结合卷积神经网络方法来对采集的历史大数据进行分析计算，虽然对数据的分析方面有其独到之处，但是此申请并未涉及分析数据后处理数据的特点，而且此专利只能针对某一种疾病进行数据分析，缺少了灵活性以及对数据实时响应的功能。
发明内容
本发明针对现有技术的不足，提出一种大数据精准分析和事件即时响应的方法，解决了处理引起疾病的数据所需的实时性问题，而且在数据订阅之前先采用对比全量数据进行分析，在效率上也是大大地提高。
为了解决上述方案，本发明通过如下方式：一种大数据精准分析和事件即时响应的方法，包括如下步骤：
1）进行全量数据采集并入库，所述全量数据包括各个地区历年来发生各种疾病的患者的各项身体指标数据以及处置情况；
2）进行增量数据采集并入库，所述增量数据包括各个地区患者实时的各项身体指标数据；
3）通过分析全量数据得出结果，把增量数据与分析的结果进行对比，根据所述全量数据中的各项身体指标数据和处置情况分析各个地区患者实时的病症情况以及应对措施建议，把分析结果数据入库；
4）把入库的全量数据、入库的增量数据和所述分析结果数据发布到有关卫生部门；
5）有关卫生部门根据发布的数据进行选择订阅，有关卫生部门优先查看所述分析结果数据；
6）把有关卫生部门订阅的数据保存到有关卫生部门指定的位置中；
7）订阅成功后，把疾病情况反馈和应对措施建议提供给有关卫生部门，所述疾病情况反馈根据处理疾病的紧急程度由上到下进行排序。
上述方案中，优选的，所述全量数据采集方式包括导入各个医院各个地区存有历年来发生各种疾病的患者的各项身体指标数据以及处置情况的数据库的数据。
上述方案中，优选的，所述增量数据采集方式包括导入各个医院存有当日各个地区患者的各项身体指标数据的数据库的数据。
上述方案中，优选的，所述全量数据和所述增量数据中的各项身体指标数据还包括当日的天气、患者就医的地点、有多少相同疾病的患者。
上述方案中，优选的，所述步骤3）中患者的病症情况包括得了什么疾病、得该疾病的原因、患者处于该疾病的哪个病症期。
上述方案中，优选的，所述分析结果数据在发布的信息中处于置顶状态。
上述方案中，优选的，所述应对措施建议包括疾病抑制手段、医护资源分配，所述疾病抑制手段包括消毒防疫、隔离观察，是根据增量数据与分析全量数据得出的结果进行对比给出的建议。
上述方案中，优选的，所述疾病包括流感，所述身体指标数据包括体温，即时响应的方法通过以下步骤：导入各个医院各个地区存有历年来流感患者的体温数据以及处置情况的数据库的数据，采集当日各个地区患者的体温数据以及人数，分析各个医院各个地区存有历年来流感患者的体温数据以及相对应的处理措施与当日各个地区患者的体温数据进行对比得出应对措施建议，把所述增量数据以及所述应对措施建议发布给有关卫生部门，有关卫生部门根据发布的数据进行选择订阅，订阅成功后，把增量数据反馈给有关卫生部门，并把所述应对措施建议提供给有关卫生部门。
本发明首先进行数据采集任务，对历年来发生各种疾病的患者的各项身体指标数据以及处置情况（也就是全量数据）进行采集并入库，对当日各个地区患者的各项身体指标数据（也就是增量数据）采集并入库，通过分析全量数据得出结果，把增量数据与分析的结果进行对比得出应对措施建议，把分析结果数据入库，来进行分析当日各个地区患者得了什么疾病、得该疾病的原因、患者处于该疾病的哪个病症期以及应对措施建议等，把入库的全量数据、入库的增量数据和所述分析结果数据发布到有关卫生部门，有关卫生部门优先查看所述分析结果数据，根据发布的数据进行选择订阅，再把订阅的数据保存到有关卫生部门指定的位置中，订阅成功后，把疾病的紧急程度由上到下进行排序后的情况反馈和应对措施建议提供给有关卫生部门，从而让有关卫生部门进行即时应对。
本发明的有益效果是：
本发明在数据订阅之前先采用分析全量数据得出结果，把增量数据与分析的结果进行对比分析，把分析的结果直观地提供给有关卫生部门，这减少了有关卫生部门的审阅时间，使反应速度加快，从而能够及时采取有效措施进行应对。
附图说明
图1是本发明方法流程框图。
具体实施方式
下面结合具体实施例来对本发明进行进一步的说明。
实施例1：如疾病以甲型肝炎为例，经过的步骤如下：
1）通过导入各个地区各个医院存有历年来甲型肝炎患者的末梢血白细胞总数、淋巴细胞、尿胆红素阳性、ALT、血清中的抗HAV、抗HAV-IgA、抗HAV-IgM、血清胆红素、总胆红素等身体指标数据和当日的天气、甲肝患者就医的地点、有多少相同甲肝的患者以及处置情况的数据库的数据进行全量数据采集并入库。
所述历年来可以为1960年到2018年。
所述各个地区各个医院可以为同一个地级市的所有医院。
所述实时进行数据采集可以为每隔10分钟进行一次数据采集。
所述当日的天气通过中国天气网上反映的天气情况得到。
所述患者就医的地点通过导入增量数据的医院可以得到。
所述有多少相同疾病的患者通过导入增量数据的医院数据库记录的情况可以得到。
所述处置情况包括医护资源分配、消毒防疫、隔离观察，是根据有多少相同疾病的患者的数量进行判定的，所述判定方法如下：当当日同一地区得甲肝人数达到5人时，建议采取隔离观察的疾病抑制手段；当当日同一地区得甲肝人数达到超过5人时，建议采取消毒防疫，对患者所在的医院用紫外线灯进行全面消毒。
所述医护资源分配是根据所述增量数据中有多少相同疾病的患者的数量进行判定，相同疾病的患者人数越多，医护资源分配得越多，判定方法如下：当当日同一地区得甲肝人数达到5人时，所述医护资源会建议出动10名卫生人员帮助医护人员对患者进行隔离工作；当当日同一地区得甲肝人数超过5人时，所述医护资源会建议出动20到50名卫生人员帮助医护人员进行消毒防疫工作。
所述全量数据采集可以为导入同一个地级市的所有医院存有1960年到2018年甲型肝炎患者的末梢血白细胞总数、淋巴细胞、尿胆红素阳性、ALT、血清中的抗HAV、抗HAV-IgA、抗HAV-IgM、血清胆红素、总胆红素等身体指标数据和当日的天气、甲肝患者就医的地点、有多少相同甲肝的患者以及处置情况的数据库的数据。
2）通过导入各个地区各个医院存有当日患者的各项身体指标数据的数据库的数据实时进行增量数据采集，增量数据还包括当日的天气、患者就医的地点、有多少相同疾病的患者并入库。
所述各个地区各个医院可以为同一个地级市的所有医院。
所述实时进行数据采集可以为每隔10分钟进行一次数据采集。
所述当日的天气通过中国天气网上反映的天气情况得到。
所述患者就医的地点通过导入增量数据的医院可以得到。
所述患者的各项身体指标数据是通过当日患者在所在医院做出各项常规检查所记录的指标数据，如末梢血白细胞总数、淋巴细胞、尿胆红素阳性、ALT、血清中的抗HAV、抗HAV-IgA、抗HAV-IgM、血清胆红素、总胆红素等身体指标数据和当日的天气、甲肝患者就医的地点、有多少相同甲肝的患者。
所述有多少相同疾病的患者通过导入增量数据的医院数据库记录的情况可以得到。
所述增量数据采集就是每隔10分钟导入同一个地级市的所有医院当日患者做出如末梢血白细胞总数、淋巴细胞、尿胆红素阳性、ALT、血清中的抗HAV、抗HAV-IgA、抗HAV-IgM、血清胆红素、总胆红素等各项常规检查所记录的身体指标数据和当日的天气、甲肝患者就医的地点、有多少相同甲肝的患者的数据库的数据。
3）通过分析全量数据得出结果，有抗HAV-IgM、抗HAV-IgA、抗HAV-IgG 3种抗体之一就说明得了甲肝；末梢血白细胞总数正常或略低，淋巴细胞增高，可见异常淋巴细胞，尿胆红素阳性，ALT升高，抗-HAV IgM阳性就说明是急性黄疸型前期；ALT升高，血清胆红素超过17.1μmol/L就说明是急性黄疸期；抗-HAV IgM阳性及ALT升高，总胆红素在17.1μmol/L以下就说明是急性无黄疸型；血清胆红素明显升高，以直接胆红素为主，血清转肽酶、碱性磷酸酶、胆固醇等明显升高，ALT中度升高就说明是急性淤胆型甲型肝炎；血清总胆红素171μmol/L以上，凝血酶原时间明显延长，活动度低于40%，胆碱酯酶活力、C3、血清胆固醇及胆固醇脂均明显降低就说明是重型甲型肝炎，以及当当日同一地区得甲肝人数达到5人时，建议采取隔离观察的疾病抑制手段；当当日同一地区得甲肝人数达到超过5人时，建议采取消毒防疫，对患者所在的医院用紫外线灯进行全面消毒，当当日同一地区得甲肝人数达到5人时，所述医护资源会建议出动10名卫生人员帮助医护人员对患者进行隔离工作；当当日同一地区得甲肝人数超过5人时，所述医护资源会建议出动20到50名卫生人员帮助医护人员进行消毒防疫工作。
4）把增量数据与分析的结果进行对比分析当日各个地区患者的病症情况以及应对措施建议，假设当天同一地区得甲肝的人数达到10人，建议采取消毒防疫，对患者所在的医院用紫外线灯进行全面消毒，并建议出动20到50名卫生人员帮助医护人员进行消毒防疫工作，把分析结果数据入库；
5）把入库的全量数据、入库的增量数据和所述分析结果数据发布到有关卫生部门；
6）有关卫生部门优先查看所述分析结果数据，根据发布的数据进行选择订阅；
7）把有关卫生部门订阅的数据保存到有关卫生部门指定的位置中；
8）订阅成功后，把甲肝患者的紧急处理程度由上到下进行排序后的情况反馈给有关卫生部门，所述紧急处理程度就是把有不正常数值的增量数据根据不正常数值与正常数值之差按照大小进行由上到下排序，以血清胆红素为例，设置血清胆红素的正常值17.1μmol/L，测得的增量数据中的血清胆红素数值减去17.1μmol/L，之差按照大小由上到下排序，并且提供疾病抑制手段、医护资源分配，从而让有关卫生部门进行即时应对。
实施例2：如疾病以流感为例，经过的步骤如下：
1）通过导入各个地区各个医院存有历年来流感患者的体温、咳嗽、流鼻涕等临床数据和当日的天气、流感患者就医的地点、有多少相同流感的患者以及处置情况的数据库的数据进行全量数据采集并入库。
所述历年来可以为1960年到2018年。
所述各个地区各个医院可以为同一个地级市的所有医院。
所述实时进行数据采集可以为每隔10分钟进行一次数据采集。
所述当日的天气通过中国天气网上反映的天气情况得到。
所述患者就医的地点通过导入增量数据的医院可以得到。
所述有多少相同疾病的患者通过导入增量数据的医院数据库记录的情况可以得到。
所述处置情况包括医护资源分配、消毒防疫、隔离观察，是根据有多少相同疾病的患者的数量进行判定的，所述判定方法如下：当当日同一地区得流感人数达到30人时，建议采取隔离观察的疾病抑制手段；当当日同一地区得流感人数达到超过30人时，建议采取消毒防疫，对患者所在的医院用紫外线灯进行全面消毒。
所述医护资源分配是根据所述增量数据中有多少相同疾病的患者的数量进行判定，相同疾病的患者人数越多，医护资源分配得越多，判定方法如下：当当日同一地区得流感人数达到50人时，所述医护资源会建议出动10名卫生人员帮助医护人员对患者进行隔离工作；当当日同一地区得流感人数超过50人时，所述医护资源会建议出动20到50名卫生人员帮助医护人员进行消毒防疫工作。
所述全量数据采集可以为导入同一个地级市的所有医院存有1960年到2018年流感患者的体温、咳嗽、流鼻涕等临床数据和当日的天气、流感患者就医的地点、有多少相同流感的患者以及处置情况的数据库的数据。
2）通过导入各个地区各个医院存有当日患者的各项身体指标数据的数据库的数据实时进行增量数据采集，增量数据还包括当日的天气、患者就医的地点、有多少相同疾病的患者并入库。
所述各个地区各个医院可以为同一个地级市的所有医院。
所述实时进行数据采集可以为每隔10分钟进行一次数据采集。
所述当日的天气通过中国天气网上反映的天气情况得到。
所述患者就医的地点通过导入增量数据的医院可以得到。
所述患者的各项身体指标数据是通过当日患者在所在医院做出各项常规检查所记录的指标数据，如体温、咳嗽、流鼻涕等临床数据和当日的天气、流感患者就医的地点、有多少相同流感的患者。
所述有多少相同疾病的患者通过导入增量数据的医院数据库记录的情况可以得到。
所述增量数据采集就是每隔10分钟导入同一个地级市的所有医院当日患者做出体温、咳嗽、流鼻涕等临床数据和当日的天气、流感患者就医的地点、有多少相同流感的患者的数据库的数据。
3）通过分析全量数据得出结果，患者体温达到39℃～40℃、鼻塞、流涕、咽喉痛、头痛、全身肌肉关节酸痛、极度乏力、食欲减退，这些临床症状同时出现至少两项就判定得了流感，以及当当日同一地区得流感人数达到50人时，所述医护资源会建议出动10名卫生人员帮助医护人员对患者进行隔离工作；当当日同一地区得流感人数超过50人时，所述医护资源会建议出动20到50名卫生人员帮助医护人员进行消毒防疫工作。
4）把增量数据与分析的结果进行对比分析当日各个地区患者的病症情况以及应对措施建议，假设当天同一地区得流感的人数达到55人，建议采取消毒防疫，对患者所在的医院用紫外线灯进行全面消毒，并建议出动20到50名卫生人员帮助医护人员进行消毒防疫工作，把分析结果数据入库；
5）把入库的全量数据、入库的增量数据和所述分析结果数据发布到有关卫生部门。
6）有关卫生部门优先查看所述分析结果数据，根据发布的数据进行选择订阅。
7）把有关卫生部门订阅的数据保存到有关卫生部门指定的位置中。
8）订阅成功后，把流感患者的紧急处理程度由上到下进行排序后的情况反馈给有关卫生部门，所述紧急处理程度就是把有不正常数值的增量数据根据不正常数值与正常数值之差按照大小进行由上到下排序，如两名患者测得的体温分别是38℃、39℃，那么在所述情况反馈中把体温为39℃的患者的情况排在体温为38℃的患者之前，并且提供疾病抑制手段、医护资源分配，从而让有关卫生部门进行即时应对。
Claims (8)
1.一种大数据精准分析和事件即时响应的方法，其特征在于，包括如下步骤：
1）进行全量数据采集并入库，所述全量数据包括各个地区历年来发生各种疾病的患者的各项身体指标数据以及处置情况；
2）进行增量数据采集并入库，所述增量数据包括各个地区患者实时的各项身体指标数据；
3）通过分析全量数据得出结果，把增量数据与分析的结果进行对比，根据所述全量数据中的各项身体指标数据和处置情况分析各个地区患者实时的病症情况以及应对措施建议，把分析结果数据入库；
4）把入库的全量数据、入库的增量数据和所述分析结果数据发布到有关卫生部门；
5）有关卫生部门根据发布的数据进行选择订阅，有关卫生部门优先查看所述分析结果数据；
6）把有关卫生部门订阅的数据保存到有关卫生部门指定的位置中；
7）订阅成功后，把疾病情况反馈和应对措施建议提供给有关卫生部门，所述疾病情况反馈根据处理疾病的紧急程度由上到下进行排序。
2.根据权利要求1所述的一种大数据精准分析和事件即时响应的方法，其特征在于，所述全量数据采集方式包括导入各个医院各个地区存有历年来发生各种疾病的患者的各项身体指标数据以及处置情况的数据库的数据。
3.根据权利要求1所述的一种大数据精准分析和事件即时响应的方法，其特征在于，所述增量数据采集方式包括导入各个医院存有当日各个地区患者的各项身体指标数据的数据库的数据。
4.根据权利要求1所述的一种大数据精准分析和事件即时响应的方法，其特征在于，所述全量数据和所述增量数据中的各项身体指标数据还包括当日的天气、患者就医的地点、有多少相同疾病的患者。
5.根据权利要求1所述的一种大数据精准分析和事件即时响应的方法，其特征在于，所述步骤3）中患者的病症情况包括得了什么疾病、得该疾病的原因、患者处于该疾病的哪个病症期。
6.根据权利要求1所述的一种大数据精准分析和事件即时响应的方法，其特征在于，所述分析结果数据在发布的信息中处于置顶状态。
7.根据权利要求1所述的一种大数据精准分析和事件即时响应的方法，其特征在于，所述应对措施建议包括疾病抑制手段、医护资源分配，所述疾病抑制手段包括消毒防疫、隔离观察，是根据增量数据与分析全量数据得出的结果进行对比给出的建议。
8.根据权利要求1所述的一种大数据精准分析和事件即时响应的方法，其特征在于，所述疾病包括流感，所述身体指标数据包括体温，即时响应的方法通过以下步骤：导入各个医院各个地区存有历年来流感患者的体温数据以及处置情况的数据库的数据，采集当日各个地区患者的体温数据以及人数，分析各个医院各个地区存有历年来流感患者的体温数据以及相对应的处理措施与当日各个地区患者的体温数据进行对比得出应对措施建议，把所述增量数据以及所述应对措施建议发布给有关卫生部门，有关卫生部门根据发布的数据进行选择订阅，订阅成功后，把增量数据反馈给有关卫生部门，并把所述应对措施建议提供给有关卫生部门。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811636485.8A CN109686454A (zh) | 2018-12-29 | 2018-12-29 | 一种大数据精准分析和事件即时响应的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811636485.8A CN109686454A (zh) | 2018-12-29 | 2018-12-29 | 一种大数据精准分析和事件即时响应的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109686454A true CN109686454A (zh) | 2019-04-26 |
Family
ID=66191222
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811636485.8A Pending CN109686454A (zh) | 2018-12-29 | 2018-12-29 | 一种大数据精准分析和事件即时响应的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109686454A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105224816A (zh) * | 2015-11-06 | 2016-01-06 | 吴志宏 | 一种发热患者精细化病例数据库 |
| CN106021915A (zh) * | 2016-05-17 | 2016-10-12 | 华南师范大学 | 基于大数据面向自动诊疗的医疗数据分析系统和装置 |
| CN106372425A (zh) * | 2016-08-31 | 2017-02-01 | 广东省疾病预防控制中心 | 一种基于症状比例r值的症状监测预警方法 |
| CN108198630A (zh) * | 2018-03-09 | 2018-06-22 | 中华人民共和国陕西出入境检验检疫局 | 一种机场疾病预警与防控方法 |
| CN108257671A (zh) * | 2018-03-09 | 2018-07-06 | 中华人民共和国陕西出入境检验检疫局 | 一种机场疾病预警方法 |
| CN108986897A (zh) * | 2018-07-13 | 2018-12-11 | 飞救医疗科技（北京）有限公司 | 一种急危重症施救的医疗资源优化匹配方法和系统 |
-
2018
- 2018-12-29 CN CN201811636485.8A patent/CN109686454A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105224816A (zh) * | 2015-11-06 | 2016-01-06 | 吴志宏 | 一种发热患者精细化病例数据库 |
| CN106021915A (zh) * | 2016-05-17 | 2016-10-12 | 华南师范大学 | 基于大数据面向自动诊疗的医疗数据分析系统和装置 |
| CN106372425A (zh) * | 2016-08-31 | 2017-02-01 | 广东省疾病预防控制中心 | 一种基于症状比例r值的症状监测预警方法 |
| CN108198630A (zh) * | 2018-03-09 | 2018-06-22 | 中华人民共和国陕西出入境检验检疫局 | 一种机场疾病预警与防控方法 |
| CN108257671A (zh) * | 2018-03-09 | 2018-07-06 | 中华人民共和国陕西出入境检验检疫局 | 一种机场疾病预警方法 |
| CN108986897A (zh) * | 2018-07-13 | 2018-12-11 | 飞救医疗科技（北京）有限公司 | 一种急危重症施救的医疗资源优化匹配方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Charry-Sánchez et al. | Animal-assisted therapy in adults: A systematic review | |
| Fonagy et al. | Studies on the efficacy of child psychoanalysis. | |
| Ng et al. | Multidisciplinary care for adults with amyotrophic lateral sclerosis or motor neuron disease | |
| Groce et al. | HIV issues and people with disabilities: a review and agenda for research | |
| Crane et al. | Routine collection of patient-reported outcomes in an HIV clinic setting: the first 100 patients | |
| Garner et al. | The relationship between recovery and health-related quality of life | |
| US20070128682A1 (en) | Predictive treatment of dysglycemic excursions associated with diabetes mellitus | |
| Algase et al. | Impact of cognitive impairment on wandering behavior | |
| Johnson et al. | The relationship between maternal responsivity, socioeconomic status, and resting autonomic nervous system functioning in Mexican American children | |
| Doornbos | Predicting family health in families of young adults with severe mental illness | |
| D’Souza et al. | Self-care behaviours and glycemic control among adults with type 2 diabetes | |
| Heslin et al. | Clinical correlates of health-related quality of life among opioid-dependent patients | |
| Assari | Chronic kidney disease, anxiety and depression among American blacks; does ethnicity matter? | |
| D’Imperio et al. | Sensorimotor, attentional, and neuroanatomical predictors of upper limb motor deficits and rehabilitation outcome after stroke | |
| McDowell et al. | Canadian Study of Health and Aging: Study description and patterns of early cognitive decline | |
| Wolf et al. | Perspectives on the recent decline in disability at older ages | |
| Melin et al. | Health Outcomes of Post‐Hospital In‐Home Team Care: Secondary Analysis of a Swedish Trial | |
| CN109686454A (zh) | 一种大数据精准分析和事件即时响应的方法 | |
| Mantas | Model Driven Approach for Development of Person-Centred Care in Stroke Rehabilitation | |
| Concaro et al. | Mining administrative and clinical diabetes data with temporal association rules | |
| Long et al. | Neuropsychological assessment and treatment of head trauma patients | |
| Mailafiya et al. | Expert system for diagnosis of hepatitis B | |
| Jeyadeepa et al. | A study to find the correlation between self-care and glycemic control of diabetic clients in a selected tertiary care hospital | |
| Cotorobai et al. | Review of the Evaluation Methods for Stress, Anxiety, and Depression Levels | |
| Sardana et al. | Evaluation of medication adherence among elderly patients at the time of stroke onset in Southeast Rajasthan |
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: 20190426 |
|
| RJ01 | Rejection of invention patent application after publication |