CN109886610B - 一种协同工作与质量控制方法与系统 - Google Patents
一种协同工作与质量控制方法与系统 Download PDFInfo
- Publication number
- CN109886610B CN109886610B CN201910279937.XA CN201910279937A CN109886610B CN 109886610 B CN109886610 B CN 109886610B CN 201910279937 A CN201910279937 A CN 201910279937A CN 109886610 B CN109886610 B CN 109886610B
- Authority
- CN
- China
- Prior art keywords
- event
- time
- standard
- expression
- time sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003908 quality control method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 64
- 230000014509 gene expression Effects 0.000 claims abstract description 59
- 230000006399 behavior Effects 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000002123 temporal effect Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 230000008520 organization Effects 0.000 claims 4
- 238000010586 diagram Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 7
- 206010000891 acute myocardial infarction Diseases 0.000 description 7
- 238000003780 insertion Methods 0.000 description 7
- 230000037431 insertion Effects 0.000 description 7
- 241000084490 Esenbeckia delta Species 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 206010008479 Chest Pain Diseases 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000007721 medicinal effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 206010002388 Angina unstable Diseases 0.000 description 2
- 208000000770 Non-ST Elevated Myocardial Infarction Diseases 0.000 description 2
- 208000006117 ST-elevation myocardial infarction Diseases 0.000 description 2
- 208000007814 Unstable Angina Diseases 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 201000004332 intermediate coronary syndrome Diseases 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 229960001138 acetylsalicylic acid Drugs 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 238000010876 biochemical test Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000968 medical method and process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Child & Adolescent Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种协同工作与质量控制方法与系统。其中,对于每一业务,在数据库中记录代表该业务的标准时序的表达式,所述代表该业务的标准时序的表达式包括多个依序排列的事件和连接在事件之间用以表征事件之间关系的时序算子,每个所述事件均由事件参数定义,所述事件参数至少包括时间和数据;在业务执行过程中实时采集数据,生成代表实际执行时序的表达式;计算设备自动对比实际执行时序与数据库记录的标准时序的表达式,当二者出现偏离时,定位表达式中导致该偏离的事件并进行相应的告警。本发明可用于指导创建支撑业务运行的信息系统,而且还可以通过将行业标准的业务过程与实际产生的业务过程比对,实现自动质量控制的目的。
Description
本申请是申请号为201710112449.0、申请日为2017年02月28日、发明名称为“一种协同工作与质量控制方法与系统”的发明专利申请的分案申请。
技术领域
本发明涉及计算机技术领域,具体地说,本发明涉及一种协同工作与质量控制方法与系统。本发明能够用于基于计算机技术的业务流程描述、过程知识表达、跟踪、分析、推理、质量控制与系统构造。
背景技术
利用数学模型精确刻画医疗活动中的协同救治过程,一直是业界研究的难点之一,由于涉及元素众多,过程复杂度极高,不确定性强,人类迄今为止没有数学模型,可以精确的刻画协同医疗救治过程,也没能实现对大规模医生群体的医疗过程的实时提醒和质量控制(尤其是实时重症预警提醒和医疗质量控制)。
发明内容
本发明的主要目的在于提供一种描述协同工作与质量控制业务过程并进行跟踪、质量控制的方法与系统。一个业务过程,都可以理解为按照时序执行的事件序列,以单一事件为基本步骤单位,并充分考虑事件有关的维度,包括时间、地点、参与人员或组织、业务规模,以及因素,包括需要或产生的数据、事件中发生的行为或动作,将维度和因素作为单一事件的属性,就可以明晰事件所需的所有必备条件,再通过定义出的一系列时序算子,串起各个事件,并将其相互间的逻辑运算关系清晰阐述,就能获得非常清楚的时序链,可使多方参与、业务流交织的复杂过程能够以序列描述式的形式简单清晰化展现,高度简化业务过程理解与描述过程,对业务过程分析、跟踪,以及相关系统构建具有高度指导意义。
为达以上发明目的,本发明首先提供了一种协同工作与质量控制方法与系统,通过定义业务过程的维度和因素,利用时序的各种操作,即时序算子,对业务过程进行描述、跟踪与控制,包含以下步骤:
1)定义业务过程有关的维度,第一个维度与人有关,包括人员(people),群(group),组(working group),第二个维度与业务有关,包括行为(action),议题(subject),事件(event),第三个维度与时间(time)有关,第四个维度与空间位置(location)有关,第五个维度与数据(data)有关;再定义与之相关的因素,时序(eventsequence);
2)选取具备相同属性的人员分别建立群,选择适用的行业标准业务流程,分解出事件集(e1,e2,e3...en),处理事件所需的人员集(p1,p2,p3...pn),议题集(s1,s2,s3...sn),利用本系统定义的时序算子的任意组合描述标准的时序(standard event sequence),例如SES=e1@t1–>e2[]e3–>e4|||e5–>,并确定各维度之间的逻辑关系,建立标准时序库;
3)每当有业务发生,从群中抽调人员建立组;以组为基本单位,推动业务流程向前进行,并产生连续、完整的时序;以起点事件中的人(p)或议题(s)为索引,记录时序(ES);
4)利用本系统定义的时序算子将实际产生的时序,与标准时序比对,发现并记录差异,根据差异的严重性分级提示,达到实时质控的目的。
优选地,业务过程定义的有关维度包括:
人(People,p)是指自然人;
群(Group,g)是指具备相同特定属性的自然人的集合g=<p1,p2,p3,…>;
组(Working Group,wg),是指由群中选取完成特定任务或议题的人员集合;
时间(Time,t),是指任一事件发生的GPS时间点,或者处理任一事件消耗的时间长度;
空间位置(Location,l),是指任一事件发生时GPS定义的经纬度,或室内定位系统确定的位置;
行为(Action,a),是指任一具体动作,或操作;
数据(Data,d),是指用于精确描述和记录各种现象的所有类型的数值;协同工作中所需的设备、原材料、物品等都可以用数据来描述;
议题(Subject,s),是指主题鲜明一次讨论;
事件(Event,e),是指单一业务步骤,优选地,可以定义e=<t,l,p,a,d,s,wg>;在最低配置的情形下,也可以视情况定义e=<t,d>,此时其它的参数(例如l,p,a和s)为默认值;
时序(Event Sequence),是指特定时间、空间位置下的事件序列ES,一个例子中,事件序列ES=e1–>e2–>e3–>e4–>…。
优选地,为了准确描述上述定义的各种维度之间的逻辑运算关系,进一步定义了下列时序算子,包括:
存在算子∈:e1∈ES在时序ES里有一个事件e1;
条件算子|:e1|t,当条件t满足,e1发生;
精确算子@:e@t1=<t,l,p,a,d,s,wg>|t=t1(时序中的事件e∈ES,必须在t1时刻发生);
精确算子@:e@p1=<t,l,p,a,d,s,wg>|p=p1(时序中的事件e∈ES,必须有p1参与);
精确算子@:e@l1=<t,l,p,a,d,s,wg>|l=l1(时序中的事件e∈ES,必须在l1位置发生);
精确算子@:e@a1=<t,l,p,a,d,s,wg>|a=a1(时序中的事件e∈ES,必须有a1行为发生);
精确算子@:e@d1=<t,l,p,a,d,s,wg>|d=d1(时序中的事件e∈ES,必须有d1数据);
精确算子@:e@s1=<t,l,p,a,d,s,wg>|s=s1(时序中的事件e∈ES,必须与s1议题有关);
精确算子@:e@wg1=<t,l,p,a,d,s,wg>|wg=wg1(时序中的事件e∈ES,必须由wg1执行);
顺序算子–>:e1–>e2|[e1@t1,e2@t2,t1<t2],(时序中的事件e1,e2∈ES,e1先于e2发生);
同步算子||:e1||e2|[e1@t1,e2@t2,t2=t1],(时序中的事件e1,e2∈ES,e1和e2同时发生);
异步并行算子|||:e1|||e2|[e1@t1,e2@t2,t2≠t1],(时序中的事件e1,e2∈ES,e1和e2不同时发生);
择一算子[]:e1[]e2|[e1@t1,e2@t2=∞,或e1@t1=∞,e2@t2],(时序中的事件e1,e2∈ES,e1和e2择一发生);
强包含算子≌:ES1≌ES|ES=ei–>ej,ES1=e1–>e2–>ei–>ej–>e3…(时序ES1里强包含ES,强包含是指时序ES1中包含时序ES且包含于时序ES1中的时序ES中没有任何不属于时序ES的其它事件插入);
弱包含算子∽:ES1∽ES|ES=ei–>ej,ES1=e1–>e2–>ei–>e3–>e4–>ej–>e5…(时序ES1里弱包含ES,弱包含是指时序ES1中包含时序ES且包含于时序ES1中的时序ES中存在不属于时序ES的其它事件插入);
偏离算子△:e△t1=<t,l,p,a,d,s,wg>|t=t1(时序中的事件e∈ES,没有在t1时刻发生);
偏离算子△:e△p1=<t,l,p,a,d,s,wg>|p=p1(时序中的事件e∈ES,没有p1参与);
偏离算子△:e△l1=<t,l,p,a,d,s,wg>|l=l1时序中的事件e∈ES,没有在l1位置发生);
偏离算子△:e△a1=<t,l,p,a,d,s,wg>|a=a1(时序中的事件e∈ES,没有a1行为发生);
偏离算子△:e△d1=<t,l,p,a,d,s,wg>|d=d1(时序中的事件e∈ES,没有d1数据);
偏离算子△:e△s1=<t,l,p,a,d,s,wg>|s=s1(时序中的事件e∈ES,没有和s1议题有关);
偏离算子△:e△wg1=<t,l,p,a,d,s,wg>|wg=wg1(时序中的事件e∈ES,没有由wg1执行)。
优选地,适用的标准业务流程,是指某一特定领域具有强制性或指导性文件(如现行行业标准、规范、指南)。
优选地,步骤3)中,一个议题只能由一位人员发起,一个人员可发起多个议题。
优选地,步骤3)中,单一人员可具备多个属性,从而隶属于多个群、多个组。
优选地,步骤3)中,以起点事件中的人(p)或议题(s)为索引,记录时序(ES)。
优选地,步骤3)中,每个组员广播各自的信息给所有组员,分级提示是指立即告知或提醒造成差异的人员,并给参与业务过程的所有组员预警。
优选地,步骤3)中,分级是指根据差异的严重程度和优先级设置响应的提示强度和频率,或者在一定时限内差异未被纠正,则逐步加强提示的强度和频率以提高提示效果。
优选地,步骤3)中,在群、组建立后的任一时间可以根据需要增加新成员或者删除现有成员。
优选地,增加的新成员可以获得所参与该时序的所有历史数据。
优选地,被删除的成员不能获得在其被删除后组内的后续数据。
优选地,步骤4)中,利用本系统定义的算子将实际发生的时序实时与标准时序对比,一旦发现差异,分级提示。
优选地,标准时序库是根据所适用的行业标准所建立,本系统可以实时自动分析出实际发生的时序,从而判别是否按照标准在规定的时间、规定的位置,由规定的组员,按照规定的次序,执行规定的动作,产生期望的数据。
与现有技术相比,本发明具有下列技术效果:
本发明可用于指导创建支撑业务运行的信息系统,而且还可以通过将行业标准的业务过程与实际产生的业务过程比对,实现自动质量控制的目的。本发明特别适合应用于协同医疗业务流程,尤其是对急救流程。
本发明可以优化医疗救治过程、让大规模医生群体最大限度按照医学指南操作,减少医疗事故、提高医疗资源的效率、科学的分配医疗资源。除了协同医疗业务流程外,本发明也可以推广到其它领域。
依照本发明可以表达各类协同工作过程类的知识,构建相应的知识库,使得计算机系统能够对各类协同工作过程类的知识进行表达、识别、分析和推理,使人工智能在本领域的应用成为可能。
附图说明
以下,结合附图来详细说明本发明的实施例,其中:
图1示出了本发明一个实施例中协同医疗工作与质量控制系统的总体框架结构;
图2示出了本发明一个实施例中的数据采集系统的示意图;
图3示出了本发明一个实施例中的时间同步系统的示意图;
图4示出了本发明一个实施例中的医生协同工作系统的示意图;
图5示出了本发明一个实施例中的指南数据库系统(知识库系统)的示意图;
图6示出了本发明一个实施例中的患者轨迹跟踪系统的示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易了解本发明的其他优点和功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰和改变。
本发明基于时序概念,利用业务有关的维度,结合时序算子,对业务过程进行描述、跟踪与控制,从而实现多方参与协同工作过程以及在此过程中对于业务质量的控制。
下面根据本发明的一个实施例,结合急救医疗行业的心脑血管病协同急救的重症预警与质量控制过程来说明本实施例的实施步骤,
以院外急性心肌梗死发病患者经救护车运送并救治成功为例,这种情况属于急救系统与医院之间合作救治中最为常见的典型情况。
本实施例的实现过程如下:
步骤1:首先定义出急性心肌梗死协同急救业务有关的维度,包括:人员,即患者(p0)、患者家属(p1)、120急救医护人员(p2)、胸痛中心人员值班医生(p3);组,处理急救过程中各方人员临时成立的工作组;群的定义可参考人员类型定义,对急救过程而言,群的定义规则可为:机构_科室_人员分类_职级;事件是急救业务过程的一系列步骤,每项步骤均需具有前序步骤作为触发条件及后续结果用于判别触发下一步骤;行为是构成事件的基本元素,一个事件的处理需要进行至少一个及以上的行为;时间是急救过程非常重要的维度,针对不同事件需要分别记录时间点或时间长度;空间在急救过程中主要指位置,即在相应事件发生或处理的地点,如急救现场(l0)、运送途中、医院大门(l1)、导管室(l2)等;数据,是事件产生信息的记录和表现形式,也是事件进展的必备条件;时序,对急救过程而言主要代表次序,处理的流程。
步骤2:对于急救系统运送的院外发病急性心肌梗死患者,标准急救流程是由院前急救条例和院内急性心肌梗死临床指南共同组成,由此提取出的标准事件集合包括:
(e0)患者(p0)在家(l0)发病,打120呼救;
(e1)120急救中心5分钟(te1)内派车;
(e2)120急救医护人员(p2)到达现场(l0),初判病情,做(ae2)首份12导联心电图(de2),并(ae3)传送至胸痛中心;
(e3)胸痛中心值班医生(p3)3分钟(te3)内判读心电图;
(e4)判读结果为STEMI(急性ST段抬高型心肌梗死),或(e5)NSTEMI(非ST段抬高型心肌梗死),或(e6)UA(不稳定型心绞痛);
(e7)胸痛中心值班医生(p3)发指令指导(ae7)急救现场急救,让患者(p0)服用300mg阿司匹林,180mg倍林达(de7);
(e8)胸痛中心值班医生(p3)发指令一键启动导管室;
(e9)患者(p1)送达医院大门(l1)(dte9),绕行急诊科,直接进入导管室(l2);
(e9*)患者出现意识模糊,可选择做颅脑CT排查脑卒中,也可继续按照胸痛标准流程实施抢救;
(e10)家属(p1)签署知情同意书及付费承诺函;
(e11)术前备皮;
(e12)球囊张开(dte12)。
则基于上述标准事件集合,数据库中可记录对应的标准时序SES=e0–>e1@(te1<=5分钟)–>e2@p2@ae2@de2@ae3–>e3@(te3<=3分钟)–>e4[]e5[]e6–>e7(@p3@ae7@de7)||e8–>e9@dte9–>e10|||e11–>e12@(tte12–tte9<=90分钟)。
其中,事件e9*为非标准事件,在胸痛患者的标准抢救流程中并不包含这一事件,但具体实践中,医生选择插入事件e9*并不违反指南,但由于并非是强制执行事件,因此也可以选择不插入,继续按照标准时序进行。
步骤3:在实际执行中,系统采集的实际时序可能是:
ES=e0–>e1@(te1<=5分钟)–>e2@p2@ae2@de2@ae3–>e3△(te3=5分钟)–>e4[]e5[]e6–>e7(@p3@ae7@de7)||e8–>e9@dte9–>e10|||e11–>e12△(tte12–tte9>90分钟);
或者ES*=e0–>e1@(te1<=5分钟)–>e2@p2@ae2@de2@ae3–>e3△(te3=5分钟)–>e4[]e5[]e6–>e7(@p3@ae7@de7)||e8–>e9@dte9–>e9*–>e10|||e11–>e12△(tte12–tte9>90分钟)。
系统自动对比实际执行时序与数据库记录的标准时序,结果是:实际执行时序ES强包含(≌)标准时序SES,也就是说实际急诊过程完全按照医学指南定义的标准流程执行;与此同时,实际急诊过程的中间步骤没有及时完成,有偏离(超时)。
或者,由于插入了事件e9*,实际执行时序ES*弱包含(∽)标准时序SES。
基于这个比对结果,系统会实时提醒相关人员,从而实现实时质控与重症预警。同时,由于弱包含中存在的插入事件e9*并非强制执行事件,系统可以积累与之有关的数据与强包含SES的实际执行时序数据对比,评价效果,从而实现改进流程的目的。
参考上述实施例,可以看出协同工作过程是由一系列事件按照一系列规则组成的时序流程。对于某个特定的协同工作过程可以基于规范性文件(例如院前急救条例和院内急性心肌梗死临床指南)对该协同工作过程的标准方案的描述,构建出对应的代表该业务的标准时序的表达式。对多个上述协同工作过程构建可构建多个标准时序的表达式,从而构成协同工作数据库。由标准时序表达式的集合构成的协同工作数据库也可以称为知识库。
在本发明提供了一种协同工作数据库(知识库)的构建方法,依照该方法可以为各类协同工作过程构建相应的数据库,使得计算机系统能够对各类协同工作过程进行识别。另一方面,依照该方法可以表达各类协同工作过程类的知识,构建相应的知识库,使得计算机系统能够对各类协同工作过程类的知识进行识别,分析和推理,使人工智能在本领域的应用成为可能。
该协同工作数据库(知识库)的构建方法如下:
步骤a:对于某一特定的协同工作流程,提取规范性文件(例如院前急救条例和院内急性心肌梗死临床指南)中该协同工作流程的标准方案的描述文字,将该标准方案分解为多个事件,这样就得到了对应于每个事件的描述文字。其中,每个事件是协同工作流程的一项步骤,每项步骤通常具有前序步骤作为触发条件及后续结果用于判别是否触发下一步骤。对于每个事件,在其描述文字中抽取事件参数。事件参数至少包括时间和数据。也就是说,在最简化的协同工作流程中,组成该流程的事件可以仅含有时间和数据这两个事件参数。例如一个简化的院外急性心肌梗死发病患者经急救车送达医院抢救的流程如下:
(e0)120急救中心接呼救派车时间(te0);
(e1)急救车到达急救现场做首份12导联心电图并发送至胸痛中心的时间(te1)和数据(de1);
(e2)胸痛中心值班医生判读心电图时间(te2)和数据(de2);
(e3)胸痛中心值班医生发指令指导急救现场用药时间(te3)和数据(de3);
(e4)患者送达医院大门时间(te4)和数据(de4);
(e5)院内抢救数据(de5)及至球囊张开的时间(te5)。
当然,在一些协同工作流程中,还存在更多种类的事件参数,包括:人、群、组、空间位置、行为和议题。因此,在事件的描述文字中抽取事件参数,包括抽取时间、数据、人、群、组、空间位置、行为和议题等信息。其中,时间是针对不同事件分别记录的时间点或时间长度;空间位置主要指在相应事件发生或处理的地点。数据是用于精确描述与事件有关的各种现象的各种类型数值记录,人是参与时序活动的人员,本实施例中,人既可以是事件中行为的主体(即行为的执行者),也可以是行为的客体(即行为的对象),群是由具有固定组织关系的人员所构成的机构或部门,组是由参与系统工作流程的人员组成的临时工作组,行为是构成事件的基本元素,一个事件的处理需要进行至少一个及以上的行为,议题是一次完整的协同工作中的讨论记录。
在具体实现上,从事件的描述文字中抽取事件参数的工作可以由人来实现,也可以通过计算机通过接口、或者通过物联网、互联网或基于自然语言识别等技术手段来实现。在抽取完成后,即可得到由事件参数集表达的多个标准事件,这些事件的集合称为标准事件集合。
步骤b:根据协同工作流程的标准方案的描述文字,分析各个标准事件之间的时序逻辑关系,用不同的时序算子来表达不同的时序逻辑关系,进而构建协同工作流程的标准时序表达式。
本实施例中,时序逻辑关系包括存在关系、条件关系、精确对应关系、顺序关系、同步关系、异步并行关系、择一关系。这些时序逻辑关系分别用相应的时序算子表达。下面详细介绍各个时序算子。
存在算子∈:e1∈ES在时序ES里有一个事件e1;
条件算子|:e1|t,当条件t满足,e1发生;
精确算子@:e@t1表示时序中的事件e∈ES,必须在t1时刻发生;e@p1表示时序中的事件e∈ES,必须有p1人员参与;e@l1表示时序中的事件e∈ES,必须在l1位置发生;e@a1表示时序中的事件e∈ES,必须有a1行为发生;e@d1表示时序中的事件e∈ES,必须有d1数据;e@s1表示时序中的事件e∈ES,必须与s1议题有关;e@wg1表示时序中的事件e∈ES,必须由wg1执行;
顺序算子–>:e1–>e2表示时序中的事件e1,e2∈ES,且e1先于e2发生;
同步算子||:e1||e2表示时序中的事件e1,e2∈ES,且e1和e2同时发生;
异步并行算子|||:e1|||e2表示时序中的事件e1,e2∈ES,e1和e2不同时发生;以及
择一算子[]:e1[]e2表示时序中的事件e1,e2∈ES,e1和e2择一发生。
基于上述时序算子和由事件参数集表达的标准事件,即可构成对应于任意特定协同工作流程标准方案的标准时序表达式。并且,这种标准时序表达式可被计算机系统识别,形成人工智能,从而便于对大规模的、错综复杂的协同工作流程进行质量监控和实时提醒。
进一步地,根据本发明的又一个实施例,还提供了一种基于上述协同工作数据库的协同工作与质量控制方法,该方法可以基于一个包括客户端和服务器端的协同工作系统实现。其中,客户端可以安装在各类终端上,既可以是移动终端(例如参与协同工作人员所配备的手机),也可以是台式机(例如设置于医院大门、导管室等固定位置的电脑)。服务器端则通常安装在云端服务器上。该云端服务器与协同工作数据库互联,或者将协同工作数据库直接作为云端服务器内部的一个组成部分。
本实施例的协同工作与质量控制方法包括下列步骤:
步骤c:对于任意协同工作流程,在数据库中读取代表该协同工作流程的标准时序的表达式。
步骤d:在业务执行过程中实时采集信息,生成代表实际执行时序的表达式;所述代表实际执行时序的表达式包括多个依序排列的所述事件和连接在事件之间用以表征事件之间关系的时序算子。
本步骤实时采集数据本质就是采集各个事件参数,该采集可以通过各个终端实现,也可以通过各个终端和附加的支撑系统实现。在一个例子中,参与人员各自登录终端,即可接入协同工作系统,系统自然即可得到作为事件参数之一的人员信息。而各个参与人员的用户信息中也可以得到相应的群信息。组由系统基于议题临时组建,容易理解,系统中存储由组信息。由时间同步系统为各个客户端和服务端授时,即可根据终端上安装的客户端中的时间得到参与人员处所发生事件的时间。行为可以通过感知系统(如各类传感器、从物联网、互联网、自身的系统)获得数据。
在前文所述的步骤a中,在根据规范性文件生成标准时序表达式的过程中,可获得标准事件集合,它由若干个标准事件构成。而每个标准事件都由若干个事件参数来描述的,因此可以预先定义每个标准事件所需采集的信息的格式。例如:对于e2事件(即胸痛中心值班医生判读心电图),其事件参数包括:人员、时间(判读心电图的时间)以及数据(心电图数据),这样,当协同工作系统采集到人员、时间和数据这一组信息时,就满足了预定义的事件信息格式要求,此时协同工作系统将这一组实时采集的信息构建成一个事件信息并上传到服务器。本实施例中,作为事件参数之一的数据,是事件产生信息的记录和表现形式,也是事件进展的必备条件。因此,当协同工作系统采集到某一种类的数据(例如心电图数据)时,即可判断出它可能属于哪个事件,然后按照该事件的事件信息格式找到其它对应的事件参数,例如人员信息(例如通过提交数据的账号进行)和时间信息(例如可通过同步时钟获得判断时间),将人员信息、时间信息和数据信息打包上传。
这样,在实际的业务执行过程中,协同工作系统就能够按照预定义的事件信息格式来实时采集事件信息。服务器端在接收到各个事件信息后,将这些事件信息转换成代表事件的表达式,然后再将这些代表事件的表达式组合成实际执行时序表达式。由所采集的事件信息直接生成的实际执行时序表达式可以直接记录每个事件的执行情况。例如,前文提及的e2事件(即胸痛中心值班医生判读心电图),在实际执行时序表达式中可记录该事件是由谁执行的(人员信息)、判读时间是多少(时间信息),心电图数据是怎样的(数据信息)。
另一方面,在规范性文件中,有时会出现一些非标准事件。例如前文中的事件e9*,在胸痛患者的标准抢救流程中并不包含这一事件。一方面,具体实践中,医生选择插入事件e9*也并不违反指南,另一方面,由于事件e9*并非是强制执行事件,因此也可以选择不插入事件e9*,继续按照标准时序进行。本实施例中,这一类非标准事件的事件参数的格式也被转换成协同工作系统所要采集的一种预定义信息格式。这样,协同工作系统就能够在实际工作流程中实时采集非标准事件信息。
步骤e:服务器端自动对比实际执行时序与知识库记录的标准时序的表达式,当二者出现偏离时,定位表达式中导致该偏离的事件并进行相应的告警。
在比对后的实际执行时序的表达式中,除了包括前述实施例中提及的时序算子外,还包括用以表达偏离逻辑关系的偏离算子。
偏离算子△:e△t1表示时序中的事件e∈ES,没有在t1时刻发生;e△p1表示时序中的事件e∈ES,没有p1参与;e△l1表示时序中的事件e∈ES,没有在l1位置发生;e△a1表示时序中的事件e∈ES,没有a1行为发生;e△d1表示时序中的事件e∈ES,没有d1数据;e△s1表示时序中的事件e∈ES,没有和s1议题有关;e△wg1表示时序中的事件e∈ES,没有由wg1执行。
另外,实际执行时序与标准时序相比,可能增加了一个或多个事件(例如前文中所述的非标准事件),但有时这种增加并不影响或者并不严重影响工作流程的质量,为了表达这种情况,本实施例中还增加了强包含算子≌和弱包含算子∽。
强包含算子≌:ES1≌ES表示时序ES1里强包含ES,强包含是指时序ES1中包含时序ES且包含于时序ES1中的时序ES中没有任何不属于时序ES的其它事件插入;
弱包含算子∽:ES1∽ES表示时序ES1里弱包含ES,弱包含是指时序ES1中包含时序ES且包含于时序ES1中的时序ES中存在不属于时序ES的其它事件插入。
进一步地,根据本发明的再一实施例,还提供了一种协同工作与质量控制系统,图1示出了该系统的总体框架结构。参考图1,本实施例提供的是协同医疗工作与质量控制系统,系统包括指南数据库系统、院前数据采集系统、院内数据采集系统、时间同步系统、医生交互工作系统、患者轨迹跟踪系统等系统,这些系统是以患者为中心,以云平台为枢纽,进行医疗活动的支撑系统。下面分别介绍各个支撑系统。
1、院内数据采集系统负责采集患者数据D,包括:
患者的心电图、血压、血氧饱和度、心率、脉率、体温等参数;
患者的生化检测结果,比如肌钙蛋白等;
患者的医学影像信息,比如CT、核磁、B超、X光片等。
这些患者数据是医疗活动得以进行的基础。图2示出了本实施例中的数据采集系统的示意图。
2、时间同步系统
图3示出了本实施例中的时间同步系统的示意图,该时间同步系统以GPS或北斗卫星为时钟源;为各个系统、工作终端授时,保证了时间统一。
3、医生交互工作系统
图4示出了本实施例中的医生移动交互工作系统的示意图,它可以是在一个PC端或手机端实现交互通信、协同工作。本实施例中,医生通过移动终端交互工作对某一患者进行协同救治,包括数据进行采集、传输、判读、会诊,以便采取进一步的诊疗措施。
4、远程音频视频系统
本实施例中,远程音频视频系统为医生与医生之间、医生与患者之间建立沟通渠道,方便协同救治患者。
5、指南数据库(知识库)系统
图5示出了本实施例中的指南数据库系统的示意图。本实施例中,指南数据库(知识库)系统用于提供指南指导下的规范、流程、路径、最佳实践等知识集;系统通过患者数据采集,对患者数据及就医时间轨迹进行质控分析;自动对比标准质控数据。
6、院前数据采集系统
本实施例中,院前数据采集系统负责采集患者院前急救数据,记录了患者发起呼救时间、呼救原因、联系方式、事发地点,救护车调度信息,随车医生诊断判别、早期用药等信息,也是急救中的重要环节。
7、GPS定位系统
本实施例中,GPS定位系统用于获得患者事发地点,方便120根据坐标前往现场,掌控救护车位置,方便院内准备接诊;以及根据历史轨迹分析,掌握路线动态,优选到达医院路线。
8、患者轨迹跟踪系统
图6示出了本实施例中的患者轨迹跟踪系统的示意图。本实施例中,患者轨迹跟踪系统用于自动记录患者进入医院大门,进入、离开心电图室,CT室,导管室等地点的时间,为质控提供客观数据。患者轨迹跟踪系统包括可供患者佩戴的患者标签(例如电子标签)和相应的患者标签信息采集装置。通常来说,患者达到医院大门或者上救护车时,佩戴所述患者标签。
9.后台运算分析系统(含推理机)
进一步地,所述协同工作与质量控制系统还包括后台运算分析系统(含推理机),该后台运算分析系统用于根据收到的数据,参考指南数据库(知识库)的要求,进行分析,自动推导出有价值的结果。具体地,该后台运算分析系统承担时序算子的分析、生命体征计算分析(比如心电图分析)、就诊路径提醒、时间质控运算的工作。比如心电图上传到服务器后,该后台运算分析系统会自动分析心电图数据,给出自动分析结论,供一线医生参考,以防出现漏诊。该后台运算分析系统还能够结合病情描述、生命体征、检查检验结果等数据,推理分析,自动计算并根据专家知识库进行重症预警,自动给出参考诊断结论,并给出参考治疗方案,作为参考,有效防止误诊。
最后应说明的是,以上实施例仅用以描述本发明的技术方案而不是对本技术方法进行限制,本发明在应用上可以延伸为其它的修改、变化、应用和实施例,并且因此认为所有这样的修改、变化、应用、实施例都在本发明的精神和教导范围内。
Claims (17)
1.一种用于医疗急救的协同工作知识库的构建方法,包括下列步骤:
对于一医疗急救协同工作流程,提取规范性文件中所述医疗急救协同工作流程的标准方案的描述文字,将所述标准方案分解为至少一个事件,所述事件是医疗急救业务过程的步骤,所述步骤具有前序步骤作为触发条件以及后续结果用于判别触发下一步骤;
对于所述至少一个事件,在其描述文字中抽取事件参数,得到由事件参数集表达的至少一个标准事件;所述事件参数包括人、群、组、时间、空间位置、行为、议题和数据中的一种或多种,其中人是参与事件活动的人员;群是由具有固定组织关系的人员所构成的机构或部门;组是由参与系统工作流程的人员组成的临时工作组;时间是针对不同事件分别记录的时间点或时间长度;空间位置指在相应事件发生或处理的地点;行为是构成事件的基本元素,一个事件的处理需要进行至少一个及以上的行为;议题是一次完整的协同工作中的讨论记录;以及数据是用于精确描述与事件有关的各种现象的各种类型数值记录;根据所述协同工作流程的标准方案的描述文字,分析所述至少一个标准事件的时序逻辑关系,以构建所述协同工作流程的标准时序表达式。
2.根据权利要求1所述的方法,其中,所述标准时序表达式包括多个依序排列的标准事件和在标准事件之间的时序算子,所述时序算子用于表示所述时序逻辑关系。
3.根据权利要求1所述的方法,其中,所述时序逻辑关系包括存在关系、条件关系、精确对应关系、顺序关系、同步关系、异步并行关系和择一关系中的一种或多种。
4.根据权利要求1所述的方法,其中,将所述标准方案分解为至少一个事件抽取事件参数的步骤通过自然语言识别来实现。
5.一种用于医疗急救的协同工作与质量控制方法,包括:
从医疗急救知识库获得代表协同工作流程的标准时序表达式,所述标准时序表达式包括至少一个标准事件,所述标准事件是由事件参数集表达的医疗急救业务过程的步骤,所述步骤具有前序步骤作为触发条件以及后续结果用于判别触发下一步骤;所述事件参数包括人、群、组、时间、空间位置、行为、议题和数据中的一种或多种,其中人是参与事件活动的人员;群是由具有固定组织关系的人员所构成的机构或部门;组是由参与系统工作流程的人员组成的临时工作组;时间是针对不同事件分别记录的时间点或时间长度;空间位置指在相应事件发生或处理的地点;行为是构成事件的基本元素,一个事件的处理需要进行至少一个及以上的行为;议题是一次完整的协同工作中的讨论记录;以及数据是用于精确描述与事件有关的各种现象的各种类型数值记录;
在所述协同工作流程的执行过程中,服务器端接收客户端通过实时采集信息而构建的事件信息;
所述服务器端在接收到所述事件信息后,生成实际执行时序表达式,所述实际执行时序表达式包括至少一个已执行事件;
所述服务器端自动对比所述实际执行时序表达式和所述标准时序表达式,当二者出现偏离时,定位表达式中导致该偏离的事件并进行相应的告警。
6.如权利要求5所述的方法,其中,所述标准时序表达式包括多个依序排列的标准事件和在标准事件之间用于表征时序逻辑关系的时序算子。
7.如权利要求5所述的方法,其中,所述实际执行时序表达式包括多个依序排列的已执行事件和在已执行事件之间用于表征时序逻辑关系的时序算子。
8.根据权利要求5所述的方法,其中,构建事件信息包括将实时采集的信息按照预定义格式构建为事件信息。
9.根据权利要求5所述的方法,还包括:使各个客户端和服务器端时间同步。
10.一种用于医疗急救的协同工作与质量控制系统,包括:
数据库系统,记录有代表医疗急救协同工作流程的标准时序表达式,所述标准时序表达式包括至少一个标准事件,所述标准事件是由事件参数集表达的医疗急救业务过程的步骤,所述步骤具有前序步骤作为触发条件以及后续结果用于判别触发下一步骤;所述事件参数包括人、群、组、时间、空间位置、行为、议题和数据中的一种或多种,其中人是参与事件活动的人员;群是由具有固定组织关系的人员所构成的机构或部门;组是由参与系统工作流程的人员组成的临时工作组;时间是针对不同事件分别记录的时间点或时间长度;空间位置指在相应事件发生或处理的地点;行为是构成事件的基本元素,一个事件的处理需要进行至少一个及以上的行为;议题是一次完整的协同工作中的讨论记录;以及数据是用于精确描述与事件有关的各种现象的各种类型数值记录;
业务过程信息采集系统,用于在所述医疗急救协同工作流程的执行过程中,实时采集数据以生成实际执行时序表达式,所述实际执行时序表达式包括至少一个已执行事件;以及
自动对比系统,用于自动对比所述实际执行时序表达式和所述标准时序表达式,当二者出现偏离时,定位表达式中导致该偏离的事件并进行相应的告警。
11.如权利要求10所述的系统,其中,所述标准时序表达式包括多个依序排列的标准事件和在标准事件之间用于表征时序逻辑关系的时序算子。
12.如权利要求10所述的系统,其中,所述实际执行时序表达式包括多个依序排列的已执行事件和在已执行事件之间用于表征时序逻辑关系的时序算子。
13.根据权利要求10所述的系统,其中,所述业务过程信息采集系统包括客户端和服务器端,所述客户端配置为实时采集信息以构建事件信息,并将所述事件信息上传给所述服务器端,所述服务器端配置为在接收到所述事件信息后,生成所述实际执行时序表达式。
14.根据权利要求13所述的系统,其中,所述自动对比系统部署在所述服务器端。
15.根据权利要求13所述的系统,还包括:
时间同步系统,用于使所述客户端和所述服务器端时间同步。
16.一种用于医疗急救的协同医疗工作与质量控制系统,包括:
院内数据采集系统、患者轨迹跟踪系统、以及知识库系统,其以云平台为枢纽,用于支撑所述协同医疗工作与质量控制,其中,
所述院内数据采集系统配置为采集院内患者数据,
所述患者轨迹跟踪系统包括可佩戴的患者标签和相应的患者标签信息采集装置,所述患者标签信息采集装置设置在所述协同医疗工作的各个预定位置处,
所述知识库系统配置为提供指南指导下的知识集,以及配置为对患者数据及就医时间轨迹进行质控分析,自动对比标准质控数据,
其中,所述知识集包括代表协同工作流程的标准时序表达式,所述标准时序表达式包括至少一个标准事件,所述标准事件是由事件参数集表达的医疗急救业务过程的步骤,所述步骤具有前序步骤作为触发条件以及后续结果用于判别触发下一步骤,所述事件参数包括人、群、组、时间、空间位置、行为、议题和数据中的一种或多种,其中人是参与事件活动的人员;群是由具有固定组织关系的人员所构成的机构或部门;组是由参与系统工作流程的人员组成的临时工作组;时间是针对不同事件分别记录的时间点或时间长度;空间位置指在相应事件发生或处理的地点;行为是构成事件的基本元素,一个事件的处理需要进行至少一个及以上的行为;议题是一次完整的协同工作中的讨论记录;以及数据是用于精确描述与事件有关的各种现象的各种类型数值记录;且
其中,对患者数据及就医时间轨迹进行质控分析,自动对比标准质控数据包括:对比所述标准时序表达式和实际执行时序表达式,当二者出现偏离时,定位表达式中导致该偏离的事件,所述实际执行时序表达式是在所述协同工作流程的执行过程中基于实时采集的数据生成的,并且包括至少一个已执行事件。
17.根据权利要求16所述的协同医疗工作与质量控制系统,还包括下列系统中的一个或多个:
时间同步系统,配置为为各个系统授时;
医生交互工作系统,配置为实现医生的交互通信、协同工作,为患者进行协同救治,包括数据进行采集、传输、判断、会诊;
院前数据采集系统,配置为采集患者院前急救数据;
远程音频视频系统,配置为建立医生与医生之间及/或医生与患者之间的沟通渠道,以便于协同救治患者;
定位系统,用于掌控救护车位置;以及
后台运算分析系统,配置为结合数据,推理分析,自动计算并根据专家知识库进行重症预警,自动给出参考诊断结论,并给出参考治疗方案,所述数据包括病情描述、生命体征、检查检验结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910279937.XA CN109886610B (zh) | 2016-02-29 | 2017-02-28 | 一种协同工作与质量控制方法与系统 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2016101127371 | 2016-02-29 | ||
CN201610112737 | 2016-02-29 | ||
CN201910279937.XA CN109886610B (zh) | 2016-02-29 | 2017-02-28 | 一种协同工作与质量控制方法与系统 |
CN201710112449.0A CN106960271A (zh) | 2016-02-29 | 2017-02-28 | 一种协同工作与质量控制方法与系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710112449.0A Division CN106960271A (zh) | 2016-02-29 | 2017-02-28 | 一种协同工作与质量控制方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109886610A CN109886610A (zh) | 2019-06-14 |
CN109886610B true CN109886610B (zh) | 2023-04-07 |
Family
ID=59470091
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010119611.3A Pending CN111144795A (zh) | 2016-02-29 | 2017-02-28 | 一种协同工作与质量控制方法与系统 |
CN201710112449.0A Pending CN106960271A (zh) | 2016-02-29 | 2017-02-28 | 一种协同工作与质量控制方法与系统 |
CN201910279937.XA Active CN109886610B (zh) | 2016-02-29 | 2017-02-28 | 一种协同工作与质量控制方法与系统 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010119611.3A Pending CN111144795A (zh) | 2016-02-29 | 2017-02-28 | 一种协同工作与质量控制方法与系统 |
CN201710112449.0A Pending CN106960271A (zh) | 2016-02-29 | 2017-02-28 | 一种协同工作与质量控制方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN111144795A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110752026A (zh) * | 2019-09-19 | 2020-02-04 | 深圳市第二人民医院 | 脑血管医疗质量控制方法、系统、设备和存储介质 |
CN117524454B (zh) * | 2024-01-05 | 2024-03-12 | 南京横渡医疗技术有限公司 | 一种基于互联网的医疗数据安全监测系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1853180A (zh) * | 2003-02-14 | 2006-10-25 | 尼维纳公司 | 语义知识提取、管理、捕获、共享、发现、交付、表示之系统与方法 |
CN1959724A (zh) * | 2006-11-24 | 2007-05-09 | 清华大学 | 泛在计算环境中工作流上下文信息的获取方法和系统 |
CN101657820A (zh) * | 2007-04-13 | 2010-02-24 | 皇家飞利浦电子股份有限公司 | 用于确定临床事件之间的相关性的方法和系统 |
CN103226503A (zh) * | 2013-03-26 | 2013-07-31 | 清华大学 | 一种模块建模与模型检测一体化自动检测方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7734477B2 (en) * | 2003-12-29 | 2010-06-08 | Montefiore Medical Center | System and method for monitoring patient care |
US7321895B2 (en) * | 2005-01-14 | 2008-01-22 | International Business Machines Corporation | Timeline condition support for an abstract database |
CN1786995A (zh) * | 2005-03-08 | 2006-06-14 | 中国科学院软件研究所 | 基于时序逻辑的业务过程建模方法 |
US7764179B1 (en) * | 2006-01-13 | 2010-07-27 | Strawder Glenn G | Method of an apparatus for monitoring the processing cycle of a job and instructing workers to perform events or steps according to a standard |
CN101034410A (zh) * | 2007-04-16 | 2007-09-12 | 浙江大学 | 一种医疗事件索引模型及基于该模型的电子病历系统 |
CN101436337B (zh) * | 2008-12-23 | 2013-12-11 | 北京中星微电子有限公司 | 一种事件监测方法及装置 |
CN106126388A (zh) * | 2009-10-16 | 2016-11-16 | 阿里巴巴集团控股有限公司 | 监控事件的方法、规则引擎装置和规则引擎系统 |
CN102096658A (zh) * | 2011-02-21 | 2011-06-15 | 北京航空航天大学 | 一种基于树形复杂事件处理过程中算子内部处理系统 |
US20130280686A1 (en) * | 2012-04-19 | 2013-10-24 | Martin Hetland | Medical Procedure Training System |
CN104219193B (zh) * | 2013-05-29 | 2017-08-08 | 中国电信股份有限公司 | 安全事件关联分析方法及系统 |
CN104217117B (zh) * | 2014-09-12 | 2017-08-15 | 廖仲夏 | 一种以用户为核心的智慧医院信息系统 |
CN104915576A (zh) * | 2015-07-09 | 2015-09-16 | 北京慧摩尔科技有限公司 | 数字化心血管风险评估系统 |
CN105162880B (zh) * | 2015-09-24 | 2016-05-04 | 江苏大学附属医院 | 一种acs区域化协同救治网络的辅助决策方法 |
-
2017
- 2017-02-28 CN CN202010119611.3A patent/CN111144795A/zh active Pending
- 2017-02-28 CN CN201710112449.0A patent/CN106960271A/zh active Pending
- 2017-02-28 CN CN201910279937.XA patent/CN109886610B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1853180A (zh) * | 2003-02-14 | 2006-10-25 | 尼维纳公司 | 语义知识提取、管理、捕获、共享、发现、交付、表示之系统与方法 |
CN1959724A (zh) * | 2006-11-24 | 2007-05-09 | 清华大学 | 泛在计算环境中工作流上下文信息的获取方法和系统 |
CN101657820A (zh) * | 2007-04-13 | 2010-02-24 | 皇家飞利浦电子股份有限公司 | 用于确定临床事件之间的相关性的方法和系统 |
CN103226503A (zh) * | 2013-03-26 | 2013-07-31 | 清华大学 | 一种模块建模与模型检测一体化自动检测方法 |
Non-Patent Citations (3)
Title |
---|
Approaches for creating computer-interpretable guidelines that facilitate decision support;Paul A. de Clercq 等;《Artificial Intelligence in Medicine》;20040510;第31卷(第1期);第1-27页 * |
RFID复杂事件处理技术;谷峪等;《计算机科学与探索》;20071015(第03期);第255-267页 * |
基于医学语言处理的面向任务的信息提取框架构建及应用;葛彩霞;《中国优秀硕士学位论文全文数据库 信息科技辑》;20151215(第12期);第I138-921页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111144795A (zh) | 2020-05-12 |
CN106960271A (zh) | 2017-07-18 |
CN109886610A (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Umansky et al. | Workload in nursing | |
Sidek et al. | Perceived critical success factors of electronic health record system implementation in a dental clinic context: An organisational management perspective | |
Waller et al. | Systematic behavioral observation for emergent team phenomena: Key considerations for quantitative video-based approaches | |
Topaz et al. | Big data and nursing: implications for the future | |
CN108986897B (zh) | 一种急危重症施救的医疗资源优化匹配方法和系统 | |
Yang et al. | Examining the pre-adoption stages of healthcare IT: A case study of vital signs monitoring systems | |
EP4345840A1 (en) | Emergency treatment system, emergency treatment method, and electronic device | |
CN111899837A (zh) | 一种基于数字化手术室的手术报告协同方法及系统 | |
Shukla et al. | Improved workflow modelling using role activity diagram-based modelling with application to a radiology service case study | |
CN109886610B (zh) | 一种协同工作与质量控制方法与系统 | |
Henderson | Patient assessment in emergency medical services: complexity and uncertainty in street-level patient processing | |
Prilla et al. | The push and pull of reflection in workplace learning: Designing to support transitions between individual, collaborative and organisational learning | |
Magnusdottir et al. | Assessing cognitive workload using cardiovascular measures and voice | |
Abdelghany et al. | A discrete-event and agent-based hybrid simulation approach for healthcare systems modeling and analysis | |
Araghi et al. | A conceptual framework to support discovering of patients' pathways as operational process charts | |
Harenčárová | Structured analysis of critical decision method data–emergency medicine case study | |
Benning et al. | The registration continuum in personality disorder studies: Theory, rationale, and template. | |
Antosz et al. | Use of lean management philosophy in health sector: A VSM based case study | |
CN116664094A (zh) | 一种智能健康检测考勤系统 | |
Rosati et al. | Modelling and analysis of four telemedicine Italian experiences | |
Haberson et al. | Standardizing Austrians claims data using the OMOP common data model: a feasibility study | |
Villamil et al. | A mobile ECG system for the evaluation of cardiovascular risk | |
Pellegrin et al. | Event Oriented représentation for collaborative activities (EORCA) | |
Langhof | Off the record: understanding the (latent) functions of documents in organizations | |
Hakim | Improving healthcare systems through process mining |
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 |