CN110246559B - 一种麻精类药品流向异常预警方法及装置 - Google Patents
一种麻精类药品流向异常预警方法及装置 Download PDFInfo
- Publication number
- CN110246559B CN110246559B CN201910527377.5A CN201910527377A CN110246559B CN 110246559 B CN110246559 B CN 110246559B CN 201910527377 A CN201910527377 A CN 201910527377A CN 110246559 B CN110246559 B CN 110246559B
- Authority
- CN
- China
- Prior art keywords
- medication
- behavior index
- index model
- medicine
- distribution
- 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
- 239000003814 drug Substances 0.000 title claims abstract description 219
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 34
- BALXUFOVQVENIU-GNAZCLTHSA-N Ephedrine hydrochloride Chemical compound Cl.CN[C@@H](C)[C@H](O)C1=CC=CC=C1 BALXUFOVQVENIU-GNAZCLTHSA-N 0.000 title claims abstract description 13
- 229960002534 ephedrine hydrochloride Drugs 0.000 title claims abstract description 13
- 229940079593 drug Drugs 0.000 claims abstract description 145
- 238000001647 drug administration Methods 0.000 claims abstract description 17
- 230000006399 behavior Effects 0.000 claims description 82
- 238000012360 testing method Methods 0.000 claims description 22
- 238000007689 inspection Methods 0.000 claims description 17
- 238000011158 quantitative evaluation Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 241000207961 Sesamum Species 0.000 claims description 5
- 235000003434 Sesamum indicum Nutrition 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- YQSHYGCCYVPRDI-UHFFFAOYSA-N (4-propan-2-ylphenyl)methanamine Chemical compound CC(C)C1=CC=C(CN)C=C1 YQSHYGCCYVPRDI-UHFFFAOYSA-N 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000000052 comparative effect Effects 0.000 claims description 3
- 229960003782 dextromethorphan hydrobromide Drugs 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000003193 general anesthetic agent Substances 0.000 claims 3
- 230000009977 dual effect Effects 0.000 claims 1
- VZCYOOQTPOCHFL-UPHRSURJSA-N maleic acid Chemical compound OC(=O)\C=C/C(O)=O VZCYOOQTPOCHFL-UPHRSURJSA-N 0.000 abstract 1
- VZCYOOQTPOCHFL-UHFFFAOYSA-N trans-butenedioic acid Natural products OC(=O)C=CC(O)=O VZCYOOQTPOCHFL-UHFFFAOYSA-N 0.000 abstract 1
- KWGRBVOPPLSCSI-WPRPVWTQSA-N (-)-ephedrine Chemical compound CN[C@@H](C)[C@H](O)C1=CC=CC=C1 KWGRBVOPPLSCSI-WPRPVWTQSA-N 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 4
- KWGRBVOPPLSCSI-UHFFFAOYSA-N d-ephedrine Natural products CNC(C)C(O)C1=CC=CC=C1 KWGRBVOPPLSCSI-UHFFFAOYSA-N 0.000 description 4
- 229960002179 ephedrine Drugs 0.000 description 4
- 206010002091 Anaesthesia Diseases 0.000 description 3
- 230000037005 anaesthesia Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004081 narcotic agent Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 1
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000009120 camo Nutrition 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 235000005607 chanvre indien Nutrition 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011487 hemp Substances 0.000 description 1
- 230000007721 medicinal effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Chemical & Material Sciences (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (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
本发明公开了一种麻精类药品流向异常预警方法及装置，以用药比例计算用药频度分布并建立用药行为指数模型，用药行为指数模型通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目从而获得检验值，并通过判断用药行为指数模型的检验结果进行预警，对麻、精一药品的使用实行实时监管，有效规范该类药品的流通管理，能够快速的对库存中的麻精类药品流向异常进行预警，对违规用药、用药量异常、用药次数异常的医护人员进行快速的智能判断发出警报并推送通知，极大的提高了用药的信息安全、方便了用药管理。
Description
技术领域
本发明属于医疗大数据技术领域，涉及一种麻精类药品流向异常预警方法及装置。
背景技术
在HIS系统(医院管理和医疗活动中进行信息管理和联机操作的计算机应用系统)中，住院医生站系统中统一处理医生站每日需要执行的麻醉和第一类精神药品医嘱，自动打印出处方纸、并记录这些药品信息：具体有病人的资料、药品名称、药品剂量及药品使用时间。中心药房系统，通过扫描处方上的二维码，实现自动显示发药信息到中心药房系统上，药师通过核对纸质处方及电子处方发药，在其中的各个环节中，可能会出现违规用药、用药量异常和用药次数异常、无资质人员试图多次开药等异常情况，现有的系统中，无法对这类的异常情况进行预警和事件记录，可能会产生恶意用药或者非法套取、流出麻精类药品的情况。
发明内容
为解决上述问题，本公开提供一种麻精类药品流向异常预警方法及装置，以用药比例计算用药频度分布并建立用药行为指数模型，用药行为指数模型通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目从而获得检验值，并通过判断用药行为指数模型的检验结果进行预警。
为了实现上述目的，根据本公开的一方面，提供一种麻精类药品流向异常预警方法，所述方法包括以下步骤：
步骤1，计算各药品在药方中出现次数的用药比例；
步骤2，以用药比例计算用药频度分布并建立用药行为指数模型；
步骤3，对用药行为指数模型的拟合优度进行定量评估检验；
步骤4，用药行为指数模型通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目从而获得检验值；
步骤5，通过判断用药行为指数模型的检验结果进行预警。
进一步地，在步骤1中，计算各药品在药方中出现次数的用药比例的方法为：计算最近N天各药品在药方中出现次数降序排列，N为天数，取值范围为1到30天，将第i的药品在药方中出现次数的元素进行排序，其出现次数满足用药比例：
其中|S|为所有药品的元素出现次数之和，参数c的表达为
将满足fi的数据按降序排列，其位序与对应的次数在双对数坐标下的关系为直线，为分析药品用药频度分布是否服从fi的分布，对所有药品按用药频度大小降序排列，并在双对数坐标下考察药品位序与药品用药频度之间的关系，当用药频度由药品出现次数刻画时，药品位序与用药频度在双对数坐标下的关系服从一条直线。
进一步地，在步骤2中，以用药比例计算用药频度分布并建立用药行为指数模型的方法为：计算用药行为指数分布的概率密度函数为：
计算累积分布函数为：
其中x0为常量，对于按用药频度大小降序排列的N种药品，令pn表示第n种药品的用药频度，1≤n≤N，则
其中n表示用药频度大于或等于pn的药品数，用药行为指数模型的方程
其分布的形状由c决定，c称为用药行为参数(或形状参数)，在0到1之间取值；在建模过程中采用非线性最小二乘法对用药行为指数模型的参数进行辨识，获得参数后再通过判定系数用药行为指数模型的拟合优度。
进一步地，在步骤3中，对用药行为指数模型的拟合优度进行定量评估检验的方法为：为了用药行为指数模型与Zipf-like分布的拟合优度进行定量评估，通过假设检验来验证文中所作的统计假设。本公开采用Neyman-Pearson拟合优度χ2检验。为进行χ2检验，需对数据进行分组，为获得比较的公平性，我们在检验用药行为指数模型与Zipf-like分布时，均采用一致的分组方法。为获得有效的χ2检验效果，落在每个分组内的样本个数至少为5，而同时尽可能的对所有样本值进行均匀的分组。因此，分组的个数与具体的划分方法是χ2检验的关键问题。由于具体的划分方法与数据的实际分布情况有关，因此，在现有的研究中，并无最优的分组方法，采用United States标准技术研究院(NIST)所开发的数据分析软件DATAPLOT中χ2检验采用的分组方法：各分组的宽度为样本标准差的n倍，分组的上界为样本均值加上样本标准差的m倍，分组下界则为样本均值减去样本标准差的m倍，其中n＝0.3，m＝6。在我们的分析过程中，根据数据的实际情况调整n与m的取值，并且，将分组的上界与下界限定在样本范围内。
进一步地，在步骤4中，用药行为指数模型通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目从而获得检验值的方法为：
在检验过程中，采用3个参数的用药行为指数模型与2个参数的Zipf-like模型产生期望分布。用药行为指数模型与Zipf-like模型、或其他模型的参数通过在双对数坐标下对数据进行线性回归获得。在获得期望分布的参数后，通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目，从而获得检验值
其中，Oi为第i个分组中的实际样本数目，Ei为第i个分组中期望的样本数目。当χ2>χ2 (α,k-c)时，假设的分布将被拒绝，其中k为分组的数目，c为分布参数数目加1，其中，a＝x0 c，a为SE坐标下模型分布的直线斜率的负数，能够快速的对库存中的麻精类药品流向获得其检验值。
进一步地，在步骤5中，通过判断用药行为指数模型的检验结果进行预警方法为：在Zipf-like模型和幂律模型被χ2检验拒绝时，而用药行为指数模型的分布被χ2接受，当用药行为指数模型的分布不被χ2接受，通过短信、即时通讯工具、电子邮件中任意一种通信方式向维护人员或管理人员发送文本格式的预设提示的异常消息，能够实时的推送信息给医疗系统维护人员，对违规用药、用药量异常、用药次数异常的医护人员进行快速的智能判断发出警报并推送通知。
本发明还提供了一种麻精类药品流向异常预警装置，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的单元中：
用药比例计算单元，用于计算各药品在药方中出现次数的用药比例；
用药行为建模单元，用于以用药比例计算用药频度分布并建立用药行为指数模型；
定量评估检验单元，用于对用药行为指数模型的拟合优度进行定量评估检验；
用药行为检验单元，用于用药行为指数模型通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目从而获得检验值；
用药异常预警单元，用于通过判断用药行为指数模型的检验结果进行预警。
本公开的有益效果为：本发明提供一种麻精类药品流向异常预警方法及装置，对麻、精一药品的使用实行实时监管，有效规范该类药品的流通管理，能够快速的对库存中的麻精类药品流向异常进行预警，对违规用药、用药量异常、用药次数异常的医护人员进行快速的智能判断发出警报并推送通知，极大的提高了用药的信息安全、方便了用药管理。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
图1所示为一种麻精类药品流向异常预警方法的流程图；
图2所示为一种麻精类药品流向异常预警装置图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本公开的一种麻精类药品流向异常预警方法的流程图，下面结合图1来阐述根据本公开的实施方式的一种麻精类药品流向异常预警方法。
本公开提出一种麻精类药品流向异常预警方法，具体包括以下步骤：
步骤1，计算各药品在药方中出现次数的用药比例；
步骤2，以用药比例计算用药频度分布并建立用药行为指数模型；
步骤3，对用药行为指数模型的拟合优度进行定量评估检验；
步骤4，用药行为指数模型通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目从而获得检验值；
步骤5，通过判断用药行为指数模型的检验结果进行预警。
进一步地，在步骤1中，计算各药品在药方中出现次数的用药比例的方法为：计算最近N天各药品在药方中出现次数降序排列，N为天数，取值范围为1到30天，将第i的药品在药方中出现次数的元素进行排序，其出现次数满足用药比例：
其中|S|为所有药品的元素出现次数之和，参数c的表达为
将满足fi的数据按降序排列，其位序与对应的次数在双对数坐标下的关系为直线，为分析药品用药频度分布是否服从fi的分布，对所有药品按用药频度大小降序排列，并在双对数坐标下考察药品位序与药品用药频度之间的关系，当用药频度由药品出现次数刻画时，药品位序与用药频度在双对数坐标下的关系服从一条直线。
进一步地，在步骤2中，以用药比例计算用药频度分布并建立用药行为指数模型的方法为：
计算用药行为指数分布的概率密度函数为：
计算累积分布函数为：
其中x0为常量，对于按用药频度大小降序排列的N种药品，令pn表示第n种药品的用药频度，1≤n≤N，则
其中n表示用药频度大于或等于pn的药品数，用药行为指数模型的方程
其分布的形状由c决定，c称为用药行为参数(或形状参数)，在0到1之间取值；在建模过程中采用非线性最小二乘法对用药行为指数模型的参数进行辨识，获得参数后再通过判定系数用药行为指数模型的拟合优度。
进一步地，在步骤3中，对用药行为指数模型的拟合优度进行定量评估检验的方法为：为了用药行为指数模型与Zipf-like分布的拟合优度进行定量评估，通过假设检验来验证文中所作的统计假设。本公开采用Neyman-Pearson拟合优度χ2检验。为进行χ2检验，需对数据进行分组，为获得比较的公平性，我们在检验用药行为指数模型与Zipf-like分布时，均采用一致的分组方法。为获得有效的χ2检验效果，落在每个分组内的样本个数至少为5，而同时尽可能的对所有样本值进行均匀的分组。因此，分组的个数与具体的划分方法是χ2检验的关键问题。由于具体的划分方法与数据的实际分布情况有关，因此，在现有的研究中，并无最优的分组方法，采用United States标准技术研究院(NIST)所开发的数据分析软件DATAPLOT中χ2检验采用的分组方法：各分组的宽度为样本标准差的n倍，分组的上界为样本均值加上样本标准差的m倍，分组下界则为样本均值减去样本标准差的m倍，其中n＝0.3，m＝6。在我们的分析过程中，根据数据的实际情况调整n与m的取值，并且，将分组的上界与下界限定在样本范围内。
进一步地，在步骤4中，用药行为指数模型通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目从而获得检验值的方法为：
在检验过程中，采用3个参数的用药行为指数模型与2个参数的Zipf-like模型产生期望分布。用药行为指数模型与Zipf-like模型、或其他模型的参数通过在双对数坐标下对数据进行线性回归获得。在获得期望分布的参数后，通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目，从而获得检验值
其中，Oi为第i个分组中的实际样本数目，Ei为第i个分组中期望的样本数目。当χ2>χ2 (α,k-c)时，假设的分布将被拒绝，其中k为分组的数目，c为分布参数数目加1，其中，a＝x0 c，a为SE坐标下模型分布的直线斜率的负数。
进一步地，在步骤5中，通过判断用药行为指数模型的检验结果进行预警方法为：在Zipf-like模型和幂律模型被χ2检验拒绝时，而用药行为指数模型的分布被χ2接受，当用药行为指数模型的分布不被χ2接受，通过短信、即时通讯工具、电子邮件中任意一种通信方式向维护人员发送文本格式的预设提示的异常消息。
本公开的一种实施例，表1、表2和表3分别给出了Zipf-like模型、幂律模型、用药行为指数模型的χ2检验结果，可以看到，在用药正常的条件下，Zipf-like模型和幂律模型被χ2检验拒绝，而用药行为指数分布被χ2接受。对于累积月份内的检验，如表1所述
表1用药频度建模的χ2检验
表2用药请求数建模的χ2检验
表3用药时间分布建模的χ2检验
本公开的实施例提供的一种麻精类药品流向异常预警装置，如图2所示为本公开的一种麻精类药品流向异常预警装置图，该实施例的一种麻精类药品流向异常预警装置包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种麻精类药品流向异常预警装置实施例中的步骤。
所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的单元中：
用药比例计算单元，用于计算各药品在药方中出现次数的用药比例；
用药行为建模单元，用于以用药比例计算用药频度分布并建立用药行为指数模型；
定量评估检验单元，用于对用药行为指数模型的拟合优度进行定量评估检验；
用药行为检验单元，用于用药行为指数模型通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目从而获得检验值；
用药异常预警单元，用于通过判断用药行为指数模型的检验结果进行预警。
所述一种麻精类药品流向异常预警装置可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种麻精类药品流向异常预警装置，可运行的装置可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种麻精类药品流向异常预警装置的示例，并不构成对一种麻精类药品流向异常预警装置的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种麻精类药品流向异常预警装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种麻精类药品流向异常预警装置运行装置的控制中心，利用各种接口和线路连接整个一种麻精类药品流向异常预警装置可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种麻精类药品流向异常预警装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (6)
1.一种麻精类药品流向异常预警方法，其特征在于，所述方法包括以下步骤：
步骤1，计算各药品在药方中出现次数的用药比例；
步骤2，以用药比例计算用药频度分布并建立用药行为指数模型；
步骤3，对用药行为指数模型的拟合优度进行定量评估检验；
步骤4，用药行为指数模型通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目从而获得检验值；
步骤5，通过判断用药行为指数模型的检验结果进行预警；
以用药比例计算用药频度分布并建立用药行为指数模型的方法为：
计算用药行为指数分布的概率密度函数为：
计算累积分布函数为：
其中x0为常量，对于按用药频度大小降序排列的N种药品，令pn表示第n种药品的用药频度，1≤n≤N，则
其中n表示用药频度大于或等于pn的药品数，用药行为指数模型的方程
其分布的形状由c决定，c称为用药行为参数，在0到1之间取值；在建模过程中采用非线性最小二乘法对用药行为指数模型的参数进行辨识，获得参数后再通过判定系数用药行为指数模型的拟合优度。
2.根据权利要求1所述的一种麻精类药品流向异常预警方法，其特征在于，在步骤1中，计算各药品在药方中出现次数的用药比例的方法为：计算最近N天各药品在药方中出现次数降序排列，N为天数，取值范围为1到30天，将第i的药品在药方中出现次数的元素进行排序，其出现次数满足用药比例：
其中|S|为所有药品的元素出现次数之和，参数c的表达为
将满足fi的数据按降序排列，其位序与对应的次数在双对数坐标下的关系为直线，为分析药品用药频度分布是否服从fi的分布，对所有药品按用药频度大小降序排列，并在双对数坐标下考察药品位序与药品用药频度之间的关系，当用药频度由药品出现次数刻画时，药品位序与用药频度在双对数坐标下的关系服从一条直线。
3.根据权利要求2所述的一种麻精类药品流向异常预警方法，其特征在于，在步骤3中，对用药行为指数模型的拟合优度进行定量评估检验的方法为：采用Neyman-Pearson拟合优度χ2检验，为进行χ2检验，需对数据进行分组，为获得比较的公平性，在检验用药行为指数模型与Zipf-like分布时，均采用一致的分组方法，为获得有效的χ2检验效果，落在每个分组内的样本个数至少为5，而同时对所有样本值进行均匀的分组，采用数据分析软件DATAPLOT中χ2检验采用的分组方法：各分组的宽度为样本标准差的n倍，分组的上界为样本均值加上样本标准差的m倍，分组下界则为样本均值减去样本标准差的m倍，其中n＝0.3，m＝6，在分析过程中，根据数据的实际情况调整n与m的取值，并且将分组的上界与下界限定在样本范围内。
4.根据权利要求3所述的一种麻精类药品流向异常预警方法，其特征在于，在步骤4中，用药行为指数模型通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目从而获得检验值的方法为：
在检验过程中，采用3个参数的用药行为指数模型与2个参数的Zipf-like模型产生期望分布，用药行为指数模型与Zipf-like模型的参数通过在双对数坐标下对数据进行线性回归获得，在获得期望分布的参数后，通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目，从而获得检验值χ2：
其中，Oi为第i个分组中的实际样本数目，Ei为第i个分组中期望的样本数目,当χ2>χ2 (a,k-c)时，假设的分布将被拒绝，其中k为分组的数目，c为分布参数的数目加1，其中，a＝x0 c，a为SE坐标下模型分布的直线斜率的负数。
5.根据权利要求4所述的一种麻精类药品流向异常预警方法，其特征在于，在步骤6中，在步骤5中，通过判断用药行为指数模型的检验结果进行预警方法为：在Zipf-like模型和幂律模型被χ2检验拒绝时，而用药行为指数模型的分布被χ2接受，当用药行为指数模型的分布不被χ2接受，通过短信、即时通讯工具、电子邮件中任意一种通信方式向维护人员发送文本格式的预设提示的异常消息。
6.一种麻精类药品流向异常预警装置，其特征在于，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的单元中：
用药比例计算单元，用于计算各药品在药方中出现次数的用药比例；
用药行为建模单元，用于以用药比例计算用药频度分布并建立用药行为指数模型；
定量评估检验单元，用于对用药行为指数模型的拟合优度进行定量评估检验；
用药行为检验单元，用于用药行为指数模型通过比较各分组内实际的数据点的数目与期望分布在各分组内产生的数据点的数目从而获得检验值；
用药异常预警单元，用于通过判断用药行为指数模型的检验结果进行预警；
以用药比例计算用药频度分布并建立用药行为指数模型的方法为：
计算用药行为指数分布的概率密度函数为：
计算累积分布函数为：
其中x0为常量，对于按用药频度大小降序排列的N种药品，令pn表示第n种药品的用药频度，1≤n≤N，则
其中n表示用药频度大于或等于pn的药品数，用药行为指数模型的方程
其分布的形状由c决定，c称为用药行为参数，在0到1之间取值；在建模过程中采用非线性最小二乘法对用药行为指数模型的参数进行辨识，获得参数后再通过判定系数用药行为指数模型的拟合优度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910527377.5A CN110246559B (zh) | 2019-06-18 | 2019-06-18 | 一种麻精类药品流向异常预警方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910527377.5A CN110246559B (zh) | 2019-06-18 | 2019-06-18 | 一种麻精类药品流向异常预警方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110246559A CN110246559A (zh) | 2019-09-17 |
| CN110246559B true CN110246559B (zh) | 2023-04-07 |
Family
ID=67887886
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910527377.5A Active CN110246559B (zh) | 2019-06-18 | 2019-06-18 | 一种麻精类药品流向异常预警方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110246559B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111680952A (zh) * | 2020-06-05 | 2020-09-18 | 深圳市华云中盛科技股份有限公司 | 物品流向判断方法、装置、计算机设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06312010A (ja) * | 1993-04-30 | 1994-11-08 | Matsushita Electric Ind Co Ltd | 調剤システム制御装置 |
| JP2017130226A (ja) * | 2017-03-24 | 2017-07-27 | 株式会社湯山製作所 | 調剤管理システム、調剤管理プログラム |
| 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 |
| CN109346144A (zh) * | 2018-09-25 | 2019-02-15 | 福建中医药大学 | 一种用药风险评估方法及存储介质 |
-
2019
- 2019-06-18 CN CN201910527377.5A patent/CN110246559B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06312010A (ja) * | 1993-04-30 | 1994-11-08 | Matsushita Electric Ind Co Ltd | 調剤システム制御装置 |
| JP2017130226A (ja) * | 2017-03-24 | 2017-07-27 | 株式会社湯山製作所 | 調剤管理システム、調剤管理プログラム |
| 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 |
| CN109346144A (zh) * | 2018-09-25 | 2019-02-15 | 福建中医药大学 | 一种用药风险评估方法及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 江西省医用麻醉、精神药物滥用风险及监测模式研究;肖惠;《中国优秀博硕士学位论文全文数据库（硕士）医药卫生科技》;20190501;说明书第13-84页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110246559A (zh) | 2019-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111339126B (zh) | 医疗数据筛选方法、装置、计算机设备和存储介质 | |
| WO2021068601A1 (zh) | 病历检测方法、装置、设备及存储介质 | |
| CN108876636B (zh) | 理赔智能风控方法、系统、计算机设备及存储介质 | |
| CN109545317B (zh) | 基于住院预测模型判定住院行为的方法及相关产品 | |
| US20200051679A1 (en) | Methods and systems for a pharmacological tracking and reporting platform | |
| CN107731270A (zh) | 一种自动审核药方准确性的方法及装置 | |
| US20140257846A1 (en) | Identifying potential audit targets in fraud and abuse investigations | |
| Ekina et al. | Application of bayesian methods in detection of healthcare fraud | |
| US10540421B2 (en) | Method for central statistical monitoring of data collected over a plurality of distributed data collection centers | |
| CN110148440A (zh) | 一种医疗信息查询方法 | |
| CN110729054B (zh) | 异常就诊行为检测方法、装置、计算机设备及存储介质 | |
| CN113657548A (zh) | 医保异常检测方法、装置、计算机设备及存储介质 | |
| 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 | |
| CN110136837A (zh) | 一种医疗数据处理平台 | |
| CN115050442B (zh) | 基于挖掘聚类算法的病种数据上报方法、装置及存储介质 | |
| CN109255721A (zh) | 基于费用预测的保险推荐方法、设备、服务器及可读介质 | |
| CN111696663A (zh) | 疾病风险的分析方法、装置、电子设备及计算机存储介质 | |
| US7742933B1 (en) | Method and system for maintaining HIPAA patient privacy requirements during auditing of electronic patient medical records | |
| CN111312357B (zh) | 一种药品分析方法及系统 | |
| CN110246559B (zh) | 一种麻精类药品流向异常预警方法及装置 | |
| CN109636648A (zh) | 社保违规检测方法、装置、设备及计算机存储介质 | |
| CN111933246A (zh) | 医疗处方分析方法、系统、电子设备及存储介质 | |
| CN116487066A (zh) | 一种临床试验数据监控方法、系统和电子设备 | |
| CN113517050B (zh) | 确定药方单的方法、装置、电子设备及存储介质 | |
| CN113821641B (zh) | 基于权重分配的药品分类的方法、装置、设备及存储介质 |
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 |