CN110957049A - 基于医疗大数据的卒中救治网络系统及其应用方法 - Google Patents
基于医疗大数据的卒中救治网络系统及其应用方法 Download PDFInfo
- Publication number
- CN110957049A CN110957049A CN201911149024.2A CN201911149024A CN110957049A CN 110957049 A CN110957049 A CN 110957049A CN 201911149024 A CN201911149024 A CN 201911149024A CN 110957049 A CN110957049 A CN 110957049A
- Authority
- CN
- China
- Prior art keywords
- stroke
- data
- screening
- medical
- patient
- 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
Images
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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供的卒中救治网络系统,包括脑卒中筛查系统、卒中大数据中心及智能管理中心,脑卒中筛查系统用于筛查出脑卒中患者并获取相应临床数据;卒中大数据中心用于接收脑卒中患者的临床数据并构建相应的临床生物样本库,以及存储预先制定的干预技术包库和诊疗方案包库;智能管理中心用于预先根据临床生物样本库构建脑卒中风险预测模型对临床数据进行风险评估,并根据评估结果向脑卒中患者所在医疗机构推送预存的干预技术包或诊疗方案包。该系统通过不仅构建相应的临床生物样本库还对脑卒中患者进行风险评估并根据评估结果推送相应的干预技术包和诊疗方案包,从而智能分析病人状况,为医生提供治疗决策建议。本发明还提供了该系统的应用方法。
Description
技术领域
本发明涉及医联网技术领域,具有涉及一种基于医疗大数据的卒中救治网络系统及其应用方法。
背景技术
脑卒中是一组以脑组织缺血及出血性损伤症状为主要临床表现的急性脑血管病,具有发病率高、致残率高、死亡率高和复发率高等“四高”特点。2008年公布的我国居民第三次死因抽样调查结果显示,脑血管病已成为我国国民第一位的死亡原因。世界卫生组织的MONICA研究表明,我国脑卒中发生率正以每年8.7%的速率上升,发病者约30%死亡,70%的生存者多有偏瘫失语等残障。脑卒中严重危害着患者的生命健康,影响其生活质量,给患者及其家庭和社会带来沉重的负担,防控形势十分严峻。
对于脑卒中的筛查阶段,2009年,卫生部启动了脑卒中筛查与防控工程。筛查的4项主要危险因素:高血压、高脂血症、糖尿病及年龄超过50岁。12项一般危险因素:房颤、心脏病;呼吸睡眠暂停;脑卒中家族史;吸烟;大量饮酒;缺乏运动;膳食中油脂过多;肥胖;男性;牙龈经常出血、牙松动、脱落;缺血性眼病和突发性耳聋。但多年来数据无法共享。卫生行政部门与疾控中心没有筛查干预的人群数据库,不能对脑卒中项目进行有效的质控。同时,筛查中的技术水平参差不齐。如超声筛查的阳性率相差甚远,从20%到百分之零点几。说明各个医院的血管超声技术水平相关较大。
对于脑卒中的急救阶段,脑卒中急救流程的目标时间:(1)患者到达急诊-接触首诊医生目标值在10分钟以内;(2)患者到达急诊-开始CT扫描目标值25分钟以内;(3)患者到达急诊-溶栓治疗目标值在60分钟以内。我国目前通过急诊流程,脑卒中的急诊救治水平得到了明显提高。但与发达国家相比,仍显不足:其一是院前急救和院前院内急救衔接方面远远不够;其二是整体救治水平较差,即强调单项技术及硬件的发展而忽视卒中急救多学科医疗资源的整合。
对于脑卒中的监管阶段,脑卒中后70-80%的存活者遗留瘫痪、失语、认知等功能障碍。由于多种因素影响,患者不能在医院进行长期治疗。长期的住院治疗也不利于患者回归家庭和社会,影响全面康复的效果。脑卒中患者后期仍需大量维持性甚至终身性康复治疗,否则可能使已取得的疗效减退或功能障碍加重,导致卒中复发、病死率增加。但目前我国脑卒中的社区、家庭监管尚缺乏一套完整连续的管理系统,双向转诊尚处于尝试和探索阶段存在监督管理不到位等问题。
对于脑卒中的决策阶段,各大医院使用各自的医疗系统,同样的病人数据采用不同的记录规则,导致了脑卒中病人信息无法集成,各个医院因为使用的电子病历系统的差异,各个医院的脑卒中病人数据无法被收集统一使用,大量的病人数据只是成了摆设,出现了“数据丰富,无法统一”的现象。因此如何充分利用这些宝贵的信息资源来为疾病的诊断和治疗提供科学的指导、为医院领导决策提供科学依据,已经成为迫切需要解决的问题。
上述原因导致脑卒中这种目前在国际上防有措施、治有办法的疾病,在我国却造成了大量不应发生的致残和死亡。随着物联网技术的发展和医联体的构建,通过物联网搭建医疗卫生合作平台,通过检查高危老人高血压、高血脂、糖尿病等基础疾病,以实现主动筛查脑卒中病人,并在神经内科医疗专家的指导下,构建精准医疗及健康管理的新模式。虽然可通过物联网搭建医疗卫生合作平台,构建精准医疗及健康管理的新模式,然而,通常底层医疗机构中的医生对于最新标准、专家共识等解读不够明确,即便熟悉理论知识,但由于缺乏相关临床或实践经验,因此,通常无法根据患者的状况提出行之有效的干预方案或诊疗方案,并且,由于相关的临床或实践经验的缺乏,使得基层医疗机构的医生在诊断过程中,可能由于疏忽或者遗漏,从而使得无法得到准确的诊断结果,自然也就无法给予相应的干预方案或诊疗方案,即现有的医疗卫生合作平台尚待完善。基于此,本发明提出一种基于医疗大数据的卒中救治网络系统。
发明内容
针对上述存在的技术问题,本发明提供一种基于医疗大数据的卒中救治网络系统。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于医疗大数据的卒中救治网络系统,包括脑卒中筛查系统并获取卒中患者相应的临床数据,以及
卒中大数据中心,通过物联网与所述脑卒中筛查系统相连,用于接收所述脑卒中筛查系统通过物联网发送来脑卒中患者的临床数据,并构建相应的临床生物样本库,以及存储由专家预先制定的干预技术包库和诊疗方案包库,且所述干预技术包库/诊疗方案包库中的每种干预技术包/每种诊疗方案包都对应于不同症状的脑卒中患者;
智能管理中心,通过物联网与所述脑卒中筛查系统和所述卒中大数据中心相连,用于预先根据所述卒中大数据中心所存储的临床生物样本库构建脑卒中风险预测模型,并利用所述脑卒中风险预测模型对所述脑卒中筛查系统发送来的各个脑卒中患者的临床数据进行风险评估,以及根据脑卒中风险评估结果向所述脑卒中患者所在医疗机构推送预存的干预技术包,或诊疗方案包。
进一步地,所述脑卒中筛查系统包括筛查设备、触控终端、前置机、医院信息系统、中心服务器和脑卒中质量控制中心,所述筛查设备用于收集被筛查患者的筛查数据并将筛查数据发送到所述前置机,所述前置机将筛查数据同步到医疗机构的医院信息系统,所述医院信息系统将筛查数据同步到所述中心服务器,所述触控终端将检查信息发送到所述脑卒中质量控制中心对筛查结果进行数据的分析和汇总。
进一步地,所述卒中救治网络系统还包括:数据研究管理系统,与所述卒中大数据中心通过物联网相连,用于根据所述临床生物样本数据库研究卒中人群/卒中高危人群/卒中亚健康人群统计。
更进一步地,所述智能管理中心还用于根据所述卒中大数据中心所存储的临床生物样本库构建高危人群的健康评估模型,并利用所构建的健康评估模型对高危人群进行健康评估。
更进一步地,所述卒中救治网络系统包括脑卒中质控中心,其包括:
质控标准数据库,用于预存医联体中各个医疗机构的脑卒中救治质控标准;
控制中心,通过物联网与医联体中各个医疗机构的信息系统相连,用于从所述信息系统获取各个医疗机构的脑卒中院内/院外救治过程中的质控数据,并结合各个医疗机构对应的质控标准进行质控分析,并构建个案数据库。
更进一步地,所述卒中救治网络系统还包括:
双向转诊系统,用于当医联体中下级医疗机构向上级医疗机构发起绿色快速通道转诊请求,或上级医疗机构向下级医疗机构发起康复转诊请求时,辅助实现上下级医疗机构之间的双向转诊。
基于医疗大数据的卒中救治网络系统的应用方法,其特征在于,包括:
筛查步骤,筛查出脑卒中患者并获取卒中患者相应的临床数据;
卒中大数据构建步骤,接收脑卒中患者的临床数据并构建相应的临床生物样本库,以及存储由专家预先制定的干预技术包库和诊疗方案包库;
智能管理步骤,预先根据所存储的临床生物样本库构建脑卒中风险预测模型来对所述脑卒中患者的临床数据进行风险评估,并根据评估结果向所述脑卒中患者所在医疗机构推送预存的干预技术包或诊疗方案包。
进一步地,所述应用方法还包括以下步骤:
根据所述临床生物样本数据库统计卒中人群/卒中高危人群/卒中亚健康人群。
进一步地,所述应用方法还包括以下步骤:
实现医联体中上下级医疗机构之间的双向转诊。
本发明的有益之处在于:
本发明通过搭建医疗卫生合作平台,主动筛查脑卒中病人,并通过物联网获取脑卒中患者的临床数据,并构建相应的临床生物样本库,然后借助人工智能构建风险评估模型对脑卒中患者进行风险评估,并根据评估结果推送相应的干预技术包和诊疗方案包,从而快速智能决策分析病人状况,为医生提供第一时间的治疗决策建议。
附图说明
图1为本发明的一种基于医疗大数据的卒中救治网络系统的第一实施例的模块示意图;
图2为图1中的卒中救治网络系统中卒中筛查系统的模块示意图
图3为本发明的一种基于医疗大数据的卒中救治网络系统的第二实施例的模块示意图;
图4本发明的一种基于医疗大数据的卒中救治网络系统的第五实施例的模块示意图;
图5为本发明的一种医疗大数据的卒中救治网络系统的应用方法的流程示意图。
具体实施方式
下面结合附图,对本发明作详细的说明。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
实施例一
参见图1,为本发明的一种基于医疗大数据的卒中救治网络系统100的一实施例的结构示意图,具体地,本实施例的该基于医疗大数据的卒中救治网络系统100包括通过物联网相连的脑卒中筛查系统110、脑卒中急救指挥调度管理系统120、脑卒中急救系统130、重症监护系统140、脑卒中急救筛查监管信息系统150、卒中大数据中心160和智能管理中心170。
在一具体实施例中,该脑卒中筛查系统110包括筛查设备、触控终端、前置机、医院信息系统、中心服务器和脑卒中质量控制中心;其中,筛查设备具体可为快速生化仪器、POCT、远程心电、全自动血液细胞分析仪等医疗设备,用于收集被筛查对象(即具有三项及以上危险因素的高危人群;有脑卒中或TIA病史的人群)的筛查数据(如血生化检查数据、神经系统检查数据、颈动脉超声检查数据、经颅多普勒检查(TCD)及既往心脑血管病史等),并将筛查数据发送到前置机;前置机将筛查数据同步到医疗机构的医院信息系统,医院信息系统中会为脑卒中筛查小组创建项目组信息子系统(即该项目组信息子系统是常规医疗机构的医院信息系统中单独为脑卒中筛查小组所创建的一个子系统,当然,其也可以是医疗机构中单独为脑卒中筛查小组所开发或购买的一个独立但可与医院信息系统联网的专用信息系统);医院信息系统将筛查数据同步到中心服务器;触控终端将检查信息发送到脑卒中质量控制中心对筛查结果进行数据的分析和汇总。从被筛查对象登记到筛查数据采集,整个过程在医护人员协助下,由被筛查对象自助完成,支持多人同时在不同的设备进行筛查。中心服务器也可自动接收多个筛查设备发送的数据如通过提供HL7、平板文件、Excel等格式的接口数据,且其还可将所接收的筛查数据和筛查结果定时发布至卒中大数据中心160的远程服务器上。
在一具体实施例中,脑卒中急救指挥调度管理系统120分配急救任务、管理急救资源,所述急救资源包括医院、救护车、医护人员。
在一具体实施例中,脑卒中急救系统130包括院前急救系统和院内急救系统。其中,院前急救系统包括院前急救设备(如救护车及车上的各种施救设备,如头部CT扫描仪,监护仪、心电图设备中的一种或多种)、与该院前急救设备相连的现场触控终端;院前急救设备收集院前急救数据,并将院前急救数据发送到前置机,然后由前置机将院前急救数据同步到医院信息系统,然后由医院信息系统将院前急救数据同步到中心服务器;现场触控终端将院前急救过程中的检查信息发送到脑卒中质量控制中心,以及实现现场急救人员与医院的医生、CT室、磁共振室的信息子系统(即医院信息系统中分别针对医生、CT室和磁共振室所创建的信息子系统,具体如CT室和磁共振室内与医院信息系统相连的电脑设备或者智能终端等)之间的数据传输,所传输的数据包括院前卒中评分;院内急救系统包括院内的各种针对急救的急救设备,如心脏除颤器、简易呼吸器、心脏按压泵、负压骨折固定装置、氧气瓶等,用于收集院内急救数据,并将院内急救数据发送到医院信息系统,然后由医院信息系统将院内急救数据同步到中心服务器;在患者需要转院时,中心服务器将院内急救数据发送到目标医院的医院信息系统。优选的,院前急救数据可以包括血压测量数据、血糖测量数据、心电图信息、最后目测评估正常时间中的一种或多种。
在一具体实施例中,重症监护系统140包括心电终端、数据管理中心和医院监查工作站;心电终端包括便携式12导无线移动24小时不间断检测仪、导联线、网络传输模块和远程监测客户端;数据管理中心包括通信服务器、数据库、宽带专线接入设备及专用程序;医院监查工作站包括计算机、宽带网络接入设备、存储卡读写器、打印机及专用软件。本实施例中,给重症监护系统140由心电终端(心电图机)、数据管理中心和医院监查工作站三部分组成,实现“多个终端——分析工作站——后台管理”的互联互通,形成有效的整体化心电区域检查互联互通,无论是院内互联,还是院内+院外的远程心电监测模式,可通过后台简单配置完成,充分简单化实现远程医疗服务的实际职能,真正实现用户12导联24小时全息动态心电数据的实时记录、显示、监控、分析,在不同时间状态的监护检测,对其心脏功能进行科学、全面的综合诊断。
在一具体实施例中,脑卒中急救筛查监管信息系统150建立患者信息数据库;建立心脑血管疾病监测平台,通过脑卒中筛查系统110
自动采集生命体征数据,通过疾病预防控制中心负责数据库管理;建立专家知识库,实现脑卒中的风险评估和风险因素分析,提供评估报告。本实施例中,脑卒中急救筛查监管信息系统150可以针对脑卒中(心血管疾病)患者的治疗、诊断、护理、康复建立专家知识库,为高危人群的健康评估、风险评估、危险预警建立细分的知识模型,实现脑卒中的风险评估和风险因素分析,提供评估报告。其完备的权限管理:针对成员、角色、权限三种管理要素进行全方位权限设置,确保整个系统的安全性。
在一具体实施例中,该卒中大数据中心160通过物联网与所述脑卒中筛查系统110相连,用于接收脑卒中筛查系统110通过物联网发送来脑卒中患者的临床数据,包括筛查数据,并构建相应的临床生物样本库,以及存储由专家预先制定的干预技术包库和诊疗方案包库,其中,该干预技术包库/诊疗方案包库中的每种干预技术包/每种诊疗方案包都对应于不同症状的脑卒中患者。
在一具体实施例中,该智能管理中心170,通过物联网与脑卒中筛查系统110和卒中大数据中心160相连,用于预先根据卒中大数据中心160所存储的临床生物样本库构建脑卒中风险预测模型,并利用脑卒中风险预测模型对脑卒中筛查系统110发送来的各个脑卒中患者的临床数据进行风险评估,以及根据脑卒中风险评估结果向所述脑卒中患者所在底层医疗机构推送预存的干预技术包,或诊疗方案包。具体地,该干预技术包或诊疗方案包的推送方式可采用向相关的主治医师发送短信,或者通过公众平台推送,或者发送至该患者当前所在医疗机构的医院信息系统,然后由该医院信息系统来发布或通知。
下面就风险预测评估结果以心源性卒中为例,对智能管理中心170推送相应的诊疗技术包进行详细的说明,该心源性卒中诊疗技术包包括了按照《中国急性缺血性卒中诊治指南》等标准以及专家经验进行整理的心源性卒中诊断防治策略:
1)突然发作的卒中症状,尤其是无TIA病史、严重首次卒中的房颤患者;
2)年长严重卒中,(NIHSS≥10;年龄≥70岁);
3)既往不同动脉分布区栓塞:空间多发(前后循环同时梗死,双侧梗死);时间多发(不同年龄的梗死灶);
4)其他系统性血栓栓塞的征象(肾脏和脾脏的楔形梗死);
5)梗死血管分布主要是皮层;或者皮层下大灶豆纹动脉区梗死;
6)MCA高密度影(无同侧颈内动脉严重狭窄);
7)闭塞大血管快速再通(反复神经超声评价)。
基于上述的临床特点,结合STAF评分辅助工具以判断患者是否为心源性卒中,通常,STAF评分有四个评分项目:年龄(>62岁:2分)、基础NIHSS(≥8:1分)、左房扩大(超过35mm:2分)、血管原因(找不到血管狭窄:3分),总分为8分;若智能管理中心170判断出:
若患者得分超过5分,90%的可能是心脏来源而不是血管来源;
若患者得分低于5分,那么90%的可能是来自血管来源,并进一步判断是否为心源性卒中,如果确诊,到此结束,如果不能确诊,再进行进一步检查,获取更多信息进行其他相关评估。
实施例二
本发明还提供了另外一种卒中救治网络系统,其包括上述实施例一1中的各个部件,不同的是,本实施例中的卒中救治网络系统还包括:
数据研究管理系统180,其与卒中大数据中心160通过物联网相连,用于根据临床生物样本数据库研究卒中人群/卒中高危人群/卒中亚健康人群相关科研项目的数据管理及临床研究。
在一具体实施例中,该数据研究管理系统180包括:
研究发起人终端,用于研究发起人向远处管理中心发起研究请求;该研究请求中携带有根据临床试验设计需求生成多份研究表单和拟邀请参与研究的医疗机构名单;其中,研发发起人是指发起数据研究的企业,或者管理该数据研究管理系统180的管理者,而研究发起人终端是指研发发起人向远程管理中心发起研究请求的终端,如手机、电脑、平板等智能设备;研究表单是研究发起人针对相应的数据研究所设计的表单;
远程管理中心,通过物联网与卒中大数据中心160和研究发起人终端相连,用于接收研究发起人终端所提出的研究请求,并将所获取的研究表单推送至医疗机构名单中的各个医疗机构的医院信息系统;以及接收医院信息系统反馈回来的已完善的研究表单,并进行数据处理分析(如卒中人群/卒中高危人群/卒中亚健康人群数量统计),然后将数据分析结果反馈至研究发起人终端和/或医院信息系统。
本实施例中,该卒中大数据中心160中所构建的临床生物样本库中的临床数据是由脑卒中筛查系统110发送来的,其为数据研究提供了可靠真实的临床数据,而无需再耗费大量的资金去邀请招募人员来采集临床数据。
实施例三
本发明还提供了另外一种卒中救治网络系统,其包括上述实施例一中的各个部件,不同的是,本实施例中卒中救治网络系统的智能管理中心170还用于根据所述卒中大数据中心160所存储的临床生物样本库构建高危人群的健康评估模型,并利用所构建的健康评估模型对高危人群进行健康评估。
实施例四
本发明还提供了另外一种卒中救治网络系统,其包括上述实施例1中的各个部件,不同的是,本实施例中卒中救治网络系统的脑卒中质控中心通过物联网与医联体中各个医疗机构的医院信息系统相连,用于从医院信息系统获取各个医疗机构的脑卒中院内/院外救治过程中的质控数据,并结合预存的各个医疗机构的质控标准进行质控分析,以及针对每个医疗机构构建相应的个案数据库以存储相应的质控标准和质控数据。
实施例五
本发明还提供了另外一种卒中救治网络系统,其包括上述实施例1中的各个部件,不同的是,本实施例中的卒中救治网络系统,在脑卒中患者需要转院时,采用了双向转诊系统190,即当医联体中下级医疗机构向上级医疗机构发起绿色快速通道转诊请求,或上级医疗机构向下级医疗机构发起康复转诊请求时,由双向转诊系统190来辅助实现上下级医疗机构之间的双向转诊,即医疗机构向该双向转诊系统190发送向上转诊请求时,该双向转诊系统190根据该向上转诊请求中的目标医疗机构发送相应的转诊通知,且当收到该目标医疗机构表示同意接收的意思表示后,该双向转诊系统190向发起转诊请求的医疗机构反馈转诊请求成功的意思表示;同理,若医疗机构向该双向转诊系统190发送向下转诊请求时,该双向转诊系统190根据该向下转诊请求中的目标医疗机构发送相应的转诊通知,且当收到该目标医疗机构表示同意接收的意思表示后,该双向转诊系统190向发起转诊请求的医疗机构反馈转诊请求成功的意思表示。
当然,本实施例中,该转诊请求中通常都会携带有转诊患者的具体病历和当前情况,因此,该双向转诊请求系统还可根据数据库中预存的各个具有能够治疗该转诊患者的医疗机构中,按照就近原则选择具有接收能力的目标医疗机构,然后发送请求至该目标医疗机构。其中具有接收能力是指该医疗机构不仅具有能够治疗该转诊患者的医疗资源,且该医疗资源不紧张,且转诊患者达到该目标医疗机构即可得到相应的治疗。
具体的,本发明提供的一种基于医疗大数据的卒中救治网络系统的应用方法包括以下步骤:
S110、筛查步骤:筛查出脑卒中患者并获取卒中患者相应的临床数据信息;
其中,筛查设备具体可为快速生化仪器、POCT、远程心电、全自动血液细胞分析仪等医疗设备,用于收集被筛查对象(即具有三项及以上危险因素的高危人群;有脑卒中或TIA病史的人群)的筛查数据(如血生化检查数据、神经系统检查数据、颈动脉超声检查数据、经颅多普勒检查(TCD)及既往心脑血管病史等)。
可以理解的是,在筛查步骤中,还可以从医院信息系统获取各个医疗机构的脑卒中院内/院外救治过程中的质控数据,并结合预存的各个医疗机构的质控标准进行质控分析,以及针对每个医疗机构构建相应的个案数据库以存储相应的质控标准和质控数据。
S120、卒中大数据构建步骤:接收脑卒中患者的临床数据并构建相应的临床生物样本库,以及存储由专家预先制定的干预技术包库和诊疗方案包库;
其中,该干预技术包库/诊疗方案包库中的每种干预技术包/每种诊疗方案包都对应于不同症状的脑卒中患者。可以理解的是,在构建临床生物样本库步骤后,还可以根据所述临床生物样本数据库统计卒中人群/卒中高危人群/卒中亚健康人群。
S130、智能管理步骤:预先根据所存储的临床生物样本库构建脑卒中风险预测模型来对所述脑卒中患者的临床数据进行风险评估,并根据评估结果向所述脑卒中患者所在医疗机构推送预存的干预技术包或诊疗方案包。
其中,具体地,该干预技术包或诊疗方案包的推送方式可采用向相关的主治医师发送短信,或者通过公众平台推送,或者发送至该患者当前所在医疗机构的医院信息系统,然后由该医院信息系统来发布或通知。
可以理解的是,在上述智能管理步骤中,还可以根据所述卒中大数据构建步骤中所构建的临床生物样本库构建高危人群的健康评估模型,并利用所构建的健康评估模型对高危人群进行健康评估。
在上述智能管理步骤中,还可以实现医联体中上下级医疗机构之间的双向转诊。
也就是说,当医联体中下级医疗机构向上级医疗机构发起绿色快速通道转诊请求,或上级医疗机构向下级医疗机构发起康复转诊请求时,由救治网络系统的双向转诊系统190来辅助实现上下级医疗机构之间的双向转诊,即医疗机构向该双向转诊系统190发送向上转诊请求时,该双向转诊系统190根据该向上转诊请求中的目标医疗机构发送相应的转诊通知,且当收到该目标医疗机构表示同意接收的意思表示后,该双向转诊系统190向发起转诊请求的医疗机构反馈转诊请求成功的意思表示;反之亦然。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于医疗大数据的卒中救治网络系统,包括脑卒中筛查系统,用于筛查出脑卒中患者并获取卒中患者相应的临床数据;
卒中大数据中心,通过物联网与所述脑卒中筛查系统相连,用于接收所述脑卒中筛查系统通过物联网发送的脑卒中患者的临床数据,并构建相应的临床生物样本库,以及存储由专家预先制定的干预技术包库和诊疗方案包库;
智能管理中心,通过物联网与所述脑卒中筛查系统和所述卒中大数据中心相连,用于预先根据所述卒中大数据中心所存储的临床生物样本库构建脑卒中风险预测模型,并利用所述脑卒中风险预测模型对所述脑卒中患者的临床数据进行风险评估,以及根据脑卒中风险评估结果向所述脑卒中患者所在医疗机构推送预存的干预技术包,或诊疗方案包。
2.如权利要求1所述的卒中救治网络系统,其特征在于,所述脑卒中筛查系统包括筛查设备、触控终端、前置机、医院信息系统、中心服务器和脑卒中质量控制中心,所述筛查设备用于收集被筛查患者的筛查数据并将筛查数据发送到所述前置机,所述前置机将筛查数据同步到医疗机构的医院信息系统,所述医院信息系统将筛查数据同步到所述中心服务器,所述触控终端将检查信息发送到所述脑卒中质量控制中心对筛查结果进行数据的分析和汇总。
3.如权利要求1所述的卒中救治网络系统,其特征在于,还包括:
数据研究管理系统,与所述卒中大数据中心通过物联网相连,用于根据所述临床生物样本数据库研究卒中人群/卒中高危人群/卒中亚健康人群统计。
4.如权利要求1所述的卒中救治网络系统,其特征在于,所述智能管理中心还用于根据所述卒中大数据中心所存储的临床生物样本库构建高危人群的健康评估模型,并利用所构建的健康评估模型对高危人群进行健康评估。
5.如权利要求1所述的卒中救治网络系统,包括脑卒中质控中心,其特征在于,所述脑卒中质控中心通过物联网与医联体中各个医疗机构的信息系统相连,用于从所述信息系统获取各个医疗机构的脑卒中院内/院外救治过程中的质控数据,并结合预存的各个医疗机构的质控标准进行质控分析,以及针对每个医疗机构构建相应的个案数据库。
6.如权利要求1所述的卒中救治网络系统,其特征在于,还包括:
双向转诊系统,用于当医联体中下级医疗机构向上级医疗机构发起绿色快速通道转诊请求,或上级医疗机构向下级医疗机构发起康复转诊请求时,辅助实现上下级医疗机构之间的双向转诊。
7.如权利要求3所述的卒中救治网络系统,其特征在于,所述数据研究管理系统包括:
研究发起人终端,用于发起研究请求,所述研究请求中携带有根据临床试验设计需求生成多份研究表单和拟邀请参与研究的医疗机构名单;
通过物联网与所述卒中大数据中心和所述研究发起人终端相连的远程管理中心,用于接收所述研究发起人终端所提出的研究请求,并将所获取的研究表单推送至所述医疗机构名单中的各个医疗机构的医院信息系统;以及接收所述医院信息系统反馈回来的已完善的研究表单,并进行数据处理分析,然后将数据分析结果反馈至所述研究发起人终端和/或所述医院信息系统。
8.基于医疗大数据的卒中救治网络系统的应用方法,其特征在于,包括:
筛查步骤,筛查出脑卒中患者并获取卒中患者相应的临床数据;
卒中大数据构建步骤,接收脑卒中患者的临床数据并构建相应的临床生物样本库,以及存储由专家预先制定的干预技术包库和诊疗方案包库;
智能管理步骤,预先根据所存储的临床生物样本库构建脑卒中风险预测模型来对所述脑卒中患者的临床数据进行风险评估,并根据评估结果向所述脑卒中患者所在医疗机构推送预存的干预技术包或诊疗方案包。
9.如权利要求8所述的应用方法,其特征在于,还包括以下步骤:
根据所述临床生物样本数据库统计卒中人群/卒中高危人群/卒中亚健康人群。
10.如权利要求8所述的应用方法,其特征在于,还包括以下步骤:实现医联体中上下级医疗机构之间的双向转诊。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149024.2A CN110957049A (zh) | 2019-11-21 | 2019-11-21 | 基于医疗大数据的卒中救治网络系统及其应用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149024.2A CN110957049A (zh) | 2019-11-21 | 2019-11-21 | 基于医疗大数据的卒中救治网络系统及其应用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110957049A true CN110957049A (zh) | 2020-04-03 |
Family
ID=69977871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911149024.2A Pending CN110957049A (zh) | 2019-11-21 | 2019-11-21 | 基于医疗大数据的卒中救治网络系统及其应用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110957049A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111863213A (zh) * | 2020-06-23 | 2020-10-30 | 重庆同仁至诚智慧医疗科技股份有限公司 | 基于基层急救筛查的双向转诊系统、双向转诊服务平台、基层急救工作站 |
CN112365941A (zh) * | 2020-10-16 | 2021-02-12 | 零氪科技(北京)有限公司 | 受试者招募的方法及系统 |
CN113450928A (zh) * | 2021-06-24 | 2021-09-28 | 首都医科大学附属北京安贞医院 | 一种药物试验数据控制方法及系统 |
CN113555118A (zh) * | 2021-07-26 | 2021-10-26 | 内蒙古自治区人民医院 | 一种病症程度的预测方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160180042A1 (en) * | 2014-12-01 | 2016-06-23 | Quikflo Technologies Inc. | Decision support tool for stroke patients |
CN106874663A (zh) * | 2017-01-26 | 2017-06-20 | 中电科软件信息服务有限公司 | 心脑血管疾病风险预测方法及系统 |
CN107273652A (zh) * | 2017-03-10 | 2017-10-20 | 马立伟 | 智能脑卒中风险监控系统 |
CN107480439A (zh) * | 2017-07-28 | 2017-12-15 | 杭州微云通信技术有限公司 | 一种脑卒中急救系统和方法 |
CN107707606A (zh) * | 2017-07-21 | 2018-02-16 | 涓ユ不 | 脑卒中急救筛查监管医联网系统及其应用方法 |
-
2019
- 2019-11-21 CN CN201911149024.2A patent/CN110957049A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160180042A1 (en) * | 2014-12-01 | 2016-06-23 | Quikflo Technologies Inc. | Decision support tool for stroke patients |
CN106874663A (zh) * | 2017-01-26 | 2017-06-20 | 中电科软件信息服务有限公司 | 心脑血管疾病风险预测方法及系统 |
CN107273652A (zh) * | 2017-03-10 | 2017-10-20 | 马立伟 | 智能脑卒中风险监控系统 |
CN107707606A (zh) * | 2017-07-21 | 2018-02-16 | 涓ユ不 | 脑卒中急救筛查监管医联网系统及其应用方法 |
CN107480439A (zh) * | 2017-07-28 | 2017-12-15 | 杭州微云通信技术有限公司 | 一种脑卒中急救系统和方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111863213A (zh) * | 2020-06-23 | 2020-10-30 | 重庆同仁至诚智慧医疗科技股份有限公司 | 基于基层急救筛查的双向转诊系统、双向转诊服务平台、基层急救工作站 |
CN112365941A (zh) * | 2020-10-16 | 2021-02-12 | 零氪科技(北京)有限公司 | 受试者招募的方法及系统 |
CN113450928A (zh) * | 2021-06-24 | 2021-09-28 | 首都医科大学附属北京安贞医院 | 一种药物试验数据控制方法及系统 |
CN113555118A (zh) * | 2021-07-26 | 2021-10-26 | 内蒙古自治区人民医院 | 一种病症程度的预测方法、装置、电子设备及存储介质 |
CN113555118B (zh) * | 2021-07-26 | 2023-03-31 | 内蒙古自治区人民医院 | 一种病症程度的预测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110957049A (zh) | 基于医疗大数据的卒中救治网络系统及其应用方法 | |
CN107169298B (zh) | 一种智能急诊分级分诊系统 | |
Urquhart et al. | Home uterine monitoring for detecting preterm labour | |
Trippi et al. | Dobutamine stress tele-echocardiography for evaluation of emergency department patients with chest pain | |
Tanabe et al. | Refining emergency severity index triage criteria | |
CN112669967B (zh) | 一种主动式健康医疗决策辅助方法及设备 | |
Richard et al. | Testing a New Proposal for Somatization Disorder | |
CN111276263A (zh) | 一种支持健共体的基层医生智能执业云平台 | |
Andersson et al. | Prehospital identification of patients with a final hospital diagnosis of stroke | |
CN107707606A (zh) | 脑卒中急救筛查监管医联网系统及其应用方法 | |
CN110570919A (zh) | 面向慢病人群的健康风险智能监测、预警方法及平台 | |
Rajajee et al. | Prehospital care of the acute stroke patient | |
Darling et al. | Bioimpedance-based heart failure deterioration prediction using a prototype fluid accumulation vest-mobile phone dyad: an observational study | |
CN110993076A (zh) | 医疗急救系统及其急救方法 | |
CN111755110A (zh) | 三高共管三级协同慢病管理平台 | |
Singh et al. | Cvdmagic: a mobile based study for cvd risk detection in rural india | |
CN109215779A (zh) | 一种精准体检会诊方法 | |
Mandellos et al. | A novel mobile telemedicine system for ambulance transport. Design and evaluation | |
Bonsignore et al. | Clinical, echocardiographic, and biomarker associations with impaired cardiorespiratory fitness early after HER2-targeted breast cancer therapy | |
Zanotto et al. | Screening tools to expedite assessment of frailty in people receiving haemodialysis: a diagnostic accuracy study | |
Sasmito et al. | A Systematic Review: Early Warning System for Hospital Wards | |
CN109102880A (zh) | 健康监测方法及其装置、系统和计算机可读存储介质 | |
Nicholson et al. | Don't forget eclampsia in the efforts to reduce maternal morbidity and mortality | |
CN216257073U (zh) | 一种基于智能手环的胸痛在线监测系统 | |
CN115101170A (zh) | 一种基于脑卒中的康复指导系统及方法 |
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 |