CN111048165A - 试验样本的确定方法及装置、计算机介质和电子设备 - Google Patents

Abstract

本公开提供了一种试验样本的确定方法及装置、计算机可读介质和电子设备，涉及数据挖掘技术领域。该方法包括：获取目标试验的关注条件，并根据关注条件格式化多份候选样本的病历数据，得到每份候选样本对应的具有时序的病历事件；根据每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列；根据事件组序列计算频繁序列，以根据频繁序列在多份候选样本中确定目标试验的试验样本。本技术方案能够自动化地搜索符合临床试验所关注条件的样本，而不受限于人工的经验，从而有效提升处理效率并降低了降低人力和时间成本，同时具有较高的复用性。

Description

试验样本的确定方法及装置、计算机介质和电子设备

技术领域

本公开涉及数据挖掘技术领域，具体而言，涉及一种试验样本的确定方法及装置，以及实现上述试验样本的确定方法的计算机可读介质和电子设备。

背景技术

临床试验(Clinical Trial)，指根据受试样本(或试验样本)进行药物或医疗器械的系统性研究，以证实或揭示该药物或该医疗器械的作用、不良反应等，目的是确定试验药物或医疗器械的疗效与安全性。其中，临床试验的受试样本对临床试验的顺利进行以及试验结果的准确性均具有至关重要的影响。

在传统的临床试验中，受试样本(或试验样本)的确定主要是专业人员(如，由临床协调员)人工阅读来自医院信息系统(Hospital Information System，简称：HIS)或患者填写的海量病例，来寻找符合试验条件的受试样本，直到找到临床试验需要的入组样本数为止。

显然，这种方法存在效率低、成本高的缺陷。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种试验样本的确定方法、试验样本的确定装置，以及实现上述方法的计算机可读介质和电子设备，进而至少在一定程度上提升受试样本(或试验样本)的确定效率，节省成本。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的第一方面，提供了一种试验样本的确定方法，该方法包括：

获取目标试验的关注条件，并根据上述关注条件格式化多份候选样本的病历数据，得到每份候选样本对应的具有时序的病历事件；

根据上述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列；

根据上述事件组序列计算频繁序列，以根据上述频繁序列在上述多份候选样本中确定上述目标试验的试验样本。

在本公开的一种实施例中，基于前述方案，根据上述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列，包括：

计算上述病例事件之间的关联强度值，将关联强度值大于预设强度阈值且与发生时间先后无关的病例事件进行打包，形成多个事件组；

根据上述事件组中所包含的目标病例事件的发生时间点作为上述事件组的发生时间点，以获取具有时序的事件组序列。

在本公开的一种实施例中，基于前述方案，根据上述频繁序列在上述多份候选样本中确定上述目标试验的试验样本，包括：

计算上述频繁序列的频次；

获取满足预设频次阈值的目标频次，以及获取上述目标频次对应的目标频繁序列，并将上述目标频繁序列对应的候选样本确定为上述目标试验的试验样本。

在本公开的一种实施例中，基于前述方案，得到每份候选样本对应的具有时序的病历事件，包括：

以第一二维表的方式存储上述每份候选样本对应的具有时序的病历事件；其中，上述第一二维表的第一维信息包含候选样本标识，上述第一二维表的第二维信息包含事件发生时间点和事件标识。

在本公开的一种实施例中，基于前述方案，上述具有时序的事件组序列是以第二二维表的方式存储的；其中，上述第二二维表的第一维信息包含候选样本标识，上述第二二维表的第二维信息包含具有时序的事件组序列。

在本公开的一种实施例中，基于前述方案，在根据上述关注条件格式化多份份候选样本的病历数据之前，上述方法还包括：

对上述多份候选样本的病历数据进行数据清洗。

在本公开的一种实施例中，基于前述方案，上述目标试验的关注条件为与时序相关的条件。

根据本公开实施例的第二方面，提供了一种试验样本的确定装置，该装置包括：

病历事件确定模块，用于：获取目标试验的关注条件，并根据所述关注条件格式化多份候选样本的病历数据，得到每份候选样本对应的具有时序的病历事件；

事件组序列确定模块，用于：根据所述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列；

试验样本确定模块，用于：根据所述事件组序列计算频繁序列，以根据所述频繁序列在所述多份候选样本中确定所述目标试验的试验样本。根据本公开实施例的第三方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例第一方面任意一种技术方案所述的试验样本的确定方法。

根据本公开实施例的第四方面，提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例第一方面任意一种技术方案所述的试验样本的确定方法。

本公开实施例提供的技术方案可以包括以下有益效果：

在本公开的一些实施例中，首先根据目标试验的关注条件来配置多份候选样本的病历数据，具体根据关注条件将候选样本的病历数据进行格式化，从而得到每份候选样本对应的具有时序的病历事件。进一步地，根据每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列，并根据上述事件组序列计算频繁序列，最终根据频繁序列在多份候选样本中确定该目标试验的试验样本。本技术方案中根据目标试验的关注条件来配置候选样本的病历数据，进而实现自动化地搜索符合临床试验入组条件的受试样本。一方面，根据目标试验的不同个性化地配置候选样本的病历数据，有利于提升本方案的复用性，可以有效提升事件挖掘的效率和质量。另一方面，本技术方案提供的试验样本的确定方案能够自动化地搜索符合临床试验所关注条件的样本，而不受限于人工的经验，从而有效提升处理效率并降低了降低人力和时间成本。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。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示出本公开示例性实施例中用于实现试验样本的确定方法或的系统架构示意图；

图2示出了根据本公开的一实施例的试验样本的确定方法的流程示意图；

图3示出了根据本公开的实施例的试验样本的确定系统300的结构示意图；

图4示出了根据本公开的实施例的具有时序的事件组序列的确定方法的流程示意图；

图5示出了根据本公开另一实施例的前缀树的建立方法的流程示意图；

图6示出了根据本公开的一实施例的试验样本的确定装置的结构示意图；

图7示出本公开示例性实施例中计算机存储介质的结构示意图；以及，

图8示出本公开示例性实施例中电子设备的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

本示例实施方式中首先提供了一种用于实现试验样本的确定方法的系统架构，可以应用于各种数据处理场景。参考图1所示，该系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送请求指令等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如图片处理应用、购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如获取用户利用终端设备101、102、103输入的目标试验的关注条件，以及根据所述关注条件格式化多份候选样本的病历数据，得到每份候选样本对应的具有时序的病历事件(仅为示例)。服务器105可以根据所述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列(仅为示例)。服务器105根据所述事件组序列计算频繁序列，以根据所述频繁序列在所述多份候选样本中确定所述目标试验的试验样本。

相关技术还提供通过计算机替代人工确定受试样本的方法，具体的：根据某一临床试验的入组条件，将入组条件写成计算机程序；然后利用计算机程序从HIS系统中将符合入组条件的受试样本搜索出来，实现降低人力成本、提高效率的目的。然而，该仍然存在一些缺陷：由于每次计算机程序的编写一般是针对某个特定的临床试验，因此该方法产生的计算机程序的可复用性差，无法直接适用于其他临床试验中试验样本的确定。

针对相关技术中所存在的上述一个或多个问题，本技术方案提供了一种试验样本的确定方法及装置，计算机存储介质和电子设备。以下先对试验样本的确定方法进行说明：

图2示出了根据本公开的实施例的试验样本的确定方法的流程示意图。本实施例提供的试验样本的确定方法，至少在一定程度上克服现有技术中存在的上述问题。

其中，本实施例提供的试验样本的确定方法的执行主体可以是具有计算处理功能的设备，比如服务器等。

参考图2，本实施例提供的试验样本的确定方法包括：

步骤S210，获取目标试验的关注条件，并根据所述关注条件格式化多份候选样本的病历数据，得到每份候选样本对应的具有时序的病历事件；

步骤S220，根据所述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列；以及，

步骤S230，根据所述事件组序列计算频繁序列，以根据所述频繁序列在所述多份候选样本中确定所述目标试验的试验样本。

在图2所示实施例提供的技术方案中，根据目标试验的关注条件来配置候选样本的病历数据，进而实现自动化地搜索符合临床试验入组条件的受试样本。一方面，根据目标试验的不同个性化地配置候选样本的病历数据，有利于提升本方案的复用性，可以有效提升事件挖掘的效率和质量。另一方面，本技术方案提供的试验样本的确定方案能够自动化地搜索符合临床试验所关注条件的样本，而不受限于人工的经验，从而有效提升处理效率并降低了降低人力和时间成本。

以下对图2中所示试验样本的确定方法实施例的技术方案的各个步骤的实现细节进行详细阐述：

在示例性的实施例中，在步骤S210中，获取目标试验的关注条件，并根据所述关注条件格式化多份候选样本的病历数据，得到每份候选样本对应的具有时序的病历事件。

鉴于临床试验的关注条件中对时序性的要求，本技术方案中所采集的候选样本的病历数据包含有发生时间。例如，2018年2月5日具有发热症状，2018年2月6日服用了退烧药品等。其中，某一临床试验的关注条件可以包括：“当次就诊年龄大于18岁”、“诊断为胃间质瘤”，以及“处方伊马替尼药物”。进一步地，本实施例中，根据上述关注条件来配置多份候选样本的病历数据。

示例性的，不同的候选样本具有不同的候选样本标识，例如，候选样本标识为ID1的病历数据来自于患者M，候选样本标识为ID2的病历数据来自于患者N等。

在示例性的实施例中，根据上述关注条件格式化多份候选样本的病历数据的一种具体实施方式可以是：将该临床试验的所有关注条件设置为对应的事件标识，以通过事件标识的方式代表病历数据，以有利于后期的病历数据挖掘。例如，将服用处方伊马替尼药物对应的事件标识为“a”，将诊断为胃间质瘤对应的事件标识为“b”等。进一步地，将根据关注条件对应的事件标识来配置多份候选样本的病历数据。

示例性的，候选样本标识为ID1的病历数据包含：在2011-01-0100:00:00产生发热病状，在2011-01-01 09:00:00被诊断出患有流行性感冒疾病，在2011-01-01 12:00:00接受了服药治疗等。则根据关注条件对应的事件标识来配置该份候选样本的病历数据为：[ID1；(2011-01-0100:00:00；a)；(2011-01-01 09:00:00；b)；(2011-01-01 12:00:00；c)]。以此类推，可以完成对每份候选样本的格式化，得到每份候选样本对应的具有时序的病历事件。

在示例性的实施例中，为了便于后期对病历数据的处理，以第一二维表的方式存储所述每份候选样本对应的具有时序的病历事件，如下表1所示：

表1

ID	Event_time	Event_name
			1	2011-01-01 00:00:00	a
1	2011-01-01 09:00:00	b
			2	2011-01-02 00:00:00	c
2	2011-01-03 13:00:00	a
			2	2011-01-03 21:00:00	b
3	2011-03-03 13:00:00	c
			3	2011-03-03 21:00:00	b

参看表1，其中，上述第一二维表的第一维信息包含候选样本标识，上述第一二维表的第二维信息包含事件发生时间点“Event_time”和事件标识“Event_name”。

在示例性的实施例中，在对多份候选样本的病历数据进行格式化之间，可以先对该病历数据进行数据清洗。例如，去重处理或补齐处理等，以提升病历数据所表述医学事实的准确性，进而提升临床试验结果的可靠性。

继续参考图2，在得到每份候选样本对应的具有时序的病历事件之后，在步骤S220中，根据所述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列。

在示例性的实施例中，图3示出了根据本公开的实施例的试验样本的确定系统300的结构示意图。可见，在事件定义与配置器31中执行上述步骤S210的具体实施方式，并将事件定义与配置器31的输出病历事件输入至事件分组器32以执行步骤S220。具体的：

在示例性的实施例中，图4示出了根据本公开的实施例的具有时序的事件组序列的确定方法的流程示意图。参考图4，该图所示实施例包括步骤S410和步骤S420。

在步骤S410中，计算所述病例事件之间的关联强度值，将关联强度值大于预设强度阈值且与发生时间先后无关的病例事件进行打包，形成多个事件组。

在示例性的实施例中，对于相同候选样本标识的病历事件，利用随机条件场(conditional random field，简称：CRF)算法，计算病历事件之间的关联强度，对具有强关联关系(关联强度值大于预设强度阈值)的病历事件进行分组。并将具有强相关关系且时间先后无关的事件进行打包，形成多个事件组。

其中，之所以要对每个候选样本的病历事件进行分组打包，是因为在临床试验过程中，某些强相关的事件发生先后顺序可能是不确定的。例如，在正常医疗场景下，医生会根据患者的检验结果(检验事件)，进行诊断(诊断事件)，然后处方相应的药品(药品医嘱事件)，最后观察患者的疾病进展情况(转归事件)，即正常事件的发生顺序为：检验事件—诊断事件—药品医嘱事件—转归事件。然而在现实生活中，由于医疗场景的复杂性，医生可能由于患者的病情严重情况，先处方药品，再根据检验结果进行诊断和观察转归，即事件发生顺序为：药品医嘱事件—检验事件—诊断事件—转归事件。因此，我们先要对强关联、但发生先后顺序不确定的事件进行打包，形成事件组(一个事件组中可能有一个或多个事件)，然后输出事件组序列，从而，有利于提升临床试验的结果准确性，同时减少一些不必要的计算过程，节省了计算资源。

在步骤S420中，根据所述事件组中所包含的目标病例事件的发生时间点作为所述事件组的发生时间点，以获取具有时序的事件组序列。

在示例性的实施例中，根据事件组序列的时间顺序(当一个事件组中有多个病历事件时，以第一个病历事件发生的时间作为整个事件组的时间)，对序列中的事件组进行排序，具有时序的事件组序列。

示例性的，对于候选样本标识为1的具有时序的事件组序列为：a(abc)(ac)d(cf)。其中，“(abc)”作为步骤S410中分组打包得到的事件组，可以将其中第一个病历事件a作为目标病历事件，将其发生时间点作为“(abc)”的发生时间点进行排序；还可以将“(abc)”中最早发生的病历事件作为目标病历事件，再将其发生时间点作为“(abc)”的发生时间点进行排序。

在示例性的实施例中，所述具有时序的事件组序列是以第二二维表的方式存储的。

表2

ID	Sequence
		1	a(abc)(ac)d(cf)
2	b(cde)f(bc)
		3	abc(de)
4	eg(af)ab

参考表2，其中，该第二二维表的第一维信息包含候选样本标识，该第二二维表的第二维信息包含具有时序的事件组序列“Sequence”。

继续参考图2，在得到每份候选样本对应的具有时序的病历事件之后，在步骤S230中，根据所述事件组序列计算频繁序列，以根据所述频繁序列在所述多份候选样本中确定所述目标试验的试验样本。

继续参考图3，在示例性的实施例中，在事件分组器32中执行上述步骤S220的具体实施方式之后，将事件分组器32的输出的具有时序的事件组序列“Sequence”输入至事件挖掘器33以执行步骤S230。具体的：

在示例性的实施例中，图5示出了根据本公开的实施例的具有时序的事件挖掘方法的流程示意图。参考图5，该图所示实施例包括：

步骤S510，计算所述频繁序列的频次；以及，

步骤S520，获取满足预设频次阈值的目标频次，以及获取所述目标频次对应的目标频繁序列，并将所述目标频繁序列对应的候选样本确定为所述目标试验的试验样本。

在示例性的实施例中，利用前缀投影的模式挖掘(Prefix-Projected PatternGrowth，简称：PrefixSpan)方法对对分组打包后的具有时序的事件组序列进行时序模式挖掘，进而输出高频事件模式，达到高效确定试验样本的效果。

以上述表2所示的每份候选样本对应的具有时序的事件组序列作为序列数据库S，并设置支持度阈值α。然后对于上述序列数据库S在确定不同前缀的情况下，不断产生多个更小的投影数据库，然后在各个投影数据库上进行序列模式挖掘。例如，从长度为1的前缀开始挖掘序列模式，搜索对应的投影数据库得到长度为1的前缀对应的频繁序列，然后递归的挖掘长度为2的前缀所对应的频繁序列，挖掘长度为3的前缀所对应的频繁序列。以此类推，一直递归到不能挖掘到更长的前缀挖掘为止。从而，便可以得到满足上述支持度阈值α的多个频繁序列以及每个序列对应的频次。

继续参考图3，对于上述事件挖掘器33输出的频繁序列和频次，进一步通过结果处理器34进一步处理，以在上述候选样本中确定出试验样本(受试样本)。或者，再次设置相关参数，重复进行图2所示实施例提供的各个步骤。具体的：

上述结果处理器34的主要目标是筛选出现频率高且有意义的事件模式：将前一步骤得到的频繁时序事件集，连同其发生频次返回给医学专业人员，由医学专业人员从这些高频模式中筛选出符合常识及有意义的事件模式。如果得到的事件模式与需求有偏差，可以进一步修改事件的定义和支持度阈值，反复迭代，直到得到最终结果。

示例性的，上述结果处理器34中，获取满足预设频次阈值的目标频次，以及获取该目标频次对应的目标频繁序列，并将该目标频繁序列对应的候选样本确定为所述目标试验的试验样本。

示例性的，未获取到足够数目的满足预设频次阈值的目标频次，则说明暂时无法从上述多份候选样本确定出该目标试验的试验样本。则需迭代调整事件配置，直到事件挖掘器33输出的频繁序列能够满足试验所关注的条件为止。

本技术方案提供的临床试验的样本确定方法，根据目标试验的不同个性化地配置候选样本的病历数据，有利于提升本方案的复用性，可以有效提升事件挖掘的效率和质量。同时，本技术方案提供的试验样本的确定方案能够自动化地搜索符合临床试验所关注条件的样本，而不受限于人工的经验，从而有效提升处理效率并降低了降低人力和时间成本。

本领域技术人员可以理解实现上述实施方式的全部或部分步骤被实现为由处理器，包含中央处理器(central processing unit，CPU)和图形处理器(GraphicsProcessing Unit GPU)执行的计算机程序。例如，通过CPU或GPU获取目标试验的关注条件，并根据所述关注条件格式化多份候选样本的病历数据，得到每份候选样本对应的具有时序的病历事件，通过CPU或GPU根据所述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列，以及，通过CPU或GPU根据所述事件组序列计算频繁序列，以根据所述频繁序列在所述多份候选样本中确定所述目标试验的试验样本。在该计算机程序被CPU或GPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

以下介绍本公开的试验样本的确定装置实施例，可以用于执行本公开上述实施例提供的试验样本的确定方法。

图6示出了根据本公开的实施例的试验样本的确定装置的结构示意图，参考图6，本实施例提供的试验样本的确定装置600，包括：病历事件确定模块601、事件组序列确定模块602和试验样本确定模块603。

其中，上述病历事件确定模块601，用于：获取目标试验的关注条件，并根据上述关注条件格式化多份候选样本的病历数据，得到每份候选样本对应的具有时序的病历事件；

上述事件组序列确定模块602，用于：根据上述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列；以及，

上述试验样本确定模块603，用于：根据上述事件组序列计算频繁序列，以根据上述频繁序列在上述多份候选样本中确定上述目标试验的试验样本。

在本公开的一种实施例中，基于前述方案，上述事件组序列确定模块602，包括：分组打包单元和事件组时序确定单元。

上述分组打包单元，用于：计算上述病例事件之间的关联强度值，将关联强度值大于预设强度阈值且与发生时间先后无关的病例事件进行打包，形成多个事件组；以及，

上述事件组时序确定单元，用于：根据上述事件组中所包含的目标病例事件的发生时间点作为上述事件组的发生时间点，以获取具有时序的事件组序列。

在本公开的一种实施例中，基于前述方案，上述试验样本确定模块603，包括：频次获取单元和试验样本确定单元。

上述频次获取单元，用于：计算上述频繁序列的频次；以及，

上述试验样本确定单元，用于：获取满足预设频次阈值的目标频次，以及获取上述目标频次对应的目标频繁序列，并将上述目标频繁序列对应的候选样本确定为上述目标试验的试验样本。

在本公开的一种实施例中，基于前述方案，上述病历事件确定模块601，具体用于：以第一二维表的方式存储上述每份候选样本对应的具有时序的病历事件；其中，上述第一二维表的第一维信息包含候选样本标识，上述第一二维表的第二维信息包含事件发生时间点和事件标识。

在本公开的一种实施例中，基于前述方案，上述具有时序的事件组序列是以第二二维表的方式存储的；其中，上述第二二维表的第一维信息包含候选样本标识，上述第二二维表的第二维信息包含具有时序的事件组序列。

在本公开的一种实施例中，基于前述方案，上述试验样本的确定装置600，好包括：数据清洗模块。

上述数据清洗模块用于：在根据上述关注条件格式化多份份候选样本的病历数据之前，对上述多份候选样本的病历数据进行数据清洗。

在本公开的一种实施例中，基于前述方案，上述目标试验的关注条件为与时序相关的条件。

由于本公开的示例性的实施例的试验样本的确定装置的各个功能模块与上述试验样本的确定方法的示例实施例的步骤对应，因此对于本公开试验样本的确定装置实施例中未披露的细节，请参照本公开上述的试验样本的确定方法的实施例。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

在本公开示例性实施方式中，还提供了一种能够实现上述方法的计算机存储介质。其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当上述程序产品在终端设备上运行时，上述程序代码用于使上述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

参考图7所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

上述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RandomAccess Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可擦式可编程只读存储器(erasable programmable read-only memory，EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(Local AreaNetwork，LAN)或广域网(Wide Area Network，WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。

其中，上述存储单元存储有程序代码，上述程序代码可以被上述处理单元810执行，使得上述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，上述处理单元810可以执行如图2中所示的：步骤S210，获取目标试验的关注条件，并根据所述关注条件格式化多份候选样本的病历数据，得到每份候选样本对应的具有时序的病历事件；步骤S220，根据所述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列；以及，步骤S230，根据所述事件组序列计算频繁序列，以根据所述频繁序列在所述多份候选样本中确定所述目标试验的试验样本。

示例性的，上述处理单元810还可以执行如图4或图5中所示的试验样本的确定方法。

存储单元820可以包括易失性存储单元形式的可读介质，例如：随机存取存储单元(Random Access Memory，RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元只读存储器(Read-Only Memory，ROM)8203。

存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(Input/Output，I/O)接口850进行。并且，电子设备800还可以通过网络适配器870与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (10)

1.一种试验样本的确定方法，其特征在于，包括：

获取目标试验的关注条件，并根据所述关注条件格式化多份候选样本的病历数据，得到每份候选样本对应的具有时序的病历事件；

根据所述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列；

根据所述事件组序列计算频繁序列，以根据所述频繁序列在所述多份候选样本中确定所述目标试验的试验样本。

2.根据权利要求1所述的试验样本的确定方法，其特征在于，根据所述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列，包括：

计算所述病例事件之间的关联强度值，将关联强度值大于预设强度阈值且与发生时间先后无关的病例事件进行打包，形成多个事件组；

根据所述事件组中所包含的目标病例事件的发生时间点作为所述事件组的发生时间点，以获取具有时序的事件组序列。

3.根据权利要求1所述的试验样本的确定方法，其特征在于，根据所述频繁序列在所述多份候选样本中确定所述目标试验的试验样本，包括：

计算所述频繁序列的频次；

获取满足预设频次阈值的目标频次，以及获取所述目标频次对应的目标频繁序列，并将所述目标频繁序列对应的候选样本确定为所述目标试验的试验样本。

4.根据权利要求1至3中任意一项所述的试验样本的确定方法，其特征在于，得到每份候选样本对应的具有时序的病历事件，包括：

以第一二维表的方式存储所述每份候选样本对应的具有时序的病历事件；其中，所述第一二维表的第一维信息包含候选样本标识，所述第一二维表的第二维信息包含事件发生时间点和事件标识。

5.根据权利要求1至3中任意一项所述的试验样本的确定方法，其特征在于，所述具有时序的事件组序列是以第二二维表的方式存储的；其中，所述第二二维表的第一维信息包含候选样本标识，所述第二二维表的第二维信息包含具有时序的事件组序列。

6.根据权利要求1至3中任意一项所述的试验样本的确定方法，其特征在于，在根据所述关注条件格式化多份份候选样本的病历数据之前，所述方法还包括：

对所述多份候选样本的病历数据进行数据清洗。

7.根据权利要求1至3中任意一项所述的试验样本的确定方法，其特征在于，所述目标试验的关注条件为与时序相关的条件。

8.一种试验样本的确定装置，其特征在于，包括：

病历事件确定模块，用于：获取目标试验的关注条件，并根据所述关注条件格式化多份候选样本的病历数据，得到每份候选样本对应的具有时序的病历事件；

事件组序列确定模块，用于：根据所述每份候选样本对应的具有时序的病历事件确定具有时序的事件组序列；

试验样本确定模块，用于：根据所述事件组序列计算频繁序列，以根据所述频繁序列在所述多份候选样本中确定所述目标试验的试验样本。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述的试验样本的确定方法。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的试验样本的确定方法。

Images