CN111048173A - 一种用药数据推送方法及装置 - Google Patents
一种用药数据推送方法及装置 Download PDFInfo
- Publication number
- CN111048173A CN111048173A CN201911317375.XA CN201911317375A CN111048173A CN 111048173 A CN111048173 A CN 111048173A CN 201911317375 A CN201911317375 A CN 201911317375A CN 111048173 A CN111048173 A CN 111048173A
- Authority
- CN
- China
- Prior art keywords
- data
- medicine
- medication
- preset
- disease
- 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.)
- Granted
Links
- 239000003814 drug Substances 0.000 title claims abstract description 430
- 229940079593 drug Drugs 0.000 title claims abstract description 209
- 238000000034 method Methods 0.000 title claims abstract description 40
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 100
- 201000010099 disease Diseases 0.000 claims abstract description 99
- 238000012216 screening Methods 0.000 claims abstract description 69
- 208000020016 psychiatric disease Diseases 0.000 claims description 57
- 230000010354 integration Effects 0.000 claims description 28
- 108090000623 proteins and genes Proteins 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 18
- 238000004140 cleaning Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 description 26
- 230000002974 pharmacogenomic effect Effects 0.000 description 17
- 230000000694 effects Effects 0.000 description 14
- 238000012360 testing method Methods 0.000 description 12
- 230000035772 mutation Effects 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000003993 interaction Effects 0.000 description 8
- 230000004630 mental health Effects 0.000 description 7
- 206010013710 Drug interaction Diseases 0.000 description 6
- 230000002411 adverse Effects 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 6
- 230000001988 toxicity Effects 0.000 description 6
- 231100000419 toxicity Toxicity 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000008676 import Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 229940125652 NAMI Drugs 0.000 description 3
- 239000004816 latex Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000001671 psychotherapy Methods 0.000 description 3
- PEVNIEPIRVCPAW-UHFFFAOYSA-J sodium;1h-imidazole;methylsulfinylmethane;ruthenium(3+);tetrachloride Chemical compound [Na+].[Cl-].[Cl-].[Cl-].[Cl-].[Ru+3].CS(C)=O.C1=CNC=N1 PEVNIEPIRVCPAW-UHFFFAOYSA-J 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000001647 drug administration Methods 0.000 description 1
- 238000007877 drug screening Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 208000020588 necrotizing soft tissue infection Diseases 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
-
- 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
-
- 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
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Pharmacology & Pharmacy (AREA)
- Toxicology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种用药数据推送方法及装置，获取用户基础数据；从预设数据库中筛选出符合预设用药筛选规则的用药数据，并作为第一用药数据；计算所述第一用药数据匹配所述用户所患疾病的药物匹配程度，并依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据；对所述目标用药数据进行数据推送。通过本发明，可以自动确定并输出疾病治疗的药物数据，将药物数据推送给医生以提供用药指导建议，相比于医生直接依据疾病的检查结果数据来确定用药的方式来说，减少了人力。
Description
技术领域
本发明涉及疾病用药领域，更具体的说，涉及一种用药数据推送方法及装置。
背景技术
根据最新的一项全国范围内的精神类疾病发病率调查，该类疾病的总体发病率在过去的30年内有了很大的提高，以焦虑障碍为例，平均每20个人里面就有一个患有这种障碍(发病率5.1％)。随着发病率的提升，再加上中国人口基数庞大，每年有大量的患者罹患各类精神类疾病，相应的医疗支出也是一笔庞大的数字。
现有的在对精神类疾病患者治疗时，均是医生根据精神类疾病的检查结果数据来人工确定治疗该病的药物，进而需要占用医生较多的时间，浪费人力。
发明内容
有鉴于此，本发明提供一种用药数据推送方法及装置，以解决在对精神类疾病患者治疗时，均是医生根据精神类疾病的检查结果数据来人工确定治疗该病的药物，进而需要占用医生较多的时间，浪费人力的问题。
为解决上述技术问题，本发明采用了如下技术方案：
一种用药数据推送方法，包括：
获取用户基础数据；所述用户基础数据为用户所患疾病的疾病信息；
从预设数据库中筛选出符合预设用药筛选规则的用药数据，并作为第一用药数据；所述预设用药筛选规则用于筛选出符合所述用户基础数据所需的用药数据；所述预设数据库保存有不同疾病信息对应的用药数据；
确定所述第一用药数据匹配所述用户所患疾病的药物匹配程度，并依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据；
对所述目标用药数据进行数据推送。
可选地，依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据，包括：
筛选出对应的药物匹配程度为预设药物匹配程度的第一用药数据，并作为第二用药数据；
计算每一所述第二用药数据可作为被推荐药物的推荐值；
依据所述推荐值，对所述第二用药数据进行排序，并输出排序序列号位于预设数值之前的第二用药数据，并作为所述目标用药数据。
可选地，所述预设数据库的构建过程包括：
获取与目标对象有关联关系的疾病治疗数据；所述目标对象为精神类疾病；
对所述疾病治疗数据进行数据清洗操作，得到清洗后的疾病治疗数据；
获取数据整合规则，并基于所述数据整合规则，对所述清洗后的疾病治疗数据进行数据整合，形成所述预设数据库；
其中，所述数据整合规则将所述清洗后的疾病治疗数据通过病种、位点、药物以及基因构建关联关系。
可选地，所述预设数据库的构建过程还包括：
生成预设数据操作接口，并为所述预设数据库配置所述预设数据操作接口；所述预设数据操作接口用于为所述预设数据库提供与所述预设数据操作接口对应的操作功能。
可选地，对所述目标用药数据进行数据推送，包括：
获取数据展示模板，以及确定所述数据展示模板中的待填写区域；
将所述目标用药数据中与所述待填写区域相对应的数据填写至所述待填写区域，得到数据展示结果；
输出所述数据展示结果。
一种用药数据推送装置，包括：
数据获取模块，用于获取用户基础数据；所述用户基础数据为用户所患疾病的疾病信息；
第一数据筛选模块，用于从预设数据库中筛选出符合预设用药筛选规则的用药数据，并作为第一用药数据；所述预设用药筛选规则用于筛选出符合所述用户基础数据所需的用药数据；所述预设数据库保存有不同疾病信息对应的用药数据；
第二数据筛选模块，用于确定所述第一用药数据匹配所述用户所患疾病的药物匹配程度，并依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据；
数据推送模块，用于对所述目标用药数据进行数据推送。
可选地，所述第二数据筛选模块包括：
第一筛选子模块，用于筛选出对应的药物匹配程度为预设药物匹配程度的第一用药数据，并作为第二用药数据；
数值确定子模块，用于计算每一所述第二用药数据可作为被推荐药物的推荐值；
第二筛选子模块，用于依据所述推荐值，对所述第二用药数据进行排序，并输出排序序列号位于预设数值之前的第二用药数据，并作为所述目标用药数据。
可选地，还包括数据库构建模块，所述数据库构建模块包括：
数据获取子模块，用于获取与目标对象有关联关系的疾病治疗数据；所述目标对象为精神类疾病；
数据清洗子模块，用于对所述疾病治疗数据进行数据清洗操作，得到清洗后的疾病治疗数据；
数据整合子模块，用于获取数据整合规则，并基于所述数据整合规则，对所述清洗后的疾病治疗数据进行数据整合，形成所述预设数据库；
其中，所述数据整合规则将所述清洗后的疾病治疗数据通过病种、位点、药物以及基因构建关联关系。
可选地，所述数据库构建模块还包括：
接口配置子模块，用于生成预设数据操作接口，并为所述预设数据库配置所述预设数据操作接口；所述预设数据操作接口用于为所述预设数据库提供与所述预设数据操作接口对应的操作功能。
可选地，所述数据推送模块包括：
模板获取子模块，用于获取数据展示模板，以及确定所述数据展示模板中的待填写区域；
数据填写子模块，用于将所述目标用药数据中与所述待填写区域相对应的数据填写至所述待填写区域，得到数据展示结果；
结果输出子模块，用于输出所述数据展示结果。
相较于现有技术，本发明具有以下有益效果：
本发明提供了一种用药数据推送方法及装置，获取用户基础数据；从预设数据库中筛选出符合预设用药筛选规则的用药数据，并作为第一用药数据；计算所述第一用药数据匹配所述用户所患疾病的药物匹配程度，并依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据；对所述目标用药数据进行数据推送。。通过本发明，可以自动确定并输出疾病治疗的药物数据，将药物数据推送给医生以提供用药指导建议，相比于医生直接依据疾病的检查结果数据来确定用药的方式来说，减少了人力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种用药数据推送方法的方法流程图；
图2为本发明实施例提供的一种数据输入界面图；
图3为本发明实施例提供的另一种用药数据推送方法的方法流程图；
图4为本发明实施例提供的一种用药数据推送装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种用药数据推送方法，参照图1，可以包括：
S11、获取用户基础数据。
本实施例中的用户基础数据主要是涉及用户所患的精神类疾病的疾病信息。即本实施例主要涉及的是针对精神类疾病的用药数据的确定。
用户基础数据可以采用样本信息管理模块进行获取和管理，所述用户基础数据为用户所患疾病的疾病信息。
详细来说，用户基础数据主要包括疾病类型、客户姓名/编号、客户性别、客户年龄、现病史、药物史、样本编号、样本类型、采样日期、样本接收日期、样本检测者、报告(审核)者、送检医院、医院地址、送检医师/主治医师、医师电话、变异检测结果列表等。
其中，客户姓名/编号、样本编号、样本类型、采样日期、样本接收日期、样本检测者、送检医院、医院地址、送检医师/主治医师、医师电话等信息仅用于在报告中进行展示；变异检测结果列表即为本发明之外通过基因检测并经生物信息分析后得到的样本中的变异位点列表，这份列表与疾病类型一起用于后续用药指导证据的获取；性别、年龄、现病史、药物史则用于对获取的证据进行过滤，筛选得到适用于该样本的用药证据；报告系统前端提供这些信息的录入功能，同时后台对提交的这些信息进行统一管理，生成一个解读配置文件和一份变异列表文件，便于后续的用药解读模块调用；每一份样本信息都会赋予一个唯一的ID；
参照图2，用户可以在图2给出的页面中填写用户基础数据，图2仅展示了部分页面，并未展现出全部页面。
其中，疾病类型为精神类疾病的国际疾病分类ICD11标准化名称对应的中文名，用户通过下拉菜单的形式进行选择，这些疾病类型的种类是根据知识库中知识数据进行确定的，数量可以随着知识库的扩展而自动增加；客户姓名/编号仅用于在报告中进行展示，为保护患者隐私，可以不提供真实姓名，用代号代替即可；客户性别和年龄不仅用于在报告中进行展示，对于部分包含有涉及到性别或年龄的用药指导证据，这些信息将被用于进行后续的证据筛选与过滤；现病史意思是患者当前所患的指定的精神类疾病外的其他疾病，这份信息主要是便于后续根据各药物的禁忌症信息去筛选和过滤药物；药物史指的是患者当前正在服用的以及近期服用过的药物，这部分信息主要是便于后续根据各药物的相互作用信息去筛选和过滤药物；样本编号、类型、采样日期、接收日期、样本检测者、报告(审核)者、送检医院、医师、电话、地址等主要是记录样本相关信息，在报告中进行展示；变异检测结果列表是本发明之外通过基因检测并经生物信息分析后得到的样本中的变异位点列表，这部分数据是后续进行解读的目标之一，将会被用于药物基因组学证据的筛选与过滤。
S12、从预设数据库中筛选出符合预设用药筛选规则的用药数据，并作为第一用药数据。
本发明实施例提前构建了预设数据库，所述预设数据库保存有不同疾病信息对应的用药数据，可以在预设数据库中搜索与该用户基础数据相匹配的第一用药数据。也即本实施例中的预设用药筛选规则用于筛选出符合所述用户基础数据所需的用药数据。
在介绍从预设数据库中筛选出符合预设用药筛选规则的用药数据之前，首先介绍预设数据库的构建过程，具体的，预设数据库的构建过程可以包括：
1)获取与目标对象有关联关系的疾病治疗数据。
预设数据库的构建过程可以采用数据采集模块实现，所述数据采集模块包括数据库构建、数据下载、清洗、整理与整合等子模块；所述数据库构建子模块用于构建数据整合规则，包括调研确定需要的数据集、各数据集需要分成哪些数据库表、各数据库表需要哪些字段以及怎么进行关联、各个字段的数据类型及数据长度等。其中，各数据库表在进行关联时，通过病种、位点、药物以及基因进行关联。
目标对象是精神类疾病，本实施例主要是获取各种精神类疾病的疾病治疗数据。精神类疾病是一类病因复杂的疾病，西药治疗往往是主要的治疗方式，但并不一直都是最佳的治疗方式，不仅其本身的治疗效果受患者的基因型影响，往往也还需要辅以心理治疗以及中药方剂调理，此外，也有很多新颖有效的治疗方式尚在临床试验中，有的患者有可能在患有精神类疾病的同时还患有其他类型疾病，并且正在进行相应的药物治疗，因此中西药治疗方案、药物基因组学证据，以及临床试验和药物相互作用等信息均对于精神类疾病的用药指导有着非常重要的意义，这些数据集都是需要的；所述数据下载子模块是从各个数据源下载或人工采集原始数据；所述数据清洗子模块是对下载的数据进行清洗，检查数据一致性，处理无效值和缺失值，发现并纠正个别下载数据中的错误；所述数据整理与整合子模块是根据数据库构建子模块中确定的数据库表及数据字段和数据类型及字段长度，对不同来源的数据分别进行整理，然后进行整合，去除重复数据，得到最终的数据集。
其中，所述数据库构建子模块确定了精神类疾病精准用药知识数据集类型，主要包括病种信息、上市药物基本信息、药物禁忌症信息、药物相互作用信息、药物基因组学数据、突变基因的功能注释信息、基因突变位点的注释信息、各种参考文献信息等；然后根据确定的数据集类型，设计相应的数据库表：包括数据表名、字段名、字段类型和字段长度等。
数据下载子模块从各个数据源下载或人工采集相应的数据到本地，包括从NIMH(美国国家精神卫生研究所)、NAMI(美国国家精神疾病联盟)、APA(美国精神病学协会)、WHOMental Health(世界卫生组织精神健康主题网站)、MentalHealth.gov(美国精神健康官方网站)、DSM-5(《精神疾病诊断与统计手册》第5版)等精神类疾病专门的诊疗信息网站和出版物中通过批量下载结合人工采集的方式获取这些疾病相关的诊疗证据，包括各种精神类疾病的诊断信息、药物治疗信息、心理治疗信息等，从FDA(美国食品药品监督管理局)、NMPA(国家药品监督管理局)、DailyMed(美国NIH药品标签数据库)、Drugs@FDA(美国FDA上市药物数据库)、DrugBank(学术界公认的综合性药物数据库)等官方和权威数据库中下载精神类药物原始数据，并通过写脚本程序结合人工采集的方式提取适应症、超适应症、禁忌症以及药物作用机制和药物相互作用等信息，从PharmGKB、PubMed、PubMed Central、SCI-Hub等数据库下载数据或文献，通过人工整理与审核的方式采集精神类疾病药物基因组学证据，从ClinicalTrials.gov和ChiCTR等数据库下载精神类疾病相关临床试验数据，从中国知网中草药数据库、疾病诊疗数据库、中药方剂数据库以及中国药典、TCMSP、TCMID、NSTI中医药学科数据中心等下载和整理精神类疾病相关的中药及方剂治疗信息，从北京大学第六医院等精神类疾病专科医院官方网站获取精神类疾病药品价格信息，从ClinVar、dbSNP、MyVariant.info等数据库下载变异数据，从HGNC、Uniprot、QuickGO、KEGG Genes等数据库下载基因和蛋白相关数据，从Disease Ontology、ICD11、MeSH、MalaCards等数据库下载疾病数据等。
数据清洗子模块即利用编程语言编写程序，对下载的各个数据集进行初步的整理，去除有问题的数据及过滤不需要的数据，保留信息类型无误的、与精神类疾病及其用药相关的各类数据集。也即通过数据清洗子模块实现了数据清洗操作。
2)对所述疾病治疗数据进行数据清洗操作，得到清洗后的疾病治疗数据。
数据清洗操作参照上述的数据清洗子模块的具体操作内容，经过数据清洗之后，可以得到清洗后的疾病治疗数据。
3)获取数据整合规则，并基于所述数据整合规则，对所述清洗后的疾病治疗数据进行数据整合，形成所述预设数据库。
数据整合规则的具体内容参照上述的数据库构建子模块的具体内容，保留下来的各个数据集经过数据整理与整合子模块先按照数据库构建子模块确定的各数据库表格式分别进行整理，然后再对同一个数据库表的数据进行整合，去除重复数据，得到整合后的无冗余的精神类疾病精准用药知识库，即预设数据库。预设数据库包括药物基本信息、适应症、超适应症以及禁忌症信息、药物相互作用信息、临床试验信息、中药信息、方剂信息、心理治疗方案信息、基因注释信息、参考文献、药物基因组学数据等内容，疾病治疗数据中的药物将清洗后的疾病治疗数据通过病种、位点、药物以及基因构建关联关系。
疾病精准治疗证据一般都同时包含有病种、基因、突变位点、药物等四大元素以及这些元素之间的关系信息，进而可以通过病种、基因、位点、药物来构建关联关系。例如，在某个病种中，某个基因发生某种突变之后，使用某种药物时药效的变化情况(升高或降低)或者不良反应的变化情况(增多或减少，程度升高或降低等)或者对于药代动力学的影响(如代谢增强或减弱、清除率升高还是降低、给药剂量应该增加还是减少)等等，然后根据这些关系信息总结出在特定情况下(特定病种中某种基因发生某种突变的情况)药物可以被推荐还是不应该被推荐。
上述说的是某一条证据的情况，当多条证据都同时提到同一个病种中同一个基因发生同一种突变的情况时，需要综合这所有的证据来综合判断这种情况下药物是否可用。
在数据整理与整合过程中，会对每一条药物基因组学证据进行用药指导判断，即根据具体的证据描述来确定针对带有某种突变的特定疾病类型的患者，某种特定药物是否可以被推荐使用：
如果证据谈论的主题是药效，则如果药效升高就是可以推荐使用的，药效降低就是不推荐使用的，如果药效的改变不确定，那该药物是否可以被推荐使用是尚未可知的；
如果证据谈论的主题是不良反应(风险)或毒性(风险)，则如果不良反应(风险)或毒性(风险)升高就是不推荐使用的，不良反应(风险)或毒性(风险)降低就是可以考虑使用的，如果不良反应(风险)或毒性(风险)的改变是不确定的，那该药物是否可以被推荐使用也是尚未可知的。
如果证据谈论的主题是用药剂量，则如果提示用药剂量需要提高，那用药时就要适量考虑增加用药剂量，否则有可能无法达到目标疗效，如果提示用药剂量需要降低，那用药时就要适量考虑减少用药剂量，否则有可能产生不良反应或毒性；
如果证据谈论的主题是药物清除率，则如果提示药物的清除率提高，或者清除速度加快，那用药时就要适量考虑增加用药剂量，否则有可能无法达到目标疗效，如果提示药物的清除率降低，或者清除速度降低，那用药时就要适量考虑减少用药剂量，否则有可能产生不良反应或毒性。
在药物禁忌症以及药物相互作用数据整理的过程中，会分别对禁忌条件以及相互作用的药物进行标准化，即得到药物推荐程度，以更好得匹配用户在样本信息管理模块中提交的现病史和药物史信息。
在构建得到预设数据库之后，还可以为预设数据库添加预设数据操作接口，具体的，生成预设数据操作接口，为所述预设数据库配置所述预设数据操作接口。所述预设数据操作接口用于为所述预设数据库提供与所述预设数据操作接口对应的操作功能。
在实际应用中，本实施例可以通过知识库管理模块构建，所述知识库管理模块包括知识查询、知识添加、知识删除、知识修改、数据导入及数据导出、审核等子模块；针对各个数据集的查询、添加、修改、删除等一一提供相应的操作接口，导入、导出、审核则提供相应的网页端操作模块；所述知识查询接口提供知识数据的查询功能，方便在线查询知识库中的知识；所述知识添加接口提供知识数据的添加功能，方便随时添加新的数据，更新知识库；所述知识删除接口可以在线删除冗余或过时的数据，确保数据的非冗余性和准确性；所述知识修改接口提供对知识数据的在线修改功能，能够对语言表述不够清晰的用药证据进行在线修改，确保所有语句通顺，不会导致理解偏差；所述数据导入以及导出子模块提供了知识数据的批量导入功能，可以避免直接登录后台数据库导入数据的繁琐操作，方便在本地对数据进行批量处理；数据审核子模块则可以对提交到系统中的每一条数据进行审核，确保数据无误。
在通过上述的方法构建预设数据库之后，就可以从预设数据库中筛选出用于治疗用户所患疾病的第一用药数据。
具体的，本步骤可以通过用药解读模块实现，在一个优选地实例中，所述用药解读模块首先从所述样本信息管理模块中产生的样本信息配置文件中读取疾病类型、性别、年龄等信息，利用知识库管理模块中提供的查询接口查询该类精神疾病相关的全部用药证据，包括适应症、超适应症、药物基因组、中药方剂、心理治疗、临床试验信息等，并通过性别和年龄进行过滤；接着，从所述样本信息管理模块中产生的变异列表文件中读取全部变异，按照变异名称和同义词匹配的方式匹配到数据库变异词条中，然后继续对前一步过滤得到的适应症、超适应症、药物基因组、临床试验等证据根据变异词条进行筛选；紧接着，继续从样本信息配置文件中读取现病史和药物史信息，用于筛选药物禁忌症证据，删除掉不满足药物禁忌症证据的药物，经过上述筛选，即可得到第一用药数据。
S13、确定所述第一用药数据匹配所述用户所患疾病的药物匹配程度，并依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据。
其中，药物匹配程度也可以称为药物推荐程度，所述药物推荐程度表征所述第一用药数据作为疾病治疗药物的可用程度。具体可分为推荐、不推荐以及不确定三种药物推荐程度。若为推荐，则表示该药物可以用作治疗，若为不推荐，则表示该药物不可以用作治疗，若为不确定，则表示该药物用作治疗的效果不确定。
在实际应用中，筛选得到的适应症、超适应症、禁忌症、药物基因组及临床试验证据，按照如下的规则进行用药结论判定：
对于特定的西药，其被推荐使用的第一前提是该药已经被国内外药监局(FDA或NMPA)针对该精神类疾病批准上市，其次，该药没有被任何匹配上的禁忌症证据以及任何匹配上的负向的药物基因组学证据所覆盖(所谓的负向药物基因组学证据是指结论为药效降低，或者毒副作用升高的证据)，只有满足以上条件，这个西药才能进入到推荐列表中作为候选；如果某个西药匹配上了任何一条禁忌症证据，该药将被直接贴上“不推荐”的标签；对于不属于以上两种情况的药物，将全部被列入“不确定”药物列表：
推荐用药条件：
只有适应症证据；
只同时有适应症证据和正向药物基因组学证据；
不推荐用药条件：
有禁忌症证据(无论有无其他证据)；
不确定一：可考虑用药条件：
只有超适应症证据；
只有正向药物基因组证据；
只同时有超适应症证据和正向药物基因组证据；
不确定二：须慎重考虑用药：
以上情况之外所有情况。
通过上述的确定方式，可以确定出第一用药数据对应的药物推荐程度。在得到药物推荐程度之后，就可以依据药物推荐程度确定出目标用药数据，具体的，参照图3，依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据，包括：
S21、筛选出对应的药物匹配程度为预设药物匹配程度的第一用药数据，并作为第二用药数据；
预设药物推荐程度可以是“推荐”和“不确定”。
S25、计算每一所述第二用药数据可作为被推荐药物的推荐值；
在打分排序过程中，除了“不推荐”药物列表不进行打分排序，“推荐”和“不确定”列表都会分别计算TScore，进行打分排序；打分之前，所有的证据都会根据证据级别分别被赋予一个权重值，包括适应症证据(正值，权重1.0)、超适应症证据(正值，权重0.8)、正向药物基因组学证据(正值)、负向药物基因组学证据(负值)、药物关联的临床试验(正值)；药物基因组学证据会继续根据证据来源级别的不同而被赋予不同的权重：FDA或NMPA批准的证据，权重1.0，各类指南收录的证据，权重0.8，临床试验结论，权重0.5，案例报道结论，权重0.3，临床前或推测的结论，权重0.1；然后根据各类证据的数量计算每个药物的分值，根据分值分别进行排序，最后得到两个经分值排序的药物列表；其中，“推荐”列表中药物的分值全部都是正值，但是“不确定”列表中的药物可能只有正值、也可能可能正值和负值的药物都存在，当然也可能都是负值：
TScore＝∑(Si*Ci)+lg(Cct+1)
其中Si为各类证据(除药物关联的临床试验)的权重(有正有负)，Ci为相应的证据数量，Cct为药物关联的临床试验的数量，计算出来的TScore即用于分类后的排序。
S26、依据所述推荐值，对所述第二用药数据进行排序，并输出排序序列号位于预设数值之前的第二用药数据，并作为所述目标用药数据。
排序完成后，可以仅输出预设数量的目标用药数据，如输出排序序列号位于预设数值之前的第二用药数据，并作为所述目标用药数据。
完成用药判定后，位列“推荐”和“不确定”列表中的药物会继续用来调用知识库管理模块中提供的查询接口，查询这些药物相关之间及与其他药物之间的相互作用信息，这部分信息将会提供给临床医生，在有需要的情况下可以启发其做出合理的联合用药方案。
S14、对所述目标用药数据进行数据推送。
在实际应用中，步骤S14具体可以包括：
1)获取数据展示模板，以及确定所述数据展示模板中的待填写区域；
2)将所述目标用药数据中与所述待填写区域相对应的数据填写至所述待填写区域，得到数据展示结果；
3)输出所述数据展示结果。
在一个优选地实例中，所述报告模板管理模块用于管理报告模板，也即数据展示模板。
其中，报告模板均是采用LaTex源代码编写而成，所有模板文件均是在本地的TexStudio软件上进行撰写、实时查看编译效果、修改、完善并确定最终版本之后，通过该模板管理模块进行上传，存储到系统中，同时记录模板等更新信息等；不同模板包含的信息类型、种类、版面格式与风格等均有所不同；每个版本的模板在系统中都会有相应的描述信息以及示例报告，用户可以很清楚地了解到不同版本的差异，从而选择最适合自己的版本。
在选取后合适的数据展示模板之后，获取所述数据展示模板中的待填写区域，将所述目标用药数据中与所述待填写区域相对应的数据，并填写至所述待填写区域。
本实施例可以采用报告生成与管理模块实现，具体的，所述报告生成与管理模块是从所述报告模板管理模块中调取LaTex版报告模板，从所述样本信息管理模块中产生的样本信息配置文件中读取疾病类型、客户姓名/编号、性别、年龄、现病史、药物史、样本编号、样本类型、采样日期、样本接收日期、样本检测者、报告(审核)者、送检医院、医院地址、送检医师/主治医师、医师电话等信息，通过实际抽取与汇报语言Perl脚本的正则表达式进行变量替换的方式，将这部分信息填入到报告模板中；然后将所述用药解读模块中得到的用药判定的结果及相应的证据信息按照同样的方式填入到模板的相应版块；紧接着继续将从所述用药解读模块中得到的药物相互作用信息以及中药方剂和心理治疗信息填入到模板的相应版块；其他的诸如突变基因的注释信息、各类证据的参考文献信息也都通过Perl脚本调用知识库管理模块中提供的查询接口获取数据，然后填入到模板的相应版块中；产生的LaTex可以调用系统预安装好的xelatex软件编译产生临时的PDF版报告，报告管理员可以对其进行审核，审核通过后继续通过xelatex软件编译产生正式版的PDF报告存到系统中；所有解读报告都被赋予一个唯一的ID，并被盖上时间戳，用户可随时随地登录系统，查看或下载自己生成的所有报告。
本实施例中，获取用户基础数据；从预设数据库中筛选出符合预设用药筛选规则的用药数据，并作为第一用药数据；计算所述第一用药数据匹配所述用户所患疾病的药物匹配程度，并依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据；对所述目标用药数据进行数据推送。。通过本发明，可以自动确定并输出疾病治疗的药物数据，将药物数据推送给医生以提供用药指导建议，相比于医生直接依据疾病的检查结果数据来确定用药的方式来说，减少了人力。
另外，本实施例从精神类疾病诊疗领域最为专业的数据源获取了药物基因组学证据、药品适应症、超适应症、禁忌症、精神类疾病临床试验、药物相互作用、中药方剂治疗方案、心理治疗方案等信息，并综合这些信息而得出药物及其他治疗方案分类策略和打分算法，更为精准；而且该系统提供的国内外注册的相关临床试验，可以帮助他们发现最为合适的临床试验，不仅能够增加更多的治愈希望，还能在一定程度上减轻他们的经济负担。
此外，本实施例中，专注于精神类疾病的精准用药解读，涉及精神类疾病及其治疗相关知识数据的获取与整理、样本信息的上传与处理、全新的精准用药解读策略、解读报告的生成与管理等。在数据源方面，选取了NIMH、NAMI、APA、WHO Mental Health、MentalHealth.gov、DSM-5等精神类疾病特有的诊疗信息网站和出版物，目标明确，特征明显。在数据类型这块，除了使用药物基因组学证据外，还结合了上市药物的适应症、超适应症、禁忌症、临床试验、药物相互作用、中药方剂治疗方案、心理治疗方案等证据，这在其他的技术方案中几乎没有的，尤其是在精神类疾病的精准用药指导领域更是没有。
在解读策略方面，我们是以药物为中心，综合了药物基因组学证据、药物适应症和超适应症以及禁忌症和药物相互作用信息等证据，对药物的可用性进行判定，更加明确也更加准确，同时，也根据证据类型和证据等级，为不同的证据赋予不同的权重，给每一种精神类疾病药物进行打分，计算TScore，在精准分类的前提下进行排序，可以帮助临床医生优中选优，确定最适合患者的治疗方案；此外，通过附加的中药方剂治疗信息、心理治疗信息以及临床试验信息，可以启发临床医生在西药治疗之外发现更多的治疗方案，提供给患者更多的治疗希望，同时也能减轻患者的经济负担。
数据采集模块、知识库管理模块、报告模板管理模块、样本信息管理模块、用药解读模块和报告生成与管理模块可以构成精神类疾病的精准用药解读系统，通过浏览器可随时随地访问，这将为精神类疾病相关科室医生提供一个非常便利的能够辅助他们为患者进行精准用药的工具。
可选的，在上述用药数据推送方法的实施例的基础上，本发明的另一实施例中提供了一种用药数据推送装置，参照图4，可以包括：
数据获取模块101，用于获取用户基础数据；所述用户基础数据为用户所患疾病的疾病信息；
第一数据筛选模块102，用于从预设数据库中筛选出符合预设用药筛选规则的用药数据，并作为第一用药数据；所述预设用药筛选规则用于筛选出符合所述用户基础数据所需的用药数据；所述预设数据库保存有不同疾病信息对应的用药数据；
第二数据筛选模块103，用于确定所述第一用药数据匹配所述用户所患疾病的药物匹配程度，并依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据；
数据推送模块104，用于对所述目标用药数据进行数据推送。
进一步，所述第二数据筛选模块包括：
第一筛选子模块，用于筛选出对应的药物匹配程度为预设药物匹配程度的第一用药数据，并作为第二用药数据；
数值确定子模块，用于计算每一所述第二用药数据可作为被推荐药物的推荐值；
第二筛选子模块，用于依据所述推荐值，对所述第二用药数据进行排序，并输出排序序列号位于预设数值之前的第二用药数据，并作为所述目标用药数据。
进一步，还包括数据库构建模块，所述数据库构建模块包括：
数据获取子模块，用于获取与目标对象有关联关系的疾病治疗数据；所述目标对象为精神类疾病；
数据清洗子模块，用于对所述疾病治疗数据进行数据清洗操作，得到清洗后的疾病治疗数据；
数据整合子模块，用于获取数据整合规则，并基于所述数据整合规则，对所述清洗后的疾病治疗数据进行数据整合，形成所述预设数据库；
其中，所述数据整合规则将所述清洗后的疾病治疗数据通过病种、位点、药物以及基因构建关联关系。
进一步，所述数据库构建模块还包括：
接口配置子模块，用于生成预设数据操作接口，并为所述预设数据库配置所述预设数据操作接口；所述预设数据操作接口用于为所述预设数据库提供与所述预设数据操作接口对应的操作功能。
进一步，所述数据推送模块包括：
模板获取子模块，用于获取数据展示模板，以及确定所述数据展示模板中的待填写区域；
数据填写子模块，用于将所述目标用药数据中与所述待填写区域相对应的数据填写至所述待填写区域，得到数据展示结果；
结果输出子模块，用于输出所述数据展示结果。
本实施例中，获取用户基础数据；从预设数据库中筛选出符合预设用药筛选规则的用药数据，并作为第一用药数据；计算所述第一用药数据匹配所述用户所患疾病的药物匹配程度，并依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据；对所述目标用药数据进行数据推送。。通过本发明，可以自动确定并输出疾病治疗的药物数据，将药物数据推送给医生以提供用药指导建议，相比于医生直接依据疾病的检查结果数据来确定用药的方式来说，减少了人力。
另外，本实施例从精神类疾病诊疗领域最为专业的数据源获取了药物基因组学证据、药品适应症、超适应症、禁忌症、精神类疾病临床试验、药物相互作用、中药方剂治疗方案、心理治疗方案等信息，并综合这些信息而得出药物及其他治疗方案分类策略和打分算法，更为精准；而且该系统提供的国内外注册的相关临床试验，可以帮助他们发现最为合适的临床试验，不仅能够增加更多的治愈希望，还能在一定程度上减轻他们的经济负担。
此外，本实施例中，专注于精神类疾病的精准用药解读，涉及精神类疾病及其治疗相关知识数据的获取与整理、样本信息的上传与处理、全新的精准用药解读策略、解读报告的生成与管理等。在数据源方面，选取了NIMH、NAMI、APA、WHO Mental Health、MentalHealth.gov、DSM-5等精神类疾病特有的诊疗信息网站和出版物，目标明确，特征明显。在数据类型这块，除了使用药物基因组学证据外，还结合了上市药物的适应症、超适应症、禁忌症、临床试验、药物相互作用、中药方剂治疗方案、心理治疗方案等证据，这在其他的技术方案中几乎没有的，尤其是在精神类疾病的精准用药指导领域更是没有。
在解读策略方面，我们是以药物为中心，综合了药物基因组学证据、药物适应症和超适应症以及禁忌症和药物相互作用信息等证据，对药物的可用性进行判定，更加明确也更加准确，同时，也根据证据类型和证据等级，为不同的证据赋予不同的权重，给每一种精神类疾病药物进行打分，计算TScore，在精准分类的前提下进行排序，可以帮助临床医生优中选优，确定最适合患者的治疗方案；此外，通过附加的中药方剂治疗信息、心理治疗信息以及临床试验信息，可以启发临床医生在西药治疗之外发现更多的治疗方案，提供给患者更多的治疗希望，同时也能减轻患者的经济负担。
数据采集模块、知识库管理模块、报告模板管理模块、样本信息管理模块、用药解读模块和报告生成与管理模块可以构成精神类疾病的精准用药解读系统，通过浏览器可随时随地访问，这将为精神类疾病相关科室医生提供一个非常便利的能够辅助他们为患者进行精准用药的工具。
需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种用药数据推送方法，其特征在于，包括：
获取用户基础数据；所述用户基础数据为用户所患疾病的疾病信息；
从预设数据库中筛选出符合预设用药筛选规则的用药数据，并作为第一用药数据；所述预设用药筛选规则用于筛选出符合所述用户基础数据所需的用药数据；所述预设数据库保存有不同疾病信息对应的用药数据；
确定所述第一用药数据匹配所述用户所患疾病的药物匹配程度，并依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据；
对所述目标用药数据进行数据推送。
2.根据权利要求1所述的用药数据推送方法，其特征在于，依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据，包括：
筛选出对应的药物匹配程度为预设药物匹配程度的第一用药数据，并作为第二用药数据；
计算每一所述第二用药数据可作为被推荐药物的推荐值；
依据所述推荐值，对所述第二用药数据进行排序，并输出排序序列号位于预设数值之前的第二用药数据，并作为所述目标用药数据。
3.根据权利要求1所述的用药数据推送方法，其特征在于，所述预设数据库的构建过程包括：
获取与目标对象有关联关系的疾病治疗数据；所述目标对象为精神类疾病；
对所述疾病治疗数据进行数据清洗操作，得到清洗后的疾病治疗数据；
获取数据整合规则，并基于所述数据整合规则，对所述清洗后的疾病治疗数据进行数据整合，形成所述预设数据库；
其中，所述数据整合规则将所述清洗后的疾病治疗数据通过病种、位点、药物以及基因构建关联关系。
4.根据权利要求3所述的用药数据推送方法，其特征在于，所述预设数据库的构建过程还包括：
生成预设数据操作接口，并为所述预设数据库配置所述预设数据操作接口；所述预设数据操作接口用于为所述预设数据库提供与所述预设数据操作接口对应的操作功能。
5.根据权利要求1所述的用药数据推送方法，其特征在于，对所述目标用药数据进行数据推送，包括：
获取数据展示模板，以及确定所述数据展示模板中的待填写区域；
将所述目标用药数据中与所述待填写区域相对应的数据填写至所述待填写区域，得到数据展示结果；
输出所述数据展示结果。
6.一种用药数据推送装置，其特征在于，包括：
数据获取模块，用于获取用户基础数据；所述用户基础数据为用户所患疾病的疾病信息；
第一数据筛选模块，用于从预设数据库中筛选出符合预设用药筛选规则的用药数据，并作为第一用药数据；所述预设用药筛选规则用于筛选出符合所述用户基础数据所需的用药数据；所述预设数据库保存有不同疾病信息对应的用药数据；
第二数据筛选模块，用于确定所述第一用药数据匹配所述用户所患疾病的药物匹配程度，并依据所述药物匹配程度，从所述第一用药数据中筛选出满足药物推荐条件的目标用药数据；
数据推送模块，用于对所述目标用药数据进行数据推送。
7.根据权利要求6所述的用药数据推送装置，其特征在于，所述第二数据筛选模块包括：
第一筛选子模块，用于筛选出对应的药物匹配程度为预设药物匹配程度的第一用药数据，并作为第二用药数据；
数值确定子模块，用于计算每一所述第二用药数据可作为被推荐药物的推荐值；
第二筛选子模块，用于依据所述推荐值，对所述第二用药数据进行排序，并输出排序序列号位于预设数值之前的第二用药数据，并作为所述目标用药数据。
8.根据权利要求6所述的用药数据推送装置，其特征在于，还包括数据库构建模块，所述数据库构建模块包括：
数据获取子模块，用于获取与目标对象有关联关系的疾病治疗数据；所述目标对象为精神类疾病；
数据清洗子模块，用于对所述疾病治疗数据进行数据清洗操作，得到清洗后的疾病治疗数据；
数据整合子模块，用于获取数据整合规则，并基于所述数据整合规则，对所述清洗后的疾病治疗数据进行数据整合，形成所述预设数据库；
其中，所述数据整合规则将所述清洗后的疾病治疗数据通过病种、位点、药物以及基因构建关联关系。
9.根据权利要求7所述的用药数据推送装置，其特征在于，所述数据库构建模块还包括：
接口配置子模块，用于生成预设数据操作接口，并为所述预设数据库配置所述预设数据操作接口；所述预设数据操作接口用于为所述预设数据库提供与所述预设数据操作接口对应的操作功能。
10.根据权利要求6所述的用药数据推送装置，其特征在于，所述数据推送模块包括：
模板获取子模块，用于获取数据展示模板，以及确定所述数据展示模板中的待填写区域；
数据填写子模块，用于将所述目标用药数据中与所述待填写区域相对应的数据填写至所述待填写区域，得到数据展示结果；
结果输出子模块，用于输出所述数据展示结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911317375.XA CN111048173B (zh) | 2019-12-19 | 2019-12-19 | 一种用药数据推送方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911317375.XA CN111048173B (zh) | 2019-12-19 | 2019-12-19 | 一种用药数据推送方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111048173A true CN111048173A (zh) | 2020-04-21 |
| CN111048173B CN111048173B (zh) | 2024-04-05 |
Family
ID=70237788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911317375.XA Active CN111048173B (zh) | 2019-12-19 | 2019-12-19 | 一种用药数据推送方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111048173B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111768830A (zh) * | 2020-05-27 | 2020-10-13 | 医利捷(上海)信息科技有限公司 | 一种基于云计算的个体化给药医药管理系统及方法 |
| CN112270968A (zh) * | 2020-11-16 | 2021-01-26 | 上海陶术生物科技有限公司 | 一种基于数据库的药物疾病匹配方法 |
| CN112687370A (zh) * | 2020-12-28 | 2021-04-20 | 博奥生物集团有限公司 | 一种电子药方生成方法、装置及电子设备 |
| CN112992378A (zh) * | 2021-04-25 | 2021-06-18 | 南京大经中医药信息技术有限公司 | 一种多维度中药方剂推荐方法和推荐系统 |
| CN113782146A (zh) * | 2021-09-16 | 2021-12-10 | 平安科技（深圳）有限公司 | 基于人工智能的全科用药推荐方法、装置、设备及介质 |
| CN118072828A (zh) * | 2024-04-22 | 2024-05-24 | 北京百奥利盟软件技术有限公司 | 一种多组学实验过程数据的管理方法、系统和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7716065B1 (en) * | 2003-10-16 | 2010-05-11 | Max Well Medical, Inc. | Method of generating and maintaining a patient medication profile |
| CN106156538A (zh) * | 2016-06-29 | 2016-11-23 | 天津诺禾医学检验所有限公司 | 一种全基因组变异数据的注释方法和注释系统 |
| CN109378045A (zh) * | 2018-09-26 | 2019-02-22 | 北京理工大学 | 基于药品知识图谱推理的用药决策支持方法 |
| CN109616173A (zh) * | 2018-10-15 | 2019-04-12 | 平安科技（深圳）有限公司 | 药品管理方法、装置、计算机设备及存储介质 |
| CN110289068A (zh) * | 2019-06-20 | 2019-09-27 | 北京百度网讯科技有限公司 | 药品推荐方法及设备 |
-
2019
- 2019-12-19 CN CN201911317375.XA patent/CN111048173B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7716065B1 (en) * | 2003-10-16 | 2010-05-11 | Max Well Medical, Inc. | Method of generating and maintaining a patient medication profile |
| CN106156538A (zh) * | 2016-06-29 | 2016-11-23 | 天津诺禾医学检验所有限公司 | 一种全基因组变异数据的注释方法和注释系统 |
| CN109378045A (zh) * | 2018-09-26 | 2019-02-22 | 北京理工大学 | 基于药品知识图谱推理的用药决策支持方法 |
| CN109616173A (zh) * | 2018-10-15 | 2019-04-12 | 平安科技（深圳）有限公司 | 药品管理方法、装置、计算机设备及存储介质 |
| CN110289068A (zh) * | 2019-06-20 | 2019-09-27 | 北京百度网讯科技有限公司 | 药品推荐方法及设备 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111768830A (zh) * | 2020-05-27 | 2020-10-13 | 医利捷(上海)信息科技有限公司 | 一种基于云计算的个体化给药医药管理系统及方法 |
| CN112270968A (zh) * | 2020-11-16 | 2021-01-26 | 上海陶术生物科技有限公司 | 一种基于数据库的药物疾病匹配方法 |
| CN112687370A (zh) * | 2020-12-28 | 2021-04-20 | 博奥生物集团有限公司 | 一种电子药方生成方法、装置及电子设备 |
| CN112687370B (zh) * | 2020-12-28 | 2023-12-22 | 北京博奥晶方生物科技有限公司 | 一种电子药方生成方法、装置及电子设备 |
| CN112992378A (zh) * | 2021-04-25 | 2021-06-18 | 南京大经中医药信息技术有限公司 | 一种多维度中药方剂推荐方法和推荐系统 |
| CN113782146A (zh) * | 2021-09-16 | 2021-12-10 | 平安科技（深圳）有限公司 | 基于人工智能的全科用药推荐方法、装置、设备及介质 |
| CN113782146B (zh) * | 2021-09-16 | 2023-08-22 | 平安科技（深圳）有限公司 | 基于人工智能的全科用药推荐方法、装置、设备及介质 |
| CN118072828A (zh) * | 2024-04-22 | 2024-05-24 | 北京百奥利盟软件技术有限公司 | 一种多组学实验过程数据的管理方法、系统和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111048173B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111048173B (zh) | 一种用药数据推送方法及装置 | |
| CN109686456A (zh) | 一种肿瘤精准用药解读系统及方法 | |
| Recinos et al. | Patient satisfaction with collection of patient-reported outcome measures in routine care | |
| Ghadimi et al. | General practitioners' prescribing patterns for the elderly in a province of Iran | |
| Barry et al. | PIPc study: development of indicators of potentially inappropriate prescribing in children (PIPc) in primary care using a modified Delphi technique | |
| Gonçalves Bradley et al. | Routine provision of information on patient-reported outcome measures to healthcare providers and patients in clinical practice | |
| Ndosi et al. | Common measure of quality of life for people with systemic sclerosis across seven European countries: a cross-sectional study | |
| WO2015123542A1 (en) | Biomedical research database development and uses | |
| Rinaldi et al. | Harmonization and standardization of data for a pan-European cohort on SARS-CoV-2 pandemic | |
| Madeira et al. | Transparency and accuracy in funding investigator-initiated clinical trials: a systematic search in clinical trials databases | |
| CN111863223B (zh) | 医疗卫生服务的推荐方法、系统、电子设备及存储介质 | |
| Clauson et al. | Evaluation of drug information databases for personal digital assistants | |
| JP4990410B1 (ja) | 医療費解析システム | |
| Akintola et al. | Non-pharmacological interventions for improving quality of life of long-term care residents with dementia: a scoping review protocol | |
| Alayche et al. | Evaluating prospective study registration and result reporting of trials conducted in Canada from 2009 to 2019 | |
| Suraj et al. | SMART COVID navigator, a clinical decision support tool for COVID-19 treatment: Design and development study | |
| Van den Berg et al. | The METEOR initiative: the way forward for optimal, worldwide data integration to improve care for RA patients | |
| Granit et al. | Harnessing the power of the electronic health record for ALS research and quality improvement: CReATe CAPTURE‐ALS and the ALS Toolkit | |
| Babashahi et al. | Costs, consequences and value for money in non-medical prescribing: a scoping review | |
| Taylor et al. | Development and testing of data infrastructure in the American College of Emergency Physicians’ Clinical Emergency Data Registry for opioid‐related research | |
| Li et al. | Ontological organization and bioinformatic analysis of adverse drug reactions from package inserts: Development and usability study | |
| Collier et al. | A rheumatology‐specific informatics‐based application with a disease activity calculator | |
| Chen et al. | Establishment and empirical evaluation of a quality indicator system for postoperative pain management | |
| KR20050033274A (ko) | 다양한 분석서비스를 제공하는 병원관리시스템 | |
| Gao | Systematic review |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230821 Address after: 102206 No. 18, life science Road, Beijing, Changping District Applicant after: CAPITALBIO Corp. Applicant after: TSINGHUA University Address before: 102206 No. 18, life science Road, Beijing, Changping District Applicant before: CAPITALBIO Corp. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |