CN111178444A - 一种基于向量分析的中药配方治疗效果统计方法 - Google Patents

一种基于向量分析的中药配方治疗效果统计方法 Download PDF

Info

Publication number
CN111178444A
CN111178444A CN201911416721.XA CN201911416721A CN111178444A CN 111178444 A CN111178444 A CN 111178444A CN 201911416721 A CN201911416721 A CN 201911416721A CN 111178444 A CN111178444 A CN 111178444A
Authority
CN
China
Prior art keywords
prescription
treatment
information
chinese medicine
traditional chinese
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
Application number
CN201911416721.XA
Other languages
English (en)
Other versions
CN111178444B (zh
Inventor
徐云生
毕思玲
倪琳琳
张现波
徐灿坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Second Affiliated Hospital Shandong University Of Traditional Chinese Medicine
Original Assignee
Second Affiliated Hospital Shandong University Of Traditional Chinese Medicine
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Second Affiliated Hospital Shandong University Of Traditional Chinese Medicine filed Critical Second Affiliated Hospital Shandong University Of Traditional Chinese Medicine
Priority to CN201911416721.XA priority Critical patent/CN111178444B/zh
Publication of CN111178444A publication Critical patent/CN111178444A/zh
Application granted granted Critical
Publication of CN111178444B publication Critical patent/CN111178444B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
    • 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)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Alternative & Traditional Medicine (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于向量分析的中药配方治疗效果统计方法，涉及中医治疗技术领域，技术方案为，将现有的中药治疗医案进行结构化；将结构化后的中药治疗医案数据化；用数据化后的中药治疗医案构建中药治疗基础库；通过所述中药治疗基础库，按照疾病信息遍历其对应的药方组成信息，对药方组成信息的短文本向量进行比对，通过向量的相似度判定该疾病对应药方的药方疗效信息。本发明的有益效果是：本方案通过构建中医治疗病案的大数据，以大数据为基础进行统计，通过对病人对疾病的诊疗次数来反推其使用药方治疗效果，从侧面体现药方对疾病的治疗的有效程度，借助向量的相似度对药方组成进行判定，使其成为疾病治疗的参考。

Description

一种基于向量分析的中药配方治疗效果统计方法
技术领域
本发明涉及中医治疗技术领域，特别涉及一种基于向量分析的中药配方治疗效果统计方法。
背景技术
中医作为我国独有的医疗技术，中医治疗方式中的一大组成部分为熬制中药进行治疗，借助多种药材组成配方进行熬煮，通过患者饮用中药来调和人体，从而实现疾病治疗。
作为去看病的患者，通常不会对看病疗效做出反馈。作为医生而言，需要面对大量的患者，并不容易直接获取所开药方的治疗效果。只能根据个人的经验去判断药方的使用情况。
发明内容
针对上述技术问题，本发明提供一种基于向量分析的中药配方治疗效果统计方法。
其技术方案为，S1、将现有的中药治疗医案进行结构化；
S2、将结构化后的中药治疗医案数据化；在对医案数据化时，将其文本部分转换为短文本向量，方便后续进行文本相似度匹配；
S3、用数据化后的中药治疗医案构建中药治疗基础库；
S4、通过所述中药治疗基础库，提取疾病信息，药方组成信息和药方疗效信息；
S5、按照疾病信息遍历其对应的药方组成信息，通过对药方组成信息的短文本向量进行比对，通过向量的相似度判定该疾病对应药方的药方疗效信息；
S6、输出药方疗效信息结果。
优选为，所述S1中对中药治疗医案的结构化方法为，
S101、定义多维的医案数据元素结构；
S102、根据S101的医案数据元素结构对应中药治疗医案进行元素拆分；
S103、将拆分后的医案数据按照元素结构组成结构化的中药治疗医案信息。
优选为，所述S2中，将结构化后的中药治疗医案数据化具体为，按照结构化后的元素信息将原中药治疗医案转换为数据形式；
其中药方组成部分的数据形式转换，首先对使用的药材名称进行排序，然后对应配方中每种药材形成药材名称和用量组成的药材特征格式（N，C），其中N药材名称格式，C为该药材的用量格式，药材名称和用量的文本分别转换为短文本向量，药方则由其使用的各个药材特征格式组成；
所述S3为将S2数据化后的中药治疗医案构建为中药治疗基础库。
优选为，所述S4中，通过所述中药治疗基础库，提取疾病信息，药方组成信息和药方疗效信息；具体为，
通过中药治疗基础库中的数据，提取病案信息，病案信息包括病人信息，病种信息、药方组成信息；
所述病种信息为疾病信息，疾病信息包括疾病名称，及对应中医诊疗的疾病体现形式，即通过望闻问切的中医诊疗方式获取的疾病表现形式，如血瘀，胸痹等等；
药方组成信息为药方使用的药材信息；
通过所述病人信息，病种信息，药方组成信息，提取疗效信息；
所述疗效信息为根据某一病人对应的某一个病种去医院治疗的次数，来统计药方疗效，以该病人去某一医院第一次诊疗某一病种为起始，以获取一个药方后的诊疗次数进行统计，其后续时间中，去医院诊疗同一病种次数值越低，则证明其使用该药方的治疗配方效果越好。
换句话说，通过构建医案大数据，假设病人A因为疾病B在某一个医院进行诊疗，获取药方C，如果在此之后，病人A一段时间的病案信息中没有再出现因为疾病B而去某个医院的诊疗记录，则说明药方C具有较好的疗效。反之，如果病人A在获取药方C后，又出现了多次去其任一医院进行疾病B诊疗的记录，则说明之前的药方C疗效较差。
优选为，所述S5中，按照疾病信息遍历其对应的药方组成信息，通过对药方组成信息的短文本向量进行比对，通过向量的相似度判定该疾病对应药方的药方疗效信息；具体为，
通过向量的相似度比对同一疾病的药方组成信息，遍历相似度最为接近的药方组成信息，根据相似度接近的药方组成信息对应的疗效信息进行统计，从而获取不同的药方组成的疗效对应结果。向量的相似度计算可以采用余弦相似度计算，或者其它的相似度计算方法。
优选为，所述S5中疗效信息的统计方法为，根据所述疗效信息中统合的药方诊疗次数值，设定诊疗次数值的取值上限，提出超出上限的病案信息，视其为无效病案信息；
遍历有效的病案信息，将相似度最为接近的所有药方的诊疗次数值相加，求取诊疗次数平均值，作为药方诊疗效果参考值，诊疗效果参考值越低，则说明该药方对应该疾病的疗效越好。
优选为，所述药材名称排序方法为，按照药材名称的拼音字母为优先顺序排序，按照药材名称的声调为次要顺序排序。
本发明实施例提供的技术方案带来的有益效果是：本方案通过构建中医治疗病案的大数据，以大数据为基础进行统计，通过对病人对疾病的诊疗次数来反推其使用药方治疗效果，从侧面体现药方对疾病的治疗的有效程度，借助文本向量的相似度对药方组成进行判定，从而从海量的数据中统计出相似药方的平均治疗效果，使其成为疾病治疗的参考。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。当然，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，在不冲突的情况下，本发明创造中的实施例及实施例中的特征可以相互组合。
实施例1
本发明提供一种基于向量分析的中药配方治疗效果统计方法，
S1、将现有的中药治疗医案进行结构化；具体为，
S101、定义多维的医案数据元素结构；
S102、根据S101的医案数据元素结构对应中药治疗医案进行元素拆分；
S103、将拆分后的医案数据按照元素结构组成结构化的中药治疗医案信息。
S2、将结构化后的中药治疗医案数据化；在对医案数据化时，将其文本部分转换为短文本向量，方便后续进行文本相似度匹配；因为药方相对来说其组成文本量较小，因此可以直接以短文本向量的形式在数据库中加以保存；
其中药方组成部分的数据形式转换，首先对使用的药材名称进行排序，然后对应配方中每种药材形成药材名称和用量组成的药材特征格式（N，C），其中N药材名称格式，C为该药材的用量格式，药材名称和用量的文本分别转换为短文本向量，药方则由其使用的各个药材特征格式组成；
药材名称排序方法为，按照药材名称的拼音字母为优先顺序排序，按照药材名称的声调为次要顺序排序。
将原文本形式转变为数据格式，从而便于下一步形成基础数据库。
S3、用数据化后的中药治疗医案构建中药治疗基础库；具体为将S2数据化后的中药治疗医案构建为中药治疗基础库。构建医案大数据，通过单一医院，扩展至一个区，一个市，一个省……从而形成医案大数据，以便对病患的治疗情况作出全面的统计。
S4、通过中药治疗基础库，提取疾病信息，药方组成信息和药方疗效信息；具体为，
具体为，通过中药治疗基础库中的数据，提取病案信息，病案信息包括病人信息，病种信息、药方组成信息；
病种信息为疾病信息，疾病信息包括疾病名称，及对应中医诊疗的疾病体现形式，即通过望闻问切的中医诊疗方式获取的疾病表现形式，如血瘀，胸痹等等；
药方组成信息为药方使用的药材信息；
通过病人信息，病种信息，药方组成信息，提取疗效信息；
疗效信息为根据某一病人对应的某一个病种去医院治疗的次数，来统计药方疗效，以该病人去某一医院第一次诊疗某一病种为起始，以获取一个药方后的诊疗次数进行统计，其后续时间中，去医院诊疗同一病种次数值越低，则证明其使用该药方的治疗配方效果越好。
换句话说，通过构建医案大数据，假设病人A因为疾病B在某一个医院进行诊疗，获取药方C，如果在此之后，病人A一段时间的病案信息中没有再出现因为疾病B而去某个医院的诊疗记录，则说明药方C具有较好的疗效。反之，如果病人A在获取药方C后，又出现了多次去其任一医院进行疾病B诊疗的记录，则说明之前的药方C疗效较差。
S5、按照疾病信息遍历其对应的药方组成信息，通过对药方组成信息的短文本向量进行比对，通过向量的相似度判定该疾病对应药方的药方疗效信息；具体为，通过向量的相似度比对同一疾病的药方组成信息，遍历相似度最为接近的药方组成信息，根据相似度接近的药方组成信息对应的疗效信息进行统计，从而获取不同的药方组成的疗效对应结果。向量的相似度计算可以采用余弦相似度计算，或者其它的相似度计算方法。
其中疗效信息的统计方法为，根据疗效信息中统合的药方诊疗次数值，设定诊疗次数值的取值上限，提出超出上限的病案信息，视其为无效病案信息；
遍历有效的病案信息，将相似度最为接近的所有药方的诊疗次数值相加，求取诊疗次数平均值，作为药方诊疗效果参考值，诊疗效果参考值越低，则说明该药方对应该疾病的疗效越好。
S6、输出药方疗效信息结果。
以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于向量分析的中药配方治疗效果统计方法，其特征在于，包括，
S1、将现有的中药治疗医案进行结构化；
S2、将结构化后的中药治疗医案数据化；在对医案数据化时，将其文本部分转换为短文本向量；
S3、用数据化后的中药治疗医案构建中药治疗基础库；
S4、通过所述中药治疗基础库，提取疾病信息，药方组成信息和药方疗效信息；
S5、按照疾病信息遍历其对应的药方组成信息，通过对药方组成信息的短文本向量进行比对，通过向量的相似度判定该疾病对应药方的药方疗效信息；
S6、输出药方疗效信息结果。
2.根据权利要求1所述的基于向量分析的中药配方治疗效果统计方法，其特征在于，所述S1中对中药治疗医案的结构化方法为，
S101、定义多维的医案数据元素结构；
S102、根据S101的医案数据元素结构对应中药治疗医案进行元素拆分；
S103、将拆分后的医案数据按照元素结构组成结构化的中药治疗医案信息。
3.根据权利要求2所述的基于向量分析的中药配方治疗效果统计方法，其特征在于，所述S2中，将结构化后的中药治疗医案数据化具体为，按照结构化后的元素信息将原中药治疗医案转换为数据形式；
其中药方组成部分的数据形式转换，首先对使用的药材名称进行排序，然后对应配方中每种药材形成药材名称和用量组成的药材特征格式（N，C），其中N药材名称格式，C为该药材的用量格式，药材名称和用量的文本分别转换为短文本向量，药方则由其使用的各个药材特征格式组成；
所述S3为将S2数据化后的中药治疗医案构建为中药治疗基础库。
4.根据权利要求3所述的基于向量分析的中药配方治疗效果统计方法，其特征在于，所述S4中，通过所述中药治疗基础库，提取疾病信息，药方组成信息和药方疗效信息；具体为，
通过中药治疗基础库中的数据，提取病案信息，病案信息包括病人信息，病种信息、药方组成信息；
所述病种信息为疾病信息，疾病信息包括疾病名称，及对应中医诊疗的疾病体现形式，即通过望闻问切的中医诊疗方式获取的疾病表现形式；
药方组成信息为药方使用的药材信息；
通过所述病人信息，病种信息，药方组成信息，提取疗效信息；
所述疗效信息为根据某一病人对应的某一个病种去医院治疗的次数，来统计药方疗效，以该病人去某一医院第一次诊疗某一病种为起始，以获取一个药方后的诊疗次数进行统计，其后续时间中，去医院诊疗同一病种次数值越低，则证明其使用该药方的治疗配方效果越好。
5.根据权利要求3所述的基于向量分析的中药配方治疗效果统计方法，其特征在于，所述S5中，按照疾病信息遍历其对应的药方组成信息，通过对药方组成信息的短文本向量进行比对，通过向量的相似度判定该疾病对应药方的药方疗效信息；具体为，
通过向量的相似度比对同一疾病的药方组成信息，遍历相似度最为接近的药方组成信息，根据相似度接近的药方组成信息对应的疗效信息进行统计，从而获取不同的药方组成的疗效对应结果。
6.根据权利要求1-5所述的基于向量分析的中药配方治疗效果统计方法，其特征在于，所述S5中疗效信息的统计方法为，根据所述疗效信息中统合的药方诊疗次数值，设定诊疗次数值的取值上限，提出超出上限的病案信息，视其为无效病案信息；
遍历有效的病案信息，将相似度最为接近的所有药方的诊疗次数值相加，求取诊疗次数平均值，作为药方诊疗效果参考值，诊疗效果参考值越低，则说明该药方对应该疾病的疗效越好。
7.根据权利要求1-6所述的基于向量分析的中药配方治疗效果统计方法，其特征在于，所述药材名称排序方法为，按照药材名称的拼音字母为优先顺序排序，按照药材名称的声调为次要顺序排序。
CN201911416721.XA 2019-12-31 2019-12-31 一种基于向量分析的中药配方治疗效果统计方法 Active CN111178444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911416721.XA CN111178444B (zh) 2019-12-31 2019-12-31 一种基于向量分析的中药配方治疗效果统计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911416721.XA CN111178444B (zh) 2019-12-31 2019-12-31 一种基于向量分析的中药配方治疗效果统计方法

Publications (2)

Publication Number Publication Date
CN111178444A true CN111178444A (zh) 2020-05-19
CN111178444B CN111178444B (zh) 2023-06-02

Family

ID=70654401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911416721.XA Active CN111178444B (zh) 2019-12-31 2019-12-31 一种基于向量分析的中药配方治疗效果统计方法

Country Status (1)

Country Link
CN (1) CN111178444B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113380405A (zh) * 2021-03-11 2021-09-10 东莞市人民医院 一种移动健康管理平台及其控制方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101574556A (zh) * 2008-09-19 2009-11-11 兰州军区兰州总医院 基于变异的亥母核磁线圈的骨质疏松治疗系统
CN105718732A (zh) * 2016-01-20 2016-06-29 华中科技大学同济医学院附属协和医院 一种医疗数据采集分析方法及系统
CN105740612A (zh) * 2016-01-27 2016-07-06 北京国医精诚科技有限公司 基于中医临床医案的疾病诊疗方法和系统
CN105760705A (zh) * 2016-05-20 2016-07-13 陕西科技大学 一种基于大数据的医疗诊断系统
CN106169165A (zh) * 2015-05-20 2016-11-30 詹宇 面向诊疗数据的症状层次关联及预测方法
CN106339577A (zh) * 2016-08-15 2017-01-18 成都中医药大学 中医特色专科医疗信息化方法
CN106934018A (zh) * 2017-03-11 2017-07-07 广东省中医院 一种基于协同过滤的医生推荐系统
CN108109700A (zh) * 2017-12-19 2018-06-01 中国科学院深圳先进技术研究院 一种慢性病药物疗效评价方法和装置
WO2019008375A1 (en) * 2017-07-06 2019-01-10 Ucl Business Plc METHOD FOR IDENTIFYING RESPONDERS TO THE TREATMENT OF CANCER
CN109344250A (zh) * 2018-09-07 2019-02-15 北京大学 基于医保数据的单病种诊断信息快速结构化方法
CN109903854A (zh) * 2019-01-25 2019-06-18 电子科技大学 一种基于中医药文献的核心药物识别方法
CN110400633A (zh) * 2019-03-05 2019-11-01 徐永强 基于临床数据的人工智能学习处理系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101574556A (zh) * 2008-09-19 2009-11-11 兰州军区兰州总医院 基于变异的亥母核磁线圈的骨质疏松治疗系统
CN106169165A (zh) * 2015-05-20 2016-11-30 詹宇 面向诊疗数据的症状层次关联及预测方法
CN105718732A (zh) * 2016-01-20 2016-06-29 华中科技大学同济医学院附属协和医院 一种医疗数据采集分析方法及系统
CN105740612A (zh) * 2016-01-27 2016-07-06 北京国医精诚科技有限公司 基于中医临床医案的疾病诊疗方法和系统
CN105760705A (zh) * 2016-05-20 2016-07-13 陕西科技大学 一种基于大数据的医疗诊断系统
CN106339577A (zh) * 2016-08-15 2017-01-18 成都中医药大学 中医特色专科医疗信息化方法
CN106934018A (zh) * 2017-03-11 2017-07-07 广东省中医院 一种基于协同过滤的医生推荐系统
WO2019008375A1 (en) * 2017-07-06 2019-01-10 Ucl Business Plc METHOD FOR IDENTIFYING RESPONDERS TO THE TREATMENT OF CANCER
CN108109700A (zh) * 2017-12-19 2018-06-01 中国科学院深圳先进技术研究院 一种慢性病药物疗效评价方法和装置
CN109344250A (zh) * 2018-09-07 2019-02-15 北京大学 基于医保数据的单病种诊断信息快速结构化方法
CN109903854A (zh) * 2019-01-25 2019-06-18 电子科技大学 一种基于中医药文献的核心药物识别方法
CN110400633A (zh) * 2019-03-05 2019-11-01 徐永强 基于临床数据的人工智能学习处理系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘俊纯: "医院诊疗项目ICD-10编码准确性的探讨", 中国卫生统计 *
白雅雯;麻春杰;韩雪梅;钱占红;任存霞: "基于数据挖掘的《临证指南医案》络病用药规律研究", 中国中医药信息杂志 *
袁锋;陈守强: "一种高效挖掘冠心病医案关联规则的仿真研究", 计算机仿真 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113380405A (zh) * 2021-03-11 2021-09-10 东莞市人民医院 一种移动健康管理平台及其控制方法

Also Published As

Publication number Publication date
CN111178444B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
Vickers et al. Homoeopathic Oscillococcinum for preventing and treating influenza and influenza‐like syndromes
Liu et al. Herbal medicines for treating HIV infection and AIDS
Jin et al. An improved association-mining research for exploring Chinese herbal property theory: based on data of the Shennong's Classic of Materia Medica
CN106803012B (zh) 基于概率主题模型和中药基本属性的方剂功能预测方法
CN109273098B (zh) 一种基于智能决策的药品疗效预测方法和装置
CN107480135B (zh) 数据处理方法、医学用语处理系统和医学诊疗系统
CN110223784A (zh) 临床试验患者匹配方法
CN111178444A (zh) 一种基于向量分析的中药配方治疗效果统计方法
Carpenter et al. Report of the NIH panel to define principles of therapy of HIV infection
CN111180084B (zh) 一种基于聚类算法的中药疗效统计方法
Huang et al. Parecat: Patient record subcategorization for precision traditional chinese medicine
Bai et al. CBDPS 1.0: A Python GUI application for machine learning models to predict bitter-tasting children’s oral medicines
CN111180032A (zh) 一种基于余弦计算的中药物疗效统计方法
Brierley-Jones Talking therapy: The allopathic nihilation of homoeopathy through conceptual translation and a new medical language
Xin-Di et al. Research on herb pairs of classical formulae of ZHANG Zhong-Jing using big data technology
Lam How does depression present in general practice?
Ma et al. Liver Governs Tendon: A Theory from Traditional Chinese Medicine—Evidence from a Population‐Based Matched Cohort Study in Taiwan for the Association of Chronic Liver Disease and Common Diseases in the Chiropractic Office
Aziz et al. An Overview of Knowledge of Traditional Medicine for Self-medication in the Community in the Era of the COVID-19 Pandemic
Polansky et al. Effects of Gene-Eden-VIR and Novirin on SARS-CoV: Implications for COVID-19
Coleman Preservation of knowledge in traditional medical practices through information communication technology: A case study in South Africa
Yan et al. Evaluation of outcomes reported in randomized controlled trials for herbal remedies for adults with chronic hepatitis C
Varnaseri et al. Drawing a Knowledge Map of Scientific Productions of Traditional Medicine by Iranian Scientists in Web of Science
Stephen et al. Scientometric Analysis for the Mucormycosis Research Productivity for the Period of 2011–2020
Hu et al. Comprehensive characterization of natural products of Polygonum multiflorum by cheminformatics analysis
Huang et al. A Multilayer Network Constructed for Herb and Prescription Efficacy Analysis.

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