CN111210890B - 一种基于临床数据的抗凝药学监护管理方法 - Google Patents

一种基于临床数据的抗凝药学监护管理方法 Download PDF

Info

Publication number
CN111210890B
CN111210890B CN202010093634.1A CN202010093634A CN111210890B CN 111210890 B CN111210890 B CN 111210890B CN 202010093634 A CN202010093634 A CN 202010093634A CN 111210890 B CN111210890 B CN 111210890B
Authority
CN
China
Prior art keywords
patient
information
anticoagulation
risk
early warning
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
Application number
CN202010093634.1A
Other languages
English (en)
Other versions
CN111210890A (zh
Inventor
乐杰
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.)
Chengdu Mulaorenkang Software Information Co ltd
Original Assignee
Chengdu Mulaorenkang Software Information Co ltd
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 Chengdu Mulaorenkang Software Information Co ltd filed Critical Chengdu Mulaorenkang Software Information Co ltd
Priority to CN202010093634.1A priority Critical patent/CN111210890B/zh
Publication of CN111210890A publication Critical patent/CN111210890A/zh
Application granted granted Critical
Publication of CN111210890B publication Critical patent/CN111210890B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G16H20/13—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 delivered from dispensers
    • 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
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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
    • G16H50/30—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
    • 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)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Toxicology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于临床数据的抗凝药学监护管理方法。其特征在于：包括如下步骤：步骤1，实现临床数据采集处理；步骤2，实现监护患者入组评估；步骤3，实现主动监测实时预警。本发明可将需要接受抗凝药学监护的患者自动纳入药学监护，并根据监护预警模型对这些监护患者进行自动化智能化的主动监测实时预警。从而在大幅提高抗凝治疗效果及降低出血及卒中等严重不良事件的同时也极大提高临床药师的抗凝药学监护工作效率。

Description

一种基于临床数据的抗凝药学监护管理方法
技术领域
本发明涉及数据监护管理相关领域，具体来讲是一种基于临床数据的抗凝药学监护管理方法。
背景技术
抗凝治疗是临床上预防和治疗血栓栓塞症、心房颤动、静脉血栓栓塞（VTE）、心脏瓣膜病、人工瓣膜置换术后以及的最主要的手段，也是预防缺血性卒中新发及复发最为有效的手段。已有多项大规模临床研究证实，抗凝治疗及监护干预可显著降低房颤患者的缺血性卒中发生率，有效改善预后效果。有数据显示，我国房颤患者的脑卒中发生率高达24.8%。房颤增加缺血性脑卒中及体循环动脉栓塞的风险，其年发生率分别为1.92%和0.24％，其缺血性脑卒中的风险是非房颤患者的4~5倍，且将导致近20％致死率及近60％致残率。
华法林作为一种经典的抗凝药物目前已广泛应用于房颤、人工瓣术后抗栓治疗，以及冠心病、肺栓塞和静脉血栓形成、外周动脉血栓栓塞等疾病的预防和治疗；其具有服用方便、抗凝疗效容易监测、除出血倾向外副作用较少等诸多优势。但华法林存在治疗窗窄、剂量个体差异大、与多种药物或食物存在相互作用、并且服用过程中需要监测国际标准化比值（INR）等问题。出血是华法林最常见的不良反应，严重者可导致颅内出血，威胁患者的生命安全。鉴于华法林抗凝治疗的复杂性，系统、完善的抗凝治疗管理及监护对于抗凝治疗的有效性和安全性非常重要。
到目前为止，已有很多国家开展了抗凝治疗管理工作，临床药师亦积极参与其中，来抗凝治疗及监护过程中起到了良好的作用。但在我国大陆地区，由于药师并没有处方权，因此抗凝管理仍然主要由医生辅助或由护士参与患者的抗凝用药教育，而全面掌握了药代动力学、药物不良反应、药物相互作用、用药依从性等相关专业知识的临床药师却没有发挥应有的作用。从2007年开始，随着临床药师制试点工作启动开展，陆续有国内医院在探索由临床药师主导或参与的抗凝治疗管理。通过临床药师参与设计抗凝治疗方案、为患者提供抗凝药学监护、为医护人员提供专业的用药咨询及参与患者的抗凝用药教育等各项具体工作的开展，使得抗凝药学监护取得了较好的成效。有研究表明，接受药师抗凝管理的肺栓塞患者的抗凝达标时间由48％提升至71％而出血事件由42%下降到29%，接受药师抗凝管理的心脏瓣膜术后患者的院内抗凝达标时间由19％提升至46％。药师主导的抗凝治疗管理工作可以大幅提高抗凝药物的合理使用水平，从而进一步提高抗凝治疗患者的健康水平。
现有的抗凝药学监护工作完全医疗于临床药师人工完成。临床药师采用人工的方式在查阅患者的各种临床诊疗信息并结合抗凝相关的临床指南共识后才能判断哪些患者需要接受抗凝药学监护；被监护的患者的各项治疗指标及体征指标随时都在变化，临床药师无法随时掌握每个患者的治疗过程、疗效及是否发生不良反应；临床药师的监护水平也受限于个人的专业水平，因此临床药师难以对每位接受抗凝药学监护的患者都能提供百分百精准高效的药学监护，从而导致临床上难以对可能发生的颅内出血、静脉栓塞等严重不良反应进行主动监测实时预警。
发明内容
因此，为了解决上述不足，本发明在此提供一种基于临床数据的抗凝药学监护管理方法。可将需要接受抗凝药学监护的患者自动纳入药学监护，并根据监护预警模型对这些监护患者进行自动化智能化的主动监测实时预警。从而在大幅提高抗凝治疗效果及降低出血及卒中等严重不良事件的同时也极大提高临床药师的抗凝药学监护工作效率。
本发明是这样实现的，构造一种基于临床数据的抗凝药学监护管理方法，其特征在于：包括如下步骤：
步骤1，实现临床数据采集处理；
步骤2，实现监护患者入组评估；
步骤3，实现主动监测实时预警。
根据本发明所述一种基于临床数据的抗凝药学监护管理方法，其特征在于：步骤1临床数据采集处理的实现方式是，将散布在各医疗业务信息系统的患者的全部临床信息数据准实时地采集并以患者为中心进行数据清洗转换、归一化处理、按就诊患者进行数据整合已经数据存储，便于后续各类评估、监护模型调用。
根据本发明所述一种基于临床数据的抗凝药学监护管理方法，其特征在于：步骤2，监护患者入组评估的实现方式是，将患者的准实时化的临床数据输入监护入组评估模型，通过对相关临床数据进行分析可以得到对患者的病情及治疗情况及当前的风险的评估结果，从中筛选出符合抗凝监护条件的患者，这些患者在后续的抗凝治疗过程中将接受各项抗凝药学动态化监护服务；该步骤包括如下两个部分；
（1）建立监护入组评估模型：监护入组评估模型的实质是根据抗凝相关临床诊疗指南、专家共识等专业文献资料为业务指导，以指定的临床对象属性作为筛选条件项，按照指南共识相关的评估量表的要求为指定的筛选条件项设定判断标准并对多个筛选条件项之间建立逻辑关系从而组合形成的评估判断模型；
入组评估模型至少应包括：心房颤动入组评估模型、静脉血栓栓塞(VTE)入组评估模型、心脏瓣膜疾病入组评估模型、手术患者入组评估模型；
（2）人工剔除不符合监护条件的入组患者：为了提高入组患者的准确性，经监护入组评估模型按照评估条件筛选出的患者需要由监护药师进行人工筛查，将那些不符合监护条件的误判患者给剔除出去，得到应该接受抗凝药学监护的患者。
根据本发明所述一种基于临床数据的抗凝药学监护管理方法，其特征在于：步骤3，主动监测实时预警的实现方式是，抗凝监护患者在使用抗凝药物的过程中，将实时采集到的增量临床数据输入到各种监测预警模型，由模型对患者的临床数据进行分析并自动判断患者是否出现疑似发生药物不良反应信号或出现各类抗凝治疗风险信号，并实时向医生和抗凝药师发送相关预警信息，使得临床医生和抗凝药师为患者提供最佳抗凝治疗监管方案；
步骤3包括如下方式预警；
（1）华法林用法用量预警：
第一步：判断患者是否已经在使用华法林——获取患者医嘱信息，如果患者的医嘱信息里没有华法林的用药医嘱，意味着此患者没有接受华法林进行抗凝治疗，流程结束；反之则表示此患者在接受华法林进行抗凝治疗，进入下一步骤；
第二步：判断抗凝治疗效果——获取患者检验信息里最新的INR值，如果INR在预设的治疗窗范围内，表示抗凝效果良好，不用调整华法林用法用量，流程结束；反之则表示抗凝效果不佳，需对华法林的用法用量进行调整，进入下一步骤；
第三步：输出预警信息——如果患者最新的INR值低于预设的治疗窗下限，则发出预警信号，提醒医生及抗凝药师此患者需要增加华法林的用药剂量；如果INR值高于预设的治疗窗上限，则发出预警信号，提醒医生及抗凝药师此患者需要减少华法林的用药剂量或暂时停用华法林。
（2）抗凝药物相互作用预警：
第一步：判断患者是否已经在使用口服抗凝药物——获取患者医嘱信息，并和预设的口服抗凝药物列表项依次进行比对，如果患者医嘱信息里没有预设的口服抗凝药物列表中的任一个药品表示当前患者未使用口服抗凝药物，流程结束；反正则表示此患者在接受口服抗凝药物进行抗凝治疗，进入下一步骤；
第二步：找出对当前使用的抗凝药物的抗凝效果可能造成影响的药品列表——将患者当前使用的抗凝药物与预设的药物相互作用表进行比对分析，从预设的药物相互作用表里找出和当前使用的抗凝药物存在相互作用的药品列表，进入下一步；
第三步：判断是否有对抗凝治疗造成影响的药物联用情况——获取患者的用药医嘱信息，并和上一步得出的存在相互作用的药品列表中的每个药品依次进行比对，如果患者医嘱信息里没有上一步得出的存在相互作用的药品列表中的任一个药品表示当前患者没有出现对抗凝治疗造成影响的药物联用情况，流程结束；反正则表示此患者出现了可能对抗凝治疗造成影响的药物联用情况，进入下一步骤；
第四步：判断联用对抗凝治疗的影响——获取患者检验信息里最新的INR值，如果INR在预设的治疗窗范围内，表示抗凝效果良好，不用调整用药方案，流程结束；反之则表示抗凝效果不佳，需对抗凝药物的用法用量进行调整，进入下一步骤；
第五步：输出预警信息——如果如果患者最新的INR值低于预设的治疗窗下限，则发出预警信号，提醒医生及抗凝药师此患者需要增加口服抗凝药物的用药剂量；如果INR值高于预设的治疗窗上限，则发出预警信号，提醒医生及抗凝药师此患者需要减少口服抗凝药物的用药剂量或停止使用口服抗凝药物；
（3）外科患者VTE风险评估预警：
第一步：判断是否为外科患者——获取住院患者的就诊信息里的科室数据，并和预设的医院外科科室进行比对，如果患者住院科室不在外科科室列表里表示当前患者不是外科患者，流程结束。反正则表示患者是外科患者，并进入下一步骤；
第二步：计算患者当前的Caprini评分——获取患者基本信息里的年龄、体重、身高数据，获取患者诊断信息里的诊断数据或ICD-10诊断编码，获取患者手术信息里的手术名称或ICD-9-CM-3手术编码，获取患者的全部检验信息，获取患者的电子病历信息，按照Caprini量表评分标准计算每个量表评分项的得分，并将每项得分相加得到Caprini评估总分；
第三步：计算VTE风险等级——按照预设的普通外科手术患者VTE风险分层标准，根据患者当前Caprini评估总分值计算出VTE风险等级。风险等级分为：非常低危、低危、中危及高危共4个等级；
第四步：输出预警信息——根据患者当前的VTE风险等级，按照预先设定好的不同风险等级下的预警干预措施发出相应的预警信号，提醒医生及抗凝药师此患者需要进行抗凝治疗，同时向医生及抗凝药师提示可选抗凝药物品种及其用法用量和疗程等预防干预信息；
（4）内科患者VTE风险评估预警：
第一步：判断是否为内科患者——获取住院患者的就诊信息里的科室数据，并和预设的医院内科科室进行比对，如果患者住院科室不在内科科室列表里表示当前患者不是内科患者，流程结束；反正则表示患者是内科患者，并进入下一步骤；
第二步：计算患者当前的Padua评分——获取患者基本信息里的年龄、体重、身高数据，获取患者诊断信息里的诊断数据或ICD-10诊断编码，获取患者的全部检验信息，获取患者的电子病历信息，按照Padua量表评分标准计算每个量表评分项的得分，并将每项得分相加得到Padua评估总分；
第三步：判断患者VTE风险等级——如果患者当前Padua评估总分值大于预设的VTE高危风险分值则表示患者存在VTE发病高危风险，进入下一步骤；反之表示患者发生VTE的风险较低，流程结束；
第四步：输出预警信息——发出预警信号，提醒医生及抗凝药师此患者存在VTE高危风险，加强抗凝治疗过程中的药学监护；
（5）房颤出血风险评估预警：
第一步：判断患者是否为房颤患者——获取当前患者的诊断信息，并和预设的房颤疾病关键词依次进行比对分析，如果患者的诊断信息里包含任意一个预设的房颤疾病关键词表示当前患者是房颤患者，进入下一步骤；反之当前患者不是房颤患者，流程结束；
第二步：计算患者当前的HAS-BLED评分——获取患者基本信息里的年龄数据，获取患者的医嘱信息里的用药数据；获取患者诊断信息里的诊断数据或ICD-10诊断编码，获取患者的检验信息中的肝功能、肾功能检验结果数据及INR检验值，获取患者的电子病历信息中的既往史数据，按照HAS-BLED量表评分标准计算每个量表评分项的得分，并将每项得分相加得到HAS-BLED评估总分；
第三步：判断出血风险等级——如果患者当前HAS-BLED评估总分值大于预设的高危风险分值则表示患者存在出血高危风险，进入下一步骤；反之则表示出血风险较低，流程结束；
第四步：输出预警信息——发出预警信号，提醒医生及抗凝药师此患者存在出血高危风险，加强抗凝治疗过程中的药学监护；
（6）围术期出血风险评估预警：
第一步：判断患者是否为手术患者——获取患者的手术申请信息和手术信息，如果没有同时查询到任何手术申请数据和任何手术数据表示患者未被安排择期手术或未做过手术，流程结束；反正表示患者即将接受择期手术或完成手术，进入下一步骤；
第二步：判断患者接受的手术及手术类型——从查询出的患者手术申请数据或已完成的手术信息里得到手术名称或ICD-9-CM-3手术编码，进入下一步骤。
第三步：计算患者的出血风险——按照预设的手术及操作出血风险评估标准（风险分为：低风险、中等风险、高风险共3个等级），根据患者的手术名称或ICD-9-CM-3手术编码计算出患者手术的出血风险等级，如果患者出血风险等级为低风险，流程结束；如果患者出血风险等级为中高风险，进入下一步骤；
第四步：输出预警信息——发出预警信号，提醒医生及抗凝药师此患者存在围术期出血高危风险，需加强防治与监护。
本发明具有如下优点：本发明在此提供一种基于临床数据的抗凝药学监护管理方法；可将需要接受抗凝药学监护的患者自动纳入药学监护，并根据监护预警模型对这些监护患者进行自动化智能化的主动监测实时预警。从而在大幅提高抗凝治疗效果及降低出血及卒中等严重不良事件的同时也极大提高临床药师的抗凝药学监护工作效率。
附图说明
图1是本发明整体流程示意图。
具体实施方式
下面将结合附图对本发明进行详细说明，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。
本发明通过改进在此提供一种基于临床数据的抗凝药学监护信息化方法，包括：
（一）临床数据采集处理：
将散布在各医疗业务信息系统的患者的全部临床信息数据准实时地采集并以患者为中心进行数据清洗转换、归一化处理、按就诊患者进行数据整合已经数据存储，便于后续各类评估、监护模型调用。
全部临床信息数据应包括：
1、从HIS数据库采集的患者个人信息、就诊信息、诊断信息、医嘱信息、用药信息、手术申请信息。
2、从LIS数据库采集的患者的检验结果信息。
3、从PACS数据库采的集患者的检查报告信息。
4、从手术麻醉系统数据库采集的患者的手术信息。
5、从电子病历系统数据库采集的患者的病程记录。
6、从护理系统数据库里采集的患者的护理信息。
（二）监护患者入组评估：
将患者的准实时化的临床数据输入监护入组评估模型，通过对相关临床数据进行分析可以得到对患者的病情及治疗情况及当前的风险的评估结果，从中筛选出符合抗凝监护条件的患者，这些患者在后续的抗凝治疗过程中将接受各项抗凝药学动态化监护服务。
1、监护入组评估模型：
监护入组评估模型的实质是根据抗凝相关临床诊疗指南、专家共识等专业文献资料为业务指导，以指定的临床对象属性（如：患者所在科室、患者的诊断信息、患者的肾功能检验项等）作为筛选条件项，按照指南共识相关的评估量表的要求为指定的筛选条件项设定判断标准并对多个筛选条件项之间建立逻辑关系从而组合形成的评估判断模型。
入组评估模型至少应包括：心房颤动入组评估模型、静脉血栓栓塞(VTE)入组评估模型、心脏瓣膜疾病入组评估模型、手术患者入组评估模型。
（1）心房颤动入组评估
条件1：患者的诊断信息中包含和心房颤动相关的预设关键词；
条件2：患者的医嘱信息里包含抗凝药品并且有过抗凝药品的剂量调整；
条件3：患者的医嘱信息里有多种抗凝药物联合使用；
条件4：患者的检验信息里的凝血指标不在设定的正常范围内或有明显波动；
条件5：患者的检验信息里的肝功能指标不在设定的正常范围内；
条件6：患者的检验信息里的肾功能指标不在设定的正常范围内；
条件7：患者的检验信息里的大便隐血指标不在设定的正常范围内；
条件8：患者的检验信息里的血常规指标不在设定的正常范围内；
条件9：患者的检验信息里的尿常规指标不在设定的正常范围内；
条件10：患者的电子病历的病程记录里包含有和出血相关的预设关键词；
条件11：患者的HAS-BLED评分已经达到设定的出血风险危急值；
条件12：患者的CHA2DS2-VASc评分已经达到栓塞风险危急值；
条件13：患者的检查信息里的头颅CT报告里包含有出血相关的预设关键词；
只要患者的临床信息里相关数据在满足条件1的同时也满足条件2到条件13之中的任意一个即符合房颤抗凝监护入组条件，从而被纳入房颤抗凝监护序列。
（2）静脉血栓栓塞入组评估：
条件1：患者的诊断信息中包含和静脉血栓栓塞症相关的预设关键词；
条件2：患者的医嘱信息里包含抗凝药品并且有过抗凝药品的剂量调整；
条件3：患者的医嘱信息里有多种抗凝药物联合使用；
条件4：患者的检验信息里的凝血指标不在设定的正常范围内或有明显波动；
条件5：患者的检验信息里的肝功能指标不在设定的正常范围内；
条件6：患者的检验信息里的肾功能指标不在设定的正常范围内；
条件7：患者的检验信息里的血常规指标不在设定的正常范围内；
条件8：患者的检验信息里的尿常规指标不在设定的正常范围内；
条件9：患者的检验信息里的大便隐血指标不在设定的正常范围内；
条件10：患者的Padua评分已经达到设定的栓塞风险危急值；
条件11：患者的Caprini评分已经达到设定的栓塞风险危急值；
条件12：患者的Khorana评分已经达到设定的栓塞风险危急值；
条件13：患者的电子病历的病程记录里包含有和出血及血栓栓塞相关的预设关键词；
只要患者的临床信息里相关数据在满足条件1的同时也满足条件2到条件13之中的任意一个即符合静脉血栓栓塞抗凝监护入组条件，从而被纳入静脉血栓栓塞抗凝监护序列。
（3）心脏瓣膜疾病入组评估：
条件1：患者的诊断信息中包含和心脏瓣膜疾病相关的预设关键词；
条件2：患者的医嘱信息里包含抗凝药品并且有过抗凝药品的剂量调整；
条件3：患者的医嘱信息里有多种抗凝药物联合使用；
条件4：患者的手术信息中包含和心脏瓣膜手术相关的预设关键词；
条件5：患者的检验信息里的凝血指标不在设定的正常范围内或有明显波动；
条件6：患者的检验信息里的肾功能指标不在设定的正常范围内；
条件7：患者的检验信息里的血常规指标不在设定的正常范围内；
条件8：患者的检验信息里的尿常规指标不在设定的正常范围内；
条件9：患者的检验信息里的大便隐血指标不在设定的正常范围内；
条件10：患者的电子病历的病程记录里包含有和出血及血栓栓塞相关的预设关键词；
只要患者的临床信息里相关数据在满足条件1的同时也满足条件2到条件9之中的任意一个即符合静脉血栓栓塞抗凝监护入组条件，从而被纳入心脏瓣膜疾病抗凝监护序列。
（4）手术患者入组评估：
条件1：患者的手术信息中包含相关的预设手术名称关键词或预设的ICD-9-CM-3手术编码；
条件2：患者的医嘱信息里包含抗凝药品并且有过抗凝药品的剂量调整；
条件3：患者的医嘱信息里有多种抗凝药物联合使用；
条件4：患者的手术信息中包含和心脏瓣膜手术相关的预设关键词；
条件5：患者的检验信息里的凝血指标不在设定的正常范围内或有明显波动；
条件6：患者的检验信息里的肾功能指标不在设定的正常范围内；
条件7：患者的检验信息里的血常规指标不在设定的正常范围内；
条件8：患者的检验信息里的尿常规指标不在设定的正常范围内；
条件9：患者的检验信息里的大便隐血指标不在设定的正常范围内；
条件10：患者的电子病历的病程记录里包含有和出血及血栓栓塞相关的预设关键词；
只要患者的临床信息里相关数据在满足条件1的同时也满足条件2到条件9之中的任意一个即符合静脉血栓栓塞抗凝监护入组条件，从而被纳入手术患者抗凝监护序列。
2、人工剔除不符合监护条件的入组患者：
为了提高入组患者的准确性，经监护入组评估模型按照评估条件筛选出的患者需要由监护药师进行人工筛查，将那些不符合监护条件的误判患者给剔除出去，得到应该接受抗凝药学监护的患者。
（三）主动监测实时预警：
抗凝监护患者在使用抗凝药物的过程中，将实时采集到的增量临床数据（包括：检验结果信息、检查报告信息、医嘱信息、病程记录等）输入到各种监测预警模型，由模型对患者的临床数据进行分析并自动判断患者是否出现疑似发生药物不良反应信号或出现各类抗凝治疗风险信号，并实时向医生和抗凝药师发送相关预警信息，使得临床医生和抗凝药师为患者提供最佳抗凝治疗监管方案。
1、华法林用法用量预警：
由于华法林是口服药物因此使用非常方便，同时还具有价格便宜的特点，因此华法林是临床上最常使用的一线抗凝药物。但华法林具有治疗窗窄、半衰期较长、量效关系复杂、个体差异性大、抗凝效果受合并用药和饮食的影响较大等缺点，因此需根据抗凝相关的临床规范要求来及时监测INR评判抗凝效果及风险，并及时调整用药方案以保证抗凝治疗效果。
第一步：判断患者是否已经在使用华法林——获取患者医嘱信息，如果患者的医嘱信息里没有华法林的用药医嘱，意味着此患者没有接受华法林进行抗凝治疗，流程结束；反之则表示此患者在接受华法林进行抗凝治疗，进入下一步骤。
第二步：判断抗凝治疗效果——获取患者检验信息里最新的INR值，如果INR在预设的治疗窗范围内，表示抗凝效果良好，不用调整华法林用法用量，流程结束；反之则表示抗凝效果不佳，需对华法林的用法用量进行调整，进入下一步骤。
第三步：输出预警信息——如果患者最新的INR值低于预设的治疗窗下限，则发出预警信号，提醒医生及抗凝药师此患者需要增加华法林的用药剂量；如果INR值高于预设的治疗窗上限，则发出预警信号，提醒医生及抗凝药师此患者需要减少华法林的用药剂量或暂时停用华法林。
2、抗凝药物相互作用预警：
包括华法林、达比加群、利伐沙班、氯吡格雷等在内的常见口服抗凝药物和抗感染药物、心血管药物、非甾体消炎药、中枢神经系统药物、免疫系统药物、胃肠道药物和食物之间存在相互作用，可能导致增强或降低抗凝效果，引发各种抗凝治疗风险。因此对于同时服用多种药物的抗凝治疗患者必须进行药物相互作用的实时监测预警。
第一步：判断患者是否已经在使用口服抗凝药物——获取患者医嘱信息，并和预设的口服抗凝药物列表项依次进行比对，如果患者医嘱信息里没有预设的口服抗凝药物列表中的任一个药品表示当前患者未使用口服抗凝药物，流程结束。反正则表示此患者在接受口服抗凝药物进行抗凝治疗，进入下一步骤。
第二步：找出对当前使用的抗凝药物的抗凝效果可能造成影响的药品列表——将患者当前使用的抗凝药物与预设的药物相互作用表进行比对分析，从预设的药物相互作用表里找出和当前使用的抗凝药物存在相互作用的药品列表，进入下一步。
第三步：判断是否有对抗凝治疗造成影响的药物联用情况——获取患者的用药医嘱信息，并和上一步得出的存在相互作用的药品列表中的每个药品依次进行比对，如果患者医嘱信息里没有上一步得出的存在相互作用的药品列表中的任一个药品表示当前患者没有出现对抗凝治疗造成影响的药物联用情况，流程结束。反正则表示此患者出现了可能对抗凝治疗造成影响的药物联用情况，进入下一步骤。
第四步：判断联用对抗凝治疗的影响——获取患者检验信息里最新的INR值，如果INR在预设的治疗窗范围内，表示抗凝效果良好，不用调整用药方案，流程结束；反之则表示抗凝效果不佳，需对抗凝药物的用法用量进行调整，进入下一步骤。
第五步：输出预警信息——如果如果患者最新的INR值低于预设的治疗窗下限，则发出预警信号，提醒医生及抗凝药师此患者需要增加口服抗凝药物的用药剂量；如果INR值高于预设的治疗窗上限，则发出预警信号，提醒医生及抗凝药师此患者需要减少口服抗凝药物的用药剂量或停止使用口服抗凝药物。
3、外科患者VTE风险评估预警：
外科患者术前活动减少、术中制动和术后长期卧床均会导致静脉血流明显减慢；麻醉及手术创伤也会促使组织因子释放从而直接激活外源性凝血系统，导致高凝状态或静脉血栓形成；再加上患者自身因素，如高龄、肥胖、恶性肿瘤等，这些外因均可诱发静脉血栓栓塞(VTE)发生风险增加。因此辅助临床医生和抗凝药师对这类患者科学高效的评估VTE风险并根据评估结果来为患者提供围手术期抗栓治疗管理显得尤为重要。
第一步：判断是否为外科患者——获取住院患者的就诊信息里的科室数据，并和预设的医院外科科室进行比对，如果患者住院科室不在外科科室列表里表示当前患者不是外科患者，流程结束。反正则表示患者是外科患者，并进入下一步骤。
第二步：计算患者当前的Caprini评分——获取患者基本信息里的年龄、体重、身高数据，获取患者诊断信息里的诊断数据或ICD-10诊断编码，获取患者手术信息里的手术名称或ICD-9-CM-3手术编码，获取患者的全部检验信息，获取患者的电子病历信息，按照Caprini量表评分标准计算每个量表评分项的得分，并将每项得分相加得到Caprini评估总分。
第三步：计算VTE风险等级——按照预设的普通外科手术患者VTE风险分层标准，根据患者当前Caprini评估总分值计算出VTE风险等级。风险等级分为：非常低危、低危、中危及高危共4个等级。
第四步：输出预警信息——根据患者当前的VTE风险等级，按照预先设定好的不同风险等级下的预警干预措施发出相应的预警信号，提醒医生及抗凝药师此患者需要进行抗凝治疗，同时向医生及抗凝药师提示可选抗凝药物品种及其用法用量和疗程等预防干预信息。
4、内科患者VTE风险评估预警：
VTE是住院患者的常见并发症和重要死亡原因之一。临床上，内科患者VTE通常发病隐匿、临床症状不明显、诊治成本高。因此，辅助医生和抗凝药师科学有效地评估内科患者VTE风险，并对高风险内科患者进行抗凝监护及治疗具有很大的临床意义。
第一步：判断是否为内科患者——获取住院患者的就诊信息里的科室数据，并和预设的医院内科科室进行比对，如果患者住院科室不在内科科室列表里表示当前患者不是内科患者，流程结束。反正则表示患者是内科患者，并进入下一步骤。
第二步：计算患者当前的Padua评分——获取患者基本信息里的年龄、体重、身高数据，获取患者诊断信息里的诊断数据或ICD-10诊断编码，获取患者的全部检验信息，获取患者的电子病历信息，按照Padua量表评分标准计算每个量表评分项的得分，并将每项得分相加得到Padua评估总分。
第三步：判断患者VTE风险等级——如果患者当前Padua评估总分值大于预设的VTE高危风险分值则表示患者存在VTE发病高危风险，进入下一步骤；反之表示患者发生VTE的风险较低，流程结束。
第四步：输出预警信息——发出预警信号，提醒医生及抗凝药师此患者存在VTE高危风险，加强抗凝治疗过程中的药学监护。
5、房颤出血风险评估预警：
抗凝治疗可大幅增加患者的各类出血性并发症风险，如：牙龈出血、皮肤粘膜瘀斑、血尿、消化道出血等，最严重的可发生颅内出血。因此在抗凝治疗过程中要密切注意对患者的出血风险进行监护和评估。
第一步：判断患者是否为房颤患者——获取当前患者的诊断信息，并和预设的房颤疾病关键词依次进行比对分析，如果患者的诊断信息里包含任意一个预设的房颤疾病关键词表示当前患者是房颤患者，进入下一步骤；反之当前患者不是房颤患者，流程结束。
第二步：计算患者当前的HAS-BLED评分——获取患者基本信息里的年龄数据，获取患者的医嘱信息里的用药数据；获取患者诊断信息里的诊断数据或ICD-10诊断编码，获取患者的检验信息中的肝功能、肾功能检验结果数据及INR检验值，获取患者的电子病历信息中的既往史数据，按照HAS-BLED量表评分标准计算每个量表评分项的得分，并将每项得分相加得到HAS-BLED评估总分。
第三步：判断出血风险等级——如果患者当前HAS-BLED评估总分值大于预设的高危风险分值则表示患者存在出血高危风险，进入下一步骤；反之则表示出血风险较低，流程结束。
第四步：输出预警信息——发出预警信号，提醒医生及抗凝药师此患者存在出血高危风险，加强抗凝治疗过程中的药学监护。
6、围术期出血风险评估预警：
各种先天性或获得性凝血功能障碍患者进行手术或有创操作时，常会面临严重甚至致命性的出血风险，或者存在因抗凝治疗而导致可能出现的围术期出血风险，因此辅助临床医生和抗凝药师对这类围术期患者进行手术出血风险评估及预警显得尤为必要。
第一步：判断患者是否为手术患者——获取患者的手术申请信息和手术信息，如果没有同时查询到任何手术申请数据和任何手术数据表示患者未被安排择期手术或未做过手术，流程结束；反正表示患者即将接受择期手术或完成手术，进入下一步骤。
第二步：判断患者接受的手术及手术类型——从查询出的患者手术申请数据或已完成的手术信息里得到手术名称或ICD-9-CM-3手术编码，进入下一步骤。
第三步：计算患者的出血风险——按照预设的手术及操作出血风险评估标准（风险分为：低风险、中等风险、高风险共3个等级），根据患者的手术名称或ICD-9-CM-3手术编码计算出患者手术的出血风险等级，如果患者出血风险等级为低风险，流程结束；如果患者出血风险等级为中高风险，进入下一步骤。
第四步：输出预警信息——发出预警信号，提醒医生及抗凝药师此患者存在围术期出血高危风险，需加强防治与监护。
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 (1)

1.一种基于临床数据的抗凝药学监护管理方法，其特征在于：包括如下步骤：
步骤1，实现临床数据采集处理；
具体是将散布在各医疗业务信息系统的患者的全部临床信息数据准实时地采集并以患者为中心进行数据清洗转换、归一化处理、按就诊患者进行数据整合已经数据存储，便于后续各类评估、监护模型调用；
步骤2，实现监护患者入组评估；
具体是将患者的准实时化的临床数据输入监护入组评估模型，通过对相关临床数据进行分析可以得到对患者的病情及治疗情况及当前的风险的评估结果，从中筛选出符合抗凝监护条件的患者，这些患者在后续的抗凝治疗过程中将接受各项抗凝药学动态化监护服务；该步骤包括如下两个部分；
步骤3，实现主动监测实时预警；
（1）建立监护入组评估模型：监护入组评估模型的实质是根据抗凝相关临床诊疗指南、专家共识等专业文献资料为业务指导，以指定的临床对象属性作为筛选条件项，按照指南共识相关的评估量表的要求为指定的筛选条件项设定判断标准并对多个筛选条件项之间建立逻辑关系从而组合形成的评估判断模型；
入组评估模型至少应包括：心房颤动入组评估模型、静脉血栓栓塞(VTE)入组评估模型、心脏瓣膜疾病入组评估模型、手术患者入组评估模型；
（2）人工剔除不符合监护条件的入组患者：为了提高入组患者的准确性，经监护入组评估模型按照评估条件筛选出的患者需要由监护药师进行人工筛查，将那些不符合监护条件的误判患者给剔除出去，得到应该接受抗凝药学监护的患者；
该步骤主动监测实时预警的实现方式是，抗凝监护患者在使用抗凝药物的过程中，将实时采集到的增量临床数据输入到各种监测预警模型，由模型对患者的临床数据进行分析并自动判断患者是否出现疑似发生药物不良反应信号或出现各类抗凝治疗风险信号，并实时向医生和抗凝药师发送相关预警信息，使得临床医生和抗凝药师为患者提供最佳抗凝治疗监管方案；
步骤3包括如下方式预警；
（1）华法林用法用量预警：
第一步：判断患者是否已经在使用华法林——获取患者医嘱信息，如果患者的医嘱信息里没有华法林的用药医嘱，意味着此患者没有接受华法林进行抗凝治疗，流程结束；反之则表示此患者在接受华法林进行抗凝治疗，进入下一步骤；
第二步：判断抗凝治疗效果——获取患者检验信息里最新的INR值，如果INR在预设的治疗窗范围内，表示抗凝效果良好，不用调整华法林用法用量，流程结束；反之则表示抗凝效果不佳，需对华法林的用法用量进行调整，进入下一步骤；
第三步：输出预警信息——如果患者最新的INR值低于预设的治疗窗下限，则发出预警信号，提醒医生及抗凝药师此患者需要增加华法林的用药剂量；如果INR值高于预设的治疗窗上限，则发出预警信号，提醒医生及抗凝药师此患者需要减少华法林的用药剂量或暂时停用华法林；
（2）抗凝药物相互作用预警：
第一步：判断患者是否已经在使用口服抗凝药物——获取患者医嘱信息，并和预设的口服抗凝药物列表项依次进行比对，如果患者医嘱信息里没有预设的口服抗凝药物列表中的任一个药品表示当前患者未使用口服抗凝药物，流程结束；反正则表示此患者在接受口服抗凝药物进行抗凝治疗，进入下一步骤；
第二步：找出对当前使用的抗凝药物的抗凝效果可能造成影响的药品列表——将患者当前使用的抗凝药物与预设的药物相互作用表进行比对分析，从预设的药物相互作用表里找出和当前使用的抗凝药物存在相互作用的药品列表，进入下一步；
第三步：判断是否有对抗凝治疗造成影响的药物联用情况——获取患者的用药医嘱信息，并和上一步得出的存在相互作用的药品列表中的每个药品依次
进行比对，如果患者医嘱信息里没有上一步得出的存在相互作用的药品列表中的任一个药品表示当前患者没有出现对抗凝治疗造成影响的药物联用情况，流程结束；反正则表示此患者出现了可能对抗凝治疗造成影响的药物联用情况，进入下一步骤；
第四步：判断联用对抗凝治疗的影响——获取患者检验信息里最新的INR值，如果INR在预设的治疗窗范围内，表示抗凝效果良好，不用调整用药方案，流程结束；反之则表示抗凝效果不佳，需对抗凝药物的用法用量进行调整，进入下一步骤；
第五步：输出预警信息——如果患者最新的INR值低于预设的治疗窗下限，则发出预警信号，提醒医生及抗凝药师此患者需要增加口服抗凝药物的用药剂量；如果INR值高于预设的治疗窗上限，则发出预警信号，提醒医生及抗凝药师此患者需要减少口服抗凝药物的用药剂量或停止使用口服抗凝药物；
（3）外科患者VTE风险评估预警：
第一步：判断是否为外科患者——获取住院患者的就诊信息里的科室数据，并和预设的医院外科科室进行比对，如果患者住院科室不在外科科室列表里表示当前患者不是外科患者，流程结束；
反正则表示患者是外科患者，并进入下一步骤；
第二步：计算患者当前的Caprini评分——获取患者基本信息里的的年龄、体重、身高数据，获取患者诊断信息里的诊断数据或ICD-10诊断编码，获取患者手术信息里的手术名称或ICD-9-CM-3手术编码，获取患者的全部检验信息，获取患者的电子病历信息，按照Caprini量表评分标准计算每个量表评分项的得分，并将每项得分相加得到Caprini评估总分；
第三步：计算VTE风险等级——按照预设的普通外科手术患者VTE风险分层标准，根据患者当前Caprini评估总分值计算出VTE风险等级；
风险等级分为：非常低危、低危、中危及高危共4个等级；
第四步：输出预警信息——根据患者当前的VTE风险等级，按照预先设定好的不同风险等级下的预警干预措施发出相应的预警信号，提醒医生及抗凝药师此患者需要进行抗凝治疗，同时向医生及抗凝药师提示可选抗凝药物品种及其用法用量和疗程等预防干预信息；
（4）内科患者VTE风险评估预警：
第一步：判断是否为内科患者——获取住院患者的就诊信息里的科室数据，并和预设的医院内科科室进行比对，如果患者住院科室不在内科科室列表里表示当前患者不是内科患者，流程结束；反正则表示患者是内科患者，并进入下一步骤；
第二步：计算患者当前的Padua评分——获取患者基本信息里的的年龄、体重、身高数据，获取患者诊断信息里的诊断数据或ICD-10诊断编码，获取患者的全部检验信息，获取患者的电子病历信息，按照Padua量表评分标准计算每个量表评分项的得分，并将每项得分相加得到Padua评估总分；
第三步：判断患者VTE风险等级——如果患者当前Padua评估总分值大于预设的VTE高危风险分值则表示患者存在VTE发病高危风险，进入下一步骤；反之表示患者发生VTE的风险较低，流程结束；
第四步：输出预警信息——发出预警信号，提醒医生及抗凝药师此患者存在VTE高危风险，加强抗凝治疗过程中的药学监护；
（5）房颤出血风险评估预警：
第一步：判断患者是否为房颤患者——获取当前患者的诊断信息，并和预设的房颤疾病关键词依次进行比对分析，如果患者的诊断信息里包含任意一个预设的房颤疾病关键词表示当前患者是房颤患者，进入下一步骤；反之当前患者不是房颤患者，流程结束；
第二步：计算患者当前的HAS-BLED评分——获取患者基本信息里的的年龄数据，获取患者的医嘱信息里的用药数据；获取患者诊断信息里的诊断数据或ICD-10诊断编码，获取患者的检验信息中的肝功能、肾功能检验结果数据及INR检验值，获取患者的电子病历信息中的既往史数据，按照HAS-BLED量表评分标准计算每个量表评分项的得分，并将每项得分相加得到HAS-BLED评估总分；
第三步：判断出血风险等级——如果患者当前HAS-BLED评估总分值大于预设的高危风险分值则表示患者存在出血高危风险，进入下一步骤；反之则表示出血风险较低，流程结束；
第四步：输出预警信息——发出预警信号，提醒医生及抗凝药师此患者存在出血高危风险，加强抗凝治疗过程中的药学监护；
（6）围术期出血风险评估预警：
第一步：判断患者是否为手术患者——获取患者的手术申请信息和手术信息，如果没有同时查询到任何手术申请数据和任何手术数据表示患者未被安排择期手术或未做过手术，流程结束；反正表示患者即将接受择期手术或完成手术，进入下一步骤；
第二步：判断患者接受的手术及手术类型——从查询出的患者手术申请数据或已完成的手术信息里得到手术名称或ICD-9-CM-3手术编码，进入下一步骤；
第三步：计算患者的出血风险——按照预设的手术及操作出血风险评估标准（风险分为：低风险、中等风险、高风险共3个等级），根据患者的手术名称或ICD-9-CM-3手术编码计算出患者手术的出血风险等级，如果患者出血风险等级为低风险，流程结束；如果患者出血风险等级为中高风险，进入下一步骤；
第四步：输出预警信息——发出预警信号，提醒医生及抗凝药师此患者存在围术期出血高危风险，需加强防治与监护。
CN202010093634.1A 2020-02-14 2020-02-14 一种基于临床数据的抗凝药学监护管理方法 Active CN111210890B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010093634.1A CN111210890B (zh) 2020-02-14 2020-02-14 一种基于临床数据的抗凝药学监护管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010093634.1A CN111210890B (zh) 2020-02-14 2020-02-14 一种基于临床数据的抗凝药学监护管理方法

Publications (2)

Publication Number Publication Date
CN111210890A CN111210890A (zh) 2020-05-29
CN111210890B true CN111210890B (zh) 2023-06-16

Family

ID=70786838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010093634.1A Active CN111210890B (zh) 2020-02-14 2020-02-14 一种基于临床数据的抗凝药学监护管理方法

Country Status (1)

Country Link
CN (1) CN111210890B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114242239B (zh) * 2020-09-09 2023-03-17 东华医为科技有限公司 一种vte风险监测及结果质控系统
CN112951361A (zh) * 2021-01-21 2021-06-11 上海市第六人民医院 一种用于肝肾功能疾病的用药监护系统及方法
CN113299359B (zh) * 2021-07-27 2021-10-19 南京维垣生物技术有限公司 基于药代学评价聚卡波非钙片临床数据管理统计分析方法
CN116580797B (zh) * 2023-05-15 2023-10-31 北京利久医药科技有限公司 一种临床试验数据的快速比对方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101208097A (zh) * 2005-06-24 2008-06-25 梅迪奇制药有限公司 用于治疗痤疮的方法
CN108777163A (zh) * 2018-06-08 2018-11-09 广州天恒信息科技有限公司 基于医师、护理、药学全方位的合理安全输液预警监控方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003019455A2 (en) * 2001-08-22 2003-03-06 Keystone Therapeutics, Inc. System, method and computer program for monitoring and managing medications
US20090089079A1 (en) * 2004-11-09 2009-04-02 The Brigham And Women's Hospital, Inc. System and method for determining whether to issue an alert to consider prophylaxis for a risk condition
CN109390043A (zh) * 2017-10-20 2019-02-26 上海市同仁医院 临床药学监护管理系统及其监护管理方法
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
CN109243546B (zh) * 2018-09-07 2020-10-27 上海交通大学医学院附属新华医院 抗凝药药效优化模型的建立方法及装置
CN110010252A (zh) * 2019-04-01 2019-07-12 上海交通大学医学院附属新华医院 华法林给药剂量预测方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101208097A (zh) * 2005-06-24 2008-06-25 梅迪奇制药有限公司 用于治疗痤疮的方法
CN108777163A (zh) * 2018-06-08 2018-11-09 广州天恒信息科技有限公司 基于医师、护理、药学全方位的合理安全输液预警监控方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
静脉血栓栓塞症智能评估与自动预警系统的开发与应用;李想;高薇;苏玉成;冯娟;蒋昆;;医疗卫生装备(10);全文 *

Also Published As

Publication number Publication date
CN111210890A (zh) 2020-05-29

Similar Documents

Publication Publication Date Title
CN111210890B (zh) 一种基于临床数据的抗凝药学监护管理方法
Byrn et al. The relationship between gestational diabetes and antenatal depression
Staessen et al. Antihypertensive treatment based on blood pressure measurement at home or in the physician's office: a randomized controlled trial
Bucknall et al. Differences in hospital asthma management
Fleischmann et al. Exercise echocardiography or exercise SPECT imaging?: A meta-analysis of diagnostic test performance
DeMott et al. Clinical Guidelines and Evidence Review for Familial hypercholesterolaemia: the identification and management of adults and children with familial hypercholesterolaemia. 2008
Brady et al. The HEART score: A guide to its application in the emergency department
Minogue et al. Patients hospitalized after initial outpatient treatment for community-acquired pneumonia
MacDonald et al. Prevalence and predictors of white-coat response in patients with treated hypertension
Souetre et al. Economic analysis of Alzheimer's disease in outpatients: impact of symptom severity
Martens et al. A study of the relationship between home care services and hospital readmission of patients with congestive heart failure
De Bruin et al. Hospital discharge diagnoses of ventricular arrhythmias and cardiac arrest were useful for epidemiologic research
Shabot et al. Automatic extraction of intensity-intervention scores from a computerized surgical intensive care unit flowsheet
Jones et al. Traumatic brain injury in childhood: intensive care time series data and outcome
Wu et al. Predicting Alzheimer's disease based on survival data and longitudinally measured performance on cognitive and functional scales
Cassivi et al. Patient-centered quality indicators for pulmonary resection
Costa et al. PhysioNet: an NIH research resource for complex signals
Crooijmans et al. Design and rationale of the NetherLands registry of invasive Coronary vasomotor Function Testing (NL-CFT)
Brodaty Low diagnostic yield in a memory disorders clinic
Wu et al. The correlation between ABPM parameters and left ventricular hypertrophy in pediatric essential hypertension
Concaro et al. Mining administrative and clinical diabetes data with temporal association rules
Shamsi et al. The relationship between medication adherence and affective temperaments in patients with congestive heart failure
Ma et al. Construction of nursing-sensitive quality indicators for epilepsy in China: A Delphi consensus study
Johansson et al. Repetitive behaviors and life-quality in adults with autism spectrum disorder
TW202125527A (zh) 智慧醫療決策方法及智慧醫療決策系統

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