CN111427948B - 一种用于药物试验不良事件的可视化识别筛选方法 - Google Patents
一种用于药物试验不良事件的可视化识别筛选方法 Download PDFInfo
- Publication number
- CN111427948B CN111427948B CN202010174016.XA CN202010174016A CN111427948B CN 111427948 B CN111427948 B CN 111427948B CN 202010174016 A CN202010174016 A CN 202010174016A CN 111427948 B CN111427948 B CN 111427948B
- Authority
- CN
- China
- Prior art keywords
- data
- test
- period data
- item
- visual
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
-
- 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
Abstract
本发明公开了一种用于药物试验不良事件的可视化识别筛选方法，步骤包括：从EDC数据库中获取各个试验对象的基线期数据和试验期数据；对获取的基线期数据和试验期数据进行有效性验证，筛选出待识别试验对象；对各个待识别试验对象的基线期数据和试验期数据进行识别处理，并输出便于识别的可视化数据；弹出显示可视化数据，从而便于可视化审查核对。该可视化识别筛选方法能够筛选出完整且有效的基线期数据和试验期数据的试验对象，从而免去人工去进行完整性和有效性检查，能够有效提高不良事件的甄别效率以及准确性；同时还能够对有效性验证后的试验对象数据进行识别整理，从而便于人员可视化审查，进一步提高甄别效率。
Description
技术领域
本发明涉及一种不良事件可视化识别筛选方法，尤其是一种用于药物试验不良事件的可视化识别筛选方法。
背景技术
临床药物试验中的数据管理与统计分析，是保证研究结果科学性、可靠性的重要环节之一。数据管理的主要目的是把药物试验的数据快速、完整、准确地纳入报告，所有关于数据管理的相应步骤均要记录在案，以便检查数据质量和试验实施。统计分析的主要目的是评价药物治疗的有效性和安全性。不良事件作为患者安全关注、试验药物安全性评估的重要信息，其在数据库中录入的完整性成为业内数据管理关注的问题。以往主要采取将实验室数据中研究者判定为异常有临床意义的数据与不良事件记录表中的不良事件名称人工比对的方法。该过程费时费力，且极易出现漏填、错填、误填的现象，严重的情况甚至会影响整个临床试验的结论。这种简单的人工数据核查方法已经无法满足数据管理的需求。正是在这种背景下，迫切需要设计出一种用于药物试验不良事件的可视化识别筛选方法，以达到高效、准确、节约人力资源地去甄别不良事件是否有遗漏。
发明内容
发明目的：提供一种用于药物试验不良事件的可视化识别筛选方法，以达到高效、准确、节约人力资源地去甄别不良事件是否有遗漏。
技术方案：本发明所述的用于药物试验不良事件的可视化识别筛选方法，包括如下步骤：
步骤1，从EDC数据库中获取各个试验对象的基线期数据和试验期数据；
步骤2，对获取的基线期数据和试验期数据进行有效性验证，筛选出完整且有效的基线期数据和试验期数据的试验对象作为待识别试验对象；
步骤3，对各个待识别试验对象的基线期数据和试验期数据进行识别处理，并输出便于识别的可视化数据；
步骤4，弹出显示可视化数据，从而便于可视化审查核对。
进一步的，步骤1中，基线期数据包括各个检查项目的检查结果数据以及对应的临床意义评价；试验期数据包括各个试验项目的试验结果数据以及对应的试验结果评价；在EDC数据库中划分有各个数据存储区域，同一试验对象的对象名称、基线期数据以及试验期数据存储于一个数据存储区域内。
进一步的，步骤1中，在获取各个试验对象的基线期数据和试验期数据时，具体步骤为：
步骤1.1，按照设定的筛选区域范围在EDC数据库中获取该筛选区域范围内的各个数据存储区域中的对象名称，并对各个对象名称进行编号；
步骤1.2，按照编号顺序获取一个对象名称；
步骤1.3，根据该对象名称在筛选区域范围内查找该对象名称对应的基线期数据，若未查找到该对象名称所对应的基线期数据，则将该对象名称加入到数据不全列表中，再返回步骤1.2获取下一个对象名称，若查找到该对象名称所对应的基线期数据，则进入步骤1.4；
步骤1.4，根据该对象名称在筛选区域范围内查找该对象名称对应的试验期数据，若未查找到该对象名称所对应的试验期数据，则将该对象名称加入到数据不全列表中，再返回步骤1.2获取下一个对象名称，若查找到该对象名称所对应的试验期数据，则进入步骤1.5；
步骤1.5，建立各个试验对象的识别数据包存储于数据寄存器中，识别数据包中包含有对象名称、基线期数据以及试验期数据。
进一步的，步骤1.3和1.4中，在将对象名称加入到数据不全列表中时，同时标记该对象名称缺少基线期数据和/或试验期数据。
进一步的，步骤2中，在对获取的基线期数据和试验期数据进行有效性验证时，是利用设定的数据评价标准来进行有效性验证；数据评价标准包括检查项目评价标准和试验项目评价标准；
检查项目评价标准包括三个检查数据区间范围以及三个对应的临床意义评价，三个检查数据区间范围分别为无效区间、正常区间以及异常区间，三个对应的临床意义评价分别为无效无临床意义、正常有临床意义以及异常无临床意义；
试验项目评价标准包括三个试验数据区间范围以及三个对应的试验结果评价，三个试验数据区间范围分别为无效区间、正常区间以及异常区间，三个对应的试验结果评价分别为无效无临床意义、正常有临床意义以及异常无临床意义。
进一步的，步骤2中，在利用设定的数据评价标准来进行有效性验证时，具体步骤为：
步骤2.1，在数据寄存器中按照存入顺序取出一个识别数据包；
步骤2.2，利用检查项目评价标准来验证识别数据包中各个检查项目的检查结果数据所在的检查数据区间范围与临床意义评价是否对应，若相对应，则进入步骤2.3，若不相对应，则进入步骤2.4；
步骤2.3，利用试验项目评价标准来验证识别数据包中各个试验项目的试验结果数据所在的试验数据区间范围与试验结果评价是否对应，若相对应，则进入步骤2.5，若不相对应，则进入步骤2.4；
步骤2.4，剔除检查结果数据与临床意义评价不相对应的检查项目以及试验结果数据与试验结果评价不相对应的试验项目；
步骤2.5，检查各个识别数据包的数据完整性，若试验对象的基线期数据缺少某个检查项目和/或试验期数据缺少某个试验项目，则将该试验对象的基线期数据和试验期数据存储到项目待补充列表中；若试验对象的基线期数据的各个检查项目以及试验期数据的各个试验项目均完整，则进入步骤2.6；
步骤2.6，将项目完整的识别数据包存储于待识别寄存器中，判断数据寄存器中的识别数据包是否全部取出验证，若数据寄存器中还有识别数据包，则返回步骤2.1，若数据寄存器中的识别数据包已全部取出，则进入步骤3。
进一步的，步骤2.5中，在项目待补充列表中纵向划分出各个项目存储区域，各个项目存储区域均由五列构成，用于分别存储各个试验对象的对象名称、基线期数据以及试验期数据，且对象名称存储于第一列中，基线期数据的检查结果数据存储于第二列中，基线期数据的临床意义评价对应存储于第三列中，试验期数据的试验结果数据存储于第四列，试验期数据的试验结果评价对应存储于第五列中；在各个数据存储区域中，第二列和第三列数据按照各个检查项目编号依次排列，若某个检查项目编号对应的检查项目数据及评价缺少，则该检查项目编号对应的行位置处高亮显示缺少的检查项目名称，第四列和第五列数据按照各个试验项目编号依次排列，若某个试验项目编号的试验项目数据及评价缺少，则该试验项目编号对应的行位置处高亮显示缺少的试验项目名称。
进一步的，步骤3中，在对各个待识别试验对象的基线期数据和试验期数据进行识别处理时，具体步骤为：
步骤3.1，按照存入顺序在待识别寄存器中取出一个识别数据包；
步骤3.2，从取出的识别数据包中解析出对象名称、基线期数据以及试验期数据；
步骤3.3，将解析出的对象名称、基线期数据以及试验期数据存储至筛选结果列表中的可视化区域内；
步骤3.4，将基线期数据中临床意义评价为正常有临床意义的检查结果数据以及对应的临床意义评价在筛选结果列表中高亮标识出来，再将试验期数据中试验结果评价为正常有临床意义的试验结果数据以及对应的临床意义评价在筛选结果列表中高亮标识出来；
步骤3.5，检查待识别寄存器中还有没有识别数据包，若还有识别数据包，则返回步骤3.1，若没有识别数据包，则将筛选结果列表作为可视化数据输出。
进一步的，步骤3.3中，筛选结果列表由纵向分布的各个可视化区域构成，且各个可视化区域之间设置有识别间隔；各个试验对象的可视化数据分别存储在各个可视化区域内，可视化数据包括该试验对象的对象名称、基线期数据以及试验期数据；在可视化区域内设置有两列数据，且可视化区域的第一行用于存储对象名称，基线期数据的各个检查项目的检查结果数据以及对应的临床意义评价由第二行开始分别填写于两列中；试验期数据的各个试验项目的试验结果数据以及对应的试验结果评价存储在基线期数据之后各行的两列中。
进一步的，步骤4中，在弹出显示作为可视化数据的筛选结果列表时，同时还弹出显示数据不全列表以及项目待补充列表，并对筛选结果列表、数据不全列表以及项目待补充列表进行存储。
本发明与现有技术相比，其有益效果是：通过对获取的基线期数据和试验期数据进行有效性验证，能够筛选出完整且有效的基线期数据和试验期数据的试验对象，从而免去人工去进行完整性和有效性检查，能够有效提高不良事件的甄别效率以及准确性；通过对各个待识别试验对象的基线期数据和试验期数据进行识别处理，能够对有效性验证后的试验对象数据进行识别整理，从而便于人员可视化审查，进一步提高甄别效率。
附图说明
图1为本发明的可视化识别筛选方法流程图。
具体实施方式
下面结合附图对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。
实施例1：
如图1所示，本发明公开的用于药物试验不良事件的可视化识别筛选方法，包括如下步骤：
步骤1，从EDC数据库中获取各个试验对象的基线期数据和试验期数据；
步骤2，对获取的基线期数据和试验期数据进行有效性验证，筛选出完整且有效的基线期数据和试验期数据的试验对象作为待识别试验对象；
步骤3，对各个待识别试验对象的基线期数据和试验期数据进行识别处理，并输出便于识别的可视化数据；
步骤4，弹出显示可视化数据，从而便于可视化审查核对。
通过对获取的基线期数据和试验期数据进行有效性验证，能够筛选出完整且有效的基线期数据和试验期数据的试验对象，从而免去人工去进行完整性和有效性检查，能够有效提高不良事件的甄别效率以及准确性；通过对各个待识别试验对象的基线期数据和试验期数据进行识别处理，能够对有效性验证后的试验对象数据进行识别整理，从而便于人员可视化审查，进一步提高甄别效率。
进一步的，步骤1中，基线期数据包括各个检查项目的检查结果数据以及对应的临床意义评价；试验期数据包括各个试验项目的试验结果数据以及对应的试验结果评价；在EDC数据库中划分有各个数据存储区域，同一试验对象的对象名称、基线期数据以及试验期数据存储于一个数据存储区域内。
进一步的，步骤1中，在获取各个试验对象的基线期数据和试验期数据时，具体步骤为：
步骤1.1，按照设定的筛选区域范围在EDC数据库中获取该筛选区域范围内的各个数据存储区域中的对象名称，并对各个对象名称进行编号；
步骤1.2，按照编号顺序获取一个对象名称；
步骤1.3，根据该对象名称在筛选区域范围内查找该对象名称对应的基线期数据，若未查找到该对象名称所对应的基线期数据，则将该对象名称加入到数据不全列表中，再返回步骤1.2获取下一个对象名称，若查找到该对象名称所对应的基线期数据，则进入步骤1.4；
步骤1.4，根据该对象名称在筛选区域范围内查找该对象名称对应的试验期数据，若未查找到该对象名称所对应的试验期数据，则将该对象名称加入到数据不全列表中，再返回步骤1.2获取下一个对象名称，若查找到该对象名称所对应的试验期数据，则进入步骤1.5；
步骤1.5，建立各个试验对象的识别数据包存储于数据寄存器中，识别数据包中包含有对象名称、基线期数据以及试验期数据。
通过设定数据不全列表能够便于将数据不全的试验对象集中导出，从而便于数据录入人员进行查漏补缺，完善数据的完整性。
进一步的，步骤1.3和1.4中，在将对象名称加入到数据不全列表中时，同时标记该对象名称缺少基线期数据和/或试验期数据。该设计能够使得试验人员快速确定出需要补充哪些数据。
进一步的，步骤2中，在对获取的基线期数据和试验期数据进行有效性验证时，是利用设定的数据评价标准来进行有效性验证；数据评价标准包括检查项目评价标准和试验项目评价标准；
检查项目评价标准包括三个检查数据区间范围以及三个对应的临床意义评价，三个检查数据区间范围分别为无效区间、正常区间以及异常区间，三个对应的临床意义评价分别为无效无临床意义、正常有临床意义以及异常无临床意义；
试验项目评价标准包括三个试验数据区间范围以及三个对应的试验结果评价，三个试验数据区间范围分别为无效区间、正常区间以及异常区间，三个对应的试验结果评价分别为无效无临床意义、正常有临床意义以及异常无临床意义。
进一步的，步骤2中，在利用设定的数据评价标准来进行有效性验证时，具体步骤为：
步骤2.1，在数据寄存器中按照存入顺序取出一个识别数据包；
步骤2.2，利用检查项目评价标准来验证识别数据包中各个检查项目的检查结果数据所在的检查数据区间范围与临床意义评价是否对应，若相对应，则进入步骤2.3，若不相对应，则进入步骤2.4；
步骤2.3，利用试验项目评价标准来验证识别数据包中各个试验项目的试验结果数据所在的试验数据区间范围与试验结果评价是否对应，若相对应，则进入步骤2.5，若不相对应，则进入步骤2.4；
步骤2.4，剔除检查结果数据与临床意义评价不相对应的检查项目以及试验结果数据与试验结果评价不相对应的试验项目；
步骤2.5，检查各个识别数据包的数据完整性，若试验对象的基线期数据缺少某个检查项目和/或试验期数据缺少某个试验项目，则将该试验对象的基线期数据和试验期数据存储到项目待补充列表中；若试验对象的基线期数据的各个检查项目以及试验期数据的各个试验项目均完整，则进入步骤2.6；
步骤2.6，将项目完整的识别数据包存储于待识别寄存器中，判断数据寄存器中的识别数据包是否全部取出验证，若数据寄存器中还有识别数据包，则返回步骤2.1，若数据寄存器中的识别数据包已全部取出，则进入步骤3。
通过项目待补充列表能够进一步确定出基线期数据以及试验期数据中分别缺少哪些项目的数据，便于试验人员快速确定出个别项目的缺失。
进一步的，步骤2.5中，在项目待补充列表中纵向划分出各个项目存储区域，各个项目存储区域均由五列构成，用于分别存储各个试验对象的对象名称、基线期数据以及试验期数据，且对象名称存储于第一列中，基线期数据的检查结果数据存储于第二列中，基线期数据的临床意义评价对应存储于第三列中，试验期数据的试验结果数据存储于第四列，试验期数据的试验结果评价对应存储于第五列中；在各个数据存储区域中，第二列和第三列数据按照各个检查项目编号依次排列，若某个检查项目编号对应的检查项目数据及评价缺少，则该检查项目编号对应的行位置处高亮显示缺少的检查项目名称，第四列和第五列数据按照各个试验项目编号依次排列，若某个试验项目编号的试验项目数据及评价缺少，则该试验项目编号对应的行位置处高亮显示缺少的试验项目名称。
进一步的，步骤3中，在对各个待识别试验对象的基线期数据和试验期数据进行识别处理时，具体步骤为：
步骤3.1，按照存入顺序在待识别寄存器中取出一个识别数据包；
步骤3.2，从取出的识别数据包中解析出对象名称、基线期数据以及试验期数据；
步骤3.3，将解析出的对象名称、基线期数据以及试验期数据存储至筛选结果列表中的可视化区域内；
步骤3.4，将基线期数据中临床意义评价为正常有临床意义的检查结果数据以及对应的临床意义评价在筛选结果列表中高亮标识出来，再将试验期数据中试验结果评价为正常有临床意义的试验结果数据以及对应的临床意义评价在筛选结果列表中高亮标识出来；
步骤3.5，检查待识别寄存器中还有没有识别数据包，若还有识别数据包，则返回步骤3.1，若没有识别数据包，则将筛选结果列表作为可视化数据输出。
通过高亮标识能够便于甄别人员快速识别出想要甄别的各个项目，有效提高不良事件的甄别效率和准确性。
进一步的，步骤3.3中，筛选结果列表由纵向分布的各个可视化区域构成，且各个可视化区域之间设置有识别间隔；各个试验对象的可视化数据分别存储在各个可视化区域内，可视化数据包括该试验对象的对象名称、基线期数据以及试验期数据；在可视化区域内设置有两列数据，且可视化区域的第一行用于存储对象名称，基线期数据的各个检查项目的检查结果数据以及对应的临床意义评价由第二行开始分别填写于两列中；试验期数据的各个试验项目的试验结果数据以及对应的试验结果评价存储在基线期数据之后各行的两列中。利用识别间隔能够便于甄别人员分区甄别各个可视化区域。
进一步的，步骤4中，在弹出显示作为可视化数据的筛选结果列表时，同时还弹出显示数据不全列表以及项目待补充列表，并对筛选结果列表、数据不全列表以及项目待补充列表进行存储。通过弹出显示筛选结果列表、数据不全列表以及项目待补充列表能够便于甄别人员快速去检查。
如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。
Claims (9)
1.一种用于药物试验不良事件的可视化识别筛选方法，其特征在于，包括如下步骤：
步骤1，从EDC数据库中获取各个试验对象的基线期数据和试验期数据；
步骤2，对获取的基线期数据和试验期数据进行有效性验证，筛选出完整且有效的基线期数据和试验期数据的试验对象作为待识别试验对象；
步骤3，对各个待识别试验对象的基线期数据和试验期数据进行识别处理，并输出便于识别的可视化数据；
步骤4，弹出显示可视化数据，从而便于可视化审查核对；
步骤3中，在对各个待识别试验对象的基线期数据和试验期数据进行识别处理时，具体步骤为：
步骤3.1，按照存入顺序在待识别寄存器中取出一个识别数据包；
步骤3.2，从取出的识别数据包中解析出对象名称、基线期数据以及试验期数据；
步骤3.3，将解析出的对象名称、基线期数据以及试验期数据存储至筛选结果列表中的可视化区域内；
步骤3.4，将基线期数据中临床意义评价为正常有临床意义的检查结果数据以及对应的临床意义评价在筛选结果列表中高亮标识出来，再将试验期数据中试验结果评价为正常有临床意义的试验结果数据以及对应的临床意义评价在筛选结果列表中高亮标识出来；
步骤3.5，检查待识别寄存器中还有没有识别数据包，若还有识别数据包，则返回步骤3.1，若没有识别数据包，则将筛选结果列表作为可视化数据输出。
2.根据权利要求1所述的用于药物试验不良事件的可视化识别筛选方法，其特征在于，步骤1中，基线期数据包括各个检查项目的检查结果数据以及对应的临床意义评价；试验期数据包括各个试验项目的试验结果数据以及对应的试验结果评价；在EDC数据库中划分有各个数据存储区域，同一试验对象的对象名称、基线期数据以及试验期数据存储于一个数据存储区域内。
3.根据权利要求2所述的用于药物试验不良事件的可视化识别筛选方法，其特征在于，步骤1中，在获取各个试验对象的基线期数据和试验期数据时，具体步骤为：
步骤1.1，按照设定的筛选区域范围在EDC数据库中获取该筛选区域范围内的各个数据存储区域中的对象名称，并对各个对象名称进行编号；
步骤1.2，按照编号顺序获取一个对象名称；
步骤1.3，根据该对象名称在筛选区域范围内查找该对象名称对应的基线期数据，若未查找到该对象名称所对应的基线期数据，则将该对象名称加入到数据不全列表中，再返回步骤1.2获取下一个对象名称，若查找到该对象名称所对应的基线期数据，则进入步骤1.4；
步骤1.4，根据该对象名称在筛选区域范围内查找该对象名称对应的试验期数据，若未查找到该对象名称所对应的试验期数据，则将该对象名称加入到数据不全列表中，再返回步骤1.2获取下一个对象名称，若查找到该对象名称所对应的试验期数据，则进入步骤1.5；
步骤1.5，建立各个试验对象的识别数据包存储于数据寄存器中，识别数据包中包含有对象名称、基线期数据以及试验期数据。
4.根据权利要求3所述的用于药物试验不良事件的可视化识别筛选方法，其特征在于，步骤1.3和1.4中，在将对象名称加入到数据不全列表中时，同时标记该对象名称缺少基线期数据和/或试验期数据。
5.根据权利要求3所述的用于药物试验不良事件的可视化识别筛选方法，其特征在于，步骤2中，在对获取的基线期数据和试验期数据进行有效性验证时，是利用设定的数据评价标准来进行有效性验证；数据评价标准包括检查项目评价标准和试验项目评价标准；
检查项目评价标准包括三个检查数据区间范围以及三个对应的临床意义评价，三个检查数据区间范围分别为无效区间、正常区间以及异常区间，三个对应的临床意义评价分别为无效无临床意义、正常有临床意义以及异常无临床意义；
试验项目评价标准包括三个试验数据区间范围以及三个对应的试验结果评价，三个试验数据区间范围分别为无效区间、正常区间以及异常区间，三个对应的试验结果评价分别为无效无临床意义、正常有临床意义以及异常无临床意义。
6.根据权利要求5所述的用于药物试验不良事件的可视化识别筛选方法，其特征在于，步骤2中，在利用设定的数据评价标准来进行有效性验证时，具体步骤为：
步骤2.1，在数据寄存器中按照存入顺序取出一个识别数据包；
步骤2.2，利用检查项目评价标准来验证识别数据包中各个检查项目的检查结果数据所在的检查数据区间范围与临床意义评价是否对应，若相对应，则进入步骤2.3，若不相对应，则进入步骤2.4；
步骤2.3，利用试验项目评价标准来验证识别数据包中各个试验项目的试验结果数据所在的试验数据区间范围与试验结果评价是否对应，若相对应，则进入步骤2.5，若不相对应，则进入步骤2.4；
步骤2.4，剔除检查结果数据与临床意义评价不相对应的检查项目以及试验结果数据与试验结果评价不相对应的试验项目；
步骤2.5，检查各个识别数据包的数据完整性，若试验对象的基线期数据缺少某个检查项目和/或试验期数据缺少某个试验项目，则将该试验对象的基线期数据和试验期数据存储到项目待补充列表中；若试验对象的基线期数据的各个检查项目以及试验期数据的各个试验项目均完整，则进入步骤2.6；
步骤2.6，将项目完整的识别数据包存储于待识别寄存器中，判断数据寄存器中的识别数据包是否全部取出验证，若数据寄存器中还有识别数据包，则返回步骤2.1，若数据寄存器中的识别数据包已全部取出，则进入步骤3。
7.根据权利要求6所述的用于药物试验不良事件的可视化识别筛选方法，其特征在于，步骤2.5中，在项目待补充列表中纵向划分出各个项目存储区域，各个项目存储区域均由五列构成，用于分别存储各个试验对象的对象名称、基线期数据以及试验期数据，且对象名称存储于第一列中，基线期数据的检查结果数据存储于第二列中，基线期数据的临床意义评价对应存储于第三列中，试验期数据的试验结果数据存储于第四列，试验期数据的试验结果评价对应存储于第五列中；在各个数据存储区域中，第二列和第三列数据按照各个检查项目编号依次排列，若某个检查项目编号对应的检查项目数据及评价缺少，则该检查项目编号对应的行位置处高亮显示缺少的检查项目名称，第四列和第五列数据按照各个试验项目编号依次排列，若某个试验项目编号的试验项目数据及评价缺少，则该试验项目编号对应的行位置处高亮显示缺少的试验项目名称。
8.根据权利要求1所述的用于药物试验不良事件的可视化识别筛选方法，其特征在于，步骤3.3中，筛选结果列表由纵向分布的各个可视化区域构成，且各个可视化区域之间设置有识别间隔；各个试验对象的可视化数据分别存储在各个可视化区域内，可视化数据包括该试验对象的对象名称、基线期数据以及试验期数据；在可视化区域内设置有两列数据，且可视化区域的第一行用于存储对象名称，基线期数据的各个检查项目的检查结果数据以及对应的临床意义评价由第二行开始分别填写于两列中；试验期数据的各个试验项目的试验结果数据以及对应的试验结果评价存储在基线期数据之后各行的两列中。
9.根据权利要求1所述的用于药物试验不良事件的可视化识别筛选方法，其特征在于，步骤4中，在弹出显示作为可视化数据的筛选结果列表时，同时还弹出显示数据不全列表以及项目待补充列表，并对筛选结果列表、数据不全列表以及项目待补充列表进行存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010174016.XA CN111427948B (zh) | 2020-03-13 | 2020-03-13 | 一种用于药物试验不良事件的可视化识别筛选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010174016.XA CN111427948B (zh) | 2020-03-13 | 2020-03-13 | 一种用于药物试验不良事件的可视化识别筛选方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111427948A CN111427948A (zh) | 2020-07-17 |
| CN111427948B true CN111427948B (zh) | 2023-06-02 |
Family
ID=71546543
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010174016.XA Active CN111427948B (zh) | 2020-03-13 | 2020-03-13 | 一种用于药物试验不良事件的可视化识别筛选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111427948B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117352193A (zh) * | 2023-12-05 | 2024-01-05 | 山东法默康医药咨询有限公司 | 基于药品长期试验的数据处理方法、系统、装置及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101966208A (zh) * | 2009-07-28 | 2011-02-09 | 北京北大维信生物科技有限公司 | 一种治疗抑郁症的药物及其制备方法 |
| CN103218540A (zh) * | 2012-07-28 | 2013-07-24 | 夏琦 | 一种可视化交互式临床试验和临床随访的系统及方法 |
-
2020
- 2020-03-13 CN CN202010174016.XA patent/CN111427948B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101966208A (zh) * | 2009-07-28 | 2011-02-09 | 北京北大维信生物科技有限公司 | 一种治疗抑郁症的药物及其制备方法 |
| CN103218540A (zh) * | 2012-07-28 | 2013-07-24 | 夏琦 | 一种可视化交互式临床试验和临床随访的系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周蓓 ; 于浩 ; .临床试验中严重不良事件一致性核对的优化.中国临床药理学与治疗学.2018,(第04期),第428-433页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111427948A (zh) | 2020-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107862338B (zh) | 基于双检验法的海洋环境监测数据质量管理方法及系统 | |
| US9297820B2 (en) | Automatic analyzer | |
| JP3656692B2 (ja) | 臨床検査システムおよび検査状況管理方法 | |
| CN107545361B (zh) | 室间比对系统及方法 | |
| CN104156441A (zh) | 一种基于数据挖掘技术的lis数据分析方法 | |
| CN111427948B (zh) | 一种用于药物试验不良事件的可视化识别筛选方法 | |
| CN106339569A (zh) | 判断样本检验结果异常的方法及装置 | |
| CN111180027A (zh) | 一种基于医疗大数据的患者画像相关性规则筛选方法及装置 | |
| CN111081374B (zh) | 基于共同注意力范式的孤独症辅助诊断装置 | |
| JP6577747B2 (ja) | 血液検査装置 | |
| JP2006031264A (ja) | 臨床検査情報管理装置、臨床検査情報管理方法、および臨床検査情報管理プログラム | |
| CN114609399B (zh) | 样本分析状态的提示方法及装置、设备及存储介质 | |
| KR102026496B1 (ko) | 자동 분석 커버리지 검증 | |
| KR102277631B1 (ko) | 철도 터널의 안전 검사를 위한 자동화 진단 시스템 | |
| CN107229828A (zh) | 用于内分泌检测分析的数据预警方法及装置 | |
| Bordoni et al. | Comparison between indexes for diagnosis and guidance for treatment of dental caries | |
| CN107358016B (zh) | 用于地中海贫血检测的审核方法及装置 | |
| US7792573B2 (en) | Method for collecting and assigning patient data in a clinical trial | |
| Kouser et al. | Review of Key Performance Indicator in a Hematology Laboratory: A Preventable Source of Error | |
| Ghauri et al. | Evaluation of Key Performance Indicators in the Pre-analytical Phase of Testing in a Clinical Chemistry Laboratory of a Reference Institute | |
| AU2007100331A4 (en) | Health reporting using blood analysis | |
| Lees | International Organization of Standards for Measurement Validation: Food Analysis | |
| CN111180028B (zh) | 一种基于医疗大数据的患者画像特异性规则筛选方法及装置 | |
| Xi et al. | Quality management in anatomic pathology: The past, present, and future | |
| CN118039048A (zh) | 一种临床检验数据处理方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |