CN111564220A - 一种应用于循证医学的证据检索与收集系统及其方法 - Google Patents
一种应用于循证医学的证据检索与收集系统及其方法 Download PDFInfo
- Publication number
- CN111564220A CN111564220A CN201910938868.9A CN201910938868A CN111564220A CN 111564220 A CN111564220 A CN 111564220A CN 201910938868 A CN201910938868 A CN 201910938868A CN 111564220 A CN111564220 A CN 111564220A
- Authority
- CN
- China
- Prior art keywords
- evidence
- retrieval
- module
- data
- collection
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000003814 drug Substances 0.000 title claims abstract description 24
- 238000010197 meta-analysis Methods 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 19
- 238000011160 research Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 230000007717 exclusion Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 4
- 230000009471 action Effects 0.000 description 6
- 230000010354 integration Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010206 sensitivity analysis Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/387—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Library & Information Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种应用于循证医学的证据检索与收集系统及其方法,包括:证据收集单元、证据链生成模块、数据分析模块和智能学习模块、证据检索单元以及模型构建模块。本发明还公开了一种应用于循证医学的证据检索与收集方法,包括以下步骤:A:收集证据、B:证据链生成、C:证据检索、D:数据分析、E:模型构建。本发明能够充分收集患者的病例证据,结合Cochrane数据库检索的历史病例证据,通过信息添加模块在采集的证据数据中加入时间戳与地理位置信息形成证据链,通过Meta分析模块能够快速检索出相应的历史病例证据,通过智能学习模块学习关键字检索以及学习分析其检索策略,以达到输入相关关键词后智能制定检索策略的目的。
Description
技术领域
本发明涉及医学证据检索技术领域,特别涉及一种应用于循证医学的证据检索与收集系统及其方法。
背景技术
循证医学本质上是一门临床医学的基础学科,是指导临床医疗进行科学诊治决策的方法学。其中随机对照试验的研究证据更是临床治疗中直接反映疗效的重要证据。实践循证医学的过程包括五个步骤,分别是循证问题的构建及方法、证据检索与收集、严格评价证据、应用最佳证据以及经验总结和后效评价。其中,在证据检索与收集步骤,传统的方法严重依赖于劳动密集型的手工处理;但是手工处理存在出错率高、准确性不足的问题。
公开号为CN109460477A的中国专利公开了一种信息收集分类系统和方法及其检索和集成方法,该检索和集成方法包括如下步骤:步骤S1:获得一个潜在新词,对其进行知识图谱的检索,若存在知识图谱中存在该潜在新词,则直接进行步骤S2,若不存在,则将该潜在新词及和其有关的所有三元组(e1,r,e2)集成进知识图谱,其中,e1表示该潜在新词,e2表示与该潜在新词有实体关系的词,r表示e1和e2的关系种类;步骤S2:对所获得的该潜在新词进行词向量集成;步骤S3:重复步骤S1-步骤S2,直至所有的潜在新词检索和集成完毕。该发明可以有效地、增量式地集成信息,只在必要时触发重训练,在保证知识集成的质量的情况下,降低了系统成本,优化了系统流程。
但是不同于其它运用机器学习方法进行决策辅助的领域,医疗证据检索与收集领域对于机器推荐检索方案的可解释性和相应的证据支持拥有更高的要求。而上述检索和集成方法虽然能够对病历进行一定的检索,但是却不能结合患者的病例证据以及添加时间戳与地理位置信息形成证据链,不能快速地检索出相应的历史病例证据,降低了医治的效率;另外,上述的发明没有设置模型构建模块,不能使用病例证据模型进行数据分析,不能分析出各个证据主体的不确定性。因此,发明一种应用于循证医学的证据检索与收集系统及其方法来解决上述问题很有必要。
发明内容
(一)解决的技术问题
本发明的目的在于提供一种应用于循证医学的证据检索与收集系统及其方法,以解决现有的信息收集分类系统和方法不能结合患者的病例证据以及添加时间戳与地理位置信息形成证据链,没有设置模型构建模块,不能使用病例证据模型进行数据分析,不能分析出各个证据主体的不确定性的问题。
(二)技术方案
为实现上述应用于循证医学的证据检索与收集系统及其方法解决现有的信息收集分类系统和方法不能结合患者的病例证据以及添加时间戳与地理位置信息形成证据链,没有设置模型构建模块,不能使用病例证据模型进行数据分析,不能分析出各个证据主体的不确定性的问题,本发明提供如下技术方案:
一种应用于循证医学的证据检索与收集系统,包括:
证据收集单元,通过医疗仪器对医疗证据数据进行采集;
证据链生成模块,根据证据数据、时间戳与地理位置信息将采集的证据数据整合生成证据链;
数据分析模块和智能学习模块,数据分析模块对证据链进行分析,智能学习模块学习关键字检索以及历史病例证据的判断;
证据检索单元,在互联网数据库中全面而系统地检索;只检索以人为研究对象的研究,研究类型和出版语言不受限制;检索纳入研究的参考文献;
模型构建模块,根据历史病例证据和病人的医疗证据,建立医疗模型。
优选的,所述证据收集单元包括移动终端、A/D转换模块、证据收集模块、信息添加模块以及证据处理模块,所述移动终端的输出端电连接A/D转换模块的输入端,所述A/D转换模块的输出端电连接证据收集模块的输入端,所述证据收集模块的输出端、所述信息添加模块的输出端均电连接证据处理模块的输入端。
优选的,所述证据检索单元包括Cochrane数据库和证据检索模块,所述Cochrane数据库的连接端通过信号连接证据检索模块的连接端,所述Cochrane数据库的输出端连接Meta分析模块的输入端。
优选的,所述Meta分析模块的主要步骤为:
一、明确简洁地提出需要解决的问题;
二、制定检索策略,全面广泛地收集随机对照试验;
三、确定纳入和排除标准,剔除不符合要求的文献;
四、资料选择和提取,包括原文的结果数据、图表等;
五、各试验的质量评估和特征描述;
六、统计学处理;
七、结果解释、作出结论及评价;
八、维护和更新资料。
优选的,信息添加模块,用于在采集的证据数据中加入时间戳与地理位置信息
优选的,所述信息添加模块的步骤为:
1)、将证据数据按照证据类型进行分类;
2)、根据证据数据采集的时间与地点对每种类型的证据进行串接处理;
3)、将每种类型证据按照证据关键字的不同进行排列形成完整证据链取证数据。
一种应用于循证医学的证据检索与收集方法,包括以下步骤:
A:收集证据:首先通过医疗仪器对患者进行医疗证据进行数据采集,然后在采集的证据数据中加入时间戳与地理位置信息,通过证据处理模块对将时间戳与地理位置信息匹配相应的医疗证据数据;
B:证据链生成:根据证据数据、时间戳与地理位置信息生成证据链取证数据;
C:证据检索:在Cochrane数据库内进行关键字检索,并通过Meta分析模块对历史病例证据进行分析筛选;
D:数据分析:将患者的病例证据与筛选出来的历史病例证据进行分析比对,在此过程中,智能学习模块学习关键字检索以及历史病例证据的判断与比对;
E:模型构建:根据对比的数据构建病例证据模型,并做出最终的治疗方案推荐。
(三)有益效果
与现有技术相比,本发明提供了一种应用于循证医学的证据检索与收集系统及其方法,具备以下有益效果:
1、本发明能够充分收集患者的病例证据,结合Cochrane数据库检索的历史病例证据,通过信息添加模块在采集的证据数据中加入时间戳与地理位置信息形成证据链,通过Meta分析模块能够快速检索出相应的历史病例证据,通过智能学习模块学习关键字检索以及学习分析其检索策略,以达到输入相关关键词后智能制定检索策略的目的。
2、本发明通过模型构建模块构建病例证据模型,在充分考虑不同干预作用下的研究间可变性带来的额外不确定性,使用病例证据模型进行数据分析,敏感性分析通过评估单项研究或单个因素对于Meta分析结果的影响,来衡量结果的可靠性,为医疗决策提供证据更为充分的推荐治疗方案,并且充分考虑了各个证据主体的不确定性(证据可靠性)。
附图说明
图1为本发明系统连接示意图。
图2为本发明证据收集单元连接示意图。
图3为本发明证据检索单元连接示意图。
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作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。
如图1-3所示的一种应用于循证医学的证据检索与收集系统,包括:
证据收集单元,通过医疗仪器对医疗证据数据进行采集;证据收集单元包括移动终端、A/D转换模块、证据收集模块、信息添加模块以及证据处理模块,移动终端的输出端电连接A/D转换模块的输入端,A/D转换模块的输出端电连接证据收集模块的输入端,证据收集模块的输出端、信息添加模块的输出端均电连接证据处理模块的输入端;
具体的,信息添加模块,用于在采集的证据数据中加入时间戳与地理位置信息,信息添加模块的步骤为:
1)、将证据数据按照证据类型进行分类;
2)、根据证据数据采集的时间与地点对每种类型的证据进行串接处理;
3)、将每种类型证据按照证据关键字的不同进行排列形成完整证据链取证数据;
证据链生成模块,根据证据数据、时间戳与地理位置信息将采集的证据数据整合生成证据链;
数据分析模块和智能学习模块,数据分析模块对证据链进行分析,智能学习模块学习关键字检索以及历史病例证据的判断;
证据检索单元,在互联网数据库中全面而系统地检索;只检索以人为研究对象的研究,研究类型和出版语言不受限制;检索纳入研究的参考文献;证据检索单元包括Cochrane数据库和证据检索模块,Cochrane数据库的连接端通过信号连接证据检索模块的连接端,Cochrane数据库的输出端连接Meta分析模块的输入端;
具体的,Meta分析模块的主要步骤为:
一、明确简洁地提出需要解决的问题;
二、制定检索策略,全面广泛地收集随机对照试验;
三、确定纳入和排除标准,剔除不符合要求的文献;
四、资料选择和提取,包括原文的结果数据、图表等;
五、各试验的质量评估和特征描述;
六、统计学处理;
七、结果解释、作出结论及评价;
八、维护和更新资料;
模型构建模块,根据历史病例证据和病人的医疗证据,建立医疗模型。
本发明还公开了一种应用于循证医学的证据检索与收集方法,包括以下步骤:
A:收集证据:首先通过医疗仪器上对患者进行医疗证据的数据采集,通过音频和视频采集设备将医生或护士的视频和音频采集,采集的证据数据不可修改、不可从外部导入数据,以此来保证数据的不可修改和真实性,然后在采集的证据数据中加入时间戳与地理位置信息,信息加入的步骤为:首先将证据数据按照证据类型进行分类;然后根据证据数据采集的时间与地点对每种类型的证据进行串接处理;再将每种类型证据按照证据关键字的不同进行排列形成完整证据链取证;数据通过证据处理模块对将时间戳与地理位置信息匹配相应的医疗证据数据;
B:证据链生成:根据证据数据、时间戳与地理位置信息生成证据链取证数据,将证据数据按照证据类型进行分类;根据证据数据采集的时间与地点对每种类型的证据进行串接处理;将每种类型证据按照关键字的出现频率进行排列形成完整证据链取证数据;
C:证据检索:在Cochrane数据库内进行关键字检索,Cochrane数据库是医学保健领域系统评估的领先资源,由Cochrane Collaboration内部的Cochrane Review Groups经过严格的审核发布,研究了在某种医疗状况下为防治、治疗和康复而进行的干预的效果,通过Meta分析模块对历史病例证据进行分析筛选,Meta分析模块可对研究对象、语种、出版年限、出版类型进行限定,可以根据预检索的结果修改检索策略,根据分析的结果从数据库中提取相应的历史病例证据;
D:数据分析:将患者的病例证据与提取出来的历史病例证据进行分析比对,筛选出其中与患者的病例相似或相同的证据,在此过程中,智能学习模块学习关键字检索以及学习分析其检索策略,以达到输入相关关键词后智能制定检索策略的目的;
E:模型构建:根据对比的数据构建病例证据模型,在充分考虑不同干预作用下的研究间可变性带来的额外不确定性,使用病例证据模型进行数据分析,敏感性分析通过评估单项研究或单个因素对于Meta分析结果的影响,来衡量结果的可靠性,并做出最终的治疗方案推荐。
综上,本发明能够充分收集患者的病例证据,结合Cochrane数据库检索的历史病例证据,通过信息添加模块在采集的证据数据中加入时间戳与地理位置信息形成证据链,通过Meta分析模块能够快速检索出相应的历史病例证据,通过智能学习模块学习关键字检索以及学习分析其检索策略,以达到输入相关关键词后智能制定检索策略的目的。其次,本发明通过模型构建模块构建病例证据模型,在充分考虑不同干预作用下的研究间可变性带来的额外不确定性,使用病例证据模型进行数据分析,敏感性分析通过评估单项研究或单个因素对于Meta分析结果的影响,来衡量结果的可靠性,为医疗决策提供证据更为充分的推荐治疗方案,并且充分考虑了各个证据主体的不确定性(证据可靠性)。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种应用于循证医学的证据检索与收集系统,其特征在于,包括:
证据收集单元,通过医疗仪器对医疗证据数据进行采集;
证据链生成模块,根据证据数据、时间戳与地理位置信息将采集的证据数据整合生成证据链;
数据分析模块和智能学习模块,数据分析模块对证据链进行分析,智能学习模块学习关键字检索以及历史病例证据的判断;
证据检索单元,在互联网数据库中全面而系统地检索;只检索以人为研究对象的研究,研究类型和出版语言不受限制;检索纳入研究的参考文献;
模型构建模块,根据历史病例证据和病人的医疗证据,建立医疗模型。
2.根据权利要求1所述的一种应用于循证医学的证据检索与收集系统,其特征在于:所述证据收集单元包括移动终端、A/D转换模块、证据收集模块、信息添加模块以及证据处理模块,所述移动终端的输出端电连接A/D转换模块的输入端,所述A/D转换模块的输出端电连接证据收集模块的输入端,所述证据收集模块的输出端、所述信息添加模块的输出端均电连接证据处理模块的输入端。
3.根据权利要求1所述的一种应用于循证医学的证据检索与收集系统,其特征在于:所述证据检索单元包括Cochrane数据库和证据检索模块,所述Cochrane数据库的连接端通过信号连接证据检索模块的连接端,所述Cochrane数据库的输出端连接Meta分析模块的输入端。
4.根据权利要求3所述的一种应用于循证医学的证据检索与收集系统,其特征在于:所述Meta分析模块的主要步骤为:
一、明确简洁地提出需要解决的问题;
二、制定检索策略,全面广泛地收集随机对照试验;
三、确定纳入和排除标准,剔除不符合要求的文献;
四、资料选择和提取,包括原文的结果数据、图表等;
五、各试验的质量评估和特征描述;
六、统计学处理;
七、结果解释、作出结论及评价;
八、维护和更新资料。
5.根据权利要求2所述的一种应用于循证医学的证据检索与收集系统,其特征在于:信息添加模块,用于在采集的证据数据中加入时间戳与地理位置信息。
6.根据权利要求2所述的一种应用于循证医学的证据检索与收集系统,其特征在于:所述信息添加模块的步骤为:
1)、将证据数据按照证据类型进行分类;
2)、根据证据数据采集的时间与地点对每种类型的证据进行串接处理;
3)、将每种类型证据按照证据关键字的不同进行排列形成完整证据链取证数据。
7.一种应用于循证医学的证据检索与收集方法,其特征在于,包括以下步骤:
A:收集证据:首先通过医疗仪器对患者进行医疗证据的数据采集,然后在采集的证据数据中加入时间戳与地理位置信息,通过证据处理模块对将时间戳与地理位置信息匹配相应的医疗证据数据;
B:证据链生成:根据证据数据、时间戳与地理位置信息生成证据链取证数据;
C:证据检索:在Cochrane数据库内进行关键字检索,并通过Meta分析模块对历史病例证据进行分析筛选;
D:数据分析:将患者的病例证据与筛选出来的历史病例证据进行分析比对,在此过程中,智能学习模块学习关键字检索以及历史病例证据的判断与比对;
E:模型构建:根据对比的数据构建病例证据模型,并做出最终的治疗方案推荐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910938868.9A CN111564220A (zh) | 2019-09-30 | 2019-09-30 | 一种应用于循证医学的证据检索与收集系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910938868.9A CN111564220A (zh) | 2019-09-30 | 2019-09-30 | 一种应用于循证医学的证据检索与收集系统及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111564220A true CN111564220A (zh) | 2020-08-21 |
Family
ID=72074043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910938868.9A Pending CN111564220A (zh) | 2019-09-30 | 2019-09-30 | 一种应用于循证医学的证据检索与收集系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111564220A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113257436A (zh) * | 2021-06-16 | 2021-08-13 | 北京大学第三医院(北京大学第三临床医学院) | 一种帕金森病治疗的药物治疗管理方法和系统 |
CN113722451A (zh) * | 2021-07-12 | 2021-11-30 | 上海中医药大学 | 一种循证检索词推荐方法及其应用 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110301977A1 (en) * | 2010-06-03 | 2011-12-08 | General Electric Company | Systems and methods for value-based decision support |
US20190295725A1 (en) * | 2018-03-23 | 2019-09-26 | Donnie R. Morrow, JR. | Patient Tracking and Diagnosis System of Transmissible Disease |
-
2019
- 2019-09-30 CN CN201910938868.9A patent/CN111564220A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110301977A1 (en) * | 2010-06-03 | 2011-12-08 | General Electric Company | Systems and methods for value-based decision support |
US20190295725A1 (en) * | 2018-03-23 | 2019-09-26 | Donnie R. Morrow, JR. | Patient Tracking and Diagnosis System of Transmissible Disease |
Non-Patent Citations (5)
Title |
---|
伯志祥等: "标准化患者教学模式提高住院医师规范化培训效果的Meta分析", 《中国毕业后医学教育》 * |
曲成毅: "循证临床实践", 《中国厂矿医学》 * |
李范等: "从循证病例报告看我国循证临床决策过程", 《中国循证医学杂志》 * |
谭志明: "《健康医疗大数据与人工智能》", 31 March 2019 * |
阿巴斯?艾麦提等: "一期病灶清除植骨前路与后路途径治疗脊柱结核疗效比较的Meta分析", 《中国循证医学杂志》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113257436A (zh) * | 2021-06-16 | 2021-08-13 | 北京大学第三医院(北京大学第三临床医学院) | 一种帕金森病治疗的药物治疗管理方法和系统 |
CN113722451A (zh) * | 2021-07-12 | 2021-11-30 | 上海中医药大学 | 一种循证检索词推荐方法及其应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
El-Bialy et al. | Feature analysis of coronary artery heart disease data sets | |
Niaksu | CRISP data mining methodology extension for medical domain | |
CN110706786B (zh) | 非接触式心理参数智能分析与评测系统 | |
WO2020243846A1 (en) | System and method for automated file reporting | |
Chen et al. | Automatic detection of alzheimer’s disease using spontaneous speech only | |
CN106326259A (zh) | 搜索引擎中商品标签的构建方法、系统及搜索方法和系统 | |
Bhardwaj et al. | Data mining techniques and their implementation in blood bank sector–a review | |
CN111564220A (zh) | 一种应用于循证医学的证据检索与收集系统及其方法 | |
CN102026577A (zh) | 生理数据的形态特征分析的系统和方法 | |
US20220172805A1 (en) | System and method for automatically determining serious adverse events | |
Bellisario et al. | Contributions of MIR to soundscape ecology. Part 3: Tagging and classifying audio features using a multi-labeling k-nearest neighbor approach | |
Mittal et al. | A COMPARATIVE STUDY OF ASSOCIATION RULE MINING TECHNIQUES AND PREDICTIVE MINING APPROACHES FOR ASSOCIATION CLASSIFICATION. | |
WO2015023031A1 (ko) | 전문분야 검색 지원 방법 및 그 장치 | |
CN113796873A (zh) | 穿戴式动态心电信号分类方法及系统 | |
CN113223734A (zh) | 基于算法、医学影像和大数据的疾病诊断和大健康管理平台 | |
CN116578677B (zh) | 一种针对医疗检验信息的检索系统和方法 | |
CN117542540A (zh) | 传染病风险预测方法、装置、电子设备及存储介质 | |
CN106227661B (zh) | 数据处理方法及装置 | |
US20110218823A1 (en) | Method and System for Determining Precursors of Health Abnormalities from Processing Medical Records | |
CN113643781B (zh) | 基于时序预警信号的健康干预方案个性化推荐方法及系统 | |
Riede et al. | Automated annotation of Orthoptera songs: first results from analysing the DORSA sound repository | |
CN113990489A (zh) | 一种中医药临床证候诊疗智能数据处理和分析挖掘系统 | |
Rammal et al. | Heart failure prediction models using big data techniques | |
CN114822734A (zh) | 基于循环卷积神经网络的中医病案分析方法 | |
CN111986815A (zh) | 基于共现关系的项目组合挖掘方法及相关设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200821 |