CN111724910B - 一种适用于围手术期患者血液管理的检测评估方法 - Google Patents

一种适用于围手术期患者血液管理的检测评估方法 Download PDF

Info

Publication number
CN111724910B
CN111724910B CN202010447492.4A CN202010447492A CN111724910B CN 111724910 B CN111724910 B CN 111724910B CN 202010447492 A CN202010447492 A CN 202010447492A CN 111724910 B CN111724910 B CN 111724910B
Authority
CN
China
Prior art keywords
blood
patient
transfusion
information
evaluation
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
CN202010447492.4A
Other languages
English (en)
Other versions
CN111724910A (zh
Inventor
王勇军
杨问宇
杨青青
刘梦娜
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.)
Beijing Healsci Chuanglian Health Technology Co ltd
Original Assignee
Beijing Healsci Chuanglian Health Technology 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 Beijing Healsci Chuanglian Health Technology Co ltd filed Critical Beijing Healsci Chuanglian Health Technology Co ltd
Priority to CN202010447492.4A priority Critical patent/CN111724910B/zh
Publication of CN111724910A publication Critical patent/CN111724910A/zh
Application granted granted Critical
Publication of CN111724910B publication Critical patent/CN111724910B/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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • 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

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Bioethics (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明涉及医疗技术领域，且公开了一种适用于围手术期患者血液管理的检测评估方法，具体方法步骤如下：S1从MySQL数据库中读取患者的入院记录、护理文书、血常规、凝血和生化信息，进行聚合；S2评估患者结构化检验指标是否满足术前自体血采集的要求。本发明能够帮助输血科医生了解本院各科室单病种用血规律，通过最佳术后血红蛋白的分析帮助医生制定最佳的输血路径；临床医生可以在术前了解患者贫血、凝血功能状况，及时针对性治疗保证术中手术顺利并加速患者康复；提前帮助医生了解自体血采集方案和术中回收可行性，大大降低异体血的使用几率，减小了发生各种不良反应的风险。

Description

一种适用于围手术期患者血液管理的检测评估方法
技术领域
本发明涉及医疗技术领域，具体为一种适用于围手术期患者血液管理的检测评估方法。
背景技术
随着医疗服务总量逐年增加，全国临床用血量以平均每年10％速度增长，同时志愿献血率增速变缓，从季节性供血紧张转变为到结构性缺血，临床用血面临血液短缺的形式越来越严峻，血液短缺成为了常态危机，尽管血液经过严格程序的筛查、检测等处理，但输血仍然存在输血不良反应及传播疾病的风险，另外过量输血可能还会增加并发症出现的概率不利于患者康复。所以，患者血液管理在患者围术期康复中的作用，日渐受到临床的高度重视。患者血液管理(patient blood management,PBM)是医院整体层面的、应用循证医学证据来及时控制贫血、优化止血和最大限度减少失血、科学合理进行临床血液输注，以达到改善患者预后为目的综合管理措施。
医院临床进行血液管理，往往需要多学科联合、协调和监督，涉及到外科、内科、麻醉科、体外循环科、ICU和输血科中各主治医师、住院医师和护士等各层次人员，以病人转归为中心，整合各种资源努力实现免输血医疗或者无血医疗。
目前我国仍有不少地区存在血液使用不合理的现象，通过严格掌握输血指征、降低异体输血的比例来保障输血安全和减少患者输血机率，对临床来说难度较大；患者血液管理涉及到外科、内科、麻醉科、体外循环科、ICU和输血科，其中需要各主治医师、住院医师和护士等各层次人员的相互配合，综合考虑患者各方面信息制定个性化血液管理方案，而患者的巨大数量对医疗资源的调配效率提出很高的要求；患者血液管理需要针对患者诊疗过程中产生的基本信息、手术信息、输血记录、实验室检验信息等海量数据进行综合分析，而这些数据分散在医院各个信息系统中，难以快速高效地进行汇总和聚合，也无法以统一的方式呈现给临床医生，如果需要统一分析，就需要医生从不同的系统调取和查看，大大影响了医生的工作效率，对于PBM所需要的各项检验项目，很难统一进行管理，医生也不太容易从繁多的检验指标中发现异常值和危急值；临床用血往往通过经验来判断，而各科室情况各不相同，输注经验缺乏科学的数据支撑，往往导致用血量偏大；由于患者情况千差万别，而不同的输血指征又相互影响，只考虑单一因素往往不能有效改善患者预后，所以如何根据不同患者情况综合考虑贫血、凝血、围术期输血、自体血采集方式和术中自体血回输方法来制定符合患者实时情况的输血方案难度很高。
发明内容
鉴于现有技术存在的上述问题，本发明提供了一种适用于围手术期患者血液管理的检测评估方法。
为了实现上述目的，本发明提供的一种围手术期患者血液管理的检测评估方法，具体方法步骤如下：
(1)术前自体血采集评估及推荐
S1从MySQL数据库中读取患者的入院记录、护理文书、血常规、凝血和生化信息，进行聚合；
S2评估患者结构化检验指标是否满足术前自体血采集的要求，这部分用到的数据包括患者的个人基本信息、血常规和凝血检验数据；
S3根据患者的入院记录、护理文书和凝血检验评估患者是否有禁忌症，禁忌症包括脓毒症、菌血症、肝肾功能不全、严重心脏疾病、贫血、有昏厥史和凝血功能异常；
S4基于患者的基本信息、入院记录、凝血检验、生化检验、血常规和血气检验，利用XGBoost训练模型预测患者术中失血量；
S5根据结构化指标、禁忌症判断以及失血量评估患者是否适合术前自体血采集，并综合患者术前HB对患者术前储存自体血方式做出推荐：术前HB较高的患者建议单采，术前HB较低的患者建议采集全血；
(2)术中自体血回收评估及推荐
S6根据手术名称和入院诊断判断患者是否有创伤，四小时以上的开放性创伤无法进行自体血回输；
S7判断患者所在科室是否满足要求；
S8根据入院诊断、手术名称和血常规检验判断患者是否有肿瘤、结核和感染禁忌症；
S9综合S6-S8的结果，当患者满足这三个条件时，判断患者适用于术中自体血回输，任一条件不满足则判断患者不适合术中自体血回输，当用于评估的指标缺失时，提醒医生评估数据不完整；
(3)贫血评估及推荐
首先，从输血相关数据库中，提取患者的基本信息、诊断信息和入院以来的检验信息作为输入值加入系统；
其次，根据贫血分级、形态学分类和铁代谢评估规则判断患者贫血情况最后，根据患者的贫血分类推荐相应的管理方案；
(4)输血效果评价
通过查阅输血效果评价的国内外文献，确定输血效果的评价标准，高效实时抓取在院输血患者的基本信息、诊疗信息、流数据，通过对比患者输血前后关键指标的变化，将本次输注效果判定为输注有效、部分有效、无效；
(5)同术式用血分析
首先，从输血大数据库中获取医师历史手术信息以及手术对应的输血量；
其次，将表述不同的手术名称通过只能搜索匹配转换成统一的手术编码；
最后，将相同术式的手术分成本医疗组合其他医疗组，以供大家参考；
(6)凝血功能评估及推荐
(7)最佳术后血红蛋白分析
首先，提取患者的基本信息诊断信息、手术信息、术后动态血常规、以及术后输血信息，经过数据清洗、转换和脱敏聚合成以手术为维度的数据中心；
其次，通过自然语言处理技术将手术名称分词并按病种对手术名称进行归类；
最后，通过分析单病种术后血红蛋白与患者结局的关系，从而挖掘出使得患者能够尽快转归而到达的最佳术后血红蛋白值。
优选的，上述步骤S2和S3中，如果患者数据不全，则无法评估，同时提醒医生待补全特征。
优选的，上述步骤S4中患者术中失血量预测流程如下：
S41聚合患者入院信息、手术信息和术前各项检验、生命体征以及术后各项检验；
S42根据术前术后红细胞压积和患者血容量计算患者术中失血量；
S43对数据进行预处理，主要包括缺失值填补和分类特征one-hot编码；
S44用术前各项检验和手术信息训练XGBoost模型，预测患者的术中失血量；
S45对满足触发条件的患者用训练好的模型进行预测。
优选的，上述步骤S6中，当目前的诊断信息无法判断患者是否为开放性创伤，为了保证推荐结果的安全性，对于有创伤患者一律评估为无法进行术中自体血回输。
与现有技术相比较，本发明提供的适用于围手术期患者血液管理的检测评估方法，具有以下有益效果：
(1)本发明能够实时地采集和处理院内患者的基本信息、手术信息、输血记录和实验室检验等海量数据，将分散在医院各个信息系统的所有诊疗数据汇总和聚合，以统一的方式呈现给临床医生，避免医生分别从不同的系统调取和查看数据，大大提高医生的工作效率，并且帮助医生实时监控每个患者的检验项目，包括血常规检验、生化检验、凝血检验、血气检验和传染病筛查等等，智能地计算检验检查项目完成进度，自动识别存异常值项目和危急值项目，另外，还能根据异常值和危急值评估病情，自动推荐患者需要完成的下一步检验检查项目；
(2)本发明通过术前自体血采集评估和推荐，在术前一段时间内采集自体血，然后在术中进行输注，减少异体血用量，从自体血采集到手术，最好是间隔7天以上，以便患者有足够的时间恢复血红蛋白，PBM智能评估系统术前综合考虑患者贫血状况、凝血状况和是否患有特殊禁忌症的情况，提前评估患者是否适合采集自体血以及适合的采集方式，使得术前采集自体血的时间大大提前，能尽可能地保证患者的血红蛋白在术前恢复到比较好的状态；
(3)本发明通过术中自体血回收评估及推荐，使得自身输血可以避免输注异体血的输血反应、血源传播性疾病和免疫抑制，对一时无法获得同型血的患者也是唯一血源，PBM智能评估系统根据患者手术的科室、术式以及创伤情况，能够判断患者是否适合进行术中回输，帮助临床提前做好收集术野血的准备，减少了异体血的使用，一定程度上缓解了血液紧张的压力；
(4)本发明通过贫血评估及推荐，贫血患者术前需要将贫血状况纠正以后才能进行手术，同时患者术后在不贫血的情况下能够更快地康复，PBM智能评估系统根据血常规等检验信息，实时监控患者的贫血情况，并且评估贫血程度、形态学分类和铁代谢状况，根据贫血情况对因对症推荐药物治疗和会诊建议，提前帮助临床医生调整好患者的血液状态，减少术中及术后出血风险；
(5)本发明通过输血效果的评价，对输注红细胞和血小板以后评估治疗效果，帮助医生把关血液治疗的质量，对进一步输血和治疗决策提供参考；
(6)本发明通过同术式用血分析。通过图形对比同医疗组内不同医生处理相同术式时的台均用血量和本医疗组近一年内各月处理相同术式时的台均用血量，来帮助医生了解相同术式下自身的用血规律以及在其他医疗组中的用血水平，进一步为医生决策用血提供参考；
(7)本发明通过凝血功能评估及推荐,分析患者凝血检验中的“凝血四项”和血栓弹力图，实时评估患者凝血功能状态和凝血障碍类型，并针对凝血功能不佳的患者推荐促凝或抗凝药物，提前在术前帮助临床调整凝血功能状态，降低术中出血和术后隐性失血风险；
(8)本发明通过最佳术后血红蛋白的分析，利用人工智能对单病种患者在院天数和30天再入院率等数据的分析，推荐出最有利于患者康复的术后血红蛋白，以此为目标可以推荐更加科学合理的输血量，辅助医生制定围术期输血策略。
附图说明
图1为本发明术前自体血采集评估示意图；
图2为本发明患者术中失血量预测流程示意图；
图3为本发明术中自体血回收评估示意图；
图4为本发明贫血评估示意图。
具体实施方式
为了使得本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述。
一种适用于围手术期患者血液管理的检测评估方法，具体方法步骤如下：
请参阅图1：
(1)术前自体血采集评估及推荐
S1从MySQL数据库中读取患者的入院记录、护理文书、血常规、凝血和生化信息，进行聚合；
S2评估患者结构化检验指标是否满足术前自体血采集的要求，这部分用到的数据包括患者的个人基本信息、血常规和凝血检验数据，如果患者数据不全，则无法评估，同时提醒医生待补全特征；
S3根据患者的入院记录、护理文书和凝血检验评估患者是否有禁忌症，禁忌症包括脓毒症、菌血症、肝肾功能不全、严重心脏疾病、贫血、有昏厥史和凝血功能异常，如果患者数据不全，则无法评估，同时提醒医生待补全特征；
S4基于患者的基本信息、入院记录、凝血检验、生化检验、血常规和血气检验，利用XGBoost训练模型预测患者术中失血量；
S5根据结构化指标、禁忌症判断以及失血量评估患者是否适合术前自体血采集，并综合患者术前HB对患者术前储存自体血方式做出推荐：术前HB较高的患者建议单采，术前HB较低的患者建议采集全血；
患者术中失血量预测流程请参阅图2：
S41聚合患者入院信息、手术信息和术前各项检验(血常规、凝血、生化、血气等)、生命体征以及术后各项检验；
S42根据术前术后红细胞压积和患者血容量计算患者术中失血量；
S43对数据进行预处理，主要包括缺失值填补和分类特征one-hot编码，同时参考医学文献加入部分高级特征；
S44用术前各项检验和手术信息训练XGBoost模型，预测患者的术中失血量；
S45对满足触发条件的患者用训练好的模型进行预测；
请参阅图3：
(2)术中自体血回收评估及推荐
S6根据手术名称和入院诊断判断患者是否有创伤，四小时以上的开放性创伤无法进行自体血回输，当目前的诊断信息无法判断患者是否为开放性创伤，为了保证推荐结果的安全性，对于有创伤患者一律评估为无法进行术中自体血回输；
S7判断患者所在科室是否满足要求：只有骨科、心外科等大出血量手术比较多的科室比较推荐术中自体血回输；
S8根据入院诊断、手术名称和血常规检验判断患者是否有肿瘤、结核和感染禁忌症；
S9综合S6-S8的结果，当患者满足这三个条件时，判断患者适用于术中自体血回输，任一条件不满足则判断患者不适合术中自体血回输，当用于评估的指标缺失时，提醒医生评估数据不完整；
请参阅图4：
(3)贫血评估及推荐
首先，从输血相关数据库中，提取患者的基本信息(身高、体重、性别)、诊断信息和入院以来的检验信息(血常规、生化、)作为输入值加入系统；
其次，根据贫血分级、形态学分类和铁代谢评估规则判断患者贫血情况最后，根据患者的贫血分类推荐相应的管理方案；
贫血评估程度分级表
Figure BDA0002506342330000091
(4)输血效果评价
通过查阅输血效果评价的国内外文献，确定输血效果的评价标准，高效实时抓取在院输血患者的基本信息、诊疗信息、流数据(如血常规检验的动态数据)，通过对比患者输血前后关键指标的变化，如红细胞输注效果评价需要患者输血前后血红蛋白的变化，将本次输注效果判定为输注有效、部分有效、无效；
(5)同术式用血分析
首先，从输血大数据库中获取医师历史手术信息以及手术对应的输血量；
其次，将表述不同的手术名称通过只能搜索匹配转换成统一的手术编码；
最后，将相同术式的手术分成本医疗组合其他医疗组，以供大家参考；
(6)凝血功能评估及推荐
(7)最佳术后血红蛋白分析
首先，提取患者的基本信息(身高、体重、性别)、诊断信息、手术信息、术后动态血常规、以及术后输血信息，经过数据清洗、转换和脱敏聚合成以手术为维度的数据中心；
其次，通过自然语言处理技术将手术名称分词并按病种对手术名称进行归类；
最后，通过分析单病种术后血红蛋白与患者结局的关系，从而挖掘出使得患者能够尽快转归而到达的最佳术后血红蛋白值。
以上所述仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (4)

1.一种适用于围手术期患者血液管理的检测评估方法，其特征在于，具体方法步骤如下：
(1)术前自体血采集评估及推荐
S1从MySQL数据库中读取患者的入院记录、护理文书、血常规、凝血和生化信息，进行聚合；
S2评估患者结构化检验指标是否满足术前自体血采集的要求，这部分用到的数据包括患者的个人基本信息、血常规和凝血检验数据；
S3根据患者的入院记录、护理文书和凝血检验评估患者是否有禁忌症，禁忌症包括脓毒症、菌血症、肝肾功能不全、严重心脏疾病、贫血、有昏厥史和凝血功能异常；
S4基于患者的基本信息、入院记录、凝血检验、生化检验、血常规和血气检验，利用XGBoost训练模型预测患者术中失血量；
S5根据结构化指标、禁忌症判断以及失血量评估患者是否适合术前自体血采集，并综合患者术前HB对患者术前储存自体血方式做出推荐：术前HB较高的患者建议单采，术前HB较低的患者建议采集全血；
(2)术中自体血回收评估及推荐
S6根据手术名称和入院诊断判断患者是否有创伤，四小时以上的开放性创伤无法进行自体血回输；
S7判断患者所在科室是否满足要求；
S8根据入院诊断、手术名称和血常规检验判断患者是否有肿瘤、结核和感染禁忌症；
S9综合S6-S8的结果，当患者满足这三个条件时，判断患者适用于术中自体血回输，任一条件不满足则判断患者不适合术中自体血回输，当用于评估的指标缺失时，提醒医生评估数据不完整；
(3)贫血评估及推荐
首先，从输血相关数据库中，提取患者的基本信息、诊断信息和入院以来的检验信息作为输入值加入系统；
其次，根据贫血分级、形态学分类和铁代谢评估规则判断患者贫血情况最后，根据患者的贫血分类推荐相应的管理方案；
(4)输血效果评价
通过查阅输血效果评价的国内外文献，确定输血效果的评价标准，高效实时抓取在院输血患者的基本信息、诊疗信息、流数据，通过对比患者输血前后关键指标的变化，将本次输注效果判定为输注有效、部分有效、无效；
(5)同术式用血分析
首先，从输血大数据库中获取医师历史手术信息以及手术对应的输血量；
其次，将表述不同的手术名称通过只能搜索匹配转换成统一的手术编码；
最后，将相同术式的手术分成本医疗组和其他医疗组，以供大家参考；
(6)凝血功能评估及推荐
(7)最佳术后血红蛋白分析
首先，提取患者的基本信息、诊断信息、手术信息、术后动态血常规、以及术后输血信息，经过数据清洗、转换和脱敏聚合成以手术为维度的数据中心；
其次，通过自然语言处理技术将手术名称分词并按病种对手术名称进行归类；
最后，通过分析单病种术后血红蛋白与患者结局的关系，从而挖掘出使得患者能够尽快转归而到达的最佳术后血红蛋白值。
2.根据权利要求1所述的一种适用于围手术期患者血液管理的检测评估方法，其特征在于，上述步骤S2和S3中，如果患者数据不全，则无法评估，同时提醒医生待补全特征。
3.根据权利要求1所述的一种适用于围手术期患者血液管理的检测评估方法，其特征在于，上述步骤S4中患者术中失血量预测流程如下：
S41聚合患者入院信息、手术信息和术前各项检验、生命体征以及术后各项检验；
S42根据术前术后红细胞压积和患者血容量计算患者术中失血量；
S43对数据进行预处理，主要包括缺失值填补和分类特征one-hot编码；
S44用术前各项检验和手术信息训练XGBoost模型，预测患者的术中失血量；
S45对满足触发条件的患者用训练好的模型进行预测。
4.根据权利要求1所述的一种适用于围手术期患者血液管理的检测评估方法，其特征在于，上述步骤S6中，当目前的诊断信息无法判断患者是否为开放性创伤，为了保证推荐结果的安全性，对于有创伤患者一律评估为无法进行术中自体血回输。
CN202010447492.4A 2020-05-25 2020-05-25 一种适用于围手术期患者血液管理的检测评估方法 Active CN111724910B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010447492.4A CN111724910B (zh) 2020-05-25 2020-05-25 一种适用于围手术期患者血液管理的检测评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010447492.4A CN111724910B (zh) 2020-05-25 2020-05-25 一种适用于围手术期患者血液管理的检测评估方法

Publications (2)

Publication Number Publication Date
CN111724910A CN111724910A (zh) 2020-09-29
CN111724910B true CN111724910B (zh) 2023-04-18

Family

ID=72564973

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010447492.4A Active CN111724910B (zh) 2020-05-25 2020-05-25 一种适用于围手术期患者血液管理的检测评估方法

Country Status (1)

Country Link
CN (1) CN111724910B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112582043A (zh) * 2020-12-23 2021-03-30 中南大学湘雅医院 基于外科康复理念的糖尿病围手术期患者血糖管理信息系统
CN112863692B (zh) * 2021-01-12 2023-02-14 宁波大学医学院附属医院 一种围术期药物不良反应评估模型构建方法
CN113436733B (zh) * 2021-08-26 2021-11-30 肾泰网健康科技(南京)有限公司 一种基于融合经验的血透方案生成模型的特征构造方法
CN113611401A (zh) * 2021-08-26 2021-11-05 中国医学科学院阜外医院 一种围术期血液管理的系统和方法
CN114662623B (zh) * 2022-05-25 2022-08-16 山东师范大学 基于XGBoost的凝血检测中血液样本的分类方法及系统
CN115035998B (zh) * 2022-08-02 2022-11-11 之江实验室 基于早期预测和无人快速配送的紧急血液调度方法及系统
CN116030990B (zh) * 2022-12-26 2023-10-27 北京和兴创联健康科技有限公司 一种基于级联模型的围手术期输血方案生成方法及系统
CN116052889B (zh) * 2023-03-31 2023-07-04 四川无限智达科技有限公司 一种基于血液常规指标检测的sFLC预测系统
CN116206774B (zh) * 2023-04-27 2023-07-14 深圳市浩然盈科通讯科技有限公司 一种结合大数据自动匹配护理治疗方案的方法及系统
CN117524464B (zh) * 2024-01-04 2024-04-05 北京和兴创联健康科技有限公司 一种基于大数据的计算手术后目标血红蛋白的方法及系统
CN117766095B (zh) * 2024-01-10 2024-05-24 广东迈科医学科技股份有限公司 一种用户输血的血液量确定方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258121A (zh) * 2013-04-25 2013-08-21 重庆图珀信息技术有限公司 临床输血评估系统及评估方法
CN104331778A (zh) * 2014-11-20 2015-02-04 重庆图珀信息技术有限公司 临床输血电子信息系统的智能管理控制方法
CN104368052A (zh) * 2014-11-19 2015-02-25 绍兴市妇幼保健院 妊娠晚期贮存式自体成分输血系统的建立方法
CN106874654A (zh) * 2017-01-13 2017-06-20 上海市第六人民医院 一种输血管理系统
CN108511057A (zh) * 2018-02-28 2018-09-07 北京和兴创联健康科技有限公司 输血量模型建立及预测方法、装置、设备及其存储介质
CN111161865A (zh) * 2019-09-06 2020-05-15 中国人民解放军总医院 一种用于血液需求量预测方法以及血液动态库存预警系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2788650C (en) * 2010-02-02 2023-02-14 Kathrine P. Frey Methods and devices for reducing transfusions during or after surgery and for improving quality of life and function in chronic disease
US20120016686A1 (en) * 2010-07-13 2012-01-19 Cerner Innovation, Inc. Inpatient blood management

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258121A (zh) * 2013-04-25 2013-08-21 重庆图珀信息技术有限公司 临床输血评估系统及评估方法
CN104368052A (zh) * 2014-11-19 2015-02-25 绍兴市妇幼保健院 妊娠晚期贮存式自体成分输血系统的建立方法
CN104331778A (zh) * 2014-11-20 2015-02-04 重庆图珀信息技术有限公司 临床输血电子信息系统的智能管理控制方法
CN106874654A (zh) * 2017-01-13 2017-06-20 上海市第六人民医院 一种输血管理系统
CN108511057A (zh) * 2018-02-28 2018-09-07 北京和兴创联健康科技有限公司 输血量模型建立及预测方法、装置、设备及其存储介质
CN111161865A (zh) * 2019-09-06 2020-05-15 中国人民解放军总医院 一种用于血液需求量预测方法以及血液动态库存预警系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Harshad Patil等.Clinical Experience of Autologous Blood Transfusion in Neurosurgery: Prospective Study in Central India.World Neurosurgery.2018,第115卷第539-543页. *
韩淦同,张曙,王厚强,石海燕,黄庆华,余毅玲,周建平,胡伟坚,万德胜.自体输血应用于外科手术的临床研究.广东医学.2000,(第11期),第941-942页. *

Also Published As

Publication number Publication date
CN111724910A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN111724910B (zh) 一种适用于围手术期患者血液管理的检测评估方法
Yuan et al. The development an artificial intelligence algorithm for early sepsis diagnosis in the intensive care unit
Chen et al. Hypertonic saline versus other intracranial pressure–lowering agents for people with acute traumatic brain injury
CN105528529B (zh) 基于大数据分析的中医临床技能评价体系的数据处理方法
Yeh et al. Using data mining techniques to predict hospitalization of hemodialysis patients
CN108511056A (zh) 基于脑卒中患者相似性分析的治疗方案推荐方法及系统
CN114023441A (zh) 基于可解释机器学习模型的严重aki早期风险评估模型、装置及其开发方法
CN108288130A (zh) 基于数据挖掘分析平台的临床护理绩效评价系统及方法
Shabot et al. Automatic extraction of intensity-intervention scores from a computerized surgical intensive care unit flowsheet
CN112967803A (zh) 基于集成模型的急诊患者早期死亡率预测方法及系统
CN115101199A (zh) 用于重症老年患者的可解释公平早期死亡风险评估模型、装置、及其建立方法
CN115579107A (zh) 一种基于围手术期医护最优行为的智能辅助决策模型
CN114429803A (zh) 一种基于危险因素的健康风险预警方法
US20080147444A1 (en) Blood product utilization system and methods
CN112820372B (zh) 护理方案自动生成方法及系统
CN114023440A (zh) 可解释分层老年mods早期死亡风险评估模型、装置及其建立方法
WO2021253484A1 (zh) 预测患者死亡风险的系统
CN115691735B (zh) 一种基于慢阻肺专科数据的多模态数据管理方法及系统
CN114356911B (zh) 基于集合划分信息量最大化的数据缺失处理方法及系统
Eggerth et al. Natural language processing for detecting medication-related notes in heart failure telehealth patients
Concaro et al. Temporal data mining for the assessment of the costs related to diabetes mellitus pharmacological treatment
CN110504030A (zh) 一种创伤性凝血病预测方法
Chen et al. Preoperative risk prediction of heart failure with numerical and textual attributes
Tsumoto et al. Analytics for hospital management
James Machine Learning Risk Assessment Model for Hospital Acquired Pressure Injuries

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