CN111755125B - 分析患者测量指标的方法、装置、介质及电子设备 - Google Patents
分析患者测量指标的方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN111755125B CN111755125B CN202010645593.2A CN202010645593A CN111755125B CN 111755125 B CN111755125 B CN 111755125B CN 202010645593 A CN202010645593 A CN 202010645593A CN 111755125 B CN111755125 B CN 111755125B
- Authority
- CN
- China
- Prior art keywords
- measurement
- sequence
- data sequence
- measurement data
- patient
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 306
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008859 change Effects 0.000 claims abstract description 82
- 238000000611 regression analysis Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 9
- 206010035664 Pneumonia Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000001965 increasing effect Effects 0.000 description 6
- 230000000630 rising effect Effects 0.000 description 6
- 208000035473 Communicable disease Diseases 0.000 description 5
- 230000001174 ascending effect Effects 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000015181 infectious disease Diseases 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 241000711573 Coronaviridae Species 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 210000005105 peripheral blood lymphocyte Anatomy 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 108010074051 C-Reactive Protein Proteins 0.000 description 2
- 102100032752 C-reactive protein Human genes 0.000 description 2
- 206010035742 Pneumonitis Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 235000014655 lactic acid Nutrition 0.000 description 2
- 239000004310 lactic acid Substances 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 208000025721 COVID-19 Diseases 0.000 description 1
- 108090001005 Interleukin-6 Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000005399 mechanical ventilation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 230000007425 progressive decline Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
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
- G16H50/30—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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本公开提供一种分析患者测量指标的方法、分析患者测量指标的装置、计算机可读介质及电子设备；涉及医疗数据处理技术领域。该分析患者测量指标的方法包括：获取患者测量指标在预设时间窗口内的测量数据序列；按照所述预设时间窗口的时间顺序，确定所述测量数据序列的变化趋势，并根据所述变化趋势对所述测量数据序列进行编码，以获取所述测量数据序列的编码数据；按照所述编码数据对所述测量指标进行回归分析，以确定所述测量指标与预警风险之间的关系。本公开中的分析患者测量指标的方法能够在一定程度上克服测量指标与预警风险的关系无法量化的问题，进而提升指标的有效性。
Description
技术领域
本公开涉及医疗数据处理技术领域，具体而言，涉及一种分析患者测量指标的方法、分析患者测量指标的装置、计算机可读介质及电子设备。
背景技术
患者的测量指标对于疾病的诊断具有至关重要的作用。对于任何一种测量指标来说，给定一段时间可以得到这段时间的所有测量结果，测量结果不是一成不变的，测量结果的变化是否按照一定的趋势，通常由测量人员根据经验进行人工判断。测量人员可以根据一段时间内的所有测量结果判断指标是否呈现出上升或者下降趋势，进而根据上升或者下降的趋势进行预防，或者预警等。例如，医生需要根据患者临床指标的测量结果来判断患者是否转为重型、或者危重型病人。然而，由于一段时间内的测量结果与预警风险之间难以量化，完全依赖于人工经验判断，因此提前预警难以实现。尤其在传染病场景中，例如对于新型冠状病毒肺炎疾病(Corona Virus Disease 2019，简称为新冠肺炎)，由于患者人数较多，医生按照人工经验逐一对患者进行判断，需要耗费大量的时间，不利于病情控制。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种分析患者测量指标的方法、分析患者测量指标的装置、计算机可读介质及电子设备，能够在一定程度上克服测量指标与预警风险的关系无法量化的问题，进而加快传染病场景中预警风险的预测的。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供一种分析患者测量指标的方法，包括：
获取患者测量指标在预设时间窗口内的测量数据序列；
按照所述预设时间窗口的时间顺序，确定所述测量数据序列的变化趋势，并根据所述变化趋势对所述测量数据序列进行编码，以获取所述测量数据序列的编码数据；
按照所述编码数据对所述测量指标进行回归分析，以确定所述测量指标与预警风险之间的关系。
在本公开的一种示例性实施例中，所述测量数据序列中包括多个按照时间顺序排列的测量值，所述确定所述测量数据序列的变化趋势，包括：
对所述测量数据序列中时间顺序相邻的测量值进行差分，获得所述测量数据序列的差分序列，将所述差分序列作为所述变化趋势。
在本公开的一种示例性实施例中，所述根据所述变化趋势对所述测量数据序列进行编码，以获取所述测量数据序列的编码数据，包括：
根据所述差分序列中包含的元素的符号，确定所述测量数据序列的变化类型；
获取所述变化类型对应的编码数据。
在本公开的一种示例性实施例中，所述根据所述差分序列中包含的元素的符号，确定所述测量数据序列的变化类型，包括：
若所述差分序列中的所有元素除了零之外符号均一致，或者存在超过半数的元素符号一致，则确定所述测量数据序列为第一变化类型；
若所述差分序列中存在半数的元素符号一致，则计算所述测量数据序列中末位测量值与首位测量值的差值；
若所述差值的符号与所述半数的元素的符号一致，则确定所述测量数据序列为第一变化类型。
在本公开的一种示例性实施例中，所述根据所述变化趋势对所述测量数据序列进行编码，包括：
如果所述超过半数的元素符号均为正型，则对所述测量数据序列编码为正数；
如果所述超过半数的元素符号均为负型，则对所述测量数据序列编码为负数。
在本公开的一种示例性实施例中，所述根据所述变化趋势对所述测量数据序列进行编码，以获取所述测量数据序列的编码数据，包括：
确定所述测量指标的正常值范围；
若所述测量数据序列在所述正常值范围内，则对所述测量数据序列编码为零。
在本公开的一种示例性实施例中，所述获取患者测量指标在预设时间窗口内的测量数据序列，包括：
获取存在预警风险的医疗样本数据，并确定所述医疗样本数据中的风险判定时间；
将所述风险判定时间之前的预设时间段作为所述预设时间窗口，以从所述医疗样本数据中筛选出所述预设时间窗口内的测量数据序列。
在本公开的一种示例性实施例中，确定所述测量指标与预警风险之间的关系之后，还包括：
获取目标患者的历史测量数据序列；
根据所述测量指标与预警风险之间的关系，预测所述历史测量数据序列对应的预警风险。
根据本公开的第二方面，提供一种分析患者测量指标的装置，包括数据获取模块、数据编码模块以及数据分析模块，其中：
数据获取模块，用于获取患者测量指标在预设时间窗口内的测量数据序列；
数据编码模块，用于按照所述预设时间窗口的时间顺序，计算所述测量数据序列的变化趋势，并根据所述变化趋势对所述测量数据序列进行编码，以获取所述测量数据序列的编码数据；
数据分析模块，用于按照所述编码数据对所述测量指标进行回归分析，以确定所述测量指标与预警风险之间的关系。
在本公开的一种示例性实施例中，所述测量数据序列中包括多个按照时间顺序排列的测量值，数据编码模块具体用于：对所述测量数据序列中时间顺序相邻的测量值进行差分，以获得所述测量数据序列的差分序列，将所述差分序列作为所述变化趋势。
在本公开的一种示例性实施例中，数据编码模块具体包括变化类型确定单元以及编码数据获取单元，其中：
变化类型确定单元，用于根据所述差分序列中包含的元素的符号，确定所述测量数据序列的变化类型。
编码数据获取单元，用于获取所述变化类型对应的编码数据。
在本公开的一种示例性实施例中，所述变化类型确定单元具体包括符号判断第一单元、符号判断第二单元以及符号判断第三单元，其中：
符号判断第一单元，用于若所述差分序列中的所有元素除了零之外符号均一致，或者存在超过半数的元素符号一致，则确定所述测量数据序列为第一变化类型。
符号判断第二单元，用于若所述差分序列中存在半数的元素符号一致，则计算所述测量数据序列中末位测量值与首位测量值的差值。
符号判断第三单元，用于若所述差值的符号与所述半数的元素的符号一致，则确定所述测量数据序列为第一变化类型。
在本公开的一种示例性实施例中，数据编码模块具体包括正数编码单元以及负数编码单元，其中：
正数编码单元，用于如果所述超过半数的元素符号均为正型，则对所述测量数据序列编码为正数。
负数编码单元，用于如果所述超过半数的元素符号均为负型，则对所述测量数据序列编码为负数。
在本公开的一种示例性实施例中，数据编码模块具体包括测量指标确定单元以及零编码单元，其中：
测量指标确定单元，用于确定所述测量指标的正常值范围。
零编码单元，用于若所述测量数据序列在所述正常值范围内，则对所述测量数据序列编码为零。
在本公开的一种示例性实施例中，数据获取模块可以具体包括样本数据获取单元、数据筛选单元，其中；
样本数据获取单元，用于获取存在预警风险的医疗样本数据，并确定所述医疗样本数据中的风险判定时间。
数据筛选单元，用于将所述风险判定时间之前的预设时间段作为所述预设时间窗口，以从所述医疗样本数据中筛选出所述预设时间窗口内的测量数据序列。
在本公开的一种示例性实施例中，上述分析患者测量指标的方法装置还包括目标用户获取模块，以及风险预测模块，其中：
目标用户获取模块，用于获取目标患者的历史测量数据序列。
风险预测模块，用于根据所述测量指标与预警风险之间的关系，预测所述历史测量数据序列对应的预警风险。
根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的分析患者测量指标的方法。
根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的方法。
本公开示例性实施例可以具有以下部分或全部有益效果：
在本公开的一示例实施方式所提供的分析患者测量指标的方法中，通过对患者的测量数据序列进行编码，将测量数据序列转化为编码数据，从而利用编码数据来进行回归分析，一方面，可以实现患者测量指标与预警风险之间关系的量化，方便根据患者测量指标对患病风险进行预警，提高测量指标的有效性；另一方面，与依赖于人工经验判断预警风险相比，根据测量指标与预警风险之间的关系，可以得到更加精确的预警风险，从而能够提高分析的精确性；再一方面，在传染病场景中，能够加快患者预警风险的确认，进而为疾病治疗争取时间。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出了根据本公开的一个实施例的分析患者测量指标的方法的流程图；
图2示意性示出了根据本公开的另一个实施例的分析患者测量指标的方法的流程图；
图3示意性示出了根据本公开的一个实施例的分析患者测量指标的方法流程图；
图4示意性示出了根据本公开的一个实施例的分析患者测量指标的方法中的测量数据序列的示意图；
图5示意性示出了根据本公开的一个实施例的分析患者测量指标的装置的框图；
图6示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
以下对本公开实施例的技术方案进行详细阐述：
本示例实施方式提供了一种分析患者测量指标的方法。参考图1所示，该方法可以包括以下步骤：
步骤S110：获取患者测量指标在预设时间窗口内的测量数据序列。
步骤S120：按照所述预设时间窗口的时间顺序，确定所述测量数据序列的变化趋势，并根据所述变化趋势对所述测量数据序列进行编码，以获取所述测量数据序列的编码数据。
步骤S130：按照所述编码数据对所述测量指标进行回归分析，以确定所述测量指标与预警风险之间的关系。
在本公开的一示例实施方式所提供的分析患者测量指标的方法中，通过对患者的测量数据序列进行编码，将测量数据序列转化为编码数据，从而利用编码数据来进行回归分析，一方面，可以实现测量指标与预警风险之间关系的量化，方便用户直接得到预警风险，提高测量指标的有效性；另一方面，与依赖于人工经验判断预警风险相比，根据测量指标与预警风险之间的关系，可以得到更加精确的预警风险，从而能够提高分析的精确性；再一方面，在传染病场景中，能够加快患者预警风险的确认，进而为疾病治疗争取时间。
下面，对于本示例实施方式的上述步骤进行更加详细的说明。
在步骤S110中，获取患者测量指标在预设时间窗口内的测量数据序列。
患者的测量指标可以指用测量仪器直接测出的实际数据，或者通过计算得出数据；举例而言，测量指标可以包括白细胞、外周血淋巴细胞、C反应蛋白等；或者，测量指标还可以包括其他指标，例如身高、体重等体检指标等。预设时间窗口可以包括24小时、48小时、60小时等，根据实际情况也可以设置为其他时间段，例如，10小时、70小时等等，本实施方式对以上均不做特殊限定。
测量数据序列中可以包含多个按照一定顺序排列的测量值。在预设时间窗口内每隔一段时间对测量指标进行一次测量，每次测量可以得到一个测量值，从而得到该时间窗口内由多个测量值构成的测量数据序列。例如，在48小时内，每隔一小时测量一次患者的乳酸，则可以得到包含48个测量值的测量数据序列。或者，从数据库中可以直接获取历史记录中测量指标的测量数据序列。
在步骤S120中，按照所述预设时间窗口的时间顺序，确定所述测量数据序列的变化趋势，并根据所述变化趋势对所述测量数据序列进行编码，以获取所述测量数据序列的编码数据。
测量指标在不同时刻的测量值可能存在变化，按照测量数据序列中各个测量值对应的测量时刻，可以绘制测量值的变化曲线，从而得到变化趋势。示例性的，按照测量数据序列中的各个测量的时间顺序，可以对时间顺序相邻的测量值进行差分，将获得的差分序列作为测量数据序列的变化趋势。对测量值进行差分可以得出每两个相邻的测量值之间的差值，示例性的，该差值可以通过相邻的两个测量值中时间顺序靠后的测量值减去时间顺序靠前的测量值来计算，如果相邻的两个测量值之间的差值为正值则可以确定测量指标在这一时间段内的变化趋势为增长，如果差值为负值则可以确定测量指标在这一时间段内的变化趋势为降低。例如，测量指标的起始测量时刻为00:00，第一个测量值为10，每隔一小时测量一次，下一个测量时刻为01:00，第二个测量值为15，在02:00时刻的测量值为12，该测量指标的测量数据序列为(10，15，12)，可以得到该测量数据序列对应的差分序列为(+5，-3)。在本示例性实施方式中，将测量数据序列进行差分处理后，通过差分序列中元素的符号就可以来确定变化趋势，从而解决了无法自动确定变化趋势的问题，可以节省人力，提高效率。
进一步的，获得变化趋势之后，可以对变化趋势进行编码，得到测量数据序列的编码数据。示例性的，如图2所示，编码方法可以通过以下步骤S210至步骤S220来实现。
在步骤S210中，根据所述差分序列中包含的元素的符号，确定所述测量数据序列的变化类型。对测量数据的变化情况进行分类可以得到测量数据的所有变化类型，示例性的，测量数据序列所属的变化类型可以包括增长趋势类型、下降趋势类型等，或者可以包括有趋势类型和无趋势类型等。需要说明的是，增长趋势类型以及下降趋势类型指的是测量数据序列整体上呈现出的变化趋势，例如测量数据序列可以先增长后减小，如果减小的程度小于增长的程度，则测量数据序列为增长趋势类型。举例而言，如果差分序列中包含的每个元素的符号均为正，则可以确定变化类型为增长趋势类型，如果差分序列中每个元素的符号均为负，则可以确定变化类型为下降趋势类型。通过判断差分序列中各个元素的符号，可以将测量数据序列与变化类型进行匹配，从而自动确定出测量数据的具体变化趋势。
在步骤S220中，获取所述变化类型对应的编码数据。示例性的，预先可以对每一种变化类型确定一个编码值，并将变化类型与对应的编码值进行绑定，从而根据变化类型可以直接确定出对应的编码数据；或者，可以对不同的变化类型分别定义一套编码规则，在确定测量数据序列所属的变化类型之后，可以运行对应的编码规则输出编码数据。例如，变化类型1可以对应编码数据exp(-0)，变化类型2可以对应exp(-1)等，从而使得相同变化类型的编码数据相同，不同变化类型的编码数据不同。
在示例性实施方式中，确定测量数据序列的变化类型的方法可以包括以下步骤S310至步骤S330，如图3所示。
在步骤S310中，若所述差分序列中所有元素除了零之外符号均一致，或者存在超过半数的元素符号一致，则确定所述测量数据序列为第一变化类型。具体的，对差分序列中包含的所有元素进行遍历，确定每个元素的符号。元素的符号可以为正型、负型和0，对每种符号的元素数量进行统计，如果差分序列包含的元素除了0以外符号均一致，则可以确定差分序列中所有元素的符号一致。如果差分序列中的元素有正有负，则分别确定出正值的元素个数以及负值的元素个数，然后判断统计出的个数是否大于差分序列中元素总数的一半，如果正值的元素个数或者负值的元素个数超过总数的一半时，则可以确定测量数据序列为第一变化类型。在差分序列中超过半数的元素为正时，可以确定测量数据序列中存在超过半数的测量值在时间顺序上增长；如果超过半数的元素为负时，可以确定超过半数的测量值在时间顺序上下降。因此第一变化类型可以指存在一定变化趋势的类型，该变化趋势可以为上升或者下降。
在步骤S320中，若所述差分序列中存在半数的元素符号一致，则计算所述测量数据序列中末位测量值与首位测量值的差值。如果差分序列中符号一致的元素数量刚好占一半，则可以通过测量数据序列来确定变化类型。具体的，计算按照时间顺序排在末位的测量值与排在首位的测量值之间的差值，从而通过该差值来确定变化类型。举例而言，假设差分序列为(+1，-1，+2，+1，0，-1)，对应的测量数据序列为(5，6，5，7，8，8，7)则可以得到末位测量值减去首位测量值的结果为+2。
在步骤S330中，若所述差值的符号与所述半数的元素的符号一致，则确定所述测量数据序列为第一变化类型。如果计算得到差值的符号与差分序列中半数元素的符号相同，则可以确定测量数据序列整体上存在上升或者下降趋势。如果测量数据序列中存在超过一半的测量值存在上升趋势，则差分序列中存在超过一半的正值，可以确定测量数据序列存在上升趋势；相反的，如果超过一般的负值则可以确定测量数据序列存在下降趋势；如果测量数据序列中刚好存在一半的测量值为上升或者下降，那么可以通过差值来确定上升或者下降的幅度，如果该差值不为0，则也可以确定测量数据序列整体上存在上升趋势或者下降趋势。本实施方式中，第一变化类型可以为存在变化趋势，也就是说，测量数据序列存在上升趋势或者下降趋势时可以确定测量数据序列为第一变化类型；如果相邻的两个测量值保持不变，则差分之后可以得到0，由于差分序列中可以包括0，也就是说，差分序列中符号相同的元素数量可以少于一半，在这种情况下可以确定测量数据序列不存在变化趋势，不存在变化趋势时可以确定为第二变化类型。此外，本实施方式中，差分序列中的所有元素可以均为0，也就是说，测量数据序列中的测量值始终保持不变，此时可以确定测量数据序列的变化类型为第二变化类型。
在示例性实施方式中，确定测量数据序列为第一变化类型之后，可以对测量数据序列进行编码，示例性的，可以预先设定第一变化类型对应的编码数据为一特定值，例如为1，则可以将属于第一变化类型的测量数据序列编码为1。相应的，第二变化类型对应的编码可以为另一特定值，例如为0等。可以理解的是，在本公开的其他实施方式中，对变化类型可以进行更加细化的划分，例如将变化类型分为增长类型、下降类型、无趋势类型等，然后每一变化类型分别对应不同的编码数据，例如增长类型可以编码为+1，下降类型可以编码为-1，无趋势类型可以编码为0等，这也同样属于本公开的保护范围。
在另一示例实施方式中，根据差分序列的元素符号也可以对测量数据进行编码。示例性的，如果超过半数的元素符号均为正型，即大于0，则将测量数据序列编码为正数；如果超过半数的元素符号均为负型，即小于0，则将测量数据序列编码为负数。此外，如果差分序列中的元素除了0以外都是正值，则可以将测量数据序列编码为正数，如果除了0之外都是负值，则将测量数据序列可以编码为负数。如果差分序列中的元素不满足上述情况，则可以将测量数据序列编码为0，例如差分序列中的元素所有均为0，即对应的测量数据序列不存在变化趋势时编码为0等。
在本公开的其他实施方式中，还可以通过其他方式对测量数据序列进行编码，例如对测量数据序列的变化趋势进行更加细化的区分，然后对每一种类型进行不同的编码，举例来说，如图4所示，图4示出了4中不同类型的测量数据序列曲线，分别为A、B、C、D。测量数据序列的变化类型为A，即测量值保持持续上升；测量数据序列的变化类型为B时，测量值间歇性上升；测量数据序列的变化类型为C时，测量值超过半数上升；变化类型为D时，测量值刚好一半呈现上升，并且末位测量值大于首位测量值；以上四种类型的变化曲线均可以确定测量数据序列存在上升趋势，因此可以对上述四种测量数据序列分别编码为1、2、3、4，或者统一编码为相同的值，如+1等。
示例性实施方式中，对测量数据序列进行编码时可以先确定测量指标的正常值范围；当测量数据序列在正常值范围内时，可以对测量数据序列编码为零。如果测量数据序列中每个测量值均在正常值范围之内，则无需判断其变化趋势，可以直接编码为零。举例而言，如果差分序列满足除了零之外其他均为正，则可以确定测量数据序列为上升趋势，可以判断测量数据序列中的最后一个测量值是否超出该正常值范围的最大值，如果没有超出则可以将测量数据序列编码为0。
在步骤S130中，按照所述编码数据对所述测量指标进行回归分析，以确定所述测量指标与预警风险之间的关系。
本实施方式中，测量数据序列对应的编码数据可以作为自变量，而预警风险可以作为因变量，从而采用回归分析算法建立测量指标与预警风险之间的关系表达式。例如，可以通过回归分析工具输入测量数据序列，以及该测量数据序列对应的编码数据和预警风险，例如测量数据序列(5，6，5，7，8，8，7)对应的编码数据可以为1，预警风险可以为有风险，然后得到回归分析结果。预警风险可以包括多种风险类型，例如高风险、中风险、低风险等，也可以为有风险、无风险。举例而言，如果预警风险分为有风险和无风险，则可以采用二元logistic回归算法对测量指标进行回归分析；或者可以将预警风险进行更加细化的区分，采用有序回归得到更加细化的关系。得到测量指标与预警风险之间的回归分析模型之后，该模型可以基于测量指标的实际测量值预测对应的预警风险，从而实现更加精确有效的风险评估，有利于进行风险规避，提高预警的可靠性。
以医学领域的预警风险为例。医学领域中重型、危重型病人的临床预警指标的包括外周血淋巴细胞进行性下降；外周血炎症因子如IL-6、C反应蛋白进行性上升；乳酸进行性升高。基于此，可以从医学平台数据库中获取存在预警风险的医疗样本数据，并确定医疗样本数据中的风险判定时间；进而将风险判定时间之前的预设时间段作为预设时间窗口，从医疗样本数据中筛选出预设时间窗口内的测量数据序列。例如，获取新型冠状病毒肺炎患者的病历作为医疗样本数据，然后根据医生的诊断或者病历中包含的临床治疗项目例如侵入式机械通气治疗等，确定新冠肺炎患者病历中病情加重的时刻，即患者被确定为重型、危重型病人的具体时刻，该时刻作为风险判定时间，进而获得该时刻之前的测量数据序列。
具体的，对于每一份医疗样本数据，如果存在重型、危重型的预警，风险判定时间可以为预警时间，可以从样本中确定预警的精确时刻T，从而获取出在该精确时刻T之前的预设时间段W内的测量数据序列。可选的，还可以设置偏移窗口，获取在该偏移窗口之前的时间段内的测量数据，例如偏移窗口可以为offset，则可以获取T-offset-W时刻至T-offset时刻之间的测量数据，得到测量数据序列。举例而言，该测量数据序列可以包括新冠肺炎患者的外周血淋巴细胞样本的测量值；则利用筛选出的测量数据序列可以确定外周血淋巴细胞与重型、危重型的预警风险之间的关系。与预警指标中“进行性上升、进行性下降”的描述相比，对测量数据序列进行编码，并对编码数据进行回归分析可以直接量化测量指标与预警风险之间的关系，使得预警风险更加精确有效。
示例性的，将疾病患者可以作为目标用户，获取目标患者的历史测量数据序列。该历史测量数据序列可以为该患者一段时间内的测量指标的测量值。进而，根据所述测量指标与预警风险之间的关系，预测所述历史测量数据序列对应的预警风险。具体的，得到目标患者的历史测量数据序列之后，可以将该历史测量数据序列输入回归分析得到的模型中，从而得出预测值，如果该预测值大于特定阈值可以确定该目标患者存在风险。
本示例性实施方式中，在传染病场景，如新冠肺炎疫情中，可以获取重型、危重型患者新冠肺炎患者的测量数据序列；然后确定测量数据序列对应的编码数据，根据编码数据确定测量数据序列与重型、危重型预警风险之间的关系；进而对于未确认风险的患者来说，可以根据测量指标的结果直接确认预警风险；从而避免人工经验判断风险，能够加快预警风险的确认流程，为病情的治疗和控制争取时间。例如，某患者的测量数据序列对应的编码数据与重型患者的编码数据相同，则可以确定该患者的预警风险为重型患者。进一步的，本示例实施方式中，还提供了一种分析患者测量指标的方法装置，用于执行本公开上述的分析患者测量指标的方法。该装置可以应用于一服务器或终端设备。
参考图5所示，该分析患者测量指标的装置500可以包括：数据获取模块510、数据编码模块520以及数据分析模块530，其中：
数据获取模块510，用于获取患者测量指标在预设时间窗口内的测量数据序列；
数据编码模块520，用于按照所述预设时间窗口的时间顺序，计算所述测量数据序列的变化趋势，并根据所述变化趋势对所述测量数据序列进行编码，以获取所述测量数据序列的编码数据；
数据分析模块530，用于按照所述编码数据对所述测量指标进行回归分析，以确定所述测量指标与预警风险之间的关系。
在本公开的一种示例性实施例中，所述测量数据序列中包括多个按照时间顺序排列的测量值，数据编码模块520具体用于：对所述测量数据序列中时间顺序相邻的测量值进行差分，以获得所述测量数据序列的差分序列，将所述差分序列作为所述变化趋势。
在本公开的一种示例性实施例中，数据编码模块520具体包括变化类型确定单元以及编码数据获取单元，其中：
变化类型确定单元，用于根据所述差分序列中包含的元素的符号，确定所述测量数据序列的变化类型。
编码数据获取单元，用于获取所述变化类型对应的编码数据。
在本公开的一种示例性实施例中，所述变化类型确定单元具体包括符号判断第一单元、符号判断第二单元以及符号判断第三单元，其中：
符号判断第一单元，用于若所述差分序列中的所有元素除了零之外符号均一致，或者存在超过半数的元素符号一致，则确定所述测量数据序列为第一变化类型。
符号判断第二单元，用于若所述差分序列中存在半数的元素符号一致，则计算所述测量数据序列中末位测量值与首位测量值的差值。
符号判断第三单元，用于若所述差值的符号与所述半数的元素的符号一致，则确定所述测量数据序列为第一变化类型。
在本公开的一种示例性实施例中，数据编码模块520具体包括正数编码单元以及负数编码单元，其中：
正数编码单元，用于如果所述超过半数的元素符号均为正型，则对所述测量数据序列编码为正数。
负数编码单元，用于如果所述超过半数的元素符号均为负型，则对所述测量数据序列编码为负数。
在本公开的一种示例性实施例中，数据编码模块520具体包括测量指标确定单元以及零编码单元，其中：
测量指标确定单元，用于确定所述测量指标的正常值范围。
零编码单元，用于若所述测量数据序列在所述正常值范围内，则对所述测量数据序列编码为零。
在本公开的一种示例性实施例中，数据获取模块510可以具体包括样本数据获取单元、数据筛选单元，其中；
样本数据获取单元，用于获取存在预警风险的医疗样本数据，并确定所述医疗样本数据中的风险判定时间。
数据筛选单元，用于将所述风险判定时间之前的预设时间段作为所述预设时间窗口，以从所述医疗样本数据中筛选出所述预设时间窗口内的测量数据序列。
在本公开的一种示例性实施例中，上述分析患者测量指标的方法装置还包括目标用户获取模块，以及风险预测模块，其中：
目标用户获取模块，用于获取目标患者的历史测量数据序列。
风险预测模块，用于根据所述测量指标与预警风险之间的关系，预测所述历史测量数据序列对应的预警风险。
由于本公开的示例实施例的分析患者测量指标的方法装置的各个功能模块与上述分析患者测量指标的方法的示例实施例的步骤对应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的分析患者测量指标的方法的实施例。
图6示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图6示出的电子设备的计算机系统600仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统操作所需的各种程序和数据。CPU601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法和装置中限定的各种功能。
需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。例如，所述的电子设备可以实现如图1和图2所示的各个步骤等。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (9)
1.一种分析患者测量指标的方法，其特征在于，包括：
获取患者测量指标在预设时间窗口内的测量数据序列；所述测量数据序列中包括多个按照时间顺序排列的测量值；
按照所述预设时间窗口的时间顺序，对所述测量数据序列中时间顺序相邻的测量值进行差分，以获得所述测量数据序列的差分序列，将所述差分序列作为变化趋势，根据所述差分序列中包含的元素的符号，确定所述测量数据序列的变化类型；
获取所述变化类型对应的编码数据；
按照所述编码数据对所述测量指标进行回归分析，以确定所述测量指标与预警风险之间的关系。
2.根据权利要求1所述的方法，其特征在于，所述根据所述差分序列中包含的元素的符号，确定所述测量数据序列的变化类型，包括：
若所述差分序列中的所有元素除了零之外符号均一致，或者存在超过半数的元素符号一致，则确定所述测量数据序列为第一变化类型；
若所述差分序列中存在半数的元素符号一致，则计算所述测量数据序列中末位测量值与首位测量值的差值，若所述差值的符号与所述半数的元素的符号一致，则确定所述测量数据序列为第一变化类型。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
如果所述超过半数的元素符号均为正型，则对所述测量数据序列编码为正数；
如果所述超过半数的元素符号均为负型，则对所述测量数据序列编码为负数。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定所述测量指标的正常值范围；
若所述测量数据序列在所述正常值范围内，则对所述测量数据序列编码为零。
5.根据权利要求1所述的方法，其特征在于，所述获取患者测量指标在预设时间窗口内的测量数据序列，包括：
获取存在预警风险的医疗样本数据，并确定所述医疗样本数据中的风险判定时间；
将所述风险判定时间之前的预设时间段作为所述预设时间窗口，以从所述医疗样本数据中筛选出所述预设时间窗口内的测量数据序列。
6.根据权利要求1所述的方法，其特征在于，确定所述测量指标与预警风险之间的关系之后，还包括：
获取目标患者的历史测量数据序列；
根据所述测量指标与预警风险之间的关系，预测所述历史测量数据序列对应的预警风险。
7.一种分析患者测量指标的装置，其特征在于，包括：
数据获取模块，用于获取患者测量指标在预设时间窗口内的测量数据序列；所述测量数据序列中包括多个按照时间顺序排列的测量值；
数据编码模块，用于按照所述预设时间窗口的时间顺序，对所述测量数据序列中时间顺序相邻的测量值进行差分，以获得所述测量数据序列的差分序列，将所述差分序列作为变化趋势，根据所述差分序列中包含的元素的符号，确定所述测量数据序列的变化类型；获取所述变化类型对应的编码数据；
数据分析模块，用于按照所述编码数据对所述测量指标进行回归分析，以确定所述测量指标与预警风险之间的关系。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的方法。
9.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010645593.2A CN111755125B (zh) | 2020-07-07 | 2020-07-07 | 分析患者测量指标的方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010645593.2A CN111755125B (zh) | 2020-07-07 | 2020-07-07 | 分析患者测量指标的方法、装置、介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111755125A CN111755125A (zh) | 2020-10-09 |
| CN111755125B true CN111755125B (zh) | 2024-04-23 |
Family
ID=72679879
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010645593.2A Active CN111755125B (zh) | 2020-07-07 | 2020-07-07 | 分析患者测量指标的方法、装置、介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111755125B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103123787A (zh) * | 2011-11-21 | 2013-05-29 | 金峰 | 一种移动终端与媒体同步与交互的方法 |
| CN104102680A (zh) * | 2013-04-15 | 2014-10-15 | 肖瑞 | 时间序列的编码索引 |
| CN104598566A (zh) * | 2015-01-09 | 2015-05-06 | 四川九洲电器集团有限责任公司 | 运动目标的关联规则分析方法及系统 |
| CN104915846A (zh) * | 2015-06-18 | 2015-09-16 | 北京京东尚科信息技术有限公司 | 一种电子商务时间序列数据的异常检测方法及系统 |
| CN106725343A (zh) * | 2012-07-27 | 2017-05-31 | 心脏起搏器股份公司 | 心力衰竭患者分层 |
| CN106909487A (zh) * | 2017-01-18 | 2017-06-30 | 北京盛世全景科技股份有限公司 | 应用于信息系统的预警方法及装置 |
| CN109754885A (zh) * | 2019-03-18 | 2019-05-14 | 杭州镜之镜科技有限公司 | 近视预测系统及方法 |
| TWM578864U (zh) * | 2019-02-13 | 2019-06-01 | 司博創意科技有限公司 | 用於穿戴式裝置之健康管理系統 |
| CN110782989A (zh) * | 2019-09-18 | 2020-02-11 | 平安科技（深圳）有限公司 | 数据分析方法、装置、设备及计算机可读存储介质 |
| CN111063435A (zh) * | 2019-10-29 | 2020-04-24 | 北京大学人民医院 | 一种糖尿病分型诊断系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007098228A2 (en) * | 2006-02-17 | 2007-08-30 | Transoma Medical, Inc. | System and method of monitoring physiological signals |
| US10490049B2 (en) * | 2013-12-10 | 2019-11-26 | General Electric Company | Systems and methods for identifying patient distress |
| WO2018191700A1 (en) * | 2017-04-13 | 2018-10-18 | Intuity Medical, Inc. | Systems and methods for managing chronic disease using analyte and patient data |
-
2020
- 2020-07-07 CN CN202010645593.2A patent/CN111755125B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103123787A (zh) * | 2011-11-21 | 2013-05-29 | 金峰 | 一种移动终端与媒体同步与交互的方法 |
| CN106725343A (zh) * | 2012-07-27 | 2017-05-31 | 心脏起搏器股份公司 | 心力衰竭患者分层 |
| CN104102680A (zh) * | 2013-04-15 | 2014-10-15 | 肖瑞 | 时间序列的编码索引 |
| CN104598566A (zh) * | 2015-01-09 | 2015-05-06 | 四川九洲电器集团有限责任公司 | 运动目标的关联规则分析方法及系统 |
| CN104915846A (zh) * | 2015-06-18 | 2015-09-16 | 北京京东尚科信息技术有限公司 | 一种电子商务时间序列数据的异常检测方法及系统 |
| CN106909487A (zh) * | 2017-01-18 | 2017-06-30 | 北京盛世全景科技股份有限公司 | 应用于信息系统的预警方法及装置 |
| TWM578864U (zh) * | 2019-02-13 | 2019-06-01 | 司博創意科技有限公司 | 用於穿戴式裝置之健康管理系統 |
| CN109754885A (zh) * | 2019-03-18 | 2019-05-14 | 杭州镜之镜科技有限公司 | 近视预测系统及方法 |
| CN110782989A (zh) * | 2019-09-18 | 2020-02-11 | 平安科技（深圳）有限公司 | 数据分析方法、装置、设备及计算机可读存储介质 |
| CN111063435A (zh) * | 2019-10-29 | 2020-04-24 | 北京大学人民医院 | 一种糖尿病分型诊断系统 |
Non-Patent Citations (1)
| Title |
|---|
| 一种用于监控系统的监控指标趋势分析方法;梁英宏;刘义春;;计算机工程与应用(第12期);第218-222页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111755125A (zh) | 2020-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6893259B2 (ja) | コンピューター装置による感染症クラス分け予測方法、感染症クラス分け予測装置、コンピューター装置、および記憶媒体 | |
| CN109634941B (zh) | 医疗数据处理方法、装置、电子设备及存储介质 | |
| CN111798988B (zh) | 风险区域预测方法、装置、电子设备及计算机可读介质 | |
| JP7286863B2 (ja) | 医療データの自動化された検証 | |
| MXPA04006254A (es) | Metodo, sistema y producto de computo para estimar la vida restante de un equipo. | |
| EP3281132B1 (en) | System for laboratory values automated analysis and risk notification in intensive care unit | |
| CN115691722B (zh) | 医疗数据检测的质控方法、装置、设备、介质及程序产品 | |
| RU2013140670A (ru) | Клиническая система поддержки принятия решений для прогнозирующего планирования выписки | |
| CN111755125B (zh) | 分析患者测量指标的方法、装置、介质及电子设备 | |
| CN112420211B (zh) | 未知传染病的预警方法、装置、电子设备及计算机介质 | |
| CN109712708B (zh) | 一种基于数据挖掘的健康状况预测方法及装置 | |
| CN115831219B (zh) | 一种质量预测方法、装置、设备及存储介质 | |
| CN111933244A (zh) | 药品数据编码方法、装置、计算机可读介质及电子设备 | |
| CN116994751A (zh) | 一种孕早期子痫前期风险预测模型的构建方法及装置 | |
| CN116631626A (zh) | 一种患者临床风险评估方法、装置、设备及介质 | |
| CN115858289A (zh) | 一种进程监测方法及装置 | |
| CN115809818A (zh) | 抽水蓄能电站辅助设备多维诊断评估方法及装置 | |
| CN115293735A (zh) | 一种无人工厂工业互联网平台监测管理方法及系统 | |
| US20190087765A1 (en) | Method and system for value assessment of a medical care provider | |
| CN109522355B (zh) | 数据处理过程的控制方法、装置、介质及电子设备 | |
| CN112768066A (zh) | 一种神经外科患者综合诊疗方法及系统 | |
| CN117314205B (zh) | 一种室间质评项目检测结果上报方法及装置 | |
| CN114334161B (zh) | 模型训练方法、数据处理方法、装置、介质、电子设备 | |
| CN112545493B (zh) | 身高评价方法及终端设备 | |
| CN117171478B (zh) | 一种医学检测数据误差识别模型构建方法与装置 |
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 |