CN112086157B - 一种患者护理夹信息智能录入方法及系统 - Google Patents
一种患者护理夹信息智能录入方法及系统 Download PDFInfo
- Publication number
- CN112086157B CN112086157B CN202010986200.4A CN202010986200A CN112086157B CN 112086157 B CN112086157 B CN 112086157B CN 202010986200 A CN202010986200 A CN 202010986200A CN 112086157 B CN112086157 B CN 112086157B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- identity
- vital sign
- identity information
- 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.)
- Expired - Fee Related
Links
- 230000000474 nursing effect Effects 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 claims abstract description 79
- 230000008676 import Effects 0.000 claims abstract description 23
- 238000012795 verification Methods 0.000 claims description 45
- 238000012549 training Methods 0.000 claims description 38
- 238000007477 logistic regression Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 238000003062 neural network model Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 208000028399 Critical Illness Diseases 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007721 medicinal effect Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000036407 pain Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000001179 pupillary effect Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 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
- 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
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种患者护理夹信息智能录入方法及系统,所述方法应用于一智能护理夹,所述智能护理夹包括一身份识别系统和存储模块,所述方法包括:根据所述护理夹的身份识别系统获得第一用户的身份信息,获得所述第一用户的病例信息和生命体征信息;将第一用户的病例信息和生命体征信息与第一用户的身份信息进行匹配;如果第一用户的病例信息和生命体征信息与第一用户的身份信息匹配成功,获得第一导入指令;根据第一导入指令,将第一用户的病例信息和生命体征信息与第一用户的身份信息导入存储模块进行存储。达到准确记录护理情况,有效保证护理记录的准确性、安全性,准确根据护理记录匹配相对应的患者的技术效果。
Description
技术领域
本发明涉及护理夹信息录入领域,尤其涉及一种患者护理夹信息智能录入方法及系统。
背景技术
护理记录单是指护士根据医嘱和病情,对危重患者从入院到出院期间护理工作全过程的客观的动态记录。记录内容包括科别、姓名、床号、ID号、住院号、护理级别、日期、时间、生命体征、出入液量、基础护理、病情观察、护理措施及效果、护士签名等。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中通过护理记录单记录存在记录不准确、记录单被篡改、出现人工记录失误或匹配患者失误的技术问题。
发明内容
本申请实施例通过提供一种患者护理夹信息智能录入方法及系统,解决了现有技术中通过护理记录单记录存在记录不准确、记录单被篡改、出现人工记录失误或匹配患者失误的技术问题,达到准确记录护理情况,有效保证护理记录的准确性、安全性,准确根据护理记录匹配相对应的患者的技术效果。
鉴于上述问题,本申请实施例提供一种患者护理夹信息智能录入方法及系统。
第一方面,本申请实施例提供了一种患者护理夹信息智能录入方法,所述方法应用于一智能护理夹,所述智能护理夹包括一身份识别系统和存储模块,所述方法包括:根据所述护理夹的身份识别系统获得第一用户的身份信息;根据所述第一用户的身份信息,获得所述第一用户的病例信息和生命体征信息;将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息进行匹配;判断所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配成功;如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配成功,获得第一导入指令;根据所述第一导入指令,将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息导入存储模块进行存储。
另一方面,本申请还提供了一种患者护理夹信息智能录入系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于根据所述护理夹的身份识别系统获得第一用户的身份信息;第二获得单元,所述第二获得单元用于根据所述第一用户的身份信息,获得所述第一用户的病例信息和生命体征信息;第一匹配单元,所述第一匹配单元用于将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息进行匹配;第一判断单元,所述第一判断单元用于判断所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配成功;第三获得单元,所述第三获得单元用于如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配成功,获得第一导入指令;第一导入单元,所述第一导入单元用于根据所述第一导入指令,将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息导入存储模块进行存储。
第三方面,本发明提供了一种患者护理夹信息智能录入系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了根据护理夹的身份识别系统获得第一用户的身份信息,根据所述第一用户的身份信息获得所述第一用户的病例信息和生命体征信息,通过匹配所述第一用户的身份信息与所述病例信息和生命体征信息是否一致,当所述信息匹配成功后将所述相关信息导入存储模块存储的方式,达到对所述第一用户的病情及生命体征的准确记录,准确匹配身份信息的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种患者护理夹信息智能录入方法的流程示意图;
图2为本申请实施例一种患者护理夹信息智能录入方法中判断所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配成功的流程示意图;
图3为本申请实施例一种患者护理夹信息智能录入方法中如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息未匹配成功的流程示意图;
图4为本申请实施例一种患者护理夹信息智能录入方法中根据所述护理夹的身份识别系统获得第一用户的身份信息之前的流程示意图;
图5为本申请实施例中一种患者护理夹信息智能录入方法中将所述第一输入信息和所述第二输入信息输入第一训练模型的流程示意图;
图6为本申请实施例一种患者护理夹信息智能录入方法中对所述用户的身份信息进行加密处理的流程示意图;
图7为本申请实施例一种患者护理夹信息智能录入方法中将所有存储单位分别复制保存在M台设备上的流程示意图;
图8为本申请实施例一种患者护理夹信息智能录入系统的结构示意图;
图9为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一匹配单元13,第一判断单元14,第三获得单元15,第一导入单元16,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种患者护理夹信息智能录入方法及系统,解决了现有技术中通过护理记录单记录存在记录不准确、记录单被篡改、出现人工记录失误或匹配患者失误的技术问题,达到准确记录护理情况,有效保证护理记录的准确性、安全性,准确根据护理记录匹配相对应的患者的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
护理记录单是指护士根据医嘱和病情,对危重患者从入院到出院期间护理工作全过程的客观的动态记录。记录内容包括科别、姓名、床号、ID号、住院号、护理级别、日期、时间、生命体征、出入液量、基础护理、病情观察、护理措施及效果、护士签名等。但现有技术中通过护理记录单记录存在记录不准确、记录单被篡改、出现人工记录失误或匹配患者失误的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种患者护理夹信息智能录入方法,所述方法应用于一智能护理夹,所述智能护理夹包括一身份识别系统和存储模块,所述方法包括:根据所述护理夹的身份识别系统获得第一用户的身份信息;根据所述第一用户的身份信息,获得所述第一用户的病例信息和生命体征信息;将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息进行匹配;判断所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配成功;如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配成功,获得第一导入指令;根据所述第一导入指令,将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息导入存储模块进行存储。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种患者护理夹信息智能录入方法,其中,所述方法应用于一智能护理夹,所述智能护理夹包括一身份识别系统和存储模块,所述方法包括:
步骤S100:根据所述护理夹的身份识别系统获得第一用户的身份信息;
具体而言,所述护理夹为包括身份识别系统和存储模块的医用护理辅助用具,所述身份识别系统为根据捕捉到的用户身份结合大数据进行身份识别认证的系统。
步骤S200:根据所述第一用户的身份信息,获得所述第一用户的病例信息和生命体征信息;
具体而言,所述病例信息是指是医务人员对患者疾病的发生、发展、转归,进行检查、诊断、治疗等医疗活动过程的记录信息。所述生命体征指用来判断病人的病情轻重和危急程度的指征。主要有心率、脉搏、血压、呼吸、疼痛、血氧、瞳孔和角膜反射的改变等等。根据所述第一用户的身份信息,通过医院的病情登记相关系统,自动获得所述第一用户的病例信息和生命体征信息。
步骤S300:将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息进行匹配;
步骤S400:判断所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配成功;
具体而言,根据所述第一用户的病例信息、生命体征信息,判断所述第一用户是否符合所述病例信息及生命体征信息。
进一步而言,如图2所示,所述判断所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配成功,本申请实施例S400还包括:
S410:将所述第一用户的病例信息和所述生命体征信息作为第一输入信息;
S420:将所述第一用户的身份信息作为第二输入信息;
S430:将所述第一输入信息和所述第二输入信息输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息和用来标识第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配的标识信息;
S440:获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配,所述第二输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息不匹配。
具体而言,将所述第一用户的病例信息和所述生命体征信息作为第一输入信息;将所述第一用户的身份信息作为第二输入信息,将所述第一输入信息和第二输入信息输入训练模型,所述训练模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。基于大量的训练数据的训练,其中,所述训练数据中的每一组训练数据均包括:所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息和用来标识第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配的标识信息,所述神经网络模型不断地自我的修正,当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的数据训练,进而使得所述神经网络模型处理所述输入数据更加准确,进而使得输出的判断第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配的信息更加准确。获得所述第一训练模型的第一输出信息,所述第一输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配,所述第二输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息不匹配。基于训练模型进过训练后处理数据更加准确的特性,将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息和用来标识第一用户的病例信息和所述生命体征信息输入训练模型,通过训练模型的输出信息判断是否匹配的方式,使得所述判断结果更加准确,进而达到对所述第一用户的病情及生命体征的准确记录,准确匹配身份信息的技术效果。
步骤S500:如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配成功,获得第一导入指令;
具体而言,当所述输出结果为匹配成功结果时,表明所述病例信息、生命体征信息与所述第一用户身份相对应,此时获得第一导入指令。
步骤S600:根据所述第一导入指令,将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息导入存储模块进行存储;
具体而言,所述导入指令是指具有控制所述导入信息进入存储模块的指令。所述存储模块为根据不同的应用环境通过采取合理、安全、有效的方式将数据保存到某些介质上并能保证有效的访问的模块。根据所述第一导入指令将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息导入存储模块进行存储。
如图3所示,如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息未匹配成功,本申请实施例S500还包括:
步骤S510:如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息未匹配成功,获得第一预警信息;
步骤S520:根据所述第一预警信息,对所述第一用户的身份信息和所述病例信息进行核对,获得第一核实信息;
步骤S530:将所述第一核实信息录入所述存储模块进行存储。
具体而言,所述预警信息为需要提防的危险发生之前,根据以往的总结的规律或观测得到的可能性前兆,发出的报告危险情况的信息。当所述第一用户的病例信息、生命体征信息和所述第一用户的身份信息未匹配成功时,获得第一预警信息,根据所述第一预警信息对所述第一用户的身份信息和病例信息进行核对,当核对成功后获得第一核实信息,将所述第一核实信息存储进所述存储模块。通过对于匹配未成功的信息进行核对的方式,达到保证所述录入信息的准确性的技术效果。
如图4所示,所述根据所述护理夹的身份识别系统获得第一用户的身份信息之前,本申请实施例步骤S100还包括:
步骤S110:获得第一锁定信息;
步骤S120:根据所述第一锁定信息,对所述护理夹进行锁定;
步骤S130:获得第一验证信息;
步骤S140:根据所述第一验证信息对所述护理夹进行解锁;
步骤S150:判断所述第一验证信息对所述护理夹是否解锁成功;
步骤S160:如果所述第一验证信息对所述护理夹解锁成功,根据所述护理夹的身份识别系统获得第一用户的身份信息。
具体而言,为保证所述相关信息安全性,对所述护理夹进行锁定处理,获得第一验证信息,所述验证信息可为所述护理人员设定或身份证明的验证信息,当所述验证通过后则可通过所述护理夹的身份识别系统获得所述第一用户的身份信息。
如图5所示,将所述第一输入信息和所述第二输入信息输入第一训练模型,本申请实施例步骤S430还包括:
步骤S431:将第一用户的病例信息和所述生命体征信息进行按照预定权重比进行加权计算,获得第一输入信息;
步骤S432:将所述第一输入信息作为横坐标;
步骤S433:将所述第一用户的身份信息作为纵坐标;
步骤S434:采用逻辑回归模型根据所述横坐标和所述纵坐标获得逻辑回归线,其中,逻辑回归线包括第一位置和第一角度,所述第一位置和所述第一角度位于所述横坐标和所述纵坐标所构建的坐标系中;其中,所述逻辑回归线的一侧表示第一输出结果,所述逻辑回归线的另一侧表示第二输出结果,其中,所述第一输出结果和所述第二输出结果不同。
具体而言,根据所述第一用户的病例信息和生命体征信息的重要程度的实际情况进行权重比分配,对所述进行权重比分配的信息进行加权计算,获得第一输入信息,所述神经网络模型构建时,可根据所述第一输入信息和所述第一用户的身份信息分别作为横纵坐标,建立坐标系。通过所述坐标系,根据逻辑回归算法,获得逻辑回归线。逻辑回归线一侧,代表第一输出结果,所述第一输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配;逻辑回归线的另外一侧,代表第二输出结果,所述第二输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息不匹配。所述逻辑回归线位置可以调整,受第一位置和第一角度控制。所述第一位置和第一角度分别受第一影响参数和第二影响参数控制,这里不再进行展开说明。通过对逻辑回归线的运用,达到所述输出结果更加准确的效果。
如图6所示,对所述用户的身份信息进行加密处理,本申请实施例还包括:
步骤S710:获得第一用户的身份信息,获得第二用户的身份信息,直到第N用户的身份信息;
步骤S720:根据所述第一用户的身份信息生成第一验证码;其中,所述第一验证码与所述第一用户的身份信息一一对应;
步骤S730:根据所述第二用户的身份信息和第一验证码生成第二验证码;
步骤S740:将所述第一用户的身份信息和所述第一验证码作为第一存储单位;
步骤S750:将所述第二用户的身份信息和所述第二验证码作为第二存储单位;
步骤S760:将所有存储单位分别复制保存在M台设备上,其中,N,M分别为正整数。
具体而言,获得与第一用户身份信息一一对应的第一验证码;根据第二用户身份信息和第一验证码生成的第二验证码;以此类推,根据第N用户身份信息和第N-1验证码生成的第N验证码,其中,N为大于1的正整数。将所有身份信息和验证码分别复制保存在M台设备上,其中,所述第一身份信息和所述第一验证码作为第一存储单位保存在一台设备上,所述第二身份信息和所述第二验证码作为第二存储单位保存在一台设备上···所述第N身份信息和所述第N验证码作为第N存储单位保存在一台设备上,当需要调用所述训练数据时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希函数对于每一存储单位进行串接,使得所述身份信息不易丢失和遭到破坏,通过区块链的逻辑对所述身份信息进行加密处理,保证了所述身份信息的安全性,并存储于多台设备上,所述存储于多台设备上的数据通过共识机制进行处理,即少数服从多数,当一台或多台设备被篡改时,只要存储正确数据的设备数量大于被篡改的设备数量,则获得的身份信息仍然是正确的,进一步的保证了所述身份信息的安全性,达到了有效保证护理记录的准确性、安全性,准确根据护理记录匹配相对应的患者的技术效果。
如图7所示,所述将所有存储单位分别复制保存在M台设备上,本申请实施例S760还包括:
步骤S761:获得所述第一存储单位的记录时间,所述第一存储单位的记录时间表示第一存储单位需要记录的时间;
步骤S762:根据所述第一存储单位的记录时间,获得所述M台设备中内存最大的第一设备;
步骤S763:将第一存储单位的记录权发送给所述第一设备。
具体而言,获得第一存储单位的预定记录时间,将不能在预定时间内完成记录所述第一存储单位的设备排除,获得M台设备中内存最大的第一设备,将所述第一区块的记录权给所述设备。进一步而言,所述第二存储单位、第三存储单位、··· 第N存储单位均采用如第一存储单位的记录方法,进而保证了去中心化区块链系统的安全、有效和稳定运行,能够保证所述存储单位能够被准确的记录在设备中,进而保证了身份信息的安全性,达到了有效保证护理记录的准确性、安全性,准确根据护理记录匹配相对应的患者的技术效果。
综上所述,本申请实施例所提供的一种患者护理夹信息智能录入方法及系统具有如下技术效果:
1、由于采用了根据护理夹的身份识别系统获得第一用户的身份信息,根据所述第一用户的身份信息获得所述第一用户的病例信息和生命体征信息,通过匹配所述第一用户的身份信息与所述病例信息和生命体征信息是否一致,当所述信息匹配成功后将所述相关信息导入存储模块存储的方式,达到对所述第一用户的病情及生命体征的准确记录,准确匹配身份信息的技术效果。
2、由于采用了通过对于匹配未成功的信息进行核对的方式,达到保证所述录入信息的准确性的技术效果。
3、由于采用了基于区块链逻辑对所述身份信息进行加密处理的方式,进而保证了去中心化区块链系统的安全、有效和稳定运行,能够保证所述存储单位能够被准确的记录在设备中,进而保证了身份信息的安全性,达到了有效保证护理记录的准确性、安全性,准确根据护理记录匹配相对应的患者的技术效果。
实施例二
基于与前述实施例中一种患者护理夹信息智能录入方法同样发明构思,本发明还提供了一种患者护理夹信息智能录入系统,如图8所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于根据所述护理夹的身份识别系统获得第一用户的身份信息;
第二获得单元12,所述第二获得单元12用于根据所述第一用户的身份信息,获得所述第一用户的病例信息和生命体征信息;
第一匹配单元13,所述第一匹配单元13用于将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息进行匹配;
第一判断单元14,所述第一判断单元14用于判断所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配成功;
第三获得单元15,所述第三获得单元15用于如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配成功,获得第一导入指令;
第一导入单元16,所述第一导入单元16用于根据所述第一导入指令,将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息导入存储模块进行存储。
进一步的,所述系统还包括:
第四获得单元,所述第四获得单元用于如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息未匹配成功,获得第一预警信息;
第五获得单元,所述第五获得单元用于根据所述第一预警信息,对所述第一用户的身份信息和所述病例信息进行核对,获得第一核实信息;
第一存储单元,所述第一存储单元用于将所述第一核实信息录入所述存储模块进行存储;
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于获得第一锁定信息;
第一锁定单元,所述第一锁定单元用于根据所述第一锁定信息,对所述护理夹进行锁定;
第七获得单元,所述第七获得单元用于获得第一验证信息;
第一解锁单元,所述第一解锁单元用于根据所述第一验证信息对所述护理夹进行解锁;
第二判断单元,所述第二判断单元用于判断所述第一验证信息对所述护理夹是否解锁成功;
第八获得单元,所述第八获得单元用于如果所述第一验证信息对所述护理夹解锁成功,根据所述护理夹的身份识别系统获得第一用户的身份信息;
进一步的,所述系统还包括:
第九获得单元,所述第九获得单元用于将所述第一用户的病例信息和所述生命体征信息作为第一输入信息;
第十获得单元,所述第十获得单元用于将所述第一用户的身份信息作为第二输入信息;
第一输入单元,所述第一输入单元用于将所述第一输入信息和所述第二输入信息输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息和用来标识第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配的标识信息;
第十一获得单元,所述第十一获得单元用于获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配,所述第二输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息不匹配;
进一步的,所述系统还包括:
第十二获得单元,所述第十二获得单元用于将第一用户的病例信息和所述生命体征信息进行按照预定权重比进行加权计算,获得第一输入信息;
第十三获得单元,所述第十三获得单元用于将所述第一输入信息作为横坐标;
第十四获得单元,所述第十四获得单元用于将所述第一用户的身份信息作为纵坐标;
第十五获得单元,所述第十五获得单元用于采用逻辑回归模型根据所述横坐标和所述纵坐标获得逻辑回归线,其中,逻辑回归线包括第一位置和第一角度,所述第一位置和所述第一角度位于所述横坐标和所述纵坐标所构建的坐标系中;其中,所述逻辑回归线的一侧表示第一输出结果,所述逻辑回归线的另一侧表示第二输出结果,其中,所述第一输出结果和所述第二输出结果不同。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于获得第一用户的身份信息,获得第二用户的身份信息,直到第N用户的身份信息;
第十七获得单元,所述第十七获得单元用于根据所述第一用户的身份信息生成第一验证码;其中,所述第一验证码与所述第一用户的身份信息一一对应;
第十八获得单元,所述第十八获得单元用于根据所述第二用户的身份信息和第一验证码生成第二验证码;
第十九获得单元,所述第十九获得单元用于将所述第一用户的身份信息和所述第一验证码作为第一存储单位;
第二十获得单元,所述第二十获得单元用于将所述第二用户的身份信息和所述第二验证码作为第二存储单位;
第一保存单元,所述第一保存单元用于将所有存储单位分别复制保存在M台设备上,其中,N,M分别为正整数。
进一步的,所述系统包括:
第二十一获得单元,所述第二十一获得单元用于获得所述第一存储单位的记录时间,所述第一存储单位的记录时间表示第一存储单位需要记录的时间;
第二十二获得单元,所述第二十二获得单元用于根据所述第一存储单位的记录时间,获得所述M台设备中内存最大的第一设备;
第二十三获得单元,所述第二十三获得单元用于将第一存储单位的记录权发送给所述第一设备。
前述图1实施例一中的一种患者护理夹信息智能录入方法的各种变化方式和具体实例同样适用于本实施例的一种患者护理夹信息智能录入系统,通过前述对一种患者护理夹信息智能录入方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种患者护理夹信息智能录入系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图9来描述本申请实施例的电子设备。
图9图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种患者护理夹信息智能录入方法的发明构思,本发明还提供一种患者护理夹信息智能录入系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种患者护理夹信息智能录入方法的任一方法的步骤。
其中,在图9中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种患者护理夹信息智能录入方法,所述方法应用于一智能护理夹,所述智能护理夹包括一身份识别系统和存储模块,所述方法包括:根据所述护理夹的身份识别系统获得第一用户的身份信息;根据所述第一用户的身份信息,获得所述第一用户的病例信息和生命体征信息;将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息进行匹配;判断所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配成功;如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配成功,获得第一导入指令;根据所述第一导入指令,将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息导入存储模块进行存储。解决了现有技术中通过护理记录单记录存在记录不准确、记录单被篡改、出现人工记录失误或匹配患者失误的技术问题,达到准确记录护理情况,有效保证护理记录的准确性、安全性,准确根据护理记录匹配相对应的患者的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种患者护理夹信息智能录入方法,其中,所述方法应用于一智能护理夹,所述智能护理夹包括一身份识别系统和存储模块,所述方法包括:
根据所述护理夹的身份识别系统获得第一用户的身份信息;
根据所述第一用户的身份信息通过医院的病情登记相关系统自动获得所述第一用户的病例信息和生命体征信息;
将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息进行匹配;
判断所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配成功;
如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配成功,获得第一导入指令;
根据所述第一导入指令,将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息导入存储模块进行存储;
其中,所述判断所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配成功,包括:
将所述第一用户的病例信息和所述生命体征信息作为第一输入信息;
将所述第一用户的身份信息作为第二输入信息;
将所述第一输入信息和所述第二输入信息输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息和用来标识第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配的标识信息;
获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配,所述第二输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息不匹配;
所述方法还包括:将第一用户的病例信息和所述生命体征信息进行按照预定权重比进行加权计算,获得第一输入信息;
将所述第一输入信息作为横坐标;
将所述第一用户的身份信息作为纵坐标;
采用逻辑回归模型根据所述横坐标和所述纵坐标获得逻辑回归线,其中,逻辑回归线包括第一位置和第一角度,所述第一位置和所述第一角度位于所述横坐标和所述纵坐标所构建的坐标系中;其中,所述逻辑回归线的一侧表示第一输出结果,所述逻辑回归线的另一侧表示第二输出结果,其中,所述第一输出结果和所述第二输出结果不同。
2.如权利要求1所述的方法,其中,所述方法包括:
如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息未匹配成功,获得第一预警信息;
根据所述第一预警信息,对所述第一用户的身份信息和所述病例信息进行核对,获得第一核实信息;
将所述第一核实信息录入所述存储模块进行存储。
3.如权利要求1所述的方法,其中,所述根据所述护理夹的身份识别系统获得第一用户的身份信息之前,包括:
获得第一锁定信息;
根据所述第一锁定信息,对所述护理夹进行锁定;
获得第一验证信息;
根据所述第一验证信息对所述护理夹进行解锁;
判断所述第一验证信息对所述护理夹是否解锁成功;
如果所述第一验证信息对所述护理夹解锁成功,根据所述护理夹的身份识别系统获得第一用户的身份信息。
4.如权利要求1所述的方法,其中,所述方法包括:
获得第一用户的身份信息,获得第二用户的身份信息,直到第N用户的身份信息;
根据所述第一用户的身份信息生成第一验证码;其中,所述第一验证码与所述第一用户的身份信息一一对应;
根据所述第二用户的身份信息和第一验证码生成第二验证码;
将所述第一用户的身份信息和所述第一验证码作为第一存储单位;
将所述第二用户的身份信息和所述第二验证码作为第二存储单位;
将所有存储单位分别复制保存在M台设备上,其中,N,M分别为正整数。
5.如权利要求4所述的方法,其中,所述方法包括:
获得所述第一存储单位的记录时间,所述第一存储单位的记录时间表示第一存储单位需要记录的时间;
根据所述第一存储单位的记录时间,获得所述M台设备中内存最大的第一设备;
将第一存储单位的记录权发送给所述第一设备。
6.一种患者护理夹信息智能录入系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于根据所述护理夹的身份识别系统获得第一用户的身份信息;
第二获得单元,所述第二获得单元用于根据所述第一用户的身份信息通过医院的病情登记相关系统自动获得所述第一用户的病例信息和生命体征信息;
第一匹配单元,所述第一匹配单元用于将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息进行匹配;
第一判断单元,所述第一判断单元用于判断所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配成功;
第三获得单元,所述第三获得单元用于如果所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配成功,获得第一导入指令;
第一导入单元,所述第一导入单元用于根据所述第一导入指令,将所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息导入存储模块进行存储;
第九获得单元,所述第九获得单元用于将所述第一用户的病例信息和所述生命体征信息作为第一输入信息;
第十获得单元,所述第十获得单元用于将所述第一用户的身份信息作为第二输入信息;
第一输入单元,所述第一输入单元用于将所述第一输入信息和所述第二输入信息输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息和用来标识第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息是否匹配的标识信息;
第十一获得单元,所述第十一获得单元用于获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括第一输出结果和第二输出结果,所述第一输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息匹配,所述第二输出结果为第一用户的病例信息和所述生命体征信息与所述第一用户的身份信息不匹配;
第十二获得单元,所述第十二获得单元用于将第一用户的病例信息和所述生命体征信息进行按照预定权重比进行加权计算,获得第一输入信息;
第十三获得单元,所述第十三获得单元用于将所述第一输入信息作为横坐标;
第十四获得单元,所述第十四获得单元用于将所述第一用户的身份信息作为纵坐标;
第十五获得单元,所述第十五获得单元用于采用逻辑回归模型根据所述横坐标和所述纵坐标获得逻辑回归线,其中,逻辑回归线包括第一位置和第一角度,所述第一位置和所述第一角度位于所述横坐标和所述纵坐标所构建的坐标系中;其中,所述逻辑回归线的一侧表示第一输出结果,所述逻辑回归线的另一侧表示第二输出结果,其中,所述第一输出结果和所述第二输出结果不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010986200.4A CN112086157B (zh) | 2020-09-18 | 2020-09-18 | 一种患者护理夹信息智能录入方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010986200.4A CN112086157B (zh) | 2020-09-18 | 2020-09-18 | 一种患者护理夹信息智能录入方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112086157A CN112086157A (zh) | 2020-12-15 |
CN112086157B true CN112086157B (zh) | 2022-11-15 |
Family
ID=73738177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010986200.4A Expired - Fee Related CN112086157B (zh) | 2020-09-18 | 2020-09-18 | 一种患者护理夹信息智能录入方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112086157B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021964A (zh) * | 2016-06-30 | 2016-10-12 | 安徽易联众信息技术有限公司 | 一种医疗信息智能管理系统 |
CN207821441U (zh) * | 2017-11-09 | 2018-09-07 | 福建强闽信息科技有限公司 | 一种新型的智能护理夹 |
CN110970136A (zh) * | 2019-12-02 | 2020-04-07 | 北京六元空间信息科技有限责任公司 | 一种临床研究驱动的慢病管理系统和方法 |
-
2020
- 2020-09-18 CN CN202010986200.4A patent/CN112086157B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021964A (zh) * | 2016-06-30 | 2016-10-12 | 安徽易联众信息技术有限公司 | 一种医疗信息智能管理系统 |
CN207821441U (zh) * | 2017-11-09 | 2018-09-07 | 福建强闽信息科技有限公司 | 一种新型的智能护理夹 |
CN110970136A (zh) * | 2019-12-02 | 2020-04-07 | 北京六元空间信息科技有限责任公司 | 一种临床研究驱动的慢病管理系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112086157A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210090738A1 (en) | Systems and methods for automated medical diagnostics | |
CN110349642B (zh) | 智能麻醉实施系统、装置、设备及存储介质 | |
EP3452990A1 (en) | Systems and methods for generating medical diagnosis | |
CN117238458A (zh) | 基于云计算的重症护理跨机构协同平台系统 | |
CN109584980B (zh) | 数据核验方法及装置、电子设备、存储介质 | |
EP3287918B1 (en) | Managing patient devices based on sensor data | |
KR20190132290A (ko) | 환자 진단 학습 방법, 서버 및 프로그램 | |
EP3534287A1 (en) | Inserting a further data block into a first ledger | |
CN109886005B (zh) | 一种针对Web协同的授权用户风险评估方法及系统 | |
CN112216381B (zh) | 一种影像科患者检查核对方法及系统 | |
CN112117008A (zh) | 一种基于大数据的健康监测方法及系统 | |
CN116130072A (zh) | 科室推荐方法、装置、设备及存储介质 | |
CN113948172A (zh) | 一种检查检验结果共享互认系统 | |
CN112086157B (zh) | 一种患者护理夹信息智能录入方法及系统 | |
CN117037986A (zh) | 医疗或健康记录管理系统及方法 | |
WO2023025219A1 (zh) | 用于医用机器人的操作者身份识别方法、装置和系统 | |
CN112164457B (zh) | 一种血透室器械管理方法和装置 | |
CN113053482B (zh) | 一种肾内科患者的体征监测分析系统及方法 | |
CN112397186A (zh) | 一种用于智慧医疗的安全监管方法及系统 | |
CN111402976A (zh) | 基于大数据的智慧超脑管理系统 | |
US20240290502A1 (en) | Verifying a digital twin of a subject | |
Sufriyana et al. | Quantifying medical histories with the Kaplan-Meier (KM) estimator for feature extraction of electronic health records in machine learning | |
EP4109468A1 (en) | Systems and methods for modelling a human subject | |
US20240012934A1 (en) | Healthcare-activity triggered data management | |
CN114023424B (zh) | 一种妇产科婴儿看护系统及方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221115 |