CN112331284A - 一种遗传代谢病的入院病史辅助采集系统 - Google Patents

一种遗传代谢病的入院病史辅助采集系统 Download PDF

Info

Publication number
CN112331284A
CN112331284A CN202011166873.1A CN202011166873A CN112331284A CN 112331284 A CN112331284 A CN 112331284A CN 202011166873 A CN202011166873 A CN 202011166873A CN 112331284 A CN112331284 A CN 112331284A
Authority
CN
China
Prior art keywords
history
variable
acquisition
admission
variables
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
Application number
CN202011166873.1A
Other languages
English (en)
Inventor
张晓波
周文浩
汤梁峰
曹云
陈超
叶成杰
卢宇蓝
徐虹
黄国英
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.)
Childrens Hospital of Fudan University
Original Assignee
Childrens Hospital of Fudan University
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 Childrens Hospital of Fudan University filed Critical Childrens Hospital of Fudan University
Priority to CN202011166873.1A priority Critical patent/CN112331284A/zh
Publication of CN112331284A publication Critical patent/CN112331284A/zh
Pending legal-status Critical Current

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
    • 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
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Epidemiology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及医疗设施技术领域，且公开了一种遗传代谢病的入院病史辅助采集系统，包括系统基本构架，系统基本构架包括客户端和服务端，系统基于医院内电脑网络运行，以C/S架构布置于医院内部网络。该遗传代谢病的入院病史辅助采集系统，通过临床治疗、科研、管理需求，将遗传代谢病在入院阶段涉及到的所需信息进行规范化整理，同时通过NLP的技术自动化提取。(1)真正的从质量上进行内容把关，减少该病种后续的医疗失误，提高病历数据的质量；(2)标准的表单对低年资医生具有指导意义、教学意义；(3)传统情况，由于数据在记录时的缺失和不规范，导致后续科研人员回顾性研究时需重新收集数据，故此方法减少了医生重复的工作量，节省医生的时间。

Description

一种遗传代谢病的入院病史辅助采集系统
技术领域
本发明涉及医疗设施技术领域，具体为一种遗传代谢病的入院病史辅助采集系统。
背景技术
遗传代谢病也称先天性代谢异常，是基因突变导致维持机体正常代谢所必需的某些酶、受体或载体缺乏或蛋白质异常发生的疾病，导致出现相应的病理改变和临床表现。严重的遗传性代谢病对健康损害很大，重者可致残致死。患病的新生儿在出生后不久即因各种遗传代谢性异常而发病，产生各种症状。医疗工作中，在接诊新生儿的早期，完整采集包括症状和体征等病史数据在诊疗过程中显得尤为重要。
一个独立的遗传代谢病患者在就诊中，医生在患者入院阶段会记载大量医疗数据，包括患者临床表现、患者母亲孕产期情况、体格检查的发现、检查检验的结果等，用来辅助后续的诊断和治疗等。传统的记载入院数据方式是基于医生直接在空白表单或低结构化的电子病历系统记录患者的数据，这种方法，由于输入的自由度较高，且不同医生的资质不同，经常会遗漏非常重要的患者信息或者描述不准确，从而导致信息的缺失、信息的错误，进一步可能导致后续治疗时的失误、以及回顾性科学研究时可用样本信息的缺失。现在应用中，传统的系统实现方式，均是在医疗病历的形式上进行质控，包括完整性、时限性、合规性，暂无系统针对特定病种进行内容质控。建立对遗传代谢病这一复杂病种的病史采集中内容的处理系统，对实现基于病历内容的质控、提升医疗数据质量具有重要意义。
发明内容
本发明提供了一种遗传代谢病的入院病史辅助采集系统，主要针对遗传代谢病进行病历内容的处理，针对此采集系统，本发明提供如下技术方案：一种遗传代谢病的入院病史辅助采集系统，包括系统基本构架，系统基本构架包括客户端和服务端，系统基于医院内电脑网络运行，以C/S架构布置于医院内部网络，并与医院内电子病历系统集成，应用服务器和数据库位于医院内网，院内电脑终端通过访问集成自电子病历系统的应用弹窗开展工作，病历数据将会经由系统客户端弹窗发送到应用服务器，调用NLP算法进行结构化文本提取；
客户端包括采集客户端，采集客户端与医院电子病历系统的客户端模块，安装在医生用户的PC机上；当医生保存电子病历时，电子病历系统将入院病史数据发送给采集客户端，将数据发送给服务端处理成标准化结果，并且在医生电脑弹出弹窗，以表单形式显示提取结果；
所述服务端包括采集助手API(Application Programming Interface)、变量解析服务和NLP(Natural Language Processing)引擎，所述采集助手API是采集助手服务端应用接口，接收采集客户端发送来的文本数据，并且将文本数据发送给变量解析服务获得结构化后的变量值，再将结果梳理成表单格式返回给客户端；同时，该模块会将传来的文本数据进行统计，统计医生经常遗漏的信息变量；所述变量解析服务将非结构化文本解析成结构化标准变量集的服务，在解析过程中，会调用NLP引擎进行基于文本语义的变量提取；所述NLP引擎整合了机器学习自然语言处理算法的规则引擎；
一种遗传代谢病的入院病史数据结构化流程，包括以下步骤：
当医生在电子病历系统保存入院病史时，采集客户端会根据患者诊断列表判断该入院病史的诊断是否符合遗传代谢病种，如果不符合则不进行后续操作，如果符合，则将入院病史数据发送给采集助手API，开始遗传代谢入院病史数据结构化流程；
发送给采集助手API的入院病史数据基本上为文本数据，格式上会基于病历书写内容类别进行分类(现病史、既往史、出生史等)，采集助手API获取到这些数据后，将调用变量解析服务进行结构化处理；
变量解析服务接收到入院病史数据之后，将根据收到的入院病史内容类别关联到相关的变量，并根据变量分为简单变量和复杂变量并的类别采用不同的解析规则：
在所有可提取的变量解析完毕后，变量解析服务将简单变量和复杂变量这两类变量结果整合，返回给采集助手API，采集助手API将对于本次结构化变量的结果进行统计，并写入到数据库，然后将变量结果梳理成表单格式，返回给采集客户端，采集客户端收到表单结果后，弹出窗口将结果展示给医生用户。
优选的，如果变量为可以直接提取的简单变量，其提取规则可以用正则表达式直接表达，那么将直接通过正则进行提取，提高整体结构化的处理性能。
优选的，如果变量的提取规则是无法用正则表达式等静态规则直接表达的复杂变量，那么将入院病史文本内容发送给NLP引擎，基于自然语言处理的语义规则来提取。
优选的，制定遗传代谢病入院病史应采集内容包括：患儿基本信息说明、出生史、产房复苏情况、生后呼吸情况和治疗情况、患儿自出生的症状描述、母孕期间的情况、入院前辅助检查情况、入院前用药情况、患儿筛查情况、喂养史、转运情况、家族史和体格检查结果。
优选的，在系统接受到电子病历系统的入院病史数据后，会将非结构化的内容进行NLP结构化处理，首先系统会将文本进行分词，并为所有的词标注词性，对于遗传代谢病这一病种，系统会对该病种下的每个特征变量事先预置复数个规则，系统将基于规则分析词与词的关联，构建语义分析树，最终提取出结构化的特征变量，并将结果返回到客户端弹窗上。
优选的，数据格式进行了标准化定义，根据变量特征进行分类设置；分为数值型变量为具体数值，如年龄、体重、身高等；布尔型变量以是/否、或有/无表示，如吸氧、是否产房复苏等；枚举型变量则根据变量特征枚举变量所有可能取值，展示为对预设值的多选，如早产原因，枚举为胎膜早破、宫内感染、胎儿窘迫等。
优选的，系统在医生打开某患者的入院病史时，通过检索当前患者电子病历系统中入院诊断列表，对诊断符合遗传代谢病种(包括遗传代谢病、新生儿血糖异常、肾上腺功能异常、糖尿病、甲状腺功能减退症、有机酸血症、先天性肾上腺皮质增生及肾上腺功能减退等疾病)的患者进行自动入组，入组即显示遗传代谢病的表单。
优选的，系统以弹窗的形式嵌入在电子病历系统中，当医生结束书写电子病历的时候，点击保存按钮则触发本系统，以弹窗的样式弹出提供浏览；医生可在界面上下滚动查看已经提取到的信息，同时提供医生在页面上直接修改、添加的功能，当必填项未被全部填写时，也提供必填项校验提醒功能。
优选的，系统根据NLP技术，将医生在入院病史中写的非结构化文本，转换成结构化文本并提取、归一成为标准化结果。
本发明具备以下有益效果：
该遗传代谢病的入院病史辅助采集系统，通过临床治疗、科研、管理需求，将遗传代谢病在入院阶段涉及到的所需信息进行规范化整理，同时通过NLP的技术自动化提取；
(1)真正的从质量上进行内容把关，减少该病种后续的医疗失误，提高病历数据的质量；
(2)标准的表单对低年资医生具有指导意义、教学意义；
(3)传统情况，由于数据在记录时的缺失，导致后续科研人员需要数据时需重新收集数据，故此方法减少了医生重复的工作量，节省医生的时间。
附图说明
图1为本发明系统架构图；
图2为本发明新生儿遗传代谢病入院病史辅助采集流程图。
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做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。
请参阅图1-2，一种遗传代谢病的入院病史辅助采集系统，包括系统基本构架，系统基本构架包括客户端和服务端，系统基于医院内电脑网络运行，以C/S架构布置于医院内部网络，并与医院内电子病历系统集成，应用服务器和数据库位于医院内网，院内电脑终端通过访问集成自电子病历系统的应用弹窗开展工作，病历数据将会经由系统客户端弹窗发送到应用服务器，调用NLP算法进行结构化文本提取；
客户端包括采集客户端，采集客户端与医院电子病历系统的客户端模块，安装在医生用户的PC机上；当医生保存电子病历时，电子病历系统将入院病史数据发送给采集客户端，将数据发送给服务端处理成标准化结果，并且在医生电脑弹出弹窗，以表单形式显示提取结果；
服务端包括采集助手API、变量解析服务和NLP引擎，采集助手API是采集助手服务端应用接口，接收采集客户端发送来的文本数据，并且将文本数据发送给变量解析服务获得结构化后的变量值，再将结果梳理成表单格式返回给客户端；同时，该模块会将传来的文本数据进行统计，统计医生经常遗漏的信息变量；变量解析服务将非结构化文本解析成结构化标准变量集的服务，在解析过程中，会调用NLP引擎进行基于文本语义的变量提取；NLP引擎整合了机器学习自然语言处理算法的规则引擎；
一种遗传代谢病的入院病史数据结构化流程，包括以下步骤：
当医生在电子病历系统保存入院病史时，采集客户端会根据患者初步诊断判断该入院病史所描述的诊断是否符合遗传代谢病种，如果不符合则不进行后续操作，如果符合，则将入院病史数据发送给采集助手API，开始遗传代谢入院病史数据结构化流程；
发送给采集助手API的入院病史数据基本上为文本数据，格式上会基于病历书写内容类别进行分类(现病史、既往史、出生史等)，采集助手API获取到这些数据后，将调用变量解析服务进行结构化处理；
变量解析服务接收到入院病史数据之后，将根据收到的入院病史内容类别关联到相关的变量，并根据变量的类别采用不同的解析规则：
(1)如果变量为可以直接提取的简单变量，其提取规则可以用正则表达式直接表达，那么将直接通过正则进行提取，提高整体结构化的处理性能。
(2)如果变量的提取规则是无法用正则表达式等静态规则直接表达的复杂变量，那么将入院病史文本内容发送给NLP引擎，基于自然语言处理的语义规则来提取。
在所有可提取的变量解析完毕后，变量解析服务将两类变量结果整合，返回给采集助手API，采集助手API将对于本次结构化变量的结果进行统计，并写入到数据库，然后将变量结果梳理成表单格式，返回给采集客户端，采集客户端收到表单结果后，弹出窗口将结果展示给医生用户。
制定遗传代谢病入院病史应采集内容包括：患儿基本信息、出生史、产房复苏情况、生后呼吸情况和治疗情况、患儿自出生的症状描述、母孕期间的情况、入院前辅助检查情况、入院前用药情况、患儿筛查情况、喂养史、转运情况、家族史和体格检查结果；
在系统接受到电子病历系统的入院病史数据后，会将非结构化的内容进行NLP结构化处理，首先系统会将文本进行分词，并为所有的词标注词性，对于遗传代谢病这一病种，系统会对该病种下的每个特征变量事先预置复数个规则，系统将基于规则分析词与词的关联，构建语义分析树，最终提取出结构化的特征变量，并将结果返回到客户端弹窗上；
数据格式进行了标准化定义，根据变量特征进行分类设置；分为数值型变量为具体数值，如年龄、体重、身高等；布尔型变量以是/否、或有/无表示，如吸氧、是否产房复苏等；枚举型变量则根据变量特征枚举变量所有可能取值，展示为对预设值的多选，如早产原因，枚举为胎膜早破、宫内感染、胎儿窘迫等；
系统在医生保存某患者的入院病史时，通过检索当前患者电子病历系统中入院诊断列表，对诊断符合遗传代谢病种(包括遗传代谢病、新生儿血糖异常、肾上腺功能异常、糖尿病、甲状腺功能减退症、有机酸血症、先天性肾上腺皮质增生及肾上腺功能减退等疾病)的患者进行自动入组，入组即显示遗传代谢病的表单。
系统以弹窗的形式嵌入在电子病历系统中，当医生结束书写电子病历的时候，点击保存按钮则触发本系统，以弹窗的样式弹出提供浏览；医生可在界面上下滚动查看已经提取到的信息，同时提供医生在页面上直接修改、添加的功能，当必填项未被全部填写时，也提供必填项校验提醒功能。
系统根据NLP技术，将医生在入院病史中写的非结构化文本，转换成结构化文本并提取、归一成为标准化结果。
工作原理，采集系统客户端调取某个病人的病历，将遗漏的，或不规范的写法，变成规范的写法，如果客户端设置了一些必填项后，有遗漏的地方会显示出来，(例如：病人的年龄、体重，选好后，调用患者病历eCRF表单弹框时发现没有，就要补填上去)；又如，eCRF中医生填写患者的信息时，如之前看病的医院是记载为市某医院，那该系统在调用医生的客户端生成的最后的表单上会标准化为，某某市第某人民医院(改成标准的医院名称，这些主要的医院名称都是服务器端之前就录进去的)，医生客户端调取的患者资料最终会产生一个规范的表单(患者的信息)。
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。
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 (9)

1.一种遗传代谢病的入院病史辅助采集系统，包括系统基本构架，其特征在于：系统基本构架包括客户端和服务端，系统基于医院内电脑网络运行，以C/S架构布置于医院内部网络，并与医院内电子病历系统集成，应用服务器和数据库位于医院内网，院内电脑终端通过访问集成自电子病历系统的应用弹窗开展工作，病历数据将会经由系统客户端发送到应用服务器，调用NLP算法进行结构化文本提取；
客户端包括采集客户端，采集客户端与医院电子病历系统的客户端模块，安装在医生用户的PC机上；当医生保存电子病历时，电子病历系统将入院病史数据发送给采集客户端，将数据发送给服务端处理成标准化结果，并且在医生电脑弹出弹窗，以表单形式显示提取结果；
所述服务端包括采集助手API、变量解析服务和NLP引擎，所述采集助手API是采集助手服务端应用接口，接收采集客户端发送来的文本数据，并且将文本数据发送给变量解析服务获得结构化后的变量值，再将结果梳理成表单格式返回给客户端；同时，该模块会将传来的文本数据进行统计，统计医生经常遗漏的信息变量；所述变量解析服务将非结构化文本解析成结构化标准变量集的服务，在解析过程中，会调用NLP引擎进行基于文本语义的变量提取；所述NLP引擎整合了机器学习自然语言处理算法的规则引擎；
一种遗传代谢病的入院病史数据结构化流程，包括以下步骤：
当医生在电子病历系统保存入院病史时，采集客户端会根据患者诊断列表判断该入院病史的诊断是否符合遗传代谢病种，如果不符合则不进行后续操作，如果符合，则将入院病史数据发送给采集助手API，开始遗传代谢入院病史数据结构化流程；
发送给采集助手API的入院病史数据基本上为文本数据，格式上会基于病历书写内容类别进行分类(现病史、既往史、出生史等)，采集助手API获取到这些数据后，将调用变量解析服务进行结构化处理；
变量解析服务接收到入院病史数据之后，将根据收到的入院病史内容类别关联到相关的变量，并根据变量的类别分为简单变量和复杂变量并采用不同的解析规则：
在所有可提取的变量解析完毕后，变量解析服务将简单变量和复杂变量这两类变量结果整合，返回给采集助手API，采集助手API将对于本次结构化变量的结果进行统计，并写入到数据库，然后将变量结果梳理成表单格式，返回给采集客户端，采集客户端收到表单结果后，弹出窗口将结果展示给医生用户。
2.根据权利要求1所述的一种遗传代谢病的入院病史辅助采集系统，其特征在于：如果变量为可以直接提取的简单变量，其提取规则可以用正则表达式直接表达，那么将直接通过正则进行提取，提高整体结构化的处理性能。
3.根据权利要求1所述的一种遗传代谢病的入院病史辅助采集系统，其特征在于：如果变量的提取规则是无法用正则表达式等静态规则直接表达的复杂变量，那么将入院病史文本内容发送给NLP引擎，基于自然语言处理的语义规则来提取。
4.根据权利要求1所述的一种遗传代谢病的入院病史辅助采集系统，其特征在于：制定遗传代谢病入院病史应采集内容包括：患儿基本信息说明、出生史、产房复苏情况、生后呼吸情况和治疗情况、患儿自出生的症状描述、母孕期间的情况、入院前辅助检查情况、入院前用药情况、患儿筛查情况、喂养史、转运情况、家族史和体格检查结果。
5.根据权利要求1所述的一种遗传代谢病的入院病史辅助采集系统，其特征在于：在系统接受到电子病历系统的入院病史数据后，会将非结构化的内容进行NLP结构化处理，首先系统会将文本进行分词，并为所有的词标注词性，对于遗传代谢病这一病种，系统会对该病种下的每个特征变量事先预置复数个规则，系统将基于规则分析词与词的关联，构建语义分析树，最终提取出结构化的特征变量，并将结果返回到客户端弹窗上。
6.根据权利要求1所述的一种遗传代谢病的入院病史辅助采集系统，其特征在于：数据格式进行了标准化定义，根据变量特征进行分类设置；分为数值型变量为具体数值，如年龄、体重、身高等；布尔型变量以是/否、或有/无表示，如吸氧、是否产房复苏等；枚举型变量则根据变量特征枚举变量所有可能取值，展示为对预设值的多选，如早产原因，枚举为胎膜早破、宫内感染、胎儿窘迫等。
7.根据权利要求1所述的一种遗传代谢病的入院病史辅助采集系统，其特征在于：系统在医生打开某患者的入院病史时，通过检索当前患者电子病历系统中入院诊断列表，对诊断符合遗传代谢病种(包括遗传代谢病、新生儿血糖异常、肾上腺功能异常、糖尿病、甲状腺功能减退症、有机酸血症、先天性肾上腺皮质增生及肾上腺功能减退等疾病)的患者进行自动入组，入组即显示遗传代谢病的表单。
8.根据权利要求1所述的一种遗传代谢病的入院病史辅助采集系统，其特征在于：系统以弹窗的形式嵌入在电子病历系统中，当医生结束书写电子病历的时候，点击保存按钮则触发本系统，以弹窗的样式弹出提供浏览；医生可在界面上下滚动查看已经提取到的信息，同时提供医生在页面上直接修改、添加的功能，当必填项未被全部填写时，也提供必填项校验提醒功能。
9.根据权利要求1所述的一种遗传代谢病的入院病史辅助采集系统，其特征在于：系统根据NLP技术，将医生在入院病史中写的非结构化文本，转换成结构化文本并提取、归一成为标准化结果。
CN202011166873.1A 2020-10-27 2020-10-27 一种遗传代谢病的入院病史辅助采集系统 Pending CN112331284A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011166873.1A CN112331284A (zh) 2020-10-27 2020-10-27 一种遗传代谢病的入院病史辅助采集系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011166873.1A CN112331284A (zh) 2020-10-27 2020-10-27 一种遗传代谢病的入院病史辅助采集系统

Publications (1)

Publication Number Publication Date
CN112331284A true CN112331284A (zh) 2021-02-05

Family

ID=74296858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011166873.1A Pending CN112331284A (zh) 2020-10-27 2020-10-27 一种遗传代谢病的入院病史辅助采集系统

Country Status (1)

Country Link
CN (1) CN112331284A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116312958A (zh) * 2023-05-24 2023-06-23 成都市龙泉驿区中医医院 一种麻醉风险预警系统、应急管理系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000007131A1 (en) * 1998-07-30 2000-02-10 Arcturus Engineering, Inc. Medical diagnostic and treatment information system and method
CN103559674A (zh) * 2013-11-25 2014-02-05 方正国际软件有限公司 病历文书的结构化录入装置和结构化录入方法
CN108447534A (zh) * 2018-05-18 2018-08-24 灵玖中科软件（北京）有限公司 一种基于nlp的电子病历数据质量管理方法
JP2019133540A (ja) * 2018-02-02 2019-08-08 公益財団法人がん研究会 構造化診療データ統合管理データベースを用いた匿名化医療情報検索支援システム
CN110322963A (zh) * 2019-07-04 2019-10-11 成都新基因格生物科技有限公司 一种新生儿遗传代谢病检测分析方法、装置及系统
CN110827941A (zh) * 2019-11-06 2020-02-21 山东众阳健康科技集团有限公司 电子病历信息校正方法及系统
CN111489800A (zh) * 2020-04-10 2020-08-04 武汉万屏电子科技有限公司 一种病历和报告单图像识别与存储的分析方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000007131A1 (en) * 1998-07-30 2000-02-10 Arcturus Engineering, Inc. Medical diagnostic and treatment information system and method
CN103559674A (zh) * 2013-11-25 2014-02-05 方正国际软件有限公司 病历文书的结构化录入装置和结构化录入方法
JP2019133540A (ja) * 2018-02-02 2019-08-08 公益財団法人がん研究会 構造化診療データ統合管理データベースを用いた匿名化医療情報検索支援システム
CN108447534A (zh) * 2018-05-18 2018-08-24 灵玖中科软件（北京）有限公司 一种基于nlp的电子病历数据质量管理方法
CN110322963A (zh) * 2019-07-04 2019-10-11 成都新基因格生物科技有限公司 一种新生儿遗传代谢病检测分析方法、装置及系统
CN110827941A (zh) * 2019-11-06 2020-02-21 山东众阳健康科技集团有限公司 电子病历信息校正方法及系统
CN111489800A (zh) * 2020-04-10 2020-08-04 武汉万屏电子科技有限公司 一种病历和报告单图像识别与存储的分析方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116312958A (zh) * 2023-05-24 2023-06-23 成都市龙泉驿区中医医院 一种麻醉风险预警系统、应急管理系统及方法
CN116312958B (zh) * 2023-05-24 2023-09-15 成都市龙泉驿区中医医院 一种麻醉风险预警系统、应急管理系统及方法

Similar Documents

Publication Publication Date Title
CN111292821B (zh) 一种医学诊疗系统
RU2686627C1 (ru) Автоматическое создание ориентированной на показатели продольной области для просмотра показателей пациента
KR20070120152A (ko) 의료 데이터 분석 시스템 및 방법
CN111180026A (zh) 专科诊疗视图系统及方法
TWI751683B (zh) 高齡流感病情預測系統、程式產品及其建立與使用方法
CN114048343A (zh) 一种涵盖患者全病程医学影像信息的分类平台
CN113539414A (zh) 一种抗生素用药合理性预测方法及系统
CN112802606A (zh) 数据筛选模型建立及数据筛选方法、装置、设备和介质
CN114023423A (zh) 一种智能交班方法、装置以及设备
Chandra et al. Natural language Processing and Ontology based Decision Support System for Diabetic Patients
CN112331284A (zh) 一种遗传代谢病的入院病史辅助采集系统
TWI807223B (zh) 手術麻醉風險評估輔助系統、程式產品及其建立與使用方法
US20040073463A1 (en) Apparatus, methods and computer software products for clinical study analysis and presentation
JP7315165B2 (ja) 診断支援システム
CN111986754A (zh) 一种基于糖尿病的电子病历管理模型构建方法
JP5602177B2 (ja) 医療支援システム、及び医療支援プログラム
JPH10177605A (ja) 電子カルテシステム
Goretsky et al. Data preparation of the nuMoM2b dataset
JP2001312558A (ja) 電子カルテシステム及び電子カルテの作成方法
Kearney et al. Construction of a comprehensive fetal monitoring database for the study of perinatal hypoxic ischemic encephalopathy
JP4298255B2 (ja) シート・タイプの検査結果表示方法および装置
US20240156415A1 (en) Diagnosis support system and diagnosis support apparatus
US20230317291A1 (en) Clinical Contextual Insight and Decision Support Visualization Tool
EP4270402A1 (en) Genogram creation and diagnosis
CN115579147B (zh) 一种脓毒症识别模型训练方法、脓毒症预警方法及装置

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