CN112397173A - 一种面向多病种的慢病协同管理系统 - Google Patents
一种面向多病种的慢病协同管理系统 Download PDFInfo
- Publication number
- CN112397173A CN112397173A CN202011329456.4A CN202011329456A CN112397173A CN 112397173 A CN112397173 A CN 112397173A CN 202011329456 A CN202011329456 A CN 202011329456A CN 112397173 A CN112397173 A CN 112397173A
- Authority
- CN
- China
- Prior art keywords
- management
- chronic disease
- cooperative
- path
- disease
- 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.)
- Granted
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- 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
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种面向多病种的慢病协同管理系统,系统的核心是一个面向多种慢性疾病,能够协同管理任务与管理角色的远程服务引擎,该引擎能够与各类客户终端建立远程连接,进行数据传递,提供面向各类慢病管理场景的决策支持服务。远程服务引擎以路径驱动的慢病协同管理模型本体为核心,通过语义规则执行推理,返回针对特定疾病与特定任务的决策支持信息。本发明能够有效地建立适用于我国管理模式的标准化、可执行化的管理流程,明确管理过程中各角色的职责,并能基于计算机实现一个便于拓展与维护的慢病管理系统,为多种慢性疾病提供不同场景下的智能决策支持。
Description
技术领域
本发明涉及慢性疾病管理领域,具体涉及一种面向多病种的慢病协同管理系统。
背景技术
慢性疾病(简称慢病),是对一类起病隐匿、病程长且病情迁延不愈,缺乏确切传染性,病因复杂的疾病的概括性总称。我国慢病患者基数大、增长速度快,死亡率高,造成了沉重的医疗和经济负担。如何开展科学有效的慢病管理成为医疗健康领域关注的焦点。
常见的慢性疾病包括心脑血管病、糖尿病、癌症、慢性呼吸系统疾病等,不同的慢性疾病之间具有一定的共通性,导致多病共存的现象十分普遍。然而,现有的慢病管理指南往往只专注于单类疾病的管理,并未对不同疾病的管理治疗方案中的共通性与特异性进行提炼,导致对于同时患有多种慢病的患者,存在管理效果不理想或是治疗方案冲突的现象。
另一方面,现阶段我国的慢病管理正逐步从以全科医师为主导的社区管理转变为由专科医师、全科医师和健康管理师共同协作的“三师共管”模式。然而,当前的管理指南并未针对上述三种角色在管理过程中的具体职责给出明确定义,且专科医师、全科医师和健康管理师之间存在着专业知识与实践经验等方面的差异。上述问题可能会导致医务人员在实际执行管理任务时出现偏差,使得在不同的医疗机构中慢病管理的执行与推广效果参差不齐,管理效能普遍低下。慢病管理亟需一种明确可执行的、具有准确时间要求的程序化、标准化的管理路径进行指导。
申请公布号为CN109935319A公开了一种慢性病一体化管理平台,包括医联体管理诊疗系统、个体健康管理系统、后台服务系统,医联体管理诊疗系统对各级机构进行分级管理,将慢性病按病种进行分类管理,并对医生权限进行分层管理;个体健康管理系统则为患者建立个人档案,并通过健康数据的采集、存储、分析,实现慢病的预防与筛查;后台服务系统则用于支撑整个平台的运行管理。上述系统虽然旨在构建慢病一体化综合管理平台,但并未对多种慢性疾病的通用管理方案进行提炼与计算机化实现,且对于不同的医务人员仅进行了权限控制,并不存在分工合作关系,无法从真正意义上实现面向多种慢病的协同管理。
发明内容
鉴于上述,本发明提供了一种面向多病种的慢病协同管理系统,以辅助医疗人员为慢病患者开展科学有效的慢病管理。
本发明提供的技术方案为:
一种面向多病种的慢病协同管理系统,包括客户终端和服务引擎,客户终端包括医生工作平台和患者终端;
所述患者终端为不同的患者提供自我管理支持,收集患者的自我监测数据并传输至服务引擎;
所述服务引擎以路径驱动的慢病协同管理模型本体为核心,通过慢病协同管理模型本体中的语义规则对患者终端传送的监测数据进行推理,得到面向多种慢性疾病的全场景决策支持信息并发送给医生工作平台;
所述医生工作平台展示患者相关管理信息,接收来自于服务引擎的全场景决策支持信息,基于决策支持信息为不同角色的医务人员提供管理支持,辅助医生管理患者。
优选地,所述以路径驱动的慢病协同管理模型本体的构建步骤:
步骤1,基于各类慢病管理指南和医学文献,提取适用于多种慢性疾病疾的通用管理任务集,构建面向院外长期管理的慢病管理通用路径模型;
步骤2,基于慢病管理通用路径模型,结合当前基层社区的慢病管理模式与国际通用的协同管理模型,构建面向慢病管理场景的路径驱动的慢病协同管理模型,实现通用管理任务与管理角色的协同管理;
步骤3,基于慢病协同管理模型,通过OWL语言对慢病协同管理模型中的知识进行表达,构建慢病协同管理模型基础本体;
步骤4,基于慢病协同管理模型基础本体,创建面向慢病管理路径的实例,通过SWRL规则表达特定慢病管理路径中所涉及的决策支持知识和多病种合并下的特定知识,形成包含可执行路径实例的慢病协同管理模型完整本体。
优选地,步骤1的具体过程为:
a.明确目标管理的慢性疾病类型并确定建模范围;
b.收集各类慢性疾病管理指南与医学文献;
c.通过定性分析提取不同慢病管理过程中具有高度相似性的通用管理任务集合,其中通用管理任务包括但不限于包括:诊断检出、危险评估、分级管理、常规随访、异常报警、依从度管理、生活干预、用药指导以及健康教育;
d.定义通用管理任务执行时序流,依据该通用管理任务执行时序流来构建慢病管理通用路径模型。
优选地,步骤2的具体过程为:
a.基于当前基层社区的慢病管理模式,总结慢病管理过程中包含的角色及其职责;
b.分析国际通用的协同管理模型,并结合慢病管理过程中包含的角色及其职责,构建面向慢病管理场景的协同管理模型,该协同管理模型用于定义慢病管理角色和职责;
本发明中的协同管理模型为个体层面的模型,当然协同管理模型可以分为群体模型与个体模型两种,协同管理模型以管理计划为核心包括患者自我管理计划与医生干预计划,目标是为患者提供长期的高质量健康服务。
c.将慢病管理通用路径与协同管理模型融合,形成路径驱动的协同管理模型。
优选地,所述角色及其职责包括但不限于:专科医师、全科医师、健康管理师以及患者;专科医师负责对患者进行诊断检出并制定全面的管理计划,并为全科医师和健康管理师提供专业指导;全科医师负责进行定期的常规随访及处理管理过程中的异常情况;健康管理师负责配监测患者的自我管理情况,进行健康教育,对依从度不佳的患者进行干预。
优选地,步骤3的具体过程为:
a.基于路径驱动的慢病协同管理模型,列出本体中需要包含的术语;
b.调研相关的现有本体并筛选重用的本体术语,该本体术语与步骤a列出的术语组成术语集;
c.基于术语集定义本体中的概念以及概念之间的层次结构,同时定义概念的属性,并通过属性对概念进行描述;
d.基于OWL语言对本体进行描述;
f.验证本体的合法性与完备性,迭代步骤a~步骤f,来实现对慢病协同管理模型基础本体的构建。
优选地,慢病协同管理模型基础本体抽象成三层表示,顶层包括通用领域本体;中层包括慢病协同管理模型的核心概念,该核心概念包括管理任务、管理计划、管理角色、患者档案以及通用信息;底层包括对每个核心概念的具体描述。
优选地,步骤4的具体过程为:
a.基于慢病协同管理模型基础本体创建面向慢病管理路径的实例;
b.明确慢病管理路径中各管路任务的触发参数类型和内容;
c.基于SWRL语言对每个管路任务进行描述形成规则,组成规则集合;
d.将规则映射至对应的慢病管理路径实例中;
e.对于多病合并管理,定义冗余处理规则及特殊规则;
冗余处理规则指在多病合并管理场景下,系统首先会执行每一种单病对应的管理路径,生成对应的任务实例,然后基于冗余处理规则对不同单病的相同任务可能存在的重复(冗余)属性进行合并,之后基于特殊规则对多病合并时可能存在的特殊情况(如用药禁忌)进行处理,特殊规则是基于多病合并处理时存在的特征情况的处理规则。
f.结合本体验证规则的合法性与完备性,迭代步骤a~步骤f,形成包含可执行路径实例的慢病协同管理模型完整本体。
本发明提供的面向多病种的慢病协同管理系统是一种基于路径驱动的慢性疾病协同管理方案,并基于计算机实现且便于拓展与维护。具体来说,针对多病共存的问题,该慢病协同管理系统通过路径的概念将慢病管理过程抽象为多个具有通用性的任务集,并基于时序关系将通用任务串联起来,形成适用于多种慢性疾病的闭环管理路径;针对协同管理的问题,该慢病协同管理系统面向我国的管理模式,为路径中的各项任务分配角色,并基于计算机对路径进行建模表达,实现了多种慢病管理的标准化与可执行化。
与现有技术相比,本发明具有的有益效果至少包括:
本发明提供的面向多病种的慢病协同管理系统将文档类型的指南与文献中所包含的慢病管理知识进行提取与计算机化表达,支持不同的单病种管理及多病种合并管理,并且能够协同管理过程中的不同管理角色,为不同的慢病提供统一的框架与明确可执行、具有准确时间要求的管理路径指导,进而减少慢病管理过程中的决策失误,提高慢病管理的质量与效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动前提下,还可以根据这些附图获得其他附图。
图1为本发明提供的面向多病种的慢病协同管理系统的总体架构图;
图2为本发明提供的面向我国慢病管理场景的慢病协同管理模型的示意图;
图3为本发明提供的以高血压管理为例进行路径表达的示意图;
图4为本发明提供的慢病管理领域本体构建的流程图;
图5为本发明提供的领域本体构建结果的可视化描述示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
本实施例以高血压和糖尿病为例,详细说明了本发明中路径驱动的慢病协同管理模型的构建、可执行化表达以及系统实现。高血压是一种以动脉血压持续偏高为特征的慢性疾病,长期的高血压是冠状动脉疾病、中风、慢性肾脏病等病症的主要危险因素。研究表明,通过合理、有效的药物治疗与生活方式干预,结合长期的自我监测与管理,可以有效提高血压达标率,减少或延缓并发症的发生。糖尿病是一种以血糖浓度长期高于标准值为特征的代谢性疾病,与高血压关系密切,常常合并发生。对于糖尿病患者来说,应坚持长期的自我监测与管理,并根据其分型的不同选择不同的治疗方案,包括生活方式干预、口服降糖药与外源胰岛素注射。此外,对于高血压和糖尿病合并患者来说,其在用药选择与生活方式干预等方面需要综合考虑两种疾病来进行决策。
为了能够满足慢病患者的长期管理需求,实施例提供面向多病种的慢病协同管理系统的总体架构图参见图1。该系统由客户终端和服务引擎两部分组成,客户终端和服务引擎通过网络服务接口进行通信。
在本实施例中,客户终端包括医生工作平台和患者终端,指具备网络连接功能、并且运行包含人机交互单元、数据处理单元和端间通讯单元的智能手机或电脑。其中,人机交互单元用于记录医生与患者的管理相关信息,利用数据处理单元对取得的数据进行处理后,通过端间通讯单元传输数据至服务引擎。端间通讯单元也具备接收引擎返回的相关决策信息的能力。
在本实施例中,服务引擎作为数据接收站和处理中心,包括数据处理单元、端间通讯单元和数据存储设备。其中,数据处理单元以路径驱动的协同管理模型本体为核心,通过SWRL规则对客户终端传送的监测数据进行推理,返回面向各类慢病管理场景的决策支持信息。端间通讯单元能够接收来自客户终端的监测数据,经过数据处理单元分析后存储至数据存储设备,同时还能够基于数据处理单元的分析结果通过接口向客户终端传递相关决策信息。
根据本发明中的步骤,服务引擎的实现过程如下:
1.参考各类慢病指南(不限于高血压与糖尿病)和医学文献,结合专家意见,提取具有通用性的慢病管理任务集,包括诊断检出、危险评估、分级管理、用药指导、生活方式干预、常规随访、异常报警、依从度干预和健康教育九类任务。其中诊断检出用于确定患者是否患有目标疾病;危险评估和分级管理用于评估患者的疾病风险等级,针对不同等级的患者提供不同的管理计划与干预频率,这两项任务需要定期执行以更新患者状态;用药指导和生活方式干预是患者管理计划的核心内容,对应药物治疗与非药物治疗两类治疗方案,其中生活方式干预主要包括饮食、运动、吸烟饮酒以及心理健康等干预重点。常规随访、异常报警、依从度干预和健康教育则为医生的主要干预方式。
2.结合当前基层社区的“三师共管”管理模式与国际通用的协同管理模型,以九大任务为基础,构建面向我国管理模式的慢病协同管理模型,模型示意图参见图2。该慢病协同管理模型以个人层面的管理计划为核心,共包含四种角色:专科医师、全科医师、健康管理师以及患者。
专科医师主要来自二级或三级医院,负责对患者进行诊断检出,并依据危险评估结果为患者制定全面的个人管理计划,包括自我监测、用药、饮食和运动等计划,该计划会被拆分为每日任务提供给患者;全科医师和健康管理师主要来自基层医院,负责对患者进行长期的监督与干预,具体来说,全科医师负责进行定期的常规随访,及时了解患者近期情况,随访频率需根据患者管理等级进行动态调整;此外,全科医师还负责处理患者所发生的异常情况,包括但不限于自我监测数据异常、主动报告不适等。对于难以处理的异常,需要上报上级医院,执行转诊。健康管理师负责配合全科医师的工作,为患者建立档案,并监测患者的自我管理情况,对于依从度不佳的患者,需及时进行干预以提升其依从性;此外,健康管理师还负责为患者提供健康教育服务,提高患者对疾病的认知。专科医师需要定期与全科医师及健康管理师进行沟通,及时了解整体的管理情况,并给予适当的专业指导。
对于纳入管理的患者,模型要求首先依据危险评估等信息进行分级,按照等级的不同给予不同的管理计划,并定期对患者状态进行重新评估,动态地更新患者管理等级,当患者出现难以控制的紧急情况时,需要退出当前管理路径,转入上级医院进行就诊,待病情稳定后方可重新进入本模型定义的长期管理流程。
3.基于上述慢病协同管理模型,参考《国家基层高血压防治管理指南》与《国家基层糖尿病防治管理指南》,结合专家意见,对不同慢性疾病的各项任务的具体内容和执行流程进行明确定义,建立面向高血压与糖尿病的闭环管理路径。下面以高血压为例分别对闭环管理路径中各任务路径对应的详细内容进行简要说明,路径示意图参见图3。
在高血压闭环管理路径中,诊断检出路径基于患者的诊室血压测量结果进行判断,由专科医师执行;危险评估路径基于患者是否具有临床疾患、是否具有靶器官损害,高血压等级及危险因素数量将患者分为低危、中危与高危三个危险等级;分级管理路径基于患者危险评估结果以及血压是否达标将其分为一、二级管理,评估周期一般为一周,一级与二级管理之间可以相互转化,连续四周处于二级管理的患者需要安排转诊;常规随访路径针对一级患者三个月进行一次随访,针对二级患者则2-4周进行一次随访,并根据患者的健康体征变化(当前管理等级)动态调整随访周期;异常报警路径包括血压异常、心率异常以及发生不适三类预警,数据异常的阈值依据指南和专家意见设置;依从度管理路径主要依据患者管理计划中血压的自我监测情况判断依从度状态;用药指导路径遵循指南,根据患者的血压水平给出用药建议,从小剂量开始,优先使用长效药,分级分阶段开展降压药物治疗,过程中根据患者情况联合用药,实际处方的开具需要由医生执行;生活干预路径则主要基于指南给出饮食、运动、吸烟饮酒和心理健康方面的具体建议,并给出体征监测的频率与控制目标;健康教育路径以课程和文章等多种形式为患者提供兼具权威性与可读性的高血压相关科普知识和生活常识。
4.基于上述协同管理模型,通过OWL语言对模型中的知识进行表达,构建慢病管理领域本体,构建流程图参见图4。首先调研相关的现有本体,考虑重用其部分内容;然后基于模型定义本体中的概念(类)及概念之间的层次结构;再定义概念的相关属性,并通过属性对概念进行描述。基于上述流程构建完成的领域本体可视化描述示意图参见图5。
所构建的慢病领域本体(UCPO)主要由三层抽象组成。顶层主要由现有的通用领域本体组成,包括BFO(基本形式本体)和OGMS(通用医学本体),用于将UCPO的特定概念约束在统一的框架之下,以提升本体的互操作性。第一层则涵盖了所构建的协同管理模型的核心概念,包括管理任务、管理计划、管理角色、患者档案以及通用信息,患者档案用于描述当前患者的健康状态,由一系列实例和属性表达,通用信息则指疾病类型、药物信息、生理指标、食物信息、运动类型等知识性内容。第二层则以模型为基础,详细描述了每个核心概念下的具体概念。
5.基于所构建的领域本体和特定慢病的闭环管理路径,分别创建面向高血压与糖尿病的管理路径的具体实例与配套规则。以高血压为例,具体来说,首先创建一个患者档案类的实例HypertensionPatient,然后创建各管理任务所对应的类的实例,通过相应的对象属性将其与HypertensionPatient实例相关联。对于每个管理任务类所对应的实例,通过数据属性为其设置执行推理所必要的相关数值,如针对危险评估任务,需要设置是否患有其他疾病(hasOtherDiseases)、是否具有靶器官损害(hasTOD)、危险因素数量(hasCardFactors)等数据属性,用于相关规则的执行。最后,创建患者管理计划与医生管理计划所对应的实例,并将其与当前患者实例相关联。
创建并关联相关实例后,基于SWRL规则对高血压闭环管理路径中涉及的决策支持知识进行表达。每一项管理任务被分解为多条规则,基于给定的患者实例触发对应的规则,执行推理,推理结果主要以数据属性的形式保存在对应的实例中,以供后续引擎的调用。需要注意的是,推理结果并不会长期地存储在本体之中,每次推理会将本体重置为原始状态,并根据当前的输入重新生成推理结果。下面给出危险评估任务中的一条SWRL规则示例:
PatientProfile(?p)^hasDisease(?p,Hypertension)^hasRiskAssessment(?p,?r)^hasOtherDiseases(?r,true)->hasRiskLevel(?r,3)
该规则的条件为存在一个患者实例、且患者实例包含如下属性:hasDisease属性,且属性对应的值为高血压;hasRiskAssessment属性,属性对应一个危险评估实例;危险评估实例需要包含hasOtherDiseases属性,且属性对应的值为真。如果上述条件均满足,则相应的危险评估实例中新增一个属性hasRiskLevel,属性对应的值为3,表示当前患者实例的危险评估等级为三级。
此外,管理计划的生成也对应一套规则集,用于根据相关管理任务推理的结果生成对应的管理计划。患者管理计划包括生活方式建议、用药建议以及体征监测计划(监测项目、监测频率及控制目标),医生管理计划包括定期触发的常规随访计划及健康教育计划,以及不定期触发的依从度干预和异常干预任务。
6.基于所制定的单病种路径规则集,定义多病合并情况下的特定规则集。在本实施例中,需要定义高血压合并糖尿病规则集,规则集的作用为合并单病种路径规则所推理得到的冗余数据属性,在无特殊情况下取优先高的属性。以随访排期模块为例,对于一名合并症患者,高血压与糖尿病规则集会分别基于患者对应的管理等级生成一个随访日期,如果两日期相隔较近,则实际上只需随访一次即可。此时合并规则集需要制定规则,识别上述触发条件并对相应的数据属性进行合并,取较早的日期作为患者的最终随访日期。此外,规则集还需根据共患疾病的特征定义相应的特殊规则,对于患有糖尿病的高血压患者,根据指南及专家建议,其降压药的选择应包括一种血管紧张素转换酶抑制剂或血管紧张素受体拮抗剂,可以在降压的同时兼顾对肾脏及糖、脂代谢的益处,并建议直接采用多药联合降压。合并规则集需针对此类特定情况制定特殊规则,以给出更加精准且正确的决策。
7.基于包含管理路径规则集的慢病领域本体,通过OWL API对其进行封装,集成到数据处理单元之中。使用SWRL API中的规则引擎桥模块将SWRL规则的执行转交给Drools规则引擎执行,提升推理速度。基于实际应用场景设计标准化的服务接口,明确接口类型与触发时机,实现并集成到端间通讯单元之中。下面以危险评估任务为例,说明客户终端数据与服务引擎的交互流程:
一名医生在客户终端的医生工作平台上录入一名高血压合并糖尿病患者的危险评估信息,该数据通过医生工作平台的端间通讯单元与服务引擎的端间通讯单元进行通讯,服务引擎的端间通讯单元接收到数据后,依据事先约定的形式将其转换为数据处理单元所需格式,传入数据数据处理单元。数据处理单元首先根据传入数据为该患者实例所连接的危险评估实例添加新的数据属性,属性值对应为传入数据中的值。然后数据处理单元开始调用规则引擎,执行推理,推理分为两个步骤,首先分别基于高血压路径规则集与糖尿病路径规则集中的危险评估模块推理出对应的危险评估信息,然后基于高血压合并糖尿病规则集检查是否存在特殊情况并合并存在冗余的属性(对于危险评估来说,糖尿病路径与高血压路径所生成的危险评估等级相互独立,无需触发规则)。推理完成后,数据处理单元读取存储在危险评估实例中的患者最新危险评估等级,并将其存储到数据存储设备中对应患者的条目下,方便后续的调用。
通过以上步骤,即可实现面向高血压与糖尿病闭环管理的服务引擎。该服务引擎以慢病管理领域本体为核心,对常见慢性疾病管理过程中存在的通用性任务进行了系统性总结,定义了不同任务之间的时序关系,并基于协同管理模型将任务与不同的管理角色进行管理,最终落实到具体的管理计划之中。同时,借助于互联网技术的优势,患者的健康状态能够实时地反馈给服务引擎,以充分发挥其推理能力,帮助医生及时地了解患者病情并给予适当的干预。通过这种方式,不仅可以快速实现面向单一疾病的标准化管理流程,也可以实现面向多种慢性疾病的联合管理。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的最优选实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种面向多病种的慢病协同管理系统,其特征在于,包括客户终端和服务引擎,客户终端包括医生工作平台和患者终端;
所述患者终端为不同的患者提供自我管理支持,收集患者的自我监测数据并传输至服务引擎;
所述服务引擎以路径驱动的慢病协同管理模型本体为核心,通过慢病协同管理模型本体中的语义规则对患者终端传送的监测数据进行推理,得到面向多种慢性疾病的全场景决策支持信息并发送给医生工作平台;
所述医生工作平台展示患者相关管理信息,接收来自于服务引擎的全场景决策支持信息,基于决策支持信息为不同角色的医务人员提供管理支持,辅助医生管理患者。
2.如权利要求1所述的面向多病种的慢病协同管理系统,其特征在于,所述以路径驱动的慢病协同管理模型本体的构建步骤:
步骤1,基于各类慢病管理指南和医学文献,提取适用于多种慢性疾病疾的通用管理任务集,构建面向院外长期管理的慢病管理通用路径模型;
步骤2,基于慢病管理通用路径模型,结合当前基层社区的慢病管理模式与国际通用的协同管理模型,构建面向慢病管理场景的路径驱动的慢病协同管理模型,实现通用管理任务与管理角色的协同管理;
步骤3,基于慢病协同管理模型,通过OWL语言对慢病协同管理模型中的知识进行表达,构建慢病协同管理模型基础本体;
步骤4,基于慢病协同管理模型基础本体,创建面向慢病管理路径的实例,通过SWRL规则表达特定慢病管理路径中所涉及的决策支持知识和多病种合并下的特定知识,形成包含可执行路径实例的慢病协同管理模型完整本体。
3.如权利要求2所述的面向多病种的慢病协同管理系统,其特征在于,步骤1的具体过程为:
a.明确目标管理的慢性疾病类型并确定建模范围;
b.收集各类慢性疾病管理指南与医学文献;
c.通过定性分析提取不同慢病管理过程中具有高度相似性的通用管理任务集合,其中通用管理任务包括:诊断检出、危险评估、分级管理、常规随访、异常报警、依从度管理、生活干预、用药指导以及健康教育;
d.定义通用管理任务执行时序流,依据该通用管理任务执行时序流来构建慢病管理通用路径模型。
4.如权利要求2所述的面向多病种的慢病协同管理系统,其特征在于,步骤2的具体过程为:
a.基于当前基层社区的慢病管理模式,总结慢病管理过程中包含的角色及其职责;
b.分析国际通用的协同管理模型,并结合慢病管理过程中包含的角色及其职责,构建面向慢病管理场景的协同管理模型,该协同管理模型用于定义慢病管理角色和职责;
c.将慢病管理通用路径与协同管理模型融合,形成路径驱动的协同管理模型。
5.如权利要求4所述的面向多病种的慢病协同管理系统,其特征在于,所述角色及其职责包括:专科医师、全科医师、健康管理师以及患者;专科医师负责对患者进行诊断检出并制定全面的管理计划,并为全科医师和健康管理师提供专业指导;全科医师负责进行定期的常规随访及处理管理过程中的异常情况;健康管理师负责配监测患者的自我管理情况,进行健康教育,对依从度不佳的患者进行干预。
6.如权利要求2所述的面向多病种的慢病协同管理系统,其特征在于,步骤3的具体过程为:
a.基于路径驱动的慢病协同管理模型,列出本体中需要包含的术语;
b.调研相关的现有本体并筛选重用的本体术语,该本体术语与步骤a列出的术语组成术语集;
c.基于术语集定义本体中的概念以及概念之间的层次结构,同时定义概念的属性,并通过属性对概念进行描述;
d.基于OWL语言对本体进行描述;
f.验证本体的合法性与完备性,迭代步骤a~步骤f,来实现对慢病协同管理模型基础本体的构建。
7.如权利要求6所述的面向多病种的慢病协同管理系统,其特征在于,慢病协同管理模型基础本体抽象成三层表示,顶层包括通用领域本体;中层包括慢病协同管理模型的核心概念,该核心概念包括管理任务、管理计划、管理角色、患者档案以及通用信息;底层包括对每个核心概念的具体描述。
8.如权利要求2所述的面向多病种的慢病协同管理系统,其特征在于,步骤4的具体过程为:
a.基于慢病协同管理模型基础本体创建面向慢病管理路径的实例;
b.明确慢病管理路径中各管路任务的触发参数类型和内容;
c.基于SWRL语言对每个管路任务进行描述形成规则,组成规则集合;
d.将规则映射至对应的慢病管理路径实例中;
e.对于多病合并管理,定义冗余处理规则及特殊规则;
f.结合本体验证规则的合法性与完备性,迭代步骤a~步骤f,形成包含可执行路径实例的慢病协同管理模型完整本体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011329456.4A CN112397173B (zh) | 2020-11-24 | 2020-11-24 | 一种面向多病种的慢病协同管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011329456.4A CN112397173B (zh) | 2020-11-24 | 2020-11-24 | 一种面向多病种的慢病协同管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112397173A true CN112397173A (zh) | 2021-02-23 |
CN112397173B CN112397173B (zh) | 2023-07-18 |
Family
ID=74607655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011329456.4A Active CN112397173B (zh) | 2020-11-24 | 2020-11-24 | 一种面向多病种的慢病协同管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112397173B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112951430A (zh) * | 2021-03-29 | 2021-06-11 | 阿斯利康投资(中国)有限公司 | 多种慢性疾病联合管理设备和计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130097476A (ko) * | 2012-02-24 | 2013-09-03 | 가천의과학대학교 산학협력단 | 온톨로지를 이용한 맞춤형 관리 서비스 제공 시스템 |
CN110415831A (zh) * | 2019-07-18 | 2019-11-05 | 天宜(天津)信息科技有限公司 | 一种医疗大数据云服务分析平台 |
CN110931124A (zh) * | 2019-12-09 | 2020-03-27 | 中国中医科学院中医药信息研究所 | 诊断系统 |
CN111445977A (zh) * | 2020-03-19 | 2020-07-24 | 成都尚医信息科技有限公司 | 一种多疾病整合运动康复管理系统 |
-
2020
- 2020-11-24 CN CN202011329456.4A patent/CN112397173B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130097476A (ko) * | 2012-02-24 | 2013-09-03 | 가천의과학대학교 산학협력단 | 온톨로지를 이용한 맞춤형 관리 서비스 제공 시스템 |
CN110415831A (zh) * | 2019-07-18 | 2019-11-05 | 天宜(天津)信息科技有限公司 | 一种医疗大数据云服务分析平台 |
CN110931124A (zh) * | 2019-12-09 | 2020-03-27 | 中国中医科学院中医药信息研究所 | 诊断系统 |
CN111445977A (zh) * | 2020-03-19 | 2020-07-24 | 成都尚医信息科技有限公司 | 一种多疾病整合运动康复管理系统 |
Non-Patent Citations (5)
Title |
---|
ZHEYU WANG等: "Using Natural Language Processing Techniques to Provide Personalized Educational Materials for Chronic Disease Patients in China: Development and Assessment of a Knowledge-Based Health Recommender System", JMIR MEDICAL INFORMATICS * |
于凡: "基于本体的糖尿病管理知识库的构建研究", 中国优秀硕士学位论文全文数据库医药卫生科技辑 * |
朱枫: "慢性疾病互联网化管理体系搭建的必要性与 可行性分析", 中国卫生产业 * |
杜宁凯: "慢病管理路径建模方法研究与系统应用", 中国优秀硕士学位论文全文数据库信息科技辑 * |
陈叶等: "健康知识库构建以及在慢病管理服务中的应用", 中国数字医学 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112951430A (zh) * | 2021-03-29 | 2021-06-11 | 阿斯利康投资(中国)有限公司 | 多种慢性疾病联合管理设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112397173B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11742092B2 (en) | Health information transformation system | |
Szolovits et al. | Guardian angel: Patient-centered health information systems | |
Zhang et al. | An ontology-based approach to patient follow-up assessment for continuous and personalized chronic disease management | |
US10424409B2 (en) | Guideline-based patient discharge planning | |
CN107239665B (zh) | 医疗信息查询系统及方法 | |
CN111125061A (zh) | 一种规范和促进健康医疗大数据的方法 | |
Samal et al. | Health information technology to improve care for people with multiple chronic conditions | |
CN105792731A (zh) | 患者护理监督系统和方法 | |
WO2020146745A1 (en) | Systems and methods for assessing and evaluating renal health diagnosis, staging, and therapy recommendation | |
CN110718302A (zh) | 一种基于大数据的糖尿病管理路径的系统 | |
US20210257095A1 (en) | Medical machine learning system and method | |
Van der Lei et al. | A model for critiquing based on automated medical records | |
US10734115B1 (en) | Clinical decision support for sepsis | |
US20230053474A1 (en) | Medical care system for assisting multi-diseases decision-making and real-time information feedback with artificial intelligence technology | |
US11587682B2 (en) | Method and system to integrate data, analyze and develop improved care plan for a patient at home | |
CN112397173B (zh) | 一种面向多病种的慢病协同管理系统 | |
US11398310B1 (en) | Clinical decision support for sepsis | |
CN117475447A (zh) | 一种基于多模态数据融合联邦学习的智能重症感染预警和辅助决策系统 | |
Barahona et al. | Knowledge and decisions in health telematics: the next decade | |
US20230130914A1 (en) | System and method for patient care handoff | |
Dragoni et al. | Supporting patients and clinicians during the breast cancer care path with AI: The Arianna solution | |
Ertuğrul et al. | A knowledge-based decision support system for inferring supportive treatment recommendations for diabetes mellitus | |
Marco-Ruiz et al. | Ontology-based terminologies for healthcare | |
Maukel et al. | Adverse events after left ventricular assist device implantation linked to psychosocial risk in women and men | |
US20210177339A1 (en) | System and method for early detection of sepsis |
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 |