CN112447293B - 一种vte风险预警系统 - Google Patents
一种vte风险预警系统 Download PDFInfo
- Publication number
- CN112447293B CN112447293B CN201910837378.XA CN201910837378A CN112447293B CN 112447293 B CN112447293 B CN 112447293B CN 201910837378 A CN201910837378 A CN 201910837378A CN 112447293 B CN112447293 B CN 112447293B
- Authority
- CN
- China
- Prior art keywords
- vte
- data
- evaluated
- person
- risk
- 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
- 208000004043 venous thromboembolism Diseases 0.000 title claims abstract description 568
- 230000036541 health Effects 0.000 claims abstract description 76
- 238000011156 evaluation Methods 0.000 claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000007405 data analysis Methods 0.000 claims abstract description 53
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 208000032843 Hemorrhage Diseases 0.000 claims description 76
- 208000034158 bleeding Diseases 0.000 claims description 55
- 230000000740 bleeding effect Effects 0.000 claims description 55
- 238000012502 risk assessment Methods 0.000 claims description 14
- 230000002265 prevention Effects 0.000 claims description 12
- 238000013209 evaluation strategy Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 abstract description 7
- 206010051055 Deep vein thrombosis Diseases 0.000 description 15
- 230000010100 anticoagulation Effects 0.000 description 8
- 238000000034 method Methods 0.000 description 7
- 230000002537 thrombolytic effect Effects 0.000 description 7
- 239000003814 drug Substances 0.000 description 6
- 206010020772 Hypertension Diseases 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000003449 preventive effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 206010047249 Venous thrombosis Diseases 0.000 description 3
- 239000003146 anticoagulant agent Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 208000010378 Pulmonary Embolism Diseases 0.000 description 2
- 208000007536 Thrombosis Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000028659 discharge Diseases 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 210000001631 vena cava inferior Anatomy 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 1
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000034656 Contusions Diseases 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- 206010014522 Embolism venous Diseases 0.000 description 1
- BWGVNKXGVNDBDI-UHFFFAOYSA-N Fibrin monomer Chemical group CNC(=O)CNC(=O)CN BWGVNKXGVNDBDI-UHFFFAOYSA-N 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- HTTJABKRGRZYRN-UHFFFAOYSA-N Heparin Chemical compound OC1C(NC(=O)C)C(O)OC(COS(O)(=O)=O)C1OC1C(OS(O)(=O)=O)C(O)C(OC2C(C(OS(O)(=O)=O)C(OC3C(C(O)C(O)C(O3)C(O)=O)OS(O)(=O)=O)C(CO)O2)NS(O)(=O)=O)C(C(O)=O)O1 HTTJABKRGRZYRN-UHFFFAOYSA-N 0.000 description 1
- 208000004221 Multiple Trauma Diseases 0.000 description 1
- 208000006670 Multiple fractures Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 101800004937 Protein C Proteins 0.000 description 1
- 102000017975 Protein C Human genes 0.000 description 1
- 102000029301 Protein S Human genes 0.000 description 1
- 108010066124 Protein S Proteins 0.000 description 1
- 229940096437 Protein S Drugs 0.000 description 1
- 101800001700 Saposin-D Proteins 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 206010046996 Varicose vein Diseases 0.000 description 1
- 230000003429 anti-cardiolipin effect Effects 0.000 description 1
- 229940127219 anticoagulant drug Drugs 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 208000034526 bruise Diseases 0.000 description 1
- 235000009120 camo Nutrition 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 235000005607 chanvre indien Nutrition 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 108010073651 fibrinmonomer Proteins 0.000 description 1
- 239000011487 hemp Substances 0.000 description 1
- 229960002897 heparin Drugs 0.000 description 1
- 229920000669 heparin Polymers 0.000 description 1
- 238000001794 hormone therapy Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 206010025135 lupus erythematosus Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229960000856 protein c Drugs 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000000689 upper leg Anatomy 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- 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
-
- 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
Abstract
本申请提供一种VTE风险预警系统,包括VTE数据采集端、VTE数据库、VTE数据处理端、VTE数据分析端和数据展示端。本申请通过计算机系统从待评估人员的健康数据中提取待评估人员的VTE特征数据,根据待评估人员的VTE特征数据分析待评估人员的VTE风险等级。由于是从待评估人员的健康数据中提取VTE特征数据,而不仅仅是根据身体检查结果来判断VTE风险,所以可以通过更加全面的数据分析VTE风险。另外,采用计算机系统评估VTE风险,能够节省医护人员大量的VTE风险评估时间,可以更加快速的获得VTE风险评估结果。因此,本申请通过计算机系统分析待评估人员的VTE风险等级,提高了分析评估效率,减轻了医护人员的工作量。
Description
技术领域
本申请涉及计算机技术,具体涉及一种VTE风险预警系统。
背景技术
静脉血栓栓塞症(venous thrombosis embolism,VTE)呈现发病率高、误诊漏诊率高、死亡率高三大特点,成为医务人员和医院管理者面临的严峻考验。目前,由于VTE防治缺少VTE风险评估机制、缺少DVT(深静脉血栓形成,deep venous thrombosis,DVT)和PE(肺栓塞,pulmonary embolism,PE)处理的应急预案,VTE主动预防和规范处理比率低,住院患者致死性PE发生率高、甚至引发纠纷。
目前,主要依靠医生通过自己的医疗经验对待评估人员的身体检查结果进行分析,从而判断待评估人员的VTE风险。然而,仅仅依靠医生的医疗经验去评估待评估人员的VTE风险,如果待评估人员增多,医护人员在评估待评估人员的VTE风险时花费的时间较多,待评估人员获得VTE风险评估的结果较慢。因此,完全依靠医生的医疗经验评估待评估人员的VTE风险,不仅造成医护人员工作量增大,而且存在分析评估效率较低的现象。
发明内容
本申请提供一种VTE风险预警系统,通过计算机系统处理VTE数据,以提高VTE风险评估的评估效率。
本申请提供一种VTE风险预警系统,包括VTE数据采集端、VTE数据库、VTE数据处理端、VTE数据分析端和数据展示端;
所述VTE数据采集端,用于采集待评估人员的标识信息以及待评估人员的健康数据,建立所述待评估人员的标识信息与所述待评估人员的健康数据之间的第一对应关系,将所述待评估人员的标识信息、所述待评估人员的健康数据以及所述第一对应关系发送给所述VTE数据库;
所述VTE数据处理端,用于获取所述待评估人员的标识信息,从所述VTE数据库获取与所述待评估人员的标识信息对应的所述健康数据,从所述健康数据中提取原始VTE特征数据,将所述原始VTE特征数据转换为满足VTE数据分析要求的目标VTE特征数据,建立所述待评估人员的标识信息与所述目标VTE特征数据之间的第二对应关系,将所述待评估人员的标识信息、所述目标VTE特征数据以及所述第二对应关系发送给所述VTE数据库;
所述VTE数据分析端,用于获取所述待评估人员的标识信息,从所述VTE数据库获取与所述待评估人员的标识信息对应的所述目标VTE特征数据,根据VTE风险评估策略,获取所述目标VTE特征数据中的每个特征数据的评估结果,根据每个特征数据的评估结果,获取所述待评估人员的VTE风险等级,向所述数据展示端输出所述待评估人员的VTE风险等级;
所述VTE数据库,用于存储所述待评估人员的健康数据和所述待评估人员的目标VTE特征数据;
所述数据展示端,用于展示所述待评估人员的VTE风险等级。
可选的,所述待评估人员的健康数据包括所述待评估人员的病历数据。
可选的,所述VTE数据处理端还用于向所述VTE数据库发出请求消息,所述请求消息用于获取与所述待评估人员的标识信息对应的健康数据。
可选的,所述VTE数据处理端还用于获得VTE关键词;
所述VTE数据处理端具体用于从所述健康数据中提取与所述VTE关键词匹配的原始VTE特征数据。
可选的,所述VTE数据处理端具体用于从所述健康数据中提取与所述VTE关键词匹配的所有特征数据,对与所述VTE关键词匹配的所有特征数据进行语义分析处理,筛选出语义分析结果满足VTE特征要求的特征数据,将语义分析结果满足VTE特征要求的特征数据作为与所述VTE关键词匹配的原始VTE特征数据。
可选的,所述原始VTE特征数据为非结构化数据,所述VTE数据分析要求为用于VTE数据分析的VTE特征数据为结构化数据;
所述VTE数据处理端具体用于将非结构化的所述原始VTE特征数据转换为结构化的所述目标VTE特征数据。
可选的,所述VTE数据分析端还用于向所述VTE数据库发出请求消息,所述请求消息用于获取与所述待评估人员的标识信息对应的所述目标VTE特征数据。
可选的,所述VTE风险评估策略包括目标VTE特征数据与评估分值之间的第三对应关系;
所述VTE数据分析端具体用于根据所述第三对应关系,获取所述目标VTE特征数据中的每个特征数据的评估分值,将每个特征数据的评估分值作为每个特征数据的评估结果。
可选的,所述VTE数据分析端具体用于将所有特征数据的评估分值进行相加处理,获得所述目标VTE特征数据的总分值,根据目标VTE特征数据的分值与VTE风险等级之间的对应关系,获取与所述目标VTE特征数据的总分值对应的VTE风险等级,将与所述目标VTE特征数据的总分值对应的VTE风险等级作为所述待评估人员的VTE风险等级。
可选的,所述VTE数据处理端还用于从所述健康数据中提取原始出血风险特征数据,将所述原始出血风险特征数据转换为满足出血风险数据分析要求的目标出血风险特征数据,建立所述待评估人员的标识信息与所述目标出血风险特征数据之间的第四对应关系,将所述待评估人员的标识信息、所述目标出血风险特征数据以及所述第四对应关系发送给所述VTE数据库。
可选的,如果所述待评估人员的VTE风险等级满足需要评估出血风险等级的要求,则所述VTE数据分析端还用于从所述VTE数据库获取与所述待评估人员的标识信息对应的所述目标出血风险特征数据,根据出血风险评估策略,获取所述目标出血风险特征数据中的每个特征数据的评估结果,根据每个特征数据的评估结果,获取所述待评估人员的出血风险等级,向所述数据展示端输出所述待评估人员的出血风险等级;
所述数据展示端还用于展示所述待评估人员的出血风险等级。
可选的,所述VTE数据分析端还用于根据VTE风险等级与VTE防治信息之间的第五对应关系以及所述待评估人员的VTE风险等级,获取与所述待评估人员的VTE风险等级对应的VTE防治信息,并根据出血风险等级与出血防治信息之间的第六对应关系以及所述待评估人员的出血风险等级,获取与所述待评估人员的出血风险等级对应的出血防治信息,根据与所述待评估人员的VTE风险等级对应的VTE防治信息以及与所述待评估人员的出血风险等级对应的出血防治信息,生成所述待评估人员的综合防治信息,向所述数据展示端输出所述待评估人员的综合防治信息;
所述数据展示端还用于展示所述待评估人员的综合防治信息。与现有技术相比,本申请具有以下优点:
本申请通过计算机系统从待评估人员的健康数据中提取待评估人员的VTE特征数据,根据待评估人员的VTE特征数据分析待评估人员的VTE风险等级。由于是从待评估人员的健康数据中提取VTE特征数据,而不仅仅是根据身体检查结果来判断VTE风险,所以可以通过更加全面的数据分析VTE风险。另外,采用计算机系统评估VTE风险,能够节省医护人员大量的VTE风险评估时间,可以更加快速的获得VTE风险评估结果。因此,本申请通过计算机系统分析待评估人员的VTE风险等级,提高了分析评估效率,减轻了医护人员的工作量。
进一步的,本申请根据从待评估人员的健康数据中提取的VTE特征数据分析判断VTE风险,避免过多的依靠医生的医疗经验,即,避免通过过多的主观因素来判断VTE风险。因此,本申请通过计算机系统所分析的待评估人员的VTE风险等级,提高了VTE风险评估的准确度。
附图说明
图1是本申请第一实施例提供的VTE风险预警系统示意图。
图2是本申请第一实施例提供的VTE风险预警系统中的VTE数据采集端采集待评估人员的标识信息以及待评估人员的健康数据的流程图。
图3是本申请第一实施例提供的VTE风险预警系统中的VTE数据处理端处理并获取所述待评估人员的所述目标VTE特征数据的流程图。
图4是本申请第一实施例提供的VTE风险预警系统中的VTE数据分析端分析获得所述待评估人员的VTE风险等级的流程图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
本申请提供一种VTE风险预警系统,通过计算机系统处理VTE数据,以提高VTE风险评估的评估效率。
在现有技术中,主要依靠医生通过自己的医疗经验对待评估人员的身体检查结果进行分析,从而判断待评估人员的VTE风险。然而,仅仅依靠医生的医疗经验去评估待评估人员的VTE风险,如果待评估人员增多,医护人员在评估待评估人员的VTE风险时花费的时间较多,待评估人员获得VTE风险评估的结果较慢。因此,完全依靠医生的医疗经验评估待评估人员的VTE风险,不仅造成医护人员工作量增大,且存在分析评估效率较低的现象。
另外,待评估人员的身体检查结果只能反映待评估人员的一部分生理指标,待评估人员的其他状况无法通过身体检查结果反映,而待评估人员的其他状况也可能是评估VTE风险所考虑的因素。另外,医生的医疗经验存在主观的因素,医生通过自己的医疗经验判断待评估人员的VTE风险,存在误判的可能。因此,当前的VTE风险评估方法存在VTE风险评估结果不准确的问题。
本申请提供一种VTE风险预警系统,包括VTE数据采集端、VTE数据库、VTE数据处理端、VTE数据分析端和数据展示端;所述VTE数据采集端,用于采集待评估人员的标识信息以及待评估人员的健康数据,建立所述待评估人员的标识信息与所述待评估人员的健康数据之间的第一对应关系,将所述待评估人员的标识信息、所述待评估人员的健康数据以及所述第一对应关系发送给所述VTE数据库;所述VTE数据处理端,用于获取所述待评估人员的标识信息,从所述VTE数据库获取与所述待评估人员的标识信息对应的所述健康数据,从所述健康数据中提取原始VTE特征数据,将所述原始VTE特征数据转换为满足VTE数据分析要求的目标VTE特征数据,建立所述待评估人员的标识信息与所述目标VTE特征数据之间的第二对应关系,将所述待评估人员的标识信息、所述目标VTE特征数据以及所述第二对应关系发送给所述VTE数据库;所述VTE数据分析端,用于获取所述待评估人员的标识信息,从所述VTE数据库获取与所述待评估人员的标识信息对应的所述目标VTE特征数据,根据VTE风险评估策略,获取所述目标VTE特征数据中的每个特征数据的评估结果,根据每个特征数据的评估结果,获取所述待评估人员的VTE风险等级,向所述数据展示端输出所述待评估人员的VTE风险等级;所述VTE数据库,用于存储所述待评估人员的健康数据和所述待评估人员的目标VTE特征数据;所述数据展示端,用于展示所述待评估人员的VTE风险等级。
本申请通过计算机系统从待评估人员的健康数据中提取待评估人员的VTE特征数据,根据待评估人员的VTE特征数据分析待评估人员的VTE风险等级。由于是从待评估人员的健康数据中提取VTE特征数据,而不仅仅是根据身体检查结果来判断VTE风险,所以可以通过更加全面的数据分析VTE风险。另外,采用计算机系统评估VTE风险,能够节省医护人员大量的VTE风险评估时间,可以更加快速的获得VTE风险评估结果。因此,本申请通过计算机系统分析待评估人员的VTE风险等级,提高了分析评估效率,减轻了医护人员的工作量。
进一步的,本申请根据从待评估人员的健康数据中提取的VTE特征数据分析判断VTE风险,避免过多的依靠医生的医疗经验,即,避免通过过多的主观因素来判断VTE风险。因此,本申请通过计算机系统所分析的待评估人员的VTE风险等级,提高了VTE风险评估的准确度。
另外,本申请还可以根据VTE风险等级与VTE防治信息之间的第五对应关系以及待评估人员的VTE风险等级,获取与待评估人员的VTE风险等级对应的VTE防治信息。由于获得的待评估人员的VTE风险等级相对于现有技术更加准确,所以根据待评估人员的VTE风险等级获得的VTE防治信息也会更加准确。
以下通过第一实施例对本申请提供的VTE风险预警系统进行详细的介绍和说明。
图1是本申请第一实施例提供的VTE风险预警系统示意图。以下进行详细介绍:
VTE风险预警系统100包括:VTE数据采集端101、VTE数据库102、VTE数据处理端103、VTE数据分析端104和数据展示端105。
所述VTE数据采集端101,用于采集待评估人员的标识信息以及待评估人员的健康数据,建立所述待评估人员的标识信息与所述待评估人员的健康数据之间的第一对应关系,将所述待评估人员的标识信息、所述待评估人员的健康数据以及所述第一对应关系发送给所述VTE数据库102。
所述VTE数据处理端103,用于获取所述待评估人员的标识信息,从所述VTE数据库102获取与所述待评估人员的标识信息对应的所述健康数据,从所述健康数据中提取原始VTE特征数据,将所述原始VTE特征数据转换为满足VTE数据分析要求的目标VTE特征数据,建立所述待评估人员的标识信息与所述目标VTE特征数据之间的第二对应关系,将所述待评估人员的标识信息、所述目标VTE特征数据以及所述第二对应关系发送给所述VTE数据库102。
所述VTE数据处理端103从所述VTE数据库102获取与所述待评估人员的标识信息对应的所述健康数据之前,还包括:
所述VTE数据处理端103向所述VTE数据库102发出请求消息,所述请求消息用于获取与所述待评估人员的标识信息对应的健康数据。
所述VTE数据分析端104,用于获取所述待评估人员的标识信息,从所述VTE数据库102获取与所述待评估人员的标识信息对应的所述目标VTE特征数据,根据VTE风险评估策略,获取所述目标VTE特征数据中的每个特征数据的评估结果,根据每个特征数据的评估结果,获取所述待评估人员的VTE风险等级,向所述数据展示端输出所述待评估人员的VTE风险等级。
所述VTE数据分析端104从所述VTE数据库102获取与所述待评估人员的标识信息对应的所述目标VTE特征数据之前,还包括:
所述VTE数据分析端104向所述VTE数据库102发出请求消息,所述请求消息用于获取与所述待评估人员的标识信息对应的所述目标VTE特征数据。
所述VTE数据库102,用于存储所述待评估人员的健康数据和所述待评估人员的目标VTE特征数据。
所述数据展示端105,用于展示所述待评估人员的VTE风险等级。
图2是本申请第一实施例提供的VTE风险预警系统中的VTE数据采集端采集待评估人员的标识信息以及待评估人员的健康数据的流程图。该采集步骤具体如下:
S201:采集待评估人员的标识信息以及待评估人员的健康数据;
其中,所述待评估人员的健康数据包括所述待评估人员的病历数据。
所述待评估人员的标识信息包括所述待评估人员的姓名、性别、年龄、住院号、科室信息、诊断信息等,并且每一位待评估人员均设置有与标识信息对应的二维码或者条形码等,通过扫描所述二维码或者条形码,获取所述待评估人员的更详细的标识信息。
其中,所述待评估人员的病例数据包括基本信息、诊断信息、手术信息、医嘱信息、检验信息、检查信息、护理记录中的至少一种数据信息。所述VTE数据采集端采集所述待评估人员的标识信息以及待评估人员的健康数据,此处所述VTE数据采集端采集信息不仅仅限于医生与待评估人员之间的现场问诊和获取的健康数据。所述VTE数据采集端的采集数据还包括,采集数据源中所述待评估人员的已存在的体检结果数据或者既往病例数据等。
所述VTE数据采集端采集所述待评估人员的标识信息以及所述待评估人员的健康数据,属于定期采集的过程。
所述数据源包括:HIS系统(医院信息系统,Hospital Information System)、手麻系统、医嘱系统、检验检查系统、护理管理系统以及电子病例系统中的至少一种系统的数据。
所述VTE数据采集端采集所述待评估人员的标识信息以保证对所述待评估人员的身份进行准确快速识别。所述VTE数据采集端采集所述待评估人员的健康数据以获取所述待评估人员的体检结果数据或者病例数据等信息。
S202:建立所述待评估人员的标识信息与所述待评估人员的健康数据之间的第一对应关系;
所述VTE数据采集端将采集到的所述待评估人员的标识信息与所述待评估人员的健康数据之间建立相互对应的关系,此称为第一对应关系;此处称为第一对应关系,是为了与下述的所述VTE数据处理端建立所述待评估人员的标识信息与所述目标VTE特征数据之间的第二对应关系作为区分。
S203:将所述待评估人员的标识信息、所述待评估人员的健康数据以及所述第一对应关系发送给所述VTE数据库。
所述VTE数据采集端对所述待评估人员的标识信息与所述待评估人员的健康数据之间建立相互对应的关系之后,按照所述待评估人员的标识信息与所述待评估人员的健康数据之间的一一对应关系,将所述待评估人员的标识信息与所述待评估人员的健康数据存入所述VTE数据库中。以便于所述VTE数据处理端向所述VTE数据库获取数据时,根据所述第一对应关系,方便快捷地得到与所述待评估人员的标识信息对应的健康数据。
图3是本申请第一实施例提供的VTE风险预警系统中的VTE数据处理端处理并获取所述待评估人员的所述目标VTE特征数据的流程图。该处理步骤具体如下:
S301:获取所述待评估人员的标识信息,从所述VTE数据库获取与所述待评估人员的标识信息对应的所述健康数据;
在获取所述待评估人员的标识信息,从所述VTE数据库获取与所述待评估人员的标识信息对应的所述健康数据之前,具体还包括:
所述VTE数据处理端还用于向所述VTE数据库发出请求消息,所述请求消息用于获取与所述待评估人员的标识信息对应的健康数据。
具体地,所述VTE数据处理端向所述VTE数据库发出请求信息,获取与所述待评估人员的标识信息对应的健康数据。所述VTE数据库接收所述请求信息,向所述VTE数据处理端发送与所述待评估人员的标识信息对应的健康数据。
S302:从所述健康数据中提取原始VTE特征数据;
所述VTE数据处理端还用于获得VTE关键词;所述VTE数据处理端具体用于从所述健康数据中提取与所述VTE关键词匹配的原始VTE特征数据。
所述VTE关键词是指在所述健康数据中影响所述VTE因素的关键词。所述VTE关键词包括:患者因素:年龄、肥胖、卧床>3天、既往VTE史、既往血栓史、心率等;疾病因素:心脏衰竭、脑卒中(一个月内)、DVT症状、恶性肿瘤、静脉曲张、心梗等;治疗因素:手术、中心静脉置管、多发性创伤、多处骨折、激素治疗、放化疗等;检查因素:蛋白C或S缺乏、Leiden V因子呈阳性、肝素引起的血小板、抗心磷脂抗体、纤维蛋白单体(原)、狼疮抗凝物等一种或者多种因素。
所述VTE数据处理端具体用于从所述健康数据中提取与所述VTE关键词匹配的所有特征数据,对与所述VTE关键词匹配的所有特征数据进行语义分析处理,筛选出语义分析结果满足VTE特征要求的特征数据,将语义分析结果满足VTE特征要求的特征数据作为与所述VTE关键词匹配的原始VTE特征数据。
S303:将所述原始VTE特征数据转换为满足VTE数据分析要求的目标VTE特征数据;
所述原始VTE特征数据是通过所述VTE数据处理端从所述健康数据中提取与所述VTE关键词匹配的原始VTE特征数据。所述原始VTE特征数据包括结构化的原始VTE特征数据和非结构化的原始VTE特征数据。
其中,所述待评估人员的健康数据包括所述待评估人员的病历数据。所述待评估人员的病例数据包括基本信息、诊断信息、手术信息、医嘱信息、检验信息、检查信息、护理记录中的至少一种数据信息。
具体地,所述待评估人员的病历数据部分或者全部为非结构化的VTE原始特征数据。所述VTE数据处理端还用于将所述非结构化的VTE原始特征数据转换为所述结构化的VTE原始特征数据。
具体地,所述原始VTE特征数据为结构化数据,利用人工智能语义分析系统分析处理,直接提取结构化的所述原始VTE特征数据,将所述结构化的所述原始VTE特征数据作为结构化的所述VTE目标特征数据。
所述原始VTE特征数据为非结构化数据,所述VTE数据分析端要求为用于VTE数据分析的VTE特征数据为结构化数据;所述VTE数据处理端具体用于将非结构化的所述原始VTE特征数据转换为结构化的所述目标VTE特征数据。
具体地,利用人工智能语义分析系统分析处理,对非结构化的所述原始VTE特征数据提取其中可以结构化的部分的VTE特征数据,完成结构化,同时将“排除性”数据信息过滤掉,筛选出真正有效的与VTE特征数据匹配的结构化的VTE特征数据,完整地将非结构化的所述原始VTE特征数据转换为结构化的所述目标VTE特征数据。
例如,所述VTE数据处理端从所述健康数据中提取与所述VTE关键词匹配的原始VTE特征数据,其中,所述VTE关键词包含“高血压”,因此,针对于病例信息中出现“否认高血压”的原始VTE特征数据,因为“否认高血压”属于非结构化的原始VTE特征数据,其包含了“高血压”的字样,所述VTE数据处理端也会从所述健康数据中提取出来,因此造成提取的所述原始VTE特征数据的语义的不准确性。因此,针对于这种非结构化的原始VTE特征数据,通过利用人工智能语义分析系统分析处理后,所述VTE数据处理端将会排出“否认高血压”这种数据信息,然后继续筛选其他真正有效的与VTE特征数据匹配的结构化的VTE特征数据。
所述VTE数据处理端将所述原始VTE特征数据转换为所述目标VTE特征数据,建立所述待评估人员的标识信息与所述目标VTE特征数据之间的第二对应关系,将所述待评估人员的标识信息、所述目标VTE特征数据以及所述第二对应关系发送给所述VTE数据库。所述目标VTE特征数据为结构化的VTE特征数据,以便于所述VTE数据分析端从所述VTE数据库获取目标VTE特征数据,为分析所述待评估人员的VTE风险等级提供标准正确的影响VTE的因素。
S304:建立所述待评估人员的标识信息与所述目标VTE特征数据之间的第二对应关系;
所述VTE数据处理端将所述待评估人员的标识信息与所述目标VTE特征数据之间建立相互对应的关系,此称为第二对应关系;此处称为第二对应关系,是为了与上述的所述VTE数据采集端建立所述待评估人员的标识信息与所述待评估人员的健康数据之间的第一对应关系作为区分,同时与下述的所述VTE数据分析端中,所述VTE风险评估策略包括目标VTE特征数据与评估分值之间的第三对应关系作为区分。
S305:将所述待评估人员的标识信息、所述目标VTE特征数据以及所述第二对应关系发送给所述VTE数据库。
所述VTE数据处理端将所述待评估人员的标识信息与所述目标VTE特征数据之间建立相互对应的关系之后,按照所述待评估人员的标识信息与所述目标VTE特征数据之间的一一对应关系,将所述待评估人员的标识信息与所述目标VTE特征数据存入所述VTE数据库中。以便于所述VTE数据分析端向所述VTE数据库获取目标VTE特征数据时,根据所述第二对应关系,方便快捷地得到与所述待评估人员的标识信息对应的目标VTE特征数据。
图4是本申请第一实施例提供的VTE风险预警系统中的VTE数据分析端分析获得所述待评估人员的VTE风险等级的流程图。该处理步骤具体如下:
S401:获取所述待评估人员的标识信息,从所述VTE数据库获取与所述待评估人员的标识信息对应的所述目标VTE特征数据;
在获取所述待评估人员的标识信息,从所述VTE数据库获取与所述待评估人员的标识信息对应的所述目标VTE特征数据之前,具体还包括:
所述VTE数据分析端还用于向所述VTE数据库发出请求消息,所述请求消息用于获取与所述待评估人员的标识信息对应的所述目标VTE特征数据。
所述VTE数据分析端向所述VTE数据库发出请求信息,获取与所述待评估人员的标识信息对应的所述目标VTE特征数据。所述VTE数据库接收所述请求信息,向所述VTE数据分析端发送与所述待评估人员的标识信息对应的所述目标VTE特征数据。
S402:根据VTE风险评估策略,获取所述目标VTE特征数据中的每个特征数据的评估结果;
所述VTE风险评估策略包括目标VTE特征数据与评估分值之间的第三对应关系;所述VTE数据分析端具体用于根据所述第三对应关系,获取所述目标VTE特征数据中的每个特征数据的评估分值,将每个特征数据的评估分值作为每个特征数据的评估结果。
所述VTE风险评估策略中针对所述目标VTE特征数据中的每个特征数据构建多方面评判规则,通过所述评判规则,所述VTE风险评估策略具体用于判断所述每个特征数据对应的所有评判规则是否被触发,获取所述目标VTE特征数据中的每个特征数据的评估分值。所述VTE风险评估策略将所有目标VTE特征数据划分为四大类目标VTE特征数据,并且针对每个特征数据均设置有多方面评判规则;所述VTE风险评估策略对每个特征数据进行判断是否触发其对应的评判规则,获取所述目标VTE特征数据中的每个特征数据的评估分值。
所述VTE风险评估策略的评分标准主要考虑两大类评分,包括:内科Padua评分和外科Caprini评分。
所述VTE数据分析端具体用于将所有特征数据的评估分值进行相加处理,获得所述目标VTE特征数据的总分值,根据目标VTE特征数据的分值与VTE风险等级之间的对应关系,获取与所述目标VTE特征数据的总分值对应的VTE风险等级,将与所述目标VTE特征数据的总分值对应的VTE风险等级作为所述待评估人员的VTE风险等级。
所述VTE数据分析端分别将内科Padua评分和外科Caprini评分中的每个特征数据的评估分值进行相加处理,分别得到内科VTE的所有特征数据和外科VTE的所有特征数据的评估分值。然后将内科Padua评分和外科Caprini评分的评估分值进行相加,根据目标VTE特征数据的分值与VTE风险等级之间的对应关系,获取与所述目标VTE特征数据的总分值对应的VTE风险等级,将与所述目标VTE特征数据的总分值对应的VTE风险等级作为所述待评估人员的VTE风险等级。
所述VTE数据处理端还用于从所述健康数据中提取原始出血风险特征数据,将所述原始出血风险特征数据转换为满足出血风险数据分析要求的目标出血风险特征数据,建立所述待评估人员的标识信息与所述目标出血风险特征数据之间的第四对应关系,将所述待评估人员的标识信息、所述目标出血风险特征数据以及所述第四对应关系发送给所述VTE数据库。
如果所述待评估人员的VTE风险等级满足需要评估出血风险等级的要求,则所述VTE数据分析端还用于从所述VTE数据库获取与所述待评估人员的标识信息对应的所述目标出血风险特征数据,根据出血风险评估策略,获取所述目标出血风险特征数据中的每个特征数据的评估结果,根据每个特征数据的评估结果,获取所述待评估人员的出血风险等级,向所述数据展示端输出所述待评估人员的出血风险等级;所述数据展示端还用于展示所述待评估人员的出血风险等级。
所述出血风险评估策略中针对所述目标VTE特征数据中的每个特征数据构建多方面评判规则,通过所述评判规则,所述出血风险评估策略具体用于判断所述每个特征数据对应的所有评判规则是否被触发,获取所述目标出血风险特征数据中的每个特征数据的评估结果。
S403:根据每个特征数据的评估结果,获取所述待评估人员的VTE风险等级,向所述数据展示端输出所述待评估人员的VTE风险等级。
所述VTE数据分析端根据目标VTE特征数据的分值与VTE风险等级之间的对应关系,将所述VTE风险等级划分为高、中、低危险等级。
所述VTE数据分析端还用于根据VTE风险等级与VTE防治信息之间的第五对应关系以及所述待评估人员的VTE风险等级,获取与所述待评估人员的VTE风险等级对应的VTE防治信息,并根据出血风险等级与出血防治信息之间的第六对应关系以及所述待评估人员的出血风险等级,获取与所述待评估人员的出血风险等级对应的出血防治信息,根据与所述待评估人员的VTE风险等级对应的VTE防治信息以及与所述待评估人员的出血风险等级对应的出血防治信息,生成所述待评估人员的综合防治信息,向所述数据展示端输出所述待评估人员的综合防治信息;所述数据展示端还用于展示所述待评估人员的综合防治信息。
所述VTE风险预警系统根据所述VTE数据分析端的VTE风险等级,判断所述待评估人员是否确诊VTE,根据VTE风险等级与VTE防治信息之间的第五对应关系,将所述VTE防治信息分为两大类;
第一类:若所述待评估人员未确诊VTE,所述数据展示端展示出预防方案的VTE防治信息。
1.具体地,所述VTE数据分析端分析得到的所述待评估人员的VTE风险等级为低级危险,所述VTE数据分析端对所述待评估人员的VTE风险等级的分析就会结束,无需分析所述待评估人员的出血风险等级,所述数据展示端展示的VTE防治信息为基础预防措施建议。
2.所述VTE数据分析端分析得到的所述待评估人员的VTE风险等级为中级危险或者高级危险,所述VTE数据分析端还根据出血风险等级与出血防治信息之间的第六对应关系以及所述待评估人员的出血风险等级,获取与所述待评估人员的出血风险等级对应的出血防治信息,根据与所述待评估人员的VTE风险等级对应的VTE防治信息以及与所述待评估人员的出血风险等级对应的出血防治信息,生成所述待评估人员的综合防治信息,向所述数据展示端输出所述待评估人员的综合防治信息;所述数据展示端还用于展示所述待评估人员的综合防治信息。
针对所述待评估人员的VTE风险等级为中级危险或者高级危险,所述VTE数据分析端进一步分析所述待评估人员的出血风险等级和禁忌评估。
a.若所述待评估人员的出血风险等级为低级危险并且无禁忌,所述数据展示端展示的VTE防治信息为药物预防和物理预防的联合预防措施建议。
b.若所述待评估人员的出血风险等级为低级危险并且无药物禁忌,所述数据展示端展示的VTE防治信息为药物预防措施建议。
c.若所述待评估人员的出血风险等级为高级危险并且无物理禁忌,所述数据展示端展示的VTE防治信息为物理预防措施建议。
d.若所述待评估人员的出血风险等级为高级危险并且有药物禁忌和物理禁忌,所述数据展示端展示的VTE防治信息为床旁超声检查建议。
第二类:若所述待评估人员确诊VTE,所述数据展示端展示出治疗方案的VTE防治信息。
具体地,所述待评估人员确诊VTE包括两种VTE确诊类型,DVT或者PE。
1、所述DVT类型包括周围性DVT,中央型DVT或者混合型DVT;
(1)、若所述待评估人员确诊VTE类型为周围性DVT,所述VTE数据分析端进一步分析所述待评估人员的抗凝禁忌;
a.若所述待评估人员确诊VTE类型为周围性DVT且无抗凝禁忌,所述数据展示端展示的VTE防治信息为抗凝治疗方案;
b.若所述待评估人员确诊VTE类型为周围性DVT且有抗凝禁忌,所述数据展示端展示的VTE防治信息为植入下腔静脉滤器治疗方案。
(2)、若所述待评估人员确诊VTE类型为中央型DVT或者混合型DVT,所述VTE数据分析端进一步分析所述待评估人员的股青肿症状和溶栓禁忌;
a.若所述待评估人员无股青肿症状及无溶栓禁忌,所述数据展示端展示的VTE防治信息为溶栓治疗方案;
b.否则,所述数据展示端展示的VTE防治信息为手术取栓和植入下腔静脉滤器的治疗方案。
2、若所述待评估人员确诊PE类型,所述VTE数据分析端根据PE危险分层,获取所述待评估人员的PE危险等级。
a.若所述待评估人员确诊为低级危险的PE类型,并且无抗凝禁忌,所述数据展示端展示的VTE防治信息为抗凝治疗后早期出院方案;
b.若所述待评估人员确诊为中级危险的PE类型,并且无抗凝禁忌,所述数据展示端展示的VTE防治信息为住院进行抗凝治疗方案;
c.若所述待评估人员确诊为高级危险的PE类型,并且无溶栓禁忌,所述数据展示端展示的VTE防治信息为溶栓治疗方案;
d.若所述待评估人员确诊为高级危险的PE类型,并且有溶栓禁忌,所述数据展示端展示的VTE防治信息为手术取栓治疗方案。
本申请通过计算机系统从待评估人员的健康数据中提取待评估人员的VTE特征数据,根据待评估人员的VTE特征数据分析待评估人员的VTE风险等级。由于是从待评估人员的健康数据中提取VTE特征数据,而不仅仅是根据身体检查结果来判断VTE风险,所以可以通过更加全面的数据分析VTE风险。另外,采用计算机系统评估VTE风险,能够节省医护人员大量的VTE风险评估时间,可以更加快速的获得VTE风险评估结果。因此,本申请通过计算机系统分析待评估人员的VTE风险等级,提高了分析评估效率,减轻了医护人员的工作量。
进一步的,本申请根据从待评估人员的健康数据中提取的VTE特征数据分析判断VTE风险,避免过多的依靠医生的医疗经验,即,避免通过过多的主观因素来判断VTE风险。因此,本申请通过计算机系统所分析的待评估人员的VTE风险等级,提高了VTE风险评估的准确度。
另外,本申请还可以根据VTE风险等级与VTE防治信息之间的第五对应关系以及待评估人员的VTE风险等级,获取与待评估人员的VTE风险等级对应的VTE防治信息。由于获得的待评估人员的VTE风险等级相对于现有技术更加准确,所以根据待评估人员的VTE风险等级获得的VTE防治信息也会更加准确。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
Claims (10)
1.一种VTE风险预警系统,其特征在于,包括VTE数据采集端、VTE数据库、VTE数据处理端、VTE数据分析端和数据展示端;
所述VTE数据采集端,用于采集待评估人员的标识信息以及待评估人员的健康数据,建立所述待评估人员的标识信息与所述待评估人员的健康数据之间的第一对应关系,将所述待评估人员的标识信息、所述待评估人员的健康数据以及所述第一对应关系发送给所述VTE数据库;
所述VTE数据处理端,用于获取所述待评估人员的标识信息,从所述VTE数据库获取与所述待评估人员的标识信息对应的所述健康数据,从所述健康数据中提取原始VTE特征数据,将所述原始VTE特征数据转换为满足VTE数据分析要求的目标VTE特征数据,建立所述待评估人员的标识信息与所述目标VTE特征数据之间的第二对应关系,将所述待评估人员的标识信息、所述目标VTE特征数据以及所述第二对应关系发送给所述VTE数据库;
所述VTE数据分析端,用于获取所述待评估人员的标识信息,从所述VTE数据库获取与所述待评估人员的标识信息对应的所述目标VTE特征数据,根据VTE风险评估策略,获取所述目标VTE特征数据中的每个特征数据的评估结果,根据每个特征数据的评估结果,获取所述待评估人员的VTE风险等级,向所述数据展示端输出所述待评估人员的VTE风险等级;
所述VTE数据库,用于存储所述待评估人员的健康数据和所述待评估人员的目标VTE特征数据;
所述数据展示端,用于展示所述待评估人员的VTE风险等级;
其中,所述VTE风险评估策略包括目标VTE特征数据与评估分值之间的第三对应关系;所述VTE数据分析端具体用于根据所述第三对应关系,获取所述目标VTE特征数据中的每个特征数据的评估分值,将每个特征数据的评估分值作为每个特征数据的评估结果;将所有特征数据的评估分值进行相加处理,获得所述目标VTE特征数据的总分值,根据目标VTE特征数据的分值与VTE风险等级之间的对应关系,获取与所述目标VTE特征数据的总分值对应的VTE风险等级,将与所述目标VTE特征数据的总分值对应的VTE风险等级作为所述待评估人员的VTE风险等级。
2.根据权利要求1所述的VTE风险预警系统,其特征在于,所述待评估人员的健康数据包括所述待评估人员的病历数据。
3.根据权利要求1所述的VTE风险预警系统,其特征在于,所述VTE数据处理端还用于向所述VTE数据库发出请求消息,所述请求消息用于获取与所述待评估人员的标识信息对应的健康数据。
4.根据权利要求1所述的VTE风险预警系统,其特征在于,所述VTE数据处理端还用于获得VTE关键词;
所述VTE数据处理端具体用于从所述健康数据中提取与所述VTE关键词匹配的原始VTE特征数据。
5.根据权利要求4所述的VTE风险预警系统,其特征在于,所述VTE数据处理端具体用于从所述健康数据中提取与所述VTE关键词匹配的所有特征数据,对与所述VTE关键词匹配的所有特征数据进行语义分析处理,筛选出语义分析结果满足VTE特征要求的特征数据,将语义分析结果满足VTE特征要求的特征数据作为与所述VTE关键词匹配的原始VTE特征数据。
6.根据权利要求1所述的VTE风险预警系统,其特征在于,所述原始VTE特征数据为非结构化数据,所述VTE数据分析要求为用于VTE数据分析的VTE特征数据为结构化数据;
所述VTE数据处理端具体用于将非结构化的所述原始VTE特征数据转换为结构化的所述目标VTE特征数据。
7.根据权利要求1所述的VTE风险预警系统,其特征在于,所述VTE数据分析端还用于向所述VTE数据库发出请求消息,所述请求消息用于获取与所述待评估人员的标识信息对应的所述目标VTE特征数据。
8.根据权利要求1所述的VTE风险预警系统,其特征在于,所述VTE数据处理端还用于从所述健康数据中提取原始出血风险特征数据,将所述原始出血风险特征数据转换为满足出血风险数据分析要求的目标出血风险特征数据,建立所述待评估人员的标识信息与所述目标出血风险特征数据之间的第四对应关系,将所述待评估人员的标识信息、所述目标出血风险特征数据以及所述第四对应关系发送给所述VTE数据库。
9.根据权利要求8所述的VTE风险预警系统,其特征在于,如果所述待评估人员的VTE风险等级满足需要评估出血风险等级的要求,则所述VTE数据分析端还用于从所述VTE数据库获取与所述待评估人员的标识信息对应的所述目标出血风险特征数据,根据出血风险评估策略,获取所述目标出血风险特征数据中的每个特征数据的评估结果,根据每个特征数据的评估结果,获取所述待评估人员的出血风险等级,向所述数据展示端输出所述待评估人员的出血风险等级;
所述数据展示端还用于展示所述待评估人员的出血风险等级。
10.根据权利要求9所述的VTE风险预警系统,其特征在于,所述VTE数据分析端还用于根据VTE风险等级与VTE防治信息之间的第五对应关系以及所述待评估人员的VTE风险等级,获取与所述待评估人员的VTE风险等级对应的VTE防治信息,并根据出血风险等级与出血防治信息之间的第六对应关系以及所述待评估人员的出血风险等级,获取与所述待评估人员的出血风险等级对应的出血防治信息,根据与所述待评估人员的VTE风险等级对应的VTE防治信息以及与所述待评估人员的出血风险等级对应的出血防治信息,生成所述待评估人员的综合防治信息,向所述数据展示端输出所述待评估人员的综合防治信息;
所述数据展示端还用于展示所述待评估人员的综合防治信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910837378.XA CN112447293B (zh) | 2019-09-05 | 2019-09-05 | 一种vte风险预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910837378.XA CN112447293B (zh) | 2019-09-05 | 2019-09-05 | 一种vte风险预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112447293A CN112447293A (zh) | 2021-03-05 |
CN112447293B true CN112447293B (zh) | 2023-11-03 |
Family
ID=74733052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910837378.XA Active CN112447293B (zh) | 2019-09-05 | 2019-09-05 | 一种vte风险预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112447293B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114242239B (zh) * | 2020-09-09 | 2023-03-17 | 东华医为科技有限公司 | 一种vte风险监测及结果质控系统 |
CN113470825B (zh) * | 2021-07-23 | 2024-02-06 | 北京惠每云科技有限公司 | 一种静脉血栓栓塞预测系统、方法、设备及介质 |
CN114974592A (zh) * | 2022-07-04 | 2022-08-30 | 中南大学湘雅医院 | 一种vte防治与预警管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106066938A (zh) * | 2016-06-03 | 2016-11-02 | 贡京京 | 一种疾病预防和健康管理方法及系统 |
CN107506602A (zh) * | 2017-09-07 | 2017-12-22 | 北京海融兴通信息安全技术有限公司 | 一种大数据健康预测系统 |
CN108847288A (zh) * | 2018-07-13 | 2018-11-20 | 武汉久乐科技有限公司 | 一种健康预警方法和装置 |
CN108922623A (zh) * | 2018-07-12 | 2018-11-30 | 中国铁道科学研究院集团有限公司 | 一种健康风险评估和疾病预警信息系统 |
CN109119130A (zh) * | 2018-07-11 | 2019-01-01 | 上海夏先机电科技发展有限公司 | 一种基于云计算的大数据健康管理系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120130145A1 (en) * | 2010-11-23 | 2012-05-24 | John Michael Sabol | System and method for performing a comprehensive health assessment |
-
2019
- 2019-09-05 CN CN201910837378.XA patent/CN112447293B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106066938A (zh) * | 2016-06-03 | 2016-11-02 | 贡京京 | 一种疾病预防和健康管理方法及系统 |
CN107506602A (zh) * | 2017-09-07 | 2017-12-22 | 北京海融兴通信息安全技术有限公司 | 一种大数据健康预测系统 |
CN109119130A (zh) * | 2018-07-11 | 2019-01-01 | 上海夏先机电科技发展有限公司 | 一种基于云计算的大数据健康管理系统及方法 |
CN108922623A (zh) * | 2018-07-12 | 2018-11-30 | 中国铁道科学研究院集团有限公司 | 一种健康风险评估和疾病预警信息系统 |
CN108847288A (zh) * | 2018-07-13 | 2018-11-20 | 武汉久乐科技有限公司 | 一种健康预警方法和装置 |
Non-Patent Citations (1)
Title |
---|
静脉血栓栓塞症智能评估与自动预警系统的开发与应用;李想;高薇;苏玉成;冯娟;蒋昆;;医疗卫生装备(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112447293A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhelev et al. | Prehospital stroke scales as screening tools for early identification of stroke and transient ischemic attack | |
Yoo et al. | Outpatient versus inpatient treatment for acute pulmonary embolism | |
US20220330823A1 (en) | Systems and devices for telemetry monitoring management | |
CN112447293B (zh) | 一种vte风险预警系统 | |
KR102558021B1 (ko) | 임상 의사결정 지원 앙상블 시스템 및 이를 이용한 임상 의사결정 지원 방법 | |
Reid et al. | Frequent attenders with medically unexplained symptoms: service use and costs in secondary care | |
JP4866576B2 (ja) | 診療支援システム | |
US8548823B2 (en) | Automatically determining ideal treatment plans for complex neuropsychiatric conditions | |
KR20190132290A (ko) | 환자 진단 학습 방법, 서버 및 프로그램 | |
CN111475713A (zh) | 医生信息推荐方法、装置、电子设备、系统及存储介质 | |
JP2005525158A (ja) | 診断情報システム | |
Richardson et al. | Users' guides to the medical literature: XXIV. How to use an article on the clinical manifestations of disease | |
WO2018106481A1 (en) | Computer-implemented methods, systems, and computer-readable media for diagnosing a condition | |
Spiegelhalter | Evaluation of clinical decision‐aids, with an application to a system for dyspepsia | |
CN112820369A (zh) | 一种基于大数据的肛肠外科信息管理系统 | |
US20240145089A1 (en) | Method, apparatus, and computer readable media for artificial intelligence-based treatment guidance for the neurologically impaired patient who may need neurosurgery | |
CN115762771A (zh) | 一种老年人健康风险预警系统和操作方法 | |
CN115116612A (zh) | 一种儿童患者病情智能风险评估系统及方法 | |
Jiang et al. | An aided diagnosis model of sub-health based on rough set and fuzzy mathematics: A case of TCM | |
CN102651098B (zh) | 病况的在线整合系统 | |
CN112863679A (zh) | 健康管理小屋用控制系统 | |
CN114898859A (zh) | 急性主动脉夹层院内预后预测系统 | |
CN112365982A (zh) | 复发性流产母婴健康随访追踪分析系统 | |
Goldfield et al. | On" risk-adjusting acute myocardial infarction mortality: are APR-DRGs the right tool"? | |
Bartlett | Legal epidemiology and the correlation of patient safety, deterrence, and defensive medicine |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231013 Address after: 100853 Fuxing Road 28, Beijing, Haidian District Applicant after: Yao Yuan Applicant after: Donghua Yiwei Technology Co.,Ltd. Address before: 100853 Fuxing Road 28, Beijing, Haidian District Applicant before: Yao Yuan Applicant before: DHC SOFTWARE CO.,LTD. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |