CN112582072A - 一种住院患者血糖管理质量分析平台 - Google Patents
一种住院患者血糖管理质量分析平台 Download PDFInfo
- Publication number
- CN112582072A CN112582072A CN202011538237.7A CN202011538237A CN112582072A CN 112582072 A CN112582072 A CN 112582072A CN 202011538237 A CN202011538237 A CN 202011538237A CN 112582072 A CN112582072 A CN 112582072A
- Authority
- CN
- China
- Prior art keywords
- module
- blood sugar
- data
- patient
- data analysis
- 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
Links
- 239000008280 blood Substances 0.000 title claims abstract description 106
- 210000004369 blood Anatomy 0.000 title claims abstract description 106
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 53
- 238000013179 statistical model Methods 0.000 claims abstract description 5
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 60
- 239000008103 glucose Substances 0.000 claims description 60
- 201000001421 hyperglycemia Diseases 0.000 claims description 31
- 208000013016 Hypoglycemia Diseases 0.000 claims description 21
- 230000002218 hypoglycaemic effect Effects 0.000 claims description 21
- 230000002641 glycemic effect Effects 0.000 claims description 11
- 235000012054 meals Nutrition 0.000 claims description 6
- 238000003556 assay Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 30
- 235000020925 non fasting Nutrition 0.000 description 36
- 238000004364 calculation method Methods 0.000 description 7
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013441 quality evaluation Methods 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供的一种住院患者血糖管理质量分析平台，包括数据输入模块、数据分析模块和数据输出模块；数据输入模块用于向平台内输入患者的代号信息、血糖信息以及血糖信息获取的时间或身体状况信息；数据分析模块利用Population、Patient‑day和Patient三种统计学模型分别对数据输入模块输入的信息进行分析，并形成数据分析结果；数据输出模块将数据分析模块形成的数据分析结果向外输出；便于各医院相互比较和改进血糖管理质量，为确定中国住院患者血糖管理质量基准值和日后设定中国住院患者血糖管理标准值奠定基础。
Description
技术领域
本发明涉及医疗技术领域，尤其涉及一种住院患者血糖管理质量分析平台。
背景技术
目前，我国成人糖尿病患病率为111.2％，糖尿病患病人数全球第一，很多糖尿病患者需要住院治疗。住院患者血糖管理的目标是降低高血糖，预防低血糖和减少血糖波动，床边血糖监测数据是最直接的可以用于评价院内血糖管理质量的指标。
目前临床上常采用平均血糖、中位数和标准差反映血糖分布，采用血糖达标率反映管理效果，采用高血糖及低血糖发生率反映患者安全或不良事件，但目标血糖范围、高血糖和低血糖定义等都缺乏统一的界定标准，各种指标的计算方法也不相同，包括Population、Patient-day和Patient3种统计学模型。统一住院患者血糖管理质量评价指标及计算方法有助于医院了解本院血糖管理质量及便于医院间血糖管理质量的相互比较。
美国医院医学会(SHM)和耶鲁大学都搭建了帮助医院分析血糖控制情况的平台，各医院可将自己的血糖数据输入该平台，即可获得详细的血糖数据分析报告，也可与其他医院的数据进行对比，知晓自己的优势或差距。而我国目前暂无类似平台。
各个医院血糖数据庞大，3种统计学分析模型计算复杂，美国住院患者血糖管理目标与中国有差异，且数据分析平台为英文版，费用昂贵。
发明内容
针对现有技术存在的上述问题，本发明所提供的一种住院患者血糖管理质量分析平台，拟开发一种适合中国住院患者的血糖管理质量分析平台，通过界定既符合中国住院患者血糖管理专家共识的推荐，又具有临床意义的目标血糖、高血糖及低血糖范围，按照3种统计学分析模型计算各种血糖管理质量指标，便于各医院相互比较和改进血糖管理质量，为确定中国住院患者血糖管理质量基准值和日后设定中国住院患者血糖管理标准值奠定基础。
为实现上述发明目的，本发明采用的技术方案如下：
一种住院患者血糖管理质量分析平台，包括数据输入模块、数据分析模块和数据输出模块；
数据输入模块用于向平台内输入患者的代号信息、血糖信息以及血糖信息获取的时间或身体状况信息；
数据分析模块利用Population、Patient-day和Patient三种统计学模型分别对数据输入模块输入的信息进行分析，并形成数据分析结果；
数据输出模块将数据分析模块形成的数据分析结果向外输出。
在其中一个实施例中，所述的身体状况信息为血糖信息获取时患者的身体状态为空腹或餐前或餐后或随机。
在其中一个实施例中，所述的数据分析结果包括平均血糖值、中位数、标准差、血糖达标率，高血糖发生率、严重高血糖发生率，低血糖发生率、严重低血糖发生率以及血糖管理报告。
在其中一个实施例中，所述数据输出模块通过纸质文档和或电子文档的形式将所述数据分析结果向外输出。
在其中一个实施例中，所述数据输出模块包括下载模块和打印模块，所述下载模块用于向外输出所述电子文档，所述打印模块用于向外输出所述纸质文档。
在其中一个实施例中，所述纸质文档和或所述电子文档分别包括Word文档和或Excel文档和或柱状图和或趋势图。
在其中一个实施例中，还包括网络连接模块，所述网络连接模块用于实现多个用户分别与所述数据输入模块和数据输出模块之间的信息互通。
在其中一个实施例中，还包括数据分析结果查询模块，用户通过所述数据分析结果查询模块可浏览自己的数据分析结果以及其他用户的数据分析结果。
在其中一个实施例中，还包括数据分析结果讨论模块，用户通过所述数据分析结果讨论模块可实现相互之间的沟通交流。
与现有技术相比，本发明所提供的一种住院患者血糖管理质量分析平台，拟开发一种适合中国住院患者的血糖管理质量分析平台，通过界定既符合中国住院患者血糖管理专家共识的推荐，又具有临床意义的目标血糖、高血糖及低血糖范围，按照3种统计学分析模型计算各种血糖管理质量指标，包括平均血糖、中位数、标准差、血糖达标率，高血糖及严重高血糖发生率，低血糖及严重低血糖发生率，出具不同时期、不同科室、不同医院住院患者血糖管理报告及相关图表，便于各医院相互比较和改进血糖管理质量，为确定中国住院患者血糖管理质量基准值和日后设定中国住院患者血糖管理标准值奠定基础。
附图说明
图1为本发明的结构框图。
具体实施方式
如图1所示；
一种住院患者血糖管理质量分析平台，包括数据输入模块、数据分析模块和数据输出模块；
数据输入模块用于向平台内输入患者的代号信息、血糖信息以及血糖信息获取的时间或身体状况信息；
数据分析模块利用Population、Patient-day和Patient三种统计学模型分别对数据输入模块输入的信息进行分析，并形成数据分析结果；
数据输出模块将数据分析模块形成的数据分析结果向外输出。
在本实施例中，身体状况信息为血糖信息获取时患者的身体状态为空腹或餐前或餐后或随机。
在本实施例中，数据分析结果包括平均血糖、中位数、标准差、血糖达标率，高血糖及严重高血糖发生率，低血糖及严重低血糖发生率，出具不同时期、不同科室、不同医院住院患者血糖管理报告及相关图表。
在本实施例中，数据输出模块通过纸质文档和或电子文档的形式将数据分析结果向外输出。
具体的，数据输出模块包括下载模块和打印模块，下载模块用于向外输出电子文档，例如USB接口；打印模块用于向外输出纸质文档，例如内置的打印机。
在本实施例中，纸质文档和电子文档分别包括Word文档和Excel文档和柱状图和趋势图。
在本实施例中，还包括网络连接模块，网络连接模块用于实现多个用户分别与数据输入模块和数据输出模块之间的信息互通，多个用户分别可以通过数据输入模块输入自己需要输入的信息，并通过数据分析模块形成数据分析结果，最后通过数据输出模块得到自己想要的数据分析结果。
在本实施例中，还包括数据分析结果查询模块，用户通过数据分析结果查询模块可浏览自己的数据分析结果以及其他用户的数据分析结果，方便比较本医院与其他医院进行比较。
在本实施例中，还包括数据分析结果讨论模块，用户通过数据分析结果讨论模块可实现相互之间的沟通交流，通过设置数据分析结果讨论模块，各个用户之间可以相互分享血糖管理指标建议和院内血糖管理措施等信息。
在本实施例中，数据分析模块采用的数据分析方法如下表所示：
计算方法：自动根据定义的指标类型及计算方法进行分析血糖数据评价指标
数据分析说明
(一)定义
非空腹血糖：空腹血糖以外的所有的血糖，包括三餐后，中晚餐前以及凌晨3点
血糖达标率：分空腹和非空腹，包含严格、一般及宽松控制等3个目标范围，非空腹血糖达标率包括每患者或每床日达标率的均值以及平均血糖达标的患者或床日数的百分比
高血糖发生率：每患者或每床日高血糖发生率的均值以及平均血糖大于14mmol/L的患者或床日数的百分比
严重高血糖发生率：发生任一严重高血糖患者数或床日数的百分比
低血糖发生率：发生任一低血糖患者数或床日数的百分比
严重低血糖发生率：发生任一严重低血糖患者数或床日数的百分比
(二)Patient模型
1.空腹血糖均值(方法1)：分子为每位患者空腹血糖的均值的总和，分母为患者数量
2.非空腹血糖均值(方法2)：分子为每位患者日加权非空腹血糖均值的总和，分母为患者数量。例：1位患者住院7天，该患者日加权非空腹血糖均值计算方法：(第1天的非空腹血糖均值+第2天的非空腹血糖均值+…第7天的非空腹血糖均值)/7
3.空腹血糖达标率(方法3)：分子为每患者空腹血糖达标率均值的总和，分母为患者数量
例每患者空腹血糖达标率计算方法：某患者共有4次空腹血糖，其中有2次血糖在相应的目标范围内，则此患者的空腹血糖达标率为50％。然后将所有患者的空腹血糖达标率进行平均。
4.空腹血糖达标率(方法4)：分子为空腹血糖平均值在相应目标范围内的患者数量，分母为患者总数量(先计算每位患者的空腹血糖均值，然后再将均值在目标范围内的患者数量除以患者总数)
5.非空腹血糖达标率(方法5)：分子为所有患者非空腹血糖达标率均值的总和，分母为患者总数。例：每患者非空腹血糖达标率计算方法：某患者住院期间共25次非空腹血糖，其中有20次血糖在相应的目标范围内，则此患者的非空腹血糖达标率为80％。然后将所有患者的非空腹血糖达标率进行平均，则得出Patient模型非空腹血糖达标率。
6.非空腹血糖达标率(方法6)：分子为日加权非空腹血糖平均值在相应目标范围内的患者数量，分母为患者总数(先计算每位患者日加权非空腹血糖均值，然后再将日加权非空腹血糖均值在目标范围内的患者数量除以患者总数)
7.高血糖发生率(方法7)：分子为每患者高血糖发生率的总和，分母为患者总数。例：某患者住院期间共有30次血糖(空腹和非空腹)，其中10次血糖大于等于14.0mmol/L,则该患者的高血糖发生率为33.3％，先计算每位患者的高血糖发生率，然后再进行平均，就得出Patient模型高血糖发生率。
8.高血糖发生率(方法8)：分子为日加权平均血糖(包括空腹和非空腹)大于等于14.0mmol/L的患者数量，分母为患者总数。即先计算每位患者日加权平均血糖，然后再将日加权平均血糖大于等于14.0mmol/L患者的数量，最后除以患者总数。
9.严重高血糖发生率(方法9)：分子为至少1次血糖≥16.7mmol/L的患者人数，分母为患者总数
10.低血糖发生率(方法10)：分子为至少1次血糖≤3.9mmol/L或的患者人数，分母为患者总数
11.严重低血糖发生率(方法11)：分子为至少1次血糖＜2.8mmol/L或的患者人数，分母为患者总数(三)Patient day模型
1.非空腹血糖均值(方法12)：分子为所有患者每床日非空腹血糖的均值的总和，分母为所有床日数。例：一共有400位患者，住院日总数为3000天，则将这400位患者每一天的非空腹血糖均值相加，然后再除以总住院日3000天。
2.非空腹血糖达标率(方法13)：分子为所有患者每床日非空腹血糖达标率均值的总和，分母为患者总住院天数(先计算每患者每天非空腹血糖在相应目标范围内的百分比，然后再将所有的百分比相加，除以住院总天数，如1位患者1天内5次非空腹血糖，4次血糖在目标范围内，则当天的非空腹血糖达标率为80％，然后再将所有床日数非空腹血糖达标率进行平均即可)
3.非空腹血糖达标率(方法14)：分子为非空腹血糖平均值在相应目标范围内的住院天数，分母为患者总住院天数(先计算每位患者每一天非空腹血糖平均值，然后再将平均值在相应目标范围内的住院总天数除以患者总住院天数).
4.高血糖发生率(方法15)：分子为每床日高血糖发生率的总和，分母为住院总天数。例：某床日某患者共有5次血糖(空腹和非空腹)，其中2次血糖大于等于14.0mmol/L,则该患者的高血糖发生率为40％。先计算每患者每床日高血糖发生率，然后再进行平均，就得出Patient-day模型高血糖发生率。
5.高血糖发生率(方法16)：分子为每床日平均血糖(包括空腹和非空腹)大于等于14.0mmol/L的住院天数，分母为住院总天数。即先计算每患者每床日的平均血糖，然后再将平均血糖大于等于14.0mmol/L住院天数除以住院总天数。
6.严重高血糖发生率(方法17)：分子为至少1次血糖≥16.7mmol/L的住院天数，分母为总住院天数。
7.低血糖发生率(方法18)：分子为至少1次血糖≤3.9mmol/L的住院天数，分母为总住院天数。
8.严重低血糖发生率(方法19)：分子为至少1次血糖＜2.8mmol/L的住院天数，分母为总住院天数
在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例～第X实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料、方法步骤或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种住院患者血糖管理质量分析平台，其特征在于，包括数据输入模块、数据分析模块和数据输出模块；
数据输入模块用于向平台内输入患者的代号信息、血糖信息以及血糖信息获取的时间或身体状况信息；
数据分析模块利用Population、Patient-day和Patient三种统计学模型分别对数据输入模块输入的信息进行分析，并形成数据分析结果；
数据输出模块将数据分析模块形成的数据分析结果向外输出。
2.如权利要求1所述的一种住院患者血糖管理质量分析平台，其特征在于，所述的身体状况信息为血糖信息获取时患者的身体状态为空腹或餐前或餐后或随机。
3.如权利要求2所述的一种住院患者血糖管理质量分析平台，其特征在于，所述的数据分析结果包括平均血糖值、中位数、标准差、血糖达标率，高血糖发生率、严重高血糖发生率，低血糖发生率、严重低血糖发生率以及血糖管理报告。
4.如权利要求3所述的一种住院患者血糖管理质量分析平台，其特征在于，所述数据输出模块通过纸质文档和或电子文档的形式将所述数据分析结果向外输出。
5.如权利要求4所述的一种住院患者血糖管理质量分析平台，其特征在于，所述数据输出模块包括下载模块和打印模块，所述下载模块用于向外输出所述电子文档，所述打印模块用于向外输出所述纸质文档。
6.如权利要求5所述的一种住院患者血糖管理质量分析平台，其特征在于，所述纸质文档和或所述电子文档分别包括Word文档和或Excel文档和或柱状图和或趋势图。
7.如权利要求1-6任一所述的一种住院患者血糖管理质量分析平台，其特征在于，还包括网络连接模块，所述网络连接模块用于实现多个用户分别与所述数据输入模块和数据输出模块之间的信息互通。
8.如权利要求7所述的一种住院患者血糖管理质量分析平台，其特征在于，还包括数据分析结果查询模块，用户通过所述数据分析结果查询模块可浏览自己的数据分析结果以及其他用户的数据分析结果。
9.如权利要求8所述的一种住院患者血糖管理质量分析平台，其特征在于，还包括数据分析结果讨论模块，用户通过所述数据分析结果讨论模块可实现相互之间的沟通交流。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011538237.7A CN112582072A (zh) | 2020-12-23 | 2020-12-23 | 一种住院患者血糖管理质量分析平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011538237.7A CN112582072A (zh) | 2020-12-23 | 2020-12-23 | 一种住院患者血糖管理质量分析平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112582072A true CN112582072A (zh) | 2021-03-30 |
Family
ID=75139094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011538237.7A Pending CN112582072A (zh) | 2020-12-23 | 2020-12-23 | 一种住院患者血糖管理质量分析平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112582072A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101308528A (zh) * | 2007-03-20 | 2008-11-19 | 生命扫描有限公司 | 用于糖尿病管理的计算机系统 |
| CN111755122A (zh) * | 2020-05-21 | 2020-10-09 | 甘肃卫生职业学院 | 一种基于cnn和模型融合的糖尿病血糖预测系统及方法 |
-
2020
- 2020-12-23 CN CN202011538237.7A patent/CN112582072A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101308528A (zh) * | 2007-03-20 | 2008-11-19 | 生命扫描有限公司 | 用于糖尿病管理的计算机系统 |
| CN111755122A (zh) * | 2020-05-21 | 2020-10-09 | 甘肃卫生职业学院 | 一种基于cnn和模型融合的糖尿病血糖预测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bowles et al. | Applying research evidence to optimize telehomecare | |
| Staffa et al. | Quantile regression and its applications: a primer for anesthesiologists | |
| CN102549587B (zh) | 用于处理葡萄糖值的装置和方法 | |
| Liu et al. | Joint analysis of correlated repeated measures and recurrent events processes in the presence of death, with application to a study on acquired immune deficiency syndrome | |
| Danziger et al. | Temporal trends in critical care outcomes in US minority-serving hospitals | |
| Song et al. | The random forest model has the best accuracy among the four pressure ulcer prediction models using machine learning algorithms | |
| Percival et al. | Modeling the effects of subcutaneous insulin administration and carbohydrate consumption on blood glucose | |
| Duun-Henriksen et al. | Model identification using stochastic differential equation grey-box models in diabetes | |
| US20090147011A1 (en) | Method and system for graphically indicating multiple data values | |
| Yang et al. | Improving pain management in patients with sickle cell disease from physiological measures using machine learning techniques | |
| Cornforth et al. | A comparison of nonlinear measures for the detection of cardiac autonomic neuropathy from heart rate variability | |
| JP2009500744A (ja) | 可変時間レポートデルタおよび構成可能グルコース目標範囲を使用する適応性の高いグルコース分析 | |
| Leelarathna et al. | Evaluating glucose control with a novel composite continuous glucose monitoring index | |
| CN116802744A (zh) | 最佳日的葡萄糖报告和可视化 | |
| Stretch et al. | Effect of boarding on mortality in ICUs | |
| US11887711B2 (en) | System and method for patient care improvement | |
| Herrero et al. | Automatic adaptation of basal insulin using sensor-augmented pump therapy | |
| WO2023240837A1 (zh) | 基于病患数据的服务包生成方法、装置、设备及存储介质 | |
| Singla et al. | Temporal change in profile of association between diabetes, obesity, and age of onset in urban India: A brief report and review of literature | |
| Boeder et al. | Accuracy and glycemic efficacy of continuous glucose monitors in critically ill COVID-19 patients: a retrospective study | |
| Klonoff et al. | Six digital health technologies that will transform diabetes | |
| Acciaroli et al. | Retrospective continuous-time blood glucose estimation in free living conditions with a non-invasive multisensor device | |
| CN112582072A (zh) | 一种住院患者血糖管理质量分析平台 | |
| Velu et al. | Machine learning implementation to predict type-2 diabetes mellitus based on lifestyle behaviour pattern using HBA1C status | |
| Doolin et al. | Transition from intravenous to subcutaneous insulin in critically ill adults |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210330 |
|
| RJ01 | Rejection of invention patent application after publication |