CN112712870A - 一种互联网医院用药方案确定方法及装置 - Google Patents
一种互联网医院用药方案确定方法及装置 Download PDFInfo
- Publication number
- CN112712870A CN112712870A CN202011606337.9A CN202011606337A CN112712870A CN 112712870 A CN112712870 A CN 112712870A CN 202011606337 A CN202011606337 A CN 202011606337A CN 112712870 A CN112712870 A CN 112712870A
- Authority
- CN
- China
- Prior art keywords
- information
- determining
- target
- patient
- medicine
- 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
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to 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
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Pharmacology & Pharmacy (AREA)
- Toxicology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开一种互联网医院用药方案确定方法及装置,包括:根据历史处方建立药品信息集合;所述药品信息集合中包括,至少一种药品对应的药品信息;根据所述药品信息集合确定至少一个备选处方模板,并从所述药品信息中确定各所述备选处方模板对应的备选药品信息;根据患者的第一信息,从各所述备选处方模板中确定所述患者相应的目标处方模板,所述目标处方模板中包括,至少一个所述第一信息匹配的备选药品信息;根据所述患者的第二信息,从所述目标处方模板的各所述备选药品信息中,确定目标药品信息;根据所述目标处方模板和所述目标药品信息,确定所述患者对应的用药方案。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种互联网医院用药方案确定方法及装置。
背景技术
在常规的医疗过程当中,药品的使用往往基于对患者诊断,或者患者实际的症状表现。例如在医院问诊的情况下,即是医生根据诊断开具处方,以确定患者的用药。在药店购药的情况下,则可能是依据症状表现向药剂师进行咨询,从而在药剂师的推荐下进行用药。
也就是说,当前针对患者确定用药的过程,是一个人工判断的过程。即根据医护人员的知识与经验,确定患者用药的药品种类,剂量、用法等具体信息。显然,人工确定药品的缺陷在于,需要占用大量的人力,不利于医护人员工作效率的提高;对于患者来说也延长了就诊时间,影响就诊体验。
发明内容
本发明提供一种互联网医院用药方案确定方法及装置,以至少解决现有技术中存在的以上技术问题。
第一方面,本发明提供一种互联网医院用药方案确定方法,包括:
根据历史处方建立药品信息集合;所述药品信息集合中包括,至少一种药品对应的药品信息;
根据所述药品信息集合确定至少一个备选处方模板,并从所述药品信息中确定各所述备选处方模板对应的备选药品信息;
根据患者的第一信息,从各所述备选处方模板中确定所述患者相应的目标处方模板,所述目标处方模板中包括,至少一个所述第一信息匹配的备选药品信息;
根据所述患者的第二信息,从所述目标处方模板的各所述备选药品信息中,确定目标药品信息;
根据所述目标处方模板和所述目标药品信息,确定所述患者对应的用药方案。
优选的,所述药品信息集合中包括,所述药品信息与疾病特征的关联关系;
所述根据所述药品信息集合确定至少一个备选处方模板,并从所述药品信息中确定各所述备选处方模板对应的备选药品信息包括:
基于所述药品信息与疾病特征的关联关系,确定所述疾病特征对应的备选处方模板;
将与所述疾病特征关联的药品信息,确定为所述备选处方模板中的所述备选药品信息。
优选的,所述第一信息包括,患者对应的诊断信息,或疾病症状信息;则根据患者的第一信息,从各所述备选处方模板中确定所述患者相应的目标处方模板包括:
根据所述患者的第一信息,确定所述患者对应的疾病特征;
将与所述患者对应的疾病特征对应的所述备选处方模板,确定为所述目标处方模板。
优选的,所述药品信息包括:
药品基础信息、药品用量信息和药品属性信息。
优选的,所述第二信息包括,患者对应的个人特征信息;所述根据患者的第二信息,从所述目标处方模板的各所述备选药品信息中,确定目标药品信息包括:
根据所述患者的个人特征信息,从各所述备选药品信息中确定目标药品,并确定所述目标药品的用药数据;
根据所述目标药品和所述目标药品的用药数据,确定所述目标药品信息。
优选的,所述根据所述患者的个人特征信息,从各所述备选药品信息中确定目标药品,并确定所述目标药品的用药数据包括:
利用输入接口采集所述患者的个人特征信息;
基于预设的分析规则对所述个人特征信息进行分析运算,以从各所述备选药品信息中确定目标药品,并确定所述目标药品的用药数据。
优选的,还包括:
根据所述患者的第一信息和第二信息,确定所述患者的治疗方案。
第二方面,本发明提供一种互联网医院用药方案确定装置,包括:
药品信息集合模块,用于根据历史处方建立药品信息集合;所述药品信息集合中包括,至少一种药品对应的药品信息;
备选处方模板确定模块,用于根据所述药品信息集合确定至少一个备选处方模板,并从所述药品信息中确定各所述备选处方模板对应的备选药品信息;
目标处方模板确定模块,用于根据患者的第一信息,从各所述备选处方模板中确定所述患者相应的目标处方模板,所述目标处方模板中包括,至少一个所述第一信息匹配的备选药品信息;
目标药品信息确定模块,用于根据所述患者的第二信息,从所述目标处方模板的各所述备选药品信息中,确定目标药品信息;
用药方案确定模块,用于根据所述目标处方模板和所述目标药品信息,确定所述患者对应的用药方案。
第三方面,本发明提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行本发明所述的互联网医院用药方案确定方法。
第四方面,本发明提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本发明所述的互联网医院用药方案确定方法。
与现有技术相比,本发明提供的一种互联网医院用药方案确定方法及装置,基于目标处方模板实现从备选药品中确定适合患者的目标药品,大量的减少了医护人员为患者确定用药方案的人工操作;降低了医疗过程中对于人力的占用,提高了医护人员工作效率的提高;对于患者来说也缩短了就诊时间,减少等待,提升了就诊体验。
附图说明
图1为本发明一实施例提供的一种互联网医院用药方案确定方法的流程示意图;
图2为本发明一实施例提供的另一种互联网医院用药方案确定方法的流程示意图;
图3为本发明一实施例提供的另一种互联网医院用药方案确定方法的流程示意图;
图4为本发明一实施例提供的一种互联网医院用药方案确定装置的结构示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,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,而非全部实施例。基于本发明中的实施例,本领域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。
申请概述
在常规的医疗过程当中,药品的使用往往基于对患者诊断,或者患者实际的症状表现。例如在医院问诊的情况下,即是医生根据诊断开具处方,以确定患者的用药。在药店购药的情况下,则可能是依据症状表现向药剂师进行咨询,从而在药剂师的推荐下进行用药。
也就是说,当前针对患者确定用药的过程,是一个人工判断的过程。即根据医护人员的知识与经验,确定患者用药的药品种类,剂量、用法等具体信息。
现阶段人工确定用药方案的缺陷在于,很大程度上依赖于医护人员的经验和主观判断,结果可能出现一定的偏差和不规范;并且需要占用大量的人力,不利于医护人员工作效率的提高;对于患者来说也延长了就诊时间,某些慢性病患者为了定期购药,不得不花费大量时间排队等候挂号和就诊,为生活带来诸多不便。
示例性方法
因此,本发明实施例将提供一种互联网医院用药方案确定方法,以至少解决现有技术中存在的以上技术问题。如图1所示,本实施例中方法包括以下步骤:
步骤101、根据历史处方建立药品信息集合。
在本实施例中,可以通过收集大量的历史处方,以及各类药品的使用说明、产品信息以进行数据分析,从而确定疾病特征与药品之间的应用规律,并确定各类药品的具体使用方式(如使用剂量的上限、下限,用法为内服或外用等等)。上述药品的使用说明及产品信息,具体可以是药品的SKU(即Stock Keeping Unit)数据、SPU(即Standard Product Unit)数据等。上述的数据分析过程可结合数据的结构化处理、合并去重处理、自然语言分析等分析技术,本实施例中对此不做限定。
在此基础上建立药品信息集合,该药品信息集合中包括了大量药品的药品信息。该药品信息可称为药品的合理用药层数据,或称为SSPU(即Safe Standard Product Unit)数据。该药品信息中包括了药品基础信息、药品用量信息和药品属性信息。具体的,药品基础信息可以包括药品的名称、生产厂商、成分、规格剂量等。药品用量信息可以包括药品的用药频率、用药时间、单次剂量、单日剂量、使用方法等。药品属性信息可以包括药品的注意事项、使用禁忌、价格等信息。
与此同时,药品信息集合中还包括,药品信息与疾病特征的关联关系。也就是,在药品信息集合中,可以基于疾病特征与药品之间的应用规律确定药品信息与疾病特征的关联关系,即确定特定的药品可针对哪几种疾病特征,或特定的疾病特征可采用哪几种药品。
步骤102、根据药品信息集合确定至少一个备选处方模板,并从药品信息中确定各备选处方模板对应的备选药品信息。
基于药品信息与疾病特征的关联关系,可确定疾病特征对应的备选处方模板;同时,可将与疾病特征关联的药品信息,确定为备选处方模板中的备选药品信息。
疾病特征,即能够代表患者病情的“关键词”,如高血压、冠心病、感冒等。根据药品信息集合中药品信息与疾病特征的关联关系,可以为每一种疾病特征确定相应的备选处方模板。并且与该疾病特征对应的各种药品信息,均可确定为该备选处方模板中的备选药品信息。备选处方模板是后续具体开具处方或确定用药方案时所使用的参考模板。例如建立“高血压”对应的备选处方模板,则可从药品信息集合中查询到“高血压”关联的药品包括药品A、药品B和药品C,上述三者即作为备选药品。进而从药品信息集合中提取出药品A、药品B和药品C的药品信息以作为备选药品信息,从而确定备选处方模板。
步骤103、根据患者的第一信息,从各备选处方模板中确定患者相应的目标处方模板。
患者的第一信息,是指表明患者基本病情的具体信息。例如在医院问诊的场景当中,第一信息可以是医生对患者开具的诊断信息;或者在自助购药的场景当中,第一信息可以是由患者自行陈述表达的疾病症状信息。所以根据患者的第一信息,可以确定患者对应的疾病特征。因此可将患者的疾病特征对应的备选处方模板中,确定为目标处方模板。
同样的,目标处方模板中包括至少一个第一信息匹配的备选药品信息。医护人员以及患者可以根据目标处方模板,获悉针对第一信息中的疾病特征可选择使用哪些药品,并获悉药品的具体使用方法。
步骤104、根据患者的第二信息,从目标处方模板的各备选药品信息中,确定目标药品信息。
前述可知的是,目标处方模板中可能包括多种备选药品,所以要确定具体的用药方案,还需在备选药品中进行进一步的选择。可以理解的是,根据患者个体情况的不同,即便是同样的疾病特征,具体的用药选择也将有所不同。
则患者的第二信息,是指表示患者个体情况的信息。例如第二信息可包括患者的身高、体重、年龄、性别、过敏史、病史、经济承受能力等;显然上述个体情况均有可能影响到实际用药。
所以本实施例中,将根据第二信息具体确定对于患者最为适合的备选药品作为目标药品,并确定目标药品的目标药品信息。目标药品信息中可以包括,目标药品的名称、生产厂商、具体的用量及用法、价格等信息。
步骤105、根据目标处方模板和目标药品信息,确定患者对应的用药方案。
将目标药品信息填入到目标处方模板当中,即可确定患者最终的用药方案。例如在医院问诊的场景当中,用药方案可以是医生对患者开具的处方;或者在自助购药的场景当中,用药方案可以是患者实际的购药订单。
通过以上技术方案可知,本实施例存在的有益效果是:基于目标处方模板实现从备选药品中确定适合患者的目标药品,大量的减少了医护人员为患者确定用药方案的人工操作;降低了医疗过程中对于人力的占用,提高了医护人员工作效率的提高;对于患者来说也缩短了就诊时间,减少等待,提升了就诊体验。
图1所示仅为本发明所述方法的基础实施例,在其基础上进行一定的优化和拓展,还能够得到所述方法的其他优选实施例。
如图2所示,为本发明所述互联网医院用药方案确定方法的另一个具体实施例。本实施例在前述实施例的基础上,结合患者在医院问诊的具体场景进行进一步阐述。所述方法具体包括以下步骤:
步骤201、根据患者的诊断信息确定相应的目标处方模板。
在医院问诊的场景下,患者的第一信息即是诊断信息。根据诊断信息中确认的疾病特征可确定目标处方模板。
步骤202、根据患者对应的个人特征信息,从各备选药品信息中确定目标药品,并确定目标药品的用药数据。
步骤203、根据目标药品和目标药品的用药数据,确定目标药品信息。
在诊断信息的基础上,可进一步的根据患者的个人特征信息,从目标处方模板的备选药品中确定出适当的目标药品。例如,可根据患者的身高、体重、年龄、性别、过敏史、病史等信息,结合各个备选药品信息进行对比,确定出相对安全、无禁忌及相斥性的备选药品作为目标药品。或者还可根据患者个人的经济承受能力,结合各个备选药品信息中的价格数据进行对比,在其承受范围内确定出疗效最优的备选药品作为目标药品。确定目标药品,实际上即是确定目标药品的名称、生产厂商、成分、规格等信息。
确定目标药品之后,可进一步的根据患者的诊断信息和个人特征信息,确定患者的具体病情及对于药品的耐受能力;并结合根据目标药品的成分、规格、使用剂量的上限/下限、用法等信息,来确定实际的用药数据。用药数据可包括患者使用目标药品的用药频率、用药时间、单次剂量、单日剂量等等。
根据所确认的目标药品以及相应的用药数据,即可以得到完整的目标药品信息。
步骤204、根据目标处方模板和目标药品信息,确定患者对应的用药方案。
将目标药品信息填入到目标处方模板当中,即可确定患者最终的用药方案,在本实施例中即是对患者开具的处方。后续患者根据处方即可购药用药,进入实际治疗过程。
如图3所示,为本发明所述互联网医院用药方案确定方法的另一个具体实施例。本实施例在前述实施例的基础上,结合患者在医院/药店自助购药的具体场景进行进一步阐述。所述方法具体包括以下步骤:
步骤301、根据患者的疾病症状信息确定相应的目标处方模板。
在医院/药店自助购药的具体场景下,第一信息即是患者自行表达的疾病症状信息。例如“我发烧了”、“我头痛”、“我之前被诊断为高血压”等。在本实施例中,疾病症状信息可以通过支持自助购药的终端设备输入。
步骤302、利用输入接口采集患者的个人特征信息。
同样,患者的个人特征信息亦可通过支持自助购药的终端设备输入。例如,终端设备可通过类似AI问诊的方式向患者发出问题,提供若干选项供患者选择,以此使得患者录入所需的个人特征信息。
步骤303、基于预设的分析规则对个人特征信息进行分析运算,以从各备选药品信息中确定目标药品,并确定目标药品的用药数据。
步骤304、根据目标药品和目标药品的用药数据,确定目标药品信息。
终端设备可通过预设的分析规则,结合疾病症状信息和个人特征信息进行分析,从而确定目标药品及其用药数据,进而确定目标药品信息。该分析规则可以基于利用人工智能技术训练得到的分析模型实现。例如可将大量的历史处方作为样本,对分析模型进行训练,以使得分析模型能够自动的根据疾病症状信息和个人特征信息在目标处方模板中进行选择,确定出目标药品信息。
步骤305、根据目标处方模板和目标药品信息,确定患者对应的用药方案。
在本实施例中,具体的用药方案可以是患者通过终端设备确认的购药订单。患者可以以此进行购药用药。
步骤306、根据患者的第一信息和第二信息,确定患者的治疗方案。
本实施例中优选的,还可以在必要的情况下,结合患者的第一信息和第二信息向患者推荐相关的治疗方案。例如推荐患者进行体检,或推荐患者去医院就医问诊。
示例性装置
如图4所示,为本发明所述互联网医院用药方案确定装置的一个具体实施例。本实施例装置,即用于执行图1~3所述方法的实体装置。其技术方案本质上与上述实施例一致,上述实施例中的相应描述同样适用于本实施例中。本实施例中装置包括:
药品信息集合模块401,用于根据历史处方建立药品信息集合;药品信息集合中包括,至少一种药品对应的药品信息;
备选处方模板确定模块402,用于根据药品信息集合确定至少一个备选处方模板,并从药品信息中确定各备选处方模板对应的备选药品信息;
目标处方模板确定模块403,用于根据患者的第一信息,从各备选处方模板中确定患者相应的目标处方模板,目标处方模板中包括,至少一个第一信息匹配的备选药品信息;
目标药品信息确定模块404,用于根据患者的第二信息,从目标处方模板的各备选药品信息中,确定目标药品信息;
用药方案确定模块405,用于根据目标处方模板和目标药品信息,确定患者对应的用药方案。
另外在图4所示实施例的基础上,优选的,还包括:
第一信息包括,患者对应的诊断信息,或疾病症状信息;则目标处方模板确定模块403包括:
疾病特征确定单元411,用于根据患者的第一信息,确定患者对应的疾病特征。
模板确定单元412,用于根据患者对应的疾病特征,确定相应的目标处方模板。
第二信息包括,患者对应的个人特征信息。目标药品信息确定模块404包括:
信息采集单元421,用于利用输入接口采集患者的个人特征信息。
药品确定单元422,用于基于预设的分析规则对个人特征信息进行分析运算,以从各备选药品信息中确定目标药品,并确定目标药品的用药数据。
目标药品信息确定单元423,用于根据目标药品和目标药品的用药数据,确定目标药品信息。
优选的,还包括:
推荐模块405,用于根据患者的第一信息和第二信息,确定患者的治疗方案。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,在本发明中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本发明为必须采用上述具体的细节来实现。
本发明中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“如但不限于”,且可与其互换使用。
还需要指出的是,在本发明的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此,本发明不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本发明的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种互联网医院用药方案确定方法,其特征在于,包括:
根据历史处方建立药品信息集合;所述药品信息集合中包括,至少一种药品对应的药品信息;
根据所述药品信息集合确定至少一个备选处方模板,并从所述药品信息中确定各所述备选处方模板对应的备选药品信息;
根据患者的第一信息,从各所述备选处方模板中确定所述患者相应的目标处方模板,所述目标处方模板中包括,至少一个所述第一信息匹配的备选药品信息;
根据所述患者的第二信息,从所述目标处方模板的各所述备选药品信息中,确定目标药品信息;
根据所述目标处方模板和所述目标药品信息,确定所述患者对应的用药方案。
2.根据权利要求1所述方法,其特征在于,所述药品信息集合中包括,所述药品信息与疾病特征的关联关系;
所述根据所述药品信息集合确定至少一个备选处方模板,并从所述药品信息中确定各所述备选处方模板对应的备选药品信息包括:
基于所述药品信息与疾病特征的关联关系,确定所述疾病特征对应的备选处方模板;
将与所述疾病特征关联的药品信息,确定为所述备选处方模板中的所述备选药品信息。
3.根据权利要求2所述方法,其特征在于,所述第一信息包括,患者对应的诊断信息,或疾病症状信息;则根据患者的第一信息,从各所述备选处方模板中确定所述患者相应的目标处方模板包括:
根据所述患者的第一信息,确定所述患者对应的疾病特征;
将与所述患者对应的疾病特征对应的所述备选处方模板,确定为所述目标处方模板。
4.根据权利要求1所述方法,其特征在于,所述药品信息包括:
药品基础信息、药品用量信息和药品属性信息。
5.根据权利要求1所述方法,其特征在于,所述第二信息包括,患者对应的个人特征信息;所述根据患者的第二信息,从所述目标处方模板的各所述备选药品信息中,确定目标药品信息包括:
根据所述患者的个人特征信息,从各所述备选药品信息中确定目标药品,并确定所述目标药品的用药数据;
根据所述目标药品和所述目标药品的用药数据,确定所述目标药品信息。
6.根据权利要求5所述方法,其特征在于,所述根据所述患者的个人特征信息,从各所述备选药品信息中确定目标药品,并确定所述目标药品的用药数据包括:
利用输入接口采集所述患者的个人特征信息;
基于预设的分析规则对所述个人特征信息进行分析运算,以从各所述备选药品信息中确定目标药品,并确定所述目标药品的用药数据。
7.根据权利要求1~6任意一项所述方法,其特征在于,还包括:
根据所述患者的第一信息和第二信息,确定所述患者的治疗方案。
8.一种互联网医院用药方案确定装置,其特征在于,包括:
药品信息集合模块,用于根据历史处方建立药品信息集合;所述药品信息集合中包括,至少一种药品对应的药品信息;
备选处方模板确定模块,用于根据所述药品信息集合确定至少一个备选处方模板,并从所述药品信息中确定各所述备选处方模板对应的备选药品信息;
目标处方模板确定模块,用于根据患者的第一信息,从各所述备选处方模板中确定所述患者相应的目标处方模板,所述目标处方模板中包括,至少一个所述第一信息匹配的备选药品信息;
目标药品信息确定模块,用于根据所述患者的第二信息,从所述目标处方模板的各所述备选药品信息中,确定目标药品信息;
用药方案确定模块,用于根据所述目标处方模板和所述目标药品信息,确定所述患者对应的用药方案。
9.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一项所述的互联网医院用药方案确定方法。
10.一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-7任一项所述的互联网医院用药方案确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011606337.9A CN112712870B (zh) | 2020-12-30 | 2020-12-30 | 一种互联网医院用药方案确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011606337.9A CN112712870B (zh) | 2020-12-30 | 2020-12-30 | 一种互联网医院用药方案确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112712870A true CN112712870A (zh) | 2021-04-27 |
CN112712870B CN112712870B (zh) | 2022-12-09 |
Family
ID=75547087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011606337.9A Active CN112712870B (zh) | 2020-12-30 | 2020-12-30 | 一种互联网医院用药方案确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112712870B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104584021A (zh) * | 2014-11-07 | 2015-04-29 | 曹庆恒 | 一种智能选药的方法、系统和设备 |
US20150261935A1 (en) * | 2014-03-12 | 2015-09-17 | Mckesson Financial Holdings | Systems and Methods for Verifying Correlation of Diagnosis and Medication as Part of Qualifying Program Eligibility Verification |
CN107767927A (zh) * | 2017-11-16 | 2018-03-06 | 深圳市捷迅高新科技股份有限公司 | 一种电子处方系统及其电子病历 |
CN109872808A (zh) * | 2019-02-22 | 2019-06-11 | 泰康保险集团股份有限公司 | 医疗服务处理方法、系统、电子设备及计算机可读介质 |
CN112116978A (zh) * | 2020-09-17 | 2020-12-22 | 陕西师范大学 | 一种风湿免疫药物推荐方法、系统及装置 |
-
2020
- 2020-12-30 CN CN202011606337.9A patent/CN112712870B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150261935A1 (en) * | 2014-03-12 | 2015-09-17 | Mckesson Financial Holdings | Systems and Methods for Verifying Correlation of Diagnosis and Medication as Part of Qualifying Program Eligibility Verification |
CN104584021A (zh) * | 2014-11-07 | 2015-04-29 | 曹庆恒 | 一种智能选药的方法、系统和设备 |
CN107767927A (zh) * | 2017-11-16 | 2018-03-06 | 深圳市捷迅高新科技股份有限公司 | 一种电子处方系统及其电子病历 |
CN109872808A (zh) * | 2019-02-22 | 2019-06-11 | 泰康保险集团股份有限公司 | 医疗服务处理方法、系统、电子设备及计算机可读介质 |
CN112116978A (zh) * | 2020-09-17 | 2020-12-22 | 陕西师范大学 | 一种风湿免疫药物推荐方法、系统及装置 |
Non-Patent Citations (1)
Title |
---|
李玉平等: "处方信息利用对医院药学工作的促进作用", 《中国药房》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112712870B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wadhera et al. | Disparities in care and mortality among homeless adults hospitalized for cardiovascular conditions | |
US11810673B2 (en) | Method and system for medical suggestion search | |
JP6825389B2 (ja) | ヘルスケア・リスク推定システム及び方法 | |
Polisena et al. | Home telehealth for chronic obstructive pulmonary disease: a systematic review and meta-analysis | |
US8285734B2 (en) | Comparison of documents based on similarity measures | |
US20100070293A1 (en) | Systems and methods for determining a course of action in a real-time case based on analysis of trend data in historical cases | |
US20090094063A1 (en) | Display and method for medical procedure selection | |
CN108697580B (zh) | 信息处理装置 | |
WO2012094542A2 (en) | Devices, systems, and methods for the real-time and individualized prediction of health and economic outcomes | |
JP2018060529A (ja) | コンテキストベースの患者類似性の方法及び装置 | |
WO2016120955A1 (ja) | 行動予測装置、行動予測装置の制御方法、および行動予測装置の制御プログラム | |
Kristianson et al. | Data extraction from a semi-structured electronic medical record system for outpatients: a model to facilitate the access and use of data for quality control and research | |
KR101177712B1 (ko) | 네트워크를 통한 환자 맞춤형 의료 서비스 매칭 방법 | |
Jaklevic | Pandemic Boosts an Old Idea—Bringing Acute Care to the Patient | |
CN116210058A (zh) | 慢性肾脏疾病(ckd)机器学习预测系统、方法和装置 | |
CN113724818A (zh) | 在诊疗过程中推送医嘱数据的方法、装置及电子设备 | |
Petek et al. | Reexamination of the UN10 rule to discontinue resuscitation during in-hospital cardiac arrest | |
CN112712870B (zh) | 一种互联网医院用药方案确定方法及装置 | |
Jebraeily et al. | Hemodialysis adequacy monitoring information system: Minimum data set and capabilities required | |
US20200035361A1 (en) | Method and electronic device for artificial intelligence (ai)-based assistive health sensing in internet of things network | |
JP6323925B1 (ja) | レセプトデータ解析装置、方法及びプログラム | |
JP5203481B2 (ja) | 傷病管理システム | |
Kumar et al. | NATURAL LANGUAGE PROCESSING: HEALTHCARE ACHIEVING BENEFITS VIA NLP | |
WO2016126678A1 (en) | Method and system for medical suggestion search | |
US20170024784A1 (en) | Computer System and Cost Calculating Method |
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 |