CN112735588A - 一种糖尿病和糖尿病肾病的分级联合管理系统和方法 - Google Patents
一种糖尿病和糖尿病肾病的分级联合管理系统和方法 Download PDFInfo
- Publication number
- CN112735588A CN112735588A CN202110034485.6A CN202110034485A CN112735588A CN 112735588 A CN112735588 A CN 112735588A CN 202110034485 A CN202110034485 A CN 202110034485A CN 112735588 A CN112735588 A CN 112735588A
- Authority
- CN
- China
- Prior art keywords
- patient
- diabetes
- health data
- diabetic nephropathy
- classifying
- 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
- 206010012601 diabetes mellitus Diseases 0.000 title claims abstract description 109
- 208000007342 Diabetic Nephropathies Diseases 0.000 title claims abstract description 78
- 208000033679 diabetic kidney disease Diseases 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims description 22
- 230000036541 health Effects 0.000 claims abstract description 81
- 238000007670 refining Methods 0.000 claims abstract description 7
- 230000003993 interaction Effects 0.000 claims abstract description 5
- 239000008280 blood Substances 0.000 claims description 67
- 210000004369 blood Anatomy 0.000 claims description 67
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 claims description 46
- 210000002700 urine Anatomy 0.000 claims description 34
- 238000001514 detection method Methods 0.000 claims description 26
- 229940109239 creatinine Drugs 0.000 claims description 23
- 108090000623 proteins and genes Proteins 0.000 claims description 22
- 102000004169 proteins and genes Human genes 0.000 claims description 22
- 238000003745 diagnosis Methods 0.000 claims description 14
- 238000002331 protein detection Methods 0.000 claims description 12
- 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 8
- 239000008103 glucose Substances 0.000 claims description 8
- 230000001771 impaired effect Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 34
- 230000015654 memory Effects 0.000 description 9
- 208000002705 Glucose Intolerance Diseases 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- 201000009104 prediabetes syndrome Diseases 0.000 description 6
- 206010056997 Impaired fasting glucose Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000002641 glycemic effect Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000003907 kidney function Effects 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008085 renal dysfunction Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- G16H50/30—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
-
- 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
Abstract
本发明提出一种糖尿病和糖尿病肾病的分级联合管理系统,能够与医院端、院外端和患者端进行信息交互,包括一个患者档案模块、一个糖尿病分级模块和一个糖尿病肾病分级模块,其中所述患者档案模块用于实现患者建档和存储患者的健康数据,所述糖尿病分级模块能够对患者进行糖尿病分级,所述糖尿病肾病分级模块能够对患者进行糖尿病肾病分级。本发明还提供一种糖尿病和糖尿病肾病的分级联合管理方法,包括步骤:创建患者档案;指定至少一个院外端对患者进行医疗服务;完善所述患者档案中患者的健康数据;根据所述患者的健康数据,对患者进行分级;以及根据患者的分级级别,将所述院外端的相应级别的分级服务分配至患者端。
Description
【技术领域】
本发明涉及糖尿病医疗服务领域,具体涉及一种糖尿病和糖尿病肾病的分级联合管理系统。进一步地,本发明还涉及一种糖尿病和糖尿病肾病的分级联合管理方法。
【背景技术】
目前,针对患者在医院内部的诊疗管理已经逐步趋于完善,但是对于糖尿病患者而言,其诊治和康复过程并不局限于院内,社区药店和社区康复中心等院外机构的定期检测和随访、血糖图谱分析、用药建议、健康教育和生活方式指导等都是患者保持健康非常重要的环节,有助于其实现良好的居家自我管理。
而且,目前医院端和院外端并没有实现基于患者的联合管理机制,其中医院端和院外端一方面没有进行患者数据共享,另一方面没有进行协同服务,无法将医疗服务从医院端延续到院外端,也无法从院外端扩展至医院端。同时,目前缺乏院外多个机构相互协同的联合管理机制以及糖尿病和糖尿病肾病的分级管理。
【发明内容】
本发明的主要优势在于提供一种糖尿病和糖尿病肾病的分级联合管理系统,其中所述糖尿病和糖尿病肾病的分级联合管理系统能够与医院端和院外端进行信息交互,形成医院端和院外端的联合管理。
本发明的另一优势在于提供一种糖尿病和糖尿病肾病的分级联合管理系统,其中所述糖尿病和糖尿病肾病的分级联合管理系统包括一个糖尿病分级模块和一个糖尿病肾病分级模块,其中所述糖尿病分级模块能够根据患者的健康数据对患者进行糖尿病分级,相应地,所述糖尿病肾病分级模块能够根据患者的健康数据对患者进行糖尿病肾病分级,进而实现糖尿病和糖尿病肾病的分级管理。
本发明的另一优势在于提供一种糖尿病和糖尿病肾病的分级联合管理方法,其中所述糖尿病和糖尿病肾病的分级联合管理方法能够分别在医院端和院外端查看和/或完善患者的健康数据,并且能够根据患者的所述健康数据进行糖尿病分级和糖尿病肾病分级,从而实现糖尿病和糖尿病肾病的分级联合管理。
相应地,依本发明,具有至少一个前述优势的糖尿病和糖尿病肾病的分级联合管理系统,包括:
一个患者档案模块、一个糖尿病分级模块和一个糖尿病肾病分级模块,其中所述患者档案模块用于实现患者建档和存储患者的健康数据,所述糖尿病分级模块能够根据患者的健康数据对患者进行糖尿病分级,所述糖尿病肾病分级模块能够根据患者的健康数据对患者进行糖尿病肾病分级,其中所述糖尿病和糖尿病肾病的分级联合管理系统能够与医院端、院外端和患者端进行信息交互。
根据本发明的另一方面,本发明进一步提供一种糖尿病和糖尿病肾病的分级联合管理方法,包括步骤:
创建患者档案;
指定至少一个院外端对患者进行医疗服务;
完善所述患者档案中患者的健康数据;
根据所述患者的健康数据,对患者进行分级;以及
根据患者的分级级别,将所述院外端的相应级别的分级服务分配至患者端。
在本发明的一个实施例中,所述步骤完善所述患者档案中患者的健康数据包括步骤:
获取所述患者的健康数据中的首诊结论;
确认所述患者有无并发症;
确认所述患者的健康数据中的糖尿病年限;
记录所述患者的健康数据中的定期血糖检测结果;以及
统计和分析一个设定时间范围内全部的定期血糖检测结果,得出血糖控制情况,其中血糖控制情况包括血糖控制稳定和血糖控制不稳定。
在本发明的一个实施例中,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若所述首诊结论为糖尿病且患者有并发症,则将患者列为糖尿病一级;若所述首诊结论为糖尿病且患者无并发症,则将患者列为糖尿病二级;若所述首诊结论为糖耐量减低IGT和空腹血糖损害IFG且患者无并发症,则将患者列为糖尿病三级。
在本发明的一个实施例中,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若所述患者的健康数据中的糖尿病年限为10年以上,则将患者列为糖尿病一级;若所述患者的健康数据中的糖尿病年限为3至10年,则将患者列为糖尿病二级;若所述患者的健康数据中的糖尿病年限为3年以下,则将患者列为糖尿病三级。
在本发明的一个实施例中,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若所述患者的健康数据中的血糖控制情况为血糖控制不稳定,则将患者列为糖尿病一级;若所述患者的健康数据中的血糖控制情况为血糖控制稳定,则将患者列为糖尿病二级。
在本发明的一个实施例中,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若所述患者的健康数据中的血糖控制情况为血糖控制不稳定,则将患者列为糖尿病一级;若所述患者的健康数据中的血糖控制情况为血糖控制稳定,则将患者列为糖尿病三级。
在本发明的一个实施例中,所述步骤完善所述患者档案中患者的健康数据进一步包括步骤:
获取患者的血肌酐检测结果;和
获取患者的尿蛋白检测结果,其中所述尿蛋白检测结果包括尿蛋白+、尿蛋白++和尿蛋白+++以上。
在本发明的一个实施例中,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若男性患者的所述血肌酐检测结果为137~185umol/L,女性患者的所述血肌酐检测结果为107~145umol/L,则将患者列为糖尿病肾病早期;若男性患者的所述血肌酐检测结果为186~450umol/L,女性患者的所述血肌酐检测结果为146~354umol/L,则将患者列为糖尿病肾病中期;若男性患者的所述血肌酐检测结果为451umol/L以上,女性患者的所述血肌酐检测结果为355umol/L以上,则将患者列为糖尿病肾病晚期。
在本发明的一个实施例中,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若所述患者的健康数据中的尿蛋白检测结果为尿蛋白+,则将患者列为糖尿病肾病早期;若所述患者的健康数据中的尿蛋白检测结果为尿蛋白++,则将患者列为糖尿病肾病中期;若所述患者的健康数据中的尿蛋白检测结果为尿蛋白+++以上,则将患者列为糖尿病肾病晚期。
结合下述描述和说明书附图,本发明上述的和其它的优势将得以充分体现。
本发明上述的和其它的优势和特点,通过下述对本发明的详细说明、说明书附图和权利要求得以充分体现。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种糖尿病和糖尿病肾病的分级联合管理系统的示意图;
图2为本发明实施例的一种糖尿病和糖尿病肾病的分级联合管理方法的步骤图;
图3为本发明实施例的一种糖尿病和糖尿病肾病的分级联合管理方法的另一步骤图;
图4为本发明实施例的一种糖尿病和糖尿病肾病的分级联合管理方法的另一步骤图;
图5为本发明实施例的一种糖尿病和糖尿病肾病的分级联合管理方法的另一步骤图;
图6为本发明实施例的一种糖尿病和糖尿病肾病的分级联合管理方法的另一步骤图。
【具体实施方式】
为了更好地理解和实施,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。
本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
参考本发明说明书附图之图1,根据本发明实施例的一种糖尿病和糖尿病肾病的分级联合管理系统10被阐明。所述糖尿病和糖尿病肾病的分级联合管理系统10能够与医院端20、院外端30和患者端40进行信息交互,其中所述医院端20为糖尿病患者或糖尿病肾病患者的诊治医院,所述院外端30包括社区康复中心31、社区药店32和其它院外医疗服务机构等,所述患者端40为糖尿病患者和/或糖尿病肾病患者。
所述糖尿病和糖尿病肾病的分级联合管理系统10包括一个患者档案模块11、一个糖尿病分级模块12和一个糖尿病肾病分级模块13,其中所述患者档案模块11用于实现患者建档和存储患者的健康数据、用药处方、定期随访记录、用药建议、血糖图谱分析等,所述糖尿病分级模块12能够根据患者的健康数据对患者进行糖尿病分级,相应地,所述糖尿病肾病分级模块13能够根据患者的健康数据对患者进行糖尿病肾病分级,进而实现糖尿病和糖尿病肾病的分级管理。
具体地,存储于所述患者档案模块11的患者的健康数据包括首诊结论、有无并发症、糖尿病年限、血糖控制情况、定期血糖检测结果、血肌酐检测结果、尿蛋白检测结果等。
可以理解的是,通过所述患者档案模块11创建患者档案后,所述医院端20、所述院外端30和所述患者端40均能完善和查看所述患者档案,以在所述医院端20和所述院外端30实现所述患者档案的数据共享,进而实现所述医院端20和所述院外端30的联合管理。
特别地,至少一个院外端30被选定与所述医院端20进行联合管理,若选定两个以上院外端30协同管理,则所述患者档案能够在所述两个以上院外端30之间进行数据共享。
为了详细清楚地理解上述本发明糖尿病和糖尿病肾病的分级联合管理系统10,下面将从本发明糖尿病和糖尿病肾病的分级联合管理方法展开描述,如图2所示,所述糖尿病和糖尿病肾病的分级联合管理方法包括以下步骤:
S100、创建患者档案;
其中,若患者是在所述医院端20进行首次诊断,则所述患者档案能够通过所述医院端20创建,若患者是在所述院外端30寻求医疗服务,则所述患者档案能够通过所述院外端30创建;
S101、指定至少一个院外端对患者进行医疗服务;
S102、完善所述患者档案中患者的健康数据;
S103、根据所述患者的健康数据,对患者进行分级;
S104、根据患者的分级级别,将所述院外端的相应级别的分级服务分配至患者端。
具体地,如图3所示,所述步骤S102可以包括以下步骤:
S1021、获取所述患者的健康数据中的首诊结论;
其中,所述首诊结论包括糖尿病、糖耐量减低IGT和空腹血糖损害IFG;
S1022、确认所述患者有无并发症;
S1023、确认所述患者的健康数据中的糖尿病年限;
其中,所述糖尿病年限包括10年以上、3至10年和3年以下;
S1024、记录所述患者的健康数据中的定期血糖检测结果;
其中,所述定期血糖检测结果包括餐前血糖和餐后血糖,患者定期自我检测血糖并通过患者端完善所述定期血糖检测结果;
S1025、统计和分析一个设定时间范围内全部的定期血糖检测结果,得出血糖控制情况,其中血糖控制情况包括血糖控制稳定和血糖控制不稳定。
优选地,所述设定时间范围为1年。
针对所述步骤S1021、所述步骤S1022、所述步骤S1023、所述步骤S1024和所述步骤S1025,均能够通过所述医院端20、所述院外端30和/或所述患者端40执行。
本领域技术人员能够理解的是,若所述设定时间范围内全部的定期血糖检测结果中,餐前血糖≤8.0mmol/L且餐后血糖≤11.0mmol/L的占比3/4以上,则所述血糖控制情况为血糖控制稳定,反之,则所述血糖控制情况为血糖控制不稳定。
具体地,如图4所示,所述步骤S103可以包括以下步骤:
S1031、若所述首诊结论为糖尿病且患者有并发症,则将患者列为糖尿病一级;若所述首诊结论为糖尿病且患者无并发症,则将患者列为糖尿病二级;若所述首诊结论为糖耐量减低IGT和空腹血糖损害IFG且患者无并发症,则将患者列为糖尿病三级;
S1032、若所述患者的健康数据中的糖尿病年限为10年以上,则将患者列为糖尿病一级;若所述患者的健康数据中的糖尿病年限为3至10年,则将患者列为糖尿病二级;若所述患者的健康数据中的糖尿病年限为3年以下,则将患者列为糖尿病三级;
S1033、若所述患者的健康数据中的血糖控制情况为血糖控制不稳定,则将患者列为糖尿病一级;若所述患者的健康数据中的血糖控制情况为血糖控制稳定,则将患者列为糖尿病二级或糖尿病三级。
值得一提的是,所述步骤S1031、所述步骤S1032和所述步骤S1033都可以作为独立的步骤用于患者的糖尿病分级,不需要依次全部执行。
根据本发明的另一个方面,如图5所示,所述步骤S102还可以包括以下步骤:
S102a、获取患者的血肌酐检测结果;
其中,所述血肌酐检测结果用于判断肾功能损伤阶段,如肾功能损伤、肾功能异常和肾功能衰竭;
S102b、获取患者的尿蛋白检测结果,其中所述尿蛋白检测结果包括尿蛋白+、尿蛋白++和尿蛋白+++以上。
针对所述步骤S102a和所述步骤S102b,均能够通过所述医院端20、所述院外端30和/或所述患者端40执行。
相应地,如图6所示,所述步骤S103还可以包括以下步骤:
S103a、若男性患者的所述血肌酐检测结果为137~185umol/L,女性患者的所述血肌酐检测结果为107~145umol/L,则将患者列为糖尿病肾病早期;若男性患者的所述血肌酐检测结果为186~450umol/L,女性患者的所述血肌酐检测结果为146~354umol/L,则将患者列为糖尿病肾病中期;若男性患者的所述血肌酐检测结果为451umol/L以上,女性患者的所述血肌酐检测结果为355umol/L以上,则将患者列为糖尿病肾病晚期;
S103b、若所述患者的健康数据中的尿蛋白检测结果为尿蛋白+,则将患者列为糖尿病肾病早期;若所述患者的健康数据中的尿蛋白检测结果为尿蛋白++,则将患者列为糖尿病肾病中期;若所述患者的健康数据中的尿蛋白检测结果为尿蛋白+++以上,则将患者列为糖尿病肾病晚期。
值得一提的是,所述步骤S103a和所述步骤S103b都可以作为独立的步骤用于患者的糖尿病肾病分级,不需要依次全部执行。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种糖尿病和糖尿病肾病的分级联合管理系统,其特征在于,包括:
一个患者档案模块、一个糖尿病分级模块和一个糖尿病肾病分级模块,其中所述患者档案模块用于实现患者建档和存储患者的健康数据,所述糖尿病分级模块能够根据患者的健康数据对患者进行糖尿病分级,所述糖尿病肾病分级模块能够根据患者的健康数据对患者进行糖尿病肾病分级,其中所述糖尿病和糖尿病肾病的分级联合管理系统能够与医院端、院外端和患者端进行信息交互。
2.一种糖尿病和糖尿病肾病的分级联合管理方法,其特征在于,包括步骤:
创建患者档案;
指定至少一个院外端对患者进行医疗服务;
完善所述患者档案中患者的健康数据;
根据所述患者的健康数据,对患者进行分级;以及
根据患者的分级级别,将所述院外端的相应级别的分级服务分配至患者端。
3.根据权利要求2所述的糖尿病和糖尿病肾病的分级联合管理方法,其特征在于,所述步骤完善所述患者档案中患者的健康数据包括步骤:
获取所述患者的健康数据中的首诊结论;
确认所述患者有无并发症;
确认所述患者的健康数据中的糖尿病年限;
记录所述患者的健康数据中的定期血糖检测结果;以及
统计和分析一个设定时间范围内全部的定期血糖检测结果,得出血糖控制情况,其中血糖控制情况包括血糖控制稳定和血糖控制不稳定。
4.根据权利要求3所述的糖尿病和糖尿病肾病的分级联合管理方法,其特征在于,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若所述首诊结论为糖尿病且患者有并发症,则将患者列为糖尿病一级;若所述首诊结论为糖尿病且患者无并发症,则将患者列为糖尿病二级;若所述首诊结论为糖耐量减低IGT和空腹血糖损害IFG且患者无并发症,则将患者列为糖尿病三级。
5.根据权利要求3所述的糖尿病和糖尿病肾病的分级联合管理方法,其特征在于,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若所述患者的健康数据中的糖尿病年限为10年以上,则将患者列为糖尿病一级;若所述患者的健康数据中的糖尿病年限为3至10年,则将患者列为糖尿病二级;若所述患者的健康数据中的糖尿病年限为3年以下,则将患者列为糖尿病三级。
6.根据权利要求3所述的糖尿病和糖尿病肾病的分级联合管理方法,其特征在于,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若所述患者的健康数据中的血糖控制情况为血糖控制不稳定,则将患者列为糖尿病一级;若所述患者的健康数据中的血糖控制情况为血糖控制稳定,则将患者列为糖尿病二级。
7.根据权利要求3所述的糖尿病和糖尿病肾病的分级联合管理方法,其特征在于,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若所述患者的健康数据中的血糖控制情况为血糖控制不稳定,则将患者列为糖尿病一级;若所述患者的健康数据中的血糖控制情况为血糖控制稳定,则将患者列为糖尿病三级。
8.根据权利要求3所述的糖尿病和糖尿病肾病的分级联合管理方法,其特征在于,所述步骤完善所述患者档案中患者的健康数据进一步包括步骤:
获取患者的血肌酐检测结果;和
获取患者的尿蛋白检测结果,其中所述尿蛋白检测结果包括尿蛋白+、尿蛋白++和尿蛋白+++以上。
9.根据权利要求8所述的糖尿病和糖尿病肾病的分级联合管理方法,其特征在于,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若男性患者的所述血肌酐检测结果为137~185umol/L,女性患者的所述血肌酐检测结果为107~145umol/L,则将患者列为糖尿病肾病早期;若男性患者的所述血肌酐检测结果为186~450umol/L,女性患者的所述血肌酐检测结果为146~354umol/L,则将患者列为糖尿病肾病中期;若男性患者的所述血肌酐检测结果为451umol/L以上,女性患者的所述血肌酐检测结果为355umol/L以上,则将患者列为糖尿病肾病晚期。
10.根据权利要求8所述的糖尿病和糖尿病肾病的分级联合管理方法,其特征在于,在所述步骤根据所述患者的健康数据,对患者进行分级中,包括步骤:
若所述患者的健康数据中的尿蛋白检测结果为尿蛋白+,则将患者列为糖尿病肾病早期;若所述患者的健康数据中的尿蛋白检测结果为尿蛋白++,则将患者列为糖尿病肾病中期;若所述患者的健康数据中的尿蛋白检测结果为尿蛋白+++以上,则将患者列为糖尿病肾病晚期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110034485.6A CN112735588A (zh) | 2021-01-12 | 2021-01-12 | 一种糖尿病和糖尿病肾病的分级联合管理系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110034485.6A CN112735588A (zh) | 2021-01-12 | 2021-01-12 | 一种糖尿病和糖尿病肾病的分级联合管理系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112735588A true CN112735588A (zh) | 2021-04-30 |
Family
ID=75590341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110034485.6A Pending CN112735588A (zh) | 2021-01-12 | 2021-01-12 | 一种糖尿病和糖尿病肾病的分级联合管理系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112735588A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893752A (zh) * | 2016-03-31 | 2016-08-24 | 厦门市糖尿病研究所 | 一种慢病三师共管分级诊疗转诊系统与方法 |
CN110021437A (zh) * | 2017-10-31 | 2019-07-16 | 东莞东阳光科研发有限公司 | 一种糖尿病的管理方法和系统 |
CN110718302A (zh) * | 2019-10-22 | 2020-01-21 | 江苏健康无忧网络科技有限公司 | 一种基于大数据的糖尿病管理路径的系统 |
CN111755110A (zh) * | 2020-06-17 | 2020-10-09 | 山东沐华医疗科技有限公司 | 三高共管三级协同慢病管理平台 |
-
2021
- 2021-01-12 CN CN202110034485.6A patent/CN112735588A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893752A (zh) * | 2016-03-31 | 2016-08-24 | 厦门市糖尿病研究所 | 一种慢病三师共管分级诊疗转诊系统与方法 |
CN110021437A (zh) * | 2017-10-31 | 2019-07-16 | 东莞东阳光科研发有限公司 | 一种糖尿病的管理方法和系统 |
CN110718302A (zh) * | 2019-10-22 | 2020-01-21 | 江苏健康无忧网络科技有限公司 | 一种基于大数据的糖尿病管理路径的系统 |
CN111755110A (zh) * | 2020-06-17 | 2020-10-09 | 山东沐华医疗科技有限公司 | 三高共管三级协同慢病管理平台 |
Non-Patent Citations (1)
Title |
---|
刘志民: "内分泌与代谢疾病诊疗标准", vol. 1, 30 September 2014, 上海科学普及出版社, pages: 259 - 262 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dunlay et al. | Hospitalizations after heart failure diagnosis: a community perspective | |
Cheng et al. | Predicting inpatient acute kidney injury over different time horizons: how early and accurate? | |
Smart et al. | Early referral to specialist nephrology services for preventing the progression to end‐stage kidney disease | |
Song et al. | Robust clinical marker identification for diabetic kidney disease with ensemble feature selection | |
Panahiazar et al. | Using EHRs for heart failure therapy recommendation using multidimensional patient similarity analytics | |
Wagholikar et al. | Clinical decision support with automated text processing for cervical cancer screening | |
Mc Sharry et al. | ‘The chicken and egg thing’: cognitive representations and self-management of multimorbidity in people with diabetes and depression | |
US8589187B2 (en) | Automated clustering for patient disposition | |
WO2016022438A1 (en) | Automatic disease diagnoses using longitudinal medical record data | |
Bernardini et al. | Early temporal prediction of type 2 diabetes risk condition from a general practitioner electronic health record: a multiple instance boosting approach | |
Mistiaen et al. | Nutrition support teams: a systematic review | |
US20200258639A1 (en) | Medical device and computer-implemented method of predicting risk, occurrence or progression of adverse health conditions in test subjects in subpopulations arbitrarily selected from a total population | |
De Hond et al. | Machine learning for developing a prediction model of hospital admission of emergency department patients: Hype or hope? | |
US20220323018A1 (en) | Automatic prediction of blood infections | |
Ng et al. | Personalized treatment options for chronic diseases using precision cohort analytics | |
Huang et al. | A novel tool for visualizing chronic kidney disease associated polymorbidity: a 13-year cohort study in Taiwan | |
Zand et al. | Artificial intelligence for inflammatory bowel diseases (IBD); accurately predicting adverse outcomes using machine learning | |
Dorji et al. | An approach to diabetes prevention and management: the Bhutan experience | |
CN112447270A (zh) | 一种用药推荐方法、装置、设备及存储介质 | |
Gowsalya et al. | Predicting the risk of readmission of diabetic patients using MapReduce | |
Doerr et al. | Combination of European System for Cardiac Operative Risk Evaluation (EuroSCORE) and Cardiac Surgery Score (CASUS) to improve outcome prediction in cardiac surgery | |
Bauer-Mehren et al. | Network analysis of unstructured EHR data for clinical research | |
Lima et al. | Development and validation of a clinical instrument to predict risk of an adverse drug reactions in hospitalized patients | |
CN112735588A (zh) | 一种糖尿病和糖尿病肾病的分级联合管理系统和方法 | |
Li et al. | Development of a random forest model for hypotension prediction after anesthesia induction for cardiac surgery |
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 |