CN113012817A - 一种肝衰竭预测系统及方法 - Google Patents
一种肝衰竭预测系统及方法 Download PDFInfo
- Publication number
- CN113012817A CN113012817A CN202110496802.6A CN202110496802A CN113012817A CN 113012817 A CN113012817 A CN 113012817A CN 202110496802 A CN202110496802 A CN 202110496802A CN 113012817 A CN113012817 A CN 113012817A
- Authority
- CN
- China
- Prior art keywords
- information
- preset
- patient
- scheme
- habit
- 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
- 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
- A61B5/72—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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- 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
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
-
- 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)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Psychiatry (AREA)
- Developmental Disabilities (AREA)
- Physiology (AREA)
- Nutrition Science (AREA)
- Hospice & Palliative Care (AREA)
- Physical Education & Sports Medicine (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Child & Adolescent Psychology (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及疾病预测技术领域,公开了一种肝衰竭预测系统及方法,包括:采集患者临床信息和用户信息,所述临床信息包括用来进行肝衰竭检测的各项临床检测参数项;将患者临床信息按照用户信息进行等级分类;将已经等级分类的患者临床信息与对应等级的预设临床信息进行比较;根据患者临床信息与对应等级预设临床信息的匹配程度,得到至少一个与患者相匹配的预设方案,预设方案包括预设费用和预设风险等级。本发明能够准确快速地给肝衰竭患者提供与其症状相匹配的预设方案,并通过预设方案中包括的预设费用和预设风险等级能够帮助患者针对自己实际情况进行预设方案的选择,能够快速准确预测患者在实施预设方案后的病情发展情况。
Description
技术领域
本发明涉及疾病预测技术领域,具体涉及一种肝衰竭预测系统及方法。
背景技术
肝衰竭,是指肝脏受到病毒感染、酒精、药物等因素造成的损害后,引起肝细胞大量坏死及肝功能减退,从而出现以凝血功能障碍和黄疸、腹胀、腹水等为主要表现的一组临床症候群,主要通过一般治疗、药物治疗、手术治疗进行改善。肝衰竭是临床上一种死亡率极高的疾病。
肝衰竭的自然病程较长,病情发展迅速。在病情发展的不同阶段,其治疗方式包括内科治疗,人工肝治疗及肝移植治疗。内科及人工肝治疗的目的均为维持内环境稳定,帮助肝脏渡过难关,尽快恢复。肝移植作为肝衰竭后期唯一有效的治疗手段,不仅手术难度大,费用高,且肝源难获得,等待时间长,许多患者因未能等到合适肝源而死亡。从医生角度来看肝衰竭的治疗难度大,病情变化快,需根据情况不断调整治疗方案;从患者的角度讲经济压力大,预后不明确,常常面临人才两空的局面。
现在没有针对肝衰竭进行的预测系统和方法,一般仅凭医生的经验对患者进行方案建议和治疗,而患者家属在缺少医疗知识的前提下也无法准确选择适合患者实际情况的治疗方案,对治疗结果过于乐观和盲目,这不仅不利于患者及家属作出准确判断,也为可能激发医患矛盾。
因此,非常有必要,针对肝衰竭推出一种预测系统和方法,以便供医患双方都能够清楚明了地获知患者的病情发展情况和对应的花费情况。
发明内容
本发明意在提供一种肝衰竭预测方法,用来解决现在肝衰竭治疗周期长方案多选择困难的问题。
1. 本发明提供的基础方案为:一种肝衰竭预测方法,包括以下步骤:
步骤一,采集患者临床信息和用户信息,所述临床信息包括用来进行肝衰竭检测的各项临床检测参数项;
步骤二,将患者临床信息按照用户信息进行等级分类;
步骤三,将已经等级分类的患者临床信息与对应等级的预设临床信息进行比较;
步骤四,根据患者临床信息与对应等级预设临床信息的匹配程度,得到至少一个与患者相匹配的预设方案,预设方案包括预设费用和预设风险等级;
步骤五,选择一个预设方案作为确定预测方案;
步骤六,采集患者行为习惯信息,根据预测方案预测患者病情发展情况。
本方法的优点在于:
采用本方法,能够预测方案对应的患者病情发展情况预测展示出来,能够在预测方案实施之前给与患者及家属准确选择的前提,有效解决了现在肝衰竭病程长,治疗方式多,治疗费用极高,患者经济压力大的问题。
且借助该预测方法,能够建立肝衰竭患者死亡风险预测体系可合理优化医疗资源分配,提升救治效率。
进一步,在步骤一中,在采集患者临床信息和用户信息的同时,完成患者行为习惯信息的初步采集,在实施预测方案的同时定期更新患者行为习惯信息。
通过对行为信息的采集有助于更加针对性地区分和定义各个患者的实际情况。
进一步,所述行为习惯信息包括权重系数依次减小的睡眠习惯信息、运动习惯信息和饮食习惯信息。
在三个行为习惯信息中,睡眠习惯信息因为对肝脏的回复修养影响最大,其影响权重系数越最高,有助于预测结果更加精准。
进一步,在预测方案实施后,采集环境变化信息,通过环境变化信息和定期更新的行为习惯信息,动态调整预测方案预测的病情发展情况。
当预测方案实施后,并非根据初始预测就一成不变,而是结合环境变化信息和不断更新的行为习惯信息,动态调整预测方案预测的病情发展情况,充分考虑了环境变化因素和行为习惯因素给病情发展带来的变化。目前,我国有15%左右的肝衰竭找不到病因,也无法做到很好地治疗,而通过对环境变化因素和行为习惯因素的考虑,最大限度区别开每个患者的具体情况,有助于针对性地进行病因溯源和针对性地展开救治操作。本方法,不仅仅给医患双方提供可以相互沟通协调选择的基础,还为病因溯源提供了新的可能。
进一步,所述环境变化信息为当前环境信息与初始环境信息的变化范围信息。
环境变化信息强调的是在实施预测方案前后,环境变化对预测方案实施和对患者病情发展带来的影响。当前环境信息,指的是当前患者在预测方案实施期间的实际环境情况,初始环境信息,指的是在预测方案实施前或者在预测方案实施中,与当前环境产生较大差异的前一个环境的情况。
本发明还提供了一种肝衰竭预测系统,用来解决现在肝衰竭治疗周期长方案多选择困难的问题。
本方案中的肝衰竭预测系统,包括服务器以及与服务器分别连接的基础数据采集模块、行为数据采集模块和环境变化数据采集模块;所述服务器内设置有中央处理器以及与中央处理器分别连接的基础数据库、行为习惯数据库和环境因素数据库;所述基础数据库内分类存储有预设用户信息、预设临床信息和预设方案;所述预设方案包括预设费用和预设风险等级;所述中央处理器内设置有预测策略,中央处理器根据基础数据采集模块传递来的采集信息从基础数据库的多个预设方案中选择出一个作为预测方案并预测得到患者病情发展情况;中央处理器根据行为习惯数据采集模块和环境变化数据采集模块传递来的采集信息,中央处理器从行为习惯数据库和环境因素数据库中提取对预测方案的影响参数并动态修改预测方案,中央处理器通过动态修改后的预测方案预测得到患者病情发展情况。
本系统的优点在于:
采用本系统,能够在预测方案选择、实施之前,就通过预设方案清楚明了地给医患双方呈现出预设风险和预设风险等级,有助于患者及家属在选择何种预设方案作为预测方案之前清楚准确地知道每个方案需要花费的费用和可能遇到的风险,尽量避免盲目选择和过于乐观的情况,真正从患者实际出发将最合适的预设方案选择成为预测方案。而在选择预测方案后之后,能够直接预测得到患者病情发展情况,给患者及家属在真正实施该预测方案之前一个清楚直接的预测结果展示,给患者及家属是否选择实施该预测方案提供准确判断的基础。
此外,通过本系统,在预测方案实施之后,能够通过环境变化数据采集模块和行为习惯采集模块,充分考虑到环境因素和行为习惯因素给方案实施带来的影响,能够通过动态调整预测方案,更加精准地预测得到患者病情发展情况。
1. 进一步,所述基础数据采集模块的采集信息至少包括用户信息和临床信息。
用户信息和临床信息都是基本的采集信息,能够初步区别开每一个患者,便于通过用户信息与其他信息进行一一对应。
进一步,所述行为习惯数据采集模块的采集信息至少包括饮食习惯信息、运动习惯信息和睡眠习惯信息。
这三个习惯信息是人体对肝衰竭影响最大的三个行为习惯信息。
进一步,所述环境变化数据采集模块的采集信息至少包括光照变化信息、温度变化信息和湿度变化信息。
这三个环境变化信息是对肝衰竭影响最大的三个环境因素信息。
进一步,所述行为习惯数据库的影响参数比环境因素数据库的影响参数对预测方案的影响大。
相比于环境因素,对于人体,尤其是肝衰竭这样的器质性病变,行为习惯因素的影响更大一些。
附图说明
图1为本发明肝衰竭预测系统实施例一的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细的说明:
说明书附图中的标记包括:服务器1、基础数据库2、行为习惯数据库3、环境因素数据库4、环境变化数据采集模块5、行为习惯数据采集模块6、基础数据采集模块7。
实施例一
实施例基本如附图1所示:肝衰竭预测系统,包括服务器以及与服务器连接的数据采集模块,所述数据采集模块分别包括基础数据采集模块、行为习惯数据采集模块以及环境变化数据采集模块,所述服务器包括中央处理器以及与中央处理器分别连接的基础数据库、行为习惯数据库和环境因素数据库。
所述基础数据库内分类存储有预设用户信息、预设临床信息和预设方案;如表1所示,作为基础信息的用户信息和临床信息会统一在患者入院时进行检测,所述预设用户信息至少包括姓名、治疗时间、性别、年龄四个参数项,所述预设临床信息至少包括BMI、人工肝模式、入院时间、CTP评分、病毒数、总胆红素、直接胆红素、ALT、AST、总蛋白、白蛋白、Na、meld-Na、K、CHE、肌酐、PT、INR、血氨、血小板二十个参数项,所述预设方案至少包括预设操作步骤、预设费用、预设风险等级、预设生命期四个参数项。
表1. 入院时肝衰竭患者基础信息
序号 | 参数项 |
1 | 姓名 |
2 | 治疗时间 |
3 | 性别 |
4 | 年龄 |
5 | BMI |
6 | 人工肝模式 |
7 | 入院时间 |
8 | CTP评分 |
9 | 病毒数 |
10 | 总胆红素 |
11 | 直接胆红素 |
12 | ALT |
13 | AST |
14 | 总蛋白 |
15 | 白蛋白 |
16 | Na |
17 | meld-Na |
18 | K |
19 | CHE |
20 | 肌酐 |
21 | PT |
22 | INR |
23 | 血氨 |
24 | 血小板 |
在选定预设方案,形成确定的预测方案,在实施预测方案后,患者需要检测的临床信息如表2所示。
表2.入院后肝衰竭患者检测临床信息
序号 | 参数项 |
1 | 总胆红素 |
2 | 直接胆红素 |
3 | ALT |
4 | AST |
5 | 总蛋白 |
6 | 白蛋白 |
7 | Na |
8 | K |
9 | 肌酐 |
10 | PT |
11 | INR |
12 | 血氨 |
13 | 血小板 |
所述行为习惯数据库,分类存储有睡眠习惯信息、运动习惯信息和饮食习惯信息,且这三类习惯信息在整个习惯信息中的权重依次减小。
因为肝脏休息的时间是在晚上的11点至凌晨的1点左右。肝脏是一个可以解毒和排泄的器官,这个时间段正好处在肝脏排毒的时间。人们最好在此时间段内进行充足的睡眠,而且最好是达到熟睡的程度。中医上讲到,肝藏血,人卧则血归于肝,也就是这个道理。如果没有充足睡眠,肝的修复功能受损,对于肝衰竭患者的调理和恢复同样也会受到影响,因此在三个行为习惯信息当中,睡眠习惯信息占的权重最重。本实施例中,睡眠习惯信息对整个行为习惯信息在肝衰竭预测中的影响占到70%-93%,运动习惯信息的比重略重在于饮食习惯信息。
所述环境因素数据库内分类存储有光照度信息、温度信息和湿度信息。光照度信息、温度信息和湿度信息在整个环境因素中的影响比重,依次减小。因为光照度对睡眠有直接影响,而睡眠对肝脏的修复有良好的促进作用,因此,光照度信息在整个环境因素中的比重最重,占到整个环境因素比重的55%-65%,温度信息相比于湿度信息更加能够影响人体健康,因此温度信息的比重比湿度信息高10%-20%。
基础数据采集模块,利用现有技术手段对患者进行用户信息和临床信息的采集,用户习惯数据采集模块,同样利用现有技术手段对患者的饮食习惯信息、运动习惯信息好睡眠习惯信息进行采集,并在预测方案实施后进行定期采集更新,这个定期为一个疗程的十二分之一时间段,最短可以精确到两小时。
环境变化数据采集模块,利用现有技术手段,对患者在实施预测方案前和预测方案后的环境信息变化进行采集记录,具体采集光照变化信息、温度变化信息和湿度变化信息,并针对每个变化信息,分别完成变化幅度、变化时间和影响效果的记录。
中央处理器内预设有预测策略,中央处理器按照预测策略进行肝衰竭病情发展情况预测。
具体地,在进行肝衰竭预测时,包括以下步骤:
步骤一,通过基础数据采集模块分别采集患者临床信息和用户信息,所述临床信息包括用来进行肝衰竭检测的各项临床检测参数项;
步骤二,中央处理器内预设有用户信息等级表,不同等级的用户信息,其按照预测策略对应的各个影响参数的权重值范围不同;中央处理器根据用户信息等级表,将用户信息分级,并将患者临床信息按照用户信息进行等级分类,将对应的患者临床信息与对应等级的预设临床信息进行对比。不同等级的患者临床信息与预设临床信息进行对比,能够更加精准地进行预测判断。本实施例中,用户信息重点通过性别和年龄进行危重程度分类,一般在16-42岁的男性,因为其肝衰竭发病率最高,其对应的危重程度高,对应的预设方案的预设操作步骤也越高等级。
步骤三,将已经等级分类的患者临床信息与基础数据库中对应等级的预设临床信息进行比较;
步骤四,根据患者临床信息与对应等级预设临床信息的匹配程度,通过现有技术,例如关键词对比等,当匹配程度达到95%以上时,认定为匹配成功,得到至少一个与患者相匹配的预设方案,预设方案包括预设费用和预设风险等级;
步骤五,选择一个预设方案作为确定的预测方案;
步骤六,采集患者行为习惯信息,根据预测方案预测患者病情发展情况。
其中,在步骤一中,在采集患者临床信息和用户信息的同时,完成患者行为习惯信息的初步采集,在实施预测方案的同时定期更新患者行为习惯信息。通过对行为信息的采集有助于更加针对性地区分和定义各个患者的实际情况。
采用本方法,能够预测方案对应的患者病情发展情况预测展示出来,能够在预测方案实施之前给与患者及家属准确选择的前提,有效解决了现在肝衰竭病程长,治疗方式多,治疗费用极高,患者经济压力大的问题。且借助该预测方法,能够建立肝衰竭患者死亡风险预测体系可合理优化医疗资源分配,提升救治效率。
本实施例,能够根据患者爆发肝衰竭入院时的基线水平,以及治疗后各项指标的变化情况,建立肝衰竭患者死亡风险预测体系,就可帮助医护人员合理制定治疗方案并及时调整,更能早期预测肝移植的必要性,从而提前准备。而患者及家属也可进一步了解病情的严重程度,从而做好心理及经济准备,充分配合治疗,最终提高肝衰竭治疗的成功率。
实施例二
本实施例中,通过互信息计算方式调整环境因素和行为习惯因素对预测方案的动态调整的影响参数,总体来说,行为习惯影响参数大于环境因素影响参数,由此来尽量规避掉环境因素和行为习惯因素给预测方案实施和预测结果带来的不确定性,使对于同一用户等级分类中,能够更加精准地通过行为习惯因素和环境因素的考虑来区分出患者之间的差异性,时预测结果更加精准。具体地,采用以下方式进行环境因素和行为习惯因素的影响参数进行提取和动态调整:
信息熵是用来描述信源不确定度的,通常可以利用信息熵来对信息进行度量,一般式如公式(3-6)所示:
信息熵越大,代表所含有的信息量越大,信息熵越小,信息量越小。通过分别采集到的行为习惯信息和环境变化信息,分别计算整个行为习惯数据和整个环境因素的数据量,即分别计算行为习惯的信息熵和环境因素的信息熵。在计算行为习惯的信息熵的时候,需要依次计算睡眠习惯信息、运动习惯信息和饮食习惯信息。在计算环境因素的信息熵的时候,需要依次计算光照变化信息、温度变化信息和湿度变化信息。
在信息熵的基础上,计算出行为习惯因素和环境因素彼此的互信息,互信息的定义为一个随机变量X中包含了另外一个随机变量Y中信息量的多少。互信息的一般公式可以写为式(3-7)所示:
其中H(X|Y)叫做条件熵,是在某个事件Y已知的条件下,事件X的不确定性。本实施例中X为环境因素,Y为行为习惯因素,通过信息熵公式(3-6)展开,可以得到公式(3-8)所示:
最后把公式(3-7)展开,可以得到互信息系在一般概率方法上的计算公式,如(3-9)所示:
其中,p(x)和p(y)为变量X,Y的边缘分布,本实施例中x和y分别为环境因素的影响参数以及行为习惯因素的影响参数,p(x,y)为X、Y联合概率密度。通过从预测方案实施开始到当前定期得到的历史检测数据,以及对应的环境因素和行为习惯因素影响参数的对应数值,按照现有技术得到样本变量之间的边缘概率密度以及它们之间的联合概率密度,从而能够根据当下实时情况得到环境因素和行为习惯因素对预测方案的影响力参数,进而能够更加精准地动态调整预测方案,得到更加精准的预测结果。
实施例三
本实施例中,所有预设方案除了包括预设费用、预设风险等级和预设操作手段以外,还一一对应有预设生命期和预设疼痛范围值,除了数值化的呈现以外,还会通过变化趋势图进行动态展示。其中,预设费用,包括可用来进行预设费用填补的保险等内容的补充,以及实际医院花费的费用,并能够根据所在区域实际情况给出替换付费操作建议。而预设风险等级,本实施例中仅为高中低三种,而对于高风险又针对不同年龄段进行了细化分类,其紧急程度依次降低排序为危重特急、危重紧急、危险紧急三个层次。而预设生命周期和预设疼痛范围值都是根据患者的实施采集到的临床信息进行动态调整的。这样能够更加清楚直观地给患者预测和展示每种方案对应的结果,便于患者及家属清楚认识方案过程,便于积极配合。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.一种肝衰竭预测方法,其特征在于,包括以下步骤:
步骤一,采集患者临床信息和用户信息,所述临床信息包括用来进行肝衰竭检测的各项临床检测参数项;
步骤二,将患者临床信息按照用户信息进行等级分类;
步骤三,将已经等级分类的患者临床信息与对应等级的预设临床信息进行比较;
步骤四,根据患者临床信息与对应等级预设临床信息的匹配程度,得到至少一个与患者相匹配的预设方案,预设方案包括预设费用和预设风险等级;
步骤五,选择一个预设方案作为确定预测方案;
步骤六,采集患者行为习惯信息,根据预测方案预测患者病情发展情况。
2.根据权利要求1所述的肝衰竭预测方法,其特征在于,在步骤一中,在采集患者临床信息和用户信息的同时,完成患者行为习惯信息的初步采集,在实施预测方案的同时定期更新患者行为习惯信息。
3.根据权利要求2所述的肝衰竭预测系统,其特征在于,所述行为习惯信息包括权重系数依次减小的睡眠习惯信息、运动习惯信息和饮食习惯信息。
4.根据权利要求3所述的肝衰竭预测方法,其特征在于,在预测方案实施后,采集环境变化信息,通过环境变化信息和定期更新的行为习惯信息,动态调整预测方案预测的病情发展情况。
5.根据权利要求4所述的肝衰竭预测方法,其特征在于,所述环境变化信息为当前环境信息与初始环境信息的变化范围信息。
6.一种肝衰竭预测系统,其特征在于,包括服务器以及与服务器分别连接的基础数据采集模块、行为数据采集模块和环境变化数据采集模块;所述服务器内设置有中央处理器以及与中央处理器分别连接的基础数据库、行为习惯数据库和环境因素数据库;所述基础数据库内分类存储有预设用户信息、预设临床信息和预设方案;所述预设方案包括预设费用和预设风险等级;所述中央处理器内设置有预测策略,中央处理器根据基础数据采集模块传递来的采集信息从基础数据库的多个预设方案中选择出一个作为预测方案并预测得到患者病情发展情况;中央处理器根据行为习惯数据采集模块和环境变化数据采集模块传递来的采集信息,中央处理器从行为习惯数据库和环境因素数据库中提取对预测方案的影响参数并动态修改预测方案,中央处理器通过动态修改后的预测方案预测得到患者病情发展情况。
7.根据权利要求6所述的肝衰竭预测系统,其特征在于,所述基础数据采集模块的采集信息至少包括用户信息和临床信息。
8.根据权利要求6所述的肝衰竭预测系统,其特征在于,所述行为习惯数据采集模块的采集信息至少包括饮食习惯信息、运动习惯信息和睡眠习惯信息。
9.根据权利要求6所述的肝衰竭预测系统,其特征在于,所述环境变化数据采集模块的采集信息至少包括光照变化信息、温度变化信息和湿度变化信息。
10.根据权利要求6所述的肝衰竭预测系统,其特征在于,所述行为习惯数据库的影响参数比环境因素数据库的影响参数对预测方案的影响大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110496802.6A CN113012817B (zh) | 2021-05-07 | 2021-05-07 | 一种肝衰竭预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110496802.6A CN113012817B (zh) | 2021-05-07 | 2021-05-07 | 一种肝衰竭预测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113012817A true CN113012817A (zh) | 2021-06-22 |
CN113012817B CN113012817B (zh) | 2023-06-13 |
Family
ID=76380607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110496802.6A Active CN113012817B (zh) | 2021-05-07 | 2021-05-07 | 一种肝衰竭预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113012817B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116884631A (zh) * | 2023-09-06 | 2023-10-13 | 杭州生奥信息技术有限公司 | 基于ai和相似患者分析的综合肝衰竭预测与治疗参考系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915560A (zh) * | 2015-06-11 | 2015-09-16 | 万达信息股份有限公司 | 一种基于广义神经网络聚类的疾病病种诊疗方案预测方法 |
CN107563142A (zh) * | 2017-09-12 | 2018-01-09 | 为朔医学数据科技(北京)有限公司 | 一种辅助诊断方法及系统 |
CN110841205A (zh) * | 2019-10-21 | 2020-02-28 | 温州医科大学附属第一医院 | 一种肿瘤患者精准剂量验证方法、装置及设备 |
CN111081384A (zh) * | 2019-12-06 | 2020-04-28 | 浙江迪谱诊断技术有限公司 | 一种心血管疾病临床用药指导系统及方法 |
CN111105860A (zh) * | 2019-12-18 | 2020-05-05 | 青岛科技大学 | 面向慢性病康复的精准运动大数据智能预测、分析及优化系统 |
CN111933237A (zh) * | 2020-08-31 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 慢病处理方法、装置及相关设备 |
-
2021
- 2021-05-07 CN CN202110496802.6A patent/CN113012817B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915560A (zh) * | 2015-06-11 | 2015-09-16 | 万达信息股份有限公司 | 一种基于广义神经网络聚类的疾病病种诊疗方案预测方法 |
CN107563142A (zh) * | 2017-09-12 | 2018-01-09 | 为朔医学数据科技(北京)有限公司 | 一种辅助诊断方法及系统 |
CN110841205A (zh) * | 2019-10-21 | 2020-02-28 | 温州医科大学附属第一医院 | 一种肿瘤患者精准剂量验证方法、装置及设备 |
CN111081384A (zh) * | 2019-12-06 | 2020-04-28 | 浙江迪谱诊断技术有限公司 | 一种心血管疾病临床用药指导系统及方法 |
CN111105860A (zh) * | 2019-12-18 | 2020-05-05 | 青岛科技大学 | 面向慢性病康复的精准运动大数据智能预测、分析及优化系统 |
CN111933237A (zh) * | 2020-08-31 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 慢病处理方法、装置及相关设备 |
Non-Patent Citations (2)
Title |
---|
李爽 等: "急性肝衰竭病情严重程度评估" * |
谈军涛 等: "基于机器学习算法的肝硬化相关肝性脑病预测模型的构建" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116884631A (zh) * | 2023-09-06 | 2023-10-13 | 杭州生奥信息技术有限公司 | 基于ai和相似患者分析的综合肝衰竭预测与治疗参考系统 |
CN116884631B (zh) * | 2023-09-06 | 2023-12-12 | 杭州生奥信息技术有限公司 | 基于ai和相似患者分析的综合肝衰竭预测与治疗参考系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113012817B (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ghassemi et al. | Unfolding physiological state: Mortality modelling in intensive care units | |
Anand et al. | Prediction of diabetes based on personal lifestyle indicators | |
CN102947832B (zh) | 患者记录的身份匹配 | |
US20200315518A1 (en) | Apparatus for processing data for predicting dementia through machine learning, method thereof, and recording medium storing the same | |
Leung et al. | Types of intraocular lenses for cataract surgery in eyes with uveitis | |
Pramono et al. | Prevalence and predictors of undiagnosed diabetes mellitus in Indonesia | |
Khaing | Data mining based fragmentation and prediction of medical data | |
KR20170061222A (ko) | 건강데이터 패턴의 일반화를 통한 건강수치 예측 방법 및 그 장치 | |
Herbert et al. | Are unaudited records from an outcomes registry database accurate? | |
Kalaiselvi et al. | Prediction of heart diseases and cancer in diabetic patients using data mining techniques | |
CN109920547A (zh) | 一种基于电子病历数据挖掘的糖尿病预测模型构建方法 | |
JP2006517426A (ja) | グルコース代謝障害のスクリーニング方法 | |
US20100185573A1 (en) | Method and Apparatus for Diagnosing an Allergy of the Upper Respiratory Tract Using a Neural Network | |
CN107391941A (zh) | 一种提高用药依从性的方法和系统 | |
CN105005709A (zh) | 基于单病种治疗过程的流程挖掘方法 | |
CN106919804A (zh) | 基于临床数据的药物推荐方法、推荐装置及服务器 | |
CN112967803A (zh) | 基于集成模型的急诊患者早期死亡率预测方法及系统 | |
Waite et al. | Lack of association between patients' measured burden of disease and risk for hospital readmission | |
CN113012817A (zh) | 一种肝衰竭预测系统及方法 | |
WO2022229964A1 (en) | Method of generating a diseases database, usage of the diseases database, and system therefor | |
WO2010082057A1 (en) | A method for diagnosing urticaria and angioedema | |
CN113140275B (zh) | 一种肝癌靶向治疗疗效的监测系统及方法 | |
EP2387761A1 (en) | A method for diagnosing food allergy | |
KR20130008677A (ko) | 사상체질 분류방법 | |
NEVITT et al. | Risk factors for hospitalization and surgery in patients with rheumatoid arthritis: implications for capitated medical payment |
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 |