CN113130021B - 一种临床数据的分析方法、装置、可读介质及电子设备 - Google Patents

一种临床数据的分析方法、装置、可读介质及电子设备 Download PDF

Info

Publication number
CN113130021B
CN113130021B CN201911406197.8A CN201911406197A CN113130021B CN 113130021 B CN113130021 B CN 113130021B CN 201911406197 A CN201911406197 A CN 201911406197A CN 113130021 B CN113130021 B CN 113130021B
Authority
CN
China
Prior art keywords
analysis
clinical data
index
analyzed
determining
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
Application number
CN201911406197.8A
Other languages
English (en)
Other versions
CN113130021A (zh
Inventor
宁波
栾天野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou Yidu Cloud Technology Co ltd
Original Assignee
Guizhou Yidu Cloud Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guizhou Yidu Cloud Technology Co ltd filed Critical Guizhou Yidu Cloud Technology Co ltd
Priority to CN201911406197.8A priority Critical patent/CN113130021B/zh
Publication of CN113130021A publication Critical patent/CN113130021A/zh
Application granted granted Critical
Publication of CN113130021B publication Critical patent/CN113130021B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • 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
    • 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
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Toxicology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Automatic Analysis And Handling Materials Therefor (AREA)

Abstract

本发明公开了一种临床数据的分析方法、装置、可读介质及电子设备，包括：确定待分析临床数据，并确定所述待分析临床数据对应的分析模型；所述分析模型中包括至少一个分析指标；根据所述分析指标确定所述待分析临床数据对应指标分析值；根据所述指标分析值，确定所述待分析临床数据的分析结果；通过分析模型中的分析指标对待分析临床数据进行分析，确定相应的分析结果，实现了高效，并且客观、准确的分析流程，减少了人工分析的工作量，提高了分析效率和准确性。

Description

一种临床数据的分析方法、装置、可读介质及电子设备
技术领域
本发明涉及计算机技术领域，尤其涉及一种临床数据的分析方法、装置、可读介质及电子设备。
背景技术
广义上的临床数据，可以包括药品、医疗器械、医疗技术等各类能够对疾病起到诊疗作用的解决方案。在医学领域，临床数据种类繁多，功能各异，同时需要针对各种各样的疾病和症状。所以要分析各种临床数据的适用性，是一件非常复杂的工作。
现有技术中，多为通过医务人员的经验，对临床数据进行人工分析。这种方式效率低下，会占用医务人员大量宝贵的时间；而且存在主观因素，分析结果并不稳定。
发明内容
本发明提供一种临床数据的分析方法、装置、可读介质及电子设备，通过建立分析模型，对一种疾病的临床数据进行高效且客观的分析，以提供给科研人员，有利于科研人员对该临床数据对应的方案进一步进行分析。
第一方面，本发明提供了一种临床数据的分析方法，包括：
确定待分析临床数据，并确定所述待分析临床数据对应的分析模型；所述分析模型中包括至少一个分析指标；
根据所述分析指标确定所述待分析临床数据对应指标分析值；
根据所述指标分析值，确定所述待分析临床数据的分析结果。
优选地，所述确定待分析临床数据包括：
从任意一种疾病对应的临床数据中，从该疾病的多种临床数据类型中获取至少一个相应的临床数据，作为所述待分析临床数据。
优选地，所述确定所述待分析临床数据对应的分析模型包括：
确定与所述待分析临床数据中包括的临床数据类型匹配的分析模型；
所述分析指标包括第一类分析指标和第二类分析指标；所述分析模型中包括针对所述第一类分析指标和第二类分析指标预设的第一权重系数。
优选地，所述根据所述分析指标确定所述待分析临床数据对应指标分析值包括：
根据所述第二类分析指标，确定所述待分析临床数据对应各所述第二类分析指标的指标分析值。
优选地，所述根据所述指标分析值，确定所述待分析临床数据的分析结果包括：
根据所述指标分析值，和所述第一类分析指标和第二类分析指标预设的第一权重系数，确定所述待分析临床数据的分析分布数据；
根据所述分析分布数据，确定所述分析结果。
优选地，所述根据所述指标分析值，和所述第一类分析指标和第二类分析指标预设的第一权重系数，确定所述待分析临床数据的分析分布数据包括：
根据所述第一类分析指标和第二类分析指标预设的第一权重系数，确定所述指标分析值对应的第二权重系数；
根据各所述指标分析值和相应的第二权重系数，确定所述分析分布数据。
优选地，当所述待分析临床数据的数量为多个，还包括：
根据各所述待分析临床数据的分析结果，确定至少一个目标临床数据；
根据所述目标临床数据对应的历史医疗数据，对所述分析结果进行验证。
第二方面，本发明提供了一种临床数据的分析装置，包括：
方案确定模块，用于确定待分析临床数据，并确定所述待分析临床数据对应的分析模型；所述分析模型中包括至少一个分析指标；
指标分析值确定模块，用于根据所述分析指标确定所述待分析临床数据对应指标分析值；
分析模块，用于根据所述指标分析值，确定所述待分析临床数据的分析结果。
第三方面，本发明提供了一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第一方面中任一所述的临床数据的分析方法。
第四方面，本发明提供了一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第一方面中任一所述的临床数据的分析方法。
本发明提供了一种临床数据的分析方法、装置、可读介质及电子设备，通过分析模型中的分析指标对待分析临床数据进行分析，确定相应的分析结果，实现了高效，并且客观、准确的分析流程，减少了人工分析的工作量，提高了分析效率和准确性。
上述的非惯用的优选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种临床数据的分析方法的流程示意图；
图2为本发明一实施例提供的另一种临床数据的分析方法的流程示意图；
图3为本发明以实施例提供的一种临床数据的分析方法中涉及的分析模型的结构示意图；
图4为本发明一实施例提供的一种临床数据的分析装置的结构示意图；
图5为本发明一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本发明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。
广义上的临床数据，可以包括药品、医疗器械、医疗技术等各类能够对疾病起到诊疗作用的解决方案。在医学领域，临床数据种类繁多，功能各异，同时需要针对各种各样的疾病和症状。所以要分析各种临床数据的适用性，是一件非常复杂的工作。
以针对药品的分析为例，药品分析需要考虑到其治疗效果、经济成本、过敏反应等多方面的因素，结合多种指标进行分析分析，方可得知其是否适合在特定领域或特定场景下使用。
这一分析过程相对繁琐。在现有技术中，需要医务人员利用经验以及针对性的分析逻辑完成。这种方式效率低下，会占用医务人员大量宝贵的时间；而且存在主观因素，分析结果并不稳定。有鉴于此，本发明提供了一种临床数据的分析方法及装置，通过建立分析模型，对临床数据进行高效且客观的分析。
参见图1所示，为本发明提供的临床数据的分析方法的具体实施例。本实施例中，所述方法具体包括以下步骤：
步骤101、确定待分析临床数据，并确定所述待分析临床数据对应的分析模型。
待分析临床数据，即本实施例中涉及的分析方法所针对的目标。待分析临床数据通常是针对特定领域的临床数据。具体的，可以从任意一种疾病对应的临床数据中，从该疾病的多种临床数据类型中获取至少一个相应的临床数据，作为所述待分析临床数据。
任意一种疾病对应的临床数据，可以来自于当前有潜在的分析需求的各种临床数据的集合。本实施例中可根据其中临床数据的类型进行分类，确定出待分析临床数据。例如，临床数据的集合中包括了针对各种疾病和症状的大量药物和医疗器械。而本实施例中，可从中选择类型为″心脏病类药物″的临床数据，以作为待分析临床数据。即是说，筛选得到的待分析方案，均为用于治疗心脏病的药物。
可以理解的是，对于不同类型的临床数据，其分析的具体逻辑也不相同。所以本实施例中，将同类型的临床数据作为待分析临床数据，即可统一的进行分析。也就是说，本实施例中可以确定与所述待分析临床数据中包括的临床数据类型匹配的分析模型。所述分析模型中包括至少一个分析指标。一个分析指标可以代表一个对待分析临床数据进行分析的维度。分析指标可以是并列的多个，也可是有层级关系的多个。本实施例中对此不做限定。
例如，在药物分析当中，最高层级的分析指标可以包括安全性、有效性、经济性、创新性、需要性和可及性等。而在″需要性″这一上级指标之下，还可能有″疾病的流行″、″疾病的严重程度″、″能力提升需求″等若干下级指标。
步骤102、根据所述分析指标确定所述待分析临床数据对应指标分析值。
根据分析指标，可以对待分析临床数据的一个维度进行分析，并得到一个指标分析值，以代表该待分析临床数据在该分析指标的维度上的表现。在本实施例中，如果分析模型包括有层级关系的多个分析指标，则最下级的分析指标可采取″选择题″或″判断题″的形式，对应的每个答案可赋予一定的分值。那么以最下级的分析指标直接分析，得到相应的分值即为指标分析值。
利用″选择题″或″判断题″形式的分析指标进行分析，并确定指标分析值的过程，可以通过预先建立的算法进行自动分析，也可采取人工分析的方式。本实施例中对此不做限定。
步骤103、根据所述指标分析值，确定所述待分析临床数据的分析结果。
通常，在分析模型中还会为各个分析指标确定一个相应的权重系数，以体现出各个分析指标在分析当中的侧重。进而将指标分析值和相应权重系数进行加权计算，即可得到分析结果。该分析结果可以以数值分布的形式呈现，以直观的体现出待分析临床数据在各个维度上的表现。也可以以″总分″的形式呈现，以直接体现其综合表现。
另外，无论以″数值分布″还是″总分″的形式呈现，该分析结果均可以图标、图像或文本的形式进行可视化展示，以便于医务人员能够直接的获悉。
通过以上技术方案可知，本实施例存在的有益效果是：通过分析模型中的分析指标对待分析临床数据进行分析，确定相应的分析结果，实现了高效，并且客观、准确的分析流程，减少了人工分析的工作量，提高了分析效率和准确性。
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，为本发明所述临床数据的分析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，结合具体的应用场景进行说明。所述方法具体包括以下步骤：
步骤201、确定待分析临床数据。
本实施例中，可假设所述待分析方案的类型为″心脏病类药物″。待分析临床数据具体为″药物A″。
步骤202、确定与所述待分析临床数据中包括的临床数据类型匹配的分析模型。
本实施例中确定与″心脏病类药物″匹配的分析模型，该模型的结构如图3所示。该分析模型中，具体包括了6个分析指标，具体为x1、x2、y1、y2、y3、y4。所述分析指标包括第一类分析指标和第二类分析指标。其中，第一类分析指标为一个或多个上层级的分析指标；第二类分析指标为最下层级的分析指标。在其他情况下，如分析指标存在大于2个层级，则同理仅最下层级为第二类分析指标，其余各层级均为第一类分析指标。从图3中可看出，x1，x2属于第一类分析指标，y1、y2、y3、y4属于第二类分析指标。y1和y2属于x1的下级分析指标，y3和y4属于x2的下级分析指标。
所述分析模型中包括针对所述第一类分析指标和第二类分析指标预设的第一权重系数。分析指标与第一权重信息的对应关系如表1所示。
表1：
分析指标 第一权重系数
x1 20
x2 25
y1 30
y2 35
y3 10
y4 15
步骤203、根据所述第二类分析指标，确定所述待分析临床数据对应各所述第二类分析指标的指标分析值。
本实施例中，第二类分析指标采取″选择题″或″判断题″的形式，对应的每个答案可赋予一定的分值。那么以第二类分析指标直接对药物A进行分析，判断药物A的特性与第二分析指标之下的哪个答案相匹配，进而得到相应的分值即为药物A相对于各个第二类分析指标的指标分析值。
本实施例中，药物A的各指标分析值如表2所示。
表2：
分析指标 指标分析值
y1 3.0
y2 2.5
y3 4.0
y4 3.5
步骤204、根据所述指标分析值，和所述第一类分析指标和第二类分析指标预设的第一权重系数，确定所述待分析临床数据的分析分布数据。
在本实施例中，可以根据所述第一类分析指标和第二类分析指标预设的第一权重系数，确定所述指标分析值对应的第二权重系数(也就是第二类分析指标对应的第二权重系数)。具体的，可以将一个第二类分析指标的第一权重系数，与其各上级的第一类分析指标的第一权重系数相乘，得到对应的计数权重。再以所述计数权重乘以预设的系数，便得到第二权重系数。该预设的系数可以根据经验或使用需求进行设定，对此不做限定。本实施例中假设该系数的数值为0.01，则如表3所示。
表3：
Figure BDA0002348689690000111
结合表2和表3，能够确定各个分析指标值与对应的第二权重系数的关系，如表4所示。
表4：
分析指标 指标分析值 第二权重系数
y1 3.0 6
y2 2.5 7
y3 4.0 2.5
y4 3.5 3.75
根据各所述指标分析值和相应的第二权重系数，确定可以确定分析指标对应的分析分布数据。例如，可以将指标分析值与第二权重系数相乘，得到药物A相对于第二类分析指标的最终评分。根据最终评分以确定药物A对于第二类分析指标的分析分布数据。该分析分布数据体现了其相对于第二类分析指标的表现。该分析分布数据如表5所示。
表5：
Figure BDA0002348689690000112
Figure BDA0002348689690000121
另外，也可根据通过各个下级分析指标的最终评分加和，得到上级分析指标的最终评分，进而确定药物A对于第一类分析指标的分析分布数据。该分析分布数据体现了其相对于第一类分析指标的表现。如表6所示。
表6：
分析指标 最终评分
x1 18+17.5＝35.5
x2 10+13.13＝23.13
步骤205、根据所述分析分布数据，确定所述分析结果。
上述的分析分布数据，可直接作为分析结果，以直观的体现出药物A在各个维度上的表现。也可以对各个最终评分求和，以″总分″的形式呈现，以直接体现药物A的综合表现。本实施例中采用″总分″的方式确定药物A的分析结果为18+17.5+10+13.13＝58.63。该分析结果即对于药物A进行分析后，得到的量化结果。
至此，本实施例中实现了对于待分析临床数据(即药物A)的分析，同理亦可对其他任何临床数据进行分析，在此不赘述。
另外需要说明的是，在本发明可能从临床数据集合中筛选出多个同一类型的待分析临床数据。当所述待分析临床数据的数量为多个，则可以根据各所述待分析临床数据的分析结果，确定至少一个目标临床数据。也就是说，可以通过分析，从多个待分析临床数据中，筛选出至少一个表现相对良好者，作为目标临床数据以进行更进一步的分析。
具体的，可以根据所述目标临床数据对应的历史医疗数据，对所述分析结果进行验证。上述的分析结果属于从数据分析的层面上，确定了目标临床数据在多个待分析临床数据中相对表现更好。进一步的还可以研究目标临床数据在临床中的实际表现，即取得所述目标临床数据对应的历史医疗数据，以此对分析结果进行印证和检验，从而确定分析结果是否真实准确。
如图4所示，为本发明所述临床数据的分析装置的一个具体实施例。本实施例所述装置，即用于执行图1～2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。本实施例中所述装置包括：
方案确定模块401，用于确定待分析临床数据，并确定所述待分析临床数据对应的分析模型；所述分析模型中包括至少一个分析指标。
指标分析值确定模块402，用于根据所述分析指标确定所述待分析临床数据对应指标分析值。
分析模块403，用于根据所述指标分析值，确定所述待分析临床数据的分析结果。
另外在图4所示实施例的基础上，优选地，方案确定模块401包括：
方案确定单元，用于从任意一种疾病对应的临床数据中，从该疾病的多种临床数据类型中获取至少一个相应的临床数据，作为所述待分析临床数据。
模型确定单元，用于确定与所述待分析临床数据中包括的临床数据类型匹配的分析模型；所述分析指标包括第一类分析指标和第二类分析指标；所述分析模型中包括针对所述第一类分析指标和第二类分析指标预设的第一权重系数。
优选地，所述分析模块403包括：
分析分布数据确定单元，用于根据所述指标分析值，和所述第一类分析指标和第二类分析指标预设的第一权重系数，确定所述待分析临床数据的分析分布数据。
其中，所述根据所述指标分析值，和所述第一类分析指标和第二类分析指标预设的第一权重系数，确定所述待分析临床数据的分析分布数据包括：根据所述第一类分析指标和第二类分析指标预设的第一权重系数，确定所述指标分析值对应的第二权重系数；根据各所述指标分析值和相应的第二权重系数，确定所述分析分布数据。
分析结果确定单元，用于根据所述分析分布数据，确定所述分析结果。
优选地，还包括：
目标临床数据确定模块，用于根据各所述待分析临床数据的分析结果，确定至少一个目标临床数据。
验证模块，用于根据所述目标临床数据对应的历史医疗数据，对所述分析结果进行验证。
图5是本发明实施例提供的一种电子设备的结构示意图。在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放执行指令。具体地，执行指令即可被执行的计算机程序。存储器可以包括内存和非易失性存储器，并向处理器提供执行指令和数据。
在一种可能实现的方式中，处理器从非易失性存储器中读取对应的执行指令到内存中然后运行，也可从其它设备上获取相应的执行指令，以在逻辑层面上形成临床数据的分析装置。处理器执行存储器所存放的执行指令，以通过执行的执行指令实现本发明任一实施例中提供的临床数据的分析方法。
上述如本发明图4所示实施例提供的临床数据的分析装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
本发明实施例还提出了一种可读介质，该可读存储介质存储有执行指令，存储的执行指令被电子设备的处理器执行时，能够使该电子设备执行本发明任一实施例中提供的临床数据的分析方法，并具体用于执行如图1或图2所示的方法。
前述各个实施例中所述的电子设备可以为计算机。
本领域内的技术人员应明白，本发明的实施例可提供为方法或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句″包括一个......″限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种临床数据的分析方法，其特征在于，包括：
确定待分析临床数据，并确定所述待分析临床数据中包括的临床数据类型匹配的分析模型；所述分析模型中包括至少一个分析指标，以及针对所述分析指标预设的第一权重系数；
根据所述分析指标确定所述待分析临床数据对应指标分析值，所述指标分析值代表所述待分析临床数据在所述分析指标的维度上的表现；
根据所述指标分析值和所述第一权重系数，确定所述待分析临床数据的分析结果。
2.根据权利要求1所述方法，其特征在于，所述确定待分析临床数据包括：
从任意一种疾病对应的临床数据中，从该疾病的多种临床数据类型中获取至少一个相应的临床数据，作为所述待分析临床数据。
3.根据权利要求2所述方法，其特征在于，
所述分析指标包括第一类分析指标和第二类分析指标，其中，所述第一类分析指标为上层级的分析指标，所述第二类分析指标为最下层级的分析指标。
4.根据权利要求3所述方法，其特征在于，所述根据所述分析指标确定所述待分析临床数据对应指标分析值包括：
根据所述第二类分析指标，确定所述待分析临床数据对应各所述第二类分析指标的指标分析值。
5.根据权利要求4所述方法，其特征在于，所述根据所述指标分析值和所述第一权重系数，确定所述待分析临床数据的分析结果，包括：
根据所述指标分析值，和所述第一类分析指标和第二类分析指标预设的第一权重系数，确定所述待分析临床数据的分析分布数据；
根据所述分析分布数据，确定所述分析结果。
6.根据权利要求5所述方法，其特征在于，所述根据所述指标分析值，和所述第一类分析指标和第二类分析指标预设的第一权重系数，确定所述待分析临床数据的分析分布数据，包括：
根据所述第一类分析指标和第二类分析指标预设的第一权重系数，确定所述指标分析值对应的第二权重系数；
根据各所述指标分析值和相应的第二权重系数，确定所述分析分布数据。
7.根据权利要求2所述方法，其特征在于，当所述待分析临床数据的数量为多个，还包括：
根据各所述待分析临床数据的分析结果，确定至少一个目标临床数据；
根据所述目标临床数据对应的历史医疗数据，对所述分析结果进行验证。
8.一种临床数据的分析装置，其特征在于，包括：
方案确定模块，用于确定待分析临床数据，并确定所述待分析临床数据中包括的临床数据类型对应的分析模型；所述分析模型中包括至少一个分析指标，以及针对所述分析指标预设的第一权重系数；
指标分析值确定模块，用于根据所述分析指标确定所述待分析临床数据对应指标分析值，所述指标分析值代表所述待分析临床数据在所述分析指标的维度上的表现；
分析模块，用于根据所述指标分析值和所述第一权重系数，确定所述待分析临床数据的分析结果。
9.一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如权利要求1至7中任一权项所述的临床数据的分析方法。
10.一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至7中任一权项所述的临床数据的分析方法。
CN201911406197.8A 2019-12-31 2019-12-31 一种临床数据的分析方法、装置、可读介质及电子设备 Active CN113130021B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911406197.8A CN113130021B (zh) 2019-12-31 2019-12-31 一种临床数据的分析方法、装置、可读介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911406197.8A CN113130021B (zh) 2019-12-31 2019-12-31 一种临床数据的分析方法、装置、可读介质及电子设备

Publications (2)

Publication Number Publication Date
CN113130021A CN113130021A (zh) 2021-07-16
CN113130021B true CN113130021B (zh) 2023-04-28

Family

ID=76768669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911406197.8A Active CN113130021B (zh) 2019-12-31 2019-12-31 一种临床数据的分析方法、装置、可读介质及电子设备

Country Status (1)

Country Link
CN (1) CN113130021B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113808724B (zh) * 2021-11-17 2022-03-08 北京因数健康科技有限公司 数据分析方法及装置、存储介质及电子终端
CN116230247A (zh) * 2023-05-10 2023-06-06 南京品生医疗科技有限公司 数据分析方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008004665A1 (fr) * 2006-07-06 2008-01-10 Fatigue Science Laboratory Inc. Procédé et appareil pour tester un cancer, un lupus érythémateux systémique (sle) ou un syndrome d'anticorps antiphospholipide à l'aide de rayons proches de l'infrarouge
CN109299032A (zh) * 2018-10-25 2019-02-01 掌阅科技股份有限公司 数据分析方法、电子设备及计算机存储介质
CN110309232A (zh) * 2018-02-07 2019-10-08 北京第一视角科技有限公司 可视化的医学数据分析方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110390999B (zh) * 2019-06-10 2023-04-28 南京医基云医疗数据研究院有限公司 一种临床数据的值域计算方法、装置、可读介质及电子设备
CN110289069A (zh) * 2019-06-25 2019-09-27 中国人民解放军军事科学院军事医学研究院 临床数据的分析方法、装置、计算机设备和存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008004665A1 (fr) * 2006-07-06 2008-01-10 Fatigue Science Laboratory Inc. Procédé et appareil pour tester un cancer, un lupus érythémateux systémique (sle) ou un syndrome d'anticorps antiphospholipide à l'aide de rayons proches de l'infrarouge
CN110309232A (zh) * 2018-02-07 2019-10-08 北京第一视角科技有限公司 可视化的医学数据分析方法及系统
CN109299032A (zh) * 2018-10-25 2019-02-01 掌阅科技股份有限公司 数据分析方法、电子设备及计算机存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Aaron N. Richter等.A review of statistical and machine learning methods for modeling cancer risk using structured clinical data.《Artificial Intelligence in Medicine》.2018,第90卷第1-14页. *
袁泉 等.基于地理视角的交通事故多发点鉴别分析模型.《交通运输工程学报》.2010,第10卷(第01期),第101-105,126页. *

Also Published As

Publication number Publication date
CN113130021A (zh) 2021-07-16

Similar Documents

Publication Publication Date Title
JP6609355B2 (ja) 細胞系ゲノミクスからの薬物応答の患者特異的予測のためのシステムおよび方法
US9443002B1 (en) Dynamic data analysis and selection for determining outcomes associated with domain specific probabilistic data sets
CN113130021B (zh) 一种临床数据的分析方法、装置、可读介质及电子设备
CN110689939A (zh) 一种用药序列的推荐方法、装置、可读介质及电子设备
CN114724716A (zh) 进展为2型糖尿病的风险预测的方法、模型训练及装置
JP2020534622A5 (zh)
Wilson et al. Quality of neurologic care in the United States: initial report from the Axon Registry
CN110648764A (zh) 一种获取临床数据预测模型的方法、装置、可读介质及电子设备
CN111192691A (zh) 一种医学评估表的确定方法、装置、可读介质及电子设备
CN110827934A (zh) 一种crf的监查方法及装置
CN110473636B (zh) 基于深度学习的智能医嘱推荐方法及系统
US10973467B2 (en) Method and system for automated diagnostics of none-infectious illnesses
CN113707263B (zh) 基于群体划分的药物有效性评价方法、装置及计算机设备
WO2015173917A1 (ja) 分析システム
CN116313086A (zh) 一种亚健康预测模型构建方法、装置、设备及存储介质
CN113127459B (zh) 一种数据治理的实现方法、装置、可读介质及电子设备
CN110390999B (zh) 一种临床数据的值域计算方法、装置、可读介质及电子设备
Westwood et al. Assessment of cost-effectiveness
JP2023076082A (ja) 介入効果分析システム、及び介入効果分析方法
Waltman et al. F1000 recommendations as a new data source for research evaluation: A comparison with citations
WO2021184579A1 (zh) 多解决方案的智能选择方法、装置、计算机设备及存储介质
CN111326260A (zh) 一种医学分析方法、装置、设备及存储介质
CN116994775B (zh) 基于多源数据的药效预测方法及相关装置
CN110675956A (zh) 一种面瘫治疗方案的确定方法、装置、可读介质及电子设备
Jahangiri et al. Efficiency Analysis and Ranking of Provincial Units of Social Security Organization in Indirect Treatment Sector Using Data Envelopment Analysis 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