CN113161007A - 一种妇产科临床卫生防护方法和系统 - Google Patents
一种妇产科临床卫生防护方法和系统 Download PDFInfo
- Publication number
- CN113161007A CN113161007A CN202110330135.4A CN202110330135A CN113161007A CN 113161007 A CN113161007 A CN 113161007A CN 202110330135 A CN202110330135 A CN 202110330135A CN 113161007 A CN113161007 A CN 113161007A
- Authority
- CN
- China
- Prior art keywords
- information
- virus
- obtaining
- gene coding
- clinical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 241000700605 Viruses Species 0.000 claims abstract description 214
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 85
- 230000002265 prevention Effects 0.000 claims abstract description 77
- 238000012549 training Methods 0.000 claims abstract description 47
- 208000015181 infectious disease Diseases 0.000 claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 230000036541 health Effects 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000007774 longterm Effects 0.000 abstract description 10
- 230000000694 effects Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000000474 nursing effect Effects 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005034 decoration Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 239000000470 constituent Substances 0.000 description 3
- 230000007123 defense Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 239000000941 radioactive substance Substances 0.000 description 3
- 230000009385 viral infection Effects 0.000 description 3
- 101710132601 Capsid protein Proteins 0.000 description 2
- 101710094648 Coat protein Proteins 0.000 description 2
- 108091026890 Coding region Proteins 0.000 description 2
- 102100021181 Golgi phosphoprotein 3 Human genes 0.000 description 2
- 101710125418 Major capsid protein Proteins 0.000 description 2
- 101710141454 Nucleoprotein Proteins 0.000 description 2
- 101710083689 Probable capsid protein Proteins 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 108020004414 DNA Proteins 0.000 description 1
- 102000003886 Glycoproteins Human genes 0.000 description 1
- 108090000288 Glycoproteins Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000003854 Surface Print Methods 0.000 description 1
- 108700005077 Viral Genes Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000329 molecular dynamics simulation Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000003903 pelvic floor Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000012857 radioactive material Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 210000002845 virion Anatomy 0.000 description 1
- 230000003612 virological effect Effects 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
- G16H50/80—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
Abstract
本发明公开了一种妇产科临床卫生防护方法和系统,所述方法应用于一卫生防护系统,所述卫生防护系统具有一检测装置,所述方法包括:基于大数据,根据第一病毒数据库,获得多种病毒对应的第一基因编码信息;获得妇产科的第一临床科室信息;根据第一检测装置,判断所述第一临床科室的第一空气质量信息中是否存在第二病毒信息;如果存在,则获得所述第二病毒信息对应的第二基因编码信息;将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,获得第一感染指数;当所述第一感染指数超过所述预定防控等级时,获得第一预警信号。解决了现有技术中存在卫生防护方法欠缺长远考虑,且智能化程度不够完善的技术问题。
Description
技术领域
本发明涉及卫生防护相关领域,尤其涉及一种妇产科临床卫生防护方法和系统。
背景技术
目前,自全国医疗卫生系统开展优质护理以来,我院的妇产科护理工作的服务内容比以前传统的妇产科护理扩展了很多,随着工作量的增多,临床护理人员繁忙中容易忽略卫生的严格监控,临床妇产科护理工作中存在较高的危险感染因素,而妇产科临床的卫生防控对于妇产科疾病的防治具有重要的临床意义,因此,如何针对当代妇产科临床卫生服务的需求完成有效的防治成为主要目的。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在卫生防护方法欠缺长远考虑,且智能化程度不够完善的技术问题。
发明内容
本申请实施例通过提供一种妇产科临床卫生防护方法和系统,解决了现有技术中存在卫生防护方法欠缺长远考虑,且智能化程度不够完善的技术问题,达到了通过将长远卫生防控缺陷和智能检测系统结合的方式,实现卫生的有效防护和监控智能化的技术效果。
鉴于上述问题,提出了本申请实施例提供一种妇产科临床卫生防护方法和系统。
第一方面,本申请实施例提供了一种妇产科临床卫生防护方法,所述方法应用于一卫生防护系统,其中,所述卫生防护系统具有一检测装置,其中,所述方法包括:基于大数据,获得第一病毒数据库,其中,所述第一病毒数据库中包括多种病毒信息;根据所述第一病毒数据库,获得所述多种病毒对应的第一基因编码信息;获得妇产科的第一临床科室信息;根据第一检测装置,获得所述第一临床科室的第一空气质量信息;判断所述第一空气质量信息中是否存在第二病毒信息;如果存在,则获得所述第二病毒信息对应的第二基因编码信息;将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,并根据所述病毒防控训练模型,获得所述第二病毒的第一感染指数;获得预定防控等级信息;当所述第一感染指数超过所述预定防控等级时,获得第一预警信号;将所述第一预警信号发送给所述第一临床科室内的第一医护人员。
另一方面,本申请还提供了一种妇产科临床卫生防护系统,所述系统包括:第一获得单元,所述第一获得单元用于基于大数据,获得第一病毒数据库,其中,所述第一病毒数据库中包括多种病毒信息;第二获得单元,所述第二获得单元用于根据所述第一病毒数据库,获得所述多种病毒对应的第一基因编码信息;第三获得单元,所述第三获得单元用于获得妇产科的第一临床科室信息;第四获得单元,所述第四获得单元用于根据第一检测装置,获得所述第一临床科室的第一空气质量信息;第一判断单元,所述第一判断单元用于判断所述第一空气质量信息中是否存在第二病毒信息;第五获得单元,所述第五获得单元用于如果存在,则获得所述第二病毒信息对应的第二基因编码信息;第一输入单元,所述第一输入单元用于将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,并根据所述病毒防控训练模型,获得所述第二病毒的第一感染指数;第六获得单元,所述第六获得单元用于获得预定防控等级信息;第七获得单元,所述第七获得单元用于当所述第一感染指数超过所述预定防控等级时,获得第一预警信号;第一发送单元,所述第一发送单元用于将所述第一预警信号发送给所述第一临床科室内的第一医护人员。
第三方面,本发明提供了一种妇产科临床卫生防护系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了基于大数据能够处理类型繁多,实现管理和处理的统一并且具有时效性高的特性,完成了对多种病毒数据的录入进而获得第一病毒数据库,且由于每种病毒都有其特殊的基因编码序列,同时将对应的基因编码信息也进行存储。进一步而言,通过对目前科妇产科室的空气质量信息进行检测分析,判断其中是否存在第二病毒信息,同时获取已存在的病毒的对应基因编码信息,再通过将对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,并根据所述病毒防控训练模型,获得所述第二病毒的第一感染指数的方式,使得输出的感染指数信息更加准确,通过将所述第一感染指数与提前设置的安全预定防控等级信息进行比较分析,对于超出预定防控等级信息的情况进行预警,达到了通过将长远卫生防控缺陷和智能检测系统结合的方式,实现卫生的有效防护和监控智能化的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种妇产科临床卫生防护方法的流程示意图;
图2为本申请实施例一种妇产科临床卫生防护系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第一判断单元15,第五获得单元16,第一输入单元17,第六获得单元18,第七获得单元19,第一发送单元20,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种妇产科临床卫生防护方法和系统,解决了现有技术中存在卫生防护方法欠缺长远考虑,且智能化程度不够完善的技术问题,达到了通过将长远卫生防控缺陷和智能检测系统结合的方式,实现卫生的有效防护和监控智能化的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
目前,自全国医疗卫生系统开展优质护理以来,我院的妇产科护理工作的服务内容比以前传统的妇产科护理扩展了很多,随着工作量的增多,临床护理人员繁忙中容易忽略卫生的严格监控,临床妇产科护理工作中存在较高的危险感染因素,而妇产科临床的卫生防控对于妇产科疾病的防治具有重要的临床意义,因此,如何针对当代妇产科临床卫生服务的需求完成有效的防治成为主要目的。但现有技术中存在卫生防护方法欠缺长远考虑,且智能化程度不够完善的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种妇产科临床卫生防护方法,所述方法应用于一卫生防护系统,其中,所述卫生防护系统具有一检测装置,其中,所述方法包括:基于大数据,获得第一病毒数据库,其中,所述第一病毒数据库中包括多种病毒信息;根据所述第一病毒数据库,获得所述多种病毒对应的第一基因编码信息;获得妇产科的第一临床科室信息;根据第一检测装置,获得所述第一临床科室的第一空气质量信息;判断所述第一空气质量信息中是否存在第二病毒信息;如果存在,则获得所述第二病毒信息对应的第二基因编码信息;将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,并根据所述病毒防控训练模型,获得所述第二病毒的第一感染指数;获得预定防控等级信息;当所述第一感染指数超过所述预定防控等级时,获得第一预警信号;将所述第一预警信号发送给所述第一临床科室内的第一医护人员。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种妇产科临床卫生防护方法,所述方法应用于一卫生防护系统,其中,所述卫生防护系统具有一检测装置,其中,所述方法包括:
步骤S100:基于大数据,获得第一病毒数据库,其中,所述第一病毒数据库中包括多种病毒信息;
具体而言,大数据是一种巨量资料,具有较高的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。现阶段大数据通常被用于处理和管理种类繁多和海量的数据,对于病毒来说,秋游较为庞大的种类基础,同时存在较多的携带信息,如病毒特征、病毒种类、病毒危害、基因序列等各种信息,因此,我们通过大数据的处理手段形成包含多病毒信息的所述第一病毒数据库,通过将病毒作为数据库进行管理和分类,达到了使得数据处理的效率更高,优化数据管理能力的技术效果。
步骤S200:获根据所述第一病毒数据库,获得所述多种病毒对应的第一基因编码信息;
具体而言,由于所述第一病毒数据库中包含多种病毒的数据信息,因此通过对其中的病毒与基因编码建立映射关系便于细化病毒的特征数据,详细来说,所述第一基因编码信息为包含多种病毒对应的基因编码信息的集合。一般而言,病毒是最简单的生物,完整的病毒颗粒包括外壳蛋白和内部的基因组DNA或RNA,有些病毒的外壳蛋白外面有一层由宿主细胞构成的被膜,被膜内含有病毒基因编码的糖蛋白。由于病毒基因组的大小相差较大,且具有较小的信息量,因此通过获得对应的基因编码信息完成对各种病毒的表达,达到了进一步使缩小信息空间,提高数据处理的效率的技术效果。
步骤S300:获得妇产科的第一临床科室信息;
具体而言,妇产科的所有科室具有齐全的设施,并且设备足够先进,可顺利完成各种妇产科疾病的诊断和治疗妇产病房开展普通妇科、肿瘤妇科和盆底妇科等各类手术治疗。基于充分保障患者就诊的私密需求,医院中的临床科室都具有各自的临床特征,因此,根据患者的患病情况不同会安排不同的临床科室进行治疗,结合实际情况和需求完成对临床科室的卫生防控。
步骤S400:根据第一检测装置,获得所述第一临床科室的第一空气质量信息;
具体而言,所述第一检测装置为空气质量检测装置,通过所述第一检测装置能够获得空气的污染程度、空气湿度等,其中,判断污染程度是依据空气中污染物浓度的高低来判断的,即对健康的影响程度,比如科室中的建筑材料的长远影响、通风情况、各种药物的挥发、或者器皿的细菌等都会影响所述第一临床科室的空气质量。由于流动的空气和密闭的空气,以及不同湿度和温度下的空气都对病毒的存活提供者不同的环境通,因此通过对空气质量进行进一步的分析,能够为进行临床医疗防控提供分析的来源,保障基础的卫生防控,从而达到了实时监控的技术效果。
步骤S500:判断所述第一空气质量信息中是否存在第二病毒信息;
步骤S600:如果存在,则获得所述第二病毒信息对应的第二基因编码信息;
具体而言,所述第二病毒信息为所述第一空气质量信息中对人体健康具有特殊影响的病毒信息,所述第二病毒信息是经实时检测后获得的科室实时病毒信息。首先对所述第一空气质量信息进行判断,若存在病毒信息,则对应获取到所述第二病毒信息对应的所述第二基因编码序列,若不存在病毒信息则表示在现阶段该临床科室的卫生防控工作较为全面。其中,获取空气中的病毒可以通过对空气中的病毒进行采样收集,进而根据相关检测技术可搞笑、灵敏的检测出空气中低浓度的病毒从而达到了实时进行智能监控的方式,检测临床科室病毒的技术效果。
步骤S700:将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,并根据所述病毒防控训练模型,获得所述第二病毒的第一感染指数;
具体而言,所述病毒防控训练模型是根据病毒的特性进行针对性分析的模型,基于其病毒的编码结构具备了反映基础特性的能力,因此,将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型进行数据分析,从而获得第一感染指数,详细来说,所述第一感染指数是对所述第二病毒进行感染概率分析获得的指数信息,其中,所述病毒防控训练模型为是以神经网络模型为基础建立的模型,神经网络由大量的神经元之间相互连接构成的一种运算模型,网络的输出则依照网络的连接方式的一种逻辑策略表达,达到了通过模型完成对病毒感染能力的进一步确定,提高数据分析准确率的技术效果。
步骤S800:获得预定防控等级信息;
具体而言,所述预定防控等级信息为提前设定的卫生安全防控等级,即不会对妇产临床科室中的患者或医护人员产生一定的感染危害影响的等级。进一步而言,由于不同的医院会设置不同主防控等级信息,并且针对于不同的科室所需要达到的防控指标也会具有一定的特殊性,比如一些普通的诊疗科室与紧急救治科室和临床治疗科室之间的卫生要求不同,其所述预定防控等级信息就不同,且所述预定防控等级信息是可以灵活设定的阈值,并不仅限于某一指标,可随着不同相关规程和要求发生改变,达到了有效进行卫生防控的技术效果。
步骤S900:当所述第一感染指数超过所述预定防控等级时,获得第一预警信号;
步骤S1000:将所述第一预警信号发送给所述第一临床科室内的第一医护人员。
具体而言,所诉和第一感染指数为经过模型所获得的实时感染参数指标,所述预定防控等级为目前现阶段所设置的防控指标的具体要求,经过判断当所述第一感染指数超过所述预定防控等级时,需要及时向所述第一临床科室内的相关医护人员发出警告信息,从而采取相应的措施提高科室中的卫生程度,避免卫生的安全隐患造成病毒感染的情况发生,另一方面,若所述第一感染指数未超过所述预定防控等级,则可以获得卫生检测合格的指令,从而根据相关的所述第一感染指数信息完成卫生防控考核记录等相关管理操作,达到了通过将长远卫生防控缺陷和智能检测系统结合的方式,实现卫生的有效防护和监控智能化的技术效果。
进一步而言,所述根据所述检测装置,获得所述第一临床科室的第一空气质量信息之后,本申请实施例还包括:
步骤S410:获得所述第一临床科室内的第一建筑信息;
步骤S420:获得所述第一建筑信息的第一组成材料信息;
步骤S430:判断所述第一组成材料是否满足第一预设条件;
步骤S440:如果不满足,则获得第一修正信息;
步骤S450:根据所述第一修正信息,对所述第一空气质量信息进行修正。
具体而言,所述第一建筑信息为所述第一临床科室中的装修项目,以及各个装饰的材料信息,其中,所述第一装修项目进一步来说还包括装修项目进行时采用的装修组成材料信息,比如墙体制备材料、地板材料、桌椅组成材料和墙面印刷的各个成分等信息。所述第一预设条件为提前设定的污染物含量阈值以及其中放射性物质含量阈值的条件,从而根据科室的所有组成材料信息判断其中是否存在较高含量的污染物以及放射性物质,从而对相关医护人员和就诊患者产生一定的健康影响,经过判断对于过高危害含量的建筑项目进行相关的修正,比如放射性物质较高,查看建筑项目中放射性材料的种类,从而及进行绿色材料的代替与替换,或可能随着时间使得部分材料会产生一定的污染,需要提前做出一定的相关措施进行保护,从而达到了根据修正信息对空气质量信息进行修正,保障卫生防护具有有效性的技术效果。
进一步而言,所述根据所述第一病毒数据库,获得所述多种病毒对应的第一基因编码信息之后,本申请实施例步骤S600还包括:
步骤S610:根据所述第一空气质量信息,获得第一影响因子;
步骤S620:根据所述第一影响因子,获得第三病毒信息;
步骤S630:获得所述第三病毒信息对应的第三基因编码信息;
步骤S640:获得第一更新指令;
步骤S650:根据所述第一更新指令、所述第三基因编码信息,对所述第一病毒数据库进行更新。
具体而言,所述第一影响因子为根据所述第一空气质量信息判断出的具有一定卫生影响的相关因素,所述第三病毒信息为不同于所述第二病毒信息的已变异的病毒信息,其中,所述第三病毒信息时根据分子动力学等分析,预测出在不同的空气质量环境下病毒的变异情况,从而将所述第三基因编码信息与所述第已基因编码信息进行查询,若不存在相同的基因编码信息,则表示该病毒为新增的病毒进而将所述第三病毒信息输入到所述第一病毒数据库中进行存储,增加了病毒的丰富性,且基于病毒在环境中变异的特殊情况进行分析,达到了充分考虑多因素,使得病毒感染风险的检测更加准确的技术效果。
进一步而言,本申请实施例步骤S620还包括:
步骤S621:判断所述第三病毒信息是否具备第一特征信息;
步骤S622:如果具备,则获得所述第一临床科室所属的第一医院信息;
步骤S623:判断所述第一医院是否满足应对所述第三病毒信息的条件;
步骤S624:如果不满足,则获得第一连接指令;
步骤S625:根据所述第一连接指令,向所述第一医院的上级医院申请救助。
具体而言,所述第一特征信息为具有较强传播能力、变异时间快、繁殖能力迅速等传染性极强的特征信息,若经过判断所述第三病毒信息具备了较强的传染性或其他特异性,则通过获取该医院的相关医疗技术能力、或人才储备能力、高精密检测仪器等信息从而判定其处理相关病毒的能力,若医院的能力并不满足应对病毒的需求,比如经济水平不高的偏远医院在资源和技术水平较低,则可以根据所述第一连接指令,将所述第三病毒信息的相关内容和特点发送给上级医院请求协助,达到了尽快寻求支援以应对相关紧急情况发生的应急智能设备,提高了卫生防控的安全性和智能性。
进一步而言,所述将所述第一预警信号发送给所述第一临床科室内的第一医护人员之后,本申请实施例S1000还包括:
步骤S1010:获得所述第一临床科室的第一基础信息;
步骤S1020:获得所述第一临床科室在第一预设时间段内的第一平均患者流量信息;
步骤S1030:根据所述第一基础信息、第一平均患者流量信息,获得第一应急方案;
步骤S1040:按照所述第一应急方案,对所述第一临床科室进行应急处理。
具体而言,所述第一基础信息为所述第一临床科室的性质和环境信息,所述第一预设时间段为设置的具有代表性的时间长度,一般来说,在一天的时间段中患者的流量是呈现波峰和波谷的流量,因此,需要对这一时间段所有的患者人数进行识别,从而去欸的那个其所述第一平均患者流量信息,从而能够针对不同科室的性质与环境做好不同的应急方案,比如相关卫生防控医护人员的调用,空气质量检测的频率或者消毒次数等相关的应急措施,从而使得长远卫生防控缺陷和智能检测系统相结合,提高防控工作的高质量应对。
进一步而言,本申请实施例S700还包括:
步骤S710:将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,所述病毒防控训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:多种病毒对应的第一基因编码信息、第二基因编码信息和标识第一输出结果的标识信息;
步骤S720:获得所述病毒防控训练模型的第一输出结果,所述第一输出结果为所述第二病毒的第一感染指数。
具体而言,将所述第二病毒的第一感染指数作为监督数据,输入每一组训练数据中,对所述多种病毒对应的第一基因编码信息、第二基因编码信息进行监督学习,所述病毒防控训练模型是按照神经网络模型为原型建立模型进行训练的,进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括多种病毒对应的第一基因编码信息、第二基因编码信息和标识第一输出结果的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,结束本组数据监督学习,进行下一组数据监督学习。当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对多组数据进行不断训练的方式,达到了输出准确的第一感染指数的技术效果。
进一步而言,本申请实施例还包括:
步骤S1110:获得所述第一临床科室的第一医用品信息;
步骤S1120:根据第二检测装置,判断所述第一医用品表面是否存在第四病毒信息;
步骤S1130:如存在,则根据所述第四病毒信息,获得第一匹配防护等级;
步骤S1140:将所述第一匹配防护等级发送给所述第一医护人员,以使所述第一医护人员对所述第一医用品进行防护。
具体而言,所述第一医用品信息为所述第一临床科室中相关的医学用品信息,包括医学操作设备、手术用具等用品信息,所述第二检测装置为病毒检测装置,通过对医学用品表面的病毒进行采集分析从而确定其病毒的特性和结构,根据检测出的病毒信息获得对应的匹配防护等级,从而使得所述第一医护人员按照对应的防护等级进行临床卫生防护,从而达到了有效配置资源,提高防护效率的技术效果。
综上所述,本申请实施例所提供的一种妇产科临床卫生防护方法和系统具有如下技术效果:
1、由于采用了基于大数据能够处理类型繁多,实现管理和处理的统一并且具有时效性高的特性,完成了对多种病毒数据的录入进而获得第一病毒数据库,同时将对应的基因编码信息也进行存储。再对目前科妇产科室的空气质量信息进行检测分析,判断其中是否存在第二病毒信息,同时获取空气中已存在的病毒的对应基因编码信息,再通过将对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,并根据所述病毒防控训练模型,获得所述第二病毒的第一感染指数的方式,通过将所述第一感染指数与提前设置的安全预定防控等级信息进行比较分析,对于超出预定防控等级信息的情况进行预警,达到了通过将长远卫生防控缺陷和智能检测系统结合的方式,实现卫生的有效防护和监控智能化的技术效果。
2、由于采用了将对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型的方式,其中,基于模型自身能不断优化学习、获得“经验”来处理数据更准确的数学特性,使得所获得的第一感染指数具有可靠性,进而达到了通过结合模型完成对临床感染风险的智能分析,提高其智能性和准确性的技术效果。
实施例二
基于与前述实施例中一种妇产科临床卫生防护方法同样发明构思,本发明还提供了一种妇产科临床卫生防护系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于基于大数据,获得第一病毒数据库,其中,所述第一病毒数据库中包括多种病毒信息;
第二获得单元12,所述第二获得单元12用于根据所述第一病毒数据库,获得所述多种病毒对应的第一基因编码信息;
第三获得单元13,所述第三获得单元13用于获得妇产科的第一临床科室信息;
第四获得单元14,所述第四获得单元14用于根据第一检测装置,获得所述第一临床科室的第一空气质量信息;
第一判断单元15,所述第一判断单元15用于判断所述第一空气质量信息中是否存在第二病毒信息;
第五获得单元16,所述第五获得单元16用于如果存在,则获得所述第二病毒信息对应的第二基因编码信息;
第一输入单元17,所述第一输入单元17用于将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,并根据所述病毒防控训练模型,获得所述第二病毒的第一感染指数;
第六获得单元18,所述第六获得单元18用于获得预定防控等级信息;
第七获得单元19,所述第七获得单元19用于当所述第一感染指数超过所述预定防控等级时,获得第一预警信号;
第一发送单元20,所述第一发送单元20用于将所述第一预警信号发送给所述第一临床科室内的第一医护人员。
进一步的,所述系统还包括:
第八获得单元,所述第八获得单元用于获得所述第一临床科室内的第一建筑信息;
第九获得单元,所述第九获得单元用于获得所述第一建筑信息的第一组成材料信息;
第二判断单元,所述第二判断单元用于判断所述第一组成材料是否满足第一预设条件;
第十获得单元,所述第十获得单元用于如果不满足,则获得第一修正信息;
第一修正单元,所述第一修正单元用于根据所述第一修正信息,对所述第一空气质量信息进行修正。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于根据所述第一空气质量信息,获得第一影响因子;
第十二获得单元,所述第十二获得单元用于根据所述第一影响因子,获得第三病毒信息;
第十三获得单元,所述第十三获得单元用于获得所述第三病毒信息对应的第三基因编码信息;
第十四获得单元,所述第十四获得单元用于获得第一更新指令;
第一更新单元,所述第一更新单元用于根据所述第一更新指令、所述第三基因编码信息,对所述第一病毒数据库进行更新。
进一步的,所述系统还包括:
第三判断单元,所述第三判断单元用于判断所述第三病毒信息是否具备第一特征信息;
第十五获得单元,所述第十五获得单元用于如果具备,则获得所述第一临床科室所属的第一医院信息;
第四判断单元,所述第四判断单元用于判断所述第一医院是否满足应对所述第三病毒信息的条件;
第十六获得单元,所述第十六获得单元用于如果不满足,则获得第一连接指令;
第二发送单元,所述第二发送单元用于根据所述第一连接指令,向所述第一医院的上级医院申请救助。
进一步的,所述系统还包括:
第十七获得单元,所述第十七获得单元用于获得所述第一临床科室的第一基础信息;
第十八获得单元,所述第十八获得单元用于获得所述第一临床科室在第一预设时间段内的第一平均患者流量信息;
第十九获得单元,所述第十九获得单元用于根据所述第一基础信息、第一平均患者流量信息,获得第一应急方案;
第一处理单元,所述第一处理单元用于按照所述第一应急方案,对所述第一临床科室进行应急处理。
进一步的,所述系统还包括:
第二输入单元,所述第二输入单元用于将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,所述病毒防控训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:多种病毒对应的第一基因编码信息、第二基因编码信息和标识第一输出结果的标识信息;
第二十获得单元,所述第二十获得单元用于获得所述病毒防控训练模型的第一输出结果,所述第一输出结果为所述第二病毒的第一感染指数。
进一步的,所述系统还包括:
第二十一获得单元,所述第二十一获得单元用于获得所述第一临床科室的第一医用品信息;
第五判断单元,所述第五判断单元用于根据第二检测装置,判断所述第一医用品表面是否存在第四病毒信息;
第二十二获得单元,所述第二十二获得单元用于如存在,则根据所述第四病毒信息,获得第一匹配防护等级;
第三发送单元,所述第三发送单元用于将所述第一匹配防护等级发送给所述第一医护人员,以使所述第一医护人员对所述第一医用品进行防护。
前述图1实施例一中的一种妇产科临床卫生防护方法的各种变化方式和具体实例同样适用于本实施例的一种妇产科临床卫生防护系统,通过前述对一种妇产科临床卫生防护方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种妇产科临床卫生防护系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种妇产科临床卫生防护方法的发明构思,本发明还提供一种妇产科临床卫生防护系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种妇产科临床卫生防护方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种妇产科临床卫生防护方法,所述方法应用于一卫生防护系统,其中,所述卫生防护系统具有一检测装置,其中,所述方法包括:基于大数据,获得第一病毒数据库,其中,所述第一病毒数据库中包括多种病毒信息;根据所述第一病毒数据库,获得所述多种病毒对应的第一基因编码信息;获得妇产科的第一临床科室信息;根据第一检测装置,获得所述第一临床科室的第一空气质量信息;判断所述第一空气质量信息中是否存在第二病毒信息;如果存在,则获得所述第二病毒信息对应的第二基因编码信息;将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,并根据所述病毒防控训练模型,获得所述第二病毒的第一感染指数;获得预定防控等级信息;当所述第一感染指数超过所述预定防控等级时,获得第一预警信号;将所述第一预警信号发送给所述第一临床科室内的第一医护人员。解决了现有技术中存在卫生防护方法欠缺长远考虑,且智能化程度不够完善的技术问题,达到了通过将长远卫生防控缺陷和智能检测系统结合的方式,实现卫生的有效防护和监控智能化的技术效果。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种妇产科临床卫生防护方法,所述方法应用于一卫生防护系统,其中,所述卫生防护系统具有一检测装置,其中,所述方法包括:
基于大数据,获得第一病毒数据库,其中,所述第一病毒数据库中包括多种病毒信息;
根据所述第一病毒数据库,获得所述多种病毒对应的第一基因编码信息;
获得妇产科的第一临床科室信息;
根据第一检测装置,获得所述第一临床科室的第一空气质量信息;
判断所述第一空气质量信息中是否存在第二病毒信息;
如果存在,则获得所述第二病毒信息对应的第二基因编码信息;
将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,并根据所述病毒防控训练模型,获得所述第二病毒的第一感染指数;
获得预定防控等级信息;
当所述第一感染指数超过所述预定防控等级时,获得第一预警信号;
将所述第一预警信号发送给所述第一临床科室内的第一医护人员。
2.如权利要求1所述的方法,其中,所述根据所述检测装置,获得所述第一临床科室的第一空气质量信息之后,所述方法还包括:
获得所述第一临床科室内的第一建筑信息;
获得所述第一建筑信息的第一组成材料信息;
判断所述第一组成材料是否满足第一预设条件;
如果不满足,则获得第一修正信息;
根据所述第一修正信息,对所述第一空气质量信息进行修正。
3.如权利要求1所述的方法,其中,所述根据所述第一病毒数据库,获得所述多种病毒对应的第一基因编码信息之后,所述方法还包括:
根据所述第一空气质量信息,获得第一影响因子;
根据所述第一影响因子,获得第三病毒信息;
获得所述第三病毒信息对应的第三基因编码信息;
获得第一更新指令;
根据所述第一更新指令、所述第三基因编码信息,对所述第一病毒数据库进行更新。
4.如权利要求3所述的方法,其中,所述方法还包括:
判断所述第三病毒信息是否具备第一特征信息;
如果具备,则获得所述第一临床科室所属的第一医院信息;
判断所述第一医院是否满足应对所述第三病毒信息的条件;
如果不满足,则获得第一连接指令;
根据所述第一连接指令,向所述第一医院的上级医院申请救助。
5.如权利要求1所述的方法,其中,所述将所述第一预警信号发送给所述第一临床科室内的第一医护人员之后,所述方法还包括:
获得所述第一临床科室的第一基础信息;
获得所述第一临床科室在第一预设时间段内的第一平均患者流量信息;
根据所述第一基础信息、第一平均患者流量信息,获得第一应急方案;
按照所述第一应急方案,对所述第一临床科室进行应急处理。
6.如权利要求1所述的方法,其中,所述方法还包括:
将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,所述病毒防控训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:多种病毒对应的第一基因编码信息、第二基因编码信息和标识第一输出结果的标识信息;
获得所述病毒防控训练模型的第一输出结果,所述第一输出结果为所述第二病毒的第一感染指数。
7.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第一临床科室的第一医用品信息;
根据第二检测装置,判断所述第一医用品表面是否存在第四病毒信息;
如存在,则根据所述第四病毒信息,获得第一匹配防护等级;
将所述第一匹配防护等级发送给所述第一医护人员,以使所述第一医护人员对所述第一医用品进行防护。
8.一种妇产科临床卫生防护系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于基于大数据,获得第一病毒数据库,其中,所述第一病毒数据库中包括多种病毒信息;
第二获得单元,所述第二获得单元用于根据所述第一病毒数据库,获得所述多种病毒对应的第一基因编码信息;
第三获得单元,所述第三获得单元用于获得妇产科的第一临床科室信息;
第四获得单元,所述第四获得单元用于根据第一检测装置,获得所述第一临床科室的第一空气质量信息;
第一判断单元,所述第一判断单元用于判断所述第一空气质量信息中是否存在第二病毒信息;
第五获得单元,所述第五获得单元用于如果存在,则获得所述第二病毒信息对应的第二基因编码信息;
第一输入单元,所述第一输入单元用于将所述多种病毒对应的第一基因编码信息、第二基因编码信息输入病毒防控训练模型,并根据所述病毒防控训练模型,获得所述第二病毒的第一感染指数;
第六获得单元,所述第六获得单元用于获得预定防控等级信息;
第七获得单元,所述第七获得单元用于当所述第一感染指数超过所述预定防控等级时,获得第一预警信号;
第一发送单元,所述第一发送单元用于将所述第一预警信号发送给所述第一临床科室内的第一医护人员。
9.一种妇产科临床卫生防护系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330135.4A CN113161007A (zh) | 2021-03-29 | 2021-03-29 | 一种妇产科临床卫生防护方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330135.4A CN113161007A (zh) | 2021-03-29 | 2021-03-29 | 一种妇产科临床卫生防护方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113161007A true CN113161007A (zh) | 2021-07-23 |
Family
ID=76885338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110330135.4A Pending CN113161007A (zh) | 2021-03-29 | 2021-03-29 | 一种妇产科临床卫生防护方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113161007A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243697A (zh) * | 2010-05-11 | 2011-11-16 | 解放军第三○二医院 | 群体突发病毒性疫情快速pcr检测引物文库及筛查系统 |
CN107621043A (zh) * | 2017-08-29 | 2018-01-23 | 中国建筑材料科学研究总院 | 室内环境污染防控系统 |
CN107645545A (zh) * | 2017-09-04 | 2018-01-30 | 济宁学院 | 一种基于云平台的病毒监测预警系统 |
CN108511072A (zh) * | 2018-07-02 | 2018-09-07 | 东至县中和理疗用品制造厂 | 一种结合区域环境监测的健康管理系统 |
CN110118711A (zh) * | 2019-06-11 | 2019-08-13 | 江苏钛科圈物联网科技有限公司 | 基于物联网的室内空气含菌量实时检测与分析方法、系统 |
CN111403046A (zh) * | 2020-03-16 | 2020-07-10 | 湖北亲缘互联传承网络有限公司 | 一种早期发现公共卫生的监测跟踪及分级适配系统与方法 |
JP2021015019A (ja) * | 2019-07-11 | 2021-02-12 | 清水建設株式会社 | 放射線検出装置 |
CN112530559A (zh) * | 2020-11-09 | 2021-03-19 | 河北工程大学 | 一种突发公共卫生事件医疗物资智能调配系统 |
-
2021
- 2021-03-29 CN CN202110330135.4A patent/CN113161007A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243697A (zh) * | 2010-05-11 | 2011-11-16 | 解放军第三○二医院 | 群体突发病毒性疫情快速pcr检测引物文库及筛查系统 |
CN107621043A (zh) * | 2017-08-29 | 2018-01-23 | 中国建筑材料科学研究总院 | 室内环境污染防控系统 |
CN107645545A (zh) * | 2017-09-04 | 2018-01-30 | 济宁学院 | 一种基于云平台的病毒监测预警系统 |
CN108511072A (zh) * | 2018-07-02 | 2018-09-07 | 东至县中和理疗用品制造厂 | 一种结合区域环境监测的健康管理系统 |
CN110118711A (zh) * | 2019-06-11 | 2019-08-13 | 江苏钛科圈物联网科技有限公司 | 基于物联网的室内空气含菌量实时检测与分析方法、系统 |
JP2021015019A (ja) * | 2019-07-11 | 2021-02-12 | 清水建設株式会社 | 放射線検出装置 |
CN111403046A (zh) * | 2020-03-16 | 2020-07-10 | 湖北亲缘互联传承网络有限公司 | 一种早期发现公共卫生的监测跟踪及分级适配系统与方法 |
CN112530559A (zh) * | 2020-11-09 | 2021-03-19 | 河北工程大学 | 一种突发公共卫生事件医疗物资智能调配系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Viral infection and transmission in a large, well-traced outbreak caused by the SARS-CoV-2 Delta variant | |
Sikkema et al. | An integrated cell atlas of the lung in health and disease | |
Gaunt et al. | Systematic identification of genetic influences on methylation across the human life course | |
Dunton et al. | Nurse staffing and patient falls on acute care hospital units | |
Sikkema et al. | An integrated cell atlas of the human lung in health and disease | |
Ricciardi et al. | Implementation and validation of a new method to model voluntary departures from emergency departments | |
JP2002312477A (ja) | 医療現場の検査室測定データの自動化された評価・品質管理のためのネットワーク化エキスパートシステム | |
US20180314793A1 (en) | Methods, systems and processes of determining transmission path of infectious agents | |
Rønning et al. | The effect of ICP monitoring in severe traumatic brain injury: a propensity score–weighted and adjusted regression approach | |
CN111312346B (zh) | 住院患者新发生感染人数的统计方法、设备和存储介质 | |
EP2180823A1 (en) | A medical vital sign indication tool, system and method | |
CN111899837A (zh) | 一种基于数字化手术室的手术报告协同方法及系统 | |
CN107145715B (zh) | 一种基于推举算法的临床医学智能判别装置 | |
CN112837799B (zh) | 基于区块链的远程互联网大数据智慧医疗系统 | |
CN115040093A (zh) | 一种用于内科高龄患者的护理干预方法及系统 | |
JP2020536541A (ja) | 生体試料評価処理のためのアプリケーション開発環境 | |
CN112509684A (zh) | 一种基于大数据的医疗资源配置方法及系统 | |
CN114141349A (zh) | 一种icu护理人员的智能调配方法及系统 | |
CN113161007A (zh) | 一种妇产科临床卫生防护方法和系统 | |
WO2018199563A1 (ko) | 박수연의 적정간호인력 의사결정 지원시스템 | |
Hosseini et al. | Performance evaluation of Mashhad University of Medical Sciences’ hospitals during 2006-2011: Application of pabon lasso model | |
JP2022534634A (ja) | 検出限界ベースの品質管理メトリック | |
Verardo et al. | Genome-wide analyses reveal the genetic architecture and candidate genes of indicine, taurine, synthetic crossbreds, and locally adapted cattle in Brazil | |
Bruballa et al. | Scheduling model for non-critical patients admission into a hospital emergency department | |
Adeoye et al. | Knowledge, Attitude, Practice and Predictors of Preventive Practices Toward COVID‑19 among Healthcare Workers in Ogbomoso, Nigeria: A Cross‑sectional Study |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |