CN113223646A - 一种高原胆石症患者信息采集管理系统 - Google Patents

一种高原胆石症患者信息采集管理系统 Download PDF

Info

Publication number
CN113223646A
CN113223646A CN202011159883.2A CN202011159883A CN113223646A CN 113223646 A CN113223646 A CN 113223646A CN 202011159883 A CN202011159883 A CN 202011159883A CN 113223646 A CN113223646 A CN 113223646A
Authority
CN
China
Prior art keywords
module
information
patient
management system
information acquisition
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
Application number
CN202011159883.2A
Other languages
English (en)
Inventor
王青海
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.)
Qinghai Normal University
Original Assignee
Qinghai Normal University
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 Qinghai Normal University filed Critical Qinghai Normal University
Priority to CN202011159883.2A priority Critical patent/CN113223646A/zh
Publication of CN113223646A publication Critical patent/CN113223646A/zh
Pending legal-status Critical Current

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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种高原胆石症患者信息采集管理系统，包括基础数据库模块、数据分类器模块、规则挖掘模块、多元统计模块，所述信息采集管理系统设有用户端模块，通过所述用户端模块登录进入信息采集管理系统；所述基础数据库模块包括个人基本信息模块、流行病学调查模块、疾病情况调查模块、化验项目模块；所述数据分类器模块包括随机森林模块、逻辑回归模块、svm模块、knn模块、softmax模块。本发明可以使用户将采集到的高原胆石症患者的信息进行快速有效录入，系统根据录入信息自动对患者信息进行归类，有利于高原胆石症病学的研究，同时可以使医生快速了解患者信息，便于快速判断患者的患病因素，以便给与合理治疗方案。

Description

一种高原胆石症患者信息采集管理系统
技术领域
本发明涉及疾病信息采集管理分析技术领域，具体是指一种高原胆石症患者信息采集管理系统。
背景技术
胆石症又称胆结石，是指胆道系统，包括胆囊和胆管内发生结石的疾病，是一种常见病。它的因素比较复杂，可能是由于缺乏运动，胆汁排空，延迟造成胆汁淤积，从而形成的胆结石；不吃早餐会使胆汁浓度增加，容易促进胆结石的形成；肥胖患者容易爱吃高脂肪高糖以及高胆固醇的饮食，会导致患有胆结石的因素；肝硬化的患者也会由于胆囊收缩功能低下，胆囊排空不畅所以会造成胆结；遗传因素等。胆石症在高原发生的概率较高，且发病因素更加复杂，因此对高原胆石症患者进行数据调查、统计、管理分析，具有很大的病学研究意义，且能够帮助医生快速了解患者信息，便于快速判断患者的患病因素，从而给与患者合理的治疗。因此，一种能够快速有效地采集所需的患者信息、并对信息进行管理分析的系统亟待研究。
发明内容
本发明要解决的技术问题是克服上述技术的缺陷，提供一种高原胆石症患者信息采集管理系统。
为解决上述技术问题，本发明提供的技术方案为一种高原胆石症患者信息采集管理系统：包括基础数据库模块、数据分类器模块、规则挖掘模块、多元统计模块，所述信息采集管理系统设有用户端模块，通过所述用户端模块登录进入信息采集管理系统；所述基础数据库模块包括个人基本信息模块、流行病学调查模块、疾病情况调查模块、化验项目模块；所述数据分类器模块包括随机森林模块、逻辑回归模块、svm 模块、knn模块、softmax模块。
作为改进，所述个人基本信息模块设有基本信息录入表格界面，所述基本信息录入表格界面用于录入患者姓名、性别、民族、出生日期、出生地点、身高、体重信息。
作为改进，所述流行病学调查模块设有外部影响因素信息录入表格界面，所述外部影响因素信息录入表格界面用于录入患者得病的外界因素情况。
作为改进，所述疾病情况调查模块设有疾病史信息录入表格界面，所述疾病史信息录入表格界面用于录入患者的疾病史信息。
作为改进，所述化验项目模块设有化验结果信息录入表格界面，所述化验结果信息录入表格界面用于录入患者的化验报告信息。
本发明与现有技术相比的优点在于：本发明可以使用户将采集到的高原胆石症患者的信息进行快速有效录入，系统根据录入信息自动对患者信息进行归类，有利于高原胆石症病学的研究，同时可以使医生快速了解患者信息，便于快速判断患者的患病因素，以便给与合理治疗方案。
附图说明
图1是本发明一种高原胆石症患者信息采集管理系统的示意图。
图2是本发明一种高原胆石症患者信息采集管理系统的基本信息录入表格界面。
图3是本发明一种高原胆石症患者信息采集管理系统的外部影响因素信息录入表格界面。
图4是本发明一种高原胆石症患者信息采集管理系统的疾病史信息录入表格界面。
图5是本发明一种高原胆石症患者信息采集管理系统的化验结果信息录入表格界面。
图6是本发明一种高原胆石症患者信息采集管理系统的数据分类器模块中部分归类界面。
图7是本发明一种高原胆石症患者信息采集管理系统的规则挖掘模块中部分结果界面。
图8是本发明一种高原胆石症患者信息采集管理系统的多元统计模块中部分饼状图界面。
如图所示：1、用户端模块，2、基础数据库模块，3、数据分类器模块，4、规则挖掘模块，5、多元统计模块，2.1、个人基本信息模块，2.2、流行病学调查模块，2.3、疾病情况调查模块，2.4、化验项目模块，3.1、随机森林模块，3.2、逻辑回归模块，3.3、svm模块，3.4、knn模块，3.5、softmax模块。
具体实施方式
下面结合附图对本发明一种高原胆石症患者信息采集管理系统做进一步的详细说明。
结合附图1-8一种高原胆石症患者信息采集管理系统，包括基础数据库模块、数据分类器模块、规则挖掘模块、多元统计模块，所述信息采集管理系统设有用户端模块，通过所述用户端模块登录进入信息采集管理系统；所述基础数据库模块包括个人基本信息模块、流行病学调查模块、疾病情况调查模块、化验项目模块；所述数据分类器模块包括随机森林模块、逻辑回归模块、svm模块、knn模块、softmax模块。
所述个人基本信息模块设有基本信息录入表格界面，所述基本信息录入表格界面用于录入患者姓名、性别、民族、出生日期、出生地点、身高、体重信息，且录入患者信息时，所述基本信息录入表格界面的表格首格自动按递增次序生成顺序ID。
所述流行病学调查模块设有外部影响因素信息录入表格界面，当在所述基本信息录入表格界面录入患者信息后，所述外部影响因素信息录入表格界面的表格中自动生成患者的顺序ID、姓名、性别信息，所述外部影响因素信息录入表格界面用于录入患者的姓名、性别、职业、居住地、居住卫生条件、饮用水类型、谷物淀粉类食物食用情况、蔬菜食用情况、糍粑食用情况、酸奶食用情况、酥油茶食用情况、牛羊肉食用情况、抽烟情况、饮酒情况、儿女数量情况、避孕药服用情况。
所述疾病情况调查模块设有疾病史信息录入表格界面，当在所述基本信息录入表格界面录入患者信息后，所述疾病史信息录入表格界面的表格中自动生成患者的顺序ID、姓名信息，所述疾病史信息录入表格界面用于录入患者往期治疗方式、有无复发、有无胆囊炎、有无肝硬化、有无肝包虫病、有无糖尿病、有无心血管疾病、有无肝炎、有无胰腺炎、有无相关疾病、直系亲属中有无胆结石病信息。
所述化验项目模块设有化验结果信息录入表格界面，当在所述基本信息录入表格界面录入患者信息后，所述化验结果信息录入表格界面的表格中自动生成患者的顺序ID、姓名信息，所述化验结果信息录入表格界面用于录入患者的化验报告信息。
患者的信息录入基础数据库模块后，数据分类器模块会根据患者的信息进行分类，通过随机森林模块、逻辑回归模块、svm模块、knn模块、softmax模块可以实现五种分类方式，规则挖掘模块根据基础数据库模块得出相关信息，多元统计模块将所有患者信息以饼状图的形式表达，使数据表达更加直观。
以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (5)

1.一种高原胆石症患者信息采集管理系统，其特征在于：包括基础数据库模块、数据分类器模块、规则挖掘模块、多元统计模块，所述信息采集管理系统设有用户端模块，通过所述用户端模块登录进入信息采集管理系统；
所述基础数据库模块包括个人基本信息模块、流行病学调查模块、疾病情况调查模块、化验项目模块；
所述数据分类器模块包括随机森林模块、逻辑回归模块、svm模块、knn模块、softmax模块。
2.根据权利要求1所述的一种高原胆石症患者信息采集管理系统，其特征在于：所述个人基本信息模块设有基本信息录入表格界面，所述基本信息录入表格界面用于录入患者姓名、性别、民族、出生日期、出生地点、身高、体重信息。
3.根据权利要求1所述的一种高原胆石症患者信息采集管理系统，其特征在于：所述流行病学调查模块设有外部影响因素信息录入表格界面，所述外部影响因素信息录入表格界面用于录入患者得病的外界因素情况。
4.根据权利要求1所述的一种高原胆石症患者信息采集管理系统，其特征在于：所述疾病情况调查模块设有疾病史信息录入表格界面，所述疾病史信息录入表格界面用于录入患者的疾病史信息。
5.根据权利要求1所述的一种高原胆石症患者信息采集管理系统，其特征在于：所述化验项目模块设有化验结果信息录入表格界面，所述化验结果信息录入表格界面用于录入患者的化验报告信息。
CN202011159883.2A 2020-10-27 2020-10-27 一种高原胆石症患者信息采集管理系统 Pending CN113223646A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011159883.2A CN113223646A (zh) 2020-10-27 2020-10-27 一种高原胆石症患者信息采集管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011159883.2A CN113223646A (zh) 2020-10-27 2020-10-27 一种高原胆石症患者信息采集管理系统

Publications (1)

Publication Number Publication Date
CN113223646A true CN113223646A (zh) 2021-08-06

Family

ID=77085768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011159883.2A Pending CN113223646A (zh) 2020-10-27 2020-10-27 一种高原胆石症患者信息采集管理系统

Country Status (1)

Country Link
CN (1) CN113223646A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103251874A (zh) * 2012-02-15 2013-08-21 张文波 一种治疗肝、胆结石及并发症的中药及其制造方法
CN106874663A (zh) * 2017-01-26 2017-06-20 中电科软件信息服务有限公司 心脑血管疾病风险预测方法及系统
CN110491503A (zh) * 2019-08-21 2019-11-22 山东大学第二医院 一种基于深度学习的胆石症智能辅助系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103251874A (zh) * 2012-02-15 2013-08-21 张文波 一种治疗肝、胆结石及并发症的中药及其制造方法
CN106874663A (zh) * 2017-01-26 2017-06-20 中电科软件信息服务有限公司 心脑血管疾病风险预测方法及系统
CN110491503A (zh) * 2019-08-21 2019-11-22 山东大学第二医院 一种基于深度学习的胆石症智能辅助系统

Similar Documents

Publication Publication Date Title
Crump et al. Association of preterm birth with risk of ischemic heart disease in adulthood
Marsh et al. The relationship between household chaos and child, parent, and family outcomes: A systematic scoping review
Crump et al. Association of preterm birth with long-term risk of heart failure into adulthood
Mantel et al. Association of maternal eating disorders with pregnancy and neonatal outcomes
Hamad et al. Association of revised WIC food package with perinatal and birth outcomes: a quasi-experimental study
Tarini et al. Systematic review of the relationship between early introduction of solid foods to infants and the development of allergic disease
Yaktine et al. Weight gain during pregnancy: reexamining the guidelines
Moster et al. Cerebral palsy among term and postterm births
Klebanoff et al. Maternal size at birth and the development of hypertension during pregnancy: a test of the Barker hypothesis
Cordero et al. Breast-feeding initiation in women with pregestational diabetes mellitus
US11984199B2 (en) Methods and systems for generating compatible substance instruction sets using artificial intelligence
Miller et al. Early weight loss nomograms for formula fed newborns
Suk et al. Increasing maternal body mass index during pregnancy increases neonatal intensive care unit admission in near and full-term infants
Zilberlicht et al. The mutual effect of pregestational body mass index, maternal hyperglycemia and gestational weight gain on adverse pregnancy outcomes
McDade et al. Adiposity and chronic inflammation in young women predict inflammation during normal pregnancy in the Philippines
Huang et al. Maternal polyunsaturated fatty acids and risk for autism spectrum disorder in the MARBLES high-risk study
Auchtung et al. Temporal changes in gastrointestinal fungi and the risk of autoimmunity during early childhood: the TEDDY study
Chapman et al. Parental eating disorders: A systematic review of parenting attitudes, behaviours, and parent-child interactions
Howe et al. Feeding patterns and parental perceptions of feeding issues of preterm infants in the first 2 years of life
Sun et al. Machine Learning‐Based Prediction Model of Preterm Birth Using Electronic Health Record
Klusmann et al. Trajectories of fatigue in inflammatory bowel disease
Birati et al. Relationships among neighborhood poverty, access to healthy food, and diabetes self-management in women who received perinatal nurse home visits
US20240079144A1 (en) Systems and methods of promoting eubiosis in pregnant or breastfeeding women
Lim et al. Food sources of energy and macronutrient intakes among infants from 6 to 12 months of age: the Growing Up in Singapore Towards Healthy Outcomes (GUSTO) Study
Perin et al. Characterization of salt consumption among hypertensives according to socio-demographic and clinical factors

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