CN113239279B - 一种慢性病医疗数据采集分析管理方法及云平台 - Google Patents

一种慢性病医疗数据采集分析管理方法及云平台 Download PDF

Info

Publication number
CN113239279B
CN113239279B CN202110647012.3A CN202110647012A CN113239279B CN 113239279 B CN113239279 B CN 113239279B CN 202110647012 A CN202110647012 A CN 202110647012A CN 113239279 B CN113239279 B CN 113239279B
Authority
CN
China
Prior art keywords
chronic disease
chronic
hospital
medical
hospitalizing
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
CN202110647012.3A
Other languages
English (en)
Other versions
CN113239279A (zh
Inventor
张楚鸿
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.)
Sichuan Judian Xinye Technology Co ltd
Original Assignee
Sichuan Judian Xinye 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 Sichuan Judian Xinye Technology Co ltd filed Critical Sichuan Judian Xinye Technology Co ltd
Priority to CN202110647012.3A priority Critical patent/CN113239279B/zh
Publication of CN113239279A publication Critical patent/CN113239279A/zh
Application granted granted Critical
Publication of CN113239279B publication Critical patent/CN113239279B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法及云平台，通过构建慢性病医疗管理平台，对区域内各医院中已经过治疗的慢性病患者对应的患病参数进行采集、处理分析，得到各医院内各种慢性病类型对应各种病史时长慢性病患者的平均就医费用和平均就医效果系数，与此同时对区域内的医院进行统计归类，得到各种慢性病类型对应各种病史时长的医院集合，并对医院集合内的医院进行综合排序，进而将排序结果存储在慢性病医疗管理平台内，向慢性病患者提供慢性病检索需求，实现了对慢性病患者就医的智能匹配推荐，充分考虑了慢性病患者就医选择的治疗效果性、经济性原则，极大提高了慢性病患者的就医体验感。

Description

一种慢性病医疗数据采集分析管理方法及云平台
技术领域
本发明属于慢性病医疗数据管理技术领域，具体而言，涉及一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法及云平台。
背景技术
慢性病是一种起病隐匿，并且在短期内无法治愈的病症，如糖尿病、心脑血管疾病、慢性呼吸系统疾病等。随着我国社会经济的发展和人们生活方式的改变,以心脑血管疾病、糖尿病等类型的慢性病已成为影响我国居民健康和经济社会发展所面临的严重挑战，慢性病患病的人数在日益显著增加。但并不是所有的慢性病患者都需要去医院进行治疗，对于一些病症较为轻微的慢性病患者通过自我管理就可以得到良好控制，而对于一些病症较为严重的慢性病患者就需要去医院进行治疗，本发明主要针对的是一些病症较为严重的慢性病患者。
由于各医院都有其擅长治疗的慢性病类型和收费标准，当一些病症较为严重的慢性病患者去医院进行治疗时，因其不了解区域内各医院擅长治疗慢性病的情况和治疗收费情况，就会出现盲目选择医院的现象。这种盲目选择方式一方面可能会出现该慢性病患者所患的慢性病类型与其选择的医院擅长治疗的慢性病类型不匹配的状况，导致患者病情治疗效果不佳、治疗期过长的情况；另一方面可能会出现该慢性病患者所能承担的治疗费用与其选择的医院收费标准不匹配的状况，导致患者因治疗费用不堪重负而中断治疗，极大影响慢性病患者的就医体验感。在这种情况下，如果能够根据慢性病患者对应的患病情况对该慢性病患者进行医院的匹配推荐，就能够有效弥补慢性病患者盲目选择医院带来的弊端。
发明内容
鉴于上述需求，本发明提出一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法及云平台，通过构建慢性病医疗管理平台，对区域内各医院中已经过治疗的慢性病患者对应的患病参数进行采集、处理分析，以此得到各种慢性病类型对应各种病史时长的医院排序结果，并将医院排序结果存储在慢性病医疗管理平台内，向慢性病患者提供慢性病检索需求，能够实现对慢性病患者就医的智能匹配推荐。
本发明的目的可以通过以下技术方案来实现：
第一方面，本发明提出一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法，包括以下步骤：
步骤1.医院慢性病患者统计：对区域内存在的所有医院进行统计并对其进行编号，分别标记为A,B,...,I,...,N,同时对各医院内就医的所有慢性病患者进行统计；
步骤2.各医院慢性病患者归类：从各医院内各慢性病患者对应的就医病历中提取患病参数，并根据患病参数将各医院内就医的所有慢性病患者进行归类，构成各医院内各种慢性病类型对应各种病史时长的慢性病患者集合；
步骤3.慢性病患者就医参数提取：获取各慢性病患者在就医期间的就医记录，并从就医记录中提取就医参数；
步骤4.慢性病患者就医参数分析：根据各慢性病患者对应就医记录中的就医参数评估各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医费用和总就医效果系数；
步骤5.医院对应平均就医费用和平均就医效果系数统计：根据各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医费用和总就医效果系数统计各医院内各种慢性病类型对应各种病史时长慢性病患者的平均就医费用和平均就医效果系数；
步骤6.医院集合构建：将各医院内存在的各慢性病类型及该慢性病类型对应的各种病史时长进行相互对比，进而从中将相同慢性病类型对应相同病史时长的医院进行统计归类，得到各种慢性病类型对应各种病史时长的医院集合；
步骤7.医院综合排序：对医院集合内的医院进行综合排序，得到各种慢性病类型对应各种病史时长的医院排序结果；
步骤8.慢性病检索：构建慢性病医疗管理平台，并将各种慢性病类型对应各种病史时长的医院排序结果存储在慢性病医疗管理平台内，进而向慢性病患者提供慢性病检索需求。
在本发明第一方面的一种可能的设计中，所述患病参数包括慢性病类型和病史时长。
在本发明第一方面的一种可能的设计中，所述步骤2中根据患病参数将各医院内就医的所有慢性病患者进行归类，其具体归类方法如下；
S1:从各医院内就医的各慢性病患者对应的患病参数中提取慢性病类型，并将其进行相互对比，判断是否存在相同的慢性病类型，若存在相同的慢性病类型，则将相同慢性病类型对应的慢性病患者进行初次归类，得到各医院内各种慢性病类型对应的慢性病患者库；
S2:从各医院内各种慢性病类型对应慢性病患者库中各慢性病患者对应的患病参数中提取病史时长，以此将各医院内各种慢性病类型对应慢性病患者库中各慢性病患者的病史时长进行相互对比，从而将各医院内各种慢性病类型对应的慢性病患者库中相同病史时长对应的慢性病患者进行深度归类，由此将各医院内各种慢性病类型对应的慢性病患者库划分为各医院内各种慢性病类型对应各种病史时长的慢性病患者集合。
在本发明第一方面的一种可能的设计中，所述就医参数包括就医费用和慢性病身体指标数据。
在本发明第一方面的一种可能的设计中，所述步骤4中根据评估各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医费用和总就医效果系数，其具体评估过程执行以下步骤：
H1:将各医院内存在的慢性病类型进行编号，依次标记为1,2,...,a,...,z, 并对各医院内各慢性病类型对应的各种病史时长进行编号，分别标记为 1,2,...,b,...,y,同时对各医院内各种慢性病类型对应各种病史时长的慢性病患者集合内的各慢性病患者按照设定的编号方式进行编号，分别标记为1,2,...,i,...,n；
H2:将各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间内的所有就医记录按照就医时间的先后顺序进行编号，依次标记为 1,2,...,j,...,m；
H3:从各就医记录对应的就医参数中提取慢性病身体指标数据，并据此统计各医院内各种慢性病类型对应各种病史时长的各慢性病患者的各次就医记录对应的治疗效果指数，其具体统计方法包括以下步骤：
H31:从各慢性病患者对应的就医病历中提取其对应的原始慢性病身体指标数据；
H32:按照各慢性病患者对应就医记录的编号顺序依次对各次就医记录进行治疗效果指数统计，其中第1次就医记录对应的治疗效果指数统计方法为将各慢性病患者对应第1次就医记录的就医参数中的慢性病身体指标数据与该慢性病患者对应的原始慢性病身体指标数据进行对比，并根据对比结果统计各医院内各种慢性病类型对应各种病史时长的各慢性病患者第1次就医记录对应的治疗效果指数，其计算公式为
Figure BDA0003110310510000051
ηIab i1表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第1次就医记录对应的治疗效果指数，qIab i1、qIab i0分别表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第1次就医记录的慢性病身体指标数据、原始慢性病身体指标数据；
H33:从第2次就医记录开始，将各慢性病患者对应该次就医记录中的慢性病身体指标数据与该慢性病患者对应上次就医记录中的慢性病身体指标数据进行对比，以此得到各医院内各种慢性病类型对应各种病史时长的各慢性病患者第2次至第m次就医记录对应的治疗效果指数，其计算公式为
Figure BDA0003110310510000052
ηIab ik表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第k次就医记录对应的治疗效果指数,k＝2,3,...,j,...,m；
H4:根据各医院内各种慢性病类型对应各种病史时长的各慢性病患者的各次就医记录对应的治疗效果指数评估各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医效果系数，其评估计算公式为
Figure BDA0003110310510000053
σIabi表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者在就医期间的总就医效果系数，ηIab ij表示为第I个医院内第a 种慢性病类型对应第b种病史时长的第i个慢性病患者第j次就医记录对应的治疗效果指数；
H5:从各就医记录对应的就医参数中提取就医费用，并据此评估各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医费用，其评估计算公式为
Figure BDA0003110310510000061
PIabi表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者在就医期间的总就医费用，pIab ij表示为第I 个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第j次就医记录对应的就医费用。
在本发明第一方面的一种可能的设计中，所述各医院内各种慢性病类型对应各种病史时长慢性病患者的平均就医费用的计算公式为
Figure BDA0003110310510000062
表示为第I个医院内第a种慢性病类型对应第b种病史时长慢性病患者的平均就医费用。
在本发明第一方面的一种可能的设计中，所述各医院内各种慢性病类型对应各种病史时长慢性病患者的平均就医效果系数的计算公式为
Figure BDA0003110310510000063
表示为第I个医院内第a种慢性病类型对应第b种病史时长慢性病患者的平均就医效果系数。
在本发明第一方面的一种可能的设计中，所述步骤7中对医院集合内的各医院进行综合排序，其具体排序过程包括以下步骤：
W1:根据各种慢性病类型对应各种病史时长的医院集合内各医院的编号，从中获取各医院对应的平均就医费用和平均就医效果系数，并据此统计各医院的综合推荐系数，其计算公式为
Figure BDA0003110310510000064
表示为第I个医院的综合推荐系数，
Figure BDA0003110310510000065
分别表示为第I个医院对应的平均就医费用和平均就医效果系数，α、β分别表示为就医费用、就医效果系数对应的权重比例系数；
W2:根据各医院的综合推荐系数将各种慢性病类型对应各种病史时长的医院集合内的所有医院按照其对应的综合推荐系数降序顺序进行排序。
在本发明第一方面的一种可能的设计中，所述步骤8中构建慢性病医疗管理平台向慢性病患者提供慢性病检索需求，其具体检索过程为慢性病患者通过在慢性病医疗管理平台输入慢性病类型及病史时长即可检索出该慢性病类型及该病史时长对应的医院排序结果。
第二方面，本发明提出一种云平台，所述云平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个慢性病医疗数据采集分析管理设备通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行本发明所述的一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法。
基于上述任一方面，本发明的有益效果如下：
(1)本发明通过构建慢性病医疗管理平台，对区域内各医院中已经过治疗的慢性病患者对应的患病参数进行采集、处理分析，得到各医院内各种慢性病类型对应各种病史时长慢性病患者的平均就医费用和平均就医效果系数，与此同时对区域内的医院进行统计归类，得到各种慢性病类型对应各种病史时长的医院集合，并对医院集合内的医院进行综合排序，进而将排序结果存储在慢性病医疗管理平台内，向慢性病患者提供慢性病检索需求，实现了对慢性病患者就医的智能匹配推荐，充分考虑了慢性病患者就医选择的治疗效果性、经济性原则，极大提高了慢性病患者的就医体验感。
(2)本发明在进行医院分类排序时，通过综合慢性病类型和病史时长的分类排序方式，使得医院分类更加具体实用，且相对于只根据慢性病类型对医院进行检索，该通过慢性病类型加病史时长的检索方式为后面慢性病患者对医院的检索提供全面具体的检索结果，更加有利于慢性病患者对医院的筛选。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的方法实施步骤流程图。
具体实施方式
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。
参照图1所示，第一方面，本发明提出一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法，包括以下步骤：
步骤1.医院慢性病患者统计：对区域内存在的所有医院进行统计并对其进行编号，分别标记为A,B,...,I,...,N,同时对各医院内就医的所有慢性病患者进行统计；
步骤2.各医院慢性病患者归类：从各医院内各慢性病患者对应的就医病历中提取患病参数，其中患病参数包括慢性病类型和病史时长，并根据患病参数将各医院内就医的所有慢性病患者进行归类，其具体归类方法如下；
S1:从各医院内就医的各慢性病患者对应的患病参数中提取慢性病类型，并将其进行相互对比，判断是否存在相同的慢性病类型，若存在相同的慢性病类型，则将相同慢性病类型对应的慢性病患者进行初次归类，得到各医院内各种慢性病类型对应的慢性病患者库；
S2:从各医院内各种慢性病类型对应慢性病患者库中各慢性病患者对应的患病参数中提取病史时长，以此将各医院内各种慢性病类型对应慢性病患者库中各慢性病患者的病史时长进行相互对比，从而将各医院内各种慢性病类型对应的慢性病患者库中相同病史时长对应的慢性病患者进行深度归类，由此将各医院内各种慢性病类型对应的慢性病患者库划分为各医院内各种慢性病类型对应各种病史时长的慢性病患者集合；
本实施例通过对各医院内就医的所有慢性病患者进行归类，一方面为后续进行各医院内各种慢性病类型对应各种病史时长慢性病患者的平均就医费用和平均就医效果系数统计提供统计依据，另一方面为各种慢性病类型对应各种病史时长的医院统计归类提供归类基础；
步骤3.慢性病患者就医参数提取：获取各慢性病患者在就医期间的就医记录，并从就医记录中提取就医参数，其中就医参数包括就医费用和慢性病身体指标数据；
本实施例提到的慢性病身体指标数据，是能够切实反映慢性病患者对应的慢性病症状的，以糖尿病来说，该慢性病类型对应的慢性病身体指标数据为血糖，以高血压来说，该慢性病类型对应的慢性病身体指标数据为血压；
步骤4.慢性病患者就医参数分析：根据各慢性病患者对应就医记录中的就医参数评估各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医费用和总就医效果系数，其具体评估过程执行以下步骤：
H1:将各医院内存在的慢性病类型进行编号，依次标记为1,2,...,a,...,z, 并对各医院内各慢性病类型对应的各种病史时长进行编号，分别标记为 1,2,...,b,...,y,同时对各医院内各种慢性病类型对应各种病史时长的慢性病患者集合内的各慢性病患者按照设定的编号方式进行编号，分别标记为 1,2,...,i,...,n；
H2:将各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间内的所有就医记录按照就医时间的先后顺序进行编号，依次标记为 1,2,...,j,...,m；
H3:从各就医记录对应的就医参数中提取慢性病身体指标数据，并据此统计各医院内各种慢性病类型对应各种病史时长的各慢性病患者的各次就医记录对应的治疗效果指数，其具体统计方法包括以下步骤：
H31:从各慢性病患者对应的就医病历中提取其对应的原始慢性病身体指标数据；
H32:按照各慢性病患者对应就医记录的编号顺序依次对各次就医记录进行治疗效果指数统计，其中第1次就医记录对应的治疗效果指数统计方法为将各慢性病患者对应第1次就医记录的就医参数中的慢性病身体指标数据与该慢性病患者对应的原始慢性病身体指标数据进行对比，并根据对比结果统计各医院内各种慢性病类型对应各种病史时长的各慢性病患者第1次就医记录对应的治疗效果指数，其计算公式为
Figure BDA0003110310510000101
ηIab i1表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第1次就医记录对应的治疗效果指数，qIab i1、qIab i0分别表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第1次就医记录的慢性病身体指标数据、原始慢性病身体指标数据，其中各慢性病患者对应第1次就医记录的就医参数中的慢性病身体指标数据与该慢性病患者对应的原始慢性病身体指标数据之间对比差值越大，该慢性病患者第1次就医记录对应的治疗效果指数越大，表明治疗效果越好；
H33:从第2次就医记录开始，将各慢性病患者对应该次就医记录中的慢性病身体指标数据与该慢性病患者对应上次就医记录中的慢性病身体指标数据进行对比，以此得到各医院内各种慢性病类型对应各种病史时长的各慢性病患者第2次至第m次就医记录对应的治疗效果指数，其计算公式为
Figure BDA0003110310510000111
ηIab ik表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第k次就医记录对应的治疗效果指数,k＝2,3,...,j,...,m，qIab ik、qIab i(k-1)分别表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第k次就医记录对应的慢性病身体指标数据、第k-1次就医记录对应的慢性病身体指标数据；
H4:根据各医院内各种慢性病类型对应各种病史时长的各慢性病患者的各次就医记录对应的治疗效果指数评估各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医效果系数，其评估计算公式为
Figure BDA0003110310510000112
σIabi表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者在就医期间的总就医效果系数，ηIab ij表示为第I个医院内第a 种慢性病类型对应第b种病史时长的第i个慢性病患者第j次就医记录对应的治疗效果指数；
H5:从各就医记录对应的就医参数中提取就医费用，并据此评估各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医费用，其评估计算公式为
Figure BDA0003110310510000113
PIabi表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者在就医期间的总就医费用，pIab ij表示为第I 个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第j次就医记录对应的就医费用；
本实施例在统计各医院内各种慢性病类型对应各种病史时长的各慢性病患者各次就医记录对应的治疗效果指数过程中，根据慢性病患者对应的慢性病身体指标数据在相邻就医记录中的变化情况进行统计，该统计方式贴合实际，能够真实反映慢性病患者每次就医的治疗效果状况，为各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医效果系数评估提供可靠的评估参考依据；
步骤5.医院对应平均就医费用和平均就医效果系数统计：根据各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医费用和总就医效果系数统计各医院内各种慢性病类型对应各种病史时长慢性病患者的平均就医费用和平均就医效果系数，其中平均就医费用的计算公式为
Figure BDA0003110310510000121
Figure BDA0003110310510000122
表示为第I个医院内第a种慢性病类型对应第b种病史时长慢性病患者的平均就医费用，平均就医效果系数的计算公式为
Figure BDA0003110310510000123
表示为第I个医院内第a种慢性病类型对应第b种病史时长慢性病患者的平均就医效果系数；
步骤6.医院集合构建：将各医院内存在的各慢性病类型及该慢性病类型对应的各种病史时长进行相互对比，进而从中将相同慢性病类型对应相同病史时长的医院进行统计归类，得到各种慢性病类型对应各种病史时长的医院集合；
步骤7.医院综合排序：对医院集合内的医院进行综合排序，其具体排序过程包括以下步骤：
W1:根据各种慢性病类型对应各种病史时长的医院集合内各医院的编号，从中获取各医院对应的平均就医费用和平均就医效果系数，并据此统计各医院的综合推荐系数，其计算公式为
Figure BDA0003110310510000124
表示为第I个医院的综合推荐系数，
Figure BDA0003110310510000125
分别表示为第I个医院对应的平均就医费用和平均就医效果系数，α、β分别表示为就医费用、就医效果系数对应的权重比例系数；
本实施例统计的综合推荐系数融合了医院的就医费用状况和就医效果状况，实现了各医院综合推荐状况的量化展示，为医院的综合排序提供可靠的排序依据；
W2:根据各医院的综合推荐系数将各种慢性病类型对应各种病史时长的医院集合内的所有医院按照其对应的综合推荐系数降序顺序进行排序，得到各种慢性病类型对应各种病史时长的医院排序结果，其中排在前面的医院综合推荐最佳；
步骤8.慢性病检索：构建慢性病医疗管理平台，并将各种慢性病类型对应各种病史时长的医院排序结果存储在慢性病医疗管理平台内，进而向慢性病患者提供慢性病检索需求，其具体检索过程为慢性病患者通过在慢性病医疗管理平台输入慢性病类型及病史时长即可检索出该慢性病类型及该病史时长对应的医院排序结果，便于慢性病患者直观了解该慢性病类型及该病史时长对应的医院综合推荐状况，为慢性病患者筛选医院提供适宜匹配的医院。
第二方面，本发明提出一种云平台，所述云平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个慢性病医疗数据采集分析管理设备通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行本发明所述的一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法。
本发明通过构建慢性病医疗管理平台，对区域内各医院中已经过治疗的慢性病患者对应的患病参数进行采集、处理分析，得到各医院内各种慢性病类型对应各种病史时长慢性病患者的平均就医费用和平均就医效果系数，与此同时对区域内的医院进行统计归类，得到各种慢性病类型对应各种病史时长的医院集合，并对医院集合内的医院进行综合排序，进而将排序结果存储在慢性病医疗管理平台内，向慢性病患者提供慢性病检索需求，实现了对慢性病患者就医的智能匹配推荐，充分考虑了慢性病患者就医选择的治疗效果性、经济性原则，极大提高了慢性病患者的就医体验感。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法，其特征在于，包括以下步骤：
步骤1.医院慢性病患者统计：对区域内存在的所有医院进行统计并对其进行编号，分别标记为A,B,...,I,...,N,同时对各医院内就医的所有慢性病患者进行统计；
步骤2.各医院慢性病患者归类：从各医院内各慢性病患者对应的就医病历中提取患病参数，并根据患病参数将各医院内就医的所有慢性病患者进行归类，构成各医院内各种慢性病类型对应各种病史时长的慢性病患者集合；
步骤3.慢性病患者就医参数提取：获取各慢性病患者在就医期间的就医记录，并从就医记录中提取就医参数；
步骤4.慢性病患者就医参数分析：根据各慢性病患者对应就医记录中的就医参数评估各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医费用和总就医效果系数；
所述步骤4中根据评估各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医费用和总就医效果系数，其具体评估过程执行以下步骤：
H1:将各医院内存在的慢性病类型进行编号，依次标记为1,2,...,a,...,z,并对各医院内各慢性病类型对应的各种病史时长进行编号，分别标记为1,2,...,b,...,y,同时对各医院内各种慢性病类型对应各种病史时长的慢性病患者集合内的各慢性病患者按照设定的编号方式进行编号，分别标记为1,2,...,i,...,n；
H2:将各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间内的所有就医记录按照就医时间的先后顺序进行编号，依次标记为1,2,...,j,...,m；
H3:从各就医记录对应的就医参数中提取慢性病身体指标数据，并据此统计各医院内各种慢性病类型对应各种病史时长的各慢性病患者的各次就医记录对应的治疗效果指数，其具体统计方法包括以下步骤：
H31:从各慢性病患者对应的就医病历中提取其对应的原始慢性病身体指标数据；
H32:按照各慢性病患者对应就医记录的编号顺序依次对各次就医记录进行治疗效果指数统计，其中第1次就医记录对应的治疗效果指数统计方法为将各慢性病患者对应第1次就医记录的就医参数中的慢性病身体指标数据与该慢性病患者对应的原始慢性病身体指标数据进行对比，并根据对比结果统计各医院内各种慢性病类型对应各种病史时长的各慢性病患者第1次就医记录对应的治疗效果指数，其计算公式为
Figure FDA0003568300040000021
ηIab i1表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第1次就医记录对应的治疗效果指数，qIab i1、qIab i0分别表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第1次就医记录的慢性病身体指标数据、原始慢性病身体指标数据；
H33:从第2次就医记录开始，将各慢性病患者对应该次就医记录中的慢性病身体指标数据与该慢性病患者对应上次就医记录中的慢性病身体指标数据进行对比，以此得到各医院内各种慢性病类型对应各种病史时长的各慢性病患者第2次至第m次就医记录对应的治疗效果指数，其计算公式为
Figure FDA0003568300040000031
ηIab ik表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第k次就医记录对应的治疗效果指数,k＝2,3,...,j,...,m；
H4:根据各医院内各种慢性病类型对应各种病史时长的各慢性病患者的各次就医记录对应的治疗效果指数评估各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医效果系数，其评估计算公式为
Figure FDA0003568300040000032
σIabi表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者在就医期间的总就医效果系数，ηIab ij表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第j次就医记录对应的治疗效果指数；
H5:从各就医记录对应的就医参数中提取就医费用，并据此评估各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医费用，其评估计算公式为
Figure FDA0003568300040000033
PIabi表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者在就医期间的总就医费用，pIab ij表示为第I个医院内第a种慢性病类型对应第b种病史时长的第i个慢性病患者第j次就医记录对应的就医费用；
步骤5.医院对应平均就医费用和平均就医效果系数统计：根据各医院内各种慢性病类型对应各种病史时长的各慢性病患者在就医期间的总就医费用和总就医效果系数统计各医院内各种慢性病类型对应各种病史时长慢性病患者的平均就医费用和平均就医效果系数；
步骤6.医院集合构建：将各医院内存在的各慢性病类型及该慢性病类型对应的各种病史时长进行相互对比，进而从中将相同慢性病类型对应相同病史时长的医院进行统计归类，得到各种慢性病类型对应各种病史时长的医院集合；
步骤7.医院综合排序：对医院集合内的医院进行综合排序，得到各种慢性病类型对应各种病史时长的医院排序结果；
步骤8.慢性病检索：构建慢性病医疗管理平台，并将各种慢性病类型对应各种病史时长的医院排序结果存储在慢性病医疗管理平台内，进而向慢性病患者提供慢性病检索需求。
2.根据权利要求1所述的一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法，其特征在于：所述患病参数包括慢性病类型和病史时长。
3.根据权利要求1所述的一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法，其特征在于：所述步骤2中根据患病参数将各医院内就医的所有慢性病患者进行归类，其具体归类方法如下；
S1:从各医院内就医的各慢性病患者对应的患病参数中提取慢性病类型，并将其进行相互对比，判断是否存在相同的慢性病类型，若存在相同的慢性病类型，则将相同慢性病类型对应的慢性病患者进行初次归类，得到各医院内各种慢性病类型对应的慢性病患者库；
S2:从各医院内各种慢性病类型对应慢性病患者库中各慢性病患者对应的患病参数中提取病史时长，以此将各医院内各种慢性病类型对应慢性病患者库中各慢性病患者的病史时长进行相互对比，从而将各医院内各种慢性病类型对应的慢性病患者库中相同病史时长对应的慢性病患者进行深度归类，由此将各医院内各种慢性病类型对应的慢性病患者库划分为各医院内各种慢性病类型对应各种病史时长的慢性病患者集合。
4.根据权利要求1所述的一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法，其特征在于：所述就医参数包括就医费用和慢性病身体指标数据。
5.根据权利要求1所述的一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法，其特征在于：所述各医院内各种慢性病类型对应各种病史时长慢性病患者的平均就医费用的计算公式为
Figure FDA0003568300040000051
Figure FDA0003568300040000052
表示为第I个医院内第a种慢性病类型对应第b种病史时长慢性病患者的平均就医费用。
6.根据权利要求1所述的一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法，其特征在于：所述各医院内各种慢性病类型对应各种病史时长慢性病患者的平均就医效果系数的计算公式为
Figure FDA0003568300040000053
Figure FDA0003568300040000054
表示为第I个医院内第a种慢性病类型对应第b种病史时长慢性病患者的平均就医效果系数。
7.根据权利要求1所述的一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法，其特征在于：所述步骤7中对医院集合内的各医院进行综合排序，其具体排序过程包括以下步骤：
W1:根据各种慢性病类型对应各种病史时长的医院集合内各医院的编号，从中获取各医院对应的平均就医费用和平均就医效果系数，并据此统计各医院的综合推荐系数，其计算公式为
Figure FDA0003568300040000055
Figure FDA0003568300040000056
表示为第I个医院的综合推荐系数，
Figure FDA0003568300040000057
分别表示为第I个医院对应的平均就医费用和平均就医效果系数，α、β分别表示为就医费用、就医效果系数对应的权重比例系数；
W2:根据各医院的综合推荐系数将各种慢性病类型对应各种病史时长的医院集合内的所有医院按照其对应的综合推荐系数降序顺序进行排序。
8.根据权利要求1所述的一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法，其特征在于：所述步骤8中构建慢性病医疗管理平台向慢性病患者提供慢性病检索需求，其具体检索过程为慢性病患者通过在慢性病医疗管理平台输入慢性病类型及病史时长即可检索出该慢性病类型及该病史时长对应的医院排序结果。
9.一种云平台，其特征在于：所述云平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个慢性病医疗数据采集分析管理设备通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行权利要求1-8中任意一项所述的一种基于数据分析和云计算的慢性病医疗数据采集分析管理方法。
CN202110647012.3A 2021-06-10 2021-06-10 一种慢性病医疗数据采集分析管理方法及云平台 Active CN113239279B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110647012.3A CN113239279B (zh) 2021-06-10 2021-06-10 一种慢性病医疗数据采集分析管理方法及云平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110647012.3A CN113239279B (zh) 2021-06-10 2021-06-10 一种慢性病医疗数据采集分析管理方法及云平台

Publications (2)

Publication Number Publication Date
CN113239279A CN113239279A (zh) 2021-08-10
CN113239279B true CN113239279B (zh) 2022-08-05

Family

ID=77139492

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110647012.3A Active CN113239279B (zh) 2021-06-10 2021-06-10 一种慢性病医疗数据采集分析管理方法及云平台

Country Status (1)

Country Link
CN (1) CN113239279B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116631638B (zh) * 2023-05-11 2023-12-12 上海麦色医疗科技有限公司 一种基于人工智能的医疗数据多通路搜索系统
CN116612891B (zh) * 2023-07-14 2023-09-29 营动智能技术(山东)有限公司 一种慢性病患者数据处理系统
CN116805525B (zh) * 2023-08-21 2023-11-07 营动智能技术(山东)有限公司 一种慢性病信息化管理方法、系统及存储介质
CN117854732A (zh) * 2024-03-08 2024-04-09 微脉技术有限公司 一种基于大数据分析的慢性病管理方法与系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111312351A (zh) * 2020-01-20 2020-06-19 和宇健康科技股份有限公司 一种区域病历数据分析方法及系统
CN111554365A (zh) * 2019-03-20 2020-08-18 华中科技大学同济医学院附属协和医院 一种慢性病综合服务平台
CN112216372A (zh) * 2020-10-12 2021-01-12 汤涛 一种基于大数据的智慧医疗医院信息化展示管理平台
CN112907045A (zh) * 2021-02-02 2021-06-04 方翔 一种基于5g物联网的智慧医疗数据采集方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008130380A2 (en) * 2006-10-25 2008-10-30 Bruce Reiner Method and apparatus of providing a radiation scorecard

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111554365A (zh) * 2019-03-20 2020-08-18 华中科技大学同济医学院附属协和医院 一种慢性病综合服务平台
CN111312351A (zh) * 2020-01-20 2020-06-19 和宇健康科技股份有限公司 一种区域病历数据分析方法及系统
CN112216372A (zh) * 2020-10-12 2021-01-12 汤涛 一种基于大数据的智慧医疗医院信息化展示管理平台
CN112907045A (zh) * 2021-02-02 2021-06-04 方翔 一种基于5g物联网的智慧医疗数据采集方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于大数据的慢性病管理价值及关键影响因素研究;贺哲;《华中科技大学学报》;20190523;全文 *

Also Published As

Publication number Publication date
CN113239279A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN113239279B (zh) 一种慢性病医疗数据采集分析管理方法及云平台
CN109411082B (zh) 一种医疗质量评价及就诊推荐方法
Neuvirth et al. Toward personalized care management of patients at risk: the diabetes case study
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
CN108648827A (zh) 心脑血管疾病风险预测方法及装置
WO2021190300A1 (zh) Ai慢性肾病风险筛查建模方法、慢性肾病风险筛查方法及系统
CN102930163A (zh) 一种2型糖尿病风险状态判定方法
CN107194138B (zh) 一种基于体检数据建模的空腹血糖预测方法
CN105528529A (zh) 基于大数据分析的中医临床技能评价体系的数据处理方法
CN110739076A (zh) 一种医疗人工智能公共训练平台
US20100185573A1 (en) Method and Apparatus for Diagnosing an Allergy of the Upper Respiratory Tract Using a Neural Network
CN107145715B (zh) 一种基于推举算法的临床医学智能判别装置
CN110046757B (zh) 基于LightGBM算法的门诊量预测系统及预测方法
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
CN114023441A (zh) 基于可解释机器学习模型的严重aki早期风险评估模型、装置及其开发方法
CN113838577A (zh) 便捷化分层老年mods早期死亡风险评估模型、装置及建立方法
CN111145902A (zh) 一种基于改进人工神经网络的哮喘病诊断方法
CN110533273A (zh) 基于病人就诊地理大数据的医疗机构绩效分级评价方法
CN116665861A (zh) 基于时间、病情及医疗资源的在线问诊推荐方法和系统
Mirzajani Prediction and diagnosis of diabetes by using data mining techniques
AU2021102593A4 (en) A Method for Detection of a Disease
CN109060715A (zh) 一种基于自组织神经网络的近红外光谱共识模型的构建方法
Wang et al. Imbalanced learning for hospital readmission prediction using national readmission database
TW201426624A (zh) 個人醫療費用預測系統
CN111640490A (zh) 基于大数据的医院门诊自助推荐方法

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
TA01 Transfer of patent application right

Effective date of registration: 20220715

Address after: 610000 China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan No. 9, Section 2, Muhua Road, Southwest Airport Economic Development Zone, Shuangliu District, Chengdu

Applicant after: Sichuan Judian Xinye Technology Co.,Ltd.

Address before: Wuhan Jinneng Wind Power Industrial Park, No.9 Zhulin path, fozuling street, Donghu New Technology Development Zone, Wuhan, Hubei 430223

Applicant before: Wuhan qingpai Kazi Digital Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant