CN113257380A - 一种差值核查及差值核查规则的制订方法和装置 - Google Patents
一种差值核查及差值核查规则的制订方法和装置 Download PDFInfo
- Publication number
- CN113257380A CN113257380A CN202110479494.6A CN202110479494A CN113257380A CN 113257380 A CN113257380 A CN 113257380A CN 202110479494 A CN202110479494 A CN 202110479494A CN 113257380 A CN113257380 A CN 113257380A
- Authority
- CN
- China
- Prior art keywords
- detection data
- checking
- difference
- detection
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 489
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 81
- 238000012360 testing method Methods 0.000 description 23
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 235000012000 cholesterol Nutrition 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 238000009472 formulation Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000003556 assay Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000009534 blood test Methods 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002558 medical inspection Methods 0.000 description 1
- 238000010339 medical test Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000001991 pathophysiological effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 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
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种差值核查及差值核查规则的制订方法和装置。所述制订方法包括：获取待分析的检测项目的历史数据库；所述历史数据库包括了若干被检测人员关于所述待分析的检测项目的至少两次检测数据；获取所述历史数据库中的所有检测数据组合；所述检测数据组合由同一被检测人员在前后两次检测时间测得的检测数据构成；根据所有所述检测数据组合，确定每一核查参数的选择范围；所述核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；根据每一所述核查参数及其选择范围，生成所述待分析的检测项目对应的差值核查规则。采用本发明实施例，能有效提高所制订的差值核查规则的科学合理性，从而提高差值核查的准确性。
Description
技术领域
本发明涉及智能医疗技术领域，尤其涉及一种差值核查及差值核查规则的制订方法和装置。
背景技术
差值核查，是临床检验实验室一种常见的室内质控方法，通过获取同一患者在一段时间内的连续的两次检测结果，将两次检测结果进行一定的处理，将处理结果与限定值进行比较，如果满足相应的限定值条件，则认为两次检测结果为正常的生理波动，没有误差产生；否则认为两次检测结果存在实验室或者样本的送检误差，不能直接根据这两个检测结果生成医学报告。
差值核查规则的制订，主要包括核查参数的选用、核查参数的选择范围的设定等方面。然而，发明人发现现有技术至少存在如下问题：现有技术中的差值核查规则，多为医学研究人员根据经验来制订，所设定的核查参数的选择范围难以进行较为科学合理的解释。并且，通常针对不同的医学检测项目，选用不同的核查参数来制订相应的差值核查规则，难以适用于整个实验室的不同医学检测项目，增加了差值核查的开展难度。
发明内容
本发明实施例的目的是提供一种差值核查及差值核查规则的制订方法和装置，其能有效提高所制订的差值核查规则的科学合理性，从而提高差值核查的准确性。
为实现上述目的，本发明实施例提供了一种差值核查规则的制订方法，包括：
获取待分析的检测项目的历史数据库；其中，所述历史数据库包括了若干被检测人员关于所述待分析的检测项目的至少两次检测数据；
获取所述历史数据库中的所有检测数据组合；其中，所述检测数据组合由同一被检测人员在前后两次检测时间测得的检测数据构成；
根据所有所述检测数据组合，确定每一核查参数的选择范围；其中，所述核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
根据每一所述核查参数及其选择范围，生成所述待分析的检测项目对应的差值核查规则。
作为上述方案的改进，所述根据所有所述检测数据组合，确定每一核查参数的选择范围，具体包括：
根据每一所述检测数据组合中前后两次检测时间对应的检测数据，确定每一所述检测数据组合的检测数据比较结果；其中，所述检测数据比较结果包括前一检测数据比后一检测数据高，和前一检测数据比后一检测数据低；
根据同一检测数据比较结果对应的所有检测数据组合，确定所述核查时间范围，以使所述核查时间范围内的检测数据组合的数量最大，且处于所述核查时间范围内的检测数据组合的不同判断形式的值趋于最小；所述判断形式包括两次检测数据的差值的绝对值、差值的百分比、每一单位时间内差值的绝对值和每一单位时间内差值的百分比；
根据处于所述核查时间范围内的所有的检测数据组合，确定所述时间相关性；其中，所述时间相关性包括与时间相关和与时间无关；
获取符合所述时间相关性的判断形式，作为候选判断形式；并根据每一所述候选判断形式的值和对应的检测数据组合生成拟合曲线，获取使得所述拟合曲线的变异系数最小所对应的拟合曲线的候选判断形式，确定所述判断形式；
在所述处于所述核查时间范围内的所有的检测数据组合中，获取位于预设的百分位数的所述判断形式的值，确定所述判断阈值。
作为上述方案的改进，所述根据同一检测数据比较结果对应的所有检测数据组合，确定所述核查时间范围，以使所述核查时间范围内的检测数据组合的数量最大，且处于所述核查时间范围内的检测数据组合的不同判断形式的值趋于最小，具体包括：
根据同一检测数据比较结果对应的所有检测数据组合，计算每一检测数据组合中两次检测数据的时间间隔和不同的判断形式的值；
确定每一所述检测数据组合的所述时间间隔所属的时间区间，并计算每一时间区间内的检测数据组合的数量；其中，每一所述时间区间为预先设定的；
根据每一时间区间内所有检测数据组合的判断形式的值，计算每一时间区间对应的每一判断形式的中位值；
计算所述时间区间对应的所述检测数据组合的数量与每一所述判断形式的中位值的比值，并根据使得每一所述比值趋于最大所对应的时间区间的上限值，确定所述核查时间范围。
作为上述方案的改进，所述根据处于所述核查时间范围内的所有的检测数据组合，确定所述时间相关性，具体包括：
获取处于所述核查时间范围内的所有的检测数据组合；
对每一所述检测数据组合对应的所述差值的绝对值、差值的百分比分别进行关于时间的非参数相关性分析，以确定所述时间相关性。
作为上述方案的改进，所述获取符合所述时间相关性的判断形式，作为候选判断形式，具体为：
当所述时间相关性为与时间相关时，获取所述每一单位时间内差值的绝对值和所述每一单位时间内差值的百分比，作为候选判断形式；
当所述时间相关性为与时间无关时，获取所述差值的绝对值和所述差值的百分比，作为候选判断形式。
作为上述方案的改进，所述根据每一所述候选判断形式的值和对应的检测数据组合生成拟合曲线，获取使得所述拟合曲线的变异系数最小所对应的拟合曲线的候选判断形式，确定所述判断形式，具体包括：
当所述时间相关性为与时间相关时，根据处于所述核查时间范围内的所有的检测数据组合，对所述每一单位时间内差值的绝对值和所述每一单位时间内差值的百分比分别进行曲线拟合，以得到两条拟合曲线；
当所述时间相关性为与时间无关时，根据处于所述核查时间范围内的所有的检测数据组合，对所述差值的绝对值和所述差值的百分比分别进行曲线拟合，以得到两条拟合曲线；
计算所述两条拟合曲线的变异系数；并根据较小的变异系数所对应的拟合曲线的候选判断形式，确定所述判断形式。
作为上述方案的改进，所述差值核查规则对应的核查参数还包括拐点；
则，所述计算所述两条拟合曲线的变异系数；并根据较小的变异系数所对应的拟合曲线的候选判断形式，确定所述判断形式，具体包括：
根据所述两条拟合曲线的交点所对应的检测数据的值，确定所述拐点；
以所述拐点为分界线，分别计算高于所述拐点和低于所述拐点对应的两条拟合曲线的变异系数；
根据较小的变异系数所对应的拟合曲线的候选判断形式，分别确定高于所述拐点和低于所述拐点所对应的判断形式。
本发明实施例还提供了一种差值核查方法，应用如上述任一项所述的差值核查规则的制订方法所制订的差值核查规则进行差值核查；
所述差值核查方法包括：
响应于预设的差值核查指令，获取待核查的检测数据组合；其中，所述待核查的检测数据组合由同一被检测人员关于同一检测项目在前后两次检测时间测得的检测数据构成；
根据所述待核查的检测数据组合中的两次检测数据，获取所述待核查的检测数据组合所命中的差值核查规则；其中，所述差值核查规则的核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
当所述待核查的检测数据组合中前后两次检测时间的差值满足所述核查时间范围时，计算所述待核查的检测数据组合的所述判断形式的值；
若所述判断形式的值小于等于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据不存在误差；若所述判断形式的值大于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据存在误差。
本发明实施例还提供了一种差值核查规则的制订装置，包括：
历史数据库获取模块，用于获取待分析的检测项目的历史数据库；其中，所述历史数据库包括了若干被检测人员关于所述待分析的检测项目的至少两次检测数据；
检测数据组合获取模块，用于获取所述历史数据库中的所有检测数据组合；其中，所述检测数据组合由同一被检测人员在前后两次检测时间测得的检测数据构成；
核查参数确定模块，用于根据所有所述检测数据组合，确定每一核查参数的选择范围；其中，所述核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
差值核查规则生成模块，用于根据每一所述核查参数及其选择范围，生成所述待分析的检测项目对应的差值核查规则。
本发明实施例还提供了一种差值核查装置，应用如上述任一项所述的差值核查规则的制订方法所制订的差值核查规则进行差值核查；
所述差值核查装置包括：
差值核查指令响应模块，响应于预设的差值核查指令，获取待核查的检测数据组合；其中，所述待核查的检测数据组合由同一被检测人员关于同一检测项目在前后两次检测时间测得的检测数据构成；
差值核查规则获取模块，用于根据所述待核查的检测数据组合中的两次检测数据，获取所述待核查的检测数据组合所命中的差值核查规则；其中，所述差值核查规则的核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
判断形式计算模块，用于当所述待核查的检测数据组合中前后两次检测时间的差值满足所述核查时间范围时，计算所述待核查的检测数据组合的所述判断形式的值；
差值核查结果判断模块，用于若所述判断形式的值小于等于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据不存在误差；若所述判断形式的值大于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据存在误差。
与现有技术相比，本发明公开的一种差值核查及差值核查规则的制订方法和装置。通过获取待分析的检测项目的历史数据库，得到所述历史数据库中的所有检测数据组合；对所有所述检测数据组合进行分析计算，从而确定每一核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性的选择范围，根据每一所述核查参数及其选择范围，生成所述待分析的检测项目对应的差值核查规则。采用本发明实施例的技术手段，所述差值核查规则由检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性等核查参数构成，能够适用于的医学检测项目的差值核查规则的制订，具有普适性，避免针对不同的医学检测项目需要选用不同的核查参数导致差值核查的开展难度的增加。同时，通过对待分析的检测项目的历史数据的分析，实现对所述差值核查规则的每一核查参数的具体选择范围的确定，以生成适合每个检测项目的差值核查规则，有效提高了所制订的差值核查规则的科学合理性，从而提高了差值核查的准确性。并且，能够有效提高制订差值核查规则的效率，实用性高。
附图说明
图1是本发明实施例提供的一种差值核查规则的制订方法的步骤示意图；
图2是本发明实施例中确定核查参数的选择范围的步骤示意图；
图3是本发明实施例中优选的确定核查参数的选择范围的步骤示意图；
图4是本发明实施例中绘制的拟合曲线的结构示意图；
图5是本发明实施例提供的一种差值核查方法的步骤示意图；
图6是本发明实施例提供的一种差值核查规则的制订装置的结构示意图；
图7是本发明实施例提供的一种差值核查装置的结构示意图。
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作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。
参见图1，是本发明实施例提供的一种差值核查规则的制订方法的步骤示意图。本发明实施例提供了一种差值核查规则的制订方法，通过以下步骤S11至S14执行：
S11、获取待分析的检测项目的历史数据库；其中，所述历史数据库包括了若干被检测人员关于所述待分析的检测项目的至少两次检测数据；
S12、获取所述历史数据库中的所有检测数据组合；其中，所述检测数据组合由同一被检测人员在前后两次检测时间测得的检测数据构成；
S13、根据所有所述检测数据组合，确定每一核查参数的选择范围；其中，所述核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
S14、根据每一所述核查参数及其选择范围，生成所述待分析的检测项目对应的差值核查规则。
需要说明的是，所述待分析的检测项目可以为不同的医学检测项目，例如血液检测、尿液检测、胆固醇检测等检测项目。当被检测人员做了任一检测项目时，将会得到关于该检测项目的检测数据，并存储至医学检验系统的数据库中。例如，当患者张三在1月20日检测了胆固醇(TC)，获得相应的检测数据为7.3mmol/L，将该检测数据与张三的个人信息绑定存储至数据库中。
当同一被检测人员在一段时间内做了两次或两次以上的检测项目，为了核查该检测人员的连续的两次检测数据是否为正常的生理波动，也即是否存在误差，需要对连续的两次检测数据进行差值核查。
在本发明实施例中，用于生成所述差值核查规则的核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性。这几个核查参数适用于不同的医学检测项目的差值核查规则的制订，具有较高的适用性。
所述检测数据比较结果的选择范围包括前一检测数据比后一检测数据高，和前一检测数据比后一检测数据低两种，其代表着疾病的发展和转归。由于生理病理状态是不同的，所以应该针对不同的比较结果设置不同的核查规则，那么在一条差值核查规则中，应该限定一种情况。
所述核查时间范围表示同一被检测人员的前后两次检测时间应该满足的时间差值。也即，连续两次检测数据的检测时间的差值应当处于所述核查时间范围内才有核查的意义。所述核查时间范围可以为核查天数、核查月数等不同时间单位，其选择范围为相应的具体的时间阈值。例如，设置所述核查时间范围以天数为单位，并且具体的选择范围为0-40天。
所述判断形式的选择范围包括两次检测数据的差值的绝对值、差值的百分比，根据不同检测项目的检测数据与时间的相关性，还可以将所述判断形式拓展出另外两种形式为：每一单位时间内差值的绝对值和每一单位时间内差值的百分比。作为举例，当患者张三在1月20日检测了胆固醇检测项目，获得相应的检测数据为7.3mmol/L，在2月5日检测了胆固醇检测项目，获得相应的检测数据为6.2mmol/L，若以差值的绝对值作为判断形式，则该判断形式的值为|6.2-7.3|＝1.1mmol/L，若以差值的百分比作为判断形式，则该判断形式的值为
若以每一单位时间内差值的绝对值作为判断形式，且该单位时间设置为天，则该判断形式的值为
若以每一单位时间内差值的百分比作为判断形式，且该单位时间设置为天，则该判断形式的值为
所述判断阈值表示所述差值核查规则中的允许限，也即当计算得到的两次检测数据对应的判断形式的值小于等于该判断阈值时，表明两次检测数据为正常的生理波动，不存在误差；否则存在误差。该判断阈值的选择范围为具体的数值，且与所述判断形式相对应。
所述时间相关性表示不同检测项目的检测数据是否与时间相关的特性，其选择范围包括与时间相关和与时间无关两种。时间单位可以为天数、月数等，例如，设置所述时间相关性为天数相关性或月数相关性等，用于表示是否与天数相关，或是否与月数相关。
值得说明的是，判断形式、判断阈值和时间相关性这三个核查参数，构成一个完整的判断限。
具体地，在步骤S11中，医学检验系统的数据库中存储有若干个被测人员关于不同检测项目的历史检测数据，根据指定要分析的检测项目，在医学检验系统的数据库获取所述待分析的检测项目对应的检测数据，得到所述待分析的检测项目的历史数据库。
作为一种实施方式，在所述医学检验系统的操作界面上，根据医生用户输入的待分析的检测项目名称和需要分析的历史检测数据所在的时间段，比如2019.01.01-2020.12.31，系统自动将该时间段内的该检测项目的所有检测数据导出，形成所述待分析的检测项目的历史数据库。
具体地，在步骤S12中，基于所述待分析的检测项目的历史数据库，进行被测人员的身份筛选。例如，基于被检测人员的“身份证号码”这一信息，保留该历史数据库中有重复的检测数据，代表该被检测人员在这2年的时间段内有重复检测过该检测项目，从而将前后两次检测时间对应的检测数据作为一个检测数据组合。若数据库中未录入被检测人员的身份证号码，也可以基于被测人员的“姓名+性别”这一信息，保留该历史数据库中有重复的检测数据，并再次比较同姓名、同性别人员的多次年龄记录是否仅相差2岁，如果超出2岁的，认为仅为姓名和性别的重合，不属于同一个人，以此进行身份的粗略筛选。
可以理解地，当同一被检测人员在所述时间段内存在n(n>2)次以上的检测数据，将被划分为n-1个检测数据组合。例如患者张三在这2年对该检测项目存在三次检查数据，按检测时间顺序分别为A、B和C，那么就会形成两个检测数据组合，A和B为一个检测数据组合；B和C为一个检测数据组合。以此类推。
在本发明实施例中，将同一被检测人员在前后两次检测时间测得的检测数据记为一个检测数据组合，获取所述历史数据库中的所有检测数据组合作为训练数据，分析计算得到适合所述待分析的检测项目的每一核查参数的具体选择范围，以生成对应的差值核查规则。那么，当存在关于该检测项目的待核查的被测人员的连续的两次检测数据时，则可以应用该差值核查规则，进行差值核查，判断两次检测数据是否存在误差。
需要说明的是，若同一被测人员的前后两次检测数据相同，则该条检测数据组合没有进行差值核查的意义，因而不进行分析，可以根据需求将该条检测数据组合删除，均不影响本发明取得的有益效果。
采用本发明实施例的技术手段，确定差值核查规则的核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性，能够适用于不同的医学检测项目的差值核查规则的制订，具有普适性，避免针对不同的医学检测项目需要选用不同的核查参数导致差值核查的开展难度的增加。并且，通过对待分析的检测项目的历史数据的分析，实现对所述差值核查规则的每一核查参数的具体选择范围的确定，以生成适合每个检测项目的差值核查规则，有效提高了所制订的差值核查规则的科学合理性，从而提高了差值核查的准确性。
作为优选的实施方式，参见图2，是本发明实施例中确定核查参数的选择范围的步骤示意图。步骤S13具体通过步骤S131至S135执行：
S131、根据每一所述检测数据组合中前后两次检测时间对应的检测数据，确定每一所述检测数据组合的检测数据比较结果；其中，所述检测数据比较结果包括前一检测数据比后一检测数据高，和前一检测数据比后一检测数据低。
S132、根据同一检测数据比较结果对应的所有检测数据组合，确定所述核查时间范围，以使所述核查时间范围内的检测数据组合的数量最大，且处于所述核查时间范围内的检测数据组合的不同判断形式的值趋于最小；所述判断形式包括两次检测数据的差值的绝对值、差值的百分比、每一单位时间内差值的绝对值和每一单位时间内差值的百分比。
S133、根据处于所述核查时间范围内的所有的检测数据组合，确定所述时间相关性；其中，所述时间相关性包括与时间相关和与时间无关。
S134、获取符合所述时间相关性的判断形式，作为候选判断形式；并根据每一所述候选判断形式的值和对应的检测数据组合生成拟合曲线，获取使得所述拟合曲线的变异系数最小所对应的拟合曲线的候选判断形式，确定所述判断形式。
S135、在所述处于所述核查时间范围内的所有的检测数据组合中，获取位于预设的百分位数的所述判断形式的值，确定所述判断阈值。
作为优选的实施方式，参见图3，是本发明实施例中优选的确定核查参数的选择范围的步骤示意图。
具体地，在步骤S131中，不同的检测数据比较结果代表了疾病的转归和发生，理应是不同的生理、病理特性，所以不能放在一个数据集进行分析。因此，根据每一所述检测数据组合中前后两次检测时间对应的检测数据，按照“前一检测数据比后一检测数据高”和“前一检测数据比后一检测数据低”得到两种检测数据比较结果，并划分为两个不同的数据集分开进行统计分析，也即，针对同一检测项目，最终会根据检测数据比较结果的不同，划分为两套差值核查规则。
根据“前一检测数据比后一检测数据高”和“前一检测数据比后一检测数据低”两种检测数据比较结果，得到两个包含不同检测数据组合的数据集，分别分析计算得到对应的核查时间范围、判断形式、判断阈值和时间相关性等其他核查参数。
具体地，在步骤S132中，包括步骤S1321至步骤S1324：
S1321、根据同一检测数据比较结果对应的所有检测数据组合，计算每一检测数据组合中两次检测数据的时间间隔和不同的判断形式的值。
在本发明实施例中，以“前一检测数据比后一检测数据低”这一检测数据比较结果为例，获取其对应的数据集，记为第一数据集，设置时间单位为天。根据第一数据集中的每一检测数据组合，计算其两次检测数据的时间间隔和不同的判断形式的值。作为举例，患者张三对应的检测数据组合中，前一检测数据为4.55，后一检测数据为5.01，两次检测时间间隔为64天，并分别计算这两次检测数据的差值的绝对值、绝对值/天、百分比、百分比/天这四种判断形式的值，分别为0.46、0.0072、10.11％和0.16％。
S1322、确定每一所述检测数据组合的所述时间间隔所属的时间区间，并计算每一时间区间内的检测数据组合的数量；其中，每一所述时间区间为预先设定的。
选定最适天数作为组距，例如10天，以划分出多个时间区间，例如[0,10]、[11,20]、[21,30]……，并确定所述第一数据集中所有的检测数据组合所属的时间区间，例如，某一检测数据组合中前一检测时间距离后一检测时间相差45天，则将该条检测数据组合归入[41,50]这一时间区间。计算每一时间区间内的检测数据组合的数量，记为频率X。可以理解地，如果某一时间区间内的检测数据组合的数量越多，证明医生从临床实践上，是认同在这个阶段进行病情监测的。按理说，频率X这个值应该越大越好。
S1323、根据每一时间区间内所有检测数据组合的判断形式的值，计算每一时间区间对应的每一判断形式的中位值。
根据每一检测数据组合对应的不同的判断形式(包括差值的绝对值、绝对值/天、百分比、百分比/天)的值，计算每一时间区间对应的不同判断形式的中位值，包括绝对值的中位数值、百分比的中位数值、绝对值/天的中位数值、百分比/天的中位数值，分别记为Y1、Y2、Y3、Y4。可以理解地，合理的差值校验，一定是建立在Y1、Y2、Y3、Y4尽量小的基础上。
S1324、计算所述时间区间对应的所述检测数据组合的数量与每一所述判断形式的中位值的比值，并根据使得每一所述比值趋于最大所对应的时间区间的上限值，确定所述核查时间范围。
计算X/Y1、X/Y2、X/Y3、X/Y4，按照频数X尽量大，判断形式的中位值Y尽量小的原则，判断是否存在一个时间区间的X/Y1、X/Y2、X/Y3、X/Y4趋于最大，从而根据该时间区间确定核查时间范围。以X/Y1，即频率/绝对值中位数为例，频率/绝对值中位数在[31-40]这一时间区间内最大，之后均处于降低的趋势，所以，频率/绝对值中位数在40天内是最优选择，其次为30天和60天。同理，分别计算X/Y2、X/Y3、X/Y4的最优天数，获取X/Y1、X/Y2、X/Y3、X/Y4均占最优的天数为目标最优天数，确定该目标最优天数以内的时间范围为所述核查时间范围，作为举例，40天在X/Y1、X/Y2、X/Y3、X/Y4所计算的最优天数中处于前三，故选择0-40天为差值核查的核查时间范围。
具体地，在步骤S133中，获取处于所述核查时间范围内的所有的检测数据组合；对每一所述检测数据组合对应的所述差值的绝对值、差值的百分比分别进行关于时间的非参数相关性分析，以确定所述时间相关性。
仍以“前一检测数据比后一检测数据低”这一检测数据比较结果为例，在确定了0-40天为差值核查的核查时间范围之后，根据所述第一数据集中处于40天内的所有检测数据组合，以天数为X轴，以每一个检测数据组合内两个检测数据的差值的绝对值、差值的百分比分别做非参数相关性分析，计算p值的大小，若p小于0.05，认为差异与时间呈现相关性，从而得到差值的绝对值是否与时间相关、差值的百分比是否与时间相关的结论。
具体地，在步骤S134中，包括步骤：
S1341、当所述时间相关性为与时间相关时，获取所述每一单位时间内差值的绝对值和所述每一单位时间内差值的百分比，作为候选判断形式；当所述时间相关性为与时间无关时，获取所述差值的绝对值和所述差值的百分比，作为候选判断形式。
S1342、当所述时间相关性为与时间相关时，根据处于所述核查时间范围内的所有的检测数据组合，对所述每一单位时间内差值的绝对值和所述每一单位时间内差值的百分比分别进行曲线拟合，以得到两条拟合曲线；当所述时间相关性为与时间无关时，根据处于所述核查时间范围内的所有的检测数据组合，对所述差值的绝对值和所述差值的百分比分别进行曲线拟合，以得到两条拟合曲线；
S1343、计算所述两条拟合曲线的变异系数；并根据较小的变异系数所对应的拟合曲线的候选判断形式，确定所述判断形式。
作为举例，当所述时间相关性为与时间无关时，所述候选判断形式为所述差值的绝对值和所述差值的百分比。取40天内的所有的检测数据组合的差值的绝对值、差值的百分比，分别做拟合曲线。参见图4，是本发明实施例中绘制的拟合曲线的结构示意图。左边的Y轴表示差值的绝对值，右边的Y轴表示差值的百分比，X轴为所述待分析的检测项目对应的检测数据的单位，如检测浓度。
根据所述检测数据组合中前一检测数据检测浓度和差值的绝对值、差值的百分比做回归曲线，求取最适的拟合曲线。分别计算两条曲线Y轴对应值的变异系数(CV值)，选择CV值较小的候选判断形式，确定为所述差值核查规则的判断形式。例如，若差值的绝对值对应的拟合曲线的CV值较小，则确定生成所述差值核查规则的判断形式选用差值的绝对值。
在步骤S135中，在确定具体的判断形式之后，根据处于所述核查时间范围内的所有的检测数据组合中的所述判断形式的值，获取其中处于预设的百分位的值，作为所述判断阈值。
所述预设的百分位可以根据实际情况进行设定和调整。优选地，所述预设的百分位为第97.5百分位。
例如，当所述判断形式确定为差值的绝对值后，根据40天内的所有的检测数据组合的差值的绝对值，获取位于第97.5百分位的绝对值，作为所述判断阈值。
采用本发明实施例的技术手段，通过对待分析的检测项目的历史数据进行分析，对所述差值核查规则的每一核查参数的具体选择范围进行确定，以生成适合每个检测项目的差值核查规则，有效提高了所制订的差值核查规则的科学合理性，从而提高了差值核查的准确性。
作为优选的实施方式，所述差值核查规则对应的核查参数还包括拐点。则，在上述实施例的基础上，步骤S1343具体包括步骤S13431至S13433：
S13431、根据所述两条拟合曲线的交点所对应的检测数据的值，确定所述拐点；
S13432、以所述拐点为分界线，分别计算高于所述拐点和低于所述拐点对应的两条拟合曲线的变异系数；
S13433、根据较小的变异系数所对应的拟合曲线的候选判断形式，分别确定高于所述拐点和低于所述拐点所对应的判断形式。
在本发明实施例中，根据实际需求，同一差值核查规则可以设置不同的判断形式。当存在拐点这一核查参数时，检测数据所使用的不同的判断形式以所述拐点为分界线，例如大于所述拐点的检测数据使用一种判断形式，小于所述拐点的检测数据使用另一种判断形式。
需要说明的是，即使存在拐点这一参数，也可能仍只选用一种判断形式生成所述差值核查规则，均是根据所述待分析的检测项目的历史数据库分析计算得到的，本发明对此不作具体限定。
以上述实施例为例，当所述候选判断形式为所述差值的绝对值和所述差值的百分比时，取40天内(核查时间范围)的所有的检测数据组合的差值的绝对值、差值的百分比，分别做拟合曲线。参见图4，是本发明实施例中绘制的拟合曲线的结构示意图。左边的Y轴表示差值的绝对值，右边的Y轴表示差值的百分比，X轴为所述待分析的检测项目对应的检测数据的单位，如检测浓度。
判断所述两条拟合曲线是否存在交点。若不存在交点，则不存在拐点这一核查参数，也即最终只确定一种判断形式。若存在交点，将所述两条拟合曲线的交点所对应的检测浓度，确定为所述拐点。分别计算高于所述拐点的检测浓度、低于所述拐点的检测浓度对应的两条拟合曲线段的CV值，取CV较小的曲线对应的判断形式，确定所述差值核查规则的判断形式。
以图4所示的两条拟合曲线为例，所述两条拟合曲线存在交点，且交点的检测浓度值为3.73mmol/L。也就是说，3.73mmol/L为拐点。以3.37mmol/L为分界线，通过计算小于3.73mmol/L的两条拟合曲线段的CV值，取CV值小的，也即曲线平稳的拟合曲线对应的判断形式。假设通过计算，在3.73mmol/L以下，绝对值对应的拟合曲线的CV值较小，则当差值核查过程中，被检测人员的前一检测数据小于3.37mmol/L时，所述判断形式使用差值的绝对值。
同理，计算大于3.73mmol/L的两条拟合曲线段的CV值，取CV值小的拟合曲线对应的判断形式。假设通过计算，在3.73mmol/L以上，百分比对应的拟合曲线的CV值较小，则当差值核查过程中，被检测人员的前一检测数据大于3.37mmol/L时，所述判断形式使用差值的百分比。
优选地，本发明实施例还针对所述待分析的检测项目设定一个报告范围，也即针对所述待分析的检测项目的检测数据，实验室只在报告单上呈现处于所述报告范围内的数值。例如针对胆固醇检测项目，设置所述报告范围为0.5-200mmol/L。如果检测数据低于0.5，实验室会报告<0.5，如果检测数据高于200，实验室会报告>200，而不会给出具体的检测数据值。因为在这个范围外的数值，实验室认为报告给临床没有意义。
在此基础上，根据所述报告范围，将超过所述报告范围的检测数据对应的拟合曲线段删除。当存在拐点这一核查参数时，例如拐点为3.73，则两条拟合曲线均有2段需要分别考虑，一段是0.5-3.73，另一段是3.73-200。根据每一段内的两条曲线的CV值，取CV值较小的拟合曲线段对应的判断形式。
可以理解地，所述拐点的数量也可以不止一个，例如两条拟合曲线存在两个交点或者两个以上的交点，就会有3段或者3段以上的拟合数据段需要分别确定其判断形式，在此不多做赘述。
本发明实施例提供了一种差值核查规则的制订方法，通过获取待分析的检测项目的历史数据库，得到所述历史数据库中的所有检测数据组合；对所有所述检测数据组合进行分析计算，从而确定每一核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性的选择范围，根据每一所述核查参数及其选择范围，生成所述待分析的检测项目对应的差值核查规则。采用本发明实施例的技术手段，所述差值核查规则由检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性等核查参数构成，能够适用于的医学检测项目的差值核查规则的制订，具有普适性，避免针对不同的医学检测项目需要选用不同的核查参数导致差值核查的开展难度的增加。同时，通过对待分析的检测项目的历史数据的分析，实现对所述差值核查规则的每一核查参数的具体选择范围的确定，以生成适合每个检测项目的差值核查规则，有效提高了所制订的差值核查规则的科学合理性，从而提高了差值核查的准确性。并且，能够有效提高制订差值核查规则的效率，实用性高。
参见图5，是本发明实施例提供的一种差值核查方法的步骤示意图。本发明实施例提供的一种差值核查方法，应用如上述实施例提供的差值核查规则的制订方法所制订的差值核查规则进行差值核查；
所述差值核查方法通过步骤S21至S24执行：
S21、响应于预设的差值核查指令，获取待核查的检测数据组合；其中，所述待核查的检测数据组合由同一被检测人员关于同一检测项目在前后两次检测时间测得的检测数据构成；
S22、根据所述待核查的检测数据组合中的两次检测数据，获取所述待核查的检测数据组合所命中的差值核查规则；其中，所述差值核查规则的核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
S23、当所述待核查的检测数据组合中前后两次检测时间的差值满足所述核查时间范围时，计算所述待核查的检测数据组合的所述判断形式的值；
S24、若所述判断形式的值小于等于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据不存在误差；若所述判断形式的值大于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据存在误差。
在本发明实施例中，预先根据上述实施例所提供的差值核查规则的制订方法，为每一待分析的检测项目制订相应的差值核查规则。当接收到某一被测人员关于某一检测项目在前后两次检测时间测得的检测数据时，响应于预设的差值核查指令，对所述前后两次检测数据作为待核查的检测数据组合进行差值核查。
具体地，差值核查系统根据所述待核查的检测数据组合所对应的检测项目名称，触发该检测项目对应的差值核查规则。由于在差值核查规则的制订过程中，同一检测项目根据“检测数据比较结果”的不同，存在两种差值核查规则，因此，差值核查系统进一步根据所述待核查的检测数据组合中的两次检测数据的差值，判断属于“前一检测数据比后一检测数据高”的检测数据比较结果，还是“前一检测数据比后一检测数据低”的检测数据比较结果，从而触发该检测数据比较结果对应的差值核查规则，获取到该差值核查规则的核查时间范围、判断形式、判断阈值和时间相关性。
进一步地，判断所述待核查的检测数据组合中的两次检测数据对应的检测时间的差值是否处于所述核查时间范围内，若是，则计算所述待核查的检测数据组合对应的所述判断形式的值。
最后，判断所述判断形式的值与所述判断阈值的大小关系，若所述判断形式的值小于等于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据不存在误差；若所述判断形式的值大于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据存在误差，以此完成对所述待核查的检测数据组合中两条检测数据的差值核查。
优选地，当所述差值核查规则存在拐点这一核查参数时，也即所述差值核查规则可能存在两种不同的判断形式，还需要比较前一检测数据与拐点的大小关系来确定对应的判断形式和判断阈值。
作为举例，假设根据上述差值核查规则的制订方法，确定胆固醇检测项目的一差值核查规则为：
患者张三在1月20日检测了胆固醇检测项目，获得相应的检测数据为7.3mmol/L，在2月5日检测了胆固醇检测项目，获得相应的检测数据为6.2mmol/L，由于两次检测时间的差值为16天，满足所述核查时间范围，且前一检测数据比后一检测数据高，满足所述核查数据比较结果。进一步地，由于前一检测数据为7.3mmol/L，大于所述拐点3.73mmol/L，因而选择百分比的判断形式，且对应的判断阈值为110％，计算所述判断形式的值，也即两次比较数据的差值的百分比为：
小于判断阈值110％，因此，判定这两次检测数据之间不存在误差，可用于生成相应的医学报告单。
本发明实施例提供了一种差值核查方法，预先对不同的检测项目生成对应的差值核查规则，响应于预设的差值核查指令，获取待核查的检测数据组合，并触发所述待核查的检测数据组合所命中的差值核查规则进行差值核查操作。当所述待核查的检测数据组合中前后两次检测时间的差值满足所述核查时间范围时，计算所述待核查的检测数据组合的所述判断形式的值；若所述判断形式的值小于等于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据不存在误差；若所述判断形式的值大于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据存在误差。采用本发明实施例，制订的差值核查规则具有适用性高，科学合理的特点，能有效提高差值核查结果的精准性，并提高差值核查操作的简便性和效率。
参见图6，是本发明实施例提供的一种差值核查规则的制订装置的结构示意图。本发明实施例还提供了一种差值核查规则的制订装置30，包括：历史数据库获取模块31、检测数据组合获取模块32、核查参数确定模块33和差值核查规则生成模块34；其中，
所述历史数据库获取模块31，用于获取待分析的检测项目的历史数据库；其中，所述历史数据库包括了若干被检测人员关于所述待分析的检测项目的至少两次检测数据；
所述检测数据组合获取模块32，用于获取所述历史数据库中的所有检测数据组合；其中，所述检测数据组合由同一被检测人员在前后两次检测时间测得的检测数据构成；
所述核查参数确定模块33，用于根据所有所述检测数据组合，确定每一核查参数的选择范围；其中，所述核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
所述差值核查规则生成模块34，用于根据每一所述核查参数及其选择范围，生成所述待分析的检测项目对应的差值核查规则。
需要说明的是，本发明实施例提供的一种差值核查规则的制订装置用于执行上述实施例的一种差值核查规则的制订方法的所有流程步骤，两者的工作原理和有益效果一一对应，因而不再赘述。
参见图7，是本发明实施例提供的一种差值核查装置的结构示意图。本发明实施例还提供了一种差值核查装置40，应用如上述实施例所述的差值核查规则的制订方法所制订的差值核查规则进行差值核查；
所述差值核查装置40包括差值核查指令响应模块41、差值核查规则获取模块42、判断形式计算模块43和差值核查结果判断模块44；其中，
所述差值核查指令响应模块41，响应于预设的差值核查指令，获取待核查的检测数据组合；其中，所述待核查的检测数据组合由同一被检测人员关于同一检测项目在前后两次检测时间测得的检测数据构成；
所述差值核查规则获取模块42，用于根据所述待核查的检测数据组合中的两次检测数据，获取所述待核查的检测数据组合所命中的差值核查规则；其中，所述差值核查规则的核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
所述判断形式计算模块43，用于当所述待核查的检测数据组合中前后两次检测时间的差值满足所述核查时间范围时，计算所述待核查的检测数据组合的所述判断形式的值；
所述差值核查结果判断模块44，用于若所述判断形式的值小于等于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据不存在误差；若所述判断形式的值大于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据存在误差。
需要说明的是，本发明实施例提供的一种差值核查装置用于执行上述实施例的一种差值核查方法的所有流程步骤，两者的工作原理和有益效果一一对应，因而不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种差值核查规则的制订方法，其特征在于，包括：
获取待分析的检测项目的历史数据库；其中，所述历史数据库包括了若干被检测人员关于所述待分析的检测项目的至少两次检测数据；
获取所述历史数据库中的所有检测数据组合；其中，所述检测数据组合由同一被检测人员在前后两次检测时间测得的检测数据构成；
根据所有所述检测数据组合，确定每一核查参数的选择范围；其中，所述核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
根据每一所述核查参数及其选择范围，生成所述待分析的检测项目对应的差值核查规则。
2.如权利要求1所述的差值核查规则的制订方法，其特征在于，所述根据所有所述检测数据组合，确定每一核查参数的选择范围，具体包括：
根据每一所述检测数据组合中前后两次检测时间对应的检测数据，确定每一所述检测数据组合的检测数据比较结果；其中，所述检测数据比较结果包括前一检测数据比后一检测数据高，和前一检测数据比后一检测数据低；
根据同一检测数据比较结果对应的所有检测数据组合，确定所述核查时间范围，以使所述核查时间范围内的检测数据组合的数量最大，且处于所述核查时间范围内的检测数据组合的不同判断形式的值趋于最小；所述判断形式包括两次检测数据的差值的绝对值、差值的百分比、每一单位时间内差值的绝对值和每一单位时间内差值的百分比；
根据处于所述核查时间范围内的所有的检测数据组合，确定所述时间相关性；其中，所述时间相关性包括与时间相关和与时间无关；
获取符合所述时间相关性的判断形式，作为候选判断形式；并根据每一所述候选判断形式的值和对应的检测数据组合生成拟合曲线，获取使得所述拟合曲线的变异系数最小所对应的拟合曲线的候选判断形式，确定所述判断形式；
在所述处于所述核查时间范围内的所有的检测数据组合中，获取位于预设的百分位数的所述判断形式的值，确定所述判断阈值。
3.如权利要求2所述的差值核查规则的制订方法，其特征在于，所述根据同一检测数据比较结果对应的所有检测数据组合，确定所述核查时间范围，以使所述核查时间范围内的检测数据组合的数量最大，且处于所述核查时间范围内的检测数据组合的不同判断形式的值趋于最小，具体包括：
根据同一检测数据比较结果对应的所有检测数据组合，计算每一检测数据组合中两次检测数据的时间间隔和不同的判断形式的值；
确定每一所述检测数据组合的所述时间间隔所属的时间区间，并计算每一时间区间内的检测数据组合的数量；其中，每一所述时间区间为预先设定的；
根据每一时间区间内所有检测数据组合的判断形式的值，计算每一时间区间对应的每一判断形式的中位值；
计算所述时间区间对应的所述检测数据组合的数量与每一所述判断形式的中位值的比值，并根据使得每一所述比值趋于最大所对应的时间区间的上限值，确定所述核查时间范围。
4.如权利要求2所述的差值核查规则的制订方法，其特征在于，所述根据处于所述核查时间范围内的所有的检测数据组合，确定所述时间相关性，具体包括：
获取处于所述核查时间范围内的所有的检测数据组合；
对每一所述检测数据组合对应的所述差值的绝对值、差值的百分比分别进行关于时间的非参数相关性分析，以确定所述时间相关性。
5.如权利要求2所述的差值核查规则的制订方法，其特征在于，所述获取符合所述时间相关性的判断形式，作为候选判断形式，具体为：
当所述时间相关性为与时间相关时，获取所述每一单位时间内差值的绝对值和所述每一单位时间内差值的百分比，作为候选判断形式；
当所述时间相关性为与时间无关时，获取所述差值的绝对值和所述差值的百分比，作为候选判断形式。
6.如权利要求5所述的差值核查规则的制订方法，其特征在于，所述根据每一所述候选判断形式的值和对应的检测数据组合生成拟合曲线，获取使得所述拟合曲线的变异系数最小所对应的拟合曲线的候选判断形式，确定所述判断形式，具体包括：
当所述时间相关性为与时间相关时，根据处于所述核查时间范围内的所有的检测数据组合，对所述每一单位时间内差值的绝对值和所述每一单位时间内差值的百分比分别进行曲线拟合，以得到两条拟合曲线；
当所述时间相关性为与时间无关时，根据处于所述核查时间范围内的所有的检测数据组合，对所述差值的绝对值和所述差值的百分比分别进行曲线拟合，以得到两条拟合曲线；
计算所述两条拟合曲线的变异系数；并根据较小的变异系数所对应的拟合曲线的候选判断形式，确定所述判断形式。
7.如权利要求6所述的差值核查规则的制订方法，其特征在于，所述差值核查规则对应的核查参数还包括拐点；
则，所述计算所述两条拟合曲线的变异系数；并根据较小的变异系数所对应的拟合曲线的候选判断形式，确定所述判断形式，具体包括：
根据所述两条拟合曲线的交点所对应的检测数据的值，确定所述拐点；
以所述拐点为分界线，分别计算高于所述拐点和低于所述拐点对应的两条拟合曲线的变异系数；
根据较小的变异系数所对应的拟合曲线的候选判断形式，分别确定高于所述拐点和低于所述拐点所对应的判断形式。
8.一种差值核查方法，其特征在于，应用如权利要求1-7任一项所述的差值核查规则的制订方法所制订的差值核查规则进行差值核查；
所述差值核查方法包括：
响应于预设的差值核查指令，获取待核查的检测数据组合；其中，所述待核查的检测数据组合由同一被检测人员关于同一检测项目在前后两次检测时间测得的检测数据构成；
根据所述待核查的检测数据组合中的两次检测数据，获取所述待核查的检测数据组合所命中的差值核查规则；其中，所述差值核查规则的核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
当所述待核查的检测数据组合中前后两次检测时间的差值满足所述核查时间范围时，计算所述待核查的检测数据组合的所述判断形式的值；
若所述判断形式的值小于等于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据不存在误差；若所述判断形式的值大于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据存在误差。
9.一种差值核查规则的制订装置，其特征在于，包括：
历史数据库获取模块，用于获取待分析的检测项目的历史数据库；其中，所述历史数据库包括了若干被检测人员关于所述待分析的检测项目的至少两次检测数据；
检测数据组合获取模块，用于获取所述历史数据库中的所有检测数据组合；其中，所述检测数据组合由同一被检测人员在前后两次检测时间测得的检测数据构成；
核查参数确定模块，用于根据所有所述检测数据组合，确定每一核查参数的选择范围；其中，所述核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
差值核查规则生成模块，用于根据每一所述核查参数及其选择范围，生成所述待分析的检测项目对应的差值核查规则。
10.一种差值核查装置，其特征在于，应用如权利要求1-7任一项所述的差值核查规则的制订方法所制订的差值核查规则进行差值核查；
所述差值核查装置包括：
差值核查指令响应模块，响应于预设的差值核查指令，获取待核查的检测数据组合；其中，所述待核查的检测数据组合由同一被检测人员关于同一检测项目在前后两次检测时间测得的检测数据构成；
差值核查规则获取模块，用于根据所述待核查的检测数据组合中的两次检测数据，获取所述待核查的检测数据组合所命中的差值核查规则；其中，所述差值核查规则的核查参数包括检测数据比较结果、核查时间范围、判断形式、判断阈值和时间相关性；
判断形式计算模块，用于当所述待核查的检测数据组合中前后两次检测时间的差值满足所述核查时间范围时，计算所述待核查的检测数据组合的所述判断形式的值；
差值核查结果判断模块，用于若所述判断形式的值小于等于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据不存在误差；若所述判断形式的值大于所述判断阈值，判定所述待核查的检测数据组合中的两次检测数据存在误差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110479494.6A CN113257380B (zh) | 2021-04-30 | 2021-04-30 | 一种差值核查及差值核查规则的制订方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110479494.6A CN113257380B (zh) | 2021-04-30 | 2021-04-30 | 一种差值核查及差值核查规则的制订方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113257380A true CN113257380A (zh) | 2021-08-13 |
| CN113257380B CN113257380B (zh) | 2024-01-09 |
Family
ID=77223342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110479494.6A Active CN113257380B (zh) | 2021-04-30 | 2021-04-30 | 一种差值核查及差值核查规则的制订方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113257380B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100814135B1 (ko) * | 2006-10-11 | 2008-03-14 | 대한적십자사 | 혈액검사 데이터의 검증방법 및 그 장치 |
| CN101317786A (zh) * | 2007-06-07 | 2008-12-10 | 株式会社东芝 | 检查数据处理装置和检查系统 |
| CN107133482A (zh) * | 2016-12-20 | 2017-09-05 | 深圳金域医学检验所有限公司 | 用于检验标本分析的数据预警方法及装置 |
| CN107229828A (zh) * | 2017-05-24 | 2017-10-03 | 广州金域医学检验中心有限公司 | 用于内分泌检测分析的数据预警方法及装置 |
| CN110600098A (zh) * | 2019-08-09 | 2019-12-20 | 广州中医药大学第一附属医院 | 一种临床化学自动审核方法、系统、装置和存储介质 |
| CN110660462A (zh) * | 2019-09-26 | 2020-01-07 | 复旦大学附属中山医院 | 基于大数据的检验报告自动审核方法、系统和存储介质 |
| CN111833009A (zh) * | 2020-06-09 | 2020-10-27 | 温冬梅 | 全实验室智能审核软件系统 |
-
2021
- 2021-04-30 CN CN202110479494.6A patent/CN113257380B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100814135B1 (ko) * | 2006-10-11 | 2008-03-14 | 대한적십자사 | 혈액검사 데이터의 검증방법 및 그 장치 |
| CN101317786A (zh) * | 2007-06-07 | 2008-12-10 | 株式会社东芝 | 检查数据处理装置和检查系统 |
| CN107133482A (zh) * | 2016-12-20 | 2017-09-05 | 深圳金域医学检验所有限公司 | 用于检验标本分析的数据预警方法及装置 |
| CN107229828A (zh) * | 2017-05-24 | 2017-10-03 | 广州金域医学检验中心有限公司 | 用于内分泌检测分析的数据预警方法及装置 |
| CN110600098A (zh) * | 2019-08-09 | 2019-12-20 | 广州中医药大学第一附属医院 | 一种临床化学自动审核方法、系统、装置和存储介质 |
| CN110660462A (zh) * | 2019-09-26 | 2020-01-07 | 复旦大学附属中山医院 | 基于大数据的检验报告自动审核方法、系统和存储介质 |
| CN111833009A (zh) * | 2020-06-09 | 2020-10-27 | 温冬梅 | 全实验室智能审核软件系统 |
Non-Patent Citations (5)
| Title |
|---|
| 何书康等: "临床检验基于患者数据室内质量控制方法的研究与进展", 《国际检验医学杂志》, vol. 41, no. 11, pages 1390 - 1395 * |
| 吴晓丹等: "基于MRI设备差异的医疗检查任务分配与排程", 《工业工程与管理》, no. 3, pages 73 - 80 * |
| 孙志鹏: "检验小白搞科研系列之——差值检查法在血液学检验中的应用", Retrieved from the Internet <URL:https://mp.weixin.qq.com/s?src=11×tamp=1693896713&ver=4755&signature=5JaBDa6wttcoEIF8G0m6AIqPbNEOneXPkAXltdZwrznimELOt5EfVXq1h4YJj*gRDTWNvuXpVEZuXcedO7YwgwS64FJ96mJmJsFZgP2sX0zFw609n3*PcQHqZEV5oLRb&new=1> * |
| 朱晶等: "临床检验结果自动审核应用进展", 《临床检验杂志》, vol. 36, no. 12, pages 886 - 890 * |
| 费阳等: "患者个体数据Delta检查方法", 《检验医学》, vol. 32, no. 1, pages 64 - 68 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113257380B (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020181805A1 (zh) | 糖尿病的预测方法及装置、存储介质、计算机设备 | |
| CN104809226B (zh) | 一种早期分类不平衡多变量时间序列数据的方法 | |
| CN109785973B (zh) | 一种手术患者在围手术期发生并发症的定量预测方法 | |
| KR20090024686A (ko) | 바이오마커를 이용하여 질병 상태를 식별하기 위한 방법 및장치 | |
| CN101517602A (zh) | 使用基于分类器集成的遗传算法进行特征选择的方法 | |
| CN113053535B (zh) | 一种医疗信息预测系统及医疗信息预测方法 | |
| KR102382707B1 (ko) | 다유전자 위험점수를 이용한 시간 의존 연관성 기반의 질환 발병 정보 생성 장치 및 그 방법 | |
| WO2021179630A1 (zh) | 一种并发症风险预测系统、方法、装置、设备及介质 | |
| Schisterman et al. | Hybrid pooled–unpooled design for cost‐efficient measurement of biomarkers | |
| CN107145715B (zh) | 一种基于推举算法的临床医学智能判别装置 | |
| US20070150314A1 (en) | Method for carrying out quality control of medical data records collected from different but comparable patient collectives within the bounds of a medical plan | |
| CN112599218A (zh) | 药物敏感预测模型的训练方法、预测方法及相关装置 | |
| CN115691722A (zh) | 医疗数据检测的质控方法、装置、设备、介质及程序产品 | |
| Poly et al. | Artificial intelligence in diabetic retinopathy: Insights from a meta-analysis of deep learning | |
| CN114628033A (zh) | 疾病风险预测方法、装置、设备及存储介质 | |
| Murugan et al. | An abnormality detection of retinal fundus images by deep convolutional neural networks | |
| CN113796877A (zh) | 脑卒中预测值获取方法、装置及存储介质 | |
| CN116189909B (zh) | 基于推举算法的临床医学判别方法及系统 | |
| CN111261298B (zh) | 一种医疗数据质量预判方法、装置、可读介质及电子设备 | |
| CN116864011A (zh) | 基于多组学数据的结直肠癌分子标志物识别方法及系统 | |
| CN113257380A (zh) | 一种差值核查及差值核查规则的制订方法和装置 | |
| KR102389479B1 (ko) | 시간 변동 공변량 기반의 prs 모델을 이용한 질환별 위험 유전자 변이 정보 생성 장치 및 그 방법 | |
| KR102405900B1 (ko) | 시간 변동성 기반의 질환 연관성 요인 분석을 통한 질환 발병 정보 생성 장치 및 그 방법 | |
| Ameljańczyk | Multicriteria similarity models for medical diagnostic support algorithms | |
| TWI399661B (zh) | 從微陣列資料中分析及篩選疾病相關基因的系統 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 510000 No. 10, helix 3 Road, International Biological Island, Huangpu District, Guangzhou City, Guangdong Province Applicant after: GUANGZHOU KINGMED CENTER FOR CLINICAL LABORATORY Applicant after: GUANGZHOU MEDICAL University Address before: 510000, No. 2429, Xingang East Road, Guangzhou, Guangdong, Haizhuqu District Applicant before: GUANGZHOU KINGMED CENTER FOR CLINICAL LABORATORY Applicant before: GUANGZHOU MEDICAL University |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |