CN113593665A - 一种慢病患者随访结果和心理调整情况的预测系统 - Google Patents
一种慢病患者随访结果和心理调整情况的预测系统 Download PDFInfo
- Publication number
- CN113593665A CN113593665A CN202110886865.2A CN202110886865A CN113593665A CN 113593665 A CN113593665 A CN 113593665A CN 202110886865 A CN202110886865 A CN 202110886865A CN 113593665 A CN113593665 A CN 113593665A
- Authority
- CN
- China
- Prior art keywords
- patient
- module
- information acquisition
- follow
- acquisition module
- 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
- 208000017667 Chronic Disease Diseases 0.000 title claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000010276 construction Methods 0.000 claims abstract description 15
- 238000007477 logistic regression Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 230000001684 chronic effect Effects 0.000 claims 4
- 238000004458 analytical method Methods 0.000 abstract description 6
- 201000010099 disease Diseases 0.000 abstract description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000004393 prognosis 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
- 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
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Hospice & Palliative Care (AREA)
- Developmental Disabilities (AREA)
- Psychiatry (AREA)
- Child & Adolescent Psychology (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种慢病患者随访结果和心理调整情况的预测系统,涉及病患状况分析技术领域,目的是降低病患访问难度、保证分析准确性,包括患者基本信息采集模块、患者生活方式信息采集模块、网络通信模块、显示模块、云储存模块和数据处理服务端;数据处理服务端包括风险模型构建模块和随访结果/心理调整情况预测模块;患者基本信息采集模块和患者生活方式信息采集模块均通过网络通信模块连接到数据处理服务端,显示模块和云储存模块连接到数据处理服务端。
Description
技术领域
本发明涉及病患状况分析技术领域,具体涉及一种慢病患者随访结果和心理调整情况的预测系统。
背景技术
在现今的医疗技术和系统执行中,对患者尤其慢病患者进行长期的随访和状况评估是非常重要的。
通常技术中,调查主要集中于患病风险的预测,针对已发病人群预后情况的预测较少,且病患访问多涉及需要健康医疗相关知识的临床数据以及检验检查数据,用户理解/填报较为困难,导致模型利用意愿下降,并且用于风险评估的模型多采用已有风险模型,因此风险的评估通常会受模型本身地域、时间、以及人群限制。同时,现有的系统多没有同时考虑心理健康、随访结果的预测,而缺少给患者进行自我赋能疾病管理的方向。
通过远程数据采集和数据建模分析等方式降低病患访问难度、保证分析准确性可以提升病患随访和分析的效率以及质量。
发明内容
本发明公开了一种慢病患者随访结果和心理调整情况的预测系统,目的是降低病患访问难度、保证分析准确性。
为了实现以上目的,本发明采用以下技术方案:
一种慢病患者随访结果和心理调整情况的预测系统,包括患者基本信息采集模块、患者生活方式信息采集模块、网络通信模块、显示模块、云储存模块和数据处理服务端;数据处理服务端包括风险模型构建模块和随访结果/心理调整情况预测模块;
所述患者基本信息采集模块和患者生活方式信息采集模块均通过网络通信模块连接到数据处理服务端,显示模块和云储存模块连接到数据处理服务端;
所述患者基本信息采集模块和患者生活方式信息采集模块均通过网络通信模块连接到数据处理服务端,显示模块和云储存模块连接到数据处理服务端;
所述患者基本信息采集模块录入的信息包括患者基本人口学特征;
患者生活方式信息采集模块录入的信息包括患者生活习惯信息;
网络通信模块用于数据通信传输;
风险模型构建模块用于对患者的随访结果和心理调整情况训练采用逻辑回归法进行预测模型的构建;
随访结果/心理调整情况预测模块基于风险模型构建模块进行预测;
云储存模块用于数据存储;
显示模块用于显示所述患者基本信息采集模块、所述患者生活方式信息采集模块采集的数据以及所述随访结果/心理调整情况预测模块的预测结果。
优选地,还包括用户手机和医疗机构客户端,所述患者基本信息采集模块和患者生活方式信息采集模块分别与用户手机通信连接,所述患者生活方式信息采集模块与医疗机构客户端通信连接,所述用户手机用于提供患者基本人口学特征和患者生活习惯信息,医疗机构客户端用于传输患者生活习惯信息。
优选地,所述风险模型构建模块用于对患者的随访结果和心理调整情况训练进行预测模型构建时采用逐步逻辑回归法剔除部分变量,包括以下步骤:
步骤S1:从所述患者基本信息采集模块和所述患者生活方式信息采集模块录入的数据中提取变量组,对变量中的异常数据进行清洗,对字段进行one-hot编码,制作宽表;
步骤S2:采用逻辑回归模型,代入变量计算出每个变量的p值;
步骤S3:检查每个变量p值,若一个变量的p值大于阈值且为所有p值中最大的,则从变量组中剔除该p值对应的变量并返回步骤S2;若所有p值小于阈值则终止计算。
优选地,所述步骤S3中的阈值取0.05。
优选地,所述随访结果/心理调整情况预测模块基于风险模型构建模块还用于基于预测结果为患者提供改善建议。
本发明的有益效果是:本发明可以有效的预测该用户随访结果,可以实现远程数据采集,减小医务人员工作繁琐程度;同时通过患者基本信息采集模块和患者生活方式信息采集模块全方面采集数据进行预测,精确度高,为患者提供良好的数据结果,方便为患者及时提供好的干预建议;采用逐步逻辑回归法筛选出对随访结果影响足够大的变量,避免数据信息过程中产生的数据资源浪费。
附图说明
图1为实施例1的慢病患者随访结果和心理调整情况的预测系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
实施例1
参阅图1,本实施例提供一种慢病患者随访结果和心理调整情况的预测系统,包括患者基本信息采集模块、患者生活方式信息采集模块、网络通信模块、显示模块、云储存模块和数据处理服务端;数据处理服务端包括风险模型构建模块和随访结果/心理调整情况预测模块;
所述患者基本信息采集模块和患者生活方式信息采集模块均通过网络通信模块连接到数据处理服务端,显示模块和云储存模块连接到数据处理服务端;
所述患者基本信息采集模块和患者生活方式信息采集模块均通过网络通信模块连接到数据处理服务端,显示模块和云储存模块连接到数据处理服务端;
所述患者基本信息采集模块录入的信息包括患者基本人口学特征;
患者生活方式信息采集模块录入的信息包括患者生活习惯信息;
网络通信模块用于数据通信传输;
风险模型构建模块用于对患者的随访结果和心理调整情况训练采用逻辑回归法进行预测模型的构建;
随访结果/心理调整情况预测模块基于风险模型构建模块进行预测;
云储存模块用于数据存储;
显示模块用于显示所述患者基本信息采集模块、所述患者生活方式信息采集模块采集的数据以及所述随访结果/心理调整情况预测模块的预测结果。
在本实施例中,慢病患者随访结果和心理调整情况的预测系统还包括用户手机和医疗机构客户端,所述患者基本信息采集模块和患者生活方式信息采集模块分别与用户手机通信连接,所述患者生活方式信息采集模块与医疗机构客户端通信连接,所述用户手机用于提供患者基本人口学特征和患者生活习惯信息,医疗机构客户端用于传输患者生活习惯信息。由用户和医疗机构两方面进行信息采集,通过两个渠道对数据的采集效率和质量更有保障。
特别说明的是,所述风险模型构建模块用于对患者的随访结果和心理调整情况训练进行预测模型构建时可以采用逐步逻辑回归法剔除部分变量,采用逐步逻辑回归法的主要目的是筛选出对随访结果影响足够大的变量,避免数据信息过程中产生的数据资源浪费,包括以下步骤:
步骤S1:从所述患者基本信息采集模块和所述患者生活方式信息采集模块录入的数据中提取变量组,对变量中的异常数据进行清洗,对字段进行one-hot编码,制作宽表;
步骤S2:采用逻辑回归模型,代入变量计算出每个变量的p值;
步骤S3:检查每个变量p值,若一个变量的p值大于阈值且为所有p值中最大的,则从变量组中剔除该p值对应的变量并返回步骤S2;若所有p值小于阈值则终止计算。
在本实施例中,步骤S3中的阈值取0.05。
此外,所述随访结果/心理调整情况预测模块基于风险模型构建模块还可以用于基于预测结果为患者提供改善建议。
Claims (5)
1.一种慢病患者随访结果和心理调整情况的预测系统,其特征在于:包括患者基本信息采集模块、患者生活方式信息采集模块、网络通信模块、显示模块、云储存模块和数据处理服务端;数据处理服务端包括风险模型构建模块和随访结果/心理调整情况预测模块;
所述患者基本信息采集模块和患者生活方式信息采集模块均通过网络通信模块连接到数据处理服务端,显示模块和云储存模块连接到数据处理服务端;
所述患者基本信息采集模块录入的信息包括患者基本人口学特征;
患者生活方式信息采集模块录入的信息包括患者生活习惯信息;
网络通信模块用于数据通信传输;
风险模型构建模块用于对患者的随访结果和心理调整情况训练采用逻辑回归法进行预测模型的构建;
随访结果/心理调整情况预测模块基于风险模型构建模块进行预测;
云储存模块用于数据存储;
显示模块用于显示所述患者基本信息采集模块、所述患者生活方式信息采集模块采集的数据以及所述随访结果/心理调整情况预测模块的预测结果。
2.根据权利要求1所述的一种慢病患者随访结果和心理调整情况的预测系统,其特征在于:还包括用户手机和医疗机构客户端,所述患者基本信息采集模块和患者生活方式信息采集模块分别与用户手机通信连接,所述患者生活方式信息采集模块与医疗机构客户端通信连接,所述用户手机用于提供患者基本人口学特征和患者生活习惯信息,医疗机构客户端用于传输患者生活习惯信息。
3.根据权利要求1所述的一种慢病患者随访结果和心理调整情况的预测系统,其特征在于:所述风险模型构建模块用于对患者的随访结果和心理调整情况训练进行预测模型构建时采用逐步逻辑回归法剔除部分变量,包括以下步骤:
步骤S1:从所述患者基本信息采集模块和所述患者生活方式信息采集模块录入的数据中提取变量组,对变量中的异常数据进行清洗,对字段进行one-hot编码,制作宽表;
步骤S2:采用逻辑回归模型,代入变量计算出每个变量的p值;
步骤S3:检查每个变量p值,若一个变量的p值大于阈值且为所有p值中最大的,则从变量组中剔除该p值对应的变量并返回步骤S2;若所有p值小于阈值则终止计算。
4.根据权利要求3所述的一种慢病患者随访结果和心理调整情况的预测系统,其特征在于:所述步骤S3中的阈值取0.05。
5.根据权利要求1所述的一种慢病患者随访结果和心理调整情况的预测系统,其特征在于:所述随访结果/心理调整情况预测模块基于风险模型构建模块还用于基于预测结果为患者提供改善建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110886865.2A CN113593665A (zh) | 2021-08-03 | 2021-08-03 | 一种慢病患者随访结果和心理调整情况的预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110886865.2A CN113593665A (zh) | 2021-08-03 | 2021-08-03 | 一种慢病患者随访结果和心理调整情况的预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113593665A true CN113593665A (zh) | 2021-11-02 |
Family
ID=78254440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110886865.2A Pending CN113593665A (zh) | 2021-08-03 | 2021-08-03 | 一种慢病患者随访结果和心理调整情况的预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113593665A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060289020A1 (en) * | 2005-06-08 | 2006-12-28 | Tabak Ying P | System and method for dynamic determination of disease prognosis |
CN105975773A (zh) * | 2016-05-05 | 2016-09-28 | 武汉哈福科技有限公司 | 一种慢性疾病健康管理系统和方法 |
US20170308981A1 (en) * | 2016-04-22 | 2017-10-26 | New York University | Patient condition identification and treatment |
CN108682457A (zh) * | 2018-04-17 | 2018-10-19 | 中国医学科学院阜外医院 | 患者长期预后定量预测和干预系统及方法 |
CN109065106A (zh) * | 2018-08-15 | 2018-12-21 | 南京旭颢信息科技有限公司 | 一种适用于慢病及高危患者的循环递进式健康管理系统 |
CN109119130A (zh) * | 2018-07-11 | 2019-01-01 | 上海夏先机电科技发展有限公司 | 一种基于云计算的大数据健康管理系统及方法 |
CN111863260A (zh) * | 2020-07-15 | 2020-10-30 | 广东省心血管病研究所 | 急性Stanford A型主动脉夹层术前风险评估模型建立方法及装置 |
CN112053749A (zh) * | 2020-08-31 | 2020-12-08 | 复旦大学附属儿科医院 | 一种基于多来源数据采集和整合的bpd随访信息系统 |
CN112488858A (zh) * | 2020-11-24 | 2021-03-12 | 泰康保险集团股份有限公司 | 一种慢病数据管理方法和系统 |
-
2021
- 2021-08-03 CN CN202110886865.2A patent/CN113593665A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060289020A1 (en) * | 2005-06-08 | 2006-12-28 | Tabak Ying P | System and method for dynamic determination of disease prognosis |
US20170308981A1 (en) * | 2016-04-22 | 2017-10-26 | New York University | Patient condition identification and treatment |
CN105975773A (zh) * | 2016-05-05 | 2016-09-28 | 武汉哈福科技有限公司 | 一种慢性疾病健康管理系统和方法 |
CN108682457A (zh) * | 2018-04-17 | 2018-10-19 | 中国医学科学院阜外医院 | 患者长期预后定量预测和干预系统及方法 |
CN109119130A (zh) * | 2018-07-11 | 2019-01-01 | 上海夏先机电科技发展有限公司 | 一种基于云计算的大数据健康管理系统及方法 |
CN109065106A (zh) * | 2018-08-15 | 2018-12-21 | 南京旭颢信息科技有限公司 | 一种适用于慢病及高危患者的循环递进式健康管理系统 |
CN111863260A (zh) * | 2020-07-15 | 2020-10-30 | 广东省心血管病研究所 | 急性Stanford A型主动脉夹层术前风险评估模型建立方法及装置 |
CN112053749A (zh) * | 2020-08-31 | 2020-12-08 | 复旦大学附属儿科医院 | 一种基于多来源数据采集和整合的bpd随访信息系统 |
CN112488858A (zh) * | 2020-11-24 | 2021-03-12 | 泰康保险集团股份有限公司 | 一种慢病数据管理方法和系统 |
Non-Patent Citations (1)
Title |
---|
王燕萍;: "健康教育结合个体化心理护理对慢性心衰患者心功能及生存质量的影响", 当代护士(下旬刊), no. 02, pages 162 - 164 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10347373B2 (en) | Intelligent integration, analysis, and presentation of notifications in mobile health systems | |
US11631497B2 (en) | Personalized device recommendations for proactive health monitoring and management | |
Lomi et al. | Quality of care and interhospital collaboration: a study of patient transfers in Italy | |
Lanzarone et al. | A patient stochastic model to support human resource planning in home care | |
US20090093686A1 (en) | Multi Automated Severity Scoring | |
US11177041B1 (en) | Method and system for cardiac risk assessment of a patient using historical and real-time data | |
CN112447299A (zh) | 医护资源预测模型训练方法、装置、设备及存储介质 | |
CN111276230A (zh) | 一种心脑血管疾病一体化分层管理系统及方法 | |
US11328820B2 (en) | Decision engine based on disparate data sources | |
US10262759B2 (en) | Personal health operating system | |
KR20200113954A (ko) | 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법 | |
CN109243592B (zh) | 基于人工智能的医疗项目使用异常检测方法及相关装置 | |
JP2013148996A (ja) | 重症度判定装置、及び、重症度判定方法 | |
CN111403025A (zh) | 一种基于互联网医疗服务的智能诊疗系统 | |
US20190180851A1 (en) | System and method for predicting non-adherence risk based on socio-economic determinates of health | |
CN117672443A (zh) | 体检数据分析方法、装置、电子设备及存储介质 | |
CN111028931B (zh) | 医疗数据处理方法及装置、电子设备、存储介质 | |
US20170140115A1 (en) | Intelligent stroke risk prediction and monitoring system | |
CN113593665A (zh) | 一种慢病患者随访结果和心理调整情况的预测系统 | |
CN113724809B (zh) | 随访控制方法及装置、电子设备、计算机可读存储介质 | |
CN113707315B (zh) | 一种面向社区的健康监测管理的方法和系统 | |
Madureira et al. | My-aha: middleware platform to sustain active and healthy ageing | |
CN115547483A (zh) | 用于监测患慢性炎症性疾病的患者的远程监测方法和系统 | |
US20190189288A1 (en) | Providing subject-specific information | |
CN113223677A (zh) | 针对患者的医生匹配方法及装置 |
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 |