CN113643791A - 意图体系驱动的患者个性化治疗方案评估方法 - Google Patents
意图体系驱动的患者个性化治疗方案评估方法 Download PDFInfo
- Publication number
- CN113643791A CN113643791A CN202110876037.0A CN202110876037A CN113643791A CN 113643791 A CN113643791 A CN 113643791A CN 202110876037 A CN202110876037 A CN 202110876037A CN 113643791 A CN113643791 A CN 113643791A
- Authority
- CN
- China
- Prior art keywords
- index
- patient
- interval
- degree
- deviation
- 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 23
- 238000012163 sequencing technique Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 208000031636 Body Temperature Changes Diseases 0.000 claims description 7
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 6
- 208000027796 Blood pressure disease Diseases 0.000 claims description 3
- 208000017667 Chronic Disease Diseases 0.000 claims description 3
- 230000036772 blood pressure Effects 0.000 claims description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 2
- 239000008103 glucose Substances 0.000 claims description 2
- 150000002632 lipids Chemical class 0.000 claims description 2
- 238000002560 therapeutic procedure Methods 0.000 claims 1
- 238000002347 injection Methods 0.000 description 11
- 239000007924 injection Substances 0.000 description 11
- 230000004622 sleep time Effects 0.000 description 6
- 230000036760 body temperature Effects 0.000 description 4
- 239000008267 milk Substances 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 230000004617 sleep duration Effects 0.000 description 1
- 229960005486 vaccine Drugs 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- 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
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供意图体系驱动的患者个性化治疗方案评估方法,通过明确患者的主要意图建立起与其相关的相关意图体系树,并且将相关意图体系树内的相关意图看作所需的各项指标;明确各项指标的规定,确定患者的对照资源与各项指标规定相比的偏离程度计算方法,并根据偏离程度进行排序,得到相同人群在不同指标下的排序,如果排序越靠前则其偏离指标的程度越小,如果排序越靠后则其偏离指标的程度越大;确定各项指标对主要意图的支撑程度,并且计算出确定各项指标在支撑主要意图时的比例;计算不同患者的具体资源对主要意图的支撑程度,并且根据将支撑程度将对同患者进行从小到大的排序,如果排序靠前则表示越符合主要意图。该方法可以快速确定治疗方案。
Description
技术领域
本发明涉及智能医疗技术领域,尤其涉及意图体系驱动的患者个性化治疗方案评估方法。
背景技术
医院为保证患者等人群的生命安全,通常根据患者的自身情况划分为可进行检查或治疗、不可进行检查或治疗,例如注射某些针剂会导致较为明显的人体反应,因此医院界定年龄在(18,60)范围内的人群可以注射该针剂,而不符合年龄规定的人群不能注射该针剂,但现实情况往往更加复杂,这样的确定方法是否合理有待商榷。
相较传统方法,可以选择更为智能的方法确定注射人群。仅仅只靠判断年龄是否符合规定区间并不能直接决定一个人是否适合注射该针剂,还应该考虑其他相关因素,包括个人具体的身体健康状况、精神面貌等因素。
例如一位65岁退休的奶奶,热爱跳广场舞、生活规律,身体素质很好;相反35岁的在职程序员,身体常年处于亚健康状态。就已知资源来看,我们认为65岁健康的奶奶比35岁亚健康的程序员更符合接受注射的条件。
发明内容
鉴以此,本发明的目的在于提供意图体系驱动的患者个性化治疗方案评估方法,以至少解决以上问题。
本发明采用的技术方案如下:
意图体系驱动的患者个性化治疗方案评估方法,所述方法包括以下步骤:
S1、通过明确患者的主要意图建立起与其相关的相关意图体系树,并且将相关意图体系树内的相关意图看作所需的各项指标;
S2、通过明确各项指标的规定,确定患者的对照资源与各项指标规定相比的偏离程度计算方法,并根据偏离程度进行排序,得到相同人群在不同指标下的排序,如果排序越靠前则其偏离指标的程度越小,如果排序越靠后则其偏离指标的程度越大;
S3、确定各项指标对主要意图的支撑程度,并且计算出确定各项指标在支撑主要意图时的比例;
S4、通过计算不同患者的具体资源对主要意图的支撑程度,并且根据将支撑程度将对同患者进行从小到大的排序,如果排序靠前则表示越符合主要意图。
进一步的,在步骤S1中,所述相关意图包括:患者的年龄、体质指数BMI、体温变化、心率、血糖、血脂、血压和慢性病。
进一步的,在步骤S2中,支撑程度的计算公式如下:
其中Ri(pj)表示用户pj在指标j中的排名,pi是指标i对应的比例,n表示指标的总数。
进一步的,在步骤S2中,将对照资源与各项指标规定内存在的数值划分为数值型、区间型和布尔型类型。
进一步的,当指标规定为数值型,并且对照资源为数值型时,将对照资源中的数值提取出来与指标规定中的数值进行偏离程度比较,并根据偏离程度进行排序。
进一步的,当指标规定为区间型,并且对照资源为数值型时,将对照资源中的数值提取出来与指标中的连续区间进行偏离程度进行比较并且排序。
进一步的,当指标规定为区间型,且对照资源为区间型时,将对照资源中区间提取出来与指标中的连续区间进行偏离程度进行比较并且排序。
进一步的,当指标规定为布尔型,且对照资源为数值型或者为区间型时,将对照资源中的数值提取出来与指标中布尔值真正所代表的连续区间或数值进行偏离程度进行比较并且排序。
进一步的,在步骤S2中,所述对照资源包括数据资源、信息资源和知识资源。
与现有技术相比,本发明的有益效果是:
本发明提供意图体系驱动的患者个性化治疗方案评估方法,该方法可以综合考虑患者各项指标,并且按照各项指标的规定,进行患者人群的确定,并且依据对照资源与指标规定相比各有偏离,再根据偏离程度进行人群确认,该方法与用传统方法单一因素(18至60岁)去确定患者人群相比更符合现实情形,准确度也大大得到提升,进而可以为患者提供个性化的治疗方案。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的优选实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的意图体系驱动的患者个性化治疗方案评估方法整体流程示意图。
图2是本发明实施例提供的意图体系驱动的患者个性化治疗方案评估方法的意图体系树示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所列举实施例只用于解释本发明,并非用于限定本发明的范围。
参照图1和图2,本发明提供意图体系驱动的患者个性化治疗方案评估方法,所述方法包括以下步骤:
S1、通过明确患者的主要意图建立起与其相关的相关意图体系树,并且将相关意图体系树内的相关意图看作所需的各项指标,示例性地,该患者的主要意图为保证患者注射针剂后不会出问题,即保证患者的健康。
S2、通过明确各项指标的规定,确定患者的对照资源与各项指标规定相比的偏离程度计算方法,并根据偏离程度进行排序,得到相同人群在不同指标下的排序,如果排序越靠前则其偏离指标的程度越小,如果排序越靠后则其偏离指标的程度越大。
S3、确定各项指标对主要意图的支撑程度,并且计算出确定各项指标在支撑主要意图时的比例,示例性地,例如为支撑主要意图判断健康时,相关指标年龄、体质指数BMI等n个指标的所占比例分别为p1,p2,p3,...,pn,且p1+p2+p3+...+pn=1,pi越大,说明指标i对主要意图的支撑影响越大。
S4、通过计算不同患者的具体资源对主要意图的支撑程度,并且根据将支撑程度将对同患者进行从小到大的排序,如果排序靠前则表示越符合主要意图,示例性地,通过排序可以更加符合患者的主要意图,相较于用传统方法单一因素(18至60岁)去确定患者人群相比更符合现实情形,准确度也大大得到提升,通过上述的偏离程度的排序和计算出确定各项指标在支撑主要意图时的比例,可以为患者制定更加符合患者的医疗方案。
特别的,例如某项指标规定只有18至60岁患者才能注射防疫疫苗的医疗方案,但是超过60岁的年纪,不符合注射的年龄的患者想要出国,为了出国,患者可以依靠其他各项指标的规定结合自身的身体条件进行自主选择注射的医疗方案。
具体的,在步骤S1中,所述相关意图包括:患者的年龄、体质指数BMI、体温变化、心率、血糖、血脂、血压和慢性病,将相关意图作为判断指标,可以更加准确的确定患者人群。
具体的,在步骤S2中,支撑程度的计算公式如下:
其中Ri(pj)表示用户pj在指标j中的排名,pi是指标i对应的比例,n表示指标的总数,根据SupportDegree(Pj)对不同用户进行从小到大排序,排序靠前的表示越符合主要意图。
具体的,在步骤S2中,将对照资源与各项指标规定内存在的数值划分为数值型、区间型和布尔型类型,示例性地,数值型表示某种事物的数量是多少;区间型表示存在用数字表示的范围;布尔型表示只有两个不同的数值,分别表示两个语义相对的事物,用于逻辑判断。
在本实施例中,当指标规定为数值型,并且对照资源为数值型时,将对照资源中的数值提取出来与指标规定中的数值进行偏离程度比较,并根据偏离程度进行排序,示例性地,以睡眠时间指标,指标规定每人每天平均睡8小时,即8小时是数值型,对照资源CompareSource:采集得到的含有数值型具体睡眠时长的资源,包括数据资源(eg.7h、Sleeptime:7.5h)、信息资源(eg.Alice slept six hours today.)、知识资源(eg.The averagesleep time of junior high school students is 8hours.),将各类资源中的数值提出,与指标规定中的数值进行偏离程度比较,并根据偏离程度进行排序,
指标规定中数值型N1与对照资源中数值型N2的偏离程度Offset Degree(OD)可用两个数值的曼哈顿距离d(N1,N2)来衡量,对计算得到的曼哈顿距离进行从小到大排序,d(N1,N2)越小表示偏离程度越小,越接近指标规定,d(N1,N2)越大表示偏离程度越大,越不符合指标规定,当d(N1,N2)=0时表示无偏离。N1和N2之间的相对距离Rd=N1-N2说明N2的偏离方向,当Rd>0,N1>N2,当Rd<0,N1<N2。OD(N1,N2)=d(N1,N2)=|N1-N2|,在此例中OD(N1,N2)=d(N1,N2)=|8-N2|参照表格如下:
序号 | 原始资源 | 对应数值 | OD(N1,N2) | 排序 |
1 | 8hours | 8 | 0 | 1 |
2 | Bob slept 10hours today. | 10 | 2 | 4 |
3 | Sleep time:9h | 9 | 1 | 3 |
4 | Sleep time:7.5h | 7.5 | 0.5 | 2 |
5 | Alice slept six hours today. | 6 | 2 | 5 |
在本实施例中,当指标规定为区间型,并且对照资源为数值型时,将对照资源中的数值提取出来与指标中的连续区间进行偏离程度进行比较并且排序,示例性地,以年龄指标,指标规定年龄在区间(18,60)内的人可注射针剂,对照资源CompareSource:采集得到的含有数值型具体年龄的资源,包括数据资源(eg.18、Age:20)、信息资源(eg.Alice is25years old.)、知识资源(eg.The average age of freshmen is 18.),将各类资源中的数值提出,与指标中的连续区间进行偏离程度比较并排序。
偏离程度比较方法:记指标规定区间为(a,b),对照资源中数值为Ni,
Step1.分别计算a和b分别与对照资源中数值之间的相对距离Rd,即计算两个值(N-a,b-N),N-a表示对照资源中的数值到区间最小值的距离,b-N表示对照资源中的数值到区间最大值的距离,两值中存在负数说明数值型N不在该连续区间内,即数值型N符合连续区间型CI的可能性为0;不为负数的相对距离等同于曼哈顿距离;此时若出现距离结果为0,则表示区间边界值即为数值型资源;比较N-a和b-N,当(N-a)>(b-N),说明偏离情况为N更接近区间最大值b,当(N-a)<(b-N),说明N更接近区间最小值a。
Step2,根据实际情况设定排序标准,例如存在知识规则“年龄越大,身体健康情况越差;年龄越小,身体健康情况越好”,此时对在连续区间内的N设定排序标准为年龄越小,排序越靠前;对不在连续区间内的N设定排序标准为:当N-a<0时,|N-a|表示数值资源偏离区间程度,|N-a|越小,排序越靠前;当b-N<0时,|b-N|表示数值资源偏离区间程度,|b-N|越小,排序越靠前,参照表格如下:
在本实施例中,当指标规定为区间型,且对照资源为区间型时,将对照资源中区间提取出来与指标中的连续区间进行偏离程度进行比较并且排序,示例性地,体温变化指标,指标规定人体正常体温为(36,37)摄氏度,对照资源CompareSource:采集得到的含有区间型体温变化的各类资源,包括数据资源(eg.(36.5,36.9)、body temperature:(36.4,37))、信息资源(eg.Alice’s body temperature is(36.3,36.6).)、知识资源(eg.The bodytemperature is about 36.2to 37.2.),将各类资源中的区间提出,与指标中的连续区间进行偏离程度比较并排序。
偏离程度比较方法:记指标规定区间为(a,b),对照资源中体温变化区间为(c,d),首先针对对照资源区间与指标规定区间存在部分重合情形进行排序,分别计算a和c、b和d之间的相对距离Rd,即计算两个值(c-a,b-d),存在以下情形:(1)c-a>0,b-d>0,属于第一轮排序,此时c-a表示对照区间最小值偏离a的距离,c-a越大,最小值c越偏离a,b-d表示对照区间最大值偏离b的距离,b-d越大,最大值d越偏离b。用(c-a)+(b-d)表示对照区间在指标区间的偏离情况,此时根据(c-a)+(b-d)计算结果从大到小排序,(c-a)+(b-d)值越大,表示对照区间越偏离a和b,越靠近指标区间中心,波动越小。
c-a>0,b-d<0,属于第二轮排序,此时c-a表示对照区间最小值偏离a的距离,c-a越大,最小值c越偏离a,|b-d|表示对照区间最大值偏离b的距离,|b-d|越大,最大值d越偏离b。用(c-a)+|b-d|表示对照区间在指标区间的偏离情况,此时根据(c-a)+|b-d|计算结果从小到大排序,(c-a)+|b-d|值越大,表示对照区间越偏离a和b,越远离指标区间,波动越大。
c-a<0,b-d>0,属于第二轮排序,此时|c-a|表示对照区间最小值偏离a的距离,c-a越大,最小值c越偏离a,b-d表示对照区间最大值偏离b的距离,b-d越大,最大值d越偏离b。用|c-a|+(b-d)表示对照区间在指标区间的偏离情况,此时根据|c-a|+(b-d)计算结果从小到大排序,|c-a|+(b-d)值越大,表示对照区间越偏离a和b,越远离指标区间,波动越大。
c-a<0,b-d<0,属于第三轮排序,此时|c-a|表示对照区间最小值偏离a的距离,c-a越大,最小值c越偏离a,|b-d|表示对照区间最大值偏离b的距离,|b-d|越大,最大值d越偏离b。用|c-a|+|b-d|表示对照区间在指标区间的偏离情况,此时根据|c-a|+|b-d|计算结果从小到大排序,|c-a|+|b-d|值越大,表示对照区间越偏离a和b,越远离指标区间,波动越大。
其次针对对照资源区间与指标规定区间不存在部分重合情形进行排序,存在两种情形:(1)c>b,属于第四轮排序,分别计算b和c、b和d之间的相对距离Rd,即计算两个值(b-c,b-d),此时|b-c|表示对照区间最小值偏离b的距离,|b-c|越大,最小值c越偏离b,|b-d|表示对照区间最大值偏离b的距离,|b-d|越大,最大值d越偏离b。用|b-c|+|b-d|表示对照区间在指标区间的偏离情况,此时根据|b-c|+|b-d|计算结果从小到大排序,|b-c|+|b-d|值越大,表示对照区间越偏离a和b,越远离指标区间,波动越大。
a>d,属于第四轮排序,分别计算a和c、a和d之间的相对距离Rd,即计算两个值(c-a,d-a),此时|c-a|表示对照区间最小值偏离a的距离,|c-a|越大,最小值c越偏离a,|d-a|表示对照区间最大值偏离a的距离,|d-a|越大,最大值d越偏离a。用|c-a|+|d-a|表示对照区间在指标区间的偏离情况,此时根据|c-a|+|d-a|计算结果从小到大排序,|c-a|+|d-a|值越大,表示对照区间越偏离a和b,越远离指标区间,波动越大,参照表格如下:
在本实施例中,当指标规定为布尔型,且对照资源为数值型或者为区间型时,将对照资源中的数值提取出来与指标中布尔值真正所代表的连续区间或数值进行偏离程度进行比较并且排序,示例性地,以心率正常指标,指标规定用1表示心率正常,用0表示心率不正常,1和0是布尔值,是对具体心率资源和正常心率区间(60,100)经过推理比较后得到的,对照资源CompareSource:采集得到的含有数值型心率的资源,包括数据资源(eg.75/min、heart rate:86)、信息资源(eg.Alice’s heart rate is 83.)、知识资源(eg.The heartrate is about 65.),将各类资源中的数值提出,与指标中布尔值真正所代表的连续区间或数值进行偏离程度比较并排序。
偏离程度比较方法依靠指标中布尔值真正所代表的连续区间或数值与对照资源进行比较,参照表格如下:
除已知指标外还可根据其他资源进行判断,例如不知一个人的相关指标资源,但已知他用了1个小时跑完了十公里,从这个信息中可看出他十分健康,可以注射该针剂。
例如,已知用户关于年龄、睡眠时间、体温变化、心率的相关资源,将这四个方面作为判断指标,明确指标的各个规定,将用户的资源与指标进行对应并排序,最后确定指标i对应的比例分别为30%、20%、20%、30%,根据进行总排序,最终得到不同用户资源对主要意图的支撑情况排序,参照表格如下:
具体的,在步骤S2中,所述对照资源包括数据资源、信息资源和知识资源。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.意图体系驱动的患者个性化治疗方案评估方法,其特征在于,所述方法包括以下步骤:
S1、通过明确患者的主要意图建立起与其相关的相关意图体系树,并且将相关意图体系树内的相关意图看作所需的各项指标;
S2、通过明确各项指标的规定,确定患者的对照资源与各项指标规定相比的偏离程度计算方法,并根据偏离程度进行排序,得到相同人群在不同指标下的排序,如果排序越靠前则其偏离指标的程度越小,如果排序越靠后则其偏离指标的程度越大;
S3、确定各项指标对主要意图的支撑程度,并且计算出确定各项指标在支撑主要意图时的比例;
S4、通过计算不同患者的具体资源对主要意图的支撑程度,并且根据将支撑程度将对同患者进行从小到大的排序,如果排序靠前则表示越符合主要意图。
2.根据权利要求1所述的意图体系驱动的患者个性化治疗方案评估方法,其特征在于,在步骤S1中,所述相关意图包括:患者的年龄、体质指数BMI、体温变化、心率、血糖、血脂、血压和慢性病。
4.根据权利要求3所述的意图体系驱动的患者个性化治疗方案评估方法,其特征在于,在步骤S2中,将对照资源与各项指标规定内存在的数值划分为数值型、区间型和布尔型类型。
5.根据权利要求4所述的意图体系驱动的患者个性化治疗方案评估方法,其特征在于,当指标规定为数值型,并且对照资源为数值型时,将对照资源中的数值提取出来与指标规定中的数值进行偏离程度比较,并根据偏离程度进行排序。
6.根据权利要求4所述的意图体系驱动的患者个性化治疗方案评估方法,其特征在于,当指标规定为区间型,并且对照资源为数值型时,将对照资源中的数值提取出来与指标中的连续区间进行偏离程度进行比较并且排序。
7.根据权利要求4所述的意图体系驱动的患者个性化治疗方案评估方法,其特征在于,当指标规定为区间型,且对照资源为区间型时,将对照资源中区间提取出来与指标中的连续区间进行偏离程度进行比较并且排序。
8.根据权利要求4所述的意图体系驱动的患者个性化治疗方案评估方法,其特征在于,当指标规定为布尔型,且对照资源为数值型或者为区间型时,将对照资源中的数值提取出来与指标中布尔值真正所代表的连续区间或数值进行偏离程度进行比较并且排序。
9.根据权利要求1所述的意图体系驱动的患者个性化治疗方案评估方法,其特征在于,在步骤S2中,所述对照资源包括数据资源、信息资源和知识资源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110876037.0A CN113643791A (zh) | 2021-07-30 | 2021-07-30 | 意图体系驱动的患者个性化治疗方案评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110876037.0A CN113643791A (zh) | 2021-07-30 | 2021-07-30 | 意图体系驱动的患者个性化治疗方案评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113643791A true CN113643791A (zh) | 2021-11-12 |
Family
ID=78419186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110876037.0A Pending CN113643791A (zh) | 2021-07-30 | 2021-07-30 | 意图体系驱动的患者个性化治疗方案评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113643791A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130182128A1 (en) * | 2012-01-12 | 2013-07-18 | Kofax, Inc. | Systems and methods for mobile image capture and processing |
CN110162445A (zh) * | 2019-05-23 | 2019-08-23 | 中国工商银行股份有限公司 | 基于主机日志及性能指标的主机健康评价方法及装置 |
CN110650040A (zh) * | 2019-09-17 | 2020-01-03 | 中国民航大学 | 基于修正矩阵-熵权隶属云的信息系统安全态势评估方法 |
-
2021
- 2021-07-30 CN CN202110876037.0A patent/CN113643791A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130182128A1 (en) * | 2012-01-12 | 2013-07-18 | Kofax, Inc. | Systems and methods for mobile image capture and processing |
CN110162445A (zh) * | 2019-05-23 | 2019-08-23 | 中国工商银行股份有限公司 | 基于主机日志及性能指标的主机健康评价方法及装置 |
CN110650040A (zh) * | 2019-09-17 | 2020-01-03 | 中国民航大学 | 基于修正矩阵-熵权隶属云的信息系统安全态势评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Coppler et al. | Validation of the Pittsburgh Cardiac Arrest Category illness severity score | |
Linder | Analysis of the UCSF Symptom Management Theory: implications for pediatric oncology nursing | |
Ross-Cowdery et al. | Counseling about the maternal health benefits of breastfeeding and mothers’ intentions to breastfeed | |
Porter et al. | Ambivalence over emotional expression in patients with gastrointestinal cancer and their caregivers: Associations with patient pain and quality of life | |
Wainberg et al. | Association of accelerometer-derived sleep measures with lifetime psychiatric diagnoses: A cross-sectional study of 89,205 participants from the UK Biobank | |
WO2014071145A1 (en) | Patient risk evaluation | |
CN108738299A (zh) | 用于确定针对儿科对象的血流动力学不稳定风险评分的系统和方法 | |
WO2022141927A1 (zh) | 一种健康干预系统、服务器及健康管理系统 | |
Lai et al. | Fluid supplementation for neonatal unconjugated hyperbilirubinaemia | |
Jason et al. | Differentiating multiple sclerosis from myalgic encephalomyelitis and chronic fatigue syndrome | |
Wei et al. | The concept map of felt stigma in patient with epilepsy | |
CN110197723A (zh) | 心身医学理论框架下的临床躯体症状分类诊断系统 | |
Stein et al. | Rates of nonexudative and exudative age-related macular degeneration among Asian American ethnic groups | |
Nardi et al. | Complexity in hospital internal medicine departments: what are we talking about? | |
CN117877674A (zh) | 一种智能化静脉液体治疗控制方法及系统 | |
CN113643791A (zh) | 意图体系驱动的患者个性化治疗方案评估方法 | |
Choi et al. | Explainable sleep quality evaluation model using machine learning approach | |
CN105308603B (zh) | 用于结合连续测量的血糖值的模式的特性监视的方法和装置以及计算机存储介质 | |
CN112807542B (zh) | 一种麻醉剂用量控制的方法和装置 | |
Adamowicz et al. | Predicting and improving hospital outcomes for older adults | |
CN113628753A (zh) | 面向意图计算与推理的dikw资源分析方法及系统 | |
KR20210029631A (ko) | 당뇨환자를 위한 맞춤 식단/운동관리 서비스 | |
Beauchamp et al. | A General Neural Architecture for Carbohydrate and Bolus Recommendations in Type 1 Diabetes Management. | |
US20240021308A1 (en) | System, method and computer-implemented platform for providing patient-related information | |
Yılmaz | Fatigue in pediatric oncology patients |
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 |
Application publication date: 20211112 |
|
RJ01 | Rejection of invention patent application after publication |