CN113744819B - 随访状态的管理方法及装置 - Google Patents
随访状态的管理方法及装置 Download PDFInfo
- Publication number
- CN113744819B CN113744819B CN202111054155.XA CN202111054155A CN113744819B CN 113744819 B CN113744819 B CN 113744819B CN 202111054155 A CN202111054155 A CN 202111054155A CN 113744819 B CN113744819 B CN 113744819B
- Authority
- CN
- China
- Prior art keywords
- follow
- patient
- state
- data
- plan
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 32
- 201000010099 disease Diseases 0.000 claims description 36
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 36
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000007774 longterm Effects 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 2
- 230000005906 menstruation Effects 0.000 claims description 2
- 238000001356 surgical procedure Methods 0.000 claims 1
- 230000035935 pregnancy Effects 0.000 description 13
- 238000011161 development Methods 0.000 description 7
- 230000018109 developmental process Effects 0.000 description 7
- 238000012552 review Methods 0.000 description 7
- 206010000210 abortion Diseases 0.000 description 5
- 231100000176 abortion Toxicity 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000020832 chronic kidney disease Diseases 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 208000002925 dental caries Diseases 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
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
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Abstract
本发明提供了一种随访状态的管理方法及装置,该方法包括根据患者的个人属性数据和个人医疗数据,建立随访计划;根据随访计划,从预设的数据库中选择初始随访量表;根据随访计划、患者的个人属性数据、个人医疗数据和/或医生建议,建立窗口期管理模型;根据初始随访量表中的问题项目、患者的个人属性数据、个人医疗数据和/或窗口期管理模型,确定条件规则模型;根据随访量表登记数据、条件规则模型和/或实际登记时间,确定患者的随访状态。本发明的技术方案可准确、实时的掌握患者的随访进行情况和随访状态,方便医生进一步采取其他管理手段或干预手段。
Description
技术领域
本发明涉及医疗管理技术领域,尤其是涉及一种随访状态的管理方法及装置。
背景技术
传统疾病随访方式是医生为患者制定随访复诊计划,患者根据随访复诊日期到院进行复诊,通过问诊与身体检查,确定疾病的康复情况,医生再为患者登记随访要采集的调查内容,从而确定患者的医疗随访状态。这一管理方式不够便捷,需要大量人工成本。
发明内容
本发明的目的在于提供一种随访状态的管理方法及装置,以减少患者到院的奔波(尤其对于异地患者),减轻随访难度与接受度,提高患者满意度,同时,通过实时的掌握患者的随访进行情况和随访状态,方便医生进一步采取其他管理手段或干预手段。
第一方面,本发明实施例提供一种随访状态的管理方法,方法包括:根据患者的个人属性数据和个人医疗数据,建立随访计划;根据随访计划,从预设的数据库中选择初始随访量表;根据随访计划、患者的个人属性数据、个人医疗数据和/或医生建议,建立窗口期管理模型;根据初始随访量表中的问题项目、患者的个人属性数据、个人医疗数据和/或窗口期管理模型,确定条件规则模型;根据随访量表登记数据、条件规则模型和/或实际登记时间,确定患者的随访状态,其中,随访量表登记数据为患者在初始随访量表中填写的数据,实际登记时间为患者实际填写初始随访量表的时间。
进一步地,上述患者的个人属性数据包括姓名、年龄、性别和疾病类型;个人医疗数据,包括末次月经时间、手术时间、出院时间、项目检查日期、报告生成日期、出生日期和/或就诊日期;随访计划包括:疾病类型、随访名称、随访开始时间和每次随访的标准登记时间;预设的数据库中包含多种类型的随访量表;根据患者的个人属性数据,建立随访计划;根据随访计划,从预设的数据库中选择初始随访量表的步骤,包括:根据随访计划中的疾病类型,确定需要长期监测的项目,根据需要长期监测的项目以及患者的个人属性数据,从预设的数据库中选择初始随访量表。
进一步地,上述根据随访计划、患者的个人属性数据、个人医疗数据和/或医生建议,建立窗口期管理模型的步骤,包括:根据随访计划中的疾病类型、标准登记时间和/或患者的个人属性数据、医生建议,建立窗口期管理模型;或者,根据疾病类型,选择通用窗口期管理模型;窗口期管理模型,用于设置随访能够提前的天数或延后的天数。
进一步地,上述根据初始随访量表中的问题项目、患者的个人属性数据、个人医疗数据和/或窗口期管理模型,确定条件规则模型的步骤,还包括:根据患者的个人属性数据、初始随访量表、问题项目、随访计划和/或标准登记时间,建立判断条件,并对判断条件进行编码;将编码后的判断条件进行逻辑规则组合,得到条件规则模型。
进一步地,上述根据随访量表登记数据、条件规则模型和/或实际登记时间,确定患者的随访状态的步骤,包括:将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与条件规则模型中的逻辑规则进行对比,得到患者的随访状态。
进一步地,上述将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与条件规则模型中的逻辑规则进行对比,得到患者的随访状态的步骤,包括:若实际登记时间与标准登记时间的差值超过第一预设阈值,则随访状态为已超窗状态;其中,第一预设阈值包括正整数和负整数;方法还包括:若随访状态为已超窗状态,则根据实际登记时间与标准登记时间的差值,确认登记数据的可信度;根据填表数量与计划量表总数确认完成比;根据可信度和完成比,确认登记数据的参考价值。
进一步地,上述将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与条件规则模型中的逻辑规则进行对比,得到患者的随访状态的步骤,还包括:若实际登记时间与标准登记时间的差值超过第二预设阈值,则随访状态为失访脱落状态;或者,若未完成随访计划的次数大于第三预设阈值,则随访状态为失访脱落状态;其中,第三预设阈值为正整数;或者,若登记数据中包含意外情况信息,则条件规则模型将结合患者的个人属性数据及意外情况信息,输出判断结果,若判断结果为满足条件,则将随访状态确认为意外脱落状态。
进一步地,上述将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与条件规则模型中的逻辑规则进行对比,得到患者的随访状态的步骤,还包括:若患者痊愈、年龄超过预设的年龄值或者患者已完成全部的随访计划量表,则随访状态为正常结案状态。
进一步地,上述将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与条件规则模型中的逻辑规则进行对比,得到患者的随访状态的步骤,还包括:若当下时间早于随访开始时间,则随访状态为未开始状态;若在预设的第一预设阈值范围内接收到登记数据,且无脱落、正常结案、死亡,则随访状态为正常进行状态;若患者死亡,则随访状态为死亡终结状态。
第二方面,本发明实施例提供一种随访状态的管理装置,上述装置包括:随访计划确定模块,用于:根据患者的个人属性数据和个人医疗数据,建立随访计划;随访量表选择模块,用于:根据随访计划,从预设的数据库中选择初始随访量表;窗口期管理模型建立模块,用于:根据随访计划、患者的个人属性数据、个人医疗数据和/或医生建议,建立窗口期管理模型;条件规则模型建立模块,用于:根据初始随访量表中的问题项目、患者的个人属性数据个人医疗数据和/或窗口期管理模型,确定条件规则模型;随访状态确定模块,用于:根据随访量表登记数据、条件规则模型和/或实际登记时间,确定患者的随访状态,其中,随访量表登记数据为患者在初始随访量表中填写的数据,实际登记时间为患者实际填写初始随访量表的时间。
本发明实施例的有益效果如下:
本发明实施例提供一种随访状态的管理方法及装置,该方法包括:根据患者的个人属性数据和个人医疗数据,建立随访计划;根据随访计划,从预设的数据库中选择初始随访量表;根据随访计划、患者的个人属性数据、个人医疗数据和/或医生建议,建立窗口期管理模型;根据初始随访量表中的问题项目、患者的个人属性数据、个人医疗数据和/或窗口期管理模型,确定条件规则模型;根据随访量表登记数据、条件规则模型和/或实际登记时间,确定患者的随访状态,其中,随访量表登记数据为患者在初始随访量表中填写的数据,实际登记时间为患者实际填写初始随访量表的时间。本发明的技术方案的有益效果有1)通过电子随访的形式,减少患者到院的奔波(尤其对于异地患者),减轻随访难度与接受度,提高患者满意度;2)可实时掌握患者的随访状态,方便医生进一步采取其他管理手段或干预手段,便于医护人员及时跟进患者疾病的发展情况。3)通过电子化数据,实现自动化随访状态标记,大幅降低手工标记模式,避免错误情况的产生,减轻医生工作量,提升工作效率。
本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施方式,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种随访状态的管理方法的流程图;
图2为本发明实施例提供的另一种随访状态的管理方法的流程图;
图3为本发明实施例提供的一种随访状态的管理装置的示意图;
图4为本发明实施例提供的一种孕妇的随访状态的管理方法的流程图。
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。
随着互联网、医疗健康的不断发展,互联网技术与移动互联网技术在医疗服务中的应用正不断优化、改造其原有的模式,患者随访业务由于新技术的应用,也发生了较大的变化。传统疾病随访方式是医生为患者制定随访复诊计划,患者根据随访复诊日期到院进行复诊,通过问诊与身体检查,确定疾病的康复情况,医生再为患者登记随访要采集的调查内容。随着互联网技术的发展与智慧服务评级中对于患者管理的功能要求,“电子化安排服务与记录的能力”成为其重要评估的要求,这意味着针对某些疾病的随访可通过APP、微信服务号、微信小程序等移动设备方式进行随访调查量表的填写,通过电子随访的形式,减少患者到院的奔波(尤其对于异地患者),减轻随访难度与接受度,提高患者满意度。
随着电子随访的不断发展,对于随访患者的人群管理的随访状态管理与随访患者随访计划依从情况的监控管理成为要解决的重点问题。在人群随访状态管理方面,随访患者可能由于随访计划执行中的某些触发条件的发生,导致患者从患者队列中脱落,不再继续随访;在随访依从监控方面,要制定不同种随访执行状态,并根据日期、量表完成情况,实现不同种随访执行状态的赋值,通过状态可准确、实时的掌握随访患者队列中随访进行情况,方便医生进一步采取其他管理手段或干预手段。
目前针对上述问题,在人群随访状态管理方面,缺少对于随访状态的细分管理,同时也缺乏自动化变化功能,例如患者可能由于某些原因,导致“脱落”,进而改变患者的随访状态,而患者脱落登记大多采用手工登记的方式,由医生登记脱落的原因,效率慢且容易出现错误,需要医生对患者的病情、随访登记情况进行完整的了解,工作量巨大,对于某些可通过数据驱动的状态改变,可减轻医生工作压力。而对于随访依从方面的不同类型随访执行状态,虽目前已有一些系统支持相关状态的划分,但对于状态的模型管理不够细致,对于部分疾病中随访执行应给予患者随访时间窗口设置,而且随访计划的执行状态也会相应的影响患者的随访状态,需要建立随访计划执行状态与随访状态的关联模型。综上所述,目前缺乏一种对随访状态进行全方位管理的方法。
基于此,本发明实施例提供了一种随访状态的管理方法及装置,该技术可应用于医疗管理的应用场景中。
实施例一
为便于对本实施例进行理解,首先对本发明实施例所公开的一种随访状态的管理方法进行详细介绍,如图1所示。
步骤S102,根据患者的个人属性数据和个人医疗数据,建立随访计划。
步骤S104,根据随访计划,从预设的数据库中选择初始随访量表。
具体地,预设的数据库中有大量的适用于不同人群、不同疾病类型的随访量表。随访计划的调查量表支持多个初始随访量表配置。随访量表中包含多种多样的问题项目。
步骤S106,根据随访计划、患者的个人属性数据、个人医疗数据和/或医生建议,建立窗口期管理模型。
步骤S108,根据初始随访量表中的问题项目、患者的个人属性数据、个人医疗数据和/或窗口期管理模型,确定条件规则模型。
步骤S110,根据随访量表登记数据、条件规则模型和/或实际登记时间,确定患者的随访状态,其中,随访量表登记数据为患者在初始随访量表中填写的数据,实际登记时间为患者实际填写初始随访量表的时间。
提供一种随访状态的管理方法,该方法包括:根据患者的个人属性数据和个人医疗数据,建立随访计划;根据随访计划,从预设的数据库中选择初始随访量表;根据随访计划、患者的个人属性数据、个人医疗数据和/或医生建议,建立窗口期管理模型;根据初始随访量表中的问题项目、患者的个人属性数据、个人医疗数据和/或窗口期管理模型,确定条件规则模型;根据随访量表登记数据、条件规则模型和/或实际登记时间,确定患者的随访状态,其中,随访量表登记数据为患者在初始随访量表中填写的数据,实际登记时间为患者实际填写初始随访量表的时间。本实施例的技术方案的有益效果有1)通过电子随访的形式,减少患者到院的奔波(尤其对于异地患者),减轻随访难度与接受度,提高患者满意度;2)可实时掌握患者的随访状态,方便医生进一步采取其他管理手段或干预手段,便于医护人员及时跟进患者疾病的发展情况。3)通过电子化数据,实现自动化随访状态标记,大幅降低手工标记模式,避免错误情况的产生,减轻医生工作量,提升工作效率。
实施例二
为便于对本实施例进行理解,对本发明实施例所公开的另一种随访状态的管理方法进行详细介绍,如图2所示。
步骤S202,根据患者的个人属性数据和个人医疗数据,建立随访计划。
在具体实现时,患者的个人属性数据包括姓名、年龄、性别和疾病类型;个人医疗数据,包括末次月经时间、手术时间、出院时间、项目检查日期、报告生成日期、出生日期和/或就诊日期;随访计划包括:疾病类型、随访名称、随访开始时间和每次随访的标准登记时间。
具体地,在随访计划的制定过程中,会根据个人医疗数据(比如比较有标志性的手术时间、出院时间),确定随访计划的随访开始时间和每次随访的标准登记时间。比如:患者随访开始时间为患者出院时间,首次随访计划的标准登记时间为:患者出院时间后30天,第二次随访计划的标准登记时间为患者出院时间后90天。当患者加入到随访项目中后,会根据患者的随访开始时间及该项目定义好的随访计划方案生成患者的随访计划,患者会根据随访计划进行长期、有计划、有规律的随访跟踪调查,便于医护人员及时跟进患者疾病的发展情况。
步骤S204,根据随访计划中的疾病类型,确定需要长期监测的项目,根据需要长期监测的项目以及患者的个人属性数据,从预设的数据库中选择初始随访量表。
具体地,原始数据库中包含有多种类型的随访量表。在此,会根据患者的病情、患者个人的身体状况、现实情况(包括工作性质、工作地点等)多方位的数据,去选择合适的初始随访量表。
步骤S206,根据随访计划中的疾病类型、标准登记时间和/或患者的个人属性数据、医生建议,建立窗口期管理模型;或者,根据疾病类型,选择通用窗口期管理模型。
在具体实现时,根据制定好的随访计划,建立窗口期管理模型。窗口期管理模型的作用是根据疾病的特点设置随访(即实际登记时间相比较于标准登记时间)能够提前的天数或延后的天数。在本模型设置中支持设置适用范围设置、窗口期处理规则及窗口期时间阈值。上述窗口期管理模型包括两种:通用型窗口期管理模型及个性化定制模型,其中通用型是指全部随访患者都适用的模型;个人化定制模型是:对于不同疾病,不同身体情况(比如年龄)的患者,对于疾病的康复效果、随访要求会有所不同,故可根据年龄设置不同年龄所对应的窗口期。个性化定制模型包括年龄个性化模型,年龄定制化模型支持设置多组年龄连续值区间与窗口期的关联模型。例如10-20岁、30-50岁、80岁-100岁。再根据随访方案设定的随访计划的开始时间,设置窗口期判断规则与时间阈值,判断规则支持:“前、前后、后”三种判断范围规则,时间阈值的设置为数字正整数。
具体地,比如,若根据通用窗口期管理模型,那么,只要是患糖尿病的50-60周岁的患者,都是出院后每30天进行一次复诊,时间阈值为前后3天,也就是只能在标准登记时间的前、后来填写登记数据,才会将随访状态判断为正常进行状态。再具体地,例如:(1)某窗口期管理模型设定为:前后、2天,适用范围为通用型时,某随访患者首次随访计划开始时间为2021/08/01,根据模型可得出则该随访患者的首次随访计划窗口期时间为2021/07/30~2021/08/03,只要在这个时间段内复诊,都是可以的,即这一时间段为标准时间范围。(2)某窗口期管理模型为年龄个性化模型,配置如下:10岁-30岁,前后、10天;30-50岁前后5天;50-80岁前后2天;则某20岁随访患者首次随访计划开始时间为2021/08/01,根据模型可得出则该随访患者的随访计划窗口期时间为2021/07/22~2021/08/11;则某30岁随访患者首次随访计划开始时间为2021/08/01,根据模型可得出则该随访患者的随访计划窗口期时间为2021/07/27~2021/08/6,只有当实际登记时间处于范围(2021/07/27~2021/08/6)内时,视为随访计划正常进行,随访状态为正常状态,即这一时间段为标准时间范围。
具体地,也可以根据疾病类型、标准登记时间和/或患者的个人属性数据、医生建议,建立窗口期管理模型,这是一种个性化的模型,将根据患者不同的情况,建立不同的时间阈值,一般年龄越大,时间阈值越小;病情越严重,时间阈值越小。
步骤S208,根据患者的个人属性数据、初始随访量表、问题项目、随访计划和/或标准登记时间,建立判断条件,并对判断条件进行编码;将编码后的判断条件进行逻辑规则组合,得到条件规则模型。
在具体实现时,该条件规则模型是根据患者个人属性数据及随访量表的数据建立条件规则,即通过患者个人属性数据、量表中题目与题目值共同建立判断条件,并且条件间的规则支持复杂逻辑关系配置,如支持或、且逻辑关系,支持多条件联立组合,当满足条件规则后,会输出条件结果值,结果值为满足、不满足,该模型将应用到判断随访状态的应用中。对于该条件规则模型的建立方式如下:
第一步,建立可作为条件判断的患者个人属性数据集合,如:患者年龄、性别等。
第二步,建立量表可作为条件判断的调查量表集合及量表的题目集合,量表集合来源于随访方案建立时的随访调查量表列表,如:量表为VAS评分量表、题目为VAS评分量表下的全部题目。
第三步,根据上述数据集合以及窗口期管理模型中的时间范围,建立逻辑处理条件规则组合,即通过选择上述两个集合中的属性值进行规则处理组合,设置内容包括:数据来源(患者个人属性、调查量表),数据值(患者个人属性集合中的属性、调查量表名称与该量表下的调查题目),判断条件(大于、等于、小于、大于等于、小于等于、不等于、属于、不属于、包含),判断值(待判断值),当上述条件规则建立完成后,会为条件对应生成标识序号,标识序号从1开始,由小到大生成。如患者年龄等于女;产检问卷、妊娠状态题目的结果等于流产;同时条件间的规则支持复杂逻辑关系配置,如支持或、且逻辑关系,支持多条件联立组合;如条件1等于患者年龄等于女;条件2等于产检问卷、妊娠状态题目的结果等于流产,判断条件规则等于条件1且条件2,即满足患者年龄等于女,且产检问卷、妊娠状态题目的结果等于流产。
步骤S210,将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与条件规则模型中的逻辑规则进行对比,得到患者的随访状态;其中,随访状态包括7种:已超窗状态,失访脱落状态,意外脱落状态,正常结案状态、未开始状态、正常进行状态和死亡终结状态。
在具体实现时,将患者基本信息与登记数据传入到该条件模型中,根据返回结果值判断,根据判断结果确定随访状态。
对上述7种状态的具体判断方式如下:
1)若实际登记时间与标准登记时间的差值超过第一预设阈值,则随访状态为已超窗状态;其中,第一预设阈值包括正整数和负整数。
在具体实现时,若窗口期管理模型所提供的标准时间范围是2021/07/27~2021/08/6,第一预设阈值是5天,则若患者晚于2021年8月11日填写随访量表,则条件规则模型的输出结果为不满足,则视为该随访状态为已超窗状态。
2)若实际登记时间与标准登记时间的差值超过第二预设阈值,则随访状态为失访脱落状态;或者,若未完成随访计划的次数大于第三预设阈值,则随访状态为失访脱落状态;其中,第三预设阈值为正整数。
在具体实现时,一般,第二预设阈值与第一预设阈值都是天数,第二预设阈值大于第一预设阈值;失访脱落状态分为两种情况:
①情况1:比如,若窗口期管理模型所提供的标准时间范围是2021/07/27~2021/08/6,第二预设阈值是10天,则若患者晚于2021年8月16日填写随访量表,则条件规则模型的输出结果为第二不满足情况,则视为该随访状态为失访脱落状态。
②情况2:比如,本次随访计划的标准设置是:出院后一年的过程中,每一个月复诊一次,即共复诊12次。若患者连续3个月,即连续3次(可自行设置,第三预设阈值)的填写情况都是第①种(情况1)的失访脱落状态,则视为该随访状态为失访脱落状态,对该随访计划进行结案处理。
具体地,随访计划完成状态指患者随访计划下要完成填写的全部调查量表的完成情况(量表支持多个)。通过随访计划未完成状态累计值与设置的失访阈值(可自行设置,第三预设阈值)进行比较,若大于等于阈值时,则自动将患者随访状态设置为结案,子状态赋值为失访脱落结案。例如慢性肾脏病患者随访中,患者共有5个随访计划,每个随访计划下共3个表单,若患者3次随访计划未完成,即各随访计划下表单的未全部填写,则视为失访,自动为患者随访状态设置为结案,子状态为失访脱落结案,脱落原因等于失访,不再进行患者随访。
3)若登记数据中包含意外情况信息,则条件规则模型将结合患者的个人属性数据及意外情况信息,输出判断结果,若判断结果为满足条件,则将随访状态确认为意外脱落状态。
在具体实现时,比如,在孕期随访中,孕妇的产检问卷题目中,妊娠状态的填写值等于流产时,则孕妇视为意外脱落状态,自动为患者随访状态设置为结案,不再进行随访。
4)若患者痊愈、年龄超过预设的年龄值或者患者已完成全部的随访计划量表,则随访状态为正常结案状态。
具体地,正常结案状态包含2种:
①随访计划完成状态指患者随访计划下要完成填写的全部调查量表的完成情况(量表支持多个),当随访计划下全部量表填写完成后,视为随访计划已完成,视为正常结案状态。即随访计划完成状态累计值等于随访计划总数,随访状态为正常结案状态。
②基于时间模型处理,该模型会设置患者终止随访的时间节点,该模型的时间设置支持通过以年、月、周、日为计算单位,输入终止阈值,结合患者出生日期与随访开始时间为计算关联属性,若当前日期与计算关联属性大于等于终止阈值时,则随访状态自动赋值为结案。例如在小于5岁年龄儿童龋齿随访项目中,若年龄超过5岁时则不再进行随访,则逻辑规则为出生日期后5年;在孕期随访中,若孕周等于孕45周时自动终止随访,逻辑规则为随访开始日期后45周(其中随访开始时间为末次月经时间),这种随着时间而结束的状态,视为正常结案状态。
5)若当下时间早于随访开始时间,则随访状态为未开始状态。
6)若在标准时间范围内接收到登记数据,且无脱落、正常结案、死亡,则随访状态为正常进行状态。
在具体实现时,正常进行状态的最终结果为正常结案状态。
7)若患者死亡,则随访状态为死亡终结状态。
在具体实现时,若患者死亡标记标识为死亡时,则随访状态为死亡终结状态,自动赋值为结案。
步骤S212,根据随访状态,对患者的治疗方案做出调整。
在具体实现时,若随访状态为已超窗状态,则根据实际登记时间与标准登记时间的差值,确认登记数据的可信度;根据填表数量与计划量表总数确认完成比;根据可信度和完成比,确认登记数据的参考价值。
具体地,同时根据患者按照自身随访计划执行时所执行的患者随访计划中量表的填写情况进行随访计划完成状态的赋值管理,根据(已填写量表数/计划下量表总数)×100%得出完成比。继续沿用上述例子:某窗口期管理模型是按年龄段进行窗口期设置,配置如下:10岁-30岁,前后、10天;30-50岁前后5天;50-80岁前后2天;则某20岁随访患者首次随访计划开始时间为2021/08/01,当前日期为2021年7月24日,随访计划下量表有5张,仅填写了1张,则综上所述根据模型可得出则该随访患者的随访计划窗口期时间为2021/07/22~2021/08/11,当前随访计划状态为进行中,随访计划完成比为20%。
具体地,标准的登记时间范围是患者应该在2021/07/27~2021/08/6,第二预设阈值是10天,即患者在08/06-08/16之间填写,属于已超窗状态。若患者在8/10填写的,那就会对8/10填写的量表的可信度打折扣,越晚填折扣就越大。或者说,如果本来应该在07/27~2021/08/6填写5张随访量表,但用户只填写了一张,剩下四张在8/10填的,那就对8/10填写的4张的可信度打折扣。这种情况下的完成比为20%(已填写量表数/计划下量表总数)×100%得出完成比),完成比×可信度=医生最终的参考权重。通过参考权重,干预对患者的治疗手段。
本实施例有益效果如下:
1)通过一种自动化随访状态管理的装置及方法,该方法对患者随访全周期形成完善的状态管理,对随访状态进行细分管理,并建立基于数据驱动的自动化标记功能。
2)结合日期数据、患者的个人属性数据、随访量表登记数据等的相关数据,实现自动化随访状态标记,大幅降低手工标记模式,避免错误情况的产生,减轻医生工作量,提升工作效率。
3)医生可直观查看到各状态下的患者列表,对于依从度不好的患者,可及时采取干预措施。
4)可自动帮医生进行随访患者队列的动态管理。
5)可按日期生成随访患者队列,方便医生了解每日的随访工作。
6)可根据各疾病随访的不同要求,完成灵活的配置。
实施例三
本发明实施例提供一种随访状态的管理装置,如图3所示。
上述装置包括:随访计划确定模块31,用于:根据患者的个人属性数据和个人医疗数据,建立随访计划。
随访量表选择模块32,用于:根据随访计划,从预设的数据库中选择初始随访量表。
窗口期管理模型建立模块33,用于:根据随访计划、患者的个人属性数据、个人医疗数据和/或医生建议,建立窗口期管理模型。
条件规则模型建立模块34,用于:根据初始随访量表中的问题项目、患者的个人属性数据个人医疗数据和/或窗口期管理模型,确定条件规则模型。
随访状态确定模块35,用于:根据随访量表登记数据、条件规则模型和/或实际登记时间,确定患者的随访状态,其中,随访量表登记数据为患者在初始随访量表中填写的数据,实际登记时间为患者实际填写初始随访量表的时间。
随访量表选择模块32,还用于:根据随访计划中的疾病类型,确定需要长期监测的项目,根据需要长期监测的项目以及患者的个人属性数据,从预设的数据库中选择初始随访量表。上述患者的个人属性数据包括姓名、年龄、性别和疾病类型;个人医疗数据,包括末次月经时间、手术时间、出院时间、项目检查日期、报告生成日期、出生日期和/或就诊日期;随访计划包括:疾病类型、随访名称、随访开始时间和每次随访的标准登记时间。
窗口期管理模型建立模块33,还用于:根据随访计划中的疾病类型、标准登记时间和/或患者的个人属性数据、医生建议,建立窗口期管理模型;或者,根据疾病类型,选择通用窗口期管理模型;窗口期管理模型,用于设置随访能够提前的天数或延后的天数。
条件规则模型建立模块34,还用于:根据患者的个人属性数据、初始随访量表、问题项目、随访计划和/或标准登记时间,建立判断条件,并对判断条件进行编码;将编码后的判断条件进行逻辑规则组合,得到条件规则模型。
随访状态确定模块35,还用于:将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与条件规则模型中的逻辑规则进行对比,得到患者的随访状态。
随访状态确定模块35,还用于:若实际登记时间与标准登记时间的差值超过第一预设阈值,则随访状态为已超窗状态;其中,第一预设阈值包括正整数和负整数;方法还包括:若随访状态为已超窗状态,则根据实际登记时间与标准登记时间的差值,确认登记数据的可信度;根据填表数量与计划量表总数确认完成比;根据可信度和完成比,确认登记数据的参考价值。
随访状态确定模块35,还用于:若实际登记时间与标准登记时间的差值超过第二预设阈值,则随访状态为失访脱落状态;或者,若未完成随访计划的次数大于第三预设阈值,则随访状态为失访脱落状态;其中,第三预设阈值为正整数;或者,若登记数据中包含意外情况信息,则条件规则模型将结合患者的个人属性数据及意外情况信息,输出判断结果,若判断结果为满足条件,则将随访状态确认为意外脱落状态。
随访状态确定模块35,还用于:若患者痊愈、年龄超过预设的年龄值或者患者已完成全部的随访计划量表,则随访状态为正常结案状态。
随访状态确定模块35,还用于:若当下时间早于随访开始时间,则随访状态为未开始状态;若在预设的第一预设阈值范围内接收到登记数据,且无脱落、正常结案、死亡,则随访状态为正常进行状态;若患者死亡,则随访状态为死亡终结状态。
本发明实施例提供的随访状态的管理装置,与上述实施例提供的随访状态的管理方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例四
为便于对本实施例进行理解,对本发明实施例所公开的一种孕妇的随访状态的管理方法进行详细介绍,如图4所示。
步骤S402,在孕期随访中,为孕妇按产检计划生成对应的产检随访计划。孕妇可根据当前日期了解自身所处的随访计划状态,医生可了解当前日期下,孕妇队列中各孕妇的随访计划状态及随访计划下量表的完成度,可及时进行干预操作。
步骤S404,通过电子随访量表,跟踪孕妇状态。若妊娠状态的填写值等于流产时,则孕妇视为意外脱落状态,自动为随访状态设置为结案,不再进行随访。
步骤S406,孕妇在正常填写过程中的随访状态为正常进行状态;孕妇正常完成所有问卷量表后的随访状态为正常结案状态。
步骤S408,若孕妇未完成产检计划随访,且填写的次数小于3次(即第三预设阈值)时,且达到已设置的45周阈值时,自动为随访状态设置为失访脱落状态,不再对孕妇进行随访。
步骤S410,若孕妇出现死亡情况时,自动将随访状态设置为死亡终结状态。
本发明实施例提供的孕妇的随访状态的管理方法,与上述实施例提供的随访状态的管理方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种随访状态的管理方法,其特征在于,所述方法包括:
根据患者的个人属性数据和个人医疗数据,建立随访计划;
根据所述随访计划,从预设的数据库中选择初始随访量表;
根据所述随访计划、所述患者的个人属性数据、所述个人医疗数据和/或医生建议,建立窗口期管理模型;
根据所述初始随访量表中的问题项目、所述患者的个人属性数据、所述个人医疗数据和/或所述窗口期管理模型,确定条件规则模型;
根据随访量表登记数据、所述条件规则模型和/或实际登记时间,确定患者的随访状态,其中,所述随访量表登记数据为患者在所述初始随访量表中填写的数据,所述实际登记时间为患者实际填写所述初始随访量表的时间;
其中,根据随访计划中的疾病类型、标准登记时间和/或患者的个人属性数据、医生建议,建立窗口期管理模型;或者,根据所述疾病类型,选择通用窗口期管理模型;所述窗口期管理模型,用于设置随访能够提前的天数或延后的天数;
其中,根据所述患者的个人属性数据、所述初始随访量表、所述问题项目、所述随访计划和/或标准登记时间,建立判断条件,并对所述判断条件进行编码;将所述编码后的判断条件进行逻辑规则组合,得到条件规则模型;
其中,所述条件规则模型是根据患者个人属性数据及随访量表的数据建立条件规则,即,通过患者个人属性数据、量表中题目与题目值共同建立判断条件,当满足条件规则后,会输出条件结果值,结果值为满足、不满足;
其中,将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与所述条件规则模型中的逻辑规则进行对比,得到所述患者的随访状态,其中,随访状态包括7种:已超窗状态,失访脱落状态,意外脱落状态,正常结案状态、未开始状态、正常进行状态和死亡终结状态。
2.根据权利要求1所述的方法,其特征在于,所述患者的个人属性数据包括姓名、年龄、性别和疾病类型;所述个人医疗数据,包括末次月经时间、手术时间、出院时间、项目检查日期、报告生成日期、出生日期和/或就诊日期;所述随访计划包括:疾病类型、随访名称、随访开始时间和每次随访的标准登记时间;所述预设的数据库中包含多种类型的随访量表;
所述根据患者的个人属性数据,建立随访计划;根据所述随访计划,从预设的数据库中选择初始随访量表的步骤,包括:
根据随访计划中的疾病类型,确定需要长期监测的项目,根据需要长期监测的项目以及患者的个人属性数据,从预设的数据库中选择初始随访量表。
3.根据权利要求1所述的方法,其特征在于,所述将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与所述条件规则模型中的逻辑规则进行对比,得到所述患者的随访状态的步骤,包括:
若实际登记时间与标准登记时间的差值超过第一预设阈值,则所述随访状态为已超窗状态;其中,所述第一预设阈值包括正整数和负整数;
所述方法还包括:
若随访状态为已超窗状态,则根据实际登记时间与标准登记时间的差值,确认登记数据的可信度;根据填表数量与计划量表总数确认完成比;根据所述可信度和所述完成比,确认登记数据的参考价值。
4.根据权利要求1所述的方法,其特征在于,所述将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与所述条件规则模型中的逻辑规则进行对比,得到所述患者的随访状态的步骤,还包括:
若所述实际登记时间与标准登记时间的差值超过第二预设阈值,则所述随访状态为失访脱落状态;
或者,若未完成随访计划的次数大于第三预设阈值,则所述随访状态为失访脱落状态;其中,所述第三预设阈值为正整数;
或者,若所述登记数据中包含意外情况信息,则条件规则模型将结合患者的个人属性数据及所述意外情况信息,输出判断结果,若判断结果为满足条件,则将所述随访状态确认为意外脱落状态。
5.根据权利要求1所述的方法,其特征在于,所述将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与所述条件规则模型中的逻辑规则进行对比,得到所述患者的随访状态的步骤,还包括:
若患者痊愈、年龄超过预设的年龄值或者患者已完成全部的随访计划量表,则所述随访状态为正常结案状态。
6.根据权利要求1所述的方法,其特征在于,所述将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与所述条件规则模型中的逻辑规则进行对比,得到所述患者的随访状态的步骤,还包括:
若当下时间早于随访开始时间,则随访状态为未开始状态;
若在预设的第一预设阈值范围内接收到登记数据,且无脱落、正常结案、死亡,则所述随访状态为正常进行状态;
若患者死亡,则所述随访状态为死亡终结状态。
7.一种随访状态的管理装置,其特征在于,所述装置包括:
随访计划确定模块,用于:根据患者的个人属性数据和个人医疗数据,建立随访计划;
随访量表选择模块,用于:根据所述随访计划,从预设的数据库中选择初始随访量表;
窗口期管理模型建立模块,用于:根据所述随访计划、所述患者的个人属性数据、所述个人医疗数据和/或医生建议,建立窗口期管理模型;
条件规则模型建立模块,用于:根据所述初始随访量表中的问题项目、所述患者的个人属性数据所述个人医疗数据和/或所述窗口期管理模型,确定条件规则模型;
随访状态确定模块,用于:根据随访量表登记数据、所述条件规则模型和/或实际登记时间,确定患者的随访状态,其中,所述随访量表登记数据为患者在所述初始随访量表中填写的数据,所述实际登记时间为患者实际填写所述初始随访量表的时间;
其中,根据随访计划中的疾病类型、标准登记时间和/或患者的个人属性数据、医生建议,建立窗口期管理模型;或者,根据所述疾病类型,选择通用窗口期管理模型;所述窗口期管理模型,用于设置随访能够提前的天数或延后的天数;
其中,根据所述患者的个人属性数据、所述初始随访量表、所述问题项目、所述随访计划和/或标准登记时间,建立判断条件,并对所述判断条件进行编码;将所述编码后的判断条件进行逻辑规则组合,得到条件规则模型;
其中,所述条件规则模型是根据患者个人属性数据及随访量表的数据建立条件规则,即,通过患者个人属性数据、量表中题目与题目值共同建立判断条件,当满足条件规则后,会输出条件结果值,结果值为满足、不满足;
其中,将患者的随访量表登记数据、患者的个人属性数据以及实际登记时间,与所述条件规则模型中的逻辑规则进行对比,得到所述患者的随访状态,其中,随访状态包括7种:已超窗状态,失访脱落状态,意外脱落状态,正常结案状态、未开始状态、正常进行状态和死亡终结状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111054155.XA CN113744819B (zh) | 2021-09-09 | 2021-09-09 | 随访状态的管理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111054155.XA CN113744819B (zh) | 2021-09-09 | 2021-09-09 | 随访状态的管理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113744819A CN113744819A (zh) | 2021-12-03 |
CN113744819B true CN113744819B (zh) | 2024-04-12 |
Family
ID=78737396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111054155.XA Active CN113744819B (zh) | 2021-09-09 | 2021-09-09 | 随访状态的管理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113744819B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114510491B (zh) * | 2022-04-19 | 2022-09-20 | 杭州华卓信息科技有限公司 | 一种动态随访量表设计方法和系统 |
CN115907265A (zh) * | 2023-02-24 | 2023-04-04 | 北京嘉和美康信息技术有限公司 | 随访路径的关联方法和装置 |
CN116646043A (zh) * | 2023-05-16 | 2023-08-25 | 上海景栗信息科技有限公司 | 一种多触点患者随访管理方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004029896A (ja) * | 2002-06-21 | 2004-01-29 | Nec Infrontia Corp | 再診患者の医療検診管理装置及び方法 |
KR20070029958A (ko) * | 2005-09-12 | 2007-03-15 | 이형래 | 무선휴대통신 단말기를 이용한 전립선비대증환자의병원방문시기 조절방법 및 이를 수행하기 위한 시스템 |
EP1879138A1 (en) * | 2006-07-11 | 2008-01-16 | Coronaria Feedback Oy Ab | Electronic follow-up system for medicines sold to consumers, arrangement and a computer program |
CN104298852A (zh) * | 2014-08-22 | 2015-01-21 | 首都医科大学附属北京佑安医院 | 一种慢病随访监控管理方法和系统 |
CN104318082A (zh) * | 2014-10-10 | 2015-01-28 | 北京嘉和美康信息技术有限公司 | 一种随访数据处理装置 |
CN104750997A (zh) * | 2015-04-08 | 2015-07-01 | 南京吉星兆健康信息咨询有限公司 | 一种基于移动互联的诊疗随访业务实现方法 |
CN105260590A (zh) * | 2015-09-16 | 2016-01-20 | 西部天使(北京)健康科技有限公司 | 一种多随访计划融合方法及系统 |
CN107506592A (zh) * | 2017-08-29 | 2017-12-22 | 杭州卓健信息科技有限公司 | 一种随访方法及其随访系统 |
CN112102956A (zh) * | 2020-10-13 | 2020-12-18 | 杭州健海科技有限公司 | 一种糖尿病患者提高依从性的方法和系统 |
CN112331282A (zh) * | 2020-11-12 | 2021-02-05 | 北京嘉和美康信息技术有限公司 | 基于随访项目对患者进行分组的方法和系统 |
-
2021
- 2021-09-09 CN CN202111054155.XA patent/CN113744819B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004029896A (ja) * | 2002-06-21 | 2004-01-29 | Nec Infrontia Corp | 再診患者の医療検診管理装置及び方法 |
KR20070029958A (ko) * | 2005-09-12 | 2007-03-15 | 이형래 | 무선휴대통신 단말기를 이용한 전립선비대증환자의병원방문시기 조절방법 및 이를 수행하기 위한 시스템 |
EP1879138A1 (en) * | 2006-07-11 | 2008-01-16 | Coronaria Feedback Oy Ab | Electronic follow-up system for medicines sold to consumers, arrangement and a computer program |
CN104298852A (zh) * | 2014-08-22 | 2015-01-21 | 首都医科大学附属北京佑安医院 | 一种慢病随访监控管理方法和系统 |
CN104318082A (zh) * | 2014-10-10 | 2015-01-28 | 北京嘉和美康信息技术有限公司 | 一种随访数据处理装置 |
CN104750997A (zh) * | 2015-04-08 | 2015-07-01 | 南京吉星兆健康信息咨询有限公司 | 一种基于移动互联的诊疗随访业务实现方法 |
CN105260590A (zh) * | 2015-09-16 | 2016-01-20 | 西部天使(北京)健康科技有限公司 | 一种多随访计划融合方法及系统 |
CN107506592A (zh) * | 2017-08-29 | 2017-12-22 | 杭州卓健信息科技有限公司 | 一种随访方法及其随访系统 |
CN112102956A (zh) * | 2020-10-13 | 2020-12-18 | 杭州健海科技有限公司 | 一种糖尿病患者提高依从性的方法和系统 |
CN112331282A (zh) * | 2020-11-12 | 2021-02-05 | 北京嘉和美康信息技术有限公司 | 基于随访项目对患者进行分组的方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于Android的医生随诊系统的设计与实现;沈珩;《中国优秀硕士学位论文全文数据库》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113744819A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113744819B (zh) | 随访状态的管理方法及装置 | |
Bratt et al. | A comparison of four approaches for measuring clinician time use | |
Auerbach | Will the NP workforce grow in the future?: New forecasts and implications for healthcare delivery | |
Estabrooks | The conceptual structure of research utilization | |
CN106951703B (zh) | 一种生成电子病历的系统及方法 | |
Lundberg et al. | On what patients does the Tampa Scale for Kinesiophobia fit? | |
CN110111886A (zh) | 一种基于XGBoost疾病预测的智能问诊系统及方法 | |
CN103440421B (zh) | 医学数据处理方法和系统 | |
Hill | Direct estimation of child mortality from birth histories | |
Sellera et al. | Monitoring and evaluation of Primary Health Care attributes at the national level: new challenges | |
CN112530604A (zh) | 一种基于云平台的远程智慧医疗系统 | |
Budd et al. | Addressing the primary care workforce: A study of nurse practitioner students’ plans after graduation | |
Elbeyli et al. | In-patient flow analysis using ProModelTM simulation package | |
Griffith et al. | Forecasting bed needs and recommending facilities plans for community hospitals: A review of past performance | |
Alaro et al. | Implementation level of health management information system program in governmental hospitals of Ethiopia | |
Barros-Bailey et al. | Attendant Care Survey Methodology (ACSM): Introducing a Costing Model Attendant Care Survey Methodology (ACSM). | |
Wells et al. | Area‐wide diabetes care: the Manchester experience with primary health care teams 1991–1997 | |
Patel | An economic evaluation of ‘Health for All’ | |
Steven et al. | A self-contained method of evaluating patient dissatisfaction in general practice | |
CN110634541A (zh) | 一种口腔健康数据采集及分析方法 | |
CN117438061B (zh) | 用于检查预约资源动态分配的方法 | |
Hutchison et al. | Defining the practice population in fee-for-service practice. | |
Reinke | A multi-dimensional program evaluation model: Considerations of cost-effectiveness, equity, quality, and sustainability | |
Cochrane et al. | How access to contraception affects fertility and contraceptive use in Tunisia | |
Theoharides | Medical Worker Migration and Origin-Country Human Capital: Evidence from US Visa Policy |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |