CN114049927A - 疾病数据处理方法、装置、电子设备及可读介质 - Google Patents
疾病数据处理方法、装置、电子设备及可读介质 Download PDFInfo
- Publication number
- CN114049927A CN114049927A CN202111315953.3A CN202111315953A CN114049927A CN 114049927 A CN114049927 A CN 114049927A CN 202111315953 A CN202111315953 A CN 202111315953A CN 114049927 A CN114049927 A CN 114049927A
- Authority
- CN
- China
- Prior art keywords
- event
- disease data
- fields
- field
- disease
- 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
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
- 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)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本公开涉及疾病数据处理方法、装置、电子设备及可读介质。该方法包括:获取具有层级关系的疾病数据模型;根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系;根据所述映射关系进行事件搜索。本公开涉及上文疾病数据处理方法、装置、电子设备及可读介质,可以根据具有层级关系的疾病数据模型中的字段建立事件条件与事件时间的映射关系,以便能够根据该映射关系进行事件搜索,基于疾病数据模型灵活实现事件字段和事件时间字段之间的映射,使事件搜索的计算过程充分轻量化、节省硬件资源和开发成本。
Description
分案说明
本专利申请是申请号为201811334410.4、申请日为2018年11月09日、发明名称为疾病数据处理方法、装置、电子设备及可读介质的专利申请的分案申请。
技术领域
本公开涉及云存储技术领域,具体而言,涉及一种疾病数据处理方法、装置、电子设备及可读介质。
背景技术
当前,大数据的应用在各个行业和领域中得到广泛应用,在利用医疗大数据进行科学研究的过程中,对患者样本的筛选是重要一环。
在患者样本筛选过程中,需要进行事件搜索,所谓事件搜索是指在某个时间段内,过滤出满足某些条件的患者。基于固定基点时间T0,在T0基础上扩充基线时间,利用数据库计算满足条件的患者。事件搜索的实现依赖于事件定义模型,因此不同的事件定义模型下,事件搜索的实现方式有很大不同。上述方案中由于患者数据模型没有层级结构,数据模型不能很好的支持业务功能实现,具体缺点如下:
(1)T0时间不能灵活定义。
观测指标往往需要限定在某个基线时间段内,而基线时间段的定义又是基于某些医疗事件的发生时间作为T0,进而扩充出基线时间。相关实施例中事件搜索模型一般直接让用户指定基点时间T0,在固定的基点时间T0下,扩充基线时间,进而检索出满足条件的患者,不能满足对基点时间T0的灵活定义。
(2)患者数据模型和事件定义模型中患者指标没有层级结构,不利于数据组织、存储和检索。
相关实施例中患者数据模型一般采用非树型结构,相比树型存储结构其有更多的数据冗余,占较大的存储空间,不利于数据的检索和计算。
(3)计算量大,对CPU和内存要求高,计算时间长。
相关实施例中需要将数据传递到应用程序中做全量计算,计算量大,对计算机硬件要求高,计算时间长。
因此,需要一种新的疾病数据处理方法、装置、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此,本公开提供一种疾病数据处理方法、装置、电子设备及计算机可读介质,能够解决事件检索和计算速度慢效率低的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一方面,提出一种疾病数据处理方法,该方法包括:获取具有层级关系的疾病数据模型;根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系;根据所述映射关系进行事件搜索。
在本公开的一种示例性实施例中,所述疾病数据模型为三层树型结构,其中第一层包括患者基本信息,第二层包括分类信息,第三层包括患者数据字段。
在本公开的一种示例性实施例中,所述疾病数据模型中的患者数据字段包括事件字段和相应的事件时间字段。
在本公开的一种示例性实施例中,根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系包括:采用预先设置、即时设置以及预先设置与即时设置相结合中的任一种方式;其中所述预先设置的方式为预先设置所述事件字段与所述事件时间字段之间的映射关系;所述即时设置的方式为操作时根据用户的即时指令来指定所述事件字段与所述事件时间字段之间的映射关系。
在本公开的一种示例性实施例中,所述疾病数据模型中的数据以JSON格式存储。
在本公开的一种示例性实施例中,根据所述映射关系进行事件搜索包括:
根据事件条件和事件时间之间的所述映射关系计算基点时间;
根据所述基点时间按照扩充参数进行扩充,得到针对所述事件条件的过滤条件;
利用所述过滤条件进行事件搜索,找到符合所述过滤条件的疾病数据。
在本公开的一种示例性实施例中,根据所述映射关系进行事件搜索还包括:
设置所述扩充参数的字段属性,其中所述字段属性包括:事件之前、事件之后以及事件发生的次数。
根据本公开的一方面,提出一种疾病数据处理装置,该装置包括:数据获取模块,用于获取具有层级关系的疾病数据模型;映射模块,用于根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系;构建模块,用于根据所述映射关系进行事件搜索。
根据本公开的一方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上文的方法。
根据本公开的一方面,提出一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上文中的方法。
根据本公开的疾病数据处理方法、装置、电子设备及计算机可读介质,该方法可以根据具有层级关系的疾病数据模型中的字段建立事件条件与事件时间的映射关系,以便能够根据该映射关系进行事件搜索,基于疾病数据模型灵活实现事件字段和事件时间字段之间的映射,使事件搜索的计算过程充分轻量化、节省硬件资源和开发成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,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是根据一示例性实施例示出的用于实现疾病数据处理的系统框图。
图2是根据一示例性实施例示出的一种疾病数据处理方法的流程图。
图3是根据一示例性实施例示出实现疾病数据处理方法的一种参考界面。
图4是根据一示例性实施例示出的一种疾病数据处理装置的框图。
图5是根据一示例性实施例示出的一种电子设备的框图。
图6是根据一示例性实施例示出一种计算机可读存储介质示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应理解,虽然本文中可能使用术语第一、第二、第三等来描述各种组件,但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此,下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用,术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本公开所必须的,因此不能用于限制本公开的保护范围。
为克服相关实施例中存在的上述缺点,本公开示例性实施例中提供一种疾病数据处理方法,图1是根据一示例性实施例示出的用于实现疾病数据处理的系统框图。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、搜索类应用、即时通信工具等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所提交的建立疾病事件模型请求提供支持的后台管理服务器。后台管理服务器可以对接收到的建立疾病事件模型请求等进行分析等处理,并将处理结果反馈给终端设备。
服务器105可例如获取用户利用终端设备101、102、103传送的待处理数据;服务器105可例如将所述待处理数据进行处理。
服务器105可以是一个实体的服务器,还可例如为多个服务器组成,需要说明的是,本公开实施例所提供的疾病数据处理方法可以由服务器105执行,相应地,疾病数据处理装置可以设置于服务器105中。
图2是根据一示例性实施例示出的一种疾病数据处理方法的流程图。疾病数据处理方法20至少包括步骤S202至S206,该方法可以基于疾病数据模型进行事件搜索。
如图2所示,在步骤S202中,获取具有层级关系的疾病数据模型。
如图2所示,在步骤S204中,根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系。
如图2所示,在步骤S206中,根据所述映射关系进行事件搜索。
以下结合图2所示的流程图对本公开提供的疾病数据处理方法进行详细介绍,具体如下:
在步骤S202中,获取具有层级关系的疾病数据模型。
在本公开的一种示例性实施例中,所述疾病数据模型具有层级关系,例如可以为三层树型结构,其中第一层包括患者基本信息,第二层包括分类信息,第三层包括患者数据字段。
例如,三层树型结构用于存放一个患者的所有数据,第一层也就是树型结构的根节点固定存放患者基本信息,比如姓名、性别、住院号、年龄等。第二层为分类信息,例如入院诊断、出院诊断、检验、既往史等细分类目。第三层为叶子节点,用于存放患者数据字段,就像一个表格的表头,每个字段都可以有对应的值,例如第二层节点“既往史”下的叶子节点(即第三层节点)包括:既往疾病、是否高血压、是否传染病史等。当然,这里仅仅以一个患者的数据存储为例,其实在疾病数据模型中包括很多个这样以三层树型结构进行存储的患者数据。
在本公开的一种示例性实施例中,所述疾病数据模型中的患者数据字段包括事件字段和相应的事件时间字段。
在疾病数据模型的第三层存储患者数据字段,这些字段中包括事件字段和非事件字段两类。
一般字段都是有时间属性的而且往往不止一个时间属性,这样的字段称之为事件字段,例如诊断有诊断时间,检验有检查时间和检验结果时间等等,因此诊断和检验都属于事件字段。时间属性也是一个叶子节点,会和其对应的事件字段在同一个二级分类下,如果某个字段同级下有多个时间字段,则会通过配置的方式人为指定一个时间字段作为该事件对应的时间字段,即事件时间字段。另一类是非事件字段,非事件字段是无时间属性的,例如患者的性别、民族、是否吸烟等。本实施例中主要涉及和使用的是事件字段。
在本公开的一种示例性实施例中,所述疾病数据模型中的数据以JSON格式存储。JSON格式简洁,传输过程可压缩节省带宽,而且主流语言如Python,Javascript,C等主流语言都支持,使得该模型的使用范围更广,传输更加方便快捷。
在步骤S204中,根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系。
在本公开的一种示例性实施例中,根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系包括:
采用预先设置、即时设置以及预先设置与即时设置相结合中的任一种方式;
其中所述预先设置的方式为预先设置所述事件字段与所述事件时间字段之间的映射关系;所述即时设置的方式为操作时根据用户的即时指令来指定所述事件字段与所述事件时间字段之间的映射关系。
映射关系的设置分为以下三种:
方式一、预先设置所述事件字段与所述事件时间字段之间的映射关系,并将映射关系在操作界面上显示给用户。此种方法由于是预先设置好的,因此可以屏蔽复杂的映射设置过程,降低用户使用难度。但由于用户不能干预映射设置过程,某些应用场景下不够灵活。
方式二、即时设置的方式为操作时根据用户的即时指令来指定所述事件字段与所述事件时间字段之间的映射关系,也就是用户在操作时,根据当下的情况手动指定事件字段相应的事件时间字段。此种方法增加了用户使用难度,但由于用户能够明确指定事件时间字段,某些应用场景下使用起来比较灵活。
方式三、预先设置和即时设置(即手动设置)相结合的方式。先预先配置好映射关系,使用过程中将映射关系显示给用户,并将映射配置接口向用户开放,特殊需求下用户就可以在操作界面上修改事件字段和事件时间字段之间的映射关系。此种方法可以达到既降低用户使用难度,特殊场景下又可以灵活使用的目的。
在本公开的一种示例性实施例中,在事件字段和事件时间字段之间做映射得到映射关系,通过用户设置的事件字段,然后结合映射关系计算得到基点时间T0。将基点时间T0作为T0计算模型的输出,医疗事件作为函数输入,通过对医疗事件的定义灵活定义基点时间T0,满足用户用医疗事件定义基点时间T0的需求。
在步骤S206中,根据所述映射关系进行事件搜索。
在本公开的一种示例性实施例中,该步骤具体包括:
首先,根据事件条件和事件时间之间的所述映射关系计算基点时间;其次,根据所述基点时间按照扩充参数进行扩充,得到针对所述事件条件的过滤条件;然后,利用所述过滤条件进行事件搜索,找到符合所述过滤条件的疾病数据。
其中上述步骤中还包括:设置所述扩充参数的字段属性,其中所述字段属性包括:事件之前、事件之后以及事件发生的次数,例如设置对基点时间T0的扩充参数包括某个事件之前n天,事件之后n天,又或者是某个事件之前n个月,事件之后n个月,还或者是某个事件之前n年,事件之后n年,具体设置的扩充参数可以根据具体病种等进行调整。另外,还可以对事件发生次数以及事件每次发生的时间(扩充时间)等进行设置。
在本公开的一种示例性实施例中,上述步骤中可以设置一组事件条件以及对应的过滤条件,还可以根据需要重复设置几组事件条件以及对应的过滤条件,并在最后将多组事件条件以及对应的过滤条件过滤得到的结果集之间进行集合合并的方式,可设置为并集或者交集,多个运算结果集合合并为一个集合。
另外,在本公开的一种示例性实施例中,还可以设置过滤条件与基点时间T0的关系,可以包含两种情况:一种是筛选出符合一组事件条件以及对应的过滤条件的即可作为事件搜索的结果;另一种是筛选出符合所有组事件条件以及对应的过滤条件的作为事件搜索的结果。在实际应用中可以根据需要选择其中一种情况以结束事件搜索。
在该步骤中,首先,由于事件字段、事件筛选字段(也就是事件时间字段,用于进行事件筛选,因此可以称之为事件筛选字段)是疾病数据数据模型中患者数据字段的子集,其组织结构与疾病数据模型结构一致,都为三层树型结构。现有的疾病数据模型一般采用非树形结构,相比树形存储结构其有更多的数据冗余,占较大的存储空间,不利于数据的检索和计算,本实施例中的疾病数据模型采用的三层树型结构,可以将大部分计算转移到分布式的(例如Elasticsearch)检索引擎中,较大缩短计算时间。
基于上述,以下结合一具体实例对上述方法进行介绍:
设置第一组事件条件为:“诊断名称”包含“鼻咽癌”且“性别”为“男”;
设置第二组事件条件为:“诊断名称”包含“鼻咽恶性肿瘤”且“性别”为“男”且“是否吸烟”为“是”;
设定的基点时间T0为:下诊断的时间,具体为针对第一组事件条件的下诊断时间和第二组事件条件的下诊断时间分别为不同的基点时间T0;
过滤条件可以为:在事件“之前”“1”天和在事件“之后”“1”天之间,“至少”发生“1”次事件,事件的筛选字段为“药物通用名”包含“注射用盐酸吉西他滨”且“是否有手术史”包含“是”,以此作为筛选字段进行事件搜索,得到符合条件的疾病数据,图3示出实现疾病数据处理方法的一种参考界面。
本实施例中的三层树型分层组织数据,能够简化前端语言定义到后端查询dsl(即Query DSL结构化查询)的构建过程。在事件定义模型中,一般会在前端定义一套对用户友好的定义语言,后端将前端语言构建成利于检错和计算的dsl,有利于简化该构建过程,事件定义模型依赖检索引擎运行。
现有技术中一般在应用层上获取患者基础数据并计算出结果,需要采用分布式计算,并获取事件字段、事件时间字段等计算所需的全部患者数据,往往需要占用大量内存资源。另外,在数据计算部分,涉及到大量集合数据交叉运算,在应用层一般需要用分布式计算的方式来将计算任务分散到集群中,以提升计算效率,缩短计算时间,但是这样会占用较多的硬件资源。现有检索引擎产品(例如Elasticsearch)具有比较完善的检索优化方案,本实施例中将数据和主要计算放到检索引擎中,数据筛选可以用检索引擎来完成,部分计算任务可以用检索引擎的内置aggregation操作来实现,在应用端检索引擎计算结果基础上再完成剩余计算做运任务算,这样会为为业务应用层节省大量计算操作,降低对内存、CPU等硬件的要求。
需要说明的是,在本公开其他实施例中还可以采用传统的分布式计算。
其次,基于web技术,搭建前后端环境以及索引服务。事件搜索的前端语言FDSL(front-end domain specific language)主要描述前端功能操作,后端语言主要描述操作逻辑。前端语句传输到后端服务后,通过构建引擎将前端语句构建成后端语句。按照上述步骤得到的事件定义模型能够有效使事件计算轻量化,节省硬件和研发成本。
根据本公开的疾病数据处理方法,一方面,可以根据具有层级关系的疾病数据模型中的字段建立事件条件与事件时间的映射关系,以便能够根据该映射关系进行事件搜索,基于疾病数据模型灵活实现事件字段和事件时间字段之间的映射,使事件搜索的计算过程充分轻量化、节省硬件资源和开发成本。另一方面,由于疾病数据模型采用三层树型结构,能够有效避免数据冗余,占用更小的存储空间,方便数据的检索和计算,可以将大部分计算转移到分布式的检索引擎中,较大缩短了计算时间。另外,可以根据映射关系灵活定义基点时间T0,满足特定场景的用户T0定义需求的同时能简化配置,降低使用难度。
应清楚地理解,本公开描述了如何形成和使用特定示例,但本公开的原理不限于这些示例的任何细节。相反,基于本公开公开的内容的教导,这些原理能够应用于许多其它实施例。
图4是根据一示例性实施例示出的一种疾病数据处理装置的框图。疾病数据处理装置40包括:数据获取模块401、映射模块402和搜索模块403。
其中,数据获取模块401用于获取具有层级关系的疾病数据模型;映射模块402用于根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系;搜索模块403用于根据所述映射关系进行事件搜索。
根据本公开的疾病数据处理装置,一方面,可以根据具有层级关系的疾病数据模型中的字段建立事件条件与事件时间的映射关系,以便能够根据该映射关系进行事件搜索,基于疾病数据模型灵活实现事件字段和事件时间字段之间的映射,使事件搜索的计算过程充分轻量化、节省硬件资源和开发成本。另一方面,由于疾病数据模型采用三层树型结构,能够有效避免数据冗余,占用更小的存储空间,方便数据的检索和计算,可以将大部分计算转移到分布式的检索引擎中,较大缩短了计算时间。另外,可以根据映射关系灵活定义基点时间T0,满足特定场景的用户T0定义需求的同时能简化配置,降低使用难度。
应清楚地理解,本公开描述了如何形成和使用特定示例,但本公开的原理不限于这些示例的任何细节。相反,基于本公开公开的内容的教导,这些原理能够应用于许多其它实施例。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时,执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
图5是根据一示例性实施例示出的一种电子设备的框图。
下面参照图5来描述根据本公开的这种实施方式的电子设备200。图5显示的电子设备200仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于:至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元210执行,使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元210可以执行如图2中所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202,还可以进一步包括只读存储单元(ROM)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204,这样的程序模块2205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
图6示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
参考图6所示,描述了根据本公开的实施方式的用于实现上述方法的程序产品400,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:获取具有层级关系的疾病数据模型;根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系;根据所述映射关系进行事件搜索。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
此外,本说明书说明书附图所示出的结构、比例、大小等,均仅用以配合说明书所公开的内容,以供本领域技术人员了解与阅读,并非用以限定本公开可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本公开所能产生的技术效果及所能实现的目的下,均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语,也仅为便于叙述的明了,而非用以限定本公开可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当也视为本公开可实施的范畴。
Claims (9)
1.一种疾病数据处理方法,其特征在于,包括:
获取疾病数据模型中的患者数据字段,其中,所述患者数据字段包括事件字段和相应的事件时间字段;
根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系;
根据所述映射关系计算基点时间,并根据所述基点时间按照扩充参数进行扩充得到针对所述事件条件的过滤条件;设置所述扩充参数的字段属性,其中所述字段属性包括:事件之前、事件之后以及事件发生的次数;
利用所述过滤条件进行事件搜索,找到符合所述过滤条件的疾病数据。
2.如权利要求1所述的疾病数据处理方法,其特征在于,所述疾病数据模型为三层树型结构,其中第一层包括患者基本信息,第二层包括分类信息,第三层包括患者数据字段。
3.如权利要求1所述的疾病数据处理方法,其特征在于,所述疾病数据模型中的数据以JSON格式存储。
4.如权利要求1所述的疾病数据处理方法,其特征在于,根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系包括:
采用预先设置、即时设置以及预先设置与即时设置相结合中的任一种方式;
其中所述预先设置的方式为预先设置所述事件字段与所述事件时间字段之间的映射关系;所述即时设置的方式为操作时根据用户的即时指令来指定所述事件字段与所述事件时间字段之间的映射关系。
5.如权利要求1所述的疾病数据处理方法,其特征在于,所述字段属性还包括事件发生的时间。
6.如权利要求1所述的疾病数据处理方法,其特征在于,利用所述过滤条件进行事件搜索,找到符合所述过滤条件的疾病数据包括:
若存在多组事件条件以及与多组所述事件条件对应的多个过滤条件,确定与多个所述过滤条件分别对应的多个目标疾病数据;
取多个所述目标疾病数据的交集或者并集,以得到符合多个所述过滤条件的疾病数据。
7.一种疾病数据处理装置,其特征在于,包括:
数据获取模块,用于获取疾病数据模型中的患者数据字段,其中,所述患者数据字段包括事件字段和相应的事件时间字段;
映射模块,用于根据所述疾病数据模型中的字段建立事件条件和事件时间之间的映射关系;
扩充模块,用于根据所述映射关系计算基点时间,并根据所述基点时间按照扩充参数进行扩充得到针对所述事件条件的过滤条件;设置所述扩充参数的字段属性,其中所述字段属性包括:事件之前、事件之后以及事件发生的次数;
搜索模块,用于利用所述过滤条件进行事件搜索,找到符合所述过滤条件的疾病数据。
8.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111315953.3A CN114049927A (zh) | 2018-11-09 | 2018-11-09 | 疾病数据处理方法、装置、电子设备及可读介质 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111315953.3A CN114049927A (zh) | 2018-11-09 | 2018-11-09 | 疾病数据处理方法、装置、电子设备及可读介质 |
CN201811334410.4A CN109616212A (zh) | 2018-11-09 | 2018-11-09 | 疾病数据处理方法、装置、电子设备及可读介质 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811334410.4A Division CN109616212A (zh) | 2018-11-09 | 2018-11-09 | 疾病数据处理方法、装置、电子设备及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114049927A true CN114049927A (zh) | 2022-02-15 |
Family
ID=66004098
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811334410.4A Pending CN109616212A (zh) | 2018-11-09 | 2018-11-09 | 疾病数据处理方法、装置、电子设备及可读介质 |
CN202111315953.3A Pending CN114049927A (zh) | 2018-11-09 | 2018-11-09 | 疾病数据处理方法、装置、电子设备及可读介质 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811334410.4A Pending CN109616212A (zh) | 2018-11-09 | 2018-11-09 | 疾病数据处理方法、装置、电子设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN109616212A (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110459276B (zh) * | 2019-08-15 | 2022-05-24 | 北京嘉和海森健康科技有限公司 | 一种数据处理方法及相关设备 |
CN110543517B (zh) * | 2019-08-26 | 2022-05-10 | 汉纳森(厦门)数据股份有限公司 | 一种基于Elasticsearch实现海量数据复杂查询方法、装置及介质 |
CN116230250B (zh) * | 2023-02-01 | 2023-09-29 | 郑州大学 | 一种基于大数据的疾病预测方法及系统 |
CN116069904A (zh) * | 2023-03-03 | 2023-05-05 | 中国人民解放军总医院 | 电子病历搜索方法、系统、装置、存储介质及产品 |
CN117271903A (zh) * | 2023-11-17 | 2023-12-22 | 神州医疗科技股份有限公司 | 基于医院临床大数据的事件搜索方法及装置 |
CN117453752B (zh) * | 2023-12-25 | 2024-03-19 | 神州医疗科技股份有限公司 | 基于检索配置表数据模型的医院临床数据检索方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8229675B2 (en) * | 2000-03-31 | 2012-07-24 | Global Med Technologies, Inc. | Patient information bar and method for tracking and displaying blood products |
US20060167721A1 (en) * | 2004-12-30 | 2006-07-27 | Betty Bernard | Methods for patient care using acuity templates |
CN103605760A (zh) * | 2013-11-25 | 2014-02-26 | 方正国际软件有限公司 | 病历查询方法和病历查询系统 |
CN108733662A (zh) * | 2017-04-13 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 数据一致性比对的方法、装置、电子设备和可读存储介质 |
CN107391175B (zh) * | 2017-06-20 | 2021-03-30 | 福建天泉教育科技有限公司 | 控件数据配置方法及计算机可读存储介质 |
CN107767922A (zh) * | 2017-10-25 | 2018-03-06 | 医渡云(北京)技术有限公司 | 医疗数据纳排方法及装置、电子设备、存储介质 |
CN108133756A (zh) * | 2017-12-26 | 2018-06-08 | 医渡云(北京)技术有限公司 | 医疗数据搜索方法及装置、存储介质、电子设备 |
-
2018
- 2018-11-09 CN CN201811334410.4A patent/CN109616212A/zh active Pending
- 2018-11-09 CN CN202111315953.3A patent/CN114049927A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN109616212A (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107918600B (zh) | 报表开发系统及方法、存储介质和电子设备 | |
CN114049927A (zh) | 疾病数据处理方法、装置、电子设备及可读介质 | |
CN109471863B (zh) | 基于分布式数据库的信息查询方法及装置、电子设备 | |
US11163762B2 (en) | Mapping document data to relational data | |
CN111078729B (zh) | 医疗数据溯源方法、装置、系统、存储介质以及电子设备 | |
US20180067986A1 (en) | Database model with improved storage and search string generation techniques | |
US11170031B2 (en) | Extraction and normalization of mutant genes from unstructured text for cognitive search and analytics | |
CN109473178B (zh) | 医疗数据整合的方法、系统、设备及存储介质 | |
EP3847655A1 (en) | Method of classifying medical records | |
CN111126034B (zh) | 医学变量关系的处理方法及装置、计算机介质和电子设备 | |
CN112507075A (zh) | 一种病例数据搜索方法、系统、设备及存储介质 | |
CN116450890A (zh) | 图数据处理方法、装置、系统、电子设备及存储介质 | |
CN111046085A (zh) | 数据的溯源处理方法及装置、介质和设备 | |
CN113961569B (zh) | 一种医疗数据etl任务同步方法和装置 | |
CN110931136B (zh) | 事件的搜索方法及装置、计算机介质和电子设备 | |
US10394761B1 (en) | Systems and methods for analyzing and storing network relationships | |
CN113127496B (zh) | 数据库中变更数据的确定方法及装置、介质和设备 | |
EP3654339A1 (en) | Method of classifying medical records | |
CN111584089A (zh) | 患者数据搜索方法、装置及存储介质 | |
CN116150475B (zh) | 信息检索方法、装置、电子设备及存储介质 | |
US11829380B2 (en) | Ontological mapping of data | |
CN111370082B (zh) | 题目隐藏显示处理方法、装置、电子设备及可读介质 | |
US11500947B2 (en) | Search method and apparatus | |
CN111159218B (zh) | 数据处理方法、装置及可读存储介质 | |
US20210406226A1 (en) | System Building Assisting Apparatus and System Building Assisting Method |
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 |