CN114267449A - 一种全院血糖监控方法和系统 - Google Patents
一种全院血糖监控方法和系统 Download PDFInfo
- Publication number
- CN114267449A CN114267449A CN202111584607.5A CN202111584607A CN114267449A CN 114267449 A CN114267449 A CN 114267449A CN 202111584607 A CN202111584607 A CN 202111584607A CN 114267449 A CN114267449 A CN 114267449A
- Authority
- CN
- China
- Prior art keywords
- data
- patient
- blood sugar
- data set
- matching
- 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
- 239000008280 blood Substances 0.000 title claims abstract description 250
- 210000004369 blood Anatomy 0.000 title claims abstract description 250
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000003745 diagnosis Methods 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 15
- 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 80
- 239000008103 glucose Substances 0.000 claims description 80
- 238000001514 detection method Methods 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 20
- 230000036541 health Effects 0.000 claims description 17
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 230000000474 nursing effect Effects 0.000 claims description 3
- 230000007717 exclusion Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 6
- 238000000605 extraction Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 36
- 208000017667 Chronic Disease Diseases 0.000 description 9
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 4
- 108010014663 Glycated Hemoglobin A Proteins 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000007670 refining Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 150000002576 ketones Chemical class 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000002562 urinalysis Methods 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提出了一种全院血糖监控方法和系统，该方法包括：获取患者的血糖数据，并将血糖数据存放入全数据集；遍历全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，对成功匹配的血糖数据存放到患者血糖信息表；将血糖信息表中的数据进行重新组合和标识，判断患者的血糖信息是否已处理；保存患者主治医生和血糖管理医生的沟通记录。在患者血糖值恢复正常或者好转时，辅助医生完善诊疗流程，自动下医嘱、发起会诊记录、写病历，并评价对患者血糖管理医生的血糖干预治疗的效果。基于该方法，还提出监控系统。本发明不但有利于在繁杂的患者数据中有针对性的提炼患者有效的血糖信息；而且能及时提醒内分泌科医生对有需要患者进行诊治。
Description
技术领域
本发明属于医院血糖监控技术领域，特别涉及一种全院血糖监控方法和系统。
背景技术
随着医疗系统的广泛应用，使用一套智能的血糖管理系统进行血糖的监控和分析，不但有利于在繁杂的患者数据中有针对性的提炼患者有效的血糖信息；而且能及时提醒专业的内分泌科医生对有需要患者进行诊治；还能从医院管理制度、配套慢病信息化系统建设、慢病管理中心组织等方面着手推进全院一张床、真实以患者为中心的精细化服务的改革目标。
现有的各医院管理系统大部分仍旧以科室为单元、以业务管理为主要目的，因此缺乏专门的血糖管理系统。一方面，现在院内血糖管理均为传统的院内会诊模式，患者血糖信息分布于医院各个系统中，医生登录各个系统查看患者血糖信息时占用医生大量时间，且容易遗漏重要病情信息和延误病情的发现；另一方面，仅靠医生记忆难以对患者的血糖信息进行持续的关注与对患者血糖相关疾病的及时诊治，严重的患者往往需要通过转科治疗先稳定血糖再进行重要疾病医治，费时费力还增加了患者负担降低了医院床位周转率。
发明内容
为了解决上述技术问题，本发明提出了一种全院血糖监控方法和系统，通过构建专门的管理系统来实现针对患者血糖信息的监测、分析和管理，形成了完整的血糖管理流程。
为实现上述目的，本发明采用以下技术方案：
一种全院血糖监控方法，包括以下步骤：
获取医疗卫生各系统中患者的血糖数据，并将所述血糖数据存放入全数据集；
遍历所述全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，对成功匹配的血糖数据存放到患者血糖信息表；
将所述血糖信息表中的数据进行重新组合和标识，判断所述患者的血糖信息是否已处理；
以一条意见为唯一标识，保存患者的主治医生和患者的血糖管理医生的沟通记录。
进一步的，所述方法还包括：在患者血糖值恢复正常或者好转时，辅助医生完善诊疗流程,自动下医嘱、发起会诊记录、写病历，并评价对患者的血糖管理医生的血糖干预治疗的效果。
进一步的，所述获取医疗卫生系统中患者的血糖数据的过程包括：
患者在除血糖管理系统之外的其他医疗卫生系统产生第一血糖数据时，调用血糖管理系统接口，将所述第一血糖数据存入至第一数据集；
采用连接电子病历、连接医院实验室信息管理系统或者连接血糖记录单的方式关联医疗卫生各系统，定时将医疗卫生各系统中的第二血糖数据存入至第二数据集；
合并所述第一数据集和第二数据集得到全数据集。
进一步的，所述合并所述第一数据集和第二数据集得到全数据集的方法为：
直接合并第一数据集和第二数据集得到中间数据集；
提取中间数据集中字段，所述字段包括患者唯一标识、患者住院号、患者姓名、患者所在科室ID,患者所在科室名称、检测项目编码、检测项目名称、检测项目明细编码、检测项目明细名称、检测唯一标识、检测结果、检测时间和检测来源；根据检测来源+患者唯一标识+检测唯一标识进行组合行程唯一数据标识；
将中间数据集中的数据按照唯一数据标识进行去重得到全数据集。
进一步的，所述遍历所述全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，对成功匹配的血糖数据存放到患者血糖信息表的过程包括：
遍历全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，根据匹配规则，标注每条血糖数据的风险标识，匹配完成后形成风险等级集；
对所述风险等级集中的数据按照风险等级高优先排序，取风险等级最高的数据集合，获取风险等级字段、匹配规则唯一标识字段字段合并到每一条数据中，然后形成增加风险等级的全数据集；
将所述增加风险等级的全数据集存放至血糖信息表中。
进一步的，所述匹配规则包括：
匹配关键字关键信息类规则或者匹配数值；所述匹配关键字关键信息类规则为：设置关键字，进行关键字匹配或排除；所述匹配数值包括设置检测数值的检测范围，进行匹配；所述检测数值包括检验、检查、病历、护理记录单和血糖记录单。
进一步的，所述将所述血糖信息表中的数据进行重新组合和标识的过程为：
所述血糖信息表中增加高风险数据列表关联处置信息明细表形成关联数据集；对所述关联数据集中存在数据处理标识的标记为1，不存在数据处理标识的标记为0；
以患者为依据，对关联数据集中每一条血糖数据进行合并形成患者血糖信息集；
标识患者血糖信息集中每一个患者的风险等级和风险来源信息。
对所述患者血糖信息集中每个患者处理标识字段进行求和，根据求和的结果判断患者的血糖信息是否已处理。
进一步的，所述根据求和的结果判断患者的血糖信息是否已处理的过程包括：
如果数据个数与求和值相等，表明患者的所有血糖信息已全部处理；
如果求和值为0，表明患者的所有血糖信息均未处理；
如果求和值大于0小于数据个数，则表明患者经过处理后又发现了有风险的血糖信息。
本发明还提出了一种全院血糖监控系统，所述系统包括获取模块、匹配模块、组合标识模块和保存模块；
所述获取模块用于获取医疗卫生各系统中患者的血糖数据，并将所述血糖数据存放入全数据集；
所述匹配模块用于遍历所述全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，对成功匹配的血糖数据存放到患者血糖信息表；
所述组合标识模块用于将所述血糖信息表中的数据进行重新组合和标识，判断所述患者的血糖信息是否已处理；
所述保存模块用于以一条意见为唯一标识，保存患者的主治医生和患者的血糖管理医生的沟通记录。
进一步的，所述系统还包括辅助模块；
所述辅助模块用于在患者血糖值恢复正常或者好转时，辅助医生完善诊疗流程，自动下医嘱、发起会诊记录、写病历，并评价对患者的血糖管理医生的血糖干预治疗的效果。
发明内容中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：
本发明提出了一种全院血糖监控方法和系统，该方法包括以下步骤：获取医疗卫生各系统中患者的血糖数据，并将所述血糖数据存放入全数据集；遍历全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，对成功匹配的血糖数据存放到患者血糖信息表；将血糖信息表中的数据进行重新组合和标识，判断所述患者的血糖信息是否已处理；以一条意见为唯一标识，保存患者的主治医生和患者的血糖管理医生的沟通记录。在患者血糖值恢复正常或者好转时，辅助医生完善诊疗流程,自动下医嘱、发起会诊记录、写病历，并评价对患者的血糖管理医生的血糖干预治疗的效果。基于一种全院血糖监控方法，本发明还提出了全院血糖监控系统。本发明形成了完整的血糖管理流程：血糖监测-血糖数据提取-通知专业血糖管理医生-专业血糖管理医生与患者主治医生沟通-患者血糖改善-形成诊疗操作记录-效果评价，不但有利于在繁杂的患者数据中有针对性的提炼患者有效的血糖信息；而且能及时提醒专业的内分泌科医生对有需要患者进行诊治。
附图说明
如图1为本发明实施例1一种全院血糖监控方法流程图；
如图2为本发明实施例1一种全院血糖监控系统示意图。
具体实施方式
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
实施例1
本发明实施例1提出了一种全院血糖监控方法，能够针对患者血糖信息及时、有效的监控。
如图1给出了本发明实施例1一种全院血糖监控方法流程图；
在步骤S101中，获取医疗卫生各系统中患者的血糖数据，并将血糖数据存放入全数据集。
获取医疗卫生各系统中患者的血糖数据包括被动获取数据和主动获取数据两种方式。
被动获取数据，由其他系统在患者产生有效血糖数据明细(主要是病历数据、检验数据、血糖记录单等)时调用血糖管理系统接口存放到血糖信息数据集D1，此方式能够时时监测患者血糖信息。
主动获取数据(采用直接连接电子病历EMR、检验LIS*(实验室信息管理系统)、血糖记录单BLOOD等数据库的方式，直接读取其他系统的数据)，可使用Java语言(不局限于Java语言)作为后台，使用定时任务的方式，定时采集时间T(时间越短越及时，但对数据处理速度要求越高，一般取10min)内，医疗各系统中的患者血糖信息数据存放到血糖信息数据集D2,此方式监测患者血糖信息更加全面，避免了受其他系统的影响。
合并数据集D1和D2,整合形成新的数据集合D。
首先直接合并数据集D1和D2形成数据集D12,然后逐条整理数据集D12中数据，主要提取字段有患者唯一标识、患者住院号、患者姓名、患者所在科室ID,患者所在科室名称、检测项目编码、检测项目名称、检测项目明细编码、检测项目明细名称、检测唯一标识、检测结果、检测时间、检测来源(病历EMR、检验LIS、血糖记录单BLOOD)，然后根据检测来源+患者唯一标识+检测唯一标识进行组合，形成唯一确定的数据标识，唯一标识相同时，所有其他字段数据信息应完全一致。
将数据集D12中数据按照唯一标识去重，形成数据集D。
遍历所述全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，对成功匹配的血糖数据存放到患者血糖信息表；
遍历数据集D中的每一条数据I，与匹配规则集Q中每一条规则进行匹配，并根据匹配规则，标注此条血糖数据的风险标识(1.普通慢病2.普危.3.高危)，直至匹配所有的匹配规则集Q为止，形成风险等级集R
如果数据I中风险等级集R为空，则移除数据集D中的数据I,如果风险等级R不为空，对风险等级R按照风险等级高的优先排序，取风险等级最高的数据集合，取其风险等级字段、匹配规则唯一标识字段字段合并到数据I中，数据I中增加风险内容后数据集由D变为DS。
将数据集DS存放到数据表BI，数据集DS中的唯一表述作为数据表BI的主键，因此数据表BI中将不会存在重复血糖数据。
关于以智能化方式可自动优化的“匹配规则集Q”的说明如下：
系统上线时匹配规则根据病历内容(包含主诉、现病史、既往史等明细项)、检测项目(包含糖化血红蛋白、葡萄糖、酮体等)的明细进行逐条设置。
系统上线时人工设置以下两类匹配规则：
匹配关键字关键信息类规则，设置关键字，进行关键字匹配或排除；
例如1.病历既往史中包含关键字有糖尿病，则此数据符合规则，匹配等级为常规慢病
例如2.病历既往史是包含无糖尿病史，则此数据排除
匹配数值，设置某项检测数值(包含检验、检查、病历、护理记录单、血糖记录单等等)的检测范围，进行匹配；
例如1.匹配糖化血红蛋白数值范围在7.5％-8.5％之间的为普危，大于8.5％为高危
例如2.匹配血糖中葡萄糖数值范围为6.1mmol/L-8.0mmol/L之间的为普危，大于8.0mmol/L为高危
例如3.匹配尿液分析中酮体值为+的为普危，为++及以上为高危
系统上线后将在人工设置的基础上进行智能化的规则优化，优化方式采取在夜间等系统空闲时间在后台自动优化。
对于文本规则，下面列举一种自动优化的步骤，主要如下：
将人工设置的匹配规则集记为Q1,将一段时间范围内(这里取前一天作为示例)所有符合Q1中文本类规则的患者的文本类病情信息记录为信息集T1
对信息集T1中的每条信息进行语义分析拆解关键字，形成关键字集合K1,K2,K3...Kk，取K＝K1∩K2∩K3∩...∩Kk，且K＝K有效+K无效(其中K有效为所需关键词，K无效为日常词语)，同时记录K中关键词频率；
K修＝K原+K有效(K有效为步骤2中的数据集)，按照频率排序，取K修前n个匹配关键字来更改K修,并不断修正K修；来根据患者病情的关联来提高患者的检索准确度；
对于数值类匹配规则，此方式是以具体患者为依据，对不同情况的患者予以区分的不断优化的智能化的匹配规则，下面列举一种自动优化的步骤，主要如下：
将人工设置的匹配规则集记为Q2，将一段时间范围内(这里取前一天作为示例)所有符合Q2中数值类规则的患者的数值病情信息记录为信息集T2
对前一天内所有患者进行分类，分类规则包括但不限于患者年龄、性别、主诊断、发病时间等，形成患者分类P1,P2，P3...PK；
对规则集Q2中一条规则开始优化，对于P1,P2，P3...PK中的信息，对信息集T2(T2中每条信息都属于某一具体患者，以此对应唯一的患者分类Pn)关联出医生对其的诊断及处理方式，处理方式为加急处理类的，记为正相关，处理方式为暂时观察类的，记为负相关，为L＝N*RE(其中N为关联系数,正相关记为1，负相关记为-1，其他记为0),此规则原有数值范围记为RA,则此规则的数值范围RA(Pn)修改为RA(Pn)＝RA-L；
对规则集Q2中的每一条规则按照以上步骤中的步骤②③逐一矫正；形成不同类别的患者规则集，分类越明细，则规则集匹配结果越准确。
各步骤中关于表的说明如下：
血糖信息表BI：主要字段有表主键(检测来源+患者唯一标识+检测唯一标识)、患者唯一标识、患者住院号、患者姓名、患者所在科室ID,患者所在科室名称、检测项目编码、检测项目名称、检测项目明细编码、检测项目明细名称、检测唯一标识、检测结果、检测时间、检测来源(病历EMR、检验LIS、血糖记录单BLOOD)等
处置信息表HR：主要字段有表主键、处理人、处理时间、处理方式(1.书写意见2.排除)、患者唯一标识、患者姓名、患者风险等级(1常规慢病2普危3高危)等
处置信息明细表HRD:主要有表主键、处置信息表HR主键、血糖信息表BI主键等
沟通记录表O:主要有表主键、处置信息表HR主键、患者唯一标识、发出消息时间、发出消息内容、医生C唯一标识、医生M唯一标识等
统计分析图表说明如下：
新发现患者数：从昨天00点00分00秒到现在(now)所有新发现的且未处理的患者。所有符合筛选规则的患者都在统计范围之内。且以人为粒度，可能一个人会有多条情况被发现出来，但算1人。
未处理患者数：当前所有发现的患者中尚未回复意见或者排除的并且在院的人数，包括昨天之前发现的，不包含“常规慢病”的患者。同样以人为粒度。点击数字可直接跳转到慢病发现页面，且条件与此一致，即到365天前到现在的、未处理的、未出院的，不包含“常规慢病”的病号，因为“常规慢病”的病号只需要知道无需处理。
高危患者数：上面未处理的患者中高危患者的人数
血糖异常人数：全部的血糖异常的人数
在步骤S103中，将血糖信息表中的数据进行重新组合和标识，判断患者的血糖信息是否已处理；
对数据表BI中每一条血糖数据增加是否处理过的标识。数据表BI中增加了高危的数据信息时，对增加的高风险数据列表关联处置信息明细表HRD形成数据集BID,对于处置信息明细表HRD中存在的数据处理标识为1，不存在的数据处理标识为0，以防止对同一次血糖异常情况重复处理和提醒。
对数据集BID中每一条血糖数据以患者为依据进行合并。对数据集BID按照患者进行分类，形成患者血糖信息集DP,数据集DP中应包含患者信息等基础字段以及血糖信息集DB(DB中主要包含BID中除了患者基本信息外的其他信息)
对数据集DP中每一个患者标识风险等级和风险来源信息。对数据集DB进行逐一分析，取DB中数据处理标识为0且风险等级最高的为患者血糖风险等级，合并DB中的匹配结果，合并时同时标识每条结果的风险来源信息(例如1.主诉：患者既往糖尿病史，例如2.糖化血红蛋白9％)。
对数据集DP中每一个患者标识是否处理的标识。对DB中的数据(数据个数为C)处理标识字段进行求和，结果值为S：
如果数据个数C与结果值S相等，表明此患者的所有血糖信息已经全部处理，标识为“已处理”。
如果患者数据处理标识求和结果为0，表明此患者的所有血糖信息都未处理过，为新发现的患者，标识为“新发现”
如果结果0<S<C,表明此患者经过处理后又发现新的有风险的血糖信息，标识为“再次发现”
在步骤S104中，以一条意见为唯一标识，保存患者的主治医生和患者的血糖管理医生的沟通记录。
医生M收到步骤S103中的通知后，打开患者管理详情页面，页面应主要包含此患者在医嘱、电子病历EMR、检验LIS、血糖记录单BLOOD等系统中的详细信息，供用户参考。医生M参考患者病情后，通过消息发送诊疗意见和诊疗方案给医生C，并将此次发现的血糖信息标识为已处理存放处置信息明细表HRD中。
医生C接收到诊疗意见和诊疗方案后，医生C会在电子病历EMR系统中收到消息(通过在电子病历EMR系统中定时调用血糖管理系统的接口，查询是否有新增患者消息)，点击后跳转到患者血糖信息管理页面，参考医生M给出的专业诊疗意见和方案，进行下一步的诊疗操作或针对患者病情等信息与医生M沟通，形成沟通记录，存放到沟通记录表O。
在步骤S105中，在患者血糖值恢复正常或者好转时，辅助医生完善诊疗流程,自动下医嘱、发起会诊记录、写病历，并评价对患者的血糖管理医生的血糖干预治疗的效果。
在S105A步中，患者血糖值恢复正常或好转时，医生C发起自动生成诊疗记录请求。医生C通过挂在电子病历EMR中的菜单连接打开血糖患者管理页面，点击生成患者诊疗记录按钮生成记录。
在S105B步中，生成会诊记录。针对S105A的患者，系统将调用电子病历EMR系统自动生成一条由医生C发起的会诊申请。会诊科室为医生M所在科室，邀请医生为医生M。申请理由为患者本次发现的异常信息，会诊意见为沟通记录表O中此患者的、医生M书写的意见。
在S105C步中，生成诊疗操作记录(或沟通记录)。针对此患者，自动生成一份至少包含以下信息的诊疗操作记录：患者异常血糖信息及发现时间，医生M与医生C的沟通记录，患者在异常血糖信息发现到S105A中发起请求时间范围内的患者历次血糖值记录。
在S105D步：将步骤S105B与步骤S105C中的医疗文书在病案归档时自动同步归档。
步骤S105E：医生C和患者共同对患者本次血糖治疗情况，医生M的意见的治疗效果给出一到五星的评价。
本发明实施例1提出的一种全院血糖监控方法形成了完整的血糖管理流程：血糖监测-血糖数据提取-通知专业血糖管理医生-专业血糖管理医生与患者主治医生沟通-患者血糖改善-形成诊疗操作记录-效果评价，不但有利于在繁杂的患者数据中有针对性的提炼患者有效的血糖信息；而且能及时提醒专业的内分泌科医生对有需要患者进行诊治。
实施例2
基于本发明实施例1提出的一种全院血糖监控方法，本发明实施例2还提出了一种全院血糖监控系统，如图2为本发明实施例1一种全院血糖监控系统示意图，该系统包括获取模块、匹配模块、组合标识模块和保存模块；
获取模块用于获取医疗卫生各系统中患者的血糖数据，并将所述血糖数据存放入全数据集；
匹配模块用于遍历所述全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，对成功匹配的血糖数据存放到患者血糖信息表；
组合标识模块用于将所述血糖信息表中的数据进行重新组合和标识，判断所述患者的血糖信息是否已处理；
保存模块用于以一条意见为唯一标识，保存患者的主治医生和患者的血糖管理医生的沟通记录。
系统还包括辅助模块；辅助模块用于在患者血糖值恢复正常或者好转时，辅助医生完善诊疗流程，自动下医嘱、发起会诊记录、写病历，并评价对患者的血糖管理医生的血糖干预治疗的效果。
获取模块执行的过程包括：
获取医疗卫生系统中患者的血糖数据：患者在除血糖管理系统之外的其他医疗卫生系统产生第一血糖数据时，调用血糖管理系统接口，将所述第一血糖数据存入至第一数据集；采用连接电子病历、连接医院实验室信息管理系统或者连接血糖记录单的方式关联医疗卫生各系统，定时将医疗卫生各系统中的第二血糖数据存入至第二数据集；
合并所述第一数据集和第二数据集得到全数据集，直接合并第一数据集和第二数据集得到中间数据集；提取中间数据集中字段，所述字段包括患者唯一标识、患者住院号、患者姓名、患者所在科室ID,患者所在科室名称、检测项目编码、检测项目名称、检测项目明细编码、检测项目明细名称、检测唯一标识、检测结果、检测时间和检测来源；根据检测来源+患者唯一标识+检测唯一标识进行组合行程唯一数据标识；
将中间数据集中的数据按照唯一数据标识进行去重得到全数据集。
匹配模块执行的过程为：遍历全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，根据匹配规则，标注每条血糖数据的风险标识，匹配完成后形成风险等级集；
对风险等级集中的数据按照风险等级高优先排序，取风险等级最高的数据集合，获取风险等级字段、匹配规则唯一标识字段字段合并到每一条数据中，然后增加风险等级的全数据集；
将增加风险等级的全数据集存放至血糖信息表中。
组合标识模块执行的过程为：血糖信息表中增加高风险数据列表关联处置信息明细表形成关联数据集；对所述关联数据集中存在数据处理标识的标记为1，不存在数据处理标识的标记为0；
以患者为依据，对关联数据集中每一条血糖数据进行合并形成患者血糖信息集；
标识患者血糖信息集中每一个患者的风险等级和风险来源信息。
对患者血糖信息集中每个患者处理标识字段进行求和，根据求和的结果判断患者的血糖信息是否已处理。
根据求和的结果判断患者的血糖信息是否已处理的过程包括：
如果数据个数与求和值相等，表明患者的所有血糖信息已全部处理；
如果求和值为0，表明患者的所有血糖信息均未处理；
如果求和值大于0小于数据个数，则表明患者经过处理后又发现了有风险的血糖信息。
本发明实施例2提出的一种全院血糖监控系统形成了完整的血糖管理流程：血糖监测-血糖数据提取-通知专业血糖管理医生-专业血糖管理医生与患者主治医生沟通-患者血糖改善-形成诊疗操作记录-效果评价，不但有利于在繁杂的患者数据中有针对性的提炼患者有效的血糖信息；而且能及时提醒专业的内分泌科医生对有需要患者进行诊治。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制。对于所属领域的技术人员来说，在上述说明的基础上还可以做出其它不同形式的修改或变形。这里无需也无法对所有的实施方式予以穷举。在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种全院血糖监控方法，其特征在于，包括以下步骤：
获取医疗卫生各系统中患者的血糖数据，并将所述血糖数据存放入全数据集；
遍历所述全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，对成功匹配的血糖数据存放到患者血糖信息表；
将所述血糖信息表中的数据进行重新组合和标识，判断所述患者的血糖信息是否已处理；
以一条意见为唯一标识，保存患者的主治医生和患者的血糖管理医生的沟通记录。
2.根据权利要求1所述的一种全院血糖监控方法，其特征在于，所述方法还包括：在患者血糖值恢复正常或者好转时，辅助医生完善诊疗流程,自动下医嘱、发起会诊记录、写病历，并评价对患者的血糖管理医生的血糖干预治疗的效果。
3.根据权利要求1所述的一种全院血糖监控方法，其特征在于，所述获取医疗卫生系统中患者的血糖数据的过程包括：
患者在除血糖管理系统之外的其他医疗卫生系统产生第一血糖数据时，调用血糖管理系统接口，将所述第一血糖数据存入至第一数据集；
采用连接电子病历、连接医院实验室信息管理系统或者连接血糖记录单的方式关联医疗卫生各系统，定时将医疗卫生各系统中的第二血糖数据存入至第二数据集；
合并所述第一数据集和第二数据集得到全数据集。
4.根据权利要求3所述的一种全院血糖监控方法，其特征在于，所述合并所述第一数据集和第二数据集得到全数据集的方法为：
直接合并第一数据集和第二数据集得到中间数据集；
提取中间数据集中字段，所述字段包括患者唯一标识、患者住院号、患者姓名、患者所在科室ID,患者所在科室名称、检测项目编码、检测项目名称、检测项目明细编码、检测项目明细名称、检测唯一标识、检测结果、检测时间和检测来源；根据检测来源+患者唯一标识+检测唯一标识进行组合行程唯一数据标识；
将中间数据集中的数据按照唯一数据标识进行去重得到全数据集。
5.根据权利要求1所述的一种全院血糖监控方法，其特征在于，所述遍历所述全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，对成功匹配的血糖数据存放到患者血糖信息表的过程包括：
遍历全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，根据匹配规则，标注每条血糖数据的风险标识，匹配完成后形成风险等级集；
对所述风险等级集中的数据按照风险等级高优先排序，取风险等级最高的数据集合，获取风险等级字段、匹配规则唯一标识字段字段合并到每一条数据中，然后形成增加风险等级的全数据集；
将所述增加风险等级的全数据集存放至血糖信息表中。
6.根据权利要求5所述的一种全院血糖监控方法，其特征在于，所述匹配规则包括：
匹配关键字关键信息类规则或者匹配数值；所述匹配关键字关键信息类规则为：设置关键字，进行关键字匹配或排除；所述匹配数值包括设置检测数值的检测范围，进行匹配；所述检测数值包括检验、检查、病历、护理记录单和血糖记录单。
7.根据权利要求6所述的一种全院血糖监控方法，其特征在于，所述将所述血糖信息表中的数据进行重新组合和标识的过程为：
所述血糖信息表中增加高风险数据列表关联处置信息明细表形成关联数据集；对所述关联数据集中存在数据处理标识的标记为1，不存在数据处理标识的标记为0；
以患者为依据，对关联数据集中每一条血糖数据进行合并形成患者血糖信息集；
标识患者血糖信息集中每一个患者的风险等级和风险来源信息。
对所述患者血糖信息集中每个患者处理标识字段进行求和，根据求和的结果判断患者的血糖信息是否已处理。
8.根据权利要求7所述的一种全院血糖监控方法，其特征在于，所述根据求和的结果判断患者的血糖信息是否已处理的过程包括：
如果数据个数与求和值相等，表明患者的所有血糖信息已全部处理；
如果求和值为0，表明患者的所有血糖信息均未处理；
如果求和值大于0小于数据个数，则表明患者经过处理后又发现了有风险的血糖信息。
9.一种全院血糖监控系统，其特征在于，所述系统包括获取模块、匹配模块、组合标识模块和保存模块；
所述获取模块用于获取医疗卫生各系统中患者的血糖数据，并将所述血糖数据存放入全数据集；
所述匹配模块用于遍历所述全数据集中每一条数据，与匹配规则集中每一条规则进行匹配，对成功匹配的血糖数据存放到患者血糖信息表；
所述组合标识模块用于将所述血糖信息表中的数据进行重新组合和标识，判断所述患者的血糖信息是否已处理；
所述保存模块用于以一条意见为唯一标识，保存患者的主治医生和患者的血糖管理医生的沟通记录。
10.根据权利要求9所述的一种全院血糖监控系统，其特征在于，所述系统还包括辅助模块；
所述辅助模块用于在患者血糖值恢复正常或者好转时，辅助医生完善诊疗流程，自动下医嘱、发起会诊记录、写病历，并评价对患者的血糖管理医生的血糖干预治疗的效果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111584607.5A CN114267449A (zh) | 2021-12-22 | 2021-12-22 | 一种全院血糖监控方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111584607.5A CN114267449A (zh) | 2021-12-22 | 2021-12-22 | 一种全院血糖监控方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114267449A true CN114267449A (zh) | 2022-04-01 |
Family
ID=80829103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111584607.5A Pending CN114267449A (zh) | 2021-12-22 | 2021-12-22 | 一种全院血糖监控方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114267449A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040101721A (ko) * | 2003-05-26 | 2004-12-03 | 주식회사 케어앤케어 | 당뇨병 환자 원격관리 시스템 및 방법 |
| CN103136360A (zh) * | 2013-03-07 | 2013-06-05 | 北京宽连十方数字技术有限公司 | 一种互联网行为标注引擎及对应该引擎的行为标注方法 |
| CN110718302A (zh) * | 2019-10-22 | 2020-01-21 | 江苏健康无忧网络科技有限公司 | 一种基于大数据的糖尿病管理路径的系统 |
| CN110875087A (zh) * | 2018-09-03 | 2020-03-10 | 广州呼吸健康研究院 | 一种慢性肺疫病管理系统 |
| AU2020100613A4 (en) * | 2020-04-22 | 2020-05-28 | Taichung Veterans General Hospital | Institution-wide Dynamic Electronic medical record-based Glycemic Control System |
| CN111680499A (zh) * | 2020-06-09 | 2020-09-18 | 北京启云数联科技有限公司 | 基于自然语言处理的物品应用分析方法及系统 |
| CN112151132A (zh) * | 2020-08-17 | 2020-12-29 | 何安霞 | 一种基于互联网的医院综合服务平台 |
| CN112233780A (zh) * | 2020-09-25 | 2021-01-15 | 福州康为网络技术有限公司 | 一种糖尿病管理系统 |
| CN112992325A (zh) * | 2021-04-22 | 2021-06-18 | 上海电气集团股份有限公司 | 一种监护对象的检测数据处理方法、系统及装置 |
-
2021
- 2021-12-22 CN CN202111584607.5A patent/CN114267449A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040101721A (ko) * | 2003-05-26 | 2004-12-03 | 주식회사 케어앤케어 | 당뇨병 환자 원격관리 시스템 및 방법 |
| CN103136360A (zh) * | 2013-03-07 | 2013-06-05 | 北京宽连十方数字技术有限公司 | 一种互联网行为标注引擎及对应该引擎的行为标注方法 |
| CN110875087A (zh) * | 2018-09-03 | 2020-03-10 | 广州呼吸健康研究院 | 一种慢性肺疫病管理系统 |
| CN110718302A (zh) * | 2019-10-22 | 2020-01-21 | 江苏健康无忧网络科技有限公司 | 一种基于大数据的糖尿病管理路径的系统 |
| AU2020100613A4 (en) * | 2020-04-22 | 2020-05-28 | Taichung Veterans General Hospital | Institution-wide Dynamic Electronic medical record-based Glycemic Control System |
| CN111680499A (zh) * | 2020-06-09 | 2020-09-18 | 北京启云数联科技有限公司 | 基于自然语言处理的物品应用分析方法及系统 |
| CN112151132A (zh) * | 2020-08-17 | 2020-12-29 | 何安霞 | 一种基于互联网的医院综合服务平台 |
| CN112233780A (zh) * | 2020-09-25 | 2021-01-15 | 福州康为网络技术有限公司 | 一种糖尿病管理系统 |
| CN112992325A (zh) * | 2021-04-22 | 2021-06-18 | 上海电气集团股份有限公司 | 一种监护对象的检测数据处理方法、系统及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 傅一旻等: "基于数据集成的血糖管理系统设计与应用", 中国数字医学, 15 August 2020 (2020-08-15), pages 26 - 28 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cassell et al. | The epidemiology of multimorbidity in primary care: a retrospective cohort study | |
| US20200251225A1 (en) | Health information transformation system | |
| US9111018B2 (en) | Patient care cards | |
| US8631352B2 (en) | Provider care cards | |
| US20120173475A1 (en) | Health Information Transformation System | |
| Panda et al. | Big data in health care: A mobile based solution | |
| CA2465706A1 (en) | Patient data mining | |
| Iacono et al. | A prospective study of hospital episodes of adults with intellectual disability | |
| CN116434899A (zh) | 一种基于多源数据的健康档案信息平台建立方法 | |
| Lauer et al. | Health service utilization patterns among medicaid-insured adults with intellectual and developmental disabilities: implications for access needs in outpatient community-based medical services | |
| Harron et al. | Risk-adjusted monitoring of blood-stream infection in paediatric intensive care: a data linkage study | |
| Thompson et al. | Sepsis alert and diagnostic system: integrating clinical systems to enhance study coordinator efficiency | |
| CN114267449A (zh) | 一种全院血糖监控方法和系统 | |
| Fouladvand et al. | A comparative effectiveness study on opioid use disorder prediction using artificial intelligence and existing risk models | |
| Liao et al. | Physician decision support system for idiopathic sudden sensorineural hearing loss patients | |
| Gilliam | Elevating diagnostic skills with logical reasoning | |
| Timms et al. | Documentation of characteristics of early hospital readmission of elderly patients: a challenge for inservice educators | |
| Hickling et al. | Open general medical wards versus specialist psychiatric units for acute psychoses | |
| Sockolow et al. | Incongruence of patient problem information across three phases of home care admission: There’sa problem with the problem list | |
| Durrani et al. | A semantic-based framework for verbal autopsy to identify the cause of maternal death | |
| US20200211719A1 (en) | Intelligent touch care corresponding to a patient reporting a change in condition | |
| Venkatachalam et al. | Methods for cleaning and managing a nurse-led registry | |
| US20200111581A1 (en) | Intelligent touch care corresponding to a scheduled clinician visit | |
| Warren et al. | The utility of pathology reports to identify persons with cancer recurrence | |
| CN114400091B (zh) | 一种基于信息化的医疗预防融合系统 |
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 |