CN114298484A - 药品风险识别方法、装置、设备及存储介质 - Google Patents

药品风险识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114298484A
CN114298484A CN202111469502.5A CN202111469502A CN114298484A CN 114298484 A CN114298484 A CN 114298484A CN 202111469502 A CN202111469502 A CN 202111469502A CN 114298484 A CN114298484 A CN 114298484A
Authority
CN
China
Prior art keywords
risk
drug
identification
user
medicine
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
Application number
CN202111469502.5A
Other languages
English (en)
Inventor
谭飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ali Health Technology Hangzhou Co ltd
Original Assignee
Ali Health Technology Hangzhou Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ali Health Technology Hangzhou Co ltd filed Critical Ali Health Technology Hangzhou Co ltd
Priority to CN202111469502.5A priority Critical patent/CN114298484A/zh
Publication of CN114298484A publication Critical patent/CN114298484A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本说明书提供一种药品风险识别方法、装置、设备及存储介质。所述方法可以包括:接收指定药品的风险识别请求;基于药品风险信息库,对所述指定药品进行风险识别,得到所述指定药品相对于用户类别的风险识别结果;其中,所述药品风险信息库用于存储药品相对于用户类别的风险信息;所述用户类别基于药品对用户群体所产生的影响划分。基于本说明书各个实施例,可以进一步提高药品风险管控的准确性、全面性以及时效性。

Description

药品风险识别方法、装置、设备及存储介质
技术领域
本说明书涉及数据处理技术领域,尤其涉及一种药品风险识别方法、装置、设备及存储介质。
背景技术
在“万物触网”时代,用户通过线上医疗服务平台购买药品或者获取药品使用建议的方式越来越普遍。但药品不同于普通商品,它与人的生命健康息息相关,如果用药不当,可能会出现安全问题。因此,需要线上医疗服务平台对其所提供或推荐的药品进行风险管控,以尽可能降低药品使用可能给用户或者平台带来的潜在风险。
发明内容
本说明书实施方式提供一种药品风险识别方法、装置、设备及存储介质,可以进一步提高药品风险管控的准确性、全面性以及时效性。
本说明书实施方式提供一种药品风险识别方法,包括:接收指定药品的风险识别请求;基于药品风险信息库,对所述指定药品进行风险识别,得到所述指定药品相对于用户类别的风险识别结果;其中,所述药品风险信息库用于存储药品相对于用户类别的风险信息;所述用户类别基于药品对用户群体所产生的影响划分。
本说明书实施方式提供一种药品风险识别装置,包括:请求接收模块,用于接收指定药品的风险识别请求;风险识别模块,用于基于药品风险信息库,对所述指定药品进行风险识别,得到所述指定药品相对于用户类别的风险识别结果;其中,所述药品风险信息库用于存储药品相对于用户类别的风险信息;所述用户类别基于药品对用户群体所产生的影响划分。
本说明书实施方式提供一种计算机设备,所述设备包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现上述任意一个或者多个实施例所述方法的步骤。
本说明书实施方式提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现上述任意一个或者多个实施例所述方法的步骤。
本说明书实施方式,预先构建用于存储药品相对于用户类别的风险信息的药品风险信息库,利用药品风险信息库对线上医疗服务平台提供的药品或者推荐的药品进行风险识别,得到药品相对于用户类别的风险识别结果,进而可以基于药品相对于用户类别的风险识别结果对药品进行风险管控。通过将对药品的风险信息进一步按用药人群所属的用户类别进行维护,可以使得药品风险识别更加精细化,从而可以更加精细地为药品风险管控提供依据。进一步的,还可以将药品风险识别拆分成相互独立的识别环节,并针对每个识别环节构建基础风险信息集,基于相互独立的识别环节、以及基础风险信息集进行药品风险识别,可以进一步提高药品风险信息维护的准确性、全面性以及及时性,并可以提高药品风险识别操作的灵活性。
附图说明
所包括的附图用来提供对本说明书实施方式的进一步的理解,其构成了说明书的一部分,用于例示本说明书的实施方式,并与文字描述一起来阐释本说明书的原理。显而易见地,下面描述中的附图仅仅是本说明书的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。在附图中:
图1为本说明书实施方式提供的药品风险识别方法的流程示意图;
图2为本说明书实施方式提供的风险决策树示意图;
图3为本说明书实施方式提供的药品风险识别以及数据维护流程示意图;
图4为本说明书实施方式提供的药品风险识别装置的模块结构示意图;
图5为本说明书实施方式提供的计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施方式中的附图,对本说明书实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本说明书一部分实施方式,而不是全部的实施方式。基于本说明书中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施方式,都应当属于本说明书保护的范围。
药品不同于其他商品,药品与人的生命健康息息相关,如果药品使用不当,则可能会对人体健康产生负面影响,同时,也会对提供药品的平台产生较大的负面影响。因此,在向用户提供药品之前,识别药品对相应用户的健康可能造成的风险,对使用药品的用户、以及提供药品的平台而言都是非常重要的。相应的,本说明书实施例提供一种药品风险识别方法,所述方法可以应用于计算机设备。所述计算机设备如可以为服务器、服务器集群,也可以为提供有药品风险识别功能的智能终端等。图1表示本说明书实施例提供的一种药品风险识别方法的流程示意图。以所述计算机设备为服务器为例,对所述药品风险识别方法进行说明,所述方法可以包括如下步骤。
S20:接收指定药品的风险识别请求。
所述指定药品可以是指待风险识别的药品。所述指定药品是指待风险识别的一个药品,也可以指待风险识别的两个以上的药品所形成的药品组。
以线上问诊应用场景为例。假设,线上问诊平台至少提供有药品智能推荐功能。例如,平台可以基于用户的问诊需求,向用户推荐药品;或者,平台也可以基于医生对用户的病情诊断结果向用户推荐药品。在平台确定待推荐给用户的药品后,平台可以将待推荐的任意一个药品作为指定药品,以基于指定药品的风险识别结果确定指定药品对该用户的人体健康可能造成的风险。例如,平台还可以基于待推荐的任意一个药品的风险识别结果,确定最终推荐给用户的药品,以降低推荐的药品对用户以及平台所可能带来的潜在风险。相应的,线上问诊平台可以将待推荐的任意一个药品作为指定药品,向服务器发送针对指定药品的风险识别请求。线上问诊平台可以接收服务器反馈的风险识别结果,并基于风险识别结果确定最终推荐给用户的药品。
或者,在线上问诊过程中,若医生针对用户问诊需求开具药品单,医生也可以针对其选择的任一药品,在医生端发起针对其选择的某药品的风险识别请求,可以将医生选择的药品作为指定药品。相应的,医生端可以将医生选择的某药品作为指定药品,向服务器发送针对指定药品的风险识别请求。医生端可以接收服务器反馈的风险识别结果,并向医生展示,以使医生了解其所选择的药品对用户的健康是否会产生的不良影响。
或者,所述指定药品还可以是指药品销售平台所销售的药品。例如,药品销售平台在接收到用户的购买请求后,可以将该购买请求所针对的药品作为指定药品,向服务器发送针对指定药品的风险识别请求。相应的,药品销售平台可以接收服务器反馈的风险识别结果,基于该风险识别结果向用户发送该指定药品的风险提示。
当然,上述应用场景仅为优选举例说明,所属领域技术人员在本说明书实施例的技术精髓启示下,还可能有其它变更实施方式,但只要其实现的功能和效果相同或相似,均应涵盖于本说明书保护范围内。
S22:基于药品风险信息库,对所述指定药品进行风险识别,得到所述指定药品相对于用户类别的风险识别结果;其中,所述药品风险信息库用于存储药品相对于用户类别的风险信息;所述用户类别基于药品对用户群体所产生的影响划分。
可以基于预先构建的药品风险信息库。所述药品风险信息库至少用于存储药品相对于用户类别的风险信息。
所述用户类别可以基于药品对用户群体所产生的影响划分。药品对具有不同健康状况、年龄段、性别的用户的健康可能造成的风险通常是存在差异的。例如,老年人体液少、脂肪多、蛋白合成减少,因此老年人服用华法林等游离型药物时药物浓度较其他人群较高易引发中毒。通过预先划分用户类别,分析评估指定药品对于任一用户类别所对应的用户群体所产生的影响,可以使得药品风险评估更加精确,进一步提高药品对用户的健康或平台所带来的潜在风险分析的准确性,从而可以更加精细地为药品风险管控提供依据。
例如,用户类别可以被划分为婴幼儿、儿童、青少年、成年人、老年人、经期妇女、备孕妇女、妊娠妇女、哺乳妇女、肝功能者、肝衰竭者、肾功能者、肾衰竭者、高血压者、高血脂者、高血糖者、近期手术者、超剂量使用者等。当然,上述划分方式为优选举例说明,具体实施时可以根据需要变更。
所述风险信息可以包括药品的用药引发症状、用药引发症状的风险发生概率/风险严重程度、药品的风险影响等级等等。
所述用药引发症状可以是指药品被使用后,使用药品的用户所可能产生的不良反应。所述不良反应可以包括因药品质量问题或用药不当所引起的有害反应等,例如,通常的不良反应可以有药品的副作用、毒性作用、后遗反应、特异质反应、搞感染药物引起的二重感染、依赖性发及致癌、致畸、致突变作用等。
风险发生概率可以用于表征药品针对某用户类别下的用药引发症状的发生可能性。可以参考国内或国际相关规定对用药引发症状的风险发生概率进行划分。例如,风险发生概率按如下方式划分:十分罕见,药物使用风险的发生概率<0.01%;罕见,药物使用风险的发生概率在0.01%~0.1%之间;偶见,药物使用风险的发生概率在0.1%~1%之间;常见,药物使用风险的发生概率在1%~10%之间;十分常见,药物使用风险的发生概率≥10%之间。
风险严重程度可以用于表征药品针对某用户类别下的用药引发症状的严重程度。可以参考国内或国际相关规定对用药引发症状的风险严重程度进行划分。例如,风险严重程度可以划分为:致命,有生命威胁、需要立即撤药并且做出紧急处理者,或者因用药引发的症状持续一个月以上者;重度,用药者反应因用药引发的症状明显,有各器官病理生理改变或者检验异常,被迫撤药,并且需要做特殊处理,对用药者的康复已经产生直接影响,或者用药引发的症状持续7天以上者;中度,用药者难以忍受,被迫停药或者减药,经过一般的对症处理后可好转,且对用药者的康复没有直接影响者;轻度,用药者可以忍受,不需要停药或者减量,经过一般的对症处理或者不需要处理即可以较快恢复,且对用药者的康复没有直接影响者。
所述风险影响等级可以用于表征药品被使用后给使用药品的用户或者提供药品的平台所带来的潜在风险大小。如可以利用药品被使用后对使用药品的用户或者提供药品的平台可能造成损失,基于所造成的损失划分风险影响等级。或者,也可以通过对用药引发症状的风险发生概率、风险严重程度等的分析结果确定风险影响等级。例如,可以按风险从高到低划分为4级、3级、2级、1级。
可以将药品对某用户类别所带来的风险信息与相应的药品、用户类别进行关联,形成药品风险信息库。在所述药品风险信息库中,可以将一个药品的对于某用户类别的风险信息、与相应的药品、用户类别进行关联存储。也可以将两个以上的药品所组成的药品组相对于用于类别的风险信息、与相应的药品组、用户类别进行关联存储。两个以上的药品结合在一起对人体健康所产生的影响,可能与两个以上的药品中的各药品分别使用下对人体健康所产生的影响存在较大的差异性,同时也可能与各药品分别使用下对人体健康所产生的影响的结合结果也不同,因此,通过关联存储两个以上的药品一起使用时,相对于用户类型的风险信息,可以进一步提高药品风险识别的准确性以及全面性。
所述药品风险信息库中的信息可以以列表的形式存储,例如,可以将一个药品或药品组相对于某用户类别的风险信息,作为一条风险信息记录,存储在列表中,形成由多条风险信息记录所组成的药品风险信息表。或者,所述药品风险信息库中的信息也可以以知识图谱的形式存储,例如,可以将一个药品或药品组与用户类别建立关联关系,再以药品或药品组、用户类别以及二者之间的关联关系作为整体,进一步关联药品或药品组相对于用户类别的风险信息,形成药品风险信息知识图谱。当然,所述药品风险信息库中的信息也可以以其他形式进行存储。
在药品风险信息库中,可以以药品标识对药品进行标识。所述药品标识可以是指对药品进行唯一标识的信息。所述药品标识如可以为药品通用名称。当然,所述药品标识还可以为汉语拼音、药品批准文号、电子监管码等。假设所述药品标识为药品通用名称,相应的,所述药品风险信息表中的一条风险信息记录的字段可以包括药品通用名称、用户类别、风险信息。所述药品风险信息知识图谱中的关联关系可以为:药品通用名称-用户类别-风险信息。
相应的,所述指定药品的风险识别请求可以包括指定药品的药品标识。服务器在接收到针对指定药品的风险识别请求后,可以将指定药品的药品标识与药品风险信息库中的药品标识进行匹配,将匹配到的药品标识所关联的风险信息作为指定药品的风险信息,并作为指定药品的风险识别结果输出。
在药品风险信息库中,直接将药品标识与用户类别、药品的风险信息进行关联存储,可以提高药品识别的效率。
药品标识的信息比较限定,若出现药品标识维护不规范(如出现多字、少字、错字等现象),服务器将无法匹配到指定药品的风险信息。本说明书提供的另一些实施方式中,还可以将引发用药风险的药品风险特征与用户类别、药品的风险信息进行关联存储,形成药品风险信息库。相应的,若所述药品风险信息库中的信息以信息表的形式存储,药品风险信息表中的一条风险信息记录的字段可以包括药品风险特征、用户类别、风险信息。若所述药品风险信息库中的信息以知识图谱的形式存储,药品风险信息知识图谱中的关联关系可以为:药品风险特征-用户类别-风险信息。
所述药品风险特征可以是指引发用药风险的药品特征。例如,所述药品风险特征可以包括对发生用药不良反应存在较大影响的药品特征。所述药品风险特征如可以包括药品品种、药品成份、给药途径等。其中,给药途径是指药品在使用时所通过的途径。目前临床上给药途径多样,常见给药途径如可以为口服、涂抹、注射等等。药品成份是指用于药品制造中的任何一种物质或物质的混合物,此种物质在疾病的诊断,治疗,症状缓解,处理或疾病的预防中有药理活性或其他直接作用或者能影响机体的功能或结构。如奥美拉唑肠溶胶囊的药品成份为“奥美拉唑”。药品品种是指成份或化学结构相同,但是给药途径不同的药品,如阿莫西林是一个品种,其包括了阿莫西林胶囊、阿莫西林分散片等药品。药品品种、药品成份、给药途径对药品的使用风险具有较大影响。例如,两个药品的成份、所属药品品种的不同,使得两个药品对人体的影响具有较大差异性,进而也可能导致两个药品对人体健康带来的危险性也不同。给药途径的不同,也会导致同一药品对人体的影响具有较大差异性,进而也可能导致两个药品对人体健康带来的危险性也不同。
药品品种与药品成份是从药品原材料的角度来描述药品对人体健康可能产生的影响的,而给药途径是从药品使用途径角度来描述药品对人体健康可能产生的影响的。相应的,一些实施例中,可以以药品品种与给药途径进行关联、或者药品成份与给药途径进行关联作为一种药品风险特征,以进一步综合药品原材料以及药品使用方式来区分药品对人体健康产生的影响,提高药品风险分析的准确性。相应的,所述药品风险信息表中的一条风险信息记录的字段可以包括药品成份/药品品种、给药途径、用户类别、风险信息。所述药品风险信息知识图谱中的关联关系可以为:药品成份/药品品种-给药途径-用户类别-风险信息。
相应的,所述风险识别请求可以包括指定药品的药品风险特征。或者,所述风险识别请求可以包括指定药品的药品标识,服务器可以基于药品标识从其他数据库获取指定药品的药品信息,并从获取的药品信息中提取指定药品的药品风险特征。服务器可以将指定药品的药品风险特征与药品风险信息库中的药品风险特征进行匹配,将匹配到的药品风险特征所关联的风险信息作为指定药品的风险信息。例如,可以计算指定药品的药品风险特征与药品风险信息库中的各药品风险特征的相似度。如可以利用匹配字符数、计算语义距离等方式计算相似度。然后,可以将药品风险信息库中满足指定相似度条件的药品风险特征,作为匹配到的药品风险特征,并将匹配到的药品风险特征所关联的风险信息作为指定药品的风险信息。
基于药品风险特征关联存储药品的风险信息,可以降低因药品标识维护出现不规范等问题导致风险信息未能匹配到的现象,进一步提高药品风险识别的全面性。
一些实施方式中,所述风险识别请求还可以包括使用所述指定药品的用户所属的目标用户类别。在线上问诊实施场景下,使用所述指定药品的用户可以是指药品智能推荐、开具药品单所针对的问诊用户,线上问诊平台可以基于用户问诊需求确定问诊用户所属的用户类别,作为目标用户类别。或者,在药品销售平台销售药品的实施场景下,用户在发起购买请求时,可以在购买请求中输入使用所述指定药品的用户所属的用户类别,作为目标用户类别。相应的,服务器在接收到风险识别请求后,可以基于药品风险信息库,对所述指定药品针对所述目标用户类型进行风险识别,得到所述指定药品相对于所述目标用户类别的风险识别结果。其中,风险识别的具体实施方式可以参考上述实施例,这里不做赘述。
另一些实施方式中,若所述风险识别请求中未包含目标用户类别,则服务器还可以提取所述指定药品相对于任一用户类别的风险信息。例如,在药品销售平台销售药品的实施场景下,药品销售平台需要在药品详情页面中展示某药品的用药风险情况。相应的,药品销售平台可以向服务器发送针对指定药品的风险识别请求,服务器可以向药品销售平台反馈指定药品相对于各用户类别的风险信息,以使药品销售平台进行展示。
当然,上述风险识别方式仅为优选举例说明,所属领域技术人员在本说明书实施例的技术精髓启示下,还可能有其它变更实施方式,如所述风险识别请求还可以包括风险信息类型等,以基于提取指定药品针对该风险信息类型的风险信息,作为风险识别结果。但只要其实现的功能和效果相同或相似,均应涵盖于本说明书保护范围内。
另一些实施方式中,还可以以药品风险识别中所涉及的关键因素为纽带,将药品风险识别拆分成多个识别环节,并针对每个识别环节分别构建基础风险信息集。相应的,可以配置药品风险识别操作流,所述药品风险识别操作流可以包括两个以上的识别环节。并在所述药品风险信息库中配置基础风险信息集,其中,基础风险信息集与识别环节相对应。在针对指定药品进行风险识别时,可以基于识别环节对应的基础风险信息集,执行所述药品风险识别操作流中的相应识别环节,对所述指定药品进行风险识别。
所述药品风险识别操作流中的各识别环节之间可以配置有执行顺序。所述执行顺序可以包括识别环节之间的先后执行顺序,也可以包括识别环节之间的并列执行方式。相应的,可以基于识别环节对应的基础风险信息集,依次执行所述药品风险识别操作流中的各识别环节,对所述指定药品进行风险识别。
例如,可以从哪些药品特征对人体健康产生负面影响、这些药品特征对人体健康所带来的负面影响表现形式的角度,将药品风险识别拆分成两个识别环节:药品风险特征识别环节、药品风险特征针对用户类别的负面影响表现形式识别环节。相应的,可以针对两个识别环节分别构建药品风险特征集以及药品使用风险集。相应的,所述药品风险特征集至少用于存储引发用药风险的药品风险特征。所述药品使用风险集至少用于存储药品风险特征相对于用户类别的负面影响特征。所述负面影响特征可以用于表征药品对用户健康所带来的负面影响。所述负面影响特征如可以包括药品风险特征针对每个用户类别所可能带来的用药引发症状、用药引发症状针对每个用户类别的风险严重程度/治疗复杂度等负面影响表现信息。或者,所述负面影响特征还可以包括药品风险特征针对每个用户类别的用药引发症状的风险发生概率。或者,所述负面影响特征还可以包括药品风险特征针对每个用户类别的影响风险等级,等等。
相应的,一些实施例中,服务器可以基于所述药品风险特征集,提取所述指定药品引发用药风险的药品风险特征;以提取的所述药品风险特征为查询条件,基于所述用药风险信息集,提取相应药品风险特征相对于用户类别的负面影响特征。
例如,在针对指定药品进行风险识别时,服务器可以先基于所述药品风险特征集,提取所述指定药品引发用药风险的药品风险特征。例如,所述药品风险特征集中药品风险特征与药品标识关联存储,可以利用指定药品的药品标识从所述药品风险特征集中提取出所述指定药品的药品风险特征。或者,所述药品风险特征集中仅包含药品风险特征,所述风险识别请求中包含所述指定药品的药品风险特征,服务器可以将所述指定药品的药品风险特征与所述药品风险特征集中的各药品风险特征进行匹配,并在匹配到的药品风险特征的情况下,提取出匹配到的药品风险特征。其中,匹配实施方式可以参考上述实施例实施。然后,以提取的所述药品风险特征为查询条件,基于所述用药风险信息集,提取相应药品风险特征相对于用户类别的负面影响特征,作为指定药品的风险识别结果。
或者,还可以进一步将药品风险特征对人体健康所带来的负面影响表现形式进行分析,将药品风险特征针对用户类别的负面影响表现形式识别环节进一步进行拆分,得到用药引发症状识别环节以及用药引发症状的症状风险指标识别环节。所述症状风险指标如可以包括用药引发症状针对每个用户类别的风险严重程度/治疗复杂度等。
可以针对上述进一步拆分的识别环节构建用药症状集、症状风险指标集。所述用药症状集至少用于存储药品相对于用户类别的用药引发症状。或者,所述用药症状集还可以存储有药品相对于用户类别的用药引发症状的风险发生概率。所述症状风险指标集至少用于存储用药引发症状相对于用户类型的症状风险指标。可以在所述症状风险指标集中,针对某用药引发症状在用户类型下关联存储一种症状风险指标,如风险严重程度、治疗复杂度等中的一种,从而可以得到针对任一症状风险指标的症状风险指标集。当然,也可以针对某用药引发症状在用户类型下关联存储两种以上的症状风险指标。
相应的,一些实施例中,服务器可以基于所述用药症状集,至少提取指定药品相对于用户类别用药引发症状;以提取的所述用户类别的用药引发症状为查询条件,基于所述症状风险指标集,提取所述用户类别的用药引发症状的症状风险指标。
例如,一些实施方式中,所述用药症状集中可以关联存储有药品风险特征以及药品风险特征相对于用于类别的用药引发症状。相应的,服务器可以基于所述药品风险特征集,提取所述指定药品引发用药风险的药品风险特征;以提取的所述药品风险特征为查询条件,基于所述用药症状集,提取相应药品风险特征相对于用户类别的用药引发症状。或者,在所述风险识别请求中包括所述指定药品的药品风险特征的情况下,服务器还可以以所述指定药品的药品风险特征为查询条件,基于所述用药症状集,提取相应药品风险特征相对于用户类别的用药引发症状。或者,另一些实施方式中,所述用药症状集中可以关联存储有药品标识以及药品标识对应的药品相对于用于类别的用药引发症状。相应的,服务器可以以指定药品的药品标识为查询条件,基于所述用药症状集,提取相应药品风险特征相对于用户类别的用药引发症状。
之后,服务器可以再以提取的所述用户类别的用药引发症状为查询条件,基于所述症状风险指标集,提取所述用户类别的用药引发症状的症状风险指标。并可以将提取的症状风险指标作为风险识别结果。
当然,上述基于基础风险信息集以及药品风险识别操作流进行药品风险识别的方式仅为优选举例说明,所属领域技术人员在本说明书实施例的技术精髓启示下,还可能有其它变更实施方式。但只要其实现的功能和效果相同或相似,均应涵盖于本说明书保护范围内。
上述实施方式中,若未能从某基础风险信息集中提取出需要的信息,则可以记录该提取异常操作。如可以记录查询条件、需要提取的信息,以基于该查询条件、需要提取的信息对相应的基础风险信息集进行信息更新。相应的,一些实施例中,服务器可以在基于所述识别环节对应的基础风险信息集未能提取到所需信息的情况下,发出对相应基础风险信息集进行信息补录的提醒。
利用上述实施方式,将药品风险识别拆分成两个以上相互独立的识别环节,针对每个识别环节分别构建基础风险信息集的方式,在某一识别环节出现信息缺失的情况下,可以快速定位出缺失的信息,便于及时准确地对缺失信息进行维护;同时,在需要新增药品信息时,也可以实现从多角度准确全面地将药品风险识别所涉及的信息更新至药品风险信息库中,从而可以提高药品风险识别所涉及信息维护的准确性、全面性以及时效性。同时,将药品风险识别拆分成两个以上的识别环节,可以针对某个识别环节对应配置相应的识别代码,在某药品识别环节出现问题时,可以快速定位出现问题的识别环节,及时对相应识别环节所涉及的识别代码进行纠正以及更新,进而还可以提高识别代码数据维护的简便性。
且基于各个独立的识别环节以及基础风险信息集,还可以针对不同的应用场景,按需选择识别环节、基础风险信息集,以针对相应应用场景进行药品风险识别,提高药品风险识别的灵活性。例如,上述实施例中,在所述风险识别请求中包括所述指定药品的药品风险特征的情况下,可以省略访问药品风险特征集的识别环节,直接执行访问用药症状集、症状风险指标集的识别环节;在所述风险识别请求中包括所述指定药品的药品标识的情况下,则可以先访问药品风险特征集,再执行访问用药症状集、症状风险指标集的识别环节。或者,在最终所需的风险识别结果不同的情况下,所选择执行的识别环节也不同,如最终所需的风险识别结果为用药引发症状的情况下,则可以不再执行访问症状风险指标集的识别环节;在最终所需的风险识别结果为风险影响等级的情况下,则可能还需要执行基于用药引发症状的风险发生概率、症状风险指标等信息进一步确定风险影响等级的识别环节。
一些实施方式中,可以以风险影响等级作为指定药品的风险识别结果,以评估指定药品被使用后给使用指定药品的用户或者提供指定药品的平台所带来的潜在风险。
基于上述实施例提供的方案,可以在所述药品信息库中关联存储药品标识、用户类别以及风险影响等级,或者,也可以关联存储药品风险特征、用户类别以及风险影响等级。其中,风险影响等级可以基于专家经验确定,也可以结合药品的多种风险信息确定。相应的,在接收到针对指定药品的风险识别请求后,可以基于药品风险信息库,对所述指定药品进行风险识别,得到所述指定药品相对于用户类别的风险影响等级。具体实施方式,可以参考上述实施例,这里不做赘述。
如表1所示,表1给出了药品信息库中所关联存储的信息示例。表1中,每条药品的风险影响等级数据,都由药品通用名称、用户类别、风险影响等级组成,其中,风险影响等级被按风险从高到低划分为4级、3级、2级、1级。
表1
药品通用名称 用户类别 风险影响等级
华法林钠片 老年人 3级
华法林钠片 妊娠妇女 4级
或者,还可以在药品风险信息库中配置有两个以上的基础风险信息集,并配置药品风险识别操作流。相应的,可以基于基础风险信息集,执行所述药品风险识别操作流中的相应识别环节,对所述指定药品进行风险识别,得到所述指定药品相对于用户类别的风险影响等级。
例如,可以在药品风险信息库中配置药品风险特征集、药品使用风险集。其中,药品风险特征集、药品使用风险集所包含的信息可以参考上述实施例,这里不做赘述。表2示出了药品风险特征集的信息示例,表3示出了药品使用风险集的信息示例。
表2
药品通用名称 药品主要成份 药品给药途径
华法林钠片 华法林钠 口服
表3
药品主要成分 药品给药途径 用户类别 风险影响等级
华法林钠片 口服 经期妇女 4级
华法林钠片 口服 近期手术者 3级
相应的,针对上述表2、表3中的示例,可以以药品通用名称“华法林钠片”为查询条件,从药品风险特征集中提取出药品风险特征:药品主要成份“华法林钠”以及药品给药途径“口服”。然后,可以以药品主要成份“华法林钠”以及药品给药途径“口服”为查询条件,从药品使用风险集中提取出相对于用户类别“经期妇女”/“近期手术者”的风险影响等级“4级”/“3级”。
或者,可以在药品风险信息库中配置药品风险特征集、用药症状集、症状风险指标集。其中,药品风险特征集、用药症状集、症状风险指标集所包含的信息可以参考上述实施例,这里不做赘述。表4示出了用药症状集的信息示例,表5示出了症状风险指标集的信息示例。
表4
药品主要成份 药品给药途径 用户类别 用药引发症状 风险发生概率
华法林钠片 口服 经期妇女 伤口出血经久不愈 常见
华法林钠片 口服 近期手术者 伤口出血经久不愈 十分常见
表5
用药引发症状 用户类别 风险严重程度
伤口出血经久不愈 经期妇女 轻度
伤口出血经久不愈 近期手术者 中度
相应的,针对上述表2、表4、表5中的示例,可以以药品通用名称“华法林钠片”为查询条件,从药品风险特征集中提取出药品风险特征:药品主要成份“华法林钠”以及药品给药途径“口服”。然后,可以以药品主要成份“华法林钠”以及药品给药途径“口服”为查询条件,从用药症状集中提取出相对于用户类别“经期妇女”/“近期手术者”的用药引发症状“伤口出血经久不愈”/“伤口出血经久不愈”、风险发生概率“常见”/“十分常见”。再以用户类别“经期妇女”/“近期手术者”、用药引发症状“伤口出血经久不愈”/“伤口出血经久不愈”为查询条件,从症状风险指标集中提取出用户类别“经期妇女”/“近期手术者”、用药引发症状“伤口出血经久不愈”/“伤口出血经久不愈”的风险严重程度“轻度”/“中度”。
可以基于提取到的指定药品相对于某用户类别的用药引发症状以及风险发生概率、风险严重程度等,进一步确定指定药品相对于某用户类别的风险影响等级。例如,可以基于专家经验配置药品相对于某用户类别的用药引发症状以及风险发生概率、风险严重程度、与风险影响等级之间的关联关系,以基于该关联关系确定风险影响等级。或者,也可以预先针对用户类别、用药引发症状、风险发生概率、风险严重程度等构建影响等级判定模型,以基于该影响等级判定模型确定风险影响等级。
相应的,一些实施例中,服务器可以获取影响等级判定模型;所述影响等级判定模型至少基于药品相对于用户类别的症状风险指标确定风险影响等级;将提取的所述用户类别的用药引发症状的症状风险指标输入所述影响等级判定模型,获得所述指定药品相对于用户类别的风险影响等级。
所述影响等级判定模型还可以基于决策树构建。所述决策树至少包括决策结点以及状态结点,所述决策结点如可以包括用户类别、风险发生概率以及症状风险指标,所述状态结点可以包括风险影响等级。图2为一种风险决策树示例图。如图2所示,图2中示出了老年人的若干条风险影响等级评估策略所组成的风险决策树。在提取到的指定药品相对于老年人的用药引发症状的风险发生概率“十分常见”、风险严重程度“致命”的情况下,可以基于该风险决策树快速定位出风险影响等级为4级。当然,图2中的风险决策树展示方式仅为优选举例说明,如还可以将风险发生概率与风险严重程度在风险决策树中的顺序进行变换。
当然,所述影响等级判定模型还可以基于其他算法架构构建,如可以基于神经网络算法构建。
另一些实施方式中,还可以在所述药品风险信息库中构建药品风险等级集。所述药品风险等级集用于基于药品标识存储药品相对于用户类别的风险影响等级。可以配置所述药品风险等级集的风险识别优先级大于所述基础风险信息集。相应的,如图3所示,服务器在接收到针对指定药品的风险识别请求后,可以先基于药品风险等级集对指定药品的药品标识进行匹配,以提取指定药品的风险影响等级。
在未能提取到指定药品的风险影响等级的情况下,还可以基于所述基础风险信息集确定所述指定药品相对于用户类别的风险影响等级。具体实现方式可以参考上述实施例实施。如图3所示,可以先访问药品风险特征集,提取药品风险特征。如果未能提取到药品风险特征,则可以发出对药品风险特征集的补录提醒,所述补录提醒如可以为添加指定药品的药品风险特征数据。
在提取到药品风险特征的情况下,还可以进一步访问药品症状集,提取药品风险特征相对于用户类别的用药引发症状、风险发生概率等。如果未能提取到用药引发症状等关联数据,则可以发出对药品症状集的补录提醒,所述补录提醒如可以为添加该药品风险特征相对于某用户类别的用药症状数据。
在提取到用药引发症状、风险发生概率等的情况下,可以以用药引发症状以及用户类别作为查询条件,访问症状风险指标集,提取用药引发症状相对于用户类别的症状风险指标。如果未能提取到症状风险指标,则可以发出对症状风险指标集的补录提醒,所述补录提醒如可以为添加该症状风险指标相对于某用户类别的症状风险指标数据。
在提取到所述指定药品相对于用户类别的用药引发症状的风险发生概率、症状风险指标的情况下,可以将提取到的所述指定药品相对于用户类别的风险发生概率、症状风险指标输入决策树,得到所述指定药品相对于用户类别的风险影响等级。
另一些实施方式中,在基于所述基础风险信息集确定所述指定药品相对于用户类别的风险影响等级后,还可以将确定的所述指定药品相对于用户类别的风险影响等级与所述指定药品的药品标识关联后,更新至所述药品风险等级集。基于上述实施方式,可以通过日常过程中识别、添加补充记录,确保基础风险信息集、风险影响等级集能够自我完善,提高数据维护的及时性以及全面性。
如图4所示,基于上述实施例提供的风险识别方法,本说明书实施方式还提供一种药品风险识别装置,包括如下模块:请求接收模块402,用于接收指定药品的风险识别请求;风险识别模块404,用于基于药品风险信息库,对所述指定药品进行风险识别,得到所述指定药品相对于用户类别的风险识别结果;其中,所述药品风险信息库用于存储药品相对于用户类别的风险信息;所述用户类别基于药品对用户群体所产生的影响划分。本实施方式提供的药品风险识别装置中,所涉及的功能模块实现的功能和效果,可以与其它实施方式对照解释,不再赘述。
如图5所示,基于上述实施例提供的风险识别方法,本说明书实施方式还提供一种计算机设备,所述计算机设备可以包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现上述任意一个或者多个实施例所述方法的步骤。所述存储器包括但不限于随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard Disk Drive,HDD)或者存储卡(MemoryCard)。在本实施方式中,所述计算机设备的处理器实现的具体功能,可以参照其它实施方式对照解释。
以及,基于上述实施例提供的风险识别方法,本说明书实施方式还提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现上述任意一个或者多个实施例所述方法的步骤。在本实施方式中,所述计算机存储介质中计算机程序指令实现的具体功能,可以参照其它实施方式对照解释。
本说明书中的各个实施方式均采用递进的方式描述,各个实施方式之间相同相似的部分互相参见即可,每个实施方式重点说明的都是与其它实施方式的不同之处。上面对本说明书的各种实施方式的描述以描述的目的提供给本领域技术人员。其不旨在是穷举的、或者不旨在将本发明限制于单个公开的实施方式。如上所述,本说明书的各种替代和变化对于上述技术所属领域技术人员而言将是显而易见的。因此,虽然已经具体讨论了一些另选的实施方式,但是其它实施方式将是显而易见的,或者本领域技术人员相对容易得出。本说明书旨在包括在此已经讨论过的本发明的所有替代、修改、和变化,以及落在上述申请的精神和范围内的其它实施方式。
本说明书可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施方式描绘了本说明书,本领域技术人员知道,本说明书有许多变形和变化而不脱离本说明书的精神,希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。

Claims (21)

1.一种药品风险识别方法,其特征在于,包括:
接收指定药品的风险识别请求;
基于药品风险信息库,对所述指定药品进行风险识别,得到所述指定药品相对于用户类别的风险识别结果;其中,所述药品风险信息库用于存储药品相对于用户类别的风险信息;所述用户类别基于药品对用户群体所产生的影响划分。
2.根据权利要求1所述的方法,其特征在于,所述药品风险信息库中药品相对于用户类别的风险信息与药品标识关联存储;所述药品标识是指对药品进行唯一标识的信息。
3.根据权利要求1所述的方法,其特征在于,所述药品风险信息库中药品相对于用户类别的风险信息与药品风险特征关联存储;所述药品风险特征是指引发用药风险的药品特征。
4.根据权利要求3所述的方法,其特征在于,所述药品风险特征至少包括药品品种、药品成份、给药途径中的一种。
5.根据权利要求1所述的方法,其特征在于,所述风险识别请求包括使用所述指定药品的用户所属的目标用户类别;
基于药品风险信息库,识别所述指定药品相对于所述目标用户类型的风险,得到所述指定药品相对于所述目标用户类别的风险识别结果。
6.根据权利要求1所述的方法,其特征在于,所述药品风险信息库中配置有两个以上的基础风险信息集;其中,所述基础风险信息集与识别环节相对应;
相应的,所述基于药品风险信息库,对所述指定药品进行风险识别,包括:
获取药品风险识别操作流,所述药品风险识别操作流包括两个以上的识别环节;
基于识别环节对应的基础风险信息集,执行所述药品风险识别操作流中的相应识别环节,对所述指定药品进行风险识别。
7.根据权利要求6所述的方法,其特征在于,在基于所述识别环节对应的基础风险信息集未能提取到所需信息的情况下,发出对相应基础风险信息集进行信息补录的提醒。
8.根据权利要求6所述的方法,其特征在于,所述基础风险信息集至少包括药品风险特征集、药品使用风险集;所述药品风险特征集至少用于存储引发用药风险的药品风险特征;所述药品使用风险集至少用于存储药品风险特征相对于用户类别的负面影响特征,所述负面影响特征用于表征药品对用户健康所带来的负面影响。
9.根据权利要求8所述的方法,其特征在于,所述基于药品风险信息库,对所述指定药品进行风险识别,包括:
基于所述药品风险特征集,提取所述指定药品引发用药风险的药品风险特征;
以提取的所述药品风险特征为查询条件,基于所述用药风险信息集,提取相应药品风险特征相对于用户类别的负面影响特征。
10.根据权利要求6所述的方法,其特征在于,所述基础风险信息集至少包括用药症状集、症状风险指标集;所述用药症状集至少用于存储药品相对于用户类别的用药引发症状;所述症状风险指标集至少用于存储用药引发症状相对于用户类型的症状风险指标。
11.根据权利要求10所述的方法,其特征在于,所述用药症状集还包括指定药品相对于用户类别的用药引发症状的风险发生概率。
12.根据权利要求10或11所述的方法,其特征在于,所述基于药品风险信息库,对所述指定药品进行风险识别,包括:
基于所述用药症状集,至少提取指定药品相对于用户类别的用药引发症状;
以提取的所述用户类别的用药引发症状为查询条件,基于所述症状风险指标集,提取所述用户类别的用药引发症状的症状风险指标。
13.根据权利要求12中所述的方法,其特征在于,所述风险识别结果包括风险影响等级,所述风险影响等级用于表征药品被使用后给使用药品的用户或者提供药品的平台所带来的潜在风险。
14.根据权利要求13所述的方法,其特征在于,所述提取所述用户类别的用药引发症状的症状风险指标之后,还包括:
获取影响等级判定模型;所述影响等级判定模型至少基于药品相对于用户类别的症状风险指标确定风险影响等级;
将提取的所述用户类别的用药引发症状的症状风险指标输入所述影响等级判定模型,获得所述指定药品相对于用户类别的风险影响等级。
15.根据权利要求14所述的方法,其特征在于,所述影响等级判定模型基于决策树构建;其中,所述决策树至少包括决策结点以及状态结点,所述决策结点至少包括用户类别以及症状风险指标;所述状态结点包括风险影响等级。
16.根据权利要求13所述的方法,其特征在于,所述药品风险信息库还包括药品风险等级集;所述药品风险等级集用于基于药品标识存储药品相对于用户类别的风险影响等级;所述药品标识是指对药品进行唯一标识的信息。
17.根据权利要求16所述的方法,其特征在于,所述药品风险等级集的风险识别优先级大于所述基础风险信息集。
18.根据权利要求17所述的方法,其特征在于,在基于所述基础风险信息集确定所述指定药品相对于用户类别的风险影响等级后,将确定的所述指定药品相对于用户类别的风险影响等级与所述指定药品的药品标识关联后,更新至所述药品风险等级集。
19.一种药品风险识别装置,其特征在于,包括:
请求接收模块,用于接收指定药品的风险识别请求;
风险识别模块,用于基于药品风险信息库,对所述指定药品进行风险识别,得到所述指定药品相对于用户类别的风险识别结果;其中,所述药品风险信息库用于存储药品相对于用户类别的风险信息;所述用户类别基于药品对用户群体所产生的影响划分。
20.一种计算机设备,其特征在于,所述设备包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现权利要求1至18任一项所述方法的步骤。
21.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述指令被执行时实现权利要求1-18中任一项所述方法的步骤。
CN202111469502.5A 2021-12-03 2021-12-03 药品风险识别方法、装置、设备及存储介质 Pending CN114298484A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111469502.5A CN114298484A (zh) 2021-12-03 2021-12-03 药品风险识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111469502.5A CN114298484A (zh) 2021-12-03 2021-12-03 药品风险识别方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114298484A true CN114298484A (zh) 2022-04-08

Family

ID=80964844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111469502.5A Pending CN114298484A (zh) 2021-12-03 2021-12-03 药品风险识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114298484A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115775635A (zh) * 2022-11-22 2023-03-10 长沙砝码柯数据科技有限责任公司 基于深度学习模型的药品风险识别方法、装置及终端设备
CN115830298A (zh) * 2023-02-17 2023-03-21 江苏羲辕健康科技有限公司 一种基于神经网络的药品监管码识别方法及系统
CN117035402A (zh) * 2023-07-19 2023-11-10 盐城市食品药品监督检验中心 一种药品风险管控方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115775635A (zh) * 2022-11-22 2023-03-10 长沙砝码柯数据科技有限责任公司 基于深度学习模型的药品风险识别方法、装置及终端设备
CN115830298A (zh) * 2023-02-17 2023-03-21 江苏羲辕健康科技有限公司 一种基于神经网络的药品监管码识别方法及系统
CN117035402A (zh) * 2023-07-19 2023-11-10 盐城市食品药品监督检验中心 一种药品风险管控方法及系统
CN117035402B (zh) * 2023-07-19 2024-03-01 盐城市食品药品监督检验中心 一种药品风险管控方法及系统

Similar Documents

Publication Publication Date Title
CN114298484A (zh) 药品风险识别方法、装置、设备及存储介质
CN111986770B (zh) 药方用药审核方法、装置、设备及存储介质
O'Byrne et al. Interventions for the treatment of persistent post‐COVID‐19 olfactory dysfunction
Warrer et al. Using text‐mining techniques in electronic patient records to identify ADRs from medicine use
Zeng et al. Interventions for smoking cessation in people diagnosed with lung cancer
Yang et al. Using health-consumer-contributed data to detect adverse drug reactions by association mining with temporal analysis
KR101450784B1 (ko) 전자의무기록과 약물/질환 네트워크 정보 기반의 신약 재창출 후보 예측 방법
Eriksson et al. Dose-specific adverse drug reaction identification in electronic patient records: temporal data mining in an inpatient psychiatric population
US11023679B2 (en) Apparatus and method for automatically mapping verbatim narratives to terms in a terminology dictionary
Friedman Discovering novel adverse drug events using natural language processing and mining of the electronic health record
CN110767319A (zh) 用于联合用药不良反应信号检测的方法
Yu et al. The use of natural language processing to identify vaccine‐related anaphylaxis at five health care systems in the Vaccine Safety Datalink
US7805421B2 (en) Method and system for reducing a data set
Almerie et al. Cessation of medication for people with schizophrenia already stable on chlorpromazine
Overall et al. Comparison of acetophenazine with perphenazine in schizophrenics: Demonstration of differential effects based on computer‐derived diagnostic models
Eisenstein et al. Death: the simple clinical trial endpoint
CN106971083A (zh) 基于检验指标的用药信息处理方法
Glerum et al. Quantification of adverse drug reactions related to drug switches in the Netherlands
US20230377697A1 (en) System and a way to automatically monitor clinical trials - virtual monitor (vm) and a way to record medical history
Anakal et al. Decision Support System for Drug-Drug Interaction Pertaining to COPD and its Comorbidities
RU2701702C2 (ru) Система и способ единообразного сопоставления неструктурированных записанных признаков сo связанными терапевтическими признаками
Carroll et al. Reporting hospital adverse events using the Alfred Hospital's morbidity data
Lu et al. Carisbamate add‐on therapy for drug‐resistant focal epilepsy
US20200176128A1 (en) Identifying Drug Side Effects
CN114298483A (zh) 药品审核方法、装置、设备及存储介质

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