CN114416844A - 基于医疗数据的慢病管理装置、电子设备及存储介质 - Google Patents
基于医疗数据的慢病管理装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114416844A CN114416844A CN202210059173.5A CN202210059173A CN114416844A CN 114416844 A CN114416844 A CN 114416844A CN 202210059173 A CN202210059173 A CN 202210059173A CN 114416844 A CN114416844 A CN 114416844A
- Authority
- CN
- China
- Prior art keywords
- chronic disease
- medical data
- management
- risk
- data
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请适用于医疗数据处理技术领域,提供了一种基于医疗数据的慢病管理装置、电子设备及存储介质,其中,慢病管理装置包括:医疗数据获取单元,用于通过预先建立的多个数据通道分别从不同平台中获取筛查对象的医疗数据;慢病筛查单元,用于基于医疗数据对筛查对象进行分类,得到筛查对象的分类结果;分类结果为慢病患病人群、慢病高危人群或健康人群中的任意一种;慢病管理单元,用于基于目标筛查对象的医疗数据确定目标筛查对象的管理等级和用于管辖目标筛查对象的健康管理机构,并将目标筛查对象的医疗数据、分类结果和/或管理等级发送给健康管理机构的服务器;从而降低了慢病的漏查几率,提高了慢病筛查的人群覆盖率。
Description
技术领域
本申请属于医疗数据处理技术领域,尤其涉及一种基于医疗数据的慢病管理装置、电子设备及存储介质。
背景技术
随着经济快速的发展和人们生活水平的提高,人们越来越关注自己的健康问题。针对慢病,国家健康规划特别给出了防治策略:实施慢病综合防控战略,加强国家慢病综合防控示范区建设;强化慢病筛查和早期发现,针对高发地区重点患者开展早诊早治工作,推动慢病的机会性筛查;基本实现高血压、糖尿病患者管理干预全面覆盖。而在慢病防治策略中,慢病筛查是重要环节。
现有的慢病筛查方式包括:人工筛查,即基层医疗机构定期开展慢病的线下排查;体检筛查,即人们通过主动体检方式的来进行慢病排查。然而,现有的慢病筛查方式容易存在漏查的情况,慢病筛查的人群覆盖率较低。
发明内容
有鉴于此,本申请实施例提供了一种基于医疗数据的慢病管理装置、电子设备及存储介质,以解决现有慢病筛查方式存在的人群覆盖率较低的技术问题。
第一方面,本申请实施例提供一种基于医疗数据的慢病管理装置,包括:
医疗数据获取单元,用于通过预先建立的多个数据通道分别从不同平台中获取筛查对象的医疗数据;
慢病筛查单元,用于基于所述医疗数据对所述筛查对象进行分类,得到所述筛查对象的分类结果;所述分类结果用于描述所述筛查对象针对待筛查慢病的患病情况,所述分类结果为慢病患病人群、慢病高危人群或健康人群中的任意一种;
慢病管理单元,用于基于目标筛查对象的所述医疗数据确定所述目标筛查对象的管理等级和用于管辖所述目标筛查对象的健康管理机构,并将所述目标筛查对象的所述医疗数据、所述分类结果和/或所述管理等级发送给所述健康管理机构的服务器;所述目标筛查对象指所述分类结果为所述慢病患病人群或所述慢病高危人群的筛查对象。
第二方面,本申请实施例提供一种电子设备,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的慢病管理装置中各单元的功能。
第三方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的慢病管理装置中各单元的功能。
实施本申请实施例提供的基于医疗数据的慢病管理装置、电子设备及存储介质及计算机程序产品具有以下有益效果:
本申请实施例提供的基于医疗数据的慢病管理装置,由于通过多个数据通道分别从不同平台中获取筛查对象的医疗数据,且基于来源于不同平台的医疗数据对筛查对象进行慢病筛查,从而降低了慢病的漏查几率,提高了慢病筛查的人群覆盖率。另外,在得到筛查对象的分类结果后,还会向对应的健康管理机构推送筛查对象的医疗数据、分类结果和/或管理等级等信息,从而便于健康管理机构对慢病患病人群和慢病高危人群进行管理和监控。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于医疗数据的慢病管理装置的结构示意图;
图2为本申请另一实施例提供的一种基于医疗数据的慢病管理装置的结构示意图;
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
需要说明的是,本申请实施例的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释,而非旨在限定本申请。在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联物的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,在本申请实施例的描述中,除非另有说明,“多个”是指两个或多于两个,“至少一个”、“一个或多个”是指一个、两个或两个以上。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”特征可以明示或者隐含地包括一个或者更多个该特征。
在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例首先提供一种基于医疗数据的慢病管理装置。请参阅图1,为本申请实施例提供的一种基于医疗数据的慢病管理装置的结构示意图。如图1所示,该基于医疗数据的慢病管理装置100可以包括:医疗数据获取单元11、慢病筛查单元12及慢病管理单元13。
具体地,医疗数据获取单元11用于通过预先建立的多个数据通道分别从不同平台中获取筛查对象的医疗数据。
其中,预先建立的数据通道的个数可以根据实际需求确定,此处不对其做特别限定。医疗数据获取单元11可以通过不同的数据通道分别从不同的平台中获取筛查对象的医疗数据,即医疗数据获取单元11通过不同的数据通道获取到的医疗数据的来源不同。
本申请实施例中,数据通道可以包括:基于通用无线网络建立的数据通道和基于医疗专网建立的数据通道。通用无线网络可以包括但不限于:基于无线保真(wirelessfidelity,WIFI)技术、第四代移动通信技术(the 4th generation mobile communicationtechnology,4G)或第五代移动通信技术(the 5th generation mobile communicationtechnology,5G)的无线网络。
筛查对象可以是任意需要进行慢病筛查的人。
筛查对象的医疗数据可以包括:筛查对象的基本信息、生活方式信息、健康档案信息、预设生理指标信息、针对待筛查慢病的家族史信息、与待筛查慢病相关的既病史信息、针对待筛查慢病的患病信息和/或与待筛查慢病相关的并发症信息等。
其中,基本信息可以包括但不限于:姓名、性别、年龄、体格信息、身份标识信息及现住址信息等。体格信息包括但不限于身高、体重及腰围等信息。身份标识信息可以是身份证号或社保卡号等能够唯一标识筛查对象身份的证件号码。
生活方式信息用于描述筛查对象的饮酒和/或吸烟状况。示例性的,饮酒状况可以通过每周饮酒次数以及每次饮酒量表示,例如,当每周饮酒4次以上,每次饮酒量大于或等于100毫升(ml)时对应的饮酒状况可以为:长期过量饮酒。吸烟状况可以通过每日平均吸烟数表示,例如,当每日平均吸烟数大于或等于预设数目时对应的吸烟状况可以为:长期过量吸烟。
健康档案信息可以包括筛查对象的健康档案编号。
预设生理指标信息指与待筛查慢病相关的生理指标参数的值。示例性的,当待筛查慢病为高血压时,预设生理指标信息可以包括收缩压值和/或舒张压值等。当待筛查慢病为糖尿病时,预设生理指标信息可以包括血糖值(如,随机血糖值或空腹血糖值)、总胆固醇值、高密度脂蛋白胆固醇值和/或甘油三酯值等。
针对待筛查慢病的家族史信息用于描述筛查对象的家族中是否有人患有待筛查慢病。示例性的,针对待筛查慢病的家族史信息可以通过阴性或阳性来表示。具体地,若筛查对象的家族中有人患有待筛查慢病,则家族史信息可以为阳性;若筛查对象的家族中没有人患有待筛查慢病,则家族史信息可以为阴性。
与待筛查慢病相关的既病史信息用于描述筛查对象是否曾经患有与待筛查慢病相关的疾病,或是否曾经伴有与待筛查慢病相关的临床状态,或是否曾经服用过与待筛查慢病相关的药物等。示例性的,与待筛查慢病相关的既病史信息可以通过阴性或阳性来表示。具体地,若筛查对象曾经患有与待筛查慢病相关的疾病,或曾经伴有与待筛查慢病相关的临床状态,或曾经服用过与待筛查慢病相关的药物,则既病史信息可以为阳性;若筛查对象曾经未患有与待筛查慢病相关的疾病,且曾经未伴有与待筛查慢病相关的临床状态,且曾经未服用过与待筛查慢病相关的药物,则既病史信息可以为阴性。示例性的,当待筛查慢病为糖尿病时,与待筛查慢病相关的疾病可以包括但不限于:类固醇糖尿病、妊娠期糖尿病、动脉粥样硬化性心血管疾病及多囊卵巢综合征。与待筛查慢病相关的临床状态可以包括:与胰岛素抵抗相关的临床状态(如,黑棘皮征等)。与待筛查慢病相关的药物可以包括:抗精神病药物、抗抑郁药物和/或他汀类药物等。
针对待筛查慢病的患病信息用于描述筛查对象当前针对待筛查慢病的患病情况。具体地,针对待筛查慢病的患病信息可以包括:当前已患有待筛查慢病(对应慢病患病人群)、当前未患有待筛查慢病(对应健康人群)或当前高几率会患有待筛查慢病(对应慢病高危人群)。
需要说明的是,当前高几率会患有待筛查慢病指当前会患待筛查慢病的概率极高,例如高于第一概率值。当前未患有待筛查慢病指当前会患待筛查慢病的概率极低,例如,低于第二概率值。其中,第二概率值小于第一概率值。
与待筛查慢病相关的并发症信息用于描述筛查对象是否出现与待筛查慢病相关的并发症。示例性的,与待筛查慢病相关的并发症信息可以通过阴性或阳性来表示。具体地,若筛查对象出现与待筛查慢病相关的并发症,则并发症信息可以为阳性;若筛查对象未出现与待筛查慢病相关的并发症,则并发症信息可以为阴性。例如,当待筛查慢病为高血压时,与待筛查慢病相关的并发症可以包括:缺血性卒中、脑出血、短暂性脑缺血发作、心肌梗死史、心绞痛、冠状动脉血运重建、慢性心力衰竭、新房颤动、糖尿病肾病、肾功能受损、蛋白尿、足背动脉搏动减弱、视网膜病变或糖尿病等。
医疗数据获取单元11获取到筛查对象的医疗数据后,可以将待筛查对象的医疗数据发送给慢病筛查单元12。
具体地,慢病筛查单元12用于基于所述医疗数据对所述筛查对象进行分类,得到所述筛查对象的分类结果;所述分类结果用于描述所述筛查对象针对待筛查慢病的患病情况,所述分类结果为慢病患病人群、慢病高危人群或健康人群中的任意一种。
在本申请的一个实施例中,慢病筛查单元12可以用于,若所述医疗数据中包括针对所述待筛查慢病的患病信息,则基于所述患病信息确定所述筛查对象的分类结果。
示例性的,当针对待筛查慢病的患病信息为当前已患有待筛查慢病时,慢病筛查单元12可以确定筛查对象的分类结果为慢病患病人群;当针对待筛查慢病的患病信息为当前未患有待筛查慢病时,慢病筛查单元12可以确定筛查对象的分类结果为健康人群;当针对待筛查慢病的患病信息为当前高几率会患有待筛查慢病时,慢病筛查单元12可以确定筛查对象的分类结果为慢病高危人群。
在本申请的另一个实施例中,慢病筛查单元12还可以用于,若所述医疗数据中不包括所述患病信息,则基于所述医疗数据中的其他信息确定所述筛查对象的分类结果;所述其他信息为除所述患病信息之外的信息。
具体地,慢病管理单元13用于基于目标筛查对象的所述医疗数据确定所述目标筛查对象的管理等级和用于管辖所述目标筛查对象的健康管理机构,并将所述目标筛查对象的所述医疗数据、所述分类结果和/或所述管理等级发送给所述健康管理机构的服务器;所述目标筛查对象指所述分类结果为所述慢病患病人群或所述慢病高危人群的筛查对象。
本实施例中,慢病管理单元13仅对慢病患病人群以及慢病高危人群进行管理。因此,慢病管理单元13在得到各个筛查对象的分类结果后,可以将分类结果为慢病患病人群和慢病高危人群的筛查对象识别为目标筛查对象。
以上可以看出,本实施例提供的基于医疗数据的慢病管理装置,由于通过多个数据通道分别从不同平台中获取筛查对象的医疗数据,且基于来源于不同平台的医疗数据对筛查对象进行慢病筛查,从而降低了慢病的漏查几率,提高了慢病筛查的人群覆盖率。另外,在得到筛查对象的分类结果后,还会向对应的健康管理机构推送筛查对象的医疗数据、分类结果和/或管理等级等信息,从而便于健康管理机构对慢病患病人群和慢病高危人群进行管理和监控。
请参阅图2,为本申请另一实施例提供的一种基于医疗数据的慢病管理装置的结构示意图。如图2所示,本实施例中,存储有医疗数据的平台可以包括:医疗数据自主申报页面的服务器200、医疗机构的电子医疗系统300、居民电子健康档案系统400及基层医务人员的终端设备500。
基于此,数据通道可以包括:第一数据通道、第二数据通道、第三数据通道及第四数据通道。医疗数据获取单元11具体可以包括:第一数据获取单元111、第二数据获取单元112、第三数据获取单元113及第四数据获取单元114。
具体地,第一数据获取单元111可以通过第一数据通道与医疗数据自主申报页面的服务器200进行通信连接,并从医疗数据自主申报页面的服务器200中获取筛查对象的医疗数据。第二数据获取单元112可以通过第二数据通道与医疗机构的电子医疗系统300进行通信连接,并从医疗机构的电子医疗系统300中获取筛查对象的医疗数据。第三数据获取单元113可以通过第三数据通道与居民电子健康档案系统400进行通信连接,并从居民电子健康档案系统400中获取筛查对象的医疗数据。第四数据获取单元114可以通过第四数据通道与基层医务人员的终端设备500进行通信连接,并从基层医务人员的终端设备500中获取筛查对象的医疗数据。
其中,第一数据通道可以是基于通用无线网络(如,WIFI、4G或5G)建立的数据通道。第二数据通道、第三数据通道及第四数据通道可以是基于医疗专网建立的数据通道。
医疗数据自主申报页面为面向筛查对象的申报页面。示例性的,医疗数据自主申报页面可以是超文本标记语言(hyper text markup language,HTML)页面,例如,HTML5页面。医疗数据自主申报页面中可以包括:需要申报的各项医疗数据的名称、与需要申报的每项医疗数据对应的输入框、取消控件及提交控件等。筛查对象可以通过终端设备扫描医疗数据自主申报页面的二维码或者点击医疗数据自主申报页面的链接等方式进入自主申报页面,并填写需要申报的各项医疗数据的内容,在填写完成后,可以触发(例如,点击)医疗数据自主申报页面中的提交控件提交填写完成的医疗数据。筛查对象的终端设备检测到医疗数据自主申报页面中的提交控件被触发时,将填写完成的医疗数据发送给医疗数据自主申报页面的服务器200。医疗数据自主申报页面的服务器200可以将来自终端设备的医疗数据进行存储。即,医疗数据自主申报页面的服务器200中的筛查对象的医疗数据可以是基于筛查对象的自主申报得到的。
电子医疗系统300可以是医院信息系统(hospital information system,HIS)。作为示例而非限定,电子医疗系统300中的筛查对象的医疗数据可以是医生对筛查对象进行问诊后由医生填写并保存在电子医疗系统300中的。
居民电子健康档案系统400中的筛查对象的医疗数据可以来自于各个医疗机构。
基层医务人员的终端设备500中的筛查对象的医疗数据可以是基层医务人员借助预设生理指标测量仪测量出筛查对象的预设生理指标值之后,由基层医务人员将筛查对象的医疗数据录入其使用的终端设备500中的。
需要说明的是,医疗数据获取单元11通过不同数据通道获取到的筛查对象的医疗数据所包括的信息种类可以相同,也可以不同,具体可以根据实际需求设置,此处不对其做特别限定。
在一种可能的实现方式中,各个数据获取单元可以主动从对应的平台中获取筛查对象的医疗数据。示例性的,各个数据获取单元可以每隔预设时间间隔,从对应的平台中获取一次筛查对象的医疗数据。对应的平台可以将目标时段内新增的筛查对象的医疗数据发送给对应的数据获取单元。其中,目标时段对应的起始时刻为数据获取单元上一次获取数据的时刻,目标起始时段对应的终止时刻为数据获取单元当次获取数据的时刻。也就是说,数据获取单元每次从对应平台中获取到的筛查对象的医疗数据均不同。
在另一种可能的实现方式中,各个数据获取单元也可以被动接收对应的平台发送的筛查对象的医疗数据。
以上可以看出,本实施例通过不同的数据通道分别从医疗数据自主申报页面的服务器、医疗机构的电子医疗系统、居民电子健康档案系统及基层医务人员的终端设备中获取筛查对象的医疗数据,从而可以使慢病筛查的人群覆盖面更广。
请继续参阅图2,在本申请的又一个实施例中,慢病筛查单元12具体可以包括:人工筛查单元121和智能筛查单元122。其中,人工筛查单元121与第一数据获取单元111连接,智能筛查单元122与第二数据获取单元112、第三数据获取单元113及第四数据获取单元114连接。
具体地,人工筛查单元121用于接收来自第一数据获取单元111的筛查对象的医疗数据,并将筛查对象的医疗数据输出至慢病管理单元13,以指示慢病管理单元13将筛查对象的医疗数据发送给管辖筛查对象的健康管理机构的服务器,供该健康管理机构的医务人员查看。
医务人员查看了筛查对象的医疗数据后,可以基于筛查对象的医疗数据对筛查对象进行人工分类,得到筛查对象的分类结果。
智能筛查单元122用于接收来自第二数据获取单元112、第三数据获取单元113及第四数据获取单元114的筛查对象的医疗数据,并将筛查对象的医疗数据导入预先训练好的慢病人群分类模型中,得到筛查对象的分类结果。
其中,慢病人群分类模型是基于第一预设样本集,采用深度学习方法对第一决策树模型进行训练得到的,第一预设样本集中的每条样本数据均包括一个样本对象的医疗数据和样本对象针对待筛查慢病的患病情况。
在对第一决策树模型进行训练时,将每条样本数据中样本对象的医疗数据作为第一决策树模型的输入,将每条样本数据中样本对象针对待筛查慢病的患病情况作为第一决策树模型的输出,采用深度学习方法对第一决策树模型进行训练,训练好的第一决策树模型即为慢病人群分类模型。慢病人群分类模型在训练过程中学习到了医疗数据与针对待筛查慢病的患病情况之间的对应关系。
智能筛查单元122通过慢病人群分类模型得到筛查对象的分类结果后,可以将筛查对象的分类结果输出至慢病管理单元13。
以上可以看出,本实施例通过人工筛查和智能筛查相结合的方式对筛查对象进行待筛查慢病的分类,从而提高了分类结果的准确性。
请继续参阅图2,在本申请的又一个实施例中,慢病管理单元13可以包括:归属地管理单元131、危险等级分级单元132及慢病等级分级单元133。
具体地,归属地管理单元131用于基于目标筛查对象的医疗数据中的健康档案信息或现住址信息确定用于管辖目标筛查对象的健康管理机构,并将目标筛查对象的医疗数据和分类结果发送给该健康管理机构的服务器。
示例性的,健康管理机构可以是基层医疗机构。
在一种可能的实现方式中,归属地管理单元131可以用于,若所述医疗数据中包括所述健康档案信息,则基于所述健康档案信息确定所述目标筛查对象的健康档案的建档机构,并将所述建档机构确定为所述健康管理机构。
在另一种可能的实现方式中,归属地管理单元131还可以用于,若所述医疗数据中包括所述现住址信息,则基于所述现住址信息确定所述目标筛查对象所属的地理片区,并基于各个地理片区与基层医疗机构之间的对应关系确定用于管辖所述目标筛查对象的目标基层医疗机构,将所述目标基层医疗机构确定为所述健康管理机构。
在又一种可能的实现方式中,在无法通过目标筛查对象的现住址信息确定出目标筛查对象所属的地理片区的情况下,归属地管理单元131可以将目标筛查对象所在市或省的疾病预防控制中心(centers for disease control,CDC)确定为管辖目标筛查对象的健康管理机构。
具体地,危险等级分级单元132用于基于慢病高危人群的医疗数据确定所述慢病高危人群患有待筛查慢病的风险等级,并基于所述风险等级确定所述慢病高危人群的管理等级,将所述管理等级发送给所述健康管理机构的服务器。
在一种可能的实现方式中,危险等级分级单元132可以用于,将所述慢病高危人群的所述医疗数据导入预先训练好的风险等级分级模型中,得到所述慢病高危人群的风险等级,并基于各个预设的风险等级与管理等级之间的对应关系确定所述慢病高危人群的管理等级;所述风险等级分级模型是基于第二预设样本集,采用深度学习方法对第二决策树模型进行训练得到的,所述第二预设样本集中的每条样本数据均包括一个慢病高危人群样本的医疗数据和所述慢病高危人群样本患有所述待筛查慢病的风险等级。
在对第二决策树模型进行训练时,将每条样本数据中的慢病高危人群样本的医疗数据作为第二决策树模型的输入,将每条样本数据中的慢病高危人群样本患有待筛查慢病的风险等级作为第二决策树模型的输出,采用深度学习方法对第二决策树模型进行训练,训练好的第二决策树模型即为风险等级分级模型。风险等级分级模型在训练过程中学习到了医疗数据与患有待筛查慢病的风险等级之间的对应关系。
风险等级用于描述慢病高危人群患有待筛查慢病的风险级别。示例性的,风险等级由低到高可以包括:一级风险、二级风险及三级风险。其中,风险等级越高表示慢病高危人群患有待筛查慢病的风险越高。
管理等级用于描述对目标筛查对象的管理强度。管理等级由高到低可以包括:一级管理、二级管理及三级管理。其中,管理等级越高表示管理强度越大。
在具体应用中,危险等级分级单元132将慢病高危人群的医疗数据导入风险等级分级模型后,风险等级分级模型可以先基于慢病高危人群的医疗数据,确定慢病高危人群具有的风险因素种类,并基于慢病高危人群具有的风险因素种类确定慢病高危人群的风险等级。
其中,风险因素指会导致患待筛查慢病的风险因素。风险因素可以包括但不限于:基础风险因素、核心风险因素及可控风险因素。
基础风险因素指与家族史相关的风险因素(如,家族中有人患有待筛查慢病);核心风险因素指与待筛查慢病相关的风险因素(如,预设生理指标的值异常);可控风险因素指与筛查对象自身相关但与待筛查慢病无关的风险因素(如,筛查对象为腹型肥胖或超重等)。
具体地,当慢病高危人群仅具有基础风险因素时,风险等级分级模型输出的该慢病高危人群的风险等级可以为一级风险;当慢病高危人群具有核心风险因素以及至少一个可控风险因素时,风险等级分级模型输出的该慢病高危人群的风险等级可以为三级风险;其他情况,风险等级分级模型输出的该慢病高危人群的风险等级可以为二级风险。
危险等级分级单元132得到慢病高危人群的风险等级后,可以基于各个预设的风险等级与管理等级之间的对应关系确定慢病高危人群的管理等级。示例性的,各个预设的风险等级与管理等级之间的对应关系可以如下表1所示。
表1
风险等级 | 管理等级 |
一级风险 | 三级管理 |
二级风险 | 二级管理 |
三级风险 | 一级管理 |
具体地,慢病等级分级单元133用于基于慢病患病人群的医疗数据确定慢病患病人群的慢病等级,并基于所述慢病等级确定慢病患病人群的管理等级,将慢病患病人群的管理等级发送给健康管理机构的服务器。
在一种可能的实现方式中,慢病等级分级单元133可以用于,将所述慢病患病人群的所述医疗数据导入预先训练好的慢病等级分级模型中,得到所述慢病患病人群的慢病等级,并基于各个预设的慢病等级与管理等级之间的对应关系确定所述慢病患病人群的管理等级;
其中,慢病等级分级模型是基于第三预设样本集,采用深度学习方法对第三决策树模型进行训练得到的;第三预设样本集中的每条样本数据均包括一个慢病患病人群样本的医疗数据和慢病患病人群样本的慢病等级。
在对第三决策树模型进行训练时,将每条样本数据中的慢病患病人群样本的医疗数据作为第三决策树模型的输入,将每条样本数据中的慢病患病人群样本的患病等级作为第三决策树模型的输出,采用深度学习方法对第三决策树模型进行训练,训练好的第三决策树模型即为慢病等级分级模型。慢病等级分级模型在训练过程中学习到了医疗数据与慢病等级之间的对应关系。
慢病等级用于描述慢病患病人群病情的稳定情况。示例性的,慢病等级由高到低可以包括:很高危、高/很高危、高危、中/高危、中危及低危。其中,慢病等级越高表示慢病患病人群的病情越不稳定。示例性的,各个预设的慢病等级与管理等级之间的对应关系可以如下表2所示。
表2
以待筛查慢病为高血压为例,慢病等级分级模型具体可以基于以下策略确定慢病患病人群的慢病等级:
(1)高危:慢病患病人群为3级高血压且无危险因素或既病史,或者具有3个以上危险因素,或者靶器官损坏且为1级或2级高血压;
(2)很高危:慢病患病人群为3级高血压且具有1个以上危险因素,或者有与高血压相关的临床情况且为1级以上高血压;
(3)高/很高危:有与高血压相关的临床情况且血压的收缩压<140,舒张压<90;
(4)中/高危:有1~2个危险因素且为2级高血压,或者靶器官损坏且血压的收缩压<140,舒张压<90;
(5)中危:有1~2个危险因素且为1级高血压;
(6)低危:有1~2个危险因素,或者为1级高血压。
以上可以看出,本实施例通过对慢病高危人群和慢病患病人群进行管理等级的划分,便于健康管理机构合理地分配管理资源,提高了资源利用率。
可以理解的是,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元完成,即将语音播报装置的内部结构划分成不同的功能单元,以完成以上描述的全部或者部分功能。实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供一种电子设备。请参阅图3,为本申请实施例提供的一种基于电子设备的结构示意图。如图3所示,本实施例提供的电子设备3可以包括:处理器30、存储器31以及存储在存储器31中并可在处理器30上运行的计算机程序32,处理器30执行计算机程序32时实现上述电子设备实施例中各单元的功能,例如图1所示的单元11~13的功能。
示例性的,计算机程序32可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器31中,并由处理器30执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序32在电子设备3中的执行过程。例如,计算机程序32可以被分割成医疗数据获取单元、慢病筛查单元及慢病管理单元,各单元的具体功能请参阅图1或图2对应的实施例中的相关描述,此处不赘述。
本领域技术人员可以理解,图3仅仅是电子设备3的示例,并不构成对电子设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
处理器30可以是中央处理单元(central processing unit,CPU),还可以是其他通用处理器、数字信号处理器(digital signal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器31可以是电子设备3的内部存储单元,例如电子设备3的硬盘或内存。存储器31也可以是电子设备3的外部存储设备,例如电子设备3上配备的插接式硬盘、智能存储卡(smart media card,SMC)、安全数字(secure digital,SD)卡或闪存卡(flash card)等。进一步地,存储器31还可以既包括电子设备3的内部存储单元也包括外部存储设备。存储器31用于存储计算机程序以及电子设备所需的其他程序和数据。存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现图1或图2对应的实施例所述的慢病管理装置中各单元的功能。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参照其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于医疗数据的慢病管理装置,其特征在于,包括:
医疗数据获取单元,用于通过预先建立的多个数据通道分别从不同平台中获取筛查对象的医疗数据;
慢病筛查单元,用于基于所述医疗数据对所述筛查对象进行分类,得到所述筛查对象的分类结果;所述分类结果用于描述所述筛查对象针对待筛查慢病的患病情况,所述分类结果为慢病患病人群、慢病高危人群或健康人群中的任意一种;
慢病管理单元,用于基于目标筛查对象的所述医疗数据确定所述目标筛查对象的管理等级和用于管辖所述目标筛查对象的健康管理机构,并将所述目标筛查对象的所述医疗数据、所述分类结果和/或所述管理等级发送给所述健康管理机构的服务器;所述目标筛查对象指所述分类结果为所述慢病患病人群或所述慢病高危人群的筛查对象。
2.根据权利要求1所述的慢病管理装置,其特征在于,所述医疗数据获取单元包括:
第一数据获取单元,用于通过第一数据通道从医疗数据自主申报页面的服务器中获取所述医疗数据;
第二数据获取单元,用于通过第二数据通道从电子医疗系统中获取所述医疗数据;
第三数据获取单元,用于通过第三数据通道从居民电子健康档案系统中获取所述医疗数据;
第四数据获取单元,用于通过第四数据通道从终端设备中获取所述医疗数据;
所述第一数据通道为基于通用无线网络建立的数据通道;所述第二数据通道、所述第三数据通道及所述第四数据通道为基于医疗专网建立的数据通道。
3.根据权利要求2所述的慢病管理装置,其特征在于,所述慢病筛查单元包括:
人工筛查单元,用于接收来自所述第一数据获取单元的所述医疗数据,并将所述医疗数据输出至所述慢病管理单元,以指示所述慢病管理单元将所述医疗数据发送给所述健康管理机构的服务器;
智能筛查单元,用于接收来自所述第二数据获取单元、所述第三数据获取单元及所述第四数据获取单元的所述医疗数据,并将接收到的所述医疗数据导入预先训练好的慢病人群分类模型中,得到所述筛查对象的分类结果,且将所述分类结果输出至所述慢病管理单元;
其中,所述慢病人群分类模型是基于第一预设样本集,采用深度学习方法对第一决策树模型进行训练得到的,所述第一预设样本集中的每条样本数据均包括一个样本对象的医疗数据和所述样本对象针对待筛查慢病的患病情况。
4.根据权利要求3所述的慢病管理装置,其特征在于,所述医疗数据中包括:所述筛查对象的健康档案信息和/或现住址信息;对应地,所述慢病管理单元包括:
归属地管理单元,用于基于所述健康档案信息或所述现住址信息确定用于管辖所述目标筛查对象的健康管理机构,并将所述目标筛查对象的所述医疗数据和所述分类结果发送给所述健康管理机构的服务器;
危险等级分级单元,用于基于所述慢病高危人群的所述医疗数据确定所述慢病高危人群患有所述待筛查慢病的风险等级,并基于所述风险等级确定所述慢病高危人群的管理等级,将所述慢病高危人群的管理等级发送给所述健康管理机构的服务器;
慢病等级分级单元,用于基于所述慢病患病人群的所述医疗数据确定所述慢病患病人群的慢病等级,并基于所述慢病等级确定所述慢病患病人群的管理等级,将所述慢病患病人群的管理等级发送给所述健康管理机构的服务器。
5.根据权利要求4所述的慢病管理装置,其特征在于,所述归属地管理单元用于,若所述医疗数据中包括所述健康档案信息,则基于所述健康档案信息确定所述目标筛查对象的健康档案的建档机构,并将所述建档机构确定为所述健康管理机构;以及,若所述医疗数据中包括所述现住址信息,则基于所述现住址信息确定所述目标筛查对象所属的地理片区,并基于各个地理片区与基层医疗机构之间的对应关系确定用于管辖所述目标筛查对象的目标基层医疗机构,将所述目标基层医疗机构确定为所述健康管理机构。
6.根据权利要求4所述的慢病管理装置,其特征在于,所述危险等级分级单元用于,将所述慢病高危人群的所述医疗数据导入预先训练好的风险等级分级模型中,得到所述慢病高危人群的风险等级,并基于各个预设的风险等级与管理等级之间的对应关系确定所述慢病高危人群的管理等级;
其中,所述风险等级分级模型是基于第二预设样本集,采用深度学习方法对第二决策树模型进行训练得到的,所述第二预设样本集中的每条样本数据均包括一个慢病高危人群样本的医疗数据和所述慢病高危人群样本患有所述待筛查慢病的风险等级。
7.根据权利要求4所述的慢病管理装置,其特征在于,所述慢病等级分级单元用于,将所述慢病患病人群的所述医疗数据导入预先训练好的慢病等级分级模型中,得到所述慢病患病人群的慢病等级,并基于各个预设的慢病等级与管理等级之间的对应关系确定所述慢病患病人群的管理等级;
其中,所述慢病等级分级模型是基于第三预设样本集,采用深度学习方法对第三决策树模型进行训练得到的,所述第三预设样本集中的每条样本数据均包括一个慢病患病人群样本的医疗数据和所述慢病患病人群样本的慢病等级。
8.根据权利要求6所述的慢病管理装置,其特征在于,所述风险等级分级模型用于,基于所述慢病高危人群的所述医疗数据,确定所述慢病高危人群具有的风险因素种类,并基于所述风险因素种类确定所述慢病高危人群的风险等级;所述风险因素指导致患所述待筛查慢病的风险因素。
9.一种电子设备,其特征在于,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的慢病管理装置中各单元的功能。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的慢病管理装置中各单元的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210059173.5A CN114416844A (zh) | 2022-01-19 | 2022-01-19 | 基于医疗数据的慢病管理装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210059173.5A CN114416844A (zh) | 2022-01-19 | 2022-01-19 | 基于医疗数据的慢病管理装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114416844A true CN114416844A (zh) | 2022-04-29 |
Family
ID=81273971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210059173.5A Pending CN114416844A (zh) | 2022-01-19 | 2022-01-19 | 基于医疗数据的慢病管理装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114416844A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116035543A (zh) * | 2023-01-03 | 2023-05-02 | 科亚医疗科技股份有限公司 | 一种高血压等级确定方法、装置、设备及存储介质 |
-
2022
- 2022-01-19 CN CN202210059173.5A patent/CN114416844A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116035543A (zh) * | 2023-01-03 | 2023-05-02 | 科亚医疗科技股份有限公司 | 一种高血压等级确定方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6466422B2 (ja) | 医療支援システム及び方法 | |
US20150006192A1 (en) | Systems and methods for clinical decision-making | |
US11004560B2 (en) | Generating a map of a medical facility | |
US11817218B2 (en) | Physiologic severity of illness score for acute care patients | |
US20170124279A1 (en) | Adaptive Complimentary Self-Assessment And Automated Health Scoring For Improved Patient Care | |
Eurlings et al. | Telemedicine in heart failure—more than nice to have? | |
US20130332190A1 (en) | Providing indications of clinical-trial criteria modifications | |
KR20170140757A (ko) | 임상 의사결정 지원 앙상블 시스템 및 이를 이용한 임상 의사결정 지원 방법 | |
CN108009390A (zh) | 一种慢性疾病医嘱依从性管理方法及系统 | |
US20120030231A1 (en) | Accessing Personal Records Without Identification Token | |
US20200402630A1 (en) | Systems and methods for clinical decision-making | |
CN111462850A (zh) | 一种用于肺癌手术前后的症状管理系统及方法 | |
Jiang et al. | Effectiveness of a nurse‐led smartphone‐based self‐management programme for people with poorly controlled type 2 diabetes: A randomized controlled trial | |
Friman et al. | National early warning score vs rapid response team criteria—prevalence, misclassification, and outcome | |
El Jamal et al. | Advances in telemedicine for the management of the elderly cardiac patient | |
BR112019015873A2 (pt) | sistema implementado por computador, e, método. | |
CN114416844A (zh) | 基于医疗数据的慢病管理装置、电子设备及存储介质 | |
Takkar et al. | Development of Diabetic retinopathy screening guidelines in South-East Asia region using the context, challenges, and future technology | |
CN112447293A (zh) | 一种vte风险预警系统 | |
Nolde et al. | Machine learning to predict myocardial injury and death after non‐cardiac surgery | |
CN112233816A (zh) | 健康监测方法、装置及计算机可读介质 | |
Atlas et al. | Cell phone and technology use by octogenarians | |
CN112397166A (zh) | 一种慢性疾病医疗管理系统 | |
Salik et al. | The application of appropriate use criteria for transthoracic echocardiography in a cardiac intensive care unit | |
Couper et al. | Variation in outcome of hospitalised patients with out-of-hospital cardiac arrest from acute coronary syndrome: a cohort study |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220929 Address after: Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong 518000 Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd. Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000 Applicant before: Ping An International Smart City Technology Co.,Ltd. |