CN114582519B - 一种基于多源数据的医院随访方法、装置及终端设备 - Google Patents
一种基于多源数据的医院随访方法、装置及终端设备 Download PDFInfo
- Publication number
- CN114582519B CN114582519B CN202210244281.XA CN202210244281A CN114582519B CN 114582519 B CN114582519 B CN 114582519B CN 202210244281 A CN202210244281 A CN 202210244281A CN 114582519 B CN114582519 B CN 114582519B
- Authority
- CN
- China
- Prior art keywords
- data
- follow
- patient
- hospital
- uncertain
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011160 research Methods 0.000 claims abstract description 11
- 230000004083 survival effect Effects 0.000 claims description 105
- 238000012216 screening Methods 0.000 claims description 51
- 238000011835 investigation Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 20
- 238000011282 treatment Methods 0.000 claims description 16
- 238000002255 vaccination Methods 0.000 claims description 16
- 150000007523 nucleic acids Chemical class 0.000 claims description 15
- 102000039446 nucleic acids Human genes 0.000 claims description 15
- 108020004707 nucleic acids Proteins 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 14
- 201000010099 disease Diseases 0.000 claims description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 8
- 238000011269 treatment regimen Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 206010061819 Disease recurrence Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 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
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Child & Adolescent Psychology (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Nutrition Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多源数据的医院随访方法、装置及终端设备,通过对医院内外数据进行生命状态的分析判断,并根据判断获取的数据获得随访数据,避免了人力干预,可自动判断大量患者的生命状态,极大地减少了人工随访中人力的消耗,同时提高了随访的效率,大大加快了随访结果的产出。相比于现有技术,本发明通过整合多个来源的医疗数据进行自动分析的方式,可提高随访数据的精度和准度,有助于科学研究者根据本发明所获得的数据进行有效地研究,进而改善医疗水平,同时可以减少与患者直接接触,从而减少因随访而打扰患者的情况的出现,极大地增加了患者的体验感。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于多源数据的医院随访方法、装置及终端设备。
背景技术
在现有的医疗服务中,在患者完成诊疗并后,往往会对患者进行随访,从而获得医疗服务水平、开展科学研究的重要方式。而通过了解患者的生存情况、生存期,能够为医生在对患者的治疗过程中所采取的医疗方式,提供一些正面的反馈,从而进行相关的科学研究以完善医疗方式。
为了解患者院外的生存情况,多为由医务人员通过电话、短信、微信等方式跟患者或亲属沟通,来获取相关信息。但在获取患者生存情况时,存在着诸多问题,例如:随访率低,随访信息少,质量差;数据不共享,各课题组间重复随访,人员浪费严重;患者被频繁打扰,体验很差,造成患者更不愿意接受随访的恶性循环;随访不够导致大量数据无法使用,数据价值降低;研究者无法及时取得有效数据,以致科研开展困难。目前在随访领域有一些智能化的应用,如机器人智能随访等,但均囿于传统的随访框架,无法达到高效、准确、省力获取随访情况的目的。
因此,亟需一种医疗随访策略,来解决如今患者院外随访工作繁琐且不准确的问题。
发明内容
本发明实施例提供一种基于多源数据的医院随访方法、装置及终端设备,通过实现医院随访的自动化,提高随访情况获取的效率。
为了解决上述问题,本发明一实施例提供一种基于多源数据的医院随访方法,包括:
获取用户输入的第一信息,根据医院内部数据和医院外部数据,生成患者院外的生命状态数据;其中,第一信息包括所有患者的身份信息;所述医院外部数据包括:疫情排查数据、医保数据和省死亡人口信息数据;以及所述生命状态数据包括:第一状态数据和第二状态数据;
根据所述生命状态数据,筛选出所述第二状态数据所对应的患者,并通过随访的方式,获取第三状态数据;其中,第三状态数据包括第一生存数据和第一死亡数据;
根据所述第一状态数据和所述第三状态数据,输出患者的随访数据。
由上可见,本发明具有如下有益效果:
本发明公开了一种基于多源数据的医院随访方法,通过对医院内外数据进行生命状态的分析判断,并根据判断获取的数据获得随访数据,避免了人力干预,可自动判断大量患者的生命状态,极大地减少了人工随访中人力的消耗,同时提高了随访的效率,大大加快了随访结果的产出。相比于现有技术,本发明通过多个来源的医疗数据进行自动分析的方式,可以减少与患者直接接触,从而减少因随访而打扰患者的情况的出现,极大地增加了患者的体验感。本发明能够提高随访数据的精确度,有助于科学研究者根据本发明所获得的数据进行有效地研究,进而改善医疗水平。
作为上述方案的改进,所述根据医院内部数据和医院外部数据,生成患者院外的生命状态数据,具体为:通过所述第一信息,分别查询所述省死亡人口信息数据,获得第二死亡数据和第一不确定数据;根据所述第一不确定数据,分别查询医院内部数据,获得第二生存数据和第二不确定数据;其中,所述医院内部数据包括患者的就诊数据;根据所述第二不确定数据,分别查询疫情排查数据,获得第三生存数据和第三不确定数据;根据所述第三不确定数据,分别查询医保数据,获得第四生存数据和第四不确定数据;根据所述第四不确定数据,分别查询历史随访数据,获得第三死亡数据和第五不确定数据;根据所述第二死亡数据、所述第三死亡数据、所述第二生存数据、所述第三生存数据和所述第四生存数据,获得所述第一状态数据;根据所述第四不确定数据和所述第五不确定数据获得所述第二状态数据;对不同来源数据,通过利用专项技术手段,判断生命状态,并结合了漏斗法则,搭建了随访递进层次的模式,将省死亡人口信息数据、疫情排查数据、医保数据、历史随访数据和医院内部数据有机结合,相互验证,提高了生命状态数据的准确度。
作为上述方案的改进,所述根据所述第二不确定数据,分别查询疫情排查数据,获得第三生存数据和第三不确定数据,具体为:获取第二不确定数据对应患者的信息,分别查询疫情排查数据,若在疫情排查数据中存在疫苗接种记录或核酸检测记录,则患者为生存状态,若没有疫苗接种记录和核酸检测记录,则患者为不确定状态,从而获得所述第三生存数据和所述第三不确定数据;在对于使用疫情排查数据中,根据疫苗接种以及核酸检测在国内的大量应用,并通过查询获得的疫苗接种记录和核酸检测记录,判断患者的生存状态,能够提高生命状态数据的可靠性。
作为上述方案的改进,所述通过随访的方式,获取第三状态数据,具体为:根据所述第二状态数据所对应的患者,获取患者的联系方式;根据患者的联系方式,通过机器人智能随访,获取第三状态数据;其中,所述第三状态数据包括第四死亡数据和第五生存数据;在结合了机器人智能随访的基础下,在确定了大部分患者的生命状态之后,对少部分不确定的患者进行机器人智能随访,能够极大程度地降低医务人员的工作量,并提高随访工作的效率。
作为上述方案的改进,所述通过机器人智能随访,获取第三状态数据,具体为:通过机器人智能随访,判断是否联系到所述患者;若是,则根据联系所获的结果,生成第三状态数据;否则,根据患者的联系地址安排人工随访,从而获取第三生存状态数据;在经过了机器人智能随访之后,对于极少部分的无法联系的患者,采取人工随访的形式开展,能够增大随访数据的样本数,从而提高针对随访数据所进行的科学研究的可靠性。
作为上述方案的改进,在所述输出患者的随访数据之后,还包括:根据所述随访数据,分别计算获得每位患者的生存期,并结合每位患者就医期间的治疗方案,进行研究分析;通过随访数据,结合每位患者的疾病种类和时间,能够获得患者的生存期,并通过疾病种类、生存期和就医期间的治疗方案,进行治疗方案的分析和评价,从而根据分析结果进一步改善治疗方案,有利于提高医疗的水平。
作为上述方案的改进,在所述结合每位患者的治疗方案进行研究分析后,还包括:根据所述随访数据,筛选出所述第一生存数据、第二生存数据、第三生存数据、第四生存数据和第五生存数据所对应的患者,并根据患者的疾病种类,推送康复疗养知识;对于随访数据为生存数据的患者,根据患者的疾病类型进行疗养知识的推送,有助于维持患者的身体健康,减小了患者疾病复发的风险。
相应的,本发明一实施例还提供了一种基于多源数据的医院随访装置,包括:第一筛查模块、第二筛查模块和输出模块;
所述第一筛查模块,用于获取用户输入的第一信息,根据医院内部数据和医院外部数据,生成患者院外的生命状态数据;其中,第一信息包括所有患者的身份信息;所述医院外部数据包括:疫情排查数据、医保数据和省死亡人口信息数据;以及所述生命状态数据包括:第一状态数据和第二状态数据;
所述第二筛查模块,用于根据所述生命状态数据,筛选出所述第二状态数据所对应的患者,并通过随访的方式,获取第三状态数据;其中,第三状态数据包括第一生存数据和第一死亡数据;
所述输出模块,用于根据所述第一生存状态数据和所述第三生存状态数据,输出患者的随访数据。
作为上述方案的改进,所述第一筛查模块,包括:第一筛查单元、第二筛查单元、第三筛查单元、第四筛查单元、第五筛查单元和状态数据输出单元;
所述第一筛查单元,用于通过所述第一信息,分别查询所述省死亡人口信息数据,获得第二死亡数据和第一不确定数据;
所述第二筛查单元,用于根据所述第一不确定数据,分别查询医院内部数据,获得第二生存数据和第二不确定数据;其中,所述医院内部数据包括患者的就诊数据;
所述第三筛查单元,用于根据所述第二不确定数据,分别查询疫情排查数据,获得第三生存数据和第三不确定数据;
所述第四筛查单元,用于根据所述第三不确定数据,分别查询医保数据,获得第四生存数据和第四不确定数据;
所述第五筛查单元,用于根据所述第四不确定数据,分别查询历史随访数据,获得第三死亡数据和第五不确定数据;
所述状态数据输出单元,用于根据所述第二死亡数据、所述第三死亡数据、所述第二生存数据、所述第三生存数据和所述第四生存数据,获得所述第一状态数据;根据所述第四不确定数据和所述第五不确定数据获得所述第二状态数据。
作为上述方案的改进,所述根据所述第二不确定数据,分别查询疫情排查数据,获得第三生存数据和第三不确定数据,具体为:获取第二不确定数据对应患者的信息,分别查询疫情排查数据,若在疫情排查数据中存在疫苗接种记录或核酸检测记录,则患者为生存状态,若没有疫苗接种记录和核酸检测记录,则患者为不确定状态,从而获得所述第三生存数据和所述第三不确定数据。
作为上述方案的改进,所述第二筛查模块,包括:随访第一单元和随访第二单元;
所述随访第一单元,用于根据所述第二状态数据所对应的患者,获取患者的联系方式;
所述随访第二单元,用于根据患者的联系方式,通过机器人智能随访,获取第三状态数据;其中,所述第三状态数据包括第四死亡数据和第五生存数据。
作为上述方案的改进,所述通过机器人智能随访,获取第三状态数据,具体为:通过机器人智能随访,判断是否联系到所述患者;若是,则根据联系所获的结果,生成第三状态数据;否则,根据患者的联系地址安排人工随访,从而获取第三生存状态数据。
作为上述方案的改进,在所述输出患者的随访数据之后,还包括:根据所述随访数据,分别计算获得每位患者的生存期,并结合每位患者就医期间的治疗方案,进行研究分析。
作为上述方案的改进,在所述结合每位患者的治疗方案进行研究分析后,还包括:根据所述随访数据,筛选出所述第一生存数据、第二生存数据、第三生存数据、第四生存数据和第五生存数据所对应的患者,并根据患者的疾病种类,推送康复疗养知识。
相应的,本发明一实施例还提供了一种计算机终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如本发明所述的一种基于多源数据的医院随访方法。
相应的,本发明一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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如本发明所述的一种基于多源数据的医院随访方法。
附图说明
图1是本发明一实施例提供的基于多源数据的医院随访方法的流程示意图;
图2是本发明一实施例提供的基于多源数据的医院随访装置的结构示意图;
图3是本发明一实施例提供的生命状态数据判断规则的流程示意图;
图4是本发明一实施例提供的一种终端设备结构示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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。
实施例一
参见图1,图1是本发明一实施例提供的一种X方法的流程示意图,如图1所示,本实施例包括步骤101至步骤103,各步骤具体如下:
步骤101:获取用户输入的第一信息,根据医院内部数据和医院外部数据,生成患者院外的生命状态数据;其中,第一信息包括所有患者的身份信息;所述医院外部数据包括:疫情排查数据、医保数据和省死亡人口信息数据;以及所述生命状态数据包括:第一状态数据和第二状态数据。
在本实施例中,步骤101具体为:根据工作人员输入的患者的身份证号,对预存的医院内部数据和医院外部数据进行比对和查询,而医院内部数据和医院外部数据能够间接反映患者的生存状态,如:有疫苗接种数据的患者为生存等,从而获得确定的生命状态数据(生存或死亡),以及不确定的生命状态数据;医院内部数据根据患者对应的医院自设内部系统提供,而疫情排查数据和省死亡人口信息数据通过访问省卫健委提供的数据服务接口获得,医保数据通过访问省医保局提供的数据服务接口获得来。
作为上述方案的改进,所述根据医院内部数据和医院外部数据,生成患者院外的生命状态数据,具体为:通过所述第一信息,分别查询所述省死亡人口信息数据,获得第二死亡数据和第一不确定数据;根据所述第一不确定数据,分别查询医院内部数据,获得第二生存数据和第二不确定数据;其中,所述医院内部数据包括患者的就诊数据;根据所述第二不确定数据,分别查询疫情排查数据,获得第三生存数据和第三不确定数据;根据所述第三不确定数据,分别查询医保数据,获得第四生存数据和第四不确定数据;根据所述第四不确定数据,分别查询历史随访数据,获得第三死亡数据和第五不确定数据;根据所述第二死亡数据、所述第三死亡数据、所述第二生存数据、所述第三生存数据和所述第四生存数据,获得所述第一状态数据;根据所述第四不确定数据和所述第五不确定数据获得所述第二状态数据。为更好的说明本实施例,采用以下例子进行说明:以某医院2016年首次住院的患者为例,首先查询广东省死亡信息人口数据,获得77.9%的不确定数据和22.1%的死亡数据;对77.9%的不确定数据进行院内就诊信息的判断,若近半年在我院有就诊数据,则判断生存,得到21.9%的确定生存数据和56%的不确定数据;对56%的不确定数据进行疫情相关数据的判断,若近半年内,有核酸采样信息、疫苗接种信息数据则判断为生存,得到25.1%的确定生存数据和30.9%的不确定数据;对30.9%的不确定数据进行医保信息的判断,若返回医保账户正常,则判断生存,得到5.4%的确定生存数据和25.5%的不确定数据;对25.5%的不确定数据进行人工随访数据的判断,若既往人工随访为死亡,则判断死亡,得到6.6%的确定死亡数据和18.9%的不确定数据。
作为上述方案的改进,所述根据所述第二不确定数据,分别查询疫情排查数据,获得第三生存数据和第三不确定数据,具体为:获取第二不确定数据对应患者的信息,分别查询疫情排查数据,若在疫情排查数据中存在疫苗接种记录或核酸检测记录,则患者为生存状态,若没有疫苗接种记录和核酸检测记录,则患者为不确定状态,从而获得所述第三生存数据和所述第三不确定数据。
为更好的说明改进后的方案,请参见图3,本实施例适用于门诊患者和住院患者,在获得患者的身份证号后,查询省死亡信息人口数据,若存在死亡数据则判断为死亡,若不存在死亡数据则进入下一步骤;查询所在医院的半年内就诊数据,若存在就诊数据则判断为生存,若不存在则进入下一步骤;查询省疫情接口数据,若存在半年内核酸检测数据或疫苗接种数据则判断为生存,若不存在则进入下一步骤;查询医保数据,通过访问医保系统返回的数据来判断患者是生存状态还是死亡状态,若院外患者没有医保信息,则进入下一步骤;查询院内随访数据,若半年内有随访数据,则直接获取随访数据。
作为上述方案的改进,通过对过往采集的数据进行校验,获得数据的置信度,广东省死亡人口信息数据涵盖户籍在广东省内死亡数据信息,确定死亡的可信度可达98%-100%,在非死亡患者中,约30%为省外患者,生死状态不明,70%的省内患者基本可以判断为生存,因此非死亡患者判断生存的置信度在70-75%。剩下的步骤通过就诊、疫情、医保等数据进一步确定生存,提高判断其生存的置信度。最后人工随访数据判断为死亡的置信度约90%-95%(通过历史数据验证)。
步骤102:根据所述生命状态数据,筛选出所述第二状态数据所对应的患者,并通过随访的方式,获取第三状态数据;其中,第三状态数据包括第一生存数据和第一死亡数据。
作为上述方案的改进,所述通过随访的方式,获取第三状态数据,具体为:根据所述第二状态数据所对应的患者,获取患者的联系方式;根据患者的联系方式,通过机器人智能随访,获取第三状态数据;其中,所述第三状态数据包括第四死亡数据和第五生存数据。
作为上述方案的改进,所述通过机器人智能随访,获取第三状态数据,具体为:通过机器人智能随访,判断是否联系到所述患者;若是,则根据联系所获的结果,生成第三状态数据;否则,根据患者的联系地址安排人工随访,从而获取第三生存状态数据。
步骤103:根据所述第一状态数据和所述第三状态数据,输出患者的随访数据;
作为上述方案的改进,在所述输出患者的随访数据之后,还包括:根据所述随访数据,分别计算获得每位患者的生存期,并结合每位患者就医期间的治疗方案,进行研究分析。
作为上述方案的改进,在所述结合每位患者的治疗方案进行研究分析后,还包括:根据所述随访数据,筛选出所述第一生存数据、第二生存数据、第三生存数据、第四生存数据和第五生存数据所对应的患者,并根据患者的疾病种类,推送康复疗养知识。
本实施例巧妙应用漏斗法则,构造随访递进层次模式,将院内外数据有机结合,按照模式规则内容,似“漏斗”般层层递进,判断患者生死状态,从而实现无需人力干预,可自动判断超过80%患者的生存和死亡状态的效果,而对于剩下的仅有20%的患者状态不确定需转同时采用机器人智能随访和人工随访,提高了随访效率和随访结果准确度的同时,极大减少了人力的耗费。其次,充分利用院内对接数据,挖掘数据利用价值,创新性的提出随访的大数据整合模式。整合框架灵活,新数据源可灵活嵌入模型,
实施例二
参见图2,图2是本发明一实施例提供的一种基于多源数据的医院随访装置的结构示意图,包括:第一筛查模块201、第二筛查模块202和输出模块203;
所述第一筛查模块201,用于获取用户输入的第一信息,根据医院内部数据和医院外部数据,生成患者院外的生命状态数据;其中,第一信息包括所有患者的身份信息;所述医院外部数据包括:疫情排查数据、医保数据和省死亡人口信息数据;以及所述生命状态数据包括:第一状态数据和第二状态数据;
所述第二筛查模块202,用于根据所述生命状态数据,筛选出所述第二状态数据所对应的患者,并通过随访的方式,获取第三状态数据;其中,第三状态数据包括第一生存数据和第一死亡数据;
所述输出模块203,用于根据所述第一生存状态数据和所述第三生存状态数据,输出患者的随访数据。
作为上述方案的改进,所述第一筛查模块201,包括:第一筛查单元、第二筛查单元、第三筛查单元、第四筛查单元、第五筛查单元和状态数据输出单元;
所述第一筛查单元,用于通过所述第一信息,分别查询所述省死亡人口信息数据,获得第二死亡数据和第一不确定数据;
所述第二筛查单元,用于根据所述第一不确定数据,分别查询医院内部数据,获得第二生存数据和第二不确定数据;其中,所述医院内部数据包括患者的就诊复查数据;
所述第三筛查单元,用于根据所述第二不确定数据,分别查询疫情排查数据,获得第三生存数据和第三不确定数据;
所述第四筛查单元,用于根据所述第三不确定数据,分别查询医保数据,获得第四生存数据和第四不确定数据;
所述第五筛查单元,用于根据所述第四不确定数据,分别查询历史随访数据,获得第三死亡数据和第五不确定数据;
所述状态数据输出单元,用于根据所述第二死亡数据、所述第三死亡数据、所述第二生存数据、所述第三生存数据和所述第四生存数据,获得所述第一状态数据;根据所述第四不确定数据和所述第五不确定数据获得所述第二状态数据。
作为上述方案的改进,所述根据所述第二不确定数据,分别查询疫情排查数据,获得第三生存数据和第三不确定数据,具体为:获取第二不确定数据对应患者的信息,分别查询疫情排查数据,若在疫情排查数据中存在疫苗接种记录或核酸检测记录,则患者为生存状态,若没有疫苗接种记录和核酸检测记录,则患者为不确定状态,从而获得所述第三生存数据和所述第三不确定数据。
作为上述方案的改进,所述第二筛查模块202,包括:随访第一单元和随访第二单元;
所述随访第一单元,用于根据所述第二状态数据所对应的患者,获取患者的联系方式;
所述随访第二单元,用于根据患者的联系方式,通过机器人智能随访,获取第三状态数据;其中,所述第三状态数据包括第四死亡数据和第五生存数据。
作为上述方案的改进,所述通过机器人智能随访,获取第三状态数据,具体为:通过机器人智能随访,判断是否联系到所述患者;若是,则根据联系所获的结果,生成第三状态数据;否则,根据患者的联系地址安排人工随访,从而获取第三生存状态数据。
作为上述方案的改进,在所述输出患者的随访数据之后,还包括:根据所述随访数据,分别计算获得每位患者的生存期,并结合每位患者就医期间的治疗方案,进行研究分析。
作为上述方案的改进,在所述结合每位患者的治疗方案进行研究分析后,还包括:根据所述随访数据,筛选出所述第一生存数据、第二生存数据、第三生存数据、第四生存数据和第五生存数据所对应的患者,并根据患者的疾病种类,推送康复疗养知识。
本实施例通过第一筛查模块对患者的生存状态进行第一次筛查,对获取到的不确定数据,输入至第二筛查模块进行第二次筛查,最后将第一次筛查和第二次筛查的筛查结果汇总输入至输出模块,从而自动得到准确的医院随访数据。通过本实施例的采用,能够提高医院随访的效率和准确度,也能减少打扰医院患者的情况的出现,从而提高医院患者的体验感。
实施例三
参见图4,图4是本发明一实施例提供的终端设备结构示意图。
该实施例的一种终端设备包括:处理器401、存储器402以及存储在所述存储器402中并可在所述处理器401上运行的计算机程序。所述处理器401执行所述计算机程序时实现上述各个基于多源数据的医院随访方法在实施例中的步骤,例如图1所示的基于多源数据的医院随访方法的所有步骤。或者,所述处理器执行所述计算机程序时实现上述各装置实施例中各模块的功能,例如:图2所示的基于多源数据的医院随访装置的所有模块。
另外,本发明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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任一实施例所述的基于多源数据的医院随访方法。
本领域技术人员可以理解,所述示意图仅仅是终端设备的示例,并不构成对终端设备的限定,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,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器301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,所述处理器401是所述终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分。
所述存储器402可用于存储所述计算机程序和/或模块,所述处理器401通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器402内的数据,实现所述终端设备的各种功能。所述存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种基于多源数据的医院随访方法,其特征在于,包括:
获取用户输入的第一信息,根据医院内部数据和医院外部数据,生成患者院外的生命状态数据;其中,第一信息包括所有患者的身份信息;所述医院外部数据包括:疫情排查数据、医保数据和省死亡人口信息数据;以及所述生命状态数据包括:第一状态数据和第二状态数据;
根据所述生命状态数据,筛选出所述第二状态数据所对应的患者,并通过随访的方式,获取第三状态数据;其中,根据所述第二状态数据所对应的患者,获取患者的联系方式,根据患者的联系方式,通过机器人智能随访,获取第三状态数据;以及第三状态数据包括第一生存数据和第一死亡数据;
根据所述第一状态数据和所述第三状态数据,输出患者的随访数据;
其中,所述根据医院内部数据和医院外部数据,生成患者院外的生命状态数据,具体为:通过所述第一信息,分别查询所述省死亡人口信息数据,获得第二死亡数据和第一不确定数据;根据所述第一不确定数据,分别查询医院内部数据,获得第二生存数据和第二不确定数据;其中,所述医院内部数据包括患者的就诊数据;根据所述第二不确定数据,分别查询疫情排查数据,获得第三生存数据和第三不确定数据;根据所述第三不确定数据,分别查询医保数据,获得第四生存数据和第四不确定数据;根据所述第四不确定数据,分别查询历史随访数据,获得第三死亡数据和第五不确定数据;根据所述第二死亡数据、所述第三死亡数据、所述第二生存数据、所述第三生存数据和所述第四生存数据,获得所述第一状态数据;根据所述第四不确定数据和所述第五不确定数据获得所述第二状态数据。
2.根据权利要求1所述的基于多源数据的医院随访方法,其特征在于,所述根据所述第二不确定数据,分别查询疫情排查数据,获得第三生存数据和第三不确定数据,具体为:获取第二不确定数据对应患者的信息,分别查询疫情排查数据,若在疫情排查数据中存在疫苗接种记录或核酸检测记录,则患者为生存状态,若没有疫苗接种记录和核酸检测记录,则患者为不确定状态,从而获得所述第三生存数据和所述第三不确定数据。
3.根据权利要求1所述的基于多源数据的医院随访方法,其特征在于,所述通过机器人智能随访,获取第三状态数据,具体为:
通过机器人智能随访,判断是否联系到所述患者;
若是,则根据联系所获的结果,生成第三状态数据;
否则,根据患者的联系地址安排人工随访,从而获取第三生存状态数据。
4.根据权利要求1所述的基于多源数据的医院随访方法,其特征在于,在所述输出患者的随访数据之后,还包括:根据所述随访数据,分别计算获得每位患者的生存期,并结合每位患者就医期间的治疗方案,进行研究分析。
5.根据权利要求4所述的基于多源数据的医院随访方法,其特征在于,在所述结合每位患者的治疗方案进行研究分析后,还包括:根据所述随访数据,筛选出所述第一生存数据、第二生存数据、第三生存数据、第四生存数据和第五生存数据所对应的患者,并根据患者的疾病种类,推送康复疗养知识。
6.一种基于多源数据的医院随访装置,其特征在于,包括:第一筛查模块、第二筛查模块和输出模块;
所述第一筛查模块,用于获取用户输入的第一信息,根据医院内部数据和医院外部数据,生成患者院外的生命状态数据;其中,第一信息包括所有患者的身份信息;所述医院外部数据包括:疫情排查数据、医保数据和省死亡人口信息数据;以及所述生命状态数据包括:第一状态数据和第二状态数据;
所述第二筛查模块,用于根据所述生命状态数据,筛选出所述第二状态数据所对应的患者,并通过随访的方式,获取第三状态数据;其中,根据所述第二状态数据所对应的患者,获取患者的联系方式,根据患者的联系方式,通过机器人智能随访,获取第三状态数据;以及第三状态数据包括第一生存数据和第一死亡数据;
所述输出模块,用于根据所述第一状态数据和所述第三状态数据,输出患者的随访数据;
其中,所述根据医院内部数据和医院外部数据,生成患者院外的生命状态数据,具体为:通过所述第一信息,分别查询所述省死亡人口信息数据,获得第二死亡数据和第一不确定数据;根据所述第一不确定数据,分别查询医院内部数据,获得第二生存数据和第二不确定数据;其中,所述医院内部数据包括患者的就诊数据;根据所述第二不确定数据,分别查询疫情排查数据,获得第三生存数据和第三不确定数据;根据所述第三不确定数据,分别查询医保数据,获得第四生存数据和第四不确定数据;根据所述第四不确定数据,分别查询历史随访数据,获得第三死亡数据和第五不确定数据;根据所述第二死亡数据、所述第三死亡数据、所述第二生存数据、所述第三生存数据和所述第四生存数据,获得所述第一状态数据;根据所述第四不确定数据和所述第五不确定数据获得所述第二状态数据。
7.一种计算机终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的一种基于多源数据的医院随访方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至5中任意一项所述的一种基于多源数据的医院随访方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210244281.XA CN114582519B (zh) | 2022-03-11 | 2022-03-11 | 一种基于多源数据的医院随访方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210244281.XA CN114582519B (zh) | 2022-03-11 | 2022-03-11 | 一种基于多源数据的医院随访方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114582519A CN114582519A (zh) | 2022-06-03 |
CN114582519B true CN114582519B (zh) | 2022-08-23 |
Family
ID=81780161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210244281.XA Active CN114582519B (zh) | 2022-03-11 | 2022-03-11 | 一种基于多源数据的医院随访方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114582519B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080208914A1 (en) * | 2007-02-27 | 2008-08-28 | Eclinicalworks Llc | Centralized mining of remote medical records databases |
US8962236B2 (en) * | 2013-03-12 | 2015-02-24 | The Chinese University Of Hong Kong | Epigenetic biomarker ADAMTS9 for diagnosis and prognosis of gastric cancer |
CN103310109B (zh) * | 2013-06-24 | 2016-08-10 | 北京工业大学 | 一种患者随访提醒周期自适应调整方法 |
CN108053869B (zh) * | 2017-10-10 | 2021-03-16 | 中山大学肿瘤防治中心 | 一种肿瘤患者放疗进程管理及质量控制方法及系统 |
CN112635068A (zh) * | 2020-11-27 | 2021-04-09 | 北京市肿瘤防治研究所 | 基于医保与死因监测数据的肿瘤现患监测方法及装置 |
CN113113156A (zh) * | 2021-04-16 | 2021-07-13 | 广州中康数字科技有限公司 | 一种基于医疗系统用的智能随访管理系统及方法 |
-
2022
- 2022-03-11 CN CN202210244281.XA patent/CN114582519B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114582519A (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109524070B (zh) | 数据处理方法及装置、电子设备、存储介质 | |
CN111081329A (zh) | 临床数据自动录入方法及装置、电子设备、存储介质 | |
CN110660482A (zh) | 一种基于大数据的中医处方智能推荐系统及其控制方法 | |
CN117238433B (zh) | 基于LibreOffice进行文档数据自动隔离的方法 | |
CN109460433A (zh) | 一种医疗系统大数据单机集成方法及装置 | |
CN111985197A (zh) | 一种基于医疗信息的模板生成方法 | |
CN111863178A (zh) | 发放医疗报告的方法、装置、介质及电子设备 | |
CN112447270A (zh) | 一种用药推荐方法、装置、设备及存储介质 | |
CN114496140B (zh) | 查询条件的数据匹配方法、装置、设备及介质 | |
CN114330272A (zh) | 一种病历模板生成方法、装置、电子设备及存储介质 | |
CN114005498A (zh) | 临床试验数据逻辑核查方法和装置、设备、存储介质 | |
CN114582519B (zh) | 一种基于多源数据的医院随访方法、装置及终端设备 | |
CN117174231A (zh) | 一种智能病历管理系统 | |
CN109522529B (zh) | 提取文档中数据的方法、装置、介质及电子设备 | |
CN111370130A (zh) | 医疗数据的实时处理方法及装置、存储介质、电子设备 | |
CN114093454A (zh) | 一种影像下肢动脉结构化报告书写设计方法和系统 | |
CN110442633B (zh) | 结构化数据生成方法及装置、存储介质及电子设备 | |
CN114564264A (zh) | 数据分析方法、装置、电子设备及存储介质 | |
CN109285599A (zh) | 在医学云基础架构中提供失败参数 | |
CN109545382A (zh) | 一种基于大数据的雷同病例识别方法及计算设备 | |
Clin et al. | Design, implementation and operation of a reading center platform for clinical studies | |
CN111199805B (zh) | 一种基于医疗数据的类型层级提取方法及装置 | |
CN116501904B (zh) | 分布式存储方法、装置、设备及介质 | |
CN111128334B (zh) | 处方生成系统的学习方法、装置、电子设备及存储介质 | |
WO2021199204A1 (ja) | 方法および電子カルテ管理システム |
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 |