CN114664447A - 一种骨质疏松健康风险评估方法及设备 - Google Patents

一种骨质疏松健康风险评估方法及设备 Download PDF

Info

Publication number
CN114664447A
CN114664447A CN202210348875.5A CN202210348875A CN114664447A CN 114664447 A CN114664447 A CN 114664447A CN 202210348875 A CN202210348875 A CN 202210348875A CN 114664447 A CN114664447 A CN 114664447A
Authority
CN
China
Prior art keywords
health
data
medical
health risk
osteoporosis
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
CN202210348875.5A
Other languages
English (en)
Inventor
弓孟春
刘莉
洪娜
肖芦山
沈安
马鹏程
樊俊康
伍成凯
李文源
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.)
Southern Hospital Southern Medical University
Digital Health China Technologies Co Ltd
Original Assignee
Southern Hospital Southern Medical University
Digital Health China Technologies 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 Southern Hospital Southern Medical University, Digital Health China Technologies Co Ltd filed Critical Southern Hospital Southern Medical University
Priority to CN202210348875.5A priority Critical patent/CN114664447A/zh
Publication of CN114664447A publication Critical patent/CN114664447A/zh
Pending legal-status Critical Current

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
    • 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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请提供了一种骨质疏松健康风险评估方法及设备，应用于医疗健康风险评估技术领域，该方法包括：收集自然人群的医疗健康数据；对医疗健康数据进行数据融合处理，得到融合的待评价医疗健康数据；根据预设的健康风险评估模型按照检查指标数据和检查指标数目，对待评价医疗健康数据与预设阈值进行比对，确定健康风险评价结果；根据健康风险评价结果，确定健康风险评估等级；根据健康风险评估的不同等级，确定骨质疏松的健康因素管理方案。本申请有益效果：建立信息化的健康风险评估管理体系是健康管理的核心，利用健康风险评估模型分析出骨质疏松存在健康因素的风险结果，并根据风险结果针对性的对骨质疏松症进行筛查、预防、诊治和管理。

Description

一种骨质疏松健康风险评估方法及设备
技术领域
本申请涉及医疗健康风险评估技术领域，具体而言，涉及一种骨质疏松健康风险评估方法及设备。
背景技术
健康风险评估是通过所收集大量的人员健康信息，分析建立生活方式、环境、遗传和医疗卫生服务等危险因素与健康状态之间的量化关系，预测在一定时间内发生某种特定疾病，如生理疾患或心理疾患或因为某种特定疾病导致死亡的可能性，及对人群中个人健康状况及未来患病或死亡危险性的量化评估，在评估的基础上，进行针对性的有效干预与持续的跟踪服务，降低风险状态，通过维护健康、促进健康方式实现人群健康管理。
健康风险评估是健康管理过程中关键的专业技术部分，是健康管理的核心，而健康信息收集是进行健康风险评估的基础，目前，健康信息收集主要通过专业体检机构进行，采集数据的完整度依赖体检项目的种类和数量，数据的完整性直接影响风险评估结果，此外，体检为当期的独立数据，无法进行长期的数据分析及跟踪服务，干预方案制定及健康管理的效果存在不确定性。
研究表明，我国心脑血管、癌症、慢性呼吸系统疾病、糖尿病等慢性非传染性疾病导致的死亡人数占总死亡人数的88％，不合理膳食等不健康生活方式比较普遍，由此引起的疾病问题日益突出，《“健康中国2030”规划纲要》中要求，全方位干预危险因素、维护全生命周期健康、防控重大疾病，并强调全面深化健康医疗大数据在行业治理、临床和科研、公共卫生、教育培训等领域的应用，培育健康医疗大数据应用新业态。
基于上述情况，对自然人群的医疗数据、居民健康档案、个人端信息等数据进行采集、汇总，利用健康风险评估模型、分析评估出风险结果，并制定针对性健康管理方案，实现自然人群健康风险因素评估管理，本方案以社区自然人群为例，以社区卫生机构健康风险因素评估为应用场景，构建健康管理风险因素评估管理体系，对于实施健康中国行动、提高全民健康水平具有重要的社会意义。
发明内容
有鉴于此，本申请实施例提供了一种骨质疏松健康风险评估方法，收集到自然人群长期的多源的医疗健康数据，根据构建的健康风险评估模型进行骨质疏松健康风险评估，确定健康风险等级，从而针对性的定制每个人的健康管理方案，有助于骨质疏松症的预防及治疗。
第一方面，本申请实施例提供了一种骨质疏松健康风险评估方法，包括：
收集自然人群的医疗健康数据，所述医疗健康数据包含社区医疗卫生电子健康档案信息、社区建档信息及自然人基本信息；
对所述医疗健康数据进行数据融合处理，得到融合的待评价医疗健康数据；
根据预设的健康风险评估模型按照检查指标数据和检查指标数目，对所述待评价医疗健康数据与预设阈值进行比对，确定健康风险评价结果；
根据所述健康风险评价结果，确定健康风险评估等级；
根据所述健康风险评估的不同等级，确定骨质疏松的健康因素管理方案。
结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，收集自然人群的医疗健康数据，包括：
从社区医疗健康服务管理系统中获取电子健康档案信息作为第一医疗健康数据；
从社区居民健康档案系统中获取社区建档信息作为第二医疗健康数据；
根据问卷调查方式收集自然人基本信息作为第三医疗健康数据。
结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第二种可能的实施方式，其中，从社区医疗健康服务管理系统中获取电子健康档案信息，包括：
获取电子健康档案信息的医疗记录数据，所述医疗记录数据包含：门诊全科治疗数据、住院治疗数据、社区预防保健数据、导入医院或医疗机构用药数据和医院或医疗机构数据索引。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第一方面的第三种可能的实施方式，其中，从社区居民健康档案系统中获取社区建档信息，包括：
所述社区建档信息包含健康信息卡数据、体检记录数据、医疗数据和日常健康指标监测。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第一方面的第四种可能的实施方式，其中，根据问卷调查方式收集各自然人基本信息，包括：
所述自然人基本信息包含：自然人姓名、年龄、身份证信息、家庭住址信息、生活习惯信息、生活环境信息、人种信息、既往病史和家族病史。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第一方面的第五种可能的实施方式，其中，对所述医疗健康数据进行数据融合处理，得到融合的待评价医疗健康数据，包括：
对所述医疗健康数据进行数据格式转换，得到统一格式的所述医疗监控数据；
对所述医疗监控数据的数据对象进行融合处理，得到待评价医疗健康数据。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第一方面的第六种可能的实施方式，其中，根据预设的健康风险评估模型按照检查指标数据和检查指标数目，对所述待评价医疗健康数据与预设阈值进行比对，确定健康风险评价结果，包括：
按照诊疗规范、疾病诊疗指南和专家共识，构建健康风险评估模型；
根据构建的所述健康风险评估模型对待评价医疗健康数据进行等级排序处理，得到分层的待评价医疗健康数据；
根据所述健康风险评估模型对分层的待评价医疗健康数据与所述预设阈值进行比对，确定健康风险评价结果。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第一方面的第七种可能的实施方式，其中，根据所述健康风险评价结果，确定健康风险评估等级，包括：
如果所述健康风险评结果超过预设阈值，则确定所述健康风险评估等级为高级；
如果所述健康风险评价结果等于预设阈值，则确定所述健康风险评估等级为中级；
如果所述健康风险评结果低于预设阈值，则确定所述健康风险评估等级为低级。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第一方面的第七种可能的实施方式，其中，根据所述健康风险评估不同等级，确定骨质疏松的健康因素管理方案，包括：
根据所述健康风险评估的不同等级，生成每个自然人全生命周期对应的骨质疏松的健康因素管控方案，其中，所述骨质疏松的健康因素管控方案分为诊断骨质疏松症高危人群的管理方案、诊断骨量低下不伴骨折人群管理的方案和骨量正常人群的管理方案。
第二方面，本申请实施例还提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上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上述权利要求中任一项的骨质疏松健康风险评估方法步骤。
本申请实施例提供的一种骨质疏松健康风险评估方法，与纸质版的健康信息收集档案相比，建立信息化的健康风险评估管理体系是健康管理的核心，利用健康风险评估模型分析出骨质疏松存在健康因素的风险结果，根据风险结果针对性的对骨质疏松症进行筛查、预防、诊治和管理；本方法收集自然人群的医疗健康数据；对医疗健康数据进行数据融合处理，得到融合的待评价医疗健康数据；根据预设的健康风险评估模型按照检查指标数据和检查指标数目，对待评价医疗健康数据与预设阈值进行比对，确定健康风险评价结果；根据健康风险评价结果，确定健康风险评估等级；根据健康风险评估的不同等级，确定骨质疏松的健康因素管理方案。具体来说，采用多源异构方式收集医疗健康数据，包含社区医疗卫生电子健康档案信息、社区建档信息及自然人基本信息，提取医疗健康数据检查指标数据和检查指标数，遍历医疗健康数据中的数据项，实现一个实体类和一个关系数据表的映射，得到待评价医疗健康数据；利用健康风险评估模型对收集的待评价医疗健康数据与预设阈值进行比对，确定健康风险评价结果，对健康风险评价结果进行统计分析，确定健康风险评估等级，根据不同等级，制定骨质疏松的健康因素管理方案。上述方法的有益效果在于，收集到自然人群长期的多源的医疗健康数据，根据构建的健康风险评估模型对骨质疏松症的检查指标数据进行风险等级评估，从而针对性的定制每个人的健康管理方案，有利于骨质疏松人群的大数据收集和数据迭代，全面完整的对多源健康数据进行统计分析，实现骨质疏松人群全生命周期的健康风险因素评估管理，且评估结果更加专业客观，对骨质疏松症的筛查、预防、诊治和管理具有重要意义。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
图1示出了本申请实施例所提供的一种骨质疏松健康风险评估方法的流程图。
图2示出了本申请实施例所提供的一种骨质疏松健康风险评估方法的原理结构示意图。
图3示出了本申请实施例所提供的一种骨质疏松健康风险评估方法中收集医疗健康数据的流程示意图。
图4示出了本申请实施例所提供的一种骨质疏松健康风险评估方法中数据融合的流程示意图。
图5示出了本申请实施例所提供的一种骨质疏松健康风险评估方法中确定健康风险评价结果的流程示意图。
图6示出了本申请实施例所提供的一种骨质疏松健康风险评估方法中确定健康风险评估等级的流程示意图。
图7示出了本申请实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
骨质疏松证(osteoporosis)是最常见的骨骼疾病，是一种以骨量低，骨组织微结构损坏，导致骨脆性增加，易发生骨折为特征的全身性骨病，骨质疏松证性骨折的危害巨大，是老年患者致残和致死的主要原因之一，研究发现髋部骨折后1年之内，20％患者会死于各种并发症，约50％患者致残，生成质量明显下降。
考虑到骨骼疾病对老年患者健康危害巨大；基于此，本申请实施例提供了一种骨质疏松健康风险评估方法，下面通过实施例进行描述。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
图1示出了本申请实施例所提供的一种骨质疏松健康风险评估方法流程示意图；如图1、2所示，具体包括以下步骤：
步骤S10，收集自然人群的医疗健康数据，医疗健康数据包含社区医疗卫生电子健康档案信息、社区建档信息及自然人基本信息。
步骤S10在具体实施时，从社区医疗健康服务管理系统、社区居民档案系统及通过问卷调查方式收集自然人群的医疗健康数据，其中，从社区医疗健康服务管理系统中获取电子健康档案信息的医疗记录数据作为第一医疗健康数据，获取电子健康档案信息的医疗记录数据，及从社区居民健康档案系统中收集社区建档信息作为第二医疗健康数据；以及根据问卷调查方式收集自然人基本信息作为第三医疗健康数据。
步骤S20，对医疗健康数据进行数据融合处理，得到待评价医疗健康数据。
步骤S20在具体实施时，针对不同健康系统的医疗健康数据，提取各项医疗数据记录的检查指标数据的命名规则和检查指标数目，遍历医疗健康数据中的数据项，按照评估数据库的映射规则，对医疗健康数据进行数据融合，得到XML格式的待评价医疗健康数据。
步骤S30，根据预设的健康风险评估模型按照检查指标数据和检查指标数目，对待评价医疗健康数据与预设阈值进行比对，确定健康风险评价结果。
步骤S30在具体实施时，预设的健康风险评估模型采用层次分析法，先对上一级总目标层的医疗健康数据进行等级排序，再对收集的待评价医疗健康数据进行等级分层处理，得到分层的待评价医疗健康数据，按照检查指标数据和检查指标数目与预设阈值进行比对，得到权数作为健康风险评价的比对结果。
步骤S40，根据健康风险评价结果，确定健康风险评估等级。
步骤S40在具体实施时，针对健康风险评价结果的权数进行统计分析，如果权数超过预设阈值，则确定健康风险评估等级为高级，如果权数等于预设阈值，则确定健康风险评估等级为中级，如果权数低于预设阈值，则确定健康风险评估等级为低级。
步骤S50，根据健康风险评估的不同等级，确定骨质疏松的健康因素管理方案。
步骤S50在具体实施时，根据健康风险评估的不同等级，确定每个自然人对应的骨质疏松的健康因素管理方案，健康因素管控方案分为诊断骨质疏松症高危人群的管理方案、诊断骨量低下不伴骨折人群管理的方案和骨量正常人群的管理方案，其中，诊断骨质疏松症高危人群的管理方案包含：药物治疗、跌倒预防、定期随诊和必要时转诊；诊断骨量低下不伴骨折人群管理的方案包含：建立健康档案、生活方式指导、社区系统健康教育、骨健康基本补充剂和定期随访。
在一个可行的实现方案中，图3示出了本申请实施例所提供的一种骨质疏松健康风险评估方法中收集医疗健康数据的流程示意图；上述步骤S10中，收集自然人群的医疗健康数据，包括：
步骤S101，从社区医疗健康服务管理系统中获取电子健康档案信息作为第一医疗健康数据；
步骤S102，从社区居民健康档案系统中获取社区建档信息作为第二医疗健康数据；
步骤S103，根据问卷调查方式收集自然人基本信息作为第三医疗健康数据。
步骤S101、S102、S103在具体实施时，从社区医疗健康服务管理系统中获取电子健康档案信息的医疗记录数据作为第一医疗健康数据，上述医疗记录数据包含：门诊全科治疗数据、住院治疗数据、社区预防保健数据、导入医院或医疗机构用药数据和医院或医疗机构数据索引；及从社区居民健康档案系统中收集社区建档信息作为第二医疗健康数据，社区档案信息包含：健康信息卡数据、体检记录数据、医疗数据和日常健康指标监测；以及根据问卷调查方式收集自然人基本信息作为第三医疗健康数据，自然人基本信息包含：自然人姓名、年龄、身份证信息、家庭住址信息、生活习惯信息、生活环境信息、人种信息、既往病史和家族病史；并将收集的全部医疗健康数据保存至评估数据库中。
在一个可行的实现方案中，图4示出了本申请实施例所提供的一种骨质疏松健康风险评估方法中数据融合的流程示意图；上述步骤S20中，对医疗健康数据进行数据融合处理，得到融合的待评价医疗健康数据，包括：
步骤S201，对医疗健康数据进行数据格式转换，得到统一格式的医疗监控数据。
步骤S202，对医疗监控数据的数据对象进行融合处理，得到待评价医疗健康数据。
步骤S201、S202在具体实施时，获取评估数据库中医疗健康数据，在评估数据库中采用结构化数据格式和命名规则，建立数据库逻辑之间XML映射文件，遍历医疗健康数据中的数据项，实现一个实体类和一个关系数据表的映射，得到统一格式的医疗监控数据，根据XML映射文件规则对医疗健康数据的数据对象进行数据融合，得到XML格式的待评价医疗健康数据。
在一个可行的实现方案中，图5示出了本申请实施例所提供的一种骨质疏松健康风险评估方法中确定健康风险评价结果的流程示意图；上述步骤30中，对待评价医疗健康数据与预设阈值进行比对，确定健康风险评价结果，包括：
步骤S301，按照诊疗规范、疾病诊疗指南和专家共识，构建健康风险评估模型。
步骤S302，根据构建的健康风险评估模型对待评价医疗健康数据进行等级排序处理，得到分层的待评价医疗健康数据。
步骤S303，根据健康风险评估模型对分层的待评价医疗健康数据与预设阈值进行比对，确定健康风险评价结果。
步骤S301、S302、S303在具体实施时，根据诊疗规范、疾病诊疗指南和专家共识的医疗行为规范，构建健康风险评估模型，上述健康风险评估模型采用层次分析法，先对总目标层的医疗健康数据进行等级排序，再对收集的大量待评价医疗健康数据进行等级分层，得到第一级指标层和第二级指标层，根据第一级指标层的各类医疗档案系统进行主次分析，按主要程度依次分为：高风险因子、中风险因子和低风险因子；根据第二级指标层的待评价医疗健康数据，按照检查指标数据和检查指标数目与预设阈值进行比对，得到权数作为健康风险评价的比对结果。
在一个可行的实现方案中，图6示出了本申请实施例所提供的一种骨质疏松健康风险评估方法中确定健康风险评估等级的流程示意图；上述步骤S40中，根据健康风险评价结果，确定健康风险评估等级，包括：
步骤S401，如果健康风险评结果超过预设阈值，则确定健康风险评估等级为高级。
步骤S402，如果健康风险评价结果等于预设阈值，则确定健康风险评估等级为中级。
步骤S403，如果健康风险评结果低于预设阈值，则确定健康风险评估等级为低级。
步骤S401、S402、S403在具体实施时，针对健康风险评价结果的权数进行统计分析，如果比对结果的权数超过预设阈值，则确定健康风险评估等级为高级，如果比对结果的权数等于预设阈值，则确定健康风险评估等级为中级，如果比对结果的权数低于预设阈值，则确定健康风险评估等级为低级。
在一个可行的实现方案中，上述步骤S50中，根据健康风险评估不同等级，确定骨质疏松的健康因素管理方案，包括：
步骤501，根据健康风险评估的不同等级，生成每个自然人全生命周期对应的骨质疏松的健康因素管控方案。
步骤501在具体实施时，根据健康风险评估的不同等级，确定每个自然人对应的骨质疏松的健康因素管理方案，健康因素管控方案分为诊断骨质疏松症高危人群的管理方案、诊断骨量低下不伴骨折人群管理的方案和骨量正常人群的管理方案，其中，诊断骨质疏松症高危人群的管理方案包含：药物治疗、跌倒预防、定期随诊和必要时转诊；诊断骨量低下不伴骨折人群管理的方案包含：建立健康档案、生活方式指导、社区系统健康教育、骨健康基本补充剂和定期随访。
对应于图1中的骨质疏松健康风险评估方法，本申请实施例还提供了一种计算机设备60，图7，如图7所示，该设备包括存储器601、处理器602及存储在该存储器601上并可在该处理器602上运行的计算机程序，其中，上述处理器602执行上述计算机程序时实现上述的方法。
收集自然人群的医疗健康数据，医疗健康数据包含社区医疗卫生电子健康档案信息、社区建档信息及自然人基本信息；
对医疗健康数据进行数据融合处理，得到融合的待评价医疗健康数据；
根据预设的健康风险评估模型按照检查指标数据和检查指标数目，对待评价医疗健康数据与预设阈值进行比对，确定健康风险评价结果；
根据健康风险评价结果，确定健康风险评估等级；
根据健康风险评估的不同等级，确定骨质疏松的健康因素管理方案。
基于上述分析可知，与相关技术传统的纸质化收集健康数据相比，本申请实施例提供的信息化、智能化健康管理风险因素评估管理体系，在数据收集阶段，从社区医疗卫生电子健康档案信息、社区建档信息及自然人基本信息中，收集到自然人群长期多源的全面完整的医疗健康数据；依据诊疗规范、疾病诊疗指南和专家共识的医疗行为规范，建立健康风险评估模型，评估结果更专业客观，由此制定的健康管理方案更具有针对性，可实现社区自然人群全生命周期的健康风险因素评估管理。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本申请提供的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。
功能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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种骨质疏松健康风险评估方法，其特征在于，包括：
收集自然人群的医疗健康数据，所述医疗健康数据包含社区医疗卫生电子健康档案信息、社区建档信息及自然人基本信息；
对所述医疗健康数据进行数据融合处理，得到融合的待评价医疗健康数据；
根据预设的健康风险评估模型按照检查指标数据和检查指标数目，对所述待评价医疗健康数据与预设阈值进行比对，确定健康风险评价结果；
根据所述健康风险评价结果，确定健康风险评估等级；
根据所述健康风险评估的不同等级，确定骨质疏松的健康因素管理方案。
2.根据权利要求1所述的骨质疏松健康风险评估方法，其特征在于，收集自然人群的医疗健康数据，所述医疗健康数据包含社区医疗卫生电子健康档案信息、社区建档信息及自然人基本信息，包括：
从社区医疗健康服务管理系统中获取电子健康档案信息作为第一医疗健康数据；
从社区居民健康档案系统中获取社区建档信息作为第二医疗健康数据；
根据问卷调查方式收集自然人基本信息作为第三医疗健康数据。
3.根据权利要求2所述的骨质疏松健康风险评估方法，其特征在于，从社区医疗健康服务管理系统中获取电子健康档案信息，包括：
获取电子健康档案信息的医疗记录数据，所述医疗记录数据包含：门诊全科治疗数据、住院治疗数据、社区预防保健数据、导入医院或医疗机构用药数据和医院或医疗机构数据索引。
4.根据权利要求2所述的骨质疏松健康风险评估方法，其特征在于，从社区居民健康档案系统中获取社区建档信息，包括：
所述社区建档信息包含健康信息卡数据、体检记录数据、医疗数据和日常健康指标监测。
5.根据权利要求2所述的骨质疏松健康风险评估方法，其特征在于，根据问卷调查方式收集各自然人基本信息，包括：
所述自然人基本信息包含：自然人姓名、年龄、身份证信息、家庭住址信息、生活习惯信息、生活环境信息、人种信息、既往病史和家族病史。
6.根据权利要求1所述的骨质疏松健康风险评估方法，其特征在于，对所述医疗健康数据进行数据融合处理，得到融合的待评价医疗健康数据，包括：
对所述医疗健康数据进行数据格式转换，得到统一格式的所述医疗监控数据；
对所述医疗监控数据的数据对象进行融合处理，得到待评价医疗健康数据。
7.根据权利要求1所述的骨质疏松健康风险评估方法，其特征在于，根据预设的健康风险评估模型按照检查指标数据和检查指标数目，对所述待评价医疗健康数据与预设阈值进行比对，确定健康风险评价结果，包括：
按照诊疗规范、疾病诊疗指南和专家共识，构建健康风险评估模型；
根据构建的所述健康风险评估模型对待评价医疗健康数据进行等级排序处理，得到分层的待评价医疗健康数据；
根据所述健康风险评估模型对分层的待评价医疗健康数据与所述预设阈值进行比对，确定健康风险评价结果。
8.根据权利要求1所述的骨质疏松健康风险评估方法，其特征在于，根据所述健康风险评价结果，确定健康风险评估等级，包括：
如果所述健康风险评结果超过预设阈值，则确定所述健康风险评估等级为高级；
如果所述健康风险评价结果等于预设阈值，则确定所述健康风险评估等级为中级；
如果所述健康风险评结果低于预设阈值，则确定所述健康风险评估等级为低级。
9.根据权利要求1所述的骨质疏松健康风险评估方法，其特征在于，根据所述健康风险评估不同等级，确定骨质疏松的健康因素管理方案，包括：
根据所述健康风险评估的不同等级，生成每个自然人全生命周期对应的骨质疏松的健康因素管控方案，其中，所述骨质疏松的健康因素管控方案分为诊断骨质疏松症高危人群的管理方案、诊断骨量低下不伴骨折人群管理的方案和骨量正常人群的管理方案。
10.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至9中任一项所述方法的步骤。
CN202210348875.5A 2022-04-01 2022-04-01 一种骨质疏松健康风险评估方法及设备 Pending CN114664447A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210348875.5A CN114664447A (zh) 2022-04-01 2022-04-01 一种骨质疏松健康风险评估方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210348875.5A CN114664447A (zh) 2022-04-01 2022-04-01 一种骨质疏松健康风险评估方法及设备

Publications (1)

Publication Number Publication Date
CN114664447A true CN114664447A (zh) 2022-06-24

Family

ID=82032775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210348875.5A Pending CN114664447A (zh) 2022-04-01 2022-04-01 一种骨质疏松健康风险评估方法及设备

Country Status (1)

Country Link
CN (1) CN114664447A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116631618A (zh) * 2023-04-28 2023-08-22 南方医科大学南方医院 骨质疏松风险监测系统、方法、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116631618A (zh) * 2023-04-28 2023-08-22 南方医科大学南方医院 骨质疏松风险监测系统、方法、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US7917377B2 (en) Patient data mining for automated compliance
Aronsky et al. Assessing the quality of clinical data in a computer-based record for calculating the pneumonia severity index
Chen et al. Identifying patients in target customer segments using a two-stage clustering-classification approach: A hospital-based assessment
Barak-Corren et al. Early prediction model of patient hospitalization from the pediatric emergency department
JP2008532104A (ja) 複数の医療関連アウトカムの予測を行い、インターベンション計画の評価を行い、更に同時にバイオマーカー因果性検証を行うことのできる、予測モデルを生成して適用する方法、そのシステム、及びそのコンピュータ・プログラム製品
JP7430295B2 (ja) 個体慢性疾患進行リスク可視化評価方法及びシステム
Hunter-Zinck et al. Predicting emergency department orders with multilabel machine learning techniques and simulating effects on length of stay
JP2018170004A (ja) 新規患者の挙動を予測するためのシステムおよび方法
Barnato et al. Value and role of intensive care unit outcome prediction models in end-of-life decision making
KR101565331B1 (ko) 패턴을 이용한 의료정보 분석시스템 및 방법
Séverac et al. Non-redundant association rules between diseases and medications: an automated method for knowledge base construction
US20170364646A1 (en) Method and system for analyzing and displaying optimization of medical resource utilization
CN114664447A (zh) 一种骨质疏松健康风险评估方法及设备
CN113903439A (zh) 基于大数据的医院运营分析系统
Brazier et al. Identifying and reviewing health state utility values for populating decision models
Wang et al. Nationwide hospital admission data statistics and disease-specific 30-day readmission prediction
Morrissey et al. Outcomes from the national high secure learning disability service: findings and challenges
Kaushik et al. Disease management: clustering–based disease prediction
Polanczyk et al. Quality measures in heart failure: The past, the present, and the future
Teichmann et al. Data preparation for clinical data mining to identify patients at risk of readmission
Bernet et al. Potential of Electronic Medical Record Data for National Quality Measurement
Demir et al. Profiling hospitals based on emergency readmission: A multilevel transition modelling approach
Alghamdi Health data warehouses: reviewing advanced solutions for medical knowledge discovery
Gauthier et al. Challenges to building a platform for a breast cancer risk score
Birov et al. MAFEIP User Guide

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