CN114944210A - 数据处理方法及装置、计算机可读存储介质、电子设备 - Google Patents
数据处理方法及装置、计算机可读存储介质、电子设备 Download PDFInfo
- Publication number
- CN114944210A CN114944210A CN202210460490.8A CN202210460490A CN114944210A CN 114944210 A CN114944210 A CN 114944210A CN 202210460490 A CN202210460490 A CN 202210460490A CN 114944210 A CN114944210 A CN 114944210A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- dimension
- index
- query request
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 35
- 238000013507 mapping Methods 0.000 claims abstract description 81
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims description 59
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012827 research and development Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 201000010099 disease Diseases 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 238000007619 statistical method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor 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
- 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
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- 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
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开属于医疗数据处理领域,涉及一种数据处理方法及装置、存储介质、电子设备。该方法包括:获取数据查询请求;其中,数据查询请求中携带着数据指标标识以及与数据指标标识对应的数据维度;根据数据指标标识与数据源之间的第一映射关系,确定目标数据源;根据数据维度与目标数据源中目标字段的第二映射关系,查询出与数据查询请求对应的目标数据。本公开中,由于存在数据指标标识和数据源之间的第一映射关系以及数据维度和目标数据源中目标字段的第二映射关系,满足了任何一种数据查询请求,避免了现有技术针对于新增的数据源或者变动的数据查询请求需要重新统计计算得出目标数据的情况发生,节省了研发成本。
Description
技术领域
本公开涉及医疗数据处理领域,尤其涉及一种数据处理方法与数据处理装置、计算机可读存储介质及电子设备。
背景技术
随着医疗行业的不断发展,医疗统计中涉及的信息化数据越来越多,进而统计涉及的数据源形式也变的多种多样,因此,如何对不同的数据源进行统计分析是医疗行业中的一大研究课题。
在相关技术中,一般会针对单一数据源进行汇总统计形成统计结果,在这种处理方式下,一旦出现新增的数据源,需要对新增的数据源进行重新统计,导致研发成本的增加,除此之外,仅针对单一数据源进行汇总统计,随着数据源的增多会增加统计的复杂度,进而导致出现不可预知的错误。
鉴于此,本领域亟需开发一种新的数据处理方法及装置。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种数据处理方法、数据处理装置、计算机可读存储介质及电子设备,进而至少在一定程度上克服由于相关技术导致的研发成本高以及统计复杂度高的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本发明实施例的第一个方面,提供一种数据处理方法,所述方法包括:获取数据查询请求;其中,所述数据查询请求中携带着数据指标标识以及与所述数据指标标识对应的数据维度;根据所述数据指标标识与数据源之间的第一映射关系,确定目标数据源;根据所述数据维度与所述目标数据源中目标字段的第二映射关系,查询出与所述数据查询请求对应的目标数据。
在本发明的一种示例性实施例中,所述获取数据查询请求之前,所述方法还包括:获取数据指标名称以及数据库/表,并创建与所述数据指标名称对应的数据指标标识和所述数据库/表之间的第一映射关系;获取数据维度,并提取所述数据库/表中的数据字段,以创建所述数据字段与数据维度之间的第二映射关系;创建所述数据指标名称与所述数据维度之间的第三映射关系,并将所述数据指标名称以及所述数据维度发送至客户端,以显示具有所述第三映射关系的所述数据指标名称和所述数据维度。
在本发明的一种示例性实施例中,所述数据指标标识的个数为一个;所述获取数据查询请求,包括:若获取的所述数据指标标识的个数为一个,基于所述第三映射关系,确定与一个所述数据指标名称对应的所述数据维度,以显示所述数据维度;其中,所述数据指标名称与所述数据指标标识对应;获取携带着所述第一数据维度以及一个所述数据指标标识的数据查询请求;其中,所述第一数据维度为所述数据维度中的一个或多个维度。
在本发明的一种示例性实施例中,所述数据查询请求中还携带着过滤条件;所述方法还包括:确定与所述第一数据维度对应的所述过滤条件,以显示所述过滤条件;获取携带着所述第一数据维度、一个所述数据指标标识以及目标过滤条件的数据查询请求;其中,所述目标过滤条件是所述过滤条件中的一个或多个条件。
在本发明的一种示例性实施例中,数据指标标识的个数为多个;所述获取数据查询请求,包括:若获取的所述数据指标标识的个数为多个,基于所述第三映射关系,确定与多个所述数据指标名称分别对应的多个数据维度;其中,多个所述数据指标名称分别与多个所述数据指标标识对应;求多个所述数据维度的交集得到交集数据维度,以显示所述交集数据维度;获取携带着第二数据维度和多个所述数据指标标识的数据查询请求,其中,所述第二数据维度为所述交集数据维度中的一个或多个维度。
在本发明的一种示例性实施例中,所述数据查询请求中还携带着过滤条件;所述方法还包括:确定所述第二数据维度在多个数据源中的多个第一过滤条件,并求多个所述第一过滤条件的并集得到并集过滤条件,以显示所述并集过滤条件;其中,多个所述数据源与多个所述数据指标标识分别对应;获取携带着所述第二数据维度、多个所述数据指标标识以及目标过滤条件的数据查询请求;其中,所述目标过滤条件是所述并集过滤条件中的一个或多个条件。
在本发明的一种示例性实施例中,查询出与所述数据查询请求对应的目标数据,包括:确定与所述目标数据源对应数据源类型,并确定与所述数据源类型对应的查询方式;利用所述查询方式,查询所述目标数据源的所述目标字段,以得到待过滤数据;其中,所述数据源与所述数据指标标识对应;根据所述目标过滤条件对所述待过滤数据进行过滤处理,得到目标数据。
根据本发明实施例的第二个方面,提供一种数据处理装置,所述装置包括:获取模块,被配置为获取数据查询请求;其中,所述数据查询请求中携带着数据指标标识以及与所述数据指标标识对应的数据维度;确定模块,被配置为根据所述数据指标标识与数据源之间的第一映射关系,确定目标数据源;查询模块,被配置为根据所述数据维度与所述目标数据源中目标字段的第二映射关系,查询出与所述数据查询请求对应的目标数据。
根据本发明实施例的第三个方面,提供一种电子设备,包括:处理器和存储器;其中,存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现上述任意示例性实施例的数据处理方法。
根据本发明实施例的第四个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意示例性实施例中的数据处理方法。
由上述技术方案可知,本发明示例性实施例中的数据处理方法、数据处理装置、计算机存储介质及电子设备至少具备以下优点和积极效果:
在本公开的示例性实施例提供的方法及装置中,由于存在数据指标标识和数据源之间的第一映射关系以及数据维度和目标数据源中目标字段的第二映射关系,一方面,满足了任何一种数据查询请求,避免了现有技术对于变动的数据查询请求需要重新统计计算得出目标数据的情况发生,节省了研发成本;另一方面,不需要预先对单一数据源进行统计,降低了统计不同数据源中数据的复杂度,并且随着数据源的增加,也不需要重对新增的数据源进行统计,降低了目标数据的查询复杂度,医生了目标数据的查询效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出相关技术中针对单一数据源进行汇总统计得到统计结果的流程示意图;
图2示意性示出了本公开实施例中数据处理方法的流程示意图;
图3示意性示出了本公开实施例中获取数据查询请求之前的流程示意图;
图4示意性示出了本公开实施例中一种界面配置数据指标和数据维度的界面示意图;
图5示意性示出了本公开实施例中显示在终端的界面示意图;
图6示意性示出了本公开实施例中获取数据查询请求的流程示意图;
图7示意性示出了本公开实施例中显示在终端的界面示意图;
图8示意性示出了本公开实施例中获取数据查询请求的流程示意图;
图9示意性示出了本公开实施例中统计数据过程中的界面示意图;
图10示意性示出了本公开实施例中获取数据查询请求的流程示意图;
图11示意性示出了本公开实施例中获取数据查询请求的流程示意图;
图12示意性示出了本公开实施例中查询出与数据查询请求对应的目标数据的流程示意图;
图13示意性示出本公开实施例中应用场景下数据处理方法的流程示意图;
图14示意性示出本公开实施例中一种数据处理装置的结构示意图;
图15示意性示出本公开实施例中一种用于数据处理方法的电子设备;
图16示意性示出本公开实施例中一种用于数据处理方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等;用语“第一”和“第二”等仅作为标记使用,不是对其对象的数量限制。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。
图1示出了相关技术中针对单一数据源进行汇总统计得到统计结果的流程示意图,如图1所示,其中,数据源110表示小型关系型数据,具体地,该小型关系型数据可以是Excle(一种记录数据的表格),数据源120表示关系型数据库,具体地,该关系型数据库可以是MySQL,可以是Oracle,还可以是SQL Server,数据源130表示文档型数据库,具体地,该数据源可以是基于大数据的Hive(一种数据仓库工具),可以是基于大数据的Spark(大数据处理框架),还可以是基于大数据的Presto(一种查询引擎)。
中间件140用作存储统计结果,具体地,中间件140可以为关系型数据库MySQL,存储的统计结果包括对数据源110进行统计分析后得到的结果、对数据源120进行统计分析后得到的结果以及对数据源130进行统计分析所得到的结果,其中,由于上述数据源110、数据源120以及数据源130是不同的数据源,因此,针对于数据源110进行统计的方式为第一方式,针对数据源120进行统计的方式为第二方式,针对数据源130进行统计的方式为第三方式。在将与上述三种数据源分别对应的统计结果存储至中间件140之后,对存储的数据进行统计聚合,进而得到数据150统计结果。
显然,在相关技术中,数据统计是针对于每一个数据源单独进行的,并没有形成一个适用于所有数据源的数据统计方法,无法满足统计中数据源的多样性,当出现新增的数据源时,需要对新增的数据源进行单独统计,当改变统计需求时,则需要对上述不同数据源进行重新统计,提高了研发成本。
针对相关技术中存在的问题,本公开提出了一种数据处理方法。图2示出了数据处理方法的流程示意图,如图2所示,数据处理方法至少包括以下步骤:
步骤S210.获取数据查询请求;其中,数据查询请求中携带着数据指标标识以及与数据指标标识对应的数据维度。
步骤S220.根据数据指标标识与数据源之间的第一映射关系,确定目标数据源。
步骤S230.根据数据维度与目标数据源中目标字段的第二映射关系,查询出与数据查询请求对应的目标数据。
在本公开的示例性实施例提供的方法及装置中,由于存在数据指标标识和数据源之间的第一映射关系以及数据维度和目标数据源中目标字段的第二映射关系,一方面,满足了任何一种数据查询请求,避免了现有技术对于变动的数据查询请求需要重新统计计算得出目标数据的情况发生,节省了研发成本;另一方面,不需要预先对单一数据源进行统计,降低了统计不同数据源中数据的复杂度,并且随着数据源的增加,也不需要重对新增的数据源进行统计,降低了目标数据的查询复杂度,医生了目标数据的查询效率。
下面对数据处理方法的各个步骤进行详细说明。
在步骤S210中,获取数据查询请求;其中,数据查询请求中携带着数据指标标识以及与数据指标标识对应的数据维度。
在本公开的示例性实施例中,数据查询请求指的是从数据源中查找出目标数据的请求,并且,该数据查询请求中还携带着数据指标标识以及与数据指标标识对应的数据维度,其中,数据指标标识指的是一种描述数据指标的标识信息,一种数据指标只与某一种数据源对应,例如数据源1是一个Excle表格,并且该表格中存在可以被统计的1门诊人次数,进而数据指标可以为1门诊人次数,对应的,存在与该数据指标对应的数据指标标识1-1。
数据维度指的是数据指标中记录可以被观察的数据,例如若数据指标为1门诊人次数,则在该数据指标中记录着1门诊中的患者姓名、患者性别、患者年纪以及患者所患疾病,此时,患者姓名、患者性别、患者年纪以及患者所患疾病均属于与数据指标1门诊人次数对应的数据维度,即与数据指标标识1-1对应的数据维度。
举例而言,获取数据查询请求,其中,在数据查询请求中携带着数据指标标识1-1以及与数据指标标识1-1对应的数据维度“患者姓名”。
在可选的实施例中,图3示出了数据处理方法中获取数据查询请求之前的流程示意图,如图3所示,该方法至少包括以下步骤:在步骤S310中,获取数据指标名称以及数据库/表,并创建与数据指标名称对应的数据指标标识和数据库/表之间的第一映射关系。
其中,在按照数据查询请求查询对应的数据源中的目标数据时,需要实现数据指标以及数据维度的配置,在进行数据指标以及数据维度配置之前,可以预先将多种数据源抽象为库、表以及字段,具体地,将小型关系型数据Excle本身、关系型数据中的database数据库以及文档型数据库中的数据库对象的集合统一看作是库,将小型关系数据库中的表、关系型数据库中的表以及文档型数据库中特定对象统一看做为表,数据源中的字段统一看做为字段。
除此之外,还需要对数据指标、数据维度进行统一定义,其中,数据维度可以看做是表中的待观察数据字段,例如可以是住院日期、医院、科室、性别、姓名、所患疾病等,数据指标可以看做是表中可以被统计的字段,如门诊人次,住院人次等。
基于此,数据库/表即为待配置的库/表,并且该库/表与某一个数据源对应,数据指标名称为配置给数据库/表的指标名称信息,进而为与数据指标名称对应的数据指标标识和数据库/表之间创建第一映射关系,以完成上述配置过程。
举例而言,图4示出了一种界面配置数据指标和数据维度的界面示意图,如图4所示,其中,输入框410中可以输入数据指标名称,输入框420中可以输入数据库/表,输入框430中可以输入数据维度,数据框440中可以输入数据字段,控件450为确定控件,当配置人员触控控件450时,将获取到数据指标名称以及数据库/表,进而创建与数据指标名称对应的数据指标标识和数据库/表之间的第一映射关系。
在步骤S320中,获取数据维度,并提取数据源中的数据字段,以创建数据字段与数据维度之间的第二映射关系。
其中,数据维度指的是为数据库/表中的数据字段配置的维度信息,由于数据库/表中存在字段,进而可以对数据库/表中的字段进行提取得到数据字段,基于此,创建数据字段与数据维度之间的第二映射关系。
举例而言,当配置人员触控控件450时,可以获取到数据维度gender以及数据字段sex,进而创建数据字段sex与数据维度gender之间的第二映射关系。
除此之外,在图4中也可以显示与数据指标含义对应的输入框,用于描述该数据指标名称所代表的意义,还可以显示与数据格式对应的输入框,用于限定与数据指标名称对应的数据的格式,还可以显示与限定数据指标名称对应的数据指标的合理范围的输入框,还可以显示用于限定数据指标的指标单位的输入框,还可以显示限定数据源的来源的输入框,还可以显示用于过滤与目标字段对应的数据的过滤条件的输入框,还可以显示输入统计语言的输入框,还可以显示用于确定数据详情的输入框,本示例性实施例对此不做特殊限定。
在步骤S330中,创建数据指标名称与数据维度之间的第三映射关系,并将数据指标名称以及数据维度发送至客户端,以显示具有第三映射关系的数据指标名称和数据维度。
其中,在创建出第一映射关系和第二映射关系的基础上,还可以创建数据指标名称与数据维度之间的第三映射关系,并将数据指标名称和数据维度显示,以告知用户上述数据维度是与上述数据指标名称对应的维度。
举例而言,图5示意性示出了显示在终端的界面示意图,如图5所示,其中,界面510为显示在终端中的界面,指标520,用于提示该指标下方的方框530中显示的是数据指标名称540,显示在方框530中的数据指标名称540为经过步骤S310、步骤S320以及步骤S330后得到的数据指标名称,控件550为确认控件,当用户触控控件550时将获取到数据查询请求。
维度560,用于提示该维度下方的方框570中显示的是与数据指标名称540具有第三映射关系的所有数据维度580。
在本示例性实施例中,在获取数据查询请求之前,创建了数据指标标识与数据库/表之间的第一映射关系,还创建了数据字段与数据维度之间的第二映射关系,还创建了数据指标名称与数据维度之间的第三映射关系,一方面,不论后续增加何种数据源,都可以快速创建出第一映射关系、第二映射关系以及第三映射关系,进而提高了后续查询出目标数据的效率;另一方面,不论后续对数据查询请求如何更改,都避免了现有技术中,需要对不同的数据源进行重新统计的情况的发生,降低了研发成本,提高了查询出目标数据的效率。
在可选的实施例中,图6示出了数据处理方法中获取数据查询请求的流程示意图,数据指标标识的个数为一个,如图6所示,该方法至少包括以下步骤:在步骤S610中,若获取的数据指标标识的个数为一个,基于第三映射关系,确定与一个数据指标名称对应的数据维度,以显示数据维度;其中,数据指标名称与数据指标标识对应。
其中,由于会把具有第三映射关系的所有数据指标名称都显示,进而获取到的数据查询请求中可能存在与一个数据指标名称对应的数据指标标识,也可能存在与多个数据指标名称对应的数据指标标识。
举例而言,图7示意性示出了显示在终端的界面示意图,如图7所示,其中,用户可以触控数据指标名称540,此时在位置710处将显示被触控的数据指标名称,进而获取到与该数据指标名称540对应的数据指标标识,用户也可以将显示的数据指标名称540拖拽至位置710处,此时将也可以获取到与被触控的数据指标名称540对应的数据指标标识,若此时获取的数据指标标识的个数为一个,则基于第三映射关系,确定出与这一个数据指标名称对应的数据维度720,并将数据维度720显示在方框570中,值得说明的是,此时,方框570中显示的不再是与所有数据指标标识分别对应的数据维度,而是只显示与获取到的一个数据指标标识对应的数据维度720。
在步骤S620中,获取携带着第一数据维度以及一个数据指标标识的数据查询请求;其中,第一数据维度为数据维度中的一个或多个维度。
其中,第一数据维度是数据维度中的一个或多个。
举例而言,显示出的数据维度有“科室”、“疾病”、“医生”等,若用户触控“科室”这一数据维度,该数据维度就是第一数据维度,进而获取到携带着“科室”这一数据维度和一个数据指标标识1-1的数据查询请求,若用户触控“疾病”以及“医生”这个两个数据维度,则第一数据维度包括“疾病”数据维度和“医生”数据维度,进而获取到携带着“医生”第一数据维度、“疾病”第一数据维度以及一个数据指标标识1-1的数据查询请求。
在本示例性实施例中,当数据指标标识为一个时,可以在终端显示出与这一个数据指标标识对应的数据指标名称,还可以显出与这一个数据指标名称具有第三映射关系的数据维度,进而获取到包括了第一数据维度和一个数据指标标识的数据查询请求,用户可以更加清晰的知道数据维度与数据指标标识之间的第三映射关系,进而提升了后续发出数据查询请求的便利性。
在可选的实施例中,图8示出了数据处理方法中获取数据查询请求的流程示意图,数据查询请求中还携带着过滤条件,如图8所示,该方法至少包括以下步骤:在步骤S810中,确定与第一数据维度对应的过滤条件,以显示过滤条件。
其中,数据查询请求中还可以携带过滤条件,过滤条件是用于对数据进行筛选的条件,并且,过滤条件可以是根据第一数据维度确定出的,例如,第一数据维度为“疾病”,则过滤条件可以是“心血管内科”,可以是“内分泌科”,还可以是“神经内科”,还可以是任何一个在医院中存在的科室,本示例性实施例对此不做特殊限定,进而将这些过滤条件显示出来。
举例而言,图9示意性示出了统计数据过程中的界面示意图,如图9所示,其中,当用户触控方框570中的某个数据维度720时,则被触控的数据维度720即为第一数据维度,此时在方框910中显示与第一数据维度对应的过滤条件920。
在步骤S820中,获取携带着第一数据维度、一个数据指标标识以及目标过滤条件的数据查询请求;其中,目标过滤条件是过滤条件中的一个或多个条件。
其中,目标过滤条件为显示出的过滤条件中的一个或多个,例如,如图9所示,若用户触控显示在方框910中的第一个过滤条件,则该过滤条件即为目标过滤条件,进而当用户触控确定控件550时,会获取到携带着第一数据维度、一个数据指标标识以及目标过滤条件的数据查询请求。
在本示例性实施例中,还可以显示出与第一数据维度对应的过滤条件,进而可以在过滤条件中确定出目标过滤条件,以满足用户查询目标数据的需求,提高了用户查询目标数据的体验度。
在可选的实施例中,图10示出了数据处理方法中获取数据查询请求的流程示意图,数据指标标识的个数为多个,如图10所示,该方法至少包括以下步骤:在步骤S1010中,若获取的数据指标标识的个数为多个,基于第三映射关系,确定与多个数据指标名称分别对应的多个数据维度;其中,多个数据指标名称分别与多个数据指标标识对应。
其中,数据指标标识的个数也可能为多个,例如,如图5所示,当用户触控方框530中的多个数据指标名称540时,就会获取到分别与多个数据指标名称对应的多个数据指标标识,此时,基于第三映射关系,将会确定出与多个数据指标名称对应的多个数据维度,例如,数据指标名称为“1门急诊人次数”和“3门急诊人次数”,进而可以获取到多个数据指标标识,具体地,多个数据指标标识分别为与“1门急诊人次数”对应的1-1和与“3门急诊人次数”对应的1-2,基于此,基于第三映射关系,可以确定出与“1门急诊人次数”对应的数据维度A-1以及与“3门急诊人次数”对应的数据维度B-1。
在步骤S1020中,求多个数据维度的交集得到交集数据维度,以显示交集数据维度。
其中,交集数据维度指的是在多个数据维度中都存在的维度,在确定出交集数据维度后将交集数据维度显示。
举例而言,多个数据维度包括数据维度A-1和数据维度B-1,具体地,数据维度A-1中包括“科室”、“特殊病例”、“患者姓名”以及“时间”这4个数据维度,在数据维度B-1中包括“科室”、“医生”、“患者姓名”、“时间”以及“就诊类型”这5个数据维度,基于此,交集数据维度为“科室”、“患者姓名”、“时间”这3个数据维度,进而将这3个数据维度显示在图9中的方框570中。
在步骤S1030中,获取携带着第二数据维度和多个数据指标标识的数据查询请求,其中,第二数据维度为交集数据维度中的一个或多个维度。
其中,第二数据维度是交集数据维度中的一个或多个,进而可以获取到携带着第二数据维度、多个数据指标标识的数据查询请求。
举例而言,交集数据维度为“科室”、“患者姓名”、“时间”这3个数据维度,当用户触控“科室”这个数据维度时,第二数据维度就是“科室”,进而可以获取到数据指标标识1-1、数据指标标识1-2以及第二数据维度“科室”。
在本示例性实施例中,当获取到多个数据指标标识时,基于第三映射关系显示多个数据维度,并且需要求这多个数据维度的交集,完善了确定第二数据维度的逻辑,避免出现数据维度确定错误的情况发生。
在可选的实施例中,图11示出了数据处理方法中获取数据查询请求的流程示意图,数据查询请求中还携带着过滤条件,如图11所示,该方法至少包括以下步骤:在步骤S1110中,确定第二数据维度在多个数据源中的多个第一过滤条件,并求多个第一过滤条件的并集得到并集过滤条件,以显示并集过滤条件;其中,多个数据源与多个数据指标标识分别对应。
其中,数据查询请求中还携带着过滤条件,多个第一过滤条件指的是第二数据维度在多个不同数据源中的过滤条件,并且,在确定出多个第一过滤条件之后,需要对多个第一过滤条件求并集得到并集过滤条件,并将并集过滤条件显示。
举例而言,第二数据维度为“科室”这一数据维度,并且,存在与两个数据指标标识对应的两个数据源,具体地,这两个数据源分别为数据源a和数据源b,进而,可以确定出“科室”这一数据维度在数据源a中的第一过滤条件为“A科室”、“B科室”以及“C科室”,“科室”这一数据维度在数据源b中的第一过滤条件为“B科室”、“C科室”以及“D科室”,进而对上述多个第一过滤条件求并集可以得到并集过滤条件,具体地,并集过滤条件包括“A科室”、“B科室”、“C科室”以及“D科室”,基于此,可以将并集过滤条件显示在图9的方框910中。
在步骤S1120中,获取携带着第二数据维度、多个数据指标标识以及目标过滤条件的数据查询请求;其中,目标过滤条件是并集过滤条件中的一个或多个条件。
其中,目标过滤条件指的是并集过滤条件中的一个或多个,进而可以获取到携带着第二数据维度、多个数据指标标识以及目标过滤条件的数据查询请求。
举例而言,如图9,可以将并集过滤条件包括“A科室”、“B科室”、“C科室”以及“D科室”显示在方框910中,目标过滤条件可以是被用户触控的“A科室”以及“B科室”,进而当用户触控确认控件550是,可以获取到携带着第二数据维度、多个数据指标标识以及目标过滤条件的数据查询请求。
在本示例性实施例中,若第二数据维度属于交集数据维度中的一个或多个,则需要确定第二数据维度在多个数据源中的第一过滤条件,进而对第一过滤条件求并集得到并集过滤条件,从而完善了确定目标过滤条件的过程,避免了遗漏过滤条件而导致无法满足后续数据查询需求的情况发生。
在步骤S220中,根据数据指标标识与数据源之间的第一映射关系,确定目标数据源。
在本公开的示例性实施例中,当获取到数据查询需求后,根据已经建立的数据指标标识与数据源之间的第一映射关系,可以确定出目标数据源,即与数据查询请求中的数据指标标识存在第一映射关系的数据源。
举例而言,获取到数据查询请求,并且,该数据查询请求中携带着数据指标标识1-9,此时可以根据第一映射关系,确定出与数据指标标识1-9对应的目标数据源为xxxxx.xxx。
在本示例性实施例中,不论对数据查询需求如何更改,都可以根据创建的第一映射关系,确定出与数据查询请求中携带着的数据指标标识对应的目标数据源,一方面,提高了后续查询出目标数据的效率,另一方面,该查询过程适用于任何一种数据源,进而还可以满足不同的数据查询请求。
在步骤S230中,根据数据维度与目标数据源中目标字段的第二映射关系,查询出与数据查询请求对应的目标数据。
在本公开的示例性实施例中,基于创建好的第二映射关系,可以在目标数据源中确定出与数据维度对应的目标字段,进而属于该目标字段的数据即为目标数据。
具体地,在查询目标数据的过程中,针对于不同的目标数据源具有不同的查询方式,具体地,针对于小型关系型数据,按照查询表的形式对其进行查询,进而将查询出与目标字段对应数据作为目标数据a,针对于关系型数据库,可以利用与关系型数据库对应的驱动程序查询出与目标字段对应的目标数据b,针对于文档型数据库,可以利用与该数据源对应的驱动程序查询出与目标字段对应的目标数据c。
在得到目标数据a、目标数据b以及目标数据c之后,可以对目标数据a、目标数据b以及目标数据c进行统计,具体地,可以是对目标数据a、目标数据b以及目标数据c的个数进行求和,也可以是对目标数据a、目标数据b以及目标数据c的个数进行其他的计算,本示例性实施例对此不做特殊限定,最后将统计出的结果显示在客户端。
举例而言,目标数据源为一个表A,则对表A中的每一列进行解析,进而得到与数据维度“性别”对应的目标字段sex,以将表中与sex这一目标字段对应的数据作为与数据查询请求对应的目标数据,在确定出目标数据之后,还可以对目标字段sex的值为女的目标数据的个数进行统计,并将该统计结果显示在客户端中。
在可选的实施例中,图12示出了数据处理方法中查询出与数据查询请求对应的目标数据的流程示意图,如图12所示,该方法至少包括以下步骤:在步骤S1210中,确定与目标数据源对应数据源类型,并确定与数据源类型对应的查询方式。
其中,数据源类型指的是目标数据源所属于的数据源类型,具体地,数据源类型可以是小型关系型数据,还可以是关系型数据库,还可以是文档型数据库,还可以是任何一种数据源的数据源类型,查询方式指的是针对于不同数据源类型的数据源所适用的查询方式。
举例而言,确定出与目标数据源对应的数据源类型为小型关系数据,进而确定出的与该数据源类型对应的查询方式为适用于表的查询方式。
在步骤S1220中,利用查询方式,查询目标数据源的目标字段,以得到待过滤数据;其中,数据源与数据指标标识对应。
其中,待过滤数据指的是利用查询方式,得到的与目标数据源的目标字段对应的数据。
举例而言,目标数据源为表A,目标字段为“性别”,进而可以利用查询方式查出表A中与性别这一目标字段对应的数据,该数据为待过滤数据。
在步骤S1230中,根据目标过滤条件对待过滤数据进行过滤处理,得到目标数据。
其中,目标数据可以是利用目标过滤条件对待过滤数据进行过滤得到的,举例而言,待过滤数据包括5个数据,具体地,这5个数据为“男”、“女”、“男”、“男”以及“女”,目标过滤条件为“女”,进而得到的目标数据具体包括2个数据,分别为待过滤数据中的第二个数据和第5个数据。
在本示例性实施例中,利用与数据源类型对应的查询方式对目标数据源的目标字段进行查询,完善了查询逻辑,避免出现无法查询的情况发生;根据目标过滤条件对待过滤数据进行过滤处理,使得得到的目标数据更加精细化,进而可以满足不同的数据查询请求。
在本公开的示例性实施例提供的方法及装置中,由于存在数据指标标识和数据源之间的第一映射关系以及数据维度和目标数据源中目标字段的第二映射关系,一方面,满足了任何一种数据查询请求,避免了现有技术对于变动的数据查询请求需要重新统计计算得出目标数据的情况发生,节省了研发成本;另一方面,不需要预先对单一数据源进行统计,降低了统计不同数据源中数据的复杂度,并且随着数据源的增加,也不需要重对新增的数据源进行统计,降低了目标数据的查询复杂度,医生了目标数据的查询效率。
下面结合一应用场景对本公开实施例中数据处理方法做出详细说明。
图13示出了在应用场景下数据处理方法的流程示意图,如图13所示,其中,用户1310为配置用户,端1320为指标配置端,当用户1340需要进行指标配置时,端1320指标配置端用于创建数据指标名称与数据库/表之间的第一映射关系,并创建数据字段与数据维度之间的第二映关系,还创建数据指标名称与数据维度之间的第三映射关系,并将第一映射关系、第二映射关系以及第三映射关系存储在数据库1330中。
用户1340为发送数据查询请求的用户,并且在用户发送数据查询请求之前,将获取指标列表,此时指标统计前端1350可以获取如图5所示的界面,并显示在终端设备中,进而实现数据查询请求的发送,指标统计解析后端1360在获取到数据查询请求之后,获取存储在数据库1330中的第一映射关系、第二映射关系以及第三映射关系,并将上述三个映射关系发送至查询器后端1370中,查询器后端1370基于上述三个映射关系查询对应数据源中与目标字段对应的目标数据。
若查询数据请求中携带着与小型关系型数据这一数据源对应的数据指标标识,则使用查询表的方式1380查询小型关系型数据1381,若查询数据请求中携带着与关系型数据库这一数据源对应的数据指标标识,则使用与关系型数据库对应的查询方式1382查询关系型数据库1383,若查询数据请求中携带着与文档型数据库这一数据源对应的数据指标标识,则使用与文档型数据库对应的查询方式1384查询文档型数据库1385。
在本应用场景中,由于存在数据指标标识和数据源之间的第一映射关系以及数据维度和目标数据源中目标字段的第二映射关系,一方面,满足了任何一种数据查询请求,避免了现有技术对于变动的数据查询请求需要重新统计计算得出目标数据的情况发生,节省了研发成本;另一方面,不需要预先对单一数据源进行统计,降低了统计不同数据源中数据的复杂度,并且随着数据源的增加,也不需要重对新增的数据源进行统计,降低了目标数据的查询复杂度,医生了目标数据的查询效率。
此外,在本公开的示例性实施例中,还提供一种数据处理装置。图14示出了数据处理装置的结构示意图,如图14所示,数据处理装置1400可以包括:获取模块1410、确定模块1420和查询模块1430。其中:
获取模块1410,被配置为获取数据查询请求;其中,数据查询请求中携带着数据指标标识以及与数据指标标识对应的数据维度;确定模块1420,被配置为根据数据指标标识与数据源之间的第一映射关系,确定目标数据源;查询模块1430,被配置为根据数据维度与目标数据源中目标字段的第二映射关系,查询出与数据查询请求对应的目标数据。
上述数据处理装置1400的具体细节已经在对应的数据处理方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及数据处理装置1400的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
下面参照图15来描述根据本发明的这种实施例的电子设备1500。图15显示的电子设备1500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图15所示,电子设备1500以通用计算设备的形式表现。电子设备1500的组件可以包括但不限于:上述至少一个处理单元1510、上述至少一个存储单元1520、连接不同系统组件(包括存储单元1520和处理单元1510)的总线1530、显示单元1540。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1510执行,使得所述处理单元1510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
存储单元1520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)1521和/或高速缓存存储单元1522,还可以进一步包括只读存储单元(ROM)1523。
存储单元1520还可以包括具有一组(至少一个)程序模块1525的程序/使用工具1524,这样的程序模块1525包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包含网络环境的现实。
总线1530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1500也可以与一个或多个外部设备1570(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1500交互的设备通信,和/或与使得该电子设备1500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1550进行。并且,电子设备1500还可以通过网络适配器1560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1560通过总线1530与电子设备1500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAI系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图16所示,描述了根据本发明的实施例的用于实现上述方法的程序产品1600,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (10)
1.一种数据处理方法,其特征在于,所述方法包括:
获取数据查询请求;其中,所述数据查询请求中携带着数据指标标识以及与所述数据指标标识对应的数据维度;
根据所述数据指标标识与数据源之间的第一映射关系,确定目标数据源;
根据所述数据维度与所述目标数据源中目标字段的第二映射关系,查询出与所述数据查询请求对应的目标数据。
2.根据权利要求1所述的数据处理方法,其特征在于,所述获取数据查询请求之前,所述方法还包括:
获取数据指标名称以及数据库/表,并创建与所述数据指标名称对应的数据指标标识和所述数据库/表之间的第一映射关系;
获取数据维度,并提取所述数据库/表中的数据字段,以创建所述数据字段与数据维度之间的第二映射关系;
创建所述数据指标名称与所述数据维度之间的第三映射关系,并将所述数据指标名称以及所述数据维度发送至客户端,以显示具有所述第三映射关系的所述数据指标名称和所述数据维度。
3.根据权利要求2所述的数据处理方法,其特征在于,所述数据指标标识的个数为一个;
所述获取数据查询请求,包括:
若获取的所述数据指标标识的个数为一个,基于所述第三映射关系,确定与一个所述数据指标名称对应的所述数据维度,以显示所述数据维度;其中,所述数据指标名称与所述数据指标标识对应;
获取携带着所述第一数据维度以及一个所述数据指标标识的数据查询请求;其中,所述第一数据维度为所述数据维度中的一个或多个维度。
4.根据权利要求3所述的数据处理方法,其特征在于,所述数据查询请求中还携带着过滤条件;
所述方法还包括:
确定与所述第一数据维度对应的所述过滤条件,以显示所述过滤条件;
获取携带着所述第一数据维度、一个所述数据指标标识以及目标过滤条件的数据查询请求;其中,所述目标过滤条件是所述过滤条件中的一个或多个条件。
5.根据权利要求2所述的数据处理方法,其特征在于,数据指标标识的个数为多个;
所述获取数据查询请求,包括:
若获取的所述数据指标标识的个数为多个,基于所述第三映射关系,确定与多个所述数据指标名称分别对应的多个数据维度;其中,多个所述数据指标名称分别与多个所述数据指标标识对应;
求多个所述数据维度的交集得到交集数据维度,以显示所述交集数据维度;
获取携带着第二数据维度和多个所述数据指标标识的数据查询请求,其中,所述第二数据维度为所述交集数据维度中的一个或多个维度。
6.根据权利要求5所述的数据处理方法,其特征在于,所述数据查询请求中还携带着过滤条件;
所述方法还包括:
确定所述第二数据维度在多个数据源中的多个第一过滤条件,并求多个所述第一过滤条件的并集得到并集过滤条件,以显示所述并集过滤条件;其中,多个所述数据源与多个所述数据指标标识分别对应;
获取携带着所述第二数据维度、多个所述数据指标标识以及目标过滤条件的数据查询请求;其中,所述目标过滤条件是所述并集过滤条件中的一个或多个条件。
7.根据权利要求4或6中任一项述数据处理方法,其特征在于,查询出与所述数据查询请求对应的目标数据,包括:
确定与所述目标数据源对应数据源类型,并确定与所述数据源类型对应的查询方式;
利用所述查询方式,查询所述目标数据源的所述目标字段,以得到待过滤数据;其中,所述数据源与所述数据指标标识对应;
根据所述目标过滤条件对所述待过滤数据进行过滤处理,得到目标数据。
8.一种数据处理装置,其特征在于,包括:
获取模块,被配置为获取数据查询请求;其中,所述数据查询请求中携带着数据指标标识以及与所述数据指标标识对应的数据维度;
确定模块,被配置为根据所述数据指标标识与数据源之间的第一映射关系,确定目标数据源;
查询模块,被配置为根据所述数据维度与所述目标数据源中目标字段的第二映射关系,查询出与所述数据查询请求对应的目标数据。
9.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器被配置为经由执行所述可执行指令来执行权利要求1-7中的任意一项所述的数据处理方法。
10.一种计算机可读存储介质,其上存储计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中的任意一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210460490.8A CN114944210A (zh) | 2022-04-24 | 2022-04-24 | 数据处理方法及装置、计算机可读存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210460490.8A CN114944210A (zh) | 2022-04-24 | 2022-04-24 | 数据处理方法及装置、计算机可读存储介质、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114944210A true CN114944210A (zh) | 2022-08-26 |
Family
ID=82908145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210460490.8A Pending CN114944210A (zh) | 2022-04-24 | 2022-04-24 | 数据处理方法及装置、计算机可读存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114944210A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115357604A (zh) * | 2022-10-18 | 2022-11-18 | 天聚地合(苏州)科技股份有限公司 | 一种数据查询方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090013270A1 (en) * | 2007-07-05 | 2009-01-08 | Oracle International Corporation | Linking graphical elements of data visualizations |
US20140280073A1 (en) * | 2013-03-15 | 2014-09-18 | Futrixip Limited | Method and system for event based analysis |
CN112632616A (zh) * | 2020-12-30 | 2021-04-09 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备以及计算机可读存储介质 |
CN113254542A (zh) * | 2021-04-21 | 2021-08-13 | 泰康保险集团股份有限公司 | 数据可视化处理方法及装置、电子设备 |
CN113420044A (zh) * | 2021-06-30 | 2021-09-21 | 平安国际智慧城市科技股份有限公司 | 数据查询方法、装置、设备和存储介质 |
-
2022
- 2022-04-24 CN CN202210460490.8A patent/CN114944210A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090013270A1 (en) * | 2007-07-05 | 2009-01-08 | Oracle International Corporation | Linking graphical elements of data visualizations |
US20140280073A1 (en) * | 2013-03-15 | 2014-09-18 | Futrixip Limited | Method and system for event based analysis |
CN112632616A (zh) * | 2020-12-30 | 2021-04-09 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备以及计算机可读存储介质 |
CN113254542A (zh) * | 2021-04-21 | 2021-08-13 | 泰康保险集团股份有限公司 | 数据可视化处理方法及装置、电子设备 |
CN113420044A (zh) * | 2021-06-30 | 2021-09-21 | 平安国际智慧城市科技股份有限公司 | 数据查询方法、装置、设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115357604A (zh) * | 2022-10-18 | 2022-11-18 | 天聚地合(苏州)科技股份有限公司 | 一种数据查询方法和装置 |
CN115357604B (zh) * | 2022-10-18 | 2023-03-07 | 天聚地合(苏州)科技股份有限公司 | 一种数据查询方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10545998B2 (en) | Syntactic tagging in a domain-specific context | |
US11581070B2 (en) | Electronic medical record summary and presentation | |
CN109471863B (zh) | 基于分布式数据库的信息查询方法及装置、电子设备 | |
CN109524070B (zh) | 数据处理方法及装置、电子设备、存储介质 | |
CN111158795A (zh) | 报表生成方法、装置、介质及电子设备 | |
CN112711581B (zh) | 医疗数据校验方法、装置、电子设备及存储介质 | |
US9613125B2 (en) | Data store organizing data using semantic classification | |
CN111709527A (zh) | 运维知识图谱库的建立方法、装置、设备及存储介质 | |
CN109542966B (zh) | 数据融合方法、装置、电子设备及计算机可读介质 | |
US20140108424A1 (en) | Data store organizing data using semantic classification | |
US9081847B2 (en) | Data store organizing data using semantic classification | |
US20120259661A1 (en) | Systems and methods for data mining of DICOM structured reports | |
US20120124080A1 (en) | Method, apparatus and computer program product for utilizing dynamically defined java implementations for creation of an efficient typed storage | |
CN111081329A (zh) | 临床数据自动录入方法及装置、电子设备、存储介质 | |
JP2016091560A (ja) | 企業のコンテンツ管理における複数のオブジェクトをレポーティングするためのシステム及び方法 | |
US20180067986A1 (en) | Database model with improved storage and search string generation techniques | |
US20230141049A1 (en) | Method and system for consolidating heterogeneous electronic health data | |
CN111078761A (zh) | 数据探查方法、装置、设备及存储介质 | |
CN109473178B (zh) | 医疗数据整合的方法、系统、设备及存储介质 | |
CN114944210A (zh) | 数据处理方法及装置、计算机可读存储介质、电子设备 | |
Satti et al. | Semantic bridge for resolving healthcare data interoperability | |
Maldonado et al. | Concept-based exchange of healthcare information: The LinkEHR approach | |
CN114741459B (zh) | 基于人工智能的数据查询方法、装置、电子设备及介质 | |
US20200058391A1 (en) | Dynamic system for delivering finding-based relevant clinical context in image interpretation environment | |
US20130024761A1 (en) | Semantic tagging of user-generated content |
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 |