CN115064278B - 一种基于家庭医生信息平台的分级诊疗系统及方法 - Google Patents
一种基于家庭医生信息平台的分级诊疗系统及方法 Download PDFInfo
- Publication number
- CN115064278B CN115064278B CN202210983792.3A CN202210983792A CN115064278B CN 115064278 B CN115064278 B CN 115064278B CN 202210983792 A CN202210983792 A CN 202210983792A CN 115064278 B CN115064278 B CN 115064278B
- Authority
- CN
- China
- Prior art keywords
- emergency
- diagnosis
- treatment
- coefficient
- state
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种基于家庭医生信息平台的分级诊疗系统及方法,本发明涉及家庭医生诊疗方法技术领域,所述诊疗系统包括信息平台数据库、分级数据初步处理模块、分级数据应急处理模块以及分级诊疗调整模块;所述信息平台数据库存储有家庭医生诊断的基础医疗信息;所述分级数据初步处理模块用于对信息平台数据库内的基础医疗信息进行分析,并得到初步诊疗等级信息;本发明通过对用户的基础身体状态以及应急身体状态进行综合判断,从而为用户调整诊疗等级,有助于提高对用户的病情诊疗的保障,提高病情诊疗的准确性,以解决现有的分级诊疗系统功能性单一,分级诊疗的针对性和有效性存在不足的问题。
Description
技术领域
本发明涉及家庭医生诊疗方法技术领域,尤其涉及一种基于家庭医生信息平台的分级诊疗系统及方法。
背景技术
家庭医生不是私人医生,是对服务对象实行全面的、连续的、有效的、及时的和个性化医疗保健服务和照顾的新型医生,分级诊疗指按照疾病的轻重缓急及治疗的难易程度进行分级,不同级别的医疗机构承担不同疾病的治疗,逐步实现从全科到专业化的医疗过程。通过家庭医生信息平台的介入,能够更好地为分级诊疗提供数据支撑。
在现有的分级诊疗系统中,通常都是基于用户当前的身体状况进行临时性的分析,然后得到分级的等级,再根据分级的等级对用户进行分级诊疗,但是每个用户的原始身体状态是不同的,仅通过临时的身体状态进行分析,会使得一些隐性的风险因素没有被纳入考虑范围内,容易造成诊疗滞后以及延误病情的风险出现。
发明内容
针对现有技术存在的不足,本发明目的是提供一种基于家庭医生信息平台的分级诊疗系统及方法,通过对用户的基础身体状态以及应急身体状态进行综合判断,从而为用户调整诊疗等级,有助于提高对用户的病情诊疗的保障,提高病情诊疗的准确性,以解决现有的分级诊疗系统功能性单一,分级诊疗的针对性和有效性存在不足的问题。
为了实现上述目的,本发明是通过如下的技术方案来实现:本发明提供一种基于家庭医生信息平台的分级诊疗系统,所述诊疗系统包括信息平台数据库、分级数据初步处理模块、分级数据应急处理模块以及分级诊疗调整模块;
所述信息平台数据库存储有家庭医生诊断的基础医疗信息;
所述分级数据初步处理模块用于对信息平台数据库内的基础医疗信息进行分析,并得到初步诊疗等级信息;所述分级数据初步处理模块包括分类单元以及初步等级划分单元;所述分类单元用于对信息平台数据库内的基础医疗信息进行分类处理;所述初步等级划分单元用于对分类处理后的数据进行初步等级划分;
所述分级数据应急处理模块用于对用户的应急信息进行诊断,得到应急诊断后的应急诊疗等级信息;
所述分级诊疗调整模块用于基于分级数据初步处理模块以及分级数据应急处理模块的处理结果进行综合处理,并得到分级诊疗调整结果。
进一步地,所述分类单元配置有分类策略,所述分类策略包括:将基础医疗信息划分为用户基础信息以及用户诊疗信息;
所述用户基础信息包括用户的年龄、急性患病次数以及慢性患病次数;
所述用户的诊疗信息包括用户的当前状态系数;
其中用户的当前状态系数通过当前状态判定方法得到,所述当前状态判定方法包括:获取用户当前的身高、体重、心率以及血压均值,将用户当前的身高、体重、心率以及血压代入到当前状态判定公式中求得当前状态系数。
进一步地,所述初步等级划分单元配置有初步等级划分策略,所述初步等级划分策略包括:将用户的年龄、急性患病次数、慢性患病次数以及当前状态系数代入到初步等级划分公式中求得初步等级划分系数;
根据初步等级划分系数对初步诊疗等级进行划分,当初步等级划分系数大于等于第一初步诊疗阈值时,将该用户划分为高风险初步诊疗等级;
当初步等级划分系数大于等于第二初步诊疗阈值且小于第一初步诊疗阈值时,将该用户划分为中风险初步诊疗等级;
当初步等级划分系数小于第二初步诊疗阈值时,将该用户划分为低风险初步诊疗等级。
进一步地,所述初步等级划分公式配置为:
;其中,Xcbd为初步等级划分系数,Cjx为急性患病次数,Cmx为慢性患病次数,Age为年龄,a1为第一阶梯年龄转换系数,a2为第二阶梯年龄转换系数,a3为第三阶梯年龄转换系数,其中,a3大于a1,a1大于a2,且a1、a2和a3的取值范围都在0-1之间。
进一步地,所述分级数据应急处理模块包括应急处理单元以及应急分析单元,所述应急处理单元用于对应急患病信息进行处理并得到应急诊疗等级;所述应急分析单元用于基于应急处理的信息进行分析,并得到应急处理的评估信息。
进一步地,所述应急处理单元配置有应急处理策略,所述应急处理策略包括:根据信息平台数据库得到用户的应急诊断信息,所述应急诊断信息包括用户的患病位置以及应急状态系数;
对不同的患病位置设置风险系数,对应设定为患病位置风险系数;
其中,应急状态系数配置有应急状态判断方法,所述应急状态判断方法包括:将用户的应急患病状态设定为无意识状态、意识不清楚状态以及意识清楚状态,根据家庭医生信息平台对用户的应急患病状态进行判定,再根据无意识状态、意识不清楚状态以及意识清楚状态设定意识状态系数,其中无意识状态的意识状态系数大于意识不清楚状态的意识状态系数,意识不清楚状态的意识状态系数大于意识清楚状态的意识状态系数;
并获取此时应急状态下的用户的心率和血压均值,并设定为应急状态心率以及应急状态血压均值;
将用户对应的意识状态系数、应急状态心率以及应急状态血压均值代入到应急状态系数求取公式中求得应急状态系数;
将应急状态系数、患病位置风险系数以及初步等级划分系数代入到应急等级划分公式中求得应急等级划分系数;
根据应急等级划分系数对应急诊疗等级进行划分,当应急等级划分系数大于第一应急阈值时,将该用户划分为高风险应急等级;当应急等级划分系数大于第二应急阈值且小于等于第一应急阈值时,将该用户划分为中风险应急等级;当应急等级划分系数小于等于第二应急阈值时,将该用户划分为低风险应急等级。
进一步地,所述应急状态系数求取公式配置为:;其中,Xyj为应急状态系数,Xys为意识状态系数,Lyj为应急状态心率,Pyj应急状态血压均值;所述应急等级划分公式配置为:;其中,Xyd为应急等级划分系数,Xhbw为患病位置风险系数。
进一步地,所述分级诊疗调整模块配置有分级诊疗调整策略,所述分级诊疗调整策略包括:对高风险初步诊疗等级、中风险初步诊疗等级以及低风险初步诊疗等级分别设置高风险初步诊疗单元、中风险初步诊疗单元以及低风险初步诊疗单元;
对高风险应急等级、中风险应急等级以及低风险应急等级分别设置高风险应急诊疗单元、中风险应急诊疗单元以及低风险应急诊疗单元;
当存在高风险应急等级、中风险应急等级以及低风险应急等级信号输出时,将初步诊疗单元调整为应急诊疗单元。
一种基于家庭医生信息平台的分级诊疗系统的诊疗方法,所述诊疗方法包括如下步骤:
步骤S10,先从信息平台数据库获取家庭医生诊断的基础医疗信息;
步骤S20,然后对信息平台数据库内的基础医疗信息进行分析,并得到初步诊疗等级信息;
对信息平台数据库内的基础医疗信息进行分类处理;再对分类处理后的数据进行初步等级划分;
步骤S30,对用户的应急信息进行诊断,得到应急诊断后的应急诊疗等级信息;
步骤S40,基于步骤S20和步骤S30的处理结果进行综合处理,并得到分级诊疗调整结果。
本发明的有益效果:本发明先从信息平台数据库获取家庭医生诊断的基础医疗信息;然后对信息平台数据库内的基础医疗信息进行分析,并得到初步诊疗等级信息;对信息平台数据库内的基础医疗信息进行分类处理;对分类处理后的数据进行初步等级划分;再对用户的应急信息进行诊断,得到应急诊断后的应急诊疗等级信息;最后基于上述的处理结果进行综合处理,并得到分级诊疗调整结果;通过对用户的基础状态信息和应急状态信息进行综合性的分析调整,从而能够提高对用户的诊疗分级处理的准确性,有助于提高对用户的病情诊疗的保障,提高病情诊疗的准确性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明的诊疗系统的原理框图;
图2为本发明的分级数据初步处理模块的原理框图;
图3为本发明的分级数据应急处理模块的原理框图;
图4为本发明的诊疗方法的流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
实施例一
请参阅图1-图3所示,本发明提供一种基于家庭医生信息平台的分级诊疗系统,本发明的诊疗系统通过对用户的基础身体状态以及应急身体状态进行综合判断,从而为用户调整诊疗等级,有助于提高对用户的病情诊疗的保障,提高病情诊疗的准确性,以解决现有的分级诊疗系统功能性单一,分级诊疗的针对性和有效性存在不足的问题。
具体地,诊疗系统包括信息平台数据库、分级数据初步处理模块、分级数据应急处理模块以及分级诊疗调整模块,信息平台数据库存储有家庭医生诊断的基础医疗信息。
分级数据初步处理模块用于对信息平台数据库内的基础医疗信息进行分析,并得到初步诊疗等级信息;分级数据初步处理模块包括分类单元以及初步等级划分单元;分类单元用于对信息平台数据库内的基础医疗信息进行分类处理;分类单元配置有分类策略,分类策略包括:将基础医疗信息划分为用户基础信息以及用户诊疗信息;用户基础信息包括用户的年龄、急性患病次数以及慢性患病次数;用户的诊疗信息包括用户的当前状态系数;
其中用户的当前状态系数通过当前状态判定方法得到,当前状态判定方法包括:获取用户当前的身高、体重、心率以及血压均值,将用户当前的身高、体重、心率以及血压代入到当前状态判定公式中求得当前状态系数。当前状态判定公式配置为:;其中,Xdqz为当前状态系数,Wdq为体重,Ssg为身高,Lx为心率,Pj为血压均值。
初步等级划分单元用于对分类处理后的数据进行初步等级划分;初步等级划分单元配置有初步等级划分策略,初步等级划分策略包括:将用户的年龄、急性患病次数、慢性患病次数以及当前状态系数代入到初步等级划分公式中求得初步等级划分系数;初步等级划分公式配置为:
;其中,Xcbd为初步等级划分系数,Cjx为急性患病次数,Cmx为慢性患病次数,Age为年龄,a1为第一阶梯年龄转换系数,a2为第二阶梯年龄转换系数,a3为第三阶梯年龄转换系数,其中,a3大于a1,a1大于a2,且a1、a2和a3的取值范围都在0-1之间;在初步等级划分公式中,将年龄划分为16岁之间,16-50之间以及50 之后,能够根据用户的年龄设定年龄风险系数,从而提高对用户的基础信息的分析准确性和有针对性。
根据初步等级划分系数对初步诊疗等级进行划分,当初步等级划分系数大于等于第一初步诊疗阈值时,将该用户划分为高风险初步诊疗等级;当初步等级划分系数大于等于第二初步诊疗阈值且小于第一初步诊疗阈值时,将该用户划分为中风险初步诊疗等级;当初步等级划分系数小于第二初步诊疗阈值时,将该用户划分为低风险初步诊疗等级。其中第一初步诊疗阈值大于第二初步诊疗阈值,高风险初步诊疗等级的用户的患病风险或者存在危险的风险高于中风险初步诊疗等级,中风险初步诊疗等级的用户的患病风险或者存在危险的风险高于低风险初步诊疗等级。
分级数据应急处理模块用于对用户的应急信息进行诊断,得到应急诊断后的应急诊疗等级信息;
分级数据应急处理模块包括应急处理单元,应急处理单元用于对应急患病信息进行处理并得到应急诊疗等级;应急处理单元配置有应急处理策略,应急处理策略包括:根据信息平台数据库得到用户的应急诊断信息,应急诊断信息包括用户的患病位置以及应急状态系数;
对不同的患病位置设置风险系数,对应设定为患病位置风险系数;其中患病位置设置有三个级别,第一级别为头部至胸部,第二级别为腹部,第三级别为四肢;第一级别对应的患病位置风险系数大于第二级别的患病位置风险系数,第二级别的患病位置风险系数大于第三级别的患病位置风险系数。
其中,应急状态系数配置有应急状态判断方法,应急状态判断方法包括:将用户的应急患病状态设定为无意识状态、意识不清楚状态以及意识清楚状态,根据家庭医生信息平台对用户的应急患病状态进行判定,再根据无意识状态、意识不清楚状态以及意识清楚状态设定意识状态系数,其中无意识状态的意识状态系数大于意识不清楚状态的意识状态系数,意识不清楚状态的意识状态系数大于意识清楚状态的意识状态系数;其中对于意识的判断可以采用对用户的患病状态下的视频获取,并进行意识测试,意识测试可以设置为:让用户说出当前状态下测试物品的数量,当用户可以准确说出时,则为意识清楚状态;当用户能够说话但是回答错误时,则为意识不清楚状态;当用户无反应无回复,则为无意识状态。
并获取此时应急状态下的用户的心率和血压均值,并设定为应急状态心率以及应急状态血压均值;
将用户对应的意识状态系数、应急状态心率以及应急状态血压均值代入到应急状态系数求取公式中求得应急状态系数;应急状态系数求取公式配置为:;其中,Xyj为应急状态系数,Xys为意识状态系数,Lyj为应急状态心率,Pyj应急状态血压均值;
根据应急等级划分系数对应急诊疗等级进行划分,当应急等级划分系数大于第一应急阈值时,将该用户划分为高风险应急等级;当应急等级划分系数大于第二应急阈值且小于等于第一应急阈值时,将该用户划分为中风险应急等级;当应急等级划分系数小于等于第二应急阈值时,将该用户划分为低风险应急等级。
分级诊疗调整模块用于基于分级数据初步处理模块以及分级数据应急处理模块的处理结果进行综合处理,并得到分级诊疗调整结果。分级诊疗调整模块配置有分级诊疗调整策略,分级诊疗调整策略包括:对高风险初步诊疗等级、中风险初步诊疗等级以及低风险初步诊疗等级分别设置高风险初步诊疗单元、中风险初步诊疗单元以及低风险初步诊疗单元;
对高风险应急等级、中风险应急等级以及低风险应急等级分别设置高风险应急诊疗单元、中风险应急诊疗单元以及低风险应急诊疗单元;
当存在高风险应急等级、中风险应急等级以及低风险应急等级信号输出时,将初步诊疗单元调整为应急诊疗单元。
实施例二
请参阅图3所示,分级数据应急处理模块还包括应急分析单元,应急分析单元用于基于应急处理的信息进行分析,并得到应急处理的评估信息。
应急分析单元配置有应急分析策略,应急分析策略包括:获取诊疗区域中在第一诊疗时间段内的需要进行应急诊疗的人员数量;
每间隔第一时间段获取一次应急诊疗的处理量;
再获取诊疗系统中的待分配诊疗人员数量;
将第一诊疗时间段内的需要进行应急诊疗的人员数量、每间隔第一时间段获取一次应急诊疗的处理量以及诊疗系统中的待分配诊疗人员数量代入到应急分析公式中求得应急分析系数;所述应急分析公式配置为:;其中,Xyf为应急分析系数,Lcl为每间隔第一时间段获取一次应急诊疗的处理量,T1为第一时间段,Tz为第一诊疗时间段,Ldz为第一诊疗时间段内的需要进行应急诊疗的人员数量。
当应急分析系数大于等于第一应急阈值时,输出应急诊疗应对不足信号。通过实施例二中增加的应急分析单元能够为诊疗系统的应急处理量进行分析,并能够提前对应急存在不足时进行风险预警。
实施例三
请参阅图4所示,本发明还提供一种基于家庭医生信息平台的分级诊疗系统的诊疗方法,诊疗方法包括如下步骤:
步骤S10,先从信息平台数据库获取家庭医生诊断的基础医疗信息;
步骤S20,然后对信息平台数据库内的基础医疗信息进行分析,并得到初步诊疗等级信息;
对信息平台数据库内的基础医疗信息进行分类处理;再对分类处理后的数据进行初步等级划分;
步骤S30,对用户的应急信息进行诊断,得到应急诊断后的应急诊疗等级信息;
步骤S40,基于步骤S20和步骤S30的处理结果进行综合处理,并得到分级诊疗调整结果。
其中,步骤S20的具体实施的方法包括如下步骤:
步骤S201,将基础医疗信息划分为用户基础信息以及用户诊疗信息;用户基础信息包括用户的年龄、急性患病次数以及慢性患病次数;用户的诊疗信息包括用户的当前状态系数;
步骤S202,用户的当前状态系数通过当前状态判定方法得到,当前状态判定方法包括如下步骤:步骤S2021,获取用户当前的身高、体重、心率以及血压均值,将用户当前的身高、体重、心率以及血压代入到当前状态判定公式中求得当前状态系数;
怒周S203,将用户的年龄、急性患病次数、慢性患病次数以及当前状态系数代入到初步等级划分公式中求得初步等级划分系数;
步骤S204,根据初步等级划分系数对初步诊疗等级进行划分,当初步等级划分系数大于等于第一初步诊疗阈值时,将该用户划分为高风险初步诊疗等级;当初步等级划分系数大于等于第二初步诊疗阈值且小于第一初步诊疗阈值时,将该用户划分为中风险初步诊疗等级;当初步等级划分系数小于第二初步诊疗阈值时,将该用户划分为低风险初步诊疗等级;
其中,步骤S30的具体实施的方法包括如下步骤:
步骤S301,根据信息平台数据库得到用户的应急诊断信息,应急诊断信息包括用户的患病位置以及应急状态系数;对不同的患病位置设置风险系数,对应设定为患病位置风险系数;
步骤S302,应急状态系数配置有应急状态判断方法,应急状态判断方法包括如下步骤:步骤S3021,将用户的应急患病状态设定为无意识状态、意识不清楚状态以及意识清楚状态,根据家庭医生信息平台对用户的应急患病状态进行判定,再根据无意识状态、意识不清楚状态以及意识清楚状态设定意识状态系数,其中无意识状态的意识状态系数大于意识不清楚状态的意识状态系数,意识不清楚状态的意识状态系数大于意识清楚状态的意识状态系数;
步骤S3022,并获取此时应急状态下的用户的心率和血压均值,并设定为应急状态心率以及应急状态血压均值;
步骤S3023,将用户对应的意识状态系数、应急状态心率以及应急状态血压均值代入到应急状态系数求取公式中求得应急状态系数;
步骤S3024,将应急状态系数、患病位置风险系数以及初步等级划分系数代入到应急等级划分公式中求得应急等级划分系数;
步骤S3025,根据应急等级划分系数对应急诊疗等级进行划分,当应急等级划分系数大于第一应急阈值时,将该用户划分为高风险应急等级;当应急等级划分系数大于第二应急阈值且小于等于第一应急阈值时,将该用户划分为中风险应急等级;当应急等级划分系数小于等于第二应急阈值时,将该用户划分为低风险应急等级.
其中,步骤S40的具体实施的方法包括如下步骤:
步骤S401,对高风险初步诊疗等级、中风险初步诊疗等级以及低风险初步诊疗等级分别设置高风险初步诊疗单元、中风险初步诊疗单元以及低风险初步诊疗单元;
步骤S402,对高风险应急等级、中风险应急等级以及低风险应急等级分别设置高风险应急诊疗单元、中风险应急诊疗单元以及低风险应急诊疗单元;
步骤S403,当存在高风险应急等级、中风险应急等级以及低风险应急等级信号输出时,将初步诊疗单元调整为应急诊疗单元。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,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发明揭露的技术范围内,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发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种基于家庭医生信息平台的分级诊疗系统,其特征在于,所述诊疗系统包括信息平台数据库、分级数据初步处理模块、分级数据应急处理模块以及分级诊疗调整模块;
所述信息平台数据库存储有家庭医生诊断的基础医疗信息;
所述分级数据初步处理模块用于对信息平台数据库内的基础医疗信息进行分析,并得到初步诊疗等级信息;所述分级数据初步处理模块包括分类单元以及初步等级划分单元;所述分类单元用于对信息平台数据库内的基础医疗信息进行分类处理;所述初步等级划分单元用于对分类处理后的数据进行初步等级划分;
所述分级数据应急处理模块用于对用户的应急信息进行诊断,得到应急诊断后的应急诊疗等级信息;
所述分级诊疗调整模块用于基于分级数据初步处理模块以及分级数据应急处理模块的处理结果进行综合处理,并得到分级诊疗调整结果;
所述分类单元配置有分类策略,所述分类策略包括:将基础医疗信息划分为用户基础信息以及用户诊疗信息;
所述用户基础信息包括用户的年龄、急性患病次数以及慢性患病次数;
所述用户的诊疗信息包括用户的当前状态系数;
其中用户的当前状态系数通过当前状态判定方法得到,所述当前状态判定方法包括:获取用户当前的身高、体重、心率以及血压均值,将用户当前的身高、体重、心率以及血压代入到当前状态判定公式中求得当前状态系数;
所述初步等级划分单元配置有初步等级划分策略,所述初步等级划分策略包括:将用户的年龄、急性患病次数、慢性患病次数以及当前状态系数代入到初步等级划分公式中求得初步等级划分系数;
根据初步等级划分系数对初步诊疗等级进行划分,当初步等级划分系数大于等于第一初步诊疗阈值时,将该用户划分为高风险初步诊疗等级;
当初步等级划分系数大于等于第二初步诊疗阈值且小于第一初步诊疗阈值时,将该用户划分为中风险初步诊疗等级;
当初步等级划分系数小于第二初步诊疗阈值时,将该用户划分为低风险初步诊疗等级;
所述初步等级划分公式配置为:
2.根据权利要求1所述的一种基于家庭医生信息平台的分级诊疗系统,其特征在于,所述分级数据应急处理模块包括应急处理单元以及应急分析单元,所述应急处理单元用于对应急患病信息进行处理并得到应急诊疗等级;所述应急分析单元用于基于应急处理的信息进行分析,并得到应急处理的评估信息。
3.根据权利要求2所述的一种基于家庭医生信息平台的分级诊疗系统,其特征在于,所述应急处理单元配置有应急处理策略,所述应急处理策略包括:根据信息平台数据库得到用户的应急诊断信息,所述应急诊断信息包括用户的患病位置以及应急状态系数;
对不同的患病位置设置风险系数,对应设定为患病位置风险系数;
其中,应急状态系数配置有应急状态判断方法,所述应急状态判断方法包括:将用户的应急患病状态设定为无意识状态、意识不清楚状态以及意识清楚状态,根据家庭医生信息平台对用户的应急患病状态进行判定,再根据无意识状态、意识不清楚状态以及意识清楚状态设定意识状态系数,其中无意识状态的意识状态系数大于意识不清楚状态的意识状态系数,意识不清楚状态的意识状态系数大于意识清楚状态的意识状态系数;
并获取此时应急状态下的用户的心率和血压均值,并设定为应急状态心率以及应急状态血压均值;
将用户对应的意识状态系数、应急状态心率以及应急状态血压均值代入到应急状态系数求取公式中求得应急状态系数;
将应急状态系数、患病位置风险系数以及初步等级划分系数代入到应急等级划分公式中求得应急等级划分系数;
根据应急等级划分系数对应急诊疗等级进行划分,当应急等级划分系数大于第一应急阈值时,将该用户划分为高风险应急等级;当应急等级划分系数大于第二应急阈值且小于等于第一应急阈值时,将该用户划分为中风险应急等级;当应急等级划分系数小于等于第二应急阈值时,将该用户划分为低风险应急等级。
5.根据权利要求4所述的一种基于家庭医生信息平台的分级诊疗系统,其特征在于,所述分级诊疗调整模块配置有分级诊疗调整策略,所述分级诊疗调整策略包括:对高风险初步诊疗等级、中风险初步诊疗等级以及低风险初步诊疗等级分别设置高风险初步诊疗单元、中风险初步诊疗单元以及低风险初步诊疗单元;
对高风险应急等级、中风险应急等级以及低风险应急等级分别设置高风险应急诊疗单元、中风险应急诊疗单元以及低风险应急诊疗单元;
当存在高风险应急等级、中风险应急等级以及低风险应急等级信号输出时,将初步诊疗单元调整为应急诊疗单元。
6.基于权利要求1-5任意一项所述的一种基于家庭医生信息平台的分级诊疗系统的诊疗方法,其特征在于,所述诊疗方法包括如下步骤:
步骤S10,先从信息平台数据库获取家庭医生诊断的基础医疗信息;
步骤S20,然后对信息平台数据库内的基础医疗信息进行分析,并得到初步诊疗等级信息;
对信息平台数据库内的基础医疗信息进行分类处理;再对分类处理后的数据进行初步等级划分;
步骤S30,对用户的应急信息进行诊断,得到应急诊断后的应急诊疗等级信息;
步骤S40,基于步骤S20和步骤S30的处理结果进行综合处理,并得到分级诊疗调整结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210983792.3A CN115064278B (zh) | 2022-08-17 | 2022-08-17 | 一种基于家庭医生信息平台的分级诊疗系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210983792.3A CN115064278B (zh) | 2022-08-17 | 2022-08-17 | 一种基于家庭医生信息平台的分级诊疗系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115064278A CN115064278A (zh) | 2022-09-16 |
CN115064278B true CN115064278B (zh) | 2022-11-08 |
Family
ID=83207449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210983792.3A Active CN115064278B (zh) | 2022-08-17 | 2022-08-17 | 一种基于家庭医生信息平台的分级诊疗系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115064278B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108877926A (zh) * | 2018-05-15 | 2018-11-23 | 中山市徕康医疗信息软件技术有限公司 | 一种适合家庭医生的快速诊疗及分诊的智能辅助系统 |
CN110867245A (zh) * | 2019-10-31 | 2020-03-06 | 兰州市第二人民医院 | 一种急诊辅助诊断分级系统 |
CN111613322A (zh) * | 2020-04-17 | 2020-09-01 | 上海数创医疗科技有限公司 | 一种远程心电诊断质控方法、装置及管理系统 |
CN213042671U (zh) * | 2020-08-10 | 2021-04-23 | 中南大学湘雅医院 | 一种院前急救应急系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8951192B2 (en) * | 2010-06-15 | 2015-02-10 | Flint Hills Scientific, Llc | Systems approach to disease state and health assessment |
CN107169298B (zh) * | 2017-05-26 | 2021-05-11 | 深圳市第二人民医院 | 一种智能急诊分级分诊系统 |
CN108717871A (zh) * | 2018-06-12 | 2018-10-30 | 中南大学湘雅二医院 | 一种成人急诊病情分级系统及分级方法 |
CN114038544A (zh) * | 2021-11-02 | 2022-02-11 | 北京康惠达科技有限公司 | 一种急诊预检分诊系统 |
-
2022
- 2022-08-17 CN CN202210983792.3A patent/CN115064278B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108877926A (zh) * | 2018-05-15 | 2018-11-23 | 中山市徕康医疗信息软件技术有限公司 | 一种适合家庭医生的快速诊疗及分诊的智能辅助系统 |
CN110867245A (zh) * | 2019-10-31 | 2020-03-06 | 兰州市第二人民医院 | 一种急诊辅助诊断分级系统 |
CN111613322A (zh) * | 2020-04-17 | 2020-09-01 | 上海数创医疗科技有限公司 | 一种远程心电诊断质控方法、装置及管理系统 |
CN213042671U (zh) * | 2020-08-10 | 2021-04-23 | 中南大学湘雅医院 | 一种院前急救应急系统 |
Non-Patent Citations (2)
Title |
---|
"Dexmedetomidine decreases emergence agitation in pediatric patients after sevoflurane anesthesia without surgery";BERRIN ISIK MD等;《Pediatric Anesthesia》;20060307;第748-753页 * |
"互联网+时代的远程医疗服务研究——以301医院为例";宗静;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20190215;E054-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115064278A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Andreas et al. | Prevalence of mental disorders in elderly people: the European MentDis_ICF65+ study | |
Franklin et al. | The cardiovascular risk of white-coat hypertension | |
Gutiérrez-Tobal et al. | Evaluation of machine-learning approaches to estimate sleep apnea severity from at-home oximetry recordings | |
Henderson et al. | Development and assessment of methods for detecting dementia using the human electroencephalogram | |
John et al. | The cumulative effect of frailty and cognition on mortality–results of a prospective cohort study | |
Kline et al. | Comparison of the unstructured clinician estimate of pretest probability for pulmonary embolism to the Canadian score and the Charlotte rule: a prospective observational study | |
Chen et al. | Cancer symptom clusters: a validation study | |
WO2022099668A1 (zh) | 一种基于家族遗传病与体征数据关联的精准健康管理与风险预警方法及系统 | |
Hughes et al. | Depressive symptoms and fatigue as predictors of objective-subjective discrepancies in cognitive function in multiple sclerosis | |
Zhang et al. | Weakly-supervised learning for Parkinson's Disease tremor detection | |
WO2014032160A1 (en) | Method and apparatus for monitoring a fetus during labor | |
WO2020091053A1 (ja) | 健康ポジショニングマップおよび健康関数を作成する方法、システム、およびプログラム、ならびにそれらの使用方法 | |
Turpin et al. | Combining ganglion cell topology and data of patients with glaucoma to determine a structure–function map | |
Thompson et al. | Detection of obstructive sleep apnoea using features extracted from segmented time-series ECG signals using a one dimensional convolutional neural network | |
CN115312194A (zh) | 生理数据分析系统、方法、设备及存储介质 | |
CN110782990A (zh) | 用于基层公卫服务脑卒中风险评估的方法、系统及移动平台 | |
CN114822838A (zh) | 一种脑卒中患者跌倒风险预测模型的构建方法及系统 | |
CN115064278B (zh) | 一种基于家庭医生信息平台的分级诊疗系统及方法 | |
CN114190897A (zh) | 睡眠分期模型的训练方法、睡眠分期方法及装置 | |
Sakurai et al. | Cognitive, physical, and mental profiles of older adults with misplaced self-evaluation of hearing loss | |
Magdás et al. | Can ambulatory blood pressure variability contribute to individual cardiovascular risk stratification? | |
CN114550896A (zh) | 基于人工神经网络的头晕患者急诊预检分诊决策方法、装置及模型 | |
Lin et al. | Association between real‐world home blood pressure measurement patterns and blood pressure variability among older individuals with hypertension: A community‐based blood pressure variability study | |
Garde et al. | Detecting obstructive sleep apnea in children by self-affine visualization of oximetry | |
Demirel et al. | Predicting progressive glaucomatous optic neuropathy using baseline standard automated perimetry data |
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 |