CN115083584A - 基于大数据的单病种全病程管理系统 - Google Patents
基于大数据的单病种全病程管理系统 Download PDFInfo
- Publication number
- CN115083584A CN115083584A CN202210819302.6A CN202210819302A CN115083584A CN 115083584 A CN115083584 A CN 115083584A CN 202210819302 A CN202210819302 A CN 202210819302A CN 115083584 A CN115083584 A CN 115083584A
- Authority
- CN
- China
- Prior art keywords
- treatment
- patient
- hospital
- recommended
- hospitals
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 84
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 84
- 238000012216 screening Methods 0.000 claims abstract description 63
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 32
- 238000012544 monitoring process Methods 0.000 claims description 28
- 238000011084 recovery Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000003745 diagnosis Methods 0.000 claims description 15
- 208000024891 symptom Diseases 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 239000003814 drug Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于病程管理领域,涉及数据分析技术,用于解决现有的单病种全病程管理系统无法通过用户的病症参数对用户进行治疗方案推荐的问题,具体是基于大数据的单病种全病程管理系统,包括监管平台,所述监管平台通信连接有医院推荐模块、治疗推荐模块、治疗监督模块以及存储模块,所述医院推荐模块用于为患者进行医院推荐并得到推荐医院,将推荐医院的联系信息发送至监管平台,监管平台接收到推荐医院的联系信息后将推荐医院的联系信息发送至患者的手机终端;本发明通过医院推荐模块可以为患者进行医院推荐,通过筛选区域的划分得到初选医院,结合医院系数与距离数据对初选医院进行筛选从而得到最为合适的医院并进行推荐。
Description
技术领域
本发明属于病程管理领域,涉及数据分析技术,具体是基于大数据的单病种全病程管理系统。
背景技术
目前,有大量的人群经历着各种慢性疾病的困扰,这些疾病的病程长,患者需要长期服药来控制病情或达到治疗的预期效果,这些患者的服药期往往长达数月乃至数年,从发病到治愈的过期中要经历急性期、巩固期、稳定期等多个阶段,不同阶段的服药方案也会由医生视病情和不良反应相应调整。
现有的单病种全病程管理系统仅能够通过治疗数据对用户的治疗进程与治疗效果进行分析,而无法通过用户的病症参数对用户进行治疗方案推荐,进而导致治疗进程缓慢。
针对上述技术问题,本申请提出一种解决方案。
发明内容
本发明的目的在于提供基于大数据的单病种全病程管理系统,用于解决现有的单病种全病程管理系统无法通过用户的病症参数对用户进行治疗方案推荐的问题;
本发明需要解决的技术问题为:如何提供一种可以通过用户的病症参数对用户进行治疗方案推荐的单病种全病程管理系统。
本发明的目的可以通过以下技术方案实现:
基于大数据的单病种全病程管理系统,包括监管平台,所述监管平台通信连接有医院推荐模块、治疗推荐模块、治疗监督模块以及存储模块;
所述医院推荐模块用于为患者进行医院推荐并得到推荐医院,将推荐医院的联系信息发送至监管平台,监管平台接收到推荐医院的联系信息后将推荐医院的联系信息发送至患者的手机终端;
所述治疗推荐模块用于对患者进行治疗方案推荐,获取患者的患病时间与确诊时间,将当前系统时间与患者的患病时间的差值标记为患者的患病时长,将患者的确诊时间与患病时间的差值标记为确诊时长,对患者的患病时长与确诊时长进行数值计算得到用户的病症系数BZ,通过公式BZmin=t1*BZ与公式BZmax=t2*BZ得到病症阈值BZmin与BZmax,其中t1与t2均为比例系数,且0.75≤t1≤0.85,1.15≤t2≤1.25,BZmin为最小病症阈值,BZmax为最大病症阈值,由最小病症阈值BZmin与最大病症阈值BZmax构成病症范围,获取推荐医院标记科室内的历史治疗用户的病症系数,将治疗系数位于病症范围之内的历史治疗用户标记为筛选用户,获取筛选用户的痊愈时长,筛选用户的痊愈时长为筛选用户的病症痊愈时间与筛选用户在推荐医院开始进行治疗的时间的差值,将痊愈时长数值最小的三个历史治疗用户标记为推荐用户,将推荐用户的治疗方案标记为推荐方案,治疗推荐模块将推荐方案发送至监管平台,监管平台接收到推荐方案之后将推荐方案发送至患者与医师的手机终端;
所述治疗监督模块用于对患者的治疗进度进行监督。
作为本发明的一种优选实施方式,医院推荐模块为患者进行医院推荐的具体过程包括:获取患者的地理位置,以患者的地理位置为圆心,r1为半径画圆,将得到的圆形区域标记为筛选区域,将筛选区域内的所有三甲医院标记为初选医院,获取初选医院的距离数据JL、医务数据YW以及病人数据BR;对初选医院的距离数据JL、医务数据YW以及病人数据BR进行数值计算得到初选医院的医院系数YY;通过医院系数YY的数值大小对推荐医院进行筛选。
作为本发明的一种优选实施方式,初选医院的距离数据JL为初选医院与患者的地理位置之间的直线距离,单位为千米,初选医院的医务数据YW的获取过程包括:将患者病症对用的治疗科室标记为标记科室,获取初选医院内标记科室的医务人员注册数量并标记为医务数据YW;初选医院的病人数据BR的获取过程包括:将初选医院内标记科室当前正在进行治疗的病人的人数标记为病人数据BR。
作为本发明的一种优选实施方式,对推荐医院进行筛选的具体过程包括:以医院系数YY的数值由大到小的顺序对初选医院进行排序,将排在前三位的初选医院标记为筛选医院,将距离数据JL数值最小的筛选医院标记为推荐医院,将推荐医院的联系信息发送至监管平台,监管平台接收到推荐医院的联系信息后将推荐医院的联系信息发送至患者的手机终端;推荐医院的联系信息包括推荐医院的名称、地理位置、联系号码、标记科室的医师介绍。
作为本发明的一种优选实施方式,治疗监督模块对患者的治疗进度进行监督的具体过程包括:将当前系统时间与患者开始治疗的时间的差值标记为监督时长,将监督时长分割为若干个监督时段,获取监督时段内患者前往推荐医院进行治疗的次数并标记为监督时段的治疗数据,对治疗数据进行求和取平均值得到患者的治疗系数,将所有监督时段的治疗数据建立治疗集合,对治疗集合进行方差计算得到患者的集中系数,通过存储模块获取到治疗阈值与集中阈值,将患者的治疗系数、集中系数分别与治疗阈值、集中阈值进行比较并通过比较结果对患者的治疗进度是否满足要求进行判定。
作为本发明的一种优选实施方式,患者的治疗系数、集中系数与治疗阈值、集中阈值进行比较的具体过程包括:若患者的治疗系数大于等于治疗阈值且集中系数小于集中阈值,则判定患者的治疗进度满足要求,治疗监督模块向监管平台发送进度合格信号;否则,判定患者的治疗进度不满足要求,治疗监督模块向监管平台发送督促信号,监管平台接收到督促信号后将督促信号发送至患者与医师的手机终端。
作为本发明的一种优选实施方式,该基于大数据的单病种全病程管理系统的工作方法,包括以下步骤:
步骤一:通过医院推荐模块为患者进行医院推荐,获取筛选区域,将筛选区域内的所有三甲医院标记为初选医院,获取初选医院的距离数据、医务数据以及病人数据,对初选医院的距离数据、医务数据以及病人数据进行数值计算得到医院系数,通过医院系数的数值大小与距离数据对初选医院进行筛选得到推荐医院;
步骤二:通过治疗推荐模块对患者进行治疗方案推荐,获取患者的患病时间与确诊时间并进行数值计算得到病症系数,通过对病症系数进行阈值计算的病症范围,将治疗系数位于病症范围之内的历史治疗用户标记为筛选用户,获取筛选用户的痊愈时长并通过痊愈时长对筛选用户进行筛选得到推荐用户,将推荐用户的治疗方案作为推荐方案发送至患者与医师的手机终端;
步骤三:通过治疗监督模块对患者的治疗进度进行监督,将当前系统时间与患者开始治疗的时间的差值标记为监督时长,将监督时长分割为若干个监督时段,获取监督时段内患者的治疗系数与集中系数,通过治疗系数与集中系数的数值大小对用户的治疗进度是否满足要求进行判定。
本发明具备下述有益效果:
1、通过医院推荐模块可以为患者进行医院推荐,通过筛选区域的划分得到初选医院,再根据初选医院的距离数据、医务数据和病人数据计算出医院系数,结合医院系数与距离数据对初选医院进行筛选从而得到最为合适的医院并进行推荐,加快用户对医院的挑选效率;
2、通过治疗推荐模块可以结合患者的病症数据进行分析得到病症系数,通过患者的病症系数对筛选用户进行筛选,然后再通过筛选用户的痊愈时长进行进一步筛选,进而得出最适合患者的治疗方案并进行推荐,从而加快患者的治疗效率;
3、通过治疗监督模块可以对患者的治疗进度进行监督,在监督时长内对患者前往推荐医院的治疗频率进行监督,通过治疗系数与集中系数的数值大小对患者的治疗进度是否满足要求进行判定,并在不满足要求时及时发送督促信号进行提醒。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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发明的一些实施例,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为本发明实施例一的系统框图;
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
实施例一
如图1所示,基于大数据的单病种全病程管理系统,包括监管平台,所述监管平台通信连接有医院推荐模块、治疗推荐模块、治疗监督模块以及存储模块。
所述医院推荐模块用于为患者进行医院推荐:获取患者的地理位置,以患者的地理位置为圆心,r1为半径画圆,将得到的圆形区域标记为筛选区域,将筛选区域内的所有三甲医院标记为初选医院,获取初选医院的距离数据JL、医务数据YW以及病人数据BR,初选医院的距离数据JL为初选医院与患者的地理位置之间的直线距离,单位为千米,初选医院的医务数据YW的获取过程包括:将患者病症对用的治疗科室标记为标记科室,获取初选医院内标记科室的医务人员注册数量并标记为医务数据YW;初选医院的病人数据BR的获取过程包括:将初选医院内标记科室当前正在进行治疗的病人的人数标记为病人数据BR;通过公式YY=(α1*YW)/(α2*JL+α3*BR)得到初选医院的医院系数YY,其中α1、α2以及α3均为比例系数,且α1>α2>α3>1;以医院系数YY的数值由大到小的顺序对初选医院进行排序,将排在前三位的初选医院标记为筛选医院,将距离数据JL数值最小的筛选医院标记为推荐医院,将推荐医院的联系信息发送至监管平台,监管平台接收到推荐医院的联系信息后将推荐医院的联系信息发送至患者的手机终端;推荐医院的联系信息包括推荐医院的名称、地理位置、联系号码、标记科室的医师介绍;为患者进行医院推荐,通过筛选区域的划分得到初选医院,再根据初选医院的距离数据、医务数据和病人数据计算出医院系数,结合医院系数与距离数据对初选医院进行筛选从而得到最为合适的医院并进行推荐,加快用户对医院的挑选效率。
所述治疗推荐模块用于对患者进行治疗方案推荐:获取患者的患病时间与确诊时间,将当前系统时间与患者的患病时间的差值标记为患者的患病时长HS,将患者的确诊时间与患病时间的差值标记为确诊时长QS,通过公式BZ=β1*HS+β2*QS得到患者的病症系数BZ,其中β1与β2均为比例系数,且β1>β2>1;通过公式BZmin=t1*BZ与公式BZmax=t2*BZ得到病症阈值BZmin与BZmax,其中t1与t2均为比例系数,且0.75≤t1≤0.85,1.15≤t2≤1.25,BZmin为最小病症阈值,BZmax为最大病症阈值,由最小病症阈值BZmin与最大病症阈值BZmax构成病症范围,获取推荐医院标记科室内的历史治疗用户的病症系数,将治疗系数位于病症范围之内的历史治疗用户标记为筛选用户,获取筛选用户的痊愈时长,筛选用户的痊愈时长为筛选用户的病症痊愈时间与筛选用户在推荐医院开始进行治疗的时间的差值,将痊愈时长数值最小的三个历史治疗用户标记为推荐用户,将推荐用户的治疗方案标记为推荐方案,治疗推荐模块将推荐方案发送至监管平台,监管平台接收到推荐方案之后将推荐方案发送至患者与医师的手机终端;结合患者的病症数据进行分析得到病症系数,通过患者的病症系数对筛选用户进行筛选,然后再通过筛选用户的痊愈时长进行进一步筛选,进而得出最适合患者的治疗方案并进行推荐,从而加快患者的治疗效率。
所述治疗监督模块用于对患者的治疗进度进行监督:将当前系统时间与患者开始治疗的时间的差值标记为监督时长,将监督时长分割为若干个监督时段,获取监督时段内患者前往推荐医院进行治疗的次数并标记为监督时段的治疗数据,对治疗数据进行求和取平均值得到患者的治疗系数,将所有监督时段的治疗数据建立治疗集合,对治疗集合进行方差计算得到患者的集中系数,通过存储模块获取到治疗阈值与集中阈值,将患者的治疗系数、集中系数分别与治疗阈值、集中阈值进行比较:若患者的治疗系数大于等于治疗阈值且集中系数小于集中阈值,则判定患者的治疗进度满足要求,治疗监督模块向监管平台发送进度合格信号;否则,判定患者的治疗进度不满足要求,治疗监督模块向监管平台发送督促信号,监管平台接收到督促信号后将督促信号发送至患者与医师的手机终端;对患者的治疗进度进行监督,在监督时长内对患者前往推荐医院的治疗频率进行监督,通过治疗系数与集中系数的数值大小对患者的治疗进度是否满足要求进行判定,并在不满足要求时及时发送督促信号进行提醒。
实施例二
如图2所示,基于大数据的单病种全病程管理方法,包括以下步骤:
步骤一:通过医院推荐模块为患者进行医院推荐,获取筛选区域,将筛选区域内的所有三甲医院标记为初选医院,获取初选医院的距离数据、医务数据以及病人数据,对初选医院的距离数据、医务数据以及病人数据进行数值计算得到医院系数,通过医院系数的数值大小与距离数据对初选医院进行筛选得到推荐医院;
步骤二:通过治疗推荐模块对患者进行治疗方案推荐,获取患者的患病时间与确诊时间并进行数值计算得到病症系数,通过对病症系数进行阈值计算的病症范围,将治疗系数位于病症范围之内的历史治疗用户标记为筛选用户,获取筛选用户的痊愈时长并通过痊愈时长对筛选用户进行筛选得到推荐用户,将推荐用户的治疗方案作为推荐方案发送至患者与医师的手机终端;
步骤三:通过治疗监督模块对患者的治疗进度进行监督,将当前系统时间与患者开始治疗的时间的差值标记为监督时长,将监督时长分割为若干个监督时段,获取监督时段内患者的治疗系数与集中系数,通过治疗系数与集中系数的数值大小对用户的治疗进度是否满足要求进行判定。
基于大数据的单病种全病程管理系统,工作时,通过医院推荐模块为患者进行医院推荐;通过治疗推荐模块对患者进行治疗方案推荐,获取患者的患病时间与确诊时间并进行数值计算得到病症系数,通过对病症系数进行阈值计算的病症范围,将治疗系数位于病症范围之内的历史治疗用户标记为筛选用户,获取筛选用户的痊愈时长并通过痊愈时长对筛选用户进行筛选得到推荐用户,将推荐用户的治疗方案作为推荐方案发送至患者与医师的手机终端;通过治疗监督模块对患者的治疗进度进行监督。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;如:公式YY=(α1*YW)/(α2*JL+α3*BR);由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的医院系数;将设定的医院系数和采集的样本数据代入公式,任意三个公式构成三元一次方程组,将计算得到的系数进行筛选并取均值,得到α1、α2以及α3的取值分别为3.65、2.48和2.13;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的医院系数;只要不影响参数与量化后数值的比例关系即可,如医院系数与医务数据的数值成正比。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.基于大数据的单病种全病程管理系统,包括监管平台,其特征在于,所述监管平台通信连接有医院推荐模块、治疗推荐模块、治疗监督模块以及存储模块;
所述医院推荐模块用于为患者进行医院推荐并得到推荐医院,将推荐医院的联系信息发送至监管平台,监管平台接收到推荐医院的联系信息后将推荐医院的联系信息发送至患者的手机终端;
所述治疗推荐模块用于对患者进行治疗方案推荐,获取患者的患病时间与确诊时间,将当前系统时间与患者的患病时间的差值标记为患者的患病时长,将患者的确诊时间与患病时间的差值标记为确诊时长,对患者的患病时长与确诊时长进行数值计算得到用户的病症系数BZ,通过公式BZmin=t1*BZ与公式BZmax=t2*BZ得到病症阈值BZmin与BZmax,其中t1与t2均为比例系数,且0.75≤t1≤0.85,1.15≤t2≤1.25,BZmin为最小病症阈值,BZmax为最大病症阈值,由最小病症阈值BZmin与最大病症阈值BZmax构成病症范围,获取推荐医院标记科室内的历史治疗用户的病症系数,将治疗系数位于病症范围之内的历史治疗用户标记为筛选用户,获取筛选用户的痊愈时长,筛选用户的痊愈时长为筛选用户的病症痊愈时间与筛选用户在推荐医院开始进行治疗的时间的差值,将痊愈时长数值最小的三个历史治疗用户标记为推荐用户,将推荐用户的治疗方案标记为推荐方案,治疗推荐模块将推荐方案发送至监管平台,监管平台接收到推荐方案之后将推荐方案发送至患者与医师的手机终端;
所述治疗监督模块用于对患者的治疗进度进行监督。
2.根据权利要求1所述的基于大数据的单病种全病程管理系统,其特征在于,医院推荐模块为患者进行医院推荐的具体过程包括:获取患者的地理位置,以患者的地理位置为圆心,r1为半径画圆,将得到的圆形区域标记为筛选区域,将筛选区域内的所有三甲医院标记为初选医院,获取初选医院的距离数据JL、医务数据YW以及病人数据BR;对初选医院的距离数据JL、医务数据YW以及病人数据BR进行数值计算得到初选医院的医院系数YY;通过医院系数YY的数值大小对推荐医院进行筛选。
3.根据权利要求2所述的基于大数据的单病种全病程管理系统,其特征在于,初选医院的距离数据JL为初选医院与患者的地理位置之间的直线距离,单位为千米,初选医院的医务数据YW的获取过程包括:将患者病症对用的治疗科室标记为标记科室,获取初选医院内标记科室的医务人员注册数量并标记为医务数据YW;初选医院的病人数据BR的获取过程包括:将初选医院内标记科室当前正在进行治疗的病人的人数标记为病人数据BR。
4.根据权利要求2所述的基于大数据的单病种全病程管理系统,其特征在于,对推荐医院进行筛选的具体过程包括:以医院系数YY的数值由大到小的顺序对初选医院进行排序,将排在前三位的初选医院标记为筛选医院,将距离数据JL数值最小的筛选医院标记为推荐医院,将推荐医院的联系信息发送至监管平台,监管平台接收到推荐医院的联系信息后将推荐医院的联系信息发送至患者的手机终端;推荐医院的联系信息包括推荐医院的名称、地理位置、联系号码、标记科室的医师介绍。
5.根据权利要求4所述的基于大数据的单病种全病程管理系统,其特征在于,治疗监督模块对患者的治疗进度进行监督的具体过程包括:将当前系统时间与患者开始治疗的时间的差值标记为监督时长,将监督时长分割为若干个监督时段,获取监督时段内患者前往推荐医院进行治疗的次数并标记为监督时段的治疗数据,对治疗数据进行求和取平均值得到患者的治疗系数,将所有监督时段的治疗数据建立治疗集合,对治疗集合进行方差计算得到患者的集中系数,通过存储模块获取到治疗阈值与集中阈值,将患者的治疗系数、集中系数分别与治疗阈值、集中阈值进行比较并通过比较结果对患者的治疗进度是否满足要求进行判定。
6.根据权利要求5所述的基于大数据的单病种全病程管理系统,其特征在于,患者的治疗系数、集中系数与治疗阈值、集中阈值进行比较的具体过程包括:若患者的治疗系数大于等于治疗阈值且集中系数小于集中阈值,则判定患者的治疗进度满足要求,治疗监督模块向监管平台发送进度合格信号;否则,判定患者的治疗进度不满足要求,治疗监督模块向监管平台发送督促信号,监管平台接收到督促信号后将督促信号发送至患者与医师的手机终端。
7.根据权利要求1-6任一项所述的基于大数据的单病种全病程管理系统,其特征在于,该基于大数据的单病种全病程管理系统的工作方法,包括以下步骤:
步骤一:通过医院推荐模块为患者进行医院推荐,获取筛选区域,将筛选区域内的所有三甲医院标记为初选医院,获取初选医院的距离数据、医务数据以及病人数据,对初选医院的距离数据、医务数据以及病人数据进行数值计算得到医院系数,通过医院系数的数值大小与距离数据对初选医院进行筛选得到推荐医院;
步骤二:通过治疗推荐模块对患者进行治疗方案推荐,获取患者的患病时间与确诊时间并进行数值计算得到病症系数,通过对病症系数进行阈值计算的病症范围,将治疗系数位于病症范围之内的历史治疗用户标记为筛选用户,获取筛选用户的痊愈时长并通过痊愈时长对筛选用户进行筛选得到推荐用户,将推荐用户的治疗方案作为推荐方案发送至患者与医师的手机终端;
步骤三:通过治疗监督模块对患者的治疗进度进行监督,将当前系统时间与患者开始治疗的时间的差值标记为监督时长,将监督时长分割为若干个监督时段,获取监督时段内患者的治疗系数与集中系数,通过治疗系数与集中系数的数值大小对用户的治疗进度是否满足要求进行判定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210819302.6A CN115083584A (zh) | 2022-07-08 | 2022-07-08 | 基于大数据的单病种全病程管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210819302.6A CN115083584A (zh) | 2022-07-08 | 2022-07-08 | 基于大数据的单病种全病程管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115083584A true CN115083584A (zh) | 2022-09-20 |
Family
ID=83259441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210819302.6A Pending CN115083584A (zh) | 2022-07-08 | 2022-07-08 | 基于大数据的单病种全病程管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115083584A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116504354A (zh) * | 2023-06-28 | 2023-07-28 | 合肥工业大学 | 一种基于智慧医疗的智能化服务推荐方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1352607A1 (de) * | 2002-04-10 | 2003-10-15 | Siemens Aktiengesellschaft | Verfahren und System zur Überwachung des Therapieverlaufs einer medizinischen Behandlung |
CN112735579A (zh) * | 2021-02-23 | 2021-04-30 | 颍上县人民医院 | 一种急诊病人快速登记治疗系统 |
CN114469084A (zh) * | 2022-04-02 | 2022-05-13 | 剑博微电子(深圳)有限公司 | 一种基于高精度adc的血氧监测系统 |
-
2022
- 2022-07-08 CN CN202210819302.6A patent/CN115083584A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1352607A1 (de) * | 2002-04-10 | 2003-10-15 | Siemens Aktiengesellschaft | Verfahren und System zur Überwachung des Therapieverlaufs einer medizinischen Behandlung |
CN112735579A (zh) * | 2021-02-23 | 2021-04-30 | 颍上县人民医院 | 一种急诊病人快速登记治疗系统 |
CN114469084A (zh) * | 2022-04-02 | 2022-05-13 | 剑博微电子(深圳)有限公司 | 一种基于高精度adc的血氧监测系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116504354A (zh) * | 2023-06-28 | 2023-07-28 | 合肥工业大学 | 一种基于智慧医疗的智能化服务推荐方法及系统 |
CN116504354B (zh) * | 2023-06-28 | 2024-01-09 | 合肥工业大学 | 一种基于智慧医疗的智能化服务推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107145704B (zh) | 一种面向社区的健康医疗监护、评测系统及其方法 | |
CN112669948B (zh) | 一种基于物联网的医疗资源配置系统 | |
CN108257648B (zh) | 一种基于大数据的医疗健康数据管理系统 | |
CN113066562A (zh) | 基于5g的医疗图像传输方法及系统 | |
CN113689941B (zh) | 一种具有智能化监管的医疗数据治理系统 | |
CN115083584A (zh) | 基于大数据的单病种全病程管理系统 | |
CN111081379A (zh) | 一种疾病概率决策方法及其系统 | |
CN116644869B (zh) | 一种实时数据分析与公共卫生事件预测系统 | |
CN112863685A (zh) | 基于大数据人工智能的传染病应对方法和机器人 | |
CN114469084B (zh) | 一种基于高精度adc的血氧监测系统 | |
CN116597954B (zh) | 一种智慧型居家养老远程诊疗预约咨询系统 | |
CN115631836A (zh) | 一种分析急救资源进行合理分配的系统及方法 | |
CN112530604A (zh) | 一种基于云平台的远程智慧医疗系统 | |
CN115414044A (zh) | 一种基于脑电分析的人体精神状态管理系统、方法及设备 | |
CN113539483B (zh) | 一种基于云计算的慢性病筛查服务系统 | |
CN115019924A (zh) | 应用人工智能健康机器人的健康数据采集和分析方法 | |
CN114155943A (zh) | 一种医疗急诊信息管理系统 | |
CN113113124A (zh) | 一种神经外科多患者的整合护理方法及系统 | |
CN113781277A (zh) | 一种开展康养服务的终端、系统和数据处理方法 | |
CN113870987A (zh) | 一种医用智能床位柜的使用方法 | |
CN113850704A (zh) | 一种智慧社区的健康养老监护系统 | |
Eagar | Defining an episode of care: a study of five case types | |
CN118053598B (zh) | 一种基于医疗大数据的医疗信息共享方法及系统 | |
TWI847673B (zh) | 照顧服務整合方法和系統 | |
Kohno et al. | Elderly People Care Support System Under COVID-19 Environment Using Advanced ICT/AI Data Science and Its Field Trials |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220920 |
|
RJ01 | Rejection of invention patent application after publication |