CN115188478A - 一种全生命周期居民健康档案的数据处理系统及方法 - Google Patents

一种全生命周期居民健康档案的数据处理系统及方法 Download PDF

Info

Publication number
CN115188478A
CN115188478A CN202211101877.0A CN202211101877A CN115188478A CN 115188478 A CN115188478 A CN 115188478A CN 202211101877 A CN202211101877 A CN 202211101877A CN 115188478 A CN115188478 A CN 115188478A
Authority
CN
China
Prior art keywords
resident
health record
health
items
residents
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.)
Granted
Application number
CN202211101877.0A
Other languages
English (en)
Other versions
CN115188478B (zh
Inventor
罗雪方
罗子杰
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.)
Shuozhimei Nantong Technology Co ltd
Original Assignee
Shuozhimei Nantong Technology 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 Shuozhimei Nantong Technology Co ltd filed Critical Shuozhimei Nantong Technology Co ltd
Priority to CN202211101877.0A priority Critical patent/CN115188478B/zh
Publication of CN115188478A publication Critical patent/CN115188478A/zh
Application granted granted Critical
Publication of CN115188478B publication Critical patent/CN115188478B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Tourism & Hospitality (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Marketing (AREA)
  • Child & Adolescent Psychology (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种全生命周期居民健康档案的数据处理系统及方法，属于数据处理技术领域。本发明包括以下步骤：步骤一：对居民健康档案中的健康记录时间进行获取，根据获取时间，结合居民就业情况、居民婚姻情况和居民家人购药情况，对居民健康档案是否属于全生命周期的健康档案进行判断；步骤二：对不属于全生命周期的居民健康档案进行健康记录的修复；步骤三：基于修复处理后的居民健康档案，将居民健康档案与居民信息进行唯一匹配；步骤四：根据全生命周期居民健康档案对居民健康风险程度进行评估，本发明通过预测的潜在异常项目和对应项目的记载时间对非全生命周期的健康档案进行修复，保证居民健康得到有效保障。

Description

一种全生命周期居民健康档案的数据处理系统及方法
技术领域
本发明涉及数据处理技术领域，具体为一种全生命周期居民健康档案的数据处理系统及方法。
背景技术
健康档案指居民身心健康过程的规范、科学记录，是以居民个人健康为核心、贯穿整个生命过程、涵盖各种健康相关因素、实现信息多渠道动态收集、满足居民自身需要和健康管理的信息资源，由于居民健康档案贯穿整个生命过程，因此需要经常性对居民健康数据进行更新处理。
现有的居民健康档案通过随访登记的方式进行补充完善，由于居民人口众多，存在随访不普及的现象，导致大部分居民健康档案存在健康信息遗失的情况，以及无法通过全生命周期居民健康档案对居民的潜在危险进行预测，导致居民健康无法得到有效保障，以及相关部门在开展健康工作时，由于相关部门对居民的健康信息了解程度较低，导致开展的健康工作无法普及到具体的个人，进而无法实现对居民档案的全生命周期记录。
发明内容
本发明的目的在于提供一种全生命周期居民健康档案的数据处理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种全生命周期居民健康档案的数据处理方法，所述方法包括以下步骤：
步骤一：对居民健康档案中的健康记录时间进行获取，根据获取时间，结合居民就业情况、居民婚姻情况和居民家人购药情况，对居民健康档案是否属于全生命周期的健康档案进行判断；
步骤二：对不属于全生命周期的居民健康档案进行健康记录的修复；
步骤三：基于修复处理后的居民健康档案，将居民健康档案与居民信息进行唯一匹配；
步骤四：根据全生命周期居民健康档案对居民健康风险程度进行评估。
进一步的，所述步骤一包括：
步骤一（1）：对居民健康档案中的健康记录时间、居民就业情况、居民婚姻情况和居民家人购药情况进行获取；
步骤一（2）：根据步骤一（1）中的获取信息，对居民健康档案中缺少的健康记录时间和内容进行预测；
步骤一（3）：基于步骤一（2），对居民健康档案中缺少的健康记录时间和内容进行确定，并根据确定内容判断上述居民健康档案是否属于全生命周期的居民健康档案。
进一步的，所述步骤一（2）中具体的预测方法为：
1）基于居民就业次数和就业年限对居民健康档案中缺少的体检时间进行确定，基于居民婚姻情况对居民健康档案中缺少的婚检时间进行确定，将居民体检项目内容和婚检项目内容与居民健康档案内容进行对比，根据对比结果对居民体检项目和婚检项目中的异常项目进行确定；
2）根据确定的居民体检项目和婚检项目异常项，对居民体检项目和婚检项目中存在的潜在异常项目进行预测，具体的预测公式
Figure 904468DEST_PATH_IMAGE001
为：
Figure 178454DEST_PATH_IMAGE002
；
其中，
Figure 903965DEST_PATH_IMAGE003
表示居民体检项目或婚检项目中异常项对应的异常值，
Figure 697740DEST_PATH_IMAGE004
表示居民体检项目或婚检项目中异常项对应的标准值，
Figure 647241DEST_PATH_IMAGE005
表示居民体检项目或婚检项目中异常项对应的编号，
Figure 861054DEST_PATH_IMAGE006
表示居民体检项目或婚检项目中正常项对应的编号，
Figure 921413DEST_PATH_IMAGE007
表示第
Figure 318764DEST_PATH_IMAGE008
个异常项与第
Figure 173587DEST_PATH_IMAGE009
个正常项之间的关联系数，当
Figure 77958DEST_PATH_IMAGE010
时，表示第
Figure 942009DEST_PATH_IMAGE009
个正常项为潜在的异常项目，当
Figure 710376DEST_PATH_IMAGE011
时，表示第
Figure 204943DEST_PATH_IMAGE009
个正常项不具有潜在危险，
Figure 190085DEST_PATH_IMAGE012
；
3）根据确定的居民体检项目异常项、婚检项目异常项和预测的潜在异常项对应的异常值变化情况，结合居民家人购药情况，对居民健康档案中缺少的用药时间和用药内容进行确定。
进一步的，所述步骤三包括：
步骤三（1）：根据居民活动轨迹将居民健康档案与居民个人进行匹配，，避免在对居民健康档案进行调用时，由于输入的居民姓名应用广泛，导致出现的健康档案数量众多，增加了工作人员的工作量，以及容易导致健康档案出现错误记录，具体方法为：
1>基于居民姓名对居民健康档案进行检索，若检索结果出现多个健康档案，则对出现的多个健康档案进行标记处理；
2>基于居民活动轨迹对居民身体易病变位置进行预测，具体的预测方法为：
以居民居住地所在位置为坐标原点构建坐标系，将居民活动轨迹在构建的坐标系上进行表示，利用公式
Figure 592247DEST_PATH_IMAGE013
对居民一天内的轨迹变化频率进行预测，则：
Figure 681033DEST_PATH_IMAGE014
；
其中，
Figure 877659DEST_PATH_IMAGE015
表示居民活动轨迹对应的坐标，
Figure 100830DEST_PATH_IMAGE016
表示居民居住地坐标，
Figure 24792DEST_PATH_IMAGE017
表示居民到达第一个目的地时对应的坐标，
Figure 751440DEST_PATH_IMAGE018
表示居民从居住地到达第一个目的地所耗费的时间，单位为小时，
Figure 338541DEST_PATH_IMAGE019
表示采集的坐标对应的编号，
Figure 49008DEST_PATH_IMAGE020
表示一天内对居民坐标的采集次数，当
Figure 245503DEST_PATH_IMAGE021
时，表示居民活动轨迹未发生变化，当
Figure 314740DEST_PATH_IMAGE022
时，表示居民活动轨迹发生变化，
Figure 338322DEST_PATH_IMAGE023
表示对
Figure 723036DEST_PATH_IMAGE024
进行赋值，当
Figure 893861DEST_PATH_IMAGE025
时，
Figure 595101DEST_PATH_IMAGE026
，当
Figure 819278DEST_PATH_IMAGE027
时，
Figure 333698DEST_PATH_IMAGE028
；
根据预测的
Figure 871995DEST_PATH_IMAGE013
值大小和居民工作姿势对居民身体易病变位置进行判断；
3>将居民身体易病变位置预测结果，与标记处理后的多个健康档案中出现的异常项位置进行对比，当对比结果一致时，将该居民与对应健康档案进行匹配；
步骤三（2）：匹配结束后，对居民个人健康档案和居民家族健康档案进行调用，对居民个人健康档案与居民家族健康档案之间的相似度进行计算，基于相似度值对居民健康档案进行唯一确定，例如，居民个人健康档案与居民家族中父亲的健康档案相似度值最高，则对居民个人健康档案进行调用时，需将居民姓名和居民父亲姓名一起输入才能调用属于居民自己的唯一健康档案。
进一步的，所述步骤四根据全生命周期居民健康档案对居民健康风险程度进行评估，具体方法为：基于全生命周期居民健康档案中对应项目的检测数据构建线性方程，利用线性方程倾斜角变化幅度值对全生命周期居民健康档案对居民健康风险程度进行评估。
一种全生命周期居民健康档案的数据处理系统，所述系统包括居民健康档案判断模块、居民健康档案修复模块、匹配模块和居民健康风险评估模块；
所述居民健康档案判断模块用于根据居民健康档案中的健康记录时间、居民就业情况、居民婚姻情况和居民家人购药情况，对居民健康档案是否属于全生命周期的健康档案进行判断，并将判断结果传输至居民健康档案修复模块；
所述居民健康档案修复模块用于对居民健康档案判断模块传输的判断结果进行接收，以及根据预测的居民健康档案中缺少的健康记录时间和内容，对居民健康档案进行修复，并将修复处理后的居民健康档案传输至匹配模块；
所述匹配模块用于对居民健康档案修复模块传输的居民健康档案进行接收，将修复处理后的居民健康档案与居民信息进行唯一匹配，并将匹配结果传输至居民健康风险评估模块；
所述居民健康风险评估模块用于对匹配单元传输的匹配结果进行接收，根据匹配结果对对应居民的健康风险程度进行评估。
进一步的，所述居民健康档案判断模块包括信息获取单元、健康记录残缺内容预测单元、健康记录残缺时间判断单元和居民健康档案判断单元；
所述信息获取单元对居民健康档案中的健康记录时间、居民就业情况、居民婚姻情况和居民家人购药情况进行获取，并将获取信息传输至健康记录残缺时间判断单元；
所述健康记录残缺内容预测单元将居民体检项目内容和婚检项目内容与居民健康档案内容进行对比，根据对比结果对居民体检项目和婚检项目中的异常项目进行确定，根据确定结果，利用预测公式
Figure 693321DEST_PATH_IMAGE002
对居民体检项目和婚检项目中存在的潜在异常项目进行预测，并将预测的潜在异常项对应的异常值变化情况、确定的居民体检项目异常项和婚检项目异常项传输至健康记录残缺时间判断单元和居民健康档案修复模块，其中，
Figure 253179DEST_PATH_IMAGE003
表示居民体检项目或婚检项目中异常项对应的异常值，
Figure 612485DEST_PATH_IMAGE004
表示居民体检项目或婚检项目中异常项对应的标准值，
Figure 501943DEST_PATH_IMAGE005
表示居民体检项目或婚检项目中异常项对应的编号，
Figure 131770DEST_PATH_IMAGE006
表示居民体检项目或婚检项目中正常项对应的编号，
Figure 714061DEST_PATH_IMAGE007
表示第
Figure 560663DEST_PATH_IMAGE008
个异常项与第
Figure 988234DEST_PATH_IMAGE009
个正常项之间的关联系数，当
Figure 735216DEST_PATH_IMAGE010
时，表示第
Figure 426092DEST_PATH_IMAGE009
个正常项为潜在的异常项目，当
Figure 291148DEST_PATH_IMAGE011
时，表示第
Figure 991251DEST_PATH_IMAGE009
个正常项不具有潜在危险，
Figure 641675DEST_PATH_IMAGE012
；
所述健康记录残缺时间判断单元对信息获取单元传输的获取信息进行接收，以及对健康记录残缺内容预测单元传输的预测的潜在异常项对应的异常值变化情况、确定的居民体检项目异常项和婚检项目异常项进行接收，基于居民就业次数和就业年限对居民健康档案中缺少的体检时间进行判断，基于居民婚姻情况对居民健康档案中缺少的婚检时间进行判断，根据确定的居民体检项目异常项、婚检项目异常项和预测的潜在异常项对应的异常值变化情况，结合居民家人购药情况，对居民健康档案中缺少的用药时间和用药内容进行确定，并将缺少的体检时间、婚检时间、用药时间和用药内容传输至居民健康档案判断单元和居民健康档案修复模块；
所述居民健康档案判断单元对健康记录残缺时间判断单元传输的缺少的体检时间、婚检时间和用药时间进行接收，基于接收内容对居民健康档案是否属于全生命周期的健康档案进行判断，并根据判断结果控制健康记录残缺内容预测单元与居民健康档案修复模块和健康记录残缺时间判断单元与居民健康档案修复模块之间的通信。
进一步的，所述居民健康档案修复模块包括信息匹配单元和居民健康档案修复单元；
所述信息匹配单元对健康记录残缺内容预测单元传输的预测的潜在异常项对应的异常值变化情况、确定的居民体检项目异常项和婚检项目异常项，以及健康记录残缺时间判断单元传输的缺少的体检时间、婚检时间、用药时间和用药内容进行接收，根据接收内容，将确定的健康记录时间和健康记录内容进行匹配，并将信息匹配结果传输至居民健康档案修复单元；
所述居民健康档案修复单元对信息匹配单元传输的匹配结果进行接收，根据接收内容对居民健康档案进行修复，并将修复处理后的居民健康档案传输至匹配模块。
进一步的，所述匹配模块包括居民身体易病变位置预测单元、匹配单元和居民健康档案确定单元；
所述居民身体易病变位置预测单元对居民健康档案修复单元传输的居民健康档案进行接收，基于居民姓名对居民健康档案进行检索，若检索结果出现多个健康档案，则对出现的多个健康档案进行标记处理，利用预测公式
Figure 50922DEST_PATH_IMAGE014
对居民身体易病变位置进行预测，并将预测结果传输至匹配单元，其中，
Figure 357270DEST_PATH_IMAGE015
表示居民活动轨迹对应的坐标，
Figure 375910DEST_PATH_IMAGE029
表示居民居住地坐标，
Figure 146420DEST_PATH_IMAGE030
表示居民到达第一个目的地时对应的坐标，
Figure 198340DEST_PATH_IMAGE018
表示居民从居住地到达第一个目的地所耗费的时间，单位为小时，
Figure 523142DEST_PATH_IMAGE019
表示采集的坐标对应的编号，
Figure 814315DEST_PATH_IMAGE031
表示一天内对居民坐标的采集次数，当
Figure 173752DEST_PATH_IMAGE021
时，表示居民活动轨迹未发生变化，当
Figure 393643DEST_PATH_IMAGE022
时，表示居民活动轨迹发生变化，
Figure 471320DEST_PATH_IMAGE023
表示对
Figure 300605DEST_PATH_IMAGE024
进行赋值，当
Figure 514548DEST_PATH_IMAGE025
时，
Figure 902411DEST_PATH_IMAGE026
，当
Figure 201805DEST_PATH_IMAGE027
时，
Figure 382251DEST_PATH_IMAGE028
；
所述匹配单元对居民身体易病变位置预测单元传输的预测结果进行接收，将居民身体易病变位置预测结果，与标记处理后的多个健康档案中出现的异常项位置进行对比，当对比结果一致时，将该居民与对应健康档案进行匹配，并将匹配结果传输至居民健康档案确定单元；
所述居民健康档案确定单元对匹配单元传输的匹配结果进行接收，基于匹配结果对居民个人健康档案和居民家族健康档案进行调用，对居民个人健康档案与居民家族健康档案之间的相似度进行计算，基于相似度值对居民健康档案进行唯一确定，并将确定结果传输至居民健康风险评估模块。
进一步的，所述居民健康风险评估模块用于对居民健康档案确定单元传输的匹配结果进行接收，基于全生命周期居民健康档案中对应项目的检测数据构建线性方程，利用线性方程倾斜角变化幅度值对全生命周期居民健康档案对居民健康风险程度进行评估。
与现有技术相比，本发明所达到的有益效果是：
1.本发明通过将居民体检项目内容和婚检项目内容与居民健康档案内容进行对比，对居民体检项目和婚检项目中的异常项目进行确定，根据确定的异常项目对居民体检或婚检项目中存在的潜在异常项目进行预测，根据健康档案中的健康记录、居民就业情况、居民婚姻情况和居民家人购药情况，对异常项目对应的记录时间进行确定，基于记录时间对居民健康档案是否属于全生命周期的健康档案进行判断，且通过预测结果对非全生命周期的健康档案进行修复，保证居民健康得到有效保障。
2.本发明利用居民活动轨迹将居民健康档案与居民个人进行匹配，保证在调用居民个人健康档案时，不会同时出现多个健康档案，减少了工作人员的工作量，有利于相关部门开展健康工作时普及到具体个人，进一步提高了系统的使用效果。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种全生命周期居民健康档案的数据处理系统及方法的工作流程示意图；
图2是本发明一种全生命周期居民健康档案的数据处理系统及方法的工作原理结构示意图。
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做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。
请参阅图1和图2，本发明提供技术方案：一种全生命周期居民健康档案的数据处理方法，方法包括以下步骤：
步骤一：对居民健康档案中的健康记录时间进行获取，根据获取时间，结合居民就业情况、居民婚姻情况和居民家人购药情况，对居民健康档案是否属于全生命周期的健康档案进行判断；
步骤一包括：
步骤一（1）：对居民健康档案中的健康记录时间、居民就业情况、居民婚姻情况和居民家人购药情况进行获取；
步骤一（2）：根据步骤一（1）中的获取信息，对居民健康档案中缺少的健康记录时间和内容进行预测，具体的预测方法为：
1）基于居民就业次数和就业年限对居民健康档案中缺少的体检时间进行确定，基于居民婚姻情况对居民健康档案中缺少的婚检时间进行确定，将居民体检项目内容和婚检项目内容与居民健康档案内容进行对比，根据对比结果对居民体检项目和婚检项目中的异常项目进行确定；
2）根据确定的居民体检项目和婚检项目异常项，对居民体检项目和婚检项目中存在的潜在异常项目进行预测，具体的预测公式
Figure 699969DEST_PATH_IMAGE001
为：
Figure 307668DEST_PATH_IMAGE002
；
其中，
Figure 94358DEST_PATH_IMAGE003
表示居民体检项目或婚检项目中异常项对应的异常值，
Figure 78495DEST_PATH_IMAGE004
表示居民体检项目或婚检项目中异常项对应的标准值，
Figure 221025DEST_PATH_IMAGE005
表示居民体检项目或婚检项目中异常项对应的编号，
Figure 734046DEST_PATH_IMAGE006
表示居民体检项目或婚检项目中正常项对应的编号，
Figure 257300DEST_PATH_IMAGE007
表示第
Figure 779548DEST_PATH_IMAGE008
个异常项与第
Figure 822591DEST_PATH_IMAGE009
个正常项之间的关联系数，当
Figure 740735DEST_PATH_IMAGE010
时，表示第
Figure 767597DEST_PATH_IMAGE009
个正常项为潜在的异常项目，当
Figure 811646DEST_PATH_IMAGE011
时，表示第
Figure 709194DEST_PATH_IMAGE009
个正常项不具有潜在危险，
Figure 95176DEST_PATH_IMAGE012
；
3）根据确定的居民体检项目异常项、婚检项目异常项和预测的潜在异常项对应的异常值变化情况，结合居民家人购药情况，对居民健康档案中缺少的用药时间和用药内容进行确定；
步骤一（3）：基于步骤一（2），对居民健康档案中缺少的健康记录时间和内容进行确定，并根据确定内容判断上述居民健康档案是否属于全生命周期的居民健康档案；
步骤二：对不属于全生命周期的居民健康档案进行健康记录的修复；
步骤三：基于修复处理后的居民健康档案，将居民健康档案与居民信息进行唯一匹配；
步骤三包括：
步骤三（1）：根据居民活动轨迹将居民健康档案与居民个人进行匹配，，避免在对居民健康档案进行调用时，由于输入的居民姓名应用广泛，导致出现的健康档案数量众多，增加了工作人员的工作量，以及容易导致健康档案出现错误记录，具体方法为：
1>基于居民姓名对居民健康档案进行检索，若检索结果出现多个健康档案，则对出现的多个健康档案进行标记处理；
2>基于居民活动轨迹对居民身体易病变位置进行预测，具体的预测方法为：
以居民居住地所在位置为坐标原点构建坐标系，将居民活动轨迹在构建的坐标系上进行表示，利用公式
Figure 828908DEST_PATH_IMAGE013
对居民一天内的轨迹变化频率进行预测，则：
Figure 692959DEST_PATH_IMAGE014
；
其中，
Figure 428703DEST_PATH_IMAGE015
表示居民活动轨迹对应的坐标，
Figure 454428DEST_PATH_IMAGE016
表示居民居住地坐标，
Figure 190302DEST_PATH_IMAGE017
表示居民到达第一个目的地时对应的坐标，
Figure 340268DEST_PATH_IMAGE018
表示居民从居住地到达第一个目的地所耗费的时间，单位为小时，
Figure 212409DEST_PATH_IMAGE019
表示采集的坐标对应的编号，
Figure 127144DEST_PATH_IMAGE020
表示一天内对居民坐标的采集次数，当
Figure 350315DEST_PATH_IMAGE021
时，表示居民活动轨迹未发生变化，当
Figure 290589DEST_PATH_IMAGE022
时，表示居民活动轨迹发生变化，
Figure 282816DEST_PATH_IMAGE023
表示对
Figure 666655DEST_PATH_IMAGE024
进行赋值，当
Figure 377122DEST_PATH_IMAGE025
时，
Figure 855508DEST_PATH_IMAGE026
，当
Figure 951509DEST_PATH_IMAGE022
时，
Figure 755517DEST_PATH_IMAGE028
；
根据预测的
Figure 910204DEST_PATH_IMAGE013
值大小和居民工作姿势对居民身体易病变位置进行判断；
3>将居民身体易病变位置预测结果，与标记处理后的多个健康档案中出现的异常项位置进行对比，当对比结果一致时，将该居民与对应健康档案进行匹配；
步骤三（2）：匹配结束后，对居民个人健康档案和居民家族健康档案进行调用，对居民个人健康档案与居民家族健康档案之间的相似度进行计算，基于相似度值对居民健康档案进行唯一确定，例如，居民个人健康档案与居民家族中父亲的健康档案相似度值最高，则对居民个人健康档案进行调用时，需将居民姓名和居民父亲姓名一起输入才能调用属于居民自己的唯一健康档案；
步骤四：根据全生命周期居民健康档案对居民健康风险程度进行评估，具体方法为：基于全生命周期居民健康档案中对应项目的检测数据构建线性方程，利用线性方程倾斜角变化幅度值对全生命周期居民健康档案对居民健康风险程度进行评估。
一种全生命周期居民健康档案的数据处理系统，系统包括居民健康档案判断模块、居民健康档案修复模块、匹配模块和居民健康风险评估模块；
居民健康档案判断模块用于根据居民健康档案中的健康记录时间、居民就业情况、居民婚姻情况和居民家人购药情况，对居民健康档案是否属于全生命周期的健康档案进行判断，并将判断结果传输至居民健康档案修复模块；
居民健康档案判断模块包括信息获取单元、健康记录残缺内容预测单元、健康记录残缺时间判断单元和居民健康档案判断单元；
信息获取单元对居民健康档案中的健康记录时间、居民就业情况、居民婚姻情况和居民家人购药情况进行获取，并将获取信息传输至健康记录残缺时间判断单元；
健康记录残缺内容预测单元将居民体检项目内容和婚检项目内容与居民健康档案内容进行对比，根据对比结果对居民体检项目和婚检项目中的异常项目进行确定，根据确定结果，利用预测公式
Figure 192281DEST_PATH_IMAGE002
对居民体检项目和婚检项目中存在的潜在异常项目进行预测，并将预测的潜在异常项对应的异常值变化情况、确定的居民体检项目异常项和婚检项目异常项传输至健康记录残缺时间判断单元和居民健康档案修复模块，其中，
Figure 159100DEST_PATH_IMAGE003
表示居民体检项目或婚检项目中异常项对应的异常值，
Figure 383277DEST_PATH_IMAGE004
表示居民体检项目或婚检项目中异常项对应的标准值，
Figure 537178DEST_PATH_IMAGE005
表示居民体检项目或婚检项目中异常项对应的编号，
Figure 888525DEST_PATH_IMAGE006
表示居民体检项目或婚检项目中正常项对应的编号，
Figure 663845DEST_PATH_IMAGE007
表示第
Figure 809655DEST_PATH_IMAGE008
个异常项与第
Figure 965699DEST_PATH_IMAGE009
个正常项之间的关联系数，当
Figure 589578DEST_PATH_IMAGE010
时，表示第
Figure 530990DEST_PATH_IMAGE009
个正常项为潜在的异常项目，当
Figure 595504DEST_PATH_IMAGE011
时，表示第
Figure 723997DEST_PATH_IMAGE009
个正常项不具有潜在危险，
Figure 417147DEST_PATH_IMAGE012
；
健康记录残缺时间判断单元对信息获取单元传输的获取信息进行接收，以及对健康记录残缺内容预测单元传输的预测的潜在异常项对应的异常值变化情况、确定的居民体检项目异常项和婚检项目异常项进行接收，基于居民就业次数和就业年限对居民健康档案中缺少的体检时间进行判断，基于居民婚姻情况对居民健康档案中缺少的婚检时间进行判断，根据确定的居民体检项目异常项、婚检项目异常项和预测的潜在异常项对应的异常值变化情况，结合居民家人购药情况，对居民健康档案中缺少的用药时间和用药内容进行确定，并将缺少的体检时间、婚检时间、用药时间和用药内容传输至居民健康档案判断单元和居民健康档案修复模块；
居民健康档案判断单元对健康记录残缺时间判断单元传输的缺少的体检时间、婚检时间和用药时间进行接收，基于接收内容对居民健康档案是否属于全生命周期的健康档案进行判断，并根据判断结果控制健康记录残缺内容预测单元与居民健康档案修复模块和健康记录残缺时间判断单元与居民健康档案修复模块之间的通信；
居民健康档案修复模块用于对居民健康档案判断模块传输的判断结果进行接收，以及根据预测的居民健康档案中缺少的健康记录时间和内容，对居民健康档案进行修复，并将修复处理后的居民健康档案传输至匹配模块；
居民健康档案修复模块包括信息匹配单元和居民健康档案修复单元；
信息匹配单元对健康记录残缺内容预测单元传输的预测的潜在异常项对应的异常值变化情况、确定的居民体检项目异常项和婚检项目异常项，以及健康记录残缺时间判断单元传输的缺少的体检时间、婚检时间、用药时间和用药内容进行接收，根据接收内容，将确定的健康记录时间和健康记录内容进行匹配，并将信息匹配结果传输至居民健康档案修复单元；
居民健康档案修复单元对信息匹配单元传输的匹配结果进行接收，根据接收内容对居民健康档案进行修复，并将修复处理后的居民健康档案传输至匹配模块；
匹配模块用于对居民健康档案修复模块传输的居民健康档案进行接收，将修复处理后的居民健康档案与居民信息进行唯一匹配，并将匹配结果传输至居民健康风险评估模块；
匹配模块包括居民身体易病变位置预测单元、匹配单元和居民健康档案确定单元；
居民身体易病变位置预测单元对居民健康档案修复单元传输的居民健康档案进行接收，基于居民姓名对居民健康档案进行检索，若检索结果出现多个健康档案，则对出现的多个健康档案进行标记处理，利用预测公式
Figure 931174DEST_PATH_IMAGE014
对居民身体易病变位置进行预测，并将预测结果传输至匹配单元，其中，
Figure 684366DEST_PATH_IMAGE015
表示居民活动轨迹对应的坐标，
Figure 300155DEST_PATH_IMAGE032
表示居民居住地坐标，
Figure 750990DEST_PATH_IMAGE030
表示居民到达第一个目的地时对应的坐标，
Figure 401414DEST_PATH_IMAGE018
表示居民从居住地到达第一个目的地所耗费的时间，单位为小时，
Figure 794350DEST_PATH_IMAGE019
表示采集的坐标对应的编号，
Figure 146702DEST_PATH_IMAGE031
表示一天内对居民坐标的采集次数，当
Figure 181654DEST_PATH_IMAGE021
时，表示居民活动轨迹未发生变化，当
Figure 897370DEST_PATH_IMAGE022
时，表示居民活动轨迹发生变化，
Figure 461207DEST_PATH_IMAGE023
表示对
Figure 317167DEST_PATH_IMAGE024
进行赋值，当
Figure 139498DEST_PATH_IMAGE025
时，
Figure 233356DEST_PATH_IMAGE026
，当
Figure 499253DEST_PATH_IMAGE022
时，
Figure 62083DEST_PATH_IMAGE028
；
匹配单元对居民身体易病变位置预测单元传输的预测结果进行接收，将居民身体易病变位置预测结果，与标记处理后的多个健康档案中出现的异常项位置进行对比，当对比结果一致时，将该居民与对应健康档案进行匹配，并将匹配结果传输至居民健康档案确定单元；
居民健康档案确定单元对匹配单元传输的匹配结果进行接收，基于匹配结果对居民个人健康档案和居民家族健康档案进行调用，对居民个人健康档案与居民家族健康档案之间的相似度进行计算，基于相似度值对居民健康档案进行唯一确定，并将确定结果传输至居民健康风险评估模块；
居民健康风险评估模块用于对居民健康档案确定单元传输的匹配结果进行接收，基于全生命周期居民健康档案中对应项目的检测数据构建线性方程，利用线性方程倾斜角变化幅度值对全生命周期居民健康档案对居民健康风险程度进行评估。
实施例：设居民在一天内到达第一个目的地时对应的坐标为
Figure 907680DEST_PATH_IMAGE033
，居民从居住地到达第一个目的地所耗费的时间为
Figure 636470DEST_PATH_IMAGE034
，居民从居住地出发的时间为
Figure 807688DEST_PATH_IMAGE035
，
Figure 372662DEST_PATH_IMAGE036
，
Figure 35331DEST_PATH_IMAGE037
，
Figure 103781DEST_PATH_IMAGE038
，
Figure 164010DEST_PATH_IMAGE039
，
Figure 216280DEST_PATH_IMAGE040
，
Figure 669258DEST_PATH_IMAGE041
，
Figure 123373DEST_PATH_IMAGE042
，
Figure 855968DEST_PATH_IMAGE043
，
Figure 582484DEST_PATH_IMAGE044
，
Figure 104732DEST_PATH_IMAGE045
，
Figure 147775DEST_PATH_IMAGE046
，设定值为
Figure 54201DEST_PATH_IMAGE047
，居民工作姿势为坐姿，则：
居民一天内的轨迹变化频率为：
Figure 815483DEST_PATH_IMAGE048
；
由于
Figure 328373DEST_PATH_IMAGE049
，因此可判断居民长期处于一种工作状态，结合居民工作姿势，预测居民易病变位置为颈部。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种全生命周期居民健康档案的数据处理方法，其特征在于：所述方法包括以下步骤：
步骤一：对居民健康档案中的健康记录时间进行获取，根据获取时间，结合居民就业情况、居民婚姻情况和居民家人购药情况，对居民健康档案是否属于全生命周期的健康档案进行判断；
步骤二：对不属于全生命周期的居民健康档案进行健康记录的修复；
步骤三：基于修复处理后的居民健康档案，将居民健康档案与居民信息进行唯一匹配；
步骤四：根据全生命周期居民健康档案对居民健康风险程度进行评估。
2.根据权利要求1所述的一种全生命周期居民健康档案的数据处理方法，其特征在于：所述步骤一包括：
步骤一（1）：对居民健康档案中的健康记录时间、居民就业情况、居民婚姻情况和居民家人购药情况进行获取；
步骤一（2）：根据步骤一（1）中的获取信息，对居民健康档案中缺少的健康记录时间和内容进行预测；
步骤一（3）：基于步骤一（2），对居民健康档案中缺少的健康记录时间和内容进行确定，并根据确定内容判断上述居民健康档案是否属于全生命周期的居民健康档案。
3.根据权利要求2所述的一种全生命周期居民健康档案的数据处理方法，其特征在于：所述步骤一（2）中具体的预测方法为：
1）基于居民就业次数和就业年限对居民健康档案中缺少的体检时间进行确定，基于居民婚姻情况对居民健康档案中缺少的婚检时间进行确定，将居民体检项目内容和婚检项目内容与居民健康档案内容进行对比，根据对比结果对居民体检项目和婚检项目中的异常项目进行确定；
2）根据确定的居民体检项目和婚检项目异常项，对居民体检项目和婚检项目中存在的潜在异常项目进行预测，具体的预测公式
Figure 237196DEST_PATH_IMAGE001
为：
Figure 941454DEST_PATH_IMAGE002
；
其中，
Figure 291663DEST_PATH_IMAGE003
表示居民体检项目或婚检项目中异常项对应的异常值，
Figure 241034DEST_PATH_IMAGE004
表示居民体检项目或婚检项目中异常项对应的标准值，
Figure 891458DEST_PATH_IMAGE005
表示居民体检项目或婚检项目中异常项对应的编号，
Figure 18814DEST_PATH_IMAGE006
表示居民体检项目或婚检项目中正常项对应的编号，
Figure 341473DEST_PATH_IMAGE007
表示第
Figure 110846DEST_PATH_IMAGE008
个异常项与第
Figure 68307DEST_PATH_IMAGE009
个正常项之间的关联系数，当
Figure 897722DEST_PATH_IMAGE010
时，表示第
Figure 445028DEST_PATH_IMAGE009
个正常项为潜在的异常项目，当
Figure 283671DEST_PATH_IMAGE011
时，表示第
Figure 95638DEST_PATH_IMAGE009
个正常项不具有潜在危险，
Figure 361534DEST_PATH_IMAGE012
；
3）根据确定的居民体检项目异常项、婚检项目异常项和预测的潜在异常项对应的异常值变化情况，结合居民家人购药情况，对居民健康档案中缺少的用药时间和用药内容进行确定。
4.根据权利要求3所述的一种全生命周期居民健康档案的数据处理方法，其特征在于：所述步骤三包括：
步骤三（1）：根据居民活动轨迹将居民健康档案与居民个人进行匹配，具体方法为：
1>基于居民姓名对居民健康档案进行检索，若检索结果出现多个健康档案，则对出现的多个健康档案进行标记处理；
2>基于居民活动轨迹对居民身体易病变位置进行预测，具体的预测方法为：
以居民居住地所在位置为坐标原点构建坐标系，将居民活动轨迹在构建的坐标系上进行表示，利用公式
Figure 924365DEST_PATH_IMAGE013
对居民一天内的轨迹变化频率进行预测，则：
Figure 504382DEST_PATH_IMAGE014
；
其中，
Figure 233173DEST_PATH_IMAGE015
表示居民活动轨迹对应的坐标，
Figure 404391DEST_PATH_IMAGE016
表示居民居住地坐标，
Figure 969364DEST_PATH_IMAGE017
表示居民到达第一个目的地时对应的坐标，
Figure 632034DEST_PATH_IMAGE018
表示居民从居住地到达第一个目的地所耗费的时间，单位为小时，
Figure 966063DEST_PATH_IMAGE019
表示采集的坐标对应的编号，
Figure 573762DEST_PATH_IMAGE020
表示一天内对居民坐标的采集次数；
根据预测的
Figure 812982DEST_PATH_IMAGE013
值大小和居民工作姿势对居民身体易病变位置进行判断；
3>将居民身体易病变位置预测结果，与标记处理后的多个健康档案中出现的异常项位置进行对比，当对比结果一致时，将该居民与对应健康档案进行匹配；
步骤三（2）：匹配结束后，对居民个人健康档案和居民家族健康档案进行调用，对居民个人健康档案与居民家族健康档案之间的相似度进行计算，基于相似度值对居民健康档案进行唯一确定。
5.根据权利要求1所述的一种全生命周期居民健康档案的数据处理方法，其特征在于：所述步骤四根据全生命周期居民健康档案对居民健康风险程度进行评估，具体方法为：基于全生命周期居民健康档案中对应项目的检测数据构建线性方程，利用线性方程倾斜角变化幅度值对全生命周期居民健康档案对居民健康风险程度进行评估。
6.一种全生命周期居民健康档案的数据处理系统，其特征在于：所述系统包括居民健康档案判断模块、居民健康档案修复模块、匹配模块和居民健康风险评估模块；
所述居民健康档案判断模块用于根据居民健康档案中的健康记录时间、居民就业情况、居民婚姻情况和居民家人购药情况，对居民健康档案是否属于全生命周期的健康档案进行判断，并将判断结果传输至居民健康档案修复模块；
所述居民健康档案修复模块用于对居民健康档案判断模块传输的判断结果进行接收，以及根据预测的居民健康档案中缺少的健康记录时间和内容，对居民健康档案进行修复，并将修复处理后的居民健康档案传输至匹配模块；
所述匹配模块用于对居民健康档案修复模块传输的居民健康档案进行接收，将修复处理后的居民健康档案与居民信息进行唯一匹配，并将匹配结果传输至居民健康风险评估模块；
所述居民健康风险评估模块用于对匹配单元传输的匹配结果进行接收，根据匹配结果对对应居民的健康风险程度进行评估。
7.根据权利要求6所述的一种全生命周期居民健康档案的数据处理系统，其特征在于：所述居民健康档案判断模块包括信息获取单元、健康记录残缺内容预测单元、健康记录残缺时间判断单元和居民健康档案判断单元；
所述信息获取单元对居民健康档案中的健康记录时间、居民就业情况、居民婚姻情况和居民家人购药情况进行获取，并将获取信息传输至健康记录残缺时间判断单元；
所述健康记录残缺内容预测单元将居民体检项目内容和婚检项目内容与居民健康档案内容进行对比，根据对比结果对居民体检项目和婚检项目中的异常项目进行确定，根据确定结果，利用预测公式
Figure 531539DEST_PATH_IMAGE002
对居民体检项目和婚检项目中存在的潜在异常项目进行预测，并将预测的潜在异常项对应的异常值变化情况、确定的居民体检项目异常项和婚检项目异常项传输至健康记录残缺时间判断单元和居民健康档案修复模块；
所述健康记录残缺时间判断单元对信息获取单元传输的获取信息进行接收，以及对健康记录残缺内容预测单元传输的预测的潜在异常项对应的异常值变化情况、确定的居民体检项目异常项和婚检项目异常项进行接收，基于居民就业次数和就业年限对居民健康档案中缺少的体检时间进行判断，基于居民婚姻情况对居民健康档案中缺少的婚检时间进行判断，根据确定的居民体检项目异常项、婚检项目异常项和预测的潜在异常项对应的异常值变化情况，结合居民家人购药情况，对居民健康档案中缺少的用药时间和用药内容进行确定，并将缺少的体检时间、婚检时间、用药时间和用药内容传输至居民健康档案判断单元和居民健康档案修复模块；
所述居民健康档案判断单元对健康记录残缺时间判断单元传输的缺少的体检时间、婚检时间和用药时间进行接收，基于接收内容对居民健康档案是否属于全生命周期的健康档案进行判断，并根据判断结果控制健康记录残缺内容预测单元与居民健康档案修复模块和健康记录残缺时间判断单元与居民健康档案修复模块之间的通信。
8.根据权利要求7所述的一种全生命周期居民健康档案的数据处理系统，其特征在于：所述居民健康档案修复模块包括信息匹配单元和居民健康档案修复单元；
所述信息匹配单元对健康记录残缺内容预测单元传输的预测的潜在异常项对应的异常值变化情况、确定的居民体检项目异常项和婚检项目异常项，以及健康记录残缺时间判断单元传输的缺少的体检时间、婚检时间、用药时间和用药内容进行接收，根据接收内容，将确定的健康记录时间和健康记录内容进行匹配，并将信息匹配结果传输至居民健康档案修复单元；
所述居民健康档案修复单元对信息匹配单元传输的匹配结果进行接收，根据接收内容对居民健康档案进行修复，并将修复处理后的居民健康档案传输至匹配模块。
9.根据权利要求8所述的一种全生命周期居民健康档案的数据处理系统，其特征在于：所述匹配模块包括居民身体易病变位置预测单元、匹配单元和居民健康档案确定单元；
所述居民身体易病变位置预测单元对居民健康档案修复单元传输的居民健康档案进行接收，基于居民姓名对居民健康档案进行检索，若检索结果出现多个健康档案，则对出现的多个健康档案进行标记处理，利用预测公式
Figure 985655DEST_PATH_IMAGE014
对居民身体易病变位置进行预测，并将预测结果传输至匹配单元；
所述匹配单元对居民身体易病变位置预测单元传输的预测结果进行接收，将居民身体易病变位置预测结果，与标记处理后的多个健康档案中出现的异常项位置进行对比，当对比结果一致时，将该居民与对应健康档案进行匹配，并将匹配结果传输至居民健康档案确定单元；
所述居民健康档案确定单元对匹配单元传输的匹配结果进行接收，基于匹配结果对居民个人健康档案和居民家族健康档案进行调用，对居民个人健康档案与居民家族健康档案之间的相似度进行计算，基于相似度值对居民健康档案进行唯一确定，并将确定结果传输至居民健康风险评估模块。
10.根据权利要求9所述的一种全生命周期居民健康档案的数据处理系统，其特征在于：所述居民健康风险评估模块用于对居民健康档案确定单元传输的匹配结果进行接收，基于全生命周期居民健康档案中对应项目的检测数据构建线性方程，利用线性方程倾斜角变化幅度值对全生命周期居民健康档案对居民健康风险程度进行评估。
CN202211101877.0A 2022-09-09 2022-09-09 一种全生命周期居民健康档案的数据处理系统及方法 Active CN115188478B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211101877.0A CN115188478B (zh) 2022-09-09 2022-09-09 一种全生命周期居民健康档案的数据处理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211101877.0A CN115188478B (zh) 2022-09-09 2022-09-09 一种全生命周期居民健康档案的数据处理系统及方法

Publications (2)

Publication Number Publication Date
CN115188478A true CN115188478A (zh) 2022-10-14
CN115188478B CN115188478B (zh) 2022-12-30

Family

ID=83524868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211101877.0A Active CN115188478B (zh) 2022-09-09 2022-09-09 一种全生命周期居民健康档案的数据处理系统及方法

Country Status (1)

Country Link
CN (1) CN115188478B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118689841A (zh) * 2024-08-28 2024-09-24 杭州谐众科技有限公司 一种残疾人电子档案分析处理方法与系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043982A (zh) * 2009-10-13 2011-05-04 西尼卡那国际咨询(北京)有限公司 面向居民个人的电子健康档案系统
CN105335804A (zh) * 2014-08-06 2016-02-17 北京计算机技术及应用研究所 一种社区卫生服务系统
CN106940757A (zh) * 2017-03-14 2017-07-11 深圳市科奈信科技有限公司 基于物联网的健康监护服务方法和协同主机系统
JP2019124997A (ja) * 2018-01-12 2019-07-25 コニカミノルタ株式会社 健康情報管理サーバー及び健康情報管理システム
CN110109862A (zh) * 2018-01-08 2019-08-09 深圳市易特科信息技术有限公司 基于区域的居民健康档案存储系统及存储方法
CN113239050A (zh) * 2021-06-17 2021-08-10 上海鼎博医疗科技有限公司 医疗与心理数据管理系统、方法、设备和存储介质
CN113345583A (zh) * 2021-06-01 2021-09-03 甘肃省卫生健康统计信息中心(西北人口信息中心) 一种构建全生命周期居民智慧健康档案的方法及系统
CN114023407A (zh) * 2021-09-27 2022-02-08 浙江禾连网络科技有限公司 一种健康档案缺失值补全方法、系统以及存储介质
CN114093481A (zh) * 2021-11-17 2022-02-25 联众智慧科技股份有限公司 一种居民健康档案开放和监管系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043982A (zh) * 2009-10-13 2011-05-04 西尼卡那国际咨询(北京)有限公司 面向居民个人的电子健康档案系统
CN105335804A (zh) * 2014-08-06 2016-02-17 北京计算机技术及应用研究所 一种社区卫生服务系统
CN106940757A (zh) * 2017-03-14 2017-07-11 深圳市科奈信科技有限公司 基于物联网的健康监护服务方法和协同主机系统
CN110109862A (zh) * 2018-01-08 2019-08-09 深圳市易特科信息技术有限公司 基于区域的居民健康档案存储系统及存储方法
JP2019124997A (ja) * 2018-01-12 2019-07-25 コニカミノルタ株式会社 健康情報管理サーバー及び健康情報管理システム
CN113345583A (zh) * 2021-06-01 2021-09-03 甘肃省卫生健康统计信息中心(西北人口信息中心) 一种构建全生命周期居民智慧健康档案的方法及系统
CN113239050A (zh) * 2021-06-17 2021-08-10 上海鼎博医疗科技有限公司 医疗与心理数据管理系统、方法、设备和存储介质
CN114023407A (zh) * 2021-09-27 2022-02-08 浙江禾连网络科技有限公司 一种健康档案缺失值补全方法、系统以及存储介质
CN114093481A (zh) * 2021-11-17 2022-02-25 联众智慧科技股份有限公司 一种居民健康档案开放和监管系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王思聪等: "贝叶斯网络模型在体检结果分析中的应用", 《中国卫生统计》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118689841A (zh) * 2024-08-28 2024-09-24 杭州谐众科技有限公司 一种残疾人电子档案分析处理方法与系统

Also Published As

Publication number Publication date
CN115188478B (zh) 2022-12-30

Similar Documents

Publication Publication Date Title
Imran et al. AI4COVID-19: AI enabled preliminary diagnosis for COVID-19 from cough samples via an app
Birnbaum et al. Failure to validate the San Francisco Syncope Rule in an independent emergency department population
CN104582563B (zh) 临床支持系统及方法
CN109545317B (zh) 基于住院预测模型判定住院行为的方法及相关产品
CN110349671B (zh) 体检数据处理方法、系统、电子设备及存储介质
JP5450556B2 (ja) 診療情報処理装置および方法並びにプログラム
Sunitha et al. A comparative analysis of deep neural network architectures for the dynamic diagnosis of COVID‐19 based on acoustic cough features
Shany et al. Are we stumbling in our quest to find the best predictor? Over‐optimism in sensor‐based models for predicting falls in older adults
CN107851295B (zh) 数据分析设备、数据分析方法和存储数据分析程序的存储介质
CN108417274A (zh) 流行病预测方法、系统及设备
CN109168052B (zh) 服务满意度的确定方法、装置及计算设备
Pardo-Fernández et al. A review on ROC curves in the presence of covariates
CN104462744A (zh) 适用于心血管远程监测系统的数据质量控制方法
CN115188478A (zh) 一种全生命周期居民健康档案的数据处理系统及方法
CN111696673A (zh) 一种心理健康管理模型系统及方法
Koc et al. Comparison of linear correlation and a statistical dependency measure for inferring spatial relation of temperature sensors in buildings
Chen et al. Edge2Analysis: a novel AIoT platform for atrial fibrillation recognition and detection
CN116028870B (zh) 一种数据检测的方法、装置、电子设备及存储介质
CN110299207A (zh) 用于慢性病检测中的基于计算机预测模型数据处理方法
US11537888B2 (en) Systems and methods for predicting pain level
CN115879300A (zh) 滑坡诱发性估算方法、装置、电子设备及存储介质
CN113793693A (zh) 传染病流行趋势预测方法及装置
CN116051185B (zh) 广告位数据的异常检测与筛选方法
Naeem et al. A comparison of two hidden markov approaches to task identification in the home environment
Mitchell et al. Using structured decision making to manage disease risk for Montana wildlife

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