CN115359921B - 一种基于数据分析的医疗信息存储共享系统 - Google Patents

一种基于数据分析的医疗信息存储共享系统 Download PDF

Info

Publication number
CN115359921B
CN115359921B CN202211282967.4A CN202211282967A CN115359921B CN 115359921 B CN115359921 B CN 115359921B CN 202211282967 A CN202211282967 A CN 202211282967A CN 115359921 B CN115359921 B CN 115359921B
Authority
CN
China
Prior art keywords
information
medicine
drug
risk
patient
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
Application number
CN202211282967.4A
Other languages
English (en)
Other versions
CN115359921A (zh
Inventor
贺旺香
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.)
Zhongrong Yunshang Technology Co ltd
Original Assignee
Zhongrong Yunshang 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 Zhongrong Yunshang Technology Co ltd filed Critical Zhongrong Yunshang Technology Co ltd
Priority to CN202211282967.4A priority Critical patent/CN115359921B/zh
Publication of CN115359921A publication Critical patent/CN115359921A/zh
Application granted granted Critical
Publication of CN115359921B publication Critical patent/CN115359921B/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
    • G16H50/70—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
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
    • 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)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Toxicology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明主要涉及医疗信息共享领域，具体为一种基于数据分析的医疗信息存储共享系统，用于解决现有的医药查询系统没有针对于各类人群进行针对性的介绍推荐，使用户常常无法查询到针对于自身人群的用药反应，只能根据自身经验来判断，导致无法快速有效的选择药物使用的问题，包括监测模块、药物信息管理模块、患者信息管理模块、分类检索模块以及推荐模块；本发明是通过对药品的国内外安全性及药物警戒信息进行智能抓取及整合，形成药物警戒信息服务网络平台，针对不同对象进行分类展示，并进行风险与药效分析与推荐，使医疗专业人员和公众能够便捷地应用该平台来获得药品的安全信息，更好地进行风险获益评估，促进用药的合理性与安全性。

Description

一种基于数据分析的医疗信息存储共享系统
技术领域
本发明涉及医疗信息共享技术领域，更具体地说，本发明涉及一种基于数据分析的医疗信息存储共享系统。
背景技术
现有的医药查询系统对于药品的药效及不良反应通常仅针对于普遍用户，没有针对于各类人群进行针对性的介绍推荐，不论是医护人员还是普通患者在进行药物查询时，常常无法查询到针对于自身人群的用药反应，只能根据自身经验来判断，从而导致无法快速有效的选择药物使用。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种基于数据分析的医疗信息存储共享系统，通过对药品的国内外安全性及药物警戒信息进行智能抓取及整合，形成药物警戒信息服务网络平台，支持检索功能，针对不同对象进行分类展示，并进行风险与药效分析与推荐，使医疗专业人员和公众能够便捷地应用该平台来获得药品的安全信息，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于数据分析的医疗信息存储共享系统，包括：监测模块、药物信息管理模块、患者信息管理模块、分类检索模块以及推荐模块；
所述监测模块，用于对药物信息发布网站进行信息监测并获取各类药品的药效信息与患者信息；
所述药物信息管理模块，用于对监测模块收集到的药物名称与药效信息进行分类与编号；
所述患者信息管理模块，用于对监测模块收集到的患者信息进行分类与编号；
所述分类检索模块，用于向系统用户提供药品检索服务，并对不同检索用户进行分类展示；
所述推荐模块，用于当用户筛选某类患者药物适配信息后，向患者推荐相同疗效的适合的药物。
在一个优选的实施方式中，还包括信息分析及处理模块,用于各类药物的药效信息与患者信息进行翻译处理。
在一个优选的实施方式中，还包括反馈模块，用于向不同用户发送内容不同的反馈问卷。
在一个优选的实施方式中，对监测模块收集到的药物名称、药效信息与患者信息进行分类与编号的具体方法如下：
将获取的各类药物的药品信息设为A库，将获取的各类患者信息设为B库，将药效信息设为C库，并对药品信息A库进行a1、a2、……、an编号，对患者信息B库进行b1、b2、……、bn编号，对药效信息C库进行c1、c2、……、cn编号。
在一个优选的实施方式中，所述分类检索模块对不同检索用户进行分类展示时，先将用户按照身份属性进行分类，再将用户按照人群特征属性进行分类，具体步骤如下：
对检索用户提供医护人员或公众选项，将检索用户的身份属性分为医护人员或公众；
对检索用户提供人群特征选项，根据人群特征将检索用户分类；
根据检索用户的身份属性和人群特征对指定药物进行检索；
将指定药物根据该检索人员身份属性展示相应关注内容，并根据该检索人员人群特征展示该药物相应人群的药品信息、药效信息与患者信息。
在一个优选的实施方式中，所述分类检索模块对检索用户展示药品信息、药效信息与患者信息时，还对其展示该药品对检索用户的的风险系数以及药效系数；
对于该药品对检索用户的风险系数，采用Logistic回归分析方法建构的评估模型对各类患者的药物不良反应进行整体风险评估；
Logistic的指数方程为:
Figure 14067DEST_PATH_IMAGE001
，
式中，
Figure 749941DEST_PATH_IMAGE002
为b类患者服用a类药物的风险系数，Q为常数项，即所有变量取值为 0时b类患者服用a类药物的风险的大小；/>
Figure 152104DEST_PATH_IMAGE003
……/>
Figure 86562DEST_PATH_IMAGE004
为各种的不良反应；/>
Figure 814346DEST_PATH_IMAGE005
……/>
Figure 506359DEST_PATH_IMAGE006
为各个变量的回归系数；
对于该药品对检索用户的的药效系数，采用Logistic回归分析方法建构的评估模型，
该模型指数方程为:
Figure 243371DEST_PATH_IMAGE007
，
式中，
Figure 235598DEST_PATH_IMAGE008
为b类患者服用a类药物的药效系数，/>
Figure 868704DEST_PATH_IMAGE009
为常数项，即所有变量取值为 0时b类患者服用a类药物的药效的大小；/>
Figure 579171DEST_PATH_IMAGE010
……/>
Figure 588716DEST_PATH_IMAGE011
为药物的各类治疗功效以及治疗周期；
Figure 435449DEST_PATH_IMAGE012
……/>
Figure 239457DEST_PATH_IMAGE013
为各个变量的回归系数。
在一个优选的实施方式中，所述分类检索模块还对药物对患者的风险影响与药效影响进行等级划分，并将风险影响与药效影响等级展示给用户，具体步骤如下：
对于风险影响的等级划分，采用样本量的20百分位点，按照风险大小将药物对患者的影响风险划分为3个风险位阶；当风险值在0.5997以下，为低风险等级，当风险值在0.5997至0.7996之间，为中风险等级；当风险值高于0.7996，为高风险等级；
对于药效影响的等级划分，采用样本量的20百分位点，按照药效大小将药物对患者的药效影响划分为3个药效位阶；当药效值在0.5997以下，为低药效等级，当药效值在0.5997至0.7996之间，为中药效等级，当药效值高于0.7996，为高药效等级。
在一个优选的实施方式中，所述推荐模块根据药物对患者的风险影响等级与药效影响等级，进行相关药物推荐，即推荐模块的推荐相关药物有以下三种：
该药物对患者的风险值在0.5997以下，且药物药效值高于0.7996；
该药物对患者的风险值在0.5997至0.7996，且药物药效值高于0.7996；
该药物药效在0.5997至0.7996，且该药物对患者的风险值在0.5997以下。
在一个优选的实施方式中，所述监测模块还将监测获取的数据分为历史数据与近期数据，并对这两者数据分别进行综合分析；具体分析步骤如下：
当药物的风险等级评估量化模型以及药物的药效等级评估量化模型在满足数据样本量的时，若有新数据进行补充则将时间间隔最久的数据进行清除。
在一个优选的实施方式中，所述反馈模块根据检索用户的不同，其反馈问卷内容也不同；
对于普通公众用户的反馈问卷主要由系统使用感受构成；
对于医护人员用户的反馈问卷主要由专业性医药问题构成。
本发明的技术效果和优点：
1、本发明对药品的国内外安全性及药物警戒信息进行智能抓取及整合，形成药物警戒信息服务网络平台，支持检索功能，针对不同对象进行分类展示，并进行风险与药效分析与推荐，使医疗专业人员和公众能够便捷地应用该平台来获得药品的安全信息，从而更好地进行风险获益评估，促进用药的合理性与安全性；
2、本发明将药物与各类患者相对应并向检索用户共享展示，从而能够针对性的检索该药物对某类人群特征的药物反应，从而避免了由于用药人员不同导致的药效差异；
3、本发明通过将药物风险和药物药效分开研究，避免了传统的统一研究时导致的风险与药效不清晰的缺点。
附图说明
图1为本发明一种基于数据分析的医疗信息存储共享方法流程图；
图2为本发明一种基于数据分析的医疗信息存储共享系统的结构示意图。
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。
实施例1
本发明一种基于数据分析的医疗信息存储共享方法，对中国已上市药品的国内外安全性及药物警戒信息进行智能抓取及整合，形成药物警戒信息服务网络平台，支持检索功能，针对不同对象进行分类展示，并进行风险与药效分析与推荐，使医疗专业人员和公众能够便捷地应用该平台来获得药品的安全信息，从而更好地进行风险获益评估，促进用药的合理性与安全性。
如图1所示，包括如下步骤：
步骤S10，获取各类药品的药效信息与患者信息。
药物信息的获取途径有很多，例如从中国国家药品监督管理局药品评价中心发布的药品不良反应通报、警戒快讯及说明书修订公告、美国FDA发布的药物安全通讯等等网站进行信息获取。具体的，可采用网络爬虫等手段，实现安全信息的智能化收集，对该药物信息与患者信息数据进行定期更新。
其中，药效信息具体包括：给药途径、给药剂量、给药频率、不良反应、累及器官、药物疗程以及病情严重程度。
给药途径同临床各类病症的治疗效果有着极为紧密的联系，同一种药物，若给药途径不同，则其药效差别巨大。
给药剂量是指给药时对机体产生一定反应的药量，通常是指防治疾病的用量。
给药频率也称为给药频次，即一段时间内用药的频率与次数。临床上给药频次的多少直接影响着药物对疾病的治疗效果。
累及器官是指疾病侵犯、累及周围的组织器官,也就是病理的直接蔓延影响了那些组织器官。
药物疗程为该药品针对于治疗症状所需要的质量时间。
进一步的，步骤S10中，还包括步骤S10.1，其为对各类药品信息发布网站进行实时监控，并根据发布网站的更新信息对获取的药效信息与患者进行增减。避免由于信息的时效性造成用药信息不准确的情况。
步骤S20，将获取的患者用药信息与信息来源分别进行设库，并对其中各种类进行编号标记。
具体的，将步骤S10获取的各类药物的药品信息设为A库，将步骤S10获取的各类患者信息设为B库，将药效信息设为C库，并对药品信息A库进行a1、a2、……、an编号；对患者信息B库进行b1、b2、……、bn编号，对药效信息C库进行c1、c2、……、cn编号，方便后期进行统计查询。
步骤S30，根据步骤S10获取的药效信息与患者信息关系，对患者信息B库内的各患者在药品信息A库中存在的用药反应进行匹配对应，并进行整合编号。
具体的，从A类数据库中获取药物以及药物靶标相关数据信息对B类数据库中的患者进行编号。例如，来自警戒快讯发布的某a药物不良反应信息为恶心、呕吐，同时不适用于某b类患者，此类的整合编号为aabbc1c2。
其中，aa为某a药物，bb为某b类患者，c1c2为不良反应类型为1型和2型（恶心用1代表，呕吐用2代表）。
步骤S40，对患者信息B库内的患者根据人群特征进行归类。
由于患者信息B库内，患者众多，若不对患者依据人群特征进行分类，不利于用户根据自身特征进行查找。
人群特征一般由性别维度表征信息、年龄维度表征信息和体质维度表征信息等多个维度单一或混合组成。
性别维度表征信息是将B库内的患者按照性别进行相应划分，由于某些药物对于男女的药物反应差异很大。例如，阿司匹林对男性有降低心脏病和脑卒中的双重效果，但对中年女性而言，阿司匹林能帮助女性预防中风，却不能起到预防心脏病的作用。因此，对患者进行性别划分是有必要的。
年龄维度表征信息是将B库内的患者按照年龄区间进行相应划分，由于某些药物对于不同年龄的人群使用效果也不相同，例如，阿司匹林不能对中年女性起到预防心脏病的作用，但对那些超过65岁的女性，却有明显的双重预防效果，即既能预防中风又能预防心脏病。因此，需要对患者安装年龄区间进行相应划分。
体质维度表征信息是将B库内的患者按照个人的体质以及病史进行相应划分，由于某些药物对不同的体质的人药效反应不同。例如，药物“洛索洛芬钠分散片”中的主要成分“洛索洛芬钠”，对“重度心力衰竭”的患者的损害极大；又如药物“盐酸头孢他美酯分散片”中的主要成分“青霉素纳”，对“青霉素休克类体质”的患者损害极大。因此，对患者进行体质划分是有必要的。
进一步的，对患者进行药物反应匹配时，还需要对相同药物的不同剂量进行分别匹配。药物剂量对药物作用有明显的影响，如果药量小，则不能发挥药物的作用，如果药物剂量过大，则可以引起毒副作用。药物的最佳使用量，既可以发挥药物的作用，也不会无效或者引起毒副作用。因此需要对其分别备注。
步骤S50，对用药信息A库内的用药信息根据信息来源进行归类。
由于本发明用药信息信息来源广泛，由于不同信息来源其所针对的药物与关注的重点不同，将其根据信息来源进行分类汇总，便于后期对药物警戒信息进行检索。
因此，步骤S50将用药信息A库根据信息来源进行再次划分。便于后期人员进行检索。
步骤S60，将用药信息A库内的药品信息、患者信息B库内的患者信息以及药效信息C库内的药效信息内容进行翻译。
具体的，由于本药物综合信息库主要面向国内用户，而本药物综合信息库的信息获取途径包括国内外的各类数据，若直接将数据进行整合，不便于国内人群进行查阅。因此，步骤S60将获取的多国用药信息与患者信息全部翻译成汉语供便于国内人员检索。
具体的，本发明能够结合英文文本翻译器，对药物安全信息英文源地址文本内容进行智能翻译，方便用户阅读，以快速掌握国外最新药物安全信息。如利用彩云小译API、百度翻译等等，可以将英文信息翻译到中文，该API支持文本、网页、PDF/Word文档、语音、视频等多种形式，可以用来构建网站的英语语言支持。
步骤S70，对检索用户进行分类，并将药品信息、药效信息与患者信息对其进行分类展示。
由于医护人员和公众存在专业知识水平和关注点差异，面向不同的群体展示不同的重点内容，例如，公众更关注药品的疗效、不良反应等信息，而医护人员还会关注累及器官、给药途径等等信息。具体的，本发明参考美国医学图书馆（NIH）的DailyMed网站，通过折叠页面的形式，向专业及非专业用户群体展示不同的信息，同时用户可以通过点开折叠部分浏览更多信息，使安全信息的传递更加具有适宜性和针对性。
步骤S80、收集用户使用反馈信息。
具体的，本发明收集用户对本系统的使用反馈信息，便于后续根据反馈建议对系统进行进一步改善，即通过向用户发送反馈问卷，收集用户对本系统的使用反馈信息。
进一步的，在步骤S80中，根据步骤S70用户的分类不同，其反馈内容也不同，对于普通公众用户的反馈问卷主要由系统使用感受构成，而对于专业性医药的问卷信息则向医护人员用户进行发送，从而保证反馈内容的全面性，专业性。
实施例2
本发明实施例2与上述实施例1的区别在于，在实施例1中，介绍了步骤S70，对检索用户进行分类，并将药品信息、药效信息与患者信息对其进行分类展示。但对于用户如何进行分类以及如何展示并未详细说明，本实施例将详细对其进行介绍。
在步骤S70中，对检索用户进行分类的具体步骤如下：
对检索用户提供医护人员或公众选项，将检索用户的身份属性分为医护人员或公众；
对检索用户提供人群特征选项，根据人群特征将检索用户分类。
在步骤S70中，检索用户的检索内容展示具体步骤如下：
根据检索用户的身份属性和人群特征对指定药物进行检索；
将指定药物根据该检索人员身份属性展示相应关注内容，并根据该检索人员人群特征展示该药物相应人群的用药反应（包括不良反应信息以及药效信息）；
向该检索人员推荐相关药物。
进一步的，本发明在对检索用户展示药品信息、药效信息与患者信息时，还对其展示该药品对该类人群的的风险系数以及药效系数，并依据其进行相关药物推荐。
对于该药品对该类人群的的风险系数，本发明采用Logistic回归分析方法建构的评估模型对各类患者的药物不良反应进行整体风险评估。由于药物的不良反应很多，例如口干、呕吐、恶心、失眠、肝功能损害、致突变、致癌症等等，不同的不良反应对人造成的危害也不相同，因此，需要对其整体进行考虑。
本发明Logistic的指数方程为:
Figure 171641DEST_PATH_IMAGE014
。
其中，
Figure 781614DEST_PATH_IMAGE015
为b类患者服用a类药物的风险系数，Q为常数项，即所有变量取值为 0时b类患者服用a类药物的风险的大小；/>
Figure 748433DEST_PATH_IMAGE016
……/>
Figure 723342DEST_PATH_IMAGE017
为具体的变量（不同的不良反应）； />
Figure 408401DEST_PATH_IMAGE018
……/>
Figure 494169DEST_PATH_IMAGE019
为各个变量的回归系数(系数越大，该不良反应的损害越大)。
根据上述公式，便能算出某类患者对某类药物的不良反应的整体风险系数，进一步的，本发明步骤S6中，还包括对各风险系数进行评级，如下表1所示；
表1 患者对药物不良反应风险评级表
Figure 315494DEST_PATH_IMAGE020
本发明在对药物对患者的风险影响进行等级划分时，采用样本量的20百分位点，按照风险大小将药物对患者的影响风险划分为3个风险位阶。当风险值在0.5997以下的属于风险值低的用药反应，允许用户和医生进行自行随意选用，对于0.5997至0.7996风险值区域的属于中风险的用药反应，需要患者与医生进行充分考量沟通权量利弊后才决定用药，对于风险值高于0.7996的用药反应，禁止患者进行服用，以免对患者造成损害。
本实施例还对各类患者服用各类药物后的药效反应进行了药效评测。对于该药品对该类人群的的药效系数，本发明依旧采用Logistic回归分析方法建构的评估模型，
该模型指数方程为:
Figure 461305DEST_PATH_IMAGE021
，
式中，
Figure 368081DEST_PATH_IMAGE022
为b类患者服用a类药物的药效系数，/>
Figure 319856DEST_PATH_IMAGE023
为常数项，即所有变量取值为0 时b类患者服用a类药物的药效的大小；/>
Figure 995688DEST_PATH_IMAGE024
……/>
Figure 577979DEST_PATH_IMAGE025
为具体的变量（不同的治疗功效以及治疗周期）；/>
Figure 972052DEST_PATH_IMAGE026
……/>
Figure 399622DEST_PATH_IMAGE027
为各个变量的回归系数(系数越大，该治疗功效的对症度越大)。
根据上述公式，便能算出某类患者对某类药物的不良反应的整体风险系数，进一步的，本发明步骤S6中，还包括对各风险系数进行评级，如下表2所示，
表2 患者对药物药效反应评级表
Figure 195540DEST_PATH_IMAGE028
本发明在对药物对患者的药效影响进行等级划分时，采用样本量的20百分位点，按照药效大小将药物对患者的药效影响划分为3个药效位阶。当药效值在0.5997以下的属于药效差的用药反应，不建议用户和医生进行自行随意选用，对于0.5997至0.7996药效值区域的属于药效一般的用药反应，需要患者与医生进行充分考量沟通权量利弊后才决定用药，对于药效值高于0.7996的用药反应，属于药效非常好的用药反应，建议患者进行服用。
从而，本发明综合比对b类患者服用a类药物的风险系数与药效系数，向患者推荐最符合他的药物。
具体的，药物的风险系数与药效系数结合判断主要应用于以下方面：
当该药物对患者的风险值在0.5997以下，且若药物药效极好（药效值高于0.7996），则说明该药物十分适合患者，推荐用药；
当该药物对患者的风险值在0.5997至0.7996时，若药物药效极好（药效值高于0.7996），则患者与医生可以考虑进行用药；
当该患者使用该药物药效在0.5997至0.7996时，若该药物对患者的风险值在0.5997以下，则患者与医生可以考虑进行用药。
即本发明向检索人员推荐上述三种相关药物。
本发明药物使用时的风险等级评估量化模型以及药物使用时的药效等级评估量化模型均由四个方面的逻辑因素组成：以药物使用时的风险等级评估量化模型为例，一是指标，即影响药品使用的风险因素（本发明指药物对患者各类不良反应）；二是这些指标的权重,即每一种风险因素在综合评价设某类患者使用该药品的危险性大小时所占的比重；三是运算方程式，即通过什么样的数学运算过程得出风险结果；四是风险结果，即将具有各自权重的指标通过运算方程式的运算所得出的结果。构建药物反应时的风险等级评估量化模型的步骤包括四步：首先，对样本中采集到的各种评估因素进行数据转化和处理，转化成电脑软件可以识别的数据语言；其次，将这些评估因素运用SPSS软件进行Logistic回归分析，筛选出与结果具有重要相关性的因素及其权重；再次，将评估因素和权重带入Logistic回归方程进行运算，从而得出结果；最后，根据实际需要划定风险等级，判断是否具有提示报警的必要性。
其中，在对样本中采集到的各种评估因素进行数据转化和处理，转化成电脑软件可以识别的数据语言并通过SPSS软件筛选出具有重要相关性的因素及其权重中，本发明所述样本为从中国国家药品监督管理局药品评价中心发布的药品不良反应通报、警戒快讯及说明书修订公告、美国FDA发布的药物安全通讯等等网站上获取的药品使用信息，根据各网站上信息的综合，
SPSS软件确定的各指标（本发明指药物对患者各类不良反应）的权重以及所有指标变量取值为 0 时Q的取值，本发明各指标权重用
Figure 745470DEST_PATH_IMAGE029
……/>
Figure 361259DEST_PATH_IMAGE030
表示，影响药品使用的风险因素分别用/>
Figure 61362DEST_PATH_IMAGE031
……/>
Figure 711786DEST_PATH_IMAGE032
表示。
药物使用时的药效等级评估量化模型的建立与上述相似，在此不再赘述。
实施例3
本发明实施例3与上述实施例的区别在于，由于本发明步骤S1不断对用药信息与患者信息进行更新，而有效药物近段时间的药效与不良反应和以前的反应差别很大，但由于本发明综合考量下，有可能造成以往基数过大，使得近期的数据无法很好的体现。
因此，本发明还包括步骤S10中，还包括步骤S10.2，将监测获取的数据分为历史数据与近期数据，并对这两者数据分别进行综合分析。
通过将近期数据拆分，能够向用户提供更全面的信息数据报告，使用户用药更精准。
具体的，由于随着时间的流失，人们的体质以及所处环境的不同，若药物使用时的风险等级评估量化模型以及药物使用时的药效等级评估量化模型所使用的样本为所有历史数据，可能会导致数据具有一定程度的失真，因此，本发明药物使用时的风险等级评估量化模型以及药物使用时的药效等级评估量化模型在满足数据样本量的前提下，若有新数据进行补充则将时间间隔最久的数据进行清除。从而来保证风险系数与药效系数的时效性。
实施例4
本发明一种基于数据分析的医疗信息存储共享系统，如图2所示，包括：监测模块、药物信息管理模块、患者信息管理模块、信息分析及处理模块以及分类检索模块。
所述监测模块用于对中国国家药品监督管理局药品评价中心发布的药品不良反应通报、警戒快讯及说明书修订公告、美国FDA发布的药物安全通讯等药物信息发布网站进行信息监测与收集。
所述药物信息管理模块用于对监测模块收集到的药品信息与药效信息进行分类与编号。
所述患者信息管理模块用于对监测模块收集到的患者信息进行分类与编号。
所述信息分析及处理模块用于对各类药物的药效信息与患者信息进行翻译处理。
所述分类检索模块用于向系统使用用户提供药品检索服务，并对不同用户进行分类展示。
进一步的，还包括反馈模块与推荐模块，用于向不同用户发送内容不同的反馈问卷，便于后续根据反馈建议对系统进行进一步改善。
推荐模块用于当用户筛选某类患者药物适配信息后，向患者推荐相同疗效的适合的药物。
同时，本发明上述药物数据、患者数据、风险数据与药效数据均上传至系统网站，便于用户进行针对性查询。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，各个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本用于实现方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器（CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器（RAM）和/或非易失性内存等形式，如只读存储器（ROM）或闪存（flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存（PRAM)、静态随机存取存储器（SRAM)、动态随机存取存储器（DRAM)、其他类型的随机存取存储器（RAM)、只读存储器（ROM)、电可擦除可编程只读存储器（EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM)、数字符多功能光盘（DVD）或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体（transitory media)，如调制的数据信号和载波。
还需要说明的几点是：首先，本发明公开实施例附图中，只涉及到与本公开实施例涉及到的结构，其他结构可参考通常设计，在不冲突情况下，本发明同一实施例及不同实施例可以相互组合；
其次：本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
最后：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，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 (6)

1.一种基于数据分析的医疗信息存储共享系统，其特征在于：包括监测模块、药物信息管理模块、患者信息管理模块、分类检索模块以及推荐模块；
所述监测模块，用于对药物信息发布网站进行信息监测并获取各类药品的药效信息与患者信息；
所述药物信息管理模块，用于对监测模块收集到的药物名称与药效信息进行分类与编号；
所述患者信息管理模块，用于对监测模块收集到的患者信息进行分类与编号；
所述分类检索模块，用于向系统用户提供药品检索服务，并对不同检索用户进行分类展示；
所述推荐模块，用于当用户筛选某类患者药物适配信息后，向患者推荐相同疗效的适合的药物；
所述分类检索模块对不同检索用户进行分类展示时，先将用户按照身份属性进行分类，再将用户按照人群特征属性进行分类，具体步骤如下：
对检索用户提供医护人员或公众选项，将检索用户的身份属性分为医护人员或公众；
对检索用户提供人群特征选项，根据人群特征将检索用户分类；
根据检索用户的身份属性和人群特征对指定药物进行检索；
将指定药物根据该检索人员身份属性展示相应关注内容，并根据该检索人员人群特征展示该药物相应人群的药品信息、药效信息与患者信息；
所述分类检索模块对检索用户展示药品信息、药效信息与患者信息时，还对其展示该药品对检索用户的风险系数以及药效系数：
对于该药品对检索用户的风险系数，采用Logistic回归分析方法建构的评估模型对各类患者的药物不良反应进行整体风险评估；
Logistic的指数方程为：
Figure 807633DEST_PATH_IMAGE001
，
式中，
Figure DEST_PATH_IMAGE002
为b类患者服用a类药物的风险系数，Q为常数项，即所有变量取值为 0 时b类患者服用a类药物的风险的大小；/>
Figure 556146DEST_PATH_IMAGE003
……/>
Figure DEST_PATH_IMAGE004
为各种的不良反应；/>
Figure 294295DEST_PATH_IMAGE005
……/>
Figure DEST_PATH_IMAGE006
为各个变量的回归系数；
对于该药品对检索用户的药效系数，采用Logistic回归分析方法建构的评估模型，
该模型指数方程为：
Figure 735641DEST_PATH_IMAGE007
，
式中，
Figure DEST_PATH_IMAGE008
为b类患者服用a类药物的药效系数，/>
Figure 926451DEST_PATH_IMAGE009
为常数项，即所有变量取值为 0时b类患者服用a类药物的药效的大小；/>
Figure DEST_PATH_IMAGE010
……/>
Figure 478655DEST_PATH_IMAGE011
为药物的各类治疗功效以及治疗周期；/>
Figure DEST_PATH_IMAGE012
……/>
Figure 71310DEST_PATH_IMAGE013
为各个变量的回归系数；
所述分类检索模块还对药物对患者的风险影响与药效影响进行等级划分，并将风险影响与药效影响等级展示给用户，具体步骤如下：
对于风险影响的等级划分，采用样本量的20百分位点，按照风险大小将药物对患者的影响风险划分为3个风险位阶；当风险值在0.5997以下，为低风险等级，当风险值在0.5997至0.7996之间，为中风险等级；当风险值高于0.7996，为高风险等级；
对于药效影响的等级划分，采用样本量的20百分位点，按照药效大小将药物对患者的药效影响划分为3个药效位阶；当药效值在0.5997以下，为低药效等级，当药效值在0.5997至0.7996之间，为中药效等级，当药效值高于0.7996，为高药效等级；
所述推荐模块根据药物对患者的风险影响等级与药效影响等级，进行相关药物推荐，即推荐模块的推荐相关药物有以下三种：
该药物对患者的风险值在0.5997以下，且药物药效值高于0.7996；
该药物对患者的风险值在0.5997至0.7996，且药物药效值高于0.7996；
该药物药效在0.5997至0.7996，且该药物对患者的风险值在0.5997以下；
且该药物对患者的风险值在0.5997以下，且药物药效值高于0.7996的一级推荐药物，其余两种为考虑推荐药物。
2.根据权利要求1所述的一种基于数据分析的医疗信息存储共享系统，其特征在于：还包括信息分析及处理模块，用于各类药物的药效信息与患者信息进行翻译处理。
3.根据权利要求1所述的一种基于数据分析的医疗信息存储共享系统，其特征在于：还包括反馈模块，用于向不同用户发送内容不同的反馈问卷。
4.根据权利要求1所述的一种基于数据分析的医疗信息存储共享系统，其特征在于：对监测模块收集到的药物名称、药效信息与患者信息进行分类与编号的具体方法如下：
将获取的各类药物的药品信息设为A库，将获取的各类患者信息设为B库，将药效信息设为C库，并对药品信息A库进行a1、a2、……、an编号，对患者信息B库进行b1、b2、……、bn编号，对药效信息C库进行c1、c2、……、cn编号。
5.根据权利要求1所述的一种基于数据分析的医疗信息存储共享系统，其特征在于：所述监测模块还将监测获取的数据分为历史数据与近期数据，并对这两种数据分别进行综合分析；具体分析步骤如下：
当药物的风险等级评估量化模型以及药物的药效等级评估量化模型在满足数据样本量的时，若有新数据进行补充则将时间间隔最久的数据进行清除。
6.根据权利要求3所述的一种基于数据分析的医疗信息存储共享系统，其特征在于：所述反馈模块根据检索用户的不同，其反馈问卷内容也不同；
对于普通公众用户的反馈问卷主要由系统使用感受构成；
对于医护人员用户的反馈问卷主要由专业性医药问题构成。
CN202211282967.4A 2022-10-20 2022-10-20 一种基于数据分析的医疗信息存储共享系统 Active CN115359921B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211282967.4A CN115359921B (zh) 2022-10-20 2022-10-20 一种基于数据分析的医疗信息存储共享系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211282967.4A CN115359921B (zh) 2022-10-20 2022-10-20 一种基于数据分析的医疗信息存储共享系统

Publications (2)

Publication Number Publication Date
CN115359921A CN115359921A (zh) 2022-11-18
CN115359921B true CN115359921B (zh) 2023-06-27

Family

ID=84007610

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211282967.4A Active CN115359921B (zh) 2022-10-20 2022-10-20 一种基于数据分析的医疗信息存储共享系统

Country Status (1)

Country Link
CN (1) CN115359921B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462921A (zh) * 2020-04-20 2020-07-28 山东大学 一种癫痫用药推荐方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011124385A1 (en) * 2010-04-07 2011-10-13 Novadiscovery Computer based system for predicting treatment outcomes
CN109243564A (zh) * 2018-09-25 2019-01-18 福建中医药大学 一种用药风险评估系统
CN114005503B (zh) * 2021-12-31 2022-03-18 四川省医学科学院·四川省人民医院 一种药源性疾病主动监测预警系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462921A (zh) * 2020-04-20 2020-07-28 山东大学 一种癫痫用药推荐方法及系统

Also Published As

Publication number Publication date
CN115359921A (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
Maust et al. Association of the Centers for Medicare & Medicaid Services’ national partnership to improve dementia care with the use of antipsychotics and other psychotropics in long-term care in the United States from 2009 to 2014
Paksarian et al. Association of outdoor artificial light at night with mental disorders and sleep patterns among US adolescents
Li et al. Geographic variations and temporal trends in cesarean delivery rates in China, 2008-2014
Bhanbhro et al. Assessing the contribution of prescribing in primary care by nurses and professionals allied to medicine: a systematic review of literature
Singer et al. Trends in multimorbidity, complex multimorbidity and multiple functional limitations in the ageing population of England, 2002–2015
McLernon et al. Adverse drug reaction reporting in the UK: a retrospective observational comparison of yellow card reports submitted by patients and healthcare professionals
Gossec et al. Elaboration of the preliminary Rheumatoid Arthritis Impact of Disease (RAID) score: a EULAR initiative
Rubinstein et al. Detection and follow-up of cardiovascular disease and risk factors in the Southern Cone of Latin America: the CESCAS I study
Choi et al. Prevalence and characteristics of indoor tanning use among men and women in the United States
McVeigh et al. Can electronic health records be used for population health surveillance? Validating population health metrics against established survey data
Wang et al. Population prevalence of need for spectacles and spectacle ownership among urban migrant children in eastern China
Buntinx-Krieg et al. Dermatology on Reddit: elucidating trends in dermatologic communications on the world wide web
Huang et al. Global burden and temporal trends of lower urinary tract symptoms: a systematic review and meta-analysis
Copeland et al. Long-term outcomes of childhood family income supplements on adult functioning
Cunha et al. Viability of mobile applications for remote support of radiotherapy patients
Yang et al. Assessment of knowledge of HIV/AIDS and association with socioeconomic disparities among young women in low-and middle-income countries, 2003 to 2018
Xuan et al. Association of implementation of postoverdose outreach programs with subsequent opioid overdose deaths among Massachusetts municipalities
Morgado et al. Components of care models that influence functionality in people over 65 in the context of long-term care: integrative literature review
Ribeiro et al. Time-trend analysis of suicide and of health information systems in relation to suicide attempts
CN115359921B (zh) 一种基于数据分析的医疗信息存储共享系统
Harris et al. Examining mental health, education, employment, and pain in sickle cell disease
Lee et al. Global trends in social prescribing: web-based crawling approach
Wissanji et al. Models of care in Geriatric Intensive Care—a scoping review on the optimal structure of care for critically ill older adults admitted in an ICU
Abreu et al. Use of patients’ classification instruments: analysis of the Brazilian production of knowledge
Caccia-Bava et al. Availability of herbal medicines and medicinal plants in the primary health facilities of the state of São Paulo, Southeast Brazil: results from the National Program for Access and Quality Improvement in Primary Care

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230607

Address after: 5th Floor, Building 12, Xinya Innovation Industrial Park, No. 109 Xiangrui Road, Zhengzhou Economic and Technological Development Zone, Zhengzhou City, Henan Province, 450047

Applicant after: Zhongrong yunshang Technology Co.,Ltd.

Address before: Room 1718, Block A, Weihao Yujing Plaza, No. 282, Nanyi Road, Dongying District, Dongying City, Shandong Province, 257000

Applicant before: Shandong Minhao Health Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant