CN115762769A - 一种ercp术后风险智能预警系统 - Google Patents
一种ercp术后风险智能预警系统 Download PDFInfo
- Publication number
- CN115762769A CN115762769A CN202210166068.1A CN202210166068A CN115762769A CN 115762769 A CN115762769 A CN 115762769A CN 202210166068 A CN202210166068 A CN 202210166068A CN 115762769 A CN115762769 A CN 115762769A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- patient
- operator
- risk
- 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
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种ERCP术后风险智能预警系统,包括患者数据存储模块、数据处理模块、数据集拆分模块、并发症评估模型构建模块和并发症评估模型预测模块;患者数据存储模块用于存储通过网页管理系统录入的患者数据;数据处理模块用于对患者数据进行编码、修改和标准化处理;数据集拆分模块用于将处理后的患者数据拆分为训练集和测试集;并发症评估模型构建模块用于调用训练集和测试集构建并训练并发症评估模型;并发症评估模型预测模块用于调用并发症评估模型对网页管理系统录入的患者术中术后数据进行分析预测,给出术后风险预测,使治疗具有针对性,便于医护人员对患者术后管理进行风险分层,使医护人员能对可预见的风险提前进行干预,降低了并发症的发生概率。
Description
技术领域
本发明涉及信息技术领域,具体为一种ERCP术后风险智能预警系统。
背景技术
ERCP是胆胰疾病诊断和治疗的重要手段,其疗效、安全性得到广泛认可。但是ERCP作为侵入性操作,是消化内镜操作中难度较大,也是并发症最多的一种内镜技术,研究者一直在为控制并发症的发生而努力,但是太多的可能影响因素导致无法准确的判断患者的预后情况,临床工作中医生只能凭经验使用各种预防措施,往往导致医疗过度或者处理不及时,目前仍然没有一种可以综合参考风险因素对患者术后并发症的风险做出预测的工具,为此,本发明提供一种ERCP术后风险智能预警系统,该系统通过实时监测ERCP操作过程对ERCP术后并发症风险进行数字化预警,以此来提醒医护人员对患者术后的管理进行风险分层,从而个性化,针对性的处理。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种ERCP术后风险智能预警系统,该系统术前能根据患者的具体情况推荐操作者,术后预测患者的并发症类型及发生率,从而让医护人员对术后患者进行有针对性的、个体化的监测及预防。
(二)技术方案
为实现上述目的,本发明提供如下技术方案:一种ERCP术后风险智能预警系统,包括患者数据存储模块、数据处理模块、数据集拆分模块、并发症评估模型构建模块和并发症评估模型预测模块;
所述患者数据存储模块用于存储通过网页管理系统录入的既往患者数据;
所述数据处理模块用于对所述患者数据进行编码、修改和标准化处理;
所述数据集拆分模块用于将处理后的所述患者数据拆分为训练集和测试集;
所述并发症评估模型构建模块用于调用所述训练集和测试集构建并训练并发症评估模型;
所述并发症评估模型预测模块用于调用所述并发症评估模型对网页管理系统录入的新患者术中术后数据进行分析预测,给出术后风险预测、预防措施以及治疗处理建议,反馈给操作者。
优选的,该ERCP术后风险智能预警系统还包括操作者数据存储模块、操作者推荐模型构建模块和操作者推荐模型预测模块;
所述操作者数据存储模块用于存储通过网页管理系统录入的操作者数据;
所述操作者推荐模型构建模块用于调用操作者数据、训练集和测试集构建并训练操作者推荐模型;
所述操作者推荐模型预测模块用于调用操作者推荐模型对网页管理系统录入的新患者术前数据进行分析预测,给出并发症的风险类型以及程度预测,推荐出合适的操作者,同时给出术中操作方案。
优选的,所述数据处理模块包括离散型特征处理模块,所述离散型特征处理模块用于对患者数据中的离散型数据进行统一编码,所述离散型数据包括二值型数据和多值型数据,对于二值型数据直接进行映射,用0和1代替,对于多值型数据进行one-hot编码。
优选的,所述数据处理模块还包括异常与缺失值处理模块,所述异常与缺失值处理模块用于处理患者数据中的异常值。
优选的,所述数据处理模块还包括数据归一化处理模块,所述数据归一化处理模块用于对患者数据进行归一化处理。
优选的,所述患者数据包括:患者一般资料、诱发术后并发症的患者疾病因素、ERCP操作因素和术后并发症具体情况。
(三)有益效果
本发明的有益效果为:通过实时监测ERCP操作过程,利用构建机器学习模型,对ERCP术后并发症风险进行数字化预警,在术前推荐出合适的操作者,术后预测患者的并发症类型及发生率,让治疗过程具有针对性,提高医护人员医治的高效性,便于医护人员对患者术后的管理进行风险分层处理,使得整个治疗过程更加可视可控,让医护人员有机会对可预见的风险提前进行干预,降低了并发症的发生概率,改变了临床工作中医生只能以经验作为单一借鉴进行治疗的现况,避免了医疗过度或者处理不及时等情况发生。
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为本发明的系统结构示意图;
图2为本发明的系统操作界面示意图一;
图3为本发明的系统操作界面示意图二;
图4为本发明的系统操作界面示意图三;
图5为本发明的系统操作界面示意图四;
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。
参阅附图1-附图5,一种ERCP术后风险智能预警系统,包括患者数据存储模块、数据处理模块、数据集拆分模块、并发症评估模型构建模块和并发症评估模型预测模块;
患者数据存储模块用于存储通过网页管理系统录入的既往患者数据,具体录入内容包括四大方面,分别是一般资料(具体内容包括编号;姓名;年龄;性别;科室;联系方式;主要诊断,请见附图2)、术前资料(包括是否符合ERCP操作适应症;是否是术后主乳头;操作难度分级;血液生化检查结果;既往有无急性胰腺炎病史;肝外胆管是否扩张;术前是否使用吲哚美欣栓;基础疾病;术前干扰因素;肝门部胆管狭窄病人分级,请见附图3)、术中操作情况(包括术中操作内容;术中评估;胰管显影程度;是否是困难插管;操作是否失败;导丝进入胰管次数;擦管操作者;后续操作者,请见附图4)术后随访(包括术后生化结果、术后并发症及分级,请见附图5);
数据处理模块用于对患者数据进行编码、修改和标准化处理,即特征工程的实现,有利于模型更好的学习,达到最佳性能;
数据集拆分模块用于将处理后的患者数据拆分为训练集和测试集,训练集用于模型进行特征的学习,测试集用于衡量模型的性能和分类能力;
并发症评估模型构建模块用于调用患者数据训练集和测试集构建并训练并发症评估模型,应尽可能提高模型的性能与准确性;
并发症评估模型预测模块用于调用并发症评估模型对网页管理系统录入的新患者术中术后数据进行分析预测,给出术后风险预测、预防措施以及治疗处理建议,反馈给操作者。
综上所述,通过搭建的网页管理系统将既往患者数据录入患者数据存储模块中,建立患者数据库,数据库具体内容包括:患者一般资料、诱发术后并发症的患者疾病因素(如:基础疾病、基础状态、病因)、ERCP操作因素(操作项目、操作难度分级、进入胰管次数、胰管显影次数及程度、切开宽度、引流通畅度等)、术后并发症具体情况;
在实际存储时,根据数据产生的时间性质将数据划分为三部分,术前资料、术中操作和术后监测,定义了三个数据库(pre、medio、post),分别将数据存在数据库中。每个数据库将患者的编号作为主键,用于交叉查询并防止重复;另外为了方便数据库的读取和管理,将标题行统一规定为英文缩写作为标题行,其中有重复出现的数据用1、2进行区分,例如术前和术后都有血常规的记录,用wbc1、hgb1、plt1来表示术前的血细胞、血红蛋白、血小板值,用wbc2、hgb2、plt2来表示术后的血细胞、血红蛋白、血小板值;数据项部分缩写见表1;
表1:数据项部分缩写情况
数据处理模块将患者数据处理后生成数据集,其中在读取患者数据库中数据时,为保护患者隐私,患者姓名、手机号、住院号、科室等包含患者私人信息的数据予以剔除,仅保留对模型训练及预测有影响的数据。处理后的患者的人口统计学特征及并发症例数示于下表2;
表2:数据提取形成数据集的一般资料情况
患者数 | 年龄 | 男 | 女 | 胰腺炎 | 出血 | 穿孔 | 胆管炎 | |
数据集 | 329 | 60.63 | 146 | 183 | 33 | 4 | 3 | 13 |
数据集拆分模块通过定义一个split()方法,对数据集进行划分,采用简单交叉验证法,从全部的数据集中随机地将数据集的80%作为训练集,20%作为测试集,即属性test_size设为0.2,由于测试集和训练集是分开的,就避免了过拟合的现象,数据量增大后可选用其他的分配比例和交叉验证方法;
并发症评估模型构建模块以患者数据为特征,并发症列为标签,构建并训练并发症评估模型,本发明实施例中选择随机森林算法构建并发症评估模型,随机森林算法实现简单、精度高、抗过拟合能力强,使用训练集的数据来训练模型,然后用测试集上的误差作为最终模型在应对现实场景中的泛化误差;当使用者通过搭建的网页系统录入新患者的术中术后数据后,并发症评估模型预测模块将调用并发症评估模型进行预测,给出术后风险预测、预防措施以及治疗处理建议,反馈给操作者,通过实时监测ERCP操作过程,利用构建机器学习模型,对ERCP术后并发症风险进行数字化预警,在手术后预测患者的并发症类型及发生率,从而提高医护人员医治的高效性,便于医护人员对患者术后的管理进行风险分层处理,改变了临床工作中医生只能以经验作为单一借鉴进行治疗的现况,避免了医疗过度或者处理不及时等情况发生;
本系统还具有表单必填项检查和数据有效性检测功能,数据表中部分数据设置为必填项,包括一般资料中姓名、性别、年龄、住院号、科室以及明确和ERCP术后并发症相关的17项独立危险因素,这些数据对术后预测和病人信息收集有所帮助。必填项目后面有(*)作为标识,在数据未完整填入或者未按格式填写时,会弹窗提醒数据不完整,避免录入信息不全导致信息和预测功能出错,完整填写后才能提交表单,进行下一张表的填写;
本系统还具备数据逻辑校验功能,在录入数据的过程中部分关键性数据有前后关联,后台会进行前后数据的比对验证,当数据逻辑有误时会进行弹窗提醒,例如年轻患者是ERCP术后并发胰腺炎的独立危险因子,填写一般资料中录入了患者的年龄,而在术前因素中也存在年轻患者的选项,系统中已经设定了40岁以下的患者为年轻患者,后台会将两个因素相互验证,如果出现逻辑错误时系统会进行弹窗提醒,需将数据有逻辑有误的地方修改后才能提交。再比如在术前病史资料中需要录入患者的血清胆红素水平,而血清胆红素水平正常也是ERCP术后并发胰腺炎的独立危险因子,因此在术前因素中单独列出是否血清胆红素正常一项,系统设定了默认正常值为(0-17.1μmol/L),后台会在填写时进行数据验证,例如数值高于17.1而在血清胆红素是否正常一栏又勾选了正常,则系统会进行弹窗提醒,需修改后才能提交;
本系统具备数据延迟录入提醒功能,术后并发症往往需要在术后观察3-5天后才能完全明确,因此填写过程中部分患者术后信息存在填写不完整的情况,系统会自动记录填写数据时间,并在超过1周仍未完善的信息给予弹窗提醒,提醒有哪些患者的数据需要及时完善,避免时间过久未及时填写,出现数据遗漏的情况;
本系统支持同时多设备远程访问达到远程会诊的效果,远程专家可以通过手机或电脑网络访问网址(http://www.quanxinquanyi.com.cn/)进入本系统,在系统中可以查询患者具体信息,对手术细节内容提出操作建议,还可以对患者的术后管理、并发症判断给出指导意见。
进一步的,本发明的实施例中,还包括操作者数据存储模块、操作者推荐模型构建模块和操作者推荐模型预测模块;
操作者数据存储模块用于存储通过网页管理系统录入的操作者数据;
操作者推荐模型构建模块用于调用操作者数据、训练集和测试集构建并训练操作者推荐模型;
操作者推荐模型预测模块用于调用操作者推荐模型对网页管理系统录入的新患者术前数据进行分析预测,给出并发症的风险类型以及程度预测,推荐出合适的操作者,同时给出术中操作方案。
该系统通过录入操作者的信息,比如基础操作量、操作难度分级、操作术后并发症,建立操作者个人档案,通过分析操作者具体操作特点,比如有风险的倾入性技术操作针刀预切开、造瘘、大球囊扩张特点结合术后并发症情况来判断操作者技术稳定程度、风险倾向,然后形成操作者个人档案并根据患者术前因素录入情况相匹配,推荐具备合适难度级别匹配的操作者。系统管理者可以根据系统数据对于操作者进行有具体数据和成长曲线的质量控制管理。
综上所述,用户可通过搭建的网页管理系统将操作者数据录入操作者数据存储模块,建立操作者数据库,数据库内容包括操作者操作熟练程度、例数、掌握手术分级级别;操作者推荐模型构建模块以既往患者数据和操作者数据为特征,患者对应操作者列为标签,构建并训练操作者推荐模型,本发明实施例中选择决策树算法构建操作者推荐模型,决策树算法需要准备的数据量不大,且模型很容易可视化,易于理解,适用于本发明。使用训练集的数据来训练模型,然后用测试集上的误差作为最终模型在应对现实场景中的泛化误差;当使用者通过搭建的网页系统录入新患者的术前数据后,操作者推荐模型预测模块将调用操作者推荐模型进行预测,给出并发症的风险类型以及程度预测,推荐出合适的操作者,同时给出术中操作方案,通过增设术前预测环节,利用操作者推荐模型预测模块结合对应的数据推荐出合适的操作者,便于对患者进行个体化的监测及预防,让治疗过程具有针对性,进一步提高了医护人员医治的高效性,同时使得整个治疗过程更加可视可控,让医护人员有机会对可预见的风险提前进行干预,降低了并发症的发生概率。
进一步的,数据处理模块包括离散型特征处理模块,离散型特征处理模块用于对患者数据中的离散型数据进行统一编码,离散型数据包括二值型数据和多值型数据,对于二值型数据直接进行映射,用0和1代替,对于多值型数据进行one-hot编码。
具体的,患者数据集中包含有多项离散型特征,离散型特征不利于计算,往往需要对这些特征进行编码,数据编码后可以更加方便地通过计算机进行信息读取、分类等操作,也更有利于计算机学习到数据中的特征,编码方式有很多,不同类型的数据也会有不同的编码方式。
综上所述,离散型特征处理模块处理特征时,对于二值型数据,可直接进行映射,用0和1代替,如性别特征,可以将“男”映射为1,“女”映射为0,如对其他判断类型的数据中,“N”映射成0,“Y”映射成1;而对于多值型数据,选用one-hot编码,即将离散型特征的每一种取值都看成一种状态,若这一特征中有N个不相同的取值,那么就可以将该特征抽象成N种不同的状态,one-hot编码保证了每一个取值只会使得一种状态处于“激活态”,如术前ERCP手术评估难度等级划分为1、2、3、4共四种类别,使用one-hot对其编码就会得到增加新的难度1、难度2、难度3、难度4共四个特征,分别都是用状态0和1进行表示,通过定义一个gd()方法,可同时实现上述二值型数据和多值型数据的转化,达到离散型特征编码的需求。
进一步的,数据处理模块还包括异常与缺失值处理模块,异常与缺失值处理模块用于处理患者数据中的异常值。
具体的,在一份数据中或多或少都有缺失值,需要通过异常与缺失值处理模块对其进行处理,一般来说,处理缺失值的原则,是使用可能性最大的值去代替缺失值,使得缺失值与其他相关数值之前保持最大的关系;缺失值占比较大或影响非常大时,应该将整行数据直接删除;缺失值影响较小时,将空白位置插入填充样本的均值;数据中也有时会存在与期望结果有差异的数据,不可以和正常数据做统一处理,目前采用物理判别的方法比较准确,但是效率偏低,可根据特征数据的实际情况进行修改,本发明采用物理判别的方式对异常值进行修改。
进一步的,数据处理模块还包括数据归一化处理模块,数据归一化处理模块用于对患者数据进行归一化处理。
具体的,在处理患者数据时,离散型特征处理模块、异常与缺失值处理模块和数据归一化处理模块依次对患者数据进行处理,且处理的先后次序可改变。
综上所述,通过数据归一化处理模块将数据归一化,即将一列数据变化到某个固定区间中,通常这个区间是[0,1],当原始数据不同维度特征的尺度不一致时,需要标准化步骤对数据进行标准化或归一化处理;定义一个standard()方法,对数据集进行归一化处理,使得经过处理的数据符合标准正态分布,即均值为0,标准差为1,其转化函数为:
其中μ为所有样本数据的均值,σ为所有样本数据的标准差。
进一步的,患者数据包括:患者一般资料、诱发术后并发症的患者疾病因素、ERCP操作因素和术后并发症具体情况。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
在本申请的描述中,需要理解的是,方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,在未作相反说明的情况下,这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作,因此不能理解为对本申请保护范围的限制;方位词“内、外”是指相对于各部件本身的轮廓的内外。
为了便于描述,在这里可以使用空间相对术语,如“在……之上”、“在……上方”、“在……上表面”、“上面的”等,用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是,空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如,如果附图中的器件被倒置,则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而,示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位),并且对这里所使用的空间相对描述作出相应解释。
此外,需要说明的是,使用“第一”、“第二”等词语来限定零部件,仅仅是为了便于对相应零部件进行区别,如没有另行声明,上述词语并没有特殊含义,因此不能理解为对本申请保护范围的限制。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种ERCP术后风险智能预警系统,其特征在于,包括:
患者数据存储模块,用于存储通过网页管理系统录入的既往患者数据;
数据处理模块,用于对所述患者数据进行编码、修改和标准化处理;
数据集拆分模块,用于将处理后的所述患者数据拆分为训练集和测试集;
并发症评估模型构建模块,用于调用所述训练集和测试集构建并训练并发症评估模型;
并发症评估模型预测模块,用于调用所述并发症评估模型对网页管理系统录入的新患者术中术后数据进行分析预测,给出术后风险预测、预防措施以及治疗处理建议,反馈给操作者。
2.根据权利要求1所述的一种ERCP术后风险智能预警系统,其特征在于,还包括操作者数据存储模块、操作者推荐模型构建模块和操作者推荐模型预测模块;
所述操作者数据存储模块用于存储通过网页管理系统录入的操作者数据;
所述操作者推荐模型构建模块用于调用操作者数据、训练集和测试集构建并训练操作者推荐模型;
所述操作者推荐模型预测模块用于调用操作者推荐模型对网页管理系统录入的新患者术前数据进行分析预测,给出并发症的风险类型以及程度预测,推荐出合适的操作者,同时给出术中操作方案。
3.根据权利要求1或2所述的一种ERCP术后风险智能预警系统,其特征在于,所述数据处理模块包括离散型特征处理模块,所述离散型特征处理模块用于对患者数据中的离散型数据进行统一编码,所述离散型数据包括二值型数据和多值型数据,对于二值型数据直接进行映射,用0和1代替,对于多值型数据进行one-hot编码。
4.根据权利要求3所述的一种ERCP术后风险智能预警系统,其特征在于,所述数据处理模块还包括异常与缺失值处理模块,所述异常与缺失值处理模块用于处理患者数据中的异常值。
5.根据权利要求4所述的一种ERCP术后风险智能预警系统,其特征在于,所述数据处理模块还包括数据归一化处理模块,所述数据归一化处理模块用于对患者数据进行归一化处理。
6.根据权利要求1所述的一种ERCP术后风险智能预警系统,其特征在于,所述患者数据包括:患者一般资料、诱发术后并发症的患者疾病因素、ERCP操作因素和术后并发症具体情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210166068.1A CN115762769A (zh) | 2022-02-21 | 2022-02-21 | 一种ercp术后风险智能预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210166068.1A CN115762769A (zh) | 2022-02-21 | 2022-02-21 | 一种ercp术后风险智能预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115762769A true CN115762769A (zh) | 2023-03-07 |
Family
ID=85349022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210166068.1A Pending CN115762769A (zh) | 2022-02-21 | 2022-02-21 | 一种ercp术后风险智能预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115762769A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113539485A (zh) * | 2021-09-02 | 2021-10-22 | 河南省尚德尚行网络技术有限公司 | 医疗数据处理方法及装置 |
-
2022
- 2022-02-21 CN CN202210166068.1A patent/CN115762769A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113539485A (zh) * | 2021-09-02 | 2021-10-22 | 河南省尚德尚行网络技术有限公司 | 医疗数据处理方法及装置 |
CN113539485B (zh) * | 2021-09-02 | 2024-03-26 | 河南省尚德尚行网络技术有限公司 | 医疗数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11734629B2 (en) | Medical scan labeling quality assurance system and methods for use therewith | |
US10896753B2 (en) | Lung screening assessment system | |
Aronsky et al. | Assessing the quality of clinical data in a computer-based record for calculating the pneumonia severity index | |
CN114026651A (zh) | 结构化患者数据记录的自动生成 | |
CN110136788A (zh) | 一种基于自动检测的病历质检方法、装置、设备及存储介质 | |
EP1717722A2 (en) | System and method for early identification of safety concerns of new drugs | |
RU2707720C2 (ru) | Система для автоматизированного анализа результатов лабораторных исследований и оповещения о риске в отделении интенсивной терапии | |
CN109545317A (zh) | 基于住院预测模型判定住院行为的方法及相关产品 | |
CN109934719A (zh) | 医保违规行为的检测方法及检测装置、医保控费系统 | |
US20130339041A1 (en) | Clinical information system | |
Lin et al. | External validation of an algorithm to identify patients with high data-completeness in electronic health records for comparative effectiveness research | |
US11966374B2 (en) | Medical clinical data quality analysis system based on big data | |
CN115762769A (zh) | 一种ercp术后风险智能预警系统 | |
CN111968740B (zh) | 一种诊断标签推荐方法、装置、存储介质及电子设备 | |
CN112071431B (zh) | 基于深度学习和知识图谱的临床路径自动生成方法及系统 | |
CN113657550A (zh) | 基于分层计算的患者标记方法、装置、设备及存储介质 | |
CN117038062A (zh) | 一种临床决策支持系统、方法及存储介质 | |
CN115545955B (zh) | 医疗档案数据中异常数据的检测方法、装置和电子设备 | |
CN114064880A (zh) | 门诊主诊断错误病历筛选方法和系统 | |
CN111079420B (zh) | 文本识别方法、装置、计算机可读介质及电子设备 | |
US20230411004A1 (en) | System and method for predicting postoperative bed type | |
CN117059278B (zh) | 用于评估婴幼儿生长发育的方法、装置、设备和存储介质 | |
Everett et al. | Precision analysis of iron ore sampling, preparation and measurement overcoming deficiencies in current standard ISO 3085 | |
CN117995409A (zh) | 一种患者用药风险评价方法、系统、终端及介质 | |
CN117936110A (zh) | 一种基于人工智能的急诊室患者分流方法及系统 |
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 |