CN115907642A - 数据生成方法、装置、设备和介质 - Google Patents
数据生成方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115907642A CN115907642A CN202211338898.4A CN202211338898A CN115907642A CN 115907642 A CN115907642 A CN 115907642A CN 202211338898 A CN202211338898 A CN 202211338898A CN 115907642 A CN115907642 A CN 115907642A
- Authority
- CN
- China
- Prior art keywords
- data
- research
- clinical
- central
- center
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000011160 research Methods 0.000 claims abstract description 147
- 238000012360 testing method Methods 0.000 claims abstract description 55
- 238000009826 distribution Methods 0.000 claims abstract description 36
- 230000007246 mechanism Effects 0.000 claims abstract description 13
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 4
- 201000010099 disease Diseases 0.000 description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 239000003814 drug Substances 0.000 description 9
- 206010000891 acute myocardial infarction Diseases 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 239000002547 new drug Substances 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008520 organization Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 208000005718 Stomach Neoplasms Diseases 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 206010017758 gastric cancer Diseases 0.000 description 4
- 238000012797 qualification Methods 0.000 description 4
- 201000011549 stomach cancer Diseases 0.000 description 4
- UCTWMZQNUQWSLP-VIFPVBQESA-N (R)-adrenaline Chemical compound CNC[C@H](O)C1=CC=C(O)C(O)=C1 UCTWMZQNUQWSLP-VIFPVBQESA-N 0.000 description 3
- 229930182837 (R)-adrenaline Natural products 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229960005139 epinephrine Drugs 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 210000003734 kidney Anatomy 0.000 description 3
- 238000002054 transplantation Methods 0.000 description 3
- 208000010839 B-cell chronic lymphocytic leukemia Diseases 0.000 description 2
- 108010050904 Interferons Proteins 0.000 description 2
- 208000031422 Lymphocytic Chronic B-Cell Leukemia Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- UCTWMZQNUQWSLP-UHFFFAOYSA-N adrenaline Chemical compound CNCC(O)C1=CC=C(O)C(O)=C1 UCTWMZQNUQWSLP-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003255 drug test Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- NMUSYJAQQFHJEW-KVTDHHQDSA-N 5-azacytidine Chemical compound O=C1N=C(N)N=CN1[C@H]1[C@H](O)[C@H](O)[C@@H](CO)O1 NMUSYJAQQFHJEW-KVTDHHQDSA-N 0.000 description 1
- 206010014561 Emphysema Diseases 0.000 description 1
- 102000014150 Interferons Human genes 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 201000003793 Myelodysplastic syndrome Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000001800 adrenalinergic effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 229960002756 azacitidine Drugs 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 229940121657 clinical drug Drugs 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229940079322 interferon Drugs 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000009522 phase III clinical trial Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施方式提供了一种数据生成方法、装置、设备和介质,包括:分别构建多个研究中心的中心资源数据集;其中,所述中心资源数据集包括表示能够承办临床试验项目的研究资源的资源数据;分别构建多个临床协调机构的协调员人力数据集;其中,所述协调员人力数据集包括临床协调机构的协调员相对于多个研究中心的人力分布数据;根据所述人力分布数据,分别统计多个研究中心的中心人力数据;基于所述多个研究中心的中心人力数据和中心资源数据集,生成协调员布局建议数据;其中,所述协调员布局建议数据用于建议临床协调机构针对多个研究中心的人力分布。提高了申办方推进临床试验项目的效率。
Description
技术领域
本说明书中实施方式关于计算机互联网技术领域,具体涉及数据生成方法、装置、设备和存储介质。
背景技术
医学临床试验项目通常在研究中心进行实施,并由临床协调机构跟进医学临床试验项目的实施过程。
具体的,在医学临床试验项目的实施过程中,临床协调机构会安排协调员至相应的研究中心,承接具体的事项。在一些情况下,临床协调机构可以在多个研究中心安排协调员。如此,在临床协调机构接收到位于该研究中心的医学临床试验项目时,可以立即安排协调员推进处理。
在一些情况下,临床协调机构通常仅仅根据自身在多个研究中心承接的医学临床试验项目情况,在研究中心安排协调员。整体上,会存在多个研究中心的协调员人力分布不均衡的情况。甚至,在一些情况下,一些研究中心可能本身具有很好的研究资源,但在该研究中心合作的临床协调机构较少时,会影响该研究中心实施的医学临床试验项目的数量。这导致社会资源,没有被合理的充分利用。
发明内容
本说明书中多个实施方式提供一种为申办方的临床试验项目推荐承办方的方法、装置、设备和存储介质,可以提高临床协调机构的协调员在多个研究中心的人力资源布局合理性。
本说明书实施方式提出了一种数据生成方法,包括:分别构建多个研究中心的中心资源数据集;其中,所述中心资源数据集包括表示能够承办临床试验项目的研究资源的资源数据;分别构建多个临床协调机构的协调员人力数据集;其中,所述协调员人力数据集包括临床协调机构的协调员相对于多个研究中心的人力分布数据;根据所述人力分布数据,分别统计多个研究中心的中心人力数据;基于所述多个研究中心的中心资源数据和中心人力数据,生成协调员布局建议数据;其中,所述协调员布局建议数据用于建议临床协调机构针对多个研究中心的人力分布。
本说明书实施方式提供一种数据生成装置,包括:第一构建模块,用于分别构建多个研究中心的中心资源数据集;其中,所述中心资源数据集包括表示能够承办临床试验项目的研究资源的资源数据;第二构建模块,用于分别构建多个临床协调机构的协调员人力数据集;其中,所述协调员人力数据集包括临床协调机构的协调员相对于多个研究中心的人力分布数据;统计模块,用于根据所述人力分布数据,分别统计多个研究中心的中心人力数据;生成模块,用于基于所述多个研究中心的中心资源数据和中心人力数据,生成协调员布局建议数据;其中,所述协调员布局建议数据用于建议临床协调机构针对多个研究中心的人力分布。
本说明书实施方式提出了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现前述实施方式所述的方法。
本说明书实施方式提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现前述实施方式所述的方法。
本说明书实施方式通过分别构建研究中心的中心资源数据集,以及临床试验机构的协调员人力数据集,进而可以整体上,根据研究中心的资源数据和临床试验机构的人力分布数据,向临床试验机构提供协调员布局建议数据。以使得,临床试验机构在多个研究中心的人力布局,能够更加匹配每个研究中心的研究资源情况,可以一定程度上,提升社会整体医疗资源利用率。进一步的,由于每个研究中心都被部署了与研究资源较为适配的协调员人力资源,可以使得医学临床试验项目可以被顺利、快捷的在研究中心实施,使得可以一定程度上个缩短新药物的研发进程。
附图说明
图1为本说明书的一个实施方式提供的临床试验项目实施方的搜索场景实例示意图。
图2为本说明书的一个实施方式提供的临床试验项目推荐的实施方的场景实例示意图。
图3为本说明书的一个实施方式提供的临床试验项目推荐的实施方的场景实例示意图。
图4为本说明书的一个实施方式提供的数据生成方法的流程示意图。
图5为本说明书的一个实施方式提供的临床试验项目实施方的推荐方法流程示意图。
图6为本说明书的一个实施方式提供的数据生成装置的模块示意图。
图7为本说明书的一个实施方式提供的电子设备的功能示意图。
具体实施方式
相关技术中,药厂研制出一种治疗某疾病的新药。为了测试新药对治疗疾病的效果,首先需要寻找符合要求的病人,在病人同意使用新药的情况下,药厂需要在各个疗程中监测记录病人的各项指征变化情况。
符合要求的病人可能分布在不同的地域和不同的研究中心。研究中心可以为医院。例如,肿瘤病人可能出现在各个肿瘤专科医院,也可能出现在综合医院。一次测试新药的疗程会持续数月,在数月中病人要依照制定的流程使用药物,并且在规定的时间中检测身体的变化。例如,一位肿瘤病人服用新药后,按规定时间进行血常规,B超和PET-CT等项目诊断。
由此,如果由药厂寻找病人,并且监督病人完成新药的测试,成本较高。如今,有临床协调机构完成药厂委托的临床试验项目。临床协调机构可以安排协调员至数家医院。当临床协调机构接到药厂委托的临床试验项目后,可以将临床试验项目分配给不同医院的协调员,由协调员具体推进临床试验项目。
由于研究中心的数据和临床协调机构的数据并不互通,所以药厂可能会需要反复确认多个研究中心能否承接医学临床试验项目,临床协调机构在此研究中心有无充足的协调员。在此过程中,药厂会耗费大量时间,进而推迟新药的上市。
因此,有必要提供一种数据生成方法,可以构建研究中心的中心资源数据集,以及临床试验机构的协调员人力数据集,进而可以整体上,根据研究中心的资源数据和临床试验机构的人力分布数据,向临床试验机构提供协调员布局建议数据。以使得临床试验机构在多个研究中心的人力布局,能够更加匹配每个研究中心的研究资源情况,可以一定程度上,提升社会整体医疗资源利用率。进一步的,由于每个研究中心都被部署了与研究资源较为适配的协调员人力资源,可以使得医学临床试验项目可以被顺利、快捷的在研究中心实施,使得可以一定程度上个缩短新药物的研发进程。
请参阅图1,图2和图3。本说明书中提供一种数据生成方法的应用场景示例。
本场景示例中,一个临床试验项目的申办方研制出一种使用肾上腺素治疗急性心肌梗死的新药,需要进行临床试验测试新药的效果,申办方的工作人员建立新项目“注射用肾上腺素治疗急性心肌梗死适应症的Ⅰ期临床试验”。申办方需要找到合适的研究中心承接项目,于是申办方的工作人员在客户端输入项目信息,具体的,项目信息可以包括:项目名称“新款肾上腺素疗效验证项目”,项目分期Ⅰ期,适应症:急性心肌梗死。
客户端将项目信息发送至服务器。服务器接收项目信息,提取关键字“急性心肌梗死”。服务器在数据库中搜索,寻找有资质承接“急性心肌梗死”临床药物试验的研究中心。经过服务器的搜索,有A,B,C,D和E五家医院有试验资质。
服务器在A,B,C,D和E五家医院的中心资源数据集中,搜索具体的能承接“急性心肌梗死”的研究科室,调取每个研究科室承接的项目信息,包括正在进行的项目和已立项但未开展的项目。服务器调取每个研究科室统计与“急性心肌梗死”相关的病源数量。服务器依据每个研究科室已经承接的项目和预测的每个研究科室可能的病源数量,计算出与该研究科室对应的研究中心资源数据。
A,B,C,D和E五家医院中,有数家临床协调机构布置有数位协调员。服务器分别在这些临床协调机构的中心资源数据集中查找在A,B,C,D和E五家医院中工作的协调员信息,确定协调员后,服务器搜索每位协调员的工时安排和负责的项目信息。服务器依据每位协调员的工时安排和负责的项目信息,计算出协调员的工时资源数据。
服务器分析研究中心的资源数据和工时资源数据,计算出各个医院承接“新款肾上腺素疗效验证项目”的推荐指数。服务器在依据推荐指数查找对应的推荐等级。A医院的推荐指数非常低,对应的推荐等级为“不推荐”。D医院的推荐指数非常高,对应的推荐等级为“推荐”。虽然E医院有研究中心资源数据,但是由于服务器发现没有协调员在E医院工作,因此将E医院标记为“警告”。服务器可以将推荐度和五家医院的信息发送给申办方的客户端。再者,服务器可以向临床协调机构反馈,E医院可以部署协调员。
申办方的工作人员的客户端显示A,B,C,D和E五家医院的分布地图。E医院显示“警示”图标,申办方的工作人员知晓无法在E医院开展试验。A,B,C,D四家医院中,A和B医院承接的项目数量多,协调员工作繁忙,没有多余的工作时间处理新项目。因此,A和B医院的图标的颜色较深,工作人员知道A和B医院为不推荐的研究中心。C和D医院的协调员工作有空余,可以承接新项目的试验,而且D医院的协调员的空余时间比C医院多,因此,C医院的图标的颜色较浅,D医院的图标的颜色最浅。申办方的工作人员可以在C和D医院中选择一家医院作为“注射用肾上腺素治疗急性心肌梗死适应症的Ⅰ期临床试验”承接方。
申办方的工作人员想知道A医院的具体情况,在客户端点击A医院的控件,客户端将“A医院”的名称信息和分析请求发送至服务器。
服务器接收“A医院”的名称信息和分析请求,在数据库中搜索“A医院”承接的历史项目,正在进行临床试验的项目和已立项但未开展的项目。服务器分析这些项目对应的适应症信息,依据历史积累信息计算出研究各个适应症的研究人员的工作饱和度和研究能力,将以上信息返回客户端。
客户端接收信息,将各个信息显示在客户端上。申办方的工作人员可以从客户端看到“A医院”适应症的研究能力强的领域,也能看到各个研究人员的擅长领域和研究能力。用户可以依据客户端的信息,为“A医院”接下来的发展提出建议。
当然,上述仅仅是一个数据生成方法的应用场景示例,本说明书实施方式提供的数据生成方法并不限于前述应用场景。
本说明书实施方式提供一种数据生成方法可以应用于服务器。服务器可以是具有一定运算处理能力的电子设备。其可以具有网络通信模块、处理器和存储器等。当然,所述服务器也可以是指运行于所述电子设备中的软体。所述服务器还可以为分布式服务器,可以是具有多个处理器、存储器、网络通信模块等协同运作的系统。或者,服务器还可以为若干服务器形成的服务器集群。或者,随着科学技术的发展,服务器还可以是能够实现说明书实施方式相应功能的新的技术手段。例如,可以是基于量子计算实现的新形态的“服务器”。
请参阅图4。本说明书的一个实施方式提供一种数据生成方法。所述数据生成方法可以应用于服务器。所述数据生成方法可以包括以下步骤。
步骤S101:分别构建多个研究中心的中心资源数据集;其中,所述中心资源数据集包括表示能够承办临床试验项目的研究资源的资源数据。
在本实施方式中,研究中心可以是有能力完成临床试验项目的机构组织。研究中心可以分为专项研究中心和综合研究中心。研究中心可以包括诊所、药物研究机构或医院等。
可以针对每个研究中心分别构建中心资源数据集。并可以随着研究中心的生产经营活动,更新中心资源数据集中的数据。如此,使得中心资源数据集中的数据可以表示研究中心的资源状态。中心资源数据集可以包括用于承办临床试验项目的研究资源的资源数量。研究资源可以包括病人的数量、病床的数量或医疗科室的数量等等。当然,研究资源可以至少包括以上中的一种或几种。通过构建研究中心的中心资源数据集,可以及时跟进每个研究中心的资源状态。资源数据可以用于表示研究资源的数量。
在本实施方式中,所述临床试验项目可以是药物临床试验项目。所述临床试验项目用于证实或揭示试验药物的作用、不良反应及/或试验药物的吸收、分布、代谢和排泄。目的是确定试验药物的疗效与安全性。
步骤S103:分别构建多个临床协调机构的协调员人力数据集;其中,所述协调员人力数据集包括临床协调机构的协调员相对于多个研究中心的人力分布数据。
在本实施方式中,临床协调机构可以具有多个协调员。通过安排该多个协调员至研究中心,以推进在研究中心开展的临床试验项目。
通过构建协调机构的协调员人力数据集,以明确每个临床协调结构的协调员的人力分布数据。在本实施方式中,人力数据集可以包括临床协调机构派遣至每个研究中心的协调员人数、临床协调机构的协调员在各研究中心的工时资源数据、协调员推进的临床试验项目、协调员历史处理的临床试验项目等等。当然,人力数据集可以至少包括人力分布数据。所述人力分布数据可以至少包括以下之一:临床协调机构派遣至每个研究中心的协调员人数、临床协调机构的协调员在各研究中心的工时资源数据。
步骤S105:根据所述人力分布数据,分别统计多个研究中心的中心人力数据。
在本实施方式中,可以将多个临床协调机构的人力分布数据,按照多个研究中心分开进行统计。如此,便可以得出多个临床协调机构总体上在每个研究中心的中心人力数据。通过中心人力数据,便可以表征每个研究中心的协调员的整体工作状态。或者,将协调员作为一种临床资源,可以通过中心人力数据表征研究中心的临床协调员的资源状态。具体的,例如,以人力分布数据为工时资源数据为例,可以统计一个研究中心的多个临床协调机构的协调员的总体工时资源数据。如此,可以表示一个研究中心中协调员的工作饱和程度。
步骤S107:基于所述多个研究中心的中心人力数据和中心资源数据集,生成协调员布局建议数据;其中,所述协调员布局建议数据用于建议临床协调机构针对多个研究中心的人力分布。
在一些情况下,研究中心具有较多的研究资源时,便可以意味着研究中心可以实施较多的临床试验项目。而,一个研究中心若要实施较多的临床试验项目,便需要较多的协调员推进临床试验项目的实施。因此,可以认为,研究中心具有较多的研究资源时,对于协调员便具有较多的需求。反之,一个研究中心具有相对较少的研究资源时,便可以认为该研究中心具有较少的协调员的需求。
在本实施方式中,服务器可以综合多个研究中心的中心资源数据和中心人力数据,可以向至少一个临床协调机构发出协调员布局建议。如此,以使得可以平衡研究中心的研究资源和协调员数量。实现针对临床协调机构的人力资源优化配置。
在一些实施方式中,所述数据生成方法还可以包括:接收临床试验项目的项目信息。根据临床试验项目的项目信息,在所述多个研究中心的中心资源数据集中匹配,得到能实施所述临床试验项目的候选研究中心的中心标识信息;其中,所述中心标识信息用于表示研究中心。基于所述中心标识信息确定候选研究中心的中心人力数据;依照所述中心人力数据、以及所述候选研究中心的资源数据,向所述临床试验项目推荐目标研究中心。
在一些情况下,服务器可以在接收到项目信息之后,向临床试验项目的申办方推荐目标研究中心。
所述项目信息可以是用于表示临床试验项目的项目需求。具体的,例如,项目信息可以包括所针对的医疗领域,入组人数要求,执行项目的研究中心的数量等。所述中心标识信息可以是用于表示研究中心。具体的,中心标识信息可以是研究中心的名称,代号,代码,简称或徽标等。服务器接收中心标识信息后,可以依据中心标识信息确定中心标识信息指代的研究中心。
在本实施方式中,将项目信息在中心资源数据集中匹配,可以为将项目信息中的多个项目需求分别与研究中心的中心资源数据集进行比较。判断研究中心是否能够符合项目信息的项目需求。具体的,例如,项目信息中要求医疗领域为肺气肿,入组人数为50。研究中心的中心资源数据集中记载,该研究中心没有肺部疾病的医疗科室。此时,便可以认定该研究中心不符合项目需求。当然,当研究中心的中心资源数据集中记载的数据,满足项目信息中项目需求的情况下,便可以将该研究中心作为候选研究中心。
在一些实施方式中,根据临床试验项目的项目信息,在所述多个研究中心的中心资源数据集中匹配,得到能实施所述临床试验项目的候选研究中心的中心标识信息,可以包括:获取研究中心实施的临床试验项目的进度数据和病人数量;基于研究中心实施的临床试验项目的进度数据和病人数量,计算研发中心的可用资源数据;其中,所述可用资源数据表示能用于所述项目信息表示的临床试验项目的研究资源;将可用资源数据符合所述项目信息的需求的研究中心,作为候选研究中心。
在本实施方式中,临床试验项目都会有项目开始日期和项目结束日期。通过获取研究中心的临床试验项目的进度数据,便可以进一步确定临床试验项目的项目结束日期。在一个临床试验项目结束之后,便可以释放出该临床试验项目占用的资源。本实施方式中,在将项目信息与研究中心的中心资源数据集进行匹配时,不仅考虑研究中心的目前空闲资源,还可以结合可能会释放资源的临床试验项目。如此,使得针对研究中心是否能够匹配项目信息的判断,更加准确,有助于资源的充分利用。
在一些实施方式中,所述中心人力数据包括工时资源数据。基于所述中心标识信息确定候选研究中心的中心人力数据,可以包括:获取与候选研究中心合作的临床协调机构的机构标识;在所述机构标识对应的临床协调机构的协调员人力数据集中查找对应候选研究中心的协调员信息和协调员工作状态数据;基于所述协调员信息和所述协调员工作状态数据,计算得到所述工时资源数据。
在一些情况下,协调员的工作以达到饱和,无法再承接新的项目,也会影响所述临床试验项目的进展。因此,在推荐合适的承办方时,还需要考虑在这家研究中心的协调员的工时资源。
所述工时资源数据可以是用于表达在所述目标研究中心工作的协调员的工时分布,也可以是用于表达所述协调员承接所述临床试验项目的数量。工时资源可以包括所述协调员负责的正在进行中的项目进度情况,已立项未开展的项目情况,也可以是所述协调员的工作安排情况。具体的,所述协调员每日工作8小时,6小时都在处理所述临床项目,剩余2小时的空闲时间,所述工时资源数据可以是为2,也可以为0.25。
通过确定临床协调机构的机构标识,便可以进一步确定该临床协调机构对应的协调员人力数据集。进而,可以在该协调员人力数据集中确定处于该研究中心的协调员信息和协调员工作状态数据。协调员信息可以用于表示协调员的数量。所述协调员工作状态数据可以包括所述协调员的实际工作安排信息。具体的,例如,可以是每个工作日已经被占用了几个小时长,剩余时长,协调员负责的项目数量,这些项目进展情况,以及,所述协调员负责的待处理项目。所述协调员信息和协调员工作状态数据可以是按时更新的数据,以提高数据的实时性。
在确定研究中心的协调员信息和协调员工作状态数据之后,便可以进一步计算研究中心的工时资源数据。具体的,例如,以每天每个协调员具有8个工时资源作为计算基础,结合协调员的数量,以及已经被占用的工时资源和后续可能被占用的工时资源,便可以得出可以给项目信息表示的临床试验项目的工时资源数据。
在一些实施方式中,依照所述中心人力数据、以及所述候选研究中心的资源数据,向所述临床试验项目推荐目标研究中心的步骤中,可以包括:基于所述中心人力数据和所述候选研究中心的资源数据,分别计算候选研究中心的推荐指数;根据所述推荐指数在候选研究中心中确定目标研究中心。
在一些情况下,候选研究中心的数量可以是多个。为了得出较为适合的目标研究中心,可以计算每个候选研究中心的推荐指数。进而,通过推荐指数确定目标研究中心。
在本实施方式中,可以基于中心人力数据和资源数据计算推荐指数。具体的,可以分别为中心人力数据和资源数据设置相应的加权权重,整体求和作为推荐指数。当然,在进行计算推荐指数时,不同候选研究中心参与运算的数据类型相同,避免最终得出的推荐指数存在不准确的问题。
所述推荐指数可以用于表达候选研究中心相对于临床试验项目的推荐度。服务器获取所述工时资源数据和所述候选研究中心的资源数据后。可以依据相应取值和所述推荐指数的计算公式,计算所述推荐指数。具体的,在A医院中,某研究科室承接的项目较多,病源较少,所述研究资源数据对应的取值为2;A医院的协调员工作饱和,所述工时资源数据对应的取值为1。所述推荐指数的计算公式可以是采用加权计算方法。例如,所述目标研究资源数据的权重是0.6,所述工时资源数据的权重是0.4,则A医院的所述推荐指数为1.6。在一些情况下,所述推荐指数也可以采用其他算法。
服务器依据所述推荐指数,可以对所述候选研究中国心进行排名或者分类,依据具体要求,确定具体的候选研究中心作为目标研究中心,推荐给临床试验项目的申办方。具体的,A医院的所述推荐指数为1.6,B医院的所述推荐指数为1.7,C医院的所述推荐指数为3,D医院的所述推荐指数为3.4,则服务器依据所述推荐指数对四家医院排名,D医院的所述推荐指数最高,因此,D医院为所述临床试验项目推荐的目标研究中心。
在一些实施方式中,基于所述中心人力数据和所述候选研究中心的资源数据,分别计算候选研究中心的推荐指数可以包括:获取所述候选研究中心的研究科室的人员组成和历史研究信息;基于所述人员组成和历史研究信息,确定所述研究科室的优势研究项目信息;计算优势研究项目和临床试验项目的匹配度;基于所述候选研究中心的资源数据、所述中心人力数据以及所述匹配度,生成所述候选研究中心的推荐指数。
在一些情况下,研究科室可能擅长某一种具体疾病的研究。治疗这类疾病的临床试验项目可以优先考虑推荐所述研究科室。在一些情况下,所述研究科室拥有数位资深医生,该科室可以承接的临床试验项目数量较多。例如,所述研究科室曾经承接数项“小淋巴细胞淋巴瘤”的项目,药物上市后反馈评价也较高,遇到“小淋巴细胞淋巴瘤”相关的新项目时,可以优先推荐该研究科室。
所述人员组成可以是所述研究科室的成员信息,也可以包括对成员研究能力的评价。所述历史研究信息可以是所述研究科室曾经承接的项目信息,包括药物名称,疾病名称,开展时间,完成时间,患者反馈和上市结果信息等。
所述研究科室的信息可以来自所述目标研究中心的脱敏数据,也可以来自所述协调员的调查数据。
在计算所述推荐指数时,可以多方位考虑参与所述临床试验项目的因素,统计数据并计算可以获得更合适的所述推荐指数。
在一些实施方式中,所述数据生成方法还可以包括:获取所述目标研究中心的地理位置信息;其中,所述地理位置信息表示所述目标研究中心的在预设地图的位置;获取所述推荐指数对应的图标信息;基于所述目标研究中心的地理位置信息和所述推荐指数对应的图标信息,生成所述临床试验项目的推荐指数分布图。
在一些实施方式中,按照所述推荐指数和/或所述推荐等级展示所述目标研究中心时,通常以文字的形式显示。例如:“A医院:推荐等级3”。为了更快速地展示各个目标研究中心承接项目的能力,提高用户的使用体验,可以加入地图和图像元素。
所述地理位置信息可以是所述目标研究中心在所述预设地图的具体位置,也可以是所述目标研究中心的详细位置。所述预设地图可以是某区域的示意地图。所述图标信息可以是能表达所述推荐指数的颜色,图片,样式,或者三者结合的图标。例如,在所述目标研究中心项目数量多,协调员忙碌的情况下,所述推荐指数为“不推荐”时,所述图标信息可以是红色的感叹号。在所述目标研究中心项目数量少,协调员空闲的情况下,所述推荐指数为“推荐”时,所述图标信息可以是绿色的提示符号。在所述目标研究中心不存在所述协调员的情况下,所述图标信息可以是蓝色的警示符号。所述图标信息可以依据具体需求发生改变。例如,可以从颜色和符号改变为文字展示。
生成所述临床试验项目的推荐指数分布图可以是将所述图标信息和所述地理位置信息结合,展示为一张标注某区域内所述目标研究中心推荐程度的图片。用户可以改变区域的位置和面积,更直观地看到推荐的所述承办方的信息。
在一些实施方式中,基于所述多个研究中心的中心资源数据和中心人力数据,生成协调员布局建议数据,可以包括:在所述中心资源数据大于第一设定资源阈值,且所述中心人力数据少于第一设定人力阈值的情况下,生成建议针对所述中心资源数据对应的研究中心增加协调员的协调员布局建议数据;或者,在所述中心资源数据小于第二设定资源阈值,且所述中心人力数据大于第二设定人力阈值的情况下,生成建议针对所述中心资源数据对应的研究中心减少协调员的协调员布局建议数据。
在本实施方式中,中心资源数据可以为研究中心的病人数量。在中心资源数据大于第一设定资源阈值的情况下,可以认为研究中心的中心资源数据较为充足,可以适当较多的部署协调员。当然,在一些实施方式中,可以是研究中心的某个疾病领域的病人数量较多,可以针对该疾病领域部署较多的协调员。第一设定资源阈值可以依照历史数据进行设定,或者,依照所属领域技术人员的经验值进行设定。
中心人力数据可以是协调员的数量或者工时资源的数量。在一些情况下,中心资源数据大于第一设定资源阈值,中心人力数据少于第一设定人力阈值,可以认为该研究中心的协调员人数相对较少,可以建议临床协调机构增加协调员的人数。第一设定人力阈值可以是依照历史数据设定,也可以是所属领域技术人员的经验值。
在本实施方式中,第二设定资源阈值可以小于或等于所述第一设定资源阈值。第二设定人力阈值可以大于或等于所述第一人力阈值。使得,可以适当建议调整研究中心的协调员人数。
在一些实施方式中,根据临床试验项目的项目信息,在所述多个研究中心的中心资源数据集中匹配,得到能实施所述临床试验项目的候选研究中心的中心标识信息,还可以包括:提取所述临床试验项目的项目信息的关键词;其中,所述关键词为所述目标研究中心的项目信息表达适应症的词;将所述关键词在研究中心的中心资源数据集中匹配,得到能承办所述临床试验项目的研究中心。
在一些情况下,所述临床试验项目的项目信息可以为项目名称,代号,代码,简称或徽标,因此,服务器首先需要对所述临床试验项目的项目信息提取关键字。
提取所述临床试验项目的项目信息的关键词的方法可以采用自然语义,图像识别技术和人声分析技术。具体的,所述临床试验项目的项目标识信息是“干扰素基因多态性对肾移植患者研究IV期临床试验”,服务器根据自然语义拆分项目名称为“干扰素”,“基因”,“多态性”,“肾移植”,“患者”,“研究”,“IV期”和“临床试验”,其中,表达适应症的词可以是“肾移植”。
由于研究中心可以申请不同的研究资质,也可能失去研究资质,药厂获取这些信息具有延迟性,所以建立研究中心承办资质数据库,并定时更新,可以更快速的获取有资质的所述目标研究中心。
在一些情况下,研究科室可能已经实施多个临床试验项目,则这些研究科室再承接新临床试验项目的可能性小,或者新临床试验项目需要排队较长时间。在一些情况下,所述临床试验项目需要的病人集中在某个研究中心,其他研究中心只有较少的病人;若在较少的病人的研究中心开展临床试验项目会出现试验需要等待长时间的情况。为了提高临床试验项目的效率,需要知晓所述研究科室的科室项目进度和病源数量。
所述科室项目进度可以是所述研究科室承接的临床试验项目的进度,包括已完成的试验,进心中的试验和已立项但未开展的项目。所述病源数量可以是所述临床试验项目需要的患者的数量。
所述科室可能同时进行多项项目,这些项目之间可能存在抢夺病源的情况,且病源数量处于不断变化的情况中,所以获取所述研究科室的科室项目进度和病源数量可以达到预估所述临床试验项目开展时间和完成时间的目的。例如,一家研究中心承接的有关胃癌的项目数量较多,而胃癌患者近一段时间较少,因此该研究中心的目标研究资源数据表明该研究中心业务繁忙;而另一家研究中心的胃癌项目少,并且有大量胃癌患者,该研究中心的目标研究资源数据表明该研究中心业务空闲。
在一些实施方式中,生成所述候选研究中心的推荐指数步骤中,可以包括:为资源数据和所述工时资源数据赋值;计算所述候选研究中心的推荐指数。
在一些情况下,获得数据的单位不定,格式不定,因此在计算所述推荐指数时需要先赋值再计算。
为所述资源数据和所述工时资源数据赋值可以是依据预先设定的赋值范围,查找所述数据分属的范围区间,将范围区间对应的数值赋予所述资源数据和所述工时资源数据。例如,所述协调员的工时分布为8小时全满,则将该协调员的工时资源数据赋值为100。
将所述资源数据和所述工时资源数据赋值计算,可以提高计算速度。赋值的数值可以依据具体要求更改增加了计算的灵活性。
在一些实施方式中,还可以包括:根据所述推荐指数在推荐等级区间查找,确定所述推荐等级;其中,所述推荐指数位于所述推荐等级对应的区间。
在一些情况下,所述推荐指数为数字,相近的数字之间的区分意义不大,数字表达的推荐程度也不明显。因此,可以将所述推荐指数转变为更明显的所述推荐等级。
所述推荐等级可以是所述推荐指数所处的推荐区间所对应的区间等级。例如,所述推荐等级可以是“A,B,C,D”,“1,2,3,4”,“推荐,可以推荐,不推荐”,和“忙碌,正常,空闲”。
使用所述推荐等级表达所述推荐指数,可以更清晰的显示所述推荐指数。将相近的数据展示同样的所述推荐等级,用户可以更快速的获得推荐的申办方信息。
在一些实施方式中,生成所述候选研究中心的推荐指数的步骤中,还可以包括:所述工时资源数据不存在的情况下,生成不推荐标识。
在一些情况下,可能会出现所述候选研究中心的项目不多,病源充足,但是没有协调员的情况。
在前述计算所述推荐等级过程中可知,所述推荐等级的计算是基于所述工时资源数据和所述目标研究资源数据。在所述目标研究资源数据符合要求,但是没有所述工时资源数据的情况下,依然能计算出所述推荐指数,也有对应的所述推荐等级,而实际上并不推荐所述候选研究中心。因此,需要设置所述工时资源数据不存在的情况下,生成不推荐标识。
所述不推荐标识可以是警示符号,一双交叉线组成的叉号“×”,“不推荐”字样,或者能表达没有协调员的标识。服务器查找所述工时资源数据时,发现所述工时资源数据不存在,生成所述不推荐标识。
所述不推荐标识的出现,表达所述候选研究中心没有协调员协助处理项目,也可以表达新任协调员无法快速到所述候选研究中心并开展工作。因此,设置所述不推荐标识可以排除实际上不能承接项目的所述候选研究中心。
请参阅图5。本说明书的一个实施方式提供一种临床试验项目实施方的推荐方法。所述临床试验项目承办方的推荐方法可以应用于客户端。所述临床试验项目实施方的推荐方法可以包括以下步骤。
步骤S201:发送临床试验项目信息。
用户可以在客户端上的输入控件输入能够代表临床试验项目的信息,所述临床试验项目信息可以是项目的名称,代号,代码,简称或徽标。例如:“159-5204-04”或者“注射用阿扎胞苷治疗骨髓增生异常综合征的Ⅲ期临床试验”。
步骤S202:接收所述临床试验项目在目标研究中心开展的所述推荐指数;其中,所述推荐指数用于表达为所述临床试验项目推荐的所述目标研究中心的推荐程度。
客户端接收服务器发送的所述临床试验项目在目标研究中心开展的所述推荐指数,用户可以依据所述推荐指数,选择合适的实施方。
步骤S203:将所述推荐指数展示在所述目标研究中心控件对应的位置上。
客户端可以将所述推荐指数展示在所述目标研究中心控件附近的位置,便于用户查看。例如,所述推荐指数可以展示在控件的上方。
步骤S204:在所述目标研究中心控件被触发的情况下,展示所述目标研究中心的信息。
用户想知道所述目标研究中心的具体信息,会在客户端触发控件,客户端可以寻找所述目标研究中心的具体信息,跳转展示页面并显示,也可以向服务器发送查找所述目标研究中心的具体信息的请求。
示例的装置、电子设备、存储介质和软件
请参阅图6。本说明书的一个实施方式提供一种数据生成装置,包括:第一构建模块,用于分别构建多个研究中心的中心资源数据集;其中,所述中心资源数据集包括表示能够承办临床试验项目的研究资源的资源数据;第二构建模块,用于分别构建多个临床协调机构的协调员人力数据集;其中,所述协调员人力数据集包括临床协调机构的协调员相对于多个研究中心的人力分布数据;统计模块,用于根据所述人力分布数据,分别统计多个研究中心的中心人力数据;生成模块,用于基于所述多个研究中心的中心资源数据和中心人力数据,生成协调员布局建议数据;其中,所述协调员布局建议数据用于建议临床协调机构针对多个研究中心的人力分布。
请参阅图7。本说明书实施方式还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机执行时使得,该计算机执行上述任一实施方式中的临床试验项目承办方的推荐方法和一种临床协调机构工作量的计算方法。
本说明书实施方式还提供一种包含指令的计算机程序产品,该指令被计算机执行时使得计算机执行上述任一实施方式中的临床试验项目承办方的推荐方法和一种临床协调机构工作量的计算方法。
可以理解,本文中的具体的例子只是为了帮助本领域技术人员更好地理解本说明书实施方式,而非限制本发明的范围。
可以理解,在本说明书中的各种实施方式中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本说明书实施方式的实施过程构成任何限定。
可以理解,本说明书中描述的各种实施方式,既可以单独实施,也可以组合实施,本说明书实施方式对此并不限定。
除非另有说明,本说明书实施方式所使用的所有技术和科学术语与本说明书的技术领域的技术人员通常理解的含义相同。本说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在限制本说明书的范围。本说明书所使用的术语“和/或”包括一个或多个相关的所列项的任意的和所有的组合。在本说明书实施方式和所附权利要求书中所使用的单数形式的“一种”、“上述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
可以理解,本说明书实施方式的处理器可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施方式的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施方式中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施方式所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本说明书实施方式中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasablePROM,EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本领域普通技术人员可以意识到,结合本文中所公开的实施方式描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本说明书的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施方式中的对应过程,在此不再赘述。
在本说明书所提供的几个实施方式中,应所述理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本说明书各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本说明书的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本说明书各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本说明书的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本说明书揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本说明书的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (11)
1.一种数据生成方法,其特征在于,包括:
分别构建多个研究中心的中心资源数据集;其中,所述中心资源数据集包括表示能够承办临床试验项目的研究资源的资源数据;
分别构建多个临床协调机构的协调员人力数据集;其中,所述协调员人力数据集包括临床协调机构的协调员相对于多个研究中心的人力分布数据;
根据所述人力分布数据,分别统计多个研究中心的中心人力数据;
基于所述多个研究中心的中心人力数据和中心资源数据集,生成协调员布局建议数据;其中,所述协调员布局建议数据用于建议临床协调机构针对多个研究中心的人力分布。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收临床试验项目的项目信息;
根据临床试验项目的项目信息,在所述多个研究中心的中心资源数据集中匹配,得到能实施所述临床试验项目的候选研究中心的中心标识信息;其中,所述中心标识信息用于表示研究中心;
基于所述中心标识信息确定候选研究中心的中心人力数据;
依照所述候选研究中心的中心人力数据、以及所述候选研究中心的资源数据,向所述临床试验项目推荐目标研究中心。
3.根据权利要求2所述的方法,其特征在于,根据临床试验项目的项目信息,在所述多个研究中心的中心资源数据集中匹配,得到能实施所述临床试验项目的候选研究中心的中心标识信息中,包括:
获取研究中心实施的临床试验项目的进度数据和病人数量;
基于研究中心实施的临床试验项目的进度数据和病人数量,计算研发中心的可用资源数据;其中,所述可用资源数据表示能用于所述项目信息表示的临床试验项目的研究资源;
将可用资源数据符合所述项目信息的需求的研究中心,作为候选研究中心。
4.根据权利要求2所述的方法,其特征在于,所述中心人力数据包括工时资源数据;基于所述中心标识信息确定候选研究中心的中心人力数据的步骤中,包括:
获取与候选研究中心合作的临床协调机构的机构标识;
在所述机构标识对应的临床协调机构的协调员人力数据集中查找对应候选研究中心的协调员信息和协调员工作状态数据;
基于所述协调员信息和所述协调员工作状态数据,计算得到所述工时资源数据。
5.根据权利要求2所述的方法,其特征在于,依照所述中心人力数据、以及所述候选研究中心的资源数据,向所述临床试验项目推荐目标研究中心的步骤中,包括:
基于所述中心人力数据和所述候选研究中心的资源数据,分别计算候选研究中心的推荐指数;
根据所述推荐指数在候选研究中心中确定目标研究中心。
6.根据权利要求5所述的方法,其特征在于,基于所述中心人力数据和所述候选研究中心的资源数据,分别计算候选研究中心的推荐指数,包括:
获取所述候选研究中心的研究科室的人员组成和历史研究信息;
基于所述人员组成和历史研究信息,确定所述研究科室的优势研究项目的信息;
计算所述优势研究项目和所述临床试验项目的匹配度;
基于所述候选研究中心的资源数据、所述中心人力数据以及所述匹配度,生成所述候选研究中心的推荐指数。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取所述目标研究中心的地理位置信息;其中,所述地理位置信息表示所述目标研究中心的在预设地图的位置;
获取所述推荐指数对应的图标信息;
基于所述目标研究中心的地理位置信息和所述推荐指数对应的图标信息,生成所述临床试验项目的推荐指数分布图。
8.根据权利要求1所述的方法,其特征在于,基于所述多个研究中心的中心资源数据和中心人力数据,生成协调员布局建议数据,包括:
在所述中心资源数据大于第一设定资源阈值,且所述中心人力数据少于第一设定人力阈值的情况下,生成建议针对所述中心资源数据对应的研究中心增加协调员的协调员布局建议数据;或者,
在所述中心资源数据小于第二设定资源阈值,且所述中心人力数据大于第二设定人力阈值的情况下,生成建议针对所述中心资源数据对应的研究中心减少协调员的协调员布局建议数据。
9.一种数据生成装置,其特征在于,包括:
第一构建模块,用于分别构建多个研究中心的中心资源数据集;其中,所述中心资源数据集包括表示能够承办临床试验项目的研究资源的资源数据;
第二构建模块,用于分别构建多个临床协调机构的协调员人力数据集;其中,所述协调员人力数据集包括临床协调机构的协调员相对于多个研究中心的人力分布数据;
统计模块,用于根据所述人力分布数据,分别统计多个研究中心的中心人力数据;
生成模块,用于基于所述多个研究中心的中心资源数据和中心人力数据,生成协调员布局建议数据;其中,所述协调员布局建议数据用于建议临床协调机构针对多个研究中心的人力分布。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338898.4A CN115907642A (zh) | 2022-10-28 | 2022-10-28 | 数据生成方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338898.4A CN115907642A (zh) | 2022-10-28 | 2022-10-28 | 数据生成方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115907642A true CN115907642A (zh) | 2023-04-04 |
Family
ID=86495545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211338898.4A Pending CN115907642A (zh) | 2022-10-28 | 2022-10-28 | 数据生成方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115907642A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080059241A1 (en) * | 2006-09-01 | 2008-03-06 | Siemens Medical Solutions Usa, Inc. | Interface Between Clinical and Research Information Systems |
CN103955479A (zh) * | 2014-04-02 | 2014-07-30 | 北京百度网讯科技有限公司 | 电子地图的实现方法及装置 |
US20160063196A1 (en) * | 2014-08-29 | 2016-03-03 | Teletracking Technologies, Inc. | Automated hospital workforce system for load driven scheduling optimization |
US20190115099A1 (en) * | 2017-10-04 | 2019-04-18 | Timothy Gayle Goux | Systems and methods for providing resource management across multiple facilities |
CN113361964A (zh) * | 2021-06-30 | 2021-09-07 | 中国农业银行股份有限公司 | 数据处理方法、装置、设备及存储介质 |
CN114300108A (zh) * | 2021-12-30 | 2022-04-08 | 浙江太美医疗科技股份有限公司 | 临床试验项目的实施方推荐方法、装置、设备和存储介质 |
CN114334047A (zh) * | 2021-12-30 | 2022-04-12 | 浙江太美医疗科技股份有限公司 | 订单处理方法、装置、计算机设备、存储介质及程序产品 |
-
2022
- 2022-10-28 CN CN202211338898.4A patent/CN115907642A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080059241A1 (en) * | 2006-09-01 | 2008-03-06 | Siemens Medical Solutions Usa, Inc. | Interface Between Clinical and Research Information Systems |
CN103955479A (zh) * | 2014-04-02 | 2014-07-30 | 北京百度网讯科技有限公司 | 电子地图的实现方法及装置 |
US20160063196A1 (en) * | 2014-08-29 | 2016-03-03 | Teletracking Technologies, Inc. | Automated hospital workforce system for load driven scheduling optimization |
US20190115099A1 (en) * | 2017-10-04 | 2019-04-18 | Timothy Gayle Goux | Systems and methods for providing resource management across multiple facilities |
CN113361964A (zh) * | 2021-06-30 | 2021-09-07 | 中国农业银行股份有限公司 | 数据处理方法、装置、设备及存储介质 |
CN114300108A (zh) * | 2021-12-30 | 2022-04-08 | 浙江太美医疗科技股份有限公司 | 临床试验项目的实施方推荐方法、装置、设备和存储介质 |
CN114334047A (zh) * | 2021-12-30 | 2022-04-12 | 浙江太美医疗科技股份有限公司 | 订单处理方法、装置、计算机设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11923056B1 (en) | Discovering context-specific complexity and utilization sequences | |
US20210193320A1 (en) | Machine-learning based query construction and pattern identification for hereditary angioedema | |
US10902953B2 (en) | Clinical outcome tracking and analysis | |
US8515777B1 (en) | System and method for efficient provision of healthcare | |
US20170286609A1 (en) | Apparatus, system and method for generating and displaying a treatment protocol | |
US20060282302A1 (en) | System and method for managing healthcare work flow | |
EP0917078A1 (en) | Disease management method and system | |
CA2988740A1 (en) | Method for a virtual clinical trial marketplace | |
US20160350495A1 (en) | Clinical outcome tracking and analysis | |
US20170199965A1 (en) | Medical system and method for predicting future outcomes of patient care | |
US11244029B1 (en) | Healthcare management system and method | |
US20160117468A1 (en) | Displaying Predictive Modeling and Psychographic Segmentation of Population for More Efficient Delivery of Healthcare | |
CN114300108A (zh) | 临床试验项目的实施方推荐方法、装置、设备和存储介质 | |
US11887027B1 (en) | Value of future adherence | |
EP3539034A1 (en) | Cna-guided care for improving clinical outcomes and decreasing total cost of care | |
CN115907642A (zh) | 数据生成方法、装置、设备和介质 | |
US20210125695A1 (en) | Medication adherence management | |
Wänn | Personalized predictive health care: How predictive AI platforms will transform the health care industry | |
US11854673B2 (en) | Systems and methods for managing caregiver responsibility | |
US20200126651A1 (en) | Systems and Methods for a Personal Healthcare Manager | |
JP6138824B2 (ja) | セルフケア行動の患者固有の順序付けられたリストを生成するための方法、システム及びコンピュータプログラム | |
CA3012605A1 (en) | Method and system for medical suggestion search | |
US11894117B1 (en) | Discovering context-specific complexity and utilization sequences | |
US20230238140A1 (en) | Addiction treatment and management | |
WO2024028610A1 (en) | Devices, methods and artificial intelligence systems to monitor and improve physical, mental and financial health |
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: 20230404 |