CN116303731A - 医院标准主数据的对码方法、装置及电子设备 - Google Patents

医院标准主数据的对码方法、装置及电子设备 Download PDF

Info

Publication number
CN116303731A
CN116303731A CN202310576787.5A CN202310576787A CN116303731A CN 116303731 A CN116303731 A CN 116303731A CN 202310576787 A CN202310576787 A CN 202310576787A CN 116303731 A CN116303731 A CN 116303731A
Authority
CN
China
Prior art keywords
main data
service system
standard
character string
data
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
CN202310576787.5A
Other languages
English (en)
Other versions
CN116303731B (zh
Inventor
王涌军
张平
岳小波
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.)
Sichuan Huhui Software Co ltd
Original Assignee
Sichuan Huhui Software 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 Sichuan Huhui Software Co ltd filed Critical Sichuan Huhui Software Co ltd
Priority to CN202310576787.5A priority Critical patent/CN116303731B/zh
Publication of CN116303731A publication Critical patent/CN116303731A/zh
Application granted granted Critical
Publication of CN116303731B publication Critical patent/CN116303731B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/151—Transformation
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明属于数据管理技术领域，涉及医院标准主数据的对码方法、装置及电子设备。建立标准主数据；汇集各个业务系统的主数据；建立预测模型；对各个业务系统的主数据进行分析处理，得到标准主数据的预测结果；数据融合；基于音形码结合编辑距离算法，计算标准主数据与业务系统的主数据的相似度；则将各个业务系统的主数据映射到标准主数据。本发明通过建立医院标准主数据与各个业务系统做主数据映射，将各个业务系统的主数据转化为国家标准代码，从而将业务系统的非标准主数据转化为标准主数据进行上报，解决了医院各个业务系统的主数据格式不一致以及信息不匹配的问题。

Description

医院标准主数据的对码方法、装置及电子设备
技术领域
本发明涉及数据管理技术领域，具体而言，涉及医院标准主数据的对码方法、装置及电子设备。
背景技术
医院各个业务系统的主数据不相同，会导致医院在增加主数据的值域时，需要在各个业务系统各自维护一遍，增加医院信息人员的工作量，同时也会导致系统业务问题的发生。
医院上报数据需要按照性别字典、学历字典、身份证件类别字典的具体值域的格式上报，由于很多业务系统上线时间早，且业务系统的数据字典与要求格式不统一，如果此时修改数据字典，将导致历史病人的基础信息与现在的病人的基础信息矛盾；同时如果在各个业务系统中，增加数据字典映射功能，会导致业务流程复杂的问题。
发明内容
为了解决上述技术问题，本发明提供医院标准主数据的对码方法、装置及电子设备。
第一方面，本公开提供了医院标准主数据的对码方法，包括：
建立标准主数据；
汇集各个业务系统的主数据；各个所述业务系统的主数据用于记录包含若干个特征属性的数据；
将各个所述业务系统的主数据作为自变量，将所述业务系统的主数据对应的所述标准主数据作为因变量，建立预测模型；
基于所述业务系统的主数据，利用所述预测模型，对各个所述业务系统的主数据进行分析处理，得到所述标准主数据的预测结果；
设定所述预测结果的阈值，根据所述预测结果对各个所述业务系统的主数据与所述标准主数据进行数据融合；
基于音形码结合编辑距离算法，计算所述标准主数据与所述业务系统的主数据的相似度；
当所述相似度达到设定阈值，则将各个所述业务系统的主数据映射到所述标准主数据。
第二方面，本发明提供医院标准主数据的对码装置，包括标准主数据建立单元、汇集单元、预测模型建立单元、分析处理单元、数据融合单元、相似度计算单元与映射单元；
所述标准主数据建立单元，用于建立标准主数据；
所述汇集单元，用于汇集各个业务系统的主数据；各个所述业务系统的主数据用于记录包含若干个特征属性的数据；
所述预测模型建立单元，用于将各个所述业务系统的主数据作为自变量，将所述业务系统的主数据对应的所述标准主数据作为因变量，建立预测模型；
所述分析处理单元，用于基于所述业务系统的主数据，利用所述预测模型，对各个所述业务系统的主数据进行分析处理，得到所述标准主数据的预测结果；
所述数据融合单元，用于设定所述预测结果的阈值，根据所述预测结果对各个所述业务系统的主数据与所述标准主数据进行数据融合；
所述相似度计算单元，用于基于音形码结合编辑距离算法，计算所述标准主数据与所述业务系统的主数据的相似度；
所述映射单元，用于当所述相似度达到设定阈值，则将各个所述业务系统的主数据映射到所述标准主数据。
第三方面，本发明提供一种电子设备，包括：
处理器和存储器；
所述存储器，用于存储计算机操作指令；
所述处理器，用于通过调用所述计算机操作指令，执行所述的医院标准主数据的对码方法。
本发明的有益效果是：本发明通过建立医院标准主数据与各个业务系统做主数据映射，当需要从业务系统提取数据上报时，通过标准主数据映射关系，将各个业务系统的主数据转化为国家标准代码，从而将业务系统的非标准主数据转化为标准主数据进行上报。本发明解决了现有技术中医院各个业务系统的主数据的数据格式不一致以及数据不匹配的问题，实现各个业务系统的主数据数与标准主数据的对码，避免在业务系统增加数据字典映射功能导致业务流程复杂。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述业务系统的主数据包括性别代码与身份证件类别代码。
进一步，建立所述预测模型的过程包括：
读取各个所述业务系统的主数据与所述标准主数据并进行切分、筛选；
使用方差膨胀因子去除所述自变量的多重共线性，使得所述方差膨胀因子小于设定值；
对所述自变量标准化处理，建立所述预测模型。
进一步，所述预测模型为线性回归模型；利用最小二乘法确定所述线性回归模型的系数，得到最小化误差的平方和最小的所述线性回归模型作为所述预测模型。
进一步，基于音形码结合编辑距离算法，计算所述标准主数据与所述业务系统的主数据的相似度，包括：
获取所述标准主数据中的第一字符串与所述业务系统的主数据中的第二字符串；
获取所述第一字符串与所述第二字符串的长度，利用矩阵表示所述第一字符串与所述第二字符串的编辑距离；
根据所述编辑距离利用计算相似度公式计算所述第一字符串与所述第二字符串的相似度。
进一步，根据所述编辑距离利用计算相似度公式计算所述第一字符串与所述第二字符串的相似度，包括：计算所述第一字符串与所述第二字符串中最大的字符串长度；计算所述编辑距离与该最大的字符串长度的比值。
附图说明
图1为本发明实施例1提供的医院标准主数据的对码方法的原理图；
图2为本发明实施例2提供的医院标准主数据的对码装置的原理图；
图3为本发明实施例3提供的一种电子设备的原理图。
图标：30-电子设备；310-处理器；320-总线；330-存储器；340-收发器。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
实施例1
作为一个实施例，如附图1所示，为解决上述技术问题，本实施例提供医院标准主数据的对码方法，包括：
建立标准主数据；
汇集各个业务系统的主数据；各个业务系统的主数据用于记录包含若干个特征属性的数据；
将各个业务系统的主数据作为自变量，将业务系统的主数据对应的标准主数据作为因变量，建立预测模型；
基于业务系统的主数据，利用预测模型，对各个业务系统的主数据进行分析处理，得到标准主数据的预测结果；
设定预测结果的阈值，根据预测结果对各个业务系统的主数据与标准主数据进行数据融合；
基于音形码结合编辑距离算法，计算标准主数据与业务系统的主数据的相似度；
当相似度达到设定阈值，则将各个业务系统的主数据映射到标准主数据。
本发明通过建立医院标准主数据与各个业务系统做主数据映射，当需要从业务系统提取数据上报时，通过标准主数据映射关系，将各个业务系统的主数据转化为国家标准代码，从而将业务系统的非标准主数据转化为标准主数据进行上报。本发明解决了现有技术中医院各个业务系统的主数据格式不一致以及数据不匹配的问题，实现各个业务系统的主数据与标准主数据的对码，避免在业务系统增加数据字典映射功能导致业务流程复杂。
可选的，业务系统的主数据包括性别代码与身份证件类别代码。
可选的，建立预测模型的过程包括：
读取各个业务系统的主数据与标准主数据并进行切分、筛选；
使用方差膨胀因子去除自变量的多重共线性，使得方差膨胀因子小于设定值；
对自变量标准化处理，建立预测模型。
在实际应用过程中，在线性回归模型中，存在一对以上强相关变量（如果两个自变量互为强相关变量，当一个自变量变化时，与之相应的另一个自变量增大/减少），导致自变量的多重共线性，会误导强相关自变量的系数值。例如：当加入一个与年龄强相关的自变量性别代码时，通过最小二乘法所计算得到的各自变量系数，多重共线性影响了自变量性别代码、年龄的线性系数。
使用VIF（variance inflation factor，方差膨胀因子）消除多重共线性，VIF=1/(1-R方)，R方是通过除性别代码、年龄之外的自变量去线性拟合变量得到的线性回归模型的决定系数。自变量造成强多重共线性判断标准通常是：VIF大于10。如果年龄的VIF远大于10，在去除年龄这一自变量后，重新计算剩余变量的VIF，得到所有自变量均<10，则多重共线性消除。
R方用于衡量数据中的因变量被线性回归模型所计算解释的准确度，R方的取值范围在大于零且小或等于1的范围内，R方越大，线性回归模型对数据的拟合程度越高。
可选的，预测模型为线性回归模型；利用最小二乘法确定线性回归模型的系数，得到最小化误差的平方和最小的线性回归模型作为预测模型。
在实际应用过程中，最小二乘法选取线性回归模型得到的拟合数据与实际数据之间误差的平方和为最小。
可选的，基于音形码结合编辑距离算法，计算标准主数据与业务系统的主数据的相似度，包括：
获取标准主数据中的第一字符串与业务系统的主数据中的第二字符串；
获取第一字符串与第二字符串的长度，利用矩阵表示第一字符串与第二字符串的编辑距离；
根据编辑距离利用计算相似度公式计算第一字符串与第二字符串的相似度。
在实际应用过程中，字符串的编辑距离表示把第一字符串最少经过多少步操作变成第二字符串，操作包括三种方式：添加一个字符、删除一个字符以及修改一个字符。
设标准主数据中的第一字符串为
Figure SMS_1
，业务系统的主数据中的第二字符串为/>
Figure SMS_4
，
Figure SMS_6
为第一字符串的长度，/>
Figure SMS_3
为第二字符串的长度，/>
Figure SMS_5
为第一字符串与第二字符串的编辑距离，/>
Figure SMS_7
为第一字符串前/>
Figure SMS_8
个字符和第二字符串前/>
Figure SMS_2
个字符。
设
Figure SMS_10
表示删除第一字符串/>
Figure SMS_14
中第/>
Figure SMS_19
个字符，/>
Figure SMS_12
表示插入第二字符串/>
Figure SMS_18
中第/>
Figure SMS_20
个字符，/>
Figure SMS_21
表示替换第二字符串/>
Figure SMS_9
中第/>
Figure SMS_13
个字符，当/>
Figure SMS_16
时/>
Figure SMS_17
为0，当/>
Figure SMS_11
时/>
Figure SMS_15
为1。
定义第一字符串与第二字符串的编辑距离为矩阵
Figure SMS_22
，对第一字符串与第二字符串的每一个字符进行扫描，如果第一字符串/>
Figure SMS_27
中第/>
Figure SMS_29
个字符与第二字符串/>
Figure SMS_23
中第/>
Figure SMS_25
个字符相同，则记录当前操作值temp为0，否则操作值temp为1；对矩阵/>
Figure SMS_30
赋值为
Figure SMS_31
、/>
Figure SMS_24
、/>
Figure SMS_26
三者的最小值；扫描完成后，矩阵的最后一个值/>
Figure SMS_28
即第一字符串的第m个字符与第二字符串的第n个字符为第一字符串与第二字符串的编辑距离。
可选的，根据编辑距离利用计算相似度公式计算第一字符串与第二字符串的相似度，包括：计算第一字符串与第二字符串中最大的字符串长度；计算编辑距离与该最大的字符串长度的比值。
实施例2
基于与本发明的实施例1中所示的方法相同的原理，如附图2所示，本发明的实施例中还提供了医院标准主数据的对码装置，包括标准主数据建立单元、汇集单元、预测模型建立单元、分析处理单元、数据融合单元、相似度计算单元与映射单元；
标准主数据建立单元，用于建立标准主数据；
汇集单元，用于汇集各个业务系统的主数据；各个业务系统的主数据用于记录包含若干个特征属性的数据；
预测模型建立单元，用于将各个业务系统的主数据作为自变量，将业务系统的主数据对应的标准主数据作为因变量，建立预测模型；
分析处理单元，用于基于业务系统的主数据，利用预测模型，对各个业务系统的主数据进行分析处理，得到标准主数据的预测结果；
数据融合单元，用于设定预测结果的阈值，根据预测结果对各个业务系统的主数据与标准主数据进行数据融合；
相似度计算单元，用于基于音形码结合编辑距离算法，计算标准主数据与业务系统的主数据的相似度；
映射单元，用于当相似度达到设定阈值，则将各个业务系统的主数据映射到标准主数据。
可选的，业务系统的主数据包括性别代码与身份证件类别代码。
可选的，建立预测模型的过程包括：
读取各个业务系统的主数据与标准主数据并进行切分、筛选；
使用方差膨胀因子去除自变量的多重共线性，使得方差膨胀因子小于设定值；
对自变量标准化处理，建立预测模型。
可选的，预测模型为线性回归模型；利用最小二乘法确定线性回归模型的系数，得到最小化误差的平方和最小的线性回归模型作为预测模型。
可选的，基于音形码结合编辑距离算法，计算标准主数据与业务系统的主数据的相似度，包括：
获取标准主数据中的第一字符串与业务系统的主数据中的第二字符串；
获取第一字符串与第二字符串的长度，利用矩阵表示第一字符串与第二字符串的编辑距离；
根据编辑距离利用计算相似度公式计算第一字符串与第二字符串的相似度。
可选的，根据编辑距离利用计算相似度公式计算第一字符串与第二字符串的相似度，包括：计算第一字符串与第二字符串中最大的字符串长度；计算编辑距离与该最大的字符串长度的比值。
实施例3
基于与本发明的实施例中所示的方法相同的原理，本发明的实施例中还提供了一种电子设备，如附图3所示，该电子设备可以包括但不限于：处理器和存储器；存储器，用于存储计算机程序；处理器，用于通过调用计算机程序执行本发明实施例所示的医院标准主数据的对码方法。
在一个可选实施例中提供了一种电子设备，图3所示的电子设备30包括：处理器310和存储器330。其中，处理器310和存储器330相连，如通过总线320相连。
可选地，电子设备30还可以包括收发器340，收发器340可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器340不限于一个，该电子设备30的结构并不构成对本发明实施例的限定。
处理器310可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器310也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线320可包括一通路，在上述组件之间传送信息。总线320可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线320可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器330可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器330用于存储执行本发明方案的应用程序代码（计算机程序），并由处理器310来控制执行。处理器310用于执行存储器330中存储的应用程序代码，以实现前述方法实施例所示的内容。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (8)

1.医院标准主数据的对码方法，其特征在于，包括：
建立标准主数据；
汇集各个业务系统的主数据；各个所述业务系统的主数据用于记录包含若干个特征属性的数据；
将各个所述业务系统的主数据作为自变量，将所述业务系统的主数据对应的所述标准主数据作为因变量，建立预测模型；
基于所述业务系统的主数据，利用所述预测模型，对各个所述业务系统的主数据进行分析处理，得到所述标准主数据的预测结果；
设定所述预测结果的阈值，根据所述预测结果对各个所述业务系统的主数据与所述标准主数据进行数据融合；
基于音形码结合编辑距离算法，计算所述标准主数据与所述业务系统的主数据的相似度；
当所述相似度达到设定阈值，则将各个所述业务系统的主数据映射到所述标准主数据。
2.根据权利要求1所述医院标准主数据的对码方法，其特征在于，所述业务系统的主数据包括性别代码与身份证件类别代码。
3.根据权利要求1所述医院标准主数据的对码方法，其特征在于，建立所述预测模型的过程包括：
读取各个所述业务系统的主数据与所述标准主数据并进行切分、筛选；
使用方差膨胀因子去除所述自变量的多重共线性，使得所述方差膨胀因子小于设定值；
对所述自变量标准化处理，建立所述预测模型。
4.根据权利要求1所述医院标准主数据的对码方法，其特征在于，所述预测模型为线性回归模型；利用最小二乘法确定所述线性回归模型的系数，得到最小化误差的平方和最小的所述线性回归模型作为所述预测模型。
5.根据权利要求1所述医院标准主数据的对码方法，其特征在于，基于音形码结合编辑距离算法，计算所述标准主数据与所述业务系统的主数据的相似度，包括：
获取所述标准主数据中的第一字符串与所述业务系统的主数据中的第二字符串；
获取所述第一字符串与所述第二字符串的长度，利用矩阵表示所述第一字符串与所述第二字符串的编辑距离；
根据所述编辑距离利用计算相似度公式计算所述第一字符串与所述第二字符串的相似度。
6.根据权利要求5所述医院标准主数据的对码方法，其特征在于，根据所述编辑距离利用计算相似度公式计算所述第一字符串与所述第二字符串的相似度，包括：计算所述第一字符串与所述第二字符串中最大的字符串长度；计算所述编辑距离与该最大的字符串长度的比值。
7.医院标准主数据的对码装置，其特征在于，包括标准主数据建立单元、汇集单元、预测模型建立单元、分析处理单元、数据融合单元、相似度计算单元与映射单元；
所述标准主数据建立单元，用于建立标准主数据；
所述汇集单元，用于汇集各个业务系统的主数据；各个所述业务系统的主数据用于记录包含若干个特征属性的数据；
所述预测模型建立单元，用于将各个所述业务系统的主数据作为自变量，将所述业务系统的主数据对应的所述标准主数据作为因变量，建立预测模型；
所述分析处理单元，用于基于所述业务系统的主数据，利用所述预测模型，对各个所述业务系统的主数据进行分析处理，得到所述标准主数据的预测结果；
所述数据融合单元，用于设定所述预测结果的阈值，根据所述预测结果对各个所述业务系统的主数据与所述标准主数据进行数据融合；
所述相似度计算单元，用于基于音形码结合编辑距离算法，计算所述标准主数据与所述业务系统的主数据的相似度；
所述映射单元，用于当所述相似度达到设定阈值，则将各个所述业务系统的主数据映射到所述标准主数据。
8.一种电子设备，其特征在于，包括：
处理器和存储器；
所述存储器，用于存储计算机操作指令；
所述处理器，用于通过调用所述计算机操作指令，执行权利要求1至6中任一项所述的医院标准主数据的对码方法。
CN202310576787.5A 2023-05-22 2023-05-22 医院标准主数据的对码方法、装置及电子设备 Active CN116303731B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310576787.5A CN116303731B (zh) 2023-05-22 2023-05-22 医院标准主数据的对码方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310576787.5A CN116303731B (zh) 2023-05-22 2023-05-22 医院标准主数据的对码方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN116303731A true CN116303731A (zh) 2023-06-23
CN116303731B CN116303731B (zh) 2023-07-21

Family

ID=86827222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310576787.5A Active CN116303731B (zh) 2023-05-22 2023-05-22 医院标准主数据的对码方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN116303731B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101103531A (zh) * 2005-01-12 2008-01-09 三星电子株式会社 可分级音频数据算术解码方法、介质和设备和截去音频数据比特流的方法、介质和设备
CN101315652A (zh) * 2008-07-17 2008-12-03 张小粤 医院内部的临床医学信息系统的构成及其信息查询方法
US20100332475A1 (en) * 2009-06-25 2010-12-30 University Of Tennessee Research Foundation Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling
CN106507107A (zh) * 2016-12-08 2017-03-15 北京聚爱聊网络科技有限公司 数据的处理方法和装置
US20180268015A1 (en) * 2015-09-02 2018-09-20 Sasha Sugaberry Method and apparatus for locating errors in documents via database queries, similarity-based information retrieval and modeling the errors for error resolution
CN109918058A (zh) * 2017-12-13 2019-06-21 富士通株式会社 信息处理装置和方法以及在编程环境中推荐代码的方法
CN109938695A (zh) * 2019-03-08 2019-06-28 度特斯(大连)实业有限公司 一种基于异质度指标的人体疾病风险预测方法及设备
CN111209447A (zh) * 2019-02-27 2020-05-29 山东大学 一种基于音形码的中文字符串相似度计算方法及装置
CN111899821A (zh) * 2020-06-28 2020-11-06 广州万孚生物技术股份有限公司 处理医疗机构数据的方法、构建数据库的方法和装置
CN112712257A (zh) * 2020-12-29 2021-04-27 江阴华西化工码头有限公司 一种基于mysql数据库的码头物流数据管理方法
CN114098764A (zh) * 2021-11-05 2022-03-01 北京大学 数据处理方法、装置、电子设备和存储介质
CN114399321A (zh) * 2021-11-15 2022-04-26 湖南快乐阳光互动娱乐传媒有限公司 一种业务系统稳定性分析方法、装置和设备
CN114868401A (zh) * 2019-12-18 2022-08-05 皇家飞利浦有限公司 使用下采样/上采样和深度图非线性滤波对视频数据的编码方案

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101103531A (zh) * 2005-01-12 2008-01-09 三星电子株式会社 可分级音频数据算术解码方法、介质和设备和截去音频数据比特流的方法、介质和设备
CN101315652A (zh) * 2008-07-17 2008-12-03 张小粤 医院内部的临床医学信息系统的构成及其信息查询方法
US20100332475A1 (en) * 2009-06-25 2010-12-30 University Of Tennessee Research Foundation Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling
US20180268015A1 (en) * 2015-09-02 2018-09-20 Sasha Sugaberry Method and apparatus for locating errors in documents via database queries, similarity-based information retrieval and modeling the errors for error resolution
CN106507107A (zh) * 2016-12-08 2017-03-15 北京聚爱聊网络科技有限公司 数据的处理方法和装置
CN109918058A (zh) * 2017-12-13 2019-06-21 富士通株式会社 信息处理装置和方法以及在编程环境中推荐代码的方法
CN111209447A (zh) * 2019-02-27 2020-05-29 山东大学 一种基于音形码的中文字符串相似度计算方法及装置
CN109938695A (zh) * 2019-03-08 2019-06-28 度特斯(大连)实业有限公司 一种基于异质度指标的人体疾病风险预测方法及设备
CN114868401A (zh) * 2019-12-18 2022-08-05 皇家飞利浦有限公司 使用下采样/上采样和深度图非线性滤波对视频数据的编码方案
CN111899821A (zh) * 2020-06-28 2020-11-06 广州万孚生物技术股份有限公司 处理医疗机构数据的方法、构建数据库的方法和装置
CN112712257A (zh) * 2020-12-29 2021-04-27 江阴华西化工码头有限公司 一种基于mysql数据库的码头物流数据管理方法
CN114098764A (zh) * 2021-11-05 2022-03-01 北京大学 数据处理方法、装置、电子设备和存储介质
CN114399321A (zh) * 2021-11-15 2022-04-26 湖南快乐阳光互动娱乐传媒有限公司 一种业务系统稳定性分析方法、装置和设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JUN WANG等: "a random forest-based model for fusion of organization master data", INTERNATIONAL FORUM ON DIGITAL TV AND WIRELESS MULTIMEDIA COMMUNICATIONS, pages 451 - 464 *
刘海;徐旭平;周蔚;张振中;: "林业样地的数据清洗方法研究及其应用", 安徽工程大学学报, vol. 35, no. 03, pages 62 - 66 *
潘定;沈钧毅;: "时态数据挖掘的相似性发现技术", 软件学报, no. 02, pages 246 - 258 *
骆希青; 王小蕊; 刘晓竹; 党铁飞; 赵宇; 李洪波; 刘亚芝: "基于医疗器械唯一标识的医用耗材主数据治理研究", 中国医院管理, vol. 42, no. 11, pages 79 - 81 *

Also Published As

Publication number Publication date
CN116303731B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN109783490B (zh) 数据融合方法、装置、计算机设备及存储介质
AU2017268626A1 (en) Method and device of constructing decision model, computer device and storage apparatus
CN111125266B (zh) 数据处理方法、装置、设备及存储介质
CN109582906B (zh) 数据可靠度的确定方法、装置、设备和存储介质
CN111814432A (zh) 确定疾病的标准诊断编码的方法和装置
CN111553556A (zh) 业务数据分析方法、装置、计算机设备及存储介质
CN114493255A (zh) 基于知识图谱的企业异常监控方法及其相关设备
CN115422924A (zh) 一种信息匹配方法、装置、电子设备及存储介质
CN113110843B (zh) 合约生成模型训练方法、合约生成方法及电子设备
CN112396048B (zh) 图片信息提取方法、装置、计算机设备及存储介质
CN116303731B (zh) 医院标准主数据的对码方法、装置及电子设备
CN115878707A (zh) 一种外汇行情数据处理方法、装置、存储介质及设备
CN115762704A (zh) 一种处方审核方法、装置、设备和存储介质
CN116304251A (zh) 标签处理方法、装置、计算机设备和存储介质
CN112183088B (zh) 词语层级确定的方法、模型构建方法、装置及设备
CN113849618A (zh) 基于知识图谱的策略确定方法、装置、电子设备及介质
CN113408724A (zh) 模型压缩方法及装置
CN113792749A (zh) 时间序列数据异常检测方法、装置、设备及存储介质
CN110134691B (zh) 数据校验方法、装置、设备和介质
CN116821099A (zh) 一种数据库优化方法、装置、电子设备和存储介质
CN115687845A (zh) 存储性能的决策树生成方法、装置、电子设备及存储介质
CN114281922A (zh) 基于Key-Value表的非结构化数据存储方法、装置及电子设备
CN115454977A (zh) 一种数据迁移方法、装置、设备和存储介质
CN114219612A (zh) 贷款业务的处理方法、装置及电子设备
CN117149086A (zh) 一种固态硬盘的优化内存方法、装置、固态硬盘及介质

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