CN116469507A - 一种基于ai智能医嘱拆分的医疗辅助方法及装置 - Google Patents
一种基于ai智能医嘱拆分的医疗辅助方法及装置 Download PDFInfo
- Publication number
- CN116469507A CN116469507A CN202310273207.5A CN202310273207A CN116469507A CN 116469507 A CN116469507 A CN 116469507A CN 202310273207 A CN202310273207 A CN 202310273207A CN 116469507 A CN116469507 A CN 116469507A
- Authority
- CN
- China
- Prior art keywords
- detection data
- index detection
- index
- splitting
- nursing
- 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 39
- 238000001514 detection method Methods 0.000 claims abstract description 431
- 238000011084 recovery Methods 0.000 claims abstract description 148
- 230000000474 nursing effect Effects 0.000 claims abstract description 118
- 201000010099 disease Diseases 0.000 claims abstract description 52
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 52
- 238000003745 diagnosis Methods 0.000 claims description 89
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000012552 review Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 6
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 6
- 108010014663 Glycated Hemoglobin A Proteins 0.000 description 6
- 239000008103 glucose Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 206010012601 diabetes mellitus Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 2
- 150000002632 lipids Chemical class 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007410 oral glucose tolerance test Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000291 postprandial effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
-
- 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)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及智能医嘱拆分技术领域,揭露了一种基于AI智能医嘱拆分的医疗辅助方法及装置,包括:根据患者病种提取历史指标检测数据集,获取当前指标检测数据,计算当前指标检测数据与历史指标检测数据的相似度,提取最相似的历史指标检测数据对应的目标病例,提取目标病例的目标拆分医嘱,根据目标拆分医嘱进行患者护理检测,得到护理指标检测数据,根据护理指标检测数据与当前指标检测数据计算护理恢复值,获取对照恢复值,若护理恢复值大于等于对照恢复值,则返回上述获取患者的当前指标检测数据,若护理恢复值不大于等于对照恢复值,则提示用户输入标准拆分医嘱。本发明主要目的在于解决当前的医嘱拆分方式存在灵活性低,治疗效果不佳的问题。
Description
技术领域
本发明涉及一种基于AI智能医嘱拆分的医疗辅助方法及装置,属于智能医嘱拆分技术领域。
背景技术
医嘱是医生或医疗保健人员给予患者在诊疗、护理等方面的指导和建议,以协助患者治疗疾病。在制定医嘱时,医生需要考虑患者的症状、病史、体征等因素,然后根据这些因素制定个性化的治疗计划。
医嘱拆分是将一份医嘱按照不同的用药时间、用药剂量、用药途径等因素进行分割,以便患者按时按量的服药,从而提高治疗效果。当前的医嘱拆分方式主要是将一份医嘱拆分为多个可执行的护理任务,然后按照这些护理任务分步执行。这种医嘱拆分方式并不会根据病患恢复状况进行灵活改动,需要依靠医生进行医嘱的再次制定和拆分,因此当前的医嘱拆分方式存在灵活性低,治疗效果不佳的问题。
发明内容
本发明提供一种基于AI智能医嘱拆分的医疗辅助方法、装置及计算机可读存储介质,其主要目的在于解决当前的医嘱拆分方式存在灵活性低,治疗效果不佳的问题。
为实现上述目的,本发明提供的一种基于AI智能医嘱拆分的医疗辅助方法,包括:
获取患者病种,根据所述患者病种在预构建的历史病种数据库中提取历史指标检测数据集;
获取患者的当前指标检测数据,计算所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据;
提取最相似的历史指标检测数据对应的目标病例,在所述历史病种数据库中提取所述目标病例对应的目标拆分医嘱;
根据所述目标拆分医嘱进行患者护理检测,得到护理指标检测数据;
根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值;
获取所述目标病例的对照恢复值,判断所述护理恢复值是否大于等于所述对照恢复值;
若所述护理恢复值大于等于所述对照恢复值,则返回上述获取患者的当前指标检测数据的步骤;
若所述护理恢复值不大于等于所述对照恢复值,则提示用户输入标准拆分医嘱,完成基于AI智能医嘱拆分的医疗辅助。
可选地,所述计算所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据,包括:
获取所述当前指标检测数据的诊疗检测时期;
判断所述诊疗检测时期是否为初诊检测时期;
若所述诊疗检测时期为初诊检测时期,则在所述历史指标检测数据集中提取初诊指标检测数据集;
根据预构建的相似度计算公式,计算所述当前指标检测数据与所述初诊指标检测数据集中每一个初诊指标检测数据的相似度,得到相似度集;
若所述诊疗检测时期不为初诊检测时期,则在所述历史指标检测数据集中提取复诊指标检测数据集;
根据所述相似度计算公式,计算所述当前指标检测数据与所述复诊指标检测数据集中每一个复诊指标检测数据的相似度,得到相似度集;
在所述相似度集中提取最大相似度对应的历史指标检测数据,得到所述最相似的历史指标检测数据。
可选地,所述相似度计算公式,如下所示:
其中,Sj表示所述历史指标检测数据集中第j个历史指标检测数据与所述当前指标检测数据的相似度,i表示检测指标序号,n表示检测指标总数,k1表示第1个检测指标的权重,p1表示历史指标检测数据中第1个检测指标的数值,P1表示当前指标检测数据中第1个检测指标的数值,ki表示第i个检测指标的权重,pi表示历史指标检测数据中第i个检测指标的数值,Pi表示当前指标检测数据中第i个检测指标的数值。
可选地,所述根据所述相似度计算公式,计算所述当前指标检测数据与所述复诊指标检测数据集中每一个复诊指标检测数据的相似度,得到相似度集,包括:
接收所述当前指标检测数据对应的复诊检测周期;
根据所述复诊检测周期在所述复诊指标检测数据中提取同期指标检测数据;
根据所述相似度计算公式,计算所述当前指标检测数据与所述同期指标检测数据的相似度,得到所述相似度集。
可选地,所述在所述历史病种数据库中提取所述目标病例对应的目标拆分医嘱,包括:
在所述历史病种数据库中提取所述目标病例对应的原始拆分医嘱;
若所述诊疗检测时期为初诊检测时期,则在所述原始拆分医嘱中提取初诊拆分医嘱,将所述初诊拆分医嘱作为目标拆分医嘱;
若所述诊疗检测时期不为初诊检测时期,则根据所述复诊检测周期在所述原始拆分医嘱中提取目标拆分医嘱。
可选地,所述根据所述复诊检测周期在所述原始拆分医嘱中提取目标拆分医嘱,包括:
利用所述复诊检测周期在所述原始拆分医嘱中进行检测周期匹配,得到目标检测周期;
提取所述目标检测周期对应的拆分医嘱,得到所述目标拆分医嘱。
可选地,所述根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值,包括:
将所述护理指标检测数据进行描点拟合,得到各项护理指标对应的护理指标数据曲线;
利用预构建的恢复积分面积公式,根据所述当前指标检测数据计算所述护理指标数据曲线的当前恢复积分面积;
获取所述患者的历史恢复积分面积,根据所述当前恢复积分面积及所述患者的历史恢复积分面积计算所述护理恢复值。
可选地,所述恢复积分面积公式,如下所示:
其中,pd表示当前恢复积分面积,td表示当前指标检测数据的检测时间,th表示护理指标检测数据中单个复诊检测周期的最后一次检测时间,y1表示护理指标检测数据中第1个检测指标的变化函数值,表示当前指标检测数据1项指标数据的数值,/>表示当前指标检测数据i项指标数据的数值。
可选地,所述目标病例的对照恢复值,包括:
根据所述护理指标检测数据的检测时间,利用所述恢复积分面积公式计算所述目标病例的对照恢复积分面积;
获取所述目标病例的历史恢复积分面积,根据所述对照恢复积分面积及所述目标病例的历史恢复积分面积计算所述对照恢复值。
为了解决上述问题,本发明还提供一种基于AI智能医嘱拆分的医疗辅助装置,所述装置包括:
历史指标检测数据集获取模块,用于获取患者病种,根据所述患者病种在预构建的历史病种数据库中提取历史指标检测数据集;
目标拆分医嘱提取模块,用于获取患者的当前指标检测数据,计算所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据;提取最相似的历史指标检测数据对应的目标病例;在所述历史病种数据库中提取所述目标病例对应的目标拆分医嘱;
护理恢复值计算模块,用于根据所述目标拆分医嘱进行患者护理检测,得到护理指标检测数据;根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值;
护理恢复值比较模块,用于获取所述目标病例的对照恢复值,判断所述护理恢复值是否大于等于所述对照恢复值;若所述护理恢复值大于等于所述对照恢复值,则返回上述获取患者的当前指标检测数据的步骤;若所述护理恢复值不大于等于所述对照恢复值,则提示用户输入标准拆分医嘱。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以实现上述所述的基于AI智能医嘱拆分的医疗辅助方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于AI智能医嘱拆分的医疗辅助方法。
相比于背景技术所述问题,本发明实施例通过所述患者病种在预构建的历史病种数据库中提取历史指标检测数据集,此时需要在所述历史指标检测数据集中提取可参考的目标病例,然后根据所述目标病例的目标拆分医嘱对患者进行护理检测,在提取所述目标病例的过程中,需要先获取患者的当前指标检测数据,再根据所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据,最后就可以提取最相似的历史指标检测数据对应的目标病例,在得到目标病例后,即可提取所述目标病例对应的目标拆分医嘱,然后根据所述目标拆分医嘱进行患者护理检测,得到护理指标检测数据,为了评估患者的恢复情况,需要根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值,最后通过判断所述护理恢复值是否大于等于所述对照恢复值,决定是否继续在所述历史病种数据库中提取目标拆分医嘱,若不可继续,则提示用户输入标准拆分医嘱,具有较高的灵活性。因此本发明提出的基于AI智能医嘱拆分的医疗辅助方法、装置、电子设备及计算机可读存储介质,其主要目的在于解决当前的医嘱拆分方式存在灵活性低,治疗效果不佳的问题。
附图说明
图1为本发明一实施例提供的基于AI智能医嘱拆分的医疗辅助方法的流程示意图;
图2为本发明一实施例提供的基于AI智能医嘱拆分的医疗辅助装置的功能模块图;
图3为本发明一实施例提供的实现所述基于AI智能医嘱拆分的医疗辅助方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于AI智能医嘱拆分的医疗辅助方法。所述基于AI智能医嘱拆分的医疗辅助方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于AI智能医嘱拆分的医疗辅助方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
参照图1所示,为本发明一实施例提供的基于AI智能医嘱拆分的医疗辅助方法的流程示意图。在本实施例中,所述基于AI智能医嘱拆分的医疗辅助方法包括:
S1、获取患者病种,根据所述患者病种在预构建的历史病种数据库中提取历史指标检测数据集。
可解释的,所述患者病种指患者的疾病名称,例如:糖尿病、高血压、胃出血等。所述历史病种数据库记录着不同疾病的患者在根据医生的医嘱进行诊疗护理过程中,按照预定时间检测的各项检测指标数据及执行的拆分医嘱。例如:当患者患有糖尿病时,所述各项检测指标数据可以为:糖化血红蛋白(HbA1c)水平、空腹血糖水平、口服糖耐量试验数值、随机血糖水平、餐后血糖水平以及血脂水平等。所述拆分医嘱指将医嘱按照时间、剂量及频次拆分得到的护理任务。
进一步地,所述历史指标检测数据集指所述患者病种对应的患者在根据医生的医嘱进行诊疗护理过程中,按照预定时间检测的各项检测指标对应的指标检测数据。
可理解的,可以按照年龄段的划分提取同年龄段的历史指标检测数据集。
S2、获取患者的当前指标检测数据,计算所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据。
可理解的,所述当前指标检测数据指患者当前的各项检测指标对应的指标检测数据。
本发明实施例中,所述计算所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据,包括:
获取所述当前指标检测数据的诊疗检测时期;
判断所述诊疗检测时期是否为初诊检测时期;
若所述诊疗检测时期为初诊检测时期,则在所述历史指标检测数据集中提取初诊指标检测数据集;
根据预构建的相似度计算公式,计算所述当前指标检测数据与所述初诊指标检测数据集中每一个初诊指标检测数据的相似度,得到相似度集;
若所述诊疗检测时期不为初诊检测时期,则在所述历史指标检测数据集中提取复诊指标检测数据集;
根据所述相似度计算公式,计算所述当前指标检测数据与所述复诊指标检测数据集中每一个复诊指标检测数据的相似度,得到相似度集;
在所述相似度集中提取最大相似度对应的历史指标检测数据,得到所述最相似的历史指标检测数据。
可解释的,所述诊疗检测时期指患者的各项检测指标数据的检测时间,可以分为初诊检测时期及复诊检测时期,其中所述初诊检测时期指患者第一次来医院进行各项检测指标数据的检测时期,所述复诊检测时期指患者不是第一次来医院进行各项检测指标数据的检测时期,可以为住院护理时期。所述初诊指标检测数据集指所述历史病种数据库中所有患有所述患者病种的患者初次进行检测的各项检测指标数据的集合。所述复诊指标检测数据集指所述历史病种数据库中所有患有所述患者病种的患者在初次检测之后进行的各项检测指标数据的集合。
进一步地,所述相似度计算公式,如下所示:
其中,Sj表示所述历史指标检测数据集中第j个历史指标检测数据与所述当前指标检测数据的相似度,i表示检测指标序号,n表示检测指标总数,k1表示第1个检测指标的权重,p1表示历史指标检测数据中第1个检测指标的数值,P1表示当前指标检测数据中第1个检测指标的数值,ki表示第i个检测指标的权重,pi表示历史指标检测数据中第i个检测指标的数值,Pi表示当前指标检测数据中第i个检测指标的数值。
可理解的,由于当前指标检测数据及历史指标检测数据都包含多项检测指标,因此,在计算所述相似度时,因综合考虑各项检测指标的相似度进行综合评定,由于不同检测指标对于患者病种的重要程度不一样,因此需要进行赋权,例如:当所述患者病种为糖尿病时,由于糖化血红蛋白(HbA1c)水平是衡量糖尿病的最有效方法之一,因此权重可以适当高点,可以为30%、空腹血糖水平可以为15%、口服糖耐量试验数值可以为15%、随机血糖水平可以为15%、餐后血糖水平可以为15%,血脂水平可以为10%。
本发明实施例中,所述根据所述相似度计算公式,计算所述当前指标检测数据与所述复诊指标检测数据集中每一个复诊指标检测数据的相似度,得到相似度集,包括:
接收所述当前指标检测数据对应的复诊检测周期;
根据所述复诊检测周期在所述复诊指标检测数据中提取同期指标检测数据;
根据所述相似度计算公式,计算所述当前指标检测数据与所述同期指标检测数据的相似度,得到所述相似度集。
进一步地,所述复诊指标检测数据集指多个病例在初次指标检测的后续单次各项指标检测数值。所述复诊指标检测数据指单个病例在初次指标检测的后续单次各项指标检测数值。可以为第二次各项指标检测数值,第三次各项指标检测数值等等。
可解释的,由于所述复诊指标检测包含多个时间的检测数值,因此在比较所述当前指标检测数据与复诊指标检测数据的相似度时,需要将检测时间进行统一校准,例如:当所述当前指标检测数据的检测时间为第二次,则所述复诊指标检测数据的检测时间也为对应病例的第二次指标检测。所述复诊检测周期可以为一天。
S3、提取最相似的历史指标检测数据对应的目标病例,在所述历史病种数据库中提取所述目标病例对应的目标拆分医嘱。
本发明实施例中,所述在所述历史病种数据库中提取所述目标病例对应的目标拆分医嘱,包括:
在所述历史病种数据库中提取所述目标病例对应的原始拆分医嘱;
若所述诊疗检测时期为初诊检测时期,则在所述原始拆分医嘱中提取初诊拆分医嘱,将所述初诊拆分医嘱作为目标拆分医嘱;
若所述诊疗检测时期不为初诊检测时期,则根据所述复诊检测周期在所述原始拆分医嘱中提取目标拆分医嘱。
可解释的,所述原始拆分医嘱指目标病例从初次指标检测到下一次指标检测的全程医嘱按照时间、剂量、频次拆分后得到的拆分医嘱集合。所述目标拆分医嘱指目标病例从所述当前指标检测数据的复诊检测周期开始至下一次复诊检测周期结束的全程医嘱按照时间、剂量、频次拆分后得到的拆分医嘱集合。
可解释的,所述根据所述复诊检测周期在所述原始拆分医嘱中提取目标拆分医嘱,包括:
利用所述复诊检测周期在所述原始拆分医嘱中进行检测周期匹配,得到目标检测周期;
提取所述目标检测周期对应的拆分医嘱,得到所述目标拆分医嘱。
可解释的,由于患者的医嘱应该根据具体的恢复时间及恢复状况进行制定,因此不同的复诊检测周期对应的医嘱应该不同,例如:刚开始医嘱中的用药频次及用量应该比即将康复时的用药频次及用量大,患者刚开始治疗的监护检查强度应该比后期的监护检查强度高。
S4、根据所述目标拆分医嘱进行患者护理检测,得到护理指标检测数据。
可解释的,所述护理指标检测数据指患者经过目标拆分医嘱进行患者护理后,得到的各项检测指标的检测数值。一般后期的护理指标检测数据比前期的护理指标检测数据有所改善。
S5、根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值。
进一步地,所述护理恢复值指所述当前指标检测数据与护理指标检测数据的检测期间内,患者的恢复数值。
本发明实施例中,所述根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值,包括:
将所述护理指标检测数据进行描点拟合,得到各项护理指标对应的护理指标数据曲线;
利用预构建的恢复积分面积公式,根据所述当前指标检测数据计算所述护理指标数据曲线的当前恢复积分面积;
获取所述患者的历史恢复积分面积,根据所述当前恢复积分面积及所述患者的历史恢复积分面积计算所述护理恢复值。
可解释的,所述恢复积分面积公式,如下所示:
其中,pd表示当前恢复积分面积,td表示当前指标检测数据的检测时间,th表示护理指标检测数据中单个复诊检测周期的最后一次检测时间,y1表示护理指标检测数据中第1个检测指标的变化函数值,表示当前指标检测数据1项指标数据的数值,/>表示当前指标检测数据i项指标数据的数值。
例如:当所述单个复诊检测周期为第二次,其中所述第二次复诊检测周期为9:00进行一次糖化血红蛋白含量检测、12:00进行一次糖化血红蛋白含量检测、18:00进行一次糖化血红蛋白含量检测、21:00进行一次糖化血红蛋白含量检测。则21:00为th。
S6、获取所述目标病例的对照恢复值,判断所述护理恢复值是否大于等于所述对照恢复值。
进一步地,所述对照恢复值指所述目标病例在当前指标检测数据的检测时间与护理指标检测数据中单个复诊检测周期的最后一次检测时间期间内的护理恢复值。
本发明实施例中,所述获取所述目标病例的对照恢复值,包括:
根据所述护理指标检测数据的检测时间,利用所述恢复积分面积公式计算所述目标病例的对照恢复积分面积;
获取所述目标病例的历史恢复积分面积,根据所述对照恢复积分面积及所述目标病例的历史恢复积分面积计算所述对照恢复值。
可理解的,所述目标病例的对照恢复值与所述患者的护理恢复值计算方式一致,在此不再赘述。
若所述护理恢复值大于等于所述对照恢复值,则返回上述获取患者的当前指标检测数据的步骤。
一般地,当所述护理恢复值大于等于所述对照恢复值,则表示同期所述患者的恢复情况与目标病例的恢复情况一致或者比目标病例恢复的更好,此时,表明这种利用目标病例的拆分医嘱进行护理是合理的。
若所述护理恢复值不大于等于所述对照恢复值,则执行S7、提示用户输入标准拆分医嘱,完成基于AI智能医嘱拆分的医疗辅助。
进一步地,当所述护理恢复值不大于等于所述对照恢复值,则表示同期所述患者的恢复情况与目标病例的恢复情况差一点,此时,表明这种利用目标病例的拆分医嘱进行护理是不太合理,因此可以提示医生或护士进行手动输入医嘱,在将医嘱拆分为可以执行的护理任务。
相比于背景技术所述问题,本发明实施例通过所述患者病种在预构建的历史病种数据库中提取历史指标检测数据集,此时需要在所述历史指标检测数据集中提取可参考的目标病例,然后根据所述目标病例的目标拆分医嘱对患者进行护理检测,在提取所述目标病例的过程中,需要先获取患者的当前指标检测数据,再根据所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据,最后就可以提取最相似的历史指标检测数据对应的目标病例,在得到目标病例后,即可提取所述目标病例对应的目标拆分医嘱,然后根据所述目标拆分医嘱进行患者护理检测,得到护理指标检测数据,为了评估患者的恢复情况,需要根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值,最后通过判断所述护理恢复值是否大于等于所述对照恢复值,决定是否继续在所述历史病种数据库中提取目标拆分医嘱,若不可继续,则提示用户输入标准拆分医嘱,具有较高的灵活性。因此本发明提出的基于AI智能医嘱拆分的医疗辅助方法、装置、电子设备及计算机可读存储介质,其主要目的在于解决当前的医嘱拆分方式存在灵活性低,治疗效果不佳的问题。
实施例2:
如图2所示,是本发明一实施例提供的基于AI智能医嘱拆分的医疗辅助装置的功能模块图。
本发明所述基于AI智能医嘱拆分的医疗辅助装置100可以安装于电子设备中。根据实现的功能,所述基于AI智能医嘱拆分的医疗辅助装置100可以包括历史指标检测数据集获取模块101、目标拆分医嘱提取模块102、护理恢复值计算模块103及护理恢复值比较模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
所述历史指标检测数据集获取模块101,用于获取患者病种,根据所述患者病种在预构建的历史病种数据库中提取历史指标检测数据集;
所述目标拆分医嘱提取模块102,用于获取患者的当前指标检测数据,计算所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据;提取最相似的历史指标检测数据对应的目标病例;在所述历史病种数据库中提取所述目标病例对应的目标拆分医嘱;
所述护理恢复值计算模块103,用于根据所述目标拆分医嘱进行患者护理检测,得到护理指标检测数据;根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值;
所述护理恢复值比较模块104,用于获取所述目标病例的对照恢复值,判断所述护理恢复值是否大于等于所述对照恢复值;若所述护理恢复值大于等于所述对照恢复值,则返回上述获取患者的当前指标检测数据的步骤;若所述护理恢复值不大于等于所述对照恢复值,则提示用户输入标准拆分医嘱。
详细地,本发明实施例中所述基于AI智能医嘱拆分的医疗辅助装置100中的所述各模块在使用时采用与上述的图1中所述的基于AI智能医嘱拆分的医疗辅助方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
实施例3:
如图3所示,是本发明一实施例提供的实现基于AI智能医嘱拆分的医疗辅助方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于AI智能医嘱拆分的医疗辅助程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于AI智能医嘱拆分的医疗辅助程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如基于AI智能医嘱拆分的医疗辅助程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于AI智能医嘱拆分的医疗辅助程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取患者病种,根据所述患者病种在预构建的历史病种数据库中提取历史指标检测数据集;
获取患者的当前指标检测数据,计算所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据;
提取最相似的历史指标检测数据对应的目标病例,在所述历史病种数据库中提取所述目标病例对应的目标拆分医嘱;
根据所述目标拆分医嘱进行患者护理检测,得到护理指标检测数据;
根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值;
获取所述目标病例的对照恢复值,判断所述护理恢复值是否大于等于所述对照恢复值;
若所述护理恢复值大于等于所述对照恢复值,则返回上述获取患者的当前指标检测数据的步骤;
若所述护理恢复值不大于等于所述对照恢复值,则提示用户输入标准拆分医嘱,完成基于AI智能医嘱拆分的医疗辅助。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元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存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取患者病种,根据所述患者病种在预构建的历史病种数据库中提取历史指标检测数据集;
获取患者的当前指标检测数据,计算所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据;
提取最相似的历史指标检测数据对应的目标病例,在所述历史病种数据库中提取所述目标病例对应的目标拆分医嘱;
根据所述目标拆分医嘱进行患者护理检测,得到护理指标检测数据;
根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值;
获取所述目标病例的对照恢复值,判断所述护理恢复值是否大于等于所述对照恢复值;
若所述护理恢复值大于等于所述对照恢复值,则返回上述获取患者的当前指标检测数据的步骤;
若所述护理恢复值不大于等于所述对照恢复值,则提示用户输入标准拆分医嘱,完成基于AI智能医嘱拆分的医疗辅助。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于AI智能医嘱拆分的医疗辅助方法,其特征在于,所述方法包括:
获取患者病种,根据所述患者病种在预构建的历史病种数据库中提取历史指标检测数据集;
获取患者的当前指标检测数据,计算所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据;
提取最相似的历史指标检测数据对应的目标病例,在所述历史病种数据库中提取所述目标病例对应的目标拆分医嘱;
根据所述目标拆分医嘱进行患者护理检测,得到护理指标检测数据;
根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值;
获取所述目标病例的对照恢复值,判断所述护理恢复值是否大于等于所述对照恢复值;
若所述护理恢复值大于等于所述对照恢复值,则返回上述获取患者的当前指标检测数据的步骤;
若所述护理恢复值不大于等于所述对照恢复值,则提示用户输入标准拆分医嘱,完成基于AI智能医嘱拆分的医疗辅助。
2.如权利要求1所述的基于AI智能医嘱拆分的医疗辅助方法,其特征在于,所述计算所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据,包括:
获取所述当前指标检测数据的诊疗检测时期;
判断所述诊疗检测时期是否为初诊检测时期;
若所述诊疗检测时期为初诊检测时期,则在所述历史指标检测数据集中提取初诊指标检测数据集;
根据预构建的相似度计算公式,计算所述当前指标检测数据与所述初诊指标检测数据集中每一个初诊指标检测数据的相似度,得到相似度集;
若所述诊疗检测时期不为初诊检测时期,则在所述历史指标检测数据集中提取复诊指标检测数据集;
根据所述相似度计算公式,计算所述当前指标检测数据与所述复诊指标检测数据集中每一个复诊指标检测数据的相似度,得到相似度集;
在所述相似度集中提取最大相似度对应的历史指标检测数据,得到所述最相似的历史指标检测数据。
3.如权利要求2所述的基于AI智能医嘱拆分的医疗辅助方法,其特征在于,所述相似度计算公式,如下所示:
其中,Sj表示所述历史指标检测数据集中第j个历史指标检测数据与所述当前指标检测数据的相似度,i表示检测指标序号,n表示检测指标总数,k1表示第1个检测指标的权重,p1表示历史指标检测数据中第1个检测指标的数值,P1表示当前指标检测数据中第1个检测指标的数值,ki表示第i个检测指标的权重,pi表示历史指标检测数据中第i个检测指标的数值,Pi表示当前指标检测数据中第i个检测指标的数值。
4.如权利要求2所述的基于AI智能医嘱拆分的医疗辅助方法,其特征在于,所述根据所述相似度计算公式,计算所述当前指标检测数据与所述复诊指标检测数据集中每一个复诊指标检测数据的相似度,得到相似度集,包括:
接收所述当前指标检测数据对应的复诊检测周期;
根据所述复诊检测周期在所述复诊指标检测数据中提取同期指标检测数据;
根据所述相似度计算公式,计算所述当前指标检测数据与所述同期指标检测数据的相似度,得到所述相似度集。
5.如权利要求1所述的基于AI智能医嘱拆分的医疗辅助方法,其特征在于,所述在所述历史病种数据库中提取所述目标病例对应的目标拆分医嘱,包括:
在所述历史病种数据库中提取所述目标病例对应的原始拆分医嘱;
若所述诊疗检测时期为初诊检测时期,则在所述原始拆分医嘱中提取初诊拆分医嘱,将所述初诊拆分医嘱作为目标拆分医嘱;
若所述诊疗检测时期不为初诊检测时期,则根据所述复诊检测周期在所述原始拆分医嘱中提取目标拆分医嘱。
6.如权利要求5所述的基于AI智能医嘱拆分的医疗辅助方法,其特征在于,所述根据所述复诊检测周期在所述原始拆分医嘱中提取目标拆分医嘱,包括:
利用所述复诊检测周期在所述原始拆分医嘱中进行检测周期匹配,得到目标检测周期;
提取所述目标检测周期对应的拆分医嘱,得到所述目标拆分医嘱。
7.如权利要求2所述的基于AI智能医嘱拆分的医疗辅助方法,其特征在于,所述根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值,包括:
将所述护理指标检测数据进行描点拟合,得到各项护理指标对应的护理指标数据曲线;
利用预构建的恢复积分面积公式,根据所述当前指标检测数据计算所述护理指标数据曲线的当前恢复积分面积;
获取所述患者的历史恢复积分面积,根据所述当前恢复积分面积及所述患者的历史恢复积分面积计算所述护理恢复值。
8.如权利要求7所述的基于AI智能医嘱拆分的医疗辅助方法,其特征在于,所述恢复积分面积公式,如下所示:
其中,pd表示当前恢复积分面积,td表示当前指标检测数据的检测时间,th表示护理指标检测数据中单个复诊检测周期的最后一次检测时间,y1表示护理指标检测数据中第1个检测指标的变化函数值,表示当前指标检测数据1项指标数据的数值,/>表示当前指标检测数据i项指标数据的数值。
9.如权利要求5所述的基于AI智能医嘱拆分的医疗辅助方法,其特征在于,所述获取所述目标病例的对照恢复值,包括:
根据所述护理指标检测数据的检测时间,利用所述恢复积分面积公式计算所述目标病例的对照恢复积分面积;
获取所述目标病例的历史恢复积分面积,根据所述对照恢复积分面积及所述目标病例的历史恢复积分面积计算所述对照恢复值。
10.一种基于AI智能医嘱拆分的医疗辅助装置,其特征在于,所述装置包括:
历史指标检测数据集获取模块,用于获取患者病种,根据所述患者病种在预构建的历史病种数据库中提取历史指标检测数据集;
目标拆分医嘱提取模块,用于获取患者的当前指标检测数据,计算所述当前指标检测数据与所述历史指标检测数据集中每个历史指标检测数据的相似度,得到最相似的历史指标检测数据;提取最相似的历史指标检测数据对应的目标病例;在所述历史病种数据库中提取所述目标病例对应的目标拆分医嘱;
护理恢复值计算模块,用于根据所述目标拆分医嘱进行患者护理检测,得到护理指标检测数据;根据所述护理指标检测数据与所述当前指标检测数据计算护理恢复值;
护理恢复值比较模块,用于获取所述目标病例的对照恢复值,判断所述护理恢复值是否大于等于所述对照恢复值;若所述护理恢复值大于等于所述对照恢复值,则返回上述获取患者的当前指标检测数据的步骤;若所述护理恢复值不大于等于所述对照恢复值,则提示用户输入标准拆分医嘱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310273207.5A CN116469507A (zh) | 2023-03-20 | 2023-03-20 | 一种基于ai智能医嘱拆分的医疗辅助方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310273207.5A CN116469507A (zh) | 2023-03-20 | 2023-03-20 | 一种基于ai智能医嘱拆分的医疗辅助方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116469507A true CN116469507A (zh) | 2023-07-21 |
Family
ID=87179657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310273207.5A Pending CN116469507A (zh) | 2023-03-20 | 2023-03-20 | 一种基于ai智能医嘱拆分的医疗辅助方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116469507A (zh) |
-
2023
- 2023-03-20 CN CN202310273207.5A patent/CN116469507A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109766329B (zh) | 一种支持交换共享的临床数据单元生成方法和装置 | |
CN110136788B (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 | |
US8285734B2 (en) | Comparison of documents based on similarity measures | |
CN112614578B (zh) | 医生智能推荐方法、装置、电子设备及存储介质 | |
JP2018060529A (ja) | コンテキストベースの患者類似性の方法及び装置 | |
CN109524069A (zh) | 医疗数据处理方法、装置、电子设备和存储介质 | |
CN115206512B (zh) | 基于物联网的医院信息管理方法及装置 | |
CN111210355A (zh) | 医疗数据对照系统及方法 | |
CN114781805B (zh) | 基于大数据的护理人员护理技能评估方法、系统及装置 | |
CN111223571A (zh) | 药品不良反应监测方法及装置、计算机设备及存储介质 | |
CN115760656A (zh) | 一种医学影像处理方法及系统 | |
CN112489747A (zh) | 基于分析模型的慢性病患者监管方法、装置、设备及介质 | |
US9978165B2 (en) | Dynamic presentation of waveform tracings in a central monitor perspective | |
CN111933246B (zh) | 医疗处方分析方法、系统、电子设备及存储介质 | |
CN112530602A (zh) | 药品副作用分析方法、装置、电子设备及计算机存储介质 | |
CN112133389A (zh) | 临床辅助决策高危自动预警方法、系统、设备和介质 | |
CN116469507A (zh) | 一种基于ai智能医嘱拆分的医疗辅助方法及装置 | |
CN113689924B (zh) | 相似病历检索方法、装置、电子设备及可读存储介质 | |
CN116486982A (zh) | 一种ai医嘱的辅助生成方法及装置 | |
CN115691741B (zh) | 一种医疗信息化信息传递及信息合并方法 | |
CN117809841B (zh) | 一种基于大模型技术的皮肤专病患者管理方法及系统 | |
CN113436743A (zh) | 基于表示学习的多结局疗效预测方法、装置及存储介质 | |
CN111986776A (zh) | 围手术期治疗风险智能提示方法 | |
CN114864032B (zh) | 基于his系统的临床数据采集方法及装置 | |
CN115762812B (zh) | 一种卒中患者的数字诊疗方法、系统、设备及介质 |
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 |