CN117116491A - 一种新型冠状病毒感染患者症状分型与急救方法与系统 - Google Patents
一种新型冠状病毒感染患者症状分型与急救方法与系统 Download PDFInfo
- Publication number
- CN117116491A CN117116491A CN202310053661.XA CN202310053661A CN117116491A CN 117116491 A CN117116491 A CN 117116491A CN 202310053661 A CN202310053661 A CN 202310053661A CN 117116491 A CN117116491 A CN 117116491A
- Authority
- CN
- China
- Prior art keywords
- patient
- hospital
- determining
- medical
- symptom
- 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
- 208000024891 symptom Diseases 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 31
- 208000001528 Coronaviridae Infections Diseases 0.000 title claims abstract description 15
- 238000011282 treatment Methods 0.000 claims abstract description 92
- 238000012360 testing method Methods 0.000 claims abstract description 39
- 238000011269 treatment regimen Methods 0.000 claims abstract description 34
- 201000010099 disease Diseases 0.000 claims description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 13
- 241000711573 Coronaviridae Species 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000003205 genotyping method Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 10
- 208000019901 Anxiety disease Diseases 0.000 description 5
- 230000036506 anxiety Effects 0.000 description 5
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000036642 wellbeing Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002955 isolation Methods 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种新型冠状病毒感染患者症状分型与急救方法与系统,包括:获取患者的基础信息,并根据所述基础信息,对患者进行等级划分,得到等级划分结果;根据患者对自测问卷的自测结果,确定患者的新冠分型,并基于新冠分型和等级划分结果,给出患者的就医策略;基于所述就医策略,确定就医医院,结合就医医院的急救条件,确定对患者的急救方式;本发明帮助患者进行分型的自测,根据自测结果,给出不同的治疗建议,对需要急救的患者,提供及时,有效的急救服务。
Description
技术领域
本发明涉及医疗技术领域,特别涉及一种新型冠状病毒感染患者症状分型与急救方法与系统。
背景技术
目前对新冠患者的分型和急救工作主要是通过120急救中心接线工作人员人工完成,没有产品或系统从技术层面解决这一问题,将新冠患者精准分型,为无症状,轻型,普通型患者提供线上咨询,答疑解惑,为重型和危重型及时、优先提供120急救服务。为医疗工作人员缓解工作压力,减轻医疗挤兑现象,将医疗资源留给更需要的危重型患者。
新华社公布的资料中有对新冠患者如何分型的指导建议,但只是对不同分型可能出现什么样的症状有所说明,对应不同的分型应该怎样进行救治是否需要展开急救没有说明。
发明内容
本发明提供一种新型冠状病毒感染患者症状分型与急救方法与系统,可以帮助患者进行分型的自测,根据自测结果,给出不同的治疗建议,对需要急救的患者,提供及时,有效的急救服务。
一种新型冠状病毒感染患者症状分型与急救方法,包括:
S1:获取患者的基础信息,并根据所述基础信息,对患者进行等级划分,得到等级划分结果;
S2:根据患者对自测问卷的自测结果,确定患者的新冠分型,并基于新冠分型和等级划分结果,给出患者的就医策略;
S3:基于所述就医策略,确定就医医院,结合就医医院的急救条件,确定对患者的急救方式。
优选的,S1中,获取患者的基础信息,并根据所述基础信息,对患者进行等级划分,得到等级划分结果,包括:
从患者的基础信息中获取在预设指标下患者的指标取值,判断其中任意指标取值是否不在预设指标对应的指标阈值范围内;
若是,确定不在指标阈值范围内的预设指标数量,若所述预设指标数量大于3,则将对应的患者等级划分为一级,否则,将对应的患者等级划分为二级;
否则,将对应的患者等级划分为三级。
优选的,S2中,根据患者对自测问卷的自测结果,确定患者的新冠分型,包括:
根据对历史新冠患者的症状类型的分析,为自测问卷的每个问题进行第一打分,且对每个问题的答案阈值进行第二打分,并确定各个症状类型的分数阈值范围;
根据第一打分和第二打分,确定所述患者的问卷得分,并根据问卷得分所属分数阈值范围,确定患者的症状类型。
优选的,S2中,基于新冠分型和等级划分结果,给出患者的就医策略,包括:
根据所述新冠分型为患者确定第一急救值,根据等级划分结果确定患者的第二急救值;
判断所述第一急救值、第二急救值是否均大于预设急救值;
若是,为所述患者提供一级急救方案;否则,判断所述第一急救值、第二急救值是否任意一个大于预设急救值;
若是,为患者提供二级急救方案,否则,为患者提供三级急救方案;
根据患者的位置信息和症状信息,结合急救方案等级,设计患者的就医策略。
优选的,根据患者的位置信息和症状信息,结合急救方案等级,设计患者的就医策略,包括:
按照与新冠急救医疗数据库的数据构建架构一致的方式对症状信息进行划分,得到多个子症状信息,并根据构建架构之间的关联特征对多个子症状信息之间进行关联,建立关联标识;
分别对多个子症状信息进行特征提取,得到子症状特征,并将子症状特征与新冠急救医疗数据库进行匹配,得到每个子症状特征对应的第一医疗资源;
基于所述关联标识,对对应的多个子症状信息进行综合特征分析,得到综合症状特征,并将综合症状特征与新冠急救医疗数据库进行匹配,得到综合症状特征对应的第二医疗资源;
将第一医疗资源和第二医疗资源进行整合,得到目标医疗资源,并基于所述目标医疗资源,结合急救方案等级,确定患者的就医策略。
优选的,基于所述目标医疗资源,结合急救方案等级,确定患者的就医策略,包括:
根据患者的位置信息,确定可为患者提供帮助的医院集合,并根据医院的位置,确定医院集合中每个医院相对于患者位置的交通便利值;
基于所述症状信息,对所述目标医疗资源中每个医疗资源设置权重,得到每个医疗资源的权重值;
确定所述医院集合中每个医院的可用医疗资源,并确定可用医疗资源包含目标医疗资源的资源占比;
获取每个急救方案等级对应的最低目标资源占比,根据患者的急救方案等级,结合资源占比,从医院集合中选取满足最低目标资源占比的第一医院;
基于每个医疗资源的权重值,根据所述可用医疗资源,获取患者在第一医院的急救救助得分,并结合所述交通便利值,得到第一医院对患者的综合救助得分,并按照所述综合救助得分,确定第一医院的选择顺序;
根据患者的急救方案等级,确定患者到达第一医院的方式,所述方式为自行前往和医院接送,若为自行前往,确定交通路线;
将所述第一医院及其选择顺序、到达第一医院的方式、交通路线组合得到就医策略。
优选的,S3中,基于所述就医策略,确定就医医院,结合就医医院的急救条件,确定对患者的急救方式,包括:
从所述就医策略中排位在第一顺序的初始医院,并将患者的症状信息和位置信息传输给所述初始医院;
初始医院在接收到患者的信息后,安排救护车去接所述患者到初始医院;
在接患者的过程中,根据初始医院的医院容量和排队时间,确定是否接收所述患者;
若是,对患者的症状信息智能分析,确定急救治疗方案,并对医院排队进行重新规划,得到对患者的救助;
否则,通知患者进行转运。
优选的,对患者的症状信息智能分析,确定急救治疗方案,并对医院排队进行重新规划,包括:
根据就医策略,确定患者得所需医疗资源,从初始医院中获取与所需医疗资源对应的医院医疗资源;
获取需要所述医院医疗资源的其他患者及其排队信息,判断轮到所述患者时,医院医疗资源是否包括所需医疗资源;
若是,按照所述就医策略确定急救治疗方案;
否则,对其他患者的患病信息进行特征提取得到患病特征,对医院医疗资源进行特征提取得到资源特征,对其他患者的排队信息进行特征提取,得到排队特征;
将所述患病特征输入时间资源匹配模型中,获取患病特征对应的资源范围和时间范围,并根据全部其他患者的资源范围和时间范围对其他患者进行医疗资源和排队顺序进行重新规划,并根据规划结果,确定所述患者的排队顺序,根据在所述患者的排队顺序之后的剩余医疗资源,结合所需医疗资源,确定对患者的急救治疗方案。
优选的,根据初始医院的医院容量和排队时间,确定是否接收所述患者,包括:
根据初始医院的当前排队患者数量及排队患者信息,确定所述患者在初始医院的等待时间;
判断所述患者在初始医院的等待时间是否大于患者的可等待时间;
若是,所述初始医院不接收所述患者;
否则,根据初始医院的当前排队患者数量及所需资源,确定初始医院对所述患者的救治能力;
判断所述救治能力是否大于预设救治能力;
若是,所述初始医院接收所述患者;
否则,所述初始医院不接收所述患者。
一种新型冠状病毒感染患者症状分型与急救系统,包括:
等级划分模块,用于获取患者的基础信息,并根据所述基础信息,对患者进行等级划分,得到等级划分结果;
新冠分型模块,用于根据患者对自测问卷的自测结果,确定患者的新冠分型,并基于新冠分型和等级划分结果,给出患者的就医策略;
急救确定模块,用于基于所述就医策略,确定就医医院,结合就医医院的急救条件,确定对患者的急救方式。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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为本发明实施例中一种新型冠状病毒感染患者症状分型与急救方法的流程图;
图2为本发明实施例中确定对患者的急救方式的流程图;
图3为本发明实施例中一种新型冠状病毒感染患者症状分型与急救系统的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
本发明实施例提供一种新型冠状病毒感染患者症状分型与急救方法,包括:
S1:获取患者的基础信息,并根据所述基础信息,对患者进行等级划分,得到等级划分结果;
S2:根据患者对自测问卷的自测结果,确定患者的新冠分型,并基于新冠分型和等级划分结果,给出患者的就医策略;
S3:基于所述就医策略,确定就医医院,结合就医医院的急救条件,确定对患者的急救方式。
在该实施例中,等级划分结果例如为年龄较大、有基础病或儿童孕妇的患者的等级高,年轻人、身体素质好的等级低。
在该实施例中,所述自测问卷为根据先前各种新冠分型患者的症状整合统计来设计得到。
在该实施例中,所述就医策略包括就医医院和交通方式等。
在该实施例中,基于所述就医策略,确定就医医院为针对新冠感染为普通型和重型的患者。
在该实施例中,所述方法还用于实现下面功能:
患者拨打120急救电话:患者拨打电话后,询问是否为疑似新冠患者,若是,对于没有接通电话的患者系统自动给发送短信,接通的患者,接线员可手动触发给患者发送短信。
重点人群区分:若患者为婴幼儿,老人,孕产妇,或患有导致新冠重症风险几率上升的基础疾病,可直接通过小程序直接拨打120进行急救。
新冠分型分类自测和急救:通过自测问卷,测试患者的新冠分型,危重/重型患者,通过小程序拨打120急救;普通型患者,根据发热门诊地图自行前往就医;轻型或无症状患者建议居家观察隔离。
患者通过小程序拨打120:重点人群/危重/重型患者通过小程序拨打120优先接听,优先给院前急救团队分配急救任务。
院前急救团队收到急救任务:分派急救车辆前往患者所在位置,到达患者所在位置后,参考急救地图上推荐的医院,选择运送的医院。
院内急救团队收到院前急救信息:如果院内满足急救的条件,反馈给院前,院前收到信息后将患者运送到医院,不满足,反馈给院前,院前重新选择运送医院。
院前急救团队收到院内反馈信息:将患者送到医院,中途可根据实际情况变更医院或结束运送,系统会将信息实时反馈给院内。
上述设计方案的有益效果是:通过根据患者的基础信息,得到等级划分结果,在根据患者对自测问卷的自测结果,确定患者的新冠分型,并基于新冠分型和等级划分结果,确定患者的就医策略,优先为情况较为严重的患者匹配医疗资源,且为每个患者提供准确地新冠分型,以及对应的就医策略,减少患者的焦虑,为患者提供有效的急救服务。
实施例2
基于实施例1的基础上,本发明实施例提供一种新型冠状病毒感染患者症状分型与急救方法,S1:获取患者的基础信息,并根据所述基础信息,对患者进行等级划分,得到等级划分结果,包括:
从患者的基础信息中获取在预设指标下患者的指标取值,判断其中任意指标取值是否不在预设指标对应的指标阈值范围内;
若是,确定不在指标阈值范围内的预设指标数量,若所述预设指标数量大于3,则将对应的患者等级划分为一级,否则,将对应的患者等级划分为二级;
否则,将对应的患者等级划分为三级。
在该实施例中,单机数越高,对应的患者状况越好。
在该实施例中,所述预设指标为年龄、病史等于身体相关的指标。
上述设计方案的有益效果是:通过根据患者在预设指标下的取值及结合确定不在预设指标对应的指标阈值范围内的指标数量,来对患者进行分级,为后续确定患者的就医策略提供数据基础。
实施例3
基于实施例1的基础上,本发明实施例提供一种新型冠状病毒感染患者症状分型与急救方法,S2中,根据患者对自测问卷的自测结果,确定患者的新冠分型,包括:
根据对历史新冠患者的症状类型的分析,为自测问卷的每个问题进行第一打分,且对每个问题的答案阈值进行第二打分,并确定各个症状类型的分数阈值范围;
根据第一打分和第二打分,确定所述患者的问卷得分,并根据问卷得分所属分数阈值范围,确定患者的症状类型。
在该实施例中,所述自测问卷会根据患者数据库中实时数据的增加进行合理的调整。
在该实施例中,所述症状类型包括无症状感染者、普通型和重症型。
在该实施例中,问题越与新冠的关联度越高,对应的第一打分越高,患者的答案与重症症状的相似性越高,对应的第二打分越高,患者对此问题的得分为第一打分值和第二打分值的乘积得到。
在该实施例中,症状越重,对应的分数阈值范围的数值越大。
上述设计方案的有益效果是:通过为患者提供经过精确设计得到的自测问卷进行对患者分型的诊断,有效缓解患者在家无法得到有效帮助而造成的焦虑,且自测问卷会每隔一段时间进行调整,提高对患者分型的准确性。
实施例4
基于实施例1的基础上,本发明实施例提供一种新型冠状病毒感染患者症状分型与急救方法,S2中,基于新冠分型和等级划分结果,给出患者的就医策略,包括:
根据所述新冠分型为患者确定第一急救值,根据等级划分结果确定患者的第二急救值;
判断所述第一急救值、第二急救值是否均大于预设急救值;
若是,为所述患者提供一级急救方案;否则,判断所述第一急救值、第二急救值是否任意一个大于预设急救值;
若是,为患者提供二级急救方案,否则,为患者提供三级急救方案;
根据患者的位置信息和症状信息,结合急救方案等级,设计患者的就医策略。
在该实施例中,新冠分型越严重,对应的第一急救值越大。
在该实施例中,等级划分结果的等级越严重,对应的第二急救值越大。
在该实施例中,所述症状信息根据新冠分型和等级划分结果得到。
在该实施例中,一级急救方案中的急救时间最短、对应的急救资源最多,二级急救方案次之,三级急救方案最少。
上述设计方案的有益效果是:通过根据新冠分型和等级划分结果,确定患者的急救值,根据急救值的大小,为患者匹配对应的急救方案,保证匹配的急救方案在急救时间和医疗资源的合理分配,先为情况较为严重的患者匹配医疗资源,减少患者的焦虑,为患者提供有效的急救服务。
实施例5
基于实施例4的基础上,本发明实施例提供一种新型冠状病毒感染患者症状分型与急救方法,根据患者的位置信息和症状信息,结合急救方案等级,设计患者的就医策略,包括:
按照与新冠急救医疗数据库的数据构建架构一致的方式对症状信息进行划分,得到多个子症状信息,并根据构建架构之间的关联特征对多个子症状信息之间进行关联,建立关联标识;
分别对多个子症状信息进行特征提取,得到子症状特征,并将子症状特征与新冠急救医疗数据库进行匹配,得到每个子症状特征对应的第一医疗资源;
基于所述关联标识,对对应的多个子症状信息进行综合特征分析,得到综合症状特征,并将综合症状特征与新冠急救医疗数据库进行匹配,得到综合症状特征对应的第二医疗资源;
将第一医疗资源和第二医疗资源进行整合,得到目标医疗资源,并基于所述目标医疗资源,结合急救方案等级,确定患者的就医策略。
在该实施例中,新冠急救医疗数据库根据各个医院的上传数据建立得到。
在该实施例中,第一医疗资源和第二医疗资源具体为医院的名称、医院提供的医疗服务等。
在该实施例中,第一医疗资源根据单独的子症状特征得到,第二医疗资源根据子症状特征之间的关联得到。
上述设计方案的有益效果是:通过根据患者的位置信息和症状信息,来为患者提供合理的医疗资源,并在确定医疗资源的过程中不仅对单独的子特征信息进行分析,还对子特征信息之间的关联进行分析,保证最终得到的目标医疗资源与患者的匹配性,为患者提供最优的医疗资源。
实施例6
基于实施例5的基础上,本发明实施例提供一种新型冠状病毒感染患者症状分型与急救方法,基于所述目标医疗资源,结合急救方案等级,确定患者的就医策略,包括:
根据患者的位置信息,确定可为患者提供帮助的医院集合,并根据医院的位置,确定医院集合中每个医院相对于患者位置的交通便利值;
基于所述症状信息,对所述目标医疗资源中每个医疗资源设置权重,得到每个医疗资源的权重值;
确定所述医院集合中每个医院的可用医疗资源,并确定可用医疗资源包含目标医疗资源的资源占比;
获取每个急救方案等级对应的最低目标资源占比,根据患者的急救方案等级,结合资源占比,从医院集合中选取满足最低目标资源占比的第一医院;
基于每个医疗资源的权重值,根据所述可用医疗资源,获取患者在第一医院的急救救助得分,并结合所述交通便利值,得到第一医院对患者的综合救助得分,并按照所述综合救助得分,确定第一医院的选择顺序;
根据患者的急救方案等级,确定患者到达第一医院的方式,所述方式为自行前往和医院接送,若为自行前往,确定交通路线;
将所述第一医院及其选择顺序、到达第一医院的方式、交通路线组合得到就医策略。
在该实施例中,症状越重,对应治疗此症状的医疗资源的权重值越大。
上述设计方案的有益效果是:通过对目标医疗资源进行权重设置,对急救等级方案进行资源占比分析,还对患者到达医院的交通方式和交通情况进行分析,最终根据第一医院及其选择顺序、到达第一医院的方式、交通路线组合得到就医策略,保证就医策略的综合性和高效性。
实施例7
基于实施例1的基础上,本发明实施例提供一种新型冠状病毒感染患者症状分型与急救方法,如图3所示,S3中,基于所述就医策略,确定就医医院,结合就医医院的急救条件,确定对患者的急救方式,包括:
从所述就医策略中排位在第一顺序的初始医院,并将患者的症状信息和位置信息传输给所述初始医院;
初始医院在接收到患者的信息后,安排救护车去接所述患者到初始医院,并在接患者的过程中,根据初始医院的医院容量和排队时间,确定是否接收所述患者;
若是,对患者的症状信息智能分析,确定急救治疗方案,并对医院排队进行重新规划,得到对患者的救助;
否则,通知患者进行转运。
上述设计方案的有益效果是:通过对患者和医院的情况进行分析,为患者选择最优的医院和急救方式,提高患者就医的效率和针对性,减少患者的焦虑,为患者提供有效的急救服务。
实施例8
基于实施例7的基础上,本发明实施例提供一种新型冠状病毒感染患者症状分型与急救方法,对患者的症状信息智能分析,确定急救治疗方案,并对医院排队进行重新规划,包括:
根据就医策略,确定患者得所需医疗资源,从初始医院中获取与所需医疗资源对应的医院医疗资源;
获取需要所述医院医疗资源的其他患者及其排队信息,判断轮到所述患者时,医院医疗资源是否包括所需医疗资源;
若是,按照所述就医策略确定急救治疗方案;
否则,对其他患者的患病信息进行特征提取得到患病特征,对医院医疗资源进行特征提取得到资源特征,对其他患者的排队信息进行特征提取,得到排队特征;
将所述患病特征输入时间资源匹配模型中,获取患病特征对应的资源范围和时间范围,并根据全部其他患者的资源范围和时间范围对其他患者进行医疗资源和排队顺序进行重新规划,并根据规划结果,确定所述患者的排队顺序,根据在所述患者的排队顺序之后的剩余医疗资源,结合所需医疗资源,确定对患者的急救治疗方案。
在该实施例中,所述资源范围和时间范围用于确定最终的医疗资源和排队顺序。
上述设计方案的有益效果是:通过根据患者的症状信息,以及前面排队患者的信息,重新分配医疗资源和排队等待时间,在保证患者治疗效果和救治体验的同时,最大限度的合理利用医疗资源,帮助更多的患者。
实施例9
基于实施例7的基础上,本发明实施例提供一种新型冠状病毒感染患者症状分型与急救方法,根据初始医院的医院容量和排队时间,确定是否接收所述患者,包括:
根据初始医院的当前排队患者数量及排队患者信息,确定所述患者在初始医院的等待时间T;
其中,n表示当前排队患者数量,ti表示根据排队患者信息确定的第i个当前排队患者的医治时间,εi表示根据排队患者信息确定的症状权重值,取值为(0.8,1.2),表示当前排队患者数量的平均医治时间,Δt表示初始医院的历史平均医治时间,t0表示所述患者达到初始医院的时间;
判断所述患者在初始医院的等待时间是否大于患者的可等待时间;
若是,所述初始医院不接收所述患者;
否则,根据初始医院的当前排队患者数量及所需资源,确定初始医院对所述患者的救治能力K;
其中,ZA表示初始医院的医院医疗资源,Zi表示第i个当前排队患者所需的医疗资源,ZM表示所述患者的所需医疗资源;
判断所述救治能力是否大于预设救治能力;
若是,所述初始医院接收所述患者;
否则,所述初始医院不接收所述患者。
上述设计方案的有益效果是:通过根据初始医院的情况,从排队时间和救治能力两方面确定是否可以将所述患者运到初始医院进行救治,若不可以,及时进行转运,不耽误患者的病情,为患者提供合适的急救服务。
实施例10
一种新型冠状病毒感染患者症状分型与急救系统,如图3所示,包括:
等级划分模块,用于获取患者的基础信息,并根据所述基础信息,对患者进行等级划分,得到等级划分结果;
新冠分型模块,用于根据患者对自测问卷的自测结果,确定患者的新冠分型,并基于新冠分型和等级划分结果,给出患者的就医策略;
急救确定模块,用于基于所述就医策略,确定就医医院,结合就医医院的急救条件,确定对患者的急救方式。
在该实施例中,等级划分结果例如为年龄较大、有基础病或儿童孕妇的患者的等级高,年轻人、身体素质好的等级低。
在该实施例中,所述自测问卷为根据先前各种新冠分型患者的症状整合统计来设计得到。
在该实施例中,所述就医策略包括就医医院和交通方式等。
在该实施例中,基于所述就医策略,确定就医医院为针对新冠感染为普通型和重型的患者。
上述设计方案的有益效果是:通过根据患者的基础信息,得到等级划分结果,在根据患者对自测问卷的自测结果,确定患者的新冠分型,并基于新冠分型和等级划分结果,确定患者的就医策略,优先为情况较为严重的患者匹配医疗资源,且为每个患者提供准确地新冠分型,以及对应的就医策略,减少患者的焦虑,为患者提供有效的急救服务。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种新型冠状病毒感染患者症状分型与急救方法,其特征在于,包括:
S1:获取患者的基础信息,并根据所述基础信息,对患者进行等级划分,得到等级划分结果;
S2:根据患者对自测问卷的自测结果,确定患者的新冠分型,并基于新冠分型和等级划分结果,给出患者的就医策略;
S3:基于所述就医策略,确定就医医院,结合就医医院的急救条件,确定对患者的急救方式。
2.根据权利要求1所述的一种新型冠状病毒感染患者症状分型与急救方法,其特征在于,S1中,获取患者的基础信息,并根据所述基础信息,对患者进行等级划分,得到等级划分结果,包括:
从患者的基础信息中获取在预设指标下患者的指标取值,判断其中任意指标取值是否不在预设指标对应的指标阈值范围内;
若是,确定不在指标阈值范围内的预设指标数量,若所述预设指标数量大于3,则将对应的患者等级划分为一级,否则,将对应的患者等级划分为二级;
否则,将对应的患者等级划分为三级。
3.根据权利要求1所述的一种新型冠状病毒感染患者症状分型与急救方法,其特征在于,S2中,根据患者对自测问卷的自测结果,确定患者的新冠分型,包括:
根据对历史新冠患者的症状类型的分析,为自测问卷的每个问题进行第一打分,且对每个问题的答案阈值进行第二打分,并确定各个症状类型的分数阈值范围;
根据第一打分和第二打分,确定所述患者的问卷得分,并根据问卷得分所属分数阈值范围,确定患者的症状类型。
4.根据权利要求1所述的一种新型冠状病毒感染患者症状分型与急救方法,其特征在于,S2中,基于新冠分型和等级划分结果,给出患者的就医策略,包括:
根据所述新冠分型为患者确定第一急救值,根据等级划分结果确定患者的第二急救值;
判断所述第一急救值、第二急救值是否均大于预设急救值;
若是,为所述患者提供一级急救方案;否则,判断所述第一急救值、第二急救值是否任意一个大于预设急救值;
若是,为患者提供二级急救方案,否则,为患者提供三级急救方案;
根据患者的位置信息和症状信息,结合急救方案等级,设计患者的就医策略。
5.根据权利要求4所述一种新型冠状病毒感染患者症状分型与急救方法,其特征在于,根据患者的位置信息和症状信息,结合急救方案等级,设计患者的就医策略,包括:
按照与新冠急救医疗数据库的数据构建架构一致的方式对症状信息进行划分,得到多个子症状信息,并根据构建架构之间的关联特征对多个子症状信息之间进行关联,建立关联标识;
分别对多个子症状信息进行特征提取,得到子症状特征,并将子症状特征与新冠急救医疗数据库进行匹配,得到每个子症状特征对应的第一医疗资源;
基于所述关联标识,对对应的多个子症状信息进行综合特征分析,得到综合症状特征,并将综合症状特征与新冠急救医疗数据库进行匹配,得到综合症状特征对应的第二医疗资源;
将第一医疗资源和第二医疗资源进行整合,得到目标医疗资源,并基于所述目标医疗资源,结合急救方案等级,确定患者的就医策略。
6.根据权利要求5所述一种新型冠状病毒感染患者症状分型与急救方法,其特征在于,基于所述目标医疗资源,结合急救方案等级,确定患者的就医策略,包括:
根据患者的位置信息,确定可为患者提供帮助的医院集合,并根据医院的位置,确定医院集合中每个医院相对于患者位置的交通便利值;
基于所述症状信息,对所述目标医疗资源中每个医疗资源设置权重,得到每个医疗资源的权重值;
确定所述医院集合中每个医院的可用医疗资源,并确定可用医疗资源包含目标医疗资源的资源占比;
获取每个急救方案等级对应的最低目标资源占比,根据患者的急救方案等级,结合资源占比,从医院集合中选取满足最低目标资源占比的第一医院;
基于每个医疗资源的权重值,根据所述可用医疗资源,获取患者在第一医院的急救救助得分,并结合所述交通便利值,得到第一医院对患者的综合救助得分,并按照所述综合救助得分,确定第一医院的选择顺序;
根据患者的急救方案等级,确定患者到达第一医院的方式,所述方式为自行前往和医院接送,若为自行前往,确定交通路线;
将所述第一医院及其选择顺序、到达第一医院的方式、交通路线组合得到就医策略。
7.根据权利要求1所述的一种新型冠状病毒感染患者症状分型与急救方法,其特征在于,S3中,基于所述就医策略,确定就医医院,结合就医医院的急救条件,确定对患者的急救方式,包括:
从所述就医策略中排位在第一顺序的初始医院,并将患者的症状信息和位置信息传输给所述初始医院;
初始医院在接收到患者的信息后,安排救护车去接所述患者到初始医院;
在接患者的过程中,根据初始医院的医院容量和排队时间,确定是否接收所述患者;
若是,对患者的症状信息智能分析,确定急救治疗方案,并对医院排队进行重新规划,得到对患者的救助;
否则,通知患者进行转运。
8.根据权利要求7所述的一种新型冠状病毒感染患者症状分型与急救方法,其特征在于,对患者的症状信息智能分析,确定急救治疗方案,并对医院排队进行重新规划,包括:
根据就医策略,确定患者得所需医疗资源,从初始医院中获取与所需医疗资源对应的医院医疗资源;
获取需要所述医院医疗资源的其他患者及其排队信息,判断轮到所述患者时,医院医疗资源是否包括所需医疗资源;
若是,按照所述就医策略确定急救治疗方案;
否则,对其他患者的患病信息进行特征提取得到患病特征,对医院医疗资源进行特征提取得到资源特征,对其他患者的排队信息进行特征提取,得到排队特征;
将所述患病特征输入时间资源匹配模型中,获取患病特征对应的资源范围和时间范围,并根据全部其他患者的资源范围和时间范围对其他患者进行医疗资源和排队顺序进行重新规划,并根据规划结果,确定所述患者的排队顺序,根据在所述患者的排队顺序之后的剩余医疗资源,结合所需医疗资源,确定对患者的急救治疗方案。
9.根据权利要求7所述的一种新型冠状病毒感染患者症状分型与急救方法,其特征在于,根据初始医院的医院容量和排队时间,确定是否接收所述患者,包括:
根据初始医院的当前排队患者数量及排队患者信息,确定所述患者在初始医院的等待时间;
判断所述患者在初始医院的等待时间是否大于患者的可等待时间;
若是,所述初始医院不接收所述患者;
否则,根据初始医院的当前排队患者数量及所需资源,确定初始医院对所述患者的救治能力;
判断所述救治能力是否大于预设救治能力;
若是,所述初始医院接收所述患者;
否则,所述初始医院不接收所述患者。
10.一种新型冠状病毒感染患者症状分型与急救系统,其特征在于,包括:
等级划分模块,用于获取患者的基础信息,并根据所述基础信息,对患者进行等级划分,得到等级划分结果;
新冠分型模块,用于根据患者对自测问卷的自测结果,确定患者的新冠分型,并基于新冠分型和等级划分结果,给出患者的就医策略;
急救确定模块,用于基于所述就医策略,确定就医医院,结合就医医院的急救条件,确定对患者的急救方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310053661.XA CN117116491A (zh) | 2023-02-03 | 2023-02-03 | 一种新型冠状病毒感染患者症状分型与急救方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310053661.XA CN117116491A (zh) | 2023-02-03 | 2023-02-03 | 一种新型冠状病毒感染患者症状分型与急救方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117116491A true CN117116491A (zh) | 2023-11-24 |
Family
ID=88807978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310053661.XA Pending CN117116491A (zh) | 2023-02-03 | 2023-02-03 | 一种新型冠状病毒感染患者症状分型与急救方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117116491A (zh) |
-
2023
- 2023-02-03 CN CN202310053661.XA patent/CN117116491A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114171176A (zh) | 一种基于互联网的医院分诊数据处理方法及系统 | |
CN109509551A (zh) | 一种常见疾病智能诊断方法及系统 | |
CN111968746A (zh) | 一种基于混合深度迁移学习的脑卒中风险预测方法及装置 | |
CN106874670A (zh) | 基于人工智能的儿科医生机器人装置 | |
CN107066822A (zh) | 一种健康评估的方法及系统 | |
CN112396748A (zh) | 一种体检排队处理方法、装置、电子设备及存储介质 | |
CN113689942B (zh) | 产检监测方法、装置及相关设备 | |
CN114783627A (zh) | 基于ai的健康医疗服务推荐系统 | |
Zimmerman et al. | Screening for psychiatric disorders in medical patients: a feasibility and patient acceptance study | |
KR20110098286A (ko) | 퍼지 추론기법을 이용한 한방 자가 진단방법 | |
CN117116491A (zh) | 一种新型冠状病毒感染患者症状分型与急救方法与系统 | |
CN111833997B (zh) | 基于风险预测的就诊分配方法、装置、计算机设备 | |
Ashour et al. | Fuzzy AHP and utility theory based patient sorting in emergency departments | |
KR101255477B1 (ko) | 사상체질 분류방법 | |
Castro et al. | Sequential test selection in the analysis of abdominal pain | |
Neely et al. | T HE S TRENGTH OF S PECIFIC EMS D ISPATCHER Q UESTIONS FOR I DENTIFYING P ATIENTS WITH I MPORTANT C LINICAL F IELD F INDINGS | |
CN114925160B (zh) | 一种基于知识图谱技术的院前急救指导推荐系统和方法 | |
Bethel et al. | Mining for implications in medical data | |
CN113593687B (zh) | 一种基于新冠疫情的医院智能就诊引导方法及装置 | |
Geller | Loneliness and pregnancy in an urban Latino community: associations with maternal age and unscheduled hospital utilization | |
Franck et al. | A generic framework to analyze and improve patient pathways within a healthcare network using process mining and discrete-event simulation | |
CN114220526A (zh) | 一种医院预约挂号系统及预约方法 | |
CN113113127A (zh) | 基于5g和nb-iot的无线急诊预检分诊系统及方法 | |
Mast et al. | Assessment of functional abilities among geriatric patients: A MIMIC model of the functional independence measure. | |
Komkhao et al. | Recommender systems in telemedicine |
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 |