CN117373588B - 基于数字疗法的冠脉术后抗凝数据管理系统 - Google Patents
基于数字疗法的冠脉术后抗凝数据管理系统 Download PDFInfo
- Publication number
- CN117373588B CN117373588B CN202311298073.9A CN202311298073A CN117373588B CN 117373588 B CN117373588 B CN 117373588B CN 202311298073 A CN202311298073 A CN 202311298073A CN 117373588 B CN117373588 B CN 117373588B
- Authority
- CN
- China
- Prior art keywords
- data
- treatment
- patient
- diagnosis
- time
- 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.)
- Active
Links
- 230000010100 anticoagulation Effects 0.000 title claims abstract description 41
- 238000013523 data management Methods 0.000 title claims abstract description 30
- 230000002980 postoperative effect Effects 0.000 title claims abstract description 19
- 238000002560 therapeutic procedure Methods 0.000 title claims abstract description 16
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 14
- 238000011282 treatment Methods 0.000 claims abstract description 111
- 238000003745 diagnosis Methods 0.000 claims abstract description 56
- 238000007726 management method Methods 0.000 claims description 39
- 238000012163 sequencing technique Methods 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 17
- 239000003814 drug Substances 0.000 claims description 15
- 238000007689 inspection Methods 0.000 claims description 14
- 102000009123 Fibrin Human genes 0.000 claims description 12
- 108010073385 Fibrin Proteins 0.000 claims description 12
- BWGVNKXGVNDBDI-UHFFFAOYSA-N Fibrin monomer Chemical compound CNC(=O)CNC(=O)CN BWGVNKXGVNDBDI-UHFFFAOYSA-N 0.000 claims description 12
- 229950003499 fibrin Drugs 0.000 claims description 12
- 238000011369 optimal treatment Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 229940079593 drug Drugs 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013439 planning Methods 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013468 resource allocation 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
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- 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
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了基于数字疗法的冠脉术后抗凝数据管理系统，本发明涉及抗凝数据管理技术领域，解决了医师在进行诊疗维护时，其维护时长以及具体路线无法及时确定，容易影响诊疗效率的问题，本发明通过对冠脉术后的抗凝数据进行分析，将不同的患者进行分类，并在分类后，对不同的患者进行不同形式的处理，针对于重度患者，首先需要从其中分析重度患者的对应治疗时间，再根据所确认的治疗时间，将患者进行排列，分析对应的治疗时长，其对应的排列表是否可满足对应的治疗时长，若可以满足，则无需处理，若不能满足，则需要进行就诊路线调整以及增加医师，避免影响后续患者的治疗时间，导致时间延误，提升对应重度患者的抗凝数据整体管理效果。
Description
技术领域
本发明涉及抗凝数据管理技术领域，具体为基于数字疗法的冠脉术后抗凝数据管理系统。
背景技术
其中在数字疗法过程中，冠脉术后抗凝数据包括药物数据、剂量数据以及治疗数据，同时，对抗凝数据进行管理时，优先需要对指定的数据进行采集，并在采集完毕后，对数据进行分析记录，再确认对应的数据的指定范围，后续根据所确定的具体范围，对术后的医疗数据进行调整并监测，提升后续的诊疗效果。
专利申请号为CN101506831A的申请涉及包括工作流管理系统和决策支持系统的医疗保健数据管理系统，还涉及对应的计算机程序产品和方法。该决策支持系统包括用于医疗设备的概率专家系统，并且将该决策支持系统配置为创建将要被发送到工作流管理系统的查询。还将其配置为接收由工作流管理系统所确定的对应的回答；该回答包括实体分配数据，其涉及由工作流管理系统所处理的实体的分配；此外，将决策支持系统配置为利用该数据作为专家系统的(多个)概率输入变量；这种系统的优势是将最新的患者数据和组织数据(资源分配)与决策支持系统精深的医疗专业知识进行结合，其中由工作流管理系统来管理该组织数据。
冠脉术后抗凝数据在进行管理归类过程中，未有一个详细的归类过程以及处理过程，导致数据存在混乱且不可确认规律的情况，同时，对应的医师根据所管理的抗凝数据进行诊疗维护时，其维护时长以及具体路线无法及时确定，容易影响诊疗效率，严重时，还会因医师的人员调配不均影响患者病情的情况出现。
发明内容
针对现有技术的不足，本发明提供了基于数字疗法的冠脉术后抗凝数据管理系统，解决了医师在进行诊疗维护时，其维护时长以及具体路线无法及时确定，容易影响诊疗效率的问题。
为实现以上目的，本发明通过以下技术方案予以实现：基于数字疗法的冠脉术后抗凝数据管理系统，包括：
抗凝数据采集端，对治疗过程中，不同患者所产生的抗凝治疗数据进行采集，并将所采集的抗凝治疗数据传输至数据管理中心内，其中，抗凝治疗数据包括纤维蛋白药物剂量数据以及治疗数据；
其中数据管理中心包括患者等级评定端、普患管理端以及重患管理端；
患者等级评定端，从抗凝治疗数据内提取纤维蛋白药物剂量数据，根据纤维蛋白药物剂量数据，将不同的患者评定为重度患者或普通患者，并执行不同的终端，具体方式为：
将不同患者的纤维蛋白药物剂量数据标记为DBi，其中i代表不同的患者；
将DBi与预设参数Y1进行比对，其中Y1为预设值，分析DBi是否满足DBi≤Y1，若满足，则将对应的患者标记为普通患者，将普通患者的治疗数据传输至普患管理端内，若不满足，将对应的患者标记为重度患者，将重度患者的治疗数据传输至重患管理端内；
重患管理端包括就诊时间确定单元、排序单元以及调遣管控单元；
就诊时间确定单元，从重度患者的治疗数据内，选定不同重度患者的最佳就诊时间点，后续，将不同的最佳就诊时间点传输至排序单元内，具体方式为：
从不同重度患者的治疗数据内，确定过往的问诊时间点，并分析确认每个问诊时间点的间隔时段参数，将若干个间隔时段参数进行均值处理，得到待比对均值BD，将若干个间隔时段参数标记为SDk，其中k代表不同的间隔时段参数，采用CHk＝BD÷SDk得到对应间隔时段参数的重合度分析参CHk，将所出现的若干个重合度分析参CHk，判定是否属于拟定区间内，其中拟定区间为预设区间；
若属于拟定区间，则生成规律信号，若不属于，则直接从治疗数据内，选定过往的就诊时间点作为对应的最佳就诊时间点；
根据规律信号，从治疗数据内选取最后一组就诊时间点，再通过往后推延待比对均值BD后，确认对应重度患者的最佳就诊时间点，并传输至排序单元内；
排序单元，根据不同重度患者的最佳就诊时间点，按照时间的先后顺序，将对应患者的编号以及对应的最佳就诊时间点，生成下一阶段的诊疗排序表，并将所生成的诊疗排序表传输至调遣管控单元内；
调遣管控单元，对诊疗排序表进行接收，并进行综合分析，并确定调遣路线以及对应的调遣医师，具体方式为：
从诊疗排序表内，对相邻时间点之间的间隔时间JGt进行确认，其中t代表不同的间隔时间，再依次判定对应的间隔时间JGt是否满足：JGt≥30min，若满足，则不进行任何处理，若不满足，将后置点位标定为时间不足点位，并将时间不足点位从诊疗排序表内提取出，提取完毕后，再进行分析，直至诊疗排序表内相邻点位的间隔时段均满足JGt≥30min时停止，将此诊疗排序表拟定为第一组调遣路线；
将时间不足点位进行排序处理，分析间隔时段是否满足JGt≥30min，若不满足，则再次提取对应的点位，直至满足时停止，得到第二组调遣路线；
以此类推，将后续的调遣路线确认出，并根据调遣路线的具体个数，派遣指定个数的医师进行诊疗处理。
优选的，所述普患管理端包括剂量数据分析单元以及楼层再分单元；
所述剂量数据分析单元，对普通患者的治疗数据进行接收并进行分析，生成对应普通患者的巡诊表，具体方式为：
从普通患者治疗数据内部的剂量参数内，按照数值从大至小的方式，将普通患者的编号进行排序，生成巡检表，若存在相同的数值，则进行随机排序处理；
将所生成的巡检表传输至楼层再分单元内；
所述楼层再分单元，对巡检表内不同楼层的患者进行分类并进行提取，再按照原始的排序方式，生成不同楼层的患者巡检表，并直接传输至外部显示端内，供外部人员进行查看。
优选的，还包括数据存储中心，且数据存储中心包括数据管理单元以及存储单元；
所述数据管理单元，将属于同一患者的患者数据进行确认，并从所确认的患者数据内，将相同的数据进行删除，并保留对应的同上标记，针对于同一检测项目，不同的数据，判定此数据与上一组数据之间的偏差值是否超出预设值，若超出预设值，则对此数据进行颜色标记，若未超出预设值，则不进行任何处理。
所述存储单元，对数据管理单元处理后的数据进行存储，并供数据提取端进行数据提取。
有益效果
本发明提供了基于数字疗法的冠脉术后抗凝数据管理系统。与现有技术相比具备以下有益效果：
本发明通过对冠脉术后的抗凝数据进行分析，并在分析后，将不同的患者进行分类，并在分类后，对不同的患者进行不同形式的处理，针对于重度患者，首先需要从其中分析重度患者的对应治疗时间，再根据所确认的治疗时间，将患者进行排列，并在排列后，分析对应的治疗时长，其对应的排列表是否可满足对应的治疗时长，若可以满足，则无需处理，若不能满足，则需要进行就诊路线调整以及增加医师，避免影响后续患者的治疗时间，导致时间延误，提升对应重度患者的抗凝数据整体管理效果；
针对于普通患者，根据药剂量进行初步排序，后续，再根据楼层之间的具体信息，将属于同一楼层的普通患者进行再排序，从而确定对应的就诊排序路线，确认巡检表，并进行展示，供外部人员进行查看，缩减医师的路途时长，提升医师的诊疗效率。
附图说明
图1为本发明原理框架示意图；
图2为本发明数据管理中心原理框架图；
图3为本发明数据存储中心原理框架图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
请参阅图1，本申请提供了基于数字疗法的冠脉术后抗凝数据管理系统，包括抗凝数据采集端、数据管理中心、数据存储中心以及数据提取端，其中抗凝数据采集端分别与数据存储中心以及数据管理中心输入节点电性连接，所述数据提取端与数据存储中心之间双向连接；
所述数据管理中心包括患者等级评定端、普患管理端以及重患管理端，其中患者等级评定端分别与普患管理端以及重患管理端输入节点电性连接，其中普患管理端包括剂量数据分析单元以及楼层再分单元，其中剂量数据分析单元与楼层再分单元输入节点电性连接，所述重患管理端包括就诊时间确定单元、排序单元以及调遣管控单元，其中就诊时间确定单元与排序单元输入节点电性连接，所述排序单元与调遣管控单元输入节点电性连接；
所述数据存储中心包括数据管理单元以及存储单元，所述数据管理单元与存储单元输入节点电性连接；
所述抗凝数据采集端，对治疗过程中，不同患者所产生的抗凝治疗数据进行采集，并将所采集的抗凝治疗数据传输至数据管理中心内，其中，抗凝治疗数据包括纤维蛋白药物剂量数据以及治疗数据；
其中数据管理中心内部的患者等级评定端，从抗凝治疗数据内提取纤维蛋白药物剂量数据，根据纤维蛋白药物剂量数据，将不同的患者评定为重度患者或普通患者，并执行不同的终端，其中，进行评定的具体方式为：
将不同患者的纤维蛋白药物剂量数据标记为DBi，其中i代表不同的患者；
将DBi与预设参数Y1进行比对，其中Y1为预设值，其具体取值由操作人员根据经验拟定，分析DBi是否满足DBi≤Y1，若满足，则将对应的患者标记为普通患者，将普通患者的治疗数据传输至普患管理端内，若不满足，将对应的患者标记为重度患者，将重度患者的治疗数据传输至重患管理端内；
具体的，根据药物的具体使用剂量，便可对患者的具体状态进行判定，若为重度情况，则需要执行不同的数据管理方案。
所述重患管理端内部的就诊时间确定单元，从重度患者的治疗数据内，选定不同重度患者的最佳就诊时间点，后续，将不同的最佳就诊时间点传输至排序单元内，其中，选定最佳就诊时间点的具体方式为：
从不同重度患者的治疗数据内，确定过往的问诊时间点，并分析确认每个问诊时间点的间隔时段参数，将若干个间隔时段参数进行均值处理，得到待比对均值BD，将若干个间隔时段参数标记为SDk，其中k代表不同的间隔时段参数，采用CHk＝BD÷SDk得到对应间隔时段参数的重合度分析参CHk，将所出现的若干个重合度分析参CHk，判定是否属于拟定区间内，其中拟定区间为预设区间，其两端端值均由操作人员根据经验拟定，拟定区间的区间范围一般为90％-110％，为了确认对应重度患者的若干个间隔时段参数是否存在规律，可通过分析若干个间隔时段参数是否为大差不差情况，若数值均差不多，代表存在对应的规律，若数值差别过大，代表不存在对应的规律，若属于拟定区间，则生成规律信号，若不属于，则直接从治疗数据内，选定过往的就诊时间点作为对应的最佳就诊时间点；
根据规律信号，从治疗数据内选取最后一组就诊时间点，再通过往后推延待比对均值BD后，确认对应重度患者的最佳就诊时间点，并传输至排序单元内；
所述排序单元，根据不同重度患者的最佳就诊时间点，按照时间的先后顺序，将对应患者的编号以及对应的最佳就诊时间点，生成下一阶段的诊疗排序表，并将所生成的诊疗排序表传输至调遣管控单元内，具体的，若不同的重度患者的时间点分别为11点跟11点半，则按照时间走向，便可进行排序，从而便生成对应的诊疗排序表；
所述调遣管控单元，对诊疗排序表进行接收，并进行综合分析，并确定调遣路线以及对应的调遣医师，其中，进行综合分析的具体方式为：
从诊疗排序表内，对相邻时间点之间的间隔时间JGt进行确认，其中t代表不同的间隔时间，再依次判定对应的间隔时间JGt是否满足：JGt≥30min，若满足，则不进行任何处理，若不满足，将后置点位标定为时间不足点位，并将时间不足点位从诊疗排序表内提取出，提取完毕后，再进行分析，直至诊疗排序表内相邻点位的间隔时段均满足JGt≥30min时停止，将此诊疗排序表拟定为第一组调遣路线；
将时间不足点位进行排序处理，分析间隔时段是否满足JGt≥30min，若不满足，则再次提取对应的点位，直至满足时停止，得到第二组调遣路线；
以此类推，将后续的调遣路线确认出，并根据调遣路线的具体个数，派遣指定个数的医师进行诊疗处理，避免延误治疗时机；
具体的，最佳诊疗时间点确认完毕后，但基本上诊疗时间一般在30min左右，故，若按照原始的排序表进行诊疗，医师时间不足，会影响后续患者的治疗时间，导致时间延误，故需要将其进行拆分，确认后续的若干个调遣路线，再根据调遣路线，制定不同的治疗路线，以此提升治疗效果。
实施例二
本实施例在具体实施过程中，相比于实施例一，还包括普患管理端，且普患管理端内部的剂量数据分析单元，对普通患者的治疗数据进行接收并进行分析，生成对应普通患者的巡诊表，其中，进行分析的具体方式为：
从普通患者治疗数据内部的剂量参数内，按照数值从大至小的方式，将普通患者的编号进行排序，生成巡检表，若存在相同的数值，则进行随机排序处理；
将所生成的巡检表传输至楼层再分单元内。
所述楼层再分单元，对巡检表内不同楼层的患者进行分类并进行提取，再按照原始的排序方式，生成不同楼层的患者巡检表，并直接传输至外部显示端内，供外部人员进行查看；
实施例三
本实施例在具体实施过程中，相比于上述两组实施例，还包括：
数据存储中心内部的数据管理单元，将属于同一患者的患者数据进行确认，并从所确认的患者数据内，将相同的数据进行删除，并保留对应的同上标记，针对于同一检测项目，不同的数据，判定此数据与上一组数据之间的偏差值是否超出预设值，若超出预设值，则对此数据进行颜色标记，若未超出预设值，则不进行任何处理，其中预设值为标准值，其具体取值由操作人员根据经验拟定，且标准值一般取值20；
所述数据存储中心内部的存储单元，对数据管理单元处理后的数据进行存储，并供数据提取端进行数据提取，且数据提取端由操作人员自行执行；
实施例四
本实施例在具体实施过程中，包含上述三组实施例的全部实施过程。
上述公式中的部分数据均是去其纲量进行数值计算，同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上实施例仅用以说明本发明的技术方法而非限制，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法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (7)
1.基于数字疗法的冠脉术后抗凝数据管理系统，其特征在于，包括：
抗凝数据采集端，对治疗过程中，不同患者所产生的抗凝治疗数据进行采集，并将所采集的抗凝治疗数据传输至数据管理中心内，其中，抗凝治疗数据包括纤维蛋白药物剂量数据以及治疗数据；
其中数据管理中心包括患者等级评定端、普患管理端以及重患管理端；
患者等级评定端，从抗凝治疗数据内提取纤维蛋白药物剂量数据，根据纤维蛋白药物剂量数据，将不同的患者评定为重度患者或普通患者，并执行不同的终端；
重患管理端包括就诊时间确定单元、排序单元以及调遣管控单元；
就诊时间确定单元，从重度患者的治疗数据内，选定不同重度患者的最佳就诊时间点，后续，将不同的最佳就诊时间点传输至排序单元内，具体方式为：
从不同重度患者的治疗数据内，确定过往的问诊时间点，并分析确认每个问诊时间点的间隔时段参数，将若干个间隔时段参数进行均值处理，得到待比对均值BD，将若干个间隔时段参数标记为SDk，其中k代表不同的间隔时段参数，采用CHk=BD÷SDk得到对应间隔时段参数的重合度分析参CHk，将所出现的若干个重合度分析参CHk，判定是否属于拟定区间内，其中拟定区间为预设区间；
若属于拟定区间，则生成规律信号，若不属于，则直接从治疗数据内，选定过往的就诊时间点作为对应的最佳就诊时间点；
根据规律信号，从治疗数据内选取最后一组就诊时间点，再通过往后推延待比对均值BD后，确认对应重度患者的最佳就诊时间点，并传输至排序单元内；
排序单元，根据不同重度患者的最佳就诊时间点，按照时间的先后顺序，将对应患者的编号以及对应的最佳就诊时间点，生成下一阶段的诊疗排序表，并将所生成的诊疗排序表传输至调遣管控单元内；
调遣管控单元，对诊疗排序表进行接收，并进行综合分析，并确定调遣路线以及对应的调遣医师。
2.根据权利要求1所述的基于数字疗法的冠脉术后抗凝数据管理系统，其特征在于，所述患者等级评定端，将不同的患者评定为重度患者或普通患者的具体方式为：
将不同患者的纤维蛋白药物剂量数据标记为DBi，其中i代表不同的患者；
将DBi与预设参数Y1进行比对，其中Y1为预设值，分析DBi是否满足DBi≤Y1，若满足，则将对应的患者标记为普通患者，将普通患者的治疗数据传输至普患管理端内，若不满足，将对应的患者标记为重度患者，将重度患者的治疗数据传输至重患管理端内。
3.根据权利要求1所述的基于数字疗法的冠脉术后抗凝数据管理系统，其特征在于，所述调遣管控单元，进行综合分析的具体方式为：
从诊疗排序表内，对相邻时间点之间的间隔时间JGt进行确认，其中t代表不同的间隔时间，再依次判定对应的间隔时间JGt是否满足：JGt≥30min，若满足，则不进行任何处理，若不满足，将后置点位标定为时间不足点位，并将时间不足点位从诊疗排序表内提取出，提取完毕后，再进行分析，直至诊疗排序表内相邻点位的间隔时段均满足JGt≥30min时停止，将此诊疗排序表拟定为第一组调遣路线；
将时间不足点位进行排序处理，分析间隔时段是否满足JGt≥30min，若不满足，则再次提取对应的点位，直至满足时停止，得到第二组调遣路线；
以此类推，将后续的调遣路线确认出，并根据调遣路线的具体个数，派遣指定个数的医师进行诊疗处理。
4.根据权利要求1所述的基于数字疗法的冠脉术后抗凝数据管理系统，其特征在于，所述普患管理端包括剂量数据分析单元以及楼层再分单元；
所述剂量数据分析单元，对普通患者的治疗数据进行接收并进行分析，生成对应普通患者的巡诊表；
所述楼层再分单元，对巡检表内不同楼层的患者进行分类并进行提取，再按照原始的排序方式，生成不同楼层的患者巡检表，并直接传输至外部显示端内，供外部人员进行查看。
5.根据权利要求4所述的基于数字疗法的冠脉术后抗凝数据管理系统，其特征在于，所述剂量数据分析单元，进行分析的具体方式为：
从普通患者治疗数据内部的剂量参数内，按照数值从大至小的方式，将普通患者的编号进行排序，生成巡检表，若存在相同的数值，则进行随机排序处理；
将所生成的巡检表传输至楼层再分单元内。
6.根据权利要求1所述的基于数字疗法的冠脉术后抗凝数据管理系统，其特征在于，还包括数据存储中心，且数据存储中心包括数据管理单元以及存储单元；
所述数据管理单元，将属于同一患者的患者数据进行确认，并从所确认的患者数据内，将相同的数据进行删除，并保留对应的同上标记，针对于同一检测项目，不同的数据，判定此数据与上一组数据之间的偏差值是否超出预设值，若超出预设值，则对此数据进行颜色标记，若未超出预设值，则不进行任何处理。
7.根据权利要求6所述的基于数字疗法的冠脉术后抗凝数据管理系统，其特征在于，所述存储单元，对数据管理单元处理后的数据进行存储，并供数据提取端进行数据提取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311298073.9A CN117373588B (zh) | 2023-10-09 | 2023-10-09 | 基于数字疗法的冠脉术后抗凝数据管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311298073.9A CN117373588B (zh) | 2023-10-09 | 2023-10-09 | 基于数字疗法的冠脉术后抗凝数据管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117373588A CN117373588A (zh) | 2024-01-09 |
| CN117373588B true CN117373588B (zh) | 2024-03-19 |
Family
ID=89395641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311298073.9A Active CN117373588B (zh) | 2023-10-09 | 2023-10-09 | 基于数字疗法的冠脉术后抗凝数据管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117373588B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101506831A (zh) * | 2005-08-19 | 2009-08-12 | 皇家飞利浦电子股份有限公司 | 医疗保健数据管理系统 |
| CN103942455A (zh) * | 2014-05-07 | 2014-07-23 | 东南大学 | 一种基于远程数据的手术排程优化设计方法 |
| CN107871533A (zh) * | 2017-11-17 | 2018-04-03 | 哈尔滨商业大学 | 一种智能化门诊调度控制系统 |
| CN108615551A (zh) * | 2018-04-21 | 2018-10-02 | 四川易通天下科技有限公司 | 基于区块链技术的服务管理终端 |
| CN110415804A (zh) * | 2019-08-08 | 2019-11-05 | 广州易策健康科技有限公司 | 一种自动生成诊疗计划时间指令的软件实现方法及其软件管理系统与工作站 |
| CN110570936A (zh) * | 2019-09-09 | 2019-12-13 | 夏志洁 | 一种分诊系统及方法 |
| CN110867245A (zh) * | 2019-10-31 | 2020-03-06 | 兰州市第二人民医院 | 一种急诊辅助诊断分级系统 |
| CN112669945A (zh) * | 2020-12-29 | 2021-04-16 | 四川乐恩乐达信息技术有限公司 | 一种智能分诊排序方法 |
| CN113066566A (zh) * | 2021-03-26 | 2021-07-02 | 嘉兴市第二医院 | 一种门诊患者智能化预约就诊方法 |
| CN113113127A (zh) * | 2021-04-13 | 2021-07-13 | 深圳市人民医院 | 基于5g和nb-iot的无线急诊预检分诊系统及方法 |
| CN115099444A (zh) * | 2022-06-30 | 2022-09-23 | 贵州精准健康数据有限公司 | 一种医院预约后台服务系统 |
| CN116092647A (zh) * | 2022-11-01 | 2023-05-09 | 陕西省人民医院 | 一种医院排队信息管理方法、系统及可存储介质 |
-
2023
- 2023-10-09 CN CN202311298073.9A patent/CN117373588B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101506831A (zh) * | 2005-08-19 | 2009-08-12 | 皇家飞利浦电子股份有限公司 | 医疗保健数据管理系统 |
| CN103942455A (zh) * | 2014-05-07 | 2014-07-23 | 东南大学 | 一种基于远程数据的手术排程优化设计方法 |
| CN107871533A (zh) * | 2017-11-17 | 2018-04-03 | 哈尔滨商业大学 | 一种智能化门诊调度控制系统 |
| CN108615551A (zh) * | 2018-04-21 | 2018-10-02 | 四川易通天下科技有限公司 | 基于区块链技术的服务管理终端 |
| CN110415804A (zh) * | 2019-08-08 | 2019-11-05 | 广州易策健康科技有限公司 | 一种自动生成诊疗计划时间指令的软件实现方法及其软件管理系统与工作站 |
| CN110570936A (zh) * | 2019-09-09 | 2019-12-13 | 夏志洁 | 一种分诊系统及方法 |
| CN110867245A (zh) * | 2019-10-31 | 2020-03-06 | 兰州市第二人民医院 | 一种急诊辅助诊断分级系统 |
| CN112669945A (zh) * | 2020-12-29 | 2021-04-16 | 四川乐恩乐达信息技术有限公司 | 一种智能分诊排序方法 |
| CN113066566A (zh) * | 2021-03-26 | 2021-07-02 | 嘉兴市第二医院 | 一种门诊患者智能化预约就诊方法 |
| CN113113127A (zh) * | 2021-04-13 | 2021-07-13 | 深圳市人民医院 | 基于5g和nb-iot的无线急诊预检分诊系统及方法 |
| CN115099444A (zh) * | 2022-06-30 | 2022-09-23 | 贵州精准健康数据有限公司 | 一种医院预约后台服务系统 |
| CN116092647A (zh) * | 2022-11-01 | 2023-05-09 | 陕西省人民医院 | 一种医院排队信息管理方法、系统及可存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117373588A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20190065663A1 (en) | Progression analytics system | |
| Zeng et al. | A simulation study to improve quality of care in the emergency department of a community hospital | |
| CN109192285B (zh) | 医疗资源分配方法、装置、系统、电子设备及存储介质 | |
| DE102012103089A1 (de) | System und maschinenlesbarer Datenträger zur Erstellung von Patientenprognosen | |
| US20080046469A1 (en) | System and method for continuous data analysis of an ongoing clinical trial | |
| DE102007058890A1 (de) | System und Verfahren zum Bereitstellen einer zentralen physiologischen Überwachung | |
| Perimal-Lewis et al. | Gaining insight from patient journey data using a process-oriented analysis approach | |
| KR101611838B1 (ko) | 환자안전 관련 고위험군 예측 방법 및 시스템 | |
| CN111695836B (zh) | 临床试验在线运行管控集成系统 | |
| CN112837799B (zh) | 基于区块链的远程互联网大数据智慧医疗系统 | |
| EP2657892A1 (en) | Clinical information system | |
| US11443853B2 (en) | Dynamic rolling seventy of illness score for a critically ill patient | |
| CN110675942A (zh) | 医学影像图像诊断分配方法、装置、终端及存储介质 | |
| CN113066562A (zh) | 基于5g的医疗图像传输方法及系统 | |
| CN111627536A (zh) | 一种用于医院的不良事件管理系统和管理方法 | |
| CN117373588B (zh) | 基于数字疗法的冠脉术后抗凝数据管理系统 | |
| US20210391063A1 (en) | System and method for dynamic workload balancing based on predictive analytics | |
| CN112529474B (zh) | 一种区域影像质量控制互认方法及系统 | |
| CN111755108B (zh) | 一种基于危急值对患者的救治管理方法 | |
| EP1936523A1 (de) | System zur Optimierung eines Betreuungs- und Überwachungsnetzwerk | |
| CN113744860A (zh) | 一种针对放射设备进行配置决策的评估方法 | |
| CN116062009A (zh) | 故障分析方法、装置、电子设备及存储介质 | |
| KR102571593B1 (ko) | 의료기관 간 의료데이터통합을 이용한 관심패턴 후보탐색방법과 장치 | |
| CN115019924A (zh) | 应用人工智能健康机器人的健康数据采集和分析方法 | |
| CN110993114B (zh) | 医疗数据分析方法及装置、存储装置、电子设备 |
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 |