CN117423424A - 基于数据分析的急诊电子病历信息分类管理系统 - Google Patents
基于数据分析的急诊电子病历信息分类管理系统 Download PDFInfo
- Publication number
- CN117423424A CN117423424A CN202311745328.1A CN202311745328A CN117423424A CN 117423424 A CN117423424 A CN 117423424A CN 202311745328 A CN202311745328 A CN 202311745328A CN 117423424 A CN117423424 A CN 117423424A
- Authority
- CN
- China
- Prior art keywords
- classification
- patient
- age
- value
- triage
- 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
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 22
- 238000012163 sequencing technique Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000010224 classification analysis Methods 0.000 claims abstract description 14
- 238000003745 diagnosis Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 99
- 238000000034 method Methods 0.000 claims description 38
- 230000036760 body temperature Effects 0.000 claims description 30
- 238000007726 management method Methods 0.000 claims description 30
- 230000000593 degrading effect Effects 0.000 claims description 29
- 230000015556 catabolic process Effects 0.000 claims description 21
- 238000006731 degradation reaction Methods 0.000 claims description 21
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 13
- 239000008280 blood Substances 0.000 claims description 13
- 210000004369 blood Anatomy 0.000 claims description 13
- 229910052760 oxygen Inorganic materials 0.000 claims description 13
- 239000001301 oxygen Substances 0.000 claims description 13
- 206010008479 Chest Pain Diseases 0.000 claims description 3
- 208000000059 Dyspnea Diseases 0.000 claims description 3
- 206010013975 Dyspnoeas Diseases 0.000 claims description 3
- 206010038669 Respiratory arrest Diseases 0.000 claims description 3
- 206010038687 Respiratory distress Diseases 0.000 claims description 3
- 230000000740 bleeding effect Effects 0.000 claims description 3
- 206010008118 cerebral infarction Diseases 0.000 claims description 3
- 208000026106 cerebrovascular disease Diseases 0.000 claims description 3
- 208000010125 myocardial infarction Diseases 0.000 claims description 3
- 230000035939 shock Effects 0.000 claims description 3
- 208000013220 shortness of breath Diseases 0.000 claims description 3
- 206010042772 syncope Diseases 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 201000010099 disease Diseases 0.000 abstract description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000012260 Accidental injury Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于急诊信息管理领域,涉及数据分析技术,用于解决现有的急诊分诊不具备根据电子病历自动对患者进行预分类分析的功能的问题,具体是基于数据分析的急诊电子病历信息分类管理系统,包括分类管理平台,分类管理平台通信连接有预分类模块、换挡分析模块、分诊排序模块以及存储模块;换挡分析模块用于对预分类结果与分诊结果进行比对分析:在患者进行分诊之后获取患者的分诊等级;本发明可以根据电子病历对患者进行急诊预分类分析,通过电子病历中的文字信息与体征参数对患者的预分类等级进行标记,通过预分类等级对患者疾病的救治急迫性进行反馈,从而可以通过预分类等级对患者的分诊顺序进行调整。
Description
技术领域
本发明属于急诊信息管理领域,涉及数据分析技术,具体是基于数据分析的急诊电子病历信息分类管理系统。
背景技术
急诊指医院的急诊科,意思是紧急情况下的治疗,分为紧急救治和抢救,它的存在保证了我们在突发疾病、意外伤害时,能在最快时间内得到专业、科学的救治。
通常急诊患者需要通过分诊来评估病人病情危急程度,决定病患就诊的优先秩序,使急诊患者可在最短时间内获得正确且迅速的医疗照顾和护理,因而达到降低病患死亡率、提高急诊效率的目的;但是现有的急诊分诊不具备根据电子病历自动对患者进行预分类分析的功能,导致分诊的顺序只能够按照挂号顺序进行,无法根据“急症先分”、“缓征后分”的原则对分诊顺序进行优化,将病患死亡率降至最低。
针对上述技术问题,本申请提出一种解决方案。
发明内容
本发明的目的在于提供基于数据分析的急诊电子病历信息分类管理系统,用于解决现有的急诊分诊不具备根据电子病历自动对患者进行预分类分析的功能的问题;
本发明需要解决的技术问题为:如何提供一种可以对分诊顺序进行优化的基于数据分析的急诊电子病历信息分类管理系统。
本发明的目的可以通过以下技术方案实现:
基于数据分析的急诊电子病历信息分类管理系统,包括分类管理平台,所述分类管理平台通信连接有预分类模块、换挡分析模块、分诊排序模块以及存储模块;
所述预分类模块用于根据电子病历对患者进行急诊预分类分析并将患者的预分类等级标记为1、2、3、4或5;
所述换挡分析模块用于对预分类结果与分诊结果进行比对分析:在患者进行分诊之后获取患者的分诊等级,将患者的分诊等级与预分类等级进行比对并通过比对结果将患者标记为符合对象、升级对象或降级对象;通过存储模块调取所有患者的电子病历,获取预分类等级的升级特征与降级特征;将预分类等级的升级特征与降级特征通过分类管理平台发送至分诊排序模块;
所述分诊排序模块用于对患者的分诊顺序进行排序分析:通过预分类模块将患者的预分类等级标记为i,i=1,2,3,4,5,将患者的年龄、预检系数与预分类等级的升级特征、降级特征进行比对:若患者的年龄、预检系数符合预分类等级的升级特征,则将患者的预分类等级修正为i+;若患者的年龄、预检系数符合预分类等级的降级特征,则将患者的预分类等级修正为i-;将所有患者的分诊顺序按照预分类等级进行排序,排序顺序为1,2+,1-,2,3+,2-,3,4+,3-,4,5+,4-,5-。
作为本发明的一种优选实施方式,根据电子病历对患者进行急诊预分类分析的具体过程包括:对电子病历的文字信息进行提取并标记为患者的文字数据,对文字数据中的一级关键词与二级关键词进行提取,若文字数据中包含有一级关键词,则将患者的预分类等级标记为1,若文字数据中仅包含有二级关键词,则将患者的预分类等级标记为2;一级关键词包括呼吸骤停、昏厥、休克、心肌梗死以及脑梗;二级关键词包括胸痛、气促、呼吸窘迫以及活动性出血;若文字数据中不包含任何一级关键词与二级关键词,则提取电子病历中的体征数据,体征数据包括血氧数据XY、体温数据TW以及心率数据XL;通过对血氧数据XY、体温数据TW以及心率数据XL进行数值计算得到患者的预检系数YJ;通过存储模块获取到预检阈值YJmin、YJmax,将患者的预检系数YJ与预检阈值YJmin、YJmax进行比较:若YJ≤YJmin,则将患者的预分类等级标记为5;若YJmin<YJ<Yjmax,则将患者的预分类等级标记为4;若YJ≥YJmax,则将患者的预分类等级标记为3;将患者的预分类等级录入电子病历当中。
作为本发明的一种优选实施方式,血氧数据XY为电子病历中的血氧饱和度,体温数据TW的获取过程包括:获取电子病历中的体温值与体温范围,将体温范围的最大值与最小值的平均值标记为体温标准值,将体温值与体温标准值差值的绝对值标记为体温数据TW;心率数据XL的获取过程包括:获取电子病历中的心率值以及心率范围,将心率范围的最大值与最小值的平均值标记为心率标准值,将心率值与心率标准值差值的绝对值标记为心率数据XL。
作为本发明的一种优选实施方式,将患者的分诊等级与预分类等级进行比对的具体过程包括:若分诊等级与预分类等级相同,则将对应的患者标记为符合对象;若分类等级与预分类等级不相同,则将分诊等级高于预分类等级的患者标记为升级对象,将分诊等级低于预分类等级的患者标记为降级对象。
作为本发明的一种优选实施方式,预分类等级的升级特征的获取过程包括:由同一预分类等级的所有升级对象的预检系数最大值与预检系数最小值构成预检范围,将预检范围分割为L1预检区间,L1为数值常量,每个预检区间的最大边界值与最小边界值的差值均相等,获取预检区间内升级对象的数量并标记为预检区间的预检表现值,将预检表现值数值最大的预检区间标记为预检特征;由同一预分类等级的所有升级对象的年龄最大值与年龄最小值构成年龄范围,将年龄范围分割为L1个年龄区间,每个年龄区间的最大边界值与最小边界值的差值均相等,将年龄区间内升级对象的数量标记为年龄区间的年龄表现值,将年龄表现值数值最大的年龄区间标记为年龄特征;由预检特征与年龄特征构成预分类等级的升级特征;
预分类等级的降级特征的获取过程包括:由同一预分类等级的所有降级对象的预检系数最大值与预检系数最小值构成预检范围,将预检范围分割为L1预检区间,每个预检区间的最大边界值与最小边界值的差值均相等,获取预检区间内降级对象的数量并标记为预检区间的预检表现值,将预检表现值数值最大的预检区间标记为预检特征;由同一预分类等级的所有降级对象的年龄最大值与年龄最小值构成年龄范围,将年龄范围分割为若干个年龄区间,将年龄区间内降级对象的数量标记为年龄区间的年龄表现值,将年龄表现值数值最大的年龄区间标记为年龄特征;由预检特征与年龄特征构成预分类等级的降级特征。
作为本发明的一种优选实施方式,该基于数据分析的急诊电子病历信息分类管理系统的工作方法,包括以下步骤:
步骤一:根据电子病历对患者进行急诊预分类分析并对患者的预分类等级进行标记;
步骤二:对预分类结果与分诊结果进行比对分析:在患者进行分诊之后获取患者的分诊等级,将患者的分诊等级与预分类等级进行比对并通过比较结果将患者标记为符合对象、升级对象或降级对象;
步骤三:获取预分类等级的升级特征与降级特征并通过分类管理平台发送至分诊排序模块;
步骤四:对患者的分诊顺序进行排序分析:将患者的年龄、预检系数与预分类等级的升级特征、降级特征进行比对并通过比对结果对患者的预分类等级进行修正;将所有患者的分诊顺序按照预分类等级进行排序。
本发明具备下述有益效果:
1、通过预分类模块可以根据电子病历对患者进行急诊预分类分析,通过电子病历中的文字信息与体征参数对患者的预分类等级进行标记,通过预分类等级对患者疾病的救治急迫性进行反馈,从而可以通过预分类等级对患者的分诊顺序进行调整。
2、通过换挡分析模块可以对预分类结果与分诊结果进行比对分析,在预分类结果与分诊结果不匹配时对患者进行标记,然后对每一个预分类等级的升级特征和降级特征进行获取,通过升级特征与降级特征对患者的预分类等级调整提供数据支撑。
3、通过分诊排序模块可以对患者的分诊顺序进行排序分析,对符合升级特征或降级特征的患者的预分类等级进行修正,将数据分析结果与专业医师评估结果进行结合来提高预分类分析的结果精确性,然后通过修正后的预分类等级对患者分诊顺序进行优化,使急诊资源利用最大化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一的系统框图;
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
如图1所示,基于数据分析的急诊电子病历信息分类管理系统,包括分类管理平台,分类管理平台通信连接有预分类模块、换挡分析模块、分诊排序模块以及存储模块。
预分类模块用于根据电子病历对患者进行急诊预分类分析:对电子病历的文字信息进行提取并标记为患者的文字数据,对文字数据中的一级关键词与二级关键词进行提取,若文字数据中包含有一级关键词,则将患者的预分类等级标记为1,若文字数据中仅包含有二级关键词,则将患者的预分类等级标记为2;一级关键词包括呼吸骤停、昏厥、休克、心肌梗死以及脑梗;二级关键词包括胸痛、气促、呼吸窘迫以及活动性出血;若文字数据中不包含任何一级关键词与二级关键词,则提取电子病历中的体征数据,体征数据包括血氧数据XY、体温数据TW以及心率数据XL,血氧数据XY为电子病历中的血氧饱和度,体温数据TW的获取过程包括:获取电子病历中的体温值与体温范围,将体温范围的最大值与最小值的平均值标记为体温标准值,将体温值与体温标准值差值的绝对值标记为体温数据TW;心率数据XL的获取过程包括:获取电子病历中的心率值以及心率范围,将心率范围的最大值与最小值的平均值标记为心率标准值,将心率值与心率标准值差值的绝对值标记为心率数据XL;通过公式YJ=α1*(XY*100-80)+α2*TW+α3*XL得到患者的预检系数YJ,其中α1、α2以及α3均为比例系数,且α1>α2>α3>1,预检系数YJ的计算公式中,血氧数据XY、体温数据TW以及心率数据XL均是去单位的无纲量数值;通过存储模块获取到预检阈值YJmin、YJmax,将患者的预检系数YJ与预检阈值YJmin、YJmax进行比较:若YJ≤YJmin,则将患者的预分类等级标记为5;若YJmin<YJ<Yjmax,则将患者的预分类等级标记为4;若YJ≥YJmax,则将患者的预分类等级标记为3;将患者的预分类等级录入电子病历当中;根据电子病历对患者进行急诊预分类分析,通过电子病历中的文字信息与体征参数对患者的预分类等级进行标记,通过预分类等级对患者疾病的救治急迫性进行反馈,从而可以通过预分类等级对患者的分诊顺序进行调整。
换挡分析模块用于对预分类结果与分诊结果进行比对分析:在患者进行分诊之后获取患者的分诊等级,将患者的分诊等级与预分类等级进行比对:若分诊等级与预分类等级相同,则将对应的患者标记为符合对象;若分类等级与预分类等级不相同,则将分诊等级高于预分类等级的患者标记为升级对象,将分诊等级低于预分类等级的患者标记为降级对象;通过存储模块调取所有患者的电子病历,获取预分类等级的升级特征:由同一预分类等级的所有升级对象的预检系数最大值与预检系数最小值构成预检范围,将预检范围分割为L1预检区间,L1为数值常量,L1的具体数值由管理人员进行设置;每个预检区间的最大边界值与最小边界值的差值均相等,获取预检区间内升级对象的数量并标记为预检区间的预检表现值,将预检表现值数值最大的预检区间标记为预检特征;由同一预分类等级的所有升级对象的年龄最大值与年龄最小值构成年龄范围,将年龄范围分割为L1个年龄区间,每个年龄区间的最大边界值与最小边界值的差值均相等,将年龄区间内升级对象的数量标记为年龄区间的年龄表现值,将年龄表现值数值最大的年龄区间标记为年龄特征;由预检特征与年龄特征构成预分类等级的升级特征;
获取预分类等级的降级特征:由同一预分类等级的所有降级对象的预检系数最大值与预检系数最小值构成预检范围,将预检范围分割为L1预检区间,每个预检区间的最大边界值与最小边界值的差值均相等,获取预检区间内降级对象的数量并标记为预检区间的预检表现值,将预检表现值数值最大的预检区间标记为预检特征;由同一预分类等级的所有降级对象的年龄最大值与年龄最小值构成年龄范围,将年龄范围分割为若干个年龄区间,将年龄区间内降级对象的数量标记为年龄区间的年龄表现值,将年龄表现值数值最大的年龄区间标记为年龄特征;由预检特征与年龄特征构成预分类等级的降级特征;将预分类等级的升级特征与降级特征通过分类管理平台发送至分诊排序模块;对预分类结果与分诊结果进行比对分析,在预分类结果与分诊结果不匹配时对患者进行标记,然后对每一个预分类等级的升级特征和降级特征进行获取,通过升级特征与降级特征对患者的预分类等级调整提供数据支撑。
分诊排序模块用于对患者的分诊顺序进行排序分析:通过预分类模块将患者的预分类等级标记为i,i=1,2,3,4,5,将患者的年龄、预检系数与预分类等级的升级特征、降级特征进行比对:若患者的年龄、预检系数符合预分类等级的升级特征,则将患者的预分类等级修正为i+;若患者的年龄、预检系数符合预分类等级的降级特征,则将患者的预分类等级修正为i-;将所有患者的分诊顺序按照预分类等级进行排序,排序顺序为1,2+,1-,2,3+,2-,3,4+,3-,4,5+,4-,5-;其中预分类等级为5-表示患者的预分类分析结果不符合急诊条件;对患者的分诊顺序进行排序分析,对符合升级特征或降级特征的患者的预分类等级进行修正,将数据分析结果与专业医师评估结果进行结合来提高预分类分析的结果精确性,然后通过修正后的预分类等级对患者分诊顺序进行优化,使急诊资源利用最大化。
实施例二
如图2所示,基于数据分析的急诊电子病历信息分类管理方法,包括以下步骤:
步骤一:根据电子病历对患者进行急诊预分类分析并对患者的预分类等级进行标记;
步骤二:对预分类结果与分诊结果进行比对分析:在患者进行分诊之后获取患者的分诊等级,将患者的分诊等级与预分类等级进行比对并通过比较结果将患者标记为符合对象、升级对象或降级对象;
步骤三:获取预分类等级的升级特征与降级特征并通过分类管理平台发送至分诊排序模块;
步骤四:对患者的分诊顺序进行排序分析:将患者的年龄、预检系数与预分类等级的升级特征、降级特征进行比对并通过比对结果对患者的预分类等级进行修正;将所有患者的分诊顺序按照预分类等级进行排序。
基于数据分析的急诊电子病历信息分类管理系统,工作时,根据电子病历对患者进行急诊预分类分析并对患者的预分类等级进行标记;对预分类结果与分诊结果进行比对分析:在患者进行分诊之后获取患者的分诊等级,将患者的分诊等级与预分类等级进行比对并通过比较结果将患者标记为符合对象、升级对象或降级对象;获取预分类等级的升级特征与降级特征并通过分类管理平台发送至分诊排序模块;对患者的分诊顺序进行排序分析:将患者的年龄、预检系数与预分类等级的升级特征、降级特征进行比对并通过比对结果对患者的预分类等级进行修正;将所有患者的分诊顺序按照预分类等级进行排序。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;如:公式YJ=α1*(XY*100-80)+α2*TW+α3*XL;由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的预检系数;将设定的预检系数和采集的样本数据代入公式,任意三个公式构成三元一次方程组,将计算得到的系数进行筛选并取均值,得到α1、α2以及α3的取值分别为3.62、2.84和2.13;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预检系数;只要不影响参数与量化后数值的比例关系即可,如预检系数与血氧数据的数值成正比。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.基于数据分析的急诊电子病历信息分类管理系统,其特征在于,包括分类管理平台,所述分类管理平台通信连接有预分类模块、换挡分析模块、分诊排序模块以及存储模块;
所述预分类模块用于根据电子病历对患者进行急诊预分类分析并将患者的预分类等级标记为1、2、3、4或5;
所述换挡分析模块用于对预分类结果与分诊结果进行比对分析:在患者进行分诊之后获取患者的分诊等级,将患者的分诊等级与预分类等级进行比对并通过比对结果将患者标记为符合对象、升级对象或降级对象;通过存储模块调取所有患者的电子病历,获取预分类等级的升级特征与降级特征;将预分类等级的升级特征与降级特征通过分类管理平台发送至分诊排序模块;
所述分诊排序模块用于对患者的分诊顺序进行排序分析:通过预分类模块将患者的预分类等级标记为i,i=1,2,3,4,5,将患者的年龄、预检系数与预分类等级的升级特征、降级特征进行比对:若患者的年龄、预检系数符合预分类等级的升级特征,则将患者的预分类等级修正为i+;若患者的年龄、预检系数符合预分类等级的降级特征,则将患者的预分类等级修正为i-;将所有患者的分诊顺序按照预分类等级进行排序,排序顺序为1,2+,1-,2,3+,2-,3,4+,3-,4,5+,4-,5-。
2.根据权利要求1所述的基于数据分析的急诊电子病历信息分类管理系统,其特征在于,根据电子病历对患者进行急诊预分类分析的具体过程包括:对电子病历的文字信息进行提取并标记为患者的文字数据,对文字数据中的一级关键词与二级关键词进行提取,若文字数据中包含有一级关键词,则将患者的预分类等级标记为1,若文字数据中仅包含有二级关键词,则将患者的预分类等级标记为2;一级关键词包括呼吸骤停、昏厥、休克、心肌梗死以及脑梗;二级关键词包括胸痛、气促、呼吸窘迫以及活动性出血;若文字数据中不包含任何一级关键词与二级关键词,则提取电子病历中的体征数据,体征数据包括血氧数据XY、体温数据TW以及心率数据XL;通过对血氧数据XY、体温数据TW以及心率数据XL进行数值计算得到患者的预检系数YJ;通过存储模块获取到预检阈值YJmin、YJmax,将患者的预检系数YJ与预检阈值YJmin、YJmax进行比较:若YJ≤YJmin,则将患者的预分类等级标记为5;若YJmin<YJ<Yjmax,则将患者的预分类等级标记为4;若YJ≥YJmax,则将患者的预分类等级标记为3;将患者的预分类等级录入电子病历当中。
3.根据权利要求2所述的基于数据分析的急诊电子病历信息分类管理系统,其特征在于,血氧数据XY为电子病历中的血氧饱和度,体温数据TW的获取过程包括:获取电子病历中的体温值与体温范围,将体温范围的最大值与最小值的平均值标记为体温标准值,将体温值与体温标准值差值的绝对值标记为体温数据TW;心率数据XL的获取过程包括:获取电子病历中的心率值以及心率范围,将心率范围的最大值与最小值的平均值标记为心率标准值,将心率值与心率标准值差值的绝对值标记为心率数据XL。
4.根据权利要求3所述的基于数据分析的急诊电子病历信息分类管理系统,其特征在于,将患者的分诊等级与预分类等级进行比对的具体过程包括:若分诊等级与预分类等级相同,则将对应的患者标记为符合对象;若分类等级与预分类等级不相同,则将分诊等级高于预分类等级的患者标记为升级对象,将分诊等级低于预分类等级的患者标记为降级对象。
5.根据权利要求4所述的基于数据分析的急诊电子病历信息分类管理系统,其特征在于,预分类等级的升级特征的获取过程包括:由同一预分类等级的所有升级对象的预检系数最大值与预检系数最小值构成预检范围,将预检范围分割为L1预检区间,L1为数值常量,每个预检区间的最大边界值与最小边界值的差值均相等,获取预检区间内升级对象的数量并标记为预检区间的预检表现值,将预检表现值数值最大的预检区间标记为预检特征;由同一预分类等级的所有升级对象的年龄最大值与年龄最小值构成年龄范围,将年龄范围分割为L1个年龄区间,每个年龄区间的最大边界值与最小边界值的差值均相等,将年龄区间内升级对象的数量标记为年龄区间的年龄表现值,将年龄表现值数值最大的年龄区间标记为年龄特征;由预检特征与年龄特征构成预分类等级的升级特征;
预分类等级的降级特征的获取过程包括:由同一预分类等级的所有降级对象的预检系数最大值与预检系数最小值构成预检范围,将预检范围分割为L1预检区间,每个预检区间的最大边界值与最小边界值的差值均相等,获取预检区间内降级对象的数量并标记为预检区间的预检表现值,将预检表现值数值最大的预检区间标记为预检特征;由同一预分类等级的所有降级对象的年龄最大值与年龄最小值构成年龄范围,将年龄范围分割为若干个年龄区间,将年龄区间内降级对象的数量标记为年龄区间的年龄表现值,将年龄表现值数值最大的年龄区间标记为年龄特征;由预检特征与年龄特征构成预分类等级的降级特征。
6.根据权利要求1-5任一项所述的基于数据分析的急诊电子病历信息分类管理系统,其特征在于,该基于数据分析的急诊电子病历信息分类管理系统的工作方法,包括以下步骤:
步骤一:根据电子病历对患者进行急诊预分类分析并对患者的预分类等级进行标记;
步骤二:对预分类结果与分诊结果进行比对分析:在患者进行分诊之后获取患者的分诊等级,将患者的分诊等级与预分类等级进行比对并通过比较结果将患者标记为符合对象、升级对象或降级对象;
步骤三:获取预分类等级的升级特征与降级特征并通过分类管理平台发送至分诊排序模块;
步骤四:对患者的分诊顺序进行排序分析:将患者的年龄、预检系数与预分类等级的升级特征、降级特征进行比对并通过比对结果对患者的预分类等级进行修正;将所有患者的分诊顺序按照预分类等级进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311745328.1A CN117423424B (zh) | 2023-12-19 | 2023-12-19 | 基于数据分析的急诊电子病历信息分类管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311745328.1A CN117423424B (zh) | 2023-12-19 | 2023-12-19 | 基于数据分析的急诊电子病历信息分类管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117423424A true CN117423424A (zh) | 2024-01-19 |
CN117423424B CN117423424B (zh) | 2024-02-23 |
Family
ID=89525186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311745328.1A Active CN117423424B (zh) | 2023-12-19 | 2023-12-19 | 基于数据分析的急诊电子病历信息分类管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117423424B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169298A (zh) * | 2017-05-26 | 2017-09-15 | 深圳市第二人民医院 | 一种智能急诊分级分诊系统 |
CN110097955A (zh) * | 2019-03-07 | 2019-08-06 | 南通奕霖智慧医学科技有限公司 | 一种基于支持向量机分类器的儿科智能急诊预检分诊系统 |
CN110634558A (zh) * | 2019-09-25 | 2019-12-31 | 四川省妇幼保健院 | 一种信息化五级儿科急诊分诊方法 |
CN110675945A (zh) * | 2019-09-25 | 2020-01-10 | 四川省妇幼保健院 | 一种急诊儿科五级分级分诊系统及方法 |
CN110840425A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种急诊患者诊中健康监护系统及方法 |
CN211403509U (zh) * | 2019-12-19 | 2020-09-01 | 广州喜仕达信息科技有限公司 | 一种具有分诊功能的自助报到机 |
CN114078592A (zh) * | 2021-11-23 | 2022-02-22 | 韩雪峰 | 一种急诊分诊智慧医疗系统 |
CN114171176A (zh) * | 2021-12-15 | 2022-03-11 | 华中科技大学同济医学院附属协和医院 | 一种基于互联网的医院分诊数据处理方法及系统 |
CN114699056A (zh) * | 2022-04-02 | 2022-07-05 | 西安交通大学 | 一种基于智能监测终端的术后康复自动反馈系统 |
CN114724664A (zh) * | 2022-04-11 | 2022-07-08 | 遂宁市中心医院 | 一种急诊分诊模型及系统 |
CN114795146A (zh) * | 2022-04-12 | 2022-07-29 | 深圳市儿童医院 | 一种儿科急诊分诊人工智能检测系统 |
CN116895372A (zh) * | 2023-09-11 | 2023-10-17 | 之江实验室 | 一种基于大规模语言模型与元学习的智能急救分级系统 |
-
2023
- 2023-12-19 CN CN202311745328.1A patent/CN117423424B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169298A (zh) * | 2017-05-26 | 2017-09-15 | 深圳市第二人民医院 | 一种智能急诊分级分诊系统 |
CN110097955A (zh) * | 2019-03-07 | 2019-08-06 | 南通奕霖智慧医学科技有限公司 | 一种基于支持向量机分类器的儿科智能急诊预检分诊系统 |
CN110634558A (zh) * | 2019-09-25 | 2019-12-31 | 四川省妇幼保健院 | 一种信息化五级儿科急诊分诊方法 |
CN110675945A (zh) * | 2019-09-25 | 2020-01-10 | 四川省妇幼保健院 | 一种急诊儿科五级分级分诊系统及方法 |
CN110840425A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种急诊患者诊中健康监护系统及方法 |
CN211403509U (zh) * | 2019-12-19 | 2020-09-01 | 广州喜仕达信息科技有限公司 | 一种具有分诊功能的自助报到机 |
CN114078592A (zh) * | 2021-11-23 | 2022-02-22 | 韩雪峰 | 一种急诊分诊智慧医疗系统 |
CN114171176A (zh) * | 2021-12-15 | 2022-03-11 | 华中科技大学同济医学院附属协和医院 | 一种基于互联网的医院分诊数据处理方法及系统 |
CN114699056A (zh) * | 2022-04-02 | 2022-07-05 | 西安交通大学 | 一种基于智能监测终端的术后康复自动反馈系统 |
CN114724664A (zh) * | 2022-04-11 | 2022-07-08 | 遂宁市中心医院 | 一种急诊分诊模型及系统 |
CN114795146A (zh) * | 2022-04-12 | 2022-07-29 | 深圳市儿童医院 | 一种儿科急诊分诊人工智能检测系统 |
CN116895372A (zh) * | 2023-09-11 | 2023-10-17 | 之江实验室 | 一种基于大规模语言模型与元学习的智能急救分级系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117423424B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107680676B (zh) | 一种基于电子病历数据驱动的妊娠期糖尿病预测方法 | |
US5277188A (en) | Clinical information reporting system | |
Bono et al. | Development of an automated updated selvester QRS scoring system using SWT-based QRS fractionation detection and classification | |
CN110097955B (zh) | 一种基于支持向量机分类器的儿科智能急诊预检分诊系统 | |
CN115862819B (zh) | 一种基于图像处理的医学图像管理方法 | |
CN107145715B (zh) | 一种基于推举算法的临床医学智能判别装置 | |
CN111557659B (zh) | 基于多特征融合与Stacking-DWKNN算法的心律失常分类方法 | |
CN111524570B (zh) | 一种基于机器学习的超声随访患者筛选方法 | |
CN117727468B (zh) | 一种基于云边协同的健康筛查智能分诊系统 | |
CN115062655A (zh) | 一种多导联心电信号分析方法及多导联心肌梗死分析系统 | |
CN117423424B (zh) | 基于数据分析的急诊电子病历信息分类管理系统 | |
CN117497149A (zh) | 一种基于人工智能的医院管理方法及系统 | |
CN116564458A (zh) | 一种基于电子病历的数据处理方法、系统、设备及介质 | |
CN112002413A (zh) | 一种心血管系统感染智能认知系统、设备及存储介质 | |
CN111613321A (zh) | 一种基于密集卷积神经网络的心电图卒中辅助诊断方法 | |
CN114372143A (zh) | 用于电子病历的分级预测方法、系统以及计算机设备 | |
CN115153437A (zh) | 一种疼痛程度识别方法及系统 | |
CN111968747A (zh) | Vte智能防治管理系统 | |
CN111145856A (zh) | 医疗信息远程共享设备 | |
CN112568911A (zh) | 心电数据的分类方法、设备及具有存储功能的装置 | |
CN112545535B (zh) | 一种基于振幅整合脑电图的睡眠觉醒周期的分析方法 | |
CN110664373B (zh) | 一种基于零样本学习的舌苔体质识别方法 | |
Boya-Lara et al. | Heartbeat Classification Using Energy Percentage Distribution with Wavelet Transform and PCA | |
Diliberti | Use of computers in dysmorphology. | |
Sayari et al. | A model presented for classification ECG signals base on Case-Based Reasoning |
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 |