CN117453752B - 基于检索配置表数据模型的医院临床数据检索方法及装置 - Google Patents
基于检索配置表数据模型的医院临床数据检索方法及装置 Download PDFInfo
- Publication number
- CN117453752B CN117453752B CN202311795331.4A CN202311795331A CN117453752B CN 117453752 B CN117453752 B CN 117453752B CN 202311795331 A CN202311795331 A CN 202311795331A CN 117453752 B CN117453752 B CN 117453752B
- Authority
- CN
- China
- Prior art keywords
- variable
- clinical
- configuration table
- data model
- retrieval
- 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
- 238000013499 data model Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013507 mapping Methods 0.000 claims abstract description 25
- 229940079593 drug Drugs 0.000 claims description 20
- 239000003814 drug Substances 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 230000001419 dependent effect Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004820 blood count Methods 0.000 description 4
- 210000000265 leukocyte Anatomy 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 206010020772 Hypertension Diseases 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 239000013566 allergen Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013123 lung function test Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
- G06F16/24566—Recursive queries
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及基于检索配置表数据模型的医院临床数据检索方法及装置；该方法包括：根据数据检索的需求，确定需要检索的临床数据关键字段；根据确定的临床数据关键字段，配置对应的检索配置表数据模型；根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索和/或事件时间级搜索，得到具有层级关系和/或事件时间级的搜索结果。本发明通过临床数据关键字段配置对应的检索配置表数据模型，将医院临床数据中常见的数据项目内容以及数据属性注释囊括其中，能够实现对不同来源的临床数据进行即插即用式的变量配置，以便实现变量的层级显示和事件时间级搜索。
Description
技术领域
本发明涉及医院临床数据检索技术领域，尤其涉及基于检索配置表数据模型的医院临床数据检索方法及装置。
背景技术
医院临床数据包括常用信息系统数据、专科领域的专用仪器设备输出的数据以及临床工作人员在院内或者院外人工收集的数据等，其中，常用信息系统数据包括HIS、LIS、电子病历等数据，科领域的专用仪器设备输出的数据包括肺功能测试数据、过敏原测试数据、心脏导管手术输出数据等数据，临床工作人员在院内或者院外人工收集的数据包括随访、EDC或人工统计的电子表格数据等数据。
目前，医院临床数据的检索方法主要采用简单的检索式，如与、或、非运算等，但是基于医疗的特殊性，通常需要基于临床数据时间顺序对临床数据进行检索和导出。然而，由于临床数据具有数据格式复杂、临床数据来源多样、未知设备数据层出不穷等特点，如何快速准确地集成临床数据且实现临床数据时间级检索和导出成为了一个挑战。
鉴于此，本发明提出了基于检索配置表数据模型的医院临床数据检索方法及装置，该方法基于临床数据关键字段配置对应的检索配置表数据模型，该检索配置表数据模型囊括了临床数据中常见的数据项目内容和数据属性注释，能够实现对不同来源的临床数据进行即插即用式的变量配置，从而实现变量的层级显示和事件时间级搜索。
发明内容
本发明的实施例提供了一种基于检索配置表数据模型对医院临床数据进行检索的方法和装置，以提高医院临床数据的集成和检索效率。
根据本发明的第一方面，提供了基于检索配置表数据模型的医院临床数据检索方法，该检索方法包括：
根据数据检索的需求，确定需要检索的临床数据关键字段；
根据确定的临床数据关键字段，配置对应的检索配置表数据模型，并对外提供检索配置表数据模型；
根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索和/或事件时间级搜索，得到具有层级关系和/或事件时间级的搜索结果。
在一些实施例的一些可选的实现方式中，所述配置表数据模型包括临床数据关键字段的项目内容、与项目内容相对应的数据类型以及根据项目内容和数据类型编译所述临床数据关键字段中的显示功能和检索功能。
在一些实施例的一些可选的实现方式中，所述项目内容包括节点ID、父节点ID、变量的显示名称、OMOP通用数据模型类型、变量科研属性、变量检索属性、变量类型、变量的英文名称、限制因素、变量来源表、按照列存储时相应变量存储的列名、变量所在节点的数值类型、变量单位、患者ID、患者就诊ID、变量在变量来源表中的主键列、事件时间、OMOP通用数据模型中的域ID、变量在变量来源表中是否以行的方式存储、按照行存储时显示当前列存储对应值的列名、按照行存储时显示当前列存储对应值的单位列名、主要属性或次要属性、异常原因和变量的显示名称是否需要去除重复。
在一些实施例的一些可选的实现方式中，所述数据类型包括整数型和字符型。
在一些实施例的一些可选的实现方式中，所述根据确定的临床数据关键字段，配置对应的检索配置表数据模型，并对外提供检索配置表数据模型，包括：在数据库表中创建基于列的临床数据关键字段的项目内容，并设置与项目内容相对应的数据类型和数据属性注释，生成对应的检索配置表数据模型，在检索配置表数据模型中实现项目内容中定义的检索变量和功能。
在一些实施例的一些可选的实现方式中，所述根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索，得到具有层级关系的搜索结果，包括：
根据检索配置表数据模型中的节点ID和父节点ID与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索，得到具有层级关系的搜索结果。
在一些实施例的一些可选的实现方式中，所述根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行事件时间级搜索，得到事件时间级的搜索结果，包括：
根据检索配置表数据模型中的按照列存储时相应变量存储的列名和事件时间与医院临床数据库的字段映射关系，在医院临床数据库中进行事件时间级搜索，得到事件时间级搜索结果。
根据本发明的第二方面，提供了医院临床数据的检索装置，该检索装置包括：需求采集模块、检索配置表数据模型配置模块和事件搜索模块；
需求采集模块，用于根据数据检索的需求，确定需要检索的临床数据关键字段；
检索配置表数据模型配置模块，用于根据确定的临床数据关键字段，配置对应的检索配置表数据模型，并对外提供检索配置表数据模型；
事件搜索模块，用于根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索和/或事件时间级搜索，得到具有层级关系和/或事件时间级的搜索结果。
根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述方法的步骤。
根据本发明的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述方法的步骤。
本发明的优点及有益效果在于：
本发明提供的基于检索配置表数据模型的医院临床数据检索方法及装置，该检索方法通过临床数据关键字段配置对应的检索配置表数据模型，将医院临床数据中常见的数据项目内容以及数据属性注释囊括其中，能够实现对不同来源的临床数据进行即插即用式的变量配置，以便实现变量的层级显示和事件时间级搜索，能够解决以往在医院对接不同来源临床数据时，需要花费大量的人工进行数据处理和转换的问题，不仅降低了医院不同来源临床数据的对接难度，还提高了医院不同来源临床数据的可利用性，为医院临床大数据的整合和利用奠定了良好的基础。
附图说明
图1为基于检索配置表数据模型的医院临床数据检索方法的流程图；
图2为基于检索配置表数据模型的医院临床数据检索装置的结构示意图；
图3为电子设备的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制；相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
第一方面本申请提出了基于检索配置表数据模型的医院临床数据检索方法，如图1所示：包括以下步骤：
S1、根据数据检索的需求，确定需要检索的临床数据关键字段。
确定需求：首先需要用户需要检索的具体需求，明确需要实现的检索变量和操作，数据检索的需求可以理解为检索具体数据类型的意图。例如：检变量是用药信息、用药名称、用药剂量等等。
S2、根据确定的临床数据关键字段，配置对应的检索配置表数据模型，并对外提供检索配置表数据模型。
在本实施例中，在前期进行医院临床数据分析过程中，发现大多数临床数据来源于医院临床数据库中的某一张或几张表中的特定字段，通过关联字段，确定某个患者某个诊次或某个时间的特定数据；并且，也需要在某些特定字段设置具体的过滤操作来确定具体的临床数据。基于以上的特点分析，本发明通过临床数据关键字段配置对应的检索配置表数据模型，能够根据检索需求对特定的变量进行存储，以达到对数据快速定位和提取的目的。
在本实施例中，配置表数据模型包括临床数据关键字段的项目内容、与项目内容相对应的数据类型以及根据项目内容和数据类型编译所述临床数据关键字段中的显示功能和检索功能。
在本实施例中，根据确定的临床数据关键字段，配置对应的检索配置表数据模型，并对外提供检索配置表数据模型，具体包括：在数据库表中创建基于列的临床数据关键字段的项目内容，并设置与项目内容相对应的数据类型和数据属性注释，生成对应的检索配置表数据模型，在检索配置表数据模型中实现项目内容中定义的检索变量和功能。
在本实施例中，项目内容包括节点ID、父节点ID、变量的显示名称、OMOP通用数据模型类型、变量科研属性、变量检索属性、变量类型、变量的英文名称、限制因素、变量来源表、按照列存储时相应变量存储的列名、变量所在节点的数值类型、变量单位、患者ID、患者就诊ID、变量在变量来源表中的主键列、事件时间、OMOP通用数据模型中的域ID、变量在变量来源表中是否以行的方式存储、按照行存储时显示当前列存储对应值的列名、按照行存储时显示当前列存储对应值的单位列名、主要属性或次要属性、异常原因和变量的显示名称是否需要去除重复。
在本实施例中，本发明涉及的检索配置表数据模型如下表1所示，通过设置项目内容的关键字段，可以将医院不同来源的临床数据，以数据库表的形式，快速对接至检索配置表数据模型中，并且，在检索配置表数据模型中，利用对事件时间、患者ID、患者就诊ID、限制因素等字段的设置，可以协助应用快速定位具体患者、具体诊次在一些限制因素条件下的具体时间的变量信息，以便实现变量层级归属、变量类型以及事件等条件的高效组合。
表1 检索配置表数据模型
其中，表1中项目内容的描述为：
节点ID：检索配置表数据模型的主键，唯一识别号，可通过序列自动生成。
PARENT_ID：本条变量的父级目录项的唯一识别号，如果为空，则为主目录项；PARENT_ID必须是本变量配置表中已经存在的某一个节点ID的具体值，以次保证本变量配置表中的变量全部都是层级相关联的。
DISPLAY_NAME：本条变量的显示名称。
OMOP_TYPE：兼容OMOP通用数据模型类型，用1-4编号代指OMOP通用数据模型中的检验、诊断、手术、用药数据；此列不空时可根据OMOP通用数据模型，查找对应表格中相应数据的concept_id在concept表中对应的数据进行检索或导出。
RESEARCH_VARIABLE；变量科研属性，如果是科研变量，则可在事件搜索模块中体现；研究变量的主要区别是会将枚举型变量导出展示为Y/N或1/0，以适用R语音进行数据统计分析。
SEARCH_VARIABLE：变量检索属性，2为仅支持搜索，3为仅支持导出，1为支持搜索和导出。
VARIABLE_TYPE：变量类型，1-基本信息变量，无事件时间，每个患者记录唯一，如性比，住址，学历等；2-OMOP诊断、检验、用药、手术四大类变量，含事件时间；3-基础就诊信息、医嘱、生命体征、病案变量，其中包含以行形式存储的数据，事件时间字段EVENT_TIME不能为空，否则无法搜索到基于基线的有效数据。
EN_NAME；本条变量的英文名称(因R语音只能识别英文名称的列名)。
FACTOR；用来设置具体的过滤字段的条件，类似于SQL语句中的where条件。
TABLE_NAME：本条变量在医院临床数据库中所在表的名称（变量来源表），即用来描述变量取自医院临床数据库中的哪一张表，在对医院临床数据库拥有管理员权限时，可在表名前加用户名，如user1.person。
NAME_COLUMN：数据按照列存储时，相应变量存储的列名，数据按照行存储时，变量名称存储的列名。
TYPE_LEAF：本条变量所在节点的数值类型，如数值、枚举、时间、模糊搜索、概念列表等，在相应的搜索和导出页面，只能搜索和导出对应的数值类型；如数值类型为枚举时，配合程序应枚举出该条变量对应的所有的结果类型供选择，而不能直接输入数值；另外，概念列表为兼容OMOP通用数据模型的特殊数据类型。
TAIL_UNIT：变量单位，搜索时若选择该变量，是否带上单位的下拉框。
PATIENT_ID_COLUMN：患者ID，患者唯一识别号所在列名。
VISIT_OCCURRENCE_ID：患者就诊ID，患者就诊唯一识别号所在列名。
PK_ID：变量在变量来源表中的主键列。
EVENT_TIME：本条变量在医院临床数据库中所在表中产生的时间字段，用以实现时间基线的搜索。
DOMAIN_ID：对应OMOP通用数据模型中的域ID。
STORE_IN_ROW：当前变量在变量来源表中是否以行的方式存储，是记为Y。
VALUE_COLUMN：数据按照行存储时，符合NAME_COLUMN存储的数据名称对应值的列名，如某行数据，NAME_COLUMN存储的为“白细胞计数”，则VALUE_COLUMN为白细胞计数结果“7.8”所在列的名称。
UNIT_COLUMN：数据按照行存储时，符合NAME_COLUMN存储的数据名称对应值的单位列名，如某行数据，NAME_COLUMN存储的为“白细胞计数”，则UNIT_COLUMN为白细胞计数结果单位“10^9/L”所在列的名称。
PRIMARY_SECONDARY：主要属性或次要属性的区分，1主要属性，2次要属性。
ABNORMAL_REASON：异常原因，当检索配置表数据模型自动校验时，校验失败的原因。
IS_REPEAT：是否要根据显示名称去重。
表1中数据类型包括整数型和字符型，其中，int表示整数型，varchar表示字符型。
下面通过具体实施例说明上述检索配置表数据模型：
表2 变量1 用药信息的检索配置表数据模型
表3 变量2 用药名称的检索配置表数据模型
表4 变量3 用药剂量的检索配置表数据模型
S3、根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索和/或事件时间级搜索，得到具有层级关系和/或事件时间级的搜索结果。
在本实施例中，根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索，得到具有层级关系的搜索结果，包括：
根据检索配置表数据模型中的节点ID和父节点ID与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索，得到具有层级关系的搜索结果。
在本实施例中，基于检索配置表数据模型中的节点ID和父节点ID与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索，通过递归查找检索配置表数据模型每条数据的节点ID和父节点ID（PARENT_ID），展示变量的层级和变量内容，当遇到父节点ID（PARENT_ID）为空的变量数据，将其作为变量主目录；当父节点ID不为空时，将该条变量作为子项展示在父节点ID内容对应的变量下一级，重复将父节点ID相同的变量展示在同一层级，并继续向下层查找当前层级作为父级节点时，子节点展示的内容。
在本实施例中，根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行事件时间级搜索，得到事件时间级的搜索结果，包括：
根据检索配置表数据模型中的按照列存储时相应变量存储的列名和事件时间与医院临床数据库的字段映射关系，在医院临床数据库中进行事件时间级搜索，得到事件时间级搜索结果。
在本实施例中，对于临床数据，除患者的一些基本信息，如姓名、性别、地址、出生年月等，大多数的临床数据是与时间紧密关联的，如被诊断成糖尿病的时间、服用胰岛素的时间、检验血样的时间、电话随访的时间等。因此，在检索配置表数据模型中，对于EVENT_TIME字段，为每一个变量相应设置时间字段，即使一张表中有多个变量或多个时间，也可通过NAME_COLUMN字段和EVENT_TIME字段的组合，来确定需要检索的临床数据关键字段的具体内容，从而实现变量基于事件时间级的检索和导出。
在本实施例中，当使用某一变量时，对应设置该变量的某一具体基线事件，如第一次诊断为高血压后的第一次变量值，对患者的第一次诊断为高血压的具体时间进行提取，可作为基线时间；然后根据检索配置表数据模型中设置的EVENT_TIME字段，检索相应变量时间大于基线时间(第一次诊断为高血压的时间)后的第一次变量值，从而实现变量的基线搜索或者导出。
本实施例提供的基于检索配置表数据模型的医院临床数据检索方法，包括：根据数据检索的需求，确定需要检索的临床数据关键字段；根据确定的临床数据关键字段，配置对应的检索配置表数据模型，并对外提供检索配置表数据模型；根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索和/或事件时间级搜索，得到具有层级关系和/或事件时间级的搜索结果；该具体实施方法通过临床数据关键字段配置对应的检索配置表数据模型，将医院临床数据中常见的数据项目内容以及数据属性注释囊括其中，能够实现对不同来源的临床数据进行即插即用式的变量配置，以便实现变量的层级显示和事件时间级搜索，旨在解决以往在医院对接不同来源临床数据时，需要花费大量的人工进行数据处理和转换的问题，不仅降低了医院不同来源临床数据的对接难度，还提高了医院不同来源临床数据的可利用性，为医院临床大数据的整合和利用奠定了良好的基础。通过该方法，医疗决策和研究人员可以方便地从海量临床数据中获取所需信息，支持医疗决策、疾病研究和医疗质量改进等工作。
实施例二
本实施例在上述实施例一的基础上，提供基于检索配置表数据模型的医院临床数据检索装置200，请参见图2，用于实现上述实施例一所述的基于检索配置表数据模型的医院临床数据检索方法的步骤，该装置200主要包括：需求采集模块210、检索配置表数据模型配置模块220以及事件搜索模块250，其中，
需求采集模块210，用于根据数据检索的需求，确定需要检索的临床数据关键字段；
检索配置表数据模型配置模块220，用于根据确定的临床数据关键字段，配置对应的检索配置表数据模型，并对外提供检索配置表数据模型；
事件搜索模块230，用于根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索和/或事件时间级搜索，得到具有层级关系和/或事件时间级的搜索结果。
实施例三
本实施例在上述实施例一的基础上，还提供一种电子设备，请参见附图3，图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头等的输入装置306，包括例如液晶显示器（LCD）、扬声器等的输出装置307，包括例如磁带、硬盘等的存储装置308，以及通信装置309。通信装置309可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
实施例四
本实施例在上述实施例一的基础上，还提供计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在本实施例中，客户端、服务器可以利用诸如HTTP（HyperTextTransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的，也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取训练数据，将上述训练数据进行转化得到初始数据；基于上述初始数据确定初始规则库，并对上述初始规则库进行参数优化得到目标规则库；根据预设激活权重计算公式对上述目标规则库中的规则进行计算得到激活权重；根据测试数据和上述激活权重，确定异常信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括数据获取单元、规则确定单元权重计算单元和异常确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，数据获取单元还可以被描述为“获取训练数据的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
显然，本领域的技术人员应该明白，上述本发明的各步骤实施方式可以以不同于本发明的方式执行，模拟方法及实验设备包括但不限于上述说明。上述本发明的各步骤在某些情况下可以以不同于此处的顺序执行，上述所示或描述的步骤，可将它们分开执行。所以，本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (5)
1.基于检索配置表数据模型的医院临床数据检索方法，其特征在于，包括：
根据数据检索的需求，确定需要检索的临床数据关键字段；
根据确定的临床数据关键字段，配置对应的检索配置表数据模型，并对外提供检索配置表数据模型；
根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索和/或事件时间级搜索，得到具有层级关系和/或事件时间级的搜索结果；
其中，数据检索的需求为检索具体数据类型的意图，包括用药信息、用药名称和用药剂量；
所述配置表数据模型包括临床数据关键字段的项目内容、与项目内容相对应的数据类型以及根据项目内容和数据类型编译所述临床数据关键字段中的显示功能和检索功能；
针对用药信息、用药名称和用药剂量的检索配置表数据模型，其项目内容均包括节点ID、父节点ID、变量的显示名称、OMOP通用数据模型类型、变量科研属性、变量检索属性、变量类型、变量的英文名称、限制因素、变量来源表、按照列存储时相应变量存储的列名、变量所在节点的数值类型、变量单位、患者ID、患者就诊ID、变量在变量来源表中的主键列、事件时间、OMOP通用数据模型中的域ID、变量在变量来源表中是否以行的方式存储、按照行存储时显示当前列存储对应值的列名、按照行存储时显示当前列存储对应值的单位列名、主要属性或次要属性、异常原因和变量的显示名称是否需要去除重复；所述数据类型包括整数型和字符型；
所述根据确定的临床数据关键字段，配置对应的检索配置表数据模型，并对外提供检索配置表数据模型，包括：在数据库表中创建基于列的临床数据关键字段的项目内容，并设置与项目内容相对应的数据类型和数据属性注释，生成对应的检索配置表数据模型，在检索配置表数据模型中实现项目内容中定义的检索变量和功能；
所述根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索，得到具有层级关系的搜索结果，包括：
根据检索配置表数据模型中的节点ID和父节点ID与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索，得到具有层级关系的搜索结果；
基于检索配置表数据模型中的节点ID和父节点ID与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索，通过递归查找检索配置表数据模型每条数据的节点ID和父节点ID，展示变量的层级和变量内容，当遇到父节点ID为空的变量数据，将其作为变量主目录；当父节点ID不为空时，将该条变量作为子项展示在父节点ID内容对应的变量下一级，重复将父节点ID相同的变量展示在同一层级，并继续向下层查找当前层级作为父级节点时，子节点展示的内容。
2.根据权利要求1所述的基于检索配置表数据模型的医院临床数据检索方法，其特征在于，所述根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行事件时间级搜索，得到事件时间级的搜索结果，包括：
根据检索配置表数据模型中的按照列存储时相应变量存储的列名和事件时间与医院临床数据库的字段映射关系，在医院临床数据库中进行事件时间级搜索，得到事件时间级搜索结果。
3.基于检索配置表数据模型的医院临床数据检索装置，其特征在于，包括：需求采集模块、检索配置表数据模型配置模块和事件搜索模块；
需求采集模块，用于根据数据检索的需求，确定需要检索的临床数据关键字段；其中，数据检索的需求为检索具体数据类型的意图，包括用药信息、用药名称和用药剂量；
检索配置表数据模型配置模块，用于根据确定的临床数据关键字段，配置对应的检索配置表数据模型，并对外提供检索配置表数据模型；
所述配置表数据模型包括临床数据关键字段的项目内容、与项目内容相对应的数据类型以及根据项目内容和数据类型编译所述临床数据关键字段中的显示功能和检索功能；
针对用药信息、用药名称和用药剂量的检索配置表数据模型，其项目内容均包括节点ID、父节点ID、变量的显示名称、OMOP通用数据模型类型、变量科研属性、变量检索属性、变量类型、变量的英文名称、限制因素、变量来源表、按照列存储时相应变量存储的列名、变量所在节点的数值类型、变量单位、患者ID、患者就诊ID、变量在变量来源表中的主键列、事件时间、OMOP通用数据模型中的域ID、变量在变量来源表中是否以行的方式存储、按照行存储时显示当前列存储对应值的列名、按照行存储时显示当前列存储对应值的单位列名、主要属性或次要属性、异常原因和变量的显示名称是否需要去除重复；所述数据类型包括整数型和字符型；
所述根据确定的临床数据关键字段，配置对应的检索配置表数据模型，并对外提供检索配置表数据模型，包括：在数据库表中创建基于列的临床数据关键字段的项目内容，并设置与项目内容相对应的数据类型和数据属性注释，生成对应的检索配置表数据模型，在检索配置表数据模型中实现项目内容中定义的检索变量和功能；
事件搜索模块，用于根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索和/或事件时间级搜索，得到具有层级关系和/或事件时间级的搜索结果；
所述根据检索配置表数据模型与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索，得到具有层级关系的搜索结果，包括：
根据检索配置表数据模型中的节点ID和父节点ID与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索，得到具有层级关系的搜索结果；
基于检索配置表数据模型中的节点ID和父节点ID与医院临床数据库的字段映射关系，在医院临床数据库中进行递归查找搜索，通过递归查找检索配置表数据模型每条数据的节点ID和父节点ID，展示变量的层级和变量内容，当遇到父节点ID为空的变量数据，将其作为变量主目录；当父节点ID不为空时，将该条变量作为子项展示在父节点ID内容对应的变量下一级，重复将父节点ID相同的变量展示在同一层级，并继续向下层查找当前层级作为父级节点时，子节点展示的内容。
4.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2中任一项所述方法的步骤。
5.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311795331.4A CN117453752B (zh) | 2023-12-25 | 2023-12-25 | 基于检索配置表数据模型的医院临床数据检索方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311795331.4A CN117453752B (zh) | 2023-12-25 | 2023-12-25 | 基于检索配置表数据模型的医院临床数据检索方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117453752A CN117453752A (zh) | 2024-01-26 |
| CN117453752B true CN117453752B (zh) | 2024-03-19 |
Family
ID=89580336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311795331.4A Active CN117453752B (zh) | 2023-12-25 | 2023-12-25 | 基于检索配置表数据模型的医院临床数据检索方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117453752B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002075600A1 (en) * | 2001-03-16 | 2002-09-26 | Luna Imaging Inc. | Simultaneous searcing across multiple data sets |
| CN101034410A (zh) * | 2007-04-16 | 2007-09-12 | 浙江大学 | 一种医疗事件索引模型及基于该模型的电子病历系统 |
| CN102937965A (zh) * | 2012-09-29 | 2013-02-20 | 山东浪潮齐鲁软件产业股份有限公司 | 一种基于数据模型的元系统设计方法 |
| WO2017172635A1 (en) * | 2016-03-31 | 2017-10-05 | Osisoft, Llc | Event based data collection, integration, and presentation |
| CN108877873A (zh) * | 2018-01-08 | 2018-11-23 | 上海铱硙医疗科技有限公司 | 通用医疗系统 |
| CN109582672A (zh) * | 2018-11-21 | 2019-04-05 | 金色熊猫有限公司 | 数据处理方法、装置及介质 |
| CN109616212A (zh) * | 2018-11-09 | 2019-04-12 | 金色熊猫有限公司 | 疾病数据处理方法、装置、电子设备及可读介质 |
| CN112086150A (zh) * | 2020-07-31 | 2020-12-15 | 新视焰医疗科技(苏州)有限公司 | 一种临床研究数据集成平台 |
| CN112667720A (zh) * | 2020-12-28 | 2021-04-16 | 平安普惠企业管理有限公司 | 接口数据模型的转化方法、装置、设备及存储介质 |
| CN114490858A (zh) * | 2022-02-22 | 2022-05-13 | 北京科杰科技有限公司 | 一种大数据与rmdb的表结构类型转换系统及方法 |
| WO2022127418A1 (zh) * | 2020-12-14 | 2022-06-23 | 中兴通讯股份有限公司 | 数据检索方法、装置、电子设备及存储介质 |
| CN115148322A (zh) * | 2022-08-31 | 2022-10-04 | 神州医疗科技股份有限公司 | 临床医疗通用数据结构模型的临床数据储存方法和系统 |
| CN115563127A (zh) * | 2022-11-10 | 2023-01-03 | 神州医疗科技股份有限公司 | 基于大数据医疗通用检索索引构建的查询方法及系统 |
| CN116933976A (zh) * | 2023-09-13 | 2023-10-24 | 北京广安融盛投资有限公司 | 一种基于bim的房地产项目管理方法 |
| CN117271903A (zh) * | 2023-11-17 | 2023-12-22 | 神州医疗科技股份有限公司 | 基于医院临床大数据的事件搜索方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120197900A1 (en) * | 2010-12-13 | 2012-08-02 | Unisys Corporation | Systems and methods for search time tree indexes |
-
2023
- 2023-12-25 CN CN202311795331.4A patent/CN117453752B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002075600A1 (en) * | 2001-03-16 | 2002-09-26 | Luna Imaging Inc. | Simultaneous searcing across multiple data sets |
| CN101034410A (zh) * | 2007-04-16 | 2007-09-12 | 浙江大学 | 一种医疗事件索引模型及基于该模型的电子病历系统 |
| CN102937965A (zh) * | 2012-09-29 | 2013-02-20 | 山东浪潮齐鲁软件产业股份有限公司 | 一种基于数据模型的元系统设计方法 |
| WO2017172635A1 (en) * | 2016-03-31 | 2017-10-05 | Osisoft, Llc | Event based data collection, integration, and presentation |
| CN108877873A (zh) * | 2018-01-08 | 2018-11-23 | 上海铱硙医疗科技有限公司 | 通用医疗系统 |
| CN109616212A (zh) * | 2018-11-09 | 2019-04-12 | 金色熊猫有限公司 | 疾病数据处理方法、装置、电子设备及可读介质 |
| CN109582672A (zh) * | 2018-11-21 | 2019-04-05 | 金色熊猫有限公司 | 数据处理方法、装置及介质 |
| CN112086150A (zh) * | 2020-07-31 | 2020-12-15 | 新视焰医疗科技(苏州)有限公司 | 一种临床研究数据集成平台 |
| WO2022127418A1 (zh) * | 2020-12-14 | 2022-06-23 | 中兴通讯股份有限公司 | 数据检索方法、装置、电子设备及存储介质 |
| CN112667720A (zh) * | 2020-12-28 | 2021-04-16 | 平安普惠企业管理有限公司 | 接口数据模型的转化方法、装置、设备及存储介质 |
| CN114490858A (zh) * | 2022-02-22 | 2022-05-13 | 北京科杰科技有限公司 | 一种大数据与rmdb的表结构类型转换系统及方法 |
| CN115148322A (zh) * | 2022-08-31 | 2022-10-04 | 神州医疗科技股份有限公司 | 临床医疗通用数据结构模型的临床数据储存方法和系统 |
| CN115563127A (zh) * | 2022-11-10 | 2023-01-03 | 神州医疗科技股份有限公司 | 基于大数据医疗通用检索索引构建的查询方法及系统 |
| CN116933976A (zh) * | 2023-09-13 | 2023-10-24 | 北京广安融盛投资有限公司 | 一种基于bim的房地产项目管理方法 |
| CN117271903A (zh) * | 2023-11-17 | 2023-12-22 | 神州医疗科技股份有限公司 | 基于医院临床大数据的事件搜索方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117453752A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111656384A (zh) | 药品的推荐方法、装置、介质和电子设备 | |
| CN109524120B (zh) | 临床数据自动化提取计算方法、系统、设备及存储介质 | |
| US20130275448A1 (en) | Method and system for ontology driven data collection and processing | |
| US11216480B2 (en) | System and method for querying data points from graph data structures | |
| US10586611B2 (en) | Systems and methods employing merge technology for the clinical domain | |
| JP2020501267A (ja) | 電子医療レコードからの自動的な知識ベースの特徴抽出 | |
| CN101739390A (zh) | 基于技术设计文档的数据转换 | |
| CN111081329A (zh) | 临床数据自动录入方法及装置、电子设备、存储介质 | |
| CN114255884A (zh) | 一种高血压药物治疗知识图谱构建方法以及装置 | |
| US11915830B2 (en) | Intelligent prompting of protocols | |
| Unberath et al. | EHR-independent predictive decision support architecture based on OMOP | |
| Bona et al. | Enhancing clinical data and clinical research data with biomedical ontologies-insights from the knowledge representation perspective | |
| WO2023273455A1 (zh) | 医疗知识图谱的构建方法、装置、设备及计算机可读介质 | |
| CN109493928B (zh) | 基于条件树的患者数据筛选方法、系统、设备及存储介质 | |
| US20200342991A1 (en) | Detecting recurrence of a medical condition | |
| US12105674B2 (en) | Fault tolerant method for processing data with human intervention | |
| CN117453752B (zh) | 基于检索配置表数据模型的医院临床数据检索方法及装置 | |
| Neira et al. | Extraction of data from a hospital information system to perform process mining | |
| Heinis et al. | Data infrastructure for medical research | |
| US20120246149A1 (en) | Automated method of generating reconciliation reports regarding mismatches of clinical data received from multiple sources during a clinical trial | |
| WO2023164601A1 (en) | Converting tabular demographic information into an export entity file | |
| US11928121B2 (en) | Scalable visual analytics pipeline for large datasets | |
| Mandell et al. | Development of a visualization tool for healthcare decision-making using electronic medical records: A systems approach to viewing a patient record | |
| US12027269B2 (en) | Intelligent system and methods for automatically recommending patient-customized instructions | |
| Xu et al. | AnnoDash, a clinical terminology annotation dashboard |
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 |