CN117766091A - 一种基于护理知识库的护理方案获取方法 - Google Patents

Abstract

本发明提供了一种基于护理知识库的护理方案获取方法，涉及护理方案获取技术领域，目的是提升护理方案获取的准确性和可靠性；包括以下步骤：采集患者的基本病情数据；对基本病情数据进行标准化处理，得到标准化参数组；根据标准化参数组标记患者是否为重点护理人员；所述基本病情数据经过特征提取模块提取特征参数后输入基于护理知识库训练的护理模型；通过护理模型输出护理方案。本发明具有智能化输出护理方案、高效且可靠性高的优点。

Description

一种基于护理知识库的护理方案获取方法

技术领域

本发明涉及护理方案获取技术领域，具体而言，涉及一种基于护理知识库的护理方案获取方法。

背景技术

护理是医疗领域中重要的组成部分，对于患者的健康恢复和疾病管理起着至关重要的作用。

随着科技的不断进步，护理知识库构建与应用的需求也逐渐增加。护理知识库是指将护理专业知识、护理方案、护理规范等信息进行整理、分类和存储，以方便护理人员查询、应用和监督护理过程的一种技术手段。现有技术的解决方案是，护理知识库的构建和应用主要依赖于人工整理和存储。护理人员需要手动查阅相关护理资料，根据患者的主诉、生命体征和个性化需求制定护理方案。这种方法存在一些问题，例如：护理人员需要花费大量时间和精力进行查找和整理，容易出现漏洞和错误；护理方案的个性化程度较低，无法根据患者的具体情况进行精细化调整；即使采用基于现有技术采用神经网络等方式来获取护理方案，在病患个体情况的评估上也缺乏标准、高效和可靠指标评估，而人工来评估病患的个体情况则存在主观性和不准确性。

因此，需要对护理方案的获取方法进行优化来解决这些问题，以此提高护理工作的效率和准确性。

发明内容

本发明的目的在于提供一种基于护理知识库的护理方案获取方法，其可以提升护理方案获取的准确性和可靠性。

本发明的实施例通过以下技术方案实现：

一种基于护理知识库的护理方案获取方法，其特征在于，包括以下步骤：

采集患者的基本病情数据；

对基本病情数据进行标准化处理，得到标准化参数组；

根据标准化参数组标记患者是否为重点护理人员；

所述基本病情数据经过特征提取模块提取特征参数后输入基于护理知识库训练的护理模型；

通过所述护理模型输出护理方案。

优选地，所述基本病情数据包括年龄、性别、身高、体重、当前治疗方案、当前治疗进度、症状、疾病种类和疾病严重程度，所述疾病严重程度采用1-10的整数数值进行量化，程度越严重数值越大。

优选地，所述对基本病情数据进行标准化处理的方法包括获取年龄标准化参数α、身高体重标准化参数β和疾病程度标准化参数γ。

优选地，获取所述获取年龄标准化参数α的方法为，根据所述年龄age获取年龄标准化参数α：

优选地，所述身高体重标准化参数β的获取方法为：

根据所述身高H和所述体重W获取BMI参数：

其中，体重W的单位为kg，身高H的单位为m；

根据BMI参数获取身高体重标准化参数β：

优选地，所述疾病程度标准化参数γ的获取方法为，根据所述疾病严重程度D获取疾病程度标准化参数γ：

优选地，所述根据标准化参数组标记患者是否为重点护理人员的方法为：

根据所述年龄标准化参数α、所述身高体重标准化参数β和所述疾病程度标准化参数γ获取评估参数δ：

若所述评估参数δ大于预设的评估阈值，或所述年龄标准化参数α、所述身高体重标准化参数β和所述疾病程度标准化参数γ中任一项小于对应的单项参数预设阈值，则标记患者是重点护理人员的方法为；否则标记患者非重点护理人员。

优选地，所述护理模型包括多个子模型，每个所述子模型用于输出不同护理类型的护理方案

本发明实施例的技术方案至少具有如下优点和有益效果：

本发明基于护理知识库获取护理方案，无须依赖人工记忆或查询相关知识，提升了方案获取的可靠性和效率，也避免了人工的不准确性和主观性；

本发明通过基于患者的基本数据情况与护理知识库的内容，自动生成个性化的护理方案，以此便于根据患者的具体情况进行精细化调整，提高了护理方案的适应性和个性化程度；

本发明可以大大提升护理工作的效率和准确性，为患者提供更优质的护理服务；

本发明的提供了标准的病患个人情况评价标准，有助于识别病患的重点关注程度，有助于消除主观等因素造成的误判；

本发明设计合理、应用价值和性价比均较高，适用范围较广，便于推广和实施。

附图说明

图1为本发明实施例1提供的基于护理知识库的护理方案获取方法的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

实施例1

一种基于护理知识库的护理方案获取方法，其特征在于，包括以下步骤：

步骤S1：采集患者的基本病情数据；

步骤S2：对基本病情数据进行标准化处理，得到标准化参数组；

步骤S3：根据标准化参数组标记患者是否为重点护理人员；

步骤S4：所述基本病情数据经过特征提取模块提取特征参数后输入基于护理知识库训练的护理模型；

步骤S5：通过所述护理模型输出护理方案。

本实施例通过采集基本病情数据输送到基于护理知识库训练的护理模型来获取护理方案，并且基于基本病情数据获得标准化参数组来判断患者是否为重点护理人员，尤其对于病患的重点护理程度提供了一个统一且方便的评估标准，便于医护人员进行护理工作安排。

具体来说，本实施例可以标记重点护理人员，以及通过语义匹配在护理知识库中匹配到病患的情况对应的护理方案，而标记重点护理人员是通过将基本病情数据进行标准化处理得到标准化参数组并基于标准化参数组进行判断。而获取护理方案则是将基本病情数据进行特征提取，这里也主要是一个语义识别，然后通过训练好的模型在护理知识库中寻找匹配的护理方案。

护理知识库中预先存储了全面的护理知识，也可以定期进行补充和更新。其中记录了在各种病情、各种病患条件下的多方面的护理方法，基于护理知识库训练的护理模型本质可以理解为基于基本病情数据进行语义识别和文本匹配，进而提炼输出各方面的护理方案。

实施例2

本实施例基于实施例1的技术方案，主要对获取标准化参数组和根据标准化参数组标记患者是否为重点护理人员的方法做进一步说明。

在本实施例中，所述基本病情数据包括年龄、性别、身高、体重、当前治疗方案、当前治疗进度、症状、疾病种类和疾病严重程度，所述疾病严重程度采用1-10的整数数值进行量化，程度越严重数值越大。特别说明的是，严重程度可以由医护人员对每种疾病指定一种评估标准来获取。

进一步地，所述对基本病情数据进行标准化处理的方法包括获取年龄标准化参数α、身高体重标准化参数β和疾病程度标准化参数γ。

具体地，获取所述获取年龄标准化参数α的方法为，根据所述年龄age获取年龄标准化参数α：

此外，所述身高体重标准化参数β的获取方法为：

根据所述身高H和所述体重W获取BMI参数：

其中，体重W的单位为kg，身高H的单位为m；

根据BMI参数获取身高体重标准化参数β：

另一方面，所述疾病程度标准化参数γ的获取方法为，根据所述疾病严重程度D获取疾病程度标准化参数γ：

最后，所述根据标准化参数组标记患者是否为重点护理人员的方法为：

根据所述年龄标准化参数α、所述身高体重标准化参数β和所述疾病程度标准化参数γ获取评估参数δ：

若所述评估参数δ大于预设的评估阈值，或所述年龄标准化参数α、所述身高体重标准化参数β和所述疾病程度标准化参数γ中任一项小于对应的单项参数预设阈值，则标记患者是重点护理人员的方法为；否则标记患者非重点护理人员。

本实施例对基本病情数据进行标准化处理是为了便于得到方便评估病患情况的参数。基于年龄标准化参数α、身高体重标准化参数β和疾病程度标准化参数γ几种参数是为了筛选年龄过大或过小、过于肥胖或消瘦以及疾病程度较为严重的患者作为重点关注对象。在最后评估的时候，首先当年龄、肥胖程度和疾病严重程度任意一种超过预设的对应的值都需要将病患定义为重点关注对象，这里的单项的预设阈值一般会预设较低。而评估参数δ则是一项综合考评数据，主要针对每一个单项数据都没有低于预设的较低的阈值，但是综合情况可能会需要重点关注的人。

具体地，年龄标准化参数α、身高体重标准化参数β和疾病程度标准化参数γ分别反映的是距离标准值的偏差程度。各项标准化参数的获取时，进行的几次平方处理主要是因为实际计算中，相邻的数据计算得到的标准参数差距可能较小，为了防止小的偏差成为后续计算的噪声，所以通过平方计算实现了差异拉大处理。

在获取标准化参数的时候，例如年龄的预设为10-60岁是可以不需要重点关注的患者，所以在计算的时候以10和60为基准进行偏差计算，随后得到的年龄标准化参数α越靠近1则说明年龄偏差越小即需要重点关注的可能性越小，年龄标准化参数α越偏离1说明患者年龄大于60越多或者小于10越多，可以将偏差5岁的年龄标准化参数α作为年龄这一项的单项参数预设阈值。身高体重标准化参数β和疾病程度标准化参数γ的相关部分同理。

在实际执行的时候，可以先进行单项判断，因此在分别设置单项阈值的时候，如果实际的标准化参数低于了对应的单项阈值，则说明该项指标偏离标准过于严重，因此在一项不符合标准的情况下直接被判断为重点护理人员。当通过单项指标即判断为重点护理人员的时候则可以不进行评估参数δ的计算了。

也就是，当年龄标准化参数α、身高体重标准化参数β和疾病程度标准化参数γ都没有低于对应的阈值的时候，再进行评估参数δ的计算，评估参数δ反映的则年龄标准化参数α、身高体重标准化参数β和疾病程度标准化参数γ三项参数偏离1的综合情况，综合偏离过多也被判断为重点护理人员。

实施例3

本实施例基于实施例1的技术方案，主要对护理模型做进一步说明。

在进行了实施例1中的步骤S1-步骤S3的处理后，即可得到病患的基本病情数据包括年龄、性别、身高、体重、当前治疗方案、当前治疗进度、症状、疾病种类和疾病严重程度。

作为一个实施案例，本实施例设置的特征提取模块可以采用常规的特征提取方案，本实施例主要在于对基本病情数据进行一个语义分析，然后和护理知识库的内容进行匹配来获取护理方案，因此特征提取模块可以采用例如BERT等模型来生成特征向量。

特征向量也就是要输入基于护理知识库训练的护理模型的部分。

作为一个实施案例，所述护理模型包括多个子模型，每个所述子模型用于输出不同护理类型的护理方案。具体而言，所述子模型分别用于决策不同类别的护理方案。

所设置的多个子模型有助于提升分类模块构建的便捷性，因为每个所述子模型分别用于决策不同类别的护理方案，可以很方便地通过增减分类模块实现根据需求删除或增加护理方案的类别，最后将不同分类器匹配输出的护理方式拼接在一起输出一套完整的护理方案。护理方案的类别可以根据护理的方向进行划分，例如病患体征检查频率、病患饮食护理、辅病患活动护理、病患身体清洁护理、病患翻身护理等。

作为一个案例，假设本次护理方案的生成中，涉及的护理类型包括病患体征检查频率、病患饮食护理、辅病患活动护理，假设这里只需要输出这三个类型的护理方案，那么设置三个子模型即可。

每个子模型分别进行训练，以病患体征检查频率为例，首先准备训练数据集和验证数据集来进行模型的训练，可以通过梯度下降法等方式实现损失函数最小化来获取训练结果，损失函数表征的是训练模型的输出值和真实值的差值，这里训练用的标签即为病患体征检查频率的结果，标签是指训练数据样本的正确答案或所属类别，用于提供正确的输出和损失函数的计算。可采取现有模型作为子模型进行构建，例如递归神经网络。

特别说明的是，本实施例仅仅是通过模型基于护理知识库进行病患信息匹配来高效生成护理方案，病患其他相关处理治疗等均不是本实施例的护理方案生成范畴。此外子模型的训练和构建方式可以采取常规技术手段实现，非本发明重点改进部分，所以仅列举了部分可以实现的方式。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于护理知识库的护理方案获取方法，其特征在于，包括以下步骤：

采集患者的基本病情数据；

对基本病情数据进行标准化处理，得到标准化参数组；

根据标准化参数组标记患者是否为重点护理人员；

所述基本病情数据经过特征提取模块提取特征参数后输入基于护理知识库训练的护理模型；

通过所述护理模型输出护理方案。

2.根据权利要求1所述的一种基于护理知识库的护理方案获取方法，其特征在于，所述基本病情数据包括年龄、性别、身高、体重、当前治疗方案、当前治疗进度、症状、疾病种类和疾病严重程度，所述疾病严重程度采用1-10的整数数值进行量化，程度越严重数值越大。

3.根据权利要求2所述的一种基于护理知识库的护理方案获取方法，其特征在于，所述对基本病情数据进行标准化处理的方法包括获取年龄标准化参数α、身高体重标准化参数β和疾病程度标准化参数γ。

4.根据权利要求3所述的一种基于护理知识库的护理方案获取方法，其特征在于，获取所述获取年龄标准化参数α的方法为，根据所述年龄age获取年龄标准化参数α：

5.根据权利要求4所述的一种基于护理知识库的护理方案获取方法，其特征在于，所述身高体重标准化参数β的获取方法为：

根据所述身高H和所述体重W获取BMI参数：

其中，体重W的单位为kg，身高H的单位为m；

根据BMI参数获取身高体重标准化参数β：

6.根据权利要求5所述的一种基于护理知识库的护理方案获取方法，其特征在于，所述疾病程度标准化参数γ的获取方法为，根据所述疾病严重程度D获取疾病程度标准化参数γ：

7.根据权利要求6所述的一种基于护理知识库的护理方案获取方法，其特征在于，所述根据标准化参数组标记患者是否为重点护理人员的方法为：

根据所述年龄标准化参数α、所述身高体重标准化参数β和所述疾病程度标准化参数γ获取评估参数δ：

若所述评估参数δ大于预设的评估阈值，或所述年龄标准化参数α、所述身高体重标准化参数β和所述疾病程度标准化参数γ中任一项小于对应的单项参数预设阈值，则标记患者是重点护理人员的方法为；否则标记患者非重点护理人员。

8.根据权利要求1所述的一种基于护理知识库的护理方案获取方法，其特征在于，所述护理模型包括多个子模型，每个所述子模型用于输出不同护理类型的护理方案。