KR102395921B1 - 사용자 정보 및 쿼리 분석을 통해 의료대상 추천 방법 - Google Patents

사용자 정보 및 쿼리 분석을 통해 의료대상 추천 방법 Download PDF

Info

Publication number
KR102395921B1
KR102395921B1 KR1020200028916A KR20200028916A KR102395921B1 KR 102395921 B1 KR102395921 B1 KR 102395921B1 KR 1020200028916 A KR1020200028916 A KR 1020200028916A KR 20200028916 A KR20200028916 A KR 20200028916A KR 102395921 B1 KR102395921 B1 KR 102395921B1
Authority
KR
South Korea
Prior art keywords
score
weight
medical
academic
information
Prior art date
Application number
KR1020200028916A
Other languages
English (en)
Other versions
KR20210113769A (ko
Inventor
조현철
Original Assignee
조현철
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 조현철 filed Critical 조현철
Priority to KR1020200028916A priority Critical patent/KR102395921B1/ko
Priority to PCT/IB2021/051790 priority patent/WO2021181212A1/ko
Publication of KR20210113769A publication Critical patent/KR20210113769A/ko
Application granted granted Critical
Publication of KR102395921B1 publication Critical patent/KR102395921B1/ko

Links

Images

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
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references

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)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

서버에 접속한 접속자에게 적어도 한 명의 의사를 포함하는 의료대상을 추천하는 방법은, 서버가 의료대상에 대해 학술 스코어, 대상 스코어, 리뷰 스코어를 구분하는 데이터베이스를 유지하는 단계; 접속자로부터 쿼리를 수신하는 단계; 쿼리로부터 증상 키워드, 치료 키워드 및 기타 키워드 중 적어도 하나를 추출하는 단계; 쿼리로부터 추출된 증상 키워드, 치료 키워드 또는 기타 키워드를 이용하여 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 및 리뷰 스코어에 대한 가중치를 평가하는(rating) 단계; 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 및 리뷰 스코어에 대한 가중치를 학술 스코어, 대상 스코어, 및 리뷰 스코어에 각각 적용하여 의료대상의 평가 스코어를 계산하는 단계; 및 평가 스코어에 따라 적어도 하나의 의료대상을 접속자에게 제공하는 단계;를 포함한다.

Description

사용자 정보 및 쿼리 분석을 통해 의료대상 추천 방법 {METHOD OF RECOMMENDING MEDICAL TEAM BASED ON QUANTATIVE DOCTOR EVALUATION USING USER DATA AND QUERY ANALYZATION}
본 발명은 의사, 의료진 또는 병원과 같은 의료대상을 추천하는 방법에 관한 것으로서, 보다 자세하게는, 경험자의 추천에만 의존하지 않고 컴퓨터 네트워크 또는 빅데이터 분석을 통해서 정량적으로 의사를 평가하여 의료대상을 객관적인 기준에 따라 추천하는 방법에 관한 것이다.
인터넷의 보급에 따라 사람들은 유용한 정보를 인터넷 검색을 통해서 찾을 수 있다. 일 예로, 유명한 식당, 편안한 호텔, 최신 가전제품 등에 관한 정보를 위해 사람들은 포털 사이트에 접속하여 검색하고 있으며, 블로그나 사용후기 등을 검색하고, '좋아요' 등의 개수를 참조해서 유용하다고 생각되는 정보를 얻는다.
하지만, 어떤 전문적인 분야의 정보는 사용후기나 '좋아요' 등의 정보로는 평가될 수 없는 요소들을 포함하고 있으며, 그렇게 평가되면 오히려 소비자에게 불리하거나 위험한 것들이 있다. 그런 예들 중 하나가 의사 또는 병원에 대한 정보이다. 왜냐하면, 질병의 진단, 처치, 시술 또는 수술 등에 대한 평가는 일반인이 조언할 수 없는 전문적인 영역에 있으며, 가끔은 이러한 평가는 실질적인 의사 또는 병원의 실력 또는 역량과 관련된 요소가 아닌, 전혀 무관한 요소, 예를 들어 의사의 친절함, 의료 처치 후의 일시적 느낌, 의사의 성별, 간호사의 태도, 병원 예약 시간, 병원의 청결도 등의 영향을 받기도 한다.
해외의 어떤 조사에 따르면, 외과 수술의를 선택하는 기준에서 보험의 보장범위, 병원의 위치 등이 수술의의 수술회수, 의료진의 신뢰도보다 더 중요하게 평가되고 있다는 보고도 있었다(jamasurgery.com, 2014년 2월).
최근에는 의사나 수술의를 평가할 수 있는 웹사이트들(Physician Rating Websites: PRWs)나 단체들이 있으며, 그러한 예들로 Yelp.com, Healthgrade.com, Insurance plan, Angie's List 등이 있다. 하지만, 이러한 웹사이트들이나 단체들 역시 의사나 그 능력을 평가함에 있어서, 경험자들의 리뷰나 평가점수, 지역적인 거리만 고려한다는 점에서 한계가 있을 수 있다.
중국공개특허 CN 104680458 A를 보면, 병원 또는 의사를 추천하는 방법이 개시되어 있다. 상기 중국공개특허는 의사별로 모든 처방을 수집하고, 일정 기간 후에 전화연락, 네트워크, 방문 등 다양한 방법을 통해서 치료 효과를 회득하고, 이를 데이터베이스로 통합하여 공중에게 의료대상을 추천할 수 있다. 하지만, 이와 같은 방법은, 많은 시간과 통제력이 필요하며, 모든 처방을 수집한다는 것이 불가능하고, 개인정보 유출의 가능성도 높이 실현이 불가능하다고 할 수 있다.
본 발명은 단순히 경험자들의 리뷰나 평가점수 등의 취합에만 한정되지 않고, 그리고 의사의 학력, 경력, 이력 등의 의사 자격 자체로서의 정보와 의사로서 이루어낸 학술적 성과를, 사용자와 관련된 다양한 최신 정보와 쿼리로부터 파악되는 증상 및 진단 또는 치료에 따른 정보에 따라 가중치를 달리 반영한 객관적 및 정량적인 기준으로 의료대상을 추천할 수 있는 추천 방법을 제공한다.
본 발명은 인기에 편승하는 의사 평가 기준이 아닌 객관적이면서 학문적인 성과에 기초하여 의사를 정량적으로 평가할 수 있는 기준을 제공할 수 있는 의료대상 추천 방법을 제공한다.
의료 기술 및 정보가 빠르게 변화하는 시대 흐름을 반영하여, 본 발명은 객관적이고 학문적인 성과를 고려하되, 합리적인 기준에 가중치를 두어 환자 또는 소비자에게 가장 정확한 평가 결과에 따른 추천을 제공할 수 있는 의료대상 추천 방법을 제공한다.
상술한 본 발명의 목적들을 달성하기 위한 본 발명의 예시적인 일 실시예에 따르면, 서버에 접속한 접속자에게 적어도 한 명의 의사를 포함하는 의료대상을 추천하는 방법은, 서버가 의료대상에 대해 학술 스코어, 대상 스코어, 리뷰 스코어를 구분하는 데이터베이스를 유지하는 단계; 접속자로부터 쿼리를 수신하는 단계; 쿼리로부터 증상 및 진단 키워드, 치료 키워드 및 기타 키워드 중 적어도 하나를 추출하는 단계; 쿼리로부터 추출된 증상 및 진단 키워드, 치료 키워드 또는 기타 키워드를 이용하여 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 및 리뷰 스코어에 대한 가중치를 평가하는(rating) 단계; 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 및 리뷰 스코어에 대한 가중치를 학술 스코어, 대상 스코어, 및 리뷰 스코어에 각각 적용하여 의료대상의 평가 스코어를 계산하는 단계; 및 평가 스코어에 따라 적어도 하나의 의료대상을 접속자에게 제공하는 단계를 포함한다.
본 실시예에 따른 의료대상 추천 방법은 접속자로부터 환자에 대한 환자 정보를 수신하는 단계를 더 포함할 수 있으며, 환자는 접속자가 제공한 환자 정보에 의해서 특정되는 본인 또는 제3자일 수 있다. 접속자는 매번 환자의 정보를 입력할 수 있지만, 서버에 로그인하고 저장된 회원정보를 불러옴으로써 환자 정보를 이용할 수 있다. 물론, 여기서 환자는 접속자 본인일 수도 있지만, 가족이거나 제3자가 될 수도 있다.
서버는 환자 정보에 대응하여 이미 기록된 저장 정보를 이용할 수 있다. 하지만, 이에 한정되지 아니하며 접속자가 접속하여 새로운 쿼리를 입력할 때를 기준으로 새롭게 조회된 신규 정보를 이용하는 것이 바람직하다. 서버는 기록된 저장 정보(recorded information)과 신규 정보(new information)를 비교하고, 환자 정보를 추가하거나 신규 내용으로 교체할 수가 있다.
신규 정보는 접속자에 의해서 입력된 정보이거나 서버에서 열람 가능한 공공데이터 서버, 민간데이터 서버 또는 블록체인으로부터 수집한 정보를 포함할 수 있다. 따라서, 열람 범위에 따라 국가건강보험 관리공단, 건강보험심사평가원, 민간 보험회사, 국/공립 병원, 민간 병원, 민간 또는 상업 어플리케이션, 클라우드 등의 데이터베이스, 또는 블록체인 등에 접속하여 필요한 정보를 최신 정보로 업데이트할 수 있다.
여기서 환자 정보라 함은 환자를 특정하고 객관적이면서 합리적인 의사대상을 추천하기에 유용한 정보라 할 수 있다. 일 예로, 기본적으로 환자 정보는 환자 특정을 위한 환자의 이름, 나이, 성별 등을 포함할 수 있으며, 특정된 환자에 대한 직업, 병력, 가족력, 흡연 이력, 음주 이력, 약물 이력, 여행 정보, 사고 정보, 신체검사 결과, 건강검진 결과, 혈액검사 결과, 영상촬영 결과 중 적어도 하나를 포함할 수 있다. 여기서 병력이라 함은 치료력, 수술력, 의무기록력 및 기타 병력을 포함할 수 있으며, 흡연, 음주, 직업, 여행 등 이외에도 취미나 스포츠 경력 등과 같은 다른 사회력을 더 포함할 수도 있다.
참고로, 병력 등과 같은 환자 정보는 과거 병력보다 신규 병력이 더 현재 상태를 파악하기 용이할 수 있으므로, 의료대상의 평가 스코어를 계산하는 단계에서, 신규 정보에 대한 가중치가 이미 기록된 저장 정보에 대한 가중치보다 같거나 높게 평가되는(rated) 것이 바람직할 수 있다.
쿼리(query)를 이용한 평가는 구체적으로 증상 및 진단 키워드 및 치료 키워드 등을 반영하여 수행될 수 있으며, 기타 내용을 포함하는 기타 키워드를 반영할 수도 있다.
예를 들어, 접속자가 '관절염'이나 '어깨 통증'과 같은 쿼리를 입력하면 이는 증상, 질병, 진단 등에 관한 증상 키워드(Dx keyword)로 분류될 수 있으며, '인공관절 수술'이나 '지방 흡입'과 같은 쿼리를 입력하며 이는 치료에 관한 치료 키워드(Tx keyword)로 분류될 수 있다. 만약, '관절염 인공관절'과 같은 쿼리를 입력하면 이는 증상 키워드 및 치료 키워드를 모두 포함하는 것으로 분류될 수 있다. 증상 키워드는 국제 질병 분류(ICD)를 참조하여 분류되는 질병명, 진단명을 이용하여 특정될 수도 있다.
그리고 특정 의사의 이름이나 특정 지역명, '명의', '여자 의사', '비밀 보장', '시설', '저렴' 등 증상이나 치료 계열이 아닌 다른 계열의 키워드가 입력된다면, 이는 기타 키워드로 분류될 수가 있다.
하지만, 추출된 증상 키워드가 암(cancer)에 관한 것이라면, 학술 스코어에 대한 가중치를 대상 스코어에 대한 가중치 및 리뷰 스코어에 대한 가중치보다 높게 평가하는 것도 가능하다.
추출된 키워드가 증상 키워드이면, 그 증상 키워드에 따라 대응 증상의 희귀성(rareness), 경중도(severity), 발병률(prevalence, frequency), 급성/만성도(chronicity), 응급성(emergency), 미용성형 목적(beauty), 보험적용(insurance), 전염성 중 적어도 하나를 평가 요소로 하고, 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 또는 리뷰 스코어에 대한 가중치를 기본값 또는 수정값으로 평가할 수 있다.
또한, 추출된 키워드가 치료 키워드이면, 그 추출된 치료 키워드에 따라 대응 치료의 난이도(intractability), 입원/외래여부(inpatient/outpatient), 수술/시술/투약 과정(surgery) 중 적어도 하나를 평가 요소로 하고, 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 또는 리뷰 스코어에 대한 가중치를 기본값 또는 수정값으로 평가할 수 있다.
또한, 추출된 키워드가 기타 키워드이면, 그 추출된 기타 키워드에 따라 환자의 거동성(movability), 프라이버시(privacy), 사회적 중요도(social issue), 사용자 가중치 조절(user tendency) 중 적어도 하나를 평가 요소로 하고, 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 또는 리뷰 스코어에 대한 가중치를 기본값 또는 수정값으로 평가할 수 있다.
접속자에게 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 또는 리뷰 스코어에 대한 가중치에 대한 결과 및 가중치 조절 인터페이스를 제공할 수 있으며, 접속자가 제시된 3가지 가중치를 조절하게 할 수 있다.
만약 접속자에 의해서 특정 가중치가 재조정되면 재조정된 가중치에 따라 평가 스코어가 재계산될 수 있으며, 재계산된 평가 스코어에 따라 적어도 하나의 의료대상을 접속자에게 다시 제공할 수 있다.
의료대상에 대해 학술 스코어를 저장하는 데이터베이스를 유지할 때, 학술 스코어는 의료대상의 논문 데이터를 반영하되, 논문 데이터는 논문의 개수, 각 논문별 인용 횟수 및 발행시점 데이터, 제1 저자 정보, 교신 또는 책임 저자 정보, 공동 저자 정보, 수록된 학술지 정보, 학술지의 임팩트 팩터(impact factor) 등을 비롯한 학술지 정보 및 평가 등급과, 논문 인용, 사용, 캡쳐, 언급, 및 소셜 미디어 활용 및 노출 횟수 등의 논문 자체의 정보 및 평가 등급, 그리고, 의사의 h-index 등 의사의 정보 및 평가 등급 중 적어도 하나를 포함할 수 있다. 또한, 학술 스코어는 일반적인 초록과 논문 데이터 외에도 세미나, 심포지움, 및 학회 학술 대회에서의 발표 자료 및 초록, 의견서, 레터, 연구 계획서, 사설, 기고 등 다양한 형태의 문헌, 특허, 뉴스, 텔레비전, 신문, 잡지 등의 미디어 자료 및 SNS(소셜네트워크서비스)를 포함한 다양한 데이터를 대상으로 할 수 있다. 또한, 이러한 데이터를 종합한 알트메트릭(Altmetric), 멘델레이(Medeley), PlumX metrics 등의 다양한 메타데이터 서비스를 이용할 수도 있다.
학술 스코어는 발행시점 데이터를 반영하여 계산하되, 동일 조건 하에서 발행시점이 최근인 논문의 학술 스코어가 오래된 논문의 학술 스코어보다 같거나 높게 계산되는 것이 유용할 수 있다. 또한, 학술 스코어뿐 아니라, 대상 스코어 및 리뷰 스코어 또한 최신의 스코어가 높게 계산되는 것이 유용할 수 있다.
사용자와 의료대상 간의 거리는 의료대상 추천에 중요한 고려 사항이 될 수 있다. 학술 스코어, 대상 스코어, 리뷰 스코어를 반영한 의료대상의 평가 스코어를 계산할 때 사용자와 가까운 의료대상을 우선 추천하는 것이 상식일 수 있다. 하지만, 특정한 상황에서는 먼 거리에 있더라도 의료대상을 추천하는 것이 유용할 수 있다. 예를 들면, 사용자 정보로 판단할 때, 환자의 상태가 최근 악화되었거나, 동일한 질환 및 병원에서의 치료에도 반응을 하지 않는 경우 등 보다 상위 레벨의 진단과 치료가 필요할 수 있다고 판단되는 경우와, 쿼리로 판단할 때, 암이나 중증의 질환 등의 증상과 진단일 가능성이 높은 경우와 보다 상위 단계의 특별한 진단과 치료가 필요하다고 판단되는 쿼리 등의 상황에서는 통상의 상식적 추천 기준에 얽매이지 않고 먼 거리에 있지만 특히 학술 및 대상 스코어가 높게 계산되는 의료대상을 추천하는 것이 유용할 수 있다. 이때의 의료대상의 평가 스코어의 계산 알고리즘과 관련한 가중치 부여는 사용자 및 제3자 가중치를 조절할 수도 있다.
본 명세서에서 의료대상은 의사에 한정되지 아니하며, 의사가 속한 의료진 또는 의사가 속한 병원이 될 수도 있다.
본 발명의 의료대상 치료방법에 따르면, 단순히 경험자들의 리뷰나 평가점수 등의 취합에만 한정되지 않고, 객관적인 기준으로 의료대상을 추천할 수 있다. 특히, 사용자가 입력한 정보, 새롭게 업데이트된 정보, 쿼리 입력에 따른 접속자 의도의 신속한 파악 등을 적용함으로써 비전문가도 전문가적인 관점에서 평가된 결과를 얻을 수가 있다.
특히, 환자의 상황이나 질병의 종류와 무관하게 일률적으로 추천결과를 제공하는 것과 달리, 환자의 상황이나 질병의 희귀성이나 난이도 등을 고려하여 종합적으로 추천 결과를 제공함으로써, 실질적으로 도움이 되는 결과를 제공할 수 있다.
또한, 의료 기술 및 정보가 빠르게 변화하는 시대 흐름을 반영하여, 실시간 동향에 따른 객관적이고 학문적인 성과를 고려하되, 시기적으로 가까운 기준에 가중치를 두어 소비자에게 가장 정확한 평가 결과에 따른 추천을 제공할 수 있다.
또한, 동일한 조건에서는 통상적으로는 가까운 의료대상을 우선 추천하지만, 사용자의 정보와 쿼리를 판단하여 중증의 상태 및 질환이거나, 어려운 진단, 시술 및 치료가 필요할 때는 멀더라도 학술 스코어 및 대상 스코어가 높은 의료대상을 우선 추천할 수 있다.
예를 들어, 추출된 증상 키워드에 따라 대응 증상의 희귀성(rareness), 경중도(severity), 발병률(prevalence, frequency), 급성/만성도(chronicity)가 소정의 경계값 이상이면, 학술 스코어 및 대상 스코어가 리뷰 스코어에 비해 상대적으로 높은 의료대상을 우선적으로 추천할 수 있다.
그 외에도, 다른 기준이 적용될 수 있는데, 예를 들어, 추출된 증상 키워드에 따라 대응 증상의 전염성이 소정의 경계값 이상이면, 접속자로부터 특정된 환자와 가까운 의료대상을 우선 추천할 수도 있다.
도 1은 본 발명의 일 실시예에 따른 의료대상 추천 방법의 과정을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 의료대상 추천 방법에 따라 쿼리에 따른 가중치 평가 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 의료대상 추천 방법에 따라 학술(AP) 스코어를 계산하는 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 의료대상 추천 방법을 수행하기 위한 서버 및 네트워크 관계를 설명하기 위한 도면이다.
이하 첨부된 도면들을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하지만, 본 발명이 실시예에 의해 제한되거나 한정되는 것은 아니다. 참고로, 본 설명에서 동일한 번호는 실질적으로 동일한 요소를 지칭하며, 상기 규칙 하에서 다른 도면에 기재된 내용은 인용하여 설명할 수 있고, 당업자에게 자명하다고 판단되거나 반복되는 내용은 생략될 수 있다.
도 1은 본 발명의 일 실시예에 따른 의료대상 추천 방법의 과정을 설명하기 위한 도면이고, 도 2는 본 발명의 일 실시예에 따른 의료대상 추천 방법에 따라 쿼리에 따른 가중치 평가 과정을 설명하기 위한 도면이고, 도 3은 본 발명의 일 실시예에 따른 의료대상 추천 방법에 따라 학술(AP) 스코어를 계산하는 과정을 설명하기 위한 도면이고, 도 4는 본 발명의 일 실시예에 따른 의료대상 추천 방법을 수행하기 위한 서버 및 네트워크 관계를 설명하기 위한 도면이다.
도 1 내지 도 4를 참조하면, 접속자는 스마트 폰(10)이나 PC 컴퓨터(20) 등을 통해서 서버(110)에 로그인 또는 비로그인 등을 통해 접속할 수 있으며(S120), 접속자는 서버(110)와 네트워크로 연결된 상태에서 쿼리 등을 입력할 수 있으며, 서버(110)는 접속자로부터 쿼리를 수신할 수 있다(S140).
서버(110)는 접속자로부터 수신된 쿼리를 데이터베이스(114) 등에 저장할 수 있으며, 서버의 검색부(113)는 쿼리를 기초로 외부 데이터베이스를 통해 환자 정보를 조회하거나 논문 데이터 등을 검색 및 추출할 수 있다. 서버의 연산부(112)는 환자 정보를 이용하여 후술하는 가중치에 반영하거나 논문 데이터를 참작하여 학술 스코어 등을 미리 계산할 수가 있다. 그리고 데이터베이스(114)에 저장된 학술 스코어, 대상 스코어, 리뷰 스코어 및 이들의 가중치 등을 고려하여 평가 스코어를 계산하고(S160), 최종 또는 임시로 평가 스코어에 따라 적어도 하나의 의료대상을 접속자에게 추천할 수 있다(S170).
이를 위해서 서버(110)는 연산부(112), 검색부(113) 및 데이터베이스(114)를 포함할 수 있다. 서버(110)는 외부와 데이터를 송수신하기 위한 통신부(115)를 더 포함할 수 있으며, 통신부(115)는 접속자로부터 쿼리를 수신하거나 외부 데이터베이스(30)로부터 검색 결과를 수신할 수 있다. 또한, 통신부(115)는 외부 데이터베이스(30)로 쿼리에 따른 검색 키워드를 송신할 수 있으며, 평가 스코어에 따른 의료대상 추천 결과를 접속자에게 실시간으로 제공할 수가 있다.
외부 데이터베이스(30)로는 공공데이터 서버, 민간데이터 서버 또는 블록체인 등이 될 수 있으며, 환자 정보 등을 열람하기 위해서라면 그 대상이 국가건강보험 관리공단, 건강보험심사평가원, 민간 보험회사, 국/공립 병원, 민간 병원, 민간 또는 상업 어플리케이션, 클라우드 등의 데이터베이스, 또는 블록체인 등이 될 수 있으며, 의료 관련 논문을 검색하기 위해서라면, 실시간 접속이 가능한 데이터베이스로서 Pubmed, Scopus, 구글 스콜라(Google scholar), 스코푸스(SCOPUS) 등을 대상으로 할 수 있고, 국내 검색 사이트로서 네이버 전문검색, NDSL, KCI, RISS 등을 이용할 수가 있으며, 알트메트릭(Altmetric), 멘델레이(Medeley) 메타데이터 서비스를 이용할 수도 있다. 또한, 학술 스코어 산출을 위하여 신문, 잡지, 라이오, TV, 인터넷 포털, 소셜 미디어, 소셜네트워크서비스 등에서 인용, 사용, 캡쳐, 언급, 및 소셜 미디어 활용 등의 데이터를 사용할 수 있으며, Altmetric 및 PlumX 메트릭스와 같은 메타데이터 서비스를 이용할 수도 있다.
상술한 바와 같이, 의료대상이라 함은 의사(doctor, physician, surgeon), 의료진 또는 병원을 포함하는 개념으로 이해될 수 있으며, 접속자가 원하는 조건에 따라 추천 결과를 특정 의사, 의료진 또는 병원명으로 추천할 수가 있다. 후술하겠지만, 평가 스코어는 의사 개인의 학술적 성과를 기준으로 취합될 수 있으며, 의료대상이 의료진인 경우에는 그 의료진에 포함된 의사들의 학술적 성과를 취합할 수 있으며, 의료대상이 병원인 경우에는 그 병원에 속한 의사들의 학술적 성과를 취합할 수가 있다.
본 실시예에 따른 의료대상 추천 방법에 따르면, 서버(110)는 의료대상에 대해 학술 스코어(AP 스코어), 대상 스코어(PP 스코어), 리뷰 스코어(RP 스코어)를 구분하는 데이터베이스(114)를 유지할 수 있다.
여기서, 학술 스코어(academic properties or academic scores)는 의료대상의 학술적 활동에 의해서 결정되는 평가지수로서, 평가 대상이 되는 자료는 논문에만 한정되지 아니하며, 일반적인 논문 자료 외에도 세미나, 심포지움, 및 학회 학술 대회에서의 발표 자료 및 초록, 의견서, 레터, 연구 계획서, 사설, 기고 등 다양한 형태의 문헌, 특허, 뉴스, 텔레비전, 신문, 잡지 등의 미디어 자료 및 SNS(소셜네트워크서비스)를 포함한 다양한 데이터를 대상으로 할 수 있다. 또한, 이러한 데이터를 종합한 알트메트릭(Altmetric), 멘델레이(Medeley), PlumX metrics 등의 다양한 메타데이터 서비스를 이용할 수도 있다.
논문 데이터에는 다양한 정보가 포함될 수 있다. 일 예로, 의료대상에 따라 검색되는 의사의 논문의 개수, 각 논문별 인용 횟수 및 발행시점 데이터, 제1 저자 정보, 교신 또는 책임 저자 정보, 공동 저자 정보, 수록된 학술지 정보, 학술지의 임팩트 팩터(impact factor) 등을 비롯한 학술지 정보 및 평가 등급과, 논문 인용, 사용, 캡쳐, 언급, 및 소셜 미디어 활용 및 노출 횟수 등의 논문 자체의 정보 및 평가 등급, 그리고, 의사의 h-index 등 의사의 정보 및 평가 등급 중 적어도 하나를 포함할 수 있다. 또한, 이외에도 논문 데이터에는 검색되는 의사가 속한 대학, 의사의 현재 지위, 전공의 이후의 근속연수 등을 포함할 수도 있다.
SNS(소셜네트워크서비스) 데이터의 경우도 다양한 정보가 포함될 수 있다. 인용(citation; 학술 인용(citation indexes), 특허 인용(patent citations), 임상 인용(clinical citations), 정책 인용(policy citation) 등), 사용(usage: 클릭(clicks), 내려받기(downloads), 보기(views), 라이브러리 만들기(library holdings), 동영상 보기(video plays) 등), 캡쳐(captures; 북마크(bookmarks), 코드 포크(code forks), 즐겨찾기(favorites), 추종자(followers), 청취자(readers), 시청자(watchers) 등), 유출 및 저장(exports/saves), 구독자(subscribers) 등), 언급(mentions; 블로그 올리기(blog posts), 코멘트(comments), 리뷰(reviews), 위키피디아 참고문헌(Wikipedia references), 뉴스(news media) 등), 그리고 소셜미디아(social media; 공유(shares), 좋아요(likes), 코멘트(comments), 트윗(tweets), 챗(chat) 등)의 데이터를 포함할 수 있으나, 이에 제한되지는 아니한다.
특정 의사를 대상으로 검색을 할 수도 있지만, 특정 증상이나 치료법, 병명 등을 기준으로 검색되는 논문 자료 또는 기타 학술적 성과를 모두 수집한 후, 그 결과를 의사별로 분리시키는 것도 가능하다.
대상 스코어(physician properties or physician scores)는 의료대상의 자격(qualification), 이력, 경력, 및 의학 및 의료 활동을 정량적으로 정리한 자료로 자격의 경우, 학력 및 학위, 수학, 수료 및 졸업한 교육기관의 종류 및 이름, 의료 대상이 보유한 자격증의 유무 및 종류, 전문의 여부 및 종류, 기타 의료 관련 자격 및 면허증 등을 포함할 수 있다. 이력 및 경력은 의료 대상의 연령, 성별, 수련, 전공 및 근무한 의료기관의 종류 및 이름, 보유한 자격에 따른 경력의 기간, 의료 대상이 밝힌 자신의 전문 분야 및 경험 분야, 참여한 미팅, 모임, 학회, 연구회, 세미나, 테스크포스, 위원회 등의 다양한 의료 및 의학 관련 조직 활동 및 수상 및 위촉 경력 등을 포함할 수 있다. 의료 활동은 의료 대상의 의학적 및 의료적 경험을 일컫는 것으로 진료 및 치료한 환자의 수, 시술 및 수술의 횟수, 처방 횟수, 보험 청구 횟수, 의뢰 및 의뢰받은 환자의 수 및 관련한 기간을 포함할 수 있다. 상기의 대상 스코어의 자격, 이력 및 경력, 그리고 의학 및 의료 활동에 대한 사례는 단순한 예시일 뿐 이를 포함하되, 제한되지는 아니한다.
리뷰 스코어(review properties or review scores)는 의료대상의 의료적 또는 사회적 활동에 대한 환자, 그 가족, 관련 종사자 등의 평가(review) 및 평판(reputation)에 의해서 결정되는 평가지수로서, 평가 대상이 되는 자료는 선경험자의 리뷰, 입소문, 동료 의사들의 추천, 포털, PRW 웹사이트 및 소셜네트워크서비스에서의 데이터 및 평가, 의료관련 클레임 및 소송, 전과 등을 반영하는 지수가 될 수 있다.
학술 스코어, 대상 스코어, 리뷰 스코어 등에 대한 데이터베이스는 실시간으로 업그레이드될 수 있으며, 접속자의 쿼리에 따라 그 대상이 추가될 수 있고, 의사협회에 등록된 회원을 기준으로 서버 내부적으로 구축될 수 있다.
데이터베이스(114)가 유지된 상황에서, 서버(110)는 접속자의 접속을 인지할 수 있다(S120). 여기서 접속자의 접속은 접속자의 로그인(log-in) 또는 사인인(sign-in)을 통해서 인지될 수 있으며, 회원가입이 되지 않았더라도 환자를 특정하거나 쿼리를 입력하는 과정에서 접속자의 접속을 인지할 수 있다.
만약, 접속자 또는 환자에 대한 정보를 서버(110)가 인지할 수 있다면, 쿼리를 수신하기 이전 또는 이후에 서버(110)는 내부 데이터베이스(114)나 외부 데이터베이스(30) 등을 통해서 환자 정보를 업데이트할 수 있다(S130).
접속자로부터 쿼리를 수신하면(S140), 서버(110)는 수신된 쿼리를 이용하여 평가 스코어를 계산하기 위한 가중치 평가를 수행할 수 있다(S150).
쿼리를 통해 가중치 평가를 수행하기 위해서, 서버(110)의 연산부(112)는 쿼리로부터 증상 키워드(Dx keyword), 치료 키워드(Tx keyword) 및 기타 키워드(ETC keyword) 중 적어도 하나를 추출할 수 있다. 그리고 추출된 증상 키워드, 치료 키워드 또는 기타 키워드를 이용하여 환자가 입력한 쿼리를 질병/증상/진단, 치료방법, 기타사항으로 나누고, 질병/증상/진단에 대해서도 다시 희귀성, 중증도, 발병율, 치료의 난이도, 수술여부, 환자의 거동성 등을 종합적으로 고려하여 학술 스코어에 대한 가중치(aap), 대상 스코어에 대한 가중치(app) 및 리뷰 스코어에 대한 가중치(arp)를 산출 및 평가할 수 있다.
이들 가중치가 산출되면, 학술 스코어에 대한 가중치(aap), 대상 스코어에 대한 가중치(app) 및 리뷰 스코어에 대한 가중치(arp)를 1차로 산출된 학술 스코어(Xap), 대상 스코어(Xpp), 및 리뷰 스코어(Xrp)에 각각 적용하여 2차로 가중치가 적용된 학술 스코어(Xap*), 대상 스코어(Xpp*), 및 리뷰 스코어(Xrp*)를 산출하고, 또는 이들을 이용하여 의료대상의 평가 스코어를 계산할 수 있다(S160). 그리고 평가 스코어에 따라 적어도 하나의 의료대상을 접속자에게 제공할 수 있다(S170).
접속자가 서버(110)에 접속하면, 서버(110)는 접속자의 개인 정보에 입력된 환자 정보를 호출하거나 접속자가 입력한 환자 정보를 참조할 수 있다. 상술한 바와 같이, 여기서 '환자'는 접속자 본인이거나 제3자일 수 있다.
서버(110)는 특정된 환자 정보에 대응하여 데이터베이스에 이미 기록된 저장 정보를 이용할 수 있다. 하지만, 이에 한정되지 아니하며 접속자가 접속하여 새로운 쿼리를 입력할 때를 기준으로 최신 정보를 수집하고 새롭게 조회된 신규 정보를 이용하는 것이 바람직하다.
신규 정보가 입력되면 서버(110)는 데이터베이스(114)에 이미 기록된 저장 정보(recorded information)와 신규 정보(new information)를 비교할 수 있으며, 데이터베이스(114)에 새로운 환자 정보를 추가하거나 기존 내용을 신규 내용으로 교체할 수가 있다.
신규 정보는 접속자에 의해서 입력된 정보이거나 서버에서 열람 가능한 공공데이터 서버, 민간데이터 서버 또는 블록체인으로부터 수집한 정보를 포함할 수 있다. 따라서, 열람 범위에 따라 외부의 데이터베이스(30), 예를 들어 국가건강보험 관리공단, 건강보험심사평가원, 민간 보험회사, 국/공립 병원, 민간 병원, 민간 또는 상업 어플리케이션, 클라우드 등의 데이터베이스, 또는 블록체인 등에 접속하여 필요한 정보를 최신 정보로 업데이트할 수 있다.
본 실시예에서 환자 정보는 환자 특정을 위한 환자의 이름, 나이, 성별 등을 포함할 수 있으며, 이 외에도 그 환자에 대한 직업, 병력, 가족력, 흡연 이력, 음주 이력, 약물 이력, 여행 정보, 사고 정보, 신체검사 결과, 건강검진 결과, 혈액검사 결과, 영상촬영 결과 등을 포함할 수 있다. 여기서 병력이라 함은 치료력, 수술력, 의무기록력 및 기타 병력을 포함할 수 있으며, 흡연, 음주, 직업, 여행 등 이외에도 취미나 스포츠 경력 등과 같은 다른 사회력을 더 포함할 수도 있다.
참고로, 병력 등과 같은 환자 정보는 과거 병력보다 신규 병력이 더 현재 상태를 파악하기 용이할 수 있으므로, 의료대상의 평가 스코어를 계산하는 단계에서, 신규 정보에 대한 가중치가 이미 기록된 저장 정보에 대한 가중치보다 같거나 높게 평가되는(rated) 것이 바람직할 수 있다.
앞에서는 환자 정보가 1인으로 특정되는 경우를 가정하였지만, 경우에 따라서는, 접속자는 환자 정보 없이 질병, 증상, 진단, 치료, 기타 사항만 입력하는 경우도 있을 수 있다. 본 발명에서도 접속자는 반드시 환자를 특정할 필요는 없으며, 환자를 특정하지 않고, 일반적인 환자를 대상으로 하는 쿼리를 입력하는 것도 가능하다.
접속자가 쿼리(query)를 제공하면, 서버(110)의 연산부(112)는 입력된 쿼리의 분석을 통해서 평가 스코어를 수정 및 보완하기 위한 가중치를 재조정할 수 있다. 일반적으로, 쿼리를 이용한 평가는 구체적으로 증상 키워드 및 치료 키워드 등을 반영하여 수행될 수 있으며, 기타 내용을 포함하는 기타 키워드를 반영할 수도 있다.
예를 들어, 접속자가 '관절염'이나 '어깨 통증'과 같은 쿼리를 입력하면 이는 증상, 질병, 진단 등에 관한 증상 키워드(Dx keyword)로 분류될 수 있으며, '인공관절 수술'이나 '지방 흡입'과 같은 쿼리를 입력하며 이는 치료에 관한 치료 키워드(Tx keyword)로 분류될 수 있다. 만약, '관절염 인공관절'과 같이 복합적인 개념의 쿼리를 입력하면 이는 증상 키워드 및 치료 키워드를 모두 포함하는 것으로 분류될 수 있다.
증상 키워드는 국제 질병 분류(ICD)를 참조하여 분류되는 질병명, 진단명을 이용하여 특정될 수도 있으며, 관습적으로 사용되는 질병명이나 진단명, 기타 불편한 부분이나 행위 등을 이용하여 특정될 수 있다.
그리고 특정 의사의 이름이나 특정 지역명, '여자 의사', '비밀 보장', '시설', '저렴' 등 증상이나 치료 계열이 아닌 다른 계열의 키워드가 입력된다면, 이는 기타 키워드로 분류될 수가 있다.
하지만, 추출된 증상 키워드가 암(cancer)에 관한 것이라면, 학술 스코어에 대한 가중치를 대상 스코어에 대한 가중치 및 리뷰 스코어에 대한 가중치보다 높게 평가하는 것도 가능하다. 왜냐하면, 암이나 기타 치명적인 질병인 경우, 학술적인 경험이나 사례를 중심으로 판단하는 것이 더 효율적일 수 있기 때문이다.
추출된 키워드가 증상 키워드이면, 그 증상 키워드에 따라 대응 증상의 희귀성(rareness), 경중도(severity), 발병률(prevalence, frequency), 급성/만성도(chronicity), 응급성(emergency), 미용성형 목적(beauty), 보험적용(insurance), 전염성 중 적어도 하나를 평가 요소로 하고, 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 또는 리뷰 스코어에 대한 가중치를 기본값 또는 수정값으로 평가할 수 있다.
예를 들어, 중증도가 높으면 학술 스코어를 약 10~20% 가산을 반영하는 것, 난치성이 높으면 학술 스코어 및 대상 스코어에 약 20~30% 가산을 반영하는 것, 희귀성이 높으면 학술 스코어에 약 40~50% 가산 반영하는 것 등이 가능하다.
또한, 추출된 키워드가 치료 키워드이면, 그 추출된 치료 키워드에 따라 대응 치료의 난이도(intractability), 입원/외래여부(inpatient/outpatient), 수술/시술/투약 과정(surgery) 중 적어도 하나를 평가 요소로 하고, 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 또는 리뷰 스코어에 대한 가중치를 기본값 또는 수정값으로 평가할 수 있다.
예를 들어, 치료를 위해 반드시 수술해야 하면 대상 스코어에 약 30~50% 가산을 반영할 수 있고, 입원이 필요하면 리뷰 스코어 약 10~30% 가산을 반영할 수 있다. 또한, 입원 기간에 따라서 리뷰 스코어가 중요하게 반영될 수도 있다.
또한, 추출된 키워드가 기타 키워드이면, 그 추출된 기타 키워드에 따라 환자의 거동성(movability), 프라이버시(privacy), 사회적 중요도(social issue), 사용자 가중치 조절(user tendency) 중 적어도 하나를 평가 요소로 하고, 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 또는 리뷰 스코어에 대한 가중치를 기본값 또는 수정값으로 평가할 수 있다.
접속자에게 학술 스코어에 대한 가중치, 대상 스코어에 대한 가중치 또는 리뷰 스코어에 대한 가중치에 대한 결과 및 가중치 조절 인터페이스를 제공할 수 있으며, 접속자가 제시된 3가지 가중치를 조절하게 할 수 있다.
만약 접속자에 의해서 특정 가중치가 재조정되면 재조정된 가중치에 따라 평가 스코어가 재계산될 수 있으며, 재계산된 평가 스코어에 따라 적어도 하나의 의료대상을 접속자에게 다시 제공할 수 있다.
의료대상에 대해 학술 스코어(Xap)를 저장하는 데이터베이스를 유지할 때, 학술 스코어는 의료대상의 논문 데이터를 반영하되, 논문 데이터는 논문의 개수, 각 논문 별 인용 횟수 및 발행시점 데이터, 제1 저자 정보, 교신 또는 책임 저자 정보, 공동 저자 정보, 수록된 학술지 정보, 학술지의 임팩트 팩터(impact factor) 등을 비롯한 학술지 정보 및 평가 등급과, 논문 인용, 사용, 캡쳐, 언급, 및 소셜 미디어 활용 및 노출 횟수 등의 논문 자체의 정보 및 평가 등급, 그리고, 의사의 h-index 등 의사의 정보 및 평가 등급 중 적어도 하나를 포함할 수 있다. 또한, 학술 스코어는 일반적인 초록과 논문 데이터 외에도 세미나, 심포지움, 및 학회 학술 대회에서의 발표 자료 및 초록, 의견서, 레터, 연구 계획서, 사설, 기고 등 다양한 형태의 문헌, 특허, 뉴스, 텔레비전, 신문, 잡지 등의 미디어 자료 및 SNS(소셜네트워크서비스)를 포함한 다양한 데이터를 대상으로 할 수 있다. 또한, 이러한 데이터를 종합한 알트메트릭(Altmetric), 멘델레이(Medeley), PlumX metrics 등의 다양한 메타데이터 서비스를 이용할 수도 있다.
데이터베이스에 저장된 학술 스코어(Xap)는 발행시점 데이터를 반영하여 계산되되, 동일 조건 하에서 발행시점이 최근인 논문의 학술 스코어가 오래된 논문의 학술 스코어보다 같거나 높게 계산되는 것이 유용할 수 있다.
서버(110)는 평가 스코어에 따른 의료대상 추천 결과를 접속자에게 실시간으로 제공할 수가 있다. 이를 위해서 학술 스코어도 실시간으로 계산하거나 미리 정해진 기본값 형성을 위해 일정 기간을 단위로 업데이트할 수가 있다.
학술 스코어 등을 산출하기 위해서 이용하는 외부 데이터베이스(30)로는 의료 관련 논문 검색이 가능하며, 실시간 접속이 가능한 데이터베이스로서 Pubmed, Scopus, 구글 스콜라(Google scholar), 스코푸스(SCOPUS) 등을 대상으로 할 수 있고, 국내 검색 사이트로서 네이버 전문검색, NDSL, KCI, RISS 등을 이용할 수가 있으며, 알트메트릭(Altmetric), 멘델레이(Medeley) 메타데이터 서비스를 이용할 수도 있다. 또한, 학술 스코어 산출을 위하여 신문, 잡지, 라이오, TV, 인터넷 포털, 소셜 미디어, 소셜네트워크서비스 등에서 인용, 사용, 캡쳐, 언급, 및 소셜 미디어 활용 등의 데이터를 사용할 수 있으며, Altmetric 및 PlumX 메트릭스와 같은 메타데이터 서비스를 이용할 수도 있다.
상술한 바와 같이, 의료대상이라 함은 의사(doctor, physician, surgeon), 의료진 또는 병원을 포함하는 개념으로 이해될 수 있으며, 접속자가 원하는 조건에 따라 추천 결과를 특정 의사, 의료진 또는 병원명으로 추천할 수가 있다. 학술 스코어는 의사 개인의 학술적 성과를 기준으로 취합될 수 있으며, 의료대상이 의료진인 경우에는 그 의료진에 포함된 의사들의 학술적 성과를 취합할 수 있으며, 의료대상이 병원인 경우에는 그 병원에 속한 의사들의 학술적 성과를 취합할 수가 있다.
쿼리가 입력되면, 검색부(113)는 입력된 쿼리를 그대로 외부 데이터베이스(30)에 검색 결과를 요청할 수 있지만, 경우에 따라서는 입력된 쿼리를 검색이 용이하도록 표준화를 하거나 유사 검색어를 더 추가하여 외부 데이터베이스(30)를 통해 논문 등의 학술자료를 검색할 수 있다. 검색되는 자료는 논문에만 한정되지 아니하며, 일반적인 초록과 논문 데이터 외에도 세미나, 심포지움, 및 학회 학술 대회에서의 발표 자료 및 초록, 의견서, 레터, 연구 계획서, 사설, 기고 등 다양한 형태의 문헌, 특허, 뉴스, 텔레비전, 신문, 잡지 등의 미디어 자료 및 SNS(소셜네트워크서비스)를 포함한 다양한 데이터를 대상으로 할 수 있다. 또한, 이러한 데이터를 종합한 알트메트릭(Altmetric), 멘델레이(Medeley), PlumX metrics 등의 다양한 메타데이터 서비스를 이용할 수도 있다.
논문 데이터에는 다양한 정보가 포함될 수 있다. 일 예로, 의료대상에 따라 검색되는 의사의 논문의 개수, 각 논문 별 인용 횟수 및 발행시점 데이터, 제1 저자 정보, 교신 또는 책임 저자 정보, 공동 저자 정보, 수록된 학술지 정보, 학술지의 임팩트 팩터(impact factor) 등을 비롯한 학술지 정보 및 평가 등급과, 논문 인용, 사용, 캡쳐, 언급, 및 소셜 미디어 활용 및 노출 횟수 등의 논문 자체의 정보 및 평가 등급, 그리고, 의사의 h-index 등 의사의 정보 및 평가 등급 중 적어도 하나를 포함할 수 있다. 또한, 이외에도 논문 데이터에는 검색되는 의사가 속한 대학, 의사의 현재 지위, 전공의 이후의 근속연수 등을 포함할 수도 있다.
의사별로 논문 데이터가 수집되면, 서버의 연산부(112)는 다양한 방식에 따라 의료대상의 학술 스코어를 계산할 수 있다. 여기서, 논문 데이터만을 이용하여 평가 스코어가 계산될 수 있지만, 이에 한정되지 아니하며 대상 스코어 및 리뷰 스코어를 반영하여 의료대상 평가 스코어를 계산할 수 있다.
Figure 112020024605812-pat00001
위 수학식은 의료대상 평가 스코어(Xscore)를 계산하기 위한 식으로서, 본 실시예에서는 선경험자의 리뷰 스코어(Xrp *), 대상 스코어(Xpp *) 및 학술 스코어(Xap *)를 포함하여 계산될 수 있다. 증상 키워드 등에 의해서 판단되는 희귀성, 경중도, 급성도, 만성도 등에 따라 지역 근접도 등에 따른 스코어(Xlocation *)의 요소를 경감하여 고려될 수 있다.
평가 스코어(Xscore)를 산출하기 위해서 그 중요도에 따라 가중치를 달리할 수 있다. 위 식에서 arp는 리뷰의 가중치이고, at(i)는 논문 데이터의 가중치, app는 의료대상의 자격, 이력 등에 의한 대상 스코어의 가중치, alocation은 환자와 의료대상 간의 사회적 또는 지리적 근접도에 의한 가중치가 될 수 있다. 모두 동일한 요소로 판단되는 경우 가중치는 모두 1이겠지만, 가중치에 따라 1보다 작거나 1보다 큰 수로 특정될 수가 있다.
하지만, 선경험자들의 리뷰만으로는 이러한 최근 동향을 반영할 수 없으며, 논문도 게재되는 학술지의 수준은 물론 얼마나 최근에 발표된 자료인가에 따라서 달리 평가될 수 있다.
따라서, 학술 스코어(Xap *)와 관련하여, 외부 데이터베이스를 통해 추출되는 논문 데이터는 논문의 발행시점 데이터를 포함할 수 있으며, 서버(110)의 연산부(112)는 평가 스코어를 계산하는 단계에서 논문 데이터에 포함된 발행시점 데이터에 따라 학술 스코어를 달리 평가하도록 할 수가 있다.
학술 스코어(Xap *)를 계산함에 있어서, 다른 조건이 동일하고 발행시점이 다르다는 조건 하에서 발행시점이 최근인 논문의 학술 스코어는 오래된 논문의 학술 스코어보다 같거나 높게 계산되는 것이 바람직하다.
여기서, 기본적인 학술 스코어(Xap)는 자체의 수준, 학술지의 수준, 제1 저자인지 여부, 공동 저자인지 여부 등에 따라 다른 학술 스코어를 가질 수 있다. 일 예로, 논문의 저자가 대표저자 또는 제1 저자이거나 교신저자(corresponding author)인 경우에는 단순 공동저자(co-author)인 경우보다 더 높은 저자 스코어(Xa)를 얻을 수 있다.
또한, 게재된 학술지의 등급 또는 구분이 SCI, SCIE, KCI, KCIC 또는 상기 인덱스에 비등재된 학술지 등 다양할 수 있는데, 일 예로 SCIE 급 학술지인 경우 학술지 스코어(Xs)가 2점, KCI 급의 학술지 또는 학회지인 경우에는 학술지 스코어(Xs)가 1점, KCIC 급의 학술지 또는 학회지인 경우에는 학술지 스코어(Xs)가 0.5점, 그리고 그 외 학술지인 경우에는 0.2점를 설정할 수 있다. 또한, 학술지의 임팩트 팩터에 따른 IF 스코어(Xif)도 추가로 반영할 수 있다.
이들을 고려할 때, 학술 스코어(Xap)는 다음과 같이 설정이 가능하다.
Figure 112020024605812-pat00002
이 외에도 다양한 조건을 설정할 수 있는데, 아래와 같이, 학술 스코어(Xap)에서 IF 스코어(Xif)의 영향력을 더욱 강화하여 (1+ Xif)를 고려할 수도 있다.
Figure 112020024605812-pat00003
또한, 아래와 같이, 임팩트 팩터 반영치(0≤M≤1)를 이용하여, 반영치에 따라 임팩트 팩터가 고려되는 정도를 조절할 수도 있다.
Figure 112020024605812-pat00004
또한, 논문이 여러 개인 경우 논문 데이터를 이용한 학술 스코어의 합계(Xap_TOT)는 각 논문의 개별 스코어(Xap(i)*)의 합계일 수 있으며, 이는 아래와 같이 표현될 수가 있다.
Figure 112020024605812-pat00005
여기서, Xap(i)는 각 논문의 개별 스코어이고, at(i)는 각 논문의 발행시점 가중치일 수 있다.
이와 같이 계산된 학술 스코어(Xap)는 발행시점 가중치(at)를 감안하여, 위 평가 스코어(Xscore)에 반영될 수가 있다. 평가 스코어(Xscore)는 쿼리에 따른 의사들 모두 또는 일부에 대해서 수행될 수 있으며, 높은 평가 스코어를 받은 의사들 중 5개, 10개 등 정해진 개수만큼 리스트에 반영할 수가 있다.
리뷰 스코어(Xrp *), 대상 스코어(Xpp *) 역시 다양한 방법에 의해서 결정될 수 있지만, 각 변수에 대해서는 시대에 맞는 가중치를 줄 수 있다. 예를 들어, 일정기간 동안의 점수를 계산하고, 최근에 새로 추가된 리뷰 스코어 및 대상 스코어 요소에 대해 더 가중치를 둘 수 있다. 이를 위해서, 10년간의 대상 스코어 및 리뷰 스코어에 반영될 수 있는 요소를 연간 단위로 계산하고, 최근 추가된 것에 가중치를 둘 수 있다.
대상 스코어(Xpp *)는 의료대상의 자격, 이력 및 경력, 의학 및 의료활동 등에 대상 스코어에 대한 가중치(app)를 반영한 것으로서, 구체적으로 의료대상의 학위, 의사자격증 유무, 전문의자격증 갯수, 세부전문의자격증 갯수, 기타의료 관련자격 및 면허증, 의료대상이 속한 대학 랭킹 등을 반영할 수 있다.
일 예로, 의료대상의 학위는 의학사, 석사, 박사의 순으로 점수를 부여할 수 있으며, 자격증 역시 유무 및 갯수에 따라 점수를 부여할 수 있고, 대학 랭킹도 다양한 매체를 통해서 발표되는 자료를 이용할 수 있다. 대상 스코어의 산출 방식은 당시 사회의 가치에 따라 가중치 달라질 수 있다.
대상 스코어를 산출함에 있어서, 이력이나 경력도 반영될 수 있다. 이를 위해서, 의료대상의 연령, 성별, 수련의 및 전공의 근무병원, 의사경력 기간, 전문의경력 기간, 세부전문의 경력 기간, 기타 의료 관련 자격 및 면허 기간, 전문 분야 및 경험 분야 갯수, 참여 미팅의 수 및 랭킹, 수상 갯수, 위촉 횟수, 기타 의료 및 의학관련 위촉 및 수상 등을 반영할 수 있다.
구체적으로, 연령은 일반적으로 점수에 반영되는 지분이 작으나 사용자에 따라서는 특정 연령대를 선호할 수 있으며, 신경외과 등의 전공분야에서는 상대적으로 중요하게 반영될 수 있다. 성별 역시 대부분은 점수가 안 되겠으나, 특정 성별을 선호하는 특정 분야(ex. 산부인과)에서는 달리 판단도리 수 있다.
전문 분야 및 경험 분야와 관련하여, 논문의 키워드 등에서 객관적으로 뽑을 수 있는 전문 분야는 갯수가 많을수록 점수에 높게 반영될 수 있고, 경험 분야는 의료 대상이 직접 기술한 분야로 갯수에 따라 점수에 높게 반영될 수 있다.
참여미팅은 참여하는 미팅, 모임, 학회, 연구회, 세미나, 테스크포스, 위원회 등의 다양한 의료 및 의학 관련 조직 활동의 갯수에 따라 점수에 달리 반영될 수 있고, 해당 분야에서의 수상 및 위촉과 관련된 내용도 대상 스코어에 반영될 수 있다.
대상 스코어를 산출함에 있어서, 의학 및 의료활동도 반영될 수 있다. 이들 요소는 의료활동에 기록된 환자수, 검사수, 판독 및 판정수, 진단수, 시술수, 수술수, 처방수, 보험청구수, 의뢰한 환자수, 의뢰받은 환자수 등이 고려될 수 있다.
의학 및 의료활동에 대한 점수는 기본적으로 많으면 많을수록 점수가 높을 수 있다. 진단수는 진단의 중증도에 따라 가중치를 부여할 수 있으며, 이때 중증도는 심평원 등의 분류를 참조할 수 있다.
시술수, 수술수, 처방수, 보험청구수 등은 많을수록, 보험청구 비용이 높은 치료일수록 가중치를 줄 수 있으며, 다른 의사나 의료기관으로 의뢰한 환자수는 작을수록, 의뢰받은 환자는 많을 수록 점수가 달라질 수 있다.
리뷰 스코어(Xrp *)는 의료대상에 대한 리뷰, 입소문, 추천, 댓글, SNS 데이터, 클레임, 민원, 소송, 전과 등 및 그에 따른 가중치(arp)를 반영한 것일 수 있다.
일반적으로, 의료대상에 대한 리뷰, 입소문, 추천, 댓글, SNS 데이터는 그 개수 및 긍정/부정도에 따라 점수가 달라질 수 있는데, 객관적이지 못한 악의적 리뷰나 광고성 리뷰가 포함될 수 있기 때문에 이를 선별하거나 가중치 등을 조절할 필요가 있다.
SNS 데이터는 크게 인용, 사용, 캡쳐, 언급, 유통되는 소셜미디어로 구분될 수 있고, 그 갯수에 따라 점수를 달리 반영할 수 있다. 또한, 각 SNS 데이터에서 좋아요/공유/리트위트 등의 추가 파급에 대해서는 가중치를 달리 부여할 수 있다. 리뷰 중 클레임, 민원, 소송, 전과 등이 적을수록 스코어나 가중치가 증가될 수 있다.
물론, 상술한 학술 스코어, 대상 스코어 및 리뷰 스코어의 반영 기준은 일 예시일 뿐, 위 기준에 본 발명이 한정되지는 않을 수 있다.
의료 기술 및 정보가 빠르게 변화하는 시대 흐름을 반영하여, 실시간 동향에 따른 객관적이고 학문적인 성과를 고려하되, 시기적으로 가까운 기준에 가중치를 두어 소비자에게 가장 정확한 평가 결과에 따른 추천을 제공할 수 있다.
동일한 조건에서는 통상적으로는 가까운 의료대상을 우선 추천하지만, 사용자의 정보와 쿼리를 판단하여 중증의 상태 및 질환이거나, 어려운 진단, 시술 및 치료가 필요할 때는 멀더라도 학술 스코어 및 대상 스코어가 높은 의료대상을 우선 추천할 수 있다.
예를 들어, 추출된 증상 키워드에 따라 대응 증상의 희귀성(rareness), 경중도(severity), 발병률(prevalence, frequency), 급성/만성도(chronicity)가 소정의 경계값 이상이면, 학술 스코어 및 대상 스코어에 상대적으로 높은 가중치를 부여하여 리뷰 스코어에 비해 상대적으로 학술 스코어 및 대상 스코어가 높은 의료대상이 우선적으로 추천되도록 조절할 수 있다.
또한, 반대로 빠른 치료가 필요한 경우에는 근접도에 대한 스코어(Xlocation *)를 높게 반영하는 것도 가능하다. 예를 들어, 추출된 증상 키워드에 따라 대응 증상의 전염성이 소정의 경계값 이상이면, 근접도에 대한 가중치(alocation)를 높게 부여하여 접속자나 환자로부터 가까운 의료대상을 우선적으로 추천되게 할 수도 있다.
이를 통해서 접속자는 객관적 기준에 따른 의사 또는 의료대상의 리스트를 획득할 수 있으며, 학술 스코어, 대상 스코어, 리뷰 스코어 등을 반영한 결과를 이용하여 가장 최근에 활발한 활동과 성과를 얻고 있는 의사가 누구인지 혹은 어디에 속하는지를 확인할 수가 있다.
물론, 위 실시예에서는 쿼리에 따라, 한 개 또는 복수의 의료대상을 추천하는 것에 관한 것이라며, 이와 다르게 특정 의료대상에 대해 평가 스코어만 제공하는 것도 가능하다.
상술한 바와 같이, 본 발명의 바람직한 실시예를 참조하여 설명하였지만 해당 기술분야의 숙련된 당업자라면 하기의 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10 : 스마트폰 20 : PC
30 : 외부 데이터베이스 110 : 서버
112 : 연산부 113 : 검색부
113 : 데이터베이스

Claims (17)

  1. 서버에 접속한 접속자에게 적어도 한 명의 의사를 포함하는 의료대상을 추천하는 방법에 있어서,
    상기 서버는 상기 의료대상에 대해 학술 스코어, 대상 스코어, 리뷰 스코어를 구분하는 데이터베이스를 유지하는 단계;
    상기 접속자로부터 쿼리를 수신하는 단계;
    상기 쿼리로부터 증상 키워드, 치료 키워드 및 기타 키워드 중 적어도 하나를 추출하는 단계;
    상기 쿼리로부터 추출된 상기 증상 키워드, 상기 치료 키워드 또는 상기 기타 키워드를 이용하여 상기 학술 스코어에 대한 가중치, 상기 대상 스코어에 대한 가중치 및 상기 리뷰 스코어에 대한 가중치를 평가하는(rating) 단계;
    상기 학술 스코어에 대한 가중치, 상기 대상 스코어에 대한 가중치 및 상기 리뷰 스코어에 대한 가중치를 상기 학술 스코어, 상기 대상 스코어, 및 상기 리뷰 스코어에 각각 적용하여 의료대상의 평가 스코어를 계산하는 단계; 및
    상기 평가 스코어에 따라 적어도 하나의 의료대상을 상기 접속자에게 제공하는 단계;를 포함하며,
    상기 접속자로부터 환자에 대한 환자 정보를 수신하는 단계를 더 포함하며, 상기 환자는 상기 접속자가 제공한 상기 환자 정보에 의해서 특정되는 본인 또는 제3자인 것을 특징으로 하는 의료대상 추천 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 서버는 상기 환자 정보에 대응하여 이미 기록된 저장 정보 또는 새롭게 조회된 신규 정보를 이용하여 상기 환자 정보에 대한 상기 저장 정보를 갱신하는 것을 특징으로 하는 의료대상 추천 방법.
  4. 제3항에 있어서,
    상기 신규 정보는 상기 접속자에 의해서 입력된 정보이거나 상기 서버가 열람 가능한 공공데이터 서버, 민간데이터 서버 또는 블록체인으로부터 수집한 정보를 포함하는 것을 특징으로 하는 의료대상 추천 방법.
  5. 제3항에 있어서,
    상기 환자 정보는 환자의 이름, 나이, 성별, 직업, 병력, 가족력, 흡연 이력, 음주 이력, 약물 이력, 여행 정보, 사고 정보, 신체검사 결과, 건강검진 결과, 혈액검사 결과, 영상촬영 결과 중 적어도 하나를 포함하는 것을 특징으로 하는 의료대상 추천 방법.
  6. 제3항에 있어서,
    상기 의료대상의 상기 평가 스코어를 계산하는 단계에서, 상기 신규 정보에 대한 가중치가 상기 이미 기록된 저장 정보에 대한 가중치보다 같거나 높게 평가되는(rated) 것을 특징으로 하는 의료대상 추천 방법.
  7. 제1항에 있어서,
    상기 증상 키워드는 국제 질병 분류(ICD)를 참조하여 분류되는 질병명, 진단명을 이용하여 특정되는 것을 특징으로 하는 의료대상 추천 방법.
  8. 제1항에 있어서,
    추출된 상기 증상 키워드가 암(cancer)에 관한 것이라면, 상기 학술 스코어에 대한 가중치를 상기 대상 스코어에 대한 가중치 및 상기 리뷰 스코어에 대한 가중치보다 높게 평가하는 것을 특징으로 하는 의료대상 추천 방법.
  9. 제1항에 있어서,
    추출된 상기 증상 키워드에 따라 대응 증상의 희귀성(rareness), 경중도(severity), 발병률(prevalence, frequency), 급성/만성도(chronicity), 응급성(emergency), 미용성형 목적(beauty), 보험적용(insurance), 전염성 중 적어도 하나를 평가 요소로 하고, 상기 학술 스코어에 대한 가중치, 상기 대상 스코어에 대한 가중치 또는 상기 리뷰 스코어에 대한 가중치를 평가하는 것을 특징으로 하는 의료대상 추천 방법.
  10. 제1항에 있어서,
    추출된 상기 치료 키워드에 따라 대응 치료의 난이도(intractability), 입원/외래여부(inpatient/outpatient), 수술/시술/투약 과정(surgery) 중 적어도 하나를 평가 요소로 하고, 상기 학술 스코어에 대한 가중치, 상기 대상 스코어에 대한 가중치 또는 상기 리뷰 스코어에 대한 가중치를 평가하는 것을 특징으로 하는 의료대상 추천 방법.
  11. 제1항에 있어서,
    추출된 상기 기타 키워드에 따라 환자의 거동성(movability), 프라이버시(privacy), 사회적 중요도(social issue), 사용자 가중치 조절(user tendency) 중 적어도 하나를 평가 요소로 하고, 상기 학술 스코어에 대한 가중치, 상기 대상 스코어에 대한 가중치 또는 상기 리뷰 스코어에 대한 가중치를 평가하는 것을 특징으로 하는 의료대상 추천 방법.
  12. 제1항에 있어서,
    상기 접속자에게 상기 학술 스코어에 대한 가중치, 상기 대상 스코어에 대한 가중치 또는 상기 리뷰 스코어에 대한 가중치에 대한 결과 및 가중치 조절 인터페이스를 제공하며,
    상기 접속자에 의해서 가중치가 재조정되면 재조정된 가중치에 따라 상기 평가 스코어가 재계산되고, 재계산된 상기 평가 스코어에 따라 적어도 하나의 의료대상을 상기 접속자에게 다시 제공하는 것을 특징으로 하는 의료대상 추천 방법.
  13. 제1항에 있어서,
    상기 의료대상에 대해 학술 스코어를 저장하는 상기 데이터베이스를 유지할 때, 상기 학술 스코어는 상기 의료대상의 논문 데이터를 반영하되, 상기 논문 데이터는 논문의 개수, 각 논문 별 발행시점 데이터, 제1 저자 정보, 교신 또는 책임 저자 정보, 공동 저자 정보, 수록된 학술지 정보, 학술지의 임팩트 팩터 및 의사의 h-index 중 적어도 하나를 포함하는 것을 특징으로 하는 의료대상 추천 방법.
  14. 제13항에 있어서,
    상기 학술 스코어는 상기 발행시점 데이터를 반영하여 계산되되, 동일 조건 하에서 발행시점이 최근인 논문의 학술 스코어가 오래된 논문의 학술 스코어보다 같거나 높게 계산되는 것을 특징으로 하는 의료대상 추천 방법.
  15. 제1항에 있어서,
    추출된 상기 증상 키워드에 따라 대응 증상의 희귀성(rareness), 경중도(severity), 발병률(prevalence, frequency), 급성/만성도(chronicity)가 소정의 경계값 이상이면, 상기 학술 스코어 및 상기 대상 스코어가 상기 리뷰 스코어에 비해 상대적으로 높은 의료대상을 우선적으로 추천할 수 있는 것을 특징으로 하는 의료대상 추천 방법.
  16. 제1항에 있어서,
    추출된 상기 증상 키워드에 따라 대응 증상의 전염성이 소정의 경계값 이상이면, 상기 접속자로부터 특정된 환자와 가까운 의료대상을 우선 추천할 수 있는 것을 특징으로 하는 의료대상 추천 방법.
  17. 제1항에 있어서,
    상기 의료대상은 의사, 의사가 속한 의료진 또는 의사가 속한 병원인 것을 특징으로 하는 의료대상 추천 방법.
KR1020200028916A 2020-03-09 2020-03-09 사용자 정보 및 쿼리 분석을 통해 의료대상 추천 방법 KR102395921B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200028916A KR102395921B1 (ko) 2020-03-09 2020-03-09 사용자 정보 및 쿼리 분석을 통해 의료대상 추천 방법
PCT/IB2021/051790 WO2021181212A1 (ko) 2020-03-09 2021-03-04 사용자 정보 및 쿼리 분석을 통해 의료대상 추천 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200028916A KR102395921B1 (ko) 2020-03-09 2020-03-09 사용자 정보 및 쿼리 분석을 통해 의료대상 추천 방법

Publications (2)

Publication Number Publication Date
KR20210113769A KR20210113769A (ko) 2021-09-17
KR102395921B1 true KR102395921B1 (ko) 2022-05-06

Family

ID=77672033

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200028916A KR102395921B1 (ko) 2020-03-09 2020-03-09 사용자 정보 및 쿼리 분석을 통해 의료대상 추천 방법

Country Status (2)

Country Link
KR (1) KR102395921B1 (ko)
WO (1) WO2021181212A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102616582B1 (ko) * 2023-07-13 2023-12-21 솔닥 주식회사 비대면 진료를 위한 의료진 매칭 방법 및 이를 수행하기위한 서버
KR102653219B1 (ko) * 2023-12-04 2024-03-29 최용석 Ai 모델을 이용한 맞춤형 화장품 추천 서버 및 이를 이용한 맞춤형 화장품 추천 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101928533B1 (ko) * 2017-10-20 2018-12-12 조현철 학문적 성과를 이용한 정량적 의사 평가에 기초한 의료대상 추천 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100781399B1 (ko) * 2005-07-26 2007-11-30 연세대학교 산학협력단 사용자의 상황에 따라 추천 엔진별 가중치를 부여하는장치, 방법 및 이를 구현할 수 있는 컴퓨터로 읽을 수 있는기록 매체
KR101398383B1 (ko) * 2012-05-21 2014-05-22 주식회사 유비케어 건강정보에 기반한 병원 검색 장치 및 방법
KR20180048062A (ko) * 2016-11-02 2018-05-10 현재원 의료 정보 제공 방법 및 그 장치
KR102141244B1 (ko) * 2018-03-13 2020-09-14 박종현 사용자 맞춤형 병원 예약 추천 방법 및 장치
KR102085377B1 (ko) * 2020-01-08 2020-03-05 박도언 의사 검색 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101928533B1 (ko) * 2017-10-20 2018-12-12 조현철 학문적 성과를 이용한 정량적 의사 평가에 기초한 의료대상 추천 방법

Also Published As

Publication number Publication date
WO2021181212A1 (ko) 2021-09-16
KR20210113769A (ko) 2021-09-17

Similar Documents

Publication Publication Date Title
Dossa et al. Sex differences in the pattern of patient referrals to male and female surgeons
Mossabir et al. A scoping review to understand the effectiveness of linking schemes from healthcare providers to community resources to improve the health and well‐being of people with long‐term conditions
Baker et al. Physician practice competition and prices paid by private insurers for office visits
Whaley et al. Association between availability of health service prices and payments for these services
Baker et al. Health insurance and access to care for symptomatic conditions
McWilliams et al. Outpatient care patterns and organizational accountability in Medicare
Kuo et al. Curbside consultation practices and attitudes among primary care physicians and medical subspecialists
Keating et al. Physicians' experiences and beliefs regarding informal consultation
Wu et al. Quality of care and outcomes of adults with asthma treated by specialists and generalists in managed care
Chen et al. Comparison of clinical trial changes in primary outcome and reported intervention effect size between trial registration and publication
Rockett et al. Beyond suicide: action needed to improve self-injury mortality accounting
KR101928533B1 (ko) 학문적 성과를 이용한 정량적 의사 평가에 기초한 의료대상 추천 방법
Barnett et al. Trends in outpatient telemedicine utilization among rural Medicare beneficiaries, 2010 to 2019
Bauchner et al. Health care spending in the United States compared with 10 other high-income countries: what Uwe Reinhardt might have said
Brennan et al. Time to release medicare advantage claims data
Fernandez et al. Friend or Foe?: How Primary Care Physicians Perceive Hospitalists
Sakai-Bizmark et al. Evaluation of hospital cesarean delivery–related profits and rates in the United States
Leonardi et al. Publicly available hospital comparison web sites: determination of useful, valid, and appropriate information for comparing surgical quality
McBain et al. Expansion of telehealth availability for mental health care after state-level policy changes from 2019 to 2022
KR102395921B1 (ko) 사용자 정보 및 쿼리 분석을 통해 의료대상 추천 방법
Stagg et al. Association of social support network size with receipt of cataract surgery in older adults
Lowe et al. Nurse practitioner work patterns: A cross‐sectional study
Aiken et al. Factors associated with knowledge and experience of self-managed abortion among patients seeking care at 49 US abortion clinics
Ioannidis et al. Federal funding and citation metrics of US biomedical researchers, 1996 to 2022
Faragher et al. Utilization of telehealth technology in addiction treatment in Colorado

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant