TWI783172B - 用於處理處方之裝置及方法 - Google Patents

用於處理處方之裝置及方法 Download PDF

Info

Publication number
TWI783172B
TWI783172B TW108132337A TW108132337A TWI783172B TW I783172 B TWI783172 B TW I783172B TW 108132337 A TW108132337 A TW 108132337A TW 108132337 A TW108132337 A TW 108132337A TW I783172 B TWI783172 B TW I783172B
Authority
TW
Taiwan
Prior art keywords
code
drug
weights
codes
threshold
Prior art date
Application number
TW108132337A
Other languages
English (en)
Other versions
TW202111723A (zh
Inventor
李友專
Original Assignee
臺北醫學大學
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 臺北醫學大學 filed Critical 臺北醫學大學
Priority to TW108132337A priority Critical patent/TWI783172B/zh
Publication of TW202111723A publication Critical patent/TW202111723A/zh
Application granted granted Critical
Publication of TWI783172B publication Critical patent/TWI783172B/zh

Links

Images

Landscapes

  • Medical Treatment And Welfare Office Work (AREA)
  • Medicines Containing Plant Substances (AREA)
  • Control And Other Processes For Unpacking Of Materials (AREA)

Abstract

本發明介紹一種用於處理處方之裝置及方法。該裝置包括至少一個非暫時性電腦可讀媒體及至少一個處理器。該至少一個非暫時性電腦可讀媒體及電腦可執行指令與該至少一個處理器經組態以使得該裝置執行：接收包含至少一個診斷代碼及至少一個藥物分類之第一代碼集；輸出該第一代碼集之一或多個藥物代碼；接收回應於所輸出藥物代碼之第一訊息；以及更新與該至少一個處理器通訊之資料庫中之與所輸出藥物代碼相關聯的第一權重及第二權重。因此，該裝置及方法增強處方之精確性、減小藥物錯誤之可能性、削減醫療支出，且挽救患者之生命。

Description

用於處理處方之裝置及方法
本發明係關於一種用於處理處方之裝置及方法。更特定言之，本發明係關於一種用於偵測藥物錯誤之裝置及方法。
常見之藥物錯誤危害患者之健康或甚至造成患者最終出現危及生命之病症，而且極大且不知不覺地增加醫療支出。若在開處方時或在由不同專家開處之藥物之間的交叉反應之情況下，醫師未考慮患者之病況，則將發生此情況。
統計資料報導在美國每年接近100,000名個體死於可預防的醫療錯誤，大部分為藥物錯誤。另外，研究亦報導39%藥物錯誤發生在開處方期間；12%發生在處方轉錄/登打；11%發生在藥房調配，及39%發生在交付或實際使用上。僅2%藥物錯誤在藥物投與過程中的一些時刻被攔截。鑒於上文，為了偵測藥物錯誤，需要提供一種用於處理處方之裝置及方法以幫助醫師及藥劑師判定處方之適當性。
為改良偵測藥物錯誤之效率，吾等使用用於辨識診斷-藥物相關性及藥物-藥物相關性之資料採擷技術之集合以便開發處理處方之機率模型。然而，可基於新適應症、標籤外使用（off-label uses）或醫生之經驗的一些藥物可偵測為藥物錯誤，且將發生頻繁警告或通知。此外，一些錯誤的診斷-藥物相關性(偽相關性)可發生在資料採擷期間。舉例而言，抗高血壓藥劑可相對於高血壓及糖尿病兩者具有高相關性，此係因為糖尿病患者經常患有高血壓。
在一個態樣中，根據一些實施例，裝置包含至少一個非暫時性電腦可讀媒體及至少一個處理器。至少一個非暫時性電腦可讀媒體具有儲存於其中之電腦可執行指令。至少一個處理器耦接至至少一個非暫時性電腦可讀媒體。至少一個非暫時性電腦可讀媒體及電腦可執行指令與至少一個處理器經組態以使得裝置執行：接收第一代碼集；輸出第一代碼集之一或多個藥物代碼；接收回應於所輸出藥物代碼之第一訊息；以及更新與至少一個處理器通訊之資料庫中之與所輸出藥物代碼相關聯的第一權重及第二權重。第一代碼集包含至少一個診斷代碼及至少一個藥物分類。
在一個態樣中，根據一些實施例，裝置包含至少一個非暫時性電腦可讀媒體及至少一個處理器。至少一個非暫時性電腦可讀媒體具有儲存於其中之電腦可執行指令。至少一個處理器耦接至至少一個非暫時性電腦可讀媒體。至少一個非暫時性電腦可讀媒體及電腦可執行指令與至少一個處理器經組態以使得裝置執行：接收第一代碼集；將第一代碼集之診斷代碼及藥物代碼輸出至與至少一個處理器通訊之資料庫，其中；接收與來自資料庫之第一代碼集之診斷代碼及藥物代碼相關聯之第一權重及第二權重；以及對於第一代碼集之各藥物代碼，用至少一個處理器儲存具有最大值之第一權重。第一代碼集包含至少一個診斷代碼及至少一個藥物分類。資料庫包括在診斷代碼與藥物代碼之間的第一權重(QDM )及在藥物代碼與另一藥物代碼之間的第二權重(QMM )，且第一權重及第二權重大於零。
在一個態樣中，根據一些實施例，裝置包含至少一個非暫時性電腦可讀媒體及至少一個處理器。至少一個非暫時性電腦可讀媒體具有儲存於其中之電腦可執行指令。至少一個處理器耦接至至少一個非暫時性電腦可讀媒體。至少一個非暫時性電腦可讀媒體及電腦可執行指令與至少一個處理器經組態以使得裝置執行：接收在來自與至少一個處理器通訊之資料庫的診斷代碼與藥物代碼之間的第一權重；以及對於各藥物代碼，將具有最大值之第一權重輸出至與至少一個處理器通訊之資料庫。
在一個態樣中，根據一些實施例，用於處理處方之方法包含：接收第一代碼集；輸出第一代碼集之一或多個藥物代碼；接收回應於所輸出藥物代碼之第一訊息；以及更新資料庫中之與所輸出藥物代碼相關聯的第一權重及第二權重。第一代碼集包含至少一個診斷代碼及至少一個藥物分類。
在一個態樣中，根據一些實施例，用於處理處方之方法包含：接收第一代碼集；將第一代碼集之診斷代碼及藥物代碼輸出至資料庫；接收與來自資料庫之第一代碼集之診斷代碼及藥物代碼相關聯的第一權重及第二權重；以及對於第一代碼集之各藥物代碼，儲存具有最大值之第一權重。第一代碼集包含至少一個診斷代碼及至少一個藥物分類。資料庫包括在診斷代碼與藥物代碼之間的第一權重及在藥物代碼與另一藥物代碼之間的第二權重，且第一權重及第二權重大於零。
在一個態樣中，根據一些實施例，用於判定診斷代碼與藥物代碼之間的相關性之方法包含：接收來自與至少一個處理器通訊之資料庫之診斷代碼與藥物代碼之間的第一權重；以及對於各藥物代碼，將具有最大值之第一權重輸出至與至少一個處理器通訊之資料庫。
亦考量本發明之其他態樣及實施例。前述發明內容及以下實施方式並非意謂將本發明限於任何特定實施例，而僅意謂描述本發明之一些實施例。
本發明包含用於辨識病症-藥物以及藥物-藥物之間的相關性且計算其相關強度之自動化技術。所有自藥物大資料(亦即，處方)衍生之診斷-藥物(DM)及藥物-藥物(MM)相關性及其相關權重儲存於知識資料庫中。以下實例說明該知識資料庫，其醫療大資料借自臺灣國民健康保險研究資料庫(Taiwan National Health Insurance Research Database)。
自2002年收集總共2.636億處方之臺灣國民健康保險(NHI)理賠資料。所有資料係關於臺灣醫院及診所之門診訪視。各記錄(亦即處方)由NHI代碼中之訪視日期、患者之偽ID、年齡、性別、初次診斷及二次診斷組成。各處方亦包括一至三個診斷代碼及1至15個藥物代碼。由於以下原因排除1.601億處方：(a)遺失或無效病症代碼或藥物代碼；以及(b)中藥處方之使用。因此，具有2.045億個診斷ICD-9-CM (疾病及相關健康問題之國際統計分類系統(International Statistical Classification of Diseases and Related Health Problems)，第9修訂版，臨床修改)代碼之剩餘1.035億處方及3.477億具有臺灣NHI代碼之藥物用於分析。此等藥物代碼映射至ATC (解剖學治療化學(Anatomical Therapeutic Chemical))分類代碼系統。資料集由13,070個獨特ICD-9-CM代碼及1,548個獨特ATC代碼組成。在一些實施例中，使用ICD-10 (疾病及相關健康問題之國際統計分類系統，第10修訂版)、ICD-10-CM (疾病及相關健康問題之國際統計分類系統，第10修訂版，臨床修改)或ICD-10-TM (疾病及相關健康問題之國際統計分類系統，第10修訂版，泰國修改)之診斷代碼。
根據本發明之一實施例，病症-藥物及藥物-藥物之組合由於其共同出現於醫師對各患者之就診處方中而相關聯。相對於其在獨立假設下之預期機率，病症-藥物及藥物-藥物之權重(或相關強度值)限定診斷-藥物及藥物-藥物之聯合機率之間的比率。權重標示為Q。病症-藥物及藥物-藥物之權重分別由QDM 及QMM 表示。
基於此定義，使用2×2圖表(參見表1)計算各DM及MM對相關強度。在此圖表中，對於給定規則(X-＞Y)，「a」表示含有X及Y兩者之資料庫中之交易數目，「b」為含有X但不含Y之數目，「c」為含有Y但不含X之數目，及「d」為皆不含有X或Y之數目。C1及C2分別為對病症及藥物所開具之處方之總數目。
   藥物Y存在 藥物Y不存在   
診斷X存在 a b a+b (=C1)
診斷X不存在 c d   
   a+c (=C2)    N (=a+b+c+d)
表1
Figure 02_image001
公式1
根據公式1，QXY 介於[0, +∞]之範圍內；其中QXY =1表明診斷與藥物之間無相關性，QXY ＜1表明診斷及藥物為負相關(亦即，負QDM )，且QXY ＞1表明診斷及藥物為正相關(亦即，正QDM -含有藥物Y之病症X之處方相比於其他藥物更經常出現)。在一些實施例中，QXY 經映射至[0.2, 2]之範圍。
在處理所有觀測到的DM及MM相關性之後，吾等建立具有總共有其Q值之134萬個DM及65萬個MM對(亦即QDM 及QMM )的資料庫(術語為NHI理賠資料庫)。具有小於5次共同出現之DM及MM相關性在默認情況下視為「不常見或罕見相關性」且不包括於資料庫開發中。此外，根據本發明之一些實施例，Q之閾值為1。對於任何具有小於1之Q值的相關性(DM或MM)，視為負相關或不常見相關。可調節閾值以改良系統。
本發明提供一種用於處理處方之系統。參看圖1，系統基本上包含電腦1、資料庫2及用戶端3。電腦1、資料庫2及用戶端3處於通訊中。在一個實施例中，電腦1及資料庫2處於通訊中，且電腦1及用戶端3處於通訊中。
在一些實施例中，用戶端3包括至少一個非暫時性電腦可讀媒體，其具有儲存於其中之電腦可執行指令；至少一個處理器，其耦接至至少一個非暫時性電腦可讀媒體；及輸入/輸出模組。至少一個非暫時性電腦可讀媒體及電腦可執行指令與至少一個處理器經組態以使得裝置執行不同操作。在一個實施例中，醫師使用用戶端3輸入處方。用戶端3可為個人電腦、智慧器件或攜帶型電子器件。由醫師輸入之處方轉化為或記錄為代碼集。代碼集包含至少一個診斷代碼及至少一個藥物代碼。診斷代碼可映射至以下中之一者：ICD-9-CM、ICD-10、ICD-10-CM及ICD-10-TM代碼系統。藥物代碼可映射至ATC代碼系統、LOINC (邏輯觀察標識符名稱及代碼(Logical Observation Identifiers Names and Codes))代碼系統或SNOMED (醫學系統化命名法(Systematized Nomenclature of Medicine))代碼系統。代碼集輸出至電腦1。
電腦1接收代碼集。電腦1可為伺服器。在一些實施例中，電腦1包含中央處理單元(CPU) 11 (或處理器)、記憶體12 (或非暫時性電腦可讀媒體)及輸入/輸出模組13。CPU 11、記憶體12及輸入/輸出模組13處於通訊中。在一些實施例中，記憶體12具有儲存於其中之電腦可執行指令。記憶體12及電腦可執行指令與CPU 11經組態以使得電腦1執行不同操作。電腦1將代碼集之診斷代碼及藥物代碼輸出至資料庫2。
在一些實施例中，資料庫2包括至少一個非暫時性電腦可讀媒體，其具有儲存於其中之電腦可執行指令；至少一個處理器，其耦接至至少一個非暫時性電腦可讀媒體；及輸入/輸出模組。至少一個非暫時性電腦可讀媒體及電腦可執行指令與至少一個處理器經組態以使得裝置執行不同操作。資料庫2接收代碼集。資料庫2包括診斷代碼與藥物代碼之間的QDM 值及藥物代碼與另一藥物代碼之間的QMM 值。在一些實施例中，QDM 值及QMM 值大於零。在一些實施例中，QDM 值及QMM 值介於[0, +∞]之範圍內。在一些實施例中，QDM 值及QMM 值在0.2與2之間(亦即，在[0, 2]之範圍內)。資料庫2將與所接收之代碼集的診斷代碼及藥物代碼相關聯之QDM 值及QMM 值輸出至電腦1。
電腦1自資料庫2接收QDM 值及QMM 值。基於代碼集之QDM 值及QMM 值，電腦1處理處方。特定而言，電腦1判定處方是否滿足以下準則： (1)大於閾值之QDM 值及大於閾值之QMM 值之總數目大於或等於代碼集之藥物代碼數目； (2)代碼集之各診斷代碼具有至少一個大於閾值之QDM 值；以及 (3)代碼集之各藥物代碼具有至少一個大於閾值之QDM 值或具有至少一個大於閾值之QMM 值。
以上三個準則在數學上表達為：
Figure 02_image003
公式2
在公式2中，n為診斷代碼之數目；m為藥物之數目；α為閾值。QDiMj 指示在第i個診斷代碼與第j個藥物代碼之間的QDM 值；QMjMk 指示在第j個藥物代碼與第k個藥物代碼之間的QMM 值。在本發明中，閾值α默認設定為1。
圖2為處方之一實例之示意圖，其中D1、D2及D3為處方中之診斷代碼，且M1、M2、M3、M4、M5為藥物代碼。在一個實施例中，電腦1將診斷代碼D1、D2、D3及藥物代碼M1、M2、M3、M4、M5輸出至資料庫。資料庫2接收診斷代碼D1至D3及藥物代碼M1至M5，且將相關QDM 值及QMM 值輸出至電腦1。在圖2之實施例中，資料庫輸出QD1M1 、QD1M2 、QD2M3 、QD3M4 、QM1M2 、QM1M3 、QM1M4 、QM1M5 、QM2M3 、QM2M4 、QM2M5 、QM3M4 、QM3M5 及QM4M5 。在圖2之實施例中，QD1M1 、QD1M2 、QD2M3 、QD3M4 及QM1M5 為正相關，且QM1M2 、QM1M3 、QM1M4 、QM2M3 、QM2M4 、QM2M5 、QM3M4 、QM3M5 及QM4M5 為負相關。QD1M1 、QD1M2 、QD2M3 、QD3M4 及QM1M5 大於閾值(默認設定為1)，且QM1M2 、QM1M3 、QM1M4 、QM2M3 、QM2M4 、QM2M5 、QM3M4 、QM3M5 及QM4M5 小於閾值(默認設定為1)。
在一些實施例中，若電腦1判定代碼集滿足所有三個準則，則電腦1將不傳送訊息或警示至用戶端3，例如以檢查對應處方是否為適當的。在一些實施例中，若電腦1判定代碼集不滿足所有三個準則，則電腦1將傳送訊息或警示至用戶端3，例如以檢查對應處方是否為適當的，且將訊息輸出至用戶端3。
在一些實施例中，若用戶端3接收來自電腦1之表明代碼集不滿足所有三個準則之訊息，則用戶端3警告或通知醫師或藥劑師檢查對應處方是否為適當的或應經修改。
本發明已由人類專家評估。首先，本發明基於驗證資料集進行初始測試。隨後，由包括四名醫師及三名臨床藥劑師之人類專家對系統進行第二次評估以量測本發明之精確性。
圖3為根據本發明之一些實施例之驗證及測試本發明之流程圖。在操作31中，100,000個處方係隨機選自2003 NHI資料庫。然後，本發明用於幫助醫師及藥劑師測試所選擇處方之適當性。在總共100,000個處方中，本發明中99,004個處方(99.004%)標識為適當的，且996個處方(0.996%)標識為不當的。
在操作32中，400個處方係隨機選自操作31中測試之100,000個處方。經選擇以由專家(例如醫師或藥劑師)評估之400個處方包括254個(63.5%)適當處方及146個(36.5%)不當處方。為了有助於標識及量測處方，所有專家解釋研究之用途且要求標示關於提供給該等專家之總體處方資料，該等專家是否同意、反對或不確定。接著，用兩種類型之調查表再評估相同處方-需要或無需展示存在於處方中之各DM相關性之Q值。適當及不當處方經識別且混合在同一調查表內。吾等將調查表投與至在其診所之四名醫師(各醫師兩百個處方)及在醫院藥房之三名臨床藥劑師(各藥劑師八百個處方)。無Q值之調查表首先由所有專家填寫，隨後填寫有Q值之調查表。總體而言，吾等投與3,200個處方(1,600個處方無Q值及1,600個處方有Q值)。
為了比較系統與專家之間的差異及共識，自所獲得之結果計算靈敏度、特異性、陽性預測值(PPV)及陰性預測值(NPV)。
當不揭示Q值時，專家對1,590 (99.3%)個處方作出回應，其中1,374 (85.9%)個為適當的且216 (13.5%)個為不當處方，剩餘10個處方為「未知的」。然而，當Q值展示於處方中時，專家僅對1,587 (99.2%)個處方作出反應，其中1,313 (82.1%)個為適當的，274 (17.1%)個為不當處方，且13個處方歸類為「未知的」(參見圖3)。
由臨床藥劑師評定系統之精確性且所獲得之結果展示於表2中。當揭示Q時，平均靈敏度、PPV及NPV分別為藥劑師之68.8%、95.6%及24.6%。其中展示Q值之調查表中所發現之變化不同於未展示Q值之調查表中之變化。然而，平均靈敏度、PPV及NPV分別為74.3%、98.7%及40.6%。
   未顯示QDM ，% 顯示QDM ，%
專家 Sens Spec PPV NPV Sens Spec PPV NPV
醫師 74.3 82.7 94.8 43.1 76.7 84.9 94.8 50.3
藥劑師 68.8 75.0 95.6 24.6 74.3 94.2 98.7 40.6
整體 71.5 78.9 95.2 33.9 75.5 89.5 96.7 45.5
縮寫： Sens，靈敏度； Spec，特異性； PPV，陽性預測值； NPV，陰性預測值。 注意： 各參數之信賴區間(CI)較小且由此自報導結果中省略。 表2
基於上文所描述之結果，本發明提供一種處方分析方法，其在自動標識處方中之病症-藥物及藥物-藥物之間的不常見或罕見相關性時使用機率模型作為有效工具。本發明不僅有助於藉由警示醫師檢查經標識之處方來減少藥物錯誤，而且改良了患者之安全性及健康護理之總體品質。
本發明進一步提供用於處理處方之由電腦1執行之操作。圖4為根據本發明之一些實施例之由電腦1執行之操作流程圖。在一些實施例中，記憶體12具有儲存於其中之電腦可執行指令。記憶體12及電腦可執行指令與CPU 11經組態以使得電腦1執行操作。
在操作41中，電腦1接收代碼集。代碼集包含至少一個診斷代碼及至少一個藥物代碼。在一些實施例中，自用戶端3接收代碼集，醫師在該用戶端上輸入處方。診斷代碼可映射至以下中之一者：ICD-9-CM、ICD-10、ICD-10-CM及ICD-10-TM代碼系統。藥物代碼可映射至ATC代碼系統、LOINC (邏輯觀察標識符名稱及代碼)代碼系統或SNOMED (醫學系統化命名)代碼系統。
在操作42中，電腦1將所接收之代碼集輸出至資料庫2。資料庫2包括診斷代碼與藥物代碼之間的QDM 值及藥物代碼與另一藥物代碼之間的QMM 值。在一些實施例中，資料庫2根據輸入診斷代碼及藥物代碼查詢相關QDM 值及QMM 值且將其輸出。
在操作43中，電腦1接收與輸出至資料庫2之代碼集相關聯之QDM 值及QMM 值。
在操作44、45及46中，電腦1判定所接收之代碼集是否滿足準則。特定而言，電腦1判定與代碼集相關聯之QDM 值及QMM 值是否滿足所有以下三個準則： (1)大於閾值之QDM 值及大於閾值之QMM 值之總數目大於或等於代碼集之藥物代碼數目； (2)代碼集之各診斷代碼具有至少一個大於閾值之QDM 值；以及 (3)代碼集之各藥物代碼具有至少一個大於閾值之QDM 值或具有至少一個大於閾值之QMM 值(閾值默認設定為1)。
在一些實施例中，判定與代碼集相關聯之QDM 值及QMM 值是否滿足所有以下三個準則(亦即操作44、45及46)可利用旗標來探索。電腦1生成旗標。電腦1默認設定旗標等於0。電腦1將大於閾值之QDM 值及大於閾值之QMM 值之總數目與代碼集之藥物代碼數目進行比較。若大於閾值之第一代碼集之第一權重及大於閾值之第一代碼集之第二權重的總數目小於第一代碼集之藥物代碼數目，則電腦1設定旗標等於1；對於代碼集之各診斷代碼，電腦1將QDM 值與閾值進行比較。若代碼集之診斷代碼之QDM 值小於或等於閾值，則電腦1設定旗標等於1。對於代碼集之各藥物代碼，電腦1比較QDM 值與閾值且比較QMM 值與閾值。若代碼集之藥物代碼之QDM 值及QMM 值小於或等於閾值，則電腦1設定旗標等於1。若旗標等於0，則與代碼集相關聯之QDM 值及QMM 值滿足以上所有三個準則。若旗標等於1，則與代碼集相關聯之QDM 值及QMM 值不滿足以上所有三個準則。
若與代碼集相關聯之QDM 值及QMM 值滿足以上所有三個準則，則電腦1將不輸出訊息。若與代碼集相關聯之QDM 值及QMM 值不滿足以上所有三個準則，則電腦1在操作47中輸出訊息。在一些實施例中，電腦1在操作47中將訊息輸出至用戶端3。在一些實施例中，若用戶端3自電腦1接收表明代碼集不滿足所有三個準則之訊息，則用戶端3警告或通知醫師檢查對應處方是否為適當的或應經修改。
圖5為根據本發明之一些實施例之由電腦1執行之操作流程圖。在一些實施例中，記憶體12具有儲存於其中之電腦可執行指令。記憶體12及電腦可執行指令與CPU 11經組態以使得電腦1執行操作。
在操作51中，電腦1接收代碼集。代碼集包含至少一個診斷代碼及至少一個藥物代碼。在一些實施例中，自用戶端3接收代碼集，醫師在該用戶端上輸入處方。診斷代碼可映射至以下中之一者：ICD-9-CM、ICD-10、ICD-10-CM及ICD-10-TM代碼系統。藥物代碼可映射至ATC代碼系統、LOINC (邏輯觀察標識符名稱及代碼)代碼系統或SNOMED (醫學系統化命名)代碼系統。
在操作52中，電腦1將所接收之代碼集輸出至資料庫2。資料庫2包括診斷代碼與藥物代碼之間的QDM 值及藥物代碼與另一藥物代碼之間的QMM 值。在一些實施例中，資料庫2根據輸入診斷代碼及藥物代碼查詢相關QDM 值及QMM 值且將其輸出。
在操作53中，電腦1接收與輸出至資料庫2之代碼集相關聯之QDM 值及QMM 值。
在自處方資料庫生成QDM 值及QMM 值或在該處方資料庫(例如NHI理賠資料庫)中採擷該等值期間，可出現一些錯誤的診斷-藥物相關性(偽相關性)。舉例而言，抗高血壓藥劑可相對於高血壓及糖尿病兩者具有高相關性，此係因為糖尿病患者經常患有高血壓。因此，抗高血壓藥劑經常存在於具有高血壓及糖尿病之診斷的處方中。由於此原因，抗高血壓藥劑相對於高血壓具有高QDM 值且相對於糖尿病具有高QDM 值。然而，抗高血壓藥劑與糖尿病不應具有高QDM 值。抗高血壓藥劑與糖尿病之間的高相關性稱為偽相關性。
在操作54中，對於代碼集之各藥物代碼，電腦1僅儲存最大QDM 值且丟棄其他QDM 值(或僅儲存與最大QDM 值之相關性)。對於具有抗高血壓藥劑、高血壓及糖尿病之處方之實例，因為並非每一個糖尿病患者遭受高血壓，儘管抗高血壓藥劑相對於高血壓具有高QDM 值且相對於糖尿病具有高QDM 值，但抗高血壓藥劑與高血壓之間的QDM 值大於抗高血壓藥劑與糖尿病之間的QDM 值。在操作54之後，去除抗高血壓藥劑與糖尿病之間的偽相關性。
根據一些實施例，在操作54中，對於代碼集之各藥物代碼，電腦1不僅儲存最大QDM 值，而且儲存與最大QDM 值之同一組診斷代碼中之診斷代碼相關聯之QDM 值。對於具有抗高血壓藥劑、原發性高血壓、良性原發性高血壓及糖尿病之處方之實例，因為抗高血壓藥劑與原發性高血壓之間之QDM 值(例如在ICD-9-CM代碼系統中之診斷代碼401)為最大值，儲存抗高血壓藥劑與原發性高血壓之間的最大QDM 值，且亦儲存與處於與原發性高血壓同一組中之良性原發性高血壓相關聯的QDM 值(例如診斷代碼4011，良性原發性高血壓)。
根據一些實施例，在操作54中，對於各藥物代碼，電腦1不僅儲存具有最大QDM 值之相關性，而且儲存具有與最大QDM 值之同一組診斷代碼中之診斷代碼相關聯之QDM 值的相關性。對於具有抗高血壓藥劑、原發性高血壓、良性原發性高血壓及糖尿病之處方之實例，因為抗高血壓藥劑與原發性高血壓之間的QDM 值(例如在ICD-9-CM代碼系統中之診斷代碼401)為最大值，儲存抗高血壓藥劑與原發性高血壓之間的最大QDM 值，且亦儲存具有處於與原發性高血壓同一組中之良性原發性高血壓相關聯之QDM 值的相關性(例如診斷代碼4011，良性原發性高血壓)。
在操作55中，電腦1判定所接收之代碼集是否滿足如操作44、45及46中所揭示之所有三個準則。特定而言，操作55包含圖4中所展示之操作44、45及46。在操作55中，若電腦1判定與代碼集相關聯之所儲存之QDM 值及QMM 值滿足如圖4中所展示的操作44、45及46中所揭示之所有三個準則，則電腦1將不輸出訊息。
在操作55中，若電腦1判定與代碼集相關聯之所儲存之QDM 值及QMM 值不滿足如圖4中所展示的操作44、45及46中所揭示之所有三個準則，則電腦1在操作56中輸出訊息。在一些實施例中，電腦1在操作56中將訊息輸出至用戶端3。在一些實施例中，若用戶端3自電腦1接收表明代碼集不滿足所有三個準則之訊息，則用戶端3警告或通知醫師檢查對應處方是否為適當的或應經修改。
表3展示根據表1及公式1計算QDM 值之五個例示性處方。表4展示原發性高血壓(亦即診斷代碼(ICD9) 4019)與用於糖尿病之藥物(亦即藥物代碼(ATC代碼) A10AB03、A10AB04、A10AC01、A10AD05、A10AE05、A10BA02、A10BA03、A10BB01、A10BB02及A10BB07)之間的QDM 值。表4展示原發性高血壓與用於糖尿病之藥物之間的相關性為高度陽性的。展示於表4中之原發性高血壓與用於糖尿病之藥物之間的相關性稱為偽相關性。若不去除展示於表4中之偽相關性，則處方之處理將為錯誤的。
處方1 診斷：{高血壓} 藥物：{賴諾普利(lisinopril)，綜合維生素}
處方2 診斷：{糖尿病，高血壓} 藥物：{胰島素，二甲雙胍(metformin)，賴諾普利(lisinopril)}
處方3 診斷：{糖尿病} 藥物：{胰島素}
處方4 診斷：{糖尿病} 藥物：{二甲雙胍}
處方5 診斷：{多囊卵巢綜合症} 藥物：{二甲雙胍}
表3
診斷代碼(ICD9) 藥物代碼(ATC代碼) QDM
4019 A10AB03 5.42
4019 A10AB04 2.67
4019 A10AC01 4.24
4019 A10AD05 4.23
4019 A10AE05 4.84
4019 A10BA02 5.14
4019 A10BA03 4.06
4019 A10BB01 4.82
4019 A10BB02 5.85
4019 A10BB07 4.97
表4
圖6為根據本發明之一些實施例之由電腦1執行之操作流程圖。在一些實施例中，記憶體12具有儲存於其中之電腦可執行指令。記憶體12及電腦可執行指令與CPU 11經組態以使得電腦1執行操作。
在操作61中，電腦1接收代碼集。代碼集包含至少一個診斷代碼及至少一個藥物代碼。在一些實施例中，自用戶端3接收代碼集，醫師在該用戶端上輸入處方。診斷代碼可映射至以下中之一者：ICD-9-CM、ICD-10、ICD-10-CM及ICD-10-TM代碼系統。藥物代碼可映射至ATC代碼系統、LOINC (邏輯觀察標識符名稱及代碼)代碼系統或SNOMED (醫學系統化命名)代碼系統。
在操作62中，電腦1判定所接收之代碼集是否滿足如操作44、45及46中所揭示之所有三個準則。特定而言，操作62包含圖4中所展示之操作42、43、44、45及46。在操作62中，電腦1將所接收之代碼集輸出至資料庫2，接收與輸出至資料庫2之代碼集相關聯之QDM 值及QMM 值，且判定與代碼集相關聯之所儲存之QDM 值及QMM 值是否滿足圖4中所展示之操作44、45及46的所有三個準則。在操作62中，若電腦1判定與代碼集相關聯之所儲存之QDM 值及QMM 值滿足如圖4中所展示的操作44、45及46中所揭示之所有三個準則，則電腦1將不輸出訊息。
在操作62中，若電腦1判定所接收之代碼集不滿足如圖4中所展示的操作44、45及46中所揭示之所有三個準則，則電腦1在操作63中輸出訊息。在一些實施例中，電腦1在操作63中將訊息輸出至用戶端3。在一些實施例中，電腦1將至少一個藥物代碼輸出至用戶端3。自電腦1輸出至用戶端3之至少一個藥物代碼具有至少一個小於閾值(默認設定為1)之QDM 值或具有至少一個小於閾值(默認設定為1)之QMM 值。亦即，由電腦1輸出之至少一個藥物代碼與所接收之代碼集之一個診斷代碼具有至少一個負相關或與所接收之代碼集的另一藥物代碼具有至少一個負相關。在一些實施例中，若用戶端3自電腦1接收表明所接收之代碼集不滿足如圖4中所展示的操作44、45及46中所揭示之所有三個準則之訊息，則用戶端3通知或警告醫師檢查對應處方是否為適當的或應經修改。在一些實施例中，若用戶端3自電腦1接收表明所接收之代碼集不滿足如圖4中所展示的操作44、45及46中所揭示之所有三個準則的至少一個藥物代碼，則用戶端3通知(或警告)醫師至少一個可經修改的藥物代碼且通知(或警告)醫師檢查對應藥物是否為適當的或應經修改。
在操作64中，電腦1判定代碼集(其不滿足所有三個準則)是否經修改。特定而言，若代碼集(其不滿足所有三個準則)在一時間段內未經修改(例如，啟用用戶端3)，則電腦1接收第一類型之訊息。除此以外，若代碼集(其不滿足所有三個準則)在一時間段內經修改(例如啟用用戶端3)，則電腦1接收第二類型之訊息。
若電腦1在操作64中接收第二類型之訊息，則電腦1執行操作65以接收另一代碼集(例如自用戶端3)。在操作65之後，電腦1執行操作62以判定操作65中所接收之代碼集是否滿足如操作44、45及46中所揭示之所有三個準則。
若電腦1在操作64中接收第一類型之訊息，則電腦1執行操作66以更新在操作63中輸出之與所輸出藥物代碼相關聯的QDM 值及QMM 值。特定而言，電腦1更新在操作63中輸出之與所輸出藥物代碼相關聯的資料庫2中(或儲存於其中)的QDM 值及QMM 值。在一些實施例中，電腦1更新在操作63中輸出之與所輸出藥物代碼相關聯之小於閾值(默認設定為1)的QDM 值及QMM 值。
在一些實施例中，藉由QDM 值及QMM 值乘以一個數來更新QDM 值及QMM 值。在一些實施例中，待相乘之數大於1。在一些實施例中，藉由QDM 值及QMM 值與一個數相加來更新QDM 值及QMM 值。在一些實施例中，待相加之數大於0。
因為一些藥物係基於新適應症、標籤外使用或醫師之經驗，所以此等藥物可判定為不滿足如圖4中所展示的操作44、45及46中所揭示之所有三個準則，且將出現頻繁警告或通知。負責處方之醫師已檢查由本發明產生之警示或通知，且醫師決定不修改處方。更新在操作63中輸出之與藥物代碼相關聯之QDM 值及QMM 值以避免頻繁警示或通知。
在操作67中，電腦1將所接收之代碼確證為滿足如圖4中所展示之操作44、45及46中所揭示之所有三個準則。因為醫師已檢查表明代碼集(亦即處方)不滿足所有三個準則之警示或通知且決定不修改處方，所以代碼集(亦即處方)已由醫師進行雙重檢查。因此，應相信在操作67中確證所接收之代碼集滿足所有三個準則。
藉由938個通知(例如在操作63中發送之訊息)及12名專家(例如醫師或藥劑師)對圖6中所展示之操作執行驗證。在結果中，對於每三名專家，存在一名專家以85%之百分比同意通知。應請注意，在無更新QDM 及QMM 值(例如操作66及67)之操作的情況下，專家以低於30%之百分比同意通知。
圖7為根據本發明之一些實施例之由電腦1執行之操作流程圖。在一些實施例中，記憶體12具有儲存於其中之電腦可執行指令。記憶體12及電腦可執行指令與CPU 11經組態以使得電腦1執行操作。
圖7中所展示之操作為圖5及圖6中所展示操作之組合。特定而言，圖5中之操作51、52、53、54及55及操作63、64、65、66及67應用於圖7。為簡單起見，圖7之細節不在此處描述，請參考上文操作51、52、53、54、55、63、64、65、66及67之揭示內容。基於上文操作51、52、53、54、55、63、64、65、66及67之揭示內容，熟習此項技術者應理解圖7中所展示之操作。
圖8為根據本發明之一些實施例之由電腦1執行之操作流程圖。在一些實施例中，記憶體12具有儲存於其中之電腦可執行指令。記憶體12及電腦可執行指令與CPU 11經組態以使得電腦1執行操作。
在一些實施例中，在計算如段落0020至0023中所揭示之病症-藥物之權重(QDM 值)及藥物-藥物之權重(QMM 值)之後，執行圖8中所展示之操作。在一些實施例中，圖8中所展示之操作可用於進一步處理儲存於資料庫2中之QDM 值及QMM 值。
在自處方資料庫生成QDM 值及QMM 值或在該處方資料庫(例如NHI理賠資料庫)中採擷該等值期間，可出現一些錯誤的診斷-藥物相關性(偽相關性)。舉例而言，抗高血壓藥劑可相對於高血壓及糖尿病兩者具有高相關性，此係因為糖尿病患者經常患有高血壓。因此，抗高血壓藥劑經常存在於具有高血壓及糖尿病之診斷的處方中。由於此原因，抗高血壓藥劑相對於高血壓具有高QDM 值且相對於糖尿病具有高QDM 值。然而，抗高血壓藥劑與糖尿病不應具有高QDM 值。抗高血壓藥劑與糖尿病之間的高相關性稱為偽相關性。
在操作81中，電腦1接收QDM 值。在一些實施例中，診斷代碼可映射至ICD-9-CM、ICD-10、ICD-10-CM及ICD-10-TM代碼系統中之一者，且藥物代碼可映射至ATC代碼系統、LOINC (邏輯觀察標識符名稱及代碼)代碼系統或SNOMED (醫學系統化命名)代碼系統。
在操作82中，對於各藥物代碼，電腦1僅儲存最大QDM 值且丟棄其他QDM 值(或僅儲存與最大QDM 值之相關性)。對於具有抗高血壓藥劑、高血壓及糖尿病之處方之實例，因為並非每一個糖尿病患者遭受高血壓，儘管抗高血壓藥劑相對於高血壓具有高QDM 值且相對於糖尿病具有高QDM 值，但抗高血壓藥劑與高血壓之間的QDM 值大於抗高血壓藥劑與糖尿病之間的QDM 值。在操作82之後，去除抗高血壓藥劑與糖尿病之間的偽相關性。
根據一些實施例，在操作82中，對於各藥物代碼，電腦1不僅儲存具有最大QDM 值，而且儲存與最大QDM 值之同一組診斷代碼中之診斷代碼相關聯的QDM 值。對於具有抗高血壓藥劑、原發性高血壓、良性原發性高血壓及糖尿病之處方之實例，因為抗高血壓藥劑與原發性高血壓之間的QDM 值(例如在ICD-9-CM代碼系統中之診斷代碼401)為最大值，儲存抗高血壓藥劑與原發性高血壓之間的最大QDM 值，且亦儲存與處於與原發性高血壓同一組中之良性原發性高血壓相關聯的QDM 值(例如診斷代碼4011，良性原發性高血壓)。
根據一些實施例，在操作82中，對於各藥物代碼，電腦1不僅儲存與最大QDM 值之相關性，而且儲存具有與最大QDM 值之同一組診斷代碼中之診斷代碼相關聯之QDM 值的相關性。對於具有抗高血壓藥劑、原發性高血壓、良性原發性高血壓及糖尿病之處方之實例，因為抗高血壓藥劑與原發性高血壓之間的QDM 值(例如在ICD-9-CM代碼系統中之診斷代碼401)為最大值，儲存抗高血壓藥劑與原發性高血壓之間的最大QDM 值，且亦儲存具有與處於與原發性高血壓同一組中之良性原發性高血壓相關聯之QDM 值的相關性(例如診斷代碼4011，良性原發性高血壓)。
在操作83中，經處理之QDM 值輸出至資料庫2且儲存於資料庫2中。
在操作81至83之後，去除QDM 值中之偽相關性。儲存至資料庫2之經處理之QDM 值及QMM 值可用於圖4中或圖6中所展示之操作。
表5展示根據表1及公式1計算QDM 值之五個例示性處方。在無圖8中所展示之操作的情況下，表6展示原發性高血壓(亦即診斷代碼(ICD9) 4019)與用於糖尿病之藥物(亦即藥物代碼(ATC代碼) A10AB03、A10AB04、A10AC01、A10AD05、A10AE05、A10BA02、A10BA03、A10BB01、A10BB02及A10BB07)之間的QDM 值。圖6展示原發性高血壓與用於糖尿病之藥物之間的相關性為高度陽性的。展示於表6中之原發性高血壓與用於糖尿病之藥物之間的相關性稱為偽相關性。
在圖8中所展示之操作之後，表7展示原發性高血壓(亦即診斷代碼(ICD9) 4019)與用於糖尿病之藥物(亦即藥物代碼(ATC代碼) A10AB01、A10AC01、A10AD01、A10AD05、A10BA02、A10BA03、A10BB01、A10BB02、A10BB05及A10BB07)之間的QDM 值。表7展示原發性高血壓與用於糖尿病之藥物之間的相關性為陰性的。去除展示於表6中之原發性高血壓與用於糖尿病之藥物之間的偽相關性。
處方1 診斷：{高血壓} 藥物：{賴諾普利，綜合維生素}
處方2 診斷：{糖尿病，高血壓} 藥物：{胰島素，二甲雙胍，賴諾普利}
處方3 診斷：{糖尿病} 藥物：{胰島素}
處方4 診斷：{糖尿病} 藥物：{二甲雙胍}
處方5 診斷：{多囊卵巢綜合症} 藥物：{二甲雙胍}
表5
診斷代碼(ICD9) 藥物代碼(ATC代碼) QDM
4019 A10AB03 5.42
4019 A10AB04 2.67
4019 A10AC01 4.24
4019 A10AD05 4.23
4019 A10AE05 4.84
4019 A10BA02 5.14
4019 A10BA03 4.06
4019 A10BB01 4.82
4019 A10BB02 5.85
4019 A10BB07 4.97
表6
診斷代碼(ICD9) 藥物代碼(ATC代碼) QDM
4019 A10AB03 0.04
4019 A10AB04 0.06
4019 A10AC01 0.06
4019 A10AD05 0.06
4019 A10AE05 0.23
4019 A10BA02 0.03
4019 A10BA03 0.15
4019 A10BB01 0.11
4019 A10BB02 0.15
4019 A10BB07 0.19
表7
除非上下文另外明確地規定，否則如本文中所使用，單數術語「一(a/an)」及「該(the)」可包括複數個指代物。舉例而言，除非上下文另外清楚地指示，否則對電子器件之參考可包括多個電子器件。
如本文中所使用，術語「連接(connected/connection)」、「通訊」及「處於通訊」係指操作耦接或鏈接。處於通訊中之組件可直接地或間接地經由例如另一組組件耦接或彼此間連接。
另外，量、比率及其他數值有時在本文中以範圍格式提出。應理解，此類範圍格式係為便利及簡潔起見而使用，且應靈活地理解為不僅包括明確指定為範圍限制之數值，而且包括涵蓋於彼範圍內之所有個別數值或子範圍，如同明確指定各數值及子範圍一般。
儘管本發明已參考其特定實施例進行描述及說明，但此等描述及說明並不為限制性的。熟習此項技術者應理解，在不脫離如由所附申請專利範圍定義的本發明之真實精神及範疇之情況下，可作出各種改變且可取代等效物。圖式可不必按比例繪製。由於製造過程及公差，在本發明中之技術再現與實際裝置之間可能存在區別。可存在並未特定說明的本發明之其他實施例。應將本說明書及附圖視為說明性而非限制性的。可作出修改，以使特定情形、材料、物質組成、方法或製程適應於本發明之目標、精神及範疇。所有此等修改意欲在此隨附之申請專利範圍之範疇內。雖然已參考按特定次序執行之特定操作來描述本文中所揭示之方法，但應理解，在不脫離本發明之教示的情況下，可組合、再細分或重新定序此等操作以形成等效方法。因此，除非本文中另外特定地指示，否則操作之次序及分組並非本發明之限制。
1:電腦 2:資料庫 3:用戶端 11:中央處理單元 12:記憶體 13:輸入/輸出模組 31:操作 32:操作 41:操作 42:操作 43:操作 44:操作 45:操作 46:操作 47:操作 51:操作 52:操作 53:操作 54:操作 55:操作 56:操作 61:操作 62:操作 63:操作 64:操作 65:操作 66:操作 67:操作 81:操作 82:操作 83:操作 D1:診斷代碼 D2:診斷代碼 D3:診斷代碼 M1:藥物代碼 M2:藥物代碼 M3:藥物代碼 M4:藥物代碼 M5:藥物代碼
為了更好地理解本發明之一些實施例的本質及目標，應參考結合附圖進行之以下詳細描述。在圖式中，除非另外指定，否則相同或功能上相同之元件給予相同附圖標號。
圖1說明根據本發明之一些實施例之系統。
圖2說明根據本發明之一些實施例的診斷與藥物之間的相關性。
圖3為根據本發明之一些實施例的驗證及測試流程圖。
圖4為根據本發明之一些實施例的操作流程圖。
圖5為根據本發明之一些實施例的操作流程圖。
圖6為根據本發明之一些實施例的操作流程圖。
圖7為根據本發明之一些實施例的操作流程圖。
圖8為根據本發明之一些實施例的操作流程圖。
61:操作
62:操作
63:操作
64:操作
65:操作
66:操作
67:操作

Claims (20)

  1. 一種電腦裝置，其包含：至少一個非暫時性電腦可讀媒體，其具有儲存於其中之電腦可執行指令；以及至少一個處理器，其耦接至該至少一個非暫時性電腦可讀媒體，其中該至少一個非暫時性電腦可讀媒體及該等電腦可執行指令與該至少一個處理器經組態以使得該裝置執行：接收第一代碼集，該第一代碼集包含第一診斷代碼集及第一藥物代碼集；基於與該第一代碼集相關聯之該第一藥物代碼集之一或多個權重，判定該第一藥物代碼集之每一藥物代碼是否不符合準則；輸出該第一代碼集之該第一藥物代碼集之第一藥物代碼子集，其中該第一藥物代碼子集之每一藥物代碼不符合該準則；回應於輸出該第一藥物代碼子集，接收第一訊息；以及更新與該至少一個處理器通訊之資料庫中與該第一藥物代碼子集相關聯的一或多個權重。
  2. 如請求項1之裝置，其中若該第一代碼集在一時間段內不經修改，則接收該第一訊息。
  3. 如請求項1之裝置，其中該資料庫包括一或多個權重，且該一或多個權重包括在診斷代碼與藥物代碼之間的第一權重及在藥物代碼與另一藥物 代碼之間的第二權重，且該等第一權重及該等第二權重大於零。
  4. 如請求項3之裝置，其中：該第一藥物代碼子集中之藥物代碼具有至少一個小於閾值之第一權重或具有至少一個小於該閾值之第二權重。
  5. 如請求項3之裝置，其中進一步使得該裝置執行：生成旗標；設定該旗標為0；將大於閾值之該第一代碼集的該等第一權重及大於該閾值之該第一代碼集之該等第二權重的總數目與該第一代碼集之藥物代碼數目進行比較；若大於閾值之該第一代碼集之該等第一權重及大於該閾值之該第一代碼集的該等第二權重之總數目小於該第一代碼集之藥物代碼數目，則設定旗標等於1；對於該第一代碼集之各診斷代碼，將該等第一權重與該閾值進行比較；若該第一代碼集之該等診斷代碼之該等第一權重小於或等於該閾值，則設定該旗標等於1；對於該第一代碼集之各藥物代碼，將該等第一權重與該閾值進行比較且將第二權重與該閾值進行比較；以及若該第一代碼集之該等藥物代碼之該等第一權重及第二權重小於或等於該閾值，則設定該旗標等於1。
  6. 如請求項5之裝置，其中：進一步使得該裝置執行：若該旗標等於1，則輸出該第一藥物代碼子集。
  7. 如請求項5之裝置，其中進一步使得該裝置執行：回應於輸出該第一藥物代碼子集，接收第二訊息；接收包含第二診斷代碼集及第二藥物代碼集之第二代碼集；設定該旗標為0；將大於閾值之該第二代碼集的該等第一權重及大於該閾值之該第二代碼集之該等第二權重的總數目與該第二代碼集之藥物代碼數目進行比較；若大於閾值之該第二代碼集之該等第一權重及大於該閾值之該第二代碼集之該等第二權重的總數目小於該第二代碼集之藥物代碼數目，則設定旗標等於1；對於該第二代碼集之各診斷代碼，將該等第一權重與該閾值進行比較；若該第二代碼集之該等診斷代碼之該等第一權重小於或等於該閾值，則設定該旗標等於1；對於該第二代碼集之各藥物代碼，將該等第一權重與該閾值進行比較且將第二權重與該閾值進行比較；以及若該第二代碼集之該等藥物代碼之該等第一權重及第二權重小於或等於該閾值，則設定該旗標等於1。
  8. 如請求項7之裝置，其中若該第一代碼集在一時間段內修改，則接收該第二訊息。
  9. 如請求項5之裝置，其中，在更新該資料庫中與該第一藥物代碼子集相關聯的該一或多個權重之後，該裝置進一步執行：確證該旗標等於0。
  10. 如請求項1之裝置，其中更新該一或多個權重包含以下一者：使該一或多個權重乘以一個數；以及使該一或多個權重與一個數相加。
  11. 一種用於處理處方之方法，其包含：接收第一代碼集，該第一代碼集包含第一診斷代碼集及第一藥物代碼集；基於與該第一代碼集相關聯之該第一藥物代碼集之一或多個權重，判定該第一藥物代碼集之每一藥物代碼是否不符合準則；輸出該第一代碼集之該第一藥物代碼集之第一藥物代碼子集，其中該第一藥物代碼子集之每一藥物代碼不符合該準則；回應於輸出該第一藥物代碼子集，接收第一訊息；以及更新通訊中之資料庫中與該第一藥物代碼子集相關聯之一或多個權重。
  12. 如請求項11之方法，其中若該第一代碼集在一時間段內未經修改，則接收該第一訊息。
  13. 如請求項11之方法，其中該資料庫包括一或多個權重，且該一或多個權重包括在診斷代碼與藥物代碼之間的第一權重及在藥物代碼與另一藥物代碼之間的第二權重，且該第一權重及該等第二權重大於零。
  14. 如請求項13之方法，其中：該第一藥物代碼子集中之藥物代碼具有至少一個小於閾值之第一權重或具有至少一個小於該閾值之第二權重。
  15. 如請求項13之方法，其進一步包含：生成旗標；設定該旗標為0；將大於閾值之該第一代碼集的該等第一權重及大於該閾值之該第一代碼集之該等第二權重的總數目與該第一代碼集之藥物代碼數目進行比較；若大於閾值之該第一代碼集之該等第一權重及大於該閾值之該第一代碼集之該等第二權重的總數目小於該第一代碼集之藥物代碼數目，則設定旗標等於1；對於該第一代碼集之各診斷代碼，將該等第一權重與該閾值進行比較；若該第一代碼集之該等診斷代碼之該等第一權重小於或等於該閾 值，則設定該旗標等於1；對於該第一代碼集之各藥物代碼，將該等第一權重與該閾值進行比較且將第二權重與該閾值進行比較；以及若該第一代碼集之該等藥物代碼之該等第一權重及第二權重小於或等於該閾值，則設定該旗標等於1。
  16. 如請求項15之方法，其進一步包含：若旗標等於1，則輸出該第一藥物代碼子集。
  17. 如請求項15之方法，其進一步包含：回應於輸出該第一藥物代碼子集，接收第二訊息；接收包含第二診斷代碼集及第二藥物代碼集之第二代碼集；設定該旗標為0；將大於閾值之該第二代碼集的該等第一權重及大於該閾值之該第二代碼集之該等第二權重的總數目與該第二代碼集之藥物代碼數目進行比較；若大於閾值之該第二代碼集之該等第一權重及大於該閾值之該第二代碼集之該等第二權重的總數目小於該第二代碼集之藥物代碼數目，則設定旗標等於1；對於該第二代碼集之各診斷代碼，將該等第一權重與該閾值進行比較；若該第二代碼集之該等診斷代碼之該等第一權重小於或等於該閾值，則設定該旗標等於1； 對於該第二代碼集之各藥物代碼，將該等第一權重與該閾值進行比較且將第二權重與該閾值進行比較；以及若該第二代碼集之該等藥物代碼之該等第一權重及第二權重小於或等於該閾值，則設定該旗標等於1。
  18. 如請求項17之方法，其中若該第一代碼集在一時間段內經修改，則接收該第二訊息。
  19. 如請求項15之方法，其進一步包含：在更新該資料庫中與所輸出藥物代碼相關聯的該一或多個權重之後，確證該旗標等於0。
  20. 如請求項11之方法，其中更新該一或多個權重包含以下中之一者：使該一或多個權重乘以一個數；以及使該一或多個權重與一個數相加。
TW108132337A 2019-09-06 2019-09-06 用於處理處方之裝置及方法 TWI783172B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW108132337A TWI783172B (zh) 2019-09-06 2019-09-06 用於處理處方之裝置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108132337A TWI783172B (zh) 2019-09-06 2019-09-06 用於處理處方之裝置及方法

Publications (2)

Publication Number Publication Date
TW202111723A TW202111723A (zh) 2021-03-16
TWI783172B true TWI783172B (zh) 2022-11-11

Family

ID=76035643

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108132337A TWI783172B (zh) 2019-09-06 2019-09-06 用於處理處方之裝置及方法

Country Status (1)

Country Link
TW (1) TWI783172B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI782608B (zh) * 2021-06-02 2022-11-01 美商醫守科技股份有限公司 提供建議診斷的電子裝置和方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150356272A1 (en) * 2014-06-10 2015-12-10 Taipei Medical University Prescription analysis system and method for applying probabilistic model based on medical big data
CN106446525A (zh) * 2016-08-31 2017-02-22 杭州逸曜信息技术有限公司 用药规则信息相似度的处理方法
WO2018049340A1 (en) * 2016-09-12 2018-03-15 National Health Coalition, Inc. Methods for processing submission and fulfillment of pharmaceutical prescriptions in real time
CN109637613A (zh) * 2018-11-07 2019-04-16 平安科技（深圳）有限公司 基于数据处理的违规处方单的检测方法及相关设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150356272A1 (en) * 2014-06-10 2015-12-10 Taipei Medical University Prescription analysis system and method for applying probabilistic model based on medical big data
CN106446525A (zh) * 2016-08-31 2017-02-22 杭州逸曜信息技术有限公司 用药规则信息相似度的处理方法
WO2018049340A1 (en) * 2016-09-12 2018-03-15 National Health Coalition, Inc. Methods for processing submission and fulfillment of pharmaceutical prescriptions in real time
CN109637613A (zh) * 2018-11-07 2019-04-16 平安科技（深圳）有限公司 基于数据处理的违规处方单的检测方法及相关设备

Also Published As

Publication number Publication date
TW202111723A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
US20200258608A1 (en) Medical database and system
Mayhew et al. Development and assessment of a crosswalk between ICD-9-CM and ICD-10-CM to identify patients with common pain conditions
Adunlin et al. COVID‐19: how can rural community pharmacies respond to the outbreak?
US20190237174A1 (en) System for gap in care alerts
Pasternak et al. Use of acyclovir, valacyclovir, and famciclovir in the first trimester of pregnancy and the risk of birth defects
Raebel et al. Characteristics of patients with primary non-adherence to medications for hypertension, diabetes, and lipid disorders
Duru et al. Mail-order pharmacy use and adherence to diabetes-related medications
Hornbrook et al. Development of an algorithm to identify pregnancy episodes in an integrated health care delivery system
US20150356272A1 (en) Prescription analysis system and method for applying probabilistic model based on medical big data
Akram et al. Medication discrepancies and associated risk factors identified among elderly patients discharged from a tertiary hospital in Singapore
Cassidy et al. The epidemiology and type of medication errors reported to the National Poisons Information Centre of Ireland
Blais et al. Validity of congenital malformation diagnostic codes recorded in Quebec's administrative databases
Cater et al. A prospective cohort study of medication reconciliation using pharmacy technicians in the emergency department to reduce medication errors among admitted patients
Nguyen et al. A probabilistic model for reducing medication errors
Kutcher et al. Bendectin and birth defects II: Ecological analyses
Huybrechts et al. Active surveillance of the safety of medications used during pregnancy
Erickson et al. Adverse medication events related to hospitalization in the United States: a comparison between adults with intellectual and developmental disabilities and those without
TWI783172B (zh) 用於處理處方之裝置及方法
Ackerman et al. Clinical and pregnancy outcomes of coronavirus disease 2019 among hospitalized pregnant women in the United States
US20170076059A1 (en) Detection and notification of prescription non-adherence
JP2004287614A (ja) 医療ネットワークサーバ及び医療ネットワークシステム
US20120253842A1 (en) Methods, apparatuses and computer program products for generating aggregated health care summaries
Ding et al. Effect of e-health intervention on disease management in patients with chronic heart failure: a meta-analysis
US20210074397A1 (en) Apparatus and method for processing of a prescription
Chan Development of a multipurpose dataset to evaluate potential medication errors in ambulatory settings