一种基于依从性的慢病患者筛选方法技术

本发明专利技术公开了一种基于依从性的慢病患者筛选方法，所述筛选方法包括如下步骤，S1、根据患者的就诊规律性和用药规律性，建立患者的依从性描述模型；S2、根据患者的患病严重程度，建立患者的历史疾病严重性进展描述模型；S3、将患者的依从性描述模型和患者的历史疾病严重性进展描述模型作为特征变量输入聚类模型进行聚类分析，划分出不同类型的患者群。优点是：创造性地采用了对患者依从性的两方面描述模型，依从性描述和患者疾病历史描述，这两方面的描述，可以将患者的慢病历史划分为四个象限，医护人员能够根据划分情况筛选出不同情况的慢病患者，并针对不同情况的慢病患者采用相应的治疗手段。

【技术实现步骤摘要】
一种基于依从性的慢病患者筛选方法
本专利技术涉及慢性疾病患者筛选领域，尤其涉及一种基于依从性的慢病患者筛选方法。
技术介绍
由于医疗中慢性病群体具有需要长期服药、持续治疗的特点，且患者的用药规律性对病情发展至关重要，因此，对患者的病情处于那种情况的掌握，对患者的下一步治疗手段的采用治疗方向至关重要。目前，医保和医疗数据大量增加，导致对慢病患者的病情处于那种情况的掌握非常困难而且繁琐，亟需一种更加简便的方式，对患者群进行划分，以便于对患者进行后续的分析判断。
技术实现思路
本专利技术的目的在于提供一种基于依从性的慢病患者筛选方法，从而解决现有技术中存在的前述问题。为了实现上述目的，本专利技术采用的技术方案如下：一种基于依从性的慢病患者筛选方法，所述筛选方法包括如下步骤，S1、根据患者的就诊规律性和用药规律性，建立患者的依从性描述模型；S2、根据患者的患病严重程度，建立患者的历史疾病严重性进展描述模型；S3、将患者的依从性描述模型和患者的历史疾病严重性进展描述模型作为特征变量输入聚类模型进本文档来自技高网...

【技术保护点】
1.一种基于依从性的慢病患者筛选方法，其特征在于：所述筛选方法包括如下步骤，/nS1、根据患者的就诊规律性和用药规律性，建立患者的依从性描述模型；/nS2、根据患者的患病严重程度，建立患者的历史疾病严重性进展描述模型；/nS3、将患者的依从性描述模型和患者的历史疾病严重性进展描述模型作为特征变量输入聚类模型进行聚类分析，划分出不同类型的患者群。/n

【技术特征摘要】
1.一种基于依从性的慢病患者筛选方法，其特征在于：所述筛选方法包括如下步骤，
S1、根据患者的就诊规律性和用药规律性，建立患者的依从性描述模型；
S2、根据患者的患病严重程度，建立患者的历史疾病严重性进展描述模型；
S3、将患者的依从性描述模型和患者的历史疾病严重性进展描述模型作为特征变量输入聚类模型进行聚类分析，划分出不同类型的患者群。


2.根据权利要求1所述的基于依从性的慢病患者筛选方法，其特征在于：步骤S1中，所述就诊规律性是指患者每次就诊的间隔时间是否一致，每次就诊花费是否一致；若每次就诊间隔时间一致且每次就诊花费一致，则表示患者就诊规律，否则，患者就诊不规律；所述用药规律性是指在每个给定的区间内，患者用药品种是否一致，每种用药的日均花费是否一致；若在给定的区间内，患者用药品种一致且每种用药的日均花费一致，则表示患者用药规律，否则，患者用药不规律。


3.根据权利要求2所述的基于依从性的慢病患者筛选方法，其特征在于：步骤S1具体包括，
S11、选取第一设定时间内的患者就诊数据，并从患者就诊数据中选取三个维度的每月花费；
S12、使用快速傅里叶变换算法对三个维度的每月花费进行时域序列到频域序列的转换，并将获取的各频域序列的系数作为特征变量；
S13、将系数占比最高的系数、占比高的两个系数的和，均加入特征变量中，获取特征变量集，即为患者的依从性描述模型。


4.根据权利要求3所述的基于依从性的慢病患者筛选方法，其特征在于：所述患者就诊数据为在第一设定时间内的患者就诊的各个项目以及各个项目的花费情况；三个维度每月花费分别为每月花费、花费最高的项目类型的每月花费、花费最高的一个或两个或三个项目的每月花费。


5.根据权利要求4所述的基于依从性的慢病...

【专利技术属性】
技术研发人员：陈明东，黄越，
申请(专利权)人：思派健康产业投资有限公司，
类型：发明
国别省市：广东;44