一种糖尿病患者提高依从性的方法和系统技术方案

本发明专利技术公开了一种糖尿病患者提高依从性的系统及方法，系统包括：依从性服务平台和客户端，依从性服务平台包括数据采集模块、标签模型、依从性计算引擎、依从性模型，标签模型分别与采集模块和依从性计算引擎连接，依从性计算引擎分别与依从性模型、客户端连接；方法包括：S1，采集患者的医疗数据及随访管理数据；S2，对采集的数据中患者基本属性数据及行为数据进行标签化；S3，将标签化的数据传输给依从性计算引擎；S4，依从性计算引擎通过依从性规则模型计算出患者依从性分值，并通过依从性分值得出依从性等级及依从性的促进方案；S5，将依从性计算结果推送给客户端。

【技术实现步骤摘要】
一种糖尿病患者提高依从性的方法和系统
本专利技术涉及医疗
，尤其是涉及了一种糖尿病患者提高依从性的方法和系统。
技术介绍
糖尿病患者的依从性是指患者对医师医嘱及随访内容的执行程度，它是药物治疗有效性的基础。在影响药物治疗效果的诸多因素中，患者的不依从性越来越引起医药工作者的重视我国糖尿病患者群体正逐渐朝着年轻化、上升化趋势发展，糖尿病不同于一般疾病的是，糖尿病一般需要长期的观察和治疗。糖尿病以门诊随访或院后随访为主，医生的专业化指导可减缓疾病的自然进程、逆转恶化、降低并发症、改善生活质量。但由于人力、财力的限制，加之重视程度不够，慢性疾病的随访一直是医疗界临床研究和临床实践的真空地带。医生不能精确说出所管理的慢性病的人数、病种和疾病特征，患者的资料也分散在不同的科室和医生手中。现有技术中，大多采用医生填写的随访单进行管理，或者通过电话随访，但这并不能实现对患者的资料数据进行系统的收集和结构化的管理以及不能有效的促进患者的管理依从性，给不出合理的干预建议，从而未能提高患者的治疗效果。因此采取必要的管理、减缓甚至遏制患病率增高刻不容缓。有效提升慢性病患者管理依从性效率，能有效降低其病情恶化，增强病患幸福感，但目前市面上产品针对患者依从性管理的认知和研究相对匮乏。传统的医疗机构管理患者模式主要以面对面交流为主，因此受到了空间、时间等因素的阻碍。市面上提升患者依从性的产品都是以患者信息记录，定期提醒医护人员对患者进行依从性跟踪，医师、护士等医务人员以电话回访为主，患者依从性以医护人的主观判断为主，口头宣教为主，医护人员在系统中也没有把回访内容进行归纳，总结，对患者病情进行有效关联及没有采取主动措施，同时，慢性病患者在医疗管理上还存在很大差距和不足，包括慢性病管理人员能力不足、医疗管理宣传教育方式落后等。导致患者依从性差。患者医疗管理依从性差，不仅影响着自身的身体健康以及治疗效果，还影响着医务人员的临床判断，甚至增加了社会经济负担。
技术实现思路
为解决现有技术的不足，实现提高对患者医疗管理依从性的目的，本专利技术采用如下的技术方案：一种糖尿病患者提高依从性的方法，包括如下步骤：S1，采集患者的医疗数据及随访管理数据；S2，对采集的数据中患者基本属性数据及行为数据进行标签化；S3，将标签化的数据传输给依从性计算引擎；S4，依从性计算引擎通过依从性规则模型计算出患者依从性分值，并通过依从性分值得出依从性等级及依从性的促进方案，患者及其对应的标签数据进入依从性规则模型，根据依从性规则模型中预设条件计算出匹配的患者依从性分值，根据分值与等级的划分规则，划分出依从性等级，根据分值与依从性规则模型中促进方式对应的分值区间做匹配，并将匹配的促进方式组合，生成依从性促进任务；S5，将依从性计算结果推送给客户端。所述步骤S2，在标签化前，先对采集的数据进行数据清洗，清洗出患者基本属性数据和行为数据，所述的行为数据包括医疗行为数据、阅读行为数据、健康评估行为数据、问卷调查行为数据、生活习惯行为数据、健康监测行为数据、交流活动行为数据，数据清洗筛选出了与糖尿病人相关的基本属性及行为数据，剔除了其他错误、无效的数据，合并了一词多义的重复数据，其次数据清洗也是分类的过程，提高了后期针对清洗好的数据进行标签化的效率，也方便最终标签化数据的归类、存储及分类查询。所述的数据清洗，包括如下步骤：S21，预处理，将抽取的源数据分批加载清洗池中进行处理，验证源数据，包括源数据的字段解释、数据来源、代码表以及判断数据描述的信息是否完整，抽取难以识别的数据，通过人工查看，由于是医疗数据，人工查看会对及其难以识别理解的数据本身有一个直观的了解，并且初步发现一些问题，为之后改进及其识别或其他处理做准备；S22，缺失值清洗，确定缺失值范围，填充缺失内容，对每个字段都计算其缺失值比例，分别根据数据的重要性、缺失比例来制定信息补全策略，补全方式包括如下：（1）以业务知识或经验推测填充缺失值；（2）以同一指标的计算结果（均值、中位数、众数等）填充缺失值；（3）以不同指标的计算结果填充缺失值；随后去除不需要的字段，对于重要性高且缺失率也高的数据，则需重新货取数据，通过自动识别同时满足重要性高和缺失率高的字段，向业务处理人员发送通知；S23，格式内容清洗，对于源数据为格式化数据时，只需清洗如下部分：（1）时间、日期、数值、全半角等显示格式不一致；（2）内容中有不该存在的字符；（3）内容与该字段应有内容不符；通常格式化数据为系统日志等，其格式和内容与清洗后的数据一致，只需修改部分格式即可，减少数据处理的强度，提高数据处理的效率；S24，逻辑错误清洗，包括去重、去除不合理值、修正矛盾内容，所述不合理值是不符合自然规律的数据，所述修正矛盾内容，是比较两个包含同样患者属性或行为的数据，但数据的关键字段不相同，根据数据的重要性，修正矛盾字段。建立患者唯一索引号，规则顺序如下：（1）流水号不为空时，流水号+业务数据来源+姓名+医院编码来生成患者唯一索引号；（2）身份证不为空时，身份证+姓名+医院编码来生成患者唯一索引号；（3）门诊号不为空时，门诊住院号+业务数据来源+姓名+医院编码来生成患者唯一索引号；（4）业务数据索引不为空时，业务数据索引号+姓名+医院编码来生成患者唯一索引号；（5）手机号不为空时，手机号+姓名+医院编码来生成患者唯一索引号。通过以上顺序，在面对众多可能存在错误的数据下，尽可能的保证患者与索引号之间的唯一性。所述步骤S2的标签化，是对患者基本属性数据和行为数据的具体内容与标签的内容及标签划定的范围做匹配，当具体内容与标签内容匹配时，或落在标签划定的范围内时，为具体内容贴上对应的标签，打标签的过程是内容匹配的过程，也是范围匹配的过程，不但为具体内容打上了对应的标签，也为散落的同一标签范围内的数据进行聚类的过程，起到了数据漏斗的作用。所述步骤S3，依从性计算引擎会接收患者的标签化数据，根据患者的计划任务选择不同的依从性促模型并将标签化数据与模型要求的输入数据进行验证，所述的患者的计划任务是患者出院后为患者生成的需要完成计划任务。客户端反馈患者依从性促进方案的实行结果，根据实行结果调整预设条件，从而依从性规则模型。一种糖尿病患者提高依从性的系统，包括依从性服务平台和客户端，所述的依从性服务平台包括数据采集模块、标签模型、依从性计算引擎、依从性模型，标签模型分别与采集模块和依从性计算引擎连接，依从性计算引擎分别与依从性模型、客户端连接，采集模块采集患者数据，经标签模型标签化后，通过依从性计算引擎通过依从性模型计算出依从性分值，并通过依从性分值得出依从性等级及依从性促进任务，并下发至客户端，客户端展示依从性分值，处理依从性促进任务。所述的标签模型包括患者基本信息模型、患者疾病模型和患者不良药物反应及用药禁忌本文档来自技高网...

【技术保护点】
1.一种糖尿病患者提高依从性的方法，其特征在于包括如下步骤：/nS1，采集患者的医疗数据及随访管理数据；/nS2，对采集的数据中患者基本属性数据及行为数据进行标签化；/nS3，将标签化的数据传输给依从性计算引擎；/nS4，依从性计算引擎通过依从性规则模型计算出患者依从性分值，并通过依从性分值得出依从性等级及依从性的促进方案，患者及其对应的标签数据进入依从性规则模型，根据依从性规则模型中预设条件计算出匹配的患者依从性分值，根据分值与等级的划分规则，划分出依从性等级，根据分值与依从性规则模型中促进方式对应的分值区间做匹配，并将匹配的促进方式组合，生成依从性促进任务；/nS5，将依从性计算结果推送给客户端。/n

【技术特征摘要】
1.一种糖尿病患者提高依从性的方法，其特征在于包括如下步骤：
S1，采集患者的医疗数据及随访管理数据；
S2，对采集的数据中患者基本属性数据及行为数据进行标签化；
S3，将标签化的数据传输给依从性计算引擎；
S4，依从性计算引擎通过依从性规则模型计算出患者依从性分值，并通过依从性分值得出依从性等级及依从性的促进方案，患者及其对应的标签数据进入依从性规则模型，根据依从性规则模型中预设条件计算出匹配的患者依从性分值，根据分值与等级的划分规则，划分出依从性等级，根据分值与依从性规则模型中促进方式对应的分值区间做匹配，并将匹配的促进方式组合，生成依从性促进任务；
S5，将依从性计算结果推送给客户端。


2.如权利要求1所述的一种糖尿病患者提高依从性的方法，其特征在于所述步骤S2，在标签化前，先对采集的数据进行数据清洗，清洗出患者基本属性数据和行为数据，所述的行为数据包括医疗行为数据、阅读行为数据、健康评估行为数据、问卷调查行为数据、生活习惯行为数据、健康监测行为数据、交流活动行为数据。


3.如权利要求2所述的一种糖尿病患者提高依从性的方法，其特征在于所述的数据清洗，包括如下步骤：
S21，预处理，将抽取的源数据分批加载清洗池中进行处理，验证源数据，包括源数据的字段解释、数据来源、代码表以及判断数据描述的信息是否完整，抽取难以识别的数据，通过人工查看；
S22，缺失值清洗，确定缺失值范围，填充缺失内容，对每个字段都计算其缺失值比例，分别根据数据的重要性、缺失比例来制定信息补全策略，补全方式包括如下：
（1）以业务知识或经验推测填充缺失值；
（2）以同一指标的计算结果（均值、中位数、众数等）填充缺失值；
（3）以不同指标的计算结果填充缺失值；
随后去除不需要的字段，对于重要性高且缺失率也高的数据，则需重新货取数据，通过自动识别同时满足重要性高和缺失率高的字段，向业务处理人员发送通知；
S23，格式内容清洗，对于源数据为格式化数据时，只需清洗如下部分：
（1）时间、日期、数值、全半角等显示格式不一致；
（2）内容中有不该存在的字符；
（3）内容与该字段应有内容不符；
S24，逻辑错误清洗，包括去重、去除不合理值、修正矛盾内容，所述不合理值是不符合自然规律的数据，所述修正矛盾内容，是比较两个包含同样患者属性或行为的数据，但数据的关键字段不相同，根据数据的重要性，修正矛盾字段。
<...

【专利技术属性】
技术研发人员：余品灵，
申请(专利权)人：杭州健海科技有限公司，
类型：发明
国别省市：浙江;33