【技术实现步骤摘要】
一种精细化抗菌药物处方点评方法
[0001]本专利技术属于医药判定方法
,涉及一种精细化抗菌药物处方点评方法。
技术介绍
[0002]细菌耐药是全球公共健康领域的重大挑战。由耐药细菌引起的感染死亡率更高,治疗费用也更昂贵,细菌耐药性的增强可能导致人类面临无药可用的境地。医疗机构抗菌药物临床应用信息化管理体系尚不完善,抗菌药物的使用合理性仍有待提升。现有的相关方法或软件无法做到对术前患者评估,如是否有基础疾病、糖尿病等免疫缺陷,是否是高龄;对术中的情况也无法了解,比如手术的级别、持续时间、是否急诊手术等信息无法全面获取。而目前的技术多聚焦于对处方是否合理进行评估,缺少更精准的点评;同时,缺乏规范的处方处理流程,导致管理的混乱。
[0003]与本专利技术相关的现有文献包括:
[0004]Beaudoin,M.,Kabanza,F.,Nault,V.,&Valiquette,L,2016.Evaluationofamachinelearningcapabilityforaclinicaldecisionsupportsystemtoenhanceantimicrobialstewardshipprograms.Artificialintelligenceinmedicine68,29
‑
36.
[0005]该研究使用知识库和监督学习模块来发现临床决策支持系统的专家规则,该模块使用过去的剂量和给药频率调整建议、停止治疗、早期从静脉内治疗转为口服治疗以及多余的抗菌 ...
【技术保护点】
【技术特征摘要】
1.一种精细化抗菌药物处方点评方法,其特征在于,步骤如下:第一步:建立医院抗菌药物处方点评数据库基于医院信息管理系统(HIS)、医院相关规章制度以及医生补充知识,收集医院产生的抗菌药物处方以及处方涉及的相关患者信息、手术信息以及药物信息;根据患者住院号码和入院时间,关联患者信息;根据患者住院号码、手术时间和处方开具时间关联手术信息;根据抗菌药物名称关联药物信息;根据所有关联信息,计算每一条抗菌药物处方的花费金额以及用药量;将所有信息整合建立医院抗菌药物处方点评数据库;第二步:数据预处理根据医院抗菌药物处方点评数据库中的数据,区分结构化数据与非结构化数据;之后,对结构化数据、非结构化数据分别进行预处理,步骤如下:首先,删除结构化数据中包含缺失值的行;之后,对于结构化数据中的数值型数据,包括患者年龄、患者身高、患者体重、患者体重指数(BMI)、入院日期、出院日期、开嘱时间、停嘱时间、用药一次剂量、用药总量、手术时间、手术持续时间信息,不做特别处理;对于结构化数据中的分类数据,包括患者性别、患者是否患有糖尿病、患者所属科室、使用药物名称、用药频次、手术级别、手术与和等级、药物等级信息,引入虚拟变量进行建模;然后,对于非结构化数据,包括手术及操作名称、诊断信息的文本数据,使用TF
‑
IDF进行建模;第三步:多标签处理对于人工点评数据,由于点评结果并不局限于单一方面,因而需要将点评结果转化为多标签的分类格式;本方法涉及的点评方面包含药物处方是否合理,将合理处方的点评结果索引设置为0;若不合理,不合理的具体方面包含:
①
药物选择不合理;
②
无头孢过敏史仍皮试;
③
无理由更换药物品种;
④
用药时机不合理;
⑤
单次剂量不合理;
⑥
用药频次不合理;
⑦
用药疗程不合理;
⑧
无指征用药;其索引分别为1至8;因而,当处方同时包含未说明换药原因、未说明疗程两方面问题时,其点评的多标签的分类格式为[0,0,0,1,0,0,0,1,0];采用集成Label Powerset方法,对于每一种标签组合都建立一个单独的分类器,并通过创建映射关系来支持多标签与单标签的相互转换;第四步:学习点评知识4.1根据前述得到的结构化数据、非结构化数据以及人工标注单标签信息,集成机器学习方法AdaBoost建立模型,学习参数;4.2使用获得的模型点评待点评处方,根据反向映射关系输出点评结果。2.如权利要求1所述的一种精细化抗菌药物处方点评方法,其特征在于,第二步中,所述的使用TF
‑
IDF进行建模,具体如下:1)需要计算词条在文本中出现的频率,即计算词频(TF),TF的公式如下:其中n
i,j
表示了某一词语t
i
在文档d
j
之中出现的次数,∑
k
n
k,j
表示文档d
j
中的词语总数;
TF
i,j
表示了词语t
i
...
【专利技术属性】
技术研发人员:杨光飞,周子尧,丁爱丽,关晓微,王守权,
申请(专利权)人:大连凌空数据科技有限公司大连市中心医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。