一种基于大数据的慢病患者健康状态数据监测系统及方法技术方案

本发明专利技术公开了一种基于大数据的慢病患者健康状态数据监测系统及方法，包括数据库获取模块、筛选模型建立模块、诊断结果确定模块、数据库更新模块、筛选模型匹配模块和综合评估指数分析模块；数据库获取模块用于获取患者登录医疗平台进行挂号后记录的就诊信息；筛选模型建立模块用于建立目标数据库中的筛选模型；诊断结果确定模块用于记录患者就诊后的诊断结果并根据诊断结果选择存储；数据库更新模块用于根据诊断结果确定模块以更新数据库；筛选模型匹配模块用于匹配患者历史就诊信息与目标数据库并确定匹配结果；综合评估指数分析模块用于综合第一匹配结果和患者当前的就诊信息得到综合评估指数。得到综合评估指数。得到综合评估指数。

【技术实现步骤摘要】
一种基于大数据的慢病患者健康状态数据监测系统及方法


[0001]本专利技术涉及慢病患者健康状态数据监测
，具体为一种基于大数据的慢病患者健康状态数据监测系统及方法。

技术介绍

[0002]随着人民生活水平的提高，生活方式和饮食文化的改变，以心脑血管疾病、糖尿病、恶性肿瘤、慢性阻塞性肺部疾病、精神异常和精神病等为代表的各种慢性疾病患病率逐渐增加，慢性病已经成为我国居民死亡的主要原因；由于慢性病的特征，部分慢病疾病的产生不是一时诱发，很多情况下是由于人们不良的饮食习惯和不良的生活习惯在潜移默化中形成的，且在病症突显的前期，很多情况下是难以发现的，那么如何根据患者日常的就诊信息来进一步推断出患者是否存在潜在慢性疾病的可能，是目前针对慢病患者健康监测需要解决的首要问题，以及怎样数据化人们身体从健康状态时到慢性疾病产生时这一中间时段的空白监测。

技术实现思路

[0003]本专利技术的目的在于提供一种基于大数据的慢病患者健康状态数据监测系统及方法，以解决上述
技术介绍
中提出的问题。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的慢病患者健康状态数据监测方法，包括以下步骤：步骤S1：获取患者登录医疗平台进行挂号后记录的就诊信息，并将患者相关的就诊信息存储于医疗大数据库中；提取医疗大数据库中已经确诊慢病患者的病情相关数据作为目标数据库，病情相关数据包括慢病患者的病因、病症和病史，并根据目标数据库建立筛选模型；步骤S2：基于目标数据库和患者当前的就诊信息，输出患者的诊断结果为第一诊断结果，若第一诊断结果属于慢性疾病，则判断患者的诊断结果是否与目标数据库存在交集，若存在交集，不进行数据的存储；若不存在交集，则存储该患者的就诊信息于目标数据库中，更新目标数据库；步骤S3：若第一诊断结果不属于慢性疾病，提取患者存储于医疗大数据库中的病史数据，病史数据是指患者在第一诊断结果得出前的所有历史就诊记录，并将历史就诊记录与目标数据库的筛选模型进行匹配，得到第一匹配结果；步骤S4：基于第一匹配结果和患者当前的就诊信息，综合分析患者针对慢病健康状态的综合评估指数，根据综合评估指数对患者在得到第一诊断结果前进行预警，提示诊断方向，输出预警提示后的诊断结果为第二诊断结果，并将第二诊断结果存储于目标数据库中。
[0005]进一步的，步骤S1中根据目标数据库建立筛选模型，包括以下步骤：提取医疗大数据库中的病因作为第一常规筛选因子u1，提取医疗大数据库中的病
症作为第二常规筛选因子v1，提取医疗大数据库中的病史作为第三常规筛选因子q1；获取目标数据库中的病因作为第一目标筛选因子u2，提取目标数据库中的病症作为第二目标筛选因子v2，提取目标数据库中的病史作为第三常目标选因子q2；建立医疗大数据库中的常规筛选因子游离集{u1,v1,q1}，利用公式：计算常规筛选因子游离集{u1,v1,q1}在对医疗大数据库进行筛选后的对应常规游离比例{wu1,wv1,wq1}；其中{max[u1],max[v1],max[q1]}分别为第一常规筛选因子u1、第二常规筛选因子v1和第三常规筛选因子q1筛选出医疗大数据库中相同病情数据对应患者个数的最大值；M为医疗大数据库中患者就诊信息的总数值；建立目标数据库中的目标筛选因子游离集{u2,v2,q2}，并提取目标筛选因子游离集{u2,v2,q2}在对目标数据库进行筛选后的对应目标游离比例{gu2,gv2,gq2}，目标游离比例的计算方式同上述常规游离比例的计算方式；依次比较常规游离比例{wu1,wv1,wq1}和目标游离比例{gu2,gv2,gq2}中对应患者的重叠度r(u,v,q)，重叠度r(u,v,q)=m0(u,v,q)/max{[u1,u2],[v1,v2],[q1,q2]}，其中m0(u,v,q)表示医疗大数据库和目标数据库中相同病情数据对应患者的重复个数，相同病情数据包括相同病因、病症和病史；max{[u1,u2],[v1,v2],[q1,q2]}表示在针对相同病情数据对应的医疗大数据库中对应患者的总数和目标数据库中对应患者总数的最大值；设置重叠度阈值，当重叠度大于等于重叠度阈值时，保留对应的常规游离比例和目标游离比例，当重叠度小于重叠度阈值时，设置对应因子的游离比例与最小值的游离比例保持一致，构成新的常规游离比例{wu1',wv1',wq1'}和新的目标游离比例{gu2',gv2',gq2'}；利用公式构建筛选因子优先级：其中T为筛选因子优先级矩阵，比较矩阵T中数值的大小，进行由大到小的排序且对应生成筛选因子的优先级；根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型。
[0006]将医疗大数据库和单独提出的目标数据库进行分析，并确定筛选因子的优先级，是为了分析在慢病患者记录的就诊数据中，哪种特征是与大数据库中存在重合率较高的，重合率高说明慢性病的这种特征隐秘性强不易被发现，所以要将这种特征作为筛查因子的第一优先级，防止漏差，且根据分析得到的优先级进行筛选，提高目标数据筛选的精确度以及筛选的效率。
[0007]进一步的，根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型，包括以下具体步骤：以第一优先级的筛选因子对应目标数据库中的患者就诊信息为初始靶点，提取初始靶点中的关键词信息作为第一关键词集，遍历第一关键词集中各关键词的相似度，获取相似度小于第一相似度阈值时对应的关键词对{关键词a1
→
关键词b1}，
提取关键词对{关键词a1
→
关键词b1}中第二优先级的筛选因子对应的关键词信息作为第二关键词集，遍历第二关键词集中各关键词的相似度，获取相似度小于第二相似度阈值时对应的关键词对{关键词a2
→
关键词b2}；提取关键词对{关键词a2
→
关键词b2}中第三优先级的筛选因子对应的关键词信息作为第三关键词集，遍历第三关键词集中各关键词的相似度，获取相似度小于第三相似度阈值时对应的关键词对{关键词a3
→
关键词b3}；以第一筛选模型和第二筛选模型的信息区别为依据，构建以{关键词a1
→
关键词关键词a2
→
关键词a3}和{关键词b1
→
关键词b2
→
关键词b3}的第一筛选模型和第二筛选模型。
[0008]进一步的，将历史就诊记录与目标数据库的筛选模型进行匹配，得到第一匹配结果，包括以下具体步骤：获取患者的历史就诊记录，并依据筛选因子的优先级对历史就诊记录进行分类，分别得到历史就诊记录中的各筛选因子的子关键词{fuj,fvj,fqj}；fuj表示病因筛选因子对应的第j个子关键词，fvj表示病症筛选因子对应的第j个子关键词，fqj表示病史筛选因子对应的第j个子关键词；将筛选因子的子关键词与先天筛选模型和后天筛选模型进行分别匹配，得到第一匹配结果H：其中d表示筛选因子对应子关键词的总个数；G(fuj)表示病因筛选因子对应第j个子关键词与第一筛选模型和第二筛选模型匹配度的最大值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的慢病患者健康状态数据监测方法，其特征在于，包括以下步骤：步骤S1：获取患者登录医疗平台进行挂号后记录的就诊信息，并将患者相关的就诊信息存储于医疗大数据库中；提取医疗大数据库中已经确诊慢病患者的病情相关数据作为目标数据库，所述病情相关数据包括慢病患者的病因、病症和病史，并根据目标数据库建立筛选模型；步骤S2：基于目标数据库和患者当前的就诊信息，输出患者的诊断结果为第一诊断结果，若第一诊断结果属于慢性疾病，则判断患者的诊断结果是否与目标数据库存在交集，若存在交集，不进行数据的存储；若不存在交集，则存储该患者的就诊信息于目标数据库中，更新目标数据库；步骤S3：若第一诊断结果不属于慢性疾病，提取患者存储于医疗大数据库中的病史数据，所述病史数据是指患者在第一诊断结果得出前的所有历史就诊记录，并将所述历史就诊记录与目标数据库的筛选模型进行匹配，得到第一匹配结果；步骤S4：基于第一匹配结果和患者当前的就诊信息，综合分析患者针对慢病健康状态的综合评估指数，根据综合评估指数对患者在得到第一诊断结果前进行预警，提示诊断方向，输出预警提示后的诊断结果为第二诊断结果，并将第二诊断结果存储于目标数据库中。2.根据权利要求1所述的一种基于大数据的慢病患者健康状态数据监测方法，其特征在于：所述步骤S1中根据目标数据库建立筛选模型，包括以下步骤：提取医疗大数据库中的病因作为第一常规筛选因子u1，提取医疗大数据库中的病症作为第二常规筛选因子v1，提取医疗大数据库中的病史作为第三常规筛选因子q1；获取目标数据库中的病因作为第一目标筛选因子u2，提取目标数据库中的病症作为第二目标筛选因子v2，提取目标数据库中的病史作为第三常目标选因子q2；建立医疗大数据库中的常规筛选因子游离集{u1,v1,q1}，利用公式：计算常规筛选因子游离集{u1,v1,q1}在对医疗大数据库进行筛选后的对应常规游离比例{wu1,wv1,wq1}；其中{max[u1],max[v1],max[q1]}分别为第一常规筛选因子u1、第二常规筛选因子v1和第三常规筛选因子q1筛选出医疗大数据库中相同病情数据对应患者个数的最大值；M为医疗大数据库中患者就诊信息的总数值；建立目标数据库中的目标筛选因子游离集{u2,v2,q2}，并提取目标筛选因子游离集{u2,v2,q2}在对目标数据库进行筛选后的对应目标游离比例{gu2,gv2,gq2}，所述目标游离比例的计算方式同上述常规游离比例的计算方式；依次比较常规游离比例{wu1,wv1,wq1}和目标游离比例{gu2,gv2,gq2}中对应患者的重叠度r(u,v,q)，所述重叠度r(u,v,q)=m0(u,v,q)/max{[u1,u2],[v1,v2],[q1,q2]}，其中m0(u,v,q)表示医疗大数据库和目标数据库中相同病情数据对应患者的重复个数，所述相同病情数据包括相同病因、病症和病史；max{[u1,u2],[v1,v2],[q1,q2]}表示在针对相同病情数据对应的医疗大数据库中对应患者的总数和目标数据库中对应患者总数的最大值；设置重叠度阈值，当重叠度大于等于重叠度阈值时，保留对应的常规游离比例和目标游离比例，当重叠度小于重叠度阈值时，设置对应因子的游离比例与最小值的游离比例保持一致，构成新的常规游离比例{wu1',wv1',wq1'}和新的目标游离比例{gu2',gv2',gq2'}；利用公式构建筛选因子优先级：
其中T为筛选因子优先级矩阵，比较矩阵T中数值的大小，进行由大到小的排序且对应生成筛选因子的优先级；根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型。3.根据权利要求2所述的一种基于大数据的慢病患者健康状态数据监测方法，其特征在于：所述根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型，包括以下具体步骤：以第一优先级的筛选因子对应目标数据库中的患者就诊信息为初始靶点，提取初始靶点中的关键词信息作为第一关键词集，遍历第一关键词集中各关键词的相似度，获取相似度小于第一相似度阈值时对应的关键词对{关键词a1
→
关键词b1}，提取关键词对{关键词a1
→
关键词b1}中第二优先级的筛选因子对应的关键词信息作为第二关键词集，遍历第二关键词集中各关键词的相似度，获取相似度小于第二相似度阈值时对应的关键词对{关键词a2
→
关键词b2}；提取关键词对{关键词a2
→
关键词b2}中第三优先级的筛选因子对应的关键词信息作为第三关键词集，遍历第三关键词集中各关键词的相似度，获取相似度小于第三相似度阈值时对应的关键词对{关键词a3
→
关键词b3}；以第一筛选模型和第二筛选模型的信息区别为依据，构建以{关键词a1
→
关键词关键词a2
→
关键词a3}和{关键词b1
→
关键词b2
→
关键词b3}的第一筛选模型和第二筛选模型。4.根据权利要求3所述的一种基于大数据的慢病患者健康状态数据监测方法，其特征在于：所述将所述历史就诊记录与目标数据库的筛选模...

【专利技术属性】
技术研发人员：罗雪方，罗子杰，
申请(专利权)人：朔至美南通科技有限公司，
类型：发明
国别省市：