OSAS临床数据库及数据库构建方法与科研管理系统技术方案

本发明专利技术公开一种OSAS临床数据库构建方法，通过构建标准化、结构化OSAS数据模型；并对临床系统中海量的数据进行整合、评估，获得标准化、结构化OSAS数据库；同时也实时更新；获得覆盖OSAS患者全病程的结构化、标准化数据库；本发明专利技术通过OSAS数据模型构建覆盖OSAS患者全病程的结构化、标准化数据库的科研管理系统，并结合数据库科研管理系统，为远程诊疗、医联体内部联动以及OSAS临床科研提供支持。内部联动以及OSAS临床科研提供支持。

【技术实现步骤摘要】
OSAS临床数据库及数据库构建方法与科研管理系统


[0001]本专利技术公开OSAS临床数据库及数据库构建方法与科研管理系统，涉及临床专病库构建及管理


技术介绍

[0002]疾病资源是探索人类疾病的发展机制、研究与开发新药和新的治疗方法所必须的资料，疾病资源库是医学智慧发展的重要战略资源，建设一个资料完整、信息共享度高的疾病资源库，将提高医学竞争力，促进转化医学发展。
[0003]阻塞性睡眠呼吸暂停综合征(obstructive sleep apnea syndrome，OSAS)是指每晚平均7小时睡眠过程中，呼吸暂停反复发作次数≥30次或者睡眠呼吸暂停低通气指数 (AHI)≥5次/小时并伴有嗜睡等临床症状。有数据表明，成年人群中OSAS发病率约 3％～7％；OSAS主要表现为睡眠时打鼾并伴有呼吸暂停和呼吸表浅，潜在的发病机制主要是睡眠期间因多种原因造成部分或完全的上呼吸道塌陷而引起夜间发生间歇性缺氧，导致患者入睡后反复被唤醒和动脉氧饱和度下降，使交感神经兴奋性增强，引发全身氧化应激反应，导致多系统、多器官损伤。OSAS通常可引起一系列的慢性病，包括高血压、糖尿病、卒中、认知功能障碍、性功能障碍等。
[0004]针对OSAS患者的数据库系统，目前仍然是空缺，目前的OSAS数据库，还停留在电子表格形式，出现了不同程度的编码混乱、管理困难、无法协作及误删误改等问题，同时需要投入大量的人力和时间；建立基于大数据的OSAS数据库系统，将分散在不同机构的数据整合为一个逻辑完整的信息整体，满足医疗相关人员的需要，实现跨机构、跨领域的业务协同；支撑区域基层医疗机构业务信息电子化，实现电子病历和健康档案在区域范围进行数据交换和互联互通是亟需解决的问题。

技术实现思路

[0005]本专利技术的目的在于，提供OSAS临床数据库及数据库构建方法，并提出OSAS临床数据库科研管理系统，通过OSAS数据模型构建覆盖OSAS患者全病程的结构化、标准化数据库，并结合数据库科研管理系统，为远程诊疗、医联体内部联动以及OSAS 临床科研提供支持。
[0006]为实现上述技术目的，达到上述技术效果，本专利技术是通过以下技术方案实现：
[0007]OSAS临床数据库构建方法，包括以下步骤：
[0008]S1：构建标准化、结构化OSAS数据模型；
[0009]S2：通过S1构建的OSAS数据模型对临床系统中海量的数据进行整合；
[0010]S3：建立校对评估模型，将通过OSAS数据模型整合后的临床数据与原始数据进行校对；
[0011]S4：通过预设标准阈值，对校对结果进行评判，若评判结果高于标准阈值，则进入下一步S5，若评判结果低于标准阈值，则回到S2进行优化；
[0012]S5：将得到的以OSAS数据模型为基础的数据分类储存于数据库获得标准化、结构
化OSAS数据库；
[0013]S6：完成OSAS临床数据库构建。
[0014]进一步的，所述S1标准化、结构化OSAS数据模型为OSAS临床最前沿的标准化数据以及结构化数据，涵盖OSAS患者全病程的信息、指标、参数、诊断及治疗内容；
[0015]其中，所述OSAS数据模型以OSAS患者全病程为标准结构，以病程中最新专家共识为标准化，并根据病程设定分级目录，各目录下设定下级子目录并采集内容；
[0016]其中，设定下级子目录的数量根据分级目录及标准化、结构化参数设定；
[0017]所述OSAS数据模型的标准化、结构化数据栏目，通过分级目录分为不同板块，不同板块的各目录下的子目录依据权重或必填内容排序；
[0018]其中，OSAS数据模型的各栏目及子目录以关键词分类命名；
[0019]所述OSAS数据模型的结构采用层次数据模型、网状数据模型及关系型数据模型的结合；
[0020]其中，利用层次数据模型的基本数据结构作为病程中某一节点，这一节点作为此次的唯一根节点，每个节点为预设的每个子目录对应实际采集内容，并根据关键词分类命名记录类型的各个字段对应的实际属性；
[0021]模型中，有且仅有一个节点没有父节点，其余的节点必须有且仅有一个父节点，但是所有的节点都可以不存在子节点；
[0022]其中，利用网状数据模型的m:n的结构，处理非约束性的扩展，网状数据模型中的节点为单独目录，可以脱离父节点新增，采集多个变量且可以为两个或多个没有根节点的节点，在OSAS的全病程数据采集中可以采集随机、突变的变量数据；
[0023]其中，利用关系型数据模型处理相互之间存在关系或公知关系的数据，作为标准化及规范化的基础。
[0024]进一步的，所述S2以构建的OSAS数据模型为基础，通过自然语言处理、知识图谱、卷积神经网络，将临床系统中海量的数据转化为以OSAS数据模型的结构化、标准化的数据；
[0025]其中，根据OSAS数据模型的层次数据模型、网状数据模型及关系型数据模型的预设条件，以模型对应格式内容对临床系统中海量的临床数据进行特征标识；
[0026]以全病程中对应各个数据模型的特征进行标识，标识以各级目录、下级子目录为标识内容，对临床系统的数据进行标准化和结构化处理；
[0027]其中，标准化和结构化处理后，对临床数据有特征标识的数据量进行评估，被特征标识的数据量超过预设标准视为通过，其余视为未通过并启用人工标识或其它数据采集算法，确保被标识的数据量超过标准值；
[0028]被标识数据量无法满足要求且人工标识未能完成的放弃标识及录入，或在录入后进行标签处理。
[0029]进一步的，所述S2的OSAS数据模型对临床系统中海量的数据进行整合除历史数量的录入还包括新数据的录入。
[0030]进一步的，所述S3建立校对评估模型，通过对OSAS数据模型整合前后的数据模型的特征进行提取，提取的特征应包括所有信息特征，并通过校对评估模型对所有特征进行校对评估；
[0031]其中，校对特征信息以整合前信息特征作为基数，以整合后信息特征作为判别，从
特征的数量及准确度作为识别依据，对整合前后特征进行校对。
[0032]进一步的，所述S4通过预设标准阈值，对校对结果进行评判；
[0033]其中，若评判结果高于标准阈值，则进入下一步S5，即校对后整合前后的特征信息高于标准阈值，所整合的特征信息为有效信息且完整程度高于标准值，可以作为数据库使用；
[0034]若评判结果低于标准阈值，则回到S2进行优化，即校对后整合前后的特征信息低于标准阈值，所整合的特征信息为有效信息且完整程度低于标准值，需要通过人工校对或重新选择机器学习算法进行校对。
[0035]进一步的，所述S5将得到的以OSAS数据模型为基础的数据分类储存于数据库获得标准化、结构化OSAS数据库；
[0036]其中，通过将数据库上传于云端，对数据库进行加密处理并存储于数据库。
[0037]进一步的，所述S6完成OSAS临床数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.OSAS临床数据库构建方法，其特征在于，包括以下步骤：S1：构建标准化、结构化OSAS数据模型；S2：通过S1构建的OSAS数据模型对临床系统中海量的数据进行整合；S3：建立校对评估模型，将通过OSAS数据模型整合后的临床数据与原始数据进行校对；S4：通过预设标准阈值，对校对结果进行评判，若评判结果高于标准阈值，则进入下一步S5，若评判结果低于标准阈值，则回到S2进行优化；S5：将得到的以OSAS数据模型为基础的数据分类储存于数据库获得标准化、结构化OSAS数据库；S6：完成OSAS临床数据库构建。2.如权利要求1所述的OSAS临床数据库构建方法，其特征在于，所述S1标准化、结构化OSAS数据模型为OSAS临床最前沿的标准化数据以及结构化数据，涵盖OSAS患者全病程的信息、指标、参数、诊断及治疗内容；其中，所述OSAS数据模型以OSAS患者全病程为标准结构，以病程中最新专家共识为标准化，并根据病程设定分级目录，各目录下设定下级子目录并采集内容；其中，设定下级子目录的数量根据分级目录及标准化、结构化参数设定；所述OSAS数据模型的标准化、结构化数据栏目，通过分级目录分为不同板块，不同板块的各目录下的子目录依据权重或必填内容排序；其中，OSAS数据模型的各栏目及子目录以关键词分类命名；所述OSAS数据模型的结构采用层次数据模型、网状数据模型及关系型数据模型的结合；其中，利用层次数据模型的基本数据结构作为病程中某一节点，这一节点作为此次的唯一根节点，每个节点为预设的每个子目录对应实际采集内容，并根据关键词分类命名记录类型的各个字段对应的实际属性；模型中，有且仅有一个节点没有父节点，其余的节点必须有且仅有一个父节点，但是所有的节点都可以不存在子节点；其中，利用网状数据模型的m:n的结构，处理非约束性的扩展，网状数据模型中的节点为单独目录，可以脱离父节点新增，采集多个变量且可以为两个或多个没有根节点的节点，在OSAS的全病程数据采集中可以采集随机、突变的变量数据；其中，利用关系型数据模型处理相互之间存在关系或公知关系的数据，作为标准化及规范化的基础。3.如权利要求1所述的OSAS临床数据库构建方法，其特征在于，所述S2以构建的OSAS数据模型为基础，通过自然语言处理、知识图谱、卷积神经网络，将临床系统中海量的数据转化为以OSAS数据模型的结构化、标准化的数据；其中，根据OSAS数据模型的层次数据模型、网状数据模型及关系型数据模型的预设条件，以模型对应格式内容对临床系统中海量的临床数据进行特征标识；以全病程中对应各个数据模型的特征进行标识，标识以各级目录、下级子目录为标识内容，对临...

【专利技术属性】
技术研发人员：宋冬梅，董丽萍，宋耕，池伟伟，张继华，
申请(专利权)人：河北医科大学第一医院，
类型：发明
国别省市：