基于医防融合的糖尿病高危人群数据提取方法技术

本发明专利技术属于数据远程筛选提取领域，尤其是一种基于医防融合的糖尿病高危人群数据提取方法，针对现有的不便于对糖尿病高危人群病例数据远程筛选提取，不能及时发现糖尿病高危人群，不利于防治的问题，现提出如下方案，其包括以下步骤：S1、对病历数据进行提取，根据关键词对提取的数据进行初步处理，剔除无用数据；S2、对处理后的数据进行识别，分类，存储；S3、将分类后的数据与预设的数据进行比对；S4、分类的数据大于预设的数据，则将该数据归类为不正常的数据；S5、对不正常的数据进行分析，计算，本发明专利技术通过对数据提取、筛选、分析，筛选出高危数据，确定糖尿病高危人群，利于防治。利于防治。利于防治。

【技术实现步骤摘要】
基于医防融合的糖尿病高危人群数据提取方法


[0001]本专利技术涉及数据远程筛选提取
，尤其涉及一种基于医防融合的糖尿病高危人群数据提取方法。

技术介绍

[0002]糖尿病是一种以高血糖为特征的代谢性疾病。高血糖则是由于胰岛素分泌缺陷或其生物作用受损，或两者兼有引起。长期存在的高血糖，导致各种组织，特别是眼、肾、心脏、血管、神经的慢性损害、功能障碍，病因：1．遗传因素：1型或2型糖尿病均存在明显的遗传异质性。糖尿病存在家族发病倾向，1/4～1/2患者有糖尿病家族史。临床上至少有60种以上的遗传综合征可伴有糖尿病。1型糖尿病有多个DNA位点参与发病，其中以HLA抗原基因中DQ位点多态性关系最为密切。在2型糖尿病已发现多种明确的基因突变，如胰岛素基因、胰岛素受体基因、葡萄糖激酶基因、线粒体基因等。
[0003]2．环境因素：进食过多，体力活动减少导致的肥胖是2型糖尿病最主要的环境因素，使具有2型糖尿病遗传易感性的个体容易发病。1型糖尿病患者存在免疫系统异常，在某些病毒如柯萨奇病毒，风疹病毒，腮腺病毒等感染后导致自身免疫反应，破坏胰岛素β细胞，糖尿病的防治尤为重要。
[0004]现有技术中，不便于对糖尿病高危人群病例数据远程筛选提取，不能及时发现糖尿病高危人群，不利于防治，因此我们提出了基于医防融合的糖尿病高危人群数据提取方法，用来解决上述问题。

技术实现思路

[0005]本专利技术的目的是为了解决现有技术中存在不便于对糖尿病高危人群病例数据远程筛选提取，不能及时发现糖尿病高危人群，不利于防治的缺点，而提出的基于医防融合的糖尿病高危人群数据提取方法。
[0006]为了实现上述目的，本专利技术采用了如下技术方案：基于医防融合的糖尿病高危人群数据提取方法，包括以下步骤：S1、对病历数据进行提取，根据关键词对提取的数据进行初步处理，剔除无用数据；S2、对处理后的数据进行识别，分类，存储；S3、将分类后的数据与预设的数据进行比对；S4、分类的数据大于预设的数据，则将该数据归类为不正常的数据；S5、对不正常的数据进行分析，计算，得出不正常数据所占比重；S6、对不正常的数据与正常数据之间的差异度进行计算；S7、根据数据的差异度，对数据进行等级划分，筛选出高危数据，即糖尿病高危人群。
[0007]优选的，所述S1中，对病历数据进行提取，根据关键词对提取的数据进行初步处
理，剔除无用数据，该关键词即与糖尿病相关的数据，与糖尿病无关的数据进行剔除。
[0008]优选的，所述S2中，对处理后的数据进行识别，确定每个数据对应的类别，然后根据类别对数据进行分类，存储。
[0009]优选的，所述S3中，将分类后的数据与预设的数据进行比对，预设的数据即正常的没有糖尿病的人群的数据。
[0010]优选的，所述S4中，分类的数据大于预设的数据，则将该数据归类为不正常的数据，将不正常的数据全部提取出，集中存储。
[0011]优选的，所述S5中，对不正常的数据进行分析，计算，得出不正常数据所占比重，将得出的比重与历史数据进行比对，供医务人员参考。
[0012]优选的，所述S6中，对不正常的数据与正常数据之间的差异度进行计算，差异度即用不正常的数据减去正常的数据，得出的值占两者数据的比例。
[0013]优选的，所述S7中，根据数据的差异度，对数据进行等级划分，筛选出高危数据，即糖尿病高危人群，对不同等级的数据进行分析，给出医疗建议。
[0014]优选的，所述S1中，对病历数据进行提取，根据关键词对提取的数据进行初步处理，剔除无用数据，同时对病历人的性别、年龄数据进行提取。
[0015]优选的，所述S1中，对病历数据进行提取，根据关键词对提取的数据进行初步处理，剔除无用数据，同时对病历人的职业数据进行提取。
[0016]与现有技术相比，本专利技术的有益效果在于：本方案对病历数据进行提取，根据关键词对提取的数据进行初步处理，剔除无用数据；对处理后的数据进行识别，分类，存储；将分类后的数据与预设的数据进行比对；分类的数据大于预设的数据，则将该数据归类为不正常的数据；对不正常的数据进行分析，计算，得出不正常数据所占比重；对不正常的数据与正常数据之间的差异度进行计算；根据数据的差异度，对数据进行等级划分，筛选出高危数据，即糖尿病高危人群；本专利技术通过对数据提取、筛选、分析，筛选出高危数据，确定糖尿病高危人群，利于防治。
附图说明
[0017]图1为本专利技术提出的基于医防融合的糖尿病高危人群数据提取方法的流程图。
具体实施方式
[0018]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0019]实施例一参照图1，基于医防融合的糖尿病高危人群数据提取方法，包括以下步骤：S1、对病历数据进行提取，根据关键词对提取的数据进行初步处理，剔除无用数据；S2、对处理后的数据进行识别，分类，存储；S3、将分类后的数据与预设的数据进行比对；S4、分类的数据大于预设的数据，则将该数据归类为不正常的数据；
S5、对不正常的数据进行分析，计算，得出不正常数据所占比重；S6、对不正常的数据与正常数据之间的差异度进行计算；S7、根据数据的差异度，对数据进行等级划分，筛选出高危数据，即糖尿病高危人群。
[0020]本实施例中，S1中，对病历数据进行提取，根据关键词对提取的数据进行初步处理，剔除无用数据，该关键词即与糖尿病相关的数据，与糖尿病无关的数据进行剔除。
[0021]本实施例中，S2中，对处理后的数据进行识别，确定每个数据对应的类别，然后根据类别对数据进行分类，存储。
[0022]本实施例中，S3中，将分类后的数据与预设的数据进行比对，预设的数据即正常的没有糖尿病的人群的数据。
[0023]本实施例中，S4中，分类的数据大于预设的数据，则将该数据归类为不正常的数据，将不正常的数据全部提取出，集中存储。
[0024]本实施例中，S5中，对不正常的数据进行分析，计算，得出不正常数据所占比重，将得出的比重与历史数据进行比对，供医务人员参考。
[0025]本实施例中，S6中，对不正常的数据与正常数据之间的差异度进行计算，差异度即用不正常的数据减去正常的数据，得出的值占两者数据的比例。
[0026]本实施例中，S7中，根据数据的差异度，对数据进行等级划分，筛选出高危数据，即糖尿病高危人群，对不同等级的数据进行分析，给出医疗建议。
[0027]本实施例中，S1中，对病历数据进行提取，根据关键词对提取的数据进行初步处理，剔除无用数据，同时对病历人的性别、年龄数据进行提取。
[0028]本实施例中，S1中，对病历数据进行提取，根据关键词对提取的数据进行初步处理，剔除无用数据，同时对病历人的职业数据进行提取。
[0029]实施例二基于医防融合的糖尿病高危人群数据提取方法，包括以下步骤：S1、对病历数据进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于医防融合的糖尿病高危人群数据提取方法，其特征在于，包括以下步骤：S1、对病历数据进行提取，根据关键词对提取的数据进行初步处理，剔除无用数据；S2、对处理后的数据进行识别，分类，存储；S3、将分类后的数据与预设的数据进行比对；S4、分类的数据大于预设的数据，则将该数据归类为不正常的数据；S5、对不正常的数据进行分析，计算，得出不正常数据所占比重；S6、对不正常的数据与正常数据之间的差异度进行计算；S7、根据数据的差异度，对数据进行等级划分，筛选出高危数据，即糖尿病高危人群。2.根据权利要求1所述的基于医防融合的糖尿病高危人群数据提取方法，其特征在于，所述S1中，对病历数据进行提取，根据关键词对提取的数据进行初步处理，剔除无用数据，该关键词即与糖尿病相关的数据，与糖尿病无关的数据进行剔除。3.根据权利要求1所述的基于医防融合的糖尿病高危人群数据提取方法，其特征在于，所述S2中，对处理后的数据进行识别，确定每个数据对应的类别，然后根据类别对数据进行分类，存储。4.根据权利要求1所述的基于医防融合的糖尿病高危人群数据提取方法，其特征在于，所述S3中，将分类后的数据与预设的数据进行比对，预设的数据即正常的没有糖尿病的人群的数据。5.根据权利要求1所述的基于医防融合的糖尿病高危人群数据提取方法，其特...

【专利技术属性】
技术研发人员：王淑萍，王振竞，刘欣，
申请(专利权)人：王淑萍，
类型：发明
国别省市：