System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据处理,尤其是涉及一种基于诊疗数据的就诊时间预测方法、系统及存储介质。
技术介绍
1、在神经治疗领域中,使用植入式神经刺激系统对患者进行治疗,得到患者的就诊数据。就诊数据还包括医生在诊疗患者过程中收集和记录的与患者就诊相关的信息,其包括患者年龄、性别、就诊时间、就诊疾病类型等多个维度的数据。医生可以通过就诊数据分析患者的就诊历史、诊断结果、治疗方案和疗效评估等数据,从而了解患者的病情,为医生调整治疗方案提供重要的决策支持。
2、传统的医疗预约系统通常只能提供固定的就诊时间,而忽略了就诊数据不仅可以为医生提供决策支持,还可以反映出患者的病情发展趋势,根据患者的个体差异和实际情况的变化来预测就诊时间,以满足患者的实际就诊需求。
技术实现思路
1、为了解决当前缺少依据就诊数据确定就诊时间,造成患者就诊不及时的问题,本申请提供一种基于诊疗数据的就诊时间预测方法、系统及存储介质。
2、在本申请的第一方面,提供了一种基于诊疗数据的就诊时间预测方法。该方法包括:
3、获取目标患者的就诊数据,所述就诊数据包括特征参数和评分参数;
4、根据所述特征参数和所述评分参数计算初始疼痛系数和基准疼痛系数,所述初始疼痛系数是指当前时刻目标患者对应的疼痛系数,所述基准疼痛系数是指目标患者处于中度疼痛时对应的疼痛系数;
5、根据所述初始疼痛系数和所述基准疼痛系数得到预测天数。
6、通过采用上述技术方案,首先,获取目标患者的就诊数据
7、在一种可能的实现方式中:所述特征参数包括电流、脉宽、频率和疼痛评分值,所述评分参数为视觉模拟评分值;
8、所述根据所述特征参数和所述评分参数计算初始疼痛系数,包括:
9、获取当前时刻目标患者体内的神经刺激器的电流、脉宽和频率,以及当前时刻目标患者的疼痛评分值和视觉模拟评分值;
10、根据所述当前时刻目标患者体内的神经刺激器的电流、脉宽和频率以及当前时刻目标患者的疼痛评分值和视觉模拟评分值,计算得到初始疼痛系数。
11、在一种可能的实现方式中:通过如下计算公式计算得到所述初始疼痛系数:
12、
13、其中,r为初始疼痛系数,v为当前时刻目标患者的视觉模拟评分值,x为当前时刻目标患者体内的神经刺激器的电流,y为当前时刻目标患者体内的神经刺激器的脉宽,z为当前时刻目标患者体内的神经刺激器的频率,f为当前时刻目标患者的疼痛评分值。
14、通过采用上述技术方案,初始疼痛系数是根据当前时刻,目标患者的体内的神经刺激器的电流、脉宽和频率以及疼痛评分值和视觉模拟评分值等多要素计算而得,充分考虑了多个要素对目标患者的病情发展的影响,提高了本申请计算所得的初始疼痛系数的准确度。
15、在一种可能的实现方式中:所述特征参数包括电流、脉宽、频率和疼痛评分值,所述评分参数为视觉模拟评分值;
16、所述根据所述特征参数和所述评分参数计算基准疼痛系数,包括:
17、以所述疼痛评分值的中位数和/或所述视觉模拟评分值的中位数作为中位数评分值;
18、根据所述中位数评分值确定基准时刻,获取基准时刻目标患者体内的神经刺激器的电流、脉宽和频率,以及基准时刻目标患者的疼痛评分值和视觉模拟评分值;
19、将在基准时刻下,获取的目标患者体内的神经刺激器的电流、脉宽和频率分别标记为基准电流、基准脉宽和基准频率,以及将目标患者的疼痛评分值和视觉模拟评分值分别标记为基准疼痛评分值和基准视觉模拟评分值;
20、根据所述基准电流、基准脉宽、基准频率、基准疼痛评分值和基准视觉模拟评分值,计算得到基准疼痛系数。
21、通过采用上述技术方案,本申请以疼痛评分值的中位数和/或视觉模拟评分值的中位数确定基准时刻,再计算基准时刻的基准疼痛系数,从而便于后续通过判断初始疼痛系数与基准疼痛系数的大小关系,来获知目标患者的病情发展趋势,进而依据病情发展趋势得到预测天数,使得目标患者得到及时的治疗。
22、在一种可能的实现方式中:通过如下计算公式计算得到所述基准疼痛系数:
23、
24、其中,v'为基准视觉模拟评分值,x'为基准电流,y'为基准脉宽,z'为基准频率,f'为基准疼痛评分值。
25、通过采用上述技术方案,基准疼痛系数是根据基准时刻,目标患者的体内的神经刺激器的基准电流、基准脉宽和基准频率以及基准疼痛评分值和基准视觉模拟评分值等多要素计算而得,充分考虑了多个要素对目标患者的病情发展的影响,提高了本申请计算所得的基准疼痛系数的准确度。
26、在一种可能的实现方式中:所述初始疼痛系数对应当前时刻,所述基准疼痛系数对应基准时刻;
27、所述根据所述初始疼痛系数和所述基准疼痛系数得到预测天数,包括:
28、判断所述初始疼痛系数是否低于所述基准疼痛系数;
29、若是,则所述预测天数为0天;
30、若否,将所述初始疼痛系数对应的当前时刻减去所述基准疼痛系数对应的基准时刻,得到预测天数。
31、通过采用上述技术方案,本申请的就诊条件为:初始疼痛系数大于或者等于基准疼痛系数,所以在初始疼痛系数低于基准疼痛系数时,说明目标患者未达到就诊条件,则预测天数为0天,即目标患者可以不去就诊;而当初始疼痛系数大于或者等于基准疼痛系数时,说明目标患者已经达到就诊条件,则从测量得到基准疼痛系数的当天到测量得到初始疼痛系数的当天为预测天数,目标患者需要在测量得到初始疼痛系数的当天前往就诊,或者医生在测量得到初始疼痛系数的当天及时关注目标患者的病情发展,并适应性调整治疗方案。
32、在一种可能的实现方式中:所述疼痛评分值与所述目标患者的氧合血红蛋白浓度和脱氧血红蛋白浓度对应。
33、通过采用上述技术方案,由于患者疼痛度增加时,大脑中与疼痛相关区域的氧合血红蛋白浓度上升、脱氧血红蛋白浓度下降,所以通过测量目标患者的氧合血红蛋白浓度和脱氧血红蛋白浓度得到疼痛评分值,可以保障所得的疼痛评分值的准确度。
34、在本申请的第二方面,提供了一种基于诊疗数据的就诊时间预测。该系统包括:神经刺激器、体外能控器、功能性近红外光谱仪、云端以及用于执行基于诊疗数据的就诊时间预测方法的处理终端;
35、所述神经刺激器植入目标患者体内;
36、所述体外能控器与所述神经刺激器通过无线通讯方式连接;
37、所述功能性近红外光谱仪与所述体外能控器有线连接,所述功能性近红外光谱仪用于测量目标患者的氧合血红蛋白浓度和脱氧血红蛋白浓度;
38、所述云端分别与所述体外能本文档来自技高网...
【技术保护点】
1.一种基于诊疗数据的就诊时间预测方法,其特征在于,包括:
2.根据权利要求1所述的基于诊疗数据的就诊时间预测方法,其特征在于,所述特征参数包括电流、脉宽、频率和疼痛评分值,所述评分参数为视觉模拟评分值;
3.根据权利要求2所述的基于诊疗数据的就诊时间预测方法,其特征在于,通过如下计算公式计算得到所述初始疼痛系数:
4.根据权利要求1所述的基于诊疗数据的就诊时间预测方法,其特征在于,所述特征参数包括电流、脉宽、频率和疼痛评分值,所述评分参数为视觉模拟评分值;
5.根据权利要求4所述的基于诊疗数据的就诊时间预测方法,其特征在于,通过如下计算公式计算得到所述基准疼痛系数:
6.根据权利要求2或4中任一项所述的基于诊疗数据的就诊时间预测方法,其特征在于,所述初始疼痛系数对应当前时刻,所述基准疼痛系数对应基准时刻;
7.根据权利要求1所述的基于诊疗数据的就诊时间预测方法,其特征在于,所述疼痛评分值与所述目标患者的氧合血红蛋白浓度和脱氧血红蛋白浓度对应。
8.一种基于诊疗数据的就诊时间预测系统,包括神经刺激
9.根据权利要求8所述的基于诊疗数据的就诊时间预测系统,其特征在于,所述处理终端(60)包括:
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种基于诊疗数据的就诊时间预测方法,其特征在于,包括:
2.根据权利要求1所述的基于诊疗数据的就诊时间预测方法,其特征在于,所述特征参数包括电流、脉宽、频率和疼痛评分值,所述评分参数为视觉模拟评分值;
3.根据权利要求2所述的基于诊疗数据的就诊时间预测方法,其特征在于,通过如下计算公式计算得到所述初始疼痛系数:
4.根据权利要求1所述的基于诊疗数据的就诊时间预测方法,其特征在于,所述特征参数包括电流、脉宽、频率和疼痛评分值,所述评分参数为视觉模拟评分值;
5.根据权利要求4所述的基于诊疗数据的就诊时间预测方法,其特征在于,通过如下计算公式计算得到所述基准疼痛系数:
6.根据权利要求2或4中任一项所述的基于诊疗数据的就诊...
【专利技术属性】
技术研发人员:徐天睿,唐艳辉,
申请(专利权)人:北京领创医谷科技发展有限责任公司,
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。