• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 14
    • 下载费用:30 金币  

    网上重庆时时彩的真假: 一种基于症状比例R值的症状监测预警方法.pdf

    关 键 词:
    一种 基于 症状 比例 监测 预警 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201610793025.0

    申请日:

    2016.08.31

    公开号:

    CN106372425A

    公开日:

    2017.02.01

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G06F 19/00申请日:20160831|||公开
    IPC分类号: G06F19/00(2011.01)I 主分类号: G06F19/00
    申请人: 广东省疾病预防控制中心; 广东智源信息技术有限公司
    发明人: 徐勇
    地址: 511430 广东省广州市番禺区大石镇群贤路160号
    优先权:
    专利代理机构: 广州嘉权专利商标事务所有限公司 44205 代理人: 谭英强
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201610793025.0

    授权公告号:

    ||||||

    法律状态公告日:

    2019.02.12|||2017.03.01|||2017.02.01

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明公开了一种基于症状比例R值的症状监测预警方法,包括:获取医院诊疗数据;筛选出待分析的医院数据;采用德尔菲法和自定义诊断名称查找法确定要分析的目标疾病与相应的目标症状;根据症状字段是否为空将待分析的医院数据划分为有症状字段数据和无症状字段数据;在有症状字段数据中统计符合目标症状的数据量,并提取出符合目标疾病的症状特征;根据符合目标疾病的症状特征,以病种和时间段为维度求出症状比例R值矩阵;根据症状比例R值矩阵从有症状字段数据和无症状字段数据中求出目标疾病的发病数;根据目标疾病的发病数进行目标疾病数据建模分析和目标疾病预警。本发明效率高、通用性强和可移植性好,可广泛应用于症状监测领域。

    权利要求书

    1.一种基于症状比例R值的症状监测预警方法,其特征在于:包括以下步骤:
    S1、获取医院诊疗数据;
    S2、对医院诊疗数据进行清洗,筛选出待分析的医院数据;
    S3、采用德尔菲法和自定义诊断名称查找法确定要分析的目标疾病与相应的目标症
    状;
    S4、根据症状字段是否为空将待分析的医院数据划分为有症状字段数据和无症状字段
    数据;
    S5、在有症状字段数据中统计符合目标症状的数据量,并提取出符合目标疾病的症状
    特征;
    S6、根据符合目标疾病的症状特征,以病种和时间段为维度求出症状比例R值矩阵,其
    中,症状比例R值=有症状字段数据中符合目标症状的数据量÷有症状字段数据的数据量×
    100%;
    S7、根据症状比例R值矩阵从有症状字段数据和无症状字段数据中求出目标疾病的发
    病数;
    S8、根据目标疾病的发病数进行目标疾病数据建模分析和目标疾病预警。
    2.根据权利要求1所述的一种基于症状比例R值的症状监测预警方法,其特征在于:所
    述步骤S2包括:
    S21、从医院诊疗数据中挑选出按日、周、月和年连续不断且各关键字段有意义的医院
    数据;
    S22、从挑选出的医院数据中选取合格医院的数据:若挑选出的医院数据均符合数据质
    量标准,则以挑选出的全部医院数据作为合格医院的数据;若挑选出的医院数据有部分存
    在质量问题,则按分层抽样原则选取部分医院从挑选出的医院数据选取部分医院数据作为
    合格医院的数据;
    S23、根据合格医院的数据进行趋势分析或相关分析,以筛选出待分析的医院数据。
    3.根据权利要求2所述的一种基于症状比例R值的症状监测预警方法,其特征在于:所
    述步骤S23包括:
    S231、根据合格医院的数据分析合格医院的门诊数据的趋势;
    S232、将合格医院的门诊数据与标准门诊同时段数据进行趋势对比分析或相关分析;
    S233、根据趋势进行趋势对比分析的结果或相关分析的结果执行相应的操作:若合格
    医院的门诊数据的趋势与标准门诊同时段数据的趋势一致或者合格医院的门诊数据与标
    准门诊同时段数据间的相关系数大于等于0.3且具有统计学意义,则以合格医院的数据作
    为待分析的医院数据执行步骤S3,反之,则返回步骤S22按照分层抽样的原则重新选取合格
    医院的数据。
    4.根据权利要求1所述的一种基于症状比例R值的症状监测预警方法,其特征在于:所
    述步骤S3包括:
    采用德尔菲法在待分析的医院数据找出目标疾病中包含ICD标准诊断名的病种;
    采用自定义诊断名称查找法在待分析的医院数据中找出非ICD标准诊断名但在目标疾
    病病种范围内的病种;
    确定目标疾病病种的目标症状。
    5.根据权利要求4所述的一种基于症状比例R值的症状监测预警方法,其特征在于:所
    述采用自定义诊断名称查找法在待分析的医院数据中找出非ICD标准诊断名但在目标疾病
    病种范围内的病种这一步骤,其包括:
    将ICD标准诊断名排除在自定义诊断名称查找法的考虑范围内,然后在待分析的医院
    数据中采用机器学习或人工判断的方法查找疾病诊断字段中所有可能包含目标疾病病种
    的诊断名;
    将所有可能包含目标疾病病种的诊断名按频数从大到小进行排列,然后选取前50种频
    数大的诊断名对应的病种作为查找出的非ICD标准诊断名但在目标疾病病种范围内的病
    种。
    6.根据权利要求1所述的一种基于症状比例R值的症状监测预警方法,其特征在于:所
    述步骤S7包括:
    将症状比例R值矩阵与有症状字段数据的数据量进行相乘,求出有症状字段数据目标
    疾病的发病数;
    将症状比例R值矩阵与无症状字段数据的数据量进行相乘,估算出无症状字段数据目
    标疾病的发病数;
    将有症状字段数据目标疾病的发病数和无症状字段数据目标疾病的发病数进行相加,
    得到目标疾病的发病数。
    7.根据权利要求1-6任一项所述的一种基于症状比例R值的症状监测预警方法,其特征
    在于:所述症状字段包括但不限于症状、主诉和体征描述数据字段,所述有症状字段数据中
    符合目标症状的数据量通过在有症状字段数据中进行目标症状语义分析的方式统计得出。
    8.根据权利要求1-6任一项所述的一种基于症状比例R值的症状监测预警方法,其特征
    在于:所述症状比例R值矩阵包括但不限于目标疾病中单种病种的R值矩阵以及目标疾病中
    由所有病种组成的总症候群的R值矩阵。
    9.根据权利要求1-6任一项所述的一种基于症状比例R值的症状监测预警方法,其特征
    在于:所述医院诊疗数据为连续2-3年及以上医院、区域卫生信息平台内各医院门诊和住院
    的数据。
    10.根据权利要求1-6任一项所述的一种基于症状比例R值的症状监测预警方法,其特
    征在于:所述步骤S8包括:
    S81、根据目标疾病的发病数进行目标疾病数据建模分析;
    S82、根据数据建模分析的结果目标疾病预警和预测。

    说明书

    一种基于症状比例R值的症状监测预警方法

    技术领域

    本发明涉及症状监测领域,尤其是一种基于症状比例R值的症状监测预警方法。

    背景技术

    近年来,随着新发传染病频频出现,古老传染病和生物恐怖威胁加剧,传染病的控
    制面临着更严峻的考验。一个国家或地区的传染病流行,可能很快就发展成许多国家乃至
    全球的疾患。传统的疾病监测方法是指疾控部门为监测某些传染病或症候群的发病情况,
    制定相应的监测方案,并选取监测医院(即哨点医院)定时获取监测数据。传统的疾病监测
    方法以疾病诊断为基础,需要先将疾病诊断出来才能得出监测结果,属于被动型监测,时效
    性较差;而且它需要布署哨点医院,监测成本较高。

    以疾病诊断为基础的传统疾病监测方法已不能适应突发公共卫生事件应急处理
    的要求,症状监测以它高实时性的突出特点应运而生。症状监测(Syndromic
    surveillance)是指系统、持续地收集临床明确诊断前能够指示疾病发生(或流行/暴发)的
    信息、各种与健康和疾病事件相关的数据以及各类与健康和疾病相关的其他现象资料,通
    过综合分析,来监测突发公共卫生事件发生初期的异常现象。症状监测可以主动监测到公
    共卫生事件的萌芽状态,为传染病的防治策略提供依据。

    尽管症状监测正得到越来越多的应用,但相关的理论与技术都远不成熟,目前尚
    处于探索阶段。症状的数据一般来源于医院的诊疗信息,主要包括症状与主诉记录。症状是
    指人体在病态下主观的异常感和不适感,如发热、胸痛、咳嗽等。体征则是指医生或他人能
    客观检查到的病态表现,如肝脾肿大、心脏杂音等。广义的症状包括体征。在症状监测预警
    系统中,数据的质量直接影响到预警预测的效果好坏。数据质量不好或错误的数据甚至会
    导致误报、谎报的情况发生。因此,在数据处理时,症状监测预警系统对数据源的要求比较
    高,但事实上由于各医院使用的数据标准并不统一且不同医生对同一症状描述会有差异,
    来自医院的诊疗数据区别很大,如何在综合分析前通过数据预处理从医院诊疗数据中准确
    提取出目标疾病的发病数(用于统计症状的发病率),就成了症状监测预警系统的一个亟待
    解决的难题。目前症状监测预警系统所采用的数据预处理方法需要为每个医院专门设计一
    套目标疾病发病数的提取方案,处理效率低下,且通用性不强,可移植性较差。

    发明内容

    为解决上述技术问题,本发明的目的在于:提供一种效率高、通用性强和可移植性
    好的,基于症状比例R值的症状监测预警方法。

    本发明所采取的技术方案是:

    一种基于症状比例R值的症状监测预警方法,包括以下步骤:

    S1、获取医院诊疗数据;

    S2、对医院诊疗数据进行清洗,筛选出待分析的医院数据;

    S3、采用德尔菲法和自定义诊断名称查找法确定要分析的目标疾病与相应的目标
    症状;

    S4、根据症状字段是否为空将待分析的医院数据划分为有症状字段数据和无症状
    字段数据;

    S5、在有症状字段数据中统计符合目标症状的数据量,并提取出符合目标疾病的
    症状特征;

    S6、根据符合目标疾病的症状特征,以病种和时间段为维度求出症状比例R值矩
    阵,其中,症状比例R值=有症状字段数据中符合目标症状的数据量÷有症状字段数据的数
    据量×100%;

    S7、根据症状比例R值矩阵从有症状字段数据和无症状字段数据中求出目标疾病
    的发病数;

    S8、根据目标疾病的发病数进行目标疾病数据建模分析和目标疾病预警。

    进一步,所述步骤S2包括:

    S21、从医院诊疗数据中挑选出按日、周、月和年连续不断且各关键字段有意义的
    医院数据;

    S22、从挑选出的医院数据中选取合格医院的数据:若挑选出的医院数据均符合数
    据质量标准,则以挑选出的全部医院数据作为合格医院的数据;若挑选出的医院数据有部
    分存在质量问题,则按分层抽样原则选取部分医院从挑选出的医院数据选取部分医院数据
    作为合格医院的数据;

    S23、根据合格医院的数据进行趋势分析或相关分析,以筛选出待分析的医院数
    据。

    进一步,所述步骤S23包括:

    S231、根据合格医院的数据分析合格医院的门诊数据的趋势;

    S232、将合格医院的门诊数据与标准门诊同时段数据进行趋势对比分析或相关分
    析;

    S233、根据趋势进行趋势对比分析的结果或相关分析的结果执行相应的操作:若
    合格医院的门诊数据的趋势与标准门诊同时段数据的趋势一致或者合格医院的门诊数据
    与标准门诊同时段数据间的相关系数大于等于0.3且具有统计学意义,则以合格医院的数
    据作为待分析的医院数据执行步骤S3,反之,则返回步骤S22按照分层抽样的原则重新选取
    合格医院的数据。

    进一步,所述步骤S3包括:

    采用德尔菲法在待分析的医院数据找出目标疾病中包含ICD标准诊断名的病种;

    采用自定义诊断名称查找法在待分析的医院数据中找出非ICD标准诊断名但在目
    标疾病病种范围内的病种;

    确定目标疾病病种的目标症状。

    进一步,所述采用自定义诊断名称查找法在待分析的医院数据中找出非ICD标准
    诊断名但在目标疾病病种范围内的病种这一步骤,其包括:

    将ICD标准诊断名排除在自定义诊断名称查找法的考虑范围内,然后在待分析的
    医院数据中采用机器学习或人工判断的方法查找疾病诊断字段中所有可能包含目标疾病
    病种的诊断名;

    将所有可能包含目标疾病病种的诊断名按频数从大到小进行排列,然后选取前50
    种频数大的诊断名对应的病种作为查找出的非ICD标准诊断名但在目标疾病病种范围内的
    病种。

    进一步,所述步骤S7包括:

    将症状比例R值矩阵与有症状字段数据的数据量进行相乘,求出有症状字段数据
    目标疾病的发病数;

    将症状比例R值矩阵与无症状字段数据的数据量进行相乘,估算出无症状字段数
    据目标疾病的发病数;

    将有症状字段数据目标疾病的发病数和无症状字段数据目标疾病的发病数进行
    相加,得到目标疾病的发病数。

    进一步,所述症状字段包括但不限于症状、主诉和体征描述数据字段,所述有症状
    字段数据中符合目标症状的数据量通过在有症状字段数据中进行目标症状语义分析的方
    式统计得出。

    进一步,所述症状比例R值矩阵包括但不限于目标疾病中单种病种的R值矩阵以及
    目标疾病中由所有病种组成的总症候群的R值矩阵。

    进一步,所述医院诊疗数据为连续2-3年及以上医院、区域卫生信息平台内各医院
    门诊和住院的数据。

    进一步,所述步骤S8包括:

    S81、根据目标疾病的发病数进行目标疾病数据建模分析;

    S82、根据数据建模分析的结果目标疾病预警和预测。

    本发明的有益效果是:综合采用了德尔菲法和自定义诊断名称查找法确定要分析
    的目标疾病与相应的目标症状,不受各医院使用的数据标准是否统一和不同医生对同一症
    状描述是否会有差异的影响;在有症状字段数据中以病种和时间段为维度求出症状比例R
    值矩阵,进而根据症状比例R值矩阵从求出作为症状监测预警系统综合分析基础的目标疾
    病的发病数,症状比例R值矩阵能根据不同医院、不同时段和不同病种进行自适应调整,无
    需为每个医院专门设计一套目标疾病发病数的提取方案,大大减少了症状监测预警系统数
    据预处理的流程,处理效率更高,且通用性更强,可移植性更好。

    附图说明

    图1为本发明一种基于症状比例R值的症状监测预警方法的整体流程图;

    图2为本发明实施例一的步骤流程图;

    图3为本发明实施例二的步骤流程图。

    具体实施方式

    参照图1,一种基于症状比例R值的症状监测预警方法,包括以下步骤:

    S1、获取医院诊疗数据;

    S2、对医院诊疗数据进行清洗,筛选出待分析的医院数据;

    S3、采用德尔菲法和自定义诊断名称查找法确定要分析的目标疾病与相应的目标
    症状;

    S4、根据症状字段是否为空将待分析的医院数据划分为有症状字段数据和无症状
    字段数据;

    S5、在有症状字段数据中统计符合目标症状的数据量,并提取出符合目标疾病的
    症状特征;

    S6、根据符合目标疾病的症状特征,以病种和时间段为维度求出症状比例R值矩
    阵,其中,症状比例R值=有症状字段数据中符合目标症状的数据量÷有症状字段数据的数
    据量×100%;

    S7、根据症状比例R值矩阵从有症状字段数据和无症状字段数据中求出目标疾病
    的发病数;

    S8、根据目标疾病的发病数进行目标疾病数据建模分析和目标疾病预警。

    进一步作为优选的实施方式,所述步骤S2包括:

    S21、从医院诊疗数据中挑选出按日、周、月和年连续不断且各关键字段有意义的
    医院数据;

    S22、从挑选出的医院数据中选取合格医院的数据:若挑选出的医院数据均符合数
    据质量标准,则以挑选出的全部医院数据作为合格医院的数据;若挑选出的医院数据有部
    分存在质量问题,则按分层抽样原则选取部分医院从挑选出的医院数据选取部分医院数据
    作为合格医院的数据;

    S23、根据合格医院的数据进行趋势分析或相关分析,以筛选出待分析的医院数
    据。

    进一步作为优选的实施方式,所述步骤S23包括:

    S231、根据合格医院的数据分析合格医院的门诊数据的趋势;

    S232、将合格医院的门诊数据与标准门诊同时段数据进行趋势对比分析或相关分
    析;

    S233、根据趋势进行趋势对比分析的结果或相关分析的结果执行相应的操作:若
    合格医院的门诊数据的趋势与标准门诊同时段数据的趋势一致或者合格医院的门诊数据
    与标准门诊同时段数据间的相关系数大于等于0.3且具有统计学意义,则以合格医院的数
    据作为待分析的医院数据执行步骤S3,反之,则返回步骤S22按照分层抽样的原则重新选取
    合格医院的数据。

    进一步作为优选的实施方式,所述步骤S3包括:

    采用德尔菲法在待分析的医院数据找出目标疾病中包含ICD标准诊断名的病种;

    采用自定义诊断名称查找法在待分析的医院数据中找出非ICD标准诊断名但在目
    标疾病病种范围内的病种;

    确定目标疾病病种的目标症状。

    进一步作为优选的实施方式,所述采用自定义诊断名称查找法在待分析的医院数
    据中找出非ICD标准诊断名但在目标疾病病种范围内的病种这一步骤,其包括:

    将ICD标准诊断名排除在自定义诊断名称查找法的考虑范围内,然后在待分析的
    医院数据中采用机器学习或人工判断的方法查找疾病诊断字段中所有可能包含目标疾病
    病种的诊断名;

    将所有可能包含目标疾病病种的诊断名按频数从大到小进行排列,然后选取前50
    种频数大的诊断名对应的病种作为查找出的非ICD标准诊断名但在目标疾病病种范围内的
    病种。

    进一步作为优选的实施方式,所述步骤S7包括:

    将症状比例R值矩阵与有症状字段数据的数据量进行相乘,求出有症状字段数据
    目标疾病的发病数;

    将症状比例R值矩阵与无症状字段数据的数据量进行相乘,估算出无症状字段数
    据目标疾病的发病数;

    将有症状字段数据目标疾病的发病数和无症状字段数据目标疾病的发病数进行
    相加,得到目标疾病的发病数。

    进一步作为优选的实施方式,所述症状字段包括但不限于症状、主诉和体征描述
    数据字段,所述有症状字段数据中符合目标症状的数据量通过在有症状字段数据中进行目
    标症状语义分析的方式统计得出。

    进一步作为优选的实施方式,所述症状比例R值矩阵包括但不限于目标疾病中单
    种病种的R值矩阵以及目标疾病中由所有病种组成的总症候群的R值矩阵。

    进一步作为优选的实施方式,所述医院诊疗数据为连续2-3年及以上医院、区域卫
    生信息平台内各医院门诊和住院的数据。

    进一步作为优选的实施方式,所述步骤S8包括:

    S81、根据目标疾病的发病数进行目标疾病数据建模分析;

    S82、根据数据建模分析的结果目标疾病预警和预测。

    下面结合说明书附图和具体实施例对本发明作进一步解释和说明。

    实施例一

    参照图2,本发明的第一实施例:

    针对传统监测方法的时效性差的问题,本发明应用了症状监测方法来实现对传染
    病的早期预警预测。为了解决目前症状监测预警系统数据预处理效率低下、通用性不强和
    移植性较差的问题,本发明提出了一种基于症状比例R值的症状监测预警方法。如图2所示,
    该方法的具体过程如下:

    (一)获取医院诊疗数据:取连续2-3年及以上医院、区域卫生信息平台内各医院门
    诊、住院的数据。

    (二)清洗数据,筛选出待分析的医院数据。

    该过程可进一步细分为如下步骤:

    (1)挑选出按日、周、月和年连续不断且各关键字段有意义的医院数据。

    (2)若医院数据均达标,则让全部医院参与步骤(3)的计算过程;若部分医院的数
    据质量有问题,则按分层抽样原则,选择医院参与步骤(3)的计算过程。参与步骤(3)的计算
    过程的医院统称为合格医院。

    (3)计算过程:首先计算合格医院的门诊数据的趋势(如按日、周、月、年的趋势),
    接着将医院的门诊数据的趋势与疾控中心的一些监测系统的门诊(简称标准门诊)同时段
    数据进行对比,观察二者的趋势或对二者进行相关性分析。如二者的趋势相同或趋势一致,
    或二者的趋势相关分析系数达到0.3以上且P<0.001即可进行步骤(三)的确定过程。其中,P
    <0.001代表具有统计学意义。

    (三)采用德尔菲法和自定义诊断名称查找法确定要分析的目标疾病与相应的目
    标症状(即监测标准)。如目标疾病是流感,需要先采用德尔菲法确定ICD标准中流感疾病的
    病种种类,然后采用自定义诊断名称查找法确定非ICD标准但属于流感疾病的病种种类;相
    应地,流感症状为发热大于37.5度且伴有咳嗽或咽痛。

    (四)根据症状字段是否为空将待分析的医院数据划分为有症状字段数据和无症
    状字段数据。事实上,很多医院在这个字段中并没有填写,即无症状字段数据。

    (五)根据症状相关字段,在有症状字段数据中统计符合目标症状的数据量,并提
    取出符合目标疾病的症状特征。

    (六)根据症状比的特性计算症状比例R值=有症状字段数据中符合目标症状的数
    据量÷有症状字段数据的数据量×100%,再以时间段、病种为维度,求出相应的R值矩阵。

    (七)根据R值矩阵,求出有症状字段数据中目标疾病发病数。

    (八)根据已知的R值矩阵,估算出无症状字段数据中符合目标疾病的发病数。

    (九)将(七)和(八)的结果进行求和,即可得到目标疾病的发病数。目标疾病发病
    数是目标疾病数据建模的基础,为目标疾病预警预测提供了可靠的数据支撑。

    (十)根据目标疾病的发病数进行目标疾病数据建模,然后进行目标疾病预警和预
    测。

    实施例二

    参照图3,本发明的第二实施例:

    本实施例的症状比例R值求取过程如下:

    (一)在合格医院的数据中,对数据进行整理。

    以流感样病例监测(ILI)为例,数据整理为:

    (1)确定病种名。

    确定病种名有如下两种方法:

    a.用DELPTH(德尔菲)法,把ICD诊断名包含有流感类疾病诊断的病种找出,共约有
    42种。

    b.自定义诊断名称查找法:打开数据库,除去ICD诊断的名称后查找疾病诊断字
    段,在自定义的诊断名称中,用机器学习或人工判断方法,找出认为可能是“感冒”样的诊
    断,如“上感”、“热气”和“上炎”等样的诊断,约500种,然后按频数排列,并取前50种频数大
    的自定义诊断名作为目标疾病病种的诊断名。

    (2)确定目标症状监测标准。流感症状的监测标准为:发热37.5°以上,并有咳嗽或
    咽痛。

    (二)检测描述症状的字段是否为空,将待分析的医院数据按有症状字段和无症状
    字段进行区分,先针对有症状描述的数据进行如下分析:

    (1)求R值分母:

    对一些有症状描述、体征描述等数据字段(如门诊病历中的症状、体格检查,住院
    病历中的病人体征描述)进行统计,统计以上所有有症状字段的病例数,即统计症状描述非
    空、体征描述非空等的数据量,并进行去重复计数。然后以统计数作为R值分母。

    (2)求R值分子:

    R值分子根据不同的目的,选择不同的指标和标准。如流感的症状监测标准为:发
    热37.5以上,并有咳嗽或咽痛。

    在R值分母的基础上,在有症状描述、体征描述等数据字段内按“症状监测标准”进
    行语义分析,找出所有含有监测标准的语义的病例和其病种诊断名(即病种名)。

    得到的结果如下表1所示:

    表1

    有症状字段的数
    有标准监测症状的数
    诊断为病种1
    有A1例
    有症状字段的数
    有标准监测症状的数
    诊断为病种2
    有A2例




    有症状字段的数
    有标准监测症状的数
    诊断为病种92
    有A92例

    (三)求症状比R值。

    设症状比为R,目标疾病每种病种都有症状比为R1、R2、…R92。则有:

    R1=当时诊断为病种1有监测标准症状的数/当时诊断为病种1有症状字段的数×
    100%,

    R2=当时诊断为病种2有监测标准症状的数/当时诊断为病种2有症状字段的数×
    100%,


    R92=当时诊断为病种92有监测标准症状的数/当时诊断为病种92有症状的数×
    100%。

    (四)估算无症状字段症状数据中目标疾病的发病数。

    以流感样病例为例,本发明通过R值反推整体平台中92种病的总病例数和每种病
    种中流感样的病例数。

    如:流感样总病例数=诊断为92病种所有有监测标准症状的数/诊断为92病种有
    症状字段的数×100%×诊断为92种病的病例之和。

    “上炎”中流感样病例数=R上炎×诊断为“上炎”的病例数。其中,R上炎为有上炎
    症状字段描述的数据中的症状比R值。

    (五)R值特点。

    R值特点如下:

    a.症状比R值每日,每周、每月和每年均不同,是当时的,与时间段有关。

    b.可计算出每种病种的R值,也可计算出总症候群总病例的R值,还可计算出每家
    医院的每个病种的R值。

    c.症状比R值,是一种自适应的比例值,不同的医院、不同病种和不同时间段,都有
    其独特的R值矩阵。经过半监督学习的R值矩阵能应用于各种不同的医院与时间段,大大减
    少了症状监测数据预处理的流程,为症状监测预警系统化打下了实质性的基础。

    本发明提出了一种基于症状比例R值的症状监测预警方法,在传染病被诊断前,系
    统就能提出预警及预测,大大提高了时效性,为国家节约大量的资金。本发明的方法具有以
    下应用:

    (1)可以用于所有类型的症状监测工作。

    如果将症状监测的名称和内容改变,即R值分母不动,则调整R值分子症状的描述
    (如腹泻病的症状监测标准描述)词语,经过语义分析后仍能找出R值分子,再套用实施例一
    和二的方法,就能推出目标疾病各病种的发病数和发病率。

    (2)可以用来与疾控部门症状类监测数据进行参比。

    (3)可以用于区域卫生信息平台的疾病或传染病的实时计算和推导。如果目标疾
    病数据模型选择成功,则可直接在平台内进行疾病预警和短期预测。

    以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟
    悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这
    些等同的变形或替换均包含在本申请权利要求所限定的范围内。

    关于本文
    本文标题:一种基于症状比例R值的症状监测预警方法.pdf
    链接地址://www.4mum.com.cn/p-6014167.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 双色球保本的玩法 江西时时五星大小 有偏门来钱最快的方法 时时彩计划软件手机版 快乐十分钟任选2稳赚技巧 香港正版刘伯温四不像一肖 全天幸运pk10计划 快速时时计划网 怎样玩时时彩稳赚 分分彩彩免费软件计划 nba投注技巧 江苏快三免费计划软件下载 四川时时玩法 下载跑马免费计划 快三自动计划软件下载 全天北京赛场pk10数据计划