本發(fā)明涉及數(shù)據(jù)處理分析方法領域，更具體地，涉及一種基于臨床數(shù)據(jù)的就醫(yī)指導方法、裝置及服務器。

背景技術：

雖然隨著社會科學的發(fā)展,人們物質、文化水平的不斷提高，但是大多數(shù)人越來越來越不注意自己的身體健康，導致自己越來越容易患病。當病人患病之后,一定要根據(jù)自己的實際情況選擇醫(yī)生和醫(yī)院,如何選擇所患疾病方面專業(yè)的醫(yī)院、科室和醫(yī)生，是一門學問。近年來，隨著計算醫(yī)學的飛速發(fā)展與應用，越來越多的研究者認為可以運用計算機來提供網(wǎng)上就醫(yī)指導，但是迄今沒有專門的平臺能夠為患者提供就醫(yī)指導服務?；颊咴诰歪t(yī)時需要反復咨詢，并查閱相關資料才能決定最終要到哪個科室、找哪個醫(yī)生治療合適，就醫(yī)時間較長，掛號、咨詢等醫(yī)務工作人員的工作效率較低。

就醫(yī)指導只要建立相關的數(shù)據(jù)庫及平臺，患者就可以通過電腦單方面進行查詢，得到自己所需要的信息。而本發(fā)明通過搜集以往患者的相關臨床數(shù)據(jù)，借助計算醫(yī)學的技術手段為患者提供就醫(yī)指導，為患者與優(yōu)秀醫(yī)生、科室之間建立一條快捷的、靈敏可靠的信息橋梁。

技術實現(xiàn)要素：

本發(fā)明提供一種基于臨床數(shù)據(jù)的就醫(yī)指導方法、裝置及服務器，用于克服現(xiàn)有技術的缺陷，旨在根據(jù)臨床數(shù)據(jù)為患者提供就醫(yī)指導，為患者與優(yōu)秀醫(yī)生、科室之間建立一條快捷的、靈敏可靠的信息橋梁，簡化了不必要的環(huán)節(jié)，提高了效率。

為實現(xiàn)上述目的，本發(fā)明提供一種基于臨床數(shù)據(jù)的就醫(yī)指導方法，包括以下步驟：

獲取所有疾病患者的臨床數(shù)據(jù)；

通過限定關鍵詞建立與某一疾病患者相關的索引數(shù)據(jù)庫；

建立衡量醫(yī)生治療所述某一疾病有效性的數(shù)據(jù)指標；

根據(jù)所述索引數(shù)據(jù)庫，從所述臨床數(shù)據(jù)中提取每個患者的id、醫(yī)生、科室、生命體征、診斷、檢驗信息；

根據(jù)提取的信息和所述數(shù)據(jù)指標構建加權異構星型數(shù)據(jù)模型；

對所述加權異構星型數(shù)據(jù)模型進行排名，獲取適合所述某一疾病患者的醫(yī)生治療水平的排名信息。

優(yōu)選地，在所述獲取臨床數(shù)據(jù)庫中所有疾病患者的臨床數(shù)據(jù)之后，還包括：

對所述臨床數(shù)據(jù)進行清洗。

優(yōu)選地，所述對所述臨床數(shù)據(jù)進行清洗，包括：

在患者的記錄數(shù)據(jù)的數(shù)據(jù)缺失率大于預設閾值時，去除所述患者的記錄數(shù)據(jù)；

在患者的記錄數(shù)據(jù)的數(shù)據(jù)缺失率小于預設閾值時，對所述患者的記錄數(shù)據(jù)進行補齊；

每個患者的臨床數(shù)據(jù)選擇時間最近的一條記錄；

將患者的檢驗結果的數(shù)值離散到預設的區(qū)間。

優(yōu)選地，所述數(shù)據(jù)指標包括：

患者不同階段的檢驗信息以及病情的轉歸類型。

優(yōu)選地，所述根據(jù)所述關系型數(shù)據(jù)庫和所述數(shù)據(jù)指標構建加權異構星型數(shù)據(jù)模型，包括：

根據(jù)提取的信息，建立以所述患者的id信息為主鍵，以所述患者的醫(yī)生、科室、生命體征、診斷、檢驗信息為屬性對象的異構星型數(shù)據(jù)模型；

根據(jù)所述數(shù)據(jù)指標，計算所述異構星型數(shù)據(jù)模型各屬性對象的權重。

優(yōu)選地，所述對所述加權異構星型數(shù)據(jù)模型進行排名，獲取所述某一疾病患者的醫(yī)生治療水平的排名信息，包括：

采用medrank排名算法，通過第一公式進行迭代運算，直到結果收斂于穩(wěn)定值，實現(xiàn)對所述加權異構星型數(shù)據(jù)模型的排名，從而獲得所述某一種疾病患者的醫(yī)生治療水平的排名信息；

其中，所述的第一公式為：

其中，t∈{1,…,n-1}，n為大于1的正整數(shù)，x1為目標類型，代表藥物信息，xt為第t次對象類型，c為中心類型，代表患者，為x1對象類型在當次迭代的排名分數(shù)，u為|x1|×|x1|的單位矩陣，|x1|為x1類型對象的總數(shù)，ɑ為決定u/|x1|項的權重，wab為對象a和b的加權鄰接矩陣,表示兩者之間的權重鏈接，為對行進行規(guī)化的對角矩陣，其中第i行的對角值為wab第i行之和。

為實現(xiàn)上述目的，本發(fā)明還提供一種基于臨床數(shù)據(jù)的就醫(yī)指導裝置，包括：

數(shù)據(jù)采集模塊，用于獲取所有疾病患者的臨床數(shù)據(jù)；

索引數(shù)據(jù)模塊，用于通過限定關鍵詞建立與某一疾病的患者相關的索引數(shù)據(jù)庫；

衡量指標模塊，用于建立衡量醫(yī)生治療所述某一疾病有效性的數(shù)據(jù)指標；

信息提取模塊，用于根據(jù)所述索引數(shù)據(jù)庫，從所述臨床數(shù)據(jù)中提取每個患者的id、醫(yī)生、科室、生命體征、診斷、檢驗信息；

模型模塊，用于根據(jù)提取的信息和所述數(shù)據(jù)指標構建加權異構星型數(shù)據(jù)模型；

排名模塊，用于對所述加權異構星型數(shù)據(jù)模型進行排名，獲取所述某一疾病的醫(yī)生治療水平的排名信息。

優(yōu)選地，所述基于臨床數(shù)據(jù)的藥物推薦裝置還包括：

數(shù)據(jù)清洗模塊，用于對所述臨床數(shù)據(jù)進行清洗；

所述模型模塊包括：

構建模塊，用于根據(jù)提取的信息，建立以所述患者的id信息為主鍵，以所述患者的醫(yī)生、科室、生命體征、診斷、檢驗信息為屬性對象的異構星型數(shù)據(jù)模型；

權重模塊，用于根據(jù)所述數(shù)據(jù)指標，計算所述異構星型數(shù)據(jù)模型各屬性對象的權重。

優(yōu)選地，所述排名模塊，用于采用medrank排名算法，通過第一公式進行迭代運算，直到結果收斂于穩(wěn)定值，實現(xiàn)對所述加權異構星型數(shù)據(jù)模型的排名，從而獲得所述某一種疾病患者的醫(yī)生治療水平的排名信息；

其中，所述的第一公式為：

其中，t∈{1,…,n-1}，n為大于1的正整數(shù)，x1為目標類型，代表藥物信息，xt為第t次對象類型，c為中心類型，代表患者，為x1對象類型在當次迭代的排名分數(shù)，u為|x1|×|x1|的單位矩陣，|x1|為x1類型對象的總數(shù)，ɑ為決定u/|x1|項的權重，wab為對象a和b的加權鄰接矩陣,表示兩者之間的權重鏈接，為對行進行規(guī)化的對角矩陣，其中第i行的對角值為wab第i行之和。

為實現(xiàn)上述目的，本發(fā)明還提供一種服務器，包括上述的基于臨床數(shù)據(jù)的就醫(yī)指導裝置。

本發(fā)明提供的基于臨床數(shù)據(jù)的就醫(yī)指導方法、裝置及服務器，首先采集所有疾病患者的臨床數(shù)據(jù)，然后通過限定與某一種疾病相關的關鍵詞建立索引數(shù)據(jù)庫，再建立衡量醫(yī)生治療上述疾病有效性的數(shù)據(jù)指標；再根據(jù)索引數(shù)據(jù)庫與臨床數(shù)據(jù)庫的映射關系，從臨床數(shù)據(jù)庫中提取患者的相關信息；在根據(jù)提取的信息以及數(shù)據(jù)指標構建數(shù)據(jù)模型；最后通過數(shù)學方法對數(shù)據(jù)模型分析、處理、排名，最終獲得治療該疾病患者水平的醫(yī)生排名信息；實現(xiàn)了根據(jù)臨床數(shù)據(jù)為患者選擇醫(yī)生提供輔助決策，從而為患者與優(yōu)秀醫(yī)生、科室之間建立一條快捷的、靈敏可靠的信息橋梁，簡化了不必要的環(huán)節(jié)，縮短了就醫(yī)時間，提高了就醫(yī)效率。

附圖說明

圖1為本發(fā)明實施例一提供的基于臨床數(shù)據(jù)的就醫(yī)指導方法的流程圖；

圖2為本發(fā)明實施例二中數(shù)據(jù)模型構建步驟中星型異構數(shù)據(jù)模型的結構示意圖；

圖3為本發(fā)明實施例三中數(shù)據(jù)清洗步驟的細化流程圖；

圖4為本發(fā)明實施例提供的基于臨床數(shù)據(jù)的就醫(yī)指導裝置的模塊示意圖。

具體實施方式

下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

實施例一

如圖1所示，本發(fā)明提供一種基于臨床數(shù)據(jù)的就醫(yī)指導方法，包括以下步驟：

步驟s10，獲取所有疾病患者的臨床數(shù)據(jù)；這里的臨床數(shù)據(jù)來源于現(xiàn)有的數(shù)據(jù)，可以是一家或多家醫(yī)院的臨床數(shù)據(jù)。這些臨床數(shù)據(jù)關于每位患者的信息均采用統(tǒng)一的格式。主要包括：患者id(身份編號)、診斷疾病、用藥前檢驗結果、生命體征、醫(yī)生、科室、用藥后檢驗結果、轉歸情況等。

步驟s20，通過限定關鍵詞建立與某一疾病患者相關的索引數(shù)據(jù)庫；這里的關鍵詞可以是與疾病的名稱相關的詞，針對診斷疾病信息的進行的檢索，例如高血壓、心臟病、冠心病等。其中，索引數(shù)據(jù)庫中包含了與關鍵詞有關的所有患者的臨床數(shù)據(jù)的鏈接，通過索引數(shù)據(jù)庫中的映射關系能夠找到與關鍵詞或與醫(yī)學主題詞表有關的所有患者的臨床數(shù)據(jù)，索引數(shù)據(jù)庫中包含的信息來自于臨床數(shù)據(jù)庫中的內容。

本實施例中的臨床數(shù)據(jù)，從中南大學湘雅三醫(yī)院醫(yī)療信息系統(tǒng)中采集用藥時間大于5天，且用藥前后有兩次血壓測量和生命體征、檢驗結果的高血壓患者的就診信息。數(shù)據(jù)中包含代表患者的id號、醫(yī)生、科室、基本信息、生命體征用藥前后血壓、治療藥物、轉歸情況、年齡、性別、吸煙、血脂、血糖、bmi、egfr、crp、肌酐、微量白蛋白尿等基礎信息和檢查指標以及心衰、冠心病、糖尿病等診斷，其中未包含患者的隱私信息。

高血壓患者所用治療藥物主要考慮利尿劑、β受體阻滯劑、α受體阻滯劑、血管緊張素轉換酶抑制劑(acei)、鈣通道阻滯劑(ccb)、血管緊張素受體拮抗劑(arb)、血管擴張劑、神經(jīng)節(jié)阻滯劑單一藥物或者組合用藥。

分析醫(yī)院信息系統(tǒng)中所有高血壓患者的臨床數(shù)據(jù)，采集包括患者id、用藥前后舒張壓/收縮壓、主治醫(yī)生、科室、降壓藥物等患者的臨床數(shù)據(jù)信息。

步驟s30，建立衡量醫(yī)生治療所述某一疾病有效性的數(shù)據(jù)指標；所述數(shù)據(jù)指標包括患者不同階段的檢驗信息以及病情的轉歸類型，以高血壓疾病患者為例：1)降壓藥物治療期間舒張壓/收縮壓有明顯降低；2)出院時病情好轉。本發(fā)明中用高血壓患者一次就診期間用藥前后血壓的降低情況以及病情的轉歸情況共同來衡量就診期間降壓方案或降壓藥物的有效性，可以設定一個閾值，高血壓患者一次就診期間用藥前后血壓的降低是否達到閾值；病情好轉可設定幾個等級類型，例如輕微、中度、良好、痊愈等。

步驟s40，根據(jù)所述索引數(shù)據(jù)庫，從所述臨床數(shù)據(jù)中提取每個患者的id、醫(yī)生、科室、生命體征、診斷、檢驗信息；如果臨床數(shù)據(jù)中這些信息不全，可以在步驟s10之后對臨床數(shù)據(jù)進行清洗，去除缺失數(shù)據(jù)率過大的屬性以及患者記錄，對于缺失數(shù)據(jù)率較小的屬性采取數(shù)據(jù)補齊措施。

步驟s50，根據(jù)提取的信息和所述數(shù)據(jù)指標構建加權異構星型數(shù)據(jù)模型；包括以下步驟：

步驟s51，根據(jù)提取的信息，建立以所述患者的id信息為主鍵，以所述患者的醫(yī)生、科室、生命體征、診斷、檢驗信息為屬性對象的星型異構數(shù)據(jù)模型；參見圖2；

步驟s52，根據(jù)所述數(shù)據(jù)指標，計算所述異構星型數(shù)據(jù)模型各屬性對象的權重。

針對每個患者的臨床數(shù)據(jù)構建以患者為中心對象，醫(yī)生、科室、年齡、用藥前后舒張壓、收縮壓、心率、血紅蛋白等特征為屬性對象的關系型數(shù)據(jù)結構，再根據(jù)數(shù)據(jù)指標計算各關系型數(shù)據(jù)結構的屬性對象的權重，形成多個加權異構星型數(shù)據(jù)模型。

其中生命體征包括年齡、用藥前收縮壓/舒張壓，檢驗結果包括egfr、尿素、血紅蛋白的檢驗值。星型異構數(shù)據(jù)模型邊緣的屬性對象的權重是依靠以下兩個因子的基礎上計算得到：

患者血壓降低情況：如果患者用藥前舒張壓<90且收縮壓<140：

a)用藥后收縮壓<140且舒張壓<90，weight＝0；

b)用藥后收縮壓>＝140或舒張壓>＝90，weight＝-1；

如果用藥前舒張壓>＝90或收縮壓>＝140:

a)用藥后收縮壓<140且舒張壓<90，weight＝1；

b)收縮壓降低>20或舒張壓降低>10，weight＝0.5；

c)收縮壓降低<20以及舒張壓降低<10，weight＝0；

d)收縮壓或者舒張壓上升，weight＝-1；

患者病情轉歸情況:

如果患者病情得到好轉，weight＝1；

如果患者病情未愈，weight＝-0.5；

如果患者死亡，weight＝-1；

如果患者病情屬于其他情況，weight＝0；

最后病人其他指標權重：

weight＝(1-a)*weight_轉歸+a*weight_血壓降低情況

醫(yī)生的權重：該醫(yī)生醫(yī)治的所有病人weight的平均值；

科室的權重：該科室醫(yī)治的所有病人weight的平均值。

步驟s60，對所述加權異構星型數(shù)據(jù)模型進行排名，獲取所述疾病患者的醫(yī)生治療水平的排名信息。

采用medrank排名算法對步驟s50中構建的加權異構星型數(shù)據(jù)模型進行排名，得到各醫(yī)生治療高血壓疾病水平的排名。medrank算法對每個患者所構建的加權異構星型數(shù)據(jù)模型基于以下算法進行迭代運算，直到結果收斂于穩(wěn)定質：

xt為第t^th對象類型，x1為目標類型，在本研究中指降壓方案，c為中心類型，本實施例中是指患者，wab為對象a和b的加權鄰接矩陣,表示兩者之間的權重鏈接，為對行進行規(guī)化的對角矩陣，其中第i行的對角值為wab第i行之和。下面的表1為臨床數(shù)據(jù)中所有高血壓患者主治醫(yī)生治療水平的排名結果：

表1

本發(fā)明的方案通過對臨床數(shù)據(jù)的分析，可以計算出各類疾病相關的醫(yī)生、科室治療水平的排名情況，還可以對科室及醫(yī)生的診治水平進行評價，為患者就診時提供就醫(yī)指導，幫助患者科學合理的選擇科室、醫(yī)生就診，縮短其就診時間。

在本發(fā)明一實施例中，參見圖3，在步驟s10之后還包括：

步驟s11，對所述臨床數(shù)據(jù)進行清洗；以高血壓疾病為例：清晰后的臨床數(shù)據(jù)中必須有用藥前后血壓、醫(yī)生、科室、降壓藥物。

步驟步驟s11包括：

步驟s111，在患者的記錄數(shù)據(jù)的數(shù)據(jù)缺失率大于預設閾值時，去除所述患者的記錄數(shù)據(jù)；在患者的記錄數(shù)據(jù)的數(shù)據(jù)缺失率小于預設閾值時，對所述患者的記錄數(shù)據(jù)進行補齊；如果臨床數(shù)據(jù)中關于必須有的數(shù)據(jù)信息缺失時，判斷缺失率是否大于閾值，如果大于，則去除該條患者的記錄；如果小于，則數(shù)值型屬性用該屬性數(shù)值的中位數(shù)(平均值)補齊，標簽型屬性用隨機生成標簽值的方式補齊；

步驟s112，在每個患者的臨床數(shù)據(jù)中選擇時間最近的一條記錄；

步驟s113，將患者的檢驗結果的數(shù)值離散到預設的區(qū)間。

經(jīng)過清洗的數(shù)據(jù)更加完整，并且對于明顯失真或具有失誤的數(shù)據(jù)進行去除，采用具有普遍性的數(shù)據(jù)，能夠提高計算的準確性，減小因原始數(shù)據(jù)帶來的誤差。

本發(fā)明實施例還提供一種基于臨床數(shù)據(jù)的就醫(yī)指導裝置，包括：

數(shù)據(jù)采集模塊10，用于獲取所有疾病患者的臨床數(shù)據(jù)；

索引數(shù)據(jù)模塊20，用于通過限定關鍵詞建立與某一疾病的患者相關的索引數(shù)據(jù)庫；

衡量指標模塊30，用于建立衡量醫(yī)生治療所述某一疾病效性的數(shù)據(jù)指標；

信息提取模塊40，用于根據(jù)所述索引數(shù)據(jù)庫，從所述臨床數(shù)據(jù)中提取每個患者的id、醫(yī)生、科室、生命體征、診斷、檢驗信息；

模型模塊50，用于根據(jù)提取的信息和所述數(shù)據(jù)指標構建加權異構星型數(shù)據(jù)模型；

排名模塊60，用于對所述加權異構星型數(shù)據(jù)模型進行排名，獲取所述某一疾病患者的醫(yī)生治療水平的排名信息。

所述基于臨床數(shù)據(jù)的藥物推薦裝置還包括：

數(shù)據(jù)清洗模塊11，用于對所述臨床數(shù)據(jù)進行清洗；

所述模型模塊50包括：

構建模塊51，用于根據(jù)提取的信息，建立以所述患者的id信息為主鍵，以所述患者的醫(yī)生、科室、生命體征、診斷、檢驗信息為屬性對象的星型異構數(shù)據(jù)模型；

權重模塊52，用于根據(jù)所述數(shù)據(jù)指標，計算所述星型異構數(shù)據(jù)模型各屬性對象的權重。

所述排名模塊60，用于采用medrank排名算法，通過第一公式進行迭代運算，直到結果收斂于穩(wěn)定值，實現(xiàn)對所述加權異構星型數(shù)據(jù)模型的排名，從而獲得所述某一種疾病患者的醫(yī)生治療水平的排名信息；

其中，所述的第一公式為：

其中，t∈{1,…,n-1}，n為大于1的正整數(shù)，x1為目標類型，代表藥物信息，xt為第t次對象類型，c為中心類型，代表患者，為x1對象類型在當次迭代的排名分數(shù)，u為|x1|×|x1|的單位矩陣，|x1|為x1類型對象的總數(shù)，ɑ為決定u/|x1|項的權重，wab為對象a和b的加權鄰接矩陣,表示兩者之間的權重鏈接，為對行進行規(guī)化的對角矩陣，其中第i行的對角值為wab第i行之和。

本裝置的數(shù)據(jù)采集模塊10根據(jù)醫(yī)院患者就診信息中患者的所有數(shù)據(jù)，采集用藥時間大于5天，且用藥前后有兩次血壓測量和生命體征、檢驗結果的高血壓患者相關的數(shù)據(jù)，包括年齡、醫(yī)生、用藥前后舒張壓/收縮壓、降壓藥物等數(shù)據(jù)信息。數(shù)據(jù)清洗指標建立模塊，建立衡量臨床數(shù)據(jù)有效性相關的指標:所采集的患者記錄中必須有醫(yī)生、科室、降壓治療、基本信息(年齡、性別、bmi)、生命體征(用藥前血壓、心率)、檢驗結果、診斷、轉歸等屬性；在清洗數(shù)據(jù)時，界定屬性值的合理范圍；對于缺失的數(shù)據(jù)，進行刪除記錄或補齊缺失數(shù)值的處理；根據(jù)采集到的臨床數(shù)據(jù)，構建加權異構星型網(wǎng)絡模型；采用medrank排名算法，對加權的異構星型網(wǎng)絡模型進行排名，得到醫(yī)生治療水平的排名信息，患者或者家屬可以根據(jù)排名高低選擇主治醫(yī)生，實現(xiàn)了高血壓治療醫(yī)生的推薦。

本發(fā)明實施例還提供一種服務器，包括上述實施例中任一所述的基于臨床數(shù)據(jù)的就醫(yī)指導裝置。

最后應說明的是：以上實施例僅用以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發(fā)明各實施例技術方案的精神和范圍。