本發(fā)明屬于風險評估預警，具體涉及一種患者護理風險評估預警監(jiān)控方法。

背景技術(shù)：

1、住院患者護理風險預警是醫(yī)院風險預警的重要組成部分，通過評估患者的健康狀況、疾病風險和個體特征，建立護理風險預警機制，以識別潛在的護理風險和安全隱患。這種預警機制的目的在于提高護士的風險識別和應對能力，降低或避免護理不良事件的發(fā)生。然而，目前在護理風險預警方面信息化水平低、風險評估不規(guī)范的缺陷，這些問題不僅影響了安全護理的效果，也增加了醫(yī)務人員的工作負擔，因此，如何應用信息化技術(shù)和科學的評價工具幫助護士早期識別風險、提高對風險的控制能力是護理風險預警的重點課題。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的一種患者護理風險評估預警監(jiān)控方法解決了目前在護理風險預警方面信息化水平低、風險評估不規(guī)范的問題。

2、為了達到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：一種患者護理風險評估預警監(jiān)控方法，包括以下步驟：

3、s1、獲取患者對象的基本信息，包括診斷信息和治療信息；

4、s2、根據(jù)患者對象的基本信息進行風險評估，得到風險評估結(jié)果；

5、s3、根據(jù)風險評估結(jié)果對患者對象進行安全護理預警。

6、進一步地：所述s2包括以下分步驟：

7、s21、根據(jù)患者對象的診斷信息和治療信息的文本建立節(jié)點特征表示，進而根據(jù)節(jié)點特征表示構(gòu)建診斷信息與治療信息之間語義關(guān)系的圖數(shù)據(jù)；

8、s22、將診斷信息與治療信息之間語義關(guān)系的圖數(shù)據(jù)輸入gcn，通過gcn提取圖數(shù)據(jù)的特征表示，得到診斷信息和治療信息的第一文本特征表示；

9、s23、將診斷信息與治療信息的文本依次輸入多頭自注意力層和前饋網(wǎng)絡層，得到診斷信息和治療信息的第二文本特征表示；

10、s24、對診斷信息和治療信息的第一文本特征表示和第二文本特征表示進行特征融合，得到融合結(jié)果；

11、s25、將融合結(jié)果輸入softmax層，得到診斷信息和治療信息的關(guān)系預測結(jié)果；

12、s26、根據(jù)診斷信息和治療信息的關(guān)系預測結(jié)果對患者對象的護理風險進行評估，得到風險評估結(jié)果。

13、進一步地：所述s21中，診斷信息與治療信息之間語義關(guān)系的圖數(shù)據(jù)包括節(jié)點集和邊集，構(gòu)建診斷信息與治療信息之間語義關(guān)系的圖數(shù)據(jù)的方法具體為：

14、將診斷信息和治療信息的文本拆分為多組單詞，根據(jù)所有單詞構(gòu)建圖數(shù)據(jù)的節(jié)點集，根據(jù)診斷信息與治療信息單詞之間的語義關(guān)系構(gòu)建圖數(shù)據(jù)的邊集；

15、其中，構(gòu)建圖數(shù)據(jù)的邊集的方法具體為：

16、計算診斷信息與治療信息單詞之間的點間互信息，若診斷信息與治療信息單詞之間的點間互信息大于0，則在診斷信息與治療信息單詞之間建立一個邊；

17、其中，計算診斷信息與治療信息單詞之間的點間互信息pmi(xi；yj)的表達式具體為：

18、

19、式中，w(xi,yi)為包含診斷信息單詞xi與治療信息單詞yj的滑動窗口數(shù)量，w(xi)為包含診斷信息單詞xi的滑動窗口數(shù)量，p(yj)為包含治療信息單詞yj的滑動窗口數(shù)量，w為滑動窗口總數(shù)。

20、上述進一步方案的有益效果為：點間互信息可以度量兩個單詞之間的相關(guān)性，依據(jù)點間互信息可以描述診斷信息與治療信息單詞之間在語義上的相似性和關(guān)聯(lián)性。

21、進一步地：所述s22中，gcn提取圖數(shù)據(jù)的特征表示的方法具體為：

22、通過gcn的節(jié)點對圖數(shù)據(jù)進行圖卷積操作，節(jié)點進行一次圖卷積操作的計算過程具體為下式：

23、

24、

25、

26、式中，h(l)是第l層gcn的輸入，a是無向圖的鄰接矩陣，i為單位矩陣，為中間矩陣，為的度矩陣，用于對矩陣行列進行歸一化處理，w(l)為第l層的權(quán)值矩陣，w(l)＝rd*h，其中，h為輸出維度，σ為非線性激活函數(shù)。

27、上述進一步方案的有益效果為：gcn利用圖數(shù)據(jù)邊與節(jié)點連接的結(jié)構(gòu)信息進行特征傳播和提取，對隱含的圖信息進行抽取，提取節(jié)點的特征表示，經(jīng)過gcn的特征提取后，可以更好地捕捉診斷信息和治療信息文本的語義信息，有利于對文本進行分類，去除一些冗余的信息。

28、進一步地：所述s23包括以下分步驟：

29、s231、將診斷信息與治療信息的文本轉(zhuǎn)換為詞向量序列，輸入多頭自注意力層，得到詞向量空間表示；

30、

31、式中，q為查詢矩陣，v為值矩陣，k為鍵矩陣，d為鍵矩陣的維度；

32、s232、將詞向量空間表示輸入前饋網(wǎng)絡層，得到診斷信息和治療信息的第二文本特征表示。

33、上述進一步方案的有益效果為：多頭自注意力層用于在考慮上下文的情況下提取不同詞的含義，前饋網(wǎng)絡層用于對多頭自注意力層的輸出進一步加工處理，從而輸出文本中的上下文語義特征，得到診斷信息和治療信息的第二文本特征表示。

34、進一步地：所述s24具體為：

35、對診斷信息和治療信息的第一文本特征表示和第二文本特征表依次進行最大池化、拼接和逐元素相加操作，得到融合結(jié)果。

36、本發(fā)明的有益效果為：本發(fā)明提供了一種患者護理風險評估預警監(jiān)控方法，包括，為了獲取更全面的患者對象基本信息，提高護理風險評估預警的有效性，通過引入gcn提取診斷信息與治療信息之間在語義上的相似性和關(guān)聯(lián)性，引入多頭自注意力層和前饋網(wǎng)絡層提取診斷信息與治療信息之間的上下文的情況，利用聚合操作實現(xiàn)兩種不同的診斷信息與治療信息特征的相互交互，提高特征表示能力，從而獲取患者對象診斷信息和治療信息中的一些關(guān)鍵方面信息，依據(jù)關(guān)系預測結(jié)果護理風險進行評估，并制定相應的安全護理計劃，提高患者對象安全護理的質(zhì)量。

技術(shù)特征：

1.一種患者護理風險評估預警監(jiān)控方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的患者護理風險評估預警監(jiān)控方法，其特征在于，所述s2包括以下分步驟：

3.根據(jù)權(quán)利要求2所述的患者護理風險評估預警監(jiān)控方法，其特征在于，所述s21中，診斷信息與治療信息之間語義關(guān)系的圖數(shù)據(jù)包括節(jié)點集和邊集，構(gòu)建診斷信息與治療信息之間語義關(guān)系的圖數(shù)據(jù)的方法具體為：

4.根據(jù)權(quán)利要求2所述的患者護理風險評估預警監(jiān)控方法，其特征在于，所述s22中，gcn提取圖數(shù)據(jù)的特征表示的方法具體為：

5.根據(jù)權(quán)利要求2所述的患者護理風險評估預警監(jiān)控方法，其特征在于，所述s23包括以下分步驟：

6.根據(jù)權(quán)利要求2所述的患者護理風險評估預警監(jiān)控方法，其特征在于，所述s24具體為：

技術(shù)總結(jié)
本發(fā)明公開了一種患者護理風險評估預警監(jiān)控方法，包括以下步驟：S1、獲取患者對象的基本信息，包括診斷信息和治療信息；S2、根據(jù)患者對象的基本信息進行風險評估，得到風險評估結(jié)果；S3、根據(jù)風險評估結(jié)果對患者對象進行安全護理預警。本發(fā)明通過引入GCN提取診斷信息與治療信息之間在語義上的相似性和關(guān)聯(lián)性，引入多頭自注意力層和前饋網(wǎng)絡層提取診斷信息與治療信息之間的上下文的情況，利用聚合操作實現(xiàn)兩種不同的診斷信息與治療信息特征的相互交互，提高特征表示能力，從而獲取患者對象診斷信息和治療信息中的一些關(guān)鍵方面信息，依據(jù)關(guān)系預測結(jié)果護理風險進行評估，并制定相應的安全護理計劃，提高患者對象安全護理的質(zhì)量。

技術(shù)研發(fā)人員：陳雪,曹娟,劉麗
受保護的技術(shù)使用者：德昌縣人民醫(yī)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19