本發(fā)明涉及醫(yī)療信息處理方法，更具體地說是指多點觸發(fā)生物安全監(jiān)測方法、裝置、計算機設備及存儲介質(zhì)。

背景技術：

1、在現(xiàn)代醫(yī)院感染與傳染病管理中，信息化監(jiān)測系統(tǒng)的應用顯著提升了數(shù)據(jù)處理和監(jiān)控能力，但仍面臨諸多挑戰(zhàn)。目前技術方案存在數(shù)據(jù)整合不全面的問題，不同系統(tǒng)和平臺之間的信息無法有效融合，導致門診和住院患者的診療數(shù)據(jù)難以全面匯總。這不僅影響信息的完整性，還可能在數(shù)據(jù)清洗和轉(zhuǎn)換過程中產(chǎn)生冗余、錯誤和不一致。

2、現(xiàn)有系統(tǒng)通常依賴基礎統(tǒng)計分析或固定規(guī)則，未能深入挖掘數(shù)據(jù)中潛在的復雜模式，從而限制了對高危風險因素的精準識別。預警模型往往比較通用，缺乏針對特定醫(yī)院感染類型或個別患者的個性化風險預測。在監(jiān)測方面，傳統(tǒng)系統(tǒng)主要依賴定期更新的靜態(tài)數(shù)據(jù)，缺乏對患者實時狀態(tài)的動態(tài)監(jiān)控，監(jiān)測關卡的設置也可能不夠全面，導致無法及時捕捉到風險變化。

3、在預警機制上，周期性預警往往無法迅速反映患者病情的快速變化，從而影響響應能力。同時，區(qū)域內(nèi)同類風險患者的數(shù)據(jù)整合不足，影響了對聚集性事件和傳染病傳播的預防?，F(xiàn)有系統(tǒng)的信息傳遞和處理常存在延遲，這降低了醫(yī)護人員的快速響應效率，缺乏實時反饋機制進一步減弱了處理效果。這些問題共同制約了醫(yī)院感染和傳染病管理的效率與準確性。

4、因此，有必要設計一種新的方法，以克服現(xiàn)有技術在數(shù)據(jù)整合、風險分析、動態(tài)監(jiān)測、預警機制靈活性及信息處理效率等方面的不足，實現(xiàn)更高效、準確的醫(yī)院生物安全監(jiān)測。

技術實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術的缺陷，提供多點觸發(fā)生物安全監(jiān)測方法、裝置、計算機設備及存儲介質(zhì)。

2、為實現(xiàn)上述目的，本發(fā)明采用以下技術方案：多點觸發(fā)生物安全監(jiān)測方法，包括：

3、獲取患者的診療數(shù)據(jù)，并進行數(shù)據(jù)處理，以得到患者個案數(shù)據(jù)；

4、將所述患者個案數(shù)據(jù)輸入至多種感染和傳染病的預警模型中進行感染預測，以得到預測結(jié)果；

5、將所述預測結(jié)果輸入至生物安全風險預警模型進行患者疑似感染部位和疾病部位類型的區(qū)分，以得到區(qū)分結(jié)果；

6、對所述區(qū)分結(jié)果結(jié)合建立的增量式預警機制進行動態(tài)預警，以得到預警結(jié)果；

7、基于所述預警結(jié)果發(fā)送干預信息至對應的平臺。

8、其進一步技術方案為：所述獲取患者的診療數(shù)據(jù)，并進行數(shù)據(jù)處理，以得到患者個案數(shù)據(jù)，包括：

9、獲取患者的診療數(shù)據(jù)，并將所述診療數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的數(shù)據(jù)格式，以得到患者個案數(shù)據(jù)，其中，所述患者個案數(shù)據(jù)包括患者基礎信息和門診、住院過程中產(chǎn)生的診療數(shù)據(jù)。

10、其進一步技術方案為：所述多種感染和傳染病的預警模型的訓練過程包括：

11、對歷史個案數(shù)據(jù)進行感染病例、傳染病病例和健康患者類型的分類；

12、對分類后的感染病例、傳染病病例所對應的歷史個案數(shù)據(jù)按照感染部位進行數(shù)據(jù)劃分，以得到樣本集；

13、采用所述樣本集對bp神經(jīng)網(wǎng)絡算法進行訓練，以得到多種感染和傳染病的預警模型。

14、其進一步技術方案為：所述生物安全風險預警模型的訓練過程包括：

15、提取所述歷史個案數(shù)據(jù)中與感染部位及相關疾病相關的診療數(shù)據(jù)，并進行數(shù)據(jù)預處理，以得到預處理結(jié)果；

16、選擇所述預處理結(jié)果中與感染部位相關的特征，并進行標準化，以得到標準化結(jié)果；

17、使用邏輯回歸模型對標準化結(jié)果中的每種感染類型進行初步訓練，計算各特征的回歸系數(shù)，評估其對特定感染類型的重要性；

18、根據(jù)所述回歸系數(shù)篩選出影響各類型感染的關鍵特征；

19、根據(jù)所述關鍵特征構(gòu)建特征矩陣，并構(gòu)建訓練集和測試集；

20、使用所述訓練集訓練隨機森林模型，構(gòu)建多個決策樹進行分類預測，以得到生物安全風險預警模型。

21、其進一步技術方案為：所述區(qū)分結(jié)果包括患者的風險評估值。

22、其進一步技術方案為：所述增量式預警機制包括實時數(shù)據(jù)檢測、重新計算患者的風險評估值。

23、其進一步技術方案為：所述干預信息包括在篩查時間段內(nèi)處于同類生物安全風險的患者數(shù)量超過第一傳播閾值時所發(fā)出的暴發(fā)預警信息。

24、本發(fā)明還提供了多點觸發(fā)生物安全監(jiān)測裝置，包括：

25、個案數(shù)據(jù)獲取單元，用于獲取患者的診療數(shù)據(jù)，并進行數(shù)據(jù)處理，以得到患者個案數(shù)據(jù)；

26、預測單元，用于將所述患者個案數(shù)據(jù)輸入至多種感染和傳染病的預警模型中進行感染預測，以得到預測結(jié)果；

27、區(qū)分單元，用于將所述預測結(jié)果輸入至生物安全風險預警模型進行患者疑似感染部位和疾病部位類型的區(qū)分，以得到區(qū)分結(jié)果；

28、動態(tài)預警單元，用于對所述區(qū)分結(jié)果結(jié)合建立的增量式預警機制進行動態(tài)預警，以得到預警結(jié)果；

29、發(fā)送單元，用于基于所述預警結(jié)果發(fā)送干預信息至對應的平臺。

30、本發(fā)明還提供了一種計算機設備，所述計算機設備包括存儲器及處理器，所述存儲器上存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述的方法。

31、本發(fā)明還提供了一種存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的方法。

32、本發(fā)明與現(xiàn)有技術相比的有益效果是：本發(fā)明通過獲取患者診療數(shù)據(jù)并處理生成個案數(shù)據(jù)，輸入多種感染預測模型得出預測結(jié)果，將預測結(jié)果應用于生物安全風險預警模型，區(qū)分疑似感染部位和疾病類型，結(jié)合增量式預警機制動態(tài)生成預警結(jié)果，并向相關平臺發(fā)送干預信息。以克服現(xiàn)有技術在數(shù)據(jù)整合、風險分析、動態(tài)監(jiān)測、預警機制靈活性及信息處理效率等方面的不足，實現(xiàn)更高效、準確的醫(yī)院生物安全監(jiān)測。

33、下面結(jié)合附圖和具體實施例對本發(fā)明作進一步描述。

技術特征：

1.多點觸發(fā)生物安全監(jiān)測方法，其特征在于，包括：

2.根據(jù)權利要求1所述的多點觸發(fā)生物安全監(jiān)測方法，其特征在于，所述獲取患者的診療數(shù)據(jù)，并進行數(shù)據(jù)處理，以得到患者個案數(shù)據(jù)，包括：

3.根據(jù)權利要求1所述的多點觸發(fā)生物安全監(jiān)測方法，其特征在于，所述多種感染和傳染病的預警模型的訓練過程包括：

4.根據(jù)權利要求3所述的多點觸發(fā)生物安全監(jiān)測方法，其特征在于，所述生物安全風險預警模型的訓練過程包括：

5.根據(jù)權利要求1所述的多點觸發(fā)生物安全監(jiān)測方法，其特征在于，所述區(qū)分結(jié)果包括患者的風險評估值。

6.根據(jù)權利要求5所述的多點觸發(fā)生物安全監(jiān)測方法，其特征在于，所述增量式預警機制包括實時數(shù)據(jù)檢測、重新計算患者的風險評估值。

7.根據(jù)權利要求1所述的多點觸發(fā)生物安全監(jiān)測方法，其特征在于，所述干預信息包括在篩查時間段內(nèi)處于同類生物安全風險的患者數(shù)量超過第一傳播閾值時所發(fā)出的暴發(fā)預警信息。

8.多點觸發(fā)生物安全監(jiān)測裝置，其特征在于，包括：

9.一種計算機設備，其特征在于，所述計算機設備包括存儲器及處理器，所述存儲器上存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權利要求1至7中任一項所述的方法。

10.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7中任一項所述的方法。

技術總結(jié)
本發(fā)明實施例公開了多點觸發(fā)生物安全監(jiān)測方法、裝置、計算機設備及存儲介質(zhì)。所述方法包括：獲取患者的診療數(shù)據(jù)，并進行數(shù)據(jù)處理，以得到患者個案數(shù)據(jù)；將所述患者個案數(shù)據(jù)輸入至多種感染和傳染病的預警模型中進行感染預測，以得到預測結(jié)果；將所述預測結(jié)果輸入至生物安全風險預警模型進行患者疑似感染部位和疾病部位類型的區(qū)分，以得到區(qū)分結(jié)果；對所述區(qū)分結(jié)果結(jié)合建立的增量式預警機制進行動態(tài)預警，以得到預警結(jié)果；基于所述預警結(jié)果發(fā)送干預信息至對應的平臺。通過實施本發(fā)明實施例的方法可以克服現(xiàn)有技術在數(shù)據(jù)整合、風險分析、動態(tài)監(jiān)測、預警機制靈活性及信息處理效率等方面的不足，實現(xiàn)更高效、準確的醫(yī)院生物安全監(jiān)測。

技術研發(fā)人員：姚宏武,霍瑞,杜明梅,陳春平,劉夢林,劉伯偉,白艷玲,劉運喜,林建,張曉明
受保護的技術使用者：杭州杏林信息科技有限公司
技術研發(fā)日：
技術公布日：2024/12/19