[发明专利]一种医疗决策支持方法及系统有效
申请号: | 201610029798.1 | 申请日: | 2016-01-18 |
公开(公告)号: | CN105787252B | 公开(公告)日: | 2018-06-29 |
发明(设计)人: | 贡京京;张焱;刘红云;黄勇华;冯军;魏微 | 申请(专利权)人: | 贡京京 |
主分类号: | G16H50/30 | 分类号: | G16H50/30 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100017 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 风险决策 溶栓 基本信息 静脉 反应结果 医疗决策 多维度 适应症 信息库 预测 表达模式 决策信息 类别分析 模型采集 预先配置 潜在的 采集 测试 分类 评估 决策 | ||
1.一种医疗决策支持方法,其特征在于,包括:
预先配置风险决策信息库,该风险决策信息库中包括若干不同表达模式的静脉溶栓风险信息;
利用上述风险决策信息库,对患者进行测试,确定患者对所述风险决策信息库中的若干不同表达模式的静脉溶栓风险信息的反应结果;
根据得到的反应结果,采用潜类别分析,对患者潜在的静脉溶栓风险决策倾向进行分类,并同时预测不同类别中的患者在接受不同表述模式的静脉溶栓风险信息时的溶栓认同率;其中,分类的类别包括溶栓依从组、溶栓抵触组、中间变异组;
多维度采集患者的基本信息,其中,该基本信息包括:人口统计学信息、情绪状态信息、健康程度和态度信息、性格特征信息;
以患者潜在的静脉溶栓风险决策倾向类别为因变量,以患者多维度基本信息为自变量,采用多元Logistic回归分析建立风险决策模型,完成对患者静脉溶栓决策倾向的影响因素的多角度同步分析,实现对患者的静脉溶栓倾向的预测;
对患者进行静脉溶栓适应症的评估,并根据评估结果,确定患者是否符合适应症的条件;
在确定结果为患者符合适应症的情况下,根据溶栓风险决策模型采集患者的基本信息,并代入溶栓风险决策模型,预测其静脉溶栓决策倾向,并最终确定给该患者个体呈现的最佳溶栓决策信息的表述模式。
2.根据权利要求1所述的医疗决策支持方法,其特征在于,所述静脉溶栓风险信息的表述模式包括以下至少之一:
百分率、具体数值、OR值。
3.根据权利要求1所述的医疗决策支持方法,其特征在于,所述静脉溶栓风险信息的构成模式包括:正面框架和负面框架,其中,所述正面框架的信息包括生存率、无致死性颅内出血和无残率,所述负面框架的信息包括死亡率、致死性颅内出血和致残率。
4.根据权利要求1所述的医疗决策支持方法,其特征在于,所述静脉溶栓风险信息的展现模式包括:详细信息展示模式和模糊信息展示模式。
5.根据权利要求1所述的医疗决策支持方法,其特征在于,所述潜类别分析通过Mplus软件实现。
6.一种医疗决策支持系统,其特征在于,包括:
信息库配置模块,用于预先配置风险决策信息库,该风险决策信息库中包括若干不同表达模式的静脉溶栓风险信息;
反应测试模块,用于利用上述风险决策信息库,对患者进行测试,确定患者对所述风险决策信息库中的若干不同表达模式的静脉溶栓风险信息的反应结果;
倾向分析模块,用于根据得到的反应结果,采用潜类别分析,对患者潜在的静脉溶栓风险决策倾向进行分类,并同时预测不同类别中的患者在接受不同表述模式的静脉溶栓风险信息时的溶栓认同率;其中,分类的类别包括溶栓依从组、溶栓抵触组、中间变异组;
信息采集模块,用于多维度采集患者的基本信息,其中,该基本信息包括:人口统计学信息、情绪状态信息、健康程度和态度信息、性格特征信息;
倾向预测模块,用于以患者潜在的静脉溶栓风险决策倾向类别为因变量,以患者多维度基本信息为自变量,采用多元Logistic回归分析建立风险决策模型,完成对患者静脉溶栓决策倾向的影响因素的多角度同步分析,实现对患者的静脉溶栓倾向的预测;
患者评估模块,用于对患者进行静脉溶栓适应症的评估,并根据评估结果,确定患者是否符合适应症的条件;
风险决策模块,用于在确定结果为患者符合适应症的情况下,根据溶栓风险决策模型采集患者的基本信息,并代入溶栓风险决策模型,预测其静脉溶栓决策倾向,并最终确定给该患者个体呈现的最佳溶栓决策信息的表述模式。
7.根据权利要求6所述的医疗决策支持系统,其特征在于,所述静脉溶栓风险信息的表述模式包括以下至少之一:
百分率、具体数值、OR值。
8.根据权利要求6所述的医疗决策支持系统,其特征在于,所述静脉溶栓风险信息的构成模式包括:正面框架和负面框架,其中,所述正面框架的信息包括生存率、无致死性颅内出血和无残率,所述负面框架的信息包括死亡率、致死性颅内出血和致残率。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贡京京,未经贡京京许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610029798.1/1.html,转载请声明来源钻瓜专利网。