[发明专利]一种应用于循证医学的证据检索与收集系统及其方法

说明书

本发明公开了一种应用于循证医学的证据检索与收集系统及其方法，包括：证据收集单元、证据链生成模块、数据分析模块和智能学习模块、证据检索单元以及模型构建模块。本发明还公开了一种应用于循证医学的证据检索与收集方法，包括以下步骤：A：收集证据、B：证据链生成、C：证据检索、D：数据分析、E：模型构建。本发明能够充分收集患者的病例证据，结合Cochrane数据库检索的历史病例证据，通过信息添加模块在采集的证据数据中加入时间戳与地理位置信息形成证据链，通过Meta分析模块能够快速检索出相应的历史病例证据，通过智能学习模块学习关键字检索以及学习分析其检索策略，以达到输入相关关键词后智能制定检索策略的目的。

技术领域

本发明涉及医学证据检索技术领域，特别涉及一种应用于循证医学的证据检索与收集系统及其方法。

背景技术

循证医学本质上是一门临床医学的基础学科，是指导临床医疗进行科学诊治决策的方法学。其中随机对照试验的研究证据更是临床治疗中直接反映疗效的重要证据。实践循证医学的过程包括五个步骤，分别是循证问题的构建及方法、证据检索与收集、严格评价证据、应用最佳证据以及经验总结和后效评价。其中，在证据检索与收集步骤，传统的方法严重依赖于劳动密集型的手工处理；但是手工处理存在出错率高、准确性不足的问题。

公开号为CN109460477A的中国专利公开了一种信息收集分类系统和方法及其检索和集成方法，该检索和集成方法包括如下步骤：步骤S1：获得一个潜在新词，对其进行知识图谱的检索，若存在知识图谱中存在该潜在新词，则直接进行步骤S2，若不存在，则将该潜在新词及和其有关的所有三元组(e1，r，e2)集成进知识图谱，其中，e1表示该潜在新词，e2表示与该潜在新词有实体关系的词，r表示e1和e2的关系种类；步骤S2：对所获得的该潜在新词进行词向量集成；步骤S3：重复步骤S1-步骤S2，直至所有的潜在新词检索和集成完毕。该发明可以有效地、增量式地集成信息，只在必要时触发重训练，在保证知识集成的质量的情况下，降低了系统成本，优化了系统流程。

但是不同于其它运用机器学习方法进行决策辅助的领域，医疗证据检索与收集领域对于机器推荐检索方案的可解释性和相应的证据支持拥有更高的要求。而上述检索和集成方法虽然能够对病历进行一定的检索，但是却不能结合患者的病例证据以及添加时间戳与地理位置信息形成证据链，不能快速地检索出相应的历史病例证据，降低了医治的效率；另外，上述的发明没有设置模型构建模块，不能使用病例证据模型进行数据分析，不能分析出各个证据主体的不确定性。因此，发明一种应用于循证医学的证据检索与收集系统及其方法来解决上述问题很有必要。

发明内容

(一)解决的技术问题

本发明的目的在于提供一种应用于循证医学的证据检索与收集系统及其方法，以解决现有的信息收集分类系统和方法不能结合患者的病例证据以及添加时间戳与地理位置信息形成证据链，没有设置模型构建模块，不能使用病例证据模型进行数据分析，不能分析出各个证据主体的不确定性的问题。

(二)技术方案

为实现上述应用于循证医学的证据检索与收集系统及其方法解决现有的信息收集分类系统和方法不能结合患者的病例证据以及添加时间戳与地理位置信息形成证据链，没有设置模型构建模块，不能使用病例证据模型进行数据分析，不能分析出各个证据主体的不确定性的问题，本发明提供如下技术方案：

一种应用于循证医学的证据检索与收集系统，包括：

证据收集单元，通过医疗仪器对医疗证据数据进行采集；

证据链生成模块，根据证据数据、时间戳与地理位置信息将采集的证据数据整合生成证据链；

数据分析模块和智能学习模块，数据分析模块对证据链进行分析，智能学习模块学习关键字检索以及历史病例证据的判断；