技术特征：
1.一种基于大数据的慢病患者健康状态数据监测方法，其特征在于，包括以下步骤：步骤s1：获取患者登录医疗平台进行挂号后记录的就诊信息，并将患者相关的就诊信息存储于医疗大数据库中；提取医疗大数据库中已经确诊慢病患者的病情相关数据作为目标数据库，所述病情相关数据包括慢病患者的病因、病症和病史，并根据目标数据库建立筛选模型；步骤s2：基于目标数据库和患者当前的就诊信息，输出患者的诊断结果为第一诊断结果，若第一诊断结果属于慢性疾病，则判断患者的诊断结果是否与目标数据库存在交集，若存在交集，不进行数据的存储；若不存在交集，则存储该患者的就诊信息于目标数据库中，更新目标数据库；步骤s3：若第一诊断结果不属于慢性疾病，提取患者存储于医疗大数据库中的病史数据，所述病史数据是指患者在第一诊断结果得出前的所有历史就诊记录，并将所述历史就诊记录与目标数据库的筛选模型进行匹配，得到第一匹配结果；步骤s4：基于第一匹配结果和患者当前的就诊信息，综合分析患者针对慢病健康状态的综合评估指数，根据综合评估指数对患者在得到第一诊断结果前进行预警，提示诊断方向，输出预警提示后的诊断结果为第二诊断结果，并将第二诊断结果存储于目标数据库中。2.根据权利要求1所述的一种基于大数据的慢病患者健康状态数据监测方法，其特征在于：所述步骤s1中根据目标数据库建立筛选模型，包括以下步骤：提取医疗大数据库中的病因作为第一常规筛选因子u1，提取医疗大数据库中的病症作为第二常规筛选因子v1，提取医疗大数据库中的病史作为第三常规筛选因子q1；获取目标数据库中的病因作为第一目标筛选因子u2，提取目标数据库中的病症作为第二目标筛选因子v2，提取目标数据库中的病史作为第三常目标选因子q2；建立医疗大数据库中的常规筛选因子游离集{u1,v1,q1}，利用公式：计算常规筛选因子游离集{u1,v1,q1}在对医疗大数据库进行筛选后的对应常规游离比例{wu1,wv1,wq1}；其中{max[u1],max[v1],max[q1]}分别为第一常规筛选因子u1、第二常规筛选因子v1和第三常规筛选因子q1筛选出医疗大数据库中相同病情数据对应患者个数的最大值；m为医疗大数据库中患者就诊信息的总数值；建立目标数据库中的目标筛选因子游离集{u2,v2,q2}，并提取目标筛选因子游离集{u2,v2,q2}在对目标数据库进行筛选后的对应目标游离比例{gu2,gv2,gq2}，所述目标游离比例的计算方式同上述常规游离比例的计算方式；依次比较常规游离比例{wu1,wv1,wq1}和目标游离比例{gu2,gv2,gq2}中对应患者的重叠度r(u,v,q)，所述重叠度r(u,v,q)=m0(u,v,q)/max{[u1,u2],[v1,v2],[q1,q2]}，其中m0(u,v,q)表示医疗大数据库和目标数据库中相同病情数据对应患者的重复个数，所述相同病情数据包括相同病因、病症和病史；max{[u1,u2],[v1,v2],[q1,q2]}表示在针对相同病情数据对应的医疗大数据库中对应患者的总数和目标数据库中对应患者总数的最大值；设置重叠度阈值，当重叠度大于等于重叠度阈值时，保留对应的常规游离比例和目标游离比例，当重叠度小于重叠度阈值时，设置对应因子的游离比例与最小值的游离比例保持一致，构成新的常规游离比例{wu1',wv1',wq1'}和新的目标游离比例{gu2',gv2',gq2'}；利用公式构建筛选因子优先级：
其中t为筛选因子优先级矩阵，比较矩阵t中数值的大小，进行由大到小的排序且对应生成筛选因子的优先级；根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型。3.根据权利要求2所述的一种基于大数据的慢病患者健康状态数据监测方法，其特征在于：所述根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型，包括以下具体步骤：以第一优先级的筛选因子对应目标数据库中的患者就诊信息为初始靶点，提取初始靶点中的关键词信息作为第一关键词集，遍历第一关键词集中各关键词的相似度，获取相似度小于第一相似度阈值时对应的关键词对{关键词a1
→
关键词b1}，提取关键词对{关键词a1
→
关键词b1}中第二优先级的筛选因子对应的关键词信息作为第二关键词集，遍历第二关键词集中各关键词的相似度，获取相似度小于第二相似度阈值时对应的关键词对{关键词a2
→
关键词b2}；提取关键词对{关键词a2
→
关键词b2}中第三优先级的筛选因子对应的关键词信息作为第三关键词集，遍历第三关键词集中各关键词的相似度，获取相似度小于第三相似度阈值时对应的关键词对{关键词a3
→
关键词b3}；以第一筛选模型和第二筛选模型的信息区别为依据，构建以{关键词a1
→
关键词关键词a2
→
关键词a3}和{关键词b1
→
关键词b2
→
关键词b3}的第一筛选模型和第二筛选模型。4.根据权利要求3所述的一种基于大数据的慢病患者健康状态数据监测方法，其特征在于：所述将所述历史就诊记录与目标数据库的筛选模型进行匹配，得到第一匹配结果，包括以下具体步骤：获取患者的历史就诊记录，并依据筛选因子的优先级对历史就诊记录进行分类，分别得到历史就诊记录中的各筛选因子的子关键词{fuj,fvj,fqj}；fuj表示病因筛选因子对应的第j个子关键词，fvj表示病症筛选因子对应的第j个子关键词，fqj表示病史筛选因子对应的第j个子关键词；将筛选因子的子关键词与先天筛选模型和后天筛选模型进行分别匹配，得到第一匹配结果h：其中d表示筛选因子对应子关键词的总个数；g(fuj)表示病因筛选因子对应第j个子关键词与第一筛选模型和第二筛选模型匹配度的最大值，并标记筛选模型；g(fvj)表示病症筛选因子对应j个子关键词与第一筛选模型和第二筛选模型匹配度的最大值，g(fqj)表示病史筛选因子对应j个子关键词与第一筛选模型和第二筛选模型匹配度的最大值；α、β、γ分别对应病因筛选因子、病症筛选因子和病史筛选因子的参考系数，α+β+γ=1，且α、β和γ的大小对应筛选因子优先级的顺序。5.根据权利要求4所述的一种基于大数据的慢病患者健康状态数据监测方法，其特征
在于：所述步骤s4包括以下步骤：获取患者当前就诊信息的筛选因子对应的关键词集，并匹配患者历史就诊记录中相似度大于阈值的关键词集对应的就诊信息为关键就诊信息，提取关键就诊信息对应的匹配度g，所述匹配度g为关键就诊信息筛选因子中所有子关键词匹配度之和；利用公式：计算当前就诊信息的匹配关联度y，其中g0表示筛选因子对应子关键词与第一筛选模型和第二筛选模型的平均匹配度；并建立综合评估指数d=r*h+(e/e0)*y，其中r为第一匹配结果的参考系数，0＜r＜1；e表示患者当前就诊信息中相似度大于阈值的关键词集对应的就诊记录的个数，e0表示患者历史就诊记录与当前就诊记录的总个数；设置综合评估指数阈值d0，当d＜d0时，保留第一诊断结果；当d≥d0时，对患者在得到第一诊断结果前进行预警，并根据标记得到筛选模型类型，提示诊断方向为筛选模型方向，输出第二诊断结果。6.应用权利要求1-5所述的一种基于大数据的慢病患者健康状态数据监测方法的一种基于大户数据的慢病患者健康状态监测系统，其特征在于，包括数据库获取模块、筛选模型建立模块、诊断结果确定模块、数据库更新模块、筛选模型匹配模块和综合评估指数分析模块；所述数据库获取模块用于获取患者登录医疗平台进行挂号后记录的就诊信息，并将数据库分为医疗大数据库和目标数据库，所述目标数据库为提取医疗大数据库中已经确诊慢病患者的病情相关数据，所述病情相关数据包括慢病患者的病因、病症和病史；所述筛选模型建立模块用于建立目标数据库中的筛选模型；所述诊断结果确定模块用于记录患者就诊后的诊断结果并根据诊断结果选择存储；所述数据库更新模块用于根据诊断结果确定模块以更新数据库；所述筛选模型匹配模块用于匹配患者历史就诊信息与目标数据库并确定匹配结果；所述综合评估指数分析模块用于综合第一匹配结果和患者当前的就诊信息得到综合评估指数。7.根据权利要求6所述的一种基于大数据的慢病患者健康状态监测系统，其特征在于：所述筛选模型建立模块包括筛选因子选取单元、游离比例计算单元、游离比例比较单元、筛选因子优先级构建单元和筛选模型构建单元；所述筛选因子选取单元用于选取医疗大数据库和目标数据库中的筛选因子；所述游离比例计算单元用于根据筛选因子对应的游离集计算游离比例；所述游离比例比较单元用于比较常规游离比例和目标游离比例的重叠度；所述筛选因子优先级构建单元根据游离比例比较单元构建筛选因子优先级；所述筛选模型构建单元根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型。8.根据权利要求7所述的一种基于大数据的慢病患者健康状态监测系统，其特征在于：所述筛选模型构建单元包括关键词提取单元、相似度比较单元和筛选模型分类单元；所述关键词提取单元用于遍历目标数据库中的患者就诊信息并提取关键词集中的关
键词；所述相似度比较单元用于依次以第一优先级的筛选因子、第二优先级的筛选因子和第三优先级的筛选因子的筛选出的关键词进行相似度比较；所述筛选模型分类单元用于构建对应不同优先级筛选因子的筛选模型。9.根据权利要求8所述的一种基于大数据的慢病患者健康状态监测系统，其特征在于：所述筛选模型匹配模块包括匹配度获取单元和第一匹配结果计算单元；所述匹配度获取单元用于获取患者的历史就诊记录，并依据筛选因子的优先级对历史就诊记录进行分类，分别得到历史就诊记录中的各筛选因子的子关键词与第一筛选模型和第二筛选模型匹配度的最大值；所述第一匹配结果计算单元用于根据匹配度计算第一匹配结果。10.根据权利要求9所述的一种基于大数据的慢病患者健康状态监测系统，其特征在于：所述综合评估指数分析模块包括匹配关联度计算单元、综合评估指数计算单元和结果预警单元；所述匹配关联度计算单元用于根据患者当前就诊信息和匹配度计算匹配关联度；所述综合评估指数计算单元用于根据匹配关联度和第一匹配结果计算综合评估指数；所述结果预警单元用于设置综合评估指数阈值，并根据比较结果判断是否保留第一诊断结果；若不保留，所述结果预警单元进行预警，并根据标记得到筛选模型类型，提示诊断方向为筛选模型方向，输出第二诊断结果。
技术总结
本发明公开了一种基于大数据的慢病患者健康状态数据监测系统及方法，包括数据库获取模块、筛选模型建立模块、诊断结果确定模块、数据库更新模块、筛选模型匹配模块和综合评估指数分析模块；数据库获取模块用于获取患者登录医疗平台进行挂号后记录的就诊信息；筛选模型建立模块用于建立目标数据库中的筛选模型；诊断结果确定模块用于记录患者就诊后的诊断结果并根据诊断结果选择存储；数据库更新模块用于根据诊断结果确定模块以更新数据库；筛选模型匹配模块用于匹配患者历史就诊信息与目标数据库并确定匹配结果；综合评估指数分析模块用于综合第一匹配结果和患者当前的就诊信息得到综合评估指数。得到综合评估指数。得到综合评估指数。
技术研发人员：罗雪方 罗子杰
受保护的技术使用者：朔至美（南通）科技有限公司
技术研发日：2022.09.28
技术公布日：2022/12/12