用药预测方法、系统及用药护理装置

本发明属于老人护理设备，涉及一种用药预测方法、系统及用药护理装置。

背景技术：

1、随着人口增加以及老龄化的进展，慢性疾病需要投入更多关注，而针对不同疾病往往需要服用多种不同的治疗药物，每个药对身体的反应、影响都是不同的，如果同时服用多种药物，不同药物混合服用可能导致药物不良反应。

2、目前，患者多重用药率高，不良反应发生率高，患者依从性降低，跌倒、骨折等老年综合征的风险增加。因此在选择用药方案时，应优先选择获益最大、损害最小并可以改善生活质量的方案，强化安全用药意识。但很多老年患者在就医时，一般找多个医院和医生看病，医生不知道该老年患者原先的用药情况，不同专业的医生往往是只增加用药，很少有医生主动的去减药，无法针对老年患者的身体情况及多种疾病制定用药方案，对是否存在用药风险无法评估，导致老年患者的用药风险增大。

技术实现思路

1、本发明的目的在于提供一种用药预测方法、系统及用药护理装置，对用药方案是否为不良用药进行预测，降低用药风险。

2、为了达到上述目的，本发明的基础方案为：一种用药预测方法，包括如下步骤：

3、获取多个样本的临床数据、疾病既往史和用药方案；

4、基于统计方法，筛选样本临床数据中的特征参数；

5、对特征参数进行筛选，得到主要影响因素；

6、构建机器学习模型，将影响因素作为输入，用药方案是否为合理作为输出结果；

7、采集待测者的影响因素并输入机器学习模型，预测待测者用药方案是否合理。

8、本基础方案的工作原理和有益效果在于：利用样本临床数据，提取关键的影响因素，减少后续数据处理量。利用样本的影响因素构建所需的机器学习模型，操作简单，便于使用。针对性采集待测者的影响因素，再输入机器学习模型中，得到预测结果，判断待测者用药方案是否为不良用药，以便患者和医生获知用药风险，避免盲目用药，降低用药风险，也利于医生后续重新指定用药。

9、进一步，若待测者用药方案为不良用药，则重新制定用药方案的方法如下：

10、获取待测者的临床数据、疾病既往史信息；

11、针对单种疾病，利用单因素分析方法，筛选待测者人口学特征和临床特征中的有效特征参数；

12、得到待测者所有疾病对应的有效特征参数后，基于多因素分析方法，提取对应疾病有效特征参数中的风险因子；

13、将待测者的风险因子的数据与正常状态的相应种类的风险因子的数据进行对比，判断各风险因子的风险等级；

14、将待测者每个疾病的风险因子的风险等级相加再计算平均值，得到该疾病的风险等级，对各疾病的风险等级进行从高到低排序；

15、提取风险等级位于预设排名前的疾病对应的用药种类作为总方案；

16、基于待测者的药物过敏史和家族史，去除总方案中的待测者不良反应药物；

17、若总方案的用药种类数量大于预设值，则依据不同种类药物的现有不良反应分级，对总方案内的药物进行分级排序，根据药物分级排序依次提取数量不大于预设值的药物，作为用药方案。

18、针对待测者的自身数据，以此重新指定用药方案，并获取待测者自身疾病的轻重缓急等级，进行优先用药判定，利于使用，制动适宜的用药方案。

19、进一步，所述临床数据包括性别、年龄、血压、评估血糖水平、血脂水平、钾、钠、钙、肌酐、血清尿酸、尿素、天冬氨酸氨基转移酶、丙氨酸氨基转移酶、γ-谷氨酰胺转移酶、总胆红素、总蛋白、白细胞、中性粒细胞、嗜碱性粒细胞、嗜酸性粒细胞、淋巴细胞、红细胞、红细胞比容、平均红细胞体积、平均红细胞血红蛋白含量、平均红细胞血红蛋白浓度、血小板、血小板平均体积。

20、采集所需的临床数据，便于后续使用。

21、进一步，影响因素包括不同用药数量、年龄、住院天数、诊断总数以及是否患高血压、冠心病、动脉粥样硬化、2型糖尿病、高血压性心脏病、泌尿系统疾病、心力衰竭、胃十二指肠炎、肺病感染、高脂血症、高脂血症疾病史患者。

22、提取到合适的影响因素，保证预测结果更为准确。

23、进一步，所述机器学习模型采用logistic回归模型、随机森林模型、xgboost模型或adaboost模型。

24、根据需要选择合适的机器预测模型，利于使用。

25、本发明还提供一种用药预测系统，处理模块和警报模块，所述处理模块执行本发明所述方法，进行用药预测，处理模块的输出端与警报模块的输入端连接，警报模块用于接收预测结果并在不良用药时发出警报信号。

26、利用该系统进行用药方案风险预测，以便患者和医生能够及时更换用药方案，减少用药风险。

27、本发明还提供一种用药护理装置，包括药盒和本发明所述老年患者用药预测系统，所述药盒包括内盒和外盒；

28、所述内盒置于外盒内，内盒的两侧壁与外盒的两侧内壁固定连接，且该侧壁上设有可开合的阀门；

29、所述外盒内设有传送带，内盒置于传送带之间，内盒的顶部和底部与传送带贴合，所述传送带上设有若干阵列排布的用于放置单颗药物的限位孔，内盒顶部在阵列的每一行设有一个落药孔，落药孔处设有电动阀，所述限位孔与外盒内壁间的距离等于单颗药物的厚度；

30、所述老年患者用药预测系统安装在外盒的外壁上，所述外盒的外壁上设有人机交互模块，所述人机交互模块的输出端与老年患者用药预测系统的处理模块的输入端连接。

31、药盒的传送带上的每一行限位孔中可放置一种药物，传送带上设置多行限位孔即可放置多种药物，便于取用。传送带可带动药物移动，当限位孔与内盒上的落药孔重合且对应电动阀开启，药物自动下落至内盒内，再打开侧壁的阀门，患者可自内盒中取药。且药盒上设置老年患者用药预测系统，可在用药前进风险预测，避免盲目用药。

32、进一步，所述外盒的顶部和/或底部设有可开合的密封门。

33、在外盒上设置密封门，便于往外盒内放置药物。

技术特征：

1.一种用药预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的用药预测方法，其特征在于，若待测者用药方案为不良用药，则重新制定用药方案的方法如下：

3.如权利要求1所述的用药预测方法，其特征在于，所述临床数据包括性别、年龄、血压、评估血糖水平、血脂水平、钾、钠、钙、肌酐、血清尿酸、尿素、天冬氨酸氨基转移酶、丙氨酸氨基转移酶、γ-谷氨酰胺转移酶、总胆红素、总蛋白、白细胞、中性粒细胞、嗜碱性粒细胞、嗜酸性粒细胞、淋巴细胞、红细胞、红细胞比容、平均红细胞体积、平均红细胞血红蛋白含量、平均红细胞血红蛋白浓度、血小板、血小板平均体积。

4.如权利要求1所述的用药预测方法，其特征在于，影响因素包括不同用药数量、年龄、住院天数、诊断总数以及是否患高血压、冠心病、动脉粥样硬化、2型糖尿病、高血压性心脏病、泌尿系统疾病、心力衰竭、胃十二指肠炎、肺病感染、高脂血症、高脂血症疾病史患者。

5.如权利要求1所述的用药预测方法，其特征在于，所述机器学习模型采用logistic回归模型、随机森林模型、xgboost模型或adaboost模型。

6.一种用药预测系统，其特征在于，处理模块和警报模块，所述处理模块执行权利要求1-5之一所述方法，进行用药预测，处理模块的输出端与警报模块的输入端连接，警报模块用于接收预测结果并在不良用药时发出警报信号。

7.一种用药护理装置，其特征在于，包括药盒和权利要求6所述老年患者用药预测系统，所述药盒包括内盒和外盒；

8.如权利要求7所述的用药护理装置，其特征在于，所述外盒的顶部和/或底部设有可开合的密封门。

技术总结
本发明属于老人护理设备技术领域，具体公开了一种用药预测方法、系统及用药护理装置，该方法通过获取多个样本的临床数据、疾病既往史和用药方案；基于统计方法，筛选样本临床数据中的特征参数；对特征参数进行筛选，得到主要影响因素；构建机器学习模型，将影响因素作为输入，用药方案是否合理作为输出结果；采集待测者的影响因素并输入机器学习模型，预测待测者用药方案是否合理。采用本技术方案，对用药方案是否为不良用药进行预测，降低用药风险。

技术研发人员：何畏
受保护的技术使用者：重庆医科大学
技术研发日：
技术公布日：2024/1/15