[發明專利]患者服藥依從性的判斷方法在審
| 申請號: | 201610101039.1 | 申請日: | 2016-02-24 |
| 公開(公告)號: | CN105701356A | 公開(公告)日: | 2016-06-22 |
| 發明(設計)人: | 黃文佳 | 申請(專利權)人: | 黃文佳 |
| 主分類號: | G06F19/00 | 分類號: | G06F19/00 |
| 代理公司: | 杭州華知專利事務所 33235 | 代理人: | 寧岡 |
| 地址: | 311121 浙江省杭州市余杭區倉前*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 患者 服藥 依從 判斷 方法 | ||
技術領域
本發明涉及一種患者服藥依從性的判斷方法。
背景技術
患者對由他們的醫生所開的用藥方案的不依從導致醫療保健的成本增加、較高的并發癥 發生率、以及藥的浪費。不依從是指不能在規定時間服用規定的劑量,從而導致用藥不足或 用藥過度。
在臨床用藥階段,準確地測量依從性可以引致諸如以下好處:臨床研究的統計可靠性增 加;臨床研究完成得更快。在治療階段,準確地測量依從性有很多重要的好處,例如:排除 用藥依從性高低的干擾以準確判定藥品自身的效果和毒性;警告患者與差的依從性有關的耐 藥感染的感染可能性;以及識別與過量用藥有關的藥的副作用。
目前依從性的判斷方法存在以下缺陷:數據為離散型,離散型數據看不出用戶的整體趨 勢,因吃藥長短的不同不適用于不同用戶的對比;只能二進制的記錄吃或者沒吃,不能反映 真實的依從性,在現實應用中缺少數據的厚度,無法展示具體遲了多久、具體早了多久、以 及前后幾次用藥的間隔是否過密進而導致毒副作用。
發明內容
本發明所要解決的技術問題是,提供一種患者服藥依從性的判斷方法,可以線性展示依 從性,便于不同用戶依從性的對比。
為解決上述技術問題,本發明提供的患者服藥依從性的判斷方法,包括如下步驟:
a、確定理想用藥時間ti;
b、記錄用戶實際用藥時間tp;
c、計算用藥依從性D=tp-ti;
d、判斷用藥依從性等級T,用藥依從性等級T=用藥依從性D在藥物依從性等級表上所對 應的等級;
藥物依從性等級表包括等級數量和每個等級對應的用藥依從性D的范圍;
e、根據步驟(d)記錄用戶在固定時間段內的依從性等級TN,N為吃藥的天數;
f、繪制用戶依從性圖表,橫坐標為N,縱坐標為TN;或計算用戶在固定時間段內的平均依從性
g、根據圖表中的趨勢或者平均依從性的高低判斷用戶的服藥依從性。
進一步的,步驟(b)中用戶實際用藥時間tp采用智能用藥設備進行記錄。
進一步的,步驟(d)中的等級數量由設計者根據實際需要進行制定,每個等級對應的 用藥依從性D的范圍由設計者結合醫生處方和藥物代謝動力學特性來制定。
采用以上結構后,本發明的患者服藥依從性的判斷方法與現有技術相比,具有以下優點:
1、可以線性展示用戶的依從性,從線性表中可以直觀的看到用戶的依從性趨勢;
2、因不同用戶采集的數據均是在同一個時間段內,所以便于不同用戶依從性的對比。
附圖說明
圖1為本發明記錄用戶1的用藥數據;
圖2為本發明用戶1的依從性表;
圖3為本發明記錄用戶1和用戶2的用藥數據;
圖4為本發明用戶1和用戶2的依從性對比表。
具體實施方式
下面通過實施例結合附圖對本發明作進一步的描述。
本實施例提供的患者服藥依從性的判斷方法,包括如下步驟:
a、確定理想用藥時間ti;
b、記錄用戶實際用藥時間tp;
c、計算用藥依從性D=tp-ti;
d、判斷用藥依從性等級T,用藥依從性等級T=用藥依從性D在藥物依從性等級表上所 對應的等級;
藥物依從性等級表包括等級數量和每個等級對應的用藥依從性D的范圍;
e、根據步驟(d)記錄用戶在固定時間段內的依從性等級TN,N為吃藥的天數;
f、繪制用戶依從性圖表,橫坐標為N,縱坐標為TN;或計算用戶在固定時間段內的平均依從性
g、根據圖表中的趨勢或者平均依從性的高低判斷用戶的服藥依從性。
實施例1:
藥物依從性等級表:
用戶1每天服藥一次,理想用藥時間ti=8:00
藥物依從性等級表的等級數量=3
等級T=3依從性對應的D=(-0.5,0.5)小時
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于黃文佳,未經黃文佳許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201610101039.1/2.html,轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06F 電數字數據處理
G06F19-00 專門適用于特定應用的數字計算或數據處理的設備或方法
G06F19-10 .生物信息學,即計算分子生物學中的遺傳或蛋白質相關的數據處理方法或系統
G06F19-12 ..用于系統生物學的建模或仿真,例如:概率模型或動態模型,遺傳基因管理網絡,蛋白質交互作用網絡或新陳代謝作用網絡
G06F19-14 ..用于發展或進化的,例如:進化的保存區域決定或進化樹結構
G06F19-16 ..用于分子結構的,例如:結構排序,結構或功能關系,蛋白質折疊,結構域拓撲,用結構數據的藥靶,涉及二維或三維結構的
G06F19-18 ..用于功能性基因組學或蛋白質組學的,例如:基因型–表型關聯,不均衡連接,種群遺傳學,結合位置鑒定,變異發生,基因型或染色體組的注釋,蛋白質相互作用或蛋白質核酸的相互作用





