[發(fā)明專利]一種慢性病群體中資源高消耗人群的個案管理方法在審
| 申請?zhí)枺?/td> | 202110086726.1 | 申請日: | 2021-01-22 |
| 公開(公告)號: | CN112687376A | 公開(公告)日: | 2021-04-20 |
| 發(fā)明(設計)人: | 李春漾;張超;應志野;胡耀;殷晉;曾筱茜 | 申請(專利權)人: | 四川大學 |
| 主分類號: | G16H40/00 | 分類號: | G16H40/00;G06N20/00 |
| 代理公司: | 成都帝鵬知識產權代理事務所(普通合伙) 51265 | 代理人: | 黎照西 |
| 地址: | 610000 四*** | 國省代碼: | 四川;51 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 慢性病 群體 資源 消耗 人群 個案 管理 方法 | ||
1.一種慢性病群體中資源高消耗人群的個案管理方法,其特征在于,包括步驟:
S100,獲取源數(shù)據,根據資源高消耗類別,對源數(shù)據進行預處理,獲得樣本集;
S200,在樣本集中去除對于資源高消耗沒有影響的數(shù)據;
S300,根據S200所獲得的樣本集,訓練獲得資源高消耗識別預測模型;
S400,獲取待檢測數(shù)據,將待檢測數(shù)據輸入所述資源高消耗識別預測模型,預測其發(fā)生資源高消耗的風險機率;
S500,根據預測結果,將會發(fā)生資源高消耗行為的老年慢性病人信息錄入云數(shù)據中心;后端系統(tǒng)根據患者信息從云數(shù)據中心調取,并向患者推送預警信息;社區(qū)決策系統(tǒng)根據患者信息從云數(shù)據中心調取,向醫(yī)生推送患者管理信息。
2.根據權利要求1所述的一種慢性病群體中資源高消耗人群的個案管理方法,其特征在于,所述源數(shù)據包括社區(qū)錄入的病人的人口學信息和基本檢驗檢查信息的原始信息,以及由病人在移動端填寫的自測問卷和可穿戴設備采集的實時生理指標。
3.根據權利要求1所述的一種慢性病群體中資源高消耗人群的個案管理方法,其特征在于,所述資源高消耗類別包括年再入院次數(shù)>3的typeA,年急救次數(shù)>1的typeB,年ICU入住次數(shù)>1的typeC,和年救護車使用次數(shù)>1的typeD。
4.根據權利要求3所述的一種慢性病群體中資源高消耗人群的個案管理方法,其特征在于,在所述步驟S100中,根據資源高消耗類別,對源數(shù)據進行預處理,包括步驟:
S101,根據資源高消耗類別劃分,對其中一類別數(shù)據,計算正例/反例比例,確定少數(shù)樣本;
S102,對于少數(shù)樣本,任意選擇某一少數(shù)樣本點,根據k近鄰原則,將距離定義為樣本之間n維特征空間的歐氏距離,選取其k個距離最近的點
S103,根據如下公式生成新的樣本點:
其中,δ∈[0,1]之間隨機數(shù);Xnew為新樣本點,x1為選取的樣本點;
S104,重復步驟S101-103,直至該類下樣本正例/反例比例比接近0.5時,停止,完成采樣;
S105,重復以上步驟S101-104,對每個資源高消耗類別進行采樣,從而獲得樣本集。
5.根據權利要求4所述的一種慢性病群體中資源高消耗人群的個案管理方法,其特征在于,在所述步驟S200中,在樣本集中去除對于資源高消耗沒有影響的數(shù)據;通過降維算法判斷樣本中是否存在對高消耗預測沒有影響的數(shù)據,若存在沒有影響的數(shù)據,對樣本集中對高消耗沒有影響的數(shù)據去除,包括步驟:
S201,根據資源高消耗類別劃分,對其中一類別數(shù)據,假設需要納入的特征子集O1為空,選取特征函數(shù)為回歸函數(shù);
S202,每次隨機選擇一個特征加入特征子集O1,根據特征函數(shù)得分將增加得分的特征加入;
S203,假設需要納入的特征子集為所有特征O2,選取特征函數(shù)為回歸函數(shù);每次隨機選擇一個特征取出特征子集O2,根據特征函數(shù)得分將增加得分的特征取出;
S204,重復以上步驟S201-203,直至特征子集O1與O2相同,選擇其為后續(xù)預測是否屬于該類高消耗類型需要納入的特征;
S205,重復以上步驟S201-204,對每個資源高消耗類別執(zhí)行降維,獲得包含有特征子集的樣本集。
6.根據權利要求5所述的一種慢性病群體中資源高消耗人群的個案管理方法,其特征在于,根據所獲得的樣本集訓練資源高消耗識別預測模型,包括步驟:
S301,對于降維得到的特征子集,利用獨立熱編碼進行預處理;
S302,根據資源高消耗類別劃分,對其中一類別數(shù)據,訓練預測函數(shù)進行預測:
其中pi為對應樣本x為該高消耗類別的概率,wT,b為待訓練參數(shù);
S303,重復以上步驟S301-S302,對每個資源高消耗類別執(zhí)行模型訓練,得到對應參數(shù),得到資源高消耗識別預測模型。
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四川大學,未經四川大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110086726.1/1.html,轉載請聲明來源鉆瓜專利網。





