目的基于医院感染实时监控系统(Real-Time Nosocomial Infections System,RT-NIS)和社区医疗信息系统(Community Medical Information System,CMIS),应用大数据筛选,构建算法建立社区卫生服务机构临床辅助诊断系统(Clinical Assistant D...目的基于医院感染实时监控系统(Real-Time Nosocomial Infections System,RT-NIS)和社区医疗信息系统(Community Medical Information System,CMIS),应用大数据筛选,构建算法建立社区卫生服务机构临床辅助诊断系统(Clinical Assistant Diagnosis System for Community Health Service Institutions,CADS-CHSI)。方法采用大数据挖掘算法和多个数学模型设计一系列算法,通过对医院过程数据和社区过程数据采集,分析单个临床诊断指标在医院和社区的分布特征和影响程度,赋予不同诊断指标权重,以患者主要病例特征验证诊断指标权重,实现辅助诊断。结果通过挖掘RT-NISS医院过程数据、电子病历和CMIS数据,应用大数据筛选算法可分析单个临床诊断指标分布特征,赋予不同权重,应用神经网络模型结合病例反复验证并调整权重,初步实现CADS-CHSI算法构建。结论 CADS-CHSI算法构建已初步完成框架设计,下一步将结合医院和社区临床数据验证比对,不断提高辅助诊断特异性和敏感性,提高社区卫生服务机构诊断准确率,提升社区卫生服务机构服务质量。展开更多
文摘目的基于医院感染实时监控系统(Real-Time Nosocomial Infections System,RT-NIS)和社区医疗信息系统(Community Medical Information System,CMIS),应用大数据筛选,构建算法建立社区卫生服务机构临床辅助诊断系统(Clinical Assistant Diagnosis System for Community Health Service Institutions,CADS-CHSI)。方法采用大数据挖掘算法和多个数学模型设计一系列算法,通过对医院过程数据和社区过程数据采集,分析单个临床诊断指标在医院和社区的分布特征和影响程度,赋予不同诊断指标权重,以患者主要病例特征验证诊断指标权重,实现辅助诊断。结果通过挖掘RT-NISS医院过程数据、电子病历和CMIS数据,应用大数据筛选算法可分析单个临床诊断指标分布特征,赋予不同权重,应用神经网络模型结合病例反复验证并调整权重,初步实现CADS-CHSI算法构建。结论 CADS-CHSI算法构建已初步完成框架设计,下一步将结合医院和社区临床数据验证比对,不断提高辅助诊断特异性和敏感性,提高社区卫生服务机构诊断准确率,提升社区卫生服务机构服务质量。