[发明专利]一种居于体征大数据的慢性病自动跟踪、治疗及推送方法

说明书

本发明公开了一种居于体征大数据的慢性病自动跟踪、治疗及推送方法，包括以下步骤：根据患者的慢病种类、初始体征数据开出处方，形成健康档案；获取患者的实时体征数据，做出治疗效果的评分；根据患者的慢病种类、初始体征数据、处方建立治疗模板，治疗模板具有可量化的治疗效果量化值，治疗模板对多个同种类疾病的治疗效果量化值与评分相对应；获取初次诊治患者的慢病种类、初始体征数据，并向医生推送治疗模板中的处方；医生对处方确认后，发送给初次诊治患者。本发明提供的方法解决了医生对相同慢性病做大量重复性工作，导致的医疗资源浪费的技术问题。

技术领域

本发明涉及医疗领域，具体地说，涉及一种居于体征大数据的慢性病自动跟踪、治疗及推送方法。

背景技术

慢性病全称是慢性非传染性疾病，不是特指某种疾病，而是对一类起病隐匿，病程长且病情迁延不愈，缺乏确切的传染性生物病因证据，病因复杂。常见的慢性病主要有心脑血管疾病、糖尿病、慢性呼吸系统疾病等。慢性病治疗疗程时间较长，患者的生活起居、饮食、睡眠、运动都会对慢性病的治疗和控制效果起到重要作用，容易导致慢性病病程的反复，患者需要多次往返于医院。

随着生活节奏的加快，慢性病发病率提高，慢性病中的常发病相对集中，此时，对于医生而言存在需要长时间应对相同类的几类疾病，医生常常是在根据自身的治疗经验做相对重复的大量工作，工作乏味从而导致医疗态度的降低，且医生自身医疗知识没有最大化的利用，导致医疗资源的浪费。同时没有科学的方法对医生所开出的处方的治疗效果进行统计，无法实时跟踪治疗效果。

发明内容

本发明的目的在于提供一种居于体征大数据的慢性病自动跟踪、治疗及推送方法，旨在解决医生做大量重复性工作，导致的医疗资源浪费的技术问题。

本发明提供一种居于体征大数据的慢性病自动跟踪、治疗及推送方法。

所述居于体征大数据的慢性病自动跟踪、治疗及推送方法包括以下步骤：

步骤S1：根据患者的慢病种类、初始体征数据开出处方，形成健康档案；

步骤S2：获取患者的实时体征数据，做出治疗效果的评分；

步骤S3：根据患者的慢病种类、初始体征数据、所述处方建立治疗模板，所述治疗模板具有可量化的治疗效果量化值，所述治疗模板对多个同种类疾病的治疗效果量化值与所述评分相对应；

步骤S4：获取初次诊治患者的慢病种类、初始体征数据，并向医生推送所述治疗模板中的所述处方；

步骤S5：所述医生对所述处方确认后，发送给初次诊治患者。

进一步地，所述处方包括运动处方和/或药物处方，所述运动处方和/或运动频次、运动方式、运动幅度以及运动时间；所述药物处方包括药物名称、服用方式、服用频次、服用量。

进一步地，所述治疗效果的评分采用百分制，设置有效阈值；当评分大于所述有效阈值时，认为治疗效果有效。

进一步地，所述步骤S3包括：

步骤S31：于所述初始体征数据、所述处方中提取多个影响治疗效果的影响因子，设置多个影响因子的影响权重值，计算影响因子的期望值，设定表示治疗效果有效的有效期望阈值；

步骤S32：录入多个所述健康档案中的影响因子数值，并计算得出多个期望值，所述期望值与所述评分相对应；

步骤S33：设置统计阈值百分比；

步骤S34：判断根据多个健康档案计算形成的期望值中大于有效期望阈值的百分比是否大于统计阈值百分比；若大于，则所述治疗模板建立结束；若小于，则修正所述影响因子，以使所述期望值中大于有效期望阈值的百分比大于统计阈值百分比；

所述治疗效果量化值为期望值。