[发明专利]用于患者配药的配药数据处理系统

说明书

本发明涉及数据处理技术领域，具体涉及一种用于患者配药的配药数据处理系统。该系统将目标配药机构中的目标历史配药文本信息与其他配药机构的其他历史配药文本信息集合进行联合分析，获得目标历史配药文本信息的经验因子。通过经验因子对目标配药机构中的历史配药文本信息进行进一步的分类分析，获得核验因子。通过核验因子与实时配药文本信息在数据库中对应的实时近邻可达密度的比值，获得提醒指标，根据提醒指标判断异常配药行为。本发明通过基于医疗数据库的数据处理方法，实现对配药过程中的异常配药行为的有效分析及提醒。

技术领域

本发明涉及数据处理技术领域，具体涉及一种用于患者配药的配药数据处理系统。

背景技术

医院或者药店中中药药剂师人工配药效率低下，直接影响配药机构的持续健康发展，影响了患者的取药效率以及医院的管理形象。且药剂师在配药时需要人工去多个药箱中秤药取药然后逐个核对，劳动力较大，且人工容易出现差错。中医治疗方式的恢复时间较长，面对一些病症的患者需要在配药机构频繁取药，为了防止人工抓药取药造成的错误，现在配药机构会采用数字化管理，通过人工阅读、人工执行、数字化出入库登记进行实现。但是在取药过程中仍会因为数据处理传递过程中产生错误数据，产生异常配药行为，如果不及时识别出异常配药行为，则会产生不可忽略的影响。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种用于患者配药的配药数据处理系统，所采用的技术方案具体如下：

本发明提出了一种用于患者配药的配药数据处理系统，所述系统包括：

药方数据分析模块用于获得目标疾病类别的多个配药文本信息；对所述配药文本信息基于词袋模型的文本词频统计，获得所述配药文本中每个词特征，构成医嘱语义特征向量；构建所述配药文本信息中每个药物名称对应的键值；统计每个所述键值对应的日服用剂量，构建高维特征向量，对所述高维特征向量降维处理，获得药物配比关系特征向量；根据医嘱所述语义特征向量的差异和所述药物配比关系特征向量的差异获得特征差异，根据所述特征差异对不同所述配药文本信息分类，获得多个配药子类；

历史药方数据处理模块用于获得每个配药机构一日内目标疾病类别的历史配药文本信息；以目标配药机构中所述目标疾病类别中任意一个所述历史配药文本信息作为目标历史配药文本信息；获得所述目标历史配药文本信息在其他配药机构中的其他历史配药文本信息集合中的所述配药子类，并根据所述目标历史配药文本信息与所属配药子类中其他历史配药文本信息的所述特征差异获得所述目标历史配药文本信息的经验因子；获得所述配药结构中每个所述历史配药文本信息的所述经验因子；根据所述经验因子差异对所述历史配药文本信息分类，并根据每个所述经验因子在所属类别中与其他所述经验因子的差异获得对应的所述历史配药文本信息的近邻可达密度，获得近邻可达密度集合；根据所述近邻可达密度集合中的元素均值、标准差和元素数量获得核验因子；

异常提醒模块用于获得所述目标配药机构的实时配药文本信息，并基于历史数据库获得所述实时配药文本信息的实时近邻可达密度；以所述核验因子与所述实时近邻可达密度的的比值作为提醒指标；若所述提醒指标大于预设提醒阈值，则发出预警信号。

进一步地，所述对所述高维特征向量降维处理，获得药物配比关系特征向量包括：

利用基于RBF核函数的核主成分分析法处理所述高维特征向量，将所述高维特征向量降维至预设维度，获得所述药物配比关系特征向量。

进一步地，所述根据医嘱所述语义特征向量的差异和所述药物配比关系特征向量的差异获得特征差异包括：

获得所述语义特征向量之间的第一余弦相似度，获得所述药物配比关系特征向量的第二余弦相似度；以所述第一余弦相似度和所述第二余弦相似度的乘积作为特征相似度；一减去所述特征相似度获得所述特征差异。

进一步地，所述根据所述特征差异对不同所述配药文本信息分类，获得多个配药子类包括：

利用密度聚类算法对所述配药文本信息进行分类，获得所述配药子类别。