7] 在具体实现的时候，由于已经通过数学方法计算出每一种病历数据在手足口病的 疾病程度中所占据的权重，而针对同一种病历数据，不同的统计结果的组合中，所获得的权 重是不一样的，那么就要根据已经确定了疾病程度的患者的病历，验证每个统计结果的组 合的错误率。
[0068] S204:将选取出来的错误率最低的所述统计结果的组合所对应的病历数据的指标 的权重进行线性拟合，获取线性拟合公式，将所述线性拟合公式作为所述病症程度模型。[0069] 在具体实现的时候，错误率最低的所述统计结果的组合所对应的病历数据，就是 在S102中的病历数据。
[0070] -般地，手足口病的病历数据以及其数字化后的设定可参见表1所示：
[0071]表1
[0072]
[007。」
[0074]
[0075」
[0076] 另外，需要注意的是，临床检查表型即为病历数据，序号、代码以及数字化设定均 是可以变化的，可以根据实际的需要进行选定或者改变。
[0077] 最终在将每种病历数据的权重进行线性拟合后，获得的线性拟合公式为：
[0078] 轻重症判断（计算值小于0. 5为轻症，大于0. 5为重症，等于0. 5无法判断）：
[0079]公式 1 :f(x) = -4. 70969599873585+(-42. 3016261448142)*W
[0080] +29.8595037978835*T+ (-29. 3821993718959)*AE
[0081] +25. 7671026987548*S+(-15. 7456144722375)*U
[0082] +4. 99515714331316*Y+18. 9844149547875*BB
[0083] +33.3040156114147*BE+30. 7040870684178*X
[0084] + (-12. 5089439239347)*R+60. 8808102695175*AB
[0085] +1. 84694171501417*1+ (-15. 9365128224799)*BC
[0086] +0· 214247980433522*AJ+(-0. 189611733472581)*K
[0087] +(-20. 111 1018492271)*V;
[0088] 危重症判断（计算值小于0. 5为危重症，大于0. 5为重症，等于0. 5无法判断）：
[0089]公式 2 :f(x) = -3. 94841989891677+19. 1416909620216*V
[0090] +0· 603009904448678*W+0. 580823319669547*0
[0091] +19.4815682965367*AF。
[0092] 由上述公式可以看出：以上病历数据的数字化中：手足口病的疾病程度，肌力越 小越重，肢体抖动越大越重，肺部湿啰音无越重，惊跳越多越重，呕吐越少越重，有巴氏征越 重，EV71病毒核酸阳性和IgM阳性越重，有颈项强直越重，皮疹数越少越重，有呼吸节律改 变越重，收缩压越高越重，EV无越重，N%越高越重，呼吸频率越低越重，抽搐越少越重，发热 持续时间越短越重，皮肤花纹越少越重。
[0093]S205:根据除所述多个患者之外的其它患者的临床数据，检测所述病症程度模 型；
[0094]S206:根据检测结果优化所述病症程度模型。
[0095] 在具体实现的时候，在获得了病症程度模型之后，检验病症程度模型，即需要验 证病症程度模型的可靠性，一般情况下，是对病症程度模型做如下参数的评价：灵敏度 (Sensitivity):正确预测为病毒序列的百分比；ii)特异性（Specificity):正确预测为宿 主序列的数量占预测为宿主序列的总数的比例；iii)准确率（Accuracy)正确预测病毒和 宿主序列的比例；iv)二值相关系数（MCC，Matthewscorrelationcoefficient)是评估预 测质量的值（Matthewsl975)。MCC系数越靠近1，预测结果越完美，越靠近0,预测结果越随 机。
[0096] 在进行验证的时候，针对所有的病历，包括了真阳性（TP)、真阴性（TN)、假阳性 (FP)、假阴性（FN)四个指标，上述的四个评估参数可以通过如下公式算得：
[0101] 例如，本发明提供一个具体的实施例，在检测病症程度模型的时候使用了 98个病 历，最终所获得的病症程度模型可以参见上述S204,验证的结果可以参见表2所示：
[0102] 表 2
[0103]
[0104] 在检测了病症程度模型之后，还需要根据检测结果对病症程度模型进行优化，优 化的过程是根据已经确定的病症程度模型，对多个已经确定了病症程度的患者的病例数据 进行检测，调整每种病历数据的权重。
[0105]S103 :根据所述运算的结果确定所述当前患者的疾病程度；
[0106] 在具体实现的时候，运算结果可以参照上述实施例中所提供的线性拟合公式获 得，在运算的时候，将所获取的患者的病历中各项病历数据数字化后，代入上述线性拟合公 式中进行计算，并根据计算的结果确定当前患者的病症程度。
[0107]S104 :显示与所述当前患者的所述疾病程度。
[0108] 在具体实现的时候，由于要告知临床医生其所负责的病人的手足口并到底发展到 了哪一个阶段，因此需要将S103中已经确定了的疾病程度显示给医生。
[0109] 另外，需要注意的是，还可以向医生发出语音提示或者警报信号。例如"该病人可 能进入手足口病第三阶段"等。还可以是其他形式的提示。
[0110] 本发明实施例所提供的病历数据处理方法，通过已经确定了的疾病程度的多个患 者的病历数据建立病症程度模型，并在获取了当前患者的病历数据之后，运用该病症程度 模型对病历数据进行运算，并获取相应的运算结果，确定当前患者的疾病程度，并将当前患 者的疾病程度显示出来，在这个过程中，医生只需要在临床医疗中，直接获取患者的病历数 据，并在看到所显示的当前患者的疾病程度之后，再结合实际的情况判断患者的疾病程度， 即判断手足口病的发展阶段，减少临床中对手足口病病情的延误。
[0111] 本发明又一实施例还提供一种病历数据处理装置，参见图3所示，本发明实施例 所提供的病历数据处理装置包括：
[0112] 病历数据获取模块10,用于获取当前患者的病历数据；
[0113] 病历数据分析模块20,运用预先建立的病症程度模型对所述病历数据进行运算， 其中，所述病症程度模型是预先根据已经确定了疾病程度的多个患者的病历数据建立的；
[0114] 病症程度确定模块30,根据所述运算的结果确定所述当前患者的疾病程度；
[0115] 显示模块40,用于显示与所述当前患者的所述疾病程度。
[0116] 本实施例中，病历数据获取模块10、病历数据分析模块20、病症程度确定模块30 和显示模块40的具体功能和交互方式，可参见图1对应的实施例的记载，在此不再赘述。
[0117] 本发明实施例所提供的病历数据处理装置，通过多个已经确定了的疾病程度的患 者的多个病历数据建立病症程度模型，通过病历数据获取模块10获取了当前患者的病历 数据之后，使用病历数据分析模块运用该病症程度模型对病历数据进行运算，获取相应的 运算结果，确定当前患者的疾病程度，并将当前患者的疾病程度显示出来，在这个过程中， 医生只需要在临床医疗中，直接获取患者的病历数据，并在看到所显示的当前患者的疾病 程度之后，再结合实际的情况判断患者的疾病程度，即判断手足口病的发展阶段，减少临床 中对手足口病病情的延误。
[0118] 参见图4所示，本发明实施例所提供的病历数据处理装置中，还包括：病症程度模 型建立模块50;
[0119] 所述病症程度模型建立模块50具体包括：
[0120] 统计单元60,对已经确定了疾病程度的多个患者的病历数据以及疾病程度做最大 相关和最小冗余的统计计算，获得与所述多个患者的病历数据分别对应的统计结果；
[0121] 权重评估单元70,用于将选取出来的错误率最低的所述统计结果的组合所对应的 病历数据的指标的权重进