本发明涉及医疗技术领域，具体涉及一种药品不良反应预警分析系统及方法。
背景技术：
药品不良反应(AdverseDrugReaction，ADR)是指合格药品在正常用法用量下出现的与用药目的无关的或意外的有害反应，其特定的发生条件是按正常剂量与正常用法用药，在内容上排除了因药物滥用、超量误用、不按规定方法使用药品及质量问题等情况所引起的反应。
药品不良反应的诊断评价的主体一般为临床医师，但是由临床药师单独进行可疑药物不良事件的诊断评价对临床药师的知识结构和临床实践经验要求很高，而且主要依靠评判者的知识和经验，因而人为因素干扰较大；另外，现有技术中关于ADR发生报告的呈报采用的是只能依赖于医护人员事后回忆并自愿呈报ADR发生报告的模式，ADR发生的报告率很低、信息不够准确和完整，同时也增加了医护人员及ADR监测员的工作压力，没有办法自动监测全院医嘱，无法保证患者的用药安全。
而当前医疗机构信息化系统中已含有大量患者用药诊疗数据，充分利用信息化系统的数据做一些统计分析可以帮助临床医生和药师进行用药提醒和安全性分析，实时警告提示进而避免药害事故的发生。提高用药质量，防止药疗事故和纠纷，保障病人用药安全，已成为医院用药安全监测系统的共识。但是，目前类似的用药安全监测系统一般功能单一，或者监测结果存在与临场经验不符的情况，难以满足应用需求。
技术实现要素：
本发明所要解决的技术问题是提供一种药品不良反应预警分析系统及方法，能够在医药学专业审查知识的基础上，综合患者的疾病情况，对用药医嘱进行审查，对具有潜在ADR风险的医嘱进行预警分析，以提高用药安全。
本发明解决上述技术问题的技术方案如下：
一方面，本发明提供了一种药品不良反应预警分析系统，所述系统包括医生工作站平台、预警系统以及分析系统；
所述医生工作站平台，用于将病历信息发送给所述预警系统，所述病历信息至少包括患者电子病历信息以及用药医嘱；
所述预警系统包括专用语义数据库和触发型数据库；
所述专用语义数据库，用于根据存储的医药学数据对接收的所述病历信息进行数据编码统一化，并将编码后的病历信息发送给所述触发型数据库；
所述触发型数据库，用于采用预先建立的ADR触发规则判断所述编码后的病例信息中是否存在符合ADR触发规则的数据，若存在，则得到阳性结果并计算出ADR预估值，且将ADR预估值以及编码后的病历信息发送给所述分析系统，若不存在，则向所述医生工作站平台反馈执行医嘱的提示；还用于向所述医生工作站平台转发ADR发生率；
所述分析系统，用于采用拟合的ADR预测曲线对接收的所述ADR预估值以及编码病历信息进行分析计算得到ADR发生率，且将所述ADR发生率反馈给所述触发型数据库。
另一方面，本发明提供了一种药品不良反应预警分析方法，所述方法包括：
S1、医生工作站平台将病历信息发送给预警系统，所述病历信息至少包括患者电子病历信息以及用药医嘱；
S2、所述预警系统中的专用语义数据库根据存储的医药学数据对接收的所述病历信息进行数据编码统一化，并将编码后的病历信息发送给所述预警系统中的触发型数据库；
S3、所述触发型数据库采用预先建立的ADR触发规则判断所述编码后的病例信息中是否存在符合ADR触发规则的数据，若存在，则得到阳性结果并计算出ADR预估值，且将ADR预估值以及编码后的病历信息发送给分析系统，执行步骤S4；若不存在，则向所述医生工作站平台反馈执行医嘱的提示，结束流程；
S4、所述分析系统采用拟合的ADR预测曲线对接收的所述ADR预估值以及编码病历信息进行分析计算得到ADR发生率，且将所述ADR发生率反馈给所述触发型数据库，所述触发型数据库将所述ADR发生率转发至所述医生工作站平台。
本发明提供了一种药品不良反应预警分析系统及方法，本发明能够在医药学专业审查知识的基础上，采用预警系统中的专用语义数据库对患者病历信息及用药医嘱进行数据编码统一化，以避免多种描述无法统一识别的可能；并采用预警系统中触发型数据库中的ADR触发规则对用药医嘱进行审查并计算出ADR预估值，预警系统能够及时发现潜在的ADR可能，帮助医师实现更安全的用药管理，对预防ADR的发生、提高合理用药水平有极大的改进作用；并且还在预警系统的基础上，采用分析系统精确计算出ADR发生率，分析系统针对预警系统得到的可能与临床实际情况不符的情况，结合临床实践，不断修正与验证预测值，进一步提高ADR识别率，以提高用药安全。本发明能够在用药医嘱下达过程中，依靠计算机手段判断医嘱的合理性，采取信息警示、自动收集、统计分析等措施，将可能存在的不利的药品相互作用或潜在用药风险面向医护人员清晰化提示出来，并能将原来ADR报告依赖于医护人员事后回忆并自愿呈报的模式，改由计算机系统自动完成，极大地提高了ADR报告的报告率、信息准确性和完整性，同时也减轻了医护人员及ADR监测员的工作压力，从只能依靠人力局部宣传ADR上报重要性，扩大到可以自动监测全院医嘱，让所有患者用药更加安全。
附图说明
图1为本发明实施例1的一种药品不良反应预警分析系统示意图；
图2为本发明实施例1的一种药品不良反应预警分析系统采用预警系统进行用药医嘱审查示意图；
图3为本发明实施例2的一种药品不良反应预警分析方法流程图；
图4为本发明实施例2的一种药品不良反应预警分析方法采用预警系统和分析系统进行用药医嘱审查的流程图；
图5为本发明实施例2的一种药品不良反应预警分析方法采用预警系统进行用药医嘱审查的流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例1、一种药品不良反应预警分析系统。下面结合图1至图2对本实施例提供的系统进行详细说明。
参见图1，本实施例提供了一种药品不良反应预警分析系统，所述系统包括医生工作站平台5、预警系统6以及分析系统7，所述预警系统6具体包括专用语义数据库61以及触发型数据库62；所述触发型数据库62具体包括规则建立单元621、判断单元622、预估值计算单元623以及工作站反馈单元624；所述分析系统7具体包括曲线拟合单元71以及ADR计算单元72。
具体的，所述医生工作站平台5，用于将病历信息发送给所述预警系统，所述病历信息至少包括患者电子病历信息以及用药医嘱；以及用于在接收到所述ADR发生率后，在确定修改用药医嘱时，发送修改之后的用药医嘱至所述专用语义数据库，或者在确定不修改用药医嘱时，发送用药理由至所述触发型数据库以及分析系统，并接收所述触发型数据库反馈的执行医嘱的提示；还用于在确定不需要修改用药医嘱并执行用药医嘱之后，将临床用药情况发送至所述触发型数据库以及分析系统。
所述专用语义数据库61，用于根据存储的医药学数据对接收的所述病历信息进行数据编码统一化，并将编码后的病历信息发送给所述预警系统中的触发型数据库。
具体的，所述医生工作站平台5将病历信息发送给预警系统6中的专用语义数据库61，所述病历信息至少包括患者电子病历信息以及用药医嘱，所述患者电子病历信息中包括患者的疾病情况、合并用药、临床检验值、年龄、性别、过敏史等信息。所述专用语义知识库61根据存储的医药学数据对接收的所述病历信息进行数据编码统一化，并将编码后的病历信息发送给所述预警系统6中的触发型数据库62。具体的，所述专用语义知识库61存储的医药学数据至少包括药品说明书、中国药典以及高质量学术论文等医药学数据，所述专用语义知识库是医药学层面的专用语义数据库，它对病历信息进行数据统一编码化，可将所述病历信息中的多种语言描述进行统一，避免后续的触发型数据库62以及分析系统7无法识别所述病历信息。
所述触发型数据库62具体包括规则建立单元621、判断单元622、预估值计算单元623以及工作站反馈单元624。
所述规则建立单元621，用于根据存储的ADR医药学数据建立一个ADR触发规则以及一个与所述ADR触发规则相对应的混杂因素排除规则；还用于根据所述医生工作站平台发送的用药理由和临床用药情况,不断调整所述ADR触发规则，剔除所述ADR触发规则中的冗余触发因素。
具体的，所述规则建立单元621根据存储的ADR医药学数据建立一个ADR触发规则以及一个与所述ADR触发规则相对应的混杂因素排除规则；其中，所述ADR医药学数据至少包括药品说明书、国内外ADR统计情况、国内外记载的ADR文献和报道以及临床医师的用药习惯等ADR医药学数据，所述ADR触发规则中记录有多种ADR以及导致每种ADR发生的多种触发因素，比如某种ADR反应为磺胺交叉过敏，而导致发生磺胺交叉过敏这种反应的触发因素就有多种，包括各种药物，如降糖药、解热镇痛抗炎药以及治疗青光眼药物等等；所述混杂因素排除规则是用于降低误识别发生的概率，比如，要识别“无皮疹”，但由于计算机只识别“皮疹”二字，可能会被误识别，所以所述混杂因素排除规则就是需要排除这些情况。所述规则建立单元621，还用于根据所述医生工作站平台发送的用药理由和临床用药情况，不断调整所述ADR触发规则，剔除所述ADR触发规则中的冗余触发因素。
判断单元622,用于采用所述ADR触发规则以及混杂因素排除规则,判断所述编码后的病历信息中是否存在符合所述ADR触发规则的数据。
预估值计算单元623，用于在所述编码后的病历信息中存在符合所述ADR触发规则的数据时，得到阳性结果并计算出ADR预估值,且将所述ADR预估值以及编码后的病历信息发送给所述分析系统。
工作站反馈单元624，用于向所述医生工作站平台反馈执行医嘱的提示或者转发ADR发生率。
具体的，所述判断单元622根据所述规则建立单元621建立的所述ADR触发规则以及混杂因素排除规则，判断所述编码后的病历信息中是否存在符合所述ADR触发规则的数据，若不存在，所述工作站反馈单元624向所述医生工作站平台5反馈执行医嘱的提示；若存在，则得到阳性结果，并且所述预估值计算单元623计算出ADR预估值，且将所述ADR预估值以及编码后的病历信息发送给所述分析系统7。所述预估值计算单元623具体是根据所述编码后的病历信息中涉及导致所述ADR触发规则中某种ADR发生的触发因素的种数计算得到的。
所述分析系统7具体包括曲线拟合单元71以及ADR计算单元72。
曲线拟合单元71，用于对存储的ADR预警病历信息进行对比分析，得到不同的ADR预警病历信息之间的高度相似数据和差异数据，进而拟合出一条ADR预测曲线，其中，所述ADR预警病历信息具体是指所述触发型数据库62发送的阳性结果对应的ADR预估值与编码后的病历信息，以及所述医生工作站平台5发送的用药理由与临床用药情况。
具体的，所述曲线拟合单元71对收集存档的ADR预警病历信息进行比对分析，比较事后发生同类型ADR的病历在患者基本情况(包括性别、年龄、地域、文化程度等)、特殊人群、疾病严重程度、过敏史、合并用药以及临床检验值等方面是否有高度相似的特征。这些高度相似的特征因素可能就是某种ADR发生的高危因素，在经过长期的数据积累，线性拟合预测水平并结合临床实践，拟合出一条ADR预测曲线。
ADR计算单元72，用于采用所述ADR预测曲线对接收的所述ADR预估值以及编码病历信息进行分析计算得到ADR发生率，且将所述ADR发生率反馈给所述触发型数据库。
具体的，所述ADR计算单元72采用拟合的ADR预测曲线对接收的所述ADR预估值以及编码病历信息进行分析计算，进而得到ADR发生率，并向所述触发型数据库62反馈所述ADR发生率；所述工作站反馈单元624向所述医生工作站平台5转发所述ADR发生率。
所述医生工作站平台5在接收到所述ADR发生率后，确定是否需要修改用药医嘱，所述ADR发生率是以预警框的形式反馈至所述医生工作站平台5，包括ADR发生的概率以及导致ADR发生的原因；若医生同意反馈的所述ADR发生率，就需要对医嘱进行修改，所述医生工作站平台5发送修改之后的用药医嘱至所述专用语义数据库61，从而再次进行ADR发生概率的预测；若医生坚持使用该医嘱，所述医生工作站平台5则发送用药理由至所述触发型数据库62以及所述分析系统7，并接收所述触发型数据库62反馈的执行医嘱的提示；若医生对此有疑虑，还可以通过所述预警系统6实时联系临床药师进行讨论。另外，所述医生工作站平台5在确定不需要修改用药医嘱并执行医嘱之后，还将临床用药情况发送至所述触发型数据库62以及分析系统7进行存档。
另一方面，在刚开始采用所述系统来对医嘱进行审查时，由于分析系统7中可供研究的ADR预警病历信息不够丰富，主要是将预警系统6计算出来的所述ADR预估值反馈至所述医生工作站平台5，对医师进行提醒，如图2所示，图2即为采用预警系统进行用药医嘱审查的示意图，此时，预警系统会将阳性结果对应的ADR预估值与编码后的病历信息发送给所述分析系统进行存档，所述医生工作站平台5也会将用药理由与临床用药情况发送给所述分析系统进行存档；只有在某种ADR对应的ADR预警病历信息的样本量达到设定数量之后(例如20个以上)，才将分析系统7在预警系统6发送的所述ADR预估值的基础上计算出来ADR发生率反馈至所述医生工作站平台5，对医师进行提醒，如图1所示，图1即为预警系统和分析系统相结合进行用药医嘱审查的示意图。
实施例2、一种药品不良反应预警分析方法。下面结合图3至图5对本实施例提供的方法进行详细说明。
参见图3至图4，S1、医生工作站平台将病历信息发送给预警系统，所述病历信息至少包括患者电子病历信息以及用药医嘱。
具体的，医生工作站平台将病历信息发送给预警系统中的专用语义数据库，所述病历信息至少包括患者电子病历信息以及用药医嘱，所述患者电子病历信息中包括患者的疾病情况、合并用药、临床检验值、年龄、性别以及过敏史等信息。
S2、所述预警系统中的专用语义数据库根据存储的医药学数据对接收的所述病历信息进行数据编码统一化，并将编码后的病历信息发送给所述预警系统中的触发型数据库。
具体的，所述专用语义知识库根据存储的医药学数据对接收的所述病历信息进行数据编码统一化，所述专用语义知识库存储的医药学数据至少包括药品说明书、中国药典以及高质量学术论文等医药学数据，所述专用语义知识库是医药学层面的专用语义数据库，它对病历信息进行数据统一编码化，可将所述病历信息中的多种语言描述进行统一，避免后续的触发型数据库以及分析系统无法识别所述病历信息。然后，所述专用语义数据库将编码后的病历信息发送给所述预警系统中的触发型数据库。
S3、所述触发型数据库采用预先建立的ADR触发规则判断所述编码后的病例信息中是否存在符合ADR触发规则的数据，若存在，则得到阳性结果并计算出ADR预估值，且将ADR预估值以及编码后的病历信息发送给分析系统，执行步骤S4；若不存在，则向所述医生工作站平台反馈执行医嘱的提示，结束流程。
所述步骤S3具体包括：
S31、所述触发型数据库根据存储的ADR医药学数据建立一个ADR触发规则以及一个与所述ADR触发规则相对应的混杂因素排除规则，并根据所述医生工作站平台发送的用药理由和临床用药情况,不断调整所述ADR触发规则，剔除所述ADR触发规则中的冗余触发因素。
S32、所述触发型数据库采用所述ADR触发规则以及混杂因素排除规则,判断所述编码后的病历信息中是否存在符合所述ADR触发规则的数据，若存在，得到阳性结果并计算出ADR预估值,且将所述ADR预估值以及编码后的病历信息发送给所述分析系统，执行步骤S4；若不存在，则向所述医生工作站平台反馈执行医嘱的提示，结束流程。
具体的，所述触发型数据库中存储有ADR医药学数据，所述ADR医药学数据至少包括药品说明书、国内外ADR统计情况、国内外记载的ADR文献和报道以及临床医师的用药习惯等ADR医药学数据，所述触发型数据库对所述ADR医药学数据中涉及到的ADR相关信息进行提取归纳和总结,并根据总结的ADR医药学数据建立了一套ADR触发规则，所述ADR触发规则中记录有多种ADR以及导致每种ADR发生的多种触发因素，比如某种ADR反应为磺胺交叉过敏，而导致发生磺胺交叉过敏这种反应的触发因素就有多种，包括各种药物，如降糖药、解热镇痛抗炎药以及治疗青光眼药物等等。另外，所述触发型数据库还根据所述ADR触发规则建立一个与所述ADR触发规则相对应的混杂因素排除规则，降低误识别发生的概率，比如，要识别“无皮疹”，但由于计算机只识别“皮疹”二字，可能会被误识别，所以所述混杂因素排除规则就是需要排除这些情况。
然后所述触发型数据库采用所述ADR触发规则以及混杂因素排除规则在所述编码后的病历信息中查找是否存在触发所述ADR触发规则的数据，若存在，则得到阳性结果并计算出ADR预估值，所述ADR预估值具体是根据所述编码病历信息中涉及导致所述ADR触发规则中某种ADR发生的触发因素的种数计算得到的，所述触发型数据库还将所述ADR预估值以及编码后的病历信息发送给分析系统，并跳转至步骤S4，同时所述触发型数据库还将所述阳性结果、ADR预估值以及编码后的病历信息进行存档；若不存在，则向所述医生工作站平台反馈执行医嘱的提示，结束流程。
虽然由专用语义知识库和触发型知识库组成的预警系统能够及时发现潜在的ADR可能，帮助医师实现更安全的用药管理，对预防ADR的发生、提高合理用药水平有极大的改进作用。但所述预警系统的识别结果存在与临床实际不符的可能，经过对3万条存档记录进行研究分析，发现无效提示的比例高达12％，其原因包括：(1)医学原因，比如，患者病情特殊时，医师需权衡用药利弊，选择是否用药；(2)计算机技术原因，如系统自身搜索识别存在局限性、数据库信息维护误差等情况，所以仅依据预警系统来实现临床用药管理是不科学的，会出现预警信息接纳度不高的局面。因此，需要预警系统将所述ADR预估值以及编码后的病历信息发送给分析系统，所述分析系统针对所述预警系统的ADR预估值出现的可能会与临床实际不符的情况，结合临床实践，不断修正与验证预测值，从而提高ADR识别率，精确化ADR发生率，甚至发现临床实践中从未发现的危险因素，从而提高医师的用药安全意识。
S4、所述分析系统采用拟合的ADR预测曲线对接收的所述ADR预估值以及编码病历信息进行分析计算得到ADR发生率，且将所述ADR发生率反馈给所述触发型数据库，所述触发型数据库将所述ADR发生率转发至所述医生工作站平台。
所述步骤S4具体包括：
S41、所述分析系统对存储的ADR预警病历信息进行对比分析，得到不同的ADR预警病历信息之间的高度相似数据和差异数据，进而拟合出一条ADR预测曲线，其中，所述ADR预警病历信息具体是指所述触发型数据库发送的阳性结果对应的ADR预估值与编码后的病历信息，以及所述医生工作站平台发送的用药理由与临床用药情况。
S42、所述分析系统采用所述ADR预测曲线对接收的所述ADR预估值以及编码病历信息进行分析计算得到ADR发生率，且将所述ADR发生率反馈给所述触发型数据库，所述触发型数据库将所述ADR发生率转发至所述医生工作站平台。
具体的，所述分析系统对ADR预警病历信息进行存储，医师可以通过住院时间以及药品名称等信息的输入，查找相关病历的详细信息和医师用药理由等信息。
所述分析系统对存储的ADR预警病历信息进行对比分析，并根据得到的不同ADR预警病历信息之间的高度相似数据和差异数据，拟合出的一条ADR预测曲线，具体的，所述分析系统将收集存档的ADR预警病历信息进行比对分析，比较事后发生同类型ADR的病历在患者基本情况(包括性别、年龄、地域、文化程度等)、特殊人群、疾病严重程度、过敏史、合并用药以及临床检验值等方面是否有高度相似的特征，这些高度相似的特征因素可能就是ADR发生的高危因素，在经过长期的数据积累，线性拟合预测水平，结合临床实践，拟合出一条ADR预测曲线，不断修正与验证预测值，从而提高ADR识别率，精确化ADR发生率。
在所述步骤S4之后，所述医生工作站平台在接收到所述ADR发生率后，确定是否需要修改用药医嘱，若需要修改，则发送修改之后的用药医嘱至所述专用语义数据库，从而再次进行ADR发生概率的预测；否则，则发送用药理由至所述触发型数据库以及所述分析系统，并接收所述触发型数据库反馈的执行医嘱的提示，并且所述医生工作站平台在确定不需要修改用药医嘱并执行医嘱之后，还将临床用药情况发送至所述触发型数据库以及分析系统。
所述医生工作站平台在接收到所述ADR发生率后，确定是否需要修改用药医嘱，所述ADR发生率是以预警框的形式反馈至所述医生工作站平台，包括ADR发生的概率以及导致ADR发生的原因；若医生同意反馈的所述ADR发生率，就需要对医嘱进行修改，并发送修改之后的用药医嘱至所述专用语义数据库，从而再次进行ADR发生概率的预测；若医生坚持使用该医嘱，则发送用药理由至所述触发型数据库以及所述分析系统，并接收所述触发型数据库反馈的执行医嘱的提示；若医生对此有疑虑，还可以通过所述预警系统实时联系临床药师进行讨论。另外，所述医生工作站平台在确定不需要修改用药医嘱并执行用药医嘱之后，还将临床用药情况发送至所述触发型数据库以及分析系统进行存档。
另外，所述触发型数据库还根据存储的所述医生工作站平台发送的所述用药理由以及临床用药情况来不断调整所述ADR触发规则，并剔除所述ADR触发规则中的冗余触发因素。具体的，由于预警系统的触发型数据库纳入了所有可以触发所述ADR触发规则的触发因素，因此触发因素数量庞大，识别率高，但是精准率相对下降，部分识别出的ADR，发生率极低，因此需要对触发条件进行筛选，将参考文献、临床用药情况与医师填写的用药理由相结合，尽可能的精确化触发条件，将冗余触发条件剔除，实现精确化ADR预测，提高临床预测接纳率。例如，可发生磺胺交叉过敏的药物非常之多，然而结合科室使用情况及药物中磺胺成分的含量等，有的药物导致磺胺交叉过敏这种ADR发生的发生率非常低，因此可以选择剔除该触发条件。
另一方面，在刚开始采用所述方法来对医嘱进行审查时，由于分析系统中可供研究的ADR预警病历信息不够丰富，主要是将预警系统计算出来的所述ADR预估值反馈至所述医生工作站平台，以供医师作为参考，如图5所示，图5即采用预警系统进行用药医嘱审查的流程图，此时，预警系统会将阳性结果对应的ADR预估值与编码后的病历信息发送给所述分析系统进行存档，所述医生工作站平台5也会将用药理由与临床用药情况发送给所述分析系统进行存档；只有在某种ADR对应的ADR预警病历信息的样本量达到设定数量之后(例如20个以上)，才将分析系统在预警系统发送的所述ADR预估值的基础上计算出来的ADR发生率反馈给所述预警系统，由所述预警系统转发至所述医生工作站平台，以供医师作为参考，如图4所示，图4即为预警系统和分析系统相结合进行用药医嘱审查的示意图。
本发明提供了一种药品不良反应预警分析系统及方法，能够在医药学专业审查知识的基础上，采用预警系统中的专用语义数据库对患者病历信息及用药医嘱进行数据编码统一化，以避免多种描述无法统一识别的可能；并采用预警系统中触发型数据库中的ADR触发规则对用药医嘱进行审查并计算出ADR预估值，预警系统能够及时发现潜在的ADR可能，帮助医师实现更安全的用药管理，对预防ADR的发生、提高合理用药水平有极大的改进作用；并且还在预警系统的基础上，采用分析系统精确计算出ADR发生率，分析系统针对预警系统得到的可能与临床实际情况不符的情况，结合临床实践，不断修正与验证预测值，进一步提高ADR识别率，以提高用药安全。本发明能够在用药医嘱下达过程中，依靠计算机手段判断医嘱的合理性，采取信息警示、自动收集、统计分析等措施，将可能存在的不利的药品相互作用或潜在用药风险面向医护人员清晰化提示出来，并能将原来ADR报告依赖于医护人员事后回忆并自愿呈报的模式，改由计算机系统自动完成，极大地提高了ADR报告的报告率、信息准确性和完整性，同时也减轻了医护人员及ADR监测员的工作压力，从只能依靠人力局部宣传ADR上报重要性，扩大到可以自动监测全院医嘱，让所有患者用药更加安全。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。