一种基于健康医疗数据的标签矩阵构建及更新方法与流程

本发明涉及数据处理技术领域，具体的说是一种基于健康医疗数据的标签矩阵构建及更新方法。

背景技术：

健康医疗数据既包括个人在医院及社区卫生机构就诊的医疗数据信息，也包括来自于体检机构以及智能健康终端的体检及健康数据。

当前，很多地方政府都在进行区域健康医疗大数据平台建设工作，基于区域的健康医疗大数据平台汇聚了大量的健康医疗数据，从就诊的维度包括了个人建档、预约挂号、机构就诊、处方用药、检验检查、手术处置等过程数据，再加上诊前诊后的健康管理、个人体检等健康数据就构成了覆盖个人全生命周期的健康医疗数据。健康医疗的数据复杂性主要体现为其多元异构、稀疏高噪的特性。健康医疗数据的获取更新手段也区别于传统的互联网app服务的标签体系建设过程。健康医疗的数据来源不仅仅是从app端通过用户的操作产生数据，还有一部分数据要从医院业务系统中定时获取。这些数据有不管是对个人还是整个行业都有非常高的应用价值，通过标签构建技术可以进一步完成对这些数据的梳理形成个人健康医疗画像，通过画像完成精准的供需服务链接，进而产生更高的价值。

当前标签体系建设已在电商等互联网服务行业有成熟的应用，但是在健康医疗行业的应用还比较有限，另外在之前的标签体系建设中关注的多是标签本身的构建过程，而在标签之间的相互关系及动态更新机制方面没有提及，但这是保证标签持续准确性的重要前提。

技术实现要素：

本发明针对目前技术发展的需求和不足之处，提供一种基于健康医疗数据的标签矩阵构建及更新方法。

本发明的一种基于健康医疗数据的标签矩阵构建及更新方法，解决上述技术问题采用的技术方案如下：

一种基于健康医疗数据的标签矩阵构建及更新方法，所述方法包括：

采集健康医疗数据；

根据直接获取、间接获取、预测获取三种方式，将采集的健康医疗数据划分为事实标签层、模型标签层、预测标签层三个标签层；

对标签层进行纵向划分，以将每个标签层包含的健康医疗数据划分为基本信息、健康习惯、患病信息、治疗信息、其他信息五类数据维度；

建立标签关系图谱表，来表征和设定标签层与数据维度之间的关系；

将三个标签层和五类数据维度构建标签矩阵，并利用标签关系图谱表更新构建的标签矩阵。

具体的，所涉及健康医疗数据既包括个人在医院及社区卫生机构就诊的医疗数据信息，也包括来自于体检机构以及智能健康终端的体检及健康数据。

具体的，所涉及事实标签层是对健康医疗数据的直观展现，其包含从健康医疗数据中直接获取或者经过标准转换即可得到的事实数据。

更具体的，所涉及模型标签层具有多个公式计算模型，所述事实标签层的数据经过相关的公式计算模型生成结果数据，所述结果数据就是所述模型标签层包含的数据。

优选的，所涉及模型标签层的公式计算模型不仅限于bmi指数计算模型、血压平均值计算模型、血糖平均值计算模型；

所述模型标签层包含的公式计算模型还包括icd-10疾病分类与代码模型、次数统计模型。

更具体的，所涉及预测标签层具有疾病预测模型，该疾病预测模型可以根据事实标签层和模型标签层的数据维度信息进行预测。

更具体的，基于事实标签层包含的事实数据和模型标签层包含的结果数据，所述疾病预测模型不仅可以推断遗漏的事实数据和结果数据，还可以推断预测未知数据，所述未知数据指的是患者将来会得的某种疾病及得该疾病的概率。

更具体的，所涉及标签关系图谱表采用实体、关系、权重的表示方式，其中，每个标签层表示为实体，不同标签层中具有相互关系的数据存储为一条记录，在该条记录中用权重描述不同标签层中具有相互关系的数据之间的关联系数。

更具体的，所涉及的三个标签层和五类数据维度构建的标签矩阵有主动更新和被动更新两种更新方式，且标签矩阵被动更新方式在主动更新方式的基础上进行；

主动更新即是通过设置定时器去定时监测采集的健康医疗数据，以利用监测到变化的数据更新标签矩阵的标签层和数据维度；

被动更新即是利用标签关系图谱表把监测到变化的数据更新到标签矩阵的标签层和数据维度。

更具体的，所涉及每个标签层包含的健康医疗数据划分为基本信息、健康习惯、患病信息、治疗信息、其他信息五类数据维度，其中，

基本信息通常包含性别、年龄、民族、职业、身高、体重，还包含最近血压值、最近血糖值以及一些检验指标信息，

健康习惯包括吸烟情况、饮酒情况以及日常运动情况各项生活习惯，

患病信息指的是记录疾病诊断信息，患病信息按照既往病史及现病史分别进行对疾病原始诊断信息进行记录，

治疗信息旨在记录个人在医院的住院天数、手术信息以及医院用药数据，

其它信息包括个人的过敏史或者其它健康医疗信息。

本发明的一种基于健康医疗数据的标签矩阵构建及更新方法，与现有技术相比具有的有益效果是：

本发明通过将健康医疗数据划分成不同的标签层和数据维度，并建立标签关系图谱表来表征和设定标签层与数据维度之间的关系，构建了基于健康医疗数据的标签矩阵，便于了解和更新患者信息，方便管理的同时，还能通过历史数据预防未知疾病的发生。

附图说明

附图1是本发明的方法流程示意图。

具体实施方式

为使本发明的技术方案、解决的技术问题和技术效果更加清楚明白，以下结合具体实施例，对本发明的技术方案进行清楚、完整的描述。

实施例一：

本实施例提出一种基于健康医疗数据的标签矩阵构建及更新方法，该方法包括：

步骤s10、采集健康医疗数据；

步骤s20、根据直接获取、间接获取、预测获取三种方式，将采集的健康医疗数据划分为事实标签层、模型标签层、预测标签层三个标签层；

步骤s30、对标签层进行纵向划分，以将每个标签层包含的健康医疗数据划分为基本信息、健康习惯、患病信息、治疗信息、其他信息五类数据维度；

步骤s40、建立标签关系图谱表，来表征和设定标签层与数据维度之间的关系；

步骤s50、将三个标签层和五类数据维度构建标签矩阵，并利用标签关系图谱表更新构建的标签矩阵。

本实施例中，健康医疗数据既包括个人在医院及社区卫生机构就诊的医疗数据信息，也包括来自于体检机构以及智能健康终端的体检及健康数据。

需要补充的是：每个标签层包含的健康医疗数据划分为基本信息、健康习惯、患病信息、治疗信息、其他信息五类数据维度。其中：基本信息通常包含性别、年龄、民族、职业、身高、体重，还包含最近血压值、最近血糖值以及一些检验指标信息；健康习惯包括吸烟情况、饮酒情况以及日常运动情况等生活习惯；患病信息主要是记录疾病诊断信息，在这部分我们按照既往病史及现病史分别进行对疾病原始诊断信息进行记录；治疗信息主要记录个人在医院的住院天数、手术信息以及医院用药数据；其它信息包括个人的过敏史、等其它健康医疗信息。

本实施例中，事实标签层是对健康医疗数据的直观展现，其包含从健康医疗数据中直接获取或者经过标准转换即可得到的事实数据。

本实施例中，模型标签层具有多个公式计算模型，所述事实标签层的数据经过相关的公式计算模型生成结果数据，所述结果数据就是所述模型标签层包含的数据。其中，模型标签层的公式计算模型不仅限于bmi指数计算模型、血压平均值计算模型、血糖平均值计算模型。模型标签层包含的公式计算模型还包括icd-10疾病分类与代码模型、次数统计模型。

本实施例中，预测标签层具有疾病预测模型，该疾病预测模型可以根据事实标签层和模型标签层的数据维度信息进行预测。基于事实标签层包含的事实数据和模型标签层包含的结果数据，疾病预测模型不仅可以推断遗漏的事实数据和结果数据，还可以推断预测未知数据，未知数据指的是患者将来会得的某种疾病及得该疾病的概率。实际采集数据过程中，我们有可能并不能获取到患者的所有信息，如患者的性别，此时，我们就可以通过患病信息(一些男性或女性特有的疾病)给出更为精确的预测结果。

本实施例中，标签关系图谱表采用实体、关系、权重的表示方式，其中，每个标签层表示为实体，不同标签层中具有相互关系的数据存储为一条记录，在该条记录中用权重描述不同标签层中具有相互关系的数据之间的关联系数。

本实施例中，三个标签层和五类数据维度构建的标签矩阵有主动更新和被动更新两种更新方式，且标签矩阵被动更新方式在主动更新方式的基础上进行。主动更新即是通过设置定时器去定时监测采集的健康医疗数据，以利用监测到变化的数据更新标签矩阵的标签层和数据维度。被动更新即是利用标签关系图谱表把监测到变化的数据更新到标签矩阵的标签层和数据维度。

综上可知，采用本发明的一种基于健康医疗数据的标签矩阵构建及更新方法，能够通过将健康医疗数据划分成不同的标签层和数据维度构建基于健康医疗数据的标签矩阵，还能通过建立标签关系图谱表来表征和设定标签层与数据维度之间的关系，实现标签矩阵的更新。

以上应用具体个例对本发明的原理及实施方式进行了详细阐述，这些实施例只是用于帮助理解本发明的核心技术内容。基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作出的任何改进和修饰，皆应落入本发明的专利保护范围。