一种基于临床医疗大数据的疫苗动态预警监测方法技术

本发明专利技术涉及一种基于临床医疗大数据的疫苗动态预警监测方法，涉及医药管理技术领域，该方法包括：收集疫苗接种者的临床医疗数据，其中，临床医疗数据包括疫苗接种者的个人基本信息、疫苗接种历史以及健康状况数据；对临床医疗数据进行预处理后作为样本数据集，对建立的基于机器学习算法的疫苗动态预警模型进行训练，以识别接种疫苗所携带的安全风险因素，并确定预警阈值；将预警阈值与实时监测数据进行比较，判断疫苗是否存在安全风险，并在预警阈值超过预设阈值时触发报警机制。本发明专利技术提高了疫苗监测的准确性和时效性，采用实时监测的方式，可以在第一时间掌握疫苗的安全情况，并及时触发报警机制，提供更及时、可靠的疫苗安全预警服务。全预警服务。全预警服务。

【技术实现步骤摘要】
一种基于临床医疗大数据的疫苗动态预警监测方法


[0001]本专利技术涉及医药管理
，具体涉及一种基于临床医疗大数据的疫苗动态预警监测方法。

技术介绍

[0002]部分疫苗存在安全性问题，需要进行监测和预警，以保障公众健康。传统的疫苗监测方法主要依赖于不断收集参考文献、案例报告等相关信息，但收集成本高、时效性差。
[0003]因此，提出了一种基于临床医疗大数据的疫苗动态预警监测方法，旨在通过利用临床医疗大数据，建立一套实时、高效的疫苗动态预警监测方法，以提高疫苗监测的准确性和时效性，并为公众提供更及时、可靠的疫苗安全预警服务。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提出一种基于临床医疗大数据的疫苗动态预警监测方法，该方法通过利用大量接种者的临床医疗数据并建立基于机器学习算法的模型，识别各类疫苗所携带的安全风险因素，并确定预警阈值。在实时监测中，将预警阈值与监测数据进行比较，判断是否存在疫苗安全性问题，并在预警阈值超过一定程度时触发报警机制。该方法具有提高疫苗监测准确性和时效性的优点，可以为公众提供更及时、可靠的疫苗安全预警服务。
[0005]为实现上述目的，本专利技术提供了以下技术方案：第一方面，本专利技术实施例提供了一种基于临床医疗大数据的疫苗动态预警监测方法，包括以下步骤：步骤1：收集疫苗接种者的临床医疗数据，其中，所述临床医疗数据包括疫苗接种者的个人基本信息、疫苗接种历史以及健康状况数据；步骤2：对步骤1中的临床医疗数据进行预处理后作为样本数据集，对建立的基于机器学习算法的疫苗动态预警模型进行训练，以识别接种疫苗所携带的安全风险因素，并确定预警阈值；步骤3：将步骤2中得出的预警阈值与实时监测数据进行比较，判断疫苗是否存在安全风险，并在预警阈值超过预设阈值时触发报警机制。
[0006]作为本专利技术的进一步方案，对步骤1中的临床医疗数据进行预处理包括数据整合和清洗处理，对临床医疗数据进行整合和清洗处理包括以下步骤：基于疫苗接种者的电子病历、诊断报告、疫苗接种历史以及临床实验室检测结果进行信息整合后收集于所述疫苗接种者的临床医疗数据表格中，并建立数据集；对所述数据集中的数据进行异常值、缺失值、重复值的清洗处理，并将数据转换为数值型数据，按照日期进行标准化处理，得到预处理后的临床医疗数据。
[0007]作为本专利技术的进一步方案，对所述数据集中的数据进行异常值、缺失值、重复值的清洗处理，包括：
检查数据集中数据是否存在明显错误或偏离正常范围的值，并根据检查情况进行修正或删除，完成异常值处理；检查异常值处理后数据集中变量缺失值并填补或删除，对数据集进行筛选后完成缺失值处理；检查数据是否存在重复记录，如果存在，则删除其中一个记录，完成重复值处理，得到清洗处理后的数据集。
[0008]作为本专利技术的进一步方案，对建立的基于机器学习算法的疫苗动态预警模型进行训练，包括以下步骤：将临床医疗数据进行预处理后作为样本数据集，样本数据集按照预设比例划分为训练集和测试集；利用所述训练集对选定的神经网络模型进行训练，并进行参数优化以评估神经网络模型性能，得到训练的疫苗动态预警模型；使用所述测试集对训练好的疫苗动态预警模型进行评估计算准确率指标，根据准确率指标结果进行模型选择和优化。
[0009]作为本专利技术的进一步方案，利用所述训练集对选定的神经网络模型进行训练，并进行参数优化以评估神经网络模型性能，包括以下步骤：根据疫苗动态预警监测的评价指标确定准确率和召回率的评价阈值；根据所述神经网络模型确定所包含的学习率、迭代次数、隐藏层节点数的参数范围；从参数范围中随机选取一组参数作为初始参数，使用训练集对神经网络模型进行训练，并记录训练集和测试集的评价指标；根据评价指标调整所述神经网络模型的学习率、迭代次数、隐藏层节点数参数，直到评价指标达到评价阈值；使用测试集对调优后的模型进行评估，得到最终的评价指标。
[0010]作为本专利技术的进一步方案，识别接种疫苗所携带的安全风险因素，并确定预警阈值，包括以下步骤：基于疫苗特性确定存在的安全风险因素，对所述安全风险因素进行验证和评估，确定危险程度和风险范围；将识别到的安全风险因素纳入疫苗动态预警模型对疫苗安全性的监测和管理；其中，所述安全风险因素包括疫苗本身的特性和成分、接种对象的个体差异和特征、接种程序和方法、接种环境和操作条件、社会经济和文化因素。
[0011]作为本专利技术的进一步方案，所述疫苗本身的特性和成分包括疫苗制剂、疫苗株系、辅料和媒介；所述接种对象的个体差异和特征包括疫苗接种者的年龄、性别、遗传背景、基础健康状况；所述接种程序和方法包括接种剂量、接种途径、次数、接种时间；所述接种环境和操作条件包括卫生条件、操作规范、质量控制；所述社会经济和文化因素包括健康教育、宣传推广。
[0012]作为本专利技术的进一步方案，在预警阈值超过预设阈值时触发报警机制，包括：实时监测疫苗接种者的临床医疗数据，计算并更新预警阈值；将监测到的预警阈值与预设阈值进行比较，判断是否超过预设阈值；
若预警阈值超过预设阈值，以报警方式触发报警机制，其中，所述报警方式包括短信、邮件、电话。
[0013]作为本专利技术的进一步方案，该方法还包括：对接种疫苗的接种者进行跟踪和监测，包括以下步骤：对每个接种者建立接种档案信息，所述接种档案信息包括每个接种者的个人基本信息、接种疫苗类型和时间、接种剂次以及不良反应信息；对接种疫苗的接种者进行健康状况监测，记录监测的接种后的不良反应信息以及病程观察信息；对接种者发生的不良反应进行记录和报告并上报至医护管理中心，对接种者发生的不良反应采取措施。
[0014]作为本专利技术的进一步方案，该方法还包括：对接种者的跟踪和监测结果进行分析和汇总，包括以下步骤：收集和整理接种者的接种档案信息，并对所述接种档案信息进行统计和分析处理，按照不良反应的类型、程度、持续时间进行分类评估疫苗接种数据，得到分析结果；将分析结果汇总并撰写包含括不良反应的发生率以及严重程度的报告及建议，并对分析结果进行反馈。
[0015]与现有技术相比，本专利技术提出了基于临床医疗大数据的疫苗动态预警监测方法具有以下有益技术效果：1、提高疫苗监测的准确性和时效性：利用大量接种者的临床医疗数据进行分析，能够更加全面地了解疫苗的安全问题，有效提高监测的准确性和时效性。
[0016]2、为公众提供更及时、可靠的疫苗安全预警服务：采用实时监测的方式，可以在第一时间掌握疫苗的安全情况，并及时触发报警机制，提供更及时、可靠的疫苗安全预警服务。
[0017]3、降低监测成本：传统的疫苗监测方法主要依赖于不断收集参考文献、案例报告等相关信息，而本专利技术所提供的方法可以直接利用已有的临床医疗数据，避免了收集成本高的问题。
[0018]综上所述，本专利技术能够有效提高疫苗监测的准确性和时效性，为公众提供更及时、可靠的疫苗安全预警服务，并降低监测成本，具有显著的有益效果。
[0019]本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于临床医疗大数据的疫苗动态预警监测方法，其特征在于，包括如下步骤：收集疫苗接种者的临床医疗数据，其中，所述临床医疗数据包括疫苗接种者的个人基本信息、疫苗接种历史以及健康状况数据；对所述临床医疗数据进行预处理后作为样本数据集，对建立的基于机器学习算法的疫苗动态预警模型进行训练，以识别接种疫苗所携带的安全风险因素，并确定预警阈值；将所述预警阈值与实时监测数据进行比较，判断疫苗是否存在安全风险，并在预警阈值超过预设阈值时触发报警机制。2.根据权利要求1所述的基于临床医疗大数据的疫苗动态预警监测方法，其特征在于，对所述临床医疗数据进行预处理包括数据整合和清洗处理，对临床医疗数据进行整合和清洗处理包括以下步骤：基于疫苗接种者的电子病历、诊断报告、疫苗接种历史以及临床实验室检测结果进行信息整合后收集于所述疫苗接种者的临床医疗数据表格中，并建立数据集；对所述数据集中的数据进行异常值、缺失值、重复值的清洗处理，并将数据转换为数值型数据，按照日期进行标准化处理，得到预处理后的临床医疗数据。3.根据权利要求2所述的基于临床医疗大数据的疫苗动态预警监测方法，其特征在于，对所述数据集中的数据进行异常值、缺失值、重复值的清洗处理，包括以下步骤：检查数据集中数据是否存在明显错误或偏离正常范围的值，并根据检查情况进行修正或删除，完成异常值处理；检查异常值处理后数据集中变量缺失值并填补或删除，对数据集进行筛选后完成缺失值处理；检查数据是否存在重复记录，如果存在，则删除其中一个记录，完成重复值处理，得到清洗处理后的数据集。4.根据权利要求3所述的基于临床医疗大数据的疫苗动态预警监测方法，其特征在于，对建立的基于机器学习算法的疫苗动态预警模型进行训练，包括以下步骤：将临床医疗数据进行预处理后作为样本数据集，样本数据集按照预设比例划分为训练集和测试集；利用所述训练集对选定的神经网络模型进行训练，并进行参数优化以评估神经网络模型性能，得到训练的疫苗动态预警模型；使用所述测试集对训练好的疫苗动态预警模型进行评估计算准确率指标，根据准确率指标结果进行模型选择和优化。5.根据权利要求4所述的基于临床医疗大数据的疫苗动态预警监测方法，其特征在于，利用所述训练集对选定的神经网络模型进行训练，并进行参数优化以评估神经网络模型性能，包括以下步骤：根据疫苗动态预警监测的评价指标确定准确率和召回率的评价阈值；根据所述神经网络模型确定所包含的学习率、迭代次数、隐藏层节点数的参数范围；从参数范围中随机选取一组参数作为初始参数，使用训练集对神经网络模型进行训练，并记录训练...

【专利技术属性】
技术研发人员：林鸿波，孙烨祥，沈鹏，
申请(专利权)人：宁波市鄞州区疾病预防控制中心，
类型：发明
国别省市：