【技术实现步骤摘要】
本申请涉及健康护理领域，特别是涉及一种护理决策支持系统及护理决策支持方法。
技术介绍
1、随着全球人口老龄化趋势的加剧，老年患者群体正在迅速扩大，如何有效应对这一特殊群体的护理需求已成为护理科学的重要研究方向之一。然而，相关的护理决策支持系统在应对老年患者的复杂护理需求时，面临着以下挑战：（1）多源数据的异构性与整合难度；（2）个性化护理支持的不足；（3）护理信息更新滞后。
2、以老年hiv（human immunodeficiency virus，人类免疫缺陷病毒）/aids（acquired immune deficiency syndrome，获得性免疫缺陷综合征）患者为例，具体来说，对于第（1）项挑战，老年hiv/aids患者的护理需求涉及多种健康数据，如临床病历、生物标志物、基因型信息、生活习惯以及环境数据等。这些数据往往来自于不同的数据源，格式、内容、精度各异。相关的护理决策支持系统由于缺乏有效的数据标准化与整合手段，无法将这些异构数据有效地集成并应用于护理决策中，导致护理方案缺乏个性化和全面性。
3、以老年hiv/aids患者为例，具体来说，对于第（2）项挑战，相关的护理决策支持系统多采用固定的护理流程，缺乏对个体差异的考虑，难以适应老年hiv/aids患者复杂的健康状况。例如，许多护理决策支持系统只能提供基于经验的护理建议，而不能根据患者的基因型、生物标志物及生活习惯等个体特征生成动态、个性化的护理方案，导致患者护理质量不高，护理资源浪费严重。
4、以老年hiv/aids患者为
5、综上，如何全面、准确、实时地实现护理决策支持成为目前亟待解决的问题。
技术实现思路
1、本申请的目的是提供一种护理决策支持系统及护理决策支持方法，可提供全面、准确、实时的护理决策支持，提高患者的护理体验和护理质量。
2、为实现上述目的，本申请提供了如下方案。
3、第一方面，本申请提供了一种护理决策支持系统，包括：数据采集模块、数据处理模块、图谱构建模块、动态更新模块和决策支持模块。
4、所述数据采集模块用于实时获取多源数据；所述多源数据包括：患者的临床数据、基因型数据、生物标志物、生活习惯数据及环境数据；所述数据处理模块用于采用自然语言处理技术和数据挖掘技术对所述多源数据进行整合，得到统一数据集；所述图谱构建模块用于将所述统一数据集中的每种类型的数据作为一个知识节点，采用数据挖掘技术分析各所述知识节点之间的关联关系，并为每个所述关联关系赋予权重值，根据所述知识节点、所述关联关系以及所述权重值构建知识图谱；所述动态更新模块用于根据当前获取的多源数据对所述知识图谱进行定时更新；所述决策支持模块用于调用当前的知识图谱生成患者的护理措施。
5、可选地，所述护理决策支持系统还包括：数据传输模块；所述数据传输模块用于采用加密技术和容错机制将所述数据采集模块实时获取的多源数据传输至所述数据处理模块。
6、可选地，所述护理决策支持系统还包括：图形数据库；所述图形数据库用于存储所述多源数据、所述统一数据集和所述知识图谱。
7、可选地，所述数据采集模块包括：第一采集单元、第二采集单元和第三采集单元。
8、所述第一采集单元用于通过https协议调用医院信息系统的api接口，采用api接口获取患者的临床数据；所述第二采集单元用于通过实验室信息管理系统获取患者的基因型数据和生物标志物；所述第三采集单元用于采用患者佩戴的智能健康监测设备，通过物联网协议获取患者的生活习惯数据和环境数据。
9、可选地，所述数据处理模块包括：数据标准化处理单元、信息提取单元和数据整合单元。
10、所述数据标准化处理单元用于对所述多源数据进行数据清洗和格式转换，得到标准化数据；所述信息提取单元用于采用自然语言处理技术对所述标准化数据依次进行文本预处理、实体识别、实体关系提取以及结构化数据转换，得到结构化信息数据；所述数据整合单元用于采用数据挖掘技术对所述结构化信息数据依次进行数据聚合、数据关联分析、数据降维、特征选择和数据合并，得到统一数据集。
11、可选地，所述图谱构建模块包括：知识节点确定单元、关联关系分析单元、权重计算单元和知识图谱构建单元。
12、所述知识节点确定单元用于将所述统一数据集中的每种类型的数据确定一个知识节点；所述关联关系分析单元用于采用关联规则挖掘算法挖掘各所述知识节点之间潜在的关联关系；所述权重计算单元用于采用关联规则挖掘算法中的支持度和置信度为每个所述关联关系赋予权重值；所述知识图谱构建单元用于根据所述关联关系将相似的知识节点通过关系边进行连接，并增加相应的权重值，得到知识图谱。
13、可选地，所述动态更新模块包括：新节点添加单元和节点关系更新单元。
14、所述新节点添加单元用于采用cypher查询语言检查当前获取的多源数据中是否存在新的知识节点，若存在，则将新的知识节点添加到所述知识图谱中，得到节点添加后的知识图谱；所述节点关系更新单元用于采用knn算法计算新的知识节点与知识图谱中已有的知识节点之间的相似度，根据所述相似度确定新的知识节点与已有知识节点之间的关联关系得到新的关联关系，并为新的关联关系赋予权重值得到新的权重值，采用新的关联关系和新的权重值对节点添加后的知识图谱进行更新，得到更新后的知识图谱。
15、可选地，所述决策支持模块包括：护理措施生成单元；所述护理措施生成单元用于调用当前的知识图谱，采用推理引擎、规则引擎或机器学习模型生成患者的护理措施。
16、可选地，所述数据整合单元包括：数据聚合子单元、关联分析子单元、数据降维与特征选择子单元和数据合并子单元。
17、所述数据聚合子单元用于采用k-means聚类算法对所述结构化信息数据中不同来源的数据进行聚合，得到聚合数据；所述关联分析子单元用于采用apriori算法对所述聚合数据之间的关联关系进行分析，得到分析数据；所述数据降维与特征选择子单元用于采用主成分分析法对所述分析数据进行降维和特征选择得到降维选择后的数据；所述数据合并子单元用于对降维选择后的数据进行合并，得到统一数据集。
18、第二方面，本申请提供了一种护理决策支持方法，包括如下步骤。
19、实时获取多源数据；所述多源数据包括：患者的临床数据、基因型数据、生物标志物、生活习惯数据及环境数据。
20、采用自然语言处理技术和数据挖掘技术对所述多源数据进行整合，得到统一数据集。
21、将所述统一数据集中的每种类型的数据作为一个知识节点，采用数本文档来自技高网...
【技术保护点】
1.一种护理决策支持系统，其特征在于，所述护理决策支持系统包括：数据采集模块、数据处理模块、图谱构建模块、动态更新模块和决策支持模块；
2.根据权利要求1所述的护理决策支持系统，其特征在于，所述护理决策支持系统还包括：数据传输模块；所述数据传输模块用于采用加密技术和容错机制将所述数据采集模块实时获取的多源数据传输至所述数据处理模块。
3.根据权利要求1所述的护理决策支持系统，其特征在于，所述护理决策支持系统还包括：图形数据库；所述图形数据库用于存储所述多源数据、所述统一数据集和所述知识图谱。
4.根据权利要求1所述的护理决策支持系统，其特征在于，所述数据采集模块包括：第一采集单元、第二采集单元和第三采集单元；
5.根据权利要求1所述的护理决策支持系统，其特征在于，所述数据处理模块包括：数据标准化处理单元、信息提取单元和数据整合单元；
6.根据权利要求1所述的护理决策支持系统，其特征在于，所述图谱构建模块包括：知识节点确定单元、关联关系分析单元、权重计算单元和知识图谱构建单元；
7.根据权利要求1所述的护理决策
8.根据权利要求1所述的护理决策支持系统，其特征在于，所述决策支持模块包括：护理措施生成单元；
9.根据权利要求5所述的护理决策支持系统，其特征在于，所述数据整合单元包括：数据聚合子单元、关联分析子单元、数据降维与特征选择子单元和数据合并子单元；
10.一种护理决策支持方法，其特征在于，所述护理决策支持方法包括：
...【技术特征摘要】
1.一种护理决策支持系统，其特征在于，所述护理决策支持系统包括：数据采集模块、数据处理模块、图谱构建模块、动态更新模块和决策支持模块；
2.根据权利要求1所述的护理决策支持系统，其特征在于，所述护理决策支持系统还包括：数据传输模块；所述数据传输模块用于采用加密技术和容错机制将所述数据采集模块实时获取的多源数据传输至所述数据处理模块。
3.根据权利要求1所述的护理决策支持系统，其特征在于，所述护理决策支持系统还包括：图形数据库；所述图形数据库用于存储所述多源数据、所述统一数据集和所述知识图谱。
4.根据权利要求1所述的护理决策支持系统，其特征在于，所述数据采集模块包括：第一采集单元、第二采集单元和第三采集单元；
5.根据权利要求1所述的护理决策支持系统，其特...
【专利技术属性】
技术研发人员：葛婕婕，彭思敬，汪旻，方菊花，徐佩丽，尤敏，王婷，
申请(专利权)人：安徽中医药大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。