基于临床医疗数据因果机器学习的手术麻醉选择推荐方法

    公开(公告)号:CN117275749A

    公开(公告)日:2023-12-22

    申请号:CN202311247444.0

    申请日:2023-09-25

    Abstract: 本发明属于健康管理技术领域,具体涉及一种基于临床医疗数据因果机器学习的手术麻醉选择推荐方法,包括:获取待进行手术的患者数据;对数据进行预处理;将预处理后的数据输入到因果机器学习模型中,进行倾向性得分估计和患者实体响应缺失值预测;采用平均处理效应估计算法对倾向性得分估计和患者实体响应缺失值预测进行估计,得到平均处理效应估计值;根据平均处理效应估计值得到麻醉方式预测值,根据麻醉方式预测值得到手术麻醉推荐方案;本发明通过分析手术患者的档案数据,利用机器学习和因果效应推理方法,预测手术时长,并评估麻醉方式对手术时长作用的因果效应,并为患者提供个体化医疗的麻醉方式,辅助医疗服务人员临床决策。

    一种基于电子护理文本数据的人体跌倒风险预测方法及系统

    公开(公告)号:CN114678138A

    公开(公告)日:2022-06-28

    申请号:CN202210409172.9

    申请日:2022-04-19

    Abstract: 本发明属于数据处理技术领域,具体涉及一种基于电子护理文本数据的人体跌倒风险预测方法及系统,该方法包括:获取电子护理数据集,并对电子护理数据集中的数据进行预处理,根据预处理后的电子护理数据集中的数据构建莫尔斯跌倒词典;采用自然语言处理技术对待预测用户的电子护理文本数据进行文本特征提取;采用建莫尔斯跌倒词典对提取的文本特征进行解析,得到变量数据集;使用变量数据集对决策树算法进行训练,得到人体跌倒风险的预测结果;根据预测结果对用户聚类和精准护理;本发明通过电子健康档案构建莫尔斯跌倒词典,并根据莫尔斯跌倒词典获取用户的的风险因子,并根据风险因子对用户进行迭代风险预测,提高了预测的效率。

Patent Agency Ranking