一种中药处方事件贡献数据处理方法及系统与流程
本发明属于中医药数据处理,涉及一种中药处方事件贡献数据处理方法及系统。
背景技术:
1、中药处方事件贡献数据处理旨在从已发生的处方序列中确定某一具体处方变化对结局响应的贡献,为处方优化与疗效评价提供依据。目前可用于该任务的数据处理方法主要包括三类。
2、第一类是基于群体统计的处方效果评估方法。此类方法通过对真实世界诊疗数据执行倾向性评分、协变量校正等统计处理,在群体层面评估药物或处方方案的整体疗效与安全性。其结论反映的是平均水平上的关联或效应,分析粒度停留在处方方案整体,当临床需要回答某一味药的增减或某一次剂量调整对特定患者结局的影响程度时,此类方法缺乏相应的事件级分解能力。
3、第二类是基于序列分析的诊疗方案比对方法。此类方法将诊疗过程建模为序列结构,通过序列比对与相似度计算分析不同诊疗阶段或不同方案之间的差异,适用于方案归类与阶段划分。其分析对象为方案整体层面的相似性与差异性,处方序列中单个事件的影响与方案整体变化相互交织,此类方法无法将单一处方事件的影响从中剥离并单独量化。
4、第三类是基于因果推断的反事实分析方法。此类方法借助结构因果图、时变混杂校正等因果推断工具构造反事实场景,进而估计干预的因果效应,在理论框架上具备个体化归因潜力。但将其直接应用于中药处方场景时存在两方面局限。一方面,反事实处方的生成过程未考虑中药配伍规则、剂量约束与炮制要求等处方可行性约束,所生成的反事实处方可能不满足预设处方规则约束,基于此类处方得到的贡献估计可能发生失真。另一方面,事实场景与反事实场景在事件编码、暴露计算等环节的构造基准不统一,存在基准漂移;同时响应模型在两次预测之间可能发生版本或参数更新,差分结果中除目标事件的影响外还混入上述因素引起的偏差,且现有方法缺乏对贡献度估计结果的统计可信度评估手段。
5、综合上述三类方法可见,现有技术缺乏在个体层面将处方变化拆解为原子事件并逐事件量化贡献的数据处理能力,反事实处方的生成过程未受处方规则约束而导致规则可行性无法保证,事实场景与反事实场景之间亦缺乏统一的事件化基准与模型版本约束。因此,本领域亟需一种能够对连续复诊处方变化进行事件级结构化处理,并在反事实处方满足处方规则的同时维持事实路径与反事实路径在事件化基准、特征输入结构和模型评价口径上一致的数据处理方法,以获得单一处方事件对应的结局响应贡献数据及其统计支持判定结果。
技术实现思路
1、本技术所要解决的技术问题是:如何对连续复诊产生的处方状态数据进行一致性的事件化和受约束反事实处理,在目标事件被严格取消且反事实处方满足预设处方规则的条件下,使事实处方与反事实处方基于同一前次处方、同一事件特征字典和固定输入维度形成可比较的模型输入,降低反事实构造过程中的状态—事件不一致、评价基准漂移及模型评价口径变化,并据此获得目标处方事件对应的结局响应贡献数据及其统计支持判定结果。
2、为解决上述技术问题,本发明提供一种中药处方事件贡献数据处理方法及系统。
3、本发明提供的一种中药处方事件贡献数据处理方法,包括以下步骤:
4、s1,将待分析对象的当前处方相对于前次处方的变化拆解为原子事件,每一所述原子事件采用事件类型与操作幅度分离编码,所述事件类型表征处方变化的类别,所述操作幅度为非负数值。
5、s2,自所述原子事件中确定目标事件,恢复所述目标事件改变前的处方状态,生成取消所述目标事件后的原始反事实处方,并设置目标锁定位,所述目标锁定位用于在反事实处理过程中锁定所述目标事件对应的目标变量,禁止对所述目标变量进行编辑。
6、s3,在所述目标锁定位的硬约束下,仅对非目标变量进行编辑,以编辑距离最小为目标进行规则投影求解,得到满足处方规则的规则可行反事实处方。
7、s4,将事实处方、所述原始反事实处方与所述规则可行反事实处方均相对于同一前次处方重建事件集合,完成同基准重事件化。
8、s5,将同基准重事件化后的所述事实处方、所述原始反事实处方与所述规则可行反事实处方各自对应的特征快照输入同一固化响应模型,所述固化响应模型为版本冻结且参数冻结的响应模型,得到事实响应、原始反事实响应和规则可行反事实响应;所述目标取消差按照事实响应减去原始反事实响应计算,所述规则修复差按照原始反事实响应减去规则可行反事实响应计算,所述可行反事实总差按照事实响应减去规则可行反事实响应计算,且所述目标取消差与所述规则修复差之和等于所述可行反事实总差。
9、s6,对所述规则可行反事实处方进行反事实统计支持判定,并基于所述可行反事实总差确定所述目标事件对结局响应的贡献度,输出所述贡献度对应的反事实统计支持判定结果。
10、所述反事实统计支持判定不以所述目标取消差、规则修复差或可行反事实总差作为判定依据,其与所述固化响应模型的模型响应差分可分别执行。在具体执行过程中,所述反事实统计支持判定可在所述规则可行反事实处方生成后、所述模型响应差分之前执行,以对所述规则可行反事实处方进行预先统计支持判定;所述反事实统计支持判定结果在贡献度输出阶段与相应的贡献度关联输出。
11、本发明还提供一种中药处方事件贡献数据处理系统,包括原子事件编码模块、目标反事实生成及锁定模块、规则投影模块、重事件化模块、模型差分模块、统计支持判定模块和结果输出模块,各模块用于实现上述s1至s6中的相应数据处理及结果输出。
12、本发明还提供一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述中药处方事件贡献数据处理方法。
13、与现有技术相比,本发明的有益效果在于:
14、本发明将处方变化拆解为事件类型与操作幅度分离编码的原子事件,在个体层面逐事件量化贡献度,克服了现有群体统计方法无法对单一患者某次具体处方调整进行个体化归因的缺陷,实现了单一处方事件贡献的量化。
15、本发明通过目标锁定位与规则投影求解,在锁定目标变量的硬约束下仅编辑非目标变量,以编辑距离最小为目标生成满足中药配伍规则、剂量约束与炮制要求的规则可行反事实处方,保证了反事实处方满足预设处方规则约束,降低因反事实处方违反预设规则而导致贡献估计失真的风险。
16、本发明通过同基准重事件化,使事实处方、原始反事实处方与规则可行反事实处方均以同一前次处方为比较基准重新生成事件集合,并按照同一固化特征字典和固定输入维度重构特征快照;同时通过固化响应模型使三条评价路径保持模型版本和模型参数一致,由此降低因沿用事实事件集合、改变特征坐标结构或模型更新而引入的状态—事件不一致及评价基准漂移,使目标取消差、规则修复差与可行反事实总差具有统一的数据处理口径。
17、本发明通过历史独立对象邻域支持数、最近训练距离与折外条件概率进行反事实统计支持判定,为贡献度估计提供统计可信度评估,使贡献度结论具有可验证性与可解释性。
18、本发明通过基于投影编辑清单与变量血缘的增量重算,在处方局部变化时仅重算受影响变量对应的响应,避免全量重算,提高了大规模数据处理场景下的计算效率。
19、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com