一种基于利尿治疗事件锚点的多源医疗记录闭环质控方法及系统与流程

本发明涉及一种医疗记录质控方法及系统，特别是一种基于利尿治疗事件锚点的多源医疗记录闭环质控方法及系统。

背景技术：

1、现有医院信息系统、电子病历系统、实验室信息系统、护理系统及智能输注设备通常采用不同的数据结构、业务标识和时间字段。同一次利尿治疗形成的医嘱、实际执行、输液泵状态、尿量、出入量、检验、体重、生命体征及复核记录分散在不同系统中，难以建立稳定、准确的关联关系。

2、不同来源记录中的医嘱开立时间、计划执行时间、实际执行时间、标本采样时间、报告时间、测量时间及记录时间具有不同含义，并可能因接口延迟、人工补录或设备延迟上传而异步写入。现有处理方式通常按照医嘱计划时间、记录生成时间或自然日归类数据，容易造成治疗事件与监测记录错配、跨窗口错误归属及同一证据重复使用。

3、此外，多源记录之间可能存在数值、时间或来源冲突，补录、更正、撤销及延迟返回的数据还可能影响既有质控结论。现有系统难以同时实现冲突保留、缺口区分、结果追溯及受影响数据的局部更新，因此有必要提供一种能够准确关联利尿治疗事件与多源监测记录的闭环质控方法及系统。

技术实现思路

1、本发明所要解决的技术问题是：现有医院信息系统、电子病历系统、护理系统、实验室信息系统及智能输注设备之间的数据结构、事件标识和时间语义不一致，难以将利尿治疗实际执行事件与相应监测记录准确关联，容易造成监测证据错配、重复归属、跨窗口错误归属及多源冲突记录相互覆盖；同时，在医疗记录补录、更正、撤销或延迟返回时，现有处理方式通常需要对较大范围的历史数据进行重复处理，难以保证质控结果的一致性和可追溯性。

2、为解决上述技术问题，本发明提供一种基于利尿治疗事件锚点的多源医疗记录闭环质控方法，包括：

3、采集多源医疗记录并进行标准化处理，生成标准化事件节点，根据标准化事件节点之间的关联关系构建利尿治疗事件图谱；

4、对利尿治疗事件图谱中的利尿剂医嘱节点、实际执行节点和连续泵入状态变化节点进行关联聚合，形成利尿治疗暴露事件dee；

5、从利尿治疗暴露事件dee对应的医疗记录中提取候选锚点，计算锚点可信度评分并筛选有效候选锚点，根据有效候选锚点确定实际执行锚点t0、策略变化锚点tn或锚点不确定状态；

6、根据实际执行锚点t0或策略变化锚点tn生成动态监测窗口，检索候选证据，并对候选证据进行动态监测窗口归属判断和数据可信度判断，形成实际证据集合和低可信实际证据集合；

7、根据利尿治疗暴露事件dee、锚点、动态监测窗口和应有证据模板生成应有证据需求键集合，将实际证据映射至对应的证据需求键，并根据应有证据需求键集合与已满足证据需求键集合的集合差生成证据缺口集合；

8、根据实际证据、低可信实际证据、证据缺口、冲突记录、复核记录和后续复查证据驱动闭环状态机，输出状态路径和可追溯质控证据链；

9、当发生医疗记录补录、更正、撤销、人工确认或检验结果延迟返回时，根据各处理对象之间的依赖关系确定受影响对象，并对受影响对象进行增量重算。

10、进一步地，所述利尿治疗事件图谱包括标准化事件节点和事件边；所述事件边至少包括医嘱关联关系边、执行归属关系边、利尿治疗暴露事件归属关系边、时间窗口归属关系边、锚点—确认关系边和触发—复核关系边。

11、进一步地，按照事件时间对属于同一患者和同一次就诊的利尿剂医嘱节点、实际执行节点及连续泵入状态变化节点进行排序；当事件节点具有相同的医嘱标识、执行标识或泵事件标识，或者事件时间间隔不超过预设最大合并时间间隔且属于同一治疗链路时，将相应事件节点聚合至同一利尿治疗暴露事件dee。

12、进一步地，当存在两个以上有效候选锚点时，将锚点可信度评分最高和次高的有效候选锚点分别确定为主候选锚点和备选候选锚点，分别采用二者的候选时间生成动态监测窗口并进行证据归属、证据缺口检测和复核时限判定；当两组判定结果中至少一项不一致时，将锚点设置为锚点不确定状态并生成待人工确认任务；当两组判定结果一致且主候选锚点符合预设条件时，将主候选锚点确定为实际执行锚点t0或策略变化锚点tn。

13、进一步地，未经人工确认的医嘱计划时间或者病程治疗引用时间不单独确定为实际执行锚点t0或策略变化锚点tn。

14、进一步地，根据候选锚点的来源可靠性、事件类型可靠性、医嘱或执行单关联强度、时间顺序一致性、后续监测记录时间链结构一致性、护理链路一致性、设备记录一致性及候选时间冲突情况，计算锚点可信度评分。

15、进一步地，根据锚点类型、利尿剂类别、给药途径、连续泵入状态、联合利尿状态和利尿治疗策略，从版本化监测窗口模板库中选择对应的监测窗口模板；所述监测窗口模板包括窗口起止偏移量、允许延迟、应检索证据类型、最低可信度、缺口判断规则和闭环时限。

16、进一步地，根据候选证据时间与动态监测窗口的匹配程度、候选证据类型与窗口任务的匹配程度、证据来源可靠性、候选证据与利尿治疗暴露事件dee的关联强度、时间顺序一致性、人工确认结果以及延迟或错配情况，计算候选证据的证据归属评分；当同一候选证据对多个动态监测窗口的证据归属评分均达到预设归属阈值时，将其归属至评分最高的动态监测窗口，并将其他动态监测窗口记录为备选窗口。

17、进一步地，根据候选证据的来源可靠性、关键时间字段完整性、同类证据一致性、上下游记录一致性、单位有效性、人工确认结果、记录结构化程度、数据冲突情况和关键时间缺失情况，计算候选证据的数据可信度评分；将达到预设可信度阈值且不存在未确认冲突的候选证据写入实际证据集合，将其他候选证据写入低可信实际证据集合。

18、进一步地，对于多源记录之间存在的数值冲突、时间冲突或来源冲突，保留各冲突记录及其来源追溯信息；当冲突影响动态监测窗口归属、证据缺口状态或复核是否超时的判定结果时，生成待人工确认任务或数据补录任务。

19、进一步地，所述证据需求键至少包括利尿治疗暴露事件标识、锚点标识、动态监测窗口标识、证据类型和需求标识；将应有证据需求键形成应有证据需求键集合，将已由实际证据满足的证据需求键形成已满足证据需求键集合，将应有证据需求键集合中未包含在已满足证据需求键集合中的证据需求键确定为证据缺口集合。

20、进一步地，当证据存在但其数据可信度低于预设要求时，在证据缺口集合中记录低可信证据标记；当证据因数据来源系统未部署、接口中断或关键字段不可获得而无法获取时，将对应证据需求键从普通证据缺口中分离并写入系统不可获得例外集合。

21、进一步地，分别针对实际执行锚点t0和各策略变化锚点tn建立独立的闭环状态机，根据动态监测窗口状态、实际证据、低可信实际证据、证据缺口、系统不可获得例外、冲突记录、复核记录和后续复查证据进行状态转移，并保存状态转移前状态、状态转移后状态、触发规则、关联证据、转移时间、规则版本和未闭环原因。

22、进一步地，根据标准化事件节点、利尿治疗暴露事件dee、锚点、动态监测窗口、证据需求键及状态转移记录之间的依赖关系建立受影响对象索引；在发生医疗记录补录、更正、撤销、人工确认或检验结果延迟返回时，仅重新计算受影响的利尿治疗暴露事件dee、锚点、动态监测窗口、证据归属结果、证据缺口集合和状态路径，并保留重新计算前后的质控结论及状态路径。

23、本发明还提供一种基于利尿治疗事件锚点的多源医疗记录闭环质控系统，包括多源医疗记录处理模块、利尿治疗暴露事件聚合模块、锚点处理模块、动态监测窗口及证据处理模块、缺口检测模块、闭环状态控制模块和增量重算模块；

24、所述多源医疗记录处理模块用于采集多源医疗记录、生成标准化事件节点并构建利尿治疗事件图谱；

25、所述利尿治疗暴露事件聚合模块用于对利尿剂医嘱节点、实际执行节点和连续泵入状态变化节点进行关联聚合，形成利尿治疗暴露事件dee；

26、所述锚点处理模块用于提取候选锚点、计算锚点可信度评分，并确定实际执行锚点t0、策略变化锚点tn或锚点不确定状态；

27、所述动态监测窗口及证据处理模块用于根据锚点生成动态监测窗口，对候选证据进行动态监测窗口归属判断和数据可信度判断；

28、所述缺口检测模块用于生成应有证据需求键集合和已满足证据需求键集合，并确定证据缺口集合及系统不可获得例外集合；

29、所述闭环状态控制模块用于根据证据、缺口、冲突、复核记录和后续复查证据驱动闭环状态机，输出状态路径和可追溯质控证据链；

30、所述增量重算模块用于在医疗记录补录、更正、撤销、人工确认或检验结果延迟返回时，确定受影响对象并对受影响对象进行增量重算。

31、有益效果：

32、本发明将不同来源系统生成的医嘱记录、实际执行记录、监测记录和复核记录转换为统一的事件节点，并以实际执行锚点t0或策略变化锚点tn作为动态监测窗口的时间基准，能够减少不同系统时间语义不一致导致的治疗事件与监测证据错配、重复归属及跨窗口错误归属。

33、本发明通过主候选锚点和备选候选锚点分别执行证据归属、缺口检测和复核时限判定，根据两组结果是否一致识别锚点不确定性，相较于仅依据单一候选锚点或最高评分确定锚点，能够提高锚点确定及后续质控结论的准确性。

34、本发明分别进行证据归属判断和数据可信度判断，并保留多源冲突记录及其来源追溯信息，能够区分证据归属错误、证据可信度不足和数据冲突等不同问题，提高质控结果的可解释性和可追溯性。

35、本发明通过应有证据需求键集合与已满足证据需求键集合之间的集合差确定证据缺口，并结合系统不可获得例外和闭环状态机记录状态路径、人工确认、数据补录及后续复查过程，提高质控结论的可复现性和可审计性。

36、本发明根据各处理对象之间的依赖关系建立受影响对象索引，在发生医疗记录补录、更正、撤销、人工确认或检验结果延迟返回时，仅对受影响对象进行增量重算，减少无关历史医疗记录的重复处理，提高异步数据更新场景下的数据处理效率和计算结果一致性。