一种处理患者医疗数据的方法、系统、装置及存储介质与流程

1.本发明涉及数据分析技术领域，尤其涉及一种处理患者医疗数据的方法、系统、装置及存储介质。


背景技术：

2.目前，在现行的业务系统中，为了获取患者的临床指标数据需要从许多的业务表中进行关联查询，这种获取患者的临床指标数据的方式增大了数据库的压力，检索效率不高，每次查询都要去关联查询非常多的业务表，通过长篇的sql语句进行查询浪费了计算资源。同时患者的临床指标数据没有进行整合，这样不能从另外一个维度去存储患者的临床指标数据，对数据的挖掘和利用率不高。


技术实现要素：

3.为了克服如上所述的技术问题，本发明提出一种处理患者医疗数据的方法，用于根据医疗业务系统中产生的患者医疗数据生成患者体征指标标识，所述方法的技术方案如下：
4.s1，根据预先设定的患者体征指标标识与要监听的患者医疗数据之间的关系，使用变更数据捕获cdc实时监听并捕获所需的患者医疗数据；
5.s2，将所捕获的所述患者医疗数据根据所属医疗业务系统投递到对应的分布式发布订阅消息系统kafka消息队列主题中进行缓存；
6.s3，通过数据加工引擎从所述kafka消息队列主题中获取所述患者医疗数据，通过执行根据患者医疗数据与患者体征指标标识之间的关系预先编写的、与所述患者体征指标标识对应的标识脚本，对所述患者医疗数据进行处理，生成与所述患者医疗数据对应的患者体征指标标识。
7.具体的，所述s2中，在投递所述患者医疗数据之前，还包括：
8.根据预先设定的与所捕获的患者医疗数据所属医疗业务系统对应的过滤规则，对所捕获的患者医疗数据进行过滤。
9.具体的，所述数据加工引擎为spark streaming流式计算引擎。
10.具体的，所述患者医疗数据包含如下中的一种或多种：
11.肝功能异常数据集、肾功能不全数据集、压疮数据集、疼痛数据集、手术数据集、高血压数据集、高血糖数据集、发热数据集、跌倒数据集、药物不良反应数据集、病种数据集、病危数据集和危急值数据集。
12.具体的，所述患者体征指标标识包含如下中的一种或多种：
13.发热标识、高血压标识、皮试标识、过敏标识、病重标识、危急值标识、输血不良反应标识、跌倒风险标识、药品不良反应标识、癌痛标识、肾功能异常标识、妊娠标识和输血史标识。
14.具体的，
15.所述患者体征指标标识与用于生成所述患者体征指标标识的患者医疗数据之间通过所述kafka消息队列主题关联；
16.所述方法还包括：
17.根据医护人员的选择，向所述医护人员展示所述患者特征标识；和/或
18.根据医护人员的选择，在展示所述患者特征标识之后，进一步展示与所述患者体征指标标识关联的患者医疗数据。
19.本发明还提出一种处理患者医疗数据的系统，所述系统包括：
20.数据抽取模块，用于根据预先设定的患者体征指标标识与要监听的患者医疗数据之间的关系，监听并捕获所需的患者医疗数据，所述数据抽取模块基于变更数据捕获cdc实现；
21.消息队列模块，用于缓存通过所述数据抽取模块捕获的、根据所属医疗业务系统投递的所述患者医疗数据，所述消息队列模块基于分布式发布订阅消息系统kafka实现；
22.加工引擎模块，用于从所述消息队列模块中获取所述患者医疗数据，通过执行根据患者医疗数据与患者体征指标标识之间的关系预先编写的、与所述患者体征指标标识对应的标识脚本，对所述患者医疗数据进行处理，生成与所述患者医疗数据对应的患者体征指标标识，所述加工引擎模块基于流式实时计算引擎spark streaming实现。
23.本发明还提出一种处理患者医疗数据的装置，所述处理患者医疗数据的装置包括存储器和处理器，所述存储器存储有至少一段程序，所述至少一段程序由所述处理器执行以实现如上所述的处理患者医疗数据的方法。
24.本发明还提出了一种计算机可读存储介质，所述存储介质中存储有至少一段程序，所述至少一段程序运行时执行如上所述的处理患者医疗数据的方法。
25.本发明提供的技术方案带来的有益效果是：
26.本发明的一种处理患者医疗数据的方法和装置，通过变更数据捕获cdc获取患者医疗数据的方式降低了获取患者医疗数据的复杂度，采用发布订阅消息系统kafka实现了对医疗数据的快速存储，采用数据加工引擎如流式实时计算引擎spark streaming保证了数据处理的实时性，根据预先定义的规则编写脚本对患者医疗数据进行计算确定患者体征指标标识，从不同维度展现了患者体征指标，能够辅助临床医护人员对患者快速下诊断，提高了患者就诊速度。
附图说明
27.图1为本发明一实施例的处理患者医疗数据的方法流程图；
28.图2为本发明一实施例的处理患者医疗数据方法的框架结构的示意图；
29.图3为本发明一实施例的处理患者医疗数据的装置结构示意图。
具体实施方式
30.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
31.实施例一：
32.如图1所示为本发明一实施例的处理患者医疗数据的方法流程图，示出了该方法的具体实施步骤，包括：
33.s1，根据预先设定的患者体征指标标识与要监听的患者医疗数据之间的关系，使用变更数据捕获cdc实时监听并捕获所需的患者医疗数据；
34.s2，将所捕获的患者医疗数据根据所属医疗业务系统投递到对应的分布式发布订阅消息系统kafka消息队列主题中进行缓存；
35.s3，通过数据加工引擎从kafka消息队列主题中获取患者医疗数据，通过执行根据患者医疗数据与患者体征指标标识之间的关系预先编写的、与患者体征指标标识对应的标识脚本，对患者医疗数据进行处理，生成与患者医疗数据对应的患者体征指标标识。
36.具体的，s2中，在投递患者医疗数据之前，还包括：
37.根据预先设定的与所捕获的患者医疗数据所属医疗业务系统对应的过滤规则，对所捕获的患者医疗数据进行过滤。
38.具体的，数据加工引擎为spark streaming流式计算引擎。
39.具体的，患者医疗数据包含如下中的一种或多种：
40.肝功能异常数据集、肾功能不全数据集、压疮数据集、疼痛数据集、手术数据集、高血压数据集、高血糖数据集、发热数据集、跌倒数据集、药物不良反应数据集、病种数据集、病危数据集和危急值数据集。
41.具体的，患者体征指标标识包含如下中的一种或多种：
42.发热标识、高血压标识、皮试标识、过敏标识、病重标识、危急值标识、输血不良反应标识、跌倒风险标识、药品不良反应标识、癌痛标识、肾功能异常标识、妊娠标识和输血史标识。
43.具体的，患者体征指标标识与用于生成患者体征指标标识的患者医疗数据之间通过kafka消息队列主题关联；所述方法还包括：根据医护人员的选择，向医护人员展示患者特征标识；和/或根据医护人员的选择，在展示患者特征标识之后，进一步展示与患者体征指标标识关联的患者医疗数据。
44.具体的，该方法还可以包括：用户根据业务需要配置或修改上述标识脚本的步骤。
45.实施例二：
46.本实施例整合变更数据捕获cdc(change data capture)、流式实时计算引擎spark streaming以及分布式发布订阅消息系统kafka，实现高可靠、高效实时和高扩展性地加工患者医疗数据到数据集市，包括如下步骤：
47.1、采集框架和消息中间件搭建：采用cdc spark streaming kafka集群作为数据归档日志变动监听以及消息缓存核心组件，患者业务作为主题，不同患者体征标识业务模块作为消费组，采用消息队列发布订阅模式，不同规则作为消费的模块。
48.2、医护人员在对患者做一系列诊疗活动的过程中，医疗系统对医疗数据进行存储时，通过cdc对医疗数据流进行实时监听和捕获，如根据预先设定的患者体征指标标识与要监听的患者医疗数据之间的关系对选定的患者医疗数据进行实时监听。并对按照预先编写的不同业务的过滤规则对监听并捕获的患者医疗数据进行过滤。示例性的，该过滤的步骤可以通过预先编写相应的过滤脚本来实现。将经过过滤的患者医疗数据，具体的，如预先定义好的与各种患者体征指标标识对应的患者医疗数据详情以数据流的形式投递到kafka进
行数据的缓存。kafka是具有高吞吐量的分布式发布订阅消息系统，以容错的方式存储消息，生产者往队列里写消息，消费者从队列里获取消息执行预先定义的业务处理逻辑，一般在架构中起到解耦、削峰、异步处理的作用，这样保证数据流可以实时地监听，对不同患者医疗数据进行存储业务数据，方便医生能快速分析患者的病情。
49.3、通过数据加工引擎在kafka中消费出数据流，在spark streaming流式计算引擎中，通过编写不同规则的标识脚本，对实时的数据链路进行计算，得到患者相关的临床指标信息以及其他业务指标信息，即得到患者体征指标标识，这样即可保证并发的效率，又可保证数据的准确性，可以使我们系统保持稳定地进行数据的批处理。上述标识脚本根据患者医疗数据与患者体征指标标识之间的关系编写，且与患者体征指标标识相对应。不同的患者体征指标标识通常对应不同的标识脚本。医疗系统的运维人员可以根据业务的需要，通过相应的接口配置或修改标识脚本。标识脚本的执行触发，可以是由相应的医护工作人员点击或选中相应页面中与患者体征指标标识对应的按键、标签等实现。患者体征指标标识与用于生成患者体征指标标识的患者医疗数据之间关联，如通过kafka消息队列主题关联。根据医护人员的选择，向医护人员展示患者特征标识。且进一步的，根据医护人员的选择，在展示患者特征标识之后，还可以进一步获取在kafka中缓存的与患者体征指标标识关联的患者医疗数据，即对应的详情数据，并进行展示。
50.4、对数据流的标识脚本进行全过程的日志记录，对异常的数据进行数据分析得出对应的报告，反馈给对应的负责人，保证数据加工引擎数据的完整性，高可用性，对异常数据进行监控，有异常信息时，将通过消息通知到不同的责任人。
51.实施例三
52.本发明实施例还提供了一种处理患者医疗数据的系统，该系统包括以下各模块。
53.数据抽取模块，通过cdc对医疗数据流进行实时监听和捕获，如根据预先设定的患者体征指标标识与要监听的患者医疗数据之间的关系对选定的患者医疗数据进行实时监听。本实施例将要监听的患者医疗数据实现为不同的业务抽取进程，比如：危急值的抽取进程、发热的抽取进程、传染病的抽取进程、高血压的抽取进程等，并将捕获的不同业务的患者医疗数据投递到高可用的消息队列主题中。示例性的，对于患者肝功能不全标识，监听检验指标表信息，做完肝功能检验，出报告指标白蛋白、凝血酶原时间和胆红素等数据，一般胆红素升高就是黄疸、凝血酶原时间反应的是血液凝固的时间，如果时间比正常值延长很多，那么就有出血的危险；示例性的，对于高血压标识，监听记录患者体征信息表，一般通过测量患者的血压，正常血压是在80～120mmhg范围内，超过140mmhg则为高血压患者，根据预先配置的语法规则，得到高压患者标识；示例性的，对于患者肾功能不全标识，监听检验指标表的血肌酐、尿素氮和ect检验指标信息；示例性的，对于传染病患者标识，监听传染病登记主表信息和登记状态信息。
54.消息队列模块，用于缓存通过数据抽取模块捕获的、根据所属医疗业务系统投递的患者医疗数据。消息队列模块可以实现数据的高可用，以及不同系统数据之间的解耦。通过定义同步业务的事件主题，方便数据投递到不同的事件主题时可以处理不同患者标识的业务，这样的过程整体对不同患者标识具有一定联动解耦的作用，保证通过读取数据库归档日志信息投递到消息中间件中、数据队列存放到kafka，从而减轻数据库的查询压力，同时将数据计算拆分开来，对数据进行异步处理，从而达到最高效率。
55.加工引擎模块，用于从消息队列模块中获取患者医疗数据，通过执行根据患者医疗数据与患者体征指标标识之间的关系预先编写的、与患者体征指标标识对应的标识脚本，对患者医疗数据进行处理，生成与患者医疗数据对应的患者体征指标标识，患者医疗数据包含：肝功能异常数据集、肾功能不全数据集、压疮数据集、疼痛数据集、手术数据集、高血压数据集、高血糖数据集、发热数据集、跌倒数据集、药物不良反应数据集、病种数据集、病危数据集和危急值数据集等。
56.数据存储模块，用于将不同维度的患者标识的临床数据集合存储在数据中心的集市层。日志追踪模块，用于监控不同环节的数据采集和数据加工规则执行的数据链路的状态，发生异常或者加工算法报错时，进行日志的记录。统一预警模块，用于对产生的异常日志，经过微信通知的方式报警或者短信通知到不同责任人，以便对异常信息进行及时处理。
57.具体的，根据本实施例提供的一种处理患者医疗数据的系统实现了一种数据中心加工引擎。如图2所示为本发明一实施例的处理患者医疗数据方法的框架结构的示意图，示出了数据中心加工引擎的框架结构。数据中心加工引擎包含cdc采集模块、数据集群模块、数据加工引擎、日志存储模块、agent监控组件和异常报警模块。cdc采集模块包含采集源端、目标端、数据复制、数据抽取和数据投递子模块。数据集群模块包含zookeeper集群、kafka集群和redis集群。数据加工引擎包括数据消费、数据加工、流量控制、日志存储和两个数据储存子模块，两个数据储存子模块分别用于将加工后的数据存储到数据集市和中央数据存储库cdr。
58.数据中心加工引擎的cdc采集模块即为数据抽取模块，数据中心加工引擎的kafka集群即为消息队列模块，数据中心加工引擎的数据加工引擎即为加工引擎模块，数据中心加工引擎的数据存储子模块即为数据存储模块，数据中心加工引擎的agent监控组件和日志存储子模块即为日志追踪模块，数据中心加工引擎的异常报警模块即为统一预警模块。
59.图2还示出了处理患者医疗数据的流程，cdc采集模块首先从ods数据源采集患者医疗数据，接着将患者医疗数据推送即投递到数据集群模块，数据集群模块对患者医疗数据进行缓存，数据加工引擎模块从数据集群模块获取患者医疗数据，对患者医疗数据进行加工生成患者体征指标标识，将患者体征指标标识保存到数据集市，将其他数据保存到中央数据存储库cdr。agent监控组件对cdc采集模块和数据加工引擎进行监控，当发生异常时，通过日志存储模块记录异常日志，并通过异常报警模块发送消息通知负责人员。
60.以发热标识为例，体温大于37.3℃且小于38℃会展示发热低热标识、大于38.1℃且小于39℃会展示发热中等热标识、大于39.1℃且小于41℃会展示发热高热标识、大于41℃会展示发热超高热标识。
61.以过敏标识为例，很多患者对阿莫西林等药物和/或霉菌过敏，在医生开药品时，可以根据过敏标识的二级内容，展示患者具体的过敏指标项是哪些，合理地开具对应的药品以及接触物。数据中心加工引擎监听过往的患者诊病的历史记录信息，通过cdc监听对应的数据流，根据配置不同的业务表，获取患者的历史诊病信息，对过敏的信息进行捕捉和记录，回填到数据仓库患者体征标识维度的数据表中。
62.本实施例通过基于spark streaming和kafka构建的数据中心加工引擎处理患者医疗数据，为数据集市层的患者体征指标标识提供了一个加工计算的过程。
63.本实施例解决了对患者医疗数据实时计算能力差，缓冲效率不高以及不能控制数
据流速度的问题，通过kafka具有高吞吐的分布式发布订阅消息的缓存以及使用spark streaming实时流式数据处理的计算能力，使其整体的链路通道具体高可用、易扩展和精准计算的能力，在存在大量数据查询效率不高，性能不佳的业务场景中，发挥了重要作用。
64.本实施例通过不断地对患者体征指标进行标识，例如：发热标识、高血压标识、皮试标识、过敏标识、病重标识、危急值标识、输血不良反应标识、跌倒风险标识、药品不良反应标识、癌痛标识、肾功能异常标识、妊娠标识和输血史标识等，使用不同的标识脚本对医院不同的患者医疗数据进行有针对性的整合，对患者医疗数据进行多维度挖掘，实现患者医疗数据从一个大数据仓库进行提取并加工得到有各种维护意义的患者体征指标标识，解决了以往患者体征指标需要跨越多个业务系统获取数据，效率比较低的问题。本实施通过数据加工定制可以多维度地展示患者医疗数据，直观看到患者的不同维度的体征指标数据，能够辅助临床医护人员对患者快速下诊断，大大提高了患者就诊速度。
65.实施例四：
66.本发明还提供一种处理患者医疗数据的装置，如图3所示，该装置包括处理器301、存储器302、总线303、以及存储在存储器302中并可在处理器301上运行的计算机程序，处理器301包括一个或一个以上处理核心，存储器302通过总线303与处理器301相连，存储器302用于存储程序指令，处理器执行计算机程序时实现本发明的上述方法实施例中的步骤。
67.进一步地，作为一个可执行方案，处理患者医疗数据的装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。系统/电子设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述系统/电子设备的组成结构仅仅是系统/电子设备的示例，并不构成对系统/电子设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件。例如系统/电子设备还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
68.进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是系统/电子设备的控制中心，利用各种接口和线路连接整个系统/电子设备的各个部分。
69.存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现系统/电子设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
70.实施例五：
71.本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
72.系统/电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，randomaccess memory)以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
73.尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。