一种骨质疏松骨折患者数据读取方法及系统与流程

1.本发明涉及管理数据处理技术领域，具体涉及一种骨质疏松骨折患者数据读取方法及系统。


背景技术：

2.骨质疏松骨折患者因骨骼脆性高，骨质疏松性骨折愈合周期长，骨质疏松骨折患者数据量大，使得骨质疏松骨折患者的病历数据读取的管理效率无法保证，电子病历系统的推广，为骨质疏松骨折患者病历数据管理提供了新的思路，但是，不可避免的，存在骨质疏松骨折患者数据调用读取所得数据冗余度高，无法针对性的解决病历数据管理效率低的问题。
3.现有技术中存在医疗用户数据读取的管理效率低，导致难以高效对骨质疏松骨折患者进行针对性就诊追踪的技术问题。


技术实现要素：

4.本技术通过提供了一种骨质疏松骨折患者数据读取方法及系统，解决了医疗用户数据读取的管理效率低，导致难以高效对骨质疏松骨折患者进行针对性就诊追踪的技术问题，达到了利用双重参数定位用户，提升医疗数据读取效率，实现精准、高效对患者进行定位追踪的技术效果。
5.鉴于上述问题，本技术提供了一种骨质疏松骨折患者数据读取方法及系统。
6.本技术的第一个方面，提供了一种骨质疏松骨折患者数据读取方法，其中，所述方法应用于医疗信息化管理系统，所述系统与用户病历管理终端、云处理器通信连接，所述方法包括：连接所述用户病历管理终端对用户信息进行分析，获取读取关键字集合；以所述读取关键字集合进行数据采集，构建骨质数据库；将所述骨质数据库作为初步用户线索集合存储至所述云处理器中，其中，所述云处理器中包括周期定时采集模型；根据所述云处理器中的所述周期定时采集模型进行定时采集，输出骨质数据分布库；获取筛选参数矩阵，其中，所述筛选参数矩阵为标识高危用户的管理筛选参数和/或医学参数形成的矩阵；根据将所述筛选参数矩阵输入高危人群识别模型，根据所述高危人群识别模型中嵌入的所述骨质数据分布库中进行用户定位，获取定位用户集合；将所述定位用户集合进行标识，生成高危人群清单，以所述高危人群清单进行追踪管理。
7.本技术的第二个方面，提供了一种骨质疏松骨折患者数据读取系统，其中，所述系统包括：数据分析单元，所述数据分析单元用于连接用户病历管理终端对用户信息进行分析，获取读取关键字集合；数据采集单元，所述数据采集单元用于以所述读取关键字集合进行数据采集，构建骨质数据库；数据存储单元，所述数据存储单元用于将所述骨质数据库作为初步用户线索集合存储至云处理器中，其中，所述云处理器中包括周期定时采集模型；定时采集单元，所述定时采集单元用于根据所述云处理器中的所述周期定时采集模型进行定时采集，输出骨质数据分布库；参数筛选单元，所述参数筛选单元用于获取筛选参数矩阵，
其中，所述筛选参数矩阵为标识高危用户的管理筛选参数和/或医学参数形成的矩阵；用户定位单元，所述用户定位单元用于根据将所述筛选参数矩阵输入高危人群识别模型，根据所述高危人群识别模型中嵌入的所述骨质数据分布库中进行用户定位，获取定位用户集合；追踪管理单元，所述追踪管理单元用于将所述定位用户集合进行标识，生成高危人群清单，以所述高危人群清单进行追踪管理。
8.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：由于采用了连接用户病历管理终端对用户信息进行分析，获取读取关键字集合；以读取关键字集合进行数据采集，构建骨质数据库；将骨质数据库作为初步用户线索集合存储至云处理器中；根据云处理器中的周期定时采集模型进行定时采集，输出骨质数据分布库；获取筛选参数矩阵；根据将筛选参数矩阵输入高危人群识别模型，根据高危人群识别模型中嵌入的骨质数据分布库中进行用户定位，获取定位用户集合；将定位用户集合进行标识，生成高危人群清单，以高危人群清单进行追踪管理。本技术实施例达到了利用双重参数定位用户，提升医疗数据读取效率，实现精准、高效对患者进行定位追踪的技术效果。
附图说明
9.图1为本技术一种骨质疏松骨折患者数据读取方法的流程示意图；图2为本技术一种骨质疏松骨折患者数据读取方法的获取定位用户集合的流程示意图；图3为本技术一种骨质疏松骨折患者数据读取方法的获取筛选参数矩阵的流程示意图；图4为本技术一种骨质疏松骨折患者数据读取系统的结构示意图。
10.附图标记说明：数据分析单元11，数据采集单元12，数据存储单元13，定时采集单元14，参数筛选单元15，用户定位单元16，追踪管理单元17。
具体实施方式
11.本技术通过提供了一种骨质疏松骨折患者数据读取方法及系统，解决了医疗用户数据读取的管理效率低，导致难以高效对骨质疏松骨折患者进行针对性就诊追踪的技术问题，达到了利用双重参数定位用户，提升医疗数据读取效率，实现精准、高效对患者进行定位追踪的技术效果。
12.实施例一如图1所示，本技术提供了一种骨质疏松骨折患者数据读取方法，其中，所述方法应用于医疗信息化管理系统，所述系统与用户病历管理终端、云处理器通信连接，所述方法包括：步骤s100：连接所述用户病历管理终端对用户信息进行分析，获取读取关键字集合；步骤s200：以所述读取关键字集合进行数据采集，构建骨质数据库；具体而言，所述用户病历管理终端为一信息发送终端，用于记录并发送用户端的数据信息，所述数据管理终端内嵌一数据标记检索引擎，可以对用户端记录的数据信息进行检索并读取，对检索并读取的信息进行关键字突出显示标记，所述关键字突出显示标记
对应的突出显示方式包括加粗、添加下横线等其他突出显示方式，所述关键字突出显示标记对应的关键字包括但不限于骨密度、骨骼脆性、骨小梁、骨皮质和骨松质，对应的，所述读取关键字集合的元素可以是用户骨密度信息、用户骨骼脆性信息、用户骨小梁信息、用户骨皮质信息和用户骨松质信息，利用关键字进行突出显示标记为验证优选所得，通过自定义设定关键字，为保证用户信息的分析效率提取提供技术支持。
13.具体而言，以所述读取关键字集合中的元素为标记信息，依次在所述医疗信息化管理系统的存储单元中进行数据采集，具体的，以所述读取关键字集合中的用户骨折信息为标记信号，在所述医疗信息化管理系统的存储单元中进行突出标记，在完成突出标记后，再以用户骨骼脆性信息为标记信号，在所述医疗信息化管理系统的存储单元中进行突出标记，在所述读取关键字集合中的各个元素均完成标记后，进行数据采集，采集突出标记结果中突出标记类型不低于所述读取关键字集合的元素类型一半的对象（奇数向上取整），简单来说就是，若所述读取关键字集合的元素为5个，对应的，所述读取关键字集合的数据采集对象对应的突出标记结果中突出标记类型不低于3个，所述数据采集对象可以是与用户骨骼脆性信息、用户骨小梁信息和用户骨皮质信息存在突出标记的对象，具体结合突出标记结果进行说明，所述对象为通过所述医疗信息化管理系统进行医疗信息管理记录的用户，采集提取所述医疗信息化管理系统的存储单元中不低于所述读取关键字集合的元素类型一半的对象的骨质数据，以所述采集提取所得的骨质数据为基础，构建骨质数据库，为保证所述骨质数据库中数据信息的完整性提供技术支持。
14.步骤s300：将所述骨质数据库作为初步用户线索集合存储至所述云处理器中，其中，所述云处理器中包括周期定时采集模型；步骤s400：根据所述云处理器中的所述周期定时采集模型进行定时采集，输出骨质数据分布库；具体而言，通过所述云处理器与医疗信息化管理系统的通信连接，将所述骨质数据库作为初步用户线索集合存储至所述云处理器中，其中，所述云处理器中包括周期定时采集模型，所述初步用户线索集合的元素为所述数据采集对象的对象线索信息，所述对象线索信息包括对象年龄信息、对象性别信息、对象身高信息、对象体重信息等其他基础信息，通过所述用户信息中的用户基础信息，结合所述初步用户线索集合，可以对所述对象进一步筛选，可以将结合预设基础信息限制，对所述对象线索信息进行筛选，所述预设基础信息限制通过骨质疏松骨折患者数据读取系统相关管理用户进行自定义设定，所述预设基础信息限制可以包括但不限于所述对象与用户的年龄差距阈值、身高差距阈值、体重差距阈值，基于所述预设基础信息限制，对所述骨质数据库进行用户筛选，确定初步用户线索集合，所述周期定时采集模型内部设定所述预设基础信息限制与预设采集频率，将所述骨质数据库作为初步用户线索集合存储至所述云处理器中的周期定时采集模型的输入端，进行数据定时采集与筛选，为进行数据处理提供模型基础，通过对所述骨质数据库进行筛选，提高了用户信息与筛选所得数据信息的适配度，所述云处理器中包括周期定时采集模型，通过云处理器，能有效保证骨质疏松骨折患者数据读取系统的数据处理的效率。
15.具体而言，根据所述云处理器中的所述周期定时采集模型内部设定预设采集频率，进行定时采集，将采集所述数据信息进行同步整合，输出骨质数据分布库，所述骨质数据分布库为所述周期定时采集模型的输出，所述周期定时采集模型的模型基础为一数据筛
选模型，所述数据筛选模型通过所述预设基础信息限制与预设采集频率进行筛选，筛选参数为多次验证优选所得，所述骨质数据分布库的数据分布情况与所述预设采集频率对应，进行定时采集，获取骨质数据分布库，为后续进行数据分析提供数据支持。
16.步骤s500：获取筛选参数矩阵，其中，所述筛选参数矩阵为标识高危用户的管理筛选参数和/或医学参数形成的矩阵；具体而言，设置医学参数数据集，所述医学参数数据集的元素包括但不限于腰椎骨折医学参数、髋部骨折医学参数、肱骨近端骨折医学参数、桡骨远端骨折医学参数，所述管理筛选参数即用户的行动限制管理参数，所述管理筛选参数的元素包括但不限于轮椅辅助行动的用户参数、双拐辅助行动的用户参数、单拐辅助行动的用户参数、固定辅助行动的用户参数（通过石膏、绑带进行固定），所述标识高危用户为确诊为骨质疏松骨折患者的用户，所述筛选参数矩阵为标识高危用户的管理筛选参数和/或医学参数形成的矩阵，基于参数指标类型，进行数据指标映射，获取筛选参数矩阵，通过所述筛选参数矩阵为后续进行数据处理提供基础，通过建立矩阵进行数据筛选，为多维度进行数据筛选提供支持。
17.步骤s600：根据将所述筛选参数矩阵输入高危人群识别模型，根据所述高危人群识别模型中嵌入的所述骨质数据分布库中进行用户定位，获取定位用户集合；进一步的，如图2所示，本技术实施例还包括：步骤s610：连接所述用户病历管理终端，采集用户骨折数据样本集合；步骤s620：通过对所述骨折数据样本集合进行骨折数据标准化处理，根据标准化处理后的样本集合进行高危人群骨折特征数据标注，输出标注骨折数据；步骤s630：根据所述标注骨折数据，生成训练数据集合；步骤s640：以所述训练数据集合作为参照标注进行高危人群识别模型训练，搭建所述高危人群识别模型；步骤s650：将所述筛选参数矩阵输入所述高危人群识别模型，获取所述定位用户集合。
18.具体而言，将所述高危人群识别模型为一数据标识匹配模型，通过所述筛选参数矩阵，确定所述高危人群识别模型的筛选逻辑，所述高危人群识别模型的筛选维度与所述筛选参数矩阵存在一致性，所述筛选参数矩阵中包括多组筛选参数的筛选参数上限与筛选参数下限，将所述筛选参数矩阵输入高危人群识别模型，提取所述筛选参数矩阵中多组筛选参数的筛选参数上限与筛选参数下限，根据所述高危人群识别模型中嵌入的所述骨质数据分布库中进行用户定位，获取定位用户集合，为保证实现用户精准定位筛选提供支持。
19.进一步具体说明，通过医疗信息化管理系统与用户病历管理终端的通信连接，对于用户病历管理终端的其他病症类型忽略后，进行数据筛选提取采集，采集获取用户骨折数据样本集合，所述数据提取采集所得数据为用户出现骨折相关病历记录的数据信息，所述用户骨折数据样本集合的元素即各个用户骨折数据，所述骨折数据标准化处理即通过骨折数据类型进行标准化处理，对所述骨折数据样本集合进行骨折数据标准化处理，所述标准化处理后的样本集合即统一的骨折数据标准，根据标准化处理后的样本集合进行高危人群骨折特征数据标注，获取骨折特征数据标注结果，将骨折特征数据标注结果设定为标注骨折数据，从用户病历管理终端中进行数据输出，输出至医疗信息化管理系统中，以bp反向传播模型为模型基础，以所述标注骨折数据为训练数据集合，将所述训练数据集合中的元
素依次输入至所述bp反向传播模型中，进行训练，在所述高危人群识别模型的精准度满足预设识别精度后，搭建所述高危人群识别模型，所述预设识别精度为一预设参数指标；将所述筛选参数矩阵输入所述高危人群识别模型，进行用户识别定位高危人群，获取所述定位用户集合，通过搭建所述高危人群识别模型，为保证高危人群的识别定位精度提供支持。
20.进一步的，如图3所示，本技术实施例还包括：步骤s651：获取预设高危指标；步骤s652：根据所述预设高危指标，对所述管理筛选参数和所述医学参数进行参数组合分析，确定矩阵分布占比，其中，所述矩阵分布占比为所述筛选参数矩阵中管理筛选参数与医学参数的占比；步骤s653：以所述矩阵分布占比，确定管理筛选参数数量和医学参数数量；步骤s654：基于所述管理筛选参数数量和所述医学参数数量，获取所述筛选参数矩阵。
21.具体而言，所述预设高危指标可以包括但不限于腰椎骨折医学参数、轮椅辅助行动的用户参数，预设高危指标可以结合用户的自由活动限制程度进行自定义设定，通过所述骨质疏松骨折患者数据读取系统相关管理人员自定义设定预设高危指标，获取预设高危指标，根据所述预设高危指标，对所述管理筛选参数和所述医学参数进行参数组合分析，所述组合分析简单来说就是在筛选参数矩阵中分别确定管理筛选参数的占比与医学参数的占比，组合管理筛选参数的占比与医学参数的占比，获取矩阵分布占比，以所述矩阵分布占比，进行指标反向检索，确定管理筛选参数数量和医学参数数量，所述管理筛选参数数量和医学参数数量与组合管理筛选参数的占比与医学参数的占比存在一致性；基于所述管理筛选参数数量和所述医学参数数量，获取所述筛选参数矩阵，为保证所述筛选参数矩阵中的指标精度提供支持，保证筛选参数矩阵的完整度。
22.进一步的，本技术实施例还包括：步骤s654-1：连接用户病历管理终端，对用户病历信息进行管理项提取，生成管理参数筛选库；步骤s654-2：通过对用户病历信息中的医学区进行提取和关键字识别，获取医学关键字识别结果；步骤s654-3：按照所述医学关键字识别结果，生成医学参数筛选库；步骤s654-4：根据所述管理参数筛选库和所述医学参数筛选库，获取所述筛选参数矩阵。
23.具体而言，通过医疗信息化管理系统与用户病历管理终端的通信连接，对用户病历信息进行管理项提取，所述用户病历信息进行管理项包括但不限于用户病历医嘱用药管理信息、用户病历隐私管理信息，所述用户病历医嘱用药管理信息主要针对过敏性药品成分用药管理，常见的，可以是强酸、强碱、和某些刺激性较强成分，所述用户病历隐私管理信息包括但不限于用户身份证信息、用户居住地信息，获取所述用户病历信息的管理项，通过所述用户病历信息的管理项，生成管理参数筛选库；所述医学区可以是所述用户病历信息中的检测报告、诊断结果等相关医学范畴，对用户病历信息中的医学区进行提取和关键字识别，获取医学关键字识别结果，所述医学关键字识别结果即所述用户病历信息中的医学区进行突出显示标记结果，以医学关键字识别结果为标记检索信息，在所述骨质数据库中
进行检索提取，生成医学参数筛选库；对所述管理参数筛选库和所述医学参数筛选库，进行参数组合分析，获取所述筛选参数矩阵，通过管理参数筛选库和医学参数筛选库，为保证所述管理筛选参数数量和所述医学参数数量的稳定性提供基础支持。
24.步骤s700：将所述定位用户集合进行标识，生成高危人群清单，以所述高危人群清单进行追踪管理。
25.进一步的，以所述高危人群清单进行追踪管理，所述步骤s700还包括：步骤s710：通过对所述高危人群清单进行用户就诊追踪，获取复诊数据库；步骤s720：根据所述复诊数据库和所述骨质数据库，进行高危人群二次标识，输出二次高危人群清单；步骤s730：以所述二次高危人群清单，生成管理分区，根据所述管理分区进行用户分区管理。
26.具体而言，对所述定位用户集合进行标识，重复上述操作，逐个对所述骨质疏松骨折患者数据读取系统的各个骨质疏松骨折患者进行标识，在完成数据标识后，生成高危人群清单，以所述高危人群清单进行追踪管理，所述追踪管理包括复诊提醒管理、用药疗程追踪管理，为提高骨质疏松骨折患者数据读取管理效率提供支持。
27.进一步具体说明，可以通过用户的挂号就诊记录，进行就诊追踪，获取进行就诊状态记录，基于所述高危人群清单，逐个对各个骨质疏松骨折患者进行就诊追踪，获取复诊数据库，根据所述复诊数据库和所述骨质数据库，对各个骨质疏松骨折患者进行复诊次数标记，所述高危人群二次标识即复诊频次标记信号，简单说明不考虑骨质疏松骨折患者不遵从医嘱进行就诊的情况，低频少次的骨质疏松骨折患者对应的恢复周期短，一般轻症的骨质疏松骨折患者需要进行钙元素等微量元素的摄入补充即可，高频多次的骨质疏松骨折患者对应的恢复周期长，一般重症的骨质疏松骨折患者需要住院，高频多次进行复诊，根据所述复诊数据库和所述骨质数据库，基于高危人群二次标识，输出二次高危人群清单，所述二次高危人群清单为高危人群二次标识的标识结果；以所述二次高危人群清单，生成管理分区，对骨质疏松骨折患者进行管理分区，为提高骨质疏松骨折患者管理效率提供技术支持。
28.进一步的，本技术实施例包括：步骤s731：根据所述二次高危人群清单与所述高危人群清单进行识别，输出次高危人群清单；步骤s732：解除所述次高危人群清单的高危人群标识信息，并将所述次高危人群清单中的用户存储至次管理分区中进行管理。
29.具体而言，为保证方案的完整度，在完成高危人群清单的追踪后，需要对所述次高危人群清单进行追踪管理，所述次高危人群清单为所述高危人群清单的次状态，通过比对所述二次高危人群清单与所述高危人群清单，输出次高危人群清单，在完成高危人群清单的追踪后，需要解除所述次高危人群清单的高危人群标识信息，将所述次高危人群清单中的用户存储至次管理分区中进行追踪管理，通过进行清单更新，为保障追踪管理人群清单的迭代提供支持。
30.进一步的，本技术实施例包括：步骤s810：根据所述高危人群清单进行用户就诊追踪，获取关联就诊数据库，其中，所述关联就诊数据库为用户在除骨质科室外其他科室的就诊信息；
步骤s820：根据所述关联就诊数据库，获取关联参数矩阵，其中，所述关联参数矩阵为基于关联科室的就诊信息形成管理筛选参数和/或医学类参数形成的矩阵；步骤s830：以所述关联参数矩阵对所述筛选参数矩阵进行矩阵更新。
31.具体而言，为保证所述筛选参数矩阵的完整性，通过确定所述关联就诊数据库，所述关联就诊数据为所述骨质疏松骨折患者的并发症就诊数据，常见的，所述并发症就诊数据包括但不限于痰液积聚（骨折患者长时间卧床导致）就诊数据、坠积性肺炎（骨折患者长时间卧床导致）就诊数据、组织缺血坏死（骨折患者长时间卧床导致）就诊数据，定位所述高危人群清单限定的用户，进行用户就诊追踪，获取关联就诊数据库，所述关联就诊数据库为用户在除骨质科室外的其他科室的就诊信息，所述其他科室的就诊信息即所述并发症就诊数据，根据所述关联就诊数据库，结合关联参数落类型，确定关联参数矩阵的行与列，所述关联参数矩阵为基于关联科室的就诊信息形成管理筛选参数和/或医学类参数形成的矩阵，以所述关联参数矩阵对所述筛选参数矩阵进行矩阵补充更新，所述关联参数矩阵对所述筛选参数矩阵的更新为矩阵合并更新，通过进行矩阵行列合并，实现矩阵补充更新，为保证筛选参数矩阵的完整性，提高骨质疏松骨折患者数据读取精度提供技术支持。
32.综上所述，本技术所提供的一种骨质疏松骨折患者数据读取方法及系统具有如下技术效果：由于采用了连接用户病历管理终端对用户信息进行分析，获取读取关键字集合，进行数据采集，构建骨质数据库；将骨质数据库作为初步用户线索集合存储至云处理器中；根据周期定时采集模型进行定时采集，输出骨质数据分布库；获取筛选参数矩阵；根据将筛选参数矩阵输入高危人群识别模型，根据骨质数据分布库中进行用户定位，获取定位用户集合；将定位用户集合进行标识，生成高危人群清单，进行追踪管理。本技术通过提供了一种骨质疏松骨折患者数据读取方法及系统达到了利用双重参数定位用户，提升医疗数据读取效率，实现精准、高效对患者进行定位追踪的技术效果。
33.由于采用了通过对高危人群清单进行用户就诊追踪，获取复诊数据库；结合骨质数据库，进行高危人群二次标识，输出二次高危人群清单，生成管理分区，根据管理分区进行用户分区管理，为提高骨质疏松骨折患者管理效率提供技术支持。
34.由于采用了根据二次高危人群清单与高危人群清单进行识别，输出次高危人群清单；解除次高危人群清单的高危人群标识信息，并将次高危人群清单中的用户存储至次管理分区中进行管理。通过进行清单更新，为保障追踪管理人群清单的迭代提供支持。
35.实施例二基于与前述实施例中一种骨质疏松骨折患者数据读取方法相同的发明构思，如图4所示，本技术提供了一种骨质疏松骨折患者数据读取系统，其中，所述系统包括：数据分析单元11，所述数据分析单元11用于连接用户病历管理终端对用户信息进行分析，获取读取关键字集合；数据采集单元12，所述数据采集单元12用于以所述读取关键字集合进行数据采集，构建骨质数据库；数据存储单元13，所述数据存储单元13用于将所述骨质数据库作为初步用户线索集合存储至云处理器中，其中，所述云处理器中包括周期定时采集模型；定时采集单元14，所述定时采集单元14用于根据所述云处理器中的所述周期定时
采集模型进行定时采集，输出骨质数据分布库；参数筛选单元15，所述参数筛选单元15用于获取筛选参数矩阵，其中，所述筛选参数矩阵为标识高危用户的管理筛选参数和/或医学参数形成的矩阵；用户定位单元16，所述用户定位单元16用于根据将所述筛选参数矩阵输入高危人群识别模型，根据所述高危人群识别模型中嵌入的所述骨质数据分布库中进行用户定位，获取定位用户集合；追踪管理单元17，所述追踪管理单元17用于将所述定位用户集合进行标识，生成高危人群清单，以所述高危人群清单进行追踪管理。
36.进一步的，所述系统包括：就诊追踪单元，所述就诊追踪单元用于根据所述高危人群清单进行用户就诊追踪，获取关联就诊数据库，其中，所述关联就诊数据库为用户在除骨质科室外其他科室的就诊信息；关联参数获取单元，所述关联参数获取单元用于根据所述关联就诊数据库，获取关联参数矩阵，其中，所述关联参数矩阵为基于关联科室的就诊信息形成管理筛选参数和/或医学类参数形成的矩阵；矩阵更新单元，所述矩阵更新单元用于以所述关联参数矩阵对所述筛选参数矩阵进行矩阵更新。
37.进一步的，所述系统包括：复诊数据库获取单元，所述复诊数据库获取单元用于通过对所述高危人群清单进行用户就诊追踪，获取复诊数据库；二次标识单元，所述二次标识单元用于根据所述复诊数据库和所述骨质数据库，进行高危人群二次标识，输出二次高危人群清单；管理分区单元，所述管理分区单元用于以所述二次高危人群清单，生成管理分区，根据所述管理分区进行用户分区管理。
38.进一步的，所述系统包括：清单识别单元，所述清单识别单元用于根据所述二次高危人群清单与所述高危人群清单进行识别，输出次高危人群清单；清单识别解除单元，所述清单识别解除单元用于解除所述次高危人群清单的高危人群标识信息，并将所述次高危人群清单中的用户存储至次管理分区中进行管理。
39.进一步的，所述系统包括：数据样本采集单元，所述数据样本采集单元用于连接所述用户病历管理终端，采集用户骨折数据样本集合；标准化处理单元，所述标准化处理单元用于通过对所述骨折数据样本集合进行骨折数据标准化处理，根据标准化处理后的样本集合进行高危人群骨折特征数据标注，输出标注骨折数据；训练数据生成单元，所述训练数据生成单元用于根据所述标注骨折数据，生成训练数据集合；高危人群识别单元，所述高危人群识别单元用于以所述训练数据集合作为参照标注进行高危人群识别模型训练，搭建所述高危人群识别模型；
用户定位单元，所述用户定位单元用于将所述筛选参数矩阵输入所述高危人群识别模型，获取所述定位用户集合。
40.进一步的，所述系统包括：预设高危指标获取单元，所述预设高危指标获取单元用于获取预设高危指标；管理筛选单元，所述管理筛选单元用于根据所述预设高危指标，对所述管理筛选参数和所述医学参数进行参数组合分析，确定矩阵分布占比，其中，所述矩阵分布占比为所述筛选参数矩阵中管理筛选参数与医学参数的占比；参数数量确定单元，所述参数数量确定单元用于以所述矩阵分布占比，确定管理筛选参数数量和医学参数数量；筛选参数矩阵构建单元，所述筛选参数矩阵构建单元用于基于所述管理筛选参数数量和所述医学参数数量，获取所述筛选参数矩阵。
41.进一步的，所述系统包括：管理项提取单元，所述管理项提取单元用于连接用户病历管理终端，对用户病历信息进行管理项提取，生成管理参数筛选库；关键字识别结果获取单元，所述关键字识别结果获取单元用于通过对用户病历信息中的医学区进行提取和关键字识别，获取医学关键字识别结果；筛选库生产单元，所述筛选库生产单元用于按照所述医学关键字识别结果，生成医学参数筛选库；筛选参数矩阵获取单元，所述筛选参数矩阵获取单元用于根据所述管理参数筛选库和所述医学参数筛选库，获取所述筛选参数矩阵。
42.本说明书和附图仅仅是本技术的示例性说明，在不脱离本技术的精神和范围的情况下，可对其进行各种修改和组合。本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。