一种基于大数据的护理预测方法及装置

1.本发明涉及数据预测技术领域，尤其涉及一种基于大数据的护理预测方法及装置。


背景技术：

2.随着电子病历信息化的发展，海量的护理数据开始呈现爆炸式增长。护理大数据可以指所有与护理和生命健康相关的数据，例如：医院护理、社区护理或疾病防控所产生的数据。
3.当前在护理病患的过程中，主要依靠定时对患者的生命体征等指标数据进行监测，进而掌握病患的病情恢复情况，也有效防止病患出现病情恶化导致处置不及时的情况发生，但这种护理方法存在护理信息滞后，护理大数据利用不充分，病患护理效果欠佳的问题。


技术实现要素：

4.本发明的目的在于提供一种基于大数据的护理预测方法及装置，用于解决或者至少部分解决现有技术中存在的因护理信息滞后，护理大数据利用不充分而导致的病患护理效果欠佳的技术问题。
5.为了解决上述技术问题，本发明技术方案为：第一方面提供了一种基于大数据的护理预测方法，包括：获取当前病患的护理病名及护理指标监测数据，根据所述护理病名在预构建的历史护理大数据中提取护理指标曲线图集；获取预构建的护理指标集，在所述预构建的护理指标集中依次提取待匹配护理指标；根据所述待匹配护理指标在所述护理指标监测数据及所述护理指标曲线图集中分别提取初始待匹配指标数据及待匹配指标曲线图集；根据所述初始待匹配指标数据及预构建的指标波动范围在所述待匹配指标曲线图集中提取初始指标曲线图集；在所述护理指标监测数据中提取当前待匹配指标数据，根据所述当前待匹配指标数据计算在预设监测时段内的当前指标数据变化值；获取所述初始指标曲线图集中每条指标曲线在所述预设监测时段内的对照指标数据变化值，得到对照指标数据变化值集；计算所述当前指标数据变化值与所述对照指标数据变化值集中每个对照指标数据变化值的当前指标差值，得到当前指标差值集；根据所有待匹配护理指标的当前指标差值集及预构建的病理数据差异度公式计算所述护理指标曲线图集中所有护理指标曲线图与所述护理指标监测数据的最小差异度，其中所述病理数据差异度公式如下所示：
其中，表示最小差异度，i表示所述历史护理大数据中病患的序号，、以及分别表示所述当前病患与所述历史护理大数据中第1、2、n位病患的差异度，j表示所述预设监测时段的序号，表示第j段监测时段，m表示待匹配护理指标的序号，表示所述当前病患与第一位病患在第j个监测时段的第m个待匹配护理指标的当前指标差值；根据所述最小差异度在所述护理指标曲线图集中提取目标指标曲线图集，获取所述目标指标曲线图集的后期护理数据，根据所述后期护理数据预测所述当前病患的病情护理结果。
6.在一种实施方式中，所述根据所述初始待匹配指标数据及预构建的指标波动范围在所述待匹配指标曲线图集中提取初始指标曲线图集，包括：获取所述初始待匹配指标数据的护理监测时期；提取所述待匹配指标曲线图集中每条指标曲线在所述护理检测时期时的指标数据集；计算所述初始待匹配指标数据与所述指标数据集中每个指标数据的差值，得到差值集；在所述差值集中提取小于预构建的指标波动范围的目标差值集；提取所述目标差值集对应的初始指标曲线图集。
7.在一种实施方式中，所述根据所述当前待匹配指标数据计算在预设监测时段内的当前指标数据变化值，包括：根据所述当前待匹配指标数据绘制当前待匹配指标曲线；提取所述预设监测时段的监测初始时刻及监测终止时刻；根据所述监测初始时刻确定横向直线；根据所述检测终止时刻确定纵向直线；计算所述横向直线、纵向直线与所述当前待匹配指标曲线所围的面积，将所述所围的面积作为所述当前指标数据变化值。
8.在一种实施方式中，所述根据所述监测初始时刻确定横向直线，包括：提取所述当前待匹配指标曲线在所述监测初始时刻的初始指标数据点；根据所述当前待匹配指标曲线所处坐标系的横向坐标轴方向作经过所述初始指标数据点的直线，得到所述横向直线。
9.在一种实施方式中，所述根据所述检测终止时刻确定纵向直线，包括：提取所述当前待匹配指标曲线在所述监测终止时刻的终止指标数据点；根据所述当前待匹配指标曲线所处坐标系的纵向坐标轴方向作经过所述终止指标数据点的直线，得到所述纵向直线。
10.在一种实施方式中，所述计算所述横向直线、纵向直线与所述当前待匹配指标曲线所围的面积，包括：根据所述监测初始时刻及监测终止时刻计算监测积分区间；
根据预构建的积分公式，计算所述当前待匹配指标曲线在所述监测积分区间的微积分值，将所述微积分值作为所述横向直线、纵向直线与所述当前待匹配指标曲线所围的面积。
11.在一种实施方式中，所述获取所述目标指标曲线图集的后期护理数据，包括：根据护理指标在所述目标指标曲线图集中依次提取目标指标曲线；在所述目标指标曲线中提取所述监测终止时刻后的曲线数据，将所述监测终止时刻后的曲线数据作为所述后期护理数据。
12.基于同样的发明构思，本发明第二方面提供了一种基于大数据的护理预测装置，包括：监测数据获取模块，用于获取当前病患的护理病名及护理指标监测数据，根据所述护理病名在预构建的历史护理大数据中提取护理指标曲线图集；待匹配护理指标提取模块，用于获取预构建的护理指标集，在所述预构建的护理指标集中依次提取待匹配护理指标；初始待匹配指标数据提取模块，用于根据所述待匹配护理指标在所述护理指标监测数据及所述护理指标曲线图集中分别提取初始待匹配指标数据及待匹配指标曲线图集；初始指标曲线图集提取模块，用于根据所述初始待匹配指标数据及预构建的指标波动范围在所述待匹配指标曲线图集中提取初始指标曲线图集；当前指标数据变化值计算模块，用于在所述护理指标监测数据中提取当前待匹配指标数据，根据所述当前待匹配指标数据计算在预设监测时段内的当前指标数据变化值；对照指标数据变化值集获得模块，用于获取所述初始指标曲线图集中每条指标曲线在所述预设监测时段内的对照指标数据变化值，得到对照指标数据变化值集；当前指标差值集获得模块，用于计算所述当前指标数据变化值与所述对照指标数据变化值集中每个对照指标数据变化值的当前指标差值，得到当前指标差值集；最小差异度计算模块，用于根据所有待匹配护理指标的当前指标差值集及预构建的病理数据差异度公式计算所述护理指标曲线图集中所有护理指标曲线图与所述护理指标监测数据的最小差异度，其中所述病理数据差异度公式如下所示：其中，表示最小差异度，i表示所述历史护理大数据中病患的序号，、以及分别表示所述当前病患与所述历史护理大数据中第1、2、n位病患的差异度，j表示所述预设监测时段的序号，表示第j段监测时段，m表示待匹配护理指标的序号，表示所述当前病患与第一位病患在第j个监测时段的第m个待匹配护理指标的当前指标差值；护理预测模块，用于根据所述最小差异度在所述护理指标曲线图集中提取目标指标曲线图集，获取所述目标指标曲线图集的后期护理数据，根据所述后期护理数据预测所述当前病患的病情护理结果。
13.基于同样的发明构思，本发明第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被执行时实现第一方面所述的方法。
14.基于同样的发明构思，本发明第四方面提供了一种计算机设备，包括存储器、处理
器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。
15.相对于现有技术，本发明的优点和有益的技术效果如下：本发明提供的一种基于大数据的护理预测方法，先获取当前病患的护理病名及护理指标监测数据，再利用护理病名在预构建的历史护理大数据中提取与所述护理病名对应的护理指标曲线图集，通过逐一提取待匹配护理指标，进而实现在所述护理指标监测数据及所述护理指标曲线图集中分别提取初始待匹配指标数据及待匹配指标曲线图集的目标，在对比所述初始待匹配指标数据及待匹配指标曲线图集时，首先需要根据所述初始待匹配指标数据及预构建的指标波动范围在所述待匹配指标曲线图集中提取初始指标曲线图集，在对比所述初始待匹配指标数据及待匹配指标曲线图集的过程中，需根据所述当前待匹配指标数据计算在预设监测时段内的当前指标数据变化值，再获取所述初始指标曲线图集中每条指标曲线在所述预设监测时段内的对照指标数据变化值集，然后就可以计算所述当前指标数据变化值与所述对照指标数据变化值集中每个对照指标数据变化值的当前指标差值，得到当前指标差值集，最后根据所有待匹配护理指标的当前指标差值集及预构建的病理数据差异度公式计算所述护理指标曲线图集中所有护理指标曲线图与所述护理指标监测数据的最小差异度，根据述最小差异度在所述护理指标曲线图集中提取目标指标曲线图集，根据所述目标指标曲线图集的后期护理数据作为当前病患的预测结果。因此，本发明提出的基于大数据的护理预测方法，可以解决护理方法存在护理信息滞后，护理大数据利用不充分，病患护理效果欠佳的问题。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1是本发明实施提供的基于大数据的护理预测方法的流程图。
具体实施方式
18.本发明实施例提供了一种基于大数据的护理预测方法及装置，用以改善现有护理方法中存在的因护理信息滞后，护理大数据利用不充分而导致的病患护理效果欠佳的问题。
19.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.实施例一参照图1所示，为本发明一实施例提供的基于大数据的护理预测方法的流程示意图。在本实施例中，基于大数据的护理预测方法包括：s1：获取当前病患的护理病名及护理指标监测数据，根据所述护理病名在预构建
的历史护理大数据中提取护理指标曲线图集；s2：获取预构建的护理指标集，在所述预构建的护理指标集中依次提取待匹配护理指标；s3：根据所述待匹配护理指标在所述护理指标监测数据及所述护理指标曲线图集中分别提取初始待匹配指标数据及待匹配指标曲线图集；s4：根据所述初始待匹配指标数据及预构建的指标波动范围在所述待匹配指标曲线图集中提取初始指标曲线图集；s5：在所述护理指标监测数据中提取当前待匹配指标数据，根据所述当前待匹配指标数据计算在预设监测时段内的当前指标数据变化值；s6：获取所述初始指标曲线图集中每条指标曲线在所述预设监测时段内的对照指标数据变化值，得到对照指标数据变化值集；s7：计算所述当前指标数据变化值与所述对照指标数据变化值集中每个对照指标数据变化值的当前指标差值，得到当前指标差值集；s8：根据所有待匹配护理指标的当前指标差值集及预构建的病理数据差异度公式计算所述护理指标曲线图集中所有护理指标曲线图与所述护理指标监测数据的最小差异度，其中所述病理数据差异度公式如下所示：其中，表示最小差异度，i表示所述历史护理大数据中病患的序号，、以及分别表示所述当前病患与所述历史护理大数据中第1、2、n位病患的差异度，j表示所述预设监测时段的序号，表示第j段监测时段，m表示待匹配护理指标的序号，表示所述当前病患与第一位病患在第j个监测时段的第m个待匹配护理指标的当前指标差值；s9：根据所述最小差异度在所述护理指标曲线图集中提取目标指标曲线图集，获取所述目标指标曲线图集的后期护理数据，根据所述后期护理数据预测所述当前病患的病情护理结果。
21.可解释的，步骤s1中，护理病名是指接受护理的患者所患疾病的名称，例如：胃溃疡、皮肤烧伤等。护理指标监测数据指所述护理病名的监测数据，例如：当护理病名为胃溃疡时，护理指标监测数据可以为血清表皮生长因子（egf）、血管内皮生长因子（vegf）、肿瘤坏死因子-（tnf-）和超氧化物歧化酶（sod）等物质的含量数据。
22.进一步地，历史护理大数据指记录以往不同护理病名及不同病患的护理指标监测数据及图集。护理指标曲线图集指根据历史护理大数据中的护理指标监测数据绘制的曲线图集，所述曲线图集中的曲线可以以时间为横坐标，护理指标监测数据为纵坐标进行绘制。
23.在一种实施方式中，在步骤s1根据所述护理病名在预构建的历史护理大数据中提取护理指标曲线图集之前，方法还包括：根据所述护理病名对预存储的护理数据进行分类存储，得到病名分类护理数据；利用所述护理病名的护理指标集将所述病名分类护理数据进行分类，得到指标分类护理数据；根据所述指标分类护理数据绘制护理指标曲线图，得到所述护理指标曲线图集。
24.应明白的，护理指标曲线图集中应包括不同病患在同一护理病名及同一护理指标下的护理指标监测数据的曲线集合。
25.步骤s2中，护理指标集指每个护理病名对应的护理指标集合，例如：当所述护理病名为胃溃疡时，所述护理指标集可以为血清表皮生长因子（egf）含量指标、血管内皮生长因子（vegf）含量指标、肿瘤坏死因子-α（tnf-α）含量指标和超氧化物歧化酶（sod）含量指标。
26.步骤s3中，初始待匹配指标数据可以为病患结束手术开始进行护理时期的待匹配护理指标的含量数据。待匹配指标曲线图集指待匹配护理指标在护理指曲线图集中的曲线图集合。
27.步骤s4中，可理解的，指标波动范围指待匹配指标曲线图集中曲线图的开始检测时刻处的护理指标监测数据与初始待匹配指标数据的允许误差，一般同一护理病名不同病情的病患的护理指标监测数据有所不同，而差异越大的病患之间的可参考价值越小，因此可以先利用指标波动范围对待匹配指标曲线图集进行初次筛选，得到参考价值较大的病患数据。当待匹配护理指标为egf时，指标波动范围可以为10.00ng/l，此时当初始待匹配指标数据为120.00 ng/l时，则初始指标曲线图集的egf初始值应在110.00-130.00ng/l之间。
28.步骤s5中，可解释的，监测时段指监测当前病患的护理指标监测数据的间隔时段，例如：在1月1日1点对当前病患进行指标监测，在1月2日1点进行监测，则监测时段为24小时。当前指标数据变化值指当前病患的当前待匹配指标数据对应的曲线与平行于坐标轴的两条直线之间所围区域的面积。
29.步骤s6中，对照指标数据变化值集与当前指标数据变化值的计算方法同理，在此不再赘述，由于初始指标曲线图集中包含多人的指标数据曲线图，因此应为集合。
30.步骤s7中，当前指标差值指将当前指标数据变化值与对照指标数据变化作差，差值越小，表示两位病患的恢复情况越相似，参考价值越大。
31.步骤s8中，当前指标差值指将当前指标数据变化值与对照指标数据变化作差，差值越小，表示两位病患的恢复情况越相似，参考价值越大，因此当综合考虑各个护理指标时，将所有护理指标对应的差异度相加，得到两位病患的综合病情恢复速度评价值，当差异度之和越小，表示当前病患与历史病患的疾病恢复情况越近似，参考价值越大。
32.在一种实施方式中，所述根据所述初始待匹配指标数据及预构建的指标波动范围在所述待匹配指标曲线图集中提取初始指标曲线图集（步骤s4），包括：获取所述初始待匹配指标数据的护理监测时期；提取所述待匹配指标曲线图集中每条指标曲线在所述护理检测时期时的指标数据集；计算所述初始待匹配指标数据与所述指标数据集中每个指标数据的差值，得到差值集；在所述差值集中提取小于预构建的指标波动范围的目标差值集；提取所述目标差值集对应的初始指标曲线图集。
33.具体来说，护理监护时期指当前病患的护理时期。
34.在一种实施方式中，所述根据所述当前待匹配指标数据计算在预设监测时段内的当前指标数据变化值（步骤s5），包括：根据所述当前待匹配指标数据绘制当前待匹配指标曲线；
提取所述预设监测时段的监测初始时刻及监测终止时刻；根据所述监测初始时刻确定横向直线；根据所述检测终止时刻确定纵向直线；计算所述横向直线、纵向直线与所述当前待匹配指标曲线所围的面积，将所述所围的面积作为所述当前指标数据变化值。
35.其中，所述根据所述监测初始时刻确定横向直线，包括：提取所述当前待匹配指标曲线在所述监测初始时刻的初始指标数据点；根据所述当前待匹配指标曲线所处坐标系的横向坐标轴方向作经过所述初始指标数据点的直线，得到所述横向直线。
36.应理解的，监测初始时刻及监测终止时刻可以分别为1月1日1点及1月2日1点。
37.可解释的，根据所述检测终止时刻确定纵向直线，包括：提取所述当前待匹配指标曲线在所述监测终止时刻的终止指标数所述根据所述检测终止时刻确定纵向直线，包括：提取所述当前待匹配指标曲线在所述监测终止时刻的终止指标数据点；根据所述当前待匹配指标曲线所处坐标系的纵向坐标轴方向作经过所述终止指标数据点的直线，得到所述纵向直线。
38.具体地，计算横向直线、纵向直线与当前待匹配指标曲线所围的面积，包括：根据所述监测初始时刻及监测终止时刻计算监测积分区间；根据预构建的积分公式，计算所述当前待匹配指标曲线在所述监测积分区间的微积分值，将所述微积分值作为所述横向直线、纵向直线与所述当前待匹配指标曲线所围的面积。
39.具体实施过程中，预构建的积分公式，如下所示：其中，表示第j个监测时段的微积分值，表示监测初始时刻，表示监测终止时刻，表示所述当前待匹配指标曲线在初始指标数据点处的数值，（t）表示所述当前待匹配指标曲线在所述监测积分区间内第t时刻的数值。
40.可理解的，当前指标数据变化值用区域面积代替可以表示当前患者的当前待匹配指标的恢复情况，区域面积越大，表示恢复效果越好，区域面积越小，表示恢复速度越慢。
41.在一种实施方式中，所述获取所述目标指标曲线图集的后期护理数据，包括：根据护理指标在所述目标指标曲线图集中依次提取目标指标曲线；在所述目标指标曲线中提取所述监测终止时刻后的曲线数据，将所述监测终止时刻后的曲线数据作为所述后期护理数据。
42.其中，所述根据所述后期护理数据预测所述当前病患的病情护理结果，包括：判断所述后期护理数据中是否存在异常曲线数据；若所述后期护理数据中不存在异常曲线数据，则判断所述当前病患的病情护理结果为正常；若所述后期护理数据中存在异常曲线数据，则根据所述异常曲线数据判断病征表
征，得到病情护理结果。
43.具体来说，当得到病情护理结果后，应根据预测的情况进行护理，如预测的结果为恶化，应及时进行治疗，如预测结果为良好，则根据情况补充营养，加强锻炼，尽早恢复。
44.本发明公开的基于大数据的护理预测方法，首先获取当前病患的护理病名及护理指标监测数据，再利用护理病名在预构建的历史护理大数据中提取与护理病名对应的护理指标曲线图集，通过逐一提取待匹配护理指标，进而实现在护理指标监测数据及护理指标曲线图集中分别提取初始待匹配指标数据及待匹配指标曲线图集的目标；在对比初始待匹配指标数据及待匹配指标曲线图集时，首先需要根据初始待匹配指标数据及预构建的指标波动范围在待匹配指标曲线图集中提取初始指标曲线图集，在对比初始待匹配指标数据及待匹配指标曲线图集的过程中，需根据当前待匹配指标数据计算在预设监测时段内的当前指标数据变化值，再获取初始指标曲线图集中每条指标曲线在监测时段内的对照指标数据变化值集，然后就可以计算当前指标数据变化值与对照指标数据变化值集中每个对照指标数据变化值的当前指标差值，得到当前指标差值集；最后根据所有待匹配护理指标的当前指标差值集及预构建的病理数据差异度公式计算护理指标曲线图集中所有护理指标曲线图与护理指标监测数据的最小差异度，根据述最小差异度在护理指标曲线图集中提取目标指标曲线图集，根据目标指标曲线图集的后期护理数据作为当前病患的预测结果。从而可以对护理大数据进行充分利用，改善病患护理的。
45.实施例二基于同样的发明构思，本发明公开了一种基于大数据的护理预测装置，包括：监测数据获取模块，用于获取当前病患的护理病名及护理指标监测数据，根据所述护理病名在预构建的历史护理大数据中提取护理指标曲线图集；待匹配护理指标提取模块，用于获取预构建的护理指标集，在所述预构建的护理指标集中依次提取待匹配护理指标；初始待匹配指标数据提取模块，用于根据所述待匹配护理指标在所述护理指标监测数据及所述护理指标曲线图集中分别提取初始待匹配指标数据及待匹配指标曲线图集；初始指标曲线图集提取模块，用于根据所述初始待匹配指标数据及预构建的指标波动范围在所述待匹配指标曲线图集中提取初始指标曲线图集；当前指标数据变化值计算模块，用于在所述护理指标监测数据中提取当前待匹配指标数据，根据所述当前待匹配指标数据计算在预设监测时段内的当前指标数据变化值；对照指标数据变化值集获得模块，用于获取所述初始指标曲线图集中每条指标曲线在所述预设监测时段内的对照指标数据变化值，得到对照指标数据变化值集；当前指标差值集获得模块，用于计算所述当前指标数据变化值与所述对照指标数据变化值集中每个对照指标数据变化值的当前指标差值，得到当前指标差值集；最小差异度计算模块，用于根据所有待匹配护理指标的当前指标差值集及预构建的病理数据差异度公式计算所述护理指标曲线图集中所有护理指标曲线图与所述护理指标监测数据的最小差异度，其中所述病理数据差异度公式如下所示：
其中，表示最小差异度，i表示所述历史护理大数据中病患的序号，、以及分别表示所述当前病患与所述历史护理大数据中第1、2、n位病患的差异度，j表示所述预设监测时段的序号，表示第j段监测时段，m表示待匹配护理指标的序号，表示所述当前病患与第一位病患在第j个监测时段的第m个待匹配护理指标的当前指标差值；护理预测模块，用于根据所述最小差异度在所述护理指标曲线图集中提取目标指标曲线图集，获取所述目标指标曲线图集的后期护理数据，根据所述后期护理数据预测所述当前病患的病情护理结果。
46.由于本发明实施例二所介绍的装置为实施本发明实施例一中基于大数据的护理预测方法所采用的装置，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明实施例一中方法所采用的装置都属于本发明所欲保护的范围。
47.实施例三基于同一发明构思，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被执行时实现如实施例一中所述的方法。
48.由于本发明实施例三所介绍的计算机可读存储介质为实施本发明实施例一中基于大数据的护理预测方法所采用的计算机可读存储介质，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该计算机可读存储介质的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的计算机可读存储介质都属于本发明所欲保护的范围。
49.实施例四基于同一发明构思，本技术还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行上述程序时实现实施例一中的方法。
50.由于本发明实施例四所介绍的计算机设备为实施本发明实施例一中基于大数据的护理预测方法所采用的计算机设备，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该计算机设备的具体结构及变形，故而在此不再赘述。凡是本发明实施例一中方法所采用的计算机设备都属于本发明所欲保护的范围。
51.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
52.本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
53.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造
性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：
1.一种基于大数据的护理预测方法，其特征在于，包括：获取当前病患的护理病名及护理指标监测数据，根据所述护理病名在预构建的历史护理大数据中提取护理指标曲线图集；获取预构建的护理指标集，在所述预构建的护理指标集中依次提取待匹配护理指标；根据所述待匹配护理指标在所述护理指标监测数据及所述护理指标曲线图集中分别提取初始待匹配指标数据及待匹配指标曲线图集；根据所述初始待匹配指标数据及预构建的指标波动范围在所述待匹配指标曲线图集中提取初始指标曲线图集；在所述护理指标监测数据中提取当前待匹配指标数据，根据所述当前待匹配指标数据计算在预设监测时段内的当前指标数据变化值；获取所述初始指标曲线图集中每条指标曲线在所述预设监测时段内的对照指标数据变化值，得到对照指标数据变化值集；计算所述当前指标数据变化值与所述对照指标数据变化值集中每个对照指标数据变化值的当前指标差值，得到当前指标差值集；根据所有待匹配护理指标的当前指标差值集及预构建的病理数据差异度公式计算所述护理指标曲线图集中所有护理指标曲线图与所述护理指标监测数据的最小差异度，其中所述病理数据差异度公式如下所示：其中，表示最小差异度，i表示所述历史护理大数据中病患的序号，、以及分别表示所述当前病患与所述历史护理大数据中第1、2、n位病患的差异度，j表示所述预设监测时段的序号，表示第j段监测时段，m表示待匹配护理指标的序号，表示所述当前病患与第一位病患在第j个监测时段的第m个待匹配护理指标的当前指标差值；根据所述最小差异度在所述护理指标曲线图集中提取目标指标曲线图集，获取所述目标指标曲线图集的后期护理数据，根据所述后期护理数据预测所述当前病患的病情护理结果。2.如权利要求1所述的基于大数据的护理预测方法，其特征在于，所述根据所述初始待匹配指标数据及预构建的指标波动范围在所述待匹配指标曲线图集中提取初始指标曲线图集，包括：获取所述初始待匹配指标数据的护理监测时期；提取所述待匹配指标曲线图集中每条指标曲线在所述护理检测时期时的指标数据集；计算所述初始待匹配指标数据与所述指标数据集中每个指标数据的差值，得到差值集；在所述差值集中提取小于预构建的指标波动范围的目标差值集；提取所述目标差值集对应的初始指标曲线图集。3.如权利要求1所述的基于大数据的护理预测方法，其特征在于，所述根据所述当前待匹配指标数据计算在预设监测时段内的当前指标数据变化值，包括：
根据所述当前待匹配指标数据绘制当前待匹配指标曲线；提取所述预设监测时段的监测初始时刻及监测终止时刻；根据所述监测初始时刻确定横向直线；根据所述检测终止时刻确定纵向直线；计算所述横向直线、纵向直线与所述当前待匹配指标曲线所围的面积，将所述所围的面积作为所述当前指标数据变化值。4.如权利要求3所述的基于大数据的护理预测方法，其特征在于，所述根据所述监测初始时刻确定横向直线，包括：提取所述当前待匹配指标曲线在所述监测初始时刻的初始指标数据点；根据所述当前待匹配指标曲线所处坐标系的横向坐标轴方向作经过所述初始指标数据点的直线，得到所述横向直线。5.如权利要求3所述的基于大数据的护理预测方法，其特征在于，所述根据所述检测终止时刻确定纵向直线，包括：提取所述当前待匹配指标曲线在所述监测终止时刻的终止指标数据点；根据所述当前待匹配指标曲线所处坐标系的纵向坐标轴方向作经过所述终止指标数据点的直线，得到所述纵向直线。6.如权利要求1所述的基于大数据的护理预测方法，其特征在于，所述计算所述横向直线、纵向直线与所述当前待匹配指标曲线所围的面积，包括：根据所述监测初始时刻及监测终止时刻计算监测积分区间；根据预构建的积分公式，计算所述当前待匹配指标曲线在所述监测积分区间的微积分值，将所述微积分值作为所述横向直线、纵向直线与所述当前待匹配指标曲线所围的面积。7.如权利要求1所述的基于大数据的护理预测方法，其特征在于，所述获取所述目标指标曲线图集的后期护理数据，包括：根据护理指标在所述目标指标曲线图集中依次提取目标指标曲线；在所述目标指标曲线中提取所述监测终止时刻后的曲线数据，将所述监测终止时刻后的曲线数据作为所述后期护理数据。8.一种基于大数据的护理预测装置，其特征在于，包括：监测数据获取模块，用于获取当前病患的护理病名及护理指标监测数据，根据所述护理病名在预构建的历史护理大数据中提取护理指标曲线图集；待匹配护理指标提取模块，用于获取预构建的护理指标集，在所述预构建的护理指标集中依次提取待匹配护理指标；初始待匹配指标数据提取模块，用于根据所述待匹配护理指标在所述护理指标监测数据及所述护理指标曲线图集中分别提取初始待匹配指标数据及待匹配指标曲线图集；初始指标曲线图集提取模块，用于根据所述初始待匹配指标数据及预构建的指标波动范围在所述待匹配指标曲线图集中提取初始指标曲线图集；当前指标数据变化值计算模块，用于在所述护理指标监测数据中提取当前待匹配指标数据，根据所述当前待匹配指标数据计算在预设监测时段内的当前指标数据变化值；对照指标数据变化值集获得模块，用于获取所述初始指标曲线图集中每条指标曲线在所述预设监测时段内的对照指标数据变化值，得到对照指标数据变化值集；
当前指标差值集获得模块，用于计算所述当前指标数据变化值与所述对照指标数据变化值集中每个对照指标数据变化值的当前指标差值，得到当前指标差值集；最小差异度计算模块，用于根据所有待匹配护理指标的当前指标差值集及预构建的病理数据差异度公式计算所述护理指标曲线图集中所有护理指标曲线图与所述护理指标监测数据的最小差异度，其中所述病理数据差异度公式如下所示：其中，表示最小差异度，i表示所述历史护理大数据中病患的序号，、以及分别表示所述当前病患与所述历史护理大数据中第1、2、n位病患的差异度，j表示所述预设监测时段的序号，表示第j段监测时段，m表示待匹配护理指标的序号，表示所述当前病患与第一位病患在第j个监测时段的第m个待匹配护理指标的当前指标差值；护理预测模块，用于根据所述最小差异度在所述护理指标曲线图集中提取目标指标曲线图集，获取所述目标指标曲线图集的后期护理数据，根据所述后期护理数据预测所述当前病患的病情护理结果。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被执行时实现如权利要求1至7中任一项权利要求所述的方法。10.如权利要求1所述的基于大数据的护理预测方法，其特征在于，一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项权利要求所述的方法。

技术总结
本发明公开了一种基于大数据的护理预测方法及装置，其中的方法根据护理病名提取护理指标曲线图集，根据待匹配护理指标在护理指标监测数据及护理指标曲线图集中分别提取初始待匹配指标数据及待匹配指标曲线图集，根据指标波动范围提取初始指标曲线图集，根据当前待匹配指标数据计算当前指标数据变化值，获取对照指标数据变化值集，计算当前指标数据变化值与对照指标数据变化值的当前指标差值集，根据当前指标差值集计算护理指标曲线图与护理指标监测数据的最小差异度，根据最小差异度提取目标指标曲线图集，根据目标指标曲线图集预测当前病患的病情护理结果。本发明可以达到充分利用护理大数据，并改善病患护理的技术效果。并改善病患护理的技术效果。并改善病患护理的技术效果。


技术研发人员：李妍 王莹 谈宜斌
受保护的技术使用者：武汉大学中南医院
技术研发日：2023.06.14
技术公布日：2023/7/21