[发明专利]分布式患者记录匹配方法、系统以及终端

说明书

本发明的分布式患者记录匹配方法、系统以及终端，包括：对多个记录患者信息的数据集分别进行预处理；根据预定义的一或多个阻塞规则对预处理后的各数据集进行阻塞，以使每个数据集基于阻塞结果生成一或多个分布式子集；将各数据集中符合同一阻塞规则的分布式子集中的患者信息进行比较，并进行相似度计算；按匹配程度进行分类以获得分类结果；得到各数据集中患者信息的匹配结果。解决现有技术中用于匹配患者记录时，需要对整个数据集遍历才能完成匹配，使得工作的效率大大的降低的问题。本发明创新性提出一种通过预定义阻塞规则，通过分布式查询大大减少需对比的数据量，可以快速查完成记录链接任务，实现毫秒级的匹配性能。

技术领域

本发明涉及医疗技术领域，特别是涉及一种分布式患者记录匹配方法、系统以及终端。

背景技术

“记录链接”(Record Linkage,RL)是统计学家，流行病学家和历史学家等使用的术语，商业邮件和数据库应用程序将其称为“合并/清除处理”或“列表清洗”。计算机科学家通常将其称为“数据匹配”或“对象标识问题”。用于描述同一概念的其他名称包括：“共指/实体/身份/名称/记录分辨率”，“实体歧义消除/链接”，“模糊匹配”，“重复检测”，“重复数据删除”，“记录匹配”，术语的大量使用导致这些研究团体之间很少有交叉引用。

尽管“记录链接”有很多不同的名称，但它们要解决的技术问题都是类似的，即在数据集中查找跨越不同数据源(例如，数据文件，书籍，网站和数据库)引用同一实体的记录的任务。特别地，这里的“实体”等同于自然人。

不同的记录的格式，存储位置或不同的管理系统的差异或偏好导致记录看起来不同，但实际上所有的记录都指向一个具有自然生物属性的“人”。

记录链接的最初思想可以追溯到Halbert L.Dunn在1946年发表在《美国公共卫生杂志》上的题为“记录链接”的文章中。在1950年-1960年由Howard Borden Newcombe，IvanFellegi 与Alan Sunter等人正式建立了这一问题的理论体系。

记录链接问题在医疗行业，所要查找的唯一实体就是“患者”，通过计算机完成对不同的数据集内的患者记录数据进行匹配的任务。

计算机通常用于完成记录链接的主要原因是减少或消除了人工检查，并使结果更易于重现。计算机匹配的优点是可以对处理进行集中监控，更好的质量控制，速度，一致性和更好的结果可重复性。

但是，现有的计算机技术用于匹配患者记录时，面临的时间复杂度是O(n^2)，需要对整个数据集遍历才能完成匹配。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种分布式患者记录匹配方法、系统以及终端，用于解决现有技术中用于匹配患者记录时，面临的时间复杂度高，需要对整个数据集遍历才能完成匹配，浪费了大量的时间和精力，消耗成本高并且匹配速度慢，使得患者记录匹配工作的效率大大的降低的问题。

为实现上述目的及其他相关目的，本发明提供一种分布式患者记录匹配方法，包括：对多个记录患者信息的数据集分别进行预处理；根据预定义的一或多个阻塞规则对预处理后的各数据集进行阻塞，以使每个数据集基于阻塞结果生成一或多个分布式子集；将各数据集中符合同一阻塞规则的分布式子集中的患者信息进行比较，并进行相似度计算；根据相似度计算结果进行分类，并根据分类结果得到各数据集中患者信息的匹配结果。

于本发明的一实施例中，根据预定义的一或多个阻塞规则对预处理后的各数据集进行阻塞，以使每个数据集基于阻塞结果生成一或多个分布式子集的方式包括：对预处理后的各数据集根据预定义的与一个阻塞条件相关的单条件阻塞规则，以使每个数据集将符合所述单条件阻塞规则的患者信息生成一或多个分布式子集；或者，对预处理后的各数据集根据预定义的与多个阻塞条件相关的多条件阻塞规则，以使每个数据集将符合所述多条件阻塞规则的患者信息生成一或多个分布式子集。