[发明专利]自动化MELD评分方法、终端及存储介质

说明书

本申请涉及大数据处理技术领域，具体涉及自动化MELD评分方法、终端及存储介质。本申请方法包括以下步骤：从医院信息系统、电子病历系统以及实验室检查信息系统获取人口信息、临床诊断数据以及检验数据；对人口信息进行预处理得到患者索引编号信息；对临床诊断数据进行结构化分析获取肝病病因；从检验数据筛选出血清总胆红素、血肌酐、国际标准化比值数据；汇总患者索引编号信息、临床诊断数据以及检验数据；根据MELD评分规则对汇总数据进行计算得到每个患者的MELD评分结果。本方法将分散在不同数据库的数据进行规整统一，提供完善而准确无误的MELD评分数据，构建自动化计算模型进行MELD评分，获取精准地评分结果，既能提高工作效率又可以提高评估的准确性。

技术领域

本申请涉及大数据处理技术领域，具体涉及自动化MELD评分方法、终端及存储介质。

背景技术

世界卫生组织(World Health Organization,WHO)2017年的报告显示全球范围内估计有3.4亿病毒性肝炎感染。另有调查显示普通人群中约有25％患有非酒精性脂肪性肝病，约有4.5％～9.5％患有肝硬化。终末期肝病是慢性肝病的主要死因，是各种慢性肝脏损害所致的肝病晚期阶段。每年约有77万人死于肝硬化疾病，对人民健康和生命造成严重威胁。

终末期肝病模型(Model for End-Stage Liver Disease,MELD)评分是以血清总胆红素、国际标准化比值(INR)、肌酐结合肝硬化病因来评价慢性肝病患者肝功能储备及预后的评分系统，由Malinchoc等人于2000年首先提出，最初称为“Mayo TIPS模型”，用于预测终末期肝病行经颈静脉肝内门-体分流术后患者的死亡率。后为计算方便，Kamath等对评分进行改良，形成现今使用的MELD评分，其计算公式为：MELD评分＝3.8×ln[胆红素(mg/dL)]+11.2×ln(INR)+9.6×ln[肌酐(mg/dL)]+6.4×(病因：胆汁性或酒精性为0，其他为1)。MELD评分的分值越高，其风险越大，生存率越低。MELD评分主要用于≥12岁的患者，对终末期肝病患者在经颈静脉肝内门-体分流术后患者的死亡率中具有良好预测能力，可用于评估移植前患者等该供肝期间的死亡率及肝移植术后的死亡率，还可用于预测非肝移植患者肝病死亡率，具有重要的临床使用价值。2002年开始，美国器官分配网络(The UnitedNetwork for Organ Sharing,UNOS)正式将MELD评分作为确定肝移植器官分配优先权的标准。

目前临床医生在使用MELD评分时是通过翻阅三项血清学指标的检验值，对三个数值取对数并乘以相应系数后联合病因评分进行相加计算，过程较为繁琐，人工计算需要消耗一定的时间且过程可能出现失误，增加了临床医务工作者的负担。同时，MELD评分需要人口信息、诊断、检验等数据的支持。但这些数据通常分散在医院信息系统HIS、电子病历系统EMR、实验室检查信息系统LIS等各医院信息系统。由于这些系统所使用的数据库类型不一致，系统间数据标准不一致，导致现有技术中，这些数据没办法统一融合。现有技术的MELD评分工具是由医生手工进行输入，后台再根据规则进行判断，无法实现自动化提取所需数据。随着大数据时代激发的新技术进步和多学科交叉融合，使MELD评分自动化评分的实现成为可能。

因此，如何依托自主研发建立的肝病和肝癌大数据平台，构建MELD评分自动化评分模型，以服务于临床诊疗工作，提高诊疗效率，是目前亟需解决的问题。

发明内容

本发明的目的之一在于提供自动化MELD评分方法、终端及存储介质，技术方案抽取不同系统中的数据进行规整和统一，筛选出关键指标信息，根据预先设置的规则，对患者进行MELD评分，既能提高工作效率又可以提高评估的准确性。

为了解决上述技术问题，本发明提供了自动化MELD评分方法，包括以下步骤：

从医院信息系统、电子病历系统以及实验室检查信息系统获取分析数据；所述分析数据包括人口信息、临床诊断数据以及检验数据；所述人口信息包括门诊人口信息和住院人口信息；