一种基于知识库对院内真实世界不良用药的评估方法

摘要

本发明涉及一种基于知识库对院内真实世界不良用药的评估方法。其包括：获取多位患者的指标数据、大文本数据以及不良用药标识数据，其中，指标数据包括生化指标，大文本数据包括病例文本；从大文本数据中提取其中的指标数据，作为显性特征；基于药品知识库，根据大文本数据获取指示不良用药反应特征的隐性特征；按照时间序列对指标数据、显性特征和隐性特征进行拼接，获得标准化特征；将标准化特征作为样本，不良用药标识数据作为标签，对预设的机器学习模型进行训练，获得不良用药评估模型。本发明的技术方案可以对患者在换药后，以及新患者初次用药后是否会发生不良反应进行较为准确的预测，从而提前做好相应准备，保证患者的健康。