對中文電子病歷中的否定術語進行檢測, 可以為非結構化的電子病歷文本的概念索引的建立提供依據。對于電子病歷中術語的提取, 在經典的正向最大匹配算法的基礎上, 結合互信息, 可以有效地避免覆蓋性歧義對提取結果的影響; 對于否定語義的確定, 在基于規則算法的基礎上, 結合詞共現率模型, 有效地降低了由于標點錄入錯誤而出現假陽性術語的概率。通過實驗表明, 本文提出的方法相對于傳統的基于規則的算法, 陰性結果的預測值提高了6.85%。
門診專家信息可以為需要就診的居民提供一定的參考, 通常這類信息分布于各個醫院的門戶網站, 而且大多數需要通過查詢才能獲取。為了自動抽取醫院門戶網站的門診專家信息, 首先要解決查詢接口判別的問題。針對此問題, 根據查詢接口的屬性特征, 構建了一種樹狀結構的領域模型, 用于對查詢接口進行分類判別, 并進行領域關鍵詞的填寫。其次, 對于返回的網頁, 需要進行噪聲過濾, 本文針對此問題, 提出了分塊重要度模型。實驗結果表明, 基于領域模型的查詢接口判別方法比基于規則方法的準確率提高了10.83%, 分塊重要度模型的F1值比XPath方法提高了10.5%。
目的 了解我國現階段基層醫療衛生機構的基本藥物增補情況。方法 查找我國各省級政府部門發布的基層醫療衛生機構增補藥物目錄。采用描述性分析方法比較增補藥物目錄在藥物分類、藥品名稱、藥物數量等方面的異同。結果 共納入13個省（地區）的增補藥物目錄，增補藥物數目多于200個的省份有江蘇、廣東、內蒙古和山東。各省增補藥物種類均包括化學藥物與中成藥，以及國家基本藥物目錄中9個類別的藥物，有17個藥物的重合頻次高于10。有多個省份增補了兒科專用藥物和腫瘤用藥。結論 目前《國家基本藥物目錄（基層醫療衛生機構配備使用部分）》（2009年版）尚不能滿足基層醫療服務的需要。國家基本藥物遴選和修訂宜借鑒和反映各地防治需求的增補藥物目錄。