基于慢病链式服务的服药监控方法、服务器、介

本技术涉及电数字数据处理领域，尤其涉及基于慢病链式服务的服药监控方法、服务器、介质及产品。背景技术：1、在当代医疗实践中，慢性病管理是一个复杂且持续的挑战。男性慢性病中的前列腺疾病、阳痿等需要长期的药物治疗以控制病情，而病人的药物服从性（即患者按医嘱正确服药的程度）直接影响治疗效果，不良的药物服从性可能导致治疗失败。因此，提高患者的药物服从性是实现慢性病管理目标的关键。2、当前，许多医疗系统通过电子健康记录系统（ehrs）和移动健康应用（mhealthapps）来监控患者的药物服从性。这些系统通常能记录患者的服药时间、剂量和频次，并通过设置提醒来帮助患者按时服药。3、然而，尽管现有的电子健康记录和移动健康应用可以记录和提醒患者服药情况，但这些系统往往不能有效地识别和适应患者的服药行为变化，难以在患者的服药行为出现问题时即时提供个性化的调整和支持。这种缺乏实时、动态监测和响应功能的限制，可能导致患者药物服从性低下，进而影响治疗效果和患者健康。技术实现思路1、本技术提供了基于慢病链式服务的服药监控方法、服务器、介质及产品，用于有效识别和监控患者的服药行为，提升药物服从性评估的准确度，当检测到患者的药物服从性评分低下时，及时进行动态响应。2、第一方面，本技术提供了一种基于慢病链式服务的数据处理方法，应用于服务器，该方法包括：基于预设的服从性模型，依次确定服用第一服药计划的患者在多个预设治疗周期分别对应的药物服从性评分，药物服从性评分表示患者在预设治疗周期内对药物治疗方案的执行程度评分，第一服药计划中包括第一服药时间、第一服药剂量和第一服药频次；确定多个药物服从性评分在预设时间范围内的变化趋势作为服药趋势，服药趋势包括规律性变化和非规律性变化；当服药趋势为非规律性变化且存在药物服从性评分在预设第一评分阈值与预设第二评分阈值之间时，通过药物监督互动机制在服药提醒时刻向患者发送服药提醒；药物监督互动机制根据预设的药物服从性干预表和影响药物服从性因素确定，药物监督互动机制包括多个服药提醒时刻和多个服药提醒时刻分别对应的服药规定剂量，药物服从性干预表包括影响药物服从性因素和药物监督互动机制的对应关系，影响药物服从性因素根据药物服从性评分确定，预设第一评分阈值高于预设第二评分阈值；当服药趋势为非规律性变化且存在药物服从性评分低于预设第二评分阈值时，将患者的慢病治疗信息发送至医生端以获得患者的第二服药计划，第二服药计划中包括第二服药时间、第二服药剂量和第二服药频次。3、在上述实施例中，服务器通过建立服从性模型评估患者对于第一服药计划的药物服从性评分，判断患者在多个预设治疗周期的服药趋势是否规律。当服药趋势为规律变化时，说明患者服药较稳定，有助于维持较高程度的治疗效果；而当服药趋势为非规律变化时，说明患者在服药行为上存在波动或不一致，治疗效果不佳。当服药趋势为非规律性变化且存在药物服从性评分在预设第一评分阈值与预设第二评分阈值之间时，说明患者在一定程度上未能完全遵守治疗方案，可能意味着患者偶尔会忘记服药，或者有时会不按照推荐剂量服用药物，服务器可以采取影响药物服从性因素对应的药物监督互动机制提醒患者服药，实现了对患者药物服从性的实时监测和干预，及时发现患者的用药行为问题，通过个性化的互动提高患者药物服从性，保证治疗方案的顺利实施和效果。当服药趋势为非规律性变化且存在药物服从性评分低于预设第二评分阈值时，说明患者可能经常遗忘服药，或者有意识或无意识地选择不服用药物，可能是由于药物副作用、经济负担、对治疗的疑虑或对疾病的认识不足等原因造成的，服务器将患者的慢病治疗信息发送至医生端，根据医生的医嘱调整得到患者的第二服药计划。该技术方案实现了基于数据驱动的智能化药物服从性监控和干预，对慢病患者实施精准的药物服从性管理，有利于提升慢病治疗效果。4、结合第一方面的一些实施例，在一些实施例中，基于预设的服从性模型，依次确定服用第一服药计划的患者在多个预设治疗周期分别对应的药物服从性评分，具体包括：将患者在第一治疗周期内的多个服药时间输入至预设的服药时间服从性评分模型中，得到患者在第一治疗周期内的第一服药时间服从性评分，服药时间服从性评分模型的每一条训练数据包括多个预设服药时间中的任一个；将患者在第一治疗周期内的多个服药剂量输入至预设的服药剂量服从性评分模型中，得到患者在第一治疗周期内的第一服药剂量服从性评分，服药剂量服从性评分模型的每一条训练数据包括多个预设服药时间分别对应的预设服药剂量中的任一个；将患者在第一治疗周期内的多个服药频次输入至预设的服药频次服从性评分模型中，得到患者在第一治疗周期内的第一服药频次服从性评分，服药频次服从性评分模型的每一条训练数据包括预设服药频次；对第一服药时间服从性评分、第一服药剂量服从性评分以及第一服药频次服从性评分进行加权求和，确定第一治疗周期内的第一药物服从性评分。5、在上述实施例中，详细说明了评估患者在不同治疗周期内药物服从性的具体技术手段，通过建立服药时间服从性评分模型、服药剂量服从性评分模型和服药频次服从性评分模型，实现对服药时间服从性评分、服药剂量服从性评分以及服药频次服从性评分的评估，最后综合计算得到药物服从性评分，从而使得评估结果更加准确和可靠，有助于后续确定服药趋势以及采取的药物服从性干预措施，进一步提高了方法的智能化水平。6、结合第一方面的一些实施例，在一些实施例中，在对第一服药时间服从性评分、第一服药剂量服从性评分以及第一服药频次服从性评分进行加权求和，确定第一治疗周期内的第一药物服从性评分的步骤之后，方法还包括：根据患者的身份信息和第一治疗周期内的历史服药记录构建患者的个体特征库；根据个体特征库确定优化服药时间、优化服药时间对应的优化服药剂量以及优化服药频次；基于优化服药时间对优化服药时间服从性评分模型进行训练，基于优化服药时间对应的优化服药剂量对优化服药剂量服从性评分模型进行训练，基于优化服药频次对优化服药频次服从性评分模型进行训练；将患者在第二治疗周期内的多个服药时间输入至优化服药时间服从性评分模型中，得到患者在第二治疗周期内的第二服药时间服从性评分，第二治疗周期在第一治疗周期之后；将患者在第二治疗周期内的多个服药剂量输入至优化服药剂量服从性评分模型中，得到患者在第二治疗周期内的第二服药剂量服从性评分；将患者在第二治疗周期内的多个服药频次输入至优化服药频次服从性评分模型中，得到患者在第二治疗周期内的第二服药频次服从性评分；对第二服药时间服从性评分、第二服药剂量服从性评分以及第二服药频次服从性评分进行加权求和，确定第二治疗周期内的第二药物服从性评分。7、在上述实施例中，基于患者的身份信息和第一治疗周期内的历史服药记录构建患者的个体特征库，从而更加全面和准确地反映患者的生理属性、生活习惯以及患者个体对于第一服药计划的治疗响应。服务器将根据个体特征库确定的优化服药时间、优化服药时间对应的优化服药剂量以及优化服药频次作为模型的训练数据，从而得到患者的个性化服从性模型。相比于直接使用通用的服从性模型，持续优化的个性化服从性模型可以更好地评估患者的药物服从性，在后续治疗周期中，还可以随着时间推移不断进行调整优化，实现对患者药物服从性评估的动态优化，进一步提升方法的智能化和精准化水平，更好地实现对患者药物服从性的监控和干预。8、结合第一方面的一些实施例，在一些实施例中，第一服药计划中的药物为第一药物；对第一服药时间服从性评分、第一服药剂量服从性评分以及第一服药频次服从性评分进行加权求和，确定第一治疗周期内的第一药物服从性评分，具体包括：确定第一药物的药物服用优先参数列表，药物服用优先参数列表用于表示服药时间、服药剂量和服药频次中优先确定的药物服用参数的有序排列；根据药物服用优先参数和预设的权重分配规则确定第一服药时间服从性评分、第一服药剂量服从性评分以及第一服药频次服从性评分分别对应的权重；对第一服药时间服从性评分、第一服药剂量服从性评分以及第一服药频次服从性评分进行加权求和，确定第一治疗周期内的第一药物服从性评分。9、在上述实施例中，详细描述了一种基于药物服用优先参数列表的加权评分技术方案。由于不同药物对服药时间、服药剂量、服药频次的重要性是不同的，该方案参考药物特性，确定哪些服药参数更加重要，何者在综合计算药物服从性评分时应该被赋予更大权重。这种个性化的参数权重确定方式，实现了对不同药物服从性评估的个性化和精准化，评分结果更加准确地反映了对具体药物的服从性情况，为后续的服药监控及干预提供了更加可靠的判断依据，提高了方法的适用范围。10、结合第一方面的一些实施例，在一些实施例中，当服药趋势为非规律性变化且存在药物服从性评分在预设第一评分阈值与预设第二评分阈值之间时，通过药物监督互动机制在服药提醒时刻向患者发送服药提醒，具体包括：当服药趋势为非规律性变化且存在药物服从性评分在预设第一评分阈值与预设第二评分阈值之间时，确定预设治疗周期内的服药时间服从性评分、服药剂量服从性评分和服药频次服从性评分；将低于预设时间评分阈值的服药时间服从性评分对应的服药时间和/或低于预设剂量评分阈值的服药剂量服从性评分对应的服药剂量和/或低于预设频次评分阈值的服药频次服从性评分对应的服药频次确定为影响药物服从性因素；基于预设的药物服从性干预表，根据影响药物服从性因素确定对应的药物监督互动机制。11、在上述实施例中，当服务器监测到患者的服药趋势为非规律性变化且存在药物服从性评分在预设第一评分阈值与预设第二评分阈值之间时，服务器识别导致药物服从性下降的影响因素，即影响药物服从性因素，例如没有按时服药或服药剂量不正确等。这种细致地区分不同维度的服从性情况可以精准地找出患者存在问题的具体环节，之后服务器可以根据预设的药物服从性干预表选择与该问题对应的药物监督互动机制。这种定制化的监督互动策略可以有效解决患者在某一具体问题上的服从性不足而不是简单地一味地发送提醒。显著提高了互动的针对性，促进患者在该方面的服从性改善。12、结合第一方面的一些实施例，在一些实施例中，在确定多个药物服从性评分在预设时间范围内的变化趋势作为服药趋势，服药趋势包括规律性变化和非规律性变化的步骤之后，方法包括：当服药趋势为规律性变化时，获取多个预设治疗周期分别对应的服药效果评分；若药物服从性评分与服药效果评分正相关，将药物服从性评分与对应的服药反馈记录至预设的药物治疗响应数据库中；若药物服从性评分与服药效果评分反相关，将第一服药计划发送至医生端以获得患者的用药方案评估，根据用药方案评估调整患者的第一服药计划，得到第三服药计划。13、在上述实施例中，当服药趋势为规律性变化时，通过关联分析药物服从性评分与服药效果评分，实现个体化的药物治疗管理。当药物服从性评分与服药效果评分呈正相关时，说明患者遵循当前的用药计划能有效改善健康状况。服务器将药物服从性评分与对应的服药反馈记录保存到药物治疗响应数据库中，可以为其他医务人员提供实证基础，表明该药物方案的有效性，从而推广相似病例中使用。当药物服从性评分与服药效果评分呈反相关时，说明当前的用药计划可能不适合该患者，需要医生重新评估和调整。有助于避免继续使用效果不佳或有害的治疗方案，减少医疗资源浪费，同时保护患者免受不必要的副作用或治疗失败的风险。这种基于大数据积累的用药优化技术，可以持续分析每个患者的用药反应，实现用药方案的“闭环”调整优化，使整个用药过程更加符合个体需要，从而提高疗效和服从性。14、结合第一方面的一些实施例，在一些实施例中，在当服药趋势为非规律性变化且存在药物服从性评分低于预设第二评分阈值时，将患者的慢病治疗信息发送至医生端以获得患者的第二服药计划的步骤之后，方法还包括：当服用第二服药计划的患者在预设时长内的药物服从性评分低于预设评分阈值时，向患者发送目标药丸服药计划；在检测到患者使用目标药丸时，获取患者的生理参数和使用反馈，生理参数包括心率和血压；根据患者的个体特征库、生理参数以及使用反馈确定目标药丸对于患者的适用性；若适用性低于预设适用性阈值评分时，向患者发送停用目标药丸提示。15、在上述实施例中，当常规慢效药物未能产生预期效果时，目标药丸可提供更快的疗效，帮助患者在较短时间内改善勃起功能。对于需要快速反应的情况尤为重要，可以大幅提高患者的生活质量和心理健康。通过实时监测患者的生理参数（如心率和血压），并且获取患者的使用反馈，以及根据患者的个体特征库进行药物适用性评估，可以确保药物计划更加符合患者的个体健康状况和需求。有助于优化治疗效果，减少药物不适用或副作用的风险。16、第二方面，本技术实施例提供了一种服务器，该服务器包括：一个或多个处理器和存储器；该存储器与该一个或多个处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该一个或多个处理器调用该计算机指令以使得该服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。17、第三方面，本技术实施例提供一种包含指令的计算机程序产品，当上述计算机程序产品在服务器上运行时，使得上述服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。18、第四方面，本技术实施例提供一种计算机可读存储介质，包括指令，当上述指令在服务器上运行时，使得上述服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。19、可以理解地，上述第二方面提供的服务器，第三方面提供的计算机程序产品和第四方面提供的计算机存储介质均用于执行本技术实施例所提供的方法。因此，其所能达到的有益效果可参考对应方法中的有益效果，此处不再赘述。20、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：21、1、由于采用了在服药趋势为不规律变化时通过采取影响药物服从性因素对应的药物监督互动机制提醒患者服药，所以对患者药物服从性的实时监测和干预，及时发现患者的用药行为问题，通过个性化的互动提高患者药物服从性，保证治疗方案的顺利实施和效果。与现有技术中统一的监督提醒模式不同，本发明能够区分服药时间、服药剂量、服药频次等方面的问题，进行个性化的监督干预，更加有效地提升患者在具体问题维度上的药物服从性。22、2、由于采用了构建患者个体特征库并基于此动态优化服从性模型的技术方案，所以能够实现患者个体对于第一服药计划的治疗响应的精准建模，使药物服从性评估更加符合每个患者的具体情况和需求变化，评估结果的准确性和有效性更强。与现有技术中采用的通用的服从性模型相比，本发明采用的个性化服从性模型，可以持续跟踪患者的个体特征和生理变化，实现对患者药物服从性的精准评估、精准化优化，从而能够有效地提高患者的药物服从性。23、3、由于采用了关联分析药物服从性评分与服药效果评分的技术方案，所以能够实现药物治疗方案的持续优化和个体化。当药物服从性评分与服药效果评分呈正相关时，说明患者遵循当前的用药计划能有效改善健康状况。服务器将药物服从性评分与对应的服药反馈记录保存到药物治疗响应数据库中；当药物服从性评分与服药效果评分呈反相关时，说明当前的用药计划可能不适合该患者，需要医生重新评估和调整。与现有技术中被动的药物服从性管理不同，本发明能主动评估每个患者的用药反应，持续优化用药方案，而不是被动等待服从性问题的发生。