CN1227645A - 迭代问题求解技术 - Google Patents

Abstract

一种实现计算机辅助迭代问题求解技术的方法，它从非数值数据开始并在预先选定的非数值数据之间的内部关系框架内得到可能的解，该解包括多个互相排斥的类别，所述方法包括以下步骤：在视频表示器上表示包含多个单元格的工作表，每个单元格对应所述互斥类别中的一个，用来表示非数值数据；将初始非数值数据输入工作表内的各单元格；选择一个查询，它借助初始非数值数据将至少工作表中第一单元格指定为输入并请求相关的非数值数据用于工作表中多个单元格的至少一个；识别至少一个单元格的非数值数据，它与第一单元格内的非数值数据相关；以及将识别的非数值数据插入工作表中至少一个单元格内作为求解可能解时考虑的信息。

Description

迭代问题求解技术

发明领域

本发明涉及迭代问题求解技术，特别涉及医疗和法律领域。一般来说这需要计算机辅助。

背景技术

为了了解公司财务状况，会计师从分类帐户的工作表着手。借助计算机，手工工作表已经演化为电子表格，对于会计业电子表格已经成为必不可少的有力工具。电子表格中有大量的单元格，这些单元格中可以输入数字或根据其它单元格内数字进行计算的公式。电子表格除了偶尔输入文本串和提供基本的字符串操作作标题之用以外，基本上是一种数字计算装置。电子表格计算数字并迅速向会计师给出“如果这样，那么那样”型问题的答案。这种“如果这样，那么那样”的分析结果被放入电子表格单元格内，这就为下一轮计算设定条件而无需用手工抄录。会计师的电子表格以超乎寻常的能力完成需要手持计算器重复工作的任务。迄今为止，在医疗或法律领域尚无具有这种能力的电子表格，能够在客户造访时，进行ⅰ)数据输入和记录ⅱ)完成涉及客户诊断和管理的“如果这样，那么那样”计算，将结果放入单元格内供下异常求值用，以及ⅲ)电子表格中包含可以保存的滚动工作表。

本发明涉及一种能使传统会计电子表格适用于其它应用(例如实时或模拟病人或客户造访环境或法律环境)的方法。虽然下列描述涉及的是医疗和法律领域，但是本发明并不受此限制。

传统上，手工/电子医疗记录可以划分为三种模式：1)完全手工；2)手工加电子化；以及3)全电子化医疗记录系统。

当前的手工医疗记录系统从信息流的观点看在设计上是有缺陷的。特别是迄今为止尚难以利用同一模型来表示当前就诊数据和总体病人数据。最终的结果是，不管存储介质是什么，由于在病人医疗记录的大量数据方面的医疗信息隐藏或丢失，所以病人的医护更为糟糕。虽然当前许多医疗记录系统(Lawrence Weed的概述，面向问题的医疗记录/主客观评估计划模型的问题(POMR/SOAP))(医疗记录，医疗教育和病人护理。Cleveland:Case Reserve Press 1969)试图以逻辑的方式组织医疗记录，但是由于当天的咨询谈话数据模型和病人总体健康状态数据模型是分立的，所以仍然不适用于平滑信息流和有效的计算机化。

当天医疗记录系统不管是手工还是电子化的，都没有帮助临床医生清晰地思考，在各医疗记录部分之间有指出正式的关系。当天记录系统可以描述为不和谐的、没有优化的，并且当计算结束时系统仍然未优化。

当前手工医疗记录在设计上无法对病人临床健康状态作出快速准确的评估。由于记录设计上的问题，病人健康数据通常埋没在临床笔记中，重要和反常的病人数据经常隐藏在健康者中间，这导致医疗事故和法律诉讼的发生。通过不作重复的医疗检查，不忽视应作的测试，最大程度地利用信息并通过克服当前医疗记录的弱点而减少诉讼可以使身体更为健康和更好质量的病员护理。这种弱点包括缺乏用于进入下一步处理的意义明确的诊断部分和支持这种清晰诊断项目的保留证据部分。

通过病人医疗记录的计算机化也可以改进病人护理。但是由于医疗诉讼中对计算机化医疗记录在真实性和合法性方面的不确定，所以受到阻碍。这是保存书面笔记的理由。会诊过程期间由临床医生记录笔记或者控制话筒入只能被少数技术好的医生接受。上述情况表明，对某些医生来说，理想的健康记录系统应包含手工和电子两个要素。

当前的医疗记录设计无法以书面形式快速有效地评估病人临床状况。任何希望在医疗记录领域发挥电子计算功能的想法都预期一个合适的病人健康数据模型，它在手工和电子医疗记录情形下都能起作用。迄今为止，由于病人医疗记录没有合适的对手工和电子医疗记录同时有效的数据模型，所以书面医疗记录难以计算机化。由于对于称为SOAP的病人就诊和称为问题列表的病人总体模型是分立的数据模型，所以Weed的面向医疗记录的问题难以计算。

上述医疗计算机化和方法的另一个障碍很大程度上是与看病期间医生的工作流程的打断有关。由于会诊时打断的情况很少发生，所以用笔和纸的传统方式工作得很好。在该过程期间，医生集中于话音和身体语言，这是与病人交流较好的手段；而与此同时，以分立方式作笔记并以专业方式进行评估。

对于大多数医生来说，在看病期间打字笔记或用语音识别系统来完成医疗笔记的计算机化是非常不习惯的。但是计算机在快速评估病人状况时(例如计算、跟踪最后一批日期话音和回叫病人)是有力的工具。例如在跟踪软食涂片时，计算机可以容易地提取最近的日期。在检测药物反应和疾病-药物反应时计算机也是出色的。因此，在全计算机化的医疗记录中，只要医疗数据在结构上适于由计算机程序评估，则可以提高医疗质量。对放入病人电子文件夹内的字处理文档和医疗图像(X-射线)的扫描一点没有利用计算机评价能力，因此是电子医疗记录中第二位的实现方案。

对手工医疗记录合适设计的有害影响是在医学院传统教育中培养了无数个在解决病人临床问题时将临床症状与体征分开的医学院学生。在诊疗期间，会诊过程开始于历史提取(症状收集)，随后是病人生理检查(体征收集)。因此传统的医疗笔记分为两类，一类是症状，另一类是体征。传统的医疗笔记模型为：

症状-＞生理检查/生理体征-＞评估-＞治疗方案

在L Weed博士的POMR/SOAP模型(医疗记录，医疗教育和病人护理。Cleveland:Case Reserve Press 1969)中描述了手工医疗记录系统的当前技术。POMA表示面向问题的医疗记录而SOAP表示主客观评估计划。

结构化的POMA/SOAP模型对于其它非结构化方法有重大的改进。非结构化的医疗记录保存方法降低了病人护理质量并且容易忽视病情。Weed的想法在皇家澳大利亚普通专业人员现行书面医疗记录系统中得到了实现并被广泛用于许多国家的医院教学。

在面向问题模型中，任何未解决或有意义的医疗问题(症状、体征、诊断或异常病理结果)被收集在编号列表内。问题列表放在病人记录的前几页以引起医生对病人涉及问题的注意。在POMA/SOAP模型中，会诊时的病例笔记借助SOAP封装为以下几类：1)主观-症状2)客观-生理检查/体征和客观测试结果3)评价-医生意见，但不一定非得是诊断4)方案-治疗，检查。

但是当前的医疗记录设计(特别是POMR/SOAP)存在以下不足。

1)SOAP模型只设计为记录就诊者。SOAP模型无法用来表示病人总体健康状况。为了全面评价病人，还需附加收集就诊者的临床数据，至少需要以下信息：当前和过去的诊断、当前的给药方法、诊断成象结果、诊断非成象结果。POMR/SOAP模型提供了全面评价用的问题列表。理想的健康数据模型应该使表示就诊者的与病人总体健康状态的一致。

2)在SOAP模型中，当记录时症状与体征之间有较大的隔阂。实际上，从信息科学观点看，症状(主观)与体征(客观)之间没有逻辑上的分水岭。病人可以向医生陈述并清楚地描述其ⅰ)肿块ⅱ)皮疹ⅲ)黄疸。这三项实际上是生理世界体征或客观(在SOAP术语中)事实。病人经常自愿接受良好的诊断。利用这些例子，由于这些信息由病人提供，所有的数据都应该严格记录为“症状”。

当症状明显是不会搞错要进一步作详细的生理检查，但没有逻辑上的理由要临床记录反应实际的临床情况，除了培训医学院学生除外。

3)在SOPA中，异常测试结果堆积在体征中。随着医疗技术的发展，古老的范例落后了。在病人诊断中，实验室和放射学结果起着主要作用，传统的范例没有的空间。胸腔x射线透视对临床医生的影响最大。从信息学的观点看，检查的生理发现质量比放射学或异常化学病理测试的把握小一些。异常的实验室或放射学测试结果具有不同的预测值，因此需要从临床体征分立的唯一分类。

4)传统就诊者模型的评价部分经常在会诊结束时给出临床医生的意见。它可能是模糊的或没有诊断，例如“？阑尾炎”、“高烧原因待查”、“异常疼痛”等。在病人就诊结束时，诊断可能也没有作出，或者最后的结果是给出临时的诊断。从信息学的观点看，SOAP笔记评价部分内的数据质量难以在治疗关系中评价。

5)在医疗实践中范例有依赖于技术的倾向。我们不断看到病人走进诊所接受新陈代谢异常、传染病或癌症的检查。无法辩驳的事实是，在医疗中临床体征是重要的，很明确与涂片的物理检查相比，计算机轴向形态扫描结果具有不同的质量。传统的临床就诊者记录没有将现代医疗实践与技术上的当前重点结合起来。

6)传统医疗记录不向人/计算机病人评价提供紧密的框架。为了进行机器评价，可以借助计算机下棋范例。计算机下棋程序中棋子位置的评价可以比喻为病人健康状态。在棋盘位置中，以下要素a)物质优势b)快速发展c)空间优势d)先发制能力e)攻击敌方子f)皇帝的安全g)棋子的活力、移动性和坐标h)抵押结构。借助这些分类，下棋程序根据最终棋子位置的强度，将每个棋子以一定的数值移动。有效的医疗记录数据模型的构造类似于信念系统，其要素以比我们在医疗记录中看到的更为正式的关系链接。

7)现有的就诊者模型缺乏理论基础精确性来构造提供病人从会诊到总体水平上健康状态的动态打分记录表的手工/电子医疗记录。POMR/SOAP从问题列表结构与SOAP就诊者结构关系不紧密的角度看，不利于病人评价。

总之，传统医疗记录模型从信息处理观点看没有经过优化处理。这种差劲的手工记录设计意味着设计上不利于计算化化。

因此存在的问题是a)有效和适合手工、手工/电子混合以及完全电子格式的医疗记录的评价模型；b)用于就诊者和总体健康数据记录和评价的数据模型；以及c)在医疗记录计算机化中克服机器接口问题(意味着在与病人交谈时不打字或对麦克风讲话)。

现在转入法律环境，在与客户会见期间，律师需要记录详细案情并经常对法律问题进行评价，因此要根据法律条款或已有的案例给出正确的法律意见。传统范例基于法律案情的文字叙述和电子数据库的关键词搜索。传统法律实践在计算机化搜索引擎和在线数据库的帮助下迅速利用新技术。

传统法律模型在构造电子法律表格的理论基础方面缺乏计算机所需的精度。问题是创建适合计算机化的法律信念信息。

发明内容

因此提供了一种实现计算机辅助迭代问题求解技术，它从非数值数据开始并在预选择的非数值数据之间的内部关系框架内得到可能的解，解包括多个互相排斥的类别，所述方法包括以下步骤：

在视频显示器上显示包含多个单元格的工作表，每个单元格对应所述互补包含的类别中的一个，用来显示非数值数据；

将初始非数值数据输入工作表内的各单元格；

选择一个查询，它借助初始非数值数据将至少工作表中第一单元格指定为输入并请求相关的用于工作表中多个单元格的至少一个的非数值数据；

识别至少一个单元格的非数值数据，它与第一单元格内的非数值数据相关；以及

将识别的非数值数据插入工作表中至少一个单元格内作为求解可能解时考虑的信息。

比较好的是，输入步骤包括：在视频显示器上显示非数值数据的采集列表，选择采集列表的输入，以及在工作表各单元格内显示选定的输入。

作为替换，输入步骤可以通过输入设备接收表述非数值数据的字母数字实现输入。这进一步包括分析接收到的字母数字输入以确定所指示的非数值数据。比较好的是，该方法进一步包括提供多个程序对象，每个对应其中一个预先选定的非数值数据，并且识别步骤包括根据查询向程序对象发送相关数据的请求，程序对象对应第一单元格内的非数值数据。

比较好的是，方法进一步包括在查询之前将工作表单元格的内容保存为电子表格页。

典型情况下，互相排斥的分类根据决策难易程度包括不同的类别(比较好的是4类)。

比较好的是，识别步骤包括：获取工作表内与第一单元格非数值数据相关的下一单元格的非数值数据，并获取至少一个与所获取的下一单元格非数值数据相关的单元格的非数值数据。

比较好的是，该方法进一步包括显示至少一个单元格内至少一个识别相关数据发生机率的步骤。

如上所述，本发明特别与医疗领域相关。在这方面，提供了一种实现计算机辅助迭代问题求解技术，它从初始临床数据开始并在预选择的临床数据之间的内部关系框架内得到可能的解，解包括多个互相排斥的类别，所述方法包括以下步骤：

在视频显示器上显示包含多个单元格的工作表，每个单元格对应所述用来显示临床数据的互斥类别中的一个；

将初始临床数据输入工作表内的各单元格；

选择一个查询，它借助初始临床数据将至少工作表中第一单元格指定为输入并请求相关的临床数据用于工作表中多个单元格的至少一个；

按照查询识别至少一个单元格的临床数据，它与第一单元格内的临床数据相关；以及

将识别的临床数据插入工作表中至少一个单元格内作为求解可能解时考虑的信息。

比较好的是，输入步骤包括：在视频显示器上显示临床数据的采集列表，选择采集列表的输入，以及在工作表各单元格内显示选定的输入。

比较好的是，该方法进一步包括提供多个程序对象，每个对应其中一个预先选定的临床数据，并且识别步骤包括根据查询向程序对象发送相关数据的请求，程序对象对应第一单元格内的临床数据。

比较好的是，方法进一步包括在查询之前将工作表单元格的内容保存为电子表格页。

典型情况下，互相排斥的分类根据诊断难易程度包括不同的类别。例如，互相排斥的分类可以包括第一类别，它包括症状和体征；第二类别，它包括临床测试结果；以及第三类别，它包括诊断。这些分类还可以包括第四分类，它包括处方治疗和检查。

比较好的是，识别步骤包括：获取工作表内与第一单元格临床数据相关的下一单元格的临床数据，并获取至少一个与所获取的下一单元格临床数据相关的单元格的临床数据。

比较好的是，该方法进一步包括显示至少一个单元格内至少一个识别相关数据发生机率的步骤。

如上所述，本发明特别与法律领域应用相关。在这方面，提供了一种实现计算机辅助迭代问题求解技术，它从初始法律数据开始并在预选择的法律数据之间的内部关系框架内得到可能的解，解包括多个互相排斥的类别，所述方法包括以下步骤：

在视频显示器上显示包含多个单元格的工作表，每个单元格对应用来显示法律数据的所述互斥类别中的一个；

将初始法律数据输入工作表内的各单元格；

选择一个查询，它借助初始法律数据将至少工作表中第一单元格指定为输入并请求用于工作表中多个单元格的至少一个的与第一单元格相关的法律数据；

按照查询识别至少一个单元格的法律数据，它与第一单元格内的法律数据相关；以及

将识别的法律数据插入工作表中至少一个单元格内作为求解可能解时考虑的信息。

比较好的是，输入步骤包括：在视频显示器上显示法律数据的采集列表，选择采集列表的输入，以及在工作表各单元格内显示选定的输入。

比较好的是，该方法进一步包括提供多个程序对象，每个对应其中一个预先选定的法律数据，并且识别步骤包括根据查询向程序对象发送相关数据的请求，程序对象对应第一单元格内的法律数据。

比较好的是，方法进一步包括在查询之前将工作表单元格的内容保存为电子表格页。

典型情况下，互相排斥的分类根据诊断难易程度包括不同的类别。例如，互相排斥的分类可以包括第一类别，它包括争议事实；第二类别，它法律案例；以及第三类别，它包括法律原理。这些分类可以进一步包括第四分类，它包括法律赔偿。

比较好的是，识别步骤包括：获取工作表内与第一单元格法律数据相关的下一单元格的法律数据，并获取至少一个与所获取的下一单元格法律数据相关的单元格的法律数据。

在本发明另一与上述独立的实施例中，其中的方法提供了记录用来评价病人状态的病人专门临床数据的步骤，临床数据划分为多个互相排斥的分类，所述方法的特征在于包括以下步骤：

提供包含多个单元格的就诊表格，每个单元格对应一个所述互相排斥的类别；以及

将至少一个病人就诊期间采集的病人特定临床数据根据采集的临床数据所属分类输入就诊表格的各单元格内。

比较好的是，该方法进一步包括以下步骤：

提供包含多个单元格的总体状态表格，每个单元格对应所属互相排斥分类其中一个；

将采集的至少一个就诊表格内的临床数据放入总体状态表格的各单元格内。

比较好的是，放入步骤包括：电子扫描就诊表格单元格以识别采集的临床数据和所采集临床数据的各类别，并且将采集的临床数据存储在总体状态表格的各单元格内。

比较好的是，该方法进一步包括以下步骤：提供总体非激活状态表格，该表格包含分别对应互相排斥的类别的单元格，以及将放入已经变为非激活的总体状态表格的临床数据传送至总体非激活状态表格的各单元格内。

比较好的是，输入步骤包括在就诊表格记录所采集的临床数据的每个数据的生成日期。

比较好的是，互相排斥的类别由四个类别组成。类别按照难易程度分类。例如第一类别包括症状和体征，第二类别包括临床测试结果，以及第三类别包括诊断。这些分类还可以包含第四分类，它包括治疗和检查。

在本发明另一实施例中，提供了记录评价病人状况用的临床数据的记录系统，它包括：

参照列表，它包含多张互相排斥的类别；

就诊表格，它包含多个单元格，每个对应其中一个要接收的所述互相排斥的类别；

其中至少在一个病人就诊期间采集的临床数据根据所采集临床数据所属的类别输入就诊表格的各单元格内。

因此在各种实施例中，本发明一方面向临床医生提供了电子表格工具用于病人护理以提高诊断、管理和数据记录的效率。另一方面，等同的法律电子表格将在解决和记录法律问题时向律师提供同样的好处。与会计师和他的电子表格相类比，本发明提供了同样的功能。用于医疗和法律电子表格的数据模型和方法是同源的。

附图的简要说明

本发明结合以下附图描述。

图1为基于分等级分离定义模型四元版本的医疗电子表格。

提供了四个称为提示、链接、统一性和管理的主要单元格。采集列表位于右边。它包含提示对象列表。在采集列表上方是搜索框和“Go”按钮以帮助定位右边的医疗对象。采集列表的内容可以通过选择搜索框上方的PLUM按钮改变。

图2为图1的电子表格，其单元格具有更高的水平高度。

排列的按钮是1)add-添加医疗记录；2)＞提供下一就诊者；3)＜回到前一就诊者；4)cancPB是取消就诊回放；5)cancel是取出就诊者，不更新；6)WS＞是翻卷到下一工作表；7)WS＜是翻卷到前一工作表；8)WS Save是保存特定的工作表；9)WS Load是加载特定的工作表；10)clrBK是启动所有的工作表；11)BkSave是保存所有的工作表；12)BkLoad是加载前面的工作表集合。

图3示出了类型P-＞U的评价结果。

图4示出了类型U-＞PL的评价结果。

图5示出了类型PL-＞U的评价结果。五个屏幕序列中的第一个。

图6示出了类型U-＞PL的评价结果。

图7示出了类型L-＞U的评价结果。

图8示出了类型U-＞M的评价结果。

图9示出了类型M-＞P的评价结果。

图10示出了称为diabetesMellitus的统一性(定义好)医疗对象。

图11示出了医疗电子表格的流程图和单元。

图12示出了分等级分离定义模型四元版本中医疗对象的分类。

图13示出了用于混合手工/电子系统的就诊四元扫描表。

图14示出了用于手工系统的总体激活四元表。

图15示出了用于手工系统的总体非激活中元表。

图16示出了手工系统的就诊表。

图17示出了电子系统的就诊四元屏幕。

图18示出了电子系统的总体激活四元屏幕。

图19示出了用于电子系统的总体非激活四元屏幕。

图20是基于分等级分离定义模型四元版本的法律电子表格。

提供了四个称为提示、链接、统一性和管理的主要单元格。采集列表位于右边。它包含提示对象列表。框可以实现为列表框或文本框。采集列表的内容可以通过选择搜索框上方的PLUM按钮改变。采集列表随输入采集列表顶部搜索框的输入动态变化。

图21为图20的法律电子表格查询的下拉菜单。

客户输入错误的合同并需要废止。所以选择称为错误的提示项并自动放入提示框。我们将选择查询：P-＞UM，它读作“给定提示，显示统一性和管理”。

图22示出了根据合同法知识库的类型P-＞UM的评价结果。

图23示出了通过删除除contract＠nullify法律救助和contract＠mistake＠resSua法律诊断以外的类型来编辑框。下一查询是UM-＞L，它读作“给定统一性和管理，显示链接”。

图24示出了类型UM-＞L的评价结果。它在知识库内寻找链接或先例cooperV.phibbs。案件的详细情况可以在选择法律先例之后获得。

图25示出了类型P-＞L的评价结果。它示出了通过选择称为feveroles的提示项并调用上述查询引向roseV.pim的先例。下一步骤可以调用诸如P-＞UM之类的查询。

图26示出了点击roseV.pim的先例将带来案件的摘要，有查看更详细宗卷的选项。

实施发明的较佳方式

为便于阅读，以下分别描述医疗和法律用的电子表格。虽然它们在逻辑框架和方法上是一致的，但是仍然分开详细描述各较佳电子表格。说明书结束处提供了术语表。与医疗电子表格等同的纸件构成了实现手工/混合医疗记录系统的基础。较佳实施例的详细描述分为两个主题1)医疗或临床电子表格和建模在医疗电子表格上的纸件/混合医疗记录；以及2)法律电子表格。

医疗或临床电子表格

该工具提供了临床数据记录装置和扩展What-IF？型处理的装置。在实时或虚拟病人就诊期间医疗电子表格处理的输入和输出基于电子表格的单元格。由于来自病人评价的输入和输出是基于所有单元格的，所以这提供了迭代和假象型问题求解的有力范例。同样，医疗电子表各页(或工作表)可以前后翻卷和保存作以后之用。本发明医疗电子表格的各种目标的实现途径是利用新的计算机模型表示任意时刻病人健康状况来克服上述技术障碍。该模型提供适用于医疗电子表格的临床数据模型；支持临床就诊记录和病人积累数据显示的逻辑框架。该模型被称为分等级分立定义模型，简称GDDM。它根据GDDM，利用临床描述符提供建模病人临床状况的手段。借助分等级分立定义模型，临床数据的分类按照定义程度判据(就医疗治疗和/或前兆的难易程度)划分。在这种分类框架下，等级一端是没有精确定义的临床数据，例如临床症状或体征，这些临床数据项不具备治疗或前兆所需的定义程度。在另一端是精确定义的临床数据，例如具有明确前兆和治疗的诊断。在未精确定义和完全精确定义分类之间可以有一个以上的过渡分类。

本发明的一个较佳实施例包含称为待定义分类的过渡类别。为了完成该分类模型，需要附加类别将包含治疗和检查的所有外在病人临床数据包括在内。另一方面，分开类别分别用于治疗和检查也是一种选择。

本发明一个较佳实施例采用包含治疗和检查的单一管理类别来完成建模。

因此本发明的较佳实施例是分等级分立定义模型的四元方式。该名称根据定义程度描述了明显独立的、互相排斥的、已标记的间隔。分等级分立定义模型的四元版本称为PLUM，它表示提示、链接、统一和管理。

描述病人状态和病人管理的所有临床数据分类为：1)提示-这包含所有未定义的临床数据，例如症状和体征。2)链接-这包含所有待定义的临床数据，例如异常测试结果和医生作出的临时诊断，这些项目对于治疗和/或前兆来说不够专门，但是与未定义数据相比具有更明确的定义。3)统一性-这包含明确诊断类型的精确定义临床数据，它用于专门的治疗和/或前兆。4)管理-这包含实验室和放射学测试、药物治疗、护理程序和处理。PLUM代表分等级分立定义模型四元方式的四个分类。

临床就诊表格包括四个单元格，每个代表PLUM四个分类。提示单元格保留给未定义临床数据。链接单元格保留给待定义临床数据。统一性单元格保留给完全定义数据。管理单元格保留给涉及治疗和检查的临床数据。PLUM模型向电子表格提供逻辑框架。PLUM为四元实现的分等级分立定义模型与医生处理所基于的逻辑一致，也就是将不清楚的临床信息以精确定义的诊断形式得到结果。随后是治疗或如果无法作出决定，则作检查。

分等级分立定义模型弥补了传统范例的缺点并将所有临床数据分类为互相排斥的类别。

电子表格的设计无需临床医生打印庞大的采集列表来检索。电子表格的单元格是用户可以编辑的文本方格。医疗电子表格每页的格式是四个单元格的集合，分别称为P,L,U和M并包含采集列表。这四个单元格可以根据用户偏好排列为4×1或2×2布局。屏幕右边的采集列表(参见图1)中选择的临床数据项自动正确落在四个单元格其中一个内。选择项本身是医疗项目的关键字(用计算机软件对象表示)，它跟踪PLUM类别的自身成员。

What-IF查询由下拉菜单启动，在255可能选项中有超过50个有用选择。在计算机辅助评价之后，工作表得到更新并且工作表页号增一。屏幕上的PLUM工作表称为页，它描述病人状况的实际或假象图像并且可以保存和调用。描述病人已知真实事件的工作表可以保存为那次会诊的实际的就诊记录。工作表页集合可以保存为书，以供今后重新加载和使用。

医疗电子表格完成评价并利用从下拉菜单的选择而不是复杂的SQL(结构化查询语言)型文字查询来回答“what if”和“接下来如何做”的查询。在评价期间，单元格的内容向评价单元提供输入。输出存储在相应的单元格内。根据四个单元格，有255各可能的查询，参见下面描述。

以下查询类型(括号中的为传统医疗用语)是较为有用的：

a)给定提示和链接，显示统一性

(给定症状和体征以及异常实验室或放射学测试，显示不同的诊断)

b)给定统一性，显示管理

(给定诊断，显示治疗)

c)给定统一性，显示提示和链接

(给定诊断，显示症状和体征以及异常测试)

d)给定管理，显示提示

(给定治疗，显示不利的症状和体征)

e)给定统一性和管理，显示统一性

(给定诊断和治疗，显示从疾病-药物反应引起的更多诊断)

f)给定统一性，显示统一性

(给定诊断列表，推断需要进一步将几个诊断合一的诊断)

g)给定链接，显示统一性

(给定异常实验室或放射学测试结果，是诊断)

h)给定提示、链接和统一性，显示统一性

(给定诊断列表，除去没有所列症状、体征和实验室结果的诊断)

所有的临床项目(例如药物、症状、体征、诊断、放射学、药理学结果)处理为等同的对象，每个对象知晓其是否为提示(未定义的)或链接(将要定义)或统一性(定义好的)或管理对象。所有这些医疗对象按照层次划分，类似于生物Linnean系统(参见后面)，四个门(phylla)为提示、链接、统一性和管理。定义好的对象知晓所有未定义的、将要定义的和与它有关的管理对象以及它们的机率。评价的输出进入到单元格，并根据几率排列，该几率引用在医疗项目后。由于预先的医疗数据可以从医疗记录输入，所以医疗电子表格使得在就诊各阶段可以对病人状况作严格的计算机评价。医疗电子表格设计为用于迭代方式解决临床问题。作为每次查询的结果，单元格被更新，用户可以选择编辑单元格并进一步进行查询。每个单元格是文本方格，对于评价练习，只对新的每行第一个字进行分析。这种设计使得医生可以输入自由文本来增加其笔记。电子表格实际输出包括1)处方撰写2)要求将病理学和放射学测试作为管理单元格内容很容易转入处方或病理学请求模块。

在较佳实施例中，医疗电子表格的功能相当于将电子医疗记录完整集成在一起。有关现有临床问题集的临床数据、药物、现有电子医疗记录研究结果可以通过单击按钮输入到电子医疗表格中。

在另一较佳实施例中，临床数据模型的管理类别进一步划分为治疗和检查。这使得屏幕有另外的单元格。超过四个等级的临床数据定义得到了尝试，但是这增加了用户应用复杂性。内部的临床数据可以进一步划分为1)未定义2)将要定义3)定义好的。由于类别增加，屏幕出现更多的单元格。较佳的选择是为用户保持应用的简单性。因此提示、链接、统一性和管理(包括治疗和检查)是有效的解决方案。

在另一实施例中，医疗电子表格相当于单独的程序。在单独模式中，医疗电子表格是资料库源、临床助教，并且利用发现模式的电子表格使得临床学生提高其技能。

利用同样的四元PLUM模型改进了医疗记录保存系统。它跨越三种模式的手工/电子医疗记录和功能：1)完全手工；2)手工加电子；以及3)完全电子化的医疗记录系统。在这种医疗记录系统中，临床就诊内的病人健康数据记录在四元格式内而同一四元的其它例子包括健康记录的总体激活、总体非激活和总体登录分量，这些分量代表病人的整体健康状态。

医疗电子表格的PLUM格式

如上所述，首字母缩写PLUM代表提示、链接、统一性和管理。

医疗电子表格的格式基于分等级分立定义模型的PLUM四元。在一种实现方案中四个单元格排成一列，或者2×2排列。四个单元格称为P、L、U和M；从上部开始。这四个单元格直接映射到四元方式的四个类别。P或提示单元格只保存NYD事件。L或链接单元格只保存ATBD事件。U或统一性单元格只包含WD事件而M或管理单元格包含唯一外在类别事件。

在屏幕右边是所有临床事件描述的采集列表。该列表的选择导致电子表格查找所属的选择项目类别。在正确的PLUM单元格的新行中得到更新。用户可以人工输入单元格，但是当计算时采集列表的分析误差较少。

可以选择将总体或积累的病人数据从总体激活PLUM(参见下面)和总体非激活PLUM输入就诊电子表格。

操作方法

电子表格的实现基于对象概念和响应报文的对象。四元模型中的所有事件是对象和对报文响应。例如当发送列表_提示的查询报文时，Diabetes Mellitus的统一性对象将提供症状和体征列表以及它们从0～1的机率。列表_链接报文将列出所有与Diabetes Mellitus有关的病理学和放射学结果以及从0～1的机率。而报文列表_管理将列出diabetesMeiilitus的所有通常的治疗方法。

查询类型的操作方法：

p-＞U

该查询读作“给定提示显示统一性”。医生或学生通过翻卷采集列表或在GO按钮旁边的搜索格内打出“cou”选择咳嗽。然后选择“咳嗽”。随后的同样过程是采集“咳血”。这两项自动插入P单元格。对于咳嗽和咳血不同诊断的查询将导致

bronchitis＠acute[0.3]

carcinoma.bronchus[0.2]

tuberculosis[0.1]

它们将输出至统一性单元格。方括号中的数字表示诊断的机率。用户也可以选择不显示括号。向统一性单元格的输出按照机率排列。在进行P-＞U查询时，程序借助与咳嗽和咳血一致的提示事件搜索所有的统一性对象。

L-＞U

该查询读作“给定链接显示统一性”。

如果用户采集诸如xr.chest^*spot之类的链接对象-这意味着有异常斑点的x射线胸腔透视。在查询时，程序询问标识为xr.chest^*spot的链接对象相关的统一性(诊断)对象和相应的机率列表。统一性单元格内的输出为：

carcinoma.bronchurs[0.2]

tuberculoisis[0.1]

M-＞P

该查询读作“给定管理显示提示”。

如果用户在发出查询时挑选青霉素，则程序询问称为青霉素的管理对象的不利反应的列表。输出将在提示单元格内。

stomach＠pain[0.02]

stomach＠nausea[0.01]

vomiting[0.01]

diarrhea[0.01]

M-＞U

“给定管理显示统一性”。给定单个治疗显示诊断，即治疗索引。但是如果有不止一个的治疗方法，则将显示引起统一单元格内所列诊断的药物反应。借助青霉素的例子，在查询时，程序将询问统一性对象列表的青霉素对象，在此青霉素疗法是合适的。统一性单元格内的输出将显示

tonsillitis

infection＜streptococcusPyogenens

infection＜neisseria

U-＞P

该查询读作“给定统一性显示提示”。假定用户将tonsillitis选入统一单元格。在开始查询时，程序将询问提示列表的统一性对象以及相应的机率。输出将在提示单元格内

throat＠pain[0.7]

fever[0.6]

muscle＠pain[0.2]

breath＠bad[0.2]

U-＞L

该查询读作“给定统一性显示链接”。假定用户将tonsillitis选入统一单元格。在开始查询时，程序将询问链接列表的统一性对象以及相应的机率。输出将在提示单元格内

microAndCulture.throat^*[0.5]

whiteCellCount^*[0.3]

U-＞M该查询读作“给定统一性显示管理”。假定用户将tonsillitis选入统一单元格。在开始查询时，程序将询问管理列表的统一性对象。输出将在提示单元格内

penicillin

erythromycin

amoxycillin

cephalexin

P-＞LU

该查询读作“给定提示显示链接和统一性”。假定用户将tonsillitis选入提示单元格。在开始查询时，程序将向提示对象询问统一性列表以及相应的机率。从统一性对象集合中向哪些对象询问链接的列表。输出将在统一性单元格内

bronchitis[0.5]

carcinoma.bronchus[0.2]

tuberlosis[0.1]

链接单元格内的输出类似于(括号中为注释)

xr.chest^*spot(x射线胸腔透视斑点异常)

micro＠sputum^*(显微和spumtum异常人工培养)

test＠mantoux^*(异常的mantpux测试)

P-＞UM

该查询读作“给定提示显示统一性和管理”。假定用户将hemoptysis选入提示单元格。在开始查询时，程序将向提示对象询问统一性列表以及相应的机率。从统一性对象集合中向哪些对象询问管理的列表。实际上两种查询依次为1)P-＞U2)U-＞M。

L-＞PU

该查询读作“给定链接显示提示和统一性”。该查询实际上按照下列顺序1)L-＞U2)U-＞P。

L-＞UM

该查询读作“给定链接显示统一性和管理”。该查询实际上按照下列顺序1)L-＞U2)U-＞M。

M-＞LU

该查询读作“给定管理显示链接和统一性”。该查询实际上按照下列顺序1)M-＞U2)U-＞L。

M-＞PU

该查询读作“给定管理显示提示和统一性”。该查询实际上按照下列顺序1)M-＞U2)U-＞P。

U-＞PL

该查询读作“给定统一性显示提示和链接”。该查询实际上按照下列顺序1)U-＞P2)P-＞L。

P-＞LUM

该查询读作“给定提示显示链接、统一性和管理”。该查询实际上按照下列顺序1)P-＞L2)L-＞U3)U-＞M。

L-＞PUM

该查询读作“给定链接显示提示、统一性和管理”。该查询实际上按照下列顺序1)L-＞P2)P-＞U3)U-＞M。

U-＞PLM

该查询读作“给定统一性显示提示、链接和管理”。该查询实际上按照下列顺序1)U-＞P2)P-＞L3)L-＞M。

M-＞PU

该查询读作“给出的管理显示提示和统一性”。该查询实际上按照下列顺序1)M-＞P2)P-＞U。

U-＞PL

该查询读作“给定统一性显示提示和链接”。该查询实际上按照下列顺序1)U-＞P2)P-＞L。

P-＞LUM

该查询读作“给定提示显示链接、统一性和管理”。该查询实际上按照下列顺序1)P-＞L2)L-＞U3)U-＞M。

L-＞PUM

该查询读作“给定链接显示提示、统一性和管理”。该查询实际上按照下列顺序1)L-＞P2)P-＞U3)U-＞M。

PL-＞U

该查询读作“给定提示和链接显示统一性”。该查询实际上按照下列顺序1)P-＞U2)L-＞U。

这后面跟随U内容的整理和排列。

PU-＞L

该查询读作“给定提示和统一性显示链接”。该查询实际上按照下列顺序1)P-＞L2)U-＞L。

这后面跟随L内容的整理和排列。

PU-＞M

该查询读作“给定提示和统一性显示管理”。该查询实际上按照下列顺序1)P-＞U2)U-＞M。

这后面跟随M内容的整理和排列。

PL-＞UM

该查询读作“给定提示和链接显示统一性和管理”。该查询实际上按照下列顺序1)P-＞U2)L-＞U3)U-＞M。

PLU-＞U

该查询读作“给定提示、链接和统一性显示统一性”。该查询实际上按照下列顺序1)P-＞U2)L-＞U。这两个输出与原先U内容之和的交叉给出了与提示和链接相容的统一性对象列表。该查询用于修整不同诊断的长列表。

P-＞P

该查询读作“给定提示显示提示”。该查询询问提示对象以释放更多的相关提示对象。实施细节为：1)P-＞U2)U-＞P。诸如咳嗽之类的提示对象将产生下列输出：

cough

hemoptysis

wheezing

shortnessOfBreath

L-＞L

该查询读作“给出的链接显示链接”。该查询询问链接对象以释放更多的相关链接对象。实施细节为：1)L-＞U2)U-＞L。该查询用来建议更多合适的测试。

U-＞U(max)

该查询读作“给出的统一性表示最大的统一性”。

对于一个统一性对象，它询问统一性对象以释放更多的相关统一性对象。实施形式为：1)U-＞L2)L-＞U。这些序列产生较长的诊断机率列表。

U-＞U(min)

该查询读作“给出的统一性表示最小的统一性”。

对于多个统一性对象，该询问试图通过使几个诊断合为一体缩短列表。例如统一性单元格包括如下：

fracture

calculus.kindey

hypertension

它将评价为hyperparathyroidism。

M-＞M

该查询读作“给出的管理表示管理”。该查询询问管理对象以释放更多的相关管理对象。这是在药物过敏时替换疗法的查询。实施细节为：1)M-＞U2)U-＞M。

UM-＞U

该查询读作“给出的统一性和管理表示统一性”。该查询用来向统一性对象查询管理对象的交互作用以显示疾病药物交互作用引起的诊断机率。

病理学/放射学结果输出模块由下拉菜单激发。管理框的内容被放入集合。集合的元素放入只选择实验室/放射学对象的do循环中。结果被放入对话框内，选择的条目打印在请求表格上，利用医疗记录中保存的信息更新医疗记录。

药物处方打印模块由下拉菜单激发。管理框的内容被放入集合。集合的元素放入只选择药物对象的do循环中。结果被放入对话框内，选择的条目打印在处方表格上，利用医疗记录中保存的信息更新医疗记录。

病人教育模块由下拉菜单激发。管理框的内容被放入集合。结果被放入诊断框并且与被选择条目相关的教育信息作为病人教育传单被打印出来。

PLUM查询语言

如上所述，在分等级分立定义模型的较佳四元实现方案中，共有P,L,U和M四个单元格。查询所有可能的排列可以用nCr的公式计算

nCr=n！/r！(n-r)！

该标准排列公式描述了异常从n个不同对象中取r个对象的可能数目。那是可以从n集合中形成r子集的数量。由于单元格数量的输入范围在1-4之间，所以排列的总数为：

4C1+4C2+4C3+4C4=4+6+4+1=15

因此从四个单元格输入的排列数为15。

同样，排列的输出数也为15。

因此基于输入和输出四个单元格的所有排列的查询类型理论最大值为15×15=255。医疗查询语言包含从四个单元格提取的输入并输出至这四个单元格的255个排列。

但是，大多数查询是没有实际价值的，例如：“给定链接和管理显示提示、链接、统一性和管理”，或者“给出的提示、统一性和管理表示链接”。大多数有用的查询使评价输出直接进入单元格而不是进入输入单元格。但是也有查询的例子，输出返回到输入单元格，参见以下实例。

更多的实际查询可以按照输出直接远离输入单元格的类型划分：

1)1个单元格输入和在1个单元格内输出。

2)1个单元格输入和在2个单元格内输出。

3)1个单元格输入和在3个单元格内输出

4)2个单元格输入和在1个单元格内输出。

5)在个单元格输入和在2个单元格内输出。

6)3个单元格输入和在1个单元格内输出

1个单元格输入和在1个单元格内输出的查询

P-＞L给定提示，显示链接。

P-＞U给定提示，显示统一性。给定症状/体征显示诊断。

P-＞M给定提示，显示管理。

L-＞P给定链接，显示提示。

L-＞U给定链接，显示统一性。给定异常测试结果，显示诊断。

L-＞M给定链接，显示管理。

M-＞P给定管理，显示提示。给定治疗，显示不利的症状/体征。

M-＞L给定管理，显示链接。

M-＞U给定管理，显示统一性。给定单一治疗，显示诊断，即疗法索引。但是如果有更多的治疗方法，则显示引起统一性单元格内所列诊断的不利的药物反应。

U-＞P给定统一性，显示提示。给定诊断，显示症状/体征。

U-＞L给定统一性，显示链接。给定诊断，显示相关的异常测试结果。

U-＞M给定统一性显示管理。给出诊断显示治疗。

1个单元格输入和在2个单元格内输出的查询。

P-＞LU给定提示，显示链接和统一性。给定症状/体征，显示异常测试结果和诊断。

P-＞UM给定提示显示统一性和管理。给定症状/体征显示诊断和管理。P-＞LM给定提示显示链接和管理。

L-＞PU给定链接显示提示和统一性。给定异常测试结果显示症状/体征和诊断。

L-＞UM给定链接显示统一性和管理。给定异常测试结果显示诊断和处理。

L-＞PM给定链接显示提示和管理。

M-＞PL给定管理显示提示和链接。

M-＞LU给定管理显示链接和统一性。给出治疗显示异常测试结果和不利诊断。

M-＞PU给定管理显示提示和统一性。给定治疗显示不利的提示和诊断。

U-＞PL给定统一性显示提示和链接。给出诊断显示异常测试结果和症状/体征。

U-＞LM给定统一性显示链接和管理。

U-＞PM给定统一性显示提示和管理。

1个输入和在3个单元格内输出的查询。

P-＞LUM给定提示显示链接、统一性和管理。给定症状/体征显示异常测试结果和治疗。

L-＞PUM给定链接显示提示、统一性和管理。给定异常测试结果显示症状/体征、诊断和治疗。

M-＞PLU给定管理显示提示、链接和统一性。

2个单元格输入和在1个单元格内输出的查询。

PL-＞M给定提示和链接显示统一性。给定症状/体征显示诊断。

PU-＞L给定提示和统一性显示链接。给定症状/体征和诊断显示异常测试结果。

PM-＞L给定提示和管理显示链接。

LU-＞P给定链接和统一性显示提示。

LM-＞P给定链接和管理显示提示。

MU-＞P出的管理和统一性显示提示。

PL-＞M给定提示和链接显示管理。

PU-＞M给定提示和统一性显示管理。

PM-＞U给定提示和管理显示统一性。

LU-＞M给定链接和统一性显示管理。

LM-＞U给定链接和管理显示统一性。

MU-＞L给定管理和统一性显示链接。

2个单元格输入和在2个单元格内输出的查询。

PL-＞UM给定提示和链接显示统一性和管理。给定症状/体征和异常测试结果显示诊断和管理。

PU-＞LM给定提示和统一性显示链接和管理。

PM-＞LU给定提示和管理显示链接和统一性。

LU-＞PM给定链接和统一性显示提示和统一性。

LM-＞PU给定链接和管理显示提示和统一性。

UM-＞PL给定统一性和管理显示提示和链接。

3个输入和在1个单元格内输出的查询

PLU-＞M给定提示、链接和统一性显示管理。

PLM-＞U给定提示、链接和管理给出统一性。

LUM-＞P给定链接、统一性和管理显示提示。

PUM-＞L给定提示、统一性和管理显示链接。

使输出回转到输入单元格内的有用查询实例。

PLU-＞U给定提示、链接和统一性显示统一性。在该实例中，统一性中的诊断列表如果得不到提示和链接中所列条目的支持，则被切下尾端。

P-＞P给定提示显示提示。给定症状/体征显示需要取消的更多症状和体征。

L-＞L给定链接显示更多的链接。给定异常测试结果显示更多相关的异常测试结果。

U-＞U给定统一性显示更多的统一性。给定诊断显示更多相关的诊断。

M-＞M给定管理显示管理。给定治疗显示更多相关的治疗。

UM-＞U给定统一性和管理显示统一性。给定治疗和诊断显示不利的诊断作为疾病-药物或疾病-过程相互作用的结果。

总体医疗评价

基本四元模型(四元和PLUM可以交换使用)可以用于就诊、医疗记录的总体激活和总体非激活分量。在这种方式下，病人的健康数据可以充分而有效地进行划分以用于信息输入和检索。

在这种方式下，借助用来表示从病人就诊所得数据相一致的四元数据模型来有效评价病人状况。PLUM数据模型用来记录病人就诊，用就诊四元表示。同样的模型可用于称为总体激活四元的病人全身总体健康状态的数据表示。病人数据的信息模型对病人护理中所有的临床事件分类，并且便于计算机化。对旧模型改进的方面是代替问题列表，临床医生根据四个数据类别的矩阵(精确反映就诊模型)获取病人总体状况报告。考虑为非激活的临床事件放入称为总体非激活四元的总体激活四元的后备中。这种用于局部就诊和总体病人健康状态的相一致方法可以及时方便地获取病人健康状态，具有如下的明显优点：1)避免不必要的病理学测试；2)启动合适的病人检查；3)用早期诊断改善对病人的评价；以及4)改善疗法和相应程序方面的病人管理。

在本实施例中，精细的策略是将所有将来可能有意义的例外或重要临床数据移入总体激活四元。在某种意义上说，总体激活四元是“持续的就诊”。

实现用于就诊笔记(局部水平)和总的病人状态(总体水平)的评价病人健康模型以及医生/机器接口遇到了问题。这种面向评价的病人健康数据多阶段四元模型(这些阶段为就诊、总体激活、总体非激活和总体登录PLUM)同样适于手工或电子医疗记录或者它们的组合。

本实施例的一个重要特征是同一数据模型用于就诊笔记和用于描述总的病人状态。该模型在全手工下工作得很好。在混合手工/电子记录系统中，利用了医疗记录的手工和电子版本的各自强度。在混合系统中，通过扫描输入基于健康模型的纸件医疗记录并在这种方式下与电子方式无缝集成在一起。作为替换，系统可以用于主要是电子的方式。利用键盘、语音识别或笔/图像板装置可以输入电子记录。

带写字板和手写识别软件结合的笔装置在市场上有销售(例如Fujitsu Script1000)。在后一种情况下，这些笔记的硬拷贝可以由计算机系统打印出来，如果需要可以包括到手工记录中。

为了回答临床问题，外壳内的什么是病人总体临床状况？代替老的医疗记录系统中的问题列表，采用GLOBAL ACTIVE TERAD表示总体病人状态，它包括PLUM矩阵的不变的元素，包括提示、链接、统一性和管理。这类似于在病人临床状态上作计分单。病人经过多个医生看病之后，病人健康状态的运行计分表或快照就成为实现好健康工人的有力工具。

GLOBAL ACIVE TETRAD例如可以用来通过GLOBAL ACTIVE TETRAD中合适的类别在会诊时获得下拉问题的答案。

1)过去的诊断是什么？

回答：查看总体激活统一性

2)一贯的症状/体征是什么？

回答：查看总体激活提示

3)病人服用什么药片？

回答：查看总体激活管理

4)病人仍然在理疗？

回答：查看总体激活管理

5)有令人担忧的异常测试结果吗？

回答：查看总体激活链接

6)病人对青霉素过敏吗？

回答：查看总体激活统一性

7)病人在对华法令阻凝剂作定期试验吗？

回答：查看总体激活统一性

8)何时作过最后一次全血液检查？

回答：查看总体非激活链接

临床就诊表格的PLUM格式-手工版本

临床就诊表格的格式模型是四元模型后面概念的外部实施例。在就诊表中有五栏。第一栏是会诊日期，第二栏是提示，第三栏是链接，第四栏是统一性而最后一栏管理事件。在A4纸件上以横向排列是经济的。更为重要的是在功能上便于临床医生在开处方、管理部分中作测试和在链接部分作检查结果时上下扫描。数据格式将TETRAD数据沿水平轴分类并按照时间顺序在垂直轴上分类。

混合医疗记录

临床医生在就诊表格内记录就诊笔记。推荐的做法是采用诸如DOCLE标记/分类/编码系统之类的字母医疗编码系统以便于用计算机表示健康数据。临床医生输入日期并在提示、链接、统一性和管理部分内登录时间。医生可以在GLOBALACTIVE TETRAD表格中更新一贯或有意义的临床事件，例如慢性病或过敏，从而对会影响下一会诊和管理的重要临床事件保持警觉。该就诊表格可以扫描入电子医疗记录。就诊表格为提示、链接、统一性和管理的矩形框。在每个矩形框内，框的内容由左上角的关键词设定上下文。计算机识别手写体有了长足的进步，例如苹果的牛顿和富士的Script1000。程序可以将手写的文本转换为ASCⅡ文本以更新电子医疗记录。

全电子医疗记录

就诊表格在Utility菜单上有一选项将任何事件放入GLOBAL ACTIVETETRAD或GLOBAL INACTIVE TETRAD内。GLOBAL ACTIVE TETRAD包含四个可以翻卷的列表框。列表框内的事件按照时间顺序排序。

在列表框内作出的任何选择可以从激活切换至非激活，或者相反。将总体事件分离为前景(激活)和背景(非激活模式)是例外报告的方式并且是记录系统有用的特征。

基于PLUM的法律电子表格

法律电子表格基于上述数据模型和方法。它采用相同的分等级分立定义模型来建模客户的法律状态。法律数据的分类基于就法律判断的难易性和随后法庭救助而言的定义度判据。利用同样的术语，在一端是法律中未明确或提示数据，包括可描述但无法完全解决法律问题的属性。提示的例子有：土地购买、捕鱼权争议、离婚、邻里纠纷等等。在关于法律的另一端，是精确定义的法律原理，它依据最终判决和随后的法庭规则强迫执行。精确定义的法律原理或普通法的事实和条文法的特定部分共同等价于临床医疗中诊断的概念。在未定义和精确定义类别之间有一个以上的过渡类别。这种法律电子表格的较佳选择是只有一个被称为待定义类别的中间类别。在法律等价物中，这种待定义类别称为链接，包括先前的法律案例。在这种构成法律电子表格的信念系统模型中，法律先例等价于实验室测试结果。

如上所述，称为PLUM的分等级分立定义模型的四元版本代表提示、链接，统一性和管理。利用该术语，所有描述客户状态的法律数据划分为四类：1)提示-这包含具有未解决属性案件的未定义法律数据。2)链接-这包含所有待定义的法律数据，根据定义它是通向法律诊断的法律案件先例。3)统一性-这种定义好的法律数据包括法官在引证和作出判决时采用的法律原理和事实。4)管理-这包括判决后法庭采取的行动-合同无效或者法官提出的其它补救措施。法律电子表格接待表包括四个单元格，每个单元格代表PLUM四个类别中的一个。

提示单元格保留给未定义的法律数据。链接单元格保留给待定义的法律数据或先例。统一性单元格保留给定义好的法律数据。管理单元格用于涉及法庭判决或赔偿的法律数据。

分等级分立定义模型的四元PLUM提供了电子表格的逻辑框架。该四元模型适于医疗/法律过程的逻辑处理，这样的过程是将不清楚的医疗/法律信息处理为临床就诊或法庭判决的解决方案，从而根据合理的法律原理或医疗诊断依据获得发现。向上一级法院上诉与病人询问第二种意见没有区别。虽然医疗专家要求更多的测试，律师可以要求更多的案件先例。

分等级分立定义模型解决了传统法律案例的上述不一致并且将所有的法律数据划分为简明而互相排斥的类别。以这种方式建模法律数据为法律电子表格和其强有力的查询语言的建立打下了基础。由于提供了具有搜索功能的采集列表，所以法律电子表格的设计避免了律师的打字。简单的查询列表(括号中带有等价的医疗查询)表示医疗和法律领域内解决问题的共性。

a)给定提示，显示链接。

(给定症状和体征显示相关的异常测试)

(给出属性，显示法律先例)

b)给定统一性，显示管理

(给定诊断，显示治疗)

(给出法律诊断，显示法律补救措施)

c)给定统一性，显示提示和链接

(给定诊断，显示症状和体征以及异常测试)

(给定法律诊断，显示属性和先例)

d)给定管理，显示提示

(给定治疗，显示不利的症状和体征)

(给定法庭赔偿，例如contract＠nullify，显示法律诊断和先例)

e)给定的统一性，显示更多的统一性

(给定的诊断列表，推断需要进一步将几个诊断合一的诊断)

(给定法律诊断列表，吸收更多的法律诊断-在许多先例中判决是基于几个法律原理的)

f)给定提示和统一性，显示链接

(给定症状和体征和诊断，显示解释发现的异常测试)

(给定案件属性和法律诊断-显示一致的先例)

g)给定链接，显示统一性

(给定异常实验室或放射学测试结果，诊断是什么)

(给定先例，法律诊断是什么)

h)给定提示、链接和统一性，显示统一性

(给定诊断列表，减少没有列表的症状、体征和实验室结果的诊断)

(给定法律诊断列表，减少与列表属性和先例一致的诊断)

以下涉及更广泛的法律查询列表。

评价输出进入到单元格中，并且根据机率排列。法律电子表格使得计算机可以对客户法律状态进行严格的评价。法律电子表格被用来以迭代方式解决法律问题。因此每次查询时单元格都更新，用户可以选择编辑单元格并进行进一步的查询。

每个单元格是文本格或列表框，对于评价练习，只分析每一新行的第一个字就足够了。这种设计使得律师自由输入文本以增加笔记内容。电子表格的实际输出包括1)打印四个类别定义的法律状态；2)要求律师将搜索的法律先例列表；3)律师将要告知或影响法官判决的目标法律诊断列表。

象医疗情况相似，法律数据可以进一步超出四级分类1)未定义的；2)待定义的；3)定义好的；以及4)管理。由于增加了分类数，这就导致要对附加单元格的筛选。较佳的选项是对用户保持应用简单。因此提示、链接、统一性和管理四个单元格是有效的解决方案。

在本发明一个实施例中，电子表格的功能是单独的程序，它没有笔记的容量并且单元格以列表框形式实现。在单独模式中，电子表格是库资源，法律辅助员并且利用发现模式下的电子表格训练法律学生的技巧是极好的。

由于电子表格工作在未定义、待定义和定义好类别下，所以这种在医疗和法律问题求解中的比喻意味着问题可以从上向下或从下向上或者从中间进入。

传统上法律被划分为以下重叠的部分。

根据法律来源分：

a)成文法

b)普通法

根据人们行为划分

a)民法-原告采取行动

b)刑法-国家或国王是起诉者

那些与法律职业确定的种类一致的主要类别为：

a)民事侵权行为-可采取行动但不是犯罪或契约

b)合同

c)刑事法律

d)知识产权法律

e)消费者法

f)家庭法

g)商法等

看看法律课本，先例与法律概念混合在一起。涉及几种冲突的法律原理的先例在几个章节中被丢失了。这些条目的关系是模糊的并且不易于计算机评估。

如上所述，分等级分立定义模型重新利用老的法律模型，使其与计算机处理协调。在这样的模型中，法律数据项属于一个并且只属于一个类别。在GDDM四元版本中，提示类别包括所有的法律数据，除了法律先例、统一性类别的法律原理和法律救助以外。链接类别包括所有的法律先例。统一性类别包括所有用来判决的法律原理。而管理类别包括所有的法律救助、规定和宣判。如果我们注意看客户与律师典型的交流活动，就会看到客户描述法律问题，律师参照并吸收提供重要法律原理的相似先例，如果被法官接受，则有利于客户-法律数据从“未定义”到“待定义”到“定义好”以使法官信服。由此达到推定的法律判决或定义好的状态，随后告知客户可能的判决和法律救助。以下是法律过程的数据流：

NOT YET DEFINED法律事件-＞ABOUT TO BE DEFINED法律事件-＞WELLDEFINED法律事件-＞LEAGAL REMEDY

或者在PLUM模型的用法中：

提示-＞链接-＞统一性-＞管理

但是当诊断不明显时数据流经常是迭代的

提示-＞链接-＞统一性-＞链接(先例)等

事件级联从病态定义事件到过渡定义事件，随后是定义好的事件，它触发处理和预言的提供。因此对于律师提供处理和预言不是很清楚的法律事件描述符分类为NYD或“未定义”。另一方面，如果法律事件是对于特定的法律救助定义明确并且因此可向客户预言的清楚的法律原理(诊断)，则法律事件描述符被分类为WD或“定义好的”。为了概括，所有用来向客户描述状态的法律事件描述符分为互相排斥的提示(未定义)、链接(待定义)、统一性(定义好的)和管理(法律救助)中的一类。它们是基于Linnean系统的法律编码和分类系统。PLUM四元模型的这四个类别构成Docle-L分类系统的四个门。不仅是法律数据划分为提示、链接、统一性和管理四个门。每个术语上诉门的法律类型也以linnean方式分类为类、簇和种。

Docle-L法律编码和分类-一种法律数据的高级语言表示

带四个门的法律分类系统是一种“胶水”，它将法律电子表格粘合起来，如果没有这种“胶水”，则电子表格投射将会偏离。Docle-L是字母的而不是数字编码和分类系统。表示法律数据的数字编码系统对于程序员来说过于复杂。法律电子表格包中采用的Docle-L法律编码和分类系统设计为解决以下问题1)法律信息中的编码系统2)法律信念系统，它与用于法律知识组织的生物学Linnean模型平行3)法律信念系统，它适于设计和实现成熟的法律决策支持系统；以及4)法律术语的缩写系统。由于生物学和法律遵循Linnean分类模型，所以Docle-L分类系统有生物学和法律两个分支。借助Docle-L系统，法律项目按照生物学家分类植物和动物的方式划分。1750年代瑞典科学家Carolus Linnaeus引入了物种的二项式命名法并且被公认为现代分类学之父。利用相同的Linnean模型来划分法律案件和法律原理似乎是不可能的，但是利用计算机科学中三种熟知的概念(子分类、多重继承和对象编程)解决了这个问题。

在生物学中，一致的分类系统以Linnean模型形式存在。Linnean模型构成了信念系统的基础，该系统随着生物学知识的变化而改变。由于二项式命名法有严格的规定，所以生物学领域没有编码问题。如果在法律领域我们能够发展一种与生物学模型等价的框架来表示法律知识的状态，则可以解决法律编码和分类问题。

Docle-L法律分类系统源于遵循分类Linnean模型的生物学和法律两个分支。法律条目按照生物学家分类植物和动物的方式分类。计算历史的课程表明了从数字编码向高级语言编码的趋势。

法律对象的整个领域被划分为门或章。构造法律电子表格的四元模型的主要分类在分类的门层次上表示。门是1)提示-属性2)链接-法律案件3)统一性-定义判决依据的法律原理以及4)管理-法律救助和描述。

Docle-L命名法实现了Linnean模型的拉丁二项式命名法。它是结构化法律语言，与表达的功能不平行。Docle-L项利用算符构成。例如与res sua概念有关的合同中法律原理错误写为contract＠mistake＠resSua。＠算符翻译为“适当的”。控制词典随后构造，根项循环从而形成有效的小项内核。唯一的Docle-L表达变为Docle-L对象的关键词(参见后面实例)。

Docle中非常有用的概念是首要、次要和第三位关键词。利用contract＠mistake＠resSua对象，首要关键词是contract＠mistake＠resSua，计算机产生的次要关键词是cont＠mist＠ress，第三位关键词是法律对象的别名，它提供不同的进入，在本实例中替换的关键词是1)theThingWasAlreadyHis2)resSua。作为所有关键词的基本点在引向同一contract＠mistake＠resSua对象的意义上说是等同的。

此外，上诉法律对象可能有不同的变化-可能是contract＠mistake＠resSua的亚种：contract＠mistake＠resSua＠uniateral和contract＠mistake＠resSua＠bilateral-即为什么需要“生物学分类”，因为在法庭上同一主题有许多不同的变化。

在这种方式下，利用基本术语和算符表示抽象法律概念的控制合成表达变得容易。

Docle-L利用了来自关键词本身的数据分离概念。与关键词结合在一起的数据延迟向Docle-L提供了扩展和完善法律知识的灵活性。首要、次要和第三位关键词引向同一具有存储行为的法律对象。法律的进步将使法律对象的行为逐渐变化。难以面对改变种类的需要，例如contract＠mistake＠resSua或contract＠mistake＠resExtincta。概念的关键词是恒定的，但是法律救助可以随时间成熟，即使事件定义是变化的-在这种分类下关键词总是与它代表的对象分离的(在计算机术语中，关键词是计算机变量名而不是计算机常量)。

当法律信息随时代变迁而成熟时，产生了帮助解决客户法律问题的系统需求。在这种决策支持系统中，推理引擎的工作必须合适。人工智能界把这称之为信念系统。集合列表与现代电子法律决策支持系统的信念系统不一致。生物学分类是似是而非的信念系统。我们可以发现新的种类并使其与最近的种匹配，赋予其拉丁种类名，由此解决了问题。

挑战随即来临，组织法律条目可变的信念系统。一种象Linnean模型那样稳定而优美的模型。

Docle-L分类概述

在缺乏有效编码和分类系统上法律信息无法得到明显的进步。

问题是成熟的法律条目计算机和科学分类并不存在。即，与成熟的生物学分类系统相比，情况是这样。律师无法面对法律条目的种类名称。我们无法定义法律条目概念。迄今为止没有等价于生物学的门、类、目、簇和种的等价物。在法律领域没有等价的二项式命名法。由于在法律中缺乏一致的框架，所以法律种类识别无重点和种类名字没有标准是当然的。司法的快速发展和法律分类框架的缺乏导致零碎的状态。我们在图书馆和在线电子数据库有大量的信息。诸如Docle-L之类的分类系统具有将所有法律信息放入一致框架的手段。

代之以更多的关键词搜索和链接以分类电子数据库，挑战是创建等价的Linnean系统，从而使未成型的非逻辑法律先例不留在主要Docle-L信念和分类系统中。我们没有提出拉丁二项式命名法。但是这是一种想法。为了实现Docle-L分类系统，需要三种先决条件。首先是我们需要等价的二项式命名法。该命名法必须是描述法律条目有力而标准的方法。其次，我们需要完全重建Linnean结构层次并且为各种层次引入新的定义。第三，我们需要创建分类处理的规则。代之以拉丁命名，我们有一种结构化的法律描述语言，称为Docle-L。在大多数情况下，Docle-L名字是法律条目名字，它直接出自法律课本。它们常常看起来就象是互联网地址。

Docle-L所采取的方针是采用种类名字的概念作为法律对象的KEY，也称为Docle-L对象。因此Docle-L是法律对象的分类。法律对象的分类也称为对象Lex。法律对象保存的信息参照taxa的成员，指针指向层次较低的和它自己层次的种类。随着法律研究进步那样，法律对象得到更新但是关键词仍然保持稳定。由于无需将数字分配给没有数字的条目，所以种类名称是字母。因此任务是1)我们必须识别法律对象所有的种类(亚种)-它们是法律属性、先例、法律原理和法律救助；2)分配每个种类的名字，一个作为数据知识库(考虑taxa与其它信息的成员关系)的对象以及3)将它们分类为满足法律工作者行为和类型需要的逻辑框架。由于法律编码系统必须为包括学生、律师、政府、统计员等在内的所有人设计，所以这是重要的。

Docle-L分类框架

当前的生物学分类基于1750年代的Linnaeus工作。生物学分类的中心原则是种类概念。其它原则是层次和分类学(taxon)概念(多个分类)。分类是共享每个层次结构的价值的群。种类识别是工作的一半，而另一半是将种类放入合适结构的合适的分类。

Docle-L分类系统识别法律种类的概念。术语统一性门的法律种类是唯一的法律原理，它定义了适于法律判决公正的程度。众所周知先例演示了法律原理，因此存在演示法律原理的的先例的可预测的结局。成文法的特定部分也是法律种类。在理论上，特定法律救助在种类或更好层次上需要法律诊断。这种分类将所有的法律种类按照Linnean框架分类。由于法律先例仅仅是法律种类的例子，所以所有的先例按照同一种类分类。所有的先例属于门链接。

Docle-L中分类系统基于作了重大修改的框架。Docle-L是Linnean分类、面向对象编程范例和法律主题的衍生。虽然首先在面向对象编程环境中实现了上述概念，但是Docle-L不管是用于手工系统还是标准数据库或者高级计算机语言均不成问题。

与Linnean模型的偏差是：

1)在种类层次以下有更多的分级。有亚种、亚亚种和亚亚亚种，它们适于法律中主题的变化。

2)种类或子类或例子可以是任何分类层次上的成员。这是Docle-L的多级特征。例如先例可包括合同类、民事侵权和犯罪。先例或法律案件可以相似更多的法律原理，类似于一个病人有多种诊断。

3)上述的必然结果是种类可以在任何层次上没有分类中的成员。而在生物学分类中丢失链接是可恶的，Docle-L工作假设在某些层次上有成员丢失。

4)正如在Docle-L中实现的，分类知道其成员。种类知道谁是门、类、目、簇、种、亚种、亚亚种、亚亚亚种。

5)在下面层次的分类无需是当前层次分类的后代。

6)待分类的条目保存在Docle-L对象(也称为法律对象)内，对象名字变成对象的关键词。对于这些Docle-L对象有三种关键词。首要关键词是完整的关键词，它象课本上的名字或者类似互联网地址。首要关键词的例子是contract＠mistake＠resSua。注意各项之间没有空格。次要关键词是利用缩写算法由计算机从首要关键词产生的。在本实例中，次要关键词是cont＠mist＠ress。第三关键词是条目的别名-resSuaContract和theThinglsAlreadyHis。

Docle-L中的分级

1．王国-在该分级上只有一个分类。

它称为对象Lex。对象Lex保存所有的法律对象和所有法律思想的对象。

2．门-四个分类是：

a)提示-不是链接、统一性和管理的法律条目

b)链接-先例

c)统一性-明确并用于判决的法律原理和法令具体部分

d)管理-法令救助

3．类-分类是各种法律专门领域，种类可属于一个或多个类

a)合同

b)犯罪

c)民事侵权

d)家庭

e)商业

f)国际

g)市政

h)宪法

i)工业

j)行政

k)税收

l)知识产权

m)消费者

n)财产

o)工人赔偿

p)事故

q)证据

r)程序

s)继承

t)环境

u)社会

4．目-法律来源：分类是普通、成文、平等、海军上将、教士。judge＠source、law＠unitedStates、law＠canada、law＠international、law＠australia、law＠australia＠native、law＠australia＠victoria、law＠canada＠victoria等。特定的法律种类可能有多个法律来源并且因此属于几个规则。例如澳大利亚贸易法在美国法律基础上建立。

5．簇-在立法之后或没有成文法时命名。该分级的例子是a)家庭法1975；b)贸易法1974；c)交通事故法1986；d)印度合同法1857。

6．种-该层次上的分类是法律中的概念。

该层次上的概念对于判决和精确的法律救助是不够的。

例子：暗杀、诽谤、起诉、摘要、忽略、procedure＠lawcivil、procedure＠law＠criminal

合同法中种的例子：

报价、接受、考虑、撤回、拒绝、错误、mistake＠unilateral、mistake＠mutual、intentionToBeBound、容量、隐私、内容、隐含项、误解、期限、undueInfluence、contract＠voidable、contract＠discharge、contract＠illegal。

8．种类-词根是拉丁文specere，意思是看。在种类层次，法律原理对于法官根据法律原理判决和作出法律救助是足够的。种类通常是属于种层次的条目的更精细的陈述，例如murder＠first＠dgree。该原理可以是来自成文法的一部分。属于门统一性的种类是特征性的法律原理，它的特征被律师熟知。经常还有与法律种类一致的相关先例，从而对演示法律原理的案件存在可预言的结果或预言。在理论中，在制定合适和特定的法律救助之前，需要在种类层次或更高层次上由法官或陪审团作出判断。

种类的例子是contract＠mistake＠resSua、contract＠mistake＠resExtinca。

Docle-L系统中法庭先例及其关系的作用

先例属于门链接。先例也是法律种类的例子。类比是Joe Blow是种类智人的例子。我们可以通过研究智人的例子获得智人的知识。

案例研究是链接的种类-统一性种类本身实例的先例为contract＠mistake＠resSua。

名称：coperV.phibbs1867

王国：对象lex

门：链接

类：合同

目：普通

簇：零

类：contract＠mistake mistake mistake＠common

种类：contract＠mistake＠resSua、

Docle-L命名法

Docle-L第一个核心概念是将真实世界本国法律的条文转换为标准缩写。例如caveat emptor由Docle算法(称为CoveatEmptor)在映射到Docle词cavee之前重新包装。注意Docle-L厌恶词之间的空格字符，第一个词是小写而随后的词是大写。在单个单词表示中，Docle产品是源单词的前四个字符。在两个单词表达中，结果是Docle的第一个单词串接第二个单词的第一个字符。对于三个或三个以上的单词表达，Docle结果是用每个单词第一个字符串接成的字符串。第二个核心概念是算符。Docle单词可以通过算符将Docle项组合在一起构成复杂的表达。例如合同中错误的概念可以表示为contract＠mistake-＠算符翻译为“合适的”。同样，证据法中错误的概念表示为evidence＠mistake。这种系统的实现必须应付a)避免同义表达b)映射冲突。Docle第三个核心概念是每个唯一的Docle表达式变为Docle对象的关键词。Docle编码引擎有效地产生唯一和有意义的编码。Docle是人能够读懂的并且适于输入确认。为了完成重要任务，律师必须能够对计算机数据进行校正。Docle对于统一的法律缩写标准是直觉和适合的，例如cont＠mist意味着合同适合错误-那是直觉。

算符：

Docle算符设计为使Docle语言发挥数据的数字编码不具有的威力。算符使得用户可以将两个或更多的Docle单词组合构成Docle表达式。复杂的表达式源于多个Docle单词和算符的应用。另一个算符是V.或者“V点”算符，它位于原告与被告名字之间，表示先例案件。例如表示多个条目编码的例子是contract＠mistake＠resSua。法律判决通常是解决两个或多个冲突。更复杂的表达式可以利用这些算符构造：

＞表示大于

＜表示小于

情况：

mcRaeV.CommonwealthDisposalsCommission是从两个种类继承的例子，

contract＠mistake＠resSua

contract＠mistake＠resSua＜contract＠warranty＠implied

在上述情况中，交易的政府一方暗示的保证金超过了res sua的本金，所以Mcrae可以恢复成本。

Docle-L将所有的法律对象分为提示、链接、统一性和管理四个门。门统一性的种类是确定判决基础的法律原理。种类和合适的法律救助只有在法官在种类层次上作出法律诊断后才是可能的。成文法的特定部分(或章节)也是统一性种类。先例定义为这样一种种类的例子。先例分类作为链接类别。管理是保存所有法律救助和描述的类别。没有划分为统一性、链接或管理的归入提示类别。该分类在实现法律电子表格中具有巨大的范例意义。

法律条目合适和逻辑的分类应该紧紧跟随法律的进步。有价值的分类系统必须能够处理新知识和在法律环境内保持变化。有价值的法律分类应该是法律专业人士的地图，指向需要去的地方。阅读包含数字的地图是困难的。将数字分配给法律条目由于随意性太大而有问题。每种努力都集中在分类而不是处理数字链接上以达到实用的电子表格。

Docle L列表

用首要和第三关键词映射到次要关键词的Docle-L中编码的法律条目实例。abandonmentContract cont＠abanabandonmentContractlmplication cont＠aban＠implicatacceptance acceacceptance＠conditional acce＠condacceptance＠email acce＠emaibreach＠damages brea＠damabreach＠promise brea＠prombreach＠specificPerformance brea＠specpbreach＠type brea＠typebreach＠warranty brea＠warrbrooksV.phillips philv. broobutcherV.solle sollv.butccameronV.pukallus pukav.camecapacity＠alien capa＠aliecapacity＠attainted capa＠attacapacity＠bank-rupt capa＠bankruptcapacity＠conv-ict capa＠convictcapacity＠corporation capa＠corpcapacity＠drunk capa＠druncapacity＠mental＠ill capa＠ment＠illcapacity＠minor capa＠minocapacity＠suiJuris capa＠suijcapacity＠woman＠married capa＠woma＠marrcaveatEmptor caveececilV.webster websv.cecicolinAndShieldsV.hartog harty.cascommonwealthDisposalsCommission mry.cdcconsideration＠discharge cons＠discconsideration＠doctrine cons＠doctconsideration＠exec-uted cons＠executedacceptance＠fax acce＠faxacceptance＠inference acce＠infeacceptancc＠means＠stipulation accc＠mean＠stipacceptance＠mode acce＠modeacceptance＠post acce＠postacceptance＠revocation acce＠revoacceptance＠telegram acce＠teleacceptance＠tender acce＠tendacceptance＠waiver acce＠waivacceptance＠who acce＠whoaccord＠satisfaction acco＠satiagent＠authority agen＠authaRobertsV.leicestershireCountyCouncil arv.lccaTestCase atcattainted capa＠attaauctionBid bid＠auctaverayV.lewis lewiv.averbaihnent＠consideration bail＠consbellV.leverBros bellv.levebbid＠auction bid＠auctbreach breabreach＠actual brea＠actubreach＠agreement＠exGratia brea＠agre＠exgbreach＠clauses＠exemption brca＠clau＠exembreach＠conditional brea＠condconsideration＠exec-utory cons＠executorconsideration＠forbearance＠sue cons＠forb＠sueconsideration＠moralObligation cons＠moraoconsideration＠past cons＠pastconsideration＠public＠duty cons＠publ＠dutyconsideration＠sufficiency cons＠suffconsideration＠valu-able cons＠vatuablecontract＠abandonment cont＠abancontract＠abandonmet＠impl-ication cont＠aban＠implicatcontract＠abandonment＠lapse cont＠aban＠lapscontract＠adhesion cont＠adhecontract＠bilateral cont＠bilacontract＠collateral cont＠collcontract＠cond-uct cont＠conductcontract＠crime cont＠crimcontract＠deed cont＠deedcontract＠defective cont＠defecontract＠form cont＠formcontract＠form-ation cont＠formatiocontract＠frustration cont＠fruscontract＠illegality cont＠illecontract＠privity cont＠privcontract＠sale＠business cont＠sale＠busicontract＠sale＠property cont＠sale＠propcontract＠seal cont＠sealcontract＠service cont＠servcontract＠simple cont＠simpcontract＠unconscionable cont＠uncocontract＠unilateral cont＠unilcontrac＠verbal cont＠verbcontractBreach breaconvict＠capacity conv＠capacooperV.phibbs coopv.phibcopyright＠assignment copy＠assicounter-offer counoffecouturierV.hastie coutv.hastcross-offers crosoffecross-offers＠effect crosoffe＠effecundyV.lindsay cundv.linddelegatusNonProtestDelegare dnpddeMinimisNonCuratLex dmncldennyV. hancock dennv.hanceiusdemGeneris eiusgexAntecedentibusEtConsequentibusFitOptimalnterpretatio eaecfoiexpressioUniusEstExclusioAlterius eueeaexTurpiCausaNonOritorActio etcnoafullLegalCapacity capa＠suijgallowayV.galloway gally.gallgoldsbroughMort V.quinn gmv.quinhartogV.colinAndShields hartv.cashindleyV.scrivenBros sbv.hind 1913holtV.markham holtv.markhughesV.smith smitv.hugh1871idCertumEstQuodCertumReddiPotest iceqcrpignorantiaJurisHaudExcusat ijheinPariDelictoPotiorEstConditioDefendentis ipdpecdinterestReipublicaeUtSitFinisLitium irusfljamesV.tamplin tampv.jamejohnsonV.taylor taylv.johnjoscelyneV.nissen joscv.nisskingsNortonMetalV.eldrigeMerritt knmv.eldrmleicestershireCountyCouncilV.aRoberts arv.lccleverBrosV.bell bellv.leveblewisV.averay lewiv.averlindsayV.cundy cundv.lindlocusPoenitentiae locupmarkhamV.holt holtv.markmcRaeV.CommonwealthDisposalsCommission mrv.cdcnissenV.joscelyne joscv.nissnorwich Union FireInsuranceSocietyV.williamHPrice nufisv.whpoffer offeoffer＠acceptance offe＠acceoffer＠advertisement offe＠adveoffer＠auction offe＠auctoffer＠bid offe＠bidoffer＠catalog offe＠cataoffer＠counter-offer offe＠counoffeoffer＠death offe＠deatoffer＠hire＠purchase offe＠hire＠purcoffer＠intention offe＠inteoffer＠invitation offe＠invioffer＠knowledge offe＠knowoffer＠lapse offe＠lapsoffer＠mistake offe＠mistoffer＠puff offe＠puffoffer＠rejection offe＠rejeoffer＠revocation offe＠revooffer＠shop offe＠shopoffer＠world offe＠worlomnisRatihabitioRetrotrahiturEtPrioriMandatoAequiparatur orrepmapaulV.riverlateProperties rpv.paulphibbsV.cooper coopv.phibphillipsV.brooks philv.broopimV.rose rosev.pimpotiorEstConditioDefentidis pecdpukallusV.cameron pukav.camequiFacitPerAliumFacitPerSe qfpafpsquinnVgoldsbroughMort gmv.quinrafllesV.wichelhaus raffv.wichresExtincta reseresPeriitDomino rpdresSua ressriverlatePropertiesV.paul rpv.paulroseV.pim rosev.pimscriptumPredictumNonEstFactumSuum spnefsscrivenBrosV.hindley 1913 sby.hind 1913smithV.hughes1871 smitv.hugh1871solleV.butcher sollv.butcstricklandV.Tumer1852 striv.turn 1852tamplinV.james tampv.jametaylorV.johnson taylv.johnturnerV.strickland striv.turn1852utResMagisValeatQuamPereat urmvqpverbaCharatarumFortiusAccipiunturContraProferentem vcfacpvigilantibusNonDonnientibusJuraSubveniunt vndjswebsterV.cecil websv.ceciwichelhausV.raffles raffv.wichwilliamHPriceV.norwichUnionFireInsuranceSociety nufisv. whp

法律电子表格的实现基于对象和响应消息的对象的概念-面向对象编程系统范例。四元模型中所有的法律数据都是对象并响应消息。例如当发送列表_提示的查询消息时，统一性对象contract＠mistake＠resSua根据知识库内保存的res sua提供与法律先例有关的属性列表。列表_链接消息将列出与res sua法律原理有关的所有法律先例。而消息列表_管理将列出contract＠mistake＠resSua法律原理的法律救助，它返回诸如contract＠nullify之类的管理类别种类。

查询类型的操作方法有下述类型：

P-＞U

该查询读作“给定提示显示链接”。通过顺序完成查询P-＞L到L-＞U完成。

L-＞U该查询读作“给出链接显示统一性”。

该程序对于所有的法律诊断询问所有的链接对象。

M-＞P

该查询读作“给定管理显示提示”。

它顺序完成M-＞U、U-＜L和L-＞P。

M-＞U

该查询读作“给定管理显示统一性”。程序可以询问所有的统一性对象并选择管理等于M的对象。

U-＞P

该查询读作“给定统一性显示提示”。顺序是U-＞L和L-＞P。

U-＞L

该查询读作“给定统一性显示链接”。该程序可以询问所有的统一性对象以列出所有有关的链接。

U-＞M

该查询读作“给定统一性显示管理”。该程序可以询问所有的统一性对象以列出所有有关的管理。

P-＞LU

该查询读作“给定提示显示链接和统一性”。顺序是P-＞L和L-＞M。

P-＞UM

该查询读作“给定提示显示统一性和管理”。这是有力的问题解决方法。有效的顺序是1)P-＞L2)L-＞U3)U-＞M。

如果P是contract＠mistake，则所有可能的法律诊断和法律救助被注出。下一步骤是编辑单元格以选择你希望客户得到的法律诊断和法律救助。客户随后利用UM-＞L显示所有有帮助的先例。

L-＞PU

该查询读作“给定链接显示提示和统一性”。实际完成查询顺序是1)L-＞U2)U-＞P。

L-＞UM

该查询读作“给定链接显示统一性和管理”。顺序是1)L-＞U2)U-＞M。

M-＞LU

该查询读作“给定管理显示链接和统一性”。顺序是1)M-＞L2)L-＞U。

M-＞PU

该查询读作“给定管理显示提示和统一性”。顺序是1)M-＞U2)U-＞P。

U-＞PL

该查询读作“给定统一性显示提示和链接”。顺序是1)U-＞P2)P-＞L。

P-＞LUM

该查询读作“给定提示显示链接、统一性和管理”。该查询实际上按照下列顺序完成查询1)P-＞L2)L-＞U3)U-＞M。

L-＞PUM

该查询读作“给定链接显示提示、统一性和管理”。该查询实际上按照下列顺序1)L-＞P2)P-＞U3)U-＞M。

U-＞PLM

该查询读作“给定统一性显示提示、链接和管理”。该查询实际上按照下列顺序1)U-＞P2)P-＞L3)L-＞M。

PL-＞U

该查询读作“给定提示和链接显示统一性”。该查询实际上按照下列顺序1)P-＞U2)L-＞U。

这后面跟随U内容的整理和排列。

PU-＞L

该查询读作“给定提示和统一性显示链接”。该查询实际上按照下列顺序1)P-＞L2)U-＞L。

这后面跟随L内容的整理和排列。

PU-＞M

该查询读作“给定提示和统一性显示管理”。该查询实际上按照下列顺序1)P-＞U2)U-＞M。

这后面跟随M内容的整理和排列。

PL-＞UM

该查询读作“给定提示和链接显示统一性和管理”。该查询实际上按照下列顺序1)P-＞U2)L-＞U3)U-＞M。

PLU-＞U

该查询读作“给定提示、链接和统一性显示统一性”。该查询实际上按照下列顺序1)P-＞U2)L-＞U。两个输出与原先U内容之和的交叉给出了与提示和链接相容的统一性对象列表。该查询用于修整不同诊断的长列表。

P-＞P

该查询读作“给定提示显示提示”。该查询询问提示对象以释放更多的相关提示对象。实施细节为：1)P-＞U2)U-＞P。提示对象用来添补更多有关的提示对象。

L-＞L

该查询读作“给定链接显示链接”。该查询询问链接对象以释放更多的相关链接对象。实施细节为：1)L-＞U2)U-＞L。该查询用来建议更多的经过提示或统一性特征相关的提示。

U-＞U(max)

该查询读作“给定统一性显示最大的统一性”。

对于一个统一性对象，它询问统一性对象以释放更多的相关统一性对象。实施形式为：1)U-＞L2)L-＞U。这些序列产生更长的法律诊断机率列表。

M-＞M

该查询读作“给定管理显示管理”。该查询询问管理对象以释放更多的相关管理对象。实施细节为：1)M-＞U2)U-＞M。

UM-＞U

该查询读作“给定统一性和管理显示统一性”。该查询用来缩短统一性对象列表以使给定的管理对象一致。

词汇表

ATBD        待定义的类别，介于未定义和定义好之间，与链接一样。

就诊数据    建立在单个接待者上的客户数据

GDDM        分等级分离定义模型-基于定义程度从未定义-定义好的知识表示系统，由于有明显的间隔，所以是分等级的，由于类别是互相排斥的，所以是分离的，由于作为判据使用，所以是定义的。

总体激活数据 至今仍然相关的累积客户数据

总体数据       建立在先前就诊者的累积客户数据

总体非激活数据 当前不相关但是将来可能相关而且先前是总体激活的累积数据

总体登录数据   累积客户数据，包括所有的就诊者、总体激活和总体非激活事件

总体状态表格   是表示总体激活数据和/或总体非激活数据的通用名

链接        待定义的事件，例如不提供给诊断或临时诊断的检查结果，例如胸透、白细胞减少、?diabetes。在法律电子表格中，它们是法律先例。

管理        治疗或诊断事件，例如x射线胸透、细胞学，但是检查结果放入链接中。治疗包括程序和药物。管理描述临床医生检查后的诊断和治疗。这些行动不是诊断就是治疗。在法律电子表格中，是法律宣判或救助。

NYD     未定义，在GDDM中的开始类别，与提示一样。

PLUM    提示、链接、统一性和管理的缩写，构成分等级分立定义模型的四元类别。

提示    未定义(NYD)事件，例如症状、体征和理由-例如咳嗽、异常疼痛和黄疸。在法律电子表格中，它们是不属于其它类别的法律问题的属性

四元    意味着分等级分立定义模型的类别版本，PLUM的同义词。

统一性   从治疗和预言角度是定义好的事件，例如肺癌、肺结核。在法律电子表格中定义好的法律原理或成文法。

WD    四元模型中的定义好或第三类别，描述适于治疗和预言的定义程度，与统一性相同。

本发明的精神和范围由下面的权利要求限定。

Claims (40)

1．一种实现计算机辅助迭代问题求解技术的方法，它从非数值数据开始并在预先选定的非数值数据之间的内部关系框架内得到可能的解，该可能解包括多个互相排斥的类别，所述方法的特征在于包括以下步骤：

在视频表示器上表示包含多个单元格的工作表，每个单元格对应所述互斥类别中的一个，用来表示非数值数据；

将初始非数值数据输入工作表内的各单元格；

选择一个查询，它借助初始非数值数据将至少工作表中第一单元格指定为输入并请求相关的非数值数据用于工作表中多个单元格的至少一个；

识别至少一个单元格的非数值数据，它与第一单元格内的非数值数据相关；以及

将识别的非数值数据插入工作表中至少一个单元格内作为求解可能解时考虑的进一步的信息。

2．如权利要求1所述的方法，其特征在于输入步骤包括：在视频表示器上表示非数值数据的采集列表，选择采集列表的输入，以及在工作表各单元格内表示选定的输入。

3．如权利要求1所述的方法，其特征在于输入步骤可以通过输入设备接收表述非数值数据的字母数字实现输入。

4．如权利要求3所述的方法，其特征在于这进一步包括分析接收到的字母数字输入以确定所指示的非数值数据。

5．如权利要求1所述的方法，其特征在于进一步包括提供多个程序对象，每个对应其中一个预先选定的非数值数据，并且识别步骤包括根据查询向程序对象发送相关数据的请求，程序对象对应第一单元格内的非数值数据。

6．如权利要求1所述的方法，其特征在于进一步包括在查询之前将工作表单元格的内容保存为电子表格的一页。

7．如权利要求1所述的方法，其特征在于互相排斥的分类根据决策难易程度包括不同的类别。

8．如权利要求1所述的方法，其特征在于互相排斥的类别由四类组成。

9．如权利要求1所述的方法，其特征在于识别步骤包括：获取工作表内与第一单元格非数值数据相关的下一单元格的非数值数据，并获取至少一个与所获取的下一单元格非数值数据相关的单元格的非数值数据。

10．如权利要求1所述的方法，其特征在于进一步包括表示至少一个单元格内至少一个识别相关数据发生机率的步骤。

11．如权利要求1所述的方法，其特征在于预先选择的非数值数据包括临床数据。

12．如权利要求1所述的方法，其特征在于预先选择的非数值数据包括法律数据。

13．一种实现计算机辅助迭代医疗问题求解技术的方法，它从初始临床数据开始并在预先选定的临床数据之间的内部关系框架内得到可能的解，该可能解包括多个互相排斥的类别，所述方法包括以下步骤：

在视频表示器上表示包含多个单元格的工作表，每个单元格对应所述互斥类别中的一个，用来表示临床数据；

将初始临床数据输入工作表内的各单元格；

选择一个查询，它借助初始临床数据将至少工作表中第一单元格指定为输入并请求相关的临床数据用于工作表中多个单元格的至少一个；

根据该查询识别至少一个单元格的临床数据，它与第一单元格内的临床数据相关；以及

将识别的临床数据插入工作表中至少一个单元格内作为求解可能解时考虑的进一步的信息。

14．如权利要求13所述的方法，其特征在于输入步骤包括：在视频表示器上表示临床数据的采集列表，选择采集列表的输入，以及在工作表各单元格内表示选定的输入。

15．如权利要求13所述的方法，其特征在于进一步包括提供多个程序对象，每个对应其中一个预先选定的临床数据，并且识别步骤包括向程序对象发送相关临床数据的请求，该程序对象对应第一单元格内的临床数据。

16．如权利要求13所述的方法，其特征在于进一步包括在查询之前将工作表单元格的内容保存为电子表格的一页。

17．如权利要求13所述的方法，其特征在于互相排斥的分类根据诊断难易程度包括不同的类别。

18．如权利要求17所述的方法，其特征在于互相排斥的分类包括第一类别，它包括症状和体征；第二类别，它包括临床测试结果；以及第三类别，它包括诊断。

19．如权利要求18所述的方法，其特征在于互相排斥的分类进一步包括第四类别，它包括治疗和检查。

20．如权利要求13所述的方法，其特征在于识别步骤包括：获取工作表内与第一单元格临床数据相关的下一单元格的临床数据，并获取至少一个与所获取的下一单元格临床数据相关的单元格的临床数据。

21．如权利要求13所述的方法，其特征在于进一步包括表示至少一个单元格内至少一个识别相关数据发生机率的步骤。

22．一种实现计算机辅助迭代法律问题求解技术的方法，它从初始法律数据开始并在预选择的法律数据之间的内部关系框架内得到可能的解，该可能的解包括多个互相排斥的类别，所述方法的特征在于包括以下步骤：

在视频表示器上表示包含多个单元格的工作表，每个单元格对应所述互斥的类别中的一个，用来表示法律数据；

将初始法律数据输入工作表内的各单元格；

选择一个查询，它借助初始法律数据将至少工作表中第一单元格指定为输入并请求与第一单元格中的法律数据相关的法律数据用于工作表中多个单元格的至少一个；

根据该查询，识别至少一个单元格的法律数据，它与第一单元格内的法律数据相关；以及

将识别的法律数据插入工作表中至少一个单元格内作为求解可能解时考虑的进一步的信息。

23．如权利要求22所述的方法，其特征在于输入步骤包括：在视频表示器上表示法律数据的采集列表，选择采集列表的输入，以及在工作表各单元格内表示选定的输入。

24．如权利要求22所述的方法，其特征在于进一步包括提供多个程序对象，每个对应其中一个预先选定的法律数据，并且识别步骤包括根据查询向程序对象发送相关法律数据的请求，程序对象对应第一单元格内的法律数据。

25．如权利要求24所述的方法，其特征在于进一步包括指定用于每个预先选择的法律数据的关键项，用来识别对应所述每个预先选择法律数据的程序对象并在工作表各单元格内表述所述每个预先选择的法律数据。

26．如权利要求24所述的方法，其特征在于进一步包括在查询之前将工作表单元格的内容保存为电子表格的一页。

27．如权利要求22所述的方法，其特征在于互相排斥的分类根据诊断难易程度包括不同的类别。

28．如权利要求27所述的方法，其特征在于互相排斥的分类包括第一类别，它包括与争议相关的事实；第二类别，它包括法律案例；以及第三类别，它包括法律原理。

29．如权利要求28所述的方法，其特征在于互相排斥的分类包含第四类别，它包括法律救助手段。

30．如权利要求22所述的方法，其特征在于识别步骤包括：获取工作表内与第一单元格法律数据相关的下一单元格的法律数据，并获取至少一个与所获取的下一单元格法律数据相关的单元格的法律数据。

31．一种提供记录用来评价病人状态的病人专门临床数据的方法，其特征在于临床数据划分为多个互相排斥的分类，所述方法包括以下步骤：

提供包含多个单元格的就诊表格，每个单元格对应一个所述互相排斥的类别；以及

将至少一个病人就诊期间采集的病人特定临床数据根据采集的临床数据所属分类输入就诊表格的各单元格内。

32．如权利要求31所述的方法，其特征在于进一步包括以下步骤：

提供包含多个单元格的总体状态表格，每个单元格对应所属互相排斥分类其中一个；

将采集的至少一个就诊表格内的临床数据放入总体状态表格的各单元格内。

33．如权利要求32所述的方法，其特征在于放入步骤包括：电子扫描就诊表格单元格以识别采集的临床数据和所采集临床数据的各类别，并且将采集的临床数据存储在总体状态表格的各单元格内。

34．如权利要求32所述的方法，其特征在于进一步包括以下步骤：提供总体非激活状态表格，该表格包含分别对应互相排斥的类别的单元格，以及将放入已经变为非激活的总体状态表格的临床数据传送至总体非激活状态表格的各单元格内。

35．如权利要求32所述的方法，其特征在于输入步骤包括在就诊表格记录所采集的临床数据的每个数据的生成日期。

36．如权利要求32所述的方法，其特征在于互相排斥的类别由四个类别组成。

37．如权利要求32所述的方法，其特征在于互相排斥的类别包括按照诊断难易程度区分的分类。

38．如权利要求37所述的方法，其特征在于互相排斥的类别包括：第一类别，它包括症状和体征，第二类别，它包括临床测试结果，以及第三类别，它包括诊断。

39．如权利要求38所述的方法，其特征在于互相排斥的分类包含第四类别，它包括治疗和检查。

40．一种记录评价病人状况用的临床数据的记录系统，其特征在于包括：

参照列表，它包含多个互相排斥的类别；

就诊表格，它包含多个单元格，每个对应其中一个要接收的所述互相排斥的类别；

其中至少在一个病人就诊期间采集的临床数据根据所采集临床数据所属的类别输入就诊表格的各单元格内。

Images