CN109508336A - 基于医疗资源事实库的检索方法、存储介质及计算机设备 - Google Patents

基于医疗资源事实库的检索方法、存储介质及计算机设备 Download PDF

Info

Publication number
CN109508336A
CN109508336A CN201910066498.4A CN201910066498A CN109508336A CN 109508336 A CN109508336 A CN 109508336A CN 201910066498 A CN201910066498 A CN 201910066498A CN 109508336 A CN109508336 A CN 109508336A
Authority
CN
China
Prior art keywords
information
disease
medical resource
medical
department
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910066498.4A
Other languages
English (en)
Inventor
金以东
李雪莉
周大胜
范玲玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ebaotech Internet Medical Information Technology (beijing) Co Ltd
Original Assignee
Ebaotech Internet Medical Information Technology (beijing) Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ebaotech Internet Medical Information Technology (beijing) Co Ltd filed Critical Ebaotech Internet Medical Information Technology (beijing) Co Ltd
Priority to CN201910066498.4A priority Critical patent/CN109508336A/zh
Publication of CN109508336A publication Critical patent/CN109508336A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms

Landscapes

  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明提供一种基于医疗资源事实库的检索方法、存储介质及计算机设备，其中，方法包括：基于采集的医疗资源事实信息建设医疗资源事实库；根据用户偏好维度检索所述医疗资源事实库获得预期结果。本发明能够客观评价医生擅长治疗的疾病，增加检索的准确性与客观性，可以让用户自定义自己的偏好，让用户检索到期望医院科室的期望医生。

Description

基于医疗资源事实库的检索方法、存储介质及计算机设备
技术领域
本发明涉及大数据处理技术领域，尤其涉及医疗资源事实信息的处理方法，具体来说就是一种基于医疗资源事实库的检索方法、存储介质及计算机设备。
背景技术
近年来，随着互联网、大数据等计算机技术的快速发展，促进包括医疗行业在内的整个社会信息化的飞速发展。目前，医疗行业的信息化建设都集中在医院内部，主要体现在优化医疗服务流程的信息化建设，现有医疗行业的信息化建设对整个社会的医疗资源事实信息的整合与应用还明显不足，同时医疗资源事实信息也呈现出不全面、精细化程度不够、数据质量不高等现实问题。
实际上医疗资源事实信息是分级诊疗的基础，在医疗过程中的挂号、分诊、导诊、转诊和会诊等多个环节都将起到重要的作用，能够为医生和广大人民群众都带来极大的便利。因而，积极探索医疗基础资源的信息化建设的发展也将为医疗卫生行业的发展以及大数据的深入应用起到积极的促进作用。目前现有技术对医疗资源事实库内的医疗资源事实信息的搜索和应用功能，主要体现在一些挂号网站的数据处理方式上，仅仅对接入的医院、科室、医生信息进行数据整合，并没有做更多的数据加工处理，在检索方面提供一些基本词语匹配检索的功能，无法精准提供用户需要的信息。
例如，用户在网上挂号或者办理其他业务的过程中，查看医院科室时，现有系统会经常给出“内1”、“内2”、“内3”这样的字样，有的甚至出现以人名命名的工作室，使用现有系统的用户不知这些科室代表的真正含义，容易造成科室漏检，而且用户根据检索结果也无法确定自己需要科室。
再例如，用户通过输入疾病名称来检索能够治疗该疾病的医生时，都是通过检索医生自己提供的擅长治疗疾病信息来进行疾病匹配。假如用户利用现在检索方式在检索界面输入“白塞氏病”，检索得到的结果非常少，原因是医生所提供的擅长治疗疾病信息不全，而实际上在风湿免疫科的医生都可以诊断和治疗“白塞氏病”。“白塞氏病”又称“贝赫切特综合征”，一般医院所做出的诊断都为ICD-10的标准诊断名称“贝赫切特综合征”，如果只做白塞氏病的匹配检索则漏检很多内容。此外，医生对应的治疗疾病完全由医生根据自己的主观需要进行书写，无法客观评价一个医生是否诊断擅长医疗“疾病A”，也无法评价多个医生谁真的擅长治疗“疾病A”。
另外，现有的检索与加权排序方法比较的单一，缺乏个性化设置。使用现有系统，无论是谁、检索什么，得到的检索结果都是一样的，缺乏一个与个人需求关联紧密的检索结果的表达。而且数据关联的实时性不强，例如，在不少挂号系统中经常遇到找到医生之后，查找该医生对应的号源信息时发现该医生的号源已经没有了，不得选择其他医生，造成了不好的用户体验。
因此，本领域技术人员亟需研发一种医疗资源事实信息的处理方法，能够向用户准确展示科室信息，并客观评价医生擅长治疗的疾病，实现患者科学就医。
发明内容
有鉴于此，本发明要解决的技术问题在于提供一种基于医疗资源事实库的检索方法、存储介质及计算机设备，解决了现有技术中没有充分利用医疗资源事实信息，无法向用户准确展示科室信息，客观评价医生擅长治疗的疾病的问题。
为了解决上述技术问题，本发明的具体实施方式提供一种基于医疗资源事实库的检索方法，包括：基于采集的医疗资源事实信息建设医疗资源事实库；根据用户偏好维度检索所述医疗资源事实库获得预期结果。
本发明的具体实施方式还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现基于医疗资源事实库的检索方法的步骤。
本发明的具体实施方式还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于医疗资源事实库的检索方法的步骤。
根据本发明的上述具体实施方式可知，基于医疗资源事实库的检索方法、存储介质及计算机设备至少具有以下有益效果：能够实时采集医生号源等信息，并且用户可以准确掌握实际科室信息，方便用户检索；能够客观评价医生擅长治疗的疾病，检索疾病名称标准化显示，不存在检索结果遗漏的问题，用户可以根据需要自由调整检索范围，自由设置用户偏好，使检索结果满足个性化需求，并且检索结果能够加权排序，方便用户查看，用户体验度高。
应了解的是，上述一般描述及以下具体实施方式仅为示例性及阐释性的，其并不能限制本发明所欲主张的范围。
附图说明
下面的所附附图是本发明的说明书的一部分，其绘示了本发明的示例实施例，所附附图与说明书的描述一起用来说明本发明的原理。
图1为本发明具体实施方式提供的一种基于医疗资源事实库的检索方法的实施例一的流程图。
图2为本发明具体实施方式提供的一种基于医疗资源事实库的检索方法的实施例二的流程图。
图3为本发明具体实施方式提供的一种基于医疗资源事实库的检索方法的实施例三的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面将以附图及详细叙述清楚说明本发明所揭示内容的精神，任何所属技术领域技术人员在了解本发明内容的实施例后，当可由本发明内容所教示的技术，加以改变及修饰，其并不脱离本发明内容的精神与范围。
本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。另外，在附图及实施方式中所使用相同或类似标号的元件/构件是用来代表相同或类似部分。
关于本文中所使用的“第一”、“第二”、…等，并非特别指称次序或顺位的意思，也非用以限定本发明，其仅为了区别以相同技术用语描述的元件或操作。
关于本文中所使用的方向用语，例如：上、下、左、右、前或后等，仅是参考附图的方向。因此，使用的方向用语是用来说明并非用来限制本创作。
关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。
关于本文中所使用的“及/或”，包括所述事物的任一或全部组合。
关于本文中的“多个”包括“两个”及“两个以上”；关于本文中的“多组”包括“两组”及“两组以上”。
关于本文中所使用的用语“大致”、“约”等，用以修饰任何可以微变化的数量或误差，但这些微变化或误差并不会改变其本质。一般而言，此类用语所修饰的微变化或误差的范围在部分实施例中可为20％，在部分实施例中可为10％，在部分实施例中可为5％或是其他数值。本领域技术人员应当了解，前述提及的数值可依实际需求而调整，并不以此为限。
图1为本发明具体实施方式提供的一种基于医疗资源事实库的检索方法的实施例一的流程图，如图1所示，从医院终端(医疗机构终端)采集医疗资源事实信息，再利用采集的医疗资源事实信息建设医疗资源事实库，最后根据用户偏好维度检索建设的医疗资源事实库获得预期结果。
该附图所示的具体实施方式中，基于医疗资源事实库的检索方法包括：
步骤101：基于采集的医疗资源事实信息建设医疗资源事实库。本发明的实施例中，医疗资源事实信息包括医院信息、科室信息、医生信息、医生就诊排班信息和医生历史诊断疾病信息等。医疗资源事实库中具有多个关联表。医疗资源事实库通常是指医院、科室、医生的一些自然属性的信息，这些信息形成事实不容易发生更改。例如：医院的名称、地址、电话，科室的名称、治疗的疾病，医生的姓名、职称等。
步骤102：根据用户偏好维度检索所述医疗资源事实库获得预期结果。本发明的实施例中，用户偏好维度包括：医院类别、医生职称、医保报销、就诊距离和就诊医生号源等。
参见图1，首先利用从医院终端(医疗机构终端)采集的医疗资源事实信息建设医疗资源事实库，然后根据用户偏好维度检索医疗资源事实库获得预期结果，能够客观、全面地确定医生擅长治疗的疾病，并且能够让医院中的实际科室与标准科室更好地对应，提高检索的准确性；并根据用户偏好维度进行检索，实现个性化检索，提高用户体验度。
图2为本发明具体实施方式提供的一种基于医疗资源事实库的检索方法的实施例二的流程图，如图2所示，从不同维度从医疗资源事实信息中提取多个信息表，根据标准信息表和信息表生成多个关联表，利用关联表和信息表建设医疗资源事实库。
该附图所示的具体实施方式中，步骤101具体包括：
步骤1011：从医疗机构终端采集所述医疗资源事实信息。本发明的实施例中，医疗机构终端包括医院的服务器、终端等。
步骤1012：基于不同维度从所述医疗资源事实信息提取多个信息表。本发明的实施例中，具体包括：基于医院、科室和医生三个维度从所述医疗资源事实信息提取医院信息表、科室信息表、医生信息表、医生就诊排班信息表和医生历史诊断疾病表。为了便于理解，下面举例说明医院信息表、科室信息表、医生信息表、医生就诊排班信息表和医生历史诊断疾病表，下述表1为医院信息表；下述表2为科室信息表；下述表3为医生信息表；下述表4为医生就诊排班信息表；下述表5为医生历史诊断疾病表。
表1
字段名称 数据样例 说明
医院ID H00001 医院唯一标识号
医院所属省份 河南
医院所属城市 开封
医院名称 开封人民医院
定点医疗机构编号 KFYB00001 医保定点机构标识
医院等级 三甲 三甲、二甲等
医院类型 综合 综合、眼科、口腔等
医院别名 开封人民；开封一院；
医院介绍 开封人民医院是一所……
医院地址 开封大街101号
医院地址经纬度 34.793991,114.355123
医院服务电话 0731-98777232
网址 www.kfrmyy.com
表2
字段名称 数据样例 说明
医院ID H00001
实际科室ID 001002
实际科室名称 呼吸内二科
标准科室ID 采集时为空，通过加工处理添加上
标准科室名称 采集时为空，通过加工处理添加上
科室介绍 该科室国家重点科室….
科室网址 www.ksjj.com
表3
表4
字段名称 数据样例 说明
医院ID HOOOO1
实际科室ID 1002
医生ID D00001
星期 周一 周一至周日
午别 上午 上午、下午、晚上
时间段 11:00-12:00
剩余号源数 18 医生号源个数
表5
字段名称 说明 说明
医院ID HOOOO1
实际科室ID 1002
医生ID D00001
就诊流水号ID 2081012321212
就诊时间 20180102:14:20
诊断名称 咽喉炎
步骤1013：基于标准信息表和所述信息表生成多个关联表。本发明的实施例中，标准信息表为标准科室表。信息表包括医院信息表、科室信息表、医生信息表、医生就诊排班信息表和医生历史诊断疾病表等；关联表包括标准科室-疾病关联表、标准科室-实际科室关联表、医生治疗疾病信息表、特殊疾病类别表和疾病检索词-标准词关联表等。为了便于理解，举例说明标准科室表，下述表6为标准科室表。
表6
本发明的其它实施方式中，在步骤1013之前，还包括以下步骤：通过标准科室相关文件中的科室同义词信息构建所述标准科室表。即利用标准科室相关文件中二级科室名称信息对应的科室同义词信息构建所述标准科室表。其中，标准科室相关文件可以为卫生部版标准科室相关文件。
本发明的其它实施方式中，步骤1013具体包括：将所述标准科室表中的二级科室字段信息与国际疾病分类表中的章名称进行匹配；匹配成功后，查找所述章名称对应的章编号下的具体疾病；利用所述标准科室表中的二级科室字段信息与所述章编号下的具体疾病生成所述标准科室-疾病关联表；比对实际科室名称与所述标准科室表中的一级科室字段信息和二级科室字段信息生成标准科室-实际科室关联表；基于所述标准科室-疾病关联表、所述标准科室-实际科室关联表和所述医生信息表生成所述医生治疗疾病信息表；利用所述医生历史诊断疾病表更新所述医生治疗疾病信息表；基于特殊病种和国际疾病分类表生成特殊疾病类别表；基于用户检索词和国际疾病分类表生成疾病检索词-标准词关联表。其中，国际疾病分类表具体指ICD-10，ICD-10是依据疾病的某些特征，按照规则将疾病分门别类，并用编码的方法来表示的系统，在国内，ICD-10被广泛应用于医院的诊断标准。特殊疾病包括慢性病、危重病、传染病和稀有病等。为了便于理解，举例说明标准科室-疾病关联表、医生治疗疾病信息表、特殊疾病类别表和疾病检索词-标准词关联表，下述表7为标准科室-疾病关联表，下述表8为医生治疗疾病信息表，下述表9为特殊疾病类别表，下述表10为疾病检索词-标准词关联表。
表7
标准科室ID 二级科室 治疗疾病信息
KS001 呼吸内科专业 急性鼻咽炎
KS001 呼吸内科专业 急性上颌窦炎
KS001 呼吸内科专业 急性化脓性上颌窦炎
KS001 呼吸内科专业 急性额窦炎
表8
医院ID 实际科室ID 医生ID 治疗疾病名称 诊断次数
HOOOO1 1002 D00001 咽喉炎 0
HOOOO1 1002 D00001 慢性阻塞性肺疾病 0
HOOOO1 1002 D00001 急性上呼吸道感染 0
HOOOO1 1002 D00001 急性鼻咽炎 0
HOOOO1 1002 D00001 急性上颌窦炎 0
HOOOO1 1002 D00001 急性化脓性上颌窦炎 0
HOOOO1 1002 D00001 急性额窦炎 0
HOOOO1 1003 D00002 胃溃疡 0
HOOOO1 1003 D00002 霍奇金病 0
HOOOO1 1003 D00002 肝囊肿 0
表9
其中，表9中范围浮动对应的值表示资源检索的范围，1表示本地资源检索；2表示省内资源检索；3表示全国资源检索。
表10
疾病入口名称 疾病标准名称
阿尔茨海默症 阿尔茨海默病
老年痴呆 阿尔茨海默病
阿尔茨海默病 阿尔茨海默病
冠心病 冠状动脉疾病
冠状动脉疾病 冠状动脉疾病
冠状动脉心脏疾病 冠状动脉疾病
本发明的具体实施方式中，利用所述医生历史诊断疾病表更新所述医生治疗疾病信息表具体包括：提取最近预定时间段内的医生历史诊断疾病表形成医生历史诊断疾病总表；对所述医生历史诊断疾病总表进行分组聚类形成医生历史诊断疾病分组聚类表；统计所述历史诊断疾病分组聚类表中疾病的诊断次数形成医生诊断疾病次数表；利用所述医生诊断疾病次数表更新所述医生治疗疾病信息表得到更新后的医生治疗疾病信息表。为了便于理解，举例说明医生历史诊断疾病总表、历史诊断疾病分组聚类表、医生诊断疾病次数表和更新后的医生治疗疾病信息表。表11为医生历史诊断疾病总表，表12为历史诊断疾病分组聚类表，表13为医生诊断疾病次数表，表14为更新后的医生治疗疾病信息表。
表11
医院ID 实际科室ID 医生ID 就诊流水号 就诊时间 诊断名称
HOOOO1 1002 D00001 2081012321212 20180102:14:20 咽喉炎
HOOOO1 1002 D00002 2081012321323 20180302:08:21 淋巴瘤
HOOOO1 1002 D00001 2081012321432 20180502:07:22 慢性阻塞性肺疾病
HOOOO1 1002 D00002 2081012212121 20180602:10:23 霍奇金病
HOOOO1 1002 D00001 2081012321213 20180802:11:24 咽喉炎
HOOOO1 1002 D00001 2081013341223 20180132:16:25 慢性阻塞性肺疾病
HOOOO1 1002 D00002 2081013323234 20180102:15:26 胃溃疡
HOOOO1 1002 D00001 2081875460975 20180102:12:27 急性上呼吸道感染
表12
医院ID 实际科室ID 医生ID 就诊流水号 就诊时间 疾病名称
HOOOO1 1002 D00001 2081012321212 20180102:14:20 咽喉炎
HOOOO1 1002 D00002 2081012321323 20180802:11:24 咽喉炎
HOOOO1 1002 D00001 2081012321432 20180130:16:25 慢性阻塞性肺疾病
HOOOO1 1002 D00002 2081012212121 20180502:07:22 慢性阻塞性肺疾病
HOOOO1 1002 D00001 2081012321213 20180102:12:27 急性上呼吸道感染
HOOOO1 1002 D00001 2081013341223 20180102:15:26 胃溃疡
HOOOO1 1002 D00002 2081013323234 20180302:08:21 胃溃疡
HOOOO1 1002 D00001 2081875460975 20180602:10:23 霍奇金病
表13
医院ID 实际科室ID 医生ID 疾病名称 诊断次数
HOOOO1 1002 D00001 咽喉炎 2
HOOOO1 1002 D00001 慢性阻塞性肺疾病 2
HOOOO1 1002 D00001 急性上呼吸道感染 1
HOOOO1 1003 D00002 胃溃疡 2
HOOOO1 1003 D00002 霍奇金病 1
表14
步骤1014：利用所述关联表和所述信息表建设医疗资源事实库。
图3为本发明具体实施方式提供的一种基于医疗资源事实库的检索方法的实施例三的流程图，如图3所示，用户可以根据位置信息和用户基本信息设置用户偏好维度。
该附图所示的具体实施方式中，在步骤102之前，该方法还包括：
步骤101-1：根据位置信息和用户基本信息设置用户偏好维度。本发明的实施例中，所述用户偏好维度包括：医院类别、医生职称、医保报销、就诊距离和就诊医生号源。为了便于理解，下面对医院类别、医生职称、医保报销、就诊距离和就诊医生号源进行举例说明。
医院类别：医院划分为一级丙、一级乙、一级甲、二级丙、二级乙、二级甲；三级丙、三级乙、三级甲、三级特，并预设权重参考值。医院类别数据表如表15所示。
表15
医生职称：医生的职称分初级(医士，医师/住院医师)、中级(主治医师)、副高级(副主任医师)、正高级(主任医师)，并预设权重参考值。医生职称数据表如表16所示。
表16
序号 级别 权重
1 医士，医师/住院医师 2.5
2 主治医师 5
3 副主任 7.5
4 主任医师 10
医保报销指医疗机构是否为医保定点机构，并预设权重参考值，医保非定点机构权重为0，医保定点机构为10。
就诊距离：就诊距离是通过表1中医院地址经纬度与个人家庭住址经纬度(即位置信息)，利用现有的地图软件API工具计算医院与个人家庭住址经纬度的距离得到公里数，根据公里数据设置权重。
表17
序号 距离 权重
1 20里以上 2
1 15-20里 4
2 10-15公里 6
3 5-10公里 8
4 0-5公里 10
医生号源：分为医生有号源河无号源两种情况。通过表4医生就诊排班信息表中的剩余号源数进行判断是否有号源。如有号源权重设置为10，没有号源设置为0。
参见图3，用户可以实现个性化的检索，而且检索结果也更加准确、客观，检索结果也一目了然，用户体验度高。
本发明的具体实施方式中，步骤102具体包括：从用户输入的自然语句中提取所述用户检索词；根据所述用户检索词和所述疾病检索词-标准词关联表确认用户是否有疾病；如果确认用户有疾病，利用所述用户检索词对应的标准词匹配所述特殊疾病类别表；如果所述用户检索词对应的所述标准词能够匹配所述特殊疾病类别表，则选择对应的医疗资源检索范围，其中，所述医疗资源检索范围包括本市医疗资源、省内医疗资源和全国医疗资源；根据所述用户检索词对应的所述标准词和所述医疗资源检索范围检索所述医生治疗疾病信息表得到检索结果记录集；根据所述检索结果记录集计算检索结果权值；根据所述检索结果权值、所述医生信息表和所述医生就诊排班信息表选择就诊医生；如果确认用户没有疾病，根据所述用户检索词检索所述医生治疗疾病信息表得到检索结果记录集；根据所述检索结果记录集计算检索结果权值；根据所述检索结果权值、所述医生信息表和所述医生就诊排班信息表选择就诊医生。
本发明的具体实施方式中，步骤102还可以包括：在预定时间内锁定就诊医生的号源；用户就该锁定的号源进行商业支付；商业支付成功后，向用户终端发送挂号成功信息；商业支付失败，用户选择重新支付或放弃支付；用户放弃支付或者到达预定时间后，锁定号源解锁，向用户终端发送挂号失败信息。
本发明的具体实施例中，检索结果记录集y的具体计算公式为：
其中，上述公式采取用户偏好维度设置权值计算和医生擅长诊断治疗疾病权值两个维度进行综合计算，公式加号前半部分为用户偏好维度设置权值，后半部分是医生擅长诊断治疗疾病权值。目的是让用户设置的用户偏好维度和医生擅长治疗的疾病这两种不同类目能够产生相互影响，还能做到统一计算的目的。具体参数说明如下：
N是评价维度参数数量，本系统中用户偏好维度有医院类别、医生职称、医保报销、就诊地距离、就诊医生号源五个主要维度，故N为5。i是用户偏好维度优先级排序次序的参数计数，即i由1到5。λi是用户偏好维度的优先级倒叙排列对应的内容；例如，如果用户的偏好设置为医院类别、医生职称、医保报销、就诊地距离、就诊医生是否有号源，那么对应的λ1＝医院类别、λ2＝医生职称、λ3＝医保报销、λ4＝就诊地距离、λ5＝就诊医生是否有号源；e是自然常数；x是用户输入疾病对应医生对该病种的累计看诊次数，即更新后的医生治疗疾病信息表(表14)中诊断疾病次数，如果确认用户没有疾病，则x为0。c1、c2是可调参数，取0到100的随机数，避免医生擅长诊断治疗疾病权值与用户偏好维度设置权值相冲突，本申请中c1的优选值为1e-4(1e-4即为10的负4次幂)，c2的优选值为100。
为了便于理解，下面举例说明：
假如用户输入的自然语句为：“感冒了去哪里？”，则从自然语句中提取实体词“感冒”，“感冒”即为用户检索词，提取过程中可能会出现多个实体词语。再将提取出来的用户检索词“感冒”与疾病检索词-标准词关联表(表10)进行匹配，匹配成功则认为用户所输入的自然语句是疾病，不成功则不认为用户所输入的自然语句是疾病。如果确认用户有疾病，利用用户检索词对应的标准词匹配特殊疾病类别表(表9)，匹配成功后取出“范围浮动”的值，“范围浮动”的值代表医疗资源检索范围，其中，医疗资源检索范围包括本市医疗资源、省内医疗资源和全国医疗资源；如果用户检索词对应的标准词有多个，并且这些标准词与特殊疾病类别表匹配成功后的“范围浮动”的值有多个，取“范围浮动”值中的最大值，即取最大检索范围。如果有多个用户检索词，则将这些用户检索词对应的标准词求“与”，记为表达式1，如果仅有1个用户检索词，则将这个用户检索词对应的标准词记为表达式1，医疗资源检索范围记为表达式2，将表达式1与表达式2求“与”得到表达式3；利用表达式3检索更新后的医生治疗疾病信息表(表14)，检索结果通过医生ID、科室ID、医院ID分别与医院信息表(表1)、科室信息表(表2)、医生信息表(表3)和医生就诊排班信息表(表4)进行关联，生成检索结果记录集。如果确认用户没有疾病，如果有多个用户检索词，则将这些用户检索词求“与”，记为表达式4，如果用户检索词仅有1个，则将该用户检索词记为表达式4；利用表达式4检索更新后的医生治疗疾病信息表(表14)，检索结果通过医生ID、科室ID、医院ID分别与医院信息表(表1)、科室信息表(表2)、医生信息表(表3)和医生就诊排班信息表(表4)进行关联，生成检索结果记录集。再根据检索结果记录集计算检索结果权值。最后根据检索结果权值、医生信息表和医生就诊排班信息表选择就诊医生。
本发明具体实施例提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现基于医疗资源事实库的检索方法，方法包括以下步骤：
步骤101：基于采集的医疗资源事实信息建设医疗资源事实库。
步骤102：根据用户偏好维度检索所述医疗资源事实库获得预期结果。
本发明具体实施例还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现基于医疗资源事实库的检索方法，方法包括以下步骤：
步骤1011：从医疗机构终端采集所述医疗资源事实信息。
步骤1012：基于不同维度从所述医疗资源事实信息提取多个信息表。
步骤1013：基于标准信息表和所述信息表生成多个关联表。
步骤1014：利用所述关联表和所述信息表建设医疗资源事实库。
步骤102：根据用户偏好维度检索所述医疗资源事实库获得预期结果。
本发明具体实施例还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现基于医疗资源事实库的检索方法，方法包括以下步骤：
步骤101：基于采集的医疗资源事实信息建设医疗资源事实库。
步骤101-1：根据位置信息和用户基本信息设置用户偏好维度。
步骤102：根据用户偏好维度检索所述医疗资源事实库获得预期结果。
本发明具体实施例提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于医疗资源事实库的检索方法，方法包括以下步骤：
步骤101：基于采集的医疗资源事实信息建设医疗资源事实库。
步骤102：根据用户偏好维度检索所述医疗资源事实库获得预期结果。
本发明具体实施例还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于医疗资源事实库的检索方法，方法包括以下步骤：
步骤1011：从医疗机构终端采集所述医疗资源事实信息。
步骤1012：基于不同维度从所述医疗资源事实信息提取多个信息表。
步骤1013：基于标准信息表和所述信息表生成多个关联表。
步骤1014：利用所述关联表和所述信息表建设医疗资源事实库。
步骤102：根据用户偏好维度检索所述医疗资源事实库获得预期结果。
本发明具体实施例还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于医疗资源事实库的检索方法，方法包括以下步骤：
步骤101：基于采集的医疗资源事实信息建设医疗资源事实库。
步骤101-1：根据位置信息和用户基本信息设置用户偏好维度。
步骤102：根据用户偏好维度检索所述医疗资源事实库获得预期结果。
上述的本发明实施例可在各种硬件、软件编码或两者组合中进行实施。例如，本发明的实施例也可为在数据信号处理器(Digital Signal Processor，DSP)中执行上述方法的程序代码。本发明也可涉及计算机处理器、数字信号处理器、微处理器或现场可编程门阵列(Field Programmable Gate Array，FPGA)执行的多种功能。可根据本发明配置上述处理器执行特定任务，其通过执行定义了本发明揭示的特定方法的机器可读软件代码或固件代码来完成。可将软件代码或固件代码发展为不同的程序语言与不同的格式或形式。也可为不同的目标平台编译软件代码。然而，根据本发明执行任务的软件代码与其他类型配置代码的不同代码样式、类型与语言不脱离本发明的精神与范围。
以上所述仅为本发明示意性的具体实施方式，在不脱离本发明的构思和原则的前提下，任何本领域的技术人员所做出的等同变化与修改，均应属于本发明保护的范围。

Claims (10)

1.一种基于医疗资源事实库的检索方法，其特征在于，该方法包括：
基于采集的医疗资源事实信息建设医疗资源事实库；以及
根据用户偏好维度检索所述医疗资源事实库获得预期结果。
2.根据权利要求1所述的基于医疗资源事实库的检索方法，其特征在于，基于采集的医疗资源事实信息建设医疗资源事实库的步骤，具体包括：
从医疗机构终端采集所述医疗资源事实信息；
基于不同维度从所述医疗资源事实信息提取多个信息表；
基于标准信息表和所述信息表生成多个关联表；以及
利用所述关联表和所述信息表建设医疗资源事实库。
3.根据权利要求2所述的基于医疗资源事实库的检索方法，其特征在于，基于不同维度从所述医疗资源事实信息提取多个信息表的步骤，具体包括：
基于医院、科室和医生三个维度从所述医疗资源事实信息提取医院信息表、科室信息表、医生信息表、医生就诊排班信息表和医生历史诊断疾病表。
4.根据权利要求3所述的基于医疗资源事实库的检索方法，其特征在于，所述标准信息表为标准科室表，基于标准信息表和所述信息表生成多个关联表的步骤之前，还包括：
通过标准科室相关文件中的科室同义词信息构建所述标准科室表。
5.根据权利要求4所述的基于医疗资源事实库的检索方法，其特征在于，所述关联表包括标准科室-疾病关联表、标准科室-实际科室关联表、医生治疗疾病信息表、特殊疾病类别表和疾病检索词-标准词关联表，基于标准信息表和所述信息表生成多个关联表的步骤，具体包括：
将所述标准科室表中的二级科室字段信息与国际疾病分类表中的章名称进行匹配；
匹配成功后，查找所述章名称对应的章编号下的具体疾病；
利用所述标准科室表中的二级科室字段信息与所述章编号下的具体疾病生成所述标准科室-疾病关联表；
比对实际科室名称与所述标准科室表中的一级科室字段信息和二级科室字段信息生成标准科室-实际科室关联表；
基于所述标准科室-实际科室关联表和所述医生信息表生成所述医生治疗疾病信息表；
利用所述医生历史诊断疾病表更新所述医生治疗疾病信息表；
基于特殊病种和国际疾病分类表生成特殊疾病类别表；以及
基于用户检索词和国际疾病分类表生成疾病检索词-标准词关联表。
6.根据权利要求5所述的基于医疗资源事实库的检索方法，其特征在于，根据用户偏好维度检索所述医疗资源事实库获得预期结果的步骤之前，该方法还包括：
根据位置信息和用户基本信息设置用户偏好维度。
7.根据权利要求6所述的基于医疗资源事实库的检索方法，其特征在于，所述用户偏好维度包括：医院类别、医生职称、医保报销、就诊距离和就诊医生号源。
8.根据权利要求7所述的基于医疗资源事实库的检索方法，其特征在于，根据用户偏好维度检索所述医疗资源事实库获得预期结果的步骤，具体包括：
从用户输入的自然语句中提取所述用户检索词；
根据所述用户检索词和所述疾病检索词-标准词关联表确认用户是否有疾病；
如果确认用户有疾病，利用所述用户检索词对应的标准词匹配所述特殊疾病类别表；
如果所述用户检索词对应的所述标准词能够匹配所述特殊疾病类别表，则选择对应的医疗资源检索范围，其中，所述医疗资源检索范围包括本市医疗资源、省内医疗资源和全国医疗资源；
根据所述用户检索词对应的所述标准词和所述医疗资源检索范围检索所述医生治疗疾病信息表得到检索结果记录集；
根据所述检索结果记录集计算检索结果权值；
根据所述检索结果权值、所述医生信息表和所述医生就诊排班信息表选择就诊医生。
9.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一所述方法的步骤。
10.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至8任一所述方法的步骤。
CN201910066498.4A 2019-01-24 2019-01-24 基于医疗资源事实库的检索方法、存储介质及计算机设备 Pending CN109508336A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910066498.4A CN109508336A (zh) 2019-01-24 2019-01-24 基于医疗资源事实库的检索方法、存储介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910066498.4A CN109508336A (zh) 2019-01-24 2019-01-24 基于医疗资源事实库的检索方法、存储介质及计算机设备

Publications (1)

Publication Number Publication Date
CN109508336A true CN109508336A (zh) 2019-03-22

Family

ID=65757598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910066498.4A Pending CN109508336A (zh) 2019-01-24 2019-01-24 基于医疗资源事实库的检索方法、存储介质及计算机设备

Country Status (1)

Country Link
CN (1) CN109508336A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110164523A (zh) * 2019-05-21 2019-08-23 山东大学 一种具有心智功能的智能健康分析方法及系统
CN110827965A (zh) * 2019-10-29 2020-02-21 王红军 一种基于互联网的新型挂号系统
CN111554387A (zh) * 2020-04-26 2020-08-18 医渡云（北京）技术有限公司 医生信息推荐的方法、装置、存储介质及电子设备
CN111768852A (zh) * 2020-06-28 2020-10-13 百度在线网络技术（北京）有限公司 挂号推荐装置、系统和方法以及电子设备和存储介质
CN111897796A (zh) * 2020-06-30 2020-11-06 医途(杭州)科技有限公司 用于医院引流的数据库构建方法及医院引流方法
CN113592345A (zh) * 2021-08-10 2021-11-02 康键信息技术（深圳）有限公司 基于聚类模型的医疗分诊方法、系统、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559637A (zh) * 2013-11-13 2014-02-05 王竞 一种为就诊患者推荐医生的方法及其系统
US8762171B2 (en) * 2005-02-17 2014-06-24 Siemens Medical Solutions Usa, Inc. Medical resource estimation and simulation system
CN106227880A (zh) * 2016-08-01 2016-12-14 挂号网（杭州）科技有限公司 医生搜索推荐的实现方法
CN109065185A (zh) * 2018-07-24 2018-12-21 合肥同佑电子科技有限公司 一种面向患者快捷精准就医服务方法及系统
CN109102897A (zh) * 2018-07-19 2018-12-28 贵州省人民医院 一种用于疾病大数据的数据库建立及信息检索方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8762171B2 (en) * 2005-02-17 2014-06-24 Siemens Medical Solutions Usa, Inc. Medical resource estimation and simulation system
CN103559637A (zh) * 2013-11-13 2014-02-05 王竞 一种为就诊患者推荐医生的方法及其系统
CN106227880A (zh) * 2016-08-01 2016-12-14 挂号网（杭州）科技有限公司 医生搜索推荐的实现方法
CN109102897A (zh) * 2018-07-19 2018-12-28 贵州省人民医院 一种用于疾病大数据的数据库建立及信息检索方法
CN109065185A (zh) * 2018-07-24 2018-12-21 合肥同佑电子科技有限公司 一种面向患者快捷精准就医服务方法及系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110164523A (zh) * 2019-05-21 2019-08-23 山东大学 一种具有心智功能的智能健康分析方法及系统
CN110827965A (zh) * 2019-10-29 2020-02-21 王红军 一种基于互联网的新型挂号系统
CN111554387A (zh) * 2020-04-26 2020-08-18 医渡云（北京）技术有限公司 医生信息推荐的方法、装置、存储介质及电子设备
CN111768852A (zh) * 2020-06-28 2020-10-13 百度在线网络技术（北京）有限公司 挂号推荐装置、系统和方法以及电子设备和存储介质
CN111768852B (zh) * 2020-06-28 2024-02-13 百度在线网络技术（北京）有限公司 挂号推荐装置、系统和方法以及电子设备和存储介质
CN111897796A (zh) * 2020-06-30 2020-11-06 医途(杭州)科技有限公司 用于医院引流的数据库构建方法及医院引流方法
CN113592345A (zh) * 2021-08-10 2021-11-02 康键信息技术（深圳）有限公司 基于聚类模型的医疗分诊方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109508336A (zh) 基于医疗资源事实库的检索方法、存储介质及计算机设备
Knorst et al. Socioeconomic status and oral health‐related quality of life: A systematic review and meta‐analysis
Pedersen et al. Missing data and multiple imputation in clinical epidemiological research
Shams et al. A predictive analytics approach to reducing 30-day avoidable readmissions among patients with heart failure, acute myocardial infarction, pneumonia, or COPD
US7711404B2 (en) Patient data mining for lung cancer screening
US8682693B2 (en) Patient data mining for lung cancer screening
EP3977343A1 (en) Systems and methods of clinical trial evaluation
CN112368782A (zh) 用于疫情追踪和管理的图形数据库
Nissen et al. Validation of asthma recording in electronic health records: a systematic review
EP3635588A1 (en) Medical coding quality control
Faulconer et al. An eight-step method for assessing diagnostic data quality in practice: chronic obstructive pulmonary disease as an exemplar.
Lin et al. Predicting wait times in pediatric ophthalmology outpatient clinic using machine learning
US20210174968A1 (en) Visualization of Social Determinants of Health
Ling et al. A semi-supervised machine learning approach to detecting recurrent metastatic breast cancer cases using linked cancer registry and electronic medical record data
JP4921693B2 (ja) 診断情報記録及び処方箋情報記録の間のデータ・リンクを作成するシステム及び方法
US8756234B1 (en) Information theory entropy reduction program
McGuire An evaluation of diagnosis-related group severity and complexity refinement
Khalifa et al. Accurate identification of patients with cirrhosis and its complications in the electronic health record
Zaleski Medical device data and modeling for clinical decision making
JP5764914B2 (ja) プログラム、分析装置および方法
US20230178197A1 (en) Techniques for predicting immunosuppression status
Zhuang et al. Preoperative Prediction of Postoperative Infections Using Machine Learning and Electronic Health Record Data
Khalifa et al. Developing an Evidence-Based Framework for Grading and Assessment of Predictive Tools for Clinical Decision Support
Benara et al. Evaluation of methods for assigning causes of death from verbal autopsies in India
Ozery-Flato et al. Predictive and causal analysis of no-shows for medical exams during COVID-19: a case study of breast imaging in a nationwide Israeli health organization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190322

RJ01 Rejection of invention patent application after publication