CN110136816A - 医疗资源管理方法、装置及电子设备 - Google Patents

医疗资源管理方法、装置及电子设备 Download PDF

Info

Publication number
CN110136816A
CN110136816A CN201910416781.5A CN201910416781A CN110136816A CN 110136816 A CN110136816 A CN 110136816A CN 201910416781 A CN201910416781 A CN 201910416781A CN 110136816 A CN110136816 A CN 110136816A
Authority
CN
China
Prior art keywords
user
resource
information
medical
resource allocation
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
CN201910416781.5A
Other languages
English (en)
Inventor
申文武
龚姝
朱婷
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.)
West China Hospital of Sichuan University
Original Assignee
West China Hospital of Sichuan University
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 West China Hospital of Sichuan University filed Critical West China Hospital of Sichuan University
Priority to CN202111643554.XA priority Critical patent/CN114300106A/zh
Priority to CN201910416781.5A priority patent/CN110136816A/zh
Publication of CN110136816A publication Critical patent/CN110136816A/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

本发明实施例提供的医疗资源管理方法、装置及电子设备，涉及医疗资源管理技术领域。该医疗资源管理方法包括：获取用户的用户信息，其中，所述用户信息包括用户的描述信息、登记信息及疾病信息；根据所述用户信息得到所述用户的特征数据；根据预先构建的目标计算模型和所述特征数据计算得到资源分配参数；根据所述资源分配参数和当前的医疗资源信息对所述用户进行医疗资源分配处理。通过上述设置，可以提高医院的运营效率。

Description

医疗资源管理方法、装置及电子设备
技术领域
本发明涉及医疗资源管理技术领域，具体而言，涉及一种医疗资源管理方法、装置及电子设备。
背景技术
随着医院信息系统等医疗信息化系统在医院的普及，医疗信息进入无纸化时代。其中，医疗资源的合理配置和优化是我国医疗改革中长期关注的焦点。在现有技术中，由于不能合理利用医疗资源，存在着资源浪费的问题，从而存在着医院运营效率低的问题。
发明内容
有鉴于此，本发明的目的在于提供一种医疗资源管理方法、装置及电子设备，以改善现有技术中存在的问题。
为实现上述目的，本发明实施例采用如下技术方案：
一种医疗资源管理方法，包括：
获取用户的用户信息，其中，所述用户信息包括用户的描述信息、登记信息及疾病信息；
根据所述用户信息得到所述用户的特征数据；
根据预先构建的目标计算模型和所述特征数据计算得到资源分配参数；
根据所述资源分配参数和当前的医疗资源信息对所述用户进行医疗资源分配处理。
在本发明实施例较佳的选择中，所述根据预先构建的目标计算模型和所述特征数据计算得到资源分配参数的步骤，包括：
根据历史用户信息计算预设的多个分类算法的分类性能，并根据所述分类性能选择目标分类算法；
根据历史用户信息和所述目标分类算法计算预先确定的各个评价指标的权重系数，其中，所述描述信息、登记信息及疾病信息分别具有至少一个评价指标；
根据预先构建的目标计算模型、所述权重系数和所述特征数据计算得到资源分配参数；
其中，所述目标计算模型为：
其中，P为所述资源分配参数，n为所述评价指标的数量，ai为第i个所述评价指标对应的特征数据，ci为第i个所述评价指标的权重系数。
在本发明实施例较佳的选择中，所述根据所述资源分配参数和当前的医疗资源信息对所述用户进行医疗资源分配处理的步骤包括：
根据所述用户的疾病信息和当前的医疗资源信息判断是否存在符合预设条件的医疗资源；
当存在符合预设条件的医疗资源时，将该医疗资源分配至所述用户；
当不存在符合预设条件的医疗资源时，根据所述用户的用户信息对医疗资源预约排队列表进行调整。
在本发明实施例较佳的选择中，该医疗资源管理方法还包括：
根据预先构建的预测模型计算符合预设条件的医疗资源的日增加量；
根据所述日增加量对所述医疗资源预约排队列表中的用户进行医疗资源的预分配处理。
在本发明实施例较佳的选择中，所述医疗资源管理方法还包括预先构建所述预测模型的步骤，该步骤包括：
通过MSARIMA模型和符合预设条件的医疗资源的历史日增加量得到相对误差数据；
根据加权马尔可夫链和所述相对误差数据构建预测模型。
在本发明实施例较佳的选择中，所述通过MSARIMA模型和符合预设条件的医疗资源的历史日增加量得到相对误差数据的步骤，包括：
对符合预设条件的医疗资源的历史日增加量进行处理，得到训练数据；
通过MSARIMA模型对所述训练数据进行拟合，得到拟合数据；
根据所述训练数据和拟合数据得到相对误差数据。
在本发明实施例较佳的选择中，所述根据加权马尔可夫链和所述相对误差数据构建预测模型的步骤，包括：
通过均值-均方差分级法对所述相对误差数据进行处理，得到状态序列数据；
根据所述状态序列数据计算一步状态转移概率矩阵；
当所述相对误差数据为马尔可夫过程时，根据所述相对误差数据在每一个时间步长的自相关系数，计算得到马尔可夫链的相应时间步长的转移概率矩阵的权重系数；
根据所述权重系数和所述一步状态转移概率矩阵构建预测模型。
在本发明实施例较佳的选择中，所述根据所述资源分配参数和当前的医疗资源信息对所述用户进行医疗资源分配处理的步骤，还包括：
判断所述资源分配参数是否处于预设区间内；
当所述资源分配参数处于预设区间内时，根据当前的医疗资源信息为用户分配医疗资源，并更新当前的医疗资源信息；
当所述资源分配参数不处于预设区间内时，根据所述资源分配参数将用户加入医疗资源预约列表中。
本发明实施例还提供了一种医疗资源管理装置，包括：
用户信息获取模块，用于获取用户的用户信息，其中，所述用户信息包括用户的描述信息、登记信息及疾病信息；
特征数据获取模块，用于根据所述用户信息得到所述用户的特征数据；
资源分配参数计算模块，用于根据预先构建的目标计算模型和所述特征数据计算得到资源分配参数；
医疗资源分配模块，用于根据所述资源分配参数和当前的医疗资源信息对所述用户进行医疗资源分配处理。
本发明实施例还提供了一种电子设备，包括存储器和处理器，所述处理器用于执行所述存储器中存储的可执行的计算机程序，以实现上述的医疗资源管理方法。
本发明实施例提供的医疗资源管理方法、装置及电子设备，根据预先构建的目标计算模型对用户的用户信息据进行计算得到资源分配参数，并根据所述资源分配参数对所述用户进行医疗资源分配处理，以提高医院的运营效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的电子设备的结构框图。
图2为本发明实施例提供的医疗资源管理方法的流程示意图。
图3为本发明实施例提供的步骤S300的流程示意图。
图4为本发明实施例提供的五个分类模型的分类性能示意图。
图标：10-电子设备；12-存储器；14-处理器；100-医疗资管理装置。
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，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示，本发明实施例提供了一种电子设备10。该电子设备10可以包括存储器12、处理器14及医疗资管理装置100。所述存储器12和处理器14之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述医疗资管理装置100包括至少一个可以软件或固件(firmware)的形式存储于所述存储器12中的软件功能模块。所述处理器14用于执行所述存储器12中存储的可执行的计算机程序，例如，所述医疗资管理装置100所包括的软件功能模块及计算机程序等，以实现医疗资管理方法。
其中，所述存储器12可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
所述处理器14可能是一种集成电路芯片，具有信号的处理能力。上述的处理器14可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)、片上系统(System on Chip，SoC)等。
可以理解，图1所示的结构仅为示意，所述电子设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
结合图2，本发明实施例还提供了一种可应用于上述电子设备10的医疗资源管理方法。其中，所述医疗资源管理方法有关的流程所定义的方法步骤可以由所述电子设备10实现。下面将对图2所示的具体流程进行详细阐述。
步骤S100，获取用户的用户信息。
其中，所述用户信息可以包括用户的描述信息、登记信息及疾病信息。具体地，所述描述信息可以包括，但不限于用户的性别、年龄、归属地、医保类型及门诊医生。所述登记信息可以包括，但不限于入院证季节、入院证月份、入院证日期、入院证星期、入院证时间、登记星期、登记时间、登记间隔时间、等候时间、备注信息及预约护理单元信息。所述疾病信息可以包括，但不限于疾病类型和疾病个数。
步骤S200，根据所述用户信息得到所述用户的特征数据。
详细地，对用户的用户信息进行数据预处理，以得到用户的特征数据。例如，性别分为男女，可以分别对男女赋值1和2。归属地分为省内和省外，分别赋值1和2。医保类型可以分成3类：有医保；无医保和其他类型，分别赋值1、2和3。登记时间和入院证时间可以划分为两个时间段：早上(00:00am-12：00am)和下午(12:01am-23：59pm)，分别赋值为1和2。对于疾病类型来说，肾脏科的医生和入院中心管理人员根据门诊诊断可以将肾内科的入院患者分为五个亚组：血管通路(类型1)，肾活检(类型2)，腹膜透析(类型3)，肾移植后(类型4)和其他疾病(类型5)，分别赋值1-5。疾病个数是经过统计计算得到每一位用户的疾病个数，并划分为4类：只包含一种疾病，赋值为1；包含两种疾病，赋值为2，其他依此类推；包含三种疾病，赋值为3，四种及其以上的疾病，赋值为4。
步骤S300，根据预先构建的目标计算模型和所述特征数据计算得到资源分配参数。
详细地，所述资源分配参数对应所述用户的优先级。
步骤S400，根据所述资源分配参数和当前的医疗资源信息对所述用户进行医疗资源分配处理。
其中，所述医疗资源的具体类型不受限制，可以根据实际应用需求进行设置。例如，在本实施例中，所述医疗资源可以为床位。
通过以上设置，根据预先构建的目标计算模型对用户的用户信息进行计算得到资源分配参数，并根据所述资源分配参数对所述用户进行医疗资源分配处理，以提高医院的运营效率。
结合图3，所述步骤S300可以包括步骤S310、步骤S320及步骤S330。
步骤S310，根据历史用户信息计算预设的多个分类算法的分类性能，并根据所述分类性能选择目标分类算法。
详细地，预设的多个分类算法可以包括Logistics回归算法、随机森林RF(RandomForest)算法、GBDT算法及XGBoost(Extreme Gradient Boosting)算法。
所述历史用户信息可以包括2014、2015及2016三年的历史用户信息，可以将2014年历史用户信息作为训练集，2015年历史用户信息作为验证集，2016年历史用户信息作为测试集。
上述四个分类算法的分类性能可以通过ROC曲线下面积，即AUC表示。其中，ROC(Receiver Operating Characteristic，接收者操作特征)是描绘在各种阈值设置下的检测率与误报率的关系曲线。根据历史用户信息计算四个分类算法得到的AUC数值如下所示。
其中，XGBoost算法的分类性能相对较好。
进一步地，还可以通过Averaging方法将所有分类算法的模型的计算结果平均，以得到融合模型Ensemble，计算融合模型的公式为：
其中，n表示模型的个数，Weighti表示模型i的权重，Pi表示模型i的AUC。
结合图4，可以对上述的四个算法的模型及融合模型进行十折交叉验证以验证分类性能。详细地，将历史用户信息随机地分为十个具有相同容量的数据子集，其中一个用作验证集，九个用作训练集。验证过程重复十次，每个子集仅使用一次进行验证。验证过程结束后，计算十个生成结果的平均值则得到每个模型的分类性能。
根据图4可以知道，XGBoost算法的分类性能相对较好，可以选择XGBoost算法作为目标分类算法。
步骤S320，根据历史用户信息和所述目标分类算法计算预先确定的各个评价指标的权重系数。
其中，所述描述信息、登记信息及疾病信息分别具有至少一个评价指标。例如，所述疾病信息可以包括两个评价指标，分别为疾病类型和疾病个数。
步骤S330，根据预先构建的目标计算模型、所述权重系数和所述特征数据计算得到资源分配参数。
其中，所述目标计算模型为：
其中，P为所述资源分配参数，n为所述评价指标的数量，ai为第i个所述评价指标对应的特征数据，ci为第i个所述评价指标的权重系数。
进一步地，所述步骤S400具体包括以下步骤：根据所述用户的疾病信息和当前的医疗资源信息判断是否存在符合预设条件的医疗资源；当存在符合预设条件的医疗资源时，将该医疗资源分配至所述用户；当不存在符合预设条件的医疗资源时，根据所述用户的用户信息对医疗资源预约排队列表进行调整。
详细地，所述预设条件具体可以为用户的疾病信息对应的科室存在空余床位。若对应的科室存在空余床位，则将该科室的空余床位分配给所述用户；若对应的科室不存在空余床位，其它科室存在空余床位，则将其他科室的空余床位分配给所述用户；若所有科室都不存在空余床位，则将所述用户的用户信息加入医疗资源预约排队列表。
进一步地，该医疗资源管理方法还包括：根据预先构建的预测模型计算符合预设条件的医疗资源的日增加量；根据所述日增加量对所述医疗资源预约排队列表中的用户进行医疗资源的预分配处理。
详细地，所述日增量具体指的是与日出院量对应的床位增加量。通过预测日增加量，可以对医疗资源预约排队列表中的用户进行医疗资源的预分配处理，为病床分配与患者入院调度决策提供依据，进一步地提高医院运营效率。
进一步地，所述医疗资源管理方法还包括预先构建所述预测模型的步骤，该步骤包括：通过MSARIMA模型和符合预设条件的医疗资源的历史日增加量得到相对误差数据；根据加权马尔可夫链和所述相对误差数据构建预测模型。
详细地，所述通过MSARIMA模型和符合预设条件的医疗资源的历史日增加量得到相对误差数据的步骤，包括：对符合预设条件的医疗资源的历史日增加量进行处理，得到训练数据；通过MSARIMA模型对所述训练数据进行拟合，得到拟合数据；根据所述训练数据和拟合数据得到相对误差数据。
具体地，从所述历史日增加量中选择有N个观测值的训练数据，表示如下：
X＝{X(1),X(2),……，X(N)}；
通过MSARIMA模型对所述训练数据进行拟合，得到增加量变化关系，表示如下：
详细地，所述相对误差数据表示如下：
其中，所述相对误差数据反映了拟合的序列围绕训练数据曲线的波动程度，也反映了序列的动态时变程度。
进一步地，所述根据加权马尔可夫链和所述相对误差数据构建预测模型的步骤，包括：通过均值-均方差分级法对所述相对误差数据进行处理，得到状态序列数据；根据所述状态序列数据计算一步状态转移概率矩阵；当所述相对误差数据为马尔可夫过程时，根据所述相对误差数据在每一个时间步长的自相关系数，计算得到马尔可夫链的相应时间步长的转移概率矩阵的权重系数；根据所述权重系数和所述一步状态转移概率矩阵构建预测模型。
均值-均方差分级法将相对误差数据Y划分为i个不同的状态，第i个状态的一般形式是Ei＝[Πi1,Πi2]。根据中心极限定理，可将序列划分为五个状态：和据此可以确定序列中每一个Y(k)属于哪一个状态，根据得到的状态序列数据即可计算一步状态转移概率矩阵。其中和S分别表示所述相对误差数据Y的样本均值和样本标准差，表达式如下：
进一步地，一个随机过程是否是马尔可夫过程需要通过统计假设检验进行验证。通常离散马尔可夫链序列可用卡方统计量进行检验。假设代表转移频率矩阵(nij)q×q第j列所有行元素之和与转移频率矩阵(nij)q×q所有元素之和的比值。再结合系统从状态Ei转移到状态Ej的概率Pij，得到：
因为统计量服从以自由度为(q-1)2的卡方分布，确定显著性水平α，得到的值。定义：
其中，Ni表示状态Ei出现的总频率。
如果则认为该随机过程是一个马尔可夫过程。如果所述相对误差数据Y是一个马尔可夫过程，加权马尔可夫链模型将被引入来得到验证集的预测值
进一步地，自相关系数与权重系数计算表达式如下：
其中，r(m)代表时间步长为m的自相关系数，m的最大取值为M。权重系数对应的向量可表示为：
W[m)＝[W(1),W(2),…，w(m)，…，w(M))。
进一步地，所述预测模型可表示为：
其中，表示系统在时刻k由状态Ei通过m步转移到时刻k+m的状态Ej的概率，且满足 表示系统在通过m步由状态Ei转移到状态Ej的频率，Ni表示状态Ei出现的总频率。
进一步地，所述步骤S400还可以包括：判断所述资源分配参数是否处于预设区间内；当所述资源分配参数处于预设区间内时，根据当前的医疗资源信息为用户分配医疗资源，并更新当前的医疗资源信息；当所述资源分配参数不处于预设区间内时，根据所述资源分配参数将用户加入医疗资源预约列表中。
具体地，所述预设区间可以根据医护人员的经验进行设定，根据用户的紧急情况进行再次筛选，以为紧急的用户分配医疗资源。
在另一实施例中，所述步骤S400还可以包括：判断所述资源分配参数是否大于预设值；当所述资源分配参数大于预设值时，根据当前的医疗资源信息为用户分配医疗资源，并更新当前的医疗资源信息；当所述资源分配参数小于预设值时，根据所述资源分配参数将用户加入医疗资源预约列表中。
进一步地，本发明实施例还提供了一种医疗资管理装置100，可以应用于所述电子设备10。其中，该医疗资管理装置100可以包括用户信息获取模块、特征数据获取模块、资源分配参数计算模块及医疗资源分配模块。
所述用户信息获取模块，用于获取用户的用户信息。在本实施例中，所述用户信息获取模块可以用于执行图2所示的步骤S100，关于所述用户信息获取模块的相关内容可以参照前文对步骤S100的描述。
所述特征数据获取模块，用于根据所述用户信息得到所述用户的特征数据。在本实施例中，所述特征数据获取模块可以用于执行图2所示的步骤S200，关于所述特征数据获取模块的相关内容可以参照前文对步骤S200的描述。
所述资源分配参数计算模块，用于根据预先构建的目标计算模型和所述特征数据计算得到资源分配参数。在本实施例中，所述资源分配参数计算模块可以用于执行图2所示的步骤S300，关于所述资源分配参数计算模块的相关内容可以参照前文对步骤S300的描述。
所述医疗资源分配模块，用于根据所述资源分配参数和当前的医疗资源信息对所述用户进行医疗资源分配处理。在本实施例中，所述医疗资源分配模块可以用于执行图2所示的步骤S400，关于所述医疗资源分配模块的相关内容可以参照前文对步骤S400的描述。
综上所述，本发明实施例提供的医疗资源管理方法、装置及电子设备10，根据预先构建的目标计算模型对用户的用户信息据进行计算得到资源分配参数，并根据所述资源分配参数对所述用户进行医疗资源分配处理，以提高医院的运营效率。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种医疗资源管理方法，其特征在于，包括：
获取用户的用户信息，其中，所述用户信息包括用户的描述信息、登记信息及疾病信息；
根据所述用户信息得到所述用户的特征数据；
根据预先构建的目标计算模型和所述特征数据计算得到资源分配参数；
根据所述资源分配参数和当前的医疗资源信息对所述用户进行医疗资源分配处理。
2.如权利要求1所述的医疗资源管理方法，其特征在于，所述根据预先构建的目标计算模型和所述特征数据计算得到资源分配参数的步骤，包括：
根据历史用户信息计算预设的多个分类算法的分类性能，并根据所述分类性能选择目标分类算法；
根据历史用户信息和所述目标分类算法计算预先确定的各个评价指标的权重系数，其中，所述描述信息、登记信息及疾病信息分别具有至少一个评价指标；
根据预先构建的目标计算模型、所述权重系数和所述特征数据计算得到资源分配参数；
其中，所述目标计算模型为：
其中，P为所述资源分配参数，n为所述评价指标的数量，ai为第i个所述评价指标对应的特征数据，ci为第i个所述评价指标的权重系数。
3.如权利要求1所述的医疗资源管理方法，其特征在于，所述根据所述资源分配参数和当前的医疗资源信息对所述用户进行医疗资源分配处理的步骤包括：
根据所述用户的疾病信息和当前的医疗资源信息判断是否存在符合预设条件的医疗资源；
当存在符合预设条件的医疗资源时，将该医疗资源分配至所述用户；
当不存在符合预设条件的医疗资源时，根据所述用户的用户信息对医疗资源预约排队列表进行调整。
4.如权利要求3所述的医疗资源管理方法，其特征在于，该医疗资源管理方法还包括：
根据预先构建的预测模型计算符合预设条件的医疗资源的日增加量；
根据所述日增加量对所述医疗资源预约排队列表中的用户进行医疗资源的预分配处理。
5.如权利要求4所述的医疗资源管理方法，其特征在于，还包括预先构建所述预测模型的步骤，该步骤包括：
通过MSARIMA模型和符合预设条件的医疗资源的历史日增加量得到相对误差数据；
根据加权马尔可夫链和所述相对误差数据构建预测模型。
6.如权利要求5所述的医疗资源管理方法，其特征在于，所述通过MSARIMA模型和符合预设条件的医疗资源的历史日增加量得到相对误差数据的步骤，包括：
对符合预设条件的医疗资源的历史日增加量进行处理，得到训练数据；
通过MSARIMA模型对所述训练数据进行拟合，得到拟合数据；
根据所述训练数据和拟合数据得到相对误差数据。
7.如权利要求6所述的医疗资源管理方法，其特征在于，所述根据加权马尔可夫链和所述相对误差数据构建预测模型的步骤，包括：
通过均值-均方差分级法对所述相对误差数据进行处理，得到状态序列数据；
根据所述状态序列数据计算一步状态转移概率矩阵；
当所述相对误差数据为马尔可夫过程时，根据所述相对误差数据在每一个时间步长的自相关系数，计算得到马尔可夫链的相应时间步长的转移概率矩阵的权重系数；
根据所述权重系数和所述一步状态转移概率矩阵构建预测模型。
8.如权利要求1所述的医疗资源管理方法，其特征在于，所述根据所述资源分配参数和当前的医疗资源信息对所述用户进行医疗资源分配处理的步骤，还包括：
判断所述资源分配参数是否处于预设区间内；
当所述资源分配参数处于预设区间内时，根据当前的医疗资源信息为用户分配医疗资源，并更新当前的医疗资源信息；
当所述资源分配参数不处于预设区间内时，根据所述资源分配参数将用户加入医疗资源预约列表中。
9.一种医疗资源管理装置，其特征在于，包括：
用户信息获取模块，用于获取用户的用户信息，其中，所述用户信息包括用户的描述信息、登记信息及疾病信息；
特征数据获取模块，用于根据所述用户信息得到所述用户的特征数据；
资源分配参数计算模块，用于根据预先构建的目标计算模型和所述特征数据计算得到资源分配参数；
医疗资源分配模块，用于根据所述资源分配参数和当前的医疗资源信息对所述用户进行医疗资源分配处理。
10.一种电子设备，其特征在于，包括存储器和处理器，所述处理器用于执行所述存储器中存储的可执行的计算机程序，以实现权利要求1-8任意一项所述的医疗资源管理方法。
CN201910416781.5A 2019-05-20 2019-05-20 医疗资源管理方法、装置及电子设备 Pending CN110136816A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111643554.XA CN114300106A (zh) 2019-05-20 2019-05-20 医疗资源分配方法、装置及电子设备
CN201910416781.5A CN110136816A (zh) 2019-05-20 2019-05-20 医疗资源管理方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910416781.5A CN110136816A (zh) 2019-05-20 2019-05-20 医疗资源管理方法、装置及电子设备

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202111643554.XA Division CN114300106A (zh) 2019-05-20 2019-05-20 医疗资源分配方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN110136816A true CN110136816A (zh) 2019-08-16

Family

ID=67571337

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201910416781.5A Pending CN110136816A (zh) 2019-05-20 2019-05-20 医疗资源管理方法、装置及电子设备
CN202111643554.XA Pending CN114300106A (zh) 2019-05-20 2019-05-20 医疗资源分配方法、装置及电子设备

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202111643554.XA Pending CN114300106A (zh) 2019-05-20 2019-05-20 医疗资源分配方法、装置及电子设备

Country Status (1)

Country Link
CN (2) CN110136816A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110851725A (zh) * 2019-11-15 2020-02-28 北京盛诺一家医院管理咨询有限公司 一种医疗资源推荐方法、系统、计算设备和存储介质
CN111312380A (zh) * 2020-02-23 2020-06-19 河南省肿瘤医院 一种医院床位配置监控系统及监控方法
CN112330039A (zh) * 2020-11-12 2021-02-05 清华大学 资源分配方法及装置和存储介质
CN112542219A (zh) * 2019-12-10 2021-03-23 四川大学华西医院 患者入院管理方法、装置、管理设备及可读存储介质
CN113539457A (zh) * 2021-07-16 2021-10-22 挂号网（杭州）科技有限公司 医疗资源的推荐方法及装置、电子设备、存储介质
CN114283932A (zh) * 2022-03-03 2022-04-05 四川大学华西医院 医疗资源管理方法、装置、电子设备以及存储介质
CN114566269A (zh) * 2022-03-09 2022-05-31 四川大学 医疗资源请求方法、装置、电子设备以及存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114882986B (zh) * 2022-07-12 2022-11-08 四川大学华西医院 一种信息分流处理方法、装置和计算机可读存储介质
CN117672482A (zh) * 2023-12-19 2024-03-08 江苏道朴网络科技有限公司 一种用于医疗资源的智能分配管理系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9021589B2 (en) * 2012-06-05 2015-04-28 Los Alamos National Security, Llc Integrating multiple data sources for malware classification
US20150006433A1 (en) * 2013-03-15 2015-01-01 C4Cast.Com, Inc. Resource Allocation Based on Available Predictions
CN103440421B (zh) * 2013-08-30 2017-07-25 上海普之康健康管理有限公司 医学数据处理方法和系统
CN106897918A (zh) * 2017-02-24 2017-06-27 上海易贷网金融信息服务有限公司 一种混合式机器学习信用评分模型构建方法
CN108039200A (zh) * 2017-12-22 2018-05-15 东软集团股份有限公司 一种信息推荐方法、装置及存储介质、程序产品
CN108206049A (zh) * 2017-12-29 2018-06-26 广东工业大学 一种医疗资源的分配方法及系统

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110851725A (zh) * 2019-11-15 2020-02-28 北京盛诺一家医院管理咨询有限公司 一种医疗资源推荐方法、系统、计算设备和存储介质
CN110851725B (zh) * 2019-11-15 2023-10-27 北京盛诺一家医院管理咨询有限公司 一种医疗资源推荐方法、系统、计算设备和存储介质
CN112542219A (zh) * 2019-12-10 2021-03-23 四川大学华西医院 患者入院管理方法、装置、管理设备及可读存储介质
CN112542219B (zh) * 2019-12-10 2023-06-02 四川大学华西医院 患者入院管理方法、装置、管理设备及可读存储介质
CN111312380A (zh) * 2020-02-23 2020-06-19 河南省肿瘤医院 一种医院床位配置监控系统及监控方法
CN112330039A (zh) * 2020-11-12 2021-02-05 清华大学 资源分配方法及装置和存储介质
CN113539457A (zh) * 2021-07-16 2021-10-22 挂号网（杭州）科技有限公司 医疗资源的推荐方法及装置、电子设备、存储介质
CN114283932A (zh) * 2022-03-03 2022-04-05 四川大学华西医院 医疗资源管理方法、装置、电子设备以及存储介质
CN114283932B (zh) * 2022-03-03 2022-06-10 四川大学华西医院 医疗资源管理方法、装置、电子设备以及存储介质
CN114566269A (zh) * 2022-03-09 2022-05-31 四川大学 医疗资源请求方法、装置、电子设备以及存储介质
CN114566269B (zh) * 2022-03-09 2023-04-07 四川大学 医疗资源请求方法、装置、电子设备以及存储介质

Also Published As

Publication number Publication date
CN114300106A (zh) 2022-04-08

Similar Documents

Publication Publication Date Title
CN110136816A (zh) 医疗资源管理方法、装置及电子设备
Stummer et al. Determining location and size of medical departments in a hospital network: A multiobjective decision support approach
Zhang et al. The impact of client choice on preventive healthcare facility network design
US8645158B2 (en) Displaying clinical predicted length of stay of patients for workload balancing in a healthcare environment
Lucidi et al. A simulation-based multiobjective optimization approach for health care service management
CN108206049A (zh) 一种医疗资源的分配方法及系统
CN112562836A (zh) 医生推荐方法、装置、电子设备及存储介质
US20130231953A1 (en) Method, system and computer program product for aggregating population data
CN110364259B (zh) 一种高原疾病预测方法、系统、介质及电子设备
Izady et al. A clustered overflow configuration of inpatient beds in hospitals
CN110675942A (zh) 医学影像图像诊断分配方法、装置、终端及存储介质
EP2795493A2 (en) Method and system for selection of patients to receive a medical device
Filipe et al. Predict hourly patient discharge probability in Intensive Care Units using Data Mining
CN116644869A (zh) 一种实时数据分析与公共卫生事件预测系统
US10937545B2 (en) Method and system for centralized patient monitoring management
Andrews et al. Process data analytics for hospital case-mix planning
Yang et al. Evaluation of smart long-term care information strategy portfolio decision model: The national healthcare environment in Taiwan
Maleki et al. A comparative analysis of the efficient operating room scheduling models using robust optimization and upper partial moment
Kuo et al. An application of multi-objective simulation optimization to medical resource allocation for the emergency department in Taiwan
CN111933246A (zh) 医疗处方分析方法、系统、电子设备及存储介质
JP2003526137A (ja) 職員配置を自動的に割り振るための方法および装置
Liu et al. A scenario-based robust optimization approach for surgeries scheduling with a single specialised human resource server
KR102260091B1 (ko) 환자 입퇴원 예측 방법, 서버 및 컴퓨터프로그램
CN116936071A (zh) 预诊系统
CN112489746A (zh) 数据管理的任务推送方法、装置、电子设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190816