CN110428903A - 体检方案自动生成方法、装置、计算机设备及存储介质 - Google Patents
体检方案自动生成方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110428903A CN110428903A CN201910712451.0A CN201910712451A CN110428903A CN 110428903 A CN110428903 A CN 110428903A CN 201910712451 A CN201910712451 A CN 201910712451A CN 110428903 A CN110428903 A CN 110428903A
- Authority
- CN
- China
- Prior art keywords
- user
- accurate
- project
- inspection item
- available
- 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
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了涉及数据处理领域，公开了一种体检方案自动生成方法、装置、计算机设备及存储介质，其方法包括：获取用户的个人基本信息和精准检测信息；根据个人基本信息从预设的常规检查项目中确定可用的常规检查项目；根据精准检测信息从预设的精准检查项目中确定可用的精准检查项目；获取用户的费用信息，根据预设处理规则和费用信息从可用的常规检查项目选取用户常规检查项目，从可用的精准检查项目选取用户精准检查项目；生成用户的目标体检方案。本发明提供的体检方案自动生成方法、装置、计算机设备及存储介质，可以综合用户个人身体状况和体检费用等因素，为用户适配更为精准的体检方案。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种体检方案自动生成方法、装置、计算机设备及存储介质。
背景技术
随着生活水平的提高，人们越来越重视身体健康。与人体健康相关的体检行业发展速度迅猛。据统计，2015～2020年体检行业每年营收的增长率高达22％。
然而，行业迅猛发展的背后也存在一些亟待解决的问题。例如，由于参加体检的人们对体检方面的专业知识不足，其选择的体检套餐往往不是与其体质匹配的体检套餐。同时，出于节省成本的考虑，往往会选择一些廉价的体检套餐，这种体检套餐无法真实反映体检人(接受体检的人)的健康状况，往往会延误该体检人的病情。而对于一些不需要考虑费用的人而言，筛选掉不必要的检测项目，可以大大提高体检的效率，节省个人宝贵的时间。
发明内容
基于此，有必要针对上述技术问题，提供一种体检方案自动生成方法、装置、计算机设备及存储介质，以综合用户个人身体状况和体检费用等因素，为用户适配更为精准的体检方案。
一种体检方案自动生成方法，包括：
获取用户的个人基本信息和精准检测信息；
根据所述个人基本信息从预设的常规检查项目中确定可用的常规检查项目；根据所述精准检测信息从预设的精准检查项目中确定可用的精准检查项目；
获取所述用户的费用信息，根据预设处理规则和所述费用信息从所述可用的常规检查项目选取用户常规检查项目，从所述可用的精准检查项目选取用户精准检查项目；
生成所述用户的目标体检方案，所述目标体检方案包括所述用户常规检查项目和所述用户精准检查项目。
一种体检方案自动生成装置，包括：
获取信息模块，用于获取用户的个人基本信息和精准检测信息；
第一筛选模块，用于根据所述个人基本信息从预设的常规检查项目中确定可用的常规检查项目；根据所述精准检测信息从预设的精准检查项目中确定可用的精准检查项目；
第二筛选模块，用于获取所述用户的费用信息，根据预设处理规则和所述费用信息从所述可用的常规检查项目选取用户常规检查项目，从所述可用的精准检查项目选取用户精准检查项目；
生成方案模块，用于生成所述用户的目标体检方案，所述目标体检方案包括所述用户常规检查项目和所述用户精准检查项目。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中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上述体检方案自动生成方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述体检方案自动生成方法。
上述体检方案自动生成方法、装置、计算机设备及存储介质，其方法包括：获取用户的个人基本信息和精准检测信息；根据所述个人基本信息从预设的常规检查项目中确定可用的常规检查项目；根据所述精准检测信息从预设的精准检查项目中确定可用的精准检查项目；获取所述用户的费用信息，根据预设处理规则和所述费用信息从所述可用的常规检查项目选取用户常规检查项目，从所述可用的精准检查项目选取用户精准检查项目；生成所述用户的目标体检方案，所述目标体检方案包括所述用户常规检查项目和所述用户精准检查项目。本发明提供的体检方案自动生成方法、装置、计算机设备及存储介质，可以综合用户个人身体状况和体检费用等因素，为用户适配更为精准的体检方案。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中体检方案自动生成方法的一应用环境示意图；
图2是本发明一实施例中体检方案自动生成方法的一流程示意图；
图3是本发明一实施例中体检方案自动生成方法的一流程示意图；
图4是本发明一实施例中体检方案自动生成方法的一流程示意图；
图5是本发明一实施例中体检方案自动生成方法的一流程示意图；
图6是本发明一实施例中体检方案自动生成方法的一流程示意图；
图7是本发明一实施例中体检方案自动生成方法的一流程示意图；
图8是本发明一实施例中体检方案自动生成方法的一流程示意图；
图9是本发明一实施例中体检方案自动生成装置的一结构示意图；
图10是本发明一实施例中计算机设备的一示意图。
具体实施方式
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。基于本发明中的实施例，本领域普通技术人员在没有作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。
本实施例提供的账户方法，可应用在如图1的应用环境中，其中，用户终端通过网络与服务端进行通信。其中，用户终端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种体检方案自动生成方法，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：
S10、获取用户的个人基本信息和精准检测信息；
S20、根据所述个人基本信息从预设的常规检查项目中确定可用的常规检查项目；根据所述精准检测信息从预设的精准检查项目中确定可用的精准检查项目；
S30、获取所述用户的费用信息，根据预设处理规则和所述费用信息从所述可用的常规检查项目选取用户常规检查项目，从所述可用的精准检查项目选取用户精准检查项目；
S40、生成所述用户的目标体检方案，所述目标体检方案包括所述用户常规检查项目和所述用户精准检查项目。
本实施例中，用户的个人基本信息包括但不限于用户的年龄、性别、婚姻状况。精准检测信息指的是一些真实反映用户身体状况的数据，可以是基于该用户的日常行为做出的分析结果，也可以是基于该用户的基因检测结果，或者是其他参考数据，如历史医疗记录等。
预设的常规检查项目可以指一些用户选择的医院实际可以检查的基础项目，如一些科室检测项目(如身高、体重、血压、脉搏等)、实验室检测项目(如血常规、尿常规、肝功能、肾功能、血脂、血糖)和医技检测项目(如心电图、胸部正位)。可用的常规检查项目指的是基于用户的个人信息从所有预设的常规检查项目中筛选出的常规检查项目。如用户的性别为男性，则可以将预设的常规检查项目中的妇科项目进行排除。
预设的精准检查项目可以指一些用户选择的医院实际可以检查的特色项目，如血液检查中的中性粒细胞、嗜酸性粒细胞，肿瘤相关抗原测定中的细胞角蛋白19片段(Cyfra21-1)，人乳头瘤病毒基因分型检测(HPV)，腹部超声等。可用的精准检查项目指的是基于用户的精准检测信息从所有预设的精准检查项目中筛选出的风险较高的检查项目。用户甲的精准检测信息与用户乙的精准检测信息差异较大，则他们各自对应的可用的精准检查项目也会存在较大差异。换句话说，可用的精准检查项目因人而异。
费用信息可以指用户愿意承担的体检费用，如可以是1500元、2000元、3000元、5000元等。在一些情况下，费用信息也可以包含其他数据。预设处理规则可以规定各个子项目(包括了上面的常规检查项目和精准检查项目)的重要度，并包含相应的价格因子(每个子项目都有对应的收费价格)，可以用于对各个可用的常规检查项目和可用的精准检查项目进行综合评估。经过预设处理规则和费用信息对可用的常规检查项目和可用的精准检查项目进行筛选后，可获得最终用户需要检查的体检检查项目，即用户常规检查项目和用户精准检查项目。
在确定用户需要检查的体检检查项目，可以生成相应的目标体检方案。在目标体检方案包含了上面已经确定好的用户常规检查项目和用户精准检查项目。在一些情况下，目标体检方案还可以包括一些与用户健康相关的信息，如可以是基于上述精准检测信息生成的检测报告，或者是其他健康建议等。
在一具体应用实例中，对多名用户的精准体检方案(即上述目标体检方案，表1中表示为方案A)与现有的体检方案(表1中表示为方案B)的体检效果及体检费用进行了比较，结果如表1所示。
表1精准体检方案与现有体检方案体检效果和费用的比较
由表1可以看出，本发明改进后的精准体检方案(方案A)在人均费用略有降低(相当于方案B人均费用的95％左右)、人均检测项目数减少(方案A比方案B人均检测项目数低2个左右，检测项目数小可以节省一定的体检时间)的情况下，人均异常指标数高于方案B。在年龄段为20～24和55～59，精准体检方案的人均异常指标数大约提高了0.5；在年龄段45～54，精准体检方案的人均异常指标数提高了0.71；在年龄段30～34，精准体检方案的人均异常指标数提高了0.81；在年龄段25～29和35～39，精准体检方案的人均异常指标数大约提高了0.9；在年龄段40～44，精准体检方案的人均异常指标数提高了1.09。因而，本发明提供的体检方案自动生成方法，可以综合用户个人身体状况和体检费用等因素，为用户适配更为精准的体检方案。
可选的，如图3所示，步骤S10之前，还包括：
S11、为所述用户生成唯一亚健康检测码；
S12、当所述唯一亚健康检测码与指定检测设备绑定时，从所述指定检测设备获取所述用户的亚健康初始数据；
S13、基于所述亚健康初始数据生成亚健康分析数据，所述精准检测信息包括所述亚健康分析数据。
本实施例中，体检方案自动生成方法可由相应的计算机系统执行。在为用户提供体检方案前，需要先获取用户的精准检测信息。在此处，精准检测信息包括了亚健康分析数据。
亚健康分析数据的获取过程如下：计算机系统为用户生成唯一亚健康检测码(每个用户对应一个唯一亚健康检测码)；然后用户将唯一亚健康检测码输入相应的指定检测设备，完成唯一亚健康检测码与指定检测设备的绑定；计算机系统从指定检测设备获取用户的亚健康初始数据；亚健康初始数据交由专业的大数据处理团队或数据处理模型进行处理，最终获得用户的亚健康分析数据。在此处，指定检测设备可以指mMRI微核磁共振。mMRI微核磁共振是一种以生物微磁检测技术、光波共振技术、光谱检测技术和医学数据数字化技术为基础，结合临床诊断为参考，采用独特聚合算法对人体的生理指标进行检测的设备。该设备可检测全身9大系统，对2000多项指标做出预测报告，发现早期潜在隐患，对疾病进行快速筛查、普查。亚健康检查可用于疾病预防。亚健康初始数据指的是指定检测设备测量到的初始数据，而亚健康分析数据可以指对亚健康初始数据进行分析后的处理结果，可用分析报告的形式体现。
在一实例中，亚健康分析数据包括：
健康风险评测结果为：
内分泌系统，风险等级高；
循环系统，风险等级中；
泌尿系统，风险等级低；
……。
可选的，如图4所示，步骤S10之前，还包括：
S14、为所述用户生成遗传基因检测码；
S15、获取所述用户的基因检测初始数据，所述基因检测初始数据与所述遗传基因检测码绑定；
S16、基于所述基因检测初始数据生成基因分析数据，所述精准检测信息包括所述基因分析数据。
本实施例中，计算机系统可以为用户分配一个遗传基因检测码。然后寄送采样工具给用户。用户使用该采样工具采集自身的DNA样本，该样本贴上包含上述遗传基因检测码。将样本寄送给检测机构，进行基因检测初始数据采集。该基因检测初始数据与上述遗传基因检测码是绑定的。最后可由检测机构对基因检测初始数据进行深度加工，生成用户的基因分析数据。基因分析数据是精准检测信息的重要组成部分，可用于预测用户对某种疾病的患病风险。但基因分析数据并非确诊的依据。
可选的，如图5所示，步骤S20之前，还包括：
S21、获取所述用户的机构选择信息；
S22、根据所述机构选择信息确定所述预设的常规检查项目和所述预设的精准检查项目。
本实施例中，机构选择信息可以包括用户选择的医疗机构和体检预约时间。预设的常规检查项目和预设的精准检查项目可以指该医疗机构在体检预约时间内可检测的项目。例如，医院A有10套检测设备，每套设备可以检测10个项目，共计100个项目；若用户选择了医院A作为自己体检的医疗机构，体检预约时间为2019年8月1日15:00-16:00，而在该时间段内，医院A实际可用的项目数为83个(有一些项目已经预约满员)，则这83个可用的项目即为预设的常规检查项目或预设的精准检查项目。
可选的，如图6所示，步骤S30包括：
S301、生成多于一个的体检套餐，所述体检套餐的总费用小于指定费用金额，所述费用信息包括所述指定费用金额，所述体检套餐包括至少一个所述可用的常规检查项目和至少一个所述可用的精准检查项目；
S302、根据所述预设处理规则计算各个体检套餐的评分值；
S303、将评分值最高的体检套餐确定为目标体检套餐，所述目标体检方案包括所述目标体检套餐，所述目标体检方案内的可用的常规检查项目为所述用户常规检查项目，所述目标体检方案内的可用的精准检查项目为所述用户精准检查项目。
本实施例中，可以生成多于一个的体检套餐，且该体检套餐的总费用是小于费用信息中包含的指定费用金额的。这样可以保证用户在体检时不会产生超出其预算的体检费用，减少因费用问题引起的纠纷的产生。
可以设定预设处理规则来计算各个体检套餐的评分值。预设处理规则可以统计体检套餐内各个子项目的评分值，并最终获得体检套餐的评分值。在一些情况下，子项目的评分值与其风险水平呈正相关，风险越高，评分值越大。
可以将评分值最高的体检套餐确定为目标体检套餐。这样可以最大程度上帮助用户选择一个患病概率高的检查项目，以更好地确定用户的身体状况。目标体检套餐可以作为目标体检方案最重要的组成部分。在一些情况下，目标体检套餐的内容可以与目标体检方案的内容相同。换句话讲，目标体检方案就是经筛选出的目标体检套餐。
可选的，如图7所示，步骤S302包括：
S3021、根据所述预设处理规则确定所述体检套餐内各个子项目的权重系数和费用系数，所述子项目为所述可用的常规检查项目或所述可用的精准检查项目；
S3022、根据所述权重系数和所述费用系数计算所述体检套餐内各个子项目的评分值；
S3023、计算所述体检套餐内各个子项目的评分值的总和，得到所述体检套餐的评分值。
本实施例中，可以根据实际情况确定实际的子项目的权重系数和费用系数。
在一实例中，可以规定每个子项目的评分值为：评分值＝1(基数)*权重系数*费用系数。
子项目在体检套餐中，则有相应的评分值，若子项目不在体检套餐中，则评分值为零。对于同时出现在亚健康分析数据、基因分析数据的子项目，其权重系数可以设定为1.5；仅出现在亚健康分析数据(亚健康分析数据将各种疾病的患病风险分为4级)中，且风险等级为4的子项目，其权重系数可以设定为1.2；仅出现在基因分析数据的子项目，若其风险等级为7，其权重系数可以设定为1，若其风险等级为6，其权重系数可以设定为0.9，若其风险等级为5，其权重系数可以设定为0.8。
关于费用系数，若子项目的价格高于可检测的建议项目的平均价格3倍以上，费用系数为1.3；处于可检测的建议项目的平均价格2-3倍，费用系数为1.2；处于可检测的建议项目的平均价格1-2倍，费用系数为1.1；处于可检测的建议项目的平均价格1-2倍，费用系数为1；小于可检测的建议项目的平均价格0.5倍，费用系数为0.8。
可根据上述预设处理规则计算出体检套餐内每个子项目的评分值，再统计各个子项目评分值的总和，获得体检套餐的评分值。
可选的，步骤S30之后，还包括：
S31、将所述目标体检套餐的评分值与理论最佳体检套餐的评分值进行比较，获得比较结果；
S32、将所述比较结果发送给所述用户。
本实施例中，理论最佳体检套餐可以指在指定医疗机构进行体检，且费用低于指定费用金额的评分值最高的体检套餐(可在假设指定医疗机构的所有体检项目可用的状态下，根据上述步骤S10～S40计算出的结果)。在一些情况下，由于用户选取的时间段预约体检的人数过多，导致部分检查项目不可用，致使该用户无法预约相应的项目进行体检。而这些项目可能是用户所需要的。可以将当前获得的目标体检套餐的评分值与理论最佳体检套餐的评分值进行比较，生成比较结果，并将比较结果发送给用户。用户可以根据比较结果确定是否采用已获得的目标体检套餐，或者更改体检时间，以体验理论最佳的体检套餐(可能需要增加等待预约的时长，如原先选定的日期为8月1日，更改后需排队到8月10日)。
在另一些情况下，理论最佳体检套餐也可以是根据步骤S10～S40对距离用户一定距离内的所有医疗机构的所有体检套餐进行评分值计算，选取出评分值最高的体检套餐作为理论最佳体检套餐。在此情况下，理论最佳体检套餐所指定的医疗机构可能与用户原先指定的医疗机构存在差异。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种体检方案自动生成装置，该体检方案自动生成装置与上述实施例中体检方案自动生成方法一一对应。如图9所示，该体检方案自动生成装置包括获取信息模块10、第一筛选模块20、第二筛选模块30和生成方案模块40。各功能模块详细说明如下：
获取信息模块10，用于获取用户的个人基本信息和精准检测信息；
第一筛选模块20，用于根据所述个人基本信息从预设的常规检查项目中确定可用的常规检查项目；根据所述精准检测信息从预设的精准检查项目中确定可用的精准检查项目；
第二筛选模块30，用于获取所述用户的费用信息，根据预设处理规则和所述费用信息从所述可用的常规检查项目选取用户常规检查项目，从所述可用的精准检查项目选取用户精准检查项目；
生成方案模块40，用于生成所述用户的目标体检方案，所述目标体检方案包括所述用户常规检查项目和所述用户精准检查项目。
可选的，体检方案自动生成装置还包括：
生成亚健康检测码模块，用于为所述用户生成唯一亚健康检测码；
获取亚健康初始数据模块，用于当所述唯一亚健康检测码与指定检测设备绑定时，从所述指定检测设备获取所述用户的亚健康初始数据；
生成亚健康分析数据模块，用于基于所述亚健康初始数据生成亚健康分析数据，所述精准检测信息包括所述亚健康分析数据。
可选的，体检方案自动生成装置还包括：
生成遗传基因检测码模块，用于为所述用户生成遗传基因检测码；
获取基因检测初始数据模块，用于获取所述用户的基因检测初始数据，所述基因初始数据与所述遗传基因检测码绑定；
生成基因分析数据模块，用于基于所述基因初始数据生成基因分析数据，所述精准检测信息包括所述基因分析数据。
可选的，体检方案自动生成装置还包括：
获取机构信息模块，用于获取所述用户的机构选择信息；
确定项目模块，用于根据所述机构选择信息确定所述预设的常规检查项目和所述预设的精准检查项目。
可选的，第二筛选模块30包括：
生成套餐单元，用于生成多于一个的体检套餐，所述体检套餐的总费用小于指定费用金额，所述费用信息包括所述指定费用金额，所述体检套餐包括至少一个所述可用的常规检查项目和至少一个所述可用的精准检查项目；
计算评分值单元，用于根据所述预设处理规则计算各个体检套餐的评分值；
确定目标体检套餐单元，用于将评分值最高的体检套餐确定为目标体检套餐，所述目标体检方案包括所述目标体检套餐，所述目标体检方案内的可用的常规检查项目为所述用户常规检查项目，所述目标体检方案内的可用的精准检查项目为所述用户精准检查项目。
可选的，所述计算评分值单元包括：
确定系数单元，用于根据所述预设处理规则确定所述体检套餐内各个子项目的权重系数和费用系数，所述子项目为所述可用的常规检查项目或所述可用的精准检查项目；
计算子项目评分单元，用于根据所述权重系数和所述费用系数计算所述体检套餐内各个子项目的评分值；
计算套餐评分值单元，用于计算所述体检套餐内各个子项目的评分值的总和，得到所述体检套餐的评分值。
可选的，体检方案自动生成装置还包括：
比较模块，用于将所述目标体检套餐的评分值与理论最佳体检套餐的评分值进行比较，获得比较结果；
发送比较结果模块，用于将所述比较结果发送给所述用户。
关于体检方案自动生成装置的具体限定可以参见上文中对于体检方案自动生成方法的限定，在此不再赘述。上述体检方案自动生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储体检方案自动生成方法涉及的方法。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种体检方案自动生成方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取用户的个人基本信息和精准检测信息；
根据所述个人基本信息从预设的常规检查项目中确定可用的常规检查项目；根据所述精准检测信息从预设的精准检查项目中确定可用的精准检查项目；
获取所述用户的费用信息，根据预设处理规则和所述费用信息从所述可用的常规检查项目选取用户常规检查项目，从所述可用的精准检查项目选取用户精准检查项目；
生成所述用户的目标体检方案，所述目标体检方案包括所述用户常规检查项目和所述用户精准检查项目。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取用户的个人基本信息和精准检测信息；
根据所述个人基本信息从预设的常规检查项目中确定可用的常规检查项目；根据所述精准检测信息从预设的精准检查项目中确定可用的精准检查项目；
获取所述用户的费用信息，根据预设处理规则和所述费用信息从所述可用的常规检查项目选取用户常规检查项目，从所述可用的精准检查项目选取用户精准检查项目；
生成所述用户的目标体检方案，所述目标体检方案包括所述用户常规检查项目和所述用户精准检查项目。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种体检方案自动生成方法，其特征在于，包括：
获取用户的个人基本信息和精准检测信息；
根据所述个人基本信息从预设的常规检查项目中确定可用的常规检查项目；根据所述精准检测信息从预设的精准检查项目中确定可用的精准检查项目；
获取所述用户的费用信息，根据预设处理规则和所述费用信息从所述可用的常规检查项目选取用户常规检查项目，从所述可用的精准检查项目选取用户精准检查项目；
生成所述用户的目标体检方案，所述目标体检方案包括所述用户常规检查项目和所述用户精准检查项目。
2.如权利要求1所述的体检方案自动生成方法，其特征在于，所述获取用户的个人基本信息和精准检测信息之前，还包括：
为所述用户生成唯一亚健康检测码；
当所述唯一亚健康检测码与指定检测设备绑定时，从所述指定检测设备获取所述用户的亚健康初始数据；
基于所述亚健康初始数据生成亚健康分析数据，所述精准检测信息包括所述亚健康分析数据。
3.如权利要求1所述的体检方案自动生成方法，其特征在于，所述获取用户的个人基本信息和精准检测信息之前，还包括：
为所述用户生成遗传基因检测码；
获取所述用户的基因检测初始数据，所述基因检测初始数据与所述遗传基因检测码绑定；
基于所述基因检测初始数据生成基因分析数据，所述精准检测信息包括所述基因分析数据。
4.如权利要求1所述的体检方案自动生成方法，其特征在于，所述根据所述个人基本信息从预设的常规检查项目中确定可用的常规检查项目；根据所述精准检测信息从预设的精准检查项目中确定可用的精准检查项目之前，还包括：
获取所述用户的机构选择信息；
根据所述机构选择信息确定所述预设的常规检查项目和所述预设的精准检查项目。
5.如权利要求1所述的体检方案自动生成方法，其特征在于，所述获取所述用户的费用信息，根据预设处理规则和所述费用信息从所述可用的常规检查项目选取用户常规检查项目，从所述可用的精准检查项目选取用户精准检查项目包括：
生成多于一个的体检套餐，所述体检套餐的总费用小于指定费用金额，所述费用信息包括所述指定费用金额，所述体检套餐包括至少一个所述可用的常规检查项目和至少一个所述可用的精准检查项目；
根据所述预设处理规则计算各个体检套餐的评分值；
将评分值最高的体检套餐确定为目标体检套餐，所述目标体检方案包括所述目标体检套餐，所述目标体检方案内的可用的常规检查项目为所述用户常规检查项目，所述目标体检方案内的可用的精准检查项目为所述用户精准检查项目。
6.如权利要求5所述的体检方案自动生成方法，其特征在于，所述根据所述预设处理规则计算各个体检套餐的评分值包括：
根据所述预设处理规则确定所述体检套餐内各个子项目的权重系数和费用系数，所述子项目为所述可用的常规检查项目或所述可用的精准检查项目；
根据所述权重系数和所述费用系数计算所述体检套餐内各个子项目的评分值；
计算所述体检套餐内各个子项目的评分值的总和，得到所述体检套餐的评分值。
7.如权利要求5所述的体检方案自动生成方法，其特征在于，所述获取所述用户的费用信息，根据预设处理规则和所述费用信息从所述可用的常规检查项目选取用户常规检查项目，从所述可用的精准检查项目选取用户精准检查项目之后，还包括：
将所述目标体检套餐的评分值与理论最佳体检套餐的评分值进行比较，获得比较结果；
将所述比较结果发送给所述用户。
8.一种体检方案自动生成装置，其特征在于，包括：
获取信息模块，用于获取用户的个人基本信息和精准检测信息；
第一筛选模块，用于根据所述个人基本信息从预设的常规检查项目中确定可用的常规检查项目；根据所述精准检测信息从预设的精准检查项目中确定可用的精准检查项目；
第二筛选模块，用于获取所述用户的费用信息，根据预设处理规则和所述费用信息从所述可用的常规检查项目选取用户常规检查项目，从所述可用的精准检查项目选取用户精准检查项目；
生成方案模块，用于生成所述用户的目标体检方案，所述目标体检方案包括所述用户常规检查项目和所述用户精准检查项目。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述体检方案自动生成方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述体检方案自动生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910712451.0A CN110428903A (zh) | 2019-08-02 | 2019-08-02 | 体检方案自动生成方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910712451.0A CN110428903A (zh) | 2019-08-02 | 2019-08-02 | 体检方案自动生成方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110428903A true CN110428903A (zh) | 2019-11-08 |
Family
ID=68412360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910712451.0A Pending CN110428903A (zh) | 2019-08-02 | 2019-08-02 | 体检方案自动生成方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110428903A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111243740A (zh) * | 2020-01-07 | 2020-06-05 | 杭州每天健康科技有限公司 | 体检套餐生成方法、装置、电子设备及介质 |
| CN111341446A (zh) * | 2020-02-11 | 2020-06-26 | 中山大学 | 一种个性化体检套餐推荐方法 |
| CN112053775A (zh) * | 2020-09-03 | 2020-12-08 | 北京国安广传网络科技有限公司 | 一种基于远程协助的移动式查体方法及装置 |
| CN112801325A (zh) * | 2021-04-12 | 2021-05-14 | 广州上医信息科技有限公司 | 一种企业团检预约方法、系统、电子设备及介质 |
| CN113158090A (zh) * | 2020-12-31 | 2021-07-23 | 北京声智科技有限公司 | 状态检测系统、方法、装置、设备及可读存储介质 |
| CN113611405A (zh) * | 2021-08-10 | 2021-11-05 | 平安科技（深圳）有限公司 | 一种体检项目推荐方法、装置、设备及介质 |
| CN116205475A (zh) * | 2022-12-01 | 2023-06-02 | 哈尔滨海吉雅科技有限公司 | 基于基因组算法的健康体检流程优化调度方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090132284A1 (en) * | 2005-12-16 | 2009-05-21 | Fey Christopher T | Customizable Prevention Plan Platform, Expert System and Method |
| CN107025368A (zh) * | 2016-01-29 | 2017-08-08 | 北京弘达君康健康科技有限公司 | 用于健康体检者获取体检项目方案的自助定制方法及系统 |
| CN107273988A (zh) * | 2017-06-08 | 2017-10-20 | 深圳市前海安测信息技术有限公司 | 基于健康调查的体检预约系统及方法 |
| CN107273987A (zh) * | 2017-06-08 | 2017-10-20 | 深圳市前海安测信息技术有限公司 | 基于健康调查的个性化体检预约系统及方法 |
| CN107346376A (zh) * | 2017-07-05 | 2017-11-14 | 刘浩 | 一种健康体检项目智能推荐的方法及系统 |
| CN107391954A (zh) * | 2017-08-18 | 2017-11-24 | 北京燕鑫康达科技有限公司 | 个性化体检套餐定制方法 |
-
2019
- 2019-08-02 CN CN201910712451.0A patent/CN110428903A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090132284A1 (en) * | 2005-12-16 | 2009-05-21 | Fey Christopher T | Customizable Prevention Plan Platform, Expert System and Method |
| CN107025368A (zh) * | 2016-01-29 | 2017-08-08 | 北京弘达君康健康科技有限公司 | 用于健康体检者获取体检项目方案的自助定制方法及系统 |
| CN107273988A (zh) * | 2017-06-08 | 2017-10-20 | 深圳市前海安测信息技术有限公司 | 基于健康调查的体检预约系统及方法 |
| CN107273987A (zh) * | 2017-06-08 | 2017-10-20 | 深圳市前海安测信息技术有限公司 | 基于健康调查的个性化体检预约系统及方法 |
| CN107346376A (zh) * | 2017-07-05 | 2017-11-14 | 刘浩 | 一种健康体检项目智能推荐的方法及系统 |
| CN107391954A (zh) * | 2017-08-18 | 2017-11-24 | 北京燕鑫康达科技有限公司 | 个性化体检套餐定制方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111243740A (zh) * | 2020-01-07 | 2020-06-05 | 杭州每天健康科技有限公司 | 体检套餐生成方法、装置、电子设备及介质 |
| CN111243740B (zh) * | 2020-01-07 | 2023-11-03 | 杭州每天健康科技有限公司 | 体检套餐生成方法、装置、电子设备及介质 |
| CN111341446A (zh) * | 2020-02-11 | 2020-06-26 | 中山大学 | 一种个性化体检套餐推荐方法 |
| CN111341446B (zh) * | 2020-02-11 | 2022-11-29 | 中山大学 | 一种个性化体检套餐推荐方法 |
| CN112053775A (zh) * | 2020-09-03 | 2020-12-08 | 北京国安广传网络科技有限公司 | 一种基于远程协助的移动式查体方法及装置 |
| CN113158090A (zh) * | 2020-12-31 | 2021-07-23 | 北京声智科技有限公司 | 状态检测系统、方法、装置、设备及可读存储介质 |
| CN112801325A (zh) * | 2021-04-12 | 2021-05-14 | 广州上医信息科技有限公司 | 一种企业团检预约方法、系统、电子设备及介质 |
| CN113611405A (zh) * | 2021-08-10 | 2021-11-05 | 平安科技（深圳）有限公司 | 一种体检项目推荐方法、装置、设备及介质 |
| CN116205475A (zh) * | 2022-12-01 | 2023-06-02 | 哈尔滨海吉雅科技有限公司 | 基于基因组算法的健康体检流程优化调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110428903A (zh) | 体检方案自动生成方法、装置、计算机设备及存储介质 | |
| Fenwick et al. | Value of information analysis for research decisions—an introduction: report 1 of the ISPOR Value of Information Analysis Emerging Good Practices Task Force | |
| Salmon et al. | A structured literature review of simulation modelling applied to Emergency Departments: Current patterns and emerging trends | |
| US11139051B2 (en) | Systems and methods for designing clinical trials | |
| Cullen et al. | Cost and outcomes of assessing patients with chest pain in an Australian emergency department | |
| Knottnerus et al. | The evidence base of clinical diagnosis: theory and methods of diagnostic research | |
| Neuvirth et al. | Toward personalized care management of patients at risk: the diabetes case study | |
| CN107851295B (zh) | 数据分析设备、数据分析方法和存储数据分析程序的存储介质 | |
| US20120303381A1 (en) | System and method for scoring illness complexity to predict healthcare cost | |
| CN101297297A (zh) | 医疗风险分层方法和系统 | |
| LaPar et al. | The challenge of achieving 1% operative mortality for coronary artery bypass grafting: a multi-institution Society of Thoracic Surgeons Database analysis | |
| CN104271033A (zh) | 一种评价胃肠癌风险的方法和系统 | |
| WO2002073362A2 (en) | Methods and systems for identifying attributable errors in financial processes | |
| CN110031624A (zh) | 基于多神经网络分类器的肿瘤标志物检测系统、方法、终端、介质 | |
| CN106599553A (zh) | 疾病预警方法及装置 | |
| Burns et al. | Classification of current procedural terminology codes from electronic health record data using machine learning | |
| AlSobeh et al. | A national framework for e-health data collection in Jordan with current practices | |
| KR102342770B1 (ko) | 질병 예측치의 분포를 이용한 건강관리 상담 시스템 | |
| Marazza et al. | Comparing process models for patient populations: application in breast cancer care | |
| KR20210084231A (ko) | 질환별 발생예측값 분포를 활용한 보험 설계 상담 서비스 시스템 | |
| Cylus et al. | Cross-national efficiency comparisons of health systems, subsectors and disease areas | |
| Krahn | Principles of economic evaluation in surgery | |
| Najafizada et al. | Ranked Performance of Canada's Health System on the International Stage: A Scoping Review | |
| Henriksson et al. | Informing the efficient use of health care and health care research resources‐the case of screening for abdominal aortic aneurysm in Sweden | |
| Choudhary et al. | Optimized Ensemble Machine Learning Model for Chronic Kidney Disease Prediction |
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: 20191108 |