CN110491490A - 一种医生评估方法及装置 - Google Patents

一种医生评估方法及装置 Download PDF

Info

Publication number
CN110491490A
CN110491490A CN201910622966.1A CN201910622966A CN110491490A CN 110491490 A CN110491490 A CN 110491490A CN 201910622966 A CN201910622966 A CN 201910622966A CN 110491490 A CN110491490 A CN 110491490A
Authority
CN
China
Prior art keywords
doctor
hospital
scoring
information
assessed
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
CN201910622966.1A
Other languages
English (en)
Inventor
战歌
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.)
Shenzhen Yuyue Medical Instrument Co.,Ltd.
Original Assignee
Shenzhen Pianpian Technology 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 Shenzhen Pianpian Technology Co Ltd filed Critical Shenzhen Pianpian Technology Co Ltd
Priority to CN201910622966.1A priority Critical patent/CN110491490A/zh
Publication of CN110491490A publication Critical patent/CN110491490A/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

本申请适用于计算机应用技术领域，提供了医生评估方法及装置，包括：获取待评估医生的医生信息；根据医生信息和预设的医生单项评分模型，计算待评估医生的医生评分；根据医生信息计算待评估医生所任职医院的医院评分，并根据医生评分和所述医院评分确定交互模型；将医生评分和医院评分输入所述交互模型，计算得到待评估医生的综合评分。通过计算待评估医生的医生评分和医院评分，并根据医生评分和医院评分确定交互模型，以通过交互模型得到待评估医生的综合评分，使得最后得到的综合评分既能体现待评估医生的专业水平，又能体现医院的医院水平，提高了医生评估的客观性和精确性，以给用户一个非常全面、客观的参考信息。

Description

一种医生评估方法及装置
技术领域
本申请属于计算机应用技术领域，尤其涉及一种医生评估方法及装置。
背景技术
当今，患者通过互联网搜索医疗服务非常普遍，寻找适合自己的医生和医院，但搜索结果无法满足多样化的寻医需求。对系统设计最重要的是用户体验。例如，有的患者希望在附近就医，有的患者则更偏好入院治疗，患者专业化的就医需求得不到可靠的就医指引。
现有技术中一般通过各个医院的网站公开医生的执业信息和擅长领域，由用户根据公开的信息确定与疾病领域和专业程度对应的医生。但是国内的医疗机构发展不均衡、差异大，用户无法根据这些网站上的信息得到客观准确的医生情况，更无法客观的知道医生的专业程度。因此，现有技术中在对医生进行评估时，存在评估不精确的问题。
发明内容
有鉴于此，本申请实施例提供了医生评估方法及装置，以解决现有技术中在对医生进行评估时，存在评估不精确的问题。
本申请实施例的第一方面提供了一种医生评估方法，包括：
获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；
根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；
根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型和综合评分模型；
根据所述医生信息、所述交互模型和所述综合评分模型进行计算，得到所述待评估医生的综合评分。
本申请实施例的第二方面提供了一种医生评估装置，包括：
获取单元，用于获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；
计算单元，用于根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；
建模单元，用于根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型和综合评分模型；
评分单元，用于根据所述医生信息、所述交互模型和所述综合评分模型进行计算，得到所述待评估医生的综合评分。
本申请实施例的第三方面提供了一种医生评估装置，包括：处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储支持装置执行上述方法的计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本申请实施例与现有技术相比存在的有益效果是：获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型；将所述医生评分和所述医院评分输入所述交互模型，计算得到所述待评估医生的综合评分。通过计算待评估医生的医生评分和医院评分，并根据医生评分和医院评分确定交互模型，以通过交互模型得到待评估医生的综合评分，使得最后得到的综合评分既能体现待评估医生的专业水平，又能体现医院的医院水平，提高了医生评估的客观性和精确性，以给用户一个非常全面、客观的参考信息。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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申请的一些实施例，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是本申请实施例一提供的医生评估方法的流程图；
图2是本申请实施例二提供的医生评估方法的流程图；
图3是本申请实施例三提供的医生评估装置的示意图；
图4是本申请实施例四提供的医生评估装置的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
参见图1，图1是本申请实施例一提供的一种医生评估方法的流程图。本实施例中医生评估方法的执行主体为具有医生评估功能的装置，包括但不限于计算机、服务器、平板电脑或者终端等装置。如图所示的医生评估方法可以包括以下步骤：
S101：获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息。
当今，患者通过互联网搜索医疗服务非常普遍，寻找适合自己的医生和医院，但搜索结果无法满足多样化的寻医需求。对系统设计最重要的是用户体验。例如，有的患者希望在附近就医，有的患者则更偏好入院治疗。目前的技术上的难点是，患者专业化的就医需求得不到可靠的就医指引。当患者被确诊为癌症时，希望得到最好的治疗和护理，国内的医疗机构发展不均衡，差异较大，患者和护理人员，如果能够知道彼此的地点和个人信息，可以为患者提供更好的病情护理，一些患者认为护理的质量，不同的机构之间差别很大，其选择的医生对健康结果会产生重大影响，寻找医生信息的大部分用户是患者的朋友和家人，通过互联网寻找初级的保健医生，并最终选中主治医生，可供选择的医生数量，对于癌症患者来说是很重要的，癌症是一种可能危及生命的疾病，通常需要长期甚至终身的治疗和护理，为了获得治疗，大量的患者前往另一个城市，当他们选择医生的时候，医生的声誉对于患者来说是最为重要的因素。
医生的声誉的信息，对于患者来说还是不够的，不足以形成有效的决策依据，尤其是癌症，互联网线上医生评级正在发展普及，但是患者怀疑评级的可靠性，因为肿瘤治疗还有其他因素影响，患者获悉最佳医生的信息仍然困难，媒体报道了患者需求，目前市面上的解决方案各有不同，人们比较关注“最佳医生”评审，基于患者选择医生的调查评测。专家的声誉会影响癌症患者就医时的选择和社区医生的转诊推荐次序。那些和媒体关系良好的医生可能会被打高评分，但是实际并不是最好的，这种评审方法容易受到某些医生和医院游说的影响，媒体的评审条件和标准都有问题和隐患。
假设一位家庭成员患病，先选中医生，根据程序由医学专家主导的评级团队，通过医生积分系统中的学历、经验、专业医学协会和医院董事会认证，来为医生排名打分，通过互联网渠道传送到美国消费者研究委员会。媒体做出的名医排名和评审，没有专业系统的评审标准，不能获得主流医疗机构认可，一些医院通过媒体来做广告宣传，可能会影响到患者对医生的印象和选择。理论上，如果最佳癌症医生排名是可靠的，能够帮助一些患者找到更好的医生，得到更好的治疗和护理，降低寻找医生和医疗机构的成本。但是，这个排名的可靠性并没有被验证和仔细的研究，仍需要专业的医学专家团队来评定。为了患者和公众的利益，我们决定研发医生评审排名系统。
相比之下，医生们更加认可客观标准如职称，诊疗死亡率和科研论文，以及专业医疗群体的评价结果，是相对可靠、公平和有效的办法。医生在工作、培训和参加医学学术会议时候彼此了解，因此有机会评估候选医生的医学技能和专业知识，因此，专业的医生群体的经验和技能是医术水平有效评估的重要保障，大多数医生支持这种方式的评审结果。尤其是公开发表的医学论文，得到的同行引用，合作医生的数量，一定程度上反映了医生群体之间的评价。医师同行之间评价应具有多个属性和权重，包含医疗绩效数据作为候选人提名的先决条件，以及患者或护理人员的评价等额外的评选标准。各个主治医生和医院的癌症手术和治疗结差异较大。向公众发布此类数据，正在变得越来越普遍。
总之，医生和医院的公开排名和评审报告，对于患者和后续提供医疗服务的医师选择有更加积极的影响，能够提升整体医疗保健质量。医师群体为了提高自己的医术和声誉，会更加审慎提供医疗服务。
本实施例中，在对待评估医生的进行评估之前，先获取待评估医生的医生信息。本实施例中的医生信息包括待评估医生在医生职业方面所有的信息，其中可以包括待评估医生的职称信息、学历信息、文章信息、获奖信息等，同时，还可以包括待评估医生所任职的医院的医院信息，例如，医院规模、科研实力以及区域优势等，此处不做限定。
本实施例中获取医生信息的方式可以是通过从论文数据库网站用获取待评估医生的学历信息和文章等，通过学籍信息网等网站获取待评估医生的学历信息和获奖信息等，同时，通过待评估医生所在的医院网站来获取医院信息等，此处不做限定。
进一步的，在步骤S102之前，还包括步骤S1021～S1023：
为了更加客观的评估医生的职业情况，本实施例中将对待评估医生自身专业能力的评估和待评估医生所执业医院的评估共同考虑进待评估医生的综合评估中。
S1021：获取样本数据；所述样本数据中包括多个医生在行医方面的数据。
预先获取不同医生的样本数据，本实施例中的样本数据用于表示各个医生在行医方面的数据，其中可以包括职称数据、学历数据、文章数据以及获奖数据等，此处不做限定。
进一步的，本实施例中可以构建基于医生信息的大数据数据库，以根据大数据数据库对医生信息或者样本数据进行处理。
S1022：根据所述样本数据，确定所述样本数据中的特征因子；所述特征因子用于表示所述样本数据中各数据类型对应的特征。
在获取到样本数据之后，对样本数据进行数据挖掘和因子分析，以确定样本数据中的特征因子。本实施例中的特征因子用于表示各个数据类型对应的样本数据对应的数据值。
具体的，在进行因子分析时，先进行因子识别，确定各个因子Xi对应的数据，构建矩阵形式的因子模型为：Xi＝μi+αi1F1+…+αimFm+εi，对应的矩阵形式为：
其中，i∈[1，p]用于表示特征因子的标识；μi∈[μ1,μ2,…,μp]用于表示预设的线性系数；用于表示因子载荷，其中，αi1～αim用于表示第i个因子的因子载荷；F1～Fm用于表示医生的各项特征变量如职称、学历、文章等；εi∈[ε1,εp]用于表示Xi的特殊因子。
S1023：根据所述特征因子和预设的每个所述特征因子对应的权重，构建所述医生单项评分模型。
在确定了各项特征因子之后，根据预设的各个因子对应的权重，构建医生单项评分模型为：其中，Y用于表示医生评分；ωi用于表示第i个特征因子对应的权重，Xi用于表示第i个特征因子，i用于表示特征因子的标识，k用于表示特征因子的总数。通过本实施例中的医生单项评分模型可以根据获取到的医生信息，确定待评估医生的医生评分。
S102：根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分。
在医生单项评估方面，本实施例中预设有医生单项评分模型，用于将医生信息输入医生单项评分模型，以计算得到待评估医生的医生评分。通过本实施例中将医生评分和医院评分分开进行的方式，可以更加清楚的确定待评估医生目前的评分情况。
S103：根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型和综合评分模型。
在确定了医生评分之后，本实施例中针对基于医生信息中的医院信息确定医院评分，本实施例中计算医院评分的方式可以是通过将医院信息中的各项特征进行加权均值计算得到。再对医院评分进行预设的首层回归计算，得到医院评分回归方程和交互模型；对医生评分和医院评分进行预设的二层回归计算，得到综合评分模型。
本实施例中的交互模型用于表示医生评分和医院评分之间计算方式，以通过该医生评分和医院评分以及该交互模型得到最终的综合评分。本实施例的综合评分模型用于表示根据所有医生信息计算综合评分的公式。在本实施例的交互模型中，交互模型的输入为医院评分、医生评分，其中的计算参数已经通过回归计算的方式确定，交互模型的输出为参与综合评分的交互参数。具体的，本实施例中的回归分析是确定医生评分和医院评分两个变量间相互依赖的定量关系，可以是通过线性回归的方式来确定两者之间的交互模型。
S104：根据所述医生信息、所述交互模型和所述综合评分模型进行计算，得到所述待评估医生的综合评分。
在确定了交互模型之后，将所有的医生信息和交互模型输入综合评分模型中进行计算，得到待评估医生的综合评分。本实施例中的综合评分是基于医生评分和医院评分的基础上得到的，在综合评分的计算中既考虑进了待评估医生自身的专业情况，同时也将待评估医生所在的医院情况也考虑进行综合评分的计算中，使得最后得到的综合评分既能体现待评估医生的专业水平，又能体现医院的医院水平，以给用户一个非常全面、客观的参考结果。
上述方案，通过获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型；将所述医生评分和所述医院评分输入所述交互模型，计算得到所述待评估医生的综合评分。通过计算待评估医生的医生评分和医院评分，并根据医生评分和医院评分确定交互模型，以通过交互模型得到待评估医生的综合评分，使得最后得到的综合评分既能体现待评估医生的专业水平，又能体现医院的医院水平，提高了医生评估的客观性和精确性，以给用户一个非常全面、客观的参考信息。
参见图2，图2是本申请实施例二提供的一种医生评估方法的流程图。本实施例中医生评估方法的执行主体为具有医生评估功能的装置，包括但不限于计算机、服务器、平板电脑或者终端等装置。如图所示的医生评估方法可以包括以下步骤：
S201：获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息。
在本实施例中S201与图1对应的实施例中S101的实现方式完全相同，具体可参考图1对应的实施例中的S101的相关描述，在此不再赘述。
S202：根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分。
在本实施例中S205与图1对应的实施例中S102的实现方式完全相同，具体可参考图1对应的实施例中的S102的相关描述，在此不再赘述。
S203：基于所述医生信息中的医院信息确定所述医院评分。
本实施例中医生信息的数据来源包括医生和医院大数据，其中，医生数据包括公开发表的医疗卫生数据、科技论文、各级科研基金、同行引用、各级奖项和认证等可靠信息。医院信息包括规模、科研实力、区域优势等，此处不做限定。
本实施例中基于医院信息确定医院评分的方式可以是通过加权平均的方式来确定。具体的，先确定当前医院在规模、科研实力、区域优势等方面对应的评分，同时根据预设的各个方面对应的权值，最后将各个方面的评分与其对应的权重进行相乘，将各个方面的乘积相加，将得到的和除以医院信息的类型数量，得到最后的医院评分。
S204：对所述医院评分进行预设的首层回归计算，得到医院评分回归方程和交互模型。
本实施例中的回归分析是通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后评价回归模型是否能够很好的拟合实测数据；如果能够很好的拟合，则可以根据自变量作进一步预测。
在得到医院评分之后，根据医院评分进行首层回归计算，即第一层回归，得到医院评分回归方程：βij＝γ10+γ11Sh+U1；其中，Sh用于表示医院评分；γ10、γ11用于表示通过首层回归计算得到的医院评分回归系数，γ10用于表示医院评分回归直线的截距，γ11用于表示医院评分回归直线的斜率，表示Sh变化一个单位时，βij的平均变化情况；；U1用于表示首层回归得到的特殊因子或者随机误差项。
在得到医生评分和医院评分之后，演算医生综合评分和医院评分的交互模型，得到交互模型为：
β0j＝γ00+γ01Sd+γ02Sh+γ03Sd×Sh+U0；其中，Sd用于表示医生评分，γ00、γ01、γ02以及γ03用于表示通过二层回归计算得到的交互模型回归系数；γ00用于表示交互模型回归直线的截距，γ01用于表示交互模型回归直线的在医生评分方面的斜率，表示Sd变化一个单位时，β0j的平均变化情况；γ02用于表示交互模型回归直线的在医院评分方面的斜率，表示Sh变化一个单位时，β0j的平均变化情况；γ03用于表示交互模型回归直线的在医院评分和医生评分综合两方面的斜率，表示Sh、Sd变化一个单位时，β0j的平均变化情况；U1用于表示二层回归得到的特殊因子或者随机误差项。
S205：对所述医生评分和所述医院评分进行预设的二层回归计算，得到所述综合评分模型。
因为医生各项特征变量受到所在医院的影响，数据的这种网状结构违反了常规回归模型的相互独立假设，因此需要利用分层回归模型进行处理。最终医生评分是在医生综合评价得分基础上，引入医院评分的交互模型，进行分层多元回归。将步骤S204中得到的结构进行合并，再进行二层回归计算，得到综合评分模型为：
Sc＝β0j+β1j·Pos+β2j·Edu+β3j·Art+…+βij·Awa+rij
其中，Pos用于表示职称信息；Edu用于表示学历信息；Art用于表示文章信息；Awa用于表示获奖信息；rij用于表示综合评分模型的调整参数。
需要说明的是，本实施例在步骤S204中，通过首层回归得到βij，即医院评分回归方程；以及β0j，即医生评分和医院评分的交互模型。在步骤S205中，通过二层回归将第一层回归加以整合，融合全部医生因素和医院因素进行回归分析，得出综合评分模型。与首层回归不同，第二层回归引入了医生和医院评分的交互作用。
S206：将所述医生信息、所述医生评分、所述医院评分和所述交互模型输入所述综合评分模型，计算得到所述待评估医生的综合评分。
在得到综合评分模型之后，将医生信息、医生评分、医院评分和交互模型输入综合评分模型，计算得到待评估医生的综合评分。通过将所有的医生信息和交互模型输入综合评分模型中进行计算，到待评估医生的综合评分。本实施例中的综合评分是基于医生评分和医院评分的基础上得到的，在综合评分的计算中既考虑进了待评估医生自身的专业情况，同时也将待评估医生所在的医院情况也考虑进行综合评分的计算中，使得最后得到的综合评分既能体现待评估医生的专业水平，又能体现医院的医院水平，以给用户一个非常全面、客观的参考结果。
进一步的，在步骤S206之后，还可以包括：对所述交互模型、所述医生单项评分模型以及所述综合评分模型进行训练，调整所述交互模型、所述医生单项评分模型以及所述综合评分模型中的参数。
由于本实施例中的各种模型都是通过演算得到的模型参数，很多时候的模型参数都是根据现有的样本数据拟合得到，因此，在进行计算的同时或者计算结束之后，通过大数据的累积和知识库的建立，不断对模型进行演算和训练，调整交互模型、医生单项评分模型以及综合评分模型中的参数，提高模型的内部和外部有效性、预测的准确性、以及影响效度。
进一步的，本实施例中可以建立基于云端智能医生管理平台的云端数据库，数据应用层为平台提供，应用程序编程接口(Application Programming Interface，API)接口，通过各类API接口将各渠道数据接入云端，实现实时更新、迭代、存储和分析数据。
上述方案，通过获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；基于所述医生信息中的医院信息确定所述医院评分；对所述医院评分进行预设的首层回归计算，得到医院评分回归方程和交互模型；对所述医生评分和所述医院评分进行预设的二层回归计算，得到所述综合评分模型；将所述医生信息、所述医生评分、所述医院评分和所述交互模型输入所述综合评分模型，计算得到所述待评估医生的综合评分。将所述医生信息、所述医生评分、所述医院评分和所述交互模型输入所述综合评分模型，计算得到所述待评估医生的综合评分。通过计算待评估医生的医生评分和医院评分，并根据医生评分和医院评分确定交互模型，以通过交互模型得到待评估医生的综合评分，使得最后得到的综合评分既能体现待评估医生的专业水平，又能体现医院的医院水平，提高了医生评估的客观性和精确性，以给用户一个非常全面、客观的参考信息。
参见图3，图3是本申请实施例三提供的一种医生评估装置的示意图。医生评估装置300可以为智能手机、平板电脑等移动终端。本实施例的医生评估装置300包括的各单元用于执行图1对应的实施例中的各步骤，具体请参阅图1及图1对应的实施例中的相关描述，此处不赘述。本实施例的医生评估装置300包括：
获取单元301，用于获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；
计算单元302，用于根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；
建模单元303，用于根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型和综合评分模型；
评分单元304，用于根据所述医生信息、所述交互模型和所述综合评分模型进行计算，得到所述待评估医生的综合评分。
进一步的，所述建模单元303具体包括：
医院评分单元，用于基于所述医生信息中的医院信息确定所述医院评分；
首层回归单元，用于对所述医院评分进行预设的首层回归计算，得到医院评分回归方程和交互模型；
二层回归单元，用于对所述医生评分和所述医院评分进行预设的二层回归计算，得到所述综合评分模型。
进一步的，所述评分单元304具体包括：
综合评分单元，用于将所述医生信息、所述医生评分、所述医院评分和所述交互模型输入所述综合评分模型，计算得到所述待评估医生的综合评分。
进一步的，所述医生评估装置300还包括：
样本获取单元，用于获取样本数据；所述样本数据中包括多个医生在行医方面的数据；
特征因子单元，用于根据所述样本数据，确定所述样本数据中的特征因子；所述特征因子用于表示所述样本数据中各数据类型对应的特征；
单项评分单元，用于根据所述特征因子和预设的每个所述特征因子对应的权重，构建所述医生单项评分模型。
进一步的，所述医生单项评分模型为：
其中，Y用于表示医生评分；ωi用于表示第i个特征因子对应的权重，Xi用于表示第i个特征因子，i用于表示特征因子的标识，k用于表示特征因子的总数。
进一步的，所述医生评估装置300包括：
调参单元，用于对所述交互模型、所述医生单项评分模型以及所述综合评分模型进行训练，调整所述交互模型、所述医生单项评分模型以及所述综合评分模型中的参数。
上述方案，通过获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型；将所述医生评分和所述医院评分输入所述交互模型，计算得到所述待评估医生的综合评分。通过计算待评估医生的医生评分和医院评分，并根据医生评分和医院评分确定交互模型，以通过交互模型得到待评估医生的综合评分，使得最后得到的综合评分既能体现待评估医生的专业水平，又能体现医院的医院水平，提高了医生评估的客观性和精确性，以给用户一个非常全面、客观的参考信息。
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，而不应对本申请实施例的实施过程构成任何限定。
参见图4，图4是本申请实施例四提供的一种医生评估装置的示意图。如图4所示的本实施例中的医生评估装置400可以包括：处理器401、存储器402以及存储在存储器402中并可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个医生评估方法实施例中的步骤。存储器402用于存储计算机程序，所述计算机程序包括程序指令。处理器401用于执行存储器402存储的程序指令。其中，处理器401被配置用于调用所述程序指令执行以下操作：
处理器401用于：
获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；
根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；
根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型和综合评分模型；
根据所述医生信息、所述交互模型和所述综合评分模型进行计算，得到所述待评估医生的综合评分。
进一步的，处理器401具体用于：
基于所述医生信息中的医院信息确定所述医院评分；
对所述医院评分进行预设的首层回归计算，得到医院评分回归方程和交互模型；
对所述医生评分和所述医院评分进行预设的二层回归计算，得到所述综合评分模型；
进一步的，处理器401具体用于：
将所述医生信息、所述医生评分、所述医院评分和所述交互模型输入所述综合评分模型，计算得到所述待评估医生的综合评分。
进一步的，处理器401具体用于：
获取样本数据；所述样本数据中包括多个医生在行医方面的数据；
根据所述样本数据，确定所述样本数据中的特征因子；所述特征因子用于表示所述样本数据中各数据类型对应的特征；
根据所述特征因子和预设的每个所述特征因子对应的权重，构建所述医生单项评分模型。
所述医生单项评分模型为：
其中，Y用于表示医生评分；ωi用于表示第i个特征因子对应的权重，Xi用于表示第i个特征因子，i用于表示特征因子的标识，k用于表示特征因子的总数。
进一步的，处理器401具体用于：
对所述交互模型、所述医生单项评分模型以及所述综合评分模型进行训练，调整所述交互模型、所述医生单项评分模型以及所述综合评分模型中的参数。
上述方案，通过获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型；将所述医生评分和所述医院评分输入所述交互模型，计算得到所述待评估医生的综合评分。通过计算待评估医生的医生评分和医院评分，并根据医生评分和医院评分确定交互模型，以通过交互模型得到待评估医生的综合评分，使得最后得到的综合评分既能体现待评估医生的专业水平，又能体现医院的医院水平，提高了医生评估的客观性和精确性，以给用户一个非常全面、客观的参考信息。
应当理解，在本申请实施例中，所称处理器401可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器402可以包括只读存储器和随机存取存储器，并向处理器401提供指令和数据。存储器402的一部分还可以包括非易失性随机存取存储器。例如，存储器402还可以存储设备类型的信息。
具体实现中，本申请实施例中所描述的处理器401、存储器402、计算机程序403可执行本申请实施例提供的医生评估方法的第一实施例和第二实施例中所描述的实现方式，也可执行本申请实施例所描述的终端的实现方式，在此不再赘述。
在本申请的另一实施例中提供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，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现：
获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；
根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；
根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型和综合评分模型；
根据所述医生信息、所述交互模型和所述综合评分模型进行计算，得到所述待评估医生的综合评分。
进一步的，所述计算机程序被处理器执行时还实现：
基于所述医生信息中的医院信息确定所述医院评分；
对所述医院评分进行预设的首层回归计算，得到医院评分回归方程和交互模型；
对所述医生评分和所述医院评分进行预设的二层回归计算，得到所述综合评分模型；
进一步的，所述计算机程序被处理器执行时还实现：
将所述医生信息、所述医生评分、所述医院评分和所述交互模型输入所述综合评分模型，计算得到所述待评估医生的综合评分。
进一步的，所述计算机程序被处理器执行时还实现：
获取样本数据；所述样本数据中包括多个医生在行医方面的数据；
根据所述样本数据，确定所述样本数据中的特征因子；所述特征因子用于表示所述样本数据中各数据类型对应的特征；
根据所述特征因子和预设的每个所述特征因子对应的权重，构建所述医生单项评分模型。
所述医生单项评分模型为：
其中，Y用于表示医生评分；ωi用于表示第i个特征因子对应的权重，Xi用于表示第i个特征因子，i用于表示特征因子的标识，k用于表示特征因子的总数。
进一步的，所述计算机程序被处理器执行时还实现：
对所述交互模型、所述医生单项评分模型以及所述综合评分模型进行训练，调整所述交互模型、所述医生单项评分模型以及所述综合评分模型中的参数。
上述方案，通过获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型；将所述医生评分和所述医院评分输入所述交互模型，计算得到所述待评估医生的综合评分。通过计算待评估医生的医生评分和医院评分，并根据医生评分和医院评分确定交互模型，以通过交互模型得到待评估医生的综合评分，使得最后得到的综合评分既能体现待评估医生的专业水平，又能体现医院的医院水平，提高了医生评估的客观性和精确性，以给用户一个非常全面、客观的参考信息。
所述计算机可读存储介质可以是前述任一实施例所述的终端的内部存储单元，例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种医生评估方法，其特征在于，包括：
获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；
根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；
根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型和综合评分模型；
根据所述医生信息、所述交互模型和所述综合评分模型进行计算，得到所述待评估医生的综合评分。
2.如权利要求1所述的医生评估方法，其特征在于，所述根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型和综合评分模型，包括：
基于所述医生信息中的医院信息确定所述医院评分；
对所述医院评分进行预设的首层回归计算，得到医院评分回归方程和交互模型；
对所述医生评分和所述医院评分进行预设的二层回归计算，得到所述综合评分模型；
所述根据所述医生信息、所述交互模型和所述综合评分模型进行计算，得到所述待评估医生的综合评分，包括：
将所述医生信息、所述医生评分、所述医院评分和所述交互模型输入所述综合评分模型，计算得到所述待评估医生的综合评分。
3.如权利要求1所述的医生评估方法，其特征在于，所述根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分之前，还包括：
获取样本数据；所述样本数据中包括多个医生在行医方面的数据；
根据所述样本数据，确定所述样本数据中的特征因子；所述特征因子用于表示所述样本数据中各数据类型对应的特征；
根据所述特征因子和预设的每个所述特征因子对应的权重，构建所述医生单项评分模型。
4.如权利要求3所述的医生评估方法，其特征在于，所述医生单项评分模型为：
其中，Y用于表示医生评分；ωi用于表示第i个特征因子对应的权重，Xi用于表示第i个特征因子，i用于表示特征因子的标识，k用于表示特征因子的总数。
5.如权利要求1-4任一项所述的医生评估方法，其特征在于，所述根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型和综合评分模型之后，还包括：
对所述交互模型、所述医生单项评分模型以及所述综合评分模型进行训练，调整所述交互模型、所述医生单项评分模型以及所述综合评分模型中的参数。
6.一种医生评估装置，其特征在于，包括：
获取单元，用于获取待评估医生的医生信息；所述医生信息包括所述待评估医生在医生职业方面的信息；
计算单元，用于根据所述医生信息和预设的医生单项评分模型，计算所述待评估医生的医生评分；
建模单元，用于根据所述医生信息计算所述待评估医生所任职医院的医院评分，并根据所述医生评分和所述医院评分确定交互模型和综合评分模型；
评分单元，用于根据所述医生信息、所述交互模型和所述综合评分模型进行计算，得到所述待评估医生的综合评分。
7.如权利要求6所述的医生评估装置，其特征在于，所述建模单元包括：
医院评分单元，用于基于所述医生信息中的医院信息确定所述医院评分；
首层回归单元，用于对所述医院评分进行预设的首层回归计算，得到医院评分回归方程和交互模型；
二层回归单元，用于对所述医生评分和所述医院评分进行预设的二层回归计算，得到所述综合评分模型；
评分单元包括：
综合评分单元，用于将所述医生信息、所述医生评分、所述医院评分和所述交互模型输入所述综合评分模型，计算得到所述待评估医生的综合评分。
8.如权利要求6所述的医生评估装置，其特征在于，所述医生评估装置还包括：
样本获取单元，用于获取样本数据；所述样本数据中包括多个医生在行医方面的数据；
特征因子单元，用于根据所述样本数据，确定所述样本数据中的特征因子；所述特征因子用于表示所述样本数据中各数据类型对应的特征；
单项评分单元，用于根据所述特征因子和预设的每个所述特征因子对应的权重，构建所述医生单项评分模型。
9.一种医生评估装置，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5任一项所述方法的步骤。
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5任一项所述方法的步骤。
CN201910622966.1A 2019-07-11 2019-07-11 一种医生评估方法及装置 Pending CN110491490A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910622966.1A CN110491490A (zh) 2019-07-11 2019-07-11 一种医生评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910622966.1A CN110491490A (zh) 2019-07-11 2019-07-11 一种医生评估方法及装置

Publications (1)

Publication Number Publication Date
CN110491490A true CN110491490A (zh) 2019-11-22

Family

ID=68546969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910622966.1A Pending CN110491490A (zh) 2019-07-11 2019-07-11 一种医生评估方法及装置

Country Status (1)

Country Link
CN (1) CN110491490A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111696656A (zh) * 2020-06-12 2020-09-22 腾讯科技（深圳）有限公司 一种互联网医疗平台的医生评价方法、装置
CN113486086A (zh) * 2021-07-01 2021-10-08 上海硕恩网络科技股份有限公司 一种基于特征工程的数据挖掘方法及系统
CN117370767A (zh) * 2023-12-07 2024-01-09 四川经科企业管理服务有限公司 基于大数据的用户信息评估方法及系统
CN117852976A (zh) * 2024-03-04 2024-04-09 浙江海亮科技有限公司 一种智能生成奖项的方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004355613A (ja) * 2003-05-01 2004-12-16 Makoto Hashizume 医師評価システム及び該システムを用いた医師紹介システム
US20080126172A1 (en) * 2001-03-23 2008-05-29 Melamed David P System and method for facilitating generation and performance of on-line evaluations
CN104239504A (zh) * 2014-09-15 2014-12-24 金阿宁 一种用于医生胜任力模型构建的数据处理方法
CN106780234A (zh) * 2017-02-25 2017-05-31 深圳市前海安测信息技术有限公司 基于数据关联的医生评级推荐系统及方法
CN106777921A (zh) * 2016-11-29 2017-05-31 成都中医药大学 一种基于中医大数据的三名树网评价模型的构建系统和方法
CN109448807A (zh) * 2018-10-12 2019-03-08 成都数联易康科技有限公司 一种基于医生医疗服务行为分析的患者就医导向实现方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080126172A1 (en) * 2001-03-23 2008-05-29 Melamed David P System and method for facilitating generation and performance of on-line evaluations
JP2004355613A (ja) * 2003-05-01 2004-12-16 Makoto Hashizume 医師評価システム及び該システムを用いた医師紹介システム
CN104239504A (zh) * 2014-09-15 2014-12-24 金阿宁 一种用于医生胜任力模型构建的数据处理方法
CN106777921A (zh) * 2016-11-29 2017-05-31 成都中医药大学 一种基于中医大数据的三名树网评价模型的构建系统和方法
CN106780234A (zh) * 2017-02-25 2017-05-31 深圳市前海安测信息技术有限公司 基于数据关联的医生评级推荐系统及方法
CN109448807A (zh) * 2018-10-12 2019-03-08 成都数联易康科技有限公司 一种基于医生医疗服务行为分析的患者就医导向实现方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李丽清: "《统计学原理及应用》", 31 January 2019, 华中科技大学出版社 *
米歇尔•刘易斯•伯克: "《社会科学研究方法百科全书 第2卷》", 31 August 2017, 重庆大学出版社 *
胡文生: "《大数据经典算法简介》", 31 July 2017, 电子科技大学出版社 *
苑红: "科研能力对护理人员研究自我效能的影响研究", 《护理管理杂志》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111696656A (zh) * 2020-06-12 2020-09-22 腾讯科技（深圳）有限公司 一种互联网医疗平台的医生评价方法、装置
CN111696656B (zh) * 2020-06-12 2023-04-07 腾讯科技（深圳）有限公司 一种互联网医疗平台的医生评价方法、装置
CN113486086A (zh) * 2021-07-01 2021-10-08 上海硕恩网络科技股份有限公司 一种基于特征工程的数据挖掘方法及系统
CN117370767A (zh) * 2023-12-07 2024-01-09 四川经科企业管理服务有限公司 基于大数据的用户信息评估方法及系统
CN117370767B (zh) * 2023-12-07 2024-02-27 四川经科企业管理服务有限公司 基于大数据的用户信息评估方法及系统
CN117852976A (zh) * 2024-03-04 2024-04-09 浙江海亮科技有限公司 一种智能生成奖项的方法及系统

Similar Documents

Publication Publication Date Title
JP6653365B2 (ja) 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法
CN110491490A (zh) 一种医生评估方法及装置
Nianogo et al. Agent-based modeling of noncommunicable diseases: a systematic review
Hutcherson et al. A neurocomputational model of altruistic choice and its implications
Pignone et al. Challenges in systematic reviews of economic analyses
Huang et al. Application of a propensity score approach for risk adjustment in profiling multiple physician groups on asthma care
Luo et al. Two‐Step Optimization for Spatial Accessibility Improvement: A Case Study of Health Care Planning in Rural China
Evans et al. The National Institutes of Health patient-reported outcomes measurement information system (PROMIS): a view from the UK
Goodman Introduction to health technology assessment
Cattacin et al. Equity standards for healthcare organisations: A theoretical framework
CN105528526A (zh) 一种基于中医药传承与大数据挖掘的生命周期动态健康管理系统
CN109219854A (zh) 患者风险评分和评估系统
Bass et al. Utilizing multidimensional computer adaptive testing to mitigate burden with patient reported outcomes
Austin et al. Fostering transparency in outcomes, quality, safety, and costs
Fullwood et al. Patients’ experiences of shared decision making in primary care practices in the United Kingdom
Pope et al. Financial and quality impacts of the Medicare physician group practice demonstration
Luk et al. Characterization of a Bayesian network‐based radiotherapy plan verification model
Martinussen et al. Is a decentralised health policy associated with better self-rated health and health services evaluation? A comparative study of European countries
Eden et al. Surveying perceptions of the early impacts of an integrated electronic medical record across a hospital and healthcare service
Gangannagaripalli et al. A standard set of value-based patient-centered outcomes and measures of overall health in adults
Hoogendoorn et al. What Makes a Quality Health App—Developing a Global Research-Based Health App Quality Assessment Framework for CEN-ISO/TS 82304-2: Delphi Study
NegAHbAN et al. Elements of integrating traditional and complementary medicine into primary healthcare: a systematic review
Wyrwich et al. Triangulating patient and clinician perspectives on clinically important differences in health‐related quality of life among patients with heart disease
Grimm et al. Predicting error in detecting mammographic masses among radiology trainees using statistical models based on BI‐RADS features
Kilci A study on financial sustainability of healthcare indicators for Turkey under the health transformation program

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220210

Address after: 518000 201, No. 3, Yanshan Avenue, Yanchuan community, Yanluo street, Bao'an District, Shenzhen, Guangdong

Applicant after: Shenzhen Yuyue Medical Instrument Co.,Ltd.

Address before: 518000 room 307, floor 3, building 6, Qianhai Shenzhen Hong Kong youth dream workshop, No. 35, Qianwan 1st Road, Shenzhen, Guangdong

Applicant before: Shenzhen Pianpian Technology Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191122