CN111354451A - 医院护理服务人员的智能推荐方法及系统 - Google Patents
医院护理服务人员的智能推荐方法及系统 Download PDFInfo
- Publication number
- CN111354451A CN111354451A CN202010142404.XA CN202010142404A CN111354451A CN 111354451 A CN111354451 A CN 111354451A CN 202010142404 A CN202010142404 A CN 202010142404A CN 111354451 A CN111354451 A CN 111354451A
- Authority
- CN
- China
- Prior art keywords
- factor
- service personnel
- nursing
- evaluation
- personnel
- 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
Images
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
本发明公开了一种医院护理服务人员的智能推荐方法及系统，通过获取客户端接收的用户订单，根据订单类型‑人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员，获取各个目标服务人员的工时因素、考勤因素和评价因素，根据权重向量分别对各个目标服务人员的工时因素、考勤因素和评价因素进行加权计算，得到各个目标服务人员的综合评分，向所述客户端推荐综合评分最高的目标服务人员，以提升所推荐的医院护理服务人员与客户需求的吻合程度，保证所推荐的护理服务人员的准确性。
Description
技术领域
本发明涉及医院后勤信息处理技术领域，尤其涉及一种医院护理服务人员的智能推荐方法、系统、计算机设备和存储介质。
背景技术
医院护理服务人员是根据医院的具体需求为医院和病患提供服务的一种服务人员，目前是以外包的方式外包给第三方有资质的公司。一般现场的管理模式是主管带领团队为医院或病患提供服务，主管每个月会为各个成员进行排班，每个团队在收到派单后，提供服务。
目前各个医院护理服务人员的派单是各个主管根据服务的内容以及服务人员的专业进行派单，在同一个服务专业内没有参考更多的客观数据，比如服务人员的性格、服务人员的考勤状况、服务人员的工时、服务对象的基本情况等。护理服务人员提供的服务的质量会直接影响医院的整体形象，严重的可能会导致患者的投诉、医患事故等。
现有的工作模式虽然可以正常为病患提供护理服务，但是存在着以下一系列问题：
1、主管人员的主观判断
现有的方式，主管只是将服务内容与从事该服务专业的人员进行匹配，但缺少更多的客观数据的参考，导致派单具有较强的主观随意性，没有客观依据，一旦分配的不合理，就会造成很大的影响。而且这种方式增加了主管的负担，具有一定的局限性。
2、服务人员没有发挥出本身最大的特长
将一个服务派单给一个不是最符合的服务人员，比如服务对象是一个寡言安静的老者，却分配了一个喜爱热闹多言的服务人员，可能会引起服务对象和服务人员两方均反感的情况，极大的降低了服务质量。影响服务人员的投入度、积极性。
上述护理服务人员的技能专长与客户需求不吻合等问题在诸多医院普遍存在，因此参考多种客观数据的智能推荐方法在医院护理服务方面是不可或缺的。
发明内容
针对以上问题，本发明提出一种医院护理服务人员的智能推荐方法、系统、计算机设备和存储介质。
为实现本发明的目的，提供一种医院护理服务人员的智能推荐方法，包括如下步骤：
S10，获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员；所述订单类型-人员对应关系记录各类用户订单分别对应的护理服务人员；
S20，获取各个目标服务人员的工时因素、考勤因素和评价因素；所述评价因素用于描述用户在上一个统计周期对相应护理服务人员的评价；
S30，根据权重向量分别对各个目标服务人员的工时因素、考勤因素和评价因素进行加权计算，得到各个目标服务人员的综合评分，向所述客户端推荐综合评分最高的目标服务人员；其中，所述权重向量记录工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重。
在一个实施例中，权重向量的确定过程包括：
获取工时因素、考勤因素和评价因素中各个因素相对于其他因素的重要性参数，根据各个因素相对于其他因素的重要性参数构建重要性矩阵；
根据所述重要性矩阵计算工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重，得到权重向量。
作为一个实施例，根据所述重要性矩阵计算工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重的过程包括：
式中，Wi表示第i权重，Aij表示重要性矩阵中第i行第j列个元素。
作为一个实施例，获取工时因素、考勤因素和评价因素中各个因素相对于其他因素的重要性参数包括：
获取多个专家分别设定的工时因素、考勤因素和评价因素中各个因素相对于其他因素的初始参数；其中，所述初始参数表征一个因素相对于另一个因素之间的相对重要性的比值；
根据各个因素相对于另一个因素的所有初始参数的平均值，确定各个因素相对于相应因素的重要性参数。
在一个实施例中，获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员包括：
获取客户端接收的用户订单，识别用户订单对应的订单类型，根据订单类型在订单类型-人员对应关系查找所述订单类型对应的护理服务人员，将查找到的订单类型对应的护理服务人员确定为目标服务人员。
在一个实施例中，获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员之前，还包括：
获取各个订单类型对应的护理服务人员性格，将各类护理服务人员性格对应的护理服务人员确定为相应订单类型对应的护理服务人员性格。
作为一个实施例，获取各个订单类型对应的护理服务人员性格，将各类护理服务人员性格对应的护理服务人员确定为相应订单类型对应的护理服务人员性格之前，还包括：
在护理服务人员入职时，通过性测试系统进行系统的性格测试，确定并保持入职的护理服务人员的护理服务人员性格，以用于各类护理服务人员性格对应的护理服务人员的确定。
一种医院护理服务人员的智能推荐系统，包括：
第一获取模块，用于获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员；所述订单类型-人员对应关系记录各类用户订单分别对应的护理服务人员；
第二获取模块，用于获取各个目标服务人员的工时因素、考勤因素和评价因素；所述评价因素用于描述用户在上一个统计周期对相应护理服务人员的评价；
计算模块，用于根据权重向量分别对各个目标服务人员的工时因素、考勤因素和评价因素进行加权计算，得到各个目标服务人员的综合评分，向所述客户端推荐综合评分最高的目标服务人员；其中，所述权重向量记录工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重。
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，所述处理器执行所述计算机程序时实现上述任一实施例的医院护理服务人员的智能推荐方法的步骤。
一种计算机可读存储介质，其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上述任一实施例的医院护理服务人员的智能推荐方法的步骤。
上述医院护理服务人员的智能推荐方法、系统、计算机设备和存储介质，通过获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员，获取各个目标服务人员的工时因素、考勤因素和评价因素，根据权重向量分别对各个目标服务人员的工时因素、考勤因素和评价因素进行加权计算，得到各个目标服务人员的综合评分，向所述客户端推荐综合评分最高的目标服务人员，以提升所推荐的医院护理服务人员与客户需求的吻合程度，保证所推荐的护理服务人员的准确性。
附图说明
图1是一个实施例的医院护理服务人员的智能推荐方法流程图；
图2是一个实施例的医院护理服务人员的智能推荐装置结构示意图；
图3为一个实施例的计算机设备示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请提供的医院护理服务人员的智能推荐方法，可以应用于对医院护理服务人员进行智能推荐的推荐终端。上述推荐终端执行如下过程：S10，获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员；S20，获取各个目标服务人员的工时因素、考勤因素和评价因素；S30，根据权重向量分别对各个目标服务人员的工时因素、考勤因素和评价因素进行加权计算，得到各个目标服务人员的综合评分，向所述客户端推荐综合评分最高的目标服务人员；以提升所推荐的医院护理服务人员与客户需求的吻合程度。其中，推荐终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
在一个实施例中，如图1所示，提供了一种医院护理服务人员的智能推荐方法，以该方法应用于推荐终端为例进行说明，包括以下步骤：
S10，获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员；所述订单类型-人员对应关系记录各类用户订单分别对应的护理服务人员。
用户可以在客户端(C端)下单，使客户端获得相应的用户订单，客户端可以为推荐终端运行的下单软件等。这样推荐终端获取客户端接收的用户订单，根据用户订单自身的需要选择需要的护理服务人员的性格类型，以自动的把所有的护理服务人员的性格与订单中用户选择的护理服务人员的性格类型进行匹配，确定用户订单对应的多个目标服务人员。
S20，获取各个目标服务人员的工时因素、考勤因素和评价因素；所述评价因素用于描述用户在上一个统计周期对相应护理服务人员的评价。
工时因素、考勤因素和评价因素分别为用于评价护理服务人员在一个管理周期某方面的护理质量的因素。若一个管理周期为一个月，则工时因素、考勤因素和评价因素可以通过如下方式确定：
工时因素：确定方式为：每个护理服务人员的工时月总小时数与月中工时最长护理服务人员的工时小时数之商。推荐终端中每个订单有被服务时长，每个护理服务人员的工时是通过系统自动计算护理服务人员所接订单的服务时长的总和。
考勤因素：确定方式为：每个护理服务人员的考勤月总小时数(扣除请假旷工迟到早退)与月中考勤最长护理服务人员的考勤小时数之商。推荐终端中相关考勤数据是通过护理服务人员每天在考勤机或者app上的打卡时间计算系统自动计算。
评价因素：确定方式为：每个员工的月评价总分数与月中评价分数最高护理服务人员评价的分数之商。其中评价分数来源于c端(客户端)客户的评价，系统自动计算每个员工的评价分数，不依赖于主管的主观判断。
S30，根据权重向量分别对各个目标服务人员的工时因素、考勤因素和评价因素进行加权计算，得到各个目标服务人员的综合评分，向所述客户端推荐综合评分最高的目标服务人员；其中，所述权重向量记录工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重。
具体地，上述步骤可以各个目标服务人员的工时因素、考勤因素和评价因素进行归一化处理后，再采用权重向量计算各个目标服务人员的综合评分，以得到评分最高的目标服务人员，进行相应推荐，保证推荐结果的有效性。
上述医院护理服务人员的智能推荐方法，通过获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员，获取各个目标服务人员的工时因素、考勤因素和评价因素，根据权重向量分别对各个目标服务人员的工时因素、考勤因素和评价因素进行加权计算，得到各个目标服务人员的综合评分，向所述客户端推荐综合评分最高的目标服务人员，以提升所推荐的医院护理服务人员与客户需求的吻合程度，保证所推荐的护理服务人员的准确性。
在一个实施例中，权重向量的确定过程包括：
获取工时因素、考勤因素和评价因素中各个因素相对于其他因素的重要性参数，根据各个因素相对于其他因素的重要性参数构建重要性矩阵；
根据所述重要性矩阵计算工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重，得到权重向量。
作为一个实施例，根据所述重要性矩阵计算工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重的过程包括：
式中，Wi表示第i权重(如工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重)，Aij表示重要性矩阵中第i行第j列个元素。
作为一个实施例，获取工时因素、考勤因素和评价因素中各个因素相对于其他因素的重要性参数包括：
获取多个专家分别设定的工时因素、考勤因素和评价因素中各个因素相对于其他因素的初始参数；其中，所述初始参数表征一个因素相对于另一个因素之间的相对重要性的比值；
根据各个因素相对于另一个因素的所有初始参数的平均值，确定各个因素相对于相应因素的重要性参数。
在一个示例中，对工时因素、考勤因素和评价因素的确定过程，以及相应权重向量的确定过程进行详细说明：
工时因素：(每个护理人员的工时月总小时数/月中工时最长护理人员的工时小时数)，每个订单有被服务时长，每个护理人员的工时是通过系统自动计算护理人员所接订单的服务时长的总和。
考勤因素：(每个人员的考勤月总小时数(扣除请假旷工迟到早退)/月中考勤最长护理人员的考勤小时数)，考勤数据是通过护理人员每天在考勤机或者app上的打卡时间计算系统自动计算。
评价因素：(每个员工的月评价总分数/月中评价分数最高护理人员评价的分数)，评价分数来源于c端客户的评价，系统自动计算每个员工的评价分数，不依赖于主管的主观判断。
在确定以上三个因素的权重占比的过程中，可以成立专家组进行评分，专家组成员包括医院的各个工种的主管和相关的服务人员。召集专家组成员对以上三个因素做两两比较，得出各因素之间的相对重要性的比值。如下列出重要性比例标度表(表1)示出了各个因素相对于其他因素的重要性参数的含义：
表1重要性比例标度表
| 1 | 表示两个元素相比，具有同等重要性 |
| 3 | 表示两个元素相比，前者比后者稍微重要 |
| 5 | 表示两个元素相比，前者比后者明显重要 |
| 7 | 表示两个元素相比，前者比后者强烈重要 |
| 9 | 表示两个元素相比，前者比后者极端重要 |
| 1/3 | 表示两个元素相比，前者比后者稍微不重要 |
| 1/5 | 表示两个元素相比，前者比后者明显不重要 |
| 1/7 | 表示两个元素相比，前者比后者强烈不重要 |
| 1/9 | 表示两个元素相比，前者比后者极端不重要 |
| 2,4,6,8，1/2,1/4,1/6，1/8 | 上述判断的中间值 |
首先，对以上三个因素两两比较，建立相对重要性矩阵，例如：第二行第一列工时相对于第一行第三列考勤来说，前者比后者稍微重要，得出比值为3；第三行第一列考勤相对于第一行第二列工时来说，前者比后者稍微不重要,得出比值为1/3。以此类推，得到所有的比值，并填入相应表格中。
一个专家分别设定的工时因素、考勤因素和评价因素中各个因素相对于其他因素的初始参数可以参考表2所示，
表2
对多个专家(假设有10个专家)设定的初始参数求平均值，确定各个因素相对于相应因素的重要性参数可以参考表3所示。
表3
根据以上得到的相对重要性的比值，得到对应的重要性矩阵：
根据该矩阵，进行矩阵权重的计算，得到每个因素的权重值，计算公式为：
根据以上权重计算公式，将矩阵A代入进去，得到所有护理人员的派单的权重向量，其中W1表示工时因素对应的第一权重，W2表示考勤因素对应的第二权重，W3表示评价因素对应的第三权重：
以此类推，得到各个因素的权重向量W＝(0.37,0.12,0.51)。
进一步地，可以统计医院理服务人员对应着的三个因素的数据，计算得到每个服务人员(目标服务人员)所对应着的三个因素的归一化值，例如：
工时因素：x1＝上个月护理人员A的工时150小时/上个月工时最长护理人员的工时240小时＝150/240＝0.625
考勤因素：x2＝上个月护理人员A共的考勤时间220小时/上个月考勤最长护理人员的时间235小时＝220÷235＝0.936
评价因素：x3＝上个月护理人员A的评价分数8分/上个月评价分数最高护理人员的评价分数9.8分＝8÷9.8＝0.816
在计算得到目标服务人员所对应着的三个因素的归一化值后，利用加权法得到综合评分：
加权公式[4]：
将以上护工人员的数据代入公式得到护理人员A的总评分ZA＝0.37×0.625+0.12×0.936+0.51×0.816＝0.0.7597，以此类推，得到所有护理人员当月的综合评分(ZA～ZN)
再根据以上的综合评分的大小，得到护理人员的优先级顺序，值越大，优先级越高。
系统在进行性格匹配后，在同一种性格类型中，优先选择优先级高的进行服务。
在一个实施例中，获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员包括：
获取客户端接收的用户订单，识别用户订单对应的订单类型，根据订单类型在订单类型-人员对应关系查找所述订单类型对应的护理服务人员，将查找到的订单类型对应的护理服务人员确定为目标服务人员。
在一个实施例中，获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员之前，还包括：
获取各个订单类型对应的护理服务人员性格，将各类护理服务人员性格对应的护理服务人员确定为相应订单类型对应的护理服务人员性格。
作为一个实施例，获取各个订单类型对应的护理服务人员性格，将各类护理服务人员性格对应的护理服务人员确定为相应订单类型对应的护理服务人员性格之前，还包括：
在护理服务人员入职时，通过性测试系统进行系统的性格测试，确定并保持入职的护理服务人员的护理服务人员性格，以用于各类护理服务人员性格对应的护理服务人员的确定。
本实施例在护理人员入职时，通过性测试系统进行系统的性格测试，得出每个护理人员的性格类型，并将护理人员的性格类型存入系统中以用于各类护理服务人员性格对应的护理服务人员的确定，保证在获取客户端接收的用户订单时，所确定的用户订单对应的目标服务人员的准确性。
上述医院护理服务人员的智能推荐方法，确定了影响医院护理人员派单的四种因素：包括性格、工时、考勤、评价，确定了每种因素所占的比重不同，确定了医院护理人员派单优先级的筛选方法：结合了现场护理人员主管的主观性，评估除了各因素之间的重要性比值，以及利用现场客观的数据作为支撑得到了不同服务人员的综合评分，最终确定了服务人员的派单优先级，以依据派单优先级进行医院护理服务人员的智能推荐，提升了推荐过程的有效性。
参考图2所示，图2为一个实施例的医院护理服务人员的智能推荐系统结构示意图，包括：
第一获取模块10，用于获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员；所述订单类型-人员对应关系记录各类用户订单分别对应的护理服务人员；
第二获取模块20，用于获取各个目标服务人员的工时因素、考勤因素和评价因素；所述评价因素用于描述用户在上一个统计周期对相应护理服务人员的评价；
计算模块30，用于根据权重向量分别对各个目标服务人员的工时因素、考勤因素和评价因素进行加权计算，得到各个目标服务人员的综合评分，向所述客户端推荐综合评分最高的目标服务人员；其中，所述权重向量记录工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重。
关于医院护理服务人员的智能推荐系统的具体限定可以参见上文中对于医院护理服务人员的智能推荐方法的限定，在此不再赘述。上述医院护理服务人员的智能推荐系统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终端，其内部结构图可以如图3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、显示屏和输入装置。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和计算机程序。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医院护理服务人员的智能推荐方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
基于如上所述的示例，在一个实施例中还提供一种计算机设备，该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，其中，处理器执行所述程序时实现如上述各实施例中的任意一种医院护理服务人员的智能推荐方法。
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，所述的程序可存储于一非易失性的计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述医院护理服务人员的智能推荐方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
据此，在一个实施例中还提供一种计算机存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上述各实施例中的任意一种医院护理服务人员的智能推荐方法。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本申请实施例的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种医院护理服务人员的智能推荐方法，其特征在于，包括如下步骤：
S10，获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员；所述订单类型-人员对应关系记录各类用户订单分别对应的护理服务人员；
S20，获取各个目标服务人员的工时因素、考勤因素和评价因素；所述评价因素用于描述用户在上一个统计周期对相应护理服务人员的评价；
S30，根据权重向量分别对各个目标服务人员的工时因素、考勤因素和评价因素进行加权计算，得到各个目标服务人员的综合评分，向所述客户端推荐综合评分最高的目标服务人员；其中，所述权重向量记录工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重。
2.根据权利要求1所述的医院护理服务人员的智能推荐方法，其特征在于，权重向量的确定过程包括：
获取工时因素、考勤因素和评价因素中各个因素相对于其他因素的重要性参数，根据各个因素相对于其他因素的重要性参数构建重要性矩阵；
根据所述重要性矩阵计算工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重，得到权重向量。
3.根据权利要求2所述的医院护理服务人员的智能推荐方法，其特征在于，根据所述重要性矩阵计算工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重的过程包括：
式中，Wi表示第i权重，Aij表示重要性矩阵中第i行第j列个元素。
4.根据权利要求2所述的医院护理服务人员的智能推荐方法，其特征在于，获取工时因素、考勤因素和评价因素中各个因素相对于其他因素的重要性参数包括：
获取多个专家分别设定的工时因素、考勤因素和评价因素中各个因素相对于其他因素的初始参数；其中，所述初始参数表征一个因素相对于另一个因素之间的相对重要性的比值；
根据各个因素相对于另一个因素的所有初始参数的平均值，确定各个因素相对于相应因素的重要性参数。
5.根据权利要求1至4任一项所述的医院护理服务人员的智能推荐方法，其特征在于，获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员包括：
获取客户端接收的用户订单，识别用户订单对应的订单类型，根据订单类型在订单类型-人员对应关系查找所述订单类型对应的护理服务人员，将查找到的订单类型对应的护理服务人员确定为目标服务人员。
6.根据权利要求1至4任一项所述的医院护理服务人员的智能推荐方法，其特征在于，获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员之前，还包括：
获取各个订单类型对应的护理服务人员性格，将各类护理服务人员性格对应的护理服务人员确定为相应订单类型对应的护理服务人员性格。
7.根据权利要求6所述的医院护理服务人员的智能推荐方法，其特征在于，获取各个订单类型对应的护理服务人员性格，将各类护理服务人员性格对应的护理服务人员确定为相应订单类型对应的护理服务人员性格之前，还包括：
在护理服务人员入职时，通过性测试系统进行系统的性格测试，确定并保持入职的护理服务人员的护理服务人员性格，以用于各类护理服务人员性格对应的护理服务人员的确定。
8.一种医院护理服务人员的智能推荐系统，其特征在于，包括：
第一获取模块，用于获取客户端接收的用户订单，根据订单类型-人员对应关系查找所述用户订单对应的护理服务人员，得到多个目标服务人员；所述订单类型-人员对应关系记录各类用户订单分别对应的护理服务人员；
第二获取模块，用于获取各个目标服务人员的工时因素、考勤因素和评价因素；所述评价因素用于描述用户在上一个统计周期对相应护理服务人员的评价；
计算模块，用于根据权重向量分别对各个目标服务人员的工时因素、考勤因素和评价因素进行加权计算，得到各个目标服务人员的综合评分，向所述客户端推荐综合评分最高的目标服务人员；其中，所述权重向量记录工时因素对应的第一权重，考勤因素对应的第二权重，以及评价因素对应的第三权重。
9.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010142404.XA CN111354451A (zh) | 2020-03-04 | 2020-03-04 | 医院护理服务人员的智能推荐方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010142404.XA CN111354451A (zh) | 2020-03-04 | 2020-03-04 | 医院护理服务人员的智能推荐方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111354451A true CN111354451A (zh) | 2020-06-30 |
Family
ID=71195885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010142404.XA Pending CN111354451A (zh) | 2020-03-04 | 2020-03-04 | 医院护理服务人员的智能推荐方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111354451A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915820A (zh) * | 2020-09-03 | 2020-11-10 | 安徽上尚电子科技股份有限公司 | 一种自助营业终端引导服务提供系统 |
| CN113449988A (zh) * | 2021-06-28 | 2021-09-28 | 肖光秀 | 一种护士到家服务管控方法、系统、终端及介质 |
| CN113643798A (zh) * | 2021-08-30 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 为失能人员匹配照护人员的方法、装置及计算机设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060287906A1 (en) * | 2005-06-16 | 2006-12-21 | Siemens Medical Solutions Health Services Corporation | Healthcare resource management system |
| CN104239020A (zh) * | 2013-06-21 | 2014-12-24 | Sap欧洲公司 | 决策做出标准驱动的推荐 |
| CN106295147A (zh) * | 2016-07-29 | 2017-01-04 | 广州比特软件科技有限公司 | 基于大数据求证的医学专家个性化推荐方法及系统 |
| CN110706798A (zh) * | 2019-09-16 | 2020-01-17 | 武汉安诠加信息技术有限公司 | 适用于美容院的问诊订单分配方法、装置、设备及介质 |
| JP6654717B1 (ja) * | 2019-01-22 | 2020-02-26 | 有限責任あずさ監査法人 | 医療支援及び／又は介護支援のためのシステム、医療支援及び／又は介護支援のためのサーバ、医療支援及び／又は介護支援のための方法及び医療支援及び／又は介護支援のためのプログラム |
-
2020
- 2020-03-04 CN CN202010142404.XA patent/CN111354451A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060287906A1 (en) * | 2005-06-16 | 2006-12-21 | Siemens Medical Solutions Health Services Corporation | Healthcare resource management system |
| CN104239020A (zh) * | 2013-06-21 | 2014-12-24 | Sap欧洲公司 | 决策做出标准驱动的推荐 |
| CN106295147A (zh) * | 2016-07-29 | 2017-01-04 | 广州比特软件科技有限公司 | 基于大数据求证的医学专家个性化推荐方法及系统 |
| JP6654717B1 (ja) * | 2019-01-22 | 2020-02-26 | 有限責任あずさ監査法人 | 医療支援及び／又は介護支援のためのシステム、医療支援及び／又は介護支援のためのサーバ、医療支援及び／又は介護支援のための方法及び医療支援及び／又は介護支援のためのプログラム |
| CN110706798A (zh) * | 2019-09-16 | 2020-01-17 | 武汉安诠加信息技术有限公司 | 适用于美容院的问诊订单分配方法、装置、设备及介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915820A (zh) * | 2020-09-03 | 2020-11-10 | 安徽上尚电子科技股份有限公司 | 一种自助营业终端引导服务提供系统 |
| CN113449988A (zh) * | 2021-06-28 | 2021-09-28 | 肖光秀 | 一种护士到家服务管控方法、系统、终端及介质 |
| CN113643798A (zh) * | 2021-08-30 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 为失能人员匹配照护人员的方法、装置及计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| He et al. | The timing of staffing decisions in hospital operating rooms: incorporating workload heterogeneity into the newsvendor problem | |
| CN111354451A (zh) | 医院护理服务人员的智能推荐方法及系统 | |
| Scheffler et al. | Demand analysis of mental health service use among ethnic subpopulations | |
| TWI663566B (zh) | 人傷理賠定損費用測算方法、裝置、伺服器和介質 | |
| Cayirli et al. | Outpatient scheduling in health care: a review of literature | |
| US8515777B1 (en) | System and method for efficient provision of healthcare | |
| CN108932974B (zh) | 在线问诊分配医生的方法、装置、计算机设备和存储介质 | |
| Li et al. | An integrated queuing and multi-objective bed allocation model with application to a hospital in China | |
| Javalgi et al. | Choosing a hospital: analysis of consumer tradeoffs. | |
| WO2018095889A1 (en) | Method and system for determining the nursing workload of care workers | |
| US20070015125A1 (en) | Automated updating of job assessments | |
| CN111785371A (zh) | 医疗服务方法、装置、计算机设备及存储介质 | |
| Lin | An adaptive scheduling heuristic with memory for the block appointment system of an outpatient specialty clinic | |
| CN107506912A (zh) | 一种医疗资源调度平台 | |
| EP3164063A1 (en) | Medical system and method for predicting future outcomes of patient care | |
| Omachonu et al. | Predicting length of stay for Medicare patients at a teaching hospital | |
| CN115132356A (zh) | 互联网医疗分诊方法、装置、电子设备及存储介质 | |
| CN110767301A (zh) | 一种入院管理的方法及装置、入院管理系统、存储介质 | |
| CN114300108A (zh) | 临床试验项目的实施方推荐方法、装置、设备和存储介质 | |
| Taghipour et al. | An integrated framework to evaluate and improve the performance of emergency departments during the COVID-19 pandemic: A mathematical programing approach | |
| KR101917852B1 (ko) | 병원 경영 관리 컨설팅 서비스 제공 시스템 | |
| JP2018106401A (ja) | 保険業務支援システム、保険業務支援装置及びコンピュータプログラム | |
| Ansah et al. | Healthcare human resource planning | |
| CN113706111A (zh) | 医疗机构流程数据的处理方法、装置、设备及介质 | |
| CN111145888B (zh) | 一种基于层次分析法的门诊智能导诊方法 |
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 |