CN111403013B - 用于能力评定的方法及装置 - Google Patents
用于能力评定的方法及装置 Download PDFInfo
- Publication number
- CN111403013B CN111403013B CN202010200376.2A CN202010200376A CN111403013B CN 111403013 B CN111403013 B CN 111403013B CN 202010200376 A CN202010200376 A CN 202010200376A CN 111403013 B CN111403013 B CN 111403013B
- Authority
- CN
- China
- Prior art keywords
- user
- weight
- capability
- answer
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000012360 testing method Methods 0.000 claims abstract description 195
- 238000003745 diagnosis Methods 0.000 claims abstract description 150
- 238000011156 evaluation Methods 0.000 claims abstract description 114
- 238000012937 correction Methods 0.000 claims description 52
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 3
- 238000012854 evaluation process Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000003759 clinical diagnosis Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000002405 diagnostic procedure Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
本申请涉及医疗技术领域，公开一种用于能力评定的方法，该方法包括：向用户显示试题界面，所述试题界面包括病例诊断测试题；接收所述用户输入的答题数据；根据所述答题数据和用户信息分析评价所述用户的能力并显示能力评价结果；其中，所述病例诊断测试题中的部分或全部病例为所述答题用户未曾诊断过的病例。该方法综合答题用户未曾诊断过的病例形成病例诊断测试题，并对用户的能力进行评价分析，增加了评定过程中依据的病例样本数量，提高对医生能力评定的准确性，使确定的能力评价值能够准确反映医生的能力，便于后续向患者推荐优秀的医生。本申请还公开一种用于能力评定的装置。
Description
技术领域
本申请涉及医疗技术领域，例如涉及一种用于能力评定的方法及装置。
背景技术
目前，人们对疾病的治疗效果期待值越来越高，且随着信息资源的快速增长和方便获取，在一定程度上提高了诊疗水平。医生作为诊疗过程中的主体对象，其提出临床问题，分析、解决临床问题的思维和实践过程仍然是医疗行为的关键所在，是医疗质量的最终保证。为向患者推荐优秀的医生，引导患者科学、合理的就医，现有技术提供了不同的医疗评价系统，以根据患者的复诊情况和评价对医生进行评分。
在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：对于从业年限与临床经验不同的医生，由于评价数据的统计量不同，评价结果难以准确反映医生的能力。
发明内容
为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
本公开实施例提供了用于能力评定的方法及装置，以解决现有评价系统的评价结果难以准确反映医生能力的技术问题。
在一些实施例中，应用于终端设备，所述方法包括：
向用户显示试题界面，所述试题界面包括病例诊断测试题；
接收所述用户输入的答题数据；
根据所述答题数据和用户信息分析评价所述用户的能力并显示能力评价结果；
其中，所述病例诊断测试题中的部分或全部病例为所述答题用户未曾诊断过的病例。
在一些实施例中，应用于终端设备，所述方法包括：
向用户显示试题界面，所述试题界面包括病例诊断测试题；
接收所述用户输入的答题数据，并将答题数据发送到服务器，以供服务器对所述用户的能力进行分析评价；
接收服务器发送的能力评价结果并显示；
其中，所述病例诊断测试题中的部分或全部病例为所述用户未曾诊断过的病例。
在一些实施例中，应用于服务器，所述方法包括：
向终端设备发送病例诊断测试题；
接收终端设备发送的答题数据和答题用户的用户信息；
根据所述答题数据和所述用户信息分析评价答题用户的能力；
将能力评价结果发送给所述终端设备；
其中，所述病例诊断测试题中的部分或全部病例为所述答题用户未曾诊断过的病例。
在一些实施例中，所述用于能力评定的装置，包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行上述的用于能力评定的方法。
本公开实施例提供的用于能力评定的方法及装置，可以实现以下技术效果：
综合答题用户未曾诊断过的病例形成病例诊断测试题，并对用户的能力进行评价分析，增加了评定过程中依据的病例样本数量，提高对医生能力评定的准确性，使确定的能力评价值能够准确反映医生的能力，便于后续向患者推荐优秀的医生。
以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：
图1是本公开实施例提供的一个用于能力评价的方法的示意图；
图2是本公开实施例提供的另一个用于能力评价的方法的示意图；
图3是本公开实施例提供的另一个用于能力评定的方法的示意图；
图4是本公开实施例提供的另一个用于能力评定的方法的交互示意图；
图5是本公开实施例提供的一个用于能力评定的装置的示意图。
为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
除非另有说明，术语“多个”表示两个或两个以上。
本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。
术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。
传统的对于医生能力评价采用医院对比和职称对比的方法，例如：来自专科能力排名靠前医院的医生默认为职业能力强；职称级别高的医生默认比职称低的医生能力强，传统的评价方法并不能有效的评估医生能力。因此，为摒弃医院，地域，职称等限制以对医生能力进行精确的评估提供了不同的评价方法。
现有技术中更多是采用临床数据对医生的业务能力进行评定，例如：临床疗效数据、复诊数据、、工作态度评价数据和接诊量等，通过更加直观的治疗数据以及患者评价对医生能力进行更加全面的评估。但采用临床数据对医生的业务能力进行评定，由于医院规模和就诊人数的不同，存在病例数据少的缺陷，对于从业经历时间短或者接诊数量少的医生的评价仍然不够准确，在向用户进行医生推荐时会造成可推荐医生的选项少。
图1是本公开实施例提供的一个用于能力评价的方法的示意图，该方法包括如下步骤：
S101，向用户显示试题界面，试题界面包括病例诊断测试题。
在本公开实施例中，通过终端设备向用户显示试题界面。终端设备为具有显示功能的手机、平板电脑、笔记本电脑、电视机、投影仪等设备。
在一些实施例中，在步骤S101之前还包括：获取病例诊断试题。可选的，在终端设备本机存储有历史病例或者接收外部存储设备的历史病例，并由终端设备本机生成病例诊断测试题。可选的，获取外部存储设备中病例诊断测试题。其中，病例诊断测试题中的部分或全部病例为答题用户未曾诊断过的病例。增加对于用户进行评价的病例样本，提高对于医生能力评价的准确性。
在不同实施例中，病例诊断测试题的生成方式不同。
在一些实施例中，病例诊断测试题根据用户所属医院的历史病例生成，对于一些因为地域限制存在的疾病，具有针对性的生成病例诊断测试题，以准确的评价用户针对所属医院接诊病例的能力。
在一些实施例中，病例诊断测试题根据多家相同等级的医院的历史病例生成。可选的，多家相同等级的医院属于同一直辖市、同一地级市、同一省份不同地级市、不同省份或不同直辖市。不同等级的医院，医疗条件不同，患者在就诊时，根据具体的健康状况会选择不同等级的医院。根据相同等级的医院的历史病例生成病例诊断测试题，针对性的生成病例诊断测试题，以准确的评价用户针对所属医院等级接诊病例的能力。
在一些实施例中，病例诊断测试题根据多家不同等级的医院的历史病例生成。可选的，多家相同等级的医院属于同一直辖市、同一地级市、同一省份不同地级市、不同省份或不同直辖市。不同等级的医院，医疗条件不同，患者在就诊时，根据具体的健康状况会选择不同等级的医院，而对于急诊的病人，会选择就近就医，因此，根据不同等级的医院的历史病例生成病例诊断测试题，可以更加全面和客观的判定用户的能力。
S102，接收用户输入的答题数据。
在一些实施例中，终端设备具有可触摸的显示屏，在用户通过触摸进行答题时显示虚拟键盘，用户通过虚拟键盘进行答题数据的输入。
在一些实施例中，终端设备设有外联的输入设备，终端接收用户通过外联的输入设备输入的答题数据。
S103，根据答题数据和用户信息分析评价用户的能力并显示能力评价结果。
在一些实施例中，在显示能力评价结果的同时，还显示有答题结果，或者用于请求显示答题结果的选项，以便于用户了解针对病例诊断测试题对的答题结果。
鉴于本公开实施例提供的能力评价方法用于对医生的能力进行评价，因为在评价过程汇总不能仅根据答题数据进行能力的评价，还会基于更加全面的信息进行评价，具体的，根据用户的基本信息确定用户的基础能力值，进而综合基础能力值和答题数据确定用户的能力评价结果。
在一些实施例中，步骤S103中根据答题数据和用户信息分析评价答题用户的能力，包括：根据答题数据确定作答数量和不同难度等级的试题的正答数量；根据作答数量确定答题数据的权重和用户信息的权重；根据试题难度等级和不同难度等级的试题的正答数量确定答题数据的计算值，并根据用户信息确定用户的初始能力值；根据答题数据的权重、用户信息的权重、答题数据的计算值和初始能力值确定用户的能力值。
在一些实施例中，根据作答数量确定答题数据的权重和用户信息的权重，包括：当作答数量大于第一设定值时，确定答题数据的权重为1，用户信息的权重为0；当作答数量小于或等于第二设定值时，确定答题数据的权重为0，用户信息的权重为1；当作答数量大于第二设定值且小于或等于第一设定值时，根据作答数量和试题数据中试题总数量确定答题数据的权重和用户信息的权重。
在一些实施例中，作答数量小于等于试题数据中试题总数量。
在一些实施例中，根据作答数量和试题数据中试题总数量确定答题数据的权重和用户信息的权重，包括：计算作答数量与试题数据中试题总数量的比值，根据比值的平方确定答题数据的权重和用户信息的权重。
在一些实施例中，根据用户信息确定用户的初始能力值包括：根据医院信息和用户的任职信息确定初始能力值。
可选的，医院信息包括：医院等级和科室等级。医院等级越高则初始能力值越高。科室等级越高则初始能力值越高。可选的，任职信息包括职务级别。职务级别越高则初始能力值越高。可选的，任职信息包括职务级别和任职年限。职务级别越高则初始能力值越高。任职年限越大则初始能力值越高。例如：医院等级和科室等级相同时，主任医生的初始能力值为70，副主任医生的初始能力值为60，主治医生的初始能力值为50；医院等级相同时，重点科室等级主任医生的初始能力值为70，二级科室等级主任医生的初始能力值为60，一级科室等级主任医生的初始能力值为50；三级医院中重点科室等级主任医生的初始能力值为70；二级医院中重点科室等级主任医生的初始能力值为70。
步骤S103中根据答题数据和用户信息分析评价答题用户的能力，其中，用户信息基于客观的评价规则确定用户的能力。通过答题数量调整用户信息的权重和用户信息的权重，避免用户因为特殊原因未对试题进行全部作答降低用户能力的评价值，同时可以避免用户的实务能力强对全部试题进行作答时，因为任职医院信息或从业年限少用户信息的权重高降低用户能力的评价值。
在一些实施例中，试题的难度等级、不同难度等级的试题的正答数量与答题数据的计算值之间具有如下关系：
g＝A*b1+B*b2+……+N*bi 公式1
其中，g为答题数据的计算值；A、B……N为试题难度等级；b1、b2……bi为不同难度等级的试题的正答数量。
在一些实施例中，答题数据的权重、用户信息的权重、答题数据的计算值、初始能力值与用户的能力值具有如下关系：
其中，G为用户的能力值；n为病例诊断测试题的总数量；g为答题数据的计算值；V为用户的初始能力值；q1为答题数据的权重；q2为用户的初始能力值的权重。可选的，q1+q2＝1。
在一些实施例中，答题数据的权重q1、作答数量和病例诊断测试题的总数量之间具有如下关系：
其中，q1为答题数据的权重；n为病例诊断测试题的总数量；b为用户的答题数量。可选的，q1+q2＝1。在确定答题数据的权重q1同时，即可确定用户的初始能力值的权重。
在一些实施例中，在根据答题数据和用户信息分析评价答题用户的能力之前，还包括：获取历史答题数据和各病例诊断测试题的设定等级；根据历史答题数据和各病例诊断测试题的设定等级确定对应的病例诊断测试题的难度等级。
在一些实施例中，根据历史答题数据和各病例诊断测试题的设定等级确定对应的病例诊断测试题的难度等级，包括：根据历史答题数据确定病例诊断测试题的答题总人数和错答人数；根据答题总人数确定历史答题数据的权重和设定等级的权重；根据答题总人数、错答人数、历史答题数据的权重和设定等级的权重计算病例诊断测试题的难度值；根据难度值确定难度等级。病例诊断测试题由多个具有不同难度等级的试题组合而成。每道试题有对应的设定等级。其中，设定等级由经验丰富的医生根据接诊经验确定，因为不同的医生在评价试题等级时存在主观性，在本公开实施例中，综合大量的历史答题数据和设定等级确定试题的难度等级，提高对用户能力评价的客观性和精确度。
在一些实施例中，答题总人数、错答人数、历史答题数据的权重、设定等级的权重与病例诊断测试题的难度值之间具有如下关系：
其中，F为病例诊断测试题的难度值；m为错答人数；t为答题总人数；Y为设定等级；p1为历史答题数据的权重；p2为设定等级的权重。其中，可选的，p1+p2＝1。
在一些实施例中，单独对每道试题分别进行难度等级的计算，具体的，根据同一套病例诊断测试题答题总人数和/或该题的作答人数确定历史答题数据的权重和设定等级的权重。
在一些实施例中，单独对每道试题分别进行难度等级的计算时，当该题的作答人数大于第三设定值时，历史答题数据的权重为1，设定等级的权重为0；当该题的作答人数小于或等于第四设定值时，历史答题数据的权重为0，设定等级的权重为1；当该题的作答人数大于第四设定值且小于或等于第三设定值时，根据病例诊断测试题答题总人数和/或该题的作答人数确定历史答题数据的权重和设定等级的权重。其中，当该题的作答人数大于第三设定值时，表示大部分用户对该题进行作答，该题难度系数较小，基于历史答题数据确定难度等级更加客观和准确，当该题的作答人数小于或等于第四设定值时，表示大部分用户未对该题进行作答，该题的难度系数较大，以设定等级作为该试题的难度等级，更加准确的反映该试题的难度，避免作答用户因为经验不足或者盲目作答降低对该题难度等级评价的准确度。
在一些实施例中，当该题的作答人数大于第四设定值且小于或等于第三设定值时，病例诊断测试题答题总人数、该题的作答人数和设定等级的权重之间具有如下关系：
其中，p2为设定等级的权重；T为病例诊断测试题答题总人数；t为单独题目的答题总人数。可选的，p1+p2＝1。在确定设定等级的权重p2同时，即可确定历史答题数据的权重p1。
在一些实施例中，在步骤S103根据答题数据和用户信息分析评价用户的能力之后，还包括：根据用户的诊断数据对分析评价结果进行修正确定能力评价结果。综合用户的临床诊断数据对分析评价结果进行修正，相当于在病例诊断测试题基础上增加了评价用户能力的病例数量，且该修正数据据实际病例确定，提高了能力评价结果的精确度。
在一些实施例中，诊断数据包括：误诊病例数和误诊病例。
在一些实施例中，根据用户的诊断数据对分析评价结果进行修正，包括：确定误诊病例的等级；根据误诊病例的等级和误诊病例数确定答题数据和用户信息的修正权重；根据修正权重、答题数据和用户信息确定能力评价结果。
其中，在修正过程中，基于误诊病例数和误诊病例调整公式3中分子和分母以调整答题数据的权重q1，相应的用户的初始能力值的权重q2也改变。具体的，调整后答题数据的权重q1’，即答题数据的修正权重q1’根据如下公式确定：
其中，q1’为答题数据的修正权重；n为病例诊断测试题的总数量；b为用户的答题数量；x为根据误诊病例数和误诊病例等级确定的误诊病例修正值。可选的，q1’+q2’＝1，且q1’≤1。在确定答题数据的修正权重q1’同时，即可确定用户的初始能力值的修正权重q2’。
在一些实施例中，根据误诊病例数和误诊病例等级确定的误诊病例修正值包括：
根据各误诊病例的等级确定对应的初始修正值；
计算初始修正值的总和确定误诊病例修正值。
其中，误诊病例的等级越低，对应的初始修正值越高。例如：当误诊病例的等级分为等级A、等级B、等级C、等级D和等级E，等级A为最高等级，等级A和等级B对应的初始修正值为1、等级C对应的初始修正值为2、等级D和等级E对应的初始修正值为3。当误诊病例等级低时，则误诊的可能性越小，若用户对病例等级低的病例误诊时，需要更加客观地对用户的能力进行评价，因此，需要增加答题数据的权重。
在一些实施例中，终端设备会提取病例信息中得到关键信息，并基于关键信息确定病例的难度等级，以提高修正的精确度。在一些实施例中，误诊病例等级为设定修正难度等级，以提高修正速率。
在一些实施例中，诊断数据包括：误诊病例数。
在一些实施例中，根据用户的诊断数据对分析评价结果进行修正，包括：根据误诊病例数确定答题数据和用户信息的修正权重；根据修正权重、答题数据和用户信息确定能力评价结果。
其中，在修正过程中，基于误诊病例数调整公式3中分子和分母以调整答题数据的权重q1，相应的用户的初始能力值的权重q2也改变。具体的，调整后答题数据的权重q1’，即答题数据的修正权重q1’根据如下公式确定：
其中，q1’为答题数据的修正权重；n为病例诊断测试题的总数量；b为用户的答题数量；y为误诊病例数。可选的，q1’+q2’＝1，且q1’≤1。在确定答题数据的修正权重q1’同时，即可确定用户的初始能力值的修正权重q2’。
本公开实施例，综合答题用户未曾诊断过的病例形成病例诊断测试题，并对用户的能力进行评价分析，增加了评定过程中依据的病例样本数量，提高对医生能力评定的准确性，使确定的能力评价值能够准确反映医生的能力，便于后续向患者推荐优秀的医生。
图2是本公开实施例提供的一个用于能力评价的方法的示意图，该方法包括如下步骤：
S201，向用户显示试题界面，试题界面包括病例诊断测试题。
在本公开实施例中，通过终端设备向用户显示试题界面。终端设备为具有显示功能的手机、平板电脑、笔记本电脑、电视机、投影仪等设备。
在一些实施例中，在步骤S101之前还包括：获取病例诊断试题。可选的，在终端设备本机生成病例诊断测试题。可选的，获取外部存储设备中病例诊断测试题。其中，病例诊断测试题中的部分或全部病例为答题用户未曾诊断过的病例。增加对于用户进行评价的病例样本，提高对于医生能力评价的准确性。
S202，接收用户输入的答题数据，并将答题数据发送到服务器，以供服务器对用户的能力进行分析评价。
在一些实施例中，终端设备具有可触摸的显示屏，在用户通过触摸进行答题时显示虚拟键盘，用户通过虚拟键盘进行答题数据的输入。
在一些实施例中，终端设备设有外联的输入设备，终端接收用户通过外联的输入设备输入的答题数据。
在本公开实施例中，由服务器对用户的能力进行分析评价，由于服务器的计算能力优于用户终端设备，提高了对用户的能力进行分析评价的效率。同时，由服务器对用户的能力记性分析评价后，记录评价结果，便于后续根据实际需求向患者推荐优秀的医生。
S203，接收服务器发送的能力评价结果并显示。
在一些实施例中，在显示能力评价结果的同时，还显示有答题结果，或者用于请求显示答题结果的选项，以便于用户了解针对病例诊断测试题对的答题结果。
在一些实施例中，在步骤S201向用户显示试题界面之前，还包括：接收到能力评价请求时，生成病例诊断测试题请求；发送病例诊断测试题请求信息至服务器，并接收服务器发送的病例诊断测试题。
接收服务器发送的病例诊断测试题避免用户基于不同的终端设备进行能力评价时，需要由终端设备进行病例诊断测试题生成操作，加快病例诊断测试题生成效率和能力评价效率。
其中，病例诊断测试题由服务器侧基于大量的历史病例生成，服务器中存储有不同地区乃至不同国家的病例信息，保证了病例诊断测试题的丰富性，同时，由服务器集中生成病例诊断测试题，使得基于相同的病例诊断测试题对多个用户进行能力评价，保证评价结果更加客观地反映不同用户的能力评价结果。
在不同实施例中，病例诊断测试题的生成方式不同。
在一些实施例中，病例诊断测试题根据多家不同等级的医院的历史病例生成。可选的，多家相同等级的医院属于同一直辖市、同一地级市、同一省份不同地级市、不同省份、或不同直辖市或者不同国家。不同等级的医院，医疗条件不同，患者在就诊时，根据具体的健康状况会选择不同等级的医院，而对于急诊的病人，会选择就近就医，因此，根据不同等级的医院的历史病例生成病例诊断测试题，可以更加全面和客观的判定用户的能力。
在上述实施例中，病例诊断测试题根据多家不同等级的医院的历史病例生成，在一些实施例中，根据实际需求缩小病例诊断测试题的采样范围。
在一些实施例中，病例诊断测试题根据用户所属医院的历史病例生成，对于一些因为地域限制存在的疾病，具有针对性的生成病例诊断测试题，以准确的评价用户针对所属医院接诊病例的能力。
在一些实施例中，病例诊断测试题根据多家相同等级的医院的历史病例生成。可选的，多家相同等级的医院属于同一直辖市、同一地级市、同一省份不同地级市、不同省份或不同直辖市。不同等级的医院，医疗条件不同，患者在就诊时，根据具体的健康状况会选择不同等级的医院。根据相同等级的医院的历史病例生成病例诊断测试题，针对性的生成病例诊断测试题，以准确的评价用户针对所属医院等级接诊病例的能力。
在一些实施例中，生成病例诊断测试题请求，包括：根据登录的用户信息确定所属科室信息，并根据所属科室信息生成病例诊断测试题请求。例如：用户属于骨科时，则服务器根据历史病例中与骨科相关的历史病例生成病例诊断测试题；用户属于内科时，则服务器根据历史病例中与内科相关的历史病例生成病例诊断测试题。终端设备根据所属科室信息生成病例诊断测试题请求，使得获取到的病例诊断测试题与用户的能力具有对应性。
本公开实施例，综合答题用户未曾诊断过的病例形成病例诊断测试题，并对用户的能力进行评价分析，增加了评定过程中依据的病例样本数量，提高对医生能力评定的准确性，使确定的能力评价值能够准确反映医生的能力，便于后续向患者推荐优秀的医生。
图3是本公开实施例提供的另一个用于能力评价的方法的示意图，该方法包括如下步骤：
S301，向终端设备发送病例诊断测试题。
服务器生成病例诊断测试题，并向终端设备发送病例诊断测试题。服务器生成病例诊断测试题的方式如前述实施例所述。其中，病例诊断测试题中的部分或全部病例为答题用户未曾诊断过的病例。增加对于用户进行评价的病例样本，提高对于医生能力评价的准确性。
S302，接收终端设备发送的答题数据和用户信息。
S303，根据答题数据和用户信息分析评价答题用户的能力。
服务器的计算能力优于用户终端设备，服务器根据答题数据和用户信息分析评价答题用户的能力，提高了对用户的能力进行分析评价的效率。同时，由服务器对用户的能力记性分析评价后，记录评价结果，便于后续根据实际需求向患者推荐优秀的医生。
在一些实施例中，步骤S303中根据答题数据和用户信息分析评价答题用户的能力，包括：根据答题数据确定作答数量和不同难度等级的试题的正答数量；根据作答数量确定答题数据的权重和用户信息的权重；根据试题难度等级和不同难度等级的试题的正答数量确定答题数据的计算值，并根据用户信息确定用户的初始能力值；根据答题数据的权重、用户信息的权重、答题数据的计算值和初始能力值确定用户的能力值。
在一些实施例中，根据作答数量确定答题数据的权重和用户信息的权重，包括：当作答数量大于第一设定值时，确定答题数据的权重为1，用户信息的权重为0；当作答数量小于或等于第二设定值时，确定答题数据的权重为0，用户信息的权重为1；当作答数量大于第二设定值且小于或等于第一设定值时，根据作答数量和试题数据中试题总数量确定答题数据的权重和用户信息的权重。
在一些实施例中，作答数量小于等于试题数据中试题总数量。
在一些实施例中，根据作答数量和试题数据中试题总数量确定答题数据的权重和用户信息的权重，包括：计算作答数量与试题数据中试题总数量的比值，根据比值的平方确定答题数据的权重和用户信息的权重。
在一些实施例中，根据用户信息确定用户的初始能力值包括：根据医院信息和用户的任职信息确定初始能力值。
在一些实施例中，步骤S302中获取用户信息包括：医院信息和用户的任职信息。在一些实施例中，步骤S302中获取用户信息为用户的账号信息，服务器根据用户的账号信息确定医院信息和用户的任职信息。
可选的，医院信息包括：医院等级和科室等级。医院等级越高则初始能力值越高。科室等级越高则初始能力值越高。可选的，任职信息包括职务级别。职务级别越高则初始能力值越高。可选的，任职信息包括职务级别和任职年限。职务级别越高则初始能力值越高。任职年限越大则初始能力值越高。例如：医院等级和科室等级相同时，主任医生的初始能力值为70，副主任医生的初始能力值为60，主治医生的初始能力值为50；医院等级相同时，重点科室等级主任医生的初始能力值为70，二级科室等级主任医生的初始能力值为60，一级科室等级主任医生的初始能力值为50；三级医院中重点科室等级主任医生的初始能力值为70；二级医院中重点科室等级主任医生的初始能力值为70。
步骤S303中根据答题数据和用户信息分析评价答题用户的能力，其中，用户信息基于客观的评价规则确定用户的能力。通过答题数量调整用户信息的权重和用户信息的权重，避免用户因为特殊原因未对试题进行全部作答降低用户能力的评价值，同时可以避免用户的实务能力强对全部试题进行作答时，因为任职医院信息或从业年限少用户信息的权重高降低用户能力的评价值。
在一些实施例中，试题的难度等级、不同难度等级的试题的正答数量与答题数据的计算值之间具有如上述公式1所述的关系。
在一些实施例中，答题数据的权重、用户信息的权重、答题数据的计算值、初始能力值与用户的能力值之间具有如上述公式2所述的关系。
在一些实施例中，答题数据的权重q1、作答数量和病例诊断测试题的总数量之间具有如上述公式3所述的关系。
在一些实施例中，在根据答题数据和用户信息分析评价答题用户的能力之前，还包括：获取历史答题数据和各病例诊断测试题的设定等级；根据历史答题数据和各病例诊断测试题的设定等级确定对应的病例诊断测试题的难度等级。
在一些实施例中，根据历史答题数据和各病例诊断测试题的设定等级确定对应的病例诊断测试题的难度等级，包括：根据历史答题数据确定病例诊断测试题的答题总人数和错答人数；根据答题总人数确定历史答题数据的权重和设定等级的权重；根据答题总人数、错答人数、历史答题数据的权重和设定等级的权重计算病例诊断测试题的难度值；根据难度值确定难度等级。病例诊断测试题由多个具有不同难度等级的试题组合而成。每道试题有对应的设定等级。其中，设定等级由经验丰富的医生根据接诊经验确定，因为不同的医生在评价试题等级时存在主观性，在本公开实施例中，综合大量的历史答题数据和设定等级确定试题的难度等级，提高对用户能力评价的精确度。
在一些实施例中，答题总人数、错答人数、历史答题数据的权重、设定等级的权重与病例诊断测试题的难度值之间具有如上述公式4所述的关系。
在一些实施例中，单独对每道试题分别进行难度等级的计算，具体的，根据病例诊断测试题答题总人数和/或该题的作答人数确定历史答题数据的权重和设定等级的权重。
在一些实施例中，单独对每道试题分别进行难度等级的计算时，当该题的作答人数大于第三设定值时，历史答题数据的权重为1，设定等级的权重为0；当该题的作答人数小于或等于第四设定值时，历史答题数据的权重为0，设定等级的权重为1；当该题的作答人数大于第四设定值且小于或等于第三设定值时，根据病例诊断测试题答题总人数和/或该题的作答人数确定历史答题数据的权重和设定等级的权重。其中，当该题的作答人数小于或等于第四设定值时，标明该题的难度系数较大，以设定等级作为该试题的难度等级，更加准确的反映该试题的难度。
在一些实施例中，当该题的作答人数大于第四设定值且小于或等于第三设定值时，病例诊断测试题答题总人数、该题的作答人数和设定等级的权重之间具有如上述公式5所述的关系。
S304，将能力评价结果发送给终端设备。便于终端设备向用户展示评价结果。
在一些实施例中，在发送能力评价结果的同时，还发送答题结果至终端设备，以便于用户了解针对病例诊断测试题对的答题结果。
在一些实施例中，在步骤S301向终端设备发送病例诊断测试题之前，还包括：获取临床病例并对临床病例进行分析、筛选和整理，生成病例诊断测试题。在对临床病例进行分析、筛选和整理，使得生成的病例诊断测试题题干内容清晰，保证用户能够准确无疑义的确定答题结果。
在一些实施例中，对临床病例进行分析包括：对临床病例对应的科室信息，以及影像信息的清晰度和/或记录信息的准确性和合理性进行分析。
在一些实施例中，对临床病例进行筛选包括：判断临床病例的影像信息的清晰度和/或记录信息是否满足生成试题需求；筛选出满足生成试题需求的临床病例作为备选病例。
在一些实施例中，生成试题需求包括临床病例的影像信息的分辨率大于或等于设定分辨率。其中，设定分辨率根据病例信息确定，保证用户可以通过影像信息清楚的确定具体的病变信息，以得出诊断结论。
在一些实施例中，生成试题需求包括记录信息的条目数量超过设定数目，保证用户可以通过记录信息确定患者的病变过程，以准确的得出诊断结论。
在一些实施例中，记录信息为扫描医户人员手写记录的结果，生成试题需求包括记录信息的清晰度，保证用户可以通过记录信息确定患者的病变过程，以准确的得出诊断结论。
在一些实施例中，对临床病例进行整理包括：按照备选病例的科室信息进行分组，并分组进行去重确定目标病例；解析目标病例确定题干信息，以根据题干信息生成病例诊断测试题。整理过程实现了试题的分类和去重，保证试题能够针对性的发送给不同用户，且试题类型丰富。
在一些实施例中，在步骤S303根据答题数据和用户信息分析评价用户的能力之后，还包括：根据用户的诊断数据对分析评价结果进行修正确定能力评价结果。
在一些实施例中，诊断数据包括：误诊病例数和误诊病例。
在一些实施例中，根据用户的诊断数据对分析评价结果进行修正，包括：确定误诊病例的等级；根据误诊病例的等级和误诊病例数确定答题数据和用户信息的修正权重；根据修正权重、答题数据和用户信息确定能力评价结果。
其中，在修正过程中，基于误诊病例数和误诊病例调整公式3中分子和分母以调整答题数据的权重q1，相应的用户的初始能力值的权重q2也改变。具体的，调整后答题数据的权重q1’，即答题数据的修正权重q1’根据上述公式6确定。可选的，q1’+q2’＝1，且q1’≤1。在确定答题数据的修正权重q1’同时，即可确定用户的初始能力值的修正权重q2’。
在一些实施例中，根据误诊病例数和误诊病例等级确定的误诊病例修正值包括：
根据各误诊病例的等级确定对应的初始修正值；
计算初始修正值的总和确定误诊病例修正值。
其中，误诊病例的等级越低，对应的初始修正值越高。例如：当误诊病例的等级分为等级A、等级B、等级C、等级D和等级E，等级A为最高等级，等级A和等级B对应的初始修正值为1、等级C对应的初始修正值为2、等级D和等级E对应的初始修正值为3。当误诊病例等级低时，则误诊的可能性越小，若用户对病例等级低的病例误诊时，需要更加客观地对用户的能力进行评价，因此，需要增加答题数据的权重。
在一些实施例中，终端设备会提取病例信息中得到关键信息，并基于关键信息确定病例的难度等级，以提高修正的精确度。在一些实施例中，误诊病例等级为设定修正难度等级，以提高修正速率。
在一些实施例中，诊断数据包括：误诊病例数。
在一些实施例中，根据用户的诊断数据对分析评价结果进行修正，包括：根据误诊病例数确定答题数据和用户信息的修正权重；根据修正权重、答题数据和用户信息确定能力评价结果。
其中，在修正过程中，基于误诊病例数调整公式3中分子和分母以调整答题数据的权重q1，相应的用户的初始能力值的权重q2也改变。具体的，调整后答题数据的权重q1’，即答题数据的修正权重q1’根据上述公式7确定。可选的，q1’+q2’＝1，且q1’≤1。在确定答题数据的修正权重q1’同时，即可确定用户的初始能力值的修正权重q2’。
在一些实施例中，在步骤S304将能力评价结果发送给终端设备之后，还包括：间隔设定周期获取诊断数据；当诊断数据发生变化时，根据诊断数据对分析评价结果进行修正，更新能力评价结果；发送更新后的能力评价结果至终端设备。综合用户的临床诊断数据对分析评价结果进行修正，相当于在病例诊断测试题基础上增加了评价用户能力的病例数量，且该修正数据据实际病例确定，提高了能力评价结果的精确度。
其中，在根据诊断数据对分析评价结果进行修正时，根据当前设定周期内的诊断数据对根据最新一次接收到能力评价请求时的评价结果进行修正。更新能力评价结果，保证实时的结合用户的临床诊断数据对用户能力进行评定，使评价结果更加精确。
在一具体实施例中，在对用户能力评价结果进行更新时，设定周期为一周。用户在1月1日发送能力评价请求并进行答题，服务器或者终端根据能力评价请求确定评价结果，在1月8日时，能力评定的装置会根据用户1月1日至1月7日期间的诊断数据对1月1日确定的评价结果进行修正。在1月15日时，能力评定的装置会根据用户1月8日至1月14日期间的诊断数据对1月1日确定的评价结果进行修正。
本公开实施例还提供了一种用于能力评定的装置，包括处理器和存储有程序指令的存储器，处理器被配置为在执行程序指令时，执行上述任一实施例提供的用于能力评定的方法。
本公开实施例，综合答题用户未曾诊断过的病例形成病例诊断测试题，并对用户的能力进行评价分析，增加了评定过程中依据的病例样本数量，提高对医生能力评定的准确性，使确定的能力评价值能够准确反映医生的能力，便于后续向患者推荐优秀的医生。
图4是本公开实施例提供的另一个用于能力评定的方法的交互示意图，该方法包括如下步骤：
S401,移动终端接收能力评价请求。
移动终端界面显示有与请求对病例诊断测试题进行作答的选项，用户通过对作答选项的选定操作发出能力评价请求。
S402，移动终端生成病例诊断测试题请求。
移动终端根据登录的用户信息确定所属科室信息，并根据所属科室信息生成病例诊断测试题请求，使得请求的病例诊断测试题与用户的能力具有针对性。
S403，移动终端发送病例诊断测试题请求信息至服务器。当有多个应终端同时发送病例诊断测试题请求信息时，由服务器同一分发，提高了移动终端获取答题数据的效率。
S404，服务器发送病例诊断测试题至移动终端。
在步骤S404之前，服务器根据用户信息生成或获取病例诊断试题，并发送病例诊断测试题至移动终端。其中，病例诊断测试题中的部分或全部病例为答题用户未曾诊断过的病例。增加对于用户进行评价的病例样本，提高对于医生能力评价的准确性。
在一些实施例中，服务器根据病例诊断试题请求信息确定账号信息，并基于账号信息确定用户信息。
在一些实施例中，移动终端发送用户信息至服务器，服务器直接接收移动终端发送的用户信息。
S405，移动终端向用户显示试题界面。
S406，移动终端接收用户输入的答题数据。
在一些实施例中，终端设备具有可触摸的显示屏，在用户通过触摸进行答题时显示虚拟键盘，用户通过虚拟键盘进行答题数据的输入。
在一些实施例中，终端设备设有外联的输入设备，终端接收用户通过外联的输入设备输入的答题数据。
S407，移动终端发送答题数据至服务器。
在本公开实施例中，由服务器对用户的能力进行分析评价，由于服务器的计算能力优于用户终端设备，提高了对用户的能力进行分析评价的效率。同时，由服务器对用户的能力记性分析评价后，记录评价结果，便于后续根据实际需求向患者推荐优秀的医生。
S408，服务器根据答题数据和用户信息分析评价答题用户的能力。其中，服务器根据前述实施例提供的方案分析评价答题用户的能力。
S409，服务器根据用户的诊断数据对分析评价结果进行修正确定能力评价结果。
在一些实施例中，服务器实时记录用户的诊断数据，在一些实施例中，由移动终端记录用户的诊断数据。移动终端在发送病例诊断测试题请求至服务器后，发送诊断数据至服务器，由服务器基于诊断数据对评价结果进行修正。
服务器综合用户的临床诊断数据对分析评价结果进行修正，相当于在病例诊断测试题基础上增加了评价用户能力的病例数量，且该修正数据据实际病例确定，提高了能力评价结果的精确度。
在一些实施例中，服务器在确定能力评价结果后，还包括：间隔设定周期获取诊断数据；当诊断数据发生变化时，根据诊断数据对分析评价结果进行修正，更新能力评价结果；发送更新后的能力评价结果至终端设备。
在一些实施例中，在用户的诊断数据中存在误诊病例时，会及时的收集误诊病例，并用于后续更新病例诊断测试题，以丰富病例诊断测试题的类型。在一些实施例中，服务器在更新能力评价结果过程中，间隔设定周期获取诊断数据时，收集误诊病例以便于后续更新病例诊断测试题。
S410，服务器发送能力评价结果至移动终端。
S411，移动终端接收并显示能力评价结果。
在一些实施例中，步骤S410之后或在步骤S410服务器发送能力评价结果至移动终端同时，还包括：发送答题结果至移动终端，便于用户查看能力评价结果及答题结果，使用户更直观的了解自己的能力评价结果。
本公开实施例，综合答题用户未曾诊断过的病例形成病例诊断测试题，并对用户的能力进行评价分析，增加了评定过程中依据的病例样本数量，提高对医生能力评定的准确性，使确定的能力评价值能够准确反映医生的能力，便于后续向患者推荐优秀的医生。
结合图5所示，本公开实施例提供一种用于能力评定的装置，包括处理器(processor)100和存储器(memory)101。可选地，该装置还可以包括通信接口(Communication Interface)102和总线103。其中，处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的逻辑指令，以执行上述实施例的用于能力评定的方法。
此外，上述的存储器101中的逻辑指令可以通过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。
存储器101作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中用于能力评定的方法。
存储器101可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器101可以包括高速随机存取存储器，还可以包括非易失性存储器。
本公开实施例提供了一种手机、平板电脑、笔记本和投影设备，包含上述的用于能力评定的装置。
本公开实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为执行上述用于能力评定的方法。
本公开实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述用于能力评定的方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。
本公开实施例的技术方案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，包括一个或多个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)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。
本领域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、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置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。
本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，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，可以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，可以是电性，机械或其它的形式。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实施例。另外，在本公开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，也可以两个或两个以上单元集成在一个单元中。
附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
Claims (5)
1.一种用于能力评价的方法，应用于终端设备，其特征在于，包括：
向用户显示试题界面，所述试题界面包括病例诊断测试题；
接收所述用户输入的答题数据；
根据所述答题数据和用户信息分析评价所述用户的能力并显示能力评价结果；
其中，所述病例诊断测试题中的部分或全部病例为所述答题用户未曾诊断过的病例；
所述根据答题数据和用户信息分析评价答题用户的能力，包括：根据答题数据确定作答数量和不同难度等级的试题的正答数量；根据作答数量确定答题数据的权重和用户信息的权重；根据试题难度等级和不同难度等级的试题的正答数量确定答题数据的计算值，并根据用户信息确定用户的初始能力值；根据答题数据的权重、用户信息的权重、答题数据的计算值和初始能力值确定用户的能力值；
根据作答数量和试题数据中试题总数量确定答题数据的权重和用户信息的权重，包括：计算作答数量与试题数据中试题总数量的比值，根据比值的平方确定答题数据的权重和用户信息的权重；
根据用户信息确定用户的初始能力值包括：根据医院信息和用户的任职信息确定初始能力值；医院信息包括：医院等级和科室等级；任职信息包括职务级别；
答题数据的权重、用户信息的权重、答题数据的计算值、初始能力值与用户的能力值具有如下关系：；
其中，G为用户的能力值；n为病例诊断测试题的总数量；g为答题数据的计算值；V为用户的初始能力值；q1为答题数据的权重；q2为用户的初始能力值的权重；q1+q2=1；
在根据答题数据和用户信息分析评价用户的能力之后，还包括：根据用户的诊断数据对分析评价结果进行修正确定能力评价结果；
所述根据用户的诊断数据对分析评价结果进行修正，包括：确定误诊病例的等级；根据误诊病例的等级和误诊病例数确定答题数据和用户信息的修正权重；根据修正权重、答题数据和用户信息确定能力评价结果；
调整后答题数据的权重q1’，根据如下公式确定：，
其中，q1’为答题数据的修正权重；n为病例诊断测试题的总数量；b为用户的答题数量；x为根据误诊病例数和误诊病例等级确定的误诊病例修正值。
2.一种用于能力评价的方法，应用于服务器，其特征在于，包括：
向终端设备发送病例诊断测试题；
接收终端设备发送的答题数据和答题用户的用户信息；
根据所述答题数据和所述用户信息分析评价答题用户的能力；
将能力评价结果发送给所述终端设备；
其中，所述病例诊断测试题中的部分或全部病例为所述答题用户未曾诊断过的病例；
根据所述答题数据和所述用户信息分析评价答题用户的能力，包括：
根据所述答题数据确定作答数量和不同难度等级的试题的正答数量；
根据所述作答数量确定所述答题数据的权重和所述用户信息的权重；
根据试题难度等级和不同难度等级的试题的正答数量确定答题数据的计算值，并根据所述用户信息确定用户的初始能力值；根据所述答题数据的权重、所述用户信息的权重、所述答题数据的计算值和所述初始能力值确定用户的能力值；
根据作答数量和试题数据中试题总数量确定答题数据的权重和用户信息的权重，包括：计算作答数量与试题数据中试题总数量的比值，根据比值的平方确定答题数据的权重和用户信息的权重；
根据用户信息确定用户的初始能力值包括：根据医院信息和用户的任职信息确定初始能力值；医院信息包括：医院等级和科室等级；任职信息包括职务级别；
答题数据的权重、用户信息的权重、答题数据的计算值、初始能力值与用户的能力值具有如下关系：；
其中，G为用户的能力值；n为病例诊断测试题的总数量；g为答题数据的计算值；V为用户的初始能力值；q1为答题数据的权重；q2为用户的初始能力值的权重；q1+q2=1；
将能力评价结果发送给所述终端设备之后，还包括：
间隔设定周期获取诊断数据；
当所述诊断数据发生变化时，根据所述诊断数据对分析评价结果进行修正，更新所述能力评价结果；
发送更新后的能力评价结果至所述终端设备；
所述根据用户的诊断数据对分析评价结果进行修正，包括：确定误诊病例的等级；根据误诊病例的等级和误诊病例数确定答题数据和用户信息的修正权重；根据修正权重、答题数据和用户信息确定能力评价结果；
调整后答题数据的权重q1’，根据如下公式确定：，
其中，q1’为答题数据的修正权重；n为病例诊断测试题的总数量；b为用户的答题数量；x为根据误诊病例数和误诊病例等级确定的误诊病例修正值。
3.根据权利要求2所述的方法，其特征在于，向终端设备发送病例诊断测试题之前，还包括：
获取临床病例并对所述临床病例进行分析、筛选和整理，生成所述病例诊断测试题。
4.根据权利要求1或2所述的方法，其特征在于，在根据所述答题数据和所述用户信息分析评价答题用户的能力之前，还包括：
获取历史答题数据和各病例诊断测试题的设定等级；
根据所述历史答题数据和各病例诊断测试题的设定等级确定对应的病例诊断测试题的难度等级。
5.一种用于能力评定的装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至4任一项所述的用于能力评价的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010200376.2A CN111403013B (zh) | 2020-03-20 | 2020-03-20 | 用于能力评定的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010200376.2A CN111403013B (zh) | 2020-03-20 | 2020-03-20 | 用于能力评定的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111403013A CN111403013A (zh) | 2020-07-10 |
| CN111403013B true CN111403013B (zh) | 2024-02-02 |
Family
ID=71431082
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010200376.2A Active CN111403013B (zh) | 2020-03-20 | 2020-03-20 | 用于能力评定的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111403013B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115062949B (zh) * | 2022-04-13 | 2023-12-01 | 上海职鼎网络科技有限公司 | 岗位能力测量方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004303069A (ja) * | 2003-03-31 | 2004-10-28 | Fujitsu Ltd | 評価方法 |
| WO2013029242A1 (zh) * | 2011-08-30 | 2013-03-07 | 西门子公司 | 一种医疗培训方法及系统 |
| CN103327046A (zh) * | 2012-03-21 | 2013-09-25 | 腾讯科技（深圳）有限公司 | 基于节点服务能力的p2sp系统调度方法、设备和系统 |
| CN106845132A (zh) * | 2017-02-16 | 2017-06-13 | 广州金域医学检验中心有限公司 | 一种用于医学检验的方法学评估系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7899702B2 (en) * | 2001-03-23 | 2011-03-01 | Melamed David P | System and method for facilitating generation and performance of on-line evaluations |
-
2020
- 2020-03-20 CN CN202010200376.2A patent/CN111403013B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004303069A (ja) * | 2003-03-31 | 2004-10-28 | Fujitsu Ltd | 評価方法 |
| WO2013029242A1 (zh) * | 2011-08-30 | 2013-03-07 | 西门子公司 | 一种医疗培训方法及系统 |
| CN103327046A (zh) * | 2012-03-21 | 2013-09-25 | 腾讯科技（深圳）有限公司 | 基于节点服务能力的p2sp系统调度方法、设备和系统 |
| CN106845132A (zh) * | 2017-02-16 | 2017-06-13 | 广州金域医学检验中心有限公司 | 一种用于医学检验的方法学评估系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 组合权重舰船装备技术保障能力评估证据理论模型;张立;冷宣兵;王平;;火力与指挥控制(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111403013A (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20160188814A1 (en) | Modeling of patient risk factors at discharge | |
| US8834174B2 (en) | Methods and systems for assessing latent traits using probabilistic scoring | |
| US8548827B2 (en) | Computer-implemented method for medical diagnosis support | |
| Rupel et al. | Valuation of EQ-5D-3l health states in Slovenia: VAS based and TTO based value sets | |
| US20110173018A1 (en) | System and method for use of prediction market data to generate real-time predictive healthcare models | |
| Schilling et al. | Using Classification and Regression Trees (CART) to identify prescribing thresholds for cardiovascular disease | |
| US20020123906A1 (en) | Chronic pain patient risk stratification system | |
| Schmidt et al. | Transforming primary care in the New Orleans safety-net: the patient experience | |
| Dickens et al. | Factor validation and Rasch analysis of the individual recovery outcomes counter | |
| US20180261305A1 (en) | Clinical Trial Data Analyzer | |
| CN111403013B (zh) | 用于能力评定的方法及装置 | |
| Özçelik et al. | Impact of Brazil's More Doctors Program on hospitalizations for primary care sensitive cardiovascular conditions | |
| Waghorn et al. | Clinical Judgement Analysis: An innovative approach to explore the individual decision-making processes of pharmacists | |
| Kerns et al. | Estimating the impact of deploying an electronic clinical decision support tool as part of a national practice improvement project | |
| Alava et al. | Estimating the relationship between EQ-5D-5L and EQ-5D-3L: results from an English Population Study | |
| Gambino | The validation of screening tests: Meet the new screen same as the old screen? | |
| Kerkhoff et al. | Patient preferences for strategies to improve tuberculosis diagnostic services in Zambia | |
| KR102419322B1 (ko) | 산업 근로 환경 관련 질환요인에 대한 노출 위험도 기반 산업재해 진단 시뮬레이터 시스템 | |
| German et al. | The use of data for planning and service improvement in Tanzanian Primary healthcare facilities: Experience from Star Rating Assessment | |
| Maetzel et al. | Use of grade membership analysis to profile the practice styles of individual physicians in the management of acute low back pain | |
| Stull et al. | Mixed cumulative probit: A multivariate generalization of transition analysis that accommodates variation in the shape, spread and structure of data | |
| Ziegler | Pregnancy in Peril: the impact of conflict on antenatal care and skilled birth attendant utilization in the Democratic Republic of the Congo and Burundi | |
| Tzanis et al. | What factors empower general practitioners for early cancer diagnosis? A 20-country European Delphi Study | |
| Jeong | Quantifying Timely Access to Surgery: A Global Modelling Study | |
| Badolato et al. | The limits of predicting individual-level longevity |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |