CN111640489A - 一种互联网诊疗推荐医生的方法及装置 - Google Patents

Abstract

本申请实施例公开了一种互联网诊疗推荐医生的方法及装置，通过获取用户的问诊需求，所述问诊需求包括确定全科医生或者专科医生接诊，如果为全科医生接诊，则获取全科医生推荐规则，根据所述全科医生推荐规则获取目标全科医生。如果为专科医生接诊，则获取第一专科医生推荐规则；根据所述第一专科医生推荐规则获取第一目标专科医生。本申请对于医生在不同环节的指标进行量化、应用于不同的医疗场景。在本申请中，对于医生资质、评价、接诊的不同类型和数量进行量化，并作为对医生选择可参考的依据。

Description

一种互联网诊疗推荐医生的方法及装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种互联网诊疗推荐医生的方法及装置。

背景技术

随着医疗行业的发展，互联网诊疗逐渐受到重视，在很多医院已经开始实行。针对不同医院、不同地区和不同形势下的医生资源质量和数量存在不均衡情况，许多热心医生参与了互联网医疗、远程问诊或远程会诊的工作方式。

目前许多互联网医疗平台对于医生推荐的依据，除了相关专业、科室外，往往采用人工进行综合筛选，或者参考患者评价打分、医生的学历及职称等项目由患者进行选择。但是仅采用患者评价、医生资质、接诊次数等进行优先排序的方式，不能充分挖掘医生的利用率，也不能满足患者不同情况对不同医生的需求。

发明内容

本申请提供了一种互联网诊疗推荐医生的方法及装置，以解决现有不能充分挖掘医生的利用率，也不能满足患者不同情况对不同医生的需求的问题。

第一方面，为实现上述目的，本申请提供了一种互联网诊疗推荐医生的方法，所述方法包括：

获取用户的问诊需求，所述问诊需求包括确定全科医生或者专科医生接诊；

如果为全科医生接诊，则获取全科医生推荐规则；

根据所述全科医生推荐规则获取目标全科医生，包括：

获取全科医生备选集；

获取全科医生备选集每个全科医生对应的基本信息指标、经验指标和/或评价指标；

根据全科医生推荐规则和每个医生对应的基本信息指标、经验指标和/或评价指标获取全科医生推荐指标集；

根据全科医生推荐规则和所述全科医生推荐指标集获取目标全科医生

进一步地，所述获取用户的问诊需求之后，还包括：

如果为专科医生接诊，则获取第一专科医生推荐规则；

根据所述第一专科医生推荐规则获取第一目标专科医生。

进一步地，所述基本信息指标为加入平台方式指数、职称指数、学历指数、论文指数和行医时长指数的求和；

所述经验指标为

其中Q为经验指标，Qdn为直接接诊量，Qrn为转诊接诊量，Qcn为会诊接诊量，S为接诊类型，Ln为接诊单次时长；

所述评价指标为

其中Y为评价指标，U为患者评分，V为抽查评分；

推荐指标＝基本信息指标+经验指标×评价指标。

进一步地，根据所述全科医生推荐规则获取目标全科医生，之后还包括：

根据所述目标全科医生的请求，获取第二专科医生推荐规则；

根据所述第二专科医生推荐规则获取第二目标专科医生。

进一步地，根据所述第一专科医生推荐规则获取第一目标专科医生，之后，还包括：

根据所述第一目标专科医生的请求，获取第一专科专家推荐规则；

根据所述第一专科专家推荐规则获取第一专科专家。

第二方面，本申请还提供了一种互联网诊疗推荐医生的装置，所述装置包括：

需求获取单元，用于获取用户的问诊需求，所述问诊需求包括确定全科医生或者专科医生接诊；

全科医生推荐规则获取单元，用于如果为全科医生接诊，则获取全科医生推荐规则；

目标全科医生获取单元，用于根据所述全科医生推荐规则获取目标全科医生，包括：

获取全科医生备选集；

获取全科医生备选集每个全科医生对应的基本信息指标、经验指标和/或评价指标；

根据全科医生推荐规则和每个医生对应的基本信息指标、经验指标和/或评价指标获取全科医生推荐指标集；

根据全科医生推荐规则和所述全科医生推荐指标集获取目标全科医生。

进一步地，所述装置还包括：

第一专科医生推荐规则获取单元，用于如果为专科医生接诊，则获取第一专科医生推荐规则；

第一目标专科医生获取单元，用于根据所述第一专科医生推荐规则获取第一目标专科医生。

进一步地，所述基本信息指标为加入平台方式指数、职称指数学历指数、论文指数和行医时长指数的求和；

所述经验指标为

其中Q为经验指标，Qdn为直接接诊量，Qrn为转诊接诊量，Qcn为会诊接诊量，S为接诊类型，Ln为接诊单次时长；

所述评价指标为

其中Y为评价指标，U为患者评分，V为抽查评分；

推荐指标＝基本信息指标+经验指标×评价指标。

进一步地，所述装置还包括：

第二专科医生推荐规则获取单元，用于根据所述目标全科医生的请求，获取第二专科医生推荐规则；

第二目标专科医生获取单元，用于根据所述第二专科医生推荐规则获取第二目标专科医生。

进一步地，所述装置还包括：

第一专科专家推荐规则获取单元，用于根据所述第一目标专科医生的请求，获取第一专科专家推荐规则；

第一专科专家获取单元，用于根据所述第一专科专家推荐规则获取第一专科专家。

第三方面，为实现上述目的，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面任一项互联网诊疗推荐医生的方法的步骤。

第四方面，为实现上述目的，本申请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，所述处理器执行所述程序时实现第一方面任一项互联网诊疗推荐医生的方法的步骤。

由以上技术方案可见，本申请实施例提供的一种互联网诊疗推荐医生的方法及装置，通过获取用户的问诊需求，所述问诊需求包括确定全科医生或者专科医生接诊，如果为全科医生接诊，则获取全科医生推荐规则，根据所述全科医生推荐规则获取目标全科医生。如果为专科医生接诊，则获取第一专科医生推荐规则；根据所述第一专科医生推荐规则获取第一目标专科医生，推荐规则对应的推荐指标＝基本信息指标+经验指标×评价指标。本申请对于医生在不同环节的指标进行量化、应用于不同的医疗场景。在本申请中，对于医生资质、评价、接诊的不同类型和数量进行量化，作为推荐医生的指标，能充分挖掘医生的利用率，也能满足患者不同情况对不同医生的需求。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本申请第一实施例提供的一种互联网诊疗推荐医生的方法的流程示意图；

图2为本申请第二实施例提供的一种互联网诊疗推荐医生的方法的流程示意图；

图3为本申请实施例提供的一种互联网诊疗推荐医生的方法的流程示意图；

图4为本申请实施例提供的一种互联网诊疗推荐医生的装置的结构示意图。

具体实施方式

下面通过对本申请进行详细说明，本申请的特点和优点将随着这些说明而变得更为清楚、明确。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在本申请的描述中，需要说明的是，术语“上”、“下”、“内”、“外”、“前”、“后”、“左”和“右”等指示的方位或位置关系为基于本申请工作状态下的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”和“第四”仅用于描述目的，而不能理解为指示或暗示相对重要性。

为解决上述问题，本申请提供了一种互联网诊疗推荐医生的方法及装置，下面结合附图，详细介绍本申请的具体实施例。

图1为本申请第一实施例提供的一种互联网诊疗推荐医生的方法的流程示意图，如图1所示，所述方法包括步骤S101至S103。

S101：获取用户的问诊需求，所述问诊需求包括确定全科医生或者专科医生接诊。

具体实施时，用户在互联网问诊平台发起问诊请求时，需要获取用户的基本信息和病情描述信息，获取用户的基本信息可通过读卡设备读取社保卡或者身份证信息，也可以由用户在用户交互界面上手动输入。用户基本信息包括：姓名、年龄、性别、身份证号码、联系电话、档案编号、历史就诊记录或用户位置信息等。

获取用户的病情描述信息可通过用户口头表达语言或电子设备录入获取，例如人机文字交互或语音交互。用户也可根据互联网诊疗平台的分类导航快速找到出现症状的身体部位，并且根据引导输入症状描述。所述病情描述信息包括以下至少之一：特征人群、表现症状、发病情况、既往史等。具体实施时，所述特征人群可包括年龄、性别、地域、职业等信息；所述表现症状可包括发烧、咳嗽、呕吐等症状信息；所述发病情况可以包括发病部位、发病急慢、病程长短等；所述既往史可以包括家族史、过敏史或个人史等。通过上述信息可以确定科室，安排专科医生进行接诊。如果用户不能准确定位科室或用户不选择相应科室时，则为用户安排全科医生进行诊疗。

S102：如果为全科医生接诊，则获取全科医生推荐规则。

具体实施时，互联网诊疗平台推荐医生的推荐规则对应不同的推荐指标的计算，所述推荐指标包括基本信息指标、经验指标、评价指标。

其中基本信息指标包括：学历、职称、行医时长、在不同论文平台发表论文的数量以及加入平台的推荐方式。

基本信息指标的采集主要通过终端输入的方式实现。当医生通过医生终端加入医生管理平台时，或者该医生被其他医生推荐进入医生管理平台时，录入相关的基本信息，其中包括身份证、执医证等最基础的信息。在时间允许的情况下，由医生本人填入学历、职称、行医时长、论文信息等，也可以由医生管理平台的人工管理在医生资质平台中采集相关基础信息并补充入医生管理平台。加入平台的推荐方式，包括直接申请和医生推荐，医生推荐的方式，由其他医生发起推荐流程，发起流程时即触发了医生推荐的采集方式。

具体实施时，需要进行相关指标的量化，一具体实施例中基本信息指标为P，P＝A+B+C+D+E。

其中：

加入平台方式指数A：A＝j1×k1

k1：系数，其值为小于等于加入平台方式总数的自然数，对加入平台的难易程度进行递增，如：自行加入平台，本参数赋值为1、平台内医生推荐赋值为2、行业内专家推荐赋值为3；

j1：加入平台方式在医生评分体系中的比重系数，该系数根据管理要求可以进行调整。

职称指数B：B＝j2×k2

k2：系数，其值为小于等于医生相关职数总数的自然数，根据的难易程度进行递增，如：主任医师5、副主任医师4、主治医师3、初级职称2；

j2：职称在医生评分体系中的比重系数，该系数根据管理要求可以进行调整。

学历指数C：C＝j3×k3

k3：系数，其值为小于等于医生职业相学历类型总数的自然数，根据的难易程度进行递增，如：专科：1、本科2、硕士3、博士4、博士后5；

j3：学历在医生评分体系中的比重系数，该比重系数根据管理要求可以进行调整。

论文指数D：

F：论文发表平台指数，其值为小于等于论文平台级别总数的自然数，如特种刊物为20、A类为19、B类为18……

l:论文平台在论文指数中的比重系数，可以根据管理要求进行调整，如，参考一位医生可能发表的论文数量标准值为99，则将此系数赋值为100；

n：该医生有发表论文的论文平台数量；

k4：某论文该级别论文平台发表的论文数；

j4：论文指数在医生评分体系中的比重系数，该系数根据管理要求可以进行调整。

如某医生在A类杂志发表论文1篇，B类杂志发表3篇，则：D＝[(19×100+1)+(18×100+3)]/2。

行医时长E：E＝j5×k5

k5：系数，其值为小于等于医生行区时长区间类型总数的自然数，根据的时长进行递增，如：10年及10年以下1、11至20年2、21至30年3、31至40年4、41年以上5；

j5：行医时长在医生评分体系中的比重系数，该系数根据管理要求可以进行调整。

经验指标包括直接接诊量、转诊接诊量、会诊接诊量、接诊类型(普通首诊、复诊、指定首诊)、接诊时长。

经验指标的采集来自问诊的流程，当病人进入平台，通过直接指定或者查找、平台推荐的方式，此条问诊数据即第一位接诊的医生的直接接诊数据；第一位接诊的医生对患者病情进行判断后，可将该条问诊转给其他专科医生或者专家，对于第二位医生，此条问诊数据即为转诊接诊数据；若正在接诊的医生发起其他科室的会诊，向其他医生发起会诊的请求，此条问诊数据成为会诊医生的会诊接诊数据。

患者因为病情确定了医生后，第一次问诊，即为首诊，当医生为该患者确定治疗方案后，约定再次问诊的时间或频率，患者按约定再次问诊，即为复诊。在一次诊疗结束后，患者指定该医生再次进行问诊，即为指定首诊。

接诊时长为一位医生对一位患者的一次医疗服务所花的时长，在技术设备上，为医生终端与患者终端建立接诊连接到接诊断开(长时间无互动自动断或人工断)之间的时长。如果为网络异常造成长时间单方掉线以至于产生多条数据，可进行人工调整为一条接诊数据。

一具体实施例中经验指标Q:阶段内的经验指标

n:接诊数量

直接接诊Qd：Qd＝h1×m1

m1：直接接诊指数：符合直接接诊＝1，否则＝0；

h1：直接接诊在接诊类型中的比重系数，根据管理要求进行调整。

转诊接诊Qr：Qr＝h2×m2×w

m2：转诊接诊指数：符合转接诊＝1，否则＝0；

w：专科转诊1，全科转诊：0.8；

h2：转诊接诊在接诊类型中的比重系数，根据管理要求进行调整。

会诊接诊Qc：Qc＝h3×m3

m3：会诊接诊指数：符合会诊接诊＝1，否则＝0；

h3：会诊接诊在接诊类型中的比重系数，根据管理要求进行调整。

接诊类型(普通首诊、复诊、指定首诊)S：根据类型进行赋值，如普通首诊赋值1、复诊赋值0.8、指定首诊赋值1.2。

接诊时长系数L：在本申请中，采用单次时长Ln与科室平均时长Lavg的比率，接诊时长系数L＝Ln/Lavg。

评价指标：每次接诊后由患者对医生进行质量和服务评价；医疗机构组织专业人员定期或在特定的情况下(如投诉、考评)对医生接诊的数据、记录进行抽查，并对医生的服务质量进行评价。

一具体实施例中评价指标Y：

n为接诊记录的数量。

患者评分U：指定U的取值范围，如1至5的整数，患者未进行评分的记录，设置默认值为4；

抽查评分V：指定V的范围，如0.5至1.2未进行抽查的接诊记录评分默认值为1。

推荐指标G：G＝P+Q×Y

综合基本信息指标P、经验指标Q和评价指标Y，在评分体系中对医生的综合情况进行计算，对于其结果在不同的应用场合进行排序和应用。

每个在该平台的评价体系中的医生，会在互联网医疗服务中，所参与的每一次诊疗会在综合指标G中产生影响。而推荐指标G、基本信息指标P和评价指标Y还应用于医疗服务中不同场景中，对医生不同的要求环境下的选择参考。例如：在初诊的阶段，优先推荐综合指标较低的医生，在会诊的阶段优先推荐基本信息指标高的医生。综合指标还可以进行拆分，依据各项具体的指标进行筛选或排序。

S103：根据所述全科医生推荐规则获取目标全科医生。

具体可包括：

获取全科医生备选集；

获取全科医生备选集每个全科医生对应的基本信息指标、经验指标和/或评价指标；

根据全科医生推荐规则和每个医生对应的基本信息指标、经验指标和/或评价指标获取全科医生推荐指标集；

根据全科医生推荐规则和所述全科医生推荐指标集获取目标全科医生。

如，在一具体实施例中，评分体系各指标的配置如表1所示，医生信息如表2所示。

表1评分体系各指标的配置

基本信息指标P	比重系数
		加入方式A	10
职称B	50
		学历C	20
论文级别D	0.1
		行医时长E	10
接诊指标	比重系数
		直接接诊Qd	20
转诊接诊Qr	30
		会诊接诊Qc	50

表2医生信息

具体实施时，首先获取可进行诊疗的全科医生，形成全科医生备选集，再通过医生的相关信息获取每个全科医生对应的基本信息指标、经验指标和/或评价指标，为了培养新医生，则设置的全科医生推荐规则为通过基本信息指标P进行筛选，获取全科医生推荐指标集。进一步为了鼓励资历较浅的医生与用户第一时间接触，则采取升序推荐的方式，以表2中为例，在两位全科医生中选择，根据基本信息指标P，优先较低推荐，则可选择C医生。

如果C医生在第一次接诊中完成诊断，接诊结束，此时影响C医生的诊断指标，Qd＝20，本次接诊用时5分钟，同等情况所有医生的平均接诊时长为4分钟，则L＝5/4＝1.25,本次接诊为普通首诊，则S＝1，Q＝20×1×1.25＝25。若患者在结束后未为本次打分，则默认值为4分，而如果医生主管进行抽查时，对本次接诊的处理表示非常满意，评分1.2，则本次评价指标Y＝4×1.2＝4.8，医生C的综合评分：G＝P+Q×Y＝160+25×4.8＝280。

图2为本申请第2实施例提供的一种互联网诊疗推荐医生的方法的流程示意图，如图2所示，所述方法包括步骤S101至S105。

S101：获取用户的问诊需求，所述问诊需求包括确定全科医生或者专科医生接诊。

S104：如果为专科医生接诊，则获取第一专科医生推荐规则；

S105：根据所述第一专科医生推荐规则获取第一目标专科医生。

具体可包括：

获取第一专科医生备选集；

获取第一专科医生备选集每个专科医生对应的基本信息指标、经验指标和/或评价指标；

根据第一专科医生推荐规则和每个医生对应的基本信息指标、经验指标和/或评价指标获取第一专科医生推荐指标集；

根据第一专科医生推荐规则和所述第一专科医生推荐指标集获取第一目标专科医生。

所述基本信息指标为加入平台方式指数、职称指数学历指数、论文指数和行医时长指数的求和；

所述经验指标为

其中Q为经验指标，Qdn为直接接诊量，Qrn为转诊接诊量，Qcn为会诊接诊量，S为接诊类型，Ln为接诊单次时长；

所述评价指标为

其中Y为评价指标，U为患者评分，V为抽查评分；

推荐指标＝基本信息指标+经验指标×评价指标。

此阶段为专科医生直接接诊，当机构为了培养新医生，鼓励资历较浅的医生与患者第一时间接触，则可采用通过基本信息指标P或综合指标G升序推荐的方式。继续以表2为例，在两位符合科室要求的专科医生中选择，根据基本信息指标，优先较低推荐，则系统推荐D医生。如果患者指定选择有经验的医生，则根据经验指标Q进行从高到低的推荐。

如果由D医生进行接诊，在此阶段中，D医生诊断完成，其推荐指标与C医生的计算类似，如果D医生在此阶段无法解决，则进行转诊至专科专家进行诊疗。

对于将患者转诊给其他医生的情况，在该医生的处理可根据医疗机构的管理方式判断是否属于诊断完成，并将转诊的数据进入推荐指标体系。

继续以第一实施例为例，根据所述全科医生推荐规则获取目标全科医生，之后还包括：

如果所述目标全科医生不能完成诊疗，根据所述目标全科医生的请求获取第二专科医生推荐规则；

根据所述第二专科医生推荐规则获取第二目标专科医生。

此阶段为全科医生转诊阶段，如果全科医生不能完成诊疗，则转诊为专科医生继续诊疗，其推荐专科医生的过程如第二实施例所述，在此不再赘述。

在另外的实施例中，根据所述第一专科医生推荐规则获取第一目标专科医生之后，还包括：

如果所述第一目标专科医生不能完成诊疗，根据所述第一目标专科医生的请求，获取第一专科专家推荐规则；

根据所述第一专科专家推荐规则获取第一专科专家。

同理，根据所述第二专科医生推荐规则获取第二目标专科医生之后，还包括：

如果所述第二目标专科医生不能完成诊疗，根据所述第二目标专科医生的请求，获取第二专科专家推荐规则；

根据所述第二专科专家推荐规则获取第二专科专家。

具体可包括：

获取专科专家备选集；

获取专科专家备选集每个专科专家对应的基本信息指标、经验指标和评价指标；

根据专科专家推荐规则和每个医生对应的基本信息指标、经验指标或评价指标获取专科专家推荐指标集；

根据专科专家推荐规则和所述专科专家推荐指标集获取专科专家医生。

专科专家阶段，此阶段的医生往往接诊较复杂的病症，因此可根据基本信息指标P或综合指标G降序推荐。

如果专科专家认为需要会诊时，则进入会诊流程，该流程为同时增加多个科室的专科专家诊断。会诊阶段的医生选择可以与专科转诊的要求相同，即对医生的综合指标或基本信息指标从高到低推荐。

在现实生活中医生的综合水平要求非常高，专业水平包括专业水平进行量化，反应为学历、职称、论文等；诊断质量：在远程问诊的环境下，质量反应为患者的评价和专业人员对诊断过程的专业评价；诊断经验：问诊数据的积累以及被患者、同行推荐。在本申请中，将以上的情况进行细化、量化，综合入指标体系，嵌入互联网问诊流程中，并可在实际中灵活调整各种指标的计算方法，使各指标可以充分并不绝对地反映在指标当中，并加以应用。图3为本申请一具体实施流程图。

与本申请提供的一种互联网诊疗推荐医生的方法实施例相对应，本申请还提供一种互联网诊疗推荐医生的装置的实施例。参考图4，为本申请实施例提供的一种互联网诊疗推荐医生的装置的结构示意图，所述装置包括：

需求获取单元100，用于获取用户的问诊需求，所述问诊需求包括确定全科医生或者专科医生接诊；

全科医生推荐规则获取单元200，用于如果为全科医生接诊，则获取全科医生推荐规则；

目标全科医生获取单元300，用于根据所述全科医生推荐规则获取目标全科医生，包括：

获取全科医生备选集；

获取全科医生备选集每个全科医生对应的基本信息指标、经验指标和/或评价指标；

根据全科医生推荐规则和每个医生对应的基本信息指标、经验指标和/或评价指标获取全科医生推荐指标集；

根据全科医生推荐规则和所述全科医生推荐指标集获取目标全科医生。

进一步地，所述装置还包括：

第一专科医生推荐规则获取单元400，用于如果为专科医生接诊，则获取第一专科医生推荐规则；

第一目标专科医生获取单元500，用于根据所述第一专科医生推荐规则获取第一目标专科医生。

进一步地，所述基本信息指标为加入平台方式指数、职称指数学历指数、论文指数和行医时长指数的求和；

所述经验指标为

其中Q为经验指标，Qdn为直接接诊量，Qrn为转诊接诊量，Qcn为会诊接诊量，S为接诊类型，Ln为接诊单次时长；

所述评价指标为

其中Y为评价指标，U为患者评分，V为抽查评分；

推荐指标＝基本信息指标+经验指标×评价指标。

进一步地，所述装置还包括：

第二专科医生推荐规则获取单元600，用于根据所述目标全科医生的请求，获取第二专科医生推荐规则；

第二目标专科医生获取单元700，用于根据所述第二专科医生推荐规则获取第二目标专科医生。

进一步地，所述装置还包括：

第一专科专家推荐规则获取单元800，用于根据所述第一目标专科医生的请求，获取第一专科专家推荐规则；

第一专科专家获取单元900，用于根据所述第一专科专家推荐规则获取第一专科专家。

本申请实施例提供的一种互联网诊疗推荐医生的方法及装置，通过获取用户的问诊需求，所述问诊需求包括确定全科医生或者专科医生接诊，如果为全科医生接诊，则获取全科医生推荐规则，根据所述全科医生推荐规则获取目标全科医生。如果为专科医生接诊，则获取第一专科医生推荐规则；根据所述第一专科医生推荐规则获取第一目标专科医生。本申请对于医生在不同环节的指标进行量化、应用于不同的医疗场景。在本申请中，对于医生资质、评价、接诊的不同类型和数量进行量化，并作为对医生选择可参考的依据。

根据上述互联网诊疗推荐医生的方法，本申请实施例还提供一种可读存储介质和一种计算机设备。可读存储介质上存储有可执行程序，该程序被处理器执行时实现上述互联网诊疗推荐医生的方法的步骤；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可执行程序，处理器执行程序时实现上述互联网诊疗推荐医生的方法的步骤。

以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种互联网诊疗推荐医生的方法，其特征在于，所述方法包括：

获取用户的问诊需求，所述问诊需求包括确定全科医生或者专科医生接诊；

如果为全科医生接诊，则获取全科医生推荐规则；

根据所述全科医生推荐规则获取目标全科医生，包括：

获取全科医生备选集；

获取全科医生备选集每个全科医生对应的基本信息指标、经验指标和/或评价指标；

根据全科医生推荐规则和每个医生对应的基本信息指标、经验指标和/或评价指标获取全科医生推荐指标集；

根据全科医生推荐规则和所述全科医生推荐指标集获取目标全科医生。

2.根据权利要求1所述的互联网诊疗推荐医生的方法，其特征在于，所述获取用户的问诊需求之后，还包括：

如果为专科医生接诊，则获取第一专科医生推荐规则；

根据所述第一专科医生推荐规则获取第一目标专科医生。

3.根据权利要求1所述的互联网诊疗推荐医生的方法，其特征在于，所述基本信息指标为加入平台方式指数、职称指数、学历指数、论文指数和行医时长指数的求和；

所述经验指标为

其中Q为经验指标，Qdn为直接接诊量，Qrn为转诊接诊量，Qcn为会诊接诊量，S为接诊类型，Ln为接诊单次时长；

所述评价指标为

其中Y为评价指标，U为患者评分，V为抽查评分；

推荐指标＝基本信息指标+经验指标×评价指标。

4.根据权利要求3所述的互联网诊疗推荐医生的方法，其特征在于，根据所述全科医生推荐规则获取目标全科医生，之后还包括：

根据所述目标全科医生的请求，获取第二专科医生推荐规则；

根据所述第二专科医生推荐规则获取第二目标专科医生。

5.根据权利要求2所述的互联网诊疗推荐医生的方法，其特征在于，根据所述第一专科医生推荐规则获取第一目标专科医生，之后，还包括：

根据所述第一目标专科医生的请求，获取第一专科专家推荐规则；

根据所述第一专科专家推荐规则获取第一专科专家。

6.一种互联网诊疗推荐医生的装置，其特征在于，所述装置包括：

需求获取单元，用于获取用户的问诊需求，所述问诊需求包括确定全科医生或者专科医生接诊；

全科医生推荐规则获取单元，用于如果为全科医生接诊，则获取全科医生推荐规则；

目标全科医生获取单元，用于根据所述全科医生推荐规则获取目标全科医生，包括：

获取全科医生备选集；

获取全科医生备选集每个全科医生对应的基本信息指标、经验指标和/或评价指标；

根据全科医生推荐规则和每个医生对应的基本信息指标、经验指标和/或评价指标获取全科医生推荐指标集；

根据全科医生推荐规则和所述全科医生推荐指标集获取目标全科医生。

7.根据权利要求6所述的互联网诊疗推荐医生的装置，其特征在于，所述装置还包括：

第一专科医生推荐规则获取单元，用于如果为专科医生接诊，则获取第一专科医生推荐规则；

第一目标专科医生获取单元，用于根据所述第一专科医生推荐规则获取第一目标专科医生。

8.根据权利要求6所述的互联网诊疗推荐医生的装置，其特征在于，所述

所述基本信息指标为加入平台方式指数、职称指数、学历指数、论文指数和行医时长指数的求和；

所述经验指标为

其中Q为经验指标，Qdn为直接接诊量，Qrn为转诊接诊量，Qcn为会诊接诊量，S为接诊类型，Ln为接诊单次时长；

所述评价指标为

其中Y为评价指标，U为患者评分，V为抽查评分；

推荐指标＝基本信息指标+经验指标×评价指标。

9.根据权利要求8所述的互联网诊疗推荐医生的装置，其特征在于，所述装置还包括：

第二专科医生推荐规则获取单元，用于根据所述目标全科医生的请求，获取第二专科医生推荐规则；

第二目标专科医生获取单元，用于根据所述第二专科医生推荐规则获取第二目标专科医生。

10.根据权利要求7所述的互联网诊疗推荐医生的装置，其特征在于，所述装置还包括：

第一专科专家推荐规则获取单元，用于根据所述第一目标专科医生的请求，获取第一专科专家推荐规则；

第一专科专家获取单元，用于根据所述第一专科专家推荐规则获取第一专科专家。

Images