CN111986792A - 医疗机构评分方法、装置、设备及存储介质 - Google Patents
医疗机构评分方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111986792A CN111986792A CN202010893560.XA CN202010893560A CN111986792A CN 111986792 A CN111986792 A CN 111986792A CN 202010893560 A CN202010893560 A CN 202010893560A CN 111986792 A CN111986792 A CN 111986792A
- Authority
- CN
- China
- Prior art keywords
- scoring
- medical institution
- index data
- index
- target
- 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.)
- Granted
Links
- 238000013077 scoring method Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 238000012550 audit Methods 0.000 claims description 28
- 230000014509 gene expression Effects 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及大数据技术领域，公开了一种医疗机构评分方法、装置、设备及存储介质，应用于智慧医疗领域，用于提高医疗机构的信用评分准确率。医疗机构评分方法包括：按照医疗机构评分请求获取待评分指标数据集；从预设指标映射数据表中查询各待评分指标数据对应的候选标准指标数据，得到多个标准指标数据；按照多个标准指标数据分别检索预设的医保评分指标知识图谱，得到对应的医疗机构评分规则信息和对应的指标属性；采用对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值；按照对应的目标评分值确定综合评分值。此外，本发明还涉及区块链技术，待评分指标数据集可存储于区块链节点中。
Description
技术领域
本发明涉及大数据技术的预测估值领域，尤其涉及一种医疗机构评分方法、装置、设备及存储介质。
背景技术
医疗机构评分是医疗保障领域针对定点医疗机构的信用评价体系的一个重要组成部分。主要是通过对系统收集到的评价主体的监督检查信息、举报投诉信息等反馈信息的计算分析，结合医疗机构所属区域的医保监管策略，计算出评价主体的客观的、有据可依的得分。
在现有技术中，目前缺少配置化的针对医疗机构的信用评分体系以及评分规则，对于不同医疗机构的业务场景，均需要结合指标数据预先构建不同的评分体系，导致医疗机构的信用评分体系存在评分结果准确率低和评分规则复用率低的问题。
发明内容
本发明提供了一种医疗机构评分方法、装置、设备及存储介质，用于提高医疗机构的信用评分的准确率和评分规则复用率。
为实现上述目的，本发明第一方面提供了一种医疗机构评分方法，包括：获取医疗机构评分请求，按照所述医疗机构评分请求获取目标评分文件，并从所述目标评分文件中提取待评分指标数据集；从所述预设指标映射数据表中查询各待评分指标数据对应的候选标准指标数据，得到多个标准指标数据；按照所述多个标准指标数据分别检索预设的医保评分指标知识图谱，得到各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性；采用各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值；按照各待评分指标数据对应的目标评分值确定综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景。
可选的，在本发明第一方面的第一种实现方式中，所述获取医疗机构评分请求，按照所述医疗机构评分请求获取目标评分文件，并从所述目标评分文件中提取待评分指标数据集，包括：接收医疗机构评分请求，并对所述医疗机构评分请求进行参数解析，得到待评价主体标识；按照结构化查询语言语法规则、所述待评价主体标识和预设配置信息表生成查询语句；执行所述查询语句，得到目标评分文件，并通过预设词向量模型对所述目标评分文件进行分词处理和停用词去除处理，得到多个已处理分词；对所述多个已处理分词进行词性标注和命名实体识别，得到多个命名实体结果；将所述多个已处理分词和所述多个命名实体结果输入预设词图模型中，得到多个关键词，并采用各关键词对应的权重值，对所述目标评分文件进行关键词提取，得到待评分指标数据集。
可选的，在本发明第一方面的第二种实现方式中，所述按照所述多个标准指标数据分别检索预设的医保评分指标知识图谱，得到各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性，包括：从预设的医保评分指标知识图谱中获取各标准指标数据对应的相似实体集；计算各标准指标数据对应的相似实体集分别与所述各标准指标数据之间的语义相似度，得到各标准指标数据对应的多个相似度值；从所述多个相似度值中筛选各标准指标数据对应的最大相似度值，将所述最大相似度值对应的相似实体设置为各标准指标数据对应的目标实体；按照各标准指标数据对应的目标实体确定相关联的目标实体属性和所述目标实体属性值，并从所述相关联的目标实体属性和目标实体属性值中读取各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性。
可选的，在本发明第一方面的第三种实现方式中，所述采用各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值，包括：采用预设正则表达式识别各待评分指标数据对应的医疗机构评分规则信息集中的指标名称；按照所述指标名称从预设数据库中获取各待评分指标数据对应的指标数值；按照各待评分指标数据对应的指标数值进行评分计算，得到各待评分指标数据对应的初始评分值；基于所述对应的指标属性对各待评分指标数据对应的初始评分值进行评分校正，得到各待评分指标数据对应的目标评分值。
可选的，在本发明第一方面的第四种实现方式中，所述按照各待评分指标数据对应的目标评分值确定综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景，包括：获取各待评分指标数据对应的权重系数，并按照各待评分指标数据对应的权重系数与各待评分指标数据对应的目标评分值进行乘法运算，得到多个转换评分值；对所述多个转换评分值进行求和计算，得到综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景。
可选的，在本发明第一方面的第五种实现方式中，在所述获取医疗机构评分请求，按照所述医疗机构评分请求获取目标评分文件，并从所述目标评分文件中提取待评分指标数据集之前，所述医疗机构评分方法还包括：构建预设的医保评分指标知识图谱，并从所述预设的医保评分指标知识图谱中读取标准指标集和业务场景属性集；按照所述标准指标集和所述业务场景属性集配置医疗机构评分规则信息集，并将所述医疗机构评分规则信息集更新至所述预设的医保评分指标知识图谱中。
可选的，在本发明第一方面的第六种实现方式中，在所述按照各待评分指标数据对应的目标评分值确定综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景之后，所述医疗机构评分方法还包括：按照预置名单划分数据表将所述综合评分值划分至目标名单中，并将所述综合评分值推送至预设的信用评定系统中，得到目标医疗机构的信用等级，所述目标名单为白名单、灰名单或者黑名单；当所述目标名单为所述灰名单或者所述黑名单时，按照所述信用等级确定预警等级，从预设数据库中查询对应的预警模板，并按照所述对应的预警模板，生成预警信息；采用所述预警等级将所述预警信息发送至预设的信息审核系统，并通过所述预设的信息审核系统对预警信息进行审核，得到审核结果；当所述审核结果为审核通过时，获取终端标识信息，并采用所述终端标识信息将所述预警信息推送至终端，以使得所述终端按照所述预警信息提示所述目标医疗机构存在信用异常。
本发明第二方面提供了一种医疗机构评分装置，包括：获取模块，用于获取医疗机构评分请求，按照所述医疗机构评分请求获取目标评分文件，并从所述目标评分文件中提取待评分指标数据集；查询模块，用于从所述预设指标映射数据表中查询各待评分指标数据对应的候选标准指标数据，得到多个标准指标数据；检索模块，用于按照所述多个标准指标数据分别检索预设的医保评分指标知识图谱，得到各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性；计算模块，用于采用各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值；确定模块，用于按照各待评分指标数据对应的目标评分值确定综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景。
可选的，在本发明第二方面的第一种实现方式中，所述获取模块具体用于：接收医疗机构评分请求，并对所述医疗机构评分请求进行参数解析，得到待评价主体标识；按照结构化查询语言语法规则、所述待评价主体标识和预设配置信息表生成查询语句；执行所述查询语句，得到目标评分文件，并通过预设词向量模型对所述目标评分文件进行分词处理和停用词去除处理，得到多个已处理分词；对所述多个已处理分词进行词性标注和命名实体识别，得到多个命名实体结果；将所述多个已处理分词和所述多个命名实体结果输入预设词图模型中，得到多个关键词，并采用各关键词对应的权重值，对所述目标评分文件进行关键词提取，得到待评分指标数据集。
可选的，在本发明第二方面的第二种实现方式中，所述检索模块具体用于：从预设的医保评分指标知识图谱中获取各标准指标数据对应的相似实体集；计算各标准指标数据对应的相似实体集分别与所述各标准指标数据之间的语义相似度，得到各标准指标数据对应的多个相似度值；从所述多个相似度值中筛选各标准指标数据对应的最大相似度值，将所述最大相似度值对应的相似实体设置为各标准指标数据对应的目标实体；按照各标准指标数据对应的目标实体确定相关联的目标实体属性和目标实体属性值，并从所述相关联的目标实体属性和目标实体属性值中读取各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性。
可选的，在本发明第二方面的第三种实现方式中，所述计算模块具体用于：采用预设正则表达式识别各待评分指标数据对应的医疗机构评分规则信息集中的指标名称；按照所述指标名称从预设数据库中获取各待评分指标数据对应的指标数值；按照各待评分指标数据对应的指标数值进行评分计算，得到各待评分指标数据对应的初始评分值；基于所述对应的指标属性对各待评分指标数据对应的初始评分值进行评分校正，得到各待评分指标数据对应的目标评分值。
可选的，在本发明第二方面的第四种实现方式中，所述确定模块具体用于：获取各待评分指标数据对应的权重系数，并按照各待评分指标数据对应的权重系数与各待评分指标数据对应的目标评分值进行乘法运算，得到多个转换评分值；对所述多个转换评分值进行求和计算，得到综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景。
可选的，在本发明第二方面的第五种实现方式中，所述医疗机构评分装置还包括：读取模块，用于构建预设的医保评分指标知识图谱，并从所述预设的医保评分指标知识图谱中读取标准指标集和业务场景属性集；配置模块，用于按照所述标准指标集和所述业务场景属性集配置医疗机构评分规则信息集，并将所述医疗机构评分规则信息集更新至所述预设的医保评分指标知识图谱中。
可选的，在本发明第二方面的第六种实现方式中，所述医疗机构评分装置还包括：划分模块，用于按照预置名单划分数据表将所述综合评分值划分至目标名单中，并将所述综合评分值推送至预设的信用评定系统中，得到目标医疗机构的信用等级，所述目标名单为白名单、灰名单或者黑名单；生成模块，当所述目标名单为所述灰名单或者所述黑名单时，用于按照所述信用等级确定预警等级，从预设数据库中查询对应的预警模板，并按照所述对应的预警模板，生成预警信息；审核模块，用于采用所述预警等级将所述预警信息发送至预设的信息审核系统，并通过所述预设的信息审核系统对预警信息进行审核，得到审核结果；推送模块，当所述审核结果为审核通过时，用于获取终端标识信息，并采用所述终端标识信息将所述预警信息推送至终端，以使得所述终端按照所述预警信息提示所述目标医疗机构存在信用异常。
本发明第三方面提供了一种医疗机构评分设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述医疗机构评分设备执行上述的医疗机构评分方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的医疗机构评分方法。
本发明提供的技术方案中，获取医疗机构评分请求，按照所述医疗机构评分请求获取目标评分文件，并从所述目标评分文件中提取待评分指标数据集；从所述预设指标映射数据表中查询各待评分指标数据对应的候选标准指标数据，得到多个标准指标数据；按照所述多个标准指标数据分别检索预设的医保评分指标知识图谱，得到各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性；采用各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值；按照各待评分指标数据对应的目标评分值确定综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景。本发明实施例中，通过待评分指标数据集映射为多个标准指标数据，按照多个标准指标数据从预设的医保评分指标知识图谱中获取医疗机构评分规则信息和指标属性，基于医疗机构评分规则信息和指标属性计算综合评分值，其中，医疗机构评分规则信息和预设的医保评分指标知识图谱均为可动态调整的，提高了医疗机构的信用评分的准确率和评分规则复用率。
附图说明
图1为本发明实施例中医疗机构评分方法的一个实施例示意图；
图2为本发明实施例中医疗机构评分方法的另一个实施例示意图；
图3为本发明实施例中医疗机构评分装置的一个实施例示意图；
图4为本发明实施例中医疗机构评分装置的另一个实施例示意图；
图5为本发明实施例中医疗机构评分设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种医疗机构评分方法、装置、设备及存储介质，用于通过多个标准指标数据从预设的医保评分指标知识图谱中获取医疗机构评分规则信息和指标属性，基于医疗机构评分规则信息和指标属性计算综合评分值，提高医疗机构的信用评分的准确率和评分规则复用率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中医疗机构评分方法的一个实施例包括：
101、获取医疗机构评分请求，按照医疗机构评分请求获取目标评分文件，并从目标评分文件中提取待评分指标数据集。
需要说明的是，医疗机构评分是为了提高医疗机构的医药服务供给和医疗保障服务，以及完善医疗保障信用管理体系，同时确保医保基金的使用率，实现大数据实时动态智能监控医疗机构各项服务。其中，医保评分请求与至少一个待评分指标数据相对应，待评分指标数据集为预先采集的与待评价主体相关的信用数据集合。其中，对应医疗机构不同的业务场景，医疗机构评分请求可以用于对住院体验评分、门诊体验评分和急诊体验评分，具体此处不做限定。
具体的，服务器接收医疗机构评分请求，从医疗机构评分请求中获取待评价主体标识，进一步地，医疗机构评分请求用于指示对医疗机构的出院情况进行综合评分；服务器按照待评价主体标识查询目标评分文件，并从目标评分文件中获取待评分指标数据集。
可以理解的是，本发明的执行主体可以为医疗机构评分装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
102、从预设指标映射数据表中查询各待评分指标数据对应的候选标准指标数据，得到多个标准指标数据。
具体的，服务器在预设的指标映射数据表中获取各待评分指标数据对应的同义标准指标数据；服务器对各待评分指标数据和对应的同义标准指标数据进行相似度计算，得到多个相似度；服务器根据多个相似度多个候选标准指标数据中筛选各待评分指标数据对应的标准指标数据，得到多个标准指标数据。其中，标准指标数据为服务器可识别的标准指标数据。例如，待评分指标数据为“医院业务场景”，对应的同义标准指标数据为“医院出院率”。
103、按照多个标准指标数据分别检索预设的医保评分指标知识图谱，得到各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性。
其中，对应的医疗机构评分规则信息集和对应的指标属性集存在关联关系，并存储于预设的指标体系知识图谱中。对应的医疗机构评分规则信息可根据实际业务场景预先配置，各待评分指标数据可以分离为多个医疗机构评分规则信息。每个医疗机构评分规则信息采用配置四则运算表达式进行表示，四则运算表达式是根据加分或者扣分逻辑抽象出来的一个简单的可供程序运算的表达式，这个表达式的计算结果的取值范围大于或者等于0。对应的指标属性集用于标识该医保信用评分规则信息的运算方式是加分逻辑还是扣分逻辑。
具体的，服务器按照多个标准指标数据分别检索预设的医保评分指标知识图谱，得到与多个标准指标数据分别相关联的目标实体、目标实体属性和目标实体属性值；服务器从与多个标准指标数据分别相关联的目标实体和目标实体属性和目标实体属性值筛选得到各待评分指标数据对应的医保信用评分规则信息和对应的指标属性。
104、采用各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值。
需要说明的是，评分过程分为指标提取和规则配置两个阶段。每个阶段都是可配置的，确保医疗机构评分规则信息的灵活性和合理性。其中，规则配置是在指标的基础上，依据医保规则性文件对指标数据赋予评价指标值计算的特性。具体的，服务器通过配置简单的四则运算表达式，实现对系统数据的读取，并按照配置的表达式进行计算，得出单个规则结果，再通过表达式之间的与非、或且关系，以获取各待评分指标数据对应的目标评分值。然后，服务器通过对多个待评分指标数据分别对应的医疗机构评分规则信息进行计算，得到总体信用评价，也就是，服务器执行步骤105。其中，在规则配置过程中，表达式采用简单四则运算，配置简单，易于操作。
105、按照各待评分指标数据对应的目标评分值确定综合评分值，综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，业务场景包括出院服务场景。
其中，综合评分值的取值范围为大于或者等于0的数，综合评分值越大，表示对应的医疗机构(例如，医院或者药店)的信用指数越好。通过步骤104，服务器可以计算出从目标评分文件中抽象出来的全部待评分指标数据分别对应的目标评分值，进一步地，服务器计算多个待评分指标数据分别对应的目标评分值总和，得到目标医疗机构的信用评分(综合评分值)。例如，服务器得到目标医疗机构A的业务场景(例如，出院情况)对应的综合评分值为80分。
本发明实施例中，通过待评分指标数据集映射为多个标准指标数据，按照多个标准指标数据从预设的医保评分指标知识图谱中获取医疗机构评分规则信息和指标属性，基于医疗机构评分规则信息和指标属性计算综合评分值，其中，医疗机构评分规则信息和预设的医保评分指标知识图谱均为可动态调整的，提高了医疗机构的信用评分的准确率和评分规则复用率。并且本实施例的方案可应用于智慧医疗领域中，从而推动智慧城市的建设。
请参阅图2，本发明实施例中医疗机构评分方法的另一个实施例包括：
201、获取医疗机构评分请求，按照医疗机构评分请求获取目标评分文件，并从目标评分文件中提取待评分指标数据集。
可以理解的是，信用评分是通过目标评分文件来实现的，比如2020年度对医院的评分过程会抽象为一个“2020年度医院评分卡”，评分卡(目标评分文件)的计算单元是指标数据，以“医院出院率85％为合格，每低于一个百分点扣0.5分”这个条款为例，服务器会预先将其抽象化为一个“医院出院率”指标数据(待评分指标数据)，也可以包括其他指标数据，具体此处不做限定。
可选的，服务器接收医疗机构评分请求，并对医疗机构评分请求进行参数解析，得到待评价主体标识；服务器按照结构化查询语言语法规则、待评价主体标识和预设配置信息表生成查询语句；服务器执行查询语句，得到目标评分文件，并通过预设词向量模型对目标评分文件进行分词处理和停用词去除处理，得到多个已处理分词，例如，服务器去除该多个分词中“的”或“是”这一类没有实际意义的词，预设词向量模型可以为word2vec模型，也可以为其他模型，具体此处不做限定；服务器对多个已处理分词进行词性标注和命名实体识别，得到多个命名实体结果；服务器将多个已处理分词和多个命名实体结果输入预设词图模型中，得到多个关键词，并采用各关键词对应的权重值，对目标评分文件进行关键词提取，得到待评分指标数据集。其中，预设词图模型可以为词频-逆文本频率指数(termfrequency–inverse document frequency，TF-IDF)模型，也可以为其他模型，具体此处不做限定。
202、从预设指标映射数据表中查询各待评分指标数据对应的候选标准指标数据，得到多个标准指标数据。
该步骤202与步骤102的执行过程相似，具体不再赘述。
203、按照多个标准指标数据分别检索预设的医保评分指标知识图谱，得到各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性。
需要说明的是，预设的医保评分指标知识图谱为预先从医保规范性文件提取的医保文本数据集，并将医保文本数据集设置为原始数据源，服务器从原始数据源进行指标提取，得到标准指标集和业务场景属性集；服务器将标准指标集设置为实体，并将业务场景属性集设置为实体的属性信息。进一步地，服务器将多个医保信用评分规则集设置为实体的属性信息。也就是，预设的医保评分指标知识图谱为不断更新形成的一个规则、条款、指标等信息的知识图谱。可选的，服务器构建预设的医保评分指标知识图谱，并从预设的医保评分指标知识图谱中读取标准指标集和业务场景属性集；服务器按照标准指标集和业务场景属性集配置医疗机构评分规则信息集，并将医疗机构评分规则信息集更新至预设的医保评分指标知识图谱中。
可选的，服务器从预设的医保评分指标知识图谱中获取各标准指标数据对应的相似实体集；服务器计算各标准指标数据对应的相似实体集分别与各标准指标数据之间的语义相似度，得到各标准指标数据对应的多个相似度值；服务器从多个相似度值中筛选各标准指标数据对应的最大相似度值，将最大相似度值对应的相似实体设置为各标准指标数据对应的目标实体；服务器按照各标准指标数据对应的目标实体确定相关联的目标实体属性和目标实体属性值，并从相关联的目标实体属性和目标实体属性值中读取各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性。
进一步地，服务器按照标准指标数据从预设的医保评分指标知识图谱中获取各标准指标数据对应的实体属性集；服务器将标准指标数据设置为待搜索文本实体，各标准指标数据包括词语和词性；服务器按照多个待搜索文本实体构建无向有权图，并在无向有权图中查询各待搜索文本实体与预置属性信息集的词语之间的最短路径，并将最短路径上经过的词语组合成关联信息词语集合；服务器计算实体属性集的每个实体属性与关联信息词语集合之间的语义相似度；服务器将相似度最大的实体属性作为候选实体属性集合，服务器从候选实体属性集合中筛选相关联的目标实体、目标实体属性和目标实体属性信息，并从相关联的目标实体、目标实体属性和目标实体属性值查找各待评分指标数据对应的医保信用评分规则信息和对应的指标属性。
204、采用各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值。
需要说明的是，服务器需要解析各待评分指标数据对应的医疗机构评分规则信息，得到解析结果，解析结果包括多个指标数据名称，并按照多个指标数据名称确定对应的指示数值。可选的，服务器采用预设正则表达式识别各待评分指标数据对应的医疗机构评分规则信息集中的指标名称，其中，预设正则表达式为一种字符串匹配的模式，能够用来检查一个字符串是否含有某种子字符串、将匹配的子字符串替换或者从某个字符串中取出符合某个条件的子字符串等。预设正则表达式模式可以是由字符构成，也可以是由多种字符组合而成；服务器按照指标名称从预设数据库中获取各待评分指标数据对应的指标数值；服务器按照各待评分指标数据对应的指标数值进行评分计算，得到各待评分指标数据对应的初始评分值；服务器基于对应的指标属性对各待评分指标数据对应的初始评分值进行评分校正，得到各待评分指标数据对应的目标评分值。
以“医院出院率85％为合格，每低于一个百分点扣0.5分”这个条款为例，则可配置表达式为(#{field}-0.85)/0.01*0.5表示出院率这个字段，服务器从预设数据库中获取。若某家医院的出院率为80％，则对应的计算表达式为
(0.80-0.85)/0.01*0.5＝-2.5，同时服务器读取该表达式关联的规则的运行方式(对应的指标属性)，判断对应的指标属性是否为扣分规则；若对应的指标属性为扣分属性，且表达式计算结果为负数，则服务器直接输出-2.5，并将-2.5设置为各待评分指标数据对应的目标评分值，则表示这个医院在该项目上需要扣除2.5分。当结果的得分为正数时，则服务器直接输出0作为各待评分指标数据对应的目标评分值，表示该项目不需要扣分。通过表达式的计算结果，结合规则的扣分属性，服务器计算得到各待评分指标数据“医院出院率扣分”的得分结果(目标评分值)。
205、按照各待评分指标数据对应的目标评分值确定综合评分值，综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，业务场景包括出院服务场景。
其中，综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，业务场景包括出院服务场景，业务场景也可以包括住院场景、门诊场景和急诊场景，具体此处不做限定。可选的，服务器获取各待评分指标数据对应的权重系数，并按照各待评分指标数据对应的权重系数与各待评分指标数据对应的目标评分值进行乘法运算，得到多个转换评分值；服务器对多个转换评分值进行求和计算，得到综合评分值。
206、按照预置名单划分数据表将综合评分值划分至目标名单中，并将综合评分值推送至预设的信用评定系统中，得到目标医疗机构的信用等级，目标名单为白名单、灰名单或者黑名单。
其中，预置名单划分数据表用于采用不同的名单阈值对综合评分值进行分类处理，例如，预置名单划分数据表包括预设白名单阈值和灰名单阈值；若综合评分值大于或者等于预设白名单阈值，则服务器将综合评分值分类至白名单中；若综合评分值小于预设白名单阈值，并且大于或者等于灰名单阈值，则服务器将综合评分值分类至灰名单中；若综合评分值小于灰名单阈值，则服务器将综合评分值分类至黑名单中。其中，灰名单阈值可为60分，预设白名单阈值可为70分，也可以为其他数值，具体此处不做限定。
需要说明的是，预设的信用评定系统采用预先划定的信用等级确定综合评分值的所属等级，例如，预设的信用评定系统确定综合评分值90分以上为信用优秀，80分至90分为信用良好，70分至80分为信用一般，60分至70分为信用合格，60分以下则为信用不合格。
207、当目标名单为灰名单或者黑名单时，按照信用等级确定预警等级，从预设数据库中查询对应的预警模板，并按照对应的预警模板，生成预警信息。
可以理解的是，当目标名单为灰名单或者黑名单时，表示对应的目标医疗机构信用等级低。具体的，服务器按照信用等级查询预设映射表，得到预警等级，服务器采用预警等级从预设数据库中查询对应的预警模板，并按照对应的预警模板设置预警信息。
208、采用预警等级将预警信息发送至预设的信息审核系统，并通过预设的信息审核系统对预警信息进行审核，得到审核结果。
需要说明的是，服务器向终端发送目标医疗机构的预警信息之前，还需要对预警信息进行内容进行审核，避免存在预警信息与目标医疗机构的实际业务场景信用不符合的情况。具体的，服务器采用预警等级将预警信息发送至预设消息队列中；服务器通过预设消息队列将预警信息推送至预设的信息审核系统中，服务器调用预设的信息审核系统对预警信息进行审核，得到审核结果；服务器接收审核结果，并判断审核结果是否为预设值；若审核结果不为预设值，则服务器确定审核结果为审核未通过，进一步地，服务器获取审核信息，并按照审核信息对目标机构进行重新评分；若审核结果为预设值，则服务器确定审核结果为审核通过，进一步地，服务器执行步骤209。
209、当审核结果为审核通过时，获取终端标识信息，并采用终端标识信息将预警信息推送至终端，以使得终端按照预警信息提示目标医疗机构存在信用异常。
例如，当审核结果为1时，服务器确定审核结果为审核通过。进一步地，当审核结果为审核通过时，服务器按照审核结果查询终端标识信息；服务器采用终端标识信息确定预设消息推送接口；服务器调用预设消息推送接口将预警信息推送至终端，以使得终端按照预警信息提示目标医疗机构存在信用异常
本发明实施例中，通过待评分指标数据集映射为多个标准指标数据，按照多个标准指标数据从预设的医保评分指标知识图谱中获取医疗机构评分规则信息和指标属性，基于医疗机构评分规则信息和指标属性计算综合评分值，其中，医疗机构评分规则信息和预设的医保评分指标知识图谱均为可动态调整的，提高了医疗机构的信用评分的准确率和评分规则复用率。并且本实施例的方案可应用于智慧医疗领域中，从而推动智慧城市的建设。
上面对本发明实施例中医疗机构评分方法进行了描述，下面对本发明实施例中医疗机构评分装置进行描述，请参阅图3，本发明实施例中医疗机构评分装置的一个实施例包括：
获取模块301，用于获取医疗机构评分请求，按照医疗机构评分请求获取目标评分文件，并从目标评分文件中提取待评分指标数据集；
查询模块302，用于从预设指标映射数据表中查询各待评分指标数据对应的候选标准指标数据，得到多个标准指标数据；
检索模块303，用于按照多个标准指标数据分别检索预设的医保评分指标知识图谱，得到各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性；
计算模块304，用于采用各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值；
确定模块305，用于按照各待评分指标数据对应的目标评分值确定综合评分值，综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，业务场景包括出院服务场景。
进一步地，将待评分指标数据集存储于区块链数据库中，具体此处不做限定。
本发明实施例中，通过待评分指标数据集映射为多个标准指标数据，按照多个标准指标数据从预设的医保评分指标知识图谱中获取医疗机构评分规则信息和指标属性，基于医疗机构评分规则信息和指标属性计算综合评分值，其中，医疗机构评分规则信息和预设的医保评分指标知识图谱均为可动态调整的，提高了医疗机构的信用评分的准确率和评分规则复用率。
获取模块301，用于获取医疗机构评分请求，按照医疗机构评分请求获取目标评分文件，并从目标评分文件中提取待评分指标数据集；
查询模块302，用于从预设指标映射数据表中查询各待评分指标数据对应的候选标准指标数据，得到多个标准指标数据；
检索模块303，用于按照多个标准指标数据分别检索预设的医保评分指标知识图谱，得到各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性；
计算模块304，用于采用各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值；
确定模块305，用于按照各待评分指标数据对应的目标评分值确定综合评分值，综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，业务场景包括出院服务场景。
可选的，获取模块301还可以具体用于：
接收医疗机构评分请求，并对医疗机构评分请求进行参数解析，得到待评价主体标识；
按照结构化查询语言语法规则、待评价主体标识和预设配置信息表生成查询语句；
执行查询语句，得到目标评分文件，并通过预设词向量模型对目标评分文件进行分词处理和停用词去除处理，得到多个已处理分词；
对多个已处理分词进行词性标注和命名实体识别，得到多个命名实体结果；
将多个已处理分词和多个命名实体结果输入预设词图模型中，得到多个关键词，并采用各关键词对应的权重值，对目标评分文件进行关键词提取，得到待评分指标数据集。
可选的，检索模块303还可以具体用于：
从预设的医保评分指标知识图谱中获取各标准指标数据对应的相似实体集；
计算各标准指标数据对应的相似实体集分别与各标准指标数据之间的语义相似度，得到各标准指标数据对应的多个相似度值；
从多个相似度值中筛选各标准指标数据对应的最大相似度值，将最大相似度值对应的相似实体设置为各标准指标数据对应的目标实体；
按照各标准指标数据对应的目标实体确定相关联的目标实体属性和目标实体属性值，并从相关联的目标实体属性和目标实体属性值中读取各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性。
可选的，计算模块304还可以具体用于：
采用预设正则表达式识别各待评分指标数据对应的医疗机构评分规则信息集中的指标名称；
按照指标名称从预设数据库中获取各待评分指标数据对应的指标数值；
按照各待评分指标数据对应的指标数值进行评分计算，得到各待评分指标数据对应的初始评分值；
基于对应的指标属性对各待评分指标数据对应的初始评分值进行评分校正，得到各待评分指标数据对应的目标评分值。
可选的，确定模块305还可以具体用于：
获取各待评分指标数据对应的权重系数，并按照各待评分指标数据对应的权重系数与各待评分指标数据对应的目标评分值进行乘法运算，得到多个转换评分值；
对多个转换评分值进行求和计算，得到综合评分值，综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，业务场景包括出院服务场景。
可选的，医疗机构评分装置还包括：
读取模块306，用于构建预设的医保评分指标知识图谱，并从预设的医保评分指标知识图谱中读取标准指标集和业务场景属性集；
配置模块307，用于按照标准指标集和业务场景属性集配置医疗机构评分规则信息集，并将医疗机构评分规则信息集更新至预设的医保评分指标知识图谱中。
可选的，医疗机构评分装置还包括：
划分模块308，用于按照预置名单划分数据表将综合评分值划分至目标名单中，并将综合评分值推送至预设的信用评定系统中，得到目标医疗机构的信用等级，目标名单为白名单、灰名单或者黑名单；
生成模块309，当目标名单为灰名单或者黑名单时，用于按照信用等级确定预警等级，从预设数据库中查询对应的预警模板，并按照对应的预警模板，生成预警信息；
审核模块310，用于采用预警等级将预警信息发送至预设的信息审核系统，并通过预设的信息审核系统对预警信息进行审核，得到审核结果；
推送模块311，当审核结果为审核通过时，用于获取终端标识信息，并采用终端标识信息将预警信息推送至终端，以使得终端按照预警信息提示目标医疗机构存在信用异常。
本发明实施例中，通过待评分指标数据集映射为多个标准指标数据，按照多个标准指标数据从预设的医保评分指标知识图谱中获取医疗机构评分规则信息和指标属性，基于医疗机构评分规则信息和指标属性计算综合评分值，其中，医疗机构评分规则信息和预设的医保评分指标知识图谱均为可动态调整的，医疗机构的信用评分的准确率和评分规则复用率。
上面图3和图4从模块化的角度对本发明实施例中的医疗机构评分装置进行详细描述，下面从硬件处理的角度对本发明实施例中医疗机构评分设备进行详细描述。
图5是本发明实施例提供的一种医疗机构评分设备的结构示意图，该医疗机构评分设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对医疗机构评分设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在医疗机构评分设备500上执行存储介质530中的一系列指令操作。
医疗机构评分设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的医疗机构评分设备结构并不构成对医疗机构评分设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述医疗机构评分方法的步骤。
本发明还提供一种医疗机构评分设备，所述医疗机构评分设备包括存储器和处理器，存储器中存储有指令，所述指令被处理器执行时，使得处理器执行上述各实施例中的所述医疗机构评分方法的步骤。
进一步地，所述计算机可读存储介质可主要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等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的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。
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，本发明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)执行本发明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，以上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。
Claims (10)
1.一种医疗机构评分方法，其特征在于，所述医疗机构评分方法包括：
获取医疗机构评分请求，按照所述医疗机构评分请求获取目标评分文件，并从所述目标评分文件中提取待评分指标数据集；
从所述预设指标映射数据表中查询各待评分指标数据对应的候选标准指标数据，得到多个标准指标数据；
按照所述多个标准指标数据分别检索预设的医保评分指标知识图谱，得到各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性；
采用各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值；
按照各待评分指标数据对应的目标评分值确定综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景。
2.根据权利要求1所述的医疗机构评分方法，其特征在于，所述获取医疗机构评分请求，按照所述医疗机构评分请求获取目标评分文件，并从所述目标评分文件中提取待评分指标数据集，包括：
接收医疗机构评分请求，并对所述医疗机构评分请求进行参数解析，得到待评价主体标识；
按照结构化查询语言语法规则、所述待评价主体标识和预设配置信息表生成查询语句；
执行所述查询语句，得到目标评分文件，并通过预设词向量模型对所述目标评分文件进行分词处理和停用词去除处理，得到多个已处理分词；
对所述多个已处理分词进行词性标注和命名实体识别，得到多个命名实体结果；
将所述多个已处理分词和所述多个命名实体结果输入预设词图模型中，得到多个关键词，并采用各关键词对应的权重值，对所述目标评分文件进行关键词提取，得到待评分指标数据集。
3.根据权利要求1所述的医疗机构评分方法，其特征在于，所述按照所述多个标准指标数据分别检索预设的医保评分指标知识图谱，得到各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性，包括：
从预设的医保评分指标知识图谱中获取各标准指标数据对应的相似实体集；
计算各标准指标数据对应的相似实体集分别与所述各标准指标数据之间的语义相似度，得到各标准指标数据对应的多个相似度值；
从所述多个相似度值中筛选各标准指标数据对应的最大相似度值，将所述最大相似度值对应的相似实体设置为各标准指标数据对应的目标实体；
按照各标准指标数据对应的目标实体确定相关联的目标实体属性和目标实体属性值，并从所述相关联的目标实体属性和所述目标实体属性值中读取各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性。
4.根据权利要求1所述的医疗机构评分方法，其特征在于，所述采用各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值，包括：
采用预设正则表达式识别各待评分指标数据对应的医疗机构评分规则信息集中的指标名称；
按照所述指标名称从预设数据库中获取各待评分指标数据对应的指标数值；
按照各待评分指标数据对应的指标数值进行评分计算，得到各待评分指标数据对应的初始评分值；
基于所述对应的指标属性对各待评分指标数据对应的初始评分值进行评分校正，得到各待评分指标数据对应的目标评分值。
5.根据权利要求1所述的医疗机构评分方法，其特征在于，所述按照各待评分指标数据对应的目标评分值确定综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景，包括：
获取各待评分指标数据对应的权重系数，并按照各待评分指标数据对应的权重系数与各待评分指标数据对应的目标评分值进行乘法运算，得到多个转换评分值；
对所述多个转换评分值进行求和计算，得到综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景。
6.根据权利要求1-5中任意一项所述的医疗机构评分方法，其特征在于，在所述获取医疗机构评分请求，按照所述医疗机构评分请求获取目标评分文件，并从所述目标评分文件中提取待评分指标数据集之前，所述医疗机构评分方法还包括：
构建预设的医保评分指标知识图谱，并从所述预设的医保评分指标知识图谱中读取标准指标集和业务场景属性集；
按照所述标准指标集和所述业务场景属性集配置医疗机构评分规则信息集，并将所述医疗机构评分规则信息集更新至所述预设的医保评分指标知识图谱中。
7.根据权利要求1-5中任意一项所述的医疗机构评分方法，其特征在于，在所述按照各待评分指标数据对应的目标评分值确定综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景之后，所述医疗机构评分方法还包括：
按照预置名单划分数据表将所述综合评分值划分至目标名单中，并将所述综合评分值推送至预设的信用评定系统中，得到目标医疗机构的信用等级，所述目标名单为白名单、灰名单或者黑名单；
当所述目标名单为所述灰名单或者所述黑名单时，按照所述信用等级确定预警等级，从预设数据库中查询对应的预警模板，并按照所述对应的预警模板，生成预警信息；
采用所述预警等级将所述预警信息发送至预设的信息审核系统，并通过所述预设的信息审核系统对预警信息进行审核，得到审核结果；
当所述审核结果为审核通过时，获取终端标识信息，并采用所述终端标识信息将所述预警信息推送至终端，以使得所述终端按照所述预警信息提示所述目标医疗机构存在信用异常。
8.一种医疗机构评分装置，其特征在于，所述医疗机构评分装置包括：
获取模块，用于获取医疗机构评分请求，按照所述医疗机构评分请求获取目标评分文件，并从所述目标评分文件中提取待评分指标数据集；
查询模块，用于从所述预设指标映射数据表中查询各待评分指标数据对应的候选标准指标数据，得到多个标准指标数据；
检索模块，用于按照所述多个标准指标数据分别检索预设的医保评分指标知识图谱，得到各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性；
计算模块，用于采用各待评分指标数据对应的医疗机构评分规则信息和对应的指标属性进行评分计算，得到各待评分指标数据对应的目标评分值；
确定模块，用于按照各待评分指标数据对应的目标评分值确定综合评分值，所述综合评分值用于指示对目标医疗机构的业务场景进行信用等级划分，所述业务场景包括出院服务场景。
9.一种医疗机构评分设备，其特征在于，所述医疗机构评分设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述医疗机构评分设备执行如权利要求1-7中任意一项所述的医疗机构评分方法。
10.一种计算机可读存储介质，其上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任意一项所述的医疗机构评分方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010893560.XA CN111986792B (zh) | 2020-08-31 | 2020-08-31 | 医疗机构评分方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010893560.XA CN111986792B (zh) | 2020-08-31 | 2020-08-31 | 医疗机构评分方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111986792A true CN111986792A (zh) | 2020-11-24 |
| CN111986792B CN111986792B (zh) | 2024-04-05 |
Family
ID=73440201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010893560.XA Active CN111986792B (zh) | 2020-08-31 | 2020-08-31 | 医疗机构评分方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111986792B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112418740A (zh) * | 2020-12-28 | 2021-02-26 | 济南大象信息技术有限公司 | 一种应用软件内容管理方法、系统、终端及存储介质 |
| CN112581019A (zh) * | 2020-12-28 | 2021-03-30 | 北京航空航天大学 | 一种基于多叉树的标准定标及测评云平台 |
| CN113239695A (zh) * | 2021-05-21 | 2021-08-10 | 杭州数梦工场科技有限公司 | 一种命名实体识别方法、装置、电子设备及存储介质 |
| CN113743749A (zh) * | 2021-08-20 | 2021-12-03 | 泰康保险集团股份有限公司 | 医疗机构的检查方法、装置及电子设备 |
| WO2022267161A1 (zh) * | 2021-06-22 | 2022-12-29 | 未鲲(上海)科技服务有限公司 | 数据处理方法、系统与存储介质 |
| CN115985478A (zh) * | 2023-03-20 | 2023-04-18 | 成都信通网易医疗科技发展有限公司 | 一种药品权限的查询方法 |
| CN117393130A (zh) * | 2023-11-01 | 2024-01-12 | 绵竹市人民医院 | 基于人工智能的全区域院内外一体化急救暨质控系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018058545A1 (zh) * | 2016-09-30 | 2018-04-05 | 曹庆恒 | 基于业务单元数据特征的处方管控数据标准管理系统 |
| CN109460942A (zh) * | 2018-12-13 | 2019-03-12 | 平安医疗健康管理股份有限公司 | 基于数据分析评价医院的方法及相关产品 |
| CN109508874A (zh) * | 2018-10-30 | 2019-03-22 | 平安医疗健康管理股份有限公司 | 系统质量分析方法、装置、服务器及存储介质 |
| CN109767067A (zh) * | 2018-12-13 | 2019-05-17 | 平安医疗健康管理股份有限公司 | 基于多评价维度评价医院的方法及相关产品 |
| CN109767831A (zh) * | 2018-12-13 | 2019-05-17 | 平安医疗健康管理股份有限公司 | 一种医疗机构评价方法、评价装置及计算机可读存储介质 |
| CN109767068A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技（深圳）有限公司 | 一种医疗机构评价方法、评价装置及计算机可读存储介质 |
| CN110163475A (zh) * | 2019-04-12 | 2019-08-23 | 平安医疗健康管理股份有限公司 | 医疗机构的绩效计算方法、装置、终端及可读存储介质 |
| KR102028692B1 (ko) * | 2018-09-05 | 2019-10-04 | 주식회사 케어랩스 | 병원 운영 솔루션 제공 방법, 서버 및 프로그램 |
| CN110826913A (zh) * | 2019-11-07 | 2020-02-21 | 南京远致数据技术有限公司 | 医疗服务机构信用评价方法及评价系统 |
| CN111178069A (zh) * | 2019-12-25 | 2020-05-19 | 平安健康保险股份有限公司 | 数据处理方法、装置、计算机设备及存储介质 |
| WO2020113959A1 (zh) * | 2018-12-04 | 2020-06-11 | 平安医疗健康管理股份有限公司 | 医疗机构透析水平的考核方法、装置、设备及存储介质 |
-
2020
- 2020-08-31 CN CN202010893560.XA patent/CN111986792B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018058545A1 (zh) * | 2016-09-30 | 2018-04-05 | 曹庆恒 | 基于业务单元数据特征的处方管控数据标准管理系统 |
| KR102028692B1 (ko) * | 2018-09-05 | 2019-10-04 | 주식회사 케어랩스 | 병원 운영 솔루션 제공 방법, 서버 및 프로그램 |
| CN109508874A (zh) * | 2018-10-30 | 2019-03-22 | 平安医疗健康管理股份有限公司 | 系统质量分析方法、装置、服务器及存储介质 |
| WO2020113959A1 (zh) * | 2018-12-04 | 2020-06-11 | 平安医疗健康管理股份有限公司 | 医疗机构透析水平的考核方法、装置、设备及存储介质 |
| CN109460942A (zh) * | 2018-12-13 | 2019-03-12 | 平安医疗健康管理股份有限公司 | 基于数据分析评价医院的方法及相关产品 |
| CN109767067A (zh) * | 2018-12-13 | 2019-05-17 | 平安医疗健康管理股份有限公司 | 基于多评价维度评价医院的方法及相关产品 |
| CN109767831A (zh) * | 2018-12-13 | 2019-05-17 | 平安医疗健康管理股份有限公司 | 一种医疗机构评价方法、评价装置及计算机可读存储介质 |
| CN109767068A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技（深圳）有限公司 | 一种医疗机构评价方法、评价装置及计算机可读存储介质 |
| CN110163475A (zh) * | 2019-04-12 | 2019-08-23 | 平安医疗健康管理股份有限公司 | 医疗机构的绩效计算方法、装置、终端及可读存储介质 |
| CN110826913A (zh) * | 2019-11-07 | 2020-02-21 | 南京远致数据技术有限公司 | 医疗服务机构信用评价方法及评价系统 |
| CN111178069A (zh) * | 2019-12-25 | 2020-05-19 | 平安健康保险股份有限公司 | 数据处理方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 朱雷;熊军;卜世波;尹怀琼;王美兰;: "我国医院网站医疗信息服务综合评价模型的构建及其实证研究", 中华医学图书情报杂志, no. 09, 15 September 2012 (2012-09-15) * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112418740A (zh) * | 2020-12-28 | 2021-02-26 | 济南大象信息技术有限公司 | 一种应用软件内容管理方法、系统、终端及存储介质 |
| CN112581019A (zh) * | 2020-12-28 | 2021-03-30 | 北京航空航天大学 | 一种基于多叉树的标准定标及测评云平台 |
| CN113239695A (zh) * | 2021-05-21 | 2021-08-10 | 杭州数梦工场科技有限公司 | 一种命名实体识别方法、装置、电子设备及存储介质 |
| WO2022267161A1 (zh) * | 2021-06-22 | 2022-12-29 | 未鲲(上海)科技服务有限公司 | 数据处理方法、系统与存储介质 |
| CN113743749A (zh) * | 2021-08-20 | 2021-12-03 | 泰康保险集团股份有限公司 | 医疗机构的检查方法、装置及电子设备 |
| CN115985478A (zh) * | 2023-03-20 | 2023-04-18 | 成都信通网易医疗科技发展有限公司 | 一种药品权限的查询方法 |
| CN117393130A (zh) * | 2023-11-01 | 2024-01-12 | 绵竹市人民医院 | 基于人工智能的全区域院内外一体化急救暨质控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111986792B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111986792B (zh) | 医疗机构评分方法、装置、设备及存储介质 | |
| CN112035620B (zh) | 医疗查询系统的问答管理方法、装置、设备及存储介质 | |
| CN111984792A (zh) | 网站分类方法、装置、计算机设备及存储介质 | |
| CN115098650B (zh) | 基于历史数据模型的评论信息分析方法及相关装置 | |
| CN113345577A (zh) | 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质 | |
| CN113283675A (zh) | 指标数据分析方法、装置、设备及存储介质 | |
| CN113806492B (zh) | 基于语义识别的记录生成方法、装置、设备及存储介质 | |
| CN113656601A (zh) | 医患匹配方法、装置、设备及存储介质 | |
| WO2021174923A1 (zh) | 概念词序列生成方法、装置、计算机设备及存储介质 | |
| CN113268597A (zh) | 文本分类方法、装置、设备及存储介质 | |
| CN115147020B (zh) | 装修数据处理方法、装置、设备及存储介质 | |
| CN113434273B (zh) | 数据处理方法、装置、系统及存储介质 | |
| CN109635112A (zh) | 异常透析数据筛选方法、装置、设备及存储介质 | |
| CN112766779B (zh) | 信息处理方法、计算机设备及存储介质 | |
| CN112561714B (zh) | 基于nlp技术的核保风险预测方法、装置及相关设备 | |
| CN114566294A (zh) | 问诊模板的匹配方法、装置、设备及存储介质 | |
| KR20230000420A (ko) | 특허 문헌을 이용한 학습 데이터 구축 방법 및 장치와 이를 이용한 학습 데이터 구축 시스템 | |
| CN114528378A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
| CN114706985A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
| CN110378560B (zh) | 仲裁员数据筛选方法、装置、计算机设备和存储介质 | |
| CN113269179A (zh) | 数据处理方法、装置、设备及存储介质 | |
| JP6660333B2 (ja) | 情報抽出装置、情報抽出方法及び情報抽出プログラム | |
| CN111985836A (zh) | 医保评分指标体系构建方法、装置、设备及存储介质 | |
| CN116364223B (zh) | 特征处理方法、装置、计算机设备及存储介质 | |
| CN113010517B (zh) | 数据表管理方法及装置 |
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 |