CN112768043A - 一种医院智慧预约与分诊导诊模型设计与算法 - Google Patents
一种医院智慧预约与分诊导诊模型设计与算法 Download PDFInfo
- Publication number
- CN112768043A CN112768043A CN202110097157.0A CN202110097157A CN112768043A CN 112768043 A CN112768043 A CN 112768043A CN 202110097157 A CN202110097157 A CN 202110097157A CN 112768043 A CN112768043 A CN 112768043A
- Authority
- CN
- China
- Prior art keywords
- model
- appointment
- triage
- hospital
- design
- 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.)
- Withdrawn
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 38
- 238000013461 design Methods 0.000 title claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000003066 decision tree Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000007637 random forest analysis Methods 0.000 claims abstract description 8
- 238000012706 support-vector machine Methods 0.000 claims abstract description 8
- 230000003044 adaptive effect Effects 0.000 claims abstract 2
- 238000010276 construction Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种医院智慧预约与分诊导诊模型设计与算法，所述模型设计方法如下：步骤一：采集医院数据，并对采集的医院数据进行处理；步骤二：根据处理的数据建立统一的信息化预约、分诊导诊模型；步骤三：对预约、分诊导诊模型进行参数化更新；步骤四：对模型进行质量评价；算法为决策树、随机森林、自适应提升、梯度提升决策树和支持向量机算法中的一种或几种；本发明的有益效果是：本发明有助于优化病患的就医体验，使得医院预约、分诊导诊流程更高效，医生病患配对更有效，提高用户满意度；对医院进行实时人流量分析，方便患者选择合适额度时间段就医，以减少排队等候的时间。
Description
技术领域
本发明属于智慧医疗技术领域，具体涉及一种医院智慧预约与分诊导诊模型设计与算法。
背景技术
在医疗行业的发展中，物联网技术的应用范围越来越广；物联网最初的概念是基于射频识别(RFID)、传感器、小型化等技术将所有物体从感官和智能相连接。在国内，物联网通常被定义为将具备智能末端设备和贴上RFID的实体通过无线或有线通信网络实现互联互通、应用集成，在网络环境下，采用适当的信息安全保障机制，提供安全可控乃至个性化的管理和服务功能，实现高效、节能、安全、环保的管理、控制、运营一体化。
随着社会经济和科技稳定持续的发展，以前的技术体系已经不能满足现在的智慧医疗事业领域工作的需要，所以，为了提高智慧医疗事业的工作效率，人们在不断地对相关的信息控制管理技术进行革新。重视智能化技术革新，对医疗事业的发展具有重大意义。因为医疗信息事业的发展需要承担巨大的使用压力，会出现各种各样的问题，而传统的技术管理方法已经不能满足于现在的需求。
每个医院每个科室有很多医生，病人在医院就医挂号时，大多根据系统引导选择普通号或专家号，对就医医生并不了解，随意的选择，容易出现两种现象：有些病人并不需要专家治疗，浪费了医疗资源；有些病人没有选到最合适的专家，可能会延误病情。
门诊预约模式是指患者到医院求医问诊的形式以及医院提供诊疗服务的形式集合，传统的门诊预约模式是采用排队挂号就诊的形式，患者按照排队次序和科室就医情况进行挂号，在此过程中患者无法预先知道大概的就诊时间，只有在完成挂号后才能知道就诊次序，传统的窗口挂号模式由人工操作，最近几年逐步推广信息化系统进行信息记录和挂号单打印。传统人工操作的门诊预约模式长期存在信息不公开、管理不到位、黄牛倒票现象严重等问题，造成人民群众就诊一号难求，造成极大社会负面影响；传统门诊就诊流程包括挂号、候诊、复诊、缴费、取药、设备检查、办理住院等环节，每个环节患者都需要按先后次序排队完成，部分科室的排队患者较多，由于不知道确切的就诊时间，很多患者或家属都采取长时间等待的方式在诊室外候诊，造成每个环节的排队队列都人满为患，大大降低了就诊效率；传统门诊预约模式中，挂号、候诊和检查取药的排队时间较长，诊治复诊的时间又很短，这种“三长一短”现象会严重影响患者对医院服务的满意程度。
为了优化病患的就医体验，使得医院预约、分诊导诊流程更高效，医生病患配对更有效，提高用户满意度，为此我们提出一种医院智慧预约与分诊导诊模型设计与算法。
发明内容
本发明的目的在于提供一种医院智慧预约与分诊导诊模型设计与算法，优化病患的就医体验，使得医院分诊导诊流程更高效，医生病患配对更有效，提高用户满意度。
为实现上述目的，本发明提供如下技术方案：一种医院智慧预约与分诊导诊模型设计，所述模型设计方法如下：
步骤一：采集医院数据，并对采集的医院数据进行处理；
步骤二：根据处理的数据建立统一的信息化预约、分诊导诊模型；
步骤三：对预约、分诊导诊模型进行参数化更新；
步骤四：对模型进行质量评价。
作为本发明的一种优选的技术方案，从准确性、稳定性、可解释性三个方面对模型进行质量评价。
参数化更新过程如下：
在预约、分诊导诊模型生成过程中将参数化操作和参数值一起按照模型构造顺序记录下来，并为每个操作附上标记，当参数尺寸修改时，找到对应标记的操作并以此开始按照模型构造历史以新的参数值重新构造模型。
作为本发明的一种优选的技术方案，分诊功能分为挂号报到、分诊台报到、诊室就诊。
作为本发明的一种优选的技术方案，预约挂号方式为电话、窗口、诊间、网站、APP、网站、自助机预约中的一种或几种。
作为本发明的一种优选的技术方案，模型设计系统如下：
包括采集模块、处理模块、模型建立模块、设计修改模块、评价模块，
其中，
采集模块用于采集医院数据；
处理数据用于对采集的医院数据进行处理；
模型建立模块用于建立统一的信息化预约、分诊导诊模型；
设计修改模块用于对预约、分诊导诊模型进行参数化更新；
评价模块用于对模型进行质量评价。
一种医院智慧预约与分诊导诊模型设计算法，算法为决策树、随机森林、自适应提升、梯度提升决策树和支持向量机算法中的一种或几种。
与现有技术相比，本发明的有益效果是：
(1)本发明有助于优化病患的就医体验，使得医院预约、分诊导诊流程更高效，医生病患配对更有效，提高用户满意度；
(2)对医院进行实时人流量分析，方便患者选择合适额度时间段就医，以减少排队等候的时间。
附图说明
图1为本发明的模型设计方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种医院智慧预约与分诊导诊模型设计，模型设计方法如下：
步骤一：采集医院数据，并对采集的医院数据进行处理；
步骤二：根据处理的数据建立统一的信息化预约、分诊导诊模型；
步骤三：对预约、分诊导诊模型进行参数化更新；
步骤四：对模型进行质量评价。
从准确性、稳定性、可解释性三个方面对模型进行质量评价。
参数化更新过程如下：
在预约、分诊导诊模型生成过程中将参数化操作和参数值一起按照模型构造顺序记录下来，并为每个操作附上标记，当参数尺寸修改时，找到对应标记的操作并以此开始按照模型构造历史以新的参数值重新构造模型。
本实施例中，优选的，分诊功能分为挂号报到、分诊台报到、诊室就诊；就诊患者完成挂号预约后，首先到掛号处进行挂号报到办理，服务人员提供咨询服务并引导患者选择就诊科室和办理挂号条，患者可以在挂号条上查看挂号科室、就诊时间、分诊台位置、挂号人数信息；患者领到挂号条后根据分时段就诊时间到分诊台报到，分诊台工作人员确认就诊患者信息后将其加入门诊挂号医生的队列中进行排队，患者可以在分诊台的显示屏幕上看到自己的队列位置；就诊患者到达队列顶端后，分诊台工作人员会安排就诊患者进入诊室，就诊医生诊断病情后，如果需要患者改换科室可以直接在诊室完成专科手续和挂号操作，患者只需再去挂号报到即可。
本实施例中，优选的，预约挂号方式为电话、窗口、诊间、网站、APP、网站、自助机预约中的一种或几种。
本实施例中，优选的，模型设计系统如下：
包括采集模块、处理模块、模型建立模块、设计修改模块、评价模块，
其中，
采集模块用于采集医院数据；
处理数据用于对采集的医院数据进行处理；
模型建立模块用于建立统一的信息化预约、分诊导诊模型；
设计修改模块用于对预约、分诊导诊模型进行参数化更新；
评价模块用于对模型进行质量评价。
一种医院智慧预约与分诊导诊模型设计算法，算法为决策树、随机森林、自适应提升、梯度提升决策树和支持向量机算法中的一种或几种；支持向量机是一种分类学习算法，支持向量机的基本模型是定义在特征空间上的间隔最大的线性分类器；线性支持向量机与逻辑回归类似，都是给每一个变量赋予一个权重因子，最终变量的加权和作为预测的依据，同时支持向量机可以使用核函数将变量映射到高维空间，从而提升模型效果；决策树是一种基本的分类与回归方法，决策树模型呈树形结构，可以认为“是否”判断规则的集合，也可以看作定义在特征空间与类空间上的条件概率分布，其主要优点是训练速度快，预测速度也很快，相对于线性模型，决策树还可以处理非线性数据，此外，决策树模型可解释性非常强，对于数据的适应能力也很强；其缺点则是单棵决策树容易过拟合；随机森林由多棵决策树组成，每棵决策树擅长特定人群、重点关注特定变量，然后一起决策，作出最终判断；随机森林在构建每棵决策树时，通过样本和变量两个维度进行随机抽样；随机森林的优点是训练速度快，可以很好地进行并行化，能够处理大规模数据；自适应提升核心思想是利用同一训练样本的不同加权版本，训练一组弱分类器，然后把这些弱分类器以加权的形式集成起来，形成一个最终的强分类器，在每一步迭代过程中，被当前弱分类器分错的样本的权重会相应得到提高，被当前弱分类器分对的样本的权重则会相应降低；弱分类器的权重则根据当前分类器的加权错误率来确定，自适应提升的优点是不容易产生过拟合，预测效果好；梯度提升决策树与自适应提升在很多方面类似，也是子模型之间相互协作，不同的是后一个子模型对前一个模型的失误进行修正，梯度提升决策树模型预测的时候，对于输入的一个样本实例，首先会赋予一个初值，然后会遍历每一棵决策树，每棵树都会对预测值进行调整修正，最后得到预测的结果；随机森林通过采样来减小计算量，同时能够利用并行方式进行模型训练，因而适合处理大规模高维数据；自适应提升和梯度提升决策树在基本决策树模型的基础上，通过数据权重变换方式，能够将一个弱模型变成强模型，同时能够有效避免过拟合问题。
门诊预约可采用全分时段门诊预约模式，该模式是指患者在进行现场或在线预约挂号过程中按照时段进行预约的一种就诊模式，全分时段门诊预约模式的优势在于号源信息的共享和公开，患者可以随时看到医生的分时坐诊规划，按照时段进行预约挂号，医生也可以看到患者的挂号信息，可以按照时段次序来进行问诊和检查；全预约模式实现了就诊时间的信息公开，通过分时段限号的方法可以保证各个科室、病种和医生的时段任务平均化，提高医生的工作效率。
根据医院就诊人数分布情况，将上午分为8：00-9：00，9：00-10：00，10：00-11：00，11：00-12：00四个时间段，下午分为2：00-3：00，3：00-5：00两个时间段，因为上午的门诊患者人流量大，设置1小时时间段间隔以达到就诊患者分流的目的；下午的门诊患者人数相对较少，设置2小时时间段间隔，降低患者因为其他原因错过就诊时间段而无法就医的概率。
实时门诊在院人数＝医院当天已挂号人数-门诊就诊完成人数。
门诊在院人数越多，往往意味着挂号、检查、治疗等候时间越长，本发明用实时门诊在院人数近似为就诊时需要排队等候时长的度量尺度，而将门诊在院人数与医院饱和人数的比值表示该医院实时拥挤程度。
各医院人流量拥挤度公式表示为：
rate值为介于0与1之间的数，采用TOPSIS归一化后拥挤度得分公式为：
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种医院智慧预约与分诊导诊模型设计，其特征在于：所述模型设计方法如下：
步骤一：采集医院数据，并对采集的医院数据进行处理；
步骤二：根据处理的数据建立统一的信息化预约、分诊导诊模型；
步骤三：对预约、分诊导诊模型进行参数化更新；
步骤四：对模型进行质量评价。
2.根据权利要求1所述的一种医院智慧预约与分诊导诊模型设计，其特征在于：从准确性、稳定性、可解释性三个方面对模型进行质量评价。
3.根据权利要求1所述的一种医院智慧预约与分诊导诊模型设计，其特征在于：参数化更新过程如下：
在预约、分诊导诊模型生成过程中将参数化操作和参数值一起按照模型构造顺序记录下来，并为每个操作附上标记，当参数尺寸修改时，找到对应标记的操作并以此开始按照模型构造历史以新的参数值重新构造模型。
4.根据权利要求1所述的一种医院智慧预约与分诊导诊模型设计，其特征在于：分诊功能分为挂号报到、分诊台报到、诊室就诊。
5.根据权利要求1所述的一种医院智慧预约与分诊导诊模型设计，其特征在于：预约挂号方式为电话、窗口、诊间、网站、APP、网站、自助机预约中的一种或几种。
6.根据权利要求1所述的一种医院智慧预约与分诊导诊模型设计，其特征在于：模型设计系统如下：
包括采集模块、处理模块、模型建立模块、设计修改模块、评价模块，其中，
采集模块用于采集医院数据；
处理数据用于对采集的医院数据进行处理；
模型建立模块用于建立统一的信息化预约、分诊导诊模型；
设计修改模块用于对预约、分诊导诊模型进行参数化更新；
评价模块用于对模型进行质量评价。
7.一种医院智慧预约与分诊导诊模型设计算法，其特征在于：算法为决策树、随机森林、自适应提升、梯度提升决策树和支持向量机算法中的一种或几种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110097157.0A CN112768043A (zh) | 2021-01-25 | 2021-01-25 | 一种医院智慧预约与分诊导诊模型设计与算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110097157.0A CN112768043A (zh) | 2021-01-25 | 2021-01-25 | 一种医院智慧预约与分诊导诊模型设计与算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112768043A true CN112768043A (zh) | 2021-05-07 |
Family
ID=75707150
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110097157.0A Withdrawn CN112768043A (zh) | 2021-01-25 | 2021-01-25 | 一种医院智慧预约与分诊导诊模型设计与算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112768043A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113870641A (zh) * | 2021-09-29 | 2021-12-31 | 上海乐项信息技术有限公司 | 一种用于直播带货的模拟培训方法和系统 |
-
2021
- 2021-01-25 CN CN202110097157.0A patent/CN112768043A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113870641A (zh) * | 2021-09-29 | 2021-12-31 | 上海乐项信息技术有限公司 | 一种用于直播带货的模拟培训方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yousefi et al. | Chaotic genetic algorithm and Adaboost ensemble metamodeling approach for optimum resource planning in emergency departments | |
| Ding et al. | Analysis of feature matrix in machine learning algorithms to predict energy consumption of public buildings | |
| Alaeddini et al. | A probabilistic model for predicting the probability of no-show in hospital appointments | |
| Jung et al. | An ANP approach for R&D project evaluation based on interdependencies between research objectives and evaluation criteria | |
| Zhang et al. | A hybrid ARIMA-SVR approach for forecasting emergency patient flow | |
| CN107480187A (zh) | 基于聚类分析的用户价值分类方法和装置 | |
| Xu et al. | Forecasting medical device demand with online search queries: a big data and machine learning approach | |
| CN110147389A (zh) | 帐号处理方法和装置、存储介质及电子装置 | |
| Arizmendi et al. | Specifying exogeneity and bilinear effects in data-driven model searches | |
| CN113488167A (zh) | 应用于大数据的智慧医疗信息优化方法及智慧医疗服务端 | |
| Shen et al. | A college student behavior analysis and management method based on machine learning technology | |
| Turgut et al. | A framework proposal for machine learning-driven agent-based models through a case study analysis | |
| Sang | [Retracted] Analysis and Research of Psychological Education Based on Data Mining Technology | |
| CN112768043A (zh) | 一种医院智慧预约与分诊导诊模型设计与算法 | |
| CN117828476A (zh) | 一种医疗机构消毒质量监测分析方法及系统 | |
| Hijry et al. | Application of machine learning algorithms for patient length of stay prediction in emergency department during Hajj | |
| Ding et al. | A hybrid neural network based model for blood donation forecasting | |
| Zhou et al. | Fidan: a predictive service demand model for assisting nursing home health-care robots | |
| Zhang et al. | Intelligent travelling visitor estimation model with big data mining | |
| CN116486341A (zh) | 基于rfid的人体行为识别模型的训练、识别方法及装置 | |
| Liu et al. | The analysis of agricultural Internet of things product marketing by deep learning | |
| Mousavian Anaraki et al. | Providing a hybrid clustering method as an auxiliary system in automatic labeling to divide employee into different levels of productivity and their retention | |
| Yin et al. | Application of VMD–SSA–BiLSTM algorithm to smart grid financial market time series forecasting and sustainable innovation management | |
| Pang et al. | Genetic algorithm for patient assignment optimization in cloud healthcare system | |
| Karboub et al. | Emergency patient’s arrivals management based on IoT and discrete simulation using ARENA |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210507 |