CN113506602B - 远程医疗平台医生调度方法和装置 - Google Patents

远程医疗平台医生调度方法和装置 Download PDF

Info

Publication number
CN113506602B
CN113506602B CN202110863623.1A CN202110863623A CN113506602B CN 113506602 B CN113506602 B CN 113506602B CN 202110863623 A CN202110863623 A CN 202110863623A CN 113506602 B CN113506602 B CN 113506602B
Authority
CN
China
Prior art keywords
doctor
patient
data
time
time period
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
Application number
CN202110863623.1A
Other languages
English (en)
Other versions
CN113506602A (zh
Inventor
鲜湛
贺昕
曾柏霖
张海滨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Wanhaisi Digital Medical Co ltd
Original Assignee
Shenzhen Wanhaisi Digital Medical Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Wanhaisi Digital Medical Co ltd filed Critical Shenzhen Wanhaisi Digital Medical Co ltd
Priority to CN202110863623.1A priority Critical patent/CN113506602B/zh
Publication of CN113506602A publication Critical patent/CN113506602A/zh
Application granted granted Critical
Publication of CN113506602B publication Critical patent/CN113506602B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • 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
    • G16H40/60—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 operation of medical equipment or devices
    • G16H40/67—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 operation of medical equipment or devices for remote operation
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及一种远程医疗平台医生调度方法和装置，该远程医疗平台医生调度方法包括：获取医生服务数据和患者数据；建立医生资源配置模型；根据医生服务数据和患者数据对医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。本申请能够确定出使平台看诊成本和患者问诊成本之和，也即总成本，最小的值班医生人数，同时满足了平台和患者的需求。

Description

远程医疗平台医生调度方法和装置
技术领域
本发明涉及远程医疗技术领域，具体涉及一种远程医疗平台医生调度方法和装置。
背景技术
远程医疗平台能够支持医生和患者在线交流，实现远程问诊。在线医生的人数越多，患者就诊等待时间越短。但是，医生在线问诊时，平台方需要支付给医生一定的费用，因此，在线医生人数越多，平台的成本也就越高。在线医生的人数越少，患者就诊等待时间越长。但是，患者问诊时，也会产生患者等待成本，因此，医生在线人数越少，患者的等待成本也会越高。
相关技术采用根据各医生的空闲时间安排平台各时段的在线医生名单。然而，相关技术难以确定出使得平台看诊成本和患者问诊成本之和最小的在线医生人数，导致平台看诊医生人数多时，平台看诊成本高，平台看诊医生人数少时，平台看诊效率慢，患者问诊成本高。
发明内容
有鉴于此，提供一种远程医疗平台医生调度方法和装置，以解决相关技术存在的难以确定出使得平台看诊成本和患者问诊成本之和最小的在线医生人数，导致平台看诊医生人数多时，平台看诊成本高，平台看诊医生人数少时，平台看诊效率慢，患者问诊成本高的问题。
本发明采用如下技术方案：
第一方面，本申请提供了一种远程医疗平台医生调度方法，包括：
获取医生服务数据和患者数据；
建立医生资源配置模型；
根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。
优选的，所述建立医生资源配置模型，包括：
确定目标函数和约束条件；
所述目标函数如下：
minZ＝Cs*c+CwLs
其中，Z为总成本，单位为元/小时；Cs为单位时间内医生的服务成本,单位为元/小时；c为值班医生人数；Cw为单位时间内患者的等待成本，单位为元/小时；Ls为平均患者队长；
所述约束条件如下：
Wq≤T
其中，Wq为患者平均等待时长；T为患者等待时长最长阈值；
根据所述目标函数和所述约束条件建立医生资源配置模型。
优选的，所述患者等待时长最长阈值根据患者实际等待情况确定。
优选的，所述根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数，包括：
基于蒙特卡罗仿真方法根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。
优选的，所述获取医生服务数据和患者数据之后，本申请的远程医疗平台医生调度方法还包括：
根据所述患者数据确定未来一天的各时间段的患者的预计等待时长；
在所述各时间段的患者的预计等待时长中确定出等待时长最短的目标预计等待时长；
将所述目标预计等待时长对应的目标时间段定义为患者的最优问诊时间段；
将包含所述最优问诊时间段的问诊时间推荐数据发送给预设终端，以使患者根据所述预设终端显示的内容获知所述最优问诊时间段。
优选的，所述患者数据包括患者等待时长最长阈值；
获取所述患者等待时长最长阈值，包括：
向预设终端发送调查问卷；
接收所述预设终端反馈的结果数据；所述结果数据包括患者愿意接受的最长等待时长；
将所有所述患者愿意接受的最长等待时长按照时长由大到小的顺序进行排序；
确定第目标名次对应的患者愿意接受的最长等待时长定义为所述患者等待时长最长阈值。
优选的，所述医生服务数据包括医生服务时间；
所述根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数之后，本申请的远程医疗平台医生调度方法还包括：
根据所述医生服务时间确定出服务时间包括所述预设时间段的所有目标医生。
优选的，所述医生服务数据还包括医生评价数据；
所述根据所述医生服务时间确定出服务时间包括所述预设时间段的所有目标医生之后，本申请的远程医疗平台医生调度方法还包括：
根据所述目标医生的医生评价数据将所有所述目标医生按照评分由高到低的顺序进行排序，得到目标医生评分名次表。
第二方面，本申请提供了一种远程医疗平台医生调度装置，包括：
获取模块，用于获取医生服务数据和患者数据；
模型建立模块，用于建立医生资源配置模型；
模型求解模块，用于根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。
本发明采用以上技术方案，一种远程医疗平台医生调度方法，包括：获取医生服务数据和患者数据；建立医生资源配置模型；根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。值班医生人数为前述的在线医生人数。基于此，本申请能够确定出使平台看诊成本和患者问诊成本之和，也即总成本，最小的值班医生人数，同时满足了平台和患者的需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种远程医疗平台医生调度方法的流程示意图。
图2是本发明实施例提供的一种医生资源配置模型模拟运算方法的流程示意图。
图3是本发明实施例提供的一种远程医疗平台医生调度装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
图1是本发明实施例提供的一种远程医疗平台医生调度方法的流程示意图。如图1所示，本实施例的远程医疗平台医生调度方法，包括：
S101、获取医生服务数据和患者数据。
具体的，医生服务数据包括医生服务时间、服务成本和预设时间段内的诊疗数据。诊疗数据包括服务率和服务能力利用率。患者数据包括预设时间段内的患者问诊数据、患者等待时长最长阈值、患者基本信息和患者等待成本。患者问诊数据包括患者就诊的等待时长、在系统的停留时间、患者队长和患者排队长。
S102、建立医生资源配置模型。
详细的，经验证，在线问诊服务中，患者的到达时间间隔服从泊松分布，医生服务时间服从负指数分布。设定医生的人数(排队论中服务台的个数)为c个，假定各医生的服务速率相同，且相互独立。又患者容量和患者来源无限制，所以在线问诊服务符合排队论M/M/c模型，因此，可以基于排队论，建立医生资源配置模型。
优选的，建立医生资源配置模型，包括：
确定目标函数和约束条件；
所述目标函数如下：
minZ＝Cs*c+CwLs
其中，Z为总成本，单位为元/小时；Cs为单位时间内医生的服务成本,单位为元/小时；c为值班医生人数；Cw为单位时间内患者的等待成本，单位为元/小时；Ls为平均患者队长；
所述约束条件如下：
Wq≤T
其中，Wq为患者平均等待时长；T为患者等待时长最长阈值；
根据所述目标函数和所述约束条件建立医生资源配置模型。
S103、根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。
具体的，应用蒙特卡罗仿真算法，对建立的医生资源配置模型进行随机模拟，选择使总成本最小的值班医生人数为终解，得到预设时间段内使总成本最小的值班医生人数。
本申请采用以上技术方案，一种远程医疗平台医生调度方法，包括：获取医生服务数据和患者数据；建立医生资源配置模型；根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。值班医生人数为前述的在线医生人数。基于此，本申请能够确定出使平台看诊成本和患者问诊成本之和，也即总成本，最小的值班医生人数，同时满足了平台和患者的需求。
优选的，所述T根据患者实际等待情况确定。
在一个具体的例子中，患者问诊数据包括患者等待时长和患者是否成功问诊。对患者问诊数据进行统计分析，发现95％的患者在等待5分钟之后，便放弃问诊，因此，设定T为5分钟。
需要说明的是，本领域技术人员还可以根据实际需要选择其他百分比数值。
优选的，所述根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数，包括：
基于蒙特卡罗仿真方法根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。
具体的，图2是本发明实施例提供的一种医生资源配置模型模拟运算方法的流程示意图。如图2所示，本实施例的医生资源配置模型模拟运算方法，包括：
S201、导入医生资源配置模型。
S202、初始化医生资源配置模型的各参数。
具体的，设置总仿真时间(总服务时间)、队列最大长度、患者平均到达率、患者平均到达时间、医生平均服务率、医生平均服务时间、患者等待成本和医生服务成本。医生服务成本包括医生薪酬、设备及相关资料的成本。
在一个具体的例子中，设置总仿真时间为60分钟。队列最大长度不限制，其值为正整数。医生服务成本为100元/小时。患者等待成本为20元/小时。医生平均服务率为0.1人/分钟。患者平均到达率按泊松分布抽样。对值班医生人数进行模拟仿真。
S203、根据各参数随机产生患者到达时间和患者问诊时间，将患者分配给相应的医生。
S204、根据目标函数和约束条件计算对应的总成本。
S205、多次重复执行步骤S201-S204，得到多个总成本。
具体的，为了使得结果数据更加准确，本领域技术人员可以根据实际需求确定重复执行步骤S201-S204的次数，例如，重复执行步骤S201-S204的次数可以为10次，得到10个总成本。
S206、在所有总成本中确定出数值最小的目标总成本，并将目标总成本对应的值班医生人数定义为使总成本最小的值班医生人数。
优选的，所述获取医生服务数据和患者数据之后，本实施例的远程医疗平台医生调度方法还包括：
首先，根据所述患者数据确定未来一天的各时间段的患者的预计等待时长。然后，在所述各时间段的患者的预计等待时长中确定出等待时长最短的目标预计等待时长；将所述目标预计等待时长对应的目标时间段定义为患者的最优问诊时间段。最后，将包含所述最优问诊时间段的问诊时间推荐数据发送给预设终端，以使患者根据所述预设终端显示的内容获知所述最优问诊时间段。
在一个具体的例子中，首先，获取所有患者近三个月的问诊等待时长数据。根据所有患者近三个月的问诊等待时长数据计算出平均每个患者每天各时间段的平均问诊等候时长。将该平均问诊等候时长定义为未来一天各时间段患者的预计等待时长。然后，在未来一天各时间段患者的预计等待时长中确定出等待时长最短的目标预计等待时长；将目标预计等待时长对应的目标时间段定义为患者的最优问诊时间段。最后，将包含所述最优问诊时间段的问诊时间推荐数据发送给预设终端，以使患者根据预设终端显示的内容获知最优问诊时间段。预设终端可以是患者使用的智能手机等智能终端设备。如此，引导患者错峰使用远程医疗平台，使得患者到达时间间隔更均匀，有利于减少患者问诊的平均排队长和患者的问诊等待时长。
优选的，患者数据包括患者等待时长最长阈值。获取患者等待时长最长阈值包括：首先，向预设终端发送调查问卷；接收预设终端反馈的结果数据；所述结果数据包括患者愿意接受的最长等待时长。然后，将所有所述患者愿意接受的最长等待时长按照时长由大到小的顺序进行排序。最后，确定第目标名次对应的患者愿意接受的最长等待时长定义为所述患者等待时长最长阈值。
详细的，本领域的技术人员可以根据实际需求确定目标名次。在一个具体的例子中，接收到的调查问卷有一百份。首先，根据接收到的调查问卷统计出所有患者愿意接受的最长等待时长。然后，将所有患者愿意接受的最长等待时长按照时长由大到小的顺序进行排序。最后，选取第95名对应的患者愿意接受的最长等待时长定义为患者等待时长最长阈值。
优选的，医生服务数据包括医生服务时间。根据医生服务数据和患者数据对医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数之后，还包括：根据医生服务时间确定出服务时间包括预设时间段的所有目标医生。
具体的，医生服务时间即医生能够提供在线看诊服务的时间。医生服务时间可以包括未来一天医生能够提供看诊服务的所有时间。预设时间段可以是未来一天的任意时间段。根据医生服务时间确定出服务时间包括预设时间段的所有目标医生，使得值班医生排班人员直接在所有目标医生中选取预设时间段的值班医生，方便排班人员安排值班医生。
优选的，医生服务数据还包括医生评价数据；根据医生服务时间确定出服务时间包括预设时间段的所有目标医生之后，还包括：根据目标医生的医生评价数据将所有目标医生按照评分由高到低的顺序进行排序，得到目标医生评分名次表。如此，方便排班人员优先安排优秀的医生值班。
图3是本发明实施例提供的一种远程医疗平台医生调度装置的结构示意图。如图3所示，本实施例的远程医疗平台医生调度装置包括获取模块31、模型建立模块32和模型求解模块33。
其中，获取模块31，用于获取医生服务数据和患者数据；模型建立模块32，用于建立医生资源配置模型；模型求解模块33，用于根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。
优选的，模型建立模块32具体用于实现如下方法：
首先，确定目标函数和约束条件；
所述目标函数如下：
minZ＝Cs*c+CwLs
其中，Z为总成本，单位为元/小时；Cs为单位时间内医生的服务成本,单位为元/小时；c为值班医生人数；Cw为单位时间内患者的等待成本，单位为元/小时；Ls为平均患者队长；
所述约束条件如下：
Wq≤T
其中，Wq为患者平均等待时长；T为患者等待时长最长阈值；
然后，根据所述目标函数和所述约束条件建立医生资源配置模型。所述T根据患者实际等待情况确定。
模型求解模块33具体用于基于蒙特卡罗仿真方法根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。
本实施例的远程医疗平台医生调度装置，还包括：推荐问诊时间模块，用于实现如下方法：
根据所述患者数据确定未来一天的各时间段的患者的预计等待时长；
在所述各时间段的患者的预计等待时长中确定出等待时长最短的目标预计等待时长；
将所述目标预计等待时长对应的目标时间段定义为患者的最优问诊时间段；
将包含所述最优问诊时间段的问诊时间推荐数据发送给预设终端，以使患者根据所述预设终端显示的内容获知所述最优问诊时间段。
获取模块31具体用于：首先，向预设终端发送调查问卷，并接收预设终端反馈的结果数据。所述结果数据包括患者愿意接受的最长等待时长。然后，将所有患者愿意接受的最长等待时长按照时长由大到小的顺序进行排序。最后，确定第目标名次对应的患者愿意接受的最长等待时长定义为患者等待时长最长阈值。
本实施例的远程医疗平台医生调度装置，还包括：目标医生确定模块，用于根据医生服务时间确定出服务时间包括预设时间段的所有目标医生。
本实施例的远程医疗平台医生调度装置，还包括：目标医生排名模块，用于根据目标医生的医生评价数据将所有目标医生按照评分由高到低的顺序进行排序，得到目标医生评分名次表。
本实施例在上述实施例的基础上实现，具备相同或相应的执行过程和有益效果，在此不再赘述。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程示意图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种远程医疗平台医生调度方法，其特征在于，包括：
获取医生服务数据和患者数据；
建立医生资源配置模型；
根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数；
所述建立医生资源配置模型，包括：
确定目标函数和约束条件；
所述目标函数如下：
minZ＝Cs*c+CwLs
其中，Z为总成本，单位为元/小时；Cs为单位时间内医生的服务成本,单位为元/小时；c为值班医生人数；Cw为单位时间内患者的等待成本，单位为元/小时；Ls为平均患者队长；
所述约束条件如下：
Wq≤T
其中，Wq为患者平均等待时长；T为患者等待时长最长阈值；
根据所述目标函数和所述约束条件建立医生资源配置模型。
2.根据权利要求1所述的远程医疗平台医生调度方法，其特征在于，所述患者等待时长最长阈值根据患者实际等待情况确定。
3.根据权利要求1所述的远程医疗平台医生调度方法，其特征在于，所述根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数，包括：
基于蒙特卡罗仿真方法根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。
4.根据权利要求1所述的远程医疗平台医生调度方法，其特征在于，所述获取医生服务数据和患者数据之后，还包括：
根据所述患者数据确定未来一天的各时间段的患者的预计等待时长；
在所述各时间段的患者的预计等待时长中确定出等待时长最短的目标预计等待时长；
将所述目标预计等待时长对应的目标时间段定义为患者的最优问诊时间段；
将包含所述最优问诊时间段的问诊时间推荐数据发送给预设终端，以使患者根据所述预设终端显示的内容获知所述最优问诊时间段。
5.根据权利要求1所述的远程医疗平台医生调度方法，其特征在于，所述患者数据包括患者等待时长最长阈值；
所述获取医生服务数据和患者数据，包括：
向预设终端发送调查问卷；
接收所述预设终端反馈的结果数据；所述结果数据包括患者愿意接受的最长等待时长；
将所有所述患者愿意接受的最长等待时长按照时长由大到小的顺序进行排序；
确定第目标名次对应的患者愿意接受的最长等待时长定义为所述患者等待时长最长阈值。
6.根据权利要求1所述的远程医疗平台医生调度方法，其特征在于，所述医生服务数据包括医生服务时间；
所述根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数之后，还包括：
根据所述医生服务时间确定出服务时间包括所述预设时间段的所有目标医生。
7.根据权利要求6所述的远程医疗平台医生调度方法，其特征在于，所述医生服务数据还包括医生评价数据；
所述根据所述医生服务时间确定出服务时间包括所述预设时间段的所有目标医生之后，还包括：
根据所述目标医生的医生评价数据将所有所述目标医生按照评分由高到低的顺序进行排序，得到目标医生评分名次表。
8.一种远程医疗平台医生调度装置，其特征在于，包括：
获取模块，用于获取医生服务数据和患者数据；
模型建立模块，用于建立医生资源配置模型；所述建立医生资源配置模型，包括：
确定目标函数和约束条件；
所述目标函数如下：
minZ＝Cs*c+CwLs
其中，Z为总成本，单位为元/小时；Cs为单位时间内医生的服务成本,单位为元/小时；c为值班医生人数；Cw为单位时间内患者的等待成本，单位为元/小时；Ls为平均患者队长；
所述约束条件如下：
Wq≤T
其中，Wq为患者平均等待时长；T为患者等待时长最长阈值；
根据所述目标函数和所述约束条件建立医生资源配置模型；
模型求解模块，用于根据所述医生服务数据和所述患者数据对所述医生资源配置模型进行模拟运算，确定出预设时间段内使总成本最小的值班医生人数。
CN202110863623.1A 2021-07-29 2021-07-29 远程医疗平台医生调度方法和装置 Active CN113506602B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110863623.1A CN113506602B (zh) 2021-07-29 2021-07-29 远程医疗平台医生调度方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110863623.1A CN113506602B (zh) 2021-07-29 2021-07-29 远程医疗平台医生调度方法和装置

Publications (2)

Publication Number Publication Date
CN113506602A CN113506602A (zh) 2021-10-15
CN113506602B true CN113506602B (zh) 2023-09-01

Family

ID=78015069

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110863623.1A Active CN113506602B (zh) 2021-07-29 2021-07-29 远程医疗平台医生调度方法和装置

Country Status (1)

Country Link
CN (1) CN113506602B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115994677B (zh) * 2023-03-23 2023-05-30 中南大学湘雅医院 一种老人医疗服务的时间评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102047255A (zh) * 2008-03-26 2011-05-04 赛拉诺斯股份有限公司 用于评估临床结果的方法和系统
CN206411672U (zh) * 2016-07-25 2017-08-15 李平 智能化卫生人力资源配置系统
CN109065138A (zh) * 2018-08-31 2018-12-21 合肥工业大学 多院区门诊医生排班方法及系统
CN112489748A (zh) * 2020-12-16 2021-03-12 李皎 一种基于云计算的医疗系统及其医疗资源分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5668090B2 (ja) * 2013-01-09 2015-02-12 キヤノン株式会社 医療診断支援装置及び医療診断支援方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102047255A (zh) * 2008-03-26 2011-05-04 赛拉诺斯股份有限公司 用于评估临床结果的方法和系统
CN206411672U (zh) * 2016-07-25 2017-08-15 李平 智能化卫生人力资源配置系统
CN109065138A (zh) * 2018-08-31 2018-12-21 合肥工业大学 多院区门诊医生排班方法及系统
CN112489748A (zh) * 2020-12-16 2021-03-12 李皎 一种基于云计算的医疗系统及其医疗资源分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
随机服务时间下异质患者门诊预约调度优化;张文思 等;《运筹与管理》;第29卷(第05期);26-36 *

Also Published As

Publication number Publication date
CN113506602A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
Granja et al. An optimization based on simulation approach to the patient admission scheduling problem using a linear programing algorithm
Tsai et al. A stochastic appointment scheduling system on multiple resources with dynamic call-in sequence and patient no-shows for an outpatient clinic
De Vuyst et al. Computationally efficient evaluation of appointment schedules in health care
CA2757129A1 (en) System and method for management and distribution of diagnostic imaging
Lin An adaptive scheduling heuristic with memory for the block appointment system of an outpatient specialty clinic
CN113506602B (zh) 远程医疗平台医生调度方法和装置
CN106529144A (zh) 在线医疗过程中智能排班的方法及系统
CN114724694B (zh) 医疗资源处理方法、装置及可读存储介质
CN115512814A (zh) 一种线上问诊的医生分配方法和装置
Gul A stochastic programming approach for appointment scheduling under limited availability of surgery turnover teams
CN112669945A (zh) 一种智能分诊排序方法
US20230154599A1 (en) System and method for identifying optimal appointment times of patients
CN112288226A (zh) 服务处理方法、装置及系统
CN111754069A (zh) 一种服务订单生成方法及装置
CN109543928B (zh) 信息输出方法和装置
Dexter et al. Scheduling of cases in an ambulatory center
CN113988933A (zh) 广告投放方法、装置、设备及介质
CN114021926A (zh) 一种人力资源可视化处理系统及方法
Bauerhenne et al. Robust Appointment Scheduling with Waiting Time Guarantees
CN114358508A (zh) 一种工单分配方法、装置、设备和介质
CN114420272A (zh) 体检预约方法及装置、存储介质和计算机设备
CN109360638B (zh) 评估计划生成方法、装置、电子设备及存储介质
CN114493113A (zh) 任务分配方法、装置、电子装置和存储介质
CN114093499A (zh) 就诊信息处理方法及系统、电子设备及存储介质
Chimaladinne et al. Automatic token allocation system through mobile in primary care

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