CN113643798A - 为失能人员匹配照护人员的方法、装置及计算机设备 - Google Patents

为失能人员匹配照护人员的方法、装置及计算机设备 Download PDF

Info

Publication number
CN113643798A
CN113643798A CN202111005434.7A CN202111005434A CN113643798A CN 113643798 A CN113643798 A CN 113643798A CN 202111005434 A CN202111005434 A CN 202111005434A CN 113643798 A CN113643798 A CN 113643798A
Authority
CN
China
Prior art keywords
care
personnel
preset
target
disabled
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.)
Pending
Application number
CN202111005434.7A
Other languages
English (en)
Inventor
王秋艳
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 Ping An Medical Health Technology Service Co Ltd
Original Assignee
Ping An Medical and Healthcare Management 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 Ping An Medical and Healthcare Management Co Ltd filed Critical Ping An Medical and Healthcare Management Co Ltd
Priority to CN202111005434.7A priority Critical patent/CN113643798A/zh
Publication of CN113643798A publication Critical patent/CN113643798A/zh
Pending legal-status Critical Current

Links

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种为失能人员匹配照护人员的方法、装置及计算机设备，涉及人工智能领域，主要在于能够提高照护人员的匹配精度，从而能够保证居家照护服务的质量。其中方法包括：获取失能人员对应的基本失能信息和历史照护记录；将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。本发明涉及人工智能领域。

Description

为失能人员匹配照护人员的方法、装置及计算机设备
技术领域
本发明涉及人工智能领域，尤其是涉及一种为失能人员匹配照护人员的方法、装置及计算机设备。
背景技术
随着我国人口老龄化正处于加速且高龄化的趋势，特别是在社会结构变迁、家庭功能改变引致家庭照护功能主键势微的情况下，居家照护新模式，成为病人和居家老人照护的好帮手，居家护理对出诊护理人员的专业知识、实践能给力以及职业素质具有较高的要求，如何为病人和居家老人匹配合适的照护人员，对于保证照护质量和居家照护模式的发展有重要意义。
目前，通常是由管理人员根据病人或者居家老人的失能信息，为其挑选合适的照护人员上门服务。然而，这种人为挑选的照护的人员的方式，受管理人员的主观因素影响较大，无法保证挑选的照护人员一定适合病人或者居家老人，从而会影响居家照护服务的质量。
发明内容
本发明提供了一种为失能人员匹配照护人员的方法、装置及计算机设备，主要在于能够提高照护人员的匹配精度，从而能够保证居家照护服务的质量。
根据本发明的第一个方面，提供一种为失能人员匹配照护人员的方法，包括：
获取失能人员对应的基本失能信息和历史照护记录；
将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；
基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；
基于所述历史照护记录对所述多个目标照护人员进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。
根据本发明的第二个方面，提供一种为失能人员匹配照护人员的装置，包括：
获取单元，用于获取失能人员对应的基本失能信息和历史照护记录；
预测单元，用于将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；
确定单元，用于基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；
评分单元，用于基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。
根据本发明的第三个方面，提供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以下步骤：
获取失能人员对应的基本失能信息和历史照护记录；
将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；
基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；
基于所述历史照护记录对所述多个目标照护人员进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。
根据本发明的第四个方面，提供一种计算机设备，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以下步骤：
获取失能人员对应的基本失能信息和历史照护记录；
将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；
基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；
基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。
根据本发明提供的一种为失能人员匹配照护人员的方法、装置及计算机设备，与目前管理人员根据病人或者居家老人的失能信息为其挑选照护人员的方式相比，本发明通过获取失能人员对应的基本失能信息和历史照护记录；并将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；与此同时，基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；最终基于所述历史照护记录对所述多个目标照护人员进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员，由此通过从预设照护人员库中选择多个目标照护人员，并对该目标照护人员进行评分，能够确定与该失能人员相匹配的照护人员，从而能够自动为失能人员匹配合适的照护人员，提高了照护人员的匹配精度，进而能够保证居家照护服务质量。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了本发明实施例提供的一种为失能人员匹配照护人员的方法流程图；
图2示出了本发明实施例提供的另一种为失能人员匹配照护人员的方法流程图；
图3示出了本发明实施例提供的一种为失能人员匹配照护人员的装置的结构示意图；
图4示出了本发明实施例提供的另一种为失能人员匹配照护人员的装置的结构示意图；
图5示出了本发明实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
目前，管理人员根据病人或者居家老人的失能信息，为其挑选合适的照护人员的方式，受管理人员的主观因素影响较大，无法保证挑选的照护人员一定适合病人或者居家老人，从而会影响居家照护服务的质量。
为了解决上述问题，本发明实施例提供了一种为失能人员匹配照护人员的方法，如图1所示，所述方法包括：
101、获取失能人员对应的基本失能信息和历史照护记录。
其中，失能人员是指需要被照护的病人或者居家老人，失能人员对应的基本失能信息包括失能人员的姓名、年龄、性别、失能等级、身体活动情况、医院的诊断信息、当前所服用的药品信息、当前接受的治疗信息等等，历史照护记录中包括之前为该失能人员服务过的照护人员信息，该照护人员信息具体包括照护人员的姓名、性别、照护评分、性格测试评分、技能考核评分等等。
对于本发明实施例，为了克服现有技术中无法为失能人员匹配合适的照护人员，从而影响居家照护服务质量的缺陷，本发明实施例通过失能人员的基本失能信息和预设护理处方预测模型，能够预测失能人员对应的护理处方，从而能够从预设照护人员库中选择多个目标照护人员，与此同时，通过对多个目标照护人员进行评分，能够确定与失能人员相匹配的照护人员，并推荐其为失能人员进行照护，从而能够提高照护人员的匹配精度，保证居家照护服务质量。本发明实施例主要应用于为失能人员匹配照护人员的场景，本发明实施例的执行主体为能够为失能人员匹配照护人员的装置或者设备，具体可以设置在客户端或者服务器一侧。
具体地，有照护服务需求的失能人员预先会在系统中进行注册，填写失能人员的基本信息，包括姓名、年龄、身份证号、失能等级、身体活动情况、医疗的诊断信息、当前所服务的药品或者接受的治疗等等，如果失能人员通过基本信息审核，便会注册成功，后续失能人员便可以线上申请照护服务，失能人员的上述信息会存储在系统的失能人员信息库中，同时系统也会记录失能人员每次经过照护服务后的历史照护记录，当失能人员线上申请照护服务时，系统会接收到失能人员的照护服务请求，该照护服务请求会携带有失能人员的身份ID和当前位置信息，系统基于失能人员的身份ID，可以从失能人员信息库中调用该失能人员对应的基本失能信息和历史照护记录，以便根据该基本失能信息和历史照护记录为其匹配本次照护服务的照护人员。
102、将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方。
其中，护理处方包括基本的清洁护理，清洁护理+医疗护理，清洁护理+精神慰藉，清洁护理+医疗护理+精神慰藉等等，可以根据实际的业务需求，生成多种护理处方。
对于本发明实施例，为了提高预设护理处方预测模型的精度，在利用预设护理处方预测模型对基本失能信息进行预测之前，需要预先收集历史失能人员对应的基本失能信息和对应的护理处方，并将其作为样本数据，利用该样本数据对初始护理处方预测模型进行训练，构建预设护理处方预测模型，当需要获取失能人员对应的护理处方时，将失能人员对应的基本失能信息输入至构建好的预设护理处方预测模型中进行处方预测，得到失能人员对应的护理处方，以便根据该护理处方，确定多个目标照护人员，并根据历史照护记录，在多个目标照护人员中确定与失能人员相匹配的照护人员，从而能够为失能人员匹配合适的照护人员，提高了居家照护服务质量。
103、基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员。
其中，该预设照护人员库中存储有大量的各个照护等级的照护人员及各个照护人员的基本信息，该基本信息包括照护人员的姓名、性别、年龄、地址、性格测评结果、理论知识测评结果、技能考核结果、照护等级等内容。
对于本发明实施例，在获取失能人员对应的护理处方后，需要根据该护理处方确定相应的照护等级，其中，不同护理处方所对应的照护等级不同，在根据失能人员对应的护理处方，确定相应的照护等级之后，在预设照护人员库中筛选出具有该照护等级的所有目标照护人员，筛选出的所有目标照护人员即为失能人员对应的多个目标照护人员。需要说明的是，还可以根据失能人员的其他需求，确定最终的多个目标照护人员，如失能人员需要照护人员是女的，目标照护人员不仅要满足照护等级的要求，还要满足性别要求，由此通过预测的护理处方，确定失能人员需要的照护等级，并根据该照护等级，筛选出多个目标照护人员，最终在从目标照护人员中确定与失能人员相匹配的照护人员，从而能够为失能人员匹配合适的照护人员，提高了居家照护服务的质量。
104、基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。
对于本发明实施例，由于在每次为失能人员进行照护服务后，都会对照护人员进行照护评分，该照护评分都存储在历史照护记录中，因此可以根据失能人员的历史照护记录筛选照护评分较高的历史照护人员，并对该照护评分较高的历史照护人员的基本照护信息进行分析，根据分析结果，确定评分维度，与此同时，基于所述评分维度，对多个目标照护人员进行评分，最终确定最高评分对应的目标照护人员为与失能人员相匹配的照护人员。
进一步地，在确定与失能人员相匹配的照护人员之后，系统会将照护任务分配给该照护人员，照护人员同意接受任务后，系统会获取照护人员的当前位置信息，基于照护人员的当前位置信息和失能人员的位置信息，为照护人员规划一条最优路线，如果照护人员在行进过程中偏离该最优路线，系统则会向管理人员的终端发送报警信息，同时，系统在为照护人员规划最优路线的同时，还会基于该最优路线，预估照护人员达到失能人员所在位置的预估时间，如果照护人员的打卡时间与该预估时间相差较远，则系统也会向管理人员终端发送报警信息。除此之外，照护人员在到达目的地后，系统能够实时获取照护人员的位置信息，如果照护人员长时间偏离既定位置信息，或者长时间无物理位置信息，则系统也会向管理人员终端发送报警信息。由此通过确定多个目标照护人员，并根据失能人员的历史照护记录，对多个目标照护人员进行评分，最终选择评分最高的照护人员为失能人员进行照护，避免人为挑选照护人员时，由于主观因素的影响，而无法保证挑选的照护人员一定适合失能人员，进而提高了照护人员的匹配精度，同时，与失能人员相匹配的照护人员接收照护任务后，通过实时监测照护人员的位置信息，能够实现对照护人员的管控，保证了照护服务质量。
根据本发明提供的一种为失能人员匹配照护人员的方法，与目前管理理人员根据病人或者居家老人的失能信息为其挑选照护人员的方式相比，本发明通过获取失能人员对应的基本失能信息和历史照护记录；并将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；与此同时，基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；最终基于所述历史照护记录对所述多个目标照护人员进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员，由此通过从预设照护人员库中选择多个目标照护人员，并对该目标照护人员进行评分，能够确定与该失能人员相匹配的照护人员，从而能够自动为失能人员匹配合适的照护人员，提高了照护人员的匹配精度，进而能够保证居家照护服务质量。
进一步的，为了更好的说明上述为失能人员匹配照护人员的的过程，作为对上述实施例的细化和扩展，本发明实施例提供了另一种为失能人员匹配照护人员的方法，如图2所示，所述方法包括：
201、获取失能人员对应的基本失能信息和历史照护记录。
对于本发明实施例，若失能人员是首次申请照护服务，则需要预先在系统中进行注册，并填写失能人员的基本信息，其中，该基本信息中包括基本失能信息和身份信息等，以便后续进行线上申请照护服务，若失能人员并非首次申请照护服务，则失能人员对应的基本失能信息都存储在系统的失能人员信息库中，同时系统中也存储失能人员对应的历史照护记录，当失能人员在线上申请照护服务时，根据失能人员的身份ID，系统会自动调出该失能人员对应的基本失能信息和历史照护记录。
202、将所述基本失能信息输入至所述预设多层感知器中进行处方预测，得到所述失能人员需要不同护理处方的概率值。
其中，预设多层感知器是一种神经网络模型，它包括输入层、隐藏层和输出层。
对于本发明实施例，为了提高护理处方获取的精度，需要将失能人员对应的基本失能信息通过该预设多层感知器的是输入层输入至隐藏层，通过该隐藏层输出的结果为：
f(W1x+b1)
其中，x为失能人员对应的基本失能信息，W1为隐藏层的权重，也是预设多层感知器的连接系数，b1为隐藏层的偏置系数，f函数通常可以采用sigmoid函数或者tanh函数，如下所示：
sigmoid(x)＝1/(1+e-x)
tanh(x)＝(ex-e-x)(/e1+e-x)
其中，将失能人员对应的基本失能信息通过预设多层感知器的输入层输入至隐藏层，得到该隐藏层的输出结果之后，在将该结果输入至输出层，即所述预设多层感知器的softmax层，通过该输出层进行护理处方预测，得到的预测结果为：
soft max(W2f(W1x+b1)+b2)
其中，W2为输出层的权重系数，b2为输出层的偏置系数，通过多层感知器的输出层能够输出失能人员对应不同护理处方的概率值，并根据该概率值，确定失能人员对应的护理处方。
203、根据所述失能人员需要不同护理处方的概率值，确定最大概率值对应的护理处方，并将所述最大概率值对应的护理处方确定为所述失能人员对应的护理处方。
对应本发明实施例，在将失能人员对应的基本失能信息输入至预设多层感知器中进行预测，得到不同护理处方的概率值之后，需要确定最大概率值对应的护理处方，该最大概率值对应的护理处方即为预测的失能人员最终对应的护理处方，以便根据该护理处方，在预设护理人员库确定多个目标照护人员，并最终在多个目标照护人员中评选出与失能人员相匹配的照护人员。
204、基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员。
对于本发明实施例，为了保证预设照护人员库中存储有大量的各个照护等级的照护人员，在根据失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员之前，所述方法还包括：获取各个照护人员对应的性格测试评分、理论知识评分和技能测试评分；将所述性格测试评分、所述理论知识评分和所述技能测试评分一同输入至预设等级预测模型中进行等级预测，得到所述各个照护人员对应的照护等级。
其中，各个照护人员对应的性格测试评分、理论知识评分和技能测试评分，是通过预先对各个照护人员进行性格测试、理论知识测试和技能测试等获得的相应评分，预设等级预测模型具体可以为预设回归等级预测模型。
对于本发明实施例，为了获得各个照护人员对应的照护等级，首先需要对各个照护人员分别进行性格测试、理论知识测试和技能测试，获取照护人员分别对应的性格测试评分、理论知识评分和技能测试评分，之后将照护人员对应的性格测试评分、理论知识评分和技能测试评分一同输入至预设回归等级预测模型中进行等级预测，该预设回归等级预测模型的具体预测过程为：确定所述性格测试评分、所述理论知识评分和所述技能测试评分分别在所述预设回归等级预测模型中的权重系数；基于所述权重系数，对所述性格测试评分、所述理论知识评分和所述技能测试评分进行加权求和，得到所述各个照护人员对应的第一总评分；基于所述第一总评分，确定所述各个照护人员对应的照护等级。
进一步地，因为每个照护等级都对应一个测评总评分区间，基于照护人员对应的第一总评分，确定该第一总评分具体属于哪个测评总评分区间，进而根据该测评总评分区间对应的照护等级能够确定照护人员对应的照护等级，如一级照护等级对应的测评总分区间为90分-100分，二级照护等级对应的测评总分区间为80分-90分，三级照护等级对应的测评总分区间为70分-80分，四级照护等级对应的测评总分区间为60分-70分，五级照护等级对应的测评总分区间为50分-60分，若照护人员对应的第一总评分为85分，其在80分-90分的区间内，所以能够确定该照护人员对应二级照护等级，由此根据各个照护人员对应的第一总评分，能够确定各个照护人员对应的照护等级，并将所有照护人员对应的照护等级记录在预设照护人员库中。
进一步地，在将所有照护人员对应的照护等级记录至预设照护人员库之后，为了根据失能人员对应的护理处方，从预设护理人员库中确定所述失能人员对应的多个目标照护人员，步骤204具体包括：根据所述失能人员对应的护理处方查询预设照护等级列表，确定所述失能人员所需的照护等级，其中，所述预设照护等级列表中记录有不同护理处方对应的照护等级；从所述预设护理人员库中筛选具有所述照护等级的多个目标照护人员，所述预设护理人员库中记录有不同照护等级的照护人员。
对于本发明实施例，为了在预设护理人员库中筛选出失能人员对应的多个目标照护人员，首先需要根据失能人员对应的护理处方查询预设照护等级列表，确定该护理处方对应的照护等级，并将该照护等级确定为失能人员所需的照护等级，并根据该照护等级，在预设护理人员库中筛选出具有该照护等级的多个目标照护人员，其中，不同的护理处方对应不同的照护等级，如果失能人员仅需要清洁护理，则其对应五级照护等级，即该失能人员仅需要初级工照护即可；如果失能人员需要清洁护理+精神慰藉，其对应四级照护等级，即该失能人员需要中级工照护；如果失能人员需要清洁护理+医疗护理，其对应三级照护等级，即该失能人员需要高级工照护；如果失能人员需要医疗护理+精神慰藉，其对应二级照护等级，即该失能人员需要技师照护；如果失能人员需要清洁护理+医疗护理+精神慰藉，其对应一级照护等级，即该失能人员需要高级技师照护，由此通过该失能人员对应的护理处方，能够确定其需要的照护等级，进而根据该照护等级从预设照护人员库中筛选出具有该照护等级的多个目标照护人员，例如，预测失能人员对应的护理处方包括清洁护理、医疗护理和精神慰藉，根据该护理处方确定失能人员需要具有一级照护等级的照护人员，从该预设护理人员库中筛选出所有具有一级照护等级的照护人员，将其作为失能人员对应的多个目标照护人员。
205、基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。
对于本发明实施例，在确定失能人员对应的多个目标照护人员之后，需要在多个目标照护人员中确定与失能人员相匹配的照护人员，基于此，步骤205具体包括：根据所述失能人员对应的历史照护记录，筛选出照护评分大于预设评分的历史照护人员；获取所述历史照护人员的基本照护信息中的性格测试结果和技能测评结果，若所述性格测评结果和所述技能测评结果均满足预设测评结果要求，则将性格测评和技能测评作为所述多个目标照护人员共同对应的评分维度；确定所述评分维度对应的评分权重，以及所述多个目标照护人员分别在所述评分维度下的评分；基于所述评分权重，对所述评分维度下的评分进行加权求和，得到所述多个目标照护人员分别对应的第二总评分；基于所述多个目标照护人员分别对应的第二总评分，确定第二总评分最高的目标照护人员，并将所述第二总评分最高的目标照护人员确定为与所述失能人员相匹配的照护人员。
其中，历史照护人员为之前为失能人员服务过的照护人员，具体地，在获取失能人员的历史照护记录，并确定失能人员对应的多个目标照护人员之后，需要根据历史照护记录中记录的历史照护人员及对应的照护评分，筛选出照护评分大于预设评分的历史照护人员，并对该历史照护人员对应的性格测试评分、技能评分和距离失能人员的距离等照护信息进行分析，主要分析失能人员更倾向于哪种照护人员，进而确定多个目标照护人员共同对应的评分维度，及多个目标照护人员分别在该评分维度下的评分，并基于评分维度分别对应的评分权重，确定多个目标照护人员分别对应的第二总评分，最终在第二总评分中筛选出最高第二总评分，该最高第二总评分对应的目标照护人员即为与失能人员相匹配的照护人员。
例如，在根据失能人员的历史照护记录中，选择照护评分高于80分的历史照护人员有3人，通过分析这三位历史照护人员的基本信息，可以发现这三位历史照护人员的性格评测结果均大于80分，由此可以说明该失能人员更倾向于性格较好的照护人员，可以将性格作为一个评分维度对多个目标照护人员进行评分，再比如，通过分析发现三位历史照护人员的技能测评结果均大于80分，由此可以说明该失能人员更倾向于技能较高的照护人员，可以将技能作为一个评分维度对多个目标照护人员进行评分。
进一步地，还可以将照护人员距离失能人员的距离作为一个评分维度，以便为失能人员选择更加匹配的照护人员，例如，最终确定从距离、性格两个维度对多个目标照护人员进行评分，根据各个目标照护人员距离失能人员的距离远近，确定各个目标照护人员分别对应的距离评分，距离越近，距离评分越高，之后基于确定的距离和性格分别对应的权重，将该距离评分与性格测评分值加权求和，得到各个目标照护人员分别对应的第二总评分，第二总评分越高，说明目标照护人员与失能人员的匹配度越高，因此根据各个目标照护人员对应的评分结果，选择一个第二总评分最高的照护人员，并将其确定为与失能人员相匹配的照护人员。
进一步地，在确定与失能人员相匹配的照护人员之后，该照护人员接受照护任务，并对失能人员进行照护服务的过程中，所述方法还包括：获取与所述失能人员相匹配的照护人员在本次照护服务过程中的语音信息，以及所述失能人员针对本次照护服务给出的服务评分；将所述语音信息转换为文本信息，并对所述文本信息进行分词处理，得到所述文本信息对应的各个分词；将所述各个分词与预设关键词库中的各个关键词进行匹配，确定所述各个分词中包含的关键词；确定所述关键词对应的评分，并基于所述关键词对应的评分和所述失能人员给出的服务评分，计算与所述失能人员相匹配的照护人员本次照护服务的照护评分。
其中，预设关键词库中包含大量用于评价的关键词，如真棒、正好、厉害、一般、不行等等。
对于本发明实施例，在整个照护服务过程中，系统通过调用移动录音设备，能够获取失能人员与照护人员的语音信息，并将该语音信息转换成文本信息，之后对该文本信息进行分词处理，得到文本信息中包含的各个分词，将该各个分词与预设关键词库中的各个关键词进行匹配，确定预设关键词库中与各个分词中的任意一个分词相匹配的关键词，例如，转换成文本的语音信息为“你的性格真好”，对该文本信息进行分词处理得到各个分词为“你/的/性格/真好”，将该文本信息对应的各个分词分别与预设关键词库中各个关键词进行匹配，发现该文本信息对应的各个分词中存在关键词“真好”，由于不同关键词对应的评分不同，如“真棒、真好”对应10分，“一般”对应5分，“不行”对应2分，由此能够确定关键词对应的评分，与此同时，在照护服务结束后，失能人员或者家属也会给出服务评分，分别确定关键词评分和服务评分分别对应的评分权重，并基于该评分权重，将该服务评分与关键词对应的评分加权求和，得到照护人员本次照护服务对应的照护评分。
根据本发明提供的另一种为失能人员匹配照护人员的方法，与目前管理理人员根据病人或者居家老人的失能信息为其挑选照护人员的方式相比，本发明通过获取失能人员对应的基本失能信息和历史照护记录；并将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；与此同时，基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；最终基于所述历史照护记录对所述多个目标照护人员进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员，由此通过从预设照护人员库中选择多个目标照护人员，并对该目标照护人员进行评分，能够确定与该失能人员相匹配的照护人员，从而能够自动为失能人员匹配合适的照护人员，提高了照护人员的匹配精度，进而能够保证居家照护服务质量。
进一步地，作为图1的具体实现，本发明实施例提供了一种为失能人员匹配照护人员的装置，如图3所示，所述装置包括：获取单元31、预测单元32、确定单元33和评分单元34。
所述获取单元31，可以用于获取失能人员对应的基本失能信息和历史照护记录。
所述预测单元32，可以用于将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方。
所述确定单元33，可以用于基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员。
所述评分单元34，可以用于基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。
在具体应用场景中，为了获得失能人员对应的护理处方，如图4所示，所述预测单元32，包括预测模块321和第一确定模块322。
所述预测模块321，可以用于将所述基本失能信息输入至所述预设多层感知器中进行处方预测，得到所述失能人员需要不同护理处方的概率值。
所述第一确定模块322，可以用于根据所述失能人员需要不同护理处方的概率值，确定最大概率值对应的护理处方，并将所述最大概率值对应的护理处方确定为所述失能人员对应的护理处方。
在具体应用场景中，为了确定失能人员对应的多个目标照护人员，所述确定单元33，包括第二确定模块331和第一筛选模块332。
所述第二确定模块331，可以用于根据所述失能人员对应的护理处方查询预设照护等级列表，确定所述失能人员所需的照护等级，其中，所述预设照护等级列表中记录有不同护理处方对应的照护等级。
所述第一筛选模块332，可以用于从所述预设护理人员库中筛选具有所述照护等级的多个目标照护人员，所述预设护理人员库中记录有不同照护等级的照护人员。
在具体应用场景中，为了确定各个照护人员对应的照护等级，在从预设护理人员库中筛选出相应照护等级的多个目标照护人员之前，所述确定单元33，还包括获取模块333和等级预测模块334。
所述获取模块333，可以用于获取各个照护人员对应的性格测试评分、理论知识评分和技能测试评分。
所述等级预测模块334，可以用于将所述性格测试评分、所述理论知识评分和所述技能测试评分一同输入至预设等级预测模型中进行等级预测，得到所述各个照护人员对应的照护等级。
在具体应用场景中，为了确定各个照护人员的照护等级，所述等级预测模块334，包括确定子模块和求和子模块。
所述确定子模块，可以用于确定所述性格测试评分、所述理论知识评分和所述技能测试评分分别在所述预设回归等级预测模型中的权重系数。
所述求和子模块，可以用于基于所述权重系数，对所述性格测试评分、所述理论知识评分和所述技能测试评分进行加权求和，得到所述各个照护人员对应的第一总评分。
所述确定子模块，具体可以用于基于所述第一总评分，确定所述各个照护人员对应的照护等级。
在具体应用场景中，为了从多个目标照护人员中确定与失能人员相匹配的照护人员，所述评分单元34，包括第二筛选模块341、分析模块342、第三确定模块343和求和模块344。
所述第二筛选模块341，可以用于根据所述失能人员对应的历史照护记录，筛选出照护评分大于预设评分的历史照护人员。
所述分析模块342，可以用于获取所述历史照护人员的基本照护信息中的性格测试结果和技能测评结果，若所述性格测评结果和所述技能测评结果均满足预设测评结果要求，则将性格测评和技能测评作为所述多个目标照护人员共同对应的评分维度。
所述第三确定模块343，可以用于确定所述评分维度对应的评分权重，以及所述多个目标照护人员分别在所述评分维度下的评分。
所述求和模块344，可以用于基于所述评分权重，对所述评分维度下的评分进行加权求和，得到所述多个目标照护人员分别对应的第二总评分。
所述第三确定模块343，具体可以用于基于所述多个目标照护人员分别对应的第二总评分，确定第二总评分最高的目标照护人员，并将所述第二总评分最高的目标照护人员确定为与所述失能人员相匹配的照护人员。
在具体应用场景中，在为失能人员确定相匹配的照护人员之后，为了对该照护人员在本次照护服务过程中进行照护评分，所述装置还包括分词单元35、匹配单元36和计算单元37。
所述获取单元31，还可以用于获取与所述失能人员相匹配的照护人员在本次照护服务过程中的语音信息，以及所述失能人员针对本次照护服务给出的服务评分。
所述分词单元35，可以用于将所述语音信息转换为文本信息，并对所述文本信息进行分词处理，得到所述文本信息对应的各个分词。
所述匹配单元36，可以用于将所述各个分词与预设关键词库中的各个关键词进行匹配，确定所述各个分词中包含的关键词。
所述计算单元37，可以用于确定所述关键词对应的评分，并基于所述关键词对应的评分和所述失能人员给出的服务评分，计算与所述失能人员相匹配的照护人员本次照护服务的照护评分。
需要说明的是，本发明实施例提供的一种为失能人员匹配照护人员的装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。
基于上述如图1所示方法，相应的，本发明实施例还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以下步骤：获取失能人员对应的基本失能信息和历史照护记录；将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。
基于上述如图1所示方法和如图3所示装置的实施例，本发明实施例还提供了一种计算机设备的实体结构图，如图5所示，该计算机设备包括：处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序，其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤：获取失能人员对应的基本失能信息和历史照护记录；将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。
通过本发明的技术方案，本发明通过获取失能人员对应的基本失能信息和历史照护记录；并将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；与此同时，基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；最终基于所述历史照护记录对所述多个目标照护人员进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员，由此通过从预设照护人员库中选择多个目标照护人员，并对该目标照护人员进行评分，能够确定与该失能人员相匹配的照护人员，从而能够自动为失能人员匹配合适的照护人员，提高了照护人员的匹配精度，进而能够保证居家照护服务质量。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (10)

1.一种为失能人员匹配照护人员的方法，其特征在于，包括：
获取失能人员对应的基本失能信息和历史照护记录；
将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；
基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；
基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。
2.根据权利要求1所述的方法，其特征在于，所述预设护理处方预测模型为预设多层感知器，所述将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方，包括：
将所述基本失能信息输入至所述预设多层感知器中进行处方预测，得到所述失能人员需要不同护理处方的概率值；
根据所述失能人员需要不同护理处方的概率值，确定最大概率值对应的护理处方，并将所述最大概率值对应的护理处方确定为所述失能人员对应的护理处方。
3.根据权利要求1所述的方法，其特征在于，所述基于所述失能人员对应的护理处方，从预设护理人员库中确定所述失能人员对应的多个目标照护人员，包括：
根据所述失能人员对应的护理处方查询预设照护等级列表，确定所述失能人员所需的照护等级，其中，所述预设照护等级列表中记录有不同护理处方对应的照护等级；
从所述预设护理人员库中筛选具有所述照护等级的多个目标照护人员，所述预设护理人员库中记录有不同照护等级的照护人员。
4.根据权利要求3所述的方法，其特征在于，在所述从所述预设护理人员库中筛选具有所述照护等级的多个目标照护人员之前，所述方法还包括：
获取各个照护人员对应的性格测试评分、理论知识评分和技能测试评分；
将所述性格测试评分、所述理论知识评分和所述技能测试评分一同输入至预设等级预测模型中进行等级预测，得到所述各个照护人员对应的照护等级。
5.根据权利要求4所述的方法，其特征在于，所述预设等级预测模型为预设回归等级预测模型，所述将所述性格测试评分、所述理论知识评分和所述技能测试评分一同输入至预设等级预测模型中进行等级预测，得到所述各个照护人员对应的照护等级，包括：
确定所述性格测试评分、所述理论知识评分和所述技能测试评分分别在所述预设回归等级预测模型中的权重系数；
基于所述权重系数，对所述性格测试评分、所述理论知识评分和所述技能测试评分进行加权求和，得到所述各个照护人员对应的第一总评分；
基于所述第一总评分，确定所述各个照护人员对应的照护等级。
6.根据权利要求1所述的方法，其特征在于，所述基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员，包括：
根据所述失能人员对应的历史照护记录，筛选出照护评分大于预设评分的历史照护人员；
获取所述历史照护人员的基本照护信息中的性格测试结果和技能测评结果，若所述性格测评结果和所述技能测评结果均满足预设测评结果要求，则将性格测评和技能测评作为所述多个目标照护人员共同对应的评分维度；
确定所述评分维度对应的评分权重，以及所述多个目标照护人员分别在所述评分维度下的评分；
基于所述评分权重，对所述评分维度下的评分进行加权求和，得到所述多个目标照护人员分别对应的第二总评分；
基于所述多个目标照护人员分别对应的第二总评分，确定第二总评分最高的目标照护人员，并将所述第二总评分最高的目标照护人员确定为与所述失能人员相匹配的照护人员。
7.根据权利要求1所述的方法，其特征在于，在所述基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员之后，所述方法还包括：
获取与所述失能人员相匹配的照护人员在本次照护服务过程中的语音信息，以及所述失能人员针对本次照护服务给出的服务评分；
将所述语音信息转换为文本信息，并对所述文本信息进行分词处理，得到所述文本信息对应的各个分词；
将所述各个分词与预设关键词库中的各个关键词进行匹配，确定所述各个分词中包含的关键词；
确定所述关键词对应的评分，并基于所述关键词对应的评分和所述失能人员给出的服务评分，计算与所述失能人员相匹配的照护人员本次照护服务的照护评分。
8.一种为失能人员匹配照护人员的装置，其特征在于，包括：
获取单元，用于获取失能人员对应的基本失能信息和历史照护记录；
预测单元，用于将所述基本失能信息输入至预设护理处方预测模型中进行处方预测，得到所述失能人员对应的护理处方；
确定单元，用于基于所述失能人员对应的护理处方，从预设照护人员库中确定所述失能人员对应的多个目标照护人员；
评分单元，用于基于所述历史照护记录对所述多个目标照护人员分别进行评分，根据评分结果，从所述多个目标照护人员中确定与所述失能人员相匹配的照护人员。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机设备，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，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202111005434.7A 2021-08-30 2021-08-30 为失能人员匹配照护人员的方法、装置及计算机设备 Pending CN113643798A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111005434.7A CN113643798A (zh) 2021-08-30 2021-08-30 为失能人员匹配照护人员的方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111005434.7A CN113643798A (zh) 2021-08-30 2021-08-30 为失能人员匹配照护人员的方法、装置及计算机设备

Publications (1)

Publication Number Publication Date
CN113643798A true CN113643798A (zh) 2021-11-12

Family

ID=78424381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111005434.7A Pending CN113643798A (zh) 2021-08-30 2021-08-30 为失能人员匹配照护人员的方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN113643798A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114117238A (zh) * 2021-12-09 2022-03-01 福寿康(上海)医疗养老服务有限公司 护理员智能推荐排程系统
CN115239121A (zh) * 2022-07-19 2022-10-25 广州涛宇斯特生物科技有限公司 一种智能监控看护系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160036193A (ko) * 2014-09-24 2016-04-04 주식회사 팀인터페이스 재가노인에 대한 추천 서비스 제공 방법
CN105719215A (zh) * 2016-04-08 2016-06-29 何伯祥 一种基于智能终端的照护保险服务管理系统及方法
CN108172283A (zh) * 2017-12-28 2018-06-15 泰康保险集团股份有限公司 护理监管方法及装置
CN111326245A (zh) * 2020-02-11 2020-06-23 北京字节跳动网络技术有限公司 数据信息的处理方法、装置、电子设备及计算机存储介质
CN111354451A (zh) * 2020-03-04 2020-06-30 中国医科大学附属盛京医院 医院护理服务人员的智能推荐方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160036193A (ko) * 2014-09-24 2016-04-04 주식회사 팀인터페이스 재가노인에 대한 추천 서비스 제공 방법
CN105719215A (zh) * 2016-04-08 2016-06-29 何伯祥 一种基于智能终端的照护保险服务管理系统及方法
CN108172283A (zh) * 2017-12-28 2018-06-15 泰康保险集团股份有限公司 护理监管方法及装置
CN111326245A (zh) * 2020-02-11 2020-06-23 北京字节跳动网络技术有限公司 数据信息的处理方法、装置、电子设备及计算机存储介质
CN111354451A (zh) * 2020-03-04 2020-06-30 中国医科大学附属盛京医院 医院护理服务人员的智能推荐方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114117238A (zh) * 2021-12-09 2022-03-01 福寿康(上海)医疗养老服务有限公司 护理员智能推荐排程系统
CN114117238B (zh) * 2021-12-09 2023-08-29 福寿康(上海)医疗养老服务有限公司 护理员智能推荐排程系统
CN115239121A (zh) * 2022-07-19 2022-10-25 广州涛宇斯特生物科技有限公司 一种智能监控看护系统

Similar Documents

Publication Publication Date Title
Dowding et al. Measuring the quality of judgement and decision‐making in nursing
US10311975B2 (en) Rules-based system for care management
Dixit Factors Influencing Healthtech Literacy: An Empirical Analysis of Socioeconomic, Demographic, Technological, and Health-Related Variables
CN110619959A (zh) 一种智能分诊的方法及系统
CN113643798A (zh) 为失能人员匹配照护人员的方法、装置及计算机设备
CN114187988A (zh) 数据处理的方法及装置、系统、存储介质
US11200967B1 (en) Medical patient synergistic treatment application
KR20220095104A (ko) 빅데이터 및 클라우드 시스템 기반 인공지능 응급의료 의사결정 및 응급환자 이송 시스템과 그 방법
Kukafka et al. Human and automated coding of rehabilitation discharge summaries according to the International Classification of Functioning, Disability, and Health
JP2013148996A (ja) 重症度判定装置、及び、重症度判定方法
Bhatt et al. Importance of digitech adoption for providing efficient healthcare services during COVID-19
US11545261B2 (en) Hospital healthcare provider monitoring and verifying device and system for patient care condition
US11706604B2 (en) Responding to emergency calls
Namahoot et al. Mobile diagnosis system with emergency telecare in Thailand (MOD-SET)
US11694790B2 (en) Matching a subject to resources
KR20180002229A (ko) 치매 정보 데이터베이스 구축을 위한 에이전트 장치 및 그 운영방법
US20230005603A1 (en) Intelligent emergency triage system
CN117012380A (zh) 事件预估方法、装置、设备、存储介质及程序产品
US20030018240A1 (en) Chronic heart failure patient identification system
US20200381118A1 (en) Artificial intelligence (ai) system for individual health maintenance recommendations
CN110752017B (zh) 一种基于深度学习的社区医生调度方法及系统
US20230317222A1 (en) Machine learning-based electronic health record prediction
CN113380428B (zh) 一种订单处理方法、系统和电子设备
US20220189637A1 (en) Automatic early prediction of neurodegenerative diseases
WO2024116536A1 (ja) 健康管理支援システム、健康管理支援方法、及びプログラム

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
TA01 Transfer of patent application right

Effective date of registration: 20220523

Address after: 518000 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province

Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd.

Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001

Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd.

TA01 Transfer of patent application right