CN113657809B - 医院画像的构建方法、装置、设备及存储介质 - Google Patents
医院画像的构建方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113657809B CN113657809B CN202111017277.1A CN202111017277A CN113657809B CN 113657809 B CN113657809 B CN 113657809B CN 202111017277 A CN202111017277 A CN 202111017277A CN 113657809 B CN113657809 B CN 113657809B
- Authority
- CN
- China
- Prior art keywords
- hospital
- labels
- issue module
- module
- patient
- 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
Links
- 238000003860 storage Methods 0.000 title claims abstract description 26
- 238000010276 construction Methods 0.000 title claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 9
- 239000003814 drug Substances 0.000 description 19
- 229940079593 drug Drugs 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 13
- 230000004927 fusion Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000005259 measurement Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000844 anti-bacterial effect Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 206010011409 Cross infection Diseases 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 241000220010 Rhode Species 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 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
- 230000003449 preventive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及大数据领域，应用于智慧医疗领域中，提供一种医院画像的构建方法、装置、设备及存储介质，用于解决医院画像在保障医院内部相关医疗敏感数据的隐私保护下，无法直观呈现患者所需的各维度信息的问题。医院画像的构建方法包括：根据患者议题模块信息和待分析医院信息创建初始医院画像；通过数据包络分析算法、各患者议题模块标签对应的指标因子和各医院标签对应的医院数据集进行效率运算计算各医院标签对应的患者议题模块标签得分值；根据患者议题模块标签得分值对多个医院标签进行排序得到医院标签序列；通过医院标签序列对初始医院画像进行更新得到目标医院画像。此外，本发明还涉及区块链技术，目标医院画像可存储于区块链中。
Description
技术领域
本发明涉及数据分析领域，尤其涉及一种医院画像的构建方法、装置、设备及存储介质。
背景技术
随着计算机技术的兴起，用于智慧医院的医疗平台可支持疾病辅助诊断、健康管理和远程会诊等功能，医疗平台也可支持用户对于智慧医院的信息查询和信息操作，为了便于患者对于各医院的信息查阅和了解，医疗平台通过医院画像的形式将各医院的信息呈现。目前，一般都是根据各医院的度量指标来构建医院画像，例如：各医院的病种组合指数、病种总例数、指数单价等指标。
然而构建医院画像的各医院的度量指标维度多样且各不相同，导致了无法科学地获得医院画像各维度的画像得分值，以及构建的医院画像单一且多以医院角度，且无法提供医院内部相关医疗敏感数据的隐私保护，从而导致了医院画像在保障医院内部相关医疗敏感数据的隐私保护下，无法直观呈现患者所需的各维度信息。
发明内容
本发明提供一种医院画像的构建方法、装置、设备及存储介质，用于解决医院画像在保障医院内部相关医疗敏感数据的隐私保护下，无法直观呈现患者所需的各维度信息的问题。
本发明第一方面提供了一种医院画像的构建方法，包括：
获取患者议题模块信息和待分析医院信息，并根据所述患者议题模块信息和所述待分析医院信息创建初始医院画像，所述初始医院画像包括多个患者议题模块标签和各患者议题模块便签对应的多个医院标签；
获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过预置的数据包络分析算法和各患者议题模块标签对应的指标因子，对各医院标签对应的医院数据集进行效率运算，得到各医院标签对应的患者议题模块标签得分值；
根据所述各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行排序，得到各患者议题模块标签对应的医院标签序列数据；
通过所述各患者议题模块标签对应的医院标签序列数据，对所述初始医院画像进行更新，得到目标医院画像。
可选的，在本发明第一方面的第一种实现方式中，所述获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过预置的数据包络分析算法和各患者议题模块标签对应的指标因子，对各医院标签对应的医院数据集进行效率运算，得到各医院标签对应的患者议题模块标签得分值，包括：
获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过各患者议题模块标签对应的指标因子，对所述各医院标签对应的医院数据集进行各患者议题模块标签的投入项分类和产出项分类，得到各医院标签对应的投入项数据和各医院标签对应的模块指标产出项数据；
按照各患者议题模块标签对应的着重评估指标，调用预置的数据包络分析算法，对所述各医院标签对应的投入项数据和所述各医院标签对应的模块指标产出项数据依次进行效率值的计算和判断融合，得到各医院标签对应的患者议题模块标签得分值。
可选的，在本发明第一方面的第二种实现方式中，所述按照各患者议题模块标签对应的着重评估指标，调用预置的数据包络分析算法，对所述各医院标签对应的投入项数据和所述各医院标签对应的模块指标产出项数据依次进行效率值的计算和判断融合，得到各医院标签对应的患者议题模块标签得分值，包括：
按照各患者议题模块标签对应的着重评估指标，通过预置的数据包络分析算法，对所述各医院标签对应的投入项数据和所述各医院标签对应的模块指标产出项数据进行效率值的计算，得到各医院标签对应的初始得分值，所述各医院标签对应的初始得分值包括综合效率值、纯技术效率值和规模效率值中的至少一种；
判断所述各医院标签对应的初始得分值中的效率值数量是否大于预设值；
若所述各医院标签对应的初始得分值中的效率值数量大于预设值，则对所述各医院标签对应的初始得分值中的效率值进行加权求和，得到各医院标签对应的患者议题模块标签得分值。
可选的，在本发明第一方面的第三种实现方式中，所述通过所述各患者议题模块标签对应的医院标签序列数据，对所述初始医院画像进行更新，得到目标医院画像，包括：
调用预置的关联算法，将所述各患者议题模块便签对应的多个医院标签和所述各患者议题模块标签对应的医院标签序列数据进行关联并创建对应关系，得到模块医院标签序列数据集，所述模块医院标签序列数据集包括各患者议题模块标签对应的医院标签序列以及医院标签序列对应的患者议题模块标签得分值和排序名次；
根据所述模块医院标签序列数据集中的各患者议题模块标签对应的医院标签序列创建父级元素，并根据所述模块医院标签序列数据集中的医院标签序列对应的患者议题模块标签得分值和排序名次创建所述父级元素的子元素集；
将所述父元素和所述子元素集添加至所述初始医院画像，得到目标医院画像。
可选的，在本发明第一方面的第四种实现方式中，所述获取患者议题模块信息和待分析医院信息，并根据所述患者议题模块信息和所述待分析医院信息创建初始医院画像，所述初始医院画像包括多个患者议题模块标签和各患者议题模块便签对应的多个医院标签，包括：
获取患者议题模块信息和待分析医院信息，所述患者议题模块信息用于指示基于患者关注的议题创建的多个模块，所述待分析医院信息包括一个或一个以上的医院的基本信息；
基于所述患者议题模块信息创建多个患者议题模块标签，基于所述待分析医院信息创建各患者议题模块便签对应的多个医院标签，并创建所述多个患者议题模块标签与所述各患者议题模块便签对应的多个医院标签之间的对应关系；
将创建对应关系的多个患者议题模块标签作为多个画像父节点，并将创建对应关系的各患者议题模块便签对应的多个医院标签作为各画像父节点对应的多个子节点，基于所述多个画像父节点和所述各画像父节点对应的多个子节点生成初始医院画像。
可选的，在本发明第一方面的第五种实现方式中，所述根据所述各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行排序，得到各患者议题模块标签对应的医院标签序列数据，包括：
调用预置的选择排序算法，基于所述各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行降序排列，得到各患者议题模块标签对应的待校验序列数据；
调用预置的归并排序算法，基于所述各医院标签对应的患者议题模块标签得分值，对所述各患者议题模块便签对应的多个医院标签进行降序排列，得到各患者议题模块标签对应的对比序列数据；
通过所述各患者议题模块标签对应的对比序列数据，对所述各患者议题模块标签对应的待校验序列数据进行校验，将校验通过的各患者议题模块标签对应的待校验序列数据确定为各患者议题模块标签对应的医院标签序列数据。
可选的，在本发明第一方面的第六种实现方式中，所述通过所述各患者议题模块标签对应的医院标签序列数据，对所述初始医院画像进行更新，得到目标医院画像之后，还包括：
创建所述目标医院画像的虚拟视图，并接收基于所述虚拟视图的请求，根据所述请求执行所述目标医院画像的医院推荐和/或医院预约。
本发明第二方面提供了一种医院画像的构建装置，包括：
创建模块，用于获取患者议题模块信息和待分析医院信息，并根据所述患者议题模块信息和所述待分析医院信息创建初始医院画像，所述初始医院画像包括多个患者议题模块标签和各患者议题模块便签对应的多个医院标签；
运算模块，用于获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过预置的数据包络分析算法和各患者议题模块标签对应的指标因子，对各医院标签对应的医院数据集进行效率运算，得到各医院标签对应的患者议题模块标签得分值；
排序模块，用于根据所述各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行排序，得到各患者议题模块标签对应的医院标签序列数据；
更新模块，用于通过所述各患者议题模块标签对应的医院标签序列数据，对所述初始医院画像进行更新，得到目标医院画像。
可选的，在本发明第二方面的第一种实现方式中，所述运算模块包括：
分类单元，用于获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过各患者议题模块标签对应的指标因子，对所述各医院标签对应的医院数据集进行各患者议题模块标签的投入项分类和产出项分类，得到各医院标签对应的投入项数据和各医院标签对应的模块指标产出项数据；
计算融合单元，用于按照各患者议题模块标签对应的着重评估指标，调用预置的数据包络分析算法，对所述各医院标签对应的投入项数据和所述各医院标签对应的模块指标产出项数据依次进行效率值的计算和判断融合，得到各医院标签对应的患者议题模块标签得分值。
可选的，在本发明第二方面的第二种实现方式中，所述计算融合单元具体用于：
按照各患者议题模块标签对应的着重评估指标，通过预置的数据包络分析算法，对所述各医院标签对应的投入项数据和所述各医院标签对应的模块指标产出项数据进行效率值的计算，得到各医院标签对应的初始得分值，所述各医院标签对应的初始得分值包括综合效率值、纯技术效率值和规模效率值中的至少一种；
判断所述各医院标签对应的初始得分值中的效率值数量是否大于预设值；
若所述各医院标签对应的初始得分值中的效率值数量大于预设值，则对所述各医院标签对应的初始得分值中的效率值进行加权求和，得到各医院标签对应的患者议题模块标签得分值。
可选的，在本发明第二方面的第三种实现方式中，所述更新模块具体用于：
调用预置的关联算法，将所述各患者议题模块便签对应的多个医院标签和所述各患者议题模块标签对应的医院标签序列数据进行关联并创建对应关系，得到模块医院标签序列数据集，所述模块医院标签序列数据集包括各患者议题模块标签对应的医院标签序列以及医院标签序列对应的患者议题模块标签得分值和排序名次；
根据所述模块医院标签序列数据集中的各患者议题模块标签对应的医院标签序列创建父级元素，并根据所述模块医院标签序列数据集中的医院标签序列对应的患者议题模块标签得分值和排序名次创建所述父级元素的子元素集；
将所述父元素和所述子元素集添加至所述初始医院画像，得到目标医院画像。
可选的，在本发明第二方面的第四种实现方式中，所述创建模块具体用于：
获取患者议题模块信息和待分析医院信息，所述患者议题模块信息用于指示基于患者关注的议题创建的多个模块，所述待分析医院信息包括一个或一个以上的医院的基本信息；
基于所述患者议题模块信息创建多个患者议题模块标签，基于所述待分析医院信息创建各患者议题模块便签对应的多个医院标签，并创建所述多个患者议题模块标签与所述各患者议题模块便签对应的多个医院标签之间的对应关系；
将创建对应关系的多个患者议题模块标签作为多个画像父节点，并将创建对应关系的各患者议题模块便签对应的多个医院标签作为各画像父节点对应的多个子节点，基于所述多个画像父节点和所述各画像父节点对应的多个子节点生成初始医院画像。
可选的，在本发明第二方面的第五种实现方式中，所述排序模块具体用于：
调用预置的选择排序算法，基于所述各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行降序排列，得到各患者议题模块标签对应的待校验序列数据；
调用预置的归并排序算法，基于所述各医院标签对应的患者议题模块标签得分值，对所述各患者议题模块便签对应的多个医院标签进行降序排列，得到各患者议题模块标签对应的对比序列数据；
通过所述各患者议题模块标签对应的对比序列数据，对所述各患者议题模块标签对应的待校验序列数据进行校验，将校验通过的各患者议题模块标签对应的待校验序列数据确定为各患者议题模块标签对应的医院标签序列数据。
可选的，在本发明第二方面的第六种实现方式中，所述医院画像的构建装置，还包括：
执行模块，用于创建所述目标医院画像的虚拟视图，并接收基于所述虚拟视图的请求，根据所述请求执行所述目标医院画像的医院推荐和/或医院预约。
本发明第三方面提供了一种医院画像的构建设备，包括：存储器和至少一个处理器，所述存储器中存储有计算机程序；所述至少一个处理器调用所述存储器中的所述计算机程序，以使得所述医院画像的构建设备执行上述的医院画像的构建方法。
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计算机程序，当其在计算机上运行时，使得计算机执行上述的医院画像的构建方法。
本发明提供的技术方案中，获取患者议题模块信息和待分析医院信息，并根据所述患者议题模块信息和所述待分析医院信息创建初始医院画像，所述初始医院画像包括多个患者议题模块标签和各患者议题模块便签对应的多个医院标签；获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过预置的数据包络分析算法和各患者议题模块标签对应的指标因子，对各医院标签对应的医院数据集进行效率运算，得到各医院标签对应的患者议题模块标签得分值；根据所述各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行排序，得到各患者议题模块标签对应的医院标签序列数据；通过所述各患者议题模块标签对应的医院标签序列数据，对所述初始医院画像进行更新，得到目标医院画像。本发明实施例中，通过患者议题模块信息、通过数据包络分析算法计算各医院标签对应的患者议题模块标签得分值，以及通过各患者议题模块标签对应的医院标签序列数据对初始医院画像进行更新，解决了既往医院画像单一且多以医院角度的问题，保证了保障医院内部相关医疗敏感数据的隐私保护，以及统一了度量指标维度的计算，能够准确、直观地显示各医院的各维度的画像得分值，使得医院画像能够直观呈现出患者所需的各维度信息，解决了医院画像在保障医院内部相关医疗敏感数据的隐私保护下，无法直观呈现患者所需的各维度信息的问题。
附图说明
图1为本发明实施例中医院画像的构建方法的一个实施例示意图；
图2为本发明实施例中医院画像的构建方法的另一个实施例示意图；
图3为本发明实施例中医院画像的构建装置的一个实施例示意图；
图4为本发明实施例中医院画像的构建装置的另一个实施例示意图；
图5为本发明实施例中医院画像的构建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院画像的构建方法、装置、设备及存储介质，解决了医院画像在保障医院内部相关医疗敏感数据的隐私保护下，无法直观呈现患者所需的各维度信息的问题。
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，本发明实施例中医院画像的构建方法的一个实施例包括：
101、获取患者议题模块信息和待分析医院信息，并根据患者议题模块信息和待分析医院信息创建初始医院画像，初始医院画像包括多个患者议题模块标签和各患者议题模块便签对应的多个医院标签。
可以理解的是，本发明的执行主体可以为医院画像的构建装置，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。
服务器从预置数据库中提取患者关注议题数据，该患者关注议题数据为基于医院与患者交互的APP或小程序或其他交互工具生成的患者查阅数据、患者咨询数据和患者关注数据，患者关注议题数据的获取途径都是合法、合规的途径，患者关注议题数据都是经过用户授权后获取的；对患者关注议题数据进行议题分类，得到多个议题类型；根据多个议题类型分别建立对应的模块信息，从而得到患者议题模块信息。其中，患者议题模块信息包括一个或一个以上的患者议题类型分别对应的医院画像的显示版块的名称，例如：患者议题模块信息包括工作负荷、合理用药、工作效率、治疗质量、患者负担和资产运营六大模块的医院画像的显示版块的名称。待分析医院信息包括一个或一个以上的医院的基本信息。
服务器调用预置的标签创建函数，基于患者议题模块信息创建多个患者议题模块标签，基于待分析医院信息创建各患者议题模块便签对应的多个医院标签；调用预置的关系表创建函数或关联算法创建多个患者议题模块标签与各患者议题模块便签对应的多个医院标签之间的对应关系；根据对应关系建立多个患者议题模块标签与各患者议题模块便签对应的多个医院标签的初始医院画像。
102、获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过预置的数据包络分析算法和各患者议题模块标签对应的指标因子，对各医院标签对应的医院数据集进行效率运算，得到各医院标签对应的患者议题模块标签得分值。
其中，各患者议题模块标签对应的指标因子为各患者议题模块标签对应的度量指标，例如：各患者议题模块标签分别为工作负荷、合理用药、工作效率、治疗质量、患者负担和资产运营，则工作负荷对应的指标因子包括总诊疗人次、门急诊人次、门诊人次、急诊人次、预约挂号人次、出院人数、住院人次、实际占用日数、手术例数和手术人次，合理用药对应的指标因子包括每次就诊人均用药品种数、每次就诊人均药费、就诊使用抗菌药物的百分率、就诊使用注射药物的百分率、基本药物占处方用药的百分率、住院患者人均使用抗菌药物费用、抗菌药物费用占药费总额的百分率、外科清洁手术预防用药和手术前0.5-2.0小时内给药百分率，工作效率对应的指标因子包括平均门诊诊疗人次、平均住院日、病床周转次数、病床周转率和平均入院人数和每卫技人员诊次当量，治疗质量对应的指标因子包括出院当天再住院率、手术并发症发生率、住院患者出院31天内再住院率、剖宫产手术产妇出院31天内再住院率、重返手术室再次手术发生率、新生儿患者医院感染发生率和手术部位感染总发生率，患者负担对应的指标因子包括门诊报销比例、住院报销比例、门诊人次收费水平、每床位药品和卫材费用、门诊患者次均医药费用和出院患者次均医药费用，资产运营对应的指标因子包括业务收入、总收入、医疗收入、门诊医疗业务收入、住院医疗业务收入、财政补助收入、药品收入、每诊次业务收入和诊次当量成本。
各医院标签对应的医院数据集包括各医院的各患者议题模块标签对应的指标因子所对应的医疗数据，例如：以医院标签对应甲医院、指标因子为患者负担为例说明，甲医院(医院标签)对应的医院数据集包括门诊报销比例数值、住院报销比例数值、门诊人次收费水平数值、每床位药品和卫材费用数值、门诊患者次均医药费用数值和出院患者次均医药费用数值。
服务器发送数据获取请求给预置医院联盟链，预置医院联盟链对数据获取请求进行校验，校验通过后，将各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集返回给服务器，通过预置医院联盟链保证了各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集的数据安全性和共享性。调用预置的数据包络分析算法中固定规模报酬模型(A.Charnes&W.W.Cooper&E.Rhodes，CCR)和变动规模报酬模型(Banker&Charnes&Cooper，BCC)中的至少一种，基于各患者议题模块标签对应的指标因子，对各医院标签对应的医院数据集进行效率运算，得到各医院标签对应的患者议题模块标签得分值，其中，各医院标签对应的患者议题模块标签得分值包括综合效率值、纯技术效率值和规模效率值中的至少一种或者综合效率值、纯技术效率值和规模效率值中任意两者以上的融合值。
103、根据各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行排序，得到各患者议题模块标签对应的医院标签序列数据。
服务器调用预置的排序算法，基于各医院标签对应的患者议题模块标签得分值，对多个医院标签进行降序排列，得到各患者议题模块标签对应的预排序序列数据，获取校验信息，通过校验信息对各患者议题模块标签对应的预排序序列数据进行校验，将校验通过的各患者议题模块标签对应的预排序序列数据确定为各患者议题模块标签对应的医院标签序列数据，其中，排序算法可为选择排序、归并排序算法、插入排序、计数排序算法和基数排序等中的任意一种，校验信息可为通过选择排序、归并排序算法、插入排序、计数排序算法和基数排序等中除了各患者议题模块标签对应的预排序序列所采用的算法之外的任意一种，基于各医院标签对应的患者议题模块标签得分值，对多个医院标签进行降序排列后的序列数据，各患者议题模块标签对应的医院标签序列数据包括各患者议题模块标签对应的医院标签序列、各患者议题模块标签对应的医院标签序列对应的患者议题模块标签得分值和各患者议题模块标签对应的医院标签序列对应的排列名次。
104、通过各患者议题模块标签对应的医院标签序列数据，对初始医院画像进行更新，得到目标医院画像。
服务器创建各患者议题模块标签对应的医院标签序列数据对应的标签或元素，将各患者议题模块标签对应的医院标签序列数据对应的标签或元素添加在初始医院画像中对应的标签位置，从而对初始医院画像进行更新，得到更新后的医院画像；对更新后的医院画像中的标签位置和元素添加位置进行检测，得到目标医院画像。
本发明实施例中，通过患者议题模块信息、通过数据包络分析算法计算各医院标签对应的患者议题模块标签得分值，以及通过各患者议题模块标签对应的医院标签序列数据对初始医院画像进行更新，解决了既往医院画像单一且多以医院角度的问题，保证了保障医院内部相关医疗敏感数据的隐私保护，以及统一了度量指标维度的计算，能够准确、直观地显示各医院的各维度的画像得分值，使得医院画像能够直观呈现出患者所需的各维度信息，解决了医院画像在保障医院内部相关医疗敏感数据的隐私保护下，无法直观呈现患者所需的各维度信息的问题。本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，本发明实施例中医院画像的构建方法的另一个实施例包括：
201、获取患者议题模块信息和待分析医院信息，并根据患者议题模块信息和待分析医院信息创建初始医院画像，初始医院画像包括多个患者议题模块标签和各患者议题模块便签对应的多个医院标签。
具体地，服务器获取患者议题模块信息和待分析医院信息，患者议题模块信息用于指示基于患者关注的议题创建的多个模块，待分析医院信息包括一个或一个以上的医院的基本信息；基于患者议题模块信息创建多个患者议题模块标签，基于待分析医院信息创建各患者议题模块便签对应的多个医院标签，并创建多个患者议题模块标签与各患者议题模块便签对应的多个医院标签之间的对应关系；将创建对应关系的多个患者议题模块标签作为多个画像父节点，并将创建对应关系的各患者议题模块便签对应的多个医院标签作为各画像父节点对应的多个子节点，基于多个画像父节点和各画像父节点对应的多个子节点生成初始医院画像。
服务器从预置数据库中获取患者议题模块信息，患者议题模块信息用于指示基于患者关注的议题创建的多个模块，患者议题模块信息包括多个患者议题模块分别对应的医院画像上显示版块的名称；通过发送医院信息获取请求至预置医院联盟链，预置医院联盟链对医院信息获取请求进行校验，校验通过后将对应的待分析医院信息返回至服务器，其中，预置医院联盟链由各医院的私有链构成。
服务器对患者议题模块信息进行属性提取，得到患者议题属性，调用预置的标签创建函数，基于患者议题属性建立对应的多个患者议题模块标签，对待分析医院信息进行属性提取，得到医院属性，调用预置的标签创建函数，基于医院属性建立对应的多个医院标签，从而得到各患者议题模块便签对应的多个医院标签；调用预置的关系表创建函数，创建多个患者议题模块标签与各患者议题模块便签对应的多个医院标签之间的关系表，关系表包括多个患者议题模块标签与各患者议题模块便签对应的多个医院标签之间的对应关系，或者，调用预置的关联算法，基于预设的关联规则创建多个患者议题模块标签与各患者议题模块便签对应的多个医院标签之间的对应关系，其中，多个患者议题模块标签与各患者议题模块便签对应的多个医院标签之间的对应关系为一对多，即一个医院标签对应多个患者议题模块标签。
将创建对应关系的多个患者议题模块标签作为多个画像父节点，每个画像父节点下对应的多个子节点为创建对应关系各患者议题模块便签对应的多个医院标签，基于多个画像父节点和各画像父节点对应的多个子节点生成初始医院画像。通过上述创建步骤，提高了初始医院画像中各节点的关联性，并提高了初始医院画像中各节点的显示的直观性。
202、获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过各患者议题模块标签对应的指标因子，对各医院标签对应的医院数据集进行各患者议题模块标签的投入项分类和产出项分类，得到各医院标签对应的投入项数据和各医院标签对应的模块指标产出项数据。
其中，各医院标签对应的投入项数据可为各医院对应的病床数据，各医院标签对应的模块指标产出项数据用于指示各医院中各患者议题模块标签对应的指标因子所对应的医院数据。各患者议题模块标签对应的着重评估指标用于指示各患者议题模块标签对应的着重评估所需计算的是综合效率值、纯技术效率值和规模效率值中的至少一种或者综合效率值、纯技术效率值和规模效率值中任意两者以上的融合值，例如：工作负荷(患者议题模块标签)着重评估的是综合效率值，合理用药(患者议题模块标签)着重评估的是综合效率值、纯技术效率值和规模效率值中任意两者以上的融合值。
服务器从预置医院联盟链中获得各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集后，将各医院标签对应的医院数据集中的病床数据作为各患者议题模块标签的投入项，得到各医院标签对应的投入项数据，将各医院标签对应的医院数据集中的各患者议题模块标签对应的指标因子所对应的医院数据作为各患者议题模块标签对应的产出项，得到各医院标签对应的模块指标产出项数据。
203、按照各患者议题模块标签对应的着重评估指标，调用预置的数据包络分析算法，对各医院标签对应的投入项数据和各医院标签对应的模块指标产出项数据依次进行效率值的计算和判断融合，得到各医院标签对应的患者议题模块标签得分值。
具体地，服务器按照各患者议题模块标签对应的着重评估指标，通过预置的数据包络分析算法，对各医院标签对应的投入项数据和各医院标签对应的模块指标产出项数据进行效率值的计算，得到各医院标签对应的初始得分值，各医院标签对应的初始得分值包括综合效率值、纯技术效率值和规模效率值中的至少一种；判断各医院标签对应的初始得分值中的效率值数量是否大于预设值；若各医院标签对应的初始得分值中的效率值数量大于预设值，则对各医院标签对应的初始得分值中的效率值进行加权求和，得到各医院标签对应的患者议题模块标签得分值。
服务器按照各患者议题模块标签对应的着重评估指标，调用预置的数据包络分析算法中固定规模报酬模型CCR和变动规模报酬模型BCC中的至少一种，对各医院标签对应的投入项数据和各医院标签对应的模块指标产出项数据进行效率值得计算，得到各医院标签对应的初始得分值，各医院标签对应的初始得分值为各医院对应各患者议题模块标签的初始得分值，各医院标签对应的初始得分值包括综合效率值、纯技术效率值和规模效率值中的至少一种，各患者议题模块标签对应的着重评估指标用于指示计算综合效率值、纯技术效率值和规模效率值中的至少一种。
对各医院标签对应的初始得分值进行效率值数量统计，得到各医院标签对应的初始得分值的效率值数量；判断各医院标签对应的初始得分值中的效率值数量是否大于预设值，若是，则将各医院标签对应的初始得分值中的效率值(该效率值可包括综合效率值、纯技术效率值和规模效率值中的至少两者)进行加权求和，得到各医院标签对应的患者议题模块标签得分值，若否，则将各医院标签对应的初始得分值确定为各医院标签对应的患者议题模块标签得分值，各医院标签对应的患者议题模块标签得分值包括综合效率值、纯技术效率值和规模效率值中的至少一种或者综合效率值、纯技术效率值和规模效率值中任意两者以上的融合值。
通过数据包络分析算法计算各医院标签对应的患者议题模块标签得分值，保证了保障医院内部相关医疗敏感数据的隐私保护，以及统一了度量指标维度的计算，能够准确、直观地显示各医院的各维度的画像得分值。
204、根据各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行排序，得到各患者议题模块标签对应的医院标签序列数据。
具体地，服务器调用预置的选择排序算法，基于各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行降序排列，得到各患者议题模块标签对应的待校验序列数据；调用预置的归并排序算法，基于各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行降序排列，得到各患者议题模块标签对应的对比序列数据；通过各患者议题模块标签对应的对比序列数据，对各患者议题模块标签对应的待校验序列数据进行校验，将校验通过的各患者议题模块标签对应的待校验序列数据确定为各患者议题模块标签对应的医院标签序列数据。
由于选择排序算法对于数据规模越小其排序性能越好，但是，无法每次都能够确保根据各医院标签对应的患者议题模块标签得分值，对多个医院标签进行排序的数据规模适合，为了保证排序性能，因而，通过归并排序算法的排序结果(即各患者议题模块标签对应的对比序列数据)对选择排序算法的排序结果(即各患者议题模块标签对应的待校验序列数据)进行验证，即判断各患者议题模块标签对应的待校验序列数据与各患者议题模块标签对应的对比序列数据是否一致，若是，则将各患者议题模块标签对应的待校验序列数据确定为各患者议题模块标签对应的医院标签序列，若否，则将各患者议题模块标签对应的对比序列数据确定为各患者议题模块标签对应的医院标签序列数据。提高了各患者议题模块标签对应的医院标签序列数据的准确性。
205、通过各患者议题模块标签对应的医院标签序列数据，对初始医院画像进行更新，得到目标医院画像。
具体地，服务器调用预置的关联算法，将各患者议题模块便签对应的多个医院标签和各患者议题模块标签对应的医院标签序列数据进行关联并创建对应关系，得到模块医院标签序列数据集，模块医院标签序列数据集包括各患者议题模块标签对应的医院标签序列以及医院标签序列对应的患者议题模块标签得分值和排序名次；根据模块医院标签序列数据集中的各患者议题模块标签对应的医院标签序列创建父级元素，并根据模块医院标签序列数据集中的医院标签序列对应的患者议题模块标签得分值和排序名次创建父级元素的子元素集；将父元素和子元素集添加至初始医院画像，得到目标医院画像。
服务器调用预置的关联算法，基于预设相关数据指标，对各患者议题模块便签对应的多个医院标签和各患者议题模块标签对应的医院标签序列数据进行项集的遍历和统计，并建立对应的关系表，以实现关联并创建对应关系，得到模块医院标签序列数据集，模块医院标签序列数据集包括各患者议题模块标签对应的医院标签序列以及医院标签序列对应的患者议题模块标签得分值和排序名次。根据模块医院标签序列数据集中的各患者议题模块标签对应的医院标签序列中的对应关系创建对应的父级元素，根据模块医院标签序列数据集中的医院标签序列对应的患者议题模块标签得分值和排序名次的对应关系创建父级元素对应的子元素集；将父元素和子元素集添加至初始医院画像中各医院标签对应的标签元素中，从而得到目标医院画像。
具体地，服务器通过各患者议题模块标签对应的医院标签序列数据，对初始医院画像进行更新，得到目标医院画像之后，还创建目标医院画像的虚拟视图，并接收基于虚拟视图的请求，根据请求执行目标医院画像的医院推荐和/或医院预约。
服务器调用预置的虚拟化监测访问接口，对目标医院画像的数据进行监测和访问，并将访问的目标医院图像数据封装至预置虚拟数据表，得到封装后的虚拟数据表，对封装后的虚拟数据表中的数据进行映射关系建立，得到目标医院画像虚拟数据，将目标医院画像虚拟数据写入预置虚拟视图表，得到目标医院画像的虚拟视图；并将虚拟视图渲染至预置显示端或预置显示界面，患者对预置显示端或预置显示界面进行点击或触摸或输入需求，预置显示端或预置显示界面生成对应的请求，得到基于虚拟视图的请求，并将基于虚拟视图的请求发送至服务器，当服务器接收到基于虚拟视图的请求时，对基于虚拟视图的请求进行解析，得到执行关键信息，执行关键信息用于指示医院推荐和/或医院预约，执行关键信息为医院推荐需求信息和/或医院预约需求信息。
当执行关键信息为医院推荐需求信息时，调用预置的神经网络模型，对医院推荐需求信息和目标医院画像的数据进行特征提取和特征匹配，得到待推荐的医院信息，调用预置的通信协议将待推荐的医院信息发送至预置显示端或预置显示界面；当执行关键信息为医院预约需求信息时，调用预置的神经网络模型，对医院预约需求信息和目标医院画像的数据进行特征提取和特征匹配，得到待预约的医院，调用预置的预约接口，向待预约的医院的终端发送预约请求，并将预约请求的执行结果返回给患者对应的终端。
通过虚拟视图聚焦了目标医院画像的特定的数据，简化了目标医院画像的数据操作，并保证了目标医院画像的安全性，便于患者的数据查阅，以及便于后续基于虚拟视图的请求的执行。
本发明实施例中，通过患者议题模块信息、通过数据包络分析算法计算各医院标签对应的患者议题模块标签得分值，以及通过各患者议题模块标签对应的医院标签序列数据对初始医院画像进行更新，解决了既往医院画像单一且多以医院角度的问题，保证了保障医院内部相关医疗敏感数据的隐私保护，以及统一了度量指标维度的计算，能够准确、直观地显示各医院的各维度的画像得分值，使得医院画像能够直观呈现出患者所需的各维度信息，解决了医院画像在保障医院内部相关医疗敏感数据的隐私保护下，无法直观呈现患者所需的各维度信息的问题。本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院画像的构建方法进行了描述，下面对本发明实施例中医院画像的构建装置进行描述，请参阅图3，本发明实施例中医院画像的构建装置一个实施例包括：
创建模块301，用于获取患者议题模块信息和待分析医院信息，并根据患者议题模块信息和待分析医院信息创建初始医院画像，初始医院画像包括多个患者议题模块标签和各患者议题模块便签对应的多个医院标签；
运算模块302，用于获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过预置的数据包络分析算法和各患者议题模块标签对应的指标因子，对各医院标签对应的医院数据集进行效率运算，得到各医院标签对应的患者议题模块标签得分值；
排序模块303，用于根据各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行排序，得到各患者议题模块标签对应的医院标签序列数据；
更新模块304，用于通过各患者议题模块标签对应的医院标签序列数据，对初始医院画像进行更新，得到目标医院画像。
上述医院画像的构建装置中各个模块的功能实现与上述医院画像的构建方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
本发明实施例中，通过患者议题模块信息、通过数据包络分析算法计算各医院标签对应的患者议题模块标签得分值，以及通过各患者议题模块标签对应的医院标签序列数据对初始医院画像进行更新，解决了既往医院画像单一且多以医院角度的问题，保证了保障医院内部相关医疗敏感数据的隐私保护，以及统一了度量指标维度的计算，能够准确、直观地显示各医院的各维度的画像得分值，使得医院画像能够直观呈现出患者所需的各维度信息，解决了医院画像在保障医院内部相关医疗敏感数据的隐私保护下，无法直观呈现患者所需的各维度信息的问题。本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4，本发明实施例中医院画像的构建装置的另一个实施例包括：
创建模块301，用于获取患者议题模块信息和待分析医院信息，并根据患者议题模块信息和待分析医院信息创建初始医院画像，初始医院画像包括多个患者议题模块标签和各患者议题模块便签对应的多个医院标签；
运算模块302，用于获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过预置的数据包络分析算法和各患者议题模块标签对应的指标因子，对各医院标签对应的医院数据集进行效率运算，得到各医院标签对应的患者议题模块标签得分值；
其中，运算模块302具体包括：
分类单元3021，用于获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过各患者议题模块标签对应的指标因子，对各医院标签对应的医院数据集进行各患者议题模块标签的投入项分类和产出项分类，得到各医院标签对应的投入项数据和各医院标签对应的模块指标产出项数据；
计算融合单元3022，用于按照各患者议题模块标签对应的着重评估指标，调用预置的数据包络分析算法，对各医院标签对应的投入项数据和各医院标签对应的模块指标产出项数据依次进行效率值的计算和判断融合，得到各医院标签对应的患者议题模块标签得分值；
排序模块303，用于根据各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行排序，得到各患者议题模块标签对应的医院标签序列数据；
更新模块304，用于通过各患者议题模块标签对应的医院标签序列数据，对初始医院画像进行更新，得到目标医院画像。
可选的，计算融合单元3022还可以具体用于：
按照各患者议题模块标签对应的着重评估指标，通过预置的数据包络分析算法，对各医院标签对应的投入项数据和各医院标签对应的模块指标产出项数据进行效率值的计算，得到各医院标签对应的初始得分值，各医院标签对应的初始得分值包括综合效率值、纯技术效率值和规模效率值中的至少一种；
判断各医院标签对应的初始得分值中的效率值数量是否大于预设值；
若各医院标签对应的初始得分值中的效率值数量大于预设值，则对各医院标签对应的初始得分值中的效率值进行加权求和，得到各医院标签对应的患者议题模块标签得分值。
可选的，更新模块304还可以具体用于：
调用预置的关联算法，将各患者议题模块便签对应的多个医院标签和各患者议题模块标签对应的医院标签序列数据进行关联并创建对应关系，得到模块医院标签序列数据集，模块医院标签序列数据集包括各患者议题模块标签对应的医院标签序列以及医院标签序列对应的患者议题模块标签得分值和排序名次；
根据模块医院标签序列数据集中的各患者议题模块标签对应的医院标签序列创建父级元素，并根据模块医院标签序列数据集中的医院标签序列对应的患者议题模块标签得分值和排序名次创建父级元素的子元素集；
将父元素和子元素集添加至初始医院画像，得到目标医院画像。
可选的，创建模块301还可以具体用于：
获取患者议题模块信息和待分析医院信息，患者议题模块信息用于指示基于患者关注的议题创建的多个模块，待分析医院信息包括一个或一个以上的医院的基本信息；
基于患者议题模块信息创建多个患者议题模块标签，基于待分析医院信息创建各患者议题模块便签对应的多个医院标签，并创建多个患者议题模块标签与各患者议题模块便签对应的多个医院标签之间的对应关系；
将创建对应关系的多个患者议题模块标签作为多个画像父节点，并将创建对应关系的各患者议题模块便签对应的多个医院标签作为各画像父节点对应的多个子节点，基于多个画像父节点和各画像父节点对应的多个子节点生成初始医院画像。
可选的，排序模块303还可以具体用于：
调用预置的选择排序算法，基于各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行降序排列，得到各患者议题模块标签对应的待校验序列数据；
调用预置的归并排序算法，基于各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行降序排列，得到各患者议题模块标签对应的对比序列数据；
通过各患者议题模块标签对应的对比序列数据，对各患者议题模块标签对应的待校验序列数据进行校验，将校验通过的各患者议题模块标签对应的待校验序列数据确定为各患者议题模块标签对应的医院标签序列数据。
可选的，医院画像的构建装置，还包括：
执行模块305，用于创建目标医院画像的虚拟视图，并接收基于虚拟视图的请求，根据请求执行目标医院画像的医院推荐和/或医院预约。
上述医院画像的构建装置中各模块和各单元的功能实现与上述医院画像的构建方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
本发明实施例中，通过患者议题模块信息、通过数据包络分析算法计算各医院标签对应的患者议题模块标签得分值，以及通过各患者议题模块标签对应的医院标签序列数据对初始医院画像进行更新，解决了既往医院画像单一且多以医院角度的问题，保证了保障医院内部相关医疗敏感数据的隐私保护，以及统一了度量指标维度的计算，能够准确、直观地显示各医院的各维度的画像得分值，使得医院画像能够直观呈现出患者所需的各维度信息，解决了医院画像在保障医院内部相关医疗敏感数据的隐私保护下，无法直观呈现患者所需的各维度信息的问题。本方案可应用于智慧医疗领域中，从而推动智慧城市的建设。
上面图3和图4从模块化功能实体的角度对本发明实施例中的医院画像的构建装置进行详细描述，下面从硬件处理的角度对本发明实施例中医院画像的构建设备进行详细描述。
图5是本发明实施例提供的一种医院画像的构建设备的结构示意图，该医院画像的构建设备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5示没标出)，每个模块可以包括对医院画像的构建设备500中的一系列计算机程序操作。更进一步地，处理器510可以设置为与存储介质530通信，在医院画像的构建设备500上执行存储介质530中的一系列计算机程序操作。
医院画像的构建设备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示出的医院画像的构建设备结构并不构成对医院画像的构建设备的限定，可以包括比图5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。
本申请还提供一种医院画像的构建设备，包括：存储器和至少一个处理器，所述存储器中存储有计算机程序，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述计算机程序，以使得所述医院画像的构建设备执行上述医院画像的构建方法中的步骤。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，计算机可读存储介质中存储有计算机程序，当计算机程序在计算机上运行时，使得计算机执行医院画像的构建方法的步骤。
进一步地，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。
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，包括若干计算机程序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，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 (7)
1.一种医院画像的构建方法，其特征在于，所述医院画像的构建方法包括：
获取患者议题模块信息和待分析医院信息，并根据所述患者议题模块信息和所述待分析医院信息创建初始医院画像，所述初始医院画像包括多个患者议题模块标签和各患者议题模块便签对应的多个医院标签；
获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过各患者议题模块标签对应的指标因子，对所述各医院标签对应的医院数据集进行各患者议题模块标签的投入项分类和产出项分类，得到各医院标签对应的投入项数据和各医院标签对应的模块指标产出项数据；
按照各患者议题模块标签对应的着重评估指标，通过预置的数据包络分析算法，对所述各医院标签对应的投入项数据和所述各医院标签对应的模块指标产出项数据进行效率值的计算，得到各医院标签对应的初始得分值，所述各医院标签对应的初始得分值包括综合效率值、纯技术效率值和规模效率值中的至少一种；
判断所述各医院标签对应的初始得分值中的效率值数量是否大于预设值；
若所述各医院标签对应的初始得分值中的效率值数量大于预设值，则对所述各医院标签对应的初始得分值中的效率值进行加权求和，得到各医院标签对应的患者议题模块标签得分值；
根据所述各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行排序，得到各患者议题模块标签对应的医院标签序列数据；
调用预置的关联算法，将所述各患者议题模块便签对应的多个医院标签和所述各患者议题模块标签对应的医院标签序列数据进行关联并创建对应关系，得到模块医院标签序列数据集，所述模块医院标签序列数据集包括各患者议题模块标签对应的医院标签序列以及医院标签序列对应的患者议题模块标签得分值和排序名次；
根据所述模块医院标签序列数据集中的各患者议题模块标签对应的医院标签序列创建父级元素，并根据所述模块医院标签序列数据集中的医院标签序列对应的患者议题模块标签得分值和排序名次创建所述父级元素的子元素集；
将所述父元素和所述子元素集添加至所述初始医院画像，得到目标医院画像。
2.根据权利要求1所述的医院画像的构建方法，其特征在于，所述获取患者议题模块信息和待分析医院信息，并根据所述患者议题模块信息和所述待分析医院信息创建初始医院画像，所述初始医院画像包括多个患者议题模块标签和各患者议题模块便签对应的多个医院标签，包括：
获取患者议题模块信息和待分析医院信息，所述患者议题模块信息用于指示基于患者关注的议题创建的多个模块，所述待分析医院信息包括一个或一个以上的医院的基本信息；
基于所述患者议题模块信息创建多个患者议题模块标签，基于所述待分析医院信息创建各患者议题模块便签对应的多个医院标签，并创建所述多个患者议题模块标签与所述各患者议题模块便签对应的多个医院标签之间的对应关系；
将创建对应关系的多个患者议题模块标签作为多个画像父节点，并将创建对应关系的各患者议题模块便签对应的多个医院标签作为各画像父节点对应的多个子节点，基于所述多个画像父节点和所述各画像父节点对应的多个子节点生成初始医院画像。
3.根据权利要求1所述的医院画像的构建方法，其特征在于，所述根据所述各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行排序，得到各患者议题模块标签对应的医院标签序列数据，包括：
调用预置的选择排序算法，基于所述各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行降序排列，得到各患者议题模块标签对应的待校验序列数据；
调用预置的归并排序算法，基于所述各医院标签对应的患者议题模块标签得分值，对所述各患者议题模块便签对应的多个医院标签进行降序排列，得到各患者议题模块标签对应的对比序列数据；
通过所述各患者议题模块标签对应的对比序列数据，对所述各患者议题模块标签对应的待校验序列数据进行校验，将校验通过的各患者议题模块标签对应的待校验序列数据确定为各患者议题模块标签对应的医院标签序列数据。
4.根据权利要求1-3中任一项所述的医院画像的构建方法，其特征在于，所述通过所述各患者议题模块标签对应的医院标签序列数据，对所述初始医院画像进行更新，得到目标医院画像之后，还包括：
创建所述目标医院画像的虚拟视图，并接收基于所述虚拟视图的请求，根据所述请求执行所述目标医院画像的医院推荐和/或医院预约。
5.一种医院画像的构建装置，其特征在于，所述医院画像的构建装置包括：
创建模块，用于获取患者议题模块信息和待分析医院信息，并根据所述患者议题模块信息和所述待分析医院信息创建初始医院画像，所述初始医院画像包括多个患者议题模块标签和各患者议题模块便签对应的多个医院标签；
运算模块，用于获取各患者议题模块标签对应的指标因子以及各医院标签对应的医院数据集，通过各患者议题模块标签对应的指标因子，对所述各医院标签对应的医院数据集进行各患者议题模块标签的投入项分类和产出项分类，得到各医院标签对应的投入项数据和各医院标签对应的模块指标产出项数据；按照各患者议题模块标签对应的着重评估指标，通过预置的数据包络分析算法，对所述各医院标签对应的投入项数据和所述各医院标签对应的模块指标产出项数据进行效率值的计算，得到各医院标签对应的初始得分值，所述各医院标签对应的初始得分值包括综合效率值、纯技术效率值和规模效率值中的至少一种；判断所述各医院标签对应的初始得分值中的效率值数量是否大于预设值；若所述各医院标签对应的初始得分值中的效率值数量大于预设值，则对所述各医院标签对应的初始得分值中的效率值进行加权求和，得到各医院标签对应的患者议题模块标签得分值；
排序模块，用于根据所述各医院标签对应的患者议题模块标签得分值，对各患者议题模块便签对应的多个医院标签进行排序，得到各患者议题模块标签对应的医院标签序列数据；
更新模块，用于调用预置的关联算法，将所述各患者议题模块便签对应的多个医院标签和所述各患者议题模块标签对应的医院标签序列数据进行关联并创建对应关系，得到模块医院标签序列数据集，所述模块医院标签序列数据集包括各患者议题模块标签对应的医院标签序列以及医院标签序列对应的患者议题模块标签得分值和排序名次；根据所述模块医院标签序列数据集中的各患者议题模块标签对应的医院标签序列创建父级元素，并根据所述模块医院标签序列数据集中的医院标签序列对应的患者议题模块标签得分值和排序名次创建所述父级元素的子元素集；将所述父元素和所述子元素集添加至所述初始医院画像，得到目标医院画像。
6.一种医院画像的构建设备，其特征在于，所述医院画像的构建设备包括：存储器和至少一个处理器，所述存储器中存储有计算机程序；
所述至少一个处理器调用所述存储器中的所述计算机程序，以使得所述医院画像的构建设备执行如权利要求1-4中任意一项所述的医院画像的构建方法。
7.一种计算机可读存储介质，所述计算机可读存储介质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如权利要求1-4中任一项所述医院画像的构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111017277.1A CN113657809B (zh) | 2021-08-31 | 2021-08-31 | 医院画像的构建方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111017277.1A CN113657809B (zh) | 2021-08-31 | 2021-08-31 | 医院画像的构建方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113657809A CN113657809A (zh) | 2021-11-16 |
| CN113657809B true CN113657809B (zh) | 2024-06-28 |
Family
ID=78482636
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111017277.1A Active CN113657809B (zh) | 2021-08-31 | 2021-08-31 | 医院画像的构建方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113657809B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116664016B (zh) * | 2023-07-27 | 2023-09-26 | 北京中关村科金技术有限公司 | Esg子议题的筛选方法、装置、电子设备和可读存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111429288A (zh) * | 2020-03-04 | 2020-07-17 | 平安医疗健康管理股份有限公司 | 用户画像的构建方法及装置、计算机设备、存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652291A (zh) * | 2020-05-18 | 2020-09-11 | 温州医科大学 | 一种基于组稀疏融合医院大数据建立学生成长画像的方法 |
| CN111832966A (zh) * | 2020-07-24 | 2020-10-27 | 山东中医药大学 | 中医类医院区域画像构建方法及系统 |
-
2021
- 2021-08-31 CN CN202111017277.1A patent/CN113657809B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111429288A (zh) * | 2020-03-04 | 2020-07-17 | 平安医疗健康管理股份有限公司 | 用户画像的构建方法及装置、计算机设备、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113657809A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12056718B2 (en) | Fraud lead detection system for efficiently processing database-stored data and automatically generating natural language explanatory information of system results for display in interactive user interfaces | |
| NL2012435C2 (en) | Data processing techniques. | |
| US11030581B2 (en) | Medical claims lead summary report generation | |
| US20140108048A1 (en) | Medical History System | |
| US20060282302A1 (en) | System and method for managing healthcare work flow | |
| US20120101846A1 (en) | Computer-Implemented Method For Displaying Patient-Related Diagnoses Of Chronic Illnesses | |
| GB2514239A (en) | Data processing techniques | |
| US11392872B2 (en) | Optimizing workflows | |
| CN109671476A (zh) | 无关用药的识别方法、装置、终端及计算机可读存储介质 | |
| US11544671B2 (en) | Determining cohesion of a healthcare system in capturing procedure work billed by affiliated practitioners | |
| WO2016010997A1 (en) | Client management tool system and method | |
| CN113657809B (zh) | 医院画像的构建方法、装置、设备及存储介质 | |
| JP2022019364A (ja) | 医療データ評価活用システム、および、医療データ評価活用方法 | |
| US11664120B1 (en) | Apparatuses, systems, and methods for reducing return of prescriptions to stock | |
| CN111933246A (zh) | 医疗处方分析方法、系统、电子设备及存储介质 | |
| US20150339602A1 (en) | System and method for modeling health care costs | |
| CN109522331A (zh) | 以个人为中心的区域化多维度健康数据处理方法及介质 | |
| CN113780855A (zh) | 医疗机构监管方法、装置、计算机设备及存储介质 | |
| US20160162650A1 (en) | Method for automating medical billing | |
| JP2021114322A (ja) | 服薬監査処理システム、方法、及びコンピュータプログラム | |
| CN113707262A (zh) | 药品使用推荐方法、装置、计算机设备及存储介质 | |
| TW201118773A (en) | Medical information integrated system and method | |
| Shojaei et al. | Investigating the components of virtual emergency department | |
| Tseng et al. | Rule-based healthcare-associated bloodstream infection classification and surveillance system | |
| CN113987016B (zh) | 临床递交数据对比方法、装置、计算机设备和存储介质 |
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: 20220525 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |