CN113658671A - 一种基于区块链的医疗卫生互助系统 - Google Patents
一种基于区块链的医疗卫生互助系统 Download PDFInfo
- Publication number
- CN113658671A CN113658671A CN202110956849.6A CN202110956849A CN113658671A CN 113658671 A CN113658671 A CN 113658671A CN 202110956849 A CN202110956849 A CN 202110956849A CN 113658671 A CN113658671 A CN 113658671A
- Authority
- CN
- China
- Prior art keywords
- user
- time
- block chain
- medical
- feedback
- 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
Links
- 238000004891 communication Methods 0.000 claims abstract description 6
- 208000024891 symptom Diseases 0.000 claims description 43
- 201000010099 disease Diseases 0.000 claims description 40
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 27
- 238000002360 preparation method Methods 0.000 claims description 20
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000013210 evaluation model Methods 0.000 claims description 7
- 230000002349 favourable effect Effects 0.000 claims description 5
- 230000002411 adverse Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000004371 toothache Diseases 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
Landscapes
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于区块链的医疗卫生互助系统,属于医疗技术领域,包括储存模块和服务器,服务器通信连接有挂号模块和反馈模块,所述挂号模块用于用户进行门诊挂号,用户将根据挂号体验提出的反馈意见发送到反馈模块,反馈模块对用户发送的反馈意见进行管理;通将反馈意见分开储存好评库和提升库,并为提升库设置管理权限,避免对应的人员看到后造成不良影响,而且通过将提升库内更新的反馈意见发送到区块链平台进行上链;再通过区块链平台将提升库内查阅后的反馈意见向区块链可信核验节点进行校核,确保管理人员看到的反馈意见是真实的,没有被篡改过的;通过告知用户可以报销的费用,鼓励用户积极报销。
Description
技术领域
本发明属于医疗技术领域,具体是一种基于区块链的医疗卫生互助系统。
背景技术
目前大部分的城市中都有大量外来务工人员或其他暂居在城市内的人员,对城市内的医疗卫生系统并不了解,出现就医难的问题,经常会出现去医院挂号排队,部分人员认为自己可以排到,结果因为出现人员过多,导致自己排了半天队,还没有排到自己,心情将会非常烦躁;部分人员认为自己排不到,就回去了,结果因为前面就诊人员就诊时间较短,导致错过就诊机会,这都是因为现有的医疗系统不够完善,缺乏有效的挂号系统和反馈机制,不能及时帮助患者解决问题,患者的反馈意见也得不到有效的采纳。
发明内容
本发明提供了一种基于区块链的医疗卫生互助系统,用于解决目前挂号排队不合理的问题。
本发明的目的可以通过以下技术方案实现:
一种基于区块链的医疗卫生互助系统,包括储存模块和服务器,服务器通信连接有挂号模块和反馈模块,所述挂号模块用于用户进行门诊挂号,用户将根据挂号体验提出的反馈意见发送到反馈模块,反馈模块对用户发送的反馈意见进行管理;
用户进行门诊挂号的方法包括:
步骤SA1:根据用户需要挂号的门诊获取症状识别单,用户在症状识别单中填写个人症状,获得对应的病症就诊时间,并将对应的症状识别单发送到区块链平台进行上链;
步骤SA2:为用户派发排队号,实时预估用户的等待时长;
步骤SA3:设置准备时间和排队时间,将等待时长加上就诊时间与排队时间进行对比;
当等待时长加上就诊时间大于排队时间时,向用户发送排队警告;
当等待时长加上就诊时间不大于排队时间时,将等待时长与准备时间进行对比;
当等待时长不大于准备时间时,向用户发送就诊信息,提示用户在准备时间内到达就诊区等待。
进一步地,步骤SA1中获取症状识别单的方法包括:
为门诊进行编号,获取对应编号的门诊案例数据,设置病症类型,并为每个病症类型设置详细的症状描述;
获取不同病症类型的病症就诊时间;为对应编号的门诊建立病症表,设置识别单元,获得对应的病症就诊时间,将病症表标记为症状识别单;
根据用户需要挂号的门诊编号获得对应的症状识别单。
进一步地,识别单元的工作方法包括:
识别用户填写的个人症状,提取个人症状中的关键字,将提取的关键字与症状描述进行匹配,获取病症类型;
当病症类型超过一个时,将病症类型和对应的症状描述发送给用户进行选择,根据用户的选择获得对应的病症就诊时间;
当病症类型为一个时,获得对应的病症就诊时间。
进一步地,步骤SA3中当等待时长大于准备时间时,不进行操作。
进一步地,反馈模块管理用户发送的反馈意见的方法包括:
步骤SB1:实时获取用户的反馈意见,设置评价模型,将用户的反馈意见输入到评价模型中,获得评价标签,评价标签包括鼓励标签和建议标签;
步骤SB2:建立好评库和提升库,将鼓励标签对应的反馈意见发送到好评库中进行储存,将建议标签对应的反馈意见发送到提升库中进行储存;
步骤SB3:将提升库内更新的反馈意见发送到区块链平台进行上链;区块链平台将提升库内查阅后的反馈意见向区块链可信核验节点进行校核;
当校核正确时,不进行操作;
当校核错误时,生成报警信号,向管理人员发送校核记录。
进一步地,将好评库设为公开库,为提升库设置管理权限。
进一步地,服务器通信连接有医保监测模块,所述医保监测模块用于监测用户的医保报销信息,具体方法包括:
获取用户就诊信息内的医保项目,当识别到医保项目时,获取对应的就诊时间和待报销费用,将待报销费用发送给用户,并根据就诊时间设置提醒时间P,且P≥3;
当到达提醒时间用户还没有进行报销时,向用户发送报销方法和提示信息,并将发送的报销方法和提示信息发送到区块链平台进行上链;提示信息包括截止日期和推荐到达时间。
进一步地,推荐到达时间的获取方式包括:
将目标人数PT、医疗报销工作人员的工作时间和每个时间段内的报销人数整合并标记为输入数据;设置预测模型,将输入数据输入至预测模型获取推荐到达时间,并将推荐到达时间发送到区块链平台进行上链。
与现有技术相比,本发明的有益效果是:通过设置等待时长、就诊时间和排队时间,合理的帮助用户规划就诊时间,当排不到时,及时告知用户当天有可能排不到他了,避免因为没有告知用户,导致用户长时间的等待还没有就诊上,产生安全问题;当等待时长大于准备时间时,用户并不需要在就诊区进行等待,只要在准备时间内赶到就可以了,可以有效的避免用户长时间等待;通过设置好评库,并设为公开状态,便于医护人员能够清楚的看到用户对他们的感谢和信任,使得对应的医护人员可以拥有一个好的心情投入到工作中去;通将反馈意见分开储存好评库和提升库,并为提升库设置管理权限,避免对应的人员看到后造成不良影响,而且通过将提升库内更新的反馈意见发送到区块链平台进行上链;再通过区块链平台将提升库内查阅后的反馈意见向区块链可信核验节点进行校核,确保管理人员看到的反馈意见是真实的,没有被篡改过的;通过告知用户可以报销的费用,鼓励用户积极报销。
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为本发明原理框图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
如图1所示,一种基于区块链的医疗卫生互助系统,包括挂号模块、储存模块、医保监测模块、反馈模块和服务器;所述储存模块用于储存数据;
所述挂号模块用于用户进行门诊挂号,具体方法包括:
步骤SA1:获取用户需要挂号的门诊,根据用户需要挂号的门诊获取症状识别单,用户在症状识别单中填写个人症状,获得对应的病症就诊时间,并将对应的症状识别单发送到区块链平台进行上链;
步骤SA2:为用户派发排队号,根据用户的排队号实时预估用户的等待时长;
步骤SA3:设置准备时间和排队时间,准备时间就是用户的等待时长等于准备时间时,用户就要准备就诊了,尽快来到就诊区等候,排队时间就是距离进行当天停止就诊的时间;将等待时长加上就诊时间与排队时间进行对比;
当等待时长加上就诊时间大于排队时间时,向用户发送排队警告,及时告知用户当天有可能排不到他了,避免因为没有告知用户,导致用户长时间的等待还没有就诊上,产生安全问题;
当等待时长加上就诊时间不大于排队时间时,将等待时长与准备时间进行对比;
当等待时长大于准备时间时,不进行操作,此时用户并不需要在就诊区进行等待,只要在准备时间内赶到就可以了,可以有效的避免用户长时间等待;
当等待时长不大于准备时间时,向用户发送就诊信息,提示用户及时在准备时间内到达就诊区等待。
步骤SA1中获取症状识别单的方法包括:
为门诊进行编号,获取对应编号的门诊案例数据,根据门诊案例数据设置病症类型,并为每个病症类型设置详细的症状描述;
获取不同病症类型的平均就诊时间,并标记为病症就诊时间;
为对应编号的门诊建立病症表,病症表用于用户填写个人症状,设置识别单元,识别单元用于识别用户填写个人症状,并将识别的信息与症状描述进行匹配,获得对应的病症就诊时间,将病症表标记为症状识别单,这个是设置过识别单元的,具有识别功能的病症表;
获取用户需要挂号的门诊编号,根据门诊编号获得对应的症状识别单。
识别单元的工作方法包括:
识别用户填写的个人症状,提取个人症状中的关键字,例如:发烧、牙痛、持续时间等信息,将提取的关键字与症状描述进行匹配,获取病症类型;
当病症类型超过一个时,将病症类型和对应的症状描述发送给用户进行选择,根据用户的选择获得对应的病症就诊时间;
当病症类型为一个时,获得对应的病症就诊时间。
所述反馈模块用于管理用户根据挂号体验提出反馈意见,具体方法包括:
步骤SB1:实时获取用户的反馈意见,设置评价模型,评价模型就是神经网络模型,用于对用户的反馈意见进行评价,并输出评价标签,将用户的反馈意见输入到评价模型中,获得评价标签,评价标签包括鼓励标签和建议标签;
步骤SB2:建立好评库和提升库,将鼓励标签对应的反馈意见发送到好评库中进行储存,并将好评库设为公开库,公开库就是全体医护人员和用户都拥有查阅的权限;将建议标签对应的反馈意见发送到提升库中进行储存,并为提升库设置管理权限,管理权限一般只有医院领导拥有查阅权限,且对应的门诊没有查阅权限;通过设置好评库,并设为公开状态,便于医护人员能够清楚的看到用户对他们的感谢和信任,使得对应的医护人员可以拥有一个好的心情投入到工作中去;
步骤SB3:将提升库内更新的反馈意见发送到区块链平台进行上链;区块链平台将提升库内查阅后的反馈意见向区块链可信核验节点进行校核;
当校核正确时,不进行操作;
当校核错误时,生成报警信号,向管理人员发送校核记录;管理人员就是拥有查阅提升库内反馈意见权限的人员;通将反馈意见分开储存好评库和提升库,并为提升库设置管理权限,避免对应的人员看到后造成不良影响,而且通过将提升库内更新的反馈意见发送到区块链平台进行上链;再通过区块链平台将提升库内查阅后的反馈意见向区块链可信核验节点进行校核,确保管理人员看到的反馈意见是真实的,没有被篡改过的。
所述医保监测模块用于监测用户的医保报销信息,因为目前有很多的人到外地工作,对当地的医保报销情况并不了解,不知道怎么进行医保报销;具体方法包括:
获取用户的就诊信息,识别就诊信息内的医保项目,当没有医保项目时,不进行操作;
当识别到医保项目时,获取对应的就诊时间和待报销费用,待报销费用就是报销后,可以获得的费用,因为大部分的人都不知道可以报销多少钱,而通过告知可以报销的费用,鼓励用户积极报销,每年都有很多的患者不进行报销,给自己带来一定的经济损失;
将待报销费用发送给用户,并根据就诊时间设置提醒时间P,且P≥3,单位是工作日;当到达提醒时间用户还没有进行报销时,向用户发送报销方法和提示信息,并将发送的报销方法和提示信息发送到区块链平台进行上链;因为医疗报销是有时间限制的,过期后就不能进行报销了;提示信息包括截止日期和推荐到达时间;
推荐到达时间的获取方式包括:
获取医疗报销工作人员的工作时间、前N天的报销人数Pi和对应的每个时间段内
的报销人数,其中i=1、2、……、N,i表示天数,就是前几天,N为比例系数,且10≥N≥5;获取
前N天的平均报销人数Ps,根据公式获得稳值α,根据公式获得目标人数PT;
将目标人数PT、医疗报销工作人员的工作时间和每个时间段内的报销人数整合并标记为输入数据;设置预测模型,将输入数据输入至预测模型获取推荐到达时间,并将推荐到达时间发送到区块链平台进行上链;
设置预测模型的方法包括:
获取预测历史数据;预测历史数据包括目标人数PT、医疗报销工作人员的工作时间和每个时间段内的报销人数;为预测历史数据设置对应的推荐到达时间;这个可以根据历史那个时间段内的报销人数最少进行设置;构建人工智能模型;人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络;将预测历史数据和对应的状态标签按照设定比例划分为训练集、测试集和校验集;所述设定比例包括2:1:1、3:2:1和3:1:1;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将训练完成的人工智能模型标记为预测模型。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
在本发明所提供的实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式;所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
另对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种基于区块链的医疗卫生互助系统,包括储存模块和服务器,储存模块与服务器之间通信连接;其特征在于,服务器通信连接有挂号模块和反馈模块,所述挂号模块用于用户进行门诊挂号,用户将根据挂号体验提出的反馈意见发送到反馈模块,反馈模块对用户发送的反馈意见进行管理;
用户进行门诊挂号的方法包括:
步骤SA1:根据用户需要挂号的门诊获取症状识别单,用户在症状识别单中填写个人症状,获得对应的病症就诊时间,并将对应的症状识别单发送到区块链平台进行上链;
步骤SA2:为用户派发排队号,实时预估用户的等待时长;
步骤SA3:设置准备时间和排队时间,将等待时长加上就诊时间与排队时间进行对比;
当等待时长加上就诊时间大于排队时间时,向用户发送排队警告;
当等待时长加上就诊时间不大于排队时间时,将等待时长与准备时间进行对比;
当等待时长不大于准备时间时,向用户发送就诊信息,提示用户在准备时间内到达就诊区等待。
2.根据权利要求1所述的一种基于区块链的医疗卫生互助系统,其特征在于,步骤SA1中获取症状识别单的方法包括:
为门诊进行编号,获取对应编号的门诊案例数据,设置病症类型,并为每个病症类型设置详细的症状描述;
获取不同病症类型的病症就诊时间;为对应编号的门诊建立病症表,设置识别单元,获得对应的病症就诊时间,将病症表标记为症状识别单;
根据用户需要挂号的门诊编号获得对应的症状识别单。
3.根据权利要求2所述的一种基于区块链的医疗卫生互助系统,其特征在于,识别单元的工作方法包括:
识别用户填写的个人症状,提取个人症状中的关键字,将提取的关键字与症状描述进行匹配,获取病症类型;
当病症类型超过一个时,将病症类型和对应的症状描述发送给用户进行选择,根据用户的选择获得对应的病症就诊时间;
当病症类型为一个时,获得对应的病症就诊时间。
4.根据权利要求1所述的一种基于区块链的医疗卫生互助系统,其特征在于,步骤SA3中当等待时长大于准备时间时,不进行操作。
5.根据权利要求1所述的一种基于区块链的医疗卫生互助系统,其特征在于,反馈模块管理用户发送的反馈意见的方法包括:
步骤SB1:实时获取用户的反馈意见,设置评价模型,将用户的反馈意见输入到评价模型中,获得评价标签,评价标签包括鼓励标签和建议标签;
步骤SB2:建立好评库和提升库,将鼓励标签对应的反馈意见发送到好评库中进行储存,将建议标签对应的反馈意见发送到提升库中进行储存;
步骤SB3:将提升库内更新的反馈意见发送到区块链平台进行上链;区块链平台将提升库内查阅后的反馈意见向区块链可信核验节点进行校核;
当校核正确时,不进行操作;
当校核错误时,生成报警信号,向管理人员发送校核记录。
6.根据权利要求5所述的一种基于区块链的医疗卫生互助系统,其特征在于,将好评库设为公开库,为提升库设置管理权限。
7.根据权利要求1所述的一种基于区块链的医疗卫生互助系统,其特征在于,服务器通信连接有医保监测模块,所述医保监测模块用于监测用户的医保报销信息,具体方法包括:
获取用户就诊信息内的医保项目,当识别到医保项目时,获取对应的就诊时间和待报销费用,将待报销费用发送给用户,并根据就诊时间设置提醒时间P,且P≥3;
当到达提醒时间用户还没有进行报销时,向用户发送报销方法和提示信息,并将发送的报销方法和提示信息发送到区块链平台进行上链;提示信息包括截止日期和推荐到达时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110956849.6A CN113658671A (zh) | 2021-08-19 | 2021-08-19 | 一种基于区块链的医疗卫生互助系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110956849.6A CN113658671A (zh) | 2021-08-19 | 2021-08-19 | 一种基于区块链的医疗卫生互助系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113658671A true CN113658671A (zh) | 2021-11-16 |
Family
ID=78492431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110956849.6A Pending CN113658671A (zh) | 2021-08-19 | 2021-08-19 | 一种基于区块链的医疗卫生互助系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113658671A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110136A (zh) * | 2007-04-24 | 2008-01-23 | 暨南大学 | 一种智能排队叫号系统 |
CN106372391A (zh) * | 2016-08-26 | 2017-02-01 | 东软集团股份有限公司 | 一种门诊候诊时间计算方法及装置 |
CN109711402A (zh) * | 2018-12-14 | 2019-05-03 | 杭州睿琪软件有限公司 | 一种医疗单据识别方法及计算机可读存储介质 |
CN110544526A (zh) * | 2019-09-06 | 2019-12-06 | 广州佰迈起生物科技有限公司 | 一种智能导诊处理方法、系统及服务器 |
CN112242195A (zh) * | 2019-07-12 | 2021-01-19 | 南京美桥信息科技有限公司 | 一种陪诊系统及其陪诊方法 |
-
2021
- 2021-08-19 CN CN202110956849.6A patent/CN113658671A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110136A (zh) * | 2007-04-24 | 2008-01-23 | 暨南大学 | 一种智能排队叫号系统 |
CN106372391A (zh) * | 2016-08-26 | 2017-02-01 | 东软集团股份有限公司 | 一种门诊候诊时间计算方法及装置 |
CN109711402A (zh) * | 2018-12-14 | 2019-05-03 | 杭州睿琪软件有限公司 | 一种医疗单据识别方法及计算机可读存储介质 |
CN112242195A (zh) * | 2019-07-12 | 2021-01-19 | 南京美桥信息科技有限公司 | 一种陪诊系统及其陪诊方法 |
CN110544526A (zh) * | 2019-09-06 | 2019-12-06 | 广州佰迈起生物科技有限公司 | 一种智能导诊处理方法、系统及服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Muscatello et al. | An automated, broad-based, near real-time public health surveillance system using presentations to hospital Emergency Departments in New South Wales, Australia | |
Southard et al. | RFID in healthcare: a Six Sigma DMAIC and simulation case study | |
Aronsky et al. | Assessing the quality of clinical data in a computer-based record for calculating the pneumonia severity index | |
US10262758B2 (en) | Scoring, evaluation, and feedback related to EMS clinical and operational performance | |
Mandahawi et al. | Reducing waiting time at an emergency department using design for Six Sigma and discrete event simulation | |
CN112562836A (zh) | 医生推荐方法、装置、电子设备及存储介质 | |
CN111310977A (zh) | 基于大数据的药品库存预测系统及方法 | |
Feied et al. | Clinical information systems: instant ubiquitous clinical data for error reduction and improved clinical outcomes | |
Verbeke et al. | Evaluating the impact of ICT-tools on health care delivery in sub-Saharan hospitals | |
Boyle et al. | A framework for developing generalisable discrete event simulation models of hospital emergency departments | |
Chang et al. | Improving waiting time for surgical rooms using workflow and the six-sigma method | |
Boyle et al. | Probability of severe adverse events as a function of hospital occupancy | |
Xiao et al. | A simulation-based study for managing hospital emergency department’s capacity in extreme events | |
Chakrabarty et al. | Starting a pharmacovigilance center: actions for implementation | |
Wong et al. | A simulation study to achieve healthcare service quality improvement in accident & emergency department (AED) | |
US11664120B1 (en) | Apparatuses, systems, and methods for reducing return of prescriptions to stock | |
Glynn et al. | Collecting public health surveillance data | |
CN113658671A (zh) | 一种基于区块链的医疗卫生互助系统 | |
Saunders et al. | Integrating data from multiple public sources: Opportunities and challenges for evaluators | |
Rho et al. | Development common data model for adverse drug signal detection based on multi-center EMR systems | |
JP2009075852A (ja) | 特定健診・保健指導総合管理システム | |
CN113724891A (zh) | 医院疫情监测方法、装置及相关设备 | |
Harvey | Using clinical performance information to improve the quality of care in a specialist NHS trust | |
Lowthian et al. | Managing older patients safely in the time critical environment of an emergency department | |
CN113780804B (zh) | 基于数据分析的员工行为风险预测方法、装置及存储介质 |
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 |