CN114093499A - 就诊信息处理方法及系统、电子设备及存储介质 - Google Patents

就诊信息处理方法及系统、电子设备及存储介质 Download PDF

Info

Publication number
CN114093499A
CN114093499A CN202110900390.8A CN202110900390A CN114093499A CN 114093499 A CN114093499 A CN 114093499A CN 202110900390 A CN202110900390 A CN 202110900390A CN 114093499 A CN114093499 A CN 114093499A
Authority
CN
China
Prior art keywords
treatment
data
waiting time
clinic
information
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
CN202110900390.8A
Other languages
English (en)
Inventor
张磊
叶德建
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.)
Shanghai Qinghe Technology Co ltd
Original Assignee
Shanghai Qinghe Technology 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 Shanghai Qinghe Technology Co ltd filed Critical Shanghai Qinghe Technology Co ltd
Priority to CN202110900390.8A priority Critical patent/CN114093499A/zh
Publication of CN114093499A publication Critical patent/CN114093499A/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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work

Landscapes

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

Abstract

本发明公开了一种就诊信息处理方法及系统、电子设备及存储介质。其中，就诊信息处理方法包括：获取就诊信息和就诊项目；将所述就诊信息输入与所述就诊项目对应的排队模型中进行处理；其中，结合就诊项目的自身特点训练相匹配的排队模型，比如应用随机过程的马尔可夫排队模型，根据对应就诊项目的历史就诊数据算出统计模型参数，使用随机过程理论进行求解，输出预估的就诊项目的就诊等待时长，使患者可以预先了解就诊项目的排队情况，方便患者合理安排时间，提升就医体验。根据历史就诊数据可以得到用于评估医院单个科室或医生服务能力的平均就诊等待时长，为医院提供了服务资源的调度依据，从而提高医院的调度效率，进一步提升患者的就医体验。

Description

就诊信息处理方法及系统、电子设备及存储介质
技术领域
本发明涉及计算机技术领域，特别涉及一种就诊信息处理方法及系统、电子设备及存储介质。
背景技术
患者在医院就医的排队时间通常都比较长，从而导致患者的就医体验较差。随着计算机技术的进步，医院的很多流程都得到了简化，例如增加了移动终端的预约功能、自助服务机器、排队叫号系统以及诊间支付功能等，使得患者的就医体验得到提升。然而，在各大三甲医院仍然人山人海，主要原因在于患者对情况的未知，从而盲目地进行排队，大多患者都是去了现场才发现有很多人在排队。医院对各个科室的患者接诊能力也缺乏数据支撑，都是基于经验来毛估，无法进行量化调度管理。
现有技术中提供有一种就医进度显示的方法，具体根据各个就诊节点的历史平均耗时乘以当前节点的人数预估患者的就医进度，这种方法没有考虑未来的变化，例如高优先级患者的插入、复诊患者的插入等都会导致预估结果不准确。另外，使用平均耗时进行预估，未对闲时和忙时进行区分，也会导致预估结果不准确。
发明内容
本发明要解决的技术问题是为了克服现有技术中患者的就诊等待时长预估不准确的缺陷，提供一种就诊等待时长预估更加准确的就诊信息处理方法及系统、电子设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题：
本发明的第一方面提供一种就诊信息处理方法，包括以下步骤：
获取就诊信息和就诊项目；
将所述就诊信息输入与所述就诊项目对应的排队模型中进行处理；其中，所述排队模型根据对应就诊项目的历史就诊数据训练得到；
输出预估的所述就诊项目的就诊等待时长。
可选地，所述就诊信息处理方法还包括以下步骤：
针对所述就诊信息，根据预估的至少两个就诊项目的就诊等待时长确定排队路线。
可选地，所述就诊信息处理方法还包括以下步骤：
获取与预估的所述就诊项目的就诊等待时长对应的实际的就诊等待时长；
根据所述就诊信息和所述实际的就诊等待时长确定目标就诊数据；
根据所述目标就诊数据更新所述就诊项目的历史就诊数据；
根据更新后的历史就诊数据对所述排队模型进行重新训练。
可选地，所述就诊信息包括以下中的至少一种：挂号类型、就诊类型、挂号医生、挂号时间、签到时间；和/或，
所述历史就诊数据包括以下中的至少一种：出诊医生的数量、诊疗设备的数量、各就诊类型的患者的平均诊疗时长、各就诊类型的患者的平均就诊等待时长、挂号医生的平均诊疗时长。
本发明的第二方面提供一种就诊信息处理系统，包括：
第一获取模块，用于获取就诊信息和就诊项目；
信息处理模块，用于将所述就诊信息输入与所述就诊项目对应的排队模型中进行处理；其中，所述排队模型根据对应就诊项目的历史就诊数据训练得到；
时长输出模块，用于输出预估的所述就诊项目的就诊等待时长。
可选地，所述就诊信息处理系统还包括路线确定模块，用于针对所述就诊信息，根据预估的至少两个就诊项目的就诊等待时长确定排队路线。
可选地，所述就诊信息处理系统还包括：
第二获取模块，用于获取与预估的所述就诊项目的就诊等待时长对应的实际的就诊等待时长；
数据确定模块，用于根据所述就诊信息和所述实际的就诊等待时长确定目标就诊数据；
数据更新模块，用于根据所述目标就诊数据更新所述就诊项目的历史就诊数据；
模型训练模块，用于根据更新后的历史就诊数据对所述排队模型进行重新训练。
可选地，所述就诊信息包括以下中的至少一种：挂号类型、就诊类型、挂号医生、挂号时间、签到时间；和/或，
所述历史就诊数据包括以下中的至少一种：出诊医生的数量、诊疗设备的数量、各就诊类型的患者的平均诊疗时长、各就诊类型的患者的平均就诊等待时长、挂号医生的平均诊疗时长。
本发明的第三方面提供一种电子设备，包括存储器、处理器以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计算机程序时实现如第一方面所述的就诊信息处理方法。
本发明的第四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，所述计算机程序被处理器执行时实现如第一方面所述的就诊信息处理方法。
本发明的积极进步效果在于：将所述就诊信息输入与所述就诊项目对应的排队模型中进行处理，可以输出预估的就诊项目的就诊等待时长，使得患者在未到达就诊项目对应的科室之前就可以了解该就诊项目的排队情况，方便患者合理地安排时间，提升患者的就医体验。另外，本发明结合就诊项目的自身特点训练相匹配的排队模型，与所有就诊项目对应相同排队模型相比，预估的排队等待时长更加准确，进一步提升了患者的就医体验。
附图说明
图1为本发明实施例1提供的一种就诊信息处理方法的流程图。
图2为本发明实施例1提供的一种终端设备的显示界面示意图。
图3为本发明实施例1提供的一种就诊信息处理方法的局部流程图。
图4为本发明实施例2提供的一种就诊信息处理系统的结构框图。
图5为本发明实施例3提供的一种电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
图1为本实施例提供的一种就诊信息处理方法的流程图，该就诊信息处理方法可以由就诊信息处理系统执行，该就诊信息处理系统可以通过软件和/或硬件的方式实现，该就诊信息处理系统可以为电子设备的部分或全部。本实施例中的电子设备可以为自助查询终端、手机、PDA(Personal Digital Assistant，掌上电脑)、台式电脑、平板电脑、可穿戴设备等电子设备。
下面以电子设备为执行主体介绍本实施例提供的就诊信息处理方法。如图1所示，本实施例提供的就诊信息处理方法可以包括以下步骤S101～S103：
步骤S101、获取就诊信息和就诊项目。
在具体实施中，可以通过患者挂号所使用的应用程序获取患者的就诊信息和就诊项目，也可以通过患者挂号所使用的自助服务终端获取患者的就诊信息和就诊项目。
上述就诊信息为可以包括挂号类型、就诊类型、挂号医生、挂号时间、签到时间等。其中，所述挂号类型可以包括预约和现场。所述就诊类型可以包括普通号、复诊号、老年病人号、军人号等。所述挂号医生为患者所挂号的医生。
上述就诊项目为可以包括疾病诊断、疾病检查、药房取药等项目，其中，疾病检查可以包括B超、CT、抽血、核磁共振等。
步骤S102、将所述就诊信息输入与所述就诊项目对应的排队模型中进行处理。其中，所述排队模型根据对应就诊项目的历史就诊数据训练得到。
需要说明的是，不同的就诊项目对应不同的排队模型，具体根据对应就诊项目的历史就诊数据训练得到。
在一个具体的例子中，属于先到先服务的就诊项目，例如药房取药或者抽血，对应的排队模型可以为M/M/C模型(M/M/C model)，指单队、并列的多服务台的排队模型，C表示服务台数，也即诊疗设备的数量或者出诊医生的数量。其中，平均到达率可以对应患者的平均签到时间，平均服务率可以对应医生的平均诊疗时长或者平均服务时长。平均等待时长可以对应患者的平均就诊等待时长。
在其它例子中，上述排队模型还可以为M/G/C模型(M/G/C model)。
需要说明的是，上述排队模型可以用随机过程理论进行求解。
在具体实施中，所述历史就诊数据可以包括出诊医生的数量、诊疗设备的数量、各就诊类型的患者的平均诊疗时长、各就诊类型的患者的平均就诊等待时长、挂号医生的平均诊疗时长等。
步骤S103、输出预估的所述就诊项目的就诊等待时长。
在具体实施中，与就诊项目对应的排队模型还可以输出前方队列等待就诊的患者数量。图2用于示出一种终端设备的显示界面示意图。如图2所示，在终端设备的显示界面显示就诊项目、前方队列等待就诊的患者数量以及预估的就诊等待时长，方便患者了解就诊信息。
本实施方式中，将所述就诊信息输入与所述就诊项目对应的排队模型中进行处理，可以输出预估的就诊项目的就诊等待时长，使得患者在未到达就诊项目对应的科室之前就可以了解该就诊项目的排队情况，方便患者合理地安排时间，提升患者的就医体验。另外，本实施方式结合就诊项目的自身特点训练相匹配的排队模型，与所有就诊项目对应相同排队模型相比，预估的排队等待时长更加准确，进一步提升了患者的就医体验。
在可选的一种实施方式中，上述就诊信息处理方法还包括以下步骤S104：针对所述就诊信息，根据预估的至少两个就诊项目的就诊等待时长确定排队路线。
本实施方式中，一个患者对应至少两个就诊项目，分别针对每个就诊项目执行上述步骤S102～S103，可以得到预估的每个就诊项目的就诊等待时长，对所有就诊等待时长进行排序，可以确定出所有就诊项目的排队路线，患者可以根据排队路线进行就诊，从而提高就诊效率。在一些例子中，还可以结合就诊项目的注意事项确定更优的排队路线，或者向患者输出就诊提示，以提示患者注意所述注意事项。其中，就诊项目的注意事项包括需要空腹、需要憋尿、禁止憋尿等。
为了使得就诊项目对应的排队模型更加精准，在可选的一种实施方式中，不断通过实际的就诊等待时长进行学习，进而调整排队模型的参数。具体地，如图3所示，上述就诊信息处理方法还包括以下步骤S201～S204：
步骤S201、获取与预估的所述就诊项目的就诊等待时长对应的实际的就诊等待时长。
步骤S202、根据所述就诊信息和所述实际的就诊等待时长确定目标就诊数据。需要说明的是，目标就诊数据的内容与历史就诊数据的内容相同。
步骤S203、根据所述目标就诊数据更新所述就诊项目的历史就诊数据。
步骤S204、根据更新后的历史就诊数据对所述排队模型进行重新训练。
在具体实施中，可以将目标就诊数据填充至就诊项目的历史就诊数据中，从而扩大历史就诊数据的数据量，利用更大数据量的历史就诊数据训练的排队模型预估的就诊等待时长更加准确。
在可选的一种实施方式中，根据历史就诊数据计算平均就诊等待时长，进而根据平均就诊等待时长对医院的服务资源进行调度，进一步提升患者的就医体验。
在一个具体的例子中，历史就诊数据包括某科室的历史日接诊量和该科室当日接诊所有患者的就诊等待时长，根据某日某科室的接诊量以及该科室当日接诊所有患者的就诊等待时长计算该科室的平均就诊等待时长，进而根据该科室的平均就诊等待时长对该科室的医生进行调度，例如，若该科室的平均就诊等待时长较长，则增加该科室医生的排班，否则，减少该科室医生的排班。
在另一个具体的例子中，历史就诊数据包括某B超设备的历史日服务量和该B超设备每日服务所有患者的就诊等待时长，根据某日该B超设备的服务量以及该B超设备当日服务所有患者的就诊等待时长计算该B超设备的平均就诊等待时长，进而根据该B超设备的平均就诊等待时长对该科室的医生进行调度，例如，若该B超设备的平均就诊等待时长超过该B超设备对应的上限值，说明该B超设备的使用频率较高，容易影响使用寿命，此时可以增加B超设备，以减少单台B超设备的使用频率。若该B超设备的平均就诊等待时长低于该B超设备对应的下限值，说明该B超设备的使用频率较低，导致性价比降低，此时可以减少B超设备，以增加单台B超设备的使用频率。
实施例2
如图4所示，本实施例提供一种就诊信息处理系统40，包括第一获取模块41、信息处理模块42以及时长输出模块43。
第一获取模块41用于获取就诊信息和就诊项目。
在具体实施中，可以通过患者挂号所使用的应用程序获取患者的就诊信息和就诊项目，也可以通过患者挂号所使用的自助服务终端获取患者的就诊信息和就诊项目。
上述就诊信息为可以包括挂号类型、就诊类型、挂号医生、挂号时间、签到时间等。其中，所述挂号类型可以包括预约和现场。所述就诊类型可以包括普通号、复诊号、老年病人号、军人号等。所述挂号医生为患者所挂号的医生。
上述就诊项目为可以包括疾病诊断、疾病检查、药房取药等项目，其中，疾病检查可以包括B超、CT、抽血、核磁共振等。
信息处理模块42用于将所述就诊信息输入与所述就诊项目对应的排队模型中进行处理。其中，所述排队模型根据对应就诊项目的历史就诊数据训练得到。
需要说明的是，不同的就诊项目对应不同的排队模型，具体根据对应就诊项目的历史就诊数据训练得到。
在一个具体的例子中，属于先到先服务的就诊项目，例如药房取药或者抽血，对应的排队模型可以为M/M/C模型，指单队、并列的多服务台的排队模型，C表示服务台数，也即诊疗设备的数量或者出诊医生的数量。其中，平均到达率可以对应患者的平均签到时间，平均服务率可以对应医生的平均诊疗时长或者平均服务时长。平均等待时长可以对应患者的平均就诊等待时长。
在其它例子中，上述排队模型还可以为M/G/C模型。
需要说明的是，上述排队模型可以用随机过程理论进行求解。
在具体实施中，所述历史就诊数据可以包括出诊医生的数量、诊疗设备的数量、各就诊类型的患者的平均诊疗时长、各就诊类型的患者的平均就诊等待时长、挂号医生的平均诊疗时长等。
时长输出模块43用于输出预估的所述就诊项目的就诊等待时长。
在具体实施中，与就诊项目对应的排队模型还可以输出前方队列等待就诊的患者数量，方便患者了解就诊信息。
本实施方式中，将所述就诊信息输入与所述就诊项目对应的排队模型中进行处理，可以输出预估的就诊项目的就诊等待时长，使得患者在未到达就诊项目对应的科室之前就可以了解该就诊项目的排队情况，方便患者合理地安排时间，提升患者的就医体验。另外，本实施方式结合就诊项目的自身特点训练相匹配的排队模型，与所有就诊项目对应相同排队模型相比，预估的排队等待时长更加准确，进一步提升了患者的就医体验。
在可选的一种实施方式中，就诊信息处理系统40还包括路线确定模块，用于针对所述就诊信息，根据预估的至少两个就诊项目的就诊等待时长确定排队路线。
本实施方式中，一个患者对应至少两个就诊项目，根据预估的每个就诊项目的就诊等待时长，对所有就诊等待时长进行排序，可以确定出所有就诊项目的排队路线，患者可以根据排队路线进行就诊，从而提高就诊效率。在一些例子中，还可以结合就诊项目的注意事项确定更优的排队路线，或者向患者输出就诊提示，以提示患者注意所述注意事项。其中，就诊项目的注意事项包括需要空腹、需要憋尿、禁止憋尿等。
为了使得就诊项目对应的排队模型更加精准，在可选的一种实施方式中，不断通过实际的就诊等待时长进行学习，进而调整排队模型的参数。具体地，就诊信息处理系统40还包括第二获取模块、数据确定模块、数据更新模块以及模型训练模块。
第二获取模块用于获取与预估的所述就诊项目的就诊等待时长对应的实际的就诊等待时长。
数据确定模块用于根据所述就诊信息和所述实际的就诊等待时长确定目标就诊数据。需要说明的是，目标就诊数据的内容与历史就诊数据的内容相同。
数据更新模块用于根据所述目标就诊数据更新所述就诊项目的历史就诊数据。
模型训练模块用于根据更新后的历史就诊数据对所述排队模型进行重新训练。
在具体实施中，可以将目标就诊数据填充至就诊项目的历史就诊数据中，从而扩大历史就诊数据的数据量，利用更大数据量的历史就诊数据训练的排队模型预估的就诊等待时长更加准确。
在可选的一种实施方式中，根据历史就诊数据计算平均就诊等待时长，进而根据平均就诊等待时长对医院的服务资源进行调度，进一步提升患者的就医体验。
在一个具体的例子中，历史就诊数据包括某科室的历史日接诊量和该科室当日接诊所有患者的就诊等待时长，根据某日某科室的接诊量以及该科室当日接诊所有患者的就诊等待时长计算该科室的平均就诊等待时长，进而根据该科室的平均就诊等待时长对该科室的医生进行调度，例如，若该科室的平均就诊等待时长较长，则增加该科室医生的排班，否则，减少该科室医生的排班。
在另一个具体的例子中，历史就诊数据包括某B超设备的历史日服务量和该B超设备每日服务所有患者的就诊等待时长，根据某日该B超设备的服务量以及该B超设备当日服务所有患者的就诊等待时长计算该B超设备的平均就诊等待时长，进而根据该B超设备的平均就诊等待时长对该科室的医生进行调度，例如，若该B超设备的平均就诊等待时长超过该B超设备对应的上限值，说明该B超设备的使用频率较高，容易影响使用寿命，此时可以增加B超设备，以减少单台B超设备的使用频率。若该B超设备的平均就诊等待时长低于该B超设备对应的下限值，说明该B超设备的使用频率较低，导致性价比降低，此时可以减少B超设备，以增加单台B超设备的使用频率。
实施例3
图5为本实施例提供的一种电子设备的结构示意图。所述电子设备包括至少一个处理器以及与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行实施例1的就诊信息处理方法。图5显示的电子设备3仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
电子设备3的组件可以包括但不限于：上述至少一个处理器4、上述至少一个存储器5、连接不同系统组件(包括存储器5和处理器4)的总线6。
总线6包括数据总线、地址总线和控制总线。
存储器5可以包括易失性存储器，例如随机存取存储器(RAM)51和/或高速缓存存储器52，还可以进一步包括只读存储器(ROM)53。
存储器5还可以包括具有一组(至少一个)程序模块54的程序/实用工具55，这样的程序模块54包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器4通过运行存储在存储器5中的计算机程序，从而执行各种功能应用以及数据处理，例如上述就诊信息处理方法。
电子设备3也可以与一个或多个外部设备7(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口8进行。并且，电子设备3还可以通过网络适配器9与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器9通过总线6与电子设备3的其它模块通信。应当明白，尽管图5中未示出，可以结合电子设备3使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例3
本实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行实施例1中的就诊信息处理方法。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在电子设备上运行时，所述程序代码用于使所述电子设备执行实现实施例1中的就诊信息处理方法。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在电子设备上执行、部分地在电子设备上执行、作为一个独立的软件包执行、部分在电子设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种就诊信息处理方法，其特征在于，包括以下步骤：
获取就诊信息和就诊项目；
将所述就诊信息输入与所述就诊项目对应的排队模型中进行处理；其中，所述排队模型根据对应就诊项目的历史就诊数据训练得到；
输出预估的所述就诊项目的就诊等待时长。
2.如权利要求1所述的就诊信息处理方法，其特征在于，所述就诊信息处理方法还包括以下步骤：
针对所述就诊信息，根据预估的至少两个就诊项目的就诊等待时长确定排队路线。
3.如权利要求1所述的就诊等待时长的预估方法，其特征在于，所述就诊信息处理方法还包括以下步骤：
获取与预估的所述就诊项目的就诊等待时长对应的实际的就诊等待时长；
根据所述就诊信息和所述实际的就诊等待时长确定目标就诊数据；
根据所述目标就诊数据更新所述就诊项目的历史就诊数据；
根据更新后的历史就诊数据对所述排队模型进行重新训练。
4.如权利要求1-3中任一项所述的就诊信息处理方法，其特征在于，所述就诊信息包括以下中的至少一种：挂号类型、就诊类型、挂号医生、挂号时间、签到时间；和/或，
所述历史就诊数据包括以下中的至少一种：出诊医生的数量、诊疗设备的数量、各就诊类型的患者的平均诊疗时长、各就诊类型的患者的平均就诊等待时长、挂号医生的平均诊疗时长。
5.一种就诊信息处理系统，其特征在于，包括：
第一获取模块，用于获取就诊信息和就诊项目；
信息处理模块，用于将所述就诊信息输入与所述就诊项目对应的排队模型中进行处理；其中，所述排队模型根据对应就诊项目的历史就诊数据训练得到；
时长输出模块，用于输出预估的所述就诊项目的就诊等待时长。
6.如权利要求5所述的就诊信息处理系统，其特征在于，所述就诊信息处理系统还包括路线确定模块，用于针对所述就诊信息，根据预估的至少两个就诊项目的就诊等待时长确定排队路线。
7.如权利要求5所述的就诊信息处理系统，其特征在于，所述就诊信息处理系统还包括：
第二获取模块，用于获取与预估的所述就诊项目的就诊等待时长对应的实际的就诊等待时长；
数据确定模块，用于根据所述就诊信息和所述实际的就诊等待时长确定目标就诊数据；
数据更新模块，用于根据所述目标就诊数据更新所述就诊项目的历史就诊数据；
模型训练模块，用于根据更新后的历史就诊数据对所述排队模型进行重新训练。
8.如权利要求5-7中任一项所述的就诊信息处理系统，其特征在于，所述就诊信息包括以下中的至少一种：挂号类型、就诊类型、挂号医生、挂号时间、签到时间；和/或，
所述历史就诊数据包括以下中的至少一种：出诊医生的数量、诊疗设备的数量、各就诊类型的患者的平均诊疗时长、各就诊类型的患者的平均就诊等待时长、挂号医生的平均诊疗时长。
9.一种电子设备，包括存储器、处理器以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，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的就诊信息处理方法。
10.一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如权利要求1-4中任一项所述的就诊信息处理方法。
CN202110900390.8A 2021-08-06 2021-08-06 就诊信息处理方法及系统、电子设备及存储介质 Pending CN114093499A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110900390.8A CN114093499A (zh) 2021-08-06 2021-08-06 就诊信息处理方法及系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110900390.8A CN114093499A (zh) 2021-08-06 2021-08-06 就诊信息处理方法及系统、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114093499A true CN114093499A (zh) 2022-02-25

Family

ID=80296065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110900390.8A Pending CN114093499A (zh) 2021-08-06 2021-08-06 就诊信息处理方法及系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114093499A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115101177A (zh) * 2022-06-30 2022-09-23 贵州精准健康数据有限公司 一种自动获取电子胶片的系统和方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960460A (zh) * 2018-06-07 2018-12-07 郑州云海信息技术有限公司 一种医院挂号诊疗方法及系统
CN112561756A (zh) * 2020-12-22 2021-03-26 武汉源启科技股份有限公司 一种就医进度显示方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960460A (zh) * 2018-06-07 2018-12-07 郑州云海信息技术有限公司 一种医院挂号诊疗方法及系统
CN112561756A (zh) * 2020-12-22 2021-03-26 武汉源启科技股份有限公司 一种就医进度显示方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115101177A (zh) * 2022-06-30 2022-09-23 贵州精准健康数据有限公司 一种自动获取电子胶片的系统和方法

Similar Documents

Publication Publication Date Title
WO2022134650A1 (zh) 医院门诊规划方法、装置、设备及存储介质
JP6533243B2 (ja) 提供装置、提供方法、及び提供プログラム
US20160253463A1 (en) Simulation-based systems and methods to help healthcare consultants and hospital administrators determine an optimal human resource plan for a hospital
US20180358122A1 (en) System, device and method for guiding a patient in a hospital setup
Ho et al. Forecasting hospital emergency department patient volume using internet search data
JP2020042761A (ja) 治療経路分析および管理プラットフォーム
US9280743B2 (en) Data based truth maintenance
US20170024523A1 (en) Requirement Forecast for Health Care Services
US20230274821A1 (en) Systems and methods to provide real-time feedback for patient wait time
WO2023240830A1 (zh) 一种信息管理方法、装置、设备及介质
KR20190082124A (ko) 예상 진료대기시간 제공 방법 및 그 장치
US20200111575A1 (en) Producing a multidimensional space data structure to perform survival analysis
CN111916193A (zh) 智能就医方法、装置、计算机设备及存储介质
CN113140062B (zh) 基于双队列的体检排队方法、装置、电子装置及介质
CN112465172A (zh) 一种医院智能就诊方法及装置
Narula Are we up to speed? From big data to rich insights in CV imaging for a hyperconnected world
Reddy et al. AI-IoT based healthcare prognosis interactive system
Leutgeb et al. On a European collaboration to identify organizational models, potential shortcomings and improvement options in out-of-hours primary health care
CN114093499A (zh) 就诊信息处理方法及系统、电子设备及存储介质
CN112561756A (zh) 一种就医进度显示方法及装置
JP2021064350A (ja) システム、方法、及びプログラム
JP7122279B2 (ja) 医療機関選定サーバ及び医療機関選定方法
US20220199237A1 (en) Process to define tailored intervention outreach sent to patients determined to be at risk of no-showing or cancelling late to an upcoming episode of care
CN113094602B (zh) 酒店推荐方法、系统、设备及介质
US20150339602A1 (en) System and method for modeling health care costs

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