CN114781805B - 基于大数据的护理人员护理技能评估方法、系统及装置 - Google Patents
基于大数据的护理人员护理技能评估方法、系统及装置 Download PDFInfo
- Publication number
- CN114781805B CN114781805B CN202210298821.2A CN202210298821A CN114781805B CN 114781805 B CN114781805 B CN 114781805B CN 202210298821 A CN202210298821 A CN 202210298821A CN 114781805 B CN114781805 B CN 114781805B
- Authority
- CN
- China
- Prior art keywords
- voice
- evaluation
- nursing staff
- data
- matching
- 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
- 230000000474 nursing effect Effects 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 134
- 238000012545 processing Methods 0.000 claims abstract description 88
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 230000006399 behavior Effects 0.000 claims description 74
- 230000009471 action Effects 0.000 claims description 54
- 238000004891 communication Methods 0.000 claims description 39
- 230000006870 function Effects 0.000 claims description 17
- 230000036772 blood pressure Effects 0.000 claims description 16
- 230000001121 heart beat frequency Effects 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- LMDZBCPBFSXMTL-UHFFFAOYSA-N 1-ethyl-3-(3-dimethylaminopropyl)carbodiimide Chemical compound CCN=C=NCCCN(C)C LMDZBCPBFSXMTL-UHFFFAOYSA-N 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001755 vocal effect Effects 0.000 claims description 2
- 238000012790 confirmation Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 11
- 230000008451 emotion Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008921 facial expression Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了基于大数据的护理人员护理技能评估方法、系统及装置；属于护理技能评估技术领域；包括采集护理人员护理操作时的语音信息和行为信息，分别对语音信息和行为信息进行预处理，得到语音处理信息和行为处理信息；根据语音处理信息和行为处理信息分别获取护理人员语音的匹配度以及行为的标准度；分别对匹配度和标准度进行分析评估，得到第一评估集和第二评估集；将第一评估集和第二评估集进行联立获取评估值，基于评估值获取护理人员的评估结果；本发明用于解决现有方案中护理人员技能评估的方案单一导致技能评估的整体效果不佳的技术问题。
Description
技术领域
本发明涉及护理技能评估技术领域，更具体地说，它涉及基于大数据的护理人员护理技能评估方法、系统及装置。
背景技术
护理部门依据护理专业发展的需要以及护理人员继续教育的需求，结合护理的队伍的具体情况，需要制定护士技能评估方案和实施方案；护理人员技能培训集评估内容包括专业理论和技能、质量意识、医院规章制度、新业务的培训以及应急措施等等。
经检索，公开号为CN113270175A、名称为一种护理技能提升方法及系统的发明，公开了包括获得第一护理人员的基础信息；根据基础信息获得第一技能标准；根据第一技能标准对所述第一护理人员进行技能掌握度评估，获得第一技能掌握度评估结果；通过第一图像采集装置获得所述第一护理人员的第一图像集；通过第一图像集对所述第一护理人员的护理情况进行评估，获得第二评估结果；将第一技能掌握度评估结果和第二评估结果输入所述护理监测评估系统，获得第一评估方案；基于第一评估方案对第一护理人员进行护理技能训练。解决了现有技术中存在主观评估不够全面与准确，进而无法制定个体化较强、系统的护理技能提升方案的技术问题。
现有的护理人员护理技能评估方案存在一定的缺陷：首先，没有对护理人员操作项目的情况进行多角度的监测；其次，没有对护理人员的人文关怀方面进行监测分析，也没有对护理人员操作时的心理状态进行监测分析，护理人员技能评估的方案单一导致技能评估的整体效果不佳。
发明内容
针对现有技术存在的不足，本发明的目的在于提供基于大数据的护理人员护理技能评估方法、系统及装置，用于解决现有方案中护理人员技能评估的方案单一导致技能评估的整体效果不佳的技术问题。
本发明的目的可以通过以下技术方案实现：
基于大数据的护理人员护理技能评估方法，包括：
采集护理人员护理操作时的语音信息和行为信息，分别对语音信息和行为信息进行预处理，得到语音处理信息和行为处理信息；语音信息包含核对语音数据、操作语音数据和沟通语音数据；行为信息包含动作数据和心理数据；
根据语音处理信息和行为处理信息分别获取护理人员语音的匹配度以及行为的标准度；
分别对匹配度和标准度进行分析评估，得到第一评估集和第二评估集；
将第一评估集和第二评估集进行联立获取评估值，基于评估值获取护理人员的评估结果。
进一步地，对语音信息进行预处理的具体步骤包括：
获取语音信息中的核对语音数据、操作语音数据和沟通语音数据；
利用语音识别算法进行文本转换，得到核对文本数据、操作文本数据和沟通文本数据；
将核对文本数据、操作文本数据和沟通文本数据分别与预构建的核对词组表、操作词组表和沟通词组表进行匹配，获取到词组匹配相同的数量并依次将其设定为第一识别数、第二识别数和第三识别数；
第一识别数、第二识别数和第三识别数构成语音处理信息。
进一步地，对行为信息进行预处理的具体步骤包括：
获取行为信息中的动作数据和心理数据；
获取动作数据中的操作项目和完成时长；设定不同的操作项目均对应一个不同的项目关联值；若干个项目关联值根据操作的顺序构成项目关联表；
将操作项目与项目关联表进行匹配获取对应的项目关联值并标记为DLGi，i＝1，2，3，...，n；n为操作的不同项目；提取完成时长的数值并依次标记为WSCi；
获取心理数据中的心跳频率和实时血压；分别提取操作项目完成时的心跳频率均值和实时血压均值的数值并依次标记为SXTi和SXYi；
取值标记的项目关联值和完成时长以及心跳频率均值和实时血压均值分别构成动作处理数据和心理处理数据；动作处理数据和心理处理数据构成行为处理信息。
进一步地，获取护理人员语音的匹配度的具体步骤包括：
获取语音处理信息中第一识别数、第二识别数和第三识别数的数值并依次标记为YSSi、ESSi和SSSi；获取核对词组表、操作词组表和沟通词组表中词组的总数并依次标记为HCSi、CCSi和GCSi；
对标记的各项数据进行归一化处理并取值，通过匹配函数PPi＝a1＊(YSSi/HCSi)+a2＊(ESSi/CCSi)+a3＊(SSSi/GCSi)获取护理人员语音的匹配度PPi；a1、a2和a3为不同的比例因子且均大于零。
进一步地，获取护理人员行为的标准度的具体步骤包括：
获取行为处理信息中标记的项目关联值DLGi、完成时长WSCi、心跳频率均值SXTi和实时血压均值SXYi，对标记的各项数据进行归一化处理并取值，通过监测函数BZi＝b1＊DLGi＊WSCi+b2＊SXTi＊SXYi获取护理人员行为的标准度BZi；b1和b2为不同的比例因子且均大于零。
进一步地，对匹配度进行分析评估得到第一评估集的具体步骤包括：
获取数据库中预存储的匹配阈值，将匹配度与匹配阈值进行匹配；
若匹配度大于等于匹配阈值，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面均优秀并生成第一语音信号；
若匹配度大于等于匹配阈值的K％且小于匹配阈值，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面有两项优秀并生成第二语音信号；
若匹配度大于等于匹配阈值的(K－P)％且小于匹配阈值的K％，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面有一项优秀并生成第三语音信号；
若匹配度小于匹配阈值的(K－P)％，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面均不优秀并生成第四语音信号；K和P均为正整数且K＞P；
匹配度与第一语音信号、第二语音信号、第三语音信号和第四语音信号构成第一评估集。
进一步地，对标准度进行分析评估得到第二评估集的具体步骤包括：
获取标准度的整数部分和小数部分并分别标记为M1和M2，获取数据库中预存储的操作项目对应的项目阈值以及护理人员正常状态下的心理阈值并分别标记为M3和M4；将M1和M2分别与M3和M4进行匹配评估；
若M1≤M3且M2≤M4，则判定护理人员操作项目合格且心理状态正常并生成第一动作信号；
若M1≤M3且M2＞M4，则判定护理人员操作项目合格但心理状态异常并生成第二动作信号；
若M1＞M3且M2≤M4，则判定护理人员操作项目不合格但心理状态正常并生成第三动作信号；
若M1＞M3且M2＞M4，则判定护理人员操作项目不合格且心理状态异常并生成第四动作信号；标准度与第一动作信号、第二动作信号、第三动作信号和第四动作信构成第二评估集。
进一步地，将第一评估集和第二评估集进行联立的具体步骤包括：
获取所有第一评估集中的匹配度PPi和第二评估集中的标准度BZi；通过评估函数将所有的匹配度PPi和标准度BZi进行联立获取护理人员的评估值PG；该评估函数为c1和c2为不同的比例系数且c1+c2＝1；
将评估值与数据库中预存储的评估表进行匹配获取对应的评估结果并提示；其中，评估结果包含优秀等级、良好等级、中等等级、及格等级和不及格等级；优秀等级的取值范围为[E，E+F]，良好等级的取值范围为[E－F，E)，中等等级的取值范围为[E－2F，E－F)，及格等级的取值范围为[E－3F，E－2F)，不及格等级的取值范围为(0，E－3F)，E和F均为正整数且E＞F。
为了解决上述问题，本发明还提供了基于大数据的护理人员护理技能评估系统，包括语音模块、行为模块和评估模块；
语音模块包含语音采集单元、语音处理单元和语音分析单元；
语音采集单元用于采集护理人员的语音信息，语音信息包含核对语音数据、操作语音数据和沟通语音数据；
语音处理单元用于对采集的语音信息进行预处理，得到包含核对处理数据、操作处理数据和沟通处理数据的语音处理信息；
分别将语音处理信息中的各项数据与数据库中预储存的关键字表进行匹配获取对应的匹配度；
语音分析单元用于根据匹配度对护理人员的言语护理进行评估，得到第一评估集；
行为模块包含行为采集单元、行为处理单元和行为分析单元；
行为采集单元用于采集护理人员护理时的行为信息，该行为信息包含动作数据和心理数据；
行为处理单元用于对采集的行为信息进行预处理，得到包含动作处理数据和心理处理数据的行为处理信息；
根据行为处理信息中的动作处理数据和心理处理数据获取对应的标准度；
行为分析单元用于根据标准度对护理人员的行为护理进行评估，得到第二评估集；
评估模块用于将第一评估集和第二评估集进行联立得到评估值，将评估值与数据库中预存储的评估表进行匹配获取对应的评估等级并进行提示。
为了解决上述问题，本发明还提供了基于大数据的护理人员护理技能评估装置，其特征在于，包括至少一个处理器；
以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的基于大数据的护理人员护理技能评估方法。
与现有方案相比，本发明的有益效果：
本发明通过采集护理人员护理操作时的语音信息和行为信息，并对语音信息中的核对语音数据、操作语音数据和沟通语音数据进行处理并联立计算获取匹配度，基于匹配度可以从操作项目核对方面、操作项目完成方面和人文关怀方面进行技能评估；通过对行为信息中的动作数据和心理数据进行处理并联立计算获取标准度，基于标准度可以从操作项目完成效率方面以及心理素质方面进行技能评估；
通过将护理人员实施的所有操作项目对应的匹配度和标准度进行联立获取评估值，基于评估值可以对护理人员的技能进行整体评估；区别于现有方案中通过单一的行为数据或者面部数据进行监测和分析，本发明可以实现更全面更多样化的评估，有效提高了护理人员技能评估的整体效果。
附图说明
图1为本发明基于大数据的护理人员护理技能评估方法的流程示意图。
图2为本发明基于大数据的护理人员护理技能评估系统的模块示意图。
图3为本发明基于大数据的护理人员护理技能评估装置的结构示意图。
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。
这里使用的术语用于描述实施例，并不意图限制和/或限制本公开；应该注意的是，除非上下文另有明确指示，否则单数形式的“一”、“一个”和“该”也包括复数形式；而且，尽管属于“第一”、“第二”等可以在本文中用于描述各种元件，但是元件不受这些术语的限制，这些术语仅用于区分一个元素和另一个元素。
参照图1所示，为本发明一实施例提供的基于大数据的护理人员护理技能评估方法的流程示意图。在本实施例中，基于大数据的护理人员护理技能评估方法的具体步骤包括：
步骤一：采集护理人员护理操作时的语音信息和行为信息，分别对语音信息和行为信息进行预处理，得到语音处理信息和行为处理信息；语音信息包含核对语音数据、操作语音数据和沟通语音数据；行为信息包含动作数据和心理数据；
需要注意的是，护理技能操作过程包含操作前、操作时和操作后的各项项目评估，本发明实施例中主要对操作过程中的语言项目和操作项目的各项数据进行采集，以便从言语方面和动作方面对护理人员护理技能评估进行数据采集和分析评估，言语方面是指对病人的人文关怀、病情询问和项目操作前的说明；动作方面是指项目操作时的操作时长以及心理的变化；相比于现有方案中对面部表情进行识别和分析评估，本发明实施可以更精准有效的评估。
对语音信息进行预处理的具体步骤包括：
获取语音信息中的核对语音数据、操作语音数据和沟通语音数据；
利用语音识别算法进行文本转换，得到核对文本数据、操作文本数据和沟通文本数据；
将核对文本数据、操作文本数据和沟通文本数据分别与预构建的核对词组表、操作词组表和沟通词组表进行匹配，获取到词组匹配相同的数量并依次将其设定为第一识别数、第二识别数和第三识别数；第一识别数、第二识别数和第三识别数构成语音处理信息；
本发明实施例中，核对语音数据、操作语音数据和沟通语音数据分别包含对病人信息的核查确认、操作项目的说明和言语的人文关怀；通过将采集的语音信息进行转换并获取关键字，并将关键字与对应的词组表进行匹配来获取护理人员在语言方面的考核情况；进一步的，如何根据获取的护理人员的各项言语信息来聪明言语方面对其护理技能进行评估，是本发明实施需要解决的一个问题；
对行为信息进行预处理的具体步骤包括：
获取行为信息中的动作数据和心理数据；
获取动作数据中的操作项目和完成时长；设定不同的操作项目均对应一个不同的项目关联值；若干个项目关联值根据操作的顺序构成项目关联表；
将操作项目与项目关联表进行匹配获取对应的项目关联值并标记为DLGi，i＝1，2，3，...，n；n为操作的不同项目；提取完成时长的数值并依次标记为WSCi；需要注意的是，完成时长的单位为秒；
获取心理数据中的心跳频率和实时血压；分别提取操作项目完成时的心跳频率均值和实时血压均值的数值并依次标记为SXTi和SXYi；
取值标记的项目关联值和完成时长以及心跳频率均值和实时血压均值分别构成动作处理数据和心理处理数据；动作处理数据和心理处理数据构成行为处理信息；
本发明实施例中，行为信息中的动作数据和心理数据分别从外部和内部对护理人员的操作项目进行分析评估，通过对操作项目完成的时长以及心理的变化来综合分析护理人员对其的掌握程度和熟练程度；
需要注意的是，行为信息中存在多种情况，比如，护理人员完成的操作项目中，若完成的时长短且心理波动小，则表示该护理人员对该操作项目掌握程度和熟练程度高且心理情绪波动小；若完成的时长短但心理波动大时，则表示该护理人员对该操作项目掌握程度和熟练程度高且心理情绪波动大；若完成的时长长但心理波动小时，则表示该护理人员对该操作项目掌握程度和熟练程度低且心理情绪波动小；若完成的时长长且心理波动大时，则表示该护理人员对该操作项目掌握程度和熟练程度低且心理情绪波动大；因此，通过从动作完成情况和心理波动情况对护理人员的操作进行综合分析，可以有效提高技能评估的整体效果。
步骤二：根据语音处理信息和行为处理信息分别获取护理人员语音的匹配度以及行为的标准度；
其中，获取护理人员语音的匹配度的具体步骤包括：
获取语音处理信息中第一识别数、第二识别数和第三识别数的数值并依次标记为YSSi、ESSi和SSSi；获取核对词组表、操作词组表和沟通词组表中词组的总数并依次标记为HCSi、CCSi和GCSi；
对标记的各项数据进行归一化处理并取值，通过匹配函数PPi＝a1＊(YSSi/HCSi)+a2＊(ESSi/CCSi)+a3＊(SSSi/GCSi)获取护理人员语音的匹配度PPi；a1、a2和a3为不同的比例因子且均大于零，a1可以取值为0.547，a2可以取值为0.864，a3可以取值为0.235；
本发明实施例中，核对词组表、操作词组表和沟通词组表预先根据操作项目的关键字词组进行设定，当转换后的核对文本数据、操作文本数据和沟通文本数据中的关键字词组在核对词组表、操作词组表和沟通词组表中可以找到对应的词组，则表示该操作项或者人文关怀项护理人员成功完成；若未匹配到，则表示该操作项或者人文关怀项护理人员未完成；匹配度可以从人文关怀方面以及操作项目完成方面进行评估；
获取护理人员行为的标准度的具体步骤包括：
获取行为处理信息中标记的项目关联值DLGi、完成时长WSCi、心跳频率均值SXTi和实时血压均值SXYi，对标记的各项数据进行归一化处理并取值，通过监测函数BZi＝b1＊DLGi＊WSCi+b2＊SXTi＊SXYi获取护理人员行为的标准度BZi；b1和b2为不同的比例因子且均大于零，b1可以取值为3，b2可以取值为0.0037；
本实施例中，通过将采集的操作项目的完成时长以及对应的项目关联值和心理数据进行联立，来对操作项目的完成情况进行整体评估；不同的操作项目可以根据历史的测试评估数据获取一个完成时长的阈值，获取每个护理人员平常状态下的心跳频率和血压，基于完成时长的阈值以及每个护理人员平常状态下的心跳频率和血压来对标准度进行分析；可以多方位的对护理人员的技能操作情况进行评估和分析，提高了护理人员技能评估的多样性和全面性；
步骤三：分别对匹配度和标准度进行分析评估，得到第一评估集和第二评估集；对匹配度进行分析评估得到第一评估集的具体步骤包括：
获取数据库中预存储的匹配阈值，将匹配度与匹配阈值进行匹配；
若匹配度大于等于匹配阈值，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面均优秀并生成第一语音信号；
若匹配度大于等于匹配阈值的K％且小于匹配阈值，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面有两项优秀并生成第二语音信号；
若匹配度大于等于匹配阈值的(K－P)％且小于匹配阈值的K％，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面有一项优秀并生成第三语音信号；
若匹配度小于匹配阈值的(K－P)％，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面均不优秀并生成第四语音信号；K和P均为正整数且K＞P，K可以取值为70，P可以取值为10；
匹配度与第一语音信号、第二语音信号、第三语音信号和第四语音信号构成第一评估集；
对标准度进行分析评估得到第二评估集的具体步骤包括：
获取标准度的整数部分和小数部分并分别标记为M1和M2，获取数据库中预存储的操作项目对应的项目阈值以及护理人员正常状态下的心理阈值并分别标记为M3和M4；将M1和M2分别与M3和M4进行匹配评估；
若M1≤M3且M2≤M4，则判定护理人员操作项目合格且心理状态正常并生成第一动作信号；
若M1≤M3且M2＞M4，则判定护理人员操作项目合格但心理状态异常并生成第二动作信号；
若M1＞M3且M2≤M4，则判定护理人员操作项目不合格但心理状态正常并生成第三动作信号；
若M1＞M3且M2＞M4，则判定护理人员操作项目不合格且心理状态异常并生成第四动作信号；标准度与第一动作信号、第二动作信号、第三动作信号和第四动作信构成第二评估集；
需要注意的是，本发明实施例中的匹配阈值和项目阈值可以根据历史测试评估的大数据进行设定，而心理阈值需要根据护理人员以往正常状态下的心理数据进行设定；
步骤四：将第一评估集和第二评估集进行联立获取评估值，基于评估值获取护理人员的评估结果；具体的步骤包括：
获取所有第一评估集中的匹配度PPi和第二评估集中的标准度BZi；通过评估函数将所有的匹配度PPi和标准度BZi进行联立获取护理人员的评估值PG；该评估函数为c1和c2为不同的比例系数且c1+c2＝1，c1可以取值为0.345，c2可以取值为0.655；
将评估值与数据库中预存储的评估表进行匹配获取对应的评估结果并提示；其中，评估结果包含优秀等级、良好等级、中等等级、及格等级和不及格等级；优秀等级的取值范围为[E，E+F]，良好等级的取值范围为[E－F，E)，中等等级的取值范围为[E－2F，E－F)，及格等级的取值范围为[E－3F，E－2F)，不及格等级的取值范围为(0，E－3F)，E和F均为正整数且E＞F；
本发明实施例中，E可以取值为90，F可以取值为10，则优秀等级、良好等级、中等等级、及格等级和不及格等级对应的取值范围分别为[90，100]、[80，90)、[70，80)、[60，70)和(0，60)；
需要注意的是，匹配度PPi是从人文关怀方面和操作项目完成方面对护理人员进行技能评估的，标准度BZi是从操作项目的完成效率方面和心理素质方面对护理人员进行技能评估的，将匹配度和标准度进行联立实现将所有操作项目进行整合，进而可以对护理人员的技能进行整体评估；
本发明实施例只是基于不同方面来对护理人员的技能进行评估，其它方面的评估可以根据现有方案评估的结果并参考本实施例中的评估值进行全面评估。
参照图2所示，为本发明一实施例提供的基于大数据的护理人员护理技能评估系统的模块示意图。在本实施例中，基于大数据的护理人员护理技能评估系统包括语音模块、行为模块和评估模块；
语音模块包含语音采集单元、语音处理单元和语音分析单元；
语音采集单元用于采集护理人员的语音信息，语音信息包含核对语音数据、操作语音数据和沟通语音数据；
语音处理单元用于对采集的语音信息进行预处理，得到包含核对处理数据、操作处理数据和沟通处理数据的语音处理信息；
分别将语音处理信息中的各项数据与数据库中预储存的关键字表进行匹配获取对应的匹配度；
语音分析单元用于根据匹配度对护理人员的言语护理进行评估，得到第一评估集；
行为模块包含行为采集单元、行为处理单元和行为分析单元；
行为采集单元用于采集护理人员护理时的行为信息，该行为信息包含动作数据和心理数据；
行为处理单元用于对采集的行为信息进行预处理，得到包含动作处理数据和心理处理数据的行为处理信息；
根据行为处理信息中的动作处理数据和心理处理数据获取对应的标准度；
行为分析单元用于根据标准度对护理人员的行为护理进行评估，得到第二评估集；
评估模块用于将第一评估集和第二评估集进行联立得到评估值，将评估值与数据库中预存储的评估表进行匹配获取对应的评估等级并进行提示。
参照图3所示，为本发明一实施例提供的基于大数据的护理人员护理技能评估装置的结构示意图。在本实施例中，基于大数据的护理人员护理技能评估装置，可以包括处理器、存储器、通信总线以及通信接口，还可以包括存储在存储器中并可在处理器上运行的计算机程序。
其中，处理器在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器是电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在存储器内的程序或者模块(例如基于大数据的护理人员护理技能评估程序等)，以及调用存储在存储器内的数据，以执行电子设备的各种功能和处理数据。
存储器至少包括一种类型的可读存储介质，可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。存储器在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。存储器还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于大数据的护理人员护理技能评估程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
通信总线可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industrystandardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
通信接口用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，网络接口可以包括有线接口和/或无线接口(如WI－FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(OrganicLight－Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与至少一个处理器逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。电子设备还可以包括多种传感器、蓝牙模块、Wi－Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。电子设备中的存储器存储的灾害预测图层生成程序是多个指令的组合，在处理器中运行时，可以实现基于大数据的护理人员护理技能评估方法各个步骤的实施和运行。
具体地，处理器对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
电子设备集成的模块/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存储介质中。计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read－Only Memory)。
在本发明所提供的几个实施例中，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，上述模块的划分，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。
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案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
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。
Claims (3)
1.基于大数据的护理人员护理技能评估方法，其特征在于，包括：
采集护理人员护理操作时的语音信息和行为信息，分别对语音信息和行为信息进行预处理，得到语音处理信息和行为处理信息；语音信息包含核对语音数据、操作语音数据和沟通语音数据；行为信息包含动作数据和心理数据；
根据语音处理信息和行为处理信息分别获取护理人员语音的匹配度以及行为的标准度；匹配度是从语音方面对护理人员的技能操作进行评估的数值；标准度是从动作方面和心理方面对护理人员的技能操作进行评估的数值；
分别对匹配度和标准度进行分析评估，得到第一评估集和第二评估集；
将第一评估集和第二评估集进行联立获取评估值，基于评估值获取护理人员的评估结果；
对语音信息进行预处理的具体步骤包括：
利用语音识别算法对语音信息中的各项数据进行文本转换，得到核对文本数据、操作文本数据和沟通文本数据；
将核对文本数据、操作文本数据和沟通文本数据分别与预构建的核对词组表、操作词组表和沟通词组表进行匹配，获取到词组匹配相同的数量并依次将其设定为第一识别数、第二识别数和第三识别数；
第一识别数、第二识别数和第三识别数构成语音处理信息；
核对语音数据、操作语音数据和沟通语音数据分别包含对病人信息的核查确认、操作项目的说明和言语的人文关怀；通过将采集的语音信息进行转换并获取关键字，并将关键字与对应的词组表进行匹配来获取护理人员在语言方面的考核情况；
对行为信息进行预处理的具体步骤包括：
获取动作数据中的操作项目对应的项目关联值以及和完成时长并分别进行标记；获取心理数据中的心跳频率和实时血压并分别提取操作项目完成时的心跳频率均值和实时血压均值；取值标记的项目关联值和完成时长以及心跳频率均值和实时血压均值构成行为处理信息；
获取护理人员语音的匹配度的具体步骤包括：获取语音处理信息中第一识别数YSSi、第二识别数ESSi和第三识别数SSSi；获取核对词组表、操作词组表和沟通词组表中词组的总数并依次标记为HCSi、CCSi和GCSi；对标记的各项数据进行归一化处理并取值，通过匹配函数PPi=a1*（YSSi/HCSi）+a2*（ESSi/CCSi）+a3*（SSSi/GCSi）获取护理人员语音的匹配度PPi；a1、a2和a3为不同的比例因子且均大于零；核对词组表、操作词组表和沟通词组表预先根据操作项目的关键字词组进行设定，当转换后的核对文本数据、操作文本数据和沟通文本数据中的关键字词组在核对词组表、操作词组表和沟通词组表中可以找到对应的词组，则表示该操作项或者人文关怀项护理人员成功完成；若未匹配到，则表示该操作项或者人文关怀项护理人员未完成；匹配度可以从人文关怀方面以及操作项目完成方面进行评估；
获取护理人员行为的标准度的具体步骤包括：获取行为处理信息中标记的项目关联值DLGi、完成时长WSCi、心跳频率均值SXTi和实时血压均值SXYi，对标记的各项数据进行归一化处理并取值，通过监测函数BZi=b1*DLGi*WSCi+b2*SXTi*SXYi获取护理人员行为的标准度BZi；b1和b2为不同的比例因子且均大于零；通过将采集的操作项目的完成时长以及对应的项目关联值和心理数据进行联立，来对操作项目的完成情况进行整体评估；不同的操作项目可以根据历史的测试评估数据获取一个完成时长的阈值，获取每个护理人员平常状态下的心跳频率和血压，基于完成时长的阈值以及每个护理人员平常状态下的心跳频率和血压来对标准度进行分析；可以多方位的对护理人员的技能操作情况进行评估和分析，提高了护理人员技能评估的多样性和全面性；
对匹配度进行分析评估得到第一评估集的具体步骤包括：将匹配度与预设的匹配阈值进行匹配得到包含第一语音信号、第二语音信号、第三语音信号和第四语音信号的第一评估集；获取数据库中预存储的匹配阈值，将匹配度与匹配阈值进行匹配；
若匹配度大于等于匹配阈值，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面均优秀并生成第一语音信号；
若匹配度大于等于匹配阈值的K%且小于匹配阈值，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面有两项优秀并生成第二语音信号；
若匹配度大于等于匹配阈值的(K-P)%且小于匹配阈值的K%，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面有一项优秀并生成第三语音信号；
若匹配度小于匹配阈值的(K-P)%，则判定该护理人员的操作项目核对方面、操作项目完成方面和人文关怀方面均不优秀并生成第四语音信号；K和P均为正整数且K＞P，K可以取值为70，P可以取值为10；
对标准度进行分析评估得到第二评估集的具体步骤包括：获取标准度的整数部分和小数部分并分别与操作项目对应的项目阈值以及护理人员正常状态下的心理阈值进行匹配评估，得到包含第一动作信号、第二动作信号、第三动作信号和第四动作信的第二评估集；对标准度进行分析评估得到第二评估集的具体步骤包括：
获取标准度的整数部分和小数部分并分别标记为M1和M2，获取数据库中预存储的操作项目对应的项目阈值以及护理人员正常状态下的心理阈值并分别标记为M3和M4；将M1和M2分别与M3和M4进行匹配评估；
若M1≤M3且M2≤M4，则判定护理人员操作项目合格且心理状态正常并生成第一动作信号；
若M1≤M3且M2＞M4，则判定护理人员操作项目合格但心理状态异常并生成第二动作信号；
若M1＞M3且M2≤M4，则判定护理人员操作项目不合格但心理状态正常并生成第三动作信号；
若M1＞M3且M2＞M4，则判定护理人员操作项目不合格且心理状态异常并生成第四动作信号；标准度与第一动作信号、第二动作信号、第三动作信号和第四动作信构成第二评估集；
将第一评估集和第二评估集进行联立的具体步骤包括：
通过评估函数将所有的匹配度PPi和标准度BZi进行联立获取护理人员的评估值PG；该评估函数为；c1和c2为不同的比例系数且c1+c2=1；将评估值与数据库中预存储的评估表进行匹配获取对应的评估结果并提示；将评估值与数据库中预存储的评估表进行匹配获取对应的评估结果并提示；其中，评估结果包含优秀等级、良好等级、中等等级、及格等级和不及格等级；优秀等级的取值范围为[E,E+F]，良好等级的取值范围为[E-F,E)，中等等级的取值范围为[E-2F,E-F)，及格等级的取值范围为[E-3F,E-2F)，不及格等级的取值范围为(0,E-3F)，E和F均为正整数且E＞F；
E可取值为90，F可取值为10，则优秀等级、良好等级、中等等级、及格等级和不及格等级对应的取值范围分别为[90,100]、[80,90)、[70,80)、[60,70)和(0,60)；
匹配度PPi是从人文关怀方面和操作项目完成方面对护理人员进行技能评估的，标准度BZi是从操作项目的完成效率方面和心理素质方面对护理人员进行技能评估的，将匹配度和标准度进行联立实现将所有操作项目进行整合，进而可对护理人员的技能进行整体评估。
2.基于权利要求1所述的基于大数据的护理人员护理技能评估方法的大数据的护理人员护理技能评估系统，其特征在于，包括语音模块、行为模块和评估模块；语音模块用于采集护理人员的语音信息，语音信息包含核对语音数据、操作语音数据和沟通语音数据；对采集的语音信息进行预处理，得到包含核对处理数据、操作处理数据和沟通处理数据的语音处理信息；分别将语音处理信息中的各项数据与数据库中预储存的关键字表进行匹配获取对应的匹配度；根据匹配度对护理人员的言语护理进行评估，得到第一评估集；
行为模块用于采集护理人员护理时的行为信息，该行为信息包含动作数据和心理数据；对采集的行为信息进行预处理，得到包含动作处理数据和心理处理数据的行为处理信息；根据行为处理信息中的动作处理数据和心理处理数据获取对应的标准度；根据标准度对护理人员的行为护理进行评估，得到第二评估集；
评估模块用于将第一评估集和第二评估集进行联立得到评估值，将评估值与数据库中预存储的评估表进行匹配获取对应的评估等级并进行提示。
3.基于大数据的护理人员护理技能评估装置，其特征在于，包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行如权利要求1所述的基于大数据的护理人员护理技能评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210298821.2A CN114781805B (zh) | 2022-03-24 | 2022-03-24 | 基于大数据的护理人员护理技能评估方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210298821.2A CN114781805B (zh) | 2022-03-24 | 2022-03-24 | 基于大数据的护理人员护理技能评估方法、系统及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114781805A CN114781805A (zh) | 2022-07-22 |
| CN114781805B true CN114781805B (zh) | 2023-09-15 |
Family
ID=82425289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210298821.2A Active CN114781805B (zh) | 2022-03-24 | 2022-03-24 | 基于大数据的护理人员护理技能评估方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114781805B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115409429A (zh) * | 2022-10-31 | 2022-11-29 | 北京春天医药科技发展有限公司 | 一种医院护理满意度考核管理系统及方法 |
| CN117153316B (zh) * | 2023-09-05 | 2024-04-19 | 中普达科技股份有限公司 | 一种多用户的医疗信息采集终端的管理系统 |
| CN117542498B (zh) * | 2024-01-08 | 2024-04-16 | 安徽医科大学第一附属医院 | 一种基于大数据分析的妇科护理管理系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108875687A (zh) * | 2018-06-28 | 2018-11-23 | 泰康保险集团股份有限公司 | 一种护理质量的评估方法及装置 |
| CN109754648A (zh) * | 2019-03-06 | 2019-05-14 | 北京大学第一医院 | 一种分析临床访谈质量的教学方法及装置 |
| CN111899763A (zh) * | 2020-07-18 | 2020-11-06 | 浙江长护信息技术有限公司 | 基于音频分析的护理识别评价方法 |
| CN112786219A (zh) * | 2021-03-09 | 2021-05-11 | 中南大学 | 医疗护理管理方法、系统及装置 |
| CN113192603A (zh) * | 2021-05-12 | 2021-07-30 | 杜赟 | 一种基于大数据的精神状态评估方法和系统 |
| CN113205716A (zh) * | 2021-05-18 | 2021-08-03 | 南通市第一人民医院 | 一种麻醉科护理人员业务能力考核方法及系统 |
| CN113270175A (zh) * | 2021-05-17 | 2021-08-17 | 南通市第一人民医院 | 一种护理技能提升方法及系统 |
-
2022
- 2022-03-24 CN CN202210298821.2A patent/CN114781805B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108875687A (zh) * | 2018-06-28 | 2018-11-23 | 泰康保险集团股份有限公司 | 一种护理质量的评估方法及装置 |
| CN109754648A (zh) * | 2019-03-06 | 2019-05-14 | 北京大学第一医院 | 一种分析临床访谈质量的教学方法及装置 |
| CN111899763A (zh) * | 2020-07-18 | 2020-11-06 | 浙江长护信息技术有限公司 | 基于音频分析的护理识别评价方法 |
| CN112786219A (zh) * | 2021-03-09 | 2021-05-11 | 中南大学 | 医疗护理管理方法、系统及装置 |
| CN113192603A (zh) * | 2021-05-12 | 2021-07-30 | 杜赟 | 一种基于大数据的精神状态评估方法和系统 |
| CN113270175A (zh) * | 2021-05-17 | 2021-08-17 | 南通市第一人民医院 | 一种护理技能提升方法及系统 |
| CN113205716A (zh) * | 2021-05-18 | 2021-08-03 | 南通市第一人民医院 | 一种麻醉科护理人员业务能力考核方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114781805A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114781805B (zh) | 基于大数据的护理人员护理技能评估方法、系统及装置 | |
| Johnson et al. | Reproducibility in critical care: a mortality prediction case study | |
| Ni et al. | A real-time automated patient screening system for clinical trials eligibility in an emergency department: design and evaluation | |
| Shen et al. | Discovering the potential opportunities of scientific advancement and technological innovation: A case study of smart health monitoring technology | |
| CN112614578B (zh) | 医生智能推荐方法、装置、电子设备及存储介质 | |
| WO2020248847A1 (zh) | 智能心脏疾病检测方法、装置及计算机可读存储介质 | |
| CN113345577B (zh) | 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质 | |
| TWI521467B (zh) | Nursing decision support system | |
| Meystre et al. | Randomized controlled trial of an automated problem list with improved sensitivity | |
| Farooq et al. | A wearable wireless sensor system using machine learning classification to detect arrhythmia | |
| CN113674858A (zh) | 在线医疗处方用药智能检查方法、装置、设备及存储介质 | |
| CN111180026A (zh) | 专科诊疗视图系统及方法 | |
| CN116578704A (zh) | 文本情感分类方法、装置、设备及计算机可读介质 | |
| CN114334175A (zh) | 医院疫情监测方法、装置、计算机设备及存储介质 | |
| Boag et al. | EHR safari: data is contextual | |
| CN112530602A (zh) | 药品副作用分析方法、装置、电子设备及计算机存储介质 | |
| CN116824670A (zh) | 基于微表情的问诊辅助方法、装置、设备及介质 | |
| CN114723597B (zh) | 一种智慧居家养老方法及系统 | |
| CN113011164B (zh) | 数据质量检测方法、装置、电子设备及介质 | |
| CN117809841B (zh) | 一种基于大模型技术的皮肤专病患者管理方法及系统 | |
| CN112288338B (zh) | 用户活动监测方法、装置、设备及介质 | |
| JP2013109656A (ja) | ストレス管理装置、ストレス管理方法及びストレス管理プログラム | |
| CN116705301A (zh) | 一种应用于家庭护理下的健康管理方法及系统 | |
| Nasir et al. | Transformative Insights: Unveiling the Potential of Artificial Intelligence in the Treatment of Sleep Disorders-A Comprehensive Review | |
| CN116030940A (zh) | 一种基于大数据的心理评测管理方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |