CN114999602B - 一种就诊信息的管理方法和装置 - Google Patents

一种就诊信息的管理方法和装置 Download PDF

Info

Publication number
CN114999602B
CN114999602B CN202210919682.0A CN202210919682A CN114999602B CN 114999602 B CN114999602 B CN 114999602B CN 202210919682 A CN202210919682 A CN 202210919682A CN 114999602 B CN114999602 B CN 114999602B
Authority
CN
China
Prior art keywords
time
patient
department
hospital
arrival
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
Application number
CN202210919682.0A
Other languages
English (en)
Other versions
CN114999602A (zh
Inventor
陈红
程丽薇
陈园
赵采红
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.)
Renmin Hospital of Wuhan University
Original Assignee
Renmin Hospital of Wuhan University
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 Renmin Hospital of Wuhan University filed Critical Renmin Hospital of Wuhan University
Priority to CN202210919682.0A priority Critical patent/CN114999602B/zh
Publication of CN114999602A publication Critical patent/CN114999602A/zh
Application granted granted Critical
Publication of CN114999602B publication Critical patent/CN114999602B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明提供了一种就诊信息的管理方法和装置，其中方法包括：根据患者输入的疾病名称获取到多个科室办理点，再基于各个科室办理点的患者人数以及单个患者预计处理时长，计算对应的拟合参数，获取患者输入的理想时间范围，计算各个到达医院时刻的预计看诊时间，从而为所述患者选取最优到达医院时刻。本发明的有益效果：对就诊信息进行合理的管理，对于医院而言，实现了对医疗的时间资源的合理分配，对于患者而言，节约了更多的诊疗时间，从而使患者和医院之间医疗的时间资源更加匹配。

Description

一种就诊信息的管理方法和装置
技术领域
本发明涉及人工智能领域，特别涉及一种就诊信息的管理方法和装置。
背景技术
随着医疗水平的不断提高，人们对于健康也逐渐进行关注，越来越多的人们会去医院门诊进行体检和治疗，因此对于门诊而言，其需求也越来越高。一般而言，患者去医院的时刻是随机的，对于单个科室办理点的拥挤情况，患者可以根据预约的显示情况了解，但是当患者需要访问多个科室办理点时，则无法对时间进行更好的安排，导致了患者和医院之间存在医疗的时间资源不匹配。
发明内容
本发明的主要目的为提供一种就诊信息的管理方法和装置，旨在解决患者和医院之间存在医疗的时间资源不匹配的问题。
本发明提供了一种就诊信息的管理方法，包括：
获取患者输入的疾病名称；
根据所述疾病名称获取到所述患者办理诊疗的多个科室办理点；
获取各个所述科室办理点各个时间段的患者人数；
根据所述患者人数乘以对应科室办理点的单个患者预计处理时长，得到每个科室 办理点的时间容量集
Figure 590771DEST_PATH_IMAGE001
、
Figure 101387DEST_PATH_IMAGE002
、...、
Figure 477529DEST_PATH_IMAGE003
、...、
Figure 466213DEST_PATH_IMAGE004
；其中，
Figure 811744DEST_PATH_IMAGE003
表示时段为
Figure 227682DEST_PATH_IMAGE005
时 第i个科室办理点的时间容量集，且
Figure 291453DEST_PATH_IMAGE006
；
将各个所述时间容量集中的每个元素分别输入拟合公式
Figure 552670DEST_PATH_IMAGE007
Figure 18286DEST_PATH_IMAGE008
中，得到每个时间容量集对应的转换参数
Figure 542809DEST_PATH_IMAGE009
；其 中，
Figure 93876DEST_PATH_IMAGE009
表示第i个科室办理点对应的时间容量集的拟合参数
Figure 624696DEST_PATH_IMAGE009
；
获取患者输入的理想时间范围；
通过公式
Figure 679239DEST_PATH_IMAGE010
计算各个到达医院时刻对应的预计看诊时间； 其中，
Figure 640242DEST_PATH_IMAGE011
表示患者到达医院的时刻且
Figure 413026DEST_PATH_IMAGE011
在所述理想时间范围内，
Figure 953729DEST_PATH_IMAGE012
表示第j个科室办理点到 达的时刻，
Figure 393937DEST_PATH_IMAGE013
，
Figure 260262DEST_PATH_IMAGE014
表示以
Figure 644976DEST_PATH_IMAGE009
为变量的预设函数，
Figure 254949DEST_PATH_IMAGE015
表示根据到达医院 的时间完成就诊的总时长；
根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻。
进一步地，所述根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻的步骤之后，还包括：
获取患者评价结束问诊后的评价内容；其中，所述评价内容为患者根据所述最优到达医院时刻后发出的评价；
采用情感分析工具对所述评价进行分析，得到表征情感倾向性的形容词及其情感极性值；
统计所述评价内容中正面情绪的形容词出现的概率和负面情绪的形容词出现的概率；其中，情感极性值大于设定数值的形容词为正面情绪的形容词，情感极性值小于或等于设定数值的形容词为负面情绪的形容词；
根据正面情绪的形容词出现的概率和负面情绪的形容词出现的概率得到患者的情绪倾向；其中，所述患者的情绪倾向为正面情感或负面情感；
将所述情绪倾向为负面情感的评价内容进行信息提取，根据提取的信息内容更新每个科室办理点的单个患者预计处理时长或者各个时间段的患者人数。
进一步地，所述通过公式
Figure 284085DEST_PATH_IMAGE010
计算各个到达医院时刻对应的 预计看诊时间的步骤，包括：
根据所述患者输入的疾病名称获取到各个科室办理点的关联性；
将关联性强的科室办理点利用排列的捆绑法进行捆绑，然后对各个科室办理点进行排列，得到多种排列组合；
根据公式
Figure 586890DEST_PATH_IMAGE010
计算每个排列组合对应的预计看诊时长；
将最短的预计看诊时间作为每个到达医院时刻对应的预计看诊时长。
进一步地，所述根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻的步骤之后，还包括：
获取多个患者在各个科室办理点所花费的总时长和到达对应科室办理点的到达时刻；
根据所述所花费的总时长和所述到达时刻生成各个科室办理点基于到达时刻的总时长变化曲线；
获取所述患者到达科室办理点的时刻，并根据所述时长变化曲线将所述患者在每个科室办理点的预计办理时长发送给所述患者。
进一步地，所述根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻的步骤之后，还包括：
获取多个患者对于每个科室办理点的标记信息；
判断所述标记信息中是否含有对应的时间标记；
若具有所述时间标记，则根据所述患者选取的科室办理点的排列组合，判断所述患者到达所述科室办理点的时刻是否在所述时间标记范围内；
若在所述时间标记范围内，则将所述标记信息发送给所述患者。
本发明还提供了一种就诊信息的管理装置，包括：
第一获取模块，用于获取患者输入的疾病名称；
第二获取模块，用于根据所述疾病名称获取到所述患者办理诊疗的多个科室办理点；
第三获取模块，用于获取各个所述科室办理点各个时间段的患者人数；
第一计算模块，用于根据所述患者人数乘以对应科室办理点的单个患者预计处理 时长，得到每个科室办理点的时间容量集
Figure 71617DEST_PATH_IMAGE001
、
Figure 485281DEST_PATH_IMAGE002
、...、
Figure 368923DEST_PATH_IMAGE003
、...、
Figure 577050DEST_PATH_IMAGE004
；其中，
Figure 546143DEST_PATH_IMAGE003
表示时段为
Figure 497919DEST_PATH_IMAGE005
时第i个科室办理点的时间容量集，且
Figure 501647DEST_PATH_IMAGE006
；
输入模块，用于将各个所述时间容量集中的每个元素分别输入拟合公式
Figure 880676DEST_PATH_IMAGE007
Figure 337065DEST_PATH_IMAGE008
中，得到每个时间容量集对应的转换参数
Figure 92531DEST_PATH_IMAGE009
；其 中，
Figure 685187DEST_PATH_IMAGE009
表示第i个科室办理点对应的时间容量集的拟合参数
Figure 500696DEST_PATH_IMAGE009
；
第四获取模块，用于获取患者输入的理想时间范围；
第二计算模块，用于通过公式
Figure 444381DEST_PATH_IMAGE010
计算各个到达医院时刻对 应的预计看诊时间；其中，
Figure 737959DEST_PATH_IMAGE011
表示患者到达医院的时刻且
Figure 450700DEST_PATH_IMAGE011
在所述理想时间范围内，
Figure 171532DEST_PATH_IMAGE012
表示 第j个科室办理点到达的时刻，
Figure 336934DEST_PATH_IMAGE013
，
Figure 434203DEST_PATH_IMAGE016
表示以
Figure 529679DEST_PATH_IMAGE009
为变量的预设函数，
Figure 155832DEST_PATH_IMAGE015
表示根据到达医院的时间完成就诊的总时长；
选取模块，用于根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻。
进一步地，所述就诊信息的管理装置，还包括：
评价内容获取模块，用于获取患者评价结束问诊后的评价内容；其中，所述评价内容为患者根据所述最优到达医院时刻后发出的评价；
分析模块，用于采用情感分析工具对所述评价进行分析，得到表征情感倾向性的形容词及其情感极性值；
统计模块，用于统计所述评价内容中正面情绪的形容词出现的概率和负面情绪的形容词出现的概率；其中，情感极性值大于设定数值的形容词为正面情绪的形容词，情感极性值小于或等于设定数值的形容词为负面情绪的形容词；
情绪倾向获取模块，用于根据正面情绪的形容词出现的概率和负面情绪的形容词出现的概率得到患者的情绪倾向；其中，所述患者的情绪倾向为正面情感或负面情感；
提取模块，用于将所述情绪倾向为负面情感的评价内容进行信息提取，根据提取的信息内容更新每个科室办理点的单个患者预计处理时长或者各个时间段的患者人数。
进一步地，所述第二计算模块，包括：
关联性获取子模块，用于根据所述患者输入的疾病名称获取到各个科室办理点的关联性；
捆绑子模块，用于将关联性强的科室办理点利用排列的捆绑法进行捆绑，然后对各个科室办理点进行排列，得到多种排列组合；
计算子模块，用于根据公式
Figure 74110DEST_PATH_IMAGE010
计算每个排列组合对应的预 计看诊时长；
作为子模块，用于将最短的预计看诊时间作为每个到达医院时刻对应的预计看诊时长。
进一步地，所述就诊信息的管理装置，还包括：
到达时刻获取模块，用于获取多个患者在各个科室办理点所花费的总时长和到达对应科室办理点的到达时刻；
变化曲线生成模块，用于根据所述所花费的总时长和所述到达时刻生成各个科室办理点基于到达时刻的总时长变化曲线；
发送模块，用于获取所述患者到达科室办理点的时刻，并根据所述时长变化曲线将所述患者在每个科室办理点的预计办理时长发送给所述患者。
进一步地，所述就诊信息的管理装置，还包括：
标记信息获取模块，用于获取多个患者对于每个科室办理点的标记信息；
时间标记判断模块，用于判断所述标记信息中是否含有对应的时间标记；
若具有所述时间标记，则根据所述患者选取的科室办理点的排列组合，判断所述患者到达所述科室办理点的时刻是否在所述时间标记范围内；
标记信息发送模块，用于若在所述时间标记范围内，则将所述标记信息发送给所述患者。
本发明的有益效果：根据患者输入的疾病名称获取到多个科室办理点，再基于各个科室办理点的患者人数以及单个患者预计处理时长，计算对应的拟合参数，获取患者输入的理想时间范围，计算各个到达医院时刻的预计看诊时间，从而为所述患者选取最优到达医院时刻，从而对就诊信息进行合理的管理，对于医院而言，实现了对医疗的时间资源的合理分配，对于患者而言，节约了更多的诊疗时间，从而使患者和医院之间医疗的时间资源更加匹配。
附图说明
图1 是本发明一实施例的一种就诊信息的管理方法的流程示意图；
图2 是本发明一实施例的一种就诊信息的管理装置的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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的一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后等）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变，所述的连接可以是直接连接，也可以是间接连接。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
参照图1，本发明提出一种就诊信息的管理方法，包括：
S1：获取患者输入的疾病名称；
S2：根据所述疾病名称获取到所述患者办理诊疗的多个科室办理点；
S3：获取各个所述科室办理点各个时间段的患者人数；
S4：根据所述患者人数乘以对应科室办理点的单个患者预计处理时长，得到每个 科室办理点的时间容量集
Figure 975070DEST_PATH_IMAGE001
、
Figure 131245DEST_PATH_IMAGE002
、...、
Figure 459458DEST_PATH_IMAGE003
、...、
Figure 865031DEST_PATH_IMAGE004
；其中，
Figure 569682DEST_PATH_IMAGE003
表示时段为
Figure 111522DEST_PATH_IMAGE005
时第i个科室办理点的时间容量集，且
Figure 610636DEST_PATH_IMAGE006
；
S5：将各个所述时间容量集中的每个元素分别输入拟合公式
Figure 237927DEST_PATH_IMAGE007
Figure 480689DEST_PATH_IMAGE008
中，得到每个时间容量集对应的转换参数
Figure 877036DEST_PATH_IMAGE009
；其 中，
Figure 281472DEST_PATH_IMAGE009
表示第i个科室办理点对应的时间容量集的拟合参数
Figure 396059DEST_PATH_IMAGE009
；
S6：获取患者输入的理想时间范围；
S7：通过公式
Figure 176933DEST_PATH_IMAGE010
计算各个到达医院时刻对应的预计看诊时 间；其中，
Figure 693365DEST_PATH_IMAGE011
表示患者到达医院的时刻且
Figure 537212DEST_PATH_IMAGE011
在所述理想时间范围内，
Figure 873515DEST_PATH_IMAGE012
表示第j个科室办理点 到达的时刻，
Figure 458080DEST_PATH_IMAGE013
，
Figure 829019DEST_PATH_IMAGE016
表示以
Figure 840837DEST_PATH_IMAGE009
为变量的预设函数，
Figure 398857DEST_PATH_IMAGE015
表示根据到达医 院的时间完成就诊的总时长；
S8：根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻。
如上述步骤S1所述，获取患者输入的疾病名称，本申请通过app来实现，患者登陆了app后，在对应的窗口处输入对应的疾病名称，在一些实施例中，也可以是输入疾病的相关描述，再根据相关描述显示对应的疾病名称，以供患者进行选取，从而实现了对疾病名称的获取，疾病名称可以包括一个也可以包括多个。
如上述步骤S2所述，根据所述疾病名称获取到所述患者办理诊疗的多个科室办理点，根据疾病名称获取到对应的科室办理点，该科室办理点包括医院的各个科室，也可以包括一些缴费处等位置，获取办理诊疗的多个科室办理点的方法可以是，预先存储疾病名称与对应科室办理点的关联关系构成关联表，从而可以根据疾病名称获取到多个科室办理点。
如上述步骤S3所述，获取各个所述科室办理点各个时间段的患者人数，获取的方式，可以是根据各个科室办理点的当前办理人数，可以根据各个科室的等候厅中签到的人数获取，在一些实施例中，也可以根据各个时间段的历史办理人数进行获取，本申请优选后者，前者会忽略掉一些没有签到的患者，所以具有一些误差，当然若当前办理人数过少，则可以直接以当前办理人数作为当前时间段的患者人数，并基于当前时间段对后续时间段的患者人数进行估计。
如上述步骤S4所述，根据所述患者人数乘以对应科室办理点的单个患者预计处理 时长，得到每个科室办理点的时间容量集
Figure 787113DEST_PATH_IMAGE001
、
Figure 12558DEST_PATH_IMAGE002
、...、
Figure 195278DEST_PATH_IMAGE003
、...、
Figure 771753DEST_PATH_IMAGE004
；其中，
Figure 432541DEST_PATH_IMAGE003
表示时段为
Figure 512493DEST_PATH_IMAGE005
时第i个科室办理点的时间容量集，且
Figure 131693DEST_PATH_IMAGE006
。单 个患者预计处理时长也可以根据历史处理时长进行统计，从而得到单个患者的预计处理时 长，时间容量集反应的是科室办理点的拥挤情况，后续可以根据时间容量集进行计算，需要 说明的是，一个时间容量集包括了
Figure 929884DEST_PATH_IMAGE001
、
Figure 394364DEST_PATH_IMAGE002
、...、
Figure 328822DEST_PATH_IMAGE003
、...、
Figure 118923DEST_PATH_IMAGE004
l个元素，并不能 说明l+1个元素是
Figure 404411DEST_PATH_IMAGE001
，简而言之，l不是变化的周期。
如上述步骤S5所述，将各个所述时间容量集中的每个元素分别输入拟合公式
Figure 693089DEST_PATH_IMAGE007
Figure 747633DEST_PATH_IMAGE008
中，得到每个时间容量集对应的转换参数
Figure 443056DEST_PATH_IMAGE009
；其 中，
Figure 950261DEST_PATH_IMAGE009
表示第i个科室办理点对应的时间容量集的拟合参数
Figure 287702DEST_PATH_IMAGE009
。需要说明的是，由于各个科 室办理点的时间容量集一般呈现周期性的变化，但是由于不确定周期的时长，因此可以计 算对应的转换参数，即距离一定位置后的差值，其变化规律是相同的，从而可以得到转换参 数
Figure 462331DEST_PATH_IMAGE009
，因此后续可以根据转换参数以及具体的到达时间进行计算。
如上述步骤S6所述，获取患者输入的理想时间范围，该理想时间范围为患者到达医院的理想时间范围，也可以是患者看病的理想时间范围，例如患者输入的理想时间范围是2022年5月18日8:00-10:00，因此后续在安排对应的时间需要满足上述的理想时间范围。
如上述步骤S7所述，通过公式
Figure 328656DEST_PATH_IMAGE017
计算各个到达医院时刻 对应的预计看诊时间；其中，
Figure 588736DEST_PATH_IMAGE011
表示患者到达医院的时刻且
Figure 933130DEST_PATH_IMAGE011
在所述理想时间范围内，
Figure 962265DEST_PATH_IMAGE012
表 示第j个科室办理点到达的时刻，
Figure 999492DEST_PATH_IMAGE018
表示j个科室办理点处理单个患者的时长，
Figure 746868DEST_PATH_IMAGE019
，
Figure 160532DEST_PATH_IMAGE020
表示以
Figure 778595DEST_PATH_IMAGE009
、
Figure 252301DEST_PATH_IMAGE018
和
Figure 221394DEST_PATH_IMAGE012
为变量的预设函数，
Figure 907591DEST_PATH_IMAGE015
表示根据到 达医院的时间完成就诊的总时长。需要说明的是，
Figure 914248DEST_PATH_IMAGE020
表示以
Figure 293277DEST_PATH_IMAGE009
为变量的预设 函数，其可以满足对患者在各个科室办理点的预计时长的估算，从而得到完成就诊的总时 长，
Figure 749666DEST_PATH_IMAGE019
，
Figure 505133DEST_PATH_IMAGE021
，即每个科室办理点到达的时刻与上一个到达的时刻是相关的， 当然还需要考虑其中在路上行走的时间，这个时间可以归类在单个患者的处理时长上。
如上述步骤S8所述，根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻。选取的方式可以是选取最短的时长作为达到医院的理想时刻，从而对就诊信息进行合理的管理，对于医院而言，实现了对医疗的时间资源的合理分配，对于患者而言，节约了更多的诊疗时间，从而使患者和医院之间医疗的时间资源更加匹配。
在一个实施例中，所述根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻的步骤S8之后，还包括：
S901：获取患者评价结束问诊后的评价内容；其中，所述评价内容为患者根据所述最优到达医院时刻后发出的评价；
S902：采用情感分析工具对所述评价进行分析，得到表征情感倾向性的形容词及其情感极性值；
S903：统计所述评价内容中正面情绪的形容词出现的概率和负面情绪的形容词出现的概率；其中，情感极性值大于设定数值的形容词为正面情绪的形容词，情感极性值小于或等于设定数值的形容词为负面情绪的形容词；
S904：根据正面情绪的形容词出现的概率和负面情绪的形容词出现的概率得到患者的情绪倾向；其中，所述患者的情绪倾向为正面情感或负面情感；
S905：将所述情绪倾向为负面情感的评价内容进行信息提取，根据提取的信息内容更新每个科室办理点的单个患者预计处理时长或者各个时间段的患者人数。
如上述步骤S901-S902所述，采用情感分析工具SentiWordNet（SentiWordNet是一种用于意见挖掘的工具，SentiWordNet可以根据对应的情感分数将内容划分为积极性、消极性）对评价内容进行分析，得到表征情感倾向性的词汇及其情感极性值，设定情感极性值大于0.2（设定数值，可根据具体情况进行调整）的形容词为正面情绪的形容词，情感极性值小于或等于0.2的词汇为负面情绪的形容词，进一步统计评价内容中正面情绪的形容词出现的概率和负面情绪的形容词出现的概率，若正面情绪的形容词出现的概率大于负面情绪的形容词出现的概率，则患者的情绪倾向为正面情感，若正面情绪的形容词出现的概率小于负面情绪的形容词出现的概率，则患者的情绪倾向为负面情感；将所述情绪倾向为负面情感的评价内容进行信息提取，根据提取的信息内容更新每个科室办理点的单个患者预计处理时长或者各个时间段的患者人数，由于患者情绪倾向为负面情绪，这说明患者实际诊疗的时长与预计时长不接近，所以需要对单个患者的预计处理时长进行更新，亦或者对各个时间段的患者人数进行更新，从而避免了这种情况的发生，患者实际诊疗的时长与预计时长不接近的情况可以分为患者实际诊疗的时长比预计时长长，或者比预计时长短，患者都会对这个发表一些看法，例如实际等待的时长没有这么长，在一些实施例中，也可以直接将对应的评价词直接呈现给患者，以使用户可以快速评论。
在一个实施例中，所述通过公式
Figure 894526DEST_PATH_IMAGE010
计算各个到达医院时刻 对应的预计看诊时间的步骤S7，包括：
S701：根据所述患者输入的疾病名称获取到各个科室办理点的关联性；
S702：将关联性强的科室办理点利用排列的捆绑法进行捆绑，然后对各个科室办理点进行排列，得到多种排列组合；
S703：根据公式
Figure 37931DEST_PATH_IMAGE010
计算每个排列组合对应的预计看诊时长；
S704：将最短的预计看诊时间作为每个到达医院时刻对应的预计看诊时长。
如上述步骤S701-S704所述，即由于部分的科室办理点的顺序可以先后发生变化， 例如体检时，可以先拍CT，后去验血，顺序可以发生颠倒，因此，将关联性强的科室办理点进 行捆绑，各个科室办理点的关联性都是基于疾病名称相关联的，这可以事先进行预存，从而 可以根据所述患者输入的疾病名称获取到各个科室办理点的关联性，再将关联性强的科室 办理点利用排列的捆绑法进行捆绑，然后对各个科室办理点进行排列，得到多种排列组合， 根据公式
Figure 981616DEST_PATH_IMAGE010
计算每个排列组合对应的预计看诊时长，从而得到各个 排列组合的预计看诊时长。将最短的预计看诊时间作为每个到达医院时刻对应的预计看诊 时长。从而实现更加精确的计算各个到达医院时刻的预计看诊时长。
在一个实施例中，所述根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻的步骤S8之后，还包括：
S911：获取多个患者在各个科室办理点所花费的总时长和到达对应科室办理点的到达时刻；
S912：根据所述所花费的总时长和所述到达时刻生成各个科室办理点基于到达时刻的总时长变化曲线；
S913：获取所述患者到达科室办理点的时刻，并根据所述时长变化曲线将所述患者在每个科室办理点的预计办理时长发送给所述患者。
如上述步骤S911-S913所述，获取多个患者在各个科室办理点所花费的总时长和到达对应科室办理点的到达时刻；根据所述所花费的总时长和所述到达时刻生成各个科室办理点基于到达时刻的总时长变化曲线；获取所述患者到达科室办理点的时刻，并根据所述时长变化曲线将所述患者在每个科室办理点的预计办理时长发送给所述患者。其中，为了便于患者知晓各个科室办理点的预计办理时长，使患者对于每个科室办理点的预计办理时长都能够知晓，可以使患者具有更好的心理预估，减少了患者等待烦躁的心理。
在一个实施例中，所述根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻的步骤S8之后，还包括：
S921：获取多个患者对于每个科室办理点的标记信息；
S922：判断所述标记信息中是否含有对应的时间标记；
S923：若具有所述时间标记，则根据所述患者选取的科室办理点的排列组合，判断所述患者到达所述科室办理点的时刻是否在所述时间标记范围内；
S924：若在所述时间标记范围内，则将所述标记信息发送给所述患者。
如上述步骤S921-S924所述，获取多个患者对于每个科室办理点的标记信息；判断所述标记信息中是否含有对应的时间标记；若具有所述时间标记，则根据所述患者选取的科室办理点的排列组合，判断所述患者到达所述科室办理点的时刻是否在所述时间标记范围内；若在所述时间标记范围内，则将所述标记信息发送给所述患者。在本实施例中，为了对于一些科室办理点的异常情况的分享，例如，科室办理点的位置，或者注意事项，亦或者某个机器在设定时间内需要休养一些时间，因此，标记信息中可能会有对应的时间标记，判断对应的到达时间是否在该时间标记的范围内，若是，则显示给患者，若不在，则不显示给患者，当然，对于其他没有含有时间的标记信息，可以直接显示给患者，从而便于患者可以避免一些就诊的误区，更加节约时间。
本发明还提供了一种就诊信息的管理装置，包括：
第一获取模块10，用于获取患者输入的疾病名称；
第二获取模块20，用于根据所述疾病名称获取到所述患者办理诊疗的多个科室办理点；
第三获取模块30，用于获取各个所述科室办理点各个时间段的患者人数；
第一计算模块40，用于根据所述患者人数乘以对应科室办理点的单个患者预计处 理时长，得到每个科室办理点的时间容量集
Figure 275194DEST_PATH_IMAGE001
、
Figure 253515DEST_PATH_IMAGE002
、...、
Figure 974346DEST_PATH_IMAGE003
、...、
Figure 405327DEST_PATH_IMAGE004
；其中，
Figure 502596DEST_PATH_IMAGE003
表示时段为
Figure 804265DEST_PATH_IMAGE005
时第i个科室办理点的时间容量集，且
Figure 958647DEST_PATH_IMAGE006
；
输入模块50，用于将各个所述时间容量集中的每个元素分别输入拟合公式
Figure 876924DEST_PATH_IMAGE007
Figure 512305DEST_PATH_IMAGE008
中，得到每个时间容量集对应的转换参数
Figure 934059DEST_PATH_IMAGE009
；其 中，
Figure 262272DEST_PATH_IMAGE009
表示第i个科室办理点对应的时间容量集的拟合参数
Figure 136687DEST_PATH_IMAGE009
；
第四获取模块60，用于获取患者输入的理想时间范围；
第二计算模块70，用于通过公式
Figure 841338DEST_PATH_IMAGE010
计算各个到达医院时刻 对应的预计看诊时间；其中，
Figure 383178DEST_PATH_IMAGE011
表示患者到达医院的时刻且
Figure 882292DEST_PATH_IMAGE011
在所述理想时间范围内，
Figure 244004DEST_PATH_IMAGE012
表 示第j个科室办理点到达的时刻，
Figure 221187DEST_PATH_IMAGE013
，
Figure 883112DEST_PATH_IMAGE016
表示以
Figure 287549DEST_PATH_IMAGE009
为变量的预设函数，
Figure 402135DEST_PATH_IMAGE015
表示根据到达医院的时间完成就诊的总时长；
选取模块80，用于根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻。
在一个实施例中，所述就诊信息的管理装置，还包括：
评价内容获取模块，用于获取患者评价结束问诊后的评价内容；其中，所述评价内容为患者根据所述最优到达医院时刻后发出的评价；
分析模块，用于采用情感分析工具对所述评价进行分析，得到表征情感倾向性的形容词及其情感极性值；
统计模块，用于统计所述评价内容中正面情绪的形容词出现的概率和负面情绪的形容词出现的概率；其中，情感极性值大于设定数值的形容词为正面情绪的形容词，情感极性值小于或等于设定数值的形容词为负面情绪的形容词；
情绪倾向获取模块，用于根据正面情绪的形容词出现的概率和负面情绪的形容词出现的概率得到患者的情绪倾向；其中，所述患者的情绪倾向为正面情感或负面情感；
提取模块，用于将所述情绪倾向为负面情感的评价内容进行信息提取，根据提取的信息内容更新每个科室办理点的单个患者预计处理时长或者各个时间段的患者人数。
在一个实施例中，所述第二计算模块70，包括：
关联性获取子模块，用于根据所述患者输入的疾病名称获取到各个科室办理点的关联性；
捆绑子模块，用于将关联性强的科室办理点利用排列的捆绑法进行捆绑，然后对各个科室办理点进行排列，得到多种排列组合；
计算子模块，用于根据公式
Figure 183010DEST_PATH_IMAGE010
计算每个排列组合对应的预 计看诊时长；
作为子模块，用于将最短的预计看诊时间作为每个到达医院时刻对应的预计看诊时长。
在一个实施例中，所述就诊信息的管理装置，还包括：
到达时刻获取模块，用于获取多个患者在各个科室办理点所花费的总时长和到达对应科室办理点的到达时刻；
变化曲线生成模块，用于根据所述所花费的总时长和所述到达时刻生成各个科室办理点基于到达时刻的总时长变化曲线；
发送模块，用于获取所述患者到达科室办理点的时刻，并根据所述时长变化曲线将所述患者在每个科室办理点的预计办理时长发送给所述患者。
在一个实施例中，所述就诊信息的管理装置，还包括：
标记信息获取模块，用于获取多个患者对于每个科室办理点的标记信息；
时间标记判断模块，用于判断所述标记信息中是否含有对应的时间标记；
若具有所述时间标记，则根据所述患者选取的科室办理点的排列组合，判断所述患者到达所述科室办理点的时刻是否在所述时间标记范围内；
标记信息发送模块，用于若在所述时间标记范围内，则将所述标记信息发送给所述患者。
本发明的有益效果：根据患者输入的疾病名称获取到多个科室办理点，再基于各个科室办理点的患者人数以及单个患者预计处理时长，计算对应的拟合参数，获取患者输入的理想时间范围，计算各个到达医院时刻的预计看诊时间，从而为所述患者选取最优到达医院时刻，从而对就诊信息进行合理的管理，对于医院而言，实现了对医疗的时间资源的合理分配，对于患者而言，节约了更多的诊疗时间，从而使患者和医院之间医疗的时间资源更加匹配。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM一多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种就诊信息的管理方法，其特征在于，包括：
获取患者输入的疾病名称；
根据所述疾病名称获取到所述患者办理诊疗的多个科室办理点；
获取各个所述科室办理点各个时间段的患者人数；
根据所述患者人数乘以对应科室办理点的单个患者预计处理时长，得到每个科室办理点的时间容量集
Figure 20166DEST_PATH_IMAGE002
、
Figure 397796DEST_PATH_IMAGE004
、...、
Figure 42404DEST_PATH_IMAGE006
、...、
Figure 374159DEST_PATH_IMAGE008
；其中，
Figure 129625DEST_PATH_IMAGE010
表示时段为
Figure 332068DEST_PATH_IMAGE012
时第i个科室办理点的时间容量集，且
Figure 147577DEST_PATH_IMAGE014
；
将各个所述时间容量集中的每个元素分别输入拟合公式
Figure 966628DEST_PATH_IMAGE016
中，得到每个时间容量集对应的转换参数
Figure 525786DEST_PATH_IMAGE018
；其中，
Figure 615358DEST_PATH_IMAGE018
表示第i个科室办理点对应的时间容量集的拟合参数
Figure 336189DEST_PATH_IMAGE018
；
获取患者输入的理想时间范围；
通过公式
Figure 501591DEST_PATH_IMAGE020
计算各个到达医院时刻对应的预计看诊时间；其中，
Figure 474226DEST_PATH_IMAGE022
表示患者到达医院的时刻且
Figure 385682DEST_PATH_IMAGE022
在所述理想时间范围内，
Figure 277414DEST_PATH_IMAGE024
表示第j个科室办理点到达的时刻，
Figure 569593DEST_PATH_IMAGE026
，
Figure 470553DEST_PATH_IMAGE028
表示以
Figure DEST_PATH_IMAGE030
为变量的预设函数并用于计算患者在各个科室办理点的预计时长，
Figure DEST_PATH_IMAGE032
表示根据到达医院的时间完成就诊的总时长；
根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻。
2.如权利要求1所述的就诊信息的管理方法，其特征在于，所述根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻的步骤之后，还包括：
获取患者评价结束问诊后的评价内容；其中，所述评价内容为患者根据所述最优到达医院时刻后发出的评价；
采用情感分析工具对所述评价进行分析，得到表征情感倾向性的形容词及其情感极性值；
统计所述评价内容中正面情绪的形容词出现的概率和负面情绪的形容词出现的概率；其中，情感极性值大于设定数值的形容词为正面情绪的形容词，情感极性值小于或等于设定数值的形容词为负面情绪的形容词；
根据正面情绪的形容词出现的概率和负面情绪的形容词出现的概率得到患者的情绪倾向；其中，所述患者的情绪倾向为正面情感或负面情感；
将所述情绪倾向为负面情感的评价内容进行信息提取，根据提取的信息内容更新每个科室办理点的单个患者预计处理时长或者各个时间段的患者人数。
3.如权利要求1所述的就诊信息的管理方法，其特征在于，所述通过公式
Figure DEST_PATH_IMAGE034
计算各个到达医院时刻对应的预计看诊时间的步骤，包括：
根据所述患者输入的疾病名称获取到各个科室办理点的关联性；
将关联性强的科室办理点利用排列的捆绑法进行捆绑，然后对各个科室办理点进行排列，得到多种排列组合；
根据公式
Figure DEST_PATH_IMAGE036
计算每个排列组合对应的预计看诊时长；
将最短的预计看诊时间作为每个到达医院时刻对应的预计看诊时长。
4.如权利要求1所述的就诊信息的管理方法，其特征在于，所述根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻的步骤之后，还包括：
获取多个患者在各个科室办理点所花费的总时长和到达对应科室办理点的到达时刻；
根据所述所花费的总时长和所述到达时刻生成各个科室办理点基于到达时刻的总时长变化曲线；
获取所述患者到达科室办理点的时刻，并根据所述时长变化曲线将所述患者在每个科室办理点的预计办理时长发送给所述患者。
5.如权利要求3所述的就诊信息的管理方法，其特征在于，所述根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻的步骤之后，还包括：
获取多个患者对于每个科室办理点的标记信息；
判断所述标记信息中是否含有对应的时间标记；
若具有所述时间标记，则根据所述患者选取的科室办理点的排列组合，判断所述患者到达所述科室办理点的时刻是否在所述时间标记范围内；
若在所述时间标记范围内，则将所述标记信息发送给所述患者。
6.一种就诊信息的管理装置，其特征在于，包括：
第一获取模块，用于获取患者输入的疾病名称；
第二获取模块，用于根据所述疾病名称获取到所述患者办理诊疗的多个科室办理点；
第三获取模块，用于获取各个所述科室办理点各个时间段的患者人数；
第一计算模块，用于根据所述患者人数乘以对应科室办理点的单个患者预计处理时长，得到每个科室办理点的时间容量集
Figure DEST_PATH_IMAGE038
、
Figure DEST_PATH_IMAGE040
、...、
Figure DEST_PATH_IMAGE042
、...、
Figure DEST_PATH_IMAGE044
；其中，
Figure DEST_PATH_IMAGE046
表示时段为
Figure DEST_PATH_IMAGE048
时第i个科室办理点的时间容量集，且
Figure DEST_PATH_IMAGE050
；
输入模块，用于将各个所述时间容量集中的每个元素分别输入拟合公式
Figure DEST_PATH_IMAGE052
中，得到每个时间容量集对应的转换参数
Figure DEST_PATH_IMAGE054
；其中，
Figure 172535DEST_PATH_IMAGE054
表示第i个科室办理点对应的时间容量集的拟合参数
Figure 500748DEST_PATH_IMAGE054
；
第四获取模块，用于获取患者输入的理想时间范围；
第二计算模块，用于通过公式
Figure DEST_PATH_IMAGE056
计算各个到达医院时刻对应的预计看诊时间；其中，
Figure DEST_PATH_IMAGE058
表示患者到达医院的时刻且
Figure 952327DEST_PATH_IMAGE058
在所述理想时间范围内，
Figure DEST_PATH_IMAGE060
表示第j个科室办理点到达的时刻，
Figure DEST_PATH_IMAGE062
，
Figure DEST_PATH_IMAGE064
表示以
Figure DEST_PATH_IMAGE066
为变量的预设函数并用于计算患者在各个科室办理点的预计时长，
Figure DEST_PATH_IMAGE068
表示根据到达医院的时间完成就诊的总时长；
选取模块，用于根据所述患者到达医院的时刻所对应的预计看诊时间为所述患者选取最优到达医院时刻。
7.如权利要求6所述的就诊信息的管理装置，其特征在于，所述就诊信息的管理装置，还包括：
评价内容获取模块，用于获取患者评价结束问诊后的评价内容；其中，所述评价内容为患者根据所述最优到达医院时刻后发出的评价；
分析模块，用于采用情感分析工具对所述评价进行分析，得到表征情感倾向性的形容词及其情感极性值；
统计模块，用于统计所述评价内容中正面情绪的形容词出现的概率和负面情绪的形容词出现的概率；其中，情感极性值大于设定数值的形容词为正面情绪的形容词，情感极性值小于或等于设定数值的形容词为负面情绪的形容词；
情绪倾向获取模块，用于根据正面情绪的形容词出现的概率和负面情绪的形容词出现的概率得到患者的情绪倾向；其中，所述患者的情绪倾向为正面情感或负面情感；
提取模块，用于将所述情绪倾向为负面情感的评价内容进行信息提取，根据提取的信息内容更新每个科室办理点的单个患者预计处理时长或者各个时间段的患者人数。
8.如权利要求6所述的就诊信息的管理装置，其特征在于，所述第二计算模块，包括：
关联性获取子模块，用于根据所述患者输入的疾病名称获取到各个科室办理点的关联性；
捆绑子模块，用于将关联性强的科室办理点利用排列的捆绑法进行捆绑，然后对各个科室办理点进行排列，得到多种排列组合；
计算子模块，用于根据公式
Figure DEST_PATH_IMAGE070
计算每个排列组合对应的预计看诊时长；
作为子模块，用于将最短的预计看诊时间作为每个到达医院时刻对应的预计看诊时长。
9.如权利要求6所述的就诊信息的管理装置，其特征在于，所述就诊信息的管理装置，还包括：
到达时刻获取模块，用于获取多个患者在各个科室办理点所花费的总时长和到达对应科室办理点的到达时刻；
变化曲线生成模块，用于根据所述所花费的总时长和所述到达时刻生成各个科室办理点基于到达时刻的总时长变化曲线；
发送模块，用于获取所述患者到达科室办理点的时刻，并根据所述时长变化曲线将所述患者在每个科室办理点的预计办理时长发送给所述患者。
10.如权利要求8所述的就诊信息的管理装置，其特征在于，所述就诊信息的管理装置，还包括：
标记信息获取模块，用于获取多个患者对于每个科室办理点的标记信息；
时间标记判断模块，用于判断所述标记信息中是否含有对应的时间标记；
若具有所述时间标记，则根据所述患者选取的科室办理点的排列组合，判断所述患者到达所述科室办理点的时刻是否在所述时间标记范围内；
标记信息发送模块，用于若在所述时间标记范围内，则将所述标记信息发送给所述患者。
CN202210919682.0A 2022-08-02 2022-08-02 一种就诊信息的管理方法和装置 Active CN114999602B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210919682.0A CN114999602B (zh) 2022-08-02 2022-08-02 一种就诊信息的管理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210919682.0A CN114999602B (zh) 2022-08-02 2022-08-02 一种就诊信息的管理方法和装置

Publications (2)

Publication Number Publication Date
CN114999602A CN114999602A (zh) 2022-09-02
CN114999602B true CN114999602B (zh) 2022-11-15

Family

ID=83021036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210919682.0A Active CN114999602B (zh) 2022-08-02 2022-08-02 一种就诊信息的管理方法和装置

Country Status (1)

Country Link
CN (1) CN114999602B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184045A (zh) * 2015-07-17 2015-12-23 苏州信亨自动化科技有限公司 一种基于移动位置信息的医疗就诊排队方法及系统
CN106652146A (zh) * 2016-11-14 2017-05-10 中国联合网络通信集团有限公司 多项目排队处理方法、服务器及移动终端

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110178702A1 (en) * 2010-01-20 2011-07-21 Sony Ericsson Mobile Communications Ab Optimum travel times
US11282041B2 (en) * 2015-11-04 2022-03-22 Yips, Llc System and method for scheduling patient appointments
US20180358122A1 (en) * 2015-12-21 2018-12-13 Koninklijke Philips N.V. System, device and method for guiding a patient in a hospital setup
CN107180268B (zh) * 2016-03-11 2021-05-04 百度在线网络技术（北京）有限公司 医疗信息推送和提醒的方法、装置及系统
CN106372391B (zh) * 2016-08-26 2020-05-08 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
CN107578112A (zh) * 2017-08-31 2018-01-12 努比亚技术有限公司 一种预约方法、终端、服务器及可读存储介质
CN107909177B (zh) * 2017-12-19 2022-04-29 河南方和信息科技股份有限公司 一种医疗信息系统及其动态管理方法
CN111582525B (zh) * 2020-05-12 2023-07-14 昆明医科大学第一附属医院 一种医院临床检查检验集中自动预约系统及方法
CN111710401A (zh) * 2020-06-17 2020-09-25 刘付荣 大数据与医保卡相结合确定就诊时间的方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184045A (zh) * 2015-07-17 2015-12-23 苏州信亨自动化科技有限公司 一种基于移动位置信息的医疗就诊排队方法及系统
CN106652146A (zh) * 2016-11-14 2017-05-10 中国联合网络通信集团有限公司 多项目排队处理方法、服务器及移动终端

Also Published As

Publication number Publication date
CN114999602A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN109659013B (zh) 病症分诊及路径优化方法、装置、设备及存储介质
Filser et al. State of research and future research tendencies in lean healthcare: a bibliometric analysis
US10679738B2 (en) Identification of codable sections in medical documents
CN112071425A (zh) 一种数据处理方法、装置、计算机设备及存储介质
Mochón et al. Machine-learning-based no show prediction in outpatient visits
JP2020501278A (ja) 健康状態の計算解析を容易化するシステム及び方法
US11923075B2 (en) System and method associated with determining physician attribution related to in-patient care using prediction-based analysis
WO2009061441A1 (en) Method and apparatus for interpreting data
CN111275091A (zh) 文本结论智能推荐方法、装置及计算机可读存储介质
CN112017744A (zh) 电子病例自动生成方法、装置、设备及存储介质
Luangkesorn et al. Markov chain Monte Carlo methods for estimating surgery duration
CN110752027B (zh) 电子病历数据推送方法、装置、计算机设备和存储介质
CN114999602B (zh) 一种就诊信息的管理方法和装置
Walker et al. Beyond percent correct: Measuring change in individual picture naming ability
CN113656588A (zh) 基于知识图谱的数据对码方法、装置、设备和存储介质
CN111815052B (zh) 一种医疗费用数据处理方法及装置
CN109300052A (zh) 基于线上问诊的保险推荐方法、设备、服务器及可读介质
US20230049068A1 (en) Systems and methods for real time workload balancing
Pascual et al. Monitoring a bivariate INAR (1) process with application to Hepatitis A
JP4499503B2 (ja) 発症リスク算出システム及びプログラム
CN114331567A (zh) 一种订单热度预测方法、预测系统和存储介质
CN116205306A (zh) 一种数据处理方法及数据处理装置
CN111274305B (zh) 三维图片的生成方法、装置、计算机设备和存储介质
US20230317222A1 (en) Machine learning-based electronic health record prediction
CN116978507B (zh) 一种基于大数据的医疗信息前置获取系统

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