CN115511229A - 基于病情分析的医院管理用病人到院时间预测系统 - Google Patents

基于病情分析的医院管理用病人到院时间预测系统 Download PDF

Info

Publication number
CN115511229A
CN115511229A CN202211461372.5A CN202211461372A CN115511229A CN 115511229 A CN115511229 A CN 115511229A CN 202211461372 A CN202211461372 A CN 202211461372A CN 115511229 A CN115511229 A CN 115511229A
Authority
CN
China
Prior art keywords
time
consultation
hospital
patient
module
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
CN202211461372.5A
Other languages
English (en)
Inventor
孔庆来
张友顺
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.)
Caoxian People's Hospital
Original Assignee
Caoxian People's Hospital
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 Caoxian People's Hospital filed Critical Caoxian People's Hospital
Priority to CN202211461372.5A priority Critical patent/CN115511229A/zh
Publication of CN115511229A publication Critical patent/CN115511229A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Medicinal Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及就医系统技术领域，具体地说，涉及基于病情分析的医院管理用病人到院时间预测系统。其包括回院周期预测单元、对应医师匹配单元、紧急情况响应单元以及自动预排单元。本发明通过对应医师匹配单元根据预测到的患者回院复查的周期，在周期范围内匹配对应的医师，同时通过自动预排单元根据预测的单个患者会诊时间以及预测的患者突发病情进院所花费的时间，为突发病情的患者进行自动预排，既不耽误匹配医师正常会诊工作，同时能够根据实际情况为即将入院突发病情的患者自动预排，使得突发病情的患者能够在入院后最短时间内得到匹配的医师的会诊，提高医患会诊的响应速度，避免突发病情的患者错过最佳会诊时间，导致病情进一步恶化。

Description

基于病情分析的医院管理用病人到院时间预测系统
技术领域
本发明涉及就医系统技术领域，具体地说，涉及基于病情分析的医院管理用病人到院时间预测系统。
背景技术
近年来由于国内医院IT技术的迅猛发展，已经初步地完成了病人和疾病的原始数据积累，再加以本土化改良，不但能够让国内的医疗管理机构增加有效的监控途径和手段，而且还能促使医院加快从粗放向精细化管理模式转型的步伐，近来政府积极倡导和鼓励传统行业向“互联网+”的转型，充分利用数字科技提高医院的医疗质量，营运效率和减少医疗资源浪费已经成为时代潮流，把握时机，借鉴先进经验，建立标准模式，将会占有先发优势，引领行业的改革浪潮。
医院管理过程中，对于一些病情严重且容易复发的患者来说，虽然病情得到控制能够出院调养，但定期的回院检查也是必要的，由于医院每天病患的不断增加，且医师会诊量也有限，而回院复查的病患如果不能及时与匹配医师提前预约，就会导致病患指定期限内回院，但匹配医师却没有会诊时间，使得病患需要另约时间进行复查，耽误病患时间，同时当患者出现紧急情况，且此时未在复查的规定期限内，病患虽然能够及时送往医院，但此时对应的匹配医师很可能在对其他病患进行会诊，甚至当天未在工作岗位，此时很容易错过患者最佳会诊时间。
为了解决上述问题，现亟需基于病情分析的医院管理用病人到院时间预测系统。
发明内容
本发明的目的在于提供基于病情分析的医院管理用病人到院时间预测系统，以解决上述背景技术中提出的问题。
为实现上述目的，提供了基于病情分析的医院管理用病人到院时间预测系统，包括患者病情信息采集单元，所述患者病情信息采集单元用于采集患者病情严重程度、出院前身体状态以及病情复发时需要采取的措施，并生成患者病情采集信息，所述患者病情信息采集单元输出端连接有回院周期预测单元，所述回院周期预测单元根据患者病情采集信息，预测患者回院复查的周期，所述回院周期预测单元输出端连接有对应医师匹配单元，所述对应医师匹配单元根据预测到的患者回院复查的周期，在周期范围内匹配对应的医师，所述对应医师匹配单元输出端连接有紧急情况响应单元，所述紧急情况响应单元响应患者不在预测周期内突发病情的情况，所述紧急情况响应单元输出端连接有自动预排单元，所述自动预排单元输入端连接有医师会诊时间预测单元，所述医师会诊时间预测单元根据医师当天会诊每个患者的平均速度，预测单个患者会诊时间，所述自动预排单元输入端还连接有进院路况记录单元，所述进院路况记录单元用于记录患者首次进院路线，得出进院所花费的时间，预测患者突发病情进院所花费的时间，所述自动预排单元根据预测的单个患者会诊时间以及预测的患者突发病情进院所花费的时间，为突发病情的患者进行自动预排。
作为本技术方案的进一步改进，所述回院周期预测单元包括复诊模式确定模块，所述复诊模式确定模块用于确定患者需要复诊的标志，所述复诊模式确定模块输出连接有回院时间计算模块，所述回院时间计算模块根据患者复诊的标志计算出患者复诊的时间范围。
作为本技术方案的进一步改进，所述回院周期预测单元采用周期预测算法，其算法步骤如下：
S1、判断患者病情状态，记录患者离院时医师配备的治疗方案；
S2、确定患者回院复诊标志，并存储在医院系统数据库内；
S3、根据患者回院复诊标志模拟出患者回院周期。
作为本技术方案的进一步改进，所述对应医师匹配单元包括会诊医师识别模块，所述会诊医师识别模块用于识别患者会诊过程中所有参与的医师，所述会诊医师识别模块输出端连接有主治医师匹配模块，所述主治医师匹配模块用于匹配患者会诊过程中所有参与的医师中的主治医师。
作为本技术方案的进一步改进，所述主治医师匹配模块输出端连接有下属医师匹配模块，所述下属医师匹配模块用于匹配主治医师的下属医师，所述下属医师匹配模块输出端连接有医师时间匹配模块，所述医师时间匹配模块输入端与所述下属医师匹配模块输出端连接，所述医师时间匹配模块与所述回院时间计算模块双向连接，所述医师时间匹配模块用于根据患者复诊的时间范围，匹配会诊医师或者下属医师会诊时间。
作为本技术方案的进一步改进，所述自动预排单元包括整合计算模块，所述整合计算模块用于整合单个患者会诊时间以及预测的患者突发病情进院所花费的时间，计算出匹配时间，所述整合计算模块输出端连接有自动排号模块，所述自动排号模块根据匹配时间为患者自动排号，所述自动排号模块输出端连接有排号信息输出模块。
作为本技术方案的进一步改进，所述整合计算模块采用整合计算算法，其算法公式如下：
Figure 468262DEST_PATH_IMAGE001
；
Figure 297678DEST_PATH_IMAGE002
；
Figure 392454DEST_PATH_IMAGE003
；
其中，
Figure 965518DEST_PATH_IMAGE004
为医师会诊不同患者所花费的时间集合，
Figure 59376DEST_PATH_IMAGE005
至
Figure 325272DEST_PATH_IMAGE006
为医师会诊不同患者所 花费的时间，
Figure 137370DEST_PATH_IMAGE007
为医师会诊患者所花费的平均时间，
Figure 779704DEST_PATH_IMAGE008
为会诊的患者数，
Figure 492183DEST_PATH_IMAGE009
为患者到院所花 费的总时间，
Figure 928980DEST_PATH_IMAGE010
为排号数。
作为本技术方案的进一步改进，所述自动预排单元输出端连接有数据库存储单元，所述数据库存储单元用于设置对应的数据库，存储不同类型的数据。
作为本技术方案的进一步改进，所述医师会诊时间预测单元输入端连接有异常会诊时间识别单元，所述异常会诊时间识别单元用于识别会诊医师会诊过程中短时会诊与长时会诊，所述异常会诊时间识别单元输出端与所述数据库存储单元输入端连接。
作为本技术方案的进一步改进，所述异常会诊时间识别单元包括异常会诊时间定位模块，所述异常会诊时间定位模块用于预设会诊时间阈值，所述异常会诊时间定位模块输出端连接有异常会诊时间验算模块，所述异常会诊时间验算模块用于对各个患者的会诊时间进行验算，判断是否为异常会诊时间，所述异常会诊时间验算模块输出端连接有异常会诊时间筛分模块，所述异常会诊时间筛分模块对各个异常会诊时间进行筛分。
与现有技术相比，本发明的有益效果：
1、该基于病情分析的医院管理用病人到院时间预测系统中，通过对应医师匹配单元根据预测到的患者回院复查的周期，在周期范围内匹配对应的医师，同时通过自动预排单元根据预测的单个患者会诊时间以及预测的患者突发病情进院所花费的时间，为突发病情的患者进行自动预排，既不耽误匹配医师正常会诊工作，同时能够根据实际情况为即将入院突发病情的患者自动预排，使得突发病情的患者能够在入院后最短时间内得到匹配的医师的会诊，提高医患会诊的响应速度，避免突发病情的患者错过最佳会诊时间，导致病情进一步恶化。
2、该基于病情分析的医院管理用病人到院时间预测系统中，通过下属医师匹配模块将会自动匹配下属医师对患者进行会诊，在主治医师不在的情况下，及时为患者匹配最合适的下属医师，进一步提高系统的适配性，避免患者回院等待时间过长，导致错过最佳治疗时间。
3、该基于病情分析的医院管理用病人到院时间预测系统中，数据库存储单元设立对应的数据库对自动预排信息进行存储，同时结合现实情况，判断预排结果是否符合实际情况，当预排结果与实际情况出现差异时，结合差异提前预留时间，以适应实际情况，提高预排准确率。
4、该基于病情分析的医院管理用病人到院时间预测系统中，通过异常会诊时间识别单元对短时会诊与长时会诊进行识别，进行平均时间计算时，需要剔除其中的异常会诊时间，避免异常会诊时间影响平均时间的计算，导致预排准确率大大降低。
附图说明
图1为本发明的整体流程图；
图2为本发明的回院周期预测单元流程图；
图3为本发明的对应医师匹配单元流程图；
图4为本发明的自动预排单元流程图；
图5为本发明的异常会诊时间识别单元流程图。
图中各个标号意义为：
10、患者病情信息采集单元；
20、回院周期预测单元；210、复诊模式确定模块；220、回院时间计算模块；
30、对应医师匹配单元；310、会诊医师识别模块；320、主治医师匹配模块；330、下属医师匹配模块；340、医师时间匹配模块；
40、紧急情况响应单元；
50、自动预排单元；510、整合计算模块；520、自动排号模块；530、排号信息输出模块；
60、医师会诊时间预测单元；
70、进院路况记录单元；
80、数据库存储单元；
90、异常会诊时间识别单元；910、异常会诊时间定位模块；920、异常会诊时间验算模块；930、异常会诊时间筛分模块。
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他实施例，都属于本发明保护的范围。
请参阅图1-图5所示，提供了基于病情分析的医院管理用病人到院时间预测系统，包括患者病情信息采集单元10，患者病情信息采集单元10用于采集患者病情严重程度、出院前身体状态以及病情复发时需要采取的措施，并生成患者病情采集信息，患者病情信息采集单元10输出端连接有回院周期预测单元20，回院周期预测单元20根据患者病情采集信息，预测患者回院复查的周期，回院周期预测单元20输出端连接有对应医师匹配单元30，对应医师匹配单元30根据预测到的患者回院复查的周期，在周期范围内匹配对应的医师，对应医师匹配单元30输出端连接有紧急情况响应单元40，紧急情况响应单元40响应患者不在预测周期内突发病情的情况，紧急情况响应单元40输出端连接有自动预排单元50，自动预排单元50输入端连接有医师会诊时间预测单元60，医师会诊时间预测单元60根据医师当天会诊每个患者的平均速度，预测单个患者会诊时间，自动预排单元50输入端还连接有进院路况记录单元70，进院路况记录单元70用于记录患者首次进院路线，得出进院所花费的时间，预测患者突发病情进院所花费的时间，自动预排单元50根据预测的单个患者会诊时间以及预测的患者突发病情进院所花费的时间，为突发病情的患者进行自动预排。
具体使用时，患者病情信息采集单元10采集患者病情严重程度、出院前身体状态以及病情复发时需要采取的措施，并生成患者病情采集信息，将患者病情采集信息传输至回院周期预测单元20，回院周期预测单元20根据患者病情采集信息，预测患者回院复查的周期，对应医师匹配单元30根据预测到的患者回院复查的周期，在周期范围内匹配对应的医师，例如，患者在治疗过程中的主治医师，后期将作为患者的匹配的复查医师，当患者不在周期范围内突发疾病时，紧急情况响应单元40响应患者不在预测周期内突发病情的情况，生成响应信息，并将响应信息传输至自动预排单元50，由于患者不在周期范围内突发疾病，匹配的医师在此期间可能在对其余的患者进行会诊，此时医师会诊时间预测单元60根据医师当天会诊每个患者的平均速度，预测单个患者会诊时间，进院路况记录单元70用于记录患者首次进院路线，得出进院所花费的时间，预测患者突发病情进院所花费的时间，自动预排单元50根据预测的单个患者会诊时间以及预测的患者突发病情进院所花费的时间，为突发病情的患者进行自动预排，例如，匹配的医师的每个患者会诊时间为10分钟，而突发病情的患者从家到医院需要花费60分钟，则医师会诊完6个患者后，突发病情的患者将会到达医院，此时通过自动预排单元50为突发病情的患者进行提前预排，将7号预留给突发病情的患者，既不耽误匹配医师正常会诊工作，同时能够根据实际情况为即将入院突发病情的患者自动预排，使得突发病情的患者能够在入院后最短时间内得到匹配的医师的会诊，提高医患会诊的响应速度，避免突发病情的患者错过最佳会诊时间，导致病情进一步恶化。
此外，回院周期预测单元20包括复诊模式确定模块210，复诊模式确定模块210用于确定患者需要复诊的标志，复诊模式确定模块210输出连接有回院时间计算模块220，回院时间计算模块220根据患者复诊的标志计算出患者复诊的时间范围。具体使用时，复诊模式确定模块210确定患者需要复诊的标志，例如有的患者出院前，医师会为其配置对应的药物进行服用，当药物服用完以后需要进行复诊，此时就可将药物服用完的时间作为复诊的标志，回院时间计算模块220根据患者复诊的标志计算出患者复诊的时间范围，判断患者复诊的时间。
除此之外，回院周期预测单元20采用周期预测算法，其算法步骤如下：
S1、判断患者病情状态，记录患者离院时医师配备的治疗方案；
S2、确定患者回院复诊标志，并存储在医院系统数据库内；
S3、根据患者回院复诊标志模拟出患者回院周期。
此外，对应医师匹配单元30包括会诊医师识别模块310，会诊医师识别模块310用于识别患者会诊过程中所有参与的医师，会诊医师识别模块310输出端连接有主治医师匹配模块320，主治医师匹配模块320用于匹配患者会诊过程中所有参与的医师中的主治医师。具体使用时，会诊医师识别模块310识别患者会诊过程中所有参与的医师，生成医师识别信息，并将医师识别信息传输至主治医师匹配模块320，主治医师匹配模块320根据医师识别信息匹配患者其中的主治医师，作为患者回院复查以及突发疾病回院的会诊医师。
进一步的，主治医师匹配模块320输出端连接有下属医师匹配模块330，下属医师匹配模块330用于匹配主治医师的下属医师，所述下属医师匹配模块330输出端连接有医师时间匹配模块340，所述医师时间匹配模块340输入端与所述下属医师匹配模块330输出端连接，所述医师时间匹配模块340与所述回院时间计算模块220双向连接，所述医师时间匹配模块340用于根据患者复诊的时间范围，匹配会诊医师或者下属医师会诊时间。由于主治医师在周期范围内或者在患者突发疾病当天可能在休息中，患者回院后匹配的主治医师并不能第一时间回院，此时下属医师匹配模块330匹配主治医师的下属医师，例如，患者初次进院会诊时，会有主治医师和多个下属医师配合对患者进行治疗，当主治医师回院时间与患者回院时间发送冲突时，此时通过下属医师匹配模块330将会自动匹配下属医师对患者进行会诊，在主治医师不在的情况下，及时为患者匹配最合适的下属医师，进一步提高系统的适配性，避免患者回院等待时间过长，导致错过最佳治疗时间，同时通过医师时间匹配模块340根据患者复诊的时间范围，匹配会诊医师或者下属医师会诊时间。
再进一步的，自动预排单元50包括整合计算模块510，整合计算模块510用于整合单个患者会诊时间以及预测的患者突发病情进院所花费的时间，计算出匹配时间，整合计算模块510输出端连接有自动排号模块520，自动排号模块520根据匹配时间为患者自动排号，自动排号模块520输出端连接有排号信息输出模块530。具体使用时，整合计算模块510用于整合单个患者会诊时间以及预测的患者突发病情进院所花费的时间，计算出匹配时间，生成计算结果，并将计算结果传输至自动排号模块520，自动排号模块520根据匹配时间为患者自动排号，排号信息输出模块530对排号信息进行输出，自动为患者进行排号处理。
具体的，整合计算模块510采用整合计算算法，其算法公式如下：
Figure 228375DEST_PATH_IMAGE001
；
Figure 408820DEST_PATH_IMAGE002
；
Figure 477271DEST_PATH_IMAGE003
；
其中，
Figure 819390DEST_PATH_IMAGE004
为医师会诊不同患者所花费的时间集合，
Figure 104616DEST_PATH_IMAGE005
至
Figure 557594DEST_PATH_IMAGE006
为医师会诊不同患者所 花费的时间，
Figure 11709DEST_PATH_IMAGE007
为医师会诊患者所花费的平均时间，
Figure 524730DEST_PATH_IMAGE008
为会诊的患者数，
Figure 64296DEST_PATH_IMAGE009
为患者到院所花 费的总时间，
Figure 320965DEST_PATH_IMAGE010
为排号数。
此外，自动预排单元50输出端连接有数据库存储单元80，数据库存储单元80用于设置对应的数据库，存储不同类型的数据。具体使用时，自动预排单元50为突发病情的患者进行自动预排，生成自动预排信息，并将预排信息传输至数据库存储单元80，数据库存储单元80设立对应的数据库对自动预排信息进行存储，同时结合现实情况，判断预排结果是否符合实际情况，当预排结果与实际情况出现差异时，结合差异提前预留时间，以适应实际情况，提高预排准确率。
进一步的，医师会诊时间预测单元60输入端连接有异常会诊时间识别单元90，异常会诊时间识别单元90用于识别会诊医师会诊过程中短时会诊与长时会诊，异常会诊时间识别单元90输出端与数据库存储单元80输入端连接。具体使用时，由于在实际会诊过程中，患者的病情不同，会诊所花费的时间也会有所变化，有的患者只需要花费几分钟时间就能完成会诊，有的患者花费半个小时都未能完成会诊，但这些都属于例外情况，大多数患者均在平均时间完成会诊，此时通过异常会诊时间识别单元90对短时会诊与长时会诊进行识别，进行平均时间计算时，需要剔除其中的异常会诊时间，避免异常会诊时间影响平均时间的计算，导致预排准确率大大降低。
再进一步的，异常会诊时间识别单元90包括异常会诊时间定位模块910，异常会诊时间定位模块910用于预设会诊时间阈值，异常会诊时间定位模块910输出端连接有异常会诊时间验算模块920，异常会诊时间验算模块920用于对各个患者的会诊时间进行验算，判断是否为异常会诊时间，异常会诊时间验算模块920输出端连接有异常会诊时间筛分模块930，异常会诊时间筛分模块930对各个异常会诊时间进行筛分。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.基于病情分析的医院管理用病人到院时间预测系统，包括患者病情信息采集单元（10），所述患者病情信息采集单元（10）用于采集患者病情严重程度、出院前身体状态以及病情复发时需要采取的措施，并生成患者病情采集信息，其特征在于：所述患者病情信息采集单元（10）输出端连接有回院周期预测单元（20），所述回院周期预测单元（20）根据患者病情采集信息，预测患者回院复查的周期，所述回院周期预测单元（20）输出端连接有对应医师匹配单元（30），所述对应医师匹配单元（30）根据预测到的患者回院复查的周期，在周期范围内匹配对应的医师，所述对应医师匹配单元（30）输出端连接有紧急情况响应单元（40），所述紧急情况响应单元（40）响应患者不在预测周期内突发病情的情况，所述紧急情况响应单元（40）输出端连接有自动预排单元（50），所述自动预排单元（50）输入端连接有医师会诊时间预测单元（60），所述医师会诊时间预测单元（60）根据医师当天会诊每个患者的平均速度，预测单个患者会诊时间，所述自动预排单元（50）输入端还连接有进院路况记录单元（70），所述进院路况记录单元（70）用于记录患者首次进院路线，得出进院所花费的时间，预测患者突发病情进院所花费的时间，所述自动预排单元（50）根据预测的单个患者会诊时间以及预测的患者突发病情进院所花费的时间，为突发病情的患者进行自动预排。
2.根据权利要求1所述的基于病情分析的医院管理用病人到院时间预测系统，其特征在于：所述回院周期预测单元（20）包括复诊模式确定模块（210），所述复诊模式确定模块（210）用于确定患者需要复诊的标志，所述复诊模式确定模块（210）输出连接有回院时间计算模块（220），所述回院时间计算模块（220）根据患者复诊的标志计算出患者复诊的时间范围。
3.根据权利要求2所述的基于病情分析的医院管理用病人到院时间预测系统，其特征在于：所述回院周期预测单元（20）采用周期预测算法，其算法步骤如下：
S1、判断患者病情状态，记录患者离院时医师配备的治疗方案；
S2、确定患者回院复诊标志，并存储在医院系统数据库内；
S3、根据患者回院复诊标志模拟出患者回院周期。
4.根据权利要求3所述的基于病情分析的医院管理用病人到院时间预测系统，其特征在于：所述对应医师匹配单元（30）包括会诊医师识别模块（310），所述会诊医师识别模块（310）用于识别患者会诊过程中所有参与的医师，所述会诊医师识别模块（310）输出端连接有主治医师匹配模块（320），所述主治医师匹配模块（320）用于匹配患者会诊过程中所有参与的医师中的主治医师。
5.根据权利要求4所述的基于病情分析的医院管理用病人到院时间预测系统，其特征在于：所述主治医师匹配模块（320）输出端连接有下属医师匹配模块（330），所述下属医师匹配模块（330）用于匹配主治医师的下属医师，所述下属医师匹配模块（330）输出端连接有医师时间匹配模块（340），所述医师时间匹配模块（340）输入端与所述下属医师匹配模块（330）输出端连接，所述医师时间匹配模块（340）与所述回院时间计算模块（220）双向连接，所述医师时间匹配模块（340）用于根据患者复诊的时间范围，匹配会诊医师或者下属医师会诊时间。
6.根据权利要求1所述的基于病情分析的医院管理用病人到院时间预测系统，其特征在于：所述自动预排单元（50）包括整合计算模块（510），所述整合计算模块（510）用于整合单个患者会诊时间以及预测的患者突发病情进院所花费的时间，计算出匹配时间，所述整合计算模块（510）输出端连接有自动排号模块（520），所述自动排号模块（520）根据匹配时间为患者自动排号，所述自动排号模块（520）输出端连接有排号信息输出模块（530）。
7.根据权利要求6所述的基于病情分析的医院管理用病人到院时间预测系统，其特征在于：所述整合计算模块（510）采用整合计算算法，其算法公式如下：
Figure 366468DEST_PATH_IMAGE001
；
Figure 558153DEST_PATH_IMAGE002
；
Figure 88492DEST_PATH_IMAGE003
；
其中，
Figure 576105DEST_PATH_IMAGE004
为医师会诊不同患者所花费的时间集合，
Figure 457473DEST_PATH_IMAGE005
至
Figure 688734DEST_PATH_IMAGE006
为医师会诊不同患者所花费的 时间，
Figure 339158DEST_PATH_IMAGE007
为医师会诊患者所花费的平均时间，
Figure 997673DEST_PATH_IMAGE008
为会诊的患者数，
Figure 605153DEST_PATH_IMAGE009
为患者到院所花费的总 时间，
Figure 640105DEST_PATH_IMAGE010
为排号数。
8.根据权利要求6所述的基于病情分析的医院管理用病人到院时间预测系统，其特征在于：所述自动预排单元（50）输出端连接有数据库存储单元（80），所述数据库存储单元（80）用于设置对应的数据库，存储不同类型的数据。
9.根据权利要求8所述的基于病情分析的医院管理用病人到院时间预测系统，其特征在于：所述医师会诊时间预测单元（60）输入端连接有异常会诊时间识别单元（90），所述异常会诊时间识别单元（90）用于识别会诊医师会诊过程中短时会诊与长时会诊，所述异常会诊时间识别单元（90）输出端与所述数据库存储单元（80）输入端连接。
10.根据权利要求9所述的基于病情分析的医院管理用病人到院时间预测系统，其特征在于：所述异常会诊时间识别单元（90）包括异常会诊时间定位模块（910），所述异常会诊时间定位模块（910）用于预设会诊时间阈值，所述异常会诊时间定位模块（910）输出端连接有异常会诊时间验算模块（920），所述异常会诊时间验算模块（920）用于对各个患者的会诊时间进行验算，判断是否为异常会诊时间，所述异常会诊时间验算模块（920）输出端连接有异常会诊时间筛分模块（930），所述异常会诊时间筛分模块（930）对各个异常会诊时间进行筛分。
CN202211461372.5A 2022-11-18 2022-11-18 基于病情分析的医院管理用病人到院时间预测系统 Pending CN115511229A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211461372.5A CN115511229A (zh) 2022-11-18 2022-11-18 基于病情分析的医院管理用病人到院时间预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211461372.5A CN115511229A (zh) 2022-11-18 2022-11-18 基于病情分析的医院管理用病人到院时间预测系统

Publications (1)

Publication Number Publication Date
CN115511229A true CN115511229A (zh) 2022-12-23

Family

ID=84514429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211461372.5A Pending CN115511229A (zh) 2022-11-18 2022-11-18 基于病情分析的医院管理用病人到院时间预测系统

Country Status (1)

Country Link
CN (1) CN115511229A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108172279A (zh) * 2016-12-07 2018-06-15 北大医疗信息技术有限公司 队列管理系统及方法
CN108550391A (zh) * 2018-04-16 2018-09-18 青岛大学附属医院 医疗救援方法、系统、计算机装置及可读存储介质
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
CN111524591A (zh) * 2020-05-08 2020-08-11 重庆医科大学附属儿童医院 互联网+分级诊疗服务系统
CN112489750A (zh) * 2020-12-16 2021-03-12 安徽晟东科技有限公司 一种基于智慧医疗云服务平台的导医系统
CN113066562A (zh) * 2021-04-23 2021-07-02 江南大学 基于5g的医疗图像传输方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108172279A (zh) * 2016-12-07 2018-06-15 北大医疗信息技术有限公司 队列管理系统及方法
CN108550391A (zh) * 2018-04-16 2018-09-18 青岛大学附属医院 医疗救援方法、系统、计算机装置及可读存储介质
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
CN111524591A (zh) * 2020-05-08 2020-08-11 重庆医科大学附属儿童医院 互联网+分级诊疗服务系统
CN112489750A (zh) * 2020-12-16 2021-03-12 安徽晟东科技有限公司 一种基于智慧医疗云服务平台的导医系统
CN113066562A (zh) * 2021-04-23 2021-07-02 江南大学 基于5g的医疗图像传输方法及系统

Similar Documents

Publication Publication Date Title
US20160135755A1 (en) Remote home healthcare system
Bass et al. Do family physicians need medical assistants to detect and manage hypertension?
Fortinsky et al. Risk factors for hospitalization among Medicare home care patients
CN103440421B (zh) 医学数据处理方法和系统
CN112216361A (zh) 基于人工智能的随访计划单生成方法、装置、终端及介质
CN112289465A (zh) 一种基于大数据的医疗监管系统
CN117035368B (zh) 一种基于互联网的医生派单方法
CN116665861A (zh) 基于时间、病情及医疗资源的在线问诊推荐方法和系统
CN113066566A (zh) 一种门诊患者智能化预约就诊方法
CN113689942B (zh) 产检监测方法、装置及相关设备
CN113130055A (zh) 一种急诊智能分区分级控制方法及控制系统
CN109215779A (zh) 一种精准体检会诊方法
McNiel et al. Relevance of interrater agreement to violence risk assessment.
Patuleia et al. Lessons learned from setting up a prospective, longitudinal, multicenter study with women at high risk for breast cancer
CN115511229A (zh) 基于病情分析的医院管理用病人到院时间预测系统
CN117352175A (zh) 一种用于骨科护理的骨折智能辅助监测系统
CN115985476A (zh) 一种基于ai智能导诊技术的互联网诊疗分诊派单方法
JP2003526137A (ja) 職員配置を自動的に割り振るための方法および装置
Rendina et al. A logit model for the effect of telecardiology on acute newborn transfers
CN114783587A (zh) 严重急性肾损伤智能预测系统
CN117423443B (zh) 基于医疗服务平台的挂号患者调度方法
Atkin Diagnostic delay in plasma cell dyscrasias
CN118053598B (zh) 一种基于医疗大数据的医疗信息共享方法及系统
CN113270180B (zh) 急救医疗的调度管理系统
CN215935079U (zh) 一种医用查房记录系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20221223

RJ01 Rejection of invention patent application after publication