CN115762744A - 一种基于医疗互联平台的患者一体化分诊调控系统 - Google Patents
一种基于医疗互联平台的患者一体化分诊调控系统 Download PDFInfo
- Publication number
- CN115762744A CN115762744A CN202211567426.6A CN202211567426A CN115762744A CN 115762744 A CN115762744 A CN 115762744A CN 202211567426 A CN202211567426 A CN 202211567426A CN 115762744 A CN115762744 A CN 115762744A
- Authority
- CN
- China
- Prior art keywords
- disease
- triage
- hospital
- illness
- department
- 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
- 230000010354 integration Effects 0.000 title description 2
- 238000004891 communication Methods 0.000 claims abstract description 7
- 201000010099 disease Diseases 0.000 claims description 223
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 223
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 7
- 208000014674 injury Diseases 0.000 description 4
- 230000035484 reaction time Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000001154 acute effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008733 trauma Effects 0.000 description 3
- 208000004998 Abdominal Pain Diseases 0.000 description 2
- 238000010224 classification analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000021760 high fever Diseases 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 208000032928 Dyslipidaemia Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000017170 Lipid metabolism disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000032023 Signs and Symptoms Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 231100000570 acute poisoning Toxicity 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002124 endocrine Effects 0.000 description 1
- 208000033065 inborn errors of immunity Diseases 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 208000028529 primary immunodeficiency disease Diseases 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 208000011818 severe chest pain Diseases 0.000 description 1
- 208000018316 severe headache Diseases 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000014221 sudden cardiac arrest Diseases 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种基于医疗互联平台的患者一体化分诊调控系统,涉及医疗分诊技术领域,所述分诊调控系统对医疗互联区域内的患者进行分诊调控;所述分诊调控系统包括互联终端、医疗互联信息存储单元、分诊模型建立单元、分诊比对单元以及控制单元,所述医疗互联信息存储单元与分诊模型建立单元电连接,所述分诊模型建立单元与分诊比对单元电连接,所述分诊比对单元与控制单元电连接,所述控制单元与互联终端通信连接;本发明通过结合患者的实时病情和历史病情进行分析,并对医疗资源进行分类分析,能够及时对患者进行分诊调控,以解决现有的分诊方法对于患者的病情分析不够全面、分诊不够及时准确的问题。
Description
技术领域
本发明涉及医疗分诊技术领域,尤其涉及一种基于医疗互联平台的患者一体化分诊调控系统。
背景技术
分诊是指根据病人的主要症状及体征判断病人病情的轻重缓急及其隶属专科,并合理安排其就诊的过程,对来院急诊就诊病人进行快速、重点地收集资料,并将资料进行分析、判断,分类、分科,同时按轻、重、缓、急安排就诊顺序,同时登记入册(档)。分诊的重点:病情分诊和学科分诊。
现有的技术中,通常都是需要到医院就诊后给患者安排分诊方案,需要医护人员进行人工判断,此时医护人员进行的人工判断都是基于患者当前的状况;同时现有的分诊系统只是将患者的信息通过设备采集传输给医护人员进行分诊,所能达到的效果也只是对患者的实时病情数据进行分析,对于患者的病情分析缺乏历史参考和全面性;因此缺少一种基于患者病情进行智能分诊推荐的分诊调控系统来解决上述存在的问题。
发明内容
针对现有技术存在的不足,本发明目的是提供一种基于医疗互联平台的患者一体化分诊调控系统,通过结合患者的实时病情和历史病情进行分析,并对医疗资源进行分类分析,能够及时对患者进行分诊调控,以解决现有的分诊方法对于患者的病情分析不够全面、分诊不够及时准确的问题。
为了实现上述目的,本发明是通过如下的技术方案来实现:一种基于医疗互联平台的患者一体化分诊调控系统,所述分诊调控系统对医疗互联区域内的患者进行分诊调控;所述分诊调控系统包括互联终端、医疗互联信息存储单元、分诊模型建立单元、分诊比对单元以及控制单元,所述医疗互联信息存储单元与分诊模型建立单元电连接,所述分诊模型建立单元与分诊比对单元电连接,所述分诊比对单元与控制单元电连接,所述控制单元与互联终端通信连接;
所述医疗互联信息存储单元用于存储患者的病历信息和医院的医疗资源信息;
所述分诊模型建立单元包括医疗资源分析子单元以及患者病情分析子单元,所述医疗资源分析子单元用于对医疗资源信息进行赋值分析;所述患者病情分析子单元用于基于赋值后的医疗资源信息以及患者的病历信息建立病情分诊模型;
所述分诊比对单元配置有分诊比对策略,所述分诊比对策略包括:获取患者的实时病情,并将实时病情输入病情分诊模型中得到分诊结果,将分诊结果进行电信号输出;
所述控制单元用于基于分诊结果输出分诊控制电信号。
进一步地,所述医疗互联信息存储单元包括云存储子单元以及互联控制调取单元,所述医疗互联信息存储单元配置有医疗互联信息存储策略,所述医疗互联信息存储策略包括:通过互联终端获取患者的病情数据,将患者的病情数据存储至云存储子单元内,通过云存储子单元将病情数据对应生成病历信息;
通过互联终端获取医院的医疗资源信息,将医院的医疗资源信息存储至云存储子单元内;
通过互联控制调取单元将存储的病历信息和医疗资源信息进行输出。
进一步地,所述医疗资源分析子单元配置有医疗资源赋值策略,所述医疗资源赋值策略包括:通过互联控制调取单元获取存储的医疗资源信息;
获取医疗互联区域内的医院的等级,根据医院的等级对应划分一至十个医院级别,其中,医院级别越高表示医院的等级越高,分别给一至十个医院级别进行赋值,设定为医院参考值,且医院级别越高对应的医院参考值越高;
获取医疗互联区域内的医院的科室等级,根据医院的科室等级对医疗互联区域内的医院进行科室排名,其中,科室排名越靠前表示医院的科室等级越高,根据科室排名进行赋值,设定为科室参考值,且科室排名越靠前对应的科室参考值越高;
获取医疗互联区域内的医院的位置,根据医院的位置设置对应的医院导航路径。
进一步地,所述患者病情分析子单元配置有患者病情分析策略,所述患者病情分析策略包括:通过互联控制调取单元获取存储的患者的病历信息;
获取患者的历史患病等级,将历史患病等级划分一至四个患病级别,其中,患病级别越高表示患者的历史患病等级越高,分别给一至四个患病级别进行赋值,设定为患病级别参考值,且患病级别越高对应的患病级别参考值越高;获取患者的历史患病级别对应的患病次数,将患病次数与历史患病级别对应的患病级别参考值相乘得到患病风险参考值;
获取患者的历史患病种类,将历史患病种类设置为第一患病种类和第二患病种
类,获取第一患病种类的数量和第二患病种类的数量;将第一患病种类的数量通过第一种
类风险公式计算得到第一种类风险值;所述第一种类风险公式配置为:;其中,
P1zf为第一种类风险值,Q1为第一患病种类的数量,a1为第一患病种类的数量风险转换系
数;将第二患病种类的数量通过第二种类风险公式计算得到第二种类风险值;所述第二种
类风险公式配置为:;其中,P2zf为第二种类风险值,Q2为第二患病种类的数量,
a2为第二患病种类的数量风险转换系数,a1和a2均大于零,且a1大于a2;将第一种类风险值
和第二种类风险值相加得到患病关联风险值。
进一步地,所述患者病情分析子单元配置有病情分诊模型建立策略,所述病情分诊模型建立策略包括:将患者的病情与历史患病等级的四个患病级别进行对应;
当患者的实时病情处于第一患病级别时,建立第一患病分诊模型,第一患病分诊
模型包括:获取患者患病的对应科室,设定为第一患病科室;同时获取医院导航路径的时长
在第一时长范围内的医院,并设定为第一患病级别参考医院;获取第一患病级别参考医院
对应的医院参考值,以及获取第一患病级别参考医院与第一患病科室相同的科室参考值;
将医院参考值和科室参考值通过第一患病分诊公式求得第一患病分诊值;所述第一患病分
诊公式配置为:;其中,P1hf为第一患病分诊值,Cyy为医院参考值,Cks
为科室参考值,k1为第一患病医院重要性占比系数,k2为第一患病科室重要性占比系数,k1
和k2均大于零,且k1+k2=1;选取第一患病分诊值最大的医院作为第一患病级别选取医院。
进一步地,所述病情分诊模型建立策略还包括:当患者的实时病情处于第二患病
级别时,获取患者的患病风险参考值和患病关联风险值,通过患病关联公式计算得到患病
关联权重;所述患病关联公式配置为:;其中,Zhq为患病关联权重,Chf为患病
风险参考值,Phg为患病关联风险值;当患病关联权重大于等于第一患病关联阈值时,将患
者的实时病情重新划分为第一患病级别,并通过第一患病分诊模型进行分诊处理;当患病
关联风险值小于第一患病关联阈值时,建立第二患病分诊模型,第二患病分诊模型包括:获
取患者患病的对应科室,设定为第二患病科室;同时获取医院导航路径的时长在第二时长
范围内的医院,并设定为第二患病级别参考医院;获取第二患病级别参考医院对应的医院
参考值,以及获取第二患病级别参考医院与第二患病科室相同的科室参考值;将医院参考
值和科室参考值通过第二患病分诊公式求得第二患病分诊值;所述第二患病分诊公式配置
为:;其中,P2hf为第二患病分诊值,k3为第二患病医院重要性占比系
数,k4为第二患病科室重要性占比系数,k3和k4均大于零,且k3+k4=1,k3小于k1;选取第二
患病分诊值最大的医院作为第二患病级别选取医院。
进一步地,所述病情分诊模型建立策略还包括:当患者的实时病情处于第三患病
级别时,获取患者的患病风险参考值和患病关联风险值,通过患病关联公式计算得到患病
关联权重;当患病关联权重大于等于第一患病关联阈值时,将患者的实时病情重新划分为
第一患病级别,并通过第一患病分诊模型进行分诊处理;当患病关联权重大于等于第二患
病关联阈值且小于第一患病关联阈值时,将患者的实时病情重新划分为第二患病级别,并
通过第二患病分诊模型进行分诊处理;当患病关联风险值小于第二患病关联阈值时,建立
第三患病分诊模型,第三患病分诊模型包括:获取患者患病的对应科室,设定为第三患病科
室;同时获取医院导航路径的时长在第三时长范围内的医院,并设定为第三患病级别参考
医院;获取第三患病级别参考医院对应的医院参考值,以及获取第三患病级别参考医院与
第三患病科室相同的科室参考值;将医院参考值和科室参考值通过第三患病分诊公式求得
第三患病分诊值;所述第三患病分诊公式配置为:;其中,P3hf为第三患
病分诊值,k5为第三患病医院重要性占比系数,k6为第三患病科室重要性占比系数,k5和k6
均大于零,且k5+k6=1,k5小于k3;选取第三患病分诊值最大的医院作为第三患病级别选取
医院。
进一步地,所述病情分诊模型建立策略还包括:当患者的实时病情处于第四患病
级别时,建立第四患病分诊模型,第四患病分诊模型包括:获取患者患病的对应科室,设定
为第四患病科室;同时获取医院导航路径的时长在第四时长范围内的医院,并设定为第四
患病级别参考医院;获取第四患病级别参考医院对应的医院参考值,以及获取第四患病级
别参考医院与第四患病科室相同的科室参考值;将医院参考值和科室参考值通过第四患病
分诊公式求得第四患病分诊值;所述第四患病分诊公式配置为:;其中,
P4hf为第四患病分诊值,k7为第四患病医院重要性占比系数,k8为第四患病科室重要性占
比系数,k7和k8均大于零,且k7+k8=1,k7小于k5;选取第四患病分诊值最大的医院作为第四
患病级别选取医院。
本发明的有益效果:本发明的医疗互联信息存储单元内存储有患者的病历信息和医院的医疗资源信息;调取存储的信息后,通过分诊模型建立单元能够对医疗资源信息进行赋值分析;通过患者病情分析子单元能够基于赋值后的医疗资源信息以及患者的病历信息建立病情分诊模型,建立好病情分诊模型后通过分诊比对单元能够获取患者的实时病情,并将实时病情输入病情分诊模型中得到分诊结果,将分诊结果进行电信号输出,最后通过控制单元能够基于分诊结果输出分诊控制电信号;该方法能够对医疗资源进行细致划分,再对患者的历史病情和实时病情进行分析,在全面的病情分析后进行分诊调控,提高了分诊调控的全面性和准确性。
本发明附加方面的优点将在下面的具体实施方式的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其他特征、目的和优点将会变得更明显:
图1为本发明的分诊调控系统的原理框图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
请参阅图1所示,本发明提供一种基于医疗互联平台的患者一体化分诊调控系统,分诊调控系统对医疗互联区域内的患者进行分诊调控,通过结合患者的实时病情和历史病情进行分析,并对医疗资源进行分类分析,能够及时对患者进行分诊调控,以解决现有的分诊方法对于患者的病情分析不够全面、分诊不够及时准确的问题。
具体地,分诊调控系统包括互联终端、医疗互联信息存储单元、分诊模型建立单元、分诊比对单元以及控制单元,医疗互联信息存储单元与分诊模型建立单元电连接,分诊模型建立单元与分诊比对单元电连接,分诊比对单元与控制单元电连接,控制单元与互联终端通信连接。互联终端具体可以为:手机端、医疗服务器、电脑端等;医疗互联信息存储单元采用云存储服务器,能够便于调取分享信息。
医疗互联信息存储单元用于存储患者的病历信息和医院的医疗资源信息;医疗互联信息存储单元包括云存储子单元以及互联控制调取单元,医疗互联信息存储单元配置有医疗互联信息存储策略,医疗互联信息存储策略包括如下步骤:
步骤A1,通过互联终端获取患者的病情数据,将患者的病情数据存储至云存储子单元内,通过云存储子单元将病情数据对应生成病历信息;
步骤A2,通过互联终端获取医院的医疗资源信息,将医院的医疗资源信息存储至云存储子单元内;
步骤A3,通过互联控制调取单元将存储的病历信息和医疗资源信息进行输出。
分诊模型建立单元包括医疗资源分析子单元以及患者病情分析子单元,医疗资源分析子单元用于对医疗资源信息进行赋值分析;医疗资源分析子单元配置有医疗资源赋值策略,医疗资源赋值策略包括如下步骤:
步骤B11,通过互联控制调取单元获取存储的医疗资源信息;
步骤B12,获取医疗互联区域内的医院的等级,根据医院的等级对应划分一至十个医院级别,其中,医院级别越高表示医院的等级越高,分别给一至十个医院级别进行赋值,设定为医院参考值,且医院级别越高对应的医院参考值越高;例如,根据现有的医院等级划分,可以分为特等级别、甲等、乙等以及丙等,其中,甲等、乙等以及丙等分别分为一级、二级以及三级,根据现有的划分标准与上述一至十个医院级别进行对应;医院参考值的设置范围具体为2-20;
步骤B13,获取医疗互联区域内的医院的科室等级,根据医院的科室等级对医疗互联区域内的医院进行科室排名,其中,科室排名越靠前表示医院的科室等级越高,根据科室排名进行赋值,设定为科室参考值,且科室排名越靠前对应的科室参考值越高;例如,参照现有的网络数据库内可以检索到的一种排名信息对科室的排名进行获取。科室参考值的设置范围为1-50;如排名较多,科室排名靠后的医院可统一选用最末位的科室参考值;例如排名50-60的,统一选用1作为科室参考值;
步骤B14,获取医疗互联区域内的医院的位置,根据医院的位置设置对应的医院导航路径,其中,医院导航路径采用现有的导航系统中的导航路径信息。
患者病情分析子单元用于基于赋值后的医疗资源信息以及患者的病历信息建立病情分诊模型;患者病情分析子单元配置有患者病情分析策略,患者病情分析策略包括如下步骤:
步骤B2011,通过互联控制调取单元获取存储的患者的病历信息;
步骤B2012,获取患者的历史患病等级,将历史患病等级划分一至四个患病级别,其中,患病级别越高表示患者的历史患病等级越高,分别给一至四个患病级别进行赋值,设定为患病级别参考值,且患病级别越高对应的患病级别参考值越高;患病级别参考值可以根据一至四个患病级别分别设置为1、2、3和4;获取患者的历史患病级别对应的患病次数,将患病次数与历史患病级别对应的患病级别参考值相乘得到患病风险参考值;例如,参照现有的病情分级标准,具体为:一级(急危症);病人情况为:有生命危险。生命体征不稳定需要立即急救。如心搏呼吸骤停、剧烈胸痛、持续严重心律失常、严重呼吸困难、重度创伤大出血、急性中毒及老年复合伤;需要开放绿色通道和抢救室;目标反应时间为:即刻,每个病人都应在目标反应时间内得到治疗。二级(急重症),病人情况为:有潜在的生命危险,病情有可能急剧变化,如心、脑血管意外;严重骨折、突发剧烈头痛、腹痛持续36小时以上、开发性创伤、儿童高热等。需要各诊室优先就诊;目标反应时间为:<10分钟,即在10分钟内给予处理,能在目标反应时间内处理95%的病人。三级(亚紧急),病人情况为:生命体征尚稳定,急性症状持续不能缓解的病人,如高热、呕吐、轻度外伤、轻度腹痛等;需要各诊室候诊;目标反应时间为:<30分钟,能在目标反应时间内处理90%病人。四级(非紧急),病人情况为:病情不会转差的非急诊患者;可在急诊候诊或去门诊候诊;目标反应时间为:<180分钟,能在目标反应时间内处理90%病人。
步骤B2013,获取患者的历史患病种类,将历史患病种类设置为第一患病种类和第
二患病种类,获取第一患病种类的数量和第二患病种类的数量;将第一患病种类的数量通
过第一种类风险公式计算得到第一种类风险值;第一种类风险公式配置为:;其
中,P1zf为第一种类风险值,Q1为第一患病种类的数量,a1为第一患病种类的数量风险转换
系数;将第二患病种类的数量通过第二种类风险公式计算得到第二种类风险值;第二种类
风险公式配置为:;其中,P2zf为第二种类风险值,Q2为第二患病种类的数量,a2
为第二患病种类的数量风险转换系数,a1和a2均大于零,且a1大于a2;第一患病种类的关联
风险要大于第二患病种类的关联风险,在本方案中选取上述两种患病种类,第一患病种类
具体可以设置为:比较严重的疾病,包括肿瘤、高血压、高血压以及血脂异常等;第二患病种
类具体可以设置为:免疫低下类、糖尿病以及内分泌失调等,具体地,a1为0.8,a2为0.5。
步骤B2014,将第一种类风险值和第二种类风险值相加得到患病关联风险值。
患者病情分析子单元配置有病情分诊模型建立策略,病情分诊模型建立策略包括如下步骤:
步骤B2111,将患者的病情与历史患病等级的四个患病级别进行对应;
步骤B2112,当患者的实时病情处于第一患病级别时,建立第一患病分诊模型,第
一患病分诊模型包括:获取患者患病的对应科室,设定为第一患病科室;同时获取医院导航
路径的时长在第一时长范围内的医院,并设定为第一患病级别参考医院;获取第一患病级
别参考医院对应的医院参考值,以及获取第一患病级别参考医院与第一患病科室相同的科
室参考值;将医院参考值和科室参考值通过第一患病分诊公式求得第一患病分诊值;第一
患病分诊公式配置为:;其中,P1hf为第一患病分诊值,Cyy为医院参考
值,Cks为科室参考值,k1为第一患病医院重要性占比系数,k2为第一患病科室重要性占比
系数,k1和k2均大于零,且k1+k2=1;选取第一患病分诊值最大的医院作为第一患病级别选
取医院。
病情分诊模型建立策略还包括如下步骤:
步骤B2211,将患者的病情与历史患病等级的四个患病级别进行对应;
步骤B2212,当患者的实时病情处于第二患病级别时,获取患者的患病风险参考值
和患病关联风险值,通过患病关联公式计算得到患病关联权重;患病关联公式配置为:;其中,Zhq为患病关联权重,Chf为患病风险参考值,Phg为患病关联风险值;
步骤B2213,当患病关联权重大于等于第一患病关联阈值时,将患者的实时病情重新划分为第一患病级别,并通过第一患病分诊模型进行分诊处理;
步骤B2214,当患病关联风险值小于第一患病关联阈值时,建立第二患病分诊模
型,第二患病分诊模型包括:获取患者患病的对应科室,设定为第二患病科室;同时获取医
院导航路径的时长在第二时长范围内的医院,并设定为第二患病级别参考医院;获取第二
患病级别参考医院对应的医院参考值,以及获取第二患病级别参考医院与第二患病科室相
同的科室参考值;将医院参考值和科室参考值通过第二患病分诊公式求得第二患病分诊
值;第二患病分诊公式配置为:;其中,P2hf为第二患病分诊值,k3为第
二患病医院重要性占比系数,k4为第二患病科室重要性占比系数,k3和k4均大于零,且k3+
k4=1,k3小于k1;选取第二患病分诊值最大的医院作为第二患病级别选取医院。
病情分诊模型建立策略还包括如下步骤:
步骤B2311,将患者的病情与历史患病等级的四个患病级别进行对应;
步骤B2312,当患者的实时病情处于第三患病级别时,获取患者的患病风险参考值和患病关联风险值,通过患病关联公式计算得到患病关联权重;
步骤B2313,当患病关联权重大于等于第一患病关联阈值时,将患者的实时病情重新划分为第一患病级别,并通过第一患病分诊模型进行分诊处理;
步骤B2314,当患病关联权重大于等于第二患病关联阈值且小于第一患病关联阈值时,将患者的实时病情重新划分为第二患病级别,并通过第二患病分诊模型进行分诊处理;
步骤B2315,当患病关联风险值小于第二患病关联阈值时,建立第三患病分诊模
型,第三患病分诊模型包括:获取患者患病的对应科室,设定为第三患病科室;同时获取医
院导航路径的时长在第三时长范围内的医院,并设定为第三患病级别参考医院;获取第三
患病级别参考医院对应的医院参考值,以及获取第三患病级别参考医院与第三患病科室相
同的科室参考值;将医院参考值和科室参考值通过第三患病分诊公式求得第三患病分诊
值;第三患病分诊公式配置为:;其中,P3hf为第三患病分诊值,k5为第
三患病医院重要性占比系数,k6为第三患病科室重要性占比系数,k5和k6均大于零,且k5+
k6=1,k5小于k3;选取第三患病分诊值最大的医院作为第三患病级别选取医院。
病情分诊模型建立策略还包括如下步骤:
步骤B2411,将患者的病情与历史患病等级的四个患病级别进行对应;
步骤B2412,当患者的实时病情处于第四患病级别时,建立第四患病分诊模型,第
四患病分诊模型包括:获取患者患病的对应科室,设定为第四患病科室;同时获取医院导航
路径的时长在第四时长范围内的医院,并设定为第四患病级别参考医院;获取第四患病级
别参考医院对应的医院参考值,以及获取第四患病级别参考医院与第四患病科室相同的科
室参考值;将医院参考值和科室参考值通过第四患病分诊公式求得第四患病分诊值;第四
患病分诊公式配置为:;其中,P4hf为第四患病分诊值,k7为第四患病医
院重要性占比系数,k8为第四患病科室重要性占比系数,k7和k8均大于零,且k7+k8=1,k7小
于k5;选取第四患病分诊值最大的医院作为第四患病级别选取医院。病情越高对于具体的
科室要求越高,k2大于k4,k4大于k6,k6大于k8,在具体实施时,可以设置为:k2=0.8,k4=
0.6,k6=0.4,k8=0.2。
具体地,第一时长范围小于第二时长范围,第二时长范围小于第三时长范围,第三时长范围小于第四时长范围,第一时长范围、第二时长范围、第三时长范围、第四时长范围分别设置为5min、10min、30min以及180min,当对应的时长范围内不存在医院时,依次顺延到下一个时长范围,通常情况下在180min的时长范围内至少存在一个医院。
分诊比对单元配置有分诊比对策略,分诊比对策略包括如下步骤:
步骤C1,获取患者的实时病情,并将实时病情输入病情分诊模型中得到分诊结果,将分诊结果进行电信号输出。
控制单元用于基于分诊结果输出分诊控制电信号,互联终端接收分诊控制电信号后转换为分诊信息,通过获取到的分诊信息进行分诊操作。
工作原理:首先从医疗互联信息存储单元内调取患者的病历信息和医院的医疗资源信息;然后通过分诊模型建立单元能够对医疗资源信息进行赋值分析,通过患者病情分析子单元能够基于赋值后的医疗资源信息以及患者的病历信息建立病情分诊模型;建立好病情分诊模型后通过分诊比对单元能够获取患者的实时病情,并将实时病情输入病情分诊模型中得到分诊结果,将分诊结果进行电信号输出,最后通过控制单元能够基于分诊结果输出分诊控制电信号。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static RandomAccess Memory, 简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory, 简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read Only Memory, 简称EPROM),可编程只读存储器(Programmable Red-Only Memory, 简称PROM),只读存储器(Read-OnlyMemory, 简称ROM),磁存储器,快闪存储器,磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其他的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种基于医疗互联平台的患者一体化分诊调控系统,其特征在于,所述分诊调控系统对医疗互联区域内的患者进行分诊调控;所述分诊调控系统包括互联终端、医疗互联信息存储单元、分诊模型建立单元、分诊比对单元以及控制单元,所述医疗互联信息存储单元与分诊模型建立单元电连接,所述分诊模型建立单元与分诊比对单元电连接,所述分诊比对单元与控制单元电连接,所述控制单元与互联终端通信连接;
所述医疗互联信息存储单元用于存储患者的病历信息和医院的医疗资源信息;
所述分诊模型建立单元包括医疗资源分析子单元以及患者病情分析子单元,所述医疗资源分析子单元用于对医疗资源信息进行赋值分析;所述患者病情分析子单元用于基于赋值后的医疗资源信息以及患者的病历信息建立病情分诊模型;
所述分诊比对单元配置有分诊比对策略,所述分诊比对策略包括:获取患者的实时病情,并将实时病情输入病情分诊模型中得到分诊结果,将分诊结果进行电信号输出;
所述控制单元用于基于分诊结果输出分诊控制电信号。
2.根据权利要求1所述的一种基于医疗互联平台的患者一体化分诊调控系统,其特征在于,所述医疗互联信息存储单元包括云存储子单元以及互联控制调取单元,所述医疗互联信息存储单元配置有医疗互联信息存储策略,所述医疗互联信息存储策略包括:通过互联终端获取患者的病情数据,将患者的病情数据存储至云存储子单元内,通过云存储子单元将病情数据对应生成病历信息;
通过互联终端获取医院的医疗资源信息,将医院的医疗资源信息存储至云存储子单元内;
通过互联控制调取单元将存储的病历信息和医疗资源信息进行输出。
3.根据权利要求2所述的一种基于医疗互联平台的患者一体化分诊调控系统,其特征在于,所述医疗资源分析子单元配置有医疗资源赋值策略,所述医疗资源赋值策略包括:通过互联控制调取单元获取存储的医疗资源信息;
获取医疗互联区域内的医院的等级,根据医院的等级对应划分一至十个医院级别,其中,医院级别越高表示医院的等级越高,分别给一至十个医院级别进行赋值,设定为医院参考值,且医院级别越高对应的医院参考值越高;
获取医疗互联区域内的医院的科室等级,根据医院的科室等级对医疗互联区域内的医院进行科室排名,其中,科室排名越靠前表示医院的科室等级越高,根据科室排名进行赋值,设定为科室参考值,且科室排名越靠前对应的科室参考值越高;
获取医疗互联区域内的医院的位置,根据医院的位置设置对应的医院导航路径。
4.根据权利要求3所述的一种基于医疗互联平台的患者一体化分诊调控系统,其特征在于,所述患者病情分析子单元配置有患者病情分析策略,所述患者病情分析策略包括:通过互联控制调取单元获取存储的患者的病历信息;
获取患者的历史患病等级,将历史患病等级划分一至四个患病级别,其中,患病级别越高表示患者的历史患病等级越高,分别给一至四个患病级别进行赋值,设定为患病级别参考值,且患病级别越高对应的患病级别参考值越高;获取患者的历史患病级别对应的患病次数,将患病次数与历史患病级别对应的患病级别参考值相乘得到患病风险参考值;
获取患者的历史患病种类,将历史患病种类设置为第一患病种类和第二患病种类,获
取第一患病种类的数量和第二患病种类的数量;将第一患病种类的数量通过第一种类风险
公式计算得到第一种类风险值;所述第一种类风险公式配置为:;其中,P1zf为
第一种类风险值,Q1为第一患病种类的数量,a1为第一患病种类的数量风险转换系数;将第
二患病种类的数量通过第二种类风险公式计算得到第二种类风险值;所述第二种类风险公
式配置为:;其中,P2zf为第二种类风险值,Q2为第二患病种类的数量,a2为第二
患病种类的数量风险转换系数,a1和a2均大于零,且a1大于a2;将第一种类风险值和第二种
类风险值相加得到患病关联风险值。
5.根据权利要求4所述的一种基于医疗互联平台的患者一体化分诊调控系统,其特征在于,所述患者病情分析子单元配置有病情分诊模型建立策略,所述病情分诊模型建立策略包括:将患者的病情与历史患病等级的四个患病级别进行对应;
当患者的实时病情处于第一患病级别时,建立第一患病分诊模型,第一患病分诊模型
包括:获取患者患病的对应科室,设定为第一患病科室;同时获取医院导航路径的时长在第
一时长范围内的医院,并设定为第一患病级别参考医院;获取第一患病级别参考医院对应
的医院参考值,以及获取第一患病级别参考医院与第一患病科室相同的科室参考值;将医
院参考值和科室参考值通过第一患病分诊公式求得第一患病分诊值;所述第一患病分诊公
式配置为:;其中,P1hf为第一患病分诊值,Cyy为医院参考值,Cks为科
室参考值,k1为第一患病医院重要性占比系数,k2为第一患病科室重要性占比系数,k1和k2
均大于零,且k1+k2=1;选取第一患病分诊值最大的医院作为第一患病级别选取医院。
6.根据权利要求5所述的一种基于医疗互联平台的患者一体化分诊调控系统,其特征
在于,所述病情分诊模型建立策略还包括:当患者的实时病情处于第二患病级别时,获取患
者的患病风险参考值和患病关联风险值,通过患病关联公式计算得到患病关联权重;所述
患病关联公式配置为:;其中,Zhq为患病关联权重,Chf为患病风险参考值,Phg
为患病关联风险值;当患病关联权重大于等于第一患病关联阈值时,将患者的实时病情重
新划分为第一患病级别,并通过第一患病分诊模型进行分诊处理;当患病关联风险值小于
第一患病关联阈值时,建立第二患病分诊模型,第二患病分诊模型包括:获取患者患病的对
应科室,设定为第二患病科室;同时获取医院导航路径的时长在第二时长范围内的医院,并
设定为第二患病级别参考医院;获取第二患病级别参考医院对应的医院参考值,以及获取
第二患病级别参考医院与第二患病科室相同的科室参考值;将医院参考值和科室参考值通
过第二患病分诊公式求得第二患病分诊值;所述第二患病分诊公式配置为:;其中,P2hf为第二患病分诊值,k3为第二患病医院重要性占比系数,k4
为第二患病科室重要性占比系数,k3和k4均大于零,且k3+k4=1,k3小于k1;选取第二患病分
诊值最大的医院作为第二患病级别选取医院。
7.根据权利要求6所述的一种基于医疗互联平台的患者一体化分诊调控系统,其特征
在于,所述病情分诊模型建立策略还包括:当患者的实时病情处于第三患病级别时,获取患
者的患病风险参考值和患病关联风险值,通过患病关联公式计算得到患病关联权重;当患
病关联权重大于等于第一患病关联阈值时,将患者的实时病情重新划分为第一患病级别,
并通过第一患病分诊模型进行分诊处理;当患病关联权重大于等于第二患病关联阈值且小
于第一患病关联阈值时,将患者的实时病情重新划分为第二患病级别,并通过第二患病分
诊模型进行分诊处理;当患病关联风险值小于第二患病关联阈值时,建立第三患病分诊模
型,第三患病分诊模型包括:获取患者患病的对应科室,设定为第三患病科室;同时获取医
院导航路径的时长在第三时长范围内的医院,并设定为第三患病级别参考医院;获取第三
患病级别参考医院对应的医院参考值,以及获取第三患病级别参考医院与第三患病科室相
同的科室参考值;将医院参考值和科室参考值通过第三患病分诊公式求得第三患病分诊
值;所述第三患病分诊公式配置为:;其中,P3hf为第三患病分诊值,k5
为第三患病医院重要性占比系数,k6为第三患病科室重要性占比系数,k5和k6均大于零,且
k5+k6=1,k5小于k3;选取第三患病分诊值最大的医院作为第三患病级别选取医院。
8.根据权利要求7所述的一种基于医疗互联平台的患者一体化分诊调控系统,其特征
在于,所述病情分诊模型建立策略还包括:当患者的实时病情处于第四患病级别时,建立第
四患病分诊模型,第四患病分诊模型包括:获取患者患病的对应科室,设定为第四患病科
室;同时获取医院导航路径的时长在第四时长范围内的医院,并设定为第四患病级别参考
医院;获取第四患病级别参考医院对应的医院参考值,以及获取第四患病级别参考医院与
第四患病科室相同的科室参考值;将医院参考值和科室参考值通过第四患病分诊公式求得
第四患病分诊值;所述第四患病分诊公式配置为:;其中,P4hf为第四患
病分诊值,k7为第四患病医院重要性占比系数,k8为第四患病科室重要性占比系数,k7和k8
均大于零,且k7+k8=1,k7小于k5;选取第四患病分诊值最大的医院作为第四患病级别选取
医院。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567426.6A CN115762744A (zh) | 2022-12-07 | 2022-12-07 | 一种基于医疗互联平台的患者一体化分诊调控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567426.6A CN115762744A (zh) | 2022-12-07 | 2022-12-07 | 一种基于医疗互联平台的患者一体化分诊调控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115762744A true CN115762744A (zh) | 2023-03-07 |
Family
ID=85344288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211567426.6A Pending CN115762744A (zh) | 2022-12-07 | 2022-12-07 | 一种基于医疗互联平台的患者一体化分诊调控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115762744A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114171176A (zh) * | 2021-12-15 | 2022-03-11 | 华中科技大学同济医学院附属协和医院 | 一种基于互联网的医院分诊数据处理方法及系统 |
CN114864062A (zh) * | 2022-03-14 | 2022-08-05 | 北京融威众邦电子技术有限公司 | 一种医疗智能分诊方法及分诊系统 |
-
2022
- 2022-12-07 CN CN202211567426.6A patent/CN115762744A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114171176A (zh) * | 2021-12-15 | 2022-03-11 | 华中科技大学同济医学院附属协和医院 | 一种基于互联网的医院分诊数据处理方法及系统 |
CN114864062A (zh) * | 2022-03-14 | 2022-08-05 | 北京融威众邦电子技术有限公司 | 一种医疗智能分诊方法及分诊系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5724379A (en) | Method of modifying comparable health care services | |
Amaral et al. | Improving decision-making and management of hospital resources: An application of the PROMETHEE II method in an Emergency Department | |
Gregory et al. | Using administrative data to identify indications for elective primary cesarean delivery | |
CN109192285B (zh) | 医疗资源分配方法、装置、系统、电子设备及存储介质 | |
CN112151170A (zh) | 用于计算用作医疗决策支持的医疗建议的分数的方法 | |
WO2021180244A1 (zh) | 一种疾病风险预测系统、方法、装置、设备及介质 | |
CN113792920B (zh) | 一种面向单诊室的医院就诊顺序优化方法及装置 | |
US20220013237A1 (en) | Systems and Methods for Assessing Whether Medical Procedures Should Be Approved | |
CN110148473A (zh) | 分级诊疗方法及系统 | |
CN110675942A (zh) | 医学影像图像诊断分配方法、装置、终端及存储介质 | |
Kansy et al. | Higher programmatic volume in neonatal heart surgery is associated with lower early mortality | |
CN114141349A (zh) | 一种icu护理人员的智能调配方法及系统 | |
CN106530091A (zh) | 投保额度的计算方法及服务器 | |
Niemann et al. | Emergency thoracotomies in traumatic cardiac arrests following blunt trauma–experiences from a German level I trauma center | |
US20190237191A1 (en) | A method and system for generating an assessment of a treatment recommendation for a patient | |
CN117727468A (zh) | 一种基于云边协同的健康筛查智能分诊系统 | |
CN115762744A (zh) | 一种基于医疗互联平台的患者一体化分诊调控系统 | |
CN115862881A (zh) | 医嘱信息的确定方法、装置、存储介质及电子设备 | |
WO2023050668A1 (zh) | 基于因果推断的分群模型构建方法和医疗数据处理方法 | |
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 | |
CN114822857A (zh) | 重复入院的预测方法、计算设备及存储介质 | |
CN114358618A (zh) | 基于病例组合的医生住院服务绩效评估方法及系统 | |
CN114203306A (zh) | 医疗事件预测模型训练方法、医疗事件预测方法及装置 | |
CN110993114B (zh) | 医疗数据分析方法及装置、存储装置、电子设备 | |
McGuire | An evaluation of diagnosis-related group severity and complexity refinement |
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 |