CN116884592B - 一种基于大数据分析医疗信息筛选方法及系统 - Google Patents
一种基于大数据分析医疗信息筛选方法及系统 Download PDFInfo
- Publication number
- CN116884592B CN116884592B CN202311142005.3A CN202311142005A CN116884592B CN 116884592 B CN116884592 B CN 116884592B CN 202311142005 A CN202311142005 A CN 202311142005A CN 116884592 B CN116884592 B CN 116884592B
- Authority
- CN
- China
- Prior art keywords
- patient
- data
- disease
- department
- disease symptom
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012216 screening Methods 0.000 title claims abstract description 16
- 238000007405 data analysis Methods 0.000 title claims abstract description 13
- 201000010099 disease Diseases 0.000 claims abstract description 523
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 523
- 208000024891 symptom Diseases 0.000 claims abstract description 385
- 238000003745 diagnosis Methods 0.000 claims abstract description 107
- 239000011159 matrix material Substances 0.000 claims description 46
- 238000012360 testing method Methods 0.000 claims description 11
- 238000009825 accumulation Methods 0.000 claims description 10
- 238000012300 Sequence Analysis Methods 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 6
- 206010061218 Inflammation Diseases 0.000 claims description 5
- 206010037660 Pyrexia Diseases 0.000 claims description 5
- 208000025865 Ulcer Diseases 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000004054 inflammatory process Effects 0.000 claims description 5
- 231100000397 ulcer Toxicity 0.000 claims description 5
- 208000002874 Acne Vulgaris Diseases 0.000 claims description 3
- 206010012735 Diarrhoea Diseases 0.000 claims description 3
- 206010020751 Hypersensitivity Diseases 0.000 claims description 3
- 208000006083 Hypokinesia Diseases 0.000 claims description 3
- 208000003251 Pruritus Diseases 0.000 claims description 3
- 208000036071 Rhinorrhea Diseases 0.000 claims description 3
- 206010039101 Rhinorrhoea Diseases 0.000 claims description 3
- 208000034189 Sclerosis Diseases 0.000 claims description 3
- 206010042674 Swelling Diseases 0.000 claims description 3
- 206010047700 Vomiting Diseases 0.000 claims description 3
- 206010000496 acne Diseases 0.000 claims description 3
- 208000026935 allergic disease Diseases 0.000 claims description 3
- 230000007815 allergy Effects 0.000 claims description 3
- 230000007803 itching Effects 0.000 claims description 3
- 206010041232 sneezing Diseases 0.000 claims description 3
- 230000008961 swelling Effects 0.000 claims description 3
- 230000008673 vomiting Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims 1
- 230000010365 information processing Effects 0.000 abstract description 15
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 206010037180 Psychiatric symptoms Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
-
- 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Pathology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及医疗信息处理的技术领域,且公开了一种基于大数据分析医疗信息筛选方法及系统,通过对患者就诊时间段和患者疾病症状数据进行在线录入,依据患者疾病症状数据与医院疾病所属科室类型数据配合识别匹配出患者疾病症状所属科室类型和患者疾病症状等级,输出不同疾病症状等级患者相对应职业等级所属科室医生数据最终形成患者预约挂号就诊顺序数据,从而实现患者疾病症状与所需职业等级所属科室医生进行科学精准匹配;对患者预约挂号就诊顺序数据与医生诊断输入的患者疾病诊断数据进行差异度计算和患者预约挂号信任度分析,保证了患者预约挂号过程患者和需要医疗资源的有效匹配,提高了预约挂号医疗信息处理筛选的可靠性。
Description
技术领域
本发明涉及医疗信息处理的技术领域,具体为一种基于大数据分析医疗信息筛选方法及系统。
背景技术
医疗信息处理,即对医疗信息的处理,医疗信息处理过程中借助计算机技术,具有非常高的应用价值,在提高信息处理准确度的同时,也极大地增强了信息处理的效率,计算机在应用方式上具有较大的储存能力和传输能力,在实际工作中为人们的生命健康做好科学的服务工作,患者使用医疗预约挂号处理系统可以提前预约需要的科室医生,然而现有的医疗预约挂号处理系统只能为患者提供选择所需医生以及就诊时间段,不能依据患者疾病症状等级进行科学匹配相应等级的所属科室医生,降低了患者疾病治疗效果,也造成医疗资源的浪费。
中国专利公告号为CN108962358B,公开了一种医疗信息处理方法,采用获取用户身份信息,判断所述用户身份信息是否具有对应的待处理医疗项目;若用户身份信息具有对应的待处理医疗项目,则显示待处理医疗项目对应的信息;接收选择指令,显示与选择指令对应的待显示信息;待显示信息包括待处理医疗项目的办理地点的医疗信息处理方法,通过以上医疗信息处理流程实现通过获取用户身份信息,判断所述用户身份信息是否具有对应的待处理医疗项目,若所述用户身份信息具有对应的待处理医疗项目,则显示所述待处理医疗项目对应的信息,通过这种方式,使得患者在使用医疗终端时,首先能够关注到与自己的待处理医疗项目,实现个性化信息的查询及操作,并引导患者快速完成就诊流程,然而以上医疗信息处理方法能够引导患者及时完成就诊流程,但对于患者预约挂号过程存在的不同疾病症状等级患者如何科学匹配到相应等级所属科室医生问题,不能给出较好解决方案。
发明内容
(一)解决的技术问题
为解决上述现有的医疗预约挂号处理系统只能为患者提供选择所需医生以及就诊时间段,不能依据患者疾病症状等级进行科学匹配相应等级的所属科室医生,不仅降低了患者疾病治疗效果,也造成医疗资源的浪费的问题,实现以上不同疾病症状等级患者科学匹配相应等级所属医生、保证医疗资源科学合理利用的目的。
(二)技术方案
本发明通过以下技术方案予以实现:一种基于大数据分析医疗信息筛选方法,该方法包括以下步骤:
S1、患者在线点击选定医院的预约挂号信息登记窗口,并在预约挂号信息登记窗口录入患者就诊时间段数据和患者疾病症状数据;
S2、依据患者疾病症状数据与医院疾病所属科室类型数据识别匹配输出患者疾病症状所属科室类型数据和患者疾病症状等级数据;
S3、依据医院疾病所属科室类型数据调用所属科室医生身份信息并按照所属科室医生职业等级顺序排列结果输出所属科室医生职业等级和人员个数数据矩阵;
S4、将患者疾病症状等级数据与所属科室医生职业等级和人员个数数据矩阵依据数值大小进行分析匹配输出不同疾病症状等级患者相对应职业等级所属科室医生数据;
S5、将不同疾病症状等级患者相对应职业等级所属科室医生数据配合患者就诊时间段数据、患者疾病症状数据、患者疾病症状所属科室类型数据匹配形成患者预约挂号就诊顺序数据;
S6、科室医生使用所述患者预约挂号就诊顺序数据在医生问诊显示端调用患者疾病症状数据进行浏览初步了解患者疾病症状,医生结合患者生理化验数据进行诊断并在医生问诊显示端输入患者疾病诊断数据;
S7、将患者疾病症状数据和患者疾病诊断数据进行数据比对计算出两者差异度;
S8、依据S7输出患者疾病症状数据和患者疾病诊断数据的差异度结果对患者预约挂号信任度评价,并对失信患者进行预约挂号限制惩罚。
优选的,所述患者在线点击选定医院的预约挂号信息登记窗口,并在预约挂号信息登记窗口录入患者就诊时间段数据和患者疾病症状数据的操作步骤如下:
S11、收集患者就诊时间段数据和患者疾病症状数据;
S12、建立患者就诊时间段数据组,/>,其中/>表示第个患者就诊时间段数据;
S13、建立患者疾病症状数据组,/>,其中/>表示第/>个患者疾病症状数据。
优选的,所述医院疾病所属科室类型数据包括所属科室对应疾病症状关键词、所属科室疾病症状不同等级关键词、所属科室对应的不同职业等级科室医生身份信息和人员个数;
所述依据患者疾病症状数据与医院疾病所属科室类型数据识别匹配输出患者疾病症状所属科室类型数据和患者疾病症状等级数据的操作步骤如下:
S21、调用S13中患者疾病症状数据组数据;
S22、依据医院疾病所属科室类型数据建立疾病所属科室类型数据矩阵,其中/>表示第/>个疾病所属科室类型数据;
S23、依据医院疾病所属科室类型数据建立医院疾病症状等级数据矩阵,/>,其中/>表示疾病症状等级为第/>等级数据;
表示疾病症状等级为第一等级数据,疾病症状表现包括打喷嚏;
表示疾病症状等级为第二等级数据,疾病症状表现包括流鼻涕、吐痰中的至少一种;
表示疾病症状等级为第三等级数据,疾病症状表现包括乏力、疲劳中的至少一种;
表示疾病症状等级为第四等级数据,疾病症状表现包括发烧;
表示疾病症状等级为第五等级数据,疾病症状表现包括过敏、皮肤发痒、痘、红肿、呕吐、拉肚子中的至少一种;
表示疾病症状等级为第六等级数据,疾病症状表现包括发炎;
表示疾病症状等级为第七等级数据,疾病症状表现包括溃疡;
表示疾病症状等级为第八等级数据,疾病症状表现包括硬化;
表示疾病症状等级为第九等级数据,疾病症状表现包括癌变;
S24、按照患者序号将患者疾病症状数据组/>中患者疾病症状数据/>遍历疾病所属科室类型数据矩阵/>中疾病所属科室类型数据/>进行疾病症状关键词匹配输出/>对应的患者疾病症状所属科室类型数据/>;
按照患者序号将患者疾病症状数据组/>中患者疾病症状数据/>遍历医院疾病症状等级数据矩阵/>中疾病症状等级数据/>进行疾病症状关键词匹配输出/>对应的患者疾病症状等级数据/>,当匹配到多个疾病症状等级,输出最大数值疾病症状等级。
优选的,所述依据医院疾病所属科室类型数据调用所属科室医生身份信息并按照所属科室医生职业等级顺序排列结果输出所属科室医生职业等级和人员个数数据矩阵的操作步骤如下:
S31、输出所属科室医生职业等级和人员个数数据矩阵;
其中表示S22中第/>个疾病所属科室对应所属科室医生职业等级和人员个数数据矩阵,/>;
表示所属科室医生职业等级为初级中第/>个所属科室医生,初级所属科室医生包括医士、医师、住院医师;
表示所属科室医生职业等级为中级中第/>个所属科室医生,中级所属科室医生包括主治医师;
表示所属科室医生职业等级为副高级中第/>个所属科室医生,副高级所属科室医生包括副主任医师;
表示所属科室医生职业等级为正高级中第/>个所属科室医生,正高级所属科室医生包括主任医师。
优选的,所述将不同疾病症状等级患者相对应职业等级所属科室医生数据配合患者就诊时间段数据、患者疾病症状数据、患者疾病症状所属科室类型数据匹配形成患者预约挂号就诊顺序数据的操作步骤如下:
S41、按照至/>疾病症状等级匹配/>初级职业等级所属科室医生;
按照至/>疾病症状等级匹配/>中级职业等级所属科室医生;
按照至/>疾病症状等级匹配/>副高级职业等级所属科室医生;
按照至/>疾病症状等级匹配/>正高级职业等级所属科室医生;
S42、按照患者就诊时段数据、患者疾病症状数据、患者疾病症状所属科室类型数据、患者疾病症状等级匹配对应职业等级所属科室医生数据顺序形成患者预约挂号就诊顺序数据矩阵;
,
,/>表示第/>个患者就诊时间段数据,/>表示第/>个患者疾病症状数据,/>表示第/>个患者预约挂号就诊顺序数据矩阵,/>表示第/>个患者疾病症状匹配的患者疾病所属科室类型,/>表示第/>个患者匹配到所属科室医生职业等级为初级或中级或副高级或正高级中任意一级中的第/>个所属科室医生。
优选的,所述科室医生使用所述患者预约挂号就诊顺序数据在医生问诊显示端调用患者疾病症状数据进行浏览初步了解患者疾病症状,医生结合患者生理化验数据进行诊断并在医生问诊显示端输入患者疾病诊断数据的操作步骤如下:
S51、科室医生在医生问诊显示端调用患者预约挂号就诊顺序数据以及患者疾病症状数据/>对患者疾病症状进行初步了解;
S52、科室医生结合患者生理化验数据进行诊断并在医生问诊显示端输入患者疾病诊断数据,建立患者疾病诊断数据矩阵;
,/>,其中/>表示第/>个患者疾病诊断数据。
优选的,所述将患者疾病症状数据和患者疾病诊断数据进行数据比对计算出两者差异度的操作步骤如下:
S61、调用S13中患者疾病症状数据和S52中患者疾病诊断数据/>;
S62、建立患者疾病症状数据关键词字符串集合;
,其中患者疾病症状数据关键词字符串集合中/>表示患者疾病症状数据关键词字符串集合中第/>个疾病症状数据关键词字符;
建立患者疾病诊断数据关键词字符串集合;
,其中患者疾病诊断数据关键词字符串集合中/>表示患者疾病诊断数据关键词字符串集合中第/>个疾病诊断数据关键词字符串;
S63、将患者疾病诊断数据关键词字符串集合中患者疾病诊断数据关键词字符串/>,按照/>到/>顺序逐一调出与患者疾病症状数据关键词字符串集合/>中按照/>到顺序进行匹配;
当在/>中匹配成功,对/>匹配成功个数进行计数累加,/>,其中累加公式左侧表示累加变量,累加公式右侧/>初始值为零,统计/>最终累加数值,计算/>与/>的差异度/>;
当≥/>,表示患者疾病症状数据与患者疾病诊断数据差异度小;
当</>,表示患者疾病症状数据与患者疾病诊断数据差异度大。
优选的,所述依据S7输出患者疾病症状数据和患者疾病诊断数据的差异度结果对患者预约挂号信任度评价,并对失信患者进行预约挂号限制惩罚的操作步骤如下:
S71、依据S63中患者疾病症状数据与患者疾病诊断数据差异度判断结果对患者预约挂号信任度评价;
当≥/>,患者疾病症状数据与患者疾病诊断数据差异度小,表明患者预约挂号时真实录入疾病症状和科室医生诊断疾病症状结果相匹配;
当</>,患者疾病症状数据与患者疾病诊断数据差异度大,表明患者预约挂号时虚假录入疾病症状和科室医生诊断疾病症状结果差异大,或者患者存在不认真反映疾病症状或夸大疾病症状意图匹配较高职业等级科室医生,在预约挂号信息登记窗口对该患者信息进行失信登记,对患者行为一段时间内限制使用医院预约挂号系统。
一种实现基于大数据分析医疗信息筛选方法的系统,该系统包括患者预约挂号信息登记模块、患者预约挂号就诊排序模块、患者预约挂号信息确认模块、患者预约挂号失信惩戒模块;
所述患者预约挂号信息登记模块包括患者预约挂号就诊时间录入单元和患者预约挂号疾病症状录入单元;所述患者预约挂号就诊时间录入单元,用于患者在选定医院预约挂号信息登记窗口录入患者就诊时间段数据;所述患者预约挂号疾病症状录入单元,用于患者在选定医院预约挂号信息登记窗口录入患者疾病症状数据;
所述患者预约挂号就诊排序模块包括患者疾病症状所属科室和疾病症状等级划分单元、科室医生信息存储以及职业等级输出单元、患者预约挂号就诊顺序分析匹配输出单元;
所述患者疾病症状所属科室和疾病症状等级划分单元,采用患者疾病症状数据与医院疾病所属科室类型数据结合识别匹配输出患者疾病症状所属科室类型数据、患者疾病症状等级数据;
所述科室医生信息存储以及职业等级输出单元,将患者疾病症状等级数据与所属科室医生职业等级和人员个数数据矩阵依据数值大小进行分析匹配输出不同疾病症状等级患者相对应职业等级所属科室医生数据;
所述患者预约挂号就诊顺序分析匹配输出单元,用于不同疾病症状等级患者相对应职业等级所属科室医生数据配合患者就诊时间段数据、患者疾病症状数据、患者疾病症状所属科室类型数据匹配形成患者预约挂号就诊顺序数据;
所述患者预约挂号信息确认模块包括医生调用患者疾病症状信息单元、医生录入患者疾病诊断信息单元、患者就诊前后疾病症状信息比对单元;
所述医生调用患者疾病症状信息单元,用于科室医生使用患者预约挂号就诊顺序数据在医生问诊显示端调用患者疾病症状数据进行浏览初步了解患者疾病症状;
所述医生录入患者疾病诊断信息单元,用于医生结合患者生理化验数据进行诊断并在医生问诊显示端输入患者疾病诊断数据;
所述患者就诊前后疾病症状信息比对单元,用于患者疾病症状数据和患者疾病诊断数据进行数据比对计算出两者差异度;
所述患者预约挂号失信惩戒模块,依据患者疾病症状数据和患者疾病诊断数据的差异度结果对患者预约挂号信任度评价,并对失信患者进行预约挂号限制惩罚。
(三)有益效果
本发明提供了一种基于大数据分析医疗信息筛选方法及系统。具备以下有益效果:
一、通过患者预约挂号信息登记模块对患者就诊时间段和患者疾病症状数据进行在线录入,患者预约挂号就诊排序模块依据患者疾病症状数据与医院疾病所属科室类型数据配合识别匹配出患者疾病症状所属科室类型和患者疾病症状等级,同时调用医院疾病所属科室类型数据中所述所属科室医生职业等级和人员个数数据矩阵与患者疾病症状等级数据进行匹配,并输出不同疾病症状等级患者相对应职业等级所属科室医生数据最终形成患者预约挂号就诊顺序数据,从而实现患者疾病症状与所需职业等级所属科室医生进行科学精准匹配;患者预约挂号信息确认模块和患者预约挂号失信惩戒模块分别对患者预约挂号就诊顺序数据与医生诊断输入的患者疾病诊断数据进行差异度计算和患者预约挂号信任度分析,对失信患者进行惩戒,保证了患者预约挂号过程患者和需要医疗资源的有效匹配,提高了预约挂号医疗信息处理筛选的可靠性。
二、通过患者疾病症状所属科室和疾病症状等级划分单元,实现患者疾病症状所属科室类型和患者疾病症状等级快速分析输出;科室医生信息存储以及职业等级输出单元,实现患者疾病症状等级数据与所属科室医生职业等级和人员个数数据矩阵依据数值大小进行分析匹配,科学准确输出不同疾病症状等级患者相对应职业等级所属科室医生;患者预约挂号就诊顺序分析匹配输出单元,实现不同疾病症状等级患者相对应职业等级所属科室医生数据、患者就诊时间段数据、患者疾病症状数据、患者疾病症状所属科室类型数据输出患者预约挂号就诊顺序数据,从而实现不同疾病症状等级患者科学匹配相应等级所属医生,提高了医疗资源的科学合理利用。
三、通过医生调用患者疾病症状信息单元和医生录入患者疾病诊断信息单元配合,辅助医生对患者疾病症状数据进行浏览初步了解患者疾病症状,并诊断输入患者疾病诊断数据;患者就诊前后疾病症状信息比对单元和患者预约挂号失信惩戒模块配合,计算患者疾病症状数据和患者疾病诊断数据两者差异度,对患者预约挂号信任度评价,并对失信患者进行预约挂号限制惩罚,提高预约挂号医疗信息处理的精准度,降低人为因素造成医疗资源浪费的概率。
附图说明
图1为本发明提供的一种基于大数据分析医疗信息筛选方法的组成系统各个功能模块组成图;
图2为图1所示一种基于大数据分析医疗信息筛选方法的组成结构图。
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。
该基于大数据分析医疗信息筛选方法及系统的实施例如下:
请参阅图1-图2,一种基于大数据分析医疗信息筛选方法,该方法包括以下步骤:
S1、患者在线点击选定医院的预约挂号信息登记窗口,并在预约挂号信息登记窗口录入患者就诊时间段数据和患者疾病症状数据;
S2、依据患者疾病症状数据与医院疾病所属科室类型数据识别匹配输出患者疾病症状所属科室类型数据和患者疾病症状等级数据;
S3、依据医院疾病所属科室类型数据调用所属科室医生身份信息并按照所属科室医生职业等级顺序排列结果输出所属科室医生职业等级和人员个数数据矩阵;
S4、将患者疾病症状等级数据与所属科室医生职业等级和人员个数数据矩阵依据数值大小进行分析匹配输出不同疾病症状等级患者相对应职业等级所属科室医生数据;
S5、将不同疾病症状等级患者相对应职业等级所属科室医生数据配合患者就诊时间段数据、患者疾病症状数据、患者疾病症状所属科室类型数据匹配形成患者预约挂号就诊顺序数据;
S6、科室医生使用所述患者预约挂号就诊顺序数据在医生问诊显示端调用患者疾病症状数据进行浏览初步了解患者疾病症状,医生结合患者生理化验数据进行诊断并在医生问诊显示端输入患者疾病诊断数据;
S7、将患者疾病症状数据和患者疾病诊断数据进行数据比对计算出两者差异度;
S8、依据S7输出患者疾病症状数据和患者疾病诊断数据的差异度结果对患者预约挂号信任度评价,并对失信患者进行预约挂号限制惩罚。
所述患者在线点击选定医院的预约挂号信息登记窗口,并在预约挂号信息登记窗口录入患者就诊时间段数据和患者疾病症状数据的操作步骤如下:
S11、收集患者就诊时间段数据和患者疾病症状数据;
S12、建立患者就诊时间段数据组,/>,其中/>表示第个患者就诊时间段数据;
S13、建立患者疾病症状数据组,/>,其中/>表示第个患者疾病症状数据。
进一步的,请参阅图1-图2,所述医院疾病所属科室类型数据包括所属科室对应疾病症状关键词、所属科室疾病症状不同等级关键词、所属科室对应的不同职业等级科室医生身份信息和人员个数;
所述依据患者疾病症状数据与医院疾病所属科室类型数据识别匹配输出患者疾病症状所属科室类型数据和患者疾病症状等级数据的操作步骤如下:
S21、调用S13中患者疾病症状数据组数据;
S22、依据医院疾病所属科室类型数据建立疾病所属科室类型数据矩阵,其中/>表示第/>个疾病所属科室类型数据;
S23、依据医院疾病所属科室类型数据建立医院疾病症状等级数据矩阵,/>,其中/>表示疾病症状等级为第/>等级数据;
表示疾病症状等级为第一等级数据,疾病症状表现包括打喷嚏;
表示疾病症状等级为第二等级数据,疾病症状表现包括流鼻涕、吐痰中的至少一种;
表示疾病症状等级为第三等级数据,疾病症状表现包括乏力、疲劳中的至少一种;
表示疾病症状等级为第四等级数据,疾病症状表现包括发烧;
表示疾病症状等级为第五等级数据,疾病症状表现包括过敏、皮肤发痒、痘、红肿、呕吐、拉肚子中的至少一种;
表示疾病症状等级为第六等级数据,疾病症状表现包括发炎;
表示疾病症状等级为第七等级数据,疾病症状表现包括溃疡;
表示疾病症状等级为第八等级数据,疾病症状表现包括硬化;
表示疾病症状等级为第九等级数据,疾病症状表现包括癌变;
S24、按照患者序号将患者疾病症状数据组/>中患者疾病症状数据/>遍历疾病所属科室类型数据矩阵/>中疾病所属科室类型数据/>进行疾病症状关键词匹配输出对应的患者疾病症状所属科室类型数据/>;
按照患者序号将患者疾病症状数据组/>中患者疾病症状数据/>遍历医院疾病症状等级数据矩阵/>中疾病症状等级数据/>进行疾病症状关键词匹配输出/>对应的患者疾病症状等级数据/>,当匹配到多个疾病症状等级,输出最大数值疾病症状等级。
例如序号=5患者的患者疾病症状数据组/>中患者疾病症状数据/>包括发烧、发炎、溃疡疾病症状与医院疾病症状等级数据矩阵/>中疾病症状等级数据/>进行关键词匹配,发烧、发炎、溃疡分别匹配到疾病症状等级为第四等级数据/>、第六等级数据/>、第七等级数据/>,按照输出最大数值疾病症状等级,最终序号/>=5患者的疾病症状等级匹配为第七等级数据/>。
所述依据医院疾病所属科室类型数据调用所属科室医生身份信息并按照所属科室医生职业等级顺序排列结果输出所属科室医生职业等级和人员个数数据矩阵的操作步骤如下:
S31、输出所属科室医生职业等级和人员个数数据矩阵;
其中表示S22中第/>个疾病所属科室对应所属科室医生职业等级和人员个数数据矩阵,/>;
表示所属科室医生职业等级为初级中第/>个所属科室医生,初级所属科室医生包括医士、医师、住院医师;
表示所属科室医生职业等级为中级中第/>个所属科室医生,中级所属科室医生包括主治医师;
表示所属科室医生职业等级为副高级中第/>个所属科室医生,副高级所属科室医生包括副主任医师;
表示所属科室医生职业等级为正高级中第/>个所属科室医生,正高级所属科室医生包括主任医师。
所述将不同疾病症状等级患者相对应职业等级所属科室医生数据配合患者就诊时间段数据、患者疾病症状数据、患者疾病症状所属科室类型数据匹配形成患者预约挂号就诊顺序数据的操作步骤如下:
S41、按照至/>疾病症状等级匹配/>初级职业等级所属科室医生;
按照至/>疾病症状等级匹配/>中级职业等级所属科室医生;
按照至/>疾病症状等级匹配/>副高级职业等级所属科室医生;
按照至/>疾病症状等级匹配/>正高级职业等级所属科室医生;
S42、按照患者就诊时段数据、患者疾病症状数据、患者疾病症状所属科室类型数据、患者疾病症状等级匹配对应职业等级所属科室医生数据顺序形成患者预约挂号就诊顺序数据矩阵;
,
,/>表示第/>个患者就诊时间段数据,/>表示第/>个患者疾病症状数据,/>表示第/>个患者预约挂号就诊顺序数据矩阵,/>表示第/>个患者疾病症状匹配的患者疾病所属科室类型,/>表示第/>个患者匹配到所属科室医生职业等级为初级或中级或副高级或正高级中任意一级中的第/>个所属科室医生。
通过患者疾病症状所属科室和疾病症状等级划分单元,实现患者疾病症状所属科室类型和患者疾病症状等级快速分析输出;科室医生信息存储以及职业等级输出单元,实现患者疾病症状等级数据与所属科室医生职业等级和人员个数数据矩阵依据数值大小进行分析匹配,科学准确输出不同疾病症状等级患者相对应职业等级所属科室医生;患者预约挂号就诊顺序分析匹配输出单元,实现不同疾病症状等级患者相对应职业等级所属科室医生数据、患者就诊时间段数据、患者疾病症状数据、患者疾病症状所属科室类型数据输出患者预约挂号就诊顺序数据,从而实现不同疾病症状等级患者科学匹配相应等级所属医生,提高了医疗资源的科学合理利用。
进一步的,请参阅图1-图2,所述科室医生使用所述患者预约挂号就诊顺序数据在医生问诊显示端调用患者疾病症状数据进行浏览初步了解患者疾病症状,医生结合患者生理化验数据进行诊断并在医生问诊显示端输入患者疾病诊断数据的操作步骤如下:
S51、科室医生在医生问诊显示端调用患者预约挂号就诊顺序数据以及患者疾病症状数据/>对患者疾病症状进行初步了解;
S52、科室医生结合患者生理化验数据进行诊断并在医生问诊显示端输入患者疾病诊断数据,建立患者疾病诊断数据矩阵;
,/>,其中/>表示第/>个患者疾病诊断数据。
所述将患者疾病症状数据和患者疾病诊断数据进行数据比对计算出两者差异度的操作步骤如下:
S61、调用S13中患者疾病症状数据和S52中患者疾病诊断数据/>;
S62、建立患者疾病症状数据关键词字符串集合;
,其中患者疾病症状数据关键词字符串集合中/>表示患者疾病症状数据关键词字符串集合中第/>个疾病症状数据关键词字符;
建立患者疾病诊断数据关键词字符串集合;
,其中患者疾病诊断数据关键词字符串集合中/>表示患者疾病诊断数据关键词字符串集合中第/>个疾病诊断数据关键词字符串;
S63、将患者疾病诊断数据关键词字符串集合中患者疾病诊断数据关键词字符串/>,按照/>到/>顺序逐一调出与患者疾病症状数据关键词字符串集合/>中按照/>到顺序进行匹配;
当在/>中匹配成功,对/>匹配成功个数进行计数累加,/>,其中累加公式左侧表示累加变量,累加公式右侧/>初始值为零,统计/>最终累加数值,计算/>与/>的差异度/>;
当≥/>,表示患者疾病症状数据与患者疾病诊断数据差异度小;
当</>,表示患者疾病症状数据与患者疾病诊断数据差异度大。
所述依据S7输出患者疾病症状数据和患者疾病诊断数据的差异度结果对患者预约挂号信任度评价,并对失信患者进行预约挂号限制惩罚的操作步骤如下:
S71、依据S63中患者疾病症状数据与患者疾病诊断数据差异度判断结果对患者预约挂号信任度评价;
当≥/>,患者疾病症状数据与患者疾病诊断数据差异度小,表明患者预约挂号时真实录入疾病症状和科室医生诊断疾病症状结果相匹配;/>
当</>,患者疾病症状数据与患者疾病诊断数据差异度大,表明患者预约挂号时虚假录入疾病症状和科室医生诊断疾病症状结果差异大,或者患者存在不认真反映疾病症状或夸大疾病症状意图匹配较高职业等级科室医生,在预约挂号信息登记窗口对该患者信息进行失信登记,对患者行为一段时间内限制使用医院预约挂号系统。
通过医生调用患者疾病症状信息单元和医生录入患者疾病诊断信息单元配合,辅助医生对患者疾病症状数据进行浏览初步了解患者疾病症状,并诊断输入患者疾病诊断数据;患者就诊前后疾病症状信息比对单元和患者预约挂号失信惩戒模块配合,计算患者疾病症状数据和患者疾病诊断数据两者差异度,对患者预约挂号信任度评价,并对失信患者进行预约挂号限制惩罚,提高预约挂号医疗信息处理的精准度,降低人为因素造成医疗资源浪费的概率。
进一步的,请参阅图1-图2,一种实现基于大数据分析医疗信息筛选方法的系统,该系统包括患者预约挂号信息登记模块、患者预约挂号就诊排序模块、患者预约挂号信息确认模块、患者预约挂号失信惩戒模块;
所述患者预约挂号信息登记模块包括患者预约挂号就诊时间录入单元和患者预约挂号疾病症状录入单元;所述患者预约挂号就诊时间录入单元,用于患者在选定医院预约挂号信息登记窗口录入患者就诊时间段数据;所述患者预约挂号疾病症状录入单元,用于患者在选定医院预约挂号信息登记窗口录入患者疾病症状数据;
所述患者预约挂号就诊排序模块包括患者疾病症状所属科室和疾病症状等级划分单元、科室医生信息存储以及职业等级输出单元、患者预约挂号就诊顺序分析匹配输出单元;
所述患者疾病症状所属科室和疾病症状等级划分单元,采用患者疾病症状数据与医院疾病所属科室类型数据结合识别匹配输出患者疾病症状所属科室类型数据、患者疾病症状等级数据;
所述科室医生信息存储以及职业等级输出单元,将患者疾病症状等级数据与所属科室医生职业等级和人员个数数据矩阵依据数值大小进行分析匹配输出不同疾病症状等级患者相对应职业等级所属科室医生数据;
所述患者预约挂号就诊顺序分析匹配输出单元,用于不同疾病症状等级患者相对应职业等级所属科室医生数据配合患者就诊时间段数据、患者疾病症状数据、患者疾病症状所属科室类型数据匹配形成患者预约挂号就诊顺序数据;
所述患者预约挂号信息确认模块包括医生调用患者疾病症状信息单元、医生录入患者疾病诊断信息单元、患者就诊前后疾病症状信息比对单元;
所述医生调用患者疾病症状信息单元,用于科室医生使用患者预约挂号就诊顺序数据在医生问诊显示端调用患者疾病症状数据进行浏览初步了解患者疾病症状;
所述医生录入患者疾病诊断信息单元,用于医生结合患者生理化验数据进行诊断并在医生问诊显示端输入患者疾病诊断数据;
所述患者就诊前后疾病症状信息比对单元,用于患者疾病症状数据和患者疾病诊断数据进行数据比对计算出两者差异度;
所述患者预约挂号失信惩戒模块,依据患者疾病症状数据和患者疾病诊断数据的差异度结果对患者预约挂号信任度评价,并对失信患者进行预约挂号限制惩罚。
通过患者预约挂号信息登记模块对患者就诊时间段和患者疾病症状数据进行在线录入,患者预约挂号就诊排序模块依据患者疾病症状数据与医院疾病所属科室类型数据配合识别匹配出患者疾病症状所属科室类型和患者疾病症状等级,同时调用医院疾病所属科室类型数据中所述所属科室医生职业等级和人员个数数据矩阵与患者疾病症状等级数据进行匹配,并输出不同疾病症状等级患者相对应职业等级所属科室医生数据最终形成患者预约挂号就诊顺序数据,从而实现患者疾病症状与所需职业等级所属科室医生进行科学精准匹配;患者预约挂号信息确认模块和患者预约挂号失信惩戒模块分别对患者预约挂号就诊顺序数据与医生诊断输入的患者疾病诊断数据进行差异度计算和患者预约挂号信任度分析,对失信患者进行惩戒,保证了患者预约挂号过程患者和需要医疗资源的有效匹配,提高了预约挂号医疗信息处理筛选的可靠性。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (2)
1.一种基于大数据分析医疗信息筛选方法,其特征在于,该方法包括以下步骤:
S1、患者在线点击选定医院的预约挂号信息登记窗口,并在预约挂号信息登记窗口录入患者就诊时间段数据和患者疾病症状数据;包括:
S11、收集患者就诊时间段数据和患者疾病症状数据;
S12、建立患者就诊时间段数据组T=[t1,...,tm,...,tn],m=1,2,3,4,...,n,其中,tm表示第m个患者就诊时间段数据;
S13、建立患者疾病症状数据组Z=[z1,...,zm,...,zn],m=1,2,3,4,...,n,zm表示第m个患者疾病症状数据;
S2、依据患者疾病症状数据与医院疾病所属科室类型数据识别匹配输出患者疾病症状所属科室类型数据和患者疾病症状等级数据;包括:
S21、调用S13中患者疾病症状数据组Z数据;
S22、依据医院疾病所属科室类型数据建立疾病所属科室类型数据矩阵A=[a1,a2,a3,...,ar],其中,ar表示第r个疾病所属科室类型数据;
S23、依据医院疾病所属科室类型数据建立医院疾病症状等级数据矩阵B=[b1,b2,...,bl,...,b9],l=1,2,3,4,...,9,其中,bl表示疾病症状等级为第l等级数据;
b1表示疾病症状等级为第一等级数据,疾病症状表现包括打喷嚏;
b2表示疾病症状等级为第二等级数据,疾病症状表现包括流鼻涕、吐痰中的至少一种;
b3表示疾病症状等级为第三等级数据,疾病症状表现包括乏力、疲劳中的至少一种;
b4表示疾病症状等级为第四等级数据,疾病症状表现包括发烧;
b5表示疾病症状等级为第五等级数据,疾病症状表现包括过敏、皮肤发痒、痘、红肿、呕吐、拉肚子中的至少一种;
b6表示疾病症状等级为第六等级数据,疾病症状表现包括发炎;
b7表示疾病症状等级为第七等级数据,疾病症状表现包括溃疡;
b8表示疾病症状等级为第八等级数据,疾病症状表现包括硬化;
b9表示疾病症状等级为第九等级数据,疾病症状表现包括癌变;
S24、按照患者序号m将患者疾病症状数据组Z中患者疾病症状数据Zm遍历疾病所属科室类型数据矩阵A中疾病所属科室类型数据ar进行疾病症状关键词匹配输出zm对应的患者疾病症状所属科室类型数据
按照患者序号m将患者疾病症状数据组Z中患者疾病症状数据zm遍历医院疾病症状等级数据矩阵B中疾病症状等级数据bl进行疾病症状关键词匹配输出zm对应的患者疾病症状等级数据当匹配到多个疾病症状等级,输出最大数值疾病症状等级;
S3、依据医院疾病所属科室类型数据调用所属科室医生身份信息并按照所属科室医生职业等级顺序排列结果输出所属科室医生职业等级和人员个数数据矩阵;包括:
S31、输出所属科室医生职业等级和人员个数数据矩阵;
其中Dr表示S22中第r个疾病所属科室对应所属科室医生职业等级和人员个数数据矩阵,j=1,2,3,4,…,s;
d1j表示所属科室医生职业等级为初级中第j个所属科室医生,初级所属科室医生包括医士、医师、住院医师;
d2j表示所属科室医生职业等级为中级中第j个所属科室医生,中级所属科室医生包括主治医师;
d3j表示所属科室医生职业等级为副高级中第j个所属科室医生,副高级所属科室医生包括副主任医师;
d4j表示所属科室医生职业等级为正高级中第j个所属科室医生,正高级所属科室医生包括主任医师;
S4、将患者疾病症状等级数据与所属科室医生职业等级和人员个数数据矩阵依据数值大小进行分析匹配输出不同疾病症状等级患者相对应职业等级所属科室医生数据;包括:
S41、按照b1至b3疾病症状等级匹配d1j初级职业等级所属科室医生;
按照b4至b5疾病症状等级匹配d2j中级职业等级所属科室医生;
按照b6至b7疾病症状等级匹配d3j副高级职业等级所属科室医生;
按照b8至b9疾病症状等级匹配d4j正高级职业等级所属科室医生;
S42、按照患者就诊时段数据、患者疾病症状数据、患者疾病症状所属科室类型数据、患者疾病症状等级匹配对应职业等级所属科室医生数据顺序形成患者预约挂号就诊顺序数据矩阵;
tm表示第m个患者就诊时间段数据,zm表示第m个患者疾病症状数据,Em表示第m个患者预约挂号就诊顺序数据矩阵,/>表示第m个患者疾病症状匹配的患者疾病所属科室类型,/>表示第m个患者匹配到所属科室医生职业等级为初级或中级或副高级或正高级中任意一级中的第j个所属科室医生;
S5、将不同疾病症状等级患者相对应职业等级所属科室医生数据配合患者就诊时间段数据、患者疾病症状数据、患者疾病症状所属科室类型数据匹配形成患者预约挂号就诊顺序数据;包括:
S51、科室医生在医生问诊显示端调用患者预约挂号就诊顺序数据Em以及患者疾病症状数据zm对患者疾病症状进行初步了解;
S52、科室医生结合患者生理化验数据进行诊断并在医生问诊显示端输入患者疾病诊断数据,建立患者疾病诊断数据矩阵;
K=[k1,…,km,…,kn],m=1,2,3,4,…,n,其中km表示第m个患者疾病诊断数据;
S6、科室医生使用所述患者预约挂号就诊顺序数据在医生问诊显示端调用患者疾病症状数据进行浏览初步了解患者疾病症状,医生结合患者生理化验数据进行诊断并在医生问诊显示端输入患者疾病诊断数据;包括:
s61、调用S13中患者疾病症状数据zm和S52中患者疾病诊断数据km;
S62、建立患者疾病症状数据关键词字符串集合;
其中患者疾病症状数据关键词字符串集合中fx表示患者疾病症状数据关键词字符串集合中第x个疾病症状数据关键词字符;
建立患者疾病诊断数据关键词字符串集合;
其中患者疾病诊断数据关键词字符串集合中gy表示患者疾病诊断数据关键词字符串集合中第y个疾病诊断数据关键词字符串;
S63、将患者疾病诊断数据关键词字符串集合中患者疾病诊断数据关键词字符串gy,按照g1到gy顺序逐一调出与患者疾病症状数据关键词字符串集合/>中按照f1到fx顺序进行匹配;
当gy在中匹配成功,对gy匹配成功个数进行计数累加,i=i+1,其中累加公式左侧表示累加变量,累加公式右侧i初始值为零,统计i最终累加数值,计算/>与/>的差异度
当B≥B阈值,表示患者疾病症状数据与患者疾病诊断数据差异度小;
当B<B阈值,表示患者疾病症状数据与患者疾病诊断数据差异度大;
S7、将患者疾病症状数据和患者疾病诊断数据进行数据比对计算出两者差异度;包括:
S71、依据S63中患者疾病症状数据与患者疾病诊断数据差异度判断结果对患者预约挂号信任度评价;
当B≥B阈值,患者疾病症状数据与患者疾病诊断数据差异度小,表明患者预约挂号时真实录入疾病症状和科室医生诊断疾病症状结果相匹配;
当B<B阈值,患者疾病症状数据与患者疾病诊断数据差异度大,表明患者预约挂号时虚假录入疾病症状和科室医生诊断疾病症状结果差异大,或者患者存在不认真反映疾病症状或夸大疾病症状意图匹配较高职业等级科室医生,在预约挂号信息登记窗口对该患者信息进行失信登记,对患者行为一段时间内限制使用医院预约挂号系统;
S8、依据S7输出患者疾病症状数据和患者疾病诊断数据的差异度结果对患者预约挂号信任度评价,并对失信患者进行预约挂号限制惩罚。
2.一种基于大数据分析医疗信息筛选方法的系统,用于实现如权利要求1所述的基于大数据分析医疗信息筛选方法,其特征在于:该系统包括患者预约挂号信息登记模块、患者预约挂号就诊排序模块、患者预约挂号信息确认模块、患者预约挂号失信惩戒模块;
所述患者预约挂号信息登记模块包括患者预约挂号就诊时间录入单元和患者预约挂号疾病症状录入单元;所述患者预约挂号就诊时间录入单元,用于患者在选定医院预约挂号信息登记窗口录入患者就诊时间段数据;所述患者预约挂号疾病症状录入单元,用于患者在选定医院预约挂号信息登记窗口录入患者疾病症状数据;
所述患者预约挂号就诊排序模块包括患者疾病症状所属科室和疾病症状等级划分单元、科室医生信息存储以及职业等级输出单元、患者预约挂号就诊顺序分析匹配输出单元;
所述患者疾病症状所属科室和疾病症状等级划分单元,采用患者疾病症状数据与医院疾病所属科室类型数据结合识别匹配输出患者疾病症状所属科室类型数据、患者疾病症状等级数据;
所述科室医生信息存储以及职业等级输出单元,将患者疾病症状等级数据与所属科室医生职业等级和人员个数数据矩阵依据数值大小进行分析匹配输出不同疾病症状等级患者相对应职业等级所属科室医生数据;
所述患者预约挂号就诊顺序分析匹配输出单元,用于不同疾病症状等级患者相对应职业等级所属科室医生数据配合患者就诊时间段数据、患者疾病症状数据、患者疾病症状所属科室类型数据匹配形成患者预约挂号就诊顺序数据;
所述患者预约挂号信息确认模块包括医生调用患者疾病症状信息单元、医生录入患者疾病诊断信息单元、患者就诊前后疾病症状信息比对单元;
所述医生调用患者疾病症状信息单元,用于科室医生使用患者预约挂号就诊顺序数据在医生问诊显示端调用患者疾病症状数据进行浏览初步了解患者疾病症状;
所述医生录入患者疾病诊断信息单元,用于医生结合患者生理化验数据进行诊断并在医生问诊显示端输入患者疾病诊断数据;
所述患者就诊前后疾病症状信息比对单元,用于患者疾病症状数据和患者疾病诊断数据进行数据比对计算出两者差异度;
所述患者预约挂号失信惩戒模块,依据患者疾病症状数据和患者疾病诊断数据的差异度结果对患者预约挂号信任度评价,并对失信患者进行预约挂号限制惩罚。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311142005.3A CN116884592B (zh) | 2023-09-06 | 2023-09-06 | 一种基于大数据分析医疗信息筛选方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311142005.3A CN116884592B (zh) | 2023-09-06 | 2023-09-06 | 一种基于大数据分析医疗信息筛选方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116884592A CN116884592A (zh) | 2023-10-13 |
CN116884592B true CN116884592B (zh) | 2023-11-28 |
Family
ID=88271983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311142005.3A Active CN116884592B (zh) | 2023-09-06 | 2023-09-06 | 一种基于大数据分析医疗信息筛选方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116884592B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537275A (zh) * | 2014-05-15 | 2015-04-22 | 成都睿感科技有限公司 | 一种基于患者身体病症的导医系统 |
CN106407721A (zh) * | 2016-11-10 | 2017-02-15 | 上海电机学院 | 一种可实现分级诊疗的医生预约挂号方法 |
CN107863134A (zh) * | 2017-11-24 | 2018-03-30 | 郑州云海信息技术有限公司 | 一种基于云计算的智能医疗管理系统 |
CN110739052A (zh) * | 2019-08-28 | 2020-01-31 | 云知声智能科技股份有限公司 | 一种挂号就诊导引方法和系统 |
CN110993081A (zh) * | 2019-12-03 | 2020-04-10 | 济南大学 | 一种医生在线推荐方法及系统 |
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 |
CN114220526A (zh) * | 2021-12-15 | 2022-03-22 | 华中科技大学同济医学院附属协和医院 | 一种医院预约挂号系统及预约方法 |
CN116313158A (zh) * | 2023-03-02 | 2023-06-23 | 厦门识凌科技有限公司 | 患者安全esb业务数据的监测方法、装置及系统 |
-
2023
- 2023-09-06 CN CN202311142005.3A patent/CN116884592B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537275A (zh) * | 2014-05-15 | 2015-04-22 | 成都睿感科技有限公司 | 一种基于患者身体病症的导医系统 |
CN106407721A (zh) * | 2016-11-10 | 2017-02-15 | 上海电机学院 | 一种可实现分级诊疗的医生预约挂号方法 |
CN107863134A (zh) * | 2017-11-24 | 2018-03-30 | 郑州云海信息技术有限公司 | 一种基于云计算的智能医疗管理系统 |
CN110739052A (zh) * | 2019-08-28 | 2020-01-31 | 云知声智能科技股份有限公司 | 一种挂号就诊导引方法和系统 |
CN110993081A (zh) * | 2019-12-03 | 2020-04-10 | 济南大学 | 一种医生在线推荐方法及系统 |
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 |
CN114220526A (zh) * | 2021-12-15 | 2022-03-22 | 华中科技大学同济医学院附属协和医院 | 一种医院预约挂号系统及预约方法 |
CN116313158A (zh) * | 2023-03-02 | 2023-06-23 | 厦门识凌科技有限公司 | 患者安全esb业务数据的监测方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116884592A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khadragy et al. | Predicting Diabetes in United Arab Emirates Healthcare: Artificial Intelligence and Data Mining Case Study | |
Evans et al. | Using administrative data for longitudinal substance abuse research | |
Waghade et al. | A comprehensive study of healthcare fraud detection based on machine learning | |
WO2017041651A1 (zh) | 一种用户数据分类的方法和设备 | |
Reisman | Computer-based clinical decision aids. A review of methods and assessment of systems | |
CN110428891A (zh) | 一种就诊意图的处理方法、装置及设备 | |
CN111180026A (zh) | 专科诊疗视图系统及方法 | |
AlSerkal et al. | Triage accuracy and its association with patient factors using emergency severity index: Findings from united arab emirates | |
CN116884592B (zh) | 一种基于大数据分析医疗信息筛选方法及系统 | |
Delaney et al. | Standardized nursing language for healthcare information systems | |
WO2008042006A1 (en) | System and method for providing telediagnostic services | |
Tourangeau et al. | Developing risk‐adjusted 30‐day hospital mortality rates | |
AU9722101A (en) | Method and system for assisting a professional person to advise a client | |
Durrani et al. | A semantic-based framework for verbal autopsy to identify the cause of maternal death | |
JP5764914B2 (ja) | プログラム、分析装置および方法 | |
Lavril et al. | ARTEL: An expert system in hypertension for the general practitioner | |
Lin et al. | Beyond Adoption: Does Meaningful Use of EHR Improve Quality of Care? | |
RU2723674C1 (ru) | Способ прогнозирования диагноза на основе обработки данных, содержащих медицинские знания | |
US20230178197A1 (en) | Techniques for predicting immunosuppression status | |
Lessard et al. | Quality assessment of primary care for common mental disorders in isolated communities: Taking advantage of health records | |
Beaney et al. | Comparing natural language processing representations of disease sequences for prediction in the electronic healthcare record | |
Stead et al. | 164 Correlation of Out-of-Hospital Los Angeles Motor Score to Hospital Stroke Severity as Measured by the National Institutes of Stroke Scale | |
Asandului et al. | Assessment of the Efficiency of Public Hospitals in Romania | |
CN115662639A (zh) | 基于大数据的智慧医疗交互方法 | |
GOMEZ et al. | AN INTEGRATIVE DATA APPROACH TO STUDY LUNG CANCER AMONG AA AND NH/PI FEMALES |
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 |