CN117709493A - 一种基于历史病理的智能医疗问诊系统 - Google Patents
一种基于历史病理的智能医疗问诊系统 Download PDFInfo
- Publication number
- CN117709493A CN117709493A CN202311807676.7A CN202311807676A CN117709493A CN 117709493 A CN117709493 A CN 117709493A CN 202311807676 A CN202311807676 A CN 202311807676A CN 117709493 A CN117709493 A CN 117709493A
- Authority
- CN
- China
- Prior art keywords
- target
- time
- registration
- data
- historical
- 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
- 230000007170 pathology Effects 0.000 title claims abstract description 57
- 238000003745 diagnosis Methods 0.000 claims abstract description 56
- 238000013479 data entry Methods 0.000 claims description 37
- 238000013500 data storage Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000001575 pathological effect Effects 0.000 claims description 12
- 208000024891 symptom Diseases 0.000 claims description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
Classifications
-
- 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
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及智能诊疗技术领域,且公开了一种基于历史病理的智能医疗问诊系统,包括:用于目标人物将目标挂号信息录入数据库的数据录入模块,获取目标数据的数据采集模块,将目标数据存储于数据库的数据存储模块,计算诊疗等待时间并形成分配数据的数据分析模块,对目标人物推荐诊疗医生的数据分配模块,该基于历史病理的智能医疗问诊系统,判断和计算目标人物预计等待的时间和就诊的时间,计算更新数据的时间,并及时、主动将诊疗后的数据上传至数据库进行存储和更新,主动对目标人物推荐合适的医生进行诊疗,使目标人物收到的推荐为最新数据并能够尽快得到诊疗,保证了数据的实时性,节省了一定的资源,提高了一定的效率。
Description
技术领域
本发明涉及智能诊疗技术领域,具体为一种基于历史病理的智能医疗问诊系统。
背景技术
基于历史病理的智能医疗问诊系统是指利用历史病理学知识和当下智能技术相结合的一种医疗问诊系统,通常包括病例数据收集、历史病理学知识库、病例匹配和分析、辅助诊断和建议;
系统能够收集和存储大量的病例数据,包括患者的症状、疾病的发展过程和治疗结果等信息,系统建立起一套历史病理学知识库,其中包括了各种常见疾病的发病机制、病理变化的特征及其对应的治疗方法,当患者输入自己的症状信息时,系统会与历史病例进行匹配,并分析出可能的疾病类型和可能的治疗方法,系统可以给出初步的诊断和治疗建议,但仍需要医生的进一步确认和判断;
现有的基于历史病理的智能医疗问诊系统,无法根据历史病理数据,判断和计算预计等待的时间,无法根据历史数据录入时间和当前录入人数计算更新数据的时间,无法根据计算的等待时间和更新数据的时间、以及目标人物录入的目标挂号信息对目标人物推荐合适的医生进行诊疗,无法及时、主动将诊疗后的数据上传至数据库进行存储和更新,其实用性存在一定的局限性。
发明内容
本发明提供了一种基于历史病理的智能医疗问诊系统,具备通过获取历史病理数据和目标挂号信息,判断和计算目标人物预计等待的时间和就诊的时间,并主动向目标人物推荐等待时间最短的目标挂号类型的医生,通过获取历史数据录入时间和当前录入人数,计算更新数据的时间,并及时、主动将诊疗后的数据上传至数据库进行存储和更新,节省了一定的资源,提高了一定的效率,使患者能够尽快得到诊疗,通过计算的等待时间和更新数据的时间、以及目标人物录入的目标挂号信息对目标人物推荐合适的医生进行诊疗,使目标人物收到的推荐为最新数据,保证了数据的实时性的有益效果,解决了上述背景技术中所提到智能诊疗的过程中,无法根据历史病理数据,判断和计算预计等待的时间,无法根据历史数据录入时间和当前录入人数计算更新数据的时间,无法根据计算的等待时间和更新数据的时间、以及目标人物录入的目标挂号信息对目标人物推荐合适的医生进行诊疗,无法及时、主动将诊疗后的数据上传至数据库进行存储和更新,其实用性存在一定的局限性的问题。
本发明提供如下技术方案:一种基于历史病理的智能医疗问诊系统,包括:
数据录入模块:目标人物将目标挂号信息录入数据库,所述目标挂号信息包括目标人物的姓名、年龄、挂号科室、以及挂号类型;
数据采集模块:获取目标数据,所述目标数据包括目标挂号信息、实时挂号数据、以及历史病理数据;
数据存储模块:将目标数据存储于数据库;
数据分析模块:根据目标数据,计算诊疗等待时间,形成分配数据;
数据分配模块:根据分配数据,对目标人物推荐诊疗医生。
作为本发明所述基于历史病理的智能医疗问诊系统的一种可选方案,其中:所述根据目标数据,计算诊疗等待时间,形成分配数据,具体包括:
获取目标挂号信息;
提取目标挂号信息中的挂号科室,将该挂号科室定为目标挂号科室;
提取目标挂号信息中的挂号类型,将该挂号类型定为目标挂号类型;
获取目标挂号科室的实时挂号数据,所述实时挂号数据包括目标挂号科室的医生数量C、挂号类型Z、以及已挂号人数;
获取历史病理数据,所述历史病理数据包括历史就诊科室、历史就诊时间、历史病症、以及历史数据录入时间;
计算诊疗等待时间;
执行分配推荐策略;
执行更新数据策略;
根据更新数据策略中实时更新的数据,对目标人物推荐挂号的医生。
作为本发明所述基于历史病理的智能医疗问诊系统的一种可选方案,其中:所述计算诊疗等待时间,具体为:
根据目标挂号信息和实时挂号数据,形成挂号集合Y,所述挂号集合Y中包括挂号类型Z、医生数量C、第一已挂号人数A、以及第二已挂号人数B;
获取目标挂号科室和目标挂号类型;
提取挂号集合Y中目标挂号类型对应的医生数量C,将该医生数量定为目标医生数量,如目标人物选择目标挂号科室下第一挂号类型Z1,即选择目标挂号科室的专家号,该目标挂号科室的专家号共2名医生;
提取挂号集合Y中目标医生数量对应的第二已挂号人数B,将该已挂号人数定为目标挂号人数,如目标人物选择的目标挂号科室的专家号,2名医生分别有2人和4人挂号,即目标挂号人数分别为2和4;
将目标挂号人数下的所有挂号人物定为目标挂号人物;
对目标挂号人物执行时间计算策略,计算目标医生数量下每个医生的挂号等待总时间T,如目标人物选择的目标挂号科室的专家号,2名医生挂号等待总时间T分别为2小时和2.4小时。
作为本发明所述基于历史病理的智能医疗问诊系统的一种可选方案,其中:所述根据目标挂号信息和实时挂号数据,形成挂号集合Y,具体为:
所述挂号类型包括第一挂号类型Z1和第二挂号类型Z2;
获取每个挂号类型对应的医生数量C(Z1C11,...,Z1C1n,Z2C21,...,Z2C2n);
获取每个挂号类型对应的已挂号人数,将该已挂号人数定为第一已挂号人数A(Z1A1,Z1A2);
获取每个医生对应的已挂号人数,将该已挂号人数定为第二已挂号人数B(Z1C11B11,...,Z1C1nB1n,Z2C21B21,...,Z2C2nB2n);
将挂号类型Z、医生数量C、第一已挂号人数A、以及第二已挂号人数B整合形成挂号集合Y。
作为本发明所述基于历史病理的智能医疗问诊系统的一种可选方案,其中:所述对目标挂号人物执行时间计算策略,具体为:
获取目标挂号人物的历史病理数据;
提取目标挂号人物的历史病理数据中的历史就诊时间;
若目标挂号人物无历史病理数据,则获取数据库中目标挂号科室的问诊标准时长;
计算目标医生数量下每个医生的挂号等待总时间T,挂号等待总时间T=每个目标挂号人物的历史就诊时间之和。
作为本发明所述基于历史病理的智能医疗问诊系统的一种可选方案,其中:所述执行分配推荐策略,具体包括:
获取目标人物的历史病理数据;
提取目标人物在目标挂号科室和目标挂号类型下的就诊总次数和每次就诊的时间;
计算目标人物预计就诊时间,目标人物预计就诊时间=每次就诊的时间之和/就诊总次数;
获取目标医生数量下每个医生的挂号等待总时间T;
比较目标医生数量下每个医生的挂号等待总时间T;
将所有的挂号等待总时间T根据数值由小到大排列优先级顺序,将数值最小的挂号等待总时间T定为第一推荐优先级;
提取第一推荐优先级对应的医生对目标人物进行推荐,并显示挂号等待总时间T。
作为本发明所述基于历史病理的智能医疗问诊系统的一种可选方案,其中:所述执行更新数据策略,具体包括:
获取实时挂号数据,所述实时挂号数据包括录入人数;
提取目标挂号科室和目标挂号类型下的录入人数,将该录入人数的人群定为目标人群;
执行间隔时间计算策略;
获取间隔时间;
每隔间隔时间,更新数据库和挂号集合Y中的数据。
作为本发明所述基于历史病理的智能医疗问诊系统的一种可选方案,其中:所述执行间隔时间计算策略,具体为:
获取目标人群的总人数;
获取目标人群中每个人的历史数据录入开始时间;
获取目标人群中每个人的历史数据录入提交时间;
计算目标人群中每个人的历史数据录入时间,历史数据录入时间=历史数据录入提交时间-历史数据录入开始时间;
计算总录入时间,总录入时间=历史数据录入时间之和;
计算平均数据录入时间,平均数据录入时间=总录入时间÷目标人群的总人数;
计算单位时间内的完成数据录入的人数,完成数据录入的人数=(目标人群的总人数÷平均数据录入时间)÷2;
获取目标医生数量;
计算间隔时间,间隔时间=单位时间÷(完成数据录入的人数÷目标医生数量)。
作为本发明所述基于历史病理的智能医疗问诊系统的一种可选方案,其中:所述执行更新数据策略,还包括:
获取目标人物进诊疗室时间和出诊疗室时间;
计算目标人物就诊时间,目标人物就诊时间=出诊疗室时间-进诊疗室时间;
将该目标人物就诊时间、挂号类型、就诊科室、临床病症、以及数据录入时间,存储于数据库和挂号集合Y;
该目标人物就诊时间、挂号类型、就诊科室、临床病症、以及数据录入时间转变为历史病理数据;
更新挂号集合Y、历史病理数据、以及数据库中的数据。
本发明具备以下有益效果:
1、该基于历史病理的智能医疗问诊系统,通过获取历史病理数据和目标挂号信息,判断和计算目标人物预计等待的时间和就诊的时间,并主动向目标人物推荐等待时间最短的目标挂号类型的医生,提高了效率,使患者能够尽快得到诊疗。
2、该基于历史病理的智能医疗问诊系统,通过获取历史数据录入时间和当前录入人数,计算更新数据的时间,更新数据的时间随着当前录入人数和目标挂号人物的历史数据录入时间的变化实时进行改变,节省了一定的资源,使目标人物能够及时选择最合适的医生进行挂号,提高了一定的效率。
3、该基于历史病理的智能医疗问诊系统,通过计算的等待时间和更新数据的时间、以及目标人物录入的目标挂号信息对目标人物推荐合适的医生进行诊疗,并及时、主动将诊疗后的数据上传至数据库进行存储和更新,使目标人物收到的推荐为最新数据,保证了数据的实时性。
附图说明
图1为本发明基于历史病理的智能医疗问诊系统框图。
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。
实施例一,一种基于历史病理的智能医疗问诊系统,参阅图1,包括:
数据录入模块:目标人物将目标挂号信息录入数据库,所述目标挂号信息包括目标人物的姓名、年龄、挂号科室、以及挂号类型;
数据采集模块:获取目标数据,所述目标数据包括目标挂号信息、实时挂号数据、以及历史病理数据;
数据存储模块:将目标数据存储于数据库;
数据分析模块:根据目标数据,计算诊疗等待时间,形成分配数据;
数据分配模块:根据分配数据,对目标人物推荐诊疗医生。
通过上述模块/单元,通过所述数据录入模块,目标人物将目标挂号信息录入数据库,所述数据采集模块获取目标数据,所述数据存储模块将目标数据存储于数据库,所述数据分析模块根据目标数据,计算诊疗等待时间,形成分配数据,所述数据分配模块根据分配数据,对目标人物推荐诊疗医生,判断和计算目标人物预计等待的时间和就诊的时间,计算更新数据的时间,并及时、主动将诊疗后的数据上传至数据库进行存储和更新,主动对目标人物推荐合适的医生进行诊疗,使目标人物收到的推荐为最新数据并能够尽快得到诊疗,保证了数据的实时性,节省了一定的资源,提高了一定的效率。
实施例二,本实施例是在实施例一的基础上做出的改进,该基于历史病理的智能医疗问诊系统,所述根据目标数据,计算诊疗等待时间,形成分配数据,具体包括:
获取目标挂号信息;
提取目标挂号信息中的挂号科室,将该挂号科室定为目标挂号科室;
提取目标挂号信息中的挂号类型,将该挂号类型定为目标挂号类型;
获取目标挂号科室的实时挂号数据,所述实时挂号数据包括目标挂号科室的医生数量C,如目标挂号科室共6名医生、挂号类型Z,如专家号和普通号、以及已挂号人数;
获取历史病理数据,所述历史病理数据包括历史就诊科室、历史就诊时间、历史病症、以及历史数据录入时间;
计算诊疗等待时间;
执行分配推荐策略;
执行更新数据策略;
根据更新数据策略中实时更新的数据,对目标人物推荐挂号的医生。
其中,所述计算诊疗等待时间,具体为:
根据目标挂号信息和实时挂号数据,形成挂号集合Y,所述挂号集合Y中包括挂号类型Z、医生数量C、第一已挂号人数A、以及第二已挂号人数B;
获取目标挂号科室和目标挂号类型;
提取挂号集合Y中目标挂号类型对应的医生数量C,将该医生数量定为目标医生数量,如目标人物选择目标挂号科室下第一挂号类型Z1,即选择目标挂号科室的专家号,该目标挂号科室的专家号共2名医生;
提取挂号集合Y中目标医生数量对应的第二已挂号人数B,将该已挂号人数定为目标挂号人数,如目标人物选择的目标挂号科室的专家号,2名医生分别有2人和4人挂号,即目标挂号人数分别为2和4;
将目标挂号人数下的所有挂号人物定为目标挂号人物;
对目标挂号人物执行时间计算策略,计算目标医生数量下每个医生的挂号等待总时间T,如目标人物选择的目标挂号科室的专家号,2名医生挂号等待总时间T分别为2小时和2.4小时。
其中,所述根据目标挂号信息和实时挂号数据,形成挂号集合Y,具体为:
所述挂号类型包括第一挂号类型Z1和第二挂号类型Z2,如第一挂号类型为专家号,第二挂号类型为普通号;
获取每个挂号类型对应的医生数量C(Z1C11,...,Z1C1n,Z2C21,...,Z2C2n),如第一挂号类型有2名医生,第二挂号类型有4名医生;
获取每个挂号类型对应的已挂号人数,将该已挂号人数定为第一已挂号人数A(Z1A1,Z1A2),如第一挂号类型共有6人挂号,第二挂号类型共有10人挂号;
获取每个医生对应的已挂号人数,将该已挂号人数定为第二已挂号人数B(Z1C11B11,...,Z1C1nB1n,Z2C21B21,...,Z2C2nB2n);
将挂号类型Z、医生数量C、第一已挂号人数A、以及第二已挂号人数B整合形成挂号集合Y。
其中,所述对目标挂号人物执行时间计算策略,具体为:
获取目标挂号人物的历史病理数据;
提取目标挂号人物的历史病理数据中的历史就诊时间,如2名医生下分别有2名和4名目标挂号人物,其中2名目标挂号人物历史就诊时间分别为1.5小时和0.5小时,4名目标挂号人物历史就诊时间分别为0.8小时、0.6小时、0.5小时和0.5小时;
若目标挂号人物无历史病理数据,则获取数据库中目标挂号科室的问诊标准时长,如问诊标准时长为0.5小时;
计算目标医生数量下每个医生的挂号等待总时间T,挂号等待总时间T=每个目标挂号人物的历史就诊时间之和,即挂号等待总时间T分别为2小时和2.4小时。
实施例三,本实施例是在实施例二的基础上做出的改进,本方案是考虑到,应以最高的效率让患者尽快进行诊疗。
本实施例中,所述执行分配推荐策略,具体包括:
获取目标人物的历史病理数据;
提取目标人物在目标挂号科室和目标挂号类型下的就诊总次数和每次就诊的时间,如目标人物在目标挂号科室共选择了2次专家号,分别就诊了20分钟和40分钟;
计算目标人物预计就诊时间,目标人物预计就诊时间=每次就诊的时间之和/就诊总次数,即每次就诊的时间之和为1小时,则目标人物预计就诊时间为30分钟;
获取目标医生数量下每个医生的挂号等待总时间T;
比较目标医生数量下每个医生的挂号等待总时间T;
将所有的挂号等待总时间T根据数值由小到大排列优先级顺序,将数值最小的挂号等待总时间T定为第一推荐优先级,如目标人物选择的目标挂号科室的专家号有2名医生,挂号等待总时间分别是2小时和2.4小时,则选择2小时为第一推荐优先级;
提取第一推荐优先级对应的医生对目标人物进行推荐,并显示挂号等待总时间T。
实施例四,本实施例是在实施例三的基础上做出的改进,本实施例中,所述执行更新数据策略,具体包括:
获取实时挂号数据,所述实时挂号数据包括录入人数,如在某一时间段,共有60人同时录入数据;
提取目标挂号科室和目标挂号类型下的录入人数,将该录入人数的人群定为目标人群;
执行间隔时间计算策略;
获取间隔时间;
每隔间隔时间,更新数据库和挂号集合Y中的数据。
本实施例还提供,所述执行间隔时间计算策略,具体为:
获取目标人群的总人数,即录入人数;
获取目标人群中每个人的历史数据录入开始时间,所述历史数据录入开始时间存储于数据库;
获取目标人群中每个人的历史数据录入提交时间,所述历史数据录入提交时间存储于数据库;
计算目标人群中每个人的历史数据录入时间,历史数据录入时间=历史数据录入提交时间-历史数据录入开始时间,如该60人历史数据录入时间分别为30S、1分钟、5分钟、...、20S等;
计算总录入时间,总录入时间=历史数据录入时间之和;
计算平均数据录入时间,平均数据录入时间=总录入时间÷目标人群的总人数,如总录入时间为3600S,目标人群的总人数为60人,则平均数据录入时间为1分钟/人;
计算单位时间内的完成数据录入的人数,完成数据录入的人数=(目标人群的总人数÷平均数据录入时间)÷2,即单位时间内有30人完成数据录入;
获取目标医生数量如目标医生数量为6;
计算间隔时间,间隔时间=单位时间÷(完成数据录入的人数÷目标医生数量),如单位时间为1分钟,完成数据录入的人数为30,目标医生数量为6,则间隔时间为12S,即12S更新一次数据。
本实施例还提供,所述执行更新数据策略,还包括:
获取目标人物进诊疗室时间和出诊疗室时间,所述进诊疗室时间和出诊疗室时间由门诊医生按下叫号按键进行判定,门诊医生第一次叫号的时间为目标人物的进诊疗室时间,第二次叫号的时间为目标人物的出诊疗室时间,同时,第二次叫号的时间也是门诊医生对下一位目标人物的第一次叫号的时间,即下一位目标人物的进诊疗室时间,依次向下进行时间记录;
计算目标人物就诊时间,目标人物就诊时间=出诊疗室时间-进诊疗室时间;
将该目标人物就诊时间、挂号类型、就诊科室、临床病症、以及数据录入时间,存储于数据库和挂号集合Y;
该目标人物就诊时间、挂号类型、就诊科室、临床病症、以及数据录入时间转变为历史病理数据;
更新挂号集合Y、历史病理数据、以及数据库中的数据。
本实施例,通过所述数据录入模块,目标人物将目标挂号信息录入数据库,所述数据采集模块获取目标数据,所述数据存储模块将目标数据存储于数据库,所述数据分析模块根据目标数据,计算诊疗等待时间,形成分配数据,所述数据分配模块根据分配数据,对目标人物推荐诊疗医生,判断和计算目标人物预计等待的时间和就诊的时间,计算更新数据的时间,并及时、主动将诊疗后的数据上传至数据库进行存储和更新,主动对目标人物推荐合适的医生进行诊疗,使目标人物收到的推荐为最新数据并能够尽快得到诊疗,保证了数据的实时性,节省了一定的资源,提高了一定的效率。
本公开实施例中的数据存储模块可以包括但不限于诸如笔记本电脑、PAD(平板电脑)、车载终端(例如车载导航终端)等等的移动终端以及固定终端。
数据存储模块可以包括处理装置(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有数据存储模块操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
通常,以下装置可以连接至I/O接口:包括例如触摸屏、触摸板、图像传感器、麦克风等的输入装置;包括例如液晶显示器(LCD)、扬声器等的输出装置;包括例如磁带、硬盘等的存储装置;以及通信装置。通信装置可以允许数据存储模块与其他设备进行无线或有线通信以交换数据。
本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述方法实施例中的基于历史病理的智能医疗问诊系统。
需要说明的是,计算机可读存储介质的更具体的例子可以包括便携式计算机磁盘、硬盘、可擦式可编程只读存储器(E2PROM或闪存)、光存储器件、磁存储器件,或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用,上述计算机可读介质可以是上述数据存储模块中所包含的;也可以是单独存在,而未装配入该数据存储模块中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该数据存储模块执行时,使得该数据存储模块能够实现上述方法实施例提供的方案。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行,或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、方法、物品或者设备不仅包括那些要素,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、方法、物品或者设备所固有的要素。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种基于历史病理的智能医疗问诊系统,其特征在于:包括:
数据录入模块:目标人物将目标挂号信息录入数据库,所述目标挂号信息包括目标人物的姓名、年龄、挂号科室、以及挂号类型;
数据采集模块:获取目标数据,所述目标数据包括目标挂号信息、实时挂号数据、以及历史病理数据;
数据存储模块:将目标数据存储于数据库;
数据分析模块:根据目标数据,计算诊疗等待时间,形成分配数据;
数据分配模块:根据分配数据,对目标人物推荐诊疗医生。
2.根据权利要求1所述的基于历史病理的智能医疗问诊系统,其特征在于:所述根据目标数据,计算诊疗等待时间,形成分配数据,具体包括:
获取目标挂号信息;
提取目标挂号信息中的挂号科室,将该挂号科室定为目标挂号科室;
提取目标挂号信息中的挂号类型,将该挂号类型定为目标挂号类型;
获取目标挂号科室的实时挂号数据,所述实时挂号数据包括目标挂号科室的医生数量C、挂号类型Z、以及已挂号人数;
获取历史病理数据,所述历史病理数据包括历史就诊科室、历史就诊时间、历史病症、以及历史数据录入时间;
计算诊疗等待时间;
执行分配推荐策略;
执行更新数据策略;
根据更新数据策略中实时更新的数据,对目标人物推荐挂号的医生。
3.根据权利要求2所述的基于历史病理的智能医疗问诊系统,其特征在于:所述计算诊疗等待时间,具体为:
根据目标挂号信息和实时挂号数据,形成挂号集合Y,所述挂号集合Y中包括挂号类型Z、医生数量C、第一已挂号人数A、以及第二已挂号人数B;
获取目标挂号科室和目标挂号类型;
提取挂号集合Y中目标挂号类型对应的医生数量C,将该医生数量定为目标医生数量,如目标人物选择目标挂号科室下第一挂号类型Z1,即选择目标挂号科室的专家号,该目标挂号科室的专家号共2名医生;
提取挂号集合Y中目标医生数量对应的第二已挂号人数B,将该已挂号人数定为目标挂号人数,如目标人物选择的目标挂号科室的专家号,2名医生分别有2人和4人挂号,即目标挂号人数分别为2和4;
将目标挂号人数下的所有挂号人物定为目标挂号人物;
对目标挂号人物执行时间计算策略,计算目标医生数量下每个医生的挂号等待总时间T,如目标人物选择的目标挂号科室的专家号,2名医生挂号等待总时间T分别为2小时和2.4小时。
4.根据权利要求3所述的基于历史病理的智能医疗问诊系统,其特征在于:所述根据目标挂号信息和实时挂号数据,形成挂号集合Y,具体为:
所述挂号类型包括第一挂号类型Z1和第二挂号类型Z2;
获取每个挂号类型对应的医生数量C(Z1C11,...,Z1C1n,Z2C21,...,Z2C2n);
获取每个挂号类型对应的已挂号人数,将该已挂号人数定为第一已挂号人数A(Z1A1,Z1A2);
获取每个医生对应的已挂号人数,将该已挂号人数定为第二已挂号人数B(Z1C11B11,...,Z1C1nB1n,Z2C21B21,...,Z2C2nB2n);
将挂号类型Z、医生数量C、第一已挂号人数A、以及第二已挂号人数B整合形成挂号集合Y。
5.根据权利要求3所述的基于历史病理的智能医疗问诊系统,其特征在于:所述对目标挂号人物执行时间计算策略,具体为:
获取目标挂号人物的历史病理数据;
提取目标挂号人物的历史病理数据中的历史就诊时间;
若目标挂号人物无历史病理数据,则获取数据库中目标挂号科室的问诊标准时长;
计算目标医生数量下每个医生的挂号等待总时间T,挂号等待总时间T=每个目标挂号人物的历史就诊时间之和。
6.根据权利要求5所述的基于历史病理的智能医疗问诊系统,其特征在于:所述执行分配推荐策略,具体包括:
获取目标人物的历史病理数据;
提取目标人物在目标挂号科室和目标挂号类型下的就诊总次数和每次就诊的时间;
计算目标人物预计就诊时间,目标人物预计就诊时间=每次就诊的时间之和/就诊总次数;
获取目标医生数量下每个医生的挂号等待总时间T;
比较目标医生数量下每个医生的挂号等待总时间T;
将所有的挂号等待总时间T根据数值由小到大排列优先级顺序,将数值最小的挂号等待总时间T定为第一推荐优先级;
提取第一推荐优先级对应的医生对目标人物进行推荐,并显示挂号等待总时间T。
7.根据权利要求6所述的基于历史病理的智能医疗问诊系统,其特征在于:所述执行更新数据策略,具体包括:
获取实时挂号数据,所述实时挂号数据包括录入人数;
提取目标挂号科室和目标挂号类型下的录入人数,将该录入人数的人群定为目标人群;
执行间隔时间计算策略;
获取间隔时间;
每隔间隔时间,更新数据库和挂号集合Y中的数据。
8.根据权利要求7所述的基于历史病理的智能医疗问诊系统,其特征在于:所述执行间隔时间计算策略,具体为:
获取目标人群的总人数;
获取目标人群中每个人的历史数据录入开始时间;
获取目标人群中每个人的历史数据录入提交时间;
计算目标人群中每个人的历史数据录入时间,历史数据录入时间=历史数据录入提交时间-历史数据录入开始时间;
计算总录入时间,总录入时间=历史数据录入时间之和;
计算平均数据录入时间,平均数据录入时间=总录入时间÷目标人群的总人数;
计算单位时间内的完成数据录入的人数,完成数据录入的人数=(目标人群的总人数÷平均数据录入时间)÷2;
获取目标医生数量;
计算间隔时间,间隔时间=单位时间÷(完成数据录入的人数÷目标医生数量)。
9.根据权利要求7所述的基于历史病理的智能医疗问诊系统,其特征在于:所述执行更新数据策略,还包括:
获取目标人物进诊疗室时间和出诊疗室时间;
计算目标人物就诊时间,目标人物就诊时间=出诊疗室时间-进诊疗室时间;
将该目标人物就诊时间、挂号类型、就诊科室、临床病症、以及数据录入时间,存储于数据库和挂号集合Y;
该目标人物就诊时间、挂号类型、就诊科室、临床病症、以及数据录入时间转变为历史病理数据;
更新挂号集合Y、历史病理数据、以及数据库中的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311807676.7A CN117709493A (zh) | 2023-12-26 | 2023-12-26 | 一种基于历史病理的智能医疗问诊系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311807676.7A CN117709493A (zh) | 2023-12-26 | 2023-12-26 | 一种基于历史病理的智能医疗问诊系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117709493A true CN117709493A (zh) | 2024-03-15 |
Family
ID=90162225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311807676.7A Pending CN117709493A (zh) | 2023-12-26 | 2023-12-26 | 一种基于历史病理的智能医疗问诊系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117709493A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策系统 |
WO2016201595A1 (zh) * | 2015-06-15 | 2016-12-22 | 上海市浦东新区人民医院 | 一种基于rfid技术的自动化就诊系统 |
CN107463779A (zh) * | 2017-07-31 | 2017-12-12 | 合肥桥旭科技有限公司 | 一种基于物联网的医疗信息集成系统 |
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 |
CN111241265A (zh) * | 2020-01-09 | 2020-06-05 | 平安国际智慧城市科技股份有限公司 | 信息推荐方法、设备、存储介质及装置 |
CN112465172A (zh) * | 2020-10-21 | 2021-03-09 | 郑州大学第一附属医院 | 一种医院智能就诊方法及装置 |
CN113436723A (zh) * | 2021-06-23 | 2021-09-24 | 康键信息技术(深圳)有限公司 | 视频问诊方法、装置、设备及存储介质 |
CN117093766A (zh) * | 2023-04-21 | 2023-11-21 | 上海佳和健康管理有限公司 | 问诊平台的信息推荐方法、相关装置及存储介质 |
-
2023
- 2023-12-26 CN CN202311807676.7A patent/CN117709493A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016201595A1 (zh) * | 2015-06-15 | 2016-12-22 | 上海市浦东新区人民医院 | 一种基于rfid技术的自动化就诊系统 |
CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策系统 |
CN107463779A (zh) * | 2017-07-31 | 2017-12-12 | 合肥桥旭科技有限公司 | 一种基于物联网的医疗信息集成系统 |
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 |
CN111241265A (zh) * | 2020-01-09 | 2020-06-05 | 平安国际智慧城市科技股份有限公司 | 信息推荐方法、设备、存储介质及装置 |
WO2021139146A1 (zh) * | 2020-01-09 | 2021-07-15 | 平安国际智慧城市科技股份有限公司 | 信息推荐方法、设备、计算机可读存储介质及装置 |
CN112465172A (zh) * | 2020-10-21 | 2021-03-09 | 郑州大学第一附属医院 | 一种医院智能就诊方法及装置 |
CN113436723A (zh) * | 2021-06-23 | 2021-09-24 | 康键信息技术(深圳)有限公司 | 视频问诊方法、装置、设备及存储介质 |
CN117093766A (zh) * | 2023-04-21 | 2023-11-21 | 上海佳和健康管理有限公司 | 问诊平台的信息推荐方法、相关装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
顾伟;俞惠丽;袁骏毅;: "门诊运营监控系统的设计与开发", 中国医疗设备, no. 11, 25 November 2016 (2016-11-25) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2662895C2 (ru) | Система и способ клинической поддержки | |
US20160350501A1 (en) | Method and a system for estimation of medical billing codes and patient financial responsibility | |
RU2619644C2 (ru) | Клиническая система поддержки принятия решений для прогнозирующего планирования выписки | |
US20200168305A1 (en) | Modular patient analytics | |
CN111144658B (zh) | 医疗风险预测方法、装置、系统、存储介质与电子设备 | |
US20140019152A1 (en) | System and method for determining thresholds of range of values used to allocate patients to a treatment level of a treatment program | |
US20200074573A1 (en) | System and method for providing a patient-specific prediction model in a user application for effectiveness determinations | |
WO2021148967A1 (en) | A computer-implemented system and method for outputting a prediction of a probability of a hospitalization of patients with chronic obstructive pulmonary disorder | |
CN109598302B (zh) | 就诊费用预测方法、装置、设备及计算机可读存储介质 | |
CN113066566A (zh) | 一种门诊患者智能化预约就诊方法 | |
WO2016181490A1 (ja) | 分析システム及び分析方法 | |
CN111696653A (zh) | 诊疗引导方法、装置和系统、计算机可读存储介质 | |
CN112365981A (zh) | 智慧医疗信息处理方法和装置 | |
CN112970070A (zh) | 用于健康护理提供者辅助系统的方法和系统 | |
US10074059B1 (en) | Medical treatment application for optimizing medical patient visits based on known preferences and other selection criteria | |
KR20220014740A (ko) | 빅데이터 기반 의료정보 제공 플랫폼 | |
EP3314489A1 (en) | Methods, systems and tools for selecting subjects suffering from neurodegenerative disease | |
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 | |
US11114190B1 (en) | Medical treatment application for optimizing medical patients visits based on known preferences and other selection criteria | |
JP7122279B2 (ja) | 医療機関選定サーバ及び医療機関選定方法 | |
CN117709493A (zh) | 一种基于历史病理的智能医疗问诊系统 | |
CN116864089A (zh) | 一种门诊放号方法、装置、设备及可读存储介质 | |
Laatikainen et al. | National electronic primary health care database in monitoring performance of primary care in Kyrgyzstan | |
US11482331B2 (en) | Assist system, assist method, and assist program | |
JP2023528648A (ja) | 患者及び医学的介入に関する解析を提供するためのシステム及び方法 |
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 |