病人流动数据的预测方法、系统、电子设备及存储介质技术方案

本发明专利技术公开了一种病人流动数据的预测方法、系统、电子设备及存储介质，该方法包括获取多个历史时刻的医疗资源数据、固定病人数据以及流动病人数据；根据状态空间模型以及自回归模型，对多个历史时刻的医疗资源数据、流动病人数据以及固定病人数据进行函数拟合；根据状态空间模型、自回归模型、多个历史时刻的医疗资源数据、固定病人数据以及流动病人数据计算得到下一时刻的流动病人数据、固定病人数据以及医疗资源数据。本发明专利技术考虑到病人流动数量与医疗资源相互影响，对占用医疗资源的病人在医院各部门之间流动进行深层建模，预测病人在医院及社区的各状态之间的流动数量，从而更为完整地呈现病人流动体系，可为医院进行资源配置提供有力支持。提供有力支持。提供有力支持。

【技术实现步骤摘要】
病人流动数据的预测方法、系统、电子设备及存储介质


[0001]本专利技术属于医院运营领域，具体涉及一种病人流动数据的预测方法、系统、电子设备及存储介质。

技术介绍

[0002]医疗系统的资源配置是医院运营的核心问题，不仅关系到医疗系统的市场价值，也关系到病人是否能够及时接受到有效的医疗服务，对医院的医疗质量及核心竞争力都有重大影响，而准确地预测出病人在医院各部门的数量分布以及动态流动对于医院的内部决策以及外部战略规划具有重要意义。目前医院资源配置基本基于管理者的主观判断，缺乏量化手段，无法基于数据获取更有价值的信息，从而作出更为精准的决策。
[0003]在医院排队系统应用中，马尔可夫过程模型的应用较为广泛，也可用来预测病人在医院各部门之间的流动。然而这类模型往往把病人从一个状态流动到另一个状态的概率处理为常数，如门诊住院转化率，并未考虑到病人的流动受到各部门资源的限制，从而反过来影响到病人的流动，这种动态模拟病人在医院流动以及医院各部门在各个时间资源状态的相互关联的随机过程模型尚未得到研究或实践。

技术实现思路

[0004]本专利技术要解决的技术问题是为了克服现有技术中医院资源配置大多依靠主观管理经验以及浅层数据，未能对占用医疗资源的病人在医院各部门之间流动进行深层建模；以及现有马尔可夫过程模型中未考虑到病人流动与医疗资源是相互影响限制，从而未能较准确地预测出病人的流动体系的缺陷，提供一种病人流动数据的预测方法、系统、电子设备及存储介质。
[0005]本专利技术是通过下述技术方案来解决上述技术问题：
[0006]本专利技术提供了一种病人流动数据的预测方法，所述预测方法包括：
[0007]获取多个历史时刻的医疗资源数据、固定病人数据以及流动病人数据；
[0008]根据马尔可夫过程模型建立状态空间模型；
[0009]根据所述状态空间模型对所述多个历史时刻的医疗资源数据以及流动病人数据进行函数拟合；
[0010]计算所述状态空间模型的拟合参数，得到所述多个历史时刻的医疗资源数据以及流动病人数据之间的函数关系；
[0011]建立自回归模型，并根据所述自回归模型，对所述多个历史时刻的医疗资源数据以及固定病人数据进行函数拟合；
[0012]计算所述自回归模型的拟合参数，得到所述多个历史时刻的医疗资源数据以及固定病人数据之间的函数关系；
[0013]根据所述状态空间模型、多个历史时刻的医疗资源数据以及流动病人数据计算得到下一时刻的流动病人数据；
[0014]根据所述自回归模型、下一时刻的流动病人数据、多个历史时刻的医疗资源数据以及固定病人数据计算得到下一时刻的固定病人数据以及医疗资源数据。
[0015]优选地，
[0016]所述多个历史时刻的医疗资源数据为在预设时间内，分别对目标医院M个部门的医疗资源共进行t次统计得到的医疗资源数据，其中，每次统计之间间隔单位时间，所述M个部门分别对应病人在所述目标医院中所处的M个状态；
[0017]所述多个历史时刻的固定病人数据为在所述预设时间内，分别对处于目标状态的病人数量共进行t次统计得到的固定病人数据，其中，每次统计之间间隔单位时间，所述目标状态的数量为N，包括所述目标医院中的M个状态以及目标社区中的M
’
个状态；
[0018]所述多个历史时刻的流动病人数据为在所述预设时间内，分别对从状态i流动到状态j的病人数量共进行t次统计得到的流动病人数据，其中，每次统计之间间隔单位时间，1≤i≤N，1≤j≤N；
[0019]所述下一时刻的医疗资源数据为分别对所述目标医院M个部门的医疗资源进行第t+1次统计时得到的医疗资源数据；
[0020]所述下一时刻的固定病人数据为分别对处于所述目标状态的病人数量进行第t+1次统计时得到的固定病人数据；
[0021]所述下一时刻的流动病人数据为分别对从状态i流动到状态j的病人数量进行第t+1次统计时得到的流动病人数据。
[0022]优选地，所述状态空间模型为：
[0023][0024][0025][0026][0027]其中，为进行第t次统计时从状态i流动到状态j的流动病人数量，为进行第t
‑
1次统计时状态i以及状态j对应的医疗资源数据，为进行第t次统计时处在状态i的病人数量，以及为观察模型系数，F
β
、F
α
、F
Υ
为常数矩阵，以及为相互独立的随机扰动，且服从期望为0的正态分布。
[0028]优选地，所述自回归模型为：
[0029][0030][0031]其中，p为不小于1的自然数，为进行第t次统计时状态j对应的的医疗资源数据，为进行第t次统计时处在状态j的病人数量，为进行第t次统计时从状态i流动到状态j的流动病人数量。
[0032]优选地，所述马尔可夫过程模型为：
[0033][0034]其中，N＝M+M
’
，为所述目标状态的数量，
[0035][0036]优选地，所述根据所述自回归模型、下一时刻的流动病人数据、多个历史时刻的医疗资源数据以及固定病人数据计算得到下一时刻的固定病人数据以及医疗资源数据的步骤之后包括：
[0037]通过以下公式计算得到进行第t+1次统计时，病人从状态i流动到状态j的概率：
[0038][0039]其中，为进行第i次统计时处在状态i的病人数量，为进行第t+1次统计时从状态i流动到状态j的流动病人数量，为进行第t+1次统计时病人从状态i流动到状态j的概率；
[0040]通过以下公式计算得到在进行K次统计后处在所述目标状态的病人数量：
[0041][0042]其中，N＝M+M
’
，为所述目标状态的数量，为不小于1的自然数，
[0043]优选地，通过卡尔曼滤波器计算F
β
、F
α
以及F
Υ
；和/或，
[0044]通过最小二乘法计算
[0045]本专利技术还提供了一种病人流动数据的预测系统，所述预测系统包括：
[0046]历史数据获取模块，用于获取多个历史时刻的医疗资源数据、固定病人数据以及流动病人数据；
[0047]状态空间模型建立模块，用于根据马尔可夫过程模型建立状态空间模型；
[0048]第一拟合模块，用于根据所述状态空间模型对所述多个历史时刻的医疗资源数据以及流动病人数据进行函数拟合；
[0049]第一计算模块，用于计算所述状态空间模型的拟合参数，得到所述多个历史时刻
的医疗资源数据以及流动病人数据之间的函数关系；
[0050]第二拟合模块，用于建立自回归模型，并根据所述自回归模型，对所述多个历史时刻的医疗资源数据以及固定病人数据进行函数拟合；
[0051]第二计算模块，用于计算所述自回归模型的拟合参数，得到所述多个历史时刻的医疗资源数据以及固定病人数据之间的函数关系；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种病人流动数据的预测方法，其特征在于，所述预测方法包括：获取多个历史时刻的医疗资源数据、固定病人数据以及流动病人数据；根据马尔可夫过程模型建立状态空间模型；根据所述状态空间模型对所述多个历史时刻的医疗资源数据以及流动病人数据进行函数拟合；计算所述状态空间模型的拟合参数，得到所述多个历史时刻的医疗资源数据以及流动病人数据之间的函数关系；建立自回归模型，并根据所述自回归模型，对所述多个历史时刻的医疗资源数据以及固定病人数据进行函数拟合；计算所述自回归模型的拟合参数，得到所述多个历史时刻的医疗资源数据以及固定病人数据之间的函数关系；根据所述状态空间模型、多个历史时刻的医疗资源数据以及流动病人数据计算得到下一时刻的流动病人数据；根据所述自回归模型、下一时刻的流动病人数据、多个历史时刻的医疗资源数据以及固定病人数据计算得到下一时刻的固定病人数据以及医疗资源数据。2.如权利要求1所述的病人流动数据的预测方法，其特征在于，所述多个历史时刻的医疗资源数据为在预设时间内，分别对目标医院M个部门的医疗资源共进行t次统计得到的医疗资源数据，其中，每次统计之间间隔单位时间，所述M个部门分别对应病人在所述目标医院中所处的M个状态；所述多个历史时刻的固定病人数据为在所述预设时间内，分别对处于目标状态的病人数量共进行t次统计得到的固定病人数据，其中，每次统计之间间隔单位时间，所述目标状态的数量为N，包括所述目标医院中的M个状态以及目标社区中的M
’
个状态；所述多个历史时刻的流动病人数据为在所述预设时间内，分别对从状态i流动到状态j的病人数量共进行t次统计得到的流动病人数据，其中，每次统计之间间隔单位时间，1≤i≤N，1≤j≤N；所述下一时刻的医疗资源数据为分别对所述目标医院M个部门的医疗资源进行第t+1次统计时得到的医疗资源数据；所述下一时刻的固定病人数据为分别对处于所述目标状态的病人数量进行第t+1次统计时得到的固定病人数据；所述下一时刻的流动病人数据为分别对从状态i流动到状态j的病人数量进行第t+1次统计时得到的流动病人数据。3.如权利要求2所述的病人流动数据的预测方法，其特征在于，所述状态空间模型为：3.如权利要求2所述的病人流动数据的预测方法，其特征在于，所述状态空间模型为：3.如权利要求2所述的病人流动数据的预测方法，其特征在于，所述状态空间模型为：3.如权利要求2所述的病人流动数据的预测方法，其特征在于，所述状态空间模型为：其中，为进行第t次统计时从状态i流动到状态j的流动病人数量，为进行
第t
‑
1次统计时状态i以及状态j对应的医疗资源数据，为进行第t次统计时处在状态i的病人数量，以及为观察模型系数，F
β
、F
α
、F
γ
为常数矩阵，以及为相互独立的随机扰动，且服从期望为0的正态分布。4.如权利要求3所述的病人流动数据的预测方法，其特征在于，...

【专利技术属性】
技术研发人员：邓铭涛，高宇桄，张艳鹏，
申请(专利权)人：上海蓬海涞讯数据技术有限公司，
类型：发明
国别省市：