突发公共卫生事件背景下的线上问诊资源分配方法和系统技术方案

本发明专利技术提供一种突发公共卫生事件背景下的线上问诊资源分配方法和系统。通过获取突发公共卫生事件数据和线下就诊数据；基于所述突发公共卫生事件数据和所述线下就诊数据预测在线问诊患者数量；基于所述在线问诊患者数量构建问诊资源分配模型；基于所述问诊资源分配模型获取问诊资源分配方案。通过对患者问诊需求进行准确预测，根据预测的问诊资源需求作出线上问诊资源分配方案并进行合理性评估，使最终得到的线上问诊资源分配方案更加科学和合理，为患者线上问诊进行资源分配决策提供了有效可行的依据。效可行的依据。效可行的依据。

【技术实现步骤摘要】
突发公共卫生事件背景下的线上问诊资源分配方法和系统


[0001]本专利技术涉及数据处理
，具体涉及一种突发公共卫生事件背景下的线上问诊资源分配方法和系统。

技术介绍

[0003]在突发公共卫生事件期间，由于病毒具有高度传染性，通常线下会采取严格的限制出行措施。此时，互联网医疗是为公众提供问诊服务的有效模式。其中，在线问诊是医生通过互联网，以图文、电话、视频等形式为患者提供健康咨询的一种服务方式。现有技术通过指数随机图模型分析医生对不同患者特征以及问诊方式的选择偏好，从而提高医生的在线问诊效率。
[0004]然而，现有的线上问诊系统在进行问诊信息的传输时并未完全识别出患者全部特征信息的差异性，使得在对患者分配问诊资源，例如分配医生时，无法满足患者的需求，导致问诊资源的分配效果和效率较差，给用户的使用体验较差。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种突发公共卫生事件背景下的线上问诊资源分配方法和系统，解决了现有技术中未完全识别出患者全部特征信息的差异性，问诊资源的分配效果较差的技术问题。
[0007](二)技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0009]本专利技术解决其技术问题所提供的一种突发公共卫生事件背景下的线上问诊资源分配方法，所述突发公共卫生事件背景下的线上问诊资源分配方法由计算机执行，包括以下步骤：
[0010]响应于用户的线上问诊请求，获取突发公共卫生事件数据和线下就诊数据；
[0011]基于所述突发公共卫生事件数据和所述线下就诊数据预测在线问诊患者数量；
[0012]基于所述在线问诊患者数量构建问诊资源分配模型；
[0013]基于所述问诊资源分配模型获取问诊资源分配方案。
[0014]可选的，获取突发公共卫生事件数据和线下就诊数据前，还包括：
[0015]获取用户的目标病例数据；
[0016]基于预设的源病例库获取多个源病例的源病例数据；
[0017]基于所述源病例数据和所述目标病例数据，获取和目标病例最相似的目标源病例；
[0018]如果所述目标源病例和所述目标病例符合预设的就诊条件，则获取所述目标源病例的目标处方，并将所述目标处方展示给用户；
[0019]如果所述目标源病例和所述目标病例不符合预设的就诊条件，则执行获取突发公
共卫生事件数据和线下就诊数据的步骤。
[0020]可选的，所述目标病例数据包括第一患者特征因素数据，所述源病例数据包括第二患者特征因素数据；
[0021]所述获取和目标病例最相似的目标源病例，包括：
[0022]基于所述第二患者特征因素数据获取患者特征因素权重；
[0023]基于所述患者特征因素权重更新所述第一患者特征因素数据和所述第二患者特征因素数据；
[0024]基于更新后的第一患者特征因素数据和更新后的第二患者特征因素数据，获取所述源病例和所述目标病例的病例相似度；
[0025]将病例相似度最大的源病例确定为目标源病例。
[0026]可选的，所述基于所述第二患者特征因素数据获取患者特征因素权重，包括：
[0027]对所述第二患者特征因素数据进行归一化处理，包括：
[0028][0029]其中，
[0030]A
ij
表示第i个源病例的第j个患者特征因素值；
[0031]A
minij
表示所有源病例的所有患者特征因素值中的最小值，A
maxij
表示所有源病例的所有患者特征因素值中的最大值；
[0032]基于归一化处理结果获取初始权重，包括：
[0033][0034]其中，
[0035]n表示源病例数量；
[0036]基于所述初始权重获取标准差，包括：
[0037][0038]基于所述标准差获取患者特征因素权重，包括：
[0039][0040]其中，
[0041]m表示患者特征因素数量。
[0042]可选的，所述基于所述患者特征因素权重更新所述第一患者特征因素数据和所述第二患者特征因素数据，包括：
[0043]计算所述患者特征因素权重和所述第一患者特征因素数据的第一乘积，并将所述第一乘积确定为更新后的第一患者特征因素数据；
[0044]计算所述患者特征因素权重和所述第二患者特征因素数据的第二乘积，并将所述第二乘积确定为更新后的第二患者特征因素数据；
[0045]所述获取所述源病例和所述目标病例的病例相似度，包括：
[0046][0047]其中，
[0048]d
qi
表示第i个源病例和目标病例的病例相似度；
[0049]ω
m
表示第m个患者特征因素的患者特征因素权重，V
qm
表示目标病例的更新后的第m个第一患者特征因素数据，V
im
表示第i个源病例的更新后的第m个第二患者特征因素数据。
[0050]可选的，基于所述在线问诊患者数量构建问诊资源分配模型，包括：
[0051]基于所述在线问诊患者数量构建单目标分配模型；所述单目标分配模型包括第一目标函数和第一约束；
[0052]所述第一目标函数为：
[0053][0054]其中，
[0055]start_time
i
表示患者i的问诊开始时间，end_time
i
表示患者i的问诊结束时间；n表示患者数量；
[0056]所述第一约束包括：
[0057][0058]其中，
[0059]x
ikt
表示患者i在时间t由医生k处理；
[0060]s表示线上医生数量；p
i
表示患者i的病例的优先级；p
w
表示患者w的病例的优先级；
[0061]u
k
表示医生k每天可以处理的病例数量上限。
[0062]可选的，所述基于所述在线问诊患者数量构建问诊资源分配模型，包括：
[0063]基于所述在线问诊患者数量构建双目标分配模型；所述双目标分配模型包括第二目标函数和第二约束；
[0064]所述第二目标函数为：
[0065][0066]其中，
[0067]ω1和ω2表示预设参数，ω1,ω2∈(0,1),ω1+ω2＝1；
[0068]所述第二约束包括：
[0069][0070]其中，x
ikt
表示患者i在时间t由医生k处理。
[0071]可选的，所述基于所述问诊资源分配模型获取问诊资源分配方案，包括：
[0072]基于所述单目标分配模型获取第一就诊点数量，基于所述双目标分配模型获取第二就诊点数量；
[0073]如果所述第一就诊点数量大于所述第二就诊点数量，则基于所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种突发公共卫生事件背景下的线上问诊资源分配方法，所述突发公共卫生事件背景下的线上问诊资源分配方法由计算机执行，其特征在于，包括以下步骤：响应于用户的线上问诊请求，获取突发公共卫生事件数据和线下就诊数据；基于所述突发公共卫生事件数据和所述线下就诊数据预测在线问诊患者数量；基于所述在线问诊患者数量构建问诊资源分配模型；基于所述问诊资源分配模型获取问诊资源分配方案。2.根据权利要求1所述的突发公共卫生事件背景下的线上问诊资源分配方法，其特征在于，获取突发公共卫生事件数据和线下就诊数据前，还包括：获取用户的目标病例数据；基于预设的源病例库获取多个源病例的源病例数据；基于所述源病例数据和所述目标病例数据，获取和目标病例最相似的目标源病例；如果所述目标源病例和所述目标病例符合预设的就诊条件，则获取所述目标源病例的目标处方，并将所述目标处方展示给用户；如果所述目标源病例和所述目标病例不符合预设的就诊条件，则执行获取突发公共卫生事件数据和线下就诊数据的步骤。3.根据权利要求2所述的突发公共卫生事件背景下的线上问诊资源分配方法，其特征在于，所述目标病例数据包括第一患者特征因素数据，所述源病例数据包括第二患者特征因素数据；所述获取和目标病例最相似的目标源病例，包括：基于所述第二患者特征因素数据获取患者特征因素权重；基于所述患者特征因素权重更新所述第一患者特征因素数据和所述第二患者特征因素数据；基于更新后的第一患者特征因素数据和更新后的第二患者特征因素数据，获取所述源病例和所述目标病例的病例相似度；将病例相似度最大的源病例确定为目标源病例。4.根据权利要求3所述的突发公共卫生事件背景下的线上问诊资源分配方法，其特征在于，所述基于所述第二患者特征因素数据获取患者特征因素权重，包括：对所述第二患者特征因素数据进行归一化处理，包括：其中，A
ij
表示第i个源病例的第j个患者特征因素值；A
minij
表示所有源病例的所有患者特征因素值中的最小值，A
maxij
表示所有源病例的所有患者特征因素值中的最大值；基于归一化处理结果获取初始权重，包括：
其中，n表示源病例数量；基于所述初始权重获取标准差，包括：基于所述标准差获取患者特征因素权重，包括：其中，m表示患者特征因素数量。5.根据权利要求4所述的突发公共卫生事件背景下的线上问诊资源分配方法，其特征在于，所述基于所述患者特征因素权重更新所述第一患者特征因素数据和所述第二患者特征因素数据，包括：计算所述患者特征因素权重和所述第一患者特征因素数据的第一乘积，并将所述第一乘积确定为更新后的第一患者特征因素数据；计算所述患者特征因素权重和所述第二患者特征因素数据的第二乘积，并将所述第二乘积确定为更新后的第二患者特征因素数据；所述获取所述源病例和所述目标病例的病例相似度，包括：其中，d
qi
表示第i个源病例和目标病例的病例相似度；ω
m
表示第m个患者...

【专利技术属性】
技术研发人员：范雯娟，褚昕怡，杜建梅，朱淑婉，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：