本发明专利技术提供了一种利用天气因素预测急诊工作量的方法以及该方法的应用，第一次将多层神经网络运用于医院管理系统，天气因素选择了最高气温/最低气温/平均气温/温度差值绝对值/天气类型/风速等影响因子，第一次将多层神经网络运用于医院管理系统，通过分析近年来天气因素与急诊就诊率之间的关系，建立数学模型，进而进行预测不同天气状况下可能的病人量，有助于协调急诊工作人员，进行资源的更好的整合。
【技术实现步骤摘要】
本专利技术设及一种医院管理系统和方法，尤其设及一种根据天气因素预测急诊就诊 量的方法及其应用。
技术介绍
医院急诊是最忙碌的科室，目前采用的固定人员的安排，并不能很好的满足急诊 的工作量，很容易造成某些时候资源浪费，而某些时候资源不足。评估、预测急诊的就诊量， 有助于协调急诊工作人员，W及进行资源的更好的配置整合。 脑卒中是中国W及全世界中致死率和致残率均极高的疾病之一，脑卒中的发 病因素已引起了全球的关注。大量流行病学研究旨在观察气象变化对脑卒中的关系， 但大多数研究聚焦于气温，有些研究提示气温降低增加脑卒中发病率， 而另外一些研究提示脑卒中与温度升高密不可分〇 此夕F，有研究提 出，温度的波动比温度的绝对值对脑卒中的影响更有意义。 利用天气因素对医院病人的就诊量进行评估，是一种典型的多因子评估体系。除 了某些自然灾害，天气因素也可W影响某些疾病的发病。但是天气因素包括多种影响因子， 各影响因子之间的作用方式非常复杂，影响因子之间本身也可能存在某些关系干扰现有统 计模型的拟合效率，现有模型对该种干扰的修正措施非常局限，也未很好地处理该种带有 干扰信息的方法。因此，目前的大部分关于气象学因素的研究，停步于天气变化或者季节转 换对于疾病发病率的影响〇 因此，建立一种针对于气象因素对脑梗的就诊量影响的模型是需要的。
技术实现思路
针对现有技术存在的缺陷，本专利技术提供了一种利用天气因素预测急诊工作量的方 法W及该方法的应用。 本专利技术第一个方面是提供一种预测急诊就诊量的方法，优选为预测急诊神经内科 脑梗病就诊量的方法，包括：[000引收集气象信息，包括当天的最高温度、最低温度、平均温度、天气类型数据、风速； 其中，天气类型数据中，1 =晴天，2 =阴天，3 =雨天，4 =暴风雨，5 =雪，6 =雨夹雪； 建立每日气象因素与急诊就诊量（优选为脑梗病就诊量）数据库，其中，脑卒中就 诊饱和量为X，将就诊量《X的日期定义为A组，> 狂+1)的日期定义为B组，两组各平均分 为10等份； 多层神经网络建模，其中，A组、B组多层神经网络训练层、检测层、预测层的比值 均为n:m: (10-m-n);训练层用于整理模型录入数据的特征，检测层用于评估模型整合性， 而预测层用于评估模型的准确性； 提取模型中气象因素的权重；得到rlX温度差绝对值+r2X风速+r3X天气类型 +r4X最高气温+r5X最低气温，其中，rl、r2、r3、r4、巧为权重。 本专利技术第二个方面是提供一种医院管理系统，包括： --数据输入设备，用于输入收集的气象信息，气象信息包括当天的最高温度、最 低温度、平均温度、天气类型数据、风速；其中，天气类型数据中，1 =晴天，2 =阴天，3 =雨 天，4 =恭风雨，5 =雪,6 =雨夹雪； 一一处理器，根据如下公式（1)进行计算，预测急诊就诊量，优选为预测急诊神经 内科脑梗病就诊量， rlX温度差绝对值+r2X风速+r3X天气类型+r4X最高气温+r5X最低气温 (1)。 本专利技术第S个方面是提供另一种医院管理系统，包括： --数据输入设备，用于输入收集的气象信息、W及急诊就诊量（优选为脑梗病就 诊量），气象信息包括当天的最高温度、最低温度、平均温度、天气类型数据、风速；其中，天 气类型数据中，1 =晴天，2 =阴天，3 =雨天，4 =暴风雨，5 =雪，6 =雨夹雪；[001引一一多层神经网络，其中，多层神经网络训练层、检测层、预测层的比值为n:m: (10-m-n);训练层用于整理模型录入数据的特征，检测层用于评估模型整合性，而预测 层用于评估模型的准确性；多层神经网络建模，根据第一方面所述方法得到公式（1); rlX温度差绝对值+r2X风速+r3X天气类型+r4X最高气温+r5X最低气温 (1); 一一计算器，根据上述方法所得公式（1)进行计算，预测急诊就诊量，优选为预测急诊 神经内科脑梗病就诊量。 其中，rl甘2甘3甘4甘5 = 1。[002U其中，X优选为选自4-6的整数，更优选为4或5,最优选为4。[002引其中，A组、B组多层神经网络训练层、检测层、预测层的数量之和分别等于相应组 输入的急诊就诊总人数。 其中，多层神经网络训练层、检测层、预测层的数量比值优选为8:1:1。 其中，多层神经网络训练层、检测层、预测层的数量分别优选为560、70、70。 其中，多层神经网络训练层、检测层、预测层的数量分别优选为40、5、5。 其中，上述内容中，所有温度的数值单位均优选为°C。 其中，上述内容中，所有风速的数值单位均优选为km/h。[002引温度变化明显时；公式（1)为0. 407X温度差绝对值+0. 221X风速+0. 200X天 气类型+0. 036X最高温度+0. 136X最低温度。 天气类型化明显时；公式（1)为0. 733X天气类型+0. 074X风速+0. 030X最高 温度+0. 035X取低温度+0. 092X温度差绝对值+0. 036X平均温度。 本专利技术结合临床实际或者天气资料的情况W及既往的临床研究及临床经验，选择 了最高气温/最低气温/平均气温/温度差值绝对值/天气类型/风速等影响因子，第一 次将多层神经网络运用于医院管理系统，通过分析近年来天气因素与急诊就诊量之间的关 系，建立数学模型，进而进行预测不同天气状况下可能的病人量，有助于协调急诊工作人 员，进行资源的更好的整合。【附图说明】 图1显示就诊人数与该些气象因素没有线性关系；A为每日入组的就诊的急性脑 卒中病人数，B为每日最高温度，C为每日最低温度，D为每日平均温度，E为每日温度变化 绝对值； 图2给出了模型1的可行性及增益； 图3给出了模型2的可行性及增益； 图4给出了两种模型中各权重排序。【具体实施方式】 下面通过具体实施例，对本专利技术方法进行详细的介绍。 研究方法； 病例入紀:[003引 2012年1月-2014年6月之间于上海市第十人民医院急诊神经内科就诊的新发脑 卒中病人（大于60岁）纳入研究对象。捜集每天的病例数，病人的诊断、年纪、性别等基本 资料。根据TOAST标准进行脑卒中的诊断。脑卒中分为缺血性脑梗，脑出血和蛛网膜下腔 出血。在我们医院急诊，医务工作者在周末及假期照常工作，所W避免了周末届假期对模型 产生的偏倚。所有诊断均须有头顾CT或者MRI的影像学当前第1页1 2 本文档来自技高网...
【技术保护点】
一种预测急诊就诊量的方法，其特征在于，包括：收集气象信息，包括当天的最高温度、最低温度、平均温度、天气类型数据、风速；其中，天气类型数据中，1＝晴天，2＝阴天，3＝雨天，4＝暴风雨，5＝雪，6＝雨夹雪；建立每日气象因素与急诊就诊量(优选为脑梗病就诊量)数据库，其中，脑卒中就诊饱和量为X，将就诊量≤X的日期定义为A组，≥(X+1)的日期定义为B组，两组各平均分为10等份；多层神经网络建模，其中，多层神经网络训练层、检测层、预测层的比值为n:m:(10‑m‑n)；训练层用于整理模型录入数据的特征，检测层用于评估模型整合性，而预测层用于评估模型的准确性；提取模型中气象因素的权重；得到r1×温度差绝对值+r2×风速+r3×天气类型+r4×最高气温+r5×最低气温，其中，r1、r2、r3、r4、r5为权重。
【技术特征摘要】
【专利技术属性】
技术研发人员：孟桂林，赵延欣，刘学源，
申请(专利权)人：孟桂林，赵延欣，刘学源，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。