一种基于IM的线上医患服务签订协议的系统及方法技术方案

本发明专利技术公开了一种基于IM的线上医患服务签订协议的系统及方法，该方法将收集的热数据、温数据和冷数据至于数据库中后，对数据进行处理，通过数据计算出患者的偏好值，通过偏好值建立对患者的推荐类别，最后确定医生，签订协议。该方法能够进行主动服务、个性化服务，通过开展签约服务，将患者主动变为医生主动，使得从以往的医生等患者找上来转变成为医生主动线上问诊。主动线上问诊。主动线上问诊。

【技术实现步骤摘要】
一种基于IM的线上医患服务签订协议的系统及方法


[0001]本专利技术属于医疗
，具体涉及一种基于IM的线上医患服务签订协议的系统及方法。

技术介绍

[0002]因传统的线下就诊困难，挂号难、排队时间长，医疗资源极度匮乏，当患者突发疾病时，线下签约医生患者突发疾病不能及时到现场救治，只能通过电话远程问诊，但是电话沟通难以指挥进行合适的处理，易于造成病情延误，可能会引发医疗事故。另一方面，现有的线上医疗多以轻问诊为主，而且患者较多不能有效管理和跟踪，不利于慢病的专项管理。
[0003]现有的线上医疗系统中，多以对医生的排序、患者的好评和系统推荐对医生进行列表，对医生的评价较为笼统，不分地区、研究方向、医生级别等等，评价体系过于单调。向患者推荐医生时，也以此为依据，对于任意一个患者缺乏有针对性的推荐，使得患者在使用各个医疗系统时体验性不佳，尤其是当患者需要对多个医生进行咨询诊疗时，难以找到适合的医生。
[0004]同时对于任意一个新注册的医生，因为医生没有进行过问诊，也没有患者对医生进行评价，使得新注册的医生难以被推荐。
[0005]综合以上可知现有的医疗软件中，推荐机制不合理，给医生及患者的体验性均较差。

技术实现思路

[0006]本专利技术的目的在于克服上述现有技术的缺点，提供一种基于IM的线上医患服务签订协议的系统及方法，以解决现有技术中患者难以在网上获得适合自己的医生推荐问题。
[0007]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0008]一种基于IM的线上医患服务签订协议的方法，包括以下步骤：
[0009]收集患者信息和医生信息；
[0010]存储收集的信息，并将数据分为热数据、温数据和冷数据；
[0011]将热数据、温数据和冷数据统一数据格式后至于数据库中，删除数据库中的重复数据，删除后对数据库中的数据进行缺失值处理和噪声数据处理；
[0012]通过冷数据计算患者对每一个已就诊医生的偏好值；对任意一个已就诊的医生和一组未就诊医生建立FM特征矩阵模型，将患者设置为FM特征矩阵模型中的向量，对所述向量通过皮尔逊相关系数计算FM特征矩阵模型中已就诊医生和未就诊医生的相似系数；通过已就诊医生和未就诊医生的相似系数计算患者对未就诊医生的偏好值，通过对偏好值排序建立针对患者的初始推荐列表，选取设定数量的新注册医生，新注册医生和初始推荐列表组成最终推荐列表；
[0013]患者从最终推荐列表中选择医生，签订协议。
[0014]本专利技术的进一步改进在于：
[0015]优选的，所述热数据包括患者的实时病情信息和实时身体信息；所述温数据包括患者的已有病情档案信息和医生的档案信息；所述冷数据为患者和APP的交互信息。
[0016]优选的，所述统一数据格式为将数据元素化，获得统一数据格式后的数据。
[0017]优选的，所述数据库中，温数据放置于redis数据库，冷数据和热数据放置于mysql数据库；
[0018]通过ML算法检测数据库中的重复数据，删除重复数据；
[0019]通过最大似然估计方法填充数据中的缺失值；对噪声数据进行替换处理。
[0020]优选的，数据库中的数据在通过缺失值和噪声数据处理后，通过Spark对数据库中的数据进行统计处理，将统计后的数据重新放置于数据库中。
[0021]优选的，通过已就诊医生和未就诊医生的相似系数计算患者对未就诊医生的偏好值的过程为：
[0022]U1对I1的偏好值＝I1和I2的相似度*U1对医生I2的偏好值
[0023]其中，U1为患者，I1为未就诊医生，I2为已就诊医生。
[0024]优选的，所述新注册医生占最终推荐列表中推荐医生数量的5％，初始推荐列表占最终推荐列表中推荐医生数量的90％。
[0025]优选的，将患者偏好的医生和已有过评价的现有医生组成集合S，从集合S中提炼出患者喜欢的医生属性集F，从新注册医生中查找具有医生属性集F中特征的新注册医生。
[0026]优选的，所述冷数据基于患者对APP的操作持续更新。
[0027]一种基于IM的线上医患服务签订协议的系统，包括：
[0028]数据收集模块，收集患者信息和医生信息；
[0029]存储模块，用于存储收集的信息，并将数据分为热数据、温数据和冷数据；
[0030]数据处理模块，用于将热数据、温数据和冷数据统一数据格式后至于数据库中，删除数据库中的重复数据，删除后对数据库中的数据进行缺失值处理和噪声数据处理；
[0031]医生推荐模块，用于通过冷数据计算患者对每一个已就诊医生的偏好值；对任意一个已就诊的医生和一组未就诊医生建立FM特征矩阵模型，将患者设置为FM特征矩阵模型中的向量，对所述向量通过皮尔逊相关系数计算FM特征矩阵模型中已就诊医生和未就诊医生的相似系数；通过已就诊医生和未就诊医生的相似系数计算患者对未就诊医生的偏好值，通过对偏好值排序建立针对患者的初始推荐列表，选取设定数量的新注册医生，新注册医生和初始推荐列表组成最终推荐列表；
[0032]签约模块，用于患者从最终推荐列表中选择医生，签订协议。
[0033]与现有技术相比，本专利技术具有以下有益效果：
[0034]本专利技术公开了一种基于IM的线上医患服务签订协议签订系统及方法，该方法将收集的热数据、温数据和冷数据至于数据库中后，对数据进行处理，通过数据计算出患者的偏好值，通过偏好值建立对患者的推荐类别，最后确定医生，签订协议。该方法能够进行主动服务、个性化服务，通过开展签约服务，将患者主动变为医生主动，使得从以往的医生等患者找上来转变成为医生主动线上问诊。该方法将间断性服务变为连续性服务，通过线上签约医生可以为患者提供综合性健康管理服务，该方法能够跟据不同患者的健康状况和需求，制定不同类型的个性化的、适合患者的健康管理计划或慢病管理方案。
[0035]进一步的，该方法使得看病更便捷，该方法涵盖了图文、音频、视频、电话等多种问
诊形式，医生能够全天跟踪，监护患者病情，患者能随时随地就医问诊，解决患者就医难，挂号难，节省患者时间以及国家医疗资源。
[0036]进一步的，该方法建立了个人健康档案，根据患者的就医状况信息对接到个人健康信息档案中，便于个人随时查阅自己的就医、健康信息，也便于医生全面的了解患者的健康信息，分析研究病情做出正确合理的治疗，同时为医疗资源共享的实现也奠定了基础。签约患者在签约后可以享受签约医生的优先就诊，能够选择出新的适合自己的医生，并且再多次预约后，能享受到预约优惠。该方法能够签约预警，针对签约患者到日常管理及状况信息，平台和医生会进行及时预警提醒功能。
附图说明
[0037]图1为本专利技术的系统流程图；
具体实施方式
[0038]本专利技术是一种模拟线下就诊场景，通过线上实现患者与医生互动，实现线上医生对患者进行诊疗及跟踪管理的一种服务。
[0039]推荐系统是一种个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于IM的线上医患服务签订协议的方法，其特征在于，包括以下步骤：收集患者信息和医生信息；存储收集的信息，并将数据分为热数据、温数据和冷数据；将热数据、温数据和冷数据统一数据格式后至于数据库中，删除数据库中的重复数据，删除后对数据库中的数据进行缺失值处理和噪声数据处理；通过冷数据计算患者对每一个已就诊医生的偏好值；对任意一个已就诊的医生和一组未就诊医生建立FM特征矩阵模型，将患者设置为FM特征矩阵模型中的向量，对所述向量通过皮尔逊相关系数计算FM特征矩阵模型中已就诊医生和未就诊医生的相似系数；通过已就诊医生和未就诊医生的相似系数计算患者对未就诊医生的偏好值，通过对偏好值排序建立针对患者的初始推荐列表，选取设定数量的新注册医生，新注册医生和初始推荐列表组成最终推荐列表；患者从最终推荐列表中选择医生，签订协议。2.根据权利要求1所述的一种基于IM的线上医患服务签订协议的方法，其特征在于，所述热数据包括患者的实时病情信息和实时身体信息；所述温数据包括患者的已有病情档案信息和医生的档案信息；所述冷数据为患者和APP的交互信息。3.根据权利要求1所述的一种基于IM的线上医患服务签订协议的方法，其特征在于，所述统一数据格式为将数据元素化，获得统一数据格式后的数据。4.根据权利要求1所述的一种基于IM的线上医患服务签订协议的方法，其特征在于，所述数据库中，温数据放置于redis数据库，冷数据和热数据放置于mysql数据库；通过ML算法检测数据库中的重复数据，删除重复数据；通过最大似然估计方法填充数据中的缺失值；对噪声数据进行替换处理。5.根据权利要求1所述的一种基于IM的线上医患服务签订协议的方法，其特征在于，数据库中的数据在通过缺失值和噪声数据处理后，通过Spark对数据库中的数据进行统计处理，将统计后的数据重新放置于数据库中。6.根据权利要求1所述的一种基...

【专利技术属性】
技术研发人员：贾青，刘兴荣，杨椰子，牛盼盼，赵豪，
申请(专利权)人：西安鹫一卓越软件科技有限公司，
类型：发明
国别省市：