买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川省医学科学院·四川省人民医院

摘要：本发明属于医疗大数据信息处理技术领域，具体涉及基于临床专科能力的多院区人力资源配置评价方法和系统。该方法包括构建院区画像标签库，利用多元组来表示某个维度下的主标签、子标签以及主标签的评价信息；利用人工神经网络构建5种标签评价模型，得到各主标签对应的标签评价信息；利用预先构建的子标签评分映射表，得到子标签的评分表示；建立的人力资源配置评价指标体系并利用层次分析法确定出各指标的权重，利用构建的院区画像标签库和建立的人力资源配置评价指标体系得到各院区的人力资源配置评分。本发明利用人工神经网络对院区医疗质量相关的文本特征进行处理和分类，根据各院区的人力资源配置评分差异，对院区人力资源配置进行调整。

主权项：1.一种基于临床专科能力的多院区人力资源配置评价方法，其特征在于，包括如下步骤：构建各院区的画像标签库；所述画像标签库由不同维度的标签元组Ai,a1,a2,...an,Bi构成；其中Ai表示第i个维度对应的主标签，a1,a2,...an表示主标签Ai对应的子标签，Bi表示主标签Ai的评价信息；所述不同维度的主标签Ai包括：院区固定人力资源评价标签、院区效率评价标签、院区患者安全评价标签、院区地理位置评价标签、跨院区共享人力资源评价标签；主标签Ai的评价信息Bi包括高、中、低三种；其中院区固定人力资源评价标签对应的子标签包括科室数量评分、医师总数量评分、护师总数量评分、副主任以上职称的医师数量评分、拥有博士以上学历的医师数量评分；院区效率评价标签对应的子标签包括急诊预约挂号量评分、实际门急诊人次评分、入院单开具数量评分、实际入院人次评分、手术次数评分、出院病人门诊随诊预约率评分；院区患者安全评价标签对应的子标签包括出院患者手术占比评分、30天再入院率评分、危急重症抢救成功率评分、治愈率评分、好转率评分、病死率评分、医院感染发生率评分、手术患者并发症发生率评分、非计划再次手术占比评分；院区地理位置评价标签对应的子标签包括公交站的数量评分、地铁站的数量评分、饭馆的数量评分、酒店的数量评分、超市的数量评分；跨院区共享人力资源评价标签对应的子标签包括院区内跨院区工作的医护人员数量对应的职称评分、院区内跨院区的共享信息系统数量评分、院区内跨院区的讲座培训数量评分、院区内跨院区的课题研究数量评分；预先构建子标签评分映射表，建立每个子标签的数值范围和评分的对应关系；采集各院区的信息，对每个子标签对应的指标数值进行归一化，映射成[0,1]的数值范围内，再根据子标签评分映射表，得到子标签的评分表示；构建院区固定人力资源评价模型，得到院区固定人力资源评价标签的评价信息；构建院区效率评价模型，得到院区效率评价标签的评价信息；构建院区患者安全评价模型，得到患者安全评价标签的评价信息；构建院区地理位置评价模型，得到院区地理位置评价标签对应的评价信息；构建跨院区共享人力资源评价模型，得到跨院区共享人力资源评价标签对应的评价信息；建立人力资源配置评价指标体系，将院区画像标签库中的主标签作为一级评价指标，主标签对应的子标签作为二级评价指标，利用层次分析法确定出各评价指标的权重；利用院区画像标签库中的标签元组Ai,a1,a2,...an,Bi和所述权重，对每个院区的人力资源配置进行打分，得到每个院区的人力资源配置分数；比较每个院区的人力资源配置分数，当分数差异超过预设阈值时，对分数低的院区进行人力资源配置上的调整；所述构建院区固定人力资源评价模型具体包括：采集训练样本，所述训练样本为患者满意度分别为高、中、低的医院数据，对所述训练样本分别进行文本特征提取，所述文本特征包括科室总数量、医师总数量、护师总数量、副主任以上职称的医师数量、拥有博士以上学历的医师数量，将提取的文本特征进行编码融合，拼接成院区固定人力资源特征矩阵，作为预先构建的人工神经网络模型的输入，所述人工神经网络模型包括一个卷积层、一个池化层和一个全连接层，利用交叉熵作为损失函数，模型输出为医院对应患者满意度分别属于高、中、低的概率向量；实际应用时，按照模型训练时提取文本特征的方式，将提取出的文本特征输入人工神经网络模型，输出概率向量，将概率最高对应的类别作为院区固定人力资源评价标签的评价信息进行保存；所述所述构建院区效率评价模型具体包括：采集训练样本，所述训练样本为患者满意度分别为高、中、低的医院数据，对所述训练样本分别进行文本特征提取，所述文本特征包括过去一年以内门急诊预约挂号量、实际门急诊人次、入院单开具数量、实际入院人次、手术次数、出院病人门诊随诊预约率，将提取的文本特征进行编码融合，拼接成院区历史行为特征矩阵，作为预先构建的人工神经网络模型的输入，所述人工神经网络模型包括一个卷积层、一个池化层和一个全连接层，利用交叉熵作为损失函数，模型输出为医院对应患者满意度分别属于高、中、低的概率；实际应用时，按照模型训练时提取文本特征的方式，将提取出的文本特征输入人工神经网络模型，输出概率向量，将概率最高对应的类别作为院区效率评价标签的评价信息进行保存；所述所述构建院区患者安全评价模型具体包括：采集训练样本，所述训练样本为患者满意度分别为高、中、低的医院数据，对所述训练样本分别进行文本特征提取，所述文本特征包括过去一年内出院患者手术占比、30天再入院率、危急重症抢救成功率、治愈率、好转率、病死率、医院感染发生率、手术患者并发症发生率、非计划再次手术占比，将提取的文本特征进行编码融合，拼接成院区历史行为特征矩阵，作为预先构建的人工神经网络模型的输入，所述人工神经网络模型包括一个卷积层、一个池化层和一个全连接层，利用交叉熵作为损失函数，模型输出为医院对应患者满意度分别属于高、中、低的概率；将概率最高对应的类别作为患者安全评价标签的评价信息进行保存；所述构建院区地理位置评价模型和跨院区共享人力资源评价模型具体包括：院区地理位置评价模型：采集院区地理位置坐标，确定该坐标为中心1km为半径的圆形区域内，公交站的数量、地铁站的数量、饭馆的数量、酒店的数量、超市的数量；根据预先建立的映射规则，确定院区地理位置评价标签对应的评价信息并保存；跨院区共享人力资源评价模型：确定院区内跨院区工作的医护人员数量对应的职称、院区内跨院区的共享信息系统数量、院区内跨院区的讲座培训数量、院区内跨院区的课题研究数量；根据预先建立的映射规则，确定跨院区共享人力资源评价标签对应的评价信息并保存。

全文数据：

权利要求：

百度查询： 四川省医学科学院·四川省人民医院 基于临床专科能力的多院区人力资源配置评价方法和系统