远程会诊服务质量测评及优化策略研究

发布时间：2020-04-27 20:32

【摘要】：随着“互联网+”行动计划的实施、分级诊疗体系的建设以及互联网技术的快速发展,我国的互联网和医疗卫生领域进行了深度融合。以远程会诊为代表的远程医疗服务已成为优化资源配置,促进分级诊疗,解决群众看病难、看病贵问题的新手段,实现了远距离问诊,使得患者就医模式进入了新的阶段,极大的帮助了医疗资源匮乏的地区,促进了优质医疗资源下沉。然而,我国远程医疗起步较晚,体系还不完善,缺乏对远程会诊质量的控制体系,尚未形成远程会诊质量评价体系。因此,如何识别影响远程会诊服务质量的关键因素、如何科学评价和提升远程会诊服务质量是远程医疗研究人员最为关注的问题。本文在文献研究的基础上,结合远程会诊服务特性,借助机器学习算法,实现对远程会诊服务质量的测评和优化模型构建。本文的主要工作体现在以下三个方面:(1)借鉴移动服务质量和医疗服务质量的研究,结合远程会诊的服务特性,构建初始的测评指标体系。引入语言信息评价,计算评价指标的梯形模糊数与评价短语之间的相似度,根据指标重要性程度识别关键指标。(2)通过机器语言算法预处理数据,将异构数据转换为标准化数据,并在此基础上构建了基于GA_BP模型的远程会诊服务质量优化模型。(3)通过案例研究对实践数据进行分析和讨论。借助控制变量的方法,观察预测结果的变化趋势,结合指标权重识别服务质量优化方向,并有针对性的提出优化策略。本文的研究成果为远程会诊服务能力的提升提供了参考价值,为远程会诊质量准确定向,提供理论指导和有益启迪,也为远程会诊服务质量的研究提供了新的思路。
【图文】：

概率分布,输出层,机器学习,隐含层

假定一个模型，寻找最佳拟合条件。基于概率的方法是通过概率分布形式来划分类，神经网络模型则是一种无监督的机器学习模型。6）其他聚类算法除了上面常见的聚类方法之外，还包括一些其他聚类方法，，如：基于约束的聚类、量子聚类等。没有普适性的聚类方法，所以在研究的过程中需要根据所研究的对象，结合实际情况，选择相对合适的聚类方法来进行分析。2.3.3 BP 神经网络算法BP 神经网络是一种具有误差逆传播的多层前馈网络，是机器学习中使用比较广泛的一种算法，它包括输入层、隐含层和输出层，其网络结构如图 2.3 所示在神经网络中，输入层和输出层的节点个数由样本数据确定，而隐含层的节点个数则是需要根据实际情况进行调整，其公式为： h m n ，其中 m 表示输入层节点的数量，n 表示输出层节点的数量，是 0~10 之间的常数，起调节作用。

术语,语言,粒度,网络服务提供商

图 3.1 7 粒度语言术语集合以“网络服务提供商”指标为例，计算该指标的平均评价值，根据公式（3.14），其结果为 (0.275,0.352,0.429,0.506)，同理可得出其他指标的平均1511511111 k xx评价值，如表 3.5。表 3.5 评价指标平均评价值的梯形模糊数评价指标平均评价值网络服务提供商（0.275,0352,0.429,0.506）网络类型（0.560,0.637,0.714,0.791）视音频终端类型（0.648,0.725,0.802,0.857）设备质量（0.67,0.747,0.824,0.89）流程便利性（0.407,0.484,0.560,0.637）操作易用性（0.429,0.506,0.582,0.659）医患比（0.538,0.615,0.692,0.758）会诊人次（0.450,0.528,0.604,0.670）诊室周转次数（0.494,0.571,0.648,0.714）
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R-05

【相似文献】