一种预测急诊就诊量的方法以及医院管理系统的制作方法
【技术领域】
[0001] 本发明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。
【背景技术】
[0002] 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。
[0003] 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[Journalofthe MedicalAssociationofThailand=Chotmaihetthangphaet, 2011, 94巧）：622-628 ; InternationalJournalofEnvironmentalHealthResearch, 2012, 22巧）：416-430]， 而另外一些研究提示脑卒中与温度升高密不可分[Internationaljournalofbio meteorology,2009, 53巧）：461-468;Cerebrovasculardiseases(Basel,Switzerla nd),2011, 32 (6):542-551；Internationaljournalofstroke:officialjournal oftheInternationalStrokeSociety, 2014, 9(7):858-859]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[Journalofstrokeand cerebrovasculardiseases:theofficialjournalofNationalStrokeAssociati on,2014,23(10):2671-2680]。
[0004] 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[Materiasocio-medica, 2013, 25(4) :242-245;Expertreview ofneurotherapeutics, 2010, 10(2):243-249JournaloftheAir&WasteManagementAs sociation, 2009, 59(7):809-818]〇
[0005] 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。
【发明内容】
[0006] 针对现有技术存在的缺陷，本发明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。
[0007] 本发明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；
[0009] 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；
[0010] 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；
[0011] 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。
[0012] 本发明第二个方面是提供一种医院管理系统，包括：
[0013] --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；
[0014] 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，
[0015] 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)。
[0016] 本发明第S个方面是提供另一种医院管理系统，包括：
[0017] --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);
[0019] 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。
[0020] 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。
[0023] 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。
[0024] 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。
[0025] 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。
[0026] 其中，上述内容中，所有温度的数值单位均优选为°C。
[0027] 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。
[0029] 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。
[0030] 本发明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】
[0031] 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；
[0032] 图2给出了模型1的可行性及增益；
[0033] 图3给出了模型2的可行性及增益；
[0034] 图4给出了两种模型中各权重排序。
【具体实施方式】
[0035] 下面通过具体实施例，对本发明方法进行详细的介绍。
[0036] 研究方法；
[0037] 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