公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于长短期记忆模型的患者投诉自动分类研究被引量：1: 2018年; 患者投诉是改善医疗服务管理的珍贵资源。针对患者投诉分析需要大量人力、时间成本以及分类存在主观影响的问题,使用一种科学的分类标准对收集到的患者投诉进行人工标注,设计了一种基于长短期记忆模型的多个二元分类器结合的方法对患者投诉语料进行分类,探索了分类器对于单标签语料、多标签语料和仿真语料的分类预测的性能,为患者投诉分类提供了一种全新高效的方法,为更好地理解患者投诉打下坚实基础。; 姜垚松马敬东赵冬罗玮倪维斌夏晨曦; 关键词：患者投诉标签

基于混合采样的患者投诉中安全事件的自动识别被引量：1: 2018年; 患者投诉是改善患者体验、提高医疗服务质量的重要资源,患者安全事件是引起医疗纠纷或医疗暴力事件的重要原因。从患者投诉中自动识别患者安全事件有助于及时发现和处理潜在的医疗纠纷,提高患者满意度。患者投诉主题分布的不均衡,利用机器学习方法监测患者安全事件的效果往往较差。针对该问题,可采用文本分类及混合采样的数据处理方法,从患者投诉中自动识别患者安全事件。实验结果表明,使用随机森林分类器,将数据不均衡比例调整为1∶1时,自动识别的性能最好,达到G均值97.97%、受试者工作特征曲线下面积99.82%和PR曲线下面积99.81%,说明该方法可以有效自动识别患者投诉中的安全事件,避免医患纠纷的发生。; 罗玮马敬东赵冬倪维斌姜垚松夏晨曦; 关键词：患者投诉混合采样文本分类

基于情感分类和主题建模的患者体验分析被引量：1: 2019年; 目的分析患者体验文本,改善医疗服务质量,提升患者满意度,为大量患者体验文本提供有效的分析手段。方法对患者体验文本使用长短期记忆模型进行情感分类;对负向体验文本利用主题生成模型与点互信息进行主题分析。结果情感分类达到平均94.66%的精确率、94.77%的召回率与94.61%的F1值,提炼出负向患者体验文本包含的主题,并分析了各年度主题热度与变化趋势。结论该方法可以有效的识别负向患者体验文本,并进一步对负向体验文本的主题进行提炼与分析,有助于医院管理者从大量患者体验文本中及时了解患者感受,挖掘服务问题,提升管理效率。; 赵冬马敬东罗玮姜垚松夏晨曦; 关键词：情感分类主题建模

基于条件随机域的临床文本去识别研究被引量：3: 2017年; 目的本研究旨在有效识别临床文本中的隐私信息,以保护患者隐私,实现临床信息的共享与利用,促进基于临床医学证据研究的发展。方法采用中国四川省某市级区域人口健康信息平台随机抽取的18350条住院小结作为样本,基于条件随机域(conditional random field,CRF)模型,对样本数据中多种PHI类型进行识别。结果人工标注PHI实体总数为32210个,标注一致性达到92.7%,经过对不一致标记进行校正审核,一致性收敛至100%。测试结果评估显示,除病理号、X线片号、89岁以上的年龄以外,其他PHI类型的F值均超过95%,综合F值达到98.72%。结论本研究基于大规模多样化临床文本数据,利用机器学习的方法,实现了高效的自动化临床文本去识别。对于在保护模型的基础上开发更高效的健康大数据去识别算法以及保证去识别技术的一般性和可扩展性的研究还有待探索。; 都丽婷夏晨曦赵冬宋阳罗维冯德军洪旭马敬东; 关键词：PHI CRF

中国在线医疗服务医疗机构及医生的分布与启示被引量：19: 2018年; 目的:从在线电话咨询服务来探索提供该服务的在线医疗服务平台的医疗机构及医生分布情况,比较其与现实世界医疗机构及医生分布间的异同,了解目前中国在线医疗服务发展情况。方法:通过网络爬虫获取某典型在线医疗服务平台的信息,并与《2016中国卫生和计划生育统计年鉴》的相关数据进行对比,使用频数、百分比等统计指标对数据进行描述,并使用热图、饼图、折线图等形式对数据的分布进行可视化。结果:在线医疗服务平台中医疗机构和医生的地域分布更向互联网发达的地区集中,并且医疗机构及医生质量相对更高,全科医疗科、儿科、中医科医生规模相对稀缺。结论:在线医疗服务是健康领域的一种新型服务模式,能很好的支持健康用户间的交互,并增大了现实优质医疗资源的可及性,有着很多优势。但其目前发展还不够完善,还有许多问题值得研究和讨论。; 熊丹妮夏晨曦李燊熊兴江赵冬马敬东; 关键词：医生

全选清除导出

共1页<1>

赵冬