本技術(shù)涉及醫(yī)療數(shù)據(jù)和醫(yī)院運營管理，尤其涉及基于元數(shù)據(jù)模型的醫(yī)院運營指標。

背景技術(shù)：

1、手術(shù)是治療許多疾病的重要手段，尤其是對于那些藥物和其他非手術(shù)治療無效的疾病。成功的手術(shù)可以顯著改善患者的生活質(zhì)量，如恢復(fù)運動能力、減輕病痛、改善外觀等。對于醫(yī)生來說，手術(shù)可以提升醫(yī)生的專業(yè)技能，獲得職業(yè)成就感，提高經(jīng)濟收入和學(xué)術(shù)地位。對于醫(yī)院來說，高質(zhì)量的手術(shù)治療，可以提升醫(yī)院的服務(wù)水平和競爭力，增強醫(yī)院的聲譽，吸引更多的患者，還能推動醫(yī)學(xué)研究。

2、在利用模型來預(yù)算醫(yī)療指標的發(fā)展趨勢方面，現(xiàn)有技術(shù)的如公開號為cn109473177a，公開日為2019年03月15日的中國專利公開的基于預(yù)測模型確定醫(yī)療發(fā)展趨勢的方法及相關(guān)產(chǎn)品，以及公開號為cn112215424a，公開日為2021年01月12日的中國專利公開的醫(yī)療指標預(yù)測方法、裝置、電子設(shè)備及存儲介質(zhì)，這些技術(shù)均沒有考慮元數(shù)據(jù)對預(yù)測指標趨勢的影響，并且預(yù)測指標趨勢也僅限于單指標預(yù)測，而脫離元數(shù)據(jù)模型使得入?yún)⑤^為復(fù)雜，難以通過簡單的錄入得到指標預(yù)測結(jié)果；單指標預(yù)測則導(dǎo)致需要錄入多個入?yún)?，卻只能得到一個指標的預(yù)測結(jié)果。

技術(shù)實現(xiàn)思路

1、本發(fā)明目的是為了解決現(xiàn)有技術(shù)難以通過簡單的錄入得到指標預(yù)測結(jié)果并且指標預(yù)測單一的問題，提供了基于元數(shù)據(jù)模型的醫(yī)院運營指標預(yù)測方法、系統(tǒng)和設(shè)備。

2、本發(fā)明是通過以下技術(shù)方案實現(xiàn)的，本發(fā)明一方面，提供一種基于元數(shù)據(jù)模型的醫(yī)院運營指標預(yù)測方法，所述方法包括：

3、步驟1：建立元數(shù)據(jù)模型，所述元數(shù)據(jù)模型用于獲取關(guān)鍵指標，所述關(guān)鍵指標包括出院患者手術(shù)占比、出院患者四級手術(shù)占比、手術(shù)患者并發(fā)癥發(fā)生率、平均住院日、住院費用和病死率；

4、步驟2：獲取所述關(guān)鍵指標之間的關(guān)系，建立頻繁項集；

5、步驟3：將所述元數(shù)據(jù)模型和步驟1的關(guān)鍵指標合并；

6、步驟4：基于頻繁項集，建立手術(shù)效價比計算模型，所述手術(shù)效價比計算模型的輸入為關(guān)鍵指標的頻繁項集，輸出為手術(shù)效價比；

7、步驟5：預(yù)測擬手術(shù)患者的住院天數(shù)、住院費用、手術(shù)并發(fā)癥發(fā)生率和病死率，獲取假設(shè)該擬手術(shù)患者進行手術(shù)后的各項關(guān)鍵指標；

8、步驟6：將步驟5中的擬手術(shù)患者進行手術(shù)后的各項關(guān)鍵指標輸入步驟4中的手術(shù)效價比計算模型，獲取擬手術(shù)患者進行手術(shù)后的手術(shù)效價比。

9、進一步地，步驟2包括：

10、使用apriori算法獲取所述關(guān)鍵指標之間的關(guān)系，具體為：

11、根據(jù)醫(yī)院歷史數(shù)據(jù)及目標，生成所有可能的候選項集；

12、對于每個候選項集，根據(jù)其在所有歷史數(shù)據(jù)中出現(xiàn)的次數(shù)，計算其支持度；

13、移除那些支持度低于最小支持度閾值的項集，生成頻繁項集。

14、進一步地，步驟3還包括：基于元數(shù)據(jù)模型，對所述元數(shù)據(jù)模型進行標準化和歸一化。

15、進一步地，步驟4包括：

16、步驟4.1：根據(jù)多家醫(yī)院實際情況和本院未來目標，結(jié)合頻繁項集以及多家醫(yī)院在公立醫(yī)院績效考核中的得分，分別設(shè)置手術(shù)效價比為100時各指標的理想值以及手術(shù)效價比為0時各指標的最差值；

17、步驟4.2：將關(guān)鍵指標的頻繁項集作為手術(shù)效價比計算模型的輸入，訓(xùn)練各個指標的權(quán)重；

18、步驟4.3：使用roc曲線下面積對手術(shù)效價比計算模型進行評估；

19、步驟4.4：批量生成驗證數(shù)據(jù)集的元信息值并錄入模型，更新手術(shù)效價比，對手術(shù)效價比計算模型進行驗證。

20、進一步地，所述手術(shù)效價比計算模型為基于梯度提升機的xgboost和catboost模型。

21、進一步地，步驟5中，所述手術(shù)并發(fā)癥發(fā)生率的預(yù)測方法為：

22、獲取擬手術(shù)患者的歷史數(shù)據(jù)，所述歷史數(shù)據(jù)包括但不限于年齡、性別、住院天數(shù)、手術(shù)類型和既往病史；

23、對所述歷史數(shù)據(jù)進行預(yù)處理，所述預(yù)處理包括缺失值處理、特征編碼和數(shù)值特征標準化；

24、利用隨機森林模型對手術(shù)并發(fā)癥發(fā)生率進行預(yù)測，所述隨機森林模型的輸入為預(yù)處理后的歷史數(shù)據(jù)。

25、進一步地，步驟5中，所述病死率的預(yù)測方法為：

26、獲取擬手術(shù)患者的影響病死率數(shù)據(jù)，所述影響病死率數(shù)據(jù)包括患者基本特征、首次實驗室檢查指標、診斷和手術(shù)信息、實驗室指標變化趨勢衍生變量和并發(fā)癥；

27、將所述影響病死率數(shù)據(jù)輸入病死率預(yù)測模型，獲取病死率，所述病死率預(yù)測模型為基于提升樹的xgboost和catboost模型。

28、第二方面，本發(fā)明提供一種基于元數(shù)據(jù)模型的醫(yī)院運營指標預(yù)測系統(tǒng)，所述系統(tǒng)包括：

29、元數(shù)據(jù)模型建立模塊，用于建立元數(shù)據(jù)模型，所述元數(shù)據(jù)模型用于獲取關(guān)鍵指標，所述關(guān)鍵指標包括出院患者手術(shù)占比、出院患者四級手術(shù)占比、手術(shù)患者并發(fā)癥發(fā)生率、平均住院日、住院費用和病死率；

30、頻繁項集建立模塊，用于獲取所述關(guān)鍵指標之間的關(guān)系，建立頻繁項集；

31、數(shù)據(jù)合并模塊，用于將所述元數(shù)據(jù)模型和關(guān)鍵指標合并；

32、手術(shù)效價比計算模型計算模塊，用于基于頻繁項集，建立手術(shù)效價比計算模型，所述手術(shù)效價比計算模型的輸入為關(guān)鍵指標的頻繁項集，輸出為手術(shù)效價比；

33、指標預(yù)測模塊，用于預(yù)測擬手術(shù)患者的住院天數(shù)、住院費用、手術(shù)并發(fā)癥發(fā)生率和病死率，獲取假設(shè)該擬手術(shù)患者進行手術(shù)后的各項關(guān)鍵指標；

34、手術(shù)效價比獲取模塊，用于將擬手術(shù)患者進行手術(shù)后的各項關(guān)鍵指標輸入手術(shù)效價比計算模型，獲取擬手術(shù)患者進行手術(shù)后的手術(shù)效價比。

35、第三方面，本發(fā)明提供一種計算機設(shè)備，包括存儲器和處理器，所述存儲器中存儲有計算機程序，當所述處理器運行所述存儲器存儲的計算機程序時執(zhí)行如上文所述的一種基于元數(shù)據(jù)模型的醫(yī)院運營指標預(yù)測方法的步驟。

36、第四方面，本發(fā)明提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有多條計算機指令，所述多條計算機指令用于使計算機執(zhí)行如上文所述的一種基于元數(shù)據(jù)模型的醫(yī)院運營指標預(yù)測方法。

37、本發(fā)明的有益效果：

38、本發(fā)明通過建立元數(shù)據(jù)模型，獲取關(guān)鍵指標，所述關(guān)鍵指標包括出院患者手術(shù)占比、出院患者四級手術(shù)占比、手術(shù)患者并發(fā)癥發(fā)生率、平均住院日、住院費用和病死率；獲取所述關(guān)鍵指標之間的關(guān)系，建立頻繁項集；并將元數(shù)據(jù)模型和關(guān)鍵指標數(shù)據(jù)集合并；在頻繁項集基礎(chǔ)上建立手術(shù)效價比計算模型；預(yù)測擬手術(shù)患者的住院天數(shù)、住院費用、手術(shù)并發(fā)癥發(fā)生率和病死率，獲取假設(shè)該擬手術(shù)患者進行手術(shù)后的各項關(guān)鍵指標；將擬手術(shù)患者進行手術(shù)后的各項關(guān)鍵指標輸入手術(shù)效價比計算模型，獲取擬手術(shù)患者進行手術(shù)后的手術(shù)效價比，根據(jù)該手術(shù)效價比可以判斷對該擬手術(shù)患者進行手術(shù)的合理性,從而為患者和醫(yī)院提供一個最佳的綜合決策。本發(fā)明基于元數(shù)據(jù)模型，利用算法生成新的復(fù)雜指標模型，可以給醫(yī)院管理者進行綜合決策提供指導(dǎo)。

39、本發(fā)明適用于預(yù)測醫(yī)療數(shù)據(jù)和醫(yī)院運營指標未來的變化趨勢，為醫(yī)院決策者、數(shù)據(jù)管理者提供提前決策的依據(jù)，從而規(guī)避可能出現(xiàn)的醫(yī)療風險、群體事件、患者投訴等問題。