[发明专利]医生技术水平评级方法

权利要求书

1.一种医生技术水平评级方法，其特征在于，包括如下步骤：

步骤S1，采集某一专业以及该专业下所有医生名称和每个医生名下所有病例的Drgs分组及权重值；

步骤S2，对采集的所有数据进行清洗，保留满足Drgs正常分组的以及诊疗病例数大于50的数据；

步骤S3，训练Drgs权重分段模型；其中，预先指定权重分段的数量，然后根据已定分段的数量，初始化分段的候选集合，建立Drgs权重分段模型；

步骤S4，通过目标优化，找出满足最大化分段结构一致性原则的分段节点，提取步骤S3的最优分段结果；其中，遍历所有分段的候选集合，找出满足最大化分段结构一致性原则的分段节点，即满足最大化分段结构一致性公式的分段节点；

其中，最大化分段结构一致性公式为：

其中m代表划Drgs权重分段的个数，p_ij代表第i个医生在第j个分段的病例数比例，p_j代表按照第j段的病例数比例；n表示某一专业下所有医生的人数；

步骤S5，计算每个医生的病例组合指数；

步骤S6，通过聚类方法，以每个医生的病例组合指数和该医生每个权重分段下的病例数累计占比作为输入特征，将输入特征代入到聚类模型中，进行空间的划分，将同一个科室的不同医生根据技能水平预先划分为10个类别；其中，步骤S61，根据步骤S4提取的最佳分段结果，计算每个医生每个权重分段下的病例数；

步骤S62，把每个医生的病例综合指数和步骤S61中的计算的该医生的每个权重分段下的病例数的占比作为聚类模型的输入特征；

步骤S63，将输入特征代入到聚类模型中，根据聚类模型的方法，将不同的医生根据技能水平预划分为10个类别；

步骤S7，提取步骤S6中的预聚类结果；

步骤S8，对步骤S7提取的预聚类结果使用决策树进行验证，以及修正；

步骤S9，对步骤S8的聚类结果进行分级，并输出最终10个级别结果；

步骤S10，对每个医生的技能水平进行评价。

2.如权利要求1所述的医生技术水平评级方法，其特征在于，在步骤S1中，采集Drgs分组及权重值之前，对某一专业以及该专业下所有医生名称和每个医生名下所有病例的数据进行数据提取和数据预处理。

3.如权利要求1所述的医生技术水平评级方法，其特征在于，在步骤S5中，按照病例组合指数计算公式计算出每个医生的病例组合指数值，公式如下：

其中，CMI为该医生的病例组合指数值。

4.如权利要求1所述的医生技术水平评级方法，其特征在于，聚类模型选用K-means聚类模型，预先设定聚类的个数，然后不断更新聚类中心，目标是让所有数据点到其所属聚类中心距离的平方和趋于稳定。

5.如权利要求1所述的医生技术水平评级方法，其特征在于，在步骤S8中，根据决策树算法将步骤S7提取的预聚类结果进行验证以及修剪，具体步骤如下：

步骤S81，将步骤S7提取的预聚类结果作为决策树模型的输入特征；

步骤S82，以步骤S7提取的预聚类结果为参考标签，训练决策树模型；

步骤S83，根据步骤S82训练好的决策树模型，进行剪枝操作，增加决策树的泛化能力，得到聚类结果。

6.如权利要求1所述的医生技术水平评级方法，其特征在于，在步骤S9中，根据步骤S8得到的聚类结果，提取划分规则，以及确定十个类别的级别。