一种数据处理方法、装置以及系统、存储介质转让专利
申请号 : CN201911361480.3
文献号 : CN110767300B
文献日 : 2021-04-20
发明人 : 申文武 , 朱婷 , 龚姝
申请人 : 四川大学华西医院
摘要 :
权利要求 :
1.一种数据处理方法,其特征在于,用于确定双向转诊中的转诊成本,所述方法包括:接收第一医院发送的转诊请求,所述转诊请求中包括待转诊患者所要转诊的第二医院以及所述转诊请求对应的决策变量值;所述第一医院和所述第二医院的医院等级不同;不同的医院等级的医疗服务水平不同;
获取预先存储的转诊决策模型,所述转诊决策模型中存储有不同的决策变量值,以及每个决策变量值对应的转诊成本;
根据所述转诊请求对应的决策变量值以及所述转诊决策模型确定所述转诊请求的转诊成本;
将所述转诊成本反馈给所述第一医院和所述第二医院;
其中,在接收第一医院发送的转诊请求之前,所述方法还包括:获取决策变量与转诊成本的对应关系;
根据所述对应关系计算在不同的决策变量值下的转诊成本;
将所述不同的决策变量值以及分别对应的转诊成本对应存储,得到所述转诊决策模型;
其中,获取决策变量与转诊成本的对应关系,包括:获取预设的患者转诊意愿、就诊到达率、上转决策变量以及下转决策变量;
根据所述患者转诊意愿、所述转诊患者就诊到达率、所述上转决策变量以及所述下转决策变量确定所述对应关系;
其中,根据所述对应关系计算在不同的决策变量值下的转诊成本,包括:根据所述对应关系计算在不同的决策变量值下的等待成本、误诊成本以及闲置成本;
其中,所述闲置成本通过公式: 计算;
CI为所述闲置成本;λ1=(1‑αk1)λ,α为所述患者转诊意愿中的基层医院首诊意愿,k1为所述上转决策变量,λ为所述就诊到达率;μ1为大医院的门诊日均产能; β为所述患者转诊意愿中的下转意愿,k2为所述下转决策变量, N为大医院的病床量,T为大医院的住院平均时长;
r为大医院入院标准,λH为首诊选择大医院的转诊患者的就诊到达率,λL为首诊选择基层医院的转诊患者的就诊到达率;所述大医院的医院等级大于所述基层医院的医院等级。
2.根据权利要求1所述的方法,其特征在于,所述第二医院的医院等级大于所述第一医院的医院等级,所述决策变量值为所述待转诊患者的疾病严重程度,根据所述转诊请求对应的决策变量值以及所述转诊决策模型确定所述转诊请求的转诊成本,包括:查找与所述疾病严重程度对应的转诊成本;
将与所述疾病严重程度对应的转诊成本确定为所述转诊请求的转诊成本。
3.根据权利要求1所述的方法,其特征在于,所述第二医院的医院等级小于所述第一医院的医院等级,所述决策变量值为所述待转诊患者的下转时间点,根据所述转诊请求对应的决策变量值以及所述转诊决策模型确定所述转诊请求的转诊成本,包括:查找与所述下转时间点对应的转诊成本;
将与所述下转时间点对应的转诊成本确定为所述转诊请求的转诊成本。
4.根据权利要求1所述的方法,其特征在于,所述决策变量值包括上转决策变量值和下转决策变量值,根据所述对应关系计算在不同的决策变量值下的等待成本、误诊成本以及闲置成本,包括:
确定一个上转决策变量值,根据所述上转决策变量值以及所述对应关系计算在不同的下转决策变量值下的等待成本、误诊成本以及闲置成本;
确定一个下转决策变量值,根据所述下转决策变量值以及所述对应关系计算在不同的上转决策变量值下的等待成本、误诊成本以及闲置成本。
5.一种数据处理装置,其特征在于,用于确定双向转诊中的转诊成本,所述装置包括:接收模块,用于接收第一医院发送的转诊请求,所述转诊请求中包括待转诊患者所要转诊的第二医院以及所述转诊请求对应的决策变量值;所述第一医院和所述第二医院的医院等级不同;不同的医院等级的医疗服务水平不同;
获取模块,用于获取预先存储的转诊决策模型,所述转诊决策模型中存储有不同的决策变量值,以及每个决策变量值对应的转诊成本;
确定模块,用于根据所述转诊请求对应的决策变量值以及所述转诊决策模型确定所述转诊请求的转诊成本;
反馈模块,用于将所述转诊成本反馈给所述第一医院和所述第二医院;
其中,所述确定模块具体用于:获取决策变量与转诊成本的对应关系;根据所述对应关系计算在不同的决策变量值下的转诊成本;将所述不同的决策变量值以及分别对应的转诊成本对应存储,得到所述转诊决策模型;
以及具体还用于:获取预设的患者转诊意愿、就诊到达率、上转决策变量以及下转决策变量;根据所述患者转诊意愿、所述转诊患者就诊到达率、所述上转决策变量以及所述下转决策变量确定所述对应关系;
以及具体还用于:根据所述对应关系计算在不同的决策变量值下的等待成本、误诊成本以及闲置成本;
其中,所述闲置成本通过公式: 计算;
CI为所述闲置成本;λ1=(1‑αk1)λ,α为所述患者转诊意愿中的基层医院首诊意愿,k1为所述上转决策变量,λ为所述就诊到达率;μ1为大医院的门诊日均产能; β为所述患者转诊意愿中的下转意愿,k2为所述下转决策变量, N为大医院的病床量,T为大医院的住院平均时长;
r为大医院入院标准,λH为首诊选择大医院的转诊患者的就诊到达率,λL为首诊选择基层医院的转诊患者的就诊到达率;所述大医院的医院等级大于所述基层医院的医院等级。
6.一种数据处理系统,其特征在于,用于确定双向转诊中的转诊成本,包括:第一医院对应的第一客户端、第二医院对应的第二客户端、服务器;所述第一医院和所述第二医院的医院等级不同;不同的医院等级的医疗服务水平不同;
所述第一客户端用于:将所述第一医院的转诊请求发送给所述服务器,所述转诊请求中包括待转诊患者所要转诊的第二医院以及所述转诊请求对应的决策变量值;
所述服务器用于:接收所述转诊请求;获取预先存储的转诊决策模型,所述转诊决策模型中存储有不同的决策变量值,以及每个决策变量值对应的转诊成本;根据所述转诊请求对应的决策变量值以及所述转诊决策模型确定所述转诊请求的转诊成本;
所述服务器还用于将所述转诊成本反馈给所述第一客户端和所述第二客户端;
所述服务器具体用于:获取决策变量与转诊成本的对应关系;根据所述对应关系计算在不同的决策变量值下的转诊成本;将所述不同的决策变量值以及分别对应的转诊成本对应存储,得到所述转诊决策模型;
以及具体还用于:获取预设的患者转诊意愿、就诊到达率、上转决策变量以及下转决策变量;根据所述患者转诊意愿、所述转诊患者就诊到达率、所述上转决策变量以及所述下转决策变量确定所述对应关系;
以及具体还用于:根据所述对应关系计算在不同的决策变量值下的等待成本、误诊成本以及闲置成本;
其中,所述闲置成本通过公式: 计算;
CI为所述闲置成本;λ1=(1‑αk1)λ,α为所述患者转诊意愿中的基层医院首诊意愿,k1为所述上转决策变量,λ为所述就诊到达率;μ1为大医院的门诊日均产能; β为所述患者转诊意愿中的下转意愿,k2为所述下转决策变量, N为大医院的病床量,T为大医院的住院平均时长;
r为大医院入院标准,λH为首诊选择大医院的转诊患者的就诊到达率,λL为首诊选择基层医院的转诊患者的就诊到达率;所述大医院的医院等级大于所述基层医院的医院等级。
7.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被计算机运行时执行如权利要求1‑4任一项所述的方法中的步骤。
说明书 :
一种数据处理方法、装置以及系统、存储介质
技术领域
背景技术
判断是否同意该转诊请求。在决策时,医生一般根据患者的疾病严重程度等基本信息作一
个简单的判断,得到是否可以转诊的决策结果后,完成对该转诊请求的处理。
费或者患者不满的情况等。因此,传统的转诊决策的合理性较低,不利于医疗机构资源的配
置。
发明内容
同;不同的医院等级的医疗服务水平不同;获取预先存储的转诊决策模型,所述转诊决策模
型中存储有不同的决策变量值,以及每个决策变量值对应的转诊成本;根据所述转诊请求
对应的决策变量值以及所述转诊决策模型确定所述转诊请求的转诊成本;将所述转诊成本
反馈给所述第一医院和所述第二医院。
变量对应的转诊成本,在有新的转诊请求时,可直接将对应的转诊成本反馈给与转诊请求
相关的医院,对于医院来说,可以结合转诊成本和患者的基本情况得到一个较为合理的决
策结果。进一步的,医院在知道转诊成本后,还可以将转诊成本和决策结果告知患者以及根
据决策结果对医院的资源进行合理配置。因此,本申请实施例提供的数据处理方法实现了
转诊决策的合理性,有利于医疗机构对资源进行合理配置。
量值以及所述转诊决策模型确定所述转诊请求的转诊成本,包括:查找与所述疾病严重程
度对应的转诊成本;将与所述疾病严重程度对应的转诊成本确定为所述转诊请求的转诊成
本。
是患者的疾病严重程度对转诊成本的影响,进而转诊成本较合理。
值以及所述转诊决策模型确定所述转诊请求的转诊成本,包括:查找与所述下转时间点对
应的转诊成本;将与所述下转时间点对应的转诊成本确定为所述转诊请求的转诊成本。
现待转诊患者需要何时进行下转,根据该时间点能够得到较合理的转诊成本。
的转诊成本;将所述不同的决策变量值以及分别对应的转诊成本对应存储,得到所述转诊
决策模型。
所述转诊患者就诊到达率、所述上转决策变量以及所述下转决策变量确定所述对应关系。
合理且准确的。
成本。
括:确定一个上转决策变量值,根据所述上转决策变量值以及所述对应关系计算在不同的
下转决策变量值下的等待成本、误诊成本以及闲置成本;确定一个下转决策变量值,根据所
述下转决策变量值以及所述对应关系计算在不同的上转决策变量值下的等待成本、误诊成
本以及闲置成本。
比较准确,且不混乱。
医院等级的医疗服务水平不同;所述第一客户端用于:将所述第一医院的转诊请求发送给
所述服务器,所述转诊请求中包括待转诊患者所要转诊的第二医院以及所述转诊请求对应
的决策变量值;所述服务器用于:接收所述转诊请求;获取预先存储的转诊决策模型,所述
转诊决策模型中存储有不同的决策变量值,以及每个决策变量值对应的转诊成本;根据所
述转诊请求对应的决策变量值以及所述转诊决策模型确定所述转诊请求的转诊成本;所述
服务器还用于将所述转诊成本反馈给所述第一客户端和所述第二客户端。
式中所述的方法的步骤。
附图说明
作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以
根据这些附图获得其他相关的附图。
具体实施方式
及多个客户端,每个客户端对应一个医院,如第一医院对应的第一客户端102、第二医院对
应的第二客户端103。数据处理系统100可以理解为辅助各个医院进行转诊的系统,各个客
户端可以向服务器101发送各类请求,服务器101在接收到请求后,根据已存储有的各类信
息对请求进行处理,包括各个医院的信息以及其他与转诊相关的信息,在处理完成后,反馈
对应的结果给客户端。
时,各个医院通过手机或者电脑上安装的应用程序与服务器101进行交互。在这种架构中,
应用程序可以是医院自己设计的应用程序,医院员工可以在手机或者电脑上进行下载使
用。
序、小程序等,应用程序可以安装在手机、电脑等电子设备上;小程序可以通过应用程序进
入,如微信、QQ等的小程序。此外,还可以是公众号、服务号等,如微信公众号、QQ服务号等。
同一个市的医院,各个医院的医院等级包括至少两种,不同的医院等级的医院的治疗和服
务水平不相同,医院等级越高,治疗和服务水平越高。举例来说,假设在XX市,现有两种医院
等级,大医院和基层医疗机构,大医院的医院等级高于基层医疗机构的医院等级,大医院代
表三级甲等以上的医院,基层医疗机构代表三级甲等以下的医院。那么数据处理系统100中
管理XX市的这两种医院等级的各个医院的转诊。当然,医院等级还可以划分的更细,例如卫
生所、诊所这类小医院的医院等级可以低于基层医疗机构的医院等级。该数据处理系统100
可以命名为例如XX市转诊数据处理系统等。
院的名称等,这样服务器101在接收到一个请求或者信息时,便能知道发送该请求或者信息
的客户端对应的医院。
级高的医院,如从基层医疗机构转向大医院(例如三级甲等医院);下转为从当前医院转向
比自身的医院等级低的医院,如从大医院转向基层医疗机构。具体来说,在图2中,当患者就
医需求产生时,会先选择一个就医机构,在选择后,可能会前往大医院就诊,也可能会前往
基层医疗机构就诊。选择基层医疗机构就诊,在门诊诊断后,患者可以选择直接离开,也可
以选择从基层医疗机构转向大医院,也可以选择继续在门诊的机构进行治疗与康复。选择
大医院门诊就诊或者通过基层机构转诊至大医院门诊就诊后,假设患者选择了继续治疗与
康复,对于大医院来说,若患者的病情好转,为了避免大医院资源的浪费,可以选择转向基
层医疗机构。对于基层医疗机构来说,若由于基层医疗机构的水平较低,出现了误诊的情
况,也可以选择转向大医院进行进一步的诊断以及治疗。因此,对于大医院的患者来说,可
以根据实际需求发起向下转诊请求,对于基层医疗机构的患者来说,可以根据实际需求发
起向上转诊请求。
示意图,该数据处理方法包括:
请求相关的两个医院。第一客户端102和第二客户端103各自对应的医院员工可以根据转诊
成本进行转诊决策,告知待转诊患者,并根据决策结果对医院资源进行合理的配置。通过该
数据处理方法,实现了转诊决策的合理性,有利于医疗机构对资源进行合理配置。
求上传至第一客户端102并存储,作为待处理转诊请求,然后第一客户端102按照上传的顺
序依次将转诊请求发送给服务器101。当被动时,医院的员工上传请求到第一客户端102是
非实时的,即医院的员工一次只提交一个转诊请求,第一客户端102在接收到后实时发送给
服务器101。
二医院的医院等级时,代表转诊请求为上转转诊请求,那么决策变量值为疾病严重程度。当
第一医院的医院等级大于第二医院的医院等级时,代表转诊请求为下转转诊请求,那么决
策变量值为下转时间点。
限,只能有效治愈部分比例就医患者,且其患者治愈率随着患者病情严重程度的提高而降
低,因此会出现一定概率的误诊现象,由此导致基层就医的误诊成本。将 定义为反映患者
疾病严重程度的随机变量,且 ;将基层医疗机构对于疾病严重程度为 的患者治愈
概率密度函数记为 。疾病严重程度可以作为转诊决策的判断因素之一,如基层
医疗机构可以基于疾病严重程度对基层首诊的患者做出是否上转至大医院门诊的基层上
转决策,即上转比例决策,也称为上转门槛决策,记作 ,其中 ,即当患者疾病严重
程度 时,将被基层留诊,反之则上转至大医院。当患者疾病严重程度低于大医院入院治
疗标准时候(如大医院入院门槛为 ,且 ),门诊诊断完毕后患者离开;当患
者疾病严重程度高于需要入院治疗的标准时(如大医院 时),则被收治入院。
假设未转诊时大医院患者平均住院时长为T,则开展下转服务后大医院将在 时刻将患
者下转至基层医疗机构。
关系计算在不同的决策变量值下的转诊成本;将不同的决策变量值以及分别对应的转诊成
本对应存储,得到转诊决策模型。其中,获取决策变量与转诊成本的对应关系,可以包括:获
取预设的患者转诊意愿、就诊到达率、上转决策变量以及下转决策变量;根据患者转诊意
愿、转诊患者就诊到达率、上转决策变量以及下转决策变量确定对应关系。
成本。患者转诊意愿可以包括首诊偏好以及上转和下转的意愿,就诊到达率代表到达基层
与大医院的规模比例。一方面,患者群体具有一定确定水平的基层首诊(或大医院首诊)偏
好 ,则患者群体到达基层与大医院的规模比例为 ;另一方面,大医院入院患者具有一定
确定水平的康复下转意愿 ,则大医院入院患者接受医生转诊建议下转比例为 。
和基层医疗机构。因此,基于图4所示的概念模型,可以确定出决策变量与转诊成本的表达
式: ,其中, 为大医院患者等待成本,根据大医院门诊就诊患者数
量和单位等待成本可得,受基层转诊决策影响较大; 为基层机构患者误诊成本,根据误
诊患者数量和单位误诊成本可得,受入院患者疾病严重水平与下转决策影响较大; 为大
医院闲置成本,可以根据闲置资源数量和单位闲置成本计算得到,受上转决策影响较大。
基层机构门诊提出转诊请求,大医院和基层机构患者的到达服从泊松分布,并独立同分布,
即患者提出转诊请求的概率是随机的。(2)各医院的患者到达均服从泊松分布,并独立同分
布,即到各个医院看病的患者数量也是随机的。(3)大医院和基层机构各节点医生服务时间
服从指数分布,并独立同分布,即各个医院的医生的服务时间是固定的。(4)各服务节点均
可接待无限数量患者,均采用单服务台服务,可描述为 M/M/1 模型,即各个医院能够接待
的患者没有限制。(5)各服务节点处就诊或转诊患者预约后准时到达,且服从先到先服务的
服务规则,即不会出现患者取消预约等情况,且一般先到的患者先得到服务。(6)医院患者
到达率与基层医疗机构患者到达率受患者基层首诊意愿影响而变化,但两个机构患者到达
率之和恒定,即去大医院就诊和去基层医疗机构就诊的患者的概率是受患者的首诊意愿变
化的。(7)大医院和基层医疗机构各自医疗资源总量固定。(8)各医院对应的服务台服务强
度小于 1,即p小于1。(9)计算各项成本考虑的时间单位为“天”。(10)患者疾病严重程度 x
在[0,1]区间内服从均匀分布,即患者的疾病严重程度通过0‑1内的数字表示,值越大,代表
疾病越严重。
者比例为 。 :下转决策变量,即大医院住院患者下转基层的转诊时点, ,大
医院住院患者原平均入院时间为 ,推行双转服务后,医生将针对已接受 时长治疗的患
者给予下转建议。
律,给出以下平衡方程式:
院部的患者流 。根据大医院入院门槛r与首诊意愿 ,满足:
层首诊上转大医院入院后下转回基层患者到达率 。根据基层医疗机构针对病情为x
治愈概率密度函数 ,基层医疗机构治愈量函数 ,基层上转门槛 和大医院入院标
准r,满足:
算在不同的决策变量值下的等待成本、误诊成本以及闲置成本。
一次可以只设置一个变量,即固定其中一个变量,改变另一个变量,计算得到不同的成本
值。因此,具体的计算过程可以包括:确定一个上转决策变量值,根据上转决策变量值以及
对应关系计算在不同的下转决策变量值下的等待成本、误诊成本以及闲置成本;确定一个
下转决策变量值,根据下转决策变量值以及对应关系计算在不同的上转决策变量值下的等
待成本、误诊成本以及闲置成本。
进行首诊。因此,假设首诊选择大医院的患者比例为75%,即 。(2)根据门诊和住院患
者量数据的统计,单科室日平均门诊量为370人次。在分级诊疗政策下,大医院门诊患者逐
渐实现基层分流,因此,假设当前大医院单科室日平均门诊量为345,单科室日平均门诊号
源总量 为370,平均服务率 为0.93。(3)在大医院单科室日平均门诊量(345)和患者大
医院首诊就医比例(0.75)假定条件下,给定由一个大医院和一个社区医院每天所接待的区
域内患者群体总量平均值 为460人次。(4)根据门诊入院患者量进行数据统计分析,平均
入院需求率为5.7%。并假设大医院入院门槛r取值范围在为50%至80%。(5)假设基层医疗机
构诊疗能力为f(x)=1‑x。如果大型综合医院与基层医疗机构之间没有上下协同互转渠道,
仅当基层医疗机构出现无法有效治愈患者、产生误诊现象才进行患者上转,则当r=0.8时,
大医院承接日平均入院量 。依据现有的大医院
的诊疗情况,假设大医院平均入院日T为8天,床位量N为800,日平均可提供床位量 为100,
平均服务率 为1.27。(6)考虑目前基层医疗机构医疗资源以及医疗服务能力水平较为有
限,误诊成本较高;大医院就医患者群体数量较大,稀缺优质医疗资源空闲情况较少出现;
同时,在医疗资源分配不均、患者偏好于优质资源的就医行为习惯背景下,大医院长时间候
诊的排队就诊现象屡见不鲜,患者不得不容忍通过较长等待时间换取较高服务质量的医疗
服务现状。因此,假设初始单位误诊成本、医疗资源空闲成本和等待成本分别为50,30和20。
根据(1)‑(6)的假设,得到的各初始值如表2所示:
决策变量 时,可实现转诊成本(总成本)最优,为3720。
和图6可以看出,随着基层转诊门槛 的提升,门诊节点患者等待成本降低,门诊资源闲置
成本增加;住院节点患者等待成本先增大,后缓慢降低,而住院资源闲置成本较为平稳,基
层误诊成本增加。随着基层转诊门槛 的提升,总成本先降低而后逐步增高;其中系统患者
等待成本随着 的提升而下降,闲置成本与误诊成本均跟随着 的增加而增加,其中误诊
成本增长幅度较强。
决策变量 时候,其最优化系统总成本为2140。
和图6可以看出:随着大医院康复下转时间点 的提前,门诊节点患者等待成本与门诊资源
闲置成本基本稳定不变,即不受下转决策影响;住院部门患者等待成本降低;基层机构误诊
成本以及住院节点资源闲置成本也随之增大。随着大医院康复下转时间点 的提前,总成
本逐步增高;其中系统患者等待成本随着 的提升而下降,闲置成本与误诊成本均跟随着
的增加而增加,其中闲置成本增长幅度较强。
意愿偏好情况下,假设 ,计算出的各个成本可以如表5所示,当
基层首诊意愿偏好 时,可实现系统总成本最优为3500。
看出:随着患者首诊意愿偏好 的提升,门诊节点患者等待成本降低,门诊资源闲置成本增
加;住院节点患者等待成本增加,而住院环节无资源闲置现象;基层误诊成本增加。随着患
者首诊意愿偏好 的提升,总成本先降低而后逐步增高;其中系统患者等待成本随着 的
提升而下降,闲置成本与误诊成本均跟随着 的增加而增加。在具体实施时,也可以将表5
的数据也存储到转诊决策模型中。
确定转诊成本时,根据不同的转诊请求有不同的处理方式。第一种实施方式:查找与疾病严
重程度(即上转决策变量)对应的转诊成本;将与疾病严重程度对应的转诊成本确定为转诊
请求的转诊成本。比如,当疾病严重程度为0.1时,根据表3中的数据,此时的等待成本为80,
误诊成本为450,总成本为4290,将疾病严重程度为0.1对应的各成本值反馈给第一客户端
102和第二客户端103即可。
表4中的数据,此时的等待成本为12,误诊成本为1550,总成本为2140,将下转时间点为0.3
对应的各成本值反馈给第一客户端102和第二客户端103即可。
成本,将两个因素分别对应的转诊成本均反馈给第一客户端102和第二客户端103。
求的医院,可以根据得到的转诊成本对转诊请求进行分析,决定是否为待转诊患者进行转
诊预约。对于如何决策,可以设置转诊成本与决策变量的权重值,该权重值代表两个决策因
素的重要性,使决策者根据设置的权重值作出转诊决策。还可以设置转诊成本与决策变量
的乘积的一个阈值,当转诊成本与决策变量的乘积小于或者等于该阈值时,该转诊请求的
决策结果为通过,当转诊成本与决策变量的成绩大于该阈值时,该转诊请求的决策结果为
不通过。
高,预先安排一个等级较高的医生,在待转诊患者转诊成功后,立刻为该患者进行诊断,减
少误诊成本。
院的医院等级不同;不同的医院等级的医疗服务水平不同。获取模块302,用于获取预先存
储的转诊决策模型,所述转诊决策模型中存储有不同的决策变量值,以及每个决策变量值
对应的转诊成本。确定模块303,用于根据所述转诊请求对应的决策变量值以及所述转诊决
策模型确定所述转诊请求的转诊成本。反馈模块304,用于将所述转诊成本反馈给所述第一
医院和所述第二医院。
值以及分别对应的转诊成本对应存储,得到所述转诊决策模型。
量以及所述下转决策变量确定所述对应关系。
确定一个下转决策变量值,根据所述下转决策变量值以及所述对应关系计算在不同的上转
决策变量值下的等待成本、误诊成本以及闲置成本。
处理方法的实施方式,所以为了说明书的简洁,在此不再详述。
处理方法中的步骤。
辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可
以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间
的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连
接,可以是电性,机械或其它的形式。
个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的
目的。
的关系或者顺序。
任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。