摘要：文章揭示在线问诊平台交互过程中的用户知识需求演化特征,为提高医患交互效率、深化健康信息学研究提供参考。通过爬取在线问诊平台C平台中消化内科板块医患交互对话记录,设计用户知识编码体系,分析用户表达的知识类型总体特征、知识类型转化概率和知识需求演化路径。结果发现:在线问诊平台医患交互过程中用户表达的知识类型多但趋于集中,主动型知识占比高于被动型知识,用户知识需求演化过程呈现三个主要特征。

摘要：目前学界对在线问诊服务已展开多方面的研究,但在线问诊服务使用意愿的研究并不丰富,尤其是商业平台在线问诊服务使用意愿的研究。为探究商业平台在线问诊服务使用意愿的影响因素,采用半结构化访谈的方式对22位受访者进行深度访谈,并运用扎根理论对原始访谈资料进行分析。通过对访谈资料进行开放式编码、主轴式编码和选择性编码,得到了平台因素、个人特征、医生因素、患者感知四个主要影响维度,并基于SR和SOR理论构建了理论模型。最后从平台、医生和患者的角度就提高在线问诊服务使用意愿提出了相关建议。

摘要：目的:本研究探讨在线问诊平台下代理求助行为和医生不确定性沟通方式对患方对医态度的影响。方法:采用2(代理求助:代为问诊vs.信息搜寻)×2(不确定性沟通方式:含蓄vs.直白)×2(疾病严重程度:轻症vs.重症)三因素混合实验设计。结果:代理求助和不确定性沟通方式的主效应显著,代为问诊和含蓄的不确定性沟通方式下的患方态度更积极,即对医信任、对医印象、在线问诊满意度和推荐行为倾向更高。代理求助和不确定性沟通方式对患方态度的交互作用显著:信息搜寻时,相比于直白的不确定性沟通方式,含蓄的不确定性沟通方式下患方态度更积极。结论:在线问诊中的医生用含蓄的不确定性沟通方式可使搜寻信息的代理求助者的对医态度更积极,这为改进在线问诊平台中的医患沟通方式提供了启示。

摘要：【目的】将深度学习引入医疗推荐领域,解决在线诊疗过程中患者“择医”面临的实际问题。【方法】利用患者问诊记录,采用层次注意力网络(HAN)构建医生与患者模型;设计基于“医患”适配度和患者“评分”的医生推荐方案。两个方案应用深度学习框架HAN构建医生和患者模型,并运用注意力机制加强“医患”向量间的交互,使医生名下的与求诊者病情相似的患者获得更高权重,据此计算医生推荐值。【结果】HAN能够从患者的疾病描述中提取表征病情的关键信息,通过提升建模质量,推荐命中率相较经典的Word2Vec模型提升了16.45个百分点;对于推荐值计算,基于注意力机制的“评分”方案的命中率最高(79.7%),显著优于基于余弦相似度的计算方案(74.9%)。【局限】仅利用医生名下历史患者的问诊数据为医生建模,医生的口碑、资历、专长等信息未纳入模型。【结论】构建用户和推荐对象模型是设计推荐系统的关键,增强用户和推荐对象之间的特征交互可以提高推荐质量,本研究验证了基于深度学习的建模技术在推荐任务中的优势。

摘要：目的探讨新型BOPPPS(bridge-in、objective、pre-assessment、participatory-learning、post-assessment、summary)教学模式在肝胆外科线上教学中的应用价值。方法选取2022年3-7月重庆医科大学2019级临床医学二系本科生(205名)及2018级临床医学二系本科生(200名)为研究对象,2019级学生为线上教学,为研究组,2018级学生为线下教学,为对照组。教研室师资创新性地将BOPPPS教学模式拆分融入线上教学课程3个阶段的设计中,并对课前、课中、课后3个阶段的教学进行细分、优化,提出了“分组讨论”的参与式教学方法,加强了师生互动。通过直播软件、学习平台、微信群等线上教学工具进行授课及答疑,提出了“云查房”“在线问诊”等线上医学实践方法,同时,课程组师资在课程中融入了“课程思政”的内容。结果线上教学总体取得了较好的教学成效,线上教学的2019学生成绩和及格率与线下教学的2018级学生成绩相比,差异有统计学意义(P<0.05)。学生们对线上教学的满意度较高。结论课程组师资创新性地将BOPPPS教学模式拆分融入线上教学课程3个阶段的设计中,加强了师生互动,“课程思政”内容的有机融入进一步提升了教学效果,为今后的线上教学工作提供了丰富的经验与新的思路。

摘要：现在一些大医院门诊拥挤、热门科室一号难求,因此有些人利用医院管理的漏洞,倒买倒卖“专家号”从中获利。通过实现一款移动医疗通在线问诊App以缓解以上情况。系统基于前后端分离架构进行设计开发,前端采用VUE框架实现,后台利用Spring Boot框架,结合JDBC、MyBatis等技术。整套系统分为三端:患者端、医生端、管理员端。用户端:用户通过手机访问App,可以查看医生信息,在线问诊,还可以查询自己的处方、订单等信息。医生端:选择患者在线交流,添加处方和修改处方等。管理员端:主要功能是对用户、医生、药品、科室、订单等进行管理。该系统大大降低了患者在线下医院就诊所需要的时间,简化了操作流程。

摘要：随着人们生活水平的提高和健康意识的增强,患者对于优质便捷的诊疗服务的需求越来越大,社区家庭医生在线问诊系统应运而生。该系统操作简便、界面美观、响应迅速,用户可通过移动设备随时随地进行咨询。系统提供普通病情解答、常见疾病诊断和处方开具等一站式医疗服务。聘请高素质医疗专家,并通过机器学习等技术不断提高问诊准确性。未来,社区家庭医生在线问诊系统将成为医疗服务重要组成部分,对整个行业产生深远影响。

摘要：[目的/意义]探究不同健康信息搜寻方式下用户的学习结果,以发现不同搜寻方式带来的学习结果是否存在差异。[方法/过程]采用模拟检索实验、问卷调查与深度访谈3种研究方法,从认知学习和态度学习两个维度设计健康信息用户学习结果评估指标,比较3种信息搜寻方式的用户在学习结果上存在的差异。[结果/结论]研究发现,3种信息搜寻方式的用户在搜寻后获得的认知学习结果存在差异。用户在搜寻过程中所学习的信息内容受到信息搜寻方式和信息来源的影响;不同搜寻方式的用户在搜寻信息前后的情绪类型与情绪变化路径也存在差异。研究结果从理论上扩展已有搜索即学习领域普遍关注的认知学习结果分类研究,印证信息搜寻用户认知学习与态度学习之间的内在关系,为奠定搜索即学习过程分析提供有益的参考。

摘要：研究并设计了一种中医药在线远程医疗系统。本系统的研发以用户需求为核心驱动,实现了中医在线问诊、在线药店、短信提醒和消费积分等功能。本系统的研制改善了当前医疗系统的许多问题,很大程度上提高了中医诊疗系统的智能化。

摘要：目的:为智能医疗的网络问诊设计一个前端任务模块,对互联网真实医患对话文本进行自动标注研究,探索识别对话实体阴阳性准确率较高的方法。方法:对医患对话真实文本特点进行分析,选取BERT及BERT-WWM对医患对话真实文本中的实体进行嵌入向量化,再通过语义信息获取,最终对实体属性进行分类和计算,自动标注其阴阳性。结果:实验结果表明BERT-WWM在处理中文对话的实体分类标注时优于BERT约16%。结论:优先选择全词掩码,以单元(Unit)来替代以字为单位的掩码对医学类实体进行分类和标注,可大大提高原模型的准确度。