一种患者就诊等待时长的估计方法及装置

技术领域

本发明涉及医疗器械技术领域，特别是涉及一种患者就诊等待时长的估计方法及装置。

背景技术

随着互联网技术的发展，远程医疗会诊这一新医疗形态应运而生。远程医疗会诊在医学专家和患者之间建立起全新的联系，患者通过远程会诊平台进行就诊预约，在原地即可接受医生的会诊及治疗，为患者和医生提供极大的便利。

然而，患者在通过远程会诊平台进行就诊预约后，由工作人员估计每一位患者的就诊等待时长，由于是由人工手动估计就诊等待时长，导致就诊等待时长的估计效率较低。

发明内容

本发明实施例的目的在于提供一种患者就诊等待时长的估计方法及装置，以提高就诊等待时长的估计效率。具体技术方案如下：

第一方面，本发明实施例提供了一种患者就诊等待时长的估计方法，所述方法包括：

在确定第一待就诊患者的就诊顺序号后，获得诊断所述第一待就诊患者的目标医生的历史诊断时长，并获得所述第一待就诊患者的就诊日期内所述目标医生的已诊断患者的时长，作为已诊断时长；

基于所述历史诊断时长以及已诊断时长，预估所述目标医生诊断患者的平均诊断时长；

基于所述平均诊断时长以及第二待就诊患者的数量，预估所述第一待就诊患者的就诊等待时长，其中，所述第二待就诊患者为：所述就诊日期内所述目标医生的待就诊患者中就诊顺序位于所述第一待就诊患者之前的患者。

本发明的一个实施例中，上述基于所述历史诊断时长以及已诊断时长，预估所述目标医生诊断患者的平均诊断时长，包括：

获得所述目标医生的历史诊断患者的第一数量，并获得所述已诊断患者的第二数量；

基于所述历史诊断时长与第一数量，计算所述目标医生的历史平均诊断时长；

基于所述历史平均诊断时长、已诊断时长以及第二数量，预估所述目标医生诊断患者的平均诊断时长。

本发明的一个实施例中，上述基于所述历史平均诊断时长、已诊断时长以及第二数量，预估所述目标医生诊断患者的平均诊断时长，包括：

按照以下表达式计算平均诊断时长T

其中，T

本发明的一个实施例中，上述方法还包括：

在每一第二待就诊患者诊断结束后，基于该第二待就诊患者的诊断时长，更新所述已诊断时长，基于更新后的已诊断时长，返回所述基于所述历史诊断时长以及已诊断时长，预估所述目标医生诊断患者的平均诊断时长的步骤。

本发明的一个实施例中，上述基于所述平均诊断时长以及第二待就诊患者的数量，预估所述第一待就诊患者的就诊等待时长，包括：

基于所述第二待就诊患者的身份信息以及病情描述信息，计算所述第二待就诊患者的预估诊断时长；

基于所述第二待就诊患者的预估诊断时长以及平均诊断时长，预估所述第二待就诊患者的实际诊断时长；

基于所述第二待就诊患者的实际诊断时长以及第二待就诊患者的数量，预估所述第一待就诊患者的就诊等待时长。

本发明的一个实施例中，上述基于所述第二待就诊患者的预估诊断时长以及平均诊断时长，预估所述第二待就诊患者的实际诊断时长，包括：

按照以下方式针对每一第二待就诊患者计算实际诊断时长：

计算第二待就诊患者的预估诊断时长与平均诊断时长之间的时长差；

若计算得到的时长差大于预设时长误差阈值，计算第二待就诊患者的预估诊断时长与平均诊断时长的平均值，作为第二待就诊患者的实际诊断时长；

若计算得到的时长差小于或等于预设时长阈值，将平均诊断时长确定为第二待就诊患者的实际诊断时长。

本发明的一个实施例中，上述方法还包括：

基于所述就诊等待时长，预估所述第一待就诊患者的就诊时间；

通过长连接向所述第一待就诊患者使用的用户客户端推送包含所述就诊等待时长以及就诊时间的消息，以使得所述用户客户端显示所述就诊等待时长以及就诊时间。

第二方面，本发明实施例提供了一种患者就诊等待时长的估计装置，所述装置包括：

时长获得模块，用于在确定第一待就诊患者的就诊顺序号后，获得诊断所述第一待就诊患者的目标医生的历史诊断时长，并获得所述第一待就诊患者的就诊日期内所述目标医生的已诊断患者的时长，作为已诊断时长；

第一时长预估模块，用于基于所述历史诊断时长以及已诊断时长，预估所述目标医生诊断患者的平均诊断时长；

第二时长预估模块，用于基于所述平均诊断时长以及第二待就诊患者的数量，预估所述第一待就诊患者的就诊等待时长，其中，所述第二待就诊患者为：所述就诊日期内所述目标医生的待就诊患者中就诊顺序位于所述第一待就诊患者之前的患者。

本发明的一个实施例中，上述第一时长预估模块，包括：

数量获得子模块，用于获得所述目标医生的历史诊断患者的第一数量，并获得所述已诊断患者的第二数量；

时长计算子模块，用于基于所述历史诊断时长与第一数量，计算所述目标医生的历史平均诊断时长；

时长预估子模块，用于基于所述历史平均诊断时长、已诊断时长以及第二数量，预估所述目标医生诊断患者的平均诊断时长。

本发明的一个实施例中，上述时长预估子模块，具体用于按照以下表达式计算平均诊断时长T

其中，T

本发明的一个实施例中，上述装置还包括时长更新模块，所述时长更新模块具体用于在每一第二待就诊患者诊断结束后，基于该第二待就诊患者的诊断时长，更新所述已诊断时长，基于更新后的已诊断时长，触发所述第一时长预估模块。

本发明的一个实施例中，上述第二时长预估模块，包括：

时长计算子模块，用于基于所述第二待就诊患者的身份信息以及病情描述信息，计算所述第二待就诊患者的预估诊断时长；

第一时长预估子模块，用于基于所述第二待就诊患者的预估诊断时长以及平均诊断时长，预估所述第二待就诊患者的实际诊断时长；

第二时长预估子模块，用于基于所述第二待就诊患者的实际诊断时长以及第二待就诊患者的数量，预估所述第一待就诊患者的就诊等待时长。

本发明的一个实施例中，上述第一时长预估子模块，具体用于计算第二待就诊患者的预估诊断时长与平均诊断时长之间的时长差；若计算得到的时长差大于预设时长误差阈值，计算第二待就诊患者的预估诊断时长与平均诊断时长的平均值，作为第二待就诊患者的实际诊断时长；若计算得到的时长差小于或等于预设时长阈值，将平均诊断时长确定为第二待就诊患者的实际诊断时长。

本发明的一个实施例中，上述装置还包括消息推送模块，所述消息推送模块具体用于基于所述就诊等待时长，预估所述第一待就诊患者的就诊时间；通过长连接向所述第一待就诊患者使用的用户客户端推送包含所述就诊等待时长以及就诊时间的消息，以使得所述用户客户端显示所述就诊等待时长以及就诊时间。

第三方面，本发明实施例提供了一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的方法步骤。

第四方面，本发明实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法步骤。

由以上可见，应用本发明实施例提供的方案估计患者就诊时长时，由于是由服务器对患者的就诊等待时长进行预估，相较于现有技术中由人工手动预估就诊等待时长，提高了时长估计效率。

并且，由于历史诊断时长表征目标医生历史诊断所耗费的时间信息，已诊断时长表征就诊日期内目标医生诊断患者所耗费的时间信息，综合历史时间维度以及当前就诊时间维度这两类维度上目标医生进行诊断的诊断时长信息，能够全面充分预估患者的就诊等待时长，从而使得所预估的患者就诊等待时长更接近真实就诊等待时长，提高了就诊时长的估计准确度

当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。

图1为本发明实施例提供的一种远程医疗系统的系统架构图；

图2为本发明实施例提供的第一种患者就诊等待时长的估计方法的流程示意图；

图3为本发明实施例提供的第二种患者就诊等待时长的估计方法的流程示意图；

图4为本发明实施例提供的第三种患者就诊等待时长的估计方法的流程示意图；

图5为本发明实施例提供的一种患者就诊等待时长的估计装置的结构示意图

图6为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本发明保护的范围。

首先，对本发明实施例的应用场景和执行主体进行说明。

本发明实施例提供的方案应用于远程医疗系统，上述远程医疗系统可以为儿童远程医疗智能诊断服务系统、儿童远程医疗会诊系统等。

远程医疗系统的系统架构图如图1所示，在图1所示的远程医疗系统中标识为a的设备为用户客户端，标识为b的设备为医生客户端，标识为c的设备为服务器。用户可以通过用户客户端进行预约、与医生进行交流、查询病情资料等；医生可以通过医生客户端查看患者信息、与患者进行交流等；服务器用于存储患者、医生的信息，并进行数据处理。

本发明实施例提供的方案的执行主体为上述儿童远程医疗系统中的服务器。

以下对本发明实施例提供的患者就诊等待时长方法进行具体说明。

参见图2，图2为本发明实施例提供的第一种患者就诊等待时长的估计方法的流程示意图，上述方法包括以下步骤S201-S203。

步骤S201：在确定第一待就诊患者的就诊顺序号后，获得诊断第一待就诊患者的目标医生的历史诊断时长，并获得第一待就诊患者的就诊日期内目标医生的已诊断患者的时长，作为已诊断时长。

第一待就诊患者是指待估计就诊等待时长的待就诊患者。

上述就诊顺序号表征第一待就诊患者的就诊顺序。具体的，第一待就诊患者可以通过用户客户端进行预约，用户客户端向服务器发送包含目标医生标识的预约请求，服务器在接收到上述请求后，确定第一待就诊患者的就诊顺序号，并向用户客户端发送包含上述就诊顺序号的响应，用户客户端可以显示上述就诊顺序号。

在确定第一待就诊患者的就诊顺序号时，一种实施方式中，可以预先获取平台注册医生的问诊数，基于问诊数确定上述平台注册医生对应的就诊顺序号，将就诊顺序号按照递增顺序倒序存入数据库中，基于此，服务器在接收到第一待就诊患者的预约请求后，从数据库中倒序读取目标医生当前的就诊顺序号，作为第一待就诊患者的就诊顺序号。上述数据库可以为Redis(Remote DictionaryServer，远程字典服务)，Redis可以运行于内存中，使得响应速度快，并且Redis能够防止高并发，以避免数据读取出现故障。

例如：当目标医生的问诊数为5时，所确定的就诊顺序号依次为：1、2、3、4、5，将上述就诊顺序号按照递增顺序倒序存入数据库中，所存储的就诊顺序号依次为：5、4、3、2、1，服务器在接收到第一待就诊患者的预约请求后，从数据库所存储的目标医生的就诊顺序号中倒序读取目标医生当前的就诊顺序号，假设当前就诊顺序号为2，那么第一待就诊患者的就诊顺序号为2。

上述目标医生可以是第一待就诊患者自行选择的，也可以是服务器按照预设匹配算法为第一待就诊患者匹配的医生。

上述历史诊断时长是指：目标医生在历史时间为各患者进行诊断的诊断时长。上述历史诊断时长可以存储于数据库中，基于此，可以从数据库中读取目标医生的历史诊断时长。

上述就诊日期为：上述第一待就诊患者就诊的日期。例如：第一待就诊患者就诊的日期为：2022-1-1，就诊日期为：2022-1-1。

上述已诊断患者是指：在上述就诊日期内目标医生已经诊断的患者。已诊断时长是指目标医生为每一已诊断患者进行诊断的总时长。

在目标医生为每一已诊断患者进行诊断后，服务器可以将诊断时长存储于本地，基于此，可以从本地存储的信息中，读取目标医生的每一已诊断患者的时长，计算所读取的每一时长之和，作为已诊断时长。

步骤S202：基于历史诊断时长以及已诊断时长，预估目标医生诊断患者的平均诊断时长。

历史诊断时长能够反映目标医生历史诊断所耗费的时间信息，已诊断时长能够反映就诊日期内目标医生诊断患者所耗费的时间信息，基于上述两类时长，能够全面、充分地预估目标医生诊断患者的平均诊断时长。

在预估平均诊断时长时，一种实施方式中，可以按照预设权重，对历史诊断时长以及已诊断时长进行加权求和，得到时长和值，将上述时长和值输入预先训练的第一时长预估模型，得到上述第一时长预估模型输出的时长，作为目标医生诊断患者的平均诊断时长。

上述预设权重包含历史诊断时长对应的第一权重、已诊断时长对应的第二权重，由于已诊断时长在时间上更接近目标医生当前诊断患者耗费的事件的信息，所以，第二权重可以大于第一权重，例如：第二权重为0.8，第一权重为0.2。

上述第一时长预估模型为：以样本医生的诊断总时长为训练样本，以样本医生诊断患者的平均诊断时长为训练基准，对初始神经网络模型进行训练得到的、用于预估医生诊断患者的平均诊断时长的模型。上述初始神经网络模型可以为CNN(ConvolutionalNeuralNetworks，卷积神经网络)、RNN(Recurrent NeuralNetwork，循环神经网络)等。

预估目标医生诊断患者的平均诊断时长的其他方式可以参见后续图3对应的实施例，在此不进行详述。

步骤S203：基于平均诊断时长以及第二待就诊患者的数量，预估第一待就诊患者的就诊等待时长。

上述第二待就诊患者为：就诊日期内目标医生的待就诊患者中就诊顺序位于第一待就诊患者之前的患者。

在进行诊断过程中，是按照每一患者所取得的就诊顺序号依次进行诊断，患者需要等待该患者之前的待就诊患者全部诊断结束后才能开始就诊，因此，可以基于平均诊断时长以及剩余诊断数量，预估第一待就诊患者的就诊等待时长。

在预估就诊等待时长时，一种实施方式中，可以计算平均诊断时长与第二待就诊患者的数量之间的乘积，将计算得到的数值确定为就诊等待时长。

预估就诊等待时长的其他实施方式可以参见后续图4对应的实施例，在此不进行详述。

本发明的一个实施例中，在预估得到第一待就诊患者的就诊等待时长后，还可以基于就诊等待时长，预估第一待就诊患者的就诊时间；通过长连接向第一待就诊患者使用的用户客户端推送包含就诊等待时长以及就诊时间的消息，以使得用户客户端显示就诊等待时长以及就诊时间。

在预估第一待就诊患者的就诊时间时，可以以第一待就诊患者预约就诊时间为起点，将第一待就诊患者预约就诊时间向后延伸就诊等待时长的时刻，作为第一待就诊患者的就诊时间。

上述长连接是指服务器与用户客户端之间的通信连接方式，通过长连接，能够实现实时信息交互，提高信息交互效率。

用户客户端在接收到服务器推送的上述消息后，可以显示推送消息，以使得第一待就诊患者能够通过用户客户端的显示界面获知就诊等待时长以及就诊时间。

由于通过长连接向用户客户端推送消息，第一待就诊患者能够实时接收到推送消息，从而获知就诊等待时长以及就诊时间。

由以上可见，应用本实施例提供的方案估计患者就诊时长时，由于是由服务器对患者的就诊等待时长进行预估，相较于现有技术中由人工手动预估就诊等待时长，提高了时长估计效率。

并且，由于历史诊断时长表征目标医生历史诊断所耗费的时间信息，已诊断时长表征就诊日期内目标医生诊断患者所耗费的时间信息，综合历史时间维度以及当前就诊时间维度这两类维度上目标医生进行诊断的诊断时长信息，能够全面充分预估患者的就诊等待时长，从而使得所预估的患者就诊等待时长更接近真实就诊等待时长，提高了就诊时长的估计准确度。

在每一第二待就诊患者诊断结束后，第一待就诊患者的就诊等待时长是相应减少的，为了能够实时更新患者的就诊等待时长，本发明的一个实施例中，在每一第二待就诊患者诊断结束后，基于该第二待就诊患者的诊断时长，更新已诊断时长，基于更新后的已诊断时长，返回前述步骤S202，以实现对第一待就诊患者的就诊等待时长的实时更新。

在更新平均诊断时长时，一种实施方式中，可以计算已诊断时长与第二待就诊患者的诊断时长之间的和值，将计算得到的和值确定为更新后的已诊断时长。

由于是在每一第二待就诊患者诊断结束后，对所预估的就诊等待时长进行更新，从而实现实时更新就诊等待时长。

在前述图2对应的实施例的步骤S202中预估平均诊断时长时，除了可以采用第一时长预估模型之外，还可以按照下述图3对应的实施例的步骤S302-S304实现。参见图3，图3为本发明实施例提供的第二种患者就诊等待时长的估计方法的流程示意图，上述方法包括以下步骤S301-S305。

步骤S301：在确定第一待就诊患者的就诊顺序号后，获得诊断第一待就诊患者的目标医生的历史诊断时长，并获得第一待就诊患者的就诊日期内目标医生的已诊断患者的时长，作为已诊断时长。

上述步骤S301与前述图2对应实施例地步骤S201相同，在此不再赘述。

步骤S302：获得目标医生的历史诊断患者的第一数量，并获得已诊断患者的第二数量。

上述第一数量是指目标医生在历史时间所诊断的患者的数量，第二数量是指就诊日期内目标医生已经诊断的患者的数量。

上述第一数量以及第二数量可以存储在本地数据库中，基于此，在获得上述第一数量以及第二数量时，可以从本地存储的信息读取上述第一数量以及第二数量。

步骤S303：基于历史诊断时长与第一数量，计算目标医生的历史平均诊断时长。

在计算历史平均诊断时长时，可以计算历史诊断时长与第一数量之间的比值，将计算得到的比值确定为历史平均诊断时长。还可以在计算得到比值后，计算比值与预设时长误差之和，将计算得到的和值确定为历史平均诊断时长。

步骤S304：基于历史平均诊断时长、已诊断时长以及第二数量，预估目标医生诊断患者的平均诊断时长。

在预估诊断时长时，第一种实施方式中，可以计算已诊断时长与第二数量之间的比值，计算历史平均诊断时长与上述比值的平均值，将计算得到的平均值确定为目标医生诊断患者的平均诊断时长。

第二种实施方式中，可以按照以下表达式计算平均诊断时长T

/>

其中，T

步骤S305：基于平均诊断时长以及第二待就诊患者的数量，预估第一待就诊患者的就诊等待时长。

其中，第二待就诊患者为：就诊日期内目标医生的待就诊患者中就诊顺序位于第一待就诊患者之前的患者。

上述步骤S305与前述图2对应实施例地步骤S203相同，在此不再赘述。

由以上可见，由于目标医生的历史平均诊断时长能够从细粒度反映目标医生历史诊断每一患者所耗费的时间的信息，已诊断时长与已诊断患者的第二数量能够从细粒度反映目标医生在就诊日期内诊断每一患者所耗费的时间的信息，基于历史平均诊断时长、已诊断时长以及第二数量，能够更加准确地预估目标医生诊断患者的平均诊断时长。

在前述图2对应实施例的步骤S203预估第一待就诊患者的就诊等待时长时，除了可以采用提及的计算方式进行预估之外，还可以按照下述图4对应实施例的步骤S403-S405实现。参见图4，图4为本发明实施例提供的第三种患者就诊等待时长的估计方法的流程示意图，上述方法包括以下步骤S401-S405。

步骤S401：在确定第一待就诊患者的就诊顺序号后，获得诊断第一待就诊患者的目标医生的历史诊断时长，并获得第一待就诊患者的就诊日期内目标医生的已诊断患者的时长，作为已诊断时长。

步骤S402：基于历史诊断时长以及已诊断时长，预估目标医生诊断患者的平均诊断时长。

上述步骤S401-S402与前述图2对应实施例地步骤S201-S202相同，在此不再赘述。

步骤S403：基于第二待就诊患者的身份信息以及病情描述信息，计算第二待就诊患者的预估诊断时长。

第二待就诊患者的身份信息可以包括第二待就诊患者的姓名、年龄、性别等信息，第二待就诊患者的病情描述信息可以包括第二待就诊患者的病情描述文本、图像等，上述两类信息可以由患者通过用户客户端上传的，服务器将上述信息存储在本地。

在计算上述预估诊断时长时，一种实施方式中，可以对第二待就诊患者身份信息以及病情描述信息进行病情特征提取，将提取得到的病情特征输入第二时长预估模型，得到第二时长预估模型输出的时长，作为第二待就诊患者的预估诊断时长。

上述第二时长预估模型为：以样本对象的病情特征为训练样本、以样本对象的诊断时长为训练基准，对初始神经网络模型进行训练得到的、用于预估患者诊断时长的模型。上述神经网络模型可以为CNN、RNN。

步骤S404：基于第二待就诊患者的预估诊断时长以及平均诊断时长，预估第二待就诊患者的实际诊断时长。

由于预估诊断时长是从第二待就诊患者的角度反映诊断所耗费时间的信息，平均诊断时长是从医生的角度反映诊断所耗费时间的信息，综合上述两个不同角度计算第二待就诊患者的诊断时长，能够提高计算准确度。

在预估第二待就诊患者的实际诊断时长时，一种实施方式中，可以计算第二待就诊患者的预估诊断时长与平均诊断时长之间的时长差；若计算得到的时长差大于预设时长误差阈值，计算第二待就诊患者的预估诊断时长与平均诊断时长的平均值，作为第二待就诊患者的实际诊断时长；若计算得到的时长差小于或等于预设时长阈值，将平均诊断时长确定为第二待就诊患者的实际诊断时长。

当时长差大于预设时长误差阈值时，表示平均诊断时长相较于实际诊断时长差距较大，在这种情况下，计算两类时长的平均值，能够减少误差影响，将计算得到的平均值确定为实际诊断时长，能够提高实际诊断时长的准确度。

当时长差大于或等于预设时长误差阈值时，表示平均诊断时长相较于实际诊断时长差距较小，在这种情况下，直接将平均诊断时长确定为实际诊断时长，能够提高实际诊断时长确定的效率。

由于预估诊断时长与平均诊断时长之间的时长差能够反映平均诊断时长相较于实际诊断时长的差距，在时长差大于预设时长误差阈值的情况下，通过计算预估诊断时长与平均诊断时长的平均值，将平均值确定为实际诊断时长，能够有效减少误差的影响，使得计算得到的实际诊断时长的准确度较高；在时长差小于或等于预设时长误差阈值的情况下，表示平均诊断时长相较于实际诊断时长的差距较小，直接将平均诊断时长确定为实际诊断时长，能够提高实际诊断时长确定的效率。

步骤S405：基于第二待就诊患者的实际诊断时长以及剩余诊断数量，预估第一待就诊患者的就诊等待时长。

在预估上述就诊等待时长时，可以计算第二待就诊患者的实际诊断时长与第二待就诊患者的数量之间的乘积，将计算得到的乘积确定为就诊等待时长。

由以上可见，由于预估诊断时长是从第二待就诊患者的角度反映诊断该患者所耗费时间的信息，平均诊断时长是从医生的角度反映诊断该患者所耗费时间的信息，综合上述两类角度，能够更加准确地计算得到第二待就诊患者的实际诊断时长，从而使得所预估的第一待就诊患者的就诊等待时长的准确度较高。

与上述患者就诊等待时长的估计方法相对应，本发明实施例还提供了一种患者就诊等待时长的估计装置。

参见图5，图5为本发明实施例提供的一种患者就诊等待时长的估计装置的结构示意图，上述装置包括以下模块501-503。

时长获得模块501，用于在确定第一待就诊患者的就诊顺序号后，获得诊断所述第一待就诊患者的目标医生的历史诊断时长，并获得所述第一待就诊患者的就诊日期内所述目标医生的已诊断患者的时长，作为已诊断时长；

第一时长预估模块502，用于基于所述历史诊断时长以及已诊断时长，预估所述目标医生诊断患者的平均诊断时长；

第二时长预估模块503，用于基于所述平均诊断时长以及第二待就诊患者的数量，预估所述第一待就诊患者的就诊等待时长，其中，所述第二待就诊患者为：所述就诊日期内所述目标医生的待就诊患者中就诊顺序位于所述第一待就诊患者之前的患者。

由以上可见，应用本实施例提供的方案估计患者就诊时长时，由于是由服务器对患者的就诊等待时长进行预估，相较于现有技术中由人工手动预估就诊等待时长，提高了时长估计效率。

并且，由于历史诊断时长表征目标医生历史诊断所耗费的时间信息，已诊断时长表征就诊日期内目标医生诊断患者所耗费的时间信息，综合历史时间维度以及当前就诊时间维度这两类维度上目标医生进行诊断的诊断时长信息，能够全面充分预估患者的就诊等待时长，从而使得所预估的患者就诊等待时长更接近真实就诊等待时长，提高了就诊时长的估计准确度。

本发明的一个实施例中，上述第一时长预估模块502，包括：

数量获得子模块，用于获得所述目标医生的历史诊断患者的第一数量，并获得所述已诊断患者的第二数量；

时长计算子模块，用于基于所述历史诊断时长与第一数量，计算所述目标医生的历史平均诊断时长；

时长预估子模块，用于基于所述历史平均诊断时长、已诊断时长以及第二数量，预估所述目标医生诊断患者的平均诊断时长。

由以上可见，由于目标医生的历史平均诊断时长能够从细粒度反映目标医生历史诊断每一患者所耗费的时间的信息，已诊断时长与已诊断患者的第二数量能够从细粒度反映目标医生在就诊日期内诊断每一患者所耗费的时间的信息，基于历史平均诊断时长、已诊断时长以及第二数量，能够更加准确地预估目标医生诊断患者的平均诊断时长。

本发明的一个实施例中，上述时长预估子模块，具体用于按照以下表达式计算平均诊断时长T

其中，T

本发明的一个实施例中，上述装置还包括时长更新模块，所述时长更新模块具体用于在每一第二待就诊患者诊断结束后，基于该第二待就诊患者的诊断时长，更新所述已诊断时长，基于更新后的已诊断时长，触发所述第一时长预估模块502。

由于是在每一第二待就诊患者诊断结束后，对所预估的就诊等待时长进行更新，从而实现实时更新就诊等待时长。

本发明的一个实施例中，上述第二时长预估模块503，包括：

时长计算子模块，用于基于所述第二待就诊患者的身份信息以及病情描述信息，计算所述第二待就诊患者的预估诊断时长；

第一时长预估子模块，用于基于所述第二待就诊患者的预估诊断时长以及平均诊断时长，预估所述第二待就诊患者的实际诊断时长；

第二时长预估子模块，用于基于所述第二待就诊患者的实际诊断时长以及第二待就诊患者的数量，预估所述第一待就诊患者的就诊等待时长。

由以上可见，由于预估诊断时长是从第二待就诊患者的角度反映诊断该患者所耗费时间的信息，平均诊断时长是从医生的角度反映诊断该患者所耗费时间的信息，综合上述两类角度，能够更加准确地计算得到第二待就诊患者的实际诊断时长，从而使得所预估的第一待就诊患者的就诊等待时长的准确度较高。

本发明的一个实施例中，上述第一时长预估子模块，具体用于计算第二待就诊患者的预估诊断时长与平均诊断时长之间的时长差；若计算得到的时长差大于预设时长误差阈值，计算第二待就诊患者的预估诊断时长与平均诊断时长的平均值，作为第二待就诊患者的实际诊断时长；若计算得到的时长差小于或等于预设时长阈值，将平均诊断时长确定为第二待就诊患者的实际诊断时长。

由于预估诊断时长与平均诊断时长之间的时长差能够反映平均诊断时长相较于实际诊断时长的差距，在时长差大于预设时长误差阈值的情况下，通过计算预估诊断时长与平均诊断时长的平均值，将平均值确定为实际诊断时长，能够有效减少误差的影响，使得计算得到的实际诊断时长的准确度较高；在时长差小于或等于预设时长误差阈值的情况下，表示平均诊断时长相较于实际诊断时长的差距较小，直接将平均诊断时长确定为实际诊断时长，能够提高实际诊断时长确定的效率。

本发明的一个实施例中，上述装置还包括消息推送模块，所述消息推送模块具体用于基于所述就诊等待时长，预估所述第一待就诊患者的就诊时间；通过长连接向所述第一待就诊患者使用的用户客户端推送包含所述就诊等待时长以及就诊时间的消息，以使得所述用户客户端显示所述就诊等待时长以及就诊时间。

由于通过长连接向用户客户端推送消息，第一待就诊患者能够实时接收到推送消息，从而获知就诊等待时长以及就诊时间。

与上述患者就诊等待时长的估计方法相对应，本发明实施例还提供了一种电子设备。

参见图6，图6为本发明实施例提供的一种电子设备的结构示意图，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，

存储器603，用于存放计算机程序；

处理器601，用于执行存储器603上所存放的程序时，实现本发明实施例提供的患者就诊等待时长的估计方法。

上述电子设备提到的通信总线可以是外设部件互连标准(PeripheralComponentInterconnect，PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(RandomAccessMemory，RAM)，也可以包括非易失性存储器(Non-VolatileMemory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(CentralProcessingUnit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例提供的患者就诊等待时长的估计方法。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行时实现本发明实施例提供的患者就诊等待时长的估计方法。

由以上可见，应用本实施例提供的方案估计患者就诊时长时，由于是由服务器对患者的就诊等待时长进行预估，相较于现有技术中由人工手动预估就诊等待时长，提高了时长估计效率。

并且，由于历史诊断时长表征目标医生历史诊断所耗费的时间信息，已诊断时长表征就诊日期内目标医生诊断患者所耗费的时间信息，综合历史时间维度以及当前就诊时间维度这两类维度上目标医生进行诊断的诊断时长信息，能够全面充分预估患者的就诊等待时长，从而使得所预估的患者就诊等待时长更接近真实就诊等待时长，提高了就诊时长的估计准确度。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid StateDisk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。