一种医疗服务供应商评价方法及系统

1.本发明涉及供应商管理技术领域，具体地，涉及一种医疗服务供应商评价方法及系统。


背景技术：

2.近年来，供应链管理可以提升企业的市场反应速度，大大缩短满足消费者需求的时间，从而使企业在这个快速变化的世界里获得无法复制的竞争优势。越来越多的企业已经认识到实施供应链管理所带来的巨大好处，供应商的选择是供应链合作关系运行的基础。对于生产型企业而言，供应商的优劣直接影响到产品的成本、质量和交货期及供应链的整体绩效。因此，科学、合理、客观地评价并选择供应商是供应链上核心企业的重要工作之一。
3.但是，现有的供应商评价方法对评价专家的风险类型不作区别，从而造成评价结果的不准确和不合理，而且现有的供应商评价方法大多评价普通的供应商，而医疗服务供应商具有特殊性，现有的供应商评价方法往往不适用于评价医疗服务供应商，造成评价的结果不理想，无法满足用户需求。
4.因此，提供一种在使用过程中，适用于医疗服务供应商的评价，保证评价结果准确性的医疗服务供应商评价方法及系统是本发明亟需解决的问题。


技术实现要素：

5.针对上述技术问题，本发明的目的是克服现有技术中的供应商评价方法对评价专家的风险类型不作区别，从而造成评价结果的不准确和不合理，而且现有的供应商评价方法大多评价普通的供应商，而医疗服务供应商具有特殊性，现有的供应商评价方法往往不适用于评价医疗服务供应商，造成评价的结果不理想，无法满足用户需求的问题，从而提供一种在使用过程中，适用于医疗服务供应商的评价，保证评价结果准确性的医疗服务供应商评价方法及系统。
6.为了实现上述目的，本发明提供了一种医疗服务供应商评价方法，所述方法包括：
7.预设并确定医疗服务供应商的若干个评价指标；
8.分别获取每个评价指标对应多位专家的评价数据；
9.对获取的该评价数据进行预处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值；其中，该预处理至少包括对根据评价数据对每位专家的风险类型进行判断；
10.利用离差最大化算法和总体偏离度算法对每个评价数据的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值，并且根据该最终分值按照递增或递减的方式对每位医疗服务供应商进行最终排序。
11.优选地，所述评价指标的类别包括：基本条件类、内部管理类、服务绩效类以及社会评价类。
12.优选地，所述基本条件类包括：注册资本、办公条件、服务资质以及信息水平；
13.所述内部管理类包括：组织结构、人力资源以及财务情况；
14.所述服务绩效类包括：服务数量以及服务质量；
15.所述社会评价包括：内部评价、公共评价以及政府评价。
16.优选地，所述对获取的该评价数据进行预处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值包括以下步骤：
17.分别计算出每位专家对所有评价指标的评价数据的均值；
18.分别计算出每位专家对所有评价指标的评价数据的方差，
19.分别去除均值最大、均值最小以及方差最小对应的专家的所有评价数据以获得剩余专家的评价数据；
20.根据剩余专家的评价数据分别对每位专家的风险类型进行判断；其中，
21.风险类型包括风险回避型、风险中立型以及风险偏好型；
22.所述对每位专家的风险类型进行判断包括：
23.创建虚拟评价专家组p，p＝1为虚拟风险偏好专家，由项目负责给出预设的虚拟风险偏好专家对每个服务商的各个指标的风险偏好评分阈值；p＝2为虚拟风险回避专家，由项目负责人给出预设的虚拟风险回避专家对每个服务商的各个指标的风险回避评分阈值；p＝3为虚拟风险中立专家，由项目负责给出预设的虚拟风险中立专家对每个服务商的各个指标的风险中立评分阈值；
24.根据以下公式分别计算虚拟评价专家组p与实际的剩余专家的皮尔逊相关系数，构建相关系数矩阵：
[0025][0026]
其中rp,m代表虚拟专家与实际打分专家的皮尔逊相关系数，p＝1，2，3；
[0027]
m＝1，2，3
…
m(m为实际打分的专家人数)；vn,i,m代表第m位专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值，同时评价指标的个数为i个；代表第m位专家所有评价数据的原始值的均值；vn,i,p代表第p位虚拟专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值；表第p位虚拟专家所有评价数据的原始值的均值；
[0028]
当r
1,
为r
1,
，r
2,
，r
3,
中的最大值时，则第m位专家与风险偏好型虚拟专家的相关性最强，则认定第m位专家为风险偏好型专家；
[0029]
当r
2,
为r
1,
，r
2,
，r
3,
中的最大值时，则第m位专家与风险回避型专家的相关性最强，则认定第m位专家为风险回避型专家；
[0030]
当r
3,
为r
1,
，r
2,
，r
3,
中的最大值时，则第m位专家与风险回避型专家的相关性最强，则认定第m位专家为风险中立型专家。
[0031]
优选地，所述对每位专家的风险类型进行判断之后，该方法还包括以下步骤：
[0032]
根据风险类型分别对剩余专家的评价数据进行计算以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值；其中，
[0033]
在风险中立型的风险类型情况下，该类型的专家的评价数据的实际效用计算公式为：
[0034]
u(v
n,,m
)＝v
n,,m
/
[0035]
其中，v
n,,m
代表第m位专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值；k代表所有剩余所有专家对第n位医疗服务供应商的第i个评价指标的评价数据的最大值；
[0036]
在风险回避型的风险类型情况下，评价数据的实际效用计算公式为：
[0037][0038]
其中，v
n,i,m
代表第m位专家对第n位医疗服务供应商的第i评价指标的评价数据的原始值；k代表剩余所有专家对第n位医疗服务供应商的第i个评价指标的评价数据的最大值；参数γ(γ》1)和μ(0《μ《1)代表风险回避程度，v
p
代表对应所有风险回避型专家的所有评价数据的中值；
[0039]
在风险偏好型的风险类型情况下，评价数据的实际效用计算公式为：
[0040][0041]
其中，v
n,i,m
代表第m位专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值；k代表所有剩余所有专家对第n位医疗服务供应商的第i个评价指标的评价数据的最大值；参数σ(0《σ《1)和θ(θ》1)代表风险偏好程度，vq代表对应所有风险偏好型专家的所有评价数据的中值。
[0042]
优选地，所述利用离差最大化算法和总体偏离度算法对每个评价指标的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值包括以下步骤：
[0043]
利用离差最大化算法确定每个评价指标的属性权重，属性权重w＝(w1,w2,
…
,wi)，最大离差定义为：
[0044][0045]
其中d代表总离差，u
n,i
和u
g,i
代表第n位医疗服务商和第g位医疗服务商的第i个评价指标的所有专家的评价效用总和第，wi代表第i个评价指标的权重；
[0046]
采用拉格朗日函数对上述方程求解得：
[0047][0048]
归一化处理后得：
[0049][0050]
最终第m位专家对第n位服务商的评价得分为：
[0051][0052]
通过上述计算公式对一位医疗服务供应商的多个评价指标的评价数据的实际效用值进行的合成计算，以得到剩余的每位专家对每位医疗服务供应商的实际效用最终得分r
m,n。
[0053]
优选地，所述利用离差最大化算法和总体偏离度算法对每个评价指标的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值还包括以下步骤：
[0054]
基于总体偏离程度的专家权重确定方法，两位医疗服务供应商之间的距离为1时，h
n-1
与hn之间的斜率为：
[0055]
ρ
m,n(n-1)
＝r
m,n-r
m,n-1
(m＝1,
……
,m,n＝2,
……
,n)
[0056]
总斜率差距的平均值为：
[0057][0058]
其中，x(1≤x《m,x≠m)指除em外的其他专家；
[0059]
最后根据以下公式分别；计算以获取每位医疗服务供应商的最终评价得分；
[0060][0061]
其中，zn为第n位医疗服务供应商的最终评价得分。
[0062]
本发明还提供了一种医疗服务供应商评价系统，所述系统包括：
[0063]
评价指标模块，用于预设并确定医疗服务供应商的若干个评价指标；
[0064]
评价数据获取模块，用于分别获取每个评价指标对应多位专家的评价数据
[0065]
数据预处理模块，用于对获取的该评价数据进行预处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值；
[0066]
评价合成模块，用于利用离差最大化算法和总体偏离度算法对每个评价数据的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值；
[0067]
排序模块，用于根据该最终分值按照递增或递减的方式对每位医疗服务供应商进行最终排序。
[0068]
优选地，所数据预处理模块包括：
[0069]
专家评价数据计算模块，用于分别计算出每位专家对所有评价指标的评价数据的均值和方差；
[0070]
专家评价数据去除模块，用于分别去除均值最大、均值最小以及方差最小对应的专家的所有评价数据以获得剩余专家的评价数据；
[0071]
专家风险类型判断模块，用于根据剩余专家的评价数据分别对每位专家的风险类型进行判断；其中，风险类型包括风险回避型、风险中立型以及风险偏好型；
[0072]
所述专家风险类型判断模块用于执行以下步骤：
[0073]
创建虚拟评价专家组p，p＝1为虚拟风险偏好专家，由项目负责给出预设的虚拟风险偏好专家对每个服务商的各个指标的风险偏好评分阈值；p＝2为虚拟风险回避专家，由项目负责人给出预设的虚拟风险回避专家对每个服务商的各个指标的风险回避评分阈值；p＝3为虚拟风险中立专家，由项目负责给出预设的虚拟风险中立专家对每个服务商的各个指标的风险中立评分阈值；
[0074]
根据以下公式分别计算虚拟评价专家组p与实际的剩余专家的皮尔逊相关系数，构建相关系数矩阵：
[0075][0076]
其中rp,m代表虚拟专家与实际打分专家的皮尔逊相关系数，p＝1，2，3；
[0077]
m＝1，2，3
…
m(m为实际打分的专家人数)；vn,i,m代表第m位专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值，同时评价指标的个数为i个；代表第m位专家所有评价数据的原始值的均值；vn,i,p代表第p位虚拟专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值；表第p位虚拟专家所有评价数据的原始值的均值；
[0078]
当r
1,
为r
1,
，r
2,
，r
3,
中的最大值时，则第m位专家与风险偏好型虚拟专家的相关性最强，则认定第m位专家为风险偏好型专家；
[0079]
当r
2,
为r
1,
，r
2,
，r
3,
中的最大值时，则第m位专家与风险回避型专家的相关性最强，则认定第m位专家为风险回避型专家；
[0080]
当r
3,
为r
1,
，r
2,
，r
3,
中的最大值时，则第m位专家与风险回避型专家的相关性最强，则认定第m位专家为风险中立型专家。
[0081]
优选地，所述数据预处理模块还包括：
[0082]
实际效用值计算模块，用于根据风险类型分别对剩余专家的评价数据进行计算以获取每个评价指标的评价数据所对应的实际效用值。
[0083]
根据上述技术方案，本发明提供的医疗服务供应商评价方法及系统在使用时的有益效果为：本发明对获取的评价数据进行预处理，根据评价数据对每位专家的风险类型进行判断，然后对不同风险类型的专家的评价数据进行不同的处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值，这样就统一化了每位专家的评价数据的实际效用，保证评价的准确性和合理性，最后利用离差最大化算法和总体偏离度算法对每个评价数据的实际效用值进行计算合成以获得每位医疗服务供应商的最终分
值，并且以最终分值高低进行排序，以保证评价的直观性，通过最终排序可以直观地判断出每个医疗服务供应商的质量高低，也便于选择出需要的医疗服务供应商。本发明提供的评价方法和系统评价的准确性更高、更加地客观，便于用户选择出适合且优质的医疗服务供应商，避免了个别专家自身的主管因素影响评价的准确性。
[0084]
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明；而且本发明中未涉及部分均与现有技术相同或可采用现有技术加以实现。
附图说明
[0085]
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
[0086]
图1是本发明的一种优选的实施方式中提供的医疗服务供应商评价方法的流程图；
[0087]
图2是本发明的一种优选的实施方式中提供的医疗服务供应商评价方法中获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值的流程图；
[0088]
图3是本发明的一种优选的实施方式中提供的风险中立、风险回避和风险偏好三种情况的专家对应的效用曲线；
[0089]
图4是本发明的一种优选的实施方式中提供的四个专家对多个医疗服务供应商的评价数据的效用曲线；
[0090]
图5是本发明的一种优选的实施方式中提供的医疗服务供应商评价系统的结构框图；
[0091]
图6是本发明的一种优选的实施方式中提供的数据预处理模块的结构框图。
[0092]
附图标记说明
[0093]
1评价指标模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
2评价数据获取模块
[0094]
3数据预处理模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
4评价合成模块
[0095]
5排序模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
301专家评价数据计算模块
[0096]
302专家评价数据去除模块303专家风险类型判断模块
[0097]
304实际效用值计算模块
具体实施方式
[0098]
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
[0099]
如图1所示，本发明提供了一种医疗服务供应商评价方法，其特征在于，所述方法包括：
[0100]
步骤s101，预设并确定医疗服务供应商的若干个评价指标；
[0101]
步骤s102，分别获取每个评价指标对应多位专家的评价数据；
[0102]
步骤s103，对获取的该评价数据进行预处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值；其中，该预处理至少包括对根据评价数据对每位专家的风险类型进行判断；
[0103]
步骤s104，利用离差最大化算法和总体偏离度算法对每个评价数据的实际效用值
进行计算合成以获得每位医疗服务供应商的最终分值，并且根据该最终分值按照递增或递减的方式对每位医疗服务供应商进行最终排序。
[0104]
在上述方案中，所述方法在使用时，对获取的评价数据进行预处理，根据评价数据对每位专家的风险类型进行判断，然后对不同风险类型的专家的评价数据进行不同的处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值，这样就统一化了每位专家的评价数据的实际效用，保证评价的准确性和合理性，最后利用离差最大化算法和总体偏离度算法对每个评价数据的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值，并且以最终分值高低进行排序，以保证评价的直观性，通过最终排序可以直观地判断出每个医疗服务供应商的质量高低，也便于选择出需要的医疗服务供应商。本发明提供的评价方法和系统评价的准确性更高、更加地客观，便于用户选择出适合且优质的医疗服务供应商，避免了个别专家自身的主管因素影响评价的准确性。
[0105]
在本发明的一种优选的实施方式中，所述评价指标的类别包括：基本条件类、内部管理类、服务绩效类以及社会评价类；
[0106]
本上述实施例中，确定医疗服务供应商评价指标体系，科学确定医疗服务供应商评价指标；评价指标确定后进行数据采集，数据包括定性数据和定量数据两类，并新的效用转换模型对原始的定性数据和定量数据进行标准化处理；数据标准化处理后，利用离差最大化方法确定属性权重，再利用创新的总体偏力度方法确定专家权重，最终获得方案评价结果。
[0107]
在一个实施例中，所述评价指标模块确定医疗服务供应商评价指标包括基本条件、内部管理、服务绩效和社会评价四个维度。
[0108]
在一个实施例中，所述基本条件包括注册资本、办公条件、服务资质和信息水平；
[0109]
所述内部管理包括组织结构、人力资源和财务情况；
[0110]
所述服务绩效包括服务数量和服务质量；
[0111]
所述社会评价包括内部评价、公共评价和政府评价。
[0112]
本发明实施例可以采用三级评价指标，评价指标如下表所示：
[0113]
[0114][0115]
本发明通过设置多个不同维度的评价指标，然后每位专家根据每一个评价指标进行打分，生成评价数据，这样可以从评价指标的设置上保证评价的全面性、客观性，以保证了最终评价的准确性和合理性，便于用户筛选出真正优秀的医疗服务供应商。
[0116]
在本发明的一种优选的实施方式中，所述对获取的该评价数据进行预处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值包括以下步骤：
[0117]
步骤s1031，分别计算出每位专家对所有评价指标的评价数据的均值；
p1r
11r12r13r14 p2r
21r22r23r24 p3r
31r32r33r34
ꢀ……ꢀꢀꢀꢀ
[0135]
对于专家m4而言，
[0136]
如果r
14
最大，则m4属于风险偏好型专家；
[0137]
如果r
24
最大，则m4属于风险回避型专家；
[0138]
如果r
34
最大，则m4属于风险中立型专家；
[0139]
同理对剩余所有的专家风险偏好类型做出判断。
[0140]
然后再根据不同类型的专家给出不同的实际效用值计算公式：其中，
[0141]
在风险中立型的风险类型情况下，该类型的专家的评价数据的实际效用计算公式为：
[0142]
u(v
n,,m
)＝v
n,,m
/
[0143]
其中，v
n,,m
代表第m位专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值；k代表所有剩余所有专家对第n位医疗服务供应商的第i个评价指标的评价数据的最大值；
[0144]
在风险回避型的风险类型情况下，评价数据的实际效用计算公式为：
[0145][0146]
其中，v
n,i,m
代表第m位专家对第n位医疗服务供应商的第i评价指标的评价数据的原始值；k代表剩余所有专家对第n位医疗服务供应商的第i个评价指标的评价数据的最大值；参数γ(γ》1)和μ(0《μ《1)代表风险回避程度，v
p
代表对应所有风险回避型专家的所有评价数据的中值；
[0147]
在风险偏好型的风险类型情况下，评价数据的实际效用计算公式为：
[0148][0149]
其中，v
n,i,m
代表第m位专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值；k代表所有剩余所有专家对第n位医疗服务供应商的第i个评价指标的评价数据的最大值；参数σ(0《σ《1)和θ(θ》1)代表风险偏好程度，vq代表对应所有风险偏好型专家的所有评价数据的中值。
[0150]
由上述方案计算出的每个专家对每位医疗服务供应商的每个评价指标的评价数据对应的实际效用值会更加的统一且准确。
[0151]
具体地，风险中立、风险回避和风险偏好三种情况专家对应的效用曲线如图3所示，横坐标为专家的评价数据值(原始值)，纵坐标为对应的实际效用值，也就是本技术中对于不同风险类型专家应用不同的效用值计算公式对应的曲线图。
[0152]
在本发明的一种优选的实施方式中，所述步骤s104利用离差最大化算法和总体偏离度算法对每个评价指标的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值包括以下步骤：
[0153]
利用离差最大化算法确定每个评价指标的属性权重，属性权重w＝(w1,w2,
…
,wi)，最大离差定义为：
[0154][0155]
其中d代表总离差，u
n,i
和u
g,i
代表第n位医疗服务商和第g位医疗服务商的第i个评价指标的所有专家的评价效用总和第，wi代表第i个评价指标的权重；
[0156]
采用拉格朗日函数对上述方程求解得：
[0157][0158]
归一化处理后得：
[0159][0160]
最终第m位专家对第n位服务商的评价得分为：
[0161][0162]
通过上述计算公式对一位医疗服务供应商的多个评价指标的评价数据的实际效用值进行的合成计算，以得到剩余的每位专家对每位医疗服务供应商的实际效用最终得分r
m,n
。
[0163]
对于上述最终得分r
m,n
；其实就是一个专家对一位医疗服务供应商的实际效用最终得分，例如专家a对医疗服务供应商甲每个评价指标的评价数据的实际效用值分别为80(评价指标a)、85(评价指标b)、79(评价指标c)以及90(评价指标d)，而对于每个评价指标，它们对应的权重又是不同的，比如评价指标a是一个非常重要的指标，占据很大的权重，而评价指标c占据的权重较小，本步骤就是利用离差最大化算法对计算的实际效用值结合每个评价指标的权重进行计算，从而得出每个专家对于每位医疗服务供应商评价数据的实际效用最终得分。经过该步骤处理后，每位医疗服务供应商会有多个实际效用最终得分r
m,n
；而每一个实际效用最终得分r
m,n
都对应一位专家。
[0164]
在本发明的一种优选的实施方式中，所述利用离差最大化算法和总体偏离度算法
对每个评价指标的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值还包括以下步骤：
[0165]
基于总体偏离程度的专家权重确定方法，两位医疗服务供应商之间的距离为1时，h
n-1
与hn之间的斜率为：
[0166]
ρ
m,n(n-1)
＝r
m,n-r
m,n-1
(m＝1,
……
,m,n＝2,
……
,n)
[0167]
总斜率差距的平均值为：
[0168][0169]
其中，x(1≤x《m,x≠m)指除em外的其他专家；
[0170]
最后根据以下公式分别；计算以获取每位医疗服务供应商的最终评价得分；
[0171][0172]
其中，zn为第n位医疗服务供应商的最终评价得分。
[0173]
上述步骤就是对每位医疗服务供应商会有多个实际效用最终得分r
m,n
进行合成处理，依据每位专家的权重，以将多个实际效用最终得分合成处理以获得一个最终的评价得分，通过以上处理后，每位医疗服务供应商只有一个对应的评价得分，根据这个评价得分可以直观的判断出哪个医疗服务供应商更加的优秀。
[0174]
本发明实施例的基于总体偏离程度的专家权重确定方法，如图3所示，按照传统方法确定专家相似度如下：sim(e1,e2)》sim(e1,e4)》sim(e1,e3)。然而实际上，e1和e3在数据结果方面是比较相似的，即sim(e1,e3)》sim(e1,e2)》sim(e1,e4)。基于总体偏离程度的专家权重确定方法既考虑了专家间相似度，也考虑了各方案排序的内在关系，弥补了传统方法的不足。图3中，横坐标为医疗服务供应商hn，纵坐标为各专家对各医疗服务供应商的评价数据的实际效用值。
[0175]
综上所示，本发明提供的医疗服务供应商评价方法在使用时，适用于医疗服务供应商的评价，保证评价结果准确性。
[0176]
如图4所示，本发明还提供了一种医疗服务供应商评价系统，所述系统包括：
[0177]
评价指标模块1，用于预设并确定医疗服务供应商的若干个评价指标；
[0178]
评价数据获取模块2，用于分别获取每个评价指标对应多位专家的评价数据
[0179]
数据预处理模块3，用于对获取的该评价数据进行预处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值；
[0180]
评价合成模块4，用于利用离差最大化算法和总体偏离度算法对每个评价数据的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值；
[0181]
排序模块5，用于根据该最终分值按照递增或递减的方式对每位医疗服务供应商进行最终排序。
[0182]
如图5所示，在本发明的一种优选的实施方式中，所述数据预处理模块3包括：
[0183]
专家评价数据计算模块301，用于分别计算出每位专家对所有评价指标的评价数
据的均值和方差；
[0184]
专家评价数据去除模块302，用于分别去除均值最大、均值最小以及方差最小对应的专家的所有评价数据以获得剩余专家的评价数据；
[0185]
专家风险类型判断模块303，用于根据剩余专家的评价数据分别对每位专家的风险类型进行判断；其中，风险类型包括风险回避型、风险中立型以及风险偏好型；
[0186]
所述专家风险类型判断模块303用于执行以下步骤：
[0187]
创建虚拟评价专家组p，p＝1为虚拟风险偏好专家，由项目负责给出预设的虚拟风险偏好专家对每个服务商的各个指标的风险偏好评分阈值；p＝2为虚拟风险回避专家，由项目负责人给出预设的虚拟风险回避专家对每个服务商的各个指标的风险回避评分阈值；p＝3为虚拟风险中立专家，由项目负责给出预设的虚拟风险中立专家对每个服务商的各个指标的风险中立评分阈值；
[0188]
根据以下公式分别计算虚拟评价专家组p与实际的剩余专家的皮尔逊相关系数，构建相关系数矩阵：
[0189][0190]
其中rp,m代表虚拟专家与实际打分专家的皮尔逊相关系数，p＝1，2，3；
[0191]
m＝1，2，3
…
m(m为实际打分的专家人数)；vn,i,m代表第m位专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值，同时评价指标的个数为i个；代表第m位专家所有评价数据的原始值的均值；vn,i,p代表第p位虚拟专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值；表第p位虚拟专家所有评价数据的原始值的均值；
[0192]
当r
1,
为r
1,
，r
2,
，r
3,
中的最大值时，则第m位专家与风险偏好型虚拟专家的相关性最强，则认定第m位专家为风险偏好型专家；
[0193]
当r
2,
为r
1,
，r
2,
，r
3,
中的最大值时，则第m位专家与风险回避型专家的相关性最强，则认定第m位专家为风险回避型专家；
[0194]
当r
3,
为r
1,
，r
2,
，r
3,
中的最大值时，则第m位专家与风险回避型专家的相关性最强，则认定第m位专家为风险中立型专家。
[0195]
优选地，所述数据预处理模块3还包括：
[0196]
实际效用值计算模块304，用于根据风险类型分别对剩余专家的评价数据进行计算以获取每个评价指标的评价数据所对应的实际效用值。
[0197]
在上述方案中，所述系统在使用时，对获取的评价数据进行预处理，根据评价数据对每位专家的风险类型进行判断，然后对不同风险类型的专家的评价数据进行不同的处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值，这样就统一化了每位专家的评价数据的实际效用，保证评价的准确性和合理性，最后利用离差最大化算法和总体偏离度算法对每个评价数据的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值，并且以最终分值高低进行排序，以保证评价的直观性，通过最终排序可以直观地判断出每个医疗服务供应商的质量高低，也便于选择出需要的医疗服
务供应商。本发明提供的评价方法和系统评价的准确性更高、更加地客观，便于用户选择出适合且优质的医疗服务供应商，避免了个别专家自身的主管因素影响评价的准确性。
[0198]
本发明实施例大大提高了各类医疗服务机构对供应商的选择效率和决策质量，有效降低了各类医疗服务机构对供应商的管理成本，提高了医疗服务机构供应商管理水平，进一步规范医疗服务供应商内部管理，提升医疗服务供应商服务水平。
[0199]
综上所述，本发明提供的评价系统在使用时，克服现有技术中的供应商评价方法对评价专家的风险类型不作区别，从而造成评价结果的不准确和不合理，而且现有的供应商评价方法大多评价普通的供应商，而医疗服务供应商具有特殊性，现有的供应商评价方法往往不适用于评价医疗服务供应商，造成评价的结果不理想，无法满足用户需求的问题。
[0200]
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
[0201]
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
[0202]
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

技术特征：
1.一种医疗服务供应商评价方法，其特征在于，所述方法包括：预设并确定医疗服务供应商的若干个评价指标；分别获取每个评价指标对应多位专家的评价数据；对获取的该评价数据进行预处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值；其中，该预处理至少包括对根据评价数据对每位专家的风险类型进行判断；利用离差最大化算法和总体偏离度算法对每个评价数据的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值，并且根据该最终分值按照递增或递减的方式对每位医疗服务供应商进行最终排序。2.根据权利要求1所述的医疗服务供应商评价方法，其特征在于，所述评价指标的类别包括：基本条件类、内部管理类、服务绩效类以及社会评价类。3.根据权利要求2所述的医疗服务供应商评价方法，其特征在于，所述基本条件类包括：注册资本、办公条件、服务资质以及信息水平；所述内部管理类包括：组织结构、人力资源以及财务情况；所述服务绩效类包括：服务数量以及服务质量；所述社会评价包括：内部评价、公共评价以及政府评价。4.根据权利要求1所述的医疗服务供应商评价方法，其特征在于，所述对获取的该评价数据进行预处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值包括以下步骤：分别计算出每位专家对所有评价指标的评价数据的均值；分别计算出每位专家对所有评价指标的评价数据的方差，分别去除均值最大、均值最小以及方差最小对应的专家的所有评价数据以获得剩余专家的评价数据；根据剩余专家的评价数据分别对每位专家的风险类型进行判断；其中，风险类型包括风险回避型、风险中立型以及风险偏好型；所述对每位专家的风险类型进行判断包括：创建虚拟评价专家组p，p＝1为虚拟风险偏好专家，由项目负责给出预设的虚拟风险偏好专家对每个服务商的各个指标的风险偏好评分阈值；p＝2为虚拟风险回避专家，由项目负责人给出预设的虚拟风险回避专家对每个服务商的各个指标的风险回避评分阈值；p＝3为虚拟风险中立专家，由项目负责给出预设的虚拟风险中立专家对每个服务商的各个指标的风险中立评分阈值；根据以下公式分别计算虚拟评价专家组p与实际的剩余专家的皮尔逊相关系数，构建相关系数矩阵：其中r
p，m
代表虚拟专家与实际打分专家的皮尔逊相关系数，p＝1，2，3；m＝1，2，3...m(m为实际打分的专家人数)；v
n，i，m
代表第m位专家对第n位医疗服务供应
商的第i个评价指标的评价数据的原始值，同时评价指标的个数为i个；代表第m位专家所有评价数据的原始值的均值；v
n，i，p
代表第p位虚拟专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值；表第p位虚拟专家所有评价数据的原始值的均值；当r
1，m
为r
1，m
，r
2，m
，r
3，m
中的最大值时，则第m位专家与风险偏好型虚拟专家的相关性最强，则认定第m位专家为风险偏好型专家；当r
2，m
为r
1，m
，r
2，m
，r
3，m
中的最大值时，则第m位专家与风险回避型专家的相关性最强，则认定第m位专家为风险回避型专家；当r
3，m
为r
1，m
，r
2，m
，r
3，m
中的最大值时，则第m位专家与风险回避型专家的相关性最强，则认定第m位专家为风险中立型专家。5.根据权利要求4所述的医疗服务供应商评价方法，其特征在于，所述对每位专家的风险类型进行判断之后，该方法还包括以下步骤：根据风险类型分别对剩余专家的评价数据进行计算以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值；其中，在风险中立型的风险类型情况下，该类型的专家的评价数据的实际效用计算公式为：u(v
n，i，m
)＝v
n，i，m
/k其中，v
n，i，m
代表第m位专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值；k代表所有剩余所有专家对第n位医疗服务供应商的第i个评价指标的评价数据的最大值；在风险回避型的风险类型情况下，评价数据的实际效用计算公式为：其中，v
n，i，m
代表第m位专家对第n位医疗服务供应商的第i评价指标的评价数据的原始值；k代表剩余所有专家对第n位医疗服务供应商的第i个评价指标的评价数据的最大值；参数γ(γ＞1)和μ(0<μ<1)代表风险回避程度，v
p
代表对应所有风险回避型专家的所有评价数据的中值；在风险偏好型的风险类型情况下，评价数据的实际效用计算公式为：其中，v
n，i，m
代表第m位专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值；k代表所有剩余所有专家对第n位医疗服务供应商的第i个评价指标的评价数据的最大值；参数σ(0<σ<1)和θ(0＞1)代表风险偏好程度，v
q
代表对应所有风险偏好型专家的所有评价数据的中值。
6.根据权利要求1所述的医疗服务供应商评价方法，其特征在于，所述利用离差最大化算法和总体偏离度算法对每个评价指标的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值包括以下步骤：利用离差最大化算法确定每个评价指标的属性权重，属性权重w＝(w1，w2，...，w
i
)，最大离差定义为：其中d代表总离差，u
n，i
和u
g，i
代表第n位医疗服务商和第g位医疗服务商的第i个评价指标的所有专家的评价效用总和第，w
i
代表第i个评价指标的权重；采用拉格朗日函数对上述方程求解得：归一化处理后得：最终第m位专家对第n位服务商的评价得分为：通过上述计算公式对一位医疗服务供应商的多个评价指标的评价数据的实际效用值进行的合成计算，以得到剩余的每位专家对每位医疗服务供应商的实际效用最终得分r
m，n
。7.根据权利要求6所述的医疗服务供应商评价方法，其特征在于，所述利用离差最大化算法和总体偏离度算法对每个评价指标的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值还包括以下步骤：基于总体偏离程度的专家权重确定方法，两位医疗服务供应商之间的距离为1时，h
n-1
与h
n
之间的斜率为：ρ
m，n(n-1)
＝r
m，n-r
m，n-1
(m＝1，......，m，n＝2，......，n)总斜率差距的平均值为：其中，x(1≤x<m，x≠m)指除e
m
外的其他专家；最后根据以下公式分别；计算以获取每位医疗服务供应商的最终评价得分；
其中，z
n
为第n位医疗服务供应商的最终评价得分。8.根据权利要求1-7中任一项所述的医疗服务供应商评价系统，其特征在于，所述系统包括：评价指标模块，用于预设并确定医疗服务供应商的若干个评价指标；评价数据获取模块，用于分别获取每个评价指标对应多位专家的评价数据数据预处理模块，用于对获取的该评价数据进行预处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值；评价合成模块，用于利用离差最大化算法和总体偏离度算法对每个评价数据的实际效用值进行计算合成以获得每位医疗服务供应商的最终分值；排序模块，用于根据该最终分值按照递增或递减的方式对每位医疗服务供应商进行最终排序。9.根据权利要求8所述的医疗服务供应商评价系统，其特征在于，所数据预处理模块包括：专家评价数据计算模块，用于分别计算出每位专家对所有评价指标的评价数据的均值和方差；专家评价数据去除模块，用于分别去除均值最大、均值最小以及方差最小对应的专家的所有评价数据以获得剩余专家的评价数据；专家风险类型判断模块，用于根据剩余专家的评价数据分别对每位专家的风险类型进行判断；其中，风险类型包括风险回避型、风险中立型以及风险偏好型；所述专家风险类型判断模块用于执行以下步骤：创建虚拟评价专家组p，p＝1为虚拟风险偏好专家，由项目负责给出预设的虚拟风险偏好专家对每个服务商的各个指标的风险偏好评分阈值；p＝2为虚拟风险回避专家，由项目负责人给出预设的虚拟风险回避专家对每个服务商的各个指标的风险回避评分阈值；p＝3为虚拟风险中立专家，由项目负责给出预设的虚拟风险中立专家对每个服务商的各个指标的风险中立评分阈值；根据以下公式分别计算虚拟评价专家组p与实际的剩余专家的皮尔逊相关系数，构建相关系数矩阵：其中r
p，m
代表虚拟专家与实际打分专家的皮尔逊相关系数，p＝1，2，3；m＝1，2，3...m(m为实际打分的专家人数)；v
n，i，m
代表第m位专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值，同时评价指标的个数为i个；代表第m位专家所有评价数据的原始值的均值；v
n，i，p
代表第p位虚拟专家对第n位医疗服务供应商的第i个评价指标的评价数据的原始值；表第p位虚拟专家所有评价数据的原始值的均值；当r
1，m
为r
1，m
，r
2，m
，r
3，m
中的最大值时，则第m位专家与风险偏好型虚拟专家的相关性最
强，则认定第m位专家为风险偏好型专家；当r
2，m
为r
1，m
，r
2，m
，r
3，m
中的最大值时，则第m位专家与风险回避型专家的相关性最强，则认定第m位专家为风险回避型专家；当r
3，m
为r
1，m
，r
2，m
，r
3，m
中的最大值时，则第m位专家与风险回避型专家的相关性最强，则认定第m位专家为风险中立型专家。10.根据权利要求9所述的医疗服务供应商评价系统，其特征在于，所述数据预处理模块还包括：实际效用值计算模块，用于根据风险类型分别对剩余专家的评价数据进行计算以获取每个评价指标的评价数据所对应的实际效用值。

技术总结
本发明公开了一种医疗服务供应商评价方法及系统，其中，方法包括：预设并确定医疗服务供应商的若干个评价指标；分别获取每个评价指标对应多位专家的评价数据；对获取的该评价数据进行预处理，以获取每位专家对每位医疗服务供应商在每个评价指标下的评价数据的实际效用值；其中，该预处理至少包括对根据评价数据对每位专家的风险类型进行判断。该方法在使用时，克服现有技术中的供应商评价方法对评价专家的风险类型不作区别，从而造成评价结果的不准确和不合理，且医疗服务供应商具有特殊性，现有的供应商评价方法往往不适用于评价医疗服务供应商，造成评价的结果不理想，无法满足用户需求的问题。用户需求的问题。用户需求的问题。


技术研发人员：汪磊 邵良海 黄蓉静
受保护的技术使用者：安徽工程大学
技术研发日：2023.05.23
技术公布日：2023/8/2