[发明专利]一种基于医疗大数据的用药预测方法及系统

说明书

本发明提供一种基于医疗大数据的用药预测方法及系统，方法包括：基于训练好的二分类模型，预测出药品用完且未进行新一次买药的目标用户，所述二分类模型是根据历史用户买药数据进行训练得到，并实现购买时间未到导出时间的数据与购买时间超过数据导出时间的数据的分类筛选；关联所述目标用户和药品数据，将关联结果推送给所述目标用户。本发明实施例提供的一种基于医疗大数据的用药预测方法及系统，通过针对性的分析慢病药品购买规律，能更加准确的预测出购买慢病药品的用户下次购买的时间，进而找出已经用完药品但还没有再次购买的人；并且通过模型训练中得出的各特征的占比，可以更准确的计算出最有可能再次回药店购买的用户。

技术领域

本发明涉及大数据技术领域，更具体地，涉及一种基于医疗大数据的用药预测方法及系统。

背景技术

目前我国慢病患者非常多，全国有超过三亿人都是慢病患者，慢病致死人数已经占到我国因病死亡人数的80％。大多数慢病都需要长期用药，而患有慢病的人群平均年龄都比较大，经常会出现药物已经用完而忘记再次去购买的情况，用药中断将会严重威胁患者的身体健康，药店也会因此流失用户并减少药品销量。因此，如果药店能够预测在本药店购买过慢病药品的用户的用药时间，并在合适的时间对其做出提醒，那么这不仅有利于患者及时用药，确保生命安全，同时还能提高药店的药品销量，维系买药的用户。

目前通用的商品购买预测是通过分析用户的购买的所有商品和用户浏览点击行为来做预测的，而这种预测方法并不适用于慢病药品的预测，它存在一下的不足：1、商品之间存在较大差异，慢病药品是一种特别的商品，其购买人群、购买频率和购买时间间隔等都和其他商品不同；2、通用的商品购买预测可以通过购买的商品来预测购买其他商品，而慢病药品一般都只会一直购买一种；3、通用的商品购买预测可以有多数据来源，而慢病药品的购买预测数据只来源于购买行为；4、用户隐私保护，通用的商品购买预测可能会用到用户的隐私数据以做到更好的预测，而慢病药品购买预测只会使用用户消费信息，更注重隐私保护。

因此，现在亟需一种基于医疗大数据的用药预测方法及系统来解决上述问题。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的一种基于医疗大数据的用药预测方法及系统。

第一方面，本发明提供一种基于医疗大数据的用药预测方法，包括：

基于训练好的二分类模型，预测出药品用完且未进行新一次买药的目标用户，所述二分类模型是根据历史用户买药数据进行训练得到，并实现购买时间未到导出时间的数据与购买时间超过数据导出时间的数据的分类筛选；

关联所述目标用户和药品数据，将关联结果推送给所述目标用户。

其中，在所述基于训练好的二分类模型，预测出药品用完且未进行新一次买药的目标用户之前，所述方法还包括：

获取预处理数据，从所述预处理数据中提取用户历史买药的相关信息。

其中，所述方法还包括：

对所述预处理数据进行数据清洗、数据转换以及数据过滤；

对处理后的数据进行结构化、标准化以及向量化。

其中，所述方法还包括：

根据预处理数据，计算用户购买慢病药品的频率以及平均时间间隔；

对比购买慢病药品的频率以及平均时间间隔，分别标记出购买时间未到导出时间的数据以及购买时间超过数据导出时间的数据。

其中，所述基于训练好的二分类模型，预测出药品用完且未进行新一次买药的目标用户，包括：

根据所述二分类模型中各个模型特征的占比，按权重计算购买时间超过数据导出时间的用户回药店购买药品的概率；