诊后病程管理
2021-07-29 13:56:39 2 举报AI智能生成
诊后病程管理的产业地图、行业特征及用户行为画像分析
作者其他创作
大纲/内容
全产业链组成结构分析
医疗资源提供方
传统医疗机构
专业人员
医生
护士
药师
康复师
健康管理师
诊后服务运营方
互联网医院平台
微医
康复护理平台
电子处方平台
阿里健康、天猫医药馆
京东、友德医
远程诊疗平台
随诊随访平台
慢病/疾病管理平台
药品资源提供方
药品生产/批发企业
药品B2B：九州通
药品导购
寻医问药网
39健康网
药房网商城
健康网等
药品零售服务运营方
医药B2C
医药O2O
连锁药店
DTP药店
第三方服务
慢病监测
智能硬件
物流
支付
广告营销
行业特征
1、药品收入成为主要变现渠道，医疗资源作为入口向诊后导流
患者教育
在线复诊
在线购药
随诊随访
用药咨询
康复训练
智能监控
慢病管理
生活方式指导
2、基层医疗机构承接诊后服务能力不足，推动社会力量补充
补充药品供给
提高服务能力
诊后治疗环节：通过以互联网医院为主的远程诊疗平台，患者可远程完成在线复诊、电子处方、在线购药，不需要往返医院，节省大量时间和经济成本。慢病患者最先受益。
诊后管理环节：结合专业的康复及慢病管理机构，将癌症、慢性病人，以及术后需要康复的病人分流到院外，避免过多占用医疗资源，并为其提供及时且个体化的服务。
3、医疗大数据为在线诊后病程管理提供技术支持，加速诊后服务融合
技术基础
数据标准化采集
电子病历记录规范
医学检验数据和影像检验的采集和存储规范
建立更多统一的数据库存储系统分门别类的存储信息
云存储
在性能、稳定性、扩展能力，以及优化、管理和数据保护等方面大幅提升，实现远程影响、远程病理、
远程会诊等业务数据存储和交互；数据多重备份并保证就医数据的连续性。
远程会诊等业务数据存储和交互；数据多重备份并保证就医数据的连续性。
数据挖掘分析
数据挖掘的核心内容是数据的特征和属性提取，并依据特征和属性进行分类。
在此基础上，对不同属性的数据类型进行关联分析从而获得有价值的信息。
在此基础上，对不同属性的数据类型进行关联分析从而获得有价值的信息。
更多服务
医疗资料的透明化
相对疗效研究
药物副作用分析
远距离监测病患
复诊用户及行为画像
30~40岁，二、三线城市的患者更愿意远程完成复诊
内科、肿瘤科、骨伤科，远程复诊需求最高
主治医生、二级及以下医院承担最多复诊工作
购药用户及行为画像
30~60岁，二、三线城市的患者更愿意主动接受诊后病程管理
慢性病药物占比接近一半，肿瘤药物、肝胆用药复购率最高
0 条评论
下一页
