M2T1 Doctor_Appointment
1.0.0
Ce projet Proof of Concept (POC) vise à démontrer comment la technologie numérique avancée et l'intégration de l'IA peuvent rationaliser le processus de planification des rendez-vous dans les hôpitaux. En automatisant l'identification de la disponibilité des médecins et en optimisant l'allocation des emplacements de rendez-vous, nous visons à améliorer l'expérience globale du patient et à réduire les temps d'attente.
Dans les soins de santé, la planification efficace des rendez-vous est cruciale pour garantir que les patients reçoivent des soins en temps opportun tout en maximisant l'utilisation des ressources du médecin. Ce projet propose une solution numérique qui exploite les technologies avancées pour automatiser le processus d'identification de la disponibilité des médecins et d'attribuer des créneaux de rendez-vous en conséquence. L'objectif principal est de réduire les temps d'attente des patients et d'améliorer l'efficacité globale du processus de planification de rendez-vous dans les hôpitaux.
Sélection de la maladie : Les utilisateurs peuvent sélectionner des maladies spécifiques (par exemple, fièvre, peau, œil) pour trouver des médecins pertinents.
Disponibilité du médecin : une liste de médecins spécialisée dans la maladie sélectionnée est affichée, marquée en vert (disponible) ou rouge (indisponible) en fonction de leur statut actuel.
Description de l'emplacement : Les utilisateurs peuvent afficher des informations détaillées sur les emplacements pour chaque médecin, y compris la disponibilité et la description des créneaux disponibles.
Options de tri : les médecins peuvent être triés en fonction du temps de rendez-vous ou des frais, permettant aux patients de choisir l'option la plus pratique.
Réservation et inscription : Lorsqu'un patient sélectionne un médecin et un temps de rendez-vous, une fenêtre contextuelle de connexion / enregistrement apparaît pour l'authentification des utilisateurs.
Ajustements de temps et de frais : les intervalles de temps de réservation sont personnalisables (par exemple, 5 ou 10 minutes), avec des frais ajustés en conséquence.
Affaires manuelle : les médecins ont la possibilité de marquer manuellement leur fréquentation à l'aide d'un tableau de bord séparé.
Détection du visage : Alternativement, un système de détection de visage à l'entrée peut automatiser le suivi de l'entrée et de la sortie, garantissant des mises à jour de disponibilité des médecins en temps réel.
Amazon Rekognition : Utilisé pour la détection et la reconnaissance du visage.
Instance EC2 : fournit un hébergement évolutif et sécurisé.
Bodet S3 : utilisé pour le stockage et la récupération des données.
HTML, CSS (Tailwind CSS), JavaScript : Frontend Development pour l'interface utilisateur.
Django, SQL : Développement du backend pour la gestion des données des utilisateurs, des rendez-vous et de la fréquentation des médecins.
Visitez le site Web et utilisez le tableau de bord des utilisateurs pour trouver des médecins en fonction de la maladie, de la disponibilité et des frais.
Les médecins peuvent se connecter pour marquer leur présence manuellement ou utiliser le système de détection de visage pour le suivi automatique de la fréquentation.
L'IA joue un rôle crucial dans la prévision de la disponibilité du médecin. En analysant les données historiques et les intrants en temps réel, le système peut allouer efficacement les créneaux de rendez-vous, en considérant des facteurs tels que la disponibilité des médecins et les préférences des patients.
Le modèle d'IA est en permanence affiné en fonction de la rétroaction et de l'analyse des données, garantissant une meilleure précision de planification au fil du temps.
Les contributions à ce projet sont.
Mentor: Snahal Kumar: 20BEC081
Veuillez ouvrir un problème ou créer une demande de traction pour discuter et contribuer.
