基于大数据的患者信息管理平台

项目介绍

患者信息管理平台是一个面向医院/诊所场景的多角色信息化项目，把「患者预约、医生接诊、报告查看、管理运营」串成一条完整的业务链路。项目按角色拆出三个前端：患者端（移动 H5，基于 Vant 4）、医生端（Element Plus）与管理端（Element Plus + ECharts），后端由 Spring Boot 3 单体应用统一提供 RESTful API，并单独维护一个 PySpark 大数据模块负责数据清洗与统计分析，是「业务系统 + 大数据分析」一体化的完整工程。

仓库内共五个子工程：patient-server（Spring Boot 3.2 后端，按业务模块分包）、patient-web（患者端 H5）、doctor-web（医生端）、admin-web（管理后台）、spark-etl（PySpark 数据清洗与分析管线），docs/ 目录提供数据库设计、系统设计与快速启动文档。数据库约 30 张表，覆盖系统管理、患者档案、医生排班、预约、门诊/住院记录、处方、检验检查报告、健康指标、医患消息与统计分析，并内置了完整的初始化数据与演示账号，克隆即可运行演示。

项目架构

系统采用「三端前端 + 单体后端 + 大数据分析」的分层架构。前端三个 Vite 工程分别运行在 3000（管理端）、3001（患者端）、3002（医生端）端口，开发环境通过代理统一转发到后端 8080；后端 patient-server 按业务域组织包结构：system（RBAC 用户/角色/菜单/部门/字典与登录审计）、patient（患者注册登录、就诊人、地址、通知）、doctor（医生信息与排班）、appointment（预约挂号）、medical（门诊记录、处方、检验/检查报告、电子病历）、health（健康指标）、message（医患会话）、analysis（驾驶舱、疾病谱、患者画像）。

后端技术栈为 Spring Boot 3.2 + Java 17 + Spring Security（JWT 无状态认证，Redis 存储登录态与短信验证码）+ MyBatis-Plus + MySQL 8.0 + Redis + Knife4j 接口文档，并通过 AOP 切面（@Log 注解 + LogAspect）自动记录操作日志。大数据链路独立成 spark-etl 模块，四个脚本按流水线执行：1_generate_dirty_data.py 用 Faker 模拟医院导出的脏数据（重复记录、缺失值、性别/日期格式混乱、无效手机号身份证号）；2_spark_clean.py 用 PySpark 做身份证去重、性别与日期标准化、数据校验；3_import_mysql.py 把清洗结果写入业务表；4_spark_analysis.py 从 MySQL 读业务数据做聚合与挖掘，把运营指标、疾病谱、患者画像标签、患者分群写回 stat_daily_operation、stat_disease、patient_tag、patient_group 四张统计表，管理端再通过 ECharts 呈现。

核心功能

预约挂号与智能导诊：患者端按「科室 → 医生 → 排班」三级联动选择号源并创建预约，可查看我的预约列表；平台内置 guide_symptom_dept 症状-科室映射表，按症状关键词权重推荐挂号科室，降低患者选科门槛。
诊疗业务闭环：医生端工作台展示今日待诊患者，接诊后填写门诊记录、开具处方（含明细）、下达检验/检查申请；检验报告支持项目明细与异常判断，检查报告支持影像附件；患者端可查看电子病历时间轴、各类报告与健康指标（血压、血糖等）的趋势图表，形成「就诊 → 文书 → 报告 → 复查」的完整闭环。
医患消息与通知：message_conversation 会话 + message 消息两级结构支撑医患在线沟通，患者端还接收平台通知，构建诊前诊后的即时联系通道。
大数据分析与运营驾驶舱：管理端 analysis 模块提供数据驾驶舱（今日门诊量、预约数、新增患者、总患者/医生/科室数、近 7 天门诊与预约趋势、科室门诊分布）、疾病谱分析（各疾病患者数与就诊次数）与患者画像（性别、年龄、地区、就诊频次分布），底层数据由 PySpark 离线分析产出，支持定时任务调度。
RBAC 权限与审计：管理端覆盖用户、角色、菜单、部门、字典的完整 RBAC 体系，接口层通过 @PreAuthorize 控制权限；@Log 注解 + AOP 记录操作日志，另建登录日志表，操作全程可追溯。

功能截图

暂无运行截图。

快速上手

环境要求：JDK 17、Maven 3.8+、Node.js 18+、MySQL 8.0、Redis 7.x，运行 Spark 模块还需 Python 3.8+ 与 JDK 17（PySpark 依赖）。

先初始化数据库：执行 docs/patient_platform线上导出的库.sql 导入完整示例数据（含管理员、医生、患者、排班、报告等），或执行 docs/database-design.sql 仅建表与基础数据；随后修改 patient-server/src/main/resources/application-dev.yml 中的 MySQL 与 Redis 连接（仓库默认指向远程库，本地建议改为 localhost）。启动后端执行 cd patient-server && mvn spring-boot:run，接口服务在 8080 端口，Knife4j 文档地址为 http://localhost:8080/doc.html。

前端三端分别执行 npm install && npm run dev，管理端、患者端、医生端依次访问 3000/3001/3002。内置测试账号：管理端 admin/admin123，医生端 doctor001/123456，患者端 13900001001/123456（短信验证码开发模式固定为 123456），登录态依赖 Redis，需先确保其已启动。如需重建大数据分析数据，按序运行 spark-etl 下 1_generate_dirty_data.py → 2_spark_clean.py → 3_import_mysql.py → 4_spark_analysis.py 四个脚本即可。

总结

项目把医院业务系统常见的「预约挂号、诊疗记录、报告管理、医患沟通、后台管理」完整落地为三端可用的产品形态，同时用 PySpark 补齐了「脏数据清洗 → 统计分析 → 驾驶舱展示」的大数据链路，业务数据与统计结果在 MySQL 中同源闭环，前端通过 ECharts 直接消费。结构上模块划分清晰、文档齐全、示例数据完备，既适合作为毕设/教学演示的完整全栈工程，也便于在此基础上按科室、机构扩展二次开发。