115-基于Flask的医疗保健数据预测分析系统

基于 Flask 的医疗保健数据预测分析系统实战分享

面向落地的实践复盘，基于真实代码。本文将完整介绍项目背景、目录结构、技术栈、真实功能清单、关键代码走读、可视化展示占位、快速开始与 API 速览，并附上后续规划与经验总结，便于二次开发与教学展示。

目录

• 项目背景与目标
• 技术栈（后端/数据库/数据处理/可视化/运维）
• 项目演示
• 项目目录结构
• 基于真实代码的功能清单
• 关键代码走读（含源码片段）
• 可视化展示（占位）
• 快速开始（从零到跑通）
• API 速览（含示例）
• 实践经验与踩坑
• 后续计划
• 联系方式

项目背景与目标

这是一个基于 Flask 的医疗保健数据管理与分析系统，聚焦“患者数据管理、统计分析、可视化与报告导出”。系统提供患者档案的增删改查、批量导入导出、统计面板、可视化图表与报告导出等能力，适合课程设计、教学演示与中小型数据分析后台的快速搭建。

技术栈

• 后端与框架：Flask、Flask-SQLAlchemy、Flask-Login、Flask-WTF、Flask-Migrate、WTForms、Werkzeug
• 数据库与ORM：MySQL（PyMySQL、mysql-connector-python 驱动）、SQLAlchemy；测试环境内置 SQLite
• 数据处理：pandas、numpy、openpyxl、xlsxwriter、chardet
• 可视化（前端渲染）：Chart.js（实际模板引入）、ECharts（首页介绍中出现）
• 机器学习基础依赖：scikit-learn、joblib（代码中已准备，前端未直接提供“预测”入口）
• 其他：python-dotenv、python-dateutil、uuid

依赖来自项目根目录 requirements.txt，可一键安装。

项目演示

😀 项目源码获取，码界筑梦坊各平台同名，博客底部含联系方式卡片，欢迎咨询！

项目目录结构

精简展示关键目录，保持与仓库一致：

app/__init__.pymodels/patient.pyuser.pyroutes/admin.pyanalytics.pyapi.pyauth.pyimport_route.pymain.pypatient.pyservices/data_service.pyimport_service.pytemplates/admin/backup.htmlimport_data.htmlsettings.htmlusers.htmlanalytics/charts.htmldashboard.htmlreport_export.htmlreports.htmlauth/change_password.htmllogin.htmlprofile.htmlregister.htmlbase.htmldashboard.htmlindex.htmlpatient/add.htmldetail.htmledit.htmllist.html
config.py
data/healthcare_dataset.csv
design_115_health.sql
migrations/
scripts/create_database.pyimport_data.pyinit_db.py
requirements.txt
run.py
start.py
static/
uploads/

基于真实代码的功能清单

以下功能均来自于实际前后端代码，非设想：

• 患者管理
  • 新增、编辑、删除患者
  • 患者列表分页、筛选、搜索
  • 患者详细信息查看
  • 批量导入（CSV/Excel）、批量导出（CSV）
• 数据分析与统计
  • 患者总数、性别分布、年龄组、疾病类型、入院类型、保险提供商等统计
  • 医生工作量、医院统计、月度趋势、风险等级分布
• 数据可视化
  • 图表数据 API（多类型统计），前端页面通过 Chart.js 渲染
• 统计报告
  • 报告页面与 HTML 导出（/analytics/export-report）
• 用户与权限
  • 注册、登录、登出；个人信息与密码修改；基于角色的权限控制
• 管理与工具
  • 数据库创建、管理员初始化脚本；数据导入脚本；基础备份与设置页面

说明：后端存在基于规则的“费用预测”和“风险评估”API（/api/predict-cost、/api/predict-risk），但前端未提供独立的预测功能页或入口，默认不展示为已上线前端功能。

关键代码走读

1) 应用工厂与蓝图注册（app/__init__.py）

def create_app(config_name='default'):app = Flask(__name__)app.config.from_object(config[config_name])db.init_app(app)login_manager.init_app(app)# 蓝图注册from app.routes.main import main as main_blueprintapp.register_blueprint(main_blueprint)from app.routes.auth import auth as auth_blueprintapp.register_blueprint(auth_blueprint, url_prefix='/auth')from app.routes.patient import patient as patient_blueprintapp.register_blueprint(patient_blueprint, url_prefix='/patient')from app.routes.analytics import analytics as analytics_blueprintapp.register_blueprint(analytics_blueprint, url_prefix='/analytics')from app.routes.api import api as api_blueprintapp.register_blueprint(api_blueprint, url_prefix='/api')from app.routes.import_route import import_bp as import_blueprintapp.register_blueprint(import_blueprint, url_prefix='/import')from app.routes.admin import admin as admin_blueprintapp.register_blueprint(admin_blueprint, url_prefix='/admin')return app

2) 患者列表/筛选与导出（app/routes/patient.py）

@patient.route('/')
@login_required
def list():page = request.args.get('page', 1, type=int)filters = {'name': request.args.get('name', '').strip(),'age_min': request.args.get('age_min', type=int),'age_max': request.args.get('age_max', type=int),'gender': request.args.get('gender', '').strip(),'medical_condition': request.args.get('medical_condition', '').strip(),'admission_type': request.args.get('admission_type', '').strip(),'insurance_provider': request.args.get('insurance_provider', '').strip(),'test_results': request.args.get('test_results', '').strip(),'sort_by': request.args.get('sort_by', 'created_at'),'sort_order': request.args.get('sort_order', 'desc')}filters = {k: v for k, v in filters.items() if v}pagination = DataService().search_patients(filters, page, per_page=15)return render_template('patient/list.html', patients=pagination.items,pagination=pagination, filters=filters, ...)@patient.route('/export')
@login_required
def export():if not current_user.can_export_data():flash('您没有权限执行此操作', 'error')return redirect(url_for('patient.list'))patients = DataService().get_all_patients_for_export(filters)# 组装 CSV 并返回下载响应

3) 统计与可视化数据服务（app/services/data_service.py）

class DataService:def get_medical_condition_stats(self):stats = (db.session.query(Patient.medical_condition,func.count(Patient.id).label('count'),func.avg(Patient.age).label('avg_age'),func.avg(Patient.billing_amount).label('avg_cost')).group_by(Patient.medical_condition).all())mapping = Patient.get_medical_condition_mapping()return [{'condition': mapping.get(s.medical_condition, s.medical_condition),'count': s.count,'avg_age': round(float(s.avg_age), 1),'avg_cost': round(float(s.avg_cost), 2)} for s in stats]def get_monthly_admission_trend(self, months=24):stats = (db.session.query(func.date_format(Patient.date_of_admission, '%Y-%m').label('month'),func.count(Patient.id).label('count'),func.avg(Patient.billing_amount).label('avg_cost')).filter(Patient.date_of_admission.isnot(None)).group_by(func.date_format(Patient.date_of_admission, '%Y-%m')).order_by(func.date_format(Patient.date_of_admission, '%Y-%m')).all())return [{'month': s.month, 'count': s.count, 'avg_cost': round(float(s.avg_cost), 2)} for s in stats]

4) CSV/Excel 批量导入（app/services/import_service.py）

class ImportService:def import_csv_to_database(self, csv_file_path: str, user_id: int, batch_size: int = 1000) -> Dict:df = pd.read_csv(csv_file_path, encoding='utf-8')df_processed = self._preprocess_dataframe(df)success_count, errors = self._batch_import_patients(df_processed, user_id, batch_size)return { 'success': success_count > 0, 'success_count': success_count, 'errors': errors }def _preprocess_dataframe(self, df: pd.DataFrame) -> pd.DataFrame:# 列名中英映射、枚举标准化、日期与数值字段校验# 缺失值处理、非法数据拦截与日志记录...

5) 图表数据 API（app/routes/analytics.py 与 app/routes/api.py）

@analytics.route('/api/chart_data/<chart_type>')
def chart_data(chart_type):if chart_type == 'gender_distribution':stats = DataService().get_gender_stats()return jsonify({'labels': [s['gender'] for s in stats], 'data': [s['count'] for s in stats]})elif chart_type == 'monthly_trend':stats = DataService().get_monthly_admission_trend()return jsonify({'labels': [s['month'] for s in stats], 'admission_counts': [s['count'] for s in stats]})...

6) 配置（config.py）

class Config:MYSQL_HOST = 'localhost'MYSQL_PORT = 3306MYSQL_USER = 'root'MYSQL_PASSWORD = '123456'MYSQL_DB = 'design_115_health'SQLALCHEMY_DATABASE_URI = (f'mysql+pymysql://{MYSQL_USER}:{MYSQL_PASSWORD}@{MYSQL_HOST}:{MYSQL_PORT}/{MYSQL_DB}?charset=utf8mb4')PATIENTS_PER_PAGE = 15MAX_CONTENT_LENGTH = 16 * 1024 * 1024

7) 模型设计要点

• 患者模型（app/models/patient.py）核心字段、风险评估与显示属性：

class Patient(db.Model):__tablename__ = 'patients'id = db.Column(db.Integer, primary_key=True)# 基本信息name = db.Column(db.String(100), nullable=False, index=True)age = db.Column(db.Integer, nullable=False, index=True)gender = db.Column(db.String(10), nullable=False, index=True)blood_type = db.Column(db.String(5), nullable=False, index=True)# 医疗信息medical_condition = db.Column(db.String(100), nullable=False, index=True)date_of_admission = db.Column(db.Date, nullable=False, index=True)doctor = db.Column(db.String(100), nullable=False, index=True)hospital = db.Column(db.String(200), nullable=False, index=True)insurance_provider = db.Column(db.String(100), nullable=False, index=True)billing_amount = db.Column(db.Numeric(10, 2), nullable=False, index=True)room_number = db.Column(db.Integer, nullable=False)admission_type = db.Column(db.String(20), nullable=False, index=True)discharge_date = db.Column(db.Date, nullable=False, index=True)medication = db.Column(db.String(100), nullable=False, index=True)test_results = db.Column(db.String(20), nullable=False, index=True)# 系统字段created_at = db.Column(db.DateTime, default=datetime.utcnow)updated_at = db.Column(db.DateTime, default=datetime.utcnow, onupdate=datetime.utcnow)@propertydef stay_duration(self):if self.date_of_admission and self.discharge_date:return (self.discharge_date - self.date_of_admission).daysreturn 0@propertydef risk_level(self):risk_score = 0if self.age > 65: risk_score += 2elif self.age > 50: risk_score += 1if self.medical_condition in ['癌症', '高血压', 'Cancer', 'Hypertension']:risk_score += 2if self.admission_type in ['急诊', 'Emergency']:risk_score += 2elif self.admission_type in ['急症', 'Urgent']:risk_score += 1if self.test_results in ['异常', 'Abnormal']:risk_score += 2elif self.test_results in ['不确定', 'Inconclusive']:risk_score += 1return '高风险' if risk_score >= 6 else ('中风险' if risk_score >= 3 else '低风险')@propertydef medical_condition_display(self):mapping = self.get_medical_condition_mapping()return mapping.get(self.medical_condition, self.medical_condition)

• 用户模型（app/models/user.py）权限设计（简化摘录）：

class User(UserMixin, db.Model):__tablename__ = 'users'id = db.Column(db.Integer, primary_key=True)username = db.Column(db.String(80), unique=True, nullable=False, index=True)email = db.Column(db.String(120), unique=True, nullable=False, index=True)password_hash = db.Column(db.String(255), nullable=False)is_active = db.Column(db.Boolean, default=True)is_admin = db.Column(db.Boolean, default=False)def has_permission(self, permission):if not self.is_active:return Falseif self.is_admin:return Trueuser_permissions = ['view_patients','view_analytics','view_charts','view_reports','view_dashboard']return permission in user_permissions# 管理员快捷判断def can_manage_patients(self):return self.is_admindef can_import_data(self):return self.is_admindef can_export_data(self):return self.is_admin

可视化展示（占位）

以下为文章与项目展示的图片占位（后期可替换为实际截图）。

• 仪表盘总览（Dashboard）
  • 占位：docs/images/dashboard-overview.png
• 多维度图表（疾病分布、入院类型、年龄段、月度趋势等）
  • 占位：docs/images/charts-examples.png
• 患者列表与筛选
  • 占位：docs/images/patient-list.png
• 导入导出与报告
  • 占位：docs/images/import-export-report.png

模板中通过 CDN 引入 Chart.js（如 analytics/charts.html、analytics/dashboard.html），前端读取后端 API 的 JSON 数据进行渲染。

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 初始化数据库（创建库、表与管理员）

python scripts/create_database.py

3. 导入示例数据（可选）

python scripts/import_data.py

4. 启动应用

python run.py
# 访问：http://localhost:5000

API 速览（节选）

• 列表与检索
  • GET /api/patients?name=张三&medical_condition=Diabetes&page=1&per_page=20
• 单条数据
  • GET /api/patients/<id>，PUT /api/patients/<id>，DELETE /api/patients/<id>
• 图表数据
  • GET /analytics/api/chart_data/gender_distribution
  • GET /analytics/api/chart_data/monthly_trend
• 报告导出
  • GET /analytics/export-report（返回 HTML 文件下载）
• 规则版预测（后端存在 API，前端默认无入口）
  • POST /api/predict-cost
  • POST /api/predict-risk

示例：预测费用请求体（简化规则）

{"age": 66,"medical_condition": "Diabetes","admission_type": "Emergency","stay_days": 7
}

实践经验与踩坑

• 数据清洗先行：导入前的列名映射、日期与数值校验能拦住绝大多数问题。
• 统一字典映射：后端存原值，前端/导出显示映射后的中文，代码通过 mapping 保持一致。
• 图表走 JSON：后端只产数据不渲染图，前端用 Chart.js/ECharts 渲染，职责更清晰。
• 权限粒度适中：导出、删除等操作均做权限约束，避免误操作。
• 生产配置独立：ProductionConfig 中的 Cookie 安全和日志建议与开发环境分离。

后续计划

• 前端新增“预测”功能页：与现有 /api/predict-* API 打通，支持单条与批量预测。
• 模型化：接入持久化的 ML 模型（scikit-learn/joblib），替换当前规则估计接口。
• 可视化增强：统一封装 Chart 组件，支持主题切换与导出图片/数据。
• 多租户与审计：更细粒度的权限、操作日志与数据隔离。

联系方式

码界筑梦坊各大平台同名