[开源] 急诊分诊能力闯关训练系统：面向护士与临床教学的可视化季票式技能成长平台

本项目是专为急诊科护士、进修生及实习生设计的分诊判断力训练工具以「病例闯关 季票进度 多维反馈」为核心机制将抽象的分诊能力拆解为20个难度递进的实战关卡。我们不做泛泛而谈的题库而是用时间压力、星级评价、连胜激励和薄弱点定位把每一次答题变成可测量、可回溯、可对比的成长节点。系统提供Web端完整应用开发模式双端分离生产模式单端托管支持本地匿名使用、多角色独立数据、管理员后台管理后端基于ExpressTS前端采用ReactViteRecharts关键逻辑如计分引擎、赛季进度、LLM病例生成管线均模块化封装。无需注册、不传数据、开箱即用所有训练轨迹仅存于浏览器本地或服务端指定存储路径。定位与能力范围我们聚焦一个具体场景急诊分诊能力缺乏结构化训练闭环。传统带教依赖经验传递考核常止于纸面测试而真实分诊需要在有限时间内依据主诉、生命体征、病史等碎片信息快速归类至I–IV级分诊标准。本系统不是模拟器也不是知识库它是以闯关为驱动、以季票为仪表、以反馈为教练的训练沙盘。它覆盖三类使用者一线护士用于日常复训与自我查漏进修生用于岗前强化与能力对标实习生用于建立分诊直觉与标准意识。所有功能都围绕“让分诊判断变得可练、可量、可见”展开不延伸至排班、质控报表或HIS对接等外部系统职责。核心功能模块系统能力由七个相互咬合的模块构成每项都对应真实训练动线中的一个断点模块解决什么问题关键表现闯关模式避免训练内容扁平化20关严格分级新手5→初级5→高级5→专家5每关1个完整急诊病例含主诉、生命体征、简要病史答案唯一且符合《急诊预检分诊专家共识》四级标准季票进度系统打破“练了但不知进步在哪”的模糊感XP累积制每关通关获基础XP时间XP连胜XP进度条实时显示当前等级、距下一级所需XP、已解锁/可挑战/锁定关卡状态多维计分引擎兼顾准确性与响应效率基础分答对即得100/200/300/500、时间奖励越快越高最高20/40/60/100、连胜加分2连起加6连封顶100三者叠加形成综合得分计时挑战机制还原真实分诊时间压力四级限时明确实习生120秒 / 初级90秒 / 高级60秒 / 专家45秒超时自动提交杜绝无限思考即时反馈闭环避免“只知对错不知为何”提交后立即显示对错标识、三项得分明细、分诊依据原文引用如“收缩压90mmHg且意识模糊属III级”、错误选项辨析如“选II级因未识别休克代偿期表现”训练报告看板支撑持续改进决策含总答题数、整体正确率、最高连胜、平均分、趋势折线图按难度/分诊级别统计正确率柱状图自动标出正确率最低的2个病例类别如“胸痛类III级判断薄弱”管理员后台满足科室自主更新需求病例CRUD操作、LLM批量生成需配置OpenAI/Anthropic Key、全量答题数据导出、角色训练数据分维度统计使用与配置流程从零启动只需三步无数据库安装、无服务部署门槛# 1. 克隆并安装依赖 git clone https://github.com/nexorin9/triage-seasonpass cd triage-seasonpass npm install cd frontend npm install cd .. # 2. 配置环境变量必填ADMIN_KEY cp .env.example .env # 编辑 .env至少设置 # ADMIN_KEYyour_secure_admin_key_here # OPENAI_API_KEYsk-...可选不用AI则跳过 # 3. 启动开发环境两个终端 # 终端1运行后端 npm run dev # 终端2运行前端 cd frontend npm run dev浏览器访问http://localhost:5173即可开始。首次进入选择角色护士/进修生/实习生与用户名即刻进入季票首页。所有进度默认本地存储localStorage若需跨设备同步或集中管理可部署生产版并配置服务端存储路径。生产部署更简单一键构建单端启动# 构建全栈产物编译后端TS 构建前端Vite npm run build # 启动生产服务器API与静态文件同端口3001 npm run start:prod此时访问http://localhost:3001即为完整可用系统前端资源由Express直接托管无Nginx反向代理等额外依赖。数据与扩展能力系统内置15例硬编码急诊病例覆盖四大难度层级全部离线可用。当需要扩展病例库时有两种路径人工扩展通过管理员后台「病例管理」界面手动增删改查JSON格式病例字段包括id、title、difficultyTRAINEE/JUNIOR/SENIOR/EXPERT、triageLevelI/II/III/IV、presentation主诉、vitals生命体征、history病史、rationale分诊依据、distractors干扰项解析AI扩展配置.env中OPENAI_API_KEY或ANTHROPIC_API_KEY后后台启用「LLM批量生成」输入关键词如“老年女性、突发胸痛、血压下降”系统调用大模型生成符合医学逻辑的新病例并自动执行结构校验与分诊合理性验证确保输出可用。所有病例数据、用户答题记录、季票进度均按角色隔离存储实习生数据不会混入护士统计保障训练数据纯净性。工程结构与技术选型我们坚持“能力优先于炫技”的工程观。后端选用Express 5 TypeScript因其路由清晰、中间件成熟、轻量可控完全满足本项目API静态文件托管的核心诉求前端采用React 19 Vite 8利用其热更新快、打包精准、插件生态丰富优势配合Recharts实现训练趋势图等数据可视化。LLM集成被设计为可拔插模块src/llm/client.ts统一封装OpenAI/Anthropic/Mock三种客户端提示词模板prompts.ts与生成验证逻辑case-generator.ts解耦未配Key时自动降级至Mock返回内置病例不影响主流程。核心逻辑全部下沉至src/engine/目录scoring.ts定义三项得分计算规则season.ts维护20关XP阈值与解锁条件case-template.ts固化四级难度评估维度如信息完整性、干扰项数量、生理参数复杂度。这种分层使业务规则与框架代码物理隔离便于未来按《急诊分诊指南》更新调整。限制与说明本系统明确划定能力边界它不替代临床决策不接入医院信息系统HIS/EMR不处理真实患者数据所有病例均为教学示例不可直接用于医疗行为参考LLM生成病例需经管理员人工审核后方可纳入正式训练库匿名模式下进度仅存于当前浏览器清除缓存即丢失如需长期保存请部署生产版并启用服务端持久化。关于运行环境开发模式需Node.js 18生产模式同样前端兼容Chrome 100、Edge 100、Firefox 102、Safari 16移动端适配采用响应式布局在iPhone SE及以上尺寸可流畅操作答题与查看报告季票进度条与反馈卡片均针对小屏优化缩放与触控区域。项目地址https://github.com/nexorin9/triage-seasonpass