刷评指数 · 真实口碑指数
찐후기 지수 · Legit Review Score · リアル口コミ指数
真实口碑指数通过多渠道观测与同类医院比较，推算一家医院的网络口碑是否由自然产生的评价构成，或是否存在有组织管理的痕迹。评价内容是否属实、手术效果好坏不在判定范围内。
刷评指数等于100减去真实口碑指数，真实口碑指数越低，刷评指数越高。
- 01
观测 (Observation)
从公开社区 · 评价平台 · 地图服务中，按渠道以时间序列积累医院层面的提及与公开数据。作者标识在采集阶段即转换为不可逆哈希，原文在保存期结束后删除。
- 02
标准化 (Normalization)
所有观测值都转换为在相同渠道 · 相同时期 · 相同规模区间的同类医院分布中的相对位置。样本较小的医院通过分层经验贝叶斯收缩被拉向同类期望值，分布尾部采用基于中位数与绝对偏差的稳健标准化处理。
- 03
异常检测 (Anomaly)
多个相互独立的信号组分别推算偏离自然评价期望模式的程度。信号是非对称的：只有向更差方向的偏离计为风险，向更好方向的偏离不会提高分数。
- 04
综合 (Aggregation)
信号组通过加权平均与最大风险项并用的混合综合方式形成一个风险度。只要一个信号大幅偏离，即使其他信号正常也不会被稀释。权重依据分半信度与验证案例集定期重新校准。
- 05
不确定性 (Uncertainty)
通过医院内部重采样(Bootstrap)推算分数的90%区间。区间过宽或核心信号达不到最低样本时，不显示数字与排名，标为“暂缓判定”。
- 06
判定 (Decision)
最终分数是将同类分布中的百分位换算为0到100的值，越高表示评价越是自然积累。排名为全国统一一张榜。“疑似刷评”仅在两个以上信号组同时出现极端值并通过人工审核时才会显示。
- 信号组
- 多个 · 不公开
- 权重 · 阈值
- 不公开 · 定期重新校准
- 参照群体
- 渠道 × 时期 × 规模区间的同类医院
- 置信区间
- 90% Bootstrap
- 更新
- 每月重新计算