医患关系是近几年来的热门话题,由于医患关系所引发的社会热点舆情更不是少数。尤其是在当下智能手机普及的今天,舆情在传播的速度上与数量上,事件的参与者与关注者,无论是数量还是广度较之以往都略胜一筹。大肆传播的负面医疗舆情,无论是对于医院自身的品牌、医疗行业乃至政府的公信力都会造成极大的打击。如何摆脱人为主观对网络事件进行判断,提高对于事件判断的准确性,合理配置人员对事件进行处置,是本次研究的重点。本文从医患舆情的现状入手,通过对6万余条医患舆情数据爬取,对一系列数据研究分析。构建了3个一级指标、7个二级指标、21个三级指标的医患舆情预警的指标体系。基于Elman神经网络模型函数建立了判断模型,通过神经网络的数据预测,实现将所设定的医患舆情指标输入,得到所需判定的医患舆情进行预测分级,从而达到网络舆情预警的目的。通过实例检测,对该模型进行了验证与分析。表明本文所建立的舆情预警指标体系与Elman神经网络分级模型是有效可行的。同时,依据分级模型,设计划分了舆情预警应对策略,对所涉部门、人员进行了合理分配。以期为医疗舆情研究者,医疗机构的决策者提供一条解决问题的思路。