移动平均比率法预测门诊诊次

目的探讨运用移动平均比率法配合最小二乘法预测医院门诊诊次。方法用季节预测法中的移动平均比率法计算趋势值与季节指数,用移动平均比率法配合最小二乘法建立预测模型。结果根据某院2003年~2006年的数据预测出2007年各月的门诊量。结论本方法简单科学,可为医院管理决策提供依据。     

应用趋势季节模型预测医院门诊人次

目的预测某医院门诊人次,为医院门诊管理提供科学依据。方法依据某医院2007年-2011年门诊人次,采用趋势季节法建立门诊人次预测模型,对该院2012年门诊诊次进行季节预测。结果通过季节趋势预测,得到该院2012年各季门诊人次的点估计值和区间预测值。结论趋势季节模型简便易行,预测效果好,可为医院工作的发展规划提供一定依据。     

趋势季节预测法在医院统计工作中的应用

目的探讨趋势季节预测法在医院统计工作中的应用。方法采用移动平均趋势法分析我院2003～2007年住院工作统计报表，总结住院病人流量的季节性变化规律。根据最小二乘法拟合趋势方程，对来年的住院病人流量进行预测。结果每年的第二季度和第三季度的季节比率均大于100％，是一年中最忙的季节，并依据直线方程，以95％的可信度预测2008年各季住院人次的区间值。结论加强趋势季节预测法在医院统计预测中的应用，为医院管理者的决策提供科学依据。     

肿瘤专科医院门诊人次预测方法的探讨

目的:比较动态数列法、直线回归模型、对数模型、二次曲线模型、三次曲线模型、ARIMA模型在肿瘤专科医院门诊人次拟合效果的优劣,为医院行政部门提供合适的预测模型。方法:应用6种预测方法对肿瘤专科医院门诊人次进行预测并比较拟合值的绝对误差、平均相对误差绝对值和误差平方和。结果:对肿瘤专科医院门诊人次预测方面,ARIMA模型相对误差绝对值最小(11.29%),其次为三次曲线模型(15.28%)、二次曲线模型(15.43%)、直线回归模型(15.60%)、动态数列法(17.38%),相对误差绝对值最大的是对数模型,为20.17%。结论:ARIMA模型对肿瘤专科医院门诊人次发展变化规律的分析有较好的适应性和实用性,可以为肿瘤专科医院今后工作的发展规划提供一定的依据。     

季节移动平均数法在住院人次预测中的应用

目的用季节移动平均数法预测医院住院人次。方法依据某院2006年-2008年住院人次,应用季节移动平均数法预测2009年1-4季度住院人次,并评价预测效果。结果使用季节移动平均数法所得2009年各季度住院人次的预测值较为精确,误差较小。结论季节移动平均数法简便易行,预测效果好,可为医院管理决策提供依据。     

应用综合指数法分析2005-2008年武汉市某医院医疗收入

目的:分析武汉市某医院收入的构成和影响因素,掌握医院业务发展和收入变化趋势,为医院制定发展战略提供政策建议.方法:应用综合指数法分析2005-2008年武汉市某医院业务量和业务收入构成及其影响因素,用直线回归法预测2009年的业务量和业务收入.结果:2007年比2006年病人数增长5.88%,医院业务收入增加9.01%.用直线回归预测2009年医院门诊门诊服务人次数为1703.47千人次,住院服务人次数为52.03千人次,门诊医疗收入29871.72万元,55829.77万元.结论:应用直线回归法预测的结果比较可靠.     

应用时间序列分解法预测门诊人次

医院的门诊人次与季节的变动、气候的变化等有关,科学的预测门诊人次能为医院领导制定门诊工作计划和门诊管理工作提供参考依据。时间序列分解法是将时间序列的变化因素分为长期趋势因素(T)、季节变动因素(S)、周期变动因素(C)和不规则变动因素(I)。通过应用移动平均法建立时间     

移动平均趋势法在医院门诊量动态分析中的应用

目的探讨医院门诊量的季节变动规律,为医院适时调整工作提供统计数据和依据。方法应用移动平均趋势法对某医院2006—2010年门诊诊疗人次进行统计分析。结果每年的2、3、4、10月份门诊量低,5、7、8、11月份门诊量高,每年的第1季度最低,第3季度最高,1年为1个变动周期。结论应用移动平均趋势法找出医院的季节变动规律,并结合直线趋势方程反映各月的具体变动情况,可以为医院合理安排人力物力提供依据。     

运用最小平方趋势季节乘法模型预测门诊人次

目的：找出医院门诊量的季节变动规律,用最小平方趋势季节乘法模型预测门诊人次,得出未来门诊量的趋势预测资料,使其成为制定工作计划的可靠决策依据。方法：选取近5年门诊人次资料,运用最小二乘法,计算各月季节比率,拟合直线趋势方程,剔除趋势,进行检验和最后的趋势预测,并且以95%的置信程度进行区间预测。结果：预测2009年的总门诊人次为748622,将比2008年人次703324增长6.4%。结论：通过09年的预测分析可知每个月门诊波动情况,在低峰期可安排医护人员休假,高峰期可多开门诊室,加强患者分流。     

季节性指数平滑法在预测某院儿科门诊人次中的应用

目的应用季节性指数平滑法预测某院儿科门诊人次,为儿科合理调配医疗资源提供科学依据。方法基于2013年1月1日-2018年12月31日某院儿科门诊人次数据,使用SPSS22.0软件建立季节性指数平滑模型,采用2016年1月1日-2018年12月31日各季度儿科门诊人次数据进行验证,并对2019年1月1日-2020年12月31日儿科门诊人次进行预测。结果季节性指数平滑法的最优预测模型为Winters相加模型,该模型在Gamma(趋势)、Delta(季节)均有统计学意义,平稳的R^2分别为0.76,R^2值为0.79,标准化的BIC为20.69,模型残差为白噪声序列,平均相对误差为8.85%;2019年1月1日-2020年12月31日某院儿科门诊人次的预测仍呈现出持续上升的季节性和周期性趋势。结论季节性指数平滑法的Winters相加模型能够较好的拟合该院儿科门诊人次的实际值,可用于儿科门诊量及变化趋势的预测,值得推广应用。     

运用移动平均法对黑龙江省麻疹发病情况进行统计预测

目的运用移动平均法对我省麻疹发病情况进行预测,为麻疹防控提供参考,为传染病预测提供方法学借鉴。方法利用黑龙江省2005～2011年麻疹发病数据制定行动阈值,对2012年各周发病数进行预测,并对预测效果进行评价。结果根据过去7年麻疹疫情监测数据分析,我省麻疹2005～2006年发病率呈直线上升趋势,发病率为8.97/10万;2007年直线下降,发病率为0.96/10万;2008年发病略有上升,发病率为3.21/10万,比2007年上升234.38%;2009年发病率呈下降趋势,发病率为2.22/10万,比2008年下降了30.84%;2010年发病达最高峰,是近7年来发病最高的一年,发病率为16.459/10万,比2009年上升642.38%;2011年发病降到最低,发病率为0.151/10万。用2012年发病例数与历年发病例数移动平均数及标准差比较,可预测我省2012～2013年麻疹的发病可能呈现平稳趋势。结论应用传染病疫情的分析预测对麻疹周发病的预测效果良好,可为麻疹提前防控提供依据。该预测法操作简单,预测效果好,并将季节因素考虑进去,是一种实用的传染病预测预报方法。     

最小二乘法预测门诊人数

目的建立趋势线性模型,预测2011-2012年门诊就诊人数。方法采用最小二乘法对模型进行回归分析。结果 2011和2012年的预测门诊人数分别为162.25万、170.68万人次,2011年门诊人数实际值为165.77万人次,误差仅为2.17%。结论应用最小二乘法对门诊人数预测,效果较理想,可为医院工作计划和决策提供了理论依据。     

状态空间模型及其在传染病发病率预测中的应用

目的 :研究状态空间模型的建立及其在传染病发病预测中的应用,并探讨提高模型准确性和实用性的途径。方法 :以2005年1月~2010年12月我国肺结核发病资料建立模型,以2011年的发病资料作为模型预测效果的考核样本。首先采用移动平均比率法和HP滤波对资料进行初步分析,然后根据分析的结果进行定阶、初始化并估计参数,建立状态空间模型,最后对预测结果进行检验和分析。结果:状态空间模型可以将发病率变化过程中的各种特征成分分解出来,其年内逐月发病率的预测精度在90%以上。结论:状态空间模型对我国肺结核发病情况的拟合度较高,预测效果良好。     

应用随机时间序列分析法预测痢疾发病率

目的:应用随机时间序列分析法预测痢疾发病率。方法:应用SPSS11.5软件对某市2001～2007年痢疾逐月发病率进行ARIMA模型建模拟合,用所得到的模型对2008年各月痢疾发病率进行预测。结果:ARIMA(1,0,0)×(1,1,0)12模型很好地拟合了既往时间段上的痢疾发病率序列,对2008年各月发病率的预测值符合实际发病率变动趋势,且实际发病率均在95%可信限内。实际值与预测值的全年误差为13.02%,1～6月份误差为4.91%。结论:应用随机时间序列分析法对痢疾的发病率进行短期预测能够收到很好的效果,为痢疾的防控提供科学有效的依据。     

广州市门诊就诊人数与气候关系研究

【目的】探讨广州市门诊就诊人数与气候的关系。【方法】对广州市3所医院1993～2001年各科室月门诊人数与同期月气象数据进行相关回归分析。【结果】影响广州市月门诊人数的主要气象因素为：月平均气压、月最低气温、月总日照时数、月降雨量、月均相对湿度、月平均风速。平均气压、最低气温、相对湿度、平均风速与月门诊人数呈负相关；日照时数、降雨量与月门诊人数呈正相关。并建立相应的多元线性回归方程。结果表明影响广州市疾病发生的气象因素为平均气压、最低气温、相对湿度、平均风速、日照时数、降雨量。【结论】根据气象因素建立起来的多元线性回归方程可用来预测所在地区的疾病流行趋势，对预测疾病的发生与流行有较大参考价值。     

时间序列预测模型在门诊量预测中的应用

目的应用时间序列预测模型预测门诊量,旨在建立适用医院的门诊量预测方法和预测模型。方法收集某医院2006年一2010年的月门诊量数据,建立时间序列的预测模型,并用该模型进行预测比对。结果该预测模型预测的下一年的前6个月的门诊量非常接近实际门诊量,最大误差仅为1．54％。预测的2011年该院门诊工作量为2,292,594人次。结论运用时间序列预测模型能够取得很好的预测效果,可以为医院管理提供预案和决策依据。     

Bootstrap在流感监测预警中的应用

目的：应用bootstrap方法估计流感样病例（influenza-like illnesses, ILI）发病水平95%置信区间（95%CI）作为预警阈值,评价该方法在ILI预警中的价值。方法：以2005—2014年（除2006、2009年）的周监测数据为基线,采用历史2年流感病毒最高阳性检出率的30%作为流感流行标准,确定2006年和2009年流感流行期金标准,通过回顾性分析,比较bootstrap法、移动平均法和金标流行期的一致性;并以2012—2015年的周监测数据为基线,探讨bootstrap法在实际预警工作中的应用。结果：江苏省ILI流行曲线有2个高峰,冬春季高峰分布于11月—次年2月,夏季高峰分布于6—8月;bootstrap法、移动平均法和金标流行期一致性均较好;与移动平均法相比,bootstrap法对2009年初的流感流行相对更敏感,与金标流行期的一致性相对更高(kappa=0.728)。采用bootstrap法对2016年ILI%开展预警,与金标准结果接近。结论：bootstrap法作为一种不依赖于ILI数据分布的计算密集型方法,可作为传统移动平均控制图预警方法的替代和补充,用于流感流行的监测和预警。     

武汉市江汉区细菌性痢疾发病率的ARIMA模型预测应用

目的：探讨A RIM A模型在武汉市江汉区细菌性痢疾月发病率预测应用的可行性,为该区细菌性痢疾的防控提供科学参考依据。方法使用SAS9．2软件对2005～2013年该区菌痢月发病资料拟合ARIMA模型,利用建立的模型对2014年1～6月菌痢月发病率资料进行预测和效果评价。结果建立ARIMA（0,1,1）X（0,1,1）12模型拟合效果较好,预测2014年上半年疫情将呈缓慢上升趋势,预测值与实际值拟合趋势基本一致。结论 A RIM A模型可以作为该区菌痢月发病水平的短期预测模型。     

主诊医师负责制实施前后医疗质量的综合评价

目的运用TOPSIS法对医院神经内科实施主诊医师负责制前后的医疗质量进行综合评价,为医院提供绩效及管理决策依据。方法选取神经内科2011年-2013年每年第三季度的医疗质量数据,选择门诊人数、住院人数、平均住院日、病死率、病床使用率、病床周转次数6项指标,应用TOPSIS法进行综合评价。结果评价结果显示2013年第三季度医疗质量最佳,Ci值为0.7988,;2011年第三季度医疗指标的Ci值为0.0170,为3年中最差。与医院实际医疗情况相符。结论主诊医师负责制有助于提高医院医疗质量,应予以推广实施。TOPSIS法是一种在医院管理中较为灵活实用的评价方法。     

ARIMA乘积季节模型在我国甲肝发病预测中的应用

目的:应用求和自回归移动平均模型(ARIMA)乘积季节模型对我国病毒性甲型肝炎进行预测分析,为甲型肝炎的防治提供决策依据?方法:对1994~2012年我国甲型肝炎月发病数的历史疫情数据建立ARIMA乘积季节模型,应用Eviews 6.0软件进行模型拟合,对2013年上半年甲型肝炎的月发病数进行预测,并用实际数据评估模型预测效果?结果:ARIMA(1,1,0)(2,1,2)12模型较好地拟合了既往甲肝的实际发病序列,也获得了较好的预测效果?结论:ARIMA模型能够较好地模拟我国甲型肝炎的发病趋势,预测效果良好,可为甲肝疫情的防控提供一定的科学数据?