共查询到20条相似文献,搜索用时 15 毫秒
1.
目的 探讨灰色序列模型GM(1,1)在三级综合性医院门诊人次预测中的应用,为综合性医院门诊量预测提供方法学参考.方法 采用灰色序列模型GM(1,1)对门诊人次进行预测拟合分析,计算其相对误差,并进行外推预测.结果 灰色序列模型GM(1,1)预测门诊人次与实际值拟合误差较小,模型预测精度评级为优(P>0.95).结论 灰... 相似文献
2.
目的 预测某院门诊量的变化趋势,为医院领导制定管理措施提供科学依据. 方法 利用GM(1,1)灰色模型对某院近10年门诊人次数进行拟合,并预测近3年的门诊量. 结果 根据某院1999-2008年的门诊人次数建立的灰色预测模型为:(t)=2 787.08e^0.023 28(t-1)-2 727.67 .模型的平均误差率为1.49%,该模型精度为优(C=0.206, P=1.000),预测效果好. 结论 GM(1,1)灰色模型为拟合和预测医院门诊量的理想模型,预测出该院门诊量呈上升趋势. 相似文献
3.
4.
5.
6.
[目的]探讨日均气温、相对湿度和空气压力与医院日心脑血管与呼吸疾病急、门诊就诊人次的相关性.[方法]收集三级甲等医院日呼吸、心脑血管疾病急、门诊就诊人次和该地区日均气温、相对湿度和空气压力的时间序列数据,采用立方平滑样条函数将日均气温、相对湿度和空气压力引入,与医院日呼吸、心脑血管疾病急、门诊就诊人次间建立Poisson广义相加模型,选择最终进入模型的变量,并确定其立方平滑样条函数自由度取值. [结果]医院日呼吸、心脑血管疾病急、门诊就诊人次与气温、相对湿度和空气压力表现出一定的线性相关趋势;当气温< 10℃时,气温每升高1℃,就诊总人数增加1.057 217倍,当气温≥10℃,气温每增加1℃,就诊总人数上年同期下降0.990 571 73倍. [结论]气象因素与呼吸、心脑血管疾病急、门诊就诊人次的相关性比较明显. 相似文献
7.
8.
9.
10.
目的通过构建优化组合预测模型,弥补单一预测方法的缺陷,为医院合理配置医疗资源和提高救助能力提供科学依据。方法利用某三甲医院1990年至2010年门诊人次月度数据时间序列,基于趋势拟合法、ARIMA模型及组合预测模型,对三者的预测结果进行比较分析,并分别用三种预测方法预测2011年门诊人次。结果组合模型预测误差的标准差(SDE)比二次型模型降低了36.7%,比ARIMA模型降低了5.2%;其预测时残差也小于其他两种单一模型的预测残差。结论组合预测模型的预测精度优于单一模型的,可以在医院门诊人次预测中推广应用。 相似文献
11.
[目的]了解门诊人次、人均药费、人均检治费对医院2001-2006年门诊业务收入的影响及程度。[方法]运用因素分析法分析我院2001~2006年门诊业务收入增长的原因。[结果]影响门诊业务收入增长的根本原因是由于门急诊人次和人均费用中入均检治费的增加。[结论]医院在今后应进一步加强专科、专家、特色门诊的建设,以吸引更多患者就诊,同时控制好人均费用的合理增长,有效地利用好医疗卫生资源,使医院运营良好,持续稳步发展。 相似文献
12.
目的 了解公立医院互联网门诊人次的变化趋势,为互联网医院的发展规划提供支持。方法 利用某公立医院2021年1月—2023年6月互联网门诊人次数据,分别构建ARIMA模型和GM(1,1)模型,采用平均绝对误差(MAE)和均方根误差(RMSE)评价拟合效果,基于优势模型预测2023年7—12月互联网门诊人次。结果 通过ARIMA(1,2,1)模型和GM(1,1)模型对互联网门诊的复诊人次进行预测,平均绝对误差分别为369.86和978.84,均方根误差分别为479.49和1 444.83;通过ARIMA(0,1,0)模型和GM(1,1)对互联网门诊咨询人次进行预测,平均绝对误差分别为297.23和369.62,均方根误差分别为413.61和496.30,表明ARIMA模型的预测效果较好。预测结果显示,2023年12月互联网门诊的复诊人次预测值为14 831例,咨询人次预测值为7 461例。结论 2021—2023年某公立医院互联网门诊人次呈持续上升趋势。因此,医院应充分认识到互联网医疗服务的重要性,积极采取措施,不断优化医疗服务模式,为患者提供优质、高效、便捷的互联网医疗服务。 相似文献
13.
目的 充分了解互联网肿瘤门诊接诊现状的变化趋势,为互联网医院的发展及管理提供支持。方法 利用某肿瘤专科医院2021年1月—2023年6月互联网门诊接诊数据,分别构建ARIMA和GM(1,1)模型,采用平均绝对误差(MAE)和均方根误差(RMSE)评价拟合效果,基于优势模型预测2023年7—12月互联网门诊接诊比例及互联网门诊人次占线下门诊比例。结果 通过ARIMA(1,1,2)和GM(1,1)模型对互联网门诊接诊比例进行预测,平均绝对误差分别为2.06%和2.41%,均方根误差分别为3.01%和3.17%;通过ARIMA(0,1,1)和GM(1,1)模型对互联网门诊人次占线下门诊比例进行预测,平均绝对误差分别为0.58%和1.08%,均方根误差分别为0.75%和1.31%,表明ARIMA模型的预测效果更好。预测结果显示,2023年12月互联网门诊接诊比例预测值为90.35%,互联网门诊人次占线下门诊比例预测值为16.46%。结论 2021—2023年某肿瘤专科医院互联网接诊比例呈现持续稳定趋势,互联网门诊人次占线下门诊比例呈现持续上升的趋势。因此,医院需建立持续的监测机制,不断调整管理... 相似文献
14.
15.
ARIMA模型在门诊人次预测中的应用 总被引:2,自引:0,他引:2
目的 探讨ARlMA模型在门诊人次预测中的应用,阐述建模过程,建立预测模型,验证模型的适用性,为医院管理决策服务.方法 数据源于HIS集成统计与管理决策支持系统门诊报表,采集范围选自1999年~2005年逐月门诊人次数据,其中1999年~2004年各月数据用于建立时间序列模型,2005年数据用于验证所建立的模型,统计软件用SPSS13.0完成.结果 通过模型识别、参数估计、检验诊断、模型评价,建立ARIMA(1,0,1)(0,1,1)12模型,具有较高地拟和精度,全年门诊人次相对误差是6.84%,各月相对误差在-3.15%~9.80%之间.实际值都在预测的95%上下限范围之内.讨论 本研究验证了ARIMA模型适用于门诊人次预测,同时在预测门诊人次时也要考虑到数据量、就医环境、患者满意度等因素. 相似文献
16.
[目的]了解门诊人次、人均药费、人均检治费对医院2001~2006年门诊业务收入的影响及程度.[方法] 运用因素分析法分析我院2001~2006年门诊业务收入增长的原因.[结果]影响门诊业务收入增长的根本原因是由于门急诊人次和人均费用中人均检治费的增加.[结论]医院在今后应进一步加强专科、专家、特色门诊的建设,以吸 引更多患者就诊,同时控制好人均费用的合理增长,有效地利用好医疗卫生资源,使医院运营良好,持续稳步发展. 相似文献
17.
目的预测医院住院人次和门诊诊疗人次。方法运用最小二乘法和指数平滑法进行预测。结果出院人次预测模型为:Yt=2417+510Xt,门诊人次预测公式:Yt+1=aYt+(1-α)Yt,得到预测年的点预测和区间预测值。结论充分地发挥医学统计的预测分析作用,考虑医院发展的其它因素,为医院管理、制订计划提供可靠的理论依据。 相似文献
18.
目的 分析并预测某医院未来每年的门诊人次,为有效配比医疗资源,制定医疗工作计划和科学决策提供数据理论依据.方法 采用prophet时间序列预测模型并导入统计数据,预测未来每月门诊人次,并以2019年实际数据进行比对,校验模型的准确性以及实用性.结果 门诊人次季节变动以1年为1个周期,变动趋势大致相同,随季节变化而变动的... 相似文献
19.
趋势季节模型在医院门诊诊疗人数预测中的应用 总被引:2,自引:2,他引:0
门诊诊疗人次是衡量医院运营状况的一个重要指标,运用统计方法预测医院未来某个时间段的门诊诊疗人次,可以为医院现代化管理提供参考依据. 相似文献