基于中断时间序列模型的住院医嘱用药管理效果分析

目的:研究加强住院医嘱用药管理对住院用药合理性的干预效果。方法:收集天津医科大学肿瘤医院2018年1月至2019年12月住院医嘱用药合格率信息,以2018年12月医院制定重点监控药品目录、设置重点药品管理权限、开展重点药品专项点评等加强住院医嘱用药系列管理办法为干预措施,采用中断时间序列(interrupted time-series)设计模型对加强住院医嘱用药管理效果进行分析。结果:加强住院医嘱用药管理前,住院医嘱用药合格率呈略下降趋势,加强住院医嘱用药管理后,住院医嘱用药合格率呈明显上升趋势,每月提升0.12百分点,比管理前每月调增了0.15百分点,住院医嘱用药合格率由2018年1月的95.40%提升至2019年12月的98.83%。结论:加强住院医嘱用药管理对住院合理用药水平有显著的提升效果。     

基于CRITIC赋权的TOPSIS法和RSR法模糊联合在医疗服务与质量安全评价中的应用研究

目的：对医院医疗服务与质量安全进行科学合理的评价。方法：采用基于CRITIC赋权的TOPSIS法和RSR法模糊联合对天津某三甲医院2015年-2020年医疗服务与质量安全进行对比排序。结果：两种方法模糊联合结果显示医疗服务与质量安全整体上呈现逐年提高的趋势,排名从高到低依次为2020年、2018年、2019年、2017年、2016年、2015年。结论：应用基于CRITIC赋权的TOPSIS法和RSR法模糊联合能够提高评价结果的客观性、准确性与灵敏度,对于综合评价医疗服务与质量安全具有很高的适用性。     

基于ARIMA和GM(1,1)模型的互联网肿瘤专科门诊接诊现状预测研究

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...     

基于中断时间序列和分段线性回归法分析公立医院绩效考核对平均住院日的影响

目的 研究推行公立医院绩效考核对医院平均住院日的干预效果。方法 收集天津某医院2017年1月—2021年12月的平均住院日数据,以2019年7月医院全面启动公立医院绩效考核为干预措施,采用中断时间序列(interrupted time-series, ITS)设计的分段线性回归(segmented regression analysis, SRA)方法对推行公立医院绩效考核前后全院平均住院日变化进行分析。结果 推行公立医院绩效考核后平均住院日呈明显下降趋势,每月降低0.16 d,比公立医院绩效考核推行前每月降幅增加了0.10 d,平均住院日由2017年1月9.10 d下降至2021年12月的4.79 d。结论 推行公立医院绩效考核对医疗效率有显著的提升效果。     

基于CRITIC-TOPSIS和CRITIC-RSR法的主诊医师服务能力综合评价

目的 对主诊医师的医疗服务能力进行科学合理的评价。方法 采用CRITIC-TOPSIS和CRITIC-RSR法对天津市某三甲医院2020年度乳腺肿瘤外科专业20名主诊医师的医疗服务能力进行评价。结果 CRITIC-TOPSIS法评价主诊医师服务能力排名前5位的是M、E、D、H、O,排名后5位的是N、T、Q、L、F;CRITIC-RSR法评价主诊医师服务能力排名前5位的是H、D、E、J、C,排名后5位的是T、N、Q、L、A。2种评价方法结果不完全相同,多数主诊医师评价排名相近,M和O主诊医师排名差异较大。结论 应用CRITIC-TOPSIS和CRITIC-RSR两者相结合的方法,能够克服主观性强、评价方法单一等局限性,能够更为直观、准确地对主诊医师的服务能力进行综合评价。     

基于ARIMA与GM(1,1)模型的公立医院互联网门诊人次预测研究

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。     

多目标遗传算法优化五味子提取工艺的研究

 目的研究多目标遗传算法（MOGA）在微波萃取五味子提取工艺条件中的应用,并对其效果进行评价。方法对五味子提取工艺均匀设计实验数据建立以浸膏得率、五味子醇甲和总木脂素的子目标模型,采用多目标遗传算法对其进行多目标优化,搜索最优提取条件,比较搜索结果。利用Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法的寻优;利用SPSS130软件进行统计分析。结果得到的最优工艺条件为微波功率270 W、乙醇体积分数为87%、萃取时间为7 min、乙醇用量为1∶〖DK）〗45、饮片粉碎度为70目;此条件下的搜索结果浸膏得率为2140%、五味子醇甲472%、五味子总木脂素1084%。结论多目标遗传算法搜索的Pareto非劣解在保证多目标都最优的前提下是比较理想的,为五味子的最优条件选择提供了合理的方法,可推广到其他药物的最优条件选择。