政策保障为中医药发展护航--七论学习贯彻全国中医药大会精神

“花钱少,疗效好”是新一轮医改中患者对中医药服务的肯定。群众的获得感来自于各项政策机制保障了中医药独特优势的充分发挥。然而,由于当前有些政策体系并不健全和完善,出现了诸如中医药服务特点尚未能充分体现,部分中医诊疗服务收费尚有不合理,一些中医医师和中医医院更倾向于用酋医治疗来体现自身劳动价值、缓解经费压力等问题,制约了中医药独特优势的充分发挥。     

护理人员科研能力与职业认同的相关性分析

目的了解护理人员的科研能力与职业认同现状及其相关性,为采取针对性措施提高护理人员科研能力,增强其职业认同感提供参考。方法采用护理人员科研能力自评量表与护士职业认同评价量表,对350名护理人员进行调查。结果护理人员科研能力及科研实践能力、专业与发现问题能力、沟通协作能力3个维度得分率分别为37.50%、25.00%、50.00%、50.00%,职业认同评价量表总均分为5.52分。护理科研能力与职业认同呈正相关(P0.01)。结论护理人员具有较高的职业认同,其科研能力尚待加强,科研能力与职业认同呈正相关。管理者应注重护理人员科研能力的培养,从而提高其职业认同。     

旴江医派志略

旴江医学流派,萌芽于先秦,分布于江西境内旴江(抚河)流域的16个县市,通过对旴江医学史的新近考证,证实从西汉迄民国旴江流域有医药家2016人、医籍711种,孕育杏林文化、建昌药帮、樟树药帮。旴江流域是道教的诞生地,道教的兴起促进旴江医派的形成和发展,旴江医派形成了独特的道家医学流派风格。旴江医派的鲜明特点是:道教传道施医是旴江医派的起源特点,医道医药兼通相传是旴江医派的传承特点,道医思想是旴江医派的学术特点,杏林春暖为医精诚是旴江医派的医学文化特点,气候湿暖形成旴江流域药用资源繁茂和药业繁盛特点,三面环山温热难散易发热病是旴江流域的发病学特点,寒温统一辨治热病是旴江医派的诊疗学特点。纵观旴江医派历史,旴江医派因方士修真炼丹而萌芽于先秦、因黄老修行施医而起源于秦代、因高道创教传医而兴起于汉晋、因高僧创教传医而弘扬于隋唐、因崇儒尚医而发展于宋元、因政治中心南移而兴盛于明清、因战乱诸因而停滞于民国、因政府重视而繁荣于当代。旴江流域,名医代出,学说纷呈,流传域外,远播寰宇,在中国医学史上占有重要地位,对中医学的发展创新、走向世界有着深远的影响。     

北京市不同时期政策下助产机构外《出生医学证明》的签发情况比较

目的通过分析和比较北京市《出生医学证明》机构外签发新政策实施前后的特点,为机构外签发的《出生医学证明》规范化管理提供科学合理的依据。方法从北京市妇幼保健网络信息系统中导出2012年1月1日-2017年12月31日全市签发的助产机构外《出生医学证明》相关信息,包括证件签发状态、签发时间、签发地、出生时间、签发对象父母亲的年龄及户籍地等,应用统计软件对其进行分析。结果新政策实施后机构外签发数量有所增长,其中《出生医学证明》证面上仅有父母亲一方信息的签发量占比由19. 4%增至36. 4%,家长自述机构外分娩双胎新生儿的签发量占比由2. 8%增至4. 7%;机构外签发的签发对象年龄主要集中在3～6岁,其父母的平均年龄均高于机构内签发新生儿的父母平均年龄。结论新政策的实施及时落实了国务院相关文件,解决了部分无户口人员的落户问题,同时也给《出生医学证明》管理部门提出了更多挑战。应加强区级管理岗位的业务培训,完善部门间的协调沟通机制,完善信息系统,不断提高北京市《出生医学证明》机构外签发管理水平。     

欢迎订阅《中国卫生经济》杂志

《中国卫生经济》是由国家卫生和计划生育委员会主管,中国卫生经济学会、国家卫生计生委卫生发展研究中心主办的卫生经济专业学术期刊。自1982年1月5日创刊以来,《中国卫生经济》集"中国中文核心期刊"、"中国科技核心期刊"和"RCCSE中国核心学术期刊"三大核心期刊于一身,成为了我国医药卫生事业管理学科期刊中最具影响力的期刊。《中国卫生经济》主要报道范围包括:卫生经济理论研究、卫生经济政策分析与评价、卫生筹资、卫生资源配     

生殖专科机构预防新型冠状病毒肺炎感染的措施

新型冠状病毒肺炎(简称新冠肺炎, COVID-19)是近期流行的一种新发传染病,已造成大量人员感染,其中包括医务人员。为预防生殖医学的医院感染,有效降低新冠肺炎在生殖专科机构传播的风险,通过查询相关文献、指南和规范等,并结合生殖医学特点,制定生殖医学有关的临床区、手术室和实验室及相关人员预防新冠肺炎的措施。     

深度学习技术在医学影像中的应用

近十年来,人工智能(artificial intelligence,AI)在医学领域发展迅速,很大程度上得益于机器学习(machine learning,ML)技术的发展与进步,而机器学习也成为医学领域创新的新引擎。医学成像领域中,机器学习对图像重组、病变分割、计算机辅助检测(computer-aided detection,CADe)和诊断(computer-aided diagnosis,CADx)等方面的优化产生了积极影响[1,2]。与传统的医学图像分析技术相比,机器学习技术不需要由医学及技术领域专家为特定分析制定明确相关的功能。